Soluciones de Metodos Numericos PDF

Computacin II - Bioingeniera - FI-UNER Resolucin numrica de ecuaciones no lineales
1. INTRODUCCIN
1.1 Un ejemplo para comenzar
Suponga que usted est en un examen y encuentra que la corriente que circular por un paciente depende
de la impedancia de su sistema en la siguiente forma:
I P ( z ) = e sen( z ) z ec.1.1
Su misin es evitar que el paciente est sometido a tal circulacin de corriente. Es decir, deber encontrar
el valor de z que hace IP = 0. As obtenemos:
0 = e sen( z )
z ec.1.2
Como usted se encuentra en un examen slo posee lpiz, papel y calculadora. Con estas herramientas
cuenta para aprobar el examen... Que se le ocurre?...
Es muy probable que usted haya pensado en despejar z en la ecuacin 1.2 (ec.1.2 ) pero lo invito a descu-
brir que esto no es tan trivial como parece...
A continuacin podramos pensar en encontrar una primera aproximacin a la solucin. Para comenzar
sabemos que las impedancias no pueden ser negativas. Por otro lado un anlisis de nuestro sistema tambin
nos podra dar el orden de magnitud que tiene el z buscado lo cual nos acota aun ms la solucin.
Una buena idea es graficar la funcin para algunos valores y observar cuando cambia de signo. Simple-
mente probando con la calculadora podramos obtener la grfica que se encuentra en la figura 1.
Hemos encontrado que el valor

de impedancia requerido est entre
2 y 3 M pero podemos ver que
sta aproximacin no es suficiente.
Si tomsemos uno de estos valores
de impedancia la corriente sera del
orden del ampere y esto sera mortal
para el paciente.
Bien, sabemos que el valor bus-

cado para z est entre 2 y 3 M y
que debemos precisar ms este
resultado. Y ahora... Qu hace-
mos?...
Quizs usted pens en evaluar la

funcin reiteradas veces para z en el
intervalo [2,3]. Esto de probar es una
muy buena idea pero, cmo vamos
a seleccionar los valores de z para
las reiteradas pruebas? Le parece
una buena alternativa probar con
valores de z al azar ?, recuerde que
entre 2 y 3 hay infinitos valores re-
ales. Vemos que es conveniente
encontrar algunas reglas de prueba,
alguna forma ms inteligente de Figura 1: Primera aproximacin grfica a la solucin de la ecuacin del
llevar a cabo las pruebas. Algunas ejemplo introductorio.
ideas tiles en estos casos son: divi-
dir el intervalo en partes iguales y
buscar en cual cambia de signo la funcin, en el intervalo que se efecta el cambio de signo efectuar otra sub-
divisin y proceder de igual forma; otra idea es partir de uno de los extremos e incrementar los valores de
Primer cuatrimestre de 1996 1

prueba en una cantidad fija y pequea, en el sentido en que la funcin decrezca. Lo invito a que verifique es-
tas ideas ms algunas que usted proponga. Veremos con mayor detalle estas y otras formas de seleccionar los
puntos de prueba ms adelante.
Ahora la pregunta es hasta cuando seguimos probando?, alguien podra responder: Hasta que se me
termine el tiempo estipulado para realizar en examen, pero no, no es sta la respuesta ms apropiada. Para
el caso del ejemplo conocemos que la mxima circulacin de corriente admisible en el paciente es del orden
de los 10mA. Por lo tanto podemos considerar que cuando encontremos un valor de z que haga IP<10mA
habremos resulto el problema y no ser necesario continuar probando. O sea estamos considerando una tole-
rancia o error de 10mA en el clculo. Ms adelante le daremos un significado ms preciso a estos trminos.
Dejemos un poco de lado el hecho de que nos encontrbamos en un examen y supongamos que poseemos
una computadora a nuestra disposicin. Que bien!, podemos hacer que ella haga todas las pruebas por noso-
tros. Ella podr hacer miles de operaciones en cuestin de segundos y adems podremos reducir mucho los
errores por redondeo que tenamos en la calculadora. De esto se trata precisamente la resolucin de ecuacio-
nes no lineales mediante mtodos numricos. Aprenderemos a decirle a la computadora como realizar este
trabajo por nosotros.
Es interesante observar en este ejemplo lo siguiente:
Buscar los valores de la variable independiente que satisface la ecuacin es el objetivo que perse-
guimos. No pierda de vista esto.
El hecho de no poder obtener una solucin analtica para la ecuacin es generalmente el principal
motivo por el cual recurrimos a los mtodos numricos para la resolucin.
Es importante que siempre hagamos una primera aproximacin a la solucin, como ejemplo median-
te el anlisis del problema, a travs de tablas o bien con una grfica aproximada.
La rutina de prueba y error es la base de todos los mtodos que veremos.
Las distintas reglas mediante las cuales guiamos las pruebas son el origen de los diversos mtodos
de resolucin.
1.2 Objetivos
En esta seccin tratar de enumerarle las metas que debera perseguir mientras lee este material de estu-
dio:
Aprehender la estructura algortmica comn que fundamenta los mtodos de resolucin numrica de
ecuaciones no lineales.
Comprender los conceptos que dan origen a varios mtodos numricos sencillos para la resolucin
de ecuaciones no lineales.
Conocer las condiciones de aplicabilidad de cada mtodo.
Valorar las ventajas y desventajas de cada mtodo; haciendo una verificacin prctica de stas.
Implementar los mtodos analizados.
Hacer uso de rutinas ya implementadas y disponibles en bibliotecas de procedimientos y funciones.
1.3 Lineamientos generales
Primeramente, en la seccin 2, veremos un conjunto de caractersticas algortmicas que comparten todos

los mtodos. En las secciones 3 a la 9, se presentarn los mtodos de biseccin, regla falsa, regla falsa modi-
ficada, secantes, Newton-Raphson, Von Mises y sustituciones sucesivas. Luego, en la seccin 10, se encuen-
tra un pequeo resumen de las secciones anteriores.
Para continuar, en la seccin 11 se trata la utilizacin de bibliotecas de procedimientos y funciones.
En la seccin 12 se proponen ejercicios para practicar y terminar de comprender cada uno de los mtodos.
Es bueno aprovechar esta oportunidad para hacer uso de bibliotecas y profundizar en la implementacin.
Finalmente en la seccin 13 se lista la bibliografa a la que le recomendamos recurrir para ampliar o pro-
fundizar algunos tpicos en particular.
2 Primer cuatrimestre de 1996

