Professional Documents
Culture Documents
Mtodos Iterativos
ndice general
Listado de Teoremas, Proposiciones, Corolarios Y Definiciones . . . . . . . . . . . . . . .
Listado Ejercicios y Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
8
1. PREFACIO
1.1. Software A Utilizar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Software Utilizado Para Escribir ste Documento . . . . . . . . . . . . . . . . . . .
1.3. Reflexiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
12
13
14
15
15
15
15
18
18
19
22
22
22
23
26
26
26
27
27
28
28
31
32
32
34
36
36
38
39
39
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CAPTULO 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
40
41
45
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
123
123
125
127
127
129
131
132
143
167
167
167
169
171
Bibliografa
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
173
RESOLUCIN ECUACIONES
ndice de figuras
1.
2.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
46
49
50
51
54
56
58
59
60
63
65
. . . . . . . . . .
66
. . . . . . . . . .
67
. . . . . . . . . .
67
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
70
73
74
75
75
76
77
78
86
90
91
93
94
95
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
29
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CAPTULO 0
30.
31.
32.
FReynolds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
FReynolds2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Savitsky1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
1.
2.
1.
1.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 0
15
22
28
40
40
RESOLUCIN ECUACIONES
CAPTULO 0
45
50
53
56
58
64
68
70
3.0.9. Diodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
3.0.10. Economa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
85
92
94
97
99
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 0
RESOLUCIN ECUACIONES
PREFACIO
11
CAPTULO 1
12
races.
Otra cosa que te recomiendo es que seas crtico con las soluciones aqu expuestas y las que t
mismo/a obtengas, en la justa medida. Realiza las tareas que te dejo pendientes, si un ejercicio
est realizado con determinados mtodos, puedes probar con otros mtodos.
1.1
Software A Utilizar
Definitivamente hay multitud de software que puedes utilizar para calcular las races de una
ecuacin con los mtodos propuestos en ste documento. Los que te aconsejo:
1. GNU Octave-> Alternativa libre a Matlab, es el programa principal que se utiliza en este
documento. Esta disponible para Mc-OS, Windows, Linux y Android.
2. Octave Source Packages-> Conjunto de paquetes que extienden las capacidades de Octave,
altamente recomendable.
3. EPSTK-> Conjunto de comandos extra Octave para una mejor resolucin en los grficos.
Viene muy bien para dibujar en coordenadas polares.
4. QtOctave-> Es un GUI basado en QT4 que te permite un uso ms amigable de Octave. En
Linux lo puedes encontrar en los repositorios de las principales distribuciones. Fue creado
hace unos aos por un espaol, que abandon el proyecto, pero la comunidad Linux sigue
dndole soporte porque es muy til.
5. WxMaxima-> Es un GUI basado en wxWidgets el cual facilita el clculo simblico y no simblico bajo el programa Maxima. Disponible en las 3 principales plataformas. Viene muy
bien como apoyo para clculos simblicos de races y dems en ste documento. Muy recomendable su uso.
6. Sublime Text + SublimeREPL-> Aunque no es cdigo libre s es muy seguido este editor
de textos no enriquecido. Viene muy bien para editar nuestros propios cdigos de Octave.
El plugin SublimeREPL es un muy buen plugin de Sublime Text que nos permite ejecutar nuestros cdigos Octave desde el mismo editor. Viene a ser un muy buen sustituto de
QtOctave.
7. Cantor-> Si eres linuxero y usas KDE te puede venir muy bien para trabajar con Maxima el
programa Cantor.
RESOLUCIN ECUACIONES
ECUACIONES
1.2
CAPTULO 1
13
ste manual ha sido escrito en su totalidad con el lenguaje LATEXutilizando los siguientes editores:
LyX
TeXMaker
TeXStudio
Gummi
Como documentos de apoyo he utilizado intensamente Edicin De Textos Cientficos Con Latex,
y me ha servido de apoyo el foro TEX de Stackexchange. Para dibujar muchas de las grficas de
Octave en ste documento he utilizado Matlab2TikZ.
RESOLUCIN ECUACIONES
CAPTULO 1
1.3
14
Reflexiones
Antes de terminar el prefacio me gustara que te quedase muy claro lo siguiente, es cierto que con
cualquier programa matemtico puedes calcular las races con tan slo un comando, sin tener que
escribir los algoritmos, pero el objetivo de esta materia en las universidades y en ste documento
es que t conozcas cmo funcionan los diferentes mtodos y seas capaz de elegir cul es el mejor
para determinadas ecuaciones no lineales. Adems, este tipo de estudio viene muy bien para
afianzar conceptos matemticos, como tambin a conocer nuevos conceptos. Otra cosa a tener
muy en cuenta es que te ayudan a aprender a ser crtico con los resultados que puedas obtener
con una calculadora o con un determinado software cientfico.
Sin ms, te dejo con el contenido de esta especie de manualillo que espero sinceramente que te
sea de verdadera ayuda para aprender este campo especfico de las matemticas aplicadas.
RESOLUCIN ECUACIONES
2
2.1
MTODOS ITERATIVOS
PARA RACES REALES
Mtodo De la Biseccin
2.1.1. Introduccin
El mtodo de la biseccin consiste bsicamente en encontrar la raz de una funcin en un determinado intervalo. Dicho intervalo lo vamos dividiendo cada paso por la mitad, quedndonos con
la mitad que tenga la raz. Al hacer cada vez ms pequeos los intervalos lo que conseguimos es
una mejor aproximacin a la raz buscada. El proceso de ir partiendo los intervalos se apoya en el
mtodo de la sucesin de intervalos encajados de Cantor.
Para cerciorarnos que la raz se encuentra en un determinado intervalo lo que hacemos en realidad es aplicar el Teorema de Bolzano.
% Metodo Biseccion
15
CAPTULO 2
2
3
4
5
16
function [] = biseccion(f,a,b,tol,maxiter)
filename = 'biseccion.txt';
fid = fopen(filename,'w');
fprintf(fid,'k\t\tx (k)\t\t\t\t\t\t\tError\n');
6
7
t = a:0.01:b;
8
9
10
fx = inline(f);
func = fx(t);
11
12
13
fa = feval (fx,a);
fb = feval (fx,b);
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
if fa*fb > 0
disp ('La funcion debe tener signo distinto en los extremos del intervalo')
return
end
iter = 0;
x = [ ];
errores = [ ];
imagenes = [ ];
incr = b-a;
% warning('off', 'Octave:possible-matlab-short-circuit-operator');
while (incr > tol) && ( iter < maxiter)
c = (a+b)/2;
x = [x,c];
fc = feval (fx,c);
if fc == 0
a = c;
b = c;
elseif fa*fc < 0
b = c;
fb = fc;
else
a = c;
fa = fc;
end
errores =[errores,incr];
imagenes = [imagenes,fc];
incr = b-a;
iter++;
end
iter2 = 1:iter;
sol = c;
if incr > tol
RESOLUCIN ECUACIONES
ECUACIONES
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
CAPTULO 2
17
disp('Insuficientes iteraciones.')
else
for k=1:iter
fprintf(fid,' %.0f\t\t %.15f\t\t %.15f\n',iter2(k),x(k),errores(k));
end
fprintf (fid,'\nLa solucin es %.15f.\nSe ha alcanzado en %d iteraciones.\nCon un
error de %e',
sol,iter,errores(end));
fclose(fid);
printf ('La solucion es %.15f.\nSe ha alcanzado en %d iteraciones.\nCon un error de %
e\n',
sol,iter,errores(end));
end
clf();
subplot(1,3,1);
fplot(fx,[a-5,a+5])
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('La Funcion');
legend({f},'location','southoutside');
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,2);
plot(t,func,x,imagenes,'*r')
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('Metodo Biseccion');
legend({f,'Aproximaciones'},'location','southoutside');
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,3);
plot(iter2,errores,iter2,errores,'*r')
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tendencia de errores en Biseccion');
RESOLUCIN ECUACIONES
CAPTULO 2
90
91
92
93
94
95
18
legend({'Errores','Puntos Errores'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('Errores');
set (get (gca, 'ylabel'), 'rotation', 360);
end
biseccion.m
En los ejercicios se ve con todo detalle los pasos que se realizan en el mtodo de la biseccin, al
igual que en los dems mtodos.
2.2
2.2.1. Introduccin
ste mtodo trata de mejorar el de la biseccin en su velocidad de convergencia, para mejorarlo
no tomamos cada vez el punto medio del intervalo [ a,b] sino que se calcula en cada iteracin la
interseccin con el eje de abscisas la recta que pasa por los puntos ( a, f ( a)) y (b, f (b)), siendo f la
curva de partida del problema.
Consideremos el punto P(c,0) y calculemos la expresin para la recta. Tenemos que el vector
director de la recta es:
~v (b a, f (b) f ( a))
De esta forma podemos expresar la ecuacin de la recta en su forma continua como:
xa
y f ( a)
=
ba
f (b) f ( a)
Sustituimos el punto P y despejamos c:
ca
f ( a)
f ( a) (b a)
f ( a) (b a)
=
ca =
c=
+a
ba
f (b) f ( a)
f (b) f ( a)
f (b) f ( a)
c=
b f ( a) + a f ( a) + a f (b) a f ( a)
f (b) f ( a)
c=
a f (b) b f ( a)
f (b) f ( a)
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 2
19
ste c es el que se ir iterando cada vez en el mtodo de la Regula Falsi, es decir, son nuestras
aproximaciones para obtener la raz que se busca de una funcin o curva f en un intervalo [ a,b].
Para poder iterarlo hemos de darnos cuenta que el valor c es el que hace el papel del punto medio
de la biseccin, por lo que obtenemos a partir de [ a,b] 2 nuevos subintervalos: [ a,c] y [c,b]. A cada
subintervalo le aplicamos el Teorema de Bolzano, y en el subintervalo que se cumpla el teorema
le volvemos a aplicar el mtodo de la Regula Falsi, es decir; volvemos a iterar. De esa forma lo
que obtenemos es una sucesin finita de aproximaciones a la raz que buscamos en un intervalo
[ a,b] y que podemos definirla como {ci }in=0 . Esto es en esencia los pasos que realizamos en ste
mtodo, al que hay que aadir los diferentes criterios de parada.
5
6
t = a:0.01:b;
7
8
9
fx = inline(f);
func = fx(t);
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
fa = feval(fx,a);
fb = feval(fx,b);
if fa*fb > 0
disp('La funcion debe tener signo distinto en los extremos del intervalo.')
return
end
iter = 0;
x = a;
errores = [ ];
imagenes = [ ];
incr = b-a;
while incr > tol && iter < maxiter
c = (a*fb-b*fa)/(fb-fa);
x = [x,c];
fc = feval(fx,c);
if fc == 0
a = c; b = c;
elseif fa*fc < 0
b = c; fb = fc;
else
RESOLUCIN ECUACIONES
CAPTULO 2
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
20
a=c; fa=fc;
end
incr = abs(x(end)-x(end-1));
errores =[errores,incr];
iter++;
end
iter2 = 1:1:iter;
fc1 = feval(fx,x);
imagenes = [imagenes,fc1];
sol = c;
if incr > tol
disp('Insuficientes iteraciones.')
else
for k=1:iter
fprintf(fid,' %.0f\t\t %.15f\t\t %.15f\n',iter2(k),x(k),errores(k));
end
fprintf (fid,'\nLa solucin es %.15f.\nSe ha alcanzado en %d iteraciones.\nCon un
error de %e',sol,iter,errores(end));
fclose(fid);
printf ('La solucion es %.15f, y se ha alcanzado en %d iteraciones.\nCon un error de
%e\n',
sol, iter,errores(end));
end
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
clf();
subplot(1,3,1);
fplot(fx,[a-5,b+5])
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('La Funcion');
legend({f},'location', 'southoutside');
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,2);
plot(t,func,x,imagenes,'*r')
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('Metodo Regula Falsi');
legend({f,'Aproximaciones'},'location','southoutside');
RESOLUCIN ECUACIONES
ECUACIONES
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
CAPTULO 2
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,3);
plot(iter2,errores,iter2,errores,'*r')
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tendencia de errores en Regula Falsi');
legend({'Errores','Puntos Errores'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('Errores');
set (get (gca, 'ylabel'), 'rotation', 360);
end
regulafalsi.m
RESOLUCIN ECUACIONES
21
CAPTULO 2
2.3
22
2.3.1. Introduccin
En ste mtodo consideramos una funcin f : D R R cualquiera a la que queremos
calcular las soluciones de la ecuacin f ( x ) = 0. El mtodo consiste en transformar dicha ecuacin
en una de punto fijo g( x ) = x, de la cual al ir iterndola obtenemos la sucesin de iterados:
xk+1 = g( xk ) k N.
En el mtodo ya no partimos de un intervalo inicial [ a,b] para encontrar aproximaciones a la raz,
lo que hacemos es partir de un valor inicial x0 que est lo ms prximo posible a la raz a calcular.
Para determinar ste valor inicial la forma ms sencilla es dibujar con Octave la grfica de la
funcin, aunque tambin podemos utilizar el Teorema de Bolzano para comprobar su existencia,
esto lo mejor es hacerlo a mano; o utilizando previamente el mtodo de la Biseccin.
Una cosa muy importante a tener en cuenta en el mtodo de punto fijo es que la funcin g no tiene
porqu ser necesariamente nica, basta tomar como ejemplo la sencilla funcin f ( x ) = x2 2x.
Si en f 0 despejamos x lo podemos hacer de 3 formas diferentes:
x2
x2
g1 ( x ) =
2
2
2
2
Forma 2 x 2x = 0 x = 2x g2 ( x ) = 2x
Forma 3 x2 2x = 0 x2 = 2x g3 ( x ) = 2x
Forma 1 x2 2x = 0 x =
A partir de las diferentes funciones de punto fijo nos queda determinar cul es la mejor para la
raz que deseamos aproximar, tanto en velocidad de converegencia como en cul es la que est
ms cerca a la raz a aproximar.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 2
23
| xn x |
Kn
| x0 x1 | n 1
1K
function [] = pfijo(g,f,a,b,x1,tol,maxiter)
filename = 'puntofijo.txt';
fid = fopen(filename,'w');
fprintf(fid,'k\t\tx (k)\t\t\t\t\t\t\tError\n');
5
6
t = a:0.01:b;
7
8
9
10
fx = inline(f);
gx = inline(g);
func = fx(t);
11
12
13
14
15
16
17
18
19
20
21
22
iter = 1;
x = x1;
incr = tol+1;
errores = incr;
imagenes = [ ];
while incr > tol && iter <= maxiter
x(iter+1) = feval(gx,x(iter));
incr = abs(x(iter+1)-x(iter));
errores =[errores,incr];
iter++;
end
23
24
25
26
iter2 = 1:iter;
fc1 = feval(fx,x);
imagenes = [imagenes,fc1];
RESOLUCIN ECUACIONES
CAPTULO 2
24
27
28
29
30
31
e = abs(diff(x));
tcl = e(2:end) ./ e(1:end-1); %Tasa de convergencia lineal
tcc = e(2:end) ./ e(1:end-1).^2; %Tasa de convergencia cuadratica
%tccubica = e(3:end)./e(1:end-1).^3; %Tasa de convergencia cubica
32
33
34
35
36
XR = x(2:end);
XL = x(1:end-1);
format free;
dg = diff(XR)./diff(XL);
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
RESOLUCIN ECUACIONES
ECUACIONES
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
CAPTULO 2
grid;
title('Metodo Punto Fijo');
legend({f,'Aproximaciones'},'location','southoutside');
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,3);
plot(iter2,errores,iter2,errores,'*r')
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tendencia de errores en el Punto Fijo');
legend({'Errores','Puntos Errores'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('Errores');
set (get (gca, 'ylabel'), 'rotation', 360);
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
figure(2);
subplot(1,2,1);
plot(iter2(1:length(tcl)),tcl)
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tasa Convergencia Lineal Punto Fijo');
legend({'T.C.L.'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('tcl');
subplot(1,2,2);
plot(iter2(1:length(tcc)),tcc)
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tasa Convergencia Cuadratica Newton');
legend({'T.C.C.'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('tcc');
end
RESOLUCIN ECUACIONES
25
CAPTULO 2
26
pfijo.m
2.4
El Mtodo De Wegstein
2.4.1. Introduccin
Tambin conocido como el mtodo del promotor de convergencia de Wegstein. ste mtodo es
una mejora sustancial del mtodo del punto fijo. Consideremos la ecuacin a resolver f ( x ) = 0, y
su respectiva funcin de punto fijo g( x ); siendo x0 el valor o estimador inicial. Los pasos a seguir
en el mtodo son los siguientes:
1. Al comienzo del paso k-1-simo se conoce xk1
2. Se actualiza xk1 con el punto fijo: xk = g ( xk1 )
3. Se calculan:
A=
g ( xk ) xk
x k x k 1
1
1A
function[]=wegstein(f,x0,epsilon,max1)
fx = inline(f);
for k=1:max1
x1=feval(fx,x0);
y1=feval(fx,x1);
delta=(y1-x1)/(x1-x0);
alpha=1/(1-delta);
x0=x1+alpha*(y1-x1);
if abs(x1-x0)<epsilon
RESOLUCIN ECUACIONES
ECUACIONES
10
11
12
13
14
15
16
17
CAPTULO 2
27
break;
endif
endfor
err=abs(x1-x0)/2;
printf ('La solucion es %.15f, y se ha alcanzado en %d iteraciones.\n',
x0, k);
printf('Con un error de %.15e\n',err);
end
wegstein.m
2.5
Mtodo De Newton
2.5.1. Introduccin
El mtodo de Newton consiste en aproximar las soluciones de la ecuacin f ( x ) = 0 mediante la
recta tangente, por lo que como primera premisa se debe cumplir que la funcin f sea derivable
de orden 1 en un entorno, lo suficientemente grande, de la raz a aproximar. Partimos siempre de
una aproximacin inicial de la raz, x0 , la cual podemos estimar fcilmente dibujando la grfica
de la funcin f .
Una vez determinado x0 , en la primera iteracin debemos calcular la recta tangente al punto
( x0 , f ( x0 )). Dicha recta tangente se puede calcular a partir de la ecuacin de una recta en la forma
punto-pendiente:
y y0 = m ( x x0 )
Siendo y0 = f ( x0 ). Como se sabe de Bachiller, la pendiente es m = f 0 ( x0 ). Tomamos un punto
x1 que es la interseccin de la recta tangente con el eje OX, luego y = 0, sustituimos y despejamos
x1 :
y = f ( x0 ) + f 0 ( x0 ) ( x x0 ) 0 = f ( x0 ) + f 0 ( x0 ) ( x1 x0 ) f ( x0 ) = f 0 ( x0 ) ( x1 x0 )
f ( x0 )
f (x )
x1 x0 = 0
x1 = x0 0 0
f ( x0 )
f ( x0 )
Si iteramos ste procedimiento obtenemos la sucesin de iterados del mtodo de Newton:
x k +1 = x k
RESOLUCIN ECUACIONES
f ( xk )
; k N
f 0 ( xk )
CAPTULO 2
28
Al ver la expresin de la sucesin del mtodo observamos que tambin se debe cumplir en cada
iteracin que f 0 ( xk ) 6= 0 k N o prximo a cero en un entorno pequeo, ya que en caso
contrario dividiramos por 0, provocando error.
Podemos garantizar la convergencia cuadrtica del mtodo mediante el uso del siguiente teorema:
drtica, O(n2 ).
Si f 0 ( x ) = 0 El mtodo de Newton converge linealmente, O(n).
f 0 ( 2) = 2 2 6= 0, luego se cumplen las condiciones del teorema anterior, as que la convergencia es cuadrtica. Tomemos como valor inicial x0 = 1.25.
En la figura adjunta puedes ver las primeras 2 iteraciones para ste ejemplo, cabe destacar la
rpidez del mtodo, con tan slo 2 iteraciones obtenemos una buena aproximacin de la raz, ya
que las 4 primeras cifras decimales son exactas.
function [] = newton(f,df,x1,a,b,tol,maxiter)
2
3
4
5
filename = 'newtonraphson.txt';
fid = fopen(filename,'w');
fprintf(fid,'k\t\tx (k)\t\t\t\t\t\t\tError\n');
6
7
8
9
10
tic;
fx = inline(f);
dfx = inline(df);
t = x1-5:0.01:x1+5;
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 2
Mtodo Newton f ( x ) = x2 2
29
y = x2 2
y = 2.5x 3.5625
y = 2.85x 4.030625
f ( x ) = x2 2 f 0 ( x ) = 2x
y = yk + f 0 ( xk )( x xk )
Iteracin 1
x0 = 1.25 y0 = f (1.25) =
0.4375 f 0 (1.25) = 2.5
y = 2.5x 3.5625
Si y = 0 x1 = 1.425
Iteracin 2
x1 = 1.425 y1 = f (1.425) =
0.030625 f 0 (1.425) = 2.85
y = 2.85x 4.030625
Si y = 0 x2 =
1.414254386
Con slo 2 iteraciones obtenemos
una aprox. de 4 cifras decimales exactas.
