Análisis Numérico

Tema # 2: Ceros de funciones

 Preliminares
Sucesión: Es una función cuyo dominio son todos los
f natureles, se denomina sucesión (secuencia)
infinita. El término f(n) se denomina término
1 f (1) n-ésimo
2 f (2)
3 f (3)  f (1), f (2), f (3),, f (n)
    f (n)
 Simple: f1 , f 2 , f 3 ,, f n
 fn 
Si f1 , f 2 , f 3 ,, f n se aproxima a L cuando n aumenta,
se dice que la sucesión converge a L
Lim f n L
n 

Elaborado por Prof. Marlliny Monsalve

 Preliminares fn
f n 1

 Sucesión creciente: f n  f n1 n  1

n n 1
fn
 Sucesión decreciente: f n  f n1 n  1 f n 1

n n 1

 Monotona: Si es creciente o decreciente

 Acotada: n  1 :   0 : f n   (tiene techo o piso)

Una sucesión monótona converge si y solo si

es acotada

Elaborado por Prof. Marlliny Monsalve

 Preliminares
Sea xn  una sucesión tal que
Órdenes de convergencia Lim xn  x*
n 

 Al menos lineal: Si existe una constante k  1 y un entero N tal que

xn1  x*  k xn  x* n  N
 Superlineal: Si existe una sucesión  n  convergente a cero y un
entero N tal que
xn1  x*   n xn  x* n  N
 Al menos cuadrática: Si existe una constante k y un entero N tal que
xn1  x*  k xn  x* n  N
2

 Al menos orden  : Si existen dos constantes  y k y un entero N tal

que 
xn1  x*  k xn  x* n  N
Elaborado por Prof. Marlliny Monsalve
 Problema: Cero de funciones
Dada f :  no lineal hallar x tal que f ( x* )  0
*
Condicionamiento
Dado x̂
• Si xˆ  x*  0 entonces xˆ  x* ? • Si f ( xˆ )  0 entonces xˆ  x* ?
Error absoluto Residual

Bien Mal
condicionado condicionado

f (xˆ ) f (xˆ )
x* x̂ x* x̂

• f ( xˆ )  0 y xˆ  x*  0 • f ( xˆ )  0 pero xˆ  x*  0
Elaborado por Prof. Marlliny Monsalve
 Problema: Cero de funciones
Dada f :  no lineal hallar x tal que f ( x* )  0
*

• Método de bisección
• Método de Newton y de secante
• Iteraciones de punto fijo
• Caso multivariable:
• Método de Newton
• Método de Broyden
Elaborado por Prof. Marlliny Monsalve
 Bisección
El punto amarillo es un cero de la función
f(a0)
Observe que f(a0)*f(b0) < 0
c0 es el punto medio entre a0 y b0
Observe que f(a0)*f(c0) < 0 y de f(b0)*f(c0) >0

c0
a0 b0 • La raíz está a la
derecha de c0
• El punto c0 está más
f(c0) f(b0) cercano a la raíz!!

Elaborado por Prof. Marlliny Monsalve

 Bisección
Zoom del intervalo [a0 c0]:=[a1 b1]

c1 es el punto medio entre a1 y b1

f(a1)
Observe que f(a1)*f(c1) > 0 y de f(b1)*f(c1) <0
f(c1)

• La raíz está a la
izquierda de c1
a1 c1 b1 • El punto c1 está más
cercano a la raíz!!
f(b1)
Elaborado por Prof. Marlliny Monsalve
 Bisección
Zoom del intervalo [c1 b1]:=[a2 b2]

c2 es el punto medio entre a2 y b2

Observe que f(a2)*f(c2) < 0 y de f(b2)*f(c2) >0
f(a2)

• La raíz está a la
derecha de c2
a2 c2 b2 • El punto c2 está más
cercano a la raíz!!
f(c2)
f(b2) Elaborado por Prof. Marlliny Monsalve
 Bisección
Proceso completo
Los valores ci se acercan a la raíz
f(a0)

f(c1)

a0 c1 c2 c0 b0

f(c2)
f(c0)
f(b0) Elaborado por Prof. Marlliny Monsalve
 Bisección
biseccion.m
r
a0 b0
a1 b1
a2 b2
a3 b3
a0  a1  a2    b0 b0  b1  b2    a0
1 1
bn 1  an 1  (bn  an ) bn 1  an 1  (b0  a0 )
2 2 n

r  cn
an cn r bn 1 1
r  cn  bn  an  n 1 b0  a0
1 2 2
bn  an
2 Elaborado por Prof. Marlliny Monsalve
 Bisección
TEOREMA: Si a0 , b0 , a1 , b1 , , an , bn  denotan los
intervalos en el método de bisección, entonces los límites
Lim an y Lim bn existen, son iguales y representan un cero
n  n 
de f . Si r  Lim cn y cn  12 ( an  bn ) entonces
n 

