Está en la página 1de 8

124

MÉTODOS CERRADOS

 

Solución. Para generar gráficas se usan paquetes como Excel y MATLAB. En la fi- gura 5.4a se presenta la gráfica de f(x) desde x = 0 hasta x = 5. La gráfica muestra la existencia de varias raíces, incluyendo quizás una doble raíz alrededor de x = 4.2, donde f(x) parece ser tangente al eje x. Se obtiene una descripción más detallada del compor- tamiento de f(x) cambiando el rango de graficación, desde x = 3 hasta x = 5, como se muestra en la figura 5.4b. Finalmente, en la figura 5.4c, se reduce la escala vertical, de f(x) = –0.15 a f(x) = 0.15, y la escala horizontal se reduce, de x = 4.2 a x = 4.3. Esta grá- fica muestra claramente que no existe una doble raíz en esta región y que, en efecto, hay dos raíces diferentes entre x = 4.23 y x = 4.26. Las gráficas por computadora tienen gran utilidad en el estudio de los métodos numéricos. Esta posibilidad también puede tener muchas aplicaciones en otras materias de la escuela, así como en las actividades profesionales.

5.2

EL MÉTODO DE BISECCIÓN

 

Cuando se aplicaron las técnicas gráficas en el ejemplo 5.1, se observó (figura 5.1) que f(x) cambió de signo a ambos lados de la raíz. En general, si f(x) es real y continúa en el intervalo que va desde x l hasta x u y f(x l ) y f(x u ) tienen signos opuestos, es decir,

 

f(x l ) f(x u ) < 0

(5.1)

entonces hay al menos una raíz real entre x l y x u . Los métodos de búsqueda incremental aprovechan esta característica localizando un intervalo en el que la función cambie de signo. Entonces, la localización del cambio de signo (y, en consecuencia, de la raíz) se logra con más exactitud al dividir el interva- lo en varios subintervalos. Se investiga cada uno de estos subintervalos para encontrar el cambio de signo. El proceso se repite y la aproximación a la raíz mejora cada vez más en la medida que los subintervalos se dividen en intervalos cada vez más pequeños. Volveremos al tema de búsquedas incrementales en la sección 5.4.

FIGURA 5.5

Paso 1: Elija valores iniciales inferior, x l , y superior, x u , que encierren la raíz, de forma tal que la función cambie de signo en el intervalo. Esto se verifica comprobando que f(x l ) f(x u ) < 0. Paso 2: Una aproximación de la raíz x r se determina mediante:

x r = x ——– l + x u

2

Paso 3: Realice las siguientes evaluaciones para determinar en qué subintervalo está la raíz:

a) f(x l )f(x r ) < 0, entonces la raíz se encuentra dentro del subintervalo inferior

Si

o

izquierdo. Por lo tanto, haga x u = x r y vuelva al paso 2.

b) f(x l )f(x r ) > 0, entonces la raíz se encuentra dentro del subintervalo superior

Si

o

derecho. Por lo tanto, haga x l = x r y vuelva al paso 2.

c) Si f(x l )f(x r ) = 0, la raíz es igual a x r ; termina el cálculo.

5.2

EL MÉTODO DE BISECCIÓN

125

El método de bisección, conocido también como de corte binario, de partición de intervalos o de Bolzano, es un tipo de búsqueda incremental en el que el intervalo se divide siempre a la mitad. Si la función cambia de signo sobre un intervalo, se evalúa el valor de la función en el punto medio. La posición de la raíz se determina situándola en el punto medio del subintervalo, dentro del cual ocurre un cambio de signo. El proceso se repite hasta obtener una mejor aproximación. En la figura 5.5 se presenta un algorit- mo sencillo para los cálculos de la bisección. En la figura 5.6 se muestra una represen- tación gráfica del método. Los siguientes ejemplos se harán a través de cálculos reales involucrados en el método.

EJEMPLO 5.3

Bisección

Planteamiento del problema.

problema que se resolvió usando el método gráfico del ejemplo 5.1.

Emplee el método de bisección para resolver el mismo

Solución.

ciales a la incógnita (en este problema, c) que den valores de f(c) con diferentes signos. En la figura 5.1 se observa que la función cambia de signo entre los valores 12 y 16. Por lo tanto, la estimación inicial de la raíz x r se encontrará en el punto medio del intervalo

El primer paso del método de bisección consiste en asignar dos valores ini-

x r =

12

+

16

2

= 14

Dicha aproximación representa un error relativo porcentual verdadero de e t = 5.3% (note que el valor verdadero de la raíz es 14.7802). A continuación calculamos el producto de los valores en la función en un límite inferior y en el punto medio:

f(12)f(14) = 6.067(1.569) = 9.517

que es mayor a cero y, por lo tanto, no ocurre cambio de signo entre el límite inferior y el punto medio. En consecuencia, la raíz debe estar localizada entre 14 y 16. Entonces,

FIGURA 5.6 Una representación gráfica del método de bisección. La gráfica presenta las primeras

tres iteraciones del ejemplo

5.3.

