Metodos Numericos-Chapra

FUNDAMENTOS DE ANALISIS NUMERICOS
PARTE DOS

RACES
DE
ECUACIONES
II. 1 MOTIVACIN

Desde hace aos, se aprendi a usar la formula cuadrtica:

a
ac b b
x
2
4
2

= [II.1]

Para resolver:

0 ) (
2
= + + = c bx ax x f [II.2]

A los valores calculados con la ecuacin (II.1) se les llama races de la ecuacin (II.2).
Estos representan los valores de x que hacen que la ecuacin (II.2) igual a cero. Por lo
tanto, se puede definir la raz de una ecuacin como el valor de x que hace f(x) = 0. Por
esta razn algunas veces a las races se les conoce como ceros de la ecuacin .

Aunque la forma cuadrtica es til para la resolver la ecuacin (II.2), hay muchas
funciones diferentes que no se pueden resolver de manera tan fcil. En estos casos, los
mtodos numricos descritos en el capitulo 4 y 5 proporciona medios eficientes para
obtener la respuesta.

II.1.1 Mtodos empleados antes de la era de la computadora para determinar races

Antes del advenimiento de las computadoras digitales, haba una serie mtodos para
encontrar las races de las ecuaciones algebraicas o trascendentales. Para algunos
casos, las races se podan obtener por mtodos directos. Como se hace con la ecuacin
(II.1). Aunque haba ecuaciones, como esta que se podan resolver directamente, haban
muchas otras que no lo eran, por ejemplo, hasta una funcin aparentemente simple tal
como f(x) = e
-x
x no se puede resolver analticamente. En estos casos, la nica
alternativa es una tcnica de solucin aproximada.

Un mtodo para obtener una solucin aproximada es la de graficar la funcin y determinar
dnde cruza al eje x. Este punto, que representa el valor de x para el cual f(x)=0, es la
raz. Las tcnicas grficas se discuten al principio de los captulos 4 y 5.

Aunque los mtodos grficos son tiles en la obtencin de estimaciones aproximativas de
las races, estn limitadas por la carencia de precisin. Una aproximacin alternativa es
usar lo tcnica de prueba y error. Esta "tcnica" consiste en escoger un valor de x y
evaluar si f(x) es cero. S no es as (como suceder en la mayor parte de los casos), se
hace otra conjetura y se evala nuevamente f(x) para determinar si el nuevo valor da una
mejor estimacin de la raz. El proceso se repite hasta que se obtenga un valor que
genere una f(x) cercana a cero.

Estos mtodos fortuitos, obviamente son ineficientes e inadecuados para las exigencias
en la prctica de la ingeniera. Las tcnicas descritas en la parte III representan
alternativas que no slo aproximan sino emplean estrategias sistemticas para
encaminarse a la raz verdadera. Adems, se adaptan idealmente a la implementacin en
computadoras personales. Tal como se presenta en las pginas siguientes, la
combinacin de estos mtodos sistemticos con la computadora hace de la solucin de la
mayor parte de los problemas sobre races de ecuaciones una tarea simple y eficiente.

II.1.2 Races de ecuaciones y su prctica en lo ingeniera

Aunque las races de ecuaciones caben dentro de otro contexto, frecuentemente
aparecen en el rea de diseo en ingeniera. El cuadro I.1 muestra un conjunto de
principios fundamentales que se utilizan frecuentemente en trabajos de diseo. Las
ecuaciones matemticas o los modelos derivados de estos principios se emplean en la
prediccin de las variables dependientes en funcin de las variables independientes y de
los parmetros. Ntese que en cada caso, las variables dependientes reflejan el estado o
funcionamiento del sistema, ya sea que los parmetros representen sus propiedades o su
composicin.

Un ejemplo de tales modelos se presenta en la ecuacin derivada de la segunda ley de
Newton, usada en el captulo 1 para la velocidad del paracaidista:
| |
) / (
1
m c
e
c
gm
v

= [11.3]

Donde la velocidad v es la variable dependiente, el tiempo t es la variable independiente y
g la constante gravitacional, el coeficiente de rozamiento c y la masa m son parmetros.
Si se conocen los parmetros, la ecuacin (II.3) se puede usar para predecir la velocidad
del paracaidista como una funcin del tiempo. Estos clculos se pueden llevar a cabo
directamente ya que v se expresa explcitamente como una funcin del tiempo. Esto es,
est aislada a un lado del signo igual.

Sin embargo, supngase que se tiene que determinar el coeficiente de rozamiento para
un paracaidista de una masa dada, para alcanzar una velocidad prescrita en un periodo
dado de tiempo.

Aunque la ecuacin (II.3) proporciona una representacin matemtica de la interrelacin
entre las variables del modelo y los parmetros, no se puede resolver explcitamente para
el coeficiente de rozamiento. Prubese. No hay forma de reordenar la ecuacin paro
despejar c de un lado del signo igual. En estos casos, se dice que c es implcita.

Esto representa un dilema real, ya que muchos de los problemas de diseos en
ingeniera, involucran la especificacin de las propiedades o la composicin de un sistema
(representado por sus parmetros) para asegurar que funciona de la manera deseada
(representada por sus variables). Por lo tanto, estos problemas a menudo requieren que
se determinen sus parmetros de forma explcita.

La solucin del dilema las proporcionan los mtodos numricos para races de
ecuaciones. Para resolver el problema usando mtodos numricos es conveniente
cambiar la ecuacin (11.3). Esto se hace restando lo variable dependiente v de ambos
lados de la ecuacin, obteniendo:

| | v e
c
gm
c f
m c
=
) / (
1 ) ( [II.4]

Por lo tanto, el valor de c que cumple f(c) = 0, es la raz de la ecuacin. Este valor tambin
representa el coeficiente de rozamiento que soluciona el problema de diseo.

La parte II de este libro analiza una gran variedad de mtodos numricos y grficos para
determinar races de relaciones tales como la ecuacin (II.4). Estas tcnicas se pueden
aplicar a los problemas de diseo en ingeniera basados en os principios fundamentales
delineados en el cuadro II.1 as como tantos otros problemas que se afrontan
frecuentemente en la prctica de la ingeniera.

11.2 FUNDAMENTOS MATEMTICOS

En la mayor parte de las reas mencionadas en este libro, en general existen algunos
prerrequisitos de fundamentos matemticos necesarios para conocer a fondo el tema. Por
ejemplo, los conceptos de estimaciones de errores y la expansin en serie de Taylor,
analizadas en el captulo 3, tienen importancia directa en el anlisis de races de
ecuaciones. Adicionalmente, antes de este punto se mencionaron los trminos de
ecuaciones "algebraicos" y "trascendentales". Puede resultar til definir formalmente estos
trminos y discutir como se relacionan con esta parte del libro.

Por definicin, una funcin dada por y = f (x) es algebraica si se puede expresar de la
siguiente manera:

0
0 1
1
1
= + + + +

f y f y f y f
n
n
n
n
[II.5]

Donde las f son polinomios en x. Los polinomios son un caso simple de funciones
algebraicas que se representan generalmente como:

n n
x a x a a x f + + + =
1 0
) ( [II.6]

Donde las a son constantes. Algunos ejemplos especficos son:

f(x) = 1 - 2.37x+ 7.5x
2
[II.7]

y

f(x) = 5x
2
- x
3
+ 7x
6
[II.8]

Una funcin trascendental es una que no es algebraica. Incluye funciones trigonomtricas,
exponenciales, logartmicas y otras menos familiares. Algunos ejemplos son:

f(x) = e
-x
-x [II.9]
f(x) = sen x [II.10]
f(x) = In x
2
-1 [II.11]

Las races de las ecuaciones pueden ser reales o complejas. Un ejemplo simple de races
complejas es el caso para el cual el trmino b
2
-4ac de la ecuacin (II.1) es negativo. Por
ejemplo, dado el polinomio de segundo orden:

f(x) = 4x2- 16x + 17

La ecuacin (II.1) se puede usar para determinar que las races son:

8
16 16
) 4 ( 2
17 ) 4 ( 4 ) 16 ( 16
2

=

= x

Por lo tanto, una raz es:

i x
2
1
2 + =

Aunque hay algunos casos donde las races complejas de las funciones no polinomiales
son de inters, sta situacin es menos comn que para polinomios. Por lo tanto, los
mtodos estndar para encontrar races, en general caen en dos reas de problemas
parecidas en principio, pero fundamentalmente diferentes:

1. La determinacin de races reales de ecuaciones algebraicas y trascendentales.
Estas tcnicas se disearon para determinar el valor de una raz simple de
acuerdo a un conocimiento previo de su posicin aproximada.

2. La determinacin de todas las races reales y complejas de un polinomio. Estos
mtodos se disearon especficamente paro polinomios. Determinan
sistemticamente todas las races del polinomio en lugar de simplemente una,
dada una posicin aproximada.

Este libro est enfocado al rea del primer caso. Los mtodos diseados expresamente
para polinomios no se analizan ya que van ms all del alcance de este libro. Sin
embargo, en el eplogo al final de la parte II se recomiendan algunas referencias para
estas tcnicas.

II.3 ORIENTACIN

Antes de proceder con los mtodos numricos para determinar races de ecuaciones,
ser til dar algunas orientaciones. El siguiente material es una introduccin a los temas
de la parte II. Adems, se han incluido algunos objetivos que orientarn al lector en sus
esfuerzos al estudiar el material.

II.3.1 Campo de accin y avance

La figura II.1 es una representacin esquemtica de la organizacin de la parte II.
Examine esta figura cuidadosamente, iniciando en la parte de arriba y avanzando en el
sentido de las manecillas del reloj.

Despus de esta introduccin, el captulo 4 desarrolla los mtodos que usan intervalos
para encontrar races. Estos mtodos empiezan con suposiciones que encierran o que
contienen a la raz y reducen sistemticamente el ancho del intervalo. Se cubren dos
mtodos: el de biseccin y el de la regla falsa. Los mtodos grficos proporcionan
conocimiento visual de las tcnicas. Se desarrollan formulaciones especiales paro ayudar
a determinar cuanto esfuerzo computacional se requiere para estimar la raz hasta un
nivel de precisin previamente especificado.

En el captulo 5 se cubren los mtodos abiertos. Estos mtodos tambin involucran
iteraciones sistemticas de prueba y error pero no requieren que la suposicin inicial
encierre a la raz. Se descubrir que estos mtodos, en general son ms eficientes
computacionalmente que los mtodos que usan intervalos, pero no siempre trabajan. Se
analizan los mtodos de la iteracin de punto fijo, el mtodo de Newton-Raphson y el
mtodo de la secante. Los mtodos grficos proporcionan conocimiento en los casos
donde los mtodos abiertos no funcionan- Se desarrollan las frmulas que proporcionan
una idea de qu tan rpido un mtodo abierto converge a la raz.

Figura II.1 esquema de la organizacin del material del parte II: Races de las ecuaciones

El captulo 6 extiende los conceptos anteriores a los conceptos actuales de la ingeniera.
Los casos de estudio se emplean para ilustrar las ventajas y las desventajas de cada uno
de los mtodos y para proporcionar conocimiento sobre las aplicaciones de las tcnicas
en la prctica profesional. Los casos del captulo tambin resaltan los elementos de
Juicio (estudiados en la parte I) asociados con cada uno de los mtodos.

Se incluye un eplogo al final de la parte II. ste contiene una comparacin detallada de
los mtodos discutidos en los captulos 4 y 5. Esta comparacin incluye una descripcin
de los elementos de juicio relacionados con el uso correcto de cada tcnica. En esta
seccin se proporciona tambin un resumen de las frmulas importantes, con referencias
a algunos mtodos numricos que van ms all del alcance de este texto.

Ciertas capacidades automticas de clculo se integran de diferentes maneras en la parte
II. En primer lugar, programasen NUMERICOMP legibles para el usuario del mtodo de
biseccin disponible para la Apple II y la IBM PC. Pero tambin se dan los cdigos en
FORTRAN Y BASIC para el mtodo de biseccin directamente en el texto. Con esto se
tiene la oportunidad de copiar y aumentar el cdigo para implementarlo en su propia
computadora personal o supercomputadora. Se incluyen los algoritmos y diagramas de
flujo para la mayor parte de los otros mtodos expuestos en el texto. Este material puede
servir de base para el desarrollo de un paquete de programacin y aplicarlo a una serie de
problemas de ingeniera.

11.3.2 Metas y objetivos

Objetivos de estudio. Despus de terminar la parte II, se debe tener la suficiente
informacin para aprovechar satisfactoriamente una amplia variedad de problemas de
ingeniera que se relacionan con las races de ecuaciones. En trminos generales se
dominarn las tcnicas, se habr aprendido a valorar su confiabilidad y se tendr la
capacidad de escoger el mejor mtodo (o mtodos) para cualquier problema en particular.
Adems de estas metas globales, se deben asimilar los conceptos especficos del cuadro
II.2 para comprender mejor el material de la parte II.

Objetivos de computacin. El libro proporciona algunos programas simples, algoritmos y
diagramas de flujo para implementar las tcnicas analizadas en la parte II. Como
herramientas de aprendizaje todos ellos tienen gran utilidad.

Los programas opcionales son legibles para el usuario. Incluye mtodo de la biseccin
para determinar las races reales de las ecuaciones algebraicas y trascendentales. Las
grficas asociadas con NUMERICOMP le facilitarn al lector visualizar el comportamiento
de la funcin en anlisis. Los programas se pueden usar para determinar
convenientemente las races de las ecuaciones a cualquier grado de precisin. Es fcil de
aplicar NUMERICOMP para resolver muchos problemas prcticos y se puede usar para
verificar los resultados de cualquier programa que el usuario desarrolle por s mismo.

Tambin se proporcionan directamente en e) texto los programas en FORTRAN y BASIC
para los mtodos de biseccin y para la iteracin simple de punto rijo. Adems, se
proporcionan algoritmos y diagramas de flujo generales para la mayor parte de los otros
mtodos de la parte 11. Esta informacin permitir aumentar la biblioteca de programas
del usuario que sean ms eficientes que el mtodo de la biseccin. Por ejemplo, puede
desearse tener sus propios programas para los mtodos de lo regla falsa, Newton-
Raphson y de la secante, que en general son ms eficientes que el mtodo de biseccin.

CUADRO 11.2 Objetivos de estudio especficos de la parte II

1. Entender la interpretacin grfica de una raz
2. Conocer la interpretacin grfica del mtodo de la reglo falsa y por qu, en
general, es superior al mtodo de bisecciones.
3. Entender las diferencias entre los mtodos que usan intervalos y los mtodos
abiertos para la localizacin de las races.
4. Entender los conceptos de convergencia y de divergencia. Usar el mtodo de
las dos curvas para proporcionar una manifestacin visual de los conceptos.
5. Conocer por qu los mtodos que usan intervalos siempre convergen, mientras
que los mtodos abiertos algunas veces pueden divergir.
6. Entender que la convergencia en los mtodos abiertos es ms probable si el
valor inicial est cercano a lo raz.
7. Entender el concepto de convergencia lineal y cuadrtica y sus implicaciones
en la eficiencia de los mtodos de iteraciones de punto fijo y de Newton-
Raphson.
8. Saber las diferencias fundamentales entre los mtodos de la regla falsa y la
secante y cmo se relaciona su convergencia.
9. Entender los problemas que contienen las races mltiples y las modificaciones
que se les pueden hacer para resolverlos a medias.
CAPTULO CUATRO

MTODOS
QUE
USAN
INTERVALOS

En este captulo sobre races de ecuaciones se analizan los mtodos que aprovechan el
hecho de que una funcin, tpicamente, cambia de signo en la vecindad de una raz, A
estas tcnicas se les llama mtodos que usan intervalos porque se necesita de dos
valores iniciales 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.

Como prembulo de estas tcnicas, se discutirn los mtodos grficos para graficar
funciones y sus races. Adems de la utilidad de los mtodos grficos para determinar
valores iniciales, tambin son tiles para visualizar las propiedades de las funciones y el
comportamiento de los mtodos numricos,

4.1 MTODOS GRFICOS

Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) =0 consiste
en granear la funcin y observar en donde cruza el eje x. Este punto, que representa el
valor de x para el cual / (x) = 0. Proporciona una aproximacin inicial de la raz.

EJEMPLO 4.1
Mtodos grficos

Enunciado del problema: emplense grficas para obtener una raz aproximada de la
funcin f(x) = e
-x
- x

Solucin: se calculan los siguientes valores:

x f(x)
0.0 1.000
0.2 0.619
0.4 0.270
0.6 -0.051
0.8 -0.351
1.0 -0.632

Estos puntos se muestran en la grfica de la figura 4.1. La curva resultante cruza al eje x
entre 0.5 y 0.6. Un vistazo a la grfica proporciona una aproximada estimacin de la raz
de 0.57, que se acerca a la raz exacta de 0.567 143 28, que se debe determinar con
mtodos numricos. La validez de la estimacin visual se puede verificar sustituyendo su
valor en la ecuacin original para obtener:
f(0.57) = e
-0.57
- 0.57 = -0.004 5 la cual se acerca a cero.

