Método de la secante

El método de la secante es una extensión del método de Newton-Raphson, la derivada de la función se calcula usando una diferencia finita hacia atrás

\begin{equation*} f'(x_{i}) = \frac{f(x_{i-1}) - f(x_{i})}{x_{i-1} - x_{i}} \end{equation*}

y se reemplaza en la fórmula del método de Newton-Raphson

\begin{equation} x_{i+1} = x_{i} - \frac{1}{f'(x_{i})} f(x_{i}) = x_{i} - \frac{x_{i-1} - x_{i}}{f(x_{i-1}) - f(x_{i})} f(x_{i}) \end{equation}

Algoritmo

x_-1 es la raiz aproximada anterior
x_0 es la raiz aproximada actual
x_1 = x_0 - f(x_0)*(x_-1 - x_0)/f(x_-1) - f(x_0)
x_2 = x_1 - f(x_1)*(x_0 - x_1)/f(x_0) - f(x_1)
x_3 = x_2 - f(x_2)*(x_1 - x_2)/f(x_1) - f(x_2)
...

Ejemplo 1

Encontrar la raiz de

\begin{equation*} y = x^{5} + x^{3} + 3 \end{equation*}

usar $x = 0$ y $x = -1$ como valores iniciales

Iteración 0

Raíz aproximada anterior

\begin{equation*} x_{-1} = 0 \end{equation*}

Raíz aproximada actual

\begin{equation*} x_{0} = -1 \end{equation*}

Error relativo

\begin{equation*} e_{r} = ? \end{equation*}

Iteración 1

Calculando las ordenadas en los puntos anteriores

\begin{align*} f(x_{-1}) &= f(0) = 3 \\ f(x_{0}) &= f(-1) = 1 \end{align*}

Raíz aproximada anterior

\begin{equation*} x_{0} = -1 \end{equation*}

Raíz aproximada actual

\begin{equation*} x_{1} = x_{0} - \frac{x_{-1} - x_{0}}{f(x_{-1}) - f(x_{0})} f(x_{0}) = -1 - \frac{0 - (-1)}{3 - 1} 1 = -1.5 \end{equation*}

Error relativo

\begin{equation*} e_{r} = \bigg|\frac{x_{1} - x_{0}}{x_{1}}\bigg| \times 100\% = \bigg|\frac{-1.5 - (-1)}{-1.5}\bigg| \times 100\% = 33.33\% \end{equation*}

Iteración 2

Calculando las ordenadas en los puntos anteriores

\begin{align*} f(x_{0}) &= f(-1) = 1 \\ f(x_{1}) &= f(-1.5) = -7.96875 \end{align*}

Raíz aproximada anterior

\begin{equation*} x_{1} = -1.5 \end{equation*}

Raíz aproximada actual

\begin{equation*} x_{2} = x_{1} - \frac{x_{0} - x_{1}}{f(x_{0}) - f(x_{1})} f(x_{1}) = -1.5 - \frac{-1 - (-1.5)}{1 - (-7.96875)} (-7.96875) = -1.055749 \end{equation*}

Error relativo

\begin{equation*} e_{r} = \bigg|\frac{x_{2} - x_{1}}{x_{2}}\bigg| \times 100\% = \bigg|\frac{-1.055749 - (-1.5)}{-1.055749}\bigg| \times 100\% = 42.08\% \end{equation*}

Iteración 3

Calculando las ordenadas en los puntos anteriores

\begin{align*} f(x_{1}) &= f(-1.5) = -7.96875 \\ f(x_{2}) &= f(-1.055749) = 0.511650 \end{align*}

Raíz aproximada anterior

\begin{equation*} x_{2} = -1.055749 \end{equation*}

Raíz aproximada actual

\begin{equation*} x_{3} = x_{2} - \frac{x_{1} - x_{2}}{f(x_{1}) - f(x_{2})} f(x_{2}) = -1.055749 - \frac{-1.5 - (-1.055749)}{-7.96875 - 0.511650} 0.511650 = -1.082552 \end{equation*}

Error relativo

\begin{equation*} e_{r} = \bigg|\frac{x_{3} - x_{2}}{x_{3}}\bigg| \times 100\% = \bigg|\frac{-1.082552 - (-1.055749)}{-1.082552}\bigg| \times 100\% = 2.48\% \end{equation*}

Implementación de funciones auxiliares

Seudocódigo para la derivada

function diferencia_atras(f(x), x_0, x_1)
    f'(x) = f(x_0) - f(x_1)/x_0 - x_1 
    return f'(x)
end function

Seudocódigo para obtener las últimas dos raices

function raiz(f(x), a, b):
    c = b - f(b)/diferencia_atras(f(x), a, b)
    return b, c
end function

In [1]:
def diferencia_atras(f, x_0, x_1):
    pendiente = (f(x_0) - f(x_1))/(x_0 - x_1) 
    return pendiente

def raiz(f, a, b):
    c = b - f(b)/diferencia_atras(f, a, b)
    return b, c

Implementación no vectorizada

Seudocódigo

function secante(f(x), x_0, x_1)
    x_anterior = x_0
    x_actual = x_1
    error_permitido = 0.000001
    while(True)
        x_anterior, x_actual = raiz(f(x), x_anterior, x_actual)
        if x_raiz_actual != 0
            error_relativo = abs((x_raiz_actual - x_raiz_anterior)/x_raiz_actual)*100
        end if
        if error_relativo < error_permitido
            exit
        end if
    end while
    mostrar x_actual
end function

o también

function secante(f(x), x_0, x_1)
    x_anterior = x_0
    x_actual = x_1
    for 1 to maxima_iteracion do
        x_anterior, x_actual = raiz(f(x), x_anterior, x_actual)
    end for
    mostrar x_actual
end function

In [2]:
def secante(f, x_0, x_1):
    print("{0:s} \t {1:15s} \t {2:15s} \t {3:15s}".format('i', 'x anterior', 'x actual', 'error relativo %'))
    x_anterior = x_0
    x_actual = x_1
    i = 0
    print("{0:d} \t {1:.15f} \t {2:.15f} \t {3:15s}".format(i, x_anterior, x_actual, '???????????????'))
    error_permitido = 0.000001
    while True:
        x_anterior, x_actual = raiz(f, x_anterior, x_actual)
        if x_actual != 0:
            error_relativo = abs((x_actual - x_anterior)/x_actual)*100
        i = i + 1
        print("{0:d} \t {1:.15f} \t {2:.15f} \t {3:15.11f}".format(i, x_anterior, x_actual, error_relativo))
        if (error_relativo < error_permitido) or (i>=20):
            break
    print('\nx =', x_actual)

Ejemplo 2

Encontrar la raiz de

\begin{equation*} y = x^{5} + x^{3} + 3 \end{equation*}

usar $x_{-1} = 0$ y $x_{0} = -1$


In [3]:
def f(x):
    # f(x) = x^5 + x^3 + 3
    y = x**5 + x**3 + 3
    return y

In [4]:
diferencia_atras(f, 0, -1)


Out[4]:
2.0

In [5]:
raiz(f, 0, -1)


Out[5]:
(-1, -1.5)

In [6]:
secante(f, 0, -1)


i 	 x anterior      	 x actual        	 error relativo %
0 	 0.000000000000000 	 -1.000000000000000 	 ???????????????
1 	 -1.000000000000000 	 -1.500000000000000 	  33.33333333333
2 	 -1.500000000000000 	 -1.055749128919861 	  42.07920792079
3 	 -1.055749128919861 	 -1.082552156595056 	   2.47591097684
4 	 -1.082552156595056 	 -1.107095365872601 	   2.21690109399
5 	 -1.107095365872601 	 -1.105235826838816 	   0.16824816828
6 	 -1.105235826838816 	 -1.105298375884311 	   0.00565901904
7 	 -1.105298375884311 	 -1.105298546022297 	   0.00001539294
8 	 -1.105298546022297 	 -1.105298546006170 	   0.00000000146

x = -1.1052985460061695

Ejemplo 3

Encontrar la raiz de

\begin{equation*} y = x^{5} + x^{3} + 3 \end{equation*}

usar $x_{-1} = 0$ y $x_{0} = -0.5$


In [7]:
secante(f, 0, -0.5)


i 	 x anterior      	 x actual        	 error relativo %
0 	 0.000000000000000 	 -0.500000000000000 	 ???????????????
1 	 -0.500000000000000 	 -9.600000000000000 	  94.79166666667
2 	 -9.600000000000000 	 -0.500313971661081 	 1818.79510542695
3 	 -0.500313971661081 	 -0.500627895630576 	   0.06270604819
4 	 -0.500627895630576 	 -3.169956277328793 	  84.20710407866
5 	 -3.169956277328793 	 -0.522201219983924 	 507.03731742074
6 	 -0.522201219983924 	 -0.543418645947658 	   3.90443466045
7 	 -0.543418645947658 	 -2.768143161922103 	  80.36883881503
8 	 -2.768143161922103 	 -0.577263290052511 	 379.52870200187
9 	 -0.577263290052511 	 -0.610021560159145 	   5.37001841346
10 	 -0.610021560159145 	 -2.210887327971188 	  72.40829270486
11 	 -2.210887327971188 	 -0.677993562925393 	 226.09267238935
12 	 -0.677993562925393 	 -0.739746925039866 	   8.34790386065
13 	 -0.739746925039866 	 -1.594891722781221 	  53.61773376378
14 	 -1.594891722781221 	 -0.887371034445026 	  79.73222709243
15 	 -0.887371034445026 	 -0.981746729543170 	   9.61303890893
16 	 -0.981746729543170 	 -1.158598872903698 	  15.26431170413
17 	 -1.158598872903698 	 -1.094888106874658 	   5.81892940740
18 	 -1.094888106874658 	 -1.104485964038430 	   0.86898860432
19 	 -1.104485964038430 	 -1.105311436713077 	   0.07468236076
20 	 -1.105311436713077 	 -1.105298530164615 	   0.00116769797

x = -1.1052985301646152