12 16 14 16 15 14
12
16
14
16
15
14

126

MÉTODOS CERRADOS

se crea un nuevo intervalo redefiniendo el límite inferior como 14 y determinando una nueva
se crea un nuevo intervalo redefiniendo el límite inferior como 14 y determinando una
nueva aproximación corregida de la raíz
14
+
16
x r =
= 15
2
la cual representa un error porcentual verdadero e t = 1.5%. Este proceso se repite para
obtener una mejor aproximación. Por ejemplo,
f(14)f(15) = 1.569(–0.425) = –0.666
Por lo tanto, la raíz está entre 14 y 15. El límite superior se redefine como 15 y la raíz
estimada para la tercera iteración se calcula así:
14
+
15
x r =
= 14.5
2
que representa un error relativo porcentual e t = 1.9%. Este método se repite hasta que el
resultado sea suficientemente exacto para satisfacer sus necesidades.

En el ejemplo anterior, se observa que el error verdadero no disminuye con cada iteración. Sin embargo, el intervalo donde se localiza la raíz se divide a la mitad en cada paso del proceso. Como se estudiará en la siguiente sección, el ancho del intervalo pro- porciona una estimación exacta del límite superior del error en el método de bisección.

5.2.1 Criterios de paro y estimaciones de errores

Terminamos el ejemplo 5.3 diciendo que el método se repite para obtener una aproxi- mación más exacta de la raíz. Ahora se debe desarrollar un criterio objetivo para decidir cuándo debe terminar el método. Una sugerencia inicial sería finalizar el cálculo cuando el error verdadero se en- cuentre por debajo de algún nivel prefijado. En el ejemplo 5.3 se observa que el error relativo baja de 5.3 a 1.9% durante el procedimiento de cálculo. Puede decidirse que el método termina cuando se alcance un error más bajo, por ejemplo, al 0.1%. Dicha estra- tegia es inconveniente, ya que la estimación del error en el ejemplo anterior se basó en el conocimiento del valor verdadero de la raíz de la función. Éste no es el caso de una situación real, ya que no habría motivo para utilizar el método si se conoce la raíz. Por lo tanto, se requiere estimar el error de forma tal que no se necesite el conoci- miento previo de la raíz. Como se vio previamente en la sección 3.3, se puede calcular el error relativo porcentual e a de la siguiente manera (recuerde la ecuación 3.5):

ε a

=

nuevo anterior x – x r r nuevo x r
nuevo
anterior
x
x
r
r
nuevo
x
r

100%

(5.2)

donde x r nuevo es la raíz en la iteración actual y x r anterior es el valor de la raíz en la iteración anterior. Se utiliza el valor absoluto, ya que por lo general importa sólo la magnitud de e a sin considerar su signo. Cuando e a es menor que un valor previamente fijado e s , ter- mina el cálculo.

5.2

EL MÉTODO DE BISECCIÓN

127

EJEMPLO 5.4

Estimación del error en la bisección

Continúe con el ejemplo 5.3 hasta que el error aproxi-

mado sea menor que el criterio de terminación de e s = 0.5%. Use la ecuación (5.2) para calcular los errores.

Planteamiento del problema.

Solución.

y 15. Sustituyendo estos valores en la ecuación (5.2) se obtiene

Los resultados de las primeras dos iteraciones en el ejemplo 5.3 fueron 14

15 − 14 = ε a 15
15
14
=
ε a
15

100%

= 6.67%

Recuerde que el error relativo porcentual para la raíz estimada de 15 fue 1.5%. Por lo tanto, e a es mayor a e t . Este comportamiento se manifiesta en las otras iteraciones:

Iteración

x l

x u

x r

e a (%)

e t (%)

1 12

16

14

5.279

2 14

16

15

6.667

1.487

3 14

15

14.5

3.448

1.896

4 14.5

15

14.75

1.695

0.204

5 14.75

15

14.875

0.840

0.641

6 14.75

14.875

14.8125

0.422

0.219

Así, después de seis iteraciones e a finalmente está por debajo de e s = 0.5%, y el cálculo puede terminar. Estos resultados se resumen en la figura 5.7. La naturaleza “desigual” del error verdadero se debe a que, en el método de la bisección, la raíz exacta se encuentra en cualquier lugar dentro del intervalo cerrado. Los errores verdadero y aproximado quedan distantes cuando el intervalo está centrado sobre la raíz verdadera. Ellos están cercanos cuando la raíz verdadera se halla en cualquier extremo del intervalo.

