Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Métodos Matemáticos en Ingenierı́a - ICI2204
Sesión 5
j.maidanagonzalez@uandresbello.edu
Jean Paul
Maidana
González
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Métodos
Matemáti-
Recordemos el teorema de Taylor visto en la clase anterior
cos en
Ingenierı́a -
ICI2204
Teorema 1.0.9 (Taylor)
Sesión 5
Jean Paul Suponga que f ∈ C n [a, b], tal que f (n+1) existe en [a, b], y x0 ∈ [a, b]. Para
Maidana
González
cada x ∈ [a, b], existe un número ξ(x) entre x0 y x con
f (x) = Pn (x) + Rn (x), donde
Métodos
Matemáti-
Recordemos el teorema de Taylor visto en la clase anterior
cos en
Ingenierı́a -
ICI2204
Teorema 1.0.9 (Taylor)
Sesión 5
Jean Paul Suponga que f ∈ C n [a, b], tal que f (n+1) existe en [a, b], y x0 ∈ [a, b]. Para
Maidana
González
cada x ∈ [a, b], existe un número ξ(x) entre x0 y x con
f (x) = Pn (x) + Rn (x), donde
Métodos
Matemáti-
cos en
Suponga que f ∈ C 2 [a, b]. Sea p0 ∈ [a, b] una aproximación de p tal que
Ingenierı́a -
ICI2204
f 0 (p0 ) 6= 0 y |p − p0 | es “pequeño.”Considere el primer polinomio de Taylor
Sesión 5 para f (x) expandido alrededor de p0 y evaluado en x = p.
Jean Paul
Maidana
(p − p0 )2 00
González
f (p) = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
donde ξ(p) está entre p y p0 . Como f (p) = 0 entonces se tiene que
(p − p0 )2 00
0 = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
El método de Newton se deriva a partir del hecho que al ser |p − p0 |
pequeño, el término que involucra (p − p0 )2 es mucho más pequeño por lo
tanto
0 ≈ f (p0 ) + (p − p0 )f 0 (p0 )
Con lo cual si se resuelve esta última ecuación despejando p se tiene que
f (p0 )
p ≈ p0 − ≡ p1
f 0 (p0 )
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Suponga que f ∈ C 2 [a, b]. Sea p0 ∈ [a, b] una aproximación de p tal que
Ingenierı́a -
ICI2204
f 0 (p0 ) 6= 0 y |p − p0 | es “pequeño.”Considere el primer polinomio de Taylor
Sesión 5 para f (x) expandido alrededor de p0 y evaluado en x = p.
Jean Paul
Maidana
(p − p0 )2 00
González
f (p) = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
donde ξ(p) está entre p y p0 . Como f (p) = 0 entonces se tiene que
(p − p0 )2 00
0 = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
El método de Newton se deriva a partir del hecho que al ser |p − p0 |
pequeño, el término que involucra (p − p0 )2 es mucho más pequeño por lo
tanto
0 ≈ f (p0 ) + (p − p0 )f 0 (p0 )
Con lo cual si se resuelve esta última ecuación despejando p se tiene que
f (p0 )
p ≈ p0 − ≡ p1
f 0 (p0 )
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Suponga que f ∈ C 2 [a, b]. Sea p0 ∈ [a, b] una aproximación de p tal que
Ingenierı́a -
ICI2204
f 0 (p0 ) 6= 0 y |p − p0 | es “pequeño.”Considere el primer polinomio de Taylor
Sesión 5 para f (x) expandido alrededor de p0 y evaluado en x = p.
Jean Paul
Maidana
(p − p0 )2 00
González
f (p) = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
donde ξ(p) está entre p y p0 . Como f (p) = 0 entonces se tiene que
(p − p0 )2 00
0 = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
El método de Newton se deriva a partir del hecho que al ser |p − p0 |
pequeño, el término que involucra (p − p0 )2 es mucho más pequeño por lo
tanto
0 ≈ f (p0 ) + (p − p0 )f 0 (p0 )
Con lo cual si se resuelve esta última ecuación despejando p se tiene que
f (p0 )
p ≈ p0 − ≡ p1
f 0 (p0 )
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Suponga que f ∈ C 2 [a, b]. Sea p0 ∈ [a, b] una aproximación de p tal que
Ingenierı́a -
ICI2204
f 0 (p0 ) 6= 0 y |p − p0 | es “pequeño.”Considere el primer polinomio de Taylor
Sesión 5 para f (x) expandido alrededor de p0 y evaluado en x = p.
