Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Método usado para obtener raíces de ecuaciones no lineales; son ecuaciones no lineales los
polinomios, las funciones radicales, las logarítmicas, trigonométricas, trigonométricas inversas,
hiperbólicas, exponenciales.
Asume que las funciones f(x) sea continuamente variable, derivable y que se conoce la primera
y la segunda derivada de la función.
Ventajas
Si converge lo hace mucho más rápido que el método de bisección, o que el método
de Newton.
Se generaliza para sistemas de ecuaciones
El método iterativo de Halley al momento de la resolución de los sistemas de
ecuaciones no lineales presenta una mayor eficacia y convergencia que el método de
Newton.
La resolución de sistemas de ecuaciones no lineales con el método iterativo de Halley
implica un menos coste computacional que la resolución del mismo con el método
iterativo de Newton.
Desventajas
Algoritmo
Inicio
Calcular la ecuación
2𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 =
2[𝑓´(𝑥𝑛 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )
Calcular error, tolerancia y verificar si cumple con la condición de entrada.
|𝑓(𝑥𝑛+1 )| < 𝜀
Si |𝑓(𝑥𝑛+1 )| > 𝜀 ,Iniciar paso 1 considerando : 𝑥0 = 𝑥𝑛+1 , 𝑥𝑛+1
Si
|𝑓(𝑥𝑛+1 )| < 𝜀
Fin
Ecuación
𝜑(𝑥) 2𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥𝑛 − =
𝜑´(𝑥) 2[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )
Ejercicio
f ( x) x 3 2 x 5
Paso 1
𝑥0= − 1
𝜀 = 0,01
Paso 2
𝑓´(𝑥) = 2𝑥 2 − 2
𝑓´´(𝑥) = 4𝑥
𝑥𝑛+1 =
Paso 3
Fin
Método Richmond
Ventajas
Ecuación
2𝑓(𝑥𝑛 )𝑓´(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
2[𝑓´(𝑥𝑛 )]2 𝑓(𝑥𝑛 )𝑓"(𝑥𝑛 )
Metodo de Newton Rapshon Modificado
Ventajas
Converge rápidamente
Se usan en sistemas de ecuaciones no lineales con n incognitas y se aplica el
método acorde al número de incognitas
Desventajas
Ecuación
𝑓(𝑥𝑛 )𝑓´(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
[𝑓´(𝑥𝑛 )]2 − 𝑓(𝑥𝑛 )𝑓"(𝑥𝑛 )
𝑓´(𝑥) = 3𝑥 2 − 10𝑥 + 7
𝑓´´(𝑥) = 6𝑥 2 − 10
𝑥0= 0
𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )
Sustituyendo
𝑥𝑛+1 = 1.1052
Segunda Iteración
𝑥0= 1.1052
𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )
Sustituyendo
𝑥𝑛+1 = 1.0030
Calculando el error
1.0030 − 1.1052
𝜀=| | = 0,1019
1.0030
Tercera Iteración
𝑥0= 1.0030
𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )
𝑥𝑛+1 = 1.0000024
Calculando el error
1.0000024 − 1.0030
𝜀=| | = 0,0031
1.0000024
Cumple condición
Fin
Se dice que hay una raíz triple, cuando 3 términos de la ecuación son iguales a cero a un valor
Cuando la cantidad de raíces es impar, la función cruza al eje; cuando la cantidad es par, no lo
“Una raíz múltiple corresponde a un punto donde una función es tangencial al eje x, y varios va
Características principales.
o Mayor velocidad a la hora de encontrar la raíz de la función.
o No se limitan simplemente a un intervalo, En teoría; Evalúan en toda la función
hasta encontrar una raíz.
Desventajas(En el caso de Newton-Raphson)
o La pendiente de la derivada no puede ser cero en el mismo punto de la raíz
se observa que la función U(x) tiene las mismas raíces que f(x), entonces U(x) se
vuelve cero en cualquier punto que f(x) es cero.
Suponiendo ahora que f(x) tiene una raíz múltiple en x = c de multicidad r. Esto
podría ocurrir, por ejemplo, si f(x) contiene un factor (x-c) . Entonces, podría
fácilmente demostrarse que U(x) tiene una raíz en x = c de multicidad r, o una raíz
simple. Puesto que el método de Newton Raphson es efectivo para raíces simples,
podemos aplicar el método de Newton para resolver U(x) en lugar de f(x). De esta
manera, la ecuación recursiva de este método queda,
f2(x,y)=0
Tomando los valores iniciales x0,y0, se calcula a partir del metodo de Newton-
Raphson univariable un nuevo valor x1 .
