You are on page 1of 35

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Tema2
2.
2.1. Introduccin. En la prctica de la ingeniera y ciencias, es muy frecuente l tener que resolver ecuaciones del tipo f(x)=0. En estas ecuaciones se requiere conocer el valor valores que hacen cero la ecuacin. El procedimiento comn a seguir es intentar despejar la variable x. Desafortunadamente, en la mayora de los casos prcticos esto es virtualmente imposible. Sin embargo, la solucin existe y debe ser encontrada. En este capitulo veremos como lograr esto. 2.2. Definiciones y teoremas bsicos Los valores que hacen que una funcin y=f(x) sea 0, se conocen con el nombre de races ceros de la ecuacin. El problema de hallar estos ceros tambin recibe los nombres de: bsqueda de races, bsqueda de ceros, resolucin de ecuaciones, resolucin de ecuaciones no lineales, solucin de ecuaciones no lineales. Para resolver ecuaciones de este tipo existen 3 tipos de mtodos:

Races de Ecuaciones No Lineales

Mtodos Analticos. Mtodos Grficos. Mtodos numricos.

2.2.1. Mtodos Analticos


Estos consisten esencialmente en despejar la variable x en funcin de y. Un ejemplo bastante conocido, es el de la ecuacin cuadrtica.1 En la mayora de los casos prcticos, esto es muy difcil o imposible. Por ejemplo, piensa unos minutos en como despejaras x de la siguiente ecuacin:

ex + x3 = 0
2.2.2. Mtodos Grficos
En estos mtodos lo que se busca es trazar la grfica de y=f(x). Los puntos donde se corte el eje de las x sern las races. Estos mtodos aunque muy generales, tienen sus inconvenientes: La grfica puede ser difcil de elaborar. Es posible que las races estn ubicadas fuera del intervalo grficado. Los valores obtenidos no son muy precisos.2
1 2

Se resuelve por la conocida formula general o del chicharronero. Por qu ? Pgina 2-1

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Por estas razones no son muy recomendables, ms que para hallar valores aproximados.

2.2.3. Mtodos numricos


Los mtodos numricos como se coment en el captulo anterior, generan una sucesin de valores, que se aproxima a la solucin, en este caso a la raz. Estos mtodos son ms generales que los analticos y mucho ms precisos que los mtodos grficos. Por estas razones se emplean ms ampliamente. Para usar estos mtodos, dado que no requieren de trazar la grfica, requerimos conocer de alguna manera por donde la funcin tiene races. Para lograr esto se emplea el siguiente teorema. 2.2.3.1. Teorema del cambio de signo (TCS) Si en un intervalo cerrado [a,b], la funcin f(x) es continua y adems f(a) tiene signo opuesto al de f(b), es decir, existe un cambio de signo (CS), entonces por lo menos existe una raz en [a,b]. El teorema solo nos es til cuando se cumple, ya que en los casos en que no se cumple no podremos asegurar que pasa. Por ejemplo es posible que existan races, aun cuando el teorema no se cumpla. Tambin es posible que exista ms de una raz, cuando se cumple el teorema. Esto se muestra de la figura 1 a la 4.

Pgina 2-2

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

En la figura 1, se puede observar directamente el teorema. En la figura 2 se ve un caso donde el teorema no se cumple y no existen races. La figura 3 muestra un caso donde el teorema se cumple y existe ms de una raz. La figura 4, es un ejemplo donde el teorema no se cumple y sin embargo si hay races. El problema de resolver una ecuacin no lineal es muy antiguo. Por esta razn existe una gran cantidad de mtodos. Inclusive todava hoy en da se siguen buscando mtodos nuevos. A continuacin se expondrn los mtodos ms comunes. 2.3. Mtodo de Biseccin Este mtodo es de los ms antiguos. Tambin se le denomina mtodo de Bolzano, quien fue el primero en proponerlo. Para poder aplicarlo se requieren las siguientes condiciones: Conocer un intervalo [x0,x1] que cumpla el TCS. La raz debe de ser nica. Si se cumple las condiciones anteriores el mtodo funciona. En caso contrario no se puede asegurar nada. El mtodo lo explicaremos grficamente. Consideremos la figura 5.

En esta figura se tiene que y0=f(x0) y y1=f(x1). Primero calculemos el punto medio del intervalo. Este valor esta dado por:

Pgina 2-3

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.


x 0 + x1 2

x2 =

Si evaluamos la funcin en x2 obtendremos y2=f(x2). Consideremos los intervalos [x0,x2] y [x2,x1]. Aplicando el TCS determinamos que la raz se encuentra en el intervalo [x0,x2]. Esto se muestra en la figura 6.

Dado que la raz es nica podemos descartar el intervalo [x2,x1], dado que la raz no esta ah. A continuacin, repetimos el procedimiento considerando el intervalo [x0,x2]. El punto medio esta dado en este caso por:

x3 =

x0 + x2 2

Al evaluar en f(x3) obtenemos y3. Grficamente tenemos en la figura 7

Aplicando el TCS, la raz esta en [x3,x2]. El proceso puede repetirse cuantas veces sea necesario. Podemos notar intuitivamente que se converge a la raz. La pregunta obvia es cundo nos detenemos ? Dado que se trata de un mtodo numrico, tal como vimos en el captulo anterior se tiene que fijar un criterio de convergencia. Por las consideraciones hechas en l capitulo anterior el criterio de convergencia es:

ccn =|

x n xn 1 xn

| Tol

donde : n: numero de iteracin. ccn: Criterio de convergencia basado en el error relativo. xn: Valor de la raz en la iteracin n: xn-1: Valor de la raz en la iteracin n-1. Tol: Tolerancia deseada. , por las consideraciones hechas en l La tolerancia la podemos fijar como Tol = 5x10 capitulo anterior. Dado que es posible que no exista convergencia, tambin se fija un tope al mximo de iteraciones. Por esto tambin pediremos que:
( NCS + 1)

Pgina 2-4

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

n > Maxiter
Como en este problema nos interesa que f(x)=0 tambin pediremos adicionalmente que:

| f (x n )| Tol
Resumiendo, el mtodo se detendr cuando se cumplan los criterios de convergencia:

ccn =|

x n xn 1 xn

| Tol

| f (x n )| Tol n > Maxiter

Se deben de cumplir simultneamente los criterios 1 y 2, para asegurar que se ha llegado a la raz. En su defecto se debe cumplir el criterio 3, el cual nos indicara que no se logrado la convergencia, en un cierto numero de iteraciones.

2.3.1. Ejemplo del mtodo de Biseccin


En el ao de 1225 Leonardo de Pisa3 estudi la siguiente ecuacin cbica

y = f (x ) = x 3 + 2 x 2 + 10x 20 = 0
Entre lo que dej publicado est la solucin de la misma. Lo sorprendente es que reporta el valor de la raz a 10 cifras significativas, en una poca en la que el instrumento de clculo ms avanzado era un baco.4 Resolvamos esta ecuacin por el mtodo de biseccin. Primero definamos los criterios de convergencia

ccn = |

xn xn 1 xn

| 5x10 11

| f (x n )| 5x10 11 n > 50
Pedimos Tol = 5x10 para duplicar el trabajo de Leonardo. Grficamente en la Figura 7, podemos observar que existe una raz en el intervalo [1,2].
11

3 4

Mejor conocido como Fibonacci. Desafortunadamente no se conoce el mtodo que emple, para hallar este valor. Pgina 2-5

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Funcin de Leonardo y=x^3+2x^2+10x-20


20 15 10 5 0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1 -5 -10 x 2 y y

Figura 7 Evaluando en los lmites tenemos f(1)=-7 y f(2)=16. Para la iteracin 0 tenemos el intervalo [1,2] con f(1)=-7 y f(2)=16. El punto medio es 1.5 con f(1.5)=2.875. El criterio de convergencia no puede evaluarse, puesto que solo tenemos una iteracin. El CS ocurre en [1,15]. Para la iteracin 1 el punto medio es 1.25 con f(1.25)=2.421875. Como no se cumple el criterio de convergencia hacemos otra iteracin. El CS ocurre en [1.25,1.5]. Para la iteracin 2 el punto medio es 1.375 con f(1.375)=.13086. Como no se cumple el criterio de convergencia hacemos otra iteracin El CS ocurre en [1.25,1.375]. Para la iteracin 3 el punto medio es 1.3125 con f(1.3125)=-1.1687. Como no se cumple el criterio de convergencia repetimos el procedimiento hasta que se cumpla. Los clculos se resumen en la tabla 1 n
0 1 2 3 4 5 38

Tabla 1 Clculos del mtodo de Biseccin x izq. xn x der.


1 1 1.25 1.25 1.3125 1.34375 1.5 1.25 1.375 1.3125 1.34375 1.359375 2 1.5 1.5 1.375 1.375 1.375

f(xn)
2.875 -2.421875 .130859375 -1.16870117 -.524810791 -.198459625

ccn
.2 .0909 .0472 .0233 .0115

1.3688081078144

1.36880810782168

1.36880810782895

6.44818E-12

5.316E-12

Podemos observar de este ejemplo que El mtodo es sencillo. El mtodo es lento. Puede demostrarse que si bien el mtodo es lento, tambin es seguro, es decir, si se cumple todos los supuestos que el mtodo exige, la convergencia esta asegurada. La lenta convergencia observada, puede explicarse considerando el concepto de orden de convergencia. Como vimos en l capitulo anterior, el orden de convergencia, nos indica que tan rpido puede converger el mtodo, mientras ms alto sea este, mejor. Para el caso del mtodo de Biseccin, puede demostrase que el orden de convergencia es 1, por lo cual

| en + 1 | | e n |

Pgina 2-6

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. Es decir, los errores en una iteracin son proporcionales a los de la iteracin anterior. Se dice entonces que este mtodo tiene convergencia lineal. 2.4. Mtodo de Regula Falsi Otro mtodo que comnmente se emplea es el de Regula Falsi. Este mtodo tambin tiene otras denominaciones, como son: Regla falsa, Posicin falsa o Interpolacin Lineal. Su nombre original que esta en Latn, denota su antigedad. La idea del mtodo es bastante similar al del mtodo de Biseccin. Requiere un intervalo que cumpla los mismos supuestos que el mtodo de Biseccin. En lugar de obtener el punto medio en cada iteracin, el mtodo busca reemplazar la funcin original por otra a la cual sea ms simple localizar su raz. Dado que comenzamos con solo un intervalo, es decir, slo tenemos 2 puntos, buscamos la curva ms simple que pase por estos 2 puntos. Lgicamente usamos una lnea recta. Entonces en vez de obtener puntos medios en este mtodo se halla las races de las rectas que pasen por los puntos que determinen nuestros intervalos. Esto se muestra en las siguientes Figuras.

