TRABAJO 01: SOLUCION DE ECUACIONES NO LINEALES

Camilo Jos Rodrguez Carvajal Cdigo: 2070969

Carlos Andrs Hinojosa Ferreira Cdigo: 2092163

Profesor: Jonnathan Alfredo Ramos Chaux

Universidad Industrial de Santander Escuela de Ingeniera Metalrgica y Ciencia de Materiales 23130 - Anlisis Numrico 2014

1. Implemente en C++ los siguientes mtodos: a) Mtodo de Biseccin b) Mtodo de la Secante c) Mtodo de Newton Utilizando como nico criterio de parada de los mtodos el error absoluto existente entre la evaluacin del punto estimado y el valor esperado.

2. Determinar el punto de corte entre las funciones 2xcos (2x) = 0 y (1 + x)2 = 0 en el intervalos [-3,-2] teniendo en cuenta: A) Fijando como tolerancia 1x10-5 y usando los resultados de la ejecucin de los algoritmos construya las grficas: Iteracin vs. Valor estimado para la raz Iteracin vs. Valor absoluto de la evaluacin en la funcin del valor estimado B) Usando cinco valores diferentes para la tolerancia construya la grfica: Tolerancia vs. Nmero total de iteraciones C) Explique los comportamientos observados en las grficas.

METODO DE BISECCION
2. El punto de corte entre las funciones 2xcos (2x) = 0 y (1 + x) 2 = 0 en el intervalos [-3,-2] teniendo en cuenta como tolerancia 1x10-5 es -2,191307

2.A. Graficas

METODO DE BISECCION
-2,1 -2,15 0 2 4 6 8 10 12 14 16 18

EsSTIMACION DE LA RAIZ

-2,2 -2,25 -2,3 -2,35 -2,4 -2,45 -2,5 -2,55

ITERACIONES

METODO DE BISECCION
VALOR ABSOLUTO DE LA EVALUACION EN LA FUNCION DEL VALOR ESTIMADO
4 3,5

3
2,5 2 1,5 1 0,5 0 0 2 4 6 8 10 12 14 16 18

ITERACIONES

2.B

Iteraciones

Tolerancia vs. Nmero total de iteraciones METODO DE BISECCION

25 20

ITERACIONES

15 10 5 0 0 0,0002 0,0004 0,0006 0,0008 0,001 0,0012

TOLERANCIA

METODO DE LA RECTA SECANTE

2. El punto de corte entre las funciones 2xcos (2x) = 0 y (1 + x) 2 = 0 en el intervalos [-3,-2] teniendo en cuenta como tolerancia 1x10-5 es -2,191308

2.A. Graficas

METODO DE LA RECTA SECANTE

0,6

VALOR ESTIMADO DE LA RAIZ

0,5
0,4 0,3 0,2 0,1 0 -0,1 -0,2 0 1 2 3 4 5 6

ITERACIONES

METODO DE LA RECTA SECANTE

VALOR ABSOLUTO DE LA EVALUACION EN LA FUNCION DEL VALOR ESTIMADO
0,6 0,5 0,4 0,3 0,2

0,1
0

0
-0,1

ITERACIONES

2.B

Iteraciones

METODO DE LA RECTA SECANTE

6 5

ITERACIONES

4 3 2

1 0
-0,1 0 0,1 0,2 0,3 0,4 0,5 0,6

TOLERANCIA

METODO DE NEWTON
2. El punto de corte entre las funciones 2xcos (2x) = 0 y (1 + x) 2 = 0 en el intervalos [-3,-2] teniendo en cuenta como tolerancia 1x10-5 es -2,191308

2.A.

