MINIMOS CUADRADOS Determinar el polinomio aproximador de segundo grado para las siguientes tablas de datos, tomadas de una experiencia

con fluidos

x y

0.05 0.1 0.15 0.2 0.25 0.3 0.375 0.625 0.750 0.815 0.875 1.00

0.35 0.4 1.065 1.125

x y

0.05 0.25

0.1 0.42

0.15 0.58

0.2 0.72

0.25 0.85

0.3 0.98

0.35 1.10

0.4 1.12

x y

0.05 0.28

0.1 0.50

0.15 0.64

0.2 0.75

0.25 0.82

0.3 0.90

0.35 0.95

0.4 1.02

MTODO DE LA BISECCIN

El mtodo de biseccin se basa en el siguiente teorema de Clculo: Teorema del Valor Intermedio Sea para cada contnua en un intervalo tal que y supongamos que , existe un tal que . Entonces . La

misma conclusin se obtiene para el caso que . Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo, entonces debe alcanzar todos los valores intermedios. En particular, si precisamente debe existir y tienen signos opuestos, entonces un valor intermedio es , y por lo tanto, el Teorema del Valor Intermedio nos asegura que tal que , es decir, debe haber por lo menos una raz

de en el intervalo . El mtodo de biseccin sigue los siguientes pasos: Sea contnua, , tales que y tienen signos i) Encontrar valores iniciales opuestos, es decir,

ii) La primera aproximacin a la raz se toma igual al punto medio entre

iii) Evaluar

. Forzosamente debemos caer en uno de los siguientes casos:

En este caso, tenemos que raz se encuentra en el intervalo

y .

tienen signos opuestos, y por lo tanto la

En este caso, tenemos que que intervalo

tienen el mismo signo, y de aqu

y .

tienen signos opuestos. Por lo tanto, la raz se encuentra en el

En este caso se tiene que y por lo tanto ya localizamos la raz. El proceso se vuelve a repetir con el nuevo intervalo, hasta que:

es decir,

Ejemplo 1 Aproximar la raz de hasta que . Solucin Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de se localiza en el intervalo . As que este intervalo es nuestro punto de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos checar

que y tengan signos opuestos. En efecto, tenemos que

mientras que

Cabe mencionar que la funcin s es contnua en el intervalo . As pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de biseccin. Comenzamos: i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):

ii) Evaluamos iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente tabla:

Por lo tanto, vemos que la raz se encuentra en el intervalo . En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo intervalo . Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):

Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la aproximacin actual y la aproximacin previa:

Puesto que no se ha logrado el objetivo, continuamos con el proceso. Evaluamos , y hacemos la tabla:

As, vemos que la raz se encuentra en el intervalo Calculamos el punto medio,

Y calculamos el nuevo error aproximado:

El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla: Error aprox. Aprox. a la raz 1.25 1.375 1.3125 1.28125 1.296875 1.3046875

9.09% 4.76% 2.43% 1.20% 0.59%

As, obtenemos como aproximacin a la raz Ejemplo 2 Aproximar la raz de Solucin hasta que . se localiza

Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de

en el intervalo . Para poder aplicar el mtodo de biseccin, es importante checar que s se cumplen las hiptesis requeridas. Sabemos que que y En efecto, es contnua en el intervalo tengan signos opuestos. , y checamos

Mientras que,

Por lo tanto, s podemos aplicar el mtodo de biseccin. Calculamos el punto medio del intervalo ,

Que es la primera aproximacin a la raz de Evaluamos Y hacemos nuestra tabla de signos,

. .

Puesto que intervalo .

tienen signos opuestos, entonces la raz se localiza en el

En este punto, solo contamos con una aproximacin, a saber, primer punto medio calculado.

, que es el ,

Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo

Que es la nueva aproximacin a la raz de . Aqu podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo, continuamos con el proceso. Evaluamos Y hacemos la tabla de signos: .

Puesto que

tienen signos opuestos, entonces la raz se localiza en el

intervalo . Calculamos el punto medio,

Y el nuevo error aproximado:

El proceso se debe continuar hasta que se logre el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla: Error aprox. Aprox. a la raz 0.5 0.75 0.625 0.5625 0.53125 0.515625 0.5234375 0.51953125

33.33% 20% 11.11% 5.88% 3.03% 1.49% 0.75%

De lo cual, vemos que la aproximacin buscada es El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente grfica, puede ser demasiado lento.

En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de forma muy lenta, ya que el mtodo solamente toma en cuenta que la raz se encuentra dentro del intervalo, sin importar si se encuentra ms cerca de alguno de los extremos del intervalo. Sera bueno implementar un mtodo que tome en cuenta este detalle.

Veremos a continuacin un ejemplo del metdo de la biseccin, con la siguiente ecuacin:

# 1 2 3 4 5 6 7

Xi -3 -2.5 -2.5 -2.5 -2.4375 -2.40625 -2.390625

Xd -2 -2 -2.25 -2.375 -2.375 -2.375 -2.375

Fxi -14 -2.125 -2.125 -2.125 -0.919677734375 -0.33853149414062 -0.053256988525391

8 9 10 11 12 13 14 8

-2.390625 -2.390625 -2.388671875 -2.3876953125 -2.3876953125 -2.3876953125 -2.3876953125 -2.390625

-2.3828125 -2.38671875 -2.38671875 -2.38671875 -2.38720703125 -2.387451171875 -2.3875732421875 -2.3828125

-0.053256988525391 -0.053256988525391 -0.017844371497631 -0.00015856791287661 -0.00015856791287661 -0.00015856791287661 -0.00015856791287661 -0.053256988525391

Fxd 6 6 2.359375 0.228515625 0.228515625 0.228515625 0.228515625 0.088065624237061 0.017513573169708 0.017513573169708 0.017513573169708 0.0086792100919411 0.0042607479990693 0.0020511967759376

Nuevo Xm -2.5 -2.25 -2.375 -2.4375 -2.40625 -2.390625 -2.3828125 -2.38671875 -2.388671875 -2.3876953125 -2.38720703125 -2.387451171875 -2.3875732421875 -2.3876342773438

Error -0.5 -0.25 -0.125 -0.0625 -0.03125 -0.015625 -0.0078125 -0.00390625 -0.001953125 -0.0009765625 -0.00048828125 -0.000244140625 -0.0001220703125 -6.103515625E-5

Hemos terminado de analizar el mtodo de la biseccin, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876647949219 con 14 iteracciones.

MTODO DE LA SECANTE

Este mtodo se basa en la frmula de Newton-Raphson, pero evita el clculo de la derivada usando la siguiente aproximacin:

Sustituyendo en la frmula de Newton-Raphson, obtenemos:

Que es la frmula del mtodo de la secante. Ntese que para poder calcular el valor de , necesitamos conocer los dos valores anteriores y .

Obsrvese tambien, el gran parecido con la frmula del mtodo de la regla falsa. La diferencia entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre intervalos cerrados, el mtodo de la secante es un proceso iterativo y por lo mismo, encuentra la aproximacin casi con la misma rapidez que el mtodo de Newton-Raphson. Claro, corre el mismo riesgo de ste ltimo de no converger a la raz, mientras que el mtodo de la regla falsa va a la segura. Ejemplo 1 Usar el mtodo de la secante para aproximar la raz de con Solucin Tenemos que y : , que sustitumos en la frmula de la , y hasta que . , comenzando

secante para calcular la aproximacin

Con un error aproximado de:

Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la siguiente tabla:

Aprox. a la raz 0 1 0.612699837 0.653442133 0.652917265

Error aprox. 100% 63.2% 6.23% 0.08%

De lo cual conclumos que la aproximacin a la raz es:

Ejemplo 2 Usar el mtodo de la secante para aproximar la raz de comenzando con Solucin Tenemos los valores y : , que sustitumos en la y , y hasta que . ,

frmula de la secante para obtener la aproximacin

Con un error aproximado de:

Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la siguiente tabla: Aprox. a la raz 0 1 0.823315073 0.852330280 0.853169121 Error aprox. 100% 21.4% 3.40% 0.09%

De lo cual conclumos que la aproximacin a la raz es:

Veremos a continuacin un ejemplo del metdo de la secante, con la siguiente ecuacin:

MTODO DE NEWTON-RAPHSON Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino que basa su frmula en un proceso iterativo. Supongamos que tenemos la aproximacin a la raz de ,

Trazamos la recta tangente a la curva en el punto punto que ser nuestra siguiente aproximacin a la raz

; sta cruza al eje .

en un

Para calcular el punto , calculamos primero la ecuacin de la recta tangente. Sabemos que tiene pendiente

Y por lo tanto la ecuacin de la recta tangente es:

Hacemos

Y despejamos

Que es la fmula iterativa de Newton-Raphson para calcular la siguiente aproximacin: , si Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no

converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia. Tambin observe que en el caso de que , el mtodo no se puede aplicar. De hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto no intersecta al eje en ningn punto, a menos que coincida con ste, en cuyo caso Ejemplo 1 mismo es una raz de ! ,

Usar el mtodo de Newton-Raphson, para aproximar la raz de comenzando con y hasta que Solucin En este caso, tenemos que .

De aqu tenemos que:

Comenzamos con

y obtenemos:

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi. Resumimos los resultados en la siguiente tabla: Aprox. a la raz 1 1.268941421 1.309108403 1.309799389 Error aprox. 21.19% 3.06% 0.052%

De lo cual conclumos que , la cual es correcta en todos sus dgitos! La misma idea puede aplicarse para crear algoritmos que aproximen races -simas de

nmeros reales positivos. Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una forma muy rpida y de hecho, observamos que el error aproximado disminuye a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo establecer formalmente las cotas para los errores en cada uno de los mtodos que hemos estudiado, cabe mencionar que si existen estas cotas que miden con mayor precisin la rapidez lentitud del mtodo en estudio. Veremos a continuacin un ejemplo del metdo de Newton Raphson, con la siguiente ecuacin:

# 1 2 3 4 5 6

Fxn 18 -30.375 -6.2771541041392 -0.59229583988115 -0.0073539466744812 -1.1814129692311E-6

Dfxn 4 37.75 22.794965133108 18.569049742033 18.108960417816 18.103142166676

Nuevo Xm -3.5 -2.6953642384106 -2.419989651633 -2.3880927130115 -2.3876866186524 -2.3876865533923

Hemos terminado de analizar el mtodo de la Newton Rapshon, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876865533923 con 6 iteracciones.
MTODO DEL PUNTO FIJO

Este mtodo se aplica para resolver ecuaciones de la forma

Si la ecuacin es , entonces puede despejarse bien sumar en ambos lados de la ecuacin para ponerla en la forma adecuada. Ejemplos: 1) La ecuacin 2) La ecuacin Dada la aproximacin

se puede transformar en se puede transformar en

. .

, la siguiente iteracin se calcula con la frmula:

Supongamos que la raz verdadera es , es decir,

Restando las ltimas ecuaciones obtenemos:

Por el Teorema del Valor Medio para derivadas, sabemos que si en que En nuestro caso, existe y diferenciable en . en el intervalo determinado por y entonces existe tal

es contnua

tal que:

De aqu tenemos que:

O bien,

Tomando valor absoluto en ambos lados,

Observe que el trmino

es precisamente el error absoluto en corresponde al error

la sima iteracin, mientras que el trmino absoluto en la sima iteracin.

Por lo tanto, solamente si , entonces se disminuir el error en la siguiente iteracin. En caso contrario, el error ir en aumento. En resumen, el mtodo de iteracin del punto fijo converge a la raz si para en un intervalo que contiene a la raz y donde en dicho intervalo. es

contnua y diferenciable, pero diverge si Analicemos nuestros ejemplos anteriores:

En el ejemplo 1,

y claramente se cumple la condicin de que

. Por lo tanto el mtodo s converge a la raz.

En el ejemplo 2, caso,

y en este . Por lo tanto, el mtodo no converge a la raz.

Para aclarar el uso de la frmula veamos dos ejemplos:

Ejemplo 1 Usar el mtodo de iteracin del punto fijo para aproximar la raz de comenzando con y hasta que . ,

Solucin Como ya aclaramos anteriormente, el mtodo s converge a la raz. Aplicando la frmula iterativa tenemos,

Con un error aproximado de Aplicando nuevamente la frmula iterativa tenemos,

Y un error aproximado de

Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al 1%. El resultado final que se obtiene es:

Con un error aproximado igual al Ejemplo 2

Usar el mtodo de iteracin del punto fijo para aproximar la raz de , comenzando con Solucin Si despejamos la y hasta que .

del trmino lineal, vemos que la ecuacin equivale a

de donde,

En este caso, tenemos que

. Un vistazo a la grfica,

nos convence que , para mtodo s converge a la raz buscada. Aplicando la frmula iterativa, tenemos:

, lo que es suficiente para deducir que el

Con un error aproximado del 100%. Aplicando nuevamente la frmula iterativa, tenemos:

Con un error aproximado igual al 28.41%. En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error menor al 1%. Resumimos los resultados en la siguiente tabla: Aprox. a la raz 0 -0.2 -0.1557461506 -0.1663039075 -0.163826372 -0.164410064 Error aprox. 100% 28.41% 6.34% 1.51% 0.35%

De donde vemos que la aproximacin buscada es:

Veremos a continuacin un ejemplo del metdo de la Punto Fijo con la siguiente ecuacin:

# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Fx Gx 6 -3.2 -19.968 -1.423487544484 11.692075744767 -5.286954775047 -137.06733727676 -0.55264093506638 15.278575889954 -12.256666831521 -1837.5252497571 -0.10580199505242 15.893013650839 -15.822877723262 -3961.2932828992 -0.063652847694363 15.936089251016 -15.935434638196 -4046.549064545 -0.062760338437828 15.93699245737 -15.937225498684 -4047.9153117412 -0.062746289826028 15.937006671952 -15.937253488903 -4047.9366679087 -0.062746070290919 15.93700689408 -15.937253926252

Nuevo Xm 6 -19.968 11.692075744767 -137.06733727676 15.278575889954 -1837.5252497571 15.893013650839 -3961.2932828992 15.936089251016 -4046.549064545 15.93699245737 -4047.9153117412 15.937006671952 -4047.9366679087 15.93700689408

Hemos terminado de analizar el mtodo de Punto Fijo, en este ejemplo con un error de 0.0001; vemos que el metdo NO CONVERGE.

MTODO POSICIN FALSA

Como mencionamos anteriormente, sera bueno considerar si la raz de una ecuacin est localizada ms cerca de alguno de los extremos del intervalo. Consideremos nuevamente una grfica como la anterior,

Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el intervalo . Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto donde cruza al eje esta recta, nos aproximaremos mucho ms rpido a la raz; sta es en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son prcticamente idnticos.

Supongamos que tenemos una funcin intervalo y adems, y

que es contnua en el tienen signos opuestos. , .

Calculemos la ecuacin de la lnea recta que une los puntos Sabemos que la pendiente de esta recta esta dada por:

Por lo tanto la ecuacin de la recta es:

Para obtener el cruce con el eje

, hacemos

Multiplicando por

nos da:

Finalmente, de aqu despejamos

Este punto es el que toma el papel de en lugar del punto medio del mtodo de biseccin. As pues, el mtodo de la regla falsa sigue los siguientes pasos: Sea contnua, , tales que y tienen signos i) Encontrar valores iniciales opuestos, es decir,

ii) La primera aproximacin a la raz se toma igual a:

iii) Evaluar

. Forzosamente debemos caer en uno de los siguientes casos:

En este caso, tenemos que raz se encuentra en el intervalo

y .

tienen signos opuestos, y por lo tanto la

En este caso, tenemos que que intervalo

tienen el mismo signo, y de aqu

y .

tienen signos opuestos. Por lo tanto, la raz se encuentra en el

En este caso se tiene que y por lo tanto ya localizamos la raz. El proceso se vuelve a repetir con el nuevo intervalo, hasta que:

Ejemplo 1 Usar el mtodo de la regla falsa para aproximar la raz de ,

comenzando en el intervalo y hasta que . Solucin Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que es contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa. Calculamos la primera aproximacin:

Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.