En la figura 8 se tiene que y0=f(x0) y y1=f(x1). Primero trazamos la recta que une los puntos (x0,y0), (x1,y1). Figura 9.

El cero de esta recta esta dado por

x 2 = x1

y1 ( x1 x 0 ) y1 y 0

Si evaluamos la funcin en x2 obtendremos y2=f(x2). Consideremos los intervalos [x0,x2] y [x2,x1]. Aplicando el TCS determinamos que la raz se encuentra en el intervalo [x0,x2]. Esto se muestra en la figura 10.

Pgina 2-7

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Dado que la raz es nica podemos descartar el intervalo [x2,x1], dado que la raz no esta ah. A continuacin, repetimos el procedimiento considerando el intervalo [x0,x2]. El cero de esta recta esta dado por

x3 = x2

y2 ( x2 x0 ) y 2 y0

Al evaluar en f(x3) obtenemos y3. Repitiendo el procedimiento tenemos en la figura 11.

Aplicando el TCS, la raz esta en [x0,x3]. El proceso puede repetirse cuantas veces sea necesario. Podemos notar intuitivamente que se converge a la raz. El procedimiento es esencialmente el mismo que para el mtodo de Biseccin. La diferencia estriba en que se obtiene el cero de la recta de que une los puntos del intervalo, en vez del punto medio del mismo. El nombre del mtodo de Posicin o Regla Falsa se debe que se supone que el cero de la funcin coincide con de una recta, lo cual obviamente no es cierto. El nombre Interpolacin Lineal viene del hecho de que se esta obteniendo un valor de una funcin entre 2 puntos (polos).5 La formula general que define este mtodo es

x n +1 = x n
2.4.1. Ejemplo del mtodo de Regula Falsi

y n ( xn x n 1 ) yn yn 1

Repitamos el ejemplo anterior pero usando el mtodo de regula Falsi. Para la iteracin 0 tenemos el intervalo [1,2] con f(1)=-7 y f(2)=16. La primera x es 1.30434782609 con f(1.30434782609)= -1.3347579518. El criterio de convergencia no puede evaluarse, puesto que solo tenemos una iteracin. El cambio de signo ocurre en [1.30434782609,2]. Para la primera iteracin tenemos que la x tiene el valor de 1.35791230466 con
5

Esto lo veremos ms detalladamente en el tema de Interpolacin, tema 5. Pgina 2-8

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. f(1.35791230466)= -.22913572959 . Como no se cumple el criterio de convergencia hacemos otra iteracin. El cambio de signo ocurre en [1.35791230466,2]. Para la iteracin 2 la x es 1.36697780482 con f(1.36697780482)= -3.85918768E-2. Como no se cumple el criterio de convergencia hacemos otra iteracin El cambio de signo ocurre en [1.36697780482,2]. Para la iteracin 3 la x es 1.36850097560 con f(1.36850097560)= -6.47872815E-3. Como no se cumple el criterio de convergencia repetimos el procedimiento hasta lograrlo. En la Tabla 2 se resumen los clculos n
0 1 2 3

Tabla 2 Clculos del mtodo de Regula Falsi x izq. xn x der. f(xn)


1 1.30434782608696 1.35791230465787 1.36697780481651 1.30434782608696 1.35791230465787 1.36697780481651 1.36850097559997 2 2 2 2 -1.33475795183693 -.22913572958733 -3.85918767784E-2 -6.47872814706E-3

ccn
3.945E-2 6.632E-3 1.113E-3

4 5 15

1.36850097559997 1.36875657900742

1.36875657900742 1.36879946288337

2 2

-1.08704282534E-3 -1.82374360246E-4

1.867E-4 3.133E-5

1.36880810781595

1.36880810782046

-1.9202417434E-11

3.30E-12

Podemos observar de este ejemplo que: El mtodo es sencillo, pero un poco ms complicado que el de biseccin. El mtodo es lento, pero ms rpido que el de biseccin. Puede demostrarse que si bien el mtodo es lento, tambin es seguro, es decir, si se cumple todos los supuestos que el mtodo exige, la convergencia est asegurada. Salvo raros casos, este mtodo converge ms rpido que el de biseccin. Anlogamente, al mtodo de biseccin, este mtodo tambin presenta convergencia lineal, es decir, su orden de convergencia es 1. 2.5. Mtodo de la Secante Dado que los mtodos anteriores son sencillos pero lentos se ha buscado mtodos ms rpidos. Uno de los ms usados es el mtodo de la secante. La idea de este mtodo es similar a la del mtodo de Regula Falsi. Este mtodo emplea tambin una lnea recta para aproximarse a la raz. En vez de usar un intervalo que cumpla el TCS, usa un intervalo que no necesariamente lo cumpla, es decir, no se requiere que exista un CS, es mas, no se requiere que la raz este en ese intervalo. Las siguientes figuras explican el mtodo.

En esta figura se tiene que y0=f(x0) y y1=f(x1). Primero trazamos la recta secante que une los puntos (x0,y0), (x1,y1). Figura 13.

Pgina 2-9

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

El cero de esta recta esta dado por

x 2 = x1

y1 ( x1 x 0 ) y1 y 0

Si evaluamos la funcin en x2 obtendremos y2=f(x2). En vez de considerar intervalos, simplemente despreciamos el punto (x0,y0) y utilizamos el intervalo [x1,x2]. Trazamos nuevamente una recta secante. Esto se muestra en la figura 14.

El cero de esta recta esta dado por

x 3 = x2

y 2 ( x 2 x1 ) y2 y1

El procedimiento puede repetirse cuantas veces sea necesario. (Aunque en el ejemplo de la grfica prcticamente ya se llego a la raz). La formula general que define este mtodo es

x n +1 = x n
2.5.1. Ejemplo del Mtodo de la Secante

y n ( xn x n 1 ) yn yn 1

Nuevamente usaremos la ecuacin de Leonardo. Consideremos como puntos iniciales, el intervalo [1,2]. Iniciando con los puntos (1,-7), (2,16) obtenemos 1.30434782608696 con y=1.33475795183693. Como no se cumple el criterio de convergencia realizamos otra iteracin. Se emplean los puntos (2,16) y (1.30434782608696,-1.33475795183693) y se obtiene 1.35791230466 con y= -.22913572958733. Como no se cumple el criterio de convergencia realizamos otra iteracin. Se emplean los puntos (1.30434782608696,-1.33475795183693) y

Pgina 2-10

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. (1.35791230466, -0.22913572958733 )6 y se obtiene 1.36901332599257 con y = 4.32956831210518E-3. El procedimiento se repite hasta alcanzar la convergencia. Los clculos se resumen en la Tabla 3. n 0 1 2 3 4 5 6 7 x 1.00000000000000000E+00 2.00000000000000000E+00 1.30434782608695654E+00 1.35791230465786672E+00 1.36901332599256609E+00 1.36880745972192464E+00 1.36880810778287532E+00 1.36880810782137274E+00 Tabla 3 Clculos del mtodo de la Secante y criterio de convergencia -7.00000000000000000E+00 -1.00000000000000000E+00 1.60000000000000000E+01 5.00000000000000000E-01 -1.33475795183693569E+00 5.33333333333333326E-01 -2.29135729587331638E-01 -3.94461986883653110E-02 4.32956831210985077E-03 -8.10877522076039470E-03 -1.36723936958946246E-05 1.50398267615624504E-04 -8.12144806267012243E-10 -4.73449088307843452E-07 0 -2.81247064681703663E-11

De acuerdo al valor obtenido de y en el ultimo rengln Podemos pensar que ya encontramos la raz ? Esto lo contestaremos ms tarde. De este ejemplo puede observarse que El mtodo es sencillo, pero un poco ms complicado que el de biseccin. El mtodo es rpido. No requiere cambio de signo. Con estas observaciones podramos pensar que este mtodo claramente es superior a los anteriores. Sin embargo, existen casos donde este mtodo puede fallar, es decir, no converger. Por lo tanto este mtodo es rpido pero inseguro. Este mtodo es mejor aplicarlo solo si estamos cerca de la raz. Discutiremos esto ms adelante. Su orden de convergencia es se tiene
1+ 5 2

. Por lo cual

| e n +1 | | e n |
2.6. Mtodo de Newton-Rapshon

1+ 5 2

Otro mtodo muy popular que converge ms rpido que los anteriores es el de Newton-Rapshon o simplemente mtodo de Newton. Su orden de convergencia es 2. Por esto se dice que tiene convergencia cuadrtica. Esto implica que en cada iteracin l numero de cifras correctas se duplica. Al igual que los mtodos anteriores, este tambin emplea una recta para acercarse a la raz. Utiliza la recta tangente a la curva en un punto. Este mtodo no requiere intervalos. Consideremos las siguientes figuras.

