You are on page 1of 46

CAPITULO 4

SOLUCION DE
ECUACIONES IMPLICITAS
Temario
Métodos cerrados:
Métodos gráficos
Método de bisección
Método de la posición falsa
Métodos abiertos
Iteración simple de punto fijo
Método de Newton-Raphson
Método de la secante
Raíces de polinomios
Método de Müller
Método de Bairstow
Métodos gráficos
Los métodos gráficos consisten en graficar la
función f(x) y observar donde la función cruza el eje
x.
Ilustración de las formas generales en que puede
ocurrir una raíz en un intervalo preescrito por los
límites inferior xl y superior xu. Las figuras a) y c)
muestran que si f(xl) y f(xu) tienen el mismo signo,
entonces no habrá raíces dentro del intervalo o
habrá un número par de ellas. Las figuras b) y d)
muestran que si la función tiene signos diferentes
en los puntos extremos, entonces habrá un número
impar de raíces dentro del intervalo.
Ilustración de algunas excepciones a
los casos generales. a) Pueden
ocurrir raíces múltiples cuando la
función es tangencial el eje y. En este
caso, aunque los puntos extremos
son de signos opuestos, hay un
número par de intersecciones con el
eje x en el intervalo.
b) Función discontinua donde los
puntos extremos de signo opuesto
contienen un número par de raíces.
Se requiere de estrategias especiales
para determinar las raíces en estos
casos.
Ejemplo 1
Encontrar la raíz de: f x  
667.38
x
 
1  e 0.146843x  40  0

40
35
x f(x) 30

4 34.11488938 25
20
8 17.65345264
15
12 6.066949963
10
16 -2.268754208 5
20 -8.400624408 0
-5 0 5 10 15 20 25

-10
-15
Ejemplo 2 (cont.)
Grafica de: f(x) = sen 10x + cos 3x
x f(x) 0.12
4.20 0.08
0.10
4.21 0.05
4.22 0.02 0.08
4.23 0.00 0.06
4.24 -0.01
0.04
4.25 -0.01
4.26 -0.01 0.02
4.27 0.01
0.00
4.28 0.04 4.18 4.20 4.22 4.24 4.26 4.28 4.30 4.32
4.29 0.07 -0.02

4.30 0.11
Método de la bisección
Se trata de encontrar los ceros de
f(x) = 0
Donde f es una función continua en [a,b] con f(a) y f(b) con
signos diferentes.
y

f(a)
y = f(x)

bx
a f(b)
Método de la bisección
De acuerdo con el teorema del valor medio, existe p  [a,b] tal
que f(p) = 0.
El método consiste en dividir a la mitad el intervalo y localizar
la mitad que contiene a p.
El procesos se repite hasta la lograr la precisión deseada.
Método de la bisección
Primera iteración del algoritmo

y Mitad del intervalo que


contiene a p
f(a)
y = f(x)
f(p1)
bx
a
f(b)
p

p1=(a+b)/2
Método de la bisección
Segunda iteración del algoritmo

y Mitad del intervalo que


contiene a p

y = f(x)
f(a)
bx

a =p1 f(p2) f(b)


p
p2=(a+b)/2
y y

f(a) p=(a+b)/2 f(a) p=(a+b)/2

b b
x
a a
f(b) f(b)

f(a)*f(p) > 0  a = p f(a)*f(p) < 0  b = p


Error en el método de bisección

Criterio de paro, Error aproximado  Termina cuando :

xrnuevo  xranterior
a  100%
xrnuevo
INICIO

f(x) = ...

a, b, TOL, Nit

i=i+1

i=i+1

STOP
b = xr a = xr

xr es solución f(a) * f(xr) < 0


si no

│f(xr)│<= TOL
si no

Xr = (a+b)/2

i <= Nit
no si
No existe solución
en Nit

FIN
Número de iteraciones
El error absoluto en la primera iteración es:
Ea0  xb0  xa0  x 0

El error absoluto en la iteración n-ésima es:


x 0
E  n
n
a
2
Si el error deseado es Ead, el número de iteraciones
será:
log x 0 / Ead 
n
log 2
RESP ϵa = │(xr N - xr N-1)/ xr N│* 100 %

