Tema 3

Ecuaciones no lineales
3.1 Introducci on

Uno de los problemas que con m as frecuencia se presentan en la pr actica es la resoluci on de ecuaciones del tipo f (x) = 0. En ocasiones la soluci on se puede encontrar f acilmente despejando la inc ognita x de la ecuaci on. 2 Por ejemplo, si pretendemos resolver x + x 2 = 0 , aplicando la f ormula que calcula las ra ces de polinomios de segundo grado, obtenemos x = 1 y x = 2 como soluciones. Lamentablemente es m as habitual encontrar ecuaciones donde no resulta f acil despejar la inc ognita, como en x3 x 1 = 0 o, incluso, puede resultar imposible hacerlo, como en la ecuaci on ex cos x = 0. Nuestro objetivo no ser a aprender a despejar inc ognitas en ecuaciones dif ciles , sino proporcionar un n umero x que sea una buena aproximaci on a la soluci on de la ecuaci on. Por ejemplo, para la ecuaci on 3.1, x podr a ser 1.324718 ya que f (x ) = 2 107 . La expresi on buena aproximaci on merece un comentario detenido. Cu ando podemos decir que un valor x es una buena aproximaci on a la ra z r ? Tenemos dos posibilidades: 1. Cuando x est e muy cerca de una ra z r , es decir, cuando |r x | sea muy peque no. 2. Cuando |f (x )| sea un n umero muy peque no. Estas dos posibilidades parecen muy semejantes y podr amos pensar que cualquiera de ellas es v alida. Sin embargo, si consideramos comportamientos especiales de funciones, puede ocurrir que el sentido de buena aproximaci on elegido falle. Para ilustrar estas situaciones veamos dos ejemplos: oximo a la ra z pero f (x ) puede ser grande cuando 1. El primer criterio puede llevarnos a un x pr la funci on f var a muy deprisa en un entorno de la ra z r (Figura 3.1). 2. El segundo criterio puede llevarnos a un x v alido y lejano a la ra z cuando la funci on f var a muy despacio en un entorno de la ra z r . (Figura 3.2). La mayor a de los casos pr acticos no ser an tan conictivos como los presentados anteriormente. Si f es derivable con continuidad en un entorno de la ra z, su derivada nos dar a un idea de su crecimiento y por tanto podemos armar que: 1. Si el crecimiento (o decrecimiento) de la funci on f en un entorno de la ra z r es muy r apido (es decir, |f (x)| es grande, siempre que f sea regular), exigir que |f (x )| sea peque no garantiza que |r x | sea m as peque no.
Matem aticas III

3.1

20

ma

3.1 Introducci on

f (x )

r x

Figura 3.1: |r x | peque no pero | f (x )| grande

2. Si el crecimiento (o decrecimiento) de la funci on f en un entorno de la ra z r es muy lento (es decir, |f (x)| es peque no, siempre que f sea regular), exigir que |r x | sea peque no garantiza que |f (x )| sea m as peque no. 3. Si el crecimiento (o decrecimiento) de la funci on f en un entorno de la ra z r no se comporta de ninguna de las dos formas anteriores, exigir que |f (x )| sea peque no puede ser equivalente a que |r x | sea tambi en peque no y viceversa. Por otra parte, la precisi on tambi en interviene en el concepto de buena aproximaci on . Si tomamos como buena aproximaci on a una soluci on de la ecuaci on f (x) = 0 un valor x para el que |r x | < y la soluci on exacta r es un n umero muy grande, quiz a no tenga sentido plantear el requerimiento anterior para un muy peque no. Si consideramos la ecuaci on x2 2 108 + 1016 = 16 cuya soluci on es r = 100000004 y trabajamos en aritm etica de 8 d gitos, una condici on del tipo |r x | < 0.5 no tendr a sentido, pues los n umeros x que la verican son: 100000003.5 < x < 100000004.5 que no pueden ser representados con s olo 8 d gitos. En este caso la mejor aproximaci on es x = 1 108 y aunque |r x | = 4 , si lo comparamos con |r| es nmo, es decir, conviene no olvidar el error relativo teniendo en cuenta que s olo sirve para x = 0 .

f (x ) r x

Figura 3.2: |f (x )| peque no pero |r x | grande

Matem aticas III

21

ma

3.2 M etodo de Bisecci on

A continuaci on expondremos los m etodos m as usuales que conducen a la(s) soluci on(es) de la ecuaci on f (x) = 0 . Todos ellos tienen en com un la generaci on de una sucesi on de aproximaciones, , cuya utilidad para resolver el problema vendr a dada por tres cuestiones: {xn } n=0
a Converge la sucesi 1 on {xn } un valor ? n=0 hacia alg a Es una ra 2 z de la ecuaci on? a Con qu 3 e rapidez nos acercamos a ?

