Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ciones no Lineales
En matemática, se conoce como raíz (o cero) de una función f pxq a todo elemento x
perteneciente al dominio de dicha función tal que se cumpla: f pxq “ 0. Por ejemplo,
dada la función f pxq “ x2 ´ 6x ` 8, podemos afirmar que 2 y 4 son raíces ya que
f p2q “ 0 y f p4q “ 0. En caso de funciones reales los puntos en los que el gráfico
corta al eje de las abscisas es una interpretación gráfica de las raíces de dicha función.
El teorema fundamental del álgebra determina que todo polinomio en una variable
compleja y de grado n tiene n raíces (contando sus multiplicidades). Aun así, las
raíces de los polinomios reales no son necesariamente reales; algunas de ellas, o
incluso todas, pueden ser complejas.
Una ecuación lineal es una ecuación relacionada con una línea recta, por ejemplo
f pxq “ mx ` c describe una recta con pendiente m y la ecuación lineal f pxq “ 0, que
implica tal f , se resuelve fácilmente, x “ ´c{m (siempre que m ‰ 0). Si una función
f no está representada por una línea recta de esta manera, decimos que no es lineal.
En otras palabras,una ecuación se dice no lineal si contiene terminos polinomiales
de grado mayor que uno o si contiene terminos que no son polinómicos. En general,
las ecuaciones no lineales no pueden ser resueltas analíticamente. En este caso, por
lo tanto, la solución debe ser obtenida usando métodos iterativos. El principio de
22 Ecuaciones y Sistemas de Ecuaciones no Lineales
|f pxn q| ď Ftol
donde Atol, Rtol y Ftol son constantes especificadas por el usuario. Por lo general,
pero no siempre, el segundo criterio relativo es más robusto que el primero, absoluto.
Una combinación adecuada puede usar un valor de tolerancia tol, que dice: |x n ´
xn´1 | ď Tolp1 ` |xn|q. El tercer criterio es independiente de los dos primeros; Toma
el valor de la función en cuenta. La función f pxq puede ser en general muy plana, o
muy empinada, o ninguna, cerca de su raíz.
Los métodos cerrados (bracketing methods) calculan los puntos finales de una
serie de intervalos sucesivamente más pequeños que contienen una raíz. Esto
Ecuaciones y Sistemas de Ecuaciones no Lineales 23
les permite proporcionar lḿites del error absoluto en la ubicación de una raíz
cuando se sabe que la función es continua. Estos métodos requieren dos puntos
iniciales, uno a cada lado de la raíz.
Los métodos abiertos usan uno o mas aproximaciones iniciales de la raíz pero
no hay necesidad de que la raiz este entre esas aproximaciones.
Para problemas bien planteados, los métodos cerrados siempre funcionan,por lo que
tambien son llamados de convergencia garantizada, pero convergen lentamente, es
decir, típicamente toman más iteraciones para obtener la respuesta adecuada. En
contraste, los métodos abiertos no siempre funcionan (es decir, pueden diverger),
pero cuando lo hacen, generalmente convergen más rápido.
Por esta razón, es importante conocer las debilidades y fortalezas de los métodos en
lo teorico y en lo practico. En este sección estudiaremos los métodos de Bisección,
Posición Falsa, Newton-Raphson, Secante y de Punto Fijo. Los cuatro son iterativos
y comienzan con una o varias aproximaciones de la ecuación f pxq “ 0. Las diferencias
radican en
la garantia de convergencia,
la velocidad de convergencia y
el costo computacional.
Dados a y b tales que a ă b y f P Cpra, bsq tal que f paqf pbq ă 0, sean a0 :“ a
a0 ` b0
y b0 :“ b. Por lo tanto f tiene una raíz en el intervalo pa0 , b0 q. Sea c0 :“ .
2
Forzosamente debemos caer en uno de los siguientes casos:
(a) f pa0 qf pc0 q “ 0: en este caso se tiene que f pc0 q “ 0; por lo tanto ya localizamos
una raíz, c0 , y se finaliza el proceso;
(b) f pa0 qf pc0 q ă 0: por lo tanto f tiene una raíz en el intervalo pa0 , c0 q y definimos
a1 “ a0 y b1 “ c0 ;
(c) f pa0 qf pc0 q ą 0: por lo tanto f tiene una raíz en el intervalo pc0 , b0 q y definimos
a1 “ c0 y b1 “ b0 .
En los casos (b) y (c) anteriores f tiene una raíz en el nuevo intervalo pa1 , b1 q.
