Apuntes Metodos Numericos Sistema de Ecuaciones No Lineales

Mtodos Numricos Aplicados a la Ingeniera
SOLUCIN NUMRICA DE
ECUACIONES NO LINEALES
2.1.0. INTRODUCCIN
2.1.1. MTODO DE PUNTO FIJO

2.1.2. MTODO DE NEWTON RAPSHON
2.1.3. MTODO DE LA SECANTE
2.1.4. MTODO DE LA BISECCIN
2.1.5. MTODO DE REGULA FALSI
2.1.6. ACELERACIN DE LA CONVERGENCIA
2.1.7. RACES COMPLEJAS
2.1.7.1. MTODO DE NEWTON RAPHSN

2.1.7.2. MTODO DE MULLER
2.1.8. RESOLVER LAS SIGUIENTES ECUACIONES USANDO LOS
DIFERENTES MTODOS ANALIZADOS
Solucio n Num rica d Ecuacions no Linals Pa gina 1

2.1. SOLUCIN NUMRICA DE ECUACIONES NO

LINEALES
2.1.0. INTRODUCCIN
En este tem trataremos sobre uno de los problemas ms vastos de la

aproximacin numrica la solucin de ecuaciones no lineales analizado
de diferentes maneras desde la ptica analtica y su interpretacin
geomtrica.
En el campo de la tecnologa principalmente en la ingeniera nos
encontramos generalmente con el siguiente problema determinar las
races de la ecuacin f(x) = 0.
Como la teora de la difraccin de la luz se precisa de la siguiente
ecuacin; x-tanx=0 .
Para determinar las orbitas planetarias se precisa de la ecuacin
llamada ecuacin de Kepler, x- a senx =b, para diversos valores de a y
b.
Es decir f(x) puede ser una funcin de variable real x, como es un
polinomio en x, o como una funcin trascendente es decir:
f ( x) a n X n a n 1 X n1 ... a 2 X 2 a1 X 1 a 0
O una funcin trascendente
f ( x ) sen ( x )e x ln( x ) x 2
Para dar solucin a estos problemas existen distintos algoritmos o

mtodos para encontrar las races de f(x) = 0, pero debemos tener en
cuenta que ninguno es general, pues en otras palabras no existe un
mtodo que funcione con todas las ecuaciones perfectamente.
Pero slo en un reducido caso ser posible obtener las races exactas
de f(x) = 0, es decir cuando se trata de f(x) factorizable, en tal sentido
tenemos:
f ( x ) ( x r1 )( x r2 ).....( x rn )
Donde r1, r2; r3;. rn; son las races de la ecuacin es decir la solucin al
problema planteado. En el caso general se pueden obtener soluciones
muy prximas a dichas races, esto utilizando mtodos numricos que
sern visto en esta oportunidad iniciando con el Mtodo de Punto fijo,
que se conoce tambin como aproximaciones sucesivas de iteracin
funcional.

2.1.1. MTODO DE PUNTO FIJO

Este mtodo es conocido tambin como aproximaciones sucesivas de
iteracin funcional .Supongamos que tenemos la ecuacin
f(x)=0, (1)
De la cual nos interesa determinar sus races, es decir un valor o
valores de x = ri, i = 0,1,2,n, en los reales, que al sustituirse se
transforma en una igualdad dicha ecuacin.
Primero: Lo que se debe de hacer es transformar la ecuacin dada, en
una ecuacin equivalente usando el lgebra, es decir obtenemos
X=g(x), (2)
Veamos algunos ejemplos como es que se realiza este paso:
Supongamos que se tienen:
a) f ( x) 2 x 2 x 5 0
b) f ( x) 3x 2 x 8 0
De las cuales podemos obtener usando el lgebra:

Primera ecuacin
x 5 , c) x 5 2x 2 x 5
a ) x 2 x 2 5; b) x ; d) x x -
2 2x 1 4x 1
Segunda ecuacin
x 8 , c) x 8 3x 2 x 8
a ) x 3 x 2 8; b) x ; d) x x -
3 3x 1 5x 1
Segundo: Una vez determinado la expresin algebraica equivalente, el

paso que se debe de seguir es; tantear una raz, la cual se puede
realizar por observacin directa de la ecuacin inicial.
Para decir en nuestros ejemplos tenemos que:
a) x = 2; b) x = 2, son valores cercanos a una raz se denota el valor
tanteado por X0
En general para determinar este valor inicial se recomienda bosquejar
una grfica de dicha ecuacin, claro esta si es posible.
Tercero: Terminado el segundo paso se evala la relacin encontrada
en x0 denotndose el resultado de esta evaluacin como x 1, esto es
G(x0) = x1
Cuarto: El siguiente paso es comparar x 1 con x0 , resultando dos
alternativas:
1. Primero Alternativa. Que x1 = x0

Esto quiere decir que el valor que se ha elegido como valor inicial es
una raz de f(x) y el problema termina.
2. Segunda Alternativa. Que x1 x0