Jean Paul
Maidana
(p − p0 )2 00
González
f (p) = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
donde ξ(p) está entre p y p0 . Como f (p) = 0 entonces se tiene que
(p − p0 )2 00
0 = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
El método de Newton se deriva a partir del hecho que al ser |p − p0 |
pequeño, el término que involucra (p − p0 )2 es mucho más pequeño por lo
tanto
0 ≈ f (p0 ) + (p − p0 )f 0 (p0 )
Con lo cual si se resuelve esta última ecuación despejando p se tiene que
f (p0 )
p ≈ p0 − ≡ p1
f 0 (p0 )
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Suponga que f ∈ C 2 [a, b]. Sea p0 ∈ [a, b] una aproximación de p tal que
Ingenierı́a -
ICI2204
f 0 (p0 ) 6= 0 y |p − p0 | es “pequeño.”Considere el primer polinomio de Taylor
Sesión 5 para f (x) expandido alrededor de p0 y evaluado en x = p.
Jean Paul
Maidana
(p − p0 )2 00
González
f (p) = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
donde ξ(p) está entre p y p0 . Como f (p) = 0 entonces se tiene que
(p − p0 )2 00
0 = f (p0 ) + (p − p0 ) · f 0 (p0 ) + f (ξ(p)),
2
El método de Newton se deriva a partir del hecho que al ser |p − p0 |
pequeño, el término que involucra (p − p0 )2 es mucho más pequeño por lo
tanto
0 ≈ f (p0 ) + (p − p0 )f 0 (p0 )
Con lo cual si se resuelve esta última ecuación despejando p se tiene que
f (p0 )
p ≈ p0 − ≡ p1
f 0 (p0 )
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Con este procedimiento se generan las etapas del método de Newton, el cual
comienza con p0 como una aproximación incial, para luego generar la
secuencia {pn }∞
n=0 de la siguiente forma
f (pn−1 )
pn = pn−1 − , para n ≥ 1
f 0 (pn−1 )
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en Para encontrar una solución de f (x) = 0 dado una aproximación inicial p0
Ingenierı́a -
ICI2204
Sesión 5 Algoritmo 2.4.1 - Método de Newton
Jean Paul
Maidana INPUT Aproximación inicial: p0 ; Tolerancia: TOL; Número máximo de
González
iteraciones: N0
OUTPUT Solución aproximada p o mensaje de error.
Paso 1 Definir i = 1
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p0 − f (p0 )/f 0 (p0 );
Paso 4 Si |p − p0 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p; (Actualizar p0 )
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Las técnicas de parada utilizadas en el método de la bisección también son
aplicables al método de Newton. Esto es, construir una tolerancia > 0 y
contruir p1 , . . . , pN hasta que
(1) |pN − pN−1 | < ,
|pN −pN−1 |
(2) |pN | < , pN 6= 0, o
(3) |f (pN )| < .
2.4 - Método de Newton
Convergencia
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Teorema
Sea f ∈ C 2 [a, b]. Si p ∈ (a, b) es tal que f (p) = 0 y f 0 (p) 6= 0, entonces
existe δ > 0 tal que el método de Newton genera una secuencia {pn }∞ n=1 que
converge a p para cualquier aproximación incial p0 ∈ [p − δ, p + δ]
Jean Paul
Maidana
González
Teorema
Sea f ∈ C 2 [a, b]. Si p ∈ (a, b) es tal que f (p) = 0 y f 0 (p) 6= 0, entonces
existe δ > 0 tal que el método de Newton genera una secuencia {pn }∞ n=1 que
converge a p para cualquier aproximación incial p0 ∈ [p − δ, p + δ]
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Ejemplo
Considere la función f (x) = x 3 − 10 · x 2 + 5. Aplique el método de Newton
para encontrar una aproximación de problema f (x) = 0 con 2 iteraciones.
