Académique Documents
Professionnel Documents
Culture Documents
2009
f ( x) = 0 .
Podemos clasificar las ecuaciones de acuerdo al tipo de funcin que es f(x). A grandes rasgos se tiene
Racionales
Irracionales
Una ecuacin lineal en la variable x es una ecuacin que puede escribirse en la forma ax + b = 0 , donde a y b son constantes que generalmente llamamos parmetros y a 0. Algunos ejemplos de ecuaciones no lineales son: a) Ecuacin algebraica racional
9x 3 = 2+ 3x 1 3x 1
c) Ecuacin trascendente, incluye funciones trigonomtricas, exponenciales, logartmicas y otras menos familiares; tgx = tgh( 2 x ) La razn principal para resolver ecuaciones no lineales por medio de mtodos computacionales radica en la dificultad de encontrar una solucin por mtodos convencionales. Por su parte, excepto para muy pocos problemas, la solucin analtica de las ecuaciones polinomiales existe slo hasta el orden cuatro, pero no existen mtodos generales para arribar a las soluciones en forma exacta para rdenes superiores. Por lo tanto, las races de esas ecuaciones no lineales se obtienen mediante los mtodos del anlisis numrico. Los mtodos usuales para la obtencin de una aproximacin numrica a una solucin o raz de
f ( x) = 0 consisten en procesos iterativos en los que se parte de un valor inicial x0 de la raz buscada r
y, se usa cierta relacin de recurrencia para generar una secuencia de aproximaciones sucesivas x1, x2,..., xn,... que convergen al lmite xn, generalmente por mtodos analticos, muchas veces con ayuda de
grficos. El problema se plantea de la siguiente manera: Dada f : (o bien f :
[a, b] ) se quiere
encontrar r tal que f(r)=0. El clculo aproximado de races puede dividirse en dos etapas: Se separan las races, es decir se busca un subintervalo de [a, b] que contenga una y slo una raz de f. Para asegurar la existencia de al menos una raz en el intervalo propuesto se usa el Teorema de Bolzano. Para asegurar que no hay ms de una raz se usa el Teorema de Rolle, es decir, se verifica que la derivada primera no cambie de signo en dicho intervalo. Se aplica un mtodo para aproximar la raz aislada.
1
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Mtodo grfico Adems de la utilidad para determinar valores iniciales, tambin son tiles para visualizar las propiedades de las funciones y el comportamiento de los mtodos numricos. Consiste en graficar la funcin y observar en donde cruza el eje x. Este punto, que representa el valor de x para el cual f(x) = 0, proporciona una aproximacin inicial de la raz. Ejemplo: emplense grficas para obtener una raz aproximada de la funcin f(x) = e x Solucin: se calculan los siguientes valores
-x
x
0.0 0.2 0.4 0.6 0.8 1.0
f(x)
1.000 0.619 0.270 - 0.051 - 0.351 - 0.632
Mtodo grfico
1,2 1 0,8 0,6 0,4 0,2 0 -0,2 0 -0,4 -0,6 -0,8
0,2
0,4
0,6
0,8
1,2
Un vistazo a la grfica proporciona una estimacin aproximada de la raz de 0.57 que se acerca a la raz exacta de 0.56714328...., que se debe determinar con mtodos numricos. La validez de la estimacin visual se puede verificar sustituyendo su valor en la ecuacin original para obtener:
2
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
A.1- METODO DEL INTERVALO MEDIO O BISECCIN Es el ms simple, aunque tambin el ms seguro y slido para encontrar una raz en un intervalo dado, donde se sabe que existe dicha raz. Se apoya en la idea geomtrica del teorema de Bolzano: Dada
f ( x) = 0 , si f es tal que es montona y continua en [a, b], f(a) y f(b) tienen signos distintos entonces
existe, por lo menos una r, a< r <b, tal que f(r) = 0. En general puede decirse que en el intervalo [a, b] existe un nmero impar de races. El mtodo requiere de dividir repetidamente a la mitad los subintervalos de [a, b] y, en cada paso, localizar la mitad que contiene a la aproximacin de la raz xi La primera aproximacin a la raz, se determina como
x1 = (a + b) /2
Debemos realizar las siguientes evaluaciones y determinar en que subintervalo est la raz:
Si f(x1) = 0, entonces la raz es igual a x1. Si f(a)*f(x1) < 0, la raz se encuentra en [a, x1] Si f(a)*f(x1) > 0, la raz se encuentra en [x1, b]
Calculamos una nueva aproximacin a la raz en el nuevo subintervalo. Al repetir este proceso, el tamao del intervalo con la raz se vuelve cada vez ms pequeo. En cada paso, se toma el punto medio del intervalo como la aproximacin ms actualizada de la raz. Se genera una sucesin x1 = mitad del anterior .
