Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PARTE DOS
RAÍCES
DE
ECUACIONES
FUNDAMENTOS DE ANALISIS NUMERICOS
II. 1 MOTIVACIÓN
− b ± b 2 − 4ac
x= [II.1]
2a
Para resolver:
f ( x) = ax 2 + bx + c = 0 [II.2]
A los valores calculados con la ecuación (II.1) se les llama “raíces” de la ecuación (II.2).
Estos representan los valores de x que hacen que la ecuación (II.2) igual a cero. Por lo
tanto, se puede definir la raíz de una ecuación como el valor de x que hace f(x) = 0. Por
esta razón algunas veces a las raíces se les conoce como ceros de la ecuación .
Aunque la forma cuadrática es útil para la resolver la ecuación (II.2), hay muchas
funciones diferentes que no se pueden resolver de manera tan fácil. En estos casos, los
métodos numéricos descritos en el capitulo 4 y 5 proporciona medios eficientes para
obtener la respuesta.
Antes del advenimiento de las computadoras digitales, había una serie métodos para
encontrar las raíces de las ecuaciones algebraicas o trascendentales. Para algunos
casos, las raíces se podían obtener por métodos directos. Como se hace con la ecuación
(II.1). Aunque había ecuaciones, como esta que se podían resolver directamente, habían
muchas otras que no lo eran, por ejemplo, hasta una función aparentemente simple tal
como f(x) = e-x – x no se puede resolver analíticamente. En estos casos, la única
alternativa es una técnica de solución aproximada.
mejor estimación de la raíz. El proceso se repite hasta que se obtenga un valor que
genere una f(x) cercana a cero.
Estos métodos fortuitos, obviamente son ineficientes e inadecuados para las exigencias
en la práctica de la ingeniería. Las técnicas descritas en la parte III representan
alternativas que no sólo aproximan sino emplean estrategias sistemáticas para
encaminarse a la raíz verdadera. Además, se adaptan idealmente a la implementación en
computadoras personales. Tal como se presenta en las páginas siguientes, la
combinación de estos métodos sistemáticos con la computadora hace de la solución de la
mayor parte de los problemas sobre raíces de ecuaciones una tarea simple y eficiente.
v=
gm
c
[
1 − e −(c / m) ] [11.3]
Sin embargo, supóngase que se tiene que determinar el coeficiente de rozamiento para
un paracaidista de una masa dada, para alcanzar una velocidad prescrita en un periodo
dado de tiempo.
despejar c de un lado del signo igual. En estos casos, se dice que c es implícita.
La solución del dilema las proporcionan los métodos numéricos para raíces de
ecuaciones. Para resolver el problema usando métodos numéricos es conveniente
cambiar la ecuación (11.3). Esto se hace restando lo variable dependiente v de ambos
lados de la ecuación, obteniendo:
f (c ) =
gm
c
[ ]
1 − e −( c / m ) − v [II.4]
Por lo tanto, el valor de c que cumple f(c) = 0, es la raíz de la ecuación. Este valor también
representa el coeficiente de rozamiento que soluciona el problema de diseño.
La parte II de este libro analiza una gran variedad de métodos numéricos y gráficos para
determinar raíces de relaciones tales como la ecuación (II.4). Estas técnicas se pueden
aplicar a los problemas de diseño en ingeniería basados en ¡os principios fundamentales
delineados en el cuadro II.1 así como tantos otros problemas que se afrontan
frecuentemente en la práctica de la ingeniería.
En la mayor parte de las áreas mencionadas en este libro, en general existen algunos
prerrequisitos de fundamentos matemáticos necesarios para conocer a fondo el tema. Por
ejemplo, los conceptos de estimaciones de errores y la expansión en serie de Taylor,
analizadas en el capítulo 3, tienen importancia directa en el análisis de raíces de
ecuaciones. Adicionalmente, antes de este punto se mencionaron los términos de
ecuaciones "algebraicos" y "trascendentales". Puede resultar útil definir formalmente estos
términos y discutir como se relacionan con esta parte del libro.
Por definición, una función dada por y = f (x) es algebraica si se puede expresar de la
siguiente manera:
f n y n + f n −1 y n −1 + ⋅ ⋅ ⋅ + f 1 y + f 0 = 0 [II.5]
FUNDAMENTOS DE ANALISIS NUMERICOS
Donde las f son polinomios en x. Los polinomios son un caso simple de funciones
algebraicas que se representan generalmente como:
f ( x ) = a 0 + a1 x + ⋅ ⋅ ⋅ + a n x n [II.6]
Las raíces de las ecuaciones pueden ser reales o complejas. Un ejemplo simple de raíces
complejas es el caso para el cual el término b2-4ac de la ecuación (II.1) es negativo. Por
ejemplo, dado el polinomio de segundo orden:
La ecuación (II.1) se puede usar para determinar que las raíces son:
16 ± (−16) 2 − 4(4)17 16 ± − 16
x= =
2( 4) 8
1
x = 2+ i
2
Aunque hay algunos casos donde las raíces complejas de las funciones no polinomiales
son de interés, ésta situación es menos común que para polinomios. Por lo tanto, los
métodos estándar para encontrar raíces, en general caen en dos áreas de problemas
FUNDAMENTOS DE ANALISIS NUMERICOS
Este libro está enfocado al área del primer caso. Los métodos diseñados expresamente
para polinomios no se analizan ya que van más allá del alcance de este libro. Sin
embargo, en el epílogo al final de la parte II se recomiendan algunas referencias para
estas técnicas.
II.3 ORIENTACIÓN
Antes de proceder con los métodos numéricos para determinar raíces de ecuaciones,
será útil dar algunas orientaciones. El siguiente material es una introducción a los temas
de la parte II. Además, se han incluido algunos objetivos que orientarán al lector en sus
esfuerzos al estudiar el material.
Después de esta introducción, el capítulo 4 desarrolla los métodos que usan intervalos
para encontrar raíces. Estos métodos empiezan con suposiciones que encierran o que
contienen a la raíz y reducen sistemáticamente el ancho del intervalo. Se cubren dos
métodos: el de bisección y el de la regla falsa. Los métodos gráficos proporcionan
conocimiento visual de las técnicas. Se desarrollan formulaciones especiales paro ayudar
a determinar cuanto esfuerzo computacional se requiere para estimar la raíz hasta un
nivel de precisión previamente especificado.
Figura II.1 esquema de la organización del material del parte II: Raíces de las ecuaciones
Se incluye un epílogo al final de la parte II. Éste contiene una comparación detallada de
los métodos discutidos en los capítulos 4 y 5. Esta comparación incluye una descripción
de los elementos de juicio relacionados con el uso correcto de cada técnica. En esta
FUNDAMENTOS DE ANALISIS NUMERICOS
Los programas opcionales son legibles para el usuario. Incluye método de la bisección
para determinar las raíces reales de las ecuaciones algebraicas y trascendentales. Las
gráficas asociadas con NUMERICOMP le facilitarán al lector visualizar el comportamiento
de la función en análisis. Los programas se pueden usar para determinar
convenientemente las raíces de las ecuaciones a cualquier grado de precisión. Es fácil de
aplicar NUMERICOMP para resolver muchos problemas prácticos y se puede usar para
verificar los resultados de cualquier programa que el usuario desarrolle por sí mismo.
Raphson y de la secante, que en general son más eficientes que el método de bisección.
CAPÍTULO CUATRO
MÉTODOS
QUE
USAN
INTERVALOS
FUNDAMENTOS DE ANALISIS NUMERICOS
En este capítulo sobre raíces de ecuaciones se analizan los métodos que aprovechan el
hecho de que una función, típicamente, cambia de signo en la vecindad de una raíz, A
estas técnicas se les llama métodos que usan intervalos porque se necesita de dos
valores iniciales para la raíz. Como su nombre lo indica, estos valores deben "encerrar" o
estar uno de cada lado de la raíz. Los métodos particulares descritos sobre este punto
emplean diferentes estrategias para reducir sistemáticamente el tamaño del intervalo y
así, converger a la respuesta correcta.
Como preámbulo de estas técnicas, se discutirán los métodos gráficos para graficar
funciones y sus raíces. Además de la utilidad de los métodos gráficos para determinar
valores iniciales, también son útiles para visualizar las propiedades de las funciones y el
comportamiento de los métodos numéricos,
Un método simple para obtener una aproximación a la raíz de la ecuación f(x) =0 consiste
en granear la función y observar en donde cruza el eje x. Este punto, que representa el
valor de x para el cual / (x) = 0. Proporciona una aproximación inicial de la raíz.
