Ecs No Lineales

lculo Nume
rico
Ca
Captulo 3: Ecuaciones no Lineales y Sistemas de
Ecuaciones no Lineales (1era parte)
Profesor: Gerardo Silva Oelker
Departamento Ingeniera Mecanica
Universidad de Santiago de Chile
1 semestre 2015
n
Introduccio
n de Raices y Acotado
Distribucio
todo de la Biseccio
n
Me
todo de Newton - Raphson

Me
todo de la Secante
Me
Punto Fijo
Velocidad de Convergencia
Referencias
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias
Problemas f (x) = 0
Uno de los problemas clasicos en ciencias e ingeniera es resolver
ecuaciones de la forma:
f (x) = 0
donde f (x) es una funcion no lineal y, en la mayora de las ocasiones,
difcil de tratar algebraicamente.
Problemas f (x) = 0
f (x) = 0
E JEMPLO
Considere la siguiente ecuaci
on de segundo grado:
x 2 + 4x 5 = 0
Problemas f (x) = 0
f (x) = 0
E JEMPLO
x 2 + 4x 5 = 0
Podemos determinar sus races?
Problemas f (x) = 0
f (x) = 0
E JEMPLO
x 2 + 4x 5 = 0
Podemos determinar sus races?
Si, las races vienen dadas por la conocida f
ormula:
b b 2 4ac
4 42 + 20
x1,2 =
=
x1 = 1,
2a
2
x2 = 5
E JEMPLO
El grafico de f (x) = x 2 + 4x 5 viene dado por:
E JEMPLO
El grafico de f (x) = x 2 + 4x 5 viene dado por:
140
f (x)
120
Races x1 y x2
100
80
60
40
20
x
10
5
20
10
M ATHCAD
El caso anterior es un caso sencillo en el que conocemos las soluciones.

Consideren el siguiente ejemplo:

E JEMPLO

E JEMPLO
f (x) = e 4sin(x) x 12 = 0

E JEMPLO
f (x) = e 4sin(x) x 12 = 0
60
f (x)
40
20
x
10
5
20
40
10

E JEMPLO
f (x) = e 4sin(x) x 12 = 0
60
Cuantas races tiene?
f (x)
40
20
x
10
5
20
40
10

E JEMPLO
f (x) = e 4sin(x) x 12 = 0
60
f (x)
Que races deseamos

encontrar?
40
20
x
10
5
20
40
10

E JEMPLO
f (x) = e 4sin(x) x 12 = 0
60
f (x)
Que races deseamos

encontrar?
40
20
x
10
5
20
40
10
Conocemos alguna formula

que nos permita encontrar
sus races?

E JEMPLO
f (x) = e 4sin(x) x 12 = 0
60
f (x)
Que races deseamos

encontrar?
40
20
x
10
5
20
40
10
Conocemos alguna formula

que nos permita encontrar
sus races?
Los metodos y procedimientos que
estudiaremos permitiran dar
respuesta a estas preguntas
An Attempt towards the Improvement of the Method of Approximating, in the

Extraction of the Roots of Equations in Numbers. By Brook Taylor, Secretary to
the Royal SocietyAuthor(s): Brook Taylor, Philosophical Transactions
(1683-1775), Vol. 30 (1717 - 1719), pp. 610-622, Published by: The Royal Society
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias
Caractersticas de f (x)
Para poder resolver un problema de races debemos recurrir a tecnicas de

calculo diferencial:

Graficar la funcion con el fin de conocer el comportamiento de la
funcion

funcion
Conocer cuantas races posee la funci
on

funcion
on
Conocer los puntos crticos de la funci
on

funcion
on
on
Decidir que raz vamos a encontrar

funcion
on
on
Decidir que raz vamos a encontrar dependera del problema

funcion
on
on
Decidir que raz vamos a encontrar dependera del problema
Con esto, podremos dar respuesta a las dos primeras preguntas
Retomemos el ejemplo anterior y supongamos que queremos encontrar la

mayor raz positiva

mayor raz positiva
E JEMPLO

mayor raz positiva
E JEMPLO
f (x) = e 4sin(x) x 12 = 0

mayor raz positiva
E JEMPLO
f (x) = e 4sin(x) x 12 = 0
50 f (x)
Mayor raz positiva
x
10
50
10
20
30
40

mayor raz positiva
E JEMPLO
f (x) = e 4sin(x) x 12 = 0
50 f (x)
La mayor raz positiva se

encuentra en el intervalo [35,40]
Mayor raz positiva
x
10
50
10
20
30
40

mayor raz positiva
E JEMPLO
f (x) = e 4sin(x) x 12 = 0
50 f (x)

Mayor raz positiva
x
10
50
10
20
30
40
Pero en ese intervalo hay 2 races!

mayor raz positiva
E JEMPLO
f (x) = e 4sin(x) x 12 = 0
50 f (x)

Mayor raz positiva
x
10
50
10
20
30
40
Pero en ese intervalo hay 2 races!