2. CARACTERSTICAS COMUNES A TODOS LOS MTODOS
Vamos a ver un algoritmo comn para todos los mtodos mediante el cual podremos tener una visin gene-
ral de la metodologa de resolucin de ecuaciones no lineales con mtodos numricos.
Para comenzar realizaremos una apropiada

inicializacin. En esta asignaremos a las va-
riables a utilizar los valores con los que encon- inicializacin
traremos la primera aproximacin a la raz. repetir
aplicar la frmula de recurrencia
En estos mtodos encontramos que se repi- realizar la redefinicin de los parmetros
ten ciertos clculos hasta que se encuentra un comprobar los criterios de finalizacin para evaluar
resultado vlido o se verifica que el mtodo no las condiciones de finalizacin.
sirve para encontrarlo. De esta forma pensamos hasta verificar una condicin de finalizacin
en un ciclo que se efecta hasta que se cumpla
una condicin de finalizacin.
Dentro de este ciclo estar la regla que una vez tras otra usaremos para ir acercndonos al resultado de-
seado. A la expresin matemtica de esta regla la denominamos frmula de recurrencia.
Cada vez que apliquemos la frmula de recurrencia deberemos hacer una actualizacin de las variables
que toman parte en los clculos. De esta forma se usarn en la prxima iteracin. Esto ser la redefinicin de
los parmetros. Veremos que en algunos casos sta redefinicin de parmetros est incluida en la frmula de
recurrencia.
Por ltimo haremos los clculos para poder controlar el funcionamiento del mtodo. En base a la verifica-
cin de criterios de finalizacin preestablecidos sabremos construir la condicin de finalizacin. Existen
tres motivos bsicos para terminar la ejecucin del ciclo:
Se encontr el resultado buscado : esto ocurre cuando el error o tolerancia es menor que el que es-
pecifica el usuario de la rutina.
Se alcanz del lmite de iteraciones : Este control se puede llevar a cabo incrementando un conta-
dor dentro del ciclo y verificando que sea menor o igual a el lmite impuesto previamente. Es de
destacar que una finalizacin del ciclo por lmite de iteraciones no implica la convergencia adecua-
da del mtodo, o sea, el resultado puede no ser vlido.
El mtodo diverge : en cada mtodo podemos verificar determinadas caractersticas de la evolucin
que no slo nos indicarn que no nos aproximamos al resultado buscado sino que nos estamos
alejando peligrosamente.
Es bueno puntualizar aqu dos conceptos:
Llamamos error a la diferencia entre el valor encontrado para la raz y el valor verdadero de esta.
Llamamos tolerancia al mximo valor admitido para el valor absoluto de la funcin evaluada en el
valor de la aproximacin encontrada para la raz.
En ciertos casos es posible usar como criterio de finalizacin ambos parmetros tanto el error mximo ad-
misible como la tolerancia. Sin embargo veremos que en la mayor parte de los casos slo es posible utilizar la
tolerancia como criterio de finalizacin.
En las siguientes secciones veremos como son las diferentes partes de este sencillo algoritmo. Cada mto-
do nos dar una versin diferente de cada una de ellas. Lo importante que se debe rescatar de esta seccin es
que todos los mtodos usan este algoritmo, an ms, gran parte de los mtodos numricos hacen uso de esta
estructura algortmica bsica. Tenga esto presente an cuando este estudiando mtodos numricos para la
resolucin de otros problemas.

3. BISECCIN
3.1 La idea
Este es uno de los mtodos ms sencillos que se conocen. Dado un intervalo que contiene una raz, lo divi-
dimos en dos partes iguales y tomamos para la prxima iteracin el subintervalo que contenga la raz. Poste-
riormente dividimos nuevamente en dos el intervalo obtenido antes y nos quedamos con el que contenga la
raz. Esto lo realizamos hasta el intervalo que nos quede sea tan pequeo que el error sea despreciable.
3.2 El mtodo
Suponga que debemos encontrar una raz de la funcin (x) que se muestra en la figura 2, en el intervalo
[x0 , x1 ]. Partimos este intervalo en otros dos iguales, [x0 , x2 ] y [x2 , x1 ]. Como la raz se encuentra en el inter-
valo [x2 , x1 ] ahora tomaremos este para realizar nuestra
prxima divisin. En este caso encontramos el nuevo
punto x3 que nos determina los intervalos [x2 , x3 ] y [x3 ,
x1 ]. Nuevamente nos quedamos con el intervalo que
contiene la raz para realizar la prxima subdivisin. Se-
guiremos subdividiendo hasta que obtengamos un inter-
valo tan pequeo que cualquiera de sus dos extremos
pueda ser considerado una raz de la funcin con un error
despreciable a nuestros fines prcticos.
Podemos realizar ciertas generalizaciones de este

proceso. Para comenzar supongamos que el intervalo en
el que nos encontramos es el [xn , xn+1 ]. Necesitamos
calcular el punto xn+2 que se encuentra en el medio del
intervalo. Este punto lo encontramos en:
x n + x n +1
xn+2 = ec.3.1
2
Esta es la frmula de recurrencia del mtodo. Con Figura 2: Aplicacin del mtodo de biseccin.
esta expresin obtenemos el prximo punto de prueba
del proceso.
Por otro lado debemos resolver otro inconveniente para poder realizar la prxima aproximacin: en cul
de los dos nuevos intervalos se encuentra la raz? Esto se puede determinar utilizando un poco de la informa-
cin que la funcin nos provee. Es claro que en el intervalo en que la funcin cambie de signo, cruzar el eje
x. Una propuesta para verificar este cambio de signo en la implementacin es realizar el producto de la fun-
cin evaluada en los dos extremos del intervalo en cuestin. Si este producto es negativo o cero entonces es
este el intervalo que contiene la raz. Podemos resumir esto como:
si la raz est en [ x n+1, xn+2 ]

