Documente Academic
Documente Profesional
Documente Cultură
Teo
rd
el r-
donc
du
Au
dt
Se
_ u(/+t)-u(/r) A/ t+t - t
(4.1)
introdujo un error de truncamiento en la solucin, ya que la ecuacin de diferencias slo aproxima el valor verdadero de la derivada (vase la figura 1.4). Adems, para obtener conocimiento de las caractersticas de estos errores se regresar a la formulacin matemtica usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial; las series de Taylor.
doni
ma*
cio::
oftr
e* poj:r
4.1
tAS
SERIES DE TAYTOR
g{-SilFt
El teorema de Taylor (vase cuadro 4.1) y su frmula asociada, las series de Taylor, tienen un gran valor para el estudio de los mtodos numricos. En esencia, la serie de Taylor provee un medio para predecir el valor de una funcin en un punto en trminos del valor de la funcin y sus derivadas en otro punto. En particular, el teorema establece que cualquier funcin suave puede ser aproximada con un polinomio. Un buen camino para obtener ms conocimiento de la serie de Taylor se obtendr mediante su construccin trmino por trmino. Por ejemplo, el primer trmino de la
serie es:
^hir
cLu
ogs
f(x+t) 7 f(x)
(4 )\
Esta relacin, conocida como aproximacin de orden cero, indica que el valor de/en el nuevo punto es el mismo que el valor en el punto anterior. Este resullado se logra intuitivamente, ya que si x, y;r,*, estn muy prximas una de la otra, entonces es igualmente posible que el nuevo valor sea quiz similar al anterior. \ La ecuacin anterior (a.l da una estimacin perfecta de si la funcin que se va a aproximar es una constante. Sin embargo, si la funcin se cambia en todo el intervalo, entonces se requieren los trminos adicionales de las series de Taylor para obtener una mejor aproximacin. Por ejemplo, Ia aproxintacin de priruer orden se obtiene sumando otro trmino al anterior para obtener:
(4.3)
4.1
Cuodro
85
4.I
Teoremos de Tovlor
1...=...
Teorema de Taylor: Si la funcin/y sus primeras vada son continuas en un intervalo que contiene a y el valor de la funcin de est dado por
+ I derientonces
t,
En otras palabras, el teorema establece que la integral puede ser representada como un valor promedio para la funcin g () ve. Como el promedio puede ces la longitud del intervalo x ocurrir entre valores mximo y mnimo del intervalo, hay un punto
Jt.\\
o,
* f"!-l' rx -
at2
.x
a)3
+...
Rn
toma el valor promedio. El primer teorema es, de hecho, un caso especial del segundo teorema del valor medio.
- ( en el cual la funcin
at', +
(84.1. r)
Segundo teorema de medio para infegrales: Si las funciones g y i son continuas e integrables en un intervalo que contiene a, x,y h no cambia de signo en ese intervalo, entonces existe un
punto(enhecyxtalque
(84.1.2)
'r'1 /--
-\n
ft''+t\gsdr
f,
s(t)nrttdr:
sG)
l"' ^t,to,
(84.1.4)
donde : a es una variable muda. La ecuacin (B4.l.l) es llamada la serie de Taylor o formula de Taylor. Si el residuo es omitido, el lado derecho de la ecuacin (B4.1 . 1) es la aproximacin del polinomio de Taylor paraf(x). En esencia, el teorema establece que cualquier funcin puede aproximarse como un
Entonces la ecuacin (84.1.3) es equivalente a la ecuacin (B4.1.4) con (r) = l. El segundo teorema puede aplicarse a la ecuacin (B'4.1.2) con
polinomio.
g(r)
/('+r)(/)
h(t)
:--
(x
La ecuacin (8.4.1.2) es un camino, llamadaforma integral,por el cual el residuo puede expresarse. Una formulacin
alternativa puede derivarse en base al teorema del valor medio.
- t\" ---'n].
As r varia de a a x, h(t) es continua y no existe cambio de signo. Por lo tanto, si{'+l)11 es continua, entonces el teorema del va1or medio para integrales es
es
continua e integrable en un intervalo que contenga d y r, entonces existe un punto ( enhe a y x tal que
f\n+lJtf\
l"'
g(t) dr
comoladerivadaoforma
de
Lagrange
s(f )(;r
a)
(B4.1.3)
del residuo.
El trmino adicional de primer orden consiste de una pendientef '(x,) multiplicada por la distancia entre r, y x,*,. Por lo tanto, la expresin ahora representa una lnea recta y es capaz de predecir un incremento o un decremento de la funcin entre.x y .x+I. Aunque la ecuacin (4.3) puede predecir un cambio, slo es exacta para una lnea recta o es de tendenc ia lineal. Por lo tanto, se le agrega a la serie un trmiho de segundo orden para obtener algo de curvahira, as la funcin pudiera exhibir la forma:
ff@,*, - ,,)'
(4.4)
De manera similar, se puede agregar trminos adicionales para desarrollar la expansin completa de la serie de Taylor.
SERIE DE TAYLOR
Y ERRORES DE TRUNCAMIENTO
(4.s)
Obsrvese que debido a que la ecuacin (4.5) es una serie infinita, el signo igual reemplaza al de aproximacin usado en las ecuaciones (4.2) a @'\. Se incluye un trmino residual para considerar todos los trminos'desde * I hasta el infinito:
o,:ffi(x1
-x)'+l
(4.6)
donde el subndice n indica que el residuo es de la aproximacin a ensimo orden y ( es un valor cualquiera dex que se oncuentra entrex, y x,*r.La inclusin de ( dentro de la serie es de mucha importancia, al grado que se dedica una seccin completa (seccin 4.1.1) para su estudio. Por ahora es suficiente darse cuenta que existe este valor que da una estimacin exacta del error. : Con frecuencia es conveniente simplificar la serie de Taylor definiendo un paso .& x1 xy expresando la ecuacin (4.5) como:
(4.7)
(4.8)
EJEMPLO
4.1
fl*).: -0.lxa - 0.15x3 - 0.5x2 - 0.25x * r.2 : l' desdex, : 0 con h = l.Esto es, predecir el valor de la funcin rra1
Solucn. Ya que se trata de una funcin conocida, se puede caliular valores def@) : entre 0 y l. Los iesultados (vase figura 4.1) indican que la funcin empieza en/(O)
0'2' Por lo tanto, el valor verdadero que se trata 1.2 y contina hacia abajo hasta/( l) de predecir es 0.2: 0 es [vase ecuacin (4.2)] La aproximacin en series de Taylor corr n
f(x+t)
1.2
4.1
Orden c-ero
",rgu.f
oro*
FIGURA
4.I
Looproximociordef(')
'medionte
como se puede ver en la figura 4.1, la aproximacin de orden cero es una constante. Usando esta formulacin resulta el error de truncamiento [recordar la ecuacin (3.2)] de
'Et:0.2-1.2--1.0 oftx:
1.
Para
0, como
--0.25: -0.25
f (xi+t)
1.2
0.25h
que se puede usar para calcular/(l) : 0.95. Por consiguiente, la aproximacin empieza a coincidir con la trayectoria de la funcin como la pendiente de una inea recta (vase figura 4.1). De esta manera el error de truncamiento se reduce a:
:0.2 - 0.95 : -0.15 Para n : 2, se evala la segunda derivada en x : f'(:0) : -1.2(0.q2 - 0.9(0.0) - 1.0 : -1.0
E, Y
de acuerdo con la ecuacin (4.4\:
0:
f(x+t)
= 1.2-0.25h
-0.5h2
SERIE DE TAYLOR
Y ERRORES DE TRUNCAMIENTO
y sustituyendo h : 1,f(1) : 0.45. Al incluirse la segunda derivada se aade una curvatura descendente que proporciona una mejor estimacin, como se muestra en la figura 4.1. El error de truncamiento se reduce a 0.2 - 0.45 : -0.25. Los trminos adicionales mejoran an ms la aproximacin. En efecto, la inclusin de la tercera y la cuarta derivada da como resultado exactamente la misma ecuacin del
principio con:
f'(x)
1.2
0.25h
0.5h2
0.15h3
0th4
R4
: '----)- hr :
)l
f (5)tF
ya que la quinta derivada de un polinomio de cuarto orden es cero. Por consiguiente, la expansin en series de Taylor hasta la cuarta derivada produce una aproximacin exacta
en
x,*,
: l:
,f(l)
t.2-0.25(t)
0.s(1)2
0.15(l)3
0.1(l4
:9.2
En general, la expansin en series de Taylor de z-simo orden debe ser exacta para un polinomio de n-simo orden. Para otras funciones continuas diferenciables, como las exponenciales o sinusoidales, no se obtiene una estimacin exacta mediante un nmero finito de trminos. Cada uno de los trminos adicionales contribuye al mejoramiento de la aproximacin, aunque sea con poco. Esto se muestra en el ejemplo 4.2. Se obtenda un resultado exacto nicamente si se le agrega un nmero infinito de trminos. Aunque 1o anterior se cumple, el valor prctico de las series de Taylor estriba, en la mayor parte de los casos, en el uso de un nmero finito de trminos que darn una aproximacin lo suficientemente cercana a 1a solucin verdadera para propsitos prcticos. La decisin sobre cuntos trminos se requieren para obtener una "aproximacin razonable" se basa en el trmino residual de la expansin. Recurdese que el trmino residual es de la forma genera! de la ecuacin (4.8). Esta frmula tiene dos grandes desventajas. Primero, ( no se conoce con exactitud, sino que slo se sabe que est entre xy x+t. Segundo, parala evaluacin de la ecuacin (a.8) se requiere evaluar la(n + L) sima derivada def(x). Para hacerlo, se necesita conocer/(r). Pero si ya se conoce/(.r), entonces no hay raznpararealtzar la expansin en series de Taylor aqu. A pesar de este dilema, la ecuacin (4.8) an resulta ti1 para la evaluacin de errores de truncarniento. Esto se debe a que tiene control sobre e1 trmino h dela ecuacin. En otras palabras, se puede decidir qu tan lejos de x se desea evaluar/(r), y se puede controlar la cantidad de trminos incluidos en la expansin. Por 1o tanto, la ecuacin (4.8) se expresa usualmente como: Rn
O(hn+t)
donde la nomenclatura O(h'*\ signilica que el.error de truncamiento es de ordenhn'1. Esto es, el error es proporcional al paso ft elevado ala (n -l l) z-sima potencia. Aunque esta aproximacin no implica nada relacionado con las derivadas que multiplic an l't'*t ,
4.1
IAS
SERIES DE TAYLOR
89
de los mtodos numricos basados en las si el error es O(h) y se reduce a la mitad del expansiones en series de Taylor. Por ejemplo, otro lado, si el error es O(h') entonces mitad. Por paso, entonces el error se reducir a la es extremadamente
el error se reducir a una cuarta parte. En general, se puede suponer que el error de truncamiento disminuye agregando trminos a la serie de Taylor. En muchos casos, si /u es lo suficientemente pequeo, entonces los trminos de primero y segundo orden influyen desproporcionadamente en el procentaje de error. Esta propiedad se ilustra en el ejemplo siguiente.
EJEMPLO
4.2
Uso de lo exponsin en serie de Toylor poro oproximqr uno funcin con un nmero infinito de derivodos
problemo. sense los trminos de la serie de Taylor con t? : 0 hasta 6 paraaproximarf(x):cosf llI11 :nl3conbaseenelvalordef(x)ysusderivadasen x: nl4. Obsrvese que esto significa que h : nl3 ' nl4 = ttll2.
Enunciodo del
Solucin.
Como en el ejemplo 4.1 el conocimiento de la funcin original implica que se puede conocer el valor exacto def(nl3) -- 0.5. La aproximacin a orden cero es fvase ecuacin (4.3)]
o.7o7lo678l
0.707106781 0.5
1007o
-41
.4Vo
'(x)
-sen.r:
)in
o.52le865e
4.40. que tiene un error relativo porcentual de g En la aproximacin de segundo orden se incluye el trmino que contiene a la segunda derivada
: -
donde/'(x)
: - cos r:
/1T\ /JT\ /\/( r COS(n/4ltrx2 -""'="' 'f ;: ) f ( ^)=cos(i)-sen{;)(;)"\3/ \4/ ----\4/\12/ 2 \l2t
:0.4e71s44e1
con un error relativo porcentual de g : 0.449. Por lo tanto, al agregar ms trminos a la serie se obtiene una mejor aproximacin. Este proceso se puede continuar y los resultados pueden ser mostrados, como en la tabla 4.1. Obsrvese que las derivadas nunca Se acercan a cero, como eS el caso del polinomio del ejemplo 4.1. Asimismo, cada trmino que se le agrega a la serie produce una mejor aproximacin. Sin embargo, obsrvese tambin que la mayor aproximacin se consigue con los primeros trminos. En este caso, por habrsele agregado el tercer trmino, el error se redujo a\ 2.62 v l0-2/a,1o que significa que se ha alcanzado el
90
TABT.rA
4.
Aproximociones medionte lo serie de,Toylor de f(x) cos x en x,1 = n/3 = usondo como punto bose n/4. Los volores ,on ,.nortrodos poro uorio, rdenes (n) de oproximocin.
{n)ft1
COS
Orden n
0
I
f(t/3)
7a710781
-sen x
_COS X
2 3
-. 5219859
-41 4
4 497754491
-4.4
sen
COS
x
X
4
5
) 19989147
1 50000255 I 4 500000304
-sen x -cos x
a 499999988
99.9738Vo del valor exacto. Por consiguiente. aunque se le agreguen ms trminos a la serie, el error decrece, pero la mejora ser mnima.
4.I.1
EI
Antes de demostrar cmo se usa la serie de Taylor en la estimacin de errores numricos, se debe explicar por qu se incluye el argumento ( en la ecuacin (4.g). un desarrollo matemtico es presentado en el cuadro 4.1. Ahora desarrollaremos una exposicin alternativa basada en algo ms que una interpretacin visual. En seguida se puede extender este caso especfico a una formulacin ms general. supngase que se trunc la expansin en serie de Tylor fvase ecuacn (4.7] despus del trmino de orden cero para obtener:
f(x-t) j f(x)
En la figura (4.2) se muestra un bosquejo de esta prediccin de orden cero. El residuo o error de esta prediccin, que se muestra tambin en la figura, consiste de la serie infinita de trminos que fueron truncados:
Rs: f'(^)h + -t
Se puede
f,,(xi\ t^2 , ,, -r
serie infinita con este formato es inconveniente. obtener una simplificacin "rru truncando el residuo mismo de la siguiente manera:
= f '(x)h
(4.e)
Aunque como se mencion en la seccin previa, los trminos de las derivadas de orden inferior cuentan mucho ms en el residuo que los trminos de las herivadas de orden superior; este resultado todava es inexacto, ya que se han despreciado los trminos de
segundo orden y de rdenes superiores. Esta "inexactifud" se denota mediante el smbo(:) empleado en la ecuacin (4.9). Una simplificacin alterna querealizalaaproximacin a una equivalencia est basada en el esquema grfico. As, en la figura 4.3 el teorema del valor nteclo dice que si una
lo de aproximacin a la igualdad
"t
4.1
LAS SERIES DE TAYLOR
9l
Prediccin de orden
cero -->?-
L+t
FIGURA
4.2
Representocin grf;co de uno prediccin de lo serie de Toyfor de orden cero y res duo
son continuas sobre el intervaloxax*1, entonces existe al menos un punto sobre la funcin que tiene unapendiente dada porf '(.8), que es para-
lela a la lnea que une/(x) con/(x,*,). El parmetro { marca el valor donde ocurre la pendiente (vase figura 4.3). Se puede hacer una ilustracin tangible de este teorema en el hecho de que si usted viaja entre dos puntos con una velocidad promedi o,habr al menos un momento durante el curso del viaje en el que usted se mueve a esa velocidad promedio. Al hacer uso de este teorema resulta fcil darse cuenta, como se ilustr en la figura (4.3), que la pendiente/(() es igual a cociente Rn entre ft, o
f '()
R
h
: f '()h
(4.10)
Por 1o tanto, se ha obtenido el trmino de orden cero de la ecuacin (4.8). Los trminos de rdenes son una extensin lgica del razonamiento usado para derivar la ecuacin (4.10). La versin a primer orden es
pr-f"(t)r' '21
En este caso, el valor de
(4 11\
segundo orden que hace exacta a la ecuacin (4.1 1). Los trminos de orden rns alto se pueden desarrollar de la ecuacin (a.8).
