Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales 1/9

Graficacin
2

Ej.: x*cos(x^2) = 0
Solucin de Ecuaciones 1.5

no lineales fplot('(x*cos(x^2))',[-2,2])
0.5

-0.5

en [-0.5, 0.5], x1=0 -1

-1.5

Encontrar races o ceros de f(x) en un intervalo dado, en [-2, -0.5], x2=-1.2533 -2

es decir encontrar x / f(x) = 0 con x [a, b]. en [0.5, 2], x3=1.2533 -2.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-3
x 10
0.6 8
- Es posible siempre despejar x? 0.5
6 ezplot ('x*cos(x^2) ,[-2,2])
- Se puede implementar cualquier despeje en un programa de 0.4

0.3
4

computacin? 0.2 2
fplot(@fun,[-2,2])
0.1
0
0 function y=fun(x);
-2
-0.1
y=x*cos(x^2);
-0.2 -4

-0.3 -6

0.8 0.9 1 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

Mtodos Numricos para la Solucin

1er. Criterio de aproximacin
de Ecuaciones no lineales
Si la funcin f es continua alrededor de , en un intervalo que
Un nmero se dice raz o cero de la ecuacin f(x) contiene a la sucesin xn, n =1,2.., entonces, para algn nmero
si f ()
 = 0 . positivo 1 existe n tal que |f(xn) | < 1.
Los mtodos numricos para encontrar una raz de una 0 .6
ecuacin
f(x), son mtodos iterativos que generarn una Dado un nmero 1 > 0 y
sucesin { xn }, n=1,2,3,... tal que: limn xn = . adecuadamente pequeo, que 0 .4

llamaremos tolerancia, podemos 0 .2

escoger como aproximacin a la
x0= valor inicial

y=f(x)
raz a un trmino xn de la sucesin 0

x1= m(x0) , siendo m() una funcin correspondiente a un mencionada, donde n es el menor -0 .2
... mtodo numrico entero positivo que satisface:
-0 .4
xn= m(xn-1), |xn- |< |xn-1- |< |xn-2- |< ... < |x0- | |f(xn) | < 1.
-1 .4 -1 .2 -1
x

ltima actualizacin: 28/08/2013

 Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales 2/9

2do. Criterio de aproximacin Convergencia

1 10

limn xn = dado 2 > 0 , adecuadamente pequeo, 0.8

n tal que | xn - | < 2. 0.6 5

0.6
0.4 |xn-|<2
El trmino xn de la sucesin mencionada puede 0.2
f(xn)<1
0
xn =1
0.4 =1 xn
ser considerado una aproximacin a la raz, 0
0 0.5 1 1.5 2 f(xn)>> 1
donde n es el menor entero positivo que 0.2
|xn-|>>2
-5

cumple la condicin. X0 X1 X2 X3 El hecho de que

y=f(x)
0
Como es desconocida, podemos asumir que: |f(xn) | < 1 |xn xn-1| < 2 -10
0.9 1 1.1

-0.2 no necesariamente indica que xn est muy cerca de .
| x n+1 - x n | = |x n+1 - + - x n |
|x n+1 - | + | x n - | < 2 + 2 2 2 < 2 Adems, para garantizar que una sucesin converge a la raz
-0.4
buscada, la funcin f deber satisfacer ciertas condiciones que
|xn xn-1| < 2 |xn xn-1| / |xn| < 2 evitaran una sucesin divergente.
-1.4 -1.2 -1
error absoluto error relativo x
La convergencia puede ser "muy lenta", por lo cual se hace
necesario establecer una cota para n, es decir, imponer un mximo
|xn- xn-1| 0 y n indica el nmero de iteracin. nmero de iteraciones.

