Métodos Numéricos/ Métodos Computacionales / isis Numerico. Raices de ecuaciones — I parte Bografi "Métodios Numércos~ G. Pace ~Edtoil EUDENE 1997, Alss Numerio ~ Burden and Faes- Ector Sudamericana ~ 1996 Problemasresuetos de Métodos Numérces- Cardro, A y eres. Thamzon Eelteres Spin. 2006 INTRODUCCION Ino de los problemas que con frecuencia se presenta, consiste en tener la necesidad de determinar las raices de una ecuacidn de la forma: = ffx)=0 (4.1) = Donde fix) es una funcién de la variable real_ x con coeficientes reales. = Resolver la ecuacién_consiste en hallar valores pumericos dela variable independiente x llamados RAICES de la ecuacion, tal que reemplazados en el primer miembro la anulan. | INTRODUCCION «F! Algebra provee formulas de resolucién para ‘ecuaciones cuyos primeros miembros son polinomics, hasta el cuarto grado inclusive, = Para ecuaciones de grado mayor no existen métodos exactos que las resuelvan, = De igual manera ocurre con las ecuaciones denominadas trascendentes, 1 Objetivo: Estudiar varios procedimientos que permiten calcular valores APROXIMADOS de las raices, | INTRODUCCION «= Definicién de algunos términos y estudiar el comportamiento general de las ecuaciones. + Las distintas etapas que, inevitablemente, deben seguitse para resolver una ecuacién, sor + ACOTACION de las raices, » SEPARACION de las raices, y + APROXIMACION de las raices. ACOTACION DE LAS RAICES = Consiste en determinar un intervalo abierto, denominado INTERVALO DE ACOTACION, que contenga a todas las raices que pudieran interesar. = Existen maneras precisas de operar cuando las ‘ecuaciones son algebraicas. = Cuando se trata de ecuaciones trascendentes, el estudio. debe realizarse para cada caso en particular. SEPARACION DE LAS RAICES = Le prdctce de SEPARAR LAS RAICES equivale @ realizar una particion def intervalo de acotacién, tal que, en cada subintervalo Eerrado se encuentre una y solamente Una faz. = Para separar raices de ecuaciones algebraicas se estuciarin algunos imetodos partculares, 1» Cuando se trata de ecuacones trascendentes el estudio debe ‘elizarse para cada caso espacal.E} de ecuaciones trascendentes: = Cos (x) = x 41=0; v(t) =t2= 28? 1 Este paso es de fundamental importance, para evter pasar por alto algunas rlceso no lcentcar ratces MUipies, prncpalment.| APROXIMACION DE LAS RAICES. 1» Consiste en calcular el valor numérico de las raices con la precision preestablecida, «= Para poder lograrlo se estudiaran métodos de aplicacién ‘general; tities tanto para el caso de ecuaciones algebraicas como para les trascendentes, = Se veran_métodos especiales dedicados a ecuaciones algebraicas, cuya ventaja es un mayor rendimiento, velocidad y'sencillez de operacién. COMPORTAMIENTO DE LAS ECUACIONES = Considérese un intervalo (a:b) en el cual una funcién f(x) es continua, y sea AB el arco que la representa en coordenadas cartesianas, entonces es posible afirmar que: « Lz 51 f(x) tiene distintos signs en dos puntos de ‘abscisas ay b, se anula por lo menos una vez en (ab), yen general, un niimero impar de veces(1). Consulter la figura 4.1. COMPORTAMIENTO DE LAS | ECUACIONES Figura 4.1. COMPORTAMIENTO DE LAS ECUACIONES H.- Si f(x) tiene igual signo en dos puntos de abscisas a y b, o bien se anula un ntimero par de veces en el intervalo (a,b), 0 bien no tiene ninguna raiz en el mismo. = Puede apreciarse en la figura 4.2, que entre Jos puntos x=c y x=d, la funciOn no se anula, mientras que, en el intervalo (a;b) se anula cuatro veces. COMPORTAMIENTO DE LAS | ECUACIONES Figura COMPORTAMIENTO DE LAS | ECUACIONES = HIL.- Si f(x) es mondtona creciente (0 ‘monétona decreciente) en el intervalo (a;b); -> F(x) tiene un signo determinado (mas 0 menos) en todo punto del intervalo, y es = sofa) # sg f(b), =>, hay una sola raz r de f(x)=0, mientras que, = 59 f(a) = 9 f(b), =>con seguridad no hay ninguna raiz.COMPORTAMIENTO DE LAS | ECUACIONES En la figura 4.3, se representan los distintos casos del teorema anterior. “ COMPORTAMIENTO DE LAS ECUACIONES = IV.- Entre cada par de raives consecutivas de f(x) la funcion "00 es ereciente o decreciente; es decir monotona y de acuerdo al, tne una sola raz 0 ninguna. = En la figura 4.4, se puede observar gréficamente distintas opciones de estos ultimos teoremas. = Notese que en a6, es. fa, una raiz de tipo especi caso doble). = Enel punto 28, se presenta otra particularidad: en este caso se trata de un PUNTO DE ENSILLADURA = f(a ) = 0, siendo pues, 2 MULTIBLE. Conese COMPORTAMIENTO DE LAS | ECUACIONES = Figura 4. 4. METODOS DE RESOLUCION DE ECUACIONES «= Se estudiarén varios métodos de resolucién de ‘ecuaciones, los que podran ser aplicados tanto ala resolucién de ecuaciones algebraicas como trascendentes. = Razén de incluir més de un método es el hecho, de que no existe, 1 método que resuelva todos los problemas que se puedan presentar en la practica, METODO DE TANTEOS = En el METODO DE TANTEOS se determinan valores de (x) correspondientes a valores sucesivos de x hasta que se presente un cambio de signo en la evaluacién de 169), indica que se ha pasado por una raiz, = Se puede obtener una aproximacién mejorada del valor de la raiz volviendo al iltimo valor de x que precede al cambio de signo, = Ya partir de este, caleular los f(x) correspondientes a valores sucesivos de; reiterando el procedimiento, pero, utiizando, un incremento menor al del inicio, hasta que cambie nuevamente el signo de fx). { METODO DE TANTEOS procedimiento se reitera con incrementos de X cada vez mas pequefios hasta lograr un valor suficientemente preciso de la rai, «= Sise aplicara nuevamente para