SERIE DE TAYLOR
Y ERRORES DE TRUNCAMIENTO
xi*
'. : ..,.,.. h
FIGURA 4.3
Pcn'csentnei^ nrfien dol 'eo'emo del vo]or med:o
4.1.2
Aunque la serie de Taylor es en extremo til en la estimacin de errores de truncamiento a lo Iargo de este libro, puede que an no est muy claro cmo la expansin puede aplicarse realmente a los mtodos numricos. En realidad esto ya se hizo en el ejemplo de la cada del paracaidista. Recurdese que el objetivo de los ejemplos 1.1 y 1.2 fue el de predecir la velocidad en funcin del tiempo. Esto es, se deseaba determinar u(r). Como se especific en la ecuacin (4.5), u (l) se puede expandir en la serie de Taylor del
siguiente modo:
u(r+r)
: u(t)* u'(r)(t*1 - 1) * f
:
u(ti)
,r,*,
t)2
r"'*
R,
(4.r2)
Ahora, truncando la serie despus del trmino con la primera derivada, se obtiene:
u(/+r)
u'(t)Q1
1)
Rr
(4.13)
r t.. \r/,, :
u(r,-)-u(t)
t+t - ti
a primer \-/-
I+t - Ii
(4.r4)
La primera parte de la ecuacin (4.14) es exactamente la misma relacin que se us pafa aproximar la derivada del ejemplo 1.2 [vase ecuacin (1.11)]. Sin embargo, con el es-
4.1
93
quema de la serie de Taylor, se ha obtenido una estimacin del error de trtlncamiento asociado con esta aproximacin de la derivada. Usando las ecuaciones (4.6) y (4.4) se obtiene
R
I+l - t
: u"(E),. 1l
Li
t)
14 1 5'l
-lt+t
(4.16)
+-Ott,r-l) t+t t
por
1o
Rr
tanto, la estimacin de la derivada [vase la ecuacin (1.1 1)] o la primera parte de la ecuacin (4.14)] tiene un error de truncamiento de orden t*t - tr En otras palabras, el error en la aproximacin usando derivadas debera ser proporcional al tamao del paso. Por lo tanto, si ste se divide a la mitad entonces se espera que el error de la derivada se reduzca a la mitad.
EJEMpLO
4.3
de lo serie de ToYlor Enunciodo del problemo. En la frgura 4.4 est dibujada la funcin
f(x) : x^
paru m
(E4.3.1)
1 la funcin es como mse incrementa, mayor curvatura o no linealidad es introducida dentro de la funcin. rJlllizar la serie de Taylor a primer orden para aproximar la funcin para varios valores del exponente n y tamao de paso /r.
1 a 2. Obsrvese que
para m
lineal,
de
f(x+)
: f(x) * mx!-t h
.
,{|
(F4.3.2)
Bt
;*
Primero, puede examinarse cmo se realiza la aproximacin conforme m aumenta; es decir, como la funcin se luelve ms no lineal. Para ffi : l, el valor actual de la funcin . i: en r : 2 es 2.La serie de Taylor es
f(2)
:1
+ r(r)
:2
Rl :0
FIGURA
4.4
-31
poro m = 1 ,2,3 y 4. Obsrvese que lo funcin tiende o ser Grfico de lo funcin flxl = j ms no lneol conforme rn oumento.
,-
..:_-
es cero porque la segunda y deriyl{g,q superiores de la funcin lineal son cero. Entonces, como es de esperarse, la expansin'de la serie de Taylor a primer orden es perfecta cuancio la funcin atrazar es lineal. Para m : 2, elvalor real esf(2) : 22 :4. La aproximacin de la serie de Taylor a
El residuo
prirner
ordn.es
f(2):l*2(r)=3
^ Rr l-..r ^ ^ :i(l)-+0*0*..':l
Entonces, debido a que la funcin es una parbola, el resultado de la lnea punteada es una discrepancia. Obsrvese que el residuo est determinado exactamente.
'l
4.1
95
Prm
m:
3, el valor real
esf(2)
23
f(2):l+3(l)2(1):4
v
nt
t... :
Otra vez hay una discrepancia que puede ser determinada exactamente con la serie de Taylor. Para m : 4, el valor r eal es f(2) : 24 : I 6. La aproximacin de la serie de Taylor es
f(2)
:1 + 4(r)3(1) :
N{D2 +
n,
11
Con base en estos cuatro casos, se observa que R, se incrementa conforme la funcin empieza a ser cada vezms no lineal. Adems, R, toma en cuenta exactamente la discrepancia. Esto es porque la ecuacin (E4.3.1) es un simple monomio con un nmero finito de derivadas. Esto permite la completa determinacin del residuo de la serie de Taylor. Ahora examinemos la ecuacin (84.3.2)parael caso de m :4 y obsrvese cmo Rt cambia cuando el tamao del paso h vana.Para m : 4, ecuacin (E4.3.2) es
fu-n:f(rt-atlh
Si
r:
1,/(1)
f(l+h):r*4h
con un residuo de
Rt:6h2+4h3+h4
Esto nos lleva a la conclusin de que la discrepancia disminuir tanto como ft sea reducida. Tambin, para valores lo suficientemente pequeos de fr, el error debera ser proporcional a h2.Esto es, conforme fr es dividido a la mita{ el error disminuir por un factor de 4. Este comportamiento se confirma al observar la tabla 4.2 y la figura 4.5.
TABIA
4.2
comporocin del volor exocto de lo funcin fl^l = / con lo oproximocin de lo serie de Toylor o primer orden. Ambos, lo funcin y lo oproximocin son evoluodos en x + , donde x = I .
Aproximocin
Verdadero
l
de primer
5
3
orden
il
Rr
t
5
0.5
003r25
0.0 r 525
2.O25
o.44l'40
5
0. I 0r 807
25
125
0.024429 0.005982
0.00 r480
o25
r
F.
I
I
96
I
Rl
10
: I
0.01
0.001
FIGURA 4.5
Grfico en escolo log-log poro el residuo
R1
ordendelofuncin fl^l=rocontrotomoodel posoh.Lolneoconlopendientede2tombi^n se muesfro poro indicor que conforme h disminuye, el error empiezo o ser proporcionol o h'.
De esta forma, podemos concluir que el error usando la aproximacin por serie de Taylor a primer orden disminuye conforme m se acerca I y ft conforme disminuye. Intuitivamente, esto significa que la serie de Taylor adquiere ms exactifud cuando la funcin se est aproximando ms a una lnea recta sobre el intervalo de inters. Esto puede llevarse a cabo al reducir el tamao del intervalo o con el fin de "enderezar" la funcin por reduccin de n. Es obvio que otra opcin usualmente no est disponible en el mundt real porque las funciones pata analizar son, e*n forma tpica, dictadas en el contexto clel problema fisico. Como consecuencia, no se tiene control de la falta de linealidad y el nico recurso es reducir tamao del paso o incluir trminos adicionales de la expansin de la serie de TaYlor.
4.1.3
Diferenciocin numrico
La ecuacin (4.14) se conoce con un nombre especial en el anlisis numrico: se le llama diferenciafinita dividida y se puede representar generalmente como:
,f(x+r)
.x+l
jft
fQ) * O(x+t x) -
(4.17)
l A
4.1
97
Lf,
h
+ o(h)
(4.18)
y a h se le llama se le conoce como la primera diferencia hacia adelante el cual se hace la aproximacin' tamao del paso; esto es, la longitud del intervalo sobre + para estimar la derivada (vase I e i i los datos usa ya=que Se le llama "hacia adelante", como la primera diferencia Jinita figura 4.6a).Al trmino .o-ptio Lf/h se le conoce
donde
Al
dividida.
de tantas que se puede desaEsta diferencia dividida hacia adelante no es sino una numricas' Por ' rrollar mediante la serie de Taylor para la aproximacin de derivadas las diferencias hacia atrs ejemplo, las aproximaciones a prl*"tut cerivadas utilizando a la de la ecuacin dyir"nrro, centrales s" puede., desarrollar de una manera similar
g.iq).Las primeras
que las segunusan valores enx,-t yr,(vase figura 4'6b)'miettras la deriestimada est donde punto del alrededor das usan valores igualmente espa"iads
vada(vasefigura4.6c).Lasaproximacionesmsexactasdelaprimeraderivadase
p,r"a"n desarrollar incluyendo
la serie de Taylor trminos de orden ms alto' Finalpara derivadas de segundo mente, todas las rre.riones anteriores se pueden desarrollar analizanbrevemente secciones siguientes Las orden. tercer orden y rdenes superiores. ellos' de uno cada desarrollan estos casos, ilustrando cmo se
f(x-t):
tiene
.f(x)
f'(x,)h
"@)
'z
(4 1g\
(4.20)
dividida hacia atrs 'Y ase la donde el error es de o(h)y vl indica la primra diferencia figura 4.6b para una representacin grfica'
centrqles. Una tercera forAproximociones o lq primero derivodo con diferencios de la expansin en la primera derivada es restando la ecuacin (a'19)
nia de aproximar
serie de TaYlor hacia adelante:
/(x-r)
para obtener
f(r,) + f'(xtn +
ffn2 "'
+ +
(411\
,f(+r)
f(.xi-) +2f
'(x\h
Th'
f'l)(,).. + "'
':.':a'a:.
,:,a:'a
-....::...,
',ltt,:
,:..t:.t
t.
',.:.,...:,,
,.:.',t,.,
ttt;t,..,,
..:... ...::.:
...
tr,r:t:r:.t1.:rirti,,,a,:::tt::,:tl::rr.r...
..,..,)....),.a:.
FIGURA
4.
Grfico de o,proximociones con diferencios dividdos finitos de lo primero derivodo: oJ hocio odelonfe, b) hocio ofs, c) centroles.
4,1
99
f'(x)
o
f(x+t) -"f(x-t)
2h
(3)
{xi\ ,^,
f (x+t) - f (x-t)
2h
o@2)
(4.22)
La ecuacin (4.22) es una representacin de las diferencias centrales de la primera derivada. Obsrvese que el error de truncamiento es del orden de hz en contraste con las diferencias divididas hacia adelante y hacia atrs, las cuales fueron de orden ft. Por lo tanto, el anlisis de la serie de Taylor ha llevado a la informacin prctica de que la diferencia central es la representacin ms exacta de la derivada (vase figura 4.6c)' Por ejemplo, si reducimos el tamao del paso a la mitad usando diferencias hacia atrs o hacia adelante, el error se reducir aproximadamente a la mitad, mientras que para diferencias centrales el error se reducir a la cuarta parte. UEMPLO 4.4
f(x) :
en
-0.1xa
0.15x3
0.5x2
0.25x
-l
1.2
0.5 usando un tamao de paso de h :0.5. Repita el clculo usando Obsrvese que la derivada puede ser calculada directamente como
r:
0.25.
f '(x) : -0.4x3 y
se puede usar para
0.45x2
l.0x
0.25
: - 0.9125'
Solucin. xi-t
Para h
:0.5,
Esos valores pueden ser usados para calcular las diferencias divididas hacia adelante [vase ecuacin (4. 17)],
.f(0.s)
0.2
0.92s
0.5
-1.45
le,l
58.gEo
con las diferencias divididas hacia atrs [vase ecuacin (a.20)] n q?s
f'(0.5) =
-fu- l'2 :
-0.55
le,l
:39'7Eo
4--
r
t00
SERIE DE TAYLOR Y ERRORES DE TRUNCAMIENTO
/(0.5)
Para
=9#:
-1.0
le
,l :9.6Eo
0.25,
x-t :0'25
xi :0'5
x+t
:0.75
las cuales pueden ser usadas para calcular las diferencias divididas hacia adelante,
0.63632813 0.25
0.925
-1.155
/(0.s)
0.925
r.10351s63
0.25
-0.714
:2l.JTo
,f(0.s) =
0.63632813
0.5
1. 1035
1563
-0.934
Para ambos tamaos de paso, la aproximacin de diferencias centrales es ms exacta que las diferencias hacia adelante y hacia atrs. Tambin, como se pronostic con el anlisis de la serie de Taylor, dividiendo a la mitad el tamao del paso, se tiene aproximadamente la mitad del error de las diferencias hacia atrs v hacia adelante v una cuarta parte de error de las diferencias centrales.
Aproximociones
las primeras derivadas, la expansin en serie de Taylor, puede ser usadapara desarrollar estimaciones numricas de las derivadas de orden superior. Para esto, se escribe la exparsin en serie de Taylor hacia adelante panf(x,*t) en trminos de f(x,):
ipr
f(x+)
f(x)
f'(x)(2tt)
* [-J!)pn)? + ...
-
(4.23)
-.
f"(*)
f(x) + o(h)
(4.24)
Esta relacin es llamada la segunda dferenciafinita dividida hacia adelanle. Con manipulaciones similares puede emplearse la versin de derivada hacia atrs
4.2
ERROR DE FROPAGACIN
l0l
.f("r
f(x -t)
f(x -2
+ o(h)
y la versin central
.l
2f!:,) + f(*,-t)
* o@2)
Como fue el caso con la aproximacin de la primera derivada, el caso central tiene mejor aproximacin. Obsrvese tambin que la versin central puede ser alternativamente expresada como
f(x+t)
- .f(x) _ f(x) hh
f(x-t)
As, justo como la segunda derivada es una derivada de la derivada, la aproximacin de la segunda diferencia finita dividida es una diferencia de dos primeras diferencias divididas.
Se volver a este tema con la diferenciacin numrica en el captulo 23. Aqu se introducir este tema porque es muy buen ejemplo de por qu la serie de Taylor es impor-
tante en mtodos numricos. Adems, varias de las frmulas vistas en esta seccin emplearn en el captulo 23.
se
4.2
ERROR DE PROPAGACION
El propsito de esta seccin es estudiar cmo los errores en nmeros pueden propagarse en las funciones matemticas. Por ejemplo, si se multiplican dos nmeros que tienen erroE podra estimarse el error de ese producto.
4,2.1
funcin/(x) que es dependiente de una sola variable independiente x. Considere que i es una aproximacin de x' Por lo tanto, se podra evaluar el
Supngase que se tiene la
A/(;):lf(x)-f(x)l
El problema para evaluar A/(i) es que /(r) es desconocida porque
.x es desconocida. poemos superar esta dificultad si i es cercana a x y f(i) es continua y diferenciable. Si estas condiciones se cumplen, la serie de Taylor se puede emplear para calcular f(x) cerca def(i), como en
f(x)
f(1)
+ f'(i)tx-i)
$U - x)2 + "'
ftxt-f@=f'(i)$-i)
Ie2
SERIE DE TAYLOR
Y ERRORES DE TRUNCAIvIIENTO
FIGUR,A
4.7
o
dondo
-i ''
:*t;
.-
L/G):ll't;l|.l'-i)
AfG): lf(x)-f(i)
lrepresentaelerrorestimado delafuncin y
(4.2s)
M : lx-il
representa el e[ror estimado de x. La ecuac$n (425) proporciona la capacidad de aproximar el error de/(.r) dando la derivada de una funcin y una estimacin del error en la variable in$ependi,ente. La figura 4.T esuna gnfica que representa la operacin.
Ai
Solucin.
Lf(i) = 3(2.5)2(0.01)
Ya quef(2S)
15.625, se pronostioaque
15.625
0.1875
4.2
ERROR DE PROPAGACN
r03
4.2.2
El enfoque anterior puede ser generalizado para funciones que son dependientes de ms
de una variable. Esto se realza con una versin multivariable de la serie de Taylor. Por ejemplo, si se tiene una funcin de dos variables independientes u y 4 la serie de Taylor
se puede
escribir como
af.
+t
u)
af
u)
'
, I latf
La,,
a2f
(u
u)(u
tr
u)
* *(,r* du'
"t + u)'l
"'
(4.26)
donde todas las derivadas parciales son evaluadas con base en el punto l. Si todos los segundos trminos y los dems de orden superior no se consideran, la ecuacin (4.26) puede resolverse como
lafl
donde
larl
^ftu.ut:l*l^r+irlo,
A y Li : es el error estimado en u y v, respectivamente. Paranvanablesindependientesil, i2,...,inleniendoerroresdeA1, 2,...,Axnse oo, * lgl oo, *... + l5l o,.,, lSl ld.rl I loxzl ldx,l
tiene la siguiente relacin general como:
Lf(xt. i,....;,,)
EJEMPLO
(4.27)
4.
problemo. La deflexiny
de un mstil en un bote es de
'donde
FL4 BEI
c?r9d uniforme (lb/pie), L : alttva (pies), E : mdulo de elasticidad (1b/ momento de inercia (piea). Estimar el error eny dados los siguientes datos:
: piez), e1 :
F
LF aE
:2lblpie
0.01
AL:U. lPl
: Ai :
l08lb/pie2
0.0006 piea
e.tt: ]gl aF+ l3l^* lgln+ l9l^ laFl laLl laEl lall
t04
SERIE DE TAYLOR
Y ERRORES DE TRUNCAMIENTO
Ly(F, L,
t,. =
= 9EI
L!-
se tiene
Ly :0.0225 + 0.0075 +
0.00375
+ 0.005625 :0.039375
0.5625 + 0.039375. En otras palabrasy est enfie 0.523125 y 0.601875 Por lo tanto, y pies. La validez de estas estimaciones puede verificarse si se sustituyen los valores extremos para las variables dentro de la ecuacin que genera un mnimo exacto de
48(2e.r4
8(r.sl
x
x
:0.52407
l0)0.0606
s2(30.D4
!mex
:0.52407
8(1.49
108)0.0594
La ecuacin (4.27) prcde ser empleada para definir errores de propagacin relacionados con operaciones matemticas comunes. Los resultados se resumen enlatabla4.3. Se deja el desarrollo de estas frmulas como un ejercicio de tarea.
