27 de mayo de 2016 ceros de funciones no lineales
TRANSCRIPT
Cálculo Numérico José Luis Quintero 1
27 de Mayo de 2016
Postgrado de Investigación de OperacionesFacultad de Ingeniería
Universidad Central de Venezuela
CEROS DE FUNCIONES
NO LINEALES(Parte 1)
Cálculo Numérico José Luis Quintero 2
Puntos a tratar
1. Problema de interés2. Convergencia3. Método de bisección4. Método de falsa posición5. Método de Newton6. Métodos Cuasi-Newton
Cálculo Numérico José Luis Quintero 3
Sea f una función de una variablereal a valores reales, se deseaencontrar (si existe) un valor talque
Problema de interés
r R∈f(r) 0.=
Cálculo Numérico José Luis Quintero 4
Puntos a tratar
1. Problema de interés2. Convergencia3. Método de bisección4. Método de falsa posición5. Método de Newton6. Métodos Cuasi-Newton
Cálculo Numérico José Luis Quintero 5
Orden de convergencia
r∗
Sea la sucesión convergentea . Se define el orden deconvergencia de como elmáximo número no negativo ptal que
{ }kr
k 1
pk
k
r r0 lím
r r
∗+
→∞ ∗
−≤ < ∞
−
{ }kr
Cálculo Numérico José Luis Quintero 6
Orden de convergencia
Si la sucesión tiene orden p y(como es usual) existe el límite
entonces, resulta la relaciónasintótica
k 1
pk
k
r rlím
r r
∗+
→∞ ∗
−β =
−
p p
k 1 k k 1 kr r r r e e∗ ∗
+ +− = β − ⇒ = β
Cálculo Numérico José Luis Quintero 7
Orden de convergencia
Ejemplo 1. La sucesión ,donde converge a cerocon orden uno, ya que .
Ejemplo 2. La sucesión ,donde converge a cerocon orden dos, ya que .
k
kr a=
k2
kr a=
0 a 1< <k 1 kr r a+ =
0 a 1< <2
k 1 kr r 1+ =
Cálculo Numérico José Luis Quintero 8
Tasa de convergencia
r∗Si la sucesión converge a demanera que
se dice que la sucesión convergelinealmente a con tasa deconvergencia
{ }kr
k 1
k
k
r r0 lím 1
r r
∗+
∗→∞
−≤ = β <
−
r∗
β
Cálculo Numérico José Luis Quintero 9
Tasa de convergencia
Ejemplo 3. La sucesión
converge a cero. La convergencia es de
orden uno, pero no es lineal, pues
es decir, no es estrictamente menor
que uno.
kr 1 k=
k 1 kklím r r 1+→∞
=β
Cálculo Numérico José Luis Quintero 10
Tasa de convergencia
Por regla general, al comparar la efectividad
relativa de dos algoritmos, cualquiera de los
cuales puede producir sucesiones
linealmente convergentes, la comparación se
basa en sus tasas de convergencia
correspondientes eligiendo la más pequeña.
El caso extremo, donde , se denomina
convergencia superlineal
0β =
Cálculo Numérico José Luis Quintero 11
Tasa de convergencia
Ejemplo 4. La sucesión
es de orden unitario, pues
para . Sin embargo
y, por tanto, la convergencia es
superlineal.
kkr (1 k)=
pk 1 k
klím r r+→∞
→ ∞p 1>
k 1 kklím r r 0+→∞
→
Cálculo Numérico José Luis Quintero 12
Puntos a tratar
1. Problema de interés2. Convergencia3. Método de bisección4. Método de falsa posición5. Método de Newton6. Métodos Cuasi-Newton
Cálculo Numérico José Luis Quintero 13
1. Si f es una función continua sobre elintervalo [a,b] y si entonces fdebe tener un cero en (a,b).
2. Dado que la función f cambiade signo en el intervalo [a,b] y, por lotanto, tiene por lo menos un cero en elintervalo.
3. Ésta es una consecuencia del teorema delvalor intermedio para funciones continuas.
