Capitulo_2.ppt
-
Upload
fabian-colque-zegarra -
Category
Documents
-
view
120 -
download
5
Transcript of Capitulo_2.ppt
![Page 1: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/1.jpg)
UNIVERSIDAD NACIONAL DE SAN AGUSTÍNFACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS
Mg. Olha Sharhorodska
RAÍCES DE ECUACIONES NO LINEALES
Capitulo 2
Métodos Cerrados
![Page 2: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/2.jpg)
Mg. Olha Sharhorodska
INTRODUCCION
La determinación de las raíces de una ecuación es uno de los problemas más antiguos en matemáticas y se han realizado un gran número de esfuerzos en este sentido.
Su importancia radica en que si podemos determinar las raíces de una ecuación también podemos determinar máximos y mínimos, valores propios de matrices, resolver sistemas de ecuaciones lineales y diferenciales, etc...
![Page 3: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/3.jpg)
Mg. Olha Sharhorodska
El proceso de optimización consiste en la búsqueda de max y min de una función, lo cual implica la aplicación de RAICES
Procesos
x f(x) max
min
Max f(x)
Min f(x) Optimización
f’(x)=0
x
![Page 4: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/4.jpg)
Mg. Olha Sharhorodska
La solución de sistemas de ecuaciones lineales y diferenciales implica la aplicación de las RAICES
-x x
m
Resorte Amortiguador
02
2
kxdtdx
cdt
xdm
mmkcc
r
r
242
2
1
Representación:
trtr BeAetx 21)(
Aplicación de raíces: Solución:
El modelo matemático de movimiento del sistema de suspensión:
)(2
2
kxdtdx
cdt
xdm
![Page 5: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/5.jpg)
Mg. Olha Sharhorodska
¿Que es una RAIZ?
Es el valor de una variable o de un parámetro que satisface una ecuación no lineal simple, f(x) = 0.
Raíz
F(x)
x
Resuelva F(x) = 0 para x
![Page 6: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/6.jpg)
Mg. Olha Sharhorodska
Solución de ecuaciones cuadráticas
Ecuación cuadrática:ax2 + bx + c = 0
Solución:
aacbb
xx2
4,
2
21
![Page 7: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/7.jpg)
Mg. Olha Sharhorodska
Ecuación polinómicas:
Ecuaciones trascendentes(no polinomicas)
Solución: MÉTODOS NUMERICOS
Solución de otros tipos de ecuaciones
vec
gmcf
tm
c
1)(
645)( 235 xxxxf
![Page 8: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/8.jpg)
Mg. Olha Sharhorodska
La mayoría de los métodos utilizados para el cálculo de las raíces de una ecuación son iterativos y se basan en modelos de aproximaciones sucesivas.
Estos métodos trabajan del siguiente modo: a partir de una primera aproximación al valor de la
raíz, determinamos una aproximación mejor aplicando una determinada regla de cálculo y así sucesivamente hasta que se determine el valor de la raíz con el grado de aproximación deseado.
![Page 9: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/9.jpg)
Mg. Olha Sharhorodska
Separación de las raíces
Método grafico F(x) = x3 – 3x-1 =0 Separar en funciones
mas simples: G(x) = x3
Z(x) = 3x + 1 Punto de intersección –
raíz Según el grafico hay 3
raíces: [-2; -1.2] [-0.8, 0.8] [1.2; 2]
![Page 10: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/10.jpg)
Mg. Olha Sharhorodska
Método analítico F(x) = 2x – 5x-3 Paso 1:
F’(x) = 2xln2 -5 =0 2x = 5 / ln2 xlog2 = log5 – logln2 x = (log5 – logln2)/log2 = (0.6990+0.1592)/ 0.3010 = 2.85
Paso 2:
Ecuación tiene 2 raíces Paso 3:
Raíces se encuentran en los intervalos: [-1; 0] y [4; 5]
- 2 3 +
+ - - +
x - 1 0 1 2 3 4 5
F(x) + - - - - - +
![Page 11: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/11.jpg)
Mg. Olha Sharhorodska
Métodos de búsqueda de raíces Los métodos numéricos para encontrar los raíces de
ecuaciones se dividen en dos grandes grupos:
Métodos abiertos •Iteración simple de punto fijo•Método de Newton – Raphson•Método de la secante
Métodos cerrados o de intervalo
•Bisección•Falsa posición•Falsa posición modificada
x
y
1 2
f(xi)xr=(xi + xd)/2
f(xr)
f(xd)
xixr xd
Pendiente = f’(xn)
1
f (xn)
xnxn+1
yx x
f x
f xn nn
n 1
( )
'( )
x
![Page 12: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/12.jpg)
Mg. Olha Sharhorodska
MÉTODO DE BISECCIÓN
x
y
xi
xd
f(xi)
xr=(xi + xd)/2
f(xr)
Raiz
![Page 13: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/13.jpg)
Mg. Olha Sharhorodska
En este método suponemos que f es una función continua definida en el intervalo [xi, xd] con f(xi) y f(xd) con signos diferentes.