Este es el caso ms frecuente e indica que x 1 y x0 son diferentes de la
raz, puesto que si x = a no es una raz entonces f(a) 0, por otro lado
si evaluamos g(a) a. Entonces el resultado se le denota con x 2 es
decir, x2 = g(x1), esto se repite de manera iterativa obteniendo el
siguiente esquema:
Valor inicial x0 f(x0)
Iteracin 1 x1 = g(x0) f(x1)
:
Iteracin k xk = g(xk-1) f(xk)
Iteracin k+1 xk+1 = g(xk) f(xk+1)
Obs.
1. Debemos resaltar que la sucesin x 0, x1, x2, x3;xk se va
acercando al valor de la raz r 1, de manera que x k se encuentra ms
cerca de r que xk-1 o se van alejando de la raz.
X0 X1 X2 X3 X4 X5 Xn = r
d i X i 1 X i
, esta sucesin debe de tender a cero en este caso se
dice que el proceso converge a r 1, y debe de continuar hasta un di menor
de un error
Veamos para nuestros ejemplos dados:
x 2 x 2 5; x 5 ,
Cuando x 2, a) b) x
2 Para el caso (a) el proceso
diverge y para el caso (b) converge es decir.
Iteraciones k Valor de xk g(xk)=2x2-5
0 2 3

1 3 13
2 13 333
3 333 221773
Caso: (a)
Iteraciones k Valor de xk g (xk ) x 5

2
0 2 2.87083
1 2.87083 1.85349
2 1.85349 1.85115
3 1.85115 1.85083
Caso: (b)
Observamos que en el caso (a) el valor diverge, pero en el caso (b)

converge al valor 1.85078 que es una raz de la funcin inicial.
Para el segundo ejemplo se tiene muy parecido,
a) x 3 x 2 8; b) x x 8 ,
3
Para el caso (a) el proceso diverge y para el caso (b) converge es decir.
Iteraciones k Valor de xk G(xk)=3x2- 8
0 2 4
1 4 40
2 40 4792
3 4792
Caso: (a)

Iteraciones k Valor de xk g(xk ) x 8

3
0 2 1.1180
1 1.1180 1.7434
2 1.7434 1.8022
3 1.8022 1.8076
Caso: (b)
Observamos que en el caso (a) el valor diverge, pero en el caso (b)

converge al valor 1.8081 que es una raz de f ( x) 3x 2 x 8 0 .
Con la finalidad de saber cuando la sucesin x 0, x1,x2,x3;xkconverge

o diverge de la raz buscada podemos calcular en f(x 0), f(x1), f(x3), ,
f(xk) si dicha sucesin tiende a cero entonces el proceso anterior
converge a la raz deseada, y mencionado proceso se continuar hasta
que f ( x k ) 1 donde el valor de psilon subuno es un valor pequeo
que indica la exactitud o acercamiento de x k a la raz r en este caso se
toma xk como una raz aproximada.
En caso contrario si f(x0), f(x1), f(x3),, f(xk) no tiende a cero entonces
la sucesin x0, x1,x2,x3;xk diverge de la raz r y el proceso deber de
detenerse y ensayar con otra funcin g(x).
Veamos para nuestro ejemplo (b) considerando la convergencia de f(x)
Para el caso (a) el proceso diverge y para el caso (b) converge es decir.
Iteracin Valor de G(xk)=3x2- 8 f ( x) 3x 2 x 8 0

k xk
0 2 4 2
1 4 40 36
2 40 4792 4852
3 4792
Caso: (a)

Iteracin Valor de xk g(xk ) x 8 f ( x) 3x 2 x 8 0

3
k
0 2 1.1180 2
1 1.1180 1.7434 -5.368
2 1.7434 1.8022 -0.6250
3 1.8022 1.8076 -0.058
Caso: (b)
Se observa que en el caso (a) f(x) diverge mientras que en el caso (b)
converge a cero
CRITERIOS DE CONVERGENCIAS
Con la finalidad de analizar la convergencia de las sucesiones formadas
estudiaremos otro criterio para nuestro proceso iterativo del mtodo
anterior visto basado en que g(r) = r
No olvidar que r es la raz donde la sucesin x 0, x1, x2, x3;xkdebe
converger esto quiere decir que los valores consecutivos de esta
sucesin se van acercando cada vez ms a dicha raz conforme se
realice el proceso iterativo esquemticamente se tendr:
* * * * * * * *..*r
X0; X1; X2; X3; .. X10; X20 . .. XK r X
Observemos que un modo prctico de saber si los valores consecutivos

arriba escritos se acercan a la raz r es ir calculando las distancias
entre ellos d1,d2,d3;dk es decir d k x k 1 x k y si esta nueva sucesin
se acerca a cero se puede pensar entonces que nuestro mtodo en
anlisis de punto fijo converge a una raz x = r, y se debe seguir hasta
que dk< en este caso tomar xk+1 como la raz buscada.
En el caso que la sucesin d1, d2, d3;dk no converge para un
nmero grande de iteraciones (al cual podemos llamarlo MAXT),
entonces la sucesin x0, x1, x2, x3;xk diverge de la raz x = r, se tiene
que parar el proceso y luego modificar la funcin g(x). Como se ha visto
en los ejemplos anteriores en el caso (a) se tenia que parar y luego se
determin la nueva relacin g(x) para la cual si converga.
Se debe de tener presente que este tipo de convergencia se usa ms en
el Anlisis Numrico. Resulta mas seguro calcular, f(x 0), f(x1), f(x3),,
f(xk)..., por mientras.

