Académique Documents
Professionnel Documents
Culture Documents
Investigacin formativa
CURSO:
Mtodos numricos y Programacin
Integrantes:
Ancco Romero Yunett
Condori Chipa Fernando
Mamani Mamani Edson
Coaguila Mamani Jhordy
Chipana Huillca Jose
Suni Tunquipa Fredy
Zavaleta Caro Hillary
Vilca Alvarez Aldo
Serrano Cabrera Yinella
Aguilar Castro Edison
Quispe Urbina Jose
Tacca Alex
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
INDICE
INTRODUCCION ........................................................................................................................ 5
ECUACIONESNOLINEALES.......................................................................................................... 6
INTRODUCCIN: ........................................................................................................................... 6
1. TEOREMADEBOLZANO: .............................................................................................................. 6
2. MTODODELABISECCIN:........................................................................................................... 7
2.1 OBJETIVOS:.................................................................................................................................... 7
2.2 DEFINICINDELMTODO: ................................................................................................................ 7
2.3 ALGORITMODEBISECCIN: ............................................................................................................... 8
3. EJERCICIOS: ......................................................................................................................... 11
*Propuesto 1: .................................................................................................................................... 11
*Propuesto 2: .................................................................................................................................... 11
*Propuesto 3: .................................................................................................................................... 14
MTODODELAFALSAPOSICIN ................................................................................................ 15
1. OBJETIVOS:............................................................................................................................ 15
2. DEFINICIN:........................................................................................................................... 15
3. DERIVACIN DEL MTODO: ........................................................................................................ 15
4. ALGORITMO DEL MTODO DE FALSA POSICIN: ............................................................................. 17
5. DESVENTAJAS: ........................................................................................................................ 18
6. EJERCICIO: ............................................................................................................................. 18
*Propuesto 1: .................................................................................................................................... 18
*Propuesto 2: .................................................................................................................................... 21
MTODODENEWTONRAPHSON............................................................................................... 26
1. CARACTERISTICAS: ................................................................................................................... 26
2. OBJETIVOS:............................................................................................................................ 26
3. DEFINICIN:........................................................................................................................... 26
4. INTERPRETACINGRFICADELMTODODENEWTONRAPHSON: ........................................................... 27
5. DERIVACIONDELMTODO: ........................................................................................................ 27
6.ALGORITMO: .......................................................................................................................... 28
7. EJERCICIOS: ........................................................................................................................... 30
2
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
*Propuesto 1: .................................................................................................................................... 30
MTODODELASECANTE........................................................................................................... 33
1. OBJETIVOS:............................................................................................................................ 33
2. DEFINICIN:........................................................................................................................... 33
3. DERIVACIN DEL MTODO: ...................................................................................................... 33
4. ALGORITMO:.......................................................................................................................... 35
Ejercicio 1: ......................................................................................................................................... 35
5. EJERCICIOS: ........................................................................................................................... 36
*Propuesto 1: .................................................................................................................................... 36
MTODODELPUNTOFIJO ......................................................................................................... 40
1. DEFINICIN:........................................................................................................................... 40
2. CRITERIO DE CONVERGENCIA: .................................................................................................... 40
2.1.INTERPRETACION GEOMETRICA DE LA CONVERGENCIA ( g ( x) 1 ): ..................................................... 43
3. EJERCICIOS: ........................................................................................................................... 45
*Propuesto 1: .................................................................................................................................... 45
*Propuesto 2: .................................................................................................................................... 47
MTODODESTEFFESEN............................................................................................................ 49
1. OBJETIVOS:............................................................................................................................ 49
3. DEMOSTRACIN DE LA FRMULA: .............................................................................................. 49
3. ALGORITMO DEL MTODO DE STEFFENSEN: ................................................................................... 51
4. PSEUDOCDIGO EL MTODO DE STEFFENSEN: ................................................................................ 51
5. EJERCICIOS: ........................................................................................................................... 52
*Propuesto1: ..................................................................................................................................... 52
*Propuesto 2: .................................................................................................................................... 55
*Propuesto 3: .................................................................................................................................... 57
7. VENTAJAS: ............................................................................................................................ 59
8. DESVENTAJAS: ........................................................................................................................ 59
9. OBSERVACIONES: .................................................................................................................... 59
3
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MTODODEBARISTOW ........................................................................................................... 60
1. OBJETIVO: ............................................................................................................................. 60
2. DEFINICIN:........................................................................................................................... 60
2.1 RACES DE POLINOMIOS:.................................................................................................................... 60
2.2 MTODO DE BAIRSTOW: ................................................................................................................... 61
3. DERIVACIN DEL MTODO: ....................................................................................................... 62
4. EJERCICIOS: ........................................................................................................................... 63
*Propuesto1: ..................................................................................................................................... 63
*PropuestoI1: .................................................................................................................................... 66
METODODEMLLER ............................................................................................................... 70
1. OBJETIVO: ............................................................................................................................. 70
2. DEFINICIN:........................................................................................................................... 70
3. ALGORITMO:.......................................................................................................................... 73
4. PSEUDOCODIGO:..................................................................................................................... 75
5. PROPUESTOS:......................................................................................................................... 77
*Propuesto 1: .................................................................................................................................... 77
*Ejercicio 2: ....................................................................................................................................... 80
6. VENTAJAS: ............................................................................................................................ 82
METODODERAICESMULTIPLES ................................................................................................ 83
1. OBJETIVOS............................................................................................................................. 83
2. DEFINICION............................................................................................................................ 83
3. ALGORITMOS Y PSEUDOCODIGOS ................................................................................................ 86
4. PROPUESTOS:......................................................................................................................... 89
Ejercicio 1 .......................................................................................................................................... 89
Ejercicio2 ........................................................................................................................................... 91
CONCLUSIONES: ..................................................................................................................... 94
BIBLIOGRAFA:........................................................................................................................ 95
ANEXOS.................................................................................................................................. 96
4
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
INTRODUCCION
En el presente trabajo daremos a conocer mtodos por los cuales podremos resolver funciones
que fcilmente no es posible hallar las races de F x 0 , as entonces los usaremos los
mtodos numricos.
Antes de la llegada de las computadoras digitales se dispona de una serie de mtodos para
calcular las races de ecuaciones algebraicas y trascendentes. En algunos casos, las races se
obtenan con mtodos directos, como se hace con ecuaciones sencillas de hallar sus races.
Sin embargo existen ecuaciones como esta que se resuelven directamente y aparecen muchas ms
en la que nos es posible encontrar su solucin. Por ejemplo, incluso una funcin tan simple como
F x e x x , no se puede resolver en forma analtica. En tales casos, la nica alternativa es
una tcnica con solucin aproximada.
Un mtodo para obtener la solucin aproximada consiste en graficar la funcin y determinar donde
cruza el eje de las x . Este punto, que presenta el valor de x para el cual F x 0 , es la raz.
Aunque os mtodos grficos son tiles en la obtencin de estimaciones de las races, tienen el
inconveniente de que son poco precisas. Un mtodo alternativo es el de prueba y error. Esta
tcnica consiste en elegir un valor de x y evaluar si F x es cero. Si no es as (como suceder
en la mayora de los casos) se hace otra eleccin y se evala nuevamente F x para determinar si
el nuevo valor ofrece una mejor aproximacin de la raz. El proceso se repite hasta que se obtenga
un valor que proporcione una F x cercana a cero.
Entonces aprenderemos a utilizar estos mtodos que emplean estrategias sistemticas para
dirigirse a la raz verdadera, que describiremos a continuacin.
5
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
EcuacionesNoLineales
Introduccin:
En este mtodo estudiaremos diversos mtodos para resolver ecuaciones no lineales en una
incgnita, f ( x) 0 aprovechando los conceptos bsicos del clculo las posibilidades grficas y de
cmputo de la tecnologa moderna.
A lo largo del tema, recurriremos sistemticamente a la interpretacin grfica de los mtodos, a fin
de mostrar visualmente su funcionamiento y de enriquecer las imgenes asociadas con ellos; de
igual manera, se generan tablas en la aplicacin de cada tcnica para analizar el comportamiento
numrico y eventualmente detener el proceso.
Se ha organizado el material como mtodos de uno y de dos puntos, usando como prototipo de los
primeros el de punto fijo, y de los segundos el de posicin falsa. Esto, junto con el concepto de
orden de convergencia, nos permitir tener los elementos suficientes para seleccionar la tcnica
ms adecuada para una situacin dada. Finalizamos el captulo con las tcnicas para resolver
ecuaciones polinomiales.