11
12
func = fx(t);
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
k = 1;
x = x1;
incr = tol+1;
sol = [ ];
errores = incr;
imagenes = [ ];
while incr > tol && k <= maxiter
delta = -feval(fx,x(k))/feval(dfx,x(k));
x(k+1) = x(k) + delta;
incr = abs(delta);
errores =[errores,incr];
sol = [sol,x];
k = k+1;
end
28
29
30
31
32
33
34
35
e = abs(diff(x));
RESOLUCIN ECUACIONES
CAPTULO 2
36
37
30
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
clf();
figure(1);
subplot(1,3,1);
fplot(fx,[a,b]);
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('La Funcion');
legend({f},'location', 'southoutside');
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,2);
plot(t,func,sol,imagenes,'*r')
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('Metodo Newton Raphson');
legend({f,'Aproximaciones'},'location','southoutside');
legend boxon;
xlabel('y');
ylabel('x');
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 2
80
81
82
83
84
85
86
87
88
89
90
91
92
figure(2);
subplot(1,2,1);
plot(iter2(1:length(tcl)),tcl)
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tasa Convergencia Lineal Newton');
legend({'T.C.L.'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('tcl');
subplot(1,2,2);
plot(iter2(1:length(tcc)),tcc)
set (gca, 'xaxislocation', 'bottom');
set (gca, 'yaxislocation', 'right');
set(gca, 'box', 'off');
grid;
title('Tasa Convergencia Cuadratica Newton');
legend({'T.C.C.'},'location','southoutside');
legend boxon;
xlabel('Numero Iteraciones');
ylabel('tcc');
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
end
newton.m
2.6
Mtodo De La Secante
RESOLUCIN ECUACIONES
31
CAPTULO 2
32
2.6.1. Introduccin
El mtodo de la secante tiene una velocidad de convergencia mayor que el de la biseccin o de
la regula, pero menor que el de Newton. Es un buen mtodo para cuando el de Newton o el
del punto fijo fallan, o cuando el clculo de la primera derivada es muy costoso. Para aplicarlo se
toman dos estimaciones iniciales x1 y x2 de la raz o solucin de la ecuacin f ( x ) = 0, siendo f una
curva cualquiera, a poder ser continua en un entorno de la solucin o soluciones de la ecuacin.
En el mtodo lo primero es calcular una recta secante a la curva/funcin f , es decir; una recta que
pase por los puntos ( x1 , f ( x1 )) y ( x2 , f ( x2 )), luego se toma como siguiente estimacin un x3 que
es la interseccin de la secante con el eje OX. Si iteramos el proceso obtenemos como sucesin de
iterados del mtodo la expresin:
x k +1 = x k
f ( xk )
k N
f ( x k ) f ( x k 1 )
x k x k 1
x k x k 1
f ( xk ) k N
f ( x k ) f ( x k 1 )
1+ 5
La velocidad de convergencia del mtodo es =
, es decir; su velocidad de convergencia
2
es el nmero ureo, es una convergencia superlineal.
x x1
[ f ( x2 ) f ( x1 )]
x2 x1
x1 = 1 x2 = 2 = y = 1 +
x1 =
4
3
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 2
33
7
x 51
1
17
24
5
x2 = 2 = y = +
y = x
= x5 =
3 25
25
5
5
5
x1 =
7
5
x1 =
24
17
24
x
2
17 580 y = 58 x 82 = x =
x2 = 2 = y =
+
6
10 2899
289
17
17
17
41
29
41
x
1
29 1683 y = 99 x 140 = x =
x2 = 2 = y =
+
7
17 841
841
29
29
29
x1 =
24
17
= 1.411764706
41
29
= 1.413793103
140
99
= 1.41414141 . . .
Luego despus de 5 iteraciones obtenemos la aproximacin x = 1.4141414141 . . . , es decir, obtenemos 3 cifras decimales exactas.
En la figura adjunta puedes ver las primeras 5 iteraciones para ste ejemplo.
y = x2 2
Mtodo Secante f ( x ) =
x2
y = 3x 4
14
y = 10
3 x 3
24
y = 17
5 x 5
y = 58 x 82
17
17
140
y = 99
x
29
29
0.5
1.5
RESOLUCIN ECUACIONES
CAPTULO 2
34
function [] = secante(f,x1,x2,tol,maxiter)
filename = 'secante.txt';
fid = fopen(filename,'w');
fprintf(fid,'k\t\tx (k)\t\t\t\t\t\t\tError\n');
5
6
7
8
9
10
t = x1:0.01:x2;
fx = inline(f);
x = [x1,x2];
y = feval(fx,x);
func = fx(t);
11
12
k = 2;
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
sol = [ ];
errores = [ ];
incr = tol + 1;
delta = x2 - x1;
while incr > tol && k < maxiter
m = (y(k) - y(k-1))/delta;
delta = -y(k)/m;
x(k+1) = x(k) + delta;
y(k+1) = feval(fx,x(k+1));
sol = [sol,x];
incr = abs(delta);
errores =[errores,incr];
k++;
end
28
29
iter = 1:k-2;
30
31
32
33
34
35
36
37
38
39
40
RESOLUCIN ECUACIONES
ECUACIONES
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
CAPTULO 2
RESOLUCIN ECUACIONES
35
CAPTULO 2
2.7
36
Ambos mtodos son generalizaciones del mtodo de la Regula Falsi. Utilizan un paso de secante
modificado para acelerar la convergencia lineal de dicho mtodo.
Su algoritmo asociado comparte los dos primeros pasos con el de la Regula Falsi.
1) Se parte de un intervalo ] a, b[ que contiene a la raz x .
2) Se calculan yb = f (b) y yi = f ( xi ), tal que yb yi < 0
xi y b b yi
abscisa del punto de interseccin con el eje OX de la recta secante
y b yi
que pasa por los puntos ( xi , yi ) y (b, yb ).
3) Se define xk =
4) Se evala P := yb yk
b = x ,
k
Si P > 0 =
y = y ,
b
x = x ,
i
k
Si P < 0 =
y = y ,
i
xi = x i
yi = yi
b=b
yb = yb
En donde se tiene:
1
Mtodo Illinois = =
2
yb
,
=
yb + yk
Mtodo Pegasus=
yi
=
,
yi + y k
P>0
P<0
function []=illinois(f,a,b,delta,epsilon,max1)
%a,b extremos del intervalo que enmarca la raiz
%a=
%b=
%delta es la tolerancia para la raiz y epsilon para el valor de la funcion
%delta=
RESOLUCIN ECUACIONES
ECUACIONES
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
CAPTULO 2
%epsilon=
%max1=
% max1 es el numero maximo de tolerancias
fx = inline(f);
ya=feval(fx,a);
yb=feval(fx,b);
%Evalua la funcion en los extremos del intervalo donde presuntamente se
%encuentra la raiz.
if ya*yb>0
disp('Ojo!: f(a)*f(b)>0')
break,
end
%Aqui no hay raiz en el intervalo en estudio.
for k=1:max1
dx=yb*(b-a)/(yb-ya);
c=b-dx;
%Se define la abcisa del punto c interseccion de la secante por
%(a,ya),(b,yb) con el eje x
ac=c-a;
yc=feval(fx,c);
%y se evalua su ordenada sobre la curva.
if yc==0
break;
%ya tenemos la solucion
elseif yb*yc>0
%una vez que sabemos que no es la raiz debemos saber en que intervalo (a,c)
%o (c,b) esta la raiz buscada, luego estudiamos los signos de yb*yc y de
%ya*yc
b=c;
ya=(0.5)*ya;
yb=yc;
%en este caso el nuevo intervalo (a,c) y multiplicamos la ya por 0.5
else
a=c;
ya=yc;
yb=(0.5)*yb;
end
%aqui el nuevo intervalo es (c,b)
dx=min(abs(dx),ac);
if abs(dx)<delta
break;
end
if abs(yc)<epsilon
break;
end
RESOLUCIN ECUACIONES
37
CAPTULO 2
52
53
54
55
56
57
58
59
38
end
err=abs(b-a)/2;
yc=feval(fx,c);
printf ('La solucion es %.15f, y se ha alcanzado en %d iteraciones.\n',c, k);
printf ('Con un error de %e\n',err);
printf('Con f(raiz)= %e\n',yc);
clear;
end
illinois.m
function []=pegasus(f,a,b,delta,epsilon,max1)
fx = inline(f);
ya=feval(fx,a);
yb=feval(fx,b);
%Evalua la funcion en los extremos del intervalo donde presuntamente se
%encuentra la raiz.
if ya*yb>0
disp('Ojo!: f(a)*f(b)>0')
break,
end
%Aqui no hay raiz en el intervalo en estudio.
for k=1:max1
dx=yb*(b-a)/(yb-ya);
c=b-dx;
alpha=b/(b+c);
printf ('alpha = %.15f\n',alpha);
%Se define la abcisa del punto c interseccion de la secante por
%(a,ya),(b,yb) con el eje x
ac=c-a;
yc=feval(fx,c);
%y se evalua su ordenada sobre la curva.
if yc==0, break;
%ya tenemos la solucion
elseif yb*yc>0
%una vez que sabemos que no es la raiz debemos saber en que intervalo (a,c)
%o (c,b) esta la raiz buscada, luego estudiamos los signos de yb*yc y de
%ya*yc
b=c;
ya=(alpha)*ya;
RESOLUCIN ECUACIONES
ECUACIONES
30
31
32
33
34
35
36
37
38
39
40
41
CAPTULO 2
39
yb=yc;
%en este caso el nuevo intervalo (a,c) y multiplicamos la ya por 0.5
else
a=c;
ya=yc;
yb=(alpha)*yb;
end
%aqui el nuevo intervalo es (c,b)
dx=min(abs(dx),ac);
if abs(dx)<delta,break,end
if abs(yc)<epsilon,break,end
end
42
43
44
45
46
47
48
49
err=abs(b-a)/2;
yc=feval(fx,c);
printf ('La solucion es %.15f, y se ha alcanzado en %d iteraciones.\n',c, k);
printf ('Con un error de %e\n',err);
printf('Con f(raiz)= %e\n',yc);
clear;
end
pegasus.m
2.8
Mtodo De Steffensen
2.8.1. Introduccin
El mtodo de Steffensen es un mtodo con velocidad de convergencia cuadrtica O(n2 ), al igual
que en Newton. Se basa en la aceleracin de Aitken y el mtodo de punto fijo. El mtodo lo iniciamos a partir de un valor inicial x0 que est lo suficientemente cerca de la raz a aproximar, si no
es as lo que puede suceder es que encontremos la aproximacin de la raz muy lentamente, perdiendo su velocidad de convergencia cuadrtica; o que el mtodo diverja. Tiene la ventaja de que
la funcin slo debe ser continua en un entorno de la raz, ya que no precisa de calcular ninguna
derivada de la funcin. Por contra, tiene el inconveniente de que en cada iteracin debemos calcular la imagen de la funcin 2 veces, lo cual puede aumentar su costo si la expresin algebraica
de la funcin es complicada.
La sucesin de iteraciones del mtodo es:
RESOLUCIN ECUACIONES
CAPTULO 2
x n +1 = x n
40
( f ( x n ) x n )2
n N
f ( f ( xn )) 2 f ( xn ) + xn
Cuando decimos que debemos calcular dos veces el valor de la funcin nos referimos cuando
calculamos f ( f ( xn )) = ( f f )( xn ) = f 2 ( xn ) n N
Para asegurar que el mtodo tiene convergencia cuadrtica podemos hacerlo comprobando que
la raz a aproximar tenga multiplicidad simple, es decir, que no se anule en su primera derivada
de la funcin. Esto se puede traducir en el siguiente teorema:
x n = xn
( x n +1 x n )2
n N
xn+2 2xn+1 + xn
4 x n = x n +1 x n n 0
Las potencias de orden k se definen recursivamente como:
4k xn = 4k1 (4 xn ) n 0 k 2
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 2
42 x n
41
= 4( xn+1 xn )
= 4 x n +1 4 x n
= ( x n +2 x n +1 ) ( x n +1 x n )
= xn+2 2xn+1 + xn
x n = xn
(4 xn )2
n N
42 x n
Sobre el mtodo 42 Aitken aplicamos el mtodo de punto fijo con funcin de punto fijo g del
siguiente modo:
x0 , x1 = g( x0 ), x2 = g( x1 ), x0 = {42 } x0 , x3 = g( x2 ), x1 = {42 } x1 , . . . ,
De esa forma es como acta el algoritmo de Steffensen, cada 3 pasos en vez de aplicar el punto
fijo aplica la aceleracin de Aitken para acelerar la convergencia.
function []=steffensen(fx,x0,a,b,tolx,nmax)
filename = 'steffensen.txt';
fid = fopen(filename,'w');
fprintf(fid,'k\t\tx (k)\t\t\t\t\t\t\tError\n');
5
6
7
8
9
10
11
12
13
14
15
f = inline(fx);
t = a:0.01:b;
func = f(t);
err=tolx+1;
x=x0;
phi=0;
iter = 0;
errores = [ ];
sol = [ ];
imagenes = [ ];
16
17
RESOLUCIN ECUACIONES
CAPTULO 2
xx=x;
fxk=feval(f,x);
tolf=tolx*abs(phi);
if abs(fxk)<=tolf
break
end
fxk2=feval(f,x+fxk);
phi=(fxk2-fxk)/fxk;
x=xx-fxk/phi;
err=abs(x-xx);
errores =[errores,err];
sol = [sol,x];
iter++;
18
19
20
21
22
23
24
25
26
27
28
29
30
31
42
end
32
33
34
35
iter2 = 1:1:iter;
fc1 = feval(f,sol);
imagenes = [imagenes,fc1];
36
37
38
39
40
41
42
43
for k=1:iter
fprintf(fid,' %.0f\t\t %.15f\t\t %.15f\n',iter2(k),sol(k),errores(k));
end
fprintf (fid,'\nLa solucin es %.15f.\nSe ha alcanzado en %d iteraciones.\nCon un
error de %e',sol(end),iter,errores(end));
fclose(fid);
printf ('La solucion es %.15f, y se ha alcanzado en %d iteraciones.\n',
sol(end),iter);
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
clf();
subplot(1,3,1);
fplot(f,[a,b])
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
set(gca, 'box', 'off');
grid;
title('La Funcion');
legend({fx},'location', 'southoutside');
legend boxon;
xlabel('y');
ylabel('x');
set (get (gca, 'ylabel'), 'rotation', 360);
subplot(1,3,2);
plot(t,func,x,imagenes,'*r')
set (gca, 'xaxislocation', 'zero');
set (gca, 'yaxislocation', 'zero');
RESOLUCIN ECUACIONES
ECUACIONES
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
CAPTULO 2
end
steffensen.m
RESOLUCIN ECUACIONES
43
EJERCICIOS RESUELTOS
MTODOS ITERATIVOS
Resolucin
Lo primero es determinar aproximadamente qu puntos son los que cortan al eje de abcisas.
Una forma sencilla es dibujando la grfica del polinomio. En Octave lo podemos hacer con los
siguientes comandos:
1
2
3
4
5
x = linspace(-2,2);
p = [2 0 -3 -1];
y = polyval(p,x);
plot(x,y)
grid on
45
CAPTULO 3
46
10
5
0
5
10
15
2
0 3 1
2
2
1
2 2 1
0
2
Ambas races son nmeros irracionales (infinitas cifras decimales), eso lo sabemos porque 3 es
primo y la raz cuadrada de un nmero primo es siempre irracional. Luego hemos obtenido de
forma algebraica las tres races del polinomio, con una simple calculadora podemos obtener una
aproximacin numrica de las dos soluciones irracionales.
x1 =
1 3
2
= 0.3660254038
x2 =
1+ 3
2
= 1.366025404
Vamos a aplicar el mtodo de la biseccin 1 de forma desglosada para la obtencin de la raz -1.
Lo primero es establecer el intervalo de partida, en nuestro caso va a ser [ a,b] = [1.5, 0.5]
Calculamos p( a) p(b) y comprobamos si es negativo (i.e.; si hay cambio de signo, Teorema de
Bolzano) como primer paso. Despus calculamos el punto medio de [ a,b].
p( a) p(b) = p(1.5) p(0.5) = 3.25 0.25 = 0.8125 < 0 Hay cambio de signo, podemos
proseguir.
m1 =
a+b
2
1.50.5
2
= 1
[ a,m1 ] = [1.5, 1]
El siguiente paso es ver en cul de dichos subintervalos hay un cambio de signo (la raz est en el
intervalo susodicho), nos quedaremos con el que tenga el cambio de signo:
1 El
mtodo se compone de la aplicacin de 2 teoremas, el de Bolzano para comprobar si hay cambio de signo en cada
subintervalo. Y el teorema de los Intervalos Encajados de Cantor, con el cual vamos dividiendo cada subintervalo en
su mitad, creando as una sucesin de intervalos encajados montona que converge.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
47
m1 =
a+b
2
1+1.5
2
= 1.25
[ a,m1 ] = [1,1.25]
m1 + b
2
1.25+1.5
2
= 1.375
p(m1 ) p(m2 ) = p(1.25) p(1.375) = 0.84375 0.07421875 = 0.06262207031 < 0 Hay cambio de signo.
m3 =
m1 + m2
2
1.25+1.375
2
= 1.3125
m3 + m2
2
1.3125+1.375
2
= 1.34375
RESOLUCIN ECUACIONES
CAPTULO 3
48
m4 + m2
2
1.34375+1.375
2
= 1.359375
m5 + m2
2
1.359375+1.375
2
= 1.3671875
Aqu nos detenemos porque si comparamos m6 = 1.3671875 con x2 = 1+2 3 = 1.366025404 observamos que las 2 primeras cifras decimales coinciden, como queramos. Lo que hemos de tener en
cuenta es que aunque el mtodo de la biseccin siempre converge 2 , lo hace generalmente muy
lento. Hemos necesitado 6 iteraciones para tan slo conseguir 2 cifras decimales exactas respecto
a la solucin algebraica exacta. Luego nuestra solucin con el mtodo de la biseccin despus de
6 iteraciones es x2 m6 = 1.3671875. Si queremos una mejor aproximacin deberamos seguir
iterando el mtodo de la biseccin.
De la misma forma que se ha procedido con x2 lo puedes hacer con x1 = 12 3 , te aconsejo que lo
hagas porque es una buena forma de entender el mtodo de la biseccin.
Vamos a realizarlo seguidamente con nuestro algoritmo de la biseccin realizado con Octave y
veamos qu soluciones obtenemos para los diferentes casos. Veamos qu pasa para la raz -1 con
intervalo inicial [1.5, 0.5], con una tolerancia de 0.001 y un nmero mximo de iteraciones de
20. Vemos que hemos obtenido el mismo resultado que cuando lo hemos hecho a mano, cosa que
era de esperar.
biseccion('2*power(x,3)-3*x-1',-1.5,-0.5,0.001,20)
La solucion es -1.000000000000000.
Se ha alcanzado en 1 iteraciones.
2 El
mtodo siempre converge porque el intervalo de partida siempre tiene un cambio de signo
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
1+ 3
2
49
biseccion('2*power(x,3)-3*x-1',1,1.5,0.001,20)
La solucion es 1.366210937500000.
Se ha alcanzado en 9 iteraciones.
Podemos apreciar que hemos necesitado 9 iteraciones para obtener 3 cifras decimales exactas.
Si cambiamos la tolerancia a 0.000001 apreciamos que con 19 iteraciones obtenemos que las 5
primeras cifras decimales son exactas.
biseccion('2*power(x,3)-3*x-1',1,1.5,0.000001,20)
La solucion es 1.366024971008301.
Se ha alcanzado en 19 iteraciones.
Metodo Biseccion
0.5
1
0.4
1.1
1.2
1.3
1.4
1.5
Errores
200
400
0.3
0.2
1
0.1
2
4
y
2*power(x,3)-3*x-1
2
2*power(x,3)-3*x-1
Aproximaciones
5
10
15
NumeroErrores
Iteraciones
Puntos Errores
20
Los asteriscos rojos nos indican las diferentes aproximaciones que vamos obteniendo con el mtodo en cada paso, en nuestro caso las aproximaciones son los puntos medios de cada subintervalo
en el cual hay un cambio de signo. En la grfica de la izquierda podemos apreciar la rapidez en la
que converge nuestro mtodo en cada caso particular.
Para terminar vamos a ver qu ocurre con x1 = 12 3 , le vamos a aplicar una tolerancia de
0.000001 con un mximo de 20 iteraciones, y todo ello sobre el intervalo [0.75, 0.25]
RESOLUCIN ECUACIONES
CAPTULO 3
50
biseccion('2*power(x,3)-3*x-1',-0.75,-0.25,0.000001,20)
La solucion es -0.366024971008301.