EJEMPLO 4.1
Métodos gráficos
Enunciado del problema: empléense gráficas para obtener una raíz aproximada de la
función f(x) = e-x - x
x f(x)
0.0 1.000
0.2 0.619
0.4 0.270
0.6 -0.051
0.8 -0.351
1.0 -0.632
Estos puntos se muestran en la gráfica de la figura 4.1. La curva resultante cruza al eje x
entre 0.5 y 0.6. Un vistazo a la gráfica proporciona una aproximada estimación de la raíz
de 0.57, que se acerca a la raíz exacta de 0.567 143 28…, que se debe determinar con
métodos numéricos. La validez de la estimación visual se puede verificar sustituyendo su
valor en la ecuación original para obtener:
FUNDAMENTOS DE ANALISIS NUMERICOS
Las técnicas gráficas tienen un valor práctico limitado ya que no son precisas. Sin
embargo, los métodos gráficos se pueden usar para obtener aproximaciones de la raíz.
Estas aproximaciones se pueden emplear como valores iniciales para tos métodos
numéricos analizados en este capítulo y en el siguiente- Por ejemplo, los programas de
NÜMERICOMP que acompañan este texto le permiten graficar funciones sobre un rango
específico, Esta gráfica puede hacerse seleccionando un par d valores iniciales de un
intervalo donde está contenida la raíz antes de implementar el método numérico. 1-a
posibilidad de graficar aumenta considerablemente la utilidad de los programas.
EJEMPLO 4.2
Uso de gráficas por computadora para localizar raíces
FIGURA 4.2 Ilustración de las
formas que puede tener una
raíz en un intervalo prescrito
Enunciado del problema: las gráficas por computadora
por los límites inferior, x1 y pueden informar y acelerar los esfuerzos para localizar raíces
superior Xy. Los incisos a) y b) de una función. Este ejemplo se desarrolló usando los
indican que si f(x1) y f(xu) programas de NÜMERICOMP disponibles con el texto. Sin
tienen el mismo signo,
embargo, de esta manera es posible entender como la
entonces no habrá raíces
dentro del intervalo o habrá un graficación por computadora ayuda a localizar raíces.
número par de ellas. Los
incisos c) y d) indican que si La función:
f(x1) y f(xu) tienen signos
opuestos en los extremos,
entonces habrá un numero
f ( x) = sin 10 x + cos 3 x
impar de raíces dentro del
intervalo.
FUNDAMENTOS DE ANALISIS NUMERICOS
Solución: Como se ilustro en el ejemplo 2.1 se puede usar NUMERICOMP para graficar
funciones. En la figura 4.4a se muestra la grafica de f(x) desde x = - 5 hasta x = 5. La
grafica muestra la existencia de varias raíces, incluyendo posiblemente una doble
alrededor de x = 4.2 en donde f(x) parece ser tangente al eje x. Se obtiene una
descripción más detallada del comportamiento de f(x) cambiando el rango de graficación
desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmente, en la figura 4.4c,
se acorta la escala vertical a f(x) = -0.15 y f(x) = 0.15 y la horizontal a x = 4.2 y x = 4.3-
Esta gráfica muestra claramente que no existe una raíz en esta región y que, en efecto,
hay dos raíces diferentes alrededor de x = 4.229 y x = 4.264.
Las gráficas por computadora tienen gran utilidad en el estudio de los métodos numéricos.
Esta habilidad también puede aplicarse en otras materias así como en las actividades
profesionales.
Cuando se aplicaron las técnicas gráficas, en el ejemplo 4.1, se observó (Fig. 4.1) que f(x)
cambió de signo hacia ambos lados de la raíz. En general, si} (x) es real y continua en el
intervalo de x1 y xu y f(x1) y f(xu) tienen signos opuestos, esto es,
Paso 1: Expóngase los valores iniciales de x1 y xu de forma tal que la función cambies de
signo sobre el intervalo. Esto se puede verificar asegurándose de que f(x1) y f(xu) < 0.
Paso 2: La primera aproximación a la raíz x, se determina como:
xi + xu
xr =
x
Paso 3: Realice las siguientes evaluaciones determínese en que subintervalo cae la raíz:
a) f(x1)f(xr) < 0, entonces la raíz se encuentra dentro del primer subintervalo.
Por lo tanto resuelve xu = xr y continúese con el paso 4.
b) f(x1)f(xr) > 0, entonces la raíz se encuentra dentro del segundo
subintervalo. Por lo tanto resuelve x1 = xr y continúese con el paso 4.
c) f(x1)f(xr) = 0, entonces la raíz se igual a x1 y se terminan los cálculos.
Paso 4: Calcule una nueva aproximación a la raíz mediante:
xi + xu
xr =
x
Paso 5: Decídase si la nueva aproximación es tan exacta como se desea. Si es así,
entonces los cálculos terminan, de otra manera regrese al paso 3.
Fig. 4.5 Algoritmo de Bisección
situándola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo.
El proceso se repite hasta obtener una mejor aproximación. La figura 4.5 muestra un
algoritmo para la bisección y en la figura 4.6 se muestra un bosquejo gráfico del método.
EJEMPLO 4.3
Bisección
0 +1
xr = = 0 .5
2
Esta estimación representa un error de (el valor exacto es 0.567 143 29. . .)
0.06714329
εν = 100% = 11.8%
0.56714329
Donde el subíndice v indica que el error es con respecto a! verdadero. Ahora se calcula:
Que es mayor de cero, y por consiguiente no hay cambio de signo entre x1 y xr. Y por lo
tanto, la raíz se encuentra dentro del intervalo y = 0.5 y x = 1. E! límite inferior se redefine
como x1 = 0,5, y la aproximación a la raíz en la segunda iteración se calcula como;
0 .5 + 1
xr = = 0.75 ε ν = 32.2%
2
El proceso se puede repetir para obtener aproximaciones más exactas. Por ejemplo, la
tercera iteración es:
Xu = 0.75
0.5 + .75
xr = = 0.625 ε ν = 10.2%
2
Xu = 0.625
0.5 + .0.625
xr = = 0.5625 ε ν = 0.819%
2
El método se puede repetir para alcanzar mejores estimaciones. La figura 4.6 muestra
una gráfica de las primeras tres iteraciones.
FUNDAMENTOS DE ANALISIS NUMERICOS
En el ejemplo anterior, se puede observar que el error real no disminuye con cada
iteración. Sin embargo, el intervalo dentro del cual se localiza la raíz se divide a la mitad
en cada paso del proceso. Como se estudiará en la próxima sección, la longitud del
intervalo proporciona una aproximación exacta del límite superior del error en el método
de bisección.
El ejemplo 4.3 finaliza con la opción de repetir el método para obtener una aproximación
más exacta de la raíz. Ahora se debe desarrollar un criterio objetivo para decidir cuando
debe terminar el método.
Una sugerencia inicial puede ser que terminen los cálculos cuando el error se encuentre
por debajo de algún nivel prefijado. Se puede ver en el ejemplo 4.3, que el error relativo
bajó de un 11.8 a un 4.69% durante los cálculos. Puede decidirse que el método termine
cuando se alcance un error más bajo, por ejemplo del 0.1%. Esta estrategia es
inconveniente ya que la estimación del error en el ejemplo anterior se basó en el
conocimiento del valor exacto de la raíz de la función. Este no es el caso de una situación
real ya que no habría motivo para usar el método si ya se supiese la raíz.
Por lo tanto, se requiere estimar el error de manera tal que no incluya el conocimiento
previo de la raíz. De manera análoga ha como se ve en la sección 3.3, se puede calcular
e! error relativo aproximado Ea de la siguiente manera [recuérdese la ecuación (3.5)]:
x rnueva − x ranterior
εa = 100% [4.2]
x rnueva
EJEMPLO 4.4
Estimación del error para el método de la bisección
Enunciado de! problema: úsese la ecuación (4.2) para estimar el error de las iteraciones
del ejemplo 4.3.
Solución: Las primeras dos estimaciones de la raíz en el ejemplo 4.3 fueron 0.5 y 0.75.
Sustituyendo estos valores en la ecuación (4.2) se obtiene:
FUNDAMENTOS DE ANALISIS NUMERICOS
0.75 − 0.5
εa = 100% = 33.3%
0.75
Recuérdese que el error exacto para la raíz estimada de 0.75 es del 32.2%. De esta
manera, Ea es mayor que Ev. Este comportamiento se muestra en las otras iteraciones
Estos resultados, junto con los de las iteraciones subsiguientes se resumen en la figura
4.7- La naturaleza "desigual" del error real se debe a que para el método de la bisección
FUNDAMENTOS DE ANALISIS NUMERICOS
la raíz exacta se encuentra en cualquier lugar dentro del intervalo. Los errores verdadero
y aproximado son casi iguales cuando el intervalo está centrado sobre la raíz. Cuando la
raíz se encuentra cerca de un extremo del intervalo, entonces los errores son muy
diferentes.
Aunque el error aproximado no proporciona una estimación exacta del error verdadero, la
figura 4.7 sugiere que Ea capta la dirección descendente de Eu. Además, la gráfica
muestra una característica muy interesante; que en siempre es mayor que Ev. Por lo tanto,
cuando Es es menor que Ea los cálculos se pueden terminar con la confianza de saber
que la raíz es al menos tan exacta como el nivel específico prefijado.