1. TeoremaDeBolzano:
Este teorema no da los criterios matemticos necesarios para que podamos resolver mediante los
diversos mtodos todas ecuaciones que a veces por los mtodos tradicionales conocidos no
presentan solucin, aqu viene una de las tcnicas de mtodos numricos como herramienta para
obtener las diversas soluciones de ecuaciones no lineales y tengan solucin pues de no cumplir
con este teorema no se llevara a la solucin mediante al obtencin de races de las ecuaciones.
6
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
2. MtodoDeLaBiseccin:
2.1 Objetivos:
Este teorema no da los criterios matemticos necesarios para que podamos resolver mediante los
diversos mtodos todas ecuaciones que a veces por los mtodos tradicionales conocidos no
presentan solucin, aqu viene una de las tcnicas de mtodos numricos como herramienta para
obtener las diversas soluciones de ecuaciones no lineales y tengan solucin pues de no cumplir
con este teorema no se llevara a la solucin mediante al obtencin de races de las ecuaciones.
2.2 DefinicinDelMtodo:
Supongamos que se tiene una funcin continua en el intervalo [a,b] y de tal manera que
f a * f b 0 esto quiere decir que f x tiene un cero en el intervalo abierto (a,b). Por
la razn que el producto del valor de la funcin en a y b es negativo es decir cambia de signo en el
intervalo [a,b], lo que afirma es una consecuencia del teorema del valor medio.
Pues el mtodo en anlisis explota el hecho anterior para su fundamento, pues dicho mtodo
a b y averigua si f a f c 0 si esto resulta siendo cierto entonces
determina c
2
f x tiene una raz en el intervalo [a,c]. En seguida tomamos el valor de c como b y realizamos
el mismo anlisis anterior.
7
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Este mtodo tambin se le conoce con el nombre de mtodo de la biparticin, pero debemos
destacar este mtodo es el ms slido y seguro que los otros mtodos para encontrar una raz en
un intervalo.
f(a)
f(b)
a c b
a c b
caso a) f a * f c 0 Caso b f c * f b 0
2.3 AlgoritmoDeBiseccin:
Supongamos que f a 0 y f b 0 . (La demostracin sera anloga si supusiramos
f a 0 y f b 0.
a b
Consideremos el punto medio de a, b :
2
a b a b
Si f 0 queda demostrado el teorema. Sino, f ser positiva o negativa en
2 2
Tomemos una de las mitades del intervalo a, b donde la funcin sea negativa en un extremo y
positiva en el otro. Llamemos a1 y b1 a los extremos de este intervalo. Ahora dividamos a1 , b1 a la
mitad. Si f no vale cero en el punto medio, ser positiva o negativa. Tomemos la mitad donde f tiene
distinto signo en cada extremo, y llamemos a estos puntos a2 y b2 .
8
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Es decir:
1) Los ai forman una sucesin creciente y los bi forman una sucesin decreciente.
2) Los ai son siempre menores que los bi ,veamos cul es el limn inf bn an .
De modo que:
3) limninf bn an limninf b a / 2n 0.
an es creciente, bn es decreciente
9
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Todo PSMC tiene la propiedad de definir un nmero frontera entre ambas sucesiones.
O sea que tomando el mayor entre n1 y n2 , llammosle n3, se cumplen ambas cosas.
Es decir, para todo 0 existe n3 / para todo n n3 c an , bn c .
Esto significa que, para cualquier entorno de c que consideremos, existe un intervalo an , bn
Por otro lado, f es continua en a, b por hiptesis. Por lo tanto es continua en c. Por definicin de
continuidad, limx c f x f c
negativa.
Pero, otra vez, dentro de ese entorno existe un intervalo an , bn tal que f an es de distinto
signo que f bn .Por lo tanto, no existe otra posibilidad: f c 0
10
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
3. EJERCICIOS:
*Propuesto 1:
Demostrar que existe algn nmero real x tal que sen x x .
f sen 0 0
f sen 0 0
Por cumplirse las tres propiedades anteriores segn el teorema de Bolzano, existe c .
tal que:
f c 0 sen c c
*Propuesto 2:
Determinar una raz real del polinomio f ( x) x 3 2 x 2 10 x 20 , considerando un error de 103
-Solucin:
f 0 20 ; f 1 7 ; f 1 29 ; f 2 16 .
Considerando el razonamiento del mtodo observamos que en el intervalo 1, 2 existe una raz de
la funcional. En este caso nuestros valores de a 1, b 2
11
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
ln( a) ln( )
M
ln( 2)
ln( 2 1) ln(10 3 )
En donde a es la longitud del intervalo, en nuestro caso M 7
ln( 2)
c
2 1 3 2
1.5 ; f (1.5) (1.5) 2 * (1.5) 10 (1.5) 20 2.88
2
a 1; f 1 7
d) Segunda Iteracin:
Iteracin (k) Xa Xb Xm
Ck Ck 1 f (Ck )
0 1.00000 2.00000
12
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
1 1.5
c 1.25;
2
f (1.25) (1.25) 3 2 * (1.25) 2 10 * (1.25) 20 2.42
13
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
*Propuesto 3:
Se carga una viga de manera que se aprecia en al figura emplee el mtodo de biseccin para
3 x 6
6 x 10
10 x 12
14
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MtodoDeLaFalsaPosicin
1. Objetivos:
En este mtodo nuestro objetivo es acercarnos al valor ms cercano de la raz a encontrar, por
medio de pendientes ms y ms cercanas a la misma.
Es decir empezamos con nuestros lmites a y b de siempre, hallamos la pendiente entre f (b) y
f ( a ) , el punto de corte de esta pendiente denominado " r " , dicho punto ser denominado nuestro
nuevo limite a y repetiremos los pasos hasta acercarnos lo ms posible al error establecido.
Aun cuando la biseccin es una tcnica perfectamente vlida para determinar races, su mtodo de
aproximacin por "fuerza bruta" es relativamente ineficiente. La falsa posicin es una alternativa
basada en una visualizacin grfica.
2. Definicin:
Un mtodo alternativo que aprovecha la visualizacin grfica consiste en unir ( xa ) y ( xb ) con una
lnea recta. La interseccin de esta lnea con el eje de las " x " representa una mejor aproximacin
de la raz. El hecho de que se reemplace la curva por una lnea recta da una falsa posicin de la
raz; de aqu el nombre de mtodo de la falsa posicin, o en latn, regula falsi. Tambin se le conoce
como mtodo de interpolacin lineal.
15
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Usando tringulos semejantes, la interseccin de la lnea recta con el eje de las " x " se estima
mediante:
f ( xa ) f ( xb )
( xr xa ) ( xr xb )
Multiplicando en cruz la ecuacin anterior obtenemos:
f ( xa )( xr xb ) f ( xb )( xr xa )
Agrupando trminos y reordenando:
xr f ( xa ) f ( xb ) xb . f ( xa ) xa . f ( xb )
Dividiendo entre f ( xa ) f ( xb )
xb . f ( xa ) xa . f ( xb )
xr
f ( xa ) f ( xb )
Esta es una de las formas del mtodo de la falsa posicin. Esta puede ponerse en una forma
alternativa al separa los trminos:
xb . f ( xa ) xa . f ( xb )
xr
f ( xa ) f ( xb ) f ( xa ) f ( xb )
xb . f ( xa ) xa . f ( xb )
xr xb xb
f ( xa ) f ( xb ) f ( xa ) f ( xb )
16
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
f ( xb )( xa xb )
xr xb
f ( xa ) f ( xb )
sta es la frmula de la falsa posicin. El valor de xr calculado con la ecuacin anterior,
reemplazar, despus, a cualquiera de los dos valores iniciales, xa o xb , y da un valor de la funcin
con el mismo signo de xr . De esta manera, los valores xa y xb siempre encierran la verdadera
raz. El proceso se repite hasta que la aproximacin a la raz sea adecuada.
Se calcula el error aproximado porcentual hasta que cumpla con el error pedido.
( xrn1 xrn )
e% .100%
( xrn1 )
4. Algoritmo Del Mtodo de Falsa Posicin:
Paso 1: Elija valores iniciales inferior, xa y superior xb , que encierran la raz, de forma tal que la
funcin cambie de signo en el intervalo. Esto se verifica comprobando que f ( xa ). f ( xb ) 0
f ( xb )( xa xb )
xr xb
f ( xa ) f ( xb )
Paso 3: Realice las siguientes evaluaciones para determinar en qu subintervalo est la raz:
17
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
5. Desventajas:
Aunque el mtodo de la falsa posicin parecera ser siempre la mejor opcin entre los mtodos
cerrados, hay casos donde funciona de manera deficiente.