Se ha alcanzado en 19 iteraciones.
Podemos apreciar que para alcanzar las 5 cifras decimales exactas hemos necesitado como antes
19 iteraciones. Las grficas de resolucin son muy similares tambin a las anteriores.
Metodo Biseccion
100
100
0.5
0.4
0.4
0.2
0.3
4
x
0.8
0.6
0.2
0.4
Errores
La Funcion
200
200
0.2
300
0.4
2*power(x,3)-3*x-1
2*power(x,3)-3*x-1
Aproximaciones
0.1
5
10
15
NumeroErrores
Iteraciones
0
20
Puntos Errores
Halla la menor raz positiva de la ecuacin e x cos x = 0 con una tolerancia de 105 ,
utilizando el mtodo de regula falsi y mostrando los pasos en las primeras iteraciones.
Resolucin
2
En sta ecuacin hay una solucin obvia que es x = 0. Tomamos como funcin f ( x ) = e x cos x
y dibujamos su grfica para hacernos una idea de dnde se encuentran las races/soluciones.
1
2
3
x=-3:0.1:3;
y=exp(-x.^2)-cos(x);
plot(x,y), grid on
Viendo la figura apreciamos que tenemos 2 races ms cerca de -1 y 1. Vamos a calcular slo la
que est cerca de 1 porque la funcin es simtrica respecto el eje OY, cumplindose pues que la
otra raz es la misma que la que esta cerca de 1 pero cambiada de signo (su raz opuesta).
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
51
1
0.8
0.6
0.4
0.2
0
0.2
2
Figura 4: Funcin f ( x ) = e x
f ( x ) = e( x) cos( x ) = e x cos x = f ( x ) ; x R
Para aplicar el mtodo de la Regula Falsi vamos a considerar el intervalo de partida [ a1 ,b1 ] = [1,2]
f ( a1 ) = f (1) = 0.172423
Siguiendo el mtodo debemos calcular el punto c1 donde la recta que une los puntos
( a1 , f ( a1 )) y (b1 , f (b1 )) corta al eje OX (y = 0):
c1 =
a1 f (b1 )b1 f ( a1 )
f (b1 ) f ( a1 )
1 f (2)2 f (1)
f (2) f (1)
0.434462+20.172423
0.434462+0.172423
= 1.284111
Ahora hay que ver en qu subintervalo se encuentra nuestra raz aplicando Bolzano, los subintervalos son [ a1 ,c1 ] y [c1 ,b1 ]. Tenemos que
f (c1 ) f (b1 ) = 0.090521 0.434462 = 0.00393279347 < 0
Luego la raz se encuentra en ste subintervalo. Si seguimos nuestro algoritmo de la Regula Falsi
nombramos a2 = c1 , b2 = b1 , teniendo pues el subintervalo [ a2 ,b2 ] = [1.284111,2]. Calculamos c2 :
RESOLUCIN ECUACIONES
CAPTULO 3
c2 =
a2 f (b2 )b2 f ( a2 )
f (b2 ) f ( a2 )
52
0.5578974333+0.181042
0.434462+0.090521
= 1.40754926
[ a2 ,c2 ] = [1.284111,1.40754926]
c3 =
a3 f (b3 )b3 f ( a3 )
f (b3 ) f ( a3 )
0.6115266666+0.04923719958
0.434462+0.02461859979
= 1.439319951
f (c3 ) = 0.005119
As pues, con 3 iteraciones del Mtodo de la Regula Falsi obtenemos como raz aproximada
1.439319951 con 2 cifras decimales exactas.
Vamos a resolverlo con nuestro algoritmo, tomamos como intervalo de partida el [1,2], con una
tolerancia de 0.0000001 y un nmero mximo de iteraciones de 20:
regulafalsi('exp(-x.^2)-cos(x)',1,2,0.000001,20)
La solucion es 1.447414195298149, y se ha alcanzado en 10 iteraciones.
Con un error de 3.220810e-07
Como vemos hemos obtenido 6 cifras decimales exactas con 10 iteraciones, lo cual esta muy bien.
En la siguiente tabla se puede apreciar iteracin tras iteracin el clculo de la raz con su respectivo
error cometido.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
53
Iteracin k
Raz xk
Error ek
1
2
3
4
5
6
7
8
9
10
1.000000000000000
1.284111105170264
1.407549190540402
1.439319902661950
1.445849349137007
1.447114778447193
1.447357067800570
1.447403349491422
1.447412186157907
1.447413873217170
0.284111105170264
0.123438085370137
0.031770712121548
0.006529446475057
0.001265429310186
0.000242289353378
0.000046281690852
0.000008836666484
0.000001687059263
0.000000322080979
Esta tabla se genera cada vez que ejecutamos el mtodo y se almacena en el fichero regulafalsi.txt.
Como sabemos que la funcin es simtrica respecto al eje OY podemos concluir que la otra raz
que nos falta por calcular es la opuesta a la que hemos calculado, es decir; la raz es aproximadamente 1.447413873217170, sin tener que aplicar ningn mtodo.
x = linspace(-3,3);
y = 2*cos(x);
plot(x,y,x,x), grid on
En el dibujo de ambas grficas podemos ver que la bisectriz corta a la funcin en el punto con
abcisa 1, por lo que vamos a tomar como estimacin inicial x1 = 1, y aplicamos el algoritmo de
RESOLUCIN ECUACIONES
CAPTULO 3
54
2
2
punto fijo:
x2 = g1 ( x1 ) = g1 (1) = 2 cos(1) = 1.080604612
x3 = g1 ( x2 ) = g1 (1.080604612) = 2 cos(1.080604612) = 0.941590072
x4 = g1 ( x3 ) = g1 (0.941590072) = 2 cos(0.941590072) = 1.177006409
x5 = g1 ( x4 ) = g1 (1.17700409) = 2 cos(1.17700409) = 0.7673820112
x6 = g1 ( x5 ) = g1 (0.7673820112) = 2 cos(0.7673820112) = 1.439461363
Y no continuamos porque se aprecia claramente que los resultados obtenidos no se estabilizan,
por el contrario, son oscilantes. Tericamente hay una forma de comprobarlo mediante la condicin de convergencia, se trata de ver si | g0 ( x )| < 1. Vemoslo en nuestro caso:
g10 ( x ) = 2 sin x | g10 ( x )| = | 2 sin x | < 2 | sin x | < 2 > 1; x R
Por tanto, es claro que no se cumple la condicin de convergencia para la funcin de punto fijo
g1 ( x ) = 2 cos x que hemos considerado3 . As pues, debemos buscar otra funcin de punto fijo,
3 Dicha
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
55
para ello basta hacer unos cuantos pasos algebraicos a partir de nuestra ecuacin de partida:
x = 2 cos x
x
2
g20 ( x )
q 1
2 1( 2x )2
| g20 ( x )|
q 1
=
2 1( 2x )2
1
2
q 1
44x2
1
4
1
4 x 2
< 1; | x | < 1
pfijo('acos(x/2)','x-2*cos(x)',0,1.5,1,0.0001,20)
La solucion es 1.029893453594281, y se ha alcanzado en 14 iteraciones.
Con un error de 7.308525e-05
Vamos a dibujar la funcin f ( x ) = x 2 cos x en el intervalo [5,5] con las rdenes:
1
2
3
clf()
fplot('x-2*cos(x)',[-5,5])
grid on
4 Notar
que fuera de dicho entorno esta segunda funcin har que nuestro mtodo sea inestable.
RESOLUCIN ECUACIONES
CAPTULO 3
56
Podemos apreciar que dicha funcin slo corta al eje OX en la solucin que hemos obtenido, por
lo que el problema queda terminado. Para asegurarnos deberamos hacer un razonamiento ms
terico sobre su crecimiento y decrecimiento de la funcin, pero eso te lo dejo a ti lector como
deberes por ser un sencillo ejercicio de segundo bachiller.
6
x-2.*cos(x)
4
2
0
2
4
6
6
2 x5 = 2 x5 2 = 0
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
57
En nuestro caso ya sabemos que la solucin exacta es 5 2, pero lo que queremos es aproximarla con 3 cifras decimales exactas (esta solucin es irracional), as que va a ser fcil determinar
el valor inicial, vamos a tomar x0 = 1, porque si calculamos con una calculadora tenemos que
5
2 = 1.148698355 vemos que 1 est cerca de la raz.5 Perfecto, iteremos:
x1 = 1
f (1)
1
= 1 + = 1.2
0
f (1)
5
x2 = 1.2
f (1.2)
0.48832
= 1.2
= 1.152901235
0
f (1.2)
10.368
x3 = 1.152901235
f (1.152901235)
f 0 (1.152901235)
x4 = 1.148728887
f (1.148728887)
0.000265811
= 1.148728887
= 1.148698357
f 0 (1.148728887)
8.706431225
= 1.152901235
0.036856916
8.83361408
= 1.148728887
Lo que debemos apreciar es que de todos los mtodos que llevamos aplicados hasta ahora en este
documento, y salvando la diferencia importante de que todas las funciones han sido diferentes;
es que ste mtodo ha sido el ms rpido con diferencia. Si lo realizamos con nuestro algoritmo
de Octave con 107 obtenemos lo siguiente:
newton('x.^5-2','5*x.^4',1,-1,2,1e-7,20)
La solucion es 1.148698354997035, y se ha alcanzado en 6 iteraciones.
podemos tomar como valor inicial 0 o en un entorno pequeo de 0 porque f (0) = 0, y ya sabemos que el mtodo
de Newton falla en valores que hacen que su primera derivada se anule.
RESOLUCIN ECUACIONES
CAPTULO 3
58
De sta segunda forma podemos apreciar muy bien que la Tasa de Convergencia Lineal tiende
claramente a 0 y la cuadrtica aproximadamente a 1.7, que es cerca de 2.
Tasa Convergencia Lineal Newton
0.25
0.2
1.8
0.15
tcl
tcc
1.6
2
3
Numero Iteraciones
0.1
1.4
5 102
1.2
T.C.L.
2
3
Numero Iteraciones
T.C.C.
x p sin t y p cos t
( R cos t x p )2 + ( R sin t y p )2
+q
xq sin t yq cos t
( R cos t xq )2 + ( R sin t yq )2
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
59
ESQUEMA
t
x
O
Q
Resolucin
a) Mtodo de biseccin:
En los cdigos vers un fichero llamado fbillar.m en el cual est introducida la funcin impacto I(t)
para poder llamarla cada vez que ejecutamos uno de nuestros algoritmos iterativos. Hagmonos
una idea de la funcin impacto visualizando su grfica, que puedes apreciar en la figura.
1
biseccion('fbillar(t)',1,2,1e-4,100)
2
3
4
5
6
7
8
9
10
11
12
RESOLUCIN ECUACIONES
de periodo 2, por
CAPTULO 3
60
La Funcion Billar
1
0.5
0.5
1
Figura 9: Funcin Billar
lo que nos vamos a fijar en el intervalo [0,2 ]. Sabiendo que las funciones seno y coseno son de
periodo 2 con lo que no es difcil de comprobar que nuestra funcin impacto es de periodo 2,
I (t) = I (t + 2 ); t R.
Como el mtodo de biseccin siempre converge queda ver cules son los intervalos a utilizar, en
[0,2 ] vemos que hay 4 races reales en las que podemos situarlas en los 4 respectivos intervalos:
[1,2], [3,4], [4,5] [5,6]. Ejecutamos el algoritmo de biseccin para el intervalo [1,2] con el comando:
biseccion('fbillar(t)',1,2,1e-4,100)
Y obtenemos la solucin:
La solucion es 1.570739746093750.
Se ha alcanzado en 14 iteraciones.
Con un error de 1.220703e-04
Antes que nada te aconsejo que mires con detenimiento la grfica de la funcin en este intervalo
y la solucin que hemos obtenido, igual as no lo recuerdas pero la solucin viene en radianes y
es una aproximacin de 2 que son 90 . Luego aqu hemos hecho un poco el primo ya que no es
necesario aplicar ningn mtodo iterativo para saber que la solucin exacta es un ngulo de 90 ,
no te desesperes si no has caido, es normal y como mal menor piensa que el juego del billar nos
da una forma de aproximar 2 , aunque sea un poco burda.
Por tanto tenemos que las races distintas en [0,2 ] son:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
61
Intervalo
Solucin En Radianes
Solucin En Grados
Iteraciones
[1,2]
[3,4]
[4,5]
[5,6]
1.570739746093750
3.871276855468750
4.712341308593750
5.553405761718750
89.996758164622406
221.807825145036162
269.997268607577325
318.186712070118517
14
14
14
14
En la tabla observamos que al tener los 4 intervalos la misma longitud nos da que el mtodo de la
biseccin con una tolerancia de 1e-4 siempre nos hace el mismo nmero de iteraciones, 14 en ste
caso.
Quiz te ests preguntando por qu no calculamos las races negativas, pues no las calculamos
porque son las opuestas que las positivas por ser nuestra funcin peridica, por lo que ya sabemos
cules son. Adems, al ser negativas lo que debemos saber es que los ngulos son negativos, por
lo que las trayectorias de las bolas se hacen en sentido positivo; mientras que las races positivas
nos indican que las trayectorias son en sentido negativo.7
b) Mtodo Regula Falsi:
Lo aplicamos con una tolerancia de 1e-12 y un mximo de 50 iteraciones, obteniendo los siguientes
resultados:
Intervalo
[1,2]
[3,4]
[4,5]
[5,6]
Solucin En Radianes
Solucin En Grados
Errores
Iteraciones
1.570796326794897
3.871320309816781
4.712388980384690
5.553457650952138
90.000000000000000
221.810314895779868
270.000000000000000
318.189685104193813
2.220446e-16
2.304823e-13
8.881784e-16
6.670220e-13
5
13
6
35
sentido positivo es el sentido contrario a las agujas del reloj, y el negativo es en el sentido de las agujas del reloj.
depende del ordenador, de la cantidad de cifras decimales que indiquemos en el programa que aparezcan por
pantalla y del tipo de redondeo de Octave, entre otros muchos factores.
8 Esto
RESOLUCIN ECUACIONES
CAPTULO 3
5
6
7
8
x1 =
y1 =
den1
den2
62
Q(1);
Q(2);
= sqrt(1-2*(x*cos(t)+y*sin(t))+x^2+y^2);
= sqrt((1-2*(x*cos(t)+y*sin(t))+x^2+y^2).^3);
9
10
11
num1 = x*cos(t)+y*sin(t);
num2 = (x*sin(t)-y*cos(t)).^2;
12
13
14
dy1 = num1/den1;
dy2 = num2/den2;
15
16
17
den11 = sqrt(1-2*(x1*cos(t)+y1.*sin(t))+x^2+y^2);
den21 = sqrt((1-2*(x1*cos(t)+y1*sin(t))+x^2+y^2).^3);
18
19
20
num11 = x1*cos(t)+y1*sin(t);
num21 = (x1*sin(t)-y1*cos(t)).^2;
21
22
23
dy3 = num11/den11;
dy4 = num21/den21;
24
25
26
Para calcular la derivada de la funcin lo puedes hacer a mano con mucha paciencia o usar el
programa de matemticas simblicas wxMaxima de cdigo libre. Una vez que lo tenemos todo, y para no hacer el problema muy largo vamos a calcular con Newton slo la primera raz y
comparar con los mtodos anteriores, as que en Octave introducimos y obtenemos:
newton('fbillar(t)','fbillarderivada(t)',1,0,1.5,1e-6,20)
La solucion es 1.570796326794897, y se ha alcanzado en 5 iteraciones.
Si comparamos con el mtodo de la biseccin es claro que obtenemos una mayor precisin en
Newton y en un nmero sensiblemente menor de iteraciones, tan slo 5 iteraciones. Tambin
podemos comparar si el mtodo de Newton tiene convergencia lineal o cuadrtica mediante las
siguientes grficas.
Pero ste problema tiene un handicap muy a tener en cuenta, y es que calcular la derivada de
nuestra funcin y sustituir los valores en cada iteracin tiene un coste muy elevado, aunque hoy
en da con los ordenadores que tenemos casi no se nota, a no ser que tengamos grandes clculos.
En nuestro caso le he aplicado las funciones tic y toc a nuestro algoritmo de newton con sta
funcin y no tarda ms all de 0.11 segundos. Aunque s es cierto que lo mejor es no aplicar
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
63
tcc
tcl
3
2
2
2
2.5
1.5
Numero Iteraciones
T.C.L.
2
2.5
1.5
Numero Iteraciones
T.C.C.
Figura 10: Tasas Convergencia Billar Newton
Newton y tirar por otro lado, porque el tiempo que invertimos es bastante calculando la primera
derivada de nuestra funcin a mano o con ordenador; se es el verdadero motivo por el que en
ste prolema el mtodo de Newton no es recomendable.
d) Mtodo de la Secante:
En ste mtodo no tenemos que calcular ninguna derivada, por lo que si obtenemos unos resultados similares a los obtenidos en Newton sera nuestra verdadera alternativa para calcular las
races:
secante('fbillar(t)',1,2,1e-6,10)
La solucion es 1.570796326794897, y se ha alcanzado en 4 iteraciones.
Efectivamente, incluso con una iteracin menos que con Newton obtenemos idntico resultado y
sin el costo adicional de tener que calcular la primera derivada. Por tanto, el mtodo de la secante
es la mejor alternativa de las 4 vistas aqu para nuestro peoblema.9
9 Aunque
no lo hemos visto aqu, es obvio que el mtodo del punto fijo en ste problema es prcticamente inviable, no
slo por el elevado costo que supone encontrar la funcin de punto fijo, sino tambin comprobar si el mdulo de su
primera derivada cumple o no el criterio de convergencia. Otra alternativa muy interesante es aplicar el algoritmo de
Steffensen.
RESOLUCIN ECUACIONES
CAPTULO 3
64
bajo de la cadena, a distancia del mismo. Sea d la diferencia de altura entre el punto de la
cadena de abcisa igual a 1 y el de altura mnima: d = y(1) y(0). Conociendo d, podemos
1
determinar resolviendo la ecuacin + d = cosh( ). Supongamos d = 0.1.
.
b) Comprueba que la funcin de punto fijo
1
arg cosh
+d
x=1:0.1:6;
plot(x,x.*cosh(1./x)-0.1,x,x), grid on;
legend({'g(x)','Bisectriz'},'location','southoutside');
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
65
En la figura se aprecia que ambas funciones se cortan alrededor de 5, por lo que tomaremos como
valor inicial 4 en nuestro mtodo de punto fijo.
6
5
4
3
2
1
g(x)
Bisectriz
pfijo('x.*cosh(1./x)-0.1','x-x.*cosh(1./x)-0.1',1,5,4,1e-4,300)
La solucion es 5.011784191306107, y se ha alcanzado en 255 iteraciones.
Y vemos que s obtenemos la solucin pero el nmero de iteraciones necesarias es excesivo, as
que debemos encontrar otra funcin de punto fijo, la que vamos a usar en b).
b) Vamos a demostrar cmo llegamos a esa funcin de punto fijo.
+ d = cosh
1
1
+d
1
1
+d
= cosh
= arg cosh
=
d
arg cosh +
Y ahora que ya lo hemos demostrado lo que vamos a hacer es dibujarla junto con la bisectriz:
1
2
3
x=4:0.1:6;
plot(x,1./(acosh((x+0.1)./x)),x,x), grid on;
legend({'g(x)','Bisectriz'},'location','southoutside');
RESOLUCIN ECUACIONES
CAPTULO 3
66
5.5
4.5
4.5
5
g(x)
Bisectriz
5.5
1
acosh( x+x0.1 )
En la figura observamos que obtenemos la misma solucin que con la anterior funcin de punto
fijo, apliquemos el mtodo y a ver qu pasa:
pfijo('1./(acosh((x+0.1)./x))','x-1./(acosh((x+0.1)./x))',1,5,4,1e-4,20)
La solucion es 5.016512483824275, y se ha alcanzado en 15 iteraciones.
Con un error de 6.658831e-05
Bingo!, con sta funcin de punto fijo obtenemos la aproximacin deseada y adems mucho ms
rpidamente, slo con 15 iteraciones, luego sta segunda funcin de punto fijo es la ptima para
nuestro problema de la catenaria.11
c) Para realizar el apartado lo que haremos es ver la tendencia para ambas funciones su Tasa de
Convergencia Lineal y compararlas. En la primera funcin tiende a 1, por eso la aproximacin
es lenta y mala. En la segunda funcin la tasa tiende a 0.5<1, por esa razn el mtodo converge
rpidamente y con una aproximacin muy buena.