Tomando en cuenta el teorema del valor medio, existe un número p ∈ [xi, xd] tal que f (p) = 0. Por razones de simplicidad, asumamos que la raíz en este intervalo es
real y única.
El método requiere dividir varias veces a la mita el intervalo [xi, xd] y en cada paso localizar la mitad que contenga a p.
Si f(p1) = 0, entonces p1 = p; de no ser así, si f(p1) tiene el mismo signo que f(xi), entonces p ∈ (p1, xd); si f(p1) tiene el mismo signo que f(xd), entonces p ∈ (xi, p1); y aplicamos el mismo procedimiento a este nuevo intervalo.
![Page 14: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/14.jpg)
Mg. Olha Sharhorodska
MÉTODO DE BISECCIÓN
xi xd
f(x)
x
f(xi)
f(xd)
Algoritmo del Método de Bisección
Primer Paso
Consiste en considerar un intervalo
(xi, xd) en el que se garantice que la
función tiene raíz. Nota: si xi y xd encierran la raíz,
entonces f(xi) y f(xd) tendrán signos
diferentes.
Intervalo
+
-
![Page 15: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/15.jpg)
Mg. Olha Sharhorodska
MÉTODO DE BISECCIÓN
xixd
f(x)
x
f(xi)
f(xd)
Segundo Paso
El segmento se divide en
dos, tomando el punto de
bisección xr como
aproximación de la raíz
buscada.
xr
1r Intervalo 2do Intervalo
![Page 16: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/16.jpg)
Mg. Olha Sharhorodska
MÉTODO DE BISECCIÓNTercer Paso
Si xr es la raíz buscada - f(xr)=0 – fin de proceso;
Si no, determinar en cual de las dos mitades se encuentra
la raízf(x) f(x)
xi xdx
f(xi)
f(xd)
xr
f(xr)=0xr – solución
xi xdx
f(xi)
f(xd)
xr
f(xr)≠0xr – no es una solución
![Page 17: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/17.jpg)
Mg. Olha Sharhorodska
MÉTODO DE BISECCIÓN si f(xr) y f(xi) tienen el mismo signo, entonces xi=xr
si f(xr) y f(xd) tiene signos opuestos, entonces xd=xr
f(xi) f(xd) f(xr)
+ - +Xi = Xr
xi xd
f(x)
x
f(xi)
f(xd)xi xd
xr
f(x)
x
f(xi)
f(xd)
f(xr)
xrf(xr)
![Page 18: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/18.jpg)
Mg. Olha Sharhorodska
Criterios de paro y estimación de errores
Error se encuentra se encuentra por debajo de algún nivel prefijado – tolerancia
donde
Numero máximo de iteraciones
donde Δx0 = xd – xi (en la primera iteración)
%100 nuevor
anteriorr
nuevor
xxx
Error
nuevorxanteriorrx
- es la raíz en la iteración actual
- es la raíz en la iteración anterior
Tol
xn
0
2log
![Page 19: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/19.jpg)
Mg. Olha Sharhorodska
Ejemplo: 3x2 - ex = 0 usemos el método de Bisección para encontrar la segunda
raíz en el intervalo [0.9; 1.0].
