Apuntes de la Materia de Anlisis Numrico

Apuntes
M.A.T.I. Jaime Federico Meade Collins rea de Computacin e Informtica Facultad de Ingeniera Universidad Autnoma de San Luis Potos Junio 2012

Documento maquetado con TEXiS v.1.0+.

Este documento est preparado para ser imprimido a doble cara.

Apuntes de la Materia de Anlisis Numrico

Apuntes de la Matera de
Anlisis Numrico

Versin 1.0+

rea de Computacin e Informtica Facultad de Ingeniera Universidad Autnoma de San Luis Potos

Junio 2012

Copyright c M.A.T.I. Jaime F. Meade Collins

ISBN 999-99-999-9999-9

A Claudia, Jaime y Mariana ya que por su sacricio se pudo terminar este proyecto yo fui meramente un instrumento

Agradecimientos

Las matemticas son el alfabeto con el cual Dios ha escrito el Universo

Galileo Galilei (1564-1642)

El primer agradecimiento es para la Universidad Autnoma de San Luis Potos, ya que en sus aulas me permitiron conocer, de manera profesional y no estudiantil, el mgico mundo de las matemticas, por lo cual le estar profundamente agradecido. El segundo, es hacia los alumnos de mis materias, o mejor dicho a aquellos que se arriegaron a llevar alguno de mis cursos, que valenta !!! Un reconocimiento especial a todos aquellos autores-profesores-investigadores, que al igual que yo, quieren compartir sus trabajos engrosando cada da la bibliografa del tema, mi reconocimiento ya que sin ellos mucho de este trabajo no exisitira. No puedo dejar de pasar la oportunidad de reconocer y agradecer a todos aquellos personajes, y en algunos casos, leyendas, del movimiento de Software Libre, ya que sin sus aportaciones mucho del trabajo realizado en el mbito de las matemticas no se podra haber creado y este documento no tendra sentido. No por ser el ltimo, el menos importante, a mi familia, mi esposa y mis hijos por ser la inspiracin de todos los das, que me daba la fuerza para seguir en este trabajo, y gracias a su sacricio usted, amable lector, lo tiene en sus manos.

vii

Resumen

Las matemticas es la ciencia del orden y la medida, de bellas cadenas de razonaminetos, todos sencillos y fciles

Ren Descartes (1596-1650)

Lo que se pretende alcanzar con el presente manuscrito es apoyar a los alumnos de las carreras de Ingeniera que estudian alguna materia relacionada con el trabajo en el que se desempea el anlisis numrico o mtodos numricos. Uno de los objetivos es presentar un trabajo, que de manera no exhaustiva, logre ser un punto de referencia para los temas abordados en el mismo, permitiendo al alumno comprender, de manera simple, es decir, sin demostraciones mas all de lo necesario, las bases necesarias para su desempeo en las reas del ejercicio profesional de la Ingeniera. Cada uno de los captulos ser presentado de manera prctica y se explicar la forma de resolver los problemas mediante la implementacin de los mtodos descritos mediante el uso de Software Libre, tratando de dismiticar a los alumnos con respecto a las capacidades de este nuevo tipo de software. Es por esto que se clasicaron, tanto, los ejemplos como los problemas. Se va a encontrar una serie de smbolos, dentro de parntesis, al inicio de cada uno de ellos. El signicado de estos smbolos aparece a continuacin.

Se deber de utilizar una computadora. Se deber de utilizar una calculadora.

As mismo se van a encontrar una serie de (), que indicar la complejidad del problema. Entre mas smbolos se tengan mas complejo ser el mismo.

ix

Resumen

L.C.A. Jaime F. Meade Collins, M.A.T.I.

Borrador  12 de febrero de 2013

Captulo 1
Introduccin

Las matemticas no mienten, lo que hay son muchos matemticos mentirosos

Henry David Thoreau (1817-1862) Se presentarn los principales criterios que se deben de tener para el manejo de mtodos numricos utilizando computadoras, y como es que estos se deben de aplicar para la precisin y exactitud necesarias en el clculo numrico.
Resumen:

1.1. Qu son los Mtodos Numricos?

El anlisis numrico trata de disear mtodos para aproximar, de una manera eciente, las soluciones de problemas expresados matemticamente. Burden y Faires (1985) El anlisis numrico es una mezcla de matemticas y ciencias de la computacin que ha dado origen a poderosas herramientas para resolver problemas de ciencias y de ingeniera que de otra forma no podran abordarse. Maron y Lpez (1999) Los mtodos numricos constituyen tcnicas mediante las cuales es posible formular problemas matemticos, de tal forma que puedan resolverse utilizando operaciones aritmticas. Chapra y Canale (2007)

Captulo 1. Introduccin

Estas tres deniciones tiene varios elementos en comn que se explican a continuacin:

Mtodos o tcnicas Problemas Solucin

Denota que existe una secuencia predenida de pasos

que se debern de seguir. Este elemento establece que ya se tiene identicada una situacin

adversa a lo esperado o desconocida. Es la respuesta al problema planteado, utilizando modelos y mtodos

matemticos.

En resumen, el objetivo de este manual es el de dar a conocer mtodos o tcnicas que permitan resolver, de manera cuantitativa, situaciones (reas de oportunidad) que se dan en el da a da en el mbito laboral de la ingeniera.

Aproximacin Numrica
Con los elementos antes mencionados se puede entender qu son y cul es el n del uso de los mtodos numricos, pero este es el resultado de la aplicacin de los mtodos que buscan una aproximacin numrica, pero es necesario recordar que cuando se quiere resolver problemas, por medio de las matemticas se tienen dos vertientes, la primera que sera obtener una solucin analtica o exacta, representada por una expresin matemtica, y por el otro lado se tiene una respuesta cuantitativa que se considera una aproximacin numrica de la respuesta exacta del problema.

Con el desarrollo de la Tecnologas de la Informacin, sobretodo en cuanto a la arquitectura de las computadoras, los sistemas operativos y los lenguajes de alto nivel se ha logrado implementar varios de los mtodos numricos.

Como se ver a los largo de los captulos existirn varios mtodos diferentes capaces de resolver o de generar la aproximacin numrica del problema. Esto lleva a tener diversas aproximaciones numricas del mismo, es por ello que se considerar la precisin de la solucin as como la facilidad de su implementacin para seleccionar la mejor aproximacin.

Como se mencion el objeto de estos mtodos es resolver, de manera cuantitativa, el problema planteado, por lo tanto las respuestas esperadas sern cantidades, pero qu tan exactas o precisas sern?.

Borrador  12 de febrero de 2013

1.2. Los Errores y su manejo

1.2. Los Errores y su manejo

La inclusin del trmino

error

en el manejo de clculos numricos es una

mera cuestin de enfoque, es decir, que el concepto de error no se debe de considerar como una equivocacin o un desacierto, sino como lo dene la Real Academia de la Lengua Espaola, desde el punto de vista matemtico, Diferencia entre el valor medido o calculado y el real. Por lo tanto y teniendo este antecedente se debe de considerar que es una diferencia. Es aqu donde se debe de denir que tanta diferencia se debe de aceptar y por qu se presenta?

El motivo por el que existe esta diferencia, en los clculos aritmticos, es por la forma en la que los dispositivos digitales almacenan los datos, entindase por dispositivos digitales, tanto calculadoras como computadoras y de estas se pueden incluir de cualquier tamao. No es objeto de este libro el presentar a detalle la arquitectura de un dispositivo digital para demostrar el porque se cometen errores en los clculos, basta mencionar que por la forma en que se almacenan y manipulan los numros en las computadoras, se pierde exactitud ya que existe una cantidad nita de nmeros que pueden manejar estos dispositivos cuando se conoce que existe un nmero innito de valores entre dos nmeros cualesquiera.

Exactitud y Precisin
Es necesario que se entienda el signicado de estos dos trminos para conocer que tan veraz es la respuesta obtenida por el mtodo aplicado. Chapra y Canale (2007)

Exactitud Precisin

se reere a qu tan cerca est el valor calculado o medido con el

valor verdadero. a qu tan cercano est un valor individual medido o calculado con

respecto a otros.

Ambos trminos tiene su antnimo, inexactitud o sesgo, para el caso de la exactitud y para la precisin sera la impresicin o incertidumbre. Esto se podra entender de la siguiente manera. Para el caso del sesgo, sera como si aunque varias observaciones estuvieran cerca, entre ellas, estaran alejadas del valor verdadero y se podra tomar alguna de ellas como el valor verdadero, siendo que este est alejado del valor verdadero. Para la impresicin, se puede manejar como si varias observaciones tuvieran como punto central o de acercamiento el valor verdadero y estas, las observaciones, estuvieran a su alrededor pero sin

Borrador  12 de febrero de 2013

Captulo 1. Introduccin

llegar a el y sta aumentara entre mas alejadas esten las observaciones del valor verdadero. Por lo tanto se debe de buscar que los valores que se obtengan como respuesta a los problermas sean lo exactos y preciso necesario, en base a las caractersticas del problema.

Error absoluto y relativo

Cuando se trabaja con datos, computadoras y los mtodos numricos se incurre en tres tipos de errores: Huerta-Cerezuelo et al. (1998)

Inherentes

Son errores que se han heredado por la misma naturaleza de los

datos, y pueden surgir a partir de factores humanos, como la captura de los datos o de la lectura de los mimos a partir de la inexactitud de los apartos de medicin.

Truncamiento

Este tipo de error es por el hecho de que, en alguno de los

clculos reralizados por el mtodo el resultado sea una serie innita de valores y que para que la computadora pueda trabajar con las cantidades es necesario convertirla en una serie nita de valores.

Redondeo

Cuando se trabaja con las operaciones aritmticas se puede generar

que el resultado obtenido cuente con un nmero mayor de dgitos que los operandos creando as la necesidad de redondear el ltimo o ltimos dgitos.