otros subintervalos de separacion, se localizarén y aproximaran las sucesivas raices de f(x), en cada cambio de signo de esta. = Previo a su aplicacién: es importante acotar y separar las raices, con el fin de no pasar por alto alguna de elas. = Elegir cuidadosamente el valor inicial del incremento para evitar que no se identifique Una de dos raices muy proximas.METODO DE TANTEOS = Método elemental, pero muy laborioso de ser aplicado manualmente, «= De uso corriente debido a la gran capacidad y rapidez de procesamiento de las computadoras electrénicas digitales. | ERROR EN EL METODO DE TANTEOS = El método visto es _un algoritmo infinito que deberd ser detenido indefectiblemente mediante algtin procedimiento artificial. = Para lograr la precisién deseada, se detiene el procesamiento cuando la diferencia, en valor absoluto, entre dos valores consecutivos de la variable es menor o igual que E positiva y arbitraria, previamente establecida. = Cuando la DIFERENCIA ABSOLUTA resulta: bia-x SE ERROR EN EL METODO DE TANTEOS 4 METODO DEL INTERVALO MEDIO "Una alternative muy utlizada, consiste en operar sobre upcngase que mediante algin método se ha separado una dela reices el valor de la funcién que, en este caso es calculada en ‘de una ecuacion dada por: totos los pasos para estudiar la evolucién del camibio de signo de la funcion. = t=0 * Puede detenerse el procesamiento y adoptar el valor de 2 para el cual resulta: Z IFaJJSE ay = Donde E serd el error maximo admisible en el procesamiento. 1 Bolzano: si_/(x) es continua en él intervalo (2:6) y en los extremos toma valores fa) y_ f(b), respectivamente, con signos opuestos, entonces, se ania por menos una vez, en un punto interior de. (a:b) Ung interpretacién geometiica del Teotema conduce a divide intervaio ation tics pertesiguales; = Sino se anula en el punto de alvisién => se tomard aquel subintervalo (2121 Jen cives exremos ia funn tene Sones Gerentes (consutar figura 4.6); es dec, si se cumple la condiion: » fa). iby) <0 | METODO DEL INTERVALO MEDIO + Dividiendo el subintevalo cbtenido en el paso anterior en dos partes igualesy, sino se anula la funcén en el nuevo punto de subdivision, se tomard aquel nuevo (a,b, donde: \ Figuas.6 | METODO DEL INTERVALO MEDIO 1 Reiterando el procedimiento, se llegard a un punto de subdivision en el que, al menos teéricamente, se anula fix). = En general, se obtendré un par de sucesiones indefinidas monétonas que tienden a un nimero u, tal que:4 METODO DEL INTERVALO MEDIO Considerando el procedimiento utilizado en la construccion de los subintervalos, es posible escribir ana Y en general: 0, (4.4) bea | METODO DEL INTERVALO MEDIO Ta que 7-representa la cantidad de subdivisiones realizadas en el intervaio (a/b). = Tomando limites para > ~, resulta: (4.5) inl’, ~0,) = lin = = Entonces, en el punto x=, es ffu) = 0, por estar y Incluido én el entorno dado por 6 = 2, que, por pequetio ue este sea, la funcién toma en sus extretos valores de signos epuestes. + Ventajas: Converge para cualquier f contipua, es decir no hace falta derivablidad como en otros metodos que veremos mas adelante. ERROR EN EL METODO DEL Serco MEDIO ‘= Mediante subdivisiones sucesivas por partes iguales, de Un intervalo que contiene la raiz a determinar, se puede construir un algoritmo que permita obtener dicha raiz, con la aproximacién que se desee, siempre que se verifique que: = b,- 4,5 E (46) ‘= Se quiere conocer cuantas iteraciones son necesarias realizar para que el error con que se calcula el valor de fa raiz no supere un cierto valor arbitrario E > 0, en. ‘cuyo caso por (4.4) y (4.6) est ERROR EN EL METODO DEL | INTERVALO MEDIO + de donde, es posible despejar el nimero de iteracones que son Inecesarias realizar pare que el ertor sea menor © igual 8 E loe(d~a) og Toa? 1 Estudiar la posibilidad de pasar por alto raices: + sisolo se cuenta con un interval iiial de ACOTACTCN, + cuardo algunas raices son de mutiplciad superior a uno «= Se evitan si,se aplica el método sobre intervalos de SEPARACION exclusivamente, Método de biseccién o | intervalo medio lados: f [asl=h3] S=-1<0< 6 1 Obtener rai en cicho incrvlo La sucesinobtenica es: fel) [at:B1)= 0 fe) (a; 62} =(1; 1.5] mans {fe8)=-04375 (e;3}=[1.25; 15] 4 Ae)=0100375 fats] =[1375:15) s$-14978 fx8)~0.06680625 fa; 05] ~ [1.375; 14375] 6=1.40625 fxs) =-0022 [eo Bo} = [14062514375] s7=1421875 (or; 7} = [2.40625; 1.421873) s8= 14140625 ar 3, la sproximacién lograda tiene 4 cfras exactas. Fue necesatio hacer ocho patos para obtener cuatro effas xacas, 4142. | Método de biseccién BOUT pk oar hain TOL wim doen OUTPUT Suna roi ep ounmnsjedet ‘uo +.9/2. aaa) Pues 80) f0)>0eaeaces =p (st) Pa? OUTRITCE ods fi esd de Nein Ny =. ‘ocean ems)| Método de la biseccion ‘vemos otros procedimientos de detencién que pueden aplcarse ene! aso 4 del algritmo anterior, c/uno de las cuales se apica = cualquiera de lac thenica iterativas consideradas, ‘Seleccionar una tolerancia x > Oy generar PyPp Py hasta que se cumpla alguna de las siguientes condiciones IPp= Prosl< 7 [Pn — Proll Pr < X4 baad f(0,) , como ge real (4.7) METODO DE INTERPOLACION | LINEAL o de Regula Falsi Dada 11) = 0, donde, uno de los subintervals de separacién viene dado por (x, x; en el cual se cumple también que: fx; ) 10%, ) <0 tal como se ilstra en la figure 4.7, para. y = f(x) tower METODO DE INTERPOLACION LINEAL Como, fix) ¥ fiz) tienen signos diferentes, de ser mondtona en ef Intervalo dado (X; ; X> ), entonces (x) tendra una raiz entre x; ¥ 3. = La ecuacién de la recta que pasa por los puntos P, ; Pr, 85: ‘Para hallar Ia interseccién con el efe