Anda di halaman 1dari 9

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales

1/9

Graficacin
2

Solucin de Ecuaciones
no lineales

Ej.: x*cos(x^2) = 0

1.5
1
0.5

fplot('(x*cos(x^2))',[-2,2])

0
-0.5

Encontrar races o ceros de f(x) en un intervalo dado,


es decir encontrar x / f(x) = 0 con x [a, b].

en [-0.5, 0.5], x1=0


en [-2, -0.5], x2=-1.2533
en [0.5, 2],
x3=1.2533

-1
-1.5
-2
-2.5
-2

-1.5

-1

-0.5

0.5

1.5

-3

x 10

- Es posible siempre despejar x?

0.6

0.5

ezplot ('x*cos(x^2) ,[-2,2])

- Se puede implementar cualquier despeje en un programa de


computacin?

0.4
4

0.3
0.2

fplot(@fun,[-2,2])

0.1

function y=fun(x);
y=x*cos(x^2);

0
-2
-0.1
-4

-0.2
-0.3

-6
0.8

Un nmero se dice raz o cero de la ecuacin f(x)


si f () = 0 .
Los mtodos numricos para encontrar una raz de una
ecuacin f(x), son mtodos iterativos que generarn una
sucesin { xn }, n=1,2,3,... tal que: limn xn = .
x0= valor inicial
x1= m(x0) , siendo m() una funcin correspondiente a un
...

mtodo numrico

xn= m(xn-1), |xn- |< |xn-1- |< |xn-2- |< ... < |x0- |

1.1

1.2

1.3

1.4

1.5

1.6

1.7

1.246

1.248

1.25

1.252

1.254

1.256

1.258

1.26

1er. Criterio de aproximacin


Si la funcin f es continua alrededor de , en un intervalo que
contiene a la sucesin xn, n =1,2.., entonces, para algn nmero
positivo 1 existe n tal que |f(xn) | < 1.
0 .6

Dado un nmero 1 > 0 y


adecuadamente pequeo, que
llamaremos tolerancia, podemos
escoger como aproximacin a la
raz a un trmino xn de la sucesin
mencionada, donde n es el menor
entero positivo que satisface:
|f(xn) | < 1.

0 .4
0 .2
y=f(x)

Mtodos Numricos para la Solucin


de Ecuaciones no lineales

0.9

-0 .2
-0 .4

-1 .4

-1 .2

-1

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales


Convergencia

2do. Criterio de aproximacin


0.8
0.6

0.6

| x n+1 - x n | = |x n+1 - + - x n |
|x n+1 - | + | x n - | < 2 + 2 2 2 < 2
|xn xn-1| < 2
error absoluto

|xn-|<2

0.4

f(xn)<1

0.2

0.4

=1
0

X0

X1 X2 X3

-0.2
-0.4

|xn xn-1| / |xn| < 2


error relativo

-1.4

-1.2

|xn- xn-1| 0 y n indica el nmero de iteracin.

Algoritmos iterativos
function xn = metodo (x0, @fun, max_iter, tolf, tolx)

0.5

-1

xn
1.5

|xn-|>>2

0.2
y=f(x)

Como es desconocida, podemos asumir que:

10

limn xn = dado 2 > 0 , adecuadamente pequeo,


n tal que | xn - | < 2.
El trmino xn de la sucesin mencionada puede
ser considerado una aproximacin a la raz,
donde n es el menor entero positivo que
cumple la condicin.

2/9

xn

=1

f(xn)>> 1

-5

El hecho de que
-10
|f(xn) | < 1 |xn xn-1| < 2
0.9
1
1.1
no necesariamente indica que xn est muy cerca de .
Adems, para garantizar que una sucesin converge a la raz
buscada, la funcin f deber satisfacer ciertas condiciones que
evitaran una sucesin divergente.
La convergencia puede ser "muy lenta", por lo cual se hace
necesario establecer una cota para n, es decir, imponer un mximo
nmero de iteraciones.

Mtodos cerrados
% donde metodo es el
nombre de algn
mtodo y m es la
funcin de iteracin
corresponiente

xn(1) = x0;
for i =1:max_iter
1er. Criterio
2do. Criterio
xn(i+1) = m (xn(i));
if abs (feval (@fun, xn(i+1) ) tolf & abs ( xn(i+1) - xn(i) ) tolx
return , end
%Puede considerarse una sola condicin
end

feval (f, a1,a2,....,an) : Evala la funcin f que utiliza los argumentos a1,a2,....,an.,
f debe ser definida como function. Equivalente a evaluar f(a1,a2,....,an ).
Ej.: feval(sqrt,5) feval(@sqrt,5), evalan sqrt(5).
eval (f) : Evala la funcin f, la cual es un comando en forma destring.

