An Alisis Num Erico (ICM840-01) : Raices de Ecuaciones

Análisis Numérico (ICM840-01)
Raices de ecuaciones
1er Trimestre 2022
Profesor: Angel Rodrı́guez Soto (PUCV) Análisis Numérico 1er Trimestre 2022 1 / 69
Definiciones básicas
Si tiene una función f (x) continua en un dominio [a, b], entonces se dice
que x es una raiz (o cero) de la función si se cumple que:
f (x) = 0
Métodos para encontrar raices de funciones
• Métodos Cerrados:
• Método de la Bisección
• Método de la Falsa Posición (Regula falsi)
• Métodos Gráficos
• Métodos abiertos:
• Método de Punto fijo
• Método de Newton-Raphson
• Método de la Secante
Métodos Cerrados
Método de la Bisección
Teorema de Bolzano
Sea f (x) una función continua en el intervalo [a, b], y además se cumple
que:
f (a)f (b) < 0
entonces existe a lo menos un punto c ∈ [a, b], tal que:
f (c) = 0
El método de la bisección consiste en dividir el intervalo con cambio de

signo a la mitad, evaluando la función en el punto medio. El proceso se
vuelve a repetir en el nuevo sub-intervalo en donde hay cambio de signo.
Este proceso se repite hasta obtener la mejor aproximación posible.
Métodos Cerrados
Métodos Cerrados
La estructura general del método

Para una función de una variable f (x) = 0
• Escoger el intervalo: xl a xu , que incluya la raiz de interés:
f (xl ) · f (xu ) < 0
• Evaluar f ((xu + xl )/2) y comparar el resultado con el error prefijado
(o evaluar criterio de cantidad de iteraciones). Detener o continuar
las iteraciones
• Si f (xl ) · f ((xu + xl )/2) < 0 la raiz está en el itervalo inferior por lo
que: xu = ((xu + xl )/2). Regresar atrás y volver a evaluar.
• Si f (xl ) · f ((xu + xl )/2) > 0 la raiz está en el itervalo superior por lo
que: xl = ((xu + xl )/2). Regresar atrás y volver a evaluar.
• Si f (xl ) · f ((xu + xl )/2) = 0 es la raiz.
Métodos Cerrados
Ventajas:
• Es un método simple de implementar.
• Siempre encuentra la raiz.
• Se puede predeterminar la cantidad de iteraciones necesarias para
encontrar la raiz.
Longitud de la k-ésima iteración:
Lk = L0 /2k
Desventajas:
• Es lento.
• Se requiere conocer los lı́mites del intervalo.
• Puede errar cuando existen varias raı́ces en el intervalo.
Métodos Cerrados
Véase un ejemplo simple:
y = −0,5x2 + 2,5x + 4,5
Métodos Cerrados
Si se calcularan las raı́ces usando el discriminante:

√
−b ± b2 − 4ac
x= → x1 = −1,405, x2 = 6,405
2a
Utilizando el Método de Bisección:
Seleccionando el intervalo inicial: xa = 6 y xb = 7

xa +xb 6+7
1ra iteración: xr = 2 = 2 = 6,5
f (xa ) = −0,5 · 62 + 2,5 · 6 + 4,5 = 1,5
f (xr ) = −0,5 · 6,52 + 2,5 · 6,5 + 4,5 = −0,375

f (xa ) · f (xr ) < 0 → xb = xr
Métodos Cerrados
xa +xb 6+6,5
2da iteración: xr = 2 = 2 = 6,25
f (xa ) = −0,5 · 62 + 2,5 · 6 + 4,5 = 1,5
f (xr ) = −0,5 · 6,252 + 2,5 · 6,25 + 4,5 = 0,59375

f (xa ) · f (xr ) > 0 → xa = xr
xa +xb 6,25+6,5
3ra iteración: xr = 2 = 2 = 6,375
Iteración 1 2 3 4
xr 6.65 6.25 6.375 6.4375
Error Relativo - 4% 1.96 % 0.97 %
Métodos Cerrados
Utilizando MatLab:
Métodos Cerrados
Métodos Cerrados
Métodos Cerrados
Métodos Cerrados
Métodos Cerrados
Método de la Falsa Posición
Un inconveniente del Metodo de la Bisección, es que al dividir el intervalo