En la pr actica, evidentemente, s olo se calcula un n umero nito de los t erminos de {xn } n=0 y es habitual tomar decisiones para decidir cu ando se detiene la obtenci on de t erminos de la sucesi on (criterio de parada): |xn xn1 |
|xn xn1 | |xn |

|f (xn )| donde es una tolerancia, habitualmente elegida por el usuario, y, en todo caso, se limita el n umero de t erminos a conseguir en la sucesi on para prevenir situaciones no deseadas (no convergencia o bucles innitos, por ejemplo). Cuando se pide obtener una ra z con cierta precisi on , utlizaremos como criterio de parada |xn xn1 | , aunque esta condici on puede no garantizar la convergencia de la sucesi on (ejercicio 1(a)). Solamente en uno de los m etodos, bisecci on, dispondremos de las sucientes garant as para conseguir |r xn | . Comenzaremos por el m etodo m as sencillo (que no quiere decir peor) para continuar con la obtenci on de otros m as elaborados a trav es de un proceso natural de modicaci on, mejoras, supresi on de hip otesis,. . . Conviene prestar especial atenci on a la representaci on gr aca del m etodo y entender por qu e un m etodo no funciona bien en ciertos casos ser a la base fundamental de apoyo para la introducci on de otro m etodo que corrija las deciencias del primero. El mal funcionamiento equivaldr a en unos casos a la imposibilidad de aplicaci on, o a la no convergencia hacia una ra z, o a que esta convergencia sea demasiado lenta, o a no tener garant a de un error peque no en la aproximaci on a pesar de tener asegurada convergencia.

3.2

M etodo de Bisecci on

Se quiere resolver la ecuaci on f (x) = 0 con las hip otesis: - La funci on f es continua en un intervalo [a0 , b0 ] . - f (a0 )f (b0 ) < 0 , es decir signo (f (a0 )) = signo (f (b0 )) . Estas hip otesis son las mismas que las de teorema de Bolzano y, por tanto, podemos asegurar que al menos existe un punto r (a0 , b0 ) tal que f (r) = 0 . El m etodo de bisecci on proporciona aproximaciones sucesivas a una soluci on de f (x) = 0 . La forma de proceder es la siguiente: puesto que sabemos que hay una soluci on de f (x) = 0 en (a0 , b0 ) , tomemos como primera aproximaci on, x0 , el punto medio del intervalo x0 = Esta aproximaci on verica |x0 r| <
Matem aticas III

a0 + b0 . 2 b0 a0 . 2 3.2
22

ma

3.2 M etodo de Bisecci on

Obs ervese que cualquier otra elecci on de x0 (a0 , b0 ) hubiera dado una cota de error peor. Si f (x0 ) = 0 , ya hemos encontrado una soluci on de f (x) = 0 . De no suceder lo anterior tendremos que f (x0 ) > 0 o bien f (x0 ) < 0 . En cualquier caso el signo de f (x0 ) coincide con el signo de f (a0 ) o con el de f (b0 ) . Es decir, podemos volver a elegir un nuevo intervalo, de longitud la mitad que el anterior, de ah el nombre del m etodo, en el que los extremos siguen vericando el teorema de Bolzano y la ra z sigue encontr andose en el. Si llamamos I0 = [a0 , b0 ] al intervalo inicial, el nuevo intervalo es L0 I1 = [a1 , b1 ] . Llamando L0 y L1 a sus respectivas longitudes se tiene que L1 = . 2 Con este intervalo I1 volvemos a repetir el proceso tomando como aproximaci on, x1 , el punto medio, repetimos el chequeo de signos para la elecci on del intervalo siguiente I2 , cuya longitud es L1 L0 L2 = = 2 . 2 2
a2 a1 a0 b2 b1 b0

x0 x1 x2

Figura 3.3: M etodo de bisecci on

Iterando el proceso se obtiene una sucesi on de intervalos (Figura 3.3), cuyas longitudes Ln se reducen a la mitad en cada paso y por tanto Ln = L0 , 2n n = 1, 2, . . .

y todos ellos contienen una soluci on de f (x) = 0 . Los puntos medios obtenidos, x0 , x1 , . . . , de estos intervalos se toman como aproximaciones a esa soluci on. Es posible que por casualidad se obtenga un xn tal que f (xn ) = 0 . En este caso el proceso se detendr a puesto que el objetivo ha sido alcanzado, pero lo habitual es que lo anterior no suceda y el m etodo de bisecci on proporcione una sucesi on de puntos que se aproxime a una soluci on de f (x) = 0 . Proposici on 3.- Sea f una funci on continua en [a0 , b0 ] vericando que f (a0 )f (b0 ) < 0. Entonces la sucesi on {xn }n=0 generada por el proceso de bisecci on converge. Adem as si c = lim xn entonces n f (c) = 0 . Demostraci on Los extremos inferiores de los intervalos In forman una sucesi on creciente y acotada superiormente por b0 , por tanto convergente, sea c = lim an . An alogamente, los extremos superiores n decrecen y est an acotados inferiormente por a0 , por lo tanto convergente. Adem as bn = an + Ln , para n = 0, 1, . . . Como lim Ln = 0 se tiene que lim bn = c . De la acotaci on an xn bn se n n concluye que c = lim an = lim bn = lim xn
n n n