CRITERIO DE CONVERGEN DE LA PRIMERA DERIVADA g ( x ) 1
Este criterio de la primera derivada tiene como base analtica el teorema

del punto medio aplicado a la funcin g(x) en el intervalo X k-1, Xk es decir
se tiene:
g ( x k ) g ( x k 1 ) g (c k )( x k x k 1 )
En donde ck es un punto cualquiera del intervalo en anlisis es decir c k

pertenece a (xk, xk-1), si tenemos en consideracin el valor que toma
g(xk) =xk+1 y g(xk-1) = xk; esto quiere decir que nuestra relacin se
transforma en:
x k 1 x k g (c k )( x k x k 1 ) ,
Luego podemos tomar valor absoluto a esta nueva expresin

obteniendo lo siguiente
x k 1 x k g (c k ) x k x k 1 , para i 1,2,3... Si tratamos de ponerlo en su

forma ms expresiva se tiene:
x 2 x1 g (c1 ) x1 x 0 ,.....c1 x1 , x 0
x 3 x 2 g (c 2 ) x 2 x1 ,.....c 2 x 2 , x1
:
Pero ahora podemos suponer que la derivada de g(x) esta acotada en
toda la regin de la sucesin x0, x1, x2, x3;xk en otras palabras se
tendr que:
g ( x) M Esto para algn valor de M entonces tenemos que
x 2 x1 M x1 x 0
x 3 x 2 M x 2 x1
x 4 x3 M x 3 x 2
x5 x 4 M x 4 x3
::
Observe que si sustituimos la primera en la segunda y esta en la tercera
y as sucesivamente se tiene que x 4 x 3 M 3 x1 x 0 y esto podemos
generalizar as:
x k 1 x k M k x1 x 0
Observemos que el mtodo del punto fijo puede converger por mltiples
criterios, pero es evidente que si M es menor que uno es decir M<1,

dicha metodologa convergir puesto que M k, convergir a cero al

tender k a un nmero grande.
Consecuentemente ya tenemos un mtodo muy prctico y consistir en
obtener una funcin de f(x) y luego determinar el valor absoluto de su
derivada y evaluarlo en x0 y si este valor es menor que uno entonces se
debe de tomar dicha relacin funcional.
INTERPRETACIN GEOMTRICA
Y=x
Y = g(x)
X1 = g(x)
X2 = g(x)
x = r x3 x2 x1 xo
Interpretacin Geomtrica de G ( x ) 1 , Convergencia montona
Convergencia Oscilatoria
Veamos un ejemplo:
Y=x
Calcular una raz de la funcin f ( x) x 3 2 x 2 10 x 20 considerando
como valor inicial 1
Y = g(x)
Primero: Consideremos dos formas para X1 = g(x)

20 X2 = g(x)
g ( x) y g ( x ) x 3 2 x 2 11 x 20
x 2 2 x 10
x3 x=r x2 x1 xo
Segundo: determinemos sus derivadas de cada funcional considerada,

20( 2 x 2)
g ( x) y g ( x ) 3 x 2 4 x 11
( x 2 2 x 10) 2
Tercero: Valorando el valor las derivadas en 1 y luego tomando su valor

absoluto, tenemos:
80
g (1) 0.47 y g (1) 18 entonces en este caso se debe
169
tomar la primera relacin puesto que es menor que uno; el segundo
caso es mucho mayor de uno, veamos que sucede:
iteraciones xk x k 1 x k g ( x k )
k
0 1.00000 0.00000 0.47337
1 1.53846 0.53846 0.42572
2 1.29502 0.24344 0.45100
3 1.40183 0.10681 0.44047
4 1.35421 0.04762 0.44529
5 1.37009 0.02101 0.44317
6 1.36593 0.00937 0.44412
7 1.37009 0.00416 0.44370
8 1.36824 0.00185 0.44389
9 1.36960 0.00082 0.44386
Debemos observar que el valor absoluto de la derivada valorado en el

punto respectivo siempre se mantiene menor que la unidad.
Una vez que llegamos a las condiciones requeridas del problema, es
decir que la diferencia de las distancias entre los puntos de la sucesin
x0, x1, x2, x3;xk sea menor que 0.0001 se termina el proceso y
tomamos como raz a r = 1.36906.
Si hubisemos tomado las otras funciones equivalentes no
obtendramos la convergencia de las distancias y ms an el valor de la
derivada en cada punto sera mayor que uno en muchos casos.

2.1.2. MTODO DE NEWTON RAPSHN1

El mtodo en anlisis es un procedimiento que puede ser aplicado en
una diversidad de oportunidades, principalmente cuando se trata de
funciones que tengan races reales.
Supongamos que estamos interesados en determinar las races de f(x)
numricamente siendo r una raz y considerando que x es una
aproximacin a este valor, consideremos que existe y es continua
luego tendremos por el Teorema de Taylor lo siguiente:
2 3 4 n
h h h v h n
f (x h) f (x) hf (x) f (x) f (x) f (x) . . f (x)
2! 3! 4! n!
0 f ( r ) f ( x h) f ( x ) hf ( x) 0.( h 2 )
En donde h = r x, que ocurre si h se aproxima a cero entonces x se

aproxima a la raz r. Si ignoramos el tercer trmino podemos
determinar el valor para h. es decir tenemos que:
f ( x)
0 f ( x) hf ( x) h Si aproximamos x a la raz r entonces
f ( x)
f ( x)
x deber encontrarse ms cerca de r. De esta manera el Mtodo
f ( x )
de Newton comienza con una estimacin x 0 para r y a partir de la cual
se define usando induccin la sucesin de aproximacin que se
representa de la siguiente manera:
f (xn )
x n 1 x n , para n 0
f ( x n )
ALGORITMO DE SEUDOCODIGO
Input x0,M,,
yf(x0)
output 0, x0, y
if /y/ <
then stop
for k = 1,2,3,.M
xx-y / f(x)
1
Veer Analisis numerico de David Kincaid

