Professional Documents
Culture Documents
Unidad
Pgina | 108
Ya que 0.00123 = 1.23 x103 , decimos que 0.00123 tiene tres Cifras significativas.
El nmero 3210 = 3.210 x103 posee cuatro cifras significativas.
Note que en el ejemplo anterior, hemos mantenido el 0 de las unidades. Si el origen del
nmero no garantizara el valor de sus unidades, entonces deberamos escribir directamente
3.210 x103 lo que indicara que contamos con slo tres cifras significativas.
Sean xv y xc los valores verdadero y calculado de una cierta cantidad, con xv xc . Decimos
que xc aproxima a xv con t cifras significativas si t es el mayor entero no negativo para el cual
xv xc
5 x10t
xv
Para el caso xv = xc , xc aproxima xv con las cifras significativas propias.
Ejemplo
El nmero 3.1416 aproxima a 3.1415926 en 6 cifras significativas, ya que:
3.1415926 3.1416
3.1415926
2.3554932 x106 5 x106
Como se observa, no es necesario que coincidan los dgitos de las cifras significativas.
Pgina | 109
Ejercicio 1
Calcular el nmero de cifras significativas con que 9.99 aproxima a 10.
Ejercicio 2
Calcular el nmero de cifras significativas con que 1005 aproxima a 1000
Pgina | 110
Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al
blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura siguiente se
pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del
blanco de cada esquema representa la verdad.
La inexactitud (conocida tambin como sesgo) se define como un alejamiento sistemtico de
la verdad. Por lo tanto, aunque las balas en la figura c estn ms juntas que las de la figura a,
los dos casos son igualmente inexactos ya que ambos se centran en la esquina superior
izquierda del blanco.
La precisin, por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo
tanto, aunque las figuras b y d son igualmente exactas (esto es, igualmente centradas respecto
al blanco), la ltima es ms precisa ya que las balas estn en un grupo ms compacto.
Pgina | 111
Ejemplo.
Si especificamos que el valor de una resistencia elctrica es de 100 5% , estamos indicando
que su valor real debe estar en el intervalo [95, 105].
Ejemplo
Supongamos que un profesor debe iniciar siempre sus clases a las 7:00 am. Si existe
incertidumbre, podra iniciar con una distribucin normal con media de 7:05 y desviacin
estndar de 1 minuto, lo cual indica que el 99.7% de las veces iniciara en el intervalo [7:02,
7:08]. Por otro lado, si existe (solamente) sesgo, entonces empezara sistemticamente (por
ejemplo) a las 7:07.
3.1.3. Definicin de error y tipos de error.
Error.
Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida. Si p * es
una aproximacin a p , el error se define como
E p p*
Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido como
EA p p *
p p*
p
si p 0
Pgina | 112
Error aproximado
aproximacionactual aproximacionanterior
x100
aproximacionactual
Problema:
Suponga que el valor para un clculo debera ser
ER
0.2
Los errores de redondeo se deben a que las computadoras solo guardan un nmero finito de
cifras significativas durante un clculo. Las computadoras realizan esta funcin de maneras
diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la computadora puede
almacenar y usar como = 3.141592, omitiendo los trminos restantes y generando un
error de redondeo.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los
errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del
porque pueden resultar crticos en algunos mtodos numricos:
Ciertos mtodos requieren cantidades extremadamente grandes para obtener una respuesta.
Adems, estos clculos a menudo dependen entre s. Estos es, los clculos posteriores son
Pgina | 113
5 , si no fuera
y 32981107.9989.
32981108.1234
32981107.9989
0.1245
Ahora incrementando el minuendo en un 0.001 % se obtiene el nmero 32 981 437.934 5 y la
diferencia es:
Pgina | 114
5.67
3 cifras significativas
10.406
10.41
4 cifras significativas
7.3500
7.4
2 cifras significativas
1.3
2 cifras significativas
2. suma y resta
2.2 1.768 = 0.432 = 0.4
0.00468 x 10 -7 + 8.3 x 10 -4 228 x 10-6 =6.02468 x 10 4 = 6.0 x 10 -4 se redondea hasta el 3
porque nos indica que es el valor para redondeo
3. multiplicacin y divisin
Evalese
0.0642 x 4.8 = 0.30816 = 0.31
945/0.3185 = 2967.032967= 2967
Las siguientes reglas pueden aplicarse al redondear nmeros, cuando se realizan
clculos a mano.
Pgina | 115
Segunda: En la suma y la resta, el redondeo se lleva a cabo de forma tal que, el ltimo
dgito retenido en la respuesta corresponda al ltimo dgito ms significativo de los
nmeros que estn sumando o restando. Ntese que un dgito en la columna de las
centsimas es ms significativo que uno de la columna de las milsimas.
Errores por equivocacin. Las equivocaciones ocurren a cualquier nivel del proceso de
modelacin matemtica y puede contribuir con todas las otras componentes del error.
Se puede evitar nicamente con el conocimiento de los principios fundamentales y con
el cuidado sobre la aproximacin y diseo de la solucin a un problema.
Pgina | 116
0.000002 x103
0.600000 x103
0.600002x103
Como slo puede manejar solo cuatro dgitos, los ltimos dos son eliminados y la respuesta es:
0.6000 x103
o bien 600
Por el resultado, la suma nunca se realiz.
