MN Ecuaciones No Lineales PDF

UNIVERSIDAD DE LOS ANDES
POSTGRADO DE INGENIERÍA ESTRUCTURAL
CÁTEDRA DE CÁLCULO NUMÉRICO
MÉRIDA – VENEZUELA
RESOLUCIÓN DE ECUACIONES NO LINEALES

MÉTODOS NUMÉRICOS
 Profesor: Mat. Richard Espinoza.
 Alumno: Ing. E. Derek A. Quinto C.
C.I. 17.178.575
C.I.V. 190.674
Septiembre 2010
POSTGRADO DE INGENIERÍA ESTRUCTURAL ULA CATÉDRA DE CÁLCULO NUMÉRICO
INTRODUCCIÓN

El Cálculo Numérico es una aplicación de las matemáticas que intervienen usualmente al momento de no
obtener resultados satisfactorios por los métodos analíticos planteados en el Cálculo Infinitesimal, como
resoluciones de ecuaciones diferenciales, integrales y derivadas mediante sus teoremas elementales y/o aplicados
a eventos físicos. De allí la importancia de esta rama para hallar soluciones aproximadas con alta exactitud,
teniendo en cuenta la tolerancia en la diferencia de decimales de una raíz.

Particularmente las Ecuaciones No Lineales, ofrecen características que pueden influir en la dificultad de su
resolución; al poseer grados diferentes a uno (1), presentan no una, sino varias soluciones que satisfacen la
condición F(y) = 0, es decir, presentan varias raíces, las cuales, debido a la variación constante (punto a punto) en
la pendiente, resulta engorroso acertar con el valor real de las mismas mediante la evaluación de la función para
hallar las raíces.

Los métodos numéricos facilitan la resolución mediante un proceso iterativo que localiza las raíces de las
funciones. Existen diversos planteamientos de estos métodos, teniendo entre ellos los siguientes: Bisección, Falsa
Posición (Regula Falsi), Newton – Raphson, Secante y Punto Fijo. Un procedimiento particular se aplica también a
los polinomios: el método de Bairstow, similar al de Ruffini.

Los métodos de Bisección y Falsa Posición pertenecen al grupo de métodos cerrados; en tanto los
procedimientos de Newton – Raphson, Secante y Punto Fijo son abiertos.

Los métodos cerrados están basados en los teoremas de Bolzano y de Rolle, garantizado la continuidad de
una función en el intervalo analizado donde se ubica la raíz y el cambio de signo. La Falsa Posición es un
perfeccionado de la Bisección.

Los métodos abiertos, son más particulares; el Newton – Raphson basa su técnica en el Polinomio de Taylor,
el cual se trunca en el segundo término para el cálculo de la raíz durante el proceso iterativo. Este método es a su
vez una ampliación del Punto Fijo. El Newton – Raphson, si bien es muy efectivo, presenta como desventaja la
necesidad de conocer la derivada analíticamente; puede suceder que no puede hallarse en sus teoremas
elementales o bien resulta que al evaluarla puede hallarse en cero (0), impidiendo la aplicación y/o continuidad del
método (división entre cero). La Secante viene a solucionar esta dificultad, transformando la derivada en dos (02)
partes consecutivas.

Un último inconveniente es la multiplicidad de raíces, por ejemplo el factor común (X‐1)2 dentro de una
función cualquiera; para tratar estos casos se utiliza el método de Newton – Raphson Modificado que busca raíces
en una función U(x) que posee las mismas raíces que F(x), pero que no son múltiples. En este caso se necesitaría
conocer las derivadas primera y segunda de la función analizada.

Métodos Numéricos para Ecuaciones No Lineales Ing. Quinto C.
1

ÍNDICE GENERAL Pág.
Principios de los Métodos Numéricos para Ecuaciones No Lineales
Teorema de Bolzano……………………………………………………………………………………………………………………………………….. 4
Teorema de Rolle……………………………………………………………………………………………………………………………………………. 5
Teorema de Taylor………………………………………………………………………………………………………………………………………… 6
Maclaurin……………………………………………………………………………………………………………………………………………………… 7
Teorema de Weisstran…………………………………………………………………………………………………………………………………… 7
Notaciones Teóricas de los Métodos Numéricos para Ecuaciones No Lineales
Método de Bisección………………………………………………………………………………………………………………………………………. 8
Método de Falsa Posición……………………………………………………………………………………………………………………………….. 10
Método de Newton – Raphson……………………………………………………………………………………………………………………….. 11
Método de la Secante…………………………………………………………………………………………………………………………………….. 13
Método del Punto Fijo……………………………………………………………………………………………………………………………………. 15
Método de Newton – Raphson Modificado……………………………………………………………………………………………………. 17
Método de Bairstow para Polinomios……………………………………………………………………………………………………………. 19

2

ÍNDICE GENERAL Pág.
Resolución y Análisis de Ejercicios Planteados
E2 (Bisección)…………………………………………………………………………………………………………………………………………………. 20
E10 (Bisección)………………………………………………………………………………………………………………………………………………. 25
E12 (Bisección)………………………………………………………………………………………………………………………………………………. 28
E16 (Bisección)………………………………………………………………………………………………………………………………………………. 30
E17 (Bisección)………………………………………………………………………………………………………………………………………………. 34
E18 (Bisección)………………………………………………………………………………………………………………………………………………. 36
Resumen (Bisección)……………………………………………………………………………………………………………………. 38
E6 (Newton)…………………………………………………………………………………………………………………………………………………… 40
E24 (Newton)…………………………………………………………………………………………………………………………………………………. 45
E30 (Newton)…………………………………………………………………………………………………………………………………………………. 49
Resumen (Newton)……………………………………………………………………………………………………………………….. 53
E2 (Punto Fijo)……………………………………………………………………………………………………………………………………………….. 54
E4 (Punto Fijo)……………………………………………………………………………………………………………………………………………….. 59
E10 (Punto Fijo)……………………………………………………………………………………………………………………………………………… 64
E14 (Punto Fijo)……………………………………………………………………………………………………………………………………………… 65
E23 (Punto Fijo)………………………………………………………………………………………………………………………………………………. 66
Resumen (Punto Fijo)…………………………………………………………………………………………………………………… 67
E47 (Bairstow)………………………………………………………………………………………………………………………………………………… 68
E48 (Bairstow)………………………………………………………………………………………………………………………………………………… 69
Referencias Bibliográficas…………………………………………………………………………………………………………………… 70

3

 Principios de los Métodos Numéricos para Ecuaciones No Lineales.

 Teorema de Bolzano:

Sea f una función continua en [a , b] tal que f(a) < 0 < f(b) ó viceversa, entonces existe un número c  [a ,
b] tal que f(c) = 0.

f (a)

c
b x
a

f (b)

y

f (b)
c
a x
b

f (a)

4

 Teorema de Rolle:

Sea f una función continua en [a , b] y diferenciable en (a , b) tal que f(a) = f(b) = 0; entonces existe un
número c  [a , b] tal que f’(c) = 0.

y

m = 0 f'(a) = 0

x

a c b

f (a) = f (a) = 0

De estos teoremas surgen los criterios para localizar raíces reales en ecuaciones no lineales en F(x) = 0. Por
tanto se concluye que dado los números a y b, se dice que F(x) tiene una raíz real en [a , b] si:

 F(x) es continua en [a, b] y diferenciable en (a ,b).
 F(a) * F(b) < 0.
 F’(x)  0.

Antes de desarrollar algún método numérico para ecuaciones no lineales, es recomendable y útil graficar la
función para corroborar las condiciones anteriores y decidir cual ó cuales serán los puntos de arranque más
convenientes. Se puede entonces, evaluar la función, asignando valores a la variable independiente y graficar
punto a punto, lo que amerita experiencia en el comportamiento gráfico de diversas funciones; una opción actual
es utilizar un software para graficar funciones, lo permite analizar la ecuación en menos tiempo y tomar con
mayor facilidad un punto de arranque.

5

 Teorema de Taylor:

 Polinomio de Taylor: dada una función f(x), se construye el polinomio de Taylor que imite
el comportamiento de la función f(x) en algún punto x = a del dominio y sea casi igual en
los puntos cercanos a x=a.

TEOREMA:

Sea f y sus n+1 derivadas continuas en un intervalo que contiene a y x; el valor de f(x) se expresa mediante:

( x  a) ( x  a) 2 ( x  a) 3 ( x  a) n
f ( x)  f (a)   f ' (a)   f ' ' (a )   f ' ' ' (a )  ........  f n ( a )  Rn ( x )
1! 2! 3! n!

Donde Rn(x) es el residuo y se define por:

( x  a ) n 1 ( n 1)
Rn ( x )  f (c )
(n  1)!

Para a  0  x ó x  0  a

Siendo c un punto desconocido entre a y x de aquí se tiene que:

Rn ( x)  f ( x)  Pn ( x)

Al término Pn(x) se le conoce como “aproximación” mediante un polinomio de Taylor de grado n, para f(x)
alrededor de x = a.