[a, b] en partes iguales, no se toma en consideración las magnitudes de
f (a) y f (b).
El Método de la Falsa Posición (o Regula falsi) considera lo anterior,
uniendo f (a) y f (b) con una linea recta: la intersección de esta recta con
el eje x representa una mejor aproximación de la raiz.
Métodos Cerrados
Usando triangulos semejantes, la intersección se estima mediante:
f (a) f (b)
=
c−a c−b
de donde despejamos c para tener:
f (b)(a − b)
c=b−
f (a) − f (b)
El valor de c calculado reemplazará a cualquiera de los dos valores iniciales

a o b y se evalúa el cambio de signo. El proceso se repite hasta que la
aproximación de la raiz sea la adecuada.
Métodos Cerrados
Utilizando la función anterior como ejemplo:
y = −0,5x2 + 2,5x + 4,5; xi = 6; xu = 7
Evaluando la 1ra iteración:
f (6) = −0,5(6)2 + 2,5(6) + 4,5 = 1,5
f (7) = −0,5(7)2 + 2,5(7) + 4,5 = −2,5

Se observa que existe una raiz en ese intervalo: f (xi ) · f (xu ) < 0
f (xu )(xi − xu ) −2,5 · (6 − 7)

xr = xu − → xr = 7 − = 6,375
f (xi ) − f (xu ) 1,5 − (−2,5)
f (6,375) = −0,5(6,375)2 + 2,5(6,375) + 4,5 = 0,1171875
Métodos Cerrados
f (xi ) · f (xr ) > 0 → xi = xr

2da iteración:
−2,5 · (6,375 − 7)
xr = 7 − = 6,402985075
0,1171875 − (−2,5)
f (xi ) · f (xr ) > 0 → xi = xr

Se puede continuar con las iteraciones hasta lograr el error predefinido:
Iteración 1 2 3
xr 6.375 6.402985075 6.404973357
Error Relativo - 0.44 % 0.031 %
Métodos Cerrados
Métodos Gráficos
• Este método consiste en graficar la función y observar donde cruza el

eje x.
• El valor práctico de este método es limitado, pero es una buena
herramienta para obtener aproximaciones de una raiz.
Ejercicio
Haciendo uso del método gráfico, determinar la cantidad de raices que
tiene la función:
f (x) = sen(10x) + cos(3x)
en el intervalo [0 : 5]
Métodos Cerrados
Ejercicios en clase
Determinar la raiz real de:

ln(x2 ) = 0,7
• Gráficamente.
• Empleando 5 iteraciones en el método de la bisección con valores
iniciales a = 0,5 y b = 2.
• Usando 5 iteraciones del método regula falsi, con los mismos valores
iniciales anteriores.
Métodos Cerrados
Ejercicios en clase
Determine las raices reales de:
f (x) = −0,5x2 + 2,5x + 4,5
• Gráficamente.
• Empleando la fórmula cuadrática (discriminante).
• Comparar bisección con regula falsi para determinar la raı́z más
grande. Considerar como valores iniciales a = 5 y b = 10.
Métodos Abiertos
Método de Punto Fijo
• Es un método abierto, aplicable a sistemas lineales y no-lineales.

• La convergencia depende de la manera en que se formulen las
ecuaciones.
• Aún siendo la convergencia posible, la divergencia puede ocurrir
si los valores iniciales no son lo suficientemente cercanos a las
raı́ces verdaderas
Métodos Abiertos
Dado x0 ∈ R y una función g, se afirma que x0 es un punto fijo de g si

g0 (x0 ) = x0 . Siendo el objetivo original hallar x ∈ R tal que f (x) = 0, se
define ahora el problema como hallar x ∈ R tal que g(x) = x
Teorema: si g ∈ C[a, b] y g(x) ∈ [a, b] para todo x ∈ [a, b] entonces g

tiene un punto fijo en [a, b]. Si además g ′ (x) existe en (a, b) y existe una
constante positiva k < 1 con |g ′ (x)| ≤ 1, ∀(a, b) entonces el punto fijo en
[a, b] es único.
Por lo que para hallar x ∈ R para que g(x) = x para g ∈ [a, b] existe k > 0
tal que |g ′ (x)| < k < 1, ∀x ∈ (a, b).
Se supone un x0 ∈ [a, b], se define la sucesión pn+1 = g(pn ), n ≥ 0 siendo

