Prueba Final

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 17

Problemas de libración gravitacional: Una solución computacional con el método de

Newton
Problemas de libración gravitacional: Una solución computacional con el método de Newton......1
Problemas de libración gravitacional: Una solución computacional con el método de Newton......2
Objetivos Específicos:......................................................................................................................2
Introducción:.....................................................................................................................................3
Marco Teórico...................................................................................................................................4
Fundamentos matemáticos............................................................................................................4
Formulación Método.....................................................................................................................6
Algoritmo del método...................................................................................................................9
Análisis de convergencia............................................................................................................10
Variantes y extensiones..............................................................................................................12
Aplicaciones practicas................................................................................................................13
 Ejemplo de Problema Resuelto: Raíces de Funciones No Lineales...............................14
Limitaciones y consideraciones..................................................................................................14
Desarrollos recientes y perspectivas futuras...............................................................................14
Introducción....................................................................................................................................14
Descripción del Problema...............................................................................................................15
Ecuación para el Punto (L1)........................................................................................................15
Ecuación para el Punto (L2)........................................................................................................15
Método de Newton-Raphson..........................................................................................................15
Resolución del Punto L1..............................................................................................................15
Resolución del Punto (L2)...........................................................................................................16
Resultados.......................................................................................................................................16
Conclusión......................................................................................................................................16
Referencias:................................................................................................................................17
Problemas de libración gravitacional: Una solución computacional con el método de
Newton

Objetivos Específicos y Referencias

Objetivos Específicos:
Objetivo Específico 1: Investigar los fundamentos teóricos del Método de Newton-Raphson, su
derivación matemática y su importancia histórica en la resolución de ecuaciones no lineales.

Objetivo Específico 2: Comparar el rendimiento del Método de Newton-Raphson con otros


métodos de optimización y resolución de ecuaciones no lineales, como el método de la bisección,
el método de la secante o métodos iterativos basados en gradientes, identificando las fortalezas y
debilidades relativas de cada uno.

Objetivo Específico 3: Implementar el Método de Newton en un entorno de programación (por


ejemplo, MATLAB o Python) y utilizarlo para resolver problemas prácticos, como la ubicación
de los puntos de libración en el sistema Sol-Tierra.

Objetivo Específico 4: Comparar los resultados obtenidos mediante el método de Newton-


Raphson con los resultados de otros métodos como el de bisección, la secante, o métodos
iterativos basados en gradientes, permitiendo identificar las fortalezas y debilidades relativas del
método.

Introducción:
El método de Newton-Raphson es un método iterativo poderoso para encontrar por
aproximaciones la raíz de una función real; su rapidez y su eficiencia en muchos problemas
concretos son sus características más sobresalientes en el cálculo numérico.
El método de Newton-Raphson se basa en aproximar una función a su tangente y determinar el
punto donde la tangente se cruza con el eje de las abscisas. Después de realizar más iteraciones,
se logra la aproximación deseada.

Las siguientes son algunas de las razones por las que el método de Newton-Raphson es
crucial para el análisis numérico:

Eficiencia: converge cuadráticamente en ciertas condiciones favorables, lo que significa


que el número de dígitos correctos se duplica aproximadamente en cada iteración.

Versatilidad: el objetivo original del método era encontrar las raíces de las funciones,
pero se ha extendido para resolver problemas de optimización y sistemas de ecuaciones no
lineales.

El fundamento de los métodos alternativos: muchos métodos numéricos, como el método


de Halley, son variaciones de o se basan en el método de Newton-Raphson.

Aplicaciones en la vida real: el método se emplea ampliamente en una variedad de


campos científicos y de ingeniería, solucionando problemas desde ecuaciones físicas hasta
optimización en el aprendizaje automático.

Fundamento para futuros estudios: el análisis crítico del método de Newton-Raphson


puede proporcionar información importante sobre la convergencia de ciertos métodos iterativos y
teoremas generales de puntos fijos.

Marco Teórico

Fundamentos matemáticos
Los fundamentos matemáticos detrás del método de Newton-Raphson implican los
siguientes conceptos principales.

El teorema del valor medio


la afirmación de este teorema dice que si una función es continua en un intervalo cerrado
y diferenciable en su interior existe un punto donde la tangente pendiente en ese punto sea igual a
la rapidez de la pendiente de la secante que une los extremos del intervalo cerrados. Formalmente
el teorema se puede expresar de la siguiente manera:

Sea f una función continua en el intervalo [a, b] y diferenciable en el intervalo abierto (a,
b), entonces existe al menos un punto c en (a, b) tal que:
f'(c) = (f(b) - f(a)) / (b - a).

