Métodos Iterativos para Ecuaciones no Lineales. Oldemar Rodríguez Rojas
|
|
- Teresa Soler Henríquez
- hace 5 años
- Vistas:
Transcripción
1 Métodos Iterativos para Ecuaciones no Lineales Oldemar Rodríguez Rojas September 0, 014
2 Contents 1 Métodos iterativos para ecuaciones no lineales 1.1 El método de aproximaciones sucesivas Teoremas de convergencia y del error El método de punto fijo para resolver ecuaciones de una variable Método de la Bisección Estudio del error en el método de la bisección Método de Newton Raphson Método de la Secante Orden de convergencia Convergencia acelerada y el método de Steffensen El método de Aitken El método de Steffensen
3 Chapter 1 Métodos iterativos para ecuaciones no lineales 1.1 El método de aproximaciones sucesivas Teoremas de convergencia y del error Teorema 1 Sea U un subconjunto completo de un espacio normado X y A : U U una contracción. Entonces las aproximaciones sucesivas: x n+1 = Ax n, para n = 0, 1,,..., con x 0 arbitrario en U, convergen al punto fijo único x de A. Prueba en U: Sea x 0 U entonces definimos recursivamente la siguiente sucesión De donde se tiene que: x n+1 := Ax n, para n = 0, 1,,.... x n+1 x n = Ax n Ax n 1 q x n x n 1, luego por inducción se deduce que: x n+1 x n q n x 1 x 0, para n = 0, 1,,.... Por lo tanto para m > n se tiene que: x n x m x n x n+1 + x n+1 x n+ + + x m 1 x m (1.1) ( q n + q n q m 1) x 1 x 0 qn 1 q x 1 x 0. Como q n 0 cuando n, entonces (x n ) es una sucesión de Cauchy y como U es completo existe x U tal que x n x cuando n.
4 Corolario 1 [Cota del Error a Priori] Con las mismas hipótesis del Teorema 1 se tiene el siguiente estimado para el error a priori: x n x Prueba Es evidente de la desigualdad (1.1). qn 1 q x 1 x 0. Corolario [Cota del Error a Posteriori] Con las mismas hipótesis del Teorema 1 se tiene el siguiente estimado para el error a posteriori: x n x q 1 q x n x n 1. Prueba Se deduce del error a priori iniciando con x 0 = x n 1. Teorema [Versión 1] Sea D R un cerrado y sea g : D D una función continuamente diferenciable con la siguiente propiedad: q := sup g (x) < 1. x D Entonces la ecuación g(x) = x tiene solución única x D y la sucesión de aproximaciones sucesivas: x n+1 := g(x n ), para n = 0, 1,,... con x 0 arbitrario en D converge a esta solución. Además se tiene el siguiente estimado para el error a priori: y el siguiente estimado para el error a posteriori: x n x qn 1 q x 1 x 0, (1.) x n x q 1 q x n x n 1. (1.3) Además si D = [a, b] entonces se tiene también la siguiente cota del error: x n x q n max{x 0 a, b x 0 }. (1.4) Prueba El espacio R equipado de la norma valor absoluto es un espacio de Banach. Por el teorema del valor medio, para todo x, y D con x < y se tiene que: g(x) g(y) = g (ξ)(x y) para algún punto ξ ]x, y[. Por lo tanto: g(x) g(y) sup g (ξ) x y = q x y, ξ D 3
5 lo cual también es válido para x, y D con x y. Por lo tanto g es una contracción, luego aplicando el Teorema de Banach o el Teorema 1 se tiene la existencia y unicidad del punto fijo. De los corolarios 1 y se tienen obviamente las desigualdades (1.) y (1.3). Para probar la cota del error (1.4) note que: x n x = g(x n 1 ) g(x) = g (ξ 1 ) x n 1 x q x n 1 x = q g(x n ) g(x) = q g (ξ ) x n x q x n x q n x 0 x q n max{x 0 a, b x 0 }. Teorema 3 [Versión ] Sea g C[a, b], con g : [a, b] [a, b]. Entonces: 1. g tiene un punto fijo en [a, b].. Además si g (x) existe en ]a, b[ y g (x) q < 1, para todo x ]a, b[ entonces g tiene un punto fijo único en [a, b]. Prueba 1. I Caso: Si g(a) = a o g(b) = b se tiene la prueba. II Caso: Si g(a) a y g(b) b g(a) > a y g(b) < b Tome h(x) = g(x) x, note que: h es continua en [a, b], h(a) = g(a) a > 0, h(b) = g(b) b < 0, luego h(a) y h(b) tienen signos opuestos, usando el teorema de los valores intermedios, se tiene que existe x [a, b] tal que h(x) = 0 g(x) x = 0 g(x) = x, por lo x es el punto fijo de g.. Suponga que g tiene dos puntos fijos en [a, b], sean estos x y y, con x y, entonces por el Teorema del Valor Medio existe ξ ]a, b[ tal que: x y = g(x) g(y) = g (ξ) x y q x y < x y de donde x y < x y, lo cual es una contradicción, luego se tiene que x = y. Ejemplo 1 Pruebe que f(x) = x x, x [ 1, 1] tiene un punto fijo en 6 [ 1, 1]. 4
6 Solución: Se debe probar que f(x) [ 1, 1] para todo x [ 1, 1]. Como f (x) = 1 x 1 (x ) = = 0 x = 1 entonces los máximos o mínimos 6 3 posibles están en x = 1 o x = 1. Como f( 1) = 1 es máximo y f(1) = 1 6 es mínimo entonces para todo x [ 1, 1] se tiene que f(x) [ 1, 1], de donde f tiene un punto fijo en [ 1, 1]. Solo se ha probado que existe por lo menos un punto fijo, ahora tenemos que probar que es único. Se debe probar que existe q < 1 tal que f (x) q < 1, para todo x ] 1, 1[. Note que: f (x) = x = < 1, para todo x ] 1, 1[, 3 Luego f(x) tiene un punto fijo único en [ 1, 1]. Teorema 4 Sea x un punto fijo de una función continuamente diferenciable g tal que g (x) < 1. Entonces el método de la aproximaciones sucesivas x n+1 := g(x n ), para n = 0, 1,,... es localmente convergente, es decir, existe un vecindario B del punto fijo x de g tal que el método de aproximaciones sucesivas converge a x, para x 0 B. Prueba Como g es continua y g (x) < 1 entonces existe una constante 0 < q < 1 y δ > 0 tal que g (y) < q para todo y B := [x δ, x + δ]. Entonces se tiene que: g(y) x = g(y) g(x) q y x < y x δ para todo y B, por lo que se deduce que g mapea B en si mismo, o sea que g : B B es una contracción, por lo que el resultado se tiene del Teorema 1. El Teorema 4 se ilustra en la Figura 1.1. Figure 1.1: El método de aproximaciones sucesivas. Seguidamente se presenta un algoritmo en seudocódigo para el método de las aproximaciones sucesivas. 5
7 Algoritmo 1 [Para encontrar puntos fijos] Entrada: x 0 (aproximación inicial), T ol, N, g(x) Salida: x (punto fijo aproximado) o mensaje de error Paso 1. i 1 Paso. Mientras i N siga los pasos 3 6 Paso 3. x g(x 0 ) Paso 4. Si x x 0 < T ol Salida x Parar Paso 5. i i + 1 Paso 6 x 0 x Paso 7. Mensaje de error ( Número máximo de iteraciones excedido ) Parar Una implementación iterativa en Mathematica es la siguiente: PuntoFijo[X0,Tol, n, G ]:= Module[{i=1,X0Tem=X0,X}, While[i<=n, X=G[X0Tem Print[ En la iteración,i, el valor de X es,n[x,15] If[Abs[X-X0Tem]<Tol, Return[X] i++; X0Tem=X; If[i==n+1, Print[ Número máximo de iteraciones excedido ] Una implementación recursiva en Mathematica es la siguiente: PuntoFijoRecursivo[X0,Tol,N,F ]:= Module[{X1}, X1=F[X0 If[(Abs[(X0-X1)]<Tol) (N<1), If[N>=1, X1, Print[ Número máximo de iteraciones excedido ] PuntoFijoRecursivo[X1,Tol,N-1,F] ] 6
