Solucin de Ecuaciones (Races de Ecuaciones)

ax 2 + bx + c = 0 x1, 2 = b b 2 4ac 2a

CASO GENERAL:
f () = 0

f()

f()

f()

x 1 Raz Mltiples Races x Ninguna x

METODO DE SUCESIVAS SUSTITUCIONES

f () = 0 x = F ()

F()

f()

y y=x F(x)

F(x2 )

F(x1)

x4 x3

x2

x1

x1, x 2, x 3, x 4 sucesin convergente a con el ALGORITMO x1 = F (x 1-1)

Pero no siempre converge.

y en la lnea Roja se aleja cada vez mas de la raz.

x4 x2 x1 x3

Condicin de Convergencia y y= F () X2 < x2 x1 F( x2) = 0

F() y= F() = -1 |F()| = 1

Como condicin de convergencia F(x)x= < 1

Esta condicin establece adems la velocidad de convergencia, dada por el nmero de iteraciones necesarias para obtener la raz ya que si F(x)x= < 1 la convergencia es mas rpida.

En consecuencia para el mtodo de iteraciones sucesivas es muy importante la formacin de la Funcin F () en la ecuacin x= F () en la ecuacin x= F(x); de las mltiples opciones que pueden existir.

Mtodo de la Tangente o de Newton

Es otro mtodo que aproxima el valor de una raz de una ecuacin. El mtodo consiste en empezar con un x1, valor de x1 (cercano a la raz) y trazar la tangente en el punto (x1, f(x 1)) para obtener la aproximacin, o valor de x siguiente, en la interseccin de la tangente trazada con el eje x. y
f(x) (x 1 , f(x 1 ))

tg a f (x) en (x 2 ,f(x 2 )) Tangente a f(x) en (x 1 , f (x 1 )) x3 x2 x2 x1

Y luego continuar con el mismo procedimiento para obtener la serie de valores x2, x 3 .....que tienden a . Desarrollo analtico y f () B

f (1)

C
x2

x1

Consideremos al tringulo ABC donde tg = Pero tg = (

df ( x ) f ( x1 ) ) x = x1 = f ' ( x1 ) = dx x1 x 2 f ( x1 ) f ' ( x1 ) f ( x2 ) f ' ( x2 ) f ( xk 1 ) f ' ( xk 1 )

AB f ( x1 ) = BC x1 x 2

De donde x2 = x1

Similarmente x3 = x2 O en general

xk = xk 1

Que representa el algoritmo iterativo que provee los xk , que convergen a la raz, en funcin del valor anterior del valor de la funcin en el punto anterior y del valor de la tangente en el punto anterior.

FALLAS DEL METODO DE NEWTON Cabe preguntarse si el mtodo de la tangente o de Newton para resolucin de ecuaciones converge siempre o en otras palabras encuentra la raz buscada en todos los casos. La respuesta es NO. y
f ()

x2
x x x1 x

Veamos por que: El mtodo de Newton se puede analizar como un caso de iteraciones sucesivas donde xk= F(xk-1) y el factor de convergencia |F(x)| x=<1 En este caso F ( x) = x
f (x ) f ' ( x)

Donde el valor asinttico de convergencia

(x f ( x) )' ' <1 f ' ( x ) x = f (x ) f ' ( x) f ' ( x) f ( x) f ' ' ( x) f (x ) f ' ' (x ) )' = (1 ) = (1 1 ) 2 f ' ( x) ( f ' ( x )) ( f ' ( x)) 2

(x

f ( x) f ' ' ( x) f () f ' ' () <1 <1 2 2 f ' ( x) ( f ' ( )) x=

Condicin suficiente pero no necesaria.

METODO DEL INTERVALO MEDIO

I1

x I2

x D3 x D1

Se parte de dos vectores de x tal que f(x D1)>0 y f(I1)<0; se toma el valor medio entre xD1 y xI1 y se calcula f(x I2) si es negativo (como en el dibujo) se toma el punto medio entre este y el ultimo valor positivo (si es positivo al revs); se calcula el valor de la

funcin a ese punto y se procede como en el anterior, as sucesivamente hasta que f(x) sea cero o un valor pequeo.

METODO DE LA SECANTE Este Mtodo emplea dos vectores x1 y x2 para calcular por ellos la recta secante en lugar de la tangente cuando este no puede evaluarse; un caso particular es el de:

REGULA-FALSI

xI1

xI2 xD1 x

El mtodo de REGULA-FALSI para encontrar las races de f(x)=0 , tambin es conocido como interpolacin lineal inversa.

f(x) y C

f(x D1)

xI1 D f(x I1)

x2 A

xD1 B x

Considerando los tringulos semejantes ABC y ADE en donde: x 2 x I1 f ( x I1 ) = x D1 x 2 f ( x D1 )

extrayendo x2 se obtiene: x2 = x I 1 f ( x D1 ) x D1 f ( x I1 ) f ( x D1 ) f ( x I1 )

Si f(x 2)=0 el proceso termina. Si f(x 2) tiene el mismo signo de f(x D1), el prximo paso es elegir xI2 = xI1 y xD2 = x2. Por otra parte si f(x 2) tiene el mismo signo de f(x I1) el prximo aso es elegir xI2 = x2 y xD2 = xD1. El proceso continua en la misma forma.