Métodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 2009, versión 1.5
Contenido 1. Método Método de la bisección. bisección. 2. Método de Newton-Raphso Newton-Raphson. n. 3. Orden de convergencia: convergencia: convergencia convergencia cuadrática. cuadrática. 4. Método Método de punto punto fi jo.
1
Métod étodo o de de la la bis bisec ecci ción ón
1.1
Teorem eorema a de de Bolz Bolzan ano o
Teorema 1.1 (Bolzano) f (x) continua en [a, b], f (a) · f ( f (b) < 0 < 0..
¾
=⇒ Existe un α ∈ (a, b) tal que f (α) = 0.
Ejemplo 1.1 Demuestra que la ecuación cos x = x = x tiene solución única en (0, (0, π/2). 2).
1
Tema 5: Resolución aproximada de ecuaciones. 2
Francisco Palacios
Ponemos la ecuación en la forma cos(x) − x = 0. La función f (x) = cos(x) − x es continua en todo R, en particular, es continua en [0, π/2]. En los extremos del intervalo, toma valores f (0) = 1,
f (π/2) =
−π/2, que son de signo opuesto, por lo tanto, existe un α ∈ (0, π/2) tal que f (α) = cos(α) − α = 0. Veamos la unicidad. Calculamos la derivada f 0 (x) =
− sin(x) − 1.
Como f 0(x) < 0 en todo el intervalo (0, π/2), resulta que f (x) es decreciente y sólo puede tomar el valor 0 una vez, por lo tanto, la solución es única. ¤
1.2
Descripción del método
• Objetivo Aproximar la solución de f (x) = 0. • Inicio f (x) que cumple las condiciones del teorema de Bolzano en [a, b]. • Método 1. Se calcula el punto medio del intervalo c =
a + b . 2
2. Calculamos f (c). — Si f (c) = 0, la solución es
α = c.
— si f (c) 6 = 0, comparamos con f (a) y f (b). El nuevo intervalo tiene un extremo en c, el otro extremo se elige entre a y b de forma que f (x) tome signos distintos en los extremos. Ejemplo 1.2 Primeras iteraciones del método de la bisección para cos(x) − x = 0 en el intervalo [0, π /2].
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 3
1. En el ejemplo anterior, hemos visto que f (x) = cos(x) − x cumple las condiciones del Teorema de Bolzano. 2. Cálculo de las aproximaciones. • Fase 1. El cuadro inicial es a1 = 0 c1 = b1 = 1. 57080
Fase 1 f (a1 ) = 1 f (c1 ) = f (b1 ) = −1. 57080
⊕ ª
calculamos c1 =
a1 + b1 = 0.78540, 2
f (c1 ) = f (0.78540) = −7. 8295 × 10−2 ,
y completamos la tabla a1 = 0 c1 = 0.78540 b1 = 1. 57080
Fase 1 f (a1 ) = 1 f (c1 ) = −7. 8295 × 10−2 f (b1 ) = −1. 57080
⊕
ª ª
a2 = 0 b2 = 0.78540
• Fase 2. La tabla inicial para la fase 2 es a2 = 0 c2 = b2 = 0.78540
Fase 2 f (a2 ) = 1 f (c2 ) = f (b2 ) = −7. 8295 × 10−2
⊕ ª
calculamos c2 =
a2 + b2 = 0.3927, 2
a2 = 0 c2 = 0.39270 b2 = 0.78540
f (c2 ) = f (0.3927) = 0. 53118.