Método de bisección
f(a)f(b) 0,<
f(a)f(b) 0,<
Cálculo Numérico José Luis Quintero 14
4. El método de bisección explota esta ideaasi: si entonces se calcula eliterado como y se investiga sise cumple . Si lo es, entonces ftiene un cero en [a,c].
Método de bisección
f(a)f(b) 0,<12c (a b)= +
f(a)f(c) 0<
Cálculo Numérico José Luis Quintero 15
Método de bisección
Método de
Bisección
Cálculo Numérico José Luis Quintero 16
Método de bisección
Método de
Bisección
Cálculo Numérico José Luis Quintero 17
Método de bisección
Método de
Bisección
Cálculo Numérico José Luis Quintero 18
Método de bisección
Método de
Bisección
Cálculo Numérico José Luis Quintero 19
Sea f continua en [a,b] y supongaque , entonces el métodode bisección genera una sucesióndenotada que se aproxima a rcon la propiedad
Método de bisección
f(a).f(b) 0<
n{c }
n n 1
b ac r ; n 0
2 +
−− ≤ ≥
Cálculo Numérico José Luis Quintero 20
Método de bisección
←←←
==
←
inicio
leer (a,b,iteraciones,cotaerror,cotaimagen)
u f(a)
v f(b)
e b-a
escribir (a,b,u,v)
si signo(u) signo(v) entonces stop
desde k 1 hasta iteraciones hacer
e e 2
← +←
< <≠
c a e
w f(c)
escribir (k,a,u,c,w,b,v,e)
si e cot aerror o w cot aim agen entonces stop
si signo(w) signo(u) entonces
←←
←←
b c
v w
sino
a c
u w
fin_si
fin_desde
fin
Cálculo Numérico José Luis Quintero 21
Método de bisección
Cálculo Numérico José Luis Quintero 22
Método de bisección
Cálculo Numérico José Luis Quintero 23
Método de bisección
Cálculo Numérico José Luis Quintero 24
Método de bisección
Cálculo Numérico José Luis Quintero 25
Método de bisección
Cálculo Numérico José Luis Quintero 26
1. El script bisecgraf.m realiza el cálculo deuna raíz de una función aplicando elmétodo de bisección.
2. El archivo bisecgraf.m es una función enMATLAB. Para ejecutar el algoritmo escribaen el ambiente MATLAB:
bisecgraf('biseccion',2,6,0,7,100)
Método de bisección
Cálculo Numérico José Luis Quintero 27
3. El código de la función biseccion setranscribe a continuación. Llame al scriptcomo biseccion.m . La función bisecciónes a quien se le calcula la raíz.
function y = biseccion(x)y = (1-x.*cos(x)).*x;
Método de bisección
Cálculo Numérico José Luis Quintero 28
Método de bisección
0 1 2 3 4 5 6 7-40
-30
-20
-10
0
10
20
x
f(x)
Método de bisección
x=a x=c
1 23
Solucion final
Cálculo Numérico José Luis Quintero 29
Orden y tasa de convergencia
En el método de bisección sesabe que
Por otro lado
n n
n 1 n 1 n 1 n 1
(b a )1 1e c r (b a )
2 2 2∗
+ + + +
−= − ≤ − =
n n n n
1e c r (b a )
2∗= − ≤ −
Cálculo Numérico José Luis Quintero 30
Orden y tasa de convergencia
Por lo tanto
El método de bisección convergelinealmente a con tasa deconvergencia igual a ½.
n 1 n
1e e
2+ ≈
r∗
Cálculo Numérico José Luis Quintero 31
Puntos a tratar
1. Problema de interés2. Convergencia3. Método de bisección4. Método de falsa posición5. Método de Newton6. Métodos Cuasi-Newton
Cálculo Numérico José Luis Quintero 32
Como el método de Bisección converge muylentamente, se intentó diseñar un método queconverja más rápidamente pero con la mismapropiedad que el método de Bisección:asegurar la convergencia encerrando la raízen cada paso.