Xr = 0,562 5 ± 0.062 5
FIGURA 4.8 Tres formas diferentes en que un intervalo puede agrupar a la raíz.
En a) el valor verdadero cae en el centro del intervalo, mientras que en b) y c) el
valor se acerca a uno de los extremos. Nótese que la diferencia entre el valor
verdadero y el punto medio del intervalo jamás sobrepasa lo longitud media del
intervalo, o ∆x/2.
FUNDAMENTOS DE ANALISIS NUMERICOS
Debido a que ∆x/2 = xnueva 4 - xanterior (Fig. 4.9), la ecuación (4.2) proporciona un límite
superior exacto sobre el error real. Para que se rebase este límite, la raíz real tendría que
caer fuera del intervalo que la contiene, lo cual, por definición jamás ocurrirá en el método
de bisección. El ejemplo 4.7 muestra otras técnicas de localización de raíces que no
siempre se portan tan eficientes. Aunque el método de bisección, en general es más lento
que otros métodos, la elegancia del análisis de error, ciertamente es un aspecto positivo
que puede hacerlo atractivo para ciertas aplicaciones de la ingeniería.
El programa de la figura 4.10 no es muy legible para el usuario; está diseñado únicamente
para calcular la respuesta, el usuario debe hacerlo más fácil de usar y de entender.
Dentro del paquete de NUMERICOMP asociado con este texto se proporciona un ejemplo
de un programa legible al usuario para encontrar raíces de ecuaciones. El siguiente
ejemplo muestra el uso de NUMERICOMP para encontrar raíces. También proporciona
una buena referencia para valorar y examinar los programas del usuario.
FUNDAMENTOS DE ANALISIS NUMERICOS
EJEMPLO 4.5
Localización de raíces usando la computadora
Se puede usar este programa para resolver un problema de diseño asociado con el
ejemplo del paracaidista analizado en el capítulo I. Como se recordará, la velocidad del
paracaidista está dada, en función del tiempo, de la siguiente manera:
u (t ) =
gm
c
[
1 − e − (c / m )t ] [E4.5.1]
que se desea que la velocidad del paracaidista alcance un valor de 4 000 cm/s después
de 7 s. De esta manera, se debe determinar un valor de c tai que:
0 = f (c ) =
gm
c
[ ]
1 − e − (c / m )t − v [E4.5.2]
Para confirmar los resultados. Si la exactitud que se requiere no se hubiera alcanzado con
el número especificado de iteraciones, entonces el algoritmo habría terminado después de
30 iteraciones.
Estos resultados están basados en el algoritmo simple del método de BISECCIÓN con el
FUNDAMENTOS DE ANALISIS NUMERICOS
Con el uso de triángulos semejantes (Fig. 4.12), la intersección de la línea recta y el eje x
se puede calcular de la siguiente manera:
f ( xl ) f ( xu )
= [4.3]
x r − xl xr − xu
RECUADRO 4.1 Derivación del método de la regla sumando y restando Xu del lado derecho:
falsa
f ( xl ) xu f ( xu ) xl
x r = xu + − xu −
Multiplicando en cruz la ecuación (4.3) se obtiene:
f ( xl ) − f ( xu ) f ( xl ) − f ( xu )
f ( x u )( x l − x u )
xr[ f ( xl ) − f ( xu )] = x u f ( x l ) − x l f ( x u ) x r = xu −
f ( xl ) − f ( xu )
f ( x u )( x l − x u )
x r = xu −
f ( xl ) − f ( xu )
Esta es la fórmula de la regla falsa. El valor de xr, calculado con la ecuación (4.4),
reemplaza a uno de los dos valores, xl; o a xu que produzca un valor de la función que
tenga el mismo signo de f(xr.). De esta manera, los valores xr y xu siempre encierran a la
raíz. El proceso se repite hasta que la aproximación a la raíz sea adecuada- El algoritmo
es idéntico al de la bisección (Fig. 4.6) con la excepción de que la ecuación (4.4) se usa
en los pasos 2 y 4. Además, se usan los mismos criterios de paro [(Ec. (4.2)] para detener
los cálculos.
EJEMPLO 4.6
Regla falsa
Enunciado del problema: úsese el método de la regla falsa para determinar la raíz de f(x)
= ex — x. La respuesta correcta es 0.567 143 29.
FUNDAMENTOS DE ANALISIS NUMERICOS
Solución: como en el ejemplo 4.3, iníciense los cálculos con los valores iniciales xl=0 y
xu=1.
Primera iteración:
x l = 0 f ( x) = 1
x u = 1 f ( x u ) = −0.63212
− 0.63212(0 − 1)
xr = 1 − = 0.6127
1 − (−0.63212)
0.56714329 − 0.6127
εν = 100% = 8.0%
0.56714329
Segunda iteración:
f ( xl ) f ( xu ) = 0.0708
Por lo tanto, la raíz se encuentra dentro del primer subintervalo y xr se puede convertir en
el limite superior de la siguiente iteración, xu = 0.6127.
xl = 0 f ( x) = 1
x u = 0.6127 f ( x u ) = −0.0708
− 0.070(0 − 0.6127)
x r = 0.6127 − = 0.51219 ε ν = 0.89%
1 − (−0.0708)
0.57219 − 0.6127
εν = 100% = 7.08%
0.57219
Puede emitirse una opinión mas completa sobre la eficiencia relativa de los métodos de
bisección y de la regla falsa al observar la figura 4.13 que muestra la grafica del error
relativo porcentual de los ejemplos 4.3 y 4.6. Nótese como el error decrece mucho mas
rápidamente para el método de la regla falsa que para el de bisecciones ya que el primero
es un esquema más eficiente para la localización de raíces.
FUNDAMENTOS DE ANALISIS NUMERICOS
Aunque el método de la regla falsa pareciera siempre ser el mejor de los que usan
intervalos, hay casos donde funciona deficientemente. En efecto, como en el ejemplo
FUNDAMENTOS DE ANALISIS NUMERICOS
Enunciado del problema: úsense los métodos de bisección y de la regla falsa localizar la
raíz de:
f ( x) = x10 − 1
Entre x = 0 y x = 1.3
De esta manera, después de cinco iteraciones. El error verdadero se reduce a menos del
2%. Con la regla falsa se obtiene un esquema muy diferente.
10
Figura 4.14 Grafica de la función f(x) = x -1,
ilustración de la convergencia lenta del método
de la regla falsa.
que las raíces muy cercanas entre sí pasen desapercibidas (Fig. 4.15). El problema se
combina con la posible existencia de raíces múltiples. Un remedio parcial para estos
casos en calcular la primera derivada de la función f’(x) en los extremos del intervalo. Si la
derivada cambia de signo, entonces puede existir un máximo o un mínimo en ese
intervalo, lo que sugiere una búsqueda más minuciosa para detectar la posibilidad de una
raíz.
PROBLEMAS
Cálculos a mano
Gráficamente
a) Gráficamente
b) Usando bisección para localizar la raíz más pequeña. Empléense como valores
iniciales xl = 0.4 y Xu = 0.6 e itérese hasta que el error estimado εa se encuentre
abajo de e, = 4%
a) Gráficamente
b) Usando bisección para determinar la raíz más alta para e, — 1 %. Empléese
como valores iniciales x, = 4.5 y Xy " 5.
c) Realícense los mismos cálculos de b) pero usando el método de la regla falsa.
a) Gráficamente
b) Usando el método de la regla falsa con un valor de (, correspondiente 3 tres
cifras significativas para determinar la raíz más baja.
4.5 Localícese la primer raíz diferente de cero de tan x = 1.1. x donde x está en radianes.
Úsese una técnica gráfica y bisección con valores iniciales 0.1 y 0-6- Realícense los
cálculos hasta que εv sea menor del e; = 10%. Verifíquense también tos errores
sustituyendo la respuesta final en la ecuación original.
a) Gráficamente
b) Usando el método de bisección con tres iteraciones y valores iniciales xi = 1 y x,
= 2.
c) Usando el método de la regla falsa con tres iteraciones y los mismos valores
iniciales del inciso anterior.
FUNDAMENTOS DE ANALISIS NUMERICOS
1 − 0 .6 x
f ( x) =
x
a) Analíticamente
b) Gráficamente
c) Usando el método de la regla falsa con tres iteraciones y valores iniciales de 1.5
y de 2,0. Calcúlese el error aproximado εa y el error verdadero εv después de
cada iteración.
4.8 Encuéntrese la raíz cuadrada positiva de 10 usando el método de la regla falsa con εs
= 0.5 %. Empléense los valores iniciales de xl = 3 y xu = 3.2.