4.2.3
Esrobilidqd y condicin
La condicin de un problema matemtico relaciona a su sensibilidad los cambios en los datos de entrada. Puede decirse que un clculo es numricamente inestable si la incertidumbre de los valores de entrada aumentan considerablemente por el mtodo numrico. Estas ideas pueden estudiarse usando la serie de Taylor de primer orden
de/(r)
como en
4.3
Error estimodo de frontero osociodo con los operociones motemticos comunes usondo nufneros Inexoclos u y v.
Operocin
Adicin
Suslroccin Multiplicocn urvlston
Error estimodo
+
^(u x a{u
v)
^{u - t)
l/\
_
n)
IyIAU
4.2
ERROR DE PROPAGACIN
r05
por
El error relativo
de
est dado
-..-.-x
IJn nmero condicionado puede definirse como laraznde estos errores relativos
x-i
Nmero condicionado
f(i)
{'\')
(4.28)
r es aumentada por/(r). Un valor de 1 nos indica que el error relativo de la funcin idntico al error relativo de r. Un valor mayor que 1 nos indica que el error relativo
de
es es
amplificado, mientras que para un valor menor que I decimos que est disminuido. Funciones con valores muy grandes nos dicen que estn mal condicionados. Cualquier combinacin de factores de la ecuacin (4.28), al incrementarse el valor numrico del nmero condicionado, tiene tendencia a aumentar la incertidumbre en el clculo def(x).
EJEMPLO
4.2
Nmero condicionodo
Enunciodo del
f@)
: tanx
.f@): tanx
L +o.l/\
tani
Parai:nl2+0.1(nl2)
Nmero condicionado
r.7279(40.86)
-6.314
As, la funcin est mal condicionada . Para
peor
nl2 +
Nmero condicionado
1.s865 (4053)
-63.66
Para este caso, la mayor causa del mal condicionamiento parece ser la derivada. Esto tiene sentido, ya que en la vecinda d de nl2,la tangente tiende al infinito por la.derecha y por la izquierda.
r0
4.3
FIGURA 4.8
Representocin grofico de elementos de iuicio entre el error de redondeo y error de truncomienlo que lgunos veces son inseporobles en el popel que iuegon en un mtodo numrico. El punto de retorno disminuido es presentodo, donde el error de redondeo empiezo o negor los beneficios de lo redccin del tomoo del poso.
4.3
107
res de redondeo no predominen. Sin embargo, algunas veces estos errores ocurren y surge una clase de "principio numrico de incertidumbre" que da un lmite absoluto sobre |a exactitud que puede obtenerse usando ciertos mtodos numricos computarizados.
4.3.1
para muchos casos prcticos, no se conoce el error exacto asociado con el mtodo numrico. Con excepcin, claro, de cuando obtenemos la solucin exacta que hace la aproximacin numrica innecesaria. Por lo tanto, en muchas aplicaciones en la ingeniera debe tenerse algn estimado del error en los clculos.
No hay una forma sistemtica y general para evaluar el error numrico para todos los problemas. En muchos casos, la estimacin se basa en la experiencia y buen juicio del ingeniero. Aunque el anlisis de error es hasta cierto punto un arte, hay varias guas de programacin que pueden sugerirse. La primera, y principal, implica evitar la resta de dos nmeros casi iguales. Cuando esto ocurre, siempre se pierden cifras significativas. Algunas veces puede reordenarse o reformularse el problema para evitar la cancelacin por resta. y si esto no es posible, puede usarse la aritmtica de precisin extendida. Adems, cuando se agregan o restan nmeros, es mejor clasificarlos y trabajar primero con los nmeros ms pequeos. Esto evita perder cifras significativas. Ms all de estos consejos de clculo, se puede intentar predecir el error numrico total usando formulaciones tericas. La serie de Taylor es la primera herramienta de anlisis tanto para el error de truncamiento como para el error de redondeo. Varios ejemplos han sido presentados en este captulo. La prediccin del error numrico total es muy complicada para, incluso, un problema de tamao moderado, y hay que cuidar no ser
pesimista. Por lo tanto, usualmente se intenta para tareas de pequea escaia. Latendencia es ir hacia adelante con los clculos numricos y tratar de estimar la exactitud de sus resultados. Esto algunas veces se puede realizar al observar si los resultados satisfacen alguna condicin o ecuacin como una prueba' O puede ser posible sustituir los resultados de nuevo en la ecuacin original para estar seguros que satisface
1a
ecuacin.
por ltimo, usted debera prepararse para realizar experimentos numricos que
incrementen su conocimiento con respecto a los errores de clculo y posibies problemas mal condicionados. Tales experimentos pueden implicar repetir clculos con diferentes tamaos de paso o mtodo y comparar los resultados. Puede emplearse un anlisis sensitivo para ver cmo la solucin cambia cuando se modifican los parmetros del modelo o datos de entrada. Se puede intentar con diferentes algoritmos numricos que tienen diferente fundamento matemtico y que se basan en distintas estrategias de clculo o tienen diferentes caractersticas de convergencia y estabilidad. Cuando los resultados del clculo numrico son extremadamente crticos y puedan implicar la prdida de vidas humanas o tener severas situaciones econmicas, es apropiado tomar precauciones especiales. Esto puede implicar el uso de dos o ms grupos independientes para resolver el mismo problema y luego comparar los resultados' Estos asuntos del error sern un tema que tendr que ver con el anlisis en todas las secciones de este libro. Se deja esas investigaciones a secciones especficas.
--
r08
4.4
errores humanos. Las equivocaciones ocurren a cualquier nivel del proceso de modelacin matemtiy ca pueden contribuir con todos los otros componentes del error. Se pueden evitar nicamente con un slido conocimiento de los principios fundamentales y con el cuidado del mtodo y diseo de la solucin del problema. Las equivocaciones por 1o general se pasan por alto en la discusin de un mtodo numrico. Esto sin duda prueba e1 hecho de que los errores por negligencia son, hasta cierto punto, inevitabies. Sin embargo. recurdese que hay varias formas con las cuales su aparicin se puede minimizar. En particular. los buenos hbitos de programacin que se bosquejaron en el captulo 2 son mu1'ti1es para disminuir las equivocaciones. Adems, hay formas simples de verificar cundo un mtodo numrico trabaja correctamente. A lo largo del texto, se estudian algunas formas de verificar los resultados de un
clculo numrico.
4.4.2
Errores de formulqcin
Los errores de formulacin o errores de ntodelqmiento pueden ser atribuidos a lo que se podra considerar como un modelo matemtico incompleto. Un ejemplo de un error de formulacin imperceptible es el hecho de que la segunda ley de Newton no toma en cuenta los efectos relativsticos. Esto no desvirhra la validez de la solucin del ejemplo L 1, ya que estos errores son mnimos en las escalas de tiempo y espacio asociadas con el problema de la cada del paracaidista. Sin embargo, supngase que la resistencia del aire no es linealmente proporcional a la velocidad de cada, como en ia ecuacin (1.7), sino que es una funcin del cuadrado de la velocidad. Si ste fuese el caso, 1as soluciones analticas y numricas obtenidas en el primer captulo seran falsas debido al error en la formulacin. En algunos casos de estudio durante el resto del libro se incluyen algunas consideraciones adicionales de los errores de formulacin. Se debe estar consciente de estos problemas y darse cuenta que si se est usando un modelo deficiente, ningn mtodo numrico generar los resultados
adecuados.
T
PROBLEMAS
109
4.4.3
Algunas veces se introducen errores en un anlisis debido a la incertidumbre en los datos fsicos sobre los que se basa el modelo. Por ejemplo, supngase que se desea probar el modelo de la cada del paracaidista haciendo diferentes saltos y luego midiendo la velocidad despus de un intervalo de tiempo especfico. Sin duda, se asociar cada medicin con una incertidumbre, ya que el paracaidista caer con ms rapidez en unos saltos que en otros. Estos errores pueden mostrar inexactitud e imprecisin. Si los instrumentos constantemente subestiman o sobreestiman las mediciones de la velocidad, se estar tratando con un instrumento inexacto o desviado. Por otro lado, si las medidas son casualmente altas y bajas, entonces se trata de una cuestin de precisin. Los errores de medicin se pueden cuantificar sumando los datos con una o ms tcnicas estadsticas bien conocidas, que generen tanta informacin como sea posible, observando las caractersticas especficas de los datos. Esta estadstica descriptiva es a menudo seleccionada para presentar 1) la posicin del centro de distribucin de los datos y 2) eI grado de esparcimiento de los datos. Como tales, dan una medida de la desviacin e imprecisin, respectivamente. En la parte cinco se retoma el tema de caracterizacin de
incertidumbre de datos. Aunque se debe estar consciente de los errores por equivocacin, errores de formulacin e incertidumbre en los datos, los mtodos numricos usados para construir modelos pueden estudiarse, en la mayor parte de los casos, en forma independiente de estos errores. Por 1o tanto, en la mayor parte de este libro se supondr que no hay errores por negligencia, que el modelo es adecuado, y que se est trabajando sin errores en las mediciones de los datos. Bajo estas condiciones se puede estudiar los mtodos numricos sin
complicaciones.
PROBLEMAS
4.1
La serie infinita
nar el valor exacto. Agrguese trminos hasta que el valor absoluto del error aproximado falle bajo cierto criterio de error, con-l
xl e':l-rr--*;- I c) )
4.2
x3 J:
ni
siderando dos cifras significativas. 4.3 Repita los clculos de1 problema 4.2,pero ahora usando la serie de expansin de Maclaurin para sen x.
Demuestre que la expansin en serie de Maclaurin es un caso especial de la expansin en serie de Taylor [vase ecuacin (4.7)l conrj : 0 y h : x. Use 1a serie de Taylor para estimar/(x) : e-' on r11 : paa xi - 0.25. Emplee versiones de cero, primero, segundo y tercer orden y calcule el lgl para cada caso. La expansin en serie de Maclaurin para cos.r es
1
cos-r
=I-
x2 x1 x
Jtxt
xE
:25x] -
612
+ 7x -
88
--+---+ 2 4l 6!
8!
Iniciando con e1 primer trmino cos : 1, agrguese los trminos uno a uno para estimar cos (trl4). Despus de que agregue cada uno de los trminos, calcule los errores porcentuales relativos exactos y aproximados. Use una calculadora para determi-
1. Calclese el error relativo porusando como punto base centual verdadero para cada aproximacin. 4.5 Use los trminos de la serie de Taylor dl cero al cuafto orden para estimarf(3) paraf(x): ln:r usando como punto base 1 . Calclese el error relativo porcentual g para cada aproxi,r
il0
SERIE DE TAYLOR
Y ERRORES DE TRUNCAMIENTO
4.14 Demuestre que la ecuacin (4.4) es exacta para todos los valores dex, si/(;r) ax2 + bx + c.
:
H
cho (m),
flujo (m'ls). r : coeficiente de rugosidad, B : an: altura (m) y S: pendiente. Aplique la frmula
r-
20 m y el alto 0.3 m. Desafortunadamente conocemos el coeficiente de rugosidad y la pendiente con una precisin de slo l0%. Esto es, la rugosidad es como 0.03 con un rango de 0.027 a 0.033 y la pendiente es 0.0003 con un rango de 0.00027 a 0.00033. Use un
1 . 1
0)]
,@:Y(r-e-r./'t'
Use un anlisis de ero de primer orden para estimar el error de
anlisis de error de primer orden para determinar la sensibilidad de prediccin del flujo para cada uno de esos dos factores. Con cul se debera intentar medir para una mejor precisin?
4.16 Si xl <
1
l.
se sabe que
upafat
: 6,sig :
9.8,y m
S}.peroc
1ii I
: 1 *.r +,rl
+.t3 +
-_t
Repita el problema 4.2 para esta serie con 0.1. 4.17 Un misil deja laTierra con una velocidad inicial vo formando un ngulo @o con la vertical como se muestra enlafiguraP4.l7 La mxima altitud deseada es aR donde R es el radio de laTierra. Las leyes de la mecnica se pueden usar para mostrar que:
AeoTa
sen
donde 11 est en watts, A : rea de la superficie 1m2., e : emisividad que caracteriza la propiedad de emisin de la superficie (dimensional), o : constante universal llamada constante de Stefan-Boltzmann (: 5.67 x 10-8 W m-2 Kr y ?": temperatura absoluta (K). Determina e1 error de H para una placa de aceroconl : 0.15 m2, e:0.90y T:650*25. Comparelos resultados con el error exacto. Repita los clculos pero con Z: 650 + 50. Interprete los resultados. 4.11 Repita el problema 4. 10, pero para una esfera de cobre con radio: 0.15 + 0.02 m, e: 0.90+ 0.05 y T:550!25. 4,12 Evale e inteprete los nmeros condicionrdos para a) b) c)
0o:
(1
+ s)
donde u" : velocidad de escape del misil. Se desea disparar el misil de manera que alcance una velocidad mxima de diseo dentro de una exactitud de+ lVo. Determinar el rango de valores
para
@o
si un/uo
: )y
0.2.
FIGUR.A P4.17
1x:fii+
J\x): e'
f(x):a{@
x
sen ir
para.r
a -
a) J\x)
: :
0.01
e)
^xl
I -r
.001
lt
cos "[
RI
CAPITULO 5
Mtodos de intervolos
Este captulo trata sobre races de ecuaciones con mtodos que aprovechan el hecho de que una funcin en forma tpica cambia de signo en la vecindad de una ra2. A estas tcnicas se les llama mtodos de intervalos, porque se necesita de dos valores iniciales para la ra2. Como su nombre 1o indica, estos valores deben "encerrar" o estar sobre cualquier lado de Ia ra2. Los mtodos particulares descritos respecto a este punto emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as converger a la respuesta correcta. Como prembulo de estas tcnicas se discutirn los mtodos grficos para representar funciones y sus races. Adems de la utilidad de los mtodos grficos para determinar valores iniciales, tambin son tiles para visualizar las propiedades de las funciones y el comportamiento de los mtodos numricos.
5.
MTODOS CnHCOS
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin
/(x) :
consiste en graficar la funcin y observar en donde crtza eI eje.r. Este punto, que repre0, proporciona una aproximacin inicial de laraiz. senta el valor de x parala cualf(x)
EJEMPLO
5.1
Lo oproximocin grfico
Enunciodo del problemo. Use la aproximacin grfica para determinar el coeficiente 68.1 kg tenga una de rozamiento c necesario para que un paracaidista de masa m velocidad de 40 m/s despus de una cada libre de f = 10 s. Nots'. La aceleracin de la
ucin.
usandolosparmetros /
Este problema se puede resolver determinando la raz de la ecuacin (PT2.4) l0,g 9.8,u 40 y m 68.1:
f(c)
o
9.8(68.1). : #tt
L
-.-tcls't)ro)
40
f(c)
: Wf
e-0.146843c)
40
(Es.1.1)
Varios valores de c pueden ser sustituidos en el lado derecho de esta ecuacin para calcu-
lar
t28
M-ToDos DE INTERVALoS
{"}11
l ' :
::.
34. t l5'r \
:i:'r
.,t"ia-': "r.;.,
' 'l
2Q
8 12
17.53 6.067
-2.269
-8.401
Estos puntos se muestran en la grfica de la figura 5.1. La curva resultante cruzael eje c
eiiret2it6.Unvistazoalagrt.prop<ircionaun:estimacin delarazde14.75.La
validei d'la estiirtacin visal ie t'uede verificar sustituyendo su valor en la ecuacin (E5.,1) para,obteeJ
" f(]4.75)
667.38
(l -14.75
e-0-14843(14'75))
40'=='0.059
el cual es cercano a cero. Tambien puederevisarse por dstitucin en la ecuacin (PT2.4) de ls panimeiios de este ejemplo para dar
;: lli;''
,-tra.xrc..|)t1)
: o.oss
.'; ' , .
,.