11 Atencin,
sta es la ptima para d = 0.1, pero puede que no lo sea para otros valores diferentes de d, te animo a que
experimentes por tu cuenta, es un buen ejercicio de aprendizajes, nimooo ! No muerde !
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
67
0.97
tcl
0.98
0.97
0.97
200
100
Numero Iteraciones
0.97
300
T.C.L.
Figura 13: TCL Catenaria x cosh( 1x ) 0.1
0.52
0.5
5
10
Numero Iteraciones
T.C.L.
Figura 14: TCL Catenaria
RESOLUCIN ECUACIONES
1
acosh( x+x0.1 )
tcl
0.54
CAPTULO 3
68
Bueno la ecuacin tiene 10 races entre complejas y reales, de las reales tenemos 2, que son 1 y -1.
Nos vamos a centrar en 1. Apliquemos el mtodo de la biseccin:
biseccion('x.^10-1',0.5,1.5,1e-6,30)
La solucion es 1.000000000000000.
Se ha alcanzado en 1 iteraciones.
biseccion('x.^10-1',0,1.5,1e-6,30)
La solucion es 0.999999761581421.
Se ha alcanzado en 21 iteraciones.
Bien, lo primero que observamos es que hay que tener en cuenta qu intervalo escogemos, en
el primer caso obtenemos la solucin exacta y en slo 1 iteracin, eso se debe a que el punto
medio del intervalo coincide exactamente con la solucin. Sin embargo, en el segundo caso su
punto medio no es la solucin, adems no obtenemos la solucin exacta y le cuesta hacerlo en 21
iteraciones. Por tanto, en ste caso no hace falta que sigamos buscando mtodos porque hemos
obtenido la solucin ideal. Obviamente esto no ocurrir en la mayora de los casos, porque los
mtodos estn hechos para aproximar races o para buscar races que no podemos (o es difcil)
calcularlas mediante operaciones algebraicas. Veamos qu pasa con el mtodo de la Regula Falsi:
regulafalsi('x.^10-1',0.5,1.5,1e-6,200)
La solucion es 0.999989952440931, y se ha alcanzado en 135 iteraciones.
Con un error de 9.723436e-07
regulafalsi('x.^10-1',0,1.5,1e-6,200)
La solucion es 0.999989784169578, y se ha alcanzado en 158 iteraciones.
Con un error de 9.886274e-07
Con ste mtodo apreciamos que no obtenemos la solucin exacta y adems es muy lento, esto
se debe a que en los intervalos elegidos la funcin casi no vara y esta cerca de cero, como puedes apreciar en la figura adjunta, puedes ver en rojo que las iteraciones se acumulan todas en el
intervalo elegido con una distancia entre ellas muy pequea.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
Tendencia
de errores en Regula Falsi
102
2
La Funcion
108
1.5
60
1.5
0.5
Errores
40
69
20
0.5
5
y
0.6
0.5
0.8
1
y
1.2
1.4
1.6
50
100
Numero Iteraciones
x.^10-1
Aproximaciones
x.^10-1
Errores
Puntos Errores
Pasemos al mtodo de Newton a ver qu pasa. Lo primero que debes tener en cuenta es que
no podemos tomar como punto inicial el cero o puntos alrededor de un entorno pequeo del 0,
porque su derivada se anula. Apliquemos el mtodo:
newton('x.^10-1','10*x.^9',0.5,0,1,1e-6,50)
El algoritmo tiene un coste en tiempo de:
Elapsed time is 0.030031 seconds.
La solucion es 1.000000000000000, y se ha alcanzado en 44 iteraciones.
Aqu obtenemos la solucin exacta pero con muchas iteraciones, con lo cual perdemos la convergencia cuadrtica del mtodo, debido a que las rectas tangentes que se calculan en cada iteracin
varan muy poco. Eso se puede apreciar muy bien en las grficas de tasas de convergencia en la
figura adjunta.
Y ahora veamos qu ocurre con el mtodo de la secante.
secante('x.^10-1',0,1.5,1e-6,200)
La solucion es 0.051574707031250, y se ha alcanzado en 5 iteraciones.
Vaya, aqu el mtodo claramente falla de forma estrepitosa, obtenemos una solucin incorrecta
aun no teniendo problemas de divergencia. Para solucionarlo debemos tener en cuenta el mtodo
de la biseccin, ya que adems de converger siempre, se tiene en consideracin en cada iteracin
un subintervalo que contiene a la raz mediante la particin en mitades iguales los subintervalos. Si en el mtodo de la biseccin elegimos el intervalo [0.9375,1.1255] vemos que el mtodo
RESOLUCIN ECUACIONES
CAPTULO 3
Tasa Convergencia Lineal Newton
70
0.6
tcl
tcc
0.8
0.4
2
0.2
20
30
10
40
Numero Iteraciones
0
50
T.C.L.
20
30
10
40
Numero Iteraciones
0
50
T.C.C.
secante('x.^10-1',0.9375,1.1255,1e-6,20)
La solucion es 0.999999999999997, y se ha alcanzado en 7 iteraciones.
Puedes probar ste mismo intervalo en el de la Regula Falsi o en el de Newton eligiendo un valor
inicial contenido en dicho intervalo.
newton('x.^10-1','10*x.^9',1.1255,0,1,1e-6,50)
El algoritmo tiene un coste en tiempo de:
Elapsed time is 0.002492 seconds.
La solucion es 1.000000000000979, y se ha alcanzado en 6 iteraciones.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
71
x ( ax a + 1) = 0 %
& ax a + 1 = 0 x =
a 1
a
x = 1
1
a
1
a
es atractor si a ]1, 3[
Aqu lo que hemos hecho es saber dnde nuestros puntos fijos hacen que el mtodo de punto fijo
converja.
RESOLUCIN ECUACIONES
CAPTULO 3
72
c) Las iteraciones convergen cuadrticamente cuando la derivada se anula en el punto fijo. Luego:
g0 ( x ) = a 2ax = 0
1
a
la convergencia es cuadrtica si
Podemos apreciar que para slo 2 valores de a obtenemos una convergencia cuadrtica del punto
fijo, para los dems valores hay convergencia, pero desgraciadamente no es cuadrtica.
b
2a
g( 12 ) = 2a (1 12 ) =
a
4
a
4
0<
a
2( a)
1
2
<10<a<4
As pues, para a ]0,4[ tenemos que g( x ) [0,1], como queramos demostrar. Lo podemos dibujar
con el siguiente cdigo en Octave, con fichero llamado logisticadibujo.m:
12 Observa que ambos valores de a que hemos obtenido pertenecen a sus respectivas regiones (intervalos) de convergencia.
RESOLUCIN ECUACIONES
ECUACIONES
1
2
3
4
5
6
7
8
9
10
11
12
CAPTULO 3
73
function [] = logisticadibujo()
x=linspace(0,1,100);
clf();
for a=1:1:4
plot(x,a*x.*(1-x))
text(0.4 , 0.125, 'a=1');
text(0.4 , 0.4, 'a=2');
text(0.4 , 0.6, 'a=3');
text(0.4 , 0.8, 'a=4');
hold on
end
end
logisticadibujo.m
a=4
0.6
a=3
0.4
a=2
0.2
a=1
0
0.2
0.4
0.6
0.8
pfijo('0.5*x.*(1-x)','x-0.5*x.*(1-x)',0,1,0.1,1e-5,20)
La solucion es 0.000005026861483, y se ha alcanzado en 15 iteraciones.
En la figura adjunta se ve que la Tasa de Convergencia Lineal tiende a 0.5 que es lo que vale
g0 (0) = a = 0.5, como se esperaba, luego la convergencia es lineal.
f) Tomemos a = 3/2 = 1.5 y dos estimaciones iniciales 0.1 y 0.375 tales que cumplen:
RESOLUCIN ECUACIONES
CAPTULO 3
74
0.46
tcl
0.48
0.44
5
10
Numero Iteraciones
0.42
T.C.L.
Figura 18: TCL Funcin Logstica f ( x ) = 0.5x (1 x )
pfijo('1.5*x.*(1-x)','x-1.5*x.*(1-x)',0,1,0.1,1e-6,25)
La solucion es 0.333332828068138, y se ha alcanzado en 23 iteraciones.
pfijo('1.5*x.*(1-x)','x-1.5*x.*(1-x)',0,1,0.375,1e-6,25)
La solucion es 0.333334332553122, y se ha alcanzado en 16 iteraciones.
En los resultados obtenidos se ve que para 0.375 se converge ms rpido, aunque se obtienen el
mismo nmero de cifras decimales exactas y la misma velocidad lineal de convergencia, aunque
una un poco ms rpida que otra.
g) Tan slo hemos de aplicar el mtodo y ver que se cumple lo que nos piden, sin ms.
pfijo('2*x.*(1-x)','x-2*x.*(1-x)',0,1,0.375,1e-6,30)
tcc =
3.3333 2.2667 2.0157 2.0001
La solucion es 0.500000000000000, y se ha alcanzado en 6 iteraciones.
h) Tomemos primero a = 3.5 = 7/2, entonces en [0,1] tenemos 2 posibles puntos fijos (solucin),
uno es 0 y el otro es 1 1/a = 1 2/7 = 5/7, pero no es as. Apliquemos el mtodo:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
75
1.2
tcl
0.8
0.6
0
5
20
10
15
Numero Iteraciones
25
T.C.L.
Figura 19: TCL Funcin Logstica f ( x ) = 32 x (1 x ) Estimacin inicial 0.1
tcl
0.46
0.44
0.42
5
10
Numero Iteraciones
0.4
T.C.L.
Figura 20: TCL Funcin Logstica f ( x ) = 32 x (1 x ) Estimacin inicial 0.375
pfijo('3.5*x.*(1-x)','x-3.5*x.*(1-x)',0,1,0.1,1e-6,500)
RESOLUCIN ECUACIONES
CAPTULO 3
76
Insuficientes iteraciones
Aun aplicando el mtodo con un tope de 500 iteraciones vemos que el mtodo diverge, si visualizamos la grfica de la funcin junto con sus iteraciones lo que vemos es que hay 2 valores
diferentes que se repiten peridicamente, ver figura adjunta.
Metodo Punto Fijo
1
0.5
0.2
0.6
0.4
0.8
0.5
x-3.5*x.*(1-x)
Aproximaciones
Figura 21: Pto. Fijo Funcin Logstica f ( x ) = 72 x (1 x )
Si tomamos ahora a = 3.75 con valor inicial 0.5 el mtodo no slo diverge, sino que adems sus
iteraciones oscilan fuertemente, creando una especie de caos, lo que hace pensar en que escondido
haya algn tipo de fractal catico, el fractal de Feigenbaum.
pfijo('3.75*x.*(1-x)','x-3.75*x.*(1-x)',0,1,0.5,1e-6,100)
Insuficientes iteraciones
Este caos lo puedes ver muy bien en la grfica sobre la Tendencia de Errores.
i) Esto no tiene mas que realizar el algoritmo en un fichero que le he llamado feigenbaum.m y
cuyo cdigo es:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
77
Errores
0.5
0
20 40 60 80 100 120
Numero Iteraciones
Errores
Puntos Errores
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
function feigenbaum
p=0; q=4; % Rango de variacion del parametro
r=0; s=1; % Intervalo de valores de la iteracion
h = (q-p)/500;
X = zeros(1,100001); Y=X;
j = 1;
for a = p:h:q % Parmetro
x = 0.5; % Estimacion Inicial
for k=1:400 % Iterados
x = a*x*(1-x);
if k>200 % Dibuja el punto
X(j) = a;
Y(j) = x;
j++;
end
end
j-1;
end
19
20
21
clf();
plot(X,Y,'.r')
RESOLUCIN ECUACIONES
15
4 x (1
x)
CAPTULO 3
22
23
24
78
axis([p,q,r,s])
print -dps Feigenbaum.eps
end
feigenbaum.m
Con esto se termina el ejercicio en s, pero te aconsejo que experimentes con los dems mtodos
para ver qu es lo que ocurre. Debes caer que en los dems mtodos la funcin no es g( x ) =
ax (1 x ), la funcin es f ( x ) = x ax (1 x ) = ax2 + (1 a) x.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
79
O por ejemplo, puedes probar cambiando la funcin de punto fijo por sta otra:
1a
ax + (1 a) x = 0 x =
xx=
a
2
1a
x g2 ( x ) =
a
1a
x
a
Con qu parte te quedas?, la positiva?, la negativa?, ambas, redefinindola como una funcin
a trozos?, ninguna?. Ah te dejo un bonito ejercicio para que investigues por tu cuenta, no es
difcil pero s algo laborioso. nimo!
RESOLUCIN ECUACIONES
CAPTULO 3
80
C0
(1 + |V |/)
Q
Q
=
(1 + |V |/) C0 V Q(1 + |V |/) = 0
C
C0
, en la que V es la incgnita.
c) Para un valor Q = 1010 Coulomb determina con precisin de millonsimas el valor
de V correspondiente, utilizando el mtodo de Newton.
d) Resuelve el problema por el mtodo del punto fijo.
e) En el mtodo del punto fijo, si xk+1 = g( xk ), el cociente
g ( x k +1 ) g ( x k )
x
x k +1
= k +2
x k +1 x k
x k +1 x k
aproxima el valor de la derivada de la funcin de iteracin g(x) en el punto fijo.
Comprueba esta iteracin para las iteraciones efectuadas en este caso, derivando la
funcin de punto fijo g(V) con respecto a V.
f) Explica la relacin entre el valor de g y el comportamiento de las iteraciones del
mtodo de punto fijo.
Resolucin
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
81
81 1012
81 1012
11
C (1) =
=
0.44
0.44 = 5.260884615 10
1
1.6
1 + 0.6
0.6
b) Tan slo hay que implementar el siguiente cdigo:
1
2
3
4
5
6
7
8
9
10
function diodo(V)
V = linspace(0,5);
C0 = 81e-12; fi = 0.6; gama = 0.44;
denom = (1+abs(V)/fi).^gama;
num = V*C0;
Q = num./denom;
clf();
grid;
plot(V,Q)
end
c) La ecuacin a resolver es C0 V Q 1 +
|V |
|V |
f (V ) = C0 V Q 1 +
Q
V
(1 + ) 1
Ejecutamos el mtodo de Newton, sabiendo que la raz est prxima a 2.5, por lo que elegimos
2.0 como aproximacin inicial, con una tolerancia de 1e-6 y un mximo de iteraciones de 50.
Obtenemos la aproximacin a la raz con tan slo 10 iteraciones y coste de tiempo muy pequeo:
newton('diodo2(V)','diodo2derivada(V)',2.0,0,3,1e-6,50)
El algoritmo tiene un coste en tiempo de:
Elapsed time is 0.004084 seconds.
La solucion es 2.566887136956549, y se ha alcanzado en 10 iteraciones.
d) Para aplicar el mtodo del punto fijo hemos de calcular una funcin de punto fijo:
Q
|V |
|V |
|V |
C0 V Q 1 +
= 0 C0 V = Q 1 +
V=
1+
C0
Q
|V |
g (V ) =
1+
C0
RESOLUCIN ECUACIONES
CAPTULO 3
82
pfijo('diodoptofijo(V)','diodo2(V)',2.0,0,3,1e-6,50)
La solucion es 2.566887312786494, y se ha alcanzado en 15 iteraciones.
e) Si tenemos en cuenta en nuestro cdigo del programa de punto fijo que: xk+2 = x (2 : end) y
que xk+1 = x (1 : end), podemos aadir las siguientes tres lneas a nuestro cdigo para calcular la
derivada de g:
1
2
3
XR = x(2:end);
XL = x(1:end-1);
dg = diff(XR)./diff(XL)
Ahora al ejecutar nuestro programa de punto fijo obtenemos como resultado de nuestro clculo
de la derivada de la funcin de punto fijo:
dg =
Columns 1 through 8:
0.33959 0.35045 0.35442 0.35584 0.35635 0.35654 0.35660 0.35662
Columns 9 through 13:
0.35663 0.35664 0.35664 0.35664 0.35664
f) Si comparamos dg con tcl vemos que nos salen los mismos resultados, es decir, tcl dg =
0.35664. Vemos que en ste problema en particular la convergencia es rpida pero sin llegar a ser
cuadrtica.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
83
rn 1
/r = 1+i
r1
a) Utiliza el mtodo de Newton para obtener el inters del crdito partiendo de la estimacin inicial r = 1.1 hasta alcanzar una precisin del orden de 106 .
b) Resuelve el problema utilizando el mtodo del punto fijo, tomando 3 funciones diferentes para hacer el estudio, analiza en cada caso la convergencia del mtodo.
Resolucin
a) Debemos determinar nuestra funcin f con variable independiente el inters r:
Cr n = a
rn 1
r1
Ahora debemos calcular su primera derivada ya que vamos a aplicar el mtodo de NewtonRaphson:
f 0 (r ) = Cnr n1 (r 1) + Cr n anr n1 = r n1 (Cn(r 1) + Cr an)
Para simplificar el trabajo sustituimos nuestros datos del problema en ambas funciones:
f (r ) = 6000r50 (r 1) 150(r50 1)
RESOLUCIN ECUACIONES
CAPTULO 3
84
newton('6000*r.^50.*(r-1)-150.*(r.^50-1)','1500*r.^49.*(204*r-205)',
1.1,-1,5,1e-6,50)
La solucion es 1.009128765779636, y se ha alcanzado en 13 iteraciones.
rn 1
r1
r1 = a
rn 1
Cr n
r = 1+a
rn 1
Cr n
g1 ( r ) = 1 + a
rn 1
Cr n
g1 (r ) = 1 + 150
r50 1
6000r50
g1 ( r ) = 1 +
r50 1
40r50
pfijo('1+(r.^50-1)./(40*r.^50)','6000*r.^50.*(r-1)-150.*(r.^50-1)',1,1.5,1.1,1e-6,50)
La solucion es 1.009131856951823, y se ha alcanzado en 33 iteraciones.
En ste caso la convergencia es muy lenta de tipo lineal y no cuadrtica, y se estabiliza un poco
por debajo de 0.8.
II)
Cr n
=a
rn 1
r1
rn
=a
rn 1
C (r 1)
r=
! n1
rn 1
C (r 1)
g2 ( r ) =
rn 1
! n1
C (r 1)
g2 ( r ) =
150
r50 1
6000(r 1)
! 501
g2 ( r ) =
r50 1
! 501
40(r 1)
pfijo('((r.^50-1)./(40*(r-1))).^(1/50)','6000*r.^50.*(r-1)-150.*(r.^50-1)',1,1.5,1.1,1e-6,50)
La solucion es 1.009129747274095, y se ha alcanzado en 20 iteraciones.
III) Cr n = a
rn 1
r1
Cr n (r 1)
a
= rn 1 rn = 1 +
Cr n (r 1)
a
g3 ( r ) =
1+
Cr n (r 1)
! n1
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
85
g3 ( r ) =
1+
6000r50 (r 1)
! 501
150
g3 (r ) = 1 + 40r50 (r 1)
501
pfijo('(1+40*r.^(50)*(r-1)).^(1/50)','6000*r.^50.*(r-1)-150.*(r.^50-1)',1,1.5,1.1,1e-6,50)
Insuficientes iteraciones
En ste caso el mtodo diverge.
RESOLUCIN ECUACIONES
CAPTULO 3
86
La Funcion
10
10
20
0
b) Mtodo Biseccin:
Vamos a tomar como intervalos iniciales [0.5,0.5] y [3.5,4.5]:
biseccion('8*x-cos(x)-2*x.^2',-0.5,0.5,1e-5,20)
La solucion es 0.128074645996094.
Se ha alcanzado en 17 iteraciones.
Con un error de 1.525879e-05
biseccion('8*x-cos(x)-2*x.^2',3.5,4.5,1e-5,20)
La solucion es 4.073219299316406.
Se ha alcanzado en 17 iteraciones.
Con un error de 1.525879e-05
En ambas races obtenemos buenas aproximaciones aunque con un nmero un poco elevado de
iteraciones.
Mtodo Regula Falsi:
Tomamos los mismos intervalos que hemos utilizado en la biseccin:
regulafalsi('8*x-cos(x)-2*x.^2',-0.5,0.5,1e-5,20)
La solucion es 0.128077837733803, y se ha alcanzado en 6 iteraciones.
Con un error de 5.913176e-06
regulafalsi('8*x-cos(x)-2*x.^2',3.5,4.5,1e-5,20)
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
87
Poniendo las mismas condiciones que en la biseccin vemos que el mtodo es mucho ms rpido,
menos del doble de iteraciones son las que han hecho falta para obtener las soluciones.
