Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodo de Newton Raphson. Raices de Ecua PDF
Metodo de Newton Raphson. Raices de Ecua PDF
com
RAÌCES DE ECUACIONES
Método Newton Raphson
Ing Yamil Armando Cerquera Rojas – yacerque@gmail.com
Especialista en Sistemas Universidad Nacional
Docente Universidad Surcolombiana
Neiva - Huila
Contenido
Ejemplo 5: Función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o ) .............. 27
Ejemplo 6: función f ( x) = 3x 2 − e x ......................................................... 30
Ejemplo 7: Función f ( x) = x 3 + 4 x 2 − 10 ................................................... 31
Ejemplo 8: Función f ( x) = x − 3 x − 4 ..................................................
3 2
32
PRACTICA: Newton-Raphson para ecuaciones no lineales ............................... 33
Trabajo de Laboratorio ....................................................................... 35
Ejercicios Propuestos ......................................................................... 36
Recursos Bibliograficos ....................................................................... 37
Bibliografia OnLine: ........................................................................... 38
Sin embargo, no es tan conocido el hecho de que, entre sus colosales realizaciones,
creó virtualmente las ciencias físicas modernas y, en consecuencia, ha tenido una
influencia más profunda en la dirección de la vida civilizada que el auge y la
decadencia de los imperios. Quienes tienen autoridad para emitir juicios a este
respecto, le consideran, unánimemente, uno de los pocos intelectuales supremos que
ha producido la raza humana.
En 1665, una epidemia de peste hizo que las universidades cerraran sus puertas y
Newton regresó a su casa, en el campo, donde permaneció hasta 1667.
Allí, en dos años de soledad rústica -de los 22 a los 24 años de edad- su ingenio
creativo explotó en un torrente de descubrimientos no superados en toda la historia
del pensamiento humano:
En sus últimos años, escribió las siguientes reminiscencias, sobre el periodo milagroso
de su juventud:
"En esos días, estaba en la mejor edad para los descubrimientos, y las matemáticas y
la filosofía (o sea, las ciencias) me interesaron más que nada, desde entonces".
De todos modos, su capacidad única era tan evidente para su maestro Isaac Barrow
quien, en 1669, dimitió su profesorado en favor de su alumno (¡un caso sin
precedentes en la vida académica!) y Newton se estableció en Cambridge durante los
27 años siguientes.
No se sabe gran cosa sobre la vida de Newton en Cambridge, en los primeros años de
su profesorado; pero es seguro que entre sus principales intereses se contaron la
óptica y la construcción de telescopios.
Experimentó muchas técnicas para esmerilar vidrios (con herramientas diseñadas por
él mismo) y hacia 1670 construyó el primer telescopio de reflexión, el antepasado de
los grandes instrumentos que se utilizan actualmente en monte Palomar y en todo el
mundo. La pertinencia y la simplicidad de su análisis prismático de la luz solar, marcó
ese trabajo inicial como uno de los clásicos sin limitaciones de tiempo de las ciencias
experimentales.
No obstante, eso era sólo el comienzo, puesto que fue penetrando cada vez más en los
misterios de la luz y todos sus esfuerzos en ese sentido siguieron dando muestras de
un ingenio experimental del más alto orden.
"En cuanto a los fenómenos de los colores... Estoy convencido de haber descubierto la
explicación más segura; pero no quiero publicarla en libros, por temor de que los
ignorantes inicien disputas y controversias contra mi"
Universidad Surcolombiana – Neiva – Huila - Colombia 3 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
A fines de la década de 1670, Newton tuvo uno de sus lapsos periódicos de desagrado
por las ciencias y dirigió sus energías hacia otros cauces. Todavía no había publicado
nada sobre dinámica o la gravedad y sus numerosos descubrimientos en esos campos
permanecías olvidados sobre su escritorio. Sin embargo, al fin, estimulado y enojado
por las pretensiones y las críticas de Robert Hooke y calmado por la intervención
diplomática de Edmund Halley, dedicó su atención nuevamente a esos problemas y
comenzó a escribir su obra principal, el Principia.
También vale la pena recordar que la espectroscopia ha contribuido, más que ninguna
otra ciencia, al progreso de los conocimientos astronómicos del universo en general;
tuvo su origen en el análisis prismático de la luz del Sol, que realizó Newton.
La publicación de su obra Opticks, en 1704, fue mucho más importante para la ciencia.
En ese libro, reunió y amplió sus trabajos anteriores sobre la luz y los colores.
Polinomios
Un polinomio es una suma de términos llamados monomios. Un monomio es el
producto de un coeficiente (un número real), una variable (casi siempre x o y) elevada
a un exponente (entero positivo).
Existen polinomios con uno, dos o más términos, por ejemplo:
2
9 Monomio (un término): 5x En este caso el coeficiente es 5, la variable es x
el exponente 2
7
9 Binomio (dos términos): 6 x − 2
9 Trinomio (tres términos): 3 x 5 + 4 x 3 − x 2
En este trabajo se utilizaran polinomios con coeficientes enteros y potencias enteras
positivas.
Grado de un polinomio
El grado de un polinomio es igual al exponente mayor de la variable. Por ejemplo:
5x 2 Es un polinomio de grado 2
6x7 − 2 Es de grado 7
3x 5 + 4 x 3 − x 2 Es de grado 5
2 x 4- x 3 - x 2 ¿De qué grado es?
5 2
6 x - 4 x - 19 x ¿De qué grado es?
3 x15 + x13 - x2 ¿De qué grado es?
13 ¿De qué grado es?
Nota cómo se deben escribir los polinomios. Se deben escribir en orden decreciente
con respecto al grado de cada término.