Los mtodos numricos para encontrar la raz de una


ecuacin se denominan cerrados cuando necesitan conocer
un intervalo que encierre a la raz.
Si f es una funcin continua en un intervalo [a,b], y
f(a) * f(b) < 0. Entonces, por el teorema del valor medio para
funciones continuas (teorema de Bolzano), existe al menos
un [a,b] / f () = 0 .
A los fines de la aplicacin de los mtodos numricos,
deberamos considerar que la raz en el intervalo es nica,
ya que encuentran una nica raz.

Ej: eval (x+6*x^2) si x est definida.

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales

3/9

Proceso mtodo biseccin

Mtodo de Biseccin

Consiste en dividir sucesivamente el intervalo [a,b] por la mitad,


hasta que la longitud del sub-intervalo que contiene a la raz
sea menor que alguna tolerancia especificada .

f(x) = cos(x)+1-x

fplot('cos(x)+1-x',[1 2])

-1

-2
-3

1
y

f(x)

f(b)

xi

f(xi)

f(a)

f(a) < 0
f(b) > 0
Si b-a >
xi = (a+b)/2
Si f(xi) > 0 b = xi
Siguiente iteracin
sino a = xi
Siguiente iteracin
sino fin

-4
-2

El error =| - xn |, se acota fcilmente ya que


| - xn | (b-a) / 2 n , previendo la cantidad de iteraciones
necesarias, n ( log (b-a ) - log ( )) / log ( 2 )
Siempre converge.
Es til para acotar el intervalo en que se encuentra la raz.
Desventajas con respecto a otros mtodos:
No tiene en cuenta la magnitud de los valores de la funcin en
las aproximaciones calculadas, slo tiene en cuenta el signo de
f(xn), lo que hace que buenas aproximaciones intermedias pasen
desapercibidas.
Su convergencia es muy lenta.

-1

-1.5

1.2

1.4

a =1

-0.5

1.6

1.8

b=2
b =1.5000
a = 1.2500
b = 1.3750
b = 1.3125
a = 1.2813
b = 1.2969
b = 1.2891
b = 1.2852
a = 1.2832

Mtodo de Posicin Falsa


(o Regula Falsi)

Ventajas y desventajas del


mtodo de biseccin
Ventajas:

b
(a+b)/2

X0=[a,b]

Resultados

0.5

-1

La aproximacin xn a la raz es el punto de interseccin de la recta


que pasa por los puntos (a,f(a)) y (b,f(b)) con el eje x
y

f(x)

f(b)

xi

f(xi)

f(a)

Al reemplazar la curva por


una recta se obtiene una
"posicin falsa" de la raz.
Tambin se le conoce como
mtodo de Interpolacin
Lineal Inversa.

.
*

( x a)
f ( x ) = f (a ) + (f (b ) f (a ))
, Si f(x i ) = 0
(b a)
14444244443

xi = a

( b a ) * f (a ) a * f ( b ) b * f (a )
=
f ( b ) f (a )
f ( b ) f (a )

Ec. de la recta
que pasa por (a,f(a)) y (b,f(b))

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales


Proceso mtodo regula falsi o
Interpolacin Lineal Inversa
f(x) = cos(x)+1-x

Resultados

a = -2 , b = 3

a = 0.3178

a = 1.2649

-1

b = 1.2857

-2

a = 1.2834
-3

-4
-2

b = 1.2834
-1

Ventaja
Converge ms rpido que biseccin
Desventaja, con respecto al mtodo de Biseccin
La longitud del sub-intervalo que contiene a la raz en general
no tiende a cero, porque la mayora de las grficas de las
funciones son cncavas en la vecindad de la raz, lo que hace
que uno de los extremos de los sub-intervalos se aproxime a la
raz, mientras el otro permanece fijo.
No se puede prever el nmero de iteraciones necesarias.

Combina la confiabilidad de biseccin con la velocidad de


convergencia de la interpolacin linear inversa y la interpolacin
cuadrtica inversa.
[ X , FVAL , EXITFLAG] = FZERO ( FUN, X0 , OPTIONS , P1 , P2 ,...)