Nota que no existe cambio de signo. Pgina 2-11

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. En esta figura se tiene que y0=f(x0). Primero trazamos la recta tangente a la curva en este punto (x0,y0). Para ello se requiere conocer la pendiente de la curva en ese punto, es decir, su derivada.

El cero de esta recta esta dado por

x1 = x 0

y0 y ,0

Si evaluamos la funcin en x1 obtendremos y1=f(x1). Ahora empleamos el punto (x1,y1). Trazamos nuevamente una recta tangente. Esto se muestra en la figura 17.

El cero de esta recta esta dado por

x 2 = x1

y1 y ,1

El procedimiento puede repetirse cuantas veces sea necesario. (Aunque en el ejemplo de la grfica prcticamente ya se llego a la raz). La formula general que define este mtodo es

x n +1 = x n
2.6.1. Ejemplo del Mtodo de Newton-Rapshon

yn y ,n

Apliquemos el mtodo al ejemplo de la ecuacin de Leonardo. Como punto inicial tomemos el valor medio del intervalo, es decir, 1.5. Este mtodo requiere calcular la derivada en cada punto. La derivada es

f , ( x ) = 3x 2 + 4 x + 10
Comenzamos con el punto (1.5,2.875), la derivada es 22.75. No podemos calcular el criterio de convergencia. La primera iteracin da 1.37362637362637. La funcin vale

Pgina 2-12

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. 1.101788683481718E-1 y la derivada 21.15505373747, el criterio de convergencia es 9.2E-2. Como no se cumple el criterio de convergencia proseguimos. En la siguiente iteracin obtenemos 1.36881481962396. La funcin, la derivada y el criterio de convergencia valen respectivamente: 1.41593397778195E-4, 21.09622130976, 3.515E-3. Como no se cumple el criterio de convergencia continuamos. La tabla 4 resume los clculos. n 0 1 2 3 4 x 1.50000000000000000E+00 1.37362637362637363E+00 1.36881481962396423E+00 1.36880810783441209E+00 1.36880810782137274E+00 Tabla 4 Clculos del mtodo de Newton-Rapshon y criterio de convergencia 2.87500000000000000E+00 -1.00000000000000000E+00 1.01788683481715825E-01 9.19999999999999984E-02 1.41593397775108612E-04 3.51512413032699410E-03 2.75082179257424286E-10 4.90338237599491775E-06 2.28983498828938536E-15 9.52613873170318705E-12

Podemos observar que este mtodo tuvo la convergencia ms rpida, de hecho, esto puede demostrase. Sin embargo, este mtodo no es el mejor. Tiene varios inconvenientes que hay que tomar en cuenta: Requiere la derivada en cada iteracin. Si una funcin es complicada, generalmente su derivada lo es ms aun. Podra ocurrir que el tiempo empleado en evaluar la derivada sea tan alto, que el tiempo total de ejecucin del mtodo sea excesivo, comparado con el de otro, que no use derivadas. El mtodo puede fallar. Esto ocurre en los mximos, mnimos o puntos de inflexin de la curva.7 Puede requerirse una muy buena aproximacin para lograr la convergencia. Por estas razones este mtodo debe de emplearse con precaucin. Este mtodo esta muy relacionado con el secante. Observa que la derivada, es el principal problema de este mtodo. Una forma de evitar tener que evaluar la derivada es aproximndola, si consideramos que

y , (x n )

y ( xn ) y ( xn 1 ) xn xn 1

Al sustituir en el mtodo de Newton se obtiene precisamente el mtodo de la secante. Por esto, los problemas de convergencia del mtodo de Newton, los hereda el mtodo de la Secante. El hecho de aproximar la derivada como se menciona arriba, causa que el orden de convergencia disminuya, pero no tanto como para compararse con los mtodos de convergencia lineal. Por esto, el mtodo de la secante converge ms rpido. Por otro lado, observemos algo curioso. El valor de la raz obtenida coincide en todas sus cifras con el valor calculado del mtodo de la secante. Entonces por qu la funcin no vale lo mismo en ambos casos ? Aqu esta presente un error ocasionado por el uso de una computadora en los clculos. Recordemos de la unidad anterior que cuando una computadora manda a imprimir algn valor tiene que redondear los nmeros de punto flotante. Esto es por que realiza una conversin del sistema binario que maneja, al sistema decimal en el cual imprime. Los valores determinados con el mtodo de la secante y el de Newton no son iguales, pero al imprimirlos, la computadora los redondea al mismo valor. Como moraleja aunque veamos un cero, no podemos estar seguros de haberlo logrado realmente. 2.7. Iteracin de punto fijo Otro mtodo que podemos utilizar y que puede englobar a los dems mtodos se denomina iteracin de punto fijo.
7

Por qu ? Pgina 2-13

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. Este mtodo se obtiene directamente del problema original es decir:

f ( x) = 0
De esta ecuacin lo que puede intentarse para resolverla es despejar x, pero como ya sabemos, esto puede ser imposible. El mtodo de iteracin de punto fijo, sigue esta idea, pero como no es posible despejar x, al menos lo que se hace es poner x en funcin de si misma , es decir:

x = g (x)
Esto se logra "despejando" x reacomodando la ecuacin original. Para resolver la ecuacin se comienza con un valor inicial evaluando la funcin g(x) para hallar otro valor de x. La x obtenida de esta manera, se usa para generar otra x, evalundola en la funcin g(x). Se repite el procedimiento nuevamente hasta que se cumpla algn criterio de convergencia. Por lo anterior la ecuacin que define el mtodo es:

x n +1 = g ( x n )
se puede demostrar que este mtodo por lo regular tiene convergencia lineal, por lo cual podria ser lento.

2.7.1. Ejemplo del mtodo de iteracin de punto fijo


La ecuacin de Leonardo se puede expresar de varias maneras como un punto fijo:

x n +1 = x n +1 =
Para la primera opcin tenemos.

20 x + 2 x n + 10
2 n 3 2 20 x n + 2 x n 10

Tabla 5 Primera opcin para la iteracin de punto fijo x n +1 = n 0 1 2 3 4 5 31 1.36880810781987039E+00 Y para la segunda opcin: -3.16915764464464900E-11 x 1.50000000000000000E+00 1.31147540983606548E+00 1.39441633876709759E+00 1.35747562065047145E+00 1.37384421644560106E+00 1.36657421582090310E+00 y 2.87500000000000000E+00 -1.18961498980091052E+00 5.44256081725062568E-01 -2.38288964632079825E-01 1.06397450508473948E-01 -4.70960353315074132E-02

20 2 xn + 2 xn +10

criterio de convergencia -1.00000000000000000E+00 -1.43750000000000072E-01 5.94807494900454689E-02 -2.72128040862531194E-02 1.19144482316039559E-02 -5.31987252542362541E-03

-3.57024456669723413E-12

Pgina 2-14

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Tabla 6 Segunda opcin para la iteracin de punto fijo x n +1 = n 0 1 2 3 4 5 x 1.50000000000000000E+00 1.21249999999999991E+00 1.52771230468750008E+00 1.17666550160628969E+00 1.56017741375917662E+00 1.13339814655068682E+00 y 2.87500000000000000E+00 -3.15212304687500167E+00 3.51046803081210479E+00 -3.83511912152886980E+00 4.26779267208489710E+00 -4.64088235236666158E+00

3 2 20 xn 2 xn 10

criterio de convergencia -1.00000000000000000E+00 -2.37113402061855771E-01 2.06329623529462991E-01 -2.98340354673430452E-01 2.45813013809008052E-01 -3.76548407554153142E-01

100

1.92318947692009146E+00

1.37424299881887499E+01

7.14564537336364491E-01

Como se puede apreciar la segunda opcin no converge. La desventaja de este mtodo es hallar una g(x) que sea convergente. Se puede demostrar que el mtodo ser convergente s

dg ( x) 1 dx
Como en general es difcil probar esto se prefiere ensayar con varias g(x) hasta hallar una que sea convergente. En la practica en algunos casos el problema se plantea directamente como una iteracin de punto fijo. Los dems mtodos se pueden expresar como puntos fijos. Por ejemplo s

g ( x n +1 ) = x
se tiene el mtodo de newton-rapshon. Si

y( xn )
dy ( xn ) dx

g ( x n +1 ) = x n
se tiene el mtodo de la secante. 2.8. Races Dobles

y ( x n )( x n x n 1 ) y ( x n ) y ( x n 1 )

Como veremos en captulos posteriores en los mtodos numricos se presentan casos problemticos, es decir, difciles de resolver. En la resolucin de ecuaciones no lineales, el caso problemtico se denomina raz doble. Una raz doble es aquella raz que adems de hacer cero a una funcin tambin hace cero a la derivada de la misma. l por que de esto lo podemos ver apreciando la figura 18.

Pgina 2-15

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Los mtodos seguros de biseccin y regula Falsi, no son aplicables puesto que no existe un CS. Los mtodos de Newton y de la secante no funcionan bien, puesto que la raz es un punto critico de la funcin y tendemos a dividir entre cero en ambos casos. Afortunadamente en la practica este fenmeno no se presenta frecuentemente. Sin embargo, requiere resolverse. Para lograr esto se puede usar el siguiente teorema:

2.8.1. Teorema de la eliminacin de la raz doble


Si f(x) tiene una raz doble entonces la funcin

( x) =

f ( x) f , ( x)

Tiene una raz simple.8. Lo comn en este caso es aplicar el teorema anterior a los mtodos ms rpidos, es decir el de Newton y el de la secante. Los mtodos obtenidos se denominan entonces mtodos modificados.

2.8.2. Mtodo de Newton-Rapshon Modificado


Para el caso del mtodo de Newton se obtiene

n +1

y y
n

, n " n

yn
,

y y
n

2.8.3. Mtodo de la Secante Modificado


Para el caso del Mtodo de la Secante se tiene

y y (x x ) =x x y y y y
, n n +1 n n 1 , n n 1 , n n 1 n n 1

La demostracin la puedes hallar en: Richard L. Burden, J. Douglas Faires, Anlisis Numrico, Grupo Editorial Iberoamrica. Pgina 2-16

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. 2.8.3.1. Ejemplos de los mtodos modificados Como ejemplo usaremos la funcin9

x 4 4x 2 + 4 = 0
Esta tiene 2 races dobles en 2 . Las siguientes tablas resumen los clculos empleando los mtodos normales y modificados de Newton y de la secante n 0 1 2 3 4 5 x 1.00000000000000000E+00 2.00000000000000000E+00 6.66666666666666741E-01 -1.37499999999999889E+00 -1.38514383855732026E+00 -1.39772146603427805E+00 Tabla 7 Clculos del mtodo de la Secante y criterio de convergencia 1.00000000000000000E+00 -1.00000000000000000E+00 4.00000000000000000E+00 5.00000000000000000E-01 2.41975308641975273E+00 1.99999999999999956E+00 1.19628906250006679E-02 -1.48484848484848531E+00 6.62214232135585525E-03 -7.32331060136432940E-03 2.15061311423116446E-03 -8.99866517228506413E-03

44

-1.41421356225827166E+00

0.00000000000000000E+00

-3.48691890258485752E-11

n 0 1 2 3 4 5 31

Tabla 8 Clculos del mtodo de Newton-Rapshon x y criterio de convergencia 1.50000000000000000E+00 6.25000000000000000E-02 -1.00000000000000000E+00 1.45833333333333326E+00 1.60620418595678466E-02 2.85714285714285705E-02 1.43660714285714275E+00 4.07555618572112005E-03 1.51232649678889348E-02 1.42549761941756192E+00 1.02678351879805603E-03 7.79343528060051638E-03 1.41987792168382798E+00 2.57708841747052858E-04 3.95787387627634813E-03 1.41705139127582136E+00 6.45555285796856580E-05 1.99465624564390022E-03

1.41421356243758334E+00

0.00000000000000000E+00

0.00000000000000000E+00

n -1 0 1 2 3 4 5 6 7

Tabla 9 Clculos del mtodo de la Secante Modificado x Y criterio de convergencia 1.00000000000000000E+00 1.00000000000000000E+00 -1.00000000000000000E+00 2.00000000000000000E+00 4.00000000000000000E+00 5.00000000000000000E-01 1.50000000000000000E+00 6.25000000000000000E-02 3.33333333333333315E-01 1.39999999999999991E+00 1.60000000000001981E-03 7.14285714285714385E-02 1.41463414634146334E+00 1.41554788249918795E-06 -1.03448275862069623E-02 1.41421568627450989E+00 3.60877118119051765E-11 2.95895506615341324E-04 1.41421356205732907E+00 8.67361737988403547E-19 1.50204837362140413E-06 1.41421356240068108E+00 0.00000000000000000E+00 -2.42786547762643826E-10 1.41421356240068108E+00 0.00000000000000000E+00 0.00000000000000000E+00

Ibis. Pgina 2-17

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

n 0 1 2 3 4

Tabla 10 Clculos del mtodo de Newton-Rapshon Modificado x Y criterio de convergencia 1.50000000000000000E+00 6.25000000000000000E-02 -1.00000000000000000E+00 1.41176470588235303E+00 4.78921468852109254E-05 6.25000000000000000E-02 1.41421143847487008E+00 3.60874951883111139E-11 -1.73010380622830935E-03 1.41421356237150309E+00 0.00000000000000000E+00 -1.50182171177581087E-06 1.41421356237150309E+00 0.00000000000000000E+00 0.00000000000000000E+00 Podemos observar que los mtodos normales funcionan, pero no tienen su convergencia rpida caracterstica de ellos, a pesar de comenzar cerca de la solucin. Puede demostrarse que ambos casos el orden de convergencia se reduce a 1, en una raz doble. En cambio los mtodos modificados si presentan convergencia rpida. Tambin existe otro problema. Aparentemente se ha llegado a la raz en todos los casos. Sin embargo, se puede observar que los valores son distintos. Esto se debe al error de redondeo involucrado, ya que se tiende a dividir entre cero por la presencia de la raz doble. El error de redondeo producido por este hecho, hace parecer lo que no es. Adems, el valor de la raz con 10 cifras significativas es 1.414213562. Solo los mtodos modificados se acercan a este valor. Podramos pensar que los mtodos modificados son mejores en general que los mtodos normales, pero debemos de tomar en cuenta que: Los mtodos modificados son ms laboriosos que sus contrapartes, ya que requieren derivadas adicionales. El mtodo de Newton Modificado requiere hasta la segunda derivada. El mtodo de la secante modificado emplea la primera derivada. En una raz simple es mejor emplear el mtodo de Newton normal. El modificado requiere de ms tiempo de maquina. En una raz simple es mejor el mtodo de la secante normal que el modificado, ya que ambos convergen igual de rpido, pero el primero no requiere la derivada. Adems en este caso si estamos dispuestos a calcular la primera derivada, es mejor emplear el mtodo de Newton normal. Este converge ms rpido que el de la secante. Por estas razones se recomienda usar estos mtodos solo cuando sea requerido, es decir, en races dobles. Tambin es recomendable realizar los clculos en precisin doble. 2.9. Races de Polinomios Hasta el momento hemos visto algunos mtodos de solucin y el caso problemtico de la bsqueda de ceros. Todos estos mtodos requieren al menos una primera aproximacin a la raz. En vez de considerar el caso general de la bsqueda de primeras aproximaciones, y la consecuente resolucin completa de la ecuacin, primero trataremos el caso particular de una familia de funciones a la cual es relativamente fcil hallar sus races. Posteriormente volveremos al caso general de como hallar la primera aproximacin. La familia de funciones a la cual es relativamente fcil hallar sus ceros son los polinomios. Los polinomios como veremos a lo largo del curso se usan frecuentemente en los mtodos numricos, a causa de sus propiedades.10 Recordemos que un polinomio se expresa como

y = a 0 + a1 x + a 2 x 2 + + a n x n = i = 0 a i x i
n

10

Las cuales veremos a lo largo del curso. Pgina 2-18

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. Donde las constantes ai son denominas coeficientes. El exponente ms alto es llamado el grado del polinomio. A los polinomios es fcil hallrseles sus races porque existen varios teoremas que facilitan esto.

2.9.1. Teoremas usados en la resolucin de polinomios


1. l numero de races de un polinomio es n, es decir, el grado del polinomio. Esto se sabe por el Teorema Fundamental del lgebra (TFA).11 2. A un polinomio se le puede predecir el tipo de las races que tiene antes de hallarlas. Como tipo debemos de entender al signo de las mismas, es decir, positivas, negativas y adems complejas. Para esto, se emplea la Regla de los Signos de Descartes (RSD), la cual dice: l numero de posibles races positivas es igual al numero de cambios de signo que existe entre los coeficientes del polinomio, este menos un numero par. Por ejemplo consideremos el polinomio

5x 5 4 x 4 3x 3 + 2 x 2 x + 8 = 0
Al contar los CS entre los coeficientes obtenemos 4, por lo tanto de acuerdo a la RSD esta ecuacin tiene 4, 2, 0 races positivas.12 Para poder determinar cuantas races van a ser negativas, podemos emplear otra vez la RSD, pero usando un truco. Dado que esta regla solo cuenta races positivas, debemos de cambiar el signo de las races, de tal forma que las races negativas se vuelvan positivas y as se pueda determinar su numero. Esto se logra evaluando el polinomio en -x. Esto solo afecta a los coeficientes de potencias nones.13 Entonces para saber cuantas races pueden ser negativas, se cambia el signo de los coeficientes de las potencias nones y se aplica la RSD. Por ejemplo para el polinomio anterior tenemos

5 x 5 4 x 4 + 3 x 3 + 2 x 2 + x + 8 = 0
despus de cambiar el signo de las potencias nones contamos un solo CS, por lo cual esta ecuacin solo tiene una raz negativa. Finalmente para hallar cuantas races pueden ser complejas, contamos despus de determinar la cantidad de races positivas y negativas cuantas faltan par completar el grado del polinomio, es decir, lo hacemos por complementacin. Se debe considerar el hecho de que las races complejas de un polinomio con coeficientes reales se presentan por pares. En el ejemplo anterior, podemos decir que la ecuacin tiene 4, 2, 0 races complejas. La utilidad practica de esta regla radica en el hecho de poder determinar, que races debemos de buscar primero. En el ejemplo mostrado es ms lgico buscar la raz negativa, ya que sabemos que debe de existir, y adems podra no haber races positivas. 3. Es posible en el mejor de los casos hallar fcilmente todas las races de un polinomio, o al menos, determinar intervalos que posean CS. Para ello, es posible aplicar, la Regla de las Posibles Races Racionales (RPRR). Por racional debemos de entender los nmeros que pueden expresarse como el cociente de 2 enteros.14 La regla dice: Las posibles races racionales de un polinomio son los divisores del termino independiente (es decir, a0), entre los divisores del coeficiente de la potencia ms alta (es decir, an). El signo se determina de la RSD. Por ejemplo consideremos

5x 5 4 x 4 3x 3 + 2 x 2 x + 8 = 0
para este caso a0=8 y an=a5 =5. Los divisores para 8 son: 1, 2, 4, 8. Para 5: 1, 5. De acuerdo a esta regla, las posibles races racionales serian: 1 , 2 , 4 , 8 , 1 , 2 , 4 , 8 . Simplificando y 1 1 1 1 5 5 5 5

11 12

La demostracin es complicada. La puedes hallar en libros de Variable Compleja. Por qu ? 13 Por qu ? 14 Es decir los quebrados que viste en la primaria. Pgina 2-19

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. ordenando: 1 , 2 , 4 , 8 ,1,2,8 . Los signos se determinaron de la RSD. En el mejor de 5 5 5 5 los casos aqu se obtendrn las races. En casos prcticos, al menos se pueden obtener intervalos que contengan a las races. Esta regla tiene un inconveniente. Solo es aplicable si a0 y an son enteros.15 4. Los polinomios poseen una forma muy eficiente de evaluarlos. Se conoce como: Mtodo de Horner, Multiplicacin anidada Divisin Sinttica (DS).16 Consiste en formar una tabla con los coeficientes del polinomio ordenados de la potencia mayor a la menor. Si algn termino falta, se considera 0. Lo explicaremos mejor con un ejemplo. Consideremos el polinomio de Leonardo ya sabemos por los problemas de ejemplo anteriores que f(1)=-7, calculemos este valor usando DS. La tabla de DS inicial es Tabla 11

x 3 + 2 x 2 + 10x 20 = 0

Primero se colocan los coeficientes en la fila superior. En la ultima columna se pone el valor en el cual se va a evaluar el polinomio. A continuacin se baja el primer coeficiente Tabla 12

Este se multiplica por el valor a evaluar. El resultado se coloca de acuerdo a la direccin de la flecha. Tabla 13

Se realiza una suma algebraica en esta columna y se obtiene. Tabla 14

El procedimiento se repite, usando el valor inferior de la segunda columna Tabla 15

Finalmente repetimos el procedimiento en la ultima columna

15 16

Por qu ? Posiblemente la viste en la prepa o en la secundaria. Pgina 2-20

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Tabla 16

El valor inferior de la ultima columna es precisamente f(1). Como otro ejemplo se muestra la tabla para f(2) Tabla 17

La DS tiene la ventaja de requerir menos productos y sumas que la evaluacin normal. Por esta razn tiene menor error de redondeo y es ms rpida. 5. La DS tiene ventajas adicionales. Tambin se puede evaluar derivadas sin usar Clculo. Para ello, se tiene que continuar la tabla de DS aadiendo un rengln ms. El procedimiento, se repite hasta llegar a la penltima columna. El valor inferior es precisamente la derivada. Como ejemplo calculemos f (15) para la ecuacin de Leonardo. La tabla final es . Tabla 18
,

Por lo cual f (15) =22.75, valor que podemos encontrar con Clculo. Este procedimiento . puede extenderse a derivadas superiores, pero hay que tomar en cuenta que lo que se obtiene no es directamente la derivada sino
f
( m)

la DS, la hace ideal para aplicar el mtodo de Newton a la resolucin de polinomios.17 6. Otra ventaja de la DS es poder hallar cotas a las races, es decir, fijar lmites al valor mximo y mnimo que pueden tomar las races. La cota mxima se determina con el siguiente teorema: Si los coeficientes de la tabla de DS son todos no negativos, entonces el valor en el cual se evalo el polinomio es una cota mxima para todas las races, es decir, ninguna raz es superior a ese valor. Para la cota mnima el teorema es parecido: Si los coeficientes de la tabla de DS son todos con signos alternados, entonces el valor en el cual se evalo el polinomio es una cota mnima para todas las races, es decir, ninguna raz es inferior a ese valor. Como ejemplo consideremos

( x) m!

, donde m es el orden de la derivada. Esta propiedad de

4 x 5 36 x 4 + 16 x 3 + 140x 2 84 x 96 = 0
Para este polinomio las tablas de DS en x=-2 y x=9 son

17

El mtodo que emplea la DS para resolver polinomios se conoce como Mtodo de Birge-Vieta. Pgina 2-21

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Tabla 19

Tabla 20

De acuerdo a los teoremas anteriores -2 es una cota mnima y 9 es una cota mxima. En cualquier otro caso no contemplado en los teoremas anteriores, no podemos concluir nada. La ventaja de esto radica en el hecho de poder ir acotando el intervalo donde estn las races. De entrada en el ejemplo anterior, las races se encuentran en todos los reales. Despus de aplicar los teoremas las races concluimos que las races estn en [-2,9], intervalo en el cual es ms fcil buscar. 7. Una ventaja adicional de la DS es el hecho de que nos puede ir simplificando el procedimiento de hallar las races de los polinomios. Sabemos que un polinomio tiene n races por el TFA. A medida que vamos calculando cada raz, se puede ir simplificando el polinomio, al eliminar las races que ya se han determinado. Este procedimiento de quitar races se conoce como deflacin. Esta basada en el siguiente teorema: Si evaluamos un polinomio en un valor tal que sea la raz, entonces los coeficientes de la tabla de DS, corresponden a los de un polinomio de grado n-1, el cual tiene todas las races del polinomio original, exceptuando la raz en la cual se evalo. Esto nos ayuda ya que si tenemos por ejemplo un polinomio cbico, al encontrar una raz, podemos eliminarla y as obtener un polinomio cuadrtico, el cual es ms fcil de resolver. Por ejemplo en la ecuacin de Leonardo tenemos que x=1.3688010781 es una raz. La tabla de DS respectiva es Tabla 21

Como podemos observar, no tenemos realmente 0 como valor del polinomio evaluado en la raz. Esto se debe al error de redondeo. Aceptando como cero el valor obtenido18 el polinomio deflacionado es

x 2 + 3.368808107x + 14.611251848 0
Cuyas races son 1.68404054 i 3.431331350 . Debe mencionarse el hecho de que la deflacin, si bien simplifica el problema al reducir el grado del polinomio, tambin mete un problema adicional. Este es el error de redondeo, obtenido en los coeficientes del polinomio deflacionado. Es posible que al resolver un polinomio de grado elevado, la deflacin realizada al ir eliminado cada raz encontrada, introduzca tanto error de redondeo en los coeficientes del polinomio deflacionado, que las ultimas races no tengan una precisin aceptable. Esto podra haber sido el caso de nuestro ejemplo con la ecuacin de Leonardo, pero dado que el grado es bajo, no ocurri as. En estos casos lo recomendable es refinar las races. Este procedimiento consiste en usar las races obtenidas con la deflacin como primeras aproximaciones de un mtodo numrico con el polinomio original, es decir, el polinomio de grado n. Con esto podemos eliminar el error de redondeo introducido. 8. En vista de lo mencionado en el punto anterior, se requiere verificar que las races encontradas sean razonablemente precisas. Una forma de hacerlo seria, evaluando el polinomio en cada raz y checar que tan bien se acerca a 0. Desafortunadamente esto, no es una buena indicacin de la precisin, ya que, qu tan cerca de 0 debe de estar la evaluacin del polinomio para decir que
18

Pues ya que, no tenemos ms remedio. Pgina 2-22

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. la raz tiene tantas cifras significativas ?. Por esta razn existen otras pruebas. Una de las ms simples es considerar la suma y el producto de las races. Se puede demostrar que

n i =1

xi =

an 1 an a0 an

i =1

x i = (1) n

Aqu el smbolo denota productora, es decir, los trminos involucrados se van a multiplicar. Es anloga a la sumatoria, en la cual los trminos se suman. No lo confundas con el numero Para usar estos criterios debemos de sumar o multiplicar las races, si los valores obtenidos no concuerdan razonablemente bien con estos teoremas, entonces las races no son aceptables. Para determinar si concuerdan o no razonablemente bien los valores de la suma y producto calculados podemos emplear el error relativo de la siguiente forma

a n 1 x an 5 x10 NCS a n 1 an

( 1)n a0 x a
n

( 1)n a0 an

5 x10 NCS

Si los valores calculados de la suma y producto coinciden con estos valores podemos esperar que las races sean razonablemente precisas.19 9. Finalmente existe una forma general de hallar un intervalo que contenga todas las races de un polinomio. Las siguientes frmulas definen lmites al mximo y mnimo valor que pueden tomar las races

| x | 1 + | x |

am an

a0 a0 + am

a0 es l termino independiente, an es el coeficiente de la potencia ms alta y am es el coeficiente ms grande en valor absoluto. Dado que las desigualdades estn expresadas en trminos de valor absoluto, debemos de desglosarlas. Si definimos a la cota mxima o lmites superior como Ls, y a la cota mnima o lmite inferior como Li al desglosar obtenemos el conjunto

x [ Ls , Li ] [ Li , Ls ]
en el cual es ms fcil buscar las races que en todos los reales. Una vez hallado este intervalo, podemos ir tabulando el polinomio en l. Cuando hallemos un CS, habremos hallado un intervalo que contiene al menos una raz. Tambin es posible ir acotando cada vez ms el intervalo al hallar

19

Por qu no es necesario sumarle 1 a la tolerancia usada en ambos casos ? Pgina 2-23

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. nuevas cotas mximas y mnimas, mediante las DS. Por ejemplo para la ecuacin de Leonardo tenemos

Ls = 1 + 20 = 21 1 Li = 202020 = 0.5 +
en este caso a0=-20, an=a3=1, am=20. Por lo tanto todas las races estn en

x [21,0.5] [0.5,21]
Con todo lo anterior podemos proponer una metodologa para hallar todas las races de un polinomio.20

2.9.2. Metodologa para hallar las races de un polinomio


1. Determinar cuantas races existen. Esto se logra usando el TFA. 2. Clasificar las races segn su tipo. Se emplea la RSD. 3. Hallar una primera aproximacin a cada raz. Esto se puede hacer de 2 formas. Si a0 y an son enteros empleamos la RPRR. Si no calculamos los lmites superior e inferior del intervalo que contiene todas las races. En este intervalo vamos tabulando el polinomio hasta hallar CS. 4. En ambos casos, se prueban valores usando la DS. 5. Si se detectan cotas mximas y mnimas se reduce el intervalo de bsqueda, es decir, se simplifica el problema. 6. Habiendo hallado por lo menos n-2 intervalos21 que tengan CS, se determinan las races utilizando mtodos numricos. 7. Cada vez que se calcule una raz, se elimina usando deflacin. 8. Al Final se verifican, las races halladas, comprobando su suma y producto. 9. Si son aceptables terminamos. En caso contrario se refinan, con el polinomio original. 2.9.2.1. Ejemplo de la resolucin de un polinomio Consideremos el polinomio

4 x 5 36 x 4 + 16 x 3 + 140 x 2 84 x 96 = 0
1. Por el TFA el polinomio tiene 5 races. 2. Apliquemos la RSD. Dado que hay 3 CS hay 3 1 races positivas. Cambiando los signos de los coeficientes de las potencias nones, y aplicando la regla otra vez, hallamos que hay 2 0 races negativas. Por complementacin puede haber 0, 2 4 races complejas. Resumiendo: R+ =3,1. R-=2,0. Rc=0,2,4. 3. En este caso es posible aplicar la RPRR. Los divisores de 96 son: 1, 2, 3, 4, 8, 12, 16, 24, 32, 48, 96. Los divisores de 4 son: 1, 2, 4. Aplicando la RPRR tenemos los siguientes posibles valores para las races
1 1 1 2 1 4 2 3 4 , 1 , 1 , 1 , 8 , 12 , 16 , 24 , 32 48 , 96 , 1 1 1 1 1 1 1 2 3 4 8 12 16 24 32 48 96 ,2,2,2,2, 2 , 2 , 2 , 2 , 2 , 2 , 2 , 3 , 4 , 8 , 12 , 16 , 24 , 32 , 48 , 96 4 4 4 4 4 4 4 4 4 4

20 21

Siempre y cuando a lo ms tenga 2 races complejas. Por qu ? Por qu es suficiente con solo n-2 intervalos con CS ? Pgina 2-24

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. Los signos son de acuerdo a la RSD. Despus de eliminar las races repetidas y ordenndolas de menor a mayor tenemos [ 1 , 1 , 3 ,1, 3 ,2,3,4,6,8,12,16,24,32,48,96] . 4 2 4 2 4. Probando estos valores con DS, tenemos que el 8 es una raz. Ensayando los valores restantes determinamos 2 intervalos donde estn otras 2 races respectivamente: [-2,-1.5], [-1,-0.5]. Dado que 8 es raz con esta informacin es ms que suficiente para encontrar todas las races.22 5. Deflacionando el polinomio en la raz x1=8, obtenemos 6. Mediante un mtodo numrico determinamos la raz que esta en [2 ,15] con 7 cifras . significativas. x2=-1.732051. 7. Deflacionando esta raz obtenemos el polinomio 8. En este polinomio mediante un mtodo numrico calculamos la raz que esta en [1, .5] , x3=0.6180344. 9. Deflacionando nuevamente 10. Esta ultima ecuacin la resolvemos por medio de la formula del chicharronero.23 Hallamos que x4=1.73205 y x5=1.618035. 11. Si verificamos las races tenemos que la suma y el producto son x = 8.999999 ,

4 x 4 4 x 3 16 x 2 + 12 x + 12 = 0 .

4 x 3 10.928209 x 2 + 2.928209 x + 6.928209 0

4 x 2 13.40034 x + 11.21007 0

x = 24.00002 contra

a4 a5

36 = 4 = 9 y (1) 5

a0 a5

96 = 4 = 24 . Comparando estos

valores con el error relativo tenemos

| 9 8.999999 | = 1.059638E 7 5E 7 9 | 24 24 .00002 | = 7.947286E 7 > 5E 7 24


12. Dado que el segundo criterio no se cumple rectificamos las races. Obtenemos finalmente: x1=-1.732049, x2=-0.618034, x3=1.618034, x4=1.732049, x5=8. 2.10. Resolucin de una ecuacin no polinomial Toda la discusin anterior solo es aplicable al caso de polinomios. Para el caso de una curva cualquiera, es ms difcil hallar las races por No se sabe en general cuantas races hay, es mas, no se sabe siquiera si existen races. No hay una regla anloga a la RPRR. No es posible en general hallar cotas para las races. Solo pueden hallarse numricamente las races. No se tiene un criterio para verificar la precisin de todas las races encontradas, anlogo al de la suma y el producto de las races de polinomios. Por estas razones, si la ecuacin no es un polinomio es problema general no esta resuelto.

1. 2. 3. 4. 5.

2.10.1. Primera aproximacin para una ecuacin no polinomial.


En general las races se determinaran por mtodos numricos. Estos requieren al menos una aproximacin inicial. Esta puede determinarse de las siguientes maneras 1. Analizando la teora. Viendo de donde se dedujo la ecuacin, es posible en algunas ocasiones hallar primeras aproximaciones al menos determinar en que intervalo puede estar la raz. Por ejemplo, si la raz representa una taza de inters esta debe de estar en el intervalo [0, 100]. 2. Graficando. Trazando la grfica de la funcin se puede determinar cuantas races hay y aproximaciones iniciales a las mismas.

22 23

Por qu ? Por qu ? Pgina 2-25

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. 3. Analizando la funcin. Aplicando nuestros bastos conocimientos de clculo, podemos deducir cuantas races hay y por donde se encuentran. 4. Aproximando la funcin por polinomios. A veces es posible aproximar la funcin por un polinomio. Al hacerlo podemos aplicar la discusin previa de los polinomios y as hallar una primera aproximacin. La mejor opcin siempre ser la primera, ya que tiene una base ms fuerte que las otras. La grfica es recomendable si no se tiene una teora a la mano, como un auxiliar. El analizar la funcin se deja comnmente para casos sencillos. El aproximar la funcin no siempre es aplicable, pero cuando lo es puede ser muy til. 2.10.1.1. Ejemplo de hallar las races de una ecuacin no polinomial Consideremos la ecuacin

ex + x 3 = 0
Dado que no tenemos una teora, procedamos a usar las dems tcnicas mencionas. La grfica de la ecuacin es
y=x^3+exp(x)
5 0 0.1 0.4 0.7 1 -1.7 -1.4 -1.1 -0.8 -0.5 -5 -10 x -0.2 y -2 y

Fig. 19 De esta grfica Figura 19 podemos observar que: 1. Solo tienen una raz 2. Es negativa. 3. Aproximadamente vale -0.7. Con esta informacin podemos aplicar algn mtodo numrico, para hallar la raz. Por otro lado, es posible que te sea difcil construir la grfica de la funcin, aun en un caso sencillo como este. En algunas ocasiones no es necesario una grfica exacta de la funcin. Puede ser ms simple emplear 2 grficas. Por ejemplo nuestra ecuacin de ejemplo podemos reacomodarla para obtener

x 3 = ex
Si graficamos las curvas x3 y -ex en la misma grfica obtenemos

Pgina 2-26

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Graficas de x*x*x & -exp(x)


2 0 0.1 0.4 0.7 -1.7 -1.4 -1.1 -0.8 -0.5 -0.2 -2 1 -2 y -4 -6 -8 x y1=exp(x) y2=x*x*x

Fig. 20 De esta grfica podemos apreciar que 1. Solo existe un punto de corte. Por lo tanto solo hay una raz 2. La raz es negativa. 3. Aproximadamente vale -0.7. Llegamos a las mismas conclusiones. Usualmente es ms fcil hacer e interpretar una grfica como la de la figura 20 que la de la figura 19. Pero esto solo es valido en casos sencillos. Intentemos hallar los puntos crticos de la funcin. La derivada es

y = e x + 3x 2
Al igualarla a 0 obtenemos

e x + 3x 2 = 0
Esta ecuacin, es similar a la original, puesto que tendramos que resolverla numricamente. Pero no hay problema.24 Consideremos la funcin ex, la cual, siempre es positiva, la funcin x2 tambin, entonces no es posible que la suma de ambas de 0. Por lo tanto concluimos que la derivada no tiene races, lo que implica que la funcin no tiene puntos crticos, es decir, no posee ni mximos ni mnimos. Por otro lado, la derivada siempre es positiva por lo cual la curva es creciente. La curva es continua ya que tanto la funcin ex como la funcin x3 son continuas. Por todo esto podemos concluir que la curva solo una vez corta al eje x, es decir, solo tiene una raz. No puede tener otra, ya eso implicara que tenga mximos o mnimos, para poder dejar de subir y volver a cortar, pero eso no ocurre por que siempre es creciente.25 Finalmente, la raz es negativa ya que la funcin ex es positiva y la nica forma de que la funcin de 0, es que x3 sea negativa, lo cual solo ocurre si x es negativa. Nuevamente hemos llegado a las mismas conclusiones que empleando la grfica. Para completar el anlisis de la funcin, falta hallar una primera aproximacin a la raz. Esto puede hacerse de la siguiente manera. Si desarrollamos en serie de Taylor la funcin exponencial tendremos

x3 + 1+ x +

x2 2!

x3 3!

+= 0

24 25

Frase registrada por cierto aliengena del planeta Melmac. Adems de ver la grfica cmo puedes asegurar esto ? Pgina 2-27

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. Como no es posible usar toda la serie tomemos hasta un cierto numero de trminos. Si usamos un solo termino tenemos

x3 + 1 0
Solo es aproximadamente 0, ya que estamos usando solo una parte de la serie. De aqu podemos concluir

x 1
Lo cual ya es una aproximacin. Si usamos 2 trminos

x3 + 1+ x 0
De esta ecuacin no es sencillo hallar x, pero no es necesario hacerlo. Ya que solo queremos una aproximacin, entonces aproximemos las races de esta ecuacin. Usemos la RPRR. a0=1 y an=a3=1, el nico divisor posible es 1. Por lo tanto la posible raz es -1. Si consideramos otro termino, esencialmente llegamos al mismo caso. Si consideramos 2 trminos ms tendremos

x3 + 1+ x +
Simplificando tenemos
7 6

x2 2!

x3 3!

x3 +

x2 2

+ x +1 0

A esta ecuacin aparentemente no le podemos aplicar la RPRR,26 pero si multiplicamos por 6 ambos lados tenemos

7x 3 + 3x 2 + 6x + 6 0
Ahora si apliquemos la RPRR. Divisores de a0: 1,2,3,6 Divisores de an=a3: 1,7 Las posibles races son: '6,3,2 ,1,

6 7

3 , 7 , 2 , 1 7 7

Si sustituimos estos valores en la ecuacin original tenemos y(-6)= -215.9975212478 y(-3)= -26.95021293163 y(-2)= -7.864664716763 y(-1)= -0.6321205588286 y(-6/7)= -0.2053647636525 y(-3/7)= 0.5727218563649
6 3 Hallamos que en [ 7 , 7 ] hay un cambio de signo, por lo cual la raz esta ah.

Este mtodo de usar la serie de Taylor no es siempre aplicable por 1. Es posible que la serie de Taylor no exista. Por ejemplo has visto la serie de Taylor de la Funcin ln(x) en torno a 0?.

26

Por qu ? Pgina 2-28

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. 2. Puede ser que la serie exista, pero que sea difcil hallarla. Por ejemplo, has visto la serie de la funcin tan(x) ? Existe pero es complicada. 3. La serie puede no ser convergente donde esta la raz. 4. La serie puede ser que converja lentamente. Por ejemplo existe una serie que converge tan lento, que requiere aproximadamente un milln de trminos para calcular un valor a 4 cifras significativas Este mtodo se deja por lo general solo a casos sencillos. Finalmente usando como aproximaciones las halladas en los puntos anteriores en un mtodo numrico, la raz de la ecuacin con 10 cifras significativas es -0.7728829591 2.11. Ejemplos de ecuaciones no lineales A continuacin mostramos algunos ejemplos prcticos de la resolucin de ecuaciones no lineales.

2.11.1. Clculo de la presin de vapor


Una de las propiedades de una sustancia pura que ms comnmente se utiliza en clculos de Termodinmica es la presin de vapor o presin de saturacin. Esta se define como la presin a la cual existen en equilibrio una fase lquida y una fase vapor. Si la presin de vapor iguala a la presin atmosfrica, el lquido entrar en ebullicin. Solo depende de la temperatura. Existen diversas ecuaciones para calcular. Una de las ms precisas es la ecuacin de Frost-KalkwarfThodos

ln P vap = A

B T

+ C ln T +

DP vap T2

donde: A,B,C,D: Constantes empricas que dependen de cada sustancia. Pvap: Presin de vapor. T: Temperatura. Como puedes observar en esta ecuacin es imposible despejar la Pvap o la T. Calculemos la Pvap del etilbenceno a una temperatura de 347.25 oK. Los valores de las constantes son: A=58.1, B=6792.54, C=-5.802, D=5.75. Las unidades de T son oK y las de Pvap mmHg. Al sustituir los valores de las constantes y de la temperatura obtenemos la siguiente ecuacin no lineal en Pvap

Y = 4.597088692583 + 4.76851700676 x10 5 P vap ln P vap = 0


Dada su simplicidad la resolveremos mediante el mtodo de Newton. La derivada es:

dy

dP

vap

= 4.76851700676 x10 5

vap

Experimentalmente la presin a lo ms puede medirse con 4 cifras significativas, por ello la tolerancia que usaremos ser Tol = 5x10 . A lo ms usaremos 10 iteraciones. Para hallar una primera aproximacin usaremos la teora. Otra ecuacin muy usada, pero menos precisa es la ecuacin de Antoine
5

ln P vap = A1

A2 T + A3

Pgina 2-29

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. De esta ecuacin si podemos despejar tanto Pvap como T. Las constantes de Antoine para el etilbenceno son: A1=15.98480422493, A2=3257.16944444444, A3=-61.00961. De esta ecuacin la Pvap inicial es de 100.05 mmHg. Los clculos se resumen en la tabla 22 Tabla 22 Clculos de la Pvap con el mtodo de Newton-Rapshon n Pvapn yn ccn
0 1 2 100.5 9.96669473876495E+01 9.9667683227095E+01 -3.8103458882697E-03 7.34789504530653E-06 2.7254642986918E-11 3.84332642255642E-03 -7.38292916705743E-06

Como podemos observar la convergencia se logra satisfactoriamente. Redondeando a la precisin exigida tenemos que Pvap = 99.67 mmHg. En este caso fue til el mtodo de Newton, ya que la ecuacin es relativamente sencilla y tenamos una buena aproximacin inicial. Vale la pena mencionar que potencialmente podra haber existido problemas de convergencia, ya que la derivada en la raz es -.009985657308932.

2.11.2. Clculo de la temperatura de saturacin.


La temperatura de saturacin de una sustancia pura es anloga a la presin de saturacin. Esta se define como la temperatura a la cual existen en equilibrio una fase lquida y una fase vapor. Es bien sabido que la presin atmosfrica es variable y depende de la altura. Por esta razn un lquido no hierve a la misma temperatura en cualquier parte del planeta. Estimando la temperatura de saturacin, podemos inferir de cierta forma cuanta energa requeriremos para hervir una sustancia. La temperatura de saturacin puede estimarse con cualquier ecuacin para la Pvap. Calculemos la temperatura de saturacin del etilbenceno a una presin de 2494 mmHg. Usaremos los datos del problema anterior. Sustituyendo en la ecuacin de Frost-KalkwarfThodos, la presin obtenemos

Y = 50.27835687376

6792 .54 T

5.802 ln T +

14340.5 T2

=0

Dado que la ecuacin es ligeramente ms complicada en T que en Pvap usaremos el mtodo de la Secante. Empleando la ecuacin de Antoine tenemos una aproximacin T=460 oK. Como requerimos 2 aproximaciones evaluamos la funcin en torno a esta aproximacin. Tenemos Y(460)= 6.36243669033045E-03 Y(459)= -1.28859539656325E-02 Como tenemos un CS y los valores son relativamente cercanos a 0, usamos el mtodo de la Secante con cierta confianza. Una temperatura puede medirse experimentalmente con 5 cifras significativas, por lo cual

Tol = 5x10 6 . Usaremos a lo ms 10 iteraciones. Los clculos se resumen en la tabla 23.


Tabla 23 Clculos de la Tsat con el mtodo de la Secante n Tsatn yn ccn
0 1 2 3 459 460 4.59669456174075E+02 4.59668819368142E+02 -1.28859539656325E-02 6.36243669033045E-03 1.22339202290045E-05 -1.16413985812303E-08 2.17391304347826E-03 7.19090253846048E-04 1.38535812302372E-06

La convergencia es satisfactoria. Redondeando a la precisin exigida T=459.67 oK.

2.11.3. Clculo de la transferencia de calor en un tejado

Pgina 2-30

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

Determinar que tanto calor escapa o entra por un tejado es til para saber si se requerir calentar, enfriar o aislar una casa. Para cierto tejado en un da soleado se ha determinado que la transferencia de calor esta dada por

Qcond =
donde Qcond: Transferencia de calor neta del tejado T: Temperatura en la superficie del tejado. La T esta dada por

T 294 .15 4 .47 E 3

y = f (T ) = 6.96 x10 8 T 4 + 42.8T 12919.82 = 0


No es necesario hallar las 4 races. Por consideraciones tericas la raz debe de ser positiva y adems que este entre 272.15 y 294.15. Evaluando en estos valores tenemos que P(272.15)= -889.99413603265 P(294.15)= 190.856299114374 Con el fin de hallar la raz que nos interesa usaremos el intervalo dado como una aproximacin para el mtodo de Regula Falsi, dado que existe un CS. Pediremos solo 2 cifras significativas. Los clculos se dan en la tabla 24 Tabla 24 Clculo inicial de la Temperatura con Regula Falsi n T izq. Tn T der. f(Tn)
0 1 2 272.15 290.265245510407 290.313418873695 290.265245510407 290.313418873695 290.313550773222 294.15 294.15 294.15 -2.39645390787155 -6.56175909170997E-03 -1.79675771505572E-05

ccn
1.66E-04 4.54E-07

La T es aproximadamente 290 0K. Ahora terminaremos el clculo con el mtodo de Newton con Tol = 5x10 y a lo ms 10 iteraciones. La derivada la calculremos con DS. Los clculos se dan en la tabla 25 Tabla 25 Clculos de la T con el mtodo de Newton-Rapshon n Tn yn ccn
0 1 2 290 290.313620812962 290.313551135388E+02 -1.55524239999995E+01 3.45684034618898E-03 -1.08028280617173E-03 1.72803993336856E-10 2.40007998060441E-07
6

Tenemos que T=290.31 oK. Sustituyendo en la ecuacin de la transferencia de calor se tiene Qcond=-859.06 W. Concluimos que el calor escapa por el tejado, por lo cual podra ser necesario calentar la casa. Si aplicamos la RSD hallamos que R+=1, por lo cual no vale la pena hallar las dems races.27

2.11.4. Clculo de la velocidad de descenso de un tanque en el ocano


Cuando se deja caer en el ocano un tanque de desperdicios, su velocidad esta en funcin de la profundidad. Esta velocidad es importante para saber si el tanque se romper al llegar al fondo.
27

Por qu ? Pgina 2-31

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. Si la velocidad llega a cierto valor crtico, el tanque podra romperse, liberando su carga y contaminando el ocano. Aplicando las leyes de Newton se llega a la siguiente ecuacin
gd p

=v c

( p b ) c2

ln p pbbcv

donde g: constante de la aceleracin de la gravedad. d: distancia que cae el tanque. p: peso del tanque. b: fuerza hidrosttica. c: coeficiente de proporcionalidad de la fuerza hidrodinmica. v: velocidad de cada. Cierto tanque pesa 527.436 lb. Caer 300 ft de profundidad. Los valores de los dems parmetros son: b=470.327 lb, c=.08, g= 32.174 ft/s2. Si la velocidad critica es de 40 ft/s. Se romper el tanque al llegar al fondo ? Si sustituimos los valores en la ecuacin obtenemos

Y = 12.5v + 8923.2812 ln(1.14008x10 2 v ) + 18.300229 = 0


Como la ecuacin es simple usaremos el mtodo de Newton. Para la primera aproximacin, podemos usar la siguiente ecuacin aproximada

v (d ) =

2g p

( p b )d
4

Sustituyendo valores v 45.7 ft / s . Usaremos Tol = 5x10 resumen en la tabla 26

y maxiter=10. Los clculos se

Tabla 26 Clculos de la v con el mtodo de Newton-Rapshon n Tn yn ccn


0 1 2 45.7 44.7739645502487 44.7634120956989 -7.91702093724155E-01 -8.82664266947586E-03 2.06824537217836E-02 -4.12357911727668E-06 2.3573838668222E-04

La velocidad con la que el tanque llega al fondo es de 44.8 ft/s, por lo cual el tanque puede romperse al llegar al fondo.

2.11.5. Determinacin del tiempo de recuperacin de un amortiguador


Uno de los aditamentos que hacen ms cmodo y seguro el viajar en un auto es el amortiguador. Mientras ms pronto amortige las perturbaciones provocadas las irregularidades del camino, mejor ser el amortiguador. Para un cierto auto la ecuacin que da el desplazamiento del amortiguador en funcin del tiempo es

d (t ) = e 50t (0.45633sen(9 t ) 1.9179 cos(9 t ))


Esta funcin es cuasiperidica, lo que implica que oscila de forma tal que la su amplitud tiende a 0.

Pgina 2-32

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales. El criterio para decidir si el amortiguador trabaja bien es verificar que la velocidad del movimiento es 0. Como no es posible lograr esto, un ingeniero28 (de la UAM), ha determinado que si la velocidad es 0.01 m/s, se puede considerar que el amortiguador esta quieto. Tambin determin que si el tiempo de recuperacin es 0.2 seg. o menos el amortiguador es bueno. Para calcular la velocidad debemos derivar la expresin anterior

v (t ) = e 50t (100.00197 cos(9 t ) 5.5554 sen(9t ))


igualando a 0.01 tenemos la ecuacin no lineal

Y = f (t ) = e 50t (100.00197 cos(9t ) 55554 sen (9t )) 0.01 = 0 .


Para buscar la raz evaluamos la funcin en 0, 0.1 y 0.2 Y(0)=100.00197 Y(0.1)=0.389524267487651 Y(0.2)=-0.00127713499061 Podemos observar que existe un CS en [0.1,0.2]. Como la derivada de la funcin ser tan o ms complicada que la original no usaremos el mtodo de Newton. Emplearemos el mtodo de la secante. Obtendremos el tiempo con 4 cifras significativas. Tol = 5x10 , Maxiter=50. Los clculos se resumen en la tabla 27 n
0 1 2 3 29
5

Tabla 27 Clculos del mtodo de la Secante tn yn


0.1 0.2 0.199673201021667 0.25225435648214 3.89524267487651E-01 -1.27713499060973E-03 -1.28512219853309E-03 -2.28513714833634E-04

ccn
1.63666920077808E-03 -2.08444984632784E-01

0.517432470113204

-5.15425872875231E-16

-2.00790088224563E-05

Podemos observar que no obtenemos una raz en [0.1,0.2]. El mtodo de la secante tuvo problemas de convergencia. Esto se debe a que esta funcin tiene puntos crticos cerca del intervalo en cuestin. Para resolver este problema usaremos el mtodo de biseccin para hallar una aproximacin ms cercana en el intervalo [0.1,0.2]. Usaremos Tol = 5x10 Maxiter=10. Los clculos se muestran en la tabla 28 n
6 1 2 6
3

Tabla 28 Clculos del mtodo de Biseccin t izq. tn t der. f(tn)


0.1 0.15 0.15 0.15 0.175 0.1625 0.2 0.2 0.175 9.11514380339662E-03 -9.46921346298525E-04 1.56484354395356E-03

ccn
1.42857142857143E-01 7.6923076923077E-02

0.1671875

0.16796875

0.16875

8.07927704354278E-05

4.65116279069774E-03

Ahora empleamos el mtodo de la secante iniciando con 0.1 y 0.168. Los clculos se resumen en la tabla 29

28

de la UAM por supuesto. Pgina 2-33

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

N
0 1 2 3 4

Tabla 29 Clculos del mtodo de la Secante tn yn


0.1 0.168 0.168012978826334 0.168360347993081 0.168366606499378 3.89524267487651E-01 7.43323981345322E-05 7.16551325333064E-05 1.26815329331546E-06 2.22200065806133E-08

ccn
7.7248950790812E-05 2.06324809189501E-03 3.71718978437688E-05

Ahora si logramos la convergencia. El tiempo es de 0.1684 segundos. Como el tiempo es menor a 0.2 seg. Concluimos que el amortiguador es eficiente. En este ejemplo podemos darnos cuenta que en general no es recomendable empezar con un mtodo rpido (como es el de la secante), ni tampoco es siempre el mtodo de Newton el mejor. 2.12. Resumen La resolucin de ecuaciones no lineales, es una de los problemas que aparecen ms frecuentemente en ingeniera. Consiste en hallar los valores de x tales que f(x)=0. Estos valores se denominan races ceros. Existen 3 tcnicas para resolver este problema: mtodos analticos, mtodos grficos y mtodos numricos. Los ltimos son generalmente la mejor opcin. Los mtodos numricos obtienen una sucesin de valores que se aproxima a la raz. Requieren una ms aproximaciones. El TCS nos ayuda a localizar races. Se trataron los mtodos de : Biseccin, Regula Falsi, Secante y Newton. l ultimo converge ms rpido, pero no es necesariamente el mejor. Los primeros 2 son lentos pero seguros, los otros son rpidos pero inseguros. Lo mejor es usar una combinacin. Empezar los clculos con un mtodo lento y de ah pasarse a uno rpido. El caso problemtico de la bsqueda de races lo constituyen las races dobles. En este caso se emplean los mtodos modificados. Slo se recomienda los mtodos modificados, cuando son realmente necesarios, es decir, en races dobles. Al resolver una ecuacin no lineal se tienen 2 casos: Ecuaciones polinomiales y ecuaciones no polinomiales. Para las primeras existen varios teoremas y tcnicas que permiten su resolucin. Para las segunda solo se puede hacer considerando: la teora, la grfica o analizando la funcin.

Pgina 2-34

Mtodos Numricos Curso SAI Tema 2. Races de Ecuaciones No Lineales.

2.13.

ndice

2.

RACES DE ECUACIONES NO LINEALES 2.1. INTRODUCCIN. 2.2. DEFINICIONES Y TEOREMAS BSICOS 2.2.1. MTODOS ANALTICOS 2.2.2. MTODOS GRFICOS 2.2.3. MTODOS NUMRICOS 2.2.3.1. Teorema del cambio de signo (TCS) 2.3. MTODO DE BISECCIN 2.3.1. EJEMPLO DEL MTODO DE BISECCIN 2.4. MTODO DE REGULA FALSI 2.4.1. EJEMPLO DEL MTODO DE REGULA FALSI 2.5. MTODO DE LA SECANTE 2.5.1. EJEMPLO DEL MTODO DE LA SECANTE 2.6. MTODO DE NEWTON-RAPSHON 2.6.1. EJEMPLO DEL MTODO DE NEWTON-RAPSHON 2.7. ITERACIN DE PUNTO FIJO 2.7.1. EJEMPLO DEL MTODO DE ITERACIN DE PUNTO FIJO 2.8. RACES DOBLES 2.8.1. TEOREMA DE LA ELIMINACIN DE LA RAZ DOBLE 2.8.2. MTODO DE NEWTON-RAPSHON MODIFICADO 2.8.3. MTODO DE LA SECANTE MODIFICADO 2.8.3.1. Ejemplos de los mtodos modificados 2.9. RACES DE POLINOMIOS 2.9.1. TEOREMAS USADOS EN LA RESOLUCIN DE POLINOMIOS 2.9.2. METODOLOGA PARA HALLAR LAS RACES DE UN POLINOMIO 2.9.2.1. Ejemplo de la resolucin de un polinomio 2.10. RESOLUCIN DE UNA ECUACIN NO POLINOMIAL 2.10.1. PRIMERA APROXIMACIN PARA UNA ECUACIN NO POLINOMIAL. 2.10.1.1. Ejemplo de hallar las races de una ecuacin no polinomial 2.11. EJEMPLOS DE ECUACIONES NO LINEALES 2.11.1. CLCULO DE LA PRESIN DE VAPOR 2.11.2. CLCULO DE LA TEMPERATURA DE SATURACIN. 2.11.3. CLCULO DE LA TRANSFERENCIA DE CALOR EN UN TEJADO 2.11.4. CLCULO DE LA VELOCIDAD DE DESCENSO DE UN TANQUE EN EL OCANO 2.11.5. DETERMINACIN DEL TIEMPO DE RECUPERACIN DE UN AMORTIGUADOR 2.12. RESUMEN 2.13. NDICE

2-1 2-1 2-1 2-1 2-1 2-2 2-2 2-3 2-5 2-7 2-8 2-9 2-10 2-11 2-12 2-13 2-14 2-15 2-16 2-16 2-16 2-17 2-18 2-19 2-24 2-24 2-25 2-25 2-26 2-29 2-29 2-30 2-30 2-31 2-32 2-34 2-35

Pgina 2-35