1
r  cn  b  a0
n 1 0
2

Elaborado por Prof. Marlliny Monsalve

 Bisección
¿Cuántas iteraciones deben hacerse (mínimo) para lograr que
r  cn
 tol ?
Error relativo |r|

Se sabe que
1 1 r  cn r  cn
• r  [a0 , b0 ]  r  a0    
1 r a0 r a0
• r  cn  n 1 b0  a0 (del teorema)
2
Por tanto K
1 ( n 1)
r  cn r  cn 1 b0  a0 n 1
K  tol  log 2 ( 2 K )  log 2 (tol )
  n1 2
r a0 2 a0
 n  log 2 ( K )  log 2 (tol ) 1

Elaborado por Prof. Marlliny Monsalve

Newton
La recta roja es la tangente a f en f(x0)
En X1 (punto rojo) la recta roja corta la eje X

La recta verde es la tangente a f en f(x1)

f(x1)
En X2 (punto verde) la recta verde corta la eje X
Convergencia al cero de la función!!

f(x2)

x1 x2 x3 x0

f(x0)

Elaborado por Prof. Marlliny Monsalve

 Newton
En general conviene ver las rectas como aproximaciones lineales a la
función
Taylor alrededor de c recta
( x  c)
f ( x)  f (c)  f ' (c)( x  c)  f ' ' ( x)  ...
2
l ( x)  f (c)  f ' (c)( x  c)
l (c)  f (c) l ' (c)  f (c)
Sea xn cercano a la raíz de la función
l ( x)  f ( xn )  f ' ( xn )( x  xn )
f ( xn )
l ( xn1 )  0  xn 1  xn 
f ' ( xn )
Elaborado por Prof. Marlliny Monsalve
 Newton

 Paso 1: Resolver (variable pn)

f ' ( xn ) pn   f ( xn )
 Paso 2:
xn1  xn  pn

Elaborado por Prof. Marlliny Monsalve

 Newton
TEOREMA: Sea f ' 'continua y r un cero simple de f .Hay
una vecindad de r y una constante C tales que si el
método de Newton se inicia en esa vecindad, los iterados
generados por dicho método convergen a r y satisfacen
xn1  r  C xn  r 2
n  0

Conjunto Convexo: Un conjunto  es convexo si

x, y   : [x  (1   ) y  ], para todo   0,1.

Elaborado por Prof. Marlliny Monsalve

 Newton
Función Convexa: Sea f :   . f es convexa, si  es convexo y
f (x  (1   ) y)  f ( x)  (1   ) f ( y)
para todo x, y   y   0,1.

Elaborado por Prof. Marlliny Monsalve

 Newton
TEOREMA: Si f  C 2 [a, b] y además es creciente, convexa y
tiene un cero, entonces el cero es único y la iteración de
Newton convergerá a dicho cero desde cualquier iterado
inicial

Elaborado por Prof. Marlliny Monsalve

Secante
La recta roja es la secante a f en f(x0) y f(x1)
En X2 (punto rojo) la recta roja corta la eje X

La recta verde es la secante a f en f(x1) y en f(x2)

f(x1)
En X3 (punto verde) la recta verde corta la eje X
Convergencia al cero de la función!!

x1 x3 x2 x0
f(x3)
f(x2)
f(x0)

Elaborado por Prof. Marlliny Monsalve

 Secante
DESVENTAJA DE NEWTON: Requiere de la derivada de la función!!

f ( x  h)  f ( x ) f ( xn )  f ( xn 1 )
Derivada f ' ( x)  Lim f ' ( xn ) 
h  h xn  xn 1

Sean xn 1 y xncercanos a la raíz de la función

 f ( xn )  f ( xn 1 ) 
l ( x)  f ( xn )    ( x  xn )
 xn  xn 1 

 xn  xn 1 
l ( xn 1 )  0  xn 1  xn  f ( xn )  
 f ( xn )  f ( xn 1 
)
Elaborado por Prof. Marlliny Monsalve
 Secante
En general conviene ver las rectas como aproximaciones lineales a la
función
Newton Secante
Sea xn cercano a la raíz Sea xn cercano a la raíz

l ( x)  f ( xn )  f ' ( xn )( x  xn ) m( x)  f ( xn )  an ( x  xn )

l ( xn )  f ( xn ) m( xn )  f ( xn ) an  f ' ( xn )
f ( xn ) f ( xn )
l ( x)  0  x  xn  m( xn1 )  0  xn 1  xn 
f ' ( xn ) an

Elaborado por Prof. Marlliny Monsalve

 Secante
Secante m( x)  f ( xn )  an ( x  xn )
¿Quién es an ?
La recta es Secante, por tanto se elige tal que

m( xn1 )  f ( xn1 )  f ( xn1 )  f ( xn )  an ( xn1  xn )