Raíces de un polinomio
La raíz de un polinomio es un número tal que hace que el polinomio valga cero. Es
decir que, cuando resolvamos un polinomio a cero, las soluciones son las raíces del
polinomio.
x 2 + x − 12 = 0 Igualando a cero.
( x + 4)( x − 3) = 0 Factorizando.
x = −4 Raíz 1
x=3 Raíz 2
Universidad Surcolombiana – Neiva – Huila - Colombia 6 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
Factorización de un polinomio
El número de factores en que se puede descomponer un polinomio es igual al grado
del polinomio. Para poder factorizar un polinomio es necesario encontrar sus raíces.
Cuando se tengan estas, los factores correspondientes a cada raíz son de la forma (x-r)
donde r es una de las raíces.
Esto es, si r1, r2, ... , rn son raíces del polinomio f(x) entonces la factorización de f(x)
es: f ( x) = ( x − r1 )( x − r2 )...( x − rn )
Por ejemplo, si
Descripción Gráfica
Función f ( x) = x 2 + x − 12
Raíces -4y3
Factorización f ( x) = ( x + 4)( x − 3)
Descripción Gráfica
Función f ( x) = x 3 − 4 x 2 + x + 6
Raíces - 1, 2 y 3
Función f ( x) = x 4 − 5 x 2 + 4
Raíces - 2, - 1, 1 y 2
Función f ( x) = x 3 + 4 x 2 + 3x
Raíces ¿Cuáles son?
Factorización f(x) =
Función f ( x) = x 3 − 2 x 2 − 5 x + 6
Raíces 1, - 2 y 3
Descripción Gráfica
Función f ( x) = x 2 − 4
Raíces - 2, 2
Factorización f ( x) = ( x − 2)( x + 2)
Para el caso del siguiente ejemplo la función f ( x) = x 2 − 2 x + 1 tiene dos (2) raíces, y si
observa la gráfica, esta no corta el eje x en ningún sector. Ahora si observa el valor de
uno (1) en el eje x, es un punto donde la función se vuelve cero (0). Se debe
considerar al valor de uno (1) como raíz de la función. Lo que pasa es que dicha raíz se
repite par veces (para el caso del ejemplo 2 veces), por esta razón la gráfica no corta el eje
x, sino que lo toca tangencialmente en el punto raíz y cambia su pendiente. Se puede
decir matemáticamente que en el punto raíz, la derivada de la función es igual a cero
(0) ó dicho de otra manera en este punto la tangente es igual a cero (0).
Descripción Gráfica
Función f ( x) = x 2 − 2 x + 1
Raíces 1, 1
Factorización f ( x) = ( x − 1)( x − 1)
En la factorización que se hace de la función, se puede observar que el único valor que hace
que la función tome el valor de cero es 1, y puede ser en el término de la izquierda o en el
término de la derecha, es decir dos veces.
Descripción Gráfica
Función f ( x) = x 3 − 6 x 2 + 12 x + 8
Raíces 2, 2, 2
x, es un punto donde la función cruza el eje de las x con cierta pendiente, esto indica que
ese punto de corte es una raíz única. Ahora en le punto 1 sobre el eje de las x la curva o
grafica de la función toca tangencialmente el eje y cambia de pendiente. Esto debe asumirse
como una raíz que se repite par veces. Como el polinomio de es orden 3 y ya se sabe de una
raíz única se puede decir que dicha raíz es par veces repetida. Se puede decir
matemáticamente que en el punto 1 considerado como raíz repetida par veces, la derivada de
la función es igual a cero.
En la factorización que se hace de la función, se puede observar que el único valor que hace
que la función tome el valor de cero es -1, en el término de la izquierda o 1 en los dos
términos de la derecha.
Descripción Gráfica
Función f ( x) = x 3 − 3x 2 + 4
Raíces - 1, 2, 2
En el siguiente ejemplo muestra la combinación de las tres formas que toma la gráfica
dependiendo si sus raíces se repiten par o impar veces o son raíces únicas.
Descripción Gráfica
f ( x) = x 6 − 17 x 5 + 102 x 4 − ....
Función
− 248 x 3 + 160 x 2 + 240 x − 288
Raíces - 1, 2, 2, 2, 6, 6
Factorización f ( x) = ( x + 1)( x − 2) 3 ( x − 6) 2
f ( x) = ( x + 1)( x − 1) 2 ( x − 1) f ( x) = ( x + 1)( x − 2) 5 ( x − 6) 4
f ( x) = ( x + 2)( x − 2) 3 ( x) f ( x) = ( x − 1) 2 ( x + 1) + 1
f ( x) = ( x + 1)( x − 2)5 ( x − 6) 4 + 1 f ( x) = ( x − 1) 2 − 1
f ( x) = ( x − 1) 2 + ( x − 1) f ( x) = (( x − 1) 2 + 1) 2 ( x − 1)
Se puede decir entornes que es una ecuación de orden n y por tanto tiene n soluciones.
Recuerde que en es este apartado sólo se tiene polinomios con coeficientes enteros.
Observa la tabla anterior, donde se da la función, las raíces y la gráfica y verifica que
efectivamente para cada polinomio de grado n hay n raíces.
Una forma en la que se puede interpretar este teorema es como sigue, ya que se
puede factorizar un polinomio, dadas las raíces y hay n raíces para todo polinomio de
este grado, entonces si:
f ( x) = ( x − r1 )( x − r2 )...( x − rn )
La demostración de este teorema queda lejos del objetivo de esta página sin embargo
daremos algunas herramientas para encontrar las n raíces.