Algoritmos iterativos Mtodos cerrados

function xn = metodo (x0, @fun, max_iter, tolf, tolx) % donde metodo es el
nombre de algn
xn(1) = x0; mtodo y m es la
funcin de iteracin
Los mtodos numricos para encontrar la raz de una
for i =1:max_iter corresponiente ecuacin se denominan cerrados cuando necesitan conocer
xn(i+1) = m (xn(i)); 1er. Criterio 2do. Criterio un intervalo que encierre a la raz.
if abs (feval (@fun, xn(i+1) ) tolf & abs ( xn(i+1) - xn(i) ) tolx
Si f es una funcin continua en un intervalo [a,b], y
return , end
%Puede considerarse una sola condicin f(a) * f(b) < 0. Entonces, por el teorema del valor medio para
end funciones continuas (teorema de Bolzano), existe al menos
un [a,b] / f () = 0 .
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 ).
A los fines de la aplicacin de los mtodos numricos,
Ej.: feval(sqrt,5) feval(@sqrt,5), evalan sqrt(5). deberamos considerar que la raz en el intervalo es nica,
eval (f) : Evala la funcin f, la cual es un comando en forma destring. 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

Mtodo de Biseccin Proceso mtodo biseccin

3

f(x) = cos(x)+1-x
Consiste en dividir sucesivamente el intervalo [a,b] por la mitad, 1

hasta que la longitud del sub-intervalo que contiene a la raz fplot('cos(x)+1-x',[1 2]) -1

sea menor que alguna tolerancia especificada . -2

-3

1 -4
-2 -1 0 1 2 3 4 5
y
f(x) f(a) < 0
f(b) . f(b) > 0
Si b-a >
0.5

a b
(a+b)/2
Resultados
a =1 b=2
xi = (a+b)/2 0 b =1.5000
a xi
a = 1.2500
* b x Si f(xi) > 0 b = xi
-0.5
a b
b = 1.3750
f(xi) Siguiente iteracin
b = 1.3125
sino a = xi
f(a) . Siguiente iteracin -1 a = 1.2813
b = 1.2969
sino fin b = 1.2891
-1.5
1 1.2 1.4 1.6 1.8 2
X0=[a,b] b = 1.2852
a = 1.2832

Ventajas y desventajas del Mtodo de Posicin Falsa

mtodo de biseccin (o Regula Falsi)
La aproximacin xn a la raz es el punto de interseccin de la recta
Ventajas: que pasa por los puntos (a,f(a)) y (b,f(b)) con el eje x
El error =| - xn |, se acota fcilmente ya que y
f(x)
| - xn | (b-a) / 2 n , previendo la cantidad de iteraciones Al reemplazar la curva por
necesarias, n ( log (b-a ) - log ( )) / log ( 2 ) f(b) . una recta se obtiene una
Siempre converge. "posicin falsa" de la raz.

Es til para acotar el intervalo en que se encuentra la raz. a xi Tambin se le conoce como
Desventajas con respecto a otros mtodos: f(xi)
* b x
mtodo de Interpolacin
Lineal Inversa.
No tiene en cuenta la magnitud de los valores de la funcin en
las aproximaciones calculadas, slo tiene en cuenta el signo de f(a) .
f(xn), lo que hace que buenas aproximaciones intermedias pasen
desapercibidas. ( x a) ( b a ) * f (a ) a * f ( b ) b * f (a )
f ( x ) = f (a ) + (f (b ) f (a )) , Si f(x i ) = 0 xi = a =
Su convergencia es muy lenta. (b a) f ( b ) f (a ) f ( b ) f (a )
14444244443
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 4/9

Proceso mtodo regula falsi o Ventajas y desventajas del

Interpolacin Lineal Inversa mtodo de regula falsi
f(x) = cos(x)+1-x
Resultados Ventaja
3 Converge ms rpido que biseccin
2 a = -2 , b = 3
Desventaja, con respecto al mtodo de Biseccin
1
a = 0.3178
La longitud del sub-intervalo que contiene a la raz en general
0
a = 1.2649 no tiende a cero, porque la mayora de las grficas de las
-1 funciones son cncavas en la vecindad de la raz, lo que hace
b = 1.2857
-2
que uno de los extremos de los sub-intervalos se aproxime a la
a = 1.2834 raz, mientras el otro permanece fijo.
-3

b = 1.2834 No se puede prever el nmero de iteraciones necesarias.

