Академический Документы
Профессиональный Документы
Культура Документы
2.1
Pgina : 1 de 13
Programacin Aplicada
O bien,
x r xi 1 g ' ( )( x r xi )
Tomando valor absoluto en ambos lados,
| x r xi 1 || g ' ( ) || xr xi |
Observe que el trmino |xrxi+1| es precisamente el error absoluto en la
(i+1)sima iteracin, mientras que el trmino |xr-xi| corresponde al error absoluto en
la i-sima iteracin.
Por lo tanto, solamente si |g()| < 1, entonces se disminuir el error en la
siguiente iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si |g(x)| <
1 para x en un intervalo [a, b] que contiene a la raz y donde g(x) es continua y
diferenciable, pero diverge si |g(x)| > 1 en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
En el ejemplo 1, g(x) = cos x y claramente se cumple la condicin de que
|g(x)| < 1. Por lo tanto el mtodo s converge a la raz.
-x
2
-x
En el ejemplo 2, g(x) = x+tan x e , en este caso |g(x)| = |1 + sec x + e | > 1.
Por lo tanto, el mtodo no converge a la raz.
Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo 1
Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = cos x x.
comenzando con x0 = 0 y hasta que |a| < 1%.
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz. Aplicando la
frmula iterativa tenemos,
x1 = g(x0) = cos 0 = 1
Con un error aproximado de 100%
Aplicando nuevamente la frmula iterativa tenemos,
x2 = g(x1) = cos 1 = 0.540302305
Y un error aproximado de 85.08%.
Intuimos que el error aproximado se ir reduciendo muy lentamente. En
efecto, se necesitan hasta 13 iteraciones para lograr reducir el error aproximado
menor al 1%. El resultado final que se obtiene es:
x13 = 0.7414250866
Con un error aproximado igual al 0.78%.
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = x2 5x ex.
comenzando con x0 = 0 y hasta que |a| < 1%.
Solucin
Si despejamos la x del trmino lineal vemos que la ecuacin equivale a
x2 ex
x
5
de donde,
Pgina: 2 de 13
Programacin Aplicada
g ( x)
x2 ex
5
2x e x
En este caso, tenemos que g ' ( x)
. Un vistazo a la grfica, nos convence
5
que |g(x)| < 1, para x [-1, 1], lo que es suficiente para deducir que el mtodo s
converge a la raz buscada.
Aplicando la frmula iterativa, tenemos:
x1 = g(x0) = -0.2
Con un error aproximado del 100%.
Xi
% de Error
0,0000000000
-0,2000000000 100,000000
-0,1557461506 28,414089
-0,1663039075
6,348472
-0,1638263720
1,512293
-0,1644100640
0,355022
f(x) = x2 5x ex
x2 ex
x g ( x)
5
xi 1
g ' ( x)
2x e x
5
xi2 e xi
MTODO DE NEWTON-RAPHSON
Pgina: 3 de 13
Programacin Aplicada
Trazamos la recta tangente a la curva en el punto (xi, f(xi)); sta cruza al eje x
en un punto xi+1 que ser nuestra siguiente aproximacin a la raz xr.
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta
tangente. Sabemos que tiene pendiente
m = f(xi)
Y por lo tanto la ecuacin de la recta tangente es:
y f(xi) = f(xi)(x xi)
Hacemos y = 0:
- f(xi) = f(xi)(x - xi)
Y despejamos x:
f ( xi )
x xi
f ' ( xi )
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente
aproximacin:
f ( xi )
xi 1 xi
si f ' ( xi ) 0
f ' ( xi )
Pgina: 4 de 13
Programacin Aplicada
xi
1
1
x
e
1
xi e xi 1
xi
xi
i
e
e
xi
xi
Comenzamos con x0 = 1 y obtenemos:
x0 ( x0 e x0 1 e x0 ln( x0 ))
x1
1.268941421
x 0 e x0 1
En este caso, el error aproximado es,
1.268941421 1
0
x100% 21.19%
1.268941421
Continuamos el proceso hasta reducir el error aproximado hasta donde se
pidi. Resumimos los resultados en la siguiente tabla:
i
Xi
% de Error
xi ( xi e xi 1 e xi ln( xi ))
0
1,0000000000
xi 1
1
1,2689414214 21,194156
xi e xi 1
2
1,3091084033
3,068270
3
1,3097993887
0,052755
De lo cual concluimos que la aproximacin obtenida es: x3 = 1.309799389
Ejemplo 2
Usar el mtodo de Newton-Raphson para aproximar la raz de f(x) = arctan x + x 1,
comenzando con x0 = 0 y hasta que |a| < 1%.