1 1 2 1,5 -0,6875 -0,6875 si

2 1 1,5 1,25 1,285156 1,28515625 no 20

3 1,25 1,5 1,375 0,312744 0,390930176 no 9,090909091

4 1,375 1,5 1,4375 -0,18651 -0,256448746 si 4,347826087

5 1,375 1,4375 1,40625 0,063676 0,087554336 no 2,222222222

6 1,40625 1,4375 1,421875 -0,06132 -0,086228913 si 1,098901099

7 1,40625 1,421875 1,414063 0,001208 0,001699436 no 0,552486188

8 1,414063 1,421875 1,417969 -0,03005 -0,042489963 si 0,275482094

9 1,414063 1,417969 1,416016 -0,01442 -0,020388032 si 0,137931034

10 1,414063 1,416016 1,415039 -0,0066 -0,009338935 si 0,069013112

11 1,414063 1,415039 1,414551 -0,0027 -0,003814866 si 0,034518467

12 1,414063 1,414551 1,414307 -0,00074 -0,001052954 si 0,017262213

13 1,414063 1,414307 1,414185 0,000232 0,000327972 no 0,008631852


Método de falsa posición
Este método considera cual límite del
intervalo está más próximo a la raíz.
f(xu)
De la figura

f xl  f xu 

xr  xl xr  xu
Despejando
xl xr
f  xu xl  xu  xu
xr  xu 
f  xl   f xu  f(xl) f(xr)
DESARROLLO DE FALSA POSICION
METODOS ABIERTOS
a) Método cerrado y b) y
c) métodos abiertos.
El método b) diverge y el c)
converge.
Iteración de punto fijo
 La utilidad de la ecuación (1) es que proporciona una
fórmula para predecir un nuevo valor de x en función del
valor anterior de x. De esta manera, dado un valor inicial
para la raíz xi, la ecuación (1) se utiliza para obtener una
nueva aproximación xi+1, expresada por la fórmula
iterativa: xi+1 = g(xi) (Ec. 2)
 El error aproximado de esta ecuación se calcula usando el
error normalizado :
De esta manera, se puede observar que cada iteración se
acerca cada vez más al valor aproximado al valor
verdadero de la raíz: 0.56714329.
PUNTO FIJO – METODO GRAFICO
 Este método consiste en separar la ecuación en dos
partes: f1(x) = f2(x)
 Entonces las dos ecuaciones
y1 = f1(x) y y2 = f2(x)
se grafican por separado. Así, los valores de x
correspondientes a las intersecciones de estas dos
funciones que representan las raíces de f(x) = 0.
 Para la función f(x) = e–x – x:
y1 = x y y2 = e -x
En la gráfica b) la intersección de
las funciones encuentra la raíz
aproximada que es: x = 0,57
CONVERGENCIA
La ecuación a resolver se re-
expresa como
un par de ecuaciones y1 = x
y y2 = g(x)
La primera iteración del punto
fijo es:
x1 = g(x0).
La siguiente iteración consiste
en moverse al punto [x1, g(x1)]
y después a (x2, x2). Esta
iteración es equivalente a la
ecuación:
x2 = g(x1)
La convergencia se obtiene cuando
⎪g’(x)⎪ < 1
Algoritmo de punto fijo
Obtener una solución a p = g(p) dada un
aproxiamción inicial p0.
ENTRADA aproximación inicial p0; tolerancia TOL;
número máximo de iteraciones N0.
1. Tome i = 1.
2. Mientras i <= N0 hacer
3. p = g(p0)
4. Si |p – p0| < TOL entonces
5. Regresar p
6. i = i +1
7. p0 = p
8. Fin mientras
9. Imprime ‘El procedimiento fracasó después de N0
iteraciones’
Ejemplo
Sea la función: x3 + 4x2 –10 = 0 tiene una raíz en [1, 2]

Puede despejarse en:


a. x = g1(x) = x – x3 – 4x2 +10
b. x = g2(x) = ½(10 – x3)½
c. x = g3(x) = (10/(4 + x))½
d. x = g4(x) = x – (x3 + 4x2 – 10)/(3x2 + 8x)
Iteraciones de punto fijo
(a) (b) (c) (d)
1 1.5 1.5 1.5 1.5
2 -0.875 1.286953767 1.348399724 1.373333333
3 6.732421875 1.402540803 1.367376371 1.365262014
4 -469.72001200 1.345458374 1.364957015 1.365230013
5 1.02754555E8 1.375170252 1.365264748 1.365230013
6 -1.084933870E24 1.360094192 1.365225594
7 1.277055591E72 1.367846967 1.365230575
8 -2.082712908E216 1.363887003 1.365229941
9 NaN 1.365916733 1.365230022
10 1.364878217 1.365230012
11 1.365410061 1.365230013
12 1.365137820 1.365230013
13 1.365277208
14 1.365205850
15 1.365242383
20 1.365229578
25 1.365230028
30 1.365230012
Funciones graficadas

a) b)

c) d)
Análisis del ejemplo
Caso (a) Caso (b)
g1(x) = x – x3 – 4x2 +10 g2(x) = ½(10 – x3)½
g1’(x) = 1 – 3x2 – 8x g2’(x) = – 3/4x2(10 – x3)–½
g1’(1) = – 11, g1’(2) = – 28 g2’(1) = – 0.25, g1’(2) = – 2.1213
No se cumple |g1’(x)| <1 No se cumple |g1’(x)| <1

