Вы находитесь на странице: 1из 9

AREA DE CONOCIMIENTO: ANÁLISIS FUNCIONAL NRC: 3207

Unidad I (Programas para Edición de Textos Científicos y


Cálculo Científico, Aproximaciones y Errores de Redondeo, Versión 1.1
Raíces de Ecuaciones)

GRUPO02: Barahona Irma, Jaramillo Brandon

EMAIL: bsjaramillo@espe.edu.ec

1. Tema:
2.
Método de Müller

3. Análisis Matemático
2.1. Demostraciones Preliminares

Preliminar 1: Método de la secante

AFIRMACIÓN JUSTIFICACIÓN
Partiendo de la ecuación de la recta a partir de dos
x−a y −f (a) puntos tenemos que la ecuación de la recta (secante)
= que une los puntos A y B es la mostrada en la
b−a f (b)−f (a)
Figura 01.
y Se puede apreciar que si x es igual a c, y igual a
x=c =0 cero

f (a )
c=a− (b−a) Se obtiene la formula establecida para el metodo de
f ( b )−f ( a) la secante

1
Figura 01. Método de la secante

Preliminar 2: Teorema de Bolzano

AFIRMACIÓN JUSTIFICACIÓN

f (x) →[a , b] Sea una función f(x) continua en el intervalo [a,b] y


−f (a) derivable en el intervalo (a,b), tal que f(a) sea de
+f (b) sigo contrario a f(b)

∃c
a< c< b
Existe al menos un c tal que f(c) = 0.
f (c)=0

Figura 02. Teorema de Bolzano

2
Preliminar 3: Formula general de la ecuación cuadrática

AFIRMACIÓN JUSTIFICACIÓN
La ecuación cuadrática o también conocida como la
ecuación de segundo grado es aquella ecuación que
2
obedece a un polinomio de segundo grado igualado
a x + bx+ c=0 a cero. Donde el coeficiente "a" es necesariamente
diferente a cero. En el caso que a = 0 se obtiene una
ecuación lineal o de primer orden.
a x 2 bx c Dividimos la ecuación completa por el primer
+ + =0 término “a”.
a a a
2 bx −c Simplificando y despejando c tenemos lo
x+ =
a a siguiente:
2 2
bx b b c b2
x 2+ + 2 = 2 − Sumamos en ambos miembros con el
a 4a 4 a a 4 a2
fin de completar cuadrados.
2 2
b b −4 ac Después de amplificar las fracciones podemos
( x+ )= 2 representar la ecuación así:
2a 4a
2
−b ± √ (b −4 ac) Extrayendo la raíz cuadrada y despejando “x”
x= tenemos la expresión general de la ecuación
2a
cuadrática.

2
Figura 03. Ecuación cuadrática x + 8 x +15=0

Preliminar 4: Método de Newton Raphson

AFIRMACIÓN JUSTIFICACIÓN
Consiste en tomar un punto inicial x 0 para luego trazar por el
punto ( x 0 , f ( x 0 ) la tangente geométrica a la gráfica de la
función f(x). Luego, la intersección de dicha tangente con el eje x
x 0 , x 1 , x 2 , … .. x n nos da un nuevo punto x 1 por el cual trazamos una nueva recta
tangente a la gráfica de la función, pero esta vez por el punto (
x 1 , f ( x 1 ) , en condiciones adecuadas la sucesión mostrada
tiende a la raíz x r

3
y−f ( x o )=f ' ( x 0 )∗(x 1−x 0 ) Por la ecuación de la recta tangente obtenemos:

f (x 0 )
x 1=x 0− Luego, en la intersección con el eje x hacemos y=0 tenemos:
f '(x 0 )

f ( x n) Reiterando el proceso se llega a función iterativa de la ecuación 2


x n+1=x n−
f ' ( x n) para el punto dado.