que la solución converge y el lı́mite será el punto fijo de la función g
Métodos Abiertos
En otras palabras, si se tiene una ecuación de la forma f (x) = 0, esta

puede ser reordenada de tal forma que x se encuentre a la izquierda:
x = g(x)
Esta operación se puede lograr algebraicamente, sumando un ’cero’ o

términos a ambos lados, entre otros artificios matemáticos,
convenientemente.
Ejemplos:
x2 + 3
x2 − 2x + 3 = 0 ⇒ x =
2
sen(x) = 0 ⇒ x = sen(x) + x
Métodos Abiertos
Reescribir la función de la forma x = g(x) permite predecir un nuevo valor

de x en función del valor anterior de x:
xi+1 = g(xi )
Ejemplo:
Usar el método de punto fijo para localizar la raiz de f (x) = e−x − x
Considerar como valor inicial x0 = 0,5 y evaluar el error en la 4ta
iteración. Considerar que el valor verdadero de la raı́z es 0,56714329.
Solución:
f (x) = e−x − x, x0 = 0
Una de las formas de despejar x: xi+1 = e−xi → g(x)
Métodos Abiertos
Para que converja:
|g ′ (x0 )| = 1/ex0 → |g ′ (0,5)| = 1/e0,5 = 0,607 < 1

|verd−aprox|
El Error verdadero serı́a: E = verd · 100 %
1ra iteración: x = 0,5 → g(0,5) = e−0,5 = 0,607, E = 7,028 %

2da iteración: x = 0,607 → g(0,607) = e−0,607 = 0,545, E = 3,904 %
3ra iteración: x = 0,5445 → g(0,545) = e−0,545 = 0,58, E = 2,267 %
4ta iteración: x = 0,58 → g(0,58) = e−0,58 = 0,56, E = 1,26 %
Continuar hasta alcanzar el criterio prefijado (error, cantidad de
iteraciones, etc.)
Métodos Abiertos
Utilizando MatLab:
Métodos Abiertos
Métodos Abiertos
Métodos Abiertos
Métodos Abiertos
Un método gráfico alternativo consiste en separar la ecuación en dos

partes:
f1 (x) = f2 (x)
en donde:
y1 = f1 (x)
y2 = f2 (x)
Si ambas funciones se grafican por separado, los valores de x
correspondientes a las intersecciones de y1 con y2 representan las raices de
f (x) = 0.
Para el caso anterior,
y1 = x
y2 = e−x
Métodos Abiertos
Métodos Abiertos
Método de Punto Fijo - Convergencia
Métodos Abiertos
Método de Punto Fijo - Divergencia
Métodos Abiertos
La convergencia ocurre únicamente cuando el valor absoluto de la

pendiente de y2 = g(x) es menor al valor de la pendiente de y1 = x.
Es decir:
|g ′ (x)| < 1
Para el caso anterior, los errores disminuyen con cada iteración. En caso de
no cumplirse la condición anterior, entonces los errores crecen.
• Si la derivada es positiva, los errores serán positivos y por ende la
solución iterativa será monótona.
• Si la derivada es negativa, entonces los errores oscilarán.
Métodos Abiertos
Véase un ejemplo simplificado para un sistema no lineal:
u(x, y) = x2 + xy − 10, v(x, y) = y + 3xy 2 − 57
Se predefine el inicio en: x = 1,7, y = 2,8 y se asume que u(x, y) = 0 y

v(x, y) = 0
Se define: x = g(x, y) e y = h(x, y) por lo que las iteraciones estarán
dadas por: xi+1 = g(xi , yi ) e yi+1 = h(xi , yi )
Se comenzará probando con los despejes más simples:
10 − x2
0 = x2 + xy − 10 → x =
y
0 = y + 3xy 2 − 57 → y = 57 − 3xy 2
Métodos Abiertos
Para comprobar la convergencia:

∂h
∂g ∂g
∂x + ∂y < 1 y ∂h
∂x + ∂y < 1

Métodos Abiertos
Se intentará entonces con otras formas de despeje:

r
2
p 2 57 − y
0 = x + xy − 10 → x = 10 − xy 0 = y + 3xy − 57 → y =
3x
Métodos Abiertos
En notación iterativa (orientada a la programación):

s
p 57 − yi |act − ant|
xi+1 = 10 − xi yi , yi+1 = , e= · 100 %
3xi+1 ant
Métodos Abiertos
Método de Newton-Raphson
Nota: por ejemplo, la formulación del Método de los Elementos Finitos

