Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineales
Racionales
Algebraicas
Ecuaciones
N
o
lineales
Irraciones
T rascendentes
Una ecuacin lineal en la variable x es una ecuacin que puede escribirse en la forma ax + b = 0, donde a y
b son constantes que generalmente llamamos parmetros y a 6= 0.
Algunos ejemplos de ecuaciones no lineales son:
Ecuacin algebraica racional
9x
3x1
=2+
3
3x1
x 2,10,5x
(1x) 1,10,5x
3,69 =
Ecuacin trascendente, incluye funciones trigonomtricas, exponenciales, logartmicas y otras menos familiares tg(x) = tgh(2x)
La razn principal para resolver ecuaciones no lineales por medio de mtodos computacionales radica en la dicultad de encontrar una solucin por mtodos convencionales. Por su parte, excepto para muy pocos problemas,
la solucin analtica de las ecuaciones polinomiales existe slo hasta el orden cuatro, pero no existen mtodos
generales para arribar a las soluciones en forma exacta para rdenes superiores. Por lo tanto, las races de esas
ecuaciones no lineales se obtienen mediante los mtodos del anlisis numrico.
Los mtodos usuales para la obtencin de una aproximacin numrica a una solucin o raz de f (x) = 0
consisten en procesos iterativos en los que se parte de un valor inicial x0 de la raz buscada y, se usa cierta
relacin de recurrencia para generar una secuencia de aproximaciones sucesivas x1, x2,..., xn,... que convergen
al lmite xn, generalmente por mtodos analticos, muchas veces con ayuda de grcos.
El problema se plantea de la siguiente manera: Dada f : R R(o bien f : [a, b] R) se quiere encontrar tal
que f () = 0. El clculo aproximado de races puede dividirse en dos etapas:
Se separan las races, es decir se busca un subintervalo de [a, b] que contenga una y slo una raz de f.
Para asegurar la existencia de al menos una raz en el intervalo propuesto se usa el Teorema de Bolzano.
Para asegurar que no hay ms de una raz se usa el Teorema de Rolle, es decir, se verica que la derivada
primera no cambie de signo en dicho intervalo.
Se aplica un mtodo para aproximar la raz aislada.
MTODO GRFICO
Adems de la utilidad para determinar valores iniciales, tambin son tiles para visualizar las propiedades
de las funciones y el comportamiento de los mtodos numricos.
Consiste en gracar la funcin y observar en donde cruza el eje x. Este punto, que representa el valor de x
para el cual f (x) = 0, proporciona una aproximacin inicial de la raz.
Ejemplo:
Emplense grcas para obtener una raz aproximada de la funcin f (x) = ex x
Solucin:
Por medio de un programa para gracar funciones se obtiene la grca de la funcion
1
Un vistazo a la grca proporciona una estimacin aproximada de la raz de 0.57 que se acerca a la raz
exacta de 0.56714328...., que se debe determinar con mtodos numricos. La validez de la estimacin visual se
puede vericar sustituyendo su valor en la ecuacin original para obtener: f (0,57) = e0,57 0,57 = 0,0045 la
cual se acerca a cero.
MTODOS NUMRICOS
Se dividen en dos categoras generales:
1. Mtodos cerrados que usan intervalos: Biseccin (intervalo medio), Regula Falsi (falsa posicin).
Requieren un intervalo de x que contenga a la raz, siempre son convergentes, pero la velocidad de convergencia puede ser demasiada lenta.
2. Mtodos abiertos: Iteracin de punto jo, Newton Raphson, Secante.
Requieren informacin nicamente de un punto, o de dos pero que no necesariamente encierran a la raz,
para extrapolar una nueva aproximacin a la raz. La convergencia es ms rpida pero existe tambin la
posibilidad de divergencia.
<b, tal que f () = 0. En general puede decirse que en el intervalo [a, b] existe un nmero impar de races.
El mtodo requiere de dividir repetidamente a la mitad los subintervalos de [a, b] y, en cada paso, localizar
la mitad que contiene a la aproximacin de la raz xi. Ver Figura 2
La primera aproximacin a la raz, se determina como:
xi = (a+b)
2
Debemos realizar las siguientes evaluaciones y determinar en que subintervalo est la raz:
Si f (xi ) = 0, entonces la raz es igual a xi .
