Newton Raphson

Este mtodo es uno de los mas utilizados para localizar races ya que en general
es muy eficiente y siempre converge para una funcin polinomial.
Se requiere que las funciones sean diferenciables, y por tanto, continuas, para
poder aplicar este mtodo.
Se debe partir de un valor inicial para la raz: x
i
, este puede ser cualquier valor, el
mtodo convergir a la raz mas cercana.
Si se extiende una tangente desde el punto , el punto donde esta
tangente cruza al eje x representa una aproximacin mejorada de la raz.


La frmula de Newton-Raphson se deduce a partir de la frmula de la pendiente
de una recta.
Pendiente de una recta:







Hay que determinar un numero mximo de iteraciones
Normalmente esto se hace considerando una tolerancia , esto es:
El valor absoluto de la diferencia de la debe ser menor que la tolerancia o
el resultado de alguna frmula de error debe ser menor que la tolerancia dada.
Una de las frmulas de error mas tiles es la del error relativo porcentual
aproximado:
100 %
El mtodo de Newton-Raphson es convergente cuadrticamente, es decir, el error
es aproximadamente al cuadrado del error anterior.
Esto significa que el numero de cifras decimales correctas se duplica
aproximadamente en cada interaccin.
Cuando el mtodo de Newton-Raphson converge, se obtienen resultados en
relativamente pocas interacciones, ya que para races no repetidas este mtodo
converge con orden 2 y el error E
i+1
es proporcional al cuadrado del resultado
anterior E
i

Supngase que el error en una iteracin es 10
-n
el error en la siguiente, (que es
proporcional al cuadrado del error anterior) es entonces aproximadamente 10
-2n
,
el que sigue ser aproximadamente 10
-4n
etc.
De esto puede afirmarse que de cada iteracin duplica aproximadamente el
numero de dgitos correctos.
Sin embargo el mtodo de Newton-Raphson algunas veces no converge, sino que
oscila. Esto ocurre si no hay raz real, si la raz es un punto de inflexin o si el
valor inicial esta muy alejado de la raz buscada y alguna otra parte de la funcin
atrapa la iteracin.
Gauss-Seidel
El mtodo de Gauss-Seidel es el mas comnmente usado para resolver sistemas
muy grandes de ecuaciones lineales.
Es una modificacin del mtodo de Jcobi que hace que la convergencia sea mas
rpida.
Comienza con una aproximacin inicial x(0) a la solucin x y genera una sucesin
de vectores x(k)que convergen a la solucin x.
Un sistema de ecuaciones algebraicas lineales es un conjunto de ecuaciones de la
forma:



:: :: ::

O bien en su forma matricial:

Que a su vez se puede expresar como:
Ax = b
Donde A es la matriz de coeficientes, x es el vector de incgnitas y b el vector de
trminos independientes.
La solucin del sistema de ecuaciones es un conjunto de n
valores que satisfacen simultneamente todas las ecuaciones.
Tanto en el mtodo de Gauss-Seidel como en el de Jcobi, el valor que se le de
al vector inicial carece de importancia, ya que el mtodo convergir a la solucin
rpidamente no obstante que el vector inicial tenga valores muy lejanos a la
solucin. Es por esto que se acostumbra a dar el vector 0como vector inicial.
En la solucin de estos problemas pueden presentarse 3 casos:
1.- Solucin nica Sistema compatible
determinado.
2.- Mas de una solucin Sistema compatible e
indeterminado.
(numero infinito de soluciones)
3.- Sin solucin Sistema incompatible.
Ilustrando el mtodo de Gauss-Seidel con un sistema de ecuaciones de 3x3, si el
vector:

Es el vector aproximacin a la solucin x despus de k iteraciones, entonces se
tiene que para la siguiente aproximacin:

Para un sistema de n ecuaciones con n incgnitas se tiene la siguiente frmula
(usando una notacin mas compacta):
Para 1 i n