Debemos disminuir el intervalo
hasta encontrar un intervalo de
precisi
on
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias
todo de la Biseccio
n
Me
El metodo de la biseccion en uno de los metodos mas sencillos y eficiente

para la b
usqueda de races.
La idea basica del metodo es dividir secuencialmente intervalos en los que
se pueda asegurar que existe una raz.
Teorema de Bolzano
Sea f una funcion continua en el intervalo [a, b], con f (a)f (b) < 0,
entonces, existe al menos un punto c en el intervalo [a, b], tal que,
f (c) = 0.
La existencia de una u
nica raz en un
intervalo de precision, queda garantizada
por las siguientes hipotesis:
f (x)
f (b)
f continua en [a, b]
f (a)f (b) < 0
f es diferenciable en [a, b]
Signo de f 0 (x) es constante en (a, b)

Entonces, existe un u
nico valor a en (a, b),
tal que, f (c) = 0.
f (a)
E JEMPLO
Pruebe que la ecuacion f (x) = x 2 + 4x 5 posee una solucion en el
itervalo [0,2].
20
f (x)
10
x
4
2
10
E JEMPLO
itervalo [0,2].
Revisemos las condiciones una por una:
20
f (x)
10
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Es f continua en [0,2]?
f (x)
10
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (x)
10
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
f (x)
10
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
a = 0 y b = 2 f (0)f (2) < 0
f (x)
10
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
a = 0 y b = 2 f (0)f (2) < 0
f (x)
10
Es f diferenciable en [0,2]?
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
a = 0 y b = 2 f (0)f (2) < 0
f (x)
10
Si, es un polinomio
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
a = 0 y b = 2 f (0)f (2) < 0
f (x)
10
Si, es un polinomio
Es el signo de f 0 constante?
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
a = 0 y b = 2 f (0)f (2) < 0
f (x)
10
Si, es un polinomio
Si, el mnimo de la funci
on se
encuentra en x = 2
x
4
2
10
E JEMPLO
itervalo [0,2].
20
Si, es polinomio.
f (a)f (b) < o > 0?
a = 0 y b = 2 f (0)f (2) < 0
f (x)
10
Si, es un polinomio
Si, el mnimo de la funci
on se
encuentra en x = 2
x
4
2
10
Por lo tanto, f posee una soluci

on en el intervalo [0,2]
n
Algoritmo de la Biseccio
La idea es subdividir sucesivamente y de manera conveniente el intervalo
donde se encuentra la raz buscada - Este procedimiento se utiliza muchas
veces para encontrar un intervalo de precisi
on.
1
Dividir por la mitad el intervalo

que contiene la raz,
p1 =
a+b
2
Localizar la mitad que contiene la

raz buscada de la siguiente forma:
f (a) f (p1 ) > o < 0
f (p1 ) f (b) > o < 0
La raz se encuentra donde la
multiplicacion es negativa
(Bolzano)
Figura: Numerical Analysis, 9th Edition,

R. L. Burden & J. D. Faires
Error y Convergencia
Criterios de parada
|pn+1 pn | <
|pn+1 pn |
|pn+1 |
<
f (pn ) <
Criterios de parada
|pn+1 pn | <
|pn+1 pn |
|pn+1 |
<
f (pn ) <
Cotas de error
El siguiente teorema permite calcular cotas de error.
Supongamos que f pertenece a C [a, b] y que f (a)f (b) < 0. El metodo de
la biseccion genera una sucesi
on pn que aproxima a un cero p de f tal que:
|p pn | <
ba
2n
Criterios de parada
|pn+1 pn | <
|pn+1 pn |
|pn+1 |
<
f (pn ) <
Cotas de error
El siguiente teorema permite calcular cotas de error.
Supongamos que f pertenece a C [a, b] y que f (a)f (b) < 0. El metodo de
la biseccion genera una sucesi
on pn que aproxima a un cero p de f tal que:
|p pn | <
ba
2n
Ventajas y Desventajas
Dado que el metodo busca las races, siempre converge.
La convergencia es muy lenta (lineal).
E JEMPLO
Retomemos el problema: x 2 + 4x 5 = 0
E JEMPLO
20
f (x)
10
x
4
2
10
E JEMPLO
20
f (x)
a = 1; b = 3 p1 = 1.5
Primera iteraci
on:
I = [1, 1.5] p2 = 0.75
Segunda iteraci
on:
I = [0.75, 1.5] p3 = 1.125
10
x
4
..
.
El metodo converge a pn = 1
10
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias

Me
El metodo de Newton Raphson es una de las tecnicas mas poderosas y
conocidas para resolver un problema de b
usqueda de races
f (x) = 0
Se basa en una aproximaci
on de la funci
on mediante la serie de Taylor.

Me
El metodo de Newton Raphson es una de las tecnicas mas poderosas y
conocidas para resolver un problema de b
usqueda de races
f (x) = 0
Se basa en una aproximaci
on de la funci
on mediante la serie de Taylor.
Recordemos la serie de Taylor:

Suponga que f pertenece a C n [a, b],
tal que f n+1 existe en [a, b] y x0
pertenece a [a, b]
f (x) = f (x0 ) + f 0 (x0 )(x x0 )+
f 00 (x0 )
f n (x0 )
(x x0 )2 + ... +
(x x0 )n
2!
n!
M ATHCAD
n del Me
Derivacio
Supongamos que f pertenece a C 2 [a, b]. Sea p0 perteneciente a [a, b] una
aproximacion de p, tal que f 0 (p0 ) 6= 0 y |p p0 | 0.
Considere el polinomio de Taylor en torno a p0
f (p) = f (p0 ) + f 0 (p0 )(p p0 ) +
f 00 ((p))
(p p0 )2
2!
Donde (p) se encuentra entre p y p0 . Dado que f (p) = 0, entonces

f (p) = 0 = f (p0 ) + f 0 (p0 )(p p0 ) +
f 00 ((p))
(p p0 )2
2!
Ya que |p p0 | es peque
no, entonces (p p0 )2 es a
un mas peque
no,
entonces:
0 f (p0 ) + f 0 (p0 )(p p0 )

Me
Resolviendo la ecuacion anterior para p

p p0
f (p0 )
f 0 (p0 )
De aqu podemos introducir el esquema iterativo:

pk+1 = pk
f (pk )
f 0 (pk )
donde k indica el n
umero de la iteraci
on.
Para utilizar el esquema anterior ademas es necesario un valor incial x0 .
Algoritmo Newton - Raphson

Para comenzar las iteraciones
tomamos el valor p0
Luego al reemplazar
repetidamente en el esquema
iterativo, obtenemos:
Figura: Numerical Analysis, 9th Edition, R. L.

Burden & J. D. Faires
p1 = p0
f (p0 )
f 0 (p0 )
p2 = p1
f (p1 )
f 0 (p1 )
p3 = p2
f (p2 )
f 0 (p2 )
..
.
Criterios de parada
|pn+1 pn | <
|pn+1 pn |
|pn+1 |
<
f (pn ) <
Criterios de parada
|pn+1 pn | <
|pn+1 pn |
|pn+1 |
<
f (pn ) <
Ventajas y Desventajas
Posee velocidad de convergencia cuadratica para races simples.
Debido a que es un metodo abierto puede diverger.
Debido a que posee la evaluaci
on de la derivada de la funcion, el
metodo es sensible a los puntos crticos y a las races m
ultiples.
E JEMPLO
20
f (x)
10
x
4
2
10
E JEMPLO
p0 = 2.0
20
Primera iteraci
on:
f (x)
p1 = p0
10
f (p0 )
= 1.125
f 0 (p0 )
Segunda iteraci
on:
x
4
2
10
p2 = p1
f (p1 )
= 1.002
f 0 (p1 )
..
.
El metodo converge a pn = 1
E JEMPLO
Debemos fabricar una lata de forma cilndrica circular recta que contenga
1000 cm3 . La tapa circular de la parte superior y del fondo deben tener un
radio de 0.25 cm mas que el radio de la lata, para que el sobrante se
utilice para sellar con la parte lateral. La hoja de material con la que se
construye esta parte de la lata tambien debe ser 0.25 cm mas grande que
la circunferencia de lata, de modo que pueda hacerse un sello. Calcule con
una exactitud 104 la cantidad mnima de material necesaria para
fabricar la lata.
Figura: Numerical Analysis, 9th Edition, R. L. Burden & J. D. Faires
E JEMPLO
La funcion que describe la cantidad de material:
M(x) = 2(x + 0.25)2 +
1000
(2x + 0.25)
x 2
E JEMPLO
M(x) = 2(x + 0.25)2 +
1000
(2x + 0.25)
x 2
Para encontrar la cantidad mnima de material debemos resolver:

M 0 (x) = f (x) = 2(2x + 0.5) +
2000 12566.37x + 500
=0
x2
x 3
E JEMPLO
M(x) = 2(x + 0.25)2 +
1000
(2x + 0.25)
x 2

M 0 (x) = f (x) = 2(2x + 0.5) +
2000 12566.37x + 500
=0
x2
x 3
Aplicando Newton Raphson con x0 = 2, se obtiene:

xk
Ek
2
0.312
2.906
0.278
4.024
0.192
4.977
0.067
5.334 5.52103
5.364 3.17105
E JEMPLO
M(x) = 2(x + 0.25)2 +
1000
(2x + 0.25)
x 2

M 0 (x) = f (x) = 2(2x + 0.5) +
2000 12566.37x + 500
=0
x2
x 3
Aplicando Newton Raphson con x0 = 2, se obtiene:

xk
Ek
2
0.312
La cantidad mnima de material sera:
2.906
0.278
4.024
0.192
M(x5 ) = 573.65cm2
4.977
0.067
5.334 5.52103
5.364 3.17105
s sobre Convergencia
Ma
T EOREMA
Sea f perteneciente a C 2 [a, b]. Si p pertenece a [a, b] es tal que f (p) = 0
y f 0 (p) 6= 0, entonces existe un > 0 tal que, el metodo de Newton
Raphson genera una sucesi
on pn que converge a p para cualquier
aproximaci
on inicial p0 que pertenece al intervalo [p , p + ].
Multiplicidad de Races
De la definicion del metodo de Newton-Raphson es evidente que pueden
surgir problemas si f 0 (p) tiende a cero simultaneamente con f (p).
A continuacion veremos como poder enfrentar este tipo de dificultades.
T EOREMA
La funcion f perteneciente a C m [a, b] tiene un cero de multiplicidad m en
p, si y solo si:
f 0 (p) = f 00 (p) = f 000 (p) = ... = f m1 (p) = 0,
pero:
f m (p) 6= 0
Ya que en los casos de races m
ultiples la velocidad de convergencia del
metodo de Newton se reduce, existen modificaciones capaces de superar
este tipo de problemas, por ejemplo:
xk+1 = xk m
f (xk )
f (xk )
Veamos otra forma de tratar con el problema de las races m

ultiples
mediante el siguiente ejercicio:
E JEMPLO
Muestre que p es un cero simple de u(x) si:
u(x) =
f (x)
f 0 (x)
y f (x) = (x p)m h(x) h(x) 6= 0
E JEMPLO
Muestre que el metodo de Newton-Raphson se transforma en:
xk+1 = xk
f (xk )f 0 (xk )
[f 0 (xk )]2 f (xk )f 00 (xk )
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias
todo de la Secante
Me
El metodo de Newton es una herramienta poderosa, sin embargo, requiere
conocer el valor de la derivada en cada iteraci
on y esto puede
transformarse en un problema.
Con el fin de evitar evaluar la derivada en cada iteracion se puede realizar
la siguiente modificacion:
f 0 (xk+1 )
f (xk ) f (xk1 )
xk xk1
Reemplazando en el metodo de Newton - Rapshon se obtiene:

xk+1 = xk
(xk xk1 )f (xk )

f (xk ) f (xk1 )
Este metodo aunque, al igual que el metodo de biseccion, posee dos

valores iniciales, no asegura el acorralamiento de la raz.
Algoritmo de la Secante
Para comenzar las iteraciones
tomamos los valores p0 y p1
Figura: Numerical Analysis, 9th Edition, R. L.