,t .-.r'
I I
5.I
MTODOS GRAFICOS
r29
Las tcnicas grficas tienen un valor prctico limitado, ya que no son precisas. Sin embargo, los mtodos grficos se pueden usar para obtener aproximaciones de la ra2. Estas aproximaciones se pueden emplear como valores iniciales para los mtodos numricos analizados en este captuio y en el siguiente. Por ejemplo, el software de mtodos numricos TOOLKIT que acompaa este texto permite graficar funciones sobre un rango especfico. Esta grfica puede usarse para seleccionar valores iniciales de un interva1o donde est contenidalaraiz antes de implementar el mtodo numrico. La posibilidad de graficar aumenta considerablemente la utilidad de los programas. Las interpretaciones grficas, adems de proporcionar aproxin-raciones iniciales de la ra2, son herramientas importantes en la comprensin de las propiedades de las funciones, previendo las fallas de los mtodos numricos. Por ejemplo, la figura 5.2 muestra algunas formas diferentes en las que la raz puede encontrarse (o no estar) en un intervalo definido por un lmite inferior;r, y un lmite superiorx,,. La figura 5.2 bosqueja el caso donde una simple raiz est acotada por valores positivo y negativo de/(;r). Sin embargo, en la figura 5 .2d, donde f (x ) y f @ r) estn tambin sobre lados opuestos en el eje x, muestra tres races que ocurren en ese intervalo. En general, stf(x) y f(x,,) tienen signos opuestos, existe un nmero impar de races dentro del intervalo. Como se indica en la figura 5.2a y c, sif (x j) y f(x,,) tienen el mismo signo, no hay races o hay un nmero par de ellas entre los valores dados. Aunque estas generalizaciones son usualmente verdaderas, existen casos en que no se cumplen. Por ejemplo, funciones tangenciales al eje x (vase figura 5 .3a) y las funciones discontinuas (vase figura 5.3) pueden no cumplir estos principios. Un ejemplo de una funcin que es tangencial al ej e x es la ecuacin cbica/(x) : (t - 2)(x - 2)@ - a) . Obsrvese que cuando x : 2, dos trminos en este polinomio son igual a cero. Matem-
FIGURA 5.3
llusfrocin de olgunos excepciones o os cosos genero es moslrodos en lo figuro 5 2 ol Pueden ocurrir roces mltiples cuondo lo funcin es tongenfe ol eie x. En esle coso, ounque los punlos exlremos son de signos opueslos, hoy un nmero por de iniersecciones con el eie x en el inlervolo. b) Funcin drsconlinuo donde los puntos exlremos de signo opuesio conlienen un nmero por de roces. Se requiere eslrolegics especio es poro delerminor los roces en esios cosos.
si
FIGURA 5.2
llustrccin de los formos en ^e'o'l n ,o nr rede or'.rr.t uno roz en un intervolo preescriio por los lmites inferior xi y superior x! . Los
,nc sos o)
f(x,)
METODOS DE INTERVALOS 2 es llamada una taz mltiple. Al final del captulo 6, se presentan tcnicas que estn diseadas expresamente para localizar races mltiples. La existencia de casos del tipo mostrado en la figura 5.3 dificulta el desarrollo de algoritmos generales que garanticen la localizacin de todas las races en el intervalo. Sin embargo, cuando se usan los mtodos expuestos en las siguientes secciones en con-
ticamente,
de
muchas races; con frecuencia estos problemas se presentan en el rea de ingeniera y matemticas aplicadas.
UEMPLO 5.2
Enunciodo del problemo. Las grficas por computadora aceleran y mejoran los esfuerzos paralocalizar races de una ecuacin. Este ejemplo fue desarrollado usando el paquete de software de mtodos numricos TOOLKIT porque tiene la facilidad de modificar
1a
escala de los ejes. As, es ideal para este tipo de anlisis de visualizacin exploratoria
FIGURA 5.4
Escolomiento progresivo de f(x) sen l0x + cos 3xmedionte lo ccrc:'cdcro. Estos grficos interoctivos le permilen ol onolisto determinor que existen dos roces distintos entre x: 4.2v x - L 3
_.J
: ;. r '-
..;.
t. :...,:::.. l'1.
, 4.25
:'.1,::1..X':.
c)
5,2
MTODO DE BISECCIN
l3l
como se ilustra aqu. Se debe observar, sin embargo, que como puede tener algunos inconvenientes; otro software con capacidades grficas podra ser utilizado para un anlisis similar. Adems, los criterios y conocimiento no aumentan con un software especfico, sino que son relevantes en general para las grficas por computadora. La funcin
f(*) :
sen lOx
cos'3
tiene varias races sobre el rango de r : 0 a x : 5. Use las grficas por cotnputadora para tener un mejor criterio en el comportamiento de la funcin.
Solucin. Como
se ilustr en el ejemplo 2.1 se puede usaTTOOLKIT para generar grficas. En la figura 5.4a se muestra la grfica def(x) de x : 0 a x : 5.La grfica muestra la existencia de varias races, incluyendo quizs una doble raz akededor de x : 4.2, endonde/(r) parece ser tangente al eje.r. Se obtiene una descripcin ms detallada del comportamiento def(x) cambiando el rango de graficacin desde x :3 ax : 5, como se muestra en la figura 5.4. Finalmente, en la figura 5.4c, se acorta la escala vertical de f(x) : - 0. 1 5 a f (x) : 0. I 5 y |a escala horizontal se acorta de : 4.2 a x : 4.3. Esta grfica muestra claramente que no existe una doble raz en esta regin y que, en
4.23 y x
4.26.
Las grficas por computadora tienen gran utilidad en el estudio de los mtodos
numricos. Esta capacidad tambin puede aplicarse en otras materias asi como en las
actividades profesionales.
(5.1)
['
entonces hay al menos una raz real entre xtY xrr . Los mtodos de bsqueda incremental aprovechan esta caracterstica al localizar un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de signo (y por ende, de la raz), se logra con ms exactitud al dividir el intervalo en una cantidad definida de subintervalos. Se rastrea cada uno de estos subintervalos para encontrar el cambio de signo. El proceso se repite y la aproximacin a la razmejora cada vez ms a medida que los subintervalos se dividen en intervalos cada vez ms pequeos. Se estudia ms sobre el tema de bsquedas incrementales en la seccin 5.4. El mtodo de biseccin, conocido tambin como de corte binario, de particin en dos intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se evala el valor de la funcin en el punto medio. La posicin dela raizse determina situndola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo. El proceso se repite hasta obtener una mejor aproximacin. La figura 5.5 muestra un algoritmo sencillo para calcular la biseccin, y en la figura 5.6 se muestra un bosquejo
L
I
METODOS DE INTERVALOS
Poso I Poso
2:
Elijo los volores inicioies inferior x1 y superior x, de formo tol que lo funcin combie de signo sobre el intervolo. Esto se puede verificor osegurndose de que /(x/ f{x,) < O. Lo primero oproximocin o lo roz x, se delermino como:
X
*
I
X,,
"t
Poso
3:
'
Poso
4:
Reolice los siguientes evclucc,ores pcro delerminor en qu subintervolo coe lo roz: ol Si f(x/ f{xJ < O, entonces io roiz se encuentro dentro del subintervolo. Por lo tonfo, tome x, : x, Y contine en el Pcso 2. bl Si f(x/ f{x,) > 0, entonces o roz se encuentro dentro del subintervolo superior. Por lo tonlo, resulvose x = x. t c3ntinese en el poso 2. Si l(x/ f(x,) : O, lo roz es ig'-ol o x.; iermino el clculo.
FIGURA 5.5
se harn a travs de
EJEMPLO
5.3
Biseccin
Enunciodo del problemo. Use el mtodo de biseccin para resolver el mismo problema del mtodo grfico del ejemplo 5.1.
Solucin. El primer paso del mtodo de biseccin es suponer dos valores iniciales a la incgnita (en este problema, c) que den valores de f(c) con diferentes signos. En la
FIGURA 5.
Representocin grfico del mtodo de biseccin. Lo grfico presento los primeros tres iterociones del eiemplo
5.3.
r33
ver que la funcin cambia de signo entre los valores de 12 y 16. Por lo tanto, el valor estimado de la raiz xr, se encontrar en el punto medio del intervalo
t2+16 :14
En el ejemplo anterior,se puede observar el error relativo porcentual verdadero de Er: 5.3Vo (obsrvese que el valor verdadero de la raiz es 14.7802). En el siguiente clculo el producto del valor de la funcin de un lmite inferior y en el punto medio es:
f(t2) fl,4) :
6.067 fi.569t
9.5t7
el cual es mayor que cero y, por lo tanto, no ocurre cambio de signo entre el lmite
inferior y el punto medio. En consecuencia,laraiz debe estar localizada entre 14 y 16. Por lo tanto, se crea un nuevo intervalo redefiniendo el imite inferior a 14 y determinando una raz corregida estimada como
14+16
:15
f(r4) f(tr:
.s69(-0. 425t
-0.666
Por lo tanto, laraz est entre 14 y 15. El lmite superior es redefinido a 15 y laraz estimada para la tercera iteracin se calcula como
14+
15
14.5
g : | .9Vo. Este mtodo puede repetirse que sus necesidades. tan exacto satisfaga que resultado sea el hasta
la cual representa un error relativo porcentual de
En el ejemplo anterior, se puede notar que el error verdadero no disminuye con cada iteracin. Sin embargo, el intervalo dentro del cual se localizalarazse divide a la mitad en cada paso del proceso. Como se estudiar en la siguiente seccin, el ancho del intervalo proporciona una aproximacin exacta del lmite superior del error en el mtodo de biseccin.
5.2.1
El ejemplo 5.3 finaliza con la propuesta de repetir el mtodo para obtener una aproximacin ms exacta de Ia raiz. Ahora se debe desarrollar un criterio objetivo para decidir cundo debe terminar el mtodo. Una sugerencia inicial puede finalizar el clculo cuando el error se encuentre por debajo de algn nivel prefijado. Se puede ver en el ejemplo 5.3, que el error relativo baja de 5.3 a l.9Vo durante el procedimiento de clculo. Puede decidirse que el mtodo termi-
t:
t34
MTODOS DE INTERVATOS ne cuando se alcance un error ms bajo, por ejemplo del0.l7o. Esta estrategia es inconveniente, ya que la estimacin del error en el ejemplo anterior se bas en el conocimiento del valor verdadero delarazde la funcin. Este no es el caso de una situacin real, ya que no habra motivo para usar el mtodo si ya se supiese la raiz. Por 1o tanto, se requiere estimar el error de manera tal que no incluya el conocimiento previo delarciz. De manera anloga a como se vio en la seccin 3.3, se puede calcular el error relativo aproximado eo de la siguiente manera (recurdese la ecuacin 3.5):
yanterior | -nuevo _ *r -:l^r ll1,Vo " |
I
(s.2)
'rluevo
donde rfu"uo eslaraiz de la iteracin actual y.r;nt"'o'es el valor dela raz de iteracin anterior. Se usa el valor absoluto, ya que por lo general importa slo la magnitud de eo sin considerar su signo. Cuando a es menor que un valor previamente fijado e", el clcu-
lo termina.
EJEMPLO 5.4
que el error aproximado sea 0.5%. Use la ecuacin (5.2) para calcularlos errores.
de las primeras dos iteraciones del ejemplo 5.3 son 14 Sustituyendo estos valores en ia ecuacin (5.2) da
15.
lt,l
l15-14l
Recurdese que el error relativo porcentual estimado para la raiz de I 5 fue I .5 %. Por lo tanto, c es mayor que r. Este comportamiento se manifiesta en las siguientes iteraciones:
:6.661vc
Iterocin
I
x
t2
xv t t
r5 r5
xr
t4
eo lo/"1
e f/"1
5.279 .7
l4
t4
14.5
l5
14.5 14.75
J
A
3.448 t.95
0.840 0.422
1.487 1.89
o.204
0.4
r
\4.75
14.75
t5
14 875
14.875
14.81 25
0.219
As, despus de seis iteraciones eo finalmente cae debajo Er: 0.5Vo, y el clculo puede terminar. Estos resultados se resumen en la figura 5.7. La nat.naleza "desigual" del error verdadero se debe a que pam el mtodo de la biseccinlaraz exacta se encuentra en cualquier lugar dentro del itervalo. Los errores verdadero y aproximado quedan distantes cuando el intervalo oclrre centrado sobre la raizverdadera. Ellos son cercanos cuando la raizverdadera se halla en cualquier extremo del intervalo.
Aunque el error aproximado no proporciona una estimacin exacta del error verdadero, la
figva
e,.
Adems
,la grfica
i
I i
I
FIGURA
5.7
conlro Errores por el mtodo de biseccin. Los enores verdodero y colculodo son groficodos
el nniero de iteiociones.
tanto, muestra una caracterstica muy interesante, que eo siempre es mayor que t. Por lo que de saber la confiatua con terminar pueden se clculos que los tp menor cuando_o eS lanizi almengs tan exacta como el nivel especfico prefijado' Aunque no es conveniente aventurar conclusiones generales de un solo ejemplo, se se puede demostrar que ro siempre s-era mayor qe e,iql mtodo de bispccin. Esto bisecciones usan se cuando 3iz in ala una aproximlc que-se encueltra iebe a que cada vez (x ,)12, r" sabe que la razverdadera se halla en algn lugar dentro del
.o*o r"
ltZ Lxl2.Por lo tanto, laraiz debe situarse dentro de +Lxl2 dela intervaio de'(i, se pudo estimacin (vse figura 5.8). Por ejemplo, cuando se termin el ejemplo 5.3 que decir definitivamente
* -
, :
14.5
t0.5
que
figura 5.9), la ecuacin (5.2) proporla rAz ciona un lmitasuperior exacto sObre el error real. Para que.se rebase este lmite, por definicin lo cual verdadera tendra que caer fuera del intervalo que la contiene, ' jams ocurrir en eimtodb dijbiseicin. El ejenrplo 5.7 muestra otras tcnicas de locaiizacin de races que no siempre resultantan eficientes. Aunque el mtodo de biseccin
Debido
Lxl2: evo
rnterior (vase
por lo general es ms lento que otros mtodos, la claridad del anlisis de error ciertam urp*to pOsitivo qu puede hacerlo atractivo para ciertas aplicaciones de la i"
i4e
"r,ri niera.
r3
MTODOS DE INTERVALOS
Tres formos en
en el que un intervolo puede ogrupor o.lo roiz. En o) el volor verdodero coe los de o uno ocerco se verdodero volor y cl el bl en que mientros centro del ntervlo, y el punto medio del e*tremos. Obsrvese que lo di'ferencio enire el volor verdodero o Lx/2' int"rolo ioms sobreposo lo longitud medio del intervolo,
FIGURA 5.8
se debe resaltar la Antes de proceder al programa de computadora para biseccin' siguiente relacin (vase figura 5 '9)
xfuevo
-"anterior +
es grOf'co de por qu,lo,estimocin del error por el mtodo de biseccin l\x/21 estimodo roz lo menos octuol lo iferocin roz poro {xf'"uo) Io equivolente o lo estimocin de en lo iterocin onterior {xc''e'iory.
FIGURA 5.9
iq-r"r"
5.2
MTODO DE BISECCIN
tl'"uo:+
puede sustituirse dentro de la ecuacid (5.2) para desarrollar una formulacin alterna para la aproximacin del error relativo porqentual
,,
(s.3)
Esta ecuacin resulta idntica a la ecuacin (5.2) para biseccin. Adems, permite calcular el error estimado con base en suponenrn valor inlcial: esto es, en la primera iteracin. Por ejemplo, en la primera iteracin del ejemplo 5.2, el error aproximado puede calcularse
como
l
l?lroo* ,.:ll9l16+12l
t4.2e7o
Otro beneficio del mtodo de biseccin es que el nmero de iteraciones requerido para obtener un effor absoluto se plede calcular a priori; esto es, antes de empezar las iteraciones. Esto puede verse al obsrvar que antes de empezar esta tcnica, el error
absoluto es
E2:*l-r?:axo
donde los superndices definen la iteracin. Por 1o tanto, antes de empezar el mtodo se tiene la "iteracin cero". Despus de la primera iteracin el error llega a ser
, Ao Ei: z
:
Debido a que cada iteracin reduce el error el error y el nmero de iteraciones, /?, es
la
I
I
Ei
Axo
,r,
(s 4)
t.
F
-'\osz(#)
:
16
(s.s)
Probemos la frrnula. Para el ejemplo 5.4, el intervalo inicial fue Ax 4. Despus de seis iteraciones, el error absoluto fue '
12
F_ ua-
114.87s
- r4.7sl
:0.0625
n:
toe @10.0625)
log2
-6
r38
METODOS DE INTERVALOS
Entonces, si se conoci de antemano que el error menor que 0.0625 fue aceptable, la frmula indica que con seis iteraciones se tiene el resultado deseado. Aunque se ha hecho nfasis en el uso del error relativo por obvias razones, habr casos (usualmente a travs del conocimiento del contexto del problema) donde se podra especificar el error absoluto. Para esos casos, la biseccinjunto con la ecuacin (5.5) puede proporcionar un til algoritmo de localizacin de races. Se explorarn tales aplicaciones con los problemas al final del caprulo.