Figura 04. Interpretación geométrica del método de Newton Raphson

3.2. Demostraciones Específicas

Específica 1: Método de Müller


AFIRMACIÓN JUSTIFICACIÓN
El método consiste en obtener los coeficientes de 3
puntos de la parábola. Estos coeficientes pueden ser
sustituidos en la fórmula cuadrática para obtener el
f 2 ( x )=a (x−x 2)2 +b ( x−x 2 ) +c punto donde la parábola intercepta al eje x; es decir, la
Ec. 1 raíz estimada. La aproximación es fácil de escribir en
forma conveniente como la ecuación de la parábola,
así:

4
2 Buscamos la parábola para interceptar los tres puntos
f ( x 0 ) =a( x 0−x 2 ) + b ( x 0−x 2 )+c Ec. 2
[x 0 , f (x 0 )] , [ x 1 , f ( x 1 ) ] y [ x 2 , f (x2 )] .
f ( x 1 )=a ( x1 −x2 )2 +b ( x 1−x 2 ) +c Ec. 3
2
Los coeficientes de la ecuación 1 pueden evaluarse al
f ( x 2 )=a( x 2−x 2) +b ( x 2−x 2 ) +c Ec. 4 sustituirse cada uno de ellos de la siguiente manera:

Se obtiene un sistema de tres ecuaciones con tres


2
f ( x 0 ) =a( x 0−x 2 ) + b ( x 0−x 2 )+ c incógnitas (a, b, c). Observándose, que dos
términos de la ecuación 4 se anulan, por ende
f ( x 1 )=a ( x1 −x2 )2 +b ( x 1−x 2 ) +c tenemos:
f ( x 2 )=c

f ( x 0 ) −f ( x 2 )=a(x 0−x 2)2 +b ( x 0−x 2 ) Ec. 5 Sustituyéndose f ( x 2 )=c en la ecuación 2 y 3


2
f ( x 1 )−f ( x 2) =a ( x 1−x 2 ) +b ( x 1−x 2 ) Ec. 6 tenemos un sistema de do ecuaciones con dos
incógnitas:

h0= ( x1 −x 0) Definiéndose de esta forma mediante métodos


h1=( x 2−x 1 ) algebraicos lo siguiente:
f ( x 1 )−f ( x 0)
δ 0=
x 1−x 0
f ( x 2 )−f ( x1 )
δ 0=
x 2−x 1
2 Sustituyendo los resultados del paso anterior en las
( h0 + h1) b−( h 0+ h1 ) a=h0 δ 0 +h1 δ 1
2
ecuaciones 5 y 6:
h1 b−h1 a=h1 δ 1
δ −δ
a= 1 0
h1 +h 0
b=a h1 +δ 1
Resolviéndose para a y b respectivamente:
c=f ( x2 )

y=a( x−x 2)2 +b ( x−x 2 ) +c Una vez encontrados lo coeficientes del polinomio
de segundo grado tenemos definida la parábola de
la ecuación 1.
Para encontrar la aproximación a la raíz hacemos
¿ x 3−x 2∨¿ y=0 en la expresión anterior. De las dos posibles
soluciones posibles, tomaremos aquella que
minimice la expresión:
0=a( x 3−x 2 )2 +b ( x 3 −x2 ) + c La nueva aproximación de la raíz x 3 vendra
−b ± √ (b 2−4 ac) dada por la solución de f ( x 3 )=0 . Por lo tanto:
x 3−x 2=
2c

En las ecuaciones de segundo grado donde


2
b ≫ 4 ac la diferencia en el numerador puede
−2 c ser muy pequeña. En estos casos la precisión
x 3−x 2=
b ± √(b 2−4 ac) doble llega a reducir el problema. Una
formulación alternativa puede usarse para
minimizar la cancelación por resta, en este caso
podemos escribir la diferencia x 3−x 2 le la

5
forma siguiente:
Despejando x 3 obtenemos la fórmula deseada:
NOTA: Como se dijo anteriormente se toma el signo
de forma que la diferencia x 3−x 2 sea lo menor
−2c posible en valor absoluto, para ello se toma el signo
x 3=x 2+ que coincida con el signo de b. De esta forma el
b ± √ (b2 −4 ac)
denominador será más grande y por lo tanto la raíz
será más cercana a x 2 .
Una vez obtenido x 3 repetimos el proceso para
obtener x 4 a partir de las tres aproximaciones
anteriores y así sucesivamente.

