You are on page 1of 18

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

FACULTAD DE INGENIERIA

ESCUELA ACADEMICO PROFESIONAL DE INGENIERÌA CIVIL

ASIGNATURA: METODOS NUMERICOS Y PROGRAMACION


TEMA: ECUACIONES NO LINIALES

DOCENTE: ING. MAGALY ARANGUENA YLLANES


INTEGRANTES: CODIGO

 PACCA MERMA, MAXIMO 142372


 PAUCCA LAIME, EDGAR 142386
 SANCHEZ VERA EDDY 151298

Abancay-Apurímac 2018

1
INDICE

Introducción ................................................................................................. 3
1. Métodos cerrados .................................................................................... 4
1.1. Método de la bisección .................................................................................... 4
2. Métodos abiertos ..................................................................................... 8
2.1. Método de punto fijo ........................................................................................ 8
2.2. Método de Newton-Raphson ......................................................................... 11
2.3. Método de Muller ............................................................................................ 13
Conclusiones .............................................................................................. 16
Bibliografía................................................................................................. 17

2
Introducción

Estos métodos nos permitirán encontrar soluciones de una ecuación no lineal.


Los sistemas no lineales, aunque tengan el mismo número de incógnitas que de
ecuaciones lineales, desde un punto de vista matemático, pueden admitir una, ninguna o
varias soluciones. El elegir entre ellas las que sirven a la aplicación concreta que
motivo´ el sistema de ecuaciones debe hacerse en función de los criterios físicos,
químicos y técnicos que regulen el problema en cuestión (por ejemplo, aunque
matemáticamente puedan tener sentido, químicamente serıan inadmisibles fracciones
molares negativas o superiores a 1 de una especie química).
La solución no podrá ser encontrada mediante un número finito de operaciones. En
este sentido, los métodos de resolución de sistemas de ecuaciones no lineales serán
métodos de tipo iterativo mediante los cuales se construirá una sucesión de vectores
que, en los casos en que el método funcione, se irán aproximando hacia uno de los
vectores solución del sistema no lineal.

Conviene por último que el lector tome conciencia desde el primer momento de un
hecho relativo a los métodos de resolución de sistemas de ecuaciones no lineales: no
existe un método universal de resolución de sistemas de ecuaciones no lineales.
Algunos de ellos funcionaran sobre ciertos sistemas y no servirán para resolver otros.
Los métodos que presenten un buen comportamiento sobre algunos sistemas pueden no
ser los mejores para resolver otros sistemas diferentes. Más bien abría decir que cada
sistema no lineal requerirá su método de resolución idóneo.

3
1. Métodos cerrados

1.1. Método de la bisección

Motivación: ¿Cuál es la raíz de la ecuación sin(x)+2x-1=0?

Objetivo del método: Calcular de forma aproximada las raíces de la ecuaciones f(x)=0.

Introducción: Este es uno de los métodos más sencillos y de fácil intuición para
resolver ecuaciones en una variable. La función del método de bisección es encontrar la
raíz de una ecuación y consiste en elegir un intervalo y luego ir dividiendo ese intervalo
en mitades hasta dar con la raíz.

Definición: el método de la bisección, conocido también como de corte binario, de


partición de intervalos o de Bolzano, es un tipo de búsqueda incremental en el que el
intervalo se divide siempre a la mitad. De esta forma, se asegura la existencia de al
menos una solución de la ecuación f(a)=0.

El método de Bisección, está basado en el teorema de Bolzano o teorema del valor


intermedio (TVI).

4
Teorema del valor intermedio:

Si una función f(x) es continua en un intervalo cerrado [a,b] y f(a) y f(b) son de distinto
signo, existe por lo menos un punto entre a y b para el cual f(c)=0.

 f(x) continua en [a,b], f(a)*f(b)<0

 Existe c perteneciente a (a,b)/f(c)=0

En otras palabras, c es una solución de la ecuación f(x)=0.

Características del método:

 Si el proceso se repite n veces, tenemos (𝐶𝑛 )∞ 𝑛=1 una sucesión de números


reales y además:

lim 𝐶𝑛 = 𝑟𝑎𝑖𝑧
𝑛→∞

 A mayor número de iteraciones mejor es la aproximación.

 Criterios deparada:

 Fijando un número de iteraciones máximas.

 Fijando una cota de error permitido:

Error en la iteración n-esima:

5
Pasos:

Se pretende resolver la ecuación f(x)=0, en un intervalo [a,b] del que se sabe que
f(a)*f(b)<0, teniendo en cuenta que la función es continua.

