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
-1.5
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
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
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.
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
-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
a a b
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
a
-1.5
-1.5 -1 -0.5 0 0.5
a X b
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
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
K
iii) = x n x n x n 1 , para cada n 1 con K = max(g' (x)) en [a, b]
1K
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
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 )
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.