"El número de raíces reales positivas (+) de un polinomio f (x) es igual al número de
cambios de signo de término a término de f (x) "
Hay que recordar que los polinomios se deben escribir en orden decreciente conforme
al grado de cada término.
f(x)= x2 + x - 12 tiene un cambio de signo, del segundo al tercer término, por lo tanto
tiene una raíz positiva.
g(x)= +x3 - 4 x2 + x + 6 tiene dos cambios de signo, tiene dos raíces positivas
h(x)= +x4 - 5 x2 + 4 tiene dos raíces positivas
i(x)= x3 + 4 x2 + 3 x No tiene cambios de signo, por lo tanto no tiene raíces reales
positivas.
j(x)= x3 - 2 x2 - 5 x + 6 ¿Cuántas raíces positivas tiene?
Además de haber encontrado una raíz usando el método anterior se ha hallado un factor del
polinomio. Se puede estar seguro de que si r es una raíz de f(x) entonces al dividir
f ( x) /( x − r ) tendrá como resultado un polinomio de un grado menor a f(x) y como residuo
cero.
Así se ha reducido el problema de encontrar n raíces en otro problema, el encontrar sólo n-1
raíces.
Método de Newton-Raphson
Definición:
El método de Newton es una extensión directa del método del mismo nombre para buscar
ceros de funciones de una variable. La idea es realizar el desarrollo de las series de Taylor de
una función alrededor de una estimación de la raíz x0
1
f ( x) = f ( x0 ) + ( x − x0 ) f `( x0 ) + ( x − x0 ) f ``( x0 ) + ....
2
Truncando la serie a primer orden e igualando f ( x) = 0 se tiene.
f ( x0 )
x = x0 −
f `( x0 )
Este Método es similar al de la Secante, la diferencia esencial radica en que en la Secante se
utiliza el Método de diferencias divididas para aproximar f `(x) . El Método de Newton-Raphson
asume que la función f (x) es derivable sobre un intervalo cerrado [a,b]. Entonces f (x) tiene
una pendiente definida y una única línea tangente en cada punto dentro del intervalo [a,b].
La tangente en ( x0 , f ( x0 )) es una aproximación a la curva de f (x) cerca del punto ( x0 , f ( x0 )) .
En consecuencia, el cero de la línea tangente es una aproximación del cero de f (x) o
denominada raíz de f(x).
Si ha intentado encontrar una raíz de una función complicada algebraicamente alguna vez,
usted puede haber tenido alguna dificultad. Usando algunos conceptos básicos de cálculo, se
tienen maneras de evaluar raíces de funciones complicadas numéricamente. Normalmente, se
usa el método de Newton-Raphson. Este proceso iterativo sigue una pauta fija para aproximar
una raíz, considerado la función, su derivada, y un valor x inicial.
Usted puede recordar del álgebra que una raíz de una función es un cero de la función. Esto
significa que la raíz de una función, se calcula cuando la función se iguala a cero. Se puede
encontrar las raíces de una función simple como f ( x) = x 2 − 4 simplemente colocando la
función igual a cero, y resolviendo:
El Método de Newton Raphson usa un proceso iterativo para encontrar la raíz de una función.
La raíz especifica que el proceso localiza un valor que depende del valor x inicial, valor x
escogido arbitrariamente.
Se Calcula la primera aproximación, x1, como el cero de la línea tangente en un punto inicial
x0 dado. Se calcula la segunda aproximación, x2, como el cero de la línea tangente en la
primera aproximación x1. Siguiendo el esquema mostrado más abajo, las primeras dos
aproximaciones de raíces usando el Método Newton-Raphson, se buscan con el mismo criterio
del Método de la Bisección:
Figura 3
Derivación de la fórmula
El Método de Newton tiene una interpretación geométrica sencilla, de hecho, el Método de
Newton consiste en una linealización de la función, es decir, f se reemplaza por una recta tal
que contiene al punto ( x0 , f ( x0 )) y cuya pendiente coincide con la derivada de la función en el
punto, f ( x0 ) . La nueva aproximación a la raíz, x1 , se obtiene de la intersección de la función
lineal con el eje X de ordenadas.
xn +1 = xn − f ( xn ) / f ' ( xn )
Figura 4
Demostración: Sea x0 la raíz supuesta inicial o valor inicial de las iteraciones y si se aplican
funciones trigonométricas al ángulo α de la figura 4 se tiene que tan(α ) = f ( x0 ) /( xo − x1) , a
− x1 ) = f ( x0 ) / tan(α ) . y despejando x1 se
partir de esta fórmula se puede decir que: ( x0
tendría la fórmula de Newton. La pendiente en x0 esta dada por tan(α ) = f ' ( x0 ) .
Teniendo en cuenta lo anterior se tendría entonces que: x1 = x0 − f ( x0 ) / f ' ( x0 ) .
También se puede deducir de teniendo en cuenta que la ecuación de la línea tangente
en x0 esta dada por: y − f ( x0 ) = f ' ( x0 )( x − x0 ) . La primera aproximación x1 es
obtenida como la raíz de (1). Así ( x1 ,0) es un punto sobre la ecuación anterior.
De aquí, 0 − f ( x0 ) = f `( x0 )( x1 − x0 )
Despejando, x1 − x0 = − f ( x0 ) / f `( x0 )
Finalmente se obtiene: x1 = x0 − f ( x0 ) / f `( x0 )
Por construcción similar se obtiene: xn +1 = xn − f ( xn ) / f ' ( xn )
Donde, xn es una valor para x conocido actualmente, f ( xn ) representa el valor de la
función evaluada en xn , y f ' ( xn ) es la derivada evaluada en xn , xn +1 representa el
próximo valor para x que se está tratando de encontrar como raíz al aplicar el modelo.