Este teorema se puede aplicar para justificar la linealización de la función en cada


iteración. Es decir, se asume que en un pequeño intervalo alrededor de la raíz, la función se
comporta como una línea recta. Esto permite mejorar la aproximación a la raíz de manera
iterativa.

Series de Taylor

Las series de Taylor dan una aproximación polinómica de una función alrededor de un
punto. Esta aproximación es importante para el desarrollo de este método.

La serie de Taylor de una función f(x) alrededor de un punto x₀ es:

f(x) ≈ f(x₀) + f'(x₀)(x - x₀) + (f''(x₀)/2!)(x - x₀)² + ...

Si tomamos solo los dos primeros términos de esta expansión, obtenemos una aproximación
lineal de la función. El método de Newton-Raphson utiliza esta

aproximación lineal para encontrar la intersección con el eje x, lo que nos lleva a la fórmula
iterativa del método.

Concepto de derivada y su papel en el método

La derivada de una función en un punto representa la pendiente de la tangente a la curva en ese


punto. En el contexto que estamos la derivada presenta un papel importante. Nos da la dirección
en la que debemos movernos para acercarnos a la raíz, la magnitud de la derivada afecta la
velocidad de convergencia del método. Aparte la ecuación central del método de Newton-
Raphson se origina utilizando el concepto de derivada
x_(n+1) = x_n - f(x_n) / f'(x_n)

Donde x_n es la aproximación actual de la raíz, y x_{n+1} es la siguiente aproximación.

Interpretación Geométrica

Geométricamente, el método de Newton-Raphson se puede interpretar como el proceso de


aproximar la raíz de una función.

En cada iteración se calcula la tangente a la curva f(x) en el punto (x_n, f(x_n)). La ecuación de
esta tangente es:
y - f(x_n) = f'(x_n)(x - x_n)

Luego se encuentra el punto donde esta tangente cruza el eje x:

0 - f(x_n) = f'(x_n)(x_{n+1} - x_n)

Resolviendo para x_{n+1} se obtiene la formula del método de Newton-Raphson.

Formulación Método

La formulación del método Newton-Raphson se basa en una aproximación lineal de la función en


el punto de interés. La ecuación básica del método es:

Donde:

x_n es la aproximación actual de la raíz


x_{n+1} es la siguiente aproximación
f(x_n) es el valor de la función en x_n
f'(x_n) es la derivada de la función en x_n

La formula presentada se deriva de la aproximación de la función f(x) por su tangente en el punto


x_n

Interpretación Geométrica

La interpretación geométrica puede presentar una manera clara de cómo funciona ´

1. Comenzamos con una estimación inicial x_0

2. Calculamos la tangente a la curva f(x) en el punto (x_0, f(x_0))

3. Encontramos el punto donde esta tangente cruza el eje x. Este punto se convierte en
nuestra nueva aproximación x_1

4. Repetimos este proceso, utilizando x_1 para encontrar x_2, y así sucesivamente.

Geométricamente nos estamos moviendo por las tangentes de la función hasta llegar a la raíz

Condiciones de convergencia

Para que el método de Newton-Raphson converja se necesitan cumplir ciertas condiciones. Como
pueden ser las siguientes.

1) Continuidad: la función debe ser continua en un intervalo que contenga la raíz


2) Diferenciabilidad: f(x) debe ser diferenciable en el intervalo y f ′(x) debe ser continua
3) Derivada no nula: f’(x) no debe ser cero cerca de la raíz
4) Punto inicial adecuado: La estimación inicial x_0 debe estar suficientemente cerca de la
raíz
5) Monotonía: Idealmente f(x) debe ser monótona cerca de la raíz para poder evitar
oscilaciones

Formula generalizada
Para funciones de variables el método se generaliza de la siguiente manera:

Donde:
x_n es un vector de variables

F(x_n) es un vector de funciones

J(X_n) es la matriz Jacobina de F evaluada en x_n

Criterios de parada

El método se detiene cuando se cumple alguna de las siguientes condiciones

1. Error absoluto en la función: |f(x_{n+1})| < ε

2. Error relativo en la variable: |x_{n+1} - x_n| / |x_{n+1}| < ε

3. Número máximo de iteraciones: n ≥ N_max

Donde:

 ε es la tolerancia predefinida

 n es el número de la iteración actual

 N_max es el número máximo de iteraciones permitidas

 x_n es la aproximación actual de la raíz

 x_{n+1} es la siguiente aproximación de la raíz

 f(x) es la función cuya raíz se busca


Tasa de convergencia

Bajo condiciones favorables, el método presenta convergencia cuadrática, lo que implica que el
error en cada iteración es aproximadamente proporcional al cuadrado del error de la iteración
anterior:

Donde r es la raíz real y C es una constante.