5.2.2 Algoritmo
de biseccin
El algoritmo de la figura 5.5 puede ser aumentado para incluir revisin de errores (vase figura 5. l0). El algoritmo emplea funciones definidas por el usuario para hacer la localizacin de las races y evaluar las funciones en forma ms eficiente. Adems, el lmite superior es colocado sobre el nmero de iteraciones. Por ltimo, la revisin,de errores est incluida para evitar la divisin entre cero durante la evaluacin del error. Este podra ser el caso cuando el intervalo est centrado en cero. Para esta situacin la ecuacin (5.2)
empieza a ser infinita. Si esto ocurre: el programa salta sobre la evaluacin de error para
esa
5. i0 no es amigable al usuario; est diseado estrictamente para dar la respuesta. En el problema ,i.14 al final del captulo, se tendr una tarea para hacerlo fcil de usar y entendible. Un ejemplo de un programa amigable al usuario para implementar el mtodo de biseccin est incluido en el paquete de mtodos numricos TOOLKIT asociado con este texto. El siguiente ejemplo demuestra el uso de este paquete paralocalizar races. Tambin proporciona una buena referencia para calcular y probar sus propios programas.
FIGURA 5.IO
,rln]inn l. ^.r^ fr,ncin que implemento el mtodo de biseccin.
Se'
FUNCTION S i+ar - /1 DO
xrcld = x:
,r={.*, +xu)i2
iter=ter+i lFxr*AiHEN
62 = AE}((xr
END IF
lrtest<u
lLN
> O THEN
o=O
END IF lF ea < eo OK ter 2 imax EXIT END DO
5.2
EJEMPLO
METODO DE BISECCION
5.5
Locolizocin de roces usondo lo computodoro Enunciodo del problemo. En un programa de computadora amigable al usuario se ha implementado el mtodo de biseccin y est contenido en el paquete de mtodos numricos TOOLKIT asociado con este texto. Puede usar este programa para encontrar la raz ms pequea positiva de
f(x): r -
cos-I
(E5.5.1)
il
Solucin. Presione el botn de "Find Root" desde el men principal de paquete de mtodos numricos TOOLKIT para obtener una pantalla similar a la de la figura 5.1 1. Para tal efecto, primero se debe dar la ecuacin de entrada que se quiere resolver en la forma/(r) : 0 en la ventana de datos. El botn de Help del men principal ofrece un listado de las funciones y constantes reconocidas de TOOLKIT. Para introducir la ecuacin (E5.5.1), sirnplemente haga clic en la ventana de funciones de entrada y teclee la funcin. Luego asuma que no tiene idea de cul podra ser la ru2, y por Io tanto decide construir la grfica y proporcionarle alguna seleccin adecuada de los valores de inicio superior e inferior. La grfica se construye suministrando valores para el mnimo X yY y un Delta X yY en la tabla de parmetros entrada. Esto genera una grfica con valores rnXi.mos de (Xmln * 10 Delta X) y (Ymn + 10 Delta Y) cuando el botn de Plot es oprimido. Esto es una convencin que se usa para todas las grficas en el TOOLKIT y esadicionalmente explicado por el bttn ae Uelp que est en el men principal. Una grfica con Xmn : -2,DeltaX: 0.4, Ymn : - 5 y DeltaY : 1 se muestra en la figura 5. 1 I . Inspeccionando la grfica, muestra que existp un a raz ceraata a x : 0.7. sta es la visualizacin que se necesita para prop orcionar e!y'ango superior e inferior donde est lara2. Los datos de entrada finales requeridosson el nmero mximo de iteraciones y el rnximo error porcentual permitido (e.). ; Las iteraciones se terminan, ya sea cuando stas son iguales al dato de la mxima iteracin (Max Iteration) o cuando el error estimado calculado con la ecuacin (5.3) es
FIGURA 5.T
ti
li
I'
I I I
li
I t
p'i"r
l-Tdq'-]
r
li
t40
METODOS DE INTERVALOS
menor que el dato del mximo error porcentual Mx Vo Error (.,). El actual clculo es iniciado al oprimir el botn de Calc. Obsrvese que este botn es rojo cuando cualquier dato de la pantalla da un valor numrico obsoleto en 1a tabla de resultados.
En este caso una razrgoala0J390747 fue encontrada en 14 iteraciones que dan un
error aproximado de 0.008%. La funcintambin es evaluada enlara2. Esta funcin es como una verificacin cercana al cero (_1J45 X 10_5). El diseo de la pantalla facilita la experimentacin, ya que permite variar ei Mx % Error (error mximo porcentual) y Max Iteration (mfximo nmero de iteraciones). El procedimiento en conjunto para encontrar races es resumido por el botn de Help. Adems, se puede escribir algunas notas personales relacionadas con e1 anlisis al oprimir el botn de Notes. Finalmente, se puede guardar los resultados para prximas referencias usando los botones de Save y Open del men principal. Estos resultados se basan enunalgoritmo simplepara el mtodo de biseccin conuna entrada amigable para el usuario y rutilas de salida. El algoritmo empleado es similar a uno que se muestra en la figura 5.10. Podra escribir su propio programa del mtodo de
biseccin y usar este software como un modelo para revisar lo adecuado de su programa.
FIGURA
(o'
s,
'l^..li^^ n^rdc
5.I2
al
hi.er-e in
FUNCTION iter = O
,::.:':..,f1
f(f,)
xf
DO X|OIA =
*r=(*'+x-,2
fr = flxr)
iter = i-.c.
Fxr*CrlE\J
-'
teet-fl,fr
xU=xf xl=xr
fl
2 = AE7((xr END lF
lFteet<ATlN
ELOE IF r.eet > C THEN
=fr
ELSE
aa=a
END IF lF ea < es 0K iter 2 max EXIT END DO
5.3
t4r
programa de computadora que localice numerosas races. En tales casos, se podra llamar al algoritmo de la figura 5.10 miles o aun millones de veces en el transcurso de una
sola jecucin.
Adems, en un sentido ms general, la funcin invariante es sL: una entidad que regresa un solo valor para un solo valor que se manda. Se percibe en este caso que las funciones no son simples frmulas semejantes a ecuaciones de una sola lnea resueltas en el ejemplo anterior de este captulo. Por ejemplo, una funcin podra consistir de muchas lneas de cdigo y podra tomar un tiempo significativo de ejecucin para su ' evaluacin. En algunos casos esta funcin podra incluso representar una parte independiente del progrrma de computadora. Debido a'drnbos factores es imperativo minimizar el algoritmo numrico para evaluar la funcin. Con esta aclaracin, el algoritmo de la figura 5.10 es deficiente. En particular, obsrvese que haciendo que se evalen dos funciones por iteracin, recalcula una de las funciones que fue determinada en la iteracin anterior. La figura 5.12 proporciona un algoritmo modificado que no tiene esta deficiencia. Se han resaltado las lneas que difieren de la figura 5.10. En este caso, nicamente el valor de la nueva funcin para estimar la raz es calculada. Previamente los valores calculados sern guardados y simplemente reasignados tanto como el intervalo se reduzca. As, en lugar de 2n,las evaluaciones de la funcin se reducen an * l.
5.3
it
t. I
I
r[
IJ
t! L
Xr-Xl
f(xt) : f(x,)
t\
hl
Xr-Xu
f' t.
el cual puede resolverse por (ver cuadro 5.1 para detalles). (s.7)
I a
D J n I
I J
sta es la frmula delafalsa posicin. El valor de x,., calculado con la ecuacin (5.7), reemplaza uno de los dos valoies iniciales xte xLt, que produzca un valor de la funcin
142
METODOS DE INTERVALOS
FIGURA
5.I3
Representocin grfico del mtcdc c= 3:o'so posicin. Con los tringulos similores sombreodos se obtiene lo frmulc oo:c e riodo.
Cuadro
5.1
restando
a x,,
en el lado derecho:
f(x)(x,
xu)
f(x")(x'.
- n)
^u - -a1-
xf(xal
Itxt)
-
- I\xul
"r. ["f(x)
"f(,)]
xu
f1t) - n f?u)
Dividiendo entref(tc)
-r:-{u
(8s
-9)
f(xt)
- f(x,)x,)
f(xt)
xtf(x'') - f(x,)
1.1)
-\f
- '-u
f(x,)(xt
valores iniciales inferior x y superior xr. en una forma alternativa al separarse en los trminos
ftn)
- f(x,)
x'
la cual es la misma ecuacin (5.7). Usamos esta forma porque implica una evaluacin menos de la funcin y una multiplicacin menor que la ecuacin (85.1.1). Adems sta es directamente comparable con el mtodo de la secante, el cual ser discutido en el captulo 6.
---l
5.3
MTODO DE LA FALSA POSICIN
143
a
aproximacin a la raizseaadecuada. El algoritmo es idntico al de la biseccin (vase figura 5.5), excepto que la ecuacin (5.7) se usa en el paso 2. Adems, se usan los mismos criterios de paro [vase ecuacin (5.2)] para terminar los clculos.
se repite hasta que la
laraiz. El proceso
EJEMPLO
5.
Folso posicin
Enunciodo del problemo. Use el mtodo de la falsa posicin para de la ecuacinanalizada en el ejemplo 5.1 [vase ecuacin (E5.1.1)].
determinarlaraz
xu:
16'
Primera iteracin:
h:12 f(xt) : 6.0699 :16 h f(x): -2.2688 16) : xr :16 - -2.2688(12 6.0669 (-2.2688\
14.9ll3
f(xt)f@,)
-1.5426
Por lo tanto, laraizse encuentra en el primer subintervalo yx, es ahora el lmite superior para la siguiente iteracin, l4.9ll3:
xu:
: 12 xu: l4.9ll3
xt
x,
: l4.9ll3 -
14.9113)
e0.2s43)
t4.7942
Puede tenerse una opinin ms completa sobre la eficiencia relativa de los mtodos de biseccin y de la regla falsa al observar la figura 5.14 que muestra grficas del error relativo porcentual verdadero en los ejemplos 5.4 y 5.6. Obsrvese cmo el error decrece mucho ms npidamente para el mtodo de la falsa posicin que para el de la biseccin,
ya que el primero es un esquema ms eficiente parala localizacin de races. Recurdese que en el mtodo de biseccin el intervalo entre r/ y x, aument poco durante los clculos. Por lo tanto, el intervalo, como se defini por Ar I ) : lxu - x,l2 para la primera iteracin, proporciona una medida del error para esta aproximacin. Este no es el caso para el mtodo de la falsa posicin, ya que uno de los valores iniciales
:14
MTODOS DE INTERVALOS
FIGURA
5.I4
dctrrc dshs
puede permanecer fdo a lo largode,los clculos, mientras que el otro converge hacia la ra2. Como en el caso del ejemplo5-6; elextrbmo inferiorxquedaent2 mientr4s quexu converge a la raiz. En tales casu, el imerr"alo no se acorta, sino que se aproxima a un
valor constante.' El ejemplo 5.6 sugiere que,lawacin (5.2) representa un criterio de error muy conservador. De hecho, la ecuacin(5-Q constituye una aproximacin de la discrepancia de la iteracin previa. Esto se debe a que para un caso, tal como en el ejemplo 5.6 dondp el mtodo:convwge nipidarente (pOr Ojernplo, el error se reduce en casi una orden de rn:agnitud por iteraOin);-la rabiyata.la iteracin actual rf;""uo es una mucho mejor aproximacirral valor real de la raz que el re.sultado de la iteracin previa f"do'. poi lo tanto, el numerador,,de la ecuacin (5.2) representa la diferencia de la iteracin
"
ecuacin(S.2),Ianz
ie conocer con mayor exactittrd superando la tolerancia preestablecida. Sin embargo, como se ve en la siguiente scc.ir4. exislen easos donde la regla de la falsa posicin converge lentamente. En estos casosla ecuacin.(5,2),no es confiable y se debe desarrollar un ciiterio diferente de paro.
:
1145
""*Of;
EJEMPLO
5.7
Un
."ro
donde
Enunciodo d"
biseccin y de la regla falsa para probl'"ro Uir" los mtodos -#;;;-:::r':-:-"-1 , r de i ' "-*:-
i"-,:^ii-,
t-
- . r:
-!,. ,.:,
.,. :
:i
,1S
Fi"i
;o
i,
. . '_l'.;
"
,ri;,.
:.iJ
i'i
"'
j,:';
146
METODOS DE INTERVALOS
Solucin
Iterqcin
I
x
0 0.5 0.975 0.975 4.975
xu
3 3 3 137 5
xr
0 5 0 975
1375
eo
(/"1
(/"1
r00.0
33.3
14.3
35
2 3
,4
25
t3.B
05625
0r 525
0525
77 40
5.
De esta manera, despus de cinco iteraciones, el error verdadero se reduce a menos del 2Vo. Con la falsa posicin se obtienen esultados muy diferentes: x
I
xu
3 3 3 3
3
xr
0 09430
eo
("/"1
e l"/"1
2
3
0 0 0943C
o.lB17
0.2287
0.338 r
r
481
0 tBt7
0.2287
0.3381
r
309
22.3
4
5
0 40788
l7.l
Despus de cinco iteraciones. el error verdadero se ha reducido al 59Vo. Adems, obsrvese que tu I r.De esta forma. ei error aproximado es engaoso. Se puede obtener mayor informacin examinando una grfica de la funcin. En la figura 5.15, la curva viola la premisa sobre la cual se basa la falsa posicin; esto es, si/(x) se encuentra mucho ms cerca de cero quefl-t,,), entonces la raz se encuentra ms cerca de x, que de x,, (recurdese la figura 5. I 3). De acuerdo con la grfica de esta funcin, lo opuesto a lo mencionado es verdadero.
El ejemplo anterior ilustra que por lo comn no es posible hacer generalizaciones relacionadas con los mtodos de obtencin de races. Aunque un mtodo como el de la falsa posicin por lo general es superior al de biseccin, hay algunos casos que violan las conclusiones generales. Por lo tanto. adems de usar la ecuacin (5.2), los resultados se pueden verificar sustituyendo la raz estimada en la ecuacin original y determinando si el resultado se acerca a cero. Estas pruebas se deben incorporar en todos los programas que localizan races.
_r
5.4
147
5.4
FIGIJRA
5.
Cosos donde los roces pueden no tomorse en cuenio debido o que los longitudes de los infervolos en los mtodos de bsquedos incrementoles son demosiodo grondes. Cbsrvese que lo ltimo roiz o 'o derecho es mltiple y podro soltorse en formo independiente del incremento en lo lonqilud.
i I
I
r48
METODOS DE INTERVALOS
PROBTEMAS
5.1
Determnese las races reales de/(x) : - 0.4x2 -l 2.2x * 4.7: a) Grficamente b) Usando la frmula cuadrtica c) Usando el mtodo de biseccin hast tres iteraciones para determinar la raiz ms grande. Emplee como valores iniciafes x, : 5 y xr: 10. Calcule el error estimado en y el error verdadero e, para cada iteracin. Determine las races reales de/(.r) : -Z + 'l x - 5x2 + 6f : Grficamente Usando el mtodo de biseccin para localizarTaraizmspequea. Empleando los valores iniciales de x,: 0 y;r,, : 1
hasta que el error estimado
a se
5.2
a) ) .
0. I 7o. Use un
107o .
5.l2La
a) ) c)
Grficamente Usando biseccin paralocalizar laraizms grande con e" : 10Vo, empleando valores iniciales de x' - 0.5 y x,:
1.0.
9x4
-26
82.3x
- 88/ *
0.65
x5
, : gt (I - e-k/n)t\
C
Realice el mismo clculo omo en ) pero use el mtodo de la falsa posicin y e, 0.1%. 22x + 5.4 Determine las races reales de laf(x)
con un valor t" correspondiente a tres cifras significativas para determinar la raz ns pequea. 5.5 Localice la primera raz no trivial de sen (.r) : l, donde.r est en radianes. Use una tcnica grfica y biseccin con un lntervalo inicial de 0.5 a 1. Realice el clculo hasta que t sea menor que e, : 2Vo. Realice tambin una prueba de error sustituyendo la respuesta final en la ecuacin original. 5.6 Determinelarazreal en ln x2 = 0.7'. a) Grficamente ) Usando tres iteaciones por el mtodo de biseccin con valor inicial de x, : 0.5 y x,,: 2. c) Usando tres iteraciones por el mtodo de la falsa posicin, con los mismos valores iniciales de ). Determine laraizrcal def(x) : (0.9 - 0.4x)lx: a) Analticamente b) Grficamente
Usando tres iteraciones con el mtodo de la falsa posicin, con valoes iniciales de I a 3. Calcule el error aproximado o y el error vedadero g en cada iteracin.