FIGURA 4.1 Mtodo grfico para la solucin de ecuaciones
algebraicas y trascendentales. Representacin de f(x) = e
-x
- x contra
x. La raz corresponde al valor de x donde f(x) = O, esto es, el punto
donde la funcin cruza el eje x. Una inspeccin visual de la grfica
muestra un valor aproximado de 0.57.

Las tcnicas grficas tienen un valor prctico limitado ya que no son precisas. Sin
embargo, los mtodos grficos se pueden usar para obtener aproximaciones de la raz.
Estas aproximaciones se pueden emplear como valores iniciales para tos mtodos
numricos analizados en este captulo y en el siguiente- Por ejemplo, los programas de
NMERICOMP que acompaan este texto le permiten graficar funciones sobre un rango
especfico, Esta grfica puede hacerse seleccionando un par d valores iniciales de un
intervalo donde est contenida la raz antes de implementar el mtodo numrico. 1-a
posibilidad de graficar aumenta considerablemente la utilidad de los programas.

Las interpretaciones geomtricas, adems de proporcionar aproximaciones iniciales de la
raz, son herramientas importantes en el aislamiento de las propiedades de las funciones
previendo las fallas de los mtodos numricos. Por ejemplo, la figura 4.2 muestra algunas
formas diferentes en tas que la raz puede encontrarse en un intervalo definido por un
limite inferior x
1
y y un lmite superior X
u
. La figura 4.2b bosqueja el caso donde los valores
positivo y negativo de f(x
1
) y f(x
u
) tienen signos opuestos respecto al eje x, encierran tres
races dentro del intervalo. En general, si f(x
1
) y f(x
u
) tienen
signos opuestos, existe un nmero impar de races dentro del
intervalo definido por los mismos. Como se indica en la figura
4.2a ye, si f(x
1
) y f(x
u
) tienen el mismo signo, no hay races o
hay un nmero par de ellas entre los valores dados.

Aunque estas generalizaciones son usualmente verdaderas,
existen casos en que no se cumplen. Por ejemplo, las races
mltiples, esto es, funciones tangenciales al eje x (Fig. 4.3a) y
las funciones discontinuas (Fig. 4.3b) pueden no cumplir estos
principios- Un ejemplo de una funcin que tiene una raz
mltiple es la ecuacin cbica f(x) = (x - 2) (x - 2) (x - 4).
Ntese que x = 2 anula dos veces al polinomio, de ah que a x
se le conozca como raz mltiple. Al final del captulo 5, se
presentan tcnicas que estn diseadas expresamente para
localizar races mltiples.

La existencia de casos del tipo mostrado en la figura 4.3
dificulta el desarrollo de algoritmos generales que garanticen
la localizacin de todas las races en el intervalo. Sin
embargo, cuando se usan los mtodos expuestos en las
siguientes secciones en conjuncin con esquemas grficos,
son de gran utilidad en la solucin de problemas de muchas
races, frecuentemente se presentan en el rea de ingeniera
y matemticas aplicadas.

EJEMPLO 4.2
Uso de grficas por computadora para localizar races

Enunciado del problema: las grficas por computadora
pueden informar y acelerar los esfuerzos para localizar races
de una funcin. Este ejemplo se desarroll usando los
programas de NMERICOMP disponibles con el texto. Sin
embargo, de esta manera es posible entender como la
graficacin por computadora ayuda a localizar races.

La funcin:

x x x f 3 cos 10 sin ) ( + =

FIGURA 4.2 Ilustracin de las
formas que puede tener una
raz en un intervalo prescrito
por los lmites inferior, x1 y
superior Xy. Los incisos a) y b)
indican que si f(x1) y f(xu)
tienen el mismo signo,
entonces no habr races
dentro del intervalo o habr un
nmero par de ellas. Los
incisos c) y d) indican que si
f(x1) y f(xu) tienen signos
opuestos en los extremos,
entonces habr un numero
impar de races dentro del
intervalo.
Tiene varias races sobre el rango de las x = - 5 hasta x = 5. Emplese la opcin de
graficacin del programa para profundizar en el comportamiento de esta funcin.

Solucin: Como se ilustro en el ejemplo 2.1 se puede usar NUMERICOMP para graficar
funciones. En la figura 4.4a se muestra la grafica de f(x) desde x = - 5 hasta x = 5. La
grafica muestra la existencia de varias races, incluyendo posiblemente una doble
alrededor de x = 4.2 en donde f(x) parece ser tangente al eje x. Se obtiene una
descripcin ms detallada del comportamiento de f(x) cambiando el rango de graficacin
desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmente, en la figura 4.4c,
se acorta la escala vertical a f(x) = -0.15 y f(x) = 0.15 y la horizontal a x = 4.2 y x = 4.3-
Esta grfica muestra claramente que no existe una raz en esta regin y que, en efecto,
hay dos races diferentes alrededor de x = 4.229 y x = 4.264.

Las grficas por computadora tienen gran utilidad en el estudio de los mtodos numricos.
Esta habilidad tambin puede aplicarse en otras materias as como en las actividades
profesionales.

FIGURA 4.3 Ilustracin de algunas
excepciones de los casos generales
mostrados en Fig. 4.2 a) Pueden
ocurrir figuras mltiples cuando la
funciones tangencial al eje x. En
este caso aunque los extremos son
signos opuestos, hay un nmero par
de races en el intervalo. b) Las
funciones discontinuas en donde los
extremos tienen los signos opuestos
tambin contienen un nmero par de
races. Se requieren estrategias
especiales para determinar las
races en es estos casos,
Fig. 4.4 Escala miento progresivo f(x) = sen 10x + cos 3x mediante la
computadora. Estas graficas interactivas le permiten al analista
determinar que existen dos races entre x=4.2 y x=4.3
4.2 MTODO DE BISECCIN

Cuando se aplicaron las tcnicas grficas, en el ejemplo 4.1, se observ (Fig. 4.1) que f(x)
cambi de signo hacia ambos lados de la raz. En general, si} (x) es real y continua en el
intervalo de x
1
y x
u
y f(x
1
) y f(x
u
) tienen signos opuestos, esto es,

f(x
1
)f(x
u
) < 0 [4.1]

Entonces hay, al menos una raz real entre x
1
y x
u
.

Fig. 4.5 Algoritmo de Biseccin

Los mtodos de bsqueda incrementa! se aprovechan de esta caracterstica para localizar
un intervalo donde !a funcin cambie de signo. Por lo tanto, la localizacin del cambio de
signo (y por ende, de la raz), se logra ms exactamente dividiendo e! intervalo en una
cantidad definida de subintervalos. Se rastrea cada uno de estos subintervalos para
encontrar el cambio de signo. El proceso se repite y la aproximacin a !a raz mejora cada
vez ms a medida que los subintervalos se dividen en intervalos ms y ms pequeos. Se
estudia ms sobre el tema de bsquedas incremntales en la seccin 4.4.

El mtodo de biseccin, conocido tambin como de corte binario, de particin en dos
intervalos iguales o mtodo de Bolzano, es un mtodo de bsqueda incrementa! donde el
intervalo se divide siempre en dos, Si la funcin cambia de signo sobre un intervalo, se
evala el valor de la funcin en el punto medio. La posicin de la raz se determina
Paso 1: Expngase los valores iniciales de x
1
y x
u
de forma tal que la funcin cambies de
signo sobre el intervalo. Esto se puede verificar asegurndose de que f(x
1
) y f(x
u
) < 0.
Paso 2: La primera aproximacin a la raz x, se determina como:

x
x x
x
u i
r
+
=
Paso 3: Realice las siguientes evaluaciones determnese en que subintervalo cae la raz:
a) f(x
1
)f(x
r
) < 0, entonces la raz se encuentra dentro del primer subintervalo.
Por lo tanto resuelve x
u
= x
r
y continese con el paso 4.
b) f(x
1
)f(x
r
) > 0, entonces la raz se encuentra dentro del segundo
subintervalo. Por lo tanto resuelve x
1
= x
r
y continese con el paso 4.
c) f(x
1
)f(x
r
) = 0, entonces la raz se igual a x
1
y se terminan los clculos.
Paso 4: Calcule una nueva aproximacin a la raz mediante:

x
x x
x
u i
r
+
=
Paso 5: Decdase si la nueva aproximacin es tan exacta como se desea. Si es as,
entonces los clculos terminan, de otra manera regrese al paso 3.
situndola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo.
El proceso se repite hasta obtener una mejor aproximacin. La figura 4.5 muestra un
algoritmo para la biseccin y en la figura 4.6 se muestra un bosquejo grfico del mtodo.

EJEMPLO 4.3
Biseccin

Enunciado del problema; sese el mtodo de la biseccin para determinar la raz de
f(x)=e
-x
- x.

Solucin: Recurdese de acuerdo a la grfica de la funcin (Fig. 4.1) que la raz se
encuentra entre O y 1. Por lo tanto, el intervalo inicial se puede escoger desde x
1
= 0
hasta x
1
= 1. Por consiguiente, la estimacin inicial de la raz se sita en el punto medio
de este intervalo:

5 . 0
2
1 0
=
+
=
r
x

Esta estimacin representa un error de (el valor exacto es 0.567 143 29. . .)

E
v
= 0.567 143 29 - 0.5 = 0.067 143 29 o, en trminos relativos:

FIGURA 4.6 Grfica del mtodo
de biseccin. Esta grfica incluye
las primeras tres iteraciones del
ejemplo 4.3.
% 8 . 11 % 100
56714329 . 0
06714329 . 0
= =

Donde el subndice v indica que el error es con respecto a! verdadero. Ahora se calcula:

f(0)f(0.5) = (1)(0.10653) = 0.10653

Que es mayor de cero, y por consiguiente no hay cambio de signo entre x
1
y x
r
. Y por lo
tanto, la raz se encuentra dentro del intervalo y = 0.5 y x = 1. E! lmite inferior se redefine
como x
1
= 0,5, y la aproximacin a la raz en la segunda iteracin se calcula como;

% 2 . 32 75 . 0
2
1 5 . 0
= =
+
=

r
x

El proceso se puede repetir para obtener aproximaciones ms exactas. Por ejemplo, la
tercera iteracin es:

f(0.5)f(0.75) = -0.030 <0

Por lo tanto, la raz est entre 0.5 y 0.75:

X
u
= 0.75

% 2 . 10 625 . 0
2
75 . 5 . 0
= =
+
=

r
x

Y la cuarta iteracin es:

f(0.5)f(0.625)= -0.010 < 0

Por lo tanto, la raz est entre 0.5 y 0.625:

X
u
= 0.625

% 819 . 0 5625 . 0
2
625 . 0 . 5 . 0
= =
+
=

r
x

El mtodo se puede repetir para alcanzar mejores estimaciones. La figura 4.6 muestra
una grfica de las primeras tres iteraciones.

En el ejemplo anterior, se puede observar que el error real no disminuye con cada
iteracin. Sin embargo, el intervalo dentro del cual se localiza la raz se divide a la mitad
en cada paso del proceso. Como se estudiar en la prxima seccin, la longitud del
intervalo proporciona una aproximacin exacta del lmite superior del error en el mtodo
de biseccin.

4.2.1 Criterios de paro y estimacin de errores

El ejemplo 4.3 finaliza con la opcin de repetir el mtodo para obtener una aproximacin
ms exacta de la raz. Ahora se debe desarrollar un criterio objetivo para decidir cuando
debe terminar el mtodo.

Una sugerencia inicial puede ser que terminen los clculos cuando el error se encuentre
por debajo de algn nivel prefijado. Se puede ver en el ejemplo 4.3, que el error relativo
baj de un 11.8 a un 4.69% durante los clculos. Puede decidirse que el mtodo termine
cuando se alcance un error ms bajo, por ejemplo del 0.1%. Esta estrategia es
inconveniente ya que la estimacin del error en el ejemplo anterior se bas en el
conocimiento del valor exacto de la raz de la funcin. Este no es el caso de una situacin
real ya que no habra motivo para usar el mtodo si ya se supiese la raz.

Por lo tanto, se requiere estimar el error de manera tal que no incluya el conocimiento
previo de la raz. De manera anloga ha como se ve en la seccin 3.3, se puede calcular
e! error relativo aproximado E
a
de la siguiente manera [recurdese la ecuacin (3.5)]:

% 100
nueva
r
anterior
r
nueva
r
a
x
x x
= [4.2]

Donde
nueva
r
x es la raz de la iteracin actual y
anterior
r
x es el valor de la raz de la iteracin
anterior. Se usa el valor absoluto ya que, en general importa slo la magnitud de E
a
sin
considerar su signo. Cuando |E
a
| es menor que un valor previamente fijado, que define el
criterio de paro, E
s
el programa se detiene.

EJEMPLO 4.4
Estimacin del error para el mtodo de la biseccin

Enunciado de! problema: sese la ecuacin (4.2) para estimar el error de las iteraciones
del ejemplo 4.3.

Solucin: Las primeras dos estimaciones de la raz en el ejemplo 4.3 fueron 0.5 y 0.75.
Sustituyendo estos valores en la ecuacin (4.2) se obtiene:

% 3 . 33 % 100
75 . 0
5 . 0 75 . 0
=
=
a

Recurdese que el error exacto para la raz estimada de 0.75 es del 32.2%. De esta
manera, E
a
es mayor que E
v
. Este comportamiento se muestra en las otras iteraciones

Iteracin Xr |E
v
|% |E
a
|%
1 0.5 11.800
2 0.75 32.200 33.3
3 0.625 10.200 20.0
4 0.5625 0.819 11.1
5 0.59375 4.690 5.3

Estos resultados, junto con los de las iteraciones subsiguientes se resumen en la figura
4.7- La naturaleza "desigual" del error real se debe a que para el mtodo de la biseccin
FIGURA 4.7 Errores del mtodo de biseccin. Se granean los
errores verdadero y aproximado contra el nmero de iteraciones.
la raz exacta se encuentra en cualquier lugar dentro del intervalo. Los errores verdadero
y aproximado son casi iguales cuando el intervalo est centrado sobre la raz. Cuando la
raz se encuentra cerca de un extremo del intervalo, entonces los errores son muy
diferentes.

Aunque el error aproximado no proporciona una estimacin exacta del error verdadero, la
figura 4.7 sugiere que E
a
capta la direccin descendente de E
u
. Adems, la grfica
muestra una caracterstica muy interesante; que en siempre es mayor que E
v
. Por lo tanto,
cuando E
s
es menor que E
a
los clculos se pueden terminar con la confianza de saber
que la raz es al menos tan exacta como el nivel especfico prefijado.

Aunque siempre es daino aventurar conclusiones generales de un slo ejemplo, se
puede demostrar que siempre ser mayor que E
a
en el mtodo de biseccin. Esto se
debe a que cada vez que se encuentra una aproximacin a la raz usando bisecciones
como x
r
= (x
1
+ (x
u
)/2), se sabe que la raz exacta cae en algn lugar dentro de intervalo
(x
u
x
l
)/2 = x/2. Por lo tanto, la raz debe situarse dentro de x/2 de la aproximacin
(Fig. 4.8). Por ejemplo cuando se termin el ejemplo 4.3 se pudo decir definitivamente
que:

X
r
= 0,562 5 0.062 5

FIGURA 4.8 Tres formas diferentes en que un intervalo puede agrupar a la raz.
En a) el valor verdadero cae en el centro del intervalo, mientras que en b) y c) el
valor se acerca a uno de los extremos. Ntese que la diferencia entre el valor
verdadero y el punto medio del intervalo jams sobrepasa lo longitud media del
intervalo, o x/2.

Debido a que x/2 = x
nueva
4 - x
anterior
(Fig. 4.9), la ecuacin (4.2) proporciona un lmite
superior exacto sobre el error real. Para que se rebase este lmite, la raz real tendra que
caer fuera del intervalo que la contiene, lo cual, por definicin jams ocurrir en el mtodo
de biseccin. El ejemplo 4.7 muestra otras tcnicas de localizacin de races que no
siempre se portan tan eficientes. Aunque el mtodo de biseccin, en general es ms lento
que otros mtodos, la elegancia del anlisis de error, ciertamente es un aspecto positivo
que puede hacerlo atractivo para ciertas aplicaciones de la ingeniera.

4.2.2 Programacin del mtodo de biseccin

El algoritmo de la figura 4.5, ahora se presenta en un programa que se muestra en la
figura 4-10. El programa usa una funcin (lnea 100) que facilita la localizacin de la raz y
las modificaciones a la funcin. Adems, se incluye la lnea 200 para verificar la
posibilidad de divisiones por cero durante la evaluacin del error. Tal caso se presenta
cuando el intervalo est centrado respecto al origen. En este caso, la ecuacin (4.2) es
infinita. Si esto ocurre, el programa salta sobre la evaluacin del error para esa iteracin.

