Está en la página 1de 26

Captulo 1

Soluci
on num
erica de ecuaciones
algebraicas y transcendentes.
1.1.
1.1.1.

Tipos de errores
Planteamiento del problema y las herramientas para su soluci
on

Algunos problemas tienen un planteamiento sencillo pero su solucion se vuelve bastante complicada si intentamos tecnicas analticas.
Veamos un ejemplo:
La escalera en la mina: Hay dos pasillos de mina que se interceptan y que se encuentran en
un angulo de 123 . El paso recto tiene una anchura de 7 pies mientras que el paso de entrada tiene
9 pies de ancho. Cual es la escalera mas larga que puede dar vuelta en el cruce?
Un diagrama para esta situacion es:

Habra una posicion crtica en la cual los dos extremos de la escalera tocan las paredes mientras
que en un punto que esta a lo largo de la escalera toca la esquina en donde se cruzan los pasillos.
Considere una serie de lneas trazadas desde esa posicion, como se ilustra en la figura anterior, sus
1

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

longitudes varan seg


un el angulo C, se tienen las siguientes relaciones
w2
sin (C) =
l2
w1
sin (B) =
l1
B =AC
w1
w2
l = l1 + l2 =
+
sin ( A C) sin (C)
Para encontrar la longitud maxima de la escalera hay que encontrar los puntos crticos de l respecto
dl
=0
a C. Por lo tanto, hacemos dC

Como A = 123

w2 cos ( A C) w1 cos (C)


dl
=

=0
dC
sin2 ( A C)
sin2 (C)

123 = 41
rad
lo anterior se reduce a
60

w2 cos 19
C
w cos (C)
60
 1 2
=0
2 19
sin (C)
sin 60 C

Sin embargo, la ecuacion resultante no es posible resolverla de forma exacta, por lo que tenemos
que encontrar algunas tecnicas de aproximacion.

1.1.2.

Tipos de error y su origen

Cuando se usa una calculadora o una computadora digital para realizar calculos numericos, se
debe de considerar un error inevitable, el llamado error de redondeo. Este error se origina porque la
aritmetica realizada por una maquina involucra n
umeros con solo un n
umero finito de dgitos, con
el resultado de que muchos calculos se realizan con representaciones aproximadas de los n
umeros
verdaderos. En una computadora tpica, solo un subconjunto relativamente peque
no del sistema
de n
umeros reales se usa para representar a todos los n
umeros reales. Este subconjunto contiene
solo n
umeros racionales, positivos o negativos.
Para explicar los problemas que pueden surgir supondremos, por simplicidad, que los n
umeros
de maquina se representan en forma decimal normalizada
0.d1 d2 dk 10n 1 d1 9, 0 di 9

(1.1)

para cada i = 2, . . . , k. A los n


umeros de esta forma se le llama n
umeros de maquina decimales o
n
umeros de punto flotante. Cualquier n
umero real y puede ser normalizado para que adquiera la
forma (1.1). Supongamos que
y = 0.d1 d2 dk dk+1 dk+2 10n
Para dejarlo de la forma (1.1), denotada por f l (y) tenemos que deshacernos de los terminos
dk+1 dk+2 . Existen dos formas de realizar esta terminacion. Un metodo es simplemente cortar
los dgitos dk+1 dk+2 para obtener
y = 0.d1 d2 dk 10n
este metodo se llama truncamiento o cortado.
El otro metodo se llama redondeo. En este metodo si dk+1 5 se le suma un 1 a dk para obtener
f l (y). Si dk+1 < 5, simplemente realizamos un truncamiento de k dgitos.

1.1. TIPOS DE ERRORES

Ejemplo 1 Sabemos que = 3.141592654 = 0.3141592654 10 Supongamos que nuestra


computadora solo usa 5 dgitos (k = 5) si usa truncamiento
f l () = 0.31415 10
si usa redondeo
f l () = (0.31415 + 0.00001) 10 = 0.31416 10
ya que d6 = 9 5.
El error que resulta de reemplazar un n
umero por su flotante se denomina error de redondeo
sin importar el metodo que se utilizo para encontrar su flotante. La siguiente definicion especifca
dos metodos para medir errores de aproximacion . Estos metodos se utilizaran a lo largo del curso.

1.1.3.

Clasificaci
on de los errores

Definici
on 1 Si p es una aproximacion de p, el error absoluto esta dado por Ea = |p p |, el
|p p |
y el error relativo porcentual esta dado por Ep = Er 100,
error realativo esta dado por Er =
|p|
siempre y cuando p 6= 0.
Sin embargo, el manejo de estos errores tiene el inconveniente de que para poder ser evaluados,
necesitamos el valor de p (valor verdadero), el cual necesitamos encontrar. Este inconveniente, se
puede resolver utilizando errores aproximados, en los que no se requiere del valor verdadero para
calcular el error. En los metodos numericos se utilizan algoritmos iterativos, que aproximan el
valor verdadero utilizando el valor obtenido en la iteracion anterior y de esta forma mejoran la
aproximacion del valor verdadero con cada iteracion. As que el error se puede estimar como la
diferencia entre la aproximacion previa y la aproximacion actual, quedando los errores como sigue:
i) error aproximado
ea = |xi+1 xi |
ii) error relativo fraccionario aproximado


xi+1 xi

er =
xi+1
iii) error realitvo porcentual aproximado
ep = er 100
Ejemplo 2 La funcion coseno puede representarse por medio de la serie de Mclaurin como:
cos (x) = 1

x2 x4 x6
+

+
2!
4!
6!