= -ll -
donde g 9.8. Para el paracaidista con un coeficiente de razo14 kg/s, calcule la masa n de ste de tal forma que namiento c 7 s. Use el mtodo de la la velocidad sea de u 35 m/s en t 0.1Vo. falsa posicin para determinar m en el nivel de s, 5.1 3 La concentracin de saturacin del oxgeno disuelto en agua dulce puede ser calculada con 1a ecuacin (APHA, 1 992)
lno,1--139.34411
6.642308
1.575701
105
T
1.243800
x 101 x l0rl
1010
-T
:
8.62 1949
donde orr: concentracin de saturacin de oxgeno disuelto en temperatura absoluta (K). agua dulce en I atm (mg/L) y temperatura ('C). T + 273.15, donde Recuerde que f4 De acuerdo con esta ecuacin, la saturacin disminuye con el incremento de la teniperatura. Para aguas naturales tpicas con temperatura templada, la ecuacin puede ser usada para deter-
7:
I:
minar rangos de concentracin de oxgeno de 14.621 mglL a 0"C a 6.949 mglL a 35'C. Dado un valor de concentracin de oxgeno, esta frmula y el mtodo de biseccin pueden usarse
oC. para resolver la temperatura en Si los valores iniciales se fijan como 0 y 35"C, cuntas iteraciones del mtodo de biseccin se requieren para determinar la temperatura con un error absoluto de 0.05"C? Con base en c), desarrolle y pruebe un programa de
a)
5.8 5.9
inicia-
Determine la raiz positiva ms pequea de la funcin (.r est en radianes) I lsen ,{i | : 5 usando el mtodo de la falsa
biseccin para determinar I como funcin de una concentracin dada de oxgeno. Pruebe el programa para or: 8, 10 y 14 mg/L. Compruebe los resultados. 5.14 Integre el algoritmo mostrado en la figura 5.10 en un subprograma amigable, completo, de biseccin. Entre otras cosas:
PROBLEMAS
149
la funcin en intervalos cada vez ms pequeos para incrementar
a) ) c) d;
Pongadeclaraciones entodo el programaparaidentificarlo que en cada seccin se intenta 1levar a cabo. Etiquete la entrada y la salida. Agregue una verificacin de respuestas que sustituya Ia raz estimada en la funcin original para verificar si el resultado
f(x)
final
el nmero de cifras significativas para estimar la ra2. Inicie con e-'cos 8;r. Grafique la funcin con un rango grande de.r 0 a2.5. Estime 1a raz ms pequea en este intervalo. Grafique 0 a 0.5. Estime la ra2. Finalmente, la funcin otra vez desde x grfique la funcin sobre un rango de 0.1 a 0.2. Esto permite encon$arlaraizcon dos cifras significativas y estimar una tercera. 5.20 Desarrolle un subprograma amigable al usuario para el
5.15 Use el subprograma que usted desarroll en el problema 5.14 y repita los problemas 5.1 al 5.6. 5.16 Repita el problema 5.15, excepto que ahora usar el software TOOLKIT que acompaa este libro. Use las capacidades de graficacin de este programa para verificar sus r$ultados. 5.17 Use el software TOOLKIT para encontrar las races reales de dos funciones polinomiales de segundo y tercer orden que usted elija. Grafique cada funcin sobre un rango especfico para obtener los lmites superior e inferior de las races. 5.18 Repita el problema 5.17 slo que ahora use dos funciones trascendentes que usted elija. 5.19 En este problema use nicamente las capacidades grficas del paquete TOOLKIT disponible en el texto. El paquete grafica
mtodo de la falsa posicin basado en 1a seccin 5.3.2y enla figura 5.10. Pruebe el programa aplicando el ejemplo 5.6. 5.21 Use el subprograma desarrollado en el problema 5.20 y aplique el clculo para el ejemplo 5.7. Efecte un nmero de corridas hasta que el error relativo porcentual verdadero est por abajo del 0.0lVo. Grafique los errores relativos porcentuales verdadero y aproximado contra el nmero de iteraciones en papel semilogartmico. Interprete los resuitados. 5.22 Desarrolle un subprograma por medio del mtodo de la falsa posicin que minimice la funcin evaluada en forma similar a la de la figura 5.1 I . Determine el nmero de evaluaciones de 1a funcin por iteracin total. Pruebe el programa con los datos del ejemplo 5.6.
CAPITULO 6
Mtodos obiertos
En los mtodos del captulo anterior que usan intervalos, larazse encuentra dentro de estos mismos, dada por un lmite iferior y otro superior. La aplicacin repetida de estos mtodos siempre genera aproximacionqlcada vez ms cercanas alaraiz. Tales mtodos son conocidos como cotvergentet y qli" se acercan progresivamente alaraza medida que avanza el clculo (vase figura 6.1a). En contraste, los mtodos abiertos descritos en este captulo se basan en frmulas que requieren nicamente de un solo valor de inicio r o que empiecen con un par de
ellos, pero que no necesariamente encienanalaraiz. Como tales, algunas veces divergen o se alejan de larazverdadera a medida que crece el nmero de iteraciones (vase figura 6.1). Sin embargo, cuando los mtodos abiertos convergen (ver figura 6.1c), por lo general lo hacen mucho ms npido que los mtodos que usan intervalos. Se empieza el anlisis de los mtodos abiertos con rur versin simple que es til para ilustrar su forma general y tambin para demostrar el concepto de convergencia.
F|GURA
6.t
de los
Esquemo grfico
diferencios fundomentoles entre los mtodos poro lo locqlizocin de roices; los que uson intervolos o) y los mtodos obiertos b) y c). En o), se ilustro el mtodo de biseccin, lo rqz est contenido dentro del inlervolo dodo por x1 y xr. En conlroste, con los mtodos obiertos iluskodos en b) y c), se uso uno frmulo poro proyector de x, o {*, con un esquemo iterotivo. De esto monero, cuolquiero de los mtodos puede b) divergir o c) converqer en formo rpido,
F-#
+t
xu
xtxu
ry
l.i
xu
uolo,.es
6.1
ITEMCION
t5l
"I
g(x)
(6.1)
Esta transformacin se puede llevar a cabo mediante operaciones algebraicas o simplemente agregando a cada lado de la ecuacin original. Por ejemplo:
x2-2x*3:0
se puede reordenar para obtener:
x--t5
mientras que senr : 0 puede transformarse en la forma de la ecuacin (6.1) sumando x a ambos lados para obtener:
t:
sen.x
+.x
La utilidad de la ecuacin (6.1) es que proporciona una frmula para predecir un nuevo valor de x en funcin del valor anterior de x. De esta manera. dado un valor de inicio a la raz x ,, la ecuacin (6 . I ) se puede usar para obtener una nueva aproximacin
r,11 oXprsrldo por la frmula iterativa
x+t:
I
8(x)
(6.2)
Como con otras frmulas iterativas de este libro, el error aproximado de esta ecuacin se puede calcular usando el estimador de error [ver ecuacin (3.5)]:
'o:l''*'| -r+l
EJEMPLO .1
*tlloovo
I
problemo.
f(x):e-*-x.
Soiucin. La funcin
ecuacin (6.2) como
se puede sepuar directamente
y expresarse en la forma de la
xi+l:
calcular:
e-*'
r52
METODOS ABIERTOS
x
0
I
eo la/ol
c (o/ol 100.0
3 ^ 5
7
8
r0
0 1.000000 0.367879 0.692201 0.500423 0.06244 0.54539 0.57912 o.501 l5 0.571143 O.564879
r00 0
171.8
73
35. l 22.1
46.9
383
174
11.2
il.8
.89
3.83
5.90
3.48
2.20
1.24
r.93
111
0.705 0.399
iL
I
De esta manera, cada iteracin acerca cadavezms al valor estimado con el valor verdadero de laraiz, o sea 0.56714329.
.1.I
Convergencio
6' 1 es Obsrvese que el error relativo porcentual verdadero en cada iteracin del ejemplo
Esta casi propor;ional (por un factor entre 0.5 a 0.6) al error de la iteracin anterior. punto de propied;d conocid; como conv-etgencia lineal, es caracterstica de la iteracin
ftjo.
Adems de la "velocidad" de convergencia, se debe enfatizar en este momento la "posibilidad" de convergencia. Los conceptos de convergencia y de divergencia se puepara den ilustrar grficamente. Recurdese que en la seccin 5.1 se grafic una funcin es aproximacin visualizar su estnctura y comportamiento (vase ejemplo 5.1). Tal grfico : planteamiento e4 - x' un empleada en la figura a'za para la funcin/(x) alterno es el de separar la ecuacin en dos partes' como en
fi(x)
f2@)
Y:
Yz:
se pueden
fi(x)
(6 3)
fz@)
(6.4)
def(x)
g.
EJEMPLO
.2 : i : :
- x: :
como
h:
lz
e-'' Alcalcularse
se
obtienen los
0.0
4.2
1.000
0.81 e .9 670,
0.4 0. 0.8
1.0
o.'549 Q.449
t.o
0.38
Esto puntos se grafican en la figura 6.2b.'I-a intersedin de las dos curvas indica una 0.57, que corresponde al punto donde la curva raz estimada de aproximadamnte x cruza el eje r en la figara 6.2a.
FIGURA .2
x. o) Roiz de Dos ollernolivos de mtodos grficos poro deierminor lo roz de f{x) un punto donde cruzo el eie de los x; b) roz en lo intersecciQn de los funciones
componenles.
: ' -
IITT154
MTODOS ABIERTOS
El mtodo de las dos cur\as se puede usar ahora para ilustrar la convergencia y divergencia de la iteracin de punto fijo. En primer lugar, la ecuacin (6.1) se puede reexpresar como un par de ecuaciones lt : x Y lz : g(;r). Estas dos ecuaciones se pueden graficarpor separado. Como en el caso de las ecuaciones (6.3) y (6.4), las races def(x): 0 corresponden a1 valor de la abscisa en la interseccin de las dos curvas. En la figura 6.3 se grafica la funcin-l'r : ,r y cuatro formas diferentes de la funcin h: 8@). En el primer caso (vase figura 6.3a), el valor inicial xs se usa para determinar el punto correspondiente sobre 1a curva -1', [.t0, g("0)]. El punto (tr, tr) se encuentra movindose horizontalmente a la izquierda hasta que intersecta la curvay. Estos movimientos son equivalentes a la primera iteracin en el mtodo de punto fijo:
,t 1
:8(f0,
De esta manera, tanto en la ecuacin como en la grfca se usa un valor inicial xpara obtener una estimacin de x,. La siguiente iteracin consiste en moverse al punto[x1, C(xr)] y despus a (xr, x2). Esta iteracin es equivalente a la ecuacin:
x2:
I
g(x1)
Ff,SUpr&
6,3
ln
F"^,,^-^ ^,a[.^ A^
convergencio o) y b) y lo
iI
c)
I I I
I I I I
Advierto que lo
rnnrrarnani "o ^hlio^o
cuondolg'(x)
l<1.
ilt
itt il
ill
6.1 uodro
A1 analizar la
I55
.1
figura 6.3, se debe notar que la iteracin de punto converge si, en la regin de inters, I g(x) | < L En otras palabras, la convergencia ocurre si la magnitud de la pendiente g(x) es menor que la pendiente de la lnea/(x) : x. Esta observacin se puede demostrar tericamente. Recurdese que la ecuacin iterativa es
porg(E), que
es
fijo
g(a) con g() (recurdese la figura 4.3). Ahora, si se hace a: xy b: x,., el lado derecho cle la
ecuacin (86.1
.1
B(x,\
- g(x):
xilS'(El
x-1
g(x)
donde I se encuentra en alguna parte entre .r y r/. Este resultado se puede sustituir en la ecuacin (86. 1 .1 .) para obtener
xr
x+t
(x,
-.r)S'(6)
1a
(86.1.3)
8\xr)
xr-xi+t:8(x,)-8(f)
vizda del
En el clculo existe un principio llamado teorema de la derivalor medio (recurdese la seccin 4.1.1),la cual establece que si una funcin g(x) y su primera derivada son continuas sobre un intervalo a Sx < b, entonces existe al menos un valor de
Et.+t
B'(t)E,,
para el que
Por consiguiente, si lg(.r) | < 1, entonces los errores disminuyen con cada iteracin. Para I g(x) | > l, 1os errores crecen. Obsrvese tambin que si la derivada es positiva, los errores sern positivos y, por lo tanto, la solucin iterativa ser montona (vase
')' :
g,(b)
- s(a)
(86.1.2)
D-O
El lado derecho de esta ecuacin es la pendiente de la lnea que une a g(a) y a C@).De esta manera, el teoema del valor medio establece que hay al menos un punto entre a y que tiene una
figuras 6.3a y 6.3c). Si la derivada es negativa, entonces los errores oscilarn (vase figuras 6.3b y 6.3d). Un corolario de este anlisis demuestra que cuando el mtodo converge, el error es casi proporcional y menor que el error del paso anterior. Por esta razn la iteracin de punto fijo se dice que es linealmente convergente.
La solucin en la figura 6.3a es convergente, ya que la estimacin de.r se acerca ms a la raz con cada iteracin. Lo mismo se cumple para la figura 6.3. Sin embargo, ste no es el caso para las figuras 6.3c y 6.3d, en donde las iteraciones divergen de laraiz. Obsrvese que la convergencia parece ocurrir nicamente cuando el valor de la pendiente de y, : g(r) es menor al vaior de la pendiente deyr : .r; esto es, cuando I S(t) ] < 1. En el cuadro 6.1 se presenta un desarrollo terico de este resultado.
de punto fiio
Implementar en la computadora el algoritmo de la iteracin de punto fijo es en extremo simple. Consiste en un ciclo que calcula en forma iterativa nuevas aproximaciones hasta que satisface el criterio de paro. En la figura 6.4 se presenta el seudocdigo para el algoritmo. Se puede programar de manera simrlar otros mtodos abjertos, la moJii:cacin mayor es la de cambiar la frmula iterativa que se utiliza para calcular la ::;'- '
raiz.
xr:x0 iler: O
VU
xrold: xr
eA
'
FIGURA
.4
Seudocdigo poro lo iterocin de punto fio. Note que otros mtodos obiertos
pueden diseorse en este formoto generol..
OKiler> imax|-.Xlf
OneVl: xr
END OneTt
6.2 nnrooo
DE NEWTON'RAPHSON
Talvez. dentro de las frmulas para localizar races, la frmula de Newton-Raphson la raz ss xt, (vase figura 6.5) sea la ms ampliamente usada. Si el valor inicial de donde esta punto El punto el lxnf@)1' re puede extenderuna tangente desde "ntonc"s la n2. de mejorada tangente cruza al eje x representa una aproximacin
El mtodo de Newton-Raphson se priede obtener sobre la base de una interpretacin el cuadro 6'2)' geomtrica (un mtodo alterno basado en la serie de Taylor, descrita en pendiente: la a equivalente es f en o*o la iigura 6.5, la primera derivada
""
FIGURA .5
Esquemo grfico del mlodo
de Newton-Rophson. Se extropolo uno tongente o lo funcin de x, [esto es, f'(x,)] hosto el eie x poro obtener uno estimocin de lo roz
eOX,,r.
x*r
xi- x*t
.2
MTODO DE NEWTON.RAPHSON
f''
(x)
:
u;
!@' X-Xt
f(x,)
(6.s)
lill
'
(6.6)
f'(*)
.3
Mtodo de Newlon-Rophson
f(*) : e-' -
Enunciodo del
problemo.
f '(x) : -e-x -
que se puede sustituir, junto con la funcin original en la ecuacin (6.6) para dar
e
^rtl-^l
"'-xi :
0, se puede aplicar la ecuacin iterativa para calcular
_e_*,_l
e(/ol 0
I
0.500000000
0.53 r
100
2
3
0.s67143165
0.57143290
r003
< t08
De esta manera, el planteamiento converge rpidamente alarazverdadera. Qbsrvese que el error relativo porcentual verdadero en cada iteracin disrninuye mucho ms rpido que si se hiciera como con la iteracin simple de punto fijo (compr.ese eon el ejem-
plo 6.1).
