MN Raices

Metodos Numricos Tema: Solucin de ecuaciones no lineales
Irene Tischer
Escuela de Ingeniera y Computacin Universidad del Valle, Cali
Typeset by FoilTEX
Mtodos numricos
Tema: Sistemas Lineales
Contenido
1. Generalidades 2. El mtodo de Biseccin 3. El mtodo de Newton-Raphson 4. Sistemas de ecuaciones no lineales
Typeset by FoilTEX
Mtodos numricos
Contenido
1.
Generalidades
2. El mtodo de Biseccin 3. El mtodo de Newton-Raphson 4. Sistemas de ecuaciones no lineales
Typeset by FoilTEX
Mtodos numricos
1. Generalidades
Motivacin
En muchas situaciones surge, de manera natural, el clculo de las races de una ecuacin no lineal en una variable,
f (x) = 0
Ciertas ecuaciones no lineales pueden resolverse analticamente:
6x2 7x + 2 = 0
(3x 2)(2x 1) = 0
x = 2, 1 3 2 x=
n n 5 , 2 ,n
cos 3x cos 7x = 0 2 sin 5x sin 2x = 0
Otras ecuaciones no lineales no tienen solucin analtica:
x2
10 x + 1 = 0,
cosh
x2 + 1 ex + log | sin x| = 0
Muchas veces los coecientes de las ecuaciones no lineales se conocen solo de forma aproximada, por lo que carecera de sentido un clculo exacto.
Typeset by FoilTEX 4
Mtodos numricos
1. Generalidades
Clculo aproximado de races

Entonces es importante el estudio de mtodos numricos para encontrar las soluciones races de una ecuacin:
f (x) = 0 en [a, b]
que permitan aproximarlas con el grado de precisin deseado. Los mtodos numricos para buscar la las races de una ecuacin no lineal
f (x) = 0
estn basados en tcnicas iterativas: Comenzando por una solucin aproximada, se utiliza un algoritmo numrico que mejora la solucin hasta que se satisface un determinado criterio de convergencia.
Typeset by FoilTEX
Mtodos numricos
1. Generalidades
Etapas del clculo aproximado de races

En el clculo aproximado de races de una ecuacin,
f (x) = 0 en [a, b]
podemos distinguir dos etapas principales, 1.
Separacin de races: Se establecen subintrvalos de [a, b] que contengan

una y solo una raz de la ecuacin. Teorema de Bolzano: nos garantiza la existencia de races. Teorema de Rolle: nos acota el nmero de races que pueda haber.
2.
iterativo que conduce a una sucesin: {xn} que tiende al valor de la raz. n=0 Se toma como aproximacin de la solucin un elemento de la sucesin prximo a la raz.
Clculo de las races: En cada uno de los intervalos se aplica un proceso
Typeset by FoilTEX
Mtodos numricos
1. Generalidades
Teorema de Bolzano
Sea f una funcin real, continua en el intervalo [a, b]. Si el signo de f cambia en los extremos del intervalo, es decir si f (a)f (b) < 0, entonces f tiene por lo menos una raz en (a, b).
raiz a b
Figura 1. El teorema de Bolzano
Typeset by FoilTEX
Mtodos numricos
1. Generalidades
Teorema de Rolle
Sea f una funcin real, continua y diferenciable en el intervalo [a, b]. Si f (a) = f (b), entonces existe u en (a, b) tal que f (u) = 0.
fHuL=0
fHaL
fHbL
Figura 2. El teorema de Rolle

u b
Typeset by FoilTEX
Mtodos numricos
1. Generalidades
Uso de los teoremas de Bolzano y Rolle