y f(x1)
Output k, x1, y
if |x1-x0| < or |y| <,

Then stop
x0x1
End
Es importante destacar que se debe de tener un programa para
Calcular el valor de f(x) y de su derivada
INTERPRETACIN GRFICA DEL MTODO
Antes de continuar con el anlisis del mtodo consideremos la idea de
bosquejar una interpretacin grfica. En estas circunstancias podemos
decir que el mtodo de Newton consiste en la linealizacin de la funcin
esto quiere decir que la funcin f(x) ser sustituida por una funcin lineal
y esto ocurre cuando usamos la serie de Taylor del siguiente modo
1 ( x c)( x c)( x c)
f ( x) f (c) ( x c) f (c) f (c)( x c) 2 f (c) ......
2! 3!
Luego si linealizamos tenemos

l(x) = f ( c) + f (c) (x-c), en este caso se observa que l(x) es una buena
aproximacin de la funcin f(x) en c , de hecho tenemos que la funcin
l(x) tiene el mismo valor que f (c) y la misma pendiente es decir l ( c ) =
f ( c ) esto en el punto c . En otras palabras graficar el mtodo de
Newton se debe de considerar la tangente a f(x) en un punto cercano de
r
f(x)
f(x0) Lnea tangente a la

funcin f(x)
f(x) =f(x )+f(xn)(x-xn)
ESQUEMA DEL MTODO DE NEWTON n
Esto se puede realizar de manera esquemtica:

1.- Representar grficamente la rfuncin
x2 x1 x0
f(x) la cual corta al eje x en r
que es la raz de f(x)
2.- Representar x0 como el valor inicial de la sucesin de puntos en el
eje de las X.

3.- Trazar la tangente a la funcin f(x) en x0 y ubicar el punto de corte

con el eje X y la tangente y denotarlo con x 1 el cual ser la nueva
aproximacin a la raz r.
4.- El proceso se repite hasta que sea necesario es decir cumpla con
las exigencias en otras palabras falta que | f(x k) | < y | xk+1-xk | < se
cumpla una o ambas.
5. Si en el caso de no cumplirse en un nmero mximo de iteraciones se
sugiere reiniciar de nuevo.
Ejemplo
Determinar una raz de f ( x) x 3 2 x 2 10 x 20 considerando x0 =1, y

el criterio de convergencia x k 1 x k y con un error de = 10-3
Solucin
a) Primero determinamos la derivada del polinomio:
f ( x) 3 x 2 4 x 10
f (xk )
b) Aplicar la sucesin iterativa x k 1 x k
f ( x k )
( x k ) 3 2( x k ) 2 10 x k 20
c) x k 1 x k
3( x k ) 2 4 x k 10
d) x1 = 1.41176
e) X2 = 1.36934
f) X3 = 1.36881
g) X4 = 1.36881
Cuadro que representa los diferentes clculos para determinar la

aproximacin de una raz usando el Mtodo de Newton.
iteraciones xk x k 1 x k g ( x k )
k
0 1.00000 0.00000 0.24221
1 1.41176 0.41176 0.02446
2 1.36934 0.04243 0.00031
3 1.36881 0.00053 1.09x10-6
4 1.36881 0.00000 1.2714x10-6
Debemos destacar que con este mtodo solo se necesitaban tres

iteraciones para alcanzar la aproximacin necesaria y adems se tiene
una mayor aproximacin.

2.1.3. MTODO DE LA SECANTE

Debemos recordar que una de las debilidades del mtodo de Newton es
que utiliza la derivada de la funcin y se trata de encontrar un cero de
esta. Es en este sentido que surge una diversidad de mtodos y uno de
ellos es el Mtodo de la Secante que analizaremos en adelante.
Supongamos que estamos interesados en solucionar la debilidad de la
metodologa de Newton, empecemos por reemplazar la derivada f (x)
en la secuencia que origina el mtodo de Newton por un cociente de
diferencias es decir:
f ( x k ) f ( x k 1 )
f ( x k ) recordemos que esta relacin tiene como
x k x k 1
fundamento la definicin de la derivada de f(x) en trminos de un lmite,
realicemos tal sustitucin enunciada y as tendremos.
x k x k 1
x k 1 x k f ( x k ) .....k 1,2,3,...
f ( x k ) f ( x k 1 )
Observemos que si calculamos xk+1 entonces se requiere conocer xk y xk-

1 esto quiere decir que se deben de dar en la problemtica estos dos
valores.
As tambin se observa que para determinar el valor de x k slo se
requiere un clculo de f(x)
INTERPRETACIN GRFICA
La interpretacin grfica es similar que la interpretacin grafica del
mtodo de Newton solo que en este caso se debe de considerar la lnea
tangente como una lnea secante
f(x)
f(Xk-1)
Lnea secante a la funcin

f(Xk) f(x)
EJEMPLOS
Usar el mtodo de la secante para r Xk+1 Xk
encontrar Xuna
k-1 raz real de la
3 2
ecuacin polinomial f ( x) x 2 x 10 x 20 , considere x0 = 0; x1 = 1,
usar como criterio de convergencia la secuencia de distancias de
aproximacin a la raz.

