Nombre de la asignatura: Mtodos Numricos Carrera: Ingeniera Mecatrnica Clave de la asignatura: AEC-1046

Tema: 2 Races de ecuaciones 2.1 Mtodos de intervalos: Grficos, Biseccin y falsa posicin 2.2 Mtodos abiertos: Iteracin punto fijo, Mtodo de Newton Raphson y Mtodo de la secante. Mtodos para races mltiples. 2.3 Aplicaciones a la ingeniera mecnica

Nombre: Ruiz Hernndez Jos Manuel

NDICE
Mtodos de intervalos: Grficos, Biseccin y falsa posicin
MTODOS DE INTERVALOS MTODO DE BISECCIN MTODO GRFICO MTODO DE FALSA POSICIN

Mtodos abiertos: Iteracin punto fijo, Mtodo de Newton Raphson y Mtodo de la secante. Mtodos para races mltiples.
MTODO DE PUNTO FIJO EL MTODO DE NEWTON-RAPHSON. MTODO DE LA SECANTE RACES MLTIPLES.

MTODOS DE INTERVALOS
Los mtodos de los intervalos utilizn una propiedad muy importante, consistente en el hecho del cambio de signo de una funcin en inmediaciones de una raz. Se llaman mtodos de los intervalos porque se necesitan como mnimo dos valores que forman un intervalo que encierra la raz.

f(x)

+ f(x) + f(x) d a c - f(x) b e f x - f(x)

Grfica 2.1

En la grfica 2.1 se observa como la funcin cambia de +f(x) a - f(x), cuando pasa por la raz c .Esto ocurre porque f (c)= 0 y necesariamente la funcin pasa del cuadrante positivo al negativo de x. En algunos casos , que se vern ms adelante esto no ocurre as, por ahora se asumir como se ha mostrado. Los mtodos abiertos utilizan estos cambios de signo para poder ubicar el la raz (punto c), pero es necesario entonce establecer un intervalo (como el [a,b]). De igual manera sucede cuando la funcin pasa por el punto e, el cambio ocurre de -f(x) a + f(x), para hallar la raz el mtodo necesita un intervalo como el [d,f]. Los mtodos de Intervalos que se vern en la ctedra son: a. Mtodo Grfico b. Mtodo de Biseccin MTODO DE BISECCIN Este es uno de los mtodos ms sencillos y de fcil intuicin para resolver ecuaciones en una variable. Se basa en el Teorema de los Valores Intermedios (TVI), el cual establece que toda funcin continua en un intervalo cerrado . Esto es, que todo valor entre y toma todos los valores que se hallan entre es la imagen de al menos un valor en el y

intervalo

. En caso de que

tengan signos opuestos ( y , por lo que con certeza existe un en

), el

valor cero sera un valor intermedio entre que cumple de la ecuacin .

. De esta forma, se asegura la existencia de al menos una solucin

El mtodo consiste en lo siguiente: De antemano debemos estar seguros de la continuidad de la funcin en el intervalo . Luego verificamos que . Calculamos el

punto medio del intervalo . A continuacin calculamos . En caso de que sea igual a cero, ya hemos encontrado la raz buscada. En caso de que no lo sea, verificamos si tiene signo opuesto con o con . Se redefine el intervalo como o

segn se haya determinado en cul de estos intervalos ocurre un cambio de signo. Con este nuevo intervalo se contina sucesivamente encerrando la solucin en un intervalo cada vez ms pequeo, hasta alcanzar la precisin deseada. En la siguiente figura se ilustra el procedimiento descrito.

En la primera iteracin del algoritmo de biseccin, es claro que la raz se halla a una distancia menor o igual que intervalos de tamao iteracin, el nuevo intervalo mide menor o igual que , pues con toda seguridad la raz se encuentra en alguno de los dos , contiguos al punto medio del intervalo . En la segunda

y de nuevo la distancia entre el nuevo punto medio y es . Se forman as tres sucesiones de valores , y

, y puede mostrarse fcilmente por induccin que en la n-sima iteracin, al aproximar con se tiene que

De esta forma, si queremos estimar el nmero de iteraciones necesarias para que, al aproximar la solucin de la ecuacin mediante el punto medio, el error de aproximacin sea menor que un

parmetro

, de la desigualdad anterior se concluye que deben hacerse al menos . 1 iteraciones.

Por ejemplo, al aplicar el algoritmo de biseccin a una funcin queremos que el error de aproximacin sea menor o igual que nmero de iteraciones debe cumplir

en el intervalo , el

, si

por lo que deben realizarse al menos 16 iteraciones. Algoritmo Biseccin: Entrada: Una funcin continua opuestos. Parmetros: = Mximo nmero de iteraciones. = Nivel de precisin respecto a la solucin exacta. . Inicio . Defina .Mientras . Defina . Si . Salida: m. . Parar . Si . Incremente redefina . iteraciones". . De otra forma, redefina . : . , definida en un intervalo , con y de signos

. Salida: "El mtodo fracas despus de . Parar. MTODO GRFICO

Cada una de las ecuaciones que forman un sistema lineal de dos ecuaciones con dos incgnitas es la de una funcin de primer grado, es decir, una recta. El mtodo grfico para resolver este tipo de sistemas consiste, por tanto, en representar en unos ejes cartesianos, o sistema de coordenadas, ambas rectas y comprobar si se cortan y, si es as, dnde. Esta ltima afirmacin contiene la filosofa del proceso de discusin de un sistema por el mtodo grfico. Hay que tener en cuenta, que, en el plano, dos rectas slo pueden tener tres posiciones relativas (entre s): se cortan en un punto, son paralelas o son coincidentes (la misma recta). Si las dos rectas se cortan en un punto, las coordenadas de ste son el par (x, y) que conforman la nica solucin del sistema, ya que son los nicos valores de ambas incgnitas que satisfacen las dos ecuaciones del sistema, por lo tanto, el mismo es compatible determinado. Si las dos rectas son paralelas, no tienen ningn punto en comn, por lo que no hay ningn par de nmeros que representen a un punto que est en ambas rectas, es decir, que satisfaga las dos ecuaciones del sistema a la vez, por lo que ste ser incompatible, o sea sin solucin. Por ltimo, si ambas rectas son coincidentes, hay infinitos puntos que pertenecen a ambas, lo cual nos indica que hay infinitas soluciones del sistema (todos los puntos de las rectas), luego ste ser compatible indeterminado. El proceso de resolucin de un sistema de ecuaciones mediante el mtodo grfico se resume en las siguientes fases: Se despeja la incgnita y en ambas ecuaciones. Se construye, para cada una de las dos funciones de primer grado obtenidas, la tabla de valores correspondientes. Se representan grficamente ambas rectas en los ejes coordenados. En este ltimo paso hay tres posibilidades: Si ambas rectas se cortan, las coordenadas del punto de corte son los nicos valores de las incgnitas x e y. Sistema compatible determinado. Si ambas rectas son coincidentes, el sistema tiene infinitas soluciones que son las respectivas coordenadas de todos los puntos de esa recta en la que coinciden ambas. Sistema compatible indeterminado. Si ambas rectas son paralelas, el sistema no tiene solucin. Sistema incompatible. Veamos, por ltima vez, el ejemplo visto en los mtodos analticos para resolverlo grficamente y comprobar que tiene, se use el mtodo que se use, la misma solucin. recordemos de nuevo el enunciado: Entre Ana y Sergio tienen 600 euros, pero Sergio tiene el doble de euros que Ana. Cunto dinero tiene cada uno?. Llamemos x al nmero de euros de Ana e y al de Sergio. Vamos a expresar las condiciones del problema mediante ecuaciones: Si los dos tienen 600 euros, esto nos proporciona la ecuacin x + y = 600. Si Sergio tiene el doble de euros que Ana, tendremos que y = 2x. Ambas ecuaciones juntas forman el siguiente sistema:

x + y = 600

2x - y = 0 Para resolver el sistema por el mtodo grfico despejamos la incgnita y en ambas ecuaciones y tendremos:

y = -x + 600 y = 2x Vamos ahora, para poder representar ambas rectas, a calcular sus tablas de valores: y = -x + 600 x 200 600 y 400 0 y = 2x x 100 200 y 200 400

