SOLUCIN DE ECUACIONES Y SISTEMAS DE ECUACIONES NO LINEALES

PRESENTADO POR:
Anny Domnguez, Bladimir Maldonado, Daniel Briceo, Diana Dulhoeste, Gianfranco Bottone,
Jean Carlos Isidro, Luis Mrquez

PROFESORA:
Mara Altamar

UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERA
ESCUELA DE INGENIERA MECNICA
MRIDA
2015

Introduccin
En el clculo de races de una ecuacin o sistema de ecuaciones, se pueden usar en general dos
tipos de mtodo, abiertos y cerrados. En los mtodos cerrados la raz se encuentra entre un
intervalo predeterminado por un lmite inferior y uno superior, y mediante el clculo se va
acercando progresivamente al valor exacto de las races.
En contraste, los mtodos abiertos que son los que estudiaremos a continuacin, se basan en
frmulas que requieren nicamente de un solo valor de inicio o solo un par de ellos, pero no
necesariamente cercanos a la raz. Estos mtodos a veces divergen, con lo que se alejan de los
valores de las races, pero cuando convergen, generalmente lo hacen ms rpido que los metodos
cerrados.

1. SOLUCIN DE ECUACIONES NO LINEALES

1.1. MTODO PUNTO FIJO
Los mtodos abiertos emplean una frmula para predecir la raz. Esta frmula puede desarrollarse
como una iteracin simple de punto fijo (tambin llamada iteracin de un punto o sustitucin
sucesiva o mtodo de punto fijo), al arreglar la ecuacin f(x) = 0 de tal modo que x est del lado
izquierdo de la ecuacin:
x = g(x)

Esta transformacin se realiza mediante operaciones algebraicas o simplemente sumando x a cada

lado de la ecuacin original. Por ejemplo,
2 2 + 3 = 0

Se puede arreglar para obtener:

2 + 3
2

La utilidad de la ecuacin es que proporciona una frmula para predecir un nuevo valor de x
en funcin del valor anterior de x. De esta manera, dado un valor inicial para la raz xi, la
ecuacin se utiliza para obtener una nueva aproximacin xi+1, expresada por la frmula
iterativa:

x(i+1) = g(xi)

Como en otras frmulas iterativas, el error aproximado de esta ecuacin se

Calcula usando el error normalizado:

 = |

( + 1)
| 100%
( + 1)

Ejemplo:
Use una iteracin simple de punto fijo para localizar la raz de:
0.9 2 1.7 2.5 = 0
Con nueve iteraciones y un valor inicial Xo = 5:
Aplicando la ecuacin nos queda:
0.9 2 2.5
( + 1) =
1.7
1 iteracin
1 =
= |

0.9(5)2 2.5
= 11.76
1.7

(11.76) 5
| 100% = 57.48%
(11.76)

2 iteracin

1 =
= |

0.9(11.76)2 2.5
= 71.8
1.7

(71.8) 11.76
| 100% = 83.62%
(71.8)

Como podemos observar el error aumenta, quiere decir que el valor de la raz es errneo por lo
tanto el mtodo diverge.
Si despejamos la variable 2 nos queda:

1.7 + 2.5
( + 1) =
0.9

Entonces tenemos:
1 iteracin

1.7(5) + 2.5
( + 1) =
= 3.496
0.9

= |

(3.496) 5
| 100% = 43.02%
(3.496)

2 iteracin

( + 1) =

= |

1.7(3.496) + 2.5
= 3.063
0.9

(3.063) 3.496
| 100% = 14.14%
(3.063)

Podemos observar claramente que nos vamos acercando al valor de la raz, por lo tanto el mtodo
converge. Luego despus de nueve iteraciones obtenemos
Iteracin
1
2
3
4
5
6
7
8
9

x0
5
3,49602949
3,06290533
2,9263058
2,88188207
2,86728666
2,8624751
2,86088713
2,86036286

Xi
3,49602949
3,06290533
2,9263058
2,88188207
2,86728666
2,8624751
2,86088713
2,86036286
2,86018975

Ea
43,0193884
14,1409583
4,6679855
1,54148306
0,50903214
0,168091
0,05550609
0,01832887
0,00605244

Tabla n1 Iteracin mtodo punto fijo

El valor estimado de la raz de la funcin 0.9 2 1.7 2.5 = 0 es de 2.86018975 con un error
aproximado de 0.0061%.