(MEF) basada en el principio de los Trabajos Virtuales (PTV) conduce a
un sistema de ecuaciones algebraicas (puede ser lineal o no-lineal,
dependiendo del comportamiento, constitutivo, del material, la zona de la
deformación analizada, etc.). Entre los métodos más utilizados para
resolver estos sistemas está el Método de Newton-Raphson.
El caso más simple es el escalar (una ecuación, una incógnita): se basa en

usar una recta tangente a la gráfica de f para aproximarse al punto donde
la función se anula (raı́z).
Métodos Abiertos
De una forma simple y gráfica,

teniendo un valor inicial xi , se puede
trazar una curva tangente desde el
punto [xi , f (xi )] de la curva. La
intersección de esta tangente con el
eje x es una aproximación a la raı́z
de la función.
A partir de esta interpetación
geométrica se deduce el Método de
Newton-Raphson:
f (xi ) − 0 f (xi )
f ′ (xi ) = xi+1 = xi −
xi − xi+1 f ′ (xi )
Métodos Abiertos
Métodos Abiertos
Ejemplo:
Usar el método de Newton-Raphson para localizar la raı́z de
f (x) = e−x − x
Considerar como valor inicial x0 = 0,5 y evaluar el error en la cuarta
iteración. Considerar que el valor verdadero de la raı́z es 0,56714329.
¿Cual de los dos métodos converge con mayor velocidad?
Solución usando MatLab:
Métodos Abiertos
Métodos Abiertos
Métodos Abiertos
De forma general:
Para una función de varias variables f : R → R, no lineal, se requiere

resolver el sistema de ecuaciones f (0) = 0 donde x = (x1 , ..., xn )t ∈ Rn
representa el valor de las incógnitas.
Supóngase que α = (α1 , ..., αn )t ∈ Rn es la solución del sistema de

ecuaciones y que f = (f1 , ..., fn )t es dos veces diferenciable. Aplicando el
desarrollo de Taylor para funciones
de varias variables f en torno a una
(k) (k) t
aproximación de la raı́z x(k) = x1 , ..., xn se tiene:
2
(k) (k) (k) (k)
0 = f (α) = f x + Df x α−x + O α − x

Métodos Abiertos
Como se vio anteriormente, el residuo suele ser pequeño, por lo que se

puede despreciar y mantener una buena aproximación a la solución real.

0 = f (α) = f x(k) + Df x(k) α − x(k)
Donde Df x(k) es la Matriz Jacobiana de f en x(k) :

 ∂f1 ∂f1
x(k) x(k)

∂x1 ... ∂xn
 
.. ..

Df x (k)

= .. 
 . . . 

 
∂fn ∂fn
x(k) x(k)

∂x1 ... ∂xn
Métodos Abiertos
Si dicha Matriz Jacobiana es inversible se puede despejar el conjunto de

soluciones: −1
α ≈ x(k) − Df x(k) f x(k)
Por lo que el método consiste en: dada la aproximación de la solución

x(k) , tomar como nueva aproximación x(k+1) el valor de la expresión
anterior, siendo x(0) la aproximación inicial y k = 0, 1, 2, ...
Otra alternativa es no invertir la Matriz Jacobiana Df x(k) , sino

resolver en
cada iteración el sistema de
ecuaciones lineales (SEL):
Df x(k) x(k+1) − x(k) = −f x(k) , pudiendo simplificarse a un paso,
o diferencial entre iteraciones: δx(k) = x(k+1) − x(k)

Métodos Abiertos
Ejemplo: Resolver el sistema ecuaciones con un error cuadrático absoluto

de los diferenciales entre iteraciones menor que 10−5 .
2
y + x2 = 1
y = x2
x2 + y 2 − 1

Funciones a utilizar: f (x, y) =
y − x2
La Matriz Jacoviana (para evaluar en las iteraciones):
!
∂f1 ∂f1
∂x ∂y 2x 2y
Df (x, y) = ∂f2 ∂f2 =
∂x ∂y
−2x 1
A modo de ejemplo, se utilizará la resolución del SEL, por lo que no se

invertirá la Matriz Jacobiana.
Métodos Abiertos
Si se grafican ambas funciones, se observan las dos raı́ces. Escogiendo el

punto (x0 , y0 ) = (1, 1) se deberá calcular la raı́z más cercana a este.
Métodos Abiertos
Para k = 0: Df x(k) δx(k) = −f x(k)