1. Una funcin real diferenciable montona en el intervalo [a, b], que cambia de signo en los extremos, tiene exactamente una raz. 2. Si f es continua y diferenciable en [a, b] y si f tiene n races, entonces f tiene a lo sumo n + 1 races. 3. Si la segunda derivada f de f tiene signo constante, entonces f tiene a lo sumo 2 races.
Typeset by FoilTEX
Mtodos numricos
Contenido
1. Generalidades 2.
El mtodo de Biseccin
3. El mtodo de Newton-Raphson 4. Sistemas de ecuaciones no lineales
Typeset by FoilTEX
10
Mtodos numricos
2. El mtodo de Biseccin
Objetivo
Dada la funcin f (x) continua en [a, b] tal que f (a)f (b) < 0, el objetivo es encontrar x (a, b) tal que f (x) = 0 y en su defecto una aproximacin cuyo error absoluto sea menor que una tolerancia deseada. Se supone que hay una raz y solo una en el intervalo [a, b].
Typeset by FoilTEX
11
Mtodos numricos
Procedimiento
El mtodo de biseccin est basado en el teorema de Bolzano que garantiza la existencia de una raz en [a, b] si hay cambio de signo de f . Partiendo del intervalo inicial, el mtodo de biseccin construye un sucesin de intervalos siempre ms pequeos que contiene una raz ya que se mantiene el cambio de signo (gura 3).
0.75
1.125
1.5
intervalo iteracion 1 intervalo iteracion 2
Figura 3. Tres pasos de biseccin para la funcin f (x) = x2 2, empezando en el intervalo [0,3].
intervalo iteracion 3
Typeset by FoilTEX
12
Mtodos numricos
Procedimiento
macin inicial de la raz. Pueden presentarse dos casos:
(continuacin)
Iniciamos con el intervalo [a, b], el punto intermedio x =
a+b es la aproxi2
1. f (x) = 0, entonces se encontr una raz exacta: x = x =
2. f (x) = 0. entonces se elige aquel intervalo [a, x] [x, b], en cuyos extremos la funcin toma signos opuestos. De esta forma se aplica otra vez el teorema de Bolzano. Reiterando el proceso anterior bien obtenemos la raz exacta bien una sucesin de intervalos cerrados encajados que tienden hacia el valor de la raz. Se toma como aproximacin de la raz el punto medio del intervalo obtenido en la ltima iteracin.
a+b . 2
Mtodos numricos
Anlisis del error

Sea L = L(0) = b a el tamao inicial del intervalo. Despus de la primera iteracin, k = 1, la raz se encuentra contenida en un intervalo cuyo tamao es
(1)
b a 1 (0) = = L . 2 2
Despus de la k -sima iteracin, el tamao ser,
ba 1 L(k) = L(k1) = k . 2 2
Esto signica que la sucesin de intervalos construida por el mtodo de biseccin, se contrae a un solo punto, que es una raz exacta de la funcin f .
Typeset by FoilTEX
14
Mtodos numricos
Anlisis del error
(continuacin)
La aproximacin de la raz en la k -sima iteracin es el punto medio del intervalo xk . Por eso, el error es menor o igual que la mitad de la longitud del intervalo.
0 = |x0 x|
L ; 2
L(1) L 1 = |x1 x | = 2; 2 2
. . .
L L(k) = k+1 . k = |xk x | 2 2
El error converge a 0, es decir, el mtodo de biseccin converge a la raz verdadera. La convergencia es lenta, en cada iteracin el error se reduce a la mitad.
Typeset by FoilTEX
15
Mtodos numricos
Tolerancia
El comportamiento del error permite calcular con anticipacin el nmero de iteraciones requeridas para obtener una aproximacin con una tolerancia deseada. Sea la tolerancia deseada, es decir, se debe iterar hasta que |x x| , Despus de la k -sima iteracin tenemos |x x| Seleccionando kmax tal que la tolerancia deseada .
L(k) 2
ba 2k+1
ba 2kmax+1
, se obtiene un error por debajo de
Por eso, para el nmero kmax de iteraciones requeridas para obtener la tolerancia se debe cumplir:
kmax + 1 log2 ba
o sea
kmax = (int) log2 ba
Typeset by FoilTEX
16
Mtodos numricos
Algoritmo BISECCIN
Entrada: Salida: Paso 1: la funcin f ; el intervalo [a, b]; la tolerancia . solucin aproximada o exacta o mensaje de fracaso Si f (a) f (b) 0 , si la funcin no cambia de signo, el mtodo de biseccin no funciona
Paso 2:
` ba kmax (int) log2 para k = 1 hasta kmax haga si f (x) = 0, devuelva x si f (a) f (x) < 0, entonces b x sino a x
(n para) devuelva x .
devuelva Mensaje de fracaso
kmax es el nmero de iteraciones iterar hasta llegar a la tolerancia