PASO1: Elija valores iniciales inferior 𝑋𝑙 , y superior de 𝑋𝑈 , que encierren a la raíz, de


forma que la función cambie el signo en el intervalo. Esto se verifica comprobando que:
f(𝑋𝑙 ) f(𝑋𝑈 )<0.

𝑋𝑙 +𝑋𝑈
PASO2: Una aproximación de la raíz 𝑋𝑟 , se determina mediante: 𝑋𝑟 = .
2

PASO3: Realice las siguientes evaluaciones para determinar en qué sub-intervalo ésta
la raíz:

a) Si f(𝑋𝑙 )*f(𝑋𝑟 )<0, entonces la raíz se encuentra dentro del sub-intervalo inferior o
izquierdo. Por tanto, haga 𝑋𝑈 = 𝑋𝑟 y vuelva al paso 2.

b) Si f(Xl ) f(Xr )>0, entonces la raíz se encuentra dentro del sub-intervalo superior o
derecho. Por tanto, haga 𝑋𝑙 = 𝑋𝑟 y vuelva al paso 2.

c) Si f(𝑋𝑙 ) f(𝑋𝑟 ) =0, entonces la raíz es igual a 𝑋𝑟 ;termina el cálculo.

Algoritmo de bisección:

Se extiende para incluir verificación del error. El algoritmo emplea funciones definidas
por el usuario para volver más eficiente la localización de las raíces y la evaluación de
las funciones. Además, se le pone un límite superior al número de iteraciones. Por
último, se incluye la verificación de errores para evitar la división entre cero durante la
evaluación del error. Este podría ser el caso cuando el intervalo está centrado en cero.
En dicha situación la ecuación tiende al infinito. Si esto ocurre, el programa saltara la
evaluación de error en esa iteración.

Error cometido

La naturaleza “desigual” del error verdadero se debe a que, en el método de la


bisección, la raíz exacta se encuentra en cualquier lugar dentro del intervalo cerrado.
Los errores verdadero y aproximado quedan distantes cuando el intervalo esta está
centrado sobre la raíz verdadera.

Para estudiar el error cometido, notaremos por r a la raíz de la ecuación f(x)=0, y por r’a
la aproximación que obtenemos de r.

6
Entonces el error cometido viene dado por: E=|r’-r|

Observamos que las distintas aproximaciones a la raíz r que vamos obteniendo son lo
valores de 𝐶𝑛 .

b−a
Notaremos por en < 2n+1 y despejando n tenemos;

log(b−a)−log(ε)
n≥ log(2)

Así una vez que tengamos el error máximo que debemos cometer (𝜀), hallamos la
expresión de la derecha y hallamos el valor mínimo de n que tenemos que calcular, de
esta forma hallamos la aproximación a la raíz con el error resultante menor que la cota
dada.

Ventajas

𝑏−𝑎
 El error 𝜀 = |𝛼 − 𝑋𝑛 |, se acota fácilmente ya que |𝛼 − 𝑋𝑛 | ≤ , previendo la
2𝑛

cantidad de iteraciones necesarias,

𝑙𝑜𝑔(𝑏−𝑎)−𝑙𝑜𝑔(𝜀)
𝑛≥ 𝑙𝑜𝑔(2)

 convergencia segura.

 Es útil para acotar el intervalo en que se encuentra la raíz.

Desventajas

 no tiene en cuenta la magnitud de los valores de la función en las


aproximaciones calculadas, solo tiene en cuenta el signo de f(𝑋𝑛 ), lo que hace
que buenas aproximaciones intermedias pasen desapercibidas.

 su convergencia es muy lenta.

7
2. Métodos abiertos

2.1. Método de punto fijo

El método de punto fijo o de aproximaciones sucesivas es, junto con el de Bisección,


uno de los primeros métodos que se utilizaron para resolver ecuaciones algebraicas y
trascendentes. No obstante que en la actualidad existen otros métodos más eficientes, el
de punto fijo se considera el más simple en sus principios y en él se pueden apreciar
claramente todas las características de un método de aproximaciones sucesivas. (Pérez
López c)

Sea f: R→R. Dada la ecuación f(x)=0, encuentre tal r tal que f(r)=0

Existencia de una raíz real con el método del punto fijo

Suponer que la ecuación f(x)=0 se sustituye x=g(x). suponer además que g es una
función continua en un intervalo [a, b] y que g(a)>a y g(b)<b como se muestra en el
siguiente grafico.

Sea h(x)=g(x)-x una función, también continua, en el intervalo [a,] entonces

H(a)=g(a)-a>0

H(b)=g(b)-b<0

Por la continuidad de h, (teorema de Bolzano), existen algún valor r en el intervalo


[a, b}, en el cual h(r) -r =0. Por lo tanto, g(r)=r→f(r)=0, y r es una raíz real de f(x)=0

8
Algoritmo del punto fijo

La ecuación x=g(x) se usa para construir una formula iterativa 𝑥𝐼+1=g(𝑥𝐼 ),


i=0,1,2,3,…. siendo 𝑥0 el valor inicial, elegido con algún criterio. El la formula se usa
un índice para numerar loas valores calculados.

Con la formula iterativa se obtiene una sucesión de valores x esperando que tiene a
una valor que satisfaga la ecuación x=g(x) lo cual implica que la ecuación f(x)=0
también se satisface.

1) Elegir un valor inicial 𝑥0


2) Generar la sucesión de valores con la formula iterativa: 𝑥𝐼+1 =g(𝑥𝐼 ),
i=0,1,2,3,….
3) Se el método converge, la sucesión 𝑥𝐼 tendera hacia un valor fijo que satisface
la ecuación x=g(x)
Ejemplo

Convergencia del método del punto fijo

para el método del punto fijo

f(x)=0, x=g(x) (ecuacion equivalente)

si r es una raíz se debe cumplir

r=g(r) ↔f(r)=0 (se satisfacen con la misma raíz)

formula iterativa

𝑥𝐼+1 =g (𝑥𝐼 ), i=0,1,2,3,….

Definición

𝐸𝐼 =r-𝑥𝐼 : error de la iteración i

𝐸𝐼+1 =r-𝑥𝐼+1 : error en la iteración i+1

Suponer que g es continua en el intervalo que incluye a r y a cada punto calculado 𝑥𝐼 .

9
Por el teorema del valor medio:

𝑔(𝑥𝐼 )−𝑔(𝑟)
G’(z)= , para z 𝜀 (r, 𝑥𝐼 )
𝑥𝐼 −𝑟

Sustituyendo las definiciones anteriores


𝑥𝐼+1 −𝑟 𝐸𝐼+1
G´(z) = = 𝐸𝐼+1 =g´(z) 𝐸𝐼 , i=1,2,3,….
𝑥𝐼 −𝑟 𝐸𝐼

Este resultado indica que si en cada iteración, la magnitud de g’() se mantiene menor
que uno,

Entonces 𝐸𝐼+1 →0 y por o tanto, r-𝑥𝐼+1 →o 𝑥𝐼+1 →r (el método converge).

Se puede extender a los casos en los cuales g tiene pendiente negativa y deducir en
general la condición d convergencia del método del punto fijo Ig´(x)I <1,

Si g(x)es simple, se puede construir el intervalo en el cual a formula converge:

Ejemplo

Encuentre el intervalo de convergencia

F(x)=𝑒 𝑥 -𝜋x =0

X =g(x)= 𝑒 𝑥 /𝜋 x< ln(𝜋)

Condiciones de convergencia (-∞,ln(𝜋))

Con lo que se construye que la segunda raíz no se puede calcular con esta formula

10
Eficiencia de del método del punto fijo

El método del punto fijo tiene convergencia lineal o de primer orden debido a que 𝐸𝐼 y
𝐸𝐼+1 estan relacionadas directamente mediante el factor de convergencia : 𝐸𝐼+1 =g´(z) 𝐸𝐼 ,
por lo tanto este método tiene convergencia lineal 𝐸𝐼+1 =O(𝐸𝐼 ) y g´(z) es el factor de
convergencia. Si su magnitud permanece mayor a 1, el método no converge (Luis
rodrigues Ojeda MSc)

2.2. Método de Newton-Raphson

Este método es uno de los más utilizados para localizar raíces ya que en general es
muy eficiente y siempre converge para una función polinomial. Se requiere que las
funciones sean diferenciables, y por tanto, continuas, para poder aplicar este método.

Se debe partir de un valor inicial para la raíz: xi , este puede ser cualquier valor, el
método convergirá a la raíz más cercana.
Si se extiende una tangente desde el punto , el punto donde esta tangente
cruza al eje x representa una aproximación mejorada de la raíz. (Caiza, 2015)

La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una


recta.

Pendiente de una recta:


𝑓(𝑥2 ) − 𝑓(𝑥1 ) 𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 0 − 𝑓(𝑥𝑖 )
𝑚= = =
𝑥2 − 𝑥1 𝑥𝑖+1 − 𝑥1 𝑥𝑖+1 − 𝑥1
𝑚(𝑥𝑖+1 − 𝑥1 ) = −𝑓(𝑥𝑖 )

11
𝑓(𝑥𝑖 )
𝑥𝑖+1 − 𝑥𝑖 =
𝑚
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − → la cual se conoce como fórmula de Newton-Raphson.
𝑚

Hay que determinar un número máximo de iteraciones


Normalmente esto se hace considerando una “tolerancia” , esto es:

El valor absoluto de la diferencia de la debe ser menor que la tolerancia o el


resultado de alguna fórmula de error debe ser menor que la tolerancia dada.
Una de las fórmulas de error más útiles es la del error relativo porcentual aproximado:

100 %
El método de Newton-Raphson es convergente cuadráticamente, es decir, el error es
aproximadamente al cuadrado del error anterior.
Esto significa que el número de cifras decimales correctos se duplica aproximadamente
en cada interacción.

12
2.3. Método de Muller

Este método fue presentado por primera vez por D.E. Müller en el año 1956, para
encontrar raíces de ecuaciones con raíces múltiples, y consiste en obtener los
coeficientes de la parábola que pasa por tres puntos elegidos. Cuyos coeficientes son
sustituidos en la formula cuadrática para obtener el valor donde la parábola intercepta al
eje X; es decir, la raíz estimada. La aproximación se puede facilitar, si se escribe la
ecuación de la parábola en una forma conveniente.

Una de las mayores ventajas del método de Müller, es que al trabajar con la formula
cuadrática es posible encontrar las raíces reales, tanto como las raíces complejas.

El método de Müller en si es una generalización del método de la secante, el cual


obtiene las raíces, estimando una proyección de una línea recta en el eje x, a través de
dos valores de la función x0 y x1 los cuales determinan la siguiente aproximación
x2 como la intercepción del eje x con la recta que pasa por (x0 ,f(x0 )) y (x1,fx1)).

13
En cambio, en el método de Müller se usa tres aproximaciones iníciales: x0, x1 y x2.
Con la cual procederíamos a determina la siguiente aproximación x3, considerando la
intercepción del eje x con la parábola que pasa por (x0,f(x0)) , (x1,f(x1)) y (x2,f(x2)).

El método consiste en obtener los coeficientes de los tres puntos, sustituirlos en la


fórmula cuadrática y obtener el punto donde la parábola intercepta el eje x. La
aproximación es fácil de escribir, en forma conveniente esta sería:

Se busca esta parábola para intersectar los tres puntos [x0, f(x0)], [x1, f(x1)] y [x2,
f(x2)].
Los coeficientes de la ecuación anterior se evalúan al sustituir uno de esos tres
puntos para dar:

La última ecuación genera que:

De esta forma, se puede tener un sistema de dos ecuaciones con dos incógnitas:

14
Definiéndose de esta forma:

Teniendo como resultado los coeficientes:

Hallando la raíz, se implementar la solución convencional, pero debido al error de


redondeo potencial, se usará una formulación alternativa.

15
Conclusiones

Adquiriendo el procedimiento y fundamentos de sotware para programar, es posible


programar algoritmos numéricos, plantear y resolver problemas numéricos con el
ordenador.
Los métodos numéricos nos permiten resolver ecuaciones no lineales llegando a
soluciones de manera práctica y eficiente.
Entendimos que existen distintos algoritmos para encontrar las raíces o ceros de
f(x) = 0, es decir el valor (o valores) de x talque f(x) = 0, pero ninguno es general; es
decir, no hay un algoritmo que funcione con todas las ecuaciones, ya que cada uno de
ellos tiene sus propias limitaciones o defectos, por lo que se hicimos los estudio d e l o s
pros y los contras de cada método. Todos estos métodos son iterativos, y s e p u e d e n
u s a r p a r a ecuaciones que contienen una o muchas variables.

16
Bibliografía

 Walter Mora F, “Introducción a los Métodos Numéricas” (1ra Edición).


Editorial Independiente.
 Emilio Faro R, “Apuntes de Matemáticas de la Especialidad” (2da Edición).
Vigo España, Septiembre 2002.
 https://arturoguillen90.wordpress.com/interpolacion/muller/
 Pérez López C. MATLAB y sus aplicaciones a las ciencias y la ingeniería,
Pearson Ed.
 Luis Rodríguez Ojeda, MSc. /ecuador 2011.

17
18