ba 2 b1 a1 b a b2 a 2 = = 2 4 b1 a1 =
bn a n = K
Adems
ba 2n
a a1 a 2 L b b b1 b2 L a
Entonces an y bn son sucesiones montonas y acotadas y en consecuencia convergen, es decir existen los lmites
n
lm a n
lm bn
y como bn a n
ba 0 , se tiene lm a n = lm bn = r n n 2n
f 2(r) 0
3
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
En este mtodo el clculo de cotas de error es muy simple. Por cota de error entendemos un nmero que acote superiormente, en mdulo, el error mximo que podramos llegar a cometer cuando nos quedamos con uno de los puntos medios de los intervalos construidos mediante el algoritmo, en vez de con la solucin del problema. El error se puede acotar de la siguiente forma. Tenemos
xn =
Entonces
a n 1 + bn 1 2
r xn
bn 1 a n 1 b a = n 2n 2
Inconvenientes del Mtodo El mtodo de biseccin tiene inconvenientes importantes. Converge muy lentamente (o sea, N, nmero de iteraciones, puede ser muy grande antes que, x - xN , sea suficientemente pequeo) y, una buena aproximacin intermedia puede ser desechada sin que nos demos cuenta. Adems, hay que tener en cuenta que en el caso de existir ms de una raz (siempre en nmero impar) en el intervalo; el mtodo slo encuentra una de ellas, desechndose las otras. Entonces puede darse la situacin paradjica que, se encuentre una raz y sin embargo no sea esta la solucin ms conveniente al problema. Aplicaciones del Mtodo La biseccin suele recomendarse para encontrar un valor aproximado de la raz, y luego este valor se refina por medio de mtodos ms eficaces. La razn es que la mayor parte de los otros mtodos requieren un valor inicial cerca de una raz; al carecer de dicho valor pueden fallar por completo. Converge para cualquier f continua. Ejemplo: use el mtodo de biseccin para determinar la raz de f(x) = e x Solucin: se sabe que la raz se encuentra entre 0 y 1. el intervalo inicial se escoge desde
-x
a = 0 hasta b = 1. Por consiguiente, la estimacin inicial de la raz se sita en el punto medio de este
intervalo:
x1 = (a + b) /2 = (0 + 1)/2 = 0.5
Ahora se calcula:
f(0) * f(0.5) = (1)*(0.10653) = 0.106553 > 0 no hay cambio de signo entre a y x1, entonces la
raz se encuentra en el intervalo (0.5, 1). La aproximacin a la raz en la segunda iteracin se calcula como:
x2 = (0.5 + 1.0)/2 = 0.75 , y f(0.5) * f(0.75) = -0.030 < 0 , por lo tanto la raz est en (0.5, 0.75)
entonces la tercera iteracin es:
f(0.5) * f(0.625) = -0.010 < 0 , por lo tanto la raz est en (0.5, 0.625), y x4 = (0.5 + 0.625)/2 = 0.5625
El mtodo se puede repetir para alcanzar mejores estimaciones.