Fase 2 f (a2 ) = 1 f (c2 ) = 0. 53118 f (b2 ) = −7. 8295 × 10−2
⊕ ⊕
ª
a3 = 0.39270 b3 = 0.78540
• Fase 3. a3 = 0.39270 c3 = 0. 58905 b3 = 0.78540
Fase 3 f (a3 ) = 0. 53118 f (c3 ) = 0. 24242 f (b3 ) = −7. 8295 × 10−2
⊕ ⊕
ª
a4 = 0. 58905 b4 = 0.78540
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 4
• Fase 4. a4 = 0. 58905 c4 = 0. 68723 b4 = 0. 78540
Fase 4 f (a4 ) = 0. 24242 f (c4 ) = 8. 5776 × 10−2 f (b4 ) = −7. 8295 × 10−2
⊕ ⊕
Fase 5 f (a5 ) = 8. 5776 × 10−2 f (c5 ) = 4. 6249 × 10−3 f (b5 ) = −7. 8295 × 10−2
⊕ ⊕
ª
a5 = 0. 68723 b5 = 0. 78540
• Fase 5 a5 = 0. 68723 c5 = 0. 73632 b5 = 0. 78540
ª
a6 = 0. 73632 b6 = 0. 78540
En las siguientes fases, obtenemos c6 = 0.76085, c7 = 0.74858, c8 = 0.74247, c9 = 0.73938, c10 = 0.73784. El valor exacto de la solución con 5 decimales es tanto, en la fase 10 el error es
α =
0.73909, por lo
|e10 | = | α − c10 | = 0.00125, tenemos, por lo tanto, 2 decimales exactos.
1.3
¤
Cota superior de error
Proposición 1.1 En la fase n, el error del método de la bisección cumple |en | = | α − cn| ≤
b1 − a1 . 2n
Demostración. En la fase n se cumple |en | = |α − cn | ≤
bn − an . 2
Tema 5: Resolución aproximada de ecuaciones. 5
Francisco Palacios
Además, la longitud del intervalo se reduce a la mitad en cada fase bn − an =
bn−1 − an−1 . 2
Por lo tanto, tenemos
b1 − a1 , 2 b2 − a2 b1 − a1 |e2 | ≤ = , 2 4 b3 − a3 b2 − a2 b1 − a1 |e3 | ≤ = = . 2 4 8 De forma análoga, resulta |e1 | ≤
|e4 | ≤
b1 − a1 b1 − a1 = , 16 24
|e5 | ≤
y en general |en | = |α − cn| ≤
b1 − a1 b1 − a1 = , 32 25
b1 − a1 . 2n
¤
Ejemplo 1.3 Aplicamos el método de la bisección para aproximar la solución de f (x) = 0 en el intervalo [0, π/2]. (a) Calcula una cota de error para la fase 10. (b) Calcula el número de pasos necesarios para aproximar la solución con 4 decimales exactos. (a) Tenemos |e10| ≤
π /2
− 0 = 0.1534 × 10
−2
210
.
Podemos asegurar dos decimales exactos. En el Ejemplo 1.2, después de 10 pasos, hemos obtenido un error |e10 | = |α − c10 | = 0.00125. (b) Para asegurar 4 decimales exactos, exigimos
¡¢ π
|en | = |α − cn | ≤ de donde resulta
2
2n
¡¢
−4
≤ 0.5 × 10
π
n
2
≥ 0.5 ×210
−4
.
Tomando logaritmos n ln 2 ≥ ln (10000π) ,
ln (10000π) = 14. 93920. ln 2 Por lo tanto, necesitamos 15 pasos. ¤ n≥
,
Francisco Palacios
2
Tema 5: Resolución aproximada de ecuaciones. 6
Método de Newton-Raphson
2.1
Planteamiento y descripción del método
Objetivo Aproximar la solución de f (x) = 0. • f (x) derivable. • x0 aproximación inicial.