6

Otros teoremas:

 Maclaurin: cuando a=0, los desarrollos de Taylor reciben el nombre de Desarrollos de Maclaurin; algunos
desarrollos más importantes son:

x3 x5 x7 (1) n  x ( 2 n 1) (1) n 1  x ( 2 n 3)
Senx  x     ..........   Senc
3! 5! 7 ! (2n  1) ! (2n  3) !

x2 x4 x6 (1) n  x ( 2 n ) (1) n 1  x ( 2 n  2)
Cosx  x     ..........   Cosc
2! 4! 6! 2n ! (2n  2) !

1 x n1 x x x2 xn x n1
 1  x  x  x  .....x 
2 3 n
 2  1   ......  * ec
1 x 1 c 1! 1! n ! (n  1)!

 Teorema de Weisstran: si f es definida y continua en [a, b] y dado  > 0; entonces existe un polinomio P
definido en [a, b] tal que:

f (x) P(x)  

x[a, b]

7

 Notaciones Teóricas de los Métodos Numéricos para Ecuaciones No Lineales.

 Método de Bisección:

El método de bisección es fiel representación del Teorema de Bolzano, debiendo ubicarse un intervalo que
posea la raíz deseada; los puntos de arranque son los extremos del intervalo seleccionado, calculando inicialmente
un nuevo extremo que reduce el intervalo a la mitad y así sucesivamente hasta aproximarse a la raíz según el
rango de tolerancia.

 Tolerancia:

El valor de tolerancia se puede definir como:

(b  a )
n 
2n
Donde n es el número de iteraciones.

 Iteraciones: el número de iteraciones se halla despejando n de la ecuación anterior.

ba
Ln
n
n
Ln 2

 Algoritmo:

1. c = (a+b)/2

2. Si b  c   entonces C es la raíz. Sino continuar a paso 3.

3. Si Signo F(b) * Signo F(c) < 0 entonces a = c.
Si Signo F(b) * Signo F(c) > 0 entonces b = c.
Retornar al paso 1.

8

 Ventajas y Desventajas del Método de Bisección:

 Siempre converge, ya que corta el intervalo por la mitad.
 Por cada iteración el error se reduce a la mitad.
 El método es de convergencia lenta.
 Si no se verifica la continuidad de la función, se puede atrapar una singularidad o discontinuidad
en lugar de la raíz.

Proceso

y

c1
c2

a=
a=

a x

b

c

9

 Método de Falsa Posición:

Se basa en el análisis de las magnitudes existentes de las imágenes de la gráfica [F(a) y F(b)], ya que si F(a)
está más cerca de cero indica que “a” está más cerca de la raíz que “b”.

El procedimiento consiste en unir las imágenes mediante una línea recta cuya intersección con el eje x
representa una aproximación de la raíz. Por ser un método cerrado se debe verificar que F(a)*F(b) < 0, es decir, el
intervalo que se va cerrando sistemáticamente debe contener a la raíz.

El nombre de falsa posición proviene del hecho de reemplazar la curva por un línea recta.

Proceso

f(b)

a=c4

a=c3

a=c2

a=c1

a x
f(a) ~0 b

(raíz exacta)

f(a)
c5(raíz aproximada)

De la recta se establece una ecuación pendiente:

f (b )  0 f ( a )  0  a b 
Si  entonces: c  b  f (b)   
bc ac  f (a)  f (b) 

Donde C es la raíz aproximada obtenida por iteración.

10

 Algoritmo:

 ab 
1. Sea c  b  f (b)   
 f (a )  f (b) 

2. Si f (c )   entonces C es la raíz aproximada. Sino continuar a paso 3.

3. Si Signo F(b) * Signo F(c) < 0 entonces a = c.
Si Signo F(b) * Signo F(c) > 0 entonces b = c.
Retornar al paso 1.

 Método de Newton:

Este método consigue la raíz aproximada mediante el trazado de la recta tangente a la curva en cualquier
punto, que preferiblemente se encuentre cerca de la raíz a localizar. Dicha recta pasa por el eje x, obteniéndose
con ese corte la primera aproximación. El proceso se repite hasta acercarse a la raíz. Geométricamente tiene el
siguiente comportamiento:

y

f (b)


a x
Xo

 

f (a)

recta tangente a la función

11

Para hallar la ecuación que rige al método, se plantean dos formas:

a) Trabajando en función a la ecuación pendiente:

y 2  y1 f ( xo )  0
f ' (c )   f ' ( x o ) 
x2  x1 x o  x1

Entonces:
f ( xo )
x  xo 
1 f ' ( xo )

Con el proceso iterativo la ecuación general queda:

f ( xn )
xn1  xn  n: 0,1,2,….
f ' ( xn )

b) Trabajando con la Serie de Taylor:

(x  xn ) 2
f (x )  f ( xn )  ( x  xn )  f ' ( xn )  n1  f ' ' ( xn )
n1 n1 2!

Truncando la Serie de Taylor en el segundo término, que incluye la primera derivada, y con el hecho de
que en el punto Xn+1, f(Xn+1) = 0, se tiene:

f ( xn )
xn1  xn 
f ' ( xn )

12

 Algoritmo:

Previamente se debe buscar la derivada de la función analizada.

f (x )
n1  xn  f ' ( x )
n
1. Sea x
n

2. Si f (c )   entonces C es la raíz aproximada. Sino retornar a paso 1.

 Ventajas y Desventajas:

 Es de convergencia rápida.
 Requiere de un solo punto de arranque.
 Dificultad para deducir y/o calcular la derivada.
 Si la derivada se aproxima cero, la convergencia se vuelve lenta y puede desaparecer.
 Se deben evitar los máximos o mínimos donde la derivada se acerca a cero (m = 0).
 Pueden surgir inconvenientes en los entornos de un cero con pendientes muy marcadas,
pues podría alejarse de la raíz (diverge).
 Si existen extremos cerca de la raíz, el método puede converger a una raíz diferente a la
buscada.

 Método de la Secante:

El método Newton – Raphson tiene como desventaja la necesidad de conocer el valor de f’ en cada
aproximación y en algunos casos resulta la imposibilidad de deducir dicha derivada. Sin embargo, si se transforma
esa derivada mediante la aplicación de la definición en diferencias de f’, en dos partes consecutivas, se tiene:

f ( x1 )  f ( xo )
f ' ( x1 ) 
x1  xo

13

La fórmula de Newton – Raphson se transforma en:

f ( x1 )
x0  x1 
 f ( x1 )  f ( xo ) 
 
 x1  xo 

xn  xn 1
x 2  x1  f ( x1 ) 
f ( xn )  f ( xn 1 )

La fórmula general queda:

xn  xn 1
xn 1  xn  f ( xn ) 
f ( xn )  f ( xn 1 )

Entonces se necesitaran de dos puntos que abarquen a la raíz:

y

f (X 1)

f (X 2)


Xo
x
Xn+1 = X2 X1

f (XO)

14

 Algoritmo:

xn  xn 1
1. Sea x n 1  xn  f ( xn ) 
f ( xn )  f ( xn 1 )

2. Si f ( x n 1 )   entonces C es la raíz aproximada. Sino retornar a paso 1.

 Método del Punto Fijo:

Toda ecuación f(x)=0, se puede transformar mediante manipulaciones algebraicas en la forma: x = g(x).

Teorema:

Sea g: [a , b] → [a , b] continua, entonces:

1. g posee al menos un punto fijo. (X en [a , b] tal que X=g(x)).


2. Si además g’(x) ≤ k < 1, X  [a , b], entonces el punto fijo es único y si tomamos
X0 [a , b], la sucesión Xn+1 = g(Xn) converge al punto fijo de g(x).

En si, el método establece una ecuación x = y (ecuación pendiente) tal que algún punto de ella sea igual a la
ecuación obtenida por manipulación algebraica; la intersección de ambas ecuaciones proyectada al eje x deberá
coincidir con la raíz de la ecuación original analizada; si ello es así, entonces se dice que g(x) posee al menos un
punto fijo; de no existir el método resulta inaplicable.

 Algoritmo:

1. Asumir Xo

2. Calcular Xn como g(x).


3. Si x n 1  x n  entonces Xn es la raíz aproximada. Sino continuar a paso 4.

4. Xn = Xo y retornar a paso 2.

15

El comportamiento del método se produce en la siguiente manera:

16

 Método de Newton – Raphson Modificado:

Raíces Múltiples: ocurren cuando una función f(x) tiene una raíz de multiplicidad m en x = a; y se representa
en la siguiente forma:

F(x) = (x‐a)m * G(x)

Donde F y sus derivadas se anulan en el mismo punto x = a.

Ejemplo:

F(x) = (x‐2)*(x+4)2
F’(x) = (x+4)2 + 2*(x‐2)*(x+4)

Si se evalúa en x = ‐4, se anula tanto F como F’ en dicho punto; por lo tanto hay una raíz múltiple.

F(x): en rojo.
F’(x): en azul.

Notación:

Si la raíz es de multiplicidad par, no hay
cambio de signo; por lo tanto no se
puede aplicar métodos cerrados; por
otra parte, dado que la curva toca
tangencialmente el eje, no se puede
aplicar métodos que usan derivadas.

Si la raíz es de multiplicidad impar, los
métodos iterativos que tienen derivadas
fallan, ya que los mismos se dirigen a
cero.

