Sei sulla pagina 1di 13

METODO DE LA BISECCION

Se ha visto en el método grafico que la función cambia de signo en la vecindad de una raíz.

De forma, si F(x) es real y continua en el intervalo que va desde 𝑥𝑙 hasta un 𝑥𝑢 y 𝑓(𝑥𝑙) y


𝑓(𝑥𝑢) tienen signos opuestos.

𝑓(𝑥𝑙) × 𝑓(𝑥𝑢) < 0

Entonces hay al menos una raíz real entre 𝑥𝑙 𝑦 𝑥𝑢

El método de la bisección también se le conoce como corte binario, de partición de


intervalos o de Bolzano. Este método es un tipo de búsqueda incremental en el que el
intervalo se divide siempre a la mitad. Si la función cambia de signo sobre un intervalo se
evalúa el valor de la función en el punto medio del subintervalo, dentro del cual ocurre un
cambio de signo. Este proceso se repite hasta tener una mejor aproximación.

GRAFICAMENTE.

𝑓(𝑥) = 0 , y que está definido en [𝑥𝑙 , 𝑥𝑢 ] que sea continua --> 𝑓(𝑥𝑙) 𝑦 𝑓(𝑥𝑢) deben tener signos
opuestos
PROCEDIMIENTO PARA EL METODO DE LA BISECCION:

Paso 1.- Elegir el valor inferior 𝑥𝑙 y superior 𝑥𝑢 , que encierra una raíz.

Evaluar la función 𝑓(𝑥𝑙) 𝑦 𝑓(𝑥𝑢) de tal forma que la función cambie se signó en el intervalo

𝑓(𝑥𝑙) × 𝑓(𝑥𝑢) < 0

Paso 2.- Se determina una raíz aproximada 𝑥𝑟 mediante:


𝑥𝑙 +𝑥𝑢
𝑥𝑟 = 2

Paso 3.- Realizar las siguientes evaluaciones para determinar en que subintervalo está la
raíz.

a) Si 𝑓(𝑥𝑙) × 𝑓(𝑥𝑢) < 0 -> la raíz se encuentra dentro del subintervalo inferior o
izquierdo, por lo tanto hacer ⃖𝑋𝑢 = 𝑋𝑟 y regrese al PASO 2.

b) Si𝑓(𝑥𝑙) × 𝑓(𝑥𝑢) > 0 -> La raíz se encuentra dentro del subintervalor superior o
derecho, por lo tanto hacer𝑋𝑙
⃖ = 𝑋𝑟 y volver al PASO 2.
c) Si 𝑓(𝑥𝑙) × 𝑓(𝑥𝑢) = 0 -> La raíz es igual a Xr y termina el cálculo.
Como control del proceso iterativo podemos usar el error
relativo porcentual Ea:
𝑋𝑟 𝑛𝑢𝑒𝑣𝑜 − 𝑋𝑟 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐸𝑎 = | | 𝑥100
𝑋𝑟 𝑛𝑢𝑒𝑣𝑜

𝐸𝑠 = (0.5𝑥102−𝑛 )%

𝐸𝑎 ≤ 𝐸𝑠

Ejemplo:

Usar el método de la bisección para calcular la raíz de F(x)=𝑒 −𝑥 − 𝑥 en el intervalo [0,1],


con una aproximación de 4 cifras signifitcativas.

Sol:

Xl=0 ^ Xu=1, n=4cifras

es=(0.5x102−𝑛 )% = 0.005% El proceso iterativo será para Ea ≤ Es = 0.005%


I Xl Xu F(xl) F(xu) Xr=(Xl+Xu)/2 F(Xr) F(Xl).F(Xr) Ea
1 0.00000 1.00000 1.000000 -0.632121 0.500000 0.106531 0.106531 100.0000%
2 0.50000 1.00000 0.106531 -0.632121 0.750000 -0.277633 -0.029576 50.0000%
3 0.50000 0.75000 0.106531 -0.277633 0.625000 -0.089739 -0.009560 16.6667%
4 0.50000 0.62500 0.106531 -0.089739 0.562500 0.007283 0.000776 10.0000%
5 0.56250 0.62500 0.007283 -0.089739 0.593750 -0.041498 -0.000302 5.5556%
6 0.56250 0.59380 0.007283 -0.041575 0.578150 -0.017215 -0.000125 2.6274%
7 0.56250 0.57820 0.007283 -0.017293 0.570350 -0.005022 -0.000037 1.3491%
8 0.57040 0.57820 -0.005101 -0.017293 0.574300 -0.011201 0.000057 0.6926%
9 0.57430 0.57820 -0.011201 -0.017293 0.576250 -0.014248 0.000160 0.3395%
10 0.57630 0.57820 -0.014326 -0.017293 0.577250 -0.015810 0.000226 0.1735%
11 0.57730 0.57820 -0.015888 -0.017293 0.577750 -0.016590 0.000264 0.0866%
12 0.57780 0.57820 -0.016669 -0.017293 0.578000 -0.016981 0.000283 0.0433%
13 0.57800 0.57820 -0.016981 -0.017293 0.578100 -0.017137 0.000291 0.0173%
14 0.57810 0.57820 -0.017137 -0.017293 0.578150 -0.017215 0.000295 0.0086%
15 0.57815 0.57820 -0.0172 -0.0173 0.5782 -0.0173 0.000297 0.0043%
2. METODO DE LA REGLA FALSA(Regula falsi)