6. Ejercicio:
*Propuesto 1:
La velocidad v de un paracaidista que cae est dada por:
gm
v (1 e ( c / m )t )
c
Solucin:
gm
v (1 e ( c / m )t )
c
18
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
9.8m
0 (1 e (135/ m ) ) 35
15
Teniendo como funcin
9.8m
f ( m) (1 e (135/ m ) ) 35 0
15
9.8 50
f (50) (1 e (135/50) ) 35
15
f (50) 4.52871
9.8 60
f (60) (1 e (135/60) ) 35
15
f (60) 0.06835
Por lo tanto f (50) f (60) 0 entonces cumple con el teorema de Bolzano y existe una nica raz
tal que f ( ) 0 en 50,60 .
f ( xb )( xa xb )
xr xb
f ( xa ) f ( xb )
Donde:
xb 60 f (60) 0.06835
xa 50 f (50) 4.52871
0.06835(50 60)
xr 60
4.52871 0.06835
19
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
xr 59.85131
Segunda iteracin:
xb 59.85131 f (59.85131) 0.004418
xa 50 f (50) 4.52871
0.004418(50 59.85131)
xr 59.85131
4.52871 0.004418
xr 59.84223
Tercera iteracin:
xb 59.84223 f (59.84223) 0.0005109
xa 50 f (50) 4.52871
0.0005109(50 59.84223)
xr 59.84223
4.52871 0.0005109
Hallando el error:
( xrn1 xrn )
e% .100%
( xrn1 )
Tenemos:
(59.84223 59.85131)
e% .100%
59.84223
e% 0.01%
Donde:
20
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
*Propuesto 2:
Por un canal trapezoidal fluye agua a una tasa de Q 20m3 / s . La profundidad crtica y para dicho
canal satisface la Ecuacin:
Q2
0 1 3 B
gAc
Donde g 9.81 m s , AC rea de la seccin transversal m 2 , y B ancho del canal en la
2
superficie m . Para este caso, el ancho y el rea de la seccin transversal se relacionan con la
profundidad y por medio de:
y2
B 3 y Y
Ac 3 y
2
Resuelva para la profundidad crtica con el uso de los mtodos a) grfico, b) biseccin, y c) falsa
posicin. En los incisos b) y c) haga elecciones iniciales de x0 0.5 y x1 2.5 , y ejecute
iteraciones hasta que el error aproximado caiga por debajo del 1% o el nmero de iteraciones
supere a 10 . Analice sus resultados.
Solucin:
20 2 (3 y )
f( y ) 1
y2 3
9, 81(3 y )
2
a)
21
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
b)
f ( xb )( xa xb )
c) xb xr
f ( xa ) f ( xb )
-1iteracion:
202 (3 (0,5))
f ( a ) f (0.5) 1 32.258215
(0,5) 2 3
9,8(3(0,5) )
2
202 (3 (2.5))
f (b ) f (2.5) 1 0.813032
(2.5) 2 3
9,8(3(2.5) )
2
(0.813032)(0,5 2.5)
xr 2.5 2.45083
32.258215 0.813032
22
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
-2iteracion:
202 (3 (2.45083))
f (2.45083) 1 0.799873 f ( b )
(2.45083) 2 3
9,8(3(2.45083) )
2
(0.799873)(0.5 2.45083))
xr 2.45083 2.40362917
32.258215 0.799873
-3iteracion:
202 (3 (2.403629))
f (2.403629) 1 0.786123 f (b )
(2.403629)2 3
9,8(3(2.403629) )
2
(0.786123)(0,5 2.403629))
xr 2.403629 2.358341
32.258215 0.786123
-4iteracion:
202 (3 (2.358341))
f (2.358341) 1 0.771792 f ( b )
(2.358341) 2 3
9,8(3(2.358341) )
2
(0.771792)(0,5 2.358341)
xr 2.358341 2.31491
32.258215 0.771792
-5iteracion:
202 (3 (2.31491))
f (2.31491) 1 0.756893 f (b )
(2.31491)2 3
9,8(3(2.31491) )
2
(0.756893)(0,5 (2.31491))
xr 2.31491 2.27331
32.258215 0.756893
23
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
-6iteracion:
202 (3 (2.27331))
f (2.27331) 0.741446 f (b )
(3, 7698) 2 3
9,8(3(2.27331) )
2
(0.741446)(0,5 2.27331))
xr 2.27331 2.23346
32.258215 0.741446
-7iteracion:
202 (3 (2.23346))
f (2.23346) 1 0.72547 f (b )
(2.23346) 2 3
9,8(3(2.23346) )
2
(0.72547)(0,5 2.23346))
xr 2.23346 2.19534
32.258215 0.72547
-8iteracion:
202 (3 (2.19534))
f (2.19534) 1 0.70900 f ( b )
(2.19534) 2 3
9,8(3(2.19534) )
2
(0.70900)(0,5 2.19534))
xr 2.19534 2.158879
32.258215 0.70900
-9iteracion:
202 (3 (2.158879))
f (2.158879) 1 0.69206 f (b )
(2.158879)2 3
9,8(3(2.158879) )
2
(0.69206)(0,5 2.158879))
xr 2.158879 2.124037
32.258215 0.69206
24
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
-10iteracion:
202 (3 (2.124037))
f (2.12403) 1 0.674694 f (b )
(2.124037) 2 3
9,8(3(2.124037) )
2
(0.674694)(0,5 2.124037))
xr 2.124037 2.090766
32.258215 0.674694
xr 2.090766
2.090766 (2.124037)
Ea .100% 1,591331%
2.090766
25
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MtodoDeNewtonRaphson
1. Caracteristicas:
El mtodo de Newton Raphson es un mtodo abierto, llamado con este nombre porque no garantiza
la aproximacin exacta de la raz.
La nica forma para obtener una Aproximacin es escoger un valor inicial, cercano a la raz
buscada.
Para empezar la iteracin con el mtodo debe iniciarse con un nmero prximo a cero, denominado
como punto de arranque o valor supuesto
2. Objetivos:
Esta tcnica se utiliza para encontrar aproximaciones de los ceros o races de una funcin real, al
igual que puede ser utilizado para encontrar el mximo o el mnimo de una funcin, hallando los
ceros de su primera derivada.
3. Definicin:
Es un mtodo Iterativo que nos permite aproximar la solucin de una Ecuacin del tipo f ( x) 0
26
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
4. InterpretacinGrficadelMtododeNewtonRaphson:
5. DerivacionDelMtodo:
Supongamos que tenemos la aproximacin xi a la raz xr de f ( x)
Para calcular el punto xi 1 , calculamos primero la ecuacin de la recta tangente. Sabemos que
tiene pendiente: m f ( xi )
27
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Hacemos y 0 :
f ( xi ) f ( xi )( x xi )
Y despejamos x :
f ( xi )
x xi
f ( xi )
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que
encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a dicha
raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo caso se dice
que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una
rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
6. Algoritmo:
Dada la ecuacin f ( x) 0 , los indicadores de precisin y , un valor mximo del nmero de
iteraciones que se permiten realizar (maxiter) y un punto x0 con el que inicializar el proceso:
28
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
tolx 2
tolf 2
iteracion 0
Mientras ((iteracion max iter ) y (tolx> ) o (tolf ), hacer:
Si (f (x 0 ) 0) entonces:
Escribir mensaje de error (derivada nula).
Finalizar el proceso
si no:
f ( x0 )
x i x0
f ( x0 )
tolx x1 x0
tolf f ( x1 )
iteracion iteracion 1
x0 x1
fin condicion.
Fin bucle condicional
Si: ((tolx< ) y tolf entonces:
Tomar x1 como solucion
Si no:
Escribir un mensaje de error en el proceso de clculo
Fin Condicion.
Fin del algoritmo
En muchas ocasiones la diferencia entre dos valores consecutivos de las aproximaciones obtenidas
se relativiza para expresarlas porcentualmente. Para ello en el algoritmo anterior puede sustituirse
la lnea: tolx x1 x0 por otras que sean de la forma:
Si x1 0 entonces:
x1 x0
tolx 100
x1
Si, no:
tolx x1 x0
Fin condicion.
29
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
7. Ejercicios:
*Propuesto 1:
La concentracin de una bacteria contaminante en un lquido disminuye a lo largo del tiempo segn
la expresin:
C (t ) 80e2t 20e0.5t
Siendo t el tiempo en horas. Haciendo uso del mtodo de Newton Raphson para la bsqueda de
races, determinar el tiempo necesario que se necesita para que el nmero de bacterias se reduzca
a 7.