-4
-2 -1 0 1 2 3 4 5

a a b

Comando fzero de Matlab Problemas de los

Combina la confiabilidad de biseccin con la velocidad de
mtodos cerrados
convergencia de la interpolacin linear inversa y la interpolacin
cuadrtica inversa. Necesidad de conocer dos valores iniciales que encierren a la
raz.
[ X , FVAL , EXITFLAG] = FZERO ( FUN, X0 , OPTIONS , P1 , P2 ,...) En los extremos del intervalo la funcin debe tener signos
opuestos. No permite encontrar races que corresponden al
X Ultima aproximacin a la raz mximo o mnimo de una funcin.
FVAL Funcin evaluada en X
EXITFLAG > 0. Indica que encontr la raz, < 0 no En el intervalo puede existir ms de una raz (nro. impar).
FUN Funcin en lnea o llamada a una funcin (@) Difcil de diferenciar entre dos races muy cercanas.
X0 - Si es un escalar, busca un intervalo vlido alrededor de X0.
- Si es un vector de 2 valores, los considera como extremos Debido a errores de redondeo, particularmente cuando se est
del intervalo que contiene la raz. cerca de la raz, puede cambiar el signo de f(x).
OPTIONS Opciones . Optimset ('disp','iter') muestra resultados y Necesitan de muchas iteraciones hasta llegar a la precisin
detalle de las iteraciones deseada.

ltima actualizacin: 28/08/2013

 Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales 5/9

Mtodos abiertos Mtodo del punto fijo o de las

aproximaciones sucesivas
Los mtodos abiertos requieren de un solo valor inicial (no de un Dada una ecuacin f(x) = 0, si se puede transformar en otra
intervalo). equivalente (al menos localmente) del tipo x = g(x) para alguna
Como no hay un intervalo que encierre a la raz; algunas veces funcin g(x)
las sucesiones generadas por estos mtodos son divergentes Si es raz de f(x)
(condiciones de convergencia). 0.5

b
f() = 0 f(x)=x+cos(x2)
Se pueden alejar de la raz de inters (van probablemente a otra

raz). = g() 0

Tienen la ventaja que cuando convergen lo hacen "ms y=x
rpidamente" que las sucesiones generadas por los mtodos -0.5

Y
Un nmero tal que
cerrados. = g() se dice un g(x)=-cos(x2)
Necesidad de intervencin del usuario (o de procesamiento punto fijo de la -1

simblico) para despejes y clculo de derivadas. funcin g(x).

a
-1.5
-1.5 -1 -0.5 0 0.5
a X b

Criterio de Convergencia del

Teorema del punto fijo Mtodo del punto fijo
Por teorema del valor medio (Lagrange) Dado un intervalo [xi, xi-1], existe al menos un punto en
Si g(x) es una funcin continua en [a, b] y 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(x) [a, b] para todo x [a, b], g(xi) - g(xi-1) = g()(xi-xi-1) [xi, xi-1] 0.5

entonces g(x) tiene por lo menos un punto Por teorema del punto fijo xn = g(xn-1) 0
g()
fijo en [a, b] . xi+1-xi = g()(xi-xi-1) |xi+1-xi| = |g()| |xi-xi-1| -0.5
g(x)
suponiendo g() acotada, |g()| K -1
o

Si adems, g(x) existe para todo x [a, b] y K<1 |g( )| <1 -1.5

|g(x)| K < 1 para todo x [a, b] , K constante, |x2-x1| K |x1-x0| -2

entonces g(x) tiene un nico punto fijo en [a, b] . |x3-x2| K |x2-x1| K (K |x1-x0|) K2 |x1-x0| -2.5
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1

|x4-x3| K |x3-x2| K (K2 |x1-x0|) K3 |x1-x0|

El mtodo de punto fijo para encontrar una raz de la ecuacin ... |xi+1-xi| Ki |x1-x0| y para que |xi+1-xi| 0 debe Ki 0
x = g(x), consiste en generar una sucesin {xn}n que se define ln( ) - ln( x1 - x 0 )
i) = x n K n x1 x0 , para cada n 0 n
mediante la frmula de iteracin: xn = g(xn-1), que converge a ln(K)
cualquiera sea x0 [a, b]. ln( ) - ln(m)
ii) = x n K max {x0 a, b x0 }, para cada n 0 n
n
144424443 ln(K)
La funcin g(x) se denomina funcin de iteracin de punto fijo. m