Algoritmo del método


El proceso iterativo del método de Newton-Raphson se puede dividir en los siguientes pasos

Inicialización:

Definir la función f(x) y su derivada f’(x)

Elegir un valor inicial x0

Establecer una tolerancia ϵ.

Definir un número máximo de iteraciones Nmax

Iteración

1. Para n = 0, 1, 2, 3, 4……, Nmax


2. Calcular f(Xn) y f‘(Xn)
3. Evaluar el criterio de parada

4. Si no cumple con el criterio, continuar con la siguiente iteración

Finalización:

1. Si se alcanza Nmax sin convergencia, el método no converge


2. De lo contrario, devolver la raíz aproximada Xn+1

Criterios de parada comunes

1. Error absoluto en la función: ∣f(Xn+1)∣<ϵ.

2. Error relativo en la variable:


3. Número máximo de iteraciones: n ≥Nmax.

Análisis de convergencia
Orden de convergencia

El método de Newton-Raphson presenta convergencia cuadrática bajo ciertas condiciones:


Definición:

C, donde C es una constante y en = Xn - r representa el error de la n-ésima


iteración

Interpretación:

El error en cada iteración es proporcional al cuadrado del error en la iteración anterior, esto quiere
decir que la precisión mejora significativamente en cada paso.

Teorema de convergencia local

Si una función f(x) cumple ciertas condiciones en un intervalo que contiene la raíz r:

f(x) es continuamente diferenciable

f(r) = 0

f’(r) ≠ 0.

Entonces, existe un δ > 0 tal que x0 ∈ (r−δ, r+δ), la secuencia generada por el método de Newton-
Raphson converge a r.
Tasa de convergencia

La tasa de convergencia se puede expresar como:

Donde:

-M = maxx∈[a,b]∣f′′(x)∣.

-m = minx∈[a,b]∣f′(x)∣.

-[a,b] es un intervalo que contiene la raíz r.

Factores que afectan la convergencia

Elección de punto inicial: Un valor inicial X0 cercano a la raíz acelera la convergencia

Naturaleza de la función: Funciones con derivadas extremadamente grandes o pequeñas pueden


ralentizar o complicar la convergencia.

Multiplicidad de la raíz: Cuando la raíz tiene una multiplicidad mayor a 1, el orden de


convergencia se reduce de cuadrático a lineal

Análisis de casos especiales

1. Raíces múltiples:

Convergencia lineal

, donde m es la multiplicidad de la raíz.

Modificación
restaura la convergencia cuadrática

2. Puntos de inflexión: Cerca de puntos donde f’(x) = 0, la convergencia puede ser


demasiado lenta o incluso llegar a fallar.

Comparación con otros métodos

1. Vs Bisección
Newton-Raphson: Convergencia mas rápida, pero requiere el cálculo de derivadas
Bisección: Es mas robusto y garantiza convergencia en un intervalo dado, aunque es mas
lento

2. Vs punto fijo
Newton-Raphson: Suele ser más rápido
Punto Fijo: Es mas simple, pero puede tener una convergencia más lenta

Variantes y extensiones
Método de Newton-Raphson amortiguado

Formula:

Característica: Introduce un factor de amortiguación α en donde 0<α ≤1, para poder controlar el
tamaño del paso.

Uso: Mejora la convergencia en los casos donde el método tiende a oscilar o divergir

Método Halley

Formula:

Característica: Utiliza la segunda derivada de la función para lograr una convergencia más rápida.

Ventaja: Ofrece una convergencia de orden cubico en lugar de cuadrático, lo cual acelera el
proceso

Método de la Secante

Formula:

Característica: No requiere el cálculo de la derivada de la función


Uso: Es útil en casos donde la derivada es difícil de calcular o costosa en términos
computacionales

Método de Newton-Raphson Multidimensional

Formula:

Característica: Extiende el método para poder resolver sistemas de ecuaciones no lineales

Componentes J(Xn) es la matriz Jacobina y F(Xn) es el vector de funciones.

Método de Shamanskii

Algoritmo: Combina los pasoso del método de Newton con pasos de cuasi-Newton.

Ventaja: Reduce el número de evaluaciones de la derivada

Uso: Es especialmente útil cuando el cálculo de la derivada es costoso o complicado.

