Professional Documents
Culture Documents
Ejemplo de Biseccin 1
Si fuera el caso de la funcin
y la estudiamos en el intervalo
[a, b] = [4, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 2)*( f(5) = 1) = - 2<0
3 ) 3 ( ) (
2
x x f
Tabla de Resultados de Biseccin
n
a t b
f(a) f(t) f(b)
error
1 4.00 4.50 5.00 -2.000 -0.750 1.000 1
2 4.50 4.75 5.00 -0.750 0.063 1.000 0.5
3 4.50 4.63 4.75 -0.750 -0.359 0.063 0.25
4 4.63 4.69 4.75 -0.359 -0.152 0.063 0.125
5 4.69 4.72 4.75 -0.152 -0.046 0.063 0.0625
6 4.72 4.73 4.75 -0.046 0.008 0.063
7 4.72 4.73 4.73 -0.046 -0.019 0.008
Se us 2 decimales slo para
muestra; deben usarse 6 por lo
menos.
Es la figura vista paso a paso.1
Ejemplo de Biseccin 2 Hallar las raices
de la ecuacion exp(-x)-x=0
x=-3:0.001:3;
>> y=exp(-x);
>> z=x;
>> plot(x,y,x,z)
grid
>> axis([-3 3 -3 3])
biseccion(f,a,b,tol,n)
biseccion(' exp(-x)-x, 0,1 ,0.0001 ,30)
-3 -2 -1 0 1 2 3
-3
-2
-1
0
1
2
3
Ejercicios
Resolver las siguientes ecuaciones
a) exp(x) = 9 , b)sin(t) t 2 = 0,
c) x3 8x5 + 5x2 x + 9 = 0 ,
d) x exp(x) sin(x) + 3 = 0 ,
e) cos( t) 0.5 = 0 ,
Observacin: Este algoritmo de biseccin como se vio
es muy simple y manejable adems es robusto pues
siempre converge a una solucin, pero tiene en contra el
problema de que converge muy lentamente y el nmero
de iteraciones debe ser grande.
Teorema : Sea f C[a , b] y supongamos que f (a) f (b)<0.
El procedimiento de biseccin genera una sucesin {tn}
que se aproxima a t con la propiedad
Ejemplo:
Cuntas iteraciones son necesarias para resolver
f (t) = t3 + 4t2 10 = 0 con una precisin de =105
para a1 = 1 y b1 = 2 .
Solucin:
Debemos hallar n = N en la expresin:
Usando Logaritmos tenemos:
lo cual corresponde a un N mnimo n =17. En
conclusin 17 iteraciones.
Mtodo de las Cuerdas
o
Falsa Posicin
o
De las Proporciones
Mtodo de las cuerdas
El proceso es muy parecido al
anterior. La diferencia est en que
este por construccin camina
proporcionalmente hacia la raz a la
vez que va encajonandola:
Mtodo de las cuerdas
El proceso acercamiento a la Raz:
1ero. 2do.
El proceso acercamiento a la Raz
continuar hasta cumplir la
tolerancia:
o sea,
cuando
r E t t
n n
1
Si se tiene que , o
sea la funcin f es continua en el
intervalo [a, b], y si
entonces se tiene un punto
t ] a, b [ tal que f (t) = 0, este t se
consigue usando un algoritmo que
efecte lo visto en las figuras
anteriores:
] , [ b a C f
0 ) ( ) ( b f a f
Paso1: Definir f (x), // funcin continua en [a,b]
Paso2: Entrar a, b, error; r=a;// tolerancia
Paso3:
Paso4: if (f (t)*f (a)<0) { b=t; }
Paso5: en otro caso { a=t; }
Paso6: if abs(r - t)>error r=t; ir a 3
Paso7: Publicar t ; // como raz
Paso8: Parar.
) ( ) (
) (
a f b f
a b
a f a t
Ejemplo de Cuerdas
Si fuera el caso de la funcin
y la estudiamos en el intervalo
[a, b] = [3, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 3)*( f(5) = 1) = - 3<0
3 ) 3 ( ) (
2
x x f
Tabla de Resultados de Cuerda
Se us 2 decimales slo para
muestra; deben usarse 6 por lo
menos.
a t b f (a) f (t) f (b)
1
n n
t t
3.00 4.500 5.00 -3.000 -0.7500 1.00 1.5
4.50 4.714 5.00 -0.750 -0.0612 1.00 0.21429
4.71 4.730 5.00 -0.061 -0.0044 1.00 0.01649
4.73 4.732 5.00 -0.004 -0.0003 1.00 0.00119
Es la figura vista paso a paso.1
REGLAFA
ingrese la funcion asociada
f(x)= exp(-x)-x
limite inferior : 0
limite superior : 1
la raiz es = 0.56714338
-3 -2 -1 0 1 2 3
-3
-2
-1
0
1
2
3
x=-3:0.001:3;
>> y=exp(x)+2-x;
>> z=6-2*cos(x);
>> plot(x,y,x,z)
>> grid
Ejemplo: Hallar una raiz de : f(x)= exp(-x) +x-2
x=-3:0.001:3;
>> y=exp(-x);
>> z=2-x;
>> plot(x,y,x,z)
>> grid
-3 -2 -1 0 1 2 3
-5
0
5
10
15
20
25
REGLAFA
ingrese la funcion asociada f(x)= exp(-x)+x-2
limite inferior : 1
limite superior : 2
la raiz es = 1.84140561
Mtodo de las Newton
o
De las Tangentes
Mtodo de Newton
El proceso es que toma la direccin de
la recta tangente en un punto de la
funcin f hasta la interseccin con eje
x. Este ltimo punto es muy cercano al
de la raz. Si el mtodo se repite se
llega a la raz:
Mtodo de Newton
El proceso acercamiento a la Raz:
1ero. 2do.
