Está en la página 1de 7

148

MTODOS ABIERTOS

FUNCTION Fixpt(x0, es, imax iter, ea) xr = x0 iter = 0 DO xrold = xr xr = g(xrold) iter = iter + 1 lF xr 0 THEN

ea = FIGURA 6.4 Seudocdigo para el mtodo de punto jo. Note que otros mtodos abiertos pueden disearse en este formato general.

xr xrold xr

100

END IF IF ea < es 0R iter imax EXIT END DO Fixpt = xr END Fixpt

f (x) Pendiente = f ' (x i) f (x i)

FIGURA 6.5 Representacin grca del mtodo de Newton-Raphson. Se extrapola una tangente a la funcin en xi [esto es, f(xi)] hasta el eje x para obtener una estimacin de la raz en xi + 1.

f (x i) 0

0 xi+1 xi xi xi+1

6.2

MTODO DE NEWTON-RAPHSON
Tal vez, de las frmulas para localizar races, la frmula de Newton-Raphson (figura 6.5) sea la ms ampliamente utilizada. Si el valor inicial para la raz es xi, entonces se puede trazar una tangente desde el punto [xi, f (xi)] de la curva. Por lo comn, el punto donde esta tangente cruza al eje x representa una aproximacin mejorada de la raz. El mtodo de Newton-Raphson se deduce a partir de esta interpretacin geomtrica (un mtodo alternativo basado en la serie de Taylor se describe en el cuadro 6.2). De la figura 6.5, se tiene que la primera derivada en x es equivalente a la pendiente:

6.2

MTODO DE NEWTON-RAPHSON

149

f(xi) 0 (xi) = xi xi + 1 que se arregla para obtener xi +1 = xi f ( xi ) f ( x i )

(6.5)

(6.6)

la cual se conoce como frmula de Newton-Raphson. EJEMPLO 6.3 Mtodo de Newton-Raphson Planteamiento del problema. Utilice el mtodo de Newton-Raphson para calcular la raz de f (x) = ex x empleando como valor inicial x0 = 0. Solucin. La primera derivada de la funcin es

(x) = ex 1 que se sustituye, junto con la funcin original en la ecuacin (6.6), para tener exi xi xi + 1 = xi exi 1 Empezando con un valor inicial x0 = 0, se aplica esta ecuacin iterativa para calcular
i 0 1 2 3 4 xi 0 0.500000000 0.566311003 0.567143165 0.567143290 et (%) 100 11.8 0.147 0.0000220 < 108

As, el mtodo converge rpidamente a la raz verdadera. Observe que el error relativo porcentual verdadero en cada iteracin disminuye mucho ms rpido que con la iteracin simple de punto fijo (compare con el ejemplo 6.1). 6.2.1 Criterio de terminacin y estimacin de errores Como en los otros mtodos para localizar races, la ecuacin (3.5) se utiliza como un criterio de terminacin. No obstante, el desarrollo del mtodo con base en la serie de Taylor (cuadro 6.2), proporciona una comprensin terica respecto a la velocidad de convergencia expresada por Ei +1 = O (E2 i ) . De esta forma, el error debe ser proporcional al cuadrado del error anterior. En otras palabras, el nmero de cifras significativas de precisin aproximadamente se duplica en cada iteracin. Dicho comportamiento se examina en el siguiente ejemplo.

150

MTODOS ABIERTOS

Cuadro 6.2

Deduccin y anlisis del error del mtodo de Newton-Raphson


verdadero de la raz. Sustituyendo este valor junto con f(xr) = 0 en la ecuacin (C6.2.1)se obtiene (x ) 0 = f(xi) + (xi)(xr xi) + (xr xi)2 2! (C6.2.3)

Adems de la deduccin geomtrica [ecuaciones (6.5) y (6.6)], el mtodo de Newton-Raphson tambin se desarrolla a partir de la expansin de la serie de Taylor. Esta deduccin alternativa es muy til en el sentido de que provee cierta comprensin sobre la velocidad de convergencia del mtodo. Recuerde del captulo 4 que la expansin de la serie de Taylor se puede representar como f(xi + 1) = f(xi) + (xi)(xi + 1 xi) (x ) + (xi + 1 xi)2 2! (C6.2.1)