f ( x n+ 2 ) f ( x n+1 ) 0 ?
no la raz est en [ x n , x n+2 ]
3.3 Los inconvenientes
En este apartado comenzaremos con ver algunos casos en los que el mtodo no es aplicable. Para esto
voy a requerir de su colaboracin. Ser usted quien encontrar los inconvenientes que presenta la aplicacin
del mtodo de biseccin en dos casos sencillos. Las funciones que nos interesan se pueden ver en la figuras 3
y el intervalo inicial es el [1, 3 ]. Usted deber intentar aplicar las reglas anteriormente tratadas a estos casos
particulares.
Figura 3: Cuales son los inconvenientes al aplicar biseccin a estas funciones en el intervalo [1,3] ?.
Si encuentra algn tipo de inconveniente trate de explicar su origen y de generalizar mediante reglas de no
aplicacin del mtodo.
Vamos a ver otros dos casos interesantes. El primero trata de funciones que en el intervalo dado presentan
tres races. Podemos ver esta situacin en la figura 4. Cuando intentemos aplicar el mtodo veremos que en-
cerraremos slo una de las tres races presentes.
Podemos ver en la figura los sucesivos valores que
toma el xn para n entre 0 y 4. Como usted podr
apreciar el mtodo encontr solo una raz de las
tres existentes en el intervalo dado. Esto nos habla
de la importancia de realizar un anlisis previo de
la funcin a tratar. Por otro lado veremos ms ade-
lante que esta caracterstica, de encontrar slo una
raz entre las muchas que pueden existir, es comn
a estos mtodos. Le propongo que encuentre un
algoritmo, basado en este mtodo, mediante el
cual podamos encontrar N races en un intervalo
dado. Tenga en cuenta que los datos con que con-
tar sern: intervalo inicial y cantidad de races a
encontrar.
El segundo caso de inters es el de la funcin

que vemos en la figura 5. En este caso la funcin
tiene una singularidad en el intervalo inicial. Le
sugiero que aplique el algoritmo del mtodo a esta
funcin para descubrir lo que sucede... Se habr
dado cuenta que el mtodo encuentra la singulari- Figura 4: Evolucin del mtodo de biseccin aplicado a
dad como si fuese una raz. Esto puede ser visto una funcin con un nmero impar de races en el inter-
como una desventaja o como un ventaja en el m- valo inicial. Los valores para xn son 2, 2.5 y 2.75 para n
todo. Si estbamos buscando singularidades tene- igual a 2, 3 y 4 respectivamente.
mos un mtodo que las encuentra. Si estbamos
buscando races el mtodo est dando como resul-

tado la ubicacin de una raz cuando en realidad en ese lugar hay una singularidad. Vemos aqu nuevamente
la importancia de que hagamos un anlisis previo del problema al que nos enfrentamos. Por ejemplo mediante
una grfica aproximada.
Veamos ahora una forma interesante de estimar el error

cometido despus de n iteraciones. Primeramente pense-
mos que si tenemos un intervalo que contiene una raz y
tomamos uno de sus extremos como aproximacin a la raz.
El error mximo que podemos cometer es igual al ancho

de el intervalo que contiene a la raz seleccionado. De
hecho, lo peor que nos podra suceder es que la raz se en-
cuentre en el otro extremo... Finalmente concluimos que el
error en un intervalo dado es igual a la distancia entre sus
extremos xn - xn+1.
Pero podremos encontrar el error cometido despus de

n iteraciones antes haberlas realizado? Si, preste atencin al
siguiente razonamiento. En la primera iteracin el ancho del
intervalo resultante ser la mitad del intervalo inicial por lo
tanto: Figura 5: El caso de la deteccin de singularida-
des. Una ventaja o una desventaja?.
x 0 + x1
1 = ec.3.2
2
En la prxima iteracin el ancho del intervalo ser la mitad del intervalo anterior, o sea:
x 0 + x1
2 x + x1 x 0 + x1
2 = = 0 = ec.3.3
2 4 22
Nuevamente en la iteracin siguiente el ancho del intervalo ser la mitad:
x 0 + x1
4 x + x1 x 0 + x1
3 = = 0 = ec.3.4
2 8 23
Seguramente usted ya ha descubierto la regla que rige estas expresiones. El nmero de la iteracin, subn-
dice del error , es coincidente con el exponente de la potencia que afecta al 2 en el denominador. Ahora po-
demos generalizar la expresin del error en la iteracin n de la siguiente forma:
x0 + x1
n = ec.3.5
2n
De esta expresin podemos despejar n y saber cuantas iteraciones necesitamos realizar con este mtodo
para satisfacer un error requerido dado.
Finalmente trataremos una particularidad importante de este mtodo que, como en el caso de la deteccin
de singularidad, puede ser vista tanto una ventaja como una desventaja. El mtodo de biseccin utiliza poca
informacin de la funcin a analizar. Utilizamos slo el signo de la funcin en los extremos del intervalo, no
utilizamos por ejemplo su valor, el de sus derivadas u otra informacin que sta nos ofrece. Decimos que esto
es una ventaja ya que el mtodo es independiente de las caractersticas de la funcin lo que lo hace ms ro-
busto, aplicable con una mayor generalidad y con ms probabilidades de converger hacia el resultado. Por
otro lado decimos que es una desventaja por que, como veremos luego, podemos utilizar informacin de la
funcin para llegar ms rpidamente a la raz buscada, es decir, acelerar el mtodo. A continuacin comenza-

remos a utilizar un poco de esta informacin que nos brinda las funcin para encontrar un mtodo que en al-
gunos casos es ms rpido.

4. REGLA FALSA
4.1 La idea
Y... si no dividimos el intervalo en partes iguales? No

sera mejor que el punto de divisin del intervalo estuvie-
se ms cerca de la raz. Podemos suponer que la raz
estar ms cerca del extremo donde la funcin alcance un
menor valor. La propuesta en este caso es trazar una
recta que intercepte a la funcin en ambos extremos del
intervalo y tomar como punto de divisin el cruce de esta
con el eje de las abscisas.
4.2 El mtodo
En este mtodo, tambin llamado de la posicin falsa,

lo primero que debemos hacer es encontrar la ecuacin
de la recta que pasa por los puntos (xn , (xn)) y (xn+1 ,
(xn+1)):
Figura 6: Aplicacin del mtodo de la regla
( x ) = m . x + b ec.4.1 falsa en un intervalo genrico que contiene la
raz. Obsrvese como el punto de divisin de
donde: intervalo se encuentra ms cerca de la raz
que en el caso de biseccin.
( x n +1 ) ( x n )
m= ec.4.2
x n+1 x n
x n +1 .( x n ) x n .( x n +1 )
b= ec.4.3
x n +1 x n
Luego buscamos la interseccin de esta recta con el eje x, es decir hacemos (x)=0 en la ecuacin 4.1 y
luego despejamos x.
0 = m .x + b ec.4.4
y luego
b
x= ec.4.5
m
reemplazando b y m segn las ecuaciones 4.2 y 4.3 obtenemos:
x n +1 .( x n ) x n .( x n +1 )
x n+2 = ec.4.6
( x n +1 ) ( x n )
o bien:

x n +1 x n
x n+ 2 = x n +1 ( x n +1 ) ec.4.7
( x n +1 ) ( x n )
Esta expresin constituye nuestra buscada frmula de recurrencia para el mtodo. Ntese que a pesar de
que las ecuaciones 4.6 y 4.7 son equivalentes, en la ecuacin 4.7 tenemos un producto y una evaluacin de la
funcin menos lo que se reflejar directamente en el tiempo de clculo. Por otro lado la ecuacin 4.7 puede
ser vista como la correccin que debemos hacer a xn+1 para obtener xn+2.
Por ltimo para decidir cual es el intervalo que contiene la raz aplicaremos la misma idea utilizada en el
mtodo de biseccin.
Primeramente vemos que en general el ancho del intervalo que contiene a la raz no tiende a cero. Esto es
debido a que las funciones poseen concavidades o convexidades en las cercanas de la raz y, mientras un
extremo queda fijo, el otro avanza cada vez mas
lentamente hacia la raz.
Por otra parte: Es verdad que siempre la raz

est ms cerca del extremo en el que la funcin
tom el menor valor?. Analice la funcin que se en-
cuentra en la figura 7. Compare la velocidad de con-
vergencia de la regla falsa con la de biseccin para
este caso particular. Observe en la figura 8 cuanto
ms cerca estamos de la raz con biseccin para el
Figura 7: Cuatro iteraciones con el mtodo de la

regla falsa. Comprese con las cuatro iteraciones
del mtodo de biseccin para igual intervalo y fun-
cin.
mismo nmero de iteraciones. Es evidente que hay

que conocer muy bien la funcin a la que le aplica-
remos este mtodo. A continuacin veremos como
una variante del mtodo de la regla falsa soluciona
Figura 8: Cuatro iteraciones con el mtodo de bi- este problema.
seccin.

5. REGLA FALSA MODIFICADA
5.1 La idea
Se propone construir la recta con la mitad del valor

de la funcin en el extremo que se repita ms de dos
veces seguidas. Es decir, al construir la recta tomare-
mos el nuevo extremo, calculado en la iteracin ante-
rior, y el valor de la funcin en l para obtener el primer
punto de la recta. El segundo punto de la recta ser el
otro extremo, el que se repite por segunda vez, y la
mitad del valor de la funcin en este.
5.2 El mtodo
Al igual que en el mtodo de la regla falsa debemos

construir una recta y luego encontrar su interseccin
con el eje de las abscisas. Esta interseccin ser nues-
tro nuevo punto de divisin para el intervalo. Como el
nico cambio que hicimos fue tomar la mitad del valor
de la funcin en el primer extremo del intervalo, pode-
mos modificar la frmula de recurrencia obtenida ante-
riormente solamente dividiendo por dos en donde apa- Figura 9: Modificacin del mtodo de la regla falsa
rezca (xn), cuando este extremo se halla repetido dos para obtener una convergencia ms rpida y segu-
veces. Existe una sola excepcina la regla: en la primera.
ra iteracin no es necesario esperar ms dos repeticio-
nes para efectuar la divisin. Puede verse un sencillo ejemplo de esta modificacin en la figura 9. La forma en
que vamos seleccionando el intervalo con el que seguiremos el anlisis sigue siendo la misma que utilizamos
en los mtodos de biseccin y regla falsa: el producto de la funcin evaluada en los extremos para verificar el
cambio de signo.
Luego de los cambios que realizamos sobre el mtodo original de biseccin podemos ver que seguimos
teniendo los mismos problemas y restricciones que nos impone el encerrar las races con un intervalo. Re-
cuerde lo que suceda cuando tenamos un nmero par de races dentro del intervalo. O tambin el problema
de la raz en el mnimo o mximo local. Todos estos problemas provienen del proceso de seleccin del inter-
valo: el anlisis mediante la verificacin de los signos de la funcin el los extremos de ste.
En adelante nos olvidaremos de los intervalos que contienen a la raz. Trataremos con uno o dos puntos
ubicados cuidadosamente y con derivadas o pendientes fijas.

6. SECANTES
6.1 La idea
Siguiendo con la recta y su interseccin con el eje x,

ahora cambiaremos las condiciones para la seleccin
de los puntos que la definen. Estos ya no deben ence-
rrar necesariamente una raz de la funcin que analiza-
mos. Trazamos una recta entre estos dos puntos inicia-
les y encontramos la interseccin con el eje de las abs-
cisas. Con este nuevo punto y el segundo de los ante-
riormente dados, trazamos la prxima recta.
6.2 El mtodo
Dados los puntos (xn , (xn)) y (xn+1 , (xn+1)) encon-

traremos una recta que pase por ellos de igual forma
que lo hicimos en el mtodo de la regla falsa. Luego Figura 10: Primera iteracin en el mtodo de la
buscamos la interseccin de esa recta con el eje de las secante. Observe como los valores iniciales dados,
abscisas de la forma: x0 y x1, no deben encerrar necesariamente a la raz.
x n+1 x n
x n+ 2 = x n +1 ( x n +1 ) ec.6.1
( x n+1 ) ( x n )
Esta ecuacin es exactamente igual a la ecuacin 4.7 en el mtodo de la regla falsa. A partir de ahora vie-
ne lo nuevo en este mtodo. La prxima recta la trazaremos entre (xn+1 , (xn+1)) y (xn+2 , (xn+2)). Es decir, el
prximo punto ser una extrapolacin y no una interpolacin como lo era en la regla falsa. Ya no preguntamos
por los signos de la funcin para seleccionar uno de los puntos dados, simplemente tomamos el inmediato
anterior y trazamos la nueva recta. Para el caso de la figura 10 la prxima recta se trazara por los puntos (x1 ,
(x1)) y (x2 , (x2)).
Suponga que la funcin y los valores iniciales son

los que se muestran en la figura 11. Donde se encon-
trarn la recta y el eje x? Desde otro punto de vista:
dado que (x1) (x2), qu suceder al evaluar la
ecuacin 6.1? Este es un ejemplo fehaciente de diver-
gencia y constituye la principal desventaja del mtodo.
Como el ejemplo lo sugiere, las regiones de pendiente
cercana a cero son un verdadero peligro para el algo-
ritmo y uno deber ser muy cuidadoso al seleccionar
los dos puntos de partida.
Otro problema es que si la distancia entre xn y xn+1

es pequea entonces (xn) (xn+1) y si bien la ecua-
cin 15 podr ser evaluada computacionalmente
hablando, los errores por redondeo pueden ser signifi-
cativos. Cabe aclarar que llamamos una distancia
pequea cuando el orden de magnitud de esta es cer- Figura 11: Una mala seleccin de las aproximacio-
cano el del truncamiento que presupone el tipo de nes iniciales para el mtodo de las secantes.
datos que usamos en el caso particular. Veamos dos
formas de solucionar este inconveniente.