• Método
⎨⎧ x0 = aproximación inicial, ) . ⎩ x +1 = x − f f (x 0 (x ) j
j
j
j
Ejemplo 2.1 Aproximar la solución de cos(x) − x = 0 con 6 decimales. Hemos visto que la ecuación tiene solución en [0, π/2], podemos tomar como aproximación inicial x 0 = π /4. x0 = π /4 = 0.78539 816. El método es, en este caso, f (x) = cos(x) − x,
f 0 (x) =
− sin(x) − 1,
⎧⎨ x = 0.78539 816, 0 )−x . ⎩ x +1 = x + cos(x sin(x ) + 1 j
j
j
j
j
El valor de las iteraciones es x1 = x0 +
cos(x0 ) − x0 = 0. 78539 816 − 0.04 58620 3 = 0. 73953 613, sin(x0 ) + 1 x2 = x1 +
cos(x1 ) − x1 = 0. 73908 518, sin(x1 ) + 1
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 7
x3 = x2 +
cos(x2 ) − x2 = 0. 73908 513, sin(x2 ) + 1 x4 = 0. 73908 513.
El método ha convergido al valor α ¯ =
0. 73908 513,
el valor exacto con 10 decimales es α =
2.2
0.73908 51332.
¤
Deducción del método
El método de Newton-Raphson consiste en sustituir la función por la tangente en x = x j , con mayor detalle, a partir de la aproximación x j : 1. Calculamos la tangente a y = f (x) en x = x j . 2. Tomamos x j+1 como el corte de la tangente con el eje OX. Tangente en x = x j y − f (x j ) = f 0 (x j ) (x − x j ) . Para calcular el corte con OX, exigimos y = 0
−f (x j ) = f 0 (x j ) (x − x j ) , resolvemos en x y tomamos el resultado como x j+1 Solución de la ecuación x = x j
2.3
j ) − f f (x =⇒ 0 (x )
x j+1 = x j
j
j ) − f f (x . 0 (x ) j
Criterio de parada usando errores estimados
En en caso del método de Newton-Raphson no existe una forma sencilla de acotar el error |e j | = |α − x j | . Para detener las iteraciones, suele usarse los errores estimados • Error absoluto estimado |¯ e j | = |x j
− x j
−1
|.
• Error relativo estimado
¯¯¯ x − x |¯ r | = ¯ x j
j −1
j
j
¯¯¯ ¯.
Tema 5: Resolución aproximada de ecuaciones. 8
Francisco Palacios
Ejemplo 2.2 Aproxima la solución de ex =
1 x
con 6 decimales exactos. Representamos las curvas y = ex ,
y =
1 x
3 2
1
-2
0 0
-1
1 x
2
-1 -2
-3
está claro que hay una solución. Tomamos como valor inicial x0 = 0.5. Escribimos la ecuación en la forma f (x) = 0, con f (x) = ex −
1 . x
f 0(x) = ex +
1 . x2
Derivada Método
⎪⎨⎧ x0 = 0.5, e − 1 ⎪⎩ x +1 = x − e + 1 ( ) xj
j
j
xj
xj
xj
.
2
El resultado de las iteraciones y los errores estimados es x0 = 0.5, x1 = 0.5 −
e0.5 − 01.5 = 0. 56218 730, e0.5 + (0.15)2
x2 = 0. 56711 982, x3 = 0. 56714 329, x4 = 0. 56714 329,
|¯ e1 | = |x1 − x0 | = 0.0621873, |¯ e2 | = |x2 − x1 | = 0.00493252, |¯ e3 | = |x3 − x2 | = 0.00002347, |¯ e4 | = 0.
El resultado es α =
0. 56714 3.
El valor de la raíz con 10 decimales es α =
0. 56714 32904.
2
Francisco Palacios
2.4
Tema 5: Resolución aproximada de ecuaciones. 9
Protección en el uso del error estimado
La parada del método de Newton-Raphson usando el error estimado puede producir un resultado incorrecto. Esto sucede cuando dos iteraciones toman valores muy próximos a pesar de encontrarse aún lejos de la raíz
Para protegernos contra paradas anómalas, podemos usar el siguiente procedimiento. Sea ² el máximo error tolerable, por ejemplo, si queremos 4 decimales exactos es ² = 0.5 × 10−4 . 1. Detenemos las iteraciones cuando |¯ e j | = |x j
− x j
−1
| ≤ ².