Aunque el error aproximado no proporciona una estimación exacta del error verda- dero, la figura 5.7 sugiere que e a toma la tendencia general descendente de e t . Además,

la gráfica muestra una característica muy interesante: que e a siempre es mayor que e t .

Por lo tanto, cuando e a es menor que e s los cálculos se pueden terminar, con la confian- za de saber que la raíz es al menos tan exacta como el nivel aceptable predeterminado. Aunque no es conveniente aventurar conclusiones generales a partir de un solo ejemplo, es posible demostrar que e a siempre será mayor que e t en el método de bisec- ción. Esto se debe a que cada vez que se encuentra una aproximación a la raíz cuando se usan bisecciones como x r = (x l + x u )/2, se sabe que la raíz verdadera se halla en algún lugar dentro del intervalo de (x u x l )/2 = x/2. Por lo tanto, la raíz debe situarse dentro de ±x/2 de la aproximación (figura 5.8). Así, cuando se terminó el ejemplo 5.3 se pudo afirmar definitivamente que

x r = 14.5 ± 0.5

Debido a que x/2 = x r nuevo x r anterior (figura 5.9), la ecuación (5.2) proporciona un límite superior exacto del error verdadero. Para que se rebase este límite, la raíz verda-

128

MÉTODOS CERRADOS

FIGURA 5.7 Errores en el método de bisección. Los errores ver- dadero y aproximado se grafican contra el número de iteraciones.

10 Aproximado 1.0 Verdadero 0.1 0 3 6 Error relativo porcentual
10
Aproximado
1.0
Verdadero
0.1
0
3
6
Error relativo porcentual

Iteraciones

dera tendría que estar fuera del intervalo que la contiene, lo cual, por definición, jamás ocurrirá en el método de bisección. El ejemplo 5.7 muestra otras técnicas de localización de raíces que no siempre resultan tan eficientes. Aunque el método de bisección por lo general es más lento que otros métodos, la claridad del análisis de error ciertamente es un aspecto positivo que puede volverlo atractivo para ciertas aplicaciones en ingeniería.

FIGURA 5.8 Tres formas en que un inter- valo puede encerrar a la raíz. En a) el valor verdade- ro está en el centro del inter- valo, mientras que en b) y c) el valor verdadero está cerca de los extremos. Ob- serve que la diferencia entre el valor verdadero y el punto medio del intervalo jamás sobrepasa la longitud media del intervalo, o x/2.

 

x l

x r

x u

a)

 
a )      
   

x l

x r

x u

 

b)

b )  
b )  
 
 

x l

x r

x u

c)

c )  
 
c )  
x /2 x /2
x /2
x /2

Raíz verdadera

5.2

EL MÉTODO DE BISECCIÓN

129

FIGURA 5.9 Representación gráfica de por qué la estimación del error para el método de bisección (x/2) es equiva- lente a la raíz estimada en la iteración actual (x r nuevo ) menos la raíz aproximada en la iteración anterior

(x r anterior ).

Iteración anterior

Iteración actual

nuevo anterior x – x r r anterior x r nuevo x r
nuevo
anterior
x
– x
r
r
anterior
x r
nuevo
x r

x /2

Antes de utilizar el programa de computadora para la bisección, debemos observar que las siguientes relaciones (figura 5.9)

y

x

x

nuevo

r

nuevo

r

=

x

anterior

r

x

l

+

x

u

=

2

x

u

x

l

2

puede sustituirse en la ecuación (5.2) para desarrollar una formulación alternativa en la aproximación del error relativo porcentual

x − x u l ε = 100% a x + x u l
x
x
u
l
ε
=
100%
a
x
+
x
u
l

(5.3)

Esta ecuación resulta idéntica a la ecuación (5.2) para la bisección. Además, permite calcular el error basándose en nuestros valores iniciales; es decir, en la primera iteración. Por ejemplo, en la primera iteración del ejemplo 5.2, el error aproximado se calcula como

ε a =

ejemplo 5.2, el error aproximado se calcula como ε a = 100% = 14.29% Otro beneficio

100%

=

14.29%

Otro beneficio del método de bisección es que el número de iteraciones requerido para obtener un error absoluto se calcula a priori; esto es, antes de empezar las iteracio- nes, donde se observa que antes de empezar esta técnica, el error absoluto es

E a 0 = x u 0 x l 0 = x 0

donde los superíndices definen la iteración. Por lo tanto, antes de empezar el método se tiene la “iteración cero”. Después de la primera iteración el error será

1

a

E

=

x

0

2

130

MÉTODOS CERRADOS

Debido a que en cada iteración se reduce el error a la mitad, la fórmula general que re- laciona el error y el número de iteraciones, n, es

n

a

E

=

x

0

2

n

(5.4)

Si E a,d es el error deseado, en esta ecuación se despeja

n

=

log(

x

0

/

E

,

a d

)

0

x

 

log 2

 

= log

2

E

,

a d

(5.5)

Probemos la fórmula. En el ejemplo 5.4, el intervalo inicial fue x 0 = 16 – 12 = 4. Después de seis iteraciones, el error absoluto era

E a =

14 875

.