El programa de la figura 4.10 no es muy legible para el usuario; est diseado nicamente
para calcular la respuesta, el usuario debe hacerlo ms fcil de usar y de entender.
Dentro del paquete de NUMERICOMP asociado con este texto se proporciona un ejemplo
de un programa legible al usuario para encontrar races de ecuaciones. El siguiente
ejemplo muestra el uso de NUMERICOMP para encontrar races. Tambin proporciona
una buena referencia para valorar y examinar los programas del usuario.

FIGURA 4.9 Esquema grfico de! porqu la estimacin del error en el
mtodo de biseccin (x/2) es equivalente a la estimacin actual de la
raz (
nueva
r
x menos la estimacin anterior de la raz
anterior
r
x ).
FIGURA 4.10 Programa para el mtodo de biseccin.

EJEMPLO 4.5
Localizacin de races usando la computadora

Enunciado del problema: asociado con los programas de NUMERICOMP, se encuentra
un programa legible al usuario sobre el mtodo de biseccin.

Se puede usar este programa para resolver un problema de diseo asociado con el
ejemplo del paracaidista analizado en el captulo I. Como se recordar, la velocidad del
paracaidista est dada, en funcin del tiempo, de la siguiente manera:

( )
| |
t m c
e
c
gm
t u
/
1 ) (

= [E4.5.1]

Donde v es la velocidad del paracaidista en centmetros por segundo, g es la constante
gravitacional cuyo valor es 980 cm / s
2
, m es la masa del paracaidista cuyo valor es 68
100 g y c es el coeficiente de rozamiento. En el ejemplo 1.1 se calcul la velocidad del
paracaidista en funcin del tiempo para valores dados de m, c y g. Sin embargo,
supngase que se desea controlar el movimiento del paracaidista de tal forma que se
alcance una velocidad prefijada en cada libre despus de un tiempo dado. En este caso,
se debe seleccionar un valor apropiado de c que satisfaga los requisitos de diseo cuando
se mantengan constantes m, g. t y v. Una ojeada a la ecuacin a (E4.5.1) muestra que c
no se puede calcular explcitamente en funcin de las variables conocidas. Supngase
que se desea que la velocidad del paracaidista alcance un valor de 4 000 cm/s despus
de 7 s. De esta manera, se debe determinar un valor de c tai que:

( )
| | v e
c
gm
c f
t m c
= =
/
1 ) ( 0 [E4.5.2]

Solucin: para implementar el mtodo de BISECCIN, se requiere obtener un intervalo
inicial que contenga a! valor de c que satisfaga la ecuacin (E4.5.2). Es conveniente
seleccionar este intervalo conjuntamente con la opcin de graficacin de BISECCIN que
viene con el disco (opcin 3). El programa pregunta los valores mnimo y mximo de x y
de f(x) generando la grfica mostrada en la figura 4.11o despus que se han introducido
las dimensiones de la grfica. Puede verse que existe una raz entre 10 000 y 15 000 g/s.
El programa BISECCIN pregunta por un lmite mximo de iteraciones permitido, un error
de convergencia
s
y un lmite inferior y superior para la raz. La figura 4.11b muestra
estos valores, junto con la raz calculada de 11 643.14 g / s. Ntese que con 16
iteraciones se obtiene un valor aproximado a la raz con un error menor de 65- Ms an,
la computadora muestra una verificacin del error de:

f(11643.14) = 1.025391 x 10
-2

Para confirmar los resultados. Si la exactitud que se requiere no se hubiera alcanzado con
el nmero especificado de iteraciones, entonces el algoritmo habra terminado despus de
30 iteraciones.

Estos resultados estn basados en el algoritmo simple del mtodo de BISECCIN con el
FIGURA 4.11 a) Grfica de la ecuacin (E 4.5.2) b) Resultados para determinar el
coeficiente de rozamiento usando BISECCIN en el problema del paracaidista.
uso de rutinas de entrada y salida legibles al usuario. El algoritmo usado es similar al de la
figura 4.10. El usuario debe estar listo para escribir sus propios programas sobre el
mtodo de biseccin. Si tiene los programas de NUMERICOMP, entonces los puede usar
como modelo y para verificar que sus programas sean adecuados.

4.3 MTODO DE LA 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 del mtodo
de la regla falsa est basado en una idea para aproximarse en forma ms eficiente a la
raz.

Un defecto del mtodo de biseccin es que al dividir el intervalo x
1
, a X
u
en mitades
iguales, no se toma en consideracin la magnitud de f(x
i
) y de f(X
u
). Por ejemplo, si / (x,)
est mucho ms cerca de cero que f(x
u
), es lgico que la raz se encuentra ms cerca de
x, que de x
u
(Fig. 4.12). Este mtodo alternativo aprovecha la idea de unir los puntos con
una lnea recta. La interseccin de esta lnea con el eje 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 (Fig. 4.12), la interseccin de la lnea recta y el eje x
se puede calcular de la siguiente manera:

u r
u
l r
l
x x
x f
x x
x f
) ( ) (
[4.3]

Que se puede resolver para
(vase el recuadro 4.1 para
mayores detalles)

Fig. 4.12 Esquema grafico del mtodo
del la regla falsa. La formula de deriva
de los tringulos semejantes (reas
sombreadas.

) ( ) (
) )( (
u l
u l u
u r
x f x f
x x x f
x x

=

Esta es la frmula de la regla falsa. El valor de xr, calculado con la ecuacin (4.4),
reemplaza a uno de los dos valores, xl; o a xu que produzca un valor de la funcin que
tenga el mismo signo de f(xr.). De esta manera, los valores xr y xu siempre encierran a la
raz. El proceso se repite hasta que la aproximacin a la raz sea adecuada- El algoritmo
es idntico al de la biseccin (Fig. 4.6) con la excepcin de que la ecuacin (4.4) se usa
en los pasos 2 y 4. Adems, se usan los mismos criterios de paro [(Ec. (4.2)] para detener
los clculos.

EJEMPLO 4.6
Regla falsa

Enunciado del problema: sese el mtodo de la regla falsa para determinar la raz de f(x)
= ex x. La respuesta correcta es 0.567 143 29.
RECUADRO 4.1 Derivacin del mtodo de la regla
falsa

Multiplicando en cruz la ecuacin (4.3) se obtiene:

) )( ( ) )( (
l r u u r i
x x x f x x x f =

Agrupando trminos y reordenando

| | ) ( ) ( ) ( ) (
u l l u
x f x x f x xu f xl f xr =

Dividiendo entre f(x
l
) - f(x
u
)

) ( ) (
) ( ) (
u l
u l l u
r
x f x f
x f x x f x
x
=

sta es una forma del mtodo de la regla falsa.
Ntese que esto permite calcular la raz x, en
funcin de los lmites inferior, x
l
y superior x
u
. Se
puede ordenar de una manera alternativa,
expandindola:
sumando y restando Xu del lado derecho:
) ( ) (
) (
) ( ) (
) (
u l
l u
u
u l
u l
u r
x f x f
x x f
x
x f x f
x x f
x x
+ =
Agrupando trminos se obtiene:
) ( ) (
) (
) ( ) (
) (
u l
l u
u l
u u
u r
x f x f
x x f
x f x f
x x f
x x
+ =
) ( ) (
) )( (
u l
u l u
u r
x f x f
x x x f
x x

=

Que es igual a la ecuacin (4.4). Se usa de esta
forma ya que es directamente comparable con el
mtodo de la secante analizado en el captulo 5
Solucin: como en el ejemplo 4.3, inciense los clculos con los valores iniciales x
l
=0 y
x
u
=1.

Primera iteracin:

6127 . 0
) 63212 . 0 ( 1
) 1 0 ( 63212 . 0
1
63212 . 0 ) ( 1
1 ) ( 0
=

=
= =
= =
r
u u
l
x
x f x
x f x

El error relativo real se puede estimar como:

% 0 . 8 % 100
56714329 . 0
6127 . 0 56714329 . 0
=
=

Segunda iteracin:

0.0708 ) ( ) ( = xu f xl f

Por lo tanto, la raz se encuentra dentro del primer subintervalo y x
r
se puede convertir en
el limite superior de la siguiente iteracin, x
u
= 0.6127.

% 89 . 0 51219 . 0
) 0708 . 0 ( 1
) 6127 . 0 0 ( 070 . 0
6127 . 0
0708 . 0 ) ( 6127 . 0
1 ) ( 0
= =

=
= =
= =
r
u u
l
x
x f x
x f x

El error aproximando se puede calcular como:

% 08 . 7 % 100
57219 . 0
6127 . 0 57219 . 0
=
=

Se pueden llevar a cabo estimaciones adicionales para mejorar la estimacin de la raz.

Puede emitirse una opinin mas completa sobre la eficiencia relativa de los mtodos de
biseccin y de la regla falsa al observar la figura 4.13 que muestra la grafica del error
relativo porcentual de los ejemplos 4.3 y 4.6. Ntese como el error decrece mucho mas
rpidamente para el mtodo de la regla falsa que para el de bisecciones ya que el primero
es un esquema ms eficiente para la localizacin de races.

Recurdese que en el mtodo de
biseccin el intervalo entre x
l
y x
u

decrece durante los clculos. Por
lo tanto, el intervalo dado por
2 / 2 /
l u
x x x = proporciona
una medida del error en estas
aproximaciones. Este no es el
caso para el mtodo de la regla
falsa ya que uno de los extremos
puede permanecer fijo a lo largo
de los clculos, mientras que el
otro converge a la raz. Como en
el caso, del ejemplo 4.4 donde el
extremo inferior x
l
se sostuvo en
cero, mientras que x
u
convergi a
la raz. En tales casos, el intervalo
no se acorta, sino que se mantiene
ms o menos constante.

El ejemplo 4.6 sugiere que la
ecuacin (4.2) representa un
criterio de error muy conservador.
De hecho, la ecuacin (4.2)
constituye una aproximacin de la
discrepancia de la iteracin previa. Esto se debe a que para cada caso, tal como en el
ejemplo 4.6, donde el mtodo converge rpidamente (por ejemplo, el error se reduce casi
una orden de magnitud por iteracin), la iteracin actual x
r
nueva
es una aproximacin
mucho mejor al valor real de la raz que el resultado de la iteracin previa x
r
anterior
. Por lo
tanto, el numerador de la ecuacin (4.2) representa la diferencia de la iteracin previa. En
consecuencia, hay confianza que cuando se satisface la ecuacin (4.2), la raz se conoce
con mayor exactitud superando la tolerancia preestablecida. Sin embargo, como se ve en
la siguiente seccin, existen casos donde la regla de la posicin falsa converge
lentamente. En estos casos la ecuacin (4.2) no es confiable y se debe desarrollar un
criterio diferente de paro.

4.3.1 Desventajas del mtodo de la regla falsa

Aunque el mtodo de la regla falsa pareciera siempre ser el mejor de los que usan
intervalos, hay casos donde funciona deficientemente. En efecto, como en el ejemplo
siguiente, hay ciertos casos donde el mtodo de biseccin da mejores resultados.

Un caso donde el mtodo de biseccin es preferible al de lo regla falsa

Enunciado del problema: sense los mtodos de biseccin y de la regla falsa localizar la
raz de:

1 ) (
10
= x x f

Entre x = 0 y x = 1.3

Solucin: usando biseccin, los resultados se resumen como:

Iteracin X
l
X
u
X
r
|
v
|% |
a
|%
1 0 1.3 0.65 35.0
2 0.65 1.3 0.975 2.5 33.33
3 0.975 1.3 1.1375 13.8 14.30
4 0.975 1.1375 1.05625 5.6 7.70
5 0.975 1.05625 1.015625 1.6 4.00

De esta manera, despus de cinco iteraciones. El error verdadero se reduce a menos del
2%. Con la regla falsa se obtiene un esquema muy diferente.

Iteracin X
l
X
u
X
r
|
v
|% |
a
|%
1 0 1.3 0.09430 90.6
2 0.09430 1.3 0.18176 81.8 48.1
3 0.18176 1.3 0.26287 73.7 30.9
4 0.26287 1.3 0.33811 66.2 22.3
5 0.33811 1.3 0.40788 59.2 17.1

Despus de cinco iteraciones, el error verdadero se ha reducido al 59%. Adems, ntese
que |
v
| < |
t
|. De esta forma, el error aproximado es engaoso. Se puede obtener mayor
informacin examinando una grfica de la funcin. En la figura 4.14 la curva viola una
hiptesis sobre la cual se basa la regla falsa; esto es, si f(x
l
) se encuentra mucho ms
cerca de cero que f(x
u
) entonces la raz se encuentra ms cerca a x
L
que x
u
(recurdese la
figura 4.12J. De acuerdo a la grfica de esta funcin, la inversa es verdadera.

El ejemplo anterior ilustra que en general no es posible hacer generalizaciones
relacionadas con los mtodos de obtencin de races. Aunque un mtodo como el de la
regla falsa, en general es superior al de
biseccin, hay, invariablemente casos
especiales que violan las conclusiones
generales. Por lo tanto, adems de usar la
ecuacin (4.2), los resultados se pueden
verificar sustituyendo la raz aproximada
en la ecuacin original y determinar si el
resultado se acerca a cero. Estas pruebas
se deben incorporar en todos los
programas que localizan races.

4.3.2 Programa para el mtodo de lo regla
falsa

Se puede desarrollar directamente un
programa para la regla falsa a partir del
cdigo del mtodo de biseccin de la
figura 4.10. La nica modificacin es la de
sustituir la ecuacin (4.4) en las lneas
130 y 190. Adems, la prueba contra cero
sugerida en la ltima seccin, tambin se debe incorporar en el cdigo.

4.4 BSQUEDAS CON INCREMENTOS DETERMINANDO UNA APROXIMACIN
INICIAL

Adems de verificar una respuesta individual, se debe determinar s se han localizado
todas las races posibles. Como se mencion anteriormente, en general, una grfica de la
funcin ayudar en esta tarea. Otra opcin es incorporar una bsqueda incremental al
principio del programa. Consiste en empezar en un extremo de la regin de inters y
realizar evaluaciones de la funcin con pequeos intervalos a lo largo de la regin.
Cuando la funcin cambia de signo, se supone que una raz cae dentro del incremento.
Los valores de x de los extremos del intervalo pueden servir de valores iniciales para una
de las tcnicas descritas en este captulo que usan intervalos.

Un problema aunado a los mtodos de bsquedas incremntales es el de escoger la
longitud del incremento. Si la longitud es muy pequea, la bsqueda puede consumir
demasiado tiempo- Por el otro lado, si la longitud es muy grande, existe la posibilidad de
Figura 4.14 Grafica de la funcin f(x) = x
10
-1,
ilustracin de la convergencia lenta del mtodo
de la regla falsa.
que las races muy cercanas entre s pasen desapercibidas (Fig. 4.15). El problema se
combina con la posible existencia de races mltiples. Un remedio parcial para estos
casos en calcular la primera derivada de la funcin f(x) en los extremos del intervalo. Si la
derivada cambia de signo, entonces puede existir un mximo o un mnimo en ese
intervalo, lo que sugiere una bsqueda ms minuciosa para detectar la posibilidad de una
raz.

Aunque estas modificaciones, o el empleo de un incremento muy fino pueden solucionar
en parte el problema, se debe aclarar que los mtodos sencillos tales como el de
bsqueda incremental no son infalibles. Se debe tener conocimiento de otras
informaciones que profundicen en la localizacin de races a fin de complementar las
tcnicas automticas. Esta informacin se puede encontrar graneando la funcin y
entendiendo el problema fsico de donde se origin la ecuacin.

PROBLEMAS

Clculos a mano

4.1 Determnense las races reales de:

f(x) = -0.874x2 + 1.75x + 2.627

Grficamente

a) Usando la frmula cuadrtica
b) Usando el mtodo de biseccin hasta tres iteraciones para determinar la raz
ms alta. Emplense como valores iniciales x
i
= 2.9yXy = 3.1. Calclese el error
estimado
a
y el error verdadero
u
despus de cada iteracin.

FIGURA 4.15 Casos donde
las races se pueden brincar
debido a que los longitudes
de los intervalos en los
mtodos de bsquedas
incremntales son
demasiado grandes. Ntese
que la ltima raz es
mltiple y se iba a brincar
independientemente de la
longitud de! incremento.
4.2 Determnense las races reales de

F(x) =-2.1 + 6.21x - 3.9x2 + 0.667x3

a) Grficamente
b) Usando biseccin para localizar la raz ms pequea. Emplense como valores
iniciales x
l
= 0.4 y X
u
= 0.6 e itrese hasta que el error estimado
a
se encuentre
abajo de e, = 4%


f(x) = -23.33 + 79.35x -88,09x2 + 41.6x3 - 8.68x4 + 0.658x5

a) Grficamente
b) Usando biseccin para determinar la raz ms alta para e, 1 %. Emplese
como valores iniciales x, = 4.5 y Xy " 5.
c) Realcense los mismos clculos de b) pero usando el mtodo de la regla falsa.


f(x) = 9.36 - 21.963x + 16.2965x2 - 3,70377x3

a) Grficamente
b) Usando el mtodo de la regla falsa con un valor de (, correspondiente 3 tres
cifras significativas para determinar la raz ms baja.