se encontr una raz exacta se sigue con el intervalo, donde hay cambio de signo
Paso 3:
x es la aproximacin de la raz
Typeset by FoilTEX
17
Mtodos numricos
Ejemplo
Determinar la raz de la funcin f denida por f (x) := x2 2 con una tolerancia = 0.01, empezando con el intervalo [0, 2].
Typeset by FoilTEX
18
Mtodos numricos
Paso 1:
f (0) = 2, f (2) = 2, es decir tenemos signos opuestos. ` kmax = (int) log2 ba = (int) (log2 200) = 7.
Se necesitan 7 iteraciones Iteracin
a
0 1 1
Solucin
Paso 2:
it.
0 1 2 3 4 5 6 7
b
2 2 1.5 1.5 1.5 1.4375 1.4375 1.421875
x
1 1.5 1.25 1.375 1.4375 1.40625 1.421875 1.4140625
f (a)
-2 -1 -1 -0.4375 -0.109375 -0.109375 -0.0224609375 -0.0224609375
f (b)
2 2 0,25 0.25 0.25 0.06640625 0.06640625 0.021728515625
f (x)
-1 0.25 -0.4375 -0.109375 0.06640625 -0.0224609375 0.021728515625 -0.00042724609375
err.
1
21 22 23 24 25 26 27
1.25 1.375 1.375 1.40625 1.40625
Paso 3:
Obtenemos la aproximacin de la raz x = 1,4140625 con una tolerancia = 0.01 (el error verdadero es
1 =0.0078125). 27 En comparacin: la solucin exacta es 2 = 1,414213562...
Typeset by FoilTEX
19
Mtodos numricos
Observaciones generales
1. Si la funcin f es continua y cambia de signo en el intervalo [a, b], el mtodo de biseccin converge a una raz (gura 4a). 2. Si la funcin f es continua y no cambia de signo en el intervalo [a, b], el mtodo de biseccin no funciona. Es decir, el mtodo no es capaz de encontrar la raz en la situacin de la gura 4b. 3. Si la funcin f no es continua, el mtodo encuentra un punto de discontinuidad donde la funcin cambia de signo (gura 4c). Un seguimiento de los valores de f (x) muestra si se trata de una raz o una discontinuidad. 4. Si la funcin f es continua y cambia de signo en el intervalo [a, b], el mtodo encuentra una raz de la funcin. Si f tiene varias races, se es importante separarlas para poder controlar el procesos (gura 4d).
Typeset by FoilTEX
20
Mtodos numricos
Comportamientos del mtodo de biseccin
a) Se cumplen los supuestos, el mtodo converge.
c) El mtodo de biseccin encuentra la discontinuidad
b) La funcin no cambia de signo, el mtodo de biseccin no funciona.
d) Si hay varias races en el intervalo, el mtodo de biseccin encuentra una de ellas.
Figura 4. El mtodo de biseccin en diferentes situaciones
Typeset by FoilTEX
21
Mtodos numricos
Contenido
1. Generalidades 2. El mtodo de Biseccin 3.
El mtodo de Newton-Raphson
4. Sistemas de ecuaciones no lineales
Typeset by FoilTEX
22
Mtodos numricos
3. El mtodo de Newton-Raphson
Desarrollo de la frmula de Newton - Raphson

El mtodo de Newton-Raphson es un proceso iterativo para encontrar una aproximacin a la raz de una funcin. Se basa en el teorema de desarrollo de Taylor: Si f es una funcin de C 2 (es decir, dos veces continuamente derivable), se puede desarrollar f en un punto x para obtener su valor en la raz x:
0 = f (x) = f (x) + (x x)f (x) + O (x x)2

Ignorando el residuo se obtiene
0 = f (x) f (x) + (x x)f (x)

Resolviendo la ecuacin obtenemos
x x
f (x) f (x)
Typeset by FoilTEX
23
Mtodos numricos
Aplicacin iterativa de la frmula de Newton - Raphson

Mtodo de Newton - Raphson: Se comienza tomando un valor inicial x0 de prueba que se supone est sucientemente cerca de la raz x. Se itera usando la frmula
xk+1 = xk
f (xk ) . f (xk )
Typeset by FoilTEX
24
Mtodos numricos
Interpretacin grca
La primera iteracin consiste en tomar como aproximacin el punto x1 de corte de la recta tangente a la grca de la funcin f (x) en el punto x1. La ecuacin de esta recta es y = f (x0) + (x x0)f (x0). Por tanto la interseccin de la recta con el eje de abscisas es x1 = x0
f (x0 ) f (x0 ) .
Reiterando este proceso sucesivamente se obtiene la sucesin de valores xk .
12.5 10 7.5 5 2.5
para la funcin f (x) = x2gHxL 2, usando el punto inicial x0 = 3. -5
Figura 5. El mtodo x1=1.8333 x0=3 de Newton-Raphson -2.5

fHxL
Typeset by FoilTEX
25
Mtodos numricos
Condiciones de parada para el mtodo de Newton

Se usan 3 diferentes condiciones de parada: 1. En trminos del error aproximativo relativo: la tolerancia deseada.
|xk+1 xk | x, donde x es |xk+1|
2. En trminos del valor de la funcin en la aproximacin: |f (xk )| f , donde f signica la desviacin mxima de 0. 3. En trminos del nmero de iteraciones: esta condicin que garantiza que el algoritmo para, aun que no converge. En resumen, para actuar con cautela el consejo es parar las iteraciones cuando los dos tests se cumplen o cuando se han realizado el nmero de iteraciones.
Typeset by FoilTEX
26
Mtodos numricos
Algoritmo NEWTON - RAPHSON