de las abscisas sehace y=0, tomando x el valor x3, en la cual x; una mejor aproximacion del verdadero valor de Ia raz METODO DE INTERPOLACION | LINEAL = Resulta entonc -y a2 haa) = y, despejando de esta ditima: METODO DE INTERPOLACION | LINEAL I valor determinado de esta manera, se sustituye en la funcién para calcular el correspondiente valor de ys. = Luego se realiza_una comparacién entre los signos de 10%) con los de fx) y_f(x2 ), desechando el punto ppara el cual la funcién tiene igual signo que fx, ) 1» Seguidamente con idéntico procedimiento al ya expuesto, se reitera el primer paso entre los puntos del subintervalo asi obtenido con el objeto de determinar el valor de xj, que es atin una mejor aproximacién de la raiz buscada,METODO DE INTERPOLACION | LINEAL ‘= Es necesario repetir el procedimiento con nuevos pares de puntos, hasta que se logra la. aproximacién = Este método, llamado por algunos autores Método de la Regula Falsi, o tambien Método de las Partes Proporcionales, puede ser utlzado en la ‘computadora para determinar las raices de una ‘ecuacién, con un grado especificado de precision y Un ntimero menor de iteraciones que en el método de tanteos = Es.un algoritmo que converge més répidamente a la solucién que en el método de tanteos, CONVERGENCIA EN EL METODO DE INTERPOLACION LINEAL Para tener la seguridad que el Método de Interpolacion Lineal converge, es necesario ue satisfaga, en los puntos x, ; x; (extremos del subintervalo ini) dlgunas Condiciones especificas: = 1) fix; fi) <0 = 2 flijx0 paratodo xe (x,;x,) + 3,09) debe ser manctona para tao punto /intervalo (xed ; x2 ) | METODO DE NEWTON-RAPHSON "= Muy dtl para mejorar una primera aproximacin a una raiz de una ecuacién dela forma f(x) = 0 1 Apreximacién obtenida por simples tanteas, 0 mediante algtin, recuso gréfico, etc "nase / | METODO DE NEWTON-RAPHSON Six es una primera aproximacién al valor de una rafz, la que puede ser directamente uno de los extremos de! intervalo cerrado de separacién [4 ; 6]. = Se dibuja una recta tangente ala curva en el punto x X,, Interceptard al eje de las abscisas en un valor dado por x = xXy4y, que constituye una aproximacién meforada de la raiz.r | METODO DE NEWTON-RAPHSON ‘= Se puede observar que la pendiente de la recta tangente a la curva y = f(x) es: tea= f'(x, Para que est ultimo tenga sentido, hay que suponer F(x) = METODO DE NEWTON-RAPHSON = El valor de la funcién, y el de su derivada, son conocidos para el valor x = xy, y la nueva ‘aproximacion de la raiz_x,.,, $¢ obtiene utilizando la ecuacion (4.7). = Se repite el procedimiento descrito, partiendo de esta nueva aproximacién, para obtener una mejor. = Se continua hasta que dos valores consecutivos de la raiz aproximada difieran en una cantidad igual o menor que un cierto E postive y arbitraro, previamente preserto,CONVERGENCIA DEL METODO DE NEWTON-RAPHSON Tal como se puede apreciar en la figura 4.9, si se aplica el procedimiento en el punto x, = 6, en lugar de lograr una mejor aproximacién ala raz, el procedimiiento se hubiera alejado de ella. Lo mismo sucede si el procedimiento se hubiese aplicado en el punto x, = a. Fourier, establecid ciertas condiciones sobre el punto en el cual debe ser aplicado el procedimiento de WR, en funcion de los signos que toman, 11) (0, pues, de lo contrary la aplicacion del método podria resultar divergente. CONVERGENCIA DEL METODO DE NEWTON-RAPHSON ‘gura 4.9 9 nb “* CONVERGENCIA DEL METODO DE NEWTON-RAPHSON ntonces, que en el punto x, tanto la funcién, como sus derivadas de primero y Segundo orden tienen Un signo determinado, distinto de cero. «= Fourier establecié que el procedimiento de Newton Raphson debe aplicarse en caso de que f1X,) ¥ fx, ) tengan igual signo; de no ser asi, en general, el procedimiento es divergente, = Enla figura 4.10 se hallan representados gréficamente los cuatro diferentes casos que, donde el método de Newton- Raphsones, aplicable. CONVERGENCIA DEL METODO DE | NEWTON-RAPHSON igura 4. CONVERGENCIA DEL METODO DE NEWTON-RAPHSON Demostracién analitica. + Tomando los 3 primeros términos del desarrollo en serie de Taylor de orden 2, aplicado en un entomo de! punto x = resulta: Hie) = fla) (=a) f(a) +3 (0-0) FE) « para el valor de la variable igual al de la raiz 7, se verifica que fr) = 0 CONVERGENCIA DEL METODO DE | NEWTON-RAPHSON = Suponiendo ahora que, f(a) #0, en el punto x=/, se tiene: oe soetr-airee beats) + aeger = y despejando de esta tiltima, el valor de_r correspondiente al segundo término, se obtiene: 2 S75) S|CONVERGENCIA DEL METODO DE | NEWTON-RAPHSON ‘© Los dos primeros términos determinan, el valor aproximado de la raiz que, si se lo designa con a; resulta: (4.10) f(a) f'(a) = que, como puede comprobarse, es equivalente a N-R. Se demostraré que a’ esta mas préximo a _r que el valor de 4, suponiendo que la funcién ffx) y la derivada segunda (x) tienen igual signo en un entomo del punto x CONVERGENCIA DEL METODO DE NEWTON-RAPHSON on rg) ao += de donde y luego de dividir ambos miembros por 2- a’: rr g ‘= esta igualdad afirma que, si F%@) tiene igual signo que (4) -> el numerador y el denominador del primer ‘miembro tienen el mismo signo; 1 0 sea, que a’ estd situado entre los valores de a y 7 vale decir, a” mejora la aproximacién dada por a. CONVERGENCIA DEL METODO DE | NEWTON-RAPHSON = OBSERVACION DE FOURIER, es posible afirmar que: = Una funcion 0) = 0, definida, mondtona y dos veces continuamente derivable (F< €2) en el intervalo (a ; b), que satisface las siguientes condiciones: = D ffa).f(b) 0 y construir py,P2, Pp, hasta que: = Pam Pail < E; = [Py — Po-al/ Pn < € © (Pp) < E. = Note que esta ultima forma puede no proporcionar informacion acerca del error real : |p,- P,.1| Método de Newton-Raphson. = Ventajas: técnica extremadamente eficaz + Dificultad: Necesidad de conocer la derivada de f en cada aproximacién. = Con frecuencia f es dificil de obtener y requiere de mas operaciones aritmeticas para caleularse que f(x). = Afin de evadir el problema de la evaluacién de la derivada en el Método de Newton se lleva a cabo una pequefia variante: Método de la secante. | Método de la secante = Por defn ol. = Hacierdo x =p, eo oa a = Usando esta aproximacién para F (ps) en la férmula de Newton se obtiene Pa Pe| Método de la secante «La técnica que emplea esta formula es llamada Método de la Secante y se describe en el Algoritmo = Empezando con las dos aproximaciones iniciales Py ¥ ; , la aproximacién p, es la interseccién con el eje x de la recta que pasa por los puntos: = (Boi Fl) y (Pai Fle) = La aproximacién p, es la interseccién con el eje x de la recta que pasa por los puntos: = (Pu: F(P.) ¥ (Px; F(P2)) » y asi sucesivamente, Método de la secante irr “etepeameenets Pmed Se9=9-940,-9)%G-4). Clan) Pact Sppp[CtOl canons DUTPUT(9 rca mince ts) METODO MIXTO En este caso no se trata de un método con procedimientos originales; si no, de la aplicacién sistemética de atros dos conocidos. El denominado Método Mixto consiste en la aplicacién simulténea de los métodos de las PARTES PROPORCIONALES y del de NEWTON-RAPHSON, Este método, resulta sumamente préctico por la faclidad de aplicacién, programacién y su aceptable velocidad de convergencia. METODO MIXTO = El método mixto consiste en la aplicacién sucesiva de los métodos mencionados, de manera alternada, para obtener un verdadero encaje de intervalos que contenga al valor de la ralz; vale decir, subintervalos que encierran el valor de rbuscado, tal como se muestra en la figura 4.11. | METODO MIXTO = Figura 4.11 ’ jl Y=fo) of | METODO MIXTO = Para la aplicacién de los distintos métodos es necesario tener en cuenta, en cada caso, las restricciones propias de cada uno de los métodos intervinientes; como asi también, las condiciones de convergencia de los mismos.Raices de ecuaciones - Teoria General de laiteracion INTRODUCCION + Se presenta con frecuencia la necesidad de resolver: ; f(x) =0 + f(«) es una funcién de variable real x con coeficientes reales + Hallar valores numéricos de la variable independiente x, llamadas raices. + Razén fundamental para resolver ec. no lineales es que carecen de solucién exacta en la mayoria de las veces. ‘+ Objetivo: Resolucién numérica de ecuaciones mediante la aplicacién de métodos iterativos, y ademés, haciendo uso de los resultados a los cuales ha Jegado la ‘TEORIA GENERAL DE LA ITERACION. + Esta teoria permite categorizar los métodos recursivos 0 iterativos. + Permite elaborar métodos que pueden clasificarse como muy répidamente convergentes. + Se obtienen valores altamente precisos luego de ejecutar un ntimero relativamente bajo de pasos en el procesamiento. METODO DE ITERACION © Para calcular r de la ecuacién f(x) = 0 por el METODO DE ITERACION, es necesario re- escribir la expresién analitica de la ecuacién dada, en la forma: . f, 0) = 09 « Esto requiere la mayoria de las veces un sencillo tratamiento algebraico de la ecuacién dada. * Sien un entorno del punto comiin o de interseccién de ambas curvas, en la figura siguiente: y=f1 (x); y, = 2 (x) METODO_DE_ITERACION * Fig. 1 * en un entorno del punto x =, la pendiente de la curva |f;(%) |< la pendiente de la curva | (x) | Método de Itera * El proceso que es necesario realizar se sintetiza asi: Aha BP ACV= A) 3 Be AC= hls By A= Fale) + lo cual permite obtener, si el proceso resultase convergente, al valor aproximado 7 de la raiz buscada.Método de Iteracién. + Sie parte un xp y se procede sistematicamente se obtendran valores x, ; x2 7 X> que convergen hacia la raiz rbuscada, Método de Itera + Silas derivadas f1/(x) y £2'(x), en un entorno del punto + x=, tiene igual signo, como se indica en la figura ( 1) , y recibe el nombre de ESCALERA. * Si los signos de las pendientes de las curvas involucradas son diferentes, la aproximacion se llama en ESPIRAL, ‘como se muestra en la figura ( 2), * Fig. 2 CONVERGENCIA DEL METODO DE CONVERGENCIA DEL METODO DE ITERACION ITERACION (11) . demostrar que * cuando el proceso se encuentra en estado X21 @S Una mejor aproximacion a la raiz r que x, . Para ello, por ser f, (r) = f(r), entonces: AD-F Oy) = & (0 - be Xd * Aplicando el teorema del valor medio a a.m. y tomando médulos, resulta: bos Aen «donde, |E.al>[Ex2 |E,|>0 + Reemplazando los valores de x,.. y x, dela expresién (*) , por los correspondientes dados en la (5.5), se obtiene (5.7) PE AE,) * y, aplicando el teorema de TAYLOR al segundo miembro de (5.7), es: TEORIA GENERAL DE LA ITERACION FH Ey = Or) +E, Oe) LES (0) + * pero, dado que r es una raiz de la ecuacién dada, finalmente resulta: ontrls * Considerando las consecuencias de este resultado tan importante, es posible distinguir los siguientes casos: TEORIA GENERAL DE LA ITERACION * Caso 1. ¢(r)+0. Despreciando desde el término de 2do. orden en adelante, resulta: (5.9) E,.2E,0(r) © Si |O'(r)| <1, ->, ¢/ término de: [E> Eval [Esa * ser menor que el anterior, de tal modo que la SUCESION Xp j Xr j Xo j jee) %q tenderé al valor de r. * Es un caso ITERACION DE ter, ORDEN DE CONVERGENCIA. Es un proceso lineal de En. * Dado que el valor de r es desconocido, en (5.9), se puede reemplazar su valor por el de x, .TEORIA GENERAL DE LA ITERACION + Caso 2.