Para que se pueda trabajar con estos tipos de errores que se pueden encontrar es necesario establecer la exactitud y precisin de la respuesta encontrada (valor aproximado) al problema planteado. Por lo tanto, y de aqu en adelante, error ser el valor de la inexactitud e imprecisin de la o las predicciones que se obtengan. Chapra y Canale (2007) y se repesentar:

error

= valor

real

valor

calculado

Algunos tipos de errores que se utilizarn en captulos siguientes son:

Absoluto

Es el valor absoluto del error

Et = |valor

real

valor

calculado|

(1.1)

Borrador  12 de febrero de 2013

1.2. Los Errores y su manejo

Relativo

Es la normalizacin del error absoluto

t =

|valor

real

valor

calculado|

|valor

real|

Et |valor
real

y este a su vez se puede multiplicar por 100 %, quedando el error relativo porcentual.

t % =

Et 100 % |valor real|

(1.2)

Es necesario aclarar que se est considerando el valor real o verdadero, pero en la mayora de los casos esto no ser posible ya que no se tendr el valor verdadero ltima calculada para determinar este error. De esta manera es posible, mientras que este error tienda a disminuir, de utilizarlo como criterio de exactitud y de precisin para con la respuesta obtenida o en los mtodos iterativos utilizarlo como uno de los criterios de terminacin del algoritmo.

a priori. Entonces se deber de utilizar la aproximacin anterior y/o la

a =

|aproximacin actual aproximacin |aproximacin actual|

anterior|

100 %

Cifras signicativas correctas y error relativo

Como se mencion anteriormente los mtodos que se estudiarn darn como resultado una aproximacin numrica, y que para garantizar que este valor sea considerado exacto o preciso es necesario compararlo con respecto a un valor aproximado o contra el valor real. Es por eso que se deben de considerar los errores que se obtienen durante la obtencin de la aproximacin numrica.

Considerando a las

cifras signicativas correctas

de un valor como aquellas,

comenzando en la primera no nula y hasta la ltima. Por ejemplo en el valor

1250

se tienen cuatro cifras siganicativas y en el valor

0.000123

se tienen tres.

Tomando

como la aproximacin de

correctas si cuando se redonde resultado. Considerando esto:

x se tendrn q cifras signicativas x y x en q cifras signicativas se obtiene el mismo la aproximacin x a x tiene q cifras signicativas

si el error relativo cumple: Huerta-Cerezuelo et al. (1998)

|t |

1 q 10 2

(1.3)

Borrador  12 de febrero de 2013

Captulo 1. Introduccin

1.3. Algoritmo
Uno de los elementos comunes que se identicaron en las deniciones de Mtodos Numricos es el de mtodos o tcnicas. Un sinnimo para este elemento sera Algoritmo, que su signicado es  . . . procedimiento matemtico que consiste en una serie de pasos y de decisiones lgicas destinadas a solucionar un problema Izar-Landeta (1998).

El objetivo principal de los mtodos numricos es el de encontrar soluciones (aproximaciones numricas) a problemas que se pueden resolver mediante las matemticas y a lo largo de este libro se mostrarn varios de estos algoritmos, que en muchos casos existirn varios de ellos que pueden resolver el mismo problema, obteniendo soluciones diferentes y es aqu donde se deben de denir criterios para seleccionar la mejor de ellas.

Por ejemplo, uno de estos criterios es que cumpla con un valor preestablecido de cifras signicativas, utilizando la ecuacin 1.3

1.4. Convergencia
Cuando se estn utilizando mtodos numricos para encontrar la respuesta a un problema, en aquellos que se clasican iterativos, se debe de vericar que las aproximaciones numricas obtenidas en cada iteracin convergan, esto se interpreta que despus de cada iteracin, el resultado obtenido se acerca ms al valor real y no lo contrario.

Para claricar esto, cuando se deni aproximacin numrica, se estableci que este valor se considerara como la respuesta al problema. Trabajando con mtodos iterativos se obtendr una respuesta al nal de cada iteracin y es entonces cuando se debe de comparar el resultado actual anterior,

x i

con el valor inmediato

x i 1

y determinar la diferencia de estos valores y si esta se aproxima a

cero se estar convergiendo a la solucin. De lo contrario se debern de revisar los datos de entrada, los parmetros iniciales, la vibilidad del mtodo actual de solucin o el problema mismo a resolver.

En ocasiones, la precisin necesaria estar dada por un valor que se interpretar como la diferencia mnima que se obtenga a partir de las aproximaciones numricas obtenidas en las iteraciones inmediatas realizadas.

En ambos casos expuestos, la convergencia se puede considerar como un

Borrador  12 de febrero de 2013

1.5. Ejemplos

criterio de nalizacin del algoritmo iterativo utilizado.

Una manera de expresar esto mediante una ecuacin sera:

x i+1 x i | a x i+1

(1.4)

Siendo

el valor que se considera para cumplir con la precisin, normal-

mente este valor puede ser del orden de

1x105

1.5. Ejemplos
A lo largo del libro se irn resolviendo ejemplos con el n de claricar los conceptos as como hacer una demostracin de la forma en que algunos de los problemas puede ser resueltos. La experiencia docente me ha dicho que se debe de leer y comprender lo que se est preguntando, para de esta manera no perder de vista el objetivo que no es mas que encontrar la respuesta al problema. Es por esto que, teniendolo en cuenta, las respuestas a los ejemplos sern encerredas en una caja con un borde inferior adicional, de la siguiente manera:

R1 = 123.45

Ejemplo 1.5.1 () Hallar el % de error relativo cometido para la serie

1 =1 2n n=1

Si se toman: (a) 3 trminos, (b) 4 trminos, (c) 5 trminos y (d) 6 trminos

Solucin
(a) Se desarrolla la serie con tres trminos

1 1 1 1 1 1 + 2 + 3 = + + = 0.875 21 2 2 2 4 8

Borrador  12 de febrero de 2013

Captulo 1. Introduccin

a =

1 0.875 1

100 % = 12.5 %

(b) Se desarrolla la serie con cuatro trminos

1 1 1 1 1 1 1 1 + 2+ 3+ 4 = + + + = 0.9375 1 2 2 2 2 2 4 8 16 1 0.9375 a = 100 % = 6.25 % 1

(c) Se desarrolla la serie con cinco trminos

1 1 1 1 1 1 1 1 1 1 + 2+ 3+ 4+ 5 = + + + + = 0.96875 21 2 2 2 2 2 4 8 16 32 1 0.96875 a = 100 % = 3.12 % 1

(d) Se desarrolla la serie con seis trminos

1 1 1 1 1 1 1 1 1 1 1 1 + + = 0.984375 + 2+ 3+ 4+ 5+ 6 = + + + 1 2 2 2 2 2 2 2 4 8 16 32 64 a = 1 0.984375 1 100 % = 1.56 %

Ejemplo 1.5.2 () Evaluar

f (x) para x = 4.71 utilizando aritmtica de redondeo a 1 dgito decimal. Obtener el error absoluto y el error relativo considerando como solucin exacta f (4.71) = 14.487489 y a f (x) como:

x3 6x2 + 3x

Solucin
1. Se sustituye en

f (x)

el valor de

x = 4.71

f (4.71) = (4.71)3 6(4.71)2 + 3(4.71)

Borrador  12 de febrero de 2013

1.5. Ejemplos

2. Se evalua la

f (x)

utilizando aritmtica de redondeo a 1 dgito decimal:

f (4.71) = 104.5 133.1 + 14.1 = 14.5

3. Se obtiene el error absoluto, utilizando la ecuacin 1.1

Et = | 14.487489 (14.5)| = 0.012511

4. Se obtiene el error relativo, utilizando la ecuacin 1.2

t =

Et 0.012511 = = 0.000863572 | 14.487489| | 14.487489|

Ejemplo 1.5.3 () Utilizando 2 y 3 trminos de la serie, evale sin( 4 ), con-

siderando que el valor real es 0.707106781187. Obtenga el error absoluto y el error relativo para cada caso, considerando 4 decimales. 1
x3 x5 x7 x9 + + 3! 5! 7! 9!

sin(x) = x

Solucin
1. Mediante una calculadora, jando el nmero de decimales a 4 y gradianes, se determina que

= 0.7854

2. Considerando 2 trminos y sustituyendo en la serie.

sin(0.7854) = 0.7854

0.78543 = 0.7047 3!

3. Se calcula el error absoluto utilizando la ecuacin 1.1

Et = |0.707106781187 0.7047| = 0.0024

4. Se calcula el error relativo utilizando la ecuacin 1.2

t = |

0.0024 | = 0.0034 0.707106781187

5. Considerando 3 trminos y sustituyendo en la serie.

sin(0.7854) = 0.7854
1 Se

0.78543 0.78545 + = 0.7071 3! 5!

ha modicado el texto para claricar un poco lo que se plantea

Borrador  12 de febrero de 2013

10

Captulo 1. Introduccin

6. Se calcula el error absoluto utilizando la ecuacin 1.1

Et = |0.707106781187 0.7071| = 0.0000

7. Se calcula el error relativo utilizando la ecuacin 1.2

t = |

0.0000 | = 0.0000 0.707106781187

Ejemplo 1.5.4 () Hallar el valor de x y en cul iteracin se lograr la convergencia para la ecuacin siguiente:

x=

1 3

x+

3 x

Si se inicia con x = 1 con una tolerancia para la convergencia de 1x105

Solucin
1. Mediante una calculadora, jando el nmero de decimales a 5, ya que la tolerancia es

1x105

2. Se desarrolla la tabla 1.1 Tabla 1.1: Iteraciones del ejemplo 1.5.4

i
1 2 3 4 5 6 7 8 9 10 11

xi
1.00000 1.33333 1.19445 1.23536 1.22127 1.22591 1.22436 1.22487 1.22470 1.22476 1.22474

xi+1
1.33333 1.19445 1.23536 1.22127 1.22591 1.22436 1.22487 1.22470 1.22476 1.22474 1.22475

a
0.25000 0.11627 0.03312 0.01154 0.00378 0.00127 0.00042 0.00014 0.00005 0.00002 0.000008

a < 1x105
NO NO NO NO NO NO NO NO NO NO SI y se necesitaron

3. Tomando de la tabla 1.1, el valor de

es

1.22475

11

iteraciones para llegar a l.