Matem aticas III

23

ma
0 lim f (an )f (bn ) = f ( lim an )f ( lim bn ) = f 2 (c) 0,
n n n

3.2 M etodo de Bisecci on

y por ser la funci on f continua y su valor en los extremos de cada intervalo de distinto signo

lo cual lleva a que f (c) = 0 , es decir, c es la ra z buscada. Podemos determinar a priori el n umero de iteraciones necesarias para llegar a la precisi on deseada |xn r| < porque Ln L0 |xn r| = n+1 3.3 2 2 as que basta con tomar
0 ln L L0 < y por tanto n > 1 para obtener la precisi on requerida. 2n+1 ln 2

on f (x) = ex x . Ejemplo 4.- Consideremos la funci Claramente la funci on f es continua en toda la recta real y se tiene que f (0) = 1 > 0 , f (1) = 1 e 1 < 0 , por lo que podemos aplicar el m etodo de bisecci on para localizar la ra z r . Los datos num ericos obtenidos se encuentran en la tabla 3.1. Obs ervese que manejamos precisi on nita, por lo que no podemos garantizar que r sea exactamente el n umero racional 0.567143291 . Lo que ocurre es que el valor de la funci on f en 0.567143291 es tan peque no que se ha tomado como 0 . Por otra parte, de la la 31 surge la aparente contradicci on f (b31 ) < 0 y f (x31 ) = 0 , siendo b31 = x31 . Esto es debido a que el ordenador maneja internamente m as cifras de las que presenta en pantalla, por lo que realmente para la m aquina se ha de tener b31 = x31 . i ai bi xi f (xi ) 0 0 1 0.5 0.106 1 0.5 1 0.75 0.277 2 0.5 0.75 0.625 8.9 102 3 0.5 0.625 0.5625 7.2 103 4 0.5625 0.625 0.59375 4 102 15 0.567139 0.567169 0.567153 1.6 105 31 0.56714329 0.567143291 0.567143291 0
Tabla 3.1: M etodo de bisecci on: f (x) = ex x. Intervalo inicial [0, 1]

Finalmente realizamos una serie de reexiones u tiles: La programaci on del algoritmo considera como dato de entrada la tolerancia con la que se desea obtener la ra z, , y puede utilizarse la cota 3.3 para determinar el n umero de iteraciones a priori. Sin embargo, es m as eciente utilizar una estructura iterativa que use como condici on de salida la informaci on del intervalo actual: |bn an |/2 < . Alternativamente se puede usar un criterio combinado que utilice la condici on |f (xn )| < . Por otra parte, es totalmente aconsejable incluir en el algoritmo un n umero m aximo de iteraciones adecuado para prevenir posibles ejecuciones sin n relacionadas con problemas de precisi on o comportamientos inesperados. En relaci on tambi en con los problemas derivados de la precisi on nita, para calcular el punto bn n medio es aconsejable usar la expresi on xn = an + L en lugar de xn = a n + puesto que produce 2 2 Ln menor error: el error de redondeo en 2 afectar a al valor de xn menos que el c alculo de la segunda expresi on. Esta consideraci on puede hacerse con car acter general: si se conoce una aproximaci on a un n umero es siempre mejor utilizar una expresi on que corrija dicha aproximaci on, si es posible.

Matem aticas III

24

ma
a2 a1 a0 b2 b1 b0

3.3 M etodo de la secante

x0

x1

Figura 3.4: Varias ra ces en una funci on.

Con las hip otesis impuestas, el m etodo de bisecci on nos conduce con seguridad hacia una ra z de la funci on, aunque necesitar a de m as iteraciones para obtener aproximaciones similares que otros m etodos. on de aproximaciones generada por el m etodo no es, en general, mon otona. Es decir, La sucesi si en un determinado paso xn est a pr oximo a la ra z, xn+1 no tiene por qu e estar m as cerca. Naturalmente, si en alg un momento nos alejamos de la ra z, la convergencia del m etodo garantiza que tarde o temprano nos acercaremos a ella tanto como queramos. Si la funci on f tiene varias ra ces en el intervalo inicial I0 no podremos predecir hacia qu e ra z converge el m etodo (Figura 3.4). Si la funci on f no es continua en el intervalo inicial I0 puede ocurrir que haya convergencia hacia un punto que no sea una ra z de f . etodo no pueden localizarse ra ces de funciones positivas o negativas, es decir, que no Con este m verican la condici on del signo del teorema de Bolzano.