Como antes, se supone que y seaproxima el gráfico de f por una recta quepase por los puntos y y la raízde esta recta “c” será una aproximación a laraíz r de f(x).
Método de falsa posición
f(a).f(b) 0<
(a, f(a)) (b,f(b))
Cálculo Numérico José Luis Quintero 33
Se descarta uno de los extremos y sereemplaza por c para obtener un nuevointervalo que contenga a r y se repite elproceso. La ecuación de la recta será
Método de falsa posición
f(b) f(a)g(x) f(b) (x b)
b a
− = + − −
Cálculo Numérico José Luis Quintero 34
Si se llama c a la raíz de esta recta, entoncesse tiene así que
por lo tanto
Método de falsa posición
g(c) 0,=
f(b) f(a)f(b) (c b) 0
b a
− + − = −
b ac b f(b)
f(b) f(a)
−= − −
Cálculo Numérico José Luis Quintero 35
Método de falsa posición
←←
==
← − − −
inicio
leer (a,b,iteraciones,cotaimagen,cotalongitud)
u f(a)
v f(b)
escribir (u,v)
si signo(u) signo(v) entonces stop
desde k 1 hasta iteraciones hacer
c b v (b a)(v [ ]←
< − <≠
←
u)
w f(c)
escribir (k,a,u,c,w,b,v)
si w cot aimagen o b a cotalo ngitud entonces stop
si signo(w) signo(u) entonces
b c
←
←←
v w
sino
a c
u w
fin_si
fin_desde
fin
Cálculo Numérico José Luis Quintero 36
Método de falsa posición
Cálculo Numérico José Luis Quintero 37
1. El script falsi.m realiza el cálculo de unaraíz de una función aplicando el método defalsa posición.
2. El archivo falsi.m es una función enMATLAB. Para ejecutar el algoritmo escribaen el ambiente MATLAB:
falsi('falsa',0,5,0.001,100)
Método de falsa posición
Cálculo Numérico José Luis Quintero 38
3. El código de la función falsa se transcribe acontinuación. Llame al script como falsa.m .La función falsa es a quien se le calcula laraíz.
function y = falsa(x)y = x.*x-9;
Método de falsa posición
Cálculo Numérico José Luis Quintero 39
Puntos a tratar
1. Problema de interés2. Convergencia3. Método de bisección4. Método de falsa posición5. Método de Newton6. Métodos Cuasi-Newton
Cálculo Numérico José Luis Quintero 40
En este método se continua con la misma ideadel método anterior: aproximar el gráficode en la vecindad de la raíz por unarecta, pero se usa ahora la tangente a f en uniterado y la raíz de esa recta será unaaproximación a r.
Método de Newton
y f(x)=
nx
Cálculo Numérico José Luis Quintero 41
Dado un punto inicial suficientementepróximo a r, se traza la tangente a f(x) en elpunto lo cual deja como método:
dado,
Método de Newton
0x
0 0(x , f(x )),
0x
nn 1 n
n
f(x )x x ; n 0
f '(x )+ = − ≥
Cálculo Numérico José Luis Quintero
Este es un método local e iterativo en el cuál aproximamos el entornode la función suponiendo que se comporta como su primera derivada.