Resta de nmeros casi iguales
Supngase que la computadora decimal va a restar 0.2144 de 0.2145
Pgina | 117
Error (a b) (a b)
Si por otro lado a y b de entrada son inexactos, hay un segundo error posible. Por ejemplo,
considrese que en lugar del valor verdadero de a, la computadora tiene el valor a * , el cual
presenta un error a
a* a a
b* b b
MTI. Ulises Girn Jimnez
Pgina | 118
Error (a * b*) (a b)
Error (a a b b ) (a b) a a b b a b
Error a b c
o sea c* c c
El error absoluto es :
(a * b*) (a b) a b a b
o bien
c a b
Se dice que los errores
Si
pequeo en comparacin con otros trminos, y por tanto, eliminar el ultimo termino. Se
obtiene entonces el error del resultado final
(a * x b*) (a x b) (a x b ) (b x a )
Esto hace posible encontrar el valor absoluto del error relativo del resultado dividiendo
ambos lados entre a x b.
Pgina | 119
axb
b a
b
a
El error de propagacin relativo en valor absoluto en la multiplicacin es aproximadamente
igual o menor a la suma de los errores relativos de a y b en valor absoluto.
Divisin
Puede considerarse la divisin de a* y b* como sigue
a * /b* (a a ) / (b b ) (a a )
1
(b b )
(b b )
(a a )(b b ) ab a b a b a b
(b b )(b b )
b 2 b2
a * / b*
b2
razones, a
a * / b*
y se desprecian, se tiene:
ab a b a b
a a a b
2 2
2
2
b
b
b
b
b
b
El error es entonces:
a*/b*
a a a b
2
b
b
b
Dividiendo entre a/b se obtiene el error relativo. Al tomar el valor absoluto del error relativo,
se tiene
a a b
a
2
b b
b a b a b
a/b
a/b
b
b
a
a
a*/b*
Pgina | 120
Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas:
7 2 . 645751311
2.64
Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de una
cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el nmero,
por lo que tambin cae en un error.
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de
un procedimiento matemtico exacto. Estos errores se regresan a la formulacin matemtica
usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial.
La serie de Taylor
La serie de Taylor da una formulacin para predecir el valor de la funcin en
de la funcin y de sus derivadas en una vecindad al punto
xi 1 en trminos
xi .
Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.
f ( xi 1 ) f ( xi )
Aproximacin de primer orden.
f ( xi 1 ) f ( xi ) f ( xi )h Donde h ( xi 1 xi )
Aproximacin de segundo orden.
f ( xi 1 ) f ( xi ) f ( xi )h
f ( xi ) 2
h
h ( xi 1 xi )
2!
Donde
De esta manera se puede agregar trminos adicionales para desarrollar la expansin completa
de la serie de Taylor.
Pgina | 121
f ( xi ) 2 f ( n) ( xi ) n
h
h Rn
2!
n!
Se incluye un trmino residual para considerar todos los trminos desde n + 1 hasta el
infinito:
Rn
f ( n1) ( ) n1
h
(n 1)!
xi y xi 1
Ejemplo:
Aproximaciones de un polinomio mediante la serie de Taylor.
Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para
aproximar la funcin:
f ( x) 0.1x4 0.15x3 0.5x2 0.25x 1.2 Desde el punto xi 0 y con h = 1. Esto es,
predecir el valor de la funcin en
xi 1 1.
Solucin:
Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1
Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta
f(1)=0.2. Por lo tanto el valor que se trata de predecir es 0.2.
Orden
Derivada
Aproximaciones
1.2
-0.25
0.95
-1
0.45
-0.9
0.3
-2.4
0.2
Ejemplo:
Pgina | 122
f ( x) cos x
En x / 3 (60) con base al valor de f(x) y de sus derivadas alrededor del punto x / 4
12
Solucin:
El valor exacto
f ( x) cos ( x)
f ( x) 0.5
3
Orden
Derivada
Aproximaciones
0.707106781
-Sen(x)
0.521986659
-cos(x)
0.497754491
Sen(x)
0.499869147
Cos(x)
0.500007551
-Sen(x)
0.500000304
-Cos(x)
0.499999988
Serie de Maclaurin
Los mtodos iterativos obtienen la solucin como resultado de una serie de aproximaciones
generadas sucesivamente a partir de una aproximacin inicial a la solucin.
Problema
La funcin exponencial se puede calcular usando:
x 2 x3 x 4
e 1 x
...
2! 3! 4!
x
Pgina | 123
a s
significativas.
Solucin
s = (0.5 x 10 2 3 ) % = 0.05 %
Por lo tanto, se agregaran trminos a la serie hasta que a se menos que este nivel.
ER
p p*
p
si p 0
ERP (ER)100
aproximacionactual aproximacionanterior
x100
aproximacionactual
Ejemplo:
La expansin en serie de Maclaurin para el cos x es:
x2 x4 x6 x8
Cosx
2! 4! 6! 8!
Iniciando con el primer trmino Cos x = 1 , agrguense los trminos uno a uno para
Estimar
cos
3 . Despus que se agregue cada uno de los trminos, calclense los errores
Pgina | 124
cos
s = (0.5 x 10 2 2 ) % = 0.5 %
f ( x) e x x
x 0.2 a 1.1
Solucin.