Intervalo 0.9 – 1.0
10.9
Intervalo 0.9 – 1.0
xixd
![Page 20: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/20.jpg)
Mg. Olha Sharhorodska
Solución:
n xi xd xr f(xi) f(xd) f(xr)
1 0.9 1.0 0.95 -0.0296 0.2817 0.1218
2 0.9 0.95 0.925 -0.0296 0.1218 4.50*10-2
- + +
0.9
xixd
-
10.9
xi xd
xr+
-
0.95 1
++
![Page 21: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/21.jpg)
Mg. Olha Sharhorodska
n xi xd xr f(xi) f(xd) f(xr)
1 0.9 1.0 0.95 -0.0296 0.2817 0.1218
2 0.9 0.95 0.925 -0.0296 0.1218 4.50*10-2
3 0.9 0.925 0.9125 -0.0296 4.50*10-2 7.42*10-3
4 0.9 0.9125 0.90625 -0.0296 7.42*10-3 -1.11*10-2
5 0.90625 0.9125 0.909375 -1.11*10-2 7.42*10-3 -1.88*10-3
6 0.909375 0.9125 0.9109375 -1.88*10-3 7.42*10-3 2.76*10-3
7 0.909375 0.9109375 0.9101563 2.76*10-3 7.42*10-3 4.42*10-4
8 0.909375 0.9101563 0.9097656 2.76*10-3 4.42*10-4 -7.19*10-4
- + +
Resultados
![Page 22: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/22.jpg)
Mg. Olha Sharhorodska
Programa en MATLAB
function bisec_n(f_name, a, c)f_name % a,c : extremos del intervalo inicial% tol : tolerancia% it_limit : limite del numero de iteraciones% y_a, y_c : valores y de los extremos actuales% fun_f(x): valor funcional en xfprintf ('Metodo de la biseccion:\n\n');tol=0.0001;it_limit=30;fprintf (' Iter. Xi Xd Xr f(Xi) ');fprintf (' f(Xd) f(Xr)) \n');it=0;y_a=feval(f_name, a); y_c=feval(f_name, c);
![Page 23: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/23.jpg)
Mg. Olha Sharhorodska
if (y_a*y_c>0) fprintf('\n\n Detenido porque f(a)*f(c) > 0 \n'); else while 1 it = it + 1; b=(a + c)/2; y_b=feval(f_name,b); fprintf ('%3.0f%10.6f%10.6f%',it,a,c); fprintf ('%10.6f%13.6f%13.6f\n',b,y_a,y_c); fprintf ('%13.6f\n',y_b); if (abs(c-a)/2<=tol) fprintf ('Se satisface la tolerancia de %10.6f\n ', tol); break fprintf ('\n Cambie a o b y ejecute otra vez. \n'); end if (it > it_limit) fprintf ('Se excedio el limite de iteraciones. \n');break end if (y_a*y_b<=0) c=b; y_c=y_b; else a=b; y_a=y_b; end end fprintf ('Resultado: Raiz=%12.6f \n', b); end
![Page 24: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/24.jpg)
Mg. Olha Sharhorodska
Resultados: Resultados del programa: Metodo de la biseccion: Iter. Xi Xd Xr f(Xi) f(Xd) f(Xr)) 1 0.900000 1.000000 0.950000 -0.029603 0.281718 0.121790 2 0.900000 0.950000 0.925000 -0.029603 0.121790 0.045007 3 0.900000 0.925000 0.912500 -0.029603 0.045007 0.007428 4 0.900000 0.912500 0.906250 -0.029603 0.007428 -0.011157 5 0.906250 0.912500 0.909375 -0.011157 0.007428 -0.001882 6 0.909375 0.912500 0.910938 -0.001882 0.007428 0.002769 7 0.909375 0.910938 0.910156 -0.001882 0.002769 0.000442 8 0.909375 0.910156 0.909766 -0.001882 0.000442 -0.000720 9 0.909766 0.910156 0.909961 -0.000720 0.000442 -0.000139 10 0.909961 0.910156 0.910059 -0.000139 0.000442 0.000152
Se satisface la tolerancia de 0.000100 Resultado: Raiz= 0.910059
Resultados de los cálculos manuales:
n xi xd xr f(xi) f(xd) f(xr)
1 0.9 1.0 0.95 -0.0296 0.2817 0.1218
8 0.909375 0.9101563 0.9097656 2.76*10-3 4.42*10-4 -7.19*10-4
![Page 25: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/25.jpg)
Mg. Olha Sharhorodska
Consideremos una función f continua en un intervalo [xi, xd] y tal que f(xi)f(xd)< 0 .
El método de Posición Falsa, para encontrar una aproximación de una raíz α ∈(xi, xd) de f(x)= 0 , es similar al método de Bisección en el sentido de que se generan subintervalos que encierran a la raíz α, pero esta vez xr no es el punto medio del intervalo, sino el punto de intersección de la recta que pasa por los puntos (xi, f(xi)) , (xd, f(xd)) con el eje x.