Entrada: Salida Paso 1 la funcin f y su derivada f ; las tolerancia x , f ; el nmero mximo de iteraciones kmax ; una aproximacin inicial x0 de la raz. solucin aproximada; condicin de parada activa
k 1; x1 x0
f (x0 ) f (x0 )
inicializacin; se manejan las variables
x1 : aproximacin actual x0 : aproximacin anterior

Paso 2 mientras si no se cumple la condicin de parada
|x1 x0 | > x |x1 |
|f (x1 )| > f f (x0 ) ; f (x0 )

(n mientras)
k < kmax x0 x1 ; x1 x0
Paso 3 si determinar nueva aproximacin
k k + 1;
|x1 x0 | x |f (x1 )| f |x1 |
mensaje de acuerdo a la condicin de parada
devuelva parada por tolerancia si no devuelva parada por nmero de iteraciones devuelva x1 .
Typeset by FoilTEX
x1 es aproximacin de la raz
27
Mtodos numricos
Ejemplo
Aplicar el mtodo de Newton - Raphson a la funcin f (x) = x2 2, iniciando en el punto x0 = 1, usando las tolerancias x = 105, f = 105 y un nmero mximo de 50 iteraciones.
Solucin
it.
1 2 3 4
x0
1 1.5 1.41666667 1.41421569
f (x0)
-1 0.25 0.00694445 0.00000602
f (x0)
2 3 2.83333334 2.82843138
x1 = x0
1.5
f (x0 ) f (x0 )
|x1 x0| |x1|

0.33333333 0.29411765 0.00173310 0.00000151
1.41666667 1.41421569 1.41421356
Despus de 4 iteraciones se alcanza una aproximacin con las tolerancias deseadas. La aproximacin de la raz ya coincide en los 8 primeros decimales con el valor verdadero.
Typeset by FoilTEX
28
Mtodos numricos
Anlisis del error y convergencia

Deniendo el error en la k -sima iteracin como k := xk x y suponiendo que f C 2 con f (r) = 0 se tiene por el desarrollo de Taylor
0 = f (x) = f (xk k ) = f (xk ) x; es decir 1 2 f (k ) k f (xk ) f (xk ) = 2 k
k f (xk ) +
1 2 k f (k ) con k entre xk y 2
De ah se obtiene para el error de la iteracin k + 1:
2 f (xk ) f (k f (xk ) k f (xk ) f (xk ) x = k = = k = xk+1 r = xk k+1 f (xk ) f (xk ) f (xk ) 2f (xk ) 2 2 f (r) k f (k ) es decir: k+1 = k = C 2. k 2f (xk ) 2f (x) Esto signica que el error en la iteracin k + 1 es proporcional al cuadrado de error en la iteracin k. Por eso se habla de convergencia cuadrtica. Este hecho
permite derivar el siguiente teorema:
Typeset by FoilTEX
29
Mtodos numricos
Teorema (convergencia en una vecindad de la raz)

Sea f C 2 y x una raz simple de f (es decir, f (x) = 0). Entonces el mtodo de Newton-Raphson converge para todos los puntos en una vecindad de la raz.
El teorema es de poca aplicabilidad prctica, porque garantiza convergencia en una vecindad, pero no la especica. La gura 6 muestra una situacin, donde el mtodo de Newton no converge, ya que se selecciona el punto inicial x0 NO sucientemente cercano a la raz. El siguiente teorema garantiza la convergencia si se cumplen ciertas hiptesis sobre la funcin f .
fHxL
g2HxL
g1HxL
Figura 6. El mtodo de Newton-Raphson diverge, ya que el punto inicial x0 no se encuentra sucientemente cercano a la raz.
x0 x1 x2
Mtodos numricos
Supuestos
La convergencia del mtodo de Newton se asegura mediante los siguientes supuestos sobre la funcin f : [a, b] R. continuas.
f C 2[a, b], es decir las funciones derivadas de f hasta el orden 2 son f (a)f (b) < 0. f tiene signo constante en [a, b]. f tiene signo constante en [a, b].
(Convergencia del mtodo de Newton-Raphson)
Teorema
Si la funcin f : [a, b] R verica los supuestos anteriores y tomamos x0 el extremo del intervalo [a, b] tal que, signof (x0) = signof entonces el mtodo de Newton converge al menos cuadrticamente a la nica raz de f (x) en [a, b].
Mtodos numricos
Ventajas y desventajas del mtodo de Newton-Raphson

Resumiendo se puede decir: Si el mtodo de Newton converge, la convergencia es generalmente rpido (cuadrtico). Pero se puede obtener divergencia, si el punto inicial no est seleccionado apropiadamente.
Typeset by FoilTEX
32
Mtodos numricos
El mtodo de la secante
Si no se dispone de la derivada de la funcin f , o si la derivada es difcil de evaluar, se puede utilizar una aproximacin numrica de la derivada:
f (xk ) f (xk1) f (xk ) xk xk1

