Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo Unidad1 Met Num PDF
Modulo Unidad1 Met Num PDF
PASTO
Enero de 2013
TABLA DE CONTENIDO
UNIDAD I:
Conceptos Bsicos, Exactitud y Races de Ecuaciones.
C
CA
APPIITTU
ULLO
O 11:: C
CO
ON
NC
CEEPPTTO
OSS B
BA
ASSIIC
CO
OSS
74
C
CA
APPIITTU
ULLO
O 22:: R
RA
AIIC
CEESS D
DEE EEC
CU
UA
AC
CIIO
ON
N
Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y aqu es
donde hace acto de presencia la poderosa herramienta computacional, que nos permite
hacer clculos largos y tediosos en poco tiempo y con mayor exactitud que si los
hiciramos a mano. Esta gran herramienta hace factible el camino de los mtodos
numricos pues de otra forma, seran muy lentos los procesos y con mucho riesgo de
cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar el
proceso "a mano", ya que esto nos permitir implementar un mejor programa que
contemple todas las posibles piedras en el camino.
Cmo?
Mtodo o
Algoritmo
pasos
consecutivos
lgicos
ordenados
Programa:
Cmo?
Programa
C, Matlab, Excel
UNIDAD I:
Conceptos bsicos, exactitud y races de ecuaciones.
Errores
Truncamiento
Errores
Redondeo
Ejemplo
En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor trascendencia
el error en el caso del clavo que en el caso de la varilla, es decir, necesitamos comparar el
error absoluto contra el valor verdadero y esto da lugar a las siguiente definicin.
Desde luego, las dos preguntas corresponden a lo mismo. Slo en raras ocasiones los
datos proporcionados sern correctos, puesto que suelen originarse errores en el proceso
de medida. De modo que hay un error probable en la informacin de entrada. Adems, el
propio algoritmo introduce error, quiz redondeos inevitables. La informacin de salida
contendr entonces error generado por ambas fuentes.
10
Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a
derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que
permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto se
refiere cuando se habla de doble precisin, dependiendo de la mquina que estemos
utilizando.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
11
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades
que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.
Ms Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo sern:
1) Error absoluto
2) Error relativo
3) Error relativo Aproximado
4) Error aritmtico de la computadora
Error absoluto
Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto no es
negativo. As pues, una coleccin (suma) de errores siempre se incrementan juntos, sin
reducirse. Este es un hecho demasiado pesimista, dado que el redondeo y otros errores
rara vez estn en la misma direccin, es posible que la suma ("algebraica") de errores sea
cero, con aproximadamente la mitad de los errores positiva y la otra mitad negativa. Pero
tambin es demasiado optimista esperar que errores con signo sumen cero a menudo. Un
enfoque realista es suponer que los errores, en especial el redondeo, estn
estadsticamente distribuidos.
Error relativo
Error relativo =
con la condicin de p
0.
Ejemplo
14
Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusin:
Como una medida de precisin el error absoluto puede ser engaoso y el error relativo es
ms significativo.
Definiciones
1) Error relativo aproximado = ERA
15
2) Tolerancia = (0.5x102-n) %
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
16
17
18
EJEMPLO
Encontrar cos( / 6) con n = 2 (2 cifras significativas), donde =180o = 3.1416 radianes
Para i=1
Cos( / 6) = 1
i=2
19
EJEMPLO:
Ejemplo
20
como sigue:
En seguida, usamos la serie, agregando un trmino cada vez, para obtener nuevas
aproximaciones hasta que se logre que
#
trminos
Aprox. al
valor e
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
22
23
El error de redondeo se origina porque una mquina involucra nmeros con slo un
nmero finito de dgitos; por lo tanto, los clculos se realizan con representaciones
aproximadas de los nmeros verdaderos. Dicho de otra manera, el error de redondeo se
debe a la naturaleza discreta del sistema numrico de mquina de punto flotante, el cual a
su vez se debe a su longitud de palabra finita. Cada nmero (real) se reemplaza por el
nmero de mquina ms cercano. Esto significa que todos los nmeros en un intervalo
local estn representados por un solo nmero en el sistema numrico de punto flotante.
En una computadora se almacena una parte fraccionaria llamada la mantisa junto con una
parte exponencial llamada caracterstica; adems de un espacio para el signo.