1.2. MTODO DE NEWTON-RAPHSON

La frmula de Newton-Raphson (figura 1) es la ms ampliamente utilizada para hallar races. Si
el valor inicial para la raz es xi, entonces se puede trazar una tangente desde el punto [xi, f (xi)]
de la curva. Por lo comn, el punto donde esta tangente cruza al eje x representa una
aproximacin mejorada de la raz. El mtodo de Newton-Raphson se deduce a partir de esta
interpretacin geomtrica de la (figura 1), donde se tiene que la primera derivada en x es
equivalente a la pendiente:
Figura n1 Representacin grfica del
Mtodo de Newton-Raphson. Se extrapola
una tangente a la funcin en xi [esto es,
f(xi)] hasta el eje x para obtener una
estimacin de la raz en
xi + 1.

( ) =

( ) 0
( + 1)

( + 1) =

Esta ecuacin se arregla para obtener:

( )

( )

frmula de Newton Raphson

Ejemplo:
Use una iteracin por el mtodo Newton-Raphson localizar la raz de
0.9 2 1.7 2.5 = 0 , con cinco iteraciones y un valor inicial Xo = 5

Entonces:
( ) = 0.9 2 + 1.7 + 2.5

( ) = 1.8 + 1.7

Sustituyendo en nos queda:

( + 1) =

0.9 2 + 1.7 + 2.5

1.8 + 1.7

1 iteracin:
(1) = 5

0.9(5)2 + 1.7(5) + 2.5

= 3.42467
1.8(5) + 1.7

(3.42467) 5
| 100% = 46.0%
= |
(3.42467)
2 iteracin:
(2) = 3.42467

0.9(3.42467)2 + 1.7(3.42467) + 2.5

= 2.92436
1.8(3.42467) + 1.7

(2.92436) 3.42467
| 100% = 17.11%
= |
(2.92436)
Continuamos las iteraciones hasta que f (xi)=0
Iteracin

x0
1
2
3
4
5
6
7

f(xi)

5
3,424657534
2,924356997
2,861146976
2,860104689
2,860104406
2,860104406

-11,5
-2,233533496
-0,225270565
-0,003595956
-9,77725E-07
-7,19425E-14
0

f'(xi)
-7,3
-4,464383562
-3,563842594
-3,450064556
-3,44818844
-3,44818793
-3,44818793

Xi

Ea
3,424657534
2,924356997
2,861146976
2,860104689
2,860104406
2,860104406
2,860104406

Tabla n2 Iteracin Mtodo Newton-Raphson

46
17,10805275
2,209254593
0,036442254
9,91389E-06
7,2977E-13
0

Podemos ver que el valor estimado de la raz es 2.860104406 ya que f (xi)=0

1.3. MTODO DE LA SECANTE.
Es una variacin del mtodo de Newton-Raphson donde en vez de calcular la derivada de la
funcin en el punto de estudio, teniendo en mente la definicin de derivada, se aproxima la
pendiente a la recta que une la funcin evaluada en el punto de estudio y en el punto de la
iteracin anterior. Este mtodo es de especial inters cuando el coste computacional de derivar la
funcin de estudio y evaluarla es demasiado elevado, por lo que el mtodo de Newton no resulta
atractivo. En otras palabras, el mtodo de la secante es un algoritmo de la raz de investigacin
que utiliza una serie de races de las lneas secantes para aproximar mejor la raz de una funcin
f.

Figura n2. Representacin grfica del

mtodo de la secante. Esta tcnica es
similar a la del mtodo de NewtonRaphson
en el sentido de que una
aproximacin de la raz se predice
extrapolando una tangente de la funcin
hasta el eje x. Sin embargo, el mtodo de la
secante usa una diferencia dividida en lugar
de una derivada para estimar la pendiente

De la figura anterior se deduce por medio de interpretacin geomtrica el valor aproximado de la

pendiente de la recta en dicho punto.