6.2.1
Como con los otros mtodos de localizacin de races, la ecuacin (3.5) se puede usar como un criterio de paro. Adems, el desarrollo del nitodo con base en la serie de Taylor (cuadro 6.2) proporciona un conocimiento terico relacionado con la velocidad de con' vergencia expresado como: E*r : O(). De esta forma, el error debe ser casi proporcional al cuadrado del error anterior. En otras palabras, el nmero de cifras sipificativas
I t
MTODOS ABIERTOS
i'
onlisis del error del mtodo de Newton-Rophson
verdadero delaraiz. Sustituyendo este valorjunto con/(.r") en la ecuacin (86.2.1) se obtiene
Cuqdro .2
Adems de 1a derivacin geomtrica [ecuacines (6.5) V (6.6)], el mtodo de Newton-Raphson se puede desarrollar tambin a partir de la expansin en serie de Taylor. Esta derivacin altemativa es muy ti1 en el sentido de que provee cierto conocimiento en la velocidad de convergencia del mtodo. Recurdese del captulo 4 que la expansin en serie de Taylor se puede representar como
I
I
/(r-)
I f'(x)(x,-x,) * *(r,
se
ttt t |
I I
-*,),
(F,6.2.3)
L
La ecuacin (86.2.2) obtener puede restar de la ecuacin (86 .2.3) para
x)
(86.2.r)
/'(.r)(r, - x+r) +
ff{r,
",)2
(86.2.4)
en donde
Ahora, notando que el error es igual a la diferencia entre x,*, y el valor verdadero r, como en
ra1. Truncando
la serie de Taylor despus del primer trmino derivado, se obtiene una versin aproximada:
E.-l:J;r-X+l
y la ecuacin @6.2.4)
g
se puede expresar
x)
como (B6.2.5)
/'(.r )Et.+t
["',' tl, I t#
f(x) -l f '(x)Qq
x)
(86.2.2)
Si se supone que hay convergencia, entonces.r, y I se debean aproximar a la raiz x, y la ecuacin (86.2.5) se puede reordenar
oara obteler
tltt--
E-,. .r:-J
tr)g2
\
f' (x,)
(86.2.6)
De acuerdo con la ecuacin (P,6.2.6), el error es casi proporcional al cuadrado del error anterior. Esto significa que el nmero
de cifras decimales correctas se duplica apnrximadamente en cada
iteracin. A este comportamiento se 1e llama convergencia cuadrtica. El ejemplo 6.4 ilustra esta propiedad.
E EMPLO
.4
problemo. Como
Et,i+r
---:-------:-- F
2.f'(r,) "t''
f"
(x,\
(E6.4.1)
Examine esta frmula y vea si es aplicable a los resultados del ejemplo 6.3.
6.2
MTODO DE NEWON.RAPHSON
r59
xes
def(x): e-'-
--
0.56714329 como/(0.56714329)
-l-56714329. La
f" (x)
e-'
F.,,, ? Lt'I+t -
o'?!,l:tT=,
Ett
20.18095(0'567143212
: :
0'0582
0.
8095(0'067 14329D2
0'0008 1 58
de 0'0008323 ' Para la que tambin se compafa en forma favorable con el error verdadero la tercera iteracin
E
t.z
0832'2
0'0000001 25
del error mejora que es exactamente el error obtenido en el ejemplo 6.3.Laestimacin mediante x" mejor y I se aproximan de esta manera, ya que est ms cercano alara:u,x la ecuacin (86.2.5) a @6'2'6), al ir de la ecuacin [recurdese ta suposlcion manejada Finalmente: 6.21. el cuadro en
Et.+ 70.18095(0.000000125)2
2'83
10-15
es en este caso, As, este ejemplo ilustra que el error en el mtodo de Newton-Raphson en 1a iteraerror del factor de 0.13095) al cuadrado de echo, casiproporcio*1 1po.
cin anterior.
6.2.2Dewcn|oiosdc|mtododcNcrrrton.Rophson
hay situaciones en Aunque el mtodo de Newton-Raphson en general :s-muy eficiente, se analiza al multiplesque se comporta en forma deficiente. Un caso especial -races encuenan se simples, races de final del captulo. Sin embargo' aun cuando se trate dificultades, como en el siguiente ejemplo' EJEMPLO
.5
Determine la nw positiva e f(x) I Enunciodo del problemo. conunvalorinicial6s = 0.5. I -it"" deNewtbn_Raphson
r0
- I us d
MTODOS ABIERTOS
f,irf:i;
Iterocin
0
I
0.5
a
3
A
5r.5 4.485
41.835 37.5285
33.BBZ55
l
{
1.0000000
I {
{.*,,,",**,*-"."-..,..,-"-'*,
Adems de la convergencia lenta, debido a la naturaleza de la funcin, se pueden originar otras dificultades, como se ilustra en la figura 6.6. Por ejemplo, la figara 6.6a muestra el caso donde un punto de inflexin [esto es,f "(x) : 0] ocurre en la vecindad de vna raa. Obsrvese que las iteraciones que empiezan con r0 divergen progresivamente de la ra:z. En la figura 6.6, se ilustra la tendencia del mtodo de Newton-Raphson a oscilar alrededor de un punto mnime o mximo local. Tales oscilaciones pueden persistir, o, como en la figura 6.6b, se alcanza una pendiente cercana a cero, despus de 1o cual la solucin se aleja del rea de inters. En la figura 6.6c, ilustra cmo un valor inicial que es cercano a una rab puede saltar lejos a una posicin con varias races. Esta tendencia a alejarse del rea de furters se debe a que se encuentran pendientes cercanas a cero. Obviamente, una pendiente cero [1f" : (x) : 0) es un verdadero desastre' ya que causa una divisin entre cero en la frmula de Newton-Raphson [vase ecuacin (6.6)]. En forma grfica (ver la figura 6.6fl, esto significa que la solucin se dispara horizontalmente y jams toca al eje x. Entonces, no hay un criterio general de convergencia de Newton-Raphson' Su convergencia depende de la naturaleza dela funcin y d la aproximacin del valor inicial. La nica solucin en estos casos es tener un valor inicial que sea "suficientemente" cercano alaraiz. Y para algunas funciones el valor inicial no trabaja! Buenos valores iniciales, es comn predecirlos con el conocimiento fisico del problema o mediante el uso de herramientas tales como las grficas que proporcionan mayor claridad en el comportamiento de la solucin. Ante la falta de un criterio general de convergencia se sugieie el diseo de programas eficientes que reconozcan la convergencia lenta o la divergencia. La siguiente seccin est enfocada hacia estos temas.
6.2
MTODO DE NEWTON-RAPHSON,
,t6t
FIGURA
..
.F :,1
',i
El algoritmo del mtoo de Newton-Raphson se obtiene al sustituir la ecuacin (6.6) cort la formula predictiva [vase euaci6n(6.2)] en la figura 6.4. Obsrvese, sin mbargo, i{tr el programa tambin debe modificarse para calcular la primera derivada. Esto se puede llevar a cabo simplemente incluyendo una funcin definida por el usuario. '
162
MTODOS ABIERTO5
Adems, de acuerdo con las discusiones anteriores sobre los problemas potenciales
consideraciones adicionales
1. 2.
3. 4.
Si es posible, se debe incluiruna rutina de graficacin dentro del programa. Al final de los clculos,laraLfinalcalculada debera siempre ser sustituida en la funcinoriginalpara calcularenqu casos el resultado se acerca a cero. Esta prueba protege coiitra aquellos casos en los que se observa convergencia lenta u oscilatoria, la cual puede llevar a valbts pqudnos de to, mientras que la solucin puede estar an mg.v lejos de t'na ra2. El programa debera sieryre incluir un lmite mximo sobre el nmero permitido de iteraciones p3ra estarprwenidos contra las oscilaciones y la convergencia lenta, o en caso cctntrario las solucions divergentes persistinn en forma interminable. El programa debera deriar at usuario y tomar en cuenta la posibilidad de que/(x) pueda ser cero en cualquierrumento durante el clculo.
.3
MTOOO DE LA SECANTE
Un problema potencial en la implementacin del mtodo de Newton-Raphson es el de la evalcin de la deriwada. AunEre esto no es un inconveniente para los polinomios y para muchas otras funciones, exi$eil algunas funciones cuyas derivadas pueden ser en extremo dificiles de evaluar. En estos casos, la derivada se puede aproximar mediante una diferencia dividida finita regrcsir"abomo en (figura 6.7)
FGURA
.7
Esquemo grfico del mtodo de lo seconte. Esto tcnico es siinilor o lo del mtodo de Newton-Rphson (vose flguro .51 en el sentido de que uno estimocin de lo roz se
predice extropolondo unolongenb de h funcin hosto el eie x. Sin emborgo, el mtodo de io seconle ur uno diferencio ,l-s que uno derivo.do poro estimor lo pendiente.
't
,.
.3
f '(x)
La ecuacin (6.7) es la frmula para el mtodo de la secante. Observe que el planteamiento requiere de dos puntos iniciales de x. Sin embargo, debido a que no se requiere
que/(r) cambie
El mtodo de lo seconte
Enunciodo del problemo. sese el mtodo de la secante para calcular la raiz 0 y xo 1.6. e-x x. Comience con los valores iniciales de r-,
de
f(x)
Sofucin. Recuerde
Primera iteracin:
que
la razreal
es 0.567 14329...
f-r :0
fo:1
x,
:, - .,'!tf?;)j
I
- o 6,zio
:8'j%o
Segunda iteracin:
xo:
xt
:0.61270
f(xt)
f(x: :
-0.63212 -0.07081
xz:0.61270
Tercera iteracin:
xt
:0.61270 f(x) : -0.07081 xz : 0.56384 /(x2) --0.00518 0.00sr8(0.61270 - 0.s6384) : 0.56717 et :0.OO48Vo :0.56384. -0.07081 - (-0.00518)
Diferencios entre los mtodos de lo seconle
.3.1
y de lq fqlso posicin
Observe la similitud entre los mtodos de la secante y de la falsa posicin. Por eje@o, las ecuaciones (6.7) y (5.7) son idnticas en todos sus trminos. Ambas usan ds estim
164
MTODOS ABIERTOS
ciones iniciales para calcular una aproximacin de la pendiente de la funcin que se usa para proyectar hacia el eje .x una nueva aproximacin ala ra2. Sin embargo, existe una diferencia crtica entre ambos mtodos. Tal diferencia estriba en la forma en que uno de los valores iniciales es reemplazado por la nueva aproximacin. Recurdese que en el mtodo de la falsa posicin, la ltima aproximacin dela raz reemplaza cualquiera de los valores dando una funcin con el mismo signo como/(x,). En consecuencia, las dos aproximaciones siempre encierran a la ra2. Por 1o tanto, para todos los casos prcticos, el mtodo siempre converge, ya quelaraz se encuentra dentro del intervalo. En contrate, el mtodo de la secante rcemplaza los valores en una secuencia estricta, con el nuevo valor r,+t se reemplaza a x,y x, reemplaza a xi..t. Como resultado de esto, los dos valores pueden caer en un mismo lado de larciz. En algunos casos esto puede provocar divergencia.
UEMPLO .2
problemo.
de
: t:
(x)
Use los mtodos de la secante y de la falsa posicin para ln-t. Comience los clculos con los valores iniciales r, : x t :
5.0.
FGURA .8
Comporocin enlre los mrodcs de lo lo,so posic n y de lo seconte Los primeros iterociones o) y b) de ombos miodos son idnticos. Sin embcrgo, en los
segundos iterociones cl y dJ, ios ountos usodos son diferentes. En consecuencio, el rr todo de lo seconre puede diuerger, como se indico en d).
.3
METODO DE LA SECANTE
l5
En el mtodo de la falsa posicin, con el uso de la ecuacin (5.7) y los intervalo para el reemplazo de las estimaciones, se tienen las siguientes
Iterocin
I
xu
0.5 0.5 0.5
a
3
1.854 1 .213
r
.058s
Como se puede ver (vase figuras 6.8ay 6.8c),las aproximaciones estn convergiendo a laraizreal y que es igual a 1. En el mtodo de la secante, usando la ecuacin (6.7) V el criterio secuencial para reemplazar las aproximaciones, se obtiene:
Iterocin
1
x-r
0.5
X. r.854 -O.10438
5.0
5.0 .854
1
Aunque el mtodo de la secante sea divergente, cuando comrerge lo hace ms nipido que el mtodo de la falsa posicin. Por ejemplo, en la figura 6.9 se muestra la superioridad del mtodo de la secante. La inferioridad del mtodo de la falsa posicin se debe a que un extremo permanece fijo, para mantener alaraz dentro del intervalo. Esta propieda{ que es una ventaja porque previene la divergencia, es una desventaja en relacin con la velocidad de convergencia; esto hace que la diferencia finita calcule una aproximacin menos exacta de la derivada.
.3.3
En lugar de usar dos valores arbitrarios para estimar la derivada, un enfoque alterno involucra una perturbacin fraccionaria de la variable independiente para estimar/(.x),
f(x+3x)-f(x)
6x
MTODOS ABIERTOS
.l
' ; :r .:1 , ,. .. , Comporocin de los errores relotiyos Porceniuqles er, poro los miodos q delerminon roiz de f lxl = ' - ,. 'i' F|GURA.9
,
{:
j::
l';
lo
donde 6 es una pequea perhrbacin fraccionaria. Esta aproximacin puede sustituirse .en la ecuacin (6.6)"gue,da la sigUieqts,ecuacin iterativa:
(6.8)
E'EMPLO .8
def(x) -.r. Use unvalor de 0.01 para 'qire la raz veddera es 0.567 14329 . - -
nn
- {'
:,
r"r" d
'-
,."-
Solucin. Priaeaiteracin:
6.4
RACES MLTIPLES
-^ -
6xe
| _
: 1.01
-0.63212
!.
le,l:5.38o
Segunda iteracin:
xo xs
:0.531263
*
x6
:0.542635
x, '"' :0.53126,
Tercera iteracin: xo
le,l :0.0236Eo
:0.56701
;r
xs
f(x:0.000209
-0.00867
xt :0.5610I
-0.00867
:0.561143
0.000209
le,l
:2.365 x l\-sVo
La eleccin de un valor adecuado para 6no es automtico. Si 6 es muy pequeo, el mtodo puede ser agobiante por el error de redondeo causado por la cancelacin por resta en el denominador de la ecuacin (6.8). Si sta es muy grande; la tcnica puede llegar a ser ineficiente y hasta divergente. Sin embargo, si se selecciona correctamente, proporciona una adecuada alternativa para los casos donde la evaluacin de la derivada se dificulta y el desarrollo de dos valores iniciales es inconveniente.
6.4
naics mrnplrs
tJna raz mltiple corresponde a un punto donde una funcin es tangencial al eje x. Por ejemplo, rrnar?tz doble resulta de
f(x):(x-3)(x-1)(x-1)
o, multiplicando trminos,/(.x)
(6 e)
x3
porqueunvalorde.rhacequedostrminosdelaecuacin(6.9)seanigualacero. Grficamente, esto significa que la curva toca en forma tangencial al eje x enlaraiz doble. Vase
5x2
7x
lafigura 6.10aenx: l.Observequelafuncintocaalejeperonolacruzaenlataiz. l)na rqz triple cotresponde al caso en que un valor de r hace que tres trminos
una ecuacin sean igual a cero, colno en
en
6x3 + l2xz - lOx * 3' Advierta que el ottavezquelafuncinestangentealejeen "rqrr"rngrfico(vasefigura6.l0)indica lataz,pero que en este caso s cruza el eje. En general, la multiplicidad impar de raices
N
r8
MTODOS ABIERTOS
crvza el eje, mientras que la multiplicidad par no 1o cruza. Por ejemplo, la raz cudruple en la figura 6. lOc no cruza el eje. Las races mltiples ofrecen ciertas dificultades a los mtodos numricos expuestos en la oarte dos:
1.
3.
El hecho de que la funcin no cambia de signo en races mltiples pares impide el uso de los mtodos confiables que usan intervalos, discutidos en el captulo 5. De esta manera, de los mtodos incluidos en este texto, los abiertos tienen la limrtacin de que pueden ser divergentes. Otro posible problema se relaciona con el hecho de que no slo/(t), sino tambin f '(x) se aproxima a cero. Estos problemas afectan a los mtodos de Newton-Raphson y al de la secante, los cuales contienen derivadas (o aproximaciones a ella) en el denominador de sus respectivas frmulas. Esto provocara una divisin entre cero cuando la solucin convege muy cercana alara2. una forma simple de evitar estos problemas, que se ha demostrado tericamente (Ralston y Rabinowitz, 1978), se basa en el hecho de que/(.r) siempre alcanzar un valor cero antes que/(x). Por lo tanto, si se verifica/(.r) contra cero, dentro del programa, entonces los clculos se pueden terminar antes de quel(;r) llegue a cero. Se puede demostrar que e1 mtodo de Newton-Raphson y el mtodo de la secante convergen en forma lieal. en vez de cuadrtica, cuando hay races mltiples (Ralston y Rabinowitz, 1978). Se ha propuesto algunas modificaciones para aliviar este problema. Ralston y Rabino*'itz ( 1978) proponen que se haga un pequeo cambio en la formulacin para que retome su convergencia cuadrtica, como en
:X;-'
f(x')
.f
'(x,)
(6.9a)
en donde m es la multiplicidad de Ia raz (esto es, m 2 para una raiz doble, m 3 para una ruiztriple, etctera). De hecho, puede resultar insatisfactorio porque presu-
FIGURA
.IO
pone el conocimiento de la multiplicidad de la ra2. Otra alternativa, tambin sugerida por Ralston y Rabinowitz
lf
lZa;tAe
definir
una nueva funcin u(x), que es el cociente de la funcin a su derivada, esto es:
u\x)
f(x) : -;)
.1',\.x
(6.1 0)
hoce b).