Solucin:
Metodo de Newton-Raphson:
f ( x ) 80 e 2 x 20 e 0.5 x 0 ; x 0 0
Ley de recurrencia (Formula)
f ( xi ) 80 e 2 xi 20 e 0.5 xi
xi 1 xi xi 1 xi
f ( xi ) 160 e 2 xi 10 e 0.5 xi
0.5 e 0.5 xi 0.125 e 2 xi
xi 1 xi
1 e 0.5 xi 0.0625 e 2 xi
Tabla de Datos:
i xi f ( xi ) xi xi 1
0 0.000000 100.000000
1 0.588235 39.572990 0.588235
2 1.285062 16.641281 0.696826
3 2.235787 7.453701 0.950725
30
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Representacin de la funcin:
y 80 e2 x 20 e0.5 x
Sea la funcin:
x
f ( x) ln( x2 6) e 2 sen( x) Cuya representacin grfica en el intervalo 6,6 es la
siguiente:
31
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
*Solucin:
Metodo de Newton-Raphson:
x
f ( x ) log( x 2 6) e 2
s en( x ) 0 ; x0 2.2
Ley de recurrencia (Formula)
f ( xi 1 )
xi xi 1 (i 1)
f ( xi 1 )
xi 1
Log
6 xi 1
2
e
2
Sen xi 1
xi xi 1 xi 1 xi 1
2 xi 1 1
e 2
Cos xi 1 e 2
Sen xi 1
6 x i 1 2 2
xi1
2 6 xi 12 e 2 Log
6 xi 1
2
Sen xi 1
xi xi 1
xi 1
4 e 2
xi 1 2 (6 xi 12 ) Cos xi 1 (6 xi 12 ) Sen xi 1
Tabla de Datos:
i xi f ( xi ) f ( xi ) xi xi 1
0 -2.200000 0.617439 8.112392
1 2.276111 0.034137 7.123981 0.076111
2 2.280902 0.000192 7.043532 0.004792
Representacin de la funcin:
x
f ( x) log( x2 6) e 2 sen( x)
32
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MtodoDeLaSecante
1. Objetivos:
Uno de los objetivos de este mtodo es eliminar el problema de la derivada de la funcin, ya que
existen funciones que describen fenmenos fsicos en la vida real, cuya derivada es muy compleja.
2. Definicin:
El mtodo de la secante est definida en el anlisis numricos como un mtodo para encontrar los
ceros de una funcin de forma iterativa; es decir, es una variacin del mtodo de Newton-Raphson
donde en vez de calcular la derivada de la funcin en el punto de estudio, teniendo en mente la
definicin de derivada, ya que esta es un problema potencial en la implementacin del mtodo de
newton-raphson cabe resaltar que la derivacin no es un inconveniente para los polinomios ni para
muchas otras funciones, sino por otro lado existen funciones cuyas derivadas en ocasiones
resultan muy difciles de calcular.
Donde podemos resaltar que este mtodo es de especial inters cuando el coste computacional de
derivar la funcin de estudio y evaluarla es demasiado elevado, por lo que el mtodo de Newton no
resulta atractivo.
33
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
El mtodo estudiado como se explica anteriormente parte de dos puntos que se diferencia del
mtodo de Newton que solo parte con un punto inicial, de la misma forma estima la tangente (es
decir, la pendiente de la recta) por una aproximacin de acuerdo con la expresin grfica siguiente:
34
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
4. Algoritmo:
Consiste en elegir dos puntos iniciales cualquiera xn 1 , xn para los cuales se evalan en:
f( xn )( xn xn 1 )
xn 1 xn
f( xn ) f ( xn 1 )
Se traza una recta secante a la funcin por esos dos puntos. El punto de interseccin de esta
recta con el eje de las abscisas ( xn , 0 ) constituye una segunda aproximacin de la raz.
El proceso se repite n veces hasta que el punto de interseccin xn muestre un error menor al
que nos pida el problema.
Ejercicio 1:
Usar el mtodo de la secante para aproximar la raz de f ( x) e x x , comenzando con x0 o
2
, x1 1 y hasta que |a | 1%
Solucin:
Tenemos que f ( x0 ) 1 y f ( x1 ) 0.632120558 , que sustituimos en la frmula de la secante
para calcular la aproximacin x1 :
f ( x1 )(x 0 x1 )
x2 x1 [ ] 0.612699837
f ( x0 ) f (x1 )
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la
siguiente tabla:
35
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%
x4 0.652917265
5. Ejercicios:
*Propuesto 1:
Dada la ecuacin: e x 2 x 0 .Emplear el mtodo de la secante en el intervalo
a0 , b0 2.4, 1.6. Para hallar la raz aproximada iterando hasta que el valor de
xi xi 1 102 .
Solucin:
La grafica de la funcin es la siguiente f x x e x 2
36
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Entonces:
f x x e x 2 0; xn x0 , x1 2.4, 1.6
-Primeria Iteracin:
Hallamos x2 :
f( x1 )( x1 x0 )
x2 x1
f( x1 ) f ( x1 x0 )
x2 1.6
1.6 e 1.6
2 (1.6 2.4 )
1.6 e 1.6
2 2.4 e2.4 2
x2 1.830078
37
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
-SegundaIteracin:
Hallamos x2 :
f( x2 )( x2 x1 )
x3 x2
f( x2 ) f ( x2 x1 )
x2 1.830078
1.830078 e 1.830078
2 (1.830078 2.4 )
1.830078 e 1.830078
2 2.4 e2.4 2
x3 1.841694
-Tercera Iteracin:
Hallamos x2 :
f( x3 )( x3 x2 )
x4 x3
f( x3 ) f ( x3 x2 )
x2 1.830078
1.830078 e 1.830078
2 (1.830078 1.841694 )
1.830078 e 1.830078
2 1.841694 e1.841694 2
x4 1.841405
38
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Entonces:
xi xi 1 102
x4 x3 102
0.000289 102
Donde cumple con lo que nos pide el problema, entonces el valor aproximado de x es -1.841405
39
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MtodoDelPuntoFijo
1. Definicin:
Como se dijo antes, los mtodos abiertos emplean una frmula para predecir la raz. Esta frmula
puede desarrollarse como una iteracin simple de punto fijo (tambin llamada iteracin de un punto
o sustitucin sucesiva o mtodo de punto fijo), al arreglar la ecuacin f ( x) 0 de tal modo que x
est del lado izquierdo de la ecuacin:
x g ( x)
De esta manera, dado un valor inicial para la raz xi se utiliza para obtener una nueva
aproximacin xi 1 expresada por la frmula iterativa:
xi 1 g ( xi )
xi 1 xi
a *100%
xi 1
2. Criterio De Convergencia:
Basado en que:
g (x) x
Por lo cual puede suponerse que si la sucesin x0 , x1 , x2 ,... converge a x , los valores
consecutivos
40
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
xi y xi 1 irn acercndose entre s conforme el proceso iterativo avanza, como puede verse
enseguida:
Un mtodo prctico para ver si los valores consecutivos se acercan, es calcular la distancia entre
ellos:
di xi 1 xi
Si la sucesin d1 , d2 , d3 ,.... tiende a cero, puede pensarse que el proceso est convergiendo a una
raz x y debe continuar hasta que di a y tomar a xi 1 como raz buscada. Si d1 , d2 , d3 ,.... no
converge para un numero grande de iteraciones, entonces x0 , x1 , x2 ,... diverge de x y se detiene el
proceso para comenzar uno nuevo, modificando el g ( x ) .
Se tiene el criterio:
g ( x) 1
g ( x) g ( xi 1 ) g (i )( xi xi 1 )
Donde:
i ( xi , xi 1 )
Como
g ( xi ) xi 1 y g ( xi 1 ) xi
41
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Sustituyendo se obtiene:
xi 1 xi g (i )(x i xi 1 )
xi 1 xi g (i ) (xi xi 1 )
x4 x3 g (3 ) (x3 x2 ) 2 ( x2 , x1 )
x3 x2 g (2 ) (x 2 x1 ) 2 ( x2 , x1 )
x4 x3 g (3 ) (x3 x2 ) 3 ( x3 , x2 )
Supngase ahora que en la regin que comprende a x0 , x1... y en x misma, la funcin g ( x) est
acotado; esto es:
g ( x) M
x3 x2 M x2 x1 MM x1 x0
O bien:
42
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
x3 x2 M 2 x1 x0
x4 x3 M x3 x2 MM 2 x1 x0
x4 x3 M 3 x1 x0
xi 1 xi M i x1 x0
Para ver esto se trazan las tangentes a g (x) en ( x0 , x1 ), ( x1 , x2 )... y se observa que todas tienen
un ngulo de inclinacin menor que la funcin y=x cuya pendiente es 1.