3.3

M etodo de la secante

El m etodo de bisecci on utiliza la informaci on de los valores de la funci on s olo para decidir la elecci on del semiintervalo siguiente. Si incorporaramos m as informaci on de f (x) y consideramos la existencia de dos aproximaciones iniciales a la ra z, x0 y x1 podemos construir: xn = f (xn1 )xn2 f (xn2 )xn1 . f (xn1 ) f (xn2 ) 3.4

El m etodo descrito se conoce como m etodo de la secante, la procedencia del nombre es debido a que la expresi on 3.4 proporciona como aproximaci on a la ra z el punto de corte con el eje de abscisas de la recta secante a la gr aca de f (x) en los puntos (xn1 , f (xn1 )) y (xn2 , f (xn2 )) (gura 3.5). Una primera diferencia entre el m etodo de la secante y el de bisecci on es el endurecimiento de las condiciones de convergencia. Ya no es suciente la continuidad de la funci on f (x) y el conocimiento de un intervalo en el que la funci on cambie de signo para asegurar la convergencia de las aproximaciones a una soluci on de la ecuaci on. Esto no es extra no pues las demostraciones de los teoremas de convergencia del m etodo de bisecci on se basaba en el conocimiento, en cada etapa del proceso, de un intervalo que
25

Matem aticas III

ma

3.3 M etodo de la secante

xn xn2 xn1

Figura 3.5: M etodo de la secante.

conten a con seguridad una ra z. En el m etodo de la secante, aunque tom asemos las aproximaciones iniciales x0 y x1 de forma que entre ellas la existencia de una ra z estuviera garantizada, no tenemos ning un control sobre la posici on de la ra z con respecto a las aproximaciones que se van generando. Para el m etodo de la secante resultar a m as u til, a efectos de convergencia, la proximidad de x0 y x1 a la ra z, que la elecci on de los mismos a lados diferentes de dicha ra z. En l neas generales podemos decir que el m etodo de la secante converge si la funci on no presenta un comportamiento inesperado y las aproximaciones iniciales son sucientemente buenas. Este tipo de comportamiente volveremos a encontrarlo en la mayor a de los m etodos que nos quedan por estudiar. Es importante resaltar que los errores de precisi on en los c alculos al aplicar la f ormula 3.4 pueden ser grandes debido a que el denominador f (xn1 ) f (xn2 ) debe ser muy peque no frente al numerador al acercarnos a la ra z. Se reduce el efecto del denominador usando, de cara a la implementaci on, xn1 xn2 xn = xn1 f (xn1 ) . 3.5 f (xn1 ) f (xn2 ) Ahora la expresi on que est a restando en el segundo miembro de 3.5 debe ser pr acticamente nula a medida que nos acercamos a la ra z, porque es de esperar que tienda a cero m as deprisa el producto f (xn1 ) (xn1 xn2 ) que el denominador. Ejemplo 5.- Tomando de nuevo la funci on f (x) = ex x con iterantes iniciales x0 = 0 y x1 = 1 , el m etodo de la secante proporciona los resultados mostrados en la tabla 3.2. x0 =0 x1 =1 x2 =0.6126998368 x3 =0.5638383892 x4 =0.5671703594 x5 =0.5671433066 x6 =0.5671432904 x7 =0.5671432904
Tabla 3.2: M etodo de la secante: f (x) = ex x . Aproximaciones iniciales x0 = 0 y x1 = 1 .

Observamos que nos acercamos a la ra z con mayor rapidez que con el m etodo de bisecci on aunque aumenta el n umero de operaciones a realizar por iteraci on. Esta ventaja no conduce al abandono del m etodo de bisecci on pues, para tener convergencia con la secante, se necesitan normalmente aproximaciones iniciales buenas que ser an usualmente localizadas por dicho m etodo.
Matem aticas III

26

ma
3.4 M etodo de Newton

3.4 M etodo de Newton

El m etodo de Newton puede considerarse como una situaci on l mite del m etodo de la secante, pues si este proporciona como aproximaci on n- esima el punto xn , dado por la f ormula 3.5, es decir: xn = xn1 f (xn1 ) , f (xn1 ) f (xn2 ) xn1 xn2

el m etodo de Newton sustituye la expresi on xn1 , obteniendo

f (xn1 ) f (xn2 ) por su l mite cuando xn2 tiende a xn1 xn2 f (xn1 ) . f (xn1 ) 3.6

xn = xn1

La interpretaci on gr aca del m etodo de la secante sugiere tambi en la del m etodo de Newton, puesto que en el m etodo de la secante se toma como aproximaci on la ra z de la recta que pasa por los puntos (xn1 , f (xn1 )) y (xn2 , f (xn2 )) , en este caso s olamente tenemos (xn1 , f (xn1 )) a partir del l mite indicado y, por tanto, la recta obtenida resulta ser la tangente a la gr aca de la curva f (x) en el punto (xn1 , f (xn1 )) (gura 3.6).

recta tangente xn xn1

Figura 3.6: M etodo de Newton.