Usando matlab
>> x=-0.2:0.1:1.1;
>> y=(exp(-x))-x;
>> plot(x,y)
>> grid on
1.5
0.5
-0.5
-1
-0.2
0.2
0.4
0.6
0.8
1.2
Pgina | 125
Pgina | 126
Pgina | 127
g ( x) x3 con
Eje y
200
0
-200
-400
-600
-800
-1000
-10
-8
-6
-4
-2
0
Eje x
10
Pgina | 128
Usando MatLab:
>> t=0:pi/100:2*pi; %intervalo
>> y1=sin(t); %primera funcion
>> plot(t,y1,'g') % Grafica de la primera funcion, color verde
>> y2=cos(t); %segunda funcion
>> hold on %mantiene fija la grafica
>> plot(t,y2,'r') %grafica de la segunda funcion, color rojo
>> xlabel('Tiempo') % Etiqueta del eje x
>> ylabel('Magnitud') %etiqueta eje Y
>> title('Grafica de dos funciones trigonometricas')
Grafica de dos funciones trigonometricas
1
0.8
0.6
0.4
Magnitud
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
Tiempo
Ejemplo:
Emplese grficas para obtener una raz aproximada de la siguiente funcin:
f ( x) Sin(10 x) Cos(3x)
x 5, 4.9..5
Pgina | 129
Ejemplo.
Para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m =
68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t = 10 s. Nota la
aceleracin de la gravedad es 9.8 m/s 2 . Determine su grfica.
t
gm
vt
1 e m
Solucin:
Este problema se resuelve determinando la raz de la ecuacin usando los parmetros:
t = 10, g = 9.8, v = 40 y m = 68.1
t
gm
f c
1 e m v
10
9.8(68.1)
f (c)
1 e 68.1 40
a, b dentro del cual sabemos que se encuentra la solucin, y paso a paso reducimos dicho
intervalo hasta obtener an , bn tal que bn an para 0 como la tolerancia, decimos que
hemos utilizado un mtodo de intervalo o mtodo cerrado.
A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos valores
inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o estar uno de
cada lado de la raz. Los mtodos particulares descritos sobre este punto emplean diferentes
estrategias para reducir sistemticamente el tamao del intervalo y as converger a la
respuesta correcta. Adems de la utilidad de los mtodos grficos para determinar valores
inciales, tambin son tiles para visualizar las propiedades de las funciones y el
comportamiento de los mtodos numricos.
Pgina | 130
2n
Despejando el valor de n
a
ln
2n
ln a ln 2n ln
ln a ln n ln 2
ln
ln a ln ln xu x1 ln
ln 2
ln 2
Nos resulta:
ln a ln
ln 2
Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren. O bien se
puede utilizar el siguiente criterio de convergencia Ea
EA aproxactual aproxanterior
MTI. Ulises Girn Jimnez
Pgina | 131
xr
x1 xu
2
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalos cae la raz
Problema
Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
x
f( x) e x
error
0.001
x1
xu
Solucin:
Usando excel
Problema:
Pgina | 132
error 0.001
x1 1
xu 2
Solucin:
Usando matlab
%Metodo de Biseccion
%Elaboro: MTI. Ulises Girn Jimnez
%Fecha: Marzo 18, 2014
clc; %Borrar
fprintf('\nCalculo de la raiz de una ecuacion por el metodo de
Biseccion\n\n');
Fx=input('Ingrese la funcion: ','s'); %funcin inicial f(x)
x1=input('Ingrese x1: '); %valor inicial X1
xu=input('Ingrese xu: '); %valor final Xu
e=input('Ingrese el error: '); %el valor del error
x=x1;
Fx1=eval(Fx); %funcion f(x1)
x=xu;
Fxu=eval(Fx); %funcion f(xu)
while abs(xu-x1)>e %criterio de paro
xr=(x1+xu)/2; %formula de biseccin
x=xr; %raiz aproximada
Fxr=eval(Fx); %funcin f(xr)
if Fx1*Fxr<0
xu=xr; %subintervalo izquierdo
Fxu=Fxr;
else
x1=xr;
Fx1=Fxr;
end
end
fprintf('\n La raiz real por el metodo de biseccion sera %.8f\n',xr);
ezplot(Fx);%graficamos la funcion
grid on;
Pgina | 133
Regla Falsa
Aunque el mtodo de biseccin es una tcnica perfectamente vlida para determinar races, su
enfoque es relativamente ineficiente. Una alternativa mejorada es la de del mtodo de la regla
falsa (falsa posicin) est basada en una idea para aproximarse en forma ms eficiente a la
raz. Un defecto del mtodo de biseccin es que al dividir el intervalo x1 a xu en mitades
iguales, no se toma en consideracin la magnitud de f ( x1 ) y de f ( xu ) .
Por ejemplo, si f ( x1 ) est mucho ms cerca de cero que f ( xu ) , es lgico que la raz se
encuentra ms cerca de x1 que de xu . Este mtodo alternativo aprovecha la idea de unir los
puntos con una lnea recta. La interseccin de la lnea con el eje de las x proporciona una
mejor estimacin de la raz. El reemplazamiento de la curva por una lnea recta da una
posicin falsa de la raz , de aqu el nombre de mtodo de la regla falsa o en latn , regula
falsi. Tambin se le conoce como mtodo de interpolacin lineal. Con el uso de tringulos
semejantes, la interseccin de la lnea recta y el eje de las x se puede calcular de la siguiente
manera:
f x1
f xu
xr x1 xr xu
Figura: esquema grafico del mtodo de la regla falsa. La frmula se deriva de los tringulos
semejantes (reas sombreadas)
f ( x1 )xr xu f xu xr x1
Agrupando trmino y reordenando
Pgina | 134
xr
xu f x1 x1 f xu
f x1 f xu
xr
f x1 xu
f xu x1
f x1 f xu f x1 f xu
xr xu
f x1 xu
f xu x1
xu
f x1 f xu
f x1 f xu
xr xu
f xu xu
f xu x1
f x1 f xu f x1 f xu
xr xu
f xu x1 xu
f x1 f xu
Pgina | 135
f xu x1 xu
f x1 f xu
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalos cae la raz
error
0.01
x1
xu
Solucin:
Ejemplo:
Utilice el mtodo de falsa posicin para encontrar la raz real de la siguiente funcin:
f( x) cos( x) ln( x)
error 0.001
x1 1
xu 2
Solucin:
Usando matlab
%Metodo de Falsa posicin
%Elaboro: MTI. Ulises Girn Jimnez
clc;
fprintf('\nCalculo de la raiz de una ecuacion por el metodo de falsa
posicin\n\n');
Fx=input('Ingrese la funcion: ','s'); %Funcin f(x)
x1=input('Ingrese x1 : '); %valor inicial x1
xu=input('Ingrese xu : '); %valor final xu
e=input('Ingrese el error : ');%Error
Pgina | 136
Otros mtodos
Condicin de Lipschitz
Definicin. Condicin de Lipschitz. Una funcin f(x) definida en el intervalo [a,b] se dice que
satisface una condicin de Lipschitz, si existe una constante L > 0 tal que
f x1 f x2 L x1 x2
Para cualquier par de nmeros x1 , x2 a, b .
