UNIDAD II

Solución numérica de ecuaciones algebraicas y trascendentes

Una ecuación trascendente es una igualdad entre dos expresiones matemáticas en las que aparecen
una o más incógnitas relacionadas mediante operaciones matemáticas, que no son únicamente
algebraicas, y cuya solución no puede obtenerse empleando solo las herramientas propias del álgebra
Una ecuación que no se reduce a una ecuación algebraica mediante transformaciones
algebraicas se denomina ecuación trascendente. O de otra manera, una ecuación H(x) = j(x) se
llama trascendente, si por lo menos una de las funciones H(x) o j(x) no es algebraica.

EjemploS

1.
2.
3.

4.
5.

6.
7.

8. 2

Transformación algebraica
e entiende las siguientes transformaciones:

1. La adición a ambos miembros de la ecuación una misma expresión algebraica

2. La multiplicación de ambos miembros de la ecuación por una misma expresión
algebraica.
3. La elevación de ambos miembros de la ecuación mediante un exponente racional3

Las ecuaciones trascendentes más simples son

las trigonométricas, logarítmicas y exponenciales El término trascendente se refiere a que la
ecuación o su resolución va más allá del álgebra; trasciende el álgebra

Las soluciones de muchas ecuaciones trascendentes se han obtenido tradicionalmente (antes

de la aparición de los ordenadores) por métodos numéricos, aproximando la solución mediante
iteraciones sucesivas.
 2.1 Métodos iterativos

Aplicar un método iterativo para la resolución de un sistema S  Ax=b, consiste en transformarlo en

lo que se denomina un sistema de punto fijo, que sea equivalente al dado y cuya solución se
aproxima paso a paso.

Para obtener el sistema de punto fijo equivalente al dado se elige una matriz M que sea fácil de
invertir y escribimos la matriz A como:

A = M + (A – M),

Si designamos N = M‐A, nos queda Mx = Nx + b (*).

La aproximación k‐ésima de la solución, x (k), se obtiene, en la iteración k, a partir de la aproximación

anterior x (k‐1)

Mx(k) = Nx(k‐1) + b

Cuando este proceso es convergente el límite de las aproximaciones x (k) cuando k es la solución
del sistema de punto fijo planteado y, en consecuencia, del sistema S inicial.

En cada iteración, el sistema (*) es fácil de resolver si M es diagonal o triangular. Por otro lado, es
conveniente que M no sea muy diferente de A.

Las tres opciones para M que presentan mejores resultados son:

 M = D , donde D es la matriz diagonal cuya diagonal es la de A (Método de Jacobi)

 M = L+D, donde L+D es la parte triangular inferior de A (Método de Gauss‐Seidel)

 M = L+D/, donde  es un número elegido para ponderación (Método de Sobre relajación)

El Método de Gauss‐Seidel es un caso particular del de Sobre relajación cuando se toma  = 1. El

método de Sobre relajación con 0 <  1 para acelerar la convergencia cuando Gauss‐Seidel
converge.

Trata de resolver un problema (como una ecuación o un sistema de ecuaciones) mediante

aproximaciones sucesivas a la solución, empezando desde una estimación inicial.

Considere el problema de encontrar una raíz a una ecuación cuadrática, por ejemplo:

f(x) = x2 − x − 2 = 0

Un método directo para resolverlo es aplicar la fórmula general

Un método iterativo consta de los siguientes pasos.

1. inicia con una solución aproximada (Semilla).

2. ejecuta una serie de cálculos para obtener o construir una mejor aproximación partiendo de la
aproximación semilla. La fórmula que permite construir la aproximación usando otra se conoce como
ecuación de recurrencia.

Esta aproximación contrasta con los métodos directos, que tratan de resolver el problema de una sola
vez (como resolver un sistema de ecuaciones Ax=b encontrando la inversa de la matriz A). Los
métodos iterativos son útiles para resolver problemas que involucran un número grande de variables
(a veces del orden de millones), donde los métodos directos tendrían un coste prohibitivo incluso con
la potencia del mejor computador disponible.

Ventajas y Desventajas:

Un elemento en contra que tienen los métodos iterativos sobre los métodos directos es que
calculan aproximaciones a la solución. Los métodos iterativos se usan cuando no se conoce un método
para obtener la solución en forma exacta. También se utilizan cuando el método para determinar la
solución exacta requiere mucho tiempo de cálculo, cuando una respuesta aproximada es adecuada, y
cuando el número de iteraciones es relativamente reducido.
Puntos fijos atractivos

Si una ecuación puede ponerse en la forma f(x) = x, y una solución x es un punto fijo atractivo de
la función f, entonces puede empezar con un punto x1 en la base de atracción de x, y sea xn+1 = f(xn)
para n ≥ 1, y la secuencia {xn}n ≥ 1 convergerá a la solución x.

Sistemas lineales

En el caso de un sistema lineal de ecuaciones, las dos clases principales de métodos iterativos son
los métodos iterativos estacionarios y los más generales métodos del subespacio de krylov

Métodos iterativos estacionarios

Los métodos iterativos estacionarios resuelven un sistema lineal con un operador que se aproxima al
original; y basándose en la medida de error (el residuo), desde una ecuación de corrección para la que
se repite este proceso. Mientras que estos métodos son sencillos de derivar, implementar y analizar,
la convergencia normalmente sólo está garantizada para una clase limitada de matrices.

Métodos del subespacio de Krylov

Los métodos del subespacio de Krylov forman una base ortogonal de la secuencia de potencias de la
matriz por el residuo inicial (la secuencia de Krylov). Las aproximaciones a la solución se forman
minimizando el residuo en el subespacio formado. El método prototípico de esta clase es
el método del gradiente conjugado. Otros métodos son el método del residuo mínimo generalizado y
el método del gradiente biconjugado.
Convergencia

Dado que estos métodos forman una base, el método converge en N iteraciones, donde N es el tamaño
del sistema. Sin embargo, en la presencia de errores de redondeo esta afirmación no se sostiene;
además, en la práctica N puede ser muy grande, y el proceso iterativo alcanza una precisión suficiente
mucho antes. El análisis de estos métodos es difícil, dependiendo de lo complicada que sea la función
del espectro del operador.

Pre condicionante

El operador aproximativo que aparece en los métodos iterativos estacionarios puede incorporarse
también en los métodos del sub espacio de Krylov, donde se pasan de ser transformaciones del
operador original a un operador mejor condicionado. La construcción de precondicionadores es un
área de investigación muy extensa.

El método Jacobi es el método iterativo para resolver sistemas de ecuaciones lineales más simple y se
aplica

sólo a sistemas cuadrados, es decir a sistemas con tantas incógnitas como ecuaciones.

1. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecuaciones y las
incógnitas. De la ecuación i se despeja la incógnita i. En notación matricial se escribirse como:

x = c + Bx (1)

Donde x es el vector de incógnitas.

2. Se toma una aproximación para las soluciones

3. Se itera en el ciclo que cambia la aproximación

xi+1 = c + Bxi (2)

2.2 Raíz de una ecuación