1 − (1)2 − (1)2

2·1 2·1 δx
=
−2 · 1 1 δy (1)2 − 1

2 2 δx −1 2δx + 2δy = −1
= →
−2 1 δy 0 −2δx + δy = 0
δx = −0,167
δy = −0,333
xk+1→1 = xk + δx = 1 − 0,167 = 0,833
Evaluando el incremento:
yk+1→1 = yk + δy = 1 − 0,333 = 0,667
Error
p en funciónpdel diferencial:
δx2 + δy 2 = (−0,167)2 + (−0,333)2 = 0,373 > 10−5
Métodos Abiertos
Para k = 1:
1 − (0,833)2 − (0,667)2

2 · 0,833 2 · 0,667 δx
=
−2 · 0,833 1 δy (0,833)2 − 0,667

1,667 1,334 δx −0,139 δx = −0,045
= →
−1,667 1 δy 0,027 δy = −0,048
xk+1→2 = xk + δx = 0,833 − 0,045 = 0,788
yk+1→2 = yk + δy = 0,667 − 0,048 = 0,619
Error
p en funciónpdel diferencial:
δx2 + δy 2 = (−0,045)2 + (−0,048)2 = 0,066 > 10−5
Métodos Abiertos
Para k = 2:
−4,578 · 10−3

2 · 0,788 2 · 0,619 δx
=
−2 · 0,788 1 δy 2,417 · 10−3
δx = −2,145 · 10−3
δy = −9,656 · 10−4
xk+1→3 = xk + δx = 0,788 − 2,145 · 10−3 = 0,786
yk+1→3 = yk + δy = 0,619 − 9,656 · 10−4 = 0,618
p
Error en función del diferencial: δx2 + δy 2 =
(−2,145 · 10−3 )2 + (−9,656 · 10−4 )2 = 2,352 · 10−3 > 10−5

p
Métodos Abiertos
Para k = 3:
2,8 · 10−4

2 · 0,786 2 · 0,618 δx
=
−2 · 0,786 1 δy −2,04 · 10−4
δx = 1,514 · 10−4
δy = 3,399 · 10−5
Error en función del diferencial:
p
δx2 + δy 2 = (1,514 · 10−4 )2 + (3,399 · 10−5 )2 = 1,552 · 10−4 > 10−5
p
Repetir hasta que se llegue a un error menor que el prefijado.
Métodos Abiertos
Método de la Secante
¿Que pasa con el método de Newton-Raphson si la derivada de la función

es difı́cil de evaluar?
La derivada puede ser aproximada mediante una diferencia finita dividida
hacia atrás (convergencia no garantizada):
f (xi−1 ) − f (xi )
f ′ (xi ) ∼
=
xi−1 − xi
Métodos Abiertos
¿Que pasa con el método de Newton-Raphson si la derivada de la función

es difı́cil de evaluar?
La derivada puede ser aproximada mediante una diferencia finita dividida
hacia atrás (convergencia no garantizada):
f (xi−1 ) − f (xi )
f ′ (xi ) ∼
=
xi−1 − xi
Métodos Abiertos
Al sustituir esta aproximación de la derivada en la ecuación:
f (xi )
xi+1 = xi −
f ′ (xi )
se tiene:
f (xi )(xi−1 − xi )
xi+1 = xi −
f (xi−1 ) − f (xi )
Esta ecuación es la fórmula del Método de la Secante.
Nota:
Este método requiere de dos valores iniciales, pero no requiere que la
función f (x) cambie de signo, por lo que no se considera un método
cerrado.
Métodos Abiertos
Ejemplo:
Usar el método de la Secante para localizar la raı́z de f (x) = e−x − x
Considerar como valor inicial x0 = 0 y x1 = 1. Evaluar el Error Relativo
Aproximado hasta que sea menor que 1 %
Solución:
1ra iteración:
Se tiene que f (x0 ) = f (0) = 1 y f (x1 ) = f (1) = −0,632120559 por lo
que:
f (x1 )(x0 − x1 ) −0,632120559 · (0 − 1)

x2 = x1 − =1− = 0,612699837
f (x0 ) − f (x1 ) 1 − (−0,632120559)

1 − 0,612699837
εa = · 100 % = 38,73 %
1
Métodos Abiertos
2da iteración: x1 = 1 y x2 = 0,612699837
f (x2 )(x1 − x2 )
x3 = x2 −
f (x1 ) − f (x2 )
−0,070813948(1 − 0,612699837)
x3 = 0,612699837 − = 0,563838389
−0,632120559 − (−0,070813948)

0,612699837 − 0,563838389
εa = · 100 % = 7,97 %
0,612699837
Métodos Abiertos
3ra iteración: x2 = 0,612699837 y x3 = 0,563838389
f (x3 )(x2 − x3 )
x4 = x3 −
f (x2 ) − f (x3 )
5,182354507 · 10−3 (0,612699837 − 0,563838389)

x4 = 0,563838389 −
−0,070813948 − 5,182354507 · 10−3
x4 = 0,567170358

0,563838389 − 0,567170358
εa = · 100 % = 0,59 %
0,563838389
Métodos Abiertos
Utilizando MatLab:
Métodos Abiertos
Método de la Secante Modificado
En lugar de usar dos valores arbitrarios para aproximar la derivada, se

incorpora un cambio fraccionario de la variable independiente como forma
alternativa de estimar la derivada f ′ (x):
f (xi + δ · xi ) − f (xi )
f ′ (xi ) ∼
=
δ · xi
en donde δ es el pequeño cambio fraccionario.
Al sustituir esta aproximación de la derivada en la ecuación:
f (xi )
xi+1 = xi −
f ′ (xi )
se tiene:
δ · xi · f (xi )
xi+1 = xi −
f (xi + δ · xi ) − f (xi )
Métodos Abiertos
Véase un ejemplo simplificado:

Usando el Método de la Secante Modificado, localice la raı́z de la
función:f (x) = x3,3 − 79, tomando en cuenta un punto inicial y una
fracción de paso de: x0 = 3,5 y δ = 0,01 respectivamente.
δ · xi · f (xi )
xi+1 = xi −
f (xi + δ · xi ) − f (xi )
1ra iteración:
δ · x1 · f (x1 )
x2 = x1 −
f (x1 + δ · x1 ) − f (x1 )
f (3,5) = −16,57 f (3,5 + 0,01 · 3,5) = −14,48
0,01 · 3,5 · (−16,57)
x2 = 3,5 − = 3,78
(−14,48) − (−16,57)
Métodos Abiertos
El error aproximado porcentual:

3,78 − 3,5
ε2 = · 100 % = 7,4 %
3,78
2da iteración:
f (3,78) = 1,49 f (3,78 + 0,01 · 3,78) = 4,17

0,01 · 3,78 · 1,49
x3 = 3,78 − = 3,76
4,17 − 1,49

3,76 − 3,78
ε2 = · 100 % = 0,53 %
3,76
Notar que: se trabajó con sólo dos cifras significativas, mientras más sean
se disminuye el error de truncamiento.
Métodos Abiertos
Ejercicios propuestos
Usar el Método de la Secante Modificado para localizar la raı́z de

f (x) = e−x − x
• Considerar como valor inicial x0 = 1 y usar δ = 0,01.

• Evaluar el error en la tercera iteración. Considerar que el valor
verdadero de la raı́z es 0,56714329.
Métodos Abiertos
Ejercicios propuestos
Determine la raı́z real más grande de:
f (x) = 2x3 − 11,7x2 + 17,7x − 5
a En forma gráfica.
b Con el método de iteración de punto fijo (tres iteraciones, con
x0 = 3).
c Con el método de Newton-Raphson (tres iteraciones, x0 = 3,
δ = 0,001).
d Con el método de la secante (tres iteraciones, x−1 = 3 y x0 = 4).
e Con el método de la secante modificada (tres iteraciones, con x0 = 3,
δ = 0,001).
Análisis Numérico (ICM840-01)
1er Trimestre 2022

An Alisis Num Erico (ICM840-01) : Raices de Ecuaciones

Cargado por

Información del documento

Descripción original:

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

An Alisis Num Erico (ICM840-01) : Raices de Ecuaciones

Cargado por

Copyright:

Formatos disponibles

Análisis Numérico (ICM840-01)