4.9 Encuéntrese la raíz positiva más pequeña de la función (x está dada en radianes):
x2 sen x •= 4
Usando el método de la regla falsa. Para localizar la región en que cae la raíz, primero
grafíquese la función para valores de x entre O y 4. Realícense los cálculos hasta que εa
haga que se cumpla e, = 1 %. Verifíquese la respuesta final sustituyéndola en la función
original.
Usando el método de la regla falsa- Úsese una gráfica para determinar los valores
iniciales y realizar los cálculos con εs = 0.1 %.
f(x) = x3 - 100
a) Analíticamente
b) Con el método de la regla falsa con εs = 0,1 %.
gm
v= [1 − e − ( c / m )t ]
c
FUNDAMENTOS DE ANALISIS NUMERICOS
4.13 Vuélvase a programar la figura 4.10 de forma tal que sea más legible al usuario.
Entre otras cosas:
4.14 Pruébese el programa del problema 4.13 duplicando los cálculos del ejemplo 4.3
4.15 Úsese el programa del problema 4.13 para repetir desde el problema 4.1 al 4.6.
4.16 Repítanse los problemas 4.14 y 4.15 usando los programas de NUMERICOMP
disponibles con el texto. Úsense las capacidades gráficas de este programa para verificar
los resultados.
4.17 Úsense los programas de NUMERICOMP para encontrar las raíces reales de dos
funciones polinomiales cualesquiera, Grafíquense las funciones sobre un rango definido
para obtener los límites inferior y superior de las raíces.
4.19 En este problema se usan solamente las capacidades gráficas de los programas
NUMERICOMP disponibles con el texto. Los programas trazan la función sobre intervalos
más y más pequeños para incrementar la cantidad de cifras significativas que se quiera
estimar una raíz. Empiécese con f(x) = e-x sen (10 x}. Grafíquese la función con un rango
a escala completa desde x = O hasta x = 2,5, Estímese la raíz. Trácese nuevamente la
función sobre el rango x = 0.5 a x = 1.0, Estímese la raíz. Finalmente, grafíquese la
función sobre un rango de 0.6 a 0.7, Esto permite estimar la raíz con dos cifras
significativas.
4.20 Desarróllese un programa legible al usuario para el método de la regla falsa basado
en la sección 4.3.2. Pruébese el programa con el ejemplo 4.6.
FUNDAMENTOS DE ANALISIS NUMERICOS
4.21 Úsese el programa del problema 4.20 para probar los cálculos del ejemplo 4.7-
Realícense corridas de 5, 10. 15 y más iteraciones hasta que el error relativo porcentual
sea menor del 0,1%, Grafíquense los errores relativos porcentuales aproximados contra el
número de iteraciones sobre papel semilogarítmico. Interprétense los resultados.
FUNDAMENTOS DE ANALISIS NUMERICOS
CAPÍTULO CINCO
MÉTODOS
ABIERTOS
FUNDAMENTOS DE ANALISIS NUMERICOS
En los métodos del capítulo anterior que usan intervalos, la raíz se encuentra dentro del
mismo, dado por un límite inferior y otro superior. La aplicación repetida de estos métodos
siempre genera aproximaciones más y más cercanas a la raíz. A tales métodos se les
conoce como convergentes ya que se acercan progresivamente a la raíz a medida que
crece el número de iteraciones (Fig. 5.1a).
En contraste con éstos, los métodos abiertos que se describen en este capítulo, se basan
en fórmulas que requieren de un solo valor x o de un par de ellos pero que no
necesariamente encierran a la raíz. Como tales, algunas veces divergen o se alejan de la
raíz a medida que crece el número de iteraciones (Fig. 5.1b). Sin embargo, cuando los
métodos abiertos convergen (Fig. 5.1c), en general lo hacen mucho más rápido que los
métodos que usan intervalos. Se empieza el análisis de los métodos abiertos con una
versión simple que es útil para ilustrar su forma general y también para demostrar el
concepto de convergencia,
Como se mencionó anteriormente, los métodos abiertos emplean una fórmula que predice
una aproximación a la raíz. Tal fórmula se puede desarrollar para la iteración de punto fijo,
rearreglando la ecuación /(x) ^O de tal forma que x quede del lado izquierdo de la
ecuación:
x = g(x) [5.1]
x2 - 2x + 3 = 0
x2 + 3
x=
2
x = sen x + x
La utilidad de la ecuación (5.1) es que proporciona una fórmula para predecir un valor de
x en función de x. De esta manera, dada una aproximación inicial a la raíz, xi, la ecuación
(5.1) se puede usar para obtener una nueva aproximación x,+i, expresada por la fórmula
iterativa:
Como con otras fórmulas iterativas del libro, el error aproximado de esta ecuación se
puede calcular usando el estimador de error [Ec. (3.5)]:
x i +1 − x i
εa = 100%
x i +1
EJEMPLO 5.1
Iteración de punto fijo
Enunciado del problema: úsese iteración de punto fijo para localizar la raíz de f(x) = e-x-x.
De esta manera, cada iteración acerca cada vez más al valor estimado con el valor
verdadero de la raíz, o sea 0.567 143 29.
RECUADRO 5.1
Convergencia de la iteración de punto fijo
Al analizar la figura 5.3, se debe notar que la El lado derecho de esta ecuación es la
iteración de punto fijo converge si en la región pendiente de la línea que une a g(a) y g(b).De
de interés g'(x) < 1. En otras palabras, la esta manera, el teorema del valor medio dice
convergencia ocurre si la magnitud de la que hay al menos un punto entre a y b que
pendiente de g(x) es menor que la pendiente tiene una pendiente, denotada por g(ξ), que es
de la línea f(x)= x. Esta observación se puede paralela a la línea que une g(a) con g(b) (Fig.
demostrar teóricamente. Recuérdese que la 3.5).
ecuación aproximada es: Ahora, si se hace o = x,'y b == x, el lado
derecho de la ecuación (B5.1.2) se puede
xi+1 = g(xi) expresar como:
Xr = g(xr)
Donde ξ se encuentra en alguna parte dentro
de xi y xr. Este resultado se puede sustituir en
Restando estas dos ecuaciones se obtiene:
la ecuación (B5.1.2) para obtener:
g (b) − g (a )
g ' (ξ ) = [B5.1.2] E t ,i +1 = g ' (ξ ) E t ,i
b−a
Por consiguiente, si g’(ξ) < 1, entonces los
FUNDAMENTOS DE ANALISIS NUMERICOS
5.1.1 Convergencia
Nótese que el error relativo exacto en cada iteración del ejemplo 5,1 es casi proporcional
(por un factor de 0.5 a 0.6) al error de la iteración anterior. Esta propiedad, conocida como
convergencia lineal, es característica de la iteración de punto fijo. En el recuadro 5.1 se
presenta una base teórica para esta observación.
en:
f1(x) = f2(x)
y=f2(x) [5.4]
Se pueden graficar por separado (Fig. 5.2b). Los valores de x correspondientes a las
intersecciones de estas funciones representan las raíces de f(x) = 0.
EJEMPLO 5.2
El método gráfico de dos curvas
Solución: reformúlese la ecuación como y1=x y y2=e-x. Calcúlense los siguientes valores:
x y1 y2
0.0 0.0 1.000
0.2 0.2 0.819
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1.0 1.0 0.368
Estos puntos se grafican en la figura 5.2b. La intersección de las dos curvas indica una
aproximación de x == 0.57, que corresponde al punto donde la curva original en la figura
5.2a cruza al eje x.
El método de las dos curvas se puede usar ahora para ilustrar la convergencia y
divergencia de la iteración de punto fijo.
En el primer caso (Fig. 5.3a), el valor inicial xo se usa para determinar el punto
correspondiente a la curva y2 [X0, g(x0)]. El punto [xl , xl] se encuentra moviendo la curva y1
a la izquierda y horizontalmente. Estos movimientos son equivalentes a la primera
iteración del método de punto fijo:
x1=g(x0)
FUNDAMENTOS DE ANALISIS NUMERICOS
x1=g(x1)
Tal vez, dentro de las fórmulas para localizar raíces, la fórmula de Newton-Raphson (Fig.
5.5), sea la más ampliamente usada. Si el valor inicial de la raíces xi, entonces se puede
extender una tangente desde el punto [xi, f(xi)]. El punto donde esta tangente cruza al eje
x representa una aproximación mejorada a la raíz.
f ( xi )
f ' ( xi ) = [5.5]
f ' ( xi )
f ( xi )
f ' ( x i +1 ) = x i + [5.6]
f ' ( xi )
EJEMPLO 5.3
Método de Newton-Raphson
f(x)= -e-x- 1
Que se puede sustituir, junto con la función original en la ecuación (5.6) para dar:
e − xi − x i
x i +1 = x i −
− e − xi − 1
Empezando con el valor inicial xo = 0, se puede aplicar la ecuación iterativa para calcular:
Iteración i x |εv|%
0 0 100
1 0.500000000 11.8
2 0.566311003 0.147
3 0.567143165 0.0000220
4 0.567143290 <10-8
De esta manera, el planteamiento converge rápidamente a la raíz real. Nótese que el error
relativo en cada iteración decrece mucho más rápido que como lo hace la iteración de
punto fijo (compárese con el ejemplo 5.1).
