1

Encontrar races de funciones es uno de los

problemas ms comunes en ingeniera
Los mtodos numricos para encontrar races de
funciones son utilizados cuando las tcnicas
analticas no pueden ser aplicadas.
Esto ltimo depende, en gran medida, de la
naturaleza de la funcin f(x).

Clase 6 2
 2 1 f
PV RT 2
ln(Re )C
V V V3 f k 8

i zij F
F (1 q) 0
i

En general puede representarse por :

f ( x) 0
Clase 6 3
 y = f(x) f ( x) 0

0
x

Solucin

Clase 6 4
 Dada una funcin f(x)
Se trata de hallar un valor x*
tal que : f(x*)=0
Es decir, encontrar las soluciones de la ecuacin
f(x) = 0
Este procedimiento ser ms o menos
complicado dependiendo de la expresin
algebraica de la funcin f(x).

Clase 6 5
 Solucin Iterativa
A partir de un valor inicial x0
Se genera una secuencia
x0, x1, x2, x3, .. Xn

xn / lim
xn x *

Clase 6 6
 Races de Funciones:
Conceptos bsicos
Error del mtodo
En xn x*
Restricciones
a) x* se sita dentro de
I a, b f ( x) f ( x) C
b) Hay una sola raiz en I
( x R)
*

7
Clase
Clase 6 6 7
 Estimar un valor inicial para la
solucin buscada
Usar una frmula para actualizar
(acelerar) la solucin aproximada
Usar un criterio para detener el
proceso de actualizacin

Clase 6 8
Mtodos Iterativos
Conceptos Bsicos
Inicio

Aproximaci
n Inicial

Frmula de
Actualizaci
NO n

Converg
Fin
e?

SI

Clase 6 9
 Debe distinguirse entre el proceso
iterativo completo y la frmula de
actualizacin
La verificacin del trmino
Satisfactorio del proceso es esencial y
debe Anticipar todas las posibles salidas
del mtodo iterativo
Debe incluirse test de validacin de la
consistencia de datos

Clase 6 10
 Criterios de convergencia
Error Absoluto

f ( x ) xi 1 xi
Error Relativo

f ( xi 1 ) f ( xi ) xi 1 xi

f ( xi ) xi

Clase 6 11
 Existen muchos mtodos para hallar races de
funciones:
Mtodo de Biseccin
Mtodo de Newton-Raphson
Mtodo de la Secante
Mtodo de Mtodo de la Regla Falsa (Regula Falsi)
Mtodo de Punto fijo
Mtodo de Wegstein
Todos estos mtodos comparten las mismas
caractersticas:
Clase 6 12
 La bsqueda de la raz se inicia en:
un intervalo conocido donde se
encuentre la raz o,
un punto inicial cercano a la raz.
La raz encontrada es una aproximacin a
la raz

Clase 6 13
 Encuentra la raz de una funcin dado un
intervalo
Se basa en el teorema de Bolzano:
Teorema de Bolzano:
Si f(x) es una funcin continua en el intervalo
[a, b], y si, adems, en los extremos del
intervalo la funcin f(x) toma valores de signo
opuesto (f(a)*f(b) < 0), entonces existe al
menos un valor c (a, b) para el que se
cumple: f(c) = 0.
Clase 6 14
 Mtodo de la Biseccin:
1. Establecer:
f(x): funcin a la cual se le busca una raz.
[a, b]: intervalo para iniciar la bsqueda
> 0 : margen de error
2. Calcular:
c = (a+b)/2
si |f(c)| < entonces,
c es la raz, finalizar.
de lo contrario,
si f(a)*f(c)<0 entonces,
b = c
de lo contrario,
a = c
3. Repetir el paso 2 hasta que se finalice.
 y = f(x)
Y

cb
c b
a a
c X

Sea c la
Existe
Volvemos
Como = raz
una(a+b)/2.
araz
seen
calcularel c f(c)
intervalo
encuentra
Si [a,
= (a+b)/2
(a+b)/2.
en =
el b]
0 entonces
intervalo f(c)
ya [c,
[a,
c=
que
ySirepetimosf(a)*f(b)
esb]
c]
0laporque
el proceso
entonces
raz, de <lo 0
f(c)*f(b)
f(a)*f(c)
c contrario,
se<la
es(Teorema
hasta la
queraz, de0,
de
obtenga
raz
lo se
Bolzano)
encuentra
contrario,
entonces
la raz. cambiamos
la
enraz
el intervalo [a, de
se encuentra
el valor c]b
en aelsipor
f(a)*f(c)
el de c.
intervalo [a, < c]0si f(a)*f(c)
en el intervalo<[c,0 en
b] el
si
f(c)*f(b)
intervalo [c, <b]0.si f(c)*f(b) < 0.
Clase 6 16
 Ejemplo:
Hacer un programa en MATLAB que permita obtener
la raz de la funcin por el Mtodo de la Biseccin:
1 1
f ( x) 6
( x 0.3) 0.01 ( x 0.9) 0.04
2 2