Error de redondeo
Error de truncamiento
24
Este tipo de error ocurre cuando un proceso que requiere un nmero infinito de pasos se
detiene en un nmero finito de pasos.
Que
es
el
residuo
o
error
de
truncamiento
asociado
con
Pn.
f(x)=Pn(x)+Rn(x)
En el caso especfico de que xo=0 el polinomio de Taylor se conoce como el polinomio de
Maclaurin y la serie de Taylor se conoce como la serie de Maclaurin.
Ejemplo
Determine el polinomio de Taylor de segundo grado y tambin el de tercer grado para
f(x)=cos(x) respecto a xo=0 y use este polinomio para aproximar cos (0.01)
25
SOLUCION:
Polinomio de Taylor de segundo orden.
Calculando derivadas:
Donde
a lo ms es 1 por lo que
26
27
Donde
a lo ms es 1 por lo que
Conclusin:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos numricos. El
primero es obtener una aproximacin que los polinomios de Taylor ofrecen en ambas
partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error de
truncamiento).
En este caso el polinomio de tercer grado proporciona una exactitud mayor o un error de
truncamiento menor.
Ejemplo
Sea f(x)=x3
SOLUCION:
28
Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con xo=1.
29
Es el Error de Truncamiento
30
Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e
-1)
31
Ejemplos.
2
1. Las races de f ( x) x 9 son x 3 y
x 3 .
4
2
2. La funcin f ( x) x x 1 no tiene races.
3. La funcin
32
Sea
f (x)
contnua en un intervalo
tal que
a, b
y supongamos que
f (a) z f (b) ,
existe un
f (a) f (b) .
x0 a, b
tal que
En particular, si
f (a)
es precisamente
z 0,
debe existir
de
f (x)
f (b)
en el intervalo (a, b) .
Sea
f (x)
continua,
xa , xb
tales que
f ( xa )
y f ( xb ) tienen signos
33
xa
xb :
f ( xa )
f ( xr )
xa , xr .
xr , xb .
f ( xr ) 0
Es decir,
34
En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.
Figura. f (p1) tiene signo diferente a f(a1) entonces ac est la raz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
si f(p1)=0 entonces p=p1
si f(p1) y f(a1) tienen el mismo signo, entonces p (p1,b1) y a2=p1 y b2=b1
si f(p1) y f(a1) tiene signos opuestos entonces p (a1,p1) y a2=a1 y b2=p1
35
Para PN 0
Donde representa la tolerancia permitida con respecto al error relativo. Al trabajar
programas de computadora conviene fijar el nmero mximo de iteraciones que se
efectuaron.
Aproximar la raz de
f ( x) e x ln x
hasta que
a 1%
.
36
SOLUCION
1,1.5 .
f (x)
sin embargo, para poder aplicar el mtodo de biseccin debemos chequear que
f (1) y
mientras que
ii) Evaluamos
iii)
Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
37
1.25,1.5.
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
Evaluamos
1.25,1.375.
38
Error
aprox.
1.25
1.375
1.3125
1.28125
1.296875
1.3046875
9.09%
4.76%
2.43%
1.20%
0.59%
Ejemplo:
Encontrar la raz de:
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
punto decimal. Y usar a.
a =10-4 o a =0.0001 o sea que el error relativo sea menor a 0.0001.
En resumen:
an
Bn
Pn
f(pn)
1.5
2.375
1.5
1.25
-1.7068
39
1.25
1.5
1.375
0.16214
1.25
1.375
1.3125
-0.8483
1.3125
1.375
1.343
-0.333
1.343
1.375
1.359
-0.102
1.359
1.375
1.367
0.029
1.359
1.367
1.363
-0.036
1.363
1.367
1.365
-0.0037
10
1.365
1.367
1.366
11
1.365
1.366
1.3655
0.0044
12
1.365
1.3655
1.36525
0.0003
13
1.365
1.36525
1.36515
-0.0021
14
1.36515
1.36525
1.36517
-0.0009
Ejemplo:
Aproximar la raz de
f ( x) arctan x x 1
hasta que
a 1%
SOLUCION
f (x)
se localiza en
el intervalo 0,1 . Para poder aplicar el mtodo de biseccin, es importante checar que s
se cumplen las hiptesis requeridas.
