ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.

org/home/Alberto_Fernandez/19/print

ecuaciones no lineales II-Otros métodos

Método de la secante y de la regula falsi
Cuando la función f es suave alrededor de la raíz, los métodos de la secante y de la regula falsi (posición falsa) suelen convergir más rápido que el de bisección. Ambos métodos consisten en aproximar la función
f por una recta (interpolación lineal) en el intervalo de interés y calcular el corte de dicha recta con el eje X . Dicho corte se utiliza como mejora de la aproximación a la raíz y, en cada iteración, dicho punto se
utiliza para calcular un nuevo intervalo de interés.

Supongamos que en la iteración n -ésima el intervalo calculado es [a n , bn ]. La aproximación de f es la recta que pasa por (a n , f(a n )) y (bn , f(bn )) . Así que el siguiente punto es el punto de corte dado por:

bn − a n
x n+1 = bn − f(bn ) .
f(bn ) − f(a n )

La única diferencia entre el método de la secante y el de la regula falsi es la forma en que generan el nuevo intervalo en cada iteración. El método de la secante siempre utiliza los dos últimos puntos calculados
como extremos del nuevo intervalo, esto es, [a n+1 , bn+1 ] = I(x n , x n+1 ) . El método de la regula falsi utiliza el último punto calculado x n+1 junto con el anteriormente calculado donde f tome un signo distinto a
f(x n+1 ) , esto es, si f(a n )f(x n+1 ) < 0 será [a n+1 , bn+1 ] = I(a n , x n+1 ) , en caso contrario tendremos [a n+1 , bn+1 ] = I(bn , x n+1 ) .

Nótese que el método de la secante podría diverger, mientras que el de la regula falsi siempre converge. No obstante, cuando el primero converge lo suele hacer más rápido que el segundo.
En las siguientes figuras se ilustran ambos métodos, el de la secante en la izquierda y el de la regula falsi a la derecha:

a2
x 3
x 0 x 2
x 1 a 0= a1 b1= b2 b0

f(x) f(x)

El criterio de parada suele escogerse entre los siguientes:

1. El valor de |f(x n )| es suficientemente pequeño, esto es, |f(x n )| < ϵ para un ϵ > 0 prefijado.
2. La diferencia entre dos aproximaciones sucesivas es suficientemente pequeña, esto es, |x n − x n−1 | < ϵ para un ϵ > 0 prefijado.
3. Cuando se excede un número de iteraciones que se juzga razonable.

A continuación implementaremos ambos métodos.

def regulaFalsi(f,a,b,nMaxIt=50,prec=1e-12):
# Metodo de la regula falsi
"""
Entrada:
f-> función a evaluar
a-> límite inferior del intervalo
b-> límite superior del intervalo
Nmax-> Nº máximo de iteraciones
prec-> Precisión desead
Salida:
raiz o None (null)
"""
x=None
a,b,fa,fb = n(a),n(b),n(f(a)),n(f(b))
if (fa*fb > 0): # comprobamos que el intervalo inicial contiene una raiz
print "Los signos de la función en los extremos del intervalo deben diferir."
return None
else:
html('<TABLE border="1" STYLE="align:center;color:blue">')
html('<THEAD><TR><TH COLSPAN="4"><CENTER>Método de la Regula Falsi')
html('<TR><TH>Iteración<TH>$x$<TH>$f(x)$<TH>${\epsilon_{abs}}$<TBODY>')
for i in range(nMaxIt): # iteraciones del metodo de regula falsi
x = b-fb*(b-a)/(fb-fa)
fx = n(f(x))
if (fa*fx < 0):
dx = b-x
b = x
fb = fx
else:
dx = x-a
a = x
fa = fx
html('<TR><TD>' + (i+1).str() + '<TD>' + x.str() + '<TD>' + fx.str() + '<TD>' + dx.str())
if (abs(fx)==0. or abs(dx)<prec):
html('</TABLE>')
return x
html('</TABLE>')
print "Se ha alcanzado el numero maximo de iteraciones."
return None

Ejemplo.
Calcular el valor de √ 2 con 5 decimales.

Para calcularlo utilizamos la ecuación

f(x) = x 2 − 2 = 0

f(x)=x^2-2
show(plot(f,0,2),figsize=4)
x=regulaFalsi(f,0,2,50,10^-12)
print x

1 de 7 28/10/2012 21:08
ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.org/home/Alberto_Fernandez/19/print

Método de la Regula Falsi

Iteración x f(x) ϵ abs
1 1.00000000000000 -1.00000000000000 1.00000000000000
2 1.33333333333333 -0.222222222222222 0.333333333333333
3 1.40000000000000 -0.0400000000000003 0.0666666666666664
4 1.41176470588235 -0.00692041522491382 0.0117647058823529
5 1.41379310344828 -0.00118906064209301 0.00202839756592299
6 1.41414141414141 -0.000204060810120810 0.000348310693138565
7 1.41420118343195 -0.0000350127796648891 0.0000597692905381919
8 1.41421143847487 -6.00728683886054e-6 0.0000102550429175174
9 1.41421319796954 -1.03068875767498e-6 1.75949467307035e-6
10 1.41421349985132 -1.76838271581659e-7 3.01881780018221e-7
11 1.41421355164605 -3.03406515467231e-8 5.17947316147627e-8
12 1.41421356053263 -5.20563303574306e-9 8.88657103459423e-9
13 1.41421356205732 -8.93145557512298e-10 1.52469459280269e-9
14 1.41421356231892 -1.53239421152307e-10 2.61596300177303e-10
15 1.41421356236380 -2.62918575799631e-11 4.48827641719163e-11
16 1.41421356237150 -4.51083614905201e-12 7.70072894340501e-12
17 1.41421356237282 -7.74047492768659e-13 1.32116539930394e-12
18 1.41421356237305 -1.32782673745169e-13 2.26707541628457e-13

1.41421356237305

Ejemplo.
Calcular una solución de la ecuación cos(x) = x en el intervalo [−π, π] con una precisión de doce decimales.

g(x)=cos(x)-x
show(plot(g,-pi,pi),figsize=4)
x=regulaFalsi(g,-n(pi),n(pi),50,10^-12)
print x

Método de la Regula Falsi

Iteración x f(x)
1 -1.00000000000000
2 0.122742458248385
3 0.646674978231576
4 0.734672023498478
5 0.738952547016078
6 0.739081264774427
7 0.739085020447323
8 0.739085129927982
9 0.739085133119339
10 0.739085133212368
11 0.739085133215079
12 0.739085133215159
ϵ abs
1.54030230586814 2.14159265358979
0.869734138793825 1.12274245824839
0.151416673927126 0.523932519983191
0.00737862683033674 0.0879970452669019
0.000221891361201654 0.00428052351759955
6.47426341526813e-6 0.000128717758349772
1.88729604611027e-7 3.75567289578882e-6
5.50146106448324e-9 1.09480659205019e-7
1.60367719104215e-10 3.19135695647788e-9
4.67448302288176e-12 9.30282517686010e-11
1.36335387423969e-13 2.71160871534448e-12
3.33066907387547e-15 7.94919685631612e-14

0.739085133215159
def secante(f, a, b, nMaxIt=50, prec = 1e-12):
# Metodo de la secante
"""
Entrada:
f -> función a evaluar
a -> límite inferior del intervalo
b -> límite superior del intervalo
nMaXIt -> Nº máximo de iteraciones
prec -> Precisión desead
Salida:
raiz o None (null)
"""
x = None
x0, x1, f0, f1 = n(a), n(b), n(f(a)), n(f(b))
#Imprime cabecera de la tabla de salida
html('<TABLE border="1" STYLE="align:center;color:blue"><THEAD><TR><TH COLSPAN="4"><CENTER>Método de la Secante<TR>')
html('<TH>Iteración<TH>$x$<TH>$f(x)$<TH>${\epsilon_{abs}}$<TBODY>')
if (f0*f1 > 0): # comprobamos que el intervalo inicial contiene una raiz
print "Los signos de la función en los extremos del intervalo deben diferir."
return None

2 de 7 28/10/2012 21:08
ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.org/home/Alberto_Fernandez/19/print

else:
if (abs(f0) < abs(f1)): # tomamos como valor inicial el que tiene menor imágen
x0, x1 = n(b), n(a)
f0, f1 = f1, f0
for i in range(nMaxIt): # iteraciones del metodo de la secante
dx = -f1*(x1-x0)/(f1-f0) # incremento respecto a la ultima iteracion
x0,f0 = x1,f1
x1 += dx
f1 = n(f(x1))
#Imprime salida de cada iteración
html('<TR><TD>' + (i+1).str() + '<TD>' + x1.str() + '<TD>' + f1.str() + '<TD>' + dx.str())
if (abs(f1)==0. or abs(dx)<prec):
html('</TABLE>')
return x1
html('</TABLE>')
print "Se ha alcanzado el numero máximo de iteraciones."
return None

f(x)=x^2-2
show(plot(f,0,2),figsize=4)
x=secante(f,0,2,50,10^-12)
print('la raiz buscada es: %s'%x)

Método de la Secante
Iteración x f(x) ϵ abs
1 1.00000000000000 -1.00000000000000 -1.00000000000000
2 1.33333333333333 -0.222222222222222 0.333333333333333
3 1.42857142857143 0.0408163265306123 0.0952380952380953
4 1.41379310344828 -0.00118906064209301 -0.0147783251231527
5 1.41421143847487 -6.00728683886054e-6 0.000418335026594247
6 1.41421356268887 8.93145557512298e-10 2.12421399959116e-6
7 1.41421356237309 -8.88178419700125e-16 -3.15774877227030e-10
8 1.41421356237309 -4.44089209850063e-16 3.14018499258801e-16

la raiz buscada es: 1.41421356237309

g(x)=cos(x)-x
show(plot(g,-pi,pi),figsize=4)
x=secante(g,-n(pi),n(pi),50,10^-12)
print x

Método de la Secante
Iteración x f(x) ϵ abs
1 -1.00000000000000 1.54030230586814 2.14159265358979
2 4.48603534890210 -4.71046101822236 5.48603534890210
3 0.351859358587624 0.586874160838208 -4.13417599031448
4 0.809870978215503 -0.120279102179200 0.458011619627880
5 0.731968168064536 0.0118922803237040 -0.0779028101509678
6 0.738977567820941 0.000180018461826914 0.00700939975640530
7 0.739085302891874 -2.83972999226556e-7 0.000107735070933240
8 0.739085133211130 6.74493794150521e-12 -1.69680743603311e-7
9 0.739085133215161 0.000000000000000 4.03016802692972e-12

0.739085133215161

Método de Newton-Raphson
Tal vez sea el método más conocido para la resolución de ecuaciones no lineales. Se distingue de todos los anteriores en que además de evaluar f requiere evaluar la derivada de la función f ′ .

Igual que en el método de la secante o la regula falsi, este método consiste en aproximar la función f por una recta en la región de interés. En la iteración n -ésima, se calcula el punto de corte con el eje X de la
tangente a f en x n−1 , constituyendo este punto de corte la nueva aproximación de la raíz x n . Así, podemos escribir la recurrencia de la sucesión de aproximaciones que se obtienen con este método como:

f(x n )
x n+1 = x n − , n ≥ 0.
f ′ (x n )

Al ser una recurrencia de una generación, la sucesión queda determinada a partir del valor x 0 .

La idea del método de Newton-Raphson surge al notar que en un entorno suficientemente pequeño de un punto x , la función f y la recta tangente a la gráfica de f en ese punto son muy similares. Obviamente, esto
es cierto siempre y cuando la función sea lo suficientemente suave (en general, continua y con derivada continua). Esta idea de sustituir funciones por sus tangentes para reemplazar problemas no lineales por
lineales es una de las más importantes en todas las matemáticas.

3 de 7 28/10/2012 21:08
ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.org/home/Alberto_Fernandez/19/print

Los problemas que podemos encontrar al ejecutar el método de Newton-Raphson son los siguientes, pudiendo ocurrir:

1. x n no está en el dominio de f .
2. La función no es derivable en x n .
3. La tangente en x n es horizontal, esto es, f ′ (x n ) = 0 .

Para evitar estos problemas, el método de Newton-Raphson se suele implementar de forma que se pare si la iteración se sale de un intervalo prescrito. Así, si escogemos dicho intervalo tal que tanto la función como
su derivada estén bien definidas en todos sus puntos, evitaremos los dos primeros problemas. El tercero podremos evitarlo siempre y cuando la raíz que buscamos sea simple y, para ello, basta con coger el intervalo
suficientemente pequeño (en el caso de raíces múltiples, se puede demostrar que el método también converge, pero lo hace más lentamente).

Salvo lo dicho en el párrafo anterior, los criterios de parada del método son los mismos que para los métodos anteriores.

A continuación implementaremos el método de Newton-Raphson en su versión clásica y en una versión que combina las iteraciones del método de Newton-Raphson con las del método de bisección.

f(x)=exp(x)*sin(x)
f.diff()
x |--> e^x*sin(x) + e^x*cos(x)
def newton(f,x0,nMaxIt=50,prec=10e-12):
# Metodo de Newton para hallar una raiz
"""
Entrada:
f -> función a evaluar
x0 -> punto inicial próximo a la raiz
nMaXIt -> Nº máximo de iteraciones
prec -> Precisión desead
Salida:
raiz o None (null)
"""
#Imprime cabecera de la tabla de salida
html('<TABLE border="1" STYLE="align:center;color:blue"><THEAD><TR><TH COLSPAN="4"><CENTER>Método de Newton-Raphson<TR>')
html('<TH>Iteración<TH>$x$<TH>$f(x)$<TH>${\epsilon_{abs}}$<TBODY>')
dx = 0
df = f.diff() # calculamos la derivada de f
x = n(x0) # tomamos como primer punto el punto medio del intervalo
for i in range(nMaxIt): # iteraciones del metodo de Newton
fx = n(f(x))
dfx = n(df(x))
#Imprime salida de cada iteración
dx = -fx/dfx # incremento respecto del ultimo valor
x += dx # nuevo valor
html('<TR><TD>' + (i+1).str() + '<TD>' + x.str() + '<TD>' + fx.str() + '<TD>' + dx.str())
if (abs(fx)==0. or abs(dx)<prec): # criterios de convergencia
html('</TABLE>')
return x
html('</TABLE>')
print("Se ha alcanzado el numero de iteraciones maximo.")
return None

f(x)=x-cos(x)
plot(f,-pi,pi)

newton(f,0.)
Método de Newton-Raphson
Iteración x f(x) ϵ abs
1 1.00000000000000 -1.00000000000000 1.00000000000000
2 0.750363867840244 0.459697694131860 -0.249636132159756
3 0.739112890911362 0.0189230738221174 -0.0112509769288822
4 0.739085133385284 0.0000464558989907715 -0.0000277575260776869

4 de 7 28/10/2012 21:08
ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.org/home/Alberto_Fernandez/19/print

Método de Newton-Raphson
Iteración x f(x) ϵ abs
5 0.739085133215161 2.84720580445708e-10 -1.70123407014033e-10
6 0.739085133215161 0.000000000000000 -0.000000000000000

0.739085133215161
def newtonBis(f,a,b,Nmax=50,prec=10e-12):
# Metodo de Newton para hallar una raiz en un intervalo (a,b),
# si la iteracion sale del intervalo se sustituye por una iteracion del
# metodo de biseccion

fa = f(n(a))
fb = f(n(b))
if (fa*fb > 0): # comprobamos que el intervalo inicial contiene una raiz
return "Los signos de la función en los extremos del intervalo deben diferir."
elif (fa==0.): # si f(a)=0 devolvemos a
return a
elif (fb==0.): # si f(b)=0 devolvemos b
return b
else:
df = f.diff() # calculamos la derivada de f
x = n((a+b)/2) # tomamos como primer punto el punto medio del intervalo

if (fb < 0): # definimos a y b de forma que f(a)<0

a,b = b,a
fa,fb = fb,fa

for i in range(Nmax): # iteraciones del metodo de Newton

fx = f(x)
dfx = df(x)
dx = -fx/dfx # incremento respecto del ultimo valor
x += dx # nuevo valor
if ((x-a)*(b-x)<0): # comprobamos si la iteracion se sale del intervalo
x = n((a+b)/2)
dx = n((b-a)/2)
fx = f(x)
if (fx<0):
a = x
else:
b = x
print i+1, a, b, x, dx, fx
if (abs(fx)==0. or abs(dx)<prec): # criterios de convergencia
return x
return "Se ha alcanzado el numero de iteraciones maximo."

Método del punto fijo

La iteración de punto fijo es una técnica de gran importancia en la resolución de todo tipo de ecuaciones, incluyendo las ecuaciones diferenciales, integrales y en derivadas parciales que surgen al modelar
matemáticamente los fenómenos del mundo real. Aquí la estudiaremos para resolver la ecuación no lineal f(x) = 0 .

En la iteración de punto fijo se obtiene la siguiente aproximación x n+1 como una función de la anterior x n , de forma que podamos escribir:

x n+1 = g(x n ),

donde g(x) es una función adecuada denominada función de iteración, que no debe confundirse con la función f cuyas raíces queremos hallar. Así que de manera general, podemos decir que una iteración de punto
fijo es aquella que define la sucesión de aproximaciones a través de una recurrencia de una generación.

Una condición necesaria que debe cumplir la función de iteración g, supuesta continua, para poder resolver nuestro problema con éxito es que g(x ∗ ) = x ∗ , siendo x ∗ la raíz de f (se dice que x ∗ es un punto fijo de
g). En efecto:

x ∗ = lim x n+1 = lim g(x n ) = g(lim x n ) = g(x ∗ ).

En general, interesa que g varíe poco al variar x .

El método de Newton-Raphson antes descrito es un ejemplo de iteración de punto fijo con la función de iteración g(x) = x − f(x)/f ′ (x) .

Como veremos en el siguiente teorema, la convergencia del método de punto fijo no está garantizada y depende, entre otras cosas, de la forma de g. Así mismo, la velocidad de convergencia también depende de la
forma de g.

Teorema de convergencia local del punto fijo:

Supongamos que g es una función definida y con derivada continua en un entorno de la raíz x ∗, con g(x ∗ ) = x ∗ . Si

|g ′ (x ∗ )| < 1,

exite un entorno de x tal que contiene a la sucesión {x n } definida por x n+1 = g(x n ) con x 0 en dicho entorno y con lim x n = x ∗ . Además, si los errores e n = x n − x ∗ son no nulos, los cocientes
∗

e n+1 /e n → g ′ (x ∗ ) . Si, por el contrario,

|g ′ (x ∗ )| > 1,

las únicas sucesiones de la forma x n+1 = g(x n ) que convergen a x son aquellas cuyos términos son , de uno en adelante, constatemente iguales a x ∗.
∗

A continuación veremos una implementación del método:

def puntofijo(g,x0,nMaxIt=50,prec=1e-9):
# Metodo de punto fijo para resolver x=g(x)
"""
Entrada:
g -> función a evaluar
x0 -> punto inicial próximo a la raiz

5 de 7 28/10/2012 21:08
ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.org/home/Alberto_Fernandez/19/print

nMaxIt -> Nº máximo de iteraciones

prec -> Precisión desead
Salida:
solución o None (null)
"""
#Imprime cabecera de la tabla de salida
html('<TABLE border="1" STYLE="align:center;color:blue"><THEAD><TR><TH COLSPAN="3"><CENTER>Método del punto fijo<TR>')
html('<TH>Iteración<TH>$x$<TH>${\epsilon_{abs}}$<TBODY>')
x = n(x0)
for i in range(nMaxIt):
dx = n(g(x)-x)
x += dx
#Imprime salida de cada iteración
html('<TR><TD>' + (i+1).str() + '<TD>' + x.str() + '<TD>' + dx.str())
if (abs(dx)<prec):
html('</TABLE>')
return x
html('</TABLE>')
print('Se ha alcanzado el numero maximo de iteraciones.')
return None

g(x)=cos(x)

show(puntofijo(g,.5,100,1e-12))
Método del punto fijo
Iteración x ϵ abs
1 0.877582561890373
2 0.639012494165259
3 0.802685100682335
4 0.694778026788006
5 0.768195831282016
6 0.719165445942419
7 0.752355759421527
8 0.730081063137823
9 0.745120341351440
10 0.735006309014843
11 0.741826522643246
12 0.737235725442231
13 0.740329651878263
14 0.738246238332233
15 0.739649962769661
16 0.738704539356983
17 0.739341452281210
18 0.738912449332103
19 0.739201444135799
20 0.739006779780813
21 0.739137910762293
22 0.739049580595209
23 0.739109081420527
24 0.739069001204012
25 0.739095999835755
26 0.739077813285175
27 0.739090063988251
28 0.739081811778109
29 0.739087370571036
30 0.739083626103480
31 0.739086148422879
32 0.739084449358649
33 0.739085593868961
34 0.739084822913141
35 0.739085342238298
36 0.739084992414645
37 0.739085228060074
38 0.739085069326482
39 0.739085176251341
40 0.739085104225471
41 0.739085152742964
42 0.739085120060997
43 0.739085142075963
44 0.739085127246417
45 0.739085137235778
46 0.739085130506825
47 0.739085135039528
48 0.739085131986245
49 0.739085134042973
50 0.739085132657536
51 0.739085133590783
52 0.739085132962137
53 0.739085133385601
54 0.739085133100350
55 0.739085133292498
56 0.739085133163065
57 0.739085133250253
58 0.739085133191522
59 0.739085133231084
60 0.739085133204435
61 0.739085133222386
62 0.739085133210294
63 0.739085133218439
64 0.739085133212952
0.377582561890373
-0.238570067725114
0.163672606517076
-0.107907073894329
0.0734178044940099
-0.0490303853395970
0.0331903134791079
-0.0222746962837037
0.0150392782136168
-0.0101140323365970
0.00682021362840279
-0.00459079720101452
0.00309392643603179
-0.00208341354602970
0.00140372443742776
-0.000945423412677893
0.000636912924226740
-0.000429002949106971
0.000288994803695930
-0.000194664354986052
0.000131130981479877
-0.0000883301670843162
0.0000595008253181373
-0.0000400802165151370
0.0000269986317431581
-0.0000181865505795020
0.0000122507030757557
-8.25221014155719e-6
5.55879292640782e-6
-3.74446755602165e-6
2.52231939901204e-6
-1.69906423008737e-6
1.14451031185681e-6
-7.70955819295871e-7
5.19325156767003e-7
-3.49823653267300e-7
2.35645429724762e-7
-1.58733592048321e-7
1.06924858855884e-7
-7.20258702679999e-8
4.85174929121257e-8
-3.26819666884859e-8
2.20149660723479e-8
-1.48295459245773e-8
9.98936044993570e-9
-6.72895328346357e-9
4.53270387890115e-9
-3.05328384797576e-9
2.05672867625850e-9
-1.38543720940021e-9
9.33247257250969e-10
-6.28646579237113e-10
4.23463819565484e-10
-2.85250267850756e-10
1.92147964206413e-10
-1.29433130879875e-10
8.71877015029554e-11
-5.87306869803683e-11
3.95616872594928e-11
-2.66492383715899e-11
1.79513071074666e-11
-1.20922161173098e-11
8.14537326476739e-12
-5.48683320999999e-12

6 de 7 28/10/2012 21:08
ecuaciones no lineales II-Otros métodos -- Sage http://nt.sagenb.org/home/Alberto_Fernandez/19/print

Método del punto fijo

Iteración x ϵ abs
65 0.739085133216648 3.69604347127961e-12
66 0.739085133214159 -2.48967513272191e-12
67 0.739085133215836 1.67710290099876e-12
68 0.739085133214706 -1.12976294985856e-12
69 0.739085133215467 7.61057883380545e-13

0.739085133215467

show(newton(g-x,0.5))
show(secante(g-x,0.,1))
show(regulaFalsi(g-x,0.,1))
Método de Newton-Raphson
Iteración x f(x) ϵ abs
1 0.755222417105636 0.377582561890373 0.255222417105636
2 0.739141666149879 -0.0271033118574673 -0.0160807509557572
3 0.739085133920807 -0.0000946153806177241 -0.0000565322290724224
4 0.739085133215161 -1.18097787105143e-9 -7.05646141453566e-10
5 0.739085133215161 0.000000000000000 0.000000000000000

0.739085133215161

Método de la Secante
Iteración x f(x)
1 0.685073357326045 0.0892992764818600
2 0.736298997613654 0.00466003903814260
3 0.739119361911629 -0.0000572859911061041
4 0.739085112127464 3.52926228242012e-8
5 0.739085133215001 2.66786592817425e-13
6 0.739085133215161 0.000000000000000
ϵ abs
-0.314926642673955
0.0512256402876089
0.00282036429797522
-0.0000342497841653953
2.10875373984547e-8
1.59407670128663e-13

0.739085133215161

Método de la Regula Falsi

Iteración x f(x)
1 0.685073357326045
2 0.736298997613654
3 0.738945355965713
4 0.739078130880026
5 0.739084782448923
6 0.739085115644378
7 0.739085132334995
8 0.739085133171071
9 0.739085133212952
10 0.739085133215050
11 0.739085133215155
ϵ abs
0.0892992764818600 0.685073357326045
0.00466003903814260 0.0512256402876089
0.000233925665770629 0.00264635835205917
0.0000117191741945133 0.000132774914312517
5.87046549149761e-7 6.65156889734231e-6
2.94066725414766e-8 3.33195455226587e-7
1.47305545539211e-9 1.66906168885816e-8
7.37891969748716e-11 8.36075653154467e-10
3.69637653818700e-12 4.18811652025397e-11
1.85185200507476e-13 2.09798844963416e-12
9.21485110438880e-15 1.05138120432002e-13

0.739085133215155

7 de 7 28/10/2012 21:08