43
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Figura 2
44
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
3. Ejercicios:
*Propuesto 1:
Determine la raz real ms grande de f (x) 2 x3 11.7 x2 17.7 x 5 con el mtodo de punto fijo
con tres iteraciones, considerando x0 3 . Asegrese de haber desarrollado una solucin que
converja a la raz.
Solucin:
5
a) x g (x)
2 x 11.7 x 17.7
2
45
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Derivamos y reemplazamos el x0 3
5(1) 5(1)
g (x) *(4 x 11.7) *(4*3 11.7) 4.1667
2 x 11.7 x 17.7
2
2*3 11.7 *3 17.7
2
5 2 x3 11.7 x 2
b) x g ( x)
17.7
Se tiene que 0 g (3) 0.91525 1 , por lo tanto tiene convergencia monotonica, pero igual es un
valor cercano a 1 y nos dara muchas iteraciones como veremos ms adelante
2 x3 11.7 x 2 17.7 x 5
c) x g (x) x
x2 x
Derivamos y reemplazamos el x0 3
46
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
*Propuesto 2:
Se da la ecuacin trascendente f (x) 2x 5x 2 0 . Encontrar una raz prxima al valor
xo 0 aplicando el teorema y algoritmo del punto fijo. Trabajar con redondeo a tres cifras
decimales en cada iteracin e iterar hasta que se cumpla que xi xi1 0.0005 .
Buscar, en primer lugar la funcin iterativa x g (x) , deducida de la dada y comprobar que es
convergente del valor inicial dado.
Solucin:
Se toma la ecuacin
1
x (2 2 x )
5
47
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Cuya derivada es
1
g (x) 2 x log(2)
5
48
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MtodoDeSteffesen
1. Objetivos:
Permitir la convergencia rpida hacia la raz y que la funcin analizada no requiere
de evaluacin de derivada.
Utilizar el mtodo para acelerar la funcin de orden lineal, ya que converge la
misma en una cuadrtica.
2. Concepto del mtodo:
El mtodo de Steffensen es un algoritmo para obtener los ceros de una funcin. Puede considerar
como una combinacin del mtodo de punto fijo y del mtodo de Aitken, presenta una convergencia
rpida y no requiere, como en el caso del mtodo de la secante, la evaluacin de derivada alguna.
Adems presenta una convergencia rpida y no requiere, como en el caso del mtodo de Newton, ni
la evaluacin de derivada alguna.
3. Demostracin De La Frmula:
Para poder entender el mtodo de Steffensen debemos estudiar un tcnica denominada mtodo de
2 Aitken, la cual sirve para acelerar la convergencia de una sucesin que sea linealmente
convergente.
49
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Entonces
pn1 p pn p pn 2 p ,
2
Por lo tanto
pn1 2 pn 1 p p 2 pn 2 pn pn 2 pn p p 2
2
Al despejar obtenemos
p p pn 1
2
p n2 n
pn 2 2 pn 1 pn
pn1 pn
2
p pn
pn 2 2 pn1 pn
pn1 pn
2
p n pn ,
pn 2 2 pn 1 pn
Podemos concluir la siguiente formula que ser utilizada para las iteraciones del mtodo de
steffenson:
pn1 pn
2
p n pn
pn 2 2 pn 1 pn
y0 x0
2
x x0
z0 2 y0 x0
50
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
y0 x0
2
x x0
z0 2 y0 x0
Donde: n 0,1, 2,3... siendo x0 el valor inicial, elegido con algn criterio. En la formula se usa un
ndice para numerar los valores calculados.
Con la formula iterativa se obtiene una sucesin de valores x esperando que tienda a un valor que
satisfaga la ecuacin x g ( x) , lo cual implica que la ecuacin es f ( x) 0 tambin se satisface:
y g ( x0 )
z0 ( y0 )
3ro. Si el mtodo converge, la sucesin xi tendera hacia un valor fijo que satisface la ecuacin de
x g ( x)
Entrada:
Paso 1 i 0
51
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Paso 3.
y g ( x0 )
z0 ( y0 )
y0 x0
2
x x0
z0 2 y0 x0
Paso 4. Si x x0 Tol
Paso 5. i i 1
Paso 6. x0 x
Parar
5. Ejercicios:
*Propuesto1:
Calcular la raz de f ( x) x3 9 x 9 por el mtodo de Steffensen, hasta a 0.5% con punto
inicial x0 1
x3 9 x 9 0
x x 2 9 9
9
x
x 9
2
52
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
1era. Aproximacin
Sabiendo que x0 1
y0 g x0
y0 g x0
9
y0
0.91484375 2
9
y0 0, 914918748
z 0 g y0
9
z0
0, 914918748 2
9
z0 0, 914905985
y0 x0
2
x x0
z0 2 y0 x0
0, 914918748 0.91484375
2
x 1
0, 914905985 2 0, 914918748 0.91484375
y0 0,9
z0 g y0
9
z0
0, 9 2
9
z0 0,9174311927
y0 x0
2
x x0
z0 2 y0 x0
0,9 1
2
x 1
0,9174311927 2 0,9 1
x 0.91484375
53
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
2da. Aproximacin:
y0 g x0
9
y0
0.91484375 9
2
y0 0,914918748
z0 g y0
9
z0
0, 914918748 2
9
z0 0,914905985
y0 x0
2
x x0
z0 2 y0 x0
0,914918748 0.91484375
2
x 1
0,914905985 2 0,914918748 0.91484375
x 0,914907841
Recordando:
9
x
x 9
2
y0 g x0
z0 g y0
54
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
y0 x0
2
x x0
z0 2 y0 x0
I = () = () %
0 -1 - 0,9 - 0,9174311927 -
1 -0,91484375 -0,914919748 -0,914905985 -9.31
2 -0,914907841 -0.914907841 -0,914907841 0.00752
3 -0,914907841
*Propuesto 2:
El balance de masa de un contaminante en un lago bien mezclado se escribe as:
v f (c ) w Q c k V c
-Solucin:
W Qc
2
c
kV
Reemplazando valores
2
106 105 * c
c 6
0.25*10
55
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Para hallar nuestra primera iteracin con el mtodo de Steffensen necesitamos los valores de y0 y
z0 , si sabemos que:
2
106 105 * c
G c = 6
0.25*10
2
106 105 * 4
y0 G x0 6
5.76
0.25*10
2
106 105 *5.76
z0 G y0 6 2.8764
0.25*10
Ahora reemplazamos en la frmula del mtodo de Steffensen para obtener nuestra primera
iteracin i 0
y0 x0
2
x1 x0
z0 2 y0 x0
5.76 4
2
x1 4 4.6675
2.88 2*5.76 4
- i 1
x1 4.67
2
106 105 * 4.67
y1 G x1 6 4.5454
0.25*10
2
106 105 * 4.54
z1 G y1 6 4.7698
0.25*10
y1 x1
2
x2 x1
z1 2 y1 x1
56
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
4.54 4.67
2
x2 4.67 4.6230
4.77 2*4.54 4.67
-i 2
x2 4.62
2
106 105 * 4.62
y2 G x2 6 4.6311
0.25*10
2
106 105 * 4.63
z2 G y2 6 4.6139
0.25*10
y2 x2
2
x3 x2
z2 2 y2 x2
4.63 4.62
2
x3 4.62 4.6233
4.61 2*4.63 4.62
*Propuesto 3:
La ecuacin de Manning se puede escribir para un flujo en un canal abierto rectangular como:
S ( B H )4/3
Q
n ( B 2 H )2/3
57
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Despejamos H de la ecuacin
S ( B H )4 B
H
4 n Q3 2
0.0002(20 H i )4 20
G( H i )
4 0.03 53 2
Comenzamos a iterar
i0
x0 0
0.0002(20 H i ) 4
y0 G ( x0 ) 10
4 0.03 53
y0 10
0.0002(20 10) 4
z0 G ( y0 ) 10
4 0.03 53
z0 1218.2078
10 0
2
x1 0
1218.2078 2 10 0
x1 0.08
i 1
0.0002(20 0.08) 4
y1 G (0.08) 10
4 0.03 53
y1 9.92139
0.0002(20 9.92139) 4
z1 G (9.92139) 10
4 0.03 53
z1 1198.973841
9.92139 0.08
2
x2 0.08
1198.973841 2 (9.92139) 0.08
x2 0.00206
58
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
7. Ventajas:
El mtodo de Steffensen presenta una convergencia rpida y no requiere, como en el caso del
mtodo de la secante, la evaluacin de derivada alguna. Presenta adems, la ventaja adicional de
que el proceso de iteracin slo necesita un punto inicial.