Ecuaciones y Sistemas de Ecuaciones no Lineales 25
Por lo tanto, el proceso se vuelve a repetir desde con el nuevo intervalo pa1 , b1 q y
c1 :“ pa0 ` b0 q{2, hasta que se satisfaga algún criterio de detención.
a2
a1 x1
a0
x0 b0
b1
x2 b2
ˆ ˙k
1
|ck ´ α| ď pb ´ aq cuando n ě 1. (2.1)
2
Solución. Por (2.1) tenemos que |ck ´ α| ď pb ´ aq{2k para k ě 1. Como queremos
que |ck ´ α| ď 10´4 , esto requiere que |ck ´ α| ď pb ´ aq{2k “ 2´k ă 10´4 así,
despejando k se obtiene k ą 4{ ln 2 “ 13,2. Luego el numero minimo de iteraciones
para alcanzar una precisión de 10´4 es 14.
Implementación en Matlab
Método de Bisección
1 Encuentre el intervalo ra, bs en el cual f pxq “ 0
2 Haga c “ pa ` bq{2
3 Calcule f pcq
4 Revise el criterio de convergencia
5 Si f pcq y f pbq tienen signos opuestos haga a “ c, en caso contrario haga b “ c
6 Reptita el paso 2.
function raiz=bisec(funct,a,b,tol)
fa=feval(funct,a);
fb=feval(funct,b);
if (fb*fa>0)
error(’La funcion tiene el mismo signo en ambos extremos.’)
end
while (abs(b-a)>tol)
if (fa*fb==0)
if (fa==0)
raiz=a;
else
raiz=b;
end
else
raiz=(a+b)/2;
fraiz=feval(funct,raiz);
if fraiz==0;
disp(’El punto medio es la raiz!’)
break
elseif (fa*fraiz>0)
a=raiz;
fa=fraiz;
else
b=raiz;
fb=fraiz;
end
end
end
?
Ejemplo 2.1.2. Encuentre una aproximación a 3
25 correcta con una exactitud de
10´4 usando el método de bisección.
?
Solución. Para aproximar 3 25 utilizamos la ecuación f pxq “ x3 ´ 25 “ 0. ? Para
establecer el intervalo donde buscaremos la raiz tenemos en cuenta que 2 “ 3 8 y
?
3 “ 3 27 y comprobamos que f p2q.f p3q ă 0. Así utilizaremos el método de bisección
en la función f pxq “ x3 ´ 25 “ 0 en r2, 3s.
28 Ecuaciones y Sistemas de Ecuaciones no Lineales
Una desventaja del del método de bisección es que al dividir el intervalo ra, bs en
mitades iguales, no se tiene en cuenta las magnitudes de f paq y f pbq. Por ejemplo, si
f paq está mucho más cercana a cero que f pbq, es lógico que la raíz se encuentre más
cerca de a que de b (figura 2.2). El método de la falsa posición al igual que el método
de bisección: localiza la raíz en una sucesión de intervalos de tamaño decreciente.
En lugar de seleccionar el punto medio cada intervalo, este método utiliza el punto
donde las líneas secantes cortan al el eje x.
(b, f (b))
a α
c b
(a, f (a))
En la figura 2.2, la línea secante sobre el intervalo ra, bs es la cuerda entre pa, f paqq
y pb, f pbqq. Los dos triángulos rectos de la figura son similares, lo que significa que
b´c c´a
“
f pbq ´f paq
Es fácil mostrar que
„ „
a´b b´a af pbq ´ bf paq
c “ b ´ f pbq “ a ´ f paq “
f paq ´ f pbq f pbq ´ f paq f pbq ´ f paq
Este método fue propuesto por Newton en 1669. En su trabajo, Newton solo trató
con polinomios y fue J. Raphson, quien propuso en 1690 la forma general del método,
es decir, con f pxq general, es por eso que el método es a menudo llamado el método
de Newton-Raphson. El progreso en el desarrollo del método está relacionada con
famosos matemáticos como Fourier, Cauchy y otros. Por ejemplo, Fourier demostró
en 1818 que el método converge cuadráticamente en la vecindad de una raíz, mientras
que Cauchy proporcionó la extensión a sistemas de ecuaciones. En el trabajo [1]
se expone el desarrollo historico del Método de Newton Raphson a través de las
notas, cartas y publicaciones existentes de Isaac Newton, Joseph Raphson y Thomas
Simpson.