2. Tomamos los valores a = x j − ², b = x j + ².
3. Calculamos f (a) y f (b), si se produce un cambio de signo, podemos asegurar que la raíz se encuentra en el intervalo (a, b). Como x j es el centro del intervalo, se cumple |e j | = |α − x j | ≤ ² y, por lo tanto, podemos asegurar la validez de la aproximación. Observemos que si f (a) y f (b) tienen el mismo signo, el método no es aplicable; no obstante, en la mayoría de los casos prácticos, el criterio funciona bien.
√
Ejemplo 2.3 Calcular 24 con 6 decimales exactos.
Tema 5: Resolución aproximada de ecuaciones. 10
Francisco Palacios
Tomamos x =
√
24
que nos lleva a la ecuación x2 − 24 = 0.
Es
f (x) = x2 − 24,
f 0 (x) = 2x.
Como valor inicial, tomamos x 0 = 5, el error máximo admisible es ² = 0.5 × 10−6 . Fórmula de recurrencia
⎧⎨ x0 = 5, x2 − 24 ⎩ x +1 = x − 2x . j
Iteraciones, x0 = x1 = x2 = x3 =
j
5, −24 5 − 2510 = 4.9, 4. 89897 9592, 4. 89897 9486,
j
j
|¯ e1 | = |x1 − x0 | = 0.1, |¯ e2 | = |x2 − x1 | = 0.001020408, |¯ e3 | = |x3 − x2 | = 0.000000 106.
Valor de la aproximación x3 = 4. 89897 9, calculamos a = x3 − ² = 4. 8989785, f (x3 − ²) =
−0.00000 96565,
b = x3 + ² = 4. 89897 95. f (x3 + ²) = 0.000000 1414.
Vemos que se produce cambio de signo en los extremos del intervalo [x3 − ², x3 + ²] , por lo tanto
3 3.1
α
∈ (x3 − ², x3 + ²) , así pues |e3 | = | α − x3 | ≤ ².
¤
Orden de convergencia Definiciones
Sea (x j ) una sucesión de aproximaciones de
α
x0 , x1 , x2 , . . . , x j , . . . −→ y (e j ) la sucesión de errores |e j | = |α − x j | .
α
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 11
Definición 3.1 (Orden de convergencia) Supongamos que la sucesión (x j ) converge al valor α. Decimos que la sucesión converge a α con orden de convergencia r > 0, si existe una constante A > 0 tal que |e j+1 | r = A. j →∞ | e j | lim
La constante A se llama constante asintótica de error. Si r = 1, la convergencia se llama lineal y, para j su fi ciente grande, es |e j+1 | ' A |e j | . Si r = 2, la convergencia se llama cuadrática y, para j su fi ciente grande, se cumple |e j +1 | ' A |e j |2 . Observamos que si una sucesión tiene convergencia cuadrática, a partir de un cierto momento, el número de decimales exactos se duplica a cada paso.
3.2
Orden de convergencia del Método de Newton-Raphson
Definition 1 (Cero simple) La función f (x) tiene una raíz (cero) simple en x = α si se cumple f 0 (α) 6 = 0.
f (α) = 0,
Proposición 3.1 (Convergencia en ceros simples) Supongamos que el método de Newton-Raphson genera una sucesión (x j ) que converge a un cero α de la función f (x). Si α es un cero simple, entonces la convergencia es cuadrática y, para j su fi ciente grande, se cumple |f 00 (α)| |e j +1| ' |e j |2 . 0 2 |f (α)| Ejemplo 3.1 Convergencia cuadrática. Consideremos la ecuación x2 − 30 = 0, cuya solución con 12 decimales es α =
5. 47722 55750 52.