Burden & J. D. Faires
p2 = p1
(x1 x0 )f (x1 )
f (x1 ) f (x0 )
p3 = p2
(x2 x1 )f (x2 )
f (x2 ) f (x1 )
p4 = p3
(x3 x2 )f (x3 )
f (x3 ) f (x2 )
..
.
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias
Punto Fijo
Como ya hemos visto, queremos determinar la soluci
on de ecuaciones del
tipo:
f (x) = 0
Los metodos para determinar races de la forma:
g (x) = x
Se denomina metodos de punto fijo o iteraciones sucesivas.
A la funcion g (x) se le llama funci
on de iteraci
on.
Punto Fijo
Como ya hemos visto, queremos determinar la soluci
on de ecuaciones del
tipo:
f (x) = 0
Los metodos para determinar races de la forma:
g (x) = x
Se denomina metodos de punto fijo o iteraciones sucesivas.
A la funcion g (x) se le llama funci
on de iteraci
on.
E JEMPLO
g (x) = x = x
f (x)
f 0 (x)
Punto Fijo
De la definicion anterior, inmediatamente surgen algunas preguntas:
Punto Fijo

Que es un punto fijo?
Cuando g (x) tiene un punto fijo?
Cuantos puntos fijos tiene o es u
nico?
Como determinar un punto fijo?
Punto Fijo

Que es un punto fijo?
Cuando g (x) tiene un punto fijo?
Cuantos puntos fijos tiene o es u
nico?
Como determinar un punto fijo?
A continuacion responderemos las preguntas 1 y 2.
Punto Fijo
Punto Fijo
Para responder la pregunta 1 consideremos lo siguiente:
Un n
umero p es un punto fijo de g (x) si:
g (p) = p
Punto Fijo
Un n
g (p) = p
Para un problema de b
usqueda de races f (x) = 0, tal como veremos mas
adelante, es posible encontrar una funci
on g con un punto fijo p, es decir,
un problema de punto fijo es equivalente a resolver un problema de
b
usqueda de races.
Punto Fijo
Un n
g (p) = p
Para un problema de b
usqueda de races f (x) = 0, tal como veremos mas
adelante, es posible encontrar una funci
on g con un punto fijo p, es decir,
un problema de punto fijo es equivalente a resolver un problema de
b
usqueda de races.
E JEMPLO
Considere la funcion:
4 f (x)
g (x) = x 2
g posee dos puntos fijos en el
intervalo [-2,3]
p = 1;
p=2
2
x
4 2
2
4
Existencia y Unicidad
T EOREMA
Teorema de existencia y unicidad
1
Si g (x) pertenece C [a, b] y g (x) pertenece a [a, b], para todo x que
pertenece al intervalo [a, b]. Entonces g (x) tiene un punto fijo en
[a, b].
Si ademas, g (x) es diferenciable en (a, b) y |g 0 (x)| < k < 1 , para
todo x perteneciente al intervalo (a, b). Entonces , g (x) tiene un
u
nico punto fijo en [a, b].
Existencia y Unicidad
T EOREMA
Teorema de existencia y unicidad
1
Si g (x) pertenece C [a, b] y g (x) pertenece a [a, b], para todo x que
pertenece al intervalo [a, b]. Entonces g (x) tiene un punto fijo en
[a, b].
Si ademas, g (x) es diferenciable en (a, b) y |g 0 (x)| < k < 1 , para
todo x perteneciente al intervalo (a, b). Entonces , g (x) tiene un
u
nico punto fijo en [a, b].
E JEMPLO
g (x) =
1 + sin x
Demuestre que g tiene un u

nico punto fijo en el intervalo [0,2].
E JEMPLO
g (x) =
1 + sin x
Demuestre que g tiene un u

nico punto fijo en el intervalo [0,2].
f (x)
Primero comprobemos 1
1.4
g (x) es continua en [0,2]

g (x) pertenece a [0,2]
para toda x en [0,2]
1.2
x
0.5
1.5
E JEMPLO
Ahora comprobemos 2
E JEMPLO
Ahora comprobemos 2
La derivada de g (x) existe en (0,2)
cos x
g 0 (x) =
2 1 + sin x
|g 0 (x)| < k < 1 para toda x en [0,2]
|g 0 (x)|
0.4
0.2
x
0.5
1.5
E JEMPLO
Considere la siguiente funci
on definida en [0,1]:
g (x) = 3x g 0 (x) = 3x ln 3
g (x)
0.8
0.6
0.4
0.2
x
0.2 0.4 0.6 0.8 1
E JEMPLO
Considere la siguiente funci
on definida en [0,1]:
g (x) = 3x g 0 (x) = 3x ln 3
g (x)
0.8
0.6
0.4
0.2
x
0.2 0.4 0.6 0.8 1
Existe un u
nico punto fijo, pero |g 0 (x)| > 1. El teorema anterior es una
condicion suficiente, pero no necesaria.
Algoritmo de Punto Fijo