Remplazando la derivada en la frmula de Newton-Raphson por esta aproximacin, se obtiene el mtodo de la secante:
xk+1 = xk f (xk )
xk xk1 . f (xk ) f (xk1)
Obviamente se requiere denir dos puntos iniciales x0 y x1.
Typeset by FoilTEX
33
Mtodos numricos
Interpretacin grca
La interpretacin grca de este mtodo ilustra la gura 7. Dadas las aproximaciones xk y xk1 de la raz, obtenidas en los dos ltimas iteraciones se construye la recta que coincide con f en estos puntos. La nueva aproximacin es la raz de esta recta.
Figura 7. El mtodo de la secante para la funcin f (x) = x2 2. Los puntos iniciales son x0 = 0 y x1 = 3.
x0=0
x2
x3
x4
x1=3
Typeset by FoilTEX
34
Mtodos numricos
Ejemplo
Aplicar el mtodo de la secante a la funcin f (x) = x2 2, iniciando con x0 = 0 y x1 = 3.
Solucin
x x 30 3 x2 = x1 f (x1) f (x11)f0(x) = 3 f (3) f (3)f (0) = 3 7 7(2)) = 2 3
x3 = x2
f (x2) f (xx2x1 1) 2 )f (x
=2
2 2 3 3 f ( 3 ) f ( 2 )f (03) 3
= 1,0909.
La sucesin (xk ) de aproximaciones de la raz que se obtiene es: 0, 3, 0.6667, 1.0909, 1.5517, 1.3974, 1.1434, 1.4142.... Se observa, que el mtodo de la secante se comporta muy parecido al mtodo de Newton-Raphson: converge muy rpido.
Typeset by FoilTEX
35
Mtodos numricos
La situacin con races mltiples

La situacin con races mltiples requiere atencin especial. Si la funcin f tiene una raz x con multiplicidad par, f no cambia el signo en un entorno de x, es decir, el mtodo de biseccin no es aplicable (ver gura 4b). Si x tiene multiplicidad m > 1,no se cumplen los supuestos del teorema de convergencia en una vecindad. No se puede garantizar convergencia cuadrtica en una vecindad de la raz, generalmente, el mtodo de Newton-Raphson se vuelven lento. Esto se debe al hecho, que la derivada f de f tambin tiene una raz en x, es decir se aproxima la raz, usando rectas con pendientes siempre ms pequeos. Por la misma razn, el mtodo de la secantes es lento para m > 1: las pendientes de las secantes que usa el mtodo, convergen a 0.
Typeset by FoilTEX
36
Mtodos numricos
Ejemplo
La funcin f (x) := (x 1)3(x 3) tiene raz triple en x = 1. Aplicar el mtodo de Newton-Raphson iniciando en el punto x0 = 0.
Solucin
Aplicando el mtodo de Newton-Raphson se obtiene las siguientes aproximaciones de la raz: 0, 0.3, 0.5148, 0.6666, 0.7727, 0.8460, 0.8961, 0.9302, 0.9532, 0.9687, 0.9791, 0.9860, 0.9907, 0.9938, 0.9958, 0.9972, 0.9982, 0.9988, 0.9992, 0.9995, 0.9996, ... Se observa que la convergencia es muy lenta.
Typeset by FoilTEX
37
Mtodos numricos
Modicaciones del mtodo de Newton-Raphson para la bsqueda de races mltiples

Variante 1.
Si se conoce la multiplicidad m de la raz se puede aplicar la frmula modicada:
xk+1
f (xk ) = xk m . f (xk )
Typeset by FoilTEX
38
Mtodos numricos
Modicaciones del mtodo de Newton-Raphson para la bsqueda de races mltiples (continuacin)

Variante 2.
Observando que la funcin u(x) :=
f (x) tiene las mismas races que f , f (x) se aplica el mtodo de Newton-Raphson a u para obtener las races de f .
Aplicando la regla del cociente se obtiene:
d u (x) = dx f (x) f (x) f (x)f (x) f (x)f (x) = (f (x))2
u(x) f (x)f (x) = u (x) (f (x))2 f (x)f (x)
y se obtiene la frmula modicada
xk+1 = xk
f (x)f (x) (f (x)) f (x)f (x)