8 Ejemplo Sea f(x) = e x, es fácil probar que f(x) mapea A = [0.5, 0.69] en si mismo (ejercicio). Como f es continuamente diferenciable tome q = max f (x) = max e x < 1 x A x A Si se ejecuta el programa iterativo en Mathematica como sigue: In[1]:=[PuntoFijo[0.55, , 30, G], 15] es decir, tomando x 0 = 0.55 como aproximación inicial, con ε = T ol = 10 6 para el algoritmo anterior obtenemos que el punto fijo de F es x = x 19 = , pues en x 19 se terminó la ejecución del programa, como se aprecia en la salida del programa: En la iteración 1 el valor de X es En la iteración el valor de X es En la iteración 3 el valor de X es En la iteración 4 el valor de X es En la iteración 5 el valor de X es En la iteración 6 el valor de X es En la iteración 7 el valor de X es En la iteración 8 el valor de X es En la iteración 9 el valor de X es En la iteración 10 el valor de X es En la iteración 11 el valor de X es En la iteración 1 el valor de X es En la iteración 13 el valor de X es En la iteración 14 el valor de X es En la iteración 15 el valor de X es En la iteración 16 el valor de X es En la iteración 17 el valor de X es En la iteración 18 el valor de X es En la iteración 19 el valor de X es Out[1]:= Por otro lado el error absoluto al calcular x 1 = igual a: x x , mientras que usando el error a priori se obtiene: x x 1 q1 1 q x 1 x 0 = y usando el error a posteriori se obtiene que: x x 1 q 1 q x 1 x 11 =
9 que es una mejor estimación del verdadero error. Usando el error a priori se deduce que para obtener una precisión de ε = 10 6 se requieren al menos de: ( ) ε(1 q) n log / log(q).3 3 iteraciones, x 1 x 0 pero se observa que el programa requirió de 19 iteraciones. Ejecutando la versión recursiva se obtiene el mismo resultado: N[PuntoFijo Re cursivo[0.55, , 30, G], 15] es decir, x = El método de punto fijo para resolver ecuaciones de una variable Ejemplo 3 Resuelva la ecuación x 3 x 1 = 0 en el intervalo [1, ]. Solución: Se debe plantear un problema de encontrar los puntos fijos de una función g(x) que sea equivalente a resolver la ecuación x 3 x 1 = 0. Resolver x 3 x 1 = 0 es equivalente a resolver la ecuación x 3 1 = x, entonces se puede tratar de encontrar los puntos de g(x) := x 3 1. Pero g(x) no cumple las hipótesis del Teorema de Punto Fijo de Banach, pues g (x) = 3x > 0 g(x) es creciente en [1, ], luego g(1) = 0 y g() = 7 son el mínimo y el máximo de g(x) en el intervalo [1, ] respectivamente, por lo que g(x) / [1, ] x [1, ]. Otro intento se puede hacer usando el hecho de que: x 3 x 1 = 0 x = ± x, luego tome g(x) := x, 1 g (x) = < 0 en [1, ], esto implica x x que g(x) es decreciente en [1, ], luego g(1) = , g() = 1. son el máximo y el mínimo respectivamente de g(x) en [1, ], por lo que g(x) [1, ] x [1, ], luego la función g(x) tiene al menos un punto fijo en [1, ]. Se probó que g : [1, ] [1, ], falta probar que g es una contracción en el intervalo [1, ]. Veamos g 1 (x) = x x g 1 (x) = x x 1 := q < 1 de donde se puede tomar q := 1. Ejecutando el programa de punto fijo con x 0 = y ɛ = 10 5 se obtiene: G[x ] := Sqrt[1 + 1/x] 8
10 N[PuntoFijo[, ,30,G],15] En la iteración 1 el valor de X es En la iteración el valor de X es En la iteración 3 el valor de X es En la iteración 4 el valor de X es En la iteración 5 el valor de X es En la iteración 6 el valor de X es En la iteración 7 el valor de X es En la iteración 8 el valor de X es En la iteración 9 el valor de X es Luego el punto fijo de g(x) y solución de la ecuación x 3 x 1 = 0 en el intervalo [1, ] es: x = Ejecutando la versión recursiva se obtiene la misma solución: In[9]:=N[PuntoFijoRecursivo[, ,30,G],15] Out[9]:= Usando el comando Solve de Mathematica se obtiene: N[Solve[x^3 - x - 1 == 0, x]] {{x->1.347},{x-> I},{ x-> I}} Que coincide con la solución encontrada por nuestro programa. Gráficamente se ilustra el la Figura 1. usando el comando de Plot[{G[x],x},{x,0.1,3}] de Mathematica. Figure 1.: Gráfico de g(x) y de la función identidad. 9
11 Ejemplo 4 Dada la ecuación del ejemplo anterior x 3 x 1 = 0 en el intervalo [1, ], Cuántas iteraciones se requieren para obtener un error absoluto menor que 10 5? Solución: Recuerde que q = 1 de donde se tiene que: x n x q n max{x 0 a, b x 0 } ( ) n 1 = max{1, 0} (con x 0 = ) ( ) n 1. Luego: Tome n = 17. x n x 10 5 ( ) n n Observación 1 En la práctica el programa requirió solamente 9 iteraciones. Ejemplo 5 Para la ecuación x 3 x 1 = 0 en el intervalo [1, ], con x 0 = estime usando el error a priori (1.) Cuántas iteraciones se requieren para obtener un error absoluto menor que 10 5? Solución: Se tiene que q = 1, x 0 =, g(x) = x. De donde se obtiene que x 1 = = 1. entonces: x n x = ( 1 n ) ( ) n , entonces: x n x ( ) n (n 1)( log()) 5 log(0.8), esto implica que n 17.8, por lo que se puede tomar n = 18. Observación En la práctica el programa requirió solamente 9 iteraciones. 10
12 1. Método de la Bisección Las hipótesis de este método son: f debe ser continua en el intervalo [a, b]. f(a) y f(b) deben tiener signos opuestos. Luego por el Teorema de los Valores Intermedios existe x [a, b] tal que f(x) = 0, gráficamente se ilustra en la Figura 1.3. Figure 1.3: El método de la bisección. La idea es encontrar una sucesión (x n ) tal que x n x cuando n tal que f(x) = 0. Para encontrar la sucesión (x n ) la idea es la siguiente: Tome a 1 = a, b 1 = b, x 1 = a 1 + b 1. Si f(x 1 ) = 0 entonces ya se tiene el cero de la ecuación x = x 1. Si no: Si f(x 1 ) y f(a) tienen el mismo signo se toma: Si no se toma: a = x 1, b = b 1, x = a + b. a = a 1, b = x 1, x = a + b, y así sucesivamente hasta que f(x i ) 0 o hasta superar el número máximo de iteraciones. El pseudocódigo de puede escribir como sigue: 11
13 Algoritmo [Método de la Bisección] Entrada: a, b, T ol (tolerancia), N, f. Salida: Aproximación de x (cero de la ecuación) o mensaje de error Paso 1. i 1 Paso. Mientras i N, siga los pasos 3 6 Paso 3. x a + b Paso 4. Si f(x) = 0 o b a < T ol Salida (x) Parar Paso 5. i i + 1 Paso 6. Si f(a) f(x) > 0 a x Si no b x Paso 7. Salida ( Número máximo de iteraciones excedido ) Parar Este algoritmo se puede programar iterativamente en Mathematica como sigue: Biseccion[a,b,Tol,n,G ]:= Module[{i = 1, a1 = a, b1 = b, X}, If[G[a]G[b] > 0, Print[ El método no Converge], While[i<=n, X=N[(a1 + b1)/,15 Print[ En la iteración, i, el valor de X es,x If[G[a]G[X]>0, a1 = X,b1 = X If[(G[X] == 0) ((b1 - a1) < Tol),Return[X] i++; If[i==n+1, Print[ El método no Converge ] Este algoritmo se puede programar recursivamente en Mathematica como sigue: BiseccionRecursivo[a,b,Tol,F ] := Module[{A=a,B=b,X}, X=(A+B)/; If[(F[X]<=0) (Abs[B-A]<Tol), 1
14 ] Return[X], If[F[A]*F[X]>0, BiseccionRecursivo[X,B,Tol,F], BiseccionRecursivo[A,X,Tol,F] ] Ejemplo 6 Resuelva la ecuación x 3 +4x 10 = 0 en el intervalo [1, ] con una tolerancia de ε = Solución: Usando en Mathematica los comandos: In[0]:=G[x ] := x^3 + 4 x^ - 10; Out[0]:=N[Biseccion[1,, ,50,G],15 se obtiene la siguiente sucesión: En la iteración 1 el valor de X es 1.5 En la iteración el valor de X es 1.5 En la iteración 3 el valor de X es En la iteración 4 el valor de X es En la iteración 5 el valor de X es En la iteración 6 el valor de X es En la iteración 7 el valor de X es En la iteración 8 el valor de X es En la iteración 9 el valor de X es En la iteración 10 el valor de X es En la iteración 11 el valor de X es En la iteración 1 el valor de X es En la iteración 13 el valor de X es En la iteración 14 el valor de X es En la iteración 15 el valor de X es En la iteración 16 el valor de X es En la iteración 17 el valor de X es En la iteración 18 el valor de X es En la iteración 19 el valor de X es En la iteración 0 el valor de X es Ejecutando la versión recursiva se obtiene: In[1]:=N[BiseccionRecursivo[1,, ,G],15] Out[1]:=