4.5 Localcese la primer raz diferente de cero de tan x = 1.1. x donde x est en radianes.
sese una tcnica grfica y biseccin con valores iniciales 0.1 y 0-6- Realcense los
clculos hasta que
v
sea menor del e; = 10%. Verifquense tambin tos errores
sustituyendo la respuesta final en la ecuacin original.

4.6 Determnese la raz real de In x = 0.5

a) Grficamente
b) Usando el mtodo de biseccin con tres iteraciones y valores iniciales x
i
= 1 y x,
= 2.
c) Usando el mtodo de la regla falsa con tres iteraciones y los mismos valores
iniciales del inciso anterior.

4.7 Determnese la rafa real de:

x
x
x f
6 . 0 1
) (

=

a) Analticamente
b) Grficamente
c) Usando el mtodo de la regla falsa con tres iteraciones y valores iniciales de 1.5
y de 2,0. Calclese el error aproximado
a
y el error verdadero
v
despus de
cada iteracin.

4.8 Encuntrese la raz cuadrada positiva de 10 usando el mtodo de la regla falsa con
s

= 0.5 %. Emplense los valores iniciales de x
l
= 3 y x
u
= 3.2.

4.9 Encuntrese la raz positiva ms pequea de la funcin (x est dada en radianes):

x
2
sen x = 4

Usando el mtodo de la regla falsa. Para localizar la regin en que cae la raz, primero
grafquese la funcin para valores de x entre O y 4. Realcense los clculos hasta que
a

haga que se cumpla e, = 1 %. Verifquese la respuesta final sustituyndola en la funcin
original.

4.10 Encuntrese la raz real positiva de:

f(x) = JC" 8.6x3 35.51x2 + 464x 998.46

Usando el mtodo de la regla falsa- sese una grfica para determinar los valores
iniciales y realizar los clculos con
s
= 0.1 %.

4.11 Determnese la raz real de:

f(x) = x3 - 100

a) Analticamente
b) Con el mtodo de la regla falsa con s = 0,1 %.

4.12 La velocidad del paracaidista est dada por la frmula:

] 1 [
) / ( t m c
e
c
gm
v

=

Donde g = 980. Para un paracaidista de masa m = 75 000 g calclese el coeficiente de
rozamiento c con = 3600 cm/s en t = 6 s. sese el mtodo de la regla falsa para
determinar c con e == 0.1 %.

Problemas para resolver con computadora

4.13 Vulvase a programar la figura 4.10 de forma tal que sea ms legible al usuario.
Entre otras cosas:

a) Documntese indicando la funcin de cada seccin.
b) Etiqutense las entradas y las salidas
c) Agrguese una prueba que verifique si los valores iniciales x
l
y x
u
encierran a la
raz.
d) d} Agrguese una prueba de verificacin para que la raz obtenida se sustituya
en la ecuacin original para comprobar si el resultado final se acerca a cero.

4.14 Prubese el programa del problema 4.13 duplicando los clculos del ejemplo 4.3

4.15 sese el programa del problema 4.13 para repetir desde el problema 4.1 al 4.6.

4.16 Reptanse los problemas 4.14 y 4.15 usando los programas de NUMERICOMP
disponibles con el texto. sense las capacidades grficas de este programa para verificar
los resultados.

4.17 sense los programas de NUMERICOMP para encontrar las races reales de dos
funciones polinomiales cualesquiera, Grafquense las funciones sobre un rango definido
para obtener los lmites inferior y superior de las races.

4.18 Reptase el programa 4.17 usando dos funciones trascendentales.

4.19 En este problema se usan solamente las capacidades grficas de los programas
NUMERICOMP disponibles con el texto. Los programas trazan la funcin sobre intervalos
ms y ms pequeos para incrementar la cantidad de cifras significativas que se quiera
estimar una raz. Empicese con f(x) = e
-x
sen (10 x}. Grafquese la funcin con un rango
a escala completa desde x = O hasta x = 2,5, Estmese la raz. Trcese nuevamente la
funcin sobre el rango x = 0.5 a x = 1.0, Estmese la raz. Finalmente, grafquese la
funcin sobre un rango de 0.6 a 0.7, Esto permite estimar la raz con dos cifras
significativas.

4.20 Desarrllese un programa legible al usuario para el mtodo de la regla falsa basado
en la seccin 4.3.2. Prubese el programa con el ejemplo 4.6.

4.21 sese el programa del problema 4.20 para probar los clculos del ejemplo 4.7-
Realcense corridas de 5, 10. 15 y ms iteraciones hasta que el error relativo porcentual
sea menor del 0,1%, Grafquense los errores relativos porcentuales aproximados contra el
nmero de iteraciones sobre papel semilogartmico. Interprtense los resultados.

CAPTULO CINCO

MTODOS
ABIERTOS

En los mtodos del captulo anterior que usan intervalos, la raz se encuentra dentro del
mismo, dado por un lmite inferior y otro superior. La aplicacin repetida de estos mtodos
siempre genera aproximaciones ms y ms cercanas a la raz. A tales mtodos se les
conoce como convergentes ya que se acercan progresivamente a la raz a medida que
crece el nmero de iteraciones (Fig. 5.1a).

En contraste con stos, los mtodos abiertos que se describen en este captulo, se basan
en frmulas que requieren de un solo valor x o de un par de ellos pero que no
necesariamente encierran a la raz. Como tales, algunas veces divergen o se alejan de la
raz a medida que crece el nmero de iteraciones (Fig. 5.1b). Sin embargo, cuando los
mtodos abiertos convergen (Fig. 5.1c), en general lo hacen mucho ms rpido que los
mtodos que usan intervalos. Se empieza el anlisis de los mtodos abiertos con una
versin simple que es til para ilustrar su forma general y tambin para demostrar el
concepto de convergencia,

5.1 ITERACIN DE PUNTO FIJO

Como se mencion anteriormente, los mtodos abiertos emplean una frmula que predice
una aproximacin a la raz. Tal frmula se puede desarrollar para la iteracin de punto fijo,
rearreglando la ecuacin /(x) ^O de tal forma que x quede del lado izquierdo de la
ecuacin:

x = g(x) [5.1]

Esta transformacin se puede llevar a cabo mediante operaciones algebraicas o
simplemente agregando x a cada lado de la ecuacin original. Por ejemplo:
FIGURA 5.1 Esquema grfico de las diferencias
fundamentales entre los mtodos que usan intervalos a)
y los mtodos abiertos b) y c) en la localizacin de races.
En a), que ilustra el mtodo de biseccin, la raz est
registrada dentro del intervalo dado por xl y xu. En
contraste, con los mtodos abiertos, ilustrados en b) y c),
se usa uno frmula para proyector x, o x;^, con un
esquema iterativo. De esta manera, el mtodo puede
divergir b) o converger c) rpidamente, dependiendo del
punto inicial.
x
2
- 2x + 3 = 0

Se puede reordenar para obtener;

2
3
2
+
=
x
x

Mientras que sen x = 0 puede transformarse en la forma de la ecuacin (5.1) sumndole x
a ambos lados para obtener:

x = sen x + x

La utilidad de la ecuacin (5.1) es que proporciona una frmula para predecir un valor de
x en funcin de x. De esta manera, dada una aproximacin inicial a la raz, x
i
, la ecuacin
(5.1) se puede usar para obtener una nueva aproximacin x,+i, expresada por la frmula
iterativa:

x
i+1
= g(x
i
) , [5.2]

Como con otras frmulas iterativas del libro, el error aproximado de esta ecuacin se
puede calcular usando el estimador de error [Ec. (3.5)]:

% 100
1
1
+
+

=
i
i i
x
x x
a

EJEMPLO 5.1
Iteracin de punto fijo

Enunciado del problema: sese iteracin de punto fijo para localizar la raz de f(x) = e-
x-
x.

Solucin: la funcin se puede separar directamente y expresarse en la forma de ecuacin
(5.2) como x
i+1
= e
-xi
. Empezando con un valor inicial de XQ= 0, se puede aplicar esta
ecuacin iterativa y calcular:

Iteracin x |
v
|% |
g
|%
0 0 100.000
1 1.000000 76.300 100.00
2 0.367879 35.100 171.00
3 0.692201 22.100 46.90
4 0.500473 11.800 38.30
5 0.606244 6.890 17.40
6 0.545396 3.830 11.20
7 0.579612 2.200 5.90
8 0.560115 1.240 3.48
9 0.571143 0.705 1.93
10 0.464879 0.399 1.11

De esta manera, cada iteracin acerca cada vez ms al valor estimado con el valor
verdadero de la raz, o sea 0.567 143 29.

RECUADRO 5.1
Convergencia de la iteracin de punto fijo

Al analizar la figura 5.3, se debe notar que la
iteracin de punto fijo converge si en la regin
de inters g'(x) < 1. En otras palabras, la
convergencia ocurre si la magnitud de la
pendiente de g(x) es menor que la pendiente
de la lnea f(x)= x. Esta observacin se puede
demostrar tericamente. Recurdese que la
ecuacin aproximada es:

x
i+1
= g(x
i
)

Supngase que la solucin verdadera es:.

X
r
= g(x
r
)

Restando estas dos ecuaciones se obtiene:

x
r
- x
i+1
= g(x
i
) g(x
r
)
[B5.1.1]

En el clculo, existe un principio llamado
teorema del valor medio (seccin 3,5.2). Dice
que si una funcin g(x) y su primera derivada
son continuas sobre un Intervalo a < x < b,
entonces existe un valor de x = S; dentro del
intervalo para el que:

a b
a g b g
g
=
) ( ) (
) ( ' [B5.1.2]

El lado derecho de esta ecuacin es la
pendiente de la lnea que une a g(a) y g(b).De
esta manera, el teorema del valor medio dice
que hay al menos un punto entre a y b que
tiene una pendiente, denotada por g(), que es
paralela a la lnea que une g(a) con g(b) (Fig.
3.5).
Ahora, si se hace o = x,'y b == x, el lado
derecho de la ecuacin (B5.1.2) se puede
expresar como:

) ( ' ) ( ) ( ) ( g x x x g x g
i r i r
=

Donde se encuentra en alguna parte dentro
de x
i
y x
r
. Este resultado se puede sustituir en
la ecuacin (B5.1.2) para obtener:

) ( ' ) (
1
g x x x x
i r i r
=
+
[B5.1.3]

Si el error verdadero para la i-sima iteracin
se define como:

i r i t
x x E =
,

Entonces la ecuacin (B5.1.3) se convierte en:

i t i t
E g E
, 1 ,
) ( ' =
+

Por consiguiente, si g() < 1, entonces los
errores decrecen. Con cada iteracin. Si
g()>1, entonces los errores crecen. Ntese
tambin que si la derivada es positiva, los
errores sern positivos, y por lo tanto, la
solucin iterativa ser montona (Figs. 5.3 a y
c). Si la derivada es negativa, entonces los
errores oscilarn (Figs. 5.3b y d),

Un corolario de este anlisis demuestra que
cuando el mtodo converge, el error es casi
proporcional a y menor que el error del paso
anterior. Por esta razn, la iteracin de punto
fijo se dice que es linealmente convergente.

5.1.1 Convergencia

Ntese que el error relativo exacto en cada iteracin del ejemplo 5,1 es casi proporcional
(por un factor de 0.5 a 0.6) al error de la iteracin anterior. Esta propiedad, conocida como
convergencia lineal, es caracterstica de la iteracin de punto fijo. En el recuadro 5.1 se
presenta una base terica para esta observacin.

Adems de la "velocidad" de convergencia, se debe hacer hincapi en este momento
sobre la "posibilidad" de convergencia.

Los conceptos de convergencia y de divergencia se pueden ilustrar grficamente.
Recurdese que en la seccin 4.1 se grfico una funcin para visualizar su estructura y su
comportamiento (Ej. 4.1). Esta funcin se vuelve a graficar en la figura 5.2o- Un
planteamiento grfico diferente es el de separar la ecuacin f(x) = 0 en dos partes, como
Dos mtodos grficos alternativos para determinar la raz
de f(x) = e-x-x. a) Raz en el punto donde sta cruza al eje
x; b} raz en la interseccin de los funciones componentes.
en:

f
1
(x) = f
2
(x)

Entonces las dos ecuaciones:
y=f
1
(x) [5.3]

y

y=f
2
(x) [5.4]

Se pueden graficar por separado (Fig. 5.2b). Los valores de x correspondientes a las
intersecciones de estas funciones representan las races de f(x) = 0.

EJEMPLO 5.2
El mtodo grfico de dos curvas

Enunciado del problema: seprese la ecuacin e
-x
-x = 0 en dos partes y determnese su
raz grficamente.

Solucin: reformlese la ecuacin como y
1
=x y y
2
=e
-x
. Calclense los siguientes valores:

x y1 y2
0.0 0.0 1.000
0.2 0.2 0.819
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1.0 1.0 0.368

Estos puntos se grafican en la figura 5.2b. La interseccin de las dos curvas indica una
aproximacin de x == 0.57, que corresponde al punto donde la curva original en la figura
5.2a cruza al eje x.

El mtodo de las dos curvas se puede usar ahora para ilustrar la convergencia y
divergencia de la iteracin de punto fijo.

En primer lugar, la ecuacin (5.1) se puede expresar como un par de ecuaciones: y
1
= x y
y
2
= g(x). Estas dos ecuaciones se pueden graficar por separado. Tal fue e! caso de las
ecuaciones (5.3) y (5.4), las races de f(x) = O son iguales al valor de la abscisa en la
interseccin de las dos curvas. En la figura 5.3 se grafican la funcin y
1
= x y cuatro
esquemas diferentes de la funcin y
2
= g(x).

En el primer caso (Fig. 5.3a), el valor inicial x
o
se usa para determinar el punto
correspondiente a la curva y
2
[X
0
, g(x
0
)]. El punto [x
l
, x
l
] se encuentra moviendo la curva y
1

a la izquierda y horizontalmente. Estos movimientos son equivalentes a la primera
iteracin del mtodo de punto fijo:

x
1
=g(x
0
)
FIGURA 5.3 Esquema grfico de la convergencia a) y b) y la divergencia c) y d) de la iteracin de punto fino- A
las grficos a) y c) se les conoce como patrones montonos, mientras que a b) y d) se les conoce como patrones
oscilatorios o en espiral. Ntese que la convergencia se obtiene cuando |g'(x) | < 1.

De esta manera, en la ecuacin y en la grfica se usa un valor inicial XQ para obtener la
aproximacin x
l
. La siguiente iteracin consiste en moverse al punto [x
1
, g(x
1
)] y despus a
[x
2
, x
2
}. Esta iteracin es equivalente a la ecuacin:

x
1
=g(x
1
)

La solucin en la figura 5.3a es convergente ya que la aproximacin de x se acerca ms a
la raz con cada iteracin. Lo mismo se cumple para la figura 5.3b. Sin embargo, ste no
es el caso para las figuras 5.3c y d, en donde las iteraciones divergen de la raz. Ntese
que la convergencia ocurre nicamente cuando el valor de la pendiente de y
2
= g(x) es
menor al valor de la pendiente de y
1
= x, esto es, cuando |g' (x)| < 1. En el recuadro 5.1 se
presenta una derivacin terica de este resultado.

5.1.2 Programa para la iteracin de punto fijo

El algoritmo para la computadora de la iteracin de punto fijo es extremadamente simple.
Consiste en un ciclo que calcula iterativamente nuevas aproximaciones junto con una
declaracin lgica que determina cuando se ha cumplido el criterio de paro.

En la figura 5.4 se presentan tos programas en FORTRAN Y BASIC para el algoritmo. Se
pueden programar de manera similar otros mtodos abiertos, simplemente cambiando la
frmula iterativa (declaracin 130).

FIGURA 5.4 Programa para la iteracin de punto fijo. Ntese que el
algoritmo general es similar al de los mtodos abiertos.

5.2 MTODO DE NEWTON-RAPHSON

Tal vez, dentro de las frmulas para localizar races, la frmula de Newton-Raphson (Fig.
5.5), sea la ms ampliamente usada. Si el valor inicial de la races x
i
, entonces se puede
extender una tangente desde el punto [x
i
, f(x
i
)]. El punto donde esta tangente cruza al eje
x representa una aproximacin mejorada a la raz.

El mtodo de Newton-Raphson se puede derivar geomtricamente (una forma de hacerlo
es mediante el uso de la serie de Taylor, descrita en el recuadro 5.2). Como en la figura
5.5, la primera derivada en x es equivalente a la pendiente.