2
Typeset by FoilTEX
39
Mtodos numricos
Ejemplo
Aplicar los mtodos modicados para races mltiples a la funcin
f (x) := (x 1)3(x 3) iniciando en el punto x0 = 0.
Typeset by FoilTEX
40
Mtodos numricos
Solucin
Las derivadas de f son:
f (x) := 2(x 1)2(2x 5) f (x) := 12(2 3x + x2)
Typeset by FoilTEX
41
Mtodos numricos
Solucin: Variante 1
La raz x = 1 tiene multiplicidad m = 3, por eso se aplica la frmula
xk+1
f (xk ) (xk 1)3(xk 3) = xk 3 = xk 3 . 2 (2x 5) f (xk ) 2(x 1)
Iniciando en x0 = 0 se obtiene
f (x0) 9 (0 1)3(0 3) x1 = x0 3 = = 0,9. =03 2 (2 0 5) f (x0) 2(0 1) 10 (0,9 1)3(0,9 3) f (x1) = 0,9 3 = 0,9984 x2 = x1 3 f (x1) 2(0,9 1)2(2 0,9 5) f (x2) (0,9984 1)3(0,9984 3) x3 = x2 3 = 0,9984 3 = 1. f (x2) 2(0,9984 1)2(2 0,984 5)
Se observa que el mtodo modicado converge muy rpido a la raz mltiple.
Typeset by FoilTEX
42
Mtodos numricos
Solucin: Variante 2
Iniciando en x0 y aplicando la frmula modicada
xk+1 = xk
se obtiene
f (x)f (x) (f (x)) f (x)f (x) =

2
x1 = x0 = x0
f (x0)f (x0)
2
(f (x0)) f (x0)f (x0) (x0 1)3(x0 3)(x0 1)2(2x0 5) 1)2(2x

0
((x0
5)) (x0
1)3(x
3)12(2 3x0 +
x2 )
= 1,0714
y de manera anloga:
x2 = 1,0009; x3 = 1.
Otra vez se verica la convergencia rpida del mtodo.
Typeset by FoilTEX
43
Mtodos numricos
Contenido
1. Generalidades 2. El mtodo de Biseccin 3. El mtodo de Newton-Raphson 4.
Sistemas de ecuaciones no lineales
Typeset by FoilTEX
44
Mtodos numricos
El problema multidimensional
Generalizando el caso undimensional, se busca la solucin de un sistema de n ecuaciones en n variables:
f1(x1, x2, . . . , xn) = 0 f2(x1, x2, . . . , xn) = 0

. . .
fn(x1, x2, . . . , xn) = 0

En forma compacta se puede escribir el sistema como
donde X = [x1, x2, . . . , xn]; 0 es el vector de n componentes iguales a 0 y f1(X) f2(X) n n . F la funcin de R R denida por F (X) = . . . fn(X)
F [X] = 0
Typeset by FoilTEX
45
Mtodos numricos
El problema multidimensional
(continuacin)
Se debe encontrar la interseccin de los conjuntos de las races de cada ecuacin, un problema difcil en el caso no lineal ya que las ecuaciones no son relacionadas entre s (gura 8). Generalmente ni siquiera se sabe, cuantas soluciones tiene el sistema. Si las funciones f1,f2, ..., fn son lineales, el problema es ms sencillo: se busca la solucin del sistema lineal
a11x1 + a12x + . . . + a1nxn b1 = 0 a21x1 + a21x + . . . + a2nxn b2 = 0

. . .
an1x1 + an2x2 + . . . , +annx bn = 0

problema que se resuelve con los mtodos estndares de algebra matricial.
Typeset by FoilTEX
46
Mtodos numricos
Enfoque: Linealizacin del problema

Dado que el problema de resolver sistemas de ecuaciones lineales es ms fcil, los mtodos nmericos para sistemas no lineales se basan en la linealizacin del problema: Se aproxima el sistema no lineal por uno lineal, que se resuelve ms facilmente. La solucin del sistema lineal es una aproximacin del sistema no lineal. 1 La linealizacin hace uso de la generalizacin del teorema de Taylor para el caso multidimensional. Como en el cso de una dimension, el desarrollo de Taylor de orden 1 aproxima la funcin por una funcin lineal.
en lo que sigue se discute el caso dos dimensional, la generalizacin a ms dimensiones es obvia.

47
Typeset by FoilTEX
Mtodos numricos
Ejemplo
Resolver el sistema:
c (x1 2)2 + (x2 2)2 = 0 x1 sen(x1 x2) + c = 0 (c es un nmero real) x2 + 1

Las funciones correspondientes son:
f1(x1, x2) = c (x1 2)2 + (x2 2)2 x1 f2(x1, x2) = sen(x1 x2) + c x2 + 1
y el sistema correspondiente se escribe como
F (X) =
f1(X) f2(X)
c (x1 2)2 + (x2 2)2f1(X) x1 sen(x1 x2) + c x2 + 1
= 0
Typeset by FoilTEX
48
Mtodos numricos
Ejemplo
(continuacin)
En la gura siguiente (gura 8) se hace evidente la dicultad de un procedimiento analtico para la solucin del problema. Se muestran las 2 funciones y sus lineas de nivel. Las soluciones del sistema corresponden a las intersecciones de las lineas de nivel 0 de llas dos funciones. Se observa como se varian las soluciones para diferentes valores del parmetro c. No existe relacin geomtrica que se puede aprovecha en un algoritmo que localiza las races.
Typeset by FoilTEX
49
Mtodos numricos
f1(x1, x2) = c (x1 2)2 + (x2 2)2