Como con los otros métodos de localización de raíces, la ecuación (3,5) se puede usar
como un criterio de paro- Además, la derivación del método con la serie de Taylor
(recuadro 5.2) proporciona un conocimiento teórico relacionado con la velocidad de
convergencia expresado como: Ei+1=0(E1). De esta forma, el error debe ser casi
proporcional al cuadrado del error anterior. En otras palabras, el número de cifras
significativas se duplica aproximadamente en cada iteración. Este comportamiento se
examina en el siguiente ejemplo.
FUNDAMENTOS DE ANALISIS NUMERICOS
RECUADRO 5.2
Derivación y análisis del error del método de Newton-Raphson a partir de la serie de
Taylor
f ' ' (ξ )
f ( x i +1 ) = f ( x i ) + f ' ( xi )( x i +1 − x i ) + ( x i +1 − x i ) 2 [B5.2.1]
2
En donde ξ se encuentra en alguna parte del intervalo entre xi y xi+1. Truncando la serie
Taylor después de la primera derivada, se obtiene una versión aproximada:
f ( x i +1 ) ≅ f ( x i ) + f ' ( x i )( x i +1 − x i ) [B5.2.2]
f ( xi )
x i +1 = x i −
f ' ( xi )
f ' ' (ξ )
0 = f ( x i ) + f ' ( x i )( x r − x i ) + ( x r + xi ) 2 [B5.2.3]
2
f ' ' (ξ )
0 = f ' ( x i )( x r − x i ) + ( x r + xi ) 2 [B5.2.4]
2
FUNDAMENTOS DE ANALISIS NUMERICOS
Ahora, notando que el error es igual a la diferencia entre xi+1 y el valor de xr como en:
E v ,i +1 = x r − x i +1
f ' ' (ξ )
0 = f ' ' ( x i ) E v ,i +1 E v ,i +1 [B5.2.5]
2
De acuerdo ala ecuación (B5.2.6) el error es casi proporcional al cuadrado del error
anterior. Esto significa que el número de cifras decimales correctos se duplica
aproximadamente en cada iteración. A este comportamiento se le llama convergencia
cuadrática. El ejemplo 5.4 ilustra esta propiedad.
Ejemplo 5.4
Análisis de Error en el Método de Newton-Raphson
Examínese esta fórmula y véase si es aplicable a los resultados del ejemplo 5.3.
f’(x) = -e-x- 1
f’’(x)=e-x
0.56714329
E v ,i +1 ≅ E v ,i ó E v ,i +1 ≅ 0.18095 E v ,i
2 2
2(−1.56714329)
Del ejemplo 5.3, el error inicial fue de Et0= 0.567 143 29, que se puede sustituir en la
ecuación del error para obtener:
Que también se compara favorablemente con el error real de 0.000 832 3. En la tercera
iteración:
Ev,3 = 0.180 95(0.000 832 3}2 = 0.000 000 125
Que es exactamente el error obtenido en el ejemplo 5.3. La estimación del error mejora de
esta manera ya que está más cercano a la raíz, xi y ξ se aproximan mejor mediante xr
[recuérdese la suposición manejada al derivar la ecuación (B5.2.6) a partir de la ecuación
(B5.2.5), en el recuadro 5.2]. Finalmente:
EJEMPLO 5.5
Ejemplo de una función que converge lentamente con el método de Newton-Raphson
Enunciado del problema: determínese la raíz positiva de f(x) = x10 - 1 usando el método de
Newton-Raphson con un valor inicial de x = 0.5.
xi − 1
10
x i +1 = x i − 9
10 xi
Iteración xi
0 00.5
1 51.65
2 46.485
3 41.8365
4 37.65285
5 33.887565
La única solución en
estos casos es la de
tener un valor inicial
cercano a la raíz.
Este conocimiento,
de hecho, lo
proporciona el
conocimiento físico
de! problema o
mediante el uso de
herramientas tales
como las gráficas
que proporcionan
mayor claridad en el
comportamiento de
la solución. Esto
sugiere también que
se deben diseñar
programas
eficientes que
reconozcan la
convergencia lenta
o la divergencia. La
siguiente sección
está enfocada hacia
estos temas.
FUNDAMENTOS DE ANALISIS NUMERICOS
Con sólo sustituir la línea 130 de la figura 5.4, se obtiene el método de Newton-Raphson.
Nótese, sin embargo, que el programa se debe también modificar para calcular la
derivada. Esto se puede llevar a cabo simplemente incluyendo una función definida por el
usuario.
Además, de acuerdo a las discusiones anteriores sobre los problemas potenciales del
método de Newton-Raphson, el programa se debe modificar incorporándole algunos
rasgos adicionales:
f ( x i −1 ) − f ( x i )
f ' ( xi ) ≅
x i −1 − x i
f ( x i ) − f ( x i −1 − x)
x i +1 = x i − [5.7]
f ( x i −1 ) − f ( x i )
EJEMPLO 5.6
EL método de la secante
Enunciado del problema: úsese el método de la secante para calcular la raíz de f(x) = e-x-x
Empiécese con los valores iniciales de x-i = 0 y Xo = 1.0.
Primera iteración:
Segunda iteración:
x0 = 1 f(xo) = -0.632 12
xi = 0.612 70 f(xi) = -0.070 81
(Nótese que las dos aproximaciones se encuentran del mismo lado que la raíz.)
0.07081(10.61270)
x 2 = 0.61270 = 0.56384 ε v = 0.58%
− 0.63212 − (−0.07081)
FUNDAMENTOS DE ANALISIS NUMERICOS
Tercera iteración:
xi = 0.61270 f(x1) = -0.070 81
x2 = 0.563 84 f(x2) = 0.005 18
0.00518(0.61270 − 0.563)84
x 3 = 0.56384 − = 0.56717
− 0.07081 − (0.00518)
Nótese la similitud entre los métodos de la secante y de la regla falsa. Por ejemplo, las
ecuaciones (5.7) y (4.4) son idénticas término a término. Ambas usan dos estimaciones
iniciales, para calcular una aproximación a la pendiente de la función que se usa para
proyectar hacia el eje x una nueva aproximación a la raíz. Sin embargo, existe una
diferencia crítica entre ambos métodos y ésta estriba en la forma en que uno de los
valores iniciales se reemplaza por la nueva aproximación. Recuérdese que en el método
de la regla falsa, la última aproximación de la raíz reemplaza a aquel valor cuya función
tenía el mismo signo de /(x,). En consecuencia, las dos aproximaciones siempre encierran
a la raíz. Por lo tanto, en todos ¡os casos prácticos, el método siempre converge ya que la
raíz se encuentra dentro del interval0 En contraste el método de la secante reemplaza los
valores en una secuencia estricta, con el nuevo valor x,4,i se reemplaza a x, y x,
reemplaza a x;_i. Como resultado de esto, los dos valores pueden caer de un mismo lado
de la raíz. En algunos casos, esto puede provocar divergencia.
EJEMPLO 5.7
Comparación de la convergencia en los métodos de la secante y la regla falsa,
Enunciado del problema: úsense los métodos de la secante y de la regla falsa para
calcular la raíz de f(x) = ln x. Háganse los cálculos con los valores iniciales xl= xi-1. 0.5 y
xu= xi= 5.0.
Iteración xl xu xr
Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la raíz real = 1.
FUNDAMENTOS DE ANALISIS NUMERICOS
FIGURA 5.8
Comparación entre los
métodos de la regla
falsa y de lo secante.
Las primeras
iteraciones a) y b) de
ambos métodos son
idénticas. Sin
embargo, en las
segundas c) y d), los
puntos usados son
diferentes. En
consecuencia, el
método de la secante
puede divergir, como
lo muestra d).
Como con los otros métodos abiertos, se obtiene un programa del método de la secante
simplemente modificando la línea 110, de tal forma que se puedan introducir dos valores
iniciales y sustituyendo la ecuación (5.7) en la línea 130 de la figura 5.4.