4
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
A.2 - REGULA-FALSI Este mtodo aprovecha la idea de unir los puntos con una lnea recta. La interseccin de esta lnea con el eje x proporciona una estimacin de la raz. El reemplazo de la curva por una lnea recta da una posicin falsade la raz, de aqu el nombre de mtodo de la regla falsa o en latn regula falsi.
f (b)
x1
a
f (a )
y f (a) =
x1 = a
esta es la frmula de la regla falsa. Si f( x1 )=0 el proceso termina. Si f( x1 ) 0 entonces f(a)*f(x1) < 0 o bien f(b)*f(x1) < 0 . Supongamos que f(b)*f(x1) < 0 definimos x2 con el mismo procedimiento anterior en [x1,b], y as sucesivamente. El mtodo converge a la raz slo desde un lado, aminorando de velocidad, especialmente si ese extremo del intervalo est ms lejos de la raz. Ejemplo: use el mtodo de Regula Falsi para determinar la raz de f(x) = e x. La respuesta correcta es 0.56714329. Solucin: se iniciarn los clculos con los valores iniciales a = 0 y b = 1 Primera iteracin:
-x
a=0 b=1 x1 = 0
1 = 0.6127 0.63212 1
5
2009
Segunda iteracin:
f(a)f(x1) = - 0.0708
por lo tanto, la raz se encuentra en [0, 0.6127],
a=0
f(a) = 1
x2 = 0
se pueden llevar a cabo iteraciones adicionales para mejorar la estimacin de la raz Ventajas y Desventajas del Mtodo Comparte con el mtodo del intervalo medio la ventaja de converger en cualquier circunstancia, y su principal desventaja es la de encontrar slo un resultado en el caso de races mltiples. Sin embargo, este mtodo es ms veloz que su anlogo, el del intervalo medio o biseccin. Adicionalmente, pueden aparecer extremos fijos, como muestra la figura, en donde uno de los extremos de la sucesin de intervalos no se mueve del punto original, por lo que las aproximaciones convergen a la raz exacta solamente por un lado. En cuyo caso, no siempre, pueden presentarse situaciones de convergencia lenta.
x1
b x
B.1 - ITERACIN DE PUNTO FIJO La idea es reemplazar la ecuacin f(x) = 0 por otra de la forma x = g(x) de manera que la solucin de sta sea la solucin del problema original. Esta transformacin se puede llevar a cabo mediante operaciones algebraicas o simplemente agregando x a cada lado de la ecuacin original. A una solucin de esta ecuacin se le llama un punto fijo de la funcin g. La ecuacin x = g(x) proporciona una frmula para predecir un valor de x en funcin de x. Dada una aproximacin inicial a la raz, xi, la ecuacin puede usarse para obtener una nueva aproximacin xi+1, expresada por las frmulas iterativas
xi+1 = g(xi),
xi =g(xi-1)
xi = g(xi-1)
La ventaja de este mtodo consiste en su gran sencillez y flexibilidad para elegir la forma de g(x). Sin embargo, es muy importante la formacin de la funcin g(x) en la ecuacin x = g(x); de las mltiples opciones que pueden existir, ya que no siempre converge con cualquier forma elegida de g(x).
6
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Ejemplo: Dada la ecuacin x - 2x 3 = 0 Existen muchas maneras de cambiar la ecuacin a la forma x = g(x), efectuando manipulaciones algebraicas simples. Algunas son las siguientes
a) x = g1(x) = (2x + 3)
Si se empieza con x0 = 4 y se itera con el algoritmo del punto fijo, valores sucesivos de x son
x0 = 4, x1 = 11 = 3.31662 x2 = (9.63325) = 3.10375 x3 = (9.20750) = 3.03439 x4 = (9.06877) = 3.01144 x5 = (9.9.02288) = 3.00381 y parece que los valores convergen a x = 3. b) x = g2(x) = (x2 3)/2, nuevamente se comenzar la iteracin en x0 = 4 x0 = 4 x1 = 6.5 x2 = 19.625 x3 = 191.070 y resulta evidente que las iteraciones son divergentes.