Método de Newton-Raphson en el plano complejo

Aplicación: Extiende el método al campo de números complejos

Uso: Permite encontrar raíces de funciones en el plano complejo

Visualización: Genera fractales conocidos como los conjuntos de Newton

Aplicaciones practicas
El Método de Newton es ampliamente utilizado en ingeniería, ciencias y matemáticas debido a su
eficiencia y precisión en la resolución de ecuaciones no lineales. Algunas aplicaciones comunes
incluyen:

 Diseño y análisis estructural: Se utiliza para encontrar el comportamiento no lineal de


estructuras bajo cargas, especialmente en el análisis de elasticidad y plasticidad en
ingeniería civil.
 Optimización en Ingeniería Mecánica: El método es útil para encontrar los puntos de
máximo y mínimo en funciones de múltiples variables en diseño de maquinaria o
motores.
 Dinámica de fluidos computacional (CFD): Se emplea en simulaciones de flujo de
fluidos, donde se requiere resolver ecuaciones diferenciales no lineales.
 Cálculo de circuitos en ingeniería eléctrica: Sirve para analizar sistemas con elementos no
lineales, como diodos o transistores, modelados por ecuaciones no lineales.
 Cinemática inversa en robótica: Para determinar las posiciones angulares de las
articulaciones de un robot dado un punto objetivo.
 Ejemplo de Problema Resuelto: Raíces de Funciones No Lineales

Limitaciones y consideraciones
 Ingeniería civil y mecánica: Modelado de comportamiento elástico y plástico, diseño de
estructuras.
 Ingeniería eléctrica: Análisis de circuitos no lineales.
 Física y astronomía: Resolución de ecuaciones diferenciales no lineales en dinámicas de
partículas y trayectorias orbitales.
 Economía: Optimización de funciones de coste en modelos económicos complejos

Desarrollos recientes y perspectivas futuras


Recientes investigaciones buscan mejorar el método, con desarrollos como métodos híbridos,
variantes adaptativas, y aplicaciones en campos como inteligencia artificial, simulaciones
biológicas, y robótica avanzada.

Además, se espera que la computación cuántica y el aprendizaje automático aporten mejoras


significativas al método, haciendo su aplicación más eficiente en áreas emergentes.

Este trabajo aborda la resolución numérica de las ecuaciones que determinan las posiciones de los
puntos lagrangeanos o de libración L1 y L2 en el sistema Tierra-Sol. Los puntos de libración son
posiciones en el espacio donde las fuerzas gravitacionales de dos cuerpos masivos, como la Tierra
y el Sol, se equilibran con la fuerza centrífuga que actúa sobre un tercer cuerpo, como un satélite.
Nos enfocaremos en resolver las ecuaciones que describen las posiciones de L1 y L2 utilizando el
método de Newton-Raphson, una técnica clave en el cálculo numérico para encontrar raíces de
funciones no lineales.

Descripción del Problema

El objetivo es encontrar las posiciones de equilibrio sobre la línea que une la Tierra y el Sol,
conocidas como L1 y L2. Las ecuaciones que describen estos puntos derivan de la combinación
de las fuerzas gravitacionales y centrífugas. Debido a que estas ecuaciones no tienen soluciones
exactas, emplearemos métodos numéricos para encontrar sus raíces.

Ecuación para el Punto L1

La posición XL1X{L1}XL1 está dada por la siguiente ecuación polinómica de quinto grado:
p(x)=x5−(2+r) x4+(1+2r) x3−(1−r) x2+2(1−r) x + r=0p(x) = x^5 - (2 + r) x^4 + (1 + 2r) x^3 - (1 -
r) x^2 + 2(1 - r) x + r = 0p(x)=x5−(2+r)x4+(1+2r)x3−(1−r)x2+2(1−r) x + r = 0

donde r es el cociente entre la masa de la Tierra y la masa total del sistema Tierra-Sol, con un
valor de:

r=3.04042×10−6r = 3.04042 \times 10^{-6} r=3.04042×10−6

Ecuación para el Punto L2

Para L2L_2L2, la ecuación a resolver es una variación de la anterior, de grado cuadrático:

p(x)−2rx2=0p(x) - 2rx^2 = 0p(x)−2rx2=0

Método de Newton-Raphson

El método de Newton-Raphson es un algoritmo iterativo que, a partir de una aproximación


inicial, mejora progresivamente la estimación de la raíz de una función. La fórmula iterativa es:

Xn+1=Xn – f (Xn) f ′ (Xn) X{n+1} = Xn - \ {f(Xn)} {f'(Xn)}Xn+1 = Xn – f ′ (Xn) f(Xn)

donde Xn es la estimación actual de la raíz, f(x) es la función cuya raíz estamos buscando, y f ′(x)
es la derivada de f(x). El proceso se repite hasta que la diferencia entre dos aproximaciones
sucesivas sea menor a un umbral de tolerancia, lo que indica que se ha alcanzado una solución
precisa.