-3
-2
-1
0
1
2
3
4
Método de Newton
Cálculo Numérico José Luis Quintero
-3
-2
-1
0
1
2
3
4
x0
f (x) ≅ f (x0) + f ' (x0)(x − x0)
Método de Newton
Cálculo Numérico José Luis Quintero
0 = f (x0) + f ' (x0)(x1 − x0)
x1
-3
-2
-1
0
1
2
3
4
x0
y = f (x0) + f ' (x0)(x − x0)
x1
x1 = x0 −f (x0)
f ' (x0)
Método de Newton
Cálculo Numérico José Luis Quintero
-3
-2
-1
0
1
2
3
4
x1
x0
x1
x1 = x0 −f (x0)
f ' (x0)
Método de Newton
Cálculo Numérico José Luis Quintero
-3
-2
-1
0
1
2
3
4
x1
x0
x1
x1 = x0 −f (x0)
f ' (x0)
x2
x2 = x1 −f (x1)
f ' (x1)
Método de Newton
Cálculo Numérico José Luis Quintero 47
Método de Newton
←
<=
← −
0
0
0
1 0 0
inicio
leer (x ,iteraciones,cot alongitud,cot aimagen)
v f(x )
escribir (0,x , v)
si v cot aimagen entonces stop
desde k 1 hasta iteraciones hacer
x x v f '(x )
←
− < <←
1
1
1 0
0 1
v f(x )
escribir(k,x , v)
si x x cot alongitud o v c ot aimagen entonces stop
x x
fin_desde
fin
Cálculo Numérico José Luis Quintero 48
Situaciones particulares del método de Newton
Cálculo Numérico José Luis Quintero 49
Situaciones particulares del método de Newton
Cálculo Numérico José Luis Quintero 50
Situaciones particulares del método de Newton
Cálculo Numérico José Luis Quintero 51
Situaciones particulares del método de Newton
Cálculo Numérico José Luis Quintero 52
nn 1 n
n
f(x )x x ;
f '(x )
n 0
+ = −
≥
Método de Newton
Cálculo Numérico José Luis Quintero 53
nn 1 n
n
f(x )x x ;
f '(x )
n 0
+ = −
≥
Método de Newton
Cálculo Numérico José Luis Quintero 54
nn 1 n
n
f(x )x x ;
f '(x )
n 0
+ = −
≥
Método de Newton
Cálculo Numérico José Luis Quintero 55
nn 1 n
n
f(x )x x ;
f '(x )
n 0
+ = −
≥
Método de Newton
Cálculo Numérico José Luis Quintero
Calcule el punto de la curva y = 1/x más próximo al punto (2,1).
0
0.5
1
1.5
2
2.5
3
0 0.5 1 1.5 2 2.5 3 3.5
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
La distancia entre dos puntos del plano (x1,y1) y (x2,y2)viene dada por:
d = (x2 − x1)2 + (y2 − y1)
2
luego la distancia de los puntos sobre la curva y = 1/x alpunto (2,1) es:
d(x) = (x − 2)2 + (1
x−1)2
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
Se quiere minimizar la función anterior d(x); pero eso esequivalente a minimizar la siguiente función, g(x), que noes más que su cuadrado:
g(x) = (x − 2)2 + (1
x− 1)2
Para encontrar el mínimo de esta función se tiene que ver dónde se anula su 1ª derivada:
g' (xmin) = 0 → xmin ?
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
Como:
g' (x) = 2(x − 2)−2
x2 (1
x−1)= 2x − 4 −
2
x3 +2
x2
se tiene que encontrar para qué valor de x se anula lafunción:
f (x) = x − 2−1
x3 +1
x2
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
Se tomará como punto de partida x0 = 1:
f (x0) = −1
f ' (x) = 1+3
x4 −2
x3
x1 = x0 −f (x0)
f ' (x0)= 1−
1− 2 −1
13+
1
12
1+ 3
14− 2
13
=1.5
→ f (x1) ≅ −0.351852
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
x2 = x1 −f (x1)
f ' (x1)≅ 1.85185→ f (x2) ≅ −0.0140139
x3 = x2 −f (x2)
f' (x2)≅ 1.86676 → f (x3) ≅ −3.75063 10−7
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
Encuentre dos números tales que suman 20 y al añadirle acada uno su raíz cuadrada positiva, su producto es 155.55 .