Mtodo de la Secante:
Tambin vamos a utilizar las mismas condiciones que hemos utilizado en los 2 mtodos anteriores:
secante('8*x-cos(x)-2*x.^2',-0.5,0.5,1e-5,20)
La solucion es 0.128077102753662, y se ha alcanzado en 5 iteraciones.
secante('8*x-cos(x)-2*x.^2',3.5,4.5,1e-5,20)
La solucion es 4.073225094955231, y se ha alcanzado en 5 iteraciones.
ste mtodo mejora ligeramente el nmero de iteraciones respecto la Regula Falsi, tan slo una
iteracin menos.
Mtodo Newton-Raphson:
Primero es calcular la primera derivada de la funcin:
f 0 ( x ) = 8 + sin x 4x
Para la primera raz vamos a considerar como valor inicial 0.25, y para la segunda raz tomamos
4.25:
newton('8*x-cos(x)-2*x.^2','8+sin(x)-4*x',0.25,-0.5,0.5,1e-5,20)
La solucion es 0.128077102753090, y se ha alcanzado en 4 iteraciones.
newton('8*x-cos(x)-2*x.^2','8+sin(x)-4*x',4.25,3.5,4.5,1e-5,20)
La solucion es 4.073225094959651, y se ha alcanzado en 5 iteraciones.
Aqu se utilizan muy pocas iteraciones, es el mejor de todos los vistos hasta ahora, y todo hace
pensar que su convergencia es cuadrtica, pero esto lo analizaremos un poco despus.
Hagamos un in-pass aqu. Hasta ahora las races de nuestra ecuacin de partida slo las hemos
podido calcular de forma aproximada aplicando mtodos iterativos o contemplando la grfica
de su funcin asociada. El problema de esta ecuacin es que no podemos resolverla de forma
exacta utilizando slo simples clculos algebraicos. Si contemplamos detenidamente la grfica
de la funcin vemos que tiene cierto parecido a una parbola a la que se le ha aplicado una
RESOLUCIN ECUACIONES
CAPTULO 3
88
modificacin del tipo coseno. As pues, podramos pensar que podramos calcular un polinomio
de segundo grado (parbola) que se asproxime lo suficientemente a la funcin de partida. Veamos
qu pasa si aproximamos la funcin coseno mediante el desarrollo de McLaurin13 .
h( x ) = cos x
P ( x ) = h (0) +
h0 ( x ) = sin x
h 0 (0)
1! x
h00 (0) 2
2! x
h00 ( x ) = cos x
h0v ( x ) = cos x
= 1 + 0 12 x2 P( x ) = 1 12 x2
16 162 4 3 2
16 232
x=
=
6
6
16 2 58
58
=
x1 = 5.205257703
x2 = 0.1280756314
6
3
Vemos que nuestra segunda solucin utilizando McLaurin s es una buena aproximacin a una
de las races de la ecuacin de partida del problema. Desgraciadamente la primera solucin se
desva bastante de la otra raz, una de las posibles causas de que ocurra esto es que f(x) no es
una funcin simtrica. Una forma de intentar solucionarlo es desarrollar McLaurin hasta grado 4,
veamos qu pasa:
x=
P ( x ) = h (0) +
000
0v
h 0 (0)
h00 (0) 2 h (0) 3 h (0) 4
1
1
x+
x +
x +
x = 1 + 0 x2 + 0 + x4
1!
2!
3!
4!
2
24
1
1
P( x ) = 1 x2 + x4
2
24
Sustituimos nuestro nuevo P(x) en la ecuacin:
1 4
8x 1 + 12 x2 24
x 2x2 = 0 192x + 24 12x2 + x4 + 48x2 = 0 x4 + 36x2 192x + 24 = 0
Desgraciadamente esta nueva ecuacin polinmica no es fcil de resolver, as que para estimar la
otra raz deberamos aplicar alguno de los mtodos iterativos o dibujar ambas grficas y compararlas:
1
2
x=-0.5:0.1:4.5;
clf(), plot(x,8*x-cos(x)-2*x.^2,x,x.^4+36*x.^2-192*x+24), grid on
Y vemos que la nueva aproximacin que hemos intentado es peor que la primera. Bueno, pues en
ste caso nuestro experimento ha resultado slo parcialmente bueno en cuanto a resultados, pero
enriquecedor en ampliacin de conocimientos. Te animo a que experimentes, a que te preguntes
13 Recuerda
que el desarrollo de McLaurin no es mas que el polinomio de Taylor centrado alrededor del punto cero.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
89
por ti mismo cules pueden ser las causas de que no haya funcionado del todo bien y si hay otros
caminos alternativos. Por mi parte, para no alargar mucho el ejercicio lo voy a dejar aqu y pasar
al siguiente apartado.
c) Vamos a averiguar la primera ecuacin/funcin de punto fijo en nuestro problema:
8x cos x 2x2 = 0 x =
1
8
cos x 14 x2 g1 ( x ) =
0
1
8
1
8
1
8
1
8
cos x 14 x2
sin x 12 x
|sin x + 4x |
1
8
[|sin x | + 4 | x |]
7
4
1
8
[1 + 4 | x |]
Luego el mtodo de punto fijo para g1 ( x ) converge en el intervalo ] 1.75, 1.75[. Por tanto, al
aplicar el mtodo slo conseguiremos aproximaciones a la raz 1.028..., pero para la raz 4.07...
el mtodo diverge porque ni la raz ni valores iniciales para aplicar el mtodo caen dentro del
intervalo ] 1.75, 1.75[. Aplicamos el mtodo para el clculo de ambas races y obtenemos los
resultados esperados.
pfijo('(1/8)*cos(x)-(1/4)*x.^2','8*x-cos(x)-2*x.^2',3.5,4.5,4.25,1e-5,100)
La solucion es NaN
pfijo('(1/8)*cos(x)-(1/4)*x.^2','8*x-cos(x)-2*x.^2',-0.5,0.5,0.25,1e-5,100)
La solucion es 0.120465620630844, y se ha alcanzado en 6 iteraciones.
cos x
8x cos x 2x2 = 0 2x2 = 8x cos x x =
4x
g2 ( x ) = 4x
2
2
g2 ( x ) = 22 8x cos x
2 8 + sin x
0
Tenemos que: g2 ( x ) =
Esta derivada es algo complicada de acotar, su grfica
4 8x cos x
siempre es positiva. Para ver dnde | g20 ( x )| < 1 lo que haremos es dibujar directamente su grfica
en Octave mediante el cdigo:
1
2
3
function[] = ecuacioncoseno()
x = -0.5:0.1:60;
c = sqrt(2)/4;
RESOLUCIN ECUACIONES
cos x
CAPTULO 3
4
5
6
7
8
9
10
90
num = 8 + sin(x);
den = sqrt(8*x-cos(x));
fun = (c*num)./den;
clf();
plot(x,fun)
grid;
end
Al ejecutarlo podemos apreciar en su grafica que hay 2 zonas en las que su grfica es menor que
1 y que, supuestamente nuestro mtodo de punto fijo converge a la raz.
4
20
40
60
La zona, aproximadamente es: ]0,00 11[]10 3, + [. Vamos a aplicar el mtodo de punto fijo para
los valores iniciales 0 y 4 a ver qu ocurre:
pfijo('sqrt(2)/2.*(sqrt(8*x-cos(x)))','8*x-cos(x)-2*x.^2',3.5,4.5,4,1e-5,100)
La solucion es 4.073220999225586, y se ha alcanzado en 13 iteraciones.
pfijo('sqrt(2)/2.*(sqrt(8*x-cos(x)))','8*x-cos(x)-2*x.^2',-0.5,0.5,0,1e-5,100)
La solucion es 4.073221928782237, y se ha alcanzado en 20 iteraciones.
Finalmente hay una tercera funcin candidata si despejamos el coseno: g3 ( x ) = acos(8x 2x2 ), si
aplicamos el mtodo de punto fijo con sta funcin vemos que el mtodo diverge:
pfijo('acos(8*x-2*x.^2)','8*x-cos(x)-2*x.^2',-0.5,0.5,0.5,1e-5,500)
Insuficientes iteraciones
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
91
pfijo('acos(8*x-2*x.^2)','8*x-cos(x)-2*x.^2',3,4.5,4.5,1e-5,500)
Insuficientes iteraciones
4x 8
10
10
0
clf();
x=-1:0.1:6;
grid on;
plot(x,(4*x-8)./sqrt(1-(8*x-2*x.^2).^2))
14 Presenta
picos, no es derivable, o lo que es lo mismo, hay puntos donde no hay una nica recta tangente.
RESOLUCIN ECUACIONES
CAPTULO 3
92
a ln a a + ln( 2 ) = a
a) Obtn grficamente una aproximacin inicial de las races reales de esta ecuacin no
lineal.
b) Utiliza el mtodo de Newton para obtener la menor de sus races positivas con tolerancia una diezmilsima. Cuntas iteraciones has necesitado?
c) Utiliza ahora el mtodo de punto fijo para obtener las soluciones.
Resolucin
a=0:0.1:10;
plot(a,a.*log(a)-2*a+log(sqrt(2*pi)))
grid;
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
93
10
newton('a.*log(a)-2*a+log(sqrt(2*pi))','log(a)-1',0.25,0.00001,1,1e-4,20)
El algoritmo tiene un coste en tiempo de:
Elapsed time is 0.0525141 seconds.
La solucion es 0.281104424618856, y se ha alcanzado en 4 iteraciones.
Vemos que obtenemos como aproximacin de la raz el valor esperado y el mtodo converge muy
rpido.
2a ln( 2 )
ln( a)
pfijo('(2*a-log(sqrt(2*pi)))./log(a)','a.*log(a)-2*a+log(sqrt(2*pi))',0.00001,1,0.25,1e-4,300)
La solucion es 0.281069334437776, y se ha alcanzado en 29 iteraciones.
pfijo('(2*a-log(sqrt(2*pi)))./log(a)','a.*log(a)-2*a+log(sqrt(2*pi))',6,8,0.7,1e-4,300)
La solucion es 6.400796607782891, y se ha alcanzado en 22 iteraciones.
Con ste mtodo obtenemos las races buscadas pero la convergencia es muy lenta, en vez de ser
cuadrtica es lineal.
RESOLUCIN ECUACIONES
CAPTULO 3
94
10-2x
x
x
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
95
x=0:0.1:10;
plot(x,x.^3-13*x.^2+40*x-25)
grid;
legend('f(x)');
En la grfica de la funcin vemos que de las 3 races reales que tiene la ecuacin por ser de grado
3 slo 2 se ajustan al dominio de nuestra funcin para nuestro problema. As que tomaremos los
intervalos [0,1] y [3,4]
80
f(x)
60
40
20
0
20
40
10
15 Date
cuenta que hemos simplificado dividiendo por 4 la ecuacin porque para obtener x no influye en el resultado
por ser ecuaciones equivalentes, de esa forma simplificamos clculos, sobretodo determinando el intervalo incial para
aplicar por ejemplo la biseccin.
RESOLUCIN ECUACIONES
CAPTULO 3
96
biseccion('x.^3-13*x.^2+40*x-25',0,1,1e-9,100)
La solucion es 0.839018882252276.
Se ha alcanzado en 30 iteraciones.
Con un error de 1.862645e-09
biseccion('x.^3-13*x.^2+40*x-25',3,4,1e-9,100)
La solucion es 3.401748646982014.
Se ha alcanzado en 30 iteraciones.
Con un error de 1.862645e-09
regulafalsi('x.^3-13*x.^2+40*x-25',0,1,1e-9,100)
La solucion es 0.839018883302484, y se ha alcanzado en 18 iteraciones.
Con un error de 4.274464e-10
Y en el segundo intervalo:
regulafalsi('x.^3-13*x.^2+40*x-25',3,4,1e-9,100)
La solucion es 3.401748647478851, y se ha alcanzado en 10 iteraciones.
Con un error de 1.420744e-10
Las soluciones obtenidas son prcticamente las mismas a las obtenidas en la biseccin, pero el
nmero de iteraciones es mucho menor, especialmente para la segunda solucin.
e) Calculemos una funcin de punto fijo:
x3 13x2 + 40x 25 = 0 40x = x3 + 13x2 + 25 x =
1 ( x 3
40
13x2 25)
g( x ) =
1 3
( x 13x2 25)
40
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
97
pfijo('(-1/40)*(x.^3-13*x.^2-25)','x.^3-13*x.^2+40*x-25',0,1,0.5,1e-9,100)
La solucion es 0.839018882515451, y se ha alcanzado en 29 iteraciones.
pfijo('(-1/40)*(x.^3-13*x.^2-25)','x.^3-13*x.^2+40*x-25',3,4,3.5,1e-9,100)
La solucion es 8.759232469400999, y se ha alcanzado en 23 iteraciones.
Como vemos aqu con sta funcin de punto fijo slo obtenemos la primera solucin y no con
muy buenos resultados, de hecho perdemos la convergencia cuadrtica del mtodo, slo llegamos
a convergencia lineal. Para obtener la otra solucin del problema debemos buscar otra funcin de
punto fijo, eso lo dejo como tarea.
Claramente el mtodo de la Regula Falsi ha sido el vencedor.
g( x ) = x
f (x)
f 0 (x)
f ( x ) f 00 ( x )
! 1
2 ( f 0 ( x ))2
f 0 ( x ) = 2x
f ( x ) f 00 ( x )
2 ( f 0 ( x ))2
f 00 ( x ) = 2
! 1
RESOLUCIN ECUACIONES
f 0 (x)
2x2 2A
8x2
2
! 1
f ( x ) f 00 ( x ) = 2x2 2A
= 4x2
6x2 + 2A
8x2
! 1
8x2
6x2 + 2A
4x2
3x2 + A
CAPTULO 3
f (x)
f 0 (x)
f (x)
f 0 (x)
g( x ) = x
f ( x ) f 00 ( x )
2 ( f 0 ( x ))2
2x ( x2 A)
3x2 + A
! 1
98
x2 A
2x
x2 A
2x
4x2
3x2 + A
2x ( x2 A)
3x2 + A
x3 + 3Ax
3x2 + A
x ( x2 + 3A)
3x2 + A
pfijo('(x.^3+6*x)./(3*x.^2+2)','x.^2-2',1,2,1.4,1e-6,50)
La solucion es 1.414213562373095, y se ha alcanzado en 3 iteraciones.
II) Para A=3:
pfijo('(x.^3+9*x)./(3*x.^2+3)','x.^2-3',1,2,1.7,1e-6,50)
La solucion es 1.732050807568877, y se ha alcanzado en 4 iteraciones.
III) Para A=5:
pfijo('(x.^3+15*x)./(3*x.^2+5)','x.^2-5',2,3,2.2,1e-6,50)
La solucion es 2.236067977499790, y se ha alcanzado en 4 iteraciones.
IV) Para A=7:
pfijo('(x.^3+21*x)./(3*x.^2+7)','x.^2-7',2,3,2.6,1e-6,50)
La solucion es 2.645751311064591, y se ha alcanzado en 4 iteraciones.
Como vemos aqu el mtodo de Halley es muy rpido. Pero tiene varios inconvenientes, nuestra
funcin de partida debe ser de clase C2 en un entorno de x0 . Adems no debe tener una expresin
muy complicada, en el caso de nuestra funcin de partida es un polinomio de grado muy bajo,
por lo que el coste computacional es ptimo.
16 Esto
lo hacemos porque el Mtodo de Halley no es mas que el Mtodo de Punto Fijo pero en donde nuestra funcin
de punto fijo es la funcin de Halley. De esta forma nos evitamos tener que programar un cdigo especfico para el
Mtodo de Halley.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
99
Resolucin
a) Observa la frmula
x n +1 = ( x n )2 2
, nos esta diciendo que se esta aplicando la iteracin de punto fijo sobre la funcin de punto fijo
x = g( x ) = x2 2 .
Tomemos un intervalo cualquiera I =] a, b[ y veamos si g ( I ) I
a
g(b)
<
a < 1
Tenemos:
x n +1 = x n
xn2 xn 2
2x2 xn xn2 + xn + 2
x2 + 2
= n
= n
; n N
2xn 1
2xn 1
2xn 1
RESOLUCIN ECUACIONES
CAPTULO 3
100
x 3x2 y = 0
y x3 = 0
Resolucin
(
Tenemos el sistema de ecuaciones
x 3x2 y = 0
y x3 = 0
g1 ( x, y)
g2 ( x, y)
)
, que en general es de la forma:
0
0
x
y
g1
x
x
g2
y
n
x
!
=
n +1
g1 1
y
g2
y n
g1
g2
!
n
g1 ( x, y) = x 3x2 y
g2 ( x, y) = y x3
A=
1 6xy
3x2
3x2
1
1
3x2
3x2
1 6xy
1
=
1 6xy 9x4
Entonces:
RESOLUCIN ECUACIONES
ECUACIONES
x 3x2 y
y x3
CAPTULO 3
1
=
1 6xy 9x4
1
3x2
101
3x2
1 6xy
x 3x2 y
y x3
1
=
1 6xy 9x4
=
x 3x5
2x3 3x4 y 6xy2 + y
y n +1
xn 3xn5
1 6xn yn 9xn4
3
2x 3xn4 yn 6xn y2n + yn
= yn n
1 6xn yn 9xn4
x n +1 = x n
; n N
Resolucin
a) Se tiene Peso E + ghr2 = 0. Luego:
RESOLUCIN ECUACIONES
3
z
3
CAPTULO 3
R3 g +
3
4
102
2
h3
R
2
2
+ (c R) h + c 2cR h g + gh
=0
3
2
Operamos:
R2
h + 3 (c R) h + 3 c 2Rc +
12
3
h + R3 = 0
R=1:
h3 2.5980h2 0.5001h + 1 = 0
b) Definimos la funcin: f (h) := h3 2.5980h2 0.5001h + 1, tenemos que:
f 0 (h) = 3h2 5.196h 0.5001
Aplicamos Newton con h0 = 0.1660
newton('x.^3-2.5980*x.^2-0.5001*x+1', '3*x.^2-5.196*x-0.5001',0.1660,0,1,0.
000001,20)
La solucion es 0.592360397221254, y se ha alcanzado en 6 iteraciones.
pfijo('1.9996*x.^3-5.1950*x.^2+1.9996','x.^3-2.5980*x.^2-0.5001*x+1',0,1,0.
1660,0.000001,20)
La solucion es -Inf, y se ha alcanzado en 10 iteraciones.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
103
g
(sinh(t) sin(t))
2 2
RESOLUCIN ECUACIONES
CAPTULO 3
104
0.5
0.25
f ( )
2.33
23.1756
0.1666
0.0104
Luego hay cambio de signo en el intervalo [0.5, 0.25], es decir; en dicho intervalo hay una
raz.
3.) Calculemos la sucesin de Newton en nuestro caso:
f 0 ( ) = 10 (cosh cos ) + 2
Por lo que la sucesin es:
n +1 = n
10 (sinh n sin n ) + n2
; n N
10 (cosh n cos n ) + 2n
|n n1 | < 102
Lo ponemos en una tabla:
n
n
| n n 1 |
0.375
0.3214
0.0536
0.3025
0.0189
0.3000
0.0025
Luego obtenemos con el mtodo de Newton que la velocidad angular es = 0.3 rad/seg, con 3
iteraciones.
4.) Tomamos T ( ) = + f ( )
T ( ) = + 10 (sinh sin ) + 2
Veamos si converge o diverge:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
105
T 0 ( ) = 1 + 10 (cosh cos ) + 2
Entonces, | T 0 (0.3000)| = 1.3 > 1. Luego el mtodo diverge, por lo que nuestra raz es un punto
de repulsin.
5.) Planteamos la iteracin:
n+1 = T (n ) = n + 10 (sinh n sin n ) + (n )2 n + f (n ) ; n N
Introducimos en Octave el siguiente cdigo:
1
2
3
4
w = -0.375
for n=1:6
w=w+10*(sinh(w)-sin(w))+w^2
endfor
w = -0.37500
w = -0.41016
w = -0.47194
w = -0.59962
w = -0.95882
w = -2.9807
w = -90.748
Claramente, viendo el resultado de la ltima iteracin podemos concluir, como en el apartado
anterior, que el mtodo diverge.