) ( '
) (
) ( '
i
i
i
x f
x f
x f = [5.5]

Que se puede reordenar para obtener:

) ( '
) (
) ( '
1
i
i
i i
x f
x f
x x f + =
+
[5.6]

A la que se conoce como frmula de Newton-Raphson.

FIGURA 5.5 Esquema grfico del mtodo
de Newton-Raphson. Se extrapola una
tangente o lo funcin en el punto xi [esto es,
f(x,)] hasta el eje x para obtener una
estimacin de la raz en xi+1
EJEMPLO 5.3
Mtodo de Newton-Raphson

Enunciado del problema: sese el mtodo de Newton-Raphson para calcular la raz de
e
-x
-x empleando el valor inicial de x
0
= 0.

Solucin: la primera derivada de la funcin se puede evaluar como:

f(x)= -e
-x
- 1

Que se puede sustituir, junto con la funcin original en la ecuacin (5.6) para dar:

1
1

=

+
xi
i xi
i i
e
x e
x x

Empezando con el valor inicial x
o
= 0, se puede aplicar la ecuacin iterativa para calcular:

Iteracin i x |
v
|%
0 0 100
1 0.500000000 11.8
2 0.566311003 0.147
3 0.567143165 0.0000220
4 0.567143290 <10
-8

De esta manera, el planteamiento converge rpidamente a la raz real. Ntese que el error
relativo en cada iteracin decrece mucho ms rpido que como lo hace la iteracin de
punto fijo (comprese con el ejemplo 5.1).

5.2.1 Criterios de paro y estimacin de errores

Como con los otros mtodos de localizacin de races, la ecuacin (3,5) se puede usar
como un criterio de paro- Adems, la derivacin del mtodo con la serie de Taylor
(recuadro 5.2) proporciona un conocimiento terico relacionado con la velocidad de
convergencia expresado como: E
i+1
=0(E
1
). De esta forma, el error debe ser casi
proporcional al cuadrado del error anterior. En otras palabras, el nmero de cifras
significativas se duplica aproximadamente en cada iteracin. Este comportamiento se
examina en el siguiente ejemplo.

RECUADRO 5.2
Derivacin y anlisis del error del mtodo de Newton-Raphson a partir de la serie de
Taylor

Adems de la derivacin geomtrica [ecuaciones (5.5) y (5.6)], el mtodo del Newton-
Raphson se puede derivar tambin del uso de la serie Taylor. Esta derivacin alternativa
es muy til en el sentido de que muestra la penetracin en la velocidad de convergencia
del mtodo.

Recurdese del capitulo 3 que la serie de Taylor se puede representar como:

2
1 1 1
) (
2
) ( ' '
) )( ( ' ) ( ) (
i i i i i i
x x
f
x x xi f x f x f + + =
+ + +

[B5.2.1]

En donde se encuentra en alguna parte del intervalo entre x
i
y x
i+1
. Truncando la serie
Taylor despus de la primera derivada, se obtiene una versin aproximada:

) )( ( ' ) ( ) (
1 1 i i i i i
x x x f x f x f +
+ +
[B5.2.2]

Que se resuelve para:

) ( '
) (
1
i
i
i i
x f
x f
x x =
+

Que es idntica a la ecuacin (5.6). De esta forma, se ha derivado el mtodo de Newton-
Raphson usando la serie de Taylor.

Adems de la derivacin, la serie de Taylor se puede usar para estimar error de la
formula. Esto se puede lograr al utilizar los trminos de la ecuacin B5.2.1 con el
resultado exacto. Por esta estimacin x
i+1
= x
r
, en donde x
r
es el valor exacto de la raz.
Sustituyendo esta valor, junto con f(x
r
) = 0 en la ecuacin (B5.2.1) se obtiene:

2
) (
2
) ( ' '
) )( ( ' ) ( 0
i r i r i i
x x
f
x x x f x f + + + =

[B5.2.3]

La ecuacin (B5.2.2) se puede restar de la ecuacin (B5.2.3) para obtener:

2
) (
2
) ( ' '
) )( ( ' 0
i r i r i
x x
f
x x x f + + =

[B5.2.4]

Ahora, notando que el error es igual a la diferencia entre x
i+1
y el valor de x
r
como en:

1 1 , + +
=
i r i v
x x E

Y la ecuacin (B5.2.4) se puede expresar como:

1 , 1 ,
2
) ( ' '
) ( ' ' 0
+ +
=
i v i v i
E
f
E x f

[B5.2.5]

Si se supone que hay convergencia, entonces xi y se deberan aproximar a a la raz xr, y
la ecuacin (B5.2.5) se puede reordenar para obtener:

2
, 1 ,
) ( ' 2
) ( ' '
i v
r
r
i v
E
x f
x f
E

+
[B5.2.6]

De acuerdo ala ecuacin (B5.2.6) el error es casi proporcional al cuadrado del error
anterior. Esto significa que el nmero de cifras decimales correctos se duplica
aproximadamente en cada iteracin. A este comportamiento se le llama convergencia
cuadrtica. El ejemplo 5.4 ilustra esta propiedad.

Ejemplo 5.4
Anlisis de Error en el Mtodo de Newton-Raphson

Enunciado Problema: como se dedujo en el Recuadro 5.2 el mtodo de Newton-Raphson
es convergente cuadrticamente. Esto es, el error es aproximadamente proporcional al
cuadrado del error anterior, dado por:

2
, 1 ,
) ( ' 2
) ( ' '
i v
r
r
i v
E
x f
x f
E

+
[E5.4.1]

Examnese esta frmula y vase si es aplicable a los resultados del ejemplo 5.3.

Solucin: la primera derivada de f(x) = e
-x
-x es:

f(x) = -e
-x
- 1

Que se puede evaluar en x
r
= 0.567 143 29 para dar:
f(0.567 143 29) = -1.567 143 29

La segunda derivada es:

f(x)=e
-x

Que se puede evaluar, para obtener:
f(0.567 143 29) = 0.567 143 29

Estos resultados se pueden sustituir en la ecuacin (E5.4.1) para obtener:

2
, 1 ,
) 56714329 . 1 ( 2
56714329 . 0
i v i v
E E
+

2
, 1 ,
18095 . 0
i v i v
E E
+

Del ejemplo 5.3, el error inicial fue de E
t0
= 0.567 143 29, que se puede sustituir en la
ecuacin del error para obtener:

E
v,1
= 0.180 95(0.567 143 29)2 = 0.058 2

Que se acerca al error real de = 0.067 143 29. En la siguiente iteracin:

E
v,2
= 0.180 95(0.067 143 29)2 = 0.000 815 8

Que tambin se compara favorablemente con el error real de 0.000 832 3. En la tercera
iteracin:
E
v,3
= 0.180 95(0.000 832 3}2 = 0.000 000 125

Que es exactamente el error obtenido en el ejemplo 5.3. La estimacin del error mejora de
esta manera ya que est ms cercano a la raz, x
i
y se aproximan mejor mediante x
r

[recurdese la suposicin manejada al derivar la ecuacin (B5.2.6) a partir de la ecuacin
(B5.2.5), en el recuadro 5.2]. Finalmente:

E
v,4
= 0.180 95(0.000 000 125}2 = 2.83 x 10
-15

De esta manera este ejemplo ilustra que el error en el mtodo de Newton-Raphson es en
este caso, de hecho, casi proporciona! (por un factor de 0.180 95} al cuadrado del error en
la iteracin anterior.

5.2.2 Desventajas del mtodo de Newton-Raphson

Aunque el mtodo de Newton-Raphson en general es muy eficiente, hay situaciones en
que se porta deficientemente, un caso especial races mltiples se analiza al final del
captulo. Sin embargo, aun cuando se trate de races simples, se encuentran dificultades,
como en el siguiente ejemplo.

EJEMPLO 5.5
Ejemplo de una funcin que converge lentamente con el mtodo de Newton-Raphson

Enunciado del problema: determnese la raz positiva de f(x) = x
10
- 1 usando el mtodo de
Newton-Raphson con un valor inicial de x = 0.5.

Solucin: la frmula del mtodo de Newton-Raphson es en este caso:

9
10
1
10
1
xi
i
i i
x
x x

=
+

Que se puede usar para calcular:

Iteracin x
i

0 00.5
1 51.65
2 46.485
3 41.8365
4 37.65285
5 33.887565

De esta forma, despus de la primera prediccin deficiente, e! mtodo converge a la raz
1, pero con una velocidad muy lenta.

Adems de la convergencia lenta, debida a la naturaleza de la funcin, se pueden originar
otras dificultades, como se ilustra en la figura 5.6, Por ejemplo, la figura 5.6a muestra el
caso donde un punto de inflexin esto es, f(x) = 0 ocurre en la vecindad de una
raz. Ntese que las iteraciones que empiezan en x divergen progresivamente de la raz.
En la figura 5.6b se ilustra la tendencia del mtodo de Newton-Raphson a oscilar
alrededor de un punto mnimo o mximo local. Tales oscilaciones persisten, o, como en la
figura 5.6b, se alcanza una pendiente cercana a cero, despus de lo cual la solucin se
aleja del rea de inters. En la figura 5.6c, se ilustra como un valor inicial cercano a una
raz puede saltar a una posicin varas races lejos. Esta tendencia de alejarse del rea de
inters se debe a que se encuentran pendientes cercanas a cero. Obviamente, una
pendiente cero [f(x) = 0] es un real desastre que causa una divisin por cero en la frmula
de Newton-Raphson [Ec. (5.6)] Grficamente (Fig. 5.6d), esto significa que la solucin se
dispara horizontalmente y amas toca al eje x.

La nica solucin en
estos casos es la de
tener un valor inicial
cercano a la raz.
Este conocimiento,
de hecho, lo
proporciona el
conocimiento fsico
de! problema o
mediante el uso de
herramientas tales
como las grficas
que proporcionan
mayor claridad en el
comportamiento de
la solucin. Esto
sugiere tambin que
se deben disear
programas
eficientes que
reconozcan la
convergencia lenta
o la divergencia. La
siguiente seccin
est enfocada hacia
estos temas.

FIGURA 5.6 Cuatro
casos donde el
mtodo de Newton-
Raphson exhibe una
convergencia lenta.
5.2.3 Programa paro el mtodo de Newton-Raphson

Con slo sustituir la lnea 130 de la figura 5.4, se obtiene el mtodo de Newton-Raphson.
Ntese, sin embargo, que el programa se debe tambin modificar para calcular la
derivada. Esto se puede llevar a cabo simplemente incluyendo una funcin definida por el
usuario.

Adems, de acuerdo a las discusiones anteriores sobre los problemas potenciales del
mtodo de Newton-Raphson, el programa se debe modificar incorporndole algunos
rasgos adicionales:

1. Si es posible, se debe incluir una rutina de graficacin dentro del programa.
2. Al final de los clculos, la aproximacin a la raz siempre se debe sustituir en la
funcin original para calcular en qu casos el resultado se acerca a cero. Esta
prueba protege contra aqullos casos donde se observa convergencia lenta u
oscilatoria, la cual puede llevar a valores pequeos de
a
mientras que la solucin
puede estar an muy lejos de una raz.
3. El programa siempre debe incluir un lmite mximo sobre el nmero permitido de
iteraciones para estar prevenidos contra las oscilaciones y la convergencia lenta, o
las soluciones divergentes persistirn interminablemente.

5.3 MTODO DE LA SECANTE

Un problema fuerte en la implementacin del mtodo de Newton-Raphson es el de la
evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomios y para
muchas otras funciones, existen
algunas de stas cuyas derivadas
pueden ser extremadamente difciles
de evaluar, En estos casos, la
derivada se puede aproximar
mediante una diferencia divida,
como (Fig. 5.7):

FIGURA 5.7 Esquema grfico del mtodo
de la secante. Esta tcnica es similar a la
del mtodo de Newton-Raphson (Fig. 5.5)
en el sentido de que una aproximacin a lo
raz se calculo 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.
i i
i i
i
x x
x f x f
x f
1
1
) ( ) (
) ( '

Esta aproximacin se puede sustituir en la ecuacin (5.6) obteniendo la ecuacin iterativa:

) ( ) (
) ( ) (
1
1
1
i i
i i
i i
x f x f
x x f x f
x x
+
[5.7]

La ecuacin (5.7) es la frmula para el mtodo de la secante. Ntese que e!
planteamiento requiere de dos puntos iniciales de x. Sin embargo, debido a que no se
requiere que f(x) cambie de signo entre estos valores, a este mtodo no se le clasifica
como aquellos que usan intervalos.

EJEMPLO 5.6
EL mtodo de la secante

Enunciado del problema: sese el mtodo de la secante para calcular la raz de f(x) = e
-x
-x
Empicese con los valores iniciales de x
-i
= 0 y X
o
= 1.0.

Solucin: recurdese que la raz real es 0.567 143 29

Primera iteracin:

x
-i
= 0 f(x
-1
) = 1.000 00
x
0
= 1 f(x
0
) = -0.632 12
% 0 . 8 61270 . 0
) 63212 . 0 ( 1
) 1 0 ( 63212 . 0
1 1 = =

=
v
x

Segunda iteracin:

x
0
= 1 f(x
o
) = -0.632 12
x
i
= 0.612 70 f(x
i
) = -0.070 81

(Ntese que las dos aproximaciones se encuentran del mismo lado que la raz.)

% 58 . 0 56384 . 0
) 07081 . 0 ( 63212 . 0
) 61270 . 10 ( 07081 . 0
61270 . 0
2
= =

=
v
x

Tercera iteracin:
x
i
= 0.61270 f(x
1
) = -0.070 81
x
2
= 0.563 84 f(x
2
) = 0.005 18
56717 . 0
) 00518 . 0 ( 07081 . 0
84 ) 563 . 0 61270 . 0 ( 00518 . 0
56384 . 0
3
=

= x

5.3.1 Diferencias entre los mtodos de la secante y de la regla falsa

Ntese la similitud entre los mtodos de la secante y de la regla falsa. Por ejemplo, las
ecuaciones (5.7) y (4.4) son idnticas trmino a trmino. Ambas usan dos estimaciones
iniciales, para calcular una aproximacin a la pendiente de la funcin que se usa para
proyectar hacia el eje x una nueva aproximacin a la raz. Sin embargo, existe una
diferencia crtica entre ambos mtodos y sta estriba en la forma en que uno de los
valores iniciales se reemplaza por la nueva aproximacin. Recurdese que en el mtodo
de la regla falsa, la ltima aproximacin de la raz reemplaza a aquel valor cuya funcin
tena el mismo signo de /(x,). En consecuencia, las dos aproximaciones siempre encierran
a la raz. Por lo tanto, en todos os casos prcticos, el mtodo siempre converge ya que la
raz se encuentra dentro del interval0 En contraste el mtodo de la secante reemplaza los
valores en una secuencia estricta, con el nuevo valor x,4,i se reemplaza a x, y x,
reemplaza a x;_i. Como resultado de esto, los dos valores pueden caer de un mismo lado
de la raz. En algunos casos, esto puede provocar divergencia.

EJEMPLO 5.7
Comparacin de la convergencia en los mtodos de la secante y la regla falsa,

Enunciado del problema: sense los mtodos de la secante y de la regla falsa para
calcular la raz de f(x) = ln x. Hganse los clculos con los valores iniciales x
l
= x
i-1
. 0.5 y
x
u
= x
i
= 5.0.

Solucin: en el mtodo de la regla falsa, usando la ecuacin (4.4) y los criterios de
obtencin de la raz en el intervalo mediante el reemplazo de los valores correspondientes
en cada aproximacin, se generan las siguientes iteraciones:

Iteracin

x
l

x
u

x
r

1 0.5 5.0 1.8546
2 0.5 1.8546 1.2163
3 0.5 1.2163 1.0585

Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la raz real = 1.

En el mtodo de la secante usando la ecuacin (5.7) y el criterio secuencial para
reemplazar las aproximaciones se obtiene:

Iteracin

x
I-1
x
i
x
I+1

1 0.5 5.0 1.8546
2 5.0 1.8546 -0.10438

Como se muestra en la figura 5.8d, el comportamiento del mtodo es divergente.

Aunque el mtodo de la secante sea divergente en algunos casos, cuando converge lo
hace ms rpido que el mtodo de la regla falsa. Por ejemplo, en la figura 5.9, que se
basa en los ejemplos 4.3, 4.6, 5.3 y 5.6, se muestra la superioridad del mtodo de la
secante. La inferioridad del mtodo de la regla falsa se debe a que un extremo permanece
fijo y de esta manera mantiene a la raz dentro del intervalo. Esta propiedad, que es una
ventaja porque previene la divergencia, es una desventaja en relacin a la velocidad de
convergencia; esto hace que la aproximacin con diferencias divididas sea menos exacta
que la derivada.