El problema equivale a encontrar un cero de la siguientefunción:
f (x) = (x + x )(20− x + 20− x ) −155.55
Tomando como punto de partida x0 = 11:
f (x0) ≅16.2495
Newton:
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
1 1f '(x) 1 (20 x 20 x) (x x) 1
2 x 2 20 x
= + − + − − + +
−
x1 = x0 −f (x0)
f ' (x0)≅ 16.6156 → f (x1) ≅ −47.4544
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero
x2 = x1 −f (x1)
f ' (x1)≅ 14.2952 → f (x2) ≅ −9.25521
x3 = x2 −f (x2)
f' (x2)≅ 13.5662 → f (x3) ≅ −0.817527
x4 = x3 −f (x3)
f ' (x3)≅ 13.4881 → f (x4) ≅ −0.00969977
x5 = x4 −f (x4)
f ' (x4)≅ 13.4872 → f (x5) ≅ −0.000498109
x6 = x5
Una aplicación del Método de Newton
Cálculo Numérico José Luis Quintero 65
1. El script newtongraf.m realiza el cálculo deuna raíz de una función aplicando elmétodo de Newton.
2. El archivo newton.m es una función enMATLAB. Para ejecutar el algoritmo escribaen el ambiente MATLAB:
newtongraf('newton',2,-1,3,100)
Método de Newton
Cálculo Numérico José Luis Quintero 66
3. El código de la función newton se transcribea continuación. Llame al script comonewton.m . La función newton es a quien sele calcula la raíz.
function y = newton(x)y = (1-x.*cos(x)).*x;
Método de Newton
Cálculo Numérico José Luis Quintero 67
Método de Newton
-1 -0.5 0 0.5 1 1.5 2 2.5 3-2
0
2
4
6
8
10
12
x
f(x)
Método de Newton
5678
Solucion final
Cálculo Numérico José Luis Quintero 68
Si f pertenece a la clase , escreciente, convexa y tiene un cero,entonces el cero es único y el métodode Newton convergerá a él a partir decualquier punto inicial.
Teorema
2C (R)
Cálculo Numérico José Luis Quintero 69
Sea continua y dos vecescontinuamente diferenciable en ytal que verifica
Entonces, el método iterativo de Newtonconverge si se toma detal forma que .
Regla de Fourier
a,b
f : a,b R→
f(a).f(b) 0< f '(x) 0, x a,b≠ ∀ ∈ f ''(x) 0, x a,b≠ ∀ ∈
0 0
x a o x b= =0 0
f(x ).f ''(x ) 0>
Cálculo Numérico José Luis Quintero 70
Sean y
El método de Newton converge si setoma ya que .
Regla de Fourier
2f(x) x 9 ; f '(x) 2x ; f ''(x) 2= − = =
f(1).f(4) 0< f '(x) 0, x 1,4≠ ∀ ∈ f ''(x) 0, x 1,4≠ ∀ ∈
0x 4= f(4).f ''(4) 0>
a,b 1,4=
Cálculo Numérico José Luis Quintero 71
Suponga las hipótesis de Fourier y quese escoge el iterado inicial según esecriterio. Entonces, una cota del errorcometido en la n-ésima iteraciónviene dado por
donde
Cota del error método de Newton
n(e )
2
n n n 1
Me x x
2m −≤ −
x a,bx a,b
M max f ''(x) , m min f '(x)∈∈
= =
Cálculo Numérico José Luis Quintero 72
Sean y
Se sabe que
Cota del error método de Newton
2f(x) x 9 ; f '(x) 2x ; f ''(x) 2= − = =
a,b 1,4=
x 1,4x 1,4
M max 2 2 , m min 2x 2∈∈
= = = =
2 2
2 2 1
1 1e x x 3.0025 3.125
2 2
0.007503
≤ − = −
≈
2e 0.0025=
Cálculo Numérico José Luis Quintero 73
Orden y tasa de convergencia
En el método de Newton se tiene
Usando desarrollo de Taylor
n nn 1 n n 1 n
n n
n n n nn 1 n
n n
f(x ) f(x )x x ; n 0 , x r x r
f '(x ) f '(x )
f(x ) e f '(x ) f(x )e e
f '(x ) f '(x )
+ +
+
= − ≥ − = − −
−= − =
210 0 0 02
21n n n n2
21n n n n2
f(x) f(x ) f '(x )(x x ) f ''( )(x x )
0 f(r) f(x ) f '(x )(r x ) f ''( )(r x )
0 f(x ) f '(x )e f ''( )e
= + − + ξ −
= = + − + ξ −
= − + ξ
Cálculo Numérico José Luis Quintero 74
Orden y tasa de convergencia
El método de Newton convergecon orden dos a r con tasa deconvergencia aproximada a.