Para una aproximacion incial x0 se genera una sucesi
on de la forma:
xk+1 = g (xk )
Como es posible observar el lado izquierdo de la ecuacion representa una
recta y el lado derecho una funci
on, que cumple con las caractersticas que
ya hemos estudiado.

Para una aproximacion incial x0 se genera una sucesi
on de la forma:
xk+1 = g (xk )
Como es posible observar el lado izquierdo de la ecuacion representa una
recta y el lado derecho una funci
on, que cumple con las caractersticas que
ya hemos estudiado.
Si escogemos un valor inicial p0 se genera una sucesi
on {pn } convergente
al punto fijo p
p = lm pn = lm g (pn1 ) = g ( lm pn1 ) = g (p)
n
Figura: Numerical Analysis, 9th Edition, R. L. Burden & J. D. Faires
p1 = g (p0 )
p2 = g (p1 )
p2 = g (p1 )...p = g (p)
E JEMPLO
2
g (x)
Retomemos el ejemplo
g (x) = 1 + sin x,
1.5
1
0.5
y grafiquemos junto a g (x) = x

x
0.5
1.5
E JEMPLO
2
g (x)
Retomemos el ejemplo
g (x) = 1 + sin x,
1.5
1
0.5
y grafiquemos junto a g (x) = x

x
0.5 1 1.5 2
Las iteraciones convergen a 1.41.
1.5 x
k
1
0.5
k
xk
0
1
1.357
1.406
1.409
1.41
1.41
En resumen...
Tal como hemos mencionado, nosotros deseamos resolver una ecuacion de
la forma:
f (x) = 0
La idea es encontrar un esquema iterativo de la forma x = g (x) a partir de
nuestro problema de races f (x) = 0.
En resumen...
la forma:
f (x) = 0
Si nuevamente retomamos el ejemplo:
p
g (x) = 1 + sin(x)
La funcion f asociada sera:
En resumen...
la forma:
f (x) = 0
p
g (x) = 1 + sin(x)
f (x) =
p
1 + sin(x) x
En resumen...
la forma:
f (x) = 0
p
g (x) = 1 + sin(x)
f (x) =
p
1 + sin(x) x
Cuya raz es: p = 1.40962... Es decir, nuestro esquema iterativo

(g (x) = x) converge a la raz de f (x) = 0!
En resumen...
la forma:
f (x) = 0
p
g (x) = 1 + sin(x)
f (x) =
p
1 + sin(x) x
Cuya raz es: p = 1.40962... Es decir, nuestro esquema iterativo

(g (x) = x) converge a la raz de f (x) = 0!
T EOREMA
Si g (x) es diferenciable en (a, b) y |g 0 (x)| < k < 1 , para todo x
perteneciente al intervalo (a, b). Entonces dado un p0 en [a, b] la sucesion
pn converge al u
nico punto fijo p.
Algunos Problemas y Caos

x = x(1 x)
Funci
on logstica definda en[0,1]
Figura: Diagrama de bifurci

on
Video Caos
n
Introduccio
Distribucio
todo de la Biseccio
n
Me

Me
todo de la Secante
Me
Punto Fijo
Referencias
Si xi es una sucesion convergente a .

Se dice que la sucesion es convergente a con orden p, si existen dos
n
umeros positivos p y , tales que:
lm
En+1
xn+1
= lm
p =
n En
(xn )p
Si el metodo converge, entonces podemos escribir:

En+1 Enp
Convergencia de Newton-Raphson
De la definicion anterior, es posible demostrar que para el metodo de
Newton-Raphson se tiene que:
xn+1
f 00 ()
=
=
n (xn )2
2f 0 (xn )
lm
De aqu se deduce que Newton-Raphson tiene orden de convergencia de, al

menos, 2.
Algunas consideraciones:
Si f (x) tiene una raz simple entonces el metodo de NR converge, a
lo menos, cuadraticamente.
Si f (x) tiene una raz m
ultiple entonces el metodo de NR converge, a
lo menos, linealmente.
n de Convergencia
Comparacio
Biseccion:
1
En+1 = En
2
Secante:
En+1 = kEn1.62
Newton-Raphson:
En+1 = kEn2
Convergencia para Punto Fijo