Calcule
 elvalor de los errores porcentuales (Ep ) y el error relativo porcentual aproximado (ep ) para
el cos
. Tome como valor verdadero el calculado directamente con la funcion coseno de Excel.
4
Use desde 1 hasta 5 terminos de la serie y 8 decimales en los calculos.

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

Num. n
xn
n!
Signo
Termino
Sumatoria
Ep
1
0
1
1
1
1.00000000 1.00000000 41.42135624 %
2
2 0.61685028
2
1
0.30842514 0.69157486 2.19654536 %
3
4 0.38050426
24
1
0.01585434 0.70742920 0.04559750 %
4
6 0.23471416 720
1
0.00032599 0.70710321 0.00050472 %
5
8 0.14478349 40320
1
0.00000359 0.70710680 0.00000310 %

ep
44.59750605 %
2.24112096 %
0.04610245 %
0.00050782 %

Cuadro 1.1: Resultados del ejemplo 2


Soluci
on 1 Utilizando las funciones de Excel PI() y COS(), obtenemos los siguientes valores

= 0.78539816
4
cos(x) = 0.70710678
x=

Como se observa en la tabla 1, el error aproximado se reduce con mayor lentitud, con respecto
al error real. Tambien se observa que a medida que aumenta el n
umero de terminos agregados a
la serie, la aproximacion al valor real es cada vez mejor. En este ejemplo se obtiene que:
 
cos
= 0.70710680 con un Ep = 0.00000310 % y un ep = 0.00050782 %
4

1.1.4.

Precisi
on y exactitud

Los errores en calculos y medidas se pueden caracterizar con respecto a su exactitud y su


precision. Sin embargo en muchas ocasiones, estos terminos se utilizan indistintamente aun cuando
ambos tienen diferente significado. El termino precision esta relacionado con el nivel de cifras
significativas de una medicion o tambien con que tan cercanos se encuentran, unos de otros,
diversos valores calculados o medidos. El termino exactitud nos indica la cercana de un valor
con el valor verdadero o real. Estos conceptos se ilustran graficamente utilizando la analoga con
una diana en la practica de tiro:

Figura 1.1: Ilustracion de exactitud y precision. a) Inexacto e impreciso; b) exacto e impreciso; c)


inexacto y preciso; d) exacto y preciso

1.1. TIPOS DE ERRORES

Los agujeros en cada blanco de la figura 1.1 se consideran como las predicciones de una tecnica
numerica; mientras que el centro del blanco representa la verdad. La inexactitud (conocida tambien
como sesgo) se define como una desviacion sistematica del valor verdadero. La imprecision (tambien
conocida como incertidumbre), por otro, lado se refiere a la magnitud de la dispersion de los
disparos.
Otro ejemplo que muestra la diferencia entre precision y exactitud, es cuando se comparan
dos instrumentos de medicion, como el vernier y el micrometro para obtener el diametro de un
lapiz. Se pensara que la lectura del micrometro sera mas exacta; pero no sera as si el micrometro
estuviera desajustado. Con respecto a la precision, el vernier nos podra dar una medicion de hasta
milmetros, mientras el micrometro nos indicara milesismas de milmetro; por lo que el micrometro
es un aparato mas preciso que el vernier.
Los metodos numericos deben ser lo suficientemente exactos o sin sesgo para satisfacer los requisitos de un problema particular de ingeniera. Tambien deben ser suficientemente precisos para
ser adecuados del dise
no de la ingeniera. El termino error se usa para representar tanto la inexactitud como la imprecision en las predicciones. Ahora analizaremos los factores que contribuyen al
error en los calculos numeericos.
Ejercicio 1 Existen muchas formas para el calculo del valor aproximado de . A continuaci
on se
enumeran tres series diferentes:

a)

2 2 4 4 6 6

=
2
1 3 3 5 5 7

b)

1 1 1 1
= 1 + +
4
3 5 7 9

c)

2
1
1
1
1
1
= 2 + 2 + 2 + 2 + 2 +
6
1
2
3
4
5

Calcule el valor de pi utilizando 10 terminos de cada una de las series anteriores y una presici
on
de 8 decimales. En cada caso calcule el error relativo porcentual.
Cual serie converge mas rapido, la del inciso a) o la del inciso b)?
Cual serie converge mas rapido, la del inciso a), la del inciso b) o la del inciso c)?
Ejercicio 2 El logaritmo natural de 2 puede evaluarse por medio de la serie infinita:
ln 2 = 1

1 1 1 1
+ +
2 3 4 5

eval
ue la funcion ln 2 en Excel y use ese resultado como valor verdadero, para calcular los errores
verdadero o absoluto, relativo fraccionario, relativo fraccionario porcentual y relativo fraccionario
porcentual aproximado cuando se emplean 20 terminos de la serie infinita. Haga una gr
afica del
error relativo fraccionario porcentual aproximado contra el n
umero de terminos usados.

1.2.