Este método consiste en unir 𝑓(𝑥𝑙) 𝑦 𝑓(𝑥𝑢) con una línea recta, la intersección de esta línea
recta con la abscisa nos da una raíz aproximada a la solución exacta. También se le conoce
como el método de interpolación lineal
Por semejanza de triángulos:
𝑓(𝑥𝑙) 𝑓(𝑥𝑢) 𝐹(𝑋𝑢)∗(𝑋𝑙−𝑋𝑢) (−0.6321)(0−1)
=𝑥  𝑥𝑟 = 𝑥𝑢 − 𝐹(𝑋𝑙)−𝐹(𝑋𝑢) --> 𝑋𝑟 = 1 − = 0.61270
𝑥𝑟 −𝑥𝑙 𝑟 −𝑥𝑢 1− −0.6321

Ejemplo 1)

Resolver la función 𝑓(𝑥) = 𝑒 −𝑥 − 𝑥 con el método de la Regla Falsa, con el intervalo [0,1]
con n=4 cifras significativas.

es=(0.5x102−𝑛 )% = 0.005%  El proceso iterativo será para Ea ≤ Es = 0.005%

I Xl Xu F(xl) F(xu) Xr F(Xr) F(xl)xF(xr) Ea


1 0.00000 1.00000 1.00000 -0.63212 0.61270 -0.07081 -0.07081 100%
2 0.00000 0.61270 1.00000 -0.07081 0.57218 -0.00789 -0.00789 7.0814%
3 0.00000 0.57218 1.00000 -0.00789 0.56770 -0.00088 -0.00088 0.7888%
4 0.00000 0.56770 1.00000 -0.00088 0.56721 -0.00010 -0.00010 0.0877%
5 0.00000 0.56721 1.00000 -0.00010 0.56715 -0.00001 -0.00001 0.0098%
6 0.00000 0.56715 1.00000 -0.00001 0.56714 0.00000 0.00000 0.0011%
SOLUCION DE EC.NO LINEALES POR METODOS ABIERTOS
-M NEWTON RAPHSON
-M SECANTE
-M PUNTO FIJO

METODO DE NEWTON RAPHSON:


Este es uno de los métodos más utilizados en el campo de la ingeniería. El algoritmo
se deduce de la siguiente manera:

𝐹′(𝑋𝑖)
𝑋𝑖 + 1 = 𝑋𝑖 − 𝐹(𝑥𝑖)
Ejemplo Usando Newton Raphson

𝐹(𝑥) = 𝑒 −𝑥 − 𝑥

Valor inicial (semilla), x=0. Del algoritmo

𝑥𝑖+1 = 𝑥 𝐹(𝑥𝑖)
𝑖−
𝐹′(𝑥𝑖)

Para el algoritmo

𝐹 ′ (𝑥) = −𝑒 −𝑥 − 1

es= (0.5x10^2-n), Considere es=0.001

Primero veremos de manera manual como se trabajaría el método de Newton Raphson y


luego con ayuda del programa Matlab construiremos un algoritmo que nos de la raíz de la
ecuación.

𝑒 −𝑥𝑖 − 𝑥𝑖
𝑋𝑖+1 = 𝑋𝑖 −
−𝑒 −𝑥𝑖 − 1

i Xi F(xi) F'(xi) F(xi)/F'(xi) Ea


1 0.00000 1.00000 -2.00000 -0.50000 100.00000%
2 0.50000 0.10653 -1.60653 -0.06631 100.00000%
3 0.56631 0.00130 -1.56762 -0.00083 11.70929%
4 0.56714 0.00000 -1.56714 0.00000 0.14673%
5 0.56714 0.00000 -1.56714 0.00000 0.00002%
6 0.56714 0.00000 -1.56714 0.00000 0.00000%
METODO DE LA SECANTE

En análisis numérico el método de la secante es un método para encontrar los ceros de una función de

En análisis numérico el método de la secante es un método para encontrar los ceros de una
función de forma iterativa.