6.) Nombramos el factor de relajacin a buscar para que el mtodo converja. El esquema es:
= (1 ) + T ( ) = T ( )
Para = 0.3000
T 0 (0.3000) = 10 (cosh (0.3000) cos (0.3000)) + 0.4000 = 1.3
Luego:
=
1
1
=
= 3.333 = 3.333
1 T 0 (0.3)
1 1.3
RESOLUCIN ECUACIONES
CAPTULO 3
106
n +1
= 4.3333n 3.3333 T (n ) = T (n )
n +1
= 4.3333n 3.333 (n + f (n ))
n +1
= n 3.3333 f (n )
n
| n n 1 |
0.375
0.2578
0.1172
0.2890
0.0312
0.2992
0.0102
0.3000
0.0008
= 2 log10
+
3.71 D R 12
donde:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
R
104
105
106
107
e/D
0.05
0.003
0.003
Resolucin
1
1. Para simplificar clculos tomamos x = > 0 con lo que reescribimos la ecuacin del enun
ciado como:
e
2.51
x = 2 log10
+
x
3.71 D
R
RESOLUCIN ECUACIONES
CAPTULO 3
108
Veamos el caso (R, e/D) = 104 , 0.05 . Tenemos:
x = 2 log10 (0.013477 + 0.000251x ) = F1 ( x )
El dominio de la funcin es x > 53.69322709, que es cuando se cumple que lo que hay dentro
del logaritmo en base 10 es estrictamente positivo. Como lmx53.69322709 F1 ( x ) = + tenemos
que la funcin tiene una asntota vertical x = 53.69322709
F10 ( x ) =
0.000218015
< 0 x > 53.69322709
0.013477 + 0.000251x
1.2 Para calcular el nmero k de iteraciones necesarias para que k x xk k < e = 106 a priori es
necesario la constante de Lipschitz de F1 en I1 . La constante L viene dada por:
L = max | F10 ( x )| = | F10 (3)| = 0.015320801
x I1
Ahora consideramos:
x0 = 5.742688256
x1 = F( x0 ) = 3.652554646
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
109
y=x
F1 ( x )
x = 3.68318
6
4
2
60
20
40
20
40
60
x = 3.68318
2
Figura 30: Funcin Reynolds Punto Fijo
e (1 L )
e (1 L )
k x1 x0 k
Por tanto, necesitamos al menos 4 iteraciones para que el mtodo de punto fijo tenga un error
menor que e = 106 .
1.3 Vamos a resolverlo aplicando nuestro algoritmo de punto fijo. Con 4 iteraciones vemos que no
son suficientes:
pfijo('-2*log10(0.013477+0.000251*x)','x+2*log10(0.013477+0.000251*x)',3,5.7426
88256,5.742688256,10^(-6),4)
RESOLUCIN ECUACIONES
CAPTULO 3
110
Insuficientes iteraciones
Vemos que son suficientes 5 iteraciones:
pfijo('-2*log10(0.013477+0.000251*x)','x+2*log10(0.013477+0.000251*x)',3,5.
742688256,5.742688256,10^(-6),5)
La solucion es 3.683185769546551, y se ha alcanzado en 6 iteraciones.
Pero esta no es la solucin del problema, hemos obtenido x y nosotros buscamos , sabemos
que:
1
1
1
x =
= 2 =
0.07371447078918
(
x
)
(
3.683185769546551
)2
Por tanto, nuestra solucin aproximada al problema utilizando el mtodo del punto fijo es
0.07371447078918
1.4
Estimacin a priori: Tomando x5 como solucin es:
| x x5 |
L5
| x1 x0 | 1.79179 109
1L
| x x5 |
L
| x5 x4 | < 1.67893 109
1L
Para obtener los valores de x4 y x5 debes correr el algoritmo de punto fijo, por ello son a posteriori.
1.5
Para solucionarlo te adjunto el cdigo realizado con Octave del mtodo de Aitken:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
function [] =aitken(f,x0,epsilon,max1)
X=zeros(1,max1+1);
Z=zeros(1,max1+1);
X(1)=x0;
X(2)=feval('colebrook1',X(1));
X(3)=feval('colebrook1',X(2));
Z(3)=X(1)-(X(2)-X(1))^2/(X(3)-2*X(2)+X(1));
for k=4:max1+1
X(k)=feval('colebrook1',X(k-1));
denom=X(k)-2*X(k-1)+X(k-2);
if denom==0
'Lo siento, division por cero'
break;
else
RESOLUCIN ECUACIONES
ECUACIONES
15
16
17
18
19
20
21
22
CAPTULO 3
111
Z(k)=X(k-2)-(X(k-1)-X(k-2))^2/denom;
endif
err=abs(Z(k-1)-Z(k));
relerr=err/(abs(Z(k-1))+epsilon);
if (err<epsilon) or (relerr<epsilon)
break;
endif
endfor
23
24
25
26
27
28
29
30
31
function f = colebrook1(x)
f=x+2*log10(0.013477+(0.000251)*x);
end
colebrook1.m
Consideramos el caso (R, e/D) = 104 , 0.05
Con los datos dados en el problema lo aplicamos a nuestro cdigo con los siguientes resultados:
aitken('colebrook1',5.742688256,1e-7,6)
La solucion es 3.683185877452450, y se ha alcanzado en 5 iteraciones.
Con error absoluto err = 1.8466e-009
y error relativo relerr = 5.0135e-010
Como vemos, obtenemos una solucin muy parecida a la que obtuvimos con el mtodo de punto fijo. Rehaciendo el cambio de variable obtenemos que nuestra aproximacin a la solucin es
0.07371446651
Los otros 2 casos te los dejo como ejercicio para que practiques y entiendas mejor el problema.
1.6
Tan slo hemos de aplicar el mtodo de Steffensen con los datos del problema, dndonos el siguiente resultado:
RESOLUCIN ECUACIONES
CAPTULO 3
112
steffensen('x+2*log10(0.013477+(0.000251)*x)',5.742688256,3,5.742688256,1e7,5)
La solucion es 3.683185770874608, y se ha alcanzado en 2 iteraciones.
Apreciamos que los resultados mediante ste mtodo son muy buenos, tan slo hacen falta 2
iteraciones para obtener lo deseado.
Veamos el caso (R, e/D) = 105 , 0.003 .
1.1
Tenemos:
x = 2 log10 (0.00080862 + 0.0000251x ) = F2 ( x )
Veamos el dominio:
0.00080862 + 0.0000251x > 0 x >
0.00080862
x > 32.21513944
0.0000251
0.00002180158
0.0008062 + 0.0000251x
0.0008062
x = 34.34262948
0.0000251
Luego el dominio de la derivada es todos los reales menos 34.34262948. Adems, la derivada
siempre es negativa en el dominio de F2 ( x ), por lo que F2 ( x ) es estrictamente decreciente. Ahora:
F20 ( x ) = 1 0.00002180158 = 0.0008062 + 0.0000251 x =
0.00002180158 0.0008062
0.0000251
x = 31.25093307
Concluimos pues:
1
1
= 0.017891 x0 = x0 = 7.476231341
1050.3
0
Como x0 [31.25093307, + ], podemos asegurar que este estimador inicial es vlido. Aplicamos Bolzano:
F2 (5) F2 ( x0 ) < 0 x [5, x0 ] / F2 ( x ) = 0
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
113
y=x
F2 ( x )
x = 6.0354
10
30
20
10
x = 6.0354
10
5
Figura 31: Funcin Reynolds2 Punto Fijo
1.2
Calculemos la constante de Lipschitz de F2 en I2
L = max | F20 ( x )| = | F20 (5)| = 0.02334
x I2
Ahora, x1 = F2 ( x0 ) = 6.003242924, por lo que para que se cumpla | x xk | < e = 106 tenemos:
ln
k
e (1 L )
|| x1 x0 ||
ln L
k
ln
106 (1 0.02334)
||6.003242924 7.476231341||
ln 0.02334
14.22642052
3.786048524 k = 4
3.757586652
Luego necesitamos, al menos, 4 iteraciones para que el mtodo del punto fijo converja.
1.3
Aplicamos el mtodo de punto fijo para x0 = 7.476231341 y e = 106
pfijo('-2*log10(0.00080862+0.0000251*x)','x+2*log10(0.00080862+0.0000251*x)',
5,7.476231341,7.476231341,10^(-6),4)
Insuficientes iteraciones
Como era de esperar, el mtodo diverge para 4 iteraciones, y converge a partir de 5 iteraciones:
RESOLUCIN ECUACIONES
CAPTULO 3
114
pfijo('-2*log10(0.00080862+0.0000251*x)','x+2*log10(0.00080862+0.0000251*x)',
5,7.476231341,7.476231341,10^(-6),5)
La solucion es 6.035360228993012, y se ha alcanzado en 6 iteraciones.
Si deshacemos el cambio de variable, obtenemos que nuestra solucin es 0.02745323999234.
1.4
Estimacin a priori: Tomando x5 como solucin es:
| x x5 |
L5
| x1 x0 | 1.044297 108
1L
| x x5 |
L
| x5 x4 | < 0.919397 1010
1L
Para obtener los valores de x4 y x5 debes correr el algoritmo de punto fijo, por ello son a posteriori.
2
(R, e/D) = 104 , 0.05
Tenemos x0 = 5.742688256, e = 107 , aplicamos el algoritmo de Wegstein:
wegstein('-2*log10(0.013477+(0.000251)*x)',5.742688256,1e-7,2)
La solucion es 3.683185771155717, y se ha alcanzado en 2 iteraciones.
Con un error de 6.06449e-08
Por tanto, 0.07371447557970
(R, e/D) = 105 , 0.003
Tenemos x0 = 7.476231341, e = 107 , aplicamos el algoritmo de Wegstein:
wegstein('-2*log10(0.00080862+0.0000251*x)',7.476231341,1e-7,3)
La solucion es 6.035360237535613, y se ha alcanzado en 3 iteraciones.
Con un error de 0.000000000000000e+00
Por tanto, 0.02745323991462
(R, e/D) = 106 , 0.003
Tenemos x0 = 9.260717036, e = 107 , aplicamos el algoritmo de Wegstein:
wegstein('-2*log10(0.00080862+0.00000251*x)',9.260717036,1e-7,3)
La solucion es 6.168038299704970, y se ha alcanzado en 2 iteraciones.
Con un error de 1.330255905429567e-10
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
115
0.000218015
0.013477 + 0.000251 x
5.4721765 108
(0.013477 + 0.000251 x )2
< 0; x I1
En ste caso da igual qu extremo de los dos tomemos, porque la segunda derivada siempre tiene
signo negativo, as que tomaremos el ms cercano a la raz; en ste caso nuestro estimador (valor)
inicial va a ser x0 = 3, para aplicar el mtodo de Newton.
3.2
newton('x+2*log10(0.013477+0.000251*x)',
'1+(0.000218015/(0.013477+0.000251*
x))',3,3,5,1e-7,10)
El algoritmo tiene un coste en tiempo de:
Elapsed time is 0.022152 seconds.
La solucion es 3.683185771155717, y se ha alcanzado en 4 iteraciones.
Apreciamos que no hay mucha diferencia con los anteriores mtodos, obtenemos muy buena
aproximacin con a penas iteraciones.
Por tanto, 0.07371447072477.
Te dejo como ejercicios los restantes casos.
4
(R, e/D) = 105 , 0.003
Nuestra funcin es:
f 2 ( x ) = x + 2 log10(0.00080862533 + 0.0000251 x )
Su nica raz esta en el intervalo I2 = [5, 7.476231431].
4.1
Aplicamos el mtodo Illinois:
illinois('x+2*log10(0.00080862533+0.0000251*x)',
5,7.4776231431,1e-9,1e-8,30)
RESOLUCIN ECUACIONES
CAPTULO 3
116
4.2
Hacemos lo mismo pero con el mtodo Pegasus:
alpha = 0.553348381381023
alpha = 0.500032212843228
alpha = 0.500012332434644
alpha = 0.500008620338480
alpha = 0.500004041974341
alpha = 0.500002215625791
alpha = 0.500001090307565
alpha = 0.500000558175124
alpha = 0.500000277980678
alpha = 0.500000139818658
alpha = 0.500000069839944
alpha = 0.500000034971973
alpha = 0.500000017481646
alpha = 0.500000008744077
alpha = 0.500000004371767
alpha = 0.500000002186087
alpha = 0.500000001093026
pegasus('x+2*log10(0.00080862533+0.0000251*x)',
5,7.4776231431,1e-9,1e-8,30)
La solucion es 6.035355531468648, y se ha alcanzado en 17 iteraciones.
Con un error de 1.319402e-08
Con f(raiz)=8.995652e-09
Con el mtodo Pegasus obtenemos resultados parecidos al de Illinois, tan slo hemos ganado una
iteracin. Esto se puede apreciar viendo los valores que hemos obtenido con el mtodo Pegasus,
que son casi todos 0.5 como el que se toma en el mtodo Illinois.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
117
f sin + D f ( a f ) = 0
cos
Las variables c, D f dependen de , dependencia que no es expresable mediante funciones
elementales pero que se puede describir a travs de las siguientes relaciones empricas.
c
Df
Cp
CV
LCG C p b
(3.1)
(CF + CF )
cos
1
0.75
2
CV
5.21 2 + 2.39
V
p
gb
V M2 b2
(3.2)
(3.3)
(3.4)
= 0
(3.5)
donde CL y CL0 son coeficientes de empuje adimensionalizados relativos a un ngulo de astilla muerta igual a y 0 respectivamente, y donde:
CL =
1
2 2
2 V b
RESOLUCIN ECUACIONES
0.242
log10 (R CF )
CF
(3.6)
CAPTULO 3
118
0.25
0.012 + 0.0055 2
CV
1 = 0
(3.7)
Existen adems una ecuacin que relaciona el nmero de Reynolds R con las otras variables:
V b
R= M
= kV
(3.8)
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
119
Enunciado
En un momento del proceso numrico asociado al mtodo de Savisky se debe resolver la
ecuacin:
CL0 0.0065(CL0 )0.6 CL = 0
donde CL0 > 0 es la incgnita y CL > 0, con 0 < < 20 .
El objetivo es analizar la existencia y unicidad de la solucin de la ecuacin, determinndola despus por varios mtodos cuyos comportamientos se compararn.
1. Buscar una escritura conveniente de la ecuacin del tipo:
CL0 = T (CL0 )
que permita demostrar la existencia y unicidad de la solucin para valores estrictamente positivos de CL y .
2. Para qu valores de CL0 ser necesariamente convergente el mtodo de punto fijo
asociado a 1.?
3. Se supone que CL = 0.07 y = 20
a) Resolver la ecuacin por el mtodo de las aproximaciones sucesivas seleccionando un estimador inicial que cumpla con los valores obtenidos en 2. con test
de parada e < 107 .
b) Usar el mtodo de Wegstein con el mismo estimador inicial y test de parada y
comparar el nmero de iteraciones.
c) Determinar un intervalo que contenga a la raz de la ecuacin y usar para determinarla:
El mtodo Illinois.
El mtodo Pegasus.
d) Comprobar el mejor comportamiento del segundo mtodo respecto al primero
y compararlo con el de Wegstein.
Resolucin
1. Vamos a convertir la ecuacin en una de punto fijo, tenemos:
CL0 0.0065(CL0 )0.6 CL = 0
Se consigue fcilmente despejando el primer CL0
CL0
T (CL0 )
RESOLUCIN ECUACIONES
= 0.0065(CL0 )0.6 + CL
= 0.0065(CL0 )
0.6
+ CL
(3.9)
(3.10)
CAPTULO 3
120
T, ( x ) = + k1 x 5
Veamos cundo T, ( x ) = 0, es decir; cundo corta al eje OX.
x=
k1
5
3
x +
2
3
3
1
k x 5 = k1 2 > 0
5 1
5
x5
0
lm T,
( x ) = +
x 0+
Luego T, ( x ) son todas Estrictamente Crecientes. Volvamos a derivar para estudiar su concavidad.
7
6
00
T,
k x 5 < 0
(x) =
25 1
Por tanto, T, ( x ) son cncavas hacia abajo. Todas parten de (0, ) con tangente vertical.
Dibujamos la grfica de una de las funciones para parmetros particulares.
Caso Particular T0.07, 20 ( x )
y=x
0.2
3
T0.07, 20 ( x ) = 0.07 + 0.13 x 5
0.15
0.1
0.2
0.4
0.6
0.8
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 3
121
25
2
2
3
3
k x 5 < 1 k1 x 5 < 1
5 1
5
2
5
3 k1
<
x5 >
x>
3 k1
5
Sustituimos k1 = 0.0065
3 k1
5
5
2
3 k1
3 0.0065
=
= 0.0039 y tenemos:
5
5
5
x > (0.0039 ) 2
Por tanto, la familia de funciones T, son contractivas en el intervalo
5
I1 = [(0.0039 ) 2 , + [
Por tanto, cumplen el Teorema del Punto Fijo, aseguramos pues, que el mtodo del punto
de cada T
fijo converge y que las soluciones x,
, estn contenidas en cualquier intervalo
f , ( x ) = x 0.07 + 0.13x 5
con delta = 107 y epsilon = 106 , con un nmero mximo de iteraciones de 30, en el
intervalo [0.02, 1]
Mtodo Illinois
RESOLUCIN ECUACIONES
CAPTULO 3
122
illinois('x-0.07+0.13*x.^(3/5)',0.02,1,1e-7,1e-6,30)
La solucion es 0.048773734273443, y se ha alcanzado en 14 iteraciones.
Con un error de 1.083560e-06
Con f(raiz)=-9.110032e-07
Mtodo Pegasus
pegasus('x-0.07+0.13*x.^(3/5)',0.02,1,1e-7,1e-6,30)
alpha = 0.949177854265324
alpha = 0.523590708370158
alpha = 0.523047478743633
alpha = 0.500343770075646
alpha = 0.500205654511487
alpha = 0.500075176684662
alpha = 0.500039349670936
alpha = 0.500018320371238
alpha = 0.500009266335892
La solucion es 0.048775049973069, y se ha alcanzado en 9 iteraciones.
Con un error de 8.832061e-07
Con f(raiz)=7.482342e-07
El mtodo Pegasus es ms rpido que el mtodo de Illinois, ste ltimo es el ms lento de
los 4 que hemos utilizado. El mejor en cuanto a rapidez ha sido el de Wegstein.
RESOLUCIN ECUACIONES
4
4.1
MTODOS PARA
POLINOMIOS
123
CAPTULO 4
124
RESOLUCIN ECUACIONES
ECUACIONES
4.2
CAPTULO 4
125
Con el mtodo de McLaurin se pretende determinar un conjunto fuera del cual se puede asegurar
que la ecuacin polinmica P( x ) = 0 no posee races. Consideraremos:
P ( x ) = a n x n + a n 1 x n 1 + . . . + a 2 x 2 + a 1 + a 0 R [ x ] , a n 6 = 0
|r k | < 1 + 1 k n
a
donde: = max0kn1 k .
an
Es decir, las races se encuentran en el interior de la bola abierta:
B1+ (0) = {z C : |z| < 1 + }
|r k | >
1
1kn
1+
a
donde: = max1kn k .
a0
Luego las races se encuentran en el exterior de la bola cerrada:
B
RESOLUCIN ECUACIONES
1
1 (0) = { z C : | z | 1 + }
1+
CAPTULO 4
126
1
zC :
< |z| < 1 +
1+
Luego: 1 + = 1 +
4 59 61 30
, , ,
2 2 2 2
61
2
63
2
= 310 5,
circular es:
61
= 300 5
2
1
=
1+
= max
1
61
1+
30
2 4 59 61
, , ,
30 30 30 30
61
30
1
30
=
00 329. Luego la corona
91
91
30
C = z C : 00 329 < |z| < 310 5
Lo puedes apreciar en la figura 1:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
= 0.329
127
= 31.5
4.3
Se trata de saber cuntas races reales tiene un polinomio en el interior de cada intervalo, y que
estas sean nicas en sus respectivos intervalos.
RESOLUCIN ECUACIONES
CAPTULO 4
128
{1, 1, 1, 10, 1}, y que tiene un nico cambio de signo (impar), luego por la Regla de Descartes el polinomio tiene una nica raz real negativa.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
129
En resumen, el polinomio tiene 2 races reales positivas y una negativa, al ser de grado 5 y las
races reales simples, se tiene que tambin posee una raz compleja y su conjugada.
P( x ) = P1 ( x ) Q1 ( x ) P2 ( x )
P1 ( x ) = P2 ( x ) Q2 ( x ) P3 ( x )
Pm1 ( x ) = Pm ( x ) Qm ( x )
P2 < P1
P3 < P2
Pm < Pm1
RESOLUCIN ECUACIONES
CAPTULO 4
130
Notacin
Denotemos por:
N () el nmero de cambios de signo en la sucesin de Sturm { P(), P1 (), . . . ,Pm ()}
N ( a,b)al nmero de races reales distintas de P( x ) = 0, en el intervalo ] a, b[,
SIN CONTAR
LA MULTIPLICIDAD .
N () = lm P( x )
x
N = N (0) N (+)
+
N = N () N (0)
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
131
x4 4x + 1 = x3 1 x + (3x + 1)
Tomamos P2 ( x ) = 3x 1y dividimos P1 ( x ) entre P2 ( x ):
x 1 = (3x 1)
Tomamos P3 ( x ) = 1 en vez de
1 2 1
1
x + x+
3
9
27
26
27
26
para simplificar clculos. La secuencia de Sturm es:
27
n
x4 4x + 1, x3 1, 3x 1, 1
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
N (x)
0
+
+
+
+
+
+
+
2
2
0
N = N () N (0) = 0
N+ = N (0) N (+) = 2
Como N () N (+) = 2 0 = 2, todas sus races son simples.