4
4
2
2 0 -2 -4 0 1 2 3 1 3
0 0 1 2 3 4
a) La grca tridimensional de f1
40
b) Las lneas de nivel de la funcin f1
x1 f2(x1, x2) = sen(x1 x2 ) + c x2 + 1

4 3
3 2 1 0 -1 0 1 2 3 1
4 3
1
0 0 1 2 3 4
c) La grca tridimensional de f2 .
40
d) Las lneas de nivel de la funcin f2 .
Figura 8.
Mtodos numricos
Teorema (desarrollo de Taylor)

Si F : Rn Rnes dos veces continuamente diferenciable, X Rn, entonces:
F (X0 + H) = F (X0) + F |X0 H + R1 donde para el residuo R1 se tiene: R1 = O( H 2). h1 Aqu H = es el paso: h1 para la variable x1 y h2 para x2.; h2 x1 , x2
es el gradiente.
f1 f2
, se obtiene
Dado que F = de F .
F =
f1 x1 f2 x1
f1 x2 la matriz jacobiana f2 x2
Typeset by FoilTEX
51
Mtodos numricos
Desarrollo del mtodo de Newton-Raphson para sistemas de ecuaciones

El mtodo de Newton se puede generalizar al caso de sistemas de ecuaciones no lineales, basado en el teorema de Taylor para el caso multidimensional: con el teorema de Taylor se obtiene:
Sea X = X0 + H una raz de F , entonces F (X ) = F (X0 + H) = 0 , y

0 = F (X) F (X0) + J |X0 H

Observese que la ecuacin anterior es un sistema lineal de ecuaciones para determinar el vector desconicido H,es decir, linealizamos el problema original. Si la jacobiana J |X0 no es singular, se puede resolver este sisterma, multiplicando la 1 anterior ecuacin con su inversa (J |X0 ) , y se obtiene:
1 1 0 (J |X0 ) F (X0) + H H (J |X0 ) F (X0) .

y la nueva aproximacin de la raz X es
X1 = X0 + H.
Mtodos numricos
Mtodo de Newton-Raphson en varias dimensiones

Inicia con una aproximacin de la raz X0 En cada iteracin:
Xk+1 = Xk + H.
donde H = J
1 Xk
F (Xk )
Typeset by FoilTEX
53
Mtodos numricos
Ejemplo
Aplicar el mtodo de Newton-Raphson para resolver el sistema
x1 + 4x2 + 4x2 = 1 2 x2 + 2x2 + x1 x2 = 0 1 2

iniciando en el punto X0 =
0,5 0,5
Typeset by FoilTEX
54
Mtodos numricos
Solucin
2 f1(x1, x2) x1 + 4x2 + 4x2 + 1 F (X) = = . f2(x1, x2) x2 + 2x2 + x1 x2 1 2
Las derivadas parciales de f1y f2 respecto a x1 y x2 son:
x1
f1(x1, x2) = 1; f2(x1, x2) = 2x1 + 1;
x2
f1(x1, x2) = 8x2 + 4
f2(x1, x2) = 4x2 1 x1 x2 1 8x2 + 4 la matriz jacobiana por ende es: J |X = 2x1 + 1 4x2 1
Typeset by FoilTEX
55
Mtodos numricos
Empezando en X0 =
0,5 0,5
Solucin
(continuacin)
obtenemos:
` 1 8 1 8 F (X0) = ; J X0 = J Xk = ; 1 0 1 ` 1 5,5 6 H = J Xk F = = X1 = X0 + H = . 0,25 0,75 3,5 0,25 1 0
Primera iteracin:

Segunda iteracin:
F (X1) =
1 JX =
0,25 30,375
; JX 1 =
1 11
0,01780571 0,0892857 1 0,0982143 0,00892857 2,70759 3,29241 H = X2 = X1 + H = . 0,295759 0,454241
10 2
Typeset by FoilTEX
56
Mtodos numricos
Solucin
1,98026 0,236523 1,01216 0,00365759
(continuacin)
De manera anloga se procede en las iteraciones siguientes, obteniendo
X3 = X6 =
; X4 = ; X7 =
1,36419 0,0997861
; X5 =
1,09826 0,0287798 1 0
,
1,00024 0,0000730198
; X8 =
lo que es una solucin exacta del sistema.
Typeset by FoilTEX
57
Mtodos numricos
Condiciones de parada
Las condiciones de parada equivalen a aquellas desarrolladas para el caso de una dimensin, reemplazando el valor absoluto por una norma vectorial: 1. En trminos del error aproximativo relativo: la tolerancia deseada.
Xk+1 Xk < x, donde x es Xk+1
2. En trminos del valor de la funcin en la aproximacin: f (Xk ) < f , donde f signica la desviacin mxima de 0. 3. El nmero de iteraciones.
Typeset by FoilTEX
58
Mtodos numricos
Algoritmo de NEWTON para sistemas de ecuaciones