Una raíz múltiple corresponde a un punto donde una función es tangencial al eje x. Por
ejemplo, dos raíces repetidas resultan de:
o, multiplicando términos,
FUNDAMENTOS DE ANALISIS NUMERICOS
f ( x) = x 3 − 5 x 2 + 7 x − 3 [5.9]
La ecuación tiene una raíz doble porque un valor de x anula dos términos de la ecuación
(5.8). Gráficamente, esto significa que la curva toca tangencialmente al eje x en la raíz
doble. Véase la figura 5.10a en x = 1. Nótese que la función toca al eje pero no lo cruza
en la raíz.
f ( x) = x 4 − 6 x 3 + 12 x 2 − 10 x + 3
Nótese que el esquema gráfico (Fig. 5. 10b) indica otra vez que
la función es tangencial al eje en la raíz pero que en este caso
sí cruza el eje. En general, la multiplicidad impar de raíces cruza
el eje, mientras que la multiplicidad par no lo cruza. Por
ejemplo, la raíz cuarta en la figura 5.10c no cruza el eje.
f ( xi )
x i +1 = x1 − m
f ' ( xi )
En donde m es la multiplicidad de la raíz (esto es, m = 2 para una raíz doble, m = 3 para
una raíz triple, etc.). De hecho, puede resultar insatisfactorio porque presupone el
conocimiento de la multiplicidad de las raíces.
Otra alternativa, también sugerida por Ralston y Rabinowitz (1978), es la de definir una
nueva función u(x), que es el cociente de la función y su derivada, esto es:
u( xi )
u ( x ) = x1 − [5.10]
u' ( xi )
Se puede demostrar que esta función tiene raíces en las mismas posiciones que la
función original. Por lo tanto, la ecuación (5.10) se puede sustituir en la ecuación (5.6) y
de esta forma desarrollar una forma alternativa del método de Newton-Raphson:
u( xi )
x i +1 = x i − [5.11]
u ' ( xi )
Se pueden sustituir las ecuaciones (5.10) y (5.12) en la ecuación (5.11) para obtener:
f ( xi ) f ' ( xi )
x i +1 = x i − [5.13]
[ f ' ( x i )]2 − f ( x i ) f ' ' ( x i )
FUNDAMENTOS DE ANALISIS NUMERICOS
EJEMPLO 5.8
Método de Newton-Raphson modificado para el cálculo de raíces múltiples.
Enunciado del problema; úsense los dos métodos, el estándar y el modificado de Newton-
Raphson para evaluar la raíz múltiple de la ecuación (5.9), con un valor inicial de XQ= 0.
Solución: la primera derivada de la ecuación (5.9) es f’(x) == 3x2 — 10x + 7, y por lo tanto,
el método de Newton-Raphson para este problema [Ec. (5.6)] es:
xi − 5xi + 7 xi − 3
3 2
x i +1 = x i −
3 x i − 10 x i + 7
2
i xi |εv|%
0 0 100.0
1 0.428571429 57.0
2 0.685714286 31.0
3 0.832865400 17.0
4 0.913328983 8.7
5 0.955783296 4.4
6 0.977655101 2.2
( x i − 5 x i + 7 x i − 3)(3 x i − 10 x i + 7)
3 2 2
x i +1 = x i
(3 x i − 10 x i + 7) 2 − ( x i − 5 x i + 7 x i − 3)(6 x i − 10)
2 3 2
I xi |εv|%
0 0 100.00000
1 1.105263158 11.00000
2 1.003081664 0.31000
3 1.000002382 0.00024
FUNDAMENTOS DE ANALISIS NUMERICOS
De esta forma, ambos métodos convergen rápidamente, siendo el método estándar más
eficiente.
u ( x i )( x i −1 − x i )
x i +1 = x i −
u ( x i −1 ) − u ( x i )
PROBLEMAS
Cálculos a mano
Empléese un valor inicial de x¡ = 3.1. Realícese los cálculos hasta que εa sea menor del
εs= 0.01%, También verifíquense los errores en la respuesta final.
a) Gráficamente
b) Usando el método de Newton-Raphson hasta qLie.c, = 0.01%.
5.3 Empléese el método de Newton-Raphson para determinar las raíces reales de f(x)=-
23.33 + 79.35x - 88,09x2 + 41.6x3 - 8,68x4 + 0.658x5
Usando el valor inicial de a) x,= 3,5; b) x= 4.0 y c) x,= 4,5, Pruébense y úsense los
métodos gráficos para explicar cualquier peculiaridad en los resultados.
a) Gráficamente
b) Usando el método de la secante, hasta un valor de εs correspondiente a tres cifras
significativas.
Donde x está dada en radianes. Úsese un método gráfico y después calcúlese tres
iteraciones con el método de Newton-Raphson con un valor inicial de xI=2.0 para calcular
la raíz. Repítanse los cálculos pero con un valor inicial de xi= 1.0. Úsese el método gráfico
para explicar los resultados,
5.7 Realícense los mismos cálculos del problema 5.6 pero usando el método de Newton-
Raphson, con un valor inicial de xi= 7.
1 − 0 .6 x
f ( x) =
2
Usando tres iteraciones y el método de la secante con valores iniciales xi-1 - 1.5 y xi= 2.0.
Calcúlese el error aproximado ^ después de la segunda y la tercera iteración.
f(x) = X3 – 100
Con el método de la secante, con εs,= 0.1%,
a) Gráficamente
b) Usando el método de bisección (dos iteraciones, xl= 2.5 y xu= 3.6).
c) Usando el método de la regla falsa (dos iteraciones, xl= 2.5 y xu= 3.6)
d) Usando el método de Newton-Raphson (dos iteraciones, xi= 3.6).
e) Usando el método de la secante (dos iteraciones, xi-1 = 2.5 y xi = 3.6).
5.12 Úsese el método de Newton-Raphson para determinar todas las raíces de:
a) Gráficamente
b) Usando el método de bisección (dos iteraciones, xl= 0.5 y xu= 1.1).
c) Usando el método de la regla falsa (dos iteraciones, xl= 0.5 y xu= 1.1).
d) Usando el método de Newton-Raphson (dos iteraciones, xl= 0.5).
e) Usando el método de la secante (dos iteraciones, xi-1= 0.5 y xi= 1.1).
a) Gráficamente
b) Usando el método disponible más eficiente. Empléense los valores iniciales de xl = xi-1
= 0.5 y xu = xi = 1.5 y realícense los cálculos hasta que εs = 15%
a) Gráficamente
b) Usando el método disponible más eficiente con s,= 0.1%
5.19 Úsese el programa desarrollado en el problema 5.18 y duplíquense los cálculos del
ejemplo 5.5, Determínese la raíz usando un valor inicial de x,= 0.5. Realícense 5, 10, 15 o
más iteraciones hasta que el error relativo porcentual exacto sea menor del 0.1%.
Grafíquense los errores relativos porcentuales exacto y aproximado contra el número de
iteraciones sobre pape! semilogarítmico, Interprétense ¡os resultados.
5.20 Úsese el programa desarrollado en el problema 5,18 para resolver los problemas 5-1
al 5-5. En todos los casos, realícense los cálculos dentro de la tolerancia de t,= 0.001%.
5.22 Úsese el programa desarrollado en e! problema 5,21 para resolver los problemas
5.6, 5.9 y 5.10. En todos los casos, realícense los cálculos dentro de la tolerancia de εS =
0.001%.
FUNDAMENTOS DE ANALISIS NUMERICOS
CAPÍTULO SEIS
RAÍCES
DE
ECUACIONES
FUNDAMENTOS DE ANALISIS NUMERICOS
Los siguientes casos de estudio son una muestra de aquellos que en forma rutinaria se
encuentran durante los estudios superiores o de licenciatura. Más aún, son problemas
representativos de aquéllos que se encontrarán en la vida profesional. Los problemas van
desde la ingeniería económica en general, hasta las especialidades de la misma: química,
civil, eléctrica y mecánica. Estos casos de estudio ilustran algunos de los factores de más
importancia entre las técnicas numéricas.
Por ejemplo, el coso 6.1 hace uso de todos los métodos, con excepción del método de
Newton-Raphson para analizar puntos de equilibrio que resulten económicos. El método
de Newton-Raphson no se usó porque la función en análisis es difícil de derivar. Entre
otras cosas, en el ejemplo se demuestra como puede divergir el método de la secante, si
el valor inicial no se encuentra lo suficientemente cerca de la raíz.
Los casos 6.3, 6.4 y 6.5 son problemas de ingeniería de diseño, tomados del área de civil,
eléctrica y mecánica. El caso 6.3 aplica tres métodos diferentes para determinar las raíces
de un modelo de crecimiento demográfico. En el caso 6-4, se realiza un análisis
semejante de un circuito eléctrico. Finalmente, el coso 6.5 analiza las vibraciones de un
automóvil. Además de analizar la eficiencia de cada uno de los métodos, este ejemplo
tiene una característica adicional, que es la de ilustrar cómo los métodos gráficos sirven
de ayuda en el proceso de localización de raíces.
económicos. Por lo tanto, a un ingeniero con experiencia deben serle familiares los
análisis de costos- El problema que se trata en esta sección se conoce como "problema
de puntos de equilibrio". Se usa para determinar el punto en el cual dos alternativas tienen
valores equivalentes. Estos problemas se encuentran en todos los campos de la
ingeniería. Aunque el problema se enfoca en términos personales, se puede tomar como
prototipo de otros problemas de análisis de puntos de equilibrio, que se encuentran a
menudo en la vida profesional.