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

Races de ecuaciones

b2 4ac
es u
til para resolver la ecuacion ax2 +bx+c = 0,
Aunque la formula general x =
2a
existen muchas funciones donde las races no se pueden determinar tan facilmente. En estos casos,
los metodos numericos descritos en esta unidad proporcionan medios eficientes para obtener la
respuesta.
Lo que abordaremos en esta unidad seran metodos para encontrar las races de una ecuacion.
b

Definici
on 2 (Raz de una ecuaci
on, cero de una funci
on) Supongamos que f (x) es una funcion continua. Cualquier n
umero r tal que f (r) = 0 se llama raz de la ecuacion f (x) = 0; tambien
se dice que r es un cero de la funcion f (x)
En la practica pueden aparecer muchas ecuaciones en las que no es posible encontrar su solucion.
Por ejemplo, la funcion f (x) = ex x no se puede resolver de forma anltica. En tales casos, la
u
nica alternativa es una tecnica con solucion aproximada.
Aunque los metodos graficos son u
tiles para la obtencion de estimaciones de las races, tienen
el inconveniente de que son poco precisos, otro metodo alternativo es el de prueba y error.
Estos metodos fortuitos, evidentemente, son ineficientes e inadecuados para las exigencias de la
ingeniera.
De acuerdo al enfoque del metodo numerico, se pueden clasificar en metodos cerrados o abiertos. Los metodos cerrados usan intervalos para encontrar races. Para iniciar un metodo cerrado, se
requiere un intervalo que contenga a la raz, y despues se reduce el tama
no del intervalo de manera
sistematica. Los metodos de biseccion y falsa posicion, son ejemplos de metodos cerrados. Los
metodos abiertos, tambien emplean iteraciones sistematicas de ensayo y error, pero no requieren que el intervalo inicial encierre a la raz. Este tipo de metodos, en general, son mas eficientes
computacionalmente que los cerrados, aunque no siempre funcionan. En este documento se analizan los metodos de iteraci
on de un punto fijo o sustituci
on sucesiva, de NewtonRaphson,
de la secante y de bisecci
on.

1.3.

Definici
on y restricciones del m
etodo de sustituci
on
sucesiva

Los metodos abiertos emplean una formula para predecir la raz. Esta formula puede desarrollarse como una iteracion simple de punto fijo (tambien llamada iteracion de un punto o sustitucion
sucesiva o metodo de punto fijo), dada una funcion f (x) = 0 podemos arreglar la ecuacion de modo
que x este del lado izquierdo como
x = g(x)

(1.2)

En este caso g(x) representa la formula o funcion con la que calcularemos los sucesivos terminos,
junto con un valor de partida x0 . Lo que se produce es una sucesion de valores {xk } obtenida
mediante el proceso iterativo
xk+1 = g(xk ).

(1.3)

Y RESTRICCIONES DEL METODO

SUCESIVA
1.3. DEFINICION
DE SUSTITUCION

La sucesion se ajusta al patron


x0
x1 = g(x0 )
x2 = g(x1 )
..
.

(valor de partida)

xk = g(xk1 )
xk+1 = g(xk )
..
.
El error relativo porcentual aproximado de la ecuacion (1.2) se calcula de la siguiente forma:


xk+1 xk
100 %
ep =
xk+1
De manera formal,
Definici
on 3 (Punto fijo) Un punto fijo de una funcion g(x) es un n
umero real P tal que P =
g(P )
Geometricamente los puntos fijos de una funcion g(x) son los puntos de interseccion de la curva
y = g(x) con la recta y = x
Definici
on 4 (Iteraci
on de punto fijo) La iteracion xn+1 = g(xn ) para n = 0, 1, . . . se llama
iteracion de punto fijo.
El siguiente teorema establece las condiciones para la existencia de un punto fijo y para la convergencia del proceso de iteracion de punto fijo.

Teorema 1 Supongamos que g C [a, b]

1. Si la imagen de y = g (x) verifica que y [a, b] para cada punto x [a, b], entonces g tiene
un punto fijo en [a, b].
2. Suponga ademas que g 0 (x) esta definida en (a, b) y que |g 0 (x)| < 1 para todo x (a, b),
entonces g tiene un u
nico punto fijo P en [a, b].

A continuacion se presenta el algoritmo 1, el cual resuelve encuentra una raz de una ecuacion
determinada, por medio del metod de punto fijo o sustitucion sucesiva.

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

Algoritmo 1 Algoritmo de Sustitucion Sucesiva


Entrada: aproximacion inicial p0 , error relativo porcentual aproximado ep , n
umero maximo de
iteraciones Nmax
Salida: Valor aproximado de p o mensaje de fracaso.
funci
on fixedPoint(p0 , g(x), ep , Nmax )
i=1
while i Nmax hacer
p = g (p 0 )
0
100 < ep then
if pp
p
devolver p
else
i=i+1
p0 = p
fin if
fin while
devolver f alse
. El metodo fracaso
fin funci
on
Antes de poder utilizar el algoritmo 1, es neceario transformar una ecuacion en la forma (1.2).
Esta transformacion se puede realizar usando operaciones algebraicas o simplemente sumando x
en cada lado de la ecuacion f (x) = 0 original. Por ejemplo,
x2 2x + 3 = 0
se arregla para obtener
x=

x2 + 3
2

mientras que la funcion sen(x) = 0 puede transformarse en la forma de la ecuacion (1.2) sumando
x a ambos lados para obtener
x = sen(x) + x
Ejemplo 3 (Iteraci
on simple de punto fijo) Use una iteracion simple de punto fijo para localizar la raz de f (x) = ex x
Soluci
on 2 Antes de utilizar el algoritmo de iteracion de punto fijo, se necesita convertir a la
funcion f (x) a su forma x = g(x). En este caso se puede despejar f (x) quedando como sigue
x = ex entonces g(x) = ex
Una vez que se obtiene la funcion g(x), es necesario verificar que se cumplan los criterios de
convergencia establecidos en el teorema 1. En la Fig. 1.2 se puede observar como la derivada de
la funcion g(x) (h(x) en la Fig 1.2) esta acotada entre 1 y 1, en un intervalo que contiene a la
raz de f (x). En la Fig. 1.3 se observa que se cumple el otro criterio de convergencia, ya que la
imagen de g(x) [a, b] cada punto x [a, b], donde [a, b] contiene a la raz.