OPTIONS

Ventajas y desventajas del


mtodo de regula falsi

Comando fzero de Matlab

X
FVAL
EXITFLAG
FUN
X0

4/9

Ultima aproximacin a la raz


Funcin evaluada en X
> 0. Indica que encontr la raz, < 0 no
Funcin en lnea o llamada a una funcin (@)
- Si es un escalar, busca un intervalo vlido alrededor de X0.
- Si es un vector de 2 valores, los considera como extremos
del intervalo que contiene la raz.
Opciones . Optimset ('disp','iter') muestra resultados y
detalle de las iteraciones

Problemas de los
mtodos cerrados
Necesidad de conocer dos valores iniciales que encierren a la
raz.
En los extremos del intervalo la funcin debe tener signos
opuestos. No permite encontrar races que corresponden al
mximo o mnimo de una funcin.
En el intervalo puede existir ms de una raz (nro. impar).
Difcil de diferenciar entre dos races muy cercanas.
Debido a errores de redondeo, particularmente cuando se est
cerca de la raz, puede cambiar el signo de f(x).
Necesitan de muchas iteraciones hasta llegar a la precisin
deseada.

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales


Mtodo del punto fijo o de las
aproximaciones sucesivas

Mtodos abiertos

Se pueden alejar de la raz de inters (van probablemente a otra


raz).

Si es raz de f(x)
b

Como no hay un intervalo que encierre a la raz; algunas veces


las sucesiones generadas por estos mtodos son divergentes
(condiciones de convergencia).

Dada una ecuacin f(x) = 0, si se puede transformar en otra


equivalente (al menos localmente) del tipo x = g(x) para alguna
funcin g(x)
f() = 0

0.5

f(x)=x+cos(x2)

= g()

Tienen la ventaja que cuando convergen lo hacen "ms


rpidamente" que las sucesiones generadas por los mtodos
cerrados.

y=x

Los mtodos abiertos requieren de un solo valor inicial (no de un


intervalo).

5/9

Un nmero tal que


= g() se dice un
punto fijo de la
funcin g(x).

g(x)=-cos(x2)

-1

Necesidad de intervencin del usuario (o de procesamiento


simblico) para despejes y clculo de derivadas.

-0.5

-1.5
-1.5

-1

Si adems, g(x) existe para todo x [a, b] y


|g(x)| K < 1 para todo x [a, b] , K constante,
entonces g(x) tiene un nico punto fijo en [a, b] .
El mtodo de punto fijo para encontrar una raz de la ecuacin
x = g(x), consiste en generar una sucesin {xn}n que se define
mediante la frmula de iteracin: xn = g(xn-1), que converge a
cualquiera sea x0 [a, b].
La funcin g(x) se denomina funcin de iteracin de punto fijo.

0.5

Criterio de Convergencia del


Mtodo del punto fijo

Teorema del punto fijo


Si g(x) es una funcin continua en [a, b] y
g(x) [a, b] para todo x [a, b],
entonces g(x) tiene por lo menos un punto
fijo en [a, b] .

-0.5
X

Por teorema del valor medio (Lagrange) Dado un intervalo [xi, xi-1], existe al menos un punto en
el que la tangente a la funcin es paralela a la secante que une los puntos (xi, g(xi)) (xi-1, g(xi-1))

g(xi) - g(xi-1) = g()(xi-xi-1)


[xi, xi-1]
Por teorema del punto fijo xn = g(xn-1)
xi+1-xi = g()(xi-xi-1) |xi+1-xi| = |g()| |xi-xi-1|
suponiendo g() acotada, |g()| K
K<1 |g(
)| <1
|x2-x1| K |x1-x0|
|x3-x2| K |x2-x1| K (K |x1-x0|) K2 |x1-x0|
|x4-x3| K |x3-x2| K (K2 |x1-x0|) K3 |x1-x0|
... |xi+1-xi| Ki |x1-x0| y para que |xi+1-xi| 0 debe Ki 0

0.5

g()

-0.5

g(x)