Esencialmente, f ' ( x0 ) , la derivada representa f ( x) dx , (dx = delta-x) ó dx = x0 − x1 . Sin
embargo, el término f ( x ) / f `( x ) representa un valor de dx = ∆x .
f ( x) f ( x)
= = ∆x
f ' ( x ) f ( x ) / ∆x
Orden de Convergencia
Sean x0, x1, x2. . . una secuencia que converge a r y sea en = xn - r. Si existe un número m y
e n +1
una constante C (distinta de cero), tal que: lim
m
=c Cuando n → ∞, Entonces m es
en
llamado orden de convergencia de la secuencia y C el error asintótico constante. Para
m=1,2,3, la convergencia se dice lineal, cuadrática y cúbica respectivamente.
Análisis de Convergencia
Sean x0 , x1 , x2 ,..., xn , xn +1 las aproximaciones en sucesivas iteraciones. Sea r el
verdadero valor de la raíz. Si se toma como error en la n-esima iteración a en .
Entonces el error en estará dado por: en = xn − r y en consecuencia en +1 = xn +1 − r
Entre más iteraciones se ejecuten, los dx = ∆x tenderán a ser mas pequeños y por
ende tenderán a cero (0) minimizando el valor del error. Para ver cómo trabaja esto,
se aplicará el método Newton-Raphson a la función que se trabajó antes, f ( x) = x 2 − 4 .
Abajo se lista los valores que se necesitan conocer para completar el proceso.
f ( x) = x 2 − 4
f ' ( x) = 2 x
x0 = 6
Teóricamente, se podría ejecutar un número infinito de iteraciones para encontrar
una representación perfecta para la raíz de la función. Sin embargo, éste es un
método numérico que se usa para disminuir el trabajo de encontrar la raíz, para que
toque hacer de forma manual este proceso. Por consiguiente se asume que el proceso
ha trabajado con precisión cuando delta-x (dx) se vuelva menor que 0.1. Este valor de
precisión debe ser específico a cada situación.
Tabla. 1
n xn f ( xn ) f ' ( xn ) xn+1 dx
0 x0 = 6 f(x0 )= 32 f'(x0 )= 12 x1 = 3.33
1 x1 = 3.33 f(x1) = 7.09 f'(x1) = 6.66 x2 = 2.27 1.06
2 x2 = 2.27 f(x2) = 1.15 f'(x2) = 4.54 x3 = 2.01 0.26
3 x3 = 2.01 f(x3) = 0.04 f'(x3) = 4.02 x4 = 2.00 0.01
con un dx igual a 0.01. Si se toma un valor inicial diferente para x0 , se puede llegar a
la misma raíz, o puede encontrar alguna otra raíz, por ejemplo x = −2 .
Una representación gráfica también puede ser muy útil. En la Figura 5, verá la misma
función f ( x) = x 2 − 4 (mostrado en color azul). El proceso es el mismo descrito
anteriormente. En la primera iteración, la línea roja está tangente a la curva en el x0 .
La inclinación de la tangente es la derivada en el punto de tangencia, y para la
primera iteración es igual a 12. Dividiendo el valor de la función evaluado en el x
inicial f (6) = 32 por la pendiente de la tangente (12), se encuentra que el (delta-x)
∆x = 2.67 . Substrayendo esto de seis (6) se encuentra que el nuevo x-valor es igual a
x1 = 3.33 . Otra manera de considerar esto es encontrar la raíz de esta línea tangente.
¿Así, cómo esto relaciona a la química? Considere la ecuación de Van Der Waals que podrá
encontrar en la sección de Leyes de Gases. Asumiendo que se tiene un número fijo de moles
de un gas fijo, no bajo las condiciones ideales, que se puede usar el método de Newton-
Raphson para resolver para una de las tres variables (la temperatura, presión, o volumen),
basado en las otras dos. Para hacer esto, Para esto se necesita usar la ecuación de Van Der
Waals, y derivar esta, ambos en seguida.
n 2a V
(P + )( − b) = RT
V2 n
dV 1 n 2 a dP n 2 a V dT
( )
dt n P + 2 + − 2 3 + b − R =0
V dt V n dt
Como puede observar, la Ecuación de Van Der Waals es bastante compleja. No es posible
resolverla algebraicamente, para lo cual se debe usar un método numérico. El método de
Newton-Raphson es la manera más fácil y más fidedigna de resolver las ecuaciones, aunque la
ecuación y su derivada parecen realmente intimidantes.
Dependiendo de las condiciones bajo las que este intentando resolver esta ecuación, algunas
de las variables pueden estar cambiando. Así que, puede ser necesario usar derivadas
parciales. Para los propósitos de este ejemplo, Se asume que la presión, temperatura, y
volumen son las únicas variables cambiantes, y que estos valores son todas las funciones de
tiempo. Esto evita el uso de derivadas parciales; se diferencian todas las variables
simplemente con respecto al tiempo, como es mostrado anteriormente. Alguna manipulación
algebraica de la ecuación y/o su derivada que depende del problema específico a ser resuelto
puede necesitarse. Es supuesto que se especifican todas las variables pero uno; esa variable se
Universidad Surcolombiana – Neiva – Huila - Colombia 20 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
usa en la expresión para el "xn+1" que el método de Newton usa. Desarrollando el método de
Newton con éxito en esta ecuación daría un valor de esa variable que da una solución que
cuando las otras variables se mantienen constantes en los valores que se especificó.