Solucin
a) Aplicamos la secuencia que determina la metodologa:
x k x k 1
x k 1 x k f ( x k ) .....k 1,2,3,...
f ( x k ) f ( x k 1 )
x1 x 0
x 2 x1 f ( x1) .....k 1 Entonces x2 = 1.53846
f ( x1) f ( x 0 )
b) X3 = 1.35031
c) X4 = 1.36792
d) X5 = 1.36881
A seguir presentamos el cuadro que se obtiene al realizar dicha
metodologa en el cual observaremos que se trata de un mtodo rpido
en convergencia casi tan igual que el Mtodo de Newton pero mucho
ms rpido que el Mtodo de Punto Fijo
Iteraciones xk x k 1 x k
k
0 0.00000 0.00000
1 1.00000 1.00000
2 1.53856 0.53846
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881 0.00090
Ejemplo
Usar el mtodo de la secante para encontrar una raz real de la
ecuacin polinomial f ( x) x 3 senhx 4 x 2 6 x 9 , considere x0 = 7; x1 =
8, usar como criterio de convergencia la secuencia de distancias de
aproximacin a la raz .
Solucin
a) Aplicamos la secuencia que determina la metodologa:
x k x k 1
x k 1 x k f ( x k ) .....k 1,2,3,...
f ( x k ) f ( x k 1 )
x1 x 0
x 2 x1 f ( x1) .....k 1 Entonces x2 = 7.05895
f ( x1) f ( x 0 )

b) X3 = 7.11764
c) X4 = 7.11289
d) X5 = 7.11306
e) X6 = 7.11306
a seguir presentamos el cuadro que se obtiene al realizar dicha
metodologa en el cual observaremos que se trata de un mtodo rpido
en convergencia casi tan igual que el Mtodo de Newton pero mucho
ms rpido que el Mtodo de Punto Fijo
iteraciones k xk x k 1 x k
0 7.00000
1 8.00000 1.00000
2 7.05895 0.94105
3 7.11764 0.05859
4 7.11289 0.00475
5 7.11306 0.00017
6 7.11306 0.00000
2.1.4. MTODO DE LA BISECCIN

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 determina c = (a+b)/2 y averigua si
f(a) f(c) <0 si esto resulta siendo cierto entonces 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.
Si ocurriera que f(a) f(c) >0 entonces f(c) f(b) < 0 en este caso
redefinimos a c =a En ambos caso a sucedido que se a determinado un
nuevo intervalo que contiene una raz de la funcin y el proceso puede
repetirse.
Si f(a)* f(c) = 0, o f(c)* f(b) = 0; entonces f(c) = 0 y con esto se ha
determinado una raz del polinomio, pero vale aclarar que este caso no
sucede en general puesto que los redondeos en una computadora difcil

es cero. Por esta razn es que para concluir se debe realizar con una
tolerancia de 10-3.
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.
INTERPRETACIN GRFICA
caso a) f(a)*f(c)<0 Caso b) f*(c)f(b)<0

f(a)
f(b)
EJEMPLOS
Determinar una raz real del polinomio f ( x)a x 3 c2 x 2 10 x 20 , b
considerando un error de 10-3
a c b
Solucin
a) Determinamos los valores de a y b evaluando la funcin en
f(c)
algunos puntos donde sea relativamente f(b) fcil de f(a)
evaluar por ejemplo:
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
b) Determinamos el nmero de iteraciones M considerando la siguiente
relacin
ln(a ) ln( )
M
ln(2)
En donde a es la longitud del intervalo, en nuestro caso

3
ln(2 1) ln(10 )
M 7
ln(2)
c) Realizamos la primera iteracin determinando
c = (2+1) / 2 = 1.5; f (1.5) (1.5) 3 2 * (1.5) 2 10(1.5) 20 2.88

Observamos que f(c) = f(1.5) = 2.88 >0 distinto signo que f(a) = f(1) = -7
luego reemplazamos el valor de b por el valor de c es decir se tiene el
siguiente intervalo (1, 1.5), entonces
a = 1; f(1) = -7
b = 1.5; f(1.5) = 2.88
d) Segunda Iteracin:
1 1.5
c 1.25;
2
f (1.25) (1.25) 3 2 * (1.25) 2 10 * (1.25) 20 2.42
Observamos que f(c) = f(1.25) = -2.42 < 0 igual signo que f(a) = f(1) =
-7 luego reemplazamos el valor de a por el valor de c es decir se tiene el
siguiente intervalo (1.25, 1.5), entonces
a = 1.25; f(1.25) = -2.42
b = 1.5; f(1.5) = 2.88
a seguir presentamos el siguiente cuadro que contiene las 7 iteraciones
deseadas en donde denotaremos a = Xa: b = Xb y C = XM
Iteracion XA XB XC C k C k 1 f (C k )
k
0 1.00000 2.00000
1 1.00000 2.00000 1.50000 0.25000 2.87500
2 1.00000 1.50000 1.25000 0.12500 2.42188
3 1.25000 1.50000 1.25000 0.06250 2.42188
4 1.25000 1.37500 1.37500 0.03125 0.13086
5 1,31250 1.37500 1,31250 0.01563 0.52481
6 1.34375 1.37500 1.34375 0.00781 0.19846
7 1.35938 1.37500 1.35938 0.00395 0.03417
8 1.36719 1.37500 1.36719 0.00195 0.04825
9 1.36719 1.37109 1.37109 0.00098 0.00702
10 1.36719 1.36914 1.36914 0.00049 0.01358
11 1.36826 1.36914 1.36865 0.00025 0.00329
12 1.36865 1.36914 1.36890 0.00013 0.00186
13 1.36865 1.36890 1.36877 0.00006 0.00071