El proceso acercamiento a la Raz
continuar hasta cumplir la
tolerancia:
o sea,
cuando
r E t t
n n
1
Supngase que la funcin f es
continuamente diferenciable dos veces
en el intervalo [a, b];
Sea tn [a,b] una aproximacin a t tal que
f(tn)0 y |tn-t| es pequeo.
Consideraremos la expansin de Taylor de
primer grado para f(t) alrededor de tn.
] , [
2
b a C f
Donde q(t) est entre t y tn. Como f (t) = 0 , la ecuacin
(1), con t = t , nos resulta:
Si suponemos que el error
es despreciable, o sea, tiende a cero ms rpidamente
que t.
Despejando t de esta ecuacin queda:
La cual es nueva y mejor aproximacin a t que tn .
Esto genera el mtodo de proceso iterativo tal que:
Ejemplo: Resolver por el mtodo de Newton la
siguiente ecuacin
Solucin:
Calculamos la derivada de f(t), o sea: f (t) = 2cos(t) 1.
Como en este caso particular conocemos el intervalo que
contiene la raz damos el punto medio, como la
primera aproximacin: t = 1.5.
x=-3:0.00001:3;
y=2*sin(x)-x;
plot(x,y)
grid
newton('2*sin(x)-x',1.5,0.000001,30)
El metodo tuvo exito despues de 5 iteraciones
Resultados obtenidos
i x_i f(x_i)
1.0000 2.0766 -0.3269
2.0000 1.9105 -0.0248
3.0000 1.8956 -0.0002
4.0000 1.8955 -0.0000
5.0000 1.8955 -0.0000
El metodo tuvo exito despues de
5 iteraciones
Resultados obtenidos
Problemas
1. Aproxime con 104 y 107 de precisin las races de
las siguientes ecuaciones en los intervalos dados:
2. Repita el ejercicio anterior pero en otro intervalo si es
posible.
3. Use el mtodo de Newton para resolver:
Paso1: Definir f (x), f (x),
// funcin continua en [a,b]
Paso2: Entrar x
0
, error; // tolerancia
Paso3:
Paso4: if abs(x
0
- t)>error; x
0
= t
ir a Paso3;
Paso5: Publicar t ; // como raz
Paso6: Parar.
) ( '
) (
0
0
0
x f
x f
x t
Ejemplo de Newton
Si fuera el caso de la funcin
y la estudiamos en el intervalo
[a, b] = [4, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 2)*( f(5) = 1) = - 2<0
3 ) 3 ( ) (
2
x x f
Tabla de Resultados de Newton
Se us 4 decimales slo para
muestra; deben usarse 6 por lo
menos.
n x
0
f (x
0
) f (x
0
) t
1
n n
t t
1 5.0000 1.0000 4.0000 4.7500 0.2500
2 4.7500 0.0625 3.5000 4.7321 0.01786
3 4.7321 0.0003189 3.4643 4.7321 0.000093
Es la figura vista paso a paso.1
Mtodo de la Secante
Mtodo de la Secante
Por definicin:
Tomando la aproximacin
Usando esta ltima frmula para f (tn1) en la
frmula de Newton resulta:
Esta ltima expresin es el mtodo de la SECANTE y
es de efectividad muy parecida al mtodo de Newton.
Proceso
El proceso es tomar dos puntos
muy cercanos para las x y sus
correspondientes ordenadas; es
de estas, de donde se traza un
secante en la f, esta secante es la
que se acerca a las raz en la
interseccin con eje x.
Mtodo de la secante
El proceso acercamiento a la Raz:
1ero. 2do.
El proceso acercamiento a la Raz
continuar hasta cumplir la
tolerancia:
o sea,
cuando
r E x x
n n
1
Si se tiene que , o
sea la funcin f es continua en el
intervalo [a, b], y si
entonces se tiene un punto
t ] a, b [ tal que f (t) = 0, este t se
consigue usando un algoritmo que
efecte lo visto en las figuras
anteriores:
0 ) ( ) ( b f a f
] , [ b a C f
Paso1: Definir f (x), // funcin continua en [a,b]
Paso2: Entrar x
0
, x
1,
error; // tolerancia
Paso3:
Paso4: if abs(x
1
- t)>error; x
0
= x
1
x
1
=
t, ir a Paso3;
Paso5: Publicar t ; // como raz
Paso6: Parar.