Ante todo debemos colocar un umbral, es decir un valor fijo que indicar la mnima distancia admisible
entre (xn) y (xn+1). Cuando el valor absoluto de (xn) -(xn+1) sea menor que entonces en la frmula de recu-
rrencia, ecuacin 6.1, saltearemos un punto trazando la recta entre (xn-1 , (xn-1)) y (xn+1 , (xn+1)).
La segunda idea es la ms interesante por que la propondr usted. (?)
Es importante recalcar que si bien este es uno de los mtodos ms rpidos computacionalmente hablando,
tambin es muy sensible a los valores iniciales, podra no converger en absoluto con una mala seleccin de
estos.
Observe que este mtodo hace uso de ms informacin de la funcin. No slo usa los valores que toma
esta sino tambin hace uso de una estimacin de la velocidad de cambio de la funcin cuando traza la secante
entre dos puntos cercanos. Esto puede ser visto tambin como una aproximacin a la pendiente o derivada de
la funcin en la zona de trabajo.
El prximo mtodo que veremos usa de una forma explcita la derivada de la funcin en el punto.

7. NEWTON - RAPHSON
7.1 La idea
Partiendo de un nico punto trazaremos una recta que pase por ste y que tenga pendiente igual a la de la
funcin en este punto. Luego encontramos la nueva aproximacin a la raz en la interseccin de la recta y el
eje de las abscisas. Tambin podemos ver este proceso como la utilizacin de aproximaciones a la funcin en
forma de series de Taylor. Seguimos el comportamiento de la funcin con otras aproximadas que nos llevarn
poco a poco hacia la raz.
7.2 El mtodo
Como en las otras secciones en este apartado nos encargamos de encontrar la frmula de recurrencia del
mtodo. El desarrollo de Taylor para la funcin (x) en el punto xn se puede escribir de la siguiente forma:
( x ) = ( x n ) + ' ( x n ) ( x - x n ) + R 2 ec.7.1
donde Rn es el resto o residuo de segundo orden que proviene de despreciar los trminos a partir del orden 2
en la serie. Vamos a dejar de lado este residuo y aceptar la aproximacin de primer orden para el mtodo.
g ( x ) = ( x n ) + ' ( x n ) ( x - x n ) ec.7.2
Encontrar la raz de la funcin aproximada no es nada difcil en las condiciones en que lo planteamos:
0 = ( x n ) + ' ( x n ) ( x - x n ) ec.7.3
luego:
( x n )
x = xn - ec.7.4
' ( x n )
De esta forma obtuvimos una aproximacin a la raz que puede ser generalizada para obtener la frmula de
recurrencia de la siguiente forma:
( x n )
x n +1 = x n - ec.7.5
' ( x n )
Podemos ver la ecuacin 7.2 como una recta que pasa por el punto (xn , (xn)) y posee la misma pendiente
que la funcin (x) en este punto. Las ecuaciones 7.3 y 7.4 constituyen la bsqueda de la interseccin de la
recta con el eje x. Puede observar este enfoque alternativo del mtodo en la figura 12.
Existen dos alternativas para el costoso trabajo del clculo de la derivada de la funcin. La primera consiste
en tener la expresin analtica de sta y evaluarla cuando sea necesario. La otra opcin es utilizar una aproxi-
macin a sta de la siguiente forma:
( x n + h ) - ( x n )
' ( x n ) = ec.7.6
h
El valor de h debe ser elegido segn la dinmica de la funcin y puede estar, por ejemplo, en el orden de
-3
10 .
El mtodo puede ser desarrollado mediante una aproximacin de segundo orden pero el clculo de las
derivada primera y segunda hace que el mtodo converja muy lentamente.

Este mtodo posee un problema similar al de las

secantes. Cuando nos encontremos en una regin
de pendiente cero o cercana a cero evaluar la ecua-
cin 7.5 se hace computacionalmente imposible. En
otras palabras la recta cortara el eje x en el infinito
(o cerca de aquel lugar). Analice las dos iteraciones
que se muestran en la figura 13.
Por otro lado este mtodo requiere ms clculos
Figura 12: Aplicacin del mtodo de Newton-

Raphson con un correcto punto de partida.
por cada iteracin. El clculo de la derivada, como

ya vimos, insume demasiado tiempo siendo esta la
razn fundamental por la que no es tan aplicable el
mtodo en segundo orden.
En la prxima seccin veremos como podemos

solucionar el problema de la divergencia presentado
en la figura 13.
Figura 13: Divergencia en el mtodo de Newton-
Raphson

8. VON MISES
8.1 La idea
Este mtodo surge como una alternativa interesante para solucionar el problema de la divergencia en el
mtodo de Newton-Raphson. La propuesta es trazar todas las rectas con la misma pendiente. Esta pendiente
puede ser fijada de antemano o se puede tomar la pendiente de la funcin en el punto de partida.
8.2 El mtodo
En este caso construiremos la recta con una pen-

diente fija m = (x0) con lo que la ecuacin de la recta
nos quedar:
g ( x ) = ( x n ) + ' ( x 0 ) ( x - x n ) ec.8.1
Para encontrar la interseccin con el eje x iguala-

mos la ecuacin 8.1 a cero:
0 = ( x n ) + ' ( x 0 ) ( x - x n ) ec.8.2
y luego despejamos x para obtener la frmula de recu-

rrencia:
( x n )
x = xn - ec.8.3
' ( x 0 )
Observe en la figura 14 el resultado de dos itera-

ciones aplicando este mtodo al mismo caso en el que Figura 14: Aplicacin del mtodo de Von Mises al
el de Newton-Raphson diverga. mismo caso en que el de Newton-Raphson diver-
ga. Vase tambin la figura 13.
Hemos reducido notablemente la cantidad de informacin que tomamos de la funcin lo que hace ms
lento al mtodo. Por otro lado tambin se redujeron notablemente los clculos que deben realizarse en cada
iteracin. Haciendo un balance en la mayora de las funciones se verifica que el algoritmo en conjunto es ms
lento que el de Newton-Raphson. Pero no olvidemos que es ms seguro por ser menos sensibles a las carac-
tersticas de la funcin..