17

El método de Newton – Raphson se amplió para tratar los casos de raíces múltiples, al buscar una función
U(x) tal, que posea las mismas raíces de la función f(x) sin ser múltiples; U(x) se definirá como:

f ( x)
U ( x)  (1)
f ' ( x)

Del Newton – Raphson se conoce:

f ( xn )
xn1  xn 
f ' ( xn )

Entonces se dice:

U ( xn )
xn1  xn  (2)
U ' ( xn )

U ' ( xn ) 
 f ' ( x n )2  f ( x n )  f ' ' ( x n ) (3)
 f ' ( x n )2

Sustituyendo (1) y (3) en la ecuación (2), se obtiene la fórmula general del Método de Newton – Raphson
Modificado:

f ( xn )  f ' ( xn )
xn1  xn 
 f ' ( xn )2  f ( xn )  f ' ' ( xn )

Ejemplo: se determinará la raíz negativa más cercana a cero para F(x) = X3 + 6X2 – 32. : 10E‐5.

F’(x) = 3X2 + 12X
F’’(x) = 6X + 12

n Xn F(Xn) F’(Xn) F’’(Xn) Xn+1 F(Xn+1)
0 ‐3.5 ‐1.375 ‐5.25 ‐9 ‐3.9753 ‐0.0036
1 ‐3.9753 ‐0.0036 ‐0.0036 ‐11.8518 ‐3.99995 ‐1.61E‐8

Raíz aproximada: 3.99995
Raíz real: 4

18

 Método de Bairstow para Polinomios:

Es un método que parte de la división sintética basada en el Teorema del Residuo, cuya expresión final
reordenada es:

Pn′(x1)= Qn−1(x1)

En el caso del Método de Bairstow, la división sintética se aplica en:
Pn(x) = (x2 - rx - s) * Qn-2( x) + R

2
Siendo (x - rx - s) un factor cuadrático.

El proceso iterativo implica asumir valores de r y s, tal que vayan aproximándose hasta que el residuo
resultante de la división entre el polinomio y el factor cuadrático sea cero. El método toma valores b1 y b0 que son
funciones de r y s.

19

 Resolución de Ejercicios Planteados.

 Método de Bisección:

1) E8: Sea F(x) = (X+2)*(X+1)2*X*(X‐1)3*(X‐2).

¿A cual raíz converge el método de bisección?, en los siguientes intervalos:

a) [‐1.5 , 2.5]
b) [‐0.5 , 2.4]
c) [‐0.5 , 3]
d) [‐3 , ‐0.5]

Gráfico

 RESULTADOS:

INTERVALO RAÍZ RAÍZ F(x) # iteraciones
‐1.5 2.5 SIN ÉXITO ‐ ‐
‐0.5 2.4 ‐5.7983E‐05 x 15
‐0.5 3 1.999977112 (x‐1)^3 16
‐3 ‐0.5 ‐2.00001526 (x+2) 15

20

 RESOLUCIÓN:

E8A:

A: ‐1.5
B: 2.5
TOL: 0.0001
N: 10

CUADRO ITERATIVO:

SIGNO SIGNO
n A B C B-C SIGNO F(B)*SIGNO F(C ) CHEQUEO
F(B) F(C)
1 -1.5 2.5 0.5 2 + + + continuar iteración
2 -1.5 0.5 -0.5 1 + - - continuar iteración
3 -0.5 0.5 0 0.5 + 0 0 continuar iteración

CÁLCULO TÍPICO:

 1.5  2.5
C   0.5
2

BC  2  0.5  1.5  0.0001

Como aún no se cumple con la tolerancia establecida, c no se considera la raíz y se debe continuar el proceso.

SIGNO F ( B)  (2.5) * (2.5  1) 2 * 2.5 * (2.5  1) 3 * (2.5  2)  

SIGNO F (C )  (0.5) * (0.5  1) 2 * 0.5 * (0.5  1) 3 * (0.5  2)  

F ( B )  F (C )  

Como el signo es positivo, en la segunda iteración B = C; B = 0.5.

21
 RESOLUCIÓN:

E8B:

A: ‐0.5
B: 2.4
TOL: 0.0001
N: 15

CUADRO ITERATIVO:

SIGNO SIGNO
n A B C B‐C SIGNO F(B)*SIGNO F(C ) CHEQUEO
F(B) F(C)
1 ‐0.5 2.4 0.95 1.45 + + + continuar iteración
3 ‐0.5 0.225 ‐0.1375 0.3625 + ‐ ‐ continuar iteración
15 ‐0.0001465 3.05176E‐05 ‐5.7983E‐05 8.8501E‐05 + ‐ ‐ raíz

CÁLCULO TÍPICO:

 0 .5  2 .4
C   0.95
2

BC  2.4  0.95  1.45  0.0001


SIGNO F ( B)  (2.4) * (2.4  1) 2 * 2.4 * (2.4  1) 3 * (2.4  2)  

SIGNO F (C )  (0.95) * (0.95  1) 2 * 0.95 * (0.95  1) 3 * (0.95  2)  

F ( B )  F (C )  

22
 RESOLUCIÓN:

E8C:

A: ‐0.5
B: 3
TOL: 0.0001
N: 16

CUADRO ITERATIVO:

n A B C B-C SIGNO F(B) SIGNO F(C) SIGNO F(B)*SIGNO F(C ) CHEQUEO
1 -0.5 3 1.25 1.75 + - - continuar iteración
2 1.25 3 2.125 0.875 + + + continuar iteración
3 1.25 2.125 1.6875 0.4375 + - - continuar iteración
5 1.90625 2.12500 2.01563 0.10938 + + + continuar iteración
16 1.999924 2.000031 1.999977 5.3406E-05 + - - raíz

CÁLCULO TÍPICO:

 0.5  3
C   1.25
2

BC  3  1.25  1.75  0.0001


SIGNO F ( B)  (3) * (3  1) 2 * 3 * (3  1) 3 * (3  2)  

SIGNO F (C )  (1.25) * (1.25  1) 2 * 1.25 * (1.25  1) 3 * (1.25  2)  

F ( B )  F (C )  

Como el signo es negativo, en la segunda iteración A = C; A = 1.25.
23
 RESOLUCIÓN:

E8D:

A: ‐3
B: ‐0.5
TOL: 0.0001
N: 15

CUADRO ITERATIVO:

1 -3 -0.5 -1.75 1.25 - - + continuar iteración
2 -3 -1.75 -2.375 0.625 - + - continuar iteración
3 -2.375 -1.75 -2.0625 0.3125 - + - continuar iteración
4 -2.0625 -1.75 -1.90625 0.15625 - - + continuar iteración
15 -2.000092 -1.999939 -2.000015 7.6294E-05 - + - raíz

CÁLCULO TÍPICO:

 3  0 .5
C    1.75
2

BC   0.5  1.75  1.25  0.0001


SIGNO F ( B)  (0.5) * (0.5  1) 2 * 0.5 * (0.5  1) 3 * (0.5  2)  

SIGNO F (C )  (1.75) * (1.75  1) 2 * 1.75 * (1.75  1) 3 * (1.75  2)  

F ( B )  F (C )  

Como el signo es positivo, en la segunda iteración B = C; B = ‐1.75.

24

1) E10: Encuentre una aproximación a 3 correcta, con una exactitud de 10‐4 usando el algoritmo de
bisección (sugerencia considere F(x) = X2 – 3).

Gráfico

 RESULTADOS:

INTERVALO RAÍZ RAÍZ F(x) # iteraciones
‐2 ‐1 1.731995 X^2 14
2 ‐0.5 ‐1.731995 X^2 14

25
 RESOLUCIÓN:

E10A:

A: ‐3
B: ‐0.5
TOL: 0.0001
N: 14

CUADRO ITERATIVO:

1 -2 -1 -1.5 0.5 - - + continuar iteración
2 -2 -1.5 -1.75 0.25 - + - continuar iteración
14 -1.732056 -1.731934 -1.731995 6.1035E-05 - - + raíz

CÁLCULO TÍPICO:

 2 1
C    1 .5
2

BC   1  1.5  0.5  0.0001


SIGNO F ( B)  (1) 2  3  

SIGNO F (C )  (1) 2  3  

F ( B )  F (C )  


26
 RESOLUCIÓN:

E10B:

A: 1
B: 2
TOL: 0.0001
N: 14

CUADRO ITERATIVO:

1 1 2 1.5 0.5 + - - continuar iteración
2 1.5 2 1.75 0.25 + + + continuar iteración
14 1.731934 1.732056 1.731995 6.1035E-05 + - - raíz

CÁLCULO TÍPICO:

1 2
C   1 .5
2

BC  2  1.5  0.5  0.0001


SIGNO F ( B)  (2) 2  3  

SIGNO F (C )  (1.5) 2  3  

F ( B )  F (C )  


27

2) E12: Use el teorema 2.1 para obtener una cota del número de iteraciones que requieren para alcanzar una
aproximación con una exactitud de 10‐3, a la solución de X3 + X – 4 = 0, que se encuentra en el intervalo [1 ,
4]. Obtenga una aproximación de la raíz con este grado de exactitud.