Pgina: 5 de 13
Programacin Aplicada
SOLUCIN
En este caso, tenemos que
1
f ' ( x)
1
1 x2
La cual sustituimos en la frmula de Newton-Raphson para obtener:
arctan( xi ) xi 1
xi 1 xi
1
1
1 xi2
Comenzamos sustituyendo x0 = 0 para obtener:
arctan(x0 ) x0 1
x1 x0
0.5
1
1
1 x02
En este caso tenemos un error aproximado de a
0.5 0
x100% 100%
0.5
Xi
% de Error
0,0000000000
0,5000000000 100,000000
0,5201957728
3,882341
0,5202689918
0,014073
xi 1 xi
arctan( xi ) xi 1
1
1
1 xi2
Pgina: 6 de 13
Programacin Aplicada
i
0
1
2
3
Xi
% de Error
5,0000000000
5,1000000000 1,9607843
5,0990196078 0,0192271
5,0990195136 0,0000018
xi 1
1
R
xi
2
xi
xi 1
1
26
xi
2
xi
x(i)
1,0000000000
-3,5000000000
-2,6953642384
-2,4199896516
-2,3880927130
-2,3876866187
-2,3876865534
% de Error aprox
128,5714285714
29,8525798526
11,3791638155
1,3356658411
0,0170078584
0,0000027332
f(x) = X3 + X + 16
f(x) = 3X2 + 1
xi 1 xi
xi3 xi 16
3xi2 1
MTODO DE LA SECANTE
Pgina: 7 de 13
Programacin Aplicada
x2 x1
x100% 63.2%
x2
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los
resultados en la siguiente tabla:
Con un error aproximado de: a
i
0
1
2
3
4
5
x(i)
% Error Aprox
0,000000000
1,000000000
100,00000
0,612699837
63,21206
0,653442133
6,23503
0,652917265
0,08039
0,652918640
0,00021
(e xi xi )( xi 1 xi )
2
xi 1 xi
(e xi 1 xi 1 ) (e xi xi )
Haciendo operaciones algebraicas se resume a:
2
xi e xi 1 xi 1e xi
2
xi 1
e xi 1 e xi xi xi 1
2
x2 x1
x100% 21.46%
x2
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los
resultados en la siguiente tabla:
(arctan( xi ) 2 xi 1)( xi 1 xi )
i
x(i)
% Error Aprox
xi 1 xi
0 0,000000000
arctan( xi 1 ) 2 xi 1 1 (arctan( xi ) 2 xi 1)
1 1,000000000
100,00000
Haciendo operaciones algebraicas se llega a:
Con un error aproximado de: a
2
3
4
5
0,823315073
0,852330280
0,853169121
0,853164044
21,46018
3,40422
0,09832
0,00060
xi 1
xi arctan( xi 1 ) xi 1 arctan( xi ) xi 1 xi
arctan( xi 1 ) arctan( xi ) 2 xi 1 2 xi
Pgina: 8 de 13
Programacin Aplicada
xi
% de Error xi 1 xi f ( xi )( xi 1 xi )
f ( xi 1 ) f ( xi )
-3,0000000000
-2,0000000000 50,000000 Reemplazando las funciones y variables:
( xi3 xi 16)( xi 1 xi )
-2,3000000000 13,043478 x x
i 1
i
xi31 xi 1 16 ( xi3 xi 16)
-2,4029550034
4,284516
-2,3871468897
0,662218 Realizando operaciones algebraicas se tiene:
-2,3876833053
0,022466
x x 3 x x 3 16 xi 1 16 xi
xi 1 i i 1 3 i 1 3i
-2,3876865541
0,000136
xi 1 xi xi 1 xi
-2,3876865535
0,000000
MTODO DE LA BISECCIN
Pgina: 9 de 13
Programacin Aplicada
El proceso se vuelve a repetir con el nuevo intervalo, hasta que: |a| < r, es decir,
xactual x previa
x100% r
xactual
Ejemplo 1
Aproximar la raz de f(x) = e-x ln x hasta que |a| < 1%
Solucin
La nica raz de f(x) se localiza en el intervalo [1, 1.5]. As que este intervalo es
nuestro punto de partida; sin embargo, para poder aplicar el mtodo de biseccin
debemos controlar que f(1) y f(1.5) tengan signos opuestos.