8. Desventajas:
Si aplicamos Steffensen en ecuaciones de orden cuadrtico puede que no lo acelere o que haga que
una funcin que era divergente la transforme en convergente (incluso llegar a cambiar la
convergencia de una funcin).
9. Observaciones:
Al igual que el mtodo de Newton y otros mtodos cuadrticamente convergentes, la debilidad
fundamental en el mtodo de Steffensen es la eleccin del valor inicial xo. Si el valor de xo no est lo
suficientemente cerca de la solucin, el mtodo puede fallar y la secuencia de
valores xo, x1, x2 , x3, o bien puede oscilar entre dos valores, o bien divergen hacia infinito (ambas
alternativas pueden suceder).
59
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MtodoDeBaristow
1. Objetivo:
Con el mtodo iterativo de bairstow podremos calcular las races reales y complejas de un
polinomio.
Descubrir nuevos conceptos para la obtencin de races en una ecuacin polinmica basndonos en
conceptos bsicos como la divisin sinttica, mtodo de Ruffini y los conceptos previos de Newton-
Raphson.
2. Definicin:
2.1 Races de polinomios:
En esta parte estudiaremos los mtodos para encontrar las races de ecuaciones polinomiales de la
forma general:
f ( x) a0 a1 x a2 x 2 ... an 1 x n 1 an x n
donde n es el grado del polinomio y las a son los coeficientes del polinomio. Aunque los coeficientes
pueden ser nmeros reales o complejos, este estudio se limitar a los casos en que son reales.
Entonces las races del polinomio pueden ser reales y/o complejas.
1. En una ecuacin de grado n, hay n races reales o complejas. Se debe notar que esas races no
necesariamente son distintas.
60
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
3. Si existen races complejas, stas se encuentran por pares conjugados (es decir, + i y i),
donde i = 1 .
Antes de describir las tcnicas para localizar las races de polinomios, se proporcionarn algunos
antecedentes. La primera seccin da una motivacin para estudiar dichas tcnicas; la segunda
trata de algunas manipulaciones computacionales fundamentales con polinomios.
f2 (x) = x2 rx s y fn-2(x).
1. Dado fn(x) y r0 y s0
2. Utilizando el mtodo de NR calculamos f2 (x) = x2 r0x s0 y fn-2 (x), tal que, el residuo
de fn(x)/ f2 (x) sea igual a cero.
7. Si no terminamos
La principal diferencia de este mtodo, respecto a otros, es que permite calcular todas las races
de un polinomio (reales e imaginarias).
61
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Los trminos b, los calculamos utilizamos divisin sinttica, la cual puede resolverse utilizando la
siguiente relacin de recurrencia
b n = an
bn-1 = an-1 + rbn
bi = ai + rbi+1 + sbi+2
Una manera de determinar los valores de r y s que hacen cero el residuo es utilizar el Mtodo de
Newton-Raphson. Para ello necesitamos una aproximacin lineal de b1 y b0 respecto a r y s la cual
calculamos utilizando la serie de Taylor.
f ( x) a0 a1 x a2 x 2 ... an 1 x n 1 an x n
b1 b
b1 (r r , s s) b1 r 1 s
s s
Bairtow muestra que las derivadas parciales se pueden obtener haciendo un procedimiento similar
a la divisin sinttica, as:
62
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
cn = bn
cn-1 = bn-1 + rcn
ci = bi + rci+1 + sci+2
-Para i = n-2 a 1:
Entonces las derivadas parciales se obtienen por divisin sinttica de las b, y las b con las
derivadas parciales son sustituidas en las ecuaciones y se obtiene:
c2 rs c3s b1
c1rs c2 s b0
Estas ecuaciones pueden ser resueltas para mejorar los valores de r y s, se podra utilizar el error
aproximado para cada paso pero no es para nuestro caso realmente utilizado pero quedara de la
siguiente forma:
r
a ,r 100%
r
s
a,s 100% a , s 75.9%
s
4. Ejercicios:
*Propuesto1:
Encuentre las races del siguiente polinomio.
63
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Reacomodando la ecuacin
f ( x ) 3.704 x 3 16.3 x 2 21.97 x 9.34
b3 3.704
b2 16.3 (2)( 3.704) 8.892
b1 21.97 (2)(8.892) ( 0.5)( 3.704) 2.334
b0 9.34 (2)( 2.334) ( 0.5)(8.892) 0.226
c3 3.704
c2 8.892 (2)( 3.704) 1.484
c1 2.334 (2)(1.484) (0.5)( 3.704) 23346
Obteniendo el :
c2 r c3s b1
1.484r (2.334)s 2.334
c1r c2 s b0
2.334r 1.484s 0.226
Resolviendo el sistema:
r 0.9047
s 1.5752
r 2 (0.9047) 1.0953
s (0.5) (1.5752) 2.0752
64
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
s
a,s 100% a , s 75.9%
s
r
a ,r 100% a ,r 82.6%
r
*Segunda iteracin:
r 0.179
s 0.042
r 2.05
s 1.08
*Tercera iteracin:
r 0.053
s 0.0165
r 2.103
s 1.096
*Finalmente:
Iteracin r S
65
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
r r 2 4s
X1
2
X 1 2.29
X 2 2.29
X 3 1.14956
*PropuestoI1:
Encuentre las races del siguiente polinomio.
f ( x ) 2 6.2 x 4 x 2 0.7 x 3
utilizamos :
bn an
bn 1 an 1 rbn
bn 2 an 2 rbn 1 sbn
cn bn
cn 1 bn 1 rcn
66
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Reacomodando la ecuacin
f ( x ) 0.7 x 3 4 x 2 6.2 x 2
b3 0.7
b2 4 ( 1)(0.7) 4.7
b1 6.2 ( 1)( 4.7) ( 1)(0.7) 10.2
b0 2 ( 1)(10.2) ( 1)( 4.7) 7.5
c3 0.7
c2 4.7 ( 1)(0.7) 5.4
c1 10.2 ( 1)( 5.4) ( 1)(0.7) 14.9
Obteniendo el :
c2 r c3 s b1
5.4r 0.7s 10.2
c1r c2 s b0
14.9r (5.4)s 7.5
Resolviendo el sistema:
r 0.1296s 1.8889
r 0.3624s 0.5034
0.2328s 1.3855
s 5.9519
r 2.6604
r 1 (2.6604) 1.6604
s 1 (5.9519) 4.9519
s
a,s 100% a , s 120%
s
67
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
r
a ,r 100% a , r 160%
r
*Segunda iteracin:
r 2.4761
s 13.0044
r 0.8157
s 8.0525
*Tercera iteracin:
r 1.7992
s 7.0856
r 0.9835
s 0.9669
*Finalmente:
Iteracin r S
68
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
r
r 2 4s
X1
2
X1 0.8302 2.06i
X 2 3.6970
X 3 1.5912
69
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MetodoDeMller
1. Objetivo:
Hasta ahora se han discutido slo tcnicas para encontrar races reales de ecuaciones de la forma
f ( x ) 0 . Sin embargo, a menudo se presentan ecuaciones polinomiales con coeficientes reales,
cuyas races son complejas, o bien polinomios complejos, y ecuaciones trascendentes con races
reales y complejas.
2. Definicin:
Un mtodo deducido por Mller, * se ha puesto en prctica en las computadoras con xito
sorprendente. Se puede usar para encontrar cualquier tipo de raz, real o compleja, de una funcin
arbitraria. Converge casi cuadrticamente en un intervalo cercano a la raz y, a diferencia del
mtodo de Newton-Raphson, no requiere la evaluacin de la primera derivada de la funcin, y
obtiene races reales y complejas aun cuando estas races sean repetidas.
La aplicacin del mtodo requiere valores iniciales y es una extensin del mtodo de la secante, el
cual aproxima la grfica de la funcin f ( x ) por una lnea recta que pasa por los puntos
( xi 1, f ( xi 1 )) y ( xi , j ( xi )) . El punto de interseccin de esta lnea con el eje x da la nueva
aproximacin. xi j
En lugar de aproximar f ( x ) por una funcin lineal (lnea recta o polinomio de grado 1), resulta
natural tratar de obtener una convergencia ms rpida aproximando f ( x ) por un polinomio de
grado n 1 que coincida conf ( x ) en los puntos de abscisas xi , xi 1, xi 2 ,..., xi n ' y determinar xi 1
como una de las races de ( x ) ..
