METODOS NUMERICOS 3006907

TALLER 5 - REPASO

1. Bisección
Supongamos que f ∈ C[a, b] y f (a) f (b) < 0. El método de bisección genera una sucesión {pn }∞
n=1
que converge a un cero p de f tal que
b−a
|pn − p| ≤ , ∀n ≥ 1. (1)
2n
Ejercicios
Usando la ecuación (1), determine el número mı́nimo de iteraciones del método de bisección que
hacen falta para garantizar un error absoluto menor a 10−3 en el intervalo [1, 2] para hallar los ceros
de f (x) = 0. Note que este número no depende de la función escogida para aplicar el método.
A continuación use el método de bisección para aproximar los ceros de cada una de las funciones
dadas y compare el número de iteraciones empleadas con el resultado anterior. No olvide verificar
que cada función satisfaga el teorema del valor intermedio.
a) f (x) = x3 + 4x2 − 10 en el intervalo [1, 2].
b) f (x) = x3 + x − 4 en el intervalo [1, 2].
c) f (x) = x3 − x − 1 en el intervalo [1, 2]
d ) f (x) = x2 − 3 en el intervalo [1, 2]. Note
√ que en este caso se estarı́a empleando el método de
bisección para aproximar el valor de 3.
2. Punto fijo
Teorema (T.E.U.P.F. (condiciones suficientes)). Si g ∈ C[a, b] y g(x) ∈ [a, b] para toda x ∈ [a, b],
entonces g tiene al menos un punto fijo en [a, b]. Si además, g 0 (x) existe para x ∈ (a, b) y existe
una constante positiva 0 < k < 1 tal que |g 0 (x)| ≤ k para todo x ∈ (a, b), entonces g hay exactamente
un único punto fijo p ∈ [a, b].

Teorema (Convergencia P.F.). Si la función g satisface las hipotesis del T.E.U.P.F. en [a, b], para
cualquier p0 ∈ [a, b] la sucesión generada por la iteración pn = g(pn−1 ), ∀n ≥ 1, converge a p y se
cumple
a) |pn − p| ≤ k n |p0 − p|, ∀n ≥ 1
n
b) |pn − p| ≤ k máx{b − p0 , p0 − a}, ∀n ≥ 1
kn
c) |pn − p| ≤ 1−k |p1 − p0 |, ∀n ≥ 1

Debe advertirse que la primera de estas desigualdades es solamente de interés teórico pues incluye
a la solución exacta p en el lado derecho.

Ejercicios
a) Determine el número de iteraciones
√ del método de Newton considerado como método de punto
fijo para la aproximación de 3 en el intervalo [1, 2] sabiendo que se desea que el error sea
menor que 10−4 . Utilice solamente las desigualdades b) y c).
b) Determine el número de iteraciones del método de punto fijo con función g(x) = (x + 1)1/3
para aproximar la raiz real del intervalo [1, 2] de la ecuación f (x) = 0, donde f (x) = x3 − x − 1
sabiendo que se desea que el error sea menor que 10−3 . Utilice solamente las desigualdades b)
y c).

1
3. Método de Newton
F Método de Newton converge cuadráticamente para ceros simples: si f ∈ C 2 [a, b], f (p) =
0 y f 0 (p) 6= 0 (por ser simple), sabemos

f 00 (β(pn ))
0 = f (pn ) + f 0 (pn )(p − pn ) + (p − pn )2 como f 0 (pn ) 6= 0
2!
f (pn ) f 00 (β(pn ))
0= + (p − pn )2
f 0 (pn ) 2f 0 (pn )
por otro lado, de la iteración de Newton
f (pn )   f 00 (β(pn )) 
   
|p − pn |2

|p − pn+1 | = p − pn − 0
 =
f (pn )   2f 0 (pn ) 
ası́  00
 f (β(pn ))  1 f 00 (p)

|p − pn+1 |
lı́m = lı́m  =
n→∞ |p − pn |2 n→∞  2f 0 (pn )  2 f 0 (p)
lo que muestra, por definición, que la sucesión generada por la iteración de Newton converge con
orden α = 2.

F Método de Newton converge linealmente para ceros múltiples. Según lo estudiado hasta
ahora, el método de Newton no se podrı́a aplicar a un cero múltiple p, ya que f 0 (p) = 0 y en principio
f (pn )
podrı́a suceder que f 0 (pn ) ≈ 0 y habrı́a una división por casi cero en el término 0 . Pero ojo,
f (pn )
no solo el denominador es casi cero, también el numerador, es más, el numerador es más cercano
f (pn )
a cero que el denominador, por lo tanto, este término 0 es ‘calculable’ permitiendo aplicar el
f (pn )
método de Newton también a ceros múltiples.