Ecuación de la Secante  an ( x n1  xn )  f ( xn1 )  f ( xn )

f ( xn 1 )  f ( xn )
 an 
x n 1  xn

Elaborado por Prof. Marlliny Monsalve

Secante

an pn  f ' ( xn ) pn
Elaborado por Prof. Marlliny Monsalve
 Secante
TEOREMA: Sea f ' 'continua y r un cero simple de f .Hay
una vecindad de r y una constante C tales que si el
método de la Secante se inicia en esa vecindad, los
iterados generados por dicho método convergen a r y
satisfacen
xn1  r  C xn  r xn1  r n  1
( 1 5 ) 2
(1 5 ) 2  f ' ' (r ) 
en 1  A en con A   
 2 f ' ( r ) 

(1  5 ) / 2  1.62  2  Convergencia superlineal

Elaborado por Prof. Marlliny Monsalve
 Tipo Secante
f ( xn )
xn 1  xn  an  f ' ( xn )
ak
f ( xn )  f ( xn 1 )
 Secante: an  Para n  1y dados x0 , x1
xn  xn 1
f ( xn  f ( xn ))  f ( xn 1 )
 Sttefenson: an  Para n  1 y dado x0
f ( xn )
f ( xn )  f ( xn )
 Regula Falsi: an  Para n  1y dados x0 , x1
xn  xn

donde nes el máximo índice menor n que tal que

f ( xn ) f ( xn )  0
Elaborado por Prof. Marlliny Monsalve
Regula Falsi
Convergencia lineal!!

f(x0)

x0 x3 x2 x1
f(x3)
f(x2)
f(x1)

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
Sea g :  . Se dice que r es punto fijo de g si g (r )  r
Si r es punto fijo de g

g(x3)
f ( x)  x  g ( x) f (r )  0 g(x2)

g(x1)

xk 1  g ( xk )

g(x0)

x0 x1 x2 x3 r
Elaborado por Prof. Marlliny Monsalve
 Iteraciones de punto fijo
Observaciones
 El resultado de evaluar g debe ser un punto en el dominio
de g
g ( x)  (3  x) x g (3)  0 g (0)  

g : [a, b]  [a, b]

 Criterio posible de parada (en este contexto)

xk 1  xk

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
yx
g1 ( x)  x 2  2
g 2 ( x)  x  2

g 3 ( x)  1  2
x

g 4 ( x)  x  2
2

f ( x)  x  x  2
2
Raices 2 y -1 2x 1
r2

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
yx
g1 ( x)  x 2  2

f ( x)  x 2  x  2 Raices 2 y -1
r2

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
yx
g 2 ( x)  x  2

f ( x)  x 2  x  2 Raices 2 y -1
r2

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
yx
g 3 ( x)  1  2
x

f ( x)  x 2  x  2 Raices 2 y -1
r2

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
yx
g 4 ( x)   2
2
x
2x 1

f ( x)  x 2  x  2 Raices 2 y -1
r2

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
Función Contractiva: g es contractiva si existe 0    1 tal
que g ( x)  g ( y)   x  y x, y en el dominio de g

TEOREMA (Convergencia): Sea g : [a, b]  [a, b] una

función contractiva. Entonces g tiene un único punto fijo r .
Más aún toda secuencia xk k 0 generada por xk 1  g ( xk )
converge a r desde cualquier iterado inicial x0. Además

 k
ek  xk  r  x1  x0
1 

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
TEOREMA (Convergencia local): Sea g : [a, b]  [a, b]
Suponga que r es un punto fijo de g en [a, b] y asuma
que g tiene derivada continua alrededor de r con g ' ( x* )  1
Entonces la secuencia xk k 0 generada por xk 1  g ( xk )
converge a r si x0 está suficientemente cerca de r

Elaborado por Prof. Marlliny Monsalve

 Iteraciones de punto fijo
TEOREMA (Velocidad): Bajo las hipótesis del Teorema
anterior y si además g  C ( n1) en una vecindad de r y
( n 1)
g (i ) (r )  0 con 1  i  n y g (r )  0 entonces la
iteracion de punto fijo xk 1  g ( xk ) tiene orden de
convergencia n  1 y además

ek 1 g ( n 1) (r )
Lim ( n 1) 
k  ek (n  1)!

Convergencia al menos (n+1)!!

Elaborado por Prof. Marlliny Monsalve

 Bibliografía consultada
 D. Kincaid and W. Cheney. Análisis Numérico. Addison-Wesley
Iberoamericana. 1991
 A. Quarteroni, R. Sacco and F. Saleri. Numerical Mathematics.
Springer. 1991
 J. E. Dennis, Jr. and R. B. Schnabel. Numerical Methods for
Unconstrained Optimization and Nonlinear Equations. SIAM.
1996.
 J. Nocedal, S. Wright. Numerical Optimization (Springer Series
in Operations Research and Financial Engineering). Springer.
2006
 G. Dahlquist and A. Björck. Numerical Methods in Scientific
Computing. Volume I. SIAM. 2006

Elaborado por Prof. Marlliny Monsalve