Qu e ocurre si f (xn1 ) = 0 en 3.6? La respuesta es que no es posible calcular xn y el m etodo se detiene sin exito. La interpretaci on gr aca de esta anomal a es que la recta tangente en xn1 es paralela al eje OX , por lo que no existe el punto de corte xn ( 3.7 ). Los m etodos de la secante y de Newton tiene en com un que sustituyen la funci on original f por una m as sencilla, en los dos casos una recta obtenida con diferente criterio en cada uno de los m etodos, y calcula como aproximaci on a la ra z de la funci on f (x) la ra z de la recta. Los m etodos de Newton y de la secante tienen otra importante caracter stica en com un, la necesidad, en general, de buenas aproximaciones iniciales para que la convergencia est e asegurada. Ejemplo 6.- Para confrontar resultados con los m etodos anteriores, sea f (x) = ex x . Por ser derivable y f (x) = ex 1 = 0 , x I R , no habr a problemas a la hora de aplicar la f ormula 3.6. Elegiremos como iterante inicial x0 = 0 . Los resultados obtenidos son los mostrados en la tabla 3.3. Los datos anteriores nos muestran las diferencias con los m etodos estudiados hasta ahora, en cuanto al n umero de iteraciones necesarias para conseguir una precisi on determinada. El m as r apido es el m etodo de Newton, seguido de la secante, y bisecci on. Sin embargo, hemos de tener en cuenta que la relaci on en cuanto al trabajo necesario para realizar una iteraci on es distinta. El menos costoso en cada etapa es el de bisecci on seguido de la secante (no precisa comparar f (xn ) < 0 o f (xn ) > 0 para
Matem aticas III

27

ma

3.5 Velocidad de Convergencia

tangente paralela al eje OX

xn

xn1

Figura 3.7: M etodo de Newton, f (xn1 ) = 0

x0 =0 x1 =0.5 x2 =0.566311003 x3 =0.567143165 x4 =0.567143290

Tabla 3.3: M etodo de Newton: f (x) = ex x . Aproximacion inicial x0 = 0 .

calcular xn+1 ) y Newton (necesita dos evaluaciones funcionales de f y f en cada iteraci on). Por ello, a la hora de elegir un m etodo u otro, debemos sopesar: garant a de convergencia, rapidez y coste operativo.

3.5

Velocidad de Convergencia

Los ejemplos vistos en apartados anteriores muestran que dos m etodos convergentes pueden aproximarse a la ra z deseada a velocidades muy diferentes. Por ejemplo, en la tabla 3.4 puede observarse el ritmo lento de estabilizaci on de las cifras para el m etodo de bisecci on aplicado a la ecuaci on ex x = 0 , y puede compararse con el comportamiento de las aproximaciones obtenidas en las Tablas 3.2 y 3.3. Evidentemente para saber el n umero de cifras estabilizadas es necesario tener una secuencia relativamente larga de las mismas ya que la sucesi on puede no ser mon otona. Intentaremos formalizar estos aspectos con una denici on que no es exactamente coincidente con la idea de n umero de cifras estabilizadas. umero r y una aproximaci on r a r , diremos que r tiene al menos d Denici on 7.- Dado un n cifras decimales correctas si |r r | 5 10(d+1) . 3.7 El t ermino decimales se usa aqu en el sentido de n umero de posiciones despu es de la coma cuando se escriben los n umeros en la forma habitual, no normalizada. La aplicaci on de la denici on puede resultar sorprendente en algunas ocasiones. Ejemplo 8.- Dado el n umero r = 23.613 y las aproximaciones
r1 = 23.634 r2 = 23.607 r3 = 23.609 r4 = 23.685

se tiene
|r r1 | = 2.1 102 5 102

r1

tiene al menos 1 cifra decimal correcta

28

Matem aticas III

ma
i 0 1 2 3 4 5 6 7 10 11 13 16 . . . xi 0.50000000000000 0.75000000000000 0.62500000000000 0.56250000000000 0.59375000000000 0.57812500000000 0.57031250000000 0.56640625000000 0.56689453125000 0.56713867187500 0.56719970703125 0.56714630126953 . . .
o de cifras n estabilizadas