Clase 6 17
 Ejemplo: La funcin
1 1
f ( x) 6
( x 0.3) 0.01 ( x 0.9) 0.04
2 2

Clase 6 18
Clase 6 19
Ejemplo:
Interfaz Grfica

Clase 6 20
 Y X1 X 0
f (X0)
X 2 X1
f ( X1 ) f ( X 0 )
f ( X 1 )

Cul es el valor
aproximado
para la raz?

y = f(x) X2 X1 X0
X
Aproximacin
La aproximacin
inicial: X0la interseccin conf el
X21 es ( Xeje ) de la lnea tangente a la grfica
n 1X
de f en (X10, f(X10)) X n X n 1 ,n 1
f ( X n 1 )
Clase 6 21
 f ( X n 1 )
X n X n 1 ,n 1
f ( X n 1 )
La anterior funcin corresponde a la interseccin
de la recta tangente de f(x) en Xn-1 con el eje
de las X.
Dicha interseccin, llamada Xn, corresponde a
una aproximacin de la raz para la funcin
f(x), cuando f(Xn)=0 f(Xn) epsilon
Este mtodo no siempre es convergente.

Clase 6 22
 El mtodo es atrapado por una raz imaginaria de
la funcin f(x):

Clase 6 23
 Cuando la raz es un Punto de Inflexin: f(x)=0

Clase 6 24
 El mtodo cae en un punto mximo mnimo (o
en sus cercanas):

Clase 6 25
 Mtodo de Newton-Raphson:
Algoritmo
f(x): funcin cuya raz se va a encontrar.
f(x): derivada de f(x)
X0 : punto de inicio partir del cual se va a iniciar el
proceso.
2. Si f(X0)=0 entonces la raz es X0,
de lo contrario:
f (X0)
Calcule X1 mediante la ecuacin: X 1 X 0
f ( X 0 )
haga X0 igual a X1.
3. Repetir el paso 2 hasta que |f(X0)| epsilon
4. Mostrar X0 Clase 6 26
 Ejemplo:
Hacer un programa en MATLAB que permita obtener
la raz de la funcin por el Mtodo de Newton-
Raphson: 1 1
f ( x) 6
( x 0.3) 2 0.01 ( x 0.9) 2 0.04

Clase 6 27
 Ejemplo: La funcin
1 1
f ( x) 6
( x 0.3) 0.01 ( x 0.9) 0.04
2 2

Clase 6 28
 Ejemplo: La derivada
2( x 0.3) 2( x 0.9)
f ( x)
( x 0.3) 2
0.01 ( x 0.9)
2 2

0.04
2

Clase 6 29
 Parte de un intervalo [x0,x1]
Estima la pendiente de la recta que une los
extremos del intervalo como:
f(x0)=(f(x1)-f(x0))/(x1-x0)
Sustituye f(x0) en el mtodo de Newton
para calcular la nueva raz como:
f ( X 0 )( X 1 X 0 )
X2 X0
f ( X1) f ( X 0 )
Los dos ltimos puntos obtenidos x1, x2 se
emplean en la iteracin siguiente.
Clase 6 30
Secante

f ( X i )( X i X i1 )
X i1 X i
f ( X i ) f ( X i1 )

Clase 6 31
 Mtodo de falsa posicin
Este mtodo considera cual lmite
del intervalo est ms prximo a la
raz.
f(x1)
De la figura f x2 f x1

x3 x2 x3 x1

Despejando
f x1 x2 x1
x3 x1 x2 x3
f x2 f x1 x1
f(x3)
f x1 xi x1
f(x2)
xi 1 x1
f xi f x1

Clase 6 32
Encontrar la raz de la funcin, por los mtodos de la secante y falsa posicin:

f x
667.38
x
1 e
0.146843x
40 0

Clase 6 33
 Iteracin de punto fijo

Un punto fijo de una funcin g(x) es un nmero p tal que

g(p) = p.
En general, la funcin f(x)=0 puede escribirse como
x=F(x)
Dado un problema f(x) = 0, se puede definir una funcin
F(x) con un punto fijo en x de diferentes maneras.
x3 + 4x2 10 = 0
x = F1(x) = x + x3 + 4x2 -10
x = F2(x) = (10 x3)