Algoritmo:
1. Dada una función f ( x) = 0 obtener la Primera y Segunda derivada.
2. Elegir un valor inicial x0 . Este valor inicial debe cumplir con el criterio de
convergencia:
3. Obtener una nueva aproximación evaluando la fórmula general del método
xn +1 = xn − f ( xn ) / f ' ( xn )
4. Evaluar la aproximación relativa
5. Si ( xn +1 − xn ) / xn+1 < Tolerancia
(Falso) Repetir el paso 3 y 4
(Verdadero) Entonces x n +1 es la Raíz
x=-4:0.1:4;
fx=x.^3+x+16;
plot(x,fx)
grid on
Figura 6. Función f ( x) = x 3 + x + 16
n xn f ( xn ) f ' ( xn ) f ( xn ) / f ' ( xn ) xn +1 = xn − f ( xn ) f `( xn )
0 2.0000 26.0000 13.0000 2.0000 0.0000
1 0.0000 16.0000 1.0000 16.0000 -16.0000
2 -16.0000 -4096.0000 769.0000 -5.3000 -10.7000
3 -10.7000 -1210.7000 342.8000 -3.5000 -7.1000
4 -7.1142 -355.3900 154.0100 -2.3076 -4.8341
5 -4.8341 -101.7983 71.1049 -1.4317 -3.4024
6 -3.4024 -26.7902 35.7293 -0.7498 -2.6526
7 -2.6526 -5.3171 22.1089 -0.2405 -2.4121
8 -2.4121 -0.4464 18.4548 -0.0242 -2.3879
9 -2.3879 -0.0042 18.1065 -0.0002 -2.3877
Dependiendo del valor de x con el cual se inician las iteraciones se conseguirá el encuentro de
la raíz en menos o más iteraciones. Basta con observar la figura 6 y tratar de aplicar el modelo
sobre la misma para darse cuenta porque las oscilaciones
n xn f ( xn ) f ' ( xn ) f ( xn ) / f ' ( xn ) xn +1 = xn − f ( xn ) f `( xn )
0 4 84 49 1.7143 2.2857
1 2.2857 30.2274 16.6735 1.8129 0.4728
2 0.4728 16.5785 1.6706 9.9234 -9.4506
3 -9.4506 -837.517 268.9410 -3.1141 -6.3365
4 -6.3365 -244.7499 121.4522 -2.0152 -4.3213
5 -4.3213 -69.0136 57.0200 -1.2103 -3.1109
6 -3.1109 -17.2179 30.0335 -0.5733 -2.5376
7 -2.5376 -2.8789 20.3187 -0.1417 -2.3959
8 -2.3959 -0.1500 18.2217 -0.0082 -2.3877
9 -2.3877 -0.0005 18.1035 -0.0000 -2.3877
10 -2.3877 -0.0000 18.1031 -0.0000 -2.3877
Los anteriores cálculos se realizaron haciendo uso del paquete MatLab con el siguiente código.
Si desea tener mas cifras significativas puedes cambiar el formato de presentación por el de
format long.
format short;
x=4; fx=x.^3+x+16;
while abs(fx)>0.00001
fx=x.^3+x+16; dfx=3*x^2+1; xn=x-fx/dfx;
disp ([x fx dfx fx/dfx xn]); x=xn;
end
Si se aplicara el método con lenguaje C y se trabajara un nivel menor de tolerancia los
resultados serían los siguientes:
n xn f ( xn )
0 2.0000000000e+00 2.600000000e+01
1 -8.8888888889e-01 1.440877915e+01
2 -6.4731525784e+00 -2.617092778e+02
3 -3.3870823116e+00 -2.624479676e+01
4 -2.2910214677e+00 1.683912327e+00
5 -2.4374797174e+00 -9.192959325e-01
6 -2.3661202961e+00 3.870954684e-01
7 -2.3978571056e+00 -1.848609426e-01
8 -2.3830675645e+00 8.346548208e-02
9 -2.3898215161e+00 -3.868219039e-02
10 -2.3867076332e+00 1.771466692e-02
11 -2.3881370715e+00 -8.157247458e-03
12 -2.3874795682e+00 3.746775102e-03
13 -2.3877817246e+00 -1.722963287e-03
14 -2.3876428096e+00 7.918859082e-04
15 -2.3877066628e+00 -3.640455920e-04
16 -2.3876773097e+00 1.673400724e-04
17 -2.3876908026e+00 -7.692484810e-05
18 -2.3876846001e+00 3.536087399e-05
Universidad Surcolombiana – Neiva – Huila - Colombia 22 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
Solución:
Para obtener una solución a f ( x) = 0 mediante el método de Newton, dada la función
diferenciable f y una aproximación inicial x0 , se utiliza el siguiente algoritmo:
Solución
1
En este caso, se tiene que la derivada de la función es: f ' ( x) = −e −
−x
x
e − xi − ln( xi ) e − xi − ln( xi )
De aquí se tiene que: xi +1 = xi − = xi +
1 1
− e − xi − e − xi −
xi xi
e − x0 − ln( x0 )
Se comienza con x0 = 1 y se obtiene: x1 = x0 + = 1.268941421
− x0 1
e −
x0
1.268941421 − 1
En este caso, el error aproximado es, ∈a = *100% = 21.19%
1.268941421
Ahora con x1 = 1.268941421 , Se continúa el proceso calculando primero x2, x3 y hasta
reducir el error aproximado hasta lo mínimo que se pueda.
f ( xn−1 )
xn = xn −1 − ; Se obtiene la expresión del Método quedando para este caso así:
f `( xn −1 )
f (t n ) t 3 − 2t 2 − 1
t n +1 = t n − = tn − n 2 n
f `(t n ) 3t n − 4t n
2. Para calcular las aproximaciones se utiliza la expresión anterior con t 0 = 3 ,
t 03 − 2t 02 − 1
t1 = t 0 − = 2.466667
3t 02 − 4t 0
Continuando con las iteraciones se obtiene:
Iteración ti
1 2.466667
2 2.247342
3 2.206900
4 2.205571
5 2.205569
De esta forma se puede asegurar que en la quinta iteración las cifras 2.205569 son
exactas.