2 2n n nn 1 n n
n n
e f '(x ) f(x ) f ''( ) f ''(r)e e e
f '(x ) 2f '(x ) 2f '(r)+− ξ= = ≈
f ''(r)
2f '(r)
Cálculo Numérico José Luis Quintero 75
Puntos a tratar
1. Problema de interés2. Convergencia3. Método de bisección4. Método de falsa posición5. Método de Newton6. Métodos Cuasi-Newton
Cálculo Numérico José Luis Quintero 76
Al igual que en el método de la falsa posición,el gráfico de es aproximado por unarecta secante en la vecindad de la raíz r pero,sin obligar a los iterados a encerrar a la raíz. Elmétodo es
dos iterados iniciales dados,
De esta manera el método no aseguraconvergencia, pero se demuestra que siconverge es más rápido que los anteriores.
Método de la secante
y f(x)=
0 1x , x
n n 1n 1 n n
n n 1
x xx x f(x ) ; n 1
f(x ) f(x )−
+−
−= − ≥ −
Cálculo Numérico José Luis Quintero 77
Método de la secante
←←← −
=<
inicio
leer (a,b,iteraciones,cotalongitud,cotaimagen)
u f(a)
v f(b)
e b a
escribir (0,a,u)
escribir (1,b,v)
desde k 2 hasta iteraciones hacer
si u v entonces
↔↔
← − −←←← −←
a b
u v
fin_si
s (b a)(v u)
a b
u v
b b vs
v f(b)
escribir (k,b,v)
− < < si b a cot alongitud o v cot aimagen entonces stop
fin_desde
fin
Cálculo Numérico José Luis Quintero 78
Método de la secante
Cálculo Numérico José Luis Quintero 79
Método de la secante
Cálculo Numérico José Luis Quintero 80
Método de la secante
Cálculo Numérico José Luis Quintero 81
Método de la secante
Cálculo Numérico José Luis Quintero 82
1. El script secante.m realiza el cálculo de unaraíz de una función aplicando el método dela secante.
2. El archivo secant.m es una función enMATLAB. Para ejecutar el algoritmo escribaen el ambiente MATLAB:
secante('secant',0,5,0.001,100)
Método de la secante
Cálculo Numérico José Luis Quintero 83
3. El código de la función secant se transcribea continuación. Llame al script comosecant.m . La función secant es a quien sele calcula la raíz.
