Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTRODUCCIÓN
El objetivo de este capítulo es estudiar algunos métodos numéricos para hallar raíces reales
de una ecuación no-lineal en una variable (sólo se estudiarán raíces complejas para
ecuaciones polinómicas). En la siguiente definición formalizamos el concepto de raíz de una
ecuación.
Como veremos, los métodos numéricos que estudiaremos para encontrar una raíz α de una
ecuación f (x) = 0 , generarán una sucesión {xn }n , n = 0,12
, ,... (Métodos iterativos) tal que
lim xn = α . Cualquiera de tales métodos numéricos permitirá calcular los términos de la
n→∞
sucesión {xn }n ; así que no se espera, en general, calcular lim xn . Por lo tanto, deberemos
n→∞
CRITERIOS DE APROXIMACIÓN
lim f (xn ) = f (α ) = 0 y así, dado cualquier número positivo ε, existe N ∈ N = {0,1,2,...} tal que
n→∞
para todo n ≥ N se tiene que f (xn ) < ε . Teniendo en cuenta lo anterior, dado un número
ε > 0 adecuadamente pequeño, al cual llamaremos Tolerancia y que notaremos Tol,
podríamos escoger como aproximación de la raíz α al término xN de la sucesión
mencionada, donde N es el menor entero no-negativo que satisface
i) f (xn ) < ε
Por otro lado, como lim xn = α significa que dado ε > 0 , existe N0 ∈ N = {0,12
, ,...} tal que si
n→∞
ii) xn − xn −1 <ε
Pues bien, para una tolerancia ε > 0 previamente escogida, cualquiera de los tres criterios
mencionados, se adoptará como criterio para obtener una aproximación de una raíz α .
Ahora, en cuanto a los criterios de aproximación anteriores, es fácil ver que el hecho de que
f (xN ) < ε o xN − xN−1 < ε no necesariamente indica que xN esté muy cerca de α, como
puede apreciarse en la FIGURA 2.1 y en el ejemplo 2.1 siguientes.
FIGURA 2.1
10
1
f (xn ) < ε ⇔ 1 + − 1
1
= < 10 −3 ⇔ n10 > 10 3 ⇔ n ≥ 2
n n10
1 3
Si tomamos como aproximación de α al término x 2 = 1 + = de la sucesión mencionada,
2 2
3 1 1
observamos que α - x 2 = 1 − = ,y no es menor que ε = 10 −3 ; realmente α − x 2
2 2 2
es una distancia muy grande entre α y x 2 . Vea la FIGURA 2.2.
Si usamos el segundo criterio con la misma tolerancia, debemos encontrar n tal que
1 1 1 1
xn − x n − 1 < ε ⇔ 1 + − 1 + = − < 10 −3
n n − 1 n n−1
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 35
__________________________________________________________________________________
1
Observe que para que α − xn < ε = 10 −3 , debe tomarse xn = x1001 = 1 + = 100099..
. ..
1001
1 1
( α − xn < ε ⇔ 1 − 1 + < 10 −3 ⇔ < 10 −3 ⇔ n > 10 3 ) ♦
n n
FIGURA 2.2
Se sigue de lo anterior que cualquiera de los criterios i), ii), iii) puede no darnos una idea
clara de la distancia real α − xn .
Por otra parte, para garantizar que una sucesión, generada por un determinado método
numérico, converge a la raíz buscada, la función f en cuestión deberá satisfacer ciertas
condiciones; resulta que muchas veces aplicaremos el método sin chequear tales
condiciones lo que nos conducirá, posiblemente, a una sucesión divergente, caso en el cual,
un entero N para el cual se cumpla i), ii) o iii), puede no existir. Puede ocurrir también que,
aún tratándose de una sucesión que converge a la raíz buscada, el entero N al que nos
hemos referido sea muy grande, por ser "muy lenta" la convergencia de la sucesión. Por lo
anterior, al aplicar cualquiera de los criterios, se hace necesario establecer siempre una cota
para N, es decir, imponer un máximo al número de iteraciones.
También, con frecuencia, tendremos que combinar dos o más de los criterios mencionados,
o considerar algún otro criterio, al momento de obtener una aproximación de una raíz .
ecuación. Además, la gráfica de f nos permitirá tener alguna idea útil del comportamiento
cualitativo de f en la vecindad de la raíz α (por ejemplo crecimiento y concavidad). Ahora
bien, es posible que a través de un proceso puramente gráfico podamos obtener una
aproximación para una raíz, que aunque limitada, sea útil para ciertos fines.
Ejemplo 2.2 Supongamos que estamos interesados en encontrar todas las raíces de la
ecuación
3 x2 − e x = 0
Una forma de iniciar la búsqueda de las raíces es determinando intervalos que contengan a
dichas raíces. Para esto, graficamos f (x) = 3 x2 − e x (ver la FIGURA 2.3 siguiente).
FIGURA 2.3
De acuerdo con la gráfica anterior se ve que la ecuación en consideración tiene por lo menos
tres raíces reales α 1 ∈[−10
, ] , α 2 ∈[0,1] y α 3 ∈[3,4] . (Verifique analíticamente que la
ecuación 3 x2 − e x = 0 tiene únicamente tres raíces reales).
f (x) = 3 x2 − e x en el intervalo [0,1] con tamaño de paso h = 0.1 . Observe que como la
función f es continua en [0.9,10
. ] y f (0.9)f (10
. ) < 0 , entonces α 2 ∈[0.9,10
. ].
FIGURA 2.4
x f (x) = 3 x2 − e x
0 −10
.
0.1 −107
. ...
0.2 −110
. ...
0.3 −107
. ...
0.4 −101
. ...
0.5 −0.89...
0.6 −0.74...
0.7 −0.54...
0.8 −0.30...
0.9 −0.02...
10
. 0.28...
TABLA 2.1
Instrucción en DERIVE:
[ ]
VECTOR( x , f (x) , x , a , b , h ): aproXima una tabla de valores de la función f (x) en el
intervalo [a,b] , con tamaño de paso h. Para el ejemplo, aproXime la expresión
[ ]
VECTOR( x, 3 x2 − exp(x) , x, 0 , 1, 0.1 ). ◊
En situaciones como la del ejemplo anterior, donde se sabe de la existencia de una única raíz
α para una ecuación f (x) = 0 en un determinado intervalo cerrado [a, b] , se puede usar
38 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
alguno de los siguientes métodos numéricos llamados cerrados para encontrar una
aproximación de dicha raíz.
Los métodos numéricos que en cada paso dan un intervalo cerrado donde se encuentra la
raíz buscada, son llamados métodos cerrados. Aquí estudiaremos dos de tales métodos: el
método de Bisección y el método de Posición Falsa.
FIGURA 2.5
b1 − a1 b − a
α − x1 ≤ =
2 2
b1 − a1
Si f (x1 ) = 0 o < ε , entonces α = x1 y el proceso termina.
2
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 39
__________________________________________________________________________________
b −a
x2 =
1
2
(a2 + b2 ) = a2 + 2 2 2 : segunda aproximación de la raíz α
b2 − a2 1 1 b −a b−a
α − x2 ≤ = (b1 − a1 ) = 1 2 1 = 2
2 22 2 2
xn =
1
(a n + b n ) = a n + b n − a n : n-ésima aproximación de la raíz α
2 2
b−a
0 ≤ α − xn ≤
1
2
(bn − an ) = n
2
b−a
Como lim = 0 , entonces lim xn = α , es decir, la sucesión {xn }n converge a la raíz α;
n→∞ 2n n→∞
b−a
x n − α ≤ ε . En particualr, si ε = 5 × 10 ( ) para un
− k +1
Dado ε > 0 , si n
≤ ε , entonces
2
b−a
cierto entero no-negativo k, y N es el menor entero positivo para el cual ≤ ε , entonces
2n
α − x N ≤ 5 × 10 − (k +1) , así que xN = α ∗ aproximará a la raíz α con una precisión de por lo
menos k cifras decimales exactas.
Algoritmo 2.1 (Bisección) Para encontrar una aproximación α ∗ de una raíz α ∈(a, b) de
una ecuación f (x) = 0 donde f es una función continua en [a, b] y f (a)f (b) < 0 :
Entrada: f (x) ; los extremos a, b del intervalo; una tolerancia Tol, y un número máximo de
iteraciones N .
∗
Salida: Una raíz aproximada α o un mensaje.
40 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
Paso 1: Tomar n = 1.
a+b b−a
Paso 3: Tomar c = o c=a+ (calcular xn )
2 2
b−a
Paso 4: Si f (c) = 0 o < Tol , entonces salida: "Una raíz aproximada de la
2
∗
ecuación dada es α = c ". Terminar.
Paso 5: Tomar n = n + 1.
signo de
n an bn xn f (an ) f (xn )
1 .9 1.0 .95 −1 .121...
2 .9 .95 .925 −1 4.50...×10 −2
3 .9 .925 .9125 −1 7.42...×10 −3
4 .9 .9125 .90625 −1 . ...×10 −2
−111
5 .90625 .9125 .909375 −1 . ...×10 −3
−188
6 .909375 .9125 .9109375 −1 2.76...×10 −3
7 .909375 .9109375 .91015625 −1 4.42...×10 −4
8 .909375 .91015625 .909765625 −1 −7.19...×10 −4
TABLA 2.2
Instrucción en DERIVE:
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 41
__________________________________________________________________________________
Algunas de las desventajas del método de Bisección con respecto a otros métodos son:
Una de las mayores ventajas que tiene el método de Bisección es que el error de
b−a
truncamiento, α − xn , se acota fácilmente (recuerde que α − xn ≤ n ).
2
Ejercicio 2.1 Use el método de Bisección para estimar la menor raíz positiva de la ecuación
x − tanx = 0 , con una precisión de por lo menos 3 cifras decimales exactas, empezando con
un intervalo [a, b] que contenga a dicha raíz y b − a = 0.1 . ♦
2.1.2 Método de Posición Falsa (o Regula Falsi): Consideremos una función f continua
en un intervalo [a, b] y tal que f (a)f (b) < 0 . El método de Posición Falsa, para encontrar una
aproximación de una raíz α ∈ (a, b ) de f (x) = 0 , es similar al método de Bisección en el
sentido de que se generan subintervalos [an , bn ] que encierran a la raíz α, pero esta vez xn
no es el punto medio de [an , bn ] , sino el punto de intersección de la recta que pasa por los
( ) ( )
puntos an , f (an ) , bn , f (bn ) con el eje x (ver la FIGURA 2.6 siguiente).
42 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
Al reemplazar la curva por una recta se obtiene una "posición falsa" de la raíz, de aquí el
nombre del método. También se le conoce como método de Interpolación Lineal Inversa.
FIGURA 2.6
x1 = a1 −
(b1 − a1)f (a1) = a1f (b1 ) − b1f (a1 )
f (b1 ) − f (a1 ) f (b1 ) − f (a1 )
x2 = a 2 −
(b2 − a2 )f (a2 )
f (b 2 ) − f (a 2 )
xn = an −
(bn − an )f (an ) = an f (bn ) − bn f (an )
f (bn ) − f (an ) f (bn ) − f (an )
Observe que en el denominador de la expresión anterior nunca se resta, pues f (an )f (bn ) < 0 .
Este método tiene la desventaja, con respecto al método de Bisección, que la longitud del
subintervalo que contiene a la raíz en general no tiende a cero, porque la mayoría de las
gráficas de las funciones son cóncavas (hacia arriba o hacia abajo) en la vecindad de la raíz,
lo que hace que uno de los extremos de los subintervalos se aproxime a la raíz, mientras el
otro permanece fijo (ver la FIGURA 2.6 anterior).
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 43
__________________________________________________________________________________
Por lo anterior, la longitud del subintervalo [an , bn ] no puede tomarse como un criterio de
aproximación a la raíz; se requiere una tolerancia en el valor de la función en la aproximación
xn , es decir, f (xn ) < ε o xn − xn −1 < ε para alguna tolerancia ε > 0 previamente
escogida. El procedimiento termina cuando se alcance esta tolerancia o un número máximo
de iteraciones previamente establecido.
Se puede demostrar, ver Ralston,1965, página 324, que este método converge siempre que f
sea continua.
f (xn ) < ε = 5 × 10 −5
Instrucción en DERIVE:
Compare los resultados anteriores con los obtenidos por el método de Bisección. ♦
Ejercicio 2.3 Aplique el método de Regula Falsi para estimar la menor raíz positiva α de la
ecuación x − tanx = 0 , usando como criterio de aproximación f (xn ) < 5 × 10 −5 . Con
cuántas cifras decimales exactas aproxima el valor obtenido xn a α ? ♦
A diferencia de los métodos cerrados que requieren de un intervalo que encierre la raíz
buscada, los métodos abiertos que se verán requieren de un solo valor o dos valores iniciales
(de arranque) que no necesariamente encierran dicha raíz; ésto hace que algunas veces las
sucesiones generadas por estos métodos sean divergentes o se alejen de la raíz de interés
(vayan probablemente a otra raíz), pero tienen la ventaja que cuando convergen lo hacen
"más rápidamente" que las sucesiones generadas por los métodos cerrados.
Teorema 2.1 (de punto fijo) Si g es una función continua en [a, b] y g(x) ∈[a, b] para todo
x ∈[a, b] , entonces g tiene por lo menos un punto fijo en [a, b] . Si además, g′(x) existe para
todo x ∈ (a, b) y g′(x) ≤ K < 1 para todo x ∈ (a, b) , K constante , entonces g tiene un único
punto fijo α ∈[a, b] y la sucesión {xn }n definida mediante la fórmula de iteración
xn = g(xn −1 ) , n = 12
, ,3,...
converge a α ( lim x n = α ) cualquiera sea x0 ∈[a, b] , y se tienen las siguientes cotas para
n→∞
el error de truncamiento, α − xn :
Ilustración:
FIGURA 2.7
Supongamos a < g(a) y b > g(b) y sea h(x) = g(x) − x . Entonces h es continua en [a, b] ,
h(a) = g(a) − a > 0, h(b) = g(b) − b < 0 , por tanto (teorema del valor intermedio) existe por lo
menos un α ∈ (a, b) tal que h(α ) = 0 , ésto es, α = g(α ) .
Unicidad: Supongamos que g′(x) ≤ K < 1 para toda x ∈ (a, b) y alguna constante K, y sean
para algún ξ ∈ (α, β) , lo cual es un absurdo, así que α = β y entonces el punto fijo en [a, b] ,
que existe según la primera parte, es único.
De otro lado
α − x0 = α − x1 + x1 − x0 ≤ α − x1 + x1 − x0 ≤ K α − x0 + x1 − x0
así que
(1 − K ) α − x0 ≤ x1 − x0
y como 0 ≤ K < 1 , entonces
1
α − x0 ≤ x1 − x0 (2.3)
1− K
Nuevamente, de (2.2)
α − xn ≤ K n α − x 0
Kn
α − xn ≤ K n α − x 0 ≤ x1 − x 0
1− K
así que
Kn
ii) α − xn ≤ x1 − x0 , n = 12
, ,...
1− K
xn = g( xn −1 ) , n = 1,2,...
con x0 dado.
La función g se dice una función de iteración de punto fijo.
Nota: Observe, a partir de la cota de error dada en el teorema 2.1, ii), que para 0 ≤ K < 1 ,
entre más pequeña sea K, es decir, entre más pequeña sea g′( x) , x ∈ ( a,b) , "más rápida"
será la convergencia de la sucesión {xn }n a α . La convergencia puede ser muy lenta si K
está cerca de 1.
∗
Algoritmo 2.2 (Punto Fijo) Para encontrar una aproximación α de un punto fijo α de una
función g, dada una aproximación inicial x0 :
Entrada: g(x); una aproximación inicial x0 ; una tolerancia Tol, y un número máximo de
iteraciones N .
∗
Salida: Un punto fijo aproximado α o un mensaje.
Paso 1: Tomar n = 1.
Paso 4: Si c − x0 < Tol o c − x0 < Tol c , entonces salida: "Un punto fijo
aproximado de la función dada es α ∗ = c ". Terminar.
Paso 5: Tomar n = n + 1.
Hay situaciones en las que no se satisfacen las hipótesis del teorema de Punto Fijo y sin
embargo hay convergencia, es decir, el teorema es de condiciones suficientes no necesarias.
Ejemplo 2.4 Para la ecuación 3 x2 − e x = 0 sabemos que tiene tres raíces reales
α 1 ∈[−.5,−.4] , α 2 ∈[.9,10
. ] y α 3 ∈[3.7,3.8]. Estimemos α 2 usando el método de iteración
de Punto Fijo.
48 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
Como
x
e2
x = , si x ≥ 0
1
ex ex 2 3
3x − e = 0 ⇔ x =
2 x
⇔ x = ±
2 ⇔
3 3 x
2
x = − e
, si x ≤ 0
3
x
entonces g1(x) =
1 2
e es una función de iteración.
3
Como
ex
3 x2 − e x = 0 ⇔ x = , x≠0
3x
ex
entonces g2 ( x) = , x ≠ 0 , también es una función de iteración.
3x
Como
( )
3x2 − e x = 0 ⇔ e x = 3x 2 ⇔ x = ln 3x 2 , x ≠ 0
( )
entonces g3 (x) = ln 3x 2 , x ≠ 0 , es otra función de iteración.
Como
3x 2 − e x 3 x 2 − xe x + e x
3x 2 − e x = 0 ⇔ x = x − , 6x − e x ≠ 0 ⇔ x = , 6x − e x ≠ 0
6x − e x 6x − e x
3 x 2 − xe x + e x
entonces g4 (x) = , 6 x − e x ≠ 0 , es una función de iteración (la función de
6x − e x
Como
3 x2 − e x = 0 ⇔ x = 3 x2 + x − e x
x
Si escogemos la función de iteración g1(x) = e 2 y el intervalo [.9,10
. ] , vemos que:
1
3
x
[.9,10
. ]; g1′ (x) = > 0 para todo x ∈[.9,10
. ], así que g1 es
1
g1 es continua en e2
2 3
creciente en [.9,10
. ] , y como
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 49
__________________________________________________________________________________
.9 1.0
g1(.9 ) = e 2 = .905... ∈[.9,10
. ] , g1(10
. )= = .951... ∈[.9,10
. ]
1 1 2
e
3 3
Ahora,
x
g1′′ (x ) = e 2 > 0 para todo x ∈ [.9,1.0]
1
4 3
para x ∈[.9,10
. ] ), y como
Cuántas iteraciones n serán necesarias para que xn aproxime al punto fijo α 2 ∈[.9,10
. ]
con por lo menos tres cifras decimales exactas ?
Tomando K =.48 y x0 =.95 ( observe que x 0 =.95 es el punto medio del intervalo [.9,10
. ] y
es el valor que minimiza la expresión Max {x0 − a, b − x0 } ), obtenemos
n≥
(
ln 10 −2 ) = 6.27...
ln(.48)
Luego para n ≥ 7 , se tiene que xn aproximará a α 2 con una precisión de por lo menos tres
cifras decimales exactas.
x
La gráfica de g1(x) =
1 2
e se muestra en la FIGURA 2.9, y los valores calculados usando el
3
x
método de Punto Fijo con la función de iteración g1(x) =
1
e 2 , iniciando con x0 = .95 y
3
terminando en x7 ≈ α 2 , se muestran en la TABLA 2.3.
FIGURA 2.9
N xn
0 .95
1 .9283874
2 .9184090
3 .9138383
4 .9117522
5 .9108017
6 .9103690
7 .9101720
TABLA 2.3
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 51
__________________________________________________________________________________
Instrucción en DERIVE:
Observe, en la FIGURA 2.9, que no existe intervalo [a, b] que contenga a α 3 (que es punto
fijo de g1 ) donde se satisfagan todas las hipótesis del teorema de Punto Fijo para la función
g1 . Para esta función de iteración g1 el método de Punto Fijo no converge a α 3 .
ex
Si tomamos la función de iteración g2 (x) = , x ≠ 0 , cuya gráfica se muestra en la FIGURA
3x
2.10 siguiente, tenemos:
FIGURA 2.10
3 xe x − 3 e x e x (x − 1)
. ] ; g′2 (x) =
g2 es continua en [.9,10 = ≤ 0 si x ∈[.9,10
. ] , así que g2 es
9 x2 3 x2
decreciente en [.9,10
. ] , y como
Ahora,
g′′ (x) =
(e (x − 1) + e )3x
x x 2
− e x (x − 1)6 x
2
9 x4
=
x 2 e x − 2xe x + 2e x
=
( )
e x x 2 − 2x + 2
3 3
3x 3x
y como
( )
x 2 − 2x + 2 = x 2 − 2x + 1 + 1 > 0 para todo x ∈ R
Los valores obtenidos usando la función de iteración g2 con punto inicial x 0 = .95 y criterio
de aproximación xn − xn −1 < 5 × 10 −5 , se muestran en la TABLA 2.4 siguiente.
n xn xn − xn −1
0 .95
1 .9072665 4.27335 × 10 −2
2 .9102584 2.9919 × 10 −3
3 .9099850 2.734 × 10 −4
4 .9100096 2.46 × 10 −5
TABLA 2.4
ex
Será que la función g2 (x) = nos sirve para determinar α 3 ∈[3.7,3.8] ?
3x
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 53
__________________________________________________________________________________
Veamos:
Existirá algún intervalo [a, b] que contenga a la raíz α 3 donde se satisfagan todas las
hipótesis del teorema de Punto Fijo para la función g2 ?
Observe, a partir de la gráfica de g2 , que no existe intervalo [a, b] con α 3 ∈[a, b] tal que
Como g′2 es creciente en [3.7,3.8] , g′2 (3.7) = 2.65..., g′2 (3.8) = 2.88..., entonces
g′2 (x ) > 1 para todo x ∈[3.7,3.8] . Luego no existe intervalo [a, b] que contenga a la raíz
α 3 donde se satisfagan las hipótesis del teorema de Punto Fijo para la función g2 .
Por otro lado, como g′2 es decreciente en [−.5,−.4] , g′2 (−.5) = −121
. ... y g′2 (−.4) = −195
. ... ,
entonces g2 tampoco satisface las hipótesis del teorema de Punto Fijo en algún intervalo
que contenga a α 1 . ♦
Ejercicio 2.4 Use el método de iteración de Punto Fijo, con alguna de las funciones de
iteración dadas anteriormente, para encontrar estimaciones de las raíces α 1 y α 3 de la
ecuación 3 x2 − e x = 0 , usando como criterio de aproximación
xn − xn −1 < 5 × 10 −5 ♦
Ejemplo 2.5 Usemos el método iterativo de Punto Fijo para encontrar la menor raíz positiva
de la ecuación x − tanx = 0 .
π 3π
De acuerdo con la FIGURA 2.11, la menor raíz positiva α ∈ , , y a partir de una tabla
2 2
de valores para f (x ) = x − tanx , por ejemplo en el intervalo [4,4.7] con tamaño de paso
h = .1 , puede verse que α ∈[4.4,4.5] (cuando utilice una calculadora, use el modo radianes
para los cálculos).
Una primera función de iteración de Punto Fijo (que salta a la vista) es g(x ) = tanx (ya que
x − tanx = 0 ⇔ x = tanx ), pero es claro que para esta función g no existe intervalo [a, b] que
54 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
contenga la raíz α donde se satisfagan todas las hipótesis del teorema de Punto Fijo, pues
g′(α ) >> 1 (observe la FIGURA 2.11).
FIGURA 2.11
Si aplicamos el método de Punto Fijo con la función de iteración g(x ) = tanx y punto inicial
x 0 = 4.4 , se obtienen en las cinco primeras iteraciones los resultados que se muestran en la
TABLA 2.5 siguiente.
n xn
0 4.4
1 3.096324
2 − 4.529982 × 10 −2
3 − 4.533083 × 10 −2
4 − 4.536191 × 10 −2
5 −4.539305 × 10 −2
TABLA 2.5
Si empezamos con x0 = 4.5 , se obtienen los resultados que se muestran en la TABLA 2.6,
donde se ve claramente que tampoco hay convergencia a la raíz buscada.
de iteración de punto fijo, apropiada para determinar α, es la que se obtiene por la vía de la
función inversa. Para obtener tal función de iteración g(x) procedemos como sigue:
n xn
0 4.5
1 4.637332
2 13.29819
3 .8982038
4 1.255520
5 3.066028
TABLA 2.6
π 3π π 3π
<x< y x = tanx ⇔ <x< y x = tan(x − π )
2 2 2 2
π π
⇔ − < x−π< y x = tan(x − π )
2 2
π π
⇔ − < x−π< y tan −1x = x − π
2 2
π 3π
⇔ <x< y x = π + tan −1x
2 2
Así que podemos tomar como función de iteración g(x) = π + tan −1x . La gráfica de
y = π + tan −1x se muestra en la FIGURA 2.12 siguiente.
FIGURA 2.12
Veamos que g(x) = π + tan −1x satisface todas las hipótesis del teorema de Punto Fijo en el
intervalo [4.4,4.5] :
56 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
Por lo tanto g tiene un único punto fijo α ∈[4.4,4.5] , y la sucesión {xn }n con
converge a α cualquiera sea x0 ∈[4.4,4.5] , y se tienen además, las cotas para el error de
truncamiento α − xn , dadas en el teorema 2.1.
Como ejercicio, encuentre cuántas iteraciones n serán necesarias para que xn aproxime
a α con por lo menos 4 cifras decimales exactas, tomando [a, b] = [4.4,4.5] , x0 = 4.45 y
K = .05 ?
La TABLA 2.7 siguiente, muestra los cálculos de las iteraciones para g(x) = π + tan −1x con
punto inicial x 0 = 4.45 y criterio de aproximación xn − xn −1 < 5 × 10 −5 .
n xn xn − xn −1
0 4.45
1 4.491341 .041341
2 4.493311 . × 10 −3
197
3 4.493404 9.3 × 10 −5
4 4.493409 5.0 × 10 −6
TABLA 2.7
Definición 2.3 Dada una ecuación f (x) = 0 . Un número α se dice una raíz de multiplicidad
m (m un entero positivo) de la ecuación f (x) = 0 , si f (α ) = 0 , y
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 57
__________________________________________________________________________________
El siguiente teorema relaciona la multiplicidad de una raíz de una ecuación f (x) = 0 con las
derivadas de la función f .
Teorema 2.2 Supongamos que la función f tiene su dos primeras derivadas continuas en un
intervalo [a, b] que contiene a un número α . Entonces α es una raíz simple de la ecuación
f (x) = 0 si y sólo si f (α ) = 0 y f ′(α) ≠ 0 .
! 2!
0
= (x − α )f ′(α ) + f ′′(ξ )
(x − α)
2!
Llamando
Teorema 2.3 Supongamos que la función f tiene sus primeras m + 1 derivadas continuas en
un intervalo [a, b] que contiene a un número α. Entonces α es una raíz de multiplicidad m de
De acuerdo con la hipótesis general y el teorema 2.2, como f ′(α) ≠ 0 , entonces la raíz α es
simple, es decir, de multiplicidad 1.
Las siguientes gráficas muestran diversas posibilidades de multiplicidad para una raíz α de
una ecuación f (x) = 0 :
f ( x n −1 )
En general, para cada n ≥ 1, xn = xn −1 − : abscisa del punto de intersección de la
f ′ ( x n −1 )
(
recta tangente a la gráfica de f en el punto xn −1, f (xn −1 ) , con el eje x. )
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 59
__________________________________________________________________________________
FIGURA 2.14
(x − α )
2
∗
( ) + f ′(α )(x − α )
f (x) = f α ∗ ∗ ∗
+ f ′′(ξ)
2!
con ξ entre x y α ∗
(α − α )
2
∗
0 = f (α ) = f α ( ) + f ′(α )(α − α )
∗ ∗ ∗
+ f ′′(ξ)
2!
, ξ entre α y α ∗
(α − α )
2
∗
α≈α − ∗ ( )
f α∗
f ′(α )
∗
∗
y α −
( ) es, por lo general, una mejor aproximación de α que α
f α∗
∗
f ′(α )
.
∗
f ( x n −1 )
x n = x n −1 − , n = 12
, ,...
f ′(xn −1 )
y escogiendo x0 "cercano" a α .
La escogencia del punto inicial x0 es muy importante para la convergencia del método de
4x − 7
Newton-Raphson. Como ejemplo, consideremos la función f (x) = , que tiene un cero
x−2
7
en α = = 175
. . Como
4
4(x − 2) − (4 x − 7) −1
f ′(x) = , f ′′(x) =
2
=
(x − 2) 2
(x − 2) 2
(x − 2)3
entonces f es continuamente diferenciable dos veces en todo intervalo que no contenga a
x=2.
4 x n −1 − 7
xn −1 − 2
x n = x n −1 − , x n −1 ≠ 2
−1
(xn−1 − 2)2
4x − 7
La gráfica de f (x) = es como se muestra en la FIGURA 2.15.
x−2
Si x0 ∈ (15
. ,2) el método converge. Qué pasa si x0 ∈ (0,15
. )?
En las TABLAS 2.8 y 2.9, se muestran los resultados obtenidos al aplicar el método de
4x − 7
Newton-Raphson a la función f (x) = tomando como puntos iniciales x 0 = 165. y
x−2
. , respectivamente, y usando como criterio de aproximación f (xn ) < 5 × 10
−5
x 0 = 185 o
xn − xn −1 < 5 × 10 −5 .
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 61
__________________________________________________________________________________
FIGURA 2.15
n xn f (xn ) xn − xn−1
0 .
165 . ...
114
1 .
179 −.761... .14
2 .
17564 −.105... 3.36 × 10 −1
3 .
1750163 −2.60...×10 −3 6.237 × 10 −3
4 175
. 0 . × 10 −4
163
TABLA 2.8
Instrucción en DERIVE:
n xn f (xn ) xn − xn−1
0 .
185 −2.66...
1 .
179 −.761... 6.0 × 10 −2
2 17564
. −.105... 3.36 × 10 −1
3 .
1750163 −2.60...×10 −3 6.237 × 10 −3
4 .
175 0 . × 10 −4
163
TABLA 2.9
n xn f (xn ) xn − xn−1
0 .
10 3.0
1 4.0 4.5 3.0
2 22.0 4.05 18.0
3 1642.0 4.000609 1620.0
4 .
1076168 × 10 7 4.000000 .
10760038 × 107
5 4.632550 × 1014 4.000000 4.6325498...×1014
TABLA 2.10
Teorema 2.4 Sea f una función continuamente diferenciable dos veces en un intervalo [a, b]
que contiene un número α . Si f (α ) = 0 y f ′(α ) ≠ 0 ( α es raíz simple de la ecuación
f (x) = 0 ), entonces existe δ > 0 tal que la sucesión {xn }n con
f ( x n −1 )
xn = xn −1 − , n = 1,2,...
f ′ ( x n −1 )
Demostración: Haciendo
f (x)
g(x) = x −
f ′(x)
se demostrará que existe un δ > 0 tal que la función g satisface las hipótesis del teorema 2.1
(de Punto Fijo) en el intervalo [α − δ, α + δ ] .
En efecto:
Como f ′(α) ≠ 0 y f ′ es continua en [a,b] , existe δ1 > 0 tal que f ′(x) ≠ 0 para todo
x ∈[α − δ1, α + δ1 ] ⊆ [a, b] . Entonces g es continua en [α − δ1, α + δ1 ] .
Ahora,
f ′(x)f ′(x) − f (x)f ′′(x) [f ′(x)] − [f ′(x)] + f (x)f ′′(x)
2 2
g′(x) = 1 − =
[f ′(x)] [f ′(x)]
2 2
f (x)f ′′(x)
= para x ∈[α − δ 1, α + δ 1 ]
[f ′(x)]
2
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 63
__________________________________________________________________________________
f (α )f ′′(α )
g′(α ) = =0
[f ′(α)]
2
Ahora, como g′ es continua en [α − δ1, α + δ 1 ] y g′(α ) = 0 , entonces existe δ con 0 < δ < δ 1
tal que g′(x) ≤ K < 1 para toda x ∈[α − δ, α + δ ] (este δ depende del K escogido).
( )
Fijados K y δ, falta demostrar que g [α − δ, α + δ] ⊆ [α − δ, α + δ ] .
Si x ∈[α − δ, α + δ ] , el teorema del valor medio aplicado a g implica que existe un ξ entre x y α
tal que
g(x) − α = g(x) − g(α ) = g′(ξ) x − α ≤ K x − α < x − α ≤ δ
f (α )
(recuerde que g(α ) = α − = α ).
f ′(α )
Así que g(x) − α ≤ δ , lo que significa que g(x) ∈[α − δ, α + δ ] para todo x ∈[α − δ, α + δ ] .
xn = g(xn−1 ), n = 12
, ,...
f ( x n −1 )
xn − xn −1 =
f ′ ( x n −1 )
entonces entre más grande sea f ′(x) en la vecindad de la raíz α, "más rápida" será la
convergencia.
64 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
∗
Algoritmo 2.3 (Newton-Raphson) Para encontrar una aproximación α de una raíz α de
una ecuación f (x) = 0 conocida una aproximación inicial x 0 :
Entrada: f (x), f ′(x) , una aproximación inicial x 0 , una tolerancia Tol, y un número máximo
de iteraciones N .
∗
Salida: Una raíz aproximada α o un mensaje.
Paso 1: Tomar n = 1.
e
Paso 5: Tomar c = x 0 − (calcula xn ).
d
Paso 7: Tomar n = n + 1.
se obtienen los resultados que se muestran en las TABLAS 2.11, 2.12 y 2.13 siguientes.
n xn f (xn ) xn − xn −1
0 −.5 .143...
1 −.4602195 4 26...×10 −3
. 3.97805 × 10 −2
2 −.4589635 4.18...×10 −6 .
1256 × 10 −3
TABLA 2.11
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 65
__________________________________________________________________________________
n xn f (xn ) xn − xn −1
0 10
. 2.81...×10 −1
1 .9141552 4.26...×10 −3 8.58448 × 10 −2
2 .9100176 4.18...×10 −6 4.1376 × 10 −3
TABLA 2.12
n xn f (xn ) xn − xn −1
0 3.8 −1.38...
1 3.736935 − 7.51... × 10 −2 6.3065 × 10 −2
2 3.733092 − 2.51... × 10 −4 3.843 × 10 −3
−5
3 3.733078 1.96... × 10 1.4 × 10 −5
TABLA 2.13
Ejercicio 2.5 Use el método de Newton-Raphson para encontrar la menor raíz positiva de la
ecuación x − tanx = 0 , usando como criterio de aproximación el mismo dado en ejemplo 2.6
anterior. ♦
p(xn −1 )
x n = x n −1 − , n = 12
, ,...
p ′(xn −1 )
con x0 escogido cercano a α .
( ( (
p(x) = a0 + x a1 + x a 2 + x a3 +...+ x(an −1 + xan )... )))
queremos evaluar p(z ) y p ′(z ) para algún número real z, basta tener en cuenta que:
Si hacemos
bn = a n , y
bk = ak + zbk +1 para k = n − 1, n − 2,...,10
,
entonces b 0 = p(z ) .
Los números auxiliares bn , bn −1,..., b1 son los coeficientes del polinomio cociente q(x ) que
resulta de la división de p(x ) por x − z y b 0 es el residuo, es decir,
p(x ) = (x − z )q(x ) + b0
En efecto:
p(z ) = (z − z )q(z ) + b 0 = b 0
entonces derivando a ambos lados de esta última ecuación con respecto a x, obtenemos
y entonces
p ′(z ) = q(z ) + (z − z )q′(z ) = q(z )
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 67
__________________________________________________________________________________
y como q(x ) es un polinomio del cual conocemos sus coeficientes (los números
bn , bn −1,..., b1 ), podemos aplicar el algoritmo de Horner al polinomio q(x ) para hallar q(z ) y
de esta manera obtener p ′(z ) .
Entrada: El grado n del polinomio, los coeficientes a 0 , a1,..., an del polinomio p(x ) , el número
real z.
Observe, en el algoritmo anterior, que como bn , bn−1,..., b1 son los coeficientes del polinomio
reducido q(x ) , si aplicamos el algoritmo de Horner a este polinomio q(x ) , es decir, hacemos
c n = bn , y
para j = n − 1, n − 2,...,1 hacemos c j = b j + zc j+1
p(x 0 ) p(2.0 )
x1 = x 0 − = 2.0 −
p ′ (x 0 ) p ′(2.0 )
Entonces
5.0
x1 = 2.0 − = 15455
. y x1 − x0 = .4545 > 5 × 10 −3
.
110
p(x1 ) .
11461
x 2 = x1 − = 15455
. − = 13596
. y x 2 − x1 = .1859 > 5 × 10 −3
p ′(x1 ) 6.1657
Luego α 1 ≈ 13258
. = x 3 . Puesto que la ecuación dada, x 3 − x − 1 = 0 , tiene tres raíces, cómo
podríamos intentar aproximar las otras dos raíces α 2 y α 3 de esta ecuación? (Se puede
verificar fácilmente que las raíces α 2 y α 3 son complejas no-reales).
Recordemos que
p(x ) = (x − 1.3258 )q(x ) + p(1.3258 )
q(x) = x 2 + 13258
. x + .7577
Total que
p(x) = (x − 13258
. (
) x2 + 13258
. )
x + .7577 + 0.0046
(recuerde que estamos haciendo redondeo a cinco dígitos)
70 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
Instrucción en DERIVE:
( )
p(x) ≈ x − α 1∗ qn −1(x)
( )( )
p(x) ≈ x − α 1∗ x − α ∗2 qn − 2 (x)
( )( ) ( )
p(x ) ≈ x − α 1∗ x − α ∗2 ... x − α ∗n−2 q2 (x )
∗ ∗ ∗
El procedimiento descrito antes para obtener α1, α2 ,..., αn − 2 se conoce como Deflación.
La posible deficiencia en la precisión de las raíces obtenidas por Deflación se debe a que
cuando obtenemos los ceros aproximados de p(x ) , estamos usando el método de Newton-
Raphson aplicado al polinomio reducido q k (x ) . Para mejorar la precisión en el método de
∗
Deflación, cualquier cero aproximado α k que se encuentre para un polinomio reducido debe
someterse a un refinamiento aplicando el método de Newton-Raphson al polinomio original
p(x ) , tomando a α k como aproximación inicial.
∗
Entrada: El grado n y los coeficientes a 0 , a1,..., an del polinomio p(x ) ; una aproximación
inicial x 0 ; una tolerancia Tol, y un número máximo de iteraciones N.
Paso 1: Tomar i = 1.
Paso 3: Tomar bn = an y c = an
b j = a j + x 0 b j +1
c = b j + x 0 c (calcula p ′(x0 ) )
b0
Paso 7: Tome x1 = x0 − (calcula xi en el método de Newton-Raphson).
c
b0
Paso 8: Si b0 < Tol o x1 − x0 = < Tol , entonces salida: "Una raíz
c
aproximada de p(x) = 0 es α = x1 ". Terminar.
∗
Paso 9: Tomar i = i + 1.
Paso 11: Salida "Se alcanzó el número máximo de iteraciones N pero no la tolerancia".
Terminar.
FIGURA 2.16
q2 (x ) = x 2 + 2.146233x + 1.035197
De acuerdo con la FIGURA 2.17, la ecuación dada sólo tiene dos raíces reales simples
α 1 ∈[−5,0] y α 2 ∈[0,5] (verifíquelo analíticamente).
q2 (x ) = x 2 + 4.999999x + 8.000134
74 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
FIGURA 2.17
FIGURA 2.18
De acuerdo con esta gráfica la raíz α = 0 es una raíz múltiple con multiplicidad impar.
Como
f ′(x) = 1 − sec 2 x , f ′(0 ) = 0
f ′′(x) = −2 sec 2 xtanx , f ′′(0 ) = 0
f ′′′(x) = −4 sec 2 xtan 2 x − 2 sec 4 x , f ′′′(0) = −2 ≠ 0
Observe que aunque la raíz α = 0 es múltiple, f ′(x) ≠ 0 para x cerca de 0, x ≠ 0 , así que
podemos aplicar el método de Newton-Raphson para aproximar la raíz α = 0 . Si hacemos
ésto con criterio de aproximación f (xn ) < 5 × 10 −5 o xn − xn −1 < 5 × 10 −5 , obtenemos los
resultados que aparecen en la TABLA 2.14 siguiente.
n xn f (xn ) xn − xn −1
0 .3 −9.33...×10 −3
1 2.024312 × 10 −1 −2.81...×10 −3 9.75688 × 10 −2
2 .
1356958 × 10 −1 −8.39...×10 −4 6.67354 × 10 −2
3 9.068650 × 10 −2 −2.49...×10 −4 4.50093 × 10 −2
4 6.052418 × 10 −2 −7.40...×10 −5 3.016232 × 10 −2
5 4.036921 × 10 −2 −2.19...×10 −5 2.015497 × 10 −2
TABLA 2.14
Ejercicio 2.6 Use el método de Newton-Raphson para encontrar las dos raíces de la
ecuación x2 − 2.0001x + 10001
. = 0 , usando como puntos iniciales x 0 = .5 , x0 = 15
. y criterio
de aproximación f (xn ) < 5 × 10
−5
o xn − xn −1 < 5 × 10 −5 . Cuáles son las raíces exactas
de esta ecuación ? ♦
En situaciones como la del ejemplo anterior (raíz múltiple), se recomienda utilizar el método
de Newton-Raphson modificado.
f (x)
, x≠α
M(x) = f ′(x)
0, x=α
Por ser f (x ) = (x − α )m h(x ) , entonces f ′(x ) = m(x − α )m −1 h(x ) + (x − α )m h ′(x ) , así que
para x ≠ α , M(x) =
f (x)
=
( x − α ) h(x)
m
= (x − α )
h(x)
f ′(x) (x − α ) [mh(x) + (x − α )h ′(x)]
m −1
mh(x) + (x − α )h ′(x)
Observe que lim M(x) = 0 = M(α ) , lo que significa que la función M es continua en α . ∇
x→ α
f (x)
M(x) f ′(x)
g(x) = x − = x−
M′(x)
[f ′(x)] − f (x)f ′′(x)
2
[f ′(x)]
2
es decir,
f (x)f ′(x)
g(x) = x −
[f ′(x)] − f (x)f ′′(x)
2
n xn M(xn ) xn − xn −1
0 .3 9.75...×10 −2
1 −1595052
. × 10 −2 −5.31...×10 −3 .31595052
2 2.164831 × 10 −6 7.21...×10 −7 .
1595268 × 10 −2
TABLA 2.15
Instrucción en DERIVE:
Observando la TABLA 2.15 vemos que el valor de x2 , obtenido por el método de Newton-
Raphson modificado, es mucho más cercano a 0 que el valor de x 5 obtenido por el método
de Newton-Raphson aplicado a la función f (x) = x − tanx .
x − tanx
En el ejemplo anterior M(x) = y la gráfica de M en la vecindad de α = 0 se muestra
1 − sec 2 x
en la FIGURA 2.19 . ♦
78 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
FIGURA 2.19
2.2.5 Método de la Secante: El método de Newton-Raphson para aproximar una raíz simple
α de una ecuación f (x) = 0 , consiste en generar la sucesión {xn }n a partir de la fórmula de
iteración
f ( x n −1 )
xn = xn −1 − , n = 12
, ,...
f ′ ( x n −1 )
Como
f (x) − f (xn −1 )
f ′(xn −1 ) = lim
x→ xn − 1 x − x n −1
f (xn −1 )(xn −1 − xn − 2 )
xn = xn −1 − , n = 2,3,...
f ( x n −1 ) − f ( x n − 2 )
Nótese que para iterar con el método de la Secante se requiere conocer dos aproximaciones
iniciales x 0 y x1 .
FIGURA 2.20
∗
Algoritmo 2.6 (Secante) Para encontrar una aproximación α de una raíz α de una
ecuación f (x ) = 0 conocidas dos aproximaciones iniciales x0 y x1 :
Paso 1: Tomar n = 2 , y 0 = f (x 0 ) y y 1 = f (x 1 ) .
y1(x1 − x0 )
Paso 4: Tomar x 2 = x1 − .
y1 − y 0
80 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
Paso 6: Tomar n = n + 1.
Paso 7: Tomar x 0 = x 1
y 0 = y1
x1 = x 2
y 1 = f (x 1 )
Ejemplo: 2.11 Si aplicamos el método de la Secante para encontrar la menor raíz positiva de
la ecuación x − tanx = 0 , con criterio de aproximación xn − xn −1 < 5 × 10 −5 , obtenemos los
resultados que se muestran en la TABLA 2.16 siguiente.
n xn xn+1 f (xn+1 ) xn +1 − xn
0 4.4 4.5 −.137... .1
1 4.5 4.490469 5.85...×10 −2 9.531 × 10 −3
2 4.490469 4.494723 −2.66...×10 −2 4.254 × 10 −3
3 4.494723 4.492822 . ...×10 −2
118 .
1901 × 10 −3
4 4.492822 4.493671 −5.28...×10 −3 8.490 × 10 −4
5 4.493671 4.493292 2.37...×10 −3 3.790 × 10 −4
6 4.493292 4.493461 . ...×10 −3
−104 .
1690 × 10 −4
7 4.493461 4.493386 4.73...×10 −4 7.500 × 10 −5
8 4.493386 4.493419 . ...×10 −4
−192 3.300 × 10 −5
TABLA 2.16
Instrucción en DERIVE:
De acuerdo con los resultados de la TABLA 2.16, la menor raíz positiva de la ecuación
x − tanx = 0 es α ≈ 4.493419 = x8 . ♦
Los métodos numéricos estudiados aquí para hallar una raíz α de una ecuación f (x) = 0
consistieron en generar una sucesión {xn }n tal que lim xn = α .
n→∞
La eficiencia de un método numérico depende, en parte, de la "rapidez" con la cual la
sucesión {xn }n converge a α, donde "rapidez" significa el número mínimo de iteraciones N
necesarias para tener xN a una distancia dada de la raíz α, es decir, tal que xn − α < ε
para algún ε > 0 dado. Una forma de medir la "rapidez" de la convergencia de un método
iterativo de los que estudiamos, es en los siguientes términos.
En +1 x n +1 − α
lim = lim =L
n→∞ Eλ n→∞ λ
n xn − α
entonces se dice que la sucesión {xn } converge a α con orden de convergencia λ y error
n
asintótico L . ∇
Veamos que la definición 2.4 es una buena definición en el sentido que si λ y L existen,
entonces son únicos.
En +1 En +1
lim = L1 y lim = L2
n→∞ Enλ1 n→∞ Enλ 2
y veamos que λ 1 = λ 2 y L1 = L 2 .
Basta probar que λ 1 = λ 2 , pues si esto ocurre, entonces L1 = L 2 (por la unicidad del límite,
cuando existe).
Supongamos, por reducción al absurdo, que existen λ 1 y λ 2 con λ 1 > λ 2 > 0 y tales que
En +1 En +1
lim = L1, lim = L 2 donde L1, L 2 > 0
n→∞ Enλ1 n→∞ Enλ 2
82 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
1 En +1 Enλ 2
=
Enλ1 − λ 2 Enλ1 En +1
así que
1 En +1 Enλ 2
lim = lim
n→∞ Enλ1 − λ 2 n→∞ Enλ1 En +1
Pero
1
lim = ∞, ya que lim E nλ1 −λ 2 = 0
n→∞ E nλ1 − λ 2 n→ ∞
y
En +1 Enλ 2 En +1 Enλ 2 1 L1
lim λ1 E
= lim λ
lim = L1 = ∈R
n→∞ En n +1 n→∞ E 1 n→∞ En +1 L2 L2
n
En +1 ≈ LEnλ
y así, fijado L, entre mayor sea λ , más rápidamente converge la sucesión {xn }n a α, es
decir, entre mayor sea el orden de convergencia de una sucesión {xn }n , menor será el
número de iteraciones necesarias para tener a xn a una distancia dada del límite de esa
sucesión.
Casos especiales:
En+1 ≈ LEn
En +1 ≈ LEn2
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 83
__________________________________________________________________________________
sucesiones.
Como
1
3
En +1 (n + 1) 3 nλ
= =
Enλ 1
λ
n + 1
3
n
entonces
nλ 1
lim = lim = L ∈ R, L > 0, si y sólo si λ = 1
n→∞ n + 1 n→∞ n1− λ + n − λ
Procediendo de manera similar al caso anterior, se puede ver que el orden de convergencia
1
En = < 10 −3 ⇔ n3 > 10 3 ⇔ n > 10, así que N1 = 11 .
n3
1
E" n = < 10 −3 ⇔ 10 2 > 10 3 ⇔ 2n > 3 ⇔ n ≥ 2 , así que N2 = 2 .
n
n
10 2
xn = g(xn−1) , n = 1,2,...
En efecto:
∈n+1 = xn+1 − α = g (xn ) − g (α ) = g′(ξ n )(xn − α ) = g′(ξ n ) ∈n
con ξ n entre xn y α .
así que
= g′(α ) = L > 0
En +1
lim
n→∞ En
ii) Si g′′ es continua en alguna vecindad de α, g′(α ) = 0 , g′′(α ) ≠ 0 (el punto α,g(α ) no es ( )
de inflexión de la gráfica de g), y la sucesión {xn }n definida por
xn = g(xn−1 ) , n = 12
, ,...
En efecto:
Como g′′ es continua en un intervalo abierto que contiene a α, entonces para x en ese
intervalo, se tiene
g′′(ξ)
g (x) = g (α ) + g′(α )(x − α ) + ( x − α )2 con ξ entre x y α
2
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 85
__________________________________________________________________________________
g′′(ξ)
g (x) = α + ( x − α )2 con ξ entre x y α
2
g′′(ξ n )
x n +1 = g ( x n ) = α + ( xn − α ) 2 con ξ n entre xn y α
2
Por tanto
g′′(ξ n ) g′′(ξ n )
∈n +1 = xn +1 − α =
2
( x n − α )2 = 2
∈n2
∈n +1 g′′(ξ n ) g′′(α )
lim = lim =
n→∞ ∈2 n→∞ 2 2
n
y entonces
En +1 ∈n +1 g′′(α )
lim = lim = =L>0
n→∞ En2 n→∞
∈n
2
2
xn = g(xn−1) , n = 12
, ,...
Un teorema que generaliza las ideas anteriores y cuya prueba es similar a la de los casos i) y
ii) vistos antes, es el siguiente:
Teorema 2.4 Sea α una raíz de una ecuación x = g(x ) . Si g tiene las primeras k-derivadas
continuas en alguna vecindad de α, g( i) (α ) = 0 para i = 12
, ,..., k − 1 , g( k ) (α ) ≠ 0 , y la sucesión
{xn }n definida por
xn = g(xn−1) , n = 12
, ,...
necesarias para que el error de truncamiento alcance cierta tolerancia, sino por el número
total de operaciones o tiempo del computador.
Sin embargo, los métodos de convergencia cuadrática parecen estar en un punto de
equilibrio si tenemos en cuenta la dificultad de los métodos, el número de operaciones
requeridas y los resultados obtenidos; es por éso, que uno de los métodos mas usados es el
de Newton-Raphson que, como veremos enseguida, es de convergencia cuadrática.
2.3.2 Orden de convergencia del método de Newton-Raphson: Sea α una raíz de una
ecuación f (x ) = 0 . Si la función f tiene sus dos primeras derivadas continuas en alguna
vecindad de α, f ′(x ) ≠ 0 para todo x en esa vecindad, f ′′(α ) ≠ 0 (el punto α,f (α ) no es de ( )
inflexión de la gráfica de f ), y la sucesión {xn }n definida por
f ( xn )
x n +1 = x n − , n = 0,1,...
f ′( xn )
En efecto:
Como la función f tiene segunda derivada continua en algún intervalo que contiene a α,
entonces para todo x en ese intervalo, se tiene
f ′′(ξ)
f (x) = f (α ) + f ′(α )(x − α ) + (x − α )2 con ξ entre x y α
2
De la misma manera
()
f ′(x) = f ′(α ) + f ′′ ξ" (x − α ) con ξ" entre x y α
f ′′(ξ n )
f (xn ) = f ′(α )(xn − α ) + (xn − α )2 con ξ n entre xn y α
2
( )
f ′(xn ) = f ′(α ) + f ′′ ξ" n (xn − α ) con ξ" n entre xn y α
f (x n )
x n +1 = x n − con ξ" n entre xn y α
( )
f ′(α ) + f ′′ ξ" n (xn − α )
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 87
__________________________________________________________________________________
∈n +1 = ∈n −
f ( xn )
=
f ′(α ) ∈n + f ′′ ξ" n ∈n2 −f (xn ) ( )
f ′(α ) + f ′′ ξ" n ∈n ( ) f ′(α ) + f ′′ ξ" n ∈n ( )
y sustituyendo f (xn ) , en la última ecuación anterior, obtenemos
f ′′(ξ n ) 2
∈n +1 =
( )
f ′(α ) ∈n + f ′′ ξ" n ∈n2 − f ′(α ) ∈n −
2
∈n
f ′(α ) + f ′′ ξ" n ∈n ( )
=
( )
∈n2 2f ′′ ξ" n − f ′′(ξ n )
( )
2f ′(α ) + f ′′ ξ" n ∈n
Luego
∈n +1
=
( )
2f ′′ ξ" n − f ′′(ξ n )
∈n2
( )
2f ′(α ) + f ′′ ξ" n ∈n
∈n +1
=
( )
2f ′′ ξ" n − f ′′(ξ n )
=
2f ′′(α ) − f ′′(α )
=
f ′′(α )
( )
lim lim
n→∞ ∈n2 n→∞
2f ′(α ) + f ′′ ξ" n ∈n
[
2 f ′(α )] 2f ′(α )
Por tanto
∈n +1 f ′′(α )
lim = = L>0
n→∞
∈n
2
2f ′(α )
Se puede demostrar, véase Ralston,1965, páginas 326 y 327, que el método de la Secante,
1+ 5
cuando converge, tiene orden de convergencia λ = ≈ 162
. , y que el método de Regula
2
Falsi es de convergencia lineal siempre que la gráfica de la función f sea cóncava hacia
abajo o hacia arriba en la vecindad de la raíz α. El método de Bisección se considera de
convergencia lineal.
TALLER 2.
1. El método de Bisección se puede aplicar en un intervalo [a,b] siempre que f (a)f (b) < 0 . Si
f (x) tiene más de un cero en (a, b) , se podrá saber de antemano cuál cero es el que se
encuentra al aplicar el algoritmo 2.1? Ilustre su respuesta con ejemplos.
1, x > 0
a) f (x) = (3 x − 1)− b) f (x) = cos(10 x) c) f (x) =
1
−1, x ≤ 0
x2
3. Pruebe que la función f (x) = e x − 1 − x − tiene un único cero, precisamente en x = 0 .
2
4. Verifique que se puede aplicar el método de Bisección para aproximar el único cero de la
función f (x) = x3 − x − 1 en el intervalo [12
, ] . Cuántas iteraciones serán necesarias para
que al aplicar el método de Bisección en el intervalo [12
, ] se logre una aproximación de la
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 89
__________________________________________________________________________________
raíz, con una precisión de por lo menos 3 cifras decimales exactas? Calcule tal
aproximación.
3
5. Encuentre una aproximación de 25 con una precisión de por lo menos tres cifras
decimales exactas, usando el método de Bisección.
6. Se quiere encontrar la menor raíz positiva de cada una de las siguientes ecuaciones,
usando el método de iteración de Punto Fijo. En cada caso, encuentre una función de
iteración de punto fijo y un intervalo en el que se satisfagan todas las hipótesis del
Teorema 2.1, y calcule una aproximación de la raíz buscada con una precisión de por lo
menos tres cifras decimales exactas.
7. Estudie la función g(x) = 1 + x 2 como una posible función de iteración de Punto Fijo. Por
qué no es convergente la iteración xn = g(xn −1 ), n = 12
, ,... ?
1
1
3 + x − x4 2
(
i) g1(x) = 3 + x − 2x 2 4) ii) g2 (x) =
2
1
x+3 2 3 x 4 + 2x 2 + 3
iii) g3 (x) = 2 iv) g4 (x) =
x + 2 4 x3 + 4 x − 1
1 3
9. Demuestre que la ecuación 2sen(πx) + x = 0 tiene una única raíz α ∈ , . Use el
2 2
método de iteración de Punto Fijo para encontrar una aproximación de α con una
precisión de por lo menos tres cifras decimales exactas.
90 MÉTODOS NUMÉRICOS
__________________________________________________________________________________
3
11. Use el método iterativo de Punto Fijo para encontrar una aproximación de 25 con una
precisión de por lo menos tres cifras decimales exactas.
12. Use el método iterativo de Punto Fijo para demostrar que la sucesión {xn }n definida por
1 2
xn = x n −1 + , n = 12
, ,...
2 x n −1
1 R
xn = x n −1 + , n = 12
, ,...
2 xn −1
14. Pruebe que la función g(x) = 2 + x − tan −1x tiene la propiedad g′(x) < 1 para toda x.
Pruebe que g no tiene un Punto Fijo. Explique por qué esto no contradice el teorema 2.1
de Punto Fijo.
x = 2 + 2 + 2+...
Note que esta expresión puede ser interpretada como significando x = lim xn , donde
n→∞
16. Utilice el método de Newton-Raphson para hallar ceros de las siguientes funciones en el
intervalo indicado.
17. Utilice el método iterativo de Punto Fijo para aproximar el dominio de la función
[ ]
1
f (x) = 2(1 − x)e − 1 .
x 2
18. Use el método de Newton-Raphson para aproximar el valor de la abscisa del punto (x, y )
sobre la gráfica de y = x más cercano a (10
, ) . Calcule las iteraciones xn hasta que
2
xn − xn −1 < 5 × 10 −5 .
19. Resuelva la ecuación 4 cos x = e con una precisión de 5 × 10 −5 , es decir, calcule las
x
2
x π
sen x − = 0 con x0 =
2 2
con k cualquier entero positivo, converge linealmente a α = 0 . Para cada par de enteros
1 −m
k y m, determine un número N para el cual k < 10 .
N
23. Suponga que α es una raíz de multiplicidad m de f (x) = 0 , donde f ′′′ es continua en un
intervalo abierto que contiene a α. Demuestre que la iteración funcional usando
mf (x)
g(x) = x −
f ′(x)
da convergencia cuadrática.
26. Aproxime todas las raíces de la ecuación x4 + 2.8 x3 − .38 x2 − 6.3 x − 4.2 = 0 , usando el
método de Newton-Raphson y Deflación.
28. Use el método de Newton-Raphson y Deflación para encontrar, con una precisión de
5 × 10 −5 , todos los ceros, todos los puntos críticos y todos los puntos de inflexión de las
Capítulo 2. SOLUCIÓN NUMÉRICA DE UNA ECUACIÓN NO-LINEAL EN UNA VARIABLE 93
__________________________________________________________________________________
siguientes funciones. Use la información obtenida para hacer la grafica de cada una de
las funciónes f dadas.