Sabemos que f (x) es contnua en el intervalo 0,1 , y checamos que
tengan signos opuestos.
f (0)
f (1)
En efecto,
40
Mientras que,
Evaluamos
f (x) .
Puesto que
intervalo
f (0.5)
0.5,1 .
f (1)
En este punto, solo contamos con una aproximacin, a saber, xr1 0.5 , que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo 0.5,1 ,
41
f (x) .
Evaluamos
Puesto que
intervalo
f (0.5)
0.5,0.75 .
f (0.75)
42
Aprox. a la raz
0.5
0.75
0.625
0.5625
0.53125
0.515625
0.5234375
0.51953125
Error
aprox.
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
xr8 0.51953125
43
44
En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldr a C, y se repite el clculo para encontrar una nueva
C.
45
EJEMPLO:
Encontrar la raz de f(x)=cosx por el mtodo de la falsa posicin en el intervalo
[1,2] y s =0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(C_ant= 99999 para arrancar
Itera=0
s =0.001
Encontrado= False
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161
a = a =1.5649
b = Cact = 1.5709
Itera = 2
C_ant = 1.5709
f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036
Raz = 1.5707
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el
intervalo
a, b .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje x esta recta, nos aproximaremos mucho ms rpido a la raz; sta es
en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia
47
con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son
prcticamente idnticos.
f ( xa )
f ( xb )
f (x)
xa , xb
( xa , f ( xa )) , ( xb , f ( xb )) .
Multiplicando por
xb xa nos da:
48
xr
f (x)
continua,
xa , xb
f ( xa )
tales que
f ( xb )
iii) Evaluar
f ( xa )
f ( xr )
xa , xr .
49
f ( xr )
en el intervalo
f ( xb )
f ( xa )
f ( xr )
xr , xb .
f ( xr ) 0
Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo
f ( x) e x ln x ,
a 1% .
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que f (x)
es contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa.
Calculamos la primera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As pues,
evaluamos
1,1.397410482 .
51
Y el error aproximado:
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia
de la lentitud del mtodo de la biseccin.
Ejemplo:
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo 0,1 y hasta que
f ( x) arctan x x 1 ,
a 1% .
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se
cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que
f (x) sea
contnua en el intervalo dado y que f (x) tome signos opuestos en los extremos de dicho
intervalo.
Calculamos pues, la primera aproximacin:
52
Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra
la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
54
55
xi
a la raz
xi 1
xr
de f (x) ,
x en un
xr .
56
Hacemos y 0 :
Y despejamos x :
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure
que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos
aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no
converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los
casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es
uno de los mtodos preferidos por excelencia.
xi
f (x) !
Ejemplo
x0 1
y hasta que
f ( x) e x ln x ,
a 1% .
SOLUCION
En este caso, tenemos que
57
x
Comenzamos con 0
1 y obtenemos:
Error aprox.
21.19%
3.06%
0.052%
58
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
a 1% .
SOLUCION
En este caso, tenemos que
a
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Error
aprox.
100%
3.88%
0.01%
Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros reales
positivos.
SOLUCION
Sea R 0 . Queremos calcular x tal que
x2 R 0
Esto nos sugiere definir la funcin f ( x) x R de donde
datos en la frmula de Newton-Raphson nos da:
2
xi 1 xi
f ( x) 2x . Al sustituir estos
xi2 R
2 xi
1
R
xi 1 xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
x
comenzando con 0
R 26
Error aprox.
1.96%
0.019%
0.0000018%
La misma idea puede aplicarse para crear algoritmos que aproximen races
nmeros reales positivos.
n -simas de
61
Ejemplo:
Encontrar la raz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y s = 0.001.
SOLUCION:
f(x)= x5+x2-9 f(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x1, xo)=
(que no es menor a s)
62
(que no es menor a s )
(que s es menor a s )
63
SOLUCION:
f(x)= ex-3*x
recordemos que
f(x)= ex-3
(es mayor a s )
(es mayor a s )
64
< s =0.001
4=0.619023039928
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H3)1/2
Donde:
Q - Cantidad de agua que pasa por le vertedor en pies3/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con s =0.001 y Ho=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H3)1/2
f(H)=12 - 3.33*(3-0.2*H)*( H3)1/2 = 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H3)-1/2 (3*H2)+ ( H3)1/2*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)-3/2(3*H2)*(-3.33)*(-0.2H)*(1/2)*(H)3/2
(3*H2)+(3.33)*(0.2)*(H3/2)
f(H)=-14.985*H1/2+0.99*H*H-3/2*H2+0.666*H3/2
f(H)=-14.985*H1/2+1.665*H3/2
f(H)=12-3.33*(3-0.2H)*(H3)1/2
f(H)=-14.985*H1/2+1.665*H3/2
Hi+1 =
Hi
f(Hi)
F(Hi)
1.5
-4.51
-15.32
1.20517
1.20517 -0.16
-14.26
1.19362
9.5837x10-3
1.19362 -14.20
0.000278
1.19360
0.000016756
Hi+1
ERA
2=1.19360.
65
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
en
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero xo. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo)
x2 = (x1/2) + 4 = 6
ERA (x2,x1
x3 = (x2/2) + 4 = 7
ERA (x3,x2
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
66
(que no es menor a s)
x5 = (x4/2) + 4 = 7.75
ERA (x5,x4
x6 = (x5/2) + 4 = 7.875
ERA (x6, x5)=
x7 = (x6/2) + 4 = 7.9375
ERA (x7, x6
x8 = (x7/2) + 4 = 7.96875
(que no es menor a s)
ERA (x8,x7)=
x9 = (x8/2) + 4 = 7.984375
(que no es menor a s)
ERA (x9,x8)=
x10 = (x9/2) + 4 = 7.9921875
(que no es menor a s)
ERA (x10,x9)=
10 = 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el xo. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y xo = 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
xo=0
x1=2*(0)+4=4
x2=2*(4)+4=12
x3=2*(12)+4=28
x4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con xo=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que xo= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
xo = -4; x1=2*(-4)+4 x1= -4
Sea f(x) = x+4 = 0 con xo=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se
67
Otros Ejemplos:
1)
La ecuacin
2)
La ecuacin
se puede transformar en
se puede transformar en
.
.
69
Dada la aproximacin
, es decir,
y diferenciable en
entonces existe
es contnua
tal que
tal que:
O bien,
70
sima iteracin.
en un intervalo
es contnua y
en dicho intervalo.
En el ejemplo 1,
que
En
ejemplo
2,
en
este
caso,
y hasta que
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Y un error aproximado de
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
Solucin
Si despejamos la
y hasta que
de donde,
. Un vistazo a la grfica,
72
Aprox. a la raz
Error aprox.
0
-0.2
100%
-0.1557461506
28.41%
-0.1663039075
6.34%
-0.163826372
1.51%
-0.164410064
0.35%
73
x= e-x
g(x)= e-x
g´(x)= e-x *[d(-x)/ dx]
si se cumple
Para x=0
que no es
ejecute;(x)= - e-x
Por ejemplo para:
x=10
si se cumple
EJEMPLO:
Encontrar una raz para f(x)=5*x2-4*x-7 por el mtodo iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).
Solucin:
Propongamos primero una funcin g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)-2(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los lmites del intervalo dado para -0.9.
x2-x-2=0
x2-2=x
g1(x)=x= x2-2
2) respecto a x2
x2-x-2=0
x2=2+x
x= (2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos races (-1,2).
g1(x)=x2-2
g1(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con xo=1.5
x1= (1.5)2-2
x1=0.25
x2= x12-2=-1.9375
x3= x22-2=1.75390625
x4= x32-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
77
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g5(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5(x)=2*(-1)*(x-1)-2 dx/dx
g5(x)= -2 / (x-1)2
Probemos s esto fuese vlido para encontrar la raz igual a -1.
79
80
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
comenzando en el intervalo
y hasta que
.
Solucin:
y hasta que
y hasta que
Solucin:
y hasta que
Solucin:
5.
Usa
el
.
mtodo
de Newton-Raphson
comenzando con
Solucin:
para aproximar
y hasta que
Solucin:
7.
raz
.
de
la
y hasta que
81
Solucin:
82
BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.
83
84