Borrador  12 de febrero de 2013

1.6. Problemas

11

Ejemplo 1.5.5 () Se ha resuelto un problema mediante dos tcnicas dife-

rentes, la primera de ellas di como resultado xa = 0.09938. En la segunda de ellas la respuesta es xb = 0.09942. Considerando a la primera de ellas como la respuesta verdadera. Determine si el resultado obtenido por la segunda tcnica se puede considerar correcto en 3 cifras signicativas.

Solucin
1. Se calcula

utilizando la ecuacin 1.3

t = |

0.09938 0.09942 | = 4.0249x104 0.09938 t

obtenido

2. Se compara el valor de

4.0249x104 5x104
3. Al cumplirse la comparacin, se puede considerar el valor de la respuesta correcta.

0.09942 como

1.6. Problemas
Problema 1.6.1 Este debe ser el primer problema que se va a resolver
Esto es pare ver si sirven las referencias cruzadas en un entorno de numeraci+n de ecuaciioenes 1.2, vamos a ver como funciona

Notas bibliogrcas
En el caso de que tanto los ejemplos como los problemas sean tomados de la bibliografa, ser en este apartado dnde se har referencia a los documentos o libros de los cuales fueron extraidos. En algunos de los casos se expondrn las respuestas, para que se veriquen los resultados obtenidos con los que se tienen en la bibliografa. Se estableci una taxonoma para poder identicar con mayor facilidad el tipo de problema o ejemplo que se est planteando, la cual se muestra en la siguiente tabla 1.2

2 Otra

nita al pie de pgina

Borrador  12 de febrero de 2013

12

Captulo 1. Introduccin

Tabla 1.2: Taxonoma de Ejemplos o Problemas

Nomenclatura PP PR EP ER EJ

Signicado Problema Propuesto Problema Resuelto Ejercicio Propuesto Ejercicio Resuelto Ejemplo

Ejemplo 1.5.1: Se tomo de Izar-Landeta (PP 1.1 1998, p. 18)

Ejemplo 1.5.2: Se tomo de Sandoval-Medina (ER 1.1 2006, p. 3)

Ejemplo 1.5.3: Se tomo de Sandoval-Medina (EP 1.4 2006, p. 5)

Ejemplo 1.5.4: Se tomo de Izar-Landeta (PP 1.3 1998, p. 18)

Y tambin ponemos el acrnimo CVS para que no cruja.

En el prximo captulo. . .
Se presentarn las tcnicas que se utilizarn para resolver, o encontrar las raices de ecuaciones no lineales. Estas tcnicas se pueden clasicar en dos categoras: Directas e Iterativas.

Borrador  12 de febrero de 2013

Captulo 2
Solucin de Ecuaciones no lineales

Las matemticas son una gimnasia del espritu y una preparacin para la Filosofa

Iscrates (436 AC - 338 AC) Dentro de las primeras tcnicas que se estudiaran para resolver problemas sern aquellas que van orientadas a encontrar las races de ecuaciones no lineales. Muchos de los problemas que se pueden encontrar en la vida diara pueden ser expresados mediante una ecuacin no lineal, as es como se hace necesario el contar con herramientas que permitan calcular numricamente las races de estas ecuaciones, econtrando simultaneamente las soluciones a los problemas planteados.
Resumen:

2.1. Raz de una ecuacin

La raz de una ecuacin se dene cuando valor de

f (x) = 0, es decir, se encuentra un x que hace que la funcin, que explica la situacin que nos atae, da co-

mo resultado cero, siendo este valor considerado como la respuesta al problema. 13

14

Captulo 2. Solucin de Ecuaciones no lineales

Existen varios mtodos para el clculo numrico de este valor. En el presente captulo se analizarn 4 de ellos.

Por cada mtodo se presentar su pseudocdigo para que este pueda ser programado en cualquier lenguaje. Al nal del captulo se presentarn algunos problemas resueltos, as como en el apndice se anexar el cdigo de las funciones de Python .

Cada uno de los mtodos que se presentarn a lo largo del captulo tienen la capacidad de resolver, es decir, encontrar la raz o las races de una funcin dada. Esto se lograr siempre y cuando se cubran ciertos requisitos. Otra forma de exponerlo, cuando se quiere reparar algo en casa, primero se observa y se dene lo que est mal, por ejemplo la pieza rota o oja. Una vez que se ha indenticado el problema (la pieza defectuosa), se plantean posibles alternativas de solucin, cambiarla, arreglarla o pegarla. Ya que se decidi cul de ellas ser la que se utilizar, es necesario conseguir y utilizar la herramienta adecuada para ello. Por ejemplo, si se trata de apretar un tornillo se debe de buscar un desarmador, y no un martillo. A su vez se debe de recordar que existen varios tipos de desarmadores (varias herramientas), as que ser necesario que se revisen las caractersticas del tornillo a apretar para identicar el tipo de desarmador necesario. Con las tcnicas que se estudiarn a lo largo del libro ser lo mismo. Se debern de estudiar las caractersticas del problema (el tornillo) para seleccionar el mtodo (herramienta) adecuado para su solucin.

2.2. Mtodo Grco

El uso de las grcas y de las matemticas tienen una gran historia juntos. Ya que, en muchas ocasiones, para la comprensin del problema es necesario entender su comportamiento y una de las herramientas para este propsito es la grca de la funcin. Como se ha mencionado, lo que se pretende estudiar en el presente captulo es el de encontrar aquel valor de

que de cero en la

funcin que representa al problema. Gracando la funcin es necesario buscar aquel valor que intersecte en el eje de las abscisas, y ste ser considerado el valor de la raz.

Aunque este no es un mtodo recomendable para su uso prctico si lo es como un apoyo para denir los que sern los parmetros para que los dems mtodos inicien el trabajo de la bsqueda de la solucin. Pero existe un inconveniente con ello. Son los trminos de precisin y exactitud, es decir, que se puede tomar el valor de

que se observa en el lugar donde se itersecta el eje de las abscisas

1 Python es un leguaje de script bajo licencia GNU y est ampliamente recomendado para cmputo numrico, se puede bajar de http://www.python.org

Borrador  12 de febrero de 2013

2.2. Mtodo Grco

15

Figura 2.1: Lanzamiento de una bala de plomo

pero que tan exacto ser este valor, se pude saber sustiuyndolo en la funcin y obteniendo el valor correspondiente a

y.

En caso de que el valor que se obtenga

no sea cero, se deber de buscar un nuevo valor que, ya sea que lo obtenga o se aproxime ms que el anterior, y as se proceder hasta que el valor de

alcance un valor de

que cumpla con los criterios de exactitud y precisin

previamente establecidos. Como se ha denido este algoritmo de bsqueda de la solucin se podra pensar que es un mtodo a prueba y error, efectivamente este es la forma en la que trabaja. Los mtodos que se presentarn a continuacin se basan en esta idea, diferencindose en que la bsqueda del nuevo valor de respecto a la solucin anterior.

este sustentada en una tcnica, que de ser posible, de una mejor solucin con

Ejemplo 2.2.1 Al tomar los datos del lanzamiento de una esfera de plomo,

se determina la siguiente funcin f (x) = 1.19x2 + 8.13x que representa el comportamiento en tiempo y distancia que sigue el lanzamiento. Por medio de la grca (gura 3.1) determine, con un error mximo de 105 , Cul es la distancia mxima que recorre la esfera de plomo, si se le aplica la misma fuerza que en el tiro anterior?
Estudiando la grca (gura 3.1) se puede determinar que el valor de la raz es mayor a 6.5 y menor a 7.0, evaluando la funcin y comenzando con las iteraciones en la bsqueda de la raz se genera la tabla 3.1

Para determinar los valores de la columna

xi

de la tabla 3.1. Primero se

Borrador  12 de febrero de 2013

16

Captulo 2. Solucin de Ecuaciones no lineales

Tabla 2.1: Iteraciones del ejemplo 3.2.1

i
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

xi
6.500000 6.600000 6.700000 6.800000 6.900000 6.850000 6.840000 6.830000 6.835000 6.832500 6.832000 6.831500 6.831750 6.831800 6.831850 6.831900 6.831950 6.831925 6.831930 6.831935 6.831933

f ( xi )
+2.567500 +1.821600 +1.051900 +0.258400 -0.558900 -0.147275 -0.065664 +0.015709 -0.024948 -0.004612 -0.000547 +0.003518 +0.001486 +0.001079 +0.000673 +0.000266 -0.000140 +0.000063 +0.000023 -0.000018 +0.000002

|f (xi )| < 1x105

NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO SI

dene un valor (6.5), tomndolo a partir del anlisis de la grca, se evalua ste en la funcin, dando, (2.5675) y ya que el resultado es positivo, la raz se encuentra generando un valor mayor, se evalua la funcin y se vuelve a obtener un valor positivo, por lo tanto el valor debe de ser mayor. Se sigue esta lgica hasta obtener un valor negativo quiere decir que el valor evaluado es mayor al valor de la raz es cuando se debe de genera un valor menor pero mayor al penltimo calculado. En caso de que este sea positivo y que no cumpla con el criterio de exactitud

1x105

se debe generar un valor mayor en caso contrario

un valor menor y as sucesivamente hasta cumplir con el criterio de exactitud.

2.3. Mtodo de la Biseccin

El ejemplo anterior muestra, a detalle, la forma en que se busca la raz de un problema, as mismo se ve que la mayor deciencia del mtodo expuesto es encontrar el siguiente valor de alternativa para esto.

x i

a evaluar. El mtodo de la Biseccin es una

Borrador  12 de febrero de 2013

2.3. Mtodo de la Biseccin

17

Las caractersticas de la funcin a resolver que se deben de considerar para determinar, primero, si es posible encontrar la raz con el mtodo de la Biseccin y segundo, evaluar el desempeo del mtodo en la bsqueda de la raz. Que para el caso del mtodo de la biseccin son:

La funcin

f (x)

debe ser continua en un intervalo denotado por

[a, b]

debe ser menor que

b, a < b

Si f (a)f (b) < 0 [a, b]

implica que existe, por lo menos, una raz en el intervalo

por lo tanto existe, por lo menos, un valor que satisfaga las siguientes condiciones:

a<x <b

f ( x) = 0,

siendo

el valor de la raz.