Mtodo grfico Un planteamiento grfico consiste en separar la ecuacin x = g(x) en dos partes, como
y1 = x y2 = g(x)
estas funciones se pueden graficar por separado. Los valores de x correspondientes a las intersecciones de estas funciones representan las races de f(x) = 0.
y1= x y y 2 = g(x)
y = f(x)
x*
7
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
El mtodo de las dos curvas se puede usar para ilustrar la convergencia y divergencia de la iteracin de punto fijo.
y1= x
y2 = g(x) y1 = x y2 = g(x)
f(x2)
f(x1)
x4 x3 x2 fig. a
x1
x fig. b
La solucin, de estas figuras, es convergente ya que la aproximacin de x se acerca ms a la raz con cada iteracin. En la fig a, se observa que si la pendiente de g(x) es positiva la convergencia a la solucin es montona o en escalera. En cambio si la pendiente de g(x) es negativa, la convergencia es en espiral u oscilante alrededor de la solucin, ver fig. b. En los siguientes casos las iteraciones divergen a la raz.
x0
Ntese que la convergencia ocurre nicamente cuando el valor de la pendiente de y2 = g(x) es menor al valor de la pendiente de y1 = x, esto es, cuando |g(x)| < 1. Condicin de Lipschitz Si bien la continuidad de g(x) asegura la existencia de la solucin, ello no establece si la solucin es la nica. Para establecer unicidad la siguiente condicin es suficiente: existe una constante L, 0 L <1 tal que para dos puntos cualesquiera, x1 y x2 en un intervalo, se cumple la desigualdad
g ( x1 ) g ( x2 ) L x1 x2 .
Esta condicin se llama de Lipschitz y L se denomina constante de Lipschitz.
8
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Que una funcin cumple con la condicin de Lipschitz significa que es casi derivable. As una funcin continua con derivada primera cumple la relacin,
g ( x1 ) g ( x 2 ) = g ( )( x1 x 2 ), [x1, x2]
de acuerdo al teorema del valor medio. Si tomamos valores absolutos en la ecuacin y requerimos
g ( ) L < 1
Vemos que se cumple la condicin de Lipschitz. Sin embargo, la inversa no es verdadera; una funcin puede cumplir con la condicin de Lipschitz sin ser derivable. Resumimos lo dicho: Teorema 1: Sea g(x) una funcin continua en [a, b] con valores en el mismo intervalo [a, b] y tal que
g ( x1 ) g ( x 2 ) L x1 x 2
para x1 y x2 cualesquiera en [a, b]. Sea, adems, L constante y menor que uno en valor absoluto. Entonces x = g(x) tiene una solucin que es nica. Con el teorema 1, se ha probado que el algoritmo definido por xi+1 = g(xi) est bien definido, en el sentido de poseer solucin nica. Garantiza esto la convergencia de dicho algoritmo? Para resolver esta cuestin, estimemos la diferencia x j . Por definicin de algoritmo xi = g(xi-1)
x j = g ( x j 1 ) = g ( x j 1 ) g ( )
y por la condicin de Lipschitz
x j L x j 1
aplicando esta desigualdad reiteradas veces
x j L x j 1 = L g ( x j 2 )
L2 x j 2
Lj x 0
j
.................
Teorema 2: Sea g(x) una funcin continua en [a, b] con valores en el mismo intervalo [a, b] y tal que
en+1 = xn+1 x*
9
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
x x* e 1 lm n +1 = lm n +m = Km m n en n xn x *
en donde Km es una constante llamada error asinttico. En general se tiene convergencia lineal si m = 1 y convergencia cuadrtica si m = 2. Otra forma de interpretar el lmite es diciendo que para n suficientemente grande,
en +1 = K m en
Puesto que para valores grandes de n, en es un nmero pequeo, la velocidad de convergencia crece exponencialmente con el orden de convergencia. Por lo que es deseable un orden alto de convergencia. Veamos el orden de convergencia del mtodo de iteraciones de punto fijo. Para ello debemos calcular la dependencia que existe entre en+1 y en. Usemos el desarrollo por series de Taylor de la siguiente manera:
en +1 = x n +1
= g ( x n ) g ( )
Observemos en la ltima igualdad que, a menos que g ( ) = 0 , el algoritmo de las iteraciones sucesivas
converge linealmente a la solucin. Por otra parte, obtenemos la condicin de convergencia cuadrtica del mtodo que es,
g ( ) = 0 .