70
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Se toman tres valores iniciales x0 , x1, x2 y se halla el polinomio p de segundo grado que pasa por
los puntos ( x0 , f ( x0 )),( x1, f ( x1 )),( x2 , f ( x2 )) y se toma una de las races de ( x ) , la ms
cercana x2 como la siguiente aproximacin x3 . Se repite la operacin con los nuevos valores
iniciales x1, x2 , x3 y se termina el proceso tan pronto como se satisfaga algn criterio de
convergencia.
f i f i 1
f [ xi , xi 1 ]
xi xi 1
f i 1 f i 2
f [ xi 1 , xi 2 ]
xi 1 xi 2
f [ xi , xi 1 ] f [ xi 1 , xi 2 ]
f [ xi , xi 1 , xi 2 ]
xi 1 xi 2
L La funcin:
p( x) fi f [ xi , xi 1 ]( x xi ) f [ xi , xi 1, xi 2 ]( x xi )( x xi .1 )
El lector recordar que la manera usual de escribir un polinomio de segundo grado o parbola es
p( x ) a0 a1 x a2 x 2
71
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Una vez calculados los valores de a0 , a1 ya2 , las races de ( x ) se determinan a partir de la
frmula cuadrtica
2 a0
xi 1 1
a1 ( a12 4a0a2 ) 2
cuya explicacin se encuentra en el problema , Y en el ejercicio antes vistos delos primero temas.
Se selecciona el signo que precede al radical de manera que el denominador sea mximo en
magnitud,* y la raz correspondiente es la siguiente aproximacin xl. La razn para escribir la
frmula cuadrtica de esta manera es obtener mayor exactitud (vase Probo 2.31), ya disminuida
por las diferencias de las ecuaciones, que se utilizan en el clculo de a Ya2, Y que son
aproximaciones a las derivadas de la x).
Definida para valores complejos, el algoritmo deber reiniciarse con nuevos valores iniciales.
72
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
3. Algoritmo:
Para encontrar una raz real o compleja de la ecuacin f(x) = O, incluir la funcin f(x) y los:
DATOS:
Valores iniciales XO, Xl, X2; criterio de convergencia EPS, criterio de exactitud EPSI y nmero
PASO1:
f ( x0 ), f ( x1 ), f ( x2 )
PASO2:
73
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
PASO3:
Por tanto:
a2 f [ x2 , x1 , x0 ]
a1 f [ x2 , x1 ] ( x2 x1 )a2
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 )
PASO4:
1
a0 ( a12 4a0a2 ) 2
PASO5:
PASO6:
Repetir
x i 1 xi
74
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
4. Pseudocodigo:
La raz aproximada X o un mensaje de falla.
PASO 1.
Hacer I = 1
PASO 2.
PASO 3.
A2 = F21O.
Al = F21-(X2+XI)*A2.
AO = F (X2)-X2*(F21-XI *A2).
DI = -AI+(AI **2-4*AO*A2)**0.5.
75
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
PASO 4.
Si ABS (DI) > ABS (D2) hacer X3 = 2*AOIDI En caso contrario hacer X3 = 2*PASO 5. Si ABS (X3-XO) <
EPS OABS (F (X3 < EPS1.
IMPRIMIR X3 y TERMINAR.
PASO 6.
Hacer XO = Xl.
X2 =X3.
PASO 7.
Hacer I = I + 1.
PASO 8.
76
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
5. Propuestos:
*Propuesto 1:
Encuentre una raz real de la ecuacin polinomial:
f ( x) x 3 2 x 2 10 x 20 0
-Primera iteracin:
x0 0; x1 1; x2 2
f 0 20; f1 7; f 2 16
77
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
f1 f 0 7 20
f [ x2 , x0 ] 13
x1 x0 1 0
f 2 f1 16 7
f [ x2 , x1 ] 23
x2 x1 2 1
f [ x2 , x1 ] f [ x1 , x0 ] 23 13
f [ x2 , x1 , x0 ] 5
x2 x0 20
Por tanto:
a2 f [ x2 , x1 , x0 ] 5
a1 f [ x2 , x1 ] ( x2 x1 )a2 23 (2 1)5 8
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 ) 16 2(23 1(5)) 20
-Segunda iteracin:
x0 1; x1 2; x2 1.35407
f 0 7; f1 16; f 2 0.30959
78
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
En consecuencia:
16 7
f [ x1 , x0 ] 23
2 1
0.30959 16
f [ x2 , x1 ] 25.24978
1.35407 2
25.24978 23
f [ x2 , x1 , x0 ] 6.35405
1.35407 1
De donde:
a2 f [ x2 , x1 , x0 ] 6.35405
a1 f [ x2 , x1 ] ( x2 x1 )a2
25.24978 (1.35407 2)6.35405 3.87077
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 )
0.30959 1.35407(25.24978 2(6.35405)) 17.29190
2a0
x3 1
1.36865
a1 (a 4a0a2 )
2
1
2
79
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
I xi |xi-xi-1|
0 0
1 1 1
2 2 1
3 1.35407 0.64593
4 1.36865 0.01458
5 1.36881 0.00016
*Ejercicio 2:
Encuentre las races complejas de la ecuacin polinomial
f ( x) x 2 4 0
*Primera iteracin:
x0 0; x1 1; x2 1
f 0 4; f1 5; f 2 5
80
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
f1 f 0 54
f [ x2 , x0 ] 1
x1 x0 1 0
f 2 f1 55
f [ x2 , x1 ] 0
x2 x1 1 1
f [ x2 , x1 ] f [ x1 , x0 ] 0 1
f [ x2 , x1 , x0 ] 1
x2 x0 1 0
Por tanto:
a2 f [ x2 , x1 , x0 ] 1
a1 f [ x2 , x1 ] ( x2 x1 )a2 0 ( 1 1)1 0
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 ) 5 ( 1)(0 1(1)) 4
2a0 2(4) 2
x3 1
a1 ( a 4a0a2 )
2
1
2 4j j
2 j 2j
x3 2 j
j j 1
81
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Hay que observar que aun cuando x0 , x1 yx2 son nmeros reales x3 , ha resultado un nmero
complejo y adems es la raz buscada, lo cual resulta lgico, ya que la ecuacin polinomio
f ( x) x 2 4 0
La otra raz es el complejo conjugado de x3 ' o sea 2 j .
6. Ventajas:
Converge casi cuadrticamente en un intervalo cercano a la raz y, a diferencia del mtodo de
Newton-Raphson, no requiere la evaluacin de la primera derivada de la funcin, y obtiene races
reales y complejas aun cuando estas races sean repetidas.
82
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
MetodoDeRaicesMultiples
1. Objetivos
Encontrar una raz a partir de un valor inicial, teniendo en cuenta una tolerancia y un nmero
mximo de iteraciones. En este caso no es necesario tener un intervalo.
2. Definicion
Para garantizar la convergencia del mtodo de Newton-Raphson una de las condiciones qu
f ' ( x) 0 . Si se observa que al ejecutar Newton-Raphson f ' ( x) se aproxima a cero. La rapidez del
mtodo disminuye y hay posibilidades de que haya una raz mltiple.
La segunda alternativa est dada por la aplicacin del mtodo de Newton a una funcin auxiliar U,
mediante la cual tambin se pueden detectar las races de la ecuacin f ( x) 0 y se define como:
f ( x)
u ( x)
f ' ( x)
83
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
u ( xn )
xn 1 xn
u ' ( xn )
Al sustituir la expresin resultante a U ( X n ) y a U'(Xn) por las funciones originales que dependen
de f ( x) y al organizar la expresin, obtenemos el mtodo para hallar races mltiples.
f ( xn ) f '( xn )
xn1 xn
( f '( xn ))2 f ( xn ) f ''( xn )
NOTA. Uno de los inconvenientes que presenta el mtodo de Newton es cuando la derivada de la
funcin tiende a cero al ser evaluada en x y por ende la convergencia disminuye o incluso se
suspende si se alcanza una divisin por cero. Similarmente sucedera con el mtodo de la secante
si la funcin es muy plana y f ( x) y f ( x 1) son aproximadamente iguales. Con el fin de darle
solucin a este inconveniente se crearon estos mtodos.