Al reemplazar la curva por una recta se obtiene una "posición falsa" de la raíz, de aquí el nombre del método. También se le conoce como método de Interpolación Lineal Inversa.
Método de Falsa Posición (o Regula Falsi)
![Page 26: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/26.jpg)
Mg. Olha Sharhorodska
Según la semejanza de dos triángulos
xi xd
f(x)
x
f(xi)
f(xd)
dr
d
ir
i
xxxf
xxxf
)()(
)()(
)(
di
diddr xfxf
xxxfxx
xr
![Page 27: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/27.jpg)
Mg. Olha Sharhorodska
Algoritmo del método de Falsa posición
Paso 1 Determinar el intervalo que encierra la raíz
Paso 2 Calcular el valor de la raíz aproximada según la
formula, es decir calcular el valor del punto de cruce de la línea que une f(xi) y f(xd) con el eje x.
Paso 3 Determinar si el valor encontrado es una solución
al problema. Si la respuesta es si – finalizar los cálculos. Si la respuesta es no – comparar los signos de las
funciones en los extremos del intervalos con el signo de la función de la raíz aproximada. Eliminar el intervalo que no encierra la raíz y repetir el procedimiento.
![Page 28: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/28.jpg)
Mg. Olha Sharhorodska
Este método tiene la desventaja, con respecto al método de Bisección en caso de que la longitud del subintervalo que contiene a la raíz no tiende a cero (funciones cóncavas hacia arriba o hacia abajo) en la vecindad de la raíz, lo que hace que uno de los extremos de los subintervalos se aproxime a la raíz, mientras el otro permanece fijo.
![Page 29: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/29.jpg)
Mg. Olha Sharhorodska
Desventaja del Método de Falsa posición
-5
0
5
10
15
20
25
30
0 0.2
0.4
0.6
0.8 1 1.
21.
4
f(x)
x
En algunos casos funciona de manera ineficiente
Unilateralidad – conforme se avanza en las iteraciones, uno de los puntos limites permanece fijo
Por ejemplo: f(x) = x10 – 1, x[0, 1.3]
![Page 30: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/30.jpg)
Mg. Olha Sharhorodska
Método de bisección
I Xi Xd Xr Error
1 0 1.3 0.65
2 0.65 1.3 0.975 33.3
3 0.975 1.3 1.1375 14.3
4 0.975 1.1375 1.05625 7.7
5 0.975 1.05625 1.015625 4.0
I Xi Xd Xr Error
1 0 1.3 0.09430
2 0.09430 1.3 0.18176 48.1
3 0.18176 1.3 0.26287 30.9
4 0.26287 1.3 0.33811 22.3
5 0.33811 1.3 0.40788 17.1
Método de Falsa posición
![Page 31: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/31.jpg)
Mg. Olha Sharhorodska
Método de Falsa posición modificada
Detectar si uno de los limites del intervalo se “estaca”
Si es así, dividir a la mitad el valor de la función en este punto.
![Page 32: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/32.jpg)
Mg. Olha Sharhorodska
Problema 1. Considere la ecuación senx + ln x = 0 . a) Verifique que la ecuación dada tiene una
única raíz a. Aplique el método de Bisección en el
intervalo [0.5, 0.6], calcule 15 iteraciones y tome a 15 x como aproximación de a . ¿Cuál es la calidad de esta aproximación?
Aplique el método de Punto Fijo para aproximar la raíz a con una precisión de por lo menos 5 cifras significativas.
![Page 33: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/33.jpg)
Mg. Olha Sharhorodska
Solución: Dominio de f (x) = senx + ln x es (0,+¥).
Como senx + ln x = 0 entonces senx = - ln x ,
podemos dibujar en un mismo plano coordenado las gráficas de y = senx y y = - ln x . Obtenemos:
![Page 34: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/34.jpg)
Mg. Olha Sharhorodska
De acuerdo con la gráfica es claro que la ecuación dada tiene una única raíz a y a[0,1].
La gráfica de f (x) = sen x + ln x, es como se indica a continuación:
![Page 35: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/35.jpg)
Mg. Olha Sharhorodska
MÉTODOS ABIERTOS A diferencia de los métodos cerrados que requieren
de un intervalo que encierre la raíz buscada, los métodos abiertos que se verán requieren de un solo valor o dos valores iniciales (de arranque) que no necesariamente encierran dicha raíz;
Esto hace que algunas veces las sucesiones generadas por estos métodos sean divergentes o se alejen de la raíz de interés (vayan probablemente a otra raíz), pero tienen la ventaja que cuando convergen lo hacen "más rápidamente" que las sucesiones generadas por los métodos cerrados.