FIGURA 5.8
Comparacin entre los
mtodos de la regla
falsa y de lo secante.
Las primeras
iteraciones a) y b) de
ambos mtodos son
idnticas. Sin
embargo, en las
segundas c) y d), los
puntos usados son
diferentes. En
consecuencia, el
mtodo de la secante
puede divergir, como
lo muestra d).

5.3.2 Programo para el mtodo de la secante

Como con los otros mtodos abiertos, se obtiene un programa del mtodo de la secante
simplemente modificando la lnea 110, de tal forma que se puedan introducir dos valores
iniciales y sustituyendo la ecuacin (5.7) en la lnea 130 de la figura 5.4.

Adems, las opciones sugeridas en la seccin 5.2.3 para el mtodo de Newton-Raphson
se pueden aplicar al programa de la secante para obtener tales ventajas,

5.4 RACES MLTIPLES

Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje x. Por
ejemplo, dos races repetidas resultan de:

) 1 )( 1 )( 3 ( ) ( = x x x x f [5.8]

o, multiplicando trminos,
FIGURA 5.9 Comparacin de los
errores relativos porcentuales v
para cada uno de los mtodos en la
determinacin de las races de f(x) =
e
-x
x.
3 7 5 ) (
2 3
+ = x x x x f [5.9]

La ecuacin tiene una raz doble porque un valor de x anula dos trminos de la ecuacin
(5.8). Grficamente, esto significa que la curva toca tangencialmente al eje x en la raz
doble. Vase la figura 5.10a en x = 1. Ntese que la funcin toca al eje pero no lo cruza
en la raz.

Una raz triple corresponde al caso en que un valor de x se
anula en tres trminos de la ecuacin, como en:

) 1 )( 1 )( 1 )( 3 ( ) ( = x x x x x f
o, multiplicando,

3 10 12 6 ) (
2 3 4
+ + = x x x x x f

Ntese que el esquema grfico (Fig. 5. 10b) indica otra vez que
la funcin es tangencial al eje en la raz pero que en este caso
s cruza el eje. En general, la multiplicidad impar de races cruza
el eje, mientras que la multiplicidad par no lo cruza. Por
ejemplo, la raz cuarta en la figura 5.10c no cruza el eje.

Las races mltiples ofrecen ciertas dificultades a los mtodos
numricos expuestos en la parte II:

1. El hecho de que la funcin no cambia de signo en una raz de
multiplicidad par impide el uso de los mtodos confiables que
usan intervalos, discutidos en el captulo 4. De esta manera, de
los mtodos incluidos en este texto, los abiertos tienen la
limitacin de que pueden divergir.
2. Otro posible problema se relaciona con el hecho de que no
slo f(x) se aproxima a cero. Estos problemas afectan a los
mtodos de Newton-Raphson y al de la secante, los que
contienen derivadas (o aproximaciones a ella) en el denominador
de sus respectivas frmulas. Esto provocara una divisin entre
cero cuando la solucin se acerque a la raz. Una forma simple
de evitar estos problemas, que se ha demostrado tericamente
(Raltson y Rabinowitz, 1978), se basa en el hecho de que f(x).
Por lo tanto, si se verifica f(x) contra cero, dentro del programa,
entonces los clculos se pueden terminar antes de que f(x)
llegue a cero.
FIGURA 5.10 Ejemplos
de races mltiples
tangentes al eje X.
Ntese que la funcin
no cruza el eje en casos
de multiplicidad par a) y
c), mientras que para
multiplicidad impar s lo
hace b).
3. Se puede demostrar que el mtodo de Newton-Raphson y el de la secante convergen
en forma lineal, en vez de manera cuadrtica, cuando hay races mltiples (Raltson y
Rabinowitz, 1978). Se han propuesto algunas modificaciones para aliviar este problema.
Ralston y Rabinowitz (1978) proponen que se haga un pequeo cambio en la formulacin
para que retorne su convergencia cuadrtica, como:

) ( '
) (
1 1
i
i
i
x f
x f
m x x =
+

En donde m es la multiplicidad de la raz (esto es, m = 2 para una raz doble, m = 3 para
una raz triple, etc.). De hecho, puede resultar insatisfactorio porque presupone el
conocimiento de la multiplicidad de las races.

Otra alternativa, tambin sugerida por Ralston y Rabinowitz (1978), es la de definir una
nueva funcin u(x), que es el cociente de la funcin y su derivada, esto es:

) ( '
) (
) (
1
i
i
x u
x u
x x u = [5.10]

Se puede demostrar que esta funcin tiene races en las mismas posiciones que la
funcin original. Por lo tanto, la ecuacin (5.10) se puede sustituir en la ecuacin (5.6) y
de esta forma desarrollar una forma alternativa del mtodo de Newton-Raphson:

) ( '
) (
1
i
i
i i
x u
x u
x x =
+
[5.11]

Se puede derivar la ecuacin (5.10), obteniendo:

| |
2
) ( '
) ( ' ' ) ( ) ( ' ) ( '
) ( '
x f
x f x f x f x f
x u

= [5.12]

Se pueden sustituir las ecuaciones (5.10) y (5.12) en la ecuacin (5.11) para obtener:

) ( ' ' ) ( 2 )] ( ' [
) ( ' ) (
1
i i i
i i
i i
x f x f x f
x f x f
x x
=
+
[5.13]

EJEMPLO 5.8
Mtodo de Newton-Raphson modificado para el clculo de races mltiples.

Enunciado del problema; sense los dos mtodos, el estndar y el modificado de Newton-
Raphson para evaluar la raz mltiple de la ecuacin (5.9), con un valor inicial de XQ= 0.
Solucin: la primera derivada de la ecuacin (5.9) es f(x) == 3x
2
10x + 7, y por lo tanto,
el mtodo de Newton-Raphson para este problema [Ec. (5.6)] es:

7 10 3
3 7 5
2
2 3
1
+
+
=
+
i i
i i i
i i
x x
x x x
x x

Que se puede resolver iterativamente para obtener:

i x
i
|
v
|%
0 0 100.0
1 0.428571429 57.0
2 0.685714286 31.0
3 0.832865400 17.0
4 0.913328983 8.7
5 0.955783296 4.4
6 0.977655101 2.2

Como ya se haba anticipado, el mtodo converge linealmente hasta el valor verdadero de
1.0. Para el caso del mtodo modificado, la segunda derivada es f(x) = 60x - 10, y la
relacin iterativa es [Ec. (5.13)]:

) 10 6 )( 3 7 5 ( ) 7 10 3 (
) 7 10 3 )( 3 7 5 (
2 3 2 2
2 2 3
1
+ +
+ +
=
+
i i i i i i
i i i i i
i i
x x x x x x
x x x x x
x x

Que se puede resolver para obtener:

I x
i
|
v
|%
0 0 100.00000
1 1.105263158 11.00000
2 1.003081664 0.31000
3 1.000002382 0.00024

De esta forma, el mtodo modificado converge cuadrticamente. Se pueden usar ambos
mtodos para buscar la raz simple en x = 3. Usando un valor inicial de x
0
= 4 se obtienen
los siguientes resultados:

i Estndar E
v
Modificado |E
v
|
0 4 (33%) 4 (33%)
1 3.4 (13%) 2.636363637 (12%)
2 3.1 (3.3) 2.820224720 (6.0%)
3 3.008695652 (0.29%) 2.961728211 (1.3%)
4 3.000074641 (2.5x10
-3
%) 2.998478719 (0.051%)
5 3.000000006 (2+10
-7
%) 2.999997682 (7.7 x 10
-5
%)

De esta forma, ambos mtodos convergen rpidamente, siendo el mtodo estndar ms
eficiente.

El ejemplo anterior ilustra los factores de mayor importancia involucrados al escoger e!
mtodo de Newton modificado. Aunque es preferible en races mltiples, algunas veces
es menos eficiente y requiere ms esfuerzo computacional que e! mtodo estndar para
el caso de races simples. Se debe notar que se puede desarrollar una versin modificada
del mtodo de la secante para races mltiples sustituyendo la ecuacin (5.10} en la
ecuacin (5,7). La frmula resultante es (Ralston y Rabinowitz, 1978):

) ( ) (
) )( (
1
1
1
i i
i i i
i i
x u x u
x x x u
x x
+

PROBLEMAS
Clculos a mano

5.1 sese el mtodo de Newton-Raphson para determinar la raz mayor de:

f(x) = -0.875x
2
+ 1.75x + 2.625.

Emplese un valor inicial de x = 3.1. Realcese los clculos hasta que
a
sea menor del
s
= 0.01%, Tambin verifquense los errores en la respuesta final.

5.2 Determnense las rafees reales de:

f(x) = -2.1 + 6.21x - 3.9x2 + 0.667x3

a) Grficamente
b) Usando el mtodo de Newton-Raphson hasta qLie.c, = 0.01%.

5.3 Emplese el mtodo de Newton-Raphson para determinar las races reales de f(x)=-
23.33 + 79.35x - 88,09x2 + 41.6x3 - 8,68x4 + 0.658x5

Usando el valor inicial de a) x,= 3,5; b) x= 4.0 y c) x,= 4,5, Prubense y sense los
mtodos grficos para explicar cualquier peculiaridad en los resultados.

5.4 Determnese la raz real menor de:

f(x) = 9.36 - 21.963x + 16.2965x2 - 3.70377x:f

a) Grficamente
b) Usando el mtodo de la secante, hasta un valor de
s
correspondiente a tres cifras
significativas.

5.5 Localcese la raz positiva de:

f(x) = 0.5x - sen x

Donde x est dada en radianes. sese un mtodo grfico y despus calclese tres
iteraciones con el mtodo de Newton-Raphson con un valor inicial de x
I
=2.0 para calcular
la raz. Reptanse los clculos pero con un valor inicial de x
i
= 1.0. sese el mtodo grfico
para explicar los resultados,

5.6 Encuntrese la raz real positiva de:

f(x) = x
4
- 8.6x
3
- 35.5lx
2
+ 464x - 998.46

Usando el mtodo de la secante. Emplense los valores iniciales de x
i-1
= 7 y x
i
9 y
calclense cuatro iteraciones

Calclese e
a
e interprtense los resultados.

5.7 Realcense los mismos clculos del problema 5.6 pero usando el mtodo de Newton-
Raphson, con un valor inicial de x
i
= 7.

5.8 Encuntrese la raz cuadrada positiva de 10 usando tres iteraciones con:

a) El mtodo de Newton-Raphson, con un valor inicial de x
i
=3
b) El mtodo de la secante, con valores iniciales de x
i-1
= 3 y x
i
=3.2.


2
6 . 0 1
) (
x
x f

=

Usando tres iteraciones y el mtodo de la secante con valores iniciales x
i-1
- 1.5 y x
i
= 2.0.
Calclese el error aproximado ^ despus de la segunda y la tercera iteracin.


f(x) = X
3
100
Con el mtodo de la secante, con
s
,= 0.1%,

5.11 Determnese la raz real mayor de:
x
3
- 6x
2
+ 11x- 6

a) Grficamente
b) Usando el mtodo de biseccin (dos iteraciones, x
l
= 2.5 y x
u
= 3.6).
c) Usando el mtodo de la regla falsa (dos iteraciones, x
l
= 2.5 y x
u
= 3.6)
d) Usando el mtodo de Newton-Raphson (dos iteraciones, x
i
= 3.6).
e) Usando el mtodo de la secante (dos iteraciones, x
i-1
= 2.5 y x
i
= 3.6).

5.12 sese el mtodo de Newton-Raphson para determinar todas las races de:

f(x) = x
2
+5.78 x - 11.4504 con
S
= 0.001%.

5.13 Determnese la raz real ms pequea de:

f(x) = 9.36 - 21.963x + 16,296 5x
2
- 3.70377x
3

a) Grficamente
b) Usando el mtodo de biseccin (dos iteraciones, x
l
= 0.5 y x
u
= 1.1).
c) Usando el mtodo de la regla falsa (dos iteraciones, x
l
= 0.5 y x
u
= 1.1).
d) Usando el mtodo de Newton-Raphson (dos iteraciones, x
l
= 0.5).
e) Usando el mtodo de la secante (dos iteraciones, x
i-1
= 0.5 y x
i
= 1.1).

5.14 Determnese la raz positiva rea! ms pequea de:

/(x) = 4x
4
- 24.8x
3
+ 57.04x
2
- 56.76x + 20.57

a) Grficamente
b) Usando el mtodo disponible ms eficiente. Emplense los valores iniciales de x
l
= x
i-1

= 0.5 y x
u
= x
i
= 1.5 y realcense los clculos hasta que
s
= 15%

5.15 Determnense [as races de

f(x) = x
3
- 3.2x
2
- 1.92x + 9.216

a) Grficamente
b) Usando el mtodo disponible ms eficiente con s,= 0.1%

5.16 Reptase el problema 4.12, pero usando el mtodo de Newton-Raphson,

5.17 Reptase el problema 4.12, pero usando el mtodo de la secante-Problemas
relacionados con la computadora

5.18 Desarrllese un programa para el mtodo de Newton-Raphson basado en la figura
5.4 y en la seccin 5.2.3. Prubese el programa duplicando los clculos del ejemplo 5.3

5.19 sese el programa desarrollado en el problema 5.18 y duplquense los clculos del
ejemplo 5.5, Determnese la raz usando un valor inicial de x,= 0.5. Realcense 5, 10, 15 o
ms iteraciones hasta que el error relativo porcentual exacto sea menor del 0.1%.
Grafquense los errores relativos porcentuales exacto y aproximado contra el nmero de
iteraciones sobre pape! semilogartmico, Interprtense os resultados.

5.20 sese el programa desarrollado en el problema 5,18 para resolver los problemas 5-1
al 5-5. En todos los casos, realcense los clculos dentro de la tolerancia de t,= 0.001%.

5.21 Desarrllese un programa para el mtodo de la secante basado en la figura 5,4 y en
la seccin 5.3.2. Prubese el programa duplicando los clculos del ejemplo 5.6.

5.22 sese el programa desarrollado en e! problema 5,21 para resolver los problemas
5.6, 5.9 y 5.10. En todos los casos, realcense los clculos dentro de la tolerancia de
S
=
0.001%.

CAPTULO SEIS

CASOS DE LA PARTE DOS:

RACES
DE
ECUACIONES

La finalidad de este captulo es la de usar los procedimientos numricos analizados en los
captulos 4 y 5 para resolver problemas reales de ingeniera. Los mtodos numricos son
importantes en la prctica ya que frecuentemente los ingenieros encuentran problemas
que no se pueden plantear desde un punto de vista analtico. Por ejemplo, algunos
modelos matemticos que se pueden resolver analticamente no son aplicables en los
problemas prcticos. Debido a esto, se deben usar modelos ms complicados. En estos
casos, es conveniente implementar un mtodo numrico que se pueda usar en una
microcomputadora. En otros casos, los problemas requerirn soluciones explcitas en
ecuaciones muy complicadas (recurdese la seccin 11.1.2 y el ejemplo 4.5).

Los siguientes casos de estudio son una muestra de aquellos que en forma rutinaria se
encuentran durante los estudios superiores o de licenciatura. Ms an, son problemas
representativos de aqullos que se encontrarn en la vida profesional. Los problemas van
desde la ingeniera econmica en general, hasta las especialidades de la misma: qumica,
civil, elctrica y mecnica. Estos casos de estudio ilustran algunos de los factores de ms
importancia entre las tcnicas numricas.

Por ejemplo, el coso 6.1 hace uso de todos los mtodos, con excepcin del mtodo de
Newton-Raphson para analizar puntos de equilibrio que resulten econmicos. El mtodo
de Newton-Raphson no se us porque la funcin en anlisis es difcil de derivar. Entre
otras cosas, en el ejemplo se demuestra como puede divergir el mtodo de la secante, si
el valor inicial no se encuentra lo suficientemente cerca de la raz.

El caso 6.2 tomado de la ingeniera qumica, muestra un ejemplo excelente de cmo se
pueden aplicar los mtodos para la bsqueda de races de frmulas que se presentan en
la prctica de la ingeniera. Adems, este ejemplo demuestra la eficiencia del mtodo de
Newton-Raphson cuando se requiere un gran nmero de clculos en la localizacin de la
raz:

Los casos 6.3, 6.4 y 6.5 son problemas de ingeniera de diseo, tomados del rea de civil,
elctrica y mecnica. El caso 6.3 aplica tres mtodos diferentes para determinar las races
de un modelo de crecimiento demogrfico. En el caso 6-4, se realiza un anlisis
semejante de un circuito elctrico. Finalmente, el coso 6.5 analiza las vibraciones de un
automvil. Adems de analizar la eficiencia de cada uno de los mtodos, este ejemplo
tiene una caracterstica adicional, que es la de ilustrar cmo los mtodos grficos sirven
de ayuda en el proceso de localizacin de races.