Ejemplo 5: Función f ( x) = 2 x 3 + x 2 − x + 1
Utilizar el Método de Newton para aproximar los ceros de: f ( x) = 2 x + x − x + 1
3 2
Continuar las iteraciones hasta que dos aproximaciones sucesivas difieran en menos de
0,0001.
Ejemplo 6: Función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o )
En la función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o ) , t es el tiempo,
y el intervalo de interés es para los valores tal que t > 0.
La función seno es oscilatoria, afectada de la función exponencial. Tiende a cero
cuando t tiene valores superiores a 1; se lleva tanto sus factores como la función F(t)
a dicho valor, con lo cual la grafica de F(t) se confunde con el eje t para t ≥ 1 .
Universidad Surcolombiana – Neiva – Huila - Colombia 27 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
t f(t)
0,0 -1.00106744399655
0,2 0.10488140145009
0,4 0.04373517406561
0,6 -0.02270159505605
0,8 0.00477763344408
1,0 -0.00004228104332
Para efectos de la gráfica se puede ejecutar el siguiente código en MatLab.
format short;
t=0:0.02:1;
ft=1.21*exp(-6.6*t).*sin(11.4*t-111.7*pi/180)+...
0.28*exp(-55.9*t).*sin(18*t+26.1*pi/180);
plot(t,ft)
grid on
Figura 9. Función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o )
Estos valores señalan la presencia de raíces reales en los intervalos (0.1,0.2), (0.4,0.5),
(0.6,0.8) y pudiese inducir que habría otra posiblemente en (0.8,1.0).
Luego pues, se aplica el Método de Newton-Raphson para encontrar las raíces en cada
uno de los intervalos.
Utilizando la primera derivada de la función que es:
t1 F(t) F'(t) ea er ep
0,1 -0,45195045 7,84918551
0,15757928 -0,06523934 5,2485353 0,05757928 0,3653988 36,5398801
0,17000929 -0,00450956 4,52093195 0,01243001 0,0731137 7,31137024
0,17100677 -2,9291E-05 4,46220075 0,00099749 0,00583302 0,58330153
0,17101334 -1,2686E-09 4,46181423 6,5643E-06 3,8385E-05 0,0038385
0,17101334 1,2584E-16 4,46181422 2,8432E-10 1,6626E-09 1,6626E-07
0,17101334 -4,7963E-17 4,46181422 2,7756E-17 1,623E-16 1,623E-14
0,17101334 -4,7963E-17 4,46181422 0 0 0
Intervalo (0.4,0.6)
t2 F(t) F'(t) ea er ep
0,5 -0,02552511 -0,24887142
0,39743657 0,04667494 -1,15610121 0,10256343 0,2580624 25,8062397
0,43780928 0,00672327 -0,80750436 0,04037271 0,09221529 9,2215292
0,44613527 0,00033008 -0,72812975 0,00832599 0,01866248 1,86624756
0,44658859 9,8171E-07 -0,72379864 0,00045333 0,00101509 0,10150903
0,44658995 8,7878E-12 -0,72378568 1,3563E-06 3,0371E-06 0,00030371
0,44658995 -3,1234E-17 -0,72378568 1,2141E-11 2,7187E-11 2,7187E-09
0,44658995 2,5156E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
0,44658995 -3,1234E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
0,44658995 2,5156E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
Intervalo (0.6,0.8)
t3 F(t) F'(t) ea er ep
0,7 -0,00298091 0,15126648
0,71970633 -0,00029375 0,12122588 0,01970633 0,02738107 2,73810731
0,72212952 -4,5493E-06 0,11747079 0,00242318 0,00335561 0,33556084
0,72216824 -1,1622E-09 0,11741077 3,8727E-05 5,3627E-05 0,00536265
0,72216825 -6,5918E-17 0,11741076 9,8987E-09 1,3707E-08 1,3707E-06
0,72216825 -1,1033E-17 0,11741076 5,5511E-16 7,6867E-16 7,6867E-14
Universidad Surcolombiana – Neiva – Huila - Colombia 29 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
Intervalo (0.8,1.0)
t4 F(t) F'(t) ea er ep
0,9 0,00285866 -0,0348708
0,98197861 0,00033146 -0,02298212 0,08197861 0,08348309 8,34830928
0,99640129 2,585E-05 -0,01938429 0,01442268 0,01447477 1,44747656
0,99773482 2,2353E-07 -0,01904904 0,00133353 0,00133656 0,13365611
0,99774655 1,731E-11 -0,01904609 1,1735E-05 1,1761E-05 0,00117612
0,99774656 6,1406E-19 -0,01904609 9,0884E-10 9,1089E-10 9,1089E-08
0,99774656 6,1406E-19 -0,01904609 0 0 0
Ejemplo 7: función f ( x) = 3 x 2 − e x
Figura 10
Se puede observar que la curva corta el eje x en los intervalos [-1,0],[0,1], y [3,4].
También se pudiera graficar las dos curvas por aparte tal como se ilustra en la
siguiente grafica.
Las raíces corresponderían a los puntos sobre el eje x donde las dos curvas se cortan.