![Page 36: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/36.jpg)
Mg. Olha Sharhorodska
ITERACIÓN SIMPLE DE PUNTO FIJO Este método se basa en hacer que la raíz se
convierta en un punto fijo e iterando hasta que se alcance dicha raíz.
Dada una ecuación f(x) = 0, podemos transformarla, de alguna manera, en otra equivalente del tipo x = g(x) para alguna función g.
En este caso se tiene que: α es raíz de f(x)= 0 ⇔ f(α)= 0 ⇔ α = g(α) ⇔ α es raíz de x = g(x).
![Page 37: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/37.jpg)
Mg. Olha Sharhorodska
El método del punto fijo parte de un valor inicial x0 cercano a la raíz.
Para encontrar la solución, calculamos una nueva aproximación x1=g(x0). Reemplazamos el nuevo valor obtenido y repetimos el proceso.
Como en otras formulas iterativas, el error aproximado se calcula como:
%100*1
1
i
ii
x
xx
![Page 38: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/38.jpg)
Mg. Olha Sharhorodska
En la figura se representa la interpretación geométrica del método. Partimos de un punto inicial x0 y calculamos y = g(x0). La intersección de esta solución con la recta y=x nos dará un nuevo valor x1 más próximo a la solución final.
Sin embargo, el método puede divergir fácilmente.
Es fácil comprobar que el método sólo podrá converger si la derivada g'(x) es menor en valor absoluto que la unidad (que es la pendiente de la recta definida por y=x). Un ejemplo de este caso se muestra en la siguiente figura.
![Page 39: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/39.jpg)
Mg. Olha Sharhorodska
Esta condición, que a priori puede considerarse una severa restricción del método, puede obviarse fácilmente.
Para ello basta elegir la función g(x) del siguiente modo: g(x) = x + f(x)
de forma que tomando un valor de adecuado, siempre podemos hacer que g(x) cumpla la condición de la derivada.
![Page 40: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/40.jpg)
Mg. Olha Sharhorodska
Ejemplo. Determina la raíz de la ecuación f(x) = e-x – x con el método del punto fijo considerando una tolerancia de 0.001
Tenemos x = e-x
La gráfica de la ecuación muestra que el valor de la raíz es cercano a 0.6, por lo que escogemos la aproximación inicial Calculamos
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
g(x)=exp(x), g(x)=x
g(x)=exp(-x)
g(x)=x
0 0.4x 0( )g x
0.40( ) 0.67g x e
![Page 41: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/41.jpg)
Mg. Olha Sharhorodska
Y tenemos que
Como , es decir, no se ha encontrado la raíz y además es mayor a la tolerancia deseada, hacemos una nueva iteración.
En la siguiente tabla se resumen los resultados al aplicar el método. Al comparar las diferencias y se observa que , por lo que se concluye que el método converge. El método se detuvo en la iteración 11 debido a que , por lo que puede concluirse que 0.56748681 es una aproximación al valor de la raíz con un margen de error del 0.1%.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
g(x)=exp(x), g(x)=x
g(x)=exp(-x)
g(x)=x
1 0( )x g x
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
g(x)=exp(x), g(x)=x
g(x)=exp(-x)
g(x)=x
1 0 0x x
1 0x x
2 1x x 1 0x x2 1 1 0x x x x
11 10x x T
![Page 42: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/42.jpg)
Mg. Olha Sharhorodska
n xn g(xn) Xn – xn-1
0 0.4 0.67032005 -
1 0.67032005 0.51154483 0.27032005
2 0.51154483 0.59956863 0.15877521
3 0.59956863 0.54904843 0.0880238
4 0.54904843 0.57749908 0.0505202
5 0.57749908 0.56130038 0.02845065
6 0.56130038 0.57046676 0.0161987
7 0.57046676 0.56526154 0.00916638
8 0.56526154 0.56821152 0.00520522
9 0.56821152 0.56653778 0.00294998
10 0.56653778 0.56748681 0.00167374
11 0.56748681 0.5669485 0.00094903
![Page 43: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/43.jpg)
Mg. Olha Sharhorodska
MÉTODO DE NEWTON-RAPSHON
Este método es uno de los más usados y efectivos.