Algoritmo
Como se mencion anteriormente una de las caractersticas que debe de tener el problema para su resoluicin es que debe de existir una raz dentro del intervalo seleccionado, el cual puede ser denido a partir de una interpretacin de la grca de la funcin. Pero esto no debe de considerarse motivo para eliminar la validacin de la existencia de una raz. Por lo tanto el primer paso del algoritmo es, mediante la previa denicin del intervalo, vericar la existencia de la raz.

obtiene el valor de lado de

[a, b], se (a+b) y se calcula el valor de f ( x ) y si este es igual a 0 2 cero, el trabajo ha terminado. En caso contrario se procede a establecer de que
Cuando se haya vericado la existencia de una raz en el intervalo

x 0 =

x 0 est la raz que se busca. Para hacer esto es necesario, ya sea calcular f (bi ). Solo es necesario considerar el signo de estos valores obtenidos a partir de la funcin que se est evaluando. Considerando lo anterior y que y representan los lmites del intervalo (a o b) a comparar se selecciona en base f (ai )
2 o
a la tabla 3.2. Tabla 2.2: Determinacin del lmite del intervalo a intercambiar

f () + +
2 De

f ( x) + +

Cambia por

ahora en adelante se considerar i como el subndice de las iteraciones a llevar a cabo

Borrador  12 de febrero de 2013

18

Captulo 2. Solucin de Ecuaciones no lineales

Algoritmo 1 Mtodo de la Biseccin Entrada: f (x) La funcin a evaluar Entrada: a Lmite inferior Entrada: b Lmite superior Entrada: error Error a permitir Salida: x Raz de la funcin entonces imprimir No existe una raz en el intervalo devolver falso repetir
b x a+ 2 si f ( x) = 0

x 0 si f (a) f (b) > 0

entonces

si f (a) f ( x) < 0 entonces si no

bx ax

Salir del Ciclo

si |f ( x)| < error entonces devolver

Salir del Ciclo

Una vez seleccionado el nuevo lmite del intervalo, se procede a calcular nuevamente el valor de

x i

y los nuevos valores de las funciones. Si el valor de

f ( xi )

es igual a cero o cumple con el criterio de exactitud se detiene el proceso

de clculo de la raz de lo contrario es necesaria una nueva iteracin. El pseudocdigo se presenta en el Algoritmo 5

i = i + 1.

Utilizando el ejemplo 3.2.1 y deniendo el intervalo de el lmite inferior

[6.5, 7.0]

se muestr

en la tabla 3.3, en la cual se desarrolla el algoritmo. Para este ejemplo se utiliz

del intervalo como el criterio para decidir cul de ellos es el

que debe de sustituirse en el desarrollo del algoritmo.

En base a los clculos elaborados en la tabla 3.3 se puede concluir que, mediante 16 iteraciones, se lleg a que el valor de la raz es de valor de la columna a

6.83193,

el

xi .

Regresando al contexto del problema se interpreta de

la siguiente manera: La esfera de plomo recorrer una distancia equivalente

6.83193.

Revisando la tabla 3.1 se puede observar que se alcanz la misma

respuesta pero con menos iteraciones.

3 El desarrollo de la tabla 3.3 se llevo a cabo con redondeo a 5 decimales ya que el criterio de exactitud es de 1x105 . En el caso de la columna f (a) solo se presenta el signo del valor resultante, esto para llevar a cabo la seleccin del lmite a intercambiar

Borrador  12 de febrero de 2013

2.4. Mtodo de la Falsa Posicin o Regula Falsi

19

Figura 2.2: Representacin del mtodo de la Biseccin

2.4. Mtodo de la Falsa Posicin o Regula Falsi

Se basa en el mismo principio del mtodo de la Biseccin, que se debe de comenzar por que la raz se encuentra en un intervalo denido es en la forma de calcular el siguiente valor de

[a, b]. La diferencia x, la (b, f (b)).

x i ,

en lugar de utilizar el punto

intermedio del intervalo se usa el punto en el que se intersecta, en el eje secante formada por la recta que se obtiene de los puntos Esta recta forma dos tringulos rectngulos semejantes.

(a, f (a))

Utilizando esta denicin se determina que:

x i+1 = b f (b)

ab ba = a f (a) f (a) f (b) f (b) f (a)

Algoritmo
El funcionamiento de este mtodo es exactamente igual al anterior, la diferencia es la manera en la que se calcula el valor de la nueva raz (xi+1 ). En el caso del mtodo de la biseccin, se divide la distancia del segmento

[a, b]

por la

mitad y este es el nuevo punto que se toma como raz, mientras que en el caso del mtodo de la falsa posicin se toma el punto que se dene por la interseccin de la secante resultante de la recta que se forma por los puntos

(a, f (a))

Borrador  12 de febrero de 2013

20

Captulo 2. Solucin de Ecuaciones no lineales

Tabla 2.3: Mtodo de la Biseccin. Iteraciones del ejemplo 3.2.1

i
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

ai
6.50000 6.75000 6.75000 6.81250 6.81250 6.82813 6.82813 6.82813 6.83008 6.83105 6.83154 6.83179 6.83191 6.83191 6.83191 6.83192

bi
7.00000 7.00000 6.87500 6.87500 6.84375 6.84375 6.83594 6.83203 6.83203 6.83203 6.83203 6.83203 6.83203 6.83197 6.83194 6.83194

xi
6.75000 6.87500 6.81250 6.84375 6.82813 6.83594 6.83203 6.83008 6.83105 6.83154 6.83179 6.83191 6.83197 6.83194 6.83192 6.83193

f (ai ) + + + + + + + + + + + + + + + +

f ( xi )
+0.65813 -0.35234 +0.15754 -0.09624 +0.03094 -0.03258 -0.00080 +0.01507 +0.00714 +0.00317 +0.00118 +0.00019 -0.00030 -0.00006 +0.00007 +0.00001

|f (xi )| < 1x105

NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO SI

(b, f (b)).

La tabla 3.4 muestra el desarrollo de este mtodo.

Tabla 2.4: Mtodo de la Falsa Posicin del ejemplo 3.2.1

i
0 1 2 3

ai
6.50000 6.82357 6.83173 6.83193

bi
7.00000 7.00000 7.00000 7.00000

xi
6.82357 6.83173 6.83193 6.83193

f (ai ) + + + +

f ( xi )
+0.06793 +0.00163 +0.00004 +0.00000

|f (xi )| < 1x105

NO NO NO SI

2.5. Mtodo de Newton-Raphson

Es posiblemente uno de los mejores mtodos que en anlisis numrico se tiene, ya que se puede utilizar ya sea para encontrar races en una una ecuacin no lineal  lo que a continuacin se expondr  como encontrar races en sistemas de ecuaciones. Su mbito tambin se extiende a ecuaciones diferenciales y ecuaciones integrales. Una primera condicin es que la ecuacin de la cual se quiere encontrar la raz debe ser derivable. Esto signica que En la gura 3.4 se muestran estos conceptos.

tiene una pen-

diente denida en cada punto y, por lo tanto, existe una recta tangente nica.

Borrador  12 de febrero de 2013

2.5. Mtodo de Newton-Raphson

21

Figura 2.3: Representacin del mtodo de la Falsa Posicin

Algoritmo 2 Mtodo de la Falsa Posicin Entrada: f (x) La funcin a evaluar Entrada: a Lmite inferior Entrada: b Lmite superior Entrada: error Error a permitir Salida: x Raz de la funcin si f (a) f (b) > 0 entonces imprimir No existe una raz en el intervalo devolver falso repetir
x a f (a)
ba f (b)f (a)

x 0

si f ( x) = 0 entonces si f (a) f ( x) < 0 entonces si no

bx ax
Salir del Ciclo

si |f ( x)| < error entonces devolver

Salir del Ciclo

Borrador  12 de febrero de 2013

22

Captulo 2. Solucin de Ecuaciones no lineales

Figura 2.4: Representacin del mtodo de Newton-Raphson

Algoritmo
Su funcionamiento es similar a los mtodos ya presentados, por lo tanto, siguiendo con la lgica establecida, la diferencia entre ellos es el cmo se calcula el nuevo valor de las

xi+1 .

Todo parte de la seleccin de un punto de corte en el eje

x,

denominado

x0 .

Con este valor se procede a calcular el nuevo valor de

xi+1

tomando la ecuacin

xi+1 = xi

f (xi ) f (xi )

Evaluando un nuevo punto

xi

para cada nueva iteracin. Deteniendo el al-

goritmo hasta que se alcance la raz con la exactitud establecida o se llegue al nmero de iteraciones prestablecido. Es necesario considerar que para este mtodo es necesario validar que se este convergiendo a una solucin.