La funcin tiene tres races. El exponente de cada factor expresa la multiplicidad de cada raz.
Como la funcin no cambia de signo en el intervalo que contiene a una raz de multiplicidad par
impide el uso de los mtodos que utilizan intervalos vistos con anticipacin. La funcin presenta un
mximo o un mnimo en la raz.
84
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Dado que en una raz mltiple tanto f ( x) como f '( x) se aproximan a cero los mtodos de
Newton-Raphson y secante pierden su rapidez de convergencia en las proximidades de la raz y en
algunos caso se presenta una divisin entre cero cuando la derivada se haga cero. Una forma
simple de evitar estos problemas, la cual ha sido demostrada tericamente por Ralston y Robinovitz
en 1978, se basa en el hecho de que f ( x) siempre alcanza un valor igual a cero antes que f '( x)
al aplicar el mtodo. Por lo tanto, si se controla que f ( x) llegue a cero en el programa, entonces
los clculos se pueden terminar antes de que f '( x) llegue a cero. 3 es una raz de multiplicidad 1
-Cules son las dificultades que se pueden presentar en el caso de raices mltiples?
Dado que en una raz mltiple tanto f ( x) como f '( x) se aproximan a cero los mtodos de
Newton-Raphson y secante pierden su rapidez de convergencia en las proximidades de la raz y en
algunos caso se presenta una divisin entre cero cuando la derivada se haga cero. Una forma
simple de evitar estos problemas, la cual ha sido demostrada tericamente por Ralston y Robinovitz
en 1978, se basa en el hecho de que f ( x) siempre alcanza un valor igual a cero antes que f '( x)
al aplicar el mtodo. Por lo tanto, si se controla que f ( x) llegue a cero en el programa, entonces
los clculos se pueden terminar antes de que f '( x) llegue a cero.
85
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
3. Algoritmos y Pseudocodigos
RAICES MUTIPLES METODO 1
a) ALGORITMO
Datos de entrada: funcin, derivada, punto inicio, multiplicidad, n max, error absoluto
b) PSEUDOCODIGO
Lea: f, fp, xi, n, tol, m
fx=f(xi)
fpx=fp(xi)
i=1
error=tol+1
x=xi-m*(fx/fpx)
fx=f(x)
fpx=fp(x)
error=abs(x-xi)
xi=x
i=i+1
fin mientras
si fx=0
86
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Sino si error<tol
Sino si fpx=0
sino
Fin si
a) ALGORITMO
Datos entrada: funcin, primera y segunda derivada, punto inicio, n max, error mximo
b) PSEUDOCODIGO
Lea: f, fp, fpp, xi, n, tol
fx=f(xi)
fpx=fp(xi)
fppx=fpp(xi)
denominador=(fpx^2-fx*fppx)
i=1
error=tol+1
x=xi-(fx*fpx)/denominador
fx=f(x)
87
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
fpx=fp(x)
fppx=fpp(x)
denominador=(fpx^2-fx*fppx)
error=abs(x-xi)
xi=x
i=i+1
fin mientras
si fx=0
Sino si error<tol
sino
fin si
88
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
4. Propuestos:
Ejercicio 1
Eliminar las races mltiples en la ecuacin
x 6 2 x5 3x 4 4 x3 3x 2 2 x 1 0
SOLUCION:
3x 6 6 x5 9 x 4 12 x3 9 x 2 6 x 3 3x5 5 x 4 6 x3 6 x 2 3x1 1
3x 6 5 x5 6 x 4 6 x3 3x 2 x x 1
x5 3x 4 6 x3 6 x 2 5 x 3 multiplicado por 3
3x5 5 x 4 6 x3 6 x 2 3x1 1
4 x 4 12 x3 12 x 2 12 x1 8
89
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
3x5 9 x 4 9 x3 9 x 2 6 x 3x 4
4 x 4 3x3 3x 2 3x 1
4 x 4 12 x3 12 x 2 12 x1 8
9 x3 9 x 2 9 x1 9 f3 (x) x3 x 2 x1 1
x 4 3x3 3x 2 3x1 2 x3 x 2 x1 1
x 4 x3 x 2 x1 x1 2
2 x3 2 x 2 2 x 2
2 x3 2 x 2 2 x 2
D(x) x3 x 2 x 1
90
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
P(1) 2(3 5 6 6 3 1) 0
P( i) 2(3i 5 6i 6 3i 1) 0
P(i) 2(3i 5 6i 6 3i 1) 0
Luego las tres races son dobles (no pueden tener mayor multiplicidad ya que el grado de P (x) es
de 6, es decir, 2+2+2).
Ejercicio2
Dado el polinomio P(x) x3 3x2 2 se pide:
b) Probar, mediante una sucesin de Sturn, que P (x) solo posee una raz real y determiar un
intervalo de amplitud 1 que la contenga.
c) se verifican en dicho intervalo, las hiptesis del teorema de Fourier?. En caso afirmativo,
determinar el extremo que debe tomarse como valor inicial x 0 para garantizar la convergencia del
mtodo de Newton.
SOLUCION:
a)
3
x 1 4 x 4
1
91
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
b)
f 0 ( x) P( x) x 3 3x 2 2
P '( x) 3x 2 6 x f1 ( x) x 2 2 x
x3 3x 2 2 ( x 2 2 x)( x 1) (2 x 2) f 2 ( x) x 1
x 2 2 x ( x 1)( x 3) 3 f3 ( x) 1
-4 -3 4
x3 3x 2 2 - + +
x2 2 x + + +
x 1 - - +
1 - - -
Cambios de signo 2 1 1
Por lo que solo posee una raz real, la cual se encuentra en el intervalo (-4,-3).
f (4) 14 0
c) f ( x) x3 3x 2 2 es decir , la funcin
f (3) 2 0
f '( x) 3( x 2 2 x) 0 x (4, 3)
f ''( x) 6( x 1) 0 x (4, 3)
Por lo que se verifican las hiptesis del teorema de Fourier y, por tanto, tomando como valor inicial
x0 4 (extremo en el que la funcin tiene el mismo signo que la segunda derivada) se tiene
garantizada la convergencia del mtodo de Newton.
f ( xn ) x3 3x 2 2
d) Dado que xn1 xn xn n 2 n se obtiene que
f '( xn ) 3xn 6 xn
xn1 3.19582334575880.
92
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
x (4, 3)
93
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Conclusiones:
En los mtodos cerrados concluimos que la funcin cambia de signo en la vecindad de una raz ya
que para ello necesitamos dos valore iniciales para la raz.
Aprendimos a analizar los mtodos grficos para representar tanto las funciones como sus races,
comprendimos que las interpretaciones graficas son herramientas importantes en la compresin
de las propiedades de las funciones y en la prevencin de las fallas de los mtodos.
Como en los mtodos cerrados la raz se encuentra dentro de un intervalo ya determinado por una
lime inferior y otro superior, en los mtodos abiertos comprendimos que se requieren nicamente
de una solo valor de inicio x o que empiecen con un par de ellos, pero no necesariamente encierran
la raz.
Aunque el mtodo de la falsa posicin pareciera ser siempre la mejor opcin entre los tedos
cerrados , hay caso donde funciona de manera defiente en efecto , hay ciertos casos donde el
mtodo de biseccin ofrece mejores resultados
La diferencia de los mtodos abiertos con los cerrados es que los mtodos cerrados son
convergentes por que se acercan progresivamente a la raz a medida que se avanza en el clculo y
los mtodos abiertos algunas veces divergen o se alejan de la raz a medida que se avanzan en el
clculo, pero si estos mtodos abiertos convergen estos lo hacen mucho ms rpidas que los
mtodos cerrados.
Uno de los mtodos que conocimos fue el newton raphson el hacer un mtodo iterativo este entrega
una sucesin, soluciones aproximadas, convergiendo ms rpidamente al valor buscado y se usa en
menos operaciones numricas
En lo que se respecta al mtodo secante esta normalmente divergente pero cuando converge lo
hace mas rpido que el mtodo de falsa posicin.
El MATLAB tiene diferente funciones y operadores que permiten la adecuada realizacin de los
mtodos numricos que aqu desarrollamos, adems se pueden escribir programas para realizar
clculo numrico.
94
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
Bibliografa:
Mtodos numricos para ingenieros - Steven C. Chapra (Quinta edicin)
Anlisis Numrico Richard L. Burden
Mtodos numricos aplicados a la ingeniera Antonio Nieves (Segunda edicin)
Mat 1105 F Antonio Moya
95
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
ANEXOS
96