Gráfico

 RESULTADO:

INTERVALO RAÍZ # iteraciones
1 4 1.378754 15

28
 RESOLUCIÓN:

E12:

A: 1
B: 4
TOL: 0.001
N: 12

CUADRO ITERATIVO:

1 1 4 2.5 1.5 + + + continuar iteración
2 1 2.5 1.75 0.75 + + + continuar iteración
3 1 1.75 1.375 0.375 + - - continuar iteración
12 1.37793 1.37939 1.37866 0.00073 + - - raíz

CÁLCULO TÍPICO:

1 4
C   2.5
2

BC  4  2.5  1.5  0.0001


SIGNO F ( B)  (4) 3  (4)  4  

SIGNO F (C )  (2.5) 3  (4)  4  

F ( B )  F (C )  


29

3) E16: La función definida por F(x) = SEN (x) tiene ceros en todos los enteros. Muestre que cuando ‐1 < a <
0 y 2 < b < 3, el método converge a:

a) 0 si a + b < 2.
b) 2 si a + b > 2.
c) 1 si a + b = 2.

Gráfico

 RESULTADO:

INTERVALO RAÍZ NUM RAÍZ REAL # iteraciones
‐0.9 2.1 5.49316E‐05 0 15
‐0.1 2.9 1.999945 2 15
0.5 1.5 0.999939 1 15

30
 RESOLUCIÓN:

E16A: 0 si a + b < 2.

A: ‐0.9
B: 2.1
TOL: 0.0001
N: 15
A+B = ‐0.9 + 2.1 = 1.2 < 2

CUADRO ITERATIVO:

1 -0.9 2.1 0.6 1.5 + + + continuar iteración
2 -0.9 0.6 -0.15 0.75 + - - continuar iteración
15 -3.6621E-05 0.000146 5.4932E-05 9.1553E-05 + + + raíz

CÁLCULO TÍPICO:

 0 .9  2 .1
C   0 .6
2

BC  2.1  0.6  1.5  0.0001


SIGNO F ( B )  Sen (  2.1)  

SIGNO F (C )  Sen(  0.6)  

F ( B )  F (C )  


31

E16B: 2 si a + b > 2.

A: ‐0.9
B: 2.1
TOL: 0.0001
N: 15
A+B = ‐0.1 + 2.9 = 2.8 > 2

CUADRO ITERATIVO:

1 -0.1 2.9 1.4 1.5 + - - continuar iteración
15 1.999854 2.000037 1.999945 9.1553E-05 + - - raíz

CÁLCULO TÍPICO:

 0.1  2.9
C   1.4
2

BC  2.9  1.4  1.5  0.0001


SIGNO F ( B )  Sen(  2.9)  

SIGNO F (C )  Sen (  1.4)  

F ( B )  F (C )  


32

E16B: 1 si a + b = 2.

A: 0.5
B: 1.5
TOL: 0.0001
N: 14
A+B = 0.5 + 1.5 = 2

CUADRO ITERATIVO:

1 0.5 1.5 1 0.5 - - + continuar iteración
2 0.5 1 0.75 0.25 - + - continuar iteración
7 0.98438 1.00000 0.99219 0.00781 - + - continuar iteración
14 0.999878 1.000000 0.999939 6.1035E-05 - + - raíz

CÁLCULO TÍPICO:

0 .5  1 .5
C   1
2

BC  1.5  1  0.5  0.0001


SIGNO F ( B )  Sen (  1.5)  

SIGNO F (C )  Sen (  1)  

F ( B )  F (C )  

Como el signo es positivo, en la segunda iteración B = C; B = 1.

33

4) E17: Un abrevadero de longitud L tiene una sección transversal en forma de semicírculo con radio r (Véase
figura anexa). Cuando se llena de agua hasta una distancia h de la parte superior, el volumen de agua es:

  L * [ 0 .5 *  * r 2  r 2 * arcSen ( h / r )  h * ( r 2  h 2 ) 1 / 2 ]

Suponga que L = 10 ft, r = 1 ft y que  = 12.4 ft3. Determine la profundidad del agua en el abrevadero
hasta 0,01 ft.

Gráfico

Sustituyendo valores la ecuación queda:

Sen‐1(h) + (1‐h2) – 0.3308 = 0

 RESULTADO:

INTERVALO RAÍZ NUM # iteraciones
0 1 6.10352E‐05 14

34
E17:
A: 0
B: 1
TOL: 0.0001
N: 14

CUADRO ITERATIVO:

1 0 1 0.5 0.5 + + + continuar iteración
14 0 0.000122 6.1035E-05 6.1035E-05 + + + raíz

CÁLCULO TÍPICO:

0 1
C   0 .5
2

BC  1  0.5  0.5  0.0001


SIGNO F ( B )  Sen 1 (1)  (1  12 )  0.3308  

SIGNO F (C )  Sen 1 (0.5)  (1  0.5 2 )  0.3308  

F ( B )  F (C )  


35

5) E18: Una partícula parte del reposo sobre una plano inclinado, cuyo ángulo  cambia con una rapidez
constante de: d/dt = w < 0.

Al final de t segundos la posición del objeto está dada por:

 e wt  e  wt 
2 2
g
X (t )   2   Sen(wt 2 ) 
2w  2 
 

Suponga que la partícula se desplaza 1.7 ft en 1s. Encuentre con una exactitud de 10‐5, la rapidez w con
que  cambia. Suponga que g = 32.12 ft/s2.

Gráfico

Sustituyendo valores en la ecuación:

1.2434*w2 – 2Senw – e‐w + ew = 0

 RESULTADO:

INTERVALO RAÍZ NUM # iteraciones
‐2 ‐1 ‐1.839958 17

36

E18:
A: ‐2
B: ‐1
TOL: 0.0001
N: 14

CUADRO ITERATIVO:

1 -2 -1 -1.5 0.5 + + + continuar iteración
2 -2 -1.5 -1.75 0.25 + + + continuar iteración
3 -2 -1.75 -1.875 0.125 + - - continuar iteración
4 -1.875 -1.75 -1.8125 0.0625 + + + continuar iteración
5 -1.875 -1.8125 -1.84375 0.03125 + - - continuar iteración
14 -1.83997 -1.83984 -1.83990 6.1035E-05 + + + continuar iteración
17 -1.839966 -1.839951 -1.839958 7.6294E-06 + + + raíz

CÁLCULO TÍPICO:

 2 1
C    1 .5
2

BC   1  1.5  0.5  0.0001


SIGNO F ( B)  1.2434 * (1) 2  2  Sen(1)  e  ( 1)  e ( 1)  

SIGNO F (C )  Sen 1 (0.5)  (1  0.5 2 )  0.3308  

F ( B )  F (C )  


37

 RESUMEN:

E8:

Los intervalos: b, c, d, iteraron hacia las raíces central (0) y externas (‐2 y 2); se produce una iteración cíclica en el
primer intervalo [‐1.5, 2.5], impidiendo el avance del método de bisección, repitiendo valores de A y B a partir de
la cuarta iteración.

Este fenómeno, se produce al resultar C = 0 en F(x) = (X+2)*(X+1)2*X*(X‐1)3*(X‐2). Singularmente el valor raíz para
el término X, provoca que F(x) = 0 por multiplicación lineal. Sin duda, con el intervalo “a”, el método de bisección
intenta converger hacia la raíz x = 0, pero da lugar a la indeterminación del signo en el método con el valor cero
(0), produciendo la iteración cíclica en la cuarta iteración y desapareciendo la convergencia.

El intervalo b [‐0.5 , 2.4], converge a la raíz x = 0; un detalle manifiesto entre esta convergencia y la de los dos
intervalos siguientes, se descubre al intentar buscar las raíces x = ‐1 y x = 1, con intervalos exclusivos que las
encierren, pero el método vuelve a mostrar el comportamiento cíclico del primer caso. En intervalos amplios, el
método tiende a converger a la raíz x = 0.

Los intervalos c y d, son adaptados para la búsqueda de las raíces externas de la función, con extremo en tres (3),
el método converge hacia x = 2 y x = ‐2, respectivamente.

E10:

Para hallar una raíz en x = 3 (1.732050808 calculado en FX – 880P), se genera una función cuyas raíces sean  3,
en este caso F(x) = X2 – 3. Se seleccionan dos intervalos que encierren ambas raíces, siendo [‐2 , ‐1] y [1 , 2]. El
método realizó 14 iteraciones en ambas raíces; de reducirse en intervalo, el número de iteraciones disminuye solo
al acercar los valores extremos a la raíz en diferencias de uno ó dos decimales.

Se manifiesta la convergencia lenta del método. Otra característica encontrada, es que al probar con intervalos
amplios y simétricos, o bien tendiendo hacia una de las dos raíces pero que englobara a ambas, el método iteró
hacia la raíz positiva. Los valores de las raíces son  1.731995.

E12:

Convergencia lenta en el método para T = 0.001, resultando la raíz x = 1.37866. Se corroboró que con un intervalo
menor (más cerrado), por ejemplo [1 , 2], el método halla la raíz en menos iteraciones.

38

E16:

Las condiciones establecidas de intervalos para los casos “a” y “b” se cumplen satisfactoriamente, hallándose las
raíces en x = 5.49316E‐05 y x = 1.999945 respectivamente, lo que correspondería a las raíces enteras de x = 0 y x =
2, según el gráfico.

