Raices de Ecuaciones No Lineales

Tema: Metodo Newton-Raphson

Major: General Engineering

10/17/2017 http://numericalmethods.eng.usf.edu 1
 Metodo Newton-Raphson

f(x)

f(xi )
f(xi)
x f x
i, i
xi 1 = xi -
f (xi )

f(xi-1)

xi+2 xi+1 xi X

2 http://numericalmethods.eng.usf.edu
 Derivacion
f(x)
AB
tan(
AC
f(xi) B
f ( xi )
f ' ( xi )
xi xi 1

f ( xi )
xi 1 xi
C A X f ' ( xi )
xi+1 xi

3 http://numericalmethods.eng.usf.edu
 Algoritmo Metodo
Newton-Raphson

4 http://numericalmethods.eng.usf.edu
 Paso 1

Evaluar f(x) simbolicamente

5 http://numericalmethods.eng.usf.edu
 Paso 2

Calcular la siguiente estimacin de la raz

f(xi )
xi 1 = xi -
f'(xi )
Hallar el error aproximado absoluto relativo

xi 1- xi
a = x 100
xi 1
6 http://numericalmethods.eng.usf.edu
 Paso 3

Hallar el error aproximado absoluto relativo

si es mayor que el error pre-especificado de
tolerancia relativa.
Si es as, volver al paso 2, de lo contrario
dejar el algoritmo.
Tambin verifique si el nmero de iteraciones
ha superado el nmero mximo de
iteraciones.

7 http://numericalmethods.eng.usf.edu
 Ejemplo
Tu estas trabajando para "LA EMPRESA TOILET que hace
tanques de inodoro para ABC. La bola tiene un peso
especfico de 0,6 y tiene un radio de 5,5 cm. Se le pide
encontrar la distancia x a la que el baln obtendr
cuando el flotador este sumergido en el agua .

8 http://numericalmethods.eng.usf.edu
 Solucion
La ecuacin que da la profundidad 'x' para que la pelota est
sumergido bajo el agua viene dada por
f x x 3-0.165x 2+3.993x10- 4
f x 3x 2-0.33x
Utilice el mtodo de Newton para
encontrar races de ecuaciones para
encontrar la profundidad 'x' para que
la pelota est sumergido bajo el agua.
Realizar tres iteraciones para calcular
la raz de la ecuacin anterior.

9 http://numericalmethods.eng.usf.edu
 Grafico de la funcion f(x)
f x x -0.165x +3.993x10
3 2 -4

10 http://numericalmethods.eng.usf.edu
 Iteracion #1
x0 0.02
f x0
x1 x0
f ' x0
3.413x104
x1 0.02
5.4 x103
0.08320
a 75.96%

11 http://numericalmethods.eng.usf.edu
 Iteracion #2
x1 0.08320
f x1
x2 x1
f ' x1
1.670x10 4
x2 0.08320
6.689 x10 3
0.05824
a 42.86%

12 http://numericalmethods.eng.usf.edu
 Iteracion #3
x2 0.05824
f x2
x3 x2
f ' x2
3.717 x105
0.05284
9.043x103
0.06235
a 6.592%

13 http://numericalmethods.eng.usf.edu
 Ventajas

Converge rpidamente, en caso de que

converge
Requiere un solo pronostico

14 http://numericalmethods.eng.usf.edu
 Diagrama
10
f(x)

0 x
-2 -1 2 0 3 1 2

1
-5

f x x 1 0
-10
3

-15

-20

Punto de Infleccion
15 http://numericalmethods.eng.usf.edu
 Diagrama (cont.)
1.00E-05
f(x)
7.50E-06

5.00E-06

2.50E-06

0.00E+00 x
-0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04
-2.50E-06
0.02
-5.00E-06

f x x3 0.03x 2 2.4x106 0
-7.50E-06

-1.00E-05

Division por cero

16 http://numericalmethods.eng.usf.edu
 Diagrama (cont.)
1.5
f(x)
1

0.5

x
0
-2 -0.063069
0 0.54990 2 4 4.462 6 7.53982
8 10

-0.5

-1 f x Sin x 0
-1.5

Saltos Raices
17 http://numericalmethods.eng.usf.edu
 Diagrama (cont.)
6
f(x)
5

f x x 2 2 0
3

2
2

11
4
x
0
-2 -1 0 1 2 3
-1.75 -0.3040 0.5 3.142
-1

Oscilaciones cercanas al Maximo o Minimo

18 http://numericalmethods.eng.usf.edu