3.5 Velocidad de Convergencia

1 1 1 2 2 2 2 3 3 4 5 6 . . . 11

35 0.56714329040551

Tabla 3.4: Cifras estabilizadas. M etodo de bisecci on: f (x) = ex x . Intervalo inicial [0, 1]
|r r2 | = 6 103 5 102 |r r3 | = 4 103 5 103 |r r4 | = 7.2 102 5 101

r2 r3 r4

tiene al menos 1 cifra decimal correcta tiene al menos 2 cifras decimales correctas tiene al menos 0 cifras decimales correctas

y los dos u ltimos casos pueden sorprender. Ejemplo 9.- Para obtener todos los n umeros que aproximan a r = 23.613 con al menos d = 1 cifra decimal correcta bastar a resolver la inecuaci on |23.613 r | 5 102 obteni endose r [23.563, 23.663] . As que 23.634 tiene al menos 1 cifra decimal correcta de r = 23.613 , pero tambi en la tiene 23.572 , lo cual puede resultar algo menos intuitivo. A partir de la denici on, los n umeros que tienen al menos d cifras decimales correctas de r son los que est an a una distancia menor o igual que 5 10(d+1) de r . Cuando hablamos de cifras estabilizadas surgen dos diferencias fundamentales: - No estamos comparando las aproximaciones con un mismo n umero (el l mite de la sucesi on que ser a la ra z buscada), sino que estamos compar andolos entre ellos observando su evoluci on. - Se tiene en cuenta la estabilizaci on de las cifras no decimales. A pesar de ello, el ritmo de cambio de las cifras estabilizadas y cifras decimales correctas en una sucesi on convergente respecto de su l mite s es id entico y, en la pr actica, pueden obtenerse las mismas conclusiones.

Matem aticas III

29

ma

3.5 Velocidad de Convergencia

Denici on 10.- Diremos que el orden de convergencia es p (p 1) , si existe una constante 0 < M tal que, para n sucientemente grande, p es el mayor valor que verica |r xn+1 | M |r xn |p . 3.8

Para p = 1 diremos que el orden de convergencia es lineal y para p = 2 diremos que el orden de convergencia es cuadr atico. En el caso de la convergencia lineal se cumple siempre que M < 1 pues, en caso contrario, la sucesi on no ser a convergente. Debe tenerse en cuenta que la sucesi on |r xn | tiende hacia 0 y, en general, para n sucientemente grande, se tiene |r xn |q+1 < |r xn |q . Por tanto, una primera estrategia para obtener el orden de convergencia de una sucesi on puede ser ir comprobando las desigualdades |r xn+1 | M |r xn | |r xn+1 | M |r xn |2 |r xn+1 | M |r xn |3 ...

con la certeza de que alguna de ellas dejar a de cumplirse. Sin embargo, es m as habitual que esta estrategia presente excesiva dicultad y, en todo caso, s olo permite obtener ordenes de convergencia enteros (existen ordenes de convergencia no enteros). n = 0.52 1 para n = 0, 1, 2, . . . . Ambas Ejemplo 11.- Considerar las suceciones xn = 0.5n y x tienen l mite r = 0 y se cumple: 1 |r xn+1 | |r xn | 2 1 |r x n+1 | |r x n |2 2 desde n = 0 , siendo 1 y 2 , respectivamente, los mayores exponentes de |r xn | y |r x n | , respectivamente, para los que se cumple la desigualdad. Por tanto, xn tiene orden de convergencia 1 y x n tiene orden de convergencia 2 .
n

3.5.1

Interpretaci on de la Velocidad de Convergencia

Sea {xn } on convergente con l mite r y supongamos que el orden de convergencia es p . n=0 una sucesi Si para xn hemos conseguido al menos dn cifras decimales correctas, al tomar el t ermino siguiente xn+1 obtendremos al menos dn+1 cifras decimales correctas. A partir de la deniciones 3.7 3.8 se tiene, para n sucientemente avanzado, |r xn+1 | M |r xn |p M 5p 10(dn +1)p = y podemos concluir entonces dn+1 pdn es decir, el n umero de cifras decimales correctas tiende a multiplicarse por p al pasar de un t ermino de la sucesi on al siguiente (para n sucientemente avanzado). En el caso de p = 1 , orden de convergencia lineal, resulta: |r xn+1 | 5M 10(dn +1) y, si avanzamos k t erminos en la sucesi on tendremos |r xn+k | 5M k 10(dn +1) En tal caso, s olo conseguiremos mejorar en una cifra cuando avancemos lo suciente en la sucesi on 1 k para que M 10 (recordar que, en este caso, M < 1 ) y, por tanto, cuando se tiene orden lineal se estabiliza una cifra cada cierto n umero de iteraciones.
Matem aticas III

M 5M 10dn p = p1 10(dn p+1) p 2 2

3.9

30

ma

3.5 Velocidad de Convergencia

El m etodo de bisecci on es un ejemplo de orden de convergencia lineal con constante M = estabilizar a una cifra decimal, asint oticamente, cuando
( 1 )k

1 2

, y se

1 10

es decir, cada 3 o 4 iteraciones. La interpretaci on de ordenes de convergencia no enteros debe entenderse como comportamientos intermedios entre los aqu indicados. Tal es el caso del m etodo de la secante cuyo orden de convergencia es
1+ (5) 2

1.62 .