Tabla 2.5: Mtodo de Newton-Raphson del ejemplo 3.2.1

i
0 1 2

xi
6.00000 6.96585 6.83446

f (xi )
+5.94000 -1.11012 -0.02055

f (xi )
-6.15000 -8.44873 -8.13601

xi+1
6.96585 6.83446 6.83193

f (xi+1 )
+1.11012 -0.02055 -0.00000

|f (xi+1 )| < 1x105

NO NO SI

Borrador  12 de febrero de 2013

2.6. Mtodo de la Secante

23

Algoritmo 3 Mtodo de Newton-Raphson Entrada: f (x) La funcin a evaluar Entrada: f (x) La derivada de la funcin a evaluar Entrada: x Valor inicial Entrada: maxit Nmero mximo de iteraciones Entrada: error Error a permitir Salida: x Raz de la funcin
nmax maxit f x f ( x) para n = 1 to nmax hacer f p f ( x) x d f fp xxd f x f (x) si |f x| < error entonces
Salir del Ciclo

devolver

x fx

2.6. Mtodo de la Secante

Este es un mtodo que puede llegar a converger tan rpido como en el de Newton pero con la diferencia que no es necesario el clculo de la primera derivada de la funcin, lo cual es muy til sobretodo cuando no es fcil el clculo de la misma. Se basa en el uso de una recta secante que se forma tomando un par de puntos

(x0 , f (x0 ))

se toma como el nuevo valor

(x1 , f (x1 )). En el punto en el que corta el x 2 . Esto se muestra en la gura 3.5.

eje de las

Algoritmo
Al igual que en los mtodos anteriores, la diferencia se encuentra en la manera de determinar el siguiente valor de la raz que se est buscando. Para el mtodo de la secante se inicia con la denicin de dos valores se usan para determinar el valor de

x0

x1 , los cuales

x 2 ,

que sera el resultado de la primera

iteracin. Ahora tomando los dos ltimos valores

x1

x 2

se procede con una

nueva iteracin. No se debe de olvidar que antes de terminar la iteracin se deben de evaluar los criterios de exactitud y de convergencia, as como el del mximo de iteraciones y en caso de que ninguno de esto se cumpla se proceder a iterar con el algoritmo hasta que alguna de estos criterios se cumpla. Para obtener el valor de

x i+1

se uriliza la siguiente frmula:

Borrador  12 de febrero de 2013

24

Captulo 2. Solucin de Ecuaciones no lineales

Figura 2.5: Representacin del mtodo de la Secante

x i+1 = xi

xi xi1 f ( xi ) f (xi ) f (xi1 )

Utilizando este mtodo y tomando los valores de 5 y 6 como los valores iniciales para

x0

x1 ,

respectivamente, se genera la tabla 3.6 que presenta la

solucin al ejemplo del captulo. Tabla 2.6: Mtodo de la Secante para el ejemplo 3.2.1

i
1 2 3 4 5

xi1
5.00000 6.00000 7.19758 6.78415 6.82949

xi
6.00000 7.19758 6.78415 6.82949 6.83195

xi+1
7.19758 6.78415 6.82949 6.83195 6.83193

f (xi1 )
+10.90000 +5.94000 -3.13181 +0.38579 +0.01986

f (xi )
+5.94000 -3.13181 +0.38579 +0.01986 -0.00014

f (xi+1 )
-3.13181 +0.38579 +0.01986 -0.00014 +0.00000

Borrador  12 de febrero de 2013

2.6. Mtodo de la Secante

25

Algoritmo 4 Mtodo de Secante Entrada: f (x) La funcin a evaluar Entrada: a Primer Valor Entrada: b Segundo Valor Entrada: maxit Nmero mximo de iteraciones Entrada: error Error a permitir Salida: x Raz de la funcin
nmax maxit f a f (a) f b f (b) si |f a| > |f b| entonces ab fa fb para n = 2 to nmax hacer si |f a| > |f b| entonces ab fa fb (ba) d f b f a ba fb fa d d fa si |d| < error entonces
Salir del Ciclo

devolver

x fx

Borrador  12 de febrero de 2013

26

Captulo 2. Solucin de Ecuaciones no lineales

2.7. Ejemplos
Ejemplo 2.7.1 4 () Encuentre la tercera iteracin por el mtodo de biseccin
de la funcin f (x) = sen(x) cos(1+ x2 ) 1 en el intervalo [a, b] donde a = 2/3 yb=

Solucin
Utilizando los datos presentados, la funcin y redondeando a 5 decimales, se procede a elaborar la siguiente tabla Tabla 2.7: Mtodo de la Biseccin. Iteraciones del ejemplo 3.7.1

i
0 1 2 3

ai
2.09440 2.61800 2.61800 2.61800

bi
3.14159 3.14159 2.87979 2.74890

x i
2.61800 2.87979 2.74890 2.68345

f (ai )

f ( xi )
-0.50001 +0.25018 +0.02878 -0.02177

|f ( xi )| < 1x105
NO NO NO NO

Cuando el valor de resupuesta solicitada.

es de tres, signica que se lleg a la tercera iteracin.

Se toma el ltimo valor de la columna

x i ,

el cual es

2.68345

, considerado la

Ejemplo 2.7.2

5 () Obtener la riz de la funcin f (x) = x3 + 4x2 10 que se encuentra en el intervalo [0, 2] con una aproximacin de 0.001

a) Con el mtodo de la Biseccin b) Con el mtodo de la Secante c) Con el mtodo de Newton-Raphson y x0 = 2

Solucin
A continuacin se presentarn las tablas que se obtienen, por cada uno de los mtodos solicitados. Aplicando las frmulas adecuadas y el grado de precisin solicitado.

4 Gutirrez-Robles et al. (PP 2.11.1 5 Sandoval-Medina (PP 2.1 2006, p.

2010, p. 56) 16)

Borrador  12 de febrero de 2013

2.7. Ejemplos

27

Tabla 2.8: Iteraciones del ejemplo 3.7.2 inciso a)

i
1 2 3 4 5 6 7 8 9 10

ai
0.00000 1.00000 1.00000 1.25000 1.25000 1.31250 1.34375 1.35938 1.35938 1.36328

bi
2.00000 2.00000 1.50000 1.50000 1.37500 1.37500 1.37500 1.37500 1.36719 1.36719

x i
1.00000 1.50000 1.25000 1.37500 1.31250 1.34375 1.35938 1.36719 1.36328 1.36523

f (ai )

f ( xi )
-5.00000 +2.37500 -1.79688 +0.16211 -0.84839 -0.35098 -0.09641 +0.03236 -0.03215 +0.00007

|f ( xi )| < 1x105
NO NO NO NO NO NO NO NO NO SI

Tabla 2.9: Iteraciones del ejemplo 3.7.2 inciso b)

i
1 2 3 4 5 6 7

x i 1
0.00000 2.00000 0.83333 1.20879 1.41962 1.36090 1.36512

xi
2.00000 0.83333 1.20879 1.41962 1.36090 1.36512 1.36523

f (xi1 )
-10.00000 +14.00000 -6.64352 -2.38904 +0.92234 -0.07136 -0.00187

f (xi )
+14.00000 -6.64352 -2.38904 +0.92234 -0.07136 -0.00187 0.00000

x i+1
0.83333 1.20879 1.41962 1.36090 1.36512 1.36523 1.35653

|f ( xi )| < 1x105
NO NO NO NO NO NO SI

Como se puede observar, en los tres mtodos se obtuvo el mismo valor para la raz, con la salvedad del diferente nmero de iteraciones. El valor es

1.36523

Ejemplo 2.7.3

() Aplicando el mtodo de Newton-Raphson determine el cruce con cero de la funcin f (x) = (x 2)2 ln(x) con x0 = 1 como condicin inicial.

Solucin
Considerando que

f (xi )

es

2x 4 1/x

se genera la tabla 3.11

Por lo tanto, y tomndolo de la tabla la respuesta es

1.41239

6 Gutirrez-Robles

et al. (PP 2.11.27 2010, p. 57)

Borrador  12 de febrero de 2013

28

Captulo 2. Solucin de Ecuaciones no lineales

Tabla 2.10: Iteraciones del ejemplo 3.7.2 inciso c)

i
1 2 3 4

xi
2.00000 1.50000 1.37333 1.36526

f (xi )
14.00000 2.37500 0.13435 0.00053

f (xi )
28.00000 18.75000 16.64480 16.51392

xi+1
1.50000 1.37333 1.36526 1.36523

|f ( xi )| < 1x105
NO NO NO SI

Tabla 2.11: Iteraciones del ejemplo 3.7.3

i
1 2 3 4

xi
1.00000 1.33333 1.40858 1.41238

f (xi )
1.00000 0.15676 0.00720 0.00001

f (xi )
-3.00000 -2.08333 -1.89278 -1.88326

xi+1
1.33333 1.40858 1.41238 1.41239

|f ( xi )| < 1x105
NO NO NO SI

2.8. Problemas
Problema 2.8.1
b=7

() Encuentre la cuarta iteracin por el mtodo de biseccin de la funcin f (x) = x2 ln x 9x 18 en el intervalo [a, b] donde a = 6 y

Problema 2.8.2 () Utilizando la funcin y el intervalo del problema anterior. Encuentre la cuarta iteracin por el mtodo de la falsa posicin.

Problema 2.8.3 8 () Realice el nmero de iteraciones hasta la convergencia,

utilizando el mtodo de la secante a la funcin f (x) = 5xex + cos(5x) con x0 = 3.9 y x1 = 4.0 como condiciones inciales. Utilizar como criterio de convergencia cuando la funcin evaluada f (x) sea menor que 0.00001, en valor absoluto.
9

() Aplique el mtodo de Newton-Raphson para determinar el cruce por cero de la funcin f (x) = cos(x) 3x con x0 = 0.5 como condicin incial; obtener la convergencia con cuatro cifras decimales.

Problema 2.8.4

Problema 2.8.5

10

() Aplique el mtodo de Biseccin y el de falsa posicin

7 Gutirrez-Robles et al. (PP 2.11.2 2010, p.56) 8 Gutirrez-Robles et al. (PP 2.11.16 2010, p.56) 9 Gutirrez-Robles et al. (PP 2.11.28 2010, p.57) 10 Nieves-Hurtado y Domnguez-Snchez (PP 2.19

2012, p.133)

Borrador  12 de febrero de 2013

2.8. Problemas

29

a la ecuacin f (x) = (7x 3)/(x 0.45)2 = 0 Use los inrervalos [0.4, 0.5] y [0.39, 0.53].

Borrador  12 de febrero de 2013

30

Captulo 2. Solucin de Ecuaciones no lineales

Frmulas del Captulo

A partir de este captulo y en los restante se aadir esta seccin, en la que se mostrar un resumen con todas las frmulas que se estudiaron a lo largo del captulo. Tabla 2.12: Frmulas del Captulo

Mtodo

Frmula

Biseccin

x i =

( a + b) 2 ab f (a) f (b) ba f (b) f (a)

x i+1 = b f (b)
Falsa Posicin

x i+1 = a f (a) x i+1 = x i

Newton

f ( xi ) f ( xi ) x i x i 1 f ( xi ) f ( xi ) f ( x i 1 )

Secante

x i+1 = x i

Notas bibliogrcas
Sapiens nihil armat quod non probet El sabio no arma nada que no pueda probar.

En el prximo captulo. . .
Muchos de los problemas que se presentan en la vida real no tienen que ver con una sola funcin, sino por el contrario se tienen varias ecuaciones que se tienen que resolver de manera simultanea. En el siguiente captulo se vern las tcnicas que se pueden utilizar para resolver estos problemas.