-¢(r}00(r}20. Si se despreciara desde el 3er. orden y potencias superiores de E, , : 6.13) Em =z zO WE ‘+ Para que la sucesin Xe 3X, 2Xp ins Converja a la ralz res nnecesario que le derivada 2da. sea finite y Epsea relativamente pequefio. ‘+ Se puede deducir de (5.13) que cada error es proporcional al cuadrado del anterior -> velocidad de la convergencia, es mayor. ‘+ TTERACION DE 2do. ORDEN (caso de 2do. ORDEN DE ‘CONVERGENCIA. * Duplican el nro. de digitos exactos en cada iteracién; si en un Certo paso se mejora la aproximacién de 4 a8 decimales ‘exactos, en el sate. se mejorar de 8 a 16 decimales exactos. TEORIA GENERAL DE LA ITERACION otro reno" rk. + De manera similar a lo anterior y realizando toda la operatoria, resulta la siguiente relacién de errores: = Caso 3. 1 m(: + Se presenta rara vez en la préctica, permite obtener una convergencia muy répida; + Desventaja: tener, tanto le funcién como sus sucesivas derivadas, expresiones mucho més complejas que en los ‘casos de convergencia de menor orden; + Consecuencia: el tiempo ganado debido a la rapidez de convergencia, es perdido por la dificultad de evaluacidn de la funcién y sus derivadas. TEORIA GENERAL DE LA ITERACION + Se trata de una ITERACION DE TERCER ORDEN 0 bien que, este caso es de TERCER ORDEN DE CONVERGENCIA.. + Siguiendo una metodologia similar, pueden ser definidos Grdenes de iteracién 0 convergencia més altos. + ara vez se presentan en la préctica; + La ventaja en el aumento en la velocidad de convergencia de los mayores drdenes, se ve neutralizada por ia cengorrosa evaluacisn de la funcién y sus sucesivas derivadas. PROCESO DELTA - CUADRADO DE AITKEN (4?) ‘+ Método idéneo para acelerar la convergencia de cualquier férmula recursiva ( proceso iterativo ) de Ler. Orden. + Sean x. ;%p 7 Xyex, APoximaciones sucesivas consecutivas de la raiz r de f(x)=0 obtenidas mediante un método de ier. Orden DE CONVERGENCIA; *+ Los errores E,.1 jE, i Enex correspondientes, estn dispuestos *, segiin una progresin geométrica: Eva. Fu E, £, + 0,10 que resulta equivalente: * Ecuacién que, resuelta en términos de r, resulta: Xen 2, +h ‘+ Sumando y restando al segundo miembro de esta ditima expresién, el término x,,+ , se obtiene: * y, en definitiva: * 520 * La metodologla, haciendo uso de la expresién anterior: + Inicio con x=Xq , de cualquier algoritmo iterativo de ter. orden, se calculan dos aproximaciones sucesivas x; ; x; de la ralz r que, juntamente con la primera aproximacién x) constituyen la terna de base del método de AITKEN, + 2 Haclendo uso de la expresién (5.20) se calcula una cuarta aproximacién a la raiz r que, si satisface las condiciones de precisién previamente establecidas para el célculo, se toma como tal, + 3. De no resultar satisfactoria la aproximacién obtenida en el paso anterior, es utlizada como primera aproximacién para hallar otros dos valores sucesivos de la raiz, mediante el método iterativo original,PROCESO_DELTA - CUADRADO DE AITKEN + 4= Se relteran los puntos 2 y 3 hasta satisfacer las condiciones de precisién previamente establecidas para la ral + Ejemplo-de iteracién, conjuntamente con la aceleracién de la convergencia de AITKEN, determinar la raiz comprendida enel intervalo (12) de la ecuacién: # et x2-3=0 con una aproximacién de cuatro cifras decimales exactas. PROCESO DELTA - CUADRADO DE AITKEN + Solucién: Primero, y segtin las condiciones establecidas, es necesario volver a escribir la ecuacién dada bajo la forma: redxj=fe—3 + de donde, puede deducirse que: Oe 2yer—3 + En consecuencia, comenzando con %) = 1, es negativa la cantidad subradical del denominador, por lo tanto resulta conveniente hacer x = 1,1, Con ello: @(x)223,27 PROCESO_DELTA - CUADRADO DE AITKEN * Dado que el valor obtenido es > 1 -> no se generaré un proceso convergente. + Resulta imprescindible escribir la ecuacién en forma diferente. Sea seh} =n + de donde: ose + yfinalmente, tomando x = 1, resulta: o()=08 + valor aceptable, se requiere que Jo(fcr PROCESO DELTA - CUADRADO DE AITKEN © Entonces ls relacién © Xne = In (x? + 3) + con xp = 1, es idénea para iniciar el procedimiento descripto, resultando: Xo 1, Xy 138629, Xz - 1.59367 + Utilizando los valores hallados con el objeto de la aplicacién de la expresion (5.20), se obtiene: x, = 1,83405 + Aplicando nuevamente el método de iteracién original, da como resultado: X, = 185062 ; x5 = 1,86016 ROCESO_DELTA - CUADRADO DE. KEN + valores que, juntamente con el de x, la reiteracién de la formula de recurrencia (5.20), arroja Xp 2187311 ‘+ Tomando Xs valor como primera aproximacién del método de iteracién, resultan: xy = 187311; % = 1.87311 ‘+ En los tres titimos resultados no se ha obtenido mejoria alguna, pudiéndose aceptar r=1,87311 como valor de la raiz con todas sus cifras decimales exactas. ‘+ Resolver el mismo problema utilizando Método de Iteracién comparar el nro, de iteraciones requerido METODO DE SEGUNDO ORDEN DE NEWTON + Ventajas: Muy répida convergencia a la solucién deseada, Aproximacién extremadamente cercana al valor de la raiz ‘con un bajo niimero de pasos y un minimo de célculo. + Limitaciones: Utiizacién en ecuaciones que tienen derivadas de mayor orden (por lo menos de segundo), relativamente faciles de programar y calcular. Considérese una ecuacién de la forma: f(x) = 0 ‘+ un valor aproximado de la raiz, el que puede ser uno de los extremos de algiin intervalo de separacin y llamando exe i, a este punto.METODO DE SEGUNDO ORDEN DE NEWTON + Desarrollando la funcién f(x) en serie de TAYLOR con respecto a x = x, se obtiene: (er fe Je Cieeaealne + Sih fuera el incremento particular de x para el cual la serie dada por (s+) se