Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema2 Apuntes PDF
Tema2 Apuntes PDF
Resoluci
on de Ecuaciones
No Lineales
Indice
1. Introduccion
2. Metodo de Biseccion
2.1 Algoritmo del Metodo de Biseccion
2.2 Analisis de Metodo de Biseccion
3. Metodo de Regula-Falsi
3.1 Algoritmo del Metodo de Regula-Falsi
3.2 Analisis de Metodo de Regula-Falsi
4. Metodo de la Secante
5. Metodo de Newton-Raphson
6. Metodos Iterativos
6.1 Algoritmo de los Metodos Iterativos
6.2 Interpretacion Grafica
6.3 Convergencia de los Metodos Iterativos
6.4 Convergencia Global del Metodo de Newton-Raphson
6.5 Aplicacion del Teorema de convergencia global
7. Aceleracion de la convergencia
7.1 Aceleracion de Aitken
7.2 Aceleracion de Steffensen
Introducci
on
10 e 2 cos 2t = 4.
de incognita t.
Este problema es imposible de resolver por medios analticos sencillos.
Sea f : R R. Consideraremos la ecuaci
on en una variable
f (x) = 0.
Definici
on 1 El n
umero s se dice una soluci
on de la ecuaci
on si
se verifica que f (s) = 0, es decir, si s es una raz de la funcion f .
2
M
etodo de Bisecci
on
2.1
Algoritmo del m
etodo de Bisecci
on
Supongamos que f (x) es continua y cambia de signo en los extremos de [a, b].
Basandonos en el anterior teorema, podemos aproximar una solucion de la
ecuacion f (x) = 0 dividiendo el intervalo inicial en dos subintervalos iguales
y eligiendo aquel en el que f (x) cambia de signo. Despues se repite el proceso
hasta que se verifique alg
un criterio de parada.
Algoritmo del M
etodo de Bisecci
on
1. a0 = a, b0 = b
2. Para n = 0, 1, . . ., hacer:
1
mn = (an + bn )
2
Si f (an )f (mn ) < 0, tomar an+1 = an , bn+1 = mn ; en caso
contrario, tomar an+1 = mn , bn+1 = bn .
Ejemplo
Resolver mediante al algoritmo de biseccion la ecuacion
ex x = 0
en [0, 1].
3
2.2
An
alisis del M
etodo de Bisecci
on
C
alculo previo del n
umero de interaciones
Recordemos que
Para garantizar que el error del Metodo de Biseccion sea menor o igual que
un cierto valor de tolerancia se aplica el siguiente resultado:
Teorema1 (Error absoluto m
aximo del M
etodo de Bisecci
on)
Sea f : [a, b] R una funcion continua en [a, b] tal que f (a)f (b) < 0
y f (s) = 0, para alg
un s (a, b). Sea {mn }n=0,1,... la sucesion de aproximaciones de s obtenidas mediante el Metodo de Biseccion y en = |s mn |, para
n = 0, 1, . . .. Entonces
en
ba
.
2n+1
Esquema de Demostracion
1
en = |mn s| mn an = bn mn = (bn an ) =
2
1
(bn1 an1 ) = . . . =
22
1
(b0 a0 ).
n+1
2
Luego
en
b.a
.
2n+1
log
n
f (t) = 10 e 2 cos 2t 4 = 0.
Supongamos que deseamos que en = 103 . Como f (0) = 6 > 0 y
f (1) = 6.524 < 0 entonces podemos tomar [a, b] = [0, 1].
El n
umero de iteraciones que debemos realizar para asegurar la tolerancia de
error considerada es:
1
103 1 8.966,
log2
log
n
es decir, n = 9.
3
3.1
M
etodo de Regula-Falsi
Algoritmo del M
etodo de Regula-Falsi
af (b) bf (a)
.
f (b) f (a)
6
Se verifica que:
mn converge mas rapidamente a s que en el Metodo de Biseccion.
Un extremo es fijo.
La amplitud de los intervalos no tiene a cero.
No admite acotacion del error.
Luego el algoritmo es el siguiente
Algoritmo del M
etodo de Regula-Falsi
1. a0 = a, b0 = b
2. Para n = 0, 1, . . ., hacer:
mn =
an f (bn ) bn f (an )
f (bn ) f (an )
M
etodo de la secante
Algoritmo del M
etodo de la Secante
1. x0 = a, x1 = b
2. Para n = 1, 2 . . ., hacer xn+1 =
Ejemplo
Calculemos mediante 5 pasos del metodo de la secante una aproximacin de
la solucion del problema de la oscilacion amortiguada de una estructura.
Se trataba de calcular la solucion de la ecuacion
t
f (t) = 10 e 2 cos 2t 4 = 0.
8
= 0.479078
= 0.517905
= 0.513640
= 0.513652,
con lo cual podemos afirmar que una aproximacion con cuatro decimales
exactas de la solucion es 0.5126.
M
etodo de Newton-Raphson
xn+1 = xn
f (xn )
.
f 0 (xn )
Algoritmo del M
etodo de Newton-Raphson
1. Dado x0
2. Para n = 1, 2 . . ., hacer xn+1 = xn
f (xn )
f 0 (xn )
Observaciones sobre el M
etodo de Newton-Raphson
Es el mas rapido
Requiere que f 0 (s) 6= 0
Elegir x0 puede ser delicado
La acotacion del error es complikcada
El criterio de parada mas usual es la repeticion de cifras.