As pues, evaluamos Y hacemos nuestra tabla de signos:

De donde vemos que la raz se encuentra en el intervalo Con este nuevo intervalo, calculamos la nueva aproximacin:

En este momento, podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo seguimos con el proceso. Evaluamos signos: , y hacemos la tabla de

De donde vemos que la raz se encuentra en el intervalo podemos calcular la nueva aproximacin:

, con el cual,

Y el error aproximado:

Como se ha cumplido el objetivo, conclumos que la aproximacin buscada es:

Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia de la lentitud del mtodo de la biseccin. Ejemplo 2 Usar el mtodo de la regla falsa para aproximar la raz de ,

comenzando en el intervalo y hasta que . Solucin Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que contnua en el intervalo dado y que dicho intervalo. tome signos opuestos en los extremos de sea

Calculamos pues, la primera aproximacin:

Como solamente tenemos una aproximacin, debemos avanzar en el proceso. Evaluamos Y hacemos nuestra tabla de signos:

De lo cual vemos que la raz se localiza en el intervalo As pues, calculamos la nueva aproximacin:

Y calculamos el error aproximado:

Puesto que no se cumple el objetivo, seguimos avanzando en el proceso. Evaluamos Y hacemos nuestra tabla de signos: .

De los cual vemos que la raz se localiza en el intervalo podemos calcular al siguiente aproximacin:

, con el cual

Y el siguiente error aproximado:

Como se ha cumplido el objetivo, conclumos que la aproximacin buscada es:

Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra la lentitud del mtodo de la biseccin. Por supuesto que puede darse el caso en el que el mtodo de la regla falsa encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin comenzando en el intervalo ,

, donde notar que mientras que el mtodo de , el mtodo de la

biseccin requiere de 8 aproximaciones para lograr que regla falsa necesita hasta 16 aproximaciones.

Veremos a continuacin un ejemplo del metdo de la Posicin, Falsa con la siguiente ecuacin:

# 1 2 3 4 5 6 7 8 9 10 11 12 13

Xi -3 -3 -2.51 -2.51 -2.395969027827 -2.395969027827 -2.3903292274407 -2.3903292274407 -2.3898758357919 -2.3898758357919 -2.3890981847273 -2.3890981847273 -2.3878552371823

Xd -2 -2.3 -2.3 -2.3207255520505 -2.3207255520505 -2.3460753250876 -2.3460753250876 -2.3828609830056 -2.3828609830056 -2.3873888543541 -2.3873888543541 -2.387593289098 -2.387593289098

Fxi -14 -14 -2.323251 -2.323251 -0.15043075408291 -0.15043075408291 -0.04789074483039 -0.04789074483039 -0.039667231209549 -0.039667231209549 -0.025569238087972 -0.025569238087972 -0.0030539102982061

Fxd 6 1.533 1.533 1.1803871495748 1.1803871495748 0.74096319530987 0.74096319530987 0.087191294668852 0.087191294668852 0.0053886529350926 0.0053886529350926 0.0016883143877866 0.0016883143877866

Nuevo Xm -2.3 -2.51 -2.3207255520505 -2.395969027827 -2.3460753250876 -2.3903292274407 -2.3828609830056 -2.3898758357919 -2.3873888543541 -2.3890981847273 -2.387593289098 -2.3878552371823 -2.3876095139854

Error -0.3 -0.21 -0.020725552050473 -0.075243475776506 -0.025349773037123 -0.044253902353135 -0.036785657917969 -0.0070148527863751 -0.0045278713485732 -0.0017093303731688 -0.00020443474381393 -0.00026194808438618 -1.6224887399829E-5

Hemos terminado de analizar el mtodo de la Posicin Falsa, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876969957131 con 13 iteracciones.