Clase 6 34
Punto Fijo : Solucin

y
y=x

F(x*)
y = g(x)

x* x

Clase 6 35
 Grfica del algoritmo de
punto fijo
y=x
y y
y=x x3= F(x2)
y = g(x)
x2= F(x1)
x2= F(x1)
x1= F(x0)
x3= F(x2)
y = g(x)
x1= F(x0)

x1 x3 x2 x0 x x0 x1 x2 x

Clase 6 36
Casos de no convergencia

y=x
y y
y=x
y = g(x)

y = g(x)

x x

Clase 6 37
Ejemplo

Sea la funcin: x3 + 4x2 10 = 0 tiene una raz en [1, 2]

Puede despejarse en:

a. x = F1(x) = x x3 4x2 +10
b. x = F2(x) = (10 x3)
c. x = F3(x) = (10/(4 + x))
d. x = F4(x) = x (x3 + 4x2 10)/(3x2 + 8x)

Clase 6 38
Teorema de punto fijo

Si g C [a, b] y g(x) C [a, b] para toda x C [a, b], adems

supongamos que existe g(x) en (a, b) y una constante positiva k<1
cuando
|g(x)| <= k, pata toda x (a, b),
Entonces, para cualquier punto p0 en [a, b] la sucesin definida por
pn = g(pn1), n >=1
Converge en el nico punto fijo p en [a, b].

Clase 6 39
Anlisis del ejemplo
Caso (a)
g1(x) = x x3 4x2 +10
g1(x) = 1 3x2 8x
g1(1) = 11, g1(2) = 28
No se cumple |g1(x)| <1
Caso (b)
g2(x) = (10 x3)
g2(x) = 3/4x2(10 x3)
g2(1) = 0.25, g1(2) = 2.1213
No se cumple |g1(x)| <1

Caso (c)
Caso (d)
g3(x) = (10/(4 + x))
g3(x) = ( 5/3.16)(4 + x)1.5 g4(x) = x (x3 + 4x2 10)/(3x2 +
8x)
<= ( 5/3.16)(5)1.5 <= 0.15 Se cumple |g4(x)| es an menor
Para toda x en [1, 2] que en el caso (c) para toda x en
[1, 2]

Clase 6 40
 Metodo Wegstein

y=x
y
x F (x)
F(x1)
x0 Valor inicial
y = F(x)
F(x0)
x1 F ( x0 )

xi 1 t F ( xi ) (1 t ) xi
1
t x0 x1 x2 x
1 s
F ( xi ) F ( xi 1 )
s
xi xi 1
41
Clase
Clase 6 6 41
Tarea
17. Un abrevadero de longitud L tiene una seccin transversal en forma de
semicrculo con radio r (vase la figura) Cuando se llena de agua hasta una
distancia h de la parte superior, el volumen V de agua es
V = f(r,h)
Escriba un programa en MATLAB amigable para el usuario que lea los datos
de este problema y encuentre la profundidad h del abrevadero. Utilice el
mtodo de Wegstein para encontrar la solucin.

h
L

Clase 6 42
MTODOS NUMRICOS

Sistemas de ecuaciones no lineales

f1(x,y)=0
f2(x,y)=0

Clase 6 43
SISTEMAS DE ECUACIONES NO LINEALES

f1(x, y)=0

y*

f2(x, y)=0

x* x
Clase 6 44
 SISTEMA DE ECUACIONES NO LINEALES

10

x xy 10
2
6

4
(2, 3)
y 3xy 2 57
2

0
1 1.5 2 2.5 3 3.5 4 4.5 5

-2

Clase 6 45
f1 ( x, y ) x 10 x y 8
2 2

Clase 6 46
f1 ( x, y ) xy x 10 y 8
2

Clase 6 47
Clase 6 48
Clase 6 49
MTODO DE PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES

1. Considera la interseccin de dos funciones no

lineales f1(x, y)=0 y f2(x, y)=0.
2. La interseccin de las curvas f1(x, y)=0 y f2(x, y)=0
nos da la raiz (xr, yr).
3. El mtodo consiste en obtener las funciones que
tengan las mismas raices (xr, yr):
x=g1(x, y)
y=g2(x, y)
4. Considerar un valor inicial (x0, y0), como
aproximacin a la raz, evaluar: x1=g1(x0, y0)
y1=g2(x0, y0)
5. El proceso se repite n veces hasta tener valores
muy cercanos a las races.
Clase 6 50
5. El proceso se repite n veces hasta tener valores muy cercanos a
las races.

