DEPARTAMENTO DE CIENCIAS DE LA ENERGA Y MECNICA

Ingeniera Mecatrnica Mtodos Numricos

Mtodos de resolucin de ecuaciones no lineales

Jacobo Cceres

Ing. Diego Pinto

TEMA:
Resolucin de ecuaciones diferenciales no lineales

OBJETIVOS GENERALES:
Consultar y determinar el mtodo de la biseccin para la resolucin de ecuaciones no lineales. Definir el mtodo numrico de newton para la resolucin de ecuaciones no lineales. Determinar el mtodo de la secante para la resolucin de ecuaciones no lineales.

OBJETIVOS ESPECFICOS:
Definir y determinar los conceptos de los mtodos numricos para la resolucin de ecuaciones no lineales por los mtodos nombrados anteriormente, determinar su algoritmo y programacin con la herramienta que el curso estamos utilizando, matlab.

MARCO TERICO
METODO DE LA BISECCIN Este es uno de los mtodos ms sencillos y de fcil intuicin para resolver ecuaciones en una variable. Se basa en el teorema del valor intermedio (TVI), el cual establece que toda funcin continua f en un intervalo cerrado [a,b] toma todos los valores que se hallan entre f(a) y f(b). Esto es que todo valor entre f(a) y f(b) es la imagen de al menos un valor en el intervalo [a,b]. En caso de que f(a) y f(b) tengan signos opuestos, el valor cero sera un valor intermedio entre f(a) y f(b), por lo que con certeza existe un p en [a,b] que cumple f(p)=0. De esta forma, se asegura la existencia de al menos una solucin de la ecuacin f(a)=0. El mtodo consiste en lo siguiente:

Debe existir seguridad sobre la continuidad de la funcin f(x) en el intervalo [a,b] A continuacin se verifica que Se calcula el punto medio m del intervalo [a,b] y se evala f(m) si ese valor es igual a cero, ya hemos encontrado la raz buscada

En caso de que no lo sea, verificamos si f(m) tiene signo opuesto con f(a) o con f(b)

Se redefine el intervalo [a, b] como [a, m] [m, b] segn se haya determinado en cul de estos intervalos ocurre un cambio de signo

Con este nuevo intervalo se contina sucesivamente encerrando la solucin en un intervalo cada vez ms pequeo, hasta alcanzar la precisin deseada

Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo, entonces debe alcanzar todos los valores intermedios. Demostracin: Para la demostracin aplicamos el teorema de Bolzano en la funcin g(x) = f(x) k, la cual es continua, por serlo f(x), g(a) < 0 y g(b) > 0. El teorema nos permite armar que existir c (a; b) tal que g(c) = 0 y en consecuencia f(c) = k.

En la siguiente figura se ilustra el procedimiento descrito. El mtodo de biseccin es menos eficiente que el mtodo de Newton, pero es mucho ms seguro para garantizar la convergencia. Si f es una funcin continua en el intervalo [a, b] y f(a)f(b) < 0, entonces este mtodo converge a la raz de f. De hecho, una cota del error absoluto es:

en la n-sima iteracin. La biseccin converge linealmente, por lo cual es un poco lento. Sin embargo, se garantiza la convergencia si f(a) y f(b) tienen distinto signo. Si existieran ms de una raz en el intervalo entonces el mtodo sigue siendo convergente pero no resulta tan fcil caracterizar hacia qu raz converge el mtodo.

