ISCO C07A

Raíces de Ecuaciones
                   
Slides Raíces de Ecuaciones- Métodos Abiertos  by Juan Carlos Mantilla Gómez is licensed under a Creative Commons Reconocimiento-
NoComercial-SinObraDerivada 4.0 Internacional License.
Puede hallar permisos más allá de los concedidos con esta licencia en https://savio.utb.edu.co/
Métodos Abiertos
 Métodos abiertos

• Los métodos cerrados se conocen como convergentes porque se acercan

gradualmente a la raíz a medida que se hacen iteraciones, reduciendo el
intervalo de búsqueda.

• Los métodos abiertos se sustentan en estrategias que requieren de uno o

dos valores iniciales, aunque no necesariamente “encierren” la raíz.
– Algunas veces estos métodos divergen - Se alejan de la raíz.
– Cuando convergen suelen ser mucho más rápidos que los métodos
cerrados.
Iteración simple de punto fijo
Método de sustitución sucesiva
• Se trata de emplear una “fórmula” para predecir la
raíz.
• La idea es desarrollar una estrategia iterativa, sobre
una misma fórmula, que gradualmente tienda a
converger sobre la raíz.
 El método

•• Para
  aplicar la iteración de punto fijo:
– La ecuación (es decir, la ecuación a resolver)
– debe reordenarse mediante operaciones algebraicas para que quede
expresada en la forma

• Por ejemplo :
• se reordena de la forma:
• se reordena de la forma:
•• El
  propósito de esta acción es :
– Obtener una expresión (iterativa) que permita predecir un nuevo
valor de x en función del valor anterior.

• Al igual que en los otros métodos iterativos, el error aproximado se

calcula usando una expresión de error normalizado:
 Por ejemplo
•
• Utilizando
  la iteración de punto fijo encuentre la raíz de la función
• La gráfica de la función nos muestra
claramente que existe una raíz en el
intervalo ( 0 , 1 ) 𝑒  − 𝑥 − 𝑥=0
• Para aplicar la iteración de punto fijo, se
puede separar la ecuación anterior de la
siguiente manera:
  𝑥 =𝑒 − 𝑥
• Y esta expresión, la usamos para iterar
− 𝑥𝑖
así:  𝑥𝑖+1 =𝑒

 • Naturalmente, se requerirá un valor de partida que debe escogerse convenientemente

 Por ejemplo
Iter xi x i+1 = e -(xi) ea
0 0,000000000 1,000000000
1 1,000000000 0,367879441 171,8281828%
• Entonces la expresión obtenida , 2 0,367879441 0,692200628 46,8536395%
define la iteración simple a aplicar: 3 0,692200628 0,500473501 38,3091466%
− 𝑥𝑖 4 0,500473501 0,606243535 17,4467897%
 𝑥𝑖+1 =𝑒 5 0,606243535 0,545395786 11,1566225%
6 0,545395786 0,579612336 5,9033508%
7 0,579612336 0,560115461 3,4808670%
• Iniciamos la prueba con 8 0,560115461 0,571143115 1,9308039%

𝑥 0=0 9
10
0,571143115
0,564879347
0,564879347
0,568428725
1,1088682%
0,6244191%
11 0,568428725 0,566414733 0,3555684%
1 12 0,566414733 0,567556637 0,2011965%
13 0,567556637 0,566908912 0,1142556%
14 0,566908912 0,567276232 0,0647516%
0,367879441 15 0,567276232 0,567067898 0,0367388%
16 0,567067898 0,567186050 0,0208312%
17 0,567186050 0,567119040 0,0118159%
|| 18 0,567119040 0,567157044 0,0067008%
19 0,567157044 0,567135490 0,0038005%
20 0,567135490 0,567147714 0,0021554%
Iter xi x i+1 = e -(xi) ea Iter xi x i+1 = e -(xi) ea
0 0,000000000 1,000000000 21 0,567147714 0,567140781 0,0012224%
1 1,000000000 0,367879441 171,8281828% 22 0,567140781 0,567144713 0,0006933%
2 0,367879441 0,692200628 46,8536395% 23 0,567144713 0,567142483 0,0003932%
3 0,692200628 0,500473501 38,3091466% 24 0,567142483 0,567143748 0,0002230%
4 0,500473501 0,606243535 17,4467897% 25 0,567143748 0,567143031 0,0001265%
5 0,606243535 0,545395786 11,1566225% 26 0,567143031 0,567143438 0,0000717%
6 0,545395786 0,579612336 5,9033508% 27 0,567143438 0,567143207 0,0000407%
7 0,579612336 0,560115461 3,4808670% 28 0,567143207 0,567143338 0,0000231%
8 0,560115461 0,571143115 1,9308039%
29 0,567143338 0,567143264 0,0000131%
9 0,571143115 0,564879347 1,1088682%
30 0,567143264 0,567143306 0,0000074%
10 0,564879347 0,568428725 0,6244191%
31 0,567143306 0,567143282 0,0000042%
11 0,568428725 0,566414733 0,3555684%
32 0,567143282 0,567143295 0,0000024%
12 0,566414733 0,567556637 0,2011965%
33 0,567143295 0,567143288 0,0000014%
13 0,567556637 0,566908912 0,1142556%
14 0,566908912 0,567276232 0,0647516%
34 0,567143288 0,567143292 0,0000008%
15 0,567276232 0,567067898 0,0367388% 35 0,567143292 0,567143290 0,0000004%
16 0,567067898 0,567186050 0,0208312% 36 0,567143290 0,567143291 0,0000002%
17 0,567186050 0,567119040 0,0118159% 37 0,567143291 0,567143290 0,0000001%
18 0,567119040 0,567157044 0,0067008% 38 0,567143290 0,567143291 0,0000001%
19 0,567157044 0,567135490 0,0038005% 39 0,567143291 0,567143290 0,0000000%
20 0,567135490 0,567147714 0,0021554% 40 0,567143290 0,567143290 0,0000000%
 gráficamente
𝑓  ( 𝑥 )=𝑒− 𝑥 − 𝑥
−𝑥
𝑓  ( 𝑥 )=𝑒 𝑓  ( 𝑥 )= 𝑒− 𝑥 − 𝑥
=
 
 Convergencia
Iter xi x i+1 = e -(xi) ea
0 0,000000000 1,000000000
1 1,000000000 0,367879441 171,8281828%
2 0,367879441 0,692200628 46,8536395%
3 0,692200628 0,500473501 38,3091466%
4 0,500473501 0,606243535 17,4467897%
5 0,606243535 0,545395786 11,1566225%
6 0,545395786 0,579612336 5,9033508%
7 0,579612336 0,560115461 3,4808670%
8 0,560115461 0,571143115 1,9308039%
9 0,571143115 0,564879347 1,1088682%
10 0,564879347 0,568428725 0,6244191%
11 0,568428725 0,566414733 0,3555684%
12 0,566414733 0,567556637 0,2011965%
13 0,567556637 0,566908912 0,1142556%
14 0,566908912 0,567276232 0,0647516%
15 0,567276232 0,567067898 0,0367388%
16 0,567067898 0,567186050 0,0208312%
17 0,567186050 0,567119040 0,0118159%
18 0,567119040 0,567157044 0,0067008%

0,692200628
0,606243535

1,000000000
0,500473501
0,367879441
19 0,567157044 0,567135490 0,0038005%
20 0,567135490 0,567147714 0,0021554%
Pueden darse distintos casos

   
 
 

Converge!

       
       
Pueden darse distintos casos

 
   
 

No Converge!

     
 Pueden darse distintos casos

 
   
 

No Converge!

         
 Se concluye que

•  La iteración de punto fijo converge cuando:

• Es decir, si la magnitud de la pendiente de es menor

que la pendiente de la recta
• Esto es demostrable teóricamente
(Ver: CHAPRA et CANALE. Métddos numéricos para ingenieros. Cuadro 6,1)
 El algoritmo
Leer x0, tolerancia, iteraciones
y0 = f(x0)
cont = 0
Error = tolerancia + 1
Mientras ( y0 <> 0 && error > tolerancia && cont < iteraciones) hacer:
xnuevo = g(x0)
y0 = f(xnuevo)
error = abs ((xnuevo – x0) / xnuevo)
x0 = xnuevo
cont++
fin mientras
Si ( y0 == 0 ) entonces
escriba “la raíz es: ” , x0
de lo contrario
si ( error < tolerancia ) entonces
escribir x0, “es una raíz aproximada con una tolerancia de ”, tolerancia
de lo contrario
escribir “El método no converge despues de”, iteraciones , “ iteraciones”
fin si
Fin si
Método de Newton Raphson
 Newton Raphson

•• Es
  el método mas ampliamente utilizado para buscar raíces de una
ecuación

• Su propuesta es sencilla:
– Se elige un inicial
– En el punto se traza una tangente a la curva.
– El valor de donde esa tangente corte al eje x, será una aproximación
mejorada de la raíz
 Newton Raphson

 )
 

   
       
       
 Newton Raphson

•  
Naturalmente, la tangente a la curva en no es
otra cosa que la derivada de la función
 )
 

𝑓  ( 𝑥 𝑖 )  La cual, con un sencillo reordenamiento se

transforma en:

 
      Y esta se conoce como la Fórmula de Newton-
𝑥   𝑖 − 𝑥 𝑖+1
 
Raphson
 Ejemplo
•• Utilice
  el método de Newton-Raphson para calcular la raíz de a partir de .

• La derivada de es

• Entonces, para este problema, la fórmula de

Newton Raphson será:
 Ejemplo

iteracion xi x i+1 ea
0 0 0,5
1 0,5 0,5663110031972 11,70929097666%
2 0,5663110031972 0,5671431650349 0,14672870784%
3 0,5671431650349 0,5671432904098 0,00002210639%
4 0,5671432904098 0,5671432904098 0,00000000000%
5 0,5671432904098 0,5671432904098 0,00000000000%

Newton Raphson es un método muy eficiente, cuya

velocidad de convergencia es mayor.

Pero, por ser un método abierto, pueden darse 0,5

casos en los que NO converge a la solución
 Ejemplo 2:

•• Determine
  la raíz positiva de usando el método de Newton-Raphson y
un valor inicial

• Planteamos La fórmula de Newton Raphson:

•
• El método converge muy lentamente.
iteracion xi x i+1 ea iteracion xi x i+1 ea
0 0,5 51,65 21 6,279434214 5,651490799
1 51,65 46,485 11,11111111111% 22 5,651490799 5,086341736 11,11111073967%
2 46,485 41,8365 11,11111111111% 23 5,086341736 4,577707606 11,11111004584%
3 41,8365 37,65285 11,11111111111% 24 4,577707606 4,119936959 11,11110805595%
4 37,65285 33,887565 11,11111111111% 25 4,119936959 3,707943555 11,11110234899%
5 33,887565 30,4988085 11,11111111111% 26 3,707943555 3,337149955 11,11108598162%
6 30,4988085 27,44892765 11,11111111111% 27 3,337149955 3,003436907 11,11103904062%
7 27,44892765 24,70403489 11,11111111111% 28 3,003436907 2,703098245 11,11090441655%
8 24,70403489 22,2336314 11,11111111111% 29 2,703098245 2,4328014 11,11051833000%
9 22,2336314 20,01026826 11,11111111111% 30 2,4328014 2,189554759 11,10941113912%
10 20,01026826 18,00924143 11,11111111111% 31 2,189554759 1,97068574 11,10623652421%
11 18,00924143 16,20831729 11,11111111111% 32 1,97068574 1,773840237 11,09713820880%
12 16,20831729 14,58748556 11,11111111110% 33 1,773840237 1,597031348 11,07109696706%
13 14,58748556 13,128737 11,11111111108% 34 1,597031348 1,438807931 10,99684072394%
14 13,128737 11,8158633 11,11111111103% 35 1,438807931 1,298711343 10,78735390162%
15 11,8158633 10,63427697 11,11111111088% 36 1,298711343 1,178354716 10,21395556966%
16 10,63427697 9,570849276 11,11111111044% 37 1,178354716 1,083349754 8,76955588897%
17 9,570849276 8,613764348 11,11111110920% 38 1,083349754 1,023664661 5,83053167622%
18 8,613764348 7,752387914 11,11111110562% 39 1,023664661 1,002316024 2,12993072961%
19 7,752387914 6,977149123 11,11111109537% 40 1,002316024 1,000023934 0,22920350283%
20 6,977149123 6,279434214 11,11111106595% 41 1,000023934 1,000000003 0,00239317132%
 Casos de convergencia deficiente
• Punto de inflexión en la vecindad de una raíz

CHAPRA Y CANALE. Métodos numéricos para ingenieros

 Casos de convergencia deficiente
• Oscilación alrededor de un extremo local

CHAPRA Y CANALE. Métodos numéricos para ingenieros

 Casos de convergencia deficiente
• Influencia de extremos (pendiente = 0)

CHAPRA Y CANALE. Métodos numéricos para ingenieros

 Casos de convergencia deficiente
• Punto con pendiente 0 0

CHAPRA Y CANALE. Métodos numéricos para ingenieros

Consideraciones útiles para la implementación

• Al terminar los cálculos, evaluar la función en el valor final de la raíz

calculada, para verificar si la función se acerca a cero. Esta prueba protege el
desarrollo contra los casos en que se presenta convergencia lenta u
oscilatoria

• Incluir el límite máximo de iteraciones para prevenir los casos de no

convergencia.

• Verificar en cada iteración que f´(x) no sea igual a cero

Método de la Secante
 El método de la secante

• El método de Newton Raphson obliga al desarrollador a calcular la

derivada de la función para poder construir la fórmula.

• Para cierta clase de funciones esa no es una tarea trivial

• El método de la secante propone aproximar la derivada mediante una

diferencia dividida finita

  ′( 𝑥 )
𝑓 ( 𝑥 𝑖− 1 ) − 𝑓 ( 𝑥 𝑖 )
𝑓 =
𝑥 𝑖− 1 − 𝑥 𝑖
Método de la secante

  ′( 𝑥 )
𝑓 ( 𝑥 𝑖 −1 ) − 𝑓 ( 𝑥 𝑖 )
𝑓 ≅
𝑥𝑖 −1 − 𝑥 𝑖
 Método de la secante

•• Entonces
  simplemente se reemplaza la aproximación de la
derivada en la fórmula de Newton Raphson
  𝑓 ( 𝑥 𝑖 ) . ( 𝑋 𝑖 −1 − 𝑋 𝑖)
𝑥𝑖+1 = 𝑥𝑖 −
𝑓 ( 𝑥 𝑖 −1 ) − 𝑓 ( 𝑥𝑖 )
• Y esta es la fórmula para el método de la Secante

• Evidentemente, se requiere iniciar con 2 valores iniciales

• Pero NO se necesita que la función cambie de signo en esos dos
valores (pues esta es un método abierto)