Ya teniendo f1(x0,y0) y df1/dx estos dos evaluados en x0,y0.
Hay que observar que se a obtenido x1 a partir de f1 y los valores mas recientes de
X y Y; x0,y0.
Ahora emplearemos f2 y los valores mas recientes de X y Y; x1, y0 para calcular y1
Donde df2/dy se evalúa en x1,y0. Se obtiene ahora x1 y y1. con estos valores se
calcula x2, después y2, y así sucesivamente.
Este metodo converge a menudo si x0,y0 esta muy cerca de xnegada y ynegada, y
requiere la evaluacion de solo 2n funciones por paso (cuatro para el caso de dos
ecuaciones que se esta manejando). Hay que observar que se han empleado
desplazamientos sucesivos, pero los desplazamientos simultaneos tambien son
aplicables.
ALGORITMO
1.- Inicio
8.- Fin
DIAGRAMA DE FLUJO
Función: 5*x^3-4*x^2-7*x+8
X inicial: 4
Tolerancia: 1
BISECCIÓN
Lo que concierne a la teoría de este método ya la publiqué anteriormente y la
puedes citar haciendo click en la siguiente liga:
Método de la bisección
Realizaremos uh ejercicio utilizando la interfaz gráfica de Matlab que previamente
hemos realizado:
Ejercicio 1
Función: 2*x^3-x^2-6*x+1
Límite inferior: -6
Límite superior: 6
Tolerancia: 1
VÍDEO DE AYUDA PARA UTILIZAR LA INTERFAZ
Algoritmo NEWTON-RAPHSON
MODIFICADO
1.-inicio
2.-Introducir la función
3.-Introducir el valor de X
4.- Se introduce el valor del error deseado.
5.- Seleccionamos el método Newton-Raphson para calcular la raices.
6.- Se calcula por medio del programa la primera y segunda derivada
7.-Se evalúan las derivadas con las valores iniciales
8.- El programa trabajara iterando asta llegar a al error deseado
9.- Se calcula la gráfica con la función ya previamente dada en el paso
2
10.- Se imprime el resultado
11.- Fin
A continuación se presenta un reporte , sobre la elaboración de una practica realizada en
matlab, la cual consiste en encontrar la raíz de polinomios de funciones, este programa
ayuda a encontrar las raíces de una manera mas rápida, ya que esto es demasiado
tardado, pero el programa en la computadora lo ara en cuestiones de segundo.
La realización de esta practica se llevo a cabo con la ayuda del GUIDE, que es una
herramienta del matlab, el cual nos ayuda hacer la interfaz para nuestro programa y con
ello hacer nuestra programación de una manera mas fácil.
En esta pagina encontraras todo acerca de las conversiones de temperaturas, desde lo
teórico hasta como poder utilizar el programa y como realizar las conversiones deseadas.
También vendrá un archivo .rar donde podrás descargar el programa, así como también un
vídeo don se explica el funcionamiento del programa.
raphson modificado
Algoritmo
1.-Inicio
2.- Introducir una función
3.-Introducir el valor inicial del intervalo X.
4.-Introducir el error aproximado que se desee.
5.- Seleccionar el método del Newton-Raphsón mejorado para calcular las raíces en la
función.
6.-El programa calculara la primera y la segunda derivada.
7.- Ya que tenga las derivadas las evaluara con los valores iniciales que les dimos que se
habían guardado.
8.- dependiendo de los valores que se le dieron al error aproximado se estará iterando el
programa hasta que se cumpla con el error más aproximado.
9.- La gráfica sera conforme a la función que se le dio al programa y estará acotada con
los puntos de inicio y fin de los intervalos que se le dieron al inicio a la función.
10.-Una vez cumplido con el error aproximado que se nos pide, se imprimirá el resultado.
11.- Fin
Diagrama de Flujo
METODO DE NEWTON RAPHSON Y NEWTON RAPHSON MEJORADO
NEWTON RAPHSON
ALGORITMOS
METODO DE BISECCION
1.Inicio
2.-Introducir la funcion en el casillero superior
3.-Agregar el limite inferior de la función
4.-Establecer el limite superior de la función
5.-Introducir la tolerancia de error.
6.-Analizar que el producto del limite superior por el inferior sea menor
a cero.