Borrador  12 de febrero de 2013

Captulo 3
Solucin de Sistemas de Ecuaciones lineales

Si la gente no piensa que las matemticas son simples, es solo porque no se dan cuenta de lo complicada que es la vida.

Jhon Von Neumann (1903 - 1957)

Resumen:

Cada da las empresas se convierten en entidades sosticadas que necesitan tener modeladas las principales funciones que tiene relaciones no quiere salir nada Uno de los aspectos ms importantes que se deben de considerar Esta es una nueva lnea para ver la facilidad de como se pasan los archivos de Dropbox Dentro de las primeras tcnicas que se estudiaran para resolver problemas sern aquellas que van orientadas a encontrar las races de ecuaciones no lineales. Muchos de los problemas que se pueden encontrar en la vida diara pueden ser expresados mediante una ecuacin no lineal, as es como se hace necesario el contar con herramientas que permitan calcular numricamente las races de estas ecuaciones, econtrando simultaneamente las soluciones a los problemas planteados.

31

32

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

3.1. Raz de una ecuacin

La raz de una ecuacin se dene cuando valor de

f (x) = 0, es decir, se encuentra un x que hace que la funcin, que explica la situacin que nos atae, da co-

mo resultado cero, siendo este valor considerado como la respuesta al problema. Existen varios mtodos para el clculo numrico de este valor. En el presente captulo se analizarn 4 de ellos.

Por cada mtodo se presentar su pseudocdigo para que este pueda ser programado en cualquier lenguaje. Al nal del captulo se presentarn algunos problemas resueltos, as como en el apndice se anexar el cdigo de las funciones de Python .

Cada uno de los mtodos que se presentarn a lo largo del captulo tienen la capacidad de resolver, es decir, encontrar la raz o las races de una funcin dada. Esto se lograr siempre y cuando se cubran ciertos requisitos. Otra forma de exponerlo, cuando se quiere reparar algo en casa, primero se observa y se dene lo que est mal, por ejemplo la pieza rota o oja. Una vez que se ha indenticado el problema (la pieza defectuosa), se plantean posibles alternativas de solucin, cambiarla, arreglarla o pegarla. Ya que se decidi cul de ellas ser la que se utilizar, es necesario conseguir y utilizar la herramienta adecuada para ello. Por ejemplo, si se trata de apretar un tornillo se debe de buscar un desarmador, y no un martillo. A su vez se debe de recordar que existen varios tipos de desarmadores (varias herramientas), as que ser necesario que se revisen las caractersticas del tornillo a apretar para identicar el tipo de desarmador necesario. Con las tcnicas que se estudiarn a lo largo del libro ser lo mismo. Se debern de estudiar las caractersticas del problema (el tornillo) para seleccionar el mtodo (herramienta) adecuado para su solucin.

3.2. Mtodo Grco

El uso de las grcas y de las matemticas tienen una gran historia juntos. Ya que, en muchas ocasiones, para la comprensin del problema es necesario entender su comportamiento y una de las herramientas para este propsito es la grca de la funcin. Como se ha mencionado, lo que se pretende estudiar en el presente captulo es el de encontrar aquel valor de

que de cero en la

funcin que representa al problema. Gracando la funcin es necesario buscar aquel valor que intersecte en el eje de las abscisas, y ste ser considerado el valor de la raz.

1 Python es un leguaje de script bajo licencia GNU y est ampliamente recomendado para cmputo numrico, se puede bajar de http://www.python.org

Borrador  12 de febrero de 2013

3.2. Mtodo Grco

33

Figura 3.1: Lanzamiento de una bala de plomo

Aunque este no es un mtodo recomendable para su uso prctico si lo es como un apoyo para denir los que sern los parmetros para que los dems mtodos inicien el trabajo de la bsqueda de la solucin. Pero existe un inconveniente con ello. Son los trminos de precisin y exactitud, es decir, que se puede tomar el valor de

que se observa en el lugar donde se itersecta el eje de las abscisas

pero que tan exacto ser este valor, se pude saber sustiuyndolo en la funcin y obteniendo el valor correspondiente a

y.

En caso de que el valor que se obtenga

no sea cero, se deber de buscar un nuevo valor que, ya sea que lo obtenga o se aproxime ms que el anterior, y as se proceder hasta que el valor de

alcance un valor de

que cumpla con los criterios de exactitud y precisin

previamente establecidos. Como se ha denido este algoritmo de bsqueda de la solucin se podra pensar que es un mtodo a prueba y error, efectivamente este es la forma en la que trabaja. Los mtodos que se presentarn a continuacin se basan en esta idea, diferencindose en que la bsqueda del nuevo valor de respecto a la solucin anterior.

este sustentada en una tcnica, que de ser posible, de una mejor solucin con

Ejemplo 3.2.1 Al tomar los datos del lanzamiento de una esfera de plomo,

se determina la siguiente funcin f (x) = 1.19x2 + 8.13x que representa el comportamiento en tiempo y distancia que sigue el lanzamiento. Por medio de la grca (gura 3.1) determine, con un error mximo de 105 , Cul es la distancia mxima que recorre la esfera de plomo, si se le aplica la misma fuerza que en el tiro anterior?
Estudiando la grca (gura 3.1) se puede determinar que el valor de la

Borrador  12 de febrero de 2013

34

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

raz es mayor a 6.5 y menor a 7.0, evaluando la funcin y comenzando con las iteraciones en la bsqueda de la raz se genera la tabla 3.1

Tabla 3.1: Iteraciones del ejemplo 3.2.1

i
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

xi
6.500000 6.600000 6.700000 6.800000 6.900000 6.850000 6.840000 6.830000 6.835000 6.832500 6.832000 6.831500 6.831750 6.831800 6.831850 6.831900 6.831950 6.831925 6.831930 6.831935 6.831933

f ( xi )
+2.567500 +1.821600 +1.051900 +0.258400 -0.558900 -0.147275 -0.065664 +0.015709 -0.024948 -0.004612 -0.000547 +0.003518 +0.001486 +0.001079 +0.000673 +0.000266 -0.000140 +0.000063 +0.000023 -0.000018 +0.000002

|f (xi )| < 1x105

NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO SI

Para determinar los valores de la columna

xi

de la tabla 3.1. Primero se

dene un valor (6.5), tomndolo a partir del anlisis de la grca, se evalua ste en la funcin, dando, (2.5675) y ya que el resultado es positivo, la raz se encuentra generando un valor mayor, se evalua la funcin y se vuelve a obtener un valor positivo, por lo tanto el valor debe de ser mayor. Se sigue esta lgica hasta obtener un valor negativo quiere decir que el valor evaluado es mayor al valor de la raz es cuando se debe de genera un valor menor pero mayor al penltimo calculado. En caso de que este sea positivo y que no cumpla con el criterio de exactitud

1x105

se debe generar un valor mayor en caso contrario

un valor menor y as sucesivamente hasta cumplir con el criterio de exactitud.

Borrador  12 de febrero de 2013

3.3. Mtodo de la Biseccin

35

3.3. Mtodo de la Biseccin

El ejemplo anterior muestra, a detalle, la forma en que se busca la raz de un problema, as mismo se ve que la mayor deciencia del mtodo expuesto es encontrar el siguiente valor de alternativa para esto.

x i

a evaluar. El mtodo de la Biseccin es una

Las caractersticas de la funcin a resolver que se deben de considerar para determinar, primero, si es posible encontrar la raz con el mtodo de la Biseccin y segundo, evaluar el desempeo del mtodo en la bsqueda de la raz. Que para el caso del mtodo de la biseccin son:

La funcin

f (x)

debe ser continua en un intervalo denotado por

[a, b]

debe ser menor que

b, a < b

Si f (a)f (b) < 0 [a, b]

implica que existe, por lo menos, una raz en el intervalo

por lo tanto existe, por lo menos, un valor que satisfaga las siguientes condiciones:

a<x <b

f ( x) = 0,

siendo

el valor de la raz.

Algoritmo
Como se mencion anteriormente una de las caractersticas que debe de tener el problema para su resoluicin es que debe de existir una raz dentro del intervalo seleccionado, el cual puede ser denido a partir de una interpretacin de la grca de la funcin. Pero esto no debe de considerarse motivo para eliminar la validacin de la existencia de una raz. Por lo tanto el primer paso del algoritmo es, mediante la previa denicin del intervalo, vericar la existencia de la raz.

obtiene el valor de lado de

[a, b], se (a+b) y se calcula el valor de f ( x ) y si este es igual a 0 2 cero, el trabajo ha terminado. En caso contrario se procede a establecer de que
Cuando se haya vericado la existencia de una raz en el intervalo

x 0 =

x 0 est la raz que se busca. Para hacer esto es necesario, ya sea calcular f (bi ). Solo es necesario considerar el signo de estos valores obtenidos a partir de la funcin que se est evaluando. Considerando lo anterior y que y representan los lmites del intervalo (a o b) a comparar se selecciona en base f (ai )
2 o
a la tabla 3.2.

2 De

ahora en adelante se considerar i como el subndice de las iteraciones a llevar a cabo

Borrador  12 de febrero de 2013

36

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Tabla 3.2: Determinacin del lmite del intervalo a intercambiar

f () + +

f ( x) + +

Cambia por

Algoritmo 5 Mtodo de la Biseccin Entrada: f (x) La funcin a evaluar Entrada: a Lmite inferior Entrada: b Lmite superior Entrada: error Error a permitir Salida: x Raz de la funcin entonces imprimir No existe una raz en el intervalo devolver falso repetir
b x a+ 2 si f ( x) = 0

x 0 si f (a) f (b) > 0

entonces

si f (a) f ( x) < 0 entonces si no

bx ax

Salir del Ciclo

si |f ( x)| < error entonces devolver

Salir del Ciclo

Una vez seleccionado el nuevo lmite del intervalo, se procede a calcular nuevamente el valor de

x i

y los nuevos valores de las funciones. Si el valor de

f ( xi )

es igual a cero o cumple con el criterio de exactitud se detiene el proceso

de clculo de la raz de lo contrario es necesaria una nueva iteracin. El pseudocdigo se presenta en el Algoritmo 5

i = i + 1.