En el último intervalo no se logra cumplir con las condiciones establecidas, pues para ‐1 < A < 0, A = 0.5 y para 2 <
B < 3, B = 1.5. Se intenta ajustar los intervalos a los rangos planteados, sin hallar la raíz con éxito. Estableciéndose
las condiciones descritas anteriormente, se converge hacia la raíz x = 2; con los extremos planteados en la
resolución del ejercicio E16C, si se logra converger a la raíz x = 1, dado que lógicamente encierra a dicha raíz.

Retornando a las condiciones originales del E16C, el intervalo atrapa tres (03) raíces: x = 0, x = 1 y x = 2; con ellas,
se produce la bisección para x = 1, justo donde se halla la raíz pero sin satisfacer la tolerancia; entonces el nuevo
intervalo queda como: [1 , 2.5], con lo cual se reduce a la mitad en la iteración siguiente, teniéndose: [1.75 , 2.5],
encerrando únicamente a la raíz x = 2; esta es la razón por la cual no se cumple los requerimientos establecidos
para el ultimo intervalo en función de hallar x = 1. En cambio, si se atrapa la raíz x = 1, en un intervalo [0.5 , 1.5], se
logra hallar la raíz x = 1, satisfaciendo la única condición de A + B = 2.

E17:

El método halla la raíz en la iteración 14, estableciéndose un intervalo dentro de los valores mínimos y máximos
de h [0 , 1]; la función es discontinua, teniendo un segmento con extremo en ‐1 y asintótico respecto a –y; el otro
segmento parte de 1 y es asintótico a +y. Sin embargo el método ha iterado en el intervalo establecido.

E18:

La raíz obtenida es: ‐1.839958  ‐1.84. El valor negativo indicaría una desaceleración de la partícula al momento
que se produce un cambio en el ángulo , el cual debería reducirse conforme la partícula avance.

El método ha tenido convergencia lenta, para 17 iteraciones.

39

 Método de Newton ‐ Raphson:

1) E6: Aplique el método de Newton para obtener soluciones con una exactitud de 10‐5 para los siguientes
problemas:

a) eX + 2‐X – 1 = 0 [1 , 4]
b) X3 + 3X2 – 1 = 0 [‐3 , ‐2]
c) X – COS(X) = 0 [0 , /2]
d) X – 0.8 – 0.2*SEN(X) = 0 [0 , /2]

FUNCIÓN INTERVALO RAÍZ # iteraciones
eX + 2‐X – 1 = 0 1 4 SIN ÉXITO 12
X3 + 3X2 – 1 = 0 ‐3 ‐2 ‐5.7983E‐05 3
X – COS(X) = 0 0 /2 1.999977112 3
X – 0.8 – 0.2*SEN(X) = 0 0 /2 ‐2.00001526 3

a) eX + 2‐X – 1 = 0 [1 , 4]

Derivando:

F´(x) = eX ‐ 2‐X * Ln(2) = 0

Gráfico

40

 RESOLUCIÓN:

E6A:
Xn: 1
TOL: 0.00001
N: 11

CUADRO ITERATIVO:

n Xn F (Xn) F´(Xn) Xn + 1 F (Xn+1) CHEQUEO
0 1 -1.781718 4.104576 1.434081 -0.434130 continuar iteración
1 1.434081 -0.434130 6.183845 1.504285 -0.146561 continuar iteración
8 1.538024 -0.000262 6.787535 1.538062 -9.1555E-05 continuar iteración
11 1.538081 -0.000011 6.787878 1.538082 -3.9014E-06 raíz

CÁLCULO TÍPICO:

Xo  1


F ( Xo)  e(1)  2(1)  1   1.781718

F ' ( Xo)  e (1)  2  (1)  1  4.104576

1.781718) 
X 0 1  1    1.434081
 4.104576 

F ( X 0 1 )  e(1.434081)  2 (1.434081)  1   0.434130

Como ‐0.434130 > 0.00001, X0+1 no es la raíz y por tanto se continúa el proceso.

X1 = 1.434081

41

b) X3 + 3X2 – 1 = 0 [‐3 , ‐2]

Derivando:

F´(x) = 3X2 + 6X = 0

 RESOLUCIÓN:

Gráfico
E6B:
Xn: ‐3
TOL: 0.00001
N: 3

CUADRO ITERATIVO:

0 -3 -1 9 -2.888889 -0.072702 continuar iteración
1 -2.888889 -0.072702 7.703704 -2.879452 -0.000504 continuar iteración
2 -2.879452 -0.000504 7.597015 -2.879385 -2.4801E-08 raíz

CÁLCULO TÍPICO:

Xo   3

F ( Xo)  (3)  3  (3)  1   1
3 2

F ' ( Xo)  3  (3) 2  6  (3)  9

  1
X 01  1      2.888889
9

F ( X 01 )  (2.888889) 3  3  (2.888889) 2  1   0.072702

42

X1 = ‐2.888889

c) X – COS(X) = 0 [0 , /2]

Derivando:

F´(x) = 1 + SEN(X) = 0

 RESOLUCIÓN:

E6C:
Xn: 1
TOL: 0.00001
N: 3
Gráfico

CUADRO ITERATIVO:

0 1 0.459698 1.841471 0.750364 0.018923 continuar iteración
1 0.750364 0.018923 1.681905 0.739113 0.000046 continuar iteración
2 0.739113 4.6456E-05 1.673633 0.739085 2.84721E-10 raíz

CÁLCULO TÍPICO:

Xo  1

F ( Xo)  (1)  Cos (1)  0.459698

F ' ( Xo)  (1)  Sen(1)  1.841471

 0.459698 
X 01  1   0.750364
 1.841471 

F ( X 01 )  (0.750364)  Cos (0.750364)  0.018923

Como 0.018923 > 0.00001, X0+1 no es la raíz y por tanto se continúa el proceso.

X1 = 0.750364

43

d) X – 0.8 – 0.2*SEN(X) = 0 [0 , /2]

Derivando:

F´(x) = 1 – 0.2*COS(X) = 0

 RESOLUCIÓN:

E6D:
Xn: 1
TOL: 0.00001
N: 3

Gráfico
CUADRO ITERATIVO:

1 0 -0.8 0.8 1 0.031706 continuar iteración
2 1 0.031706 0.891940 0.964453 0.000106 continuar iteración
3 0.964453 0.000106 0.886027 0.964334 1.16518E-09 raíz

CÁLCULO TÍPICO:

Xo  0

F ( Xo)  (0)  0.8  0.2  Sen(0)   0.8

F ' ( Xo)  (0)  0.2  Cos (0)  0.8

  0.8 
X 01  1   1
 0.8 

F ( X 01 )  (1)  0.8  0.2  Sen(1)  0.031706


X1 = 1
44

2) E24: El medicamento administrado a un paciente produce una concentración en la corriente sanguínea
dada por C(t) = A*t*e‐t/3 miligramos por mililitros, t horas después de inyectarle A unidades, la máxima
concentración segura es 1 mg/ml.

a) ¿Que dosis deberá inyectársele al paciente para alcanzar la máxima concentración segura y cuando se
presenta esta concentración?

b) Una cantidad adicional del medicamento deberá administrase al paciente después de que la
concentración disminuya a 0.25 mg/ml. Determine, con una aproximación al minuto más cercano,
cuando debe aplicársele la segunda inyección?

c) Suponiendo que la concentración producida por inyecciones consecutivas es aditiva y que 75 % de la
dosis inyectada originalmente se administra en la segunda inyección, ¿Cuándo será el momento de
aplicar la tercera inyección?

 Determinación analítica de “t” horas para que se produzca la concentración máxima:

C(t) = A*t*e‐t/3

Derivando:

C’(t) = A*[ e‐t/3 — 1/3*t*e‐t/3]

Para C(t) máximo = 1, C’(t) = 0 (m = 0).

0 = A*[ e‐t/3 — 1/3*t*e‐t/3]

0 = e‐t/3 [1 — 1/3*t]

0 = 1 — 1/3*t t = 3 horas

Para t = 3 horas, C(T) = 1 mg/ml. La concentración máxima se alcanzaría a las 3 horas.

Resolviendo “A” unidades:

C(t) = A*t*e‐t/3

1 = A*3*e‐1/3

A = e/3

A  0.90609

45

Entonces la ecuación queda:

C(t) = 0.90609*t*e‐t/3

La función corresponde a la curva roja.

 RESOLUCIÓN ‐ A:

E6A:
Xn: 2.5
TOL: 0.00001
N: 6

Gráfico
CUADRO ITERATIVO:

TIEMPO (H) para C(t) = 1 mg/ml

0 2.5 0.015537 -0.065631 2.736737 0.004088 continuar iteración
5 2.984140 0.000018 -0.001772 2.994513 0.000006 raíz

CÁLCULO TÍPICO:

Xo  2.5

 ( 2.5 ) / 3
F ( Xo)  0.90609  (2.5)  e  0.015537

F ' ( Xo)   0.90609  e ( 2.5) / 3  1  (2.5) / 3   0.065631

 0.015537 
X 01  2.5    2.736737
  0.065631

F ( X 01 )  0.90609  (2.736737)  e  ( 2.736737) / 3  0.004088


X1 = 2.736737
46

Para determinar la segunda dosis:

C(t) = 0.90609*t*e‐t/3 ‐ 0.25

La función corresponde a la curva moteada.