redujera a cero, la cantidad x, +h seria le raiz exacta, como se muestra en la figura 5.4. METODO DE SEGUNDO ORDEN DE NEWTON Vole decir haciendo uso de solamente os tres primeros té dada por (5.21), resulta: 9 Fear] £6) * Un valor aproximado de h, a partir de la expresin (5.22) y sumado a x, no proporcionara el valor exacto de la raiz, ya ‘que fueron utilizados para su célculo, solo los tres primeros términos de la serie infinita (5.21). ‘+ Pero se obtendré una aproximacién mejor de la raiz. ‘+ Sustituyendo el valor de h encerrado dentro del corchete por la expresién dada por NEWTON-RAPHSON, que es: flx,) + y despejando el valor deh, resulta: fis 7 (sa) 1) SF Ge) + finalmente, despejando xyas, se obtiene: fs) i) PIG) ‘+ Con aplicaciones sucesivas, es posible calcular en cada paso, 1(x,) ‘aproximaciones cada vez mas cercanas a la raiz, con elevada a eaobtiens: velocidad de convergencia. fs lf) ‘= Para funciones de 2do. orden de convergencia, es el Pots) equivalente a DELTA-cuadrado de AITKEN, aplicado a ec. de 7 Jer. orden de convergencia, para acelerar la misma, Newton-Raphson | 2do. orden de __|Iteracién Conclusiones: INecesita un buen [Converge més | Convergencia lenta valor inical répido atin fEvaluaen cada —_|Aproximacién __|Gran sencillez y paso la funcién y su |extremadamente _|flexibilidad para derivada cercana ar'con un |elegir la forma de minimo de pasos _|las funciones [Error por redondeo |Limitado a ec. con Ino se incrementa _|deriv.de orden superior simples plicable a raices | Aplicable a raices lcomplejas. complejas Derivada puede no exist en todos los untae No existe ringin métedo que sea la panacea universal, a selecién del risie depende de a func particular fx), Un programs eficente debe produc una aproximacién une 0 mas solucones de fx) 0, teniendo cada una un error absolute 0 relative dentro de a tolerancafijada y el resultado debe generase en un tempo razenabl, Existe numeroso soRware que centiene desarrollo de loe métodoe ‘numéteas, por emo ‘Subrutins en le biblotece ISML( International Mathematical Software Library) ( EEUU) ‘Subrutinas NAG (Numerical Algorthms Group\Gran Bretafa) ‘Subrutinas NUMERICAL RECIPES en Fortan 77, Pascal yC (Cambridge University Press) (Gran Bretaha) MATLAB: Paquete de élculo numérco: ROOTS : para caleulr todas as ‘alces reales como complejas MATHEMATICA- Paquste de célcul simbalca con funciones ya programasMétodos computacionales temas de ecuaciones Método de Gauss Seidel Introduccién Breve repaso de métodos directos, Método de Gauss Seidel ‘Comparacion de Gauss Seidel con Jacobi Convergencia del método Conelusiones: Solucién de sistemas de ecuaciones létodo de Gauss Seidel jetivos, Resolver sistemas de evvaciones algebraicas lineales y valorar su aplicacién en diversos campos de la ciencia y la técnica, ‘Conocer varias téenicas y su confiabilidad, asi como sus ventajas y desventajas, Entender la importancia del método de Gauss Seidel para grandes sistemas de ecuaciones dispersos. ‘Comprender el valor de la diagonal dominante de un sistema, Entender el findamento de la relajacién y cuando es apropiada su aplicacién, Desarrollar un software para implementar el método de Gauss ~ Seidel. a Solucién de sistemas de ecuaciones ‘Tratamos en este tema ecuaciones algebraicas forma general neales que tienen la a 4 XM Xt Ags XI at Mg 8y—y Donde las 2 son los coeficientes constantes, las blos términos Independientes constantes y es el ntimero de ecuaciones. Solucién de sistemas de ecuaciones Introduecién. Es necesatio cousiderar el nro, de ecuaciones a resolver: Sim<3 las téenicas son simples Pueden aplicarse entonces el metodo grafico y la. regla de Cramer la ow aul D De maneta que aumenta el nro de ecusciones los determinantes cconsumen tiempo al tener que evaluatlos, Se utilizan entonces ottas tgenices mas eficientes para la resolucién de dichos sistemas. Solucién de sistemas de ecuaciones FRE introduce el uso de la computadora Esta permite la esolucién de grandes conjuntos de ecuaciones algebraices lineales sinvultaneas, ‘Los sistemas de eeuaciones lineales simultineas surgen de sistemas fisicos o en diferentes contexts de problemas. matematicos, ‘Estos resulton cuando se requiere de funciones matemsticas que satisfagan Vatias condiciones en forma simultnea, Cada condicién resulta en una ecuacién que contiene coeficientes conocids y variables desconocidas PEs posible cousiderar das tipos de sistemas que se modelan ‘mediante ecuaciones algebraicas lineales Sistemas que se modelan ‘= A) Sistemas de variables agrupadas que involucran components initos ‘relacionados +B) Sistemas de variables dsbnidns que involueren un coaian Modelo de una see de reactores A quimices ae B WwSolucién de sistemas de ecuaciones fara resolver numéricamente, este tipo de sistemas se utilizan: + METODOS DIRECTOS: +Son provistes por la matematica pura, y llevan a una solucién, exacta del problema, luego de un numero finito de pasos. Este nndmero depende exclusivamente de la cantidad de ecuaciones que componen el sistema El error de los resultados se debe, si no hubiese errores inherentes en los pardmetros, tnicamente a los redondeos realizados durante los célculos. f Métodos directos Hemos visto ya la técnica lmdamental para resolver sistemas algebraicos lineales-> Método de Eliminacién de GAUSS Consta de dos procesos centrales: eliminaci6n hacia delante (se obtiene una matriz triangular) y substitucién inversa ‘Version simple para entender Ia téenica y algunas modificaciones pata minimizas problemas Evitar 0 minimizar errores, se pueden utilizar 3 téenicas: 1) Uso de mas eifias significativas 