Y RESTRICCIONES DEL METODO

SUCESIVA
1.3. DEFINICION
DE SUSTITUCION

Figura 1.2: Criterios de convergencia para Sustitucion sucesiva

En la Fig 1.3 se puede observar como la imagen de la raz(punto B) de la funcion f (x) es la


interseccion de la funcion g(x) y la recta y = x (punto A).

Figura 1.3: Sustitucion sucesiva, interseccion entre g(x) y y = x


Una vez que se verificaron los criterios de convergencia, de acuerdo a la forma de la ecuaci
on
1.3, la iteracion queda como sigue:
xi+1 = exi

10

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

Empezando con un valor inicial x0 = 0, se aplica esta ecuacion iterativa para calcular, la
sucesion de valores y los errores aproximados en cada calculo.
Iteracion (i)
0
1
2
3
4
5
6
7
8
9
10

Raz aproximada (xi ) Error (ep )


0
0
e = 1.000000
100.0 %
1
e = 0.367879
171.8 %
e0.367879 = 0.692201
46.9 %
0.692201
e
= 0.500473
38.3 %
e0.500473 = 0.606244
17.4 %
0.606244
e
= 0.545396
11.2 %
0.545396
e
= 0.579612
5.90 %
e0.579612 = 0.560115
3.48 %
0.560115
e
= 0.571143
1.93 %
e = 0.564879
1.11 %

Cuadro 1.2: Iteracion para la raz de la funcion f (x) = ex x


En la tabla 1.2, se puede observar que en cada iteracion el valor aproximado se acerca m
as al
valor verdadero, note tambien que el error aproximado tambien disminuye. cuando terminar de
calcular los valores de la sucesion? Un modo es establecer cuantos terminos queremos aproximar
y otro es hasta alcanzar cierto valor para el error relativo porcentual aproximado.
En la Fig. 1.4 se puede observar como converge el metodo de sustitucion sucesiva, acerc
andose
cada vez mas a la raz despues de cada iteracion.

Figura 1.4: Convergencia del metodo de sustitucion sucesiva

Y RESTRICCIONES DEL METODO

SUCESIVA
1.3. DEFINICION
DE SUSTITUCION

11

Ejercicio 3 Determine si cada una de las siguiente funciones tiene un u


nico punto fijo en el
intervalo dado
1. g (x) =

1x2
4

en [0, 1]

2. g (x) = 2x en [0, 1]
3. g (x) =

1
x

en [0.5, 5.2]

Ejercicio 4 Transforme cada una de las siguientes ecuaciones en iteraciones de punto fijo y resuelvalas.
1. 3x3 + 1 = 0
2. sin (x + 2) = x + 2
3. x2 = tan (x)
Ejercicio 5 Aplicar el metodo de punto fijo con 10 iteraciones para aproximar la u
nica soluci
on
3x2

x
=
0
mayor que 2 de la ecuacion 1+x
2

12

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES
Codigo 1.1: Implementacion en Matlab del algoritmo de sustitucion sucesiva

function [ p0 , e r r , P ] = f i x e d P o i n t ( g , p0 , t o l , max1 )
2
%
3
% FIXPT
Fixed p o i n t i t e r a t i o n .
4
% Sample c a l l s
5
%
[ p0 , e r r ] = f i x p t ( g , p0 , t o l , max1 )
6
%
[ p0 , e r r , P ] = f i x p t ( g , p0 , t o l , max1 )
7
% Return
8
% g
name o f t h e f u n c t i o n
9
% p0
s t a r t i n g value
10
%
tol
convergence to lera nce
11
% max1
maximum number o f i t e r a t i o n s
12
% Return
13
% p0
s o l u t i o n : the f i x e d point
14
%
err
e r r o r estimate in the s o l u t i o n
15
% P
History vector of the i t e r a t i o n s
16
%
17
% NUMERICAL METHODS: MATLAB Programs , ( c ) John H. Mathews 1995
18
% To accompany t h e t e x t :
19
% NUMERICAL METHODS f o r Mathematics , S c i e n c e and E n g i n e e r i n g , 2nd Ed , 1992
20
% P r e n t i c e Ha ll , Englewood C l i f f s , New J e r s e y , 0 7 6 3 2 , U. S .A.
21
% P r e n t i c e Ha ll , I n c . ; USA, Canada , Mexico ISBN 0136249906
22
% P r e n t i c e Ha ll , I n t e r n a t i o n a l E d i t i o n s :
ISBN 0136250475
23
% This f r e e s o f t w a r e i s compliments o f t h e a u t h o r .
24
% Em a i l a d d r e s s :
i n %m a t h e w s @ f u l l e r t o n . edu
25
%
26
% Algorithm 2 . 1 ( Fixed Po in t I t e r a t i o n ) .
27
% Section 2.1 ,
I t e r a t i o n f o r S o l v i n g x = g ( x ) , Page 51
28
%
1

29
30
31
32
33
34
35
36
37
38
39

P( 1 ) = p0 ;
err = 1;
f o r k=1:max1 ,
p1 = f e v a l ( g , p0 ) ;
e r r = abs ( p1p0 ) ;
r e l e r r = e r r / ( abs ( p1)+eps ) ;
i f ( e r r <t o l ) | | ( r e l e r r <t o l ) , break ; end
p0 = p1 ;
P( k+1) = p1 ;
end

1.4. METODO
DE BISECCION

1.4.