15 1..1 Estudio del error en el método de la bisección Teorema 5 Sea f C[a, b], con f(a)f(b) < 0. Entonces el algoritmo de la bisección produce una sucesión (x n ) que aproxima a x, el cero de la ecuación f(x) = 0, con un error absoluto tal que: Prueba x n x < b a n para n 1. (1.5) b 1 a 1 = b a b a = 1 b a b 3 a 3 = 1 b a b n a n =. 1 b a n 1 como x ]a n, b n [ y x n = a n + b n x n x b n a n se tiene que: = b a = (b a). n 1 n Observación 3 x n x < b a n x n x 1 < b a = k, esto implica que la ( ) n 1 sucesión (x n ) es O n, es decir, x n x con rápidez 1, lo cual es bastante n rápido. Ejemplo 7 Para f(x) = x 3 + 4x 10, con a = 1 y b = ; usando (1.5) hallar el n N necesario para tener un error absoluto menor a ε = Solución: x n x < b a n < 10 6 n < 10 6 n log < 6 n > 6 log n > 19.9 Entonces se puede escoger n = 0. Observación 4 n = 0 fue exactamente lo que requirió el programa. 14
16 1.3 Método de Newton Raphson El método de Newton Raphson es uno de los más poderosos para resolver la ecuación f(x) = 0. Si f es una función de una variable y x 0 es una aproximación a cero de la función f, entonces en un vecindario de x 0 por la fórmula de Taylor se tiene que: f(x) f(x 0 ) + f (x 0 )(x x 0 ). Si se define g(x) := f(x 0 ) + f (x 0 )(x x 0 ) entonces el cero de la función afín g(x) se puede considerar como una nueva aproximación al cero de f(x) el cual denotamos por x 1. Luego se tiene que: despejando se tiene: g(x 1 ) = f(x 0 ) + f (x 0 )(x 1 x 0 ) = 0, x 1 = x 0 f(x 0) f (x 0 ). (1.6) Geométricamente la función afín g(x) representa la recta tangente a f(x) en el punto x 0, esto se ilustra en la Figura 1.4. Figure 1.4: Método de Newton. De la Figura 1.4 también se puede deducir el método de Newton Raphason, nótese que: f (x i ) = f(x i) 0 x i x i+1 lo cual implica que: x i x i+1 = f(x i) f (x i ) 15
17 de donde: x i+1 = x i f(x i) f (x i ) que es la sucesión del método de Newton Raphson. Observación 5 El método de Newton Raphson consiste en diseñar un algoritmo que calcule la sucesión: x 0 si n = 0 x n = x n 1 f(x n 1) f (x n 1 ) si n > 0 Algoritmo 3 [Método de Newton Raphson] Entrada: x 0, N, T ol, f. Salida: La solución x aproximada de la ecuación f(x) o mensaje de error. Paso 1. i 1 Paso. Mientras i N, pasos 3-6 Paso 3. x x 0 f(x 0) f (x 0 ) Paso 4. Si x x 0 < T ol Salida (x) Parar. Paso 5. i i + 1 Paso 6. x 0 x Paso 7. Salida ( Número máximo de iteraciones excedido ) Parar El método de Newton Raphson se puede implementar iterativamente en Mathematica como sigue: NewtonRaphson[x0, Tol, n, F ] := Module[{i = 1, X0Tem = x0, x}, G[X ] = D[F[X],X While[(i <= n), x = N[X0Tem - F[X0Tem]/G[X0Tem],15 Print[ En la iteración, i, el valor de x es, x If[Abs[x - X0Tem] < Tol, Return[x] i++; X0Tem = x; If[i <= n, Return[x], Print[ Número máximo de iteraciones excedido ] 16
18 El método de Newton Raphson se puede implementar recursivamente en Mathematica como sigue: NewtonRaphsonRecursivo[x0, Tol, n, F ] := Module[{X0Tem = x0, x}, G[X ] = D[F[X],X x = X0Tem - F[X0Tem]/G[X0Tem If[(Abs[x - X0Tem] < Tol) (n == 0), If[n > 0, Return[x], Print[ Número máximo de iteraciones excedido ]] NewtonRaphsonRecursivo[x, Tol, n-1, F] ] Ejemplo 8 Ejecutando el programa iterativo para resolver la ecuación e x x = 0 con x 0 = 1 como aproximación inicial y con una tolereacia de ɛ = 10 6 se obtiene la siguiente: In[]:=F[x ]:=N[Exp[-x]-x In[3]:=N[NewtonRaphson[1, ,0,F],15] En la iteración 1 el valor de x es En la iteración el valor de x es En la iteración 3 el valor de x es En la iteración 4 el valor de x es Out[3]:= Mientras que ejecutando el programa recursivo se obtiene: In[5]:=N[NewtonRaphsonRecursivo[1, ,0,F],15] Out[5]:= Teorema 6 Sea f C [a, b]. Si x [a, b] con f(x) = 0 y f (x) 0, entonces existe ɛ > 0 tal que el método de Newton Raphson: x n+1 := x n f(x n) f (x n ) genera una sucesión que está bien definida y converge a x cuando n, para todo x 0 [x ɛ, x + ɛ]. Prueba Sea g(x) := x f(x) f (x). Nótese que si x [a, b] con f( x) = 0 entonces g( x) [a, b] y g( x) = x. Se define: 17
19 { p0 si n = 0 p n := g(p n 1 ) si n 1 Es claro que la (p n ) es la sucesión de Newton Rapson, entonces basta probar que g cumple las hipótesis del Teorema de punto fijo de Banach, a saber que: ɛ > 0 y q ]0, 1[ tal que x ] x ɛ, x + ɛ[ g (x) q < 1, y que g mapea el intervalo [ x ɛ, x + ɛ] en si mismo. Como f ( x) 0 y f es continua se tiene que existe un ɛ 1 > 0 tal que f (x) 0 para todo x ] x ɛ 1, x + ɛ 1 [ [a, b], de esta manera g está definida y es continua en ] x ɛ 1, x + ɛ 1 [. También lo está: g (x) = f(x)f (x) [f (x)] para todo x ] x ɛ 1, x + ɛ 1 [. Como f C [a, b] entonces g C 1 [ x ɛ 1, x + ɛ 1 ]. Como por hipótesis f( x) = 0 entonces: g ( x) = f( x)f ( x) [f ( x)] = 0. Luego como g es continua, esto implica que para cualquier constante q < 1 existe un ɛ, con 0 < ɛ < ɛ 1 y tal que: g (x) q < 1 para todo x ] x ɛ, x + ɛ[. Solo falta probar que g : ] x ɛ, x + ɛ[ ] x ɛ, x + ɛ[, pero si x ] x ɛ, x + ɛ[ por el Teorema del Valor Medio para algún ξ entre x y x se tiene que: entonces: g(x) g( x) = g (ξ) x x, g(x) x = g(x) g( x) = g (ξ) x x q x x < x x. (1.7) Como x ] x ɛ, x + ɛ[ entonces x x < ɛ luego por (1.7) se tiene que g(x) x < ɛ lo cual implica que g(x) ] x ɛ, x + ɛ[ con lo que se prueba que g : ] x ɛ, x + ɛ[ ] x ɛ, x + ɛ[. Ejemplo 9 Hallar un método para calcular A, con A 0. (x n + Axn ) Solución: Probaremos que la sucesión (x n ) definida por x n+1 = 1 converge a A. Nótese que calcular A es equivalente a resolver la ecuación: x A = 0, 18
20 usando el método de Newton Raphson con f(x) = x A y f (x) = x se tiene que: x n+1 = x n f(x n) f (x n ) = x n x n A x n = 1 ) (x n + Axn. De donde es claro que la sucesión x n A cuando n. 1.4 Método de la Secante El problema con el método de Newton Rapson es que requiere la derivada de f(x) la cual en muchos casos no se tiene. La idea del método de la secante es usar una aproximación para esta derivada, como se ilustra en la Figura 1.5. Figure 1.5: Método de la secante. La deducción del método es la siguiente: f (x n 1 ) = f(x) f(x n 1 ) lim f(x n ) f(x n 1 ). (1.8) n x n 1 x x n 1 x n x n 1 Si en el método de Newton Rapson x n = x n 1 f(x n 1) f (x n 1 ) sustituimos f (x n 1 ) por la aproximación dada en (1.8) se tiene que: 19