Es una variación del método de Newton-Raphson donde en vez de calcular la derivada de la


función en el punto de estudio, teniendo en mente la definición de derivada, se aproxima la
pendiente a la recta que une la función evaluada en el punto de estudio y en el punto de la
iteración anterior. Este método es de especial interés cuando el coste computacional de
derivar la función de estudio y evaluarla es demasiado elevado, por lo que el método de
Newton no resulta atractivo.

En otras palabras, el método de la secante es un algoritmo de la raíz de investigación que


utiliza una serie de raíces de las líneas secantes para aproximar mejor la raíz de una
función f. El método de la secante se puede considerar como una aproximación en
diferencias finitas del método de Newton-Raphson. Sin embargo, este método fue
desarrollado independientemente de este último.
𝑥𝑖 − 𝑥𝑖−1
𝑋(𝑖+1) = 𝑥𝑖 − 𝑥𝑓
𝑓(𝑥𝑖) − 𝑓𝑥𝑖−1 𝑥𝑖

Ejemplo:

Por el método de la secante hallar la raíz de:

𝐹𝑥 = 𝑒 −𝑥 − 𝑥

𝑥𝑖−1 = 0 ; 𝑥 = 1

Xi Valor de Xi F(xi) F(xi-1) Xi - X(i-1) Ea


0 5
1 2 -1.864664717 -4.9932621 -3
2 0.21198015 0.597000612 -1.8646647 -1.7880199 843.48458%
3 0.64560893 -0.121265776 0.5970006 0.43362879 67.16586%
4 0.57239886 -0.008228418 -0.1212658 -0.0732101 12.79004%
5 0.56706963 0.000115445 -0.0082284 -0.0053292 0.93979%
6 0.56714336 -1.09698E-07 0.0001154 7.3735E-05 0.01300%
7 0.56714329 -1.46216E-12 -1.097E-07 -7E-08 0.00001%
8 0.56714329 0 -1.462E-12 -9.33E-13 0.00000%
9 0.56714329 0 0 0 0.00000%

Insertar el progra()
METODO DEL PUNTO FIJO

F(X)=0

(GRAFICAMENTE)

|𝑋𝐼+1 − 𝑋1 | ≤ 𝐷𝐼𝑆𝑇

Si se tiene una ecuación algebraica o trascendente cualquiera de la forma se puede


transformar a su equivalente en

𝑔(𝑥) = 𝑥

Esto es al sumar X a ambos miembros de la ecuación

𝑓(𝑥) + 𝑥 = 𝑥

𝑔(𝑥) = 𝑥

 G(x)=F(x)+x El método del punto fijo consiste en sustituir un valor inicial (xo)
Aproximado a la raíz en el primer miembro de la ecuación
G(x0)=X0
X1=G(x0)
Nuevamente al sustituir X1 en el primer miembro de la ecuación 2 se obtiene las
siguiente aproximación
X2=G(x1)
Entonces para la enésima aproximación será
Xn=g(Xn-1), n=1,2,3… Algoritmo del método del Punto fijo.

El método será convergente si la diferencia del valor absoluto entre los valor calculados

En dos iteraciones sucesivas es cada vez menor a medida que “n” aumenta.

Debe cumplirse el criterio de LIPSCHITZ.

|𝑔′ (𝑥) | ≤ 1

Convergencia monotonica
Convergencia Oscilatoria

Divergencia monotinica

Divergencia oscilatoria

Ejemplo

𝑓(𝑥) = 𝑒 −𝑥 − 𝑥 = 0

𝑒 −𝑥 − 𝑥 + 𝑥 = 𝑥

𝑒 −𝑥 = 𝑥

 𝑔(𝑥) = 𝑥
Si X0=1 %valor inicial
𝑔(𝑥) = 𝑒 −𝑥

𝑔′ (𝑥) = −𝑒 −𝑥

|𝑔′ (𝑥0) | = |−𝑒 −𝑥0 | < 1

𝑒 −𝑥𝑖 = 𝑥𝑖+1

i Xi Xi+1 ea%
0 0 1 100
1 1 0.3679 176.619
2 0.3679 0.69218 46.84
3 0.692186 0.5004808 38.3

<0.005%

Potrebbero piacerti anche