CUADR06.1
Costos y beneficios de dos microcomputadoras. Los signos negativos indican un costo o
una pérdida mientras que un signo positivo indica una ganancia
COMPUTADORA
Micro-Uno Micro-Dos
Costo de la compra, $ -3000 -10000
Incremento en el mantenimiento del costo por año, -200 -50
$/año/año
Ganancias y beneficios anuales $/año 1000 4000
Para valorar las dos opciones estos costos se deben convertir en medidas comparables.
Una manera de hacerlo es expresando todos los costos individuales como si fuesen
pagos anuales, esto es, el costo equivalente por año sobre toda la vida útil de la
computadora. Las ganancias y las prestaciones ya se encuentran en este formato. Se
FUNDAMENTOS DE ANALISIS NUMERICOS
puede disponer de las fórmulas de economía para expresar los costos de compra y de
mantenimiento de la misma forma. Por ejemplo, el costo de la compra inicial se puede
transformar en una serie de pagos anuales mediante la fórmula (Fig. 6.2a):
i(i + 1) n
Ap = P [6.1]
(i + i ) n − 1
0.2(1.2 )
n
Ap = −3000
1 .2 n − 1
Por ejemplo, si los pagos iniciales se extienden hasta 10 años (n = 10), se puede usar
esta fórmula para calcular que el pago anual equivalente sería de $—715-57 por año-
A los costos de mantenimiento se les conoce como serie de gradiente aritmético porque
crecen a un promedio constante. La conversión de estas series a una tasa anual A se
puede calcular con la fórmula:
1 n
Am = G − [6.2]
i (1 + i ) − 1
n
figura 6.2b esta fórmula transforma el costo de mantenimiento creciente en una serie
equivalente de pagos anuales constantes.
Estas ecuaciones se pueden combinar de forma tal que se pueda expresar el valor de
cada computadora en términos de una serie uniforme de pagos Por ejemplo, para la
Micro-uno:
0.2(1.2) n 1 n
Av = −3000 − 200 − n + 1000
1 .2 − 1
n
0 .2 1 .2 − 1
Valor total = - costo de compra - costo de mantenimiento + ganancias
En donde A, denota el valor anual Iota!. Agrupando términos, esta ecuación se puede
simplificar:
− 600(1.2) n 200n
Av = + [6.3]
1 .2 − 1
n
1 .2 n − 1
De manera similar, para la Micro-dos se puede desarrollar una ecuación para el costo
anual, dado por:
− 2000(1.2) n 200n
Av = + [6.4]
1 .2 − 1
n
1 .2 n − 1
Los valores de la ecuación (6.4) para n = 2 y n = 10 son de $—2 568 y $+ 1 461 por año,
respectivamente. De esta manera, aunque la Micro-dos es más costosa en base a
periodos cortos, si se posee por periodos largos, no sólo es más barata, sino que
producirá ganancias al propietario. En la figura 6,3a se muestran las ecuaciones f6.3) y
(6.4) para varios valores de n.
La identificación del punto en et que las dos máquinas tienen valores iguales indica
cuando la Micro-dos viene a ser la mejor compra. Gráficamente, esto corresponde a la
intersección de las dos curvas en la figura 6.3a. Desde un punto de vista matemático, el
punto de equilibrio es el valor de n para el que las ecuaciones (6.3) y (6.4) son
equivalentes, esto es:
FUNDAMENTOS DE ANALISIS NUMERICOS
− 1400(1.2)n 150n
f ( n) = − + 3750 = 0 [6.5]
1 .2 n − 1 1 .2 n − 1
Las raíces de la ecuación (6.5) se pueden calcular usando algunos de los métodos
numéricos descritos en los capítulos 4 y 5. Se pueden aplicar los métodos que usan
intervalos y el método de
la secante con un
esfuerzo mínimo,
mientras que el método
de Newton-Raphson es
embarazoso ya que
consume mucho tiempo al
determinar df/dn de la
ecuación (6.5).
El método de la regla falsa se puede aplicar fácilmente a este problema. Se obtiene una
raíz similar después de 12 iteraciones en el mismo intervalo inicial de 2 a 10. Por otro
lado, el método de la secante converge a una raíz de -24.83 con e¡ mismo intervalo inicia!.
Sin embargo, si el intervalo se reduce desde 3 hasta 4, entonces el método de la secante
converge a 3.23 en sólo cinco iteraciones. Es interesante notar que el método de la
secante también converge en forma rápida si el intervalo inicial es de 2 a 3, el cual no
encierra a la raíz. Estos resultados son típicos de los factores de importancia que se
deben tomar en consideración y que se estudian posteriormente en el epílogo. Entonces
e! mejor método numérico para este problema depende del juicio emitido respecto a los
factores de importancia, tales como eficiencia numérica, costo de las computadoras y la
confiabilidad del método.
pV = nRT [6.6]
Una ecuación alternativa del estado de los gases está dada por:
a
p + 2 (v − b) = RT
v
Solución: los volúmenes molares de ambos gases se calculan con la ley de los
gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300°K, entonces:
CUADRO 6.2 Cálculos del volumen molar del caso de estudio 6.2
Temperatura K Presión amt Volumen Molal (de Volumen Molal Volumen Molal
los gases ideales (Van der Waals) (Van der Waals)
l/mol) bióxido de carbono Oxigeno l/mol)
l/mol
300 1 24.6162 24.5126 24.5928
10 2.4616 2.3545 2.4384
100 .2462 0.1795 0.2264
500 1 41.0270 40.9821 41.0259
10 4.1027 4.0578 4.1016
100 .4103 0.3663 0.4116
700 1 57.43778 57.4179 57.4460
10 5.7438 5.7242 5.7521
100 0.5744 0.5575 0.5852
FUNDAMENTOS DE ANALISIS NUMERICOS
a 2ab
f ' (uy ) = p − +
u2 u3
f (v1 )
v i +1 = v i −
f ' (v1 )
La cual se puede usar en el cálculo de ¡a raíz. Por ejemplo, usando el valor inicial de
24.616 2, el volumen mola! del bióxido de carbono a 300 °K y a 1 atm se calcula como
24.512 6 1/mot. Este resultado se obtuvo después de dos iteraciones y con un εa menor
de 0.001 %.
En este caso, al usar el método de Newton-Raphson se examinó una ecuación del estado
gaseoso complicada. Los resultados variaron significativamente en varios casos usando la
ley de los gases ideales. Desde un punto de vista práctico, el método de Newton-Raphson
fue apropiado en este caso ya que/' (u) fue fácil de calcular. De esta manera, se pueden
explotar ¡as propiedades de rápida convergencia del método de Newton-Raphson.
Para estas aplicaciones, los métodos que usan intervalos, tales como el de bisección o de
la regla falsa, posiblemente consuman mucho tiempo. Además, los valores iniciales que
se requieren con estos métodos generarían un retraso en el procedimiento. Este
inconveniente igualmente afecta al método de la secante, que también necesita dos
valores iniciales.
dp
= kp
dt
FUNDAMENTOS DE ANALISIS NUMERICOS
dp
= kp( p max − p )
dt
En donde las unidades de K son litros por célula por día. Esta ecuación diferencial se
puede integrar de forma analítica dando:
Pmax
p (t ) = [6.9]
P
1 + max − 1e − KpAX
Po
Como ejemplo de
aplicación de este
modelo en el área
de la ingeniería civil,
considérese el crecimiento de una población bacteriológica en un lago. E! crecimiento se
comporta como lo define la ecuación (6.9). La población es pequeña en la primavera del
FUNDAMENTOS DE ANALISIS NUMERICOS
año en donde t = O, p(t = 0) = 10 células por litro. Es sabido que la población alcanza una
densidad de 15 000 células por litro cuando t = 60 días y que la tasa de crecimiento K es
de 2 x 10 6 litros por célula por día. Se requiere calcular la densidad de la población
bacterial cuando t = 90 días. Si su número excede de 40 000 células por litro, entonces la
calidad estándar del agua requiere la implementación de algún procedimiento para
disminuirlas y proteger a las personas que se introduzcan al agua.
Pmax
15000 [6.10]
P −6
1 + max − 1e − 2 +10 ( Pmax )( 60 )
10
La cual tiene sólo una incógnita, pmáx Si la ecuación (6.10) se pudiera resolver para pmáx,
entonces p(t = 90) se podría determinar fácilmente de la ecuación (6.9). Sin embargo, ya
que pmáx es implícita, no se puede obtener directamente de la ecuación (6.10). Por lo
tanto, se debe usar un método numérico de los capítulos 4 y 5. No se usará el método de
Newton-Raphson ya que la derivada de la ecuación (6.10) es difícil de determinar. Sin
embargo, se pueden aplicar fácilmente los métodos de bisección, de la regla falsa y de la
secante. Con un error relativo del 0.01% los valores iniciales dados de 60 000 y 70 000
células por litro generan las siguientes aproximaciones de pmáx
Nótese que los métodos de la regla falsa y de la secante convergen a la mitad de! número
de iteraciones de! método de bisección. Ahora, de la ecuación (6.9), con pmáx = 63 200:
63200
p (90) = = 58930 Células por litro.