La ecuacin (C6.2.2) se resta de la ecuacin (C6.2.3) para obtener f (x ) 0 = (xi)(xr xi + 1) + (xr xi)2 2! (C6.2.4)

donde x se encuentra en alguna parte del intervalo desde xi hasta xi+l. Truncando la serie de Taylor despus del trmino de la primera derivada, se obtiene una versin aproximada: f(xi+1) f(xi) + (xi)(xi+1 xi) En la interseccin con el eje x, f(xi+1) debe ser igual a cero, o 0 = f(xi) + (xi)(xi+1 xi) de donde se puede despejar a xi+1, as f(xi) xi + 1 = xi (xi) que es idntica a la ecuacin (6.6). De esta forma, se ha deducido la frmula de Newton-Raphson usando una serie de Taylor. Adems de este desarrollo, la serie de Taylor sirve para estimar el error de la frmula. Esto se logra observando que si se utilizan todos los trminos de la serie de Taylor se obtendr un resultado exacto. En tal situacin xi+1 = xr, donde x es el valor (C6.2.2)

Ahora, observe que el error es igual a la diferencia entre xi + l y el valor verdadero xr , como en Et, i + 1 = xr xi + 1 y la ecuacin (C6.2.4) se expresa como f(x ) 0 = (xi)Et, i + 1 + E2t,i 2! (C6.2.5)

Si se supone que hay convergencia, entonces tanto xi como x se debern aproximar a la raz xr y la ecuacin (C6.2.5) se reordena para obtener (xr) Et, i + 1 = E 2 t,i 2(xr) (C6.2.6)

De acuerdo con la ecuacin (C6.2.6), el error es proporcional al cuadrado del error anterior. Esto significa que el nmero de cifras decimales correctas aproximadamente se duplica en cada iteracin. A este comportamiento se le llama convergencia cuadrtica. El ejemplo 6.4 ilustra esta propiedad.

EJEMPLO 6.4

Anlisis de error en el mtodo de Newton-Raphson Planteamiento del problema. Como se dedujo del cuadro 6.2, el mtodo de NewtonRaphson es convergente en forma cuadrtica. Es decir, el error es proporcional al cuadrado del error anterior: (xr) 2 Et, i + 1 E t,i 2(xr)
(E6.4.1)

Examine esta frmula y observe si concuerda con los resultados del ejemplo 6.3. Solucin. La primera derivada de f (x) = ex x es

(x) = e x 1

6.2

MTODO DE NEWTON-RAPHSON

151

que se evala en xr = 0.56714329 para dar (0.56714329) = 1.56714329. La segunda derivada es: (x) = ex la cual se evala como (0.56714329) = 0.56714329. Estos resultados se sustituyen en la ecuacin (E6.4.1): 0.56714329 2 E t,i + 1 E 2 t,i = 0.18095E t,i 2(1.56714329) En el ejemplo 6.3, el error inicial fue Et,0 = 0.56714329, el cual se sustituye en la ecuacin de error que predice Et,1 0.18095(0.56714329)2 = 0.0582 que es cercano al error verdadero de 0.06714329. En la siguiente iteracin, Et,2 0.18095(0.06714329)2 = 0.0008158 que tambin se compara de manera favorable con el error verdadero 0.0008323. Para la tercera iteracin, Et,3 0.18095(0.0008323)2 = 0.000000125 que es el error obtenido en el ejemplo 6.3. As, la estimacin del error mejora, ya que conforme nos acercamos a la raz, x y x se aproximan mejor mediante xr [recuerde nuestra suposicin al ir de la ecuacin (C6.2.5) a la ecuacin (C6.2.6) en el cuadro 6.2]. Finalmente: Et,4 0.18095(0.000000125)2 = 2.83 1015 As, este ejemplo ilustra que el error en el mtodo de Newton-Raphson para este caso es, de hecho, proporcional (por un factor de 0.18095) al cuadrado del error en la iteracin anterior. 6.2.2 Desventajas del mtodo de Newton-Raphson Aunque en general el mtodo de Newton-Raphson es muy eficiente, hay situaciones donde se comporta de manera deficiente. Por ejemplo en el caso especial de races mltiples que se analizar ms adelante en este captulo. Sin embargo, tambin cuando se trata de races simples, se encuentran dificultades, como en el siguiente ejemplo. EJEMPLO 6.5 Ejemplo de una funcin que converge lentamente con el mtodo de Newton-Raphson Planteamiento del problema. Determine la raz positiva de f (x) = x10 1 usando el mtodo de Newton-Raphson y un valor inicial x = 0.5. Solucin. La frmula de Newton-Raphson en este caso es: xi10 1 10 xi9

xi + 1 = xi

152

MTODOS ABIERTOS

que se utiliza para calcular:


Iteracin 0 1 2 3 4 5 x 0.5 51.65 46.485 41.8365 37.65285 33.887565

1.0000000

De esta forma, despus de la primera prediccin deficiente, la tcnica converge a la raz verdadera, 1, pero muy lentamente. Adems de la convergencia lenta debido a la naturaleza de la funcin, es posible que se presenten otras dificultades, como se ilustra en la figura 6.6. Por ejemplo, la figura 6.6a muestra el caso donde un punto de inflexin [esto es, (x) = 0] ocurre en la vecindad de una raz. Observe que las iteraciones que empiezan con x0 divergen progresivamente de la raz. En la figura 6.6b se ilustra la tendencia del mtodo de Newton-Raphson a oscilar alrededor de un mnimo o mximo local. Tales oscilaciones pueden persistir o, como en la figura 6.6b, alcanzar una pendiente cercana a cero, despus de lo cual la solucin se aleja del rea de inters. En la figura 6.6c se muestra cmo un valor inicial cercano a una raz salta a una posicin varias races ms lejos. Esta tendencia a alejarse del rea de inters se debe a que se encuentran pendientes cercanas a cero. En efecto, una pendiente cero [ (x) = 0] es un verdadero desastre, ya que causa una divisin entre cero en la frmula de Newton-Raphson [ecuacin (6.6)]. En forma grfica (figura 6.6d ), esto significa que la solucin se dispara horizontalmente y jams toca al eje x. De manera que no hay un criterio general de convergencia para el mtodo de NewtonRaphson. Su convergencia depende de la naturaleza de la funcin y de la exactitud del valor inicial. La nica solucin en estos casos es tener un valor inicial que sea suficientemente cercano a la raz. Y para algunas funciones ningn valor inicial funcionar! Los buenos valores iniciales por lo comn se predicen con un conocimiento del problema fsico o mediante el uso de recursos alternativos, tales como las grficas, que proporcionan mayor claridad en el comportamiento de la solucin. Ante la falta de un criterio general de convergencia se sugiere el diseo de programas computacionales eficientes que reconozcan la convergencia lenta o la divergencia. La siguiente seccin est enfocada hacia dichos temas. 6.2.3 Algoritmo para el mtodo de Newton-Raphson Un algoritmo para el mtodo de Newton-Raphson se obtiene fcilmente al sustituir la ecuacin (6.6) por la frmula predictiva [ecuacin (6.2)] en la figura 6.4. Observe, sin embargo, que el programa tambin debe modificarse para calcular la primera derivada. Esto se logra incluyendo simplemente una funcin definida por el usuario.

6.2

MTODO DE NEWTON-RAPHSON

153

Adems, a la luz del anlisis anterior sobre los problemas potenciales del mtodo de Newton-Raphson, el programa se podra mejorar incorporando algunas consideraciones adicionales:

FIGURA 6.6 Cuatro casos donde el mtodo de Newton-Raphson exhibe una convergencia deciente.

f (x)

x1

x0

x2 x

a)
f (x)

x0 x 2 x4

x3

x1

b)
f (x) x2 x1 x0 x

c)
f (x)

x0

x1

d)

154

MTODOS ABIERTOS

1. Se debe incluir una rutina de gracacin en el programa. 2. Al nal de los clculos, se necesitar sustituir siempre la raz nal calculada en la funcin original, para determinar si el resultado se acerca a cero. Esta prueba protege el desarrollo del programa contra aquellos casos en los que se presenta convergencia lenta u oscilatoria, la cual puede llevar a valores pequeos de ea, mientras que la solucin an est muy lejos de una raz. 3. El programa deber incluir siempre un lmite mximo permitido del nmero de iteraciones para estar prevenidos contra soluciones oscilantes, de lenta convergencia o divergentes que podran persistir en forma interminable. 4. El programa deber alertar al usuario para que tome en cuenta la posibilidad de que (x) sea igual a cero en cualquier momento durante el clculo.

6.3

EL MTODO DE LA SECANTE
Un problema potencial en la implementacin del mtodo de Newton-Raphson es la evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomios ni para muchas otras funciones, existen algunas funciones cuyas derivadas en ocasiones resultan muy difciles de calcular. En dichos casos, la derivada se puede aproximar mediante una diferencia finita dividida hacia atrs, como en (figura 6.7) f ( x i ) f ( xi 1 ) f ( xi ) xi 1 xi

FIGURA 6.7 Representacin grca del mtodo de la secante. Esta tcnica es similar a la del mtodo de Newton-Raphson (gura 6.5) en el sentido de que una aproximacin de la raz se predice extrapolando una tangente de la funcin hasta el eje x. Sin embargo, el mtodo de la secante usa una diferencia dividida en lugar de una derivada para estimar la pendiente.
f (x ) f (x i )

f (x i 1)

xi 1

xi