13

M
etodo de bisecci
on

Este metodo es de tipo cerrado, es decir, debemos tomar un intervalo que ya contenga a la
raz. Debemos considerar el intervalo de partida [a, b] en el que f (a) y f (b) tengan distinto signo.
Entonces, por el teorema de valor intermedio, la grafica y = f (x) cruzara el eje x en un cero
x0 = P , que esta en dicho intervalo, como en la figura 1.4. En general, si f (x) es real y contin
ua
en el intervalo [a, b] y f (a) y f (b) tienen signos opuestos, es decir, f (a)f (b) < 0 entonces hay al
menos una raz real entre a y b.

(a) Si f (a) y f (c) tienen signos puestos,


entonces se recorta por la derecha

(b) Si f (c) y f (b) tienen signos puestos,


entonces se recorta por la izquierda

Figura 1.5: Proceso de decision en el metodo de biseccion.

El metodo de biseccion consiste en ir acercando sistematicamente los extremos del intervalo


hasta que obtengamos un intervalo de anchura suficientemente peque
na en el que se localiza un
cero. El proceso de decision para subdividir el intervalo consiste en tomar el punto medio del
intervalo c = (a + b)/2 y luego analizar las tres posibilidades que pueden darse:

a) Si f (a) y f (c) tienen signos opuestos, entonces hay un cero en [a, c].

b) Si f (c) y f (b) tienen signos opuestos, entonces hay un cero en [c, b].

c) Si f (c) = 0, entonces c es un cero.

14

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

Algoritmo 2 Metodo de la biseccion


Entrada: Una ecuacion de la forma f (x) = 0, x1 y x2 tales que f (x1 ) y f (x2 ) sean del signo
opuesto, un error relativo porcentual ep
Salida: x tal que f (x) 0
1: funci
on biseccion(f (x), x1 , x2 , ep , Nmax )
2:
error = 100
3:
xant = 0
4:
while error ep hacer
x1 + x2
5:
xmed =
2
6:
if f (xmed ) es de signo opuesto a f (x1 ) then
7:
x2 = xmed
8:
else
9:
x1 = xmed
10:
fin if

xmed xant
100
11:
error =

xmed
12:
xant = xmed
13:
fin while
14: fin funci
on
Ejemplo 4 La funcion f (x) = x sin (x) aparece en el estudio de vibraciones forzadas no amortiguadas. Hay que hallar el valor de x que esta dentro del intervalo [0, 2] y en el cual la funci
on
vale f (x) = 1 (el angulo se mide en radianes).
Soluci
on 3 En la Fig. 1.6 se muestra la grafica de f (x)

Figura 1.6: Grafica de f (x) = x sen x


definimos la funcionn h(x) = x sin(x) 1 y debemos encontrar un cero de la funcion h en el
intervalo [0, 2].
Ejemplo 5 Use el metodo de biseccion para encontrar una raz de la funcion

667.38
f (x) =
1 e0.146843x 40
x

1.4. METODO
DE BISECCION

15

Soluci
on 4 Notemos que los valores para la funcion se distribuyen de la siguiente manera
c
4
8
12
16
20

f (c)
34.115
17.653
6.067
2.269
8.401

Figura 1.7: Grafica de la funcion f (x) =

667.38
(1 e0.146843x ) 40
x

Ahora consideremos un intervalo donde la funcion cambia de signo, esto sucede entre los valores
12 y 16, como se puede observar tambien en la Fig. 1.7. Por lo tanto, la estimacion inicial de la
raz xr se encontrara en el punto medio del intervalo
xr =

12 + 16
= 14
2

A continuacion calculamos el producto de los valores en la funcion en sus extremos y en el punto


medio:
Extremo izquierdo y medio f (12)f (14) = 9.517 > 0
Medio y extremo derecho
f (14)f (16) = 3.559 < 0 cumple la condicion
En consecuencia la raz debe localizarse entre 14 y 16. Entonces, se crea un nuevo intervalo
redefiniendo el lmite inferior como 14 y determinando una nueva aproximacion corregida de la
raz
14 + 16
xr =
= 15.
2
Este proceso se repite hasta tener una mejor aproximacion. Por ejemplo,

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

16

Extremo izquierdo y medio f (14)f (15) = 0.666 < 0 cumple la condicion


Medio y extremo derecho
f (15)f (16) = 0.963 > 0
Por lo tanto la raz esta entre 14 y 15. El lmite superior se redefine como 15 y la raz estimada
para la tercera iteracion se calcula como:
xr =

14 + 15
= 14.5
2

Este metodo se repite hasta que el resultado sea lo suficientemente exacto.


Nuevamente podemos considerar el error relativo porcentual ep como
nuevo

xr

xanterior
r

100 %
ep =

xnuevo
r
es el valor de la raz en la iteracion anterior.
es la raz en la iteracion actual y xanterior
donde xnuevo
r
r
Se utiliza el valor absoluto, ya que por lo general importa solo la magnitud de ep sin considerar su
signo. Cuando ep es menor que un valor previamente fijado, termina el calculo.
Ejemplo 6 Continuar con el ejemplo 5 hasta que el error relativo porcentual sea menor que =
0.5 %
Soluci
on 5 Los
de las primeras dos iteraciones en el ejemplo 5 fueron 14 y 15, as el

resultados
15 14
100 % = 6.67 %. Las siguientes iteraciones son
error es ep =
15
Iteraci
on
1
2
3
4
5
6

xl (ext. izq.)
12
14
14
14.5
14.75
14.75

xr (ext. dcho.) xr (pto. medio)


16
14
16
15
15
14.5
15
14.75
15
14.875
14.875
14.8125

ep ( %)
6.667
3.448
1.695
0.840
0.422

Despues de seis iteraciones ep esta por debajo del 0.5 % y el calculo puede terminar.
Ejercicio 6 Al principio de cada a
no un banco deposita 1000 euros en un fondo de inversi
on y
retira un capital de 6000 euros al final del quinto a
no. El tipo medio de interes anual r est
a en el
intervalo [0, 1]. Esta inversion es solucion de la ecuacion
6000 = 1000

5
X

(1 + r)k

k=1

Aplicar el metodo de la biseccion para obtener r con un error de 1010 Cuantas iteraciones son
necesarias?
Ejercicio 7 La ecuacion ex 3x = 0 tiene por raz a r = 0.61906129. Comenzando con el intervalo
[0, 1], realizar seis iteraciones por el metodo de la biseccion para encontrar una raz aproximada.
Cuantos decimales significativos tiene dicha aproximacion (Er )? Cuantas iteraciones son necesarias para que la raz obtenida tenga un er menor que 104 ?