2.1.5. MTODO DE REGULA FALSI

Esta metodologa se le conoce con el nombre de Posicin falsa. Al
igual que el mtodo de la secante, aproxima la derivada en la expresin
f (xk )
x k 1 x k
f ( x k )
f ( x k ) f ( x k 1 )
Por el cociente en diferencias es decir f ( x k )
x k x k 1
Pero en este caso xk, y xk-1, se ubican en lados opuestos de la raz que
se busca esto quiere decir que f(xk) y f(xk-1) tienen signos opuestos y
determinamos el siguiente punto de aproximacin X M que aproxima a la
x f ( x k ) x k f ( x k 1 )
raz es decir. x M k 1
f ( x k ) f ( x k 1 ) ;
( x k x k 1 ) f ( x k ) x k 1 f ( x k ) x k f ( x k 1 )
xM xk
f ( x k ) f ( x k 1 ) f ( x k ) f ( x k 1 )
M k
En seguida se evala f(x ) y comparamos el signo con f(x ) si tienen
k M
signos iguales se actualiza x , cambiando su valor con x , caso contrario
k-1
se realiza el intercambio con x , , es preciso destacar que el objetivo
k k-1
centras es obtener un intervalo (x , x ) cada vez mas cerca de la raz.
M
Se toma como valor mas exacto el valor ultimo de x , para terminar el
k k-1
proceso se considera |x -x |<e .
INTERPRETACIN GRAFICA f(xM )>0
B B
f(xk) f(xk)
xk-1 xM xk-1
A xk A xM xk
f(xk-1) f(xM ) f(xk-1)

Ejemplo. Determinar una raz real del polinomio

f ( x) x 3 2 x 2 10 x 20 ,
-3
considerando un error de 10 , usando regula
falsa.
Solucin
1. Determinamos los valores de xk-1 y xk para lo cual evaluamos la
funcin en lo puntos:
f(0)= -20; f(1) = -7 ; f(-1) = -29 ; f(2) = 16.
2. Considerando el razonamiento del mtodo observamos que en el
intervalo [1,2] existe una raz de la funcional. En este caso nuestros
valores de xk = 1; f(1) = -7 xk-1 = 2, f(2) = 16.
( x x k 1 ) f ( x k ) x k 1 f ( x k ) x k f ( x k 1 )
xM xk k
f ( x k ) f ( x k 1 ) f ( x k ) f ( x k 1 )
(1 2)(7)
xM 1 1.30435
7 16
M
f(x )=-1.33476
3. Determinamos con quien de los extremos del intervalo se
intercambia, como f(xM)<0 es decir tiene igual signo con f(x k) se
intercambia el valor de xk, por xM, lo que implica tener el nuevo
intervalo [-1.33476,2],
4. Se continua de la misma manera hasta conseguir el objetivo trazado
K Xk Xk-1 XM f(xM) |f(xM)|

0 1.00000 2.00000
1 1.00000 2.00000 1.30435 -1.33476 1.33476
2 1.30435 2.00000 1.35791 -0.22914 0.22914
3 1.35791 2.00000 1.36698 -0.03859 0.03859
4 1.36698 2.00000 1.36850 -0.00648 0.00648
5 1.36850 2.00000 1.36876 -0.00109 0.00109
6 1.36876 2.00000 1.36880 -0.00018 0.00018
2.1.6. ACELERACIN DE LA CONVERGENCIA
En esta oportunidad trataremos sobre la convergencia, pues

trabajando con los diversos mtodos anteriores encontramos que el
mtodo de Newton converge muy rpido si tenemos una
aproximacin inicial suficientemente precisa y es fenmeno se
sustenta que tal mtodo proporciona una aproximacin que converge
cuadrticamente.
Veamos lo siguiente consideremos que un mtodo cualquiera

proporciona una sucesin de aproximaciones que
converge a un punto x , diremos que la convergencia es lineal si

existe una constante 0<M<1, de tal manera que para un n lo

suficientemente grande se tiene que,
Diremos que la convergencia es cuadrtica si 0<M de tal manera

que para un n suficientemente grande, se tiene,
Considerando que los mtodos que convergen cuadrticamente lo

hacen de manera ms rpida que los que convergen linealmente,
pero en realidad los de convergencia lineal son mas seguros, existe
una tcnica que permiten acelerar la convergencia es el mtodo
llamado de que es una tcnica que permite acelerar la
convergencia de los mtodos que presentan es convergencia.
Supongamos que es una sucesin que converge linealmente

a x, construimos una sucesin , que converge a x mas
rpidamente que ,
Primero, suponemos que los signos de x n-x , xn+1-x y xn+2-x,

coinciden y que n es lo suficientemente grande que se verifica,
Luego
Despejando x
Sumando y restando en el numerador tenemos

El mtodo de consiste en usar como una

aproximacin de x. y afirma que:
Si es una sucesin que converge linealmente a x y definimos
, entonces, tambin converge a x y

en general lo hace mas rpidamente.
Ejemplo.
La sucesin , con converge linealmente
a x =1, y con
Converge linealmente a x=1 mas rpidamente,2
n Xn qn
1 0.54030 0.96178
2 0.87758 0.98213
3 0.94496 0.98979
4 0.96891 0.99342
5 0.98007 0.99541
6 0.98614
7 0.98981
Observemos que dada una sucesin , definimos delta de xn, de

la siguiente manera,
La potencia superior del operador se define recursivamente,
Usando esta definicin tenemos que,
,
,
2
Ver Mtodos Numericos de J. Douglas Faires