K
iii) = x n x n x n 1 , para cada n 1 con K = max(g' (x)) en [a, b]
1K

ltima actualizacin: 28/08/2013

 Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales 6/9

Convergencia del Ejemplos Convergencia del

Mtodo del punto fijo Mtodo del punto fijo
0.5
b

f(x)=x+cos(x2)
x1 x3 x4x2 x0
0
|g(x)| <1

y=x
-0.5 Converge g(x) > -1 Converge g(x) < 1
Y

g(x)=-cos(x2)
-1

|g(x)| <1
a

-1.5
-1.5 -1 -0.5 0 0.5
a X b
Diverge g(x) > 1 Depende del valor inicial

Ejemplo Orden de Convergencia

de punto fijo
f(x) = cos(x)+1-x x = cos(x)+1 Resultados 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.
x0=1.5, tolx=0.0001 1.5
( xi x i 1 )2 ( x x i 1 )3
1.0707 g ( xi ) = g ( xi 1 ) + g '( xi 1 )( xi x i 1 ) + g ''( x i 1 ) + g '''( xi 1 ) i +L
6 2! 3!
1.4795 es decir
4 x 1.0912 ( xi x i 1 )2 ( x x i 1 )3
1.4614 g ( xi ) g ( x i 1 ) = g '( xi 1 )( xi x i 1 ) + g ''( x i 1 ) + g '''( x i 1 ) i +L
2 2! 3!
g (x) 1.1092 como x i +1 = g ( x i ), x i = g ( x i 1 ) y E i +1 = x i +1 x i
0 1.4454 ( xi x i 1 )2 ( x x i 1 )3
x i +1 x i = g '( x i 1 )( x i xi 1 ) + g ''( x i 1 ) + g '''( x i 1 ) i +L
g '(x) 1.1250 2! 3!
-2 2 3
f(x) 1.4311 E i +1
E E
= g '( x i 1 )E i + g ''( x i 1 ) i + g '''( xi 1 ) i + L
-4 1.1392 2! 3!
-2 0 2 4
1.1392 Si g(x) 0 convergencia lineal. O(h)
f (1.1392) = 0.2791 ? g(1.57)= -1 =1.2834 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 7/9

Ventajas y desventajas
del mtodo de punto fijo
Mtodo de Newton-Raphson
Dada una funcin f que satisface la hiptesis general en un
Ventajas:
intervalo [a, b] y un valor inicial x0 [a, b] "cercano" a la raz.
Simple
Posee condiciones para asegurar la convergencia. El mtodo de Newton-Raphson consiste es trazar una recta
Es condicin necesaria que |g'(x)| <1 en cercanas de la raz 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
Desventajas: corta al eje x, es decir el punto (x1, 0)
La convergencia depende de la magnitud de g(x).
f(x 0 ) 0 f ( x0 )
Necesidad de construir funciones g(x) para iterar. Pueden se tiene que f' (x o ) = x1 = x 0
x 0 x1 f ' ( x0 )
existir diversas g(x), necesidad de encontrar la adecuada.
Se puede emplear un mtodo sistemtico para construir las y en general, para cada n 1
funciones.
f ( x n 1 )
g(x) = x - f(x) con = 1/ max (|f '(x)|) en [a,b]. x n = x n 1
f ' ( x n 1 )

Mtodo de Newton Convergencia del Mtodo Newton

y
f(x)
Usando polinomios de Taylor: El mtodo de Newton-Raphson converge como:
Sea x [a, b] con |x-| "pequeo". f( x ) cuando ms grande sea f (x)
| x n x n 1| = en la vecindad de la raz , "ms
f()=f(x)+f(x)(x- )+f()(x- )2/2! f' ( x )
f(x1)
x00
rpida ser la cconvergencia.