1.4. METODO
DE BISECCION

17

Ejercicio 8 Sabiendo que existe una raz de la ecuacion x3 + x = 6 entre 1.55 y 1.75, cu
antas
iteraciones son necesarias necesarias hasta obtener mediante el metodo de la biseccion, un ep menor
que 103 %? Calcular todas las iteraciones necesarias.

Ejercicio 9 Aplicar el metodo de la biseccion para obtener el valor de 3 17 con un error er =


0.0125.

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

18

Codigo 1.2: Implementacion en Matlab del algoritmo de biseccion


function [ c , e r r , yc , k]= b i s e c c i o n e p ( f , a , b , d e l t a , max1 )
2 % Metodo de b i s e c c i o n . Aproximacion a una r a i z de
3 % l a e c u a c i o n f ( x)=0 en e l
i n t e r v a l o [ a , b ] . Puede
4 % usarse solo
s i f ( x ) e s c o n t i n u a y f ( a ) y f ( b ) son
5 % de s i g n o c o n t r a r i o .
6 %
7 % Datos
8 %
f e s l a f u n c i o n , i n t r o d u c i d a como una cadena
9 %
de c a r a c t e r e s f
10 %
a y b son e l extremo i z q u i e r d o y d e r e c h o
11 %
delta es la to ler anc ia
12 % R e s u l t a d o s
13 %
c es l a aproximacin a l cero
14 %
yc e s e l v a l o r de f ( c )
15 %
e r r e s e l e r r o r e s t i m a d o de l a a p r o x i m a c i o n c
16 % Uso :
17 %
[ c , e r r , yc ]= b i s e c c i o n ( f , a , b , d e l t a ) ;
18 %
19 ya=f e v a l ( f , a ) ;
20 yb=f e v a l ( f , b ) ;
21 i f ya yb > 0
22
disp ( No hay cambio de s i g n o ) ;
23
return ;
24 end
25 c a n t =0;
26 fo r k=1:max1
27
c=(a+b ) / 2 ;
28
yc=f e v a l ( f , c ) ;
29
i f yc==0
30
a=c ;
31
b=c ;
32
e l s e i f yb yc>0
33
b=c ;
34
yb=yc ;
35
else
36
a=c ;
37
ya=yc ;
38
end
39
e r r = 100 abs ( ( cc a n t ) / ( c+eps ) ) ;
40
if err < delta
41
break
1

42

end
c a n t=c ;

43
44
45

end


1.5. METODO
DE NEWTON-RAPHSON

1.5.

19

M
etodo de Newton-Raphson

Este metodo es uno de los mas ampliamente usados en la b


usqueda de races de ecuaciones.
Seg
un se puede observar en la Fig. 1.8, si se parte de un valor inicial xi , que no se encuentre alejado
de la raz, al trazar una tangente al punto [xi , f (xi )] y extrapolarla hasta su interseccion con el eje
x, el punto donde esta tangente cruza al eje x, xi+1 representa una aproximacion mejorarda a la
raz.

Figura 1.8: Representacion grafica del metodo de Newton-Raphson. Se extrapola una tangente a
la funcion xi (esto es, f 0 (xi )) hasta el eje x para obtener una estimacion de la raz en xi+1
La figura muestra que xi+1 estara mas cerca de la raz () que xi , la pendiente m de la recta
tangente que pasa por (xi , f (xi )) y (xi+1 , 0) es
m=

f (xi )
0 f (xi )
=
xi+1 xi
xi xi+1

por otro lado,


m = f 0 (xi )
que es la pendiente de la recta tangente a la curva en el punto (xi , f (xi )). Igualando ambos valores
de la pendiente obtenemos
f (xi )
= f 0 (xi )
xi xi+1
podemos despejar el valor de xi+1
f (xi )
(1.4)
xi+1 = xi 0
f (xi )
Este proceso puede repetirse para obtener una sucesion {xk } que converge a .
Teorema 2 Supongamos que la funcion f C 2 [a, b] y que existe un n
umero [a, b] tal que

0
f (p) = 0. Si f (p) 6= 0, entonces existe > 0 tal que la sucesion {xk }k=0 definida por el proceso
iterativo
f (xk1 )
xk = g (xk1 ) = xk1 0
f (xk1 )
para k = 1, 2, . . . converge a cualquiera que sea la aproximacion inicial x0 [p , p + ].

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

20

Algoritmo 3 Metodo de Newton


Entrada: Una ecuacion de la forma f (x) = 0, una aproximacion inicial x0 , un error relativo
porcentual ep ; un n
umero maximo de iteraciones Nmax
Salida: Solucion aproximada p o mensaje de fracaso
1: i = 1
2: while i Nmax hacer
f (x0 )
3:
p = x0 0
f (x0 )

p x0
< ep then
4:
if
p
5:
Procedimiento terminado satisfactoriamente, imprimir p. Detenerse
6:
else
7:
i=i+1
8:
x0 = p
9:
fin if
10: fin while
11: Imprimir: El m
etodo fracaso
La funcion g (x) definida por la relacion
g (x) = x

f (x)
f 0 (x)

se llama funcion de iteracion de Newton-Raphson.