 RESOLUCIÓN ‐ B:

E6B:

Xn: 10
TOL: 0.00001
N: 3
Gráfico

CUADRO ITERATIVO:

TIEMPO (H) para C(t) = 0.25 mg/ml y aplicar 2da. Dosis

1 10 0.07324 -0.07542 10.97103 0.00657 continuar iteración
3 11.076703 0.00007 -0.060782 11.077886 0.00000001 raíz

CÁLCULO TÍPICO:

Xo  2.5

 ( 2.5 ) / 3
F ( Xo)  0.90609  (2.5)  e  0.015537

F ' ( Xo)   0.90609  e ( 2.5) / 3  1  (2.5) / 3   0.065631

 0.015537 
X 01  2.5    2.736737
  0.065631

F ( X 01 )  0.90609  (2.736737)  e  ( 2.736737) / 3  0.004088


X1 = 2.736737

47

 RESOLUCIÓN ‐ C:

Se toma como función: F(x) = 0.90609* t * e‐(3/t) – 0.75
E6C:
Xn: 10
TOL: 0.00001
N: 3

CUADRO ITERATIVO:

TIEMPO (H) para aplicar 3ra. Dosis

0 11.07793 -0.50000 -0.24306 9.02086 -0.34587 continuar iteración
9 5.884038 -0.00003 -0.163382 5.883867 -0.00001 raíz

CÁLCULO TÍPICO:

Xo  11.07793

 (11.07793) / 3
F ( Xo)  0.90609  (11.07793)  e  0.75   0.50000

F ' ( Xo)   0.90609  e  (11.07793) / 3  1  (11.07793) / 3   0.24306

 0.50000 
X 01  11.07793    9.02086
  0.24306 

F ( X 0 1 )  0.90609  (9.02086 )  e  ( 9.02086 ) / 3   0.34587


X1 = 9.02086

Tiempo para la 3ra. Dosis: 11.07793 + 5.883867 = 16.961797 horas

48

3) E30: En el diseño de vehículos para todo tipo de terreno, es necesario tener las fallas cuando se trata de
liberar dos tipos de obstáculos. Una falla es por rozamiento y ocurre cuando el vehículo intenta cruzar un
obstáculo que hace que su fondo toque el suelo. La otra recibe el nombre de “falla por colisión de la
defensa delantera” y ocurre cuando el vehículo desciende por una zanja y la defensa delantera toca el
suelo.

En la figura se muestra los componentes asociados al segundo tipo de falla. En ella se indicia que el ángulo
máximo es que no ocurre la falla por rozamiento satisface la ecuación:

A  Sen   Cos   B  Sen 2   C  Cos   E  Sen   0

Donde:

A = L*Sen1
B = L*Cos1
C = (h + 0.5*D)*Sen1 ‐ 0.5*D*Tg1
E = (h + 0.5*D)*Cos1 ‐ 0.5*D

a) Se afirma que cuando L = 89”, h = 49”, D = 55” y 1 = 11,50 el ángulo  será aproximadamente 330.
Verifique este resultado.

b) Encuentre  para la situación en la que L, h y 1 son iguales como en la parte (a), pero D = 30”.

Desarrollo:

Derivando:

 
A  Cos 2   Sen 2   2 B  Sen   Cos   C  Sen   E  Cos   0

Calculando constantes:

Con D = 55”
A = 89*Sen11.5 A = 17.744
B = 89*Cos11.5 B = 87.213
C = (49 + 0.5*55)*Sen11.5 ‐ 0.5*55*Tg11.5 C = 9.657
E = (49 + 0.5*55)*Cos11.5 ‐ 0.5*55 D = 47.464

Con D = 30”
A = 89*Sen11.5 A = 17.744
B = 89*Cos11.5 B = 87.213
C = (49 + 0.5*30)*Sen11.5 ‐ 0.5*30*Tg11.5 C = 9.708
E = (49 + 0.5*30)*Cos11.5 ‐ 0.5*30 D = 47.715

49

Gráfico
 RESOLUCIÓN:

E6A1:

Xn: 10
TOL: 0.00001
N: 3

CUADRO ITERATIVO:

3 31.215205 0.000177 -66.181346 31.215208 6.26168E-10 raíz

CÁLCULO TÍPICO:

Xo  31

F ( Xo )  17 .744  Sen (31)  Cos (31)  87 .213  Sen 2 (31)  9 .657  Cos (31)  47 .464  Sen (31)  18 .02277

 
F ' ( Xo )  17.744  Cos 2 (31)  Sen 2 (31)  174 .426  Sen (31)  Cos (31)  9.657  Sen (31)  47.464  Cos (31)  99.83458

 18.02277 
X 01  31    31.18053
  99.83458 
2
F ( Xo )  17 .744  Sen ( 31 .18053 )  Cos ( 31 .18053 )  87 .213  Sen ( 31 .18053 )  9 .657  Cos ( 31 .18053 )  47 .464  Sen ( 31 .18053 )  2 .39927


X1 = 31.18053
50

E6A2:

Xn: 10
TOL: 0.00001
N: 2

CUADRO ITERATIVO:

0 34 -0.470748564 -25.115178 33.98125641 0.02179327 continuar iteración
1 33.98125641 0.02179327 -27.4264894 33.98205102 3.82336E-05 continuar iteración
2 33.98205102 3.82336E-05 -27.33023087 33.98205242 1.18536E-10 raíz

CÁLCULO TÍPICO:

Xo  34

F ( Xo )  17 .744  Sen (34 )  Cos (34 )  87 .213  Sen 2 (34 )  9 .657  Cos (34 )  47 .464  Sen (34 )   0 .470748564

F ' ( Xo )  17 .744  Cos  2
( 34 )  Sen
2

( 34 )  174 .426  Sen ( 34 )  Cos ( 31 )  9 .657  Sen ( 34 )  47 .464  Cos ( 34 )   25 .115178

  0.470748564 
X 01  34    33.98125641
  25.115178 

2


X1 = 31.18053

E6B1:

Xn: 10
TOL: 0.00001
N: 3

CUADRO ITERATIVO:

3 31.21520609 0.000174252 -66.43728957 31.21520871 5.99904E-10 raíz
51

CÁLCULO TÍPICO:

Xo  31

F ( Xo )  17 .744  Sen (31)  Cos (31)  87 .213  Sen 2 (31)  9 .708  Cos (31)  47 .715  Sen (31)  18 .07753622

F ' ( Xo )  17 .744  Cos  2
( 31 )  Sen
2

( 31)  174 .426  Sen ( 31 )  Cos ( 31)  9 .708  Sen ( 31 )  47 .715  Cos ( 31 )   100 .0847841

 18.07753622 
X 01  31    31.18062222
  100.0847841

2


X1 = 31.18062222

E6B2:
Xn: 10
TOL: 0.00001
N: 3

CUADRO ITERATIVO:

1 34 -0.560271234 -24.87520365 33.97747672 0.031414888 continuar iteración
2 33.97747672 0.031414888 -27.6443429 33.97861311 7.76786E-05 continuar iteración
3 33.97861311 7.76786E-05 -27.5075793 33.97861594 4.80416E-10 raíz

CÁLCULO TÍPICO:

Xo  34

F ( Xo )  17 .744  Sen (34 )  Cos (34 )  87 .213  Sen 2 (34 )  9 .708  Cos (34 )  47 .715  Sen (34 )   0 .560271234
F ' ( Xo )  17 .744  Cos  2
( 34 )  Sen
2

( 34 )  174 .426  Sen ( 34 )  Cos ( 31 )  9 .708  Sen ( 34 )  47 .715  Cos ( 34 )   24 .87520365

  0.4560271234 
 34    33.97747672
  224.87520365 
X 0 1

2


X1 = 33.97747672
52

 RESUMEN:

E6:

El método de Newton ha iterado rápidamente en los últimos tres (03) ejemplos; para el ejemplo “a”, la
convergencia ha sido un poco más lenta; en este caso la función resulta con una pendiente muy marcada. En el
caso “b”, se demuestra que para x = ‐2, el método no itera por división entre cero al calcular Xn+1 pues en este
punto hay un máximo de la función, significando que la derivada produce pendiente igual a cero.

E24:

La función representa un típico ejemplo de administración de medicamentos. La concentración máxima se alcanza
a las 3 horas; 9 horas después, es decir, a las 12 horas de la primera dosis se debe administrar la segunda dosis y 5
horas después la tercera dosis para evitar los efectos aditivos. Se infiere que el tiempo entre la segunda y tercera
dosis es menor, debido a la disminución rápida de la concentración en la segunda dosis, a causa de la adicción
generada en el organismo del paciente. El método de Newton ha tenido resolución efectiva en el problema, con
convergencia relativamente rápida. Para la segunda dosis, se genera una función nueva partiendo de C(t) = 0.25
mg / ml; en el tercer caso se considera ahora adicionar los 0.75 mg/ml al paciente.

E30:

La diferencia entre el valor D (55” y 30”), no es notoria en la convergencia del método para esta función. El ángulo
 no es igual a 33o, pero si se acerca a los 31o y los 34o, siendo las dos raíces más cercanas a dicho ángulo; el
mismo no varía en función de los valores planteados para D.

