Raices de Ecuaciones No Lineales

Tema: Metodo Newton-Raphson

Major: General Engineering

5/8/2018 http://numericalmethods.eng.usf.edu 1
 Metodo Newton-Raphson

f(x)

f(xi )
f(xi)
x f x 
i, i
xi 1 = xi -
f (xi )

f(xi-1)


xi+2 xi+1 xi X

2 http://numericalmethods.eng.usf.edu
 Derivacion
f(x)
AB
tan(  
AC
f(xi) B
f ( xi )
f ' ( xi ) 
xi  xi 1

f ( xi )
xi 1  xi 
C  A X f ' ( xi )
xi+1 xi

3 http://numericalmethods.eng.usf.edu
 Algoritmo Metodo
Newton-Raphson

4 http://numericalmethods.eng.usf.edu
 Paso 1

Evaluar f(x) simbolicamente

5 http://numericalmethods.eng.usf.edu
 Paso 2

Calcular la siguiente estimación de la raíz

f(xi )
xi 1 = xi -
f'(xi )
Hallar el error aproximado absoluto relativo

xi 1- xi
a = x 100
xi 1
6 http://numericalmethods.eng.usf.edu
 Paso 3

 Hallar el error aproximado absoluto relativo

si es mayor que el error pre-especificado de
tolerancia relativa.
 Si es así, volver al paso 2, de lo contrario
dejar el algoritmo.
 También verifique si el número de iteraciones
ha superado el número máximo de
iteraciones.

7 http://numericalmethods.eng.usf.edu
 Ejemplo
 Tu estas trabajando para "LA EMPRESA TOILET que hace
tanques de inodoro para ABC. La bola tiene un peso
específico de 0,6 y tiene un radio de 5,5 cm. Se le pide
encontrar la distancia x a la que el balón obtendrá
cuando el flotador este sumergido en el agua .

8 http://numericalmethods.eng.usf.edu
 Solucion
La ecuación que da la profundidad 'x' para que la pelota está
sumergido bajo el agua viene dada por
f x   x 3-0.165x 2+3.993x10- 4
f x   3x 2-0.33x
Utilice el método de Newton para
encontrar raíces de ecuaciones para
encontrar la profundidad 'x' para que
la pelota está sumergido bajo el agua.
Realizar tres iteraciones para calcular
la raíz de la ecuación anterior.

9 http://numericalmethods.eng.usf.edu
 Grafico de la funcion f(x)
f x   x -0.165x +3.993x10
3 2 -4

10 http://numericalmethods.eng.usf.edu
 Iteracion #1
x0  0.02
f  x0 
x1  x0 
f '  x0 
3.413x104
x1  0.02 
 5.4 x103
 0.08320
a  75.96%

11 http://numericalmethods.eng.usf.edu
 Iteracion #2
x1  0.08320
f  x1 
x2  x1 
f '  x1 
 1.670x10 4
x2  0.08320 
 6.689 x10 3
 0.05824
a  42.86%

12 http://numericalmethods.eng.usf.edu
 Iteracion #3
x2  0.05824
f  x2 
x3  x2 
f '  x2 
3.717 x105
 0.05284 
 9.043x103
 0.06235
a  6.592%

13 http://numericalmethods.eng.usf.edu
 Ventajas

 Converge rápidamente, en caso de que

converge
 Requiere un solo pronostico

14 http://numericalmethods.eng.usf.edu
 Diagrama
10
f(x)

0 x
-2 -1 2 0 3 1 2

1
-5

f x   x  1  0
-10
3

-15

-20

Punto de Infleccion
15 http://numericalmethods.eng.usf.edu
 Diagrama (cont.)
1.00E-05
f(x)
7.50E-06

5.00E-06

2.50E-06

0.00E+00 x
-0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04
-2.50E-06
0.02
-5.00E-06

f x   x3  0.03x 2  2.4x106  0
-7.50E-06

-1.00E-05

Division por cero

16 http://numericalmethods.eng.usf.edu
 Diagrama (cont.)
1.5
f(x)
1

0.5

x
0
-2 -0.063069
0 0.54990 2 4 4.462 6 7.53982
8 10

-0.5

-1 f x  Sin x  0
-1.5

Saltos Raices
17 http://numericalmethods.eng.usf.edu
 Diagrama (cont.)
6
f(x)
5

f x   x 2  2  0
3

2
2

11
4
x
0
-2 -1 0 1 2 3
-1.75 -0.3040 0.5 3.142
-1

Oscilaciones cercanas al Maximo o Minimo

18 http://numericalmethods.eng.usf.edu