Obtenga el valor aproximado de p si se sabe p0 = 0,7 se encuentra cerca de
p.
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
2.4 - Método de Newton
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
2.4 - Método de Newton
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
3 2 3 2
f (pn−1 ) pn−1 − 10 · pn−1 +5 2 · pn−1 − 10 · pn−1 −5
pn = pn−1 − = pn−1 − 2 =
f 0 (pn−1 ) 3 · pn−1 − 20 · pn−1 pn−1 · (3 · pn−1 − 20)
2 · (0,7)3 − 10 · (0,7)2 − 5
p1 = = 0,73536
0,7 · (3 · 0,7 − 20)
La segunda iteración viene dada por
2 · (0,73536)3 − 10 · (0,73536)2 − 5
p2 = = 0,73460
0,73536 · (3 · 0,73536 − 20)
Si evaluamos f (x) en p2 se obtiene que f (p2 ) = 4,585773599963261e − 05
es decir, se alcanza una precisión que alcanza el quinto decimal.
2.4 - Método de Newton
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
3 2 3 2
f (pn−1 ) pn−1 − 10 · pn−1 +5 2 · pn−1 − 10 · pn−1 −5
pn = pn−1 − = pn−1 − 2 =
f 0 (pn−1 ) 3 · pn−1 − 20 · pn−1 pn−1 · (3 · pn−1 − 20)
2 · (0,7)3 − 10 · (0,7)2 − 5
p1 = = 0,73536
0,7 · (3 · 0,7 − 20)
La segunda iteración viene dada por
2 · (0,73536)3 − 10 · (0,73536)2 − 5
p2 = = 0,73460
0,73536 · (3 · 0,73536 − 20)
Si evaluamos f (x) en p2 se obtiene que f (p2 ) = 4,585773599963261e − 05
es decir, se alcanza una precisión que alcanza el quinto decimal.
2.4 - Método de Newton
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
3 2 3 2
f (pn−1 ) pn−1 − 10 · pn−1 +5 2 · pn−1 − 10 · pn−1 −5
pn = pn−1 − = pn−1 − 2 =
f 0 (pn−1 ) 3 · pn−1 − 20 · pn−1 pn−1 · (3 · pn−1 − 20)
2 · (0,7)3 − 10 · (0,7)2 − 5
p1 = = 0,73536
0,7 · (3 · 0,7 − 20)
La segunda iteración viene dada por
2 · (0,73536)3 − 10 · (0,73536)2 − 5
p2 = = 0,73460
0,73536 · (3 · 0,73536 − 20)
Si evaluamos f (x) en p2 se obtiene que f (p2 ) = 4,585773599963261e − 05
es decir, se alcanza una precisión que alcanza el quinto decimal.
2.4 - Método de Newton
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
3 2 3 2
f (pn−1 ) pn−1 − 10 · pn−1 +5 2 · pn−1 − 10 · pn−1 −5
pn = pn−1 − = pn−1 − 2 =
f 0 (pn−1 ) 3 · pn−1 − 20 · pn−1 pn−1 · (3 · pn−1 − 20)
2 · (0,7)3 − 10 · (0,7)2 − 5
p1 = = 0,73536
0,7 · (3 · 0,7 − 20)
La segunda iteración viene dada por
2 · (0,73536)3 − 10 · (0,73536)2 − 5
p2 = = 0,73460
0,73536 · (3 · 0,73536 − 20)
Si evaluamos f (x) en p2 se obtiene que f (p2 ) = 4,585773599963261e − 05
es decir, se alcanza una precisión que alcanza el quinto decimal.
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Método de la secante
Métodos
fin de 1.5 Metodo de Newton
Matemáti-
cos en
Ingenierı́a -
ICI2204 El método de Newton es uno de los más potentes, aún ası́ su debilidad recae
Sesión 5
Jean Paul
en la necesidad de saber la derivada de la función f en cada aproximación.
Maidana Usualmente f 0 (x) es difı́cil de calcular y necesita de muchas operaciones
González
aritméticas para calcular a diferencia de f (x).
Se introduce una pequeña variación, para evadir el problema de la evaluación
de la derivada. Por definición,
f (x) − f (pn−1 )
f 0 (pn−1 ) = lı́m
x→pn−1 x − pn−1
Si pn−2 está cerca de pn−1 entonces
f (pn−2 ) − f (pn−1 ) f (pn−1 ) − f (pn−2 )
f 0 (pn−1 ) ≈ =
pn−2 − pn−1 pn−1 − pn−2
Por lo que usando esta formula de f 0 (pn−1 ) en el método de Newton resulta
Métodos
Matemáti-
cos en
Ingenierı́a -
El método de Newton es uno de los más potentes, aún ası́ su debilidad recae
ICI2204
Sesión 5
en la necesidad de saber la derivada de la función f en cada aproximación.
Jean Paul
Usualmente f 0 (x) es difı́cil de calcular y necesita de muchas operaciones
Maidana
González
aritméticas para calcular a diferencia de f (x).
Se introduce una pequeña variación, para evadir el problema de la evaluación
de la derivada. Por definición,
f (x) − f (pn−1 )
f 0 (pn−1 ) = lı́m
x→pn−1 x − pn−1
Si pn−2 está cerca de pn−1 entonces
f (pn−2 ) − f (pn−1 ) f (pn−1 ) − f (pn−2 )
f 0 (pn−1 ) ≈ =
pn−2 − pn−1 pn−1 − pn−2
Por lo que usando esta formula de f 0 (pn−1 ) en el método de Newton resulta
Métodos
Matemáti-
cos en
Ingenierı́a -
El método de Newton es uno de los más potentes, aún ası́ su debilidad recae
ICI2204
Sesión 5
en la necesidad de saber la derivada de la función f en cada aproximación.
Jean Paul
Usualmente f 0 (x) es difı́cil de calcular y necesita de muchas operaciones
Maidana
González
aritméticas para calcular a diferencia de f (x).
Se introduce una pequeña variación, para evadir el problema de la evaluación
de la derivada. Por definición,
f (x) − f (pn−1 )
f 0 (pn−1 ) = lı́m
x→pn−1 x − pn−1
Si pn−2 está cerca de pn−1 entonces
f (pn−2 ) − f (pn−1 ) f (pn−1 ) − f (pn−2 )
f 0 (pn−1 ) ≈ =
pn−2 − pn−1 pn−1 − pn−2
Por lo que usando esta formula de f 0 (pn−1 ) en el método de Newton resulta
Métodos
Matemáti-
cos en
Ingenierı́a -
El método de Newton es uno de los más potentes, aún ası́ su debilidad recae
ICI2204
Sesión 5
en la necesidad de saber la derivada de la función f en cada aproximación.
Jean Paul
Usualmente f 0 (x) es difı́cil de calcular y necesita de muchas operaciones
Maidana
González
aritméticas para calcular a diferencia de f (x).
Se introduce una pequeña variación, para evadir el problema de la evaluación
de la derivada. Por definición,
f (x) − f (pn−1 )
f 0 (pn−1 ) = lı́m
x→pn−1 x − pn−1
Si pn−2 está cerca de pn−1 entonces
f (pn−2 ) − f (pn−1 ) f (pn−1 ) − f (pn−2 )
f 0 (pn−1 ) ≈ =
pn−2 − pn−1 pn−1 − pn−2
Por lo que usando esta formula de f 0 (pn−1 ) en el método de Newton resulta
Métodos
Matemáti-
cos en
Ingenierı́a -
El método de Newton es uno de los más potentes, aún ası́ su debilidad recae
ICI2204
Sesión 5
en la necesidad de saber la derivada de la función f en cada aproximación.
Jean Paul
Usualmente f 0 (x) es difı́cil de calcular y necesita de muchas operaciones
Maidana
González
aritméticas para calcular a diferencia de f (x).