-1

-1.5

-2

-2.5
0.1

i) = x n K n x1 x0 , para cada n 0 n

0.2

0.3

iii) = x n

K
x n x n 1 , para cada n 1
1K

0.5

0.6

0.7

0.8

0.9

1.1

ln( ) - ln( x1 - x 0 )
ln(K)

ii) = x n K max {x0 a, b x0 }, para cada n 0 n


144424443
n

0.4

ln( ) - ln(m)
ln(K)

con K = max(g' (x)) en [a, b]

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales


Ejemplos Convergencia del
Mtodo del punto fijo

Convergencia del
Mtodo del punto fijo
b

6/9

0.5

f(x)=x+cos(x2)
x1 x3

x0

x4x2

|g(x)| <1

y=x

Converge g(x) > -1

-0.5

Converge g(x) < 1

g(x)=-cos(x2)

-1

|g(x)| <1
-1.5
-1.5

-1

-0.5
X

0.5

Diverge g(x) > 1

Orden de Convergencia
de punto fijo

Ejemplo
f(x) = cos(x)+1-x

x = cos(x)+1

x0=1.5, tolx=0.0001
6
x

4
2

g (x)
0
g '(x)

-2
f(x)
-4
-2

f (1.1392) = 0.2791 ?

Depende del valor inicial

Resultados
1.5
1.0707
1.4795
1.0912
1.4614
1.1092
1.4454
1.1250
1.4311
1.1392
1.1392

g(1.57)= -1 =1.2834

La magnitud de g(x) no slo indica si el mtodo converge, sino tambin la


rapidez con que lo hace, lo cual se conoce como orden de convergencia.
g ( xi ) = g ( xi 1 ) + g '( xi 1 )( xi x i 1 ) + g ''( x i 1 )

( xi x i 1 )2
( x x i 1 )3
+ g '''( xi 1 ) i
+L
2!
3!

es decir
( xi x i 1 )2
( x x i 1 )3
+ g '''( x i 1 ) i
+L
2!
3!
E i +1 = x i +1 x i

g ( xi ) g ( x i 1 ) = g '( xi 1 )( xi x i 1 ) + g ''( x i 1 )
como x i +1 = g ( x i ),

x i = g ( x i 1 )

( xi x i 1 )2
( x x i 1 )3
+ g '''( x i 1 ) i
+L
2!
3!
2
3
E
E
= g '( x i 1 )E i + g ''( x i 1 ) i + g '''( xi 1 ) i + L
2!
3!

x i +1 x i = g '( x i 1 )( x i xi 1 ) + g ''( x i 1 )
E i +1

Si g(x) 0 convergencia lineal. O(h)


Si g(x) 0, g(x) 0 convergencia cuadrtica. O(h2)

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales


Ventajas y desventajas
del mtodo de punto fijo
Ventajas:
Simple
Posee condiciones para asegurar la convergencia.
Es condicin necesaria que |g'(x)| <1 en cercanas de la raz
Desventajas:
La convergencia depende de la magnitud de g(x).
Necesidad de construir funciones g(x) para iterar. Pueden
existir diversas g(x), necesidad de encontrar la adecuada.
Se puede emplear un mtodo sistemtico para construir las
funciones.
g(x) = x - f(x) con = 1/ max (|f '(x)|) en [a,b].

Mtodo de Newton
y

Usando polinomios de Taylor:

f(x)

Sea x [a, b] con |x-| "pequeo".


f(x1)

f()=f(x)+f(x)(x- )+f()(x- )2/2!

x00

Si f() = 0
x = f(x) / f(x)
f(x0)
error = f ()(x- )2 / 2!
(convergencia cuadrtica)
O(h2)
f ( x0 )
f (x )
tan( ) = f ' ( x 0 ) =
x1 = x 0 ' 0
x 0 x1
f ( x0 )

x1

7/9

Mtodo de Newton-Raphson
Dada una funcin f que satisface la hiptesis general en un
intervalo [a, b] y un valor inicial x0 [a, b] "cercano" a la raz.
El mtodo de Newton-Raphson consiste es trazar una recta
tangente a f que pase por el punto (x0, f(x0)), considerando una
aproximacin x1 a la raz al punto en el cual dicha recta tangente
corta al eje x, es decir el punto (x1, 0)

se tiene que

f' (x o ) =

f(x 0 ) 0
x 0 x1

x1 = x 0

f ( x0 )
f ' ( x0 )

y en general, para cada n 1


x n = x n 1

f ( x n 1 )
f ' ( x n 1 )

Convergencia del Mtodo Newton


El mtodo de Newton-Raphson converge como:

| x n x n 1| =

f( x )
f' ( x )

cuando ms grande sea f (x)


en la vecindad de la raz , "ms
rpida ser la cconvergencia.