Si f (a) . f (xi ) < 0, la raz se encuentra en [a,xi ]
Si f (a) . f (xi ) > 0, la raz se encuentra en [xi ,b]
Calculamos una nueva aproximacin a la raz en el nuevo subintervalo.
x1 =
a+b
2
[a1 , b1 ], x2 [a2 , b2 ], x3 [a3 , b3 ],. . . , donde cada intervalo [an , bn ] mide la mitad del anterior.
b1 a1 = ba
2
2
= ba
b2 a2 = b2 a
2
4
bn an = ... = ba
n
2
Adems
a a1 a2 ... b
b b1 b2 ... a
Entonces an y bn son sucesiones montonas y acotadas y en consecuencia convergen, es decir existen los
lmites:
lim an
n
lim bn
n
lim an
lim bn
=
=
n
n
00
En cada paso se verica f(an ) . f(bn ) 0 y tomando lmite ( f continua) resulta f () 0
y como |bn an |
ba
2n
0, se tiene
xn =
(an1 +bn1 )
2
Entonces | xn |
bn1 an1
2n
ba
2n
Figura 2:
a de la siguiente manera:
i1
a = | xi x
| . 100 %
xi
Donde xi es la raz en la iteracin actual y xi1 es el valor de la raz en la iteracin anterior. Se utiliza el
valor absoluto, ya que por lo general importa slo la magnitud de a sin considerar su signo. Cuando a es menor
que un valor previamente jado , termina el clculo.
Ejemplo 1:
Use el mtodo de biseccin para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra entre 0 y
1, por lo tanto se acota la raiz al intervalo [0,1].
2. Vericacin inicial de convergencia: Se verica que f (0) . f (1) < 0, por consiguiente la estimacin inicial
de la raz se sita en el punto medio de este intervalo.
3. Se establece condicin de parada del mtodo: = 103
4. Aplicacin iterativa del mtodo mediante software. Ver Figura 3
Figura 3:
Como se puede ver en la iteracin 10 se cumple que el error relativo es menor que , terminan las iteracines,
y as obtenemos como aproximacin a la raiz xi = 0,5673828
Figura 4:
La recta L que une los puntos (a, f (a))con (b, f (b))tiene la ecuacion:
y f (a) =
f (b)f (a)
(x1
ba
a)
x1 = a
f (a)(ba)
f (b)f (a)
Ejemplo 2:
Use el mtodo de la falsa posicin para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra entre 0 y
1, por lo tanto se acota la raiz al intervalo [0,1].
2. Vericacin inicial de convergencia: Se verica que f (0) . f (1) < 0.
5
Figura 5:
Como se puede ver en la iteracin 4 se cumple que el error relativo es menor que , terminan las iteracines,
y as obtenemos como aproximacin a la raiz xi = 0,5672055
CANTIDAD DE ITERACIONES
Se puede predecir a priori el nmero de iteraciones que se deben realizar con el mtodo de biseccin o de
la falsa posicin para obtener una aproximacin con una presicin deseada .
Debido a que en cada iteracin se reduce el error a la mitad, la frmula general que relaciona el error deseado
ba
2n
log( ba
)
log(2)
xi+1 = g(xi ),
xi = g(xi1 ),
xi = g(xi1 )
La ventaja de este mtodo consiste en su gran sencillez y exibilidad para elegir la forma de g(x). Sin
embargo, es muy importante la formacin de la funcin g(x) en la ecuacin x = g(x); de las mltiples opciones
que pueden existir, ya que no siempre converge con cualquier forma elegida de g(x).
Un planteamiento grco consiste en separar la ecuacin x = g(x) en dos partes, como:
y1 = x
y2 = g(x)
estas funciones se pueden gracar por separado. Los valores de x correspondientes a las intersecciones de
estas funciones representan las races de f (x) = 0. Ver Figura 6.
Ejemplo 3:
Use el mtodo de iteraciones sucesivas para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra cerca de
0.6 , por lo tanto se plantea el valor inicial x0 = 0,6.
2. Se plantean 2 transformaciones de f (x) :
a ) g1 (x) = ex
b ) g2 (x) = log(x)
log(e)
3. Se establece condicin de parada del mtodo: = 103
4. Aplicacin iterativa del mtodo para g1 (x) mediante software. Ver Figura 7
Figura 7:
Como se puede ver en la iteracin 8 se cumple que el error relativo es menor que , terminan las iteracines,
y obtenemos como aproximacin a la raiz xi = 0,56749133. Por lo tanto se puede decir que con g1 (x) el
mtodo converge a la raz.
Se puede observar tambin que en cada iteracin la distancia del valor actual de xi con el valor xi1 de
la iteracin anterior es mas pequea.
7
Para este ejemplo en particular en la iteracin 8 se observa que se presenta un caso de indeterminacin
debido al valor anterior xi1 es cual resulta ser negativo . Por lo tanto se puede decir que con g2 (x) el
mtodo no converge a la raz.
Se puede observar que en cada iteracin la distancia del valor actual de xi con el valor xi1 de la iteracin
anterior se aleja de la raz.
El mtodo consiste en empezar con un valor de x0 (cercano a la raz) y trazar la tangente en el punto
(x0 , f (x0 )). El punto donde esta tangente cruza al eje x se toma como la siguiente aproximacin. Esto contina
hasta que valores de x sucesivos estn sucientemente prximos o el valor de la funcin est sucientemente
cerca de cero. Ver Figura 9.
Figura 9:
f ()
2 (xi+1
xi )2
en donde se encuentra en alguna parte del intervalo entre xi y xi+1 . Truncando la serie despus de la
primera derivada, se obtiene una versin aproximada:
xi+1 = xi
f (xi )
f 0 (xi )
a la que se conoce como frmula de Newton-Raphson. Observemos que para que la frmula tenga sentido
f (xi ) 6= 0.
3) Para resolver una ecuacin de la forma f (x) = 0, supongamos que la ecuacin f (x) = 0 tiene una solucin
xi+1 = g(xi )
con la g de la forma
g (x) = 1 f (x)(x)
1
f (x)
xi+1 = xi
f (xi )
f 0 (xi )
Ejemplo 4:
Use el mtodo de iteraciones sucesivas para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra cerca de
0.6 , por lo tanto se plantea el valor inicial x0 = 0,6.
2. Se encuentra f 0 (x):
f 0 (x) = ex 1
3. Se establece condicin de parada del mtodo: = 103
Ejemplo:
Determnese la raz positiva de f (x) = x10 1 usando el mtodo de NewtonRaphson con un valor inicial
de x = 0,5.
Solucin:
1. Se encuentra f 0 (x):
f 0 (x) = 10x9
2. Se establece condicin de parada del mtodo: = 103
3. Aplicacin iterativa del mtodo mediante software. Ver Figura 11
10
......
De esta forma, despus de la primera prediccin deciente, el mtodo converge a la raz 1, pero con una
velocidad muy lenta. Adems de la convergencia lenta, debida a la naturaleza de la funcin, se pueden
originar otras dicultades, como:
Figura 12:
11
Se observa en la gura 14 que un valor inicial cercano a una raz puede saltar a una posicin varias races
lejos. Esta tendencia de alejarse del rea de inters se debe a que se encuentran pendientes cercanas a cero. Una
pendiente cero causa una divisin por cero en la frmula de Newton- Raphson. Grcamente, esto signica que
la solucin se dispara horizontalmente y jams toca el ejex. La nica solucin en estos casos es la de tener un
valor inicial cercano a la raz. Este conocimiento, de hecho, lo proporciona el conocimiento fsico del problema o
mediante el uso de herramientas tales como las grcas que proporcionan mayor claridad en el comportamiento
de la solucin.
12
INTERPOLACIN
El concepto de interpolacin surge, por ejemplo, cuando disponemos de datos que provienen de mediciones
experimentales o estadsticos, puesto que queremos determinar la evolucin general de estos datos con el objetivo
de estimar/predecir los valores que no conocemos. Por ejemplo, esto ocurre si tenemos partes de una imagen fotogrca y queremos reconstruir la imagen completa. En otras palabras, buscamos una funcin (llamada funcin
interpolante) que toma valores predeterminados en algunos puntos. Notemos que otra aplicacin de la interpolacin es la aproximacin de funciones dadas. Normalmente se utilizan funciones de un tipo predeterminado
(polinomios, funciones trigonomtricas, etc) dando lugar a diferentes mtodos de interpolacin. Estudiaremos
la interpolacin polinmica.
INTERPOLACIN POLINOMIAL
Una de las ms y bien conocidas clases de funciones reales de variable real es la clase de los polinomios
algebraicos, o sea, el conjunto de funciones de la forma
f (x) = a0 + a1 x + a2 x2 + a3 x3 + ..... + an xn
donde n es un entero no negativo y a0 , a1 , a2 ..., an son constantes reales. Una razn primordial de su
importancia es que aproximan uniformemente funciones continuas; esto es, dada una funcin denida y continua
en un intervalo cerrado, existe un polinomio que est tan cerca de la funcin dada como se desee.
Figura 15:
Otro aspecto importante para considerar a los polinomios en la aproximacin de funciones es que es sencillo
determinar la derivada y la integral indenida de cualquier polinomio y el resultado es otra vez un polinomio.
Por estas razones, los polinomios se usan con frecuencia para aproximar otras funciones que se conoce o se
supone son continuas.
POLINOMIO DE LAGRANGE
Planteo del problema
Sea f (x) la funcin que se quiere interpolar y se supone conocida en un conjunto de puntos x0 , x1 , x2 , ..., xn :
y0 = f (x0 )
13
yn = f (xn )
P (xn ) = yn
Caso Lineal
Vamos a comenzar por plantearnos el caso de interpolar mediante una lnea recta que une 2 puntos cualesquiera. La ecuacin de la recta que pasa por los puntos (x0 , y0 ) y x1 , y1 es la que presentamos a continuacin:
(x=x0 )
y = P (x) = y0 + (y1 =y0 ) (x
1 =x0 )
Con L0 (x) =
=
=
(x x1 )
(x0 x1 )
y L1 (x) =
=
=
(x x0 )
(x1 x0 ) ,
P (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) + .... + f (xn )Ln (x) =
n
P
i=0
Demostracin:
Por una serie de n+1 puntos pasa un polinomio de grado n que, lo podemos expresar en funcin de sus races
y tiene la siguiente forma:
P (x0 ) = y0
14
P (xn ) = yn
obtenemos:
a0 =
f (x0 )
(x0 x1 )(x0 x2 )...(x0 xn )
a1 =
f (x1 )
(x1 x0 )(x1 x2 )...(x1 xn )
a2 =
f (x2 )
(x2 x0 )(x2 x1 )...(x2 xn )
en general:
ai =
f (xi )
(xi x0 )(xi x1 )...(xi xi1 )(xi xi+1 )...(xi xn )
= f (xi )
n
Q
(xxj )
(xi xj )
j=0
j 6= i
El siguiente paso consiste en calcular un trmino residual o cota para el error involucrado en la aproximacin
de una funcin mediante un polinomio interpolante. Esto se hace en el teorema siguiente:
Teorema 2:
Si x0 , x1 , x2 ....., xn son puntos distintos en [a, b] y si f es derivable hasta el orden (n+1) en [a, b], entonces,
para cada x en [a, b], existe un nmero (x) en (a, b) tal que:
f (x) = P (x) +
f (n+1) ((x))
(x-x0 )(x
(n+1)!
x1 )...(x xn )
donde P (x) es el polinomio interpolante. El segundo trmino corresponde a la frmula del error. Esta frmula
es un resultado terico importante, su uso prctico est restringido a funciones cuyas derivadas tengan cotas
conocidas.
Ejemplo 1:
La tabla muestra los valores de una funcin en diversos puntos. Compararemos las aproximaciones a
f (1,5)obtenidas con varios polinomios de Lagrange.
x
1, 0
1,3
1,6
1,9
2,2
f(x)
0,7651977
0,6200860
0,4554022
0,2818186
0,1103623
=1,6)
(1,5=1,3)
P1 (1,5) = 0,6200860 (1,5
(1,3=1,6) + 0,4554022 (1,6=1,3) = 0,5102968
i=0
=1,6) (1,5=1,9)
(1,5=1,3) (1,5=1,9)
(1,5=1,6) (1,5=1,3)
P2 (1,5) = 0,6200860 (1,5
(1,3=1,6) (1,3=1,9) + 0,4554022 (1,6=1,3) (1,6=1,9) + 0,2818186 (1,9=1,6) (1,9=1,3) = 0,5112857
i=0
15
Aproximacin por polinomio de grado 4 (se utilizan todos los valores de la tabla):
x0 = 1,0, x1 = 1,3, x2 = 1,6, x3 = 1,9 y x4 = 2,2
3
P
P4 (x) =
f (xi )Li (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) + f (x3 )L3 (x) + f (x4 )L4 (x)
i=0
(1,51,6) (1,51,9) (1,52,2)
(1,51,0) (1,51,6) (1,51,9) (1,52,2)
P4 (1, 5) = 0, 7651977 (1,51,3)
(1,01,3) (1,01,6) (1,01,9) (1,02,2) + 0, 6200860 (1,31,0) (1,31,6) (1,31,9) (1,32,2) +
(1,51,3) (1,51,9) (1,52,2)
(1,51,0) (1,51,3) (1,51,6) (1,52,2)
0, 4554022 (1,51,0)
(1,61,0) (1,61,3) (1,61,9) (1,62,2) + 0, 2818186 (1,91,0) (1,91,3) (1,91,6) (1,92,2) +
(1,51,3) (1,51,6) (1,51,9)
0, 1103623 (1,51,0)
(2,21,0) (2,21,3) (2,21,6) (2,21,9) = 0, 5118200
Ejemplo 2:
Determinar el polinomio interpolador de Lagrange para la funcin f (x) = sen(x) en los siguientes puntos
x0 = 4 , x1 = 3 , x2 = 2 . Estimar sen(1,2). Servira este polinomio para evaluar sen(3)?.
Determinacin de valores yi :
f
(x)
2
2
3
2
P2 (x) =
(
= 3 ) ( 4 = 2 ) 2 ( 3 = 4 ) ( 3 = 2 )
2=4) (2=3)
2 (x
2 (
4
P2 (x) =
2 48(x
2 (
16
sen(1, 2) = 0, 932039086
xi = a + ih
para i = 0, 1, 2, 3, ..., n
donde
h=
(ba)
n
y supongamos que construimos con estos puntos el polinomio de interpolacin Pn (x) para una funcin dada
f, esto es, que Pn (xi ) = f (xi ), para estos n puntos.
Se tiene
lim
Ejemplo 3
Dada la funcin:
f (x) =
1
1+x2
Si construimos el polinomio de interpolacin Pn (x) en este intervalo, entonces seguro que no hay convergencia
en los puntos donde |x| > 3, 63. El problema parece pues que se tuerce, pero por otro lado se vuelve ms
interesante. Resulta que para ciertas funciones, por ejemplo para f (x) = ex , si hay convergencia. Pero para otras
no. El problema con estas ltimas es que sus derivadas van creciendo demasiado en el intervalo considerado,
esto es lo que sucede con esta funcin de Runge, que pareca al principio bastante inofensiva. En las guras
siguiente se demuestra este comportamiento.
18
19
Pn (x) = a0 + a1 (x=x0 ) + a2 (x=x0 )(x=x1 ) + a3 (x=x0 )(x=x1 )(x=x2 ) + ... + an (x=x0 )(x=x1 )........(x=xn=1 )
con constantes apropiadas a0 , a1 , a2 , ..., an
f (x1 )f (x0 )
x1 x0
f [x0 ] = f (x0 ),
f [x0 , x1 ] =
f [x1 ]f [x0 ]
,
x1 x0
f [x1 , x2 ] =
f [x2 ]f [x1 ]
,....,f [xi , xi+1 ]
x2 x1
f [xi+1 ]f [xi ]
xi+1 xi
f [x0 , x1 , x2 ] =
f [x2 , x3 , x4 ] =
han sido determinadas, la k-sima diferencia dividida de f relativa a xi , xi+1 , xi+2 , ...., xi+k , est dada por:
20
a1 =
f (x1 )f (x0 )
x1 x0
Pn (x) = a0 + a1 (x=x0 ) + a2 (x=x0 )(x=x1 ) + a3 (x=x0 )(x=x1 )(x=x2 ) + ... + an (x=x0 )(x=x1 )........(x=xn=1 )
Pn (x) = f [x0 ] + f [x0 , x1 ](x=x0 ) + f [x0 , x1 , x2 ](x=x0 )(x=x1 ) + f [x0 , x1 , x2 , x3 ](x=x0 )(x=x1 )(x=x2 ) + ... +
f [x0 , x1 , x2 , x3 , x4 ] =
f [x1 ,x2 ,x3, x4 ]f [x0 ,x1 ,x2 ,x3 ]
x4 x0
Ejemplo 4:
Dada la tabla del ejemplo 1 , encontrar los coecientes de la frmula de las diferencias divididas progresivas
del polinomio interpolante de Newton y aproximar f (1.5) .
Solucin:
1. Mediante software se contruye la tabla de diferencias divididas de orden 4 . Ver gura 23.
Figure 23:
2. Como se puede observar los coecientes se encuentran a lo largo de la diagonal de la tabla, por lo tanto:
P4 (x) = 0.7651977 0.4837057(x 1.0) 0.1087339(x 1.0)(x 1.3) + 0.06606358(x 1.0)(x 1.3)(x
1.6) + 0.0012078(x 1.0)(x 1.3)(x 1.6)(x 1.9)
3. Aproximacin de f (1, 5):
P4 (1, 5) = 0, 5117878934
21