Se introduce una pequeña variación, para evadir el problema de la evaluación
de la derivada. Por definición,
f (x) − f (pn−1 )
f 0 (pn−1 ) = lı́m
x→pn−1 x − pn−1
Si pn−2 está cerca de pn−1 entonces
f (pn−2 ) − f (pn−1 ) f (pn−1 ) − f (pn−2 )
f 0 (pn−1 ) ≈ =
pn−2 − pn−1 pn−1 − pn−2
Por lo que usando esta formula de f 0 (pn−1 ) en el método de Newton resulta
Métodos
Matemáti-
cos en Observación
Ingenierı́a -
ICI2204
Sesión 5 Este método requiere de dos aproximaciones inciales p0 y p1 , luego la
Jean Paul aproximación p2 es el intercepto con el eje-x de la linea que une (p0 , f (p0 )) y
Maidana
González (p1 , f (p1 )).
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en Algoritmo 2.5.1 - Método de la secante
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-6
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1.
Paso 6 Definir p0 = p1 ; (Actualizar p0 , q0 , p1 , q1 )
q0 = q1 ; p1 = p; q1 = f (p)
Paso 7 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.5 - Método de la secante
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Ejemplo
En el ejemplo anterior, f (x) = x 3 − 10 · x 2 + 5. Aplique el método de la
secante para encontrar una aproximación de problema f (x) = 0 con 2
iteraciones. Obtenga el valor aproximado de p si se sabe p0 = 0,25 y p1 = 1.
2.5 - Método de la secante
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
2.5 - Método de la secante
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
2.5 - Método de la secante
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
Métodos
Matemáti-
cos en Ejemplo (solución)
Ingenierı́a -
ICI2204
Sesión 5 Para la función f (x) = x 3 − 10 · x 2 + 5 se tiene que la primera derivada viene
Jean Paul dada por f 0 (x) = 3 · x 2 − 20 · x, por lo que la formula de Newton viene dada
Maidana
González por
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5 Método de Newton
Jean Paul
Maidana
González
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5 Método de la Secante
Jean Paul
Maidana
González
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González Primero elegir aproximaciones inciales p0 y p1 con f (p0 ) · f (p1 ) < 0. La
aproximación p2 se elige de la misma forma que en el método de la secante.
Para decidir que recta secante usar para calcular p3 considere f (p2 ) · f (p1 ), o
mejor dicho sign(f (p2 )) · sign(f (p1 )).
Si sign(f (p2 )) · sign(f (p1 )) < 0 entonces p1 y p2 encierran una raı́z.
Elegir entonces a p3 como el intercepto con el eje-x de la recta que une
el punto (p1 , f (p1 )) y (p2 , f (p2 )).
Si no, elegir p3 como el intercepto con el eje-x de la recta que une
(p0 , f (p0 )) y (p2 , f (p2 )), para luego intercambiar los indices p0 y p1 .
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Ingenierı́a -
ICI2204
Sesión 5
Jean Paul
Maidana
González
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;
2.6 - Método de Regula-Falsi
Métodos
Matemáti-
cos en
Algoritmo 2.6.1 - Método de Regula-Falsi
Ingenierı́a -
ICI2204 INPUT Aproximación inicial: p0 , p1 ; Tolerancia: TOL; Número máximo de
Sesión 5
iteraciones: N0
Jean Paul
Maidana OUTPUT Solución aproximada p o mensaje de error.
González
Paso 1 Definir i = 1
q0 = f (p0 )
q1 = f (p1 )
Paso 2 Mientras i ≤ N0 repetir pasos 3-7
Paso 3 Definir p = p1 − q1 (p1 − p0 )/(q1 − q0 );
Paso 4 Si |p − p1 | <TOL, entonces
OUTPUT(p); (El procedimiento termina exitosamente)
STOP;
Paso 5 Definir i = i + 1 y luego q = f (p).
Paso 6 Si q · q1 < 0 entonces hacer p0 = p1 y q0 = q1
Paso 7 Hacer p1 = p y q1 = q
Paso 8 OUTPUT(“El método fallo luego de N0 ”)
STOP;