Entrada: la funcin multidimensional F ; la matriz jacobiana de F ; las tolerancias x , f ; el nmero mximo de iteraciones kmax . una aproximacin inicial X0 de la raz. Salida: Paso 1 Paso 2 solucin aproximada; condicin de parada activa
1 k 1; H = JX F (X0); 0
Paso 3
X1 X0 + H ; X1 X0 > x F (X1) > f ( k < kmax) mientras X1 X0 X1 ; 1 H JX0 F (X0); X1 X0 + H ; k k+1 X1 X0 si x y F (X1) f devuelva parada por tolerancia X1
si no devuelva parada por nmero de iteraciones devuelva X1 .
Typeset by FoilTEX
59

MN Raices

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

MN Raices

Cargado por

Copyright:

Formatos disponibles

Metodos Numricos Tema: Solucin de ecuaciones no lineales

Escuela de Ingeniera y Computacin Universidad del Valle, Cali

Tema: Sistemas Lineales

Tema: Sistemas Lineales

2. El mtodo de Biseccin 3. El mtodo de Newton-Raphson 4. Sistemas de ecuaciones no lineales

Tema: Sistemas Lineales

cos 3x cos 7x = 0 2 sin 5x sin 2x = 0

Otras ecuaciones no lineales no tienen solucin analtica:

Tema: Sistemas Lineales

Clculo aproximado de races

Tema: Sistemas Lineales

Etapas del clculo aproximado de races

Separacin de races: Se establecen subintrvalos de [a, b] que contengan

Clculo de las races: En cada uno de los intervalos se aplica un proceso

Tema: Sistemas Lineales

Figura 1. El teorema de Bolzano

Tema: Sistemas Lineales

Figura 2. El teorema de Rolle

Tema: Sistemas Lineales

Uso de los teoremas de Bolzano y Rolle

Tema: Sistemas Lineales

3. El mtodo de Newton-Raphson 4. Sistemas de ecuaciones no lineales

Tema: Sistemas Lineales

Tema: Sistemas Lineales

intervalo iteracion 1 intervalo iteracion 2

Tema: Sistemas Lineales

Iniciamos con el intervalo [a, b], el punto intermedio x =

1. f (x) = 0, entonces se encontr una raz exacta: x = x =

Tema: Sistemas Lineales

Anlisis del error

Despus de la k -sima iteracin, el tamao ser,

Tema: Sistemas Lineales

Anlisis del error

L L(k) = k+1 . k = |xk x | 2 2

Tema: Sistemas Lineales

, se obtiene un error por debajo de

kmax = (int) log2 ba

Tema: Sistemas Lineales

devuelva Mensaje de fracaso

kmax es el nmero de iteraciones iterar hasta llegar a la tolerancia

Tema: Sistemas Lineales

Tema: Sistemas Lineales

1.25 1.375 1.375 1.40625 1.40625

1 =0.0078125). 27 En comparacin: la solucin exacta es 2 = 1,414213562...

Tema: Sistemas Lineales

Tema: Sistemas Lineales

Comportamientos del mtodo de biseccin

a) Se cumplen los supuestos, el mtodo converge.

c) El mtodo de biseccin encuentra la discontinuidad

b) La funcin no cambia de signo, el mtodo de biseccin no funciona.

d) Si hay varias races en el intervalo, el mtodo de biseccin encuentra una de ellas.

Figura 4. El mtodo de biseccin en diferentes situaciones

Tema: Sistemas Lineales

4. Sistemas de ecuaciones no lineales

Tema: Sistemas Lineales

Desarrollo de la frmula de Newton - Raphson

0 = f (x) = f (x) + (x x)f (x) + O (x x)2

0 = f (x) f (x) + (x x)f (x)

Tema: Sistemas Lineales

Aplicacin iterativa de la frmula de Newton - Raphson

Tema: Sistemas Lineales

Reiterando este proceso sucesivamente se obtiene la sucesin de valores xk .

12.5 10 7.5 5 2.5

Obviamente se requiere denir dos puntos iniciales x0 y x1.

Modicaciones del mtodo de Newton-Raphson para la bsqueda de races mltiples

Modicaciones del mtodo de Newton-Raphson para la bsqueda de races mltiples (continuacin)

y se obtiene la frmula modicada