El mtodo de Newton-Raphson es un caso especial del mtodo


de iteracin de Punto Fijo, con g(x) = x- f(x) / f(x)

Condiciones suficientes para


prevenir divergencia
f(x) 0 en todo [a,b]
f(x) > 0 < 0 en todo [a,b]
|f(h)| / |f(h)| b-a,
h = x / f(x)
f(x)= min {f(a),f(b)}

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales


Velocidad de convergencia en
races mltiples
Si f(x) y sus derivadas f(x).f(M)(x) estn definidas y son
continuas en un intervalo [a,b] que contiene a la raz
f(x) tiene una raz de orden M en si
f() = 0, f() = 0,, f(M-1)() = 0 y f(M)() 0.
f(x) = (x - )Mh(x) con h(x) 0.
Frmula de iteracin de Newton acelerada para races
mltiples:

Desventajas:
Necesita calcular la derivada. (Mtodo de la secante).
No se pueden prever la cantidad de iteraciones a partir de una
cota de error.
No siempre converge. (No se puede asegurar la convergencia
si en [a,b], f(x) = 0, f(x) cambia de signo, la tangente cae
fuera del intervalo).

M * f ( xn 1 )
f '( xn 1 )

Mtodo de la secante
El mtodo de Newton-Raphson para aproximar una raz simple
de una ecuacin f(x) = 0 , consiste en generar la sucesin {xn}n a
partir de la frmula de iteracin
y
f(x)
f ( x n 1 )
x n = x n 1
f '( x n 1 )
f(x2)
Reemplazando f(x) por su aprox.
x0
x1
f ( x n 1 ) f ( x n 2 )
x
x2
f '( x n 1 ) =
x n 1 x n 2
f(x1)
Se obtiene
f ( x n 1 )( x n 1 x n 2 ) f(x0)
x n = x n 1
f ( x n 1 ) f ( x n 2 )

Ventajas y desventajas del


mtodo de Newton
Ventajas:
Convergencia rpida. El mtodo de Newton converge
cuadraticamente para races simples y linealmente para
races mltiples.
Encuentra races complejas (el valor inicial debe ser
complejo)

Orden de una raz:

xn = xn 1

8/9

Convergencia del
Mtodo de la secante
La frmula de iteracin coincide con el mtodo de la Regla
Falsa.
En el mtodo de la Regla Falsa los dos puntos deben
encerrar a la raz buscada y el mtodo siempre converge.
En el mtodo de la Secante los dos puntos iniciales no
necesariamente encierran a la raz buscada lo que puede
provocar divergencia del mtodo.

que es la frmula de iteracin del mtodo de la secante.


En este mtodo se necesitan dos valores iniciales, que no
necesariamente encierran a la raz.

ltima actualizacin: 28/08/2013

Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales

Races de Polinomios
Todo polinomio de grado n , tiene n races, las cuales pueden ser
reales o complejas, las races complejas siempre se presentan
como un par de races conjugadas. Las races reales pueden ser
mltiples.
Mtodo ms adecuado: Newton, la derivada de un polinomio es
fcil de obtener.
Todos los mtodos vistos permiten calcular una sola raz por vez.
Matlab calcula simultneamente todas las races de un polinomio
con la funcin roots([an, an-1,an-2,a0]) la cual calcula los
autovalores de
an
a0
a2
L
la matriz compaera.

a1
a1
a1

a = diag (ones(1,n-2),-1)
0
0
0
1
a(1,:) = -c(2:n). / c(1)
0
O
0
M

eig (a)
0
0
1
0

9/9

Eficiencia de los mtodos


Los mtodos numricos para hallar una raz de una ecuacin
f(x)= 0 consisten en generar una sucesin
{xn} tal que

lim xn =

La eficiencia cada mtodo numrico depende de:


Condiciones de convergencia: La caracterstica de la ecuacin
en cercanas a la raz condiciona la eficacia del mtodo.
Orden de convergencia: Velocidad de convergencia con la cual
la sucesin {xn}n converge a , O(hm).
Nmero n mnimo de iteraciones necesarias para que |xn-|<
para algn >0 dado.
Cantidad de operaciones realizadas en cada iteracin.

ltima actualizacin: 28/08/2013