CASO 6.1 ANLISIS DE PUNTO DE EQUILIBRIO (INGENIERA EN GENERAL)

Antecedentes: en la prctica de la ingeniera ptima se requiere que los proyectos,
productos y la planificacin de los mismos sean enfocados de tal manera que resulten
econmicos. Por lo tanto, a un ingeniero con experiencia deben serle familiares los
anlisis de costos- El problema que se trata en esta seccin se conoce como "problema
de puntos de equilibrio". Se usa para determinar el punto en el cual dos alternativas tienen
valores equivalentes. Estos problemas se encuentran en todos los campos de la
ingeniera. Aunque el problema se enfoca en trminos personales, se puede tomar como
prototipo de otros problemas de anlisis de puntos de equilibrio, que se encuentran a
menudo en la vida profesional.

Se est considerando la compra de una o dos microcomputadoras:

La "Micro-uno" y la "Micro-dos". En el cuadro 6.1 se encuentran resumidas algunas
caractersticas, los costos aproximados y los beneficios de cada una de ellas. Si se puede
pedir un prstamo con un inters del 20% (i = 0.20), cuanto tiempo se deber poseer las
mquinas, de manera que tengan un valor equivalente? En otras palabras, cul es el
punto de equilibrio medido en aos?

Solucin: como es comn en problemas de economa, se tiene una mezcla de costos
presentes y futuros. Por ejemplo, en la figura 6.1 se muestra que la compra de la Micro-
uno involucra un gasto inicial de $3 000. Adems de este desembolso, tambin se
requiere dinero para el mantenimiento anual de la mquina- Debido a que estos costos
tienden a aumentar a medida que la mquina se usa ms y ms, se supone que los
costos de mantenimiento crecen linealmente con el tiempo. Por ejemplo, alrededor del
dcimo ao se requieren $2 000 anuales para mantener la mquina en condiciones de
trabajo (Fig. 6.1). Finalmente y adems de estos costos se deben deducir beneficios del
propietario de la computadora. Las ganancias y las prestaciones derivadas de la Micro-
uno se caracterizan por un ingreso anual constante de $1 000.

CUADR06.1
Costos y beneficios de dos microcomputadoras. Los signos negativos indican un costo o
una prdida mientras que un signo positivo indica una ganancia
COMPUTADORA
Micro-Uno Micro-Dos
Costo de la compra, $
-3000 -10000
Incremento en el mantenimiento del costo por ao,
$/ao/ao
-200 -50
Ganancias y beneficios anuales $/ao
1000 4000

Para valorar las dos opciones estos costos se deben convertir en medidas comparables.
Una manera de hacerlo es expresando todos los costos individuales como si fuesen
pagos anuales, esto es, el costo equivalente por ao sobre toda la vida til de la
computadora. Las ganancias y las prestaciones ya se encuentran en este formato. Se
puede disponer de las frmulas de economa para expresar los costos de compra y de
mantenimiento de la misma forma. Por ejemplo, el costo de la compra inicial se puede
transformar en una serie de pagos anuales mediante la frmula (Fig. 6.2a):

1 ) (
) 1 (
+
+
=
n
n
p
i i
i i
P A [6.1]

En donde A
p
es el monto del pago anual, P es el costo de la compra, es la tasa de
inters y n es el nmero de aos. Por ejemplo, el pago inicial de la Micro-uno es de $3
000, en donde el signo negativo indica prdidas. Si 1a tasa de inters es del 20% (i = 0.2),
entonces:

( )
1 2 . 1
2 . 1 2 . 0
3000
=
n
n
Ap

Por ejemplo, si los pagos iniciales se extienden hasta 10 aos (n = 10), se puede usar
esta frmula para calcular que el pago anual equivalente sera de $715-57 por ao-
A los costos de mantenimiento se les conoce como serie de gradiente aritmtico porque
crecen a un promedio constante. La conversin de estas series a una tasa anual A se
puede calcular con la frmula:

(
+
=
1 ) 1 (
1
n
i
n
i
G Am [6.2]

En donde G es la tasa de crecimiento en el mantenimiento. Como se puede ver en la
FIGURA 6.2 Esquema
grfico del uso de una
frmula de economa, a)
Transformacin de un
pago en una serie de
pagos anuales
equivalentes usando la
ecuacin (6.1) y b)
transformacin de una
serie de gradiente
aritmtico en una serie
de pagos anuales
equivalentes usando la
ecuacin (6.2).
figura 6.2b esta frmula transforma el costo de mantenimiento creciente en una serie
equivalente de pagos anuales constantes.

Estas ecuaciones se pueden combinar de forma tal que se pueda expresar el valor de
cada computadora en trminos de una serie uniforme de pagos Por ejemplo, para la
Micro-uno:

1000
1 2 . 1 2 . 0
1
200
1 2 . 1
) 2 . 1 ( 2 . 0
3000 +
(
=
n n
n
v
n
A
Valor total = - costo de compra - costo de mantenimiento + ganancias

En donde A, denota el valor anual Iota!. Agrupando trminos, esta ecuacin se puede
simplificar:

1 2 . 1
200
1 2 . 1
) 2 . 1 ( 600
=
n n
n
n
Av [6.3]

Si despus de poseer la Micro-uno durante dos aos se decide descartarla, entonces
sustituyendo n = 2 en la ecuacin (6.3) resultar que el costo es de $1 055 por ao- Si la
computadora se descarta despus de poseerla 10 aos (n = 10), la ecuacin muestra un
costo de $330 por ao.

De manera similar, para la Micro-dos se puede desarrollar una ecuacin para el costo
anual, dado por:

1 2 . 1
200
1 2 . 1
) 2 . 1 ( 2000
=
n n
n
v
n
A [6.4]

Los valores de la ecuacin (6.4) para n = 2 y n = 10 son de $2 568 y $+ 1 461 por ao,
respectivamente. De esta manera, aunque la Micro-dos es ms costosa en base a
periodos cortos, si se posee por periodos largos, no slo es ms barata, sino que
producir ganancias al propietario. En la figura 6,3a se muestran las ecuaciones f6.3) y
(6.4) para varios valores de n.

La identificacin del punto en et que las dos mquinas tienen valores iguales indica
cuando la Micro-dos viene a ser la mejor compra. Grficamente, esto corresponde a la
interseccin de las dos curvas en la figura 6.3a. Desde un punto de vista matemtico, el
punto de equilibrio es el valor de n para el que las ecuaciones (6.3) y (6.4) son
equivalentes, esto es:

3750
1 2 . 1
50
1 2 . 1
) 2 . 1 ( 2000
1 2 . 1
200
1 2 . 1
) 2 . 1 ( 600
+
n n
n
n
n
n
n
n

Pasando todos los trminos de un lado, el problema se reduce a encontrar la raz de la
funcin:

0 3750
1 2 . 1
150
1 2 . 1
) 2 . 1 ( 1400
) ( = +
=
n n
n n
n f [6.5]

Ntese que debido a la forma en que se ha derivado la ecuacin, la Micro-uno es ms
efectiva en cuanto a costos cuando f(n) < 0 y la Micro-dos lo es cuando f(n) > O (Fig.
6.3b). Las races de la ecuacin (6.5) no se pueden determinar analticamente. Por el otro
lado, los pagos anuales equivalentes son fciles de calcular dada una n. De esta forma,
como en el estudio de la seccin II.1.2 y el ejemplo 4.5, los aspectos considerados en la
elaboracin de este problema crean la necesidad de un planteamiento numrico.

Las races de la ecuacin (6.5) se pueden calcular usando algunos de los mtodos
numricos descritos en los captulos 4 y 5. Se pueden aplicar los mtodos que usan
intervalos y el mtodo de
la secante con un
esfuerzo mnimo,
mientras que el mtodo
de Newton-Raphson es
embarazoso ya que
consume mucho tiempo al
determinar df/dn de la
ecuacin (6.5).

En base a la figura 6.3, se
sabe que la raz se
encuentra entre n = 2 y n
= 10. Estos valores se
FIGURA 6.3 a) Curvas de!
costo neto de las
computadoras Micro-uno
[Ec. (6.3)] y Micro-dos [Ec.
(6.4)]. b) La funcin de punto
de equilibrio [Ec. (6-5)].
pueden usar en el mtodo de biseccin. La biseccin de intervalos se puede llevar a cabo
18 veces para obtener un resultado en donde a sea menor de 0.001%. El punto de
equilibrio ocurre a los n = 3.23 aos. Este resultado se puede verificar sustituyndolo en la
ecuacin (6.5) para ver que / (3.23) = 0.

Sustituyendo n = 3.23 ya sea en la ecuacin (6.3) o en la (6.4) se muestra que en el punto
de equilibrio el costo de cualquiera de ellas es de $542 por ao. Ms all de este punto, la
Micro-dos es ms efectiva en cuanto a costos. Por consiguiente, si se piensa comprar una
mquina y poseerla por ms de 3.23 aos, la Micro-dos es la mejor compra.

El mtodo de la regla falsa se puede aplicar fcilmente a este problema. Se obtiene una
raz similar despus de 12 iteraciones en el mismo intervalo inicial de 2 a 10. Por otro
lado, el mtodo de la secante converge a una raz de -24.83 con e mismo intervalo inicia!.
Sin embargo, si el intervalo se reduce desde 3 hasta 4, entonces el mtodo de la secante
converge a 3.23 en slo cinco iteraciones. Es interesante notar que el mtodo de la
secante tambin converge en forma rpida si el intervalo inicial es de 2 a 3, el cual no
encierra a la raz. Estos resultados son tpicos de los factores de importancia que se
deben tomar en consideracin y que se estudian posteriormente en el eplogo. Entonces
e! mejor mtodo numrico para este problema depende del juicio emitido respecto a los
factores de importancia, tales como eficiencia numrica, costo de las computadoras y la
confiabilidad del mtodo.

CASO 6.2 LEYES DE LOS GASES IDEALES Y NO IDEALES (INGENIERA QUMICA)

Antecedentes: la ley de los gases ideales est dada por:

pV = nRT [6.6]

En donde p es la presin absoluta, V es el volumen y n es el nmero de moles. R es la
constante universal de los gases y T es la temperatura absoluta. Aunque esta ecuacin la
usan ampliamente los ingenieros y cientficos, slo es exacta sobre un rango limitado de
presin y temperatura. Ms an, la ecuacin (6.6) es ms apropiada para algunos gases
que para otros.

Una ecuacin alternativa del estado de los gases est dada por:

RT b v
v
a
p = |
\
|
+ ) (
2

A la que se le conoce con el nombre de ecuacin de Van der Waals. u = V/n es el
volumen molal y a y b son constantes empricas que dependen de un gas en particular.

Un proyecto de ingeniera qumica requiere que se calcule exactamente el volumen molal
(u) del bixido de carbono y del oxgeno para combinaciones diferentes de la temperatura
y de la presin, de tal forma que se pueda seleccionar una vasija apropiada que los
contenga. Asimismo, es importante examinar que tan bien se apega cada gas a la ley de
los gases ideales, comparando los volmenes molales calculados con las ecuaciones
(6.6) y (6.7). Se proporcionan los siguientes datos:

R = 0.0820541 atm/(mol K)
a = 3.592 bioxido
b = 0.04267 bixido
a = 1.360 oxigeno
b = 0.03183 oxigeno

Las presiones de inters en el diseo son de 1, 10 y 100 atm. Para combinaciones
de la temperatura de 300, 500 y 700K.

Solucin: los volmenes molares de ambos gases se calculan con la ley de los
gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300K, entonces:

Estos clculos se repiten para todas las combinaciones de presin y temperatura y se
presentan en el cuadro 6.2. Los clculos del volumen molar a partir de la ecuacin de
Van der Waals se pueden llevar a cabo usando cualquier mtodo numrico que encuentre
races de los estudiados en los captulos 4 y 5, de la siguiente manera:

CUADRO 6.2 Clculos del volumen molar del caso de estudio 6.2
Temperatura K Presin amt Volumen Molal (de
los gases ideales
l/mol)
Volumen Molal
(Van der Waals)
bixido de carbono
l/mol
Volumen Molal
(Van der Waals)
Oxigeno l/mol)
300 1 24.6162 24.5126 24.5928
10 2.4616 2.3545 2.4384
100 .2462 0.1795 0.2264
500 1 41.0270 40.9821 41.0259
10 4.1027 4.0578 4.1016
100 .4103 0.3663 0.4116
700 1 57.43778 57.4179 57.4460
10 5.7438 5.7242 5.7521
100 0.5744 0.5575 0.5852

En este caso, la derivada de f(u) se determina fcilmente y es conveniente implementar el
uso del mtodo de Newton-Raphson. La derivada de f respecto a u est dada por:

3 2
2
) ( '
u
ab
u
a
p uy f + =

El mtodo de Newton-Raphson se describe mediante la ecuacin (5.6) como:

) ( '
) (
1
1
1
v f
v f
v v
i i
=
+

La cual se puede usar en el clculo de a raz. Por ejemplo, usando el valor inicial de
24.616 2, el volumen mola! del bixido de carbono a 300 K y a 1 atm se calcula como
24.512 6 1/mot. Este resultado se obtuvo despus de dos iteraciones y con un
a
menor
de 0.001 %.

En el cuadro 6.2 se muestran resultados similares para todas las combinaciones de
presin y de temperatura para ambos gases. Se observa que los resultados obtenidos con
la ecuacin de van der Waals difieren en ambos gases de los de la ley de los gases
ideales, de acuerdo a los valores especficos de p y de T. Ms an, ya que algunos de
estos resultados son significativamente diferentes, el diseo de las vasijas que contendrn
a los gases sera muy diferente, dependiendo de qu ecuacin de estado se haya usado.

En este caso, al usar el mtodo de Newton-Raphson se examin una ecuacin del estado
gaseoso complicada. Los resultados variaron significativamente en varios casos usando la
ley de los gases ideales. Desde un punto de vista prctico, el mtodo de Newton-Raphson
fue apropiado en este caso ya que/' (u) fue fcil de calcular. De esta manera, se pueden
explotar as propiedades de rpida convergencia del mtodo de Newton-Raphson.

Adems de demostrar su potencia en un simple clculo, el mtodo de Newton-Raphson
ilustra en este caso de estudio lo atractivo que es cuando se requiere una gran cantidad
de clculos. Debido a la velocidad de las microcomputadoras, la eficiencia de cada uno de
los mtodos en la solucin de la mayor parte de races de ecuaciones se vuelve
indistinguible en un clculo simple. Aun a diferencia ci decenas entre el mtodo eficiente
de Newton-Raphson y el mtodo poco refinado de biseccin no significa una gran prdida
de tiempo cuando se realiza un solo clculo. Sin embargo, supngase que se desea
calcular una raz millones de veces para resolver un problema. En este caso, la eficiencia
del mtodo puede ser un factor decisivo al escogerlo.

Por ejemplo, supngase que es necesario disear un sistema de control automtico
computarizado de un proceso de produccin de sustancias qumicas- Este sistema
requiere una aproximacin exacta de volmenes molales con base a un medio
esencialmente continuo para fabricar convenientemente el producto final. Se instalan
calibradores que proporcionan lecturas instantneas de la presin y la temperatura. Se
deben obtener evaluaciones de u para toda la variedad de gases que se usan en el
proceso.

Para estas aplicaciones, los mtodos que usan intervalos, tales como el de biseccin o de
la regla falsa, posiblemente consuman mucho tiempo. Adems, los valores iniciales que
se requieren con estos mtodos generaran un retraso en el procedimiento. Este
inconveniente igualmente afecta al mtodo de la secante, que tambin necesita dos
valores iniciales.

En contraste, el mtodo de Newton-Raphson requiere nicamente un valor inicial de la
raz. Se puede usar la ley de los gases ideales para obtener este valor al inicio del
proceso. Despus, suponiendo que el tiempo empleado sea lo bastante corto como para
que la presin y la temperatura no varen mucho durante los clculos, la solucin de la
raz anterior se puede usar como valor inicial de la siguiente. De esta forma, se tendra
disponible de forma automtica un valor aproximado cercano a la solucin, requisito
indispensable en la convergencia del mtodo de Newton-Raphson. Todas estas
consideraciones favorecern de manera considerable al mtodo de Newton-Raphson en
estos problemas.

CASO 6.3 DINMICA DEL CRECIMIENTO DEMOGRFICO (INGENIERA CIVIL)

Antecedentes: la dinmica del crecimiento demogrfico es de importancia en todos los
planes de estudio de ingeniera. Los programas de construccin y de distribucin de
recursos en proyectos a gran escala, tales como el abastecimiento de agua y sistemas de
transporte dependen en gran medida de las tendencias de la poblacin. Adems, las
tendencias de otro tipo de poblaciones, tales como los microbios, son importantes en
muchos procedimientos de ingeniera, como en el tratamiento de basura, en el manejo de
la fermentacin y en la elaboracin de productos farmacuticos.