( ) =

( 1) ()

( 1)

Ahora, la expresin del valor aproximado de la pendiente se sustituye en la ecuacin del

mtodo Newton-Raphson , as nos queda:

( + 1) =

( )
( 1) ()
( 1)

Simplificando tenemos:

( + 1) =

( )(( 1) )
( 1) ( )

La ecuacin es la frmula para el mtodo de la secante. Observe que el mtodo requiere de

dos valores iniciales de x. Sin embargo, debido a que no se necesita que f(x) cambie de signo
entre los valores dados, este mtodo no se clasifica como un mtodo cerrado.
Ejemplo:
Use una iteracin por el mtodo de secante para localizar la raz de 0.9 2 1.7 2.5 = 0 con
tres iteraciones. Los valores iniciales son: xi =3.5 y x (i-1)=2.5
Usando la formula procedemos a realizar las iteraciones.

1 iteracin: Cuando i = 0
xo=3.5; x (-1)=2.5
f (xo)= 0.9(3.5)2 + 1.7(3.5) + 2.5 = 2.575
f (x(-1)) = 0.9(2.5)2 + 1.7(2.5) + 2.5 = 1.125
Sustituyendo todos los valores tenemos:
(1) =

()((1) )
(1) ()

 (1) = 3.5

(2.575)(2.5 3.5)
= 2.80405
(1.125) (2.575)

(2.80405) 3.5
| 100% = 24.82 %
= |
(2.80405)
2 iteracin: Cuando i=1
x1 =2.80405; xo =3.5
f (x1)= 0.9(2.80405)2 + 1.7(2.80405) + 2.5 = 0.19046
f (xo) = 0.9(3.5)2 + 1.7(3.5) + 2.5 = 2.575
Sustituyendo todos los valores tenemos:
(2) = 1

(2) = 2.80405

(1)( 1)
() (1)

(0.19046)(3.5 2.80405)
= 2.85198
(2.575) (0.19046)

(2.85198) 2.80405
| 100% = 1.68 %
= |
(2.85198)
3 iteracin: Cuando i=2
x2 = 2.85198; x1= 2.80405
f (x1)= 0.9(2.80405)2 + 1.7(2.80405) + 2.5 = 0.19046
f (x2) = 0.9(2.85198)2 + 1.7(2.85198) + 2.5 = 0.02796

Sustituyendo todos los valores tenemos:

(3) = 2

(3) = 2.85198

(2)((1) 2)
(1) (2)

(0.02796)(2.80405 2.85198)
= 2.86023
(0.19046) (0.02796)

(2.86023) 2.80405
| 100% = 1.96 %
= |
(2.86023)
Por el mtodo de la secante, el valor estimado de la raz despus de tres iteraciones es de 2.86023,
con un error aproximado de 1.96%
1.4. MTODO DE BISECCIN
El mtodo de biseccin, conocido tambin como de corte binario, de particin de intervalos o de
Bolzano, es un tipo de bsqueda incremental en el que el intervalo se divide siempre a la mitad.
Si la funcin cambia de signo sobre un intervalo, se evala el valor de funcin en el punto medio.
La posicin de la raz se determina situndola en el punto medio del subintervalo, dentro del cual
ocurre un cambio de signo. El proceso se repite hasta obtener una mejor aproximacin.

A continuacin se representa un algoritmo sencillo para el clculo de la biseccin:

1. Elija valores iniciales inferiores, y superor , que encierren la raz, de la
forma tal que la funcin cambie de signo en el intervalo, esto se verifica
comprobando que <0
2. Una aproximacin de la raz x, se determina mediante:

+
2

3. Realice las siguientes evaluaciones para determinar en que subintervalo est la

raz:
Caso 1. Si <0, entonces la raz se encuentra dentro del subintervalo inferior o izquierdo.
Por lo tanto, haga = y vuelva al paso 2.
Caso 2. Si >0, entonces la raz se encuentra dentro del subintervalo superior o derecho.
Por lo tanto, haga = y vuelva al paso 2.
Caso 3. Si = 0, la raz es igual a entonces termina el clculo.

Ejemplo:
Determine las races reales de ( ) = 0.5 2 + 2.5 + 4.5, usando el mtodo de biseccin con
cuatro iteraciones para determinar la raz ms grande. Emplee como valores iniciales x (l) = 5 y x
(u) = 10 adems calcule el error estimado.

