Post on 11-Sep-2015
description
Mtodo de
Newton-Raphson
Mtodo de Newton-Raphson
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 2
Sir Isaac Newton 4 de enero de 1643
31 de marzo de 1727
Mr. Joseph Raphson 1648 - 1715
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 3
f(x)
f(xi)
f(xi-1)
xi+2 xi+1 xi X
ii xfx ,
Mtodo de Newton Raphson
1 '
ii i
i
f(x )x = x -
f (x )
Figura 1 Ilustracin Geomtrica del Mtodo de Newton-Raphson.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 4
f(x)
f(xi)
xi+1 xi
X
B
C A
tan(AB
AC
1
( )'( ) ii
i i
f xf x
x x
1
( )
( )
ii i
i
f xx x
f x
Figura 2 Derivacin del mtodo de Newton-Raphson.
Derivacin
ALGORITMO
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 6
Evalue f'(x) simbolicamente
Paso 1
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 7
1
i
i i
i
f xx = x -
f x
Use un valor inicial de la raz, , para estimar el nuevo valor de la raz, , como
ix
1ix
Paso 2
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 8
1
1
100i iai
x - x =
x
Determine el valor absoluto del error relativo aproximado como a
Paso 3
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 9
Paso 4
Compare el valor absoluto del error relativo aproximado con el valor de la tolerancia pre especificada .
a
s
Es ?
a s
Si
No
Vaya al paso 2 usando nuevos valores asumidos
superior e inferior
Finalice el algoritmo
Nota: Se deber verificar que el numero de iteraciones no sea mayor del mximo numero de iteraciones permitidos. Si esto sucede, se deber finalizar el proceso y notificar al usuario.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 10
Ejemplo 1
Usted es un colaborador de la empresa, Mi Pequea Compaa, la cual fabrica flotadores para la Compaa ACME. El flotador tiene una densidad relativa S = 0.6 y un radio de 5.5 cms. Se desea conocer la profundidad al cual se sumerge el flotador cuando se encuentra en el agua.
Figura 3 Problema de la esfera flotando
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 11
Ejemplo 1 La ecuacin que da el valor de la profundidad x, en metros, a la cual la esfera esta sumergida bajo el agua, esta dada por
a) Use el mtodo de Newton para encontrar las races de la ecuacin que permitan determinar la profundidad x a la cual se encuentra sumergida la esfera bajo el agua. Efecte tres iteraciones para estimar la raz de la ecuacin anterior.
b) Encuentre el valor absoluto del error relativo aproximado al final de cada iteracin,
c) El nmero de cifras significativas al final de cada iteracin.
3 2 40.165 3.993 10 0x x
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 12
Para ayudar en la comprensin de cmo funciona este mtodo para encontrar la raz de una ecuacin, la grfica de f (x) se muestra a la derecha, donde
3 2 40 165 3 993 10-f x x - . x + .
Solucin
Ejemplo 1
Figura 4 Grafica de la funcin f(x)
Funcin F(x)
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 13
3 2 4
2
Resuelva por f'(x)
0 165 3 993 10
' 3 0.33
-f x x - . x + .
f x x - x
Ejemplo 1
Asumamos la suposicin inicial de la raz de es . Esta es una suposicin razonable (discutir por y no son buenas opciones) como los valores extremos de la profundidad x sera 0 y el dimetro (0,11 m) de la bola.
0f x
0 0.05mx 0x m11.0x
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 14
0
1 0
0
3 2 4
2
4
3
'
0.05 0.165 0.05 3.993 100.05
3 0.05 0.33 0.05
1.118 10 0.05
9 10
0.05 0.01242
0.06242
f xx x
f x
Iteracin 1 El estimado de la raz es :
Ejemplo 1
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 15
Ejemplo 1
Figura 5 Estimado de la raz para la primera iteracin
Funcin X0 Raz actual X1 Raz nueva
Lnea tangente
Grafica de la Funcin y lnea tangente
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 16
1 0
1
100
0.06242 0.05100
0.06242
19.90%
a
x x
x
El nmero de dgitos significativos correctos es 0, ya que se necesita un valor absoluto del error relativo absoluto de 5% o menos para al menos tener una cifra significativa correcta en el resultado.
El valor absoluto del error aproximado relativo es al final de la primera iteracin es:
a
Ejemplo 1
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 17
1
2 1
1
3 2 4
2
7
3
5
'
0.06242 0.165 0.06242 3.993 100.06242
3 0.06242 0.33 0.06242
3.97781 10 0.06242
8.90973 10
0.06242 4.4646 10
0.06238
f xx x
f x
Iteracin 2 El estimado de la raz es:
Ejemplo 1
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 18
Figura 6 Estimado de la raz para la iteracin 2.
Ejemplo 1
Funcin X0 Raz actual X1 Raz nueva Lnea tangente
Grafica de la Funcin y lnea tangente
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 19
2 1
2
100
0.06238 0.06242100
0.06238
0.0716%
a
x x
x
El valor absoluto del error aproximado relativo es al final de la segunda iteracin es:
a
El mximo valor de m para es 2.844. Por consiguiente, el menor numero de cifras significativas correctas en la respuesta es 2.
20.5 10 ma
Ejemplo 1
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 20
Iteracin 3 El estimado de la raz es:
Ejemplo 1
2
3 2
2
3 2 4
2
11
3
9
'
0.06238 0.165 0.06238 3.993 100.06238
3 0.06238 0.33 0.06238
4.44 10 0.06238
8.91171 10
0.06238 4.9822 10
0.06238
f xx x
f x
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 21
Figura 6 Estimado de la raz para la iteracin 3.
Ejemplo 1
Funcin X0 Raz actual X1 Raz nueva Lnea tangente
Grafica de la Funcin y lnea tangente
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 22
El valor absoluto del error aproximado relativo es al final de la segunda iteracin es:
a
Ejemplo 1
2 1
2
100
0.06238 0.06238100
0.06238
0%
a
x x
x
El menor numero de cifras significativas correctas es 4, ya que 4 cifras significativas se utilizaron a lo largo de los clculos.
VENTAJAS Y
DESVENTAJAS
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 24
Ventajas
Converge rpidamente (posee convergencia cuadrtica), si es que converge
Requiere un solo valor inicial
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 25
Desventajas 1. Divergencia en los puntos de infleccion Seleccin de los valores iniciales o el valor para una iteracin de la raz
que esta cerca a un punto de inflexin de la funcin puede empezar a divergir de la raz en el mtodo de Newton - Raphson.
Por ejemplo, para encontrar la raz de la ecuacin . El mtodo de Newton-Raphson se reduce a . La tabla 1 muestra los valores iterados de la raz de la ecuacin. La raz empieza a divergir en la iteracin 6 debido a que el estimado previo
de 0.92589 esta cercano a un punto de inflexin . Eventualmente despus de 12 iteraciones ms la raz converge al valor
exacto de
xf
3
1 0.512 0f x x
33
1 2
1 0.512
3 1
i
i i
i
xx x
x
1x
0.2.x
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 26
Iteracin xi
0 5.0000
1 3.6560
2 2.7465
3 2.1084
4 1.6000
5 0.92589
6 30.119
7 19.746
18 0.2000 Figura 8 Diverge en el punto de inflexin para
31 0.512 0f x x
Tabla 1 Divergencia cerca de los puntos de inflexin.
Desventajas Puntos de Inflexin
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 27
Desventajas Divisin por Cero
2. Divisin por cero Para la ecuacin El mtodo de Newton-
Raphson se reduce a
Para , el denominador se hace cero.
3 2 60.03 2.4 10 0f x x x
3 2 6
1 2
0.03 2.4 10
3 0.06
i ii i
i i
x xx x
x x
0 00 or 0.02x x Figura 9 Fallo de divisin por cero o cercano al nmero cero
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 28
Resultados obtenidos del Mtodo de Newton-Raphson pueden oscilar alrededor de un mximo o mnimo local sin convergir a una raz pero convergiendo a un valor mximo o mnimo local.
Eventualmente, el puede conducir a una divisin de un numero cercano a cero y puede divergir.
Por ejemplo para la ecuacin no tiene races reales.
2 2 0f x x
Desventajas Oscilaciones cerca de un mnimo o mximo local
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 29
Desventajas Oscilaciones cerca de un mnimo o mximo local
Iteracin
0
1
2
3
4
5
6
7
8
9
1.0000
0.5
1.75
0.30357
3.1423
1.2529
0.17166
5.7395
2.6955
0.97678
3.00
2.25
5.063
2.092
11.874
3.570
2.029
34.942
9.266
2.954
300.00
128.571
476.47
109.66
150.80
829.88
102.99
112.93
175.96
ix if x %a
Tabla 3 Oscilaciones cerca un mximo o mnimo local en el mtodo de Newton-Raphson
-1
0
1
2
3
4
5
6
-2 -1 0 1 2 3
x
f(x)
3
4
2
1
-1.75 -0.3040 0.5 3.142
2 2f x x
Figura 10 Oscilaciones alrededor de un mximo o mnimo local para
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 30
-1.5
-1
-0.5
0
0.5
1
1.5
-2 0 2 4 6 8 10
x
f(x)
-0.06307 0.5499 4.461 7.539822
4. Salto entre Races En algunos casos donde la funcin esta oscilando y tiene un nmero de races, se puede escoger un valor inicial cerca a una raz. Sin embargo, los valores iniciales pueden saltar y convergir a alguna otra raz.
Desventajas Salto entre Races
Por ejemplo Escoja Esto converger a En lugar de
f x
sin 0f x x
0 2.4 7.539822x
0x
2 6.2831853x
Figura 11 Salto de Races desde una posicin de una raz para
sin 0f x x
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G. 31
FIN