Graficas

METODO DE NEWTON
-2

VALOR ESTIMADO PARA LA RAIZ

0 -2 -2 -2 -2

-2
-2 -2

ITERACIONES

METODO DE NEWTON
VALOR ABSOLUTO DE LA EVALUACION EN FUNCION DEL VALOR ESTIMADO
1,8 1,6 1,4 1,2 1 0,8 0,6

0,4
0,2 0 -0,2 0 1 2 3 4 5 6

ITERACIONES

2.B

Iteraciones

METODO DE NEWTON
25
20

ITERACIONES

15 10 5 0

-0,5

0,5

1,5

2,5

TOLERANCIA

COMPORTAMIENTO DE LAS GRAFICAS METODO DE BISECCION Iteracin vs. Valor estimado para la raz: En esta grafica podemos observar que a medida que avanzan las iteraciones la variacin del valor estimado va disminuyendo y que a pesar de que al principio del mtodo la estimacin del valor es muy fluctuante el decrecimiento de la variacin del valor estimado si muestra un compartimiento casi lineal, debido a su simpleza este mtodo por lo general toma ms iteraciones pero tiene la ventaja de que no requiere un valor cercano al cero de la funcin para converger. Iteracin vs. Valor absoluto de la evaluacin en la funcin del valor estimado: En esta grafica podemos observar que debido a la naturaleza del mtodo al cambiar cualquiera de los dos valores tomados como referencia(X1,X2) por el nuevo obtenido de su promedio (X3) la evaluacin de la funcin va fluctuando entre valores positivos y negativos cada vez ms cercanos al cero a medida que avanzan las iteraciones. Al aplicar el valor absoluto a la estimacin de la funcin la grfica va fluctuando con pequeos mximos y

mnimos locales y la variacin de la evolucin en la funcin el

decrecimiento de la variacin del valor estimado disminuye con un comportamiento casi lineal que oscila dependiendo de la naturaleza de la funcin. Tolerancia vs. Nmero total de iteraciones: En esta grafica podemos ver que al tomar una tolerancia cada vez ms pequeo el nmero de iteraciones van aumentando con un comportamiento similar a una funcin exponencial, esto se explica debido a que se toma como tolerancia valores que dependiendo del tipo de funcin y la aplicacin sean aceptables y viables suponer como cero. En el momento en que se tome una tolerancia totalmente cero el nmero de iteraciones va a tender a infinito debido a travs del promedio de las variables siempre va a ver una pequea diferencia entre el valor estimado y el cero.

METODO DE LA SECANTE Iteracin vs. Valor estimado para la raz: En esta grafica podemos observar que a medida que avanzan las iteraciones la variacin del valor estimado va

disminuyendo, la fluctuacin del valor estimado es grande el principio del mtodo pero debido a que al cambiar cualquiera

de los dos valores tomados como referencia(X1,X2) por el nuevo valor obtenido (X3),y que al no ser importante el signo de este ltimo el mtodo converge con pocas iteraciones y la fluctuacin disminuye rpido. Adems el decrecimiento de la variacin del valor estimado disminuye casi linealmente. Iteracin vs. Valor absoluto de la evaluacin en la funcin del valor estimado: En esta grafica podemos observar como al no tomar en cuenta el signo del valor estimado el valor absoluto de la evaluacin en la funcin decrece armnicamente mostrando una grfica con un comportamiento muy similar a una exponencial, que muestra la efectividad y la sincrona del mtodo. Tolerancia vs. Nmero total de iteraciones: En esta grafica podemos ver que al tomar una tolerancia cada vez ms pequea la grfica se vuelve cncava hacia arriba os, y que al tomar iteraciones mayores se vuelve cncava haca, esto muestra que este mtodo es muy sensible al valor de la tolerancia. METODO DE NEWTON-RAPHSON Iteracin vs. Valor estimado para la raz: Al observar esta grfica y compararla con la grfica iteracin versus valor estimado para la raz del mtodo de la secante

podemos ver un comportamiento casi idntico esto es debido al que el mtodo de la secante es una aproximacin del mtodo de newton-raphson para funciones para las cuales el clculo de la derivada de la funcin va a ser mucho ms costosa hablando en trminos de recursos del sistema, con la nica diferencia que este mtodo arrojo la misma curva pero en el rango de mayor a cero por lo dems presenta el mismo comportamiento. Iteracin vs. Valor absoluto de la evaluacin en la funcin del valor estimado: Por las razones ya expuestas el comportamiento es similar mostrando un acercamiento al valor ideal congruente con una funcin exponencial. Tolerancia vs. Nmero total de iteraciones: En esta grafica observamos que a menor tolerancia mayor nmero de iteraciones, y que mayores tolerancias la funcin muestra un comportamiento lineal.