63200 − 2+10−6 ( 63200 )( 60 )
1+ − 1 e
10
Este nivel demográfico sobrepasa el límite estándar en cuanto a calidad del agua que es
de 40 000 células por litro y por lo tanto, se debe tomar alguna medida de corrección.
FUNDAMENTOS DE ANALISIS NUMERICOS
Este ejemplo, ilustra la eficiencia computacional relativa de tres métodos diferentes para
encontrar raíces de ecuaciones en un problema de diseño de ingeniería civil. Sin
embargo, como se menciona anteriormente, el esquema general tiene una aplicación
amplia en todos los campos de la ingeniería que tengan que ver con el crecimiento de
organismos, incluyendo a los humanos.
Antecedentes: los ingenieros electrónicos usan a menudo la ley de Kirchoff para estudiar
el comportamiento de los circuitos eléctricos en estado estacionario (que no varían con el
tiempo). En el caso 9.4 se analiza el comportamiento de estos estados estacionarios. Otro
tipo de problemas son los de corriente momentánea e implica a los circuitos donde
súbitamente suceden cambios temporales- Esta situación ocurre cuando se cierra el
interruptor de la figura 6.5. En este caso, después de cerrar el interruptor hay un periodo
de ajuste hasta que se alcanza un estado estacionario. La longitud de este periodo de
ajuste está relacionada con las propiedades de almacenamiento de carga del capacitor y
con el almacenamiento de energía dentro del inductor. El almacenamiento de energía
puede oscilar entre estos dos elementos durante un periodo transitorio. Sin embargo, la
resistencia en el circuito disipa la magnitud de las oscilaciones.
El flujo de corriente a través de la resistencia causa una caída de voltaje (VR) dado por:
VR = iR
di
VL = L
dt
q
VC =
C
La segunda ley de Kirchoff indica que la suma algebraica de las caídas de voltaje en un
circuito cerrado es cero. Después de cerrar e! interruptor se tiene:
di q
L + Ri + = 0
dt C
dq
i=
dt
Por lo tanto:
d 2q dq q
L 2
+R + =0
dt dt C
Esta es una ecuación diferencial ordinaria de segundo orden que se puede resolver
usando los métodos de cálculo- La solución está dada por:
1 R 2
q (t ) = q 0 e − Rt / 2 L cos − [6.11]
LC 2 L
energía a una velocidad constante, con los valores de L y C conocidos. En este caso se
supone que la carga se debe disipar al 1% de su valor origina! (q/qo = 0-01) en t == 0.05
s, con L = 5 H y C = 10-4F.
Solución: es necesario resolver para R la ecuación (6.11), usando los valores conocidos
de q, qo, L y C. Sin embargo, se debe emplear un método numérico ya que R es una
variable implícita de la ecuación (6.11). Se usará el método de bisección para este
propósito. Los otros métodos estudiados en tos capítulos 4 y 5 también son apropiados,
aunque el método de Newton-Raphson tiene desventajas debido a que la derivada de la
ecuación (6.11) es muy complicada. Reordenando la ecuación (6.11) se obtiene:
1 R 2 q
q( R) = e − Rt / 2
L cos − −
LC 2 L q0
Examinando esta ecuación puede verse que un rango inicial razonable de R es de 0 a 400
Ω (ya que 2 000 — 0.01R2 debe ser mayor de cero). La figura 6.7, gráfica de la ecuación
(6.12), lo confirma. Con veintiún iteraciones
del método de bisección se obtiene R =
328.1515, con un error menor al 0.000 1%.
De esta forma, se puede especificar una resistencia con este valor en el diagrama de la
figura 6.5 y esperar que la disipación sea consistente con los requisitos del problema.
Este problema de diseño no se puede resolver eficientemente sin usar los métodos de los
capítulos 4 y 5.
FIGURA 6.8
Ejemplos de tres
osciladores
armónicos. Las
flechas dobles
indican las
oscilaciones de
cada sistema.
FIGURA 6.9 Un auto de masa m
Las ecuaciones de movimiento para el sistema están dadas por la segunda ley de Newton
(F = ma), que en este problema está expresada como:
d 2x dx
m 2
= −c + (− kx) = 0
dt dt
d 2 x c dx k
+ + x=0
dt 2 m dt m
Esta es una ecuación diferencia! ordinaria de segundo orden que se puede resolver con
los métodos del cálculo. Por ejemplo, si e! auto encuentra por casualidad un hoyo en el
camino en t = 0 de tal forma que se desplaza del punto de equilibrio x = xO y dx/dt = 0,
entonces:
n
x(t ) = e − nt ( x 0 cos pt + x o sin pt ) [6.14]
p
Solución: este problema de diseño se puede resolver usando los métodos numéricos de
los capítulos 4 y 5. Se prefieren los métodos que usan intervalos y el de la secante ya que
la derivada de la ecuación (6.14) es complicada.
Las aproximaciones a los valores iniciales se obtienen fácilmente con base a la figura
6.10. Este caso de estudio ilustra cómo los métodos gráficos proporcionan a menudo
información muy importante para aplicar satisfactoriamente los métodos numéricos. La
gráfica ilustra que este problema es complicado debido a la existencia de varias raíces,
FUNDAMENTOS DE ANALISIS NUMERICOS
por lo que en este caso, se deben usar intervalos pequeños para evitar traslapes de
raíces.
En el cuadro 6.3 se enlistan los resultados obtenidos por los métodos de bisección, la
regla falsa y la secante, con un criterio de paro del 0.1%.
Todos los métodos convergen rápidamente. Como era de esperarse, los métodos de la
regla falsa y de la secante son más eficientes que el de bisección.
Nótese que para todos los métodos los errores relativos porcentuales aproximados son
mayores que los errores reales. De esta forma, los resultados son exactos al menos hasta
el criterio de paro, el 0.1 %. Sin embargo, puede observarse también que el método de la
regla falsa y el de la secante son muy conservadores en esta relación. Recuérdese el
análisis de la sección 4.3 en que el criterio de paro constituye esencialmente una
aproximación a la diferencia con la iteración anterior. De esta forma, para esquemas de
convergencia rápida como los métodos de la regla falsa y de la secante, la mejora en
exactitud entre dos iteraciones sucesivas es tan grande que fu será, en general, mucho
menor que εv. El significado práctico de este comportamiento es de poca importancia
cuando se va a determinar sólo una raíz. Sin embargo, si se requiere calcular varias
raíces, la convergencia rápida viene a ser una propiedad muy valiosa como para tomarla
en cuenta cuando se escoge un método en particular.
FUNDAMENTOS DE ANALISIS NUMERICOS
CUADRO 6.3 Resultados obtenidos al usar los métodos de bisección, regla falsa y de la secante para localizar
las primeras tres raíces de las vibraciones de un amortiguador. Se usó un criterio de paro del 0.1 para obtener
estos resultados. Nótese que los valores exactos de las rafees son 0.055 209 532 9, 0.154 178 13 y 0.253 146
726
ERROR RELATIVO
Valor inicial Valor inicial Aproximación Número de PORCENTUAL
Método inferior superior a la raíz Iteraciones PORCENTUAL
Aproximado Verdadero
Bisección 0.0 0.1 0.0552246 n 0.088 0.027
0.1 0.2 0.1541992 10 0.063 0.014
0.2 0.3 0.2533203 9 0.077 0.069
Regla 0.0 0.1 0.0552095 5 0.002 0.0001
farsa 0.1 0.2 0.1541790 4 0.069 0.0006
0.2 0.3 0.2531475 4 0.043 0.0003
Secante 0.0 0.1 0.0552095 5 0-038 0.0001
0.1 0.2 0.1541780 5 0.020 0,0001
0.2 0.3 0.2531465 5 0.017 0.0001
PROBLEMAS
Ingeniería en general
6.1 Usando Los programas propios, reprodúzcanse los cálculos realizados en el caso 6.1
6.2 Realícense los mismos cálculos del caso de estudio 6.1, pero usando una tasa de
interés del 17% (i = 0,17). Si es posible, úsense los programas propios para determinar
los puntos de equilibrio. De otra manera, úsese cualquiera de los métodos analizados en
los capítulos 4 y 5 y realícense los cálculos. Justifíquese el uso del método escogido.
6.3 En el caso 6.1, determínese el número de años que se debe poseer la Micro dos
para que genere ganancias. Esto es, calcúlese el valor de n en el cual A,, de la ecuación
(6.4) sea positivo.