Utilizando el ejemplo 3.2.1 y deniendo el intervalo de el lmite inferior

[6.5, 7.0]

se muestr

en la tabla 3.3, en la cual se desarrolla el algoritmo. Para este ejemplo se utiliz

del intervalo como el criterio para decidir cul de ellos es el

que debe de sustituirse en el desarrollo del algoritmo.

3 El desarrollo de la tabla 3.3 se llevo a cabo con redondeo a 5 decimales ya que el criterio de exactitud es de 1x105 . En el caso de la columna f (a) solo se presenta el signo del valor resultante, esto para llevar a cabo la seleccin del lmite a intercambiar

Borrador  12 de febrero de 2013

3.4. Mtodo de la Falsa Posicin o Regula Falsi

37

Figura 3.2: Representacin del mtodo de la Biseccin

En base a los clculos elaborados en la tabla 3.3 se puede concluir que, mediante 16 iteraciones, se lleg a que el valor de la raz es de valor de la columna a

6.83193,

el

xi .

Regresando al contexto del problema se interpreta de

la siguiente manera: La esfera de plomo recorrer una distancia equivalente

6.83193.

Revisando la tabla 3.1 se puede observar que se alcanz la misma

respuesta pero con menos iteraciones.

3.4. Mtodo de la Falsa Posicin o Regula Falsi

Se basa en el mismo principio del mtodo de la Biseccin, que se debe de comenzar por que la raz se encuentra en un intervalo denido es en la forma de calcular el siguiente valor de

[a, b]. La diferencia x, la (b, f (b)).

x i ,

en lugar de utilizar el punto

intermedio del intervalo se usa el punto en el que se intersecta, en el eje secante formada por la recta que se obtiene de los puntos Esta recta forma dos tringulos rectngulos semejantes.

(a, f (a))

Utilizando esta denicin se determina que:

x i+1 = b f (b)

ab ba = a f (a) f (a) f (b) f (b) f (a)

Borrador  12 de febrero de 2013

38

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Tabla 3.3: Mtodo de la Biseccin. Iteraciones del ejemplo 3.2.1

i
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

ai
6.50000 6.75000 6.75000 6.81250 6.81250 6.82813 6.82813 6.82813 6.83008 6.83105 6.83154 6.83179 6.83191 6.83191 6.83191 6.83192

bi
7.00000 7.00000 6.87500 6.87500 6.84375 6.84375 6.83594 6.83203 6.83203 6.83203 6.83203 6.83203 6.83203 6.83197 6.83194 6.83194

xi
6.75000 6.87500 6.81250 6.84375 6.82813 6.83594 6.83203 6.83008 6.83105 6.83154 6.83179 6.83191 6.83197 6.83194 6.83192 6.83193

f (ai ) + + + + + + + + + + + + + + + +

f ( xi )
+0.65813 -0.35234 +0.15754 -0.09624 +0.03094 -0.03258 -0.00080 +0.01507 +0.00714 +0.00317 +0.00118 +0.00019 -0.00030 -0.00006 +0.00007 +0.00001

|f (xi )| < 1x105

NO NO NO NO NO NO NO NO NO NO NO NO NO NO NO SI

Algoritmo
El funcionamiento de este mtodo es exactamente igual al anterior, la diferencia es la manera en la que se calcula el valor de la nueva raz (xi+1 ). En el caso del mtodo de la biseccin, se divide la distancia del segmento

[a, b]

por la

mitad y este es el nuevo punto que se toma como raz, mientras que en el caso del mtodo de la falsa posicin se toma el punto que se dene por la interseccin de la secante resultante de la recta que se forma por los puntos

(a, f (a))

(b, f (b)).

La tabla 3.4 muestra el desarrollo de este mtodo.

Tabla 3.4: Mtodo de la Falsa Posicin del ejemplo 3.2.1

i
0 1 2 3

ai
6.50000 6.82357 6.83173 6.83193

bi
7.00000 7.00000 7.00000 7.00000

xi
6.82357 6.83173 6.83193 6.83193

f (ai ) + + + +

f ( xi )
+0.06793 +0.00163 +0.00004 +0.00000

|f (xi )| < 1x105

NO NO NO SI

Borrador  12 de febrero de 2013

3.4. Mtodo de la Falsa Posicin o Regula Falsi

39

Figura 3.3: Representacin del mtodo de la Falsa Posicin

Algoritmo 6 Mtodo de la Falsa Posicin Entrada: f (x) La funcin a evaluar Entrada: a Lmite inferior Entrada: b Lmite superior Entrada: error Error a permitir Salida: x Raz de la funcin si f (a) f (b) > 0 entonces imprimir No existe una raz en el intervalo devolver falso repetir
x a f (a)
ba f (b)f (a)

x 0

si f ( x) = 0 entonces si f (a) f ( x) < 0 entonces si no

bx ax
Salir del Ciclo

si |f ( x)| < error entonces devolver

Salir del Ciclo

Borrador  12 de febrero de 2013

40

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Figura 3.4: Representacin del mtodo de Newton-Raphson

3.5. Mtodo de Newton-Raphson

Es posiblemente uno de los mejores mtodos que en anlisis numrico se tiene, ya que se puede utilizar ya sea para encontrar races en una una ecuacin no lineal  lo que a continuacin se expondr  como encontrar races en sistemas de ecuaciones. Su mbito tambin se extiende a ecuaciones diferenciales y ecuaciones integrales. Una primera condicin es que la ecuacin de la cual se quiere encontrar la raz debe ser derivable. Esto signica que En la gura 3.4 se muestran estos conceptos.

tiene una pen-

diente denida en cada punto y, por lo tanto, existe una recta tangente nica.

Algoritmo
Su funcionamiento es similar a los mtodos ya presentados, por lo tanto, siguiendo con la lgica establecida, la diferencia entre ellos es el cmo se calcula el nuevo valor de las

xi+1 .

Todo parte de la seleccin de un punto de corte en el eje

x,

denominado

x0 .

Con este valor se procede a calcular el nuevo valor de

xi+1

tomando la ecuacin

xi+1 = xi

f (xi ) f (xi )

Evaluando un nuevo punto

xi

para cada nueva iteracin. Deteniendo el al-

goritmo hasta que se alcance la raz con la exactitud establecida o se llegue

Borrador  12 de febrero de 2013

3.6. Mtodo de la Secante

41

al nmero de iteraciones prestablecido. Es necesario considerar que para este mtodo es necesario validar que se este convergiendo a una solucin.

Algoritmo 7 Mtodo de Newton-Raphson Entrada: f (x) La funcin a evaluar Entrada: f (x) La derivada de la funcin a evaluar Entrada: x Valor inicial Entrada: maxit Nmero mximo de iteraciones Entrada: error Error a permitir Salida: x Raz de la funcin
nmax maxit f x f ( x) para n = 1 to nmax hacer f p f ( x) x d f fp xxd f x f (x) si |f x| < error entonces
Salir del Ciclo

devolver

x fx

Tabla 3.5: Mtodo de Newton-Raphson del ejemplo 3.2.1

i
0 1 2

xi
6.00000 6.96585 6.83446

f (xi )
+5.94000 -1.11012 -0.02055

f ( xi )
-6.15000 -8.44873 -8.13601

xi+1
6.96585 6.83446 6.83193

f (xi+1 )
+1.11012 -0.02055 -0.00000

|f (xi+1 )| < 1x105

NO NO SI

3.6. Mtodo de la Secante

Este es un mtodo que puede llegar a converger tan rpido como en el de Newton pero con la diferencia que no es necesario el clculo de la primera derivada de la funcin, lo cual es muy til sobretodo cuando no es fcil el clculo de la misma. Se basa en el uso de una recta secante que se forma tomando un par de puntos

(x0 , f (x0 ))

se toma como el nuevo valor

(x1 , f (x1 )). En el punto en el que corta el x 2 . Esto se muestra en la gura 3.5.

eje de las

Borrador  12 de febrero de 2013

42

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Figura 3.5: Representacin del mtodo de la Secante

Algoritmo
Al igual que en los mtodos anteriores, la diferencia se encuentra en la manera de determinar el siguiente valor de la raz que se est buscando. Para el mtodo de la secante se inicia con la denicin de dos valores se usan para determinar el valor de

x0

x1 , los cuales

x 2 ,

que sera el resultado de la primera

iteracin. Ahora tomando los dos ltimos valores

x1

x 2

se procede con una

nueva iteracin. No se debe de olvidar que antes de terminar la iteracin se deben de evaluar los criterios de exactitud y de convergencia, as como el del mximo de iteraciones y en caso de que ninguno de esto se cumpla se proceder a iterar con el algoritmo hasta que alguna de estos criterios se cumpla. Para obtener el valor de

x i+1

se uriliza la siguiente frmula:

x i+1 = xi

xi xi1 f ( xi ) f (xi ) f (xi1 )

Utilizando este mtodo y tomando los valores de 5 y 6 como los valores iniciales para

x0

x1 ,

respectivamente, se genera la tabla 3.6 que presenta la

solucin al ejemplo del captulo.