A pesar de ser una función con muchos máximos y mínimos, cuyas pendientes tangentes son muy marcadas, el
método ha logrado iterar; por esa razón se debe ubicar correctamente el punto de arranque para llegar a la raíz
deseada.

53

 Método del Punto Fijo:

1) PREVIO: Demostrar que las siguientes funciones tienen un punto fijo exactamente cuando F(p) = 0 donde
F(x) = X4 + 2X2 –X ‐3.

a) G1(x) = (3 + X – 2X2)1/4
b) G2(x) = (X + 3 – X4 / 2)1/2
c) G3(x) = (X + 3 / X2 + 2)1/2
d) G4(X) = 3X4 + 2X2 + 3 / 4X3 + 4X ‐1

E2A: Efectúe 4 iteraciones, de ser posible, en las funciones g(x) definidas en el ejercicio anterior. Sea P0 =
0 y Pn+1 = G(Pn) para n = 0, 1, 2, 3.

 RESULTADOS:

FUNCIÓN G(X) RAÍZ # iteraciones
G1(x) = (3 + X – 2X2)1/4
1.1243826 14

G2(x) = (X + 3 – X4 / 2)1/2
Sin éxito 15

G3(x) = (X + 3 / X2 + 2)1/2 1.124022 7
G4(X) = 3X4 + 2X2 + 3 / 4X3 + 4X ‐1
1.124123 2

54

a) G1(x) = (3 + X – 2X2)1/4

 RESOLUCIÓN:

E2G1(x):
Xn: 0
TOL: 0.001
N: 14

Gráfico
CUADRO ITERATIVO:

n Xn Xn+1 Xn+1 - Xn CHEQUEO
0 0 1.316074 -1.316074 continuar iteración
1 1.316074 0.960741 0.355333 continuar iteración
2 0.960741 1.205902 -0.245161 continuar iteración
14 1.1237009 1.1243826 -0.0006817 raíz

CÁLCULO TÍPICO:

Xo = 0

X0+1 = ( 3 + (0) – 2(0)2)1/4 = 1.316074

X0+1 ‐ Xo = ‐1.316074

Como ‐1.316074 es mayor a la tolerancia absoluta establecida, se debe continuar el proceso de iteración.

X1 = 1.316074

55

b) G2(x) = (X + 3 – X4 / 2)1/2

 RESOLUCIÓN:

E2G2(x):
Xn: 0
TOL: 0.001
N: 15

Gráfico
CUADRO ITERATIVO:


CÁLCULO TÍPICO:

Xo = 0

X0+1 = ((0) + 3 – (0)4 / 2)1/2 = 1.22474

X0+1 ‐ Xo = 0 ‐ 1.22474 = ‐1.22474


X1 = 1.22474

56

c) G3(x) = (X + 3 / X2 + 2)1/2

 RESOLUCIÓN:

E2G3(x):
Xn: 0
TOL: 0.001
N: 15

Gráfico
CUADRO ITERATIVO:

n Xo Xn Xn+1 - Xn CHEQUEO
0 0 1.22474 1.22474 continuar iteración
5 1.124524 1.124022 -0.000502 raíz

CÁLCULO TÍPICO:

Xo = 0

X0+1 = ((0) + 3 / (0)2 + 2)1/2 = ‐3

X0+1 ‐ Xo = 0 – 3 = ‐3

Como ‐3 es mayor a la tolerancia absoluta establecida, se debe continuar el proceso de iteración.

X1 = ‐3

57

d) G4(X) = 3X4 + 2X2 + 3 / 4X3 + 4X ‐1

 RESOLUCIÓN:

E2G4(x):
Xn: 1
TOL: 0.001
N: 2

Gráfico
CUADRO ITERATIVO:

2 1.124482 1.124123 -0.000359 raíz

CÁLCULO TÍPICO:

Xo = 1

X0+1 = 3(1)4 + 2(1)2 + 3 / 4(1)3 + 4(1) ‐1= 1.142857

X0+1 ‐ Xo = 1 – 1.142857 = 0.142857

Como 0.142857 es mayor a la tolerancia absoluta establecida, se debe continuar el proceso de iteración.

X1 = 1.142857

E2B: ¿Cuál función a su juicio, dará la mejor aproximación a la solución?

Las dos últimas funciones, ofrecen los valores más próximos a la raíz.

58

2) E4: Los cuatro siguientes métodos siguen por objeto calcular 71/5. Clasifíquelos por orden, tomando en
base su rapidez de convergencia y suponiendo que P0 = 1.

1/ 2
 7  Pn 1
3

a) Pn  1  
 2 
 Pn 1 

Pn 1  7
5
b) Pn  Pn 1  2

Pn 1

Pn 1  7
5
c) Pn  Pn 1 
5  Pn 1
4

P 7
5
d) Pn  Pn 1  n 1
12

 RESULTADOS:

FUNCIÓN Pn RAÍZ # iteraciones
CASO A SIN ÉXITO 2
CASO B DIVERGE 5
CASO C 1.475773 5
CASO D 1.45850 15

59

Desarrollo:

1/ 2
 7  Pn 1
3

a) Pn  1  
 2 
 Pn 1 

 RESOLUCIÓN:

E4G1(x):
Xn: 1
TOL: 0.001
N: 2

Gráfico
CUADRO ITERATIVO:

n Pn-1 = Xn Pn = Xn+1 Xn+1 - Xn CHEQUEO
2 2.64575 #¡NUM! #¡NUM! #¡NUM!
3 #¡NUM! #¡NUM! #¡NUM! #¡NUM!

CÁLCULO TÍPICO:

Po = 1

1/ 2
 7  (1) 3 
P1 = 1   = 2.64575
 (1) 2 

P1 ‐ Po = 2.64575 – 1 = 1.64575


X1 = 2.64575

60

Pn 1  7
5
b) Pn  Pn 1  2

Pn 1

 RESOLUCIÓN:

E4G2(x):
Xn: 1
TOL: 0.001
N: 2

Gráfico

CUADRO ITERATIVO:

0 1 7 6 continuar iteración
1 7 -335.857143 -342.857143 continuar iteración
2 -335.857143 37884356.7 37884692.6 continuar iteración
3 37884356.7 -5.4373E+22 -5.4373E+22 continuar iteración
4 -5.4373E+22 1.6075E+68 1.6075E+68 continuar iteración
5 1.6075E+68 #¡NUM! #¡NUM! #¡NUM!

CÁLCULO TÍPICO:

Po = 1

(1) 5  7
P1 = (1)  = 7
(1) 2

P1 ‐ Po = 7 – 1 = 6

Como 7 es mayor a la tolerancia absoluta establecida, se debe continuar el proceso de iteración.

X1 = 7

61

Pn 1  7
5
c) Pn  Pn 1 
5  Pn 1
4

 RESOLUCIÓN:

E4G3(x):
Xn: 1
TOL: 0.001
N: 2

Gráfico
CUADRO ITERATIVO:

5 1.476022 1.475773 -0.000249 raíz

CÁLCULO TÍPICO:

Po = 1

(1) 5  7
P1 = (1)  = 2.2
5  (1) 4

P1 ‐ Po = 2.2 – 1 = 1.2


X1 = 2.2

62

P 7
5
d) Pn  Pn 1  n 1
12

 RESOLUCIÓN:

E4G4(x):
Xn: 1
TOL: 0.001
N: 2 Gráfico

CUADRO ITERATIVO:

CÁLCULO TÍPICO:

Po = 1

(1) 5  7
P1 = (1)  = 1.5
12

P1 ‐ Po = 1.5 – 1 = 0.5


X1 = 2.2
63

3) E10: Use un método de iteración de punto fijo para obtener una aproximación a (25)1/5 con una exactitud
de 10‐4.

 RESOLUCIÓN:

E4G1(x):
Xn: 1
TOL: 0.001
N: 2

Gráfico
CUADRO ITERATIVO:

4 587135.646 2.1037E-22 -587135.6457 continuar iteración
5 2.1037E-22 1.2764E+88 1.27642E+88 continuar iteración
6 1.2764E+88 #¡NUM! #¡NUM! #¡NUM!

CÁLCULO TÍPICO:

Xo = 2

X1 = 25 / (2)^4 = 1.5625

X1 ‐ Xo = 1.5625 ‐ 2 = ‐0.4375


X1 = 1.5625

64

4) E14: Aplique el método del punto fijo para determinar una solución de 10‐4 con X = TAN(x), para X en [4 ,
5].

 RESULTADO:

Arranque RAÍZ # iteraciones
4.5 4.18428E‐07 3

 RESOLUCIÓN:

E4G1(x):
Xn: 4.5
TOL: 0.0001
N: 2

Gráfico
CUADRO ITERATIVO:


3 2.3974E-05 4.18428E-07 -2.3556E-05 raíz

CÁLCULO TÍPICO:

Xo = 4.5

X1 = TAN (4.5) = 0.07870

X1 ‐ Xo = 0.07870 – 4.5 = ‐4.42130


X1 = 0.07870

65

5) E23: Un objeto que cae verticalmente en el aire está sujeto a una resistencia viscosa y también a la fuerza
de gravedad. Suponga que dejamos caer un objeto de masa m desde una altura So y que la altura del
objeto después de t segundos es:

m  g  t m2  g
g (t )  S 0   2
 (1  e  kt / m )
k k
Donde:

g: 32.17 ft/s2
K: 0.1 lbs * s/ft
S0: 300 ft
m: 0.25

Calcule con exactitud de 0.01 s el tiempo en que tarda este peso de un cuarto de libra en caer al suelo.