La solución computacional que utilizaremos para este trabajo es la siguiente:

Fig 1.
Resolución del Punto L1

Para L1, la ecuación es un polinomio de quinto grado. Para aplicar Newton-Raphson, necesitamos
la función y su derivada:

 Función:

f(x) = x5−(2+r) x4+(1+2r) x3−(1−r) x2+2(1−r) x + r f(x) = x^5 - (2 + r)x^4 + (1 + 2r) x^3 - (1 - r)
x^2 + 2(1 - r) x + r f(x) = x5−(2+r) x4+(1+2r) x3−(1−r) x2+2(1−r) x + r

 Derivada:

f ′(x) = 5x4−4(2+r) x3+3(1+2r) x2−2(1−r) x+2(1−r) f '(x) = 5x^4 - 4(2 + r) x^3 + 3(1 + 2r) x^2 -
2(1 - r) x + 2(1 - r) f ′(x) = 5x4−4(2+r) x3+3(1+2r) x2−2(1−r) x+2(1−r)

Proceso Iterativo:

 Aproximación inicial: Se elige X0 = 1X0 = 1X0 = 1 como punto de partida.


 Iteración: Se utiliza la fórmula de Newton-Raphson para mejorar la aproximación:

Xn + 1 = Xn − f(Xn) f ′(Xn) X{n+1} = Xn - \ {f(Xn)} {f '(Xn)}Xn+1 = Xn – f ′(Xn) f(Xn)

El proceso se repite hasta que la diferencia entre Xn+1 {n+1} y Xn sea menor que 10−1010^{-
10}10−10, lo que asegura una precisión adecuada.

Resolución del Punto L2

Para L2, la ecuación es más sencilla:

 Función:

f(x) = p(x) − 2rx^2

 Derivada:

F ′(x) = p ′(x) − 4rx

Proceso Iterativo:

 Aproximación inicial: Como L2 está más lejos, se elige X0 = 100000 como valor inicial.
 Iteración: Se aplica Newton-Raphson hasta obtener una solución con la precisión
deseada.
Resultados

Tras aplicar el método de Newton-Raphson, las posiciones aproximadas de los puntos de


Lagrange son:

 Para L1, la raíz obtenida es XL1 ≈ 0.9029566469, lo que indica que L1 está muy cercano
al Sol.
 Para L2, la solución numérica es XL2 ≈ 1.1037619966 mostrando que L2está mucho más
lejos de la Tierra.

Fig 2.

Comparación en Kilómetros

La distancia promedio entre la Tierra y el Sol es de aproximadamente 1 Unidad Astronómica


(UA), que equivale a 144144144 millones de kilómetros. Por lo tanto, podemos convertir las
posiciones de L1 y L2 a kilómetros:

 L1:

XL1×UA ≈ 0.9029566469 × 144 millones de km ≈ 130.0 millones de km XL1×UA ≈ 0.9029566469


× 144millones de km ≈ 130.0 millones de km.

 L2:
XL2 × UA ≈ 1.1037619966 × 144 millones de km ≈ 158.0 millones de km × XL2 × UA ≈
1.1037619966 × 144 millones de km ≈ 158.0 millones de km.

Conclusión

Este trabajo demuestra cómo el método de Newton-Raphson es una herramienta eficaz para
resolver ecuaciones no lineales en sistemas físicos complejos, como el sistema Tierra-Sol. A
través de este método, hemos podido determinar con precisión las posiciones de los puntos de
libración o puntos lagrangeanos L1 y L2, que son esenciales para estudiar la estabilidad
gravitacional y las órbitas. La técnica permitió obtener aproximaciones eficientes, destacando su
relevancia en el análisis numérico y en la mecánica celeste.

Referencias:
[1] J. Stewart, _Precalculus: Mathematics for Calculus_, 6th ed. Belmont, CA: Brooks/Cole
Cengage Learning, 2012, pp. 1-992.

[2] J. Stewart, _Calculus: Early Transcendentals_, 7th ed. Belmont, CA: Brooks/Cole Cengage
Learning, 2012, pp. 1-1368.

[3] "Raíces de Ecuaciones 2," Departamento de Matemáticas, Estadística e Investigación


Operativa, Universidad de Las Palmas de Gran Canaria. https://estadistica-dma.ulpgc.es/FCC/05-
3-Raices-de-Ecuaciones-2.html

También podría gustarte