Primero comprobamos que <0, entonces:

(5) = 0.5(5)2 + 2.5(5) + 4.5 = 4.5
(10) = 0.5(10)2 + 2.5(10) + 4.5 = -70.5

Entonces (5) (10) = -317.25 <0

1 Iteracin:
Valor aproximado de la raz

+
2

=> =

(5)+(10)
2

= 7.5

(5) = 0.5(5)2 + 2.5(5) + 4.5 = 4.5

(7.5) = 0.5(7.5)2 + 2.5(7.5) + 4.5 = -4.875
Entonces (5) (7.5) = -21.9375 => caso 1
Hacemos = entonces = 7.5

2 Iteracin:
Valor aproximado de la raz

+
2

=> =

(5)+(7.5)
2

= 6.25

(6.25) 7.5
| 100% = 20 %
= |
(6.25)
(5) = 0.5(5)2 + 2.5(5) + 4.5 = 4.5
(6.25) = 0.5(6.25)2 + 2.5(6.25) + 4.5 = 0.59375
(5) (6.25) = 2.67188 => caso 2
Hacemos = entonces = 6.25

3 Iteracin:
Valor aproximado de la raz

= |

+
2

=> =

(6.25)+(7.5)
2

(6.875) 6.25
| 100% = 9.09 %
(6.875)

(6.25) = 0.5(6.25)2 + 2.5(6.25) + 4.5 = 0.59375

= 6.875

 (6.875) = 0.5(6.875)2 + 2.5(6.875) + 4.5 = -1.94531

(6.875) (6.25) = 1.15503 => caso 1
Hacemos = entonces = 6.875

4 Iteracin:
Valor aproximado de la raz

+
2

=> =

(6.25)+(6.875)
2

= 6.5625

(6.5625) 6.875
| 100% = 4.76 %
= |
(6.5625)
Podemos ver que el valor de la raz es ms preciso conforme disminuye el error, entonces para la
cuarta iteracin tenemos un valor estimado de la raz de 6.5625, con un error de 4.76%, si se
desea conocer un valor ms preciso es necesario hacer un mayor nmero de iteraciones.

1.5. ACELERACIN DE CONVERGENCIA

Se han visto mtodos cuyo orden de convergencia es uno y dos, o bien un valor intermedio
(superlineales). Existen mtodos de orden 3 y de orden superior; sin embargo, es importante dar
otro giro a la bsqueda de races reales y averiguar si la convergencia de los mtodos vistos se
puede acelerar.

Mtodos de un punto

Si en alguno de los mtodos vistos se tiene que la sucesin, x. xl, x2,.. . Converge muy
lentamente a la raz buscada, pueden tomarse, entre otras, las siguientes decisiones
a) Continuar el proceso hasta satisfacer alguno de los criterios de convergencia

b) Ensayar con una g (x) distinta; es decir, buscar una nueva g (x ) en punto fijo o cambia de
mtodo.
c) Utilizar la sucesin de valores xo, xl, x2,... para generar otra sucesin: x1, x2, x3 que
converja ms rpidamente a la raz(x) que se busca.
Los incisos (a) y (b) son suficientemente claros, mientras que la sucesin x1, x2, x3de la
parte (c) se basa en que en ciertas condiciones de g (x)*, se tiene que:
lim (

( + 1)
) = ( )

Donde (i = xi - x ) es el error en la i-sima iteracin

Entonces puede escribirse como:
( + 1)
( )

( + 1) = () ( )

O tambin:
( + 2) ( + 1) = () (( + 1) )
Restando la ecuacin de la obtenemos:
( + 2) ( + 1) ( ) (( + 1) )
Despejando nos queda:
( )

( + 2) ( + 1)
(( + 1) )

Despejando x de la ecuacin tenemos:

( 1) ( )
1 ( )

Reemplazando ( ) en la ecuacin anterior resulta:

(( + 1) )2
( + 2) 2( + 1) +

Esta ecuacin da aproximaciones a x a partir de los valores ya obtenidos en alguna sucesin,

llmese a esta nueva sucesin xo, x1, x2. Entonces:
=

(( + 1) )2
( + 2) 2( + 1) +

Ejemplo del mtodo de newton- raphson.