A diferencia de los métodos anteriores, el método de Newton-Raphson no trabaja sobre un intervalo sino que basa su fórmula en un proceso iterativo.
![Page 44: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/44.jpg)
Mg. Olha Sharhorodska
La formula iterativa de este método es:
si
![Page 45: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/45.jpg)
Mg. Olha Sharhorodska
Ejemplo 1Usar el método de Newton-Raphson, para aproximar la raíz de , comenzando con y hasta que .
SoluciónEn este caso, tenemos que
De aquí tenemos que:
Comenzamos con X0=1 y obtenemos:
En este caso, el error aproximado es, Continuamos el proceso hasta reducir el error aproximado
hasta donde se pidió.
xexf x ln)( 10 x%1a
![Page 46: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/46.jpg)
Mg. Olha Sharhorodska
Aprox. a la raíz Error aprox.
1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual concluimos que la aproximación obtenida es:
Resumimos los resultados en la siguiente tabla:
![Page 47: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/47.jpg)
Mg. Olha Sharhorodska
Nota: El método de Newton es muy rápido y
eficiente ya que la convergencia es de tipo cuadrático (el número de cifras significativas se duplica en cada iteración). Sin embargo, la convergencia depende en gran medida de la forma que adopta la función en las proximidades del punto de iteración. En la figura (2) se muestran dos situaciones en las que este método no es capaz de alcanzar la convergencia (figura (2a)) o bien converge hacia un punto que no es un cero de la ecuación (figura (2b)).
![Page 48: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/48.jpg)
Mg. Olha Sharhorodska
Dos situaciones en las que el método de Newton no funciona adecuadamente: (a) el método no alcanza la convergencia y (b) el método converge hacia un punto que no es un cero de la ecuación.
![Page 49: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/49.jpg)
Mg. Olha Sharhorodska
MÉTODO DE LA SECANTE
El principal inconveniente del método de Newton estriba en que requiere conocer el valor de la primera derivada de la función en el punto. Sin embargo, la forma funcional de f(x) dificulta en ocasiones el cálculo de la derivada. En estos casos es más útil emplear el método de la secante.
El método de la secante parte de dos puntos (y no sólo uno como el método de Newton) y estima la tangente (es decir, la pendiente de la recta) por una aproximación de acuerdo con la expresión:
![Page 50: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/50.jpg)
Mg. Olha Sharhorodska
Método de la secante El método de Newton tiene el defecto de que requiere
conocer la derivada de la función f(x) cuyo cero queremos hallar y esto no es siempre factible.
El método de la secante es muy similar al de Newton pero no requiere el conocimiento de esta derivada. La idea clave en el método de la secante consiste en sustituir la derivada f’(xn) que aparece en la formula del método de Newton [véase la ecuación (4.36)] por una expresión aproximada:
Esta aproximación viene motivada por la definición de la pendiente de la tangente f’(xn) como el lımite de la pendiente de la secante:
![Page 51: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/51.jpg)
Mg. Olha Sharhorodska
En definitiva, la formula del método de la secante, equivalente a la formula del método de Newton, es
![Page 52: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/52.jpg)
Mg. Olha Sharhorodska
La formula iterativa de la secante es:
Representación geométrica del método de la secante.
![Page 53: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/53.jpg)
Mg. Olha Sharhorodska
Ejemplo 1Usar el método de la secante para aproximar la raíz de comenzando con
, y hasta que . Solución
Tenemos que y , que sustituimos en la fórmula de la secante para calcular la aproximación x2 :
Con un error aproximado de:
![Page 54: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/54.jpg)
Mg. Olha Sharhorodska
Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la siguiente tabla:
Aprox. a la raíz Error aprox.
0
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%
De lo cual concluimos que la aproximación a la raíz es:
![Page 55: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/55.jpg)
Mg. Olha Sharhorodska
RAICES DE POLINOMIOS
Los métodos vistos hasta el momento permiten obtener las raíces reales de ecuaciones algebraicas y trascendentales. Sin embargo, ninguno de ellos permite el cálculo de las raíces complejas de los mismos. Esta sección está dedicada al estudio de dos métodos que permiten obtener las raíces, tanto reales como complejas, de un polinomio.