En efecto, tenemos que
f(1) = e-1 ln 1 = e-1 > 0
(Sabemos que e = 2.71828182845905
Mientras que
f(1.5) = e-1.5 ln (1.5) = -0.18233 < 0
Cabe mencionar que la funcin f(x) s es continua en el intervalo [1, 1.5]. As
pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de
biseccin. Comenzamos:
1) Calculamos el punto medio (que es nuestra primera aproximacin a la raz):
1 1. 5
x r1
1.25
2
2) Evaluamos f(1.25) = e-1.25 ln(1.25) = 0.0636 > 0
3) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
Pgina: 10 de 13
Programacin Aplicada
As, vemos que la raz se encuentra en el intervalo [1.25, 1.375]. Calculamos el punto
medio,
1.25 1.375
xr 3
1.3125
2
Y calculamos el nuevo error aproximado:
x xr 2
a r 3
x100% 4.76%
xr 3
El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados
que se obtienen en la siguiente tabla:
i
f(a)
f(r)
f(b)
% de Err
0,063361 -0,182335
Pgina: 11 de 13
Programacin Aplicada
Puesto que f(0.5) y f(1) tienen signos opuestos, entonces la raz se localiza en el
intervalo [0.5, 1]
En este punto, solo contamos con una aproximacin, a saber xr1 = 0.5, que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo [0.5, 1]
1 0 .5
xr 2
0.75
2
Que es la nueva aproximacin a la raz de f(x). Aqu podemos calcular el primer
error aproximado:
0.75 0.5
a
x100% 33.33%
0.75
Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos f(0.75) = arctan(0.75) + 0.75 1 = 0.3935 > 0. y hacemos la tabla de
signos:
Puesto que f(0.5) y f(0.75) tienen signos opuestos, entonces la raz se localiza en el
intervalo [0.5, 0.75]. Calculamos el punto medio,
0.5 0.75
xr 3
0.625
2
Y el nuevo error aproximado:
0.625 0.75
a
x100% 20%
0.625
El proceso se debe continuar hasta que se logre el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:
i
0
1
2
3
4
5
6
7
8
9
a
0,000000
0,500000
0,500000
0,500000
0,500000
0,500000
0,515625
0,515625
0,519531
0,519531
R
0,500000
0,750000
0,625000
0,562500
0,531250
0,515625
0,523438
0,519531
0,521484
0,520508
b
1,000000
1,000000
0,750000
0,625000
0,562500
0,531250
0,531250
0,523438
0,523438
0,521484
f(a)
-1,000000
-0,036352
-0,036352
-0,036352
-0,036352
-0,036352
-0,008306
-0,008306
-0,001319
-0,001319
f(r)
-0,036352
0,393501
0,183599
0,074889
0,019584
-0,008306
0,005659
-0,001319
0,002171
0,000427
f(b)
0,785398
0,785398
0,393501
0,183599
0,074889
0,019584
0,019584
0,005659
0,005659
0,002171
% de Error
33,333333
20,000000
11,111111
5,882353
3,030303
1,492537
0,751880
0,374532
0,187617
Pgina: 12 de 13
Programacin Aplicada
a
-3,000000
-2,500000
-2,500000
-2,500000
-2,437500
-2,406250
-2,390625
-2,390625
-2,390625
-2,388672
-2,387695
-2,387695
-2,387695
-2,387695
r
-2,500000
-2,250000
-2,375000
-2,437500
-2,406250
-2,390625
-2,382813
-2,386719
-2,388672
-2,387695
-2,387207
-2,387451
-2,387573
-2,387634
b
-2,000000
-2,000000
-2,250000
-2,375000
-2,375000
-2,375000
-2,375000
-2,382813
-2,386719
-2,386719
-2,386719
-2,387207
-2,387451
-2,387573
f(a)
-14,000000
-2,125000
-2,125000
-2,125000
-0,919678
-0,338531
-0,053257
-0,053257
-0,053257
-0,017844
-0,000159
-0,000159
-0,000159
-0,000159
F(r)
-2,125000
2,359375
0,228516
-0,919678
-0,338531
-0,053257
0,088066
0,017514
-0,017844
-0,000159
0,008679
0,004261
0,002051
0,000946
f(b)
6,000000
6,000000
2,359375
0,228516
0,228516
0,228516
0,228516
0,088066
0,017514
0,017514
0,017514
0,008679
0,004261
0,002051
% de Error
11,111111
5,263158
2,564103
1,298701
0,653595
0,327869
0,163666
0,081766
0,040900
0,020454
0,010226
0,005113
0,002556
Pgina: 13 de 13