Este método se basa en usar una recta tangente a la gráfica de f para aproximar
esta gráfica, cerca del punto donde la función se anula: Supongamos que tenemos
la aproximación xk a la raíz α de f pxq. Trazamos la recta tangente a la curva en el
punto pxk , f pxk qq, cuya ecuación es: y “ f pxk q ` f 1 pxk qpx ´ xk q. Esta recta cruza al
eje de abscisas en un punto xk`1 que será nuestra siguiente aproximación a la raíz
α. El punto xk`1 donde la recta tangente y “ f pxk q ` f 1 pxk qpx ´ xk q corta al eje
de abscisas queda determinado por f pxk q ` f 1 pxk qpxk`1 ´ xk q “ 0. El método de
Newton Raphson o de la tangente define entonces la sucesión de aproximaciones a
Ecuaciones y Sistemas de Ecuaciones no Lineales 31
x2 x1 x0
α de la manera siguiente:
f pxk q
xk`1 :“ xk ´ , k “ 0, 1, 2, . . .
f 1 pxk q
Definición 2.3.1 (Orden de Convergencia). Una sucesión txk ukPN que converge a
α se dice convergente con orden p ě 1, si
|α ´ xk`1 | ď C|α ´ xk |p @k P N,
Teorema 2.3.1. Sea f P C 2 pra, bsq con una raíz α P pa, bq y sean m1 y M2 tales que
Dado x0 P ra, bs, sea txk ukPN la sucesión obtenida por el método de Newton–Raphson.
Si xk P ra, bs @k P N y m1 ą 0, entonces
M2
|α ´ xk`1 | ď |α ´ xk |2 .
2m1
Por lo tanto, si x0 se escoge suficientemente cercano a α, se tiene la convergencia
lı́m xk “ α,
kÑ8
con orden p “ 2.
Entonces ˇ ˇ
ˇ 1 f 2 pξn q 2 ˇ M2
ˇ
|α ´ xk`1 | “ ˇ´ 1 en ˇˇ ď |α ´ xk |2
2 f pxn q 2m1
Dado x0 P ra, bs, sea txk ukPN la sucesión obtenida por el método de Newton–Raphson.
Si xk P ra, bs @k P N y m1 ą 0, entonces
M2
|α ´ xk`1 | ď |xk`1 ´ xk |2 , k “ 0, 1, 2, . . .
2m1
|α ´ xk | ď |α ´ xk`1 | ` |xk`1 ´ xk |
M2
ď |xk`1 ´ xk |2 ` |xk`1 ´ xk | « |xk`1 ´ xk | .
2m1
Implementación en Matlab
function raiz=newton(f,Df,x0,tol,maxit)
k=0;
raiz=x0;
corr=tol+1;
while (k<maxit) & (abs(corr)>tol)
k=k+1;
xk=raiz;
fxk=feval(f,xk);
Dfxk=feval(Df,xk);
if (Dfxk==0)
error(’La derivada de la funcion se anula.’)
end
corr=fxk/Dfxk;
raiz=xk-corr;
end
if (abs(corr)>tol)
error(’Se excedio el numero maximo de iteraciones.’)
end
Ejemplo 2.3.1. Calcule mediante este programa las raíces de la ecuación cospxq ´
x “ 0 con un error menor que 10´12 .
>> f3=inline(’cos(x)-x’);
>> Df3=inline(’-sin(x)-1’);
>> tol=1.e-12;
>> maxit=10;
>> x0=1;
>> format long
>> raiz=newton(f3,Df3,x0,tol,maxit)
raiz =
0.73908513321516
?
Ejemplo 2.3.2. Calculemos 2 resolviendo la la ecuación x2 ´ 2 “ 0 con un error
Ecuaciones y Sistemas de Ecuaciones no Lineales 35
Bisección Newton–Raphson
1 1.50000000000000 2.00000000000000
2 1.25000000000000 1.50000000000000
3 1.37500000000000 1.41666666666667
4 1.43750000000000 1.41421568627451
5 1.40625000000000 1.41421356237469
6 1.42187500000000
7 1.41406250000000
.. ..
. .