f x1 f x2
x1 x2
Se puede simplificar a
k
g x1 , x2
Donde K es una constante y el valor de g x1 , x2 se pueda hacer arbitrariamente pequeo
para x1 , x2 a, b , no puede satisfacer una condicin de Lipschitz.
Pgina | 137
f (c)
f ( x1 ) f ( x2 )
x1 x2
Y entonces
f x1 f x2 f (c)( x1 x2 ) L x1 x2
Para cualesquiera
x1 , x2 a, b
3.2.3. Mtodos abiertos. Iteracin de punto fijo. Mtodo de la secante. NewtonRaphson
Iteracin de punto fijo
El mtodo de aproximaciones sucesivas, mtodo iterativo y tambin conocido como mtodo
de punto fijo, es uno de los mtodos ms sencillos e ilustra (a diferencia del mtodo de
biseccin) el caso cuando no se tiene garanta de obtener la solucin. Por tal motivo, el tema
central aqu es el concepto de convergencia de una sucesin de aproximaciones.
xn n1
satisface.
lim
n
n1
n
k, k 0
Pgina | 138
Mtodo de la Secante
Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin de
la derivada. Aunque esto no es un inconveniente para los polinomios y para muchas otras
funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de evaluar.
En estos casos la derivada se puede aproximar mediante una diferencia dividida, como la
figura
Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de Newton Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando una tangente
de la funcin hasta el eje x. Sin embargo, el mtodo de la secante usa una diferencia en vez de
la derivada para aproximar la pendiente.
Por lo tanto el mtodo de la secante
xi 1 xi
xi xi1 f xi
f xi f xi 1
xi 1 xi
Ejemplo.
Utilice el mtodo de la secante para obtener la raz real de la funcin
f ( x) x 3 2x 2 10 x 20
xi 1 xi 103
xi 1 0
xi 1
Solucin:
Pgina | 139
Usando matlab
%Mtodo de la secante
%MTI. Ulises Girn Jimnez
clear all;
clc;
fprintf('\nCalculo de la raiz de una ecuacion por el metodo de la
Secante\n\n');
f=input('Dame la funcion f(x) : ','s');
x0=input('Dame el valor del intervalo inferior de x : ');
x1=input('Dame el valor del intervalo superior de x : ');
e=input('Dame el porciento del error : ');
ea=1000;
c=1;
while ea>e
x=x0;
g=eval(f);
x=x1;
gg=eval(f);
xi=x1-((gg*(x0-x1))/(g-gg));
ea=abs((xi-x1)/xi)*100;
x0=x1;
x1=xi;
c=c+1;
end
fprintf('\n\n\n\nLa raiz exacta es: %d',xi)
fprintf('\n\nNumero de iteraciones: %d\n',c);
Newton Raphson
Es una de las frmulas ms ampliamente usadas para localizar races, si el valor inicial de la
raz es Xi, entonces se puede extender una tangente desde el punto [Xi, f (Xi) ]. El punto donde
esta tangente cruza el eje X, representa una aproximacin mejorada de la raz. El mtodo de
Newton-Raphson se puede obtener sobre la base de una interpretacin geomtrica, la primera
derivada en X es equivalente a la pendiente
Pgina | 140
f xi
f xi 0
xi xi 1
xi 1 xi
f xi
f xi
Ejemplo.
Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin
f ( x) x 3 2x 2 10 x 20 xi 1 xi 103
xi 0 i 0
Solucin:
Ejemplo.
Use
el
f ( x)
mtodo
de
Newton
Raphson
para
encontrar
la
raz
de
la
ecuacin
3x 2 18 x 15
, con un punto inicial de 8, con un error de aproximacin Ea 0.01 .
5
Solucin:
Pgina | 141
f ( x) x3 5x2 7 x 3
La ecuacin tiene una raz doble porque un valor de x hace que dos trminos de la ecuacin
Sean igual a cero. Grficamente, esto significa que la curva toca en forma tangencial al eje x en la
raz doble.
Figura: Ejemplos de races mltiples que son tangentes al eje x. obsrvese que la funcin no cruza
el eje en casos de races mltiples pares a) y c), mientras que para multiplicidad impar si lo hace b)
Vase la figura a en x = 1. Observe que la funcin toca al eje pero no la cruza en la raz.
