Documente Academic
Documente Profesional
Documente Cultură
El mtodo de biseccin se basa en el siguiente teorema de Clculo: Teorema del Valor Intermedio Sea que existe un contnua en un intervalo . Entonces para cada tal que y supongamos tal que . La misma conclusin se ,
obtiene para el caso que . 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. En particular, si y tienen signos opuestos, entonces , y por lo tanto, el un valor intermedio es precisamente
Teorema del Valor Intermedio nos asegura que debe existir tal que , es decir, debe haber por lo menos una raz
de en el intervalo . El mtodo de biseccin sigue los siguientes pasos: Sea contnua, tales que y
En este caso, tenemos que y tienen signos opuestos, y por lo tanto la raz se encuentra en el intervalo
tenemos que y
En este caso se tiene que y por lo tanto ya localizamos la raz. El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
es decir,
Ejemplo 1 Aproximar la raz de hasta que . Solucin Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de se localiza en el intervalo . As que este intervalo es nuestro punto de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos checar que y tengan signos opuestos. En efecto, tenemos que
mientras que
es contnua en el
intervalo . As pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de biseccin. Comenzamos: i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):
ii) Evaluamos iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente tabla:
Por lo tanto, vemos que la raz se encuentra en el intervalo . En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo intervalo . Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso. Evaluamos , y hacemos la tabla:
El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla:
Error aprox. Aprox. a la raz 1.25 1.375 9.09% 1.3125 4.76% 1.28125 2.43% 1.296875 1.20% 1.3046875 0.59% As, obtenemos como aproximacin a la raz
Ejemplo 2 Aproximar la raz de Solucin Como vimos en el ejemplo 2 hasta que .
de se localiza en el intervalo . Para poder aplicar el mtodo de biseccin, es importante checar que s se cumplen las hiptesis requeridas. Sabemos que que y En efecto, es contnua en el intervalo tengan signos opuestos. , y checamos
Mientras que,
Por lo tanto, s podemos aplicar el mtodo de biseccin. Calculamos el punto medio del intervalo ,
Puesto que
se localiza en el intervalo . En este punto, solo contamos con una aproximacin, a saber, , que es el primer punto medio calculado. Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo ,
Que es la nueva aproximacin a la raz de . Aqu podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo, continuamos con el proceso. Evaluamos Y hacemos la tabla de signos: .
Puesto que
El proceso se debe continuar hasta que se logre el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla:
Error aprox. Aprox. a la raz 0.5 0.75 0.625 0.5625 0.53125 0.515625 0.5234375 0.51953125
De lo cual, vemos que la aproximacin buscada es El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente grfica, puede ser demasiado lento.
En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de forma muy lenta, ya que el mtodo solamente toma en cuenta que la raz se encuentra dentro del intervalo, sin importar si se encuentra ms cerca de alguno de los extremos del intervalo. Sera bueno implementar un mtodo que tome en cuenta este detalle.
# Xi Xd Fxi Fxd Nuevo Xm Error 1 -3 -2 -14 6 -2.5 -0.5 2 -2.5 -2 -2.125 6 -2.25 -0.25 3 -2.5 -2.25 -2.125 2.359375 -2.375 -0.125 4 -2.5 -2.375 -2.125 0.228515625 -2.4375 -0.0625 5 -2.4375 -2.375 -0.919677734375 0.228515625 -2.40625 -0.03125 6 -2.40625 -2.375 -0.33853149414062 0.228515625 -2.390625 -0.015625 7 -2.390625 -2.375 -0.053256988525391 0.228515625 -2.3828125 -0.0078125 8 -2.390625 -2.3828125 -0.053256988525391 0.088065624237061 -2.38671875 -0.00390625 9 -2.390625 -2.38671875 -0.053256988525391 0.017513573169708 -2.388671875 -0.001953125 10 -2.388671875 -2.38671875 -0.017844371497631 0.017513573169708 -2.3876953125 -0.0009765625 11 -2.3876953125 -2.38671875 -0.00015856791287661 0.017513573169708 -2.38720703125 -0.00048828125 12 -2.3876953125 -2.38720703125 -0.00015856791287661 0.0086792100919411 -2.387451171875 -0.000244140625 13 -2.3876953125 -2.387451171875 -0.00015856791287661 0.0042607479990693 -2.3875732421875 -0.0001220703125 14 -2.3876953125 -2.3875732421875 -0.00015856791287661 0.0020511967759376 -2.3876342773438 -6.103515625E-5
Hemos terminado de analizar el mtodo de la biseccin, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876647949219 con 14 iteracciones.
Punto fijo
Si la ecuacin es , entonces puede despejarse bien sumar en ambos lados de la ecuacin para ponerla en la forma adecuada. Ejemplos: 1) La ecuacin en . 2) La ecuacin en se puede transformar se puede transformar .
, es decir,
Por el Teorema del Valor Medio para derivadas, sabemos que si diferenciable en que . es contnua en entonces existe y tal
mientras que el trmino corresponde al error absoluto en la sima iteracin. Por lo tanto, solamente si , entonces se disminuir el error en la siguiente iteracin. En caso contrario, el error ir en aumento. En resumen, el mtodo de iteracin del punto fijo converge a la raz si para en un intervalo que contiene a la raz y donde es contnua y diferenciable, pero diverge si en dicho intervalo.
En el ejemplo 1,
y claramente se
En el ejemplo 2,
y en
este
caso, . Por lo tanto, el mtodo no converge a la raz. Para aclarar el uso de la frmula veamos dos ejemplos: Ejemplo 1 Usar el mtodo de iteracin del punto fijo para aproximar la raz de , comenzando con y hasta que .
Solucin Como ya aclaramos anteriormente, el mtodo s converge a la raz. Aplicando la frmula iterativa tenemos, Con un error aproximado de Aplicando nuevamente la frmula iterativa tenemos,
Y un error aproximado de
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al 1%. El resultado final que se obtiene es:
Ejemplo 2 Usar el mtodo de iteracin del punto fijo para aproximar la raz de con y hasta que . , comenzando
de donde,
. Un vistazo a
nos convence que , para , lo que es suficiente para deducir que el mtodo s converge a la raz buscada. Aplicando la frmula iterativa, tenemos:
Con un error aproximado igual al 28.41%. En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error menor al 1%. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz 0 -0.2 -0.1557461506 -0.1663039075 -0.163826372 -0.164410064 Error aprox. 100% 28.41% 6.34% 1.51% 0.35%
Veremos a continuacin un ejemplo del metdo de la Punto Fijo con la siguiente ecuacin:
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Fx 6 -19.968 11.692075744767 -137.06733727676 15.278575889954 -1837.5252497571 15.893013650839 -3961.2932828992 15.936089251016 -4046.549064545 15.93699245737 -4047.9153117412 15.937006671952 -4047.9366679087 15.93700689408
Gx -3.2 -1.423487544484 -5.286954775047 -0.55264093506638 -12.256666831521 -0.10580199505242 -15.822877723262 -0.063652847694363 -15.935434638196 -0.062760338437828 -15.937225498684 -0.062746289826028 -15.937253488903 -0.062746070290919 -15.937253926252
Nuevo Xm 6 -19.968 11.692075744767 -137.06733727676 15.278575889954 -1837.5252497571 15.893013650839 -3961.2932828992 15.936089251016 -4046.549064545 15.93699245737 -4047.9153117412 15.937006671952 -4047.9366679087 15.93700689408
Hemos terminado de analizar el mtodo de Punto Fijo, en este ejemplo con un error de 0.0001; vemos que el metdo NO CONVERGE.
Newton
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino que basa su frmula en un proceso iterativo. Supongamos que tenemos la aproximacin raz de , a la
Trazamos la recta tangente a la curva en el punto punto la raz . ; sta cruza al eje en un que ser nuestra siguiente aproximacin a
Para calcular el punto , calculamos primero la ecuacin de la recta tangente. Sabemos que tiene pendiente
Hacemos
Y despejamos
para
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia. Tambin observe que en el caso de que , el mtodo no se puede aplicar. De hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto no intersecta al eje en ningn punto, a menos que coincida con ste, en cuyo caso mismo es una raz de ! Ejemplo 1 Usar el mtodo de Newton-Raphson, para aproximar la raz de , comenzando con y hasta que . Solucin En este caso, tenemos que
Comenzamos con
y obtenemos:
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz 1 1.268941421 1.309108403 1.309799389 Error aprox. 21.19% 3.06% 0.052%
De lo cual conclumos que , la cual es correcta en todos sus dgitos! La misma idea puede aplicarse para crear algoritmos que aproximen races -simas de nmeros reales positivos. Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una forma muy rpida y de hecho, observamos que el error aproximado disminuye a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo establecer formalmente las cotas para los errores en cada uno de los mtodos que hemos estudiado, cabe mencionar que si existen estas cotas que miden con mayor precisin la rapidez lentitud del mtodo en estudio.
# 1 2 3 4 5 6
Hemos terminado de analizar el mtodo de la Newton Rapshon, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876865533923 con 6 iteracciones.
Secante
Este mtodo se basa en la frmula de Newton-Raphson, pero evita el clculo de la derivada usando la siguiente aproximacin:
Que es la frmula del mtodo de la secante. Ntese que para poder calcular el valor de conocer los dos valores anteriores , necesitamos y .
Obsrvese tambien, el gran parecido con la frmula del mtodo de la regla falsa. La diferencia entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre intervalos cerrados, el mtodo de la secante es un proceso iterativo y por lo mismo, encuentra la aproximacin casi con la misma rapidez que el mtodo de Newton-Raphson. Claro, corre el mismo riesgo de ste ltimo de no converger a la raz, mientras que el mtodo de la regla falsa va a la segura. Ejemplo 1 Usar el mtodo de la secante para aproximar la raz de que . , comenzando con , y hasta
Solucin Tenemos que y , que sustitumos en la frmula de la secante para calcular la aproximacin :
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz 0 1 0.612699837 0.653442133 0.652917265 Error aprox. 100% 63.2% 6.23% 0.08%
Ejemplo 2 Usar el mtodo de la secante para aproximar la raz de hasta que Solucin Tenemos los valores y , que sustitumos en la frmula de la secante para obtener , comenzando con . y , y
la aproximacin
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz 0 1 0.823315073 0.852330280 0.853169121 Error aprox. 100% 21.4% 3.40% 0.09%
# Xi Xd Fxi Fxd Nuevo Xm Error 1 -3 -2 -14 6 -2.3 -0.3 2 -3 -2.3 -14 1.533 -2.51 -0.21 3 -2.51 -2.3 -2.323251 1.533 -2.3207255520505 -0.020725552050473 4 -2.51 -2.3207255520505 -2.323251 1.1803871495748 -2.395969027827 -0.075243475776506 5 -2.395969027827 -2.3207255520505 -0.15043075408291 1.1803871495748 -2.3460753250876 -0.025349773037123 6 -2.395969027827 -2.3460753250876 -0.15043075408291 0.74096319530987 -2.3903292274407 -0.044253902353135 7 -2.3903292274407 -2.3460753250876 -0.04789074483039 0.74096319530987 -2.3828609830056 -0.036785657917969 8 -2.3903292274407 -2.3828609830056 -0.04789074483039 0.087191294668852 -2.3898758357919 -0.0070148527863751 9 -2.3898758357919 -2.3828609830056 -0.039667231209549 0.087191294668852 -2.3873888543541 -0.0045278713485732 10 -2.3898758357919 -2.3873888543541 -0.039667231209549 0.0053886529350926 -2.3890981847273 -0.0017093303731688 11 -2.3890981847273 -2.3873888543541 -0.025569238087972 0.0053886529350926 -2.387593289098 -0.00020443474381393 12 -2.3890981847273 -2.387593289098 -0.025569238087972 0.0016883143877866 -2.3878552371823 -0.00026194808438618 13 -2.3878552371823 -2.387593289098 -0.0030539102982061 0.0016883143877866 -2.3876095139854 -1.6224887400274E-5
Hemos terminado de analizar el mtodo de la secante, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876969957131 con 13 iteracciones.
Falsa posicion
Como mencionamos anteriormente, sera bueno considerar si la raz de una ecuacin est localizada ms cerca de alguno de los extremos del intervalo. Consideremos nuevamente una grfica como la anterior,
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el intervalo . Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto donde cruza al eje esta recta, nos aproximaremos mucho ms rpido a la raz; sta es en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son prcticamente idnticos. Supongamos que tenemos una funcin que es contnua en el intervalo y adems, y tienen signos opuestos. Calculemos la ecuacin de la lnea recta que une los puntos , . Sabemos que la pendiente de esta recta esta dada por:
, hacemos
Multiplicando por
nos da:
Este punto es el que toma el papel de en lugar del punto medio del mtodo de biseccin. As pues, el mtodo de la regla falsa sigue los siguientes pasos: Sea contnua, i) Encontrar valores iniciales que y , tales tienen signos opuestos, es decir,
En este caso, tenemos que y tienen signos opuestos, y por lo tanto la raz se encuentra en el intervalo
En este caso,
tenemos que
tienen el
mismo signo, y de aqu que y tienen signos opuestos. Por lo tanto, la raz se encuentra en el intervalo
En este caso se tiene que y por lo tanto ya localizamos la raz. El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Ejemplo 1 Usar el mtodo de la regla falsa para aproximar la raz de , comenzando en el intervalo y hasta que . Solucin Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que es contnua en el intervalo dado y que toma signos
opuestos en los extremos de dicho intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa. Calculamos la primera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As pues, evaluamos
De donde vemos que la raz se encuentra en el intervalo . Con este nuevo intervalo, aproximacin: calculamos la nueva
Puesto que no se cumple el objetivo seguimos con el proceso. Evaluamos tabla de signos: , y hacemos la
De donde vemos que la raz se encuentra en el intervalo , con el cual, podemos calcular la nueva aproximacin:
Y el error aproximado:
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia de la lentitud del mtodo de la biseccin. Ejemplo 2 Usar el mtodo de la regla falsa para aproximar la raz de , comenzando en el intervalo y hasta que . Solucin Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que sea contnua en el intervalo dado y que tome signos opuestos en los extremos de dicho intervalo. Calculamos pues, la primera aproximacin:
Como solamente tenemos una aproximacin, debemos avanzar en el proceso. Evaluamos Y hacemos nuestra tabla de signos:
De lo cual vemos que la raz se localiza en el intervalo . As pues, calculamos la nueva aproximacin:
Puesto que no se cumple el objetivo, seguimos avanzando en el proceso. Evaluamos Y hacemos nuestra tabla de signos: .
De los cual vemos que la raz se localiza en el intervalo , con el cual podemos calcular al siguiente aproximacin:
Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra la lentitud del mtodo de la biseccin. Por supuesto que puede darse el caso en el que el mtodo de la regla falsa encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin , comenzando en el intervalo , donde notar que mientras que el mtodo de biseccin requiere de 8 aproximaciones para lograr que , el mtodo de la regla falsa necesita hasta 16 aproximaciones.
Veremos a continuacin un ejemplo del metdo de la Posicin, Falsa con la siguiente ecuacin:
Xi Xd Fxi Fxd Nuevo Xm Error 1 -3 -2 -14 6 -2.3 -0.3 2 -3 -2.3 -14 1.533 -2.51 -0.21 3 -2.51 -2.3 -2.323251 1.533 -2.3207255520505 -0.020725552050473 4 -2.51 -2.3207255520505 -2.323251 1.1803871495748 -2.395969027827 -0.075243475776506 5 -2.395969027827 -2.3207255520505 -0.15043075408291 1.1803871495748 -2.3460753250876 -0.025349773037123 6 -2.395969027827 -2.3460753250876 -0.15043075408291 0.74096319530987 -2.3903292274407 -0.044253902353135 7 -2.3903292274407 -2.3460753250876 -0.04789074483039 0.74096319530987 -2.3828609830056 -0.036785657917969 8 -2.3903292274407 -2.3828609830056 -0.04789074483039 0.087191294668852 -2.3898758357919 -0.0070148527863751 9 -2.3898758357919 -2.3828609830056 -0.039667231209549 0.087191294668852 -2.3873888543541 -0.0045278713485732 10 -2.3898758357919 -2.3873888543541 -0.039667231209549 0.0053886529350926 -2.3890981847273 -0.0017093303731688 11 -2.3890981847273 -2.3873888543541 -0.025569238087972 0.0053886529350926 -2.387593289098 -0.00020443474381393 12 -2.3890981847273 -2.387593289098 -0.025569238087972 0.0016883143877866 -2.3878552371823 -0.00026194808438618 13 -2.3878552371823 -2.387593289098 -0.0030539102982061 0.0016883143877866 -2.3876095139854 -1.6224887399829E-5
Hemos terminado de analizar el mtodo de la Posicin Falsa, en este ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): -2.3876969957131 con 13 iteracciones.