Sunteți pe pagina 1din 18

SOLUCIN DE ECUACIONES NO LINEALES DE UNA VARIABLE

Uno de los problemas ms frecuentes en ingeniera es encontrar las races de ecuaciones


de la forma ( ) 0 f x = donde ( ) f x es una funcin real de una variable x , como un
polinomio en variable x ,
5 3
( ) 4 8 2 f x x x x = + +
O una funcin trascendente
3
( ) ln(3 )
x
f x e senx x x = + +
Existen distintos algoritmos para encontrar las races o ceros de ( ) 0 f x = , pero ninguno
es general. Es decir no hay algoritmo que funcione con todas las ecuaciones.

Definicin.-
Sea f una funcin con valores reales o complejos de una variable real o compleja. Un
nmero r real o complejo, para el que ( ) 0 f r = se llama una raz de la ecuacin o un
cero de f .
Por ejemplo, la funcin
2
( ) 6 7 2 f x x x = +
Tiene a 1/ 2 y a 2/ 3 como ceros (verificar)

Por qu es importante localizar races?
Con frecuencia, la solucin de un problema cientfico es un nmero del que tenemos poca
informacin y slo sabemos que satisface cierta ecuacin. Puesto que toda ecuacin
puede escribirse de tal manera que la funcin se encuentre en un miembro y cero en el
otro, el nmero que se quiere determinar debe ser un cero de la funcin.
En algunos problemas en los que se busca la raz de una ecuacin podemos realizar el
clculo necesario con una calculadora manual. Pero Cmo podemos localizar ceros de
funciones tan complicadas como stas?

8 7 6 2
( ) 3.24 2.42 10.34 11.01 47.98 f x x x x x = + + +
2
( ) 2 10 1
x
g x x = +
( )
2
( ) cosh 1 log
x
h x x e senx = + +
Luego se necesita un mtodo numrico general que no dependa de las propiedades
especiales de nuestras funciones. Por supuesto, la continuidad y la derivabilidad son
propiedades especiales, pero son atributos comunes de funciones que normalmente se
encuentran.
Cientos de mtodos estn disponibles para localizar ceros de funciones y se han
seleccionado tres de los ms tiles para estudiarlos aqu: el mtodo de biseccin, el
mtodo de Newton y el mtodo de punto fijo.

Para determinar las races de ecuaciones o ceros de funciones antes de aplicar un
determinado mtodo, se deben separar los ceros de ( ) f x y consiste en determinar el
intervalo [ , ] a b dentro del cual se encuentra un solo cero de ( ) f x . Esta etapa se realiza
con ayuda del Teorema del valor intermedio que nos asegura que si ( ). ( ) 0 f a f b <
entonces hay un punto o [ , ] a b e talque ( ) 0 f o = y por lo tanto x o = es un cero de
( ) f x o una raz de la ecuacin ( ) 0 f x = .

1. MTODO DE BISECCIN.-

El mtodo de Biseccin, para la resolucin de la ecuacin ( ) 0 f x = se basa en el
teorema de Bolzano Weierstrass que nos asegura la existencia de, al menos una raz de
una funcin ( ) f x en un cierto intervalo [ , ] a b , bajo ciertas condiciones.

TEOREMA DE BOLZANO.-
Sea f :[ , ] a b una funcin continua en [ , ] a b talque ( ). ( ) 0 f a f b < . Entonces
existe , c a b e talque ( ) 0 f c = .

Aunque el procedimiento funciona bien para el caso en el que existe ms de una solucin
en el intervalo [ , ] a b , se considera por simplicidad que es nica la raz en dicho intervalo.

Suponiendo que ( ) f x es continua y cambia de signo en los extremos de [ , ] a b ,
basndonos en el teorema anterior, podemos aproximar una solucin de la ecuacin
( ) 0 f x = , dividiendo el intervalo inicial en dos subintervalos de igual tamao y eligiendo a
aquel en el que ( ) f x cambia de signo. De acuerdo con el teorema de Bolzano, existe un
nmero p en , a b talque ( ) 0 f p = . El mtodo requiere dividir varias veces a la mitad los
subintervalos de [ , ] a b y, en cada paso, localizar la mitad que contenga a p .
Para empezar, supongamos que
1
a a = y
1
b b = , y sea
1
p el punto medio de [ , ] a b ; es
decir,
1 1 1 1
1 1
2 2
b a a b
p a
+
= + =
Si
1
( ) 0 f p = , entonces
1
p p = ; de no ser as, entonces
1
( ) f p tiene el mismo signo que
1
( ) f a o
1
( ) f b . Si
1
( ) f p y
1
( ) f a tienen el mismo signo, entonces
1 1
, p p b e y tomamos
2 1
a p = y
2 1
b b = . Si
1
( ) f p y
1
( ) f a tienen signos opuestos, entonces
1 1
, p a p e y
tomamos
2 1
a a = y
2 1
b p = . Despus volvemos a aplicar el proceso al intervalo
2 2
[ , ] a b .
Esto nos da el mtodo que se describe en el siguiente algoritmo.

ALGORITMO DE BISECCIN
Para obtener una solucin a ( ) 0 f x = dada la funcin f continua en el intervalo [ , ] a b ,
donde ( ) f a y ( ) f b tienen signos opuestos:
ENTRADA extremos , ; a b tolerancia TOL; nmero mximo de iteraciones
0
N .
SALIDA solucin aproximada p o mensaje de error.
Paso 1 Tome 1; i =
( ) FA f a = .
Paso 2 Mientras
0
i N s haga pasos 3-6
Paso 3 Tome ( ) / 2; p a b a = + (Calcule
i
p )
( ). FP f p =
Paso 4 Si 0 FP = o ( ) / 2 b a TOL < entonces
SALIDA ( ) p ; (procedimiento terminado satisfactoriamente)
PARAR.
Paso 5 Tome 1 i i = + .
Paso 6 Si . 0 FAFP > entonces tome ; a p = (Calcule , .
i i
a b )
FA FP =
Sino tome b p =
Paso 7 SALIDA (El mtodo fracas despus de
0
N , iteraciones,
0 0
', N N = );
(Procedimiento terminado sin xito)
PARAR.

Observacin.-
Los procedimientos de paro que pueden aplicarse en el paso 4 del algoritmo anterior o a
cualquiera de las tcnicas iterativas que estudiaremos en esta unidad son:
Por ejemplo, seleccione una tolerancia 0 c > y genere
1 2
, ,...,
N
p p p hasta que satisfaga
una de las siguientes condiciones:
1 N N
p p c

<
1
, 0,
N N
N
N
p p
p
p
c

< = o
( )
N
f p c <

Ejemplo.-
1. Utilice el mtodo de biseccin para obtener una raz real del polinomio
3 2
( ) 4 10 f x x x = + en el intervalo [1, 2] con una tolerancia de
2
10

.
2. Resolver mediante el algoritmo de biseccin 0
x
e x = en [0,1] , con una exactitud
de
2
10

.

Observacin.-
El mtodo de biseccin aunque claro desde el punto de vista conceptual, ofrecen
inconvenientes importantes, como el de converger lentamente e inadvertidamente
podemos desechar una buena aproximacin intermedia. Sin embargo, tiene la importante
propiedad de que siempre converge en una solucin y, por esta razn, a menudo sirve
para iniciar los mtodos ms eficientes que explicaremos ms adelante.

Teorema.- (Convergencia del Mtodo de Biseccin)
Supongamos que Supongamos que [ , ] f C a b e y que ( ). ( ) 0 f a f b < . Sea { }
0
n
n
p

=
la
sucesin de puntos medios de los intervalos generados por el mtodo de biseccin.
Entonces existe un nmero [ , ] r a b e talque ( ) 0 f r = y, adems,
1
,
2
n n
b a
r p
+

s para 0,1, 2, 3,... n =


En particular, la sucesin { }
0
n
n
p

=
converge al cero x r = ; esto es lim
n
n
p r

=

Observacin.-
Determinar la cantidad de iteraciones necesarias para resolver un problema con una
exactitud c y por medio de
1
a a = y
1
b b = consiste en encontrar un entero n que
satisfaga:
( 1)
2 ( )
n
n
r p b a
+
s
Para determinar n se usan logaritmos de cualquier base.

Ejemplo.-
Determine el nmero de iteraciones que se requieren en la aplicacin del mtodo de
biseccin al problema
3 2
( ) 2 10 20 f x x x x = + +
con tolerancia de
3
10

. Considere el intervalo [1, 2] .



Figura 4: Mtodo de la biseccin:

Ejercicio.-
Resolver la ecuacin
/ 2
10 cos(2 ) 4 0
t
e t = para [0,1] t e con una tolerancia de
3
10 c

=



2. MTODO DE NEWTON- RAPHSON.-

El mtodo de Newton o de Newton Raphson es una de las tcnicas numricas para
resolver un problema de bsqueda de races ( ) 0 f x = . Una forma de obtener el mtodo
de Newton, se basa en los polinomios de Taylor.
Supongamos que
2
[ , ] f C a b e . Sea [ , ] x a b e una aproximacin de p talque '( ) 0 f x = y
p x es pequeo. Consideremos el primer polinomio de Taylor para ( ) f x expandido
alrededor de x ,
2
( )
( ) ( ) ( ) '( ) ''( ( ))
2
x x
f x f x x x f x f x ,

= + +
Donde ( ) x , est entre x y x . Dado que ( ) 0 f p = , esta ecuacin con x p = da
2
( )
0 ( ) ( ) '( ) ''( ( ))
2
p x
f x p x f x f p ,

= + +
Derivamos el mtodo de Newton, suponiendo que, como p x es tan pequeo, el
trmino que contiene
2
( ) p x es mucho menor y que
0 ( ) ( ) '( ) f x p x f x ~ +
Despejando p de esta ecuacin obtenemos:
( )
'( )
f x
p x
f x
~
Esto nos prepara para introducir el mtodo de Newton, el cual comienza con una
aproximacin inicial
0
p y genera la sucesin
{ }
0
n
n
p

=
definida por:
1
1
1
( )
,
'( )
n
n n
n
f p
p p
f p

= para 1 n > .

Las desigualdades de la tcnica de paro dadas con el mtodo de biseccin son aplicables
al mtodo de Newton. Es decir seleccione una tolerancia 0 c > y construya
1 2
, ,...,
N
p p p
hasta que
1 N N
p p c

<
1
, 0
N N
N
N
p p
p
p
c

< =
O bien ( )
N
f p c <
La siguiente figura muestra grficamente como se obtienen las aproximaciones usando
tangentes sucesivas


La derivacin del mtodo de Newton por medio de las series de Taylor, subraya la
importancia de una aproximacin lineal exacta. La suposicin fundamental es que el
trmino que contiene
2
( ) p x es, en comparacin con p x , tan pequeo que podemos
suprimirlo. Esto evidentemente sera falso a menos que x sea una buena aproximacin
de p . En particular, si
0
p no se acerca bastante a la raz real, el mtodo de Newton
quiz no converja a la raz. Pero no siempre es as.
El siguiente teorema de convergencia para el mtodo de Newton muestra la importancia
terica de la eleccin de
0
p .

Teorema.-
Sea
2
[ , ] f C a b e . Si p [ , ] a b e es tal que ( ) 0 f p = y '( ) 0 f p = , entonces existe 0 o >
talque el mtodo de Newton genera una sucesin { }
1
n
n
p

=
definida por el proceso iterativo
1
1 1
1
( )
( ) ,
'( )
n
n n n
n
f p
p g p p
f p

= = para 1, 2, 3,... n = (*)


que converge a p para cualquier aproximacin inicial
0
[ , ] p p p o o e +

Observacin.-
La funcin ( ) g x definida por la relacin
( )
( )
'( )
f x
g x x
f x
= se llama funcin de iteracin de
NewtonRaphson.

Ejemplo.-
Encuentre una raz real de la ecuacin
3 2
2 10 20 0 x x x + + = , mediante el mtodo de
Newton Raphson,
0
1 p = y
3
10 c

=

Errores por la divisin entre cero
Uno de los inconvenientes obvios del mtodo de Newton Raphson es la posibilidad de
que se divida entre cero la frmula (*), lo que ocurrira si
1
'( ) 0
k
f p

= . De qu nos sirve
en este caso la ltima aproximacin calculada
1 k
p

?

Definicin.- (Orden de una raz)
Supongamos que ( ) f x y sus derivadas
( )
'( ),...., ( )
M
f x f x estn definidas y son continuas
en un intervalo centrado en el punto p . Diremos que ( ) 0 f x = tiene una raz de orden
M en x p = si
( 1)
( ) 0, '( ) 0,...., ( ) 0
M
f p f p f p

= = = y
( )
( ) 0
M
f p =
Las races de orden 1 M = se suelen llamar races simples, mientras que si 1 M > ,
entonces se llaman races mltiples. En particular, las races de orden 2 M = se conocen
como races dobles y as sucesivamente.

Lema.-
Si una ecuacin ( ) 0 f x = tiene una raz de orden M en x p = , entonces existe una
funcin continua ( ) h x talque ( ) f x puede expresarse como el producto
( ) ( ) ( )
M
f x x p h x = siendo ( ) 0 h p =

Ejemplo.-
La funcin
3
( ) 3 2 f x x x = + tiene una raz simple en 2 p = y una raz doble en 1 p = .
Para verificar estos hechos basta considerar las derivadas
2
'( ) 3 3, f x x = y ''( ) 6 f x x =
y evaluar. Para 2 p = , tenemos que ( 2) 0 f = y '( 2) 9 f = , de manera que 1 M = por
lo tanto 2 p = es una raz simple. Para 1 p = , tenemos (1) 0, '(1) 0, ''(1) 6 f f f = = = , de
manera que 2 M = , por lo que 1 p = es una raz doble. Por otro lado ( ) f x puede
factorizarse como
2
( ) ( 2)( 1) f x x x = + .

Velocidad de convergencia
Como vamos a mostrar, la propiedad distintiva que caracteriza cada caso es la siguiente:
si p es una raz simple de ( ) 0 f x = , entonces el mtodo de Newton Raphson converge
rpidamente, de forma que en cada iteracin doblamos (aproximadamente) el nmero de
cifras decimales exactos. Si por el contrario, p es una raz mltiple, entonces el error en
cada paso es una fraccin del error en el paso anterior. Para describir estos hechos de
manera precisa, damos la siguiente definicin.

Definicin.- (Orden de convergencia)
Supongamos que { }
0
n
n
p

=
converge a p y sea
n n
E p p = , para cada 0 n > . Si existen
dos constantes positivas 0 A> y 0 R > tales que
1 1
lim lim
n n
R
n n
n
n
p p E
A
E
p p
+ +

= =

(**)
Entonces se dice que la sucesin converge a p con orden de convergencia R y el
nmero A se llama constante asinttica del error. Los casos 1, 2 R = merecen una
consideracin especial:
Si 1 R = , la convergencia de
{ }
0
n
n
p

=
se llama lineal.
Si 2 R = , la convergencia de
{ }
0
n
n
p

=
se llama cuadrtica.
Si R es grande, entonces la sucesin
{ }
0
n
n
p

=
converge rpidamente a p ; esto es, la
relacin (**) implica que para valores grandes de n tenemos la aproximacin
1
R
n n
E A E
+
~ . Por ejemplo, supongamos que 2 R = y que
2
10
n
E

~ entonces cabe
esperar que
4
1
10
n
E A

+
~
Algunas sucesiones convergen con un orden que no es un nmero natural.

Ejemplo.- (convergencia cuadrtica de una raz simple)
Partiendo de
0
2, 4 p = y usando la iteracin de Newton Raphson aproxime la raz simple
2 p = del polinomio
3
( ) 3 2 f x x x = +
La formula de iteracin para calcular
{ }
k
p es
3
1 2
2 2
3 3
k
k
k
p
p
p
+

=




Usando la formula (**) con 2 R = para comprobar si la convergencia es cuadrtica
obtenemos los valores que se muestran en la tabla:

k
k
p
1 k k
p p
+

k k
E p p =
1 k
k
E
E
+

0
1
2
3
4
-2,400000000
-2,076190476
-2,003596011
-2,000008589
-2,000000000
0,323809524
0,072594465
0,003587422
0,000008589
0,000000000
0.400000000
0.076190476
0,003596011
0,000008589
0,000000000
0,476190475
0619469086
0,664202613

Ejemplo 2.15 (Convergencia lineal cuando la raz es doble)
Partiendo de
0
1, 2 p = y usando la iteracin de Newton Raphson, vamos a aproximarnos a
la raz doble 1 p = del polinomio
3
( ) 3 2 f x x x = +

Usando la frmula (**) con R=1 para comprobar si la convergencia es lineal, obtenemos
los valores que se muestran en la tabla siguiente

k
k
p
1 k k
p p
+

k k
E p p =
1 k
k
E
E
+

0
1
2
3
4
1,200000000
1,103030303
1,052356420
1,026400811
1,013257730
-0,096969697
-0,050673883
-0,025955609
-0,013143081
-0,006614311
-0,200000000
-0,103030303
-0,052356420
-0,026400811
-0,013257730
0.515151515
0,508165253
0,496751115
0,509753688
0,501097775
1,006643419

-0,003318055 -0,006643419 0,500550093

Hagamos notar que el mtodo de Newton Raphson converge a la raz doble, con una
velocidad bastante baja.
El siguiente teorema recoge la eficacia del mtodo de Newton Raphson en trminos de su
orden de convergencia, para races simples y dobles.

Teorema.- (Orden de convergencia del mtodo de Newton Raphson)
Supongamos que el mtodo de Newton Raphson genera una sucesin
{ }
0
n
n
p
>
que
converge a un cero de p de la funcin ( ) f x .
Si p es una raz simple, entonces la convergencia es cuadrtica:
2
1
''( )
2 '( )
n n
f p
E E
f p
+
~ para n suficientemente grande
Si p es una raz mltiple de orden 1 M > , entonces la convergencia es lineal:
1
1
n n
M
E E
M
+

~ para n suficientemente grande

Observacin.-
El mtodo de Newton es una tcnica muy poderosa, pero presenta un grave problema: la
necesidad de conocer el valor de la derivada de f en cada aproximacin. Con frecuencia
es ms difcil determinar '( ) f x y se requieren ms operaciones aritmticas para
calcularlo que para ( ) f x




3. METODO DE LA SECANTE
El mtodo de la secante es una variacin del mtodo de Newton-Raphson donde en vez
de calcular la derivada de la funcin en el punto de estudio, teniendo en mente la
definicin de derivada, se aproxima la pendiente a la recta que une la funcin evaluada en
el punto de estudio y en el punto de la iteracin anterior. Este mtodo es de especial
inters cuando el coste computacional de derivar la funcin de estudio y evaluarla es
demasiado elevado, por lo que el mtodo de Newton no resulta atractivo.
En otras palabras, el mtodo de la secante es un algoritmo de la raz de investigacin que
utiliza una serie de races de las lneas secantes para aproximar mejor la raz de una
funcin f . El mtodo de la secante se puede considerar como una aproximacin en
diferencias finitas del mtodo de Newton-Raphson. Sin embargo, este mtodo fue
desarrollado independientemente de este ltimo.
De la definicin de derivada de una funcin se sabe que:

( ) ( )
'( ) lim
x a
f x f a
f a
x a



Luego, el mtodo de la secante consiste en aproximar la derivada
1
'( )
n
f p

de la
ecuacin (*) por el cociente

1 2
1 2
( ) ( )
n n
n n
f p f p
p p



formado con los resultados de las dos iteraciones anteriores
1 n
p

y
2 n
p

. De esto resulta
la frmula

1 1 2 1
1 1
1 2
1 2
1 2
( ) ( ) ( )
( ) ( )
( ) ( )
n n n n
n n n
n n
n n
n n
f p p p f p
p p p
f p f p
f p f p
p p




= =




Es decir:
1 2 1
1
1 2
( ) ( )
( ) ( )
n n n
n n
n n
p p f p
p p
f p f p

(**)

Para la primera aplicacin de la ecuacin (**) e iniciar el proceso iterativo se requerirn
dos valores iniciales
0
p y
1
p ; luego la siguiente aproximacin est dada por:

1 0 1
2 1
1 0
( ) ( )
( ) ( )
p p f p
p p
f p f p



3
p por

2 1 2
3 2
2 1
( ) ( )
( ) ( )
p p f p
p p
f p f p



Y as sucesivamente hasta que encontremos algn
n
p de modo que:

1 n n
p p c

<
O
( )
n
f p c <

Donde 0 c > es la tolerancia permitida.

Ejemplo.-
Use el mtodo de la secante para encontrar una raz real de la ecuacin polinomial
3 2
2 10 20 0 x x x + + =
Considere los puntos iniciales
0 1
0, 1 p p = = .
Solucin.-
Generando la frmula de recurrencia segn (**) se tiene:

3 2
1 2 1 1 1
1 3 2 3 2
1 1 1 2 2 2
( )( 2 10 20)
( 2 10 20) ( 2 10 20)
n n n n n
n n
n n n n n n
p p p p p
p p
p p p p p p


+ +
=
+ + + +
, 2, 3, 4,... n =

si
0 1
0, 1 p p = = luego en la frmula de recurrencia se tiene:

3 2
2 3 2 3 2
(1 0)(1 2(1) 10(1) 20)
1 1.53846
(1 2(1) 10(1) 20) (0 2(0) 10(0) 20)
p
+ +
= =
+ + + +


los valores de las iteraciones siguientes se encuentran en la tabla anexa.

n
n
p
1 n n
p p


0
0.00000

1
1.00000 1.00000
2
1.53846 0.53846
3
1.35031 0.18815
4
1.36792 0.01761
5
1.36881 0.00090

De los resultados en la tabla podemos decir que la convergencia a la raz no es tan rpida
ni tan lenta, en este caso tenemos una convergencia intermedia.

Interpretacin geomtrica del mtodo de la secante.-
Se eligen dos puntos del eje X ,
0
p y
1
p como primeras aproximaciones a la raz p
4.

Observacin.-
Este mtodo no garantiza la convergencia a una raz, lo cual puede lograrse con ciertas
modificaciones que dan lugar a nuevos mtodos.

4 MTODO DE LA POSICIN FALSA.-
El mtodo de posicin falsa, tambin llamado de Regula-Falsi, al igual que el algoritmo de
la secante, aproxima la derivada '( )
i
f x de la ecuacin
1
( )
'( )
i
i i
i
f x
x x
f x
+
= por el cociente
1
1
( ) ( )
i i
i i
f x f x
x x



Pero en este caso los valores de
i
x y
1 i
x

se encuentran en lados opuestos de la raz


buscada, de modo tal que sus valores funcionales ( )
i
f x y
1
( )
i
f x

, correspondientes
tienen signos opuestos, esto es:

1
( ). ( ) 0
i i
f x f x

<

Es decir
i
x y
1 i
x

son los extremos del intervalo donde se encuentra la raz.


Primero elegimos las aproximaciones iniciales
0
x y
1
x con
0 1
( ). ( ) 0 f x f x < . La
aproximacin
2
x se escoge de la misma manera que en el mtodo de la secante: como la
interseccin en el eje X de la lnea que une
0 0
( , ( )) x f x y
1 1
( , ( )) x f x . Para decidir con cual
secante calcularemos
3
x verificamos
2 1
( ). ( ) f x f x . Si este valor es negativo entonces
1
x y
2
x encierran una raz y elegiremos
3
x como la interseccin en el eje X de la recta que
une
1 1
( , ( )) x f x y
2 2
( , ( )) x f x . Si no elegimos
3
x como la interseccin con el eje X de la
recta que une
0 0
( , ( )) x f x y
2 2
( , ( )) x f x y despus intercambiamos los ndices de
0
x y
1
x .
En forma anloga, una vez encontrado
3
x , el signo de
3 2
( ). ( ) f x f x determina si
usaremos
2
x y
3
x o
1
x y
3
x para calcular
4
x . En el segundo caso se reetiquetan
1
x y
2
x .
Con ello nos aseguramos que la raz quede entre iteraciones sucesivas.


Ejemplo.- Utilice el mtodo de posicin falsa para obtener una aproximacin de la raz
real del polinomio
3 2
( ) 2 10 20 f x x x x = + +

Resultados del ejemplo
i
i
x
0 1.00000
1 1.00000
2 1.30435
3 1.35791
4 1.36698
5 1.36850
6 1.36876


5. MTODO DEL PUNTO FIJO.

Definicin.-
Un punto fijo de una funcin g es un nmero p para el cual ( ) g p p = .
Ejemplo.-
La funcin
2
( ) 2 g x x = para 2 3 x s s tiene puntos fijos en 1 x = y en 2 x = porque
2
( 1) ( 1) 2 1 g = = y tambin
2
(2) 2 2 2 g = = .

Observacin.-
Los problemas de bsqueda de races y los de punto fijo son clases equivalentes en el
siguiente sentido.
Dado un problema de buscar una raz ( ) 0 f p = , podemos definir una funcin g con un
punto fijo en p de diversas formas; por ejemplo, como ( ) ( ) g x x f x = o como
( ) 3 ( ) g x x f x = + . Por el contrario, si la funcin g tiene un punto fijo en p , entonces la
funcin definida por ( ) ( ) f x x g x = tiene un cero en p
Aunque los problemas que queremos resolver vienen en forma de bsqueda de races, la
forma de punto fijo es ms fcil de analizar; algunas opciones de punto fijo dan origen a
tcnicas muy poderosas de bsqueda de races.
Lo primero que debemos hacer es acostumbrarnos a este nuevo tipo de problema y
decidir cuando una funcin tiene un punto fijo y como podemos aproximar los puntos fijos
con determinado grado de precisin.



El siguiente teorema contiene suficientes condiciones para la existencia y unicidad del
punto fijo.

Teorema.-
a) Si [ , ] g C a b e y ( ) [ , ] g x a b e , para todo x [ , ] a b e , entonces g tiene un punto
fijo en [ , ] a b .
b) Y si adems '( ) g x existe en , a b y existe una constante positiva 1 k < con
'( ) , g x k s para toda , x a b e ,
Entonces el punto fijo en [ , ] a b es nico.

Demostracin.
a) Si ( ) g a a = o si ( ) g b b = , entonces g tendr un punto fijo en un extremo.
Supongamos que no es as; entonces deber ser cierto que ( ) g a a > y que
( ) g b b < . La funcin ( ) ( ) h x g x x = es continua en [ , ] a b y tenemos:
( ) ( ) 0 h a g a a = > y ( ) ( ) 0 h b g b b = < . El teorema del valor intermedio
establece que existe una , p a b e para la cual ( ) 0 h p = . Ese nmero p es un
punto fijo de g
0 ( ) ( ) h p g p p = = implica que ( ) g p p =

b) Suponga adems que '( ) 1 g x k s < y que p y q son puntos fijos de g en [ , ] a b
talque p q = . Segn el teorema del valor medio, existe un nmero entre p y q
y por tanto en [ , ] a b talque:
( ) ( )
'( )
g p g q
g
p q


Por tanto
( ) ( ) '( ) p q g p g q g p q k p q p q = = s <
Lo cual es una contradiccin. Esta contradiccin se debe solamente a la
suposicin, p q = . Por lo tanto p q = y el punto fijo en [ , ] a b es nico.

Ejemplo.-
Dada la funcin
2
1
( )
3
x
g x

= en [ 1,1] . Determine si la funcin dada tiene punto
fijo y en caso de existir este es nico.

Para aproximar el punto fijo de una funcin g escogemos una aproximacin inicial
0
p y generamos la sucesin
{ }
0
n
n
p

=
haciendo
1
( )
n n
p g p

= para cada 1 n > . Si la
secuencia converge a p y si g es continua, entonces

1 1
lim lim ( ) (lim ) ( )
n n n
n n n
p p g p g p g p


= = = =

Y obtenemos una solucin con ( ) x g x = . Esta tcnica recibe el nombre de
iteracin de punto fijo o iteracin funcional

Interpretacin geomtrica del Mtodo de Punto fijo.

Al graficar los dos miembros de la ecuacin ( ) x g x = como las funciones y x = y
( ) y g x = , la raz buscada p es la abscisa del punto de cruce de dichas funciones.


ALGORITMO

Iteracin de punto fijo

Para obtener una solucin a ( ) p g p = dada una aproximacin inicial
0
p

ENTRADA aproximacin inicial
0
; p tolerancia TOL; nmero mximo
de iteraciones
0
N .
SALIDA solucin aproximada p o mensaje de error
Paso 1 Tome 1 i =
Paso 2 Mientras
0
i N s haga pasos 3-6
Paso 3 Tome
0
( ) p g p = . (Calcule
i
p )
Paso4 Si
0
p p TOL < entonces
SALIDA ( ) p ; (Procedimiento terminado
satisfactoriamente)
PARAR
Paso 5 Tome 1 i i = +
Paso 6 Tome
0
p p = (Defina de nuevo
0
p )
PASO 7 SALIDA (El mtodo fracas despus de
0
N iteraciones

0 0
', N N = );
PARAR

Ejemplo.-
La ecuacin
3 2
4 10 0 x x + = Tiene una raz nica en [1, 2] . Hay muchas formas
para convertirla en la forma ( ) x g x = mediante un simple manejo algebraico. Por
ejemplo para obtener la funcin g que describe la iteracin de punto fijo, podemos
manejar la ecuacin
3 2
4 10 0 x x + = as:
2 3
4 10 x x = , as
2 3
1
(10 ),
4
x x = luego
3
1
10
2
x x =
Para obtener una solucin positiva, elegimos
3
( ) g x como se muestra aqu.
A continuacin presentamos aqu una variedad de funciones g que se pueden
obtener a partir de la ecuacin inicial.
a)
3 2
1
( ) 4 10 x g x x x x = = +
b)
1/ 2
2
10
( ) 4 x g x x
x
| |
= =
|
\ .

c)
( )
1/2
3
3
1
( ) 10
2
x g x x = =
d)
1/ 2
4
10
( )
4
x g x
x
| |
= =
|
+
\ .

e)
3 2
5 2
4 10
( )
3 8
x x
x g x x
x x
+
= =
+

Con
0
p =1.5 construya una tabla con los resultados del mtodo de iteracin de
punto fijo para las cinco opciones de g , tenga en cuenta que la raz real es
1.365230013.


Cmo podemos encontrar un problema de punto fijo capaz de producir una
sucesin que converja confiable y rpidamente a la solucin de un problema
de bsqueda de raz?

Teorema.- (Teorema de punto fijo)
Sea g [ , ] C a b e talque ( ) [ , ] g x a b e para toda x en [ , ] a b . Adems supongamos
que existe ' g en , a b y una constante positiva 0 1 k < < tales que
'( ) , g x k s para toda , x a b e
Entonces, para cualquier nmero
0
p en [ , ] a b , la sucesin definida por
1
( )
n n
p g p

= , 1 n >
Converge al nico punto fijo p en [ , ] a b .
Demostracin.-
El teorema anterior implica que existe un punto fijo nico en [ , ] a b . Puesto que g
transforma [ , ] a b en si mismo, la sucesin
{ }
0
n
n
p

=
se define para toda 0 n > y
n
p
[ , ] a b e para toda n . Aplicando el hecho de que ( ) g x k s y el teorema del valor
medio, tenemos, para cada n ,
1 1 1
( ) ( ) '( ) ,
n n n n n
p p g p g p g p p k p p

= = s
donde
n
, a b e . Al aplicar esta desigualdad inductivamente se obtiene:
2
1 2 0
...
n
n n n
p p k p p k p p k p p

s s s s
puesto que 0 1 k < < , se tiene
0
lim 0
n
n
k p p

= y
0
lim lim 0
n
n
n n
p p k p p

s =
{ }
0
n
n
p

=
converge a p .

Corolario.- Si g satisface las hiptesis del teorema anterior, las cotas del error que
supone utilizar
n
p para aproximar p , estn dadas por
{ }
0 0
,
n
n
p p k mx p a b p s
Y por
1 0
1
n
n
k
p p p p
k
s

.

Observacin.-
Ambas desigualdades del corolario relacionan la razn a la que
{ }
0
n
n
p

=
converge
a la cota k de la primera derivada. La razn de convergencia depende del factor
n
k . Cuando ms pequeo sea el valor de k , ms rpida ser la convergencia la
cual puede ser muy lenta si k est cerca de 1.

Ejemplo.-
Calcule una raz real de la ecuacin
3 2
2 10 20 0 x x x + + = , empleando como
valor inicial
0
1 p = . Si se presentan las formas ( ) x g x = de esta ecuacin, a su
criterio Cul de estas formas elegira usted para aproximar dicha raz?
a)
2
20
2 10
x
x x
=
+ +
b)
3 2
2 11 20 x x x x = + +
Solucin.-
Notemos que
a) '(1) 0.47 g = b) '(1) 8 g =
Luego la forma (a) promete convergencia y la forma (b) no.
Aplicando la iteracin de punto fijo, se tiene el siguiente cuadro:

i
i
p ( )
i
g p
1 i i
p p
+
'( )
i
g p
0 1.00000 1.53846 0.47337
1 1.53846 1.29502 0.53846 0.42572
2 1.29502 1.40183 0.24344 0.45100
3 1.40183 1.35421 0.10681 0.44047
4 1.35421 1.37530 0.04762 0.44529
5 1.37530 1.36593 0.02109 0.44317
6 1.36593 1.37009 0.00937 0.44412
7 1.37009 1.36824 0.00416 0.44370
8 1.36824 1.36906 0.00184 0.44389
9 1.36906 0.00082 0.44380

S-ar putea să vă placă și