15 1.41421508789063
16 1.41419982910156
17 1.41420745849609
Ejemplo 2.3.3. Verifique que el método de Newton es usado para calcular la raíz
cuadrada de R, px2 “ Rq la sucesión de iteraciones esta definida por
ˆ ˙
1 R
xn`1 “ xn `
2 xn
Un problema con el método de Newton es que requiere para evaluar tanto la función
como su derivada en cada paso. Cuando la función f es difícil de evaluar , esto puede
ser costoso. Por lo tanto, a veces es mejor contar con métodos que no requieran la
evaluación de la derivada de la función aunque esto implique a tener que usar un
mayor número de valores iniciales. Un ejemplo de estos métodos alternativos al
36 Ecuaciones y Sistemas de Ecuaciones no Lineales
f pxk q ´ f pxk´1 q
.
xk ´ xk´1
Es decir,
xk ´ xk´1
xk`1 :“ xk ´ f pxk q , (2.2)
f pxk q ´ f pxk´1 q
x2 x3 x1 x0
Método de Secante
1 Escoja los puntos iniciales x0 y x1
2 Haga x2 “ x1 ´ f px1 qpx1 ´ x0 q{pf px1 q ´ f px0 qq.
3 Revise el criterio de convergencia
4 Haga x0 “ x1 y x1 “ x2
5 Repita el paso 2.
Teorema 2.4.1. Sea f P C 2 pra, bsq con una raíz α P pa, bq y tal que f 1 pxq “ 0
@x P ra, bs. Dado x0 , x1 P ra, bs, sea txk ukPN la sucesión obtenida por el método de la
Ecuaciones y Sistemas de Ecuaciones no Lineales 37
F pξq
k ξk F pξk q
2 0.154945125357809 0.306838746970189
3 0.121713497103167 0.364846520543225
4 0.101574690022528 0.406952778324256
0,4
5 0.104900102175629 0.399557373801510
6 0.104701071205083 0.399994679461919
7 0.104698649668035 0.400000004108657
ξ
α
38 Ecuaciones y Sistemas de Ecuaciones no Lineales
Note que hay distintas formas de escoger dicha función g. Por ejemplo encontrar una
raíz de f pxq “ ex ´ 3x ´ 4 es equivalente a encontrar un punto fijo de las siguientes
funciones
g1 pxq “ lnp3x ` 4q
ex ´ 4
g2 pxq “
3
g3 pxq “ ´ex ` 4x ` 4
y=x
b
f (b) y = g(x)
f (a)
a b
Teorema 2.5.1. Suponga que g es una función de valor real, definida y continua
sobre un intervalo cerrado y acotado ra, bs de la recta real, y sea gpxq P ra, bs, para
todo x P ra, bs entonces g tiene un punto fijo en ra, bs. Si además, g 1 pxq existe en
pa, bq y existe 0 ď k ă 1 tal que |gpxq| ď k para todo x P pa, bq el punto fijo es unico.
En la figura 2.4 se puede ver que no todas las funciones obtenidas a partir de la
ecuación ex ´ 3x ´ 4 “ 0 cumplen la hipotesis de gpxq P ra, bs como se exige en el
40 Ecuaciones y Sistemas de Ecuaciones no Lineales
f pxq
f pxq “ exx´ 3x ´ 4
e ´4
g2 pxq “
3
3 y“x
g1 pxq “ lnp3x ` 4q
x
3
g3 pxq “ ´ex ` 4x ` 4
teorema. Mientras que g1 pxq P r0, 3s para todo x P r0, 3s, esto no se cumple para
g2 pxq y g3 pxq.
` ˘
Ejemplo 2.5.2. Pruebe que la función gpxq “ π ` 21 sen x2 tiene un único punto
fijo en r0, 2πs.
Solución. Lo primero que debemos verificar es que gpxq P r0, 2πs. En efecto, calcu-
lemos los puntos críticos de gpxq : g 1 pxq “ 14 cosp x2 q por tanto g 1pxq “ 0 si x “ π. Los
puntos críticos de g son 0, π y 2π y gp0q “ π, gp2πq “ π y gpπq “ π ` 21 . La función
g es continua en r0, 2πs y tiene máximo y mínimo absoluto. Por tanto se tiene que
π ď gpxq ď π ` 21 , de este modo vemos que gpxq P r0, 2πs para todo x P r0, 2πs. La
primera parte del Teorema 2.5.1 garantiza la existencia del punto fijo. Para probar
que es único basta observar que |g 1 pxq| ď 1{4 “ k ă 1.