Por lo tanto la sucesin qn, en el mtodo de anlisis se le define de la

siguiente manera.
, para todo n ,
La sucesin , converge a x mas rpidamente que la sucesin de

partida ,
2.1.7. RACES COMPLEJAS
En nuestro anlisis de encontrar races de una ecuacin f(x)=0 solo

consideramos cuando se tienen races reales, pero en general se
presentan el caso de ecuaciones polinomiales con coeficientes reales y
con races complejas o bien polinomios complejos y ecuaciones
trascendentes con races reales y complejas. Generalmente dichas
ecuaciones se pueden desarrollar por el mtodo de Newton, pero
considerando como valor inicial x0, un complejo.
2.1.7.1. MTODO DE NEWTON RAPHSN

Supongamos que tenemos la siguiente funcin con coeficientes reales y
de igual manera su derivada.
Y su derivada
Si el valor de x0 es real, entonces el valor de
Es real y todos los siguientes valores en consecuencia no podemos

encontrar una raz compleja, si se utiliza un valor inicial real.
Pero si consideramos un valor inicial complejo, entonces x 1, ser
complejo de igual manera x2, y as sucesivamente. Consecuentemente si
el proceso converge puede encontrarse una raz compleja.

Ejemplo
Encontrar las races complejas de la ecuacin. f(x)=x 2+9 =0,
Usando el mtodo de Newton Raphsn.
Solucin
Determinamos su derivada de f(x) ,
Haciendo x0= i el valor inicial propuesto, aplicando el algoritmo se tiene
, pero como i2=-1, entonces
, ,
La sucesin de complejos se va acercando de manera rpida a 3i, en

consecuencia
f(3i)=(3i)2+9 = -9+9=0,
Para evaluar la convergencia se utiliza
, esto es la norma de nmeros complejos es decir
, es decir para el caso particular se tiene
Se observa que la convergencia es notoria. Considerando que un

polinomio con coeficientes reales siempre tiene un nmero par de
races entonces las races del polinomio dado son 3i, -3i.

2.1.7.2. MTODO DE MULLER

Debemos destacar que existen varias dificultades de clculo para
determinar races complejas con los mtodos analizados
anteriormente, por ejemplo la convergencia es lenta, ms aun cuando la
funcin y sus derivadas estn cerca del cero. La metodologa de Muller
usa la idea de la metodloga de la secante, pero mientras la secante usa
la recta para aproximar Muller utiliza la parbola para aproximar.
Supongamos que se dan tres puntos iniciales de

aproximacin distintas a una raz de f(x) =0,
Consideremos
Se sabe que
Es una parbola que pasa por los puntos

pero de manera usual una parbola se representa por,
Si comparamos esta representacin con la ltima relacin tenemos,
Una vez calculados los valores de a0, a1; a2, las races del polinomio p(x)
se determinan usando la siguiente relacin,

Observaciones
1. La seleccin del signa del radical se hace considerando de que el
denominador sea el mximo, lo que permita estar mas cerca de x i
2. La raz correspondiente es la siguiente aproximacin x i+1.
3. La razn para la presentar la formula se esta manera es con la
finalidad de obtener mayor exactitud.
4. Puede suceder que la raz cuadrada de la formula sea compleja. Si
f(x) no esta definida para valores complejos, en este caso el
algoritmo debe de reiniciarse con nuevos valores iniciales.
5. En el caso que f(x) sea un polinomio existe las posibilidades de
tener races complejas y el valor de x se considera como
aproximacin de alguna raz y deber seguir emplendose en el
algoritmo.
Ejemplo
Encuentre una raz real del polinomio f ( x) x 3 2 x 2 10 x 20 ,
Usar el mtodo de Muller.
SOLUCIN
Primero: seleccin de los valores: x0=0; x1=1; x2=2
Segundo: evaluar f(x) en los puntos seleccionados considerando la

nomenclatura,
f0= -20; f1= -7; f2=16.
Tercero: calculo de los coeficientes del polinomio de segundo grado,
Los coeficientes toman los siguientes valores:

Cuarto: calculo de los denominadores de la formula,
Como el segundo valor es mayor en valor absoluto se toma este para

calcular x3.
SEGUNDA ITERACIN
Primero: Hacemos correr los subndices de x: x0=1; x1=2; x2=1.354017
Segundo: evaluar f(x) en los puntos seleccionados considerando la

nomenclatura,
f0= -7; f1= 16; f2=-0.30968.
Tercero: calculo de los coeficientes del polinomio de segundo grado,

Los coeficientes toman los siguientes valores:
,
Cuarto: calculo de los denominadores de la formula,
Como el segundo valor es mayor en valor absoluto se toma este para

calcular x4.
Se repite el procedimiento y se obtiene,
i xi ,
0 0
1 1 1.00000
2 2 1.00000
3 1.35407 0.64593
4 1.36865 0.01458
5 1.36881 0.00016
2.1.8. RESOLVER LAS SIGUIENTES ECUACIONES USANDO LOS