Ejemplos A continuacion presentamos la solucion aproximada de algunas
ecuaciones con el metodo:
11
M
etodos Iterativos
6.1
Algoritmo de los m
etodos iterativos
Los metodos iterativos se basan en el calculo de un punto fijo para una cierta
funcion g(x). El siguiente resultado determina condiciones suficientes para
la existencia de un punto fijo para g(x).
Teorema del punto fijo Sea g : [a, b] R una funcion derivable verificando:
g([a, b]) (a, b),
maxx[a,b] |g 0 (x)| < 1.
Entonces existe un u
nico s [a, b] tal que g(s) = s y, ademas, para todo
x0 [a, b], la sucesion {xn } generada por la iteracion xn+1 = g(xn ) converge a s.
Demostraci
on Sea h(x) = g(x) x, para todo x [a, b]. Entonces h(x)
es continua y verifica que h(a) > 0 y h(b) < 0, por lo que se verifican las
condiciones del Teorema de Bolzano. En consecuencia, existe un s (a, b)
tal que h(s) = 0, es decir g(s) = s.
Para demostrar la unicidad, supongamos que existe dos valores s, t (a, b)
tales que g(s) = s y g(t) = t, entonces, por el Teorema del Valor Medio,
existe c (s, t) tal que g(t) g(s) = g 0 (c)(t s), es decir, g 0 (c) = 1, lo que
contradice la segunda condicion.
12
Algoritmo de un M
etodo Iterativo
1. Dado x0 [a, b]
2. Para n = 1, 2 . . ., hacer xn+1 = g(xn )
6.2
Interpretaci
on gr
afica de los m
etodos iterativos
Se
un sea g(x) y se elija x0 , los metodos iterativos pueden ser convergentes o
divergentes y, en ambos casos pueden variar en forma espiral o en escalera,
como se indican en los siguientes graficos.
13
6.3
Convergencia de los m
etodos iterativos
Definici
on 2 Se define el orden de convergencia de una sucesion {xn } hacia
un valor s como aquel n
umero real p 1 tal que
em+1
= 6= 0, .
p
n+ en
lim
n +.
14
15
6.4
Demostraci
on Por [1.], aplicando el Teoreme de Bolzeno, existe al menos
una raz s para f (x); y por [2.], aplicando el Teorema de Rolle, la raz s es
u
nica.
Asimismo, por [2.] y [3.], f 0 y f 00 conserva su signo en [a,b].
Supongamos que f 0 (x) > 0 y f 00 (x) 0, para todo x [a, b] (en el resto de
los casos se razona analogamente).
16
f (x)
f (x)f 00 (x)
0
se
tiene
que
g
(x)
=
, y por ser f (x)
f 0 (x)
(f 00 (x))2
creciente, se verifica que g(x) es decreciente en [a, s] y creciente en [s, a].
Entonces
Tomando g(x) = x
si x [a, s], s = g(s) g(x) g(a) = b por [4.], luego g(x) [s, b];
si x [s, b], s = g(s) g(x) g(b) = b po definicion de g, luego
g(x) [s, b].
Por tanto, para todo x0 [a, b], la sucesion del metodo de Newton-Raphson
{xn } [s, b].
f (xn )
< xn , luego la sucexsion es estricf 0 (xn )
tamente creciente y acotada. En consecuencia tiene lmite, es decir, existe
s0 [s, b] tal que lim = s0 .
Ademas xn+1 = g(xn ) = xn
n+
6.5
Aplicaci
on del teorema de convergencia global
|f (b)|
b2 c
b2 a2
(b + a)(b a)
=
=
b a, luego se verifica
0
|f (b)|
2b
2b
2b
esta hipotesis.
7
7.1
Aceleraci
on de la convergencia
M
etodo de Aitken
Teorema de aceleraci
on de Aitken
Sea {xn } s al menos linealmente. Se define
x
bn = xn
(xn+1 xn )2
.
xn+2 2xn+1 + xn
Entonces {b
xn } s mas rapidamente en el sentido
ebn
= 0,
n+ en
lim
siendo ebn = x
bn s y en = xn s.
Demostraci
on Supongamos que
Entonces
en+1
= kn con lim kn = y || < 1.
n+
en
(xn+1 xn )2
ebn = x
bn s = xn
s=
xn+2 2xn+1 + xn
(en+1 en )2
((xn+1 s) (xn s))2
= en
=
xn s
(xn+2 s) 2(xn+1 s) + (xn s)
en+2 2en+1 + en
e2n (kn 1)2
kn (kn+1 kn )
en
= en
,
en (kn+1 kn 2kn + 1)
kn+1 kn 2kn + 1
luego
7.2
ebn
0.
en
M
etodo de Steffensen
18
Definimos
x000
(x1 x0 )2
= x0
,
x2 2x1 + x0
x0
= x00n
(n+1)
(n+1)
x1
= g(x0
),
(n+1)
(n+1)
x2
= g(x1
),
(n+1)
x00n+1
(n+1)
x0
(x1
(n+1)
x2
(n+1) 2
x0
(n+1)
2x1
(n+1)
+ x0
19