Caso (c)
Caso (d)
g3(x) = (10/(4 + x))½
g3’(x) = (– 5/3.16)(4 + x)–1.5 g4(x) = x – (x3 + 4x2 – 10)/(3x2 + 8x)
Se cumple |g4’(x)| es aún menor que
<= (– 5/3.16)(5)–1.5 <= 0.15 en el caso (c) para toda x en [1, 2]
Para toda x en [1, 2] g´4(1) = -0,5785
Método de Newton-Raphson
La ecuación de la recta f(x)
tangente es:
y – f(xn) = f ’ (xn)(x – xn)
Cuando y = 0, x = xn+1 o sea
Pendiente = f ’ (xn)
0 – f(xn) = f ’ (xn)(xn+1– xn) f (xn)

o
f ( xn )
xn1  xn 
f '( xn ) xn+1 xn
Algoritmo Newton
Para obtener una solución a f(x) = 0 dada una
aproximación p0.
ENTRADA aproximación inicial p0; tolerancia tol;
número máximo de iteraciones N0.
1. i = 1
2. Mientras i<=N0 hacer
2.1. p = p0 – f(p0)/f’(p0)
2.2. Si |p – p0|< tol entonces regrese p
2.3. i = i + 1
2.4. p0 = p
3. fracaso en encontrar la raíz en N0 iteraciones
Ejemplo
f(x) = x – cos(x) f’(x) = 1 + sen(x)
pn+1 = pn – (pn – cos(pn))/(1 + sen(pn))

Tomando p0 = 0, se obtiene
pn f(pn) f’(pn) pn+1
0 -1 1 1
1 0.459698 1.8414 0.7503639
0.7503639 0.0189 1.6819 0.7391128
0.7391128 0.00005 1.6736 0.7390851
0.7390851 3E-10 1.6736 0.7390851
ERROR DE NEWTON-RAPHSON

(3)

(1) La ecuación (3) se expresa como:

El error es proporcional al cuadrado del error


(2) anterior, es decir, el número der cifras
decimales se duplica en cada iteración 
Restando 1 y 2: convergencia cuadrática
MÉTODO DE LA SECANTE
Método alternativo para evaluar la derivada
Es posible calcular la derivada en xn usando:

f  xn  h   f  xn 
 
f ' xn 
h

O utilizando

f  xn   f  xn  h 
f '  xn  
h
METODO DE LA SECANTE
 Calculamos la derivada
numérica:

 Sustituyendo en la
ecuación de Newton:
Algoritmo Secante
Para obtener una solución a f(x) = 0 dada una
aproximación p0.
ENTRADA aproximación inicial p0; tolerancia tol;
número máximo de iteraciones N0.
1. i = 1
2. h = 0.001
3. Mientras i<=N0 hacer
2.1. y = f(p0)
2.2. y_deriv =(f(p0+h)-y)/h
2.3. p = p0 – y/y_deriv
2.4. Si |p – p0|< tol entonces regrese p
2.5. i = i + 1
2.6. p0 = p
3. fracaso en encontrar la raíz en N0 iteraciones
Desventajas (cont.)
f(x) f(x)

x1 x0
x2 x x0 x2 x1 x

mínimo local
raíz cerca de punto de inflexión
f(x) f(x)

x1

x0 x x0 x1 x

varias raíces
la iteración en un mínimo
Raíces múltiples
En el caso de que un polinomio tenga raíces múltiples, la
función tendrá pendiente igual a cero cuando cruce el eje x.
Tales casos no pueden detectarse en el método de bisección
si la multiplicidad es par.
En el método de Newton la derivada en la raíz es cero.
Generalmente el valor de la función tiende a cero más rápido
que la derivada y puede utilizarse el método de Newton
Ejemplo
Polinomio: f(x) = (x – 3) (x – 1) (x – 1)

n xn f(xn) f'(xn) xn+1


0 0.50000000 -0.62500000 2.75000000 0.72727273
1 0.72727273 -0.16904583 1.31404959 0.85591767
2 0.85591767 -0.04451055 0.63860849 0.92561694
3 0.92561694 -0.01147723 0.31413077 0.96215341
4 0.96215341 -0.00291894 0.15568346 0.98090260
5 0.98090260 -0.00073639 0.07748373 0.99040636
6 0.99040636 -0.00018496 0.03865069 0.99519176
7 0.99519176 -0.00004635 0.01930234 0.99759300
8 0.99759300 -0.00001160 0.00964539 0.99879578
9 0.99879578 -0.00000290 0.00482125 0.99939771
10 0.99939771 -0.00000073 0.00241026 0.99969881
RAICES DE POLINOMIOS
METODO DE MULLER

a) Método de la Secante, b)Método de Muller


 C = f(x2)
EJEMPLO