Universidad Surcolombiana – Neiva – Huila - Colombia 30 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
Figura 6
Ejemplo 8: Función f ( x) = x 3 + 4 x 2 − 10
f ( x) = x 3 + 4 x 2 − 10
f `( x) = 3 x 2 + 8 x
Código Fuente en C
//**************************************
//Método de Newton-Rapson para aproximar
//las raíces de la ecuación f(x)=0
//**************************************
#include <stdio.h>
#include <math.h>
#include <conio.h>
#define N 10 //número máximo de iteraciones
#define TOL 0.0000001 //tolerancia máxima
3 2
double f(double x) //f(x)= x + 4 x − 10 función a aproximar
{ return (x*x*x + 4*x*x - 10); }
double df(double x) //derivada de la función f(x) es f'(x)=3*x^2 + 8.0*x
{ return (3*x*x + 8*x); }
int main(void)
{ double x, x0;
int i;
clrscr();
i=1;
x0=1.0; //aproximación inicial de la raíz, de f(x)
Universidad Surcolombiana – Neiva – Huila - Colombia 31 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
Ejemplo 9: Función f ( x) = x 3 − 3x 2 − 4
El siguiente programa en lenguaje C, permite calcular la raíz de la ecuación
f ( x) = x 3 − 3 x 2 − 4 por el método de Newton Raphson. Analice la fórmula que se
utiliza con segunda derivada de la función.
printf("\n%3d%10.4lf%10.4lf%10.4lf%10.4lf%10.4f",Cont,Xo,Fx,Fdx,Xn,Error);
Universidad Surcolombiana – Neiva – Huila - Colombia 32 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
Xo = Xn;
}
printf("\n===========================================");
if (Ciclos > Cont)
printf("\n La raíz de la ecuación es %.5lf ",Xn);
else
printf("\n\n No converge en %3d Ciclos !!!! Dar nuevos valores",Ciclos);
getch();
return 0;
}
void Lee_Datos(void)
{ clrscr();
printf("\n Dar el Valor inicial de X -> "); scanf("%lf",&Xo);
printf("\n Cual es el error Permitido ->"); scanf("%f",&Tolera);
printf("\n Numero de ciclos máximos ->"); scanf("%d",&Ciclos);
}
En esta práctica se estudiará las regiones de convergencia del Método de Newton para
una función concreta, así como la influencia de las raíces múltiples en las propiedades
de convergencia.
Trabajo de laboratorio
1. function [x,xvect,nit]=fnewton(f,fprima,x0,maxiter,tolerancia)
2. % Implementa el algoritmo de Newton
3. % usando la función puntofijo.m
4. % f = expresión de la función cuyas raíces se buscan
5. % fprima = su derivada
6. % x0 = valor inicial
7. % Como criterios de parada se usan:
8. % maxiter = cantidad max de iteraciones admitidas
9. % tolerancia = margen para error absoluto
Universidad Surcolombiana – Neiva – Huila - Colombia 33 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
10. % En la salida:
11. % x = resultado de la ultima iteración
12. % xvect = vector de los resultados de todas las iteraciones
13. % nit = cantidad de iteraciones realizadas
function [x,xvect,nit]=puntofijo(g,x0,maxiter,tolerancia)
% Implementa la iteración de punto fijo
% g = expresión de la función de iteración
% x0 = valor inicial
% Como criterios de parada se usan:
% maxiter = cantidad max de iteraciones admitidas
% tolerancia = margen para error absoluto
% En la salida:
% x = resultado de la ultima iteración
% xvect = vector de los resultados de todas las iteraciones
% nit = cantidad de iteraciones realizadas
nit=0; xvect=x0; x=x0; % Inicializando
err=tolerancia+1; % Garantiza al menos 1 ejecución
while (nit < maxiter & err > tolerancia),
nit=nit+1;
xn=g(x);
xvect=[xvect;xn]; % Agregue el valor nuevo
err=abs(xn-x); % Calcula el error absoluto
x=xn;
end
if nit == maxiter,
disp('Alcanzado el máximo de iteraciones admisible')
end
14. Pruebe la función creada calculando las dos raíces reales, x=1 y x=-5, de
f ( x ) = 2 x 2 + 8 x − 10
15. Vamos a estudiar las regiones de convergencia del algoritmo de Newton para la
función f del apartado anterior. Sean I1 e I-5 los conjuntos de R tales que si x(0) N
I1 (respectivamente, si x(0) N I-5) entonces el algoritmo converge a la raíz 1
(resp., a -5) en # 200 iteraciones. Asumiendo que I1 e I-5 son intervalos abiertos,
estime experimentalmente los extremos de esos intervalos, tomado
tolerancia=2 eM(donde eM es el epsilon de la maquina).
16. Vea la influencia de una raíz doble, en la convergencia del Método de Newton,
aplicándolo ahora a la función h( x) = ( x − 1) y f ( x) = 2 x 3 + 6 x 2 − 18 x + 10 ,
h( x) f ( x) Con una raíz doble en x=1 y otra simple en x=-5. Tomando como
valores iniciales x0 = 0 y x0 = −4 , estudie la cantidad de iteraciones que se
necesitan para aproximar por medio de fnewton las dos raíces con tolerancia=2
eM para las funciones f y h? Donde se observan las diferencias? Dibuje las
graficas de los errores cometidos en las iteraciones correspondientes en la
misma escala semilogarítmica (semilogy) para apreciar la convergencia
geométrica.
17. Aplique el algoritmo D2 de Aitken para acelerar la convergencia de la sucesión
de aproximaciones a la raíz x=1 de h. Dibuje las gráficas de los errores
Trabajo de Laboratorio
Dos elipses pueden tener como máximo 4 puntos de intersección. Se desea encontrar
las coordenadas de las intersecciones de las elipses dadas por sus ecuaciones
( x − 2) 2 + ( y − 3 + 2 x) 2 = 5 , y 2( x − 3) 2 + ( y − 3 + 2 x) 2 = 5
1. Para obtener una idea grafica de la situación, se dibujan las elipses por medio
de la función contour de MATLAB que permite crear curvas de nivel. Se
utilizará el formato contour(x,y,Z,[n n]), donde x e y son los vectores de
valores xi e yj a lo largo de los ejes correspondientes, Z es la matriz de los
valores de la función en los puntos (xi,yj) y n es el nivel que se desea dibujar.