9. SUSTITUCIONES SUCESIVAS
9.1 La idea
Este mtodo da una gran flexibilidad en la seleccin de la frmula de recurrencia. El esquema consiste en
obtener una frmula de recurrencia operando matemticamente sobre la funcin a la que le buscamos la raz.
Una vez obtenida esta frmula de recurrencia, que deber satisfacer algunos requisitos, la utilizamos en el
algoritmo comn a todos lo mtodos expuesto en la seccin 2.
9.2 El mtodo
Supongamos que buscamos races a la funcin (x). Por lo tanto nuestro planteo expresado mediante una
ecuacin:
( x ) = 0 ec.9.1
Reordenaremos esta ecuacin, para obtener otra de la forma:
x = g(x) ec.9.2
De esta ecuacin podemos obtener la siguiente aproximacin para un algoritmo iterativo:
x n +1 = g ( x n ) ec.9.3
Ecuacin que constituye una expresin genrica para una frmula de recurrencia. En cada iteracin obten-
dremos un nuevo valor de xn+1 a partir del xn obtenido anteriormente. Cuando se verifique que xn+1 = xn se veri-
ficar la ecuacin 9.2 para ese valor de x. Como este x se verifica la ecuacin 9.2 tambin verificara la ecua-
cin 9.1, no olvidemos que ambas difieren slo en un reordenamiento matemtico. Hemos encontrado la raz
que buscbamos!. Resumamos este razonamiento:
xn +1 = xn xn = g ( xn ) ( xn ) = 0 xn es la raz buscada
ec.9.3 ec.9.2 ec.9.1
Un anlisis algo ms prctico nos lleva a la idea de considerar que la igualdad xn+1 = xn es poco aplicable
en el mbito computacional. En consecuencia deberemos considerar un margen de error de forma de consi-
derar por satisfecha la igualdad cuando:
x n+1 x n ec.9.4
Veamos un ejemplo para aclarar el concepto. Suponga que:
1
( x ) = x e x
ec.9.5
en este caso buscamos una x tal que satisfaga:

1
x e x
=0 ec.9.6
podemos reordenar esta expresin de la siguiente manera:

1
x =e x
ec.9.7
Si luego llamamos:
1
g(x) = e x ec.9.8
obtuvimos la ecuacin buscada:

x = g( x) = e x ec.9.9
que iteraremos de la forma:

1
x n+1 = e xn ec.9.10
Observe que en la ecuacin 9.6 podramos haber sumado 2.x en cada miembro para obtener:
2x = x + e x
ec.9.11
y luego:
1
x+ex
x = g( x) = ec.9.12
2
que evidentemente es diferente a la ecuacin 9.9 pero la obtuvimos mediante un reordenamiento matem-
ticamente lcito. Conclusin: podemos obtener infinitas expresiones diferentes para la frmula de recurrencia.
Pero... son todas vlidas?, an ms, cul es mejor?. En el siguiente apartado trataremos de contestar estas
preguntas.
Para comprender mejor el proceso

vamos a ver una forma de representar el
evolucin iterativa de la ecuacin 9.3. En
un par de ejes coordenados graficaremos
las funciones yA=g(x) e yB=x. El punto en
que se encuentran yA e yB tenemos que
g(x)=x. Esta es precisamente la condi-
cin que pretendemos satisfacer, recor-
demos que cuando esto suceda se verifi-
car (x)=0. En consecuencia diremos
que la interseccin de las funciones
yA=g(x) e yB=x representa la solucin de
nuestro problema. Puede todo esto re-
presentado en la figura 15.
Ahora veremos como se evoluciona el

proceso iterativo. Suponga que la prime-
ra aproximacin a la raz es x0. Lo prxi-
mo es evaluar x1=y1=g(x0). Este x1 lo
encontramos grficamente trazando una
recta vertical desde el eje x en x1 hasta
encontrarnos con g(x), luego trazamos
otra recta horizontal hasta encontrar la
recta y=x que en este caso es x1=y1. Lo
siguinte es usar este x1 para encontrar Figura 15: Representacin grfica de la frmula de recurrencia y la
x2=y2=g(x1). Grficamente significa trazar solucin a la ecuacin no lineal.
una nueva vertical hasta encontrarnos
encontrarnos con g(x) y luego una horizontal hasta llegar a la recta x=y donde tendremos x2=y2. El proceso
continua aproximndose a la solucin como muestra la figura 16.
Analicemos otras alternativas de g(x). Siga los procesos mostrados en las figuras 17, 18 y 19.

Figura 17: Aplicacin del mtodo de sustitucio- Figura 16: Otro caso en el cual los valores de x
nes sucesivas. Observe como los sucesivos de acercan progresivamente hacia la solucin.
valores de x se acercan a la solucin.
Figura 19: An seleccionando una aproxima-

Figura 18: En este caso los valores de x se
cin inicial cercana a la solucin, los siguientes
alejan progresivamente se la raz.
valores de x se alejan cada vez ms de ella.
Las dos ltimas figuras nos muestran que bajo ciertas circunstancias el mtodo es divergente. Podra usted
descubrir cul es la condicin que debe cumplir g(x) para asegurar la convergencia del mtodo...?

Podemos observar en la figura 16 que en un entorno de la raz g(x) posee una pendiente menor que la de la
recta de pendiente 1. De forma similar el la figura 17 la pendiente de g(x) en un entorno de la solucin est
entre -1 y 0. Por otro lado, en las figuras 18 y 19 el valor absoluto de la pendiente de g(x) es mayor a que 1.
Hemos encontrado as que la condicin de convergencia para el mtodo:
el mtodo es convergente g ' ( x ) < 1 en la vecindad de la raz