2) Pivoreo 3) see a Métodos directos: Eliminacién nificativas: Es la manera mas simple para el ‘mal condicionamiento de los sistemas. Si se utiliza precisién extendida se reduce el problema, Se paga mn precio en calculo y 2) Pivoteo: Antes de normalizar es conveniente determinar el coeficiente mas grande disponible en la columma debajo del pivote. Si los renglones se intercambian se realiza pivoteo pateial 3) Escalamiento: Minimiza los errores de redondeo, en aquellos ‘easos que ciertas coeficientes de Ia ecuaeién son mucho mas grandes que ottos, Por gj, Escalar las ecuaciones de forma tal que el elemento maximo en cualquier renglén sea igual a 1 Métodos directos: Eliminacion istemas singulares: Un sistema de ec. puede estar mal condicionado cuando dos o mas de las ec. son casi idénticas. En tales casos se pierde un grado de libertad y se daria un caso imposible de n-1 ecuaciones con n incégnitas. 2) Silos sistemas son grandes esto podria no ser tan obvio. Entonces seria Util tener una forma de detectar la singularidad de manera automética, 3) La respuesta esta dada: el determinante de un sistema singular es cero, 4) Un algoritmo puede efectuar una prueba para discemir si se crea un cero en la diagonal durante la etapa de eliminacién, Si descubre uno, el célculo se puede parar inmediatamente y en la pantalla aparecera un mensaje de alerta a Métodos directos: Gauss Jordan ‘Una modificatoria del mismo es el Método de Gausss-Jordan Diferencia: en que cuando una ineégnita se elimina, esta es climinada de todas Ias otras ecunciones, no slo de las subsecuentes. Todlos los renglones se normalizan al dividirlos por su elemento pivate Se obtiene una matriz identidad en vez de una triangular No es necesaria la substiucién hacia atras para obtener la soluci6n. Para disminnir los errores por redondeo: téenicas de pivoteo parcial yeluuso de mayor nto, de cifias significativas en los edleulos, Comparacidn de los métodos = Método Eliminacién de Gauss: = Ventajas: Algoritmo de solucién mas basico = Desventaja: Solucién de un tinico conjunto de ecuaciones lineales a la vez. Método de Gauss-Jordan: = Ventajas: La base para calcular la inversa; puede resolver conjuntos multiples de ecuaciones. = Desventaja: Menos eficiente para un Unico conjunto de ecuaciones.a ECUACIONES LINEALES SIMULTANEAS +METODOS ITERATIVOS. ‘Los métodos iteratives, son estrictamente muméticos y dan una solucién aproximada del sistema de ecuaciones lineales, obtenida ‘como limite de una sucesion de vectores construida mediante un proceso dle aproximaciones sucesivas. ECUACIONES LINEALES SIMULTANEAS of Método de Gauss Seidel Se presenta una alternativa a los métodos de eliminacién, es decir métodos iterativos >Particularmente adecuado cuando se tienen gran niimero de ecuaciones JEn estos casos los métodos de eliminacién pueden estar sujetos a errores. » Error en Gauss Seidel determinado por el nro. de iteraciones. a Método de Gauss Seidel Los métodos iterativos constituyen una altemativa muy usada; Suponga un sistema de n ecuaciones: [Alix }= {8} ‘Silos elementos de la diagonal no son todos cer-> La primer ecuaeidn se puede utilizar para despejar x, La segunda para x; y la tereera para obtener x3 a Método de Gauss Seidel ‘de solucion: 1) Escoger los valores iniciles para los x, €) 5A soponer osx ~O ysbsttiren (1) 3) Obtenerx\= 7 ) obtener ,/ a, 9 Gas ye eR) ® ts-au-ma 5) Este proceso se repite en (3) para obtener un ni nuevo valor de x 5 (©) Después se regresa a Ia primera ecuacién y se repite todo el procedimiento hasta que la solicién converja suficientemente cercana a lo valores verdadero, a Método de Gauss Seidel La convergencia se verifica usando el criterio: Error relative 100% <2, porcentual @) Para todas las i,j y J-1 son las iteraciones actuales y previas, respectivamente. (5) |al=(0.5x10™)% Las ec. 4 y 5 son conservadoras. Es decir aseguran que el resultado es, por lo menos tan bueno como lo especifican Criterio de Scarborough ppesotu in de un ejercicioApresotuc ion de un ejercicio Primera iteracin Solucién: Apresotu i6n de un ejercicio Segunda Iteracién 188--0.1(-2.794824) + 0.2(7.005610) % 2990557 lel=051% 3 _=19.3-0.12.990557)40.47 008610) sppeq5 lel=o015% 0.012% s 000291 Apresotuc ion de un ejercicio CObservamos entonces que el métado es convergente hacia la verdadera solucién Es posible iterar En un problema a priori podria no saberse el resuliado correct. Entonees se utiliza la ecuacién: voy ce, Ele) = ertor aproximado/valor OW" = aproximado * 100% Para estimar el error Apresotu i6n de un ejercicio Exrores [2.990557 -2, hoo =12.5% ca) [=11.8% |e,3| = 0.076% Estas proven tna valoracién conservativa de la convergeneia, Ast iando se satisfacen, aseguran que el resultado se eonozea con al menos, Ta toleraneia expecificada por E, Su método alternativo. Jaco! Gauss Seldel: Cada valor de x, caleulado se intvoduee inmediatamente en la siguiente ecuacién => se utiliza la mejor apcoximaeidn disponible Jacobi: Emplea una tictica levemente diferente Se usan las ecuaciones (1).