21 f(x n 1 ) x n x n 1, f(x n ) f(x n 1 ) x n x n 1 simplificando se obtiene el Método de la Secante: x n x n 1 (x n x n 1 )f(x n 1 ). f(x n ) f(x n 1 ) Entonces el método de la secante consiste en calcular la sucesión (x n ) definida por: x 0 si n = 0 x x n = 1 si n = 1 x n 1 (x n x n 1 )f(x n 1 ) si n f(x n ) f(x n 1 ) El siguiente algoritmo permite calcular esta sucesión: Algoritmo 4 [Método de la Secante] Entrada: N, T ol, x 0, x 1 Salida: Aproximación de x, con f(x) = 0 o mensaje de error Paso 1. i Paso. Mientras i N, pasos 3 6 Paso 3. x x 1 (x 0 x 1 )f(x 1 ) f(x 0 ) f(x 1 ) Paso 4. Si x x 0 < T ol Salida (x) Parar Paso 5. x 0 x 1 x 1 x Paso 6. i i + 1 Paso 7. Salida ( Número máximo de iteraciones excedido ) Parar Una implementación iterativa en Mathematica del algoritmo anterior es la siguiente: Secante[X0,X1,Tol,N,F ]:= Module[{i=,X0Tem=X0,X1Tem=X1,X}, While[(i<=N), X=X1Tem-((X0Tem-X1Tem)*F[X1Tem]/(F[X0Tem]-F[X1Tem])); Print[ En la iteración,i, el valor de X es,x If[(Abs[X-X1Tem])<Tol,Return[X] X0Tem=X1Tem; X1Tem=X; i++; 0
22 If[i==N+1, Print[ Número máximo de iteraciones excedido ] Una implementación recursiva en Mathematica del algoritmo anterior es la siguiente: SecanteRecursivo[X0,X1,Tol,N,F ]:= Module[{X0Tem=X0,X1Tem=X1,X}, X=X1Tem-((X0Tem-X1Tem)*F[X1Tem]/(F[X0Tem]-F[X1Tem])); If[((Abs[X-X1Tem])<Tol) (N==0), If[N>=1, Return[X], Print[ Número máximo de iteraciones excedido ]], SecanteRecursivo[X1,X,Tol,N-1,F] ] Ejemplo 10 Ejecutando el programa iterativo para resolver la ecuación e x x = 0 con x 0 = 1 y x 1 = 1 como aproximaciones iniciales y con una tolereacia de ɛ = 10 6 se obtiene la siguiente: In[1]:=F[x ]:=Exp[-x]-x In[]:=N[Secante[1,0.5, ,100,F],15] En la iteración el valor de P es En la iteración 3 el valor de P es En la iteración 4 el valor de P es En la iteración 5 el valor de P es Out[]:= Mientras que ejecutando la versión recursiva se obtiene: In[3]:=N[SecanteRecursivo[1,0.5, ,100,F],15] Out[3]:= Teorema 7 Sea f una función de clase C [a, b] con a < b. Si existe un punto x tal que f(x) = 0 y f (x) 0 entonces existe un número ɛ > 0 tal que si x 0 y x 1 están dentro del intervalo [x ɛ, x + ɛ] la sucesión generada por el método de la secante x n = x n 1 (x n x n 1 )f(x n 1 ). f(x n ) f(x n 1 ) está bien definida dentro del intervalo [x ɛ, x + ɛ] y converge a x (cero de la ecuación f(x) = 0). Prueba Ejercicio. 1
23 1.5 Orden de convergencia Definición 1 Sea (x n ) una sucesión que converge a x, se denota e n := x n x para n 0. Si existen constantes α y λ positivas, tal que: x n+1 x e n+1 lim n x n x α = lim n e n α = λ, entonces se dice que la sucesión (x n ) converge a x con orden α y con constante asintótica λ. Observación 6 Entre mayor sea el orden de convergencia, o sea entre mayor sea α, mayor será la velocidad de convergencia. Si α = 1, se dice que el método tiene orden lineal. Si α =, se dice que el método tiene orden cuadrático. Ejemplo 11 Suponga que tenemos dos esquemas (sucesiones) x n y x n tal que: e n+1 lim = 0.75 (método lineal). n e n lim n ẽ n+1 = 0.75 (método cuadrático). ẽ n Se supone además que e 0 = 0.5 y ẽ 0 = 0.5 Cuántas iteraciones requieren x n y x n para converger con un error absoluto menor a 10 8? Solución: 1. Analicemos primero la sucesión (esquema) x n : x n+1 x < 10 8 e n+1 < Pero e n de donde e n e n 0.75 e n 1 e n 0.75 n e 0 = 0.75 n 0.5, esto implica que: e n+1 < n 0.5 < 10 8 n log(0.75) < 8 log(0.5) n > 8 log(0.5) log(0.75) Se puede tomar n = 6, por lo tanto x n requiere aproximadamente 6 iteraciones para converger a x.
24 . Analicemos ahora la sucesión x n : x n+1 x < 10 8 ẽ n+1 < Pero ẽ [ n+1 ẽ n 0.75 de donde ẽ n ẽ n ẽ n 1 ] = ẽ n [0.75 ẽ n ] 4 = ẽ n n+1 1 ẽ 0 n+1, de donde ẽ n+1 < n+1 1 ẽ 0 n+1 < n n+1 < n+1 < 10 8 n+1 log(0.375) < 8 + log(0.75) n+1 > 8 + log(0.5) log(0.375) (n + 1) log() > log(19.07) n > log(19.07) 1 3.4, log() luego n = 4, por lo que x n requiere solamente de n = 4 iteraciones para converger a x mientras que esquema lineal requirió de aproximadamente 6 iteraciones para converger a x. { x0 si n = 0 Teorema 8 Sea x n = el esquema (la sucesión) de g(x n 1 ) si n 1 punto fijo visto en la sección 1.1. Si además se supone que: g : [a, b] [a, b]. g C [a, b]. Existe q tal que 0 q < 1 y g (x) q < 1 para todo x ]a, b[. g (x) 0 para x el punto fijo de g. Entonces (x n ) converge al menos linealmente a x, cuando n. Prueba e n+1 = x n+1 x = g(x n ) g(x) = g (ξ n )(x n x) = g (ξ n )e n con ξ n entre x n y x. Como x n x cuando n y ξ n está entre x n y x entonces la sucesión (ξ n ) también converge a x cuando n. Luego e n+1 g (ξ lim = lim n )e n ( ) = lim n e n n e n n g (ξ n ) = g lim (ξ n) = g (x). n 3
25 e n+1 Por lo tanto lim n e n = g (x) := λ < 1, de donde la convergencia es lineal. Teorema 9 Sea x un punto fijo de g, además g ( x) = 0, g es continua en un intervalo abierto I que contiene a x y g ( x) { 0. Entonces existe ɛ > 0 tal que x0 si n = 0 para x 0 [ x ɛ, x + ɛ] la sucesión x n = converge al g(x n 1 ) si n 1 menos cuadráticamente a x. Prueba Escoja ɛ tal que intervalo [ x ɛ, x + ɛ] esté contenido en I, g (x) q < 1 y g sea continua. Como g (x) q < 1 se tiene que los términos de la sucesión (x n ) están contenidos en [ x ɛ, x + ɛ]. Expandiendo g(x) en su polinomio de Taylor para x [ x ɛ, x + ɛ] se tiene que: g(x) = g( x) + g ( x)(x x) + g (ξ) (x x), con ξ entre x y x. Por hipótesis g( x) = x y g ( x) = 0, esto implica que: g(x) = x + g (ξ) (x x). En particular si se toma x = x n entonces: con ξ n entre x n y x. Luego x n+1 = g(x n ) = x + g (ξ n ) (x n x). x n+1 x = g (ξ n ) (x n x). (1.9). Como g (x) q < 1 y g mapea [ x ɛ, x + ɛ] en si mismo es claro que (x n ) converge a x punto fijo de g, entonces como ξ n está entre x n y x la sucesión (ξ n ) converge también a x. Luego usando (1.9) se deduce que: x n+1 x lim n x n x = g ( x) = λ 0. Entonces la sucesión (x n ) converge cuadráticamente x. Corolario 3 Sea f C 3 [a, b]. Si x [a, b] con f( x) = 0, f ( x) 0 y f ( x) 0, entonces existe ɛ > 0 tal que el método de Newton Raphson: x n+1 := x n f(x n) f (x n ) genera una sucesión que converge al menos cuadráticamente a x cuando n, para todo x 0 [x ɛ, x + ɛ]. 4
26 Prueba La convergencia de (x n ) se demostró en el Teorema 6. Usando el teorema anterior se concluye el corolario, pues si se toma g(x) := x f(x) f (x) entonces g( x) = x f( x) f ( x) = x pues f( x) = 0 y f ( x) 0. Además g (x) = 1 f (x)f (x) f(x)f (x) (f (x)) = 1 1 f(x)f (x) [f (x)] = f(x)f (x) [f (x)] de donde g ( x) = 0, pues f( x) = 0. Como: g (x) = [f (x)] f (x) + f(x)f (x)f (3) (x) f(x) [f (x)] [f (x)] 3, entonces g ( x) = f ( x) f ( x) 0. Es claro que g es continua en un intervalo que contiene a x dado que f C 3 [a, b]. Entonces g(x) cumple todas las hipótesis del teorema anterior por lo que (x n ) converge cuadráticamente a x. Teorema 10 Sea f una función de clase C [a, b]. Si existe un punto x tal que f( x) = 0, f ( x) 0 y f ( x) 0 entonces existe un número ɛ > 0 tal que si x 0 y x 1 están dentro del intervalo [x ɛ, x + ɛ] la sucesión generada por el método de la secante x n = x n 1 (x n x n 1 )f(x n 1 ). f(x n ) f(x n 1 ) converge a x con orden de al menos Prueba (Ejercicio) Sugerencias: Pruebe que e n+1 C e n e n 1, (1.10) con C := f ( x) f. Por la definición 1 se busca una solución aproximada a la ( x) ecuación e n = λ e n 1 α, (1.11) con λ > 0 y α 1. Pero considerando (1.10) como una ecuación y sustituyendo en (1.11) se tiene que: λ e n α = λλ α e n 1 α = Cλ e n 1 α+1. (1.1) La ecuación (1.1) es válida solamente para n suficientemente grandes si: λ α = C y α = α + 1, de donde α = y λ = C 1/α. 5