function y = secant(x)y = x.*x-9;
Método de la secante
Cálculo Numérico José Luis Quintero 84
Orden y tasa de convergencia
En el método de la secante setiene que
n n 1n 1 n n
n n 1
n n n 1 n n n 1n 1
n n 1
n n 1 n 1 nn 1
n n 1
x xx x f(x ) ; n 1
f(x ) f(x )
x (f(x ) f(x )) f(x )(x x )x
f(x ) f(x )
f(x )x f(x )xx
f(x ) f(x )
−+
−
− −+
−
− −+
−
−= − ≥ −
− − −=−
−=−
Cálculo Numérico José Luis Quintero 85
Orden y tasa de convergencia
n n 1 n 1 nn 1
n n 1
n n 1 n 1 nn 1
n n 1
n n 1 n 1 nn 1
n n 1
n n 1 n n n 1 n 1n 1 n n 1
n n 1 n n 1
f(x )x f(x )xx r r
f(x ) f(x )
f(x )(x r) f(x )(x r)x r
f(x ) f(x )
f(x )e f(x )ee
f(x ) f(x )
x x f(x ) e f(x ) ee e e
f(x ) f(x ) x x
− −+
−
− −+
−
− −+
−
− − −+ −
− −
−− = −−
− − −− =
−
−=
−
− −= − −
Cálculo Numérico José Luis Quintero 86
Orden y tasa de convergencia
Usando desarrollo de Taylor
Se tiene
21f(x) f(r) f '(r)(x r) f ''(r)(x r)
2≈ + − + −
21n nn 2 1
n2n n
21n 1 n 1n 1 2 1
n 12n 1 n 1
n n 1 1n n 12
n n 1
f '(r)e f ''(r)ef(x )f '(r) f ''(r)e
e e
f '(r)e f ''(r)ef(x )f '(r) f ''(r)e
e e
f(x ) f(x )f ''(r)(e e )
e e
− −−−
− −
−−
−
+≈ = +
+≈ = +
− ≈ −
Cálculo Numérico José Luis Quintero 87
Orden y tasa de convergencia
Por lo tanto
1n n 1n n 1 2
n 1 n n 1
n n 1 n n 1
1n n 1n n 1 2
n 1 n n 1
n n 1 n n 1
n 1 n n 1 n 1 n n 1
f ''(r)(e e )x xe e e
f '(r)(e e ) x x
f ''(r)(x x )x xe e e
f '(r)(x x ) x x
f ''(r) f ''(r)e e e e e e
2f '(r) 2f '(r)
−−+ −
− −
−−+ −
− −
+ − + −
−−≈ − −
−−≈ − −
≈ ⇒ ≈
n 1 n n 1e C e e+ −⇒ ≈
Cálculo Numérico José Luis Quintero 88
Orden y tasa de convergencia
Se postula la relación asintótica
Sustituyendo en lo anterior:
p p 1 1 pn 1 n n n 1 n 1 ne K e e K e e (K e )−
+ − −≈ ⇒ ≈ ⇒ ≈
p 1 p p 1 1 p1 p 1 pn n n n n
1 p 1 p1 1 p 1n
K e C e K e K e CK e
K C e
+− −
− ++ −
≈ ⇒ ≈
⇒ ≈
Cálculo Numérico José Luis Quintero 89
Orden y tasa de convergencia
Como la constante izquierda espositiva y distinta de cero mientrasque se concluye que
y
ne 0→
21 1 51 p 0 p p 1 0 p 1.62
p 2
+− + = ⇒ − − = ⇒ = ≈
( 5 1) 2
1 1 p p (p 1) f ''(r)K C K C K
2f '(r)
−+ +≈ ⇒ ≈ ⇒ ≈
Cálculo Numérico José Luis Quintero 90
Orden y tasa de convergencia
Por lo tanto el método de lasecante tiene orden deconvergencia superlineal y tasade convergencia dada por
( 5 1) 2f ''(r)
2f '(r)
−
Cálculo Numérico José Luis Quintero 91
Una de las desventajas del método de Newtones que utiliza la derivada de la función cuyocero se busca. Para superar esta dificultad sehan propuesto una serie de métodos. Porejemplo, la iteración de Steffensen
da una manera de atacar el problema
Método de Steffensen
2
nn 1 n
n n n
[f(x )]x x
f(x f(x )) f(x )+ = −+ −
Cálculo Numérico José Luis Quintero 92
Pensamiento de hoy
“A medida que la complejidadcrece, los planteamientos precisospierden significado y losplanteamientos llenos de significadopierden precisión”.
Lofti Zadeh