Acelerar la convergencia de la sucesin () = 0.9 2 1.7 2.5 = 0,
X0
X1
X2
X3
X4
X5
X6

5
3,424657534
2,924356997
2,861146976
2,860104689
2,860104406
2,860104406

Tabla n3 Valores de la raz extrados del mtodo newton - raphson

Con la ecuacin se tiene:
((1) )2
=
(2) 2(1) +
2

((3.42466) 5)
= 5
= 2,7337
(2.94436) 2(3.42466) + 5

((2.94436) 3.42466)
1 = 3.42466
= 2.8437
(2.86115) 2(2.94436) + 3.42466

((2.86115) 2.94436)
2 = 2.94436
= .
(2.8601) 2(2.86115) + 2.94436

Como podemos observar, por aceleracin de convergencia solo se hicieron 3 iteraciones,

mientras que por el mtodo de newton raphson se hicieron 6 para llegar a la misma solucin
(tabla n3).

1.6. BSQUEDA DE VALORES INICIALES

El uso de cualquier algoritmo numrico para encontrar las races de f (x) = 0, requiere uno o ms
valores iniciales; adema en mtodos como el de biseccin y el de posicin falsa, los dos valores
iniciales requeridos deben estar a los lados de la raz buscada y sus valores funcionales
correspondientes tienen que ser de signos opuestos. A continuacin se dan algunos lineamientos
generales para obtener valores aproximados a las races de f (x) = 0.

Principalmente consiste en obtener su grfica aproximada mediante un anlisis de f (x), a la

manera clsica del Clculo diferencial e integral, en el mejor de los casos empleando ambos. A
continuacin se presentan los pasos del anlisis de la funcin f (x) y de la construccin de su
grfica en la forma clsica.

Determinar el dominio de definicin de la funcin.

Determinar un subintervalo de (a), que puede ser (a) mismo. Es un intervalo donde se
presupone que es de inters analizar la funcin. Evalese la funcin en los siguientes
puntos de ese subintervalo: puntos extremos y aquellos donde sea fcil el clculo de f (x).
En los siguientes pasos todo estar referido a este subintervalo.

Encontrar los puntos singulares de la funcin (puntos en los cuales es infinita o no est
definida).

La primera y la segunda derivadas dan informacin muy til sobre la forma de la funcin,
an ms til que informacin de valores computados; por ejemplo, dan los intervalos de
crecimiento y decrecimiento de la funcin. Por esto, obtiene la primera derivada y evala

en los puntos apropiados, en particular en puntos cercanos a aquellos donde la funcin ya

est evaluada y en los que es fcil esta evaluacin.

Encontrar los puntos mximo y mnimo, as como los valores de la funcin en esos
puntos.

Los dominios de concavidad y convexidad de la curva y los puntos de inflexin es

informacin cualitativa y cuantitativa, que se obtiene a partir de la segunda derivada y es
imprescindible para este anlisis.

Obtener las asntotas de la funcin. Estas, en caso de existir, indican cierta regularidad en
los comportamientos de la grfica de y = f (x ) al tender x o y hacia infinito.

Descomponer la funcin en sus partes ms sencillas que se sumen o se multipliquen.

Graficar cada parte y construir la grfica de la funcin original, combinando las grficas
de las partes y la informacin conseguida en los pasos anteriores.

1.7. RACES COMPLEJAS

Hasta ahora se han discutido solo tcnicas para encontrar races reales de ecuaciones de la forma
f (x) = 0. Sin embargo, a menudo se presentan ecuaciones polinomiales con coeficientes reales,
cuyas races son complejas, o bien polinomios complejos, y ecuaciones trascendentes con races
reales y complejas. Generalmente, dichas ecuaciones pueden resolverse por el mtodo de
Newton- Raphson, pero proponiendo un valor inicial xo complejo o bien por algn otro mtodo.

Mtodo de Newton-Raphson.

Supngase que se tiene:

( ) = + 1 1 + + 1 + 0

Con todos los coeficiente reales. f ' (x ) es un polinomio de grado (n-1) y de coeficientes
tambin reales.
() = () 1 + ( 1)1 2 + + 22 + 1
Si el valor inicial xo es real, entonces:
1 =

()
()

Tambin ser real y todos los valores xi siguientes. Consecuentemente no se puede encontrar una
raz compleja de la ecuacin si se inicia con un valor x0 real. Si por el contrario, el valor
inicial x0 es complejo, x1 entonces ser complejo, x2 tambin y as sucesivamente. De esta
manera, si el proceso converge, puede encontrarse una raz X compleja