![Page 56: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/56.jpg)
Mg. Olha Sharhorodska
Método de Bairstow
Este método depende de dividir el polinomio entre un factor cuadrático. Sea P(x)=0, el polinomio general de grado n de la forma
Sabemos que al obtener el factor cuadrático
tenemos que
1 20 1 2 1( ) n n n
n nP x a x a x a x a x a
2x px q
2 2 3 40 1 2 3 2 1( ) ( )( )n n n
n n n nP x x px q b x b x b x b x b b x b
![Page 57: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/57.jpg)
Mg. Olha Sharhorodska
1 2 1 2; 0,1,2, , 2; 0k k k kb a pb qb k n b b
1 1 2 3
2
n n n n
n n n
b a pb qb
b a qb
1 1, , ,n n n nb b b bp q p q
El algoritmo del método consiste en los siguientes pasos:1.Hacer p=q=0.2.Calcular los coeficientes del polinomio reducido
Y los residuos
3. Calcular las derivadas parciales de los residuos bn-1 y bn
![Page 58: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/58.jpg)
Mg. Olha Sharhorodska
4. Resolver el sistema
1 11
n nn
b bp q b
p q
n n
n
b bp q b
p q
*p p p *q q q
5. Obtener los valores de las nuevas aproximaciones
y
.6. Sea T la tolerancia deseada (el margen de error permitido). Si | p* -p | < T y | q* -q | < T se han encontrado aproximaciones a los valores de p y q con un margen de error menor a T (fin del método). De lo contrario es necesario hacer una nueva iteración comenzando en el paso 2 haciendo p=p* y q=q*.
![Page 59: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/59.jpg)
Mg. Olha Sharhorodska
Ejemplo. Obtén una aproximación a las raíces del siguiente polinomio aplicando el método de Bairstow considerando una tolerancia de 0.01 en los valores de p y q y redondeo a tres cifras significativas:
4 3 26 3 4 0x x x x
Solución. Tenemos que
0 1 2 3 41, 1, 6, 3, 4; 4a a a a a n
Sean p=q=0 los valores iniciales.
![Page 60: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/60.jpg)
Mg. Olha Sharhorodska
0 0
1 1 0
2 2 1 0
1
( 1) (0)(1) 1
(6) (0)( 1) (0)(1) 6
b a
b a pb
b a pb qb
3 3 2 1
4 4 2
( 3) (0)(6) (0)( 1) 3
(4) (0)( 6) 4
b a pb qb
b a qb
3 32 1
4 42
6.00; 1.00
0.00; 6.00
b bb b
p q
b bb
p q
Los coeficientes del polinomio reducido están dados por
los residuos, por
y las derivadas parciales, por
![Page 61: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/61.jpg)
Mg. Olha Sharhorodska
6.00 1.00 3.00
0.00 6.00 4.00
p q
p q
0.389p 0.667q
* 0.389p p p * 0.667q q q
*p p *q q
Resolviendo el sistema
tenemos que y
Entonces y
Se observa que =0.389 y que
y es necesario que ambos valores sean menores a 0.01, por lo que es necesario hacer una nueva iteración.
=0.667
![Page 62: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/62.jpg)
Mg. Olha Sharhorodska
Los resultados de cada iteración se resumen en la siguiente tabla:
i b0 b1 b2 b3 b4 P* Q* |p* - p| |q* - q|
0 1 -1 6 -3 4 -0.389 0.667 0.389 0.667
1 1 -0.611 5.10 -0.609 0.598 -0.368 0.784 0.021 0.117
2 1 -0.632 4.98 -0.672 0.0957 -0.501 0.765 0.133 0.019
3 1 -0.499 4.99 -0.118 0.183 -0.521 0.802 0.02 0.037
4 1 -0.479 4.95 -0.037 0.0301 -0.528 0.808 0.007 0.006
![Page 63: Capitulo_2.ppt](https://reader034.fdocuments.ec/reader034/viewer/2022042509/5489f0cab4795998378b46f0/html5/thumbnails/63.jpg)
Mg. Olha Sharhorodska
4 3 2( ) 6 3 4 0P x x x x x
2 2( ) ( 0.528 0.808)( 0.479 4.95) 0.0369 0.0301 0P x x x x
2 2( ) ( 0.528 0.808)( 0.479 4.95) 0P x x x
1 2 3 40.264 0.86, 0.264 0.86, 0.240 2.21, 0.240 2.21x i x i x i x i
El polinomio
puede expresarse entonces como
Como se alcanzó la tolerancia deseada, asumimos que el residuo se puede despreciar, y tenemos que
De donde puede concluirse que las raíces del polinomio son