Figura 05. Método de Müller

3.3. Demostraciones de la Teoría de Errores:

Error del Método 1: Error de truncamiento

AFIRMACIÓN JUSTIFICACIÓN

−2 f ( x k ) Planteamos la fórmula de Müller en su forma


x k+1=x k + 2 general.
b ± √( b −4 f [x k , x k−1 , x k−2 ]f ( x k ))

6
x ≅ x k +1 ≅ xk Sabiendo que x representa el punto en el cual la
función en x es igual a 0; donde x k y x k+1
representan aproximaciones en la que x k+1
es más cercana al valor real que x k .
f ( x k +1) ≅ f ( x k ) ≅ 0 Las funciones evaluadas en los puntos de
aproximaciones serán semejantes a 0, puesto a
que son muy cercanas al valor de x, donde la
f ( x)=0.
ET =|V Real−V aproximado| Se plantea la formula general del error de
truncamiento.

Como sabemos, x k+1 no es el valor real. Pero


ET =|x k+1 −x k| al aplicar el método de Müller se toma la
aproximación más exacta como el valor real y
al segunda más exacta x k como el valor
aproximado.

Error del Método 2: Error Residual

AFIRMACIÓN JUSTIFICACIÓN
Planteamos la ecuación del valor absoluto del
E AS=| x k+1−x k| método de Müller. Como sabemos, x k+1 se toma
la aproximación más exacta como el valor real y a
la segunda más exacta xk como el valor
aproximado.
EA Se plantea la ecuación del error relativo establecido
E R= se define una relación entre el valor real y el error
V Real
absoluto.
E AS |x k +1−x k| Para encontrar el error relativo, sustituimos el valor
E Rs= = del valor absoluto y tomamos el valor real como el
c k+1 c k+1
valor más aproximado x k+1 .
|x k+1−x k| El error relativo porcentual estará dado por el error
E Rs = x 100 relativo multiplicado por 100.
x k +1

7
Figura 06. Error Residual

4. Caracterización

Caracterización 1: Ventajas / Desventajas

VENTAJAS DESVENTAJAS

Este método nos permite hallar raíces complejas de Al calcular las aproximaciones, tenemos que elegir el
una ecuación a diferencia de los otros métodos signo del denominador que coincida con el valor del
implementados. coeficiente que hemos llamado b en la parábola.
El método de Müller tiene una tasa de
convergencia de aproximadamente 1,8393. Así, el
método converge relativamente rápido en general,
ya que el método de las secantes presenta tasa de
convergencia de 1,62 y el de Newton; 2.0.
Produce una mayor anulación de la función en
una iteración dada que los otros métodos no.

Es el uú nico meú todo que da una aproximacioú n


con 5 cifras decimales en la tercera iteracioú n y
3 decimales en la segunda iteracioú n, a
diferencia de otros meú todos.

Caracterización 2: Propiedades

Método de Müller
Parámetro

8
Encuentra raíces reales e imaginarias
Tipos de Raíces
Puntos iniciales sean iguales
Restricción
Superior a Newton y Secante
Rapidez de convergencia
3
Puntos iniciales
w=1.84
Orden de convergencia(w)
Utiliza una parábola
Analítica

Caracterización 3: Conclusiones / Recomendaciones

CONCLUSIONES RECOMENDACIONES
Realizar la forma alternativa de presentación de la raíz
El método de Müller se puede aplicar a cualquier
cuadrática, puesto que el discriminante representa un
tipo de ecuaciones, aunque su utilización más problema, y le valor de la iteración depende enteramente
frecuente es en las ecuaciones polinòmicas. de este término.
Utiliza una interpolación cuadrática de tres puntos El cálculo de raíz se puede complicar cuando se requiere
anteriores del proceso iterativo para extrapolar en de una gran cantidad de aproximaciones para llegar a
nuevo punto del proceso. tener un valor considerable a la curva.

La aproximación a la raíz de una función Tomar en cuenta el error que se comete al realizar
implementando este método es bastante útil las diferentes aproximaciones en cada iteración para
cuando se trabaja con una función difícil de así garantizar la validez del método implementado.
analizar por métodos tradicionales.

5. Referencias Bibliográficas

[1] S. C. Chapra., R. P. Canale. and J. C. Del Valle Sotelo. Métodos numéricos para ingenieros. México, etc:
McGraw-Hill. (2008).

[2] I. García. Cálculo Series de Taylor y Mclaurin. Madrid: Universidad Francisco de Vitoria. (2014).

[3] J. H. Mathews. and K. D. Fink. Métodos numéricos con Matlab. Santafé Bogotá, Prentice Hall. (2000).