* x1 Si f() = 0
x

f(x0) . x = f(x) / f(x)

error = f ()(x- )2 / 2!
Condiciones suficientes para
prevenir divergencia
(convergencia cuadrtica)
O(h2) f(x) 0 en todo [a,b]
f ( x0 ) f (x )
tan( ) = f ' ( x 0 ) = x1 = x 0 ' 0 f(x) > 0 < 0 en todo [a,b]
x 0 x1 f ( x0 )
|f(h)| / |f(h)| b-a,
El mtodo de Newton-Raphson es un caso especial del mtodo h = x / f(x)
de iteracin de Punto Fijo, con g(x) = x- f(x) / f(x) f(x)= min {f(a),f(b)}

ltima actualizacin: 28/08/2013

 Mtodos Numricos Cap 3: Resolucin de ecuaciones no lineales 8/9

Velocidad de convergencia en
Ventajas y desventajas del
races mltiples
mtodo de Newton
Ventajas:
Orden de una raz:
Convergencia rpida. El mtodo de Newton converge
Si f(x) y sus derivadas f(x).f(M)(x) estn definidas y son cuadraticamente para races simples y linealmente para
continuas en un intervalo [a,b] que contiene a la raz races mltiples.
f(x) tiene una raz de orden M en si Encuentra races complejas (el valor inicial debe ser
f() = 0, f() = 0,, f(M-1)() = 0 y f(M)() 0. complejo)
f(x) = (x - )Mh(x) con h(x) 0.
Desventajas:
Frmula de iteracin de Newton acelerada para races Necesita calcular la derivada. (Mtodo de la secante).
mltiples: No se pueden prever la cantidad de iteraciones a partir de una
M * f ( xn 1 ) cota de error.
xn = xn 1
f '( xn 1 ) 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).

Mtodo de la secante
Convergencia del
El mtodo de Newton-Raphson para aproximar una raz simple
de una ecuacin f(x) = 0 , consiste en generar la sucesin {xn}n a Mtodo de la secante
partir de la frmula de iteracin y
f(x)
f ( x n 1 )
x n = x n 1 La frmula de iteracin coincide con el mtodo de la Regla
f '( x n 1 )
Reemplazando f(x) por su aprox. f(x2) Falsa.
x0 x1
f ( x n 1 ) f ( x n 2 ) * En el mtodo de la Regla Falsa los dos puntos deben
. x2 x
f '( x n 1 ) =
x n 1 x n 2 f(x1)
encerrar a la raz buscada y el mtodo siempre converge.
Se obtiene
x n = x n 1
.
f ( x n 1 )( x n 1 x n 2 ) f(x0)
En el mtodo de la Secante los dos puntos iniciales no
necesariamente encierran a la raz buscada lo que puede
f ( x n 1 ) f ( x n 2 ) 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 9/9

Races de Polinomios Eficiencia de los mtodos

Todo polinomio de grado n , tiene n races, las cuales pueden ser
reales o complejas, las races complejas siempre se presentan
Los mtodos numricos para hallar una raz de una ecuacin
como un par de races conjugadas. Las races reales pueden ser
f(x)= 0 consisten en generar una sucesin
mltiples.
Mtodo ms adecuado: Newton, la derivada de un polinomio es {xn} tal que lim xn =
n
fcil de obtener.
La eficiencia cada mtodo numrico depende de:
Todos los mtodos vistos permiten calcular una sola raz por vez.
Matlab calcula simultneamente todas las races de un polinomio Condiciones de convergencia: La caracterstica de la ecuacin
con la funcin roots([an, an-1,an-2,a0]) la cual calcula los en cercanas a la raz condiciona la eficacia del mtodo.
autovalores de Orden de convergencia: Velocidad de convergencia con la cual
la matriz compaera. a2 L
an a0
a1 a1 a1 la sucesin {xn}n converge a , O(hm).

a = diag (ones(1,n-2),-1) 1 0 0 0
Nmero n mnimo de iteraciones necesarias para que |xn-|<
a(1,:) = -c(2:n). / c(1) 0 O 0 M para algn >0 dado.
eig (a)
0 0 1 0 Cantidad de operaciones realizadas en cada iteracin.

ltima actualizacin: 28/08/2013