Nos preguntamos ¿existirá un método que converja cuadráticamente para ceros múltiples? Si, se
proponen los métodos de Newton acelerado y Newton modificado.
Supongamos que p es un cero de multiplicidad m ≥ 2 de la función f :
Newton acelerado: la ecuación de iteración de este método esta dada por
f (pn )
pn+1 = pn − m , n = 0, 1, . . .
f 0 (pn )

Newton modificado: la ecuación de iteración de este método esta dada por

f (pn ) f 0 (pn )
pn+1 = pn − , n = 0, 1, . . .
[f 0 (pn )]2− f (pn ) f 00 (pn )

El método de Newton modificado viene de aplicar el método de Newton a la función µ(x) =

f (x)
, si f tiene un cero de multiplicidad m ≥ 2 en p se tiene que µ tiene un cero simple en el
f 0 (x)
mismo p. En efecto, existe una función q tal que lı́mx→p q(x) 6= 0 y

f (x) = (x − p)m q(x) ⇒ f 0 (x) = (x − p)m q 0 (x) + m(x − p)m−1 q(x)

ası́
(x − p)m q(x) q(x)
µ(x) = = (x − p)
(x − p)m q 0 (x)
+ m(x − p)m−1 q(x) (x − p)q 0 (x) + mq(x)
donde
q(x) 1
lı́m = 6= 0
x→p (x − p)q 0 (x) + mq(x) m

2
 lo que muestra, por definición, que µ tiene un cero simple en p. Luego la convergencia de la
µ(pn )
sucesión generada a partir de la iteración pn+1 = pn − 0 converge cuadráticamente a p.
µ (pn )
µ(pn )
Al reemplazar µ(pn ) y µ0 (pn ) en pn+1 = pn − 0 se obtiene la ecuación de iteración dada
µ (pn )
arriba.

Ejercicios
√
a) Utilice el método de Newton con la función f (x) = x2 − 3 para la aproximación de 3 en el
intervalo [1, 2] sabiendo que se desea que el error sea menor que 10−4 . ¿Cuántas iteraciones
requiere? Compare con los ejercicios anteriores relacionados.
b) Determine el número de iteraciones del método de Newton que hacen falta para aproximar la
raiz real del intervalo [1, 2] de la ecuación f (x) = 0, donde f (x) = x3 − x − 1 sabiendo que se
desea que el error sea menor que 10−3 . Compare con los ejercicios anteriores relacionados.
c) Modifique la rutina newton.m para que realice la iteración del método acelerado de Newton
descrito arriba. Llámela newtonM.m

4. Sistemas lineales
Teorema (Convergencia). Para cualquier x(0) ∈ Rn , la sucesión {x(k) }∞ k=0 generada por la aplica-
ción de la ecuaciónd de iteración x(k) = T x(k−1) + c, para todo k ≥ 1, converge a la solución única
de x = T x + c si y sólo si ρ(T ) < 1.

Teorema (EDD). Si A es estrictamente diagonalmente dominante, entonces tanto el método ite-

rativo de Jacobi como el de Gauss-Seidel generan sucesiones {x(k) }∞ k=0 que convergen a la única
solución del sistema Ax = b para cualquier aproximación inicial x(0) .

Si A = D − L − U, se tiene que:

En el método de Jacobi, la matriz de iteración está dada por Tj = D−1 (L + U ) y el vector

constante por Cj = D−1 b.
En el método de Gauss-Seidel, la matriz de iteración está dada por TG = (D − L)−1 U y el
vector constante por CG = (D − L)−1 b.
En los métodos SOR, la matriz de iteración está dada por Tw = (D − wL)−1 [(1 − w)D + wU ]
y el vector constante por Cw = w(D − wL)−1 b, para 0 < w < 2.
Ejercicios
a) Considere el sistema Ax = b, siendo
   
2 -1 1 -1
A= 2 2 2 yb=4
-1 -1 2 -5
1) Encuentre los radios espectrales de las matrices de iteración de Jacobi y Gauss-Seidel para
este sistema.
2) Aproxime la solución del sistema con los métodos iterativos de Jacobi y Gauss-Seidel y
aproximación inicial x = zeros(3, 1).
3) Aproxime la solución del sistema con el método de SOR con w = 1.1 y aproximación inicial
x = zeros(3, 1).
 
−7 2 −1
b) Encuentre todos los valores de α y β para los cuales la matriz α + 2 −5 −2 es estric-
4 1 − β −6
tamente diagonal dominante.

3
 c) Se tiene la siguiente matriz  
1 x 2y −2
−1 1 2 x
A=
0

y 1 2
2y 1 x y
donde los parámetros x y y son enteros positivos que cumplen que x < y.
Si kAk∞ = 11, encuentre x, y y kAk1 .
d ) Resuelva el sistema Ax=b, con A = toeplitz([0.6 − 0.2 zeros(1, 3)])). Tome b = sum(A0 )0 el
vector columna con las sumas de las filas de la matriz.
¿Conocemos de antemano la solución del sistema?
Verifique que la matriz A es simétrica definida positiva y tridiagonal. El teorema 7.26 del libro
de texto establece que se puede conseguir un w óptimo para el método de SOR. Encuéntrelo
y resuelva el sistema por el método de SOR con el w óptimo. Tome como aproximación inicial
un vector de ceros y tolerancia para el error absoluto 1e − 5.
5. Newton para sistemas no lineales
Ejercicio
Considere el sistema no lineal
1 xy
cos(x − y) + e =0
10
tan−1 (x) + 3 x seny = 4

El número de soluciones de este sistema en la región [−6, 4] × [−6, 4] es y si aplica el método de

Newton con aproximación inicial el punto [−4, 3] hasta que se satisfaga una condición delta=1e-6
o epsilon=1e-8, se obtiene como aproximación a una solución del sistema el punto .