La iteración de Newton-Raphson, con valor inicial x 0 = 5, es
⎧⎨ x0 = 5, x2 − 30 ⎩ x +1 = x − 2x . j
j
j
j
(1)
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 12
Si tenemos en cuenta la fórmula (1), el valor de la constante asintótica de error es |f 00 (α)| 1 A = = 0 2 |f (α)| 2α Podemos estimar el valor de A, tomando A ' y, por lo tanto,
¯¯¯ ¯
¯¯¯ ¯
α ' 5, entonces
1 = 0.1 10
|e j+1 | ' 0.1 |e j |2 .
Si en un paso tenemos t decimales exactos, cabe esperar que en el siguiente tengamos aproximadamente 2t. Resultan las siguientes aproximaciones y errores j
x j
0 1 2 3 4
5.0 5. 5 5. 47727 27272 73 5. 47722 55752 55 5. 47722 55750 52
|e j | = | α − x j |
0. 47722 55750 52 0.0 22774 42494 8 0.000047152 221 2. 03 × 10−10 0
|ej +1 | |ej |2
9. 99999 99998 37 × 10−2 9. 09090 90784 28 × 10−2 9. 13044 04830 45 × 10−2
El valor de la constante asintótica de error es |f 00 (α)| A = 2 |f 0 (α)| sustituyendo
α =
5. 4772255750 52, resulta A = 0.09 12870 92917 5.
4 4.1
¤
Método de punto fi jo Punto fi jo
Definición 4.1 (Punto fi jo) Decimos que α es un punto fi jo de la función g(x) si se cumple g(α) = α.
⎧⎨ Ecuación en ⎩
forma normal f (x) = 0. forma de punto fi jo x = g(x).
Ejemplo 4.1 Escribe la ecuación cos(x) − x = 0 en forma de punto fi jo.
Tema 5: Resolución aproximada de ecuaciones. 13
Francisco Palacios
La ecuación cos(x) − x = 0 está en forma normal . Existen infinitas expresiones de punto fi jo equivalentes, en primer lugar, podemos tomar x = cos(x).
(2)
Sumando x a ambos lados de la igualdad y despejando, resulta una nueva formulación de punto fi jo x + cos(x) . 2
x =
Sumando 2x a los dos miembros de (2), se obtiene 2x + cos(x) . 3
x =
Multiplicado por x los dos miembros de (2) por x y despejando, resulta x =
4.2
p x cos(x).
¤
Iteración de punto fi jo
• Objetivo Aproximar la solución de x = g(x). • Método
½ x = valor inicial, 0
x j+1 = g(x j ).
Proposición 4.1 Supongamos que g(x) es continua, si la sucesión (x j ) de fi nida por x0 = valor inicial, x j +1 = g(x j ),
½
converge a un valor α, entonces α es un punto fi jo de g(x). Demostración. Se cumple lim x j = α ,
j →∞
como g(x) es continua, resulta
µ
¶
g(α) = g lim x j = lim g(x j ) = lim x j+1 = α . j →∞
j →∞
j →∞
¤
Ejemplo 4.2 (a) Aproxima la solución de cos(x) − x = 0 con 5 decimales, mediante la iteración de punto fi jo para la forma x =
x + cos(x) 2
Tema 5: Resolución aproximada de ecuaciones. 14
Francisco Palacios
a partir del valor inicial x0 = 1. (b) Si escribimos la ecuación en la forma x =
2x + cos(x) , 3
¿cuántas iteraciones son necesarias para obtener 5 decimales? (a) En el primer caso, la fórmula de recurrencia es
⎧⎨ x0 = 1, ) ⎩ x +1 = x + cos(x . 2 j
j
Resulta
j 0 1 2 3 4 5 6 7
j
x j 1.0 0. 77015 0. 74398 0. 73988 0. 73921 0. 73911 0. 73909 0. 73909
(b) En el caso de la forma x =
2x + cos(x) , 3
la fórmula de recurrencia es
⎧⎨ x0 = 1, ⎩ x +1 = 2x + 3cos(x ) , j
j
j
y obtenemos j 0 1 2 3 4 5 6 7
x j 1.0 0. 84677 0. 78531 0. 75926 0. 74796 0. 74300 0. 74081 0. 73985
j 8 9 10 11 12 13 14
x j 0. 73942 0. 73923 0. 73915 0. 73911 0. 73910 0. 73909 0. 73909
Vemos que en el segundo caso la convergencia es más lenta.