x1i 1 g1 ( x i , y i ) y1i 1 g 2 ( x i , y i )

METODO DE DESPLAZAMIENTOS SUCESIVOS

x1i 1 g1 ( x i , y i ) y1i 1 g 2 ( x i 1 , y i )

Clase 6 51
 MTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES

x 2 xy 10 y 3xy 2 57
iteraci
10 xi yi erri
xi 1 i
( xi yi ) 0 1.5 3.5 ---
1 2.0000 3.4480 0.5027

57 yi 2 1.8355 2.9875 0.4890

yi 1
3x 3 2.0734 3.1319 0.2782

4 1.9211 2.9428 0.2427

5 2.0559 3.0626 0.1803

( xi 1 xi ) 2 ( yi 1 yi ) 2
6 1.9537 2.9572 0.1468

7 2.0363 3.0365 0.1145

8 1.9713 2.9721 0.0915

x= 26
Clase y=3 52
MTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
Sin embargo, con el mtodo del punto fijo, la convergencia
depende de la manera en que se formulen las ecuaciones de
recurrencia y de haber elegido valores iniciales lo bastante
cercanos a la solucin. En las dos formulaciones siguientes el
mtodo diverge.

x = (57 - y)/3y2 iteracin xi yi

y = (10 - x2)/x
1 1.5 3.5

2 1.45578231 5.166666667

3 0.64724246 5.413376566

x = (10 - x2)/y y = 57 - 3xy2

iteracin xi yi

1 1.5 3.5

2 2.21428571 -24.375

3 -0.20910518 429.713648
Clase 6 53
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
y

u(x, y)

y1

v(x, y)

x1 x
Clase 6 54
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES

Este procedimiento corresponde, analticamente, a extender

el uso de la derivada, ahora para calcular la interseccin
entre dos funciones no lineales.
Al igual que para una sola ecuacin, el clculo se basa en la
expansin de la serie de Taylor de primer orden, ahora de
mltiples variables, para considerar la contribucin de ms de
una variable independiente en la determinacin de la raz.
Para dos variables, la serie de Taylor de primer orden se
escribe, para cada ecuacin no lineal:
f1 f1
f1 ( x1 , x2 ) f1 ( x1i , x2i ) ( x1 x1i ) ( x2 x2i ) 0
x1 xi
x2 xi

f 2 f 2
f 2 ( x1 , x2 ) f 2 ( x , x )
i i
( x1 x )
i
( x2 x2i ) 0
x1 x2
1 2 1
xi xi

Clase 6 55
 f1 f1
( x1 x1i ) ( x2 x2i ) f1 ( x1i , x2i )
x1 xi
x2 xi

f 2 f 2
( x1 x ) i
( x2 x2i ) f 2 ( x1i , x2i )
x1 x2
1
xi xi

2i ( x2 x2i )
( x1 x )
1
i i
1

f1 f1
1i 2i f1 ( x1i , x2i )
x1 xi
x2 xi

f 2 f 2
1i 2i f 2 ( x1i , x2i )
x1 xi
x2 xi

Clase 6 56
 f1i f
1
i

i f1
x1i x2
i

i * i i
1

f 2 f 2 2 f2
x x2
1

J * f
x1i 1 x1i 1i x2i 1 x2i 2i

Clase 6 57
 MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES

x2 + xy - 10 = 0 y + 3xy2 - 57 = 0

iteracin xi yi ui vi ux uy vx vy Jacobiano

1 1.5 3.5 -2.5 1.625 6.5 1.5 36.75 32.5 156.125

2 2.03602882 2.8438751 -0.064374959 -4.756208497 6.915932746 2.036028823 24.26287675 35.74127004 197.7843034

3 1.99870061 3.002288563 -0.004519896 0.04957115 6.999689781 1.998700609 27.04120985 37.00405588 204.9696292

4 1.99999998 2.999999413 -1.28609E-06 -2.21399E-05 6.999999381 1.999999984 26.99998944 36.99999267 204.9999473

5 2 3 0 2.23821E-12 7 2 27 37 205

x=2
y=3

Clase 6 58
 MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES

Sistema de ecuaciones lineales por el mtodo de Newton Raphson

4.5

3.5

y
3
iteraciones

2.5

x
2

1.5

x 2 xy 10 y 3xy 2 57
1

0.5

0
1 2 3 4 5 6
convergencia
Clase 6 59