El Teorema de Bolzano arma que si una funcin es continua en un intervalo cerrado y acotado y en los extremos del mismo sta toma valores con signos opuestos, entonces existe al menos una raz de la funcin en el interior del intervalo. Demostracin: Supongamos que f(a) < 0 y f(b) > 0. Sea T el conjunto formado por todos los valores x / x [a; b] para los que f(x) < 0. El conjunto T est acotado superiormente por b y, adems, no es vaco ya que a pertenece a T. Por ello el conjunto T tiene un extremo superior c. Se cumple que f(c) = 0. Si f(c) > 0, entonces por la propiedad de la conservacin del signo de las funciones continuas existira un intervalo (c -; c + ) en el que la funcin sera tambin positiva. En este caso existiran valores menores que c que serviran de cota superior de T y por ello c no sera el extremo superior de T como hemos supuesto. Si f(c) < 0, entonces existira un intervalo (c - ; c + ) en el que la funcin sera negativa y por tanto existiran valores de x a la derecha de c para los que la funcin sera negativa y por tanto c no sera el extremo superior de T. Por tanto f(c) tiene que tomar el valor cero: f(c) = 0. Si f(a) > 0 y f(b) < 0 el razonamiento es similar.

El mtodo de la biseccin se basa en estos teoremas y se emplea para aproximar ceros de funciones. Supngase que queremos encontrar los ceros de una funcin f(x) continua. Dados dos puntos a y b tal que f(a) y f(b) tengan signos distintos, sabemos por el Teorema de Bolzano que f(x) debe tener, al menos, una raz en el intervalo [a; b]. El mtodo de biseccin divide el intervalo en dos, usando un tercer punto

. En este momento ,existen dos posibilidades: f(a) y f(c), f(c) y f(b) tienen distinto signo. El mtodo debiseccin se aplica al subintervalo donde el cambio de signo ocurre. Este proceso puede aplicarse tantas veces como sea necesario para alcanzar la precisin que se requiera.

Consideramos la funcin h(x) = f(x) - x. Dicha funcin es continua por ser diferencia de funciones continuas. Por ser f acotada en IR existe un M 2 (0; +) tal que

Por tanto, para todo x 2 IR tenemos que f(x)-M < 0 y f(x) +M > 0 y en consecuencia

Haciendo un dibujo aproximado podemos determinar un intervalo dnde encontrar la solucin de la ecuacin.

ALGORITMO Para aplicar el mtodo consideremos tres sucesiones siguientes relaciones: definidas por las

Donde los valores iniciales vienen dados por:

Se puede probar que las tres sucesiones convergen al valor de la nica raz del intervalo:

PROGRAMA MATLAB METODO DE LA BISECCION function x = biseccion(fun,a,b,tol) % Aproxima por el mtodo de la biseccin una raz de la ecuacin fun(x)=0 disp('Mtodo de la biseccin'); u=feval(fun,a); v=feval(fun,b); n=1; if sign(u)==sign(v) disp('Error la funcin debe cambiar de signo en (a,b)'); end while ((b-a)*0.5>=tol) c=(b+a)/2; w=feval(fun,c); disp(['n=', num2str(n)]); disp(['c=', num2str(c)]); disp(['f(c)=', num2str(w)]); if sign(u)==sign(w) a = c; u=w; else b=c; v=w; end n=n+1;

end; x=c;

METODO DE NEWTON En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de NewtonRaphson o el mtodo de Newton-Fourier) es un algoritmo eficiente para encontrar aproximaciones de los ceros o races de una funcin real. Tambin puede ser usado para encontrar el mximo o mnimo de una funcin, encontrando los ceros de su primera derivada. DESCRIPCION DEL METODO El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de que su convergencia global no est garantizada. La nica manera de alcanzar la convergencia es seleccionar un valor inicial lo suficientemente cercano a la raz buscada. As, se ha de comenzar la iteracin con un valor razonablemente cercano al cero (denominado punto de arranque o valor supuesto). La relativa cercana del punto inicial a la raz depende mucho de la naturaleza de la propia funcin; si sta presenta mltiples puntos de inflexin o pendientes grandes en el entorno de la raz, entonces las probabilidades de que el algoritmo diverja aumentan, lo cual exige seleccionar un valor supuesto cercano a la raz. Una vez que se ha hecho esto, el mtodo linealiza la funcin por la rectatangente en ese valor supuesto. La abscisa en el origen de dicha recta ser, segn el mtodo, una mejor aproximacin de la raz que el valor anterior. Se realizarn sucesivas iteraciones hasta que el mtodo haya convergido lo suficiente. f'(x)= 0 Sea f : [a, b] -> Rfuncin derivable definida en el intervalo real [a, b]. Empezamos con un valor inicial x0 y definimos para cada nmero natural n