Ejemplo 7 (M
etodo de NewtonRaphson) Utilice el metodo de NewtonRaphson para calcular la raz de f (x) = ex x empleando como valor inicial x0 = 0.
Soluci
on 6 La primera derivada de la funcion es f 0 (x) = ex 1 que se sustituye, junto con la
funcion original f (x) en la ecuacion (1.4), para tener
xi+1 = xi

exi xi
exi 1

Empezando con el valor inicial 0, se aplica esta ecuacion iterativa para calcular
i (iteracion)
0
1
2
3
4

xi (aproximacion) t % (error total)


0
100
0.500000000
11.8
0.566311003
0.147
0.567143165
0.000022
0.567143290
< 108

As el metodo converge rapidamente a la raz verdadera. De nuevo podemos usar el error relativo
como condicion de paro para el metodo.
Desventajas del m
etodo de NewtonRaphson. Aunque en general el metodo de Newton
Raphson es muy eficiente, hay situaciones donde se comporta de manera deficiente, como en el
siguiente ejemplo


1.5. METODO
DE NEWTON-RAPHSON

21

Ejemplo 8 Determine la raz positiva de f (x) = x10 1 usando el metodo de NewtonRaphson y


un valor inicial x = 0.5
Soluci
on 7 La formula de NewtonRaphson en este caso es:
xi+1 = xi

x10
i 1
10x9i

que se utiliza para calcular


Iteraci
on
0
1
2
3
..
.

xi
0.5
51.65
46.485
41.8365
..
.

1.00000. . .

De esta forma, despues de la primera prediccion deficiente, la tecnica converge a la raz verdadera, 1, pero muy lentamente.
Ademas de la convergencia lenta debido a la funcion, es posible que se presenten otras dificultades:
1. En los casos donde un punto de inflexion ocurre en la vecindad de una raz, las iteraciones
que empiezan en x0 pueden ser divergentes de manera progresiva, como se muestra en la Fig.
1.9.

Figura 1.9: La iteracion de NewtonRaphson para f (x) = xex puede producir una sucesion
divergente.
2. Tendencia a oscilar alrededor de un mnimo o maximo local, tales oscilaciones pueden persistir
o alcanzar una pendiente cercana a cero, despues de lo cual la solucion se aleja del area de
interes.

22

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES

Figura 1.10: La iteracion de NewtonRaphson para f (x) = x3 x 3 puede producir una sucesion
periodica.

Figura 1.11: La iteracion de NewtonRaphson para f (x) = arctan(x) puede producir una sucesion
oscilante y divergente.
3. La presencia de pendientes cercanas a cero causa una division entre un valor cercano a cero,
en forma grafica esto significa que la solucion se dispara horizontalmente y jamas toca el eje
x.
De manera que no hay un criterio general de convergencia para el metodo de NewtonRaphson.
Su convergencia depende de la naturaleza de la funcion y de la exactitud del valor inicial. La u
nica
solucion en estos casos es tener un valor inicial que sea suficientemente cercano a la raz.

Ejercicio 10 La ecuacion x3 + cos (x) + 10x = 0 tiene un u


nica solucion real. Aproximar la
solucion usando el metodo de Newton-Raphson con 3 iteraciones.


1.5. METODO
DE NEWTON-RAPHSON

23

Ejercicio 11 Use un error de 0.05 para encontrar el corte de las funciones h (x) = sin (x) y
g (x) = 1 x
Ejercicio 12 Aplicando el metodo de Newton, encontrar una raz proxima a x0 = 0 para la ecuacion 3x + sin (x) ex = 0. Usar ep = 0.001 %
Ejercicio 13 La concentracion c de una bacteria contaminante en un lago decrece seg
un la expresion
c (t) = 80e2t + 20e0.5t
siendo t el tiempo en horas. Determinar el tiempo que se necesita para que el n
umero de bacterias
se reduzca a 7. Utilice el metodo de Newton. Indicar el valor inicial y el error utilizado para resolver
la ecuacion.
Ejercicio 14 Una determinada sustancia se desintegra seg
un la ecuacion
A = P e0.0248t
donde P es la cantidad inicial al tiempo t = 0 y A es la cantidad resultante despues de t a
nos. Si
inicialmente se depositan 500 miligramos de dicha sustancia, cuanto tiempo habra de transcurrir
para que quede el 1 % de esta? Utilizar el metodo de Newton. Indicar el valor inicial y el error
utilizado para resolver la ecuacion.

24

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES
Codigo 1.3: Implementacion en Matlab del algoritmo de NewtonRaphson

function [ c , e r r , P , k ] = newton ( f , df , x i n i , ep , max1 )


2 % Metodo de NewtonRaphson
3 % Datos
4 %
f e s l a f u n c i o n
5 %
d f e s l a d e r i v a d a de f
6 %
x i n i e s l a a p r o x i m a c i o n i n i c i a l
7 %
ep e s e l e r r o r r e l a t i v o p o r c e n t u a l que s e q u i e r e a l c a n z a r
8 %
max1 e s e l numero maximo de i t e r a c i o n e s .
9 % Resultados
10 %
c r e p r e s e n t a l a r a i z
11 %
e r r e s e l e r r o r que s e d e s e a a l c a n z a r
12 %
P e s una m a t r i z que c o n t i e n e l a s a p r o x i m a c i o n e s a l a r a i z
13 %
k e s e l numero de i t e r a c i o n e s en l a s que e l metodo c o n v e r g e a l a r a i z
14 % Uso :
15 %
[ c , e r r , P , k ] = newton ( f , df , x i n i , ep , max1 )
1