T EOREMA
Sea g (x) una funcion de clase C p+2 tal que para un intervalo I admite un
u
nico punto fijo , tal que:
g k () = 0,
k = 1, 2, 3, ..., p 1
y g p () 6= 0
Si la sucesi
on generada por x = g (x) converge a un punto fijo , entonces
lo hace con velocidad de convergencia de, al menos, p
Convergencia para Punto Fijo

T EOREMA
Sea g (x) una funcion de clase C p+2 tal que para un intervalo I admite un
u
nico punto fijo , tal que:
g k () = 0,
k = 1, 2, 3, ..., p 1
y g p () 6= 0
Si la sucesi
on generada por x = g (x) converge a un punto fijo , entonces
lo hace con velocidad de convergencia de, al menos, p
E JEMPLO
Demuestre que el algoritmo:
xk+1 =
xk (xk2 + 3R)
3xk2 + R
Converge a
R (Suponga que lm xn existe).
Tiene orden de convergencia 3.
Referencias de Estudio
J. Douglas Faires; R. Burden, Analisis Numerico. 7ma edicion.

Captulo 2
S.C. Chapra y R. P. Canale, Metodos Numericos para Ingenieros, Mc
Graw Hill. 6ta edicion.
Captulos 5 y 6

Ecs No Lineales

Diunggah oleh

Informasi Dokumen

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

Ecs No Lineales

Diunggah oleh

Hak Cipta:

Format Tersedia

lculo Nume

todo de Newton - Raphson

todo de Newton - Raphson

El caso anterior es un caso sencillo en el que conocemos las soluciones.

El caso anterior es un caso sencillo en el que conocemos las soluciones.

El caso anterior es un caso sencillo en el que conocemos las soluciones.

El caso anterior es un caso sencillo en el que conocemos las soluciones.

El caso anterior es un caso sencillo en el que conocemos las soluciones.

El caso anterior es un caso sencillo en el que conocemos las soluciones.

Cuantas races tiene?

El caso anterior es un caso sencillo en el que conocemos las soluciones.

Cuantas races tiene?

Que races deseamos

El caso anterior es un caso sencillo en el que conocemos las soluciones.

Cuantas races tiene?

Que races deseamos

Conocemos alguna formula

El caso anterior es un caso sencillo en el que conocemos las soluciones.

Cuantas races tiene?

Que races deseamos

Conocemos alguna formula

An Attempt towards the Improvement of the Method of Approximating, in the

todo de Newton - Raphson

Para poder resolver un problema de races debemos recurrir a tecnicas de

Para poder resolver un problema de races debemos recurrir a tecnicas de

Para poder resolver un problema de races debemos recurrir a tecnicas de

Para poder resolver un problema de races debemos recurrir a tecnicas de

Para poder resolver un problema de races debemos recurrir a tecnicas de

Para poder resolver un problema de races debemos recurrir a tecnicas de

Para poder resolver un problema de races debemos recurrir a tecnicas de

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

Mayor raz positiva

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

La mayor raz positiva se

Mayor raz positiva

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

La mayor raz positiva se

Mayor raz positiva

Pero en ese intervalo hay 2 races!

Retomemos el ejemplo anterior y supongamos que queremos encontrar la

La mayor raz positiva se

Mayor raz positiva

Pero en ese intervalo hay 2 races!

todo de Newton - Raphson

El metodo de la biseccion en uno de los metodos mas sencillos y eficiente

Signo de f 0 (x) es constante en (a, b)

Por lo tanto, f posee una soluci

Dividir por la mitad el intervalo

Localizar la mitad que contiene la

Figura: Numerical Analysis, 9th Edition,

todo de Newton - Raphson

todo de Newton - Raphson

todo de Newton - Raphson

Recordemos la serie de Taylor:

Donde (p) se encuentra entre p y p0 . Dado que f (p) = 0, entonces

todo de Newton - Raphson

Resolviendo la ecuacion anterior para p

De aqu podemos introducir el esquema iterativo:

Algoritmo Newton - Raphson

Figura: Numerical Analysis, 9th Edition, R. L.

Figura: Numerical Analysis, 9th Edition, R. L. Burden & J. D. Faires