Ejercicios Propuestos
Resolver las siguientes ecuaciones por el Método Newton-Raphson:
Recursos Bibliográficos
9 MATHEUS. John H. Fink Kurtis D. Métodos Numéricos con MATLAB. Editorial
Prentice Hall
9 ALTZ, Franz L. Electronic. Digital. computers: Their use in science and
Engineering. 1958 Academic Press inc. New York.
9 BURDEN Richard L., J. Douglas Faires; Análisis numérico. tr. Efrén Alatorre
Miguel; Revisión Técnica. Ildefonso. 1998 (Biblioteca USCO. Nro Topográfico:
515 / B949a.)
9 CHAPRA Steven C., CANALE Raymond P, Numerical Methods for engineers.
McGraw Hill, Inc. 1988. 839p. ISBN 0-07-909944-0.
9 CHAPRA Steven C., CANALE Raymond P. Métodos numéricos para ingenieros: con
aplicaciones en computadoras personales. 1988 (Biblioteca USCO Nro
Topográfico: 519.5 / C467m)
9 CONDE S. D, Carl de Boor. Análisis numérico elemental: Un enfoque
algorítmico. Mc. Graw-Hill 1972, (Biblioteca USCO Nro Topográfico: 511.8 /
C761 Biblioteca).
9 CORMICK MC., John M. and SALVADOR M.C. Numerical Methods in
FORTRAN. 1964. Prentice-Hall Inc Englewood Cliffs N:J.
9 CURTIS, F. Gerald, WHEATLEY, O. Patrick. Análisis numérico con aplicaciones.
Tr. Hugo Villagomez Vasquez. 6 Ed. Pearson Educación. 2000, 698p. ISBN 968-
444-393-5
9 FADDEEVA, V.N. Computacional methods of linear algebra, Dover
Publications. 1969, New York.
9 GASTINEL Noél; Análisis numérico lineal. tr. Javier Ruiz Fernández de Pinedo.
1975. (Biblioteca USCO Nro Topográfico: 511.7 / G255).
9 GREENSPAN, D. Theory and solutions of Ordinary Differencial Equations.
1960 The. Mc Millan Co. New York.
9 KINCAID David y Ward Cheney; Análisis numérico: Las matemáticas del cálculo
científico. tr. Rafael. 1994 (Biblioteca USCO Nro Topográfico: 515 / K51a).
9 LUTHE. Rodolfo, OLIVERA Antonio, SCHUTZ Fernando, Métodos numéricos. 1986
(Biblioteca USCO Nro Topográfico: 511.7 / L973m).
9 McCRACKEN, Daniel D., Métodos numéricos y programación fortran: con
aplicaciones en ingeniería y ciencias. 1986. Editorial Limusa. México.
(Biblioteca USCO Nro. Topográfico: 001.6424 / M117).
9 NAKAMURA Shoichiro; Análisis numérico y visualización gráfica con MATLAB. tr.
Roberto Escalona García. 1998 (Biblioteca USCO N ro Topográfico: 515.1 /
N163a).
9 NAKAMURA Shoichiro; Métodos numéricos aplicados con software. tr. Oscar
Alfredo Palmas Velasco. Prentice Hall Hispanoamericana S.A. 1995. 570p.
(Biblioteca USCO. Nro. Topográfico: 511.8 / N163m) ISBN 968-880-263-8
9 NIETO RAMIREZ José A., Métodos numéricos en computadoras digitales. Editorial
Limusa 1980. (Biblioteca USCO Nro Topográfico: 001.64042 / N677).
Bibliografia OnLine:
http://sai.uam.mx/apoyodidactico/mn/
http://www.unalmed.edu.co/~ifasmar/libro.shtml
http://www.iesrodeira.com/metodos_numericos/index-2.htm
http://uprhmate01.upr.clu.edu/~pnm/notas4061/index.htm
http://mailweb.udlap.mx/~ccastane/Analisis_Numerico_html/Lindley.html#RegresaGral1
http://www.ii.uam.es/~pedro/ccii/teoria/
http://webdiee.cem.itesm.mx/web/servicios/archivo/tutoriales/metodos/algoritmos/index.html
http://www.ucsc.cl/~kdt/numerico/index.htm
http://luda.azc.uam.mx/curso2/cp2indic.html
http://www.geocities.com/SiliconValley/Pines/7894/metodos/
http://www.uv.es/~diaz/mn/fmn.html
http://proton.ucting.udg.mx/posgrado/cursos/metodos/temario.html
http://webdiee.cem.itesm.mx/web/servicios/archivo/tutoriales/metodos/algoritmos/index.html
http://www.damtp.cam.ac.uk/user/fdl/people/sd/lectures/nummeth98/contents.htm
http://anamat1.csi.ull.es/anamat_p/Titulaciones/matematicas.htm
http://www.cnice.mecd.es/Descartes/
http://mathworld.wolfram.com/
http://www.elprisma.com/
http://www-gap.dcs.st-and.ac.uk/~history/index.html
http://www.ciencia-hoy.retina.ar/indice.htm
http://omega.ilce.edu.mx:3000/sites/ciencia/html/fisica.htm
http://books.pdox.net/
http://arxiv.org/
http://pessoal.sercomtel.com.br/matematica/resumos.htm
http://www.itlp.edu.mx/publica/tutors.htm
http://www.rinconmatematico.com/libros.htm