Una raz triple corresponde al caso en que un valor x hace que tres trminos en una ecuacin sea
igual a cero, como en f ( x) ( x 3)( x 1)( x 1)( x 1)
Pgina | 142
xi 1 xi
f ( xi ) f ( xi )
f ( xi )2 f ( xi ) f ( xi )
Algoritmo
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta tangente. Sabemos que
tiene pendiente
Pgina | 143
y f ( xi ) f ( xi )( x xi )
Hacemos y=0:
f ( xi ) f ( xi )( x xi )
Y despejamos x:
x xi
f ( xi )
f ( xi )
xi 1 xi
f ( xi )
si f ( xi ) 0
f ( xi )
xi 1 xi
f ( xi ) f ( xi )
f ( xi )2 f ( xi ) f ( xi )
Ejemplo:
Mtodo de Newton Raphson modificado para el clculo de races mltiples.
Enunciado del problema. Use los dos mtodos, el estndar y el modificado, de Newton Raphson
para evaluar la raz mltiple de la ecuacin con valor inicial de x0 0 con
.
E = 0.001, la funcin es f ( x) x3 5 x 2 7 x 3
Solucin
La derivada es:
f ( xi ) 3x 2 10 x 7
Pgina | 144
Como ya se haba anticipado, el mtodo converge en forma lineal hasta el valor verdadero de 1.0.
Para el caso del mtodo modificado, la segunda derivada es f ( xi ) 6x 10 y la relacin
iterativa es:
xi 1 xi
Pgina | 145
( xi 1, f ( xi 1 )) y ( xi , f ( xi )).
El mtodo de la secante obtiene races de una funcin estimando una proyeccin de una lnea
recta en el eje de las x, a travs de los valores de la funcin. El mtodo de Mller, trabaja de
manera similar, pero en lugar de hacer la proyeccin de una recta utilizando dos puntos, requiere
de tres puntos para calcular una parbola.
De la ltima ecuacin podemos ver que el calor de C = f2(x2). Sustituyendo los valores de C en las
otras dos ecuaciones tenemos:
f2(x0)- f2(x2) = A(x0 x2)2 + B(x0 x2)
f2(x1) - f2(x2) = A(x1 x2)2 + B(x1 x2)
Si definimos
h0 = x1 - x0
h1 = x2 x1
d0 = [f(x1) f(x0)]/[x1 x0]
d1 = [f(x2) f(x1)]/[x2 x1]
Sustituyendo en las ecuaciones tenemos
-(d0* h0 + d1* h1)= A(h1 + h0 )2 - B(h1 + h0 )
-d1* h1 = A(h1)2 - Bh1
Pgina | 146
Ahora para calcular la raz del polinomio de segundo grado, podemos aplicar la formula
general. Sin embargo, debido al error potencial de redondeo, usaremos una formulacin
alternativa.
Ejemplo.
Use el mtodo de Mller con los valores iniciales de 4.5, 5.5 y 5 para determinar la raz de la
ecuacin f(x) = x3 13x 12.
x0
x1
x2
f(x0)
f(x1)
f(x2)
x3
4.00000
4.00000
0.00002
Mtodo de Bairstow
El mtodo de Bairstow es un mtodo iterativo, basado en el mtodo de Mller y de Newton
Raphson. Dado un polinonio fn(x) se encuentran dos factores, un polinomio cuadrtico f2(x) = x2
rx s y fn-2(x). El procedimiento general para el mtodo de Bairstow es:
Dado fn(x) y r0 y s0
Pgina | 147
Si no terminamos
La principal diferencia de este mtodo, respecto a otros, es que permite calcular todas las races
de un polinomio (reales e imaginarias).
Los trminos b, los calculamos utilizamos divisin sinttica, la cual puede resolverse utilizando la
siguiente relacin de recurrencia
bn = an
bn-1 = an-1 + rbn
bi = ai + rbi+1 + sbi+2
Una manera de determinar los valores de r y s que hacen cero el residuo es utilizar el Mtodo de
Newton-Raphson. Para ello necesitamos una aproximacin lineal de b1 y b0 respecto a r y s la cual
calculamos utilizando la serie de Taylor
donde los valores de r y s estn dados y calculamos los incrementos dr y ds que hacen a b1(r+dr,
s+ds) y b0(r+dr, s+dr) igual a cero. El sistema de ecuaciones que tenemos que resolver es:
Pgina | 148
Bairtow muestra que las derivadas parciales pueden obtener haciendo un procedimiento similar a
la divisin sinttica, as
cn = bn
cn-1 = bn-1 + rcn
ci = bi + rci+1 + sci+2
donde
Sustituyendo trmino
Ejemplo 1
Dado el polinomio f5(x) = x5 - 3.5x4 + 2.75x3 + 2.125x2 - 3.875x + 1.25, determinar los valores de r
y s que hacen el resido igual a cero. Considere r0 = -1 ys0 = 2.
Solucin.
Iteracin 1.
La divisin sinttica con el polinomio f2(x) = x2 -x + 2.0 da como resultado
f3(x) = x3 - 4.5x2 + 9.25x - 16.125
-43.875
16.75
dr
-30.75
108.125
-43.875
ds
61.75
de donde
r1 = -1.0 + 2.7636812508572213 =1.7636812508572213
s1 = 2.0 + 5.403374022767796 =7.403374022767796
Pgina | 149
Iteracin 2.
La divisin sinttica con el polinomio f2(x) = x2 -1.7636812508572213x - 7.403374022767796 da
como resultado
f3(x) = x3 - 1.7363187491427787x2 + 7.091061199392814x - 1.776754563401905
Residuo = {51.75640698828836, 105.68578319650365}
27.628006
14.542693
dr
-51.75640
208.148405
27.62800
ds
-105.68578
de donde
r2 = 1.7636812508572213 - 0.04728019113442016 = 1.7164010597228012
s2 = 7.403374022767796 - 3.469106187802152 = 3.934267834965644
Iteracin 3.