Donde f ' denota la derivada de f. Ntese que el mtodo descrito es de aplicacin exclusiva para funciones de una sola variable con forma analtica o implcita cognoscible. Existen variantes del mtodo aplicables a sistemas discretos que permiten estimar las races de la tendencia, as como algoritmos que extienden el mtodo de Newton a sistemas multivariables, sistemas de ecuaciones, etc

OBTENCIN DEL ALGORITMO Tres son las formas principales por las que tradicionalmente se ha obtenido el algoritmo de Newton-Raphson. La primera de ellas es una simple interpretacin geomtrica. En efecto, atendiendo al desarrollo geomtrico del mtodo de la secante, podra pensarse en que si los puntos de iteracin estn lo suficientemente cerca (a una distancia infinitesimal), entonces la secante se sustituye por la tangente a la curva en el punto. As pues, si por un punto de iteracin trazamos la tangente a la curva, por extensin con el mtodo de la secante, el nuevo punto de iteracin se tomar como la abscisa en el origen de la tangente (punto de corte de la tangente con el eje X). Esto es equivalente a linealizar la funcin, es decir, f se reemplaza por una recta tal que contiene al punto ( punto, , ( )) y cuya pendiente coincide con la derivada de la funcin en el , se logra la interseccin de la funcin

. La nueva aproximacin a la raz,

lineal con el eje X de abscisas. Matemticamente:

Ilustracin de una iteracin del mtodo de Newton (la funcin f se demuestra en azul y la lnea de la tangente est en rojo). Vemos que que para la raz de la funcin . es una mejor es una aproximacin mejor

En la ilustracin adjunta del mtodo de Newton se puede ver que aproximacin que para el cero (x) de la funcin f.

Una forma alternativa de obtener el algoritmo es desarrollando la funcin f (x) en serie de Taylor, para un entorno del punto :

Si se trunca el desarrollo a partir del trmino de grado 2, y evaluamos en

Si adems se acepta que

tiende a la raz, se ha de cumplir que

, luego,

sustituyendo en la expresin anterior, obtenemos el algoritmo. Finalmente, hay que indicar que el mtodo de Newton-Raphson puede interpretarse como un mtodo de iteracin de punto fijo. As, dada la ecuacin siguiente mtodo de iteracin de punto fijo: , se puede considerar el

Se escoge h (x) de manera que g'(r)=0 (r es la raz buscada). Dado que g'(r) es:

Entonces:

Como h (x) no tiene que ser nica, se escoge de la forma ms sencilla:

Por tanto, imponiendo subndices:

Expresin que coincide con la del algoritmo de Newton-Raphson

CONVERGENCIA DEL MTODO El orden de convergencia de este mtodo es, por lo menos, cuadrtico. Sin embargo, si la raz buscada es de multiplicidad algebraica mayor a uno (i.e, una raz doble, triple, ...), el mtodo de Newton-Raphson pierde su convergencia cuadrtica y pasa a ser lineal de constante asinttica de convergencia 1-1/m, con m la multiplicidad de la raz. Existen numerosas formas de evitar este problema, como pudieran ser los mtodos de aceleracin de la convergencia tipo de Aitken o el mtodo de Steffensen. Derivados de Newton-Raphson destacan el mtodo de Ralston-Rabinowitz, que restaura la convergencia cuadrtica sin ms que modificar el algoritmo a:

Evidentemente, este mtodo exige conocer de antemano la multiplicidad de la raz, lo cual no siempre es posible. Por ello tambin se puede modificar el algoritmo tomando una funcin auxiliar g(x) = f(x)/f'(x), resultando:

Su principal desventaja en este caso sera lo costoso que pudiera ser hallar g(x) y g'(x) si f(x) no es fcilmente derivable. Por otro lado, la convergencia del mtodo se demuestra cuadrtica para el caso ms habitual en base a tratar el mtodo como uno de punto fijo: si g'(r)=0, y g' '(r) es distinto de 0, entonces la convergencia es cuadrtica. Sin embargo, est sujeto a las particularidades de estos mtodos. Ntese de todas formas que el mtodo de Newton-Raphson es un mtodo abierto: la convergencia no est garantizada por un teorema de convergencia global como podra estarlo en los mtodos de falsa posicin o de biseccin. As, es necesario partir de una aproximacin inicial prxima a la raz buscada para que el mtodo converja y cumpla el teorema de convergencia local. ESTIMACION DEL ERROR Se puede demostrar que el mtodo de Newton-Raphson tiene convergencia cuadrtica: si es raz, entonces:

para una cierta constante

. Esto significa que si en algn momento el error es menor o igual

a 0,1, a cada nueva iteracin doblamos (aproximadamente) el nmero de decimales exactos. En la prctica puede servir para hacer una estimacin aproximada del error: Error relativo entre dos aproximaciones sucesivas:

Con lo cual se toma el error relativo como si la ltima aproximacin fuera el valor exacto. Se detiene el proceso iterativo cuando este error relativo es aproximadamente menor que una cantidad fijada previamente.

TEOREMA DE CONVERGENCIA DEL METODO DE NEWTON Sea que si . Si , y , entonces existe un r>0 tal verifica que:

, entonces la sucesin xn con

para todo n y xn tiende a p cuando n tiende a infinito. Si adems EJEMPLO Consideremos el problema de encontrar un nmero positivo x tal que cos(x) = x3. Podramos tratar de encontrar el cero de f(x) = cos(x) - x3. Sabemos que f '(x) = -sin(x) - 3x2. Ya que cos(x) 1 para todo x y x3 > 1 para x>1, deducimos que nuestro cero est entre 0 y 1. Comenzaremos probando con el valor inicial x0 = 0,5 , entonces la convergencia es cuadrtica.

Los dgitos correctos estn subrayados. En particular, x6 es correcto para el nmero de decimales pedidos. Podemos ver que el nmero de dgitos correctos despus de la coma se incrementa desde 2 (para x3) a 5 y 10, ilustando la convergencia cuadrtica.

CODIGO EN MATLAB % Al escribir la funcin, usar x como variable. x0=input('Ingrese el valor inicial: '); tol=input('Ingrese el porcentaje de error: '); f=input('Ingrese la funcin: '); i=1; fx(i)=x0; syms x; f1=subs(f,x,fx(i)); z=diff(f); d=subs(z,x,fx(i)); ea(1)=100; while abs(ea(i))>=tol; fx(i+1)=fx(i)-f1/d; f1=subs(f,x,fx(i+1)); d=subs(z,x,fx(i+1)); ea(i+1)=abs((fx(i+1)-fx(i))/fx(i+1)*100); i=i+1; end fprintf('i for j=1:i; fprintf('%2d \t %11.7f \t %7.3f \n',j-1,fx(j),ea(j)); end fx(i) Error aprox (i) \n');

METODO DE LA SECANTE En anlisis numrico el mtodo de la secantees un mtodo para encontrar los ceros de una funcin de forma iterativa. Es una variacin del mtodo de Newton-Raphson donde en vez de calcular la derivada de la funcin en el punto de estudio, teniendo en mente la definicin de derivada, se aproxima la pendiente a la recta que une la funcin evaluada en el punto de estudio y en el punto de la iteracin anterior. Este mtodo es de especial inters cuando el coste computacional de derivar la funcin de estudio y evaluarla es demasiado elevado, por lo que el mtodo de Newton no resulta atractivo. En otras palabras, el mtodo de la secante es un algoritmo de la raz de investigacin que utiliza una serie de races de las lneas secantes para aproximar mejor la raz de una funcin f.

El mtodo de la secante se puede considerar como una aproximacin en diferencias finitas del mtodo de Newton-Raphson. Sin embargo, este mtodo fue desarrollado

independientemente de este ltimo EL METODO El mtodo se define por la relacin de recurrencia:

Como se puede ver, este mtodo necesitar dos aproximaciones iniciales de la raz para poder inducir una pendiente inicial. DERIVACION DEL METODO El mtodo se basa en obtener la ecuacin de la recta que pasa por los puntos (xn1,f(xn1)) y (xn, f(xn)). A dicha recta se le llama secante por cortar la grfica de la funcin. En la imagen de arriba a la derecha se toman los puntos iniciales x0 y x1, se construye una lnea por los puntos (x0, f(x0)) y (x1, f(x1)). En forma punto-pendiente, esta lnea tiene la ecuacin mostrada anteriormente. Posteriormente se escoge como siguiente elemento de la relacin de recurrencia, xn+1, la interseccin de la recta secante con el eje de abscisas obteniendo la frmula, y un nuevo valor. Seguimos este proceso, hasta llegar a un nivel suficientemente alto de precisin (una diferencia lo suficientemente pequeas entre xn y xn-1). CONVERGENCIA El orden de convergencia de este mtodo, en un punto cercano a la solucin, es donde

es el nmero ureo, por lo que se trata de una convergencia superlineal inferior a la delmtodo de Newton-Raphson. En caso de que la aproximacin inicial sea demasiado lejana o la raz no sea simple, este mtodo no asegura la convergencia y tiene un comportamiento similar al de Newton-Raphson. EJEMPLO Utilice el mtodo de la secante para encontrar una raz real de la ecuacin polinomial:F(x)=x3+2x2+10x-20=0. Utilizando la ecuacin:

Obtenemos:

Y mediante x0=0 y x1=1 se calcula x2

Los valores posteriores son los siguientes:

Ahi tenemos el resultado, cuando

Comprobando el resultado graficando la funcin utilizando software obtenemos:

Si bien no se converge a la raz tan rpido como resolvindolo utilizando el mtodo NewtonRaphson, la velocidad de convergencia no es tan lenta como resolvindolo por el mtodo de punto fijo; entonces se tiene para este ejemplo una velocidad de convergencia intermedia. CODIGO EN MATLAB clc clear f='exp(-x)-log(x)'; f=inline(f); x0=1; x1=2; xra=0; xr=0; xra=0; tol=1; i=1; error_aprox=1; error=0; f1=f(x1); f2=x0-x1; f3=f(x0); f4=f(x1); xr=x1-(f1 * f2 / ( f3 - f4 )); fprintf('It. X0 X1 Xr Error aprox \n'); fprintf('%2d \t %11.7f \t %11.7f \t %11.7f \t %11.7f \n',i,x0,x1,xr,error); while error_aprox >= 0.01, xra=xr; % x1=x0; x0=xr;

% f1=f(x1); f2=x0-x1; f3=f(x0); f4=f(x1); xr=x1-(f1 * f2 / ( f3 - f4 )); % error = abs((xr - xra) / xr); error_aprox = error; fprintf('%2d \t %11.7f \t %11.7f \t %11.7f \t %11.7f \n',i,x0,x1,xr,error_aprox); i=i+1;
end

CONCLUSIONES:

FUENTES DE INFORMACION:
http://es.wikipedia.org/wiki/M%C3%A9todo_de_bisecci%C3%B3n http://www.ma3.upc.edu/users/carmona/teaching/clases/0809/trabajos/metodo%20biseccion.pdf http://www.epsem.upc.edu/~fpq/ale-hp/modulos/aplicaciones/newton.pdf http://www.vidaamarilla.com/2009/01/metodos-numericos-metodo-de-la-secante.html