27 1.6 Convergencia acelerada y el método de Steffensen El método de Aitken El método de Aitken tiene las siguientes hipótesis: 1. (x n ) converge linealmente a x con constante asíntótica λ tal que 0 < λ < 1.. Los signos de x n x, x n+1 x y x n+ x son iguales. 3. Se asume que para n suficientemente grande: x n+1 x x n x x n+ x x n+1 x. (1.13) La idea es encontrar una sucesión ( x n ) la cual converge más rápidamente a x que la sucesión (x n ). Note que de (1.13): (x n+1 x)(x n+1 x) (x n x)(x n+ x) x n+1 xx n+1 + x x n+ x n xx n+ xx n + x xx n+1 + xx n+ + xx n x n+1 + x n+ x n ( x n+1 + x n+ + x n )x x n+1 + x n+ x n x x n+1 + x n+ x n ( x n+1 + x n+ + x n ) x x n+x n x n+1 x n+ x n+1 + x n x x n + x n+ x n x n x n+1 x n + x n x n+1 x n+1 x n+ x n+1 + x n x x n(x n + x n+ x n+1 ) (x n+1 x n ) x n+ x n+1 + x n (x n+1 x n ) x x n x n+ x n+1 + x n El método de de Aitken se basa en el hecho de que la sucesión ( x n ) definida por: (x n+1 x n ) x n+3 := x n, x n+ x n+1 + x n bajo ciertas condiciones, converge más rapidamente a x que la sucesión (x n ). Notación 1 Diferencia Progresiva (x n ) := x n+1 x n para n 0. 6
28 k (x n ) = k 1 ( x n ) para k. Observación 7 Nótese que con esta notación se tiene: (x n ) = ( x n ) = x n+1 x n = x n+ x n+1 (x n+1 x n ) = x n+ x n+1 + x n. Por lo que el método de Aitken se puede escribir como: x n+3 := x n ( x n) x n. (1.14) Pero qué quiere decir que una sucesión ( x n ) converge más rápido a x que la sucesión (x n )? Definición Sean (x n ) y ( x n ) dos sucesiones que convergen a x, se dice que la sucesión ( x n ) converge más rápido a x que la sucesión (x n ) si: lim n x n x x n x = 0. Teorema 11 Sea (x n ) una sucesión que converge a x con orden lineal con constante asintótica λ < 1, además se asume que e n = x n x 0 para todo n. Entonces la sucesión ( x n ), definida en (1.14), converge a x más rápido que (x n ). Prueba Ejercicio El método de Steffensen Por el Teorema 8 la sucesión de aproximaciones sucesivas (x n ) converge linealmente a x, cuando n con constante asintótica λ < 1, entonces tiene sentido aplicar el método de Aitken a ésta sucesión. Es así como una combinación entre el método de aproximaciones sucesivas y el método de Aitken producen un método conocido como el Método de Steffensen, el cual consiste en calcular la sucesión: [g(x n ) x n ] x n+1 := x n. (1.15) g(g(x n )) g(x n ) + x n Algoritmicamente el Método de Steffensen para acelerar el método de punto fijo se puede expresar de la siguiente manera. Sea x 0 la aproximación inicial en el método de punto fijo, entonces se toma: 7
29 x (0) 0 = x 0 ( x (0) 1 = g ( x (0) = g x (0) 0 x (0) 1 ( ) x (1) 0 = x (0) 0 = x (0) 0 ( x (1) 1 = g ( x (1) = g x (1) 0 x (1) 1 ( ) x () 0 = x (1) 0 = x (1) 0. ) ) ) ) [ ] x (0) 1 x (0) 0 x (0) x (0) 1 + x (0) 0 [ ] x (1) 1 x (1) 0 x (1) x (1) 1 + x (1) 0 En pseudocódigo el Método de Steffensen se puede expresar como sigue: Algoritmo 5 [Método de Steffensen] Entrada: N, T ol, x 0, g Salida: Aproximación de x o mensaje de error Paso 1. i Paso. Mientras i N, siga los pasos 3 6 Paso 3. x 1 = g(x 0 ) x = g(x 1 ) x = x 0 (x 1 x 0 ) x x 1 + x 0 Paso 4. Si x x 0 < T ol Salida (x) Parar Paso 5. i i + 1 Paso 6. x 0 x Paso 7. Salida ( Número máximo de iteraciones excedido ) Parar Este algoritmo se puede programar iterativamente en Mathematica como sigue: Steffensen[x0,Tol,n,G ]:= Module[{i=1,x0Tem=x0,x,x1,x}, While[i n, x1=n[g[x0tem] x=n[g[x1] 8
30 x=n[x0tem-(x1-x0tem)^/(x-*x1+x0tem) Print[ En la iteración, i, el valor de x es,n[x,15] If[Abs[x-x0Tem]<Tol,Return[x] i++; x0tem=x; If[i==n+1, Print[ Número máximo de iteraciones excedido ] Este algoritmo se puede programar recursivamente en Mathematica como sigue: SteffensenRecursivo[x0,Tol,n,G ]:= Module[{x1,x,x}, x1=n[g[x0] x=n[g[x1] x=n[x0tem-(x1-x0tem)^/(x-*x1+x0tem) If[(Abs[(x-x0)]<Tol) (n < 1), If[n>=1, x, Print[ Número máximo de iteraciones excedido ] ], SteffensenRecursivo[x,Tol,n-1,G] ] Ejemplo 1 Resuelva la ecuación x 3 x 1 = 0 en el intervalo [1, ] con ɛ = Solución: Como se mostró en el ejemplo 3, utilizando g(x) = el método x de punto fijo requirío de 9 iteraciones para resolver esta ecuación, con una tolerancia de ɛ = 10 5, mientras que el Método de Steffensen requiere solamente de 5 iteraciones, como se muestra seguidamente: In[3]:=G[x ]:=Sqrt[1+1/x] In[33]:=N[Steffensen[, ,100,G],15] En la iteración 1 el valor de x es En la iteración el valor de x es En la iteración 3 el valor de x es En la iteración 4 el valor de x es Out[33]:=1.347 Teorema 1 Si el método de punto fijo x n+1 = g(x n ) converge linealmente entonces el orden de convergencia del método de Steffensen es al menos dos. 9
31 Prueba (Ejercicio) Suponga que g(x) es un número suficiente de veces derivable, luego pruebe que: x n+1 x lim n x n x = 1 g ( x)g ( x) g ( x) 1 := λ 0. 30
Métodos Iterativos para Ecuaciones no Lineales
This is page i Printer: Opaque this Métodos Iterativos para Ecuaciones no Lineales Oldemar Rodríguez Rojas Septiembre 008 ii This is page iii Printer: Opaque this Contents 1 Métodos iterativos para ecuaciones
Más detallesMétodos Iterativos para Ecuaciones no Lineales
This is page i Printer: Opaque this Métodos Iterativos para Ecuaciones no Lineales Dr. Oldemar Rodríguez Rojas Setiembre 001 ii This is page iii Printer: Opaque this Contents 1 Métodos iterativos para
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesSoluciones de ecuaciones de una variable
Análisis Numérico Soluciones de ecuaciones de una variable CNM-425 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft 2010. Reproducción permitida bajo
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesRepaso de Cálculo
Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo Repaso de Cálculo MÉTODO DE BISECCIÓN Si
Más detallesOCW-V.Muto El método de la Secante Cap. VIII CAPITULO VIII. EL METODO DE LA SECANTE 1. INTRODUCCION Y METODO
CAPITULO VIII. EL METODO DE LA SECANTE 1. INTRODUCCION Y METODO Utilizando los supuestos de los capítulos anteriores, daremos en este capítulo un procedimiento más rápido para hallar una raíz p de la ecuación
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 7
Análisis Numérico para Ingeniería Clase Nro. 7 Sistemas de Ecuaciones No Lineales Temas a tratar: Método de Bisección. Método de Punto Fijo. Método de Punto Fijo Sistemático. Método de Newton-Raphson.