Teorema 2.5.2. Suponga que g es una función de valor real, definida y continua
sobre un intervalo cerrado y acotado ra, bs de la recta real, y sea gpxq P ra, bs, para
todo x P ra, bs. Si además, g 1 pxq existe en pa, bq y existe 0 ď k ă 1 tal que |g 1 pxq| ď k
para todo x P pa, bq y si p0 P ra, bs entonces la sucesión
f pxq “ x
2π
y “ π ` sinpx{2q
x
α 2π
Demostración. Por Teorema 2.5.1 tenemos que existe un único punto fijo p en ra, bs
para el cual gppq “ p. Como g mapea en ra, bs, la sucesión tpn u8 n“1 esta bien definida
para todo n ě 0 y pn P ra.bs para todo n. Usando el echo de que |g 1pxq| ď k y el
Teorema del valor medio, nosotros tenemos que para cada n, |pn ´ p| “ |gppn´1 ´
gppqq| “ |g 1 pξn q||pn´1 ´ p| ď k|pn´1 ´ p| donde ξn P pa, bq. Aplicando la inecuación
reiterativamente optenemos
|pn ´ p| ď k|pn´1 ´ p| ď k 2 |pn´2 ´ p| ď ¨ ¨ ¨ ď k n |p0 ´ p| (2.6)
como 0 ă k ă 1, tenemos que lı́m k n “ 0 y lı́m |pn ´ p| ď lı́m k n |p0 ´ p| “ 0.
nÑ8 nÑ8 nÑ8
Luego tpn u8
n“0 converge a p. Como p P ra, bs, la primera inecuación se obtiene de la
inecuación
|pn ´ p| ď k n |p0 ´ p| ď k n máxtp0 ´ a, b ´ p0 u
para n ě 1, procedemos como (2.6), entonces
|pn`1 ´ pn | “ |gppn q ´ gppn´1q| ď k|pn ´ pn´1 | ď ¨ ¨ ¨ ď k n |p1 ´ p0 |.
42 Ecuaciones y Sistemas de Ecuaciones no Lineales
Así para m ą n ě 1
ÿ
m´n´1 ÿ
8
n i n
|p ´ pn | “ lı́m |pm ´ pn | ď lı́m k |p1 ´ p0 | k ď k |p1 ´ p0 | ki.
mÑ8 mÑ8
i“0 i“0
ř8
Como i“0 k i “ 1{p1 ´ kq, tenemos que |p ´ pn | ď pk n q{p1 ´ kq|p1 ´ p0 |.
Ejemplo 2.5.3. Muestre que la función gpxq “ lnp2x ` 1q tiene un único punto fijo
en r1, 2s y aproximelo tomando como punto inicial x0 “ 0,5 .
Solución. Note que gp1q “ lnp3q P r1, 2s y gp2q “ lnp5q P r1, 2s; además g 1pxq “
1{p2x ` 1q, de este modo g 1 pxq ą 0 para todo x P r1, 2s por tanto g es una función
monotona creciente y gpxq P r1, 2s. Para probar la unicidad vemos que 3 ď 2x`1 ď 5
para todo x P r1, 2s y por consiguiente
ˇ ˇ
ˇ 1 ˇ 1
|g pxq| “ ˇˇ
1 ˇď .
2x ` 1 ˇ 3
En la tabla siguiente se muestra una aproximación para dicho punto fijo, tomando
como punto incial x0 “ 1,5
Ecuaciones y Sistemas de Ecuaciones no Lineales 43
2 y“x
n xn gpxn q
y “ lnp2x ` 1q 1 1.500000 1.386294
2 1.386294 1.327761
3 1.327761 1.296239
4 1.296239 1.278842
5 1.278842 1.269110
1
19 1.256440 1.256436
20 1.256436 1.256434
21 1.256434 1.256433
22 1.256433 1.256432
x
1 2
Implementación en Matlab
+
44 Ecuaciones y Sistemas de Ecuaciones no Lineales
function y = punto_fijo(g,p0,tol,max1)
format long
for k=1:max1
p = g(p0);
error_abs = abs(p-p0);
error_rel = error_abs/( abs(p)+eps );
% eps es la tolerancia para evitar dividir por cero
if (error_abs<tol) & (error_rel<tol)
break % sale del ciclo;
end
p0 = p
end
if (k==max1)
disp(’El algoritmo alcanza el maximo de iteraciones’)
end
y = p;
Ejemplo 2.5.4. Use el manejo algebráico para demostrar que las siguientes fun-
ciones tienen un punto fijo en p exactamente cuando f ppq “ 0, donde f pxq “
x4 ` 2x2 ´ x ´ 3.