La divisin sinttica con el polinomio f2(x)= x2 - 1.7164010597228012x - 3.934267834965644 da
como resultado
f3(x) = x3 - 1.7835989402771988x2 + 3.622896723753395x + 1.3261878347051992
Residuo = {12.654716254544885, 28.1881465309956}
13.83497
7.44182
dr
-12.65471
65.679212
13.83497
ds
-28.18814
de donde
Pgina | 150
Residuo
-1
30.75
-61.75
1.76368
7.403374
51.756406
105.68578
1.71640
3.93426
12.65471
28.18814
1.599731
2.450680
2.89958
8.15467
1.33354
2.18666
0.760122
2.522228
1.11826
2.11302
0.271940
0.607688
1.02705
2.02317
0.04313
0.11185
1.00165
2.00153
0.00277
0.00634
1.00000
2.00000
1.13930E-5
2.67534E-5
La solucin es:
f3(x) = x3 - 2.53x2 + 2.25x - 0.625 y f2(x) = x2 - x - 2
Las races de f2(x) = x2 - x - 2, son
x1 = 2
x2 = -1
Si repetimos el ejemplo pero ahora considerando el polinomio f3(x) = x3 - 2.53x2 + 2.25x - 0.625 ,
podemos calcular el total de las races del polinomio original.
Pgina | 151
a,i
xik xik 1
*100 s
xik
4 x1 x2 1
x1 4 x2 x3 1
x 2 4 x3 x 4 1
x3 4 x 4 1
Con
s 0.01
a,i
xik xik 1
*100 s
xik
x1
x2 1
4
x2
x k 1 x k d1
x1 x3 1
4
d1
x3
k 1
1
x1k
x2 x4 1
4
x
2
k 1
2
x2k
x4
x3 1
4
Pgina | 152
Problema: Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH, existen
tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin de estos
depsitos viene dada en la siguiente tabla. Cuantas m3 debe tomar de cada depsito para
cumplir con las necesidades requeridas?. Use el mtodo de Jacobi con E = 0.01
Solucin:
Solo se muestran una parte de la tabla de donde se realizaron los clculos, el motivo es porque es
muy extensa la tabla, por lo tanto, los datos que necesitbamos, son los siguientes:
3
Depsito 1: 3744.76489 m
Pgina | 153
Problemas
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Jacobi con 10 2
x1 3x2 5x3 2 x4 10
x1 9 x2 8x3 4 x4 15
x2 x4 2
2 x1 x2 x3 x4 3
Gauss Seidel
Los mtodos iterativos o aproximados proveen una alternativa en los mtodos de eliminacin. El
mtodo de Gauss-Seidel es el mtodo iterativo ms comnmente usado. Suponga que se da un
conjunto de n ecuaciones:
Ax B
a,i
xik xik 1
*100 s
xik
Como cada nuevo valor de x se calcula con el mtodo de Gauss-Seidel, este se usa
inmediatamente en la siguiente ecuacin para determinar otro valor de x. De esta manera, si la
solucin es convergente, se empleara la mejor estimacin posible.
Pgina | 154
4 x1 x2 1
x1 4 x2 x3 1
x 2 4 x3 x 4 1
x3 4 x 4 1
Con
s 0.01
a,i
xik xik 1
*100 s
xik
x1
x2 1
4
x2
x k 1 x k d1
x1 x3 1
4
d1
x3
x2 x4 1
4
x1k
k 1
1
x
2
k 1
2
x4
x2k
x3 1
4
Problema: Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH, existen
tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin de estos
Pgina | 155
Gauss Jordn
2 x1 3x2 x3 0
2 x2 x3 1
x1 x3 0
Solucin.
Pgina | 156
x1
3
5
x2
1
5
x3
3
5
En mathcad
2 3 1 0
A 0 2 1 1
1 0 1 0
1 0 0 0.6
rref( A) 0 1 0 0.2
0 0 1 0.6
En matlab
4 x1 9 x2 2 x3 5
2 x1 4 x2 6 x3 3
x1 x2 3x3 4
Pgina | 157
a)
b)
f1 x1 , x2 x12 x22 4 0
f 2 ( x1 , x2 ) x2 x12 0
f1 ( x1, x2 ) 10( x2 x12 ) 0
f 2 ( x1 , x2 ) 1 x1 0
f ( x1 , x2, x3 ) x1 x2 x3 10 x13 x2 0
c) f ( x1 , x2, x3 ) x1 2 x2 x3 sen( x2 ) 15 0
Ejemplo:
Encuentre una solucin del sistema de ecuaciones no lineales
f1(x , y ) x 2 10x y 2 8 0
f 2 (x , y ) xy 2 x 10y 8 0
Solucin:
Despejar x
Despejar y
x2 y2 8
10
xy 2 x 8
10
Pgina | 158
k 1
(x k )2 (y k )2 8
10
k 1
x k (y k )2 (y k )2 8
10
Primera iteracin
x1
02 02 8
0.8
10
y1
0(0)2 0 8
0.8
10
Segunda iteracin
x2
(0.8) 2 (0.8) 2 8
0.928
10
y2
0.8(0.8)2 0.8 8
0.9312
10
xk
yk
0.00000
0.00000
0.80000
0.80000
0.92800
0.93120
0.97283
0.97327
0.98937
0.98944
0.99578
0.99579
0.99832
0.99832
0.99933
0.99933
0.99973
0.99973
0.99989
0.99989
10
0.99996
0.99996
11
0.99998
0.99998
Pgina | 159
0.99999
0.99999
13
1.00000
1.00000
Para observar la convergencia del proceso iterativo, se pudieron usar los criterios, como distancia
entre dos vectores consecutivos, o bien las distancias componente a componente de dos vectores
consecutivos.
g1 g 2
g
g
M 1; 1 2 M 1
x
x
y
y
Por otro lado, si M es muy pequea en una regin de inters, la iteracin converge rpidamente; si
M es cercana a 1 en magnitud, entonces la iteracin puede converger lentamente.
g x
x k 1 g1 x k , y k
y
k 1
k 1
, yk
f 1 x, y 0
f 2 x, y 0
Pgina | 160
f ( x, y) f (a, b)
f
f
1 2 f
2 f
2 f
( x a) ( y b) [
( x a) 2 2
( x a)( y b)
( y b) 2
x
x
2! xx
xy
xy
...
Donde f(x, y) se ha expandido alrededor del punto (a, b) y todas las derivadas parciales estn
evaluadas en (a, b).
x k 1 x k h
y k 1 y k j
x k 1 x k h
y k 1 y k j
la sustitucin de la ecuacin :
f1
f
h 1 j f1 ( x k , y k )
x
y
f 2
f
h 2 j f 2 (xk , y k )
x
y
El cual es un sistema de ecuaciones lineales en las incgnitas h y j.
Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el determinante
de la matriz de coeficiente o matriz j no sea cero; es decir, si
Pgina | 161
f1
y
0
f 2
y
f1 ( x, y) x 2 y 2 1
f 2 ( x, y) x 2 y 2 1
La grafica de f1 ( x, y) x y 1 se muestra en la figura 4.4.
2
Use el mtodo de Newton Raphson para encontrar una solucin aproximada del sistema:
f1(x , y ) x 2 10x y 2 8 0
f 2 (x , y ) xy 2 x 10y 8 0
f1
f1
2y
x 2 x 10
y
f
2
2 y2 1
2 xy 10
x
y
que aumentada en el vector de funciones resulta en:
Pgina | 162
2y
2
2
x 2 x 10
x 10 x y 8
y
2
f 2 y 2 1 f 2 2 xy 10 xy x 10 y 8
x
y
Primera iteracin
al evaluar la matriz en x 0 , y 0
se obtiene :
10 0 8
1 10 8
x1 x 0 h 0 0.8 0.8
y1 y 0 j 0 0.88 0.88
Calculo de la distancia entre x 0 y x 1
Segunda iteracin
al evaluar la matriz en x 1 , y 1
se obtiene :
Pgina | 163
xk
yk
0.00000
0.00000
------
0.80000
0.88000
1.18929
0.99179
0.99171
0.22195
0.99998
0.99997
0.01163
1.00000
1.00000
0.00004
x k 1 x k
Problemas propuestos
Problema:
En una columna de cinco platos, se requiere absorber benceno contenido en una corriente de gas
V, con un aceite L que circula a contracorriente del gas. Considrese que el benceno transferido no
altera sustancialmente el nmero de moles de V y L, fluyendo a contracorriente, que la relacin de
equilibrio est dada por la ley de henry (y = mx) y que la columna opera a rgimen permanente.
Calcule la composicin del benceno en cada plato.
Datos: V = 100 moles / min;
L = 500 moles / min,
x0 0.0 Fraccin molar del benceno en L (el aceite entra por el domo sin benceno).
m = 0.12.
Pgina | 164
Balance de benceno
5
4
3
2
1
L x 0 x5 V y 4 y 5 0
L x5 x 4 V y 3 y 4 0
L x 4 x3 V y 2 y 3 0
Lx3 x2 V y1 y 2 0
Lx2 x1 V y 0 y1 0
Al sustituir la informacin que se tiene, las consideraciones hechas y rearreglando las ecuaciones,
se llega a:
512 x1 - 500 x2 = 9
12 x1 - 512 x2 + 500 x3 = 0
12 x2 - 512 x3 + 500 x4 = 0
12 x3 - 512 x4 + 500 x5 = 0
- 12 x4 + 512 x5 = 0
Un sistema de cinco ecuaciones con cinco incgnitas, que se resuelve con mathcad como sigue:
0
0 9
512 500 0
12 512 500
0
0 0
A 0
12 512 500
0 0
0
0
12 512 500 0
0
0
12 512 0
0
rref( A) 0
0 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
4.32 10
5
1.037 10
7
2.487 10
9
5.829 10
0.018
Problema:
Con los datos del diagrama siguiente 8 donde los porcentajes estn dados en peso) , encuentre
posibles valores de la corriente M1 , M 2 , M 3 , si M 4 100kg
Pgina | 165
Balance de materia
Etanol
Metanol
Agua
Global
0.83M 1 0M 2 0.55M 3 58
0M 1 0.61M 2 0.24M 3 21
0.17 M 1 0.39M 2 0.21M 3 21
M1 M 2 M 3 M 4 0
0.83 0 0.55 58
A 0 0.61 0.24 21
1 0 0 19.014
rref( A) 0 1 0 4.225
0 0 1 76.761
Alimento
Maz
Desperdicios
Alfalfa
Cebada
Requerimientos
unidades / Kg.