Con estas tablas de valores para las dos rectas y eligiendo las escalas apropiadas en los ejes OX y OY, podemos ya representar grficamente:

< =""> Si observamos la grfica, vemos claramente que las dos rectas se cortan en el punto (200, 400), luego la solucin del sistema es x = 200 e y = 400. Por tanto, la respuesta al problema planteado es que Ana tiene 200 euros y Sergio tiene 400 euros, es decir, el mismo resultado, evidentemente, que habamos obtenido con los tres mtodos analticos. MTODO DE FALSA POSICIN Es un mtodo iterativo de resolucin numrica de ecuaciones no lineales. El mtodo combina el mtodo de biseccin y el mtodo de la secante. Se busca una solucin de la ecuacin f(x) = 0, una raz de f. Como en el mtodo de biseccin, se parte de un intervalo inicial [a0,b0] con f(a0) y f(b0) de signos opuestos, lo que garantiza que en su interior hay al menos una raz (vase el teorema de Bolzano). El algoritmo va obteniendo sucesivamente en cada paso un intervalo ms pequeo [ak, bk] que sigue incluyendo una raz de la funcin f. A partir de un intervalo [ak, bk] se calcula un punto interior ck:

Dicho punto es la interseccin de la recta que pasa por (a,f(ak)) y (b,f(bk)) con el eje de abscisas (igual a como se hace en el mtodo de la secante). Se evala entonces f(ck). Si es suficientemente pequeo, ck es la raz buscada. Si no, el prximo intervalo [ak+1, bk+1] ser: [ak, ck] si f(ak) y f(ck) tienen signos opuestos; [ck, bk] en caso contrario.

Se puede demostrar que bajo ciertas condiciones el mtodo de la falsa posicin tiene orden de convergencia lineal, por lo que suele converger ms lentamente a la solucin de la ecuacin que el mtodo de la secante, aunque a diferencia de en el mtodo de la secante el mtodo de la falsa posicin siempre converge a una solucin de la ecuacin. El algoritmo tiene el inconveniente de que si la funcin es convexa o cncava cerca de la solucin, el extremo del intervalo ms alejado de la solucin queda fijo variando nicamente el ms cercano, convergiendo muy lentamente. Un ejemplo de este fenmeno se da en la funcin:

comenzando con [1,1]. El extremo izquierdo del intervalo, 1, nunca cambia; el extremo derecho se aproxima a 0 linealmente. La situacin en que el mtodo falla es fcil de detectar (el mismo extremo del intervalo se elige dos veces seguidas) y fcil de corregir eligiendo un ck diferente, como:

restndole peso a uno de los extremos del intervalo para obligar a que el prximo ck ocurra de ese lado de la funcin.

El factor 2 usado arriba, garantiza una convergencia superlineal (asintticamente, el algoritmo ejecuta dos pasos normales por cada paso modificado). Hay otras formas que dan incluso mejores tasas de convergencia. El ajuste mencionado arriba, y otras modificaciones similares se conocen como Algoritmo Illinois. Ford[1] resume y analiza las variantes superlineales del mtodo regula falsi modificado. A juzgar por la bibliografa, estos mtodos eran bien conocidos en los aos 1970 pero han sido olvidados en los textos actuales. 2.2 MTODOS ABIERTOS: ITERACIN PUNTO FIJO, MTODO DE NEWTON RAPHSON Y MTODO DE LA SECANTE. MTODOS PARA RACES MLTIPLES MTODO DE PUNTO FIJO Un punto fijo de una funcin , es un nmero tal que . El problema de encontrar las

soluciones de una ecuacin y el de encontrar los puntos fijos de una funcin son equivalentes en el siguiente sentido: dado el problema de encontar las soluciones de una ecuacin , podemos definir una funcin con un punto fijo de muchas formas; por ejemplo, . En forma inversa, si la funcin tiene un punto fijo en , entonces la funcin definida por posee un cero en . y genera una sucesin . A la funcin se le

El mtodo de punto fijo inicia con una aproximacin inicial

de aproximaciones la cual converge a la solucin de la ecuacin conoce como funcin iteradora. Se puede demostrar que dicha sucesin cuando Ejemplo .

converge siempre y

Usando el mtodo de punto fijo vamos a aproximar la solucin de la ecuacin dentro del intervalo . adecuada

Lo primero es buscar una funcin

Y claramente elegimos como funcin iteradora a

adems observe que

para toda convergente.

, lo cual garantiza que la sucesin que vamos a construir va a ser

La implementacin de este mtodo en Excel es realmente simple, como veremos. En la celda A5 escribimos nuestra aproximacin inicial, en este caso 2. En la celda A6 escribimos la frmula que calcular las aproximaciones:

Por ltimo arrastramos la celda A6 para generar las restantes aproximaciones. En la figura se muestran los resultados generados por este mtodo.

Iteracin de punto fijo. Una desventaja potencial del mtodo de punto fijo es que la eleccin de la funcin iteradora no siempre es fcil.

EL MTODO DE NEWTON-RAPHSON.

Si tenemos una funcin f(x) continua y cerca de una raz p. Si la derivada f(x) existe, entonces puede utilizarse para desarrollar algoritmos que produzcan sucesiones {pk} que converjan a p ms rpidamente que los algoritmos de biseccin. Consideremos el caso de una funcin como la que se muestra en la figura.

10

Dos iteraciones del mtodo de Newton. En estas figuras se muestra dos iteraciones del mtodo. En la figura de la izquierda mostramos la lnea recta que es tangente a la funcin f(x) (en negro), note que la lnea recta cruza el eje x en x = 1. A la derecha tenemos la segunda iteracin tomando como valor inicial x=1. Note como poco a poco se acerca a la solucin. La sucesin que nos lleva a la solucin esta dada por los puntos {p0, p1, p2, , pk}. La pendiente de la lnea recta es

m = (0 f(p0))/(p1 p0)

Por otro lado sabemos, del clculo diferencial, que la pendiente de la lnea tangente a una funcin es la primer derivada valuada en ese punto. As:

m = f(p0) Uniendo las ecuaciones tenemos f(p0) = (0 f(p0))/(p1 p0) p1= p0 - f(p0)/ f(p0) De manera iterativa podemos hacer p2= p1 - f(p1)/ f(p1) p3= p2 - f(p2)/ f(p2) pk+1= pk - f(pk)/ f(pk) Ejemplo. Hacer un algoritmo iterativo que permita hacer el clculo de la raz cuadrada de A.

11

Para este caso nuestra funcin a resolver es f(x) = x2-A. La solucin cuando f(x)=0 es x = A-0.5.

f(x) = x2-A f(x) =2 x

pk+1= pk - f(pk)/ f(pk) pk+1= pk - (pk-2-A))/(2 pk) pk+1=( pk + A/ pk)/2 Los clculos numricos suponiendo A=5 son:

k 0 1 2 3 4 5 6 7 8 9 10 Ejemplo

pk 2.0000 2.2500 2.2361 2.2361 2.2361 2.2361 2.2361 2.2361 2.2361 2.2361 2.2361

Calcular los ceros de la funcin x-cos(x) utilizando el algoritmo de regula falsi en el intervalo [0,1].

k pk 0 0.0000 1 1.0000

12

2 0.7504 3 0.7391 4 0.7391 5 0.7391 6 0.7391 7 0.7391

Mtodo de Newton Raphson para sistemas no lineales Consideremos el sistema

u = f 1 ( x, y ) v = f 2 ( x, y )
Utilizando la serie de Taylor podemos hacer una aproximacin lineal

u u0

f1 ( x0 , y0 ) f ( x , y ) * ( x x0 ) + 1 0 0 * ( y y 0 ) x y f ( x , y ) f ( x , y ) v v 0 2 0 0 * ( x x0 ) + 2 0 0 * ( y y 0 ) x y

Si escribimos el sistema original como una funcin vectorial V=F(X), entonces la matriz jacobiana J(x,y) es el anlogo bidimensional de la derivada. La aproximacin lineal queda como:

F = J ( x0 , y0 )x
donde

u u 0 f1 ( x, y ) f1 ( x0 , y0 ) F = = v v0 f 2 ( x, y ) f 2 ( x0 , y 0 )
Entonces nuestra formulacin bidimensional queda como:

f1 ( x0 , y0 ) x f 2 ( x0 , y0 ) x

f1 ( x0 , y0 ) x f1 ( x0 , y0 ) y = f 2 ( x0 , y0 ) y f 2 ( x0 , y 0 ) y

y la actualizacin de la variable la hacemos:

13

xk +1 = xk + xk yk +1 = yk + yk
Ejemplo. Resolver el siguiente sistema de ecuaciones dado por f1(x,y) = x2 2x y +0.5 f2(x,y) = x2 + 4y2 4 El jacobiano es

2 x 2 1 J ( x, y ) = 8 y 2x
Considerando como valores iniciales [0, 1] tenemos: Primer iteracin

2 1 x 0.5 = 0 8 y 0
cuya solucin es 0.25 y =0 x= y

x1 0 0.25 0.25 y = 1 0 = 1 1
Segunda iteracin

2.5 1 x 0.0625 0.5 8 y = 0.0625

cuya solucin es x= -0.0274 y y =0.0061

x1 0.25 0.0274 0.2260 y = 1 0.0061 = 0.9939 1

Las dems iteraciones la resumimos es:

k 0 1

x 0.0000 -0.2500

y 1.0000 1.0000

14

2 3 4 5 6 7

-0.2260 -0.2222 -0.2222 -0.2222 -0.2222 -0.2222

0.9939 0.9938 0.9938 0.9938 0.9938 0.9938

Desventajas del Mtodo de Newton. Aunque el mtodo de Newton-Raphson en general es muy eficiente, hay situaciones en que se comporta en forma deficiente. Un caso especial, races mltiples. Ejemplo. Determinar la raz de la funcin f(x) = x10 1.
Fnio fx =x uc n( ) 10 20
1 01

10 00

80 0

60 0 f(x) 40 0 20 0

-0 20 1 - .5 0 0 0 . 5 x 1 1 . 5 2

La solucin utilizando el mtodo de Newton queda:

xi +1 = xi

xi10 1 10 xi9

Y la solucin numrica es:

x 0.5000 51.6500

f(x) -0.9990

df(x) 0.0195

135114904483914000.0000 26159710451871000.0000

15

46.4850 41.8365 37.6529 33.8876 30.4988 27.4489 24.7040 22.2336 20.0103 18.0092 16.2083 14.5875 13.1287 11.8159 10.6343 9.5708 8.6138 7.7524

47111654129711500.0000 10134807815362300.0000 16426818072478500.0000 3926432199748670.0000 5727677301318310.0000 1997117586819850.0000 696351844868619.0000 242802875029547.0000 84660127717097.5000 29519161271064.1000 10292695105054.7000 3588840873655.1100 1251351437592.9200 436319267276.5290 152135121499.2910 53046236848.5329 18496079117.2577 6449184014.3077 2248691421.7628 784070216.9426 1521180282851980.0000 589336409039672.0000 228320999775654.0000 88456233382052.8000 34269757191973.2000 13276806089225.7000 5143706707446.1600 1992777367871.5700 772042782329.1500 299105192259.1190 115879479847.7330 44894084747.9692 17392888266.5936 6738361277.7304 2610579221.6818 1011391879.0870

MTODO DE LA SECANTE El principal inconveniente del mtodo de Newton estriba en que requiere conocer el valor de la primera derivada de la funcin en el punto. Sin embargo, la forma funcional de f(x) dificulta en ocasiones el clculo de la derivada. En estos casos es ms til emplear el mtodo de la secante. El mtodo de la secante parte de dos puntos (y no slo uno como el mtodo de Newton) y estima la tangente (es decir, la pendiente de la recta) por una aproximacin de acuerdo con la expresin:

Sustituyendo esta expresin en la ecuacin (29) del mtodo de Newton, obtenemos la expresin del mtodo de la secante que nos proporciona el siguiente punto de iteracin:

16

Representacin geomtrica del mtodo de la secante.

En la siguiente iteracin, emplearemos los puntos x1 y x2para estimar un nuevo punto ms prximo a la raz de acuerdo con la ecuacin (35). En la figura (8) se representa geomtricamente este mtodo. En general, el mtodo de la secante presenta las mismas ventajas y limitaciones que el mtodo de Newton-Raphson explicado anteriormente. RACES MLTIPLES. Una raz mltiple corresponde a un punto donde una funcin es tangente al eje x. Por ejemplo, una raz doble resulta de f(x) = (x-3)(x-1)(x-1) multiplicando trminos este polinomio luce como f(x) = x3 - 5x2 + 7x 3

En la siguiente figura podemos ver como la funcin toca tangencialmente el eje de la x, en el punto donde existe la raz doble.

f ( x ) = x 1 0

5 x

+ 7 x 3

6 fx ()

4 0

0 . 5

1 . 5

2 x

2 . 5

3 . 5

De la figura podemos ver algunos de los problemas asociados con races mltiples, dichos problemas son:

17

Dado que la funcin no cambia de signo, utilizar mtodos basados en intervalos, como son el mtodo de bisecciones, regula Falsi, etc. Otro problema es que cerca de la solucin, la derivada tiende a cero, lo cual provoca que en el algoritmo de Newton-Raphson tenga problemas de convergencia al tener una divisin por cero. Ralston y Rabinowitz (1978) proponen que se haga un pequeo cambio en la formulacin para que retorne la convergencia, as la formulacin para el mtodo de Newton-Raphson es
xi + = xi m 1 f ( xi ) f ' ( xi )

en donde m, es la multiplicidad de la raz. Para este caso ser necesario conocer a priori el nmero de races multiples. Otra alternativa propuesta por Ralston y Rabinowitz (1978) es la de definir una nueva funcin u(x), que es el cociente de la funcin y su derivada
u ( x) = f ( x) f ' ( x)

Se puede mostrar esta funcin tiene las mismas races que f(x) y que la multiplicidad de races no afectar. La formulacin del mtodo de Newton-Raphson es:
xi + = xi m 1 u ( xi ) u ' ( xi )

La derivada de u(x) es:

u ' ( x) = f ' ( x) f ' ( x) f ( x) f ' ' ( x) [ f ' ( x )] 2

Sustituyendo esta, tenemos la formulacin final del Mtodo de Newton-Raphson modificado.

xi + =xi 1

[ f ' ( xi )]2

f ( xi ) f ' ( xi ) f ( xi ) f ' ' ( xi )

Ejemplo. Hacer una comparacin entre el mtodo de Newton-Raphson y el mtodo de Newton-Raphson modificado, para encontrar las races del polinomio f(x) = x3 - 5x2 + 7x 3. Para nuestro calculo requerimos de: f(x) = x3 - 5x2 + 7x 3 f(x) =3 x2 - 10x + 7 f(x) = 6x 10 Primeramente resolvemos con x0 = 0. Newton-Raphson Newton-Raphson modificado

18

k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

xk 0 0.42857143 0.68571429 0.8328654 0.91332989 0.95578329 0.9776551 0.98876617 0.99436744 0.99717977 0.99858889 0.9992942 0.99964704 0.9998235 0.99991175 0.99995587 0.99997794 0.99998897 0.99999448

f(xk) -3 -0.83965015 -0.22859475 -0.06053668 -0.01567446 -0.00399668 -0.00100975 -2.54E-04 -6.36E-05 -1.59E-05 -3.99E-06 -9.97E-07 -2.49E-07 -6.23E-08 -1.56E-08 -3.89E-09 -9.74E-10 -2.43E-10 -6.09E-11

k xk 0 0 1 1.10526316 2 1.00308166 3 1.00000238

f(xk) -3 -0.02099431 -1.8964E-05 -1.1343E-11

La solucin con x0 = 4 Newton-Raphson k xk 0 4 1 3.4 2 3.1 3 3.00869565 4 3.00007464 f(xk) 9 2.304 0.441 0.03508572 2.99E-04 Newton-Raphson modificado k xk 0 4 1 2.63636364 2 2.82022472 3 2.96172821 4 2.99847872 f(xk) 9 -0.97370398 -0.5956347 -0.1472843 -6.08E-03

19

5 3.00000001 6 3

2.23E-08 -1.07E-14

5 2.99999768 6 3

-9.27E-06 -2.15E-11

20