Ejemplo:
Encuentre las races complejas de la ecuacin ( ) = 2 + 4 = 0
Al derivar () tenemos: ( ) = 2
Sea x0 = j el valor inicial propuesto, aplicando la ecuacin obtenemos:
2 + 4
1 =
2
Pero 2 = 1, entonces:
1 =
Multiplicando y dividiendo por j el trmino

1 + 4
3
=
2
2
3

, se obtiene:

1 = (1.5) = 2.5
2 = 2.5

(2.5)2 + 4
= 2.05
2(2.5)

2 = 2.05

(2.05)2 + 4
= 2.001
2(2.05)

La sucesin de valores complejos x0, x1, x2 va acercndose rpidamente a la raz 1 = 2

(1) = (2) = (2)2 + 4 = 4 + 4 = 0

2. SOLUCIN DE SISTEMAS DE ECUACIONES NO LINEALES

2.1.MTODO DE NEWTON-RAPHSON
El mtodo iterativo para sistemas de ecuaciones converge linealmente. Como en el mtodo de
una incgnita, puede crearse un mtodo de convergencia cuadrtica; es decir, el mtodo de
Newton-Raphson multivariable. A continuacin se obtendr este procedimiento para dos
variables; la extensin a tres o ms variables es viable generalizando los resultados.
Supngase que se est resolviendo el sistema:
1(, ) = 0
2(, ) = 0
Donde ambas funciones son continuas y diferenciables, de modo que puedan expandirse en serie
de Taylor. Esto es
(, ) = (, ) +

( ) +
( )

1 2
2
2
2
( ) + 2
( )( ) +
( )2 ] +
+ [
2!

Donde f (x, y) se ha expandido alrededor del punto (a, b) y todas las derivadas parciales estn
evaluadas en (a, b).
Expandiendo 1 alrededor de ( , ),

1( +1 , +1 ) = 1( , ) +

1 +1
1 +1
(
(
) +
)

1 2 1 +1
2 1 +1
2 1 +1
2
2
[
(
(
(
) + 2
)(+1 ) +
) ]
2!

Donde todas las derivadas parciales estn evaluadas en ( , ), de la misma forma puede
expandirse 2 como sigue:
2( +1 , +1 ) = 2( , ) +

2 +1
2 +1
(
(
) +
)

1 2 2 +1
2 2 +1
2 2 +1
2
2
[
(
(
(
) + 2
)(+1 ) +
) ]
2!

De igual manera en la ecuacin , todas las derivadas parciales de estn evaluadas en

( , ).
Ahora supngase que +1 y +1 estn tan cerca de la raz buscada (x, y) que los lados
izquierdos de las dos ltimas ecuaciones son casi cero; adems, asmase que estn tan
prximos de +1 y +1 , que pueden omitirse los trminos a partir de los que se encuentran
agrupados en parntesis rectangulares. Con esto las ecuaciones y se simplifican.

0 1( , ) +

1 +1
1 +1
(
(
) +
)

0 2( , ) +

2 +1
2 +1
(
(
) +
)

Para simplificar an ms, se cambia la notacin con

+1 =
+1 =
Sustituyendo:
1
1
( ) +
() = 1( , )

2
2
( ) +
() = 2( , )

Sistema de Ecuaciones
El cual es un sistema de ecuaciones lineales en las incgnitas h y j (recurdese que las derivadas
parciales de la ecuacin , as como f1 y f2 estan evaluadas en ( , ) y por lo tanto son
nmeros reales.

Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el determinante
de la matriz de coeficientes o matriz jacobiana J no sea cero; es decir si:
1

= ||
2

1
|
0
2|

Conclusiones:

Podemos ver que son mtodos efectivos para encontrar la raz de una ecuaciones no
lineales

Algunos mtodos dependern de otro mtodo para la solucin mas aproximada

Podemos ver que cada uno de los mtodos antes escritos dan una solucin que en cierto
modo son soluciones aproximadas entre todos pero varia en la exactitud y la rapidez de
desarrollo del calculo

Bibliografa

Chapra Steven C., 2006, Mtodos Numricos Para Ingenieros, Mxico, McGraw Hill

Hurtado Nieves Antonio y Domnguez Snchez Federico C., Mtodos Numricos

Aplicados a la Ingeniera, Mxico, Continental, S.A. de C.V.