(2), y (3) para ealcular un con nuevas x con base en un conjunto dev anteriores Asi Jos nuevos valores no se usan inmediat hasta la proxima iteraci6n, nente, sino se guardan Es itil en algunos casos, pero Gauss Seidel es el método preferido. Comparativo de Gauss Seidel y Appacot ——, nya lsrayhaynilt | [nfo CG-aamimear lla ——— — Renan aeiley | Ga euH-aaAIA mee | JacobiCriterio de Convergencia para 4 el método de Gauss Seidel REOnando ia idea desarrollada aneriommente donde se espeiticd que las condiciones suficientes para resolver dos ecuaciones no lineales LuGsy) y x.y) som: cx 1) fe x ra Eee ov] |v Este criterio se aplica también al método de Gauss Seidel || & Criterio de Convergencia para el todo de Gauss Seidel ‘Dado el caso de 2 ecuaciones sinmultineas, las ecuaciones (1) y (2) del algoriumo quedarin asi: (3) ux (4) way.x) Se evaliian las derivadas parciales con respecto a cada una de las Criterio de Convergencia para el Apmetodo de Gauss Seidel ay, y cs) |eAy<1 (6) Osea el valor absolut de las pendientes de las ee. (3) y (4) son menores que 1, para asegurar la convergencia, Criterio de Convergencia para el Aprstodo de Gauss Seidel ‘De igual manera las euaciones anteriores se reformulan: lel> le La generalizacién de lo anterior para n ecuaciones es directa: ja|> YI >|a,, Citerio suficiente pero no necesatio pas Los sistemas que cumplen esta condicion son dlagonalmente dominantes segura Ia convergencia Representaciones graficas de la | convergencia Las dos mismas funciones son graficadas. Dependiendo del ‘orden en que se implementan las ecuaciones, determina si el célculo converge. { METODO DE GAUSS-SEIDEL (4) Pasos, para Ia aplicacién del método de Gauss-Seidel: Ie Asig tuna hipétesis razonable, se mejoraré substancialm de convergencia, sino, fijararbitrariamente estos valores. nar un valor inicial a cada inc6gnita. Si es posible hacer Ia rapide, 2.- Parti de la primera ecuacién, determinar ui nuevo valor para la incégnita dominante, utilizando para las otras ineégnitas. los valores suptesios segtin lo deseripto en Ia METODO DE GAUSS-SEIDEL (5) 3.- Pasar a la segunda ecuacién y caleular el valor de la ineégnita dominante, uilizando para ello, el ya ealeulado en el paso anterior y Jos valores supuestos en. las otras iiedgnitas, 4- Reiterar el procedimiento descripto, con todas las dems ecuaciones, siempre pata la inedgnita dominante, utilizando los lltimos valores calculados. Completado este paso se dice que se ha conchiido una ITERACION, 8. Ierar los pasos 2; 3 4 lssta que el valor de cada ineégnita difiera del valor respectivo obtenido en Ia iteraci6n previa, en una cantidad nor que un E positivo y arbitrario previament fijado Algoritmo DE GAUSS-SEIDEL (I) Para resolver A x = b dada una aproximacién inicial x") INPUT nero de ecuaciones eincSgnitas 1 los elementos A, 1 -n de la matriz A; los elementos , 1. de bj los elementos XO, 1 de xo= x; tolerancia TOL; méximo rimero de iteraciones N. ‘OUTPUT la solucién aproximad ©,» rimero de iteraciones fue excedido. , ©un mensaje de que el Pasol Seak=1. Paso 2 Mientras sea (k<=N) realizar Pasos 36. PAF PARAL = Spool Sea Hpoartin DE GAUSS-SEIDEL (II) Paso 4 Six-XO]] < TOL entonces OUTPUT (ete) (Procedimint termined con dit) STOP PasoS Seak=Kk+ 1 Paso 6 Parai=4,...nsea XO, ~ x, Paso 7 OUTPUT (‘Numero maximo de ieraciones excedido); (Procedimiento terminado sin to.) sop. a Método Iterativo de Jaco! Para resolver Ax=b dada una aproximacién inicial x): ENTRADA el numero de ecuaciones e incdgnitas 1; los elementos a,, 1<=!, j<=de la matriz A; los elementos, jic=i<=nde b; los elementosio,, 1<=i<=n de XO= tolerancia TOL; maximo nimero de iteraciones N. & SALIDA; la solucién aproximada Xy..0n0 X70 el mensaje de que rebasé el numero de iteraciones. Paso 1 Tome a Método Iterativo de Jacobi = Paso 2 Mientras (K<=N) haga pasos 3-6. = Paso 3 para i=1........1, tome ~Ea,n0,)8, aot = Paso 4 Si ||x-X0||< TOL entonces SALIDA (x... X,); (procedimiento terminado exitosamente). PARAR. a Método Iterativo de Jacobi = Paso 5 tome k=k+1 «= Paso 6 para i=1.........n tome XO,=x, = Paso 7 SALIDA (‘Numero maximo de iteraciones excedido’); (Procedimiento terminado sin éxito) = PARARfroramiento de la convergencia La relajacién permite mejorar la conver Después que se calcula cada nuevo valor de x por medio de las ‘ecuaciones de Gauss Seidel Este se modifica mediante un promedio ponderado de los resultados de las iteraciones anterior y actual: + @- ade factor ponderado que vale entre 0 y2 (le i )=Oel resultado no eambia SiO 2 se logran ahorros de memoria, «Para sistemas grandes son eficientes en almacenamiento y en tiempo de compute. +E] error de redonideo no es un tema que preocupe en este método, ftware sEXCEL poses finciones para manipulacién de matrices +1) Herramienta SOLVER o 2) usando la inversion de matrices y las fnciones de multiplieacién nmult(BS..D7:F1.F3) eros de doble precision s“tninverse(B1.D3): “Emplea u Si se sospecha que el sistema esta mal condicionado el nro. de condicién de la matriz es itil a “MATLAB: Explorar como se utiliza para resolver y analizar ceuaciones slgebraicas sIMSL: Prograuna principal en FORTRAN 90, lamando a distintas rafinas, segtin eategorias para solucién de sistemas lineales, inversion de matrices y calculo determinant: “LSARG: Solucién de sistemas lineales con alta exactitud SLINRG: Invierte SLFDRG: Caleulo del determinante f Conclusiones Por su sencillez, la cantidad de operaciones a realizar y su manejo adecuado de la memoria es muy itil para grandes sistemas de ecuaciones. La condicién de sistema diagonalmente dominante asegura la convergencia a la solucién del sistema Sino habra que realizar comprobaciones de! condicionamiento de la matriz La relajacién es una técnica para acelerar la convergencia en ciertos casos. A partir de los algoritmos presentados el alumno desarrollard un software para implementar el método de Gauss Seidel.Hpprtcarar Hp im iplementado de Gauss Seidel Métodos Numéricos para ingenieros.- Chapra y Canale. Editorial MacGraw Hil Sta, Edicion, Gauss-Seidel Métodos Numéricos ~ Pace G.- Editorial EUDENE - 1997 Analisis Numérico-Burden & Faires- Editorial Iberoamericana. 1996