B.2 - MTODO DE LA TANGENTE O DE NEWTON El mtodo consiste en empezar con un valor de x0 (cercano a la raz) y trazar la tangente en el punto
(x0, f(x0)). El punto donde esta tangente cruza al eje x se toma como la siguiente aproximacin. Esto
contina hasta que valores de x sucesivos estn suficientemente prximos o el valor de la funcin est suficientemente cerca de cero.
10
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Hay por lo menos tres maneras usuales de introducir el mtodo de Newton Raphson: a) se puede derivar geomtricamente o tcnica grfica b) el uso de la serie de Taylor, c) deriva el mtodo de Newton a partir de la tcnica de iteracin de punto fijo. Vamos a desarrollar b) y c). b) Recurdese que la serie de Taylor se puede representar como:
f ( xi +1 ) = f ( xi ) + f ' ( xi )(xi +1 xi ) +
en donde
f ( ) ( xi +1 xi ) 2 2
se encuentra en alguna parte del intervalo entre xi y xi+1 . Truncando la serie despus de la
f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 xi )
En la interseccin con el eje x, f(xi+1) debe ser igual a cero , o:
0 f ( xi ) + f ' ( xi )( xi +1 xi )
que se puede resolver para:
x i +1 = xi
f ( xi ) f ' ( xi )
a la que se conoce como frmula de Newton-Raphson. Observemos que para que la frmula tenga sentido
f ( xi ) 0
c) Para resolver una ecuacin de la forma f(x)=0, supongamos que la ecuacin f(x) =0 tiene una solucin
xi +1 = g ( xi )
con la g de la forma
g ( x) = x ( x ) f ( x )
donde Si
( x) est acotada, entonces g ( x*) = x * , y, para que el procedimiento iterativo derivado de g sea
g ( x) = 1 ( x) f ( x) f ( x) ( x) y g ( x*) = 1 f ( x*) ( x*)
Consecuentemente,
1 f ( x*)
xi +1 = xi
f ( xi ) f ( xi )
11
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
El mtodo de Newton se emplea ampliamente porque, al menos en la vecindad prxima de una raz, converge ms pronto que cualquiera de los mtodos analizados hasta ahora.
-x
Ejemplo: usar el mtodo de Newton - Raphson para determinar la raz de f(x) = e x empleando el valor inicial de x0 = 0. Solucin: la primera derivada de la funcin se puede evaluar como:
f(x) = -ex 1
que se puede sustituir, junto con la funcin original en la ecuacin de Newton:
x x i +1 = x i e e i x
i 1
Empezando con el valor inicial x0 = 0, se puede aplicar la ecuacin iterativa para calcular
Iteracin, i 0 1 2 3 4
Desventajas del mtodo de Newton Aunque el mtodo de Newton en general es muy eficiente, hay situaciones en que se comporta deficientemente. Ejemplo: determnese la raz positiva de f(x) = x valor inicial de x = 0.5 Solucin: la frmula de Newton Raphson es en este caso
10
x 10 1 xi +1 = xi 10 x i9
Que se puede usar para calcular:
12
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Iteracin, i 0 1 2 3 4 5
De esta forma, despus de la primera prediccin deficiente, el mtodo converge a la raz 1, pero con una velocidad muy lenta. Adems de la convergencia lenta, debida a la naturaleza de la funcin, se pueden originar otras dificultades, como:
x1
x0
x2 x
La figura muestra el caso donde un punto de inflexin ocurre en la vecindad de una raz. Ntese que las iteraciones que empiezan en x0 divergen progresivamente de la raz.
x
Se observa la tendencia del mtodo de Newton Raphson a oscilar alrededor de un punto mnimo o mximo local.