Los modelos de crecimiento en un grupo de microbios suponen que el promedio de
cambio de la poblacin (p) es proporcional a la poblacin existente en un tiempo (t):

kp
dt
dp
=

La poblacin crece en un medio en el que existe alimento suficiente de manera que k no
es una funcin de la concentracin- (Vase el caso 12.2 que muestra un ejemplo en
donde k depende del nivel alimenticio.) Cuando el alimento no escasea, el crecimiento se
limita slo por el consumo de productos txicos o de espacio, si es que el tamao de la
poblacin crece demasiado. Con el tiempo, estos factores retardan la tasa de crecimiento
de la poblacin y la detienen completamente cuando sta alcanza una densidad mxima
de p
max
. En este caso, se modifica la ecuacin anterior de la siguiente manera:

) (
max
p p kp
dt
dp
=

En donde las unidades de K son litros por clula por da. Esta ecuacin diferencial se
puede integrar de forma analtica dando:

KpAX e
Po
P
P
t p
|
\
|
+
=
1 1
) (
max
max
[6.9]

En donde p(t = 0) = P
o
- A la ecuacin (6.9) se te conoce como e! modelo de crecimiento
logstico. Como se muestra en la figura 6.4, este modelo genera una curva de p(t) en
forma de S. Como se puede ver, el modelo simula un crecimiento inicial lento, seguido por
un periodo de crecimiento rpido y finalmente, un crecimiento limitado a una densidad
demogrfica muy alta.

Como ejemplo de
aplicacin de este
modelo en el rea
de la ingeniera civil,
considrese el crecimiento de una poblacin bacteriolgica en un lago. E! crecimiento se
comporta como lo define la ecuacin (6.9). La poblacin es pequea en la primavera del
FIGURA 6.4 Un modelo
logstico de crecimiento
demogrfico. El modelo
simula un crecimiento
inicial lento, despus
una aceleracin en l
mismo seguido por un
periodo de nivelacin en
una densidad
poblacional alta.
ao en donde t = O, p(t = 0) = 10 clulas por litro. Es sabido que la poblacin alcanza una
densidad de 15 000 clulas por litro cuando t = 60 das y que la tasa de crecimiento K es
de 2 x 10 6 litros por clula por da. Se requiere calcular la densidad de la poblacin
bacterial cuando t = 90 das. Si su nmero excede de 40 000 clulas por litro, entonces la
calidad estndar del agua requiere la implementacin de algn procedimiento para
disminuirlas y proteger a las personas que se introduzcan al agua.

FIGURA 6.4 Un modelo logstico de crecimiento demogrfico. El modelo simula un
crecimiento inicial lento, despus una aceleracin en l mismo seguido por un periodo de
nivelacin en una densidad poblacional alta.

Solucin: sustituyendo la informacin conocida en la ecuacin (6.9) se obtiene:

) 60 )( ( 10 2 max
max
max
6
1
10
1
15000
P
e
P
P
+
|
\
|
+
[6.10]

La cual tiene slo una incgnita, p
mx
Si la ecuacin (6.10) se pudiera resolver para p
mx
,
entonces p(t = 90) se podra determinar fcilmente de la ecuacin (6.9). Sin embargo, ya
que p
mx
es implcita, no se puede obtener directamente de la ecuacin (6.10). Por lo
tanto, se debe usar un mtodo numrico de los captulos 4 y 5. No se usar el mtodo de
Newton-Raphson ya que la derivada de la ecuacin (6.10) es difcil de determinar. Sin
embargo, se pueden aplicar fcilmente los mtodos de biseccin, de la regla falsa y de la
secante. Con un error relativo del 0.01% los valores iniciales dados de 60 000 y 70 000
clulas por litro generan las siguientes aproximaciones de p
mx

Mtodo empleado Resultado Iteraciones
Biseccin 63 198 11
Regla falsa 63 199 5
Secante 63 200 4

Ntese que los mtodos de la regla falsa y de la secante convergen a la mitad de! nmero
de iteraciones de! mtodo de biseccin. Ahora, de la ecuacin (6.9), con p
mx
= 63 200:

58930
1
10
63200
1
63200
) 90 (
) 60 )( 63200 ( 10 2
6
=
|
\
|
+
=

+
e
p Clulas por litro.

Este nivel demogrfico sobrepasa el lmite estndar en cuanto a calidad del agua que es
de 40 000 clulas por litro y por lo tanto, se debe tomar alguna medida de correccin.

Este ejemplo, ilustra la eficiencia computacional relativa de tres mtodos diferentes para
encontrar races de ecuaciones en un problema de diseo de ingeniera civil. Sin
embargo, como se menciona anteriormente, el esquema general tiene una aplicacin
amplia en todos los campos de la ingeniera que tengan que ver con el crecimiento de
organismos, incluyendo a los humanos.

CASO 6.4 DISEO DE UN CIRCUITO ELCTRICO (INGENIERA ELCTRICA)

Antecedentes: los ingenieros electrnicos usan a menudo la ley de Kirchoff para estudiar
el comportamiento de los circuitos elctricos en estado estacionario (que no varan con el
tiempo). En el caso 9.4 se analiza el comportamiento de estos estados estacionarios. Otro
tipo de problemas son los de corriente momentnea e implica a los circuitos donde
sbitamente suceden cambios temporales- Esta situacin ocurre cuando se cierra el
interruptor de la figura 6.5. En este caso, despus de cerrar el interruptor hay un periodo
de ajuste hasta que se alcanza un estado estacionario. La longitud de este periodo de
ajuste est relacionada con las propiedades de almacenamiento de carga del capacitor y
con el almacenamiento de energa dentro del inductor. El almacenamiento de energa
puede oscilar entre estos dos elementos durante un periodo transitorio. Sin embargo, la
resistencia en el circuito disipa la magnitud de las oscilaciones.

El flujo de corriente a travs de la resistencia causa una cada de voltaje (V
R
) dado por:

V
R
= iR

En donde i es la comente y R es la resistencia del circuito. Cuando las unidades de R e
son ohm y amperes, respectivamente, entonces la unidad de V es el volt.
De manera semejante, un inductor resiste el cambio en la corriente, de forma tal que la
cada de voltaje (V
L
) al cruzarlo es de:

dt
di
L V
L
=

FIGURA 6.5 Un circuito elctrico. Cuando
se cierra el interruptor, la corriente
experimenta una serie de oscilaciones
hasta que se alcance un nuevo estado
estacionario.
en donde L es la inductancia. Cuando las unidades de L e i son henrios y amperes, la
unidad de V
L
es el volt y la unidad de t es el segundo. La cada de voltaje a travs del
capacitor (Ve) depende de la carga (q) sobre el mismo:

C
q
V
C
=

En donde C es la capitancia. Cuando las unidades de carga se expresan en culembios, la
unidad de C es el faradio.

La segunda ley de Kirchoff indica que la suma algebraica de las cadas de voltaje en un
circuito cerrado es cero. Despus de cerrar e! interruptor se tiene:

0 = + +
C
q
Ri
dt
di
L

Sin embargo, la corriente est dada en funcin de la carga como:

dt
dq
i =

Por lo tanto:

0
2
2
= + +
C
q
dt
dq
R
dt
q d
L

Esta es una ecuacin diferencial ordinaria de segundo orden que se puede resolver
usando los mtodos de clculo- La solucin est dada por:

|
|
\
|
|
\
|
=

2
2 /
0
2
1
cos ) (
L
R
LC
L e q t q
Rt
[6.11]

Donde t = O, q = qo =- VoC, y Vo es el voltaje en la batera. La
ecuacin (6.11) describe la variacin de la carga en el capacitor
en funcin del tiempo. La solucin q(t) se grfica en la figura 6.6.

Un problema de diseo tpico en ingeniera elctrica, puede
necesitar que se determine la resistencia apropiada para disipar
FIGURA 6.6
La cargo en un
capacitor en funcin del
tiempo que se presento
enseguida de cerrar e!
interruptor en lo figura
6.5.
energa a una velocidad constante, con los valores de L y C conocidos. En este caso se
supone que la carga se debe disipar al 1% de su valor origina! (q/qo = 0-01) en t == 0.05
s, con L = 5 H y C = 10
-4
F.

Solucin: es necesario resolver para R la ecuacin (6.11), usando los valores conocidos
de q, qo, L y C. Sin embargo, se debe emplear un mtodo numrico ya que R es una
variable implcita de la ecuacin (6.11). Se usar el mtodo de biseccin para este
propsito. Los otros mtodos estudiados en tos captulos 4 y 5 tambin son apropiados,
aunque el mtodo de Newton-Raphson tiene desventajas debido a que la derivada de la
ecuacin (6.11) es muy complicada. Reordenando la ecuacin (6.11) se obtiene:

0
2
2 /
2
1
cos ) (
q
q
L
R
LC
L e R q
Rt
|
|
\
|
|
\
|
=

O, usando los valores numricos dados:

01 . 0 ) 05 . 0 01 . 0 2000 cos( 005 . 0 ) (
2
= R R e R f [6.12]

Examinando esta ecuacin puede verse que un rango inicial razonable de R es de 0 a 400
(ya que 2 000 0.01R
2
debe ser mayor de cero). La figura 6.7, grfica de la ecuacin
(6.12), lo confirma. Con veintin iteraciones
del mtodo de biseccin se obtiene R =
328.1515, con un error menor al 0.000 1%.

FIGURA 6.7 Grfica de la ecuacin (6.12) usada
en la obtencin de valores iniciales de R que
encierren a la raz.
De esta forma, se puede especificar una resistencia con este valor en el diagrama de la
figura 6.5 y esperar que la disipacin sea consistente con los requisitos del problema.
Este problema de diseo no se puede resolver eficientemente sin usar los mtodos de los
captulos 4 y 5.

CASO 6.5 ANLISIS DE VIBRACIONES (INGENIERA MECNICA)

Antecedentes: las ecuaciones diferenciales se usan a menudo para modelar el
comportamiento de sistemas en ingeniera. Uno de tales modelos, que se aplica
ampliamente en !a mayor parte de los campos de la ingeniera, es el oscilador armnico.
Algunos ejemplos bsicos del oscilador armnico son el pndulo simple, una masa atada
a un resorte y un circuito elctrico inductor-capacitor (Fig. 6.8). Aunque estos son
sistemas fsicos muy diferentes, sus oscilaciones se pueden describir mediante un mismo
modelo matemtico. De esta manera, aunque este problema analiza el diseo de un
amortiguador para un automvil, el comportamiento general se aplica a una gran variedad
de problemas en todos los campos de la ingeniera.

Como se ilustra en la figura 6.9, un conjunto de resortes sostienen un auto de masa m.
Los amortiguadores presentan una resistencia al movimiento del auto la cual es
proporcional a la velocidad vertical (movimiento ascendente-descendente) del mismo. La
alteracin del equilibrio de! auto provoca que el sistema oscile como x(f). En un momento
cualquiera, las fuerzas que actan sobre la masa m son la resistencia de los resortes y la
capacidad de absorber el golpe de los amortiguadores. La resistencia de los resortes es
proporcional a la constante de los mismos {k) y a la distancia al punto de equilibrio (x):

Fuerza del resorte = - kx [6.13]

En donde el signo negativo indica que la fuerza de restauracin regresa al auto a su
posicin de equilibrio. La fuerza de amortiguacin est dada por:
FIGURA 6.8
Ejemplos de tres
osciladores
armnicos. Las
flechas dobles
indican las
oscilaciones de
cada sistema.
FIGURA 6.9 Un auto de masa m
Fuerza de amortiguacin = cdx/xt

En donde c es un coeficiente de amortiguamiento y dx/dt es la velocidad vertical. El signo
negativo indica que la fuerza de amortiguacin acta en direccin opuesta a la velocidad.

Las ecuaciones de movimiento para el sistema estn dadas por la segunda ley de Newton
(F = ma), que en este problema est expresada como:

0 ) (
2
2
= + = kx
dt
dx
c
dt
x d
m

Masa x aceleracin = fuerza de amortiguacin + fuerza del resorte

0
2
2
= + + x
m
k
dt
dx
m
c
dt
x d

Esta es una ecuacin diferencia! ordinaria de segundo orden que se puede resolver con
los mtodos del clculo. Por ejemplo, si e! auto encuentra por casualidad un hoyo en el
camino en t = 0 de tal forma que se desplaza del punto de equilibrio x = x
O
y dx/dt = 0,
entonces:

) sin cos ( ) (
0
pt
p
n
x pt x e t x
o
nt
+ =

[6.14]

Donde n = c/(2m), p = ) 4 /( /
2 2
m c m k y k/m > c
2
/(4m
2
). La ecuacin (6.14)
proporciona la velocidad vertical del auto en funcin del tiempo- Los valores de los
parmetros son c = 1.4 por 107 g/s, m = 1.2 por 106 g y k = 1.25 por 109 g/s
2
. Si x
0
= 0,3,
las consideraciones de diseo en la ingeniera mecnica requieren que se den los
estimados en las tres primeras ocasiones que el auto pase a travs del punto de
equilibrio.

Solucin: este problema de diseo se puede resolver usando los mtodos numricos de
los captulos 4 y 5. Se prefieren los mtodos que usan intervalos y el de la secante ya que
la derivada de la ecuacin (6.14) es complicada.

Las aproximaciones a los valores iniciales se obtienen fcilmente con base a la figura
6.10. Este caso de estudio ilustra cmo los mtodos grficos proporcionan a menudo
informacin muy importante para aplicar satisfactoriamente los mtodos numricos. La
grfica ilustra que este problema es complicado debido a la existencia de varias races,
por lo que en este caso, se deben usar intervalos pequeos para evitar traslapes de
races.

En el cuadro 6.3 se enlistan los resultados obtenidos por los mtodos de biseccin, la
regla falsa y la secante, con un criterio de paro del 0.1%.

Todos los mtodos convergen rpidamente. Como era de esperarse, los mtodos de la
regla falsa y de la secante son ms eficientes que el de biseccin.

Ntese que para todos los mtodos los errores relativos porcentuales aproximados son
mayores que los errores reales. De esta forma, los resultados son exactos al menos hasta
el criterio de paro, el 0.1 %. Sin embargo, puede observarse tambin que el mtodo de la
regla falsa y el de la secante son muy conservadores en esta relacin. Recurdese el
anlisis de la seccin 4.3 en que el criterio de paro constituye esencialmente una
aproximacin a la diferencia con la iteracin anterior. De esta forma, para esquemas de
convergencia rpida como los mtodos de la regla falsa y de la secante, la mejora en
exactitud entre dos iteraciones sucesivas es tan grande que fu ser, en general, mucho
menor que
v
. El significado prctico de este comportamiento es de poca importancia
cuando se va a determinar slo una raz. Sin embargo, si se requiere calcular varias
races, la convergencia rpida viene a ser una propiedad muy valiosa como para tomarla
en cuenta cuando se escoge un mtodo en particular.
FIGLTRA 6.10 Grfica de la
posicin de un amortiguador
respecto al tiempo despus que
la rueda del auto cae en un hoyo
del camino.

CUADRO 6.3 Resultados obtenidos al usar los mtodos de biseccin, regla falsa y de la secante para localizar
las primeras tres races de las vibraciones de un amortiguador. Se us un criterio de paro del 0.1 para obtener
estos resultados. Ntese que los valores exactos de las rafees son 0.055 209 532 9, 0.154 178 13 y 0.253 146
726

ERROR RELATIVO

Valor inicial

Valor inicial

Aproximacin Nmero de

PORCENTUAL
PORCENTUAL
Mtodo

inferior

superior

a la raz

Iteraciones

Aproximado

Verdadero

Biseccin 0.0 0.1 0.0552246 n 0.088 0.027

0.1 0.2 0.1541992 10 0.063 0.014

0.2 0.3 0.2533203 9 0.077 0.069
Regla 0.0 0.1 0.0552095 5 0.002 0.0001
farsa 0.1 0.2 0.1541790 4 0.069 0.0006

0.2 0.3 0.2531475 4 0.043 0.0003
Secante 0.0 0.1 0.0552095 5 0-038 0.0001

0.1 0.2 0.1541780 5 0.020 0,0001

0.2

0.3

0.2531465

5

0.017

0.0001

PROBLEMAS
Ingeniera en general

6.1 Usando Los programas propios, reprodzcanse los clculos realizados en el caso 6.1

6.2 Realcense los mismos clculos del caso de estudio 6.1, pero usando una tasa de
inters del 17% (i = 0,17). Si es posible, sense los programas propios para determinar
los puntos de equilibrio. De otra manera, sese cualquiera de los mtodos analizados en
los captulos 4 y 5 y realcense los clculos. Justifquese el uso del mtodo escogido.

6.3 En el caso 6.1, determnese el nmero de aos que se debe poseer la Micro dos
para que genere ganancias. Esto es, calclese el valor de n en el cual A,, de la ecuacin
(6.4) sea positivo.

Metodos Numericos-Chapra

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Metodos Numericos-Chapra

Caricato da

Copyright:

Formati disponibili

FUNDAMENTOS DE ANALISIS NUMERICOS

Potrebbero piacerti anche