¤
Francisco Palacios
4.3
Tema 5: Resolución aproximada de ecuaciones. 15
Convergencia de la iteración de punto fi jo
Teorema 4.1 Supongamos que se cumplen las siguientes hipótesis: 1. g(x) es una función de clase C 1 [a, b]. 2. g(x) ∈ [a, b] para todo x ∈ [a, b]. 3. max |g 0 (x)| = M 1 < 1. x∈[a,b]
Entonces, son ciertas las siguientes a fi rmaciones: 1. La ecuación x = g(x) tiene solución única α en [a, b]. 2. La iteración de punto fi jo x j +1 = g(x j ) converge a la solución α para cualquier valor inicial x0 ∈ (a, b). 3. El error e j = α − x j , veri fi ca la desigualdad |e j | ≤ M j1 (b − a) . Ejemplo 4.3 Dada la ecuación x = cos(x), (a) Demuestra que tiene solución única en [0, 1]. (b) Determina el número de iteraciones necesarias para asegurar 4 decimales exactos mediante la iteración de punto fi jo. (c) Calcula las 5 primeras iteraciones a partir de x0 = 0.5. (a) Veamos que la función g(x) = cos(x) cumple las condiciones del teorema. • (Condición 1) g(x) es continua con derivada continua en todo lo tanto, es de clase C 1 [0, 1].
R,
por
• (Condición 2) g(x) es decreciente en el intervalo [0, 1]. El máximo y mínimo absolutos de g(x) en [0, 1] son m = min cos(x) = cos(1) = 0. 5403, x∈[0,1]
M = max cos(x) = cos(0) = 1, x∈[0,1]
por lo tanto, cuando x toma valores en [0, 1], g(x) toma valores en [0.5403, 1] ⊂ [0, 1]. • (Condición 3) La derivada es g 0 (x) =
− sin(x). Hemos de calcular
M 1 = max g0 (x) . x∈[0,1]
La función objetivo es
¯¯ ¯¯
h(x) = | − sin(x)| = sin (x) , sabemos que sin(x) es creciente en [0, 1], por lo tanto M 1 = max g0 (x) = sin(1) = 0. 84147. x∈[0,1]
¯¯ ¯¯
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 16
En consecuencia, podemos asegurar que existe un único punto fi jo en el intervalo [0, 1] y que la iteración de punto fi jo converge a él para todo valor inicial x 0 ∈ (0, 1) . (b) El error cumple |e j | ≤ (0. 84147) j (1 − 0) = (0. 84147) j . Exigimos
(0. 84147) j
−4
≤ 0.5 × 10
y resolvemos en j, resulta j ≥
ln 0.5 × 10−4 = 57. 377. ln(0. 84147)
¡
¢
Esto es, necesitamos j = 58 iteraciones. (c) El valor de las primeras 5 iteraciones es j 0 1 2 3 4 5
x j 0.5 0. 87758 0. 63901 0. 80269 0. 69478 0. 76820
Si calculamos con 6 decimales, el valor de la iteración 58 es x58 = 0.739085. En realidad, la cota de error es muy conservadora, pues el método ya había convergido con 4 decimales en la iteración 24. ¤
4.4
Forma de punto fi jo x = x − λf (x)
Consideremos una ecuación f (x) = 0 que tiene una raíz [a, b]. Para todo valor de λ, la expresión x = x − λ f (x) es una formulación equivalente en forma de punto fi jo x = g(x) con g(x) = x − λ f (x)
α en
el intervalo
Francisco Palacios