3.5.2

Orden de convergencia del m etodo de Newton

Para obtener el orden de convergencia del m etodo de Newton supongamos que f (x) es de clase dos en un entorno de la ra z r . Para n sucientemente avanzado, utilizando el desarrollo de Taylor en xn se tiene f ( ) f (x) = f (xn ) + f (xn )(x xn ) + (x xn )2 2! donde est a entre x y xn . Para x = r la expresi on anterior se convierte en 0 = f (r) = f (xn ) + f (xn )(r xn ) + f ( ) (r xn )2 2!

con entre r y xn . Para continuar supongamos que la ra z, r , es simple, es decir, f (r) = 0 . En este caso existe un entorno de r donde f sigue siendo no nula y se mantiene acotada. Para n sucientemente avanzado, xn estar a en ese entorno y, en particular, f (xn ) = 0 y l |f (xn )| L . Dividiendo entonces entre f (xn ), y operando ( ) f (xn ) f ( ) (r xn )2 r xn = f (xn ) 2f (xn ) Como en el m etodo de Newton la iteraci on es xn+1 = xn r xn+1 = y tomando valor absoluto K |r xn |2 2l siendo |f (x)| K en un entorno de la ra z y, en particular, |f ( )| K . |r xn+1 | i xi
o de cifras n estabilizadas f (xn ) f (xn )

se llega a

f ( ) (r xn )2 2f (xn )

0 2.0000000000000000 1 0.8807970779778824 2 0.0842749600983386 3 0.5193066837383489 4 0.5667232231976214 5 0.5671432584762297 6 0.5671432904097837 7 0.5671432904097838

0 0 1 2 3 8 15

Tabla 3.5: Cifras estabilizadas. M etodo de Newton: f (x) = ex x. Aproximaci on inicial x0 = 2

Matem aticas III

31

ma

3.5 Velocidad de Convergencia

En consuencia, el m etodo de Newton tiene orden al menos 2 cuando la ra z es simple. En este caso, el n umero de cifras estabilizadas tiende a duplicarse al avanzar una iteraci on, como puede observarse en la tabla 3.5. En la tabla 3.6 se muestra como, en el caso de ra z doble, el m etodo de Newton se convierte en un m etodo lento Qu e orden se observa? x0 x1 x2 x3 x4 x7 x13 = = = = = ... = ... = 0.000000000 0.250000000 0.398639687 0.480194115 0.522966807 0.561542572 0.567055604 ... = ... = ... = = ... =

x15 x18 x22 x23 x31

0.567121368 0.567140550 0.567143119 0.567143204 0.567143290

Tabla 3.6: M etodo de Newton: f (x) = (ex x)2 . Aproximaci on inicial x0 = 0 .

3.5.3

Aceleraci on de la convergencia

Nos preguntamos ahora por la posibilidad de mejorar la velocidad de convergencia de una sucesi on, es decir, la posibilidad de acelerar la convergencia. Sea {xn } on convergente con l mite r , tal que en = r xn = 0 , para n sucienten=0 una sucesi mente avanzado, con orden de convergencia lineal . La sucesi on {x n } n=0 , denida como x n = xn (xn+1 xn )2 xn+2 2 xn+1 + xn

mejora la convergencia de la sucesi on, se denomina Aceleraci on de Aitken y tiene su justicaci on en el siguiente Teorema 12.- Sea {xn } on convergente con l mite r y en = xn r = 0 , para n n=0 una sucesi sucientemente avanzado, con orden de convergencia lineal . La sucesi on {x n } a bien denida n=0 , est para n sucientemente avanzado y verica
n

lim x n = r

lim

rx n = 0. r xn

La aportaci on del teorema es la construcci on de una nueva sucesi on x n que converge m as r apidamente al mismo l mite que la de partida, pero en ning un momento se garantiza la obtenci on de orden de convergencia 2 a partir de una sucesi on con orden de convergencia 1 . n 1 2 3 4 5 6 7 xn 0.54030 0.87758 0.94496 0.96891 0.98007 0.98614 0.98981 x n 0.96178 0.98213 0.98979 0.99342 0.99541

Tabla 3.7: Aceleraci on de Aitken: xn = cos 1/n .