10. RESUMEN Y ANLISIS COMPARATIVO

Mtodo Frmula de recurrencia Criterios de finalizacin Aplicacin
Convergencia Divergencia Ventajas Desventajas
=xn - xm < Mx. error
Mx. iteraciones
(xp)<Tolerancia Lento
Robusto
(xn+2).(xn+1)>0 No usa informacin de
x0 + x1
x n + x n+1 n = Detecta singularidades No detecta ceros en
Biseccin xn+ 2 = y
2 2n mn. o mx. locales.
(xn+2).(xn) > 0
x x0 No detecta un nmero
ln( 1 ) No necesita calcular
par de ceros.
n
ln 2
En algunos casos es ms
= xn - xm < Mximo Error En algunos casos es lento que biseccin
x n +1 .( x n ) x n .( x n +1 ) ms rpido que bi- No usa informacin de
Regla falsa x n+2 = Mximo de iteraciones dem biseccin seccin No detecta un nmero
( x n +1 ) ( x n ) par de ceros.
(xp)<Tolerancia No necesita calcular No detecta ceros en
mnimos locales.
No usa informacin de
Ms rpido que bisec-
cin y regla falsa. No detecta un nmero
Regla falsa modificada dem regla falsa pero (xm)/2 en el par de ceros.
dem regla falsa. dem regla falsa.
extremo que se repite. No detecta ceros en
No necesita calcular .
mnimos locales.
dem regla falsa pero el intervalo no Mximo de iteraciones Rpido Mn. y mx. locales.
Secantes (xn-1)- (xn-2) 0
necesariamente contiene a la raz. (xn)<Tolerancia No necesita calcular Necesita 2 aprox. inic.
Rpido (< secantes) Mn. y mx. locales
( x n ) Mximo de iteraciones
x n +1 = x n - Aplic.a races comple-
(xn)<Tolerancia Necesita calcular
Newton-Raphson ' ( x n ) (xn) 0 jas
Solo una aprox. inic. Necesita continua
( x n ) Mximo de iteraciones Soluc. ms. y min. loc. Mas lento que Newton y
x = xn -
Von Mises ' ( x 0 ) (xn)<Tolerancia (x0) 0 Calc. solo una vez. secantes.
Mximo de iteraciones Gran flex. para g(x) Hay que ser muy cuida-
(xn)<Tolerancia g' (x) > 1 Rpido selec. bien g(x) doso con la seleccin de
Sustituciones sucesivas x n +1 = g ( x n )
No necesita calcular g(x).

11. UTILIZACIN DE BIBLIOTECAS

11.1 La idea
En lugar de implementar todos estos mtodos podemos utilizar unidades que tiene conjuntos de mtodos
numricos. Estos procedimientos estn muy optimizados y adaptados a la generalidad de las aplicaciones. Sin
embargo tengamos en mente que, para algunas aplicaciones especficas puede que se requiera de una im-
plementacin particular y adecuada al caso.
11.2 Informacin al usuario
Generalmente ste es el principal problema de la utilizacin de bibliotecas. Las documentaciones que se

encuentran en estas suelen ser demasiado sucintas. Esto ocasiona grandes problemas a la hora de utilizarlas:
no sabemos bien como hacerlo. Ms all de estos inconvenientes a continuacin podemos ver la informacin
que contiene
procedure Newton_Raphson(Guess : Float;

Tol : Float;
MaxIter : integer;
var Root : Float;
var Value : Float;
var Deriv : Float;
var Iter : integer;
var Error : byte;
FuncPtr1 : Pointer;
FuncPtr2 : Pointer);
{-------------------------------------------------------------------------}
{- -}
{- Input: Guess, Tol, MaxIter -}
{- Output: Root, Value, Deriv, Iter, Error -}
{- -}
{- Purpose: This unit provides a procedure for finding a single -}
{- real Root of a user specified function with a known -}
{- continuous first derivative, given a user -}
{- specified initial guess. The procedure implements -}
{- Newton-Raphson's algorithm for finding a single -}
{- zero of a function. -}
{- The user must specify the desired tolerance -}
{- in the answer. -}
{- -}
{- Global Variables: Guess : real; user's estimate of root -}
{- Tol : real; tolerance in answer -}
{- MaxIter : integer; maximum number of iterations -}
{- Root : real; real part of calculated roots -}
{- Value : real; value of the polynomial at root -}
{- Deriv : real; value of the derivative at root -}
{- Iter : real; number of iterations it took -}
{- to find root -}
{- Error : byte; flags if something went wrong -}
{- -}
{- Errors: 1: Iter >= MaxIter -}
{- 2: The slope was zero at some point -}
{- 3: Tol <= 0 -}
{- 4: MaxIter < 0 -}
{- -}
{-------------------------------------------------------------------------}
11.3 Un ejemplo
A continuacin podemos ver un programa que utiliza la rutina cuya cabecera vimos en el apartado anterior.

program Newton_Raphson_Prog;
{$R+} { Habilita la verificacion de rangos }
uses
RootEqu1,
Crt;
var
InitGuess : Float; { Aproximaci

Tolerance : Float; { Tolerancia en la respuesta }
Root, Value, Deriv : Float; { Resultados }
Iter : integer; { Numero de iteraciones al encontrar la raiz }
MaxIter : integer; { Maximo numero de iteraciones }
Error : byte; { Bandera de error }
OutFile : text; { Archivo de salida }
{$F+}
{------- Aqui esta la funcion --------}
function TNTargetF(X : Float) : Float;
begin
TNTargetF := Cos(X) - X;
end; { function TNTargetF }
{------- Aqui esta la derivada ------}

function TNDerivF(X : Float) : Float;
begin
TNDerivF := -Sin(X) - 1;
end; { function TNDerivF }
{$F-}
begin { Newton_Raphson_Prog }
ClrScr;
{ El usuario ingresa las condiciones de calculo }

Write('Aproximacion inicial a la raiz: '); Readln(InitGuess);
Write('Tolerancia (> 0): '); Readln(Tolerance);
Write('Maximo numero de iteraciones (> 0): '); Readln(MaxIter);
{ Se invoca al procedimiento de la biblioteca }

Newton_Raphson(InitGuess, Tolerance, MaxIter,
Root, Value, Deriv, Iter, Error,
@TNTargetF, @TNDerivF);
{ Se muestran los resultados }

Writeln('Error = ', Error);
Writeln('Numero de iteraciones: ': 30, Iter : 3);
Writeln('Raiz calculada: ': 30, Root);
Writeln('Valor de la funcion');
Writeln('en la raiz: ': 30, Value);
Writeln('Valor de la derivada');
Writeln('de la funcion en la');
Writeln('raiz calculada: ' : 30, Deriv);
end. { Newton_Raphson_Prog }