 RESULTADO:

Arranque RAÍZ # iteraciones
4.5 4.18428E‐07 3

 RESOLUCIÓN:

E4G1(x):
Xn: 4.5
TOL: 0.0001
N: 2
Gráfico
CUADRO ITERATIVO:

n Xo Xn Xn+1 ‐ Xn CHEQUEO

2 3.927565 3.928042 0.000477 raíz
CÁLCULO TÍPICO:

Xo = 3

X1 = 3.98 – 0.25*e‐0.4*(3) = 3.90470

X1 ‐ Xo = 3.90470 ‐ 3 = 0.90470


X1 = 3.90470
66

 RESUMEN:

E2:

El método de punto fijo localiza raíces en los casos a, c y d; en el caso “b”, se produce se da lugar a una iteración
una tanto cíclica, cuya convergencia se denota muy lenta; de los cuatro ejemplos, las últimas dos funciones G(x)
resultan las de más rápida convergencia. Las dos primeras, poseen pendientes tangentes cercanas a uno (1),
influyendo en el proceso iterativo del método.

El orden de convergencia ha resultado en la siguiente manera:

Función # Iteraciones
G(x)4 2
G(x)3 4
G(x)1 11
G(x)1 Convergencia lenta

E4:

De los cuatro métodos planteados (funciones), solo uno halló la raíz, siendo el ejemplo “c”, en cinco iteraciones. El
ejemplo “a”, da lugar a una raíz imaginaria, imposibilitando la determinación del la raíz real; resulta que la
intersección de la función planteada y la ecuación x = y, no coincide en el corte con la raíz de la función original. El
ejemplo “b” da lugar a una divergencia, siendo imposible determinar la raíz; en el caso del método “d”, la
convergencia resulta muy lenta.

E10:

Debido a la proyección de la función G(x), es decir, su pendiente tangente es cercana a cero; al momento de
aplicar el método del punto fijo se produce divergencia durante las iteraciones; posteriormente se aplica método
de bisección para hallar la raíz, siendo esta x = 1.90368652.

E14:

Este caso particular, la función G(x), posee una pendiente tangente cercana a cero; sin embargo, el método a
iterado rápidamente, hallando la raíz en la tercera iteración. La función G(x), tiene un cambio de pendiente
alrededor de x = 1.5, similar a una función exponencial; esto permite que las proyecciones entre x = y y G(x),
produzcan la convergencia rápida hallando la raíz de la función estudiada.

E23:

De acuerdo al ajuste en la función con los datos planteados en el ejercicio, la partícula tarda aproximadamente
3.93 segundos en tocar el suelo desde su caída. El método ha tenido rápida convergencia en hallar la raíz para un
total de dos iteraciones.
67
68
 Método de Bairstow:

1) E47: En la sección 1.8 no se proporcionó ningún algoritmo formal para el método de Bairstow, aunque las operaciones se muestran claramente. Traduzca estas
operaciones en un algoritmo de la naturaleza usada en secciones anteriores de este capítulo. El algoritmo debe incluir una prueba para ver si se requieren
repeticiones adicionales del procedimiento para obtener una factor cuadrático con un grado de exactitud específico.
1.- Datos P(x) = a4X4 + a3X3 + a2X2 + a1X + a0
Estimacion inicial
r0
S0
a4 a3 a2 a1 a0
Conocidos coeficientes
Precision deseada ∆r ∆s
2.- Proceso: Repetir hasta que ∆r= 0 y ∆s= 0, o hasta alcanzar la precision deseada
a4
b4 =
a3 + a4 x r0
b3=
a2 + b4 x r0 + b4 x r0
b2=
a1 + b2 x r0 + b3 x S0
b1=
a0 + b1 x r0 + b2 x S0
b0 =
a4
c4=
b3 + c4 x r0
c3=
b2 + c3 x r0 + c4 x s0
c2=
b1 + c2 x r0 + c3 x s0
c1=
(b1 x c2 - b0 x c3 ) / (c1 x c3 - c22)
∆r=
(-b0 - c1 /∆r) / c2
∆s=
Si ∆r = 0 y ∆s = 0; entonces FIN DEL PROCESO. Los factores cuadraticos de P(x) quedan
(X2-r0X-S0) x (b4X2+b3X+b2) ; sino
3.- Actualización
r1 = r0+ ∆r
S1 = S0 + ∆s ; repetir el paso 2 hasta que ∆r = 0 y ∆s=0 o hasta alcanzar la precisión deseada.

2) E48: Escriba un programa de computadora que implemente el algoritmo del ejercicio 47. En el programa use r = 0, s = 0 como valores iniciales,
en vez de hacer que los introduzca el usuario.

P(x) = 2x2 + 3x3 + x2 – x + 1
a0 = 1
a1 = ‐1
a2 = 1
a3 = 3
a4 = 2

r s b4 b3 b2 b1 bo c4 c3 c2 c1 ∆R ∆S
0,000000 0,000000 2,000000 3,000000 1,000000 -1,000000 1,000000 2,000000 3,000000 1,000000 -1,000000 1,00000000 0,00000000
1,000000 0,000000 2,000000 5,000000 6,000000 5,000000 6,000000 2,000000 7,000000 13,000000 18,000000 -0,53488372 0,27906977
0,465116 0,279070 2,000000 3,930232 3,386154 1,671764 2,722538 2,000000 4,860464 6,204974 5,914206 0,29310887 -0,71814068
0,758225 -0,439071 2,000000 4,516450 3,546343 -0,294116 -0,780102 2,000000 6,032900 7,242497 2,548455 -0,06947679 0,13215890
0,688748 -0,306912 2,000000 4,377496 3,401168 -0,000958 -0,044519 2,000000 5,754992 6,751083 2,882561 -0,00861525 0,01027287
0,680133 -0,296639 2,000000 4,360266 3,372283 0,000176 -0,000231 2,000000 5,720532 6,669728 2,839545 -0,00008836 0,00007225
0,680045 -0,296567 2,000000 4,360090 3,371923 0,000001 0,000000 2,000000 5,720180 6,668769 2,838647 -0,00000024 0,00000010

Polinomio con factores cuadráticos:

P(x) = (x2 – 0.68x + 0.296) * (2x2 + 4.3601x + .3719)
REFERENCIAS BIBLIOGRÁFICAS

TEXTOS

 Análisis Numérico. R. Burden.

 Análisis Numérico con Aplicaciones. Gerald – Wheatley.

FUNDAMENTOS TEÓRICOS

 Cátedra de Cálculo Numérico. Profesor Espinoza Richard.
Universidad de Los Andes / Postgrado de Ingeniería Estructural. Julio 2010.

 Cátedra de Cálculo Numérico. Profesora Pernalete Dexy.
Universidad Nacional Experimental Francisco de Miranda / Programa de Ingeniería Civil. Octubre 2005.

INTERNET

 Método de Bairstow. WIKIPEDIA. Septiembre 2010.

 1.III.2 Método de Bairstow. CN_1III2_bairstow_l.pdf. Manuel Palacios. Universidad de Zaragoza. Otoño
2007.

MN Ecuaciones No Lineales PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

MN Ecuaciones No Lineales PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE LOS ANDES

RESOLUCIÓN DE ECUACIONES NO LINEALES

0 ‐3.5 ‐1.375 ‐5.25 ‐9 ‐3.9753 ‐0.0036

1 ‐3.9753 ‐0.0036 ‐0.0036 ‐11.8518 ‐3.99995 ‐1.61E‐8

Pn(x) = (x2 - rx - s) * Qn-2( x) + R

‐1.5 2.5 SIN ÉXITO ‐ ‐

‐0.5 2.4 ‐5.7983E‐05 x 15

‐0.5 3 1.999977112 (x‐1)^3 16

‐3 ‐0.5 ‐2.00001526 (x+2) 15

‐2 ‐1 1.731995 X^2 14

2 ‐0.5 ‐1.731995 X^2 14

‐0.9 2.1 5.49316E‐05 0 15

‐0.1 2.9 1.999945 2 15

0.5 1.5 0.999939 1 15

‐2 ‐1 ‐1.839958 17

eX + 2‐X – 1 = 0 1 4 SIN ÉXITO 12

X3 + 3X2 – 1 = 0 ‐3 ‐2 ‐5.7983E‐05 3

X – COS(X) = 0 0 /2 1.999977112 3

X – 0.8 – 0.2*SEN(X) = 0 0 /2 ‐2.00001526 3

n Xn F (Xn) F´(Xn) Xn + 1 F (Xn+1) CHEQUEO

n Xn F (Xn) F´(Xn) Xn + 1 F (Xn+1) CHEQUEO

CASO D 1.45850 15

0 4.5 0.07870 -4.42130 continuar iteración

0 3 3.90470 0.90470 continuar iteración

(X2-r0X-S0) x (b4X2+b3X+b2) ; sino

S1 = S0 + ∆s ; repetir el paso 2 hasta que ∆r = 0 y ∆s=0 o hasta alcanzar la precisión deseada.

También podría gustarte