Matem aticas III

32

ma

3.5 Velocidad de Convergencia

Ejemplo 13.- Consideremos la sucesi on xn = cos 1/n, n = 1, 2, . . . , que converge linealmente hacia r = 1 . La tabla 3.7 muestra los t erminos de la sucesi on original y la obtenida con el proceso de aceleraci on de Aitken. El m etodo de Newton tiene la particularidad de poder obtener la aproximaci on xn+1 en funci on de la inmediatamente anterior xn en la forma: xn+1 = g (xn ) donde g (x) = x f (x) . f (x)

Las iteraciones del tipo xn+1 = g (xn ) se denominan iteraciones de punto de jo y la funci on g (x) se llama funci on de iteraci on. Para este tipo de iteraciones puede aplicarse el algoritmo de Steensen, el cual es una modicaci on de la aceleraci on de Aitken que permite mejorar a un m as la velocidad de convergencia. El algoritmo procede de la siguiente forma a partir de la aproximaci on inicial x0 :
o Calcular dos aproximaciones de la forma habitual, es decir, x = g (x ) y x = g (x ) . 1 1 0 2 1 o Construir x 2 0 (1)

mediante aceleraci on de Aitken con x0 , x1 y x2 ; es decir, x0 = x0

(1)

(x1 x0 )2 (= x 0 ). x2 2 x1 + x0

o Considerar x 3 0

(1)

o. como aproximaci on inicial y volver a aplicar el paso 1 (1)

on a la ra z mejor que las La mejora del algortimo se basa en esperar que x0 sea una aproximaci anteriores y tomar este valor como iterante inicial para repetir el proceso, obteni endose la sucesi on de (n) puntos {x0 } . n=0 Sobre la convergencia del algoritmo de Steensen enunciamos el siguiente teorema para el caso del m etodo de Newton: Teorema 14.- Sea r una ra z de f (x) y {xn } on generada por el m etodo de Newton n=0 la sucesi con lim xn = r entonces
n

z simple, el algoritmo de Steensen es de orden 3 . - Si r es ra - Si r es ra z doble, el algoritmo de Steensen es de orden 2 . N otese la mejora sustancial en la velocidad de convergencia en ambos casos, aunque el proceso no est a exento de un claro aumento en el coste operativo. etodo de Newton a Ejemplo 15.- En la tabla 3.6 se observa la convergencia lineal al aplicar el m f (x) = (ex x)2 y aproximaci on inicial x0 = 0 . Aplicando el Algoritmo de Steensen se obtienen los resultados de la tabla 3.8 donde se observa el orden de convergencia cuadr atico. n 0 1 2 3 4 x0 0.00000000000000 0.61661214450803 0.56735497473448 0.56714329446317 0.56714329040978
(n)

g x0 0.25000000000000 0.59165967175268 0.56724912851823 0.56714329243648

(n)

( (

g g x0 0.39863968694638 0.57934750901654 0.56719620845058 0.56714329142313

(n)

))

Tabla 3.8: Algoritmo de Steensen para el m etodo de Newton. f (x) = (ex x)2 .

x0 = 0.

Matem aticas III

33

ma
3.6 Evaluaci on de polinomios

3.6 Evaluaci on de polinomios

Para el caso de ra ces de polinomios puede aplicarse cualquiera de los m etodos aqu estudiados aunque conviene saber que puede existir alg un problema de acondicionamiento y existen algunos m etodos espec cos. Aunque no vamos a entrar en dichos m etodos, s resulta interesante mencionar algunas cuestiones algor tmicas en relaci on con la evaluaci on de los polinomios. Sea pn (x) = an xn + an1 xn1 + . . . + a1 x + a0 3.10 on en un punto x0 se necesitan n 1 tal que an es distinto de 0 . En principio, para su evaluaci n 3 n 3 2 multiplicaciones para hallar x0 , x0 , . . . , x0 , otras n para formar a1 x0 , a2 x2 0 , a3 x0 , . . . , an x0 y nalmente n sumas; es decir, en total, 2n 1 productos y n sumas. No obstante, escribiendo pn (x) = a0 + x(a1 + x(. . . (an2 + x(an1 + xan )) . . .)) se comprueba que pn (x0 ) puede calcularse mediante n multiplicaciones y n sumas. Este procedimiento de evaluaci on se puede formalizar mediante el siguiente algoritmo: % Algoritmo de Horner bn1 = an for k=n-2:-1:-1 bk = ak+1 + x0 bk+1 ; % A la salida del bucle for se tiene: % pn (x0 ) = b1 Este algoritmo es conocido para su implementaci on con papel y l apiz como Regla de Runi. Adem as son importantes los siguientes hechos: - Si pn (x) = q (x)(x x0 ) + b1 entonces q (x) tiene por coecientes los n umeros bn1 , bn2 , . . . , b 1 , b0 . - Se deduce f acilmente que p n (x0 ) = q (x0 ), por lo que el valor de la derivada en x0 se puede obtener tras una nueva aplicaci on del algoritmo a q (x) . 3.11

Matem aticas III

34