12. EJERCICIOS PROPUESTOS
1. Grafique la siguiente funcin utilizando Pascal y luego calcule sus ceros para x en el intervalo [0,7]. Utilice
el mtodo de biseccin teniendo en cuenta que se requiere obtener un error mximo de 0.00002 para cada
raz.
( x ) = 19 ( x 1) ( x 21 ) e 2 x + e x
2. Encuentre los ceros de la siguiente funcin usando el mtodo de la regla falsa y luego compare velocidades
de convergencia con el mtodo de la regla falsa modificada. Obtenga esta raz con una tolerancia de 0.001.
20
10
5
h( x)
x x2
h( x ) = 20 e 4

10 0
10
0 2 4
3. Encuentre una raz del polinomio usando el mtodo de Newton-Raphson. Tome como valores iniciales 0.5,
1 y 2. Repita el proceso utilizando el mtodo de Von Mises. Compare y justifique los resultados obtenidos en
cada caso. Compare tambin el nmero total de iteraciones y velocidades totales de convergencia. Utilice una
tolerancia de 0.0001.
5
g ( x ) = 3 x 3 11 x 2 + 12 x
2
4. Utilice el mtodo de la secante para obtener las coordenadas de interseccin de las funciones que se indi-
can a continuacin. Se requiere un error mximo de 0.0003.
x x3 x
( x ) = tan + x 2 g ( x ) = 20 e

4
10 10
5. La siguiente funcin posee un cero entre x = 3 y x = 7. Calclelo por el mtodo de la secante y el de bisec-
cin. Compare y justifique los resultados y velocidades de convergencia.
x 2
( x ) = 500 cos( x ) 1 + 498,2
3 100
6. Aplique el mtodo de sustituciones sucesivas para encontrar el cero de la siguiente funcin admitindose un
error mximo de 0.0005.

1
1
h( x ) = e sen ( x )
e +1
x h( x)
0
2
0 2 4 6 8 10
7. En un desfibrilador de corriente continua, un autotransformador permite seleccionar las tensiones que apa-
recern en los extremos del secundario de un transformador. Este cargar un capacitor y cuando se cierre el
circuito que conecta los electrodos que van al paciente, la carga del capacitor circula hacia los electrodos a
travs de una bobina. Esta bobina transforma un pulso exponencial en uno aproximadamente semisenoidal
llamado < onda de Lown >. La ecuacin que describe esta onda es la siguiente:
IP (t ) = et .[ k1.cos( t ) + k 2 .sen( t )]
Realizando el clculo del circuito formado se puede obtener la corriente que pasa por el paciente en un
momento dado. Para un circuito tpico se obtuvieron los siguientes datos:
= -0.32 1/ms
= 0.75 1/ms
k1 = - 5 A
k2 = 58 A
Se necesita saber en que momentos el paciente no estar sometido a un pasaje de corriente y el momento en
que la corriente es mxima. Considere el intervalo de 1 a 15 ms y para este caso, una corriente menor de 0.5
mA como cero.
13. BIBLIOGRAFA RECOMENDADA
Se aconseja al alumno que consulte la siguiente bibliografa en caso de tener dudas o necesitar ampliar los
temas tratados en este material de estudio.
Atkinson L. V., Harley P. J., Itroduccin a los mtodos numricos con Pascal, Addison-
Wesley
Nakamura S., Applied Numerical Methods with Software, Prentice-Hall

Soluciones de Metodos Numericos PDF

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

Soluciones de Metodos Numericos PDF

Cargado por

Copyright:

Formatos disponibles

Computacin II - Bioingeniera - FI-UNER Resolucin numrica de ecuaciones no lineales

Hemos encontrado que el valor

Bien, sabemos que el valor bus-

Quizs usted pens en evaluar la

Primer cuatrimestre de 1996 1

Es interesante observar en este ejemplo lo siguiente:

1.3 Lineamientos generales

Primeramente, en la seccin 2, veremos un conjunto de caractersticas algortmicas que comparten todos

Para continuar, en la seccin 11 se trata la utilizacin de bibliotecas de procedimientos y funciones.

2 Primer cuatrimestre de 1996

2. CARACTERSTICAS COMUNES A TODOS LOS MTODOS

Para comenzar realizaremos una apropiada

Es bueno puntualizar aqu dos conceptos:

Primer cuatrimestre de 1996 3

Podemos realizar ciertas generalizaciones de este

si la raz est en [ x n+1, xn+2 ]

3.3 Los inconvenientes

El segundo caso de inters es el de la funcin

Primer cuatrimestre de 1996 5

Veamos ahora una forma interesante de estimar el error

El error mximo que podemos cometer es igual al ancho

Pero podremos encontrar el error cometido despus de

Nuevamente en la iteracin siguiente el ancho del intervalo ser la mitad:

6 Primer cuatrimestre de 1996

Primer cuatrimestre de 1996 7

Y... si no dividimos el intervalo en partes iguales? No

En este mtodo, tambin llamado de la posicin falsa,

reemplazando b y m segn las ecuaciones 4.2 y 4.3 obtenemos:

8 Primer cuatrimestre de 1996

4.3 Los inconvenientes

Por otra parte: Es verdad que siempre la raz

Figura 7: Cuatro iteraciones con el mtodo de la

mismo nmero de iteraciones. Es evidente que hay

Primer cuatrimestre de 1996 9

5. REGLA FALSA MODIFICADA

Se propone construir la recta con la mitad del valor

Al igual que en el mtodo de la regla falsa debemos

5.3 Los inconvenientes

10 Primer cuatrimestre de 1996

Siguiendo con la recta y su interseccin con el eje x,

Dados los puntos (xn , (xn)) y (xn+1 , (xn+1)) encon-

6.3 Los inconvenientes

Suponga que la funcin y los valores iniciales son

Otro problema es que si la distancia entre xn y xn+1

Primer cuatrimestre de 1996 11

12 Primer cuatrimestre de 1996

Primer cuatrimestre de 1996 13

7.3 Los inconvenientes

Este mtodo posee un problema similar al de las

Por otro lado este mtodo requiere ms clculos

Figura 12: Aplicacin del mtodo de Newton-

por cada iteracin. El clculo de la derivada, como

En la prxima seccin veremos como podemos

14 Primer cuatrimestre de 1996

En este caso construiremos la recta con una pen-

Para encontrar la interseccin con el eje x iguala-

y luego despejamos x para obtener la frmula de recu-

Observe en la figura 14 el resultado de dos itera-

8.3 Los inconvenientes

Primer cuatrimestre de 1996 15

Reordenaremos esta ecuacin, para obtener otra de la forma:

De esta ecuacin podemos obtener la siguiente aproximacin para un algoritmo iterativo:

Veamos un ejemplo para aclarar el concepto. Suponga que: