CLASE 1 Metodo de Raices PDF

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA MTODOS NUMRICOS

Mg. Gloria Pomape Rojas. Escuela de Ing.Industrial
1
ECUACIONES NO LINEALES DE UNA VARIABLE

El objetivo de este tema es encontrar el valor o valores que debe tomar la variable x en
una funcin f(x)=0

CASO APLICATIVO: EVALUACION DE PROYECTOS
Para el criterio de la tasa de retorno sobre la inversin incremental, el
incremento en la inversin se considera deseable si la tasa de retorno que
resulta del incremento es mayor que la tasa mnima atractiva de retorno
i>TMAR. Los ingresos y los costos anuales estimados de una aventura
potencial son los siguientes:

Fin del ao Ingreso Costo
0
1
2
3
0
600
700
800
1175
100
200
250

Determinar si se trata de algo deseable si la tasa mnima atractiva es del
10%. Y si fuera del 20%.

n
i P F ) 1 ( + =

n
i
F
P
) 1 ( +
=

Llevando todos los flujos al punto cero se tiene:

0
) 1 (
550
) 1 (
500
) 1 (
500
1175
3 2
=
+
+
+
+
+
+
i i
i

f(i) = 0, se pide hallar i=? Y tomar una decisin si i>TMAR aceptar el proyecto,
caso contrario no.
Este es un problema ecuaciones no lineales de una variable
0 ) ( = x f
0 1 2 3
500 500
550
-1175
2
Se pretende hallar el valor de x que haga que 0 ) ( = x f . Este valor x recibe
el nombre de raz o cero de la funcin.

Ejercicios:
1) Hallar la raz de 0 1=
x
xe usando el mtodo de biseccin con 3
cifras decimales.
2) Hallar la raz de 0 ln
2
= + x x . Hallar el resultado con seis cifras
decimales.

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
0
0.5
1
1.5
2
y=x*exp(x)-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-5
-4
-3
-2
-1
0
1
y=x
2
+ln(x)
3

METODO DE BISECCION

a) Este mtodo necesita de un intervalo (a , b) tal que x (a , b). Dicho
intervalo se puede obtener de la grfica de la funcin o de una tabulacin de la
funcin.

Ejemplo: hallar la raz de:
0 1 ) ( = =
x
xe x f

En la grfica observamos que (a , b) = (0.4; 0.6) (Intervalo inicial)
Si se tabula
X F(X)
-1 -1.368
0 -1
1 1.718
2 13.778

Se observa el cambio de signo en el intervalo (0 ; 1) (Intervalo inicial)
X F(X)
0.1 -0.889
0.2 -0.7557
0.3 -0.595
0.4 -0.403
0.5 -0.176
0.6 0.093
0.7 0.410
0.8 0.780
0.9 1.214
1 1.718
En este caso el cambio de signo se observa (0.5 ; 0.6) (igual que el grfico)

b) Una vez obtenido el intervalo inicial procedemos a bisecar o hallar el punto
medio:
2
b a
c
+
=

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
0
0.5
1
1.5
2
y=x*exp(x)-1
4

Este valor constituye mi primera aproximacin de la raz: c = (0.5+0.6)/2=0.55
(Obviamente no es la raz).

c) Al asumir c como aproximacin de la raz se comete un error, pues no es el
verdadero valor de la raz. Este error sera cero si justo la raz coincidiera con
el punto medio, y sera mayor mientras se aleja del punto medio. Por lo tanto:
El MEP que se comete es MEP = (b-a)/2

d) Si el MEP es menor que la tolerancia, se acepta la solucin. En caso
contrario se observa que el valor de c divide al intervalo en dos subintervalos
(a,c) y (c,b). Como la raz se encuentra en el intervalo (c,b). Este intervalo se
convierte en el nuevo intervalo (a,b) y continuamos con el paso b.

Ejemplo:

TOL=0.005
n a b c f(a) f(b) f MEP Erelat
1 0.5 0.6 0.55 -0.1756 0.0933 -0.0467 0.05
--------------
-
2 0.55 0.6 0.575 -0.0467 0.0933 0.0219 0.025 0.0435
3 0.55 0.575 0.5625 -0.0467 0.0219 -0.0128 0.0125 0.0222
4 0.5625 0.575 0.56875 -0.0128 0.0219 0.0044 0.00625 0.0110
5 0.5625 0.56875 0.565625 -0.0128 0.0044 -0.0042 0.003125 0.0055
6 0.565625 0.56875 0.5671875 -0.0042 0.0044 0.0001 0.0015625 0.0028
7 0.565625 0.567188 0.56640625 -0.0042 0.0001 -0.0020 0.00078125 0.0014

Cul sera el valor de c con dos cifras significativas?

Ventajas del mtodo de biseccin
Desventajas del mtodo de biseccin

Mtodo de Falsa Posicin
(Regula Falsi)
Este mtodo permite acelerar la convergencia. No se debe aplicar cuando las
funciones tienen mucha curvatura. Es ideal para funciones casi lineales en el
intervalo en el que se pretende hallar la raz.
a b
c
raz
ERROR
5
) ( ) (
) ( ) (
) ( ) (
) ( ) (
a f b f
a bf b af
a f b f
b f a b
b c
=

TOL=0.005
n a b c f(a) f(b) f MEP Erelat
1 0.5 0.6 0.56531514 -0.1756 0.0933 -0.0050 0.1 ---------------
2 0.5653151 0.6 0.56709463 -0.0050 0.0933 -0.0001 0.03468486 0.003138
3 0.5670946 0.6 0.567142 -0.0001 0.0933 0.0000 0.03290537 0.000084
4 0.567142 0.6 0.56714326 0.0000 0.0933 0.0000 0.032858 0.000002

Raz exacta es 0.56714328974..

METODO DEL PUNTO FIJO
EJ: 0 5 2 ) (
2
= = x x x f
G(x)=2x
2
-5 ; G(x)=((x+5)/2)
EJ: COS X -3X=0
X=COS X -2X X=COS X /3
x
e x

=

n x=exp(-x) error
0 0.550000 ----------
1 0.576950 0.0269
2 0.561609 0.0153
3 0.570291 0.0087

x
e x g

= ) (
x
e x g

= ) ( '

Criterio de convergencia: 1 ) ( ' < x g promete convergencia.
(tarea, ver deduccin de frmula)
Es una condicin suficiente pero no necesaria.
Tipos de convergencia: Monotnica, oscilatoria.
Tipos de divergencia: Monotnica, oscilatoria
Xo=0.55

x
e x g

= ) ( '
55 . 0
) 55 . 0 ( '

= e g = - 0.57694981

1 ) ( ' < x g 1 5769 . 0 < Garantiza convergencia

Es una convergencia oscilatoria
6
Interpretacin grfica:

METODO DE NEWTON RAPHSON

Deduccin de frmula:
-Mtodo grfico
-Mtodo a partir de la serie de Taylor

n x f(x) f'(x) error
0 0.55 -0.0467108 2.686542178 -----------
1 0.56738697 0.0006735 2.764326044 0.01738697
2 0.56714334 1.344E-07 2.763223054 0.00024364
3 0.56714329 5.329E-15 2.763222834 4.8628E-08

n x f(x) f'(x) err=ABS(X1-X0) ERELAT
0 0.55 -0.0467108 2.686542178 ----------- -----------
1 0.567386974439024 0.0006735 2.764326044 0.017386974 0.030643944
2 0.567143339038211 1.344E-07 2.763223054 0.000243635 0.000429583
3 0.567143290409786 5.329E-15 2.763222834 4.86284E-08 8.57427E-08
4 0.567143290409784 0 2.763222834 1.88738E-15 3.32787E-15

Ventajas
-Converge rpidamente
-5 -4 -3 -2 -1 0 1 2 3 4 5
-5
-4
-3
-2
-1
0
1
2
3
4
5
METODO DEL PUNTO FIJO
7
-cuadraticamente convergente (en cada iteracin se duplica aproximadamente
el nmero de digitos correctos)

Desventajas
- Algunas veces no converge sino que oscila:
no hay raz real
si la raiz es un punto de inflexin
si el valor inicial esta muy alejado de la raz y alguna otra parte de la
funcin atrapa la iteracin

- Requiere la evaluacin de la primera derivada (En problemas reales la funcin
podra estar dada en forma tabular) Se pude aproximar (h adelante , atrs,
central)
- El mtodo es ms efectivo si el valor de f esta lejos de cero

METODO DE LA SECANTE
El mtodo de la secante consiste en aproximar la derivada de la funcin f (x)
en el mtodo de newton raphson por
1
1
) ( ) (
i i
i i
x x
x f x f

=g(xi)
) ( ) (
) ( ) (
0 1
1 0 1
1 2
x f x f
x f x x
x x
=

..

c <
+ i i
x x
1

Ejemplo: Usar el mtodo de la secante para hallar la raz real de
0 20 10 2 ) (
2 3
= + + = x x x x f

x f(x)
0 -20
1 -7
2 16
3 55

n x f(x) EA
0 0 -20 --
1 1 -7 1
2 1.538461538461540 3.75967228038234000 0.5384615384615
3 1.350310926858160 -0.38813614887048300 0.1881506116034
) ( ) (
) ( ) (
1
1
1
=
i i
i i i
i i
x f x f
x f x x
x x
-3 -2 -1 0 1 2 3
-60
-40
-20
0
20
40
60
8
4 1.367917346016850 -0.01878679067066360 0.0176064191587
5 1.368812888688980 0.00010085798882642 0.0008955426721
6 1.368808106588550 -0.00000002600780391 0.0000047821004
7 1.368808107821370 -0.00000000000003553 0.0000000012328
Hacer programa en MATLAB

Convergencia Acelerada
Rara vez podemos tener una convergencia cuadrtica. Una manera de acelerar
la convergencia de una sucesin que sea linealmente convergente
prescindiendo de su origen o aplicacin es la tcnica denominada:

METODO
2
DE AITKEN
Aplicadas para acelerar la convergencia de mtodos de un punto.

METODO DE ILLINOIS
Este mtodo sirve para acelerar la convergencia del mtodo de falsa posicin.
Esta tcnica difiere del mtodo de posicin falsa en que los valores de (a, f(a))
y (b, f(b)) de las sucesivas iteraciones se determinan de acuerdo con las
siguientes reglas:
a) Si f(b)* f(c)>0, hacer b=a, f(b)=f(a)

b) Si f(b)* f(c)<0, hacer f(b)=f(b)/2
En ambos casos se sustituye a a con c y F(a) con F(c)
a =c ; F(a)=F(c)
El empleo de F(B)/2 en lugar de F(b) evita que uno de los extremos a o b se
mantenga fijo (caso frecuente en posicin falsa). Esta modificacin acelera
considerablemente la convergencia del mtodo. Los valores funcionales de
f(a) y f(b) conservan sus signos opuestos.

METODO DE STEFFENSEN
Es la aplicacin del mtodo de aitken al mtodo del punto fijo.

a b c
9
METODOS DE OPTIMIZACION UNIVARIABLE IRRESTRICTA

INTRODUCCION

Las funciones o relaciones matemticas que intervienen en muchos problemas
empresariales y econmicos no son totalmente lineales. De hecho tal vez
podemos decir que los problemas de mundo real que encajan en el estricto
molde de la linealidad son la excepcin y no la regla.

Optimizar F(x) = equivale a Mx. F(x) Mn F(x)

La funcin F(x) se llama funcin objetivo

Una funcin puede tener mximos y/o mnimos Globales y locales

EJEMPLO:
Se tiene que construir una lata en forma cilndrica que contenga 1000 cm3.
Las tapas circulares de la lata al cortarse deben tener 0.25 cm. ms de radio
que el radio real de la lata para que el excedente se use para sellar con la parte
lateral. El pedazo de material que formar la parte lateral de la lata debe ser
0.25 cm. ms largo que la circunferencia de la lata para que se pueda sellar.
Encuentre con una precisin de 10
-2
la cantidad mnima necesaria de material
para construir la lata.

Mn Cantidad de lata = Mn ( ) ( )H r r 25 . 0 2 25 . 0 2
2
+ + + t t

( ) ( )
|
|
.
|
\
|
+ + + =
2
2
1000
25 . 0 2 25 . 0 2 ) (
r
r r r f Mn
t
t t

r
H
r
H
10

METODOS DE SECCION DORADA

Este mtodo se inicia con un intervalo (a,b) tal que el mximo pertenezca a ese
intervalo y que la funcin en ese intervalo tenga un comportamiento unimodal.
.
El paso inicial en el algoritmo de bsqueda de la seccin dorada consiste en
elegir dos puntos interiores de acuerdo con la razn dorada.
La clave para hacer eficiente este mtodo es la adecuada eleccin de los
puntos intermedios. Esta meta se puede alcanzar especificando que las
siguientes dos condiciones se cumplan:
Lo = L
1
+L
2

1
2 1
L
L
Lo
L
=
El cociente o razn entre longitudes debe ser igual.

1
2
2 1
1
L
L
L L
L
=
+
Sea L
2
/ L
1
=R se llega a:

1 + R = 1/R R
2
+ R 1 = 0 Hallando la raz positiva
61803 . 0
2
1 5
2
) 1 ( 4 1 1
=
=
+
= R

Este valor se llama razn dorada.
El Partenn de Atenas, Grecia tiene dimensiones frontales que se ajustan casi
exactamente a un rectngulo dorado.(Estticamente agradable)

Paso 1: Hallar un intervalo (a,b) que contenga el mximo
Paso 2: Hallar los puntos:
x1= a + d donde d= R(b-a)
x2= a d
Paso 3: La funcin se evala en estos puntos interiores
Si f(x1)>f(x2) entonces la aproximacin al mximo sera
Y el nuevo intervalo que contiene al mximo sera
Caso contrario Qu pasara?

a
b
lo
L
1

L
2

L
2
11
Paso 4: Se calcula el ERROR ( MEP= )
Paso 5: Si el ERROR <= tolerancia el proceso termina
Caso contrario ir al paso 2 (Recuerde que hay un nuevo intervalo)

MAXIMO ERROR POSIBLE
MEP= (2R-1)(b-a)=0.236(b-a)
MEP=(1-R)(b-a) = 0.382(b-a)

Normalizando el error se obtiene:
% 100 ) 1 (
opt
a
x
a b
R

= c

INTERPOLACION CUADRATICA

La interpolacin cuadrtica aprovecha la ventaja de que un polinomio de
segundo grado con frecuencia proporciona una buena aproximacin a la forma
de f(x) en las cercanas de un valor ptimo.
As como hay una sola lnea que pasa por dos puntos, hay nicamente una
ecuacin cuadrtica o parbola que pasa por tres puntos. De esta forma si se
tiene tres puntos que contienes un punto ptimo, se ajusta una parbola a los
puntos. Despus se puede derivar e igualar el resultado a cero, y as obtener
una estimacin de x optima.

Sea x
0
,x
1
y x
2
los valores iniciales, el valor de x
3
es el valor de x que
corresponde al valor mximo del ajuste cuadrtico se obtiene de:

( ) ( )( ) ( )( )
( )( ) ( )( ) ( )( )
1 0 2 0 2 1 2 1 0
2
1
2
0 2
2
0
2
2 1
2
2
2
1 0
3
2 2 2
) (
x x x f x x x f x x x f
x x x f x x x f x x x f
x
+ +
+ +
=
Se emplea una estrategia similar a la seccin dorada para determinar que
punto se descartar

Demustralo!!!!

METODO DE NEWTON

Usar Newton Raphson.

) ( "
) ( '
1
n
n
n n
x f
x f
x x =
+
Usar Xo=5

Desventaja: Puede llegar a ser divergente (mal valor inicial o por la naturaleza
de la funcin) o converger a otro ptimo (verificar que la segunda derivada
tenga el signo correcto). Buscar un buen valor inicial.
12
Aunque el mtodo de Newton funciona bien en algunos casos no es prctico en
otros donde la derivada no se puede calcular fcilmente. Se puede entonces
utilizar aproximaciones.
Ejemplos: Hallar el mximo de f(x)= -1.5x
6
-2x
4
+12x
Secc dorada con (a,b)=(0,2)
x0=0, x1=1, x2=2 (Inter. Cuadrat)
Usar Newton xon Xo=2

9 221 9 18 230 ) (
2 3 4
+ + = x x x x x f Min

Ejemplos: Hallar el mximo de f(x)= -1.5x
6
-2x
4
+12x

x f(x)
-1 -15,5
-0,5 -6,148438
0 0
0,5 5,851563
1 8,5
1,5 -9,210938

Seccin dorada

n a x2 x1 b f(x2) f(x1) xopti MEP
1 0,5 0,882 1,118 1,5 8,66750906 7,36222683 0,882 0,382
2 0,5 0,736076 0,881924 1,118 8,0072242 8,66737918 0,881924 0,236076
3 0,736076 0,881971 0,97210503 1,118 8,66745948 8,61343952 0,88197097 0,14589497

Mtodo de Newton Raphson
x f ' (x)
-1 29
-0,5 13,28125
0 12
0,5 10,71875
1 -5
1,5 -83,34375
2 -340

M. Newton Raphson

n xn f ' (x) f ' ' (x) EA ER
0 1 -5 -69
1 0,927536232 -0,5625468 -53,9548037 0,07246 0,078125
2 0,917109971 -0,0101307 -52,0206872 0,01043 0,0113686
3 0,916915227 -3,467E-06 -51,9850842 0,00019 0,00021239
4 0,916915160466440 -4,05E-13 -51,985072 6,7E-08 7,2736E-08
5 0,916915160466433 0 -51,985072 7,8E-15 8,4758E-15

-20
-15
-10
-5
0
5
10
15
-2 -1 0 1 2
f(x)
13
Interpolacion cuadratica

Primera iteracion

x fx

x0 0,5 5,85156

x1 1 8,5

x2 1,5 -9,21094

1 0,5 0,25 5,85156

1 1 1 8,5

1 1,5 2,25 -9,21094

3 -3 1

-17,15625 a
-5 8 -3

66,375 b
2 -4 2

-40,71875 c

Y=a+bx+cx^2

x3= y'= b+2*c*x =0

x fx

x=-b/(2c) x3 0,81504221 8,45821841

x3= 0,81504221 x1 1 8,5

8,45821841 8,5

x0 x3 x1 x2

0,5 0,81504 1 1,5

Segunda iteracion

x fx

x0 0,81504 8,45821

x1 1 8,5

x2 1,5 -9,21094

1 0,81504 0,6642902 8,45821

1 1 1 8,5

1 1,5 2,25 -9,21094

11,83990538 -13,219723 2,3798178

-34,1436103 a
-19,73317564 25,032872 -5,29969633

94,6872672 b
7,893270256 -10,813149 2,91987853

-52,0436569 c

Y=a+bx+cx^2

x3= y'= b+2*c*x =0

x fx

x=-b/(2c) x3 0,90969076 8,69658465
Error= x3= 0,90969076 x1 1 8,5
0,094648546

8,69658465 8,5

x0 x3 x1 x2

0,81504 0,90969076 1 1,5

Tercera iteracion

x fx

x0 0,81504 8,45821

x1 0,90969076 8,69658

x2 1 8,5

CLASE 1 Metodo de Raices PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

CLASE 1 Metodo de Raices PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERIA MTODOS NUMRICOS

Anda mungkin juga menyukai