ˆ ˙1{2
a) g1 pxq “ px ` 3 ´ 2x2 q1{4 x ` 3 ´ x4
c) g3 pxq “
2
ˆ ˙1{2 ˆ 4 ˙
x`3 3x ` 2x2 ` 3
b) g2 pxq “ d) g4 pxq “
x2 ` 2 4x3 ` 4x ´ 1
Solución.
La tabla 6.2 muestra las cuatro primeras iteraciones usando cada una de las funciones
de punto fijo con p0 “ 1. La raiz de la función f es 1,124123029704315 por lo que la
función g4 pxq es la que mejor funciona.
Ejemplo 2.5.5. Use el Teorema 2.5.1 para mostrar que gpxq “ 2´x tiene un único
“ ‰
punto fijo en 13 , 1 . Use la iteración del punto fijo para obtener una aproximación
del punto fijo exacta en 10´4 . Use los estimativos del Teorema 2.5.2 para estimar
la cantidad de iteraciones necesarias para alcanzar una exactitud de 10 ´4 y después
compare esta estimación teórica con la que realmente se requiere.
“ ‰
Solución. Claramente g es continua y además es decreciente en 31 , 1 porque
g 1 pxq “ ´2´x ln 2 ă 0. Por tanto
ˆ ˙
1 ´1 1
ď 2 “ gp1q “ mı́n gpxq ď máx gpxq “ g “ 2´1{3 « 0, 79 ď 1
3 1
xPr 3 ,1s 1
xPr 3 ,1s 3
De esta manera se tiene que gpxq P r 31 , 1s para todo x P r 13 , 1s. Por otra parte tenemos
que
|g 1pxq| “ | ´ 2´x ln 2| ď |2´x | ln 2 ď 2´1{3 ln 2
para todo x P p 31 , 1q. Sea p0 “ 0,5 y pn`1 “ gppn q para n “ 0, 1, 2, . . . . Para estimar
el número de iteraciones necesarias para poder alcanzar con exactitud de 10 ´4 el
punto fijo recordamos queremos
|pn ´ p| ď k n máxtb ´ p0 , a ´ p0 u (2.7)
46 Ecuaciones y Sistemas de Ecuaciones no Lineales
Iteración pn gppn q
y 1 0.500000 0.707107
1 y“x 2 0.707107 0.612547
3 0.612547 0.654041
.. .. ..
. . .
9 0.640964 0.641285
y “ 2´x 10 0.641285 0.641142
11 0.641142 0.641205
12 0.641205 0.641177
x 13 0.641177 0.641190
α 1 14 0.641190 0.641184
15 0.641184 0.641187
Ejemplo 2.5.6. Determine un intervalo ra, bs donde la iteración de punto fijo con-
verge si gpxq “ p2 ` x2 ´ ex q{3. Estime la cantidad de iteraciones necesarias para
obtener una aproximación con una exactitud de 10´5 y realiza los calculos.
iteraciones necesarias para poder alcanzar con exactitud de 10´4 el punto fijo, para
esto debemos calcular, según el Teorema 2.5.2, un natural n para el cual se cumpla
ˆ ˙n
1
|pn ´ p| ď máxt1 ´ 0,5, 0,5 ´ 0u ă 10´4 (2.9)
3
y
Iteración pn gppn q
1 y“x 1 0.700000 0.158749
2 0.158749 0.284386
3 0.284386 0.250643
4 0.250643 0.259323
5 0.259323 0.257065
6 0.257065 0.257651
y “ p2 ` x2 ´ ex q{3 7 0.257651 0.257499
α
x 8 0.257499 0.257538
1
` ˘
Cuando }a ´ xpkq } es pequeño, el término O }a ´ xpkq }2 es mucho más pequeño
aún y puede despreciarse en en el desarrollo de Taylor anterior:
` ˘
0 “ pxpkq q ` Dpxpkq q pa ´ xpkq q ` O }a ´ xpkq }2
« pxpkq q ` Dpxpkq q pa ´ xpkq q.
algoritmo:
ˇ
ˇ Dado xp0q P Rn ,
ˇ
ˇ para k “ 0, 1, 2, . . .
ˇ
ˇ
ˇ resolver Dpxpkq q dxpkq “ ´pxpkq q,
ˇ
ˇ xpk`1q :“ xpkq ` dxpkq ,
ˇ
ˇ hasta que se satisfaga algún criterio de detención.