Luego P tiene 2 races positivas, ninguna negativa y 2 complejas conjugadas por ser de grado 4
todas simples.
Se llega as a tantos intervalos como races reales y distintas tenga el polinomio, intervalos con
slo una raz en cada uno de ellos.
RESOLUCIN ECUACIONES
CAPTULO 4
132
a+b
= 2.5
2
Calculamos c2 =
Luego una raz positiva est en ]0, 1.25[ y la otra en ]1.25, 2.5[
Al no haber raz negativa no consideramos el intervalo abierto ] 1 , 0[=] 6, 0[
4.4
pi
; 0 i n; pi Z, qi N
qi
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
133
Q( x ) = bn x n + bn1 x n1 + . . . + b2 x2 + b1 + b0 Z[ x ], bn 6= 0; bi = m
pi
Z; 0 i n
qi
RESOLUCIN ECUACIONES
CAPTULO 4
134
=
0.127
41
6 6 6 6
6
1+
1+
47
1+
6
Por tanto, las races se encuentran en la corona circular:
C = {z C : 0.127 < |z| < 5.1}
Veamos si el polinomio tiene races enteras, de a0 = 6 sus divisores y candidatos a ser races
enteras son:
{1, 2, 3, 6}
Como 6
/ C, ya sabemos que no son races enteras del polinomio, adems; de los que pertenecen a C, como P (1) 6= 0, P (2) 6= 0, P (3) 6= 0, concluimos que nuestro polinomio no tiene
races enteras.
Ahora hemos de ver si el polinomio posee races racionales, los divisores de a4 = 10 son:
{1, 2, 5, 10}
Para saber cules son nuestros candidatos a races racionales lo que hemos de hacer es dividir
cada uno de nuestros candidatos de las races enteras por cada uno de los divisores de a4 = 10.
Simplificando fracciones, quitando las repetidas y las fracciones que nos dan enteros tenemos que
nuestro conjunto de candidatos a ser races racionales del polinomio son:
1
1
1
2
3
3
3
6
, , , , , , ,
2
5
10
5
2
5
10
5
1
Como
/ C, podemos decir que no son races racionales del polinomio. De los restantes que
10
s pertenecen a C tenemos:
1
1
2
3
3
3
P
6= 0, P
6= 0, P
6= 0, P
6= 0, P
= 0, P
6= 0,
5
2
2
5
2
5
3
6
P
6= 0, P
6= 0
10
5
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
135
3
3
. Si dividimos P( x )| x +
, por la Regla de Ruffini:
2
2
10
11 41 1
15
39
10
26
3
2
2
5
13 1
15
3
Como tenamos que P( x ) = 20 x +
2
ner:
3
P( x ) = 500 x +
2
RESOLUCIN ECUACIONES
2
x+
5
!
3+ 5
x
2
!
3 5
x
2
CAPTULO 4
136
3
2
3+ 5
3 5
r1 =
, r2 =
, r3 =
, r4 =
2
5
2
2
Como r3 y r4 son irracionales viene ahora muy bien aproximarlas mediante alguno de los mtodos iterativos del captulo anterior: biseccin, regula-falsi, punto fijo, etc. Adems, para aplicar
estos mtodos no los aplicaremos directamente al polinomio P, para simplificar clculos los aplicaremos directamente al polinomio x2 3x + 1.
{1, 4, 1, 12, 6}
{1, 4, 1, 12, 6}
3 cambios de signo
1 cambio de signo
Luego nuestro polinomio tiene 3 1 races reales positivas y 1 raz real negativa. Seguidamente
acotamos las races por el mtodo de McLaurin:
1
zC :
< |z| < 13
3
Veamos si posee races enteras, los divisores de a0 = 6 son: {1, 2, 3, 6}. Sustituyendo
en el polinomio tenemos que ninguna de ellos es raz. Luego, el polinomio no tiene races enteras.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
137
Pasemos a ver si tiene races racionales, los divisores de a4 = 1 son 1, luego sus posibles races
racionales se reducen a races enteras, pero ya sabemos que no tiene; luego el polinomio tampoco
tiene races racionales. Por tanto, sus races slo pueden ser irracionales o complejas.
El siguiente paso es hacer la separacin de races, vamos a aplicar el algoritmo de Euclides hasta
obtener el mximo comn divisor de P y P0
P0 ( x )
= 4x3 12x2 2x + 12 = 2 2x3 6x2 x + 6
P1 ( x )
= 2x3 6x2 x + 6
Si dividimos P( x )| P1 ( x ) obtenemos:
P( x )
P1 ( x )
x 1
2 2
7
17
+ x2 + x 3
2
2
= 7x2 17x + 6
P2 ( x )
P1 ( x )
P3 ( x )
2
8
x
7
49
269x 342
P2 ( x )
269
342
+
x+
49
49
Y finalmente P2 ( x )| P3 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
= 1
7
2179
x
269
72361
311052
72361
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
N (x)
0
+
+
+
+
+
+
+
+
+
+
+
4
3
0
RESOLUCIN ECUACIONES
CAPTULO 4
138
N = N (0) N (+) = 3
+
N = N () N (0) = 1
Luego nuestro polinomio tiene 3 races positivas y una raz negativa. Seguidamente aplicamos el
mtodo de Sturm (NO el Teorema), donde los extremos van a ser todos los divisores de a0 = 6
junto con el 0 del Teorema de Sturm:
x
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
N (x)
-6
-3
-2
-1
0
1
2
3
6
+
+
+
+
+
+
+
+
+
+
+
+
+
+
0
+
+
+
+
+
+
+
+
+
+
+
+
+
+
4
4
4
3
3
2
1
1
0
Si quieres las races exactas para comparar lo puedes hacer con el programa wxMaxima
con el siguiente comando:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
139
10
10
20
Figura 2: Polinomio f ( x ) = x4 4x3 x2 + 12x 6
x = 2
2, x =
i
2 + 2, x = 3, x = 3
P( x ) = 2x4 x3 + 2x2 7x + 3
P( x ) = 2x4 + x3 + 2x2 + 7x + 3
Tenemos las secuencias de coeficientes:
RESOLUCIN ECUACIONES
CAPTULO 4
P( x )
P( x )
140
{2, 1, 2, 7, 3}
Luego por la regla de signos de Descartes el polinomio no tiene races negativas porque P( x )
no tiene cambios de signo, y al ser de grado 4 puede tener 4, 2 0 races positivas.
Apliquemos el mtodo de McLaurin para acotar las races:
3
= max
,
2
2
= max
,
3
7
1
7
7
9
, 1, , = 1 + = 1 + = = 40 5
2
2
2
2
2
1 2 7
7
1
1
3
, , , =
=
=
= 00 3
7
3 3 3
3
1+
10
1+
3
3
9
zC :
< |z| <
10
2
Los divisores positivos de a0 = 3 son {1, 3}. Como P(1) 6= 0, P(3) 6= 0, se tiene que el polinomio
no tiene races enteras.
Los
positivos de a4 = 2 son {1, 2}, sus candidatas a races racionales positivas son
divisores
1 3
,
. De aqu tenemos:
2 2
P
1
3
= 0, P
6= 0
2
2
1
Luego es una raz racional positiva del polinomio. Por lo que por la Regla de Ruffini vamos a
2
factorizar el polinomio:
2
1
2
1 2 7
1 3
P( x ) = 4 x
x +x3
2
Seguimos trabajando con Q( x ) = x3 + x 3, que no tiene races negativas por no tenerlas P. La
secuencia de signos es {+, + ,}, luego slo hay un cambio de signo, por lo que slo posee una
raz positiva por la regla de signos de Descartes. As pues, P tiene 2 races positivas, ninguna
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 4
141
negativa y 2 races complejas. Q no posee races enteras porque P no tampoco las tiene. Como en
Q tenemos que a3 = 1 tambin se tiene que Q no tiene races racionales, en consecuencia, P slo
tiene 1 raz racional. Por tanto, la raz real que nos falta averiguar de P sabemos que es una raz
irracional positiva; y la vamos a averiguar de Q, por ser ms sencillo. Aplicando el Teorema de
Bolzano:
Q(1) Q(2) = 1 7 < 0 r ]1, 2[ / Q(r ) = 0
Luego la nica raz positiva de Q se encuentra en el intervalo ]1, 2[. Antes de pasar a calcular las
otras 2 races complejas conjugadas hemos de calcular por un mtodo iterativo sta raz irracional de Q, si aplicamos el Mtodo de Newton con x0 = 2 obtenemos que la raz aproximada es
10 21341166276223. Esto que acabamos de hacer es la DEFLACIN , es decir; en cada paso vamos
reduciendo el polinomio de partida de grado, y si vemos que la raz o races del nuevo polinomio
reducido de grado son irracionales las calculamos por medio de un mtodo iterativo de forma
aproximada.
Por tanto, Q queda factorizado de forma aproximada como:
e ( x ), Q
e=2
Q( x ) = x 10 21341166276223 Q
Con un poco de paciencia, por la Regla de Ruffini obtenemos de forma aproximada:
e ( x ) = x2 + 10 21341166278x + 20 47236765561
Q
Como es de grado 2 basta aplicar la frmula de todos conocida para ecuaciones de segundo grado
y obtener que las aproximaciones a las 2 races complejas conjugadas son:
i ' 00 606705831781 10 45061217736i
RESOLUCIN ECUACIONES
EJERCICIOS RESUELTOS
POLINOMIOS
P( x )
P( x )
Luego por la regla de signos de Descartes el polinomio no tiene races negativas, y puede tener 3
1 raz positivas.
Los divisores positivos de a0 = 3 son {1, 3}, como P(1) = 0, P(3) = 24 6= 0, concluimos que 1 es
una raz entera del polinomio. Como a1 = 1, sabemos que no tiene races racionales. Aplicamos
Ruffini para factorizar el polinomio:
1 1 3 3
1 0 3
1 0 3 0
143
CAPTULO 5
As pues todas las races son: 1,
144
Una cosa importante que debes saber es que no tenemos porqu aplicar todos los mtodos si
hay un camino ms corto, en este ejemplo omitimos McLaurin y Sturm. Incluso podramos haber
omitido los pasos anteriores y haberlo solucionado directamente por la Regla de Ruffini, ya que 1
es uno de los primeros candidatos a ser raz cuando hacemos Ruffini por tanteo.
Otra cosa, las dos races conjugadas que hemos obtenido su parte imaginaria es un nmero irracional, con lo que podramos haber obtenido sus aproximaciones por un mtodo iterativo como
el mtodo de Mller, pero en ste caso es innecesario porque obtenemos las races exactas.
0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1
0
1
1
1
0
1
1
0
+ 2k
n
re
; 0 k n1
i
polinomio mnico es aquel polinomio en el que su coeficiente director es 1. El coeficiente director es el coeficiente
que acompaa al monomio de mayor grado.
RESOLUCIN ECUACIONES
ECUACIONES
k =
11
CAPTULO 5
145
+ 2k
(2k + 1)
i
(2k + 1)
(2k + 1)
11
11
1e
=e
= cos
+ i sin
; 0 k 10
11
11
i
Notar que para k = 5 obtenemos 5 = 1. Por tanto, -1 es una raz de multiplicidad doble del
polinomio P.
2
1
4
0
5
10
6
9
7
Te pongo como extra el cdigo Octave para dibujar el polgono regular de 11 lados que se forma
con dichas races.
1
2
3
4
%
%
%
%
PARA QUE FUNCIONE HAY QUE TENER INSTALADO EL PAQUETE GEOMETRY DE OCTAVE-SOURCEFORGE
ESTA EN LA WEB http://octave.sourceforge.net/geometry/index.html
ANTES DE EJECUTAR EL CODIGO DESDE OCTAVE EJECUTA LA ORDEN
pkg load all
5
6
7
8
9
10
11
clear;
clf();
hold on; axis equal;
axis ([-1.5, 1.5,-1.5,1.5], 'square');
grid;
n=11;
12
RESOLUCIN ECUACIONES
CAPTULO 5
13
14
15
146
for k =1:11
h(k)=0;
end
16
17
18
19
20
21
22
23
24
25
for k=0:10
x(k+1)=cos(((2*k+1)*pi)/n);
y(k+1)=sin(((2*k+1)*pi)/n);
if(x(k+1)>0 && y(k+1)>0 || x(k+1)>0 && y(k+1)<0)
h(k+1) = drawLabels(x(k+1)+0.1,y(k+1)+0.1,['\omega_' num2str(k)]);
else
h(k+1) = drawLabels(x(k+1)-0.25,y(k+1)+0.1,['\omega_' num2str(k)]);
end
end
26
27
28
29
for k = 8:11
delete(h(k));
end
30
31
32
33
34
drawLabels(x(8)-0.25,y(8),'\omega_{7}');
drawLabels(x(9),y(9)-0.1,'\omega_{8}');
drawLabels(x(10),y(10)-0.1,'\omega_{9}');
drawLabels(x(11)+0.1,y(11),'\omega_{10}');
35
36
37
38
39
p1 = [1 0];
p2 = [0 1];
p3 = [-1 0];
origin = [0 0];
40
41
42
43
44
drawCircle (circle,'r','LineWidth',2);
patch(x,y,'b','EdgeColor','b','Marker','o','MarkerFaceColor','flat','MarkerSize',8,'
LineWidth',2,'FaceAlpha',0.15);
45
46
47
48
49
for k=0:10
edge = [0 0 x(k+1) y(k+1)];
drawEdge(edge, 'linewidth', 1.15,'color','b');
end
50
51
raicesunidad.m
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
147
x
b
3 9
P1 ( x ) +
i
2 h
3a b2 x 4ab
9
a) Para que la secuencia de Sturm tenga slo tres trminos se ha de cumplir que 3a b2 x 4ab
sea un polinomio constante y ello se cumple si 3a b2 = 0. Es decir:
3a b2 = 0 b2 = 3a b = 3a
De esta forma la secuencia de Sturm es:
8ab
9
CASO I: b = 3a
x
P( x )
P1 ( x )
P2 ( x )
N (x)
0
+
+
+
+
+
+
+
1
1
0
N = N () N (0) = 0
N+ = N (0) N (+) = 1
Por tanto, P tiene una raz positiva y dos complejas conjugadas, porque P = 3 y las races de P
son simples.
RESOLUCIN ECUACIONES
CAPTULO 5
148
CASO II: b = 3a
P( x )
P1 ( x )
P2 ( x )
N (x)
0
+
+
+
+
+
+
2
1
1
N = N () N (0) = 1
N+ = N (0) N (+) = 0
Ahora P tiene una raz negativa y dos complejas conjugadas por el mismo razonamiento de antes.
En ambos casos tenemos:
P (b) = b3 b3 + ab ab = 0
Luego b es raz del polinomio, aplicando Ruffini:
ai
ai
Por lo que: P( x ) = ( x b) x
b
a ab
b
0
ab
0
a
0
ai a
ai
0
ai
0
ai x + ai , luego las races del polinomio son b, ai
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
149
1
. Dividimos P1 ( x ) entre P2 ( x ):
3
P1 ( x ) =
3x + 2
P2 ( x ) +
1 3
1
{ P( x ), P1 ( x )} es la secuencia de Sturm, y tenemos:
3
1
1 2
P1 ( x ) = 3x + 2x + = 0 P1 ( x ) = 9 x +
3
3
2
1
1 3
1
1
Pero P
= 0 P( x ) = 9 x +
. Luego para = tenemos que es una raz triple
3
3
3
3
del polinomio P
ii) Si = 0 { P( x ), P1 ( x ), P2 ( x )} es la secuencia de Sturm. Tenemos P2 ( x ) = (1 3) x =
(1 3 0) x = x. Tenemos r1 = 0 es raz de P2 ( x ), adems:
P1 ( x ) = 3x2 + 2x = x (3x + 2), luego r1 = 0 es raz de P1 ( x ). Pero adems:
P( x ) = 9x3 + 9x2 = 9x2 ( x + 1), luego r1 = 0 es raz doble de P( x ) y r2 = 1 es raz simple de
P ( x ).
1
iii)
/ 0,
{ P( x ), P1 ( x ), P2 ( x ), P3 ( x )} es la secuencia de Sturm, con P3 ( x ) = constan3
te, luego en ste caso todas las races de P son simples. Distinguimos 3 casos:
j) Si < 0, obtenemos la siguiente tabla:
x
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
N (x)
0
+
+
+
0
+
+
+
+
3
1
0
RESOLUCIN ECUACIONES
CAPTULO 5
150
N = N () N (0) = 2
N+ = N (0) N (+) = 1
Luego por la regla de signos P tiene dos races positivas y una negativa (recuerda que todas son
simples).
jj) Si 0 < <
1
, tenemos:
3
x
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
N (x)
0
+
+
+
+
+
+
0
+
2
1
1
N = N () N (0) = 1
N+ = N (0) N (+) = 0
Luego por la regla de signos P tiene una raz negativa y las otras son complejas conjugadas.
jjj) Si >
1
, tenemos:
3
x
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
N (x)
0
+
+
+
+
+
+
+
0
+
2
1
1
N = N () N (0) = 1
N+ = N (0) N (+) = 0
Luego por la regla de signos P tiene una raz negativa y las otras son complejas conjugadas.
1
b) Si = 3 >
Luego por jjj) del apartado a) tenemos que P tiene una raz negativa y 2
3
complejas conjugadas.
P( x ) = 9x3 + 9x2 + 9 3x + 3
Notar que 2 de los coeficientes de P son irracionales, luego no podemos aplicar los anteriores
mtodos de separacin de races.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
0 ( x ) = 9 3x2 + 2x + 3 > 0,
P00 ( x ) = 18 (3x + 1) =
151
xR
< 0,
= 0,
> 0,
1
3
1
x=
3
1
x>
3
x<
1
1
0
00
Como P
< 0 < P(0) y P ( x ) > 0 y P ( x ) > 0, x , 0 la sucesin del mtodo de
6
6
Newton converge de forma cuadrtica a la raz negativa de P con valor inicial x0 = 0.
P1 ( x ) =
P0 ( x )
= 5x4 2x3 12x2 + 4x + 4
2
Dividimos P( x ) entre P1 ( x ) :
P( x ) =
2x
5
25
P1 ( x ) +
2 2
+ 40 x3 + 24x2 + 2 2 + 40 x 48
25
RESOLUCIN ECUACIONES
CAPTULO 5
P1 ( x ) =
2 20 2
5
x
+
2
2 + 40
( 2 + 40)
!
P2 ( x ) + 50
152
4 16 2 + 64
( 2 + 40)
2 x2
As pues, tenemos:
P3 ( x ) = x2 2
Dividimos P2 ( x ) entre P3 ( x ) :
P2 ( x ) =
2 + 40 x 24 P3 ( x )
2
2
2
/2
2 2
2 2
2 2
4 2
2 2
2 2
2 2
4 2
4 2
8 2
4 2 2
4 + 2
2
0
4 2 2
4 2 + 2
4 2 4
2
2
0
8 + 2 2
2 2
2 2
0
4
4
0
Factorizamos el polinomio P( x ) :
P ( x ) = 2 x 2 2 x + 2 2 x
2
Luego tenemos como races de P( x ) : 2 , ambas son races dobles y , que es raz simple.
2
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
153
P( x )
P( x )
Por el mtodo de Descartes sabemos que no hay races negativas y puede tener 1 3 races positivas. Acotemos las races:
1
, 1, 50
2
= 50 1 + = 51
= max
1
1
=
1+
101
1
zC :
< |z| < 51
101
Esta acotacin nos da muy poca informacin porque el tamao de la corona es demasiado grande.
No tiene races enteras porque
P(1) = 97 6= 0. Como a5 = 2, el nico candidato a raz racional
1
1
es 2 , que no lo es porque P
6= 0. Luego las races son o irracionales o complejas, pero al ser
2
de grado 5 (impar) podemos asegurar que existe al menos una raz irracional positiva. Realicemos
la separacin de races.