13
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Se observa en la figura de arriba que un valor inicial cercano a una raz puede saltar a una posicin varias races lejos. Esta tendencia de alejarse del rea de inters se debe a que se encuentran pendientes cercanas a cero. Una pendiente cero causa una divisin por cero en la frmula de Newton Raphson. Grficamente, esto significa que la solucin se dispara horizontalmente y jams toca el eje x. La nica solucin en estos casos es la de tener un valor inicial cercano a la raz. Este conocimiento, de hecho, lo proporciona el conocimiento fsico del problema o mediante el uso de herramientas tales como las grficas que proporcionan mayor claridad en el comportamiento de la solucin. B.3 - METODO DE LA SECANTE El mtodo de Newton es una tcnica extremadamente poderosa, pero tiene una dificultad: la necesidad de saber el valor de la derivada de f en cada aproximacin. Aunque esto no es un inconveniente para los polinomios y para muchas otras funciones, existen algunas de stas cuyas derivadas pueden ser extremadamente difciles de evaluar. En estos casos, la derivada se puede aproximar mediante una diferencia dividida, como
f ' ( xi )
f ( xi 1 ) f ( xi ) xi 1 xi
Esta aproximacin se puede sustituir en la ecuacin de Newton Raphson obteniendo la ecuacin iterativa:
xi +1 = xi
f ( xi )( xi 1 xi ) f ( xi 1 ) f ( xi )
Esta ecuacin es la frmula para el mtodo de la secante. Ntese que el planteamiento requiere de dos puntos iniciales de x. Sin embargo, debido a que no se requiere que f(x) cambie de signo entre estos valores, a este mtodo no se le clasifica como aquellos que usan intervalos. El esquema grfico del mtodo es el siguiente:
14
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
f(xi-1)
f(xi)
xi+1
xi
xi-1
Ejemplo: usar el mtodo de la secante para calcular la raz de f(x) = e x Empicese con los valores iniciales de x-1 = 0 y x0 = 1.0. Recurdese que la raz real es 0.56714329... Solucin: Primera iteracin:
-x
x -1 = 0 x0 = 1
x1 = 1
Segunda iteracin
x0 = 1 x1 = 0.61270
x2 = 0.61270
Tercera iteracin:
xl = 0.61270 x2 = 0.56384
x3 = 0.56384
P ( x) = a n x n + a n1 x n 1 + ........... + a1 x + a 0
donde las ai, llamadas los coeficientes de P, son constantes y an 0, se llama un polinomio de grado n. Teorema fundamental del lgebra: Si P es un polinomio de grado n1, entonces P(x)=0 tiene cuando menos una raz (posiblemente compleja). Corolario: Si P ( x ) = a n x n + a n 1 x n 1 + .......... . + a 1 x + a 0 es un polinomio de grado n1, entonces existen constantes nicas x1 ,x2 , ....,xk , posiblemente complejas y enteros positivos m1,m2,...mk, tales que
i =1
mi = n y
P ( x ) = a n ( x x ) m ( x x 2 ) m .....( x x k ) m
1 2 1
15
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
El corolario asegura que los ceros de un polinomio son nicos y que si cada cero xi es contado tantas veces como su multiplicidad mi, entonces un polinomio de grado n tiene exactamente n ceros. Valor numrico de un polinomio Trataremos de hallar el valor numrico de un polinomio, Pn(x), para un cierto valor de x = x0. Si factoreamos el polinomio P(x) de la siguiente manera
b0
Pn ( x) = ( x x 0 )Qn 1 ( x) + R,
en donde Q n 1 ( x ) = bn x n 1 + bn 1 x n 2 + ... + b2 x + b1 y los coeficientes del polinomio Qn-1(x) son los nmeros b0,b1..., bn-2 obtenidos con el algoritmo. Si hacemos x = x0 en P ( x ) = ( x x )Q n
