Anda di halaman 1dari 10

Adems este anlisis permite estimar el error de la formulas.

Si se usa todos los trminos de Taylor se tiene un resultado exacto.


x i+1=x r =0 Raiz f ( x i+1 ) =0

Si

'

0=f ( x i ) +f ( x i )( xr x i ) +

''
f ( E)
2
( xr x i )
2!

Luego se resta
0=f ( x i ) +f ' ( x i )( xr x i )
''
f ( E)
2
0=f ( xi ) ( x r xi +1 ) +
( xr x i )
2!
'

Error

Et ,x +1=x rx i+1
0=f ' ( xi ) Et , x+1 +

''
f ( E)
E t , x2
2!

Si hay convergencia

{xE

Se aproximaran a

E t , x+1=

xr
f ' ' ( E )
Et ,x 2
'
2 ! f ( x i)

Por tanto el error e proporcional al cuadrado del error anterior

Convergencia Cuadrtica
El numero de cifras significativas se duplica en cada iteracin
Analisis del error en el mtodo de Newton Raphson
El mtodo de Newton Raphson converge de manera cuadrtica

Et ,x +1

''
f ( E )
Et , x2
'
2 ! f ( xi )

Examinar la formula y determinar si concuerda con el ejercicio


x

f ( x )=e x
f ' ( x )=ex 1
El valor verdadero de la raz
x r=0.56714349
'

f ( x r ) =1.56714329
f ' ' ( x )=ex
f ' ' ( xr )=0.56714329
Et ,x +1

0.56714329
2
Et , x
2 ! (1.56714329 )

Et ,x +1 0.18095 E ti2
Como
Et ,0=0.56714329=|x rx i +1|
2

Et ,1 0.18095 ( 0.56714329 ) =0.0582

Luego
Et ,1=|0.50.56714329|=0.0671439
2

Et ,2 0.18095 ( 0.0671439 ) =0.0008158

Desventajas del mtodo de Newton Raphson


Newton Raphson en general es un mtodo eficiente, pero hay situaciones que se
comporta de manera suficientes
P.E. * Races mltiples

* En algunos casos y determinar races simples


Ejemplo 6.5
Determine la raz

10

(x)

f ( x )=x 1 con

x 0=0.5

10

x i+1=x i

x 1
f (x)
=x i i 9
'
f (x)
10 x i

I.

x 0=0.5

II.

x 1=0.5

f ( x 0 ) =0.99023

f ' ( x 0 )=0.99023

0.5101
=51.56
10 ( 0.59 )

f ( x 1 )=1.3511 x 1017

f ' ( x 1 )=2.616 x 10 16
17

III.

x 2=51.56

1.3511 x 10
=46.48500
16
2.616 x 10

La raz verdadera es 1 y en el ejemplo converge luego de muchas iteraciones.


Se puede representar otras dificultades
A)

Se aleja de la
raz verdadera

La raz est cerca de un


punto de inflexin

f ' ' ( x )=0


B)

Existe una tendencia a


oscilar alrededor de un
mnimo y un mximo y
luego se aleja del rea de
la raz

C)
Un
valor
inicial
cercano a la raz
salta a una posicin
varias veces ms
lejos.

D)

Pendiente

x i+1=x i

f ' ( x )=0
f ( x)
0

No converge

No hay un criterio general de convergencia para Newton Raphson

La convergencia depende de la natural de la funcin


De la exactitud del valor inicial

Lo mejor es que x 0 cercano Raiz

Lo cual no es real
Pero si se conoce el
problema o por grafica
se podra
Se
debe
disear
programas que detecten
a
convergencias
o
divergencia

Mtodo de la Secante
En el mtodo de la secante

derivada

La derivad puede aproximarse por

uno de los problemas es la evaluacin de la


La evaluacin de la derivada en general no
es inconvergente para funciones o
polinomios, sin embargo en ocasiones
puede resolver un problema.

'

f ( x i )=

f ( x i1 )f (x i)
x i1 xi

x i+1=x i

Y en

f ( x)
f ' ( xi )

Sustituimos
x i+1=x i
x0
xi1

f ( xi )(x i1 xi )
f ( x i1) f ( x i )
Mtodo de la Secante

Valores

Y requiere dos valores iniciales


como no se requiere que

Ejercicio (Mtodo de la Secante)


x
Calcular f ( x )=e x

I.

f ( x1 )=1
f ( x 0 ) =0.63212

con

x1=0
x 0=1

f (x)

x i ; pero
cambie

x 1=1

0.63212 ( 01 )
=0.61270
1(0.63212 )

e t=8

II.

x 0=1
x 1=0.61270
f ( x 0 ) =0.63212
f ( x 1 )=0.07081

x 2=0.61270

0.07081 ( 10.61270 )
=0.56389
0.63212(0.07081 )

e t=0.58

III.

x 1=0.6127
x 2=0.56389
f ( x 1 )=0.07081
f ( x 2 )=0.00518

x 3=0.56389

0.00518 ( 0.61270.56389 )
=0.56717
0.07081 ( 0.00518 )

e t=0.0048
CONVERGENCIAENTRE EL MTODO DE LA SECANTE Y FALSA POSISCION
Son parecidos
Las dos usan dos valores iniciales
Proyectan hacia el eje x una nueva aproximacin.
Falsa Posicin
x r=x u

f (x u)(x lx u )
f ( x l )f ( x u )

Pero
El

mtodo

converge

xl

siempre

xu

f ( xl ) f ( xu )

Signos diferentes define


la raz

Secante
x i+1=x i

f ( xi )(x i1 xi )
f ( x i1) f ( x i )

No siempre converge

x i para xi +1 f ( x i ) f ( xi +1 )
No estn a diferente de
la raz

Falsa Posicin

Secante

II

Iteracin

En este ejemplo no converge pero cuando el mtodo lo hace converge ms rpido

2.8 METODO DE LA SECANTE MODIFICADA


Mtodo de la secante
x i+1=x i

f ( x i ) ( x i1 xi )
f ( x i1 )f ( xi )

Mtodo de la secante modificada


f ' (x i)=xi

f ( xi + xi ) f (xi )
xi

Pequeo
fraccionario

x i+1=x i

cambio

x i f ( x i)
f ( x i + x i )f ( x i)

Ejemplo
Con el metodo de la secante modificado estime
f ( x )=e x x
Use un valor de 0.01 para
0.56714329
I.

x 0=1
x 0+ x 0=1.01
f ( x 0 ) =0.63212

y comience con

x 0=1

la raiz verdadera es

f ( x 0 + x 0 ) =0.64378
x 1=1

0.01 (0.63212 )
=0.537263
0.64578( 0.063212 )

|e t|=5.3
II.

x 1=0.537263
x 1+ x1 =0.542635
f ( x 1 )=0.047083
f ( x 1 + x 1 )=0.03854
x 2=0.5372633

0.542635 ( 0.047083 )
0.038579( 0.0470083 )

Mtodo de Brent