Carbohidratos
80
15
35
60
230
Protenas
28
72
57
25
180
Vitaminas
20
20
12
20
80
Celulosa
50
10
20
60
160
Costo $
18
20
Pgina | 166
80
28
A
20
50
15 35 60 230
1
0
rref( A)
0
0
72 57 25 180
10 20 60 160
20 12 20 80
0 0 0 1.852
1 0 0 1.032
0 1 0 0.618
0 0 1 0.745
1.852
1.032
kilogramos
0.618
0.745
( b)
Costo ( 18 5 7 20)
Total ( 57.722)
Problema.
(Manufactura). R. S. C. L. S y Asociados fabrica tres tipos de computadora personal: Cicln, Cclope
y Cicloide. Para armar una Cicln se necesitan 10 horas, otras 2 para probar sus componentes y 2
horas ms para instalar sus programas. El tiempo requerido para la Cclope es 12 horas en su
ensamblado, 2.5 para probarla y 2 horas para instalarla. La Cicloide, la ms sencilla de la lnea,
necesita 6 horas de armado, 1.5 horas de prueba y 1.5 horas de instalacin. Si la fbrica de esta
empresa dispone de 1560 horas de trabajo por mes para armar, 340 horas para probar y 320 horas
para instalar, cuntas PC de cada tipo puede producir en un mes ?
Solucin:
Marcas
Cicln
10
Cclope
12
2.5
Cicloide
1.5
1.5
1560
340
320
10 x 12 y 6 z 1560
2 x 2.5 y 1.5z 340
2 x 2 y 1.5z 320
MTI. Ulises Girn Jimnez
Pgina | 167
10 12 6 1560
A 2 2.5 1.5 340
2 2 1.5 320
1 0 0 60
rref( A) 0 1 0 40
0 0 1 80
Problema.
(Cambio de moneda extranjera).Una empresaria internacional necesita, en promedio, cantidades
fijas de yenes japoneses, libras inglesas y marcos alemanes durante cada viaje de negocios. Este
ao viajo 3 veces. La primera vez cambio un total de $ 2550 dlar con las siguientes tasas: 100
yenes por dlar, 0.6 libras por dlar y 1.6 marcos por dlar. La segunda vez cambio $ 2840 dlar en
total con las tasas de 125 yenes, 0.5 libras y 1.2 marcos por dlar. La tercera vez, cambio un total
de $ 2800 dlar a 100 yenes, 0.6 libras y 1.2 marcos por dlar. Cuantos yenes, libras y marcos
compro cada vez?
Solucin:
1
1
1
x
y
z 2550
100
0.6
1.6
1
1
1
x
y
z 2840
125
0.5
1.2
1
1
1
x
y
z 2800
100
0.6
1.2
Resuelta por el mtodo de Gauss Jordn
1
100
1
A
125
1
100
1
1
2550
0.6 1.6
1
1
2840
0.5 1.2
1
1
2800
0.6 1.2
1 0 0 80000
rref( A) 0 1 0 600
0 0 1 1200
En consecuencia, cada vez compro 80 000 yenes, 600 libras y 1200 marcos para viajar.
Pgina | 168
20 20000 20 660
A 20 30000 10 1130
15 25000 20 1010
1 0 0 20
rref( A) 0 1 0 0.05
0 0 1 3
Problema:
(Soluciones qumicas). Se necesitan tres ingredientes distintos, A, B y C, para producir determinada
sustancia. pero deben disolverse primero en agua, antes de ponerlos a reaccionar para producir la
sustancia. La solucin que contiene A con 1.5 gramos por centmetros cbicos ( g / cm3 ),
combinada con la solucin B cuya concentracin es de 3.6 g / cm3 y con la solucin C con 5.3 g /
cm3 forma 25.07 g de la sustancia. si las proporciones de A, B y C en esas soluciones se cambian a
2.5, 4.3 y 2.4 g / cm3 , respectivamente ( permaneciendo iguales los volmenes ), se obtienen
22.36 g de la sustancia. Por ltimo, si las proporciones se cambian a 2.7, 5.5 y 3.2 g / cm 3 ,
respectivamente, se producen 28.14 g de la sustancia. Cules son los volmenes, en centmetros
cbicos, de las soluciones que contienen A, B y C?
Solucin:
Pgina | 169
1 0 0 1.5
rref( A) 0 1 0 3.1
0 0 1 2.2
Por consiguiente, los volmenes correspondientes de las soluciones que contienen A, B y C son 1.5
cm3 , 3.1 cm3 y 2.2 cm3.
Problema.
Un ingeniero industrial supervisa la produccin de cuatro tipos de computadoras. Se requiere
cuatro clases de recursos horas-hombre, metales, plsticos y componentes electrnicos en la
produccin. En el cuadro siguiente se resumen las cantidades necesarias para cada uno de estos
recursos en la produccin de cada tipo de computadora. Si se dispone diariamente de 504 horashombre, 1970 Kg. de metal , 970 Kg. de plstico y 601 componentes electrnicos, Cuntas
computadoras de cada tipo se puede construir por da?
Solucin:
3
20
A
10
10
7 20 504
25 40 50 1970
15 20 22 970
8 10 15 601
1
0
rref( A)
0
0
0 0 0 10
1 0 0 12
0 1 0 18
0 0 1 15
Pgina | 170
7 20
25 40 50
15 20 22
8 10 15
soln lsolve ( M v)
504
1970
v
970
601
10
12
soln
18
15
Problema:
Determine las concentraciones molares de una mezcla de cinco componentes en solucin a partir
de los siguientes datos espectrofotomtricos
Asmase que la longitud de la trayectoria ptica es unitaria y que el solvente no absorbe a estas
longitudes de onda. Utilice el mtodo de Gauss Seidel. Utilizando como criterio de paro
Pgina | 171