DIFERENTES MTODOS ANALIZADOS

cosx
1) cos x 3 x 0, considere x ;X /6
3
cos2x
2) cos 2 x 3x 0, considere x
3
cosx
3) cos x 2 x 0, considere x
2
senx
4) Sen.x 3x 0, considere x
3
cosx
5) cos x 5 x 0, considere x
5
senx
6) Senx 5 x 0, considere x
5
tanx
7) tan x 3x 0, considere x
3
cotx
8) cot x 3x 0, considere x
3
9) tan x x 0, considere x tanx
tanx
10) tan x 5 x 0, considere x
5
senx
11) Senx 8 x 0, considere x
8
12) x 2 3x e x 2 0
13) x 2 o.9 x 1.52 0
14) x 3 2 x 1 0
15) e x 5 x 2 0 ;
16) ln x x 2 0
17) x 2 cos x 0 ,
18) xe x 2 0
19) x 3 5 x 1 0 ;
20) x 3 2 x 2 10 x 20 0
21) x 3 2 x 2 10 x 30 0 ;
22) x 3 2 x 2 11x 20 0
23) e x senx 0 ;
24) x 1 tan x 0, en [0, /2
x 3 5 x 2 3 x 7 0,
25) ;
aplique Newton con x 0 5
4 x 3 2 x 2 3 0,
26)
aplique Newton con x 0 1
27) f ( x ) e x 1.5 tan 1 x, x 0 7 ;
28.) f ( x) x 3 1
29) f ( x) sen( x ) x; x 01 / 2;
30) f ( x ) 0.9 x 2 1.7 x 2.5; usando;...x 0 5,


Apuntes Metodos Numericos Sistema de Ecuaciones No Lineales

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Apuntes Metodos Numericos Sistema de Ecuaciones No Lineales

Загружено:

Авторское право:

Доступные форматы

Mtodos Numricos Aplicados a la Ingeniera

2.1.1. MTODO DE PUNTO FIJO

2.1.7. RACES COMPLEJAS

2.1.7.1. MTODO DE NEWTON RAPHSN

Solucio n Num rica d Ecuacions no Linals Pa gina 1

2.1. SOLUCIN NUMRICA DE ECUACIONES NO

En este tem trataremos sobre uno de los problemas ms vastos de la

O una funcin trascendente

Para dar solucin a estos problemas existen distintos algoritmos o

Solucio n Num rica d Ecuacions no Linals Pa gina 2

2.1.1. MTODO DE PUNTO FIJO

De las cuales podemos obtener usando el lgebra:

Segundo: Una vez determinado la expresin algebraica equivalente, el

Solucio n Num rica d Ecuacions no Linals Pa gina 3

2. Segunda Alternativa. Que x1 x0

Iteraciones k Valor de xk g(xk)=2x2-5

Solucio n Num rica d Ecuacions no Linals Pa gina 4

Iteraciones k Valor de xk g (xk ) x 5

Observamos que en el caso (a) el valor diverge, pero en el caso (b)

Iteraciones k Valor de xk G(xk)=3x2- 8

Solucio n Num rica d Ecuacions no Linals Pa gina 5

Iteraciones k Valor de xk g(xk ) x 8

Observamos que en el caso (a) el valor diverge, pero en el caso (b)

Con la finalidad de saber cuando la sucesin x 0, x1,x2,x3;xkconverge

Iteracin Valor de G(xk)=3x2- 8 f ( x) 3x 2 x 8 0

Solucio n Num rica d Ecuacions no Linals Pa gina 6

Iteracin Valor de xk g(xk ) x 8 f ( x) 3x 2 x 8 0

1 1.1180 1.7434 -5.368

2 1.7434 1.8022 -0.6250

3 1.8022 1.8076 -0.058

X0; X1; X2; X3; .. X10; X20 . .. XK r X

Observemos que un modo prctico de saber si los valores consecutivos

Solucio n Num rica d Ecuacions no Linals Pa gina 7

CRITERIO DE CONVERGEN DE LA PRIMERA DERIVADA g ( x ) 1

Este criterio de la primera derivada tiene como base analtica el teorema

En donde ck es un punto cualquiera del intervalo en anlisis es decir c k

Luego podemos tomar valor absoluto a esta nueva expresin

x k 1 x k g (c k ) x k x k 1 , para i 1,2,3... Si tratamos de ponerlo en su

Solucio n Num rica d Ecuacions no Linals Pa gina 8

dicha metodologa convergir puesto que M k, convergir a cero al

Interpretacin Geomtrica de G ( x ) 1 , Convergencia montona

Primero: Consideremos dos formas para X1 = g(x)

Segundo: determinemos sus derivadas de cada funcional considerada,

Tercero: Valorando el valor las derivadas en 1 y luego tomando su valor

0 1.00000 0.00000 0.47337

1 1.53846 0.53846 0.42572

2 1.29502 0.24344 0.45100

3 1.40183 0.10681 0.44047

4 1.35421 0.04762 0.44529

5 1.37009 0.02101 0.44317

6 1.36593 0.00937 0.44412

7 1.37009 0.00416 0.44370

8 1.36824 0.00185 0.44389

9 1.36960 0.00082 0.44386

Debemos observar que el valor absoluto de la derivada valorado en el

Solucio n Num rica d Ecuacions no Linals Pa gina 10

2.1.2. MTODO DE NEWTON RAPSHN1

En donde h = r x, que ocurre si h se aproxima a cero entonces x se

Solucio n Num rica d Ecuacions no Linals Pa gina 11

if |x1-x0| < or |y| <,

Luego si linealizamos tenemos

f(x0) Lnea tangente a la

Esto se puede realizar de manera esquemtica:

caso a) f(a)f(c)<0 Caso b) f(c)f(b)<0