Borrador  12 de febrero de 2013

3.6. Mtodo de la Secante

43

Algoritmo 8 Mtodo de Secante Entrada: f (x) La funcin a evaluar Entrada: a Primer Valor Entrada: b Segundo Valor Entrada: maxit Nmero mximo de iteraciones Entrada: error Error a permitir Salida: x Raz de la funcin
nmax maxit f a f (a) f b f (b) si |f a| > |f b| entonces ab fa fb para n = 2 to nmax hacer si |f a| > |f b| entonces ab fa fb (ba) d f b f a ba fb fa d d fa si |d| < error entonces
Salir del Ciclo

devolver

x fx

Borrador  12 de febrero de 2013

44

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Tabla 3.6: Mtodo de la Secante para el ejemplo 3.2.1

i
1 2 3 4 5

xi1
5.00000 6.00000 7.19758 6.78415 6.82949

xi
6.00000 7.19758 6.78415 6.82949 6.83195

xi+1
7.19758 6.78415 6.82949 6.83195 6.83193

f (xi1 )
+10.90000 +5.94000 -3.13181 +0.38579 +0.01986

f (xi )
+5.94000 -3.13181 +0.38579 +0.01986 -0.00014

f (xi+1 )
-3.13181 +0.38579 +0.01986 -0.00014 +0.00000

3.7. Ejemplos
Ejemplo 3.7.1 4 () Encuentre la tercera iteracin por el mtodo de biseccin
de la funcin f (x) = sen(x) cos(1+ x2 ) 1 en el intervalo [a, b] donde a = 2/3 yb=

Solucin
Utilizando los datos presentados, la funcin y redondeando a 5 decimales, se procede a elaborar la siguiente tabla Tabla 3.7: Mtodo de la Biseccin. Iteraciones del ejemplo 3.7.1

i
0 1 2 3

ai
2.09440 2.61800 2.61800 2.61800

bi
3.14159 3.14159 2.87979 2.74890

x i
2.61800 2.87979 2.74890 2.68345

f (ai )

f ( xi )
-0.50001 +0.25018 +0.02878 -0.02177

|f ( xi )| < 1x105
NO NO NO NO

Cuando el valor de resupuesta solicitada.

es de tres, signica que se lleg a la tercera iteracin.

Se toma el ltimo valor de la columna

x i ,

el cual es

2.68345

, considerado la

Ejemplo 3.7.2

() Obtener la riz de la funcin f (x) = x3 + 4x2 10 que se encuentra en el intervalo [0, 2] con una aproximacin de 0.001 a) Con el mtodo de la Biseccin b) Con el mtodo de la Secante
4 Gutirrez-Robles et al. (PP 2.11.1 5 Sandoval-Medina (PP 2.1 2006, p.

2010, p. 56) 16)

Borrador  12 de febrero de 2013

3.7. Ejemplos

45

c) Con el mtodo de Newton-Raphson y x0 = 2

Solucin
A continuacin se presentarn las tablas que se obtienen, por cada uno de los mtodos solicitados. Aplicando las frmulas adecuadas y el grado de precisin solicitado. Tabla 3.8: Iteraciones del ejemplo 3.7.2 inciso a)

i
1 2 3 4 5 6 7 8 9 10

ai
0.00000 1.00000 1.00000 1.25000 1.25000 1.31250 1.34375 1.35938 1.35938 1.36328

bi
2.00000 2.00000 1.50000 1.50000 1.37500 1.37500 1.37500 1.37500 1.36719 1.36719

x i
1.00000 1.50000 1.25000 1.37500 1.31250 1.34375 1.35938 1.36719 1.36328 1.36523

f (ai )

f ( xi )
-5.00000 +2.37500 -1.79688 +0.16211 -0.84839 -0.35098 -0.09641 +0.03236 -0.03215 +0.00007

|f ( xi )| < 1x105
NO NO NO NO NO NO NO NO NO SI

Tabla 3.9: Iteraciones del ejemplo 3.7.2 inciso b)

i
1 2 3 4 5 6 7

x i 1
0.00000 2.00000 0.83333 1.20879 1.41962 1.36090 1.36512

xi
2.00000 0.83333 1.20879 1.41962 1.36090 1.36512 1.36523

f (xi1 )
-10.00000 +14.00000 -6.64352 -2.38904 +0.92234 -0.07136 -0.00187

f (xi )
+14.00000 -6.64352 -2.38904 +0.92234 -0.07136 -0.00187 0.00000

x i+1
0.83333 1.20879 1.41962 1.36090 1.36512 1.36523 1.35653

|f ( xi )| < 1x105
NO NO NO NO NO NO SI

Como se puede observar, en los tres mtodos se obtuvo el mismo valor para la raz, con la salvedad del diferente nmero de iteraciones. El valor es

1.36523

Ejemplo 3.7.3

6 () Aplicando el mtodo de Newton-Raphson determine el cruce con cero de la funcin f (x) = (x 2)2 ln(x) con x0 = 1 como condicin inicial.
6 Gutirrez-Robles

et al. (PP 2.11.27 2010, p. 57)

Borrador  12 de febrero de 2013

46

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Tabla 3.10: Iteraciones del ejemplo 3.7.2 inciso c)

i
1 2 3 4

xi
2.00000 1.50000 1.37333 1.36526

f (xi )
14.00000 2.37500 0.13435 0.00053

f (xi )
28.00000 18.75000 16.64480 16.51392

xi+1
1.50000 1.37333 1.36526 1.36523

|f ( xi )| < 1x105
NO NO NO SI

Solucin
Considerando que

f ( xi )

es

2x 4 1/x

se genera la tabla 3.11

Tabla 3.11: Iteraciones del ejemplo 3.7.3

i
1 2 3 4

xi
1.00000 1.33333 1.40858 1.41238

f (xi )
1.00000 0.15676 0.00720 0.00001

f (xi )
-3.00000 -2.08333 -1.89278 -1.88326

xi+1
1.33333 1.40858 1.41238 1.41239

|f ( xi )| < 1x105
NO NO NO SI

Por lo tanto, y tomndolo de la tabla la respuesta es

1.41239

Borrador  12 de febrero de 2013

3.8. Problemas

47

3.8. Problemas
Problema 3.8.1
b=7

() Encuentre la cuarta iteracin por el mtodo de biseccin de la funcin f (x) = x2 ln x 9x 18 en el intervalo [a, b] donde a = 6 y

Problema 3.8.2 () Utilizando la funcin y el intervalo del problema anterior. Encuentre la cuarta iteracin por el mtodo de la falsa posicin. Problema 3.8.3 8 () Realice el nmero de iteraciones hasta la convergencia,

utilizando el mtodo de la secante a la funcin f (x) = 5xex + cos(5x) con x0 = 3.9 y x1 = 4.0 como condiciones inciales. Utilizar como criterio de convergencia cuando la funcin evaluada f (x) sea menor que 0.00001, en valor absoluto.

Problema 3.8.4

() Aplique el mtodo de Newton-Raphson para determinar el cruce por cero de la funcin f (x) = cos(x) 3x con x0 = 0.5 como condicin incial; obtener la convergencia con cuatro cifras decimales. () Aplique el mtodo de Biseccin y el de falsa posicin a la ecuacin f (x) = (7x 3)/(x 0.45)2 = 0 Use los inrervalos [0.4, 0.5] y [0.39, 0.53].

Problema 3.8.5

10

7 Gutirrez-Robles et al. (PP 2.11.2 2010, p.56) 8 Gutirrez-Robles et al. (PP 2.11.16 2010, p.56) 9 Gutirrez-Robles et al. (PP 2.11.28 2010, p.57) 10 Nieves-Hurtado y Domnguez-Snchez (PP 2.19

2012, p.133)

Borrador  12 de febrero de 2013

48

Captulo 3. Solucin de Sistemas de Ecuaciones lineales

Frmulas del Captulo

A partir de este captulo y en los restante se aadir esta seccin, en la que se mostrar un resumen con todas las frmulas que se estudiaron a lo largo del captulo. Tabla 3.12: Frmulas del Captulo

Mtodo

Frmula

Biseccin

x i =

( a + b) 2 ab f (a) f (b) ba f (b) f (a)

x i+1 = b f (b)
Falsa Posicin

x i+1 = a f (a) x i+1 = x i

Newton

f ( xi ) f ( xi ) x i x i 1 f ( xi ) f ( xi ) f ( x i 1 )

Secante

x i+1 = x i

Notas bibliogrcas
Sapiens nihil armat quod non probet El sabio no arma nada que no pueda probar.

En el prximo captulo. . .
Muchos de los problemas que se presentan en la vida real no tienen que ver con una sola funcin, sino por el contrario se tienen varias ecuaciones que se tienen que resolver de manera simultanea. En el siguiente captulo se vern las tcnicas que se pueden utilizar para resolver estos problemas.

Borrador  12 de febrero de 2013

Parte I
Apndices

Apndice A
As se hizo...

...

... ...

Resumen:

A.1. Introduccin
...

51

Parte II
Soluciones

Apndice A
As se hizo...

...

... ...

Resumen:

A.1. Introduccin
...

55

Bibliografa

Y as, del mucho leer y del poco dormir, se le sec el celebro de manera que vino a perder el juicio.

Miguel de Cervantes Saavedra

Burden,

R.

L. y Faires,

J.

D.

Anlisis Numrico .

Grupo Editorial

Iberoamrica, 1985.
Chapra, S. C. y Canale, R. P.

Mtodos numricos para ingenieros . McGraw-

Hill, 2007.
Gutirrez-Robles, J. A., Olmos-Gmez, M. . y Casillas-Gonzlez, J. M.

Anlisis Numrico .

McGraw-Hill, 2010.
J. y Rodrguez-Ferran, A.

Huerta-Cerezuelo,

Mtodos Numricos. Introduccin, aplicaciones y propagacin .

la Universitat Politcnica de Catalunya, 1998.

A., Zarate-Ramos,

Ediciones de

Izar-Landeta, J. M.

Elementos de Mtodos Numricos para Ingeniera . Anlisis Numrico, Un enfoque prctico .

Uni-

versidad Autnoma de San Luis Potos, 1998.

Maron, M. J. y Lpez, R. J.

CEC-

SA, 1999.
Nieves-Hurtado, A. y Domnguez-Snchez, F. C.

aplicados a la ingeniera .

Mtodos Numricos
Universidad Autno-

Grupo Editorial Patria, 2012.

Sandoval-Medina, M.

Apuntes de Anlisis Numrico .

ma de San Luis Potos, 2006.

57

Qu te parece desto, Sancho?  Dijo Don Quijote  Bien podrn los encantadores quitarme la ventura, pero el esfuerzo y el nimo, ser imposible.

Segunda parte del Ingenioso Caballero Don Quijote de la Mancha Miguel de Cervantes

Buena est  dijo Sancho ; frmela vuestra merced. No es menester rmarla  dijo Don Quijote, sino solamente poner mi rbrica.

Primera parte del Ingenioso Caballero Don Quijote de la Mancha Miguel de Cervantes