7.-Determinar si la intervalo es correcto para esa función si si esta bien
te dara resultado y si no te marcara error
8.- da clic en calcular y se Imprimira el resultado
9.- Fin
METODO DE NEWTON RAPHSON
1.-Inicio
7.-Parar los calculos una ves que el error aproximado sea menor al del
requisito
10.-Fin
DIAGRAMAS DE FLUJO
METODO DE NEWTON RAPHSON NORMAL Y MEJORADO
METODO DE BISECCION
DESARROLLO DE LA PRACTICA
MÉTODO DE BISECCION
a)-0.4*x^2+2.2*x+4.7
b) y=8*x^3-7*x^2+8.9
Y aqui se vera que marca error ya que no tiene raiz en el intervalo que
yo le di
MÉTODO DE NEWTON RAPHSON MODIFICADO
por ello marcaba errror aqui,y otro punto no estan terminado por falta
de tiempo alguna dua o problema pregunten:D)
2.9 Método de Steffensen.
El método de Steffensen tiene en cuenta la observación anterior y se construye
combinando el método iterativo del punto fijo y el método de Aitken, de
manera que solamente se considera una sucesión de la siguiente forma:
, , ,^ , , ,^ , , ,^ , ...
o sea, cada dos iteraciones del punto fijo normal obtiene otro punto a partir de
la fórmula:
Ejemplo 2.5
Obtener una raíz de la función f(x) = x - cos x por la iteración del punto fijo y
aplicando el método de Steffensen, si tomamos g(x) = cos x =0y
error<0.01.
=0 = g(0) = 1
= g(1) = 0.5403
= g(0.7384) = 0.7395
Hacer K = 0
Repetir
x1 = g(x0)
x2 = g(x1)
Ix0 = x1 - x0
Ix1 = x2 - x1
R1 = Ix1 / Ix0
x0 = x2N
K = K+1
si no solución = x2N
Índice
[ocultar]
1Ventajas
2Algoritmo
o 2.1Código Matlab
3Enlaces externos
Ventajas[editar]
El método de Steffensen presenta una convergencia rápida y no requiere, como en el caso
del método de Newton, la evaluación de derivada alguna. Presenta además, la ventaja
adicional de que el proceso de iteración sólo necesita un punto inicial.
Otra ventaja del método de Steffensen es que -al igual que el de Newton- tiene
convergencia cuadrática. Es decir, ambos métodos permiten encontrar las raíces de una
función f "rápidamente" - en este caso rápidamente significa que en cada iteración, el
número de dígitos correctos en la respuesta se duplica. Pero la fórmula para el método de
Newton requiere la evaluación de la derivada de la función, el método de Steffensen no,
por lo que este último puede ser programado para una función genérica, mientras que la
función cumpla la restricción mencionada anteriormente.
El precio de la convergencia rápida es una doble evaluación de la función:
tanto como deben ser calculadas, lo que podría llevar un tiempo considerable
dependiendo de la función f. Por comparación, el método de la secante sólo necesita una
evaluación de la función por cada paso, así que con dos evaluaciones de la función del
método de la secante se pueden hacer dos pasos, y esos dos pasos aumentan el número
de dígitos correctos en un factor de 1,6. En un solo paso de tiempo el método de
Steffensen (o de Newton) aumenta los dígitos correctos en un factor de 2, lo que es sólo
un poco mejor.
Al igual que el método de Newton y otros métodos cuadráticamente convergentes, la
la secuencia de valores o bien puede oscilar entre dos valores, o bien divergir hacia
infinito (ambas alternativas pueden suceder).
Se calcula el siguiente punto de iteración a partir de la expresión:
Algoritmo[editar]
Para una sucesión {xn}, obtenida por el método del punto fijo xn+1 = f(xn), partimos de
tres puntos:[cita requerida]
y0= f(x0)
z0= f(y0)
donde x0 es el punto inicial. Obteniendo así:
x1 = x0 – (y0 –x0)1/2
z0 – 2*y0 – x0
En forma general:
Xn+1 = xn – (yn – xn)1/2
zn – 2* yn – xn
Donde si |xn+1 – xn| = error < Tol entonces se satisface la
tolerancia.
Código Matlab[editar]
function [x,i,tolf]=steffensen(x0,f,tolx,nmax)
err=tolx+1;
x=x0;
phi=0;
while(i<nmax & err>tolx)
xx=x;
fxk=feval(f,x);
tolf=tolx*abs(phi);
if abs(fxk)<=tolf
break
end
fxk2=feval(f,x+fxk);
phi=(fxk2-fxk)/fxk;
x=xx-fxk/phi;
err=abs(x-xx);
i=i+1;
end