14 75

.

2

= 0 0625

.

Si se sustituyen esos valores en la ecuación (5.5) resulta

n =

log(

4

/

0 0625 )

.

log 2

= 6

Entonces, si se sabe de antemano que un error menor a 0.0625 es aceptable, la fórmula indica que con seis iteraciones se consigue el resultado deseado. Aunque se ha puesto énfasis en el uso del error relativo por obvias razones, habrá casos (usualmente a través del conocimiento del contexto del problema) donde se podrá especificar el error absoluto. En esos casos, la bisección junto con la ecuación (5.5) ofrece un útil algoritmo de localización de raíces. Se explorarán tales aplicaciones con los problemas al final del capítulo.

5.2.2 Algoritmo de bisección

El algoritmo en la figura 5.5 se extiende para incluir verificación del error (figura 5.10). El algoritmo emplea funciones definidas por el usuario para volver más eficientes la loca- lización de las raíces y la evaluación de las funciones. Además, se le pone un límite superior al número de iteraciones. Por último, se incluye la verificación de errores para evitar la división entre cero durante la evaluación del error. Éste podría ser el caso cuan- do el intervalo está centrado en cero. En dicha situación la ecuación (5.2) tiende al infi- nito. Si esto ocurre, el programa saltará la evaluación de error en esa iteración. El algoritmo en la figura 5.10 no es amigable al usuario; más bien está diseñado estrictamente para dar la respuesta. En el problema 5.14 al final del capítulo, se tendrá una tarea para volverlo fácil de usar y de entender.

5.2.3 Minimización de las evaluaciones de una función

El algoritmo de bisección de la figura 5.10 es adecuado si se quiere realizar la evalua- ción de una sola raíz de una función que es fácil de evaluar. Sin embargo, hay muchos casos en ingeniería que no son así. Por ejemplo, suponga que se quiere desarrollar un

5.3

MÉTODO DE LA FALSA POSICIÓN

131

FUNCTION Bisect(xl, xu, es, imax, xr, iter, ea) iter = 0 DO

FIGURA 5.10 Seudocódigo para la fun- ción que implementa el método de bisección.

xrold = xr xr = (xl + xu)/2 iter = iter + 1 IF xr 0 THEN ea = ABS((xr – xrold) / xr) * 100 END IF test = f(xl) * f(xr) IF test < 0 THEN xu = xr ELSE IF test > 0 THEN xl = xr

ELSE

ea = 0 END IF IF ea < es OR iter ≥ imax EXIT END DO Bisect = xr END Bisect

programa computacional que localice varias raíces. En tales casos, se tendría que llamar al algoritmo de la figura 5.10 miles o aun millones de veces en el transcurso de una sola ejecución. Además, en un sentido más general, la función de una variable es tan sólo una en- tidad que regresa un solo valor para un solo valor que se le da. Visto de esta manera, las funciones no son simples fórmulas como las ecuaciones de una sola línea de código resueltas en los ejemplos anteriores de este capítulo. Por ejemplo, una función puede consistir de muchas líneas de código y su evaluación llega a tomar un tiempo importan- te de ejecución. En algunos casos, esta función incluso representaría un programa de computadora independiente. Debido a ambos factores es imperativo que los algoritmos numéricos minimicen las evaluaciones de una función. A la luz de estas consideraciones, el algoritmo de la figu- ra 5.10 es deficiente. En particular, observe que al hacer dos evaluaciones de una función por iteración, vuelve a calcular una de las funciones que se determinó en la iteración anterior. La figura 5.11 proporciona un algoritmo modificado que no tiene esta deficiencia. Se han resaltado las líneas que difieren de la figura 5.10. En este caso, únicamente se calcula el valor de la nueva función para aproximar la raíz. Los valores calculados pre- viamente son guardados y simplemente reasignados conforme el intervalo se reduce. Así, las 2n evaluaciones de la función se reducen a n + 1.

5.3 MÉTODO DE LA FALSA POSICIÓN

Aun cuando la bisección es una técnica perfectamente válida para determinar raíces, su método de aproximación por “fuerza bruta” es relativamente ineficiente. La falsa posición es una alternativa basada en una visualización gráfica.