P0 ( x ) = 10x4 200x + 2 = P1 ( x )
Antes de empezar a hacer las divisiones polinomiales, como van a ser muy engorrosas hacerlas
a mano las vamos a hacer con el comando deconv de Octave. Lo que debes saber es que todo
polinomio lo podemos expresar como el producto matricial de una matriz fila formada por los
RESOLUCIN ECUACIONES
CAPTULO 5
154
coeficientes del polinomio y una matriz columna con sus correspondientes monomios de la incgnita. Por ejemplo, para P( x ) lo podemos expresar como:
x5
4
x
x3
1
x2
x
1
P( x ) = 2x5 100x2 + 2x 1 = 2
100 2
Para el comando deconv slo necesitamos el de los coeficientes. Luego en nuestro caso, para obtener la secuencia de Sturm ejecutamos los siguientes comandos en Octave:
1
2
3
P( x )
= 2x5 100x2 + 2x 1
P1 ( x )
= 10x4 200x + 2
P2 ( x )
= 60x2 1.6x + 1
P3 ( x )
= 200.0087x 2.0027
P4 ( x )
= 0.98999
Ahora montamos la tabla de signos sin considerar porque ya sabemos que no hay races
negativas:
x
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
N (x)
0
+
+
+
+
+
2
1
Luego N+ = N (0) N (+) = 2 1 = 1. Por tanto, slo hay una raz racional positiva simple,
las otras 4 son complejas conjugadas simples o dobles. Debemos encontrar un intervalo lo ms
pequeo posible en el que se encuentre la raz real que buscamos. Lo ms sencillo es dibujar su
grfica y ver que podemos establecer como intervalo el ]3, 4[. Aplicando el mtodo de Newton
con x0 = 4 obtenemos como raz aproximada 1 = 3.67825295048808. Con esto terminamos el
problema.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
155
1
1
1
1
1
1
1
0
1
1
1
2
1
1
1
0
1
0
1
1
0
2
2
1
1
0
1
1
1
0
0
0
2
2
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2
0
2
0
2
0
2
0
2
0
2
2
1
1
0
1
2
1
1
1
0
2
1
1
0
1
2
1
1
1
0
2
1
1
0
1
2
1
1
1
0
1
0
1
0
1
2
1
1
0
1
1
0
1
1
1
0
1
0
1
1
0
1
1
0
RESOLUCIN ECUACIONES
CAPTULO 5
156
calcular son complejas. La cosa se nos complica bastante. Fjate que todos los grados de Q( x ) son
pares y van de 2 en 2, por tanto; vamos a realizar el siguiente cambio de variable:
t = x2
De esa forma obtenemos un nuevo polinomio de grado 4 que es con el que vamos a trabajar.
Posteriormente, para saber cules son las races de Q( x ) tendremos que deshacer el cambio de
variable.
R ( t ) : = t4 + t3 + t2 + t + 1
Este polinomio no es bicuadrado, luego no podemos aplicarle el tpico cambio de variable para
resolver su ecuacin algebraica. Una forma de hacerlo es introduciendo una raz de forma que
podamos convertir el polinomio a la forma t5 + a = 0, el cual podemos resolver. Fjate:
= t5 + a
( t + a ) t4 + t3 + t2 + t + 1
t5 + t4 + t3 + t2 + t + at4 + at3 + at2 + at + a
= t5 + a
t5 + (1 + a ) t4 + (1 + a ) t3 + (1 + a ) t2 + (1 + a ) t + a
= t5 + a
1 + a = 0 = a = 1
1. Es decir, hemos de
zk = r arg (z) + 2k = 1 2k ; 0 k 4
5
5
Y obtenemos las siguientes races:
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
z0
= 10 = 1
z1
= 1 2
5
= 1 4
5
= 1 6
5
= 1 8
5
z2
z3
z4
157
t1
t2
t3
t4
= 1 2
5
= 1 4
5
= 1 6
5
= 1 8
5
Fjate que z0 = 1 no es raz de R(t) , ya que es la que hemos introducido de forma ficticia para
poder hallar de forma algebraica las races de R(t) .
Nos queda deshacer el cambio de variable para poder saber cules son las 8 races complejas
simples de Q( x ) = x8 + x6 + x4 + x2 + 1. Tenemos:
t = x2 = x = t
Sustituyendo de 1 en 1 tenemos, k = 0, 1:
Notar que 1 = 1 , y que (r ) r 0 = (r r 0 )+
RESOLUCIN ECUACIONES
CAPTULO 5
1/2
x1,2
1 2
1/2
x3,4
1 4
1/2
x5,6
1 6
1/2
x7,8
1 8
158
1
=
1 , 1 6
+k
5
5
5
1
=
+k
1 1
= 1
= 1 6 , 1 11 = 1 6 , 1
5
+k
+k
5
5
5
5
5
1
=
1
,
1
2
7
+k
5
5
5
1 2
=
+k
5
1 1
= 1
= 1 7 , 1 12 = 1 7 , 1 2
2
7
+k
+k
5
5
5
5
5
5
1
=
1
,
1
3
3 8
+k
5
5
5
1 3
=
+k
5
1 1
= 1
= 1 8 , 1 13 = 1 8 , 1 3
3
8
+k
+k
5
5
5
5
5
5
1
=
1
,
1
4
4 9
+k
5
5
5
1 4
=
+k
5
= 1
= 1 9 , 1 14 = 1 9 , 1 4
1 1
4
9
+k
+k
5
5
5
5
5
5
1 , 1 6 , 1 2 , 1 7 , 1 3 , 1 8 , 1 4 , 1 9
5
Como las races de Q( x ) lo son tambin de P( x ) , tenemos que las races de P( x ) son:
1, 1 , 1 6 , 1 2 , 1 7 , 1 3 , 1 8 , 1 4 , 1 9
5
5
5
5
5
5
5
5
Todas las races complejas conjugadas son simples, 1 es triple y -1 es doble. Con esto ya hemos
calculado todas las races de P( x ) porque la suma de todas las multiplicidades nos da 13, que es
el grado de nuestro polinomio P( x ).
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
159
Resolucin
a) P( x ) := x5 x4 + x3 x2 + 1
= 1 1+ = 2
=1
Por tanto, tenemos: C =
zC :
1
< |z| < 2
2
1
1
=
1+
2
5
,
= max
1
1
=
1+
1
27
1+
2
3
,
1
4
,
1
7
,
1
2
1 = 27 1 + = 28
1 5 27 3 4
,
,
,
,
,
= max
2 2 2 2 2
1 5 27 3
7
27
= max
, , , , 2,
=
= 13.5
2 2 2 2
2
2
27
1 ,
2
29
Por tanto, tenemos: C =
zC :
RESOLUCIN ECUACIONES
2
< |z| < 28
29
7
2 =
CAPTULO 5
160
divide(x^5-3*x^4+2*x^3-3*x^2+4*x+1,5*x^4-12*x^3+6*x^2-6*x+4,x);
(%o1)
(%i2)
divide(5*x^4-12*x^3+6*x^2-6*x+4,(16*x^3+27*x^2-62*x-37)/25,x);
(%o2)
(%i3)
divide((16*x^3+27*x^2-62*x-37)/25,(-15325*x^2+18850*x+11075)/(256),x);
(%o3)
(%i4)
divide((-15325*x^2+18850*x+11075)/(256),(-2622976*x+1227008)/(9394225),x);
(%o4)
5x3
16 x3 + 27 x2 62 x 37
,
]
25
25
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
161
P( x ), P1 ( x ),
16 3 27 2 62
37
15325 2 18850
11075
2622976
1227008
x + x x ,
x +
x+
,
x+
, 1
25
25
25
25
256
256
256
9394225
9394225
x
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
P5 ( x )
N (x)
0
+
+
+
+
+
+
+
-
+
+
-
4
3
1
Tenemos pues:
N = N () N (0) = 4 3 = 1
N+ = N (0) N (+) = 3 1 = 2
Luego obtenemos que nuestro polinomio tiene 1 raz negativa y 2 races positivas, las 3 son simples porque P5 ( x ) = 1 es constante. Adems, tiene 2 races complejas conjugadas simples. Nos
falta determinar los intervalos de longitud 1 para cada una de las 3 races reales (irracionales).
= max {3, 2, 3, 4, 1} = 4 1 + = 5
Por tanto, tomamos como intervalo de partida:
[1 , 1 + ] = [5, 5]
Como slo hay 1 raz negativa, sabemos que estar en [5,0], y las 2 positivas en [0, 5]. Y ahora
vamos a hacerlo fcil, te puedes ayudar dibujando la grfica del polinomio:
P (1) P(0) < 0 [1, 0] es nuestro intervalo de longitud 1 en el que se encuentra la raz
negativa (Teorema Bolzano).
P(1) P(2) < 0 P(2) P(3) < 0 [1, 2] y [2, 3] son los 2 intervalos de longitud 1 en los que se
encuentran las positivas (Teorema Bolzano).
b) P( x ) := x5 x4 + x3 x2 + 1
P ( x ) = x5 x4 x3 x2 + 1
Tenemos que P( x ) tiene 4 cambios de signo y que P ( x ) tiene un cambio de signo, luego nuestro
polinomio tiene una raz negativa y puede tener 0,2 4 races positivas.
Como a0 = a5 = 1 y P (1) 6= 0, P (1) 6= 0, podemos asegurar que sus races son irracionales o
complejas.
RESOLUCIN ECUACIONES
CAPTULO 5
162
divide(x^5-x^4+x^3-x^2+1,5*x^4-4*x^3-2*x,x);
(%o6)
(%i7)
divide(5*x^4-4*x^3-2*x,-21*x^3+15*x^2+2*x-25,x);
(%o7)
(%i8)
divide(-21*x^3+15*x^2+2*x-25,-x^2+47*x-3,x);
(%o8)
(%i9)
divide(-x^2+47*x-3,931*x-59,x);
(%o9)
5 x 1 21 x3 15 x2 2 x + 25
,
]
25
25
35 x 3 25 x2 1175 x + 75
,
]
147
147
931 x 43698
22101
,
]
866761
866761
P( x )
P1 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
P5 ( x )
N (x)
0
+
+
+
+
0
+
+
-
+
+
+
3
2
2
N = N () N (0) = 3 2 = 1
N+ = N (0) N (+) = 2 2 = 0
Luego tenemos que nuestro polinomio slo tiene una raz negativa y 4 races complejas conjugadas, todas ellas simples. Aplicando el Teorema de Bolzano:
P (1) P (0) = 3 < 0 [1, 0] es un intervalo de longitud 1 en el que se encuentra la raz
negativa.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
163
17 79 269 34 24
269
269
, ,
, ,
=
1+ = 1+
= 54.8
5 5 5 5 5
5
5
5 17 79 269 34
269
1
1
max
, , ,
,
=
=
0.082
269
24 24 24 24 24
24
1+
1+
24
= max
1
2
3
4
6
8
12
24
, , , , , , ,
5
5
5
5
5
5
5
5
2
2
= 0, las dems no se anulan, luego 2 = es la nica raz racional del
5
5
polinomio. Vamos a aplicar Ruffini con las 3 races para obtener un polinomio de grado 2 cuyas
races van a ser tambin de P( x ), es decir; vamos a aplicar la deflacin.
De todas ellas slo P
RESOLUCIN ECUACIONES
CAPTULO 5
4
2/5
164
17 79 269 34 24
20 148 276 28
24
37 69
7
6
0
2
14
22
6
35 55
15
0
15 60 15
20 5
0
Factorizamos P( x ) :
2
P( x ) = 25 ( x + 4) x
5
( x 3) x2 4x 1
Q( x ) = x 4x 1 = 0 x =
20
42 5
=
= 2 5
2
Luego hemos obtenido todas las races de P( x ) de forma exacta. Si queremos obtener valores
aproximados de las irracionales, tan slo hemos de aplicarles el mtodo de Newton.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 5
165
1 5
1 0
0 5
13 10
3
10
10
0
2
5
3
Factorizamos: P( x ) = ( x + 1) x4 + 5x2 3x 10
Trabajamos pues con Q( x ) = x4 + 5x2 3x 10. Se tiene que a4 = 1, luego no tiene races
racionales, en consecuencia, tampoco P( x ) tiene races racionales. Pero cuidado, porque podemos
considerar que 1 = 11 , de esa forma vemos que -1 es una raz racional negativa.
Averigemos la secuencia de Sturm de Q( x )
Q0 ( x ) = 4x3 + 10x 3 = Q1 ( x)
(%i33) divide(x^4+5*x^2-3*x-10,4*x^3+10*x-3,x);
x 10 x2 9 x 40
]
(%o33) [ ,
4
4
(%i34) divide(4*x^3+10*x-3,-10*x^2+9*x+40,x);
(%o34) [
10 x + 9 731 x + 285
,
]
25
25
(%i35) divide(-10*x^2+9*x+40,-731*x-285,x);
(%o35) [
Q( x )
Q1 ( x )
Q2 ( x )
Q3 ( x )
Q4 ( x )
N (x)
0
+
+
+
+
-
+
-
3
2
1
N = N () N (0) = 3 2 = 1
N+ = N (0) N (+) = 2 1 = 1
RESOLUCIN ECUACIONES
CAPTULO 5
166
Luego nuestro polinomio Q( x ) tiene 1 raz negativa, 1 raz positiva y 2 complejas conjugadas,
porque al ser Q4 ( x ) constante sabemos que todas las races de Q( x ) son simples. Como sabemos
que P( x ) tiene una raz negativa, y uniendo la informacin que hemos obtenido con Q( x ) concluimos: P( x ) tiene 1 raz real positiva, 2 races reales negativas y 2 races complejas conjugadas,
todas ellas simples.
RESOLUCIN ECUACIONES
6
6.1
CLCULO DE RACES
COMPLEJAS
Mtodo De Mller
6.1.1. Introduccin
El mtodo de Mller es el primer mtodo que se estudia para aproximar races complejas, se
usa para funciones polinmicas, y aproxima tanto races complejas como reales. El mtodo se
inicia con 3 aproximaciones iniciales: x0 , x1 , x2 , lo suficientemente cercanas a la raz que se desea
aproximar. Al ser 3 valores iniciales lo que hacemos es calcular la parbola que pasa por las 3
como segundo paso. Consideremos que queremos calcular las races de
f ( x ) = a n x n + a n 1 x n 1 + . . . + a 1 x + a 0
La parbola a calcular es de la siguiente forma general:
P ( x ) = a ( x x2 ) + b ( x x2 ) + c
Dichan parbola es un polinomio
de grado 2 centrado en x2 , es decir; se considera como base
o
B = 1, x x2 , ( x x2 )2 , en detrimento de la base cannica B 0 = 1, x, x2 .
Para saber cul es debemos calcular a, b, c, que los podemos determinar gracias a que la parbola
debe pasar por los puntos: ( x0 , f ( x0 )) , ( x1 , f ( x1 )) , y ( x2 , f ( x2 )). Si sustituimos los 3 puntos en
P( x ) obtenemos el siguiente sistema no lineal a resolver:
f ( x0 ) =
a ( x0 x2 ) + b ( x0 x2 ) + c
f ( x1 ) =
a ( x1 x2 ) + b ( x1 x2 ) + c
f ( x2 ) =
De la tercera ecuacin del sistema ya tenemos determinada c, por sustitucin y con un poco de
paciencia tenemos:
167
CAPTULO 6
a=
b=
168
[ f ( x0 ) f ( x2 )] ( x1 x2 ) [ f ( x1 ) f ( x2 )] ( x0 x2 )
( x0 x1 ) ( x0 x2 ) ( x1 x2 )
( x0 x2 )2 [ f ( x1 ) f ( x2 )] ( x1 x2 )2 [ f ( x0 ) f ( x2 )]
( x0 x1 ) ( x0 x2 ) ( x1 x2 )
c = f ( x2 )
Una vez calculado el polinomio P( x ), debemos calcular la primera aproximacin a la raz a buscar, eso lo hacemos calculando el punto ( x3 , 0), lo que es equivalente a calcular las races del
polinomio, es decir;
P ( x3 ) = a ( x3 x2 )2 + b ( x3 x2 )2 + c = 0
Las soluciones son:
x3 x2 =
b2 4ac
2a
b + b2 4ac b b2 4ac
b2 b2 + 4ac
2c
=
x3 x2 =
=
b + b2 4ac
2a b b2 4ac
2a b b2 4ac
Considerando las 2 opciones de ms y menos, tenemos:
x3 x2 =
2c
b b2 4ac
x3 = x2
2c
b + signo (b)
b2 4ac
Eso sera la obtencin de nuestra primera aproximacin de la raz, para obtener las siguientes
iteraciones es suficiente hacer x0 = x1 , x1 = x2 , x2 = x3 . Aadiendo las pertinentes condiciones
de parada tenemos ya el mtodo totalmente desglosado.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 6
169
function [] = mullergrafico(f)
x0 = 0.5;
x1 = -0.5;
x2 = 0;
x = -3:0.1:3;
6
7
8
9
10
11
12
13
14
fx = inline(f);
color = ['r','c','g','m'];
clf();
hold on;
for i=1:4
fx0 = feval(fx,x0);
fx1 = feval(fx,x1);
fx2 = feval(fx,x2);
15
16
17
18
delta1 = fx0-fx2;
delta2 = fx1-fx2;
delta3 = (x0-x1)*(x0-x2)*(x1-x2);
19
20
21
22
a = (delta1*(x1-x2)-delta2*(x0-x2))/delta3;
b = (delta2*(x0-x2)^2-delta1*(x1-x2)^2)/delta3;
c = fx2;
23
24
P = a*(x-x2).^2+b*(x-x2).^2+c;
25
26
plot(x,P,color(i))
27
28
x3 = x2 - (2*c)/(b+sign(b)*sqrt(b^2-4*a*c))
29
30
31
32
33
34
35
fplot(fx,[-1.5,1.5],'b','linewidth=3')
legend({'P1(x)','P2(x)','P3(x)','P4(x)','f(x)'});
36
37
38
legend boxon;
set (gca, 'xaxislocation', 'zero');
RESOLUCIN ECUACIONES
CAPTULO 6
39
40
41
42
43
44
45
170
46
end
mullergrafico.m
Con dicho cdigo dibujamos la funcin polinmica y las 4 parbolas que nos salen al iterar el
mtodo 4 veces, se puede ver en la siguiente figura:
P1 ( x )
P2 ( x )
P3 ( x )
P4 ( x )
f (x)
1,000
47
500
2
y
mullergrafico('16*x.^4-40*x.^3+5*x.^2+20*x+6')
x3 = -0.55556 + 0.59835i
x3 = -0.22806 + 0.11688i
x3 = -0.29146 + 0.19761i
x3 = -0.36873 + 0.19696i
Una cosa importante es que cuando la raz aproximada es una raz compleja sabemos que sin
aplicar el mtodo conocemos que otra de las races aproximadas es su raz conjugada, esto se
debe gracias al Teorema Fundamental del Algebra.
Como vemos en la figura el punto donde se cortan aproximadamente las 4 parbolas es la aproximacin de la raz. Aunque estamos representando en el plano real sabemos que todo nmero
complejo lo podemos representar en dicho plano real identificando su parte real como la abscisa
y su parte imaginaria como la ordenada.
RESOLUCIN ECUACIONES
ECUACIONES
CAPTULO 6
171
17
18
fx = inline(f);
19
20
21
h1=p1-p0;
h2=p2-p1;
22
23
24
25
26
27
d1=(feval(fx,p1)-feval(fx,p0))/h1;
d2=(feval(fx,p2)-feval(fx,p1))/h2;
d=(d2-d1)/(h2+h1);
count=3;
h=1;
28
29
30
31
32
33
34
35
RESOLUCIN ECUACIONES
CAPTULO 6
172
end
h=-2*feval(fx,p2)/E;
sol=p2+h;
36
37
38
39
if abs(h)>tol
p0=p1;
p1=p2;
p2=sol;
h1=p1-p0;
h2=p2-p1;
d1=(feval(fx,p1)-feval(fx,p0))/h1;
d2=(feval(fx,p2)-feval(fx,p1))/h2;
d=(d2-d1)/(h2+h1);
count++;
end
40
41
42
43
44
45
46
47
48
49
50
end
printf ('La solucion es %s.\nY su solucion conjugada es %s\nSe ha alcanzado en %d
iteraciones.\n',num2str(sol),num2str(conj(sol)),count);
51
52
53
end
muller.m
RESOLUCIN ECUACIONES
Bibliografa
[1] Richard L Burden and J Douglas Faires. Anlisis numrico, chapter 2, pages 7488. Cengage
Learning Brooks Cole, 3 edition, 1996. ISBN 9789706861344.
[2] Alicia Cordero Barbero, Jos Luis Hueso Pagoaga, Eulalia Martnez Molada, and Juan Ramn Torregrosa Snchez. Problemas Resueltos De Mtodos Numricos, chapter 2, pages 3769.
Editorial Paraninfo, 1 edition, 2006. ISBN 84-9732-409-9. URL www.paraninfo.es.
[3] Juan Antonio Infante Del Ro and Jose Mara Rey Cabezas. Mtodos Numricos Teora, problemas
y prcticas con MATLAB, chapter 10, pages 435483. Ediciones Pirmide, 3 edition, 2007. ISBN
978-84-368-2090-4.
[4] Juan Miguel Snchez and Antonio Souto. Problemas de clculo numrico para ingenieros con
aplicaciones Matlab, chapter 1, pages 260. Schaum, 1 edition, 2005. ISBN 84-481-2951-2.
[5] Wikipedia.
Root finding algorithms, 2013.
Category:Root-finding_algorithms.
URL https://en.wikipedia.org/wiki/
173