( x) + R, obtenemos n 1
Pn ( x ) = R, 0
que es el teorema del residuo. Al derivar Pn(x) se obtiene
Pn( x0 ) = Qn1 ( x1 )
El polinomio Q se evala en mediante una segunda divisin cuyo residuo es igual a
Qn 1 ( x1 ) . Con
esto se comprueba que el segundo residuo de la divisin produce el mismo valor para la derivada del polinomio. Ejemplo: Evaluar P(x)= 2x 3x + 3x -4 en x0 = -2 usando el algoritmo de Horner Solucin: Usando el algoritmo tenemos
4 2
b4 = 2, b2 = a2 + b3 x0 = (-3) + (-4)(-2) = 5,
16
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
f (x ) y n
x 3 + x 2 3x 2 = 0
a3 1 x0 = 2 b3 = 1
x0 = 2
a2 1 2 b2 = 3 2
a1 -3 6 b1 = 3 10 13
a0 -3 6 b0 = 3 residuo =f(2)
Se aplican los valores de la divisin sinttica, f(2)= 3, y mejorada de la raz por el mtodo de Newton:
x1 = 2
Al continuar
3 = 1.76923... 13
1 1 1.76923 -3 4.89940 -3 3.36048
2.76923 1.76923
1.89940 8.02957
0.36048
4.53846
9.92897
x 2 = 1.76923
Mtodo de Mller
El mtodo de Mller es una generalizacin del mtodo de la secante. El mtodo de la secante empieza con dos aproximaciones iniciales x0 y x1 y determina la siguiente aproximacin x2 como la interseccin del eje x con la recta que pasa por (x0 , f(x0)) y (x1 , f(x1)) (ver figura a). El mtodo de Mller usa tres aproximaciones iniciales x0,,x1 y x2 y determina la siguiente aproximacin x3 considerando la interseccin del eje x con la parbola que pasa por (x0, f(x0)), (x1 , f(x1)) y ( x2 , f(x2)) (ver figura b).
17
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
Parbola P ( x) = a ( x x )2 + b( x x ) + c
x0
figura a
x1
x2 f(x)
x0 x1
x2
x3 f(x)
figura b
P( x) = a( x x2 ) 2 + b( x x 2 ) + c
que pasa por
(x0, f(x0)), (x1, f(x1)) y ( x2 , f(x2). Las constantes a, b y c pueden determinarse de las
condiciones
f ( x 0 ) = a ( x 0 x 2 ) 2 + b( x 0 x 2 ) + c
f ( x1 ) = a( x1 x2 )2 + b( x1 x2 ) + c
f ( x2 ) = a 02 + b 0 + c
las cuales nos dan
c = f ( x2 )
b= ( x 0 x 2 ) 2 [ f ( x1 ) f ( x 2 )] ( x1 x 2 ) 2 [ f ( x 0 ) f ( x 2 )] ( x 0 x 2 )( x1 x 2 )( x 0 x1 )
c=
( x1 x 2 )[ f ( x 0 ) f ( x 2 )] ( x 0 x 2 )[ f ( x1 ) f ( x 2 )] ( x 0 x 2 )( x1 x 2 )( x 0 x1 )
Para determinar x3, la raz de P, aplicamos la frmula cuadrtica para bsqueda de races a P,
x3 x2 =
2c b b2 4ac
Esto da dos posibilidades para x3 dependiendo del signo que precede al trmino radical, el signo se elige para que coincida con el de b. Escogido de esta manera, el denominador ser el ms grande en magnitud y resultar en seleccionar a x3 como la raz de P ms cercana a x2. As
x3 = x2
2c b b2 4ac
Una vez que se determina x3, el procedimiento contina usando x1, x2, y x3 en lugar de x0, x1 y x2 para determinar la siguiente aproximacin x4.
18
Ing. Adriana M. Apaza J.T.P Clculo Numrico
2009
BIBLIOGRAFA Chapra Steven C., Canale Raymond P.; MTODOS NUMRICOS PARA INGENIEROS. Con aplicaciones en computadoras personales, 1996, McGraw Hill/Interamericana de Mxico. Burden Richard L., Faires J.Douglas; ANLISIS NUMRICO, 1996, Iberoamrica. Gerald Wheatley; ANLISIS NUMRICO CON APLICACIONES, 2000. Farina, Italo; SOLUCIN NUMRICA DE ECUACIONES NO LINEALES Primera parte, 1973, Universidad Nacional de La Plata, Facultad de Ingeniera. Farina, Italo; SOLUCIN NUMRICA DE ECUACIONES NO LINEALES Segunda parte, 1975, Universidad Nacional de La Plata, Facultad de Ingeniera. Grupo Editorial
19
Ing. Adriana M. Apaza J.T.P Clculo Numrico