Más detallesElementos Básicos de Análisis Funcional en. Dr. Oldemar Rodríguez Rojas
Elementos Básicos de Análisis Funcional en Análisis Numérico Dr. Oldemar Rodríguez Rojas Agosto 2008 Contents 1 Elementos Básicos de Análisis Funcional 2 1.1 Espacios normados...........................
Más detallesResolución de Ecuaciones no lineales. Juan Manuel Rodríguez Prieto
Resolución de Ecuaciones no lineales Juan Manuel Rodríguez Prieto Resolución de Ecuaciones no lineales Objetivos Aprender a resolver ecuaciones de la forma: f () = 0 Donde f es una función no-lineal de
Más detallesResolución de Ecuaciones No Lineales
Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Contenido 1 Introducción Introducción 2 Localización de Raíces Localización de Raíces 3 Métodos Iterativos
Más detallesMETODO DE LA BISECCIÓN Si f : a, b es continua con f a f b 0,el procedimiento de la
METODO DE LA BISECCIÓN Si f : a, b es continua con f a f b,el procedimiento de la bisección genera una sucesión (s n ) n convergente siendo s n a n b n ytal 2 que si lim s n s se cumple que f s y n s n
Más detallesResolución de Ecuaciones no lineales. Juan Manuel Rodríguez Prieto
Resolución de Ecuaciones no lineales Juan Manuel Rodríguez Prieto Resolución de Ecuaciones no lineales Objetivos Aprender a resolver ecuaciones de la forma: f () = 0 Donde f es una función no-lineal de
Más detallesResolución numérica de ecuaciones no lineales
Resolución numérica de ecuaciones no lineales Son muchas las situaciones en las que se presenta el problema de obtener las soluciones de ecuaciones de la forma f(x) = 0. En algunos casos existe una fórmula
Más detallesOCW-V.Muto El algoritmo de bisección Cap. VI CAPITULO VI. EL ALGORITMO DE BISECCION 1. INTRODUCCION Y METODO
CAPITULO VI. EL ALGORITMO DE BISECCION 1. INTRODUCCION Y METODO En este capítulo comenzaremos a analizar uno de los problemas más básicos del análisis numérico: el problema de búsqueda de raíces. El problema
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesx (0) si f (x) = 2s 1, s > 1 d) f 3. Analizar la existencia de derivadas laterales y de derivada en a = 0, para las siguientes funciones:
FACULTAD DE CIENCIAS EXACTAS Y NATURALES UNIVERSIDAD DE BUENOS AIRES COMPLEMENTOS DE ANÁLISIS MAESTRíA EN ESTADíSTICA MATEMÁTICA SEGUNDO CUATRIMESTRE 2007 PRÁCTICA 7 1. Usando sólo la definición de derivada,
Más detallesOCW-V.Muto Iteración del punto fijo Cap. VII CAPITULO VII. ITERACION DEL PUNTO FIJO 1. INTRODUCCION Y METODO
CAPITULO VII. ITERACION DEL PUNTO FIJO 1. INTRODUCCION Y METODO En este capítulo consideraremos un método para determinar la solución de una ecuación que se expresa, para alguna función g, de la forma
Más detallesInterpolación y aproximaciones polinómicas
This is page i Printer: Opaque this Interpolación y aproximaciones polinómicas Oldemar Rodríguez Rojas Octubre 008 ii This is page iii Printer: Opaque this Contents 1 Interpolación y aproximaciones polinómicas
Más detallesx 0 = aproximación inicial x n = g(x n 1 ) n 1 (3.6)
3.2 Problema equivalente. Iteración funcional. La mayoría de los métodos conocidos construyen aproximaciones ( x n r ) sucesivas escribiendo la ecuación inicial en una forma equivalente adecuada: x = g(x)
Más detallesLa interpolación polinomial en el análisis de métodos iterativos
Notas La interpolación polinomial en el análisis de métodos iterativos Resumen La solución de ecuaciones no lineales es de extrema importancia en la ingeniería y ciencias. Los métodos que se estudian para
Más detallesOCW-V.Muto El método de Newton-Raphson Cap. IX CAPITULO IX. EL METODO DE NEWTON-RAPHSON 1. INTRODUCCION Y METODO
CAPITULO IX. EL METODO DE NEWTON-RAPHSON 1. INTRODUCCION Y METODO El método de Newton-Raphson (o simplemente Newton) es uno de los métodos numéricos más conocidos y poderosos para la resolución del problema
Más detallesDada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación
Tema 8 Ceros de funciones Versión: 23 de abril de 2009 8.1 Introducción Dada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación f(x) = 0. (8.1) La
Más detallesMétodos Numéricos I. Curso Colección de Problemas Capítulo 3. Ecuaciones no lineales. Iteración funcional HOJA 1
HOJA 1 1. Determinase que la función f(x) = x 3 + 4x 2 10 tiene una única raíz α en I = [1; 2]. Estime teóricamente cuántas iteraciones serán necesarias utilizando el método de bisección, para hallar un
Más detalles2 Obtener el término general de las siguientes sucesiones definidas por recurrencia: y0 = a > 0
CÁLCULO NUMÉRICO I (Ejercicios Temas 1 y ) 1 Cuáles de los siguientes algoritmos son finitos? (a) Cálculo del producto de dos números enteros. (b) Cálculo de la división de dos números enteros. (c) Cálculo
Más detallesCÁLCULO NUMÉRICO I (Tema 2 - Relación 1)
CÁLCULO NUMÉRICO I (Tema - Relación 1) 1 Cuáles de los siguientes algoritmos son finitos? a) Cálculo del producto de dos números enteros. b) Cálculo de la división de dos números enteros. c) Cálculo de
Más detallesCEROS DE FUNCIONES NO LINEALES
27 de Mayo de 2016 CEROS DE FUNCIONES NO LINEALES (Parte 1) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Cálculo Numérico José Luis Quintero 1 Puntos
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 7
Análisis Numérico para Ingeniería Clase Nro. 7 Sistemas de Ecuaciones No Lineales Temas a tratar: Método de Bisección. Método de Punto Fijo. Método de Punto Fijo Sistemático. Método de Newton-Raphson.
Más detallesMétodos de resolución de ecuaciones no lineales
Versión: Métodos de resolución de ecuaciones no lineales 8 de febrero de 018.1 Introducción Uno de los problemas que más se presenta en matemáticas es el de calcular la solución de una ecuación. En algunas
Más detallesResolución numérica de ecuaciones no lineales
Resolución numérica de ecuaciones no lineales Javier Segura Cálculo Numérico I. Tema 2. J. Segura (Universidad de Cantabria) Ecuaciones no lineales CNI 1 / 36 Contenidos: 1 Métodos básicos Bisección Método
Más detallesMétodos de resolución de Ecuaciones no Lineales
Tema 2 Métodos de resolución de Ecuaciones no Lineales 1. Generalidades. Orden de convergencia Nos planteamos en este tema el problema de la resolución aproximada de Ecuaciones no Lineales. Para plantear
Más detallesOCW-V.Muto Métodos de interpolación Cap. XI CAPITULO XI. METODOS DE INTERPOLACION 1. EL METODO DE INTERPOLACION DE LA POSICION FALSA
CAPITULO XI. METODOS DE INTERPOLACION 1. EL METODO DE INTERPOLACION DE LA POSICION FALSA Los métodos de interpolación que vamos a discutir en el resto de este capítulo son muy útiles para determinar los
Más detallesRelación de ejercicios 5
Relación de ejercicios 5 Ecuaciones Diferenciales y Cálculo Numérico Grado en Ingeniería de Tecnologías de Telecomunicación Mayo de 2017 Ejercicio 51 Halla un intervalo, para el cero más próximo al origen,
Más detallesSOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES
SOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES EL PROBLEMA DE OBTENER LOS CEROS O RAÍCES DE UNA ECUACIÓN ALGEBRAICA O TRASCENDENTE, ES UNO DE LOS REQUERIDOS MAS FRECUENTEMENTE, DEBIDO A ELLO
Más detallesRESOLUCIÓN DE SISTEMAS NO LINEALES -- Método de Newton-Raphson
RESOLUCIÓN DE SISTEMAS NO LINEALES -- Método de Newton-Raphson. El método de Newton para la resolución de una ecuación f(x)=0. Sea f(x) una función continuamente diferenciable dos veces en el intervalo
Más detallesResolución aproximada de ecuaciones no lineales
TEMA 1 Resolución aproximada de ecuaciones no lineales 1. Introducción Sólo somos capaces de obtener la solución exacta para cierto tipo de ecuaciones (esencialmente, cuando podemos despejar la incógnita
Más detallesCURSO DE METODOS NUMERICOS Año Académico Curso Tercero de Matemáticas EXAMEN FINAL FEBRERO
Año Académico 2000-2001 Curso Tercero de Matemáticas EXAMEN FINAL FEBRERO 1. Dá el enunciado y demuestra el teorema de convergencia del método del punto fijo. (2 puntos) 2. Resuelve el siguiente sistema
Más detallesPRACTICA Núm. 2 Resolución numérica de ecuaciones no lineales
PRACTICA Núm. 2 Resolución numérica de ecuaciones no lineales La resolución de ecuaciones no lineales es un problema que se presenta con mucha frecuencia en los distintos campos científicos y técnicos.