16

P( 1 ) = x i n i ;
err = 1;
p0=x i n i ;
f o r k=1:max1 ,
p1 = f e v a l ( f , p0 ) ;
dp1 = f e v a l ( df , p0 ) ;
c=p0p1/dp1 ;
P( k+1) = c ;
e r r = abs ( cp0 ) / abs ( c+eps ) ;
i f ( e r r <ep ) , break ; end
p0 = c ;
end

17
18
19
20
21
22
23
24
25
26
27
28
29

end


1.6. METODO
DE SECANTE

1.6.

25

M
etodo de secante

El metodo de Newton es una tecnica muy eficiente, pero tiene una dificultad grande: la necesidad
de saber el valor de la derivada de f en cada aproximacion. Frecuentemente ocurre que f 0 es mucho
mas complicada y necesita mas operaciones aritmeticas para su calculo que f (x). Para evitar el
problema de la evaluacion de la derivada en el metodo de Newton, podemos construir una peque
na
variacion de este. Por definicion
f 0 (xn1 ) = lm

xxn1

f (x) f (xn1 )
x xn1

Tomando x = xn2
f 0 (xn1 )

f (xn2 ) f (xn1 )
f (xn1 ) f (xn2 )
=
xn2 xn1
xn1 xn2

Usando esta aproximacion en la formula de Newton:


xn = xn1
xn = xn1

f (xn1 )
f (xn1 )f (xn2 )
xn1 xn2

f (xn1 ) [xn1 xn2 ]


f (xn1 ) f (xn2 )

Esta formula se llama metodo de la secante.


Ejercicio 15 Aproxime con 104 de presicion las races de las siguientes ecuaciones en el intervalo
dado usando el metodo de la secante


1. x cos (x) = 0, 0, 2
2. x3 + 3x2 1 = 0, [4, 0]
Ejercicio 16 Resolver 4 cos (x) = ex con un er = 104 usando el metodo de la secante con x0 =
y x1 = 2

26

NUMERICA

CAPITULO 1. SOLUCION
DE ECUACIONES
Codigo 1.4: Implementacion en Matlab del algoritmo de Secante

function [ p1 , y1 , e r r , P ] = s e c a n t ( f , p0 , p1 , d e l t a , e p s i l o n , max1 )
2 %
3 % SECANT
The s e c a n t method i s used t o l o c a t e a r o o t .
4 % Sample c a l l s
5 %
[ p1 , y1 , e r r ] = s e c a n t ( f , p0 , p1 , d e l t a , e p s i l o n , max1 )
6 %
[ p1 , y1 , e r r , P ] = s e c a n t ( f , p0 , p1 , d e l t a , e p s i l o n , max1 )
7 % Inputs
8 %
f
name o f t h e f u n c t i o n
9 %
p0
s t a r t i n g value
10 %
p1
s t a r t i n g value
11 %
delta
c o n v e r g e n c e t o l e r a n c e f o r p1
12 %
epsilon
c o n v e r g e n c e t o l e r a n c e y1
13 %
max1
maximum number o f i t e r a t i o n s
14 % Return
15 %
p1
s o l u t i o n : the root
16 %
y1
s o l u t i o n : the f u n c t i o n value
17 %
err
e r r o r e s t i m a t e i n t h e s o l u t i o n p1
18 %
P
History vector of the i t e r a t i o n s
19 %
20 % NUMERICAL METHODS: MATLAB Programs , ( c ) John H. Mathews 1995
21 % To accompany t h e t e x t :
22 % NUMERICAL METHODS f o r Mathematics , S c i e n c e and E n g i n e e r i n g , 2nd Ed , 1992
23 % P r e n t i c e Ha ll , Englewood C l i f f s , New J e r s e y , 0 7 6 3 2 , U. S .A.
24 % P r e n t i c e Ha ll , I n c . ; USA, Canada , Mexico ISBN 0136249906
25 % P r e n t i c e Ha ll ,
International Editions :
ISBN 0136250475
26 % This f r e e s o f t w a r e
i s compliments o f t h e a u t h o r .
27 % Em a i l a d d r e s s :
i n %m a t h e w s @ f u l l e r t o n . edu
28 %
29 % Algorithm 2 . 6 ( S e c a n t Method ) .
30 % S e c t i o n 2 . 4 , NewtonRaphson and S e c a n t Methods , Page 85
31 %
1

32

P( 1 ) = p0 ;
P( 2 ) = p1 ;
35 y0 = f e v a l ( f , p0 ) ;
36 y1 = f e v a l ( f , p1 ) ;
37 fo r k=1:max1 ,
38
d f = ( y1y0 ) / ( p1p0 ) ;
39
i f d f == 0 ,
40
dp = 0 ;
41
else
42
dp = y1 / d f ;
43
end
44
p2 = p1 dp ;
45
y2 = f e v a l ( f , p2 ) ;
46
e r r = abs ( dp ) ;
47
r e l e r r = e r r / ( abs ( p2)+eps ) ;
48
p0 = p1 ;
49
y0 = y1 ;
50
p1 = p2 ;
51
y1 = y2 ;
52
P = [ P , p2 ] ;
53
i f ( e r r <d e l t a ) | ( r e l e r r <d e l t a ) | ( abs ( y2)< e p s i l o n ) , break , end
54 end
33
34

También podría gustarte