Observacion 2.6.1. Los teoremas de convergencia, y estimación del error del mé-
todo de Newton–Raphson se pueden generalizar al caso de sistemas, reemplazando
el valor absoluto por una norma vectorial. Así se obtiene que
donde C es una constante positiva que depende de las derivadas primeras y segundas
de f . Al igual que en el método de Newton–Raphson, si se desea calcular la solución
a del sistema con error menor que ď ǫ, puede usarse
}xpk`1q ´ xpkq } ďď ǫ
y
y “ x2
px0 , y0q
pxk , yk q
x2 ` y 2 “ 1
x
„
2x 2y
Dpx, yq “
´2x 1
x y
1.00000000000000 1.00000000000000
0.83333333333333 0.66666666666667
0.78809523809524 0.61904761904762
0.78615406630609 0.61803444782168
0.78615137776208 0.61803398874999
>> f=inline(’sin(x)’)
f =
Inline function:
f(x) = sin(x)
Calculemos el cero de la función f pxq “ senpxq mas cercano a 3 :
>> r=fzero(f,3)
r =
3.141592653589793
Tambien lo demos usar si conocemos el intervalo donde se encuentra la raiz: f(zero(f,[a,b]).
En este caso es necesario que haya un cambio de signo de la funcón en los extremos
de dicho intervalo. La función roots(C) calcula las raices de un polinomio cuyos
coeficientes estan almacenados en el vector C.. Si queremos calcular las raices de
ppxq “ 4x2 ` 3x ` 1 tenemos que hacer lo siguiente
52 Ecuaciones y Sistemas de Ecuaciones no Lineales
ans =
-0.3750 + 0.3307i
-0.3750 - 0.3307i
Note que la primera componente del vector C corresponde al coeficiente del mono-
mio de mayor grado y la ultima entrada corresponde al término independiente. Si
queremos encontrar las raices del polinomio entonces ppxq “ x2 ´ 1 C=[1 0 -1].
En este sección hemos los métodos para encontrar una raiz de una funcion: Bisección,
Newton-Raphson, Secante y de Punto Fijo. Para compararlos es necesario tener en
cuenta
la velocidad de convergencia y
el costo computacional.
En este capítulo, se han presentado cinco métodos para resolver una ecuación f pxq “
0. Los métodos de bisección y regula falsi son fiables pero lentos. El método de
Newton es rápido, pero a menudo sólo converge cuando el dato inicial está cerca de
la raíz y requiere f 1 . El método secante es casi tan rápido como el método de Newton
y no requiere el conocimiento de la derivada f 1 , la cual puede no estar disponible o
puede ser demasiado costoso de calcular.
El usuario del método de bisección o de regula falsi debe proporcionar dos puntos en
los que los signos de f pxq difieren, y la función f sólo necesita ser continua. Al usar
el método de Newton, se debe especificar un punto de partida cerca de la raíz, y f
debe ser diferenciable. El método secante requiere dos buenos puntos de partida.
Ecuaciones y Sistemas de Ecuaciones no Lineales 53
Para una ecuación no lineal f pxq “ 0, buscamos un punto donde la curva f interseca
el eje x (y “ 0). Un enfoque alternativo es reformular el problema como un problema
de punto fijo x “ gpxq para una función no lineal relacionada g. Para el problema de
punto fijo, buscamos un punto donde la curva g intersecte la línea diagonal y “ x.
Un valor de x tal que x “ gpxq es un punto fijo de g porque x no cambia cuando se le
aplica g. Muchos algoritmos iterativos para resolver una ecuación no lineal f pxq “ 0
se basan en un método iterativo de punto fijo xn`1 “ gpxn q donde g tiene puntos
fijos que son soluciones de f pxq “ 0. Se selecciona un valor inicial inicial x0 y el
método iterativo se aplica repetidamente hasta que converge suficientemente bien.
1. Compruebe que hay un cero de f pxq “ e´x ´ x en el intervalo indicado r0, 1s.
Use el método de Bisección con una precisión de ǫ “ 10´4 .
a=0;b=1;tol=0.0001;
funct=inline(’exp(-x)-x’);
fa=feval(funct,a);
fb=feval(funct,b);
if (fb*fa>0)
error(’La funcion no cambia de signo.’)
end
k=0;
while (abs(b-a)>tol)
if (fa*fb==0)
if (fa==0)
raiz=a;
else
raiz=b;
end
else
raiz=(a+b)/2;
fraiz=feval(funct,raiz);
if fraiz==0;
disp(’El punto medio es la raiz!’)