) ( ) (
) )( (
0 1
0 1 1
1
x f x f
x x x f
x t
Ejemplo de la Secante
Si fuera el caso de la funcin
y la estudiamos en el intervalo
[a, b] = [4, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 2)*( f(5) = 1) = - 2<0
3 ) 3 ( ) (
2
x x f
Tabla de Resultados de Secante
Se us 4 decimales slo para
muestra; deben usarse 6 por lo
menos.
x
0
x
1
f(x
0
) f (x
1
) t
1
x t
5.0000 4.9000 1.0000 0.6100 4.7436 0.1565
4.9000 4.7436 0.6100 0.04011 4.7326 0.01101
4.7436 4.7326 0.04011 0.001843 4.7321 0.0005302
Es la figura vista paso a paso.1
I teracin del Punto Fijo
Ejemplo: La funcin g(t) = t sin( t) , tiene exactamente
dos puntos fijos en el intervalo [0, 1], que son t = 0 o el
punto t = 1.
Explicando esta situacin es donde un punto tiene su
abscisa igual a la ordenada as: cuando t = 0 resulta el
punto (0, 0) y cuando t = 1 tenemos (1, 1).
El siguiente teorema da las condiciones suficientes
para la existencia de un punto fijo.
Por ejemplo el problema de la bsqueda de races f(x)=0
tiene soluciones que corresponden precisamente a los
puntos fijos de g(x)=x-f(x). La primera tarea es entonces
decir cundo una funcin tiene un punto fijo y cmo se
puede determinar los puntos fijos.
Teorema
Si g C[a, b] y g(x)[a, b] para toda x[a, b], entonces g
tiene un punto fijo en [a, b]. Si adems, g(x) existe en
(a, b) y /g(x)/ k < 1 para toda x[a,b[, (*) entonces,
g tiene un punto fijo nico t en [a, b].
Algoritmo de Punto Fijo
Paso 1: Define g(t) ,
Paso 2: Entramos a, b {Los extremos del intervalo [a, b]}
Entramos Err {Error de clculo o Tolerancia}
Entramos t0 {Entramos un valor t0 [a,b] como primer valor
de la raz}
Paso 3: Hacemos tn = t0
Paso 4: t = g(tn ) {Renovamos el t }
Paso 5: Si t tn < Err ir al paso ( 7) {Verificamos la tolerancia }
Paso 6: Si Paso (5) es falso hacer tn = t ir a paso (3)
Paso 7: Publicar la solucin: La raz = t
Paso 8: Parar.
Ejemplo:
Resolver por el mtodo de punto fijo o iteraciones
tn+1 = g(tn ) la siguiente ecuacin
Solucin: Pasamos a la forma tn+1 = g(tn ) haciendo:
g(t) = 2 sin(t) = t .
t=1:0.00001:2;
y=t;
z=2*sin(t);
plot(t,y,t,z)
grid
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
-5 -4 -3 -2 -1 0 1 2 3 4 5
-5
-4
-3
-2
-1
0
1
2
3
4
5
t=-5:0.00001:5;
y=t;
z=2*sin(t);
plot(t,y,t,z)
grid
Comparacin de los Mtodos Iterativos
El esfuerzo computacional para la ejecucin de cada uno
de los mtodos depende de varios factores, los ms
importantes son:
1. La complejidad de los clculos, sobre todo para la
derivada.
2. El nmero total de iteraciones
3. Condiciones para la convergencia
El mtodo de la biseccin y el mtodo de la posicin falsa
exigen pocas condiciones para garantizar la convergencia,
el inconveniente est en que el nmero de iteraciones
puede ser grande. Observe que su tasa de convergencia es
lineal.
Los mtodos de punto fijo generales son ms rpidos, pero
en contraparte exigen muchas hiptesis para la
convergencia.
El ms rpido es el mtodo de newton, pero requiere el
clculo de la derivada y demanda, al igual que los mtodos
de punto fijo, hiptesis rigurosas.
El mtodo secante puede ser prctico cuando el clculo de
la derivada es complicado, pero
no es tan rpido como el mtodo de Newton.
Se puede concluir que la eleccin del mtodo ms
eficiente depende de la ecuacin que se intenta resolver.
Cada mtodo tiene sus ventajas y desventajas.
Como un comentario adicional, despus de llevar al
computador cada uno de estos mtodos y
experimentarlos con diversos ejemplares, probablemente
el estudiante halle que las diferencias de tiempo de
ejecucin, entre un programa y otro, sea insignificante
cuando se aplica a la resolucin de una ecuacin, y ese
afn por buscar el mtodo ms rpido parecera no tener
sentido. Esa percepcin es equivocada, pues estos
mtodos deben verse como subrutinas de otros mtodos
iterativos ms sofisticados, para otro tipo de problemas,
donde la prdida de una fraccin de segundo retrasara
el desempeo del mtodo en su conjunto.
Se Termino
FIN.
HAGA TODO CON PAZ , AMOR Y
FRATERNALMENTE
El conocimiento es de la Inteligencia Csmica, o sea,
de toda la "Humanidad"
Que el Csmico te d 3 veces, lo que me deseas a M