Tema 5: Resolución aproximada de ecuaciones. 17
Es inmediato comprobar la raíz α de f (x) es un punto fi jo de g(x). La derivada de g(x) es g0 (x) = 1 − λf 0 (x). Puede demostrarse que si
0
¯¯g ( )¯¯ ≤ 1, α
entonces la iteración de punto fi jo es convergente para valores iniciales x0 suficiente próximos a α, además, la velocidad de convergencia aumenta con la disminución de |g0 (α)| . Eso nos llevaría a elegir, entre todos los posibles valores de λ , aquel valor que minimize |g0 (α)|. En concreto tomamos el valor de λ que anula g 0 (α), esto es g0 (α) = 1 − λf 0 (α) = 0, resulta el valor λ =
1 . f 0 (α)
El problema está en que no conocemos α y, por lo tanto, no podemos calcular λ. Un método práctico para determinar λ es el siguiente: 1. Sabemos que el intervalo [a, b] contiene la solución α. Estimamos f 0 (α) '
f (b) − f (a) . b−a
2. Tomamos λ =
1
³
f (b)−f (a) b−a
´.
En resumen, el método es
⎧⎨ x = valor inicial, 0 ⎩ x +1 = x − f (b)b −− af (a) f (x ). j
j
j
Ejemplo 4.4 Aproxima la solución de ln x =
1 x
con 4 decimales, usando una formulación de punto fi jo del tipo x = x − λ f (x).
Tema 5: Resolución aproximada de ecuaciones. 18
Francisco Palacios
A partir de una representación grá fica esquemática, tomamos el intervalo [1, 2]. Escribimos la ecuación en forma normal f (x) = 0, entonces 1 f (x) = ln (x) − . x Calculamos f (1) = −1,
f (2) = 0. 1931.
Por el Teorema de Bolzano, tenemos una raíz mamos el valor de f 0 (α) f 0 (α) ' y calculamos
α en
el intervalo [1, 2]. Esti-
f (2) − f (1) = 1. 1931, 2−1
λ λ =
1 1 ' = 0. 8382. 1. 1931 f 0 (α)
La fórmula de recurrencia es, por lo tanto,
⎧⎨ x = 1.5, 0 µ ¶ 1 ⎩ x +1 = x − 0. 8382 ln (x ) − x . j
Obtenemos
Podemos tomar α = 1.7632.
j
j
j 0 1 2 3 4 5 6 7 8 9
j
x j 1.5 1. 71893 9 1. 75250 6 1. 76052 3 1. 76253 7 1. 76304 8 1. 76317 8 1. 76321 1 1. 763220 1. 76322 2
¤
Ejemplo 4.5 Calcula la solución de x = cos(x) con 4 decimales usando una formulación de punto fi jo del tipo x = x − λ f (x).
Tema 5: Resolución aproximada de ecuaciones. 19
Francisco Palacios
A partir de un esquema grá fico, tomamos el intervalo [0, 1]. Escribimos la ecuación en la forma f (x) = 0 con f (x) = x − cos(x). Calculamos f (0) = −1,
f (1) = 0. 45970.
Por el Teorema de Bolzano, tenemos una raíz mamos el valor de f 0 (α) f 0 (α) ' y calculamos
α en
el intervalo [0, 1]. Esti-
f (1) − f (0) = 1. 45970, 1−0
λ λ =
1 f 0 (α)
'
1 = 0. 6851. 1. 45970
La fórmula de recurrencia es, por lo tanto,
½ x = 0.5, 0
x j +1 = x j
Obtenemos
− 0.6851 (x j − cos(x j )) . j 0 1 2 3 4 5 6 7
x j 0.5 0. 758681 0. 736115 0. 739518 0. 739021 0. 739094 0. 739083 0. 73908 3
Podemos tomar α ¯ =
0.7391
¤