break
else
if (fa*fraiz>0)
a=raiz;fa=fraiz;
else
b=raiz;fb=fraiz;
end
end
end
k=k+1;
fprintf(’%d %0.10e \n’,k,raiz)
end
Ecuaciones y Sistemas de Ecuaciones no Lineales 57
1 5.0000000000e-01
2 7.5000000000e-01
3 6.2500000000e-01
4 5.6250000000e-01
5 5.9375000000e-01
6 5.7812500000e-01
7 5.7031250000e-01
8 5.6640625000e-01
9 5.6835937500e-01
10 5.6738281250e-01
11 5.6689453125e-01
12 5.6713867188e-01
13 5.6726074219e-01
14 5.6719970703e-01
2. Usted está trabajando para una compañia que fabrica objetos flotadores. El
balón flotante tiene una gravedad específica de 0,6 y tiene un radio de 5, 5cm.
Se le pide que encuentre la profundidad a la que se sumerge la bola cuando
flota en el agua. La ecuación que da la profundidad x a la que se sumerge la
bola bajo el agua viene dada por
x3 ´ 0,165x2 ` 0,0003993 “ 0
donde x esta dada en metros. Usa el método de bisección para encontrar las
raíz de la ecuación para hallar la profundidad x a la que se sumerge la bola
bajo el agua.
x
Agua
a=0;
b=0.11;
funct=inline(’x^3-0.165*x^2+0.0003993’);
tol=0.0001;
fa=feval(funct,a)
fb=feval(funct,b)
if (fb*fa>0)
error(’La funcion no cambia de signo.’)
end
k=0;
while (abs(b-a)>tol)
if (fa*fb==0)
if (fa==0)
raiz=a;
else
raiz=b;
end
else
raiz=(a+b)/2;
fraiz=feval(funct,raiz);
if fraiz==0;
disp(’El punto medio es la raiz!’)
break
else
if (fa*fraiz>0)
a=raiz;
fa=fraiz;
else
b=raiz;
fb=fraiz;
end
end
end
k=k+1;
fprintf(’%d %0.10e \n’,k,raiz)
end
Ecuaciones y Sistemas de Ecuaciones no Lineales 59
1 5.5000000000e-02
2 8.2500000000e-02
3 6.8750000000e-02
4 6.1875000000e-02
5 6.5312500000e-02
6 6.3593750000e-02
7 6.2734375000e-02
8 6.2304687500e-02
9 6.2519531250e-02
10 6.2412109375e-02
11 6.2358398438e-02
3. A una empresa le cuesta Cpqq dólares producir q gramos por día de un deter-
minado producto químico, donde
tol=0.0001;
maxit=100;
f=inline(’1000-2*x+3*x.^(2/3)’);
Df=inline(’-2+2*x.^(-1/3)’);
x0=600;
k=0;
raiz=x0;
corr=tol+1;
while (k<maxit) & (abs(corr)>tol)
k=k+1;
xk=raiz;
fxk=feval(f,xk);
Dfxk=feval(Df,xk);
if (Dfxk==0)
error(’La derivada de la funcion se anula.’)
end
corr=fxk/Dfxk;
raiz=xk-corr;
fprintf(’%d %0.10e \n’,k,raiz)
end
if (abs(corr)>tol)
error(’Se excedio el numero maximo de iteraciones.’)
end
1 6.0760893855e+02
2 6.0760678863e+02
3 6.0760678863e+02
Probemos inicialmente con la función gpxq :“ px3 ` 2q{6. Vemos que g 1 pxq “
Ecuaciones y Sistemas de Ecuaciones no Lineales 61
Por otro lado |g 1 pxq| “ |x2 {2| ď 1{2. Entonces, se cumplen las hipótesis del
teorema de punto fijo.
tol=0.0001;
maxit=100;
g=inline(’(x^3+2)/6’);%
p0=0.5;
k=0;
corr=tol+1;
while (k<maxit) & (abs(corr)>tol)
k=k+1;
pk=feval(g,p0);
corr=pk-p0;
fprintf(’%d %0.10e \n’,k,pk)
p0=pk;
end
1 3.5416666667e-01
2 3.4073742525e-01
3 3.3992671569e-01
4 3.3987976508e-01
El punto de g y raíz de f es 0,33987976508.
2.8 Ejercicios
A Para cada una de las siguientes funciones compruebe que hay un cero de f pxq
en el intervalo indicado y encuentre el número mínimo de iteraciones, N, nece-
sarias para lograr una precisión de ǫ “ 10´3 utilizando el método de bisección.
Realice N iteraciones y presente los resultados como en la tabla 2.2.