1er Trimestre 2022

El método de la bisección consiste en dividir el intervalo con cambio de

La estructura general del método

Véase un ejemplo simple:

y = −0,5x2 + 2,5x + 4,5

Si se calcularan las raı́ces usando el discriminante:

Seleccionando el intervalo inicial: xa = 6 y xb = 7

f (xa ) = −0,5 · 62 + 2,5 · 6 + 4,5 = 1,5

f (xr ) = −0,5 · 6,52 + 2,5 · 6,5 + 4,5 = −0,375

f (xa ) = −0,5 · 62 + 2,5 · 6 + 4,5 = 1,5

f (xr ) = −0,5 · 6,252 + 2,5 · 6,25 + 4,5 = 0,59375

Un inconveniente del Metodo de la Bisección, es que al dividir el intervalo

Usando triangulos semejantes, la intersección se estima mediante:

El valor de c calculado reemplazará a cualquiera de los dos valores iniciales

Utilizando la función anterior como ejemplo:

y = −0,5x2 + 2,5x + 4,5; xi = 6; xu = 7

Evaluando la 1ra iteración:

f (6) = −0,5(6)2 + 2,5(6) + 4,5 = 1,5

f (7) = −0,5(7)2 + 2,5(7) + 4,5 = −2,5

f (xu )(xi − xu ) −2,5 · (6 − 7)

f (6,375) = −0,5(6,375)2 + 2,5(6,375) + 4,5 = 0,1171875

f (xi ) · f (xr ) > 0 → xi = xr

f (xi ) · f (xr ) > 0 → xi = xr

• Este método consiste en graficar la función y observar donde cruza el

Determinar la raiz real de:

Determine las raices reales de:

f (x) = −0,5x2 + 2,5x + 4,5

• Es un método abierto, aplicable a sistemas lineales y no-lineales.

Dado x0 ∈ R y una función g, se afirma que x0 es un punto fijo de g si

Teorema: si g ∈ C[a, b] y g(x) ∈ [a, b] para todo x ∈ [a, b] entonces g

Se supone un x0 ∈ [a, b], se define la sucesión pn+1 = g(pn ), n ≥ 0 siendo

En otras palabras, si se tiene una ecuación de la forma f (x) = 0, esta

Esta operación se puede lograr algebraicamente, sumando un ’cero’ o

Reescribir la función de la forma x = g(x) permite predecir un nuevo valor

Para que converja:

|g ′ (x0 )| = 1/ex0 → |g ′ (0,5)| = 1/e0,5 = 0,607 < 1

1ra iteración: x = 0,5 → g(0,5) = e−0,5 = 0,607, E = 7,028 %

Un método gráfico alternativo consiste en separar la ecuación en dos

La convergencia ocurre únicamente cuando el valor absoluto de la

Véase un ejemplo simplificado para un sistema no lineal:

u(x, y) = x2 + xy − 10, v(x, y) = y + 3xy 2 − 57

Se predefine el inicio en: x = 1,7, y = 2,8 y se asume que u(x, y) = 0 y

Para comprobar la convergencia:

Se intentará entonces con otras formas de despeje:

En notación iterativa (orientada a la programación):

Nota: por ejemplo, la formulación del Método de los Elementos Finitos

El caso más simple es el escalar (una ecuación, una incógnita): se basa en

De una forma simple y gráfica,

Solución usando MatLab:

Para una función de varias variables f : R → R, no lineal, se requiere

Supóngase que α = (α1 , ..., αn )t ∈ Rn es la solución del sistema de

Como se vio anteriormente, el residuo suele ser pequeño, por lo que se

Donde Df x(k) es la Matriz Jacobiana de f en x(k) :

Si dicha Matriz Jacobiana es inversible se puede despejar el conjunto de

Por lo que el método consiste en: dada la aproximación de la solución

Otra alternativa es no invertir la Matriz Jacobiana Df x(k) , sino

Ejemplo: Resolver el sistema ecuaciones con un error cuadrático absoluto

A modo de ejemplo, se utilizará la resolución del SEL, por lo que no se

Si se grafican ambas funciones, se observan las dos raı́ces. Escogiendo el

Para k = 0: Df x(k) δx(k) = −f x(k)

(−2,145 · 10−3 )2 + (−9,656 · 10−4 )2 = 2,352 · 10−3 > 10−5