Más detalles1. Cuáles de los siguientes algoritmos son finitos?
. Cuáles de los siguientes algoritmos son finitos? a Cálculo del producto de dos números enteros. b Cálculo de la división de dos números enteros. c Cálculo de la raíz cuadrada de un número natural. d
Más detallesTema 2 Resolución numérica de ecuaciones: Métodos de iteración funcional
Tema 2 Resolución numérica de ecuaciones: Métodos de iteración funcional Índice de contenidos Métodos de iteración funcional, Análisis de la convergencia. Aplicaciones contractivas. Revisión del método
Más detalles(a) (0.5 puntos) Compruebe que esta ecuación tiene exactamente una solución en el intervalo
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERÍA. INSTITUTO DE CIENCIAS BÁSICAS. Cálculo Numérico, Control 1. Semestre Otoño 007 Problema 1. Se desea encontrar una raíz de la función f(x) = cos (x) x.
Más detallesMetodos Numéricos Tema: Solución de ecuaciones no lineales
Metodos Numéricos Tema: Solución de ecuaciones no lineales Irene Tischer Escuela de Ingeniería y Computación Universidad del Valle, Cali Typeset by FoilTEX 1 Métodos numéricos Tema: Sistemas Lineales Contenido
Más detalles1. Cuáles de los siguientes algoritmos son finitos?
. Cuáles de los siguientes algoritmos son finitos? a Cálculo del producto de dos números enteros. b Cálculo de la división de dos números enteros. c Cálculo de la raíz cuadrada de un número natural. d
Más detallesMétodo de la secante
1.5em 0pt Método de la secante Azcatl Gabriela Huitzil Santamaría Natalia Benemerita Universidad Autónoma de Puebla Facultad de Ciencias Física Matemáticas 21/05/2018 zcatl Gabriela, Huitzil Santamaría
Más detallesTeorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias.
Teorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias. Dr. Rafael Morones E. Dept. de Matemáticas ITAM August 5, 2002 1 Contenido 1 Preliminares. 3 1.1 Sucesiones...............................
Más detallesAnálisis Numérico: Soluciones de ecuaciones en una variable
Análisis Numérico: Soluciones de ecuaciones en una variable MA2008 Contexto Uno de los problemas básicos en el área de Ingeniería es el de la búsqueda de raíces: Dada una función o expresión matemática
Más detallesResolución de ecuaciones no lineales
Capítulo 2 Resolución de ecuaciones no lineales 2.1 Primeros métodos: bisección, regula falsi, secante, Newton-Raphson. 2.1.1 Introducción Supongamos que cierta población, P = P t), crece a un ritmo proporcional
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 3: Resolución aproximada de ecuaciones
E.T.S. Minas: Métodos Matemáticos Soluciones Tema 3: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre
Más detallesApellidos:... Nombre:... Examen
Cálculo Numérico I. Grado en Matemáticas y doble grado Física/Matemáticas. 16 de junio de 017 Curso 016/017. Apellidos:... Nombre:... Examen 1. Explicar razonadamente si las siguientes afirmaciones son
Más detallesTema 5: Resolución aproximada de ecuaciones
Métodos Numéricos: Solución de los ejercicios Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 7
Análisis Numérico para Ingeniería Clase Nro. 7 Sistemas de Ecuaciones No Lineales Temas a tratar: Método de Bisección. Método de Punto Fijo. Método de Punto Fijo Sistemático. Método de Newton-Raphson.
Más detallesNombre y Apellidos: x e 1 x 1 x f(x) = ln(x) x
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Nombre y Apellidos: Cálculo I Convocatoria de Diciembre de Diciembre de 008 DNI: (6.5 p.) ) Se considera la función f : R R definida
Más detallesPráctica 4 Métodos de resolución numérica de ecuaciones
practica6.nb 1 Práctica 4 Métodos de resolución numérica de ecuaciones El objetivo de esta práctica es resolver una ecuación del tipo f(x)=0 aplicando un método numérico. Cuando queramos emplear algún
Más detalles3.4 El Teorema de Taylor. Extremos relativos
3.4. EL TEOREMA DE TAYLOR. EXTREMOS RELATIVOS 103 3.4 El Teorema de Taylor. Extremos relativos La derivación está directamente relacionada con la posibilidad de aproximar localmente funciones suficientemente
Más detallesTALLERES DE METODOS NUMERICOS SOLUCION NUMERICA DE ECUACIONES NO LINEALES
TALLERES DE METODOS NUMERICOS SOLUCION NUMERICA DE ECUACIONES NO LINEALES. Usar un procedimiento iterativo para calcular una aproimación a la menor raíz positiva de la ecuación : sen π = 0 Calcular tres
Más detallesSOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES
SOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES EL PROBLEMA DE OBTENER LOS CEROS O RAÍCES DE UNA ECUACIÓN ALGEBRAICA O TRASCENDENTE, ES UNO DE LOS REQUERIDOS MAS FRECUENTEMENTE, DEBIDO A ELLO
Más detallesNombre y Apellidos: x (1 + ln(x)) si x > 0 f(x) = 0 si x = 0.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Convocatoria de Septiembre de Septiembre de 008 Nombre y Apellidos: DNI: (6.5 p.) ) Se considera la función f : [0,
Más detallesMétodos de resolución de Ecuaciones no Lineales
Tema 2 Métodos de resolución de Ecuaciones no Lineales 2.1. Generalidades. Orden de convergencia Nos planteamos en este tema el problema de la resolución aproximada de Ecuaciones no Lineales. Este problema
Más detallesGuía Semana 7 1. RESUMEN 2. EJERCICIOS PROPUESTOS. Universidad de Chile. Ingeniería Matemática
. RESUMEN FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo en Varias Variables 08- Guía Semana 7 Teorema de la función inversa. Sea f : Ω Ê N Ê N, Ω abierto, una función de clase
Más detallesRaíces de ecuaciones no lineales
Raíces de ecuaciones no lineales Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
Más detallesCálculo: Notas sobre diferenciabilidad en una variable
Cálculo: Notas sobre diferenciabilidad en una variable Antonio Garvín Curso 04/05 1 Derivabilidad en una variable 1.1 La derivada de una función en un punto Para una función f: R R tal que todo un intervalo
Más detalles3. Métodos de resolución
1 3. Métodos de resolución Ecuaciones algebraicas lineales Ecuaciones algebraicas no lineales Métodos para una variable Métodos para multivariable 2 Ecuaciones Algebraicas Lineales No lineales Interval
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 3 Resolución aproximada de ecuaciones
E.T.S. Minas: Métodos Matemáticos Soluciones Tema 3 Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso
Más detallesTema 2 Resolución de Ecuaciones No Lineales
Tema 2 Resolución de Ecuaciones No Lineales Índice 1. Introducción 2. Método de Bisección 2.1 Algoritmo del Método de Bisección 2.2 Análisis de Método de Bisección 3. Método de Regula-Falsi 3.1 Algoritmo
Más detallesCURSO DE METODOS NUMERICOS SEGUN DA PART E SOLUCION APROXIMADA DE ECUACIONES DE UNA VARIABLE
CURSO DE METODOS NUMERICOS SEGUN DA PART E SOLUCION APROXIMADA DE ECUACIONES DE UNA VARIABLE V. Muto Ecuaciones de una variable: Preliminares Cap. V CAPITULO V. SOLUCION APROXIMADA DE ECUACIONES DE UNA
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesResolución de ecuaciones no lineales
Resolución de ecuaciones no lineales Contenidos Raíz de una ecuación Método de bisección El método de Newton-Raphson Método de la secante Orden de convergencia Comandos Matlab Ejemplo: una bola que flota
Más detallesPráctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función.
Práctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función. Se suele llamar método de Newton-Raphson al método de Newton cuando se utiliza para calcular los ceros
Más detallesRaíces de ecuaciones no lineales
Raíces de ecuaciones no lineales Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
Más detallesMÉTODO DE NEWTON RAPHSON
Consiste en elegir un punto inicial cualquiera Po como aproximación de la raíz. Una buena aproximación inicial es aquella para la cual resulta válida la desigualdad: (Po) f (Po) > 0 Es importante tener
Más detallesUnidad didáctica 11: Ecuaciones no lineales. Aproximaciones sucesivas. Método de Newton-Raphson. Ejercicios.
Unidad didáctica 11: Ecuaciones no lineales. Aproimaciones sucesivas. Método de Newton-Raphson. Ejercicios. Israel Cañamón Valera Dto. de Matemática Aplicada y Métodos Inormáticos. E.T.S.I. Minas 1 ÍNDICE
Más detallesUniversidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación
Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación EJERCICIOS RESUELTOS DE ECUACIONES NO LINEALES Profesor: Jaime Álvarez Maldonado Ayudante: Rodrigo
Más detallesFacultad de Física. Métodos Numéricos
Facultad de Física Métodos Numéricos Dr. Antonio Marín Hernández Centro de Investigación en Inteligencia Artificial Universidad Veracruzana Sebastían Camacho # 5 Xalapa, Veracruz lineales 1. Método de
Más detallesCálculo infinitesimal Grado en Matemáticas Curso 20014/15 Clave de soluciones n o 6. Derivadas de orden superior
Cálculo infinitesimal Grado en Matemáticas Curso 2004/5 Clave de soluciones n o 6 Derivadas de orden superior 70. Hallar los polinomios de Taylor del grado indicado y en el punto indicado para las siguientes
Más detallesMétodos Numéricos Cap 3: Resolución de ecuaciones no lineales
/9 Graficación Solución de Ecuaciones no lineales Ej.: *cos(^2 = fplot('(*cos(^2',[,2] 2.5.5 Encontrar raíces o ceros de f( en un intervalo dado, es decir encontrar / f( = con [a, b]. en [-.5,.5], = en
Más detallesEcuaciones no lineales. Búsqueda de ceros de funciones.
Capítulo 5 Ecuaciones no lineales. Búsqueda de ceros de funciones. 1. Introducción. 2. Ceros de ecuaciones no lineales de una variable. 3. Sistemas de n ecuaciones no lineales. 4. Ceros de un polinomio.
Más detallesAnálisis Matemático I
Análisis Matemático I Funciones Implícitas Francisco Montalvo Curso 2011/12 Índice 1. Teorema de existencia de Funciones Implícitas 1 1.1. Punto fijo.............................. 1 1.2. Planteamiento............................
Más detallesDerivación de funciones reales de una variable
Derivación de funciones reales de una variable Derivada de una función en un punto. Interpretación física y geométrica Aproximación de raíces: Método de Newton Raphson Derivabilidad Cálculo de derivadas
Más detallesNombre y Apellidos: e f(x) dx. Estudiar si converge la integral impropia
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Convocatoria de Febrero 27 de Enero de 26 Nombre y Apellidos: DNI: 6.25 p.) ) Se considera la función f : [, ) R definida
Más detallesCÁLCULO DE RAÍCES DE ECUACIONES NO LINEALES. Por Frednides Guillén
CÁLCULO DE RAÍCES DE ECUACIONES NO LINEALES Por Frednides Guillén MÉTODO DE BISECCIÓN Este método consiste en hallar los ceros de una función continua f(). Primero se debe considerar un intervalo [ i,
Más detallesTeoremas de la función inversa, función implícita y del rango constante
Teoremas de la función inversa, función implícita y del rango constante Pablo Zadunaisky 13 de marzo de 2015 A lo largo de este documento usamos varias normas sobre espacios vectoriales de dimensión finita,
Más detallesAnálisis Matemático. Convocatoria de enero Prueba Global. Evaluación Continua
Apellidos y nombre: Análisis Matemático. Convocatoria de enero. 9--26. Prueba Global. Evaluación Continua Instrucciones: No abandonar el examen durante los primeros 3 minutos. Tiempo para esta parte del
Más detallesAproximación numérica de raíces de ecuaciones y de sistemas de ecuaciones.
1 Aproximación numérica de raíces de ecuaciones y de sistemas de ecuaciones. Índice 1. INTRODUCCIÓN...2 2. ACOTACIÓN DE RAÍCES DE POLINOMIOS...3 Cota de raíces...3 Número de raíces...6 3. TEOREMA (de Sturm).-...7
Más detallesCEROS DE FUNCIONES. Laboratori de Càlcul Numèric (LaCàN) Universitat Politècnica de Catalunya (UPC)
CEROS DE FUNCIONES Laboratori de Càlcul Numèric (LaCàN) Universitat Politècnica de Catalunya (UPC) http://www-lacan.upc.edu Diseño de un colector solar Diseño óptimo de un colector solar plano para obtener
Más detallesTEORÍA DE CÁLCULO I. Para Grados en Ingeniería. Capítulo 2: Cálculo diferencial de una variable. Domingo Pestana Galván José Manuel Rodríguez García
TEORÍA DE CÁLCULO I Para Grados en Ingeniería Capítulo 2: Cálculo diferencial de una variable Domingo Pestana Galván José Manuel Rodríguez García Figuras realizadas con Arturo de Pablo Martínez 1 TEMA
Más detallesProblemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices:
Problemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices: 5 2 1 1 0 3 1 0 3 3 1 6. 3 1 6 5 2 1 2.- Dada la matriz A = 10 7 8 7 5 6, 8 6 10 hallar
Más detalles= f (a) R. f(x) f(a) x a. recta por (a, f(a)) de pendiente f(a+h2) f(a) recta tangente por (a, f(a)) de pendiente f (a)
1 1. DERIVACIÓN 1.1. DEFINICIONES Y RESULTADOS PRINCIPALES Definición 1.1. Derivada. Sea f una función definida en un intervalo abierto I con a I. Decimos que f es derivable en a si existe y es real el
Más detalles1.3. El teorema de los valores intermedios
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 07-2 Importante: Visita regularmente http://www.dim.uchile.cl/calculo. Ahí encontrarás
Más detallesOPTIMIZACIÓN NO LINEAL UNIDIMENSIONAL
de Abril de 208 OPTIMIZACIÓN NO LINEAL UNIDIMENSIONAL (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación No Lineal José Luis Quintero
Más detallesPráctica 8 Resolución de ecuaciones y sistemas de ecuaciones con Mathematica
Práctica 8 Resolución de ecuaciones y sistemas de ecuaciones con Mathematica Resolver una ecuación o un sistema de ecuaciones es un problema que se presenta con mucha frecuencia en matemáticas. En esta
Más detallesDefinición 11.1 Sea f : A E F una aplicación r-veces diferenciable en un punto a A. o
Capítulo 11 Teoremas de Taylor Una vez más nos disponemos a extender a las funciones de varias variables resultados ya conocidos para funciones de una variable, los teoremas de aproximación de Taylor.
Más detallesControl 1, MA-1A2 Cálculo Diferencial e Integral Escuela de Ingeniería, FCFM, U. de Chile Semestre 2008/2 (30 de Agosto)
Control 1, MA-1A Cálculo Diferencial e Integral Escuela de Ingeniería, FCFM, U. de Chile Semestre 008/ (30 de Agosto) P1) Considere la función definida mediante la siguiente ley: x si x < a f(x) = x +
Más detallesMétodos Numéricos (SC 854) Solución de ecuaciones no lineales. 1. Definición del problema: raíces de ecuaciones no lineales
Solución de ecuaciones no lineales c M. Valenzuela 007 008 (5 de mayo de 008) 1. Definición del problema: raíces de ecuaciones no lineales Dada una ecuación de una variable independiente x, f(x) =0, (1)
Más detallesSemana 2 [1/24] Derivadas. August 16, Derivadas
Semana 2 [1/24] August 16, 2007 Máximos y mínimos: la regla de Fermat Semana 2 [2/24] Máximos y mínimos locales Mínimo local x es un mínimo local de la función f si existe ε > 0 tal que f( x) f(x) x (
Más detallesSolve[polinomio==0,x]
Práctica 7 Resolución de ecuaciones Resolución de ecuaciones polinómicas La sentencia Roots[polinomio==0,x] obtiene todas las raíces reales y complejas de la ecuación polinómica correspondiente generando
Más detallesFunciones de una variable real II Fórmula de Taylor y aplicaciones
Universidad de Murcia Departamento Matemáticas Funciones de una variable real II Fórmula de Taylor y aplicaciones B. Cascales J. M. Mira L. Oncina Departamento de Matemáticas Universidad de Murcia Grado
Más detallesLaboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Spain)
Ceros de funciones Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Spain) http://www-lacan.upc.es Índice Objetivos Esquemas iterativos
Más detalles