Se puede dernostrar que esta funcin tiene races en las misrrp,.proporciones que la funcin original. Por l tanto, la ecuacin (6.10) se.puede.sustit$la ecuacin (6.6) I de esta forma desarrollar una forma alternativa del mtodo de Nton-Raphson:
Y. _
'
u\x )
u'
(xi)
(6.1
Se puede derivar
u'(x: f
'etf
'(x)
- ftxtf"txt
lf
(.x)12 '
(6.12)
6.4
RAICES MULTIPLES
l9
y (6.12) en la ecuacin (6.11) y
e1
resultado
:'x' _ ^-
| f,k,\lz _
LJ \'-IlJ
I@)
f '\x)
J \-l/
ll
EJEMPLO
.9
Enunciodo del
problemo.
ro:0'
de la ecuacin (6.9) esf '(x) : 3x2 - 10x * 1, y por lo tanto, el mtodo de Newton-Raphson para este problema es [vase ecuacin (6.6)]
fi+l :
'x
3xl
llx, +7
'tl%l
0
I
2 3
4
5
Como ya se haba anticipado, el mtodo converge en forma lineal hasta el valor verdadero de 1.0. Para el caso del mtodo modificado, la segunda derivada es/'(x) : 6x - 10, y la relacin iterativa es fvase ecuacin (6.1 3)]
x+t: ", -
1xl
- 1o)
'r(%l
0
l 2 3
100
31
a a0024
De esta forma, el mtodo modificado converge cuadrticamente. Se puede usar ambos mtodos para buscar la raz simple en r : 3. Usando un valor inicial de Io : 4 se
METODOS ABIERTOS
Estndor
0
I
'(%l
33
Modificodo
4
33
er(%l
4 3.4
3.1
r3
3.3
2 3
/,
o29
0.002s
2
lO-7
l2
0
t.3
0.05 r 7.7 x l0-5
De esta forma, ambos mtodos convergen con rapidez, aunque el mtodo estndar es el
ms eficiente.
El ejemplo anterior ilustra los factores de mayor importancia involucrados al escoger el mtodo de Newton-Rapbson modificado. Aunque es preferible para races mltiples, algunas veces es menos eficiente y requiere rirs esfuerzo computacional que el mtodo estndar para el caso de races simples. Se debe notar la posibilidad de desarrollar una versin modificada del mtodo de la secante para races mltiples sustituyendo la ecuacin (6.10) en la ecuacin (6.7). La
frmula resultante es @alston y Rabinowitz,1978) rz(.t)(x-1 ^r+l - ^t
ft(xt.xz.....xn):0 fz(xt,x2,...,r,):o
S".
(6'14)
r1*r.r2,,,....rr):0
La solucin de este sistema consiste en un conjunto de valores dlliue simultneamente sean el resultado de todas las ecuaciones igualadas a cero. En la parte tres, se presentarn los mtodos donde, para este caso, las ecuaciones simultneas son lineales. Esto es, que pueden expresarse en forma general como
f(x) : atxt I
azxz
*Qrxr-b:0
(6. l
s)
donde y las c son constantes. Ecuaciones algebraicas y trascendentales que no se ajustan a este formato se les llama ecuaciones no lineales. Por ejemplo,
"2+"Y:19
l
.5
v
^1 v+'xy-:)l SISTEMAS DE ECUACIONES
NO
LINEATES
l7l
son dos ecuaciones simultqeas no lineales con dos incgnitas, sarse en forma de la ecuacin (6.14) como
r yy.
(6.16a)
(6.r6b)
As, la solucin podra ser que los valores de x y y que hacen las funciones u(x, y) y v ( y) igual a cero. La mayora de los enfoques para determinar tales soluciones son
extensiones de los mtodos abiertos para resolver simples ecuaciones. En esta seccin se investigar dos de stos: el mtodo de iteracin de punto fijo y el mtodo de NewtonRaphson.
.5.1
La aproximacin de la iteracin de punto fijo (seccin 6.1) puede ser modificada para resolver dos ecuaciones simultneas no lineales. Esta aproximacin se ilustra en el siguiente ejemplo.
EJEMPLO
.IO
inicial
'
xi+l:
l\-xl
y,
(E6.10.1)
:57 -
3xYl
(E6.10.2)
Observe que es posible quitar los subndices para el resto del ejemplo. En base de los valores iniciales, la ecuacin @6.10.1) se puede usarpara determinar un nuevo valor de r:
lo - (r.5)2 *: :2.2t429
Este resultado y el valor inicial de y para determinar un nuevo valor dey:
!:
57
3(2.21429)(3.r2
.-24.37 516
. j-_-
.._,.=.i:.+__"_J
172
MTODOS ABIERTOS
As, la aproximacin parece que diverge. Este con:tportamiento es an ms pronunciado en la sesunda iteracin:
t0
! :57
(2.2t42\2
Obviamente, la aproximacin est deteriorada o fuera de rango. Ahora repita el clculo pero con la ecuacin original puesta en un formato diferente. Por ejemplo, una formulacin alternativa de la ecuacin (6.16n) es
r:rfro-;'
y la ecuacin (6.16)
es
,r:\
10
l0
57
I I
En el ejemplo anterior se ilustr la ms seria deficiencia de la iteracin de punto fijo; esto es, converge a menudo dependiendo de la manera en la cual la ecuacin es formulada. Adems. aun en estas instancias donde la convergencia es posible, la divergencia puede ocurrir si los valores iniciales son insuficientemente cercanos a la solucin verdadera. Usando un razonamiento similar al del cuadro 6.1, puede demostrarse que las condiciones suficientes parala convergencia en el caso de dos ecuaciones es
laxl
lax
<1
-+-
lavl
Estos criterios son tan restringidos que 1a iteracin de punto fijo tiene una utilidad limitada para resolver sistemas no lineales. Sin embargo, como se describir n-rs tarde en el libro, puede ser til para resolver sistetlas de ecuaciones lineales.
6.5
SISTEMAS DE ECUACIONES
NO LINEALES
r73
6.5,2
Newton'RoPhson
(esto es, Recuerde que el mtodo de Newton-Raphson se utiliz empleando la derivada indepenla variable de el eje con interseccin la pendienie) de la funcin para calcular su de la serie diente; esto es, laraz (vaie figura 6.5). Este clculo se basa en la expansin 6.2), de Taylor de primer orden (recuerde el cuadro
x)
f' (r)
es igual a cero
(6, l 7)
intersecta el donde ;r, es el valor inicial de la razy x,*res el punto en el cual la pendiente
y la ecuacin (6.17)
r+r:x-
f(xi)
(6.1 8)
f\x)
la cual es la forma simple de la ecuacin del mtodo de Newton-Raphson' de La forma de ecuacin mltiple se deriva en forma idntica. Sin embargo, la serie que ms de Taylor de variables mltiples se debe usar para tomar en cuenta el hecho de
el caso de dos una variable independiente contribuye en la determinacin de laraiz' Para la ecuacin variables, utu ,".i" de Taylor de primer orden se puede escribir [recurdese
Lt+t:u
(r+r
- il**
*
(,r+r
- r,r*
(6.19a)
u+l
* (r+l -.r.,*
(,1'+l
- rt)*
(6.reb)
corresponde a los Justo como en la versin de una ecuacin simple' la raz estimada (6.19) valores dexy y donde u,*, y ui+l son igual a cero. Para esta situacin, la ecuacin puede ordenarse Para que d
dtt,
i..'-' ^ ^ i) t', 0i' ,'lr', * 0t; : -l'r t r' + tt*, al '\j ijr a, )'-l
Ott,
itu,
dtt,
(6.20a) (6.20b)
al ltimo Debido a que todos los valores con subndice I son conocidos (corresponden la ecuacin valor supuesto o aproximado), las ntcas incgnitas soo xa y y,*, ' Entonces' con la (6.20) es un conjunto de dos ecuaciones lineales con dos incgnitas [compare de regla la (por ejemplo' ecuacin (6.15)1. En consecuencia, la manipulacin algebraica
Cramer) puede ser empleada para resolver
U;-
3u
ri+r:ri-
Ey
ui
ou -:- (6.21a
Al:i
0x
0y
d1' d f
r74
MTODOS ABIERTOS
D;'
0u _
ll;
0u
(6.2rb)
determinante Jacobiano del sistema' La ecuacin (6.21) es la versin del mtodo de Newton-Raphson para dos ecuaciolas nes. As, en el siguiente ejemplo se puede emplear la forma iterativa para determinar races de dos ecuaciones simultneas.
UEMPLO .11
Newton-Rophson poro un sislemo no lineol Enunciodo del problemo. Use la ecuacin mltiple del mtodo de Newton-Raphson para determinailas races de la ecuacin (6.16). Observe que el par correcto de races es t'5' 3. Inicie el clculo convaloresiniciales
x:2v y:
Solucin.
de: l.5yy:
primero calcule las derivadas parciales y evalelas con los valores iniciales
dexyy:.
ouo 3;r
oDo
:
-
2x
* _r' :
J\J.JJ -
2( 1.5)
3.5
6.5
3uo
I -v-
0y
3uo
?.2: a, J.)/
1r? 5t:
?6 15
^:l+ojrY oy
:1+6(1.5)(3.5):32.5
1.5(36.75;
:156:125
Los valores de las funciones se pueden evaluar con los valores iniciales como
us
1.5(3.5)
--l<.,-15J."
-
-2.5(32.5)
r.62s(6.s)
.625( 1.5)
:2.03603 :2.84388
156.125
- (-2.s) (36.7 s)
156.r25
y As, los resultados estn convergiendo a los valores verdaderos de x = 2y aceptable. aproximacin una que se obtenga hasta clculos pueden repetirse
3.Los
NewtonJusto como con el mtodo de iteracin de punto tjo, la aproximacin de cercanos lo suficientemente estn no iniciales valores los si Raphso4 a menudo diverge un para obtener emplear pueden se grficos que mtodos a li razverdadera. Mientras tan simple procedimiento ningn ecuacin, sola una caso de para el buen valor inicial
PROBLEMAS
r75
algunos enfoques est disponible para la versin de multiecuaciones. Aunque existen a menudo iteracin, primera uuu*udo* puru bt"rr", urra aproximacin aceptable, para la del y conocimiento el y error los valores iniciales deben ser obtenidos mediante prueba sistema fisico que est siendo modelado. generalizarse para La aproximacin de Newton-Raphson para dos ecuaciones puede implica lgeeficiente ms resolveru ecuaciorres simultneas. Debido a que el camino discusin de ver esta se bra matricial y solucin de ecuaciones lineales simultneas, aproximacin general en la parte tres.
PROBLEMAS 6.1
Use el mtodo de iteracin simple de punto
fijo
para
locali
6'9
zarlaraizde
,f(x):sen(l,6)
f(x) -
7 sen (x)
-x :
i 6.2)
'laphsonparadeterminarla raizdef(x):
* 2'5 - 09/ 4 l'7x que s : menor que sea d usando xo : 5. Efecte el clculo hasta
0.0 I 70. Tambin realice una prueba de error de respuesta
0.5 e iteracin hasta as < 0'0lVo' Use a) la iteracin de punto frjo y ) el mtodo de Newton-
c)
Usando el mtodo de la secante (tres iteraciones, x,'' y 0.4). Usndo el mtodo de la secante modificado (cinco itera-
0'3)'
x,:
final'
6.3 Determine las races reales de/(.r) -2'0 6x 4t' 0.51: c) grficamentey ) usando el mtodo deNewton-Raphson
6.4
0.0lVo. que cumpla con ts emplee el mtodo de Newton-Raphson para determinar la 6 + O'5x3 usando valores laizrealparaf(x)
'
y iniciales de a) 4.2y b) 4-43' Discuta y use mtodos grficos resultados' los en peculiaridad analticos y explique cualquier 6.5 Determinelaraiz real mnima def(x) -11 22'x + z.Sf: a) grficamente y ) usando el mtodo de la secante para un valor de e, utilizando tres cifras significativas' 6. Localice la primera raz positiva de
-2.0 *
- 4f
0.5, 6 = 0.03)' ciones, 5 3 tiene unaraz doblede' 6.10 La funcinl + 2xz Usea) elmtodonormal deNewton-Raphson [ver ecuacin (6')]' ) el mtodo de Newton-Raphson modificado [ver ecuacin 6.5")l V c) el mtodo de Newton-Raphson modificado [vase I ' Compare y ecuacin (6.13)] para resolver para la raiz en x
: l'
usando xo :
0'2'
nA-
6.11 Determine las races de las siguientes ecuaciones no lineay les simultneas usando a) el mtodo de iteracin de punto fijo
b) el mtodo de Newton-RaPhson:
- y*x2
ay:x--)xy
,f(x)
donde
senx
cos
(l + l) -
:|-
Use cuatro iteraciones con el mtodo I '0 y x, iniciales dq a) x-t valores de Newton-Raphson con raz' c) Use el la para localizar 2.5, y 1.5 y t-r 3.0, ) mtodo grfico para verificar los resultados' 6.7 Determine la taiz real de x3'3 79, co el mtodo de la secante modificada que cumpla con es: o'lVo' Intente diferen-
es en radianes.
x,:
(x-4)2+(v-4)2:4
x2+y2:16
Use una aproximacin grfica para obtener los valores iniciales' Determine una estimacin refinada con el mtodo de NewtonRaphson para las dos ecuaciones descritas en la seccin 6'5'2' 6.13 Repita el problema 6.12, pero qhora para
6.8 Determinelaraizreal mxima def(x) : I - 6l I llx 6.1: s'iu)'' or"'(i"J" . -a) Grficamente (tred iteraciones' Newton-Raphson de mtodo el bi Usano ri: 3'5)' c) Utilizando el mtodo de 1a secante (tres lteractones' r*l : 2.5 Y xt: 3'5)'
tes valores de 6
Y:x2+l
):3cosx
6.14 Un balance de masa para un lago bien mezclado pedc cs' cibirse como
d)
6:
nTr I t:l
il
I
176
MTODOS ABIERTOS 6.16 Desarrolle un subprograma amigable para el usuario del mtodo de Newton-Raphson basndose en ia figura 6'4 y la seccin 6.2.3. Prubelo con los valores del ejemplo 6'3'
m6.17 Desarrolle un subprograma amigable al usuario para el 6'2'3' y la seccin 6'4 figura 1a en todo de la secante basado Pruebelo con los valores del ejemplo 6.6. 6.18 Desarrolle uh subprograma amigable al usuario del mtodo de la secante modificado basndose en la figura 6'4 y la seccin 6.3.2. Prubelo con los valores del ejemplo 6'8' para. 6.19 Desarrolle un subprograma amigable para el usuario base el mtodo de Newton-Raphson de la doble ecuacin que se en la seccin 6.5. Pruebe con los valores del ejemplo 6'10' para 6.20 Use el subprograma desarrollado en el problema 6'19 , de tolerancia una con y 6.12 6.11 problemas los resolver
0.01Vc.
v*:w-e,'-kvuE
y 1 Los valoresde losparmetros son - | x 19' ll' Q = x 5/g0 5/ao, use el : m0 0.2 ii.'uo, ll : 1 x 106 giao y k mtodo de 1a secante modificada para resolver 1a concentracin : 4 glms y 6: del estado estable. Emplee valores iniciales de c porcen0.5. Realice dos iteraciones y determine el error relativo tual despus de la segunda iteacin. m6.15 Paia el problema 6.l4,laraizpuede localizarse con el como fijo punto de todo de iteracin
':(
o como
tW - Ot\1
w -kv^tQ
valor ininicamente una ecuacin funcionar siempre para un qu siempre por y demuestre cial de c > l. Seleccione la correcta
6.21 Con el mtodo de "divide y promedia", un antiguo mtodo a' para aproximar laraiz cuadrada de cualquier nmero positivo como se puede formular
r*alt
de NewDemuestre que esta frmula est basada en el algoritmo ton-Raphson.
trabajar.