ESOA Matemtica Aplicada a Sistemas de Tiempo Real

Unidad n 3: CEROS DE FUNCIONES SISTEMAS OPTIMOS

Profesor: Ing. Christian L. Galasso

1

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Bsqueda Binaria. Regula-Falsi. Mtodo de Newton-Raphson. Mtodo de la Secante.

Bibliografa: Mtodos numricos para ingenieros. 5 Edicin. Steven C. Chapra.

2

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodos cerrados Son aquellos mtodos que aprovechan el hecho de que una funcin cambia de signo en la vecindad de un raz (se denominan mtodos cerrados o de intervalos). Como su nombre lo indica, dichos valores iniciales deben encerrar, o estar a ambos lados de la raz. Los mtodo que veremos emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as converger a la respuesta correcta. Como prembulo veremos el mtodo grfico, que si bin no es un mtodo cerrado, es til para visualizar las propiedades de las funciones y el comportamiento de los diversos mtodos numricos.

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo grfico (No pertenece a los mtodos cerrados)

x F (x) -1,30685 -0,6137 -0,20824 0,07944 0,30258

Halle la raz de f (x) = Ln (x + 2) 2. Comenzamos por hacer una tabla. Luego graficamos la curva.

0 2 4 6 8

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Viendo el gfico se puede inferir que la raz se encuentra entre 5 y 5,5. Las tcnicas grficas tienen un valor prctico limitado, ya que no son precisas. Sin embargo los mtodos grficos se utilizan para obtener aproximaciones de la raz. Dichas aproximaciones se pueden utilizar como valores iniciales en los mtodos numricos que analizaremos ms adelante. En la siguiente figura se ilustran las formas generales en que puede ocurrir una raz en un intervalo preescrito por los lmites inferior xl y superior xu. Las figuras a y c muestran si f (xl) y f (xu) tienen el mismo signo, entonces no habr races dentro del intervalo o habr un nmero par de ellas. Las figuras b y d muestran que si la f tiene signos diferentes en los extremos, entonces habr un nmero impar de races dentro del intervalo.

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

La siguiente figura muestra excepciones a los casos generales mostrados anteriormente. En a se ve que pueden ocurrir races mltiples cuando la funcin es tangencial al eje X. En este caso aunque en los puntos extremos del intervalo la f tiene signo contrario, hay un nmero par de races en el mismo. En b la funcin es discontnua y nuevamente tenemos un nmero par de races aunque los signos de la f en los extremos sean distintos.

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de Biseccin (o Binario) Sea f (x) una funcin real y contnua, y [xl,xu] un intervalo del dominio de dicha funcin. Si f (xl) tiene signo contrario a f (xu), es decir f (xl) * f (xu) < 0; podemos afirmar que existe al menos una raz en (xl,xu). Los mtodos de bsqueda incremental aprovechan esta caracterstica localizando un intervalo donde la f cambie de signo. Una ves encontrado, comienza a dividir el intevalo en varios subintervalos. Se investiga c/u para encontrar el cambio de signo. El proceso se repite y la aproximacin a la raz mejora a medida que los subintervalos se hacen c/vez ms pequeos. El mtodo de biseccin, conocido tambin como de corte binario, de particin de intervalos o de Bolzano, es un tipo de bsqueda incremental en el que el intervalo siempre se divide a la mitad. Si la f cambia de signo sobre un intervalo, se evala el valor de la f en el punto medio. La posicin de la raz se determina situndola en el punto medio del subintervalo, dentro del cul a ocurrido el cambio de signo. El proceso se repite hasta obtener una mejor aproximacin. 7

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Resumen del algoritmo Paso 1: Elija valores iniciales inferior, xl , y superior, xu , que encierren la raz, de forma tal que la funcin cambie de signo en el intervalo. Esto se verifica comprobando que f (xl) * f (xu) < 0. Paso 2: Una aproximacin de la raz xr se determina mediante: x l x u xr = 2 Paso 3: Realice las siguientes evaluaciones para determinar en qu subintervalo est la raz: a) Si f (xl) * f (xr) < 0, entonces la raz se encuentra dentro del subintervalo inferior o izquierdo. Por lo tanto, haga xu = xr y vuelva al Paso 2. b) Si f (xl) * f (xr) > 0, entonces la raz se encuentra dentro del subintervalo superior o derecho. Por lo tanto, haga xl = xr y vuelva al Paso 2. c) Si f (xl) * f (xr) = 0, entonces la raz es igual a xr ; termina el clculo. 8

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Ejemplo 5.3 Pag 12: La fig muestra las primeras aproximaciones. Otro ejemplo: Emplee el mtodo de biseccin para encontrar la raz de la siguiente ecuacin: f (x) = Ln (x + 2) 2. Por observacin de la grfica sabemos que la raz est entre 4 y 6. Por lo tanto usaremos dicho intervalo para comenzar a aproximar. Arme una tabla 9 con los valores de iteracin, el error verdadero y el aproximado.

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Criterios de parada y estimacin de errores El t se desconoce, ya que si se conociera el valor de la raz, para que calcularla. Se hace necesario estimar el error de forma tal que no se necesite conocer previamente el valor de la raz. En el ejemplo anterios vimos que a > t siempre, esto nos da la confianza de que cualquier criterio que establezcamos con a se cumplira mucho ms en t . x Observe que la distancia entre el valor verdadero de la raz y el punto medio del Intervalo nunca es mayor que: x/2. a =

xr

nuevo

x r

anterior

nuevo r

100 %

10

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Criterios de parada y estimacin de errores Debido a que x/2 = xrnuevo xranterior (Figura) la ecuacin vista proporciona un lmite superior exacto del error verdadero. Para que se rebase este lmite, la raz verdadera debe estar fuera del intervalo; lo cul no es posible en el mtodo de la biseccin.

11

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Criterios de parada y estimacin de errores Errores en el mtodo de biseccin. Los errores verdadero y aproximado se grafican contra el nmero de Iteraciones. Ejemplo: Realice las grficas comparativas del error del ejemplo anterior.

12

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la falsa posicin (Regula falsi) El mtodo de la biseccin es relativamente ineficiente. La falsa posicin es una alternativa basada en un visualizacin grfica. Un inconveniente del mtodo de biseccin es que al dividir el intervalo en mitades iguales, no se toman en consideracin las magnitudes de f (xl) y f (xu). Por ejemplo, si f (xl) est mucho ms cercana a cero que f (xu), es lgico que la raz se encuentre ms cerca de xl , que de xu (figura). Un mtodo alternativo que aprovecha esta visualizacin consiste en unir f (xl) y f (xu) con una recta. La interseccin de la recta con el eje X, representa una mejor aproximacin de la raz; de aqu el nombre de mtodo de la falsa posicin.

13

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

14

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la falsa posicin (Regula falsi) Usando semejanza de tringulos, la interseccin de la lnea recta con el eje X se estima mediante: f x l f xu f x u x l x u = Ec 5.6 ; despejamos x r x r = x u Ec 5.7 x r x l x r x u f x l f x u

15

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la falsa posicin (Regula falsi) Ejemplo: Realice el mismo ejemplo desarrollado por mtodo de la biseccin y compare resultados. Aunque el mtodo de la falsa posicin parecera ser siempre la mejor opcin entre los mtodos cerrados, hay casos donde funciona de manera deficiente. Ejemplo 5.6 pag 136: Con los mtodos de la falsa posicin y de biseccin localice la raz de: f (x) = x10 1; entre x = 0 y 1,3. Forme una tabla con las iteraciones, errores y valores. Dibuje tambin la grfica de errores (tanto del mtodo de la biseccin como del mtodo de la falsa posicin) Vs. Iteraciones, en una nica grfica. Conclusiones.

16

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la falsa posicin (Regula falsi) El 2 ejemplo ilustra que, comnmente,no es posible realizar generalizaciones con los mtodos de obtencin de races. Se puede apreciar tambin una importante deventaja del regula falsi: su unilateralidad. Es decir, conforme avanzan las iteraciones, uno de los puntos limitantes del intervalo tiende a permanecer fijo. Esto puede llevar a una mala convergencia, especialmente en funciones con una curvatura importante. Falsa posicin modificada La forma de disminuir la naturaleza unilateral de la falza posicin consiste en obtener un algoritmo que detecte cuando se estanca uno de los lmites del intervalo.

17

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Falsa posicin modificada La forma de disminuir la naturaleza unilateral de la falza posicin consiste en obtener un algoritmo que detecte cuando se estanca uno de los lmites del intervalo. Si ocurre esto, se divide a la mitad el valor de la funcin en el punto de estancamiento. En resumen:

Si xu se repite mas de 2 veces f (xu) = f (xu)/2. Si xl se repite mas de 2 veces f (xl) = f (xl)/2.

Como ejemplo realizaremos el ejercicio anterior, en el cul vimos que el mtodo de la falsa posicin converga mucho ms lentamente que el de la biseccin. Conclusiones.

18

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Bsquedas por incrementos y determinacin de valores iniciales Adems de verificar una respuesta individual, se debe determinar si se han localizado todas las races posibles. Como se mencion, por lo general una grfica de la funcin ayudar a realizar dicha tara. Otra opcin es incorporar una bsqueda incremental al inicio del programa. Esto consiste en empezar en un extremo del intervalo de inters y realizar evaluaciones de la funcin con pequeos incrementos a lo largo del intervalo. Si la f cambia de signo, se supone que la raz est dentro del incremento. Los valores de x, al principio y al final del incremento, pueden servir como valores inciales del intervalo.

19

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Bsquedas por incrementos y determinacin de valores iniciales Un problema potencial de los mtodos de bsqueda por incremento es el de escoger la longitud del incremento. Longitudes grandes, pueden hacer que raices prximas entre s pasen inadvertidas. El problema se complica an ms con la existencia de races mltiples. Un remedio parcial consiste en calclar f ' al inicio y al final de c/intervalo. Cuando la derivada cambia de signo, puede existir un mx o un mn en ese intervalo, lo que sugiere una bsqueda ms minuciosa para detectar una posible raz. Si bien todas estas tcnica automticas ayudan, no son infalibles y ser necesario complemnetarlas con cualquier otra informacin que d idea de la localizacin de las races; como por ejemplo, graficar la funcin o entendiendo el problema fsico de donde proviene la ecuacin.

20

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodos abiertos En los mtodos cerrados vistos, la raz se encuentra dentro de un intervalo predeterminado por un lmite inferior y otro superior. La aplicacin repetida de estos mtodos siempre genera aproximaciones c/v ms cercanas a la raz. Se dice que tales mtodos son convergentes porque se acercan progresivamente a la raz a medida que se avanza en el clculo. En contraste los mtodos abiertos que se describirn acontinuacin se basan en frmulas que requieren un nico valor de inicio x o un par de valores pero que no necesariamente tiene que encerrar a la raz. stos, algunas veces divergen o se alejan de la raz verdadera, a medida que avanzan. Sin embargo, cuando los mtodos abiertos convergen, en general lo hacen mucho ms rpido que los mtodos cerrados. Vamos a empezar con un mtodo simple que ser til para ilustrar su forma general y tambin para mostrar el concepto de convergencia.

21

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodos abiertos

22

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Iteracin simple de punto fijo Los mtodos abiertos emplean una frmula para predecir la raz. Esta frmula puede desarrollarse como una iteracin simple de punto fijo (tambin llamada iteracin de un punto o sustitucin sucesiva o mtodo de punto fijo), al arreglar la ecuacin f (x) = 0 de tal modo que x est del lado izquierdo de la ecuacin: x =g x Ec 6.1 Esta transformacin se realiza mediante operaciones algebraicas o simplemente sumando x a c/lado de la ecuacin original. Por ejemplo: x 2 3 x 2 x 3=0 se arregla para obtener x = 2 Otro ejemplo:
2

sin x =0 se arregla para obtener x = sin x x

23

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Iteracin simple de punto fijo La utilidad de la Ec 6.1 es que proporciona una frmula para predecir un nuevo valor de x en funcin del valor anterior de x. De esta manera, dado un valor inicial para la raz xi, la ecuacin Ec 6.1 se utiliza para obtener una nueva aproximacin xi+1 , expresada por la frmula iterativa. x i 1=g x i Ec 6.2 Como otras frmulas iterativas, el error aproximado se calcula como: x i 1x i a = 100 % x i 1

Ejemplo: Use iteracin simple de punto fijo para localizar la raz de

f (x) = e - x x ; tomando como valor inicial Xi = 0 y calculando hasta un a menor al 1%.

24

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Convergencia Si observamos el error relativo porcentual verdadero en c/iteracin del ejemplo anterior, veremos que estan relacionados por un factor de 0,5 a 0,6 del error anterior. Esta propiedad, conocida como convergencia lineal, es caracterstica de la iteracin simple de punto fijo. Adems dela velocidad de convergencia, en este momento debemos enfatizar la posibilidad de convergencia. Los conceptos de convergencia y divergencia se pueden ilustrar grficamente. Anteriormente se grafic una f para visualizar su estructura y comportamiento. Ese mtodo se emplea en la figura 6.2 a para la funcin f (x) = e - x x. Un mtodo frfico alternativo consiste en separar la ecuacin en 2 partes, graficando c/parte por separado, figura 6.2 b.

25

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Convergencia

Fig 6.2 a: f (x) = e - x x.

Fig 6.2 b: f1 (x) = x , y f2 (x) = e - x .

26

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Convergencia Representacin grfica en a y b, de la convergencia; en c y d de la divergencia. Las grficas a y c tienen un comportamiento montono mientras que b y d tienen un comportamiento oscilatorio o en espiral. note que la convergencia se obtiene cuando: |g '(x)| < 1.

27

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de Newton Raphson Una de las frmulas ms utilizadas par localizar races es la de Newton Raphson. La siguiente figura es un esquema del clculo que realiza la frmula.

28

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de Newton Raphson Si el valor inicial para la raz es xi, entonces se puede trazar una tg esde el punto [ xi ,f (xi) ] de la curva. Por lo comn, el punto donde sta tg cruza al eje X representa una aproximacin mejorada de la raz. f x i 0 f xi f ' xi = despejamos y obtenemos x i 1 = x i Ec 6.6 x i x i 1 f ' x i La Ec. 6.6 se conoce como frmula de Newton Raphson. Ejemplo: Utilice el mtodo de Newton Raphson para calcular la raz de f (x) = e - x x empleando como valor inicial x0 = 0.

29

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Criterio de terminacin y estimacin de errores Como en los mtodos anteriores se utiliza la ecuacin: x i 1x i a = 100 % x i 1

El anlisis del error del mtodo de Newton Raphson, puede realizarse a partir de la expansin de la serie de Taylor.

30

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Desventajas del mtodo de Newton Raphson Aunque en gral. el mtodo es muy eficiente, hay situaciones donde se comporta de manera deficiente. Por ejemplo en el caso especial de las races mltiples. Sin embargo, tambin cuando se trata de races simples, se pueden encontrar dificultades, esta situacin se ilustra en el siguiente ejemplo: Ejemplo: Determine la raz positiva de f (x) = x10 1, usando el mtodo de Newton Raphson y un valor inicial de x0 = 0,5 .

31

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Desventajas del mtodo de Newton Raphson Luego de la primera prediccin deficiente, la tcnica converge a la raz verdadera, 1, pero muy lentamente. En la figura vemos otros casos donde se presentan dificultades en la convergencia del mtodo. Concluimos que no hay un criterio gral. de convergencia para el mtodo Newton Raphson. Su convergencia depende de la naturaleza de la funcin y de la exactitud del valor inicial.

32

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Desventajas del mtodo de Newton Raphson La nica solucin en estos casos es tener un valor inicial que sea suficientemente cercano a la raz. Y para algunas funciones, ningn valor inicial funcionar. Los buenos valores iniciales por lo comn se predicen con un conocimiento del problema fsico o mediante el uso de recursos alternativos, tales como grficas. A la luz de este anlisis, el programa se podra mejorar incorporando algunas consideraciones adicionales, como que al final de los clculos se necesitar sustituir siempre la raz final calculada en la funcin original, para determinar si el resultado se acerca a 0. Esta prueba protege el desarrollo del programa contra aquellos casos en los que se presenta convergencia lenta u oscilatoria, la cul puede llevar a valores pequeos de a, mientras que la solucin an est muy lejos de una raz. Deber alertar al usuario cuando f ' (x) = 0, para no realizar la divisin; etc.

33

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la secante Un problema potencial en la implementacin del mtodo de Newton Raphson es la evaluacin de la derivada. Esto no es un incon_ veniente para los polinomios, ni para muchas otras f; pero existen f cuyas derivadas en ocasiones son muy difciles de calcular. En dichos casos la derivada se puede aproximar mediante una diferencia finita dividida hacia atrs, como: f x i 1 f x i f ' x i x i 1 x i

34

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la secante Como puede observarse, esta tcnica es similar a la anterior, en el sentido de que una aproximacin de la raz se predice extrapolando una tg de la f al eje X. Sin embargo, el mtodo de la secante usa una diferencia dividida en lugar de una derivada para estimar la pendiente. Reemplazando la expresin anterior en la Ec. 6.6 , obtenemos: f x i x i 1x i x i 1 = x i Ec 6.7 f x i 1 f x i La Ec. 6.7 es la frmula del mtodo de la secante. Observe que el mtodo requiere de dos valores iniciales de x. Sin embargo, debido a que no se necesita que f (x) cambie de signo entre los dos valores dados, este mtodo no se clasifica como un mtodo cerrado. Ejemplo: Utilizando el mtodo de la secante para calcule la raz de f (x) = e - x x, empleando como valores iniciales x-1 = 0 y x0 = 1.

35

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Diferencia entre el mtodo de la secante y el de la falsa posicin Si bin las ecuaciones del mtodo de la falsa posicin y del mtodo de la secante, son idnticas; ambas usan dos valores para calcular la aproximacin de la pendiente de la funcin que se utiliza para proyectar hacia el eje x una nueva aproximacin de la raz. Sin embargo, existe una diferencia significativa en la forma en que uno de los valores iniciales se reemplaza en la nueva aproximacin. Mientras en la falsa posicin, la ltima aproximacin de la raz reemplaza cualquiera de los valores iniciales que d un valor de la funcin con el mismo signo que f (xr); en el mtodo de la secante se reemplazan los valores en secuencia estricta: con el nuevo valor xi+1 se reemplaza a xi y xi reemplaza a xi-1. En consecuencia, algunas veces los dos valores estn del mismo lado de la raz. En ciertos casos esto puede llevar a divergencias; esto nunca ocurre en el mtodo de la falsa posicin.

36

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Diferencia entre el mtodo de la secante y el de la falsa posicin

37

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Diferencia entre el mtodo de la secante y el de la falsa posicin Ejemplo: Utilice los mtodos de la secante y de la falsa posicin para calcular la raz de f (x) = ln x. Empiece los clculos con los valores iniciales xl = xi-1 = 0 y xu = xi = 5 . Mtodo de la secante modificado En lugar de usar dos valores arvitrarios para aproximar la derivada, un mtodo alternativo considera un cambio fraccionario de la variable independiente para estimar f '(x), donde es un pequeo cambio fraccionario. Esta aproximacin se sustituye en la Ec. 6.6 quedando de la siguiente forma: f x i x i 1 = x i Ec 6.8 f x i x i f x i

38

ESOA

Unidad n 3: CEROS DE FUNCIONES - SISTEMAS OPTIMOS

MASTR

Mtodo de la secante modificado Ejemplo: Con el mtodo de la secante modificado estime la raz de f (x) = e - x x. Use un valor de 0,01 para y comience con x0 = 1. Una correcta eleccin de es fundamental para llegar a un resultado coherente.

39

Fin Unidad N3

Todas las cosas me son lcitas, mas no todas convienen; todas las cosas me son lcitas, mas yo no me dejar dominar de ninguna. Ap.Pablo.

40