Punto Fijo

• Definición: Un punto fijo de una función g es

un número p para el cual g(p)=p.

Nuestro objetivo es transformar nuestro

problema de buscar las raíces de la función f,
en otro equivalente que consista en buscar los
puntos fijos de una función g. Es decir:

f(p)=0 g(p)=p
 Punto Fijo
Supongamos que queremos resolver la
ecuación
1
x  x  24
7
Para transformarla en un problema de punto fijo
x=g(x), hacemos
1
x  24  x
7
 Punto Fijo
• Tomemos como primera aproximación x=24.
• Entonces
1
x  24  24
7
• Luego x  27,428571
 Punto Fijo
• Continuando con el esquema iterativo,
obtenemos los siguientes valores:

Valor inicial 24
1°iteración 27,428571
2°iteración 27,918367
3°iteración 27,988338
4°iteración 27,998334
5°iteración 27,999762
6°iteración 27,999966
 Punto Fijo
• Ejemplo: f(x)=x2-2x-3=0

• Proponemos g1(x)= 2x 3

3
g2(x)=
x 2
x2  3
g3(x)=
2
 Punto Fijo
Usando g1(x)= 2x 3 y tomando x0=4, obtenemos

x0 4
x1 3,31662
x2 3,10375
x3 3,03439
x4 3,01144
x5 3,00381

Observamos que la sucesión converge a x=3

g1 (x)  2x  3
 Punto Fijo
Usando g2(x)= 3 y tomando x0=4, obtenemos
x 2
x0 4
x1 1,5
x2 -6
x3 -0,375
x4 -1,263158
x5 -0,919355
x6 -1,02762
x7 -0,990876
x8 -1,00305

Observamos que la sucesión converge a x=-1

 3
g (x) 2 x 2
 Punto Fijo
Usando g3 (x)= x  3
2
y tomando x0=4, obtenemos
2
x0 4
x1 6,5
x2 19,625
x3 191,070
x4 18252,43
x5 166575638
Observamos que la sucesión diverge (no converge)
 x2  3
g3 (x) 
2
 Algoritmo (Punto Fijo)
1. Tomamos x=g(x0)

2. Hacemos x0=x

Repetir hasta convergencia

 Punto Fijo
Teorema de Punto Fijo: Sea g es
continua y derivable en [a,b]. Si g(x) ϵ [a,b]
para todo x ϵ[a,b] y además existe 0<k<1
tal que |g’(x)|≤k para todo x ϵ [a,b],
entonces existe un único punto fijo en [a,b]
y además la sucesión generada por
xi+1=g(xi) converge a dicho punto fijo para
cualquier elección de x0.
 Punto Fijo
Dem: i) Existencia del Punto Fijo

Si g(a)=a ó g(b)=b no hay nada que demostrar.

Por hipótesis g(a) y g(b) deben pertenecer al intervalo

[a,b].

Supongamos entonces que g(a)>a y g(b)<b

 Punto Fijo
Sea h(x) = g(x) – x, tenemos que:

• h es continua en [a,b] (ya que g y x lo son)

• h(a)=g(a) - a >0 (por ser g(a)>a)
• h(b)=g(b) - b <0 (por ser g(b)<b)

Luego h está en las condiciones del Teorema de

Bolzano. Entonces existe c ϵ (a,b) / h(c) = 0

De ahí, como h (c) = g (c) – c , se tiene que g (c) = c.

Por lo tanto p=c es un punto fijo para la función g en [a,b]

 Punto Fijo
Dem: ii) Unicidad del Punto Fijo

Supongamos que g tiene dos puntos fijos distintos p y

q en [a,b] , o sea g(p)=p y g(q)=q con p≠q.

Como g es continua y derivable en [a,b], también lo

será en el intervalo determinado por p y q.

Por Teorema del Valor Medio (Teorema de Lagrange),

′ 𝑔 𝑝 −𝑔(𝑞)
existe c entre p y q tal que g c = .
𝑝−𝑞
Luego g(p) – g(q) = g´(c) (p-q) (*)
 Punto Fijo
Si tomamos |p-q|. Como ambos son puntos fijos
tenemos |p-q|=|g(p)-g(q)|
Por (*), tenemos |p-q|=|g(p)-g(q)|=|g’(c)|.|p-q|
Como por hipótesis |g´(x)| ≤ k para todo x en [a,b], en
particular |g’(c)| ≤ k.
Luego |p-q|=|g(p)-g(q)|=|g’(c)|.|p-q| ≤ k.|p-q|
Como k<1, nos queda
|p-q|=|g(p)-g(q)|=|g’(c)|.|p-q| ≤ k.|p-q| < |p-q| , es decir
|p-q|<|p-q| que es un absurdo. Este absurdo provino de
suponer que p≠q, por lo que p y q son iguales.
Por lo tanto el punto fijo de la función g es único en [a,b]
 Punto Fijo
Dem: iii) Convergencia al Punto Fijo

Sea la sucesión {xn}nϵN generada por la iteración

funcional xn=g(xn-1) con punto inicial x0 ϵ [a,b]

La sucesión converge al punto fijo p si lim 𝑥𝑛 = 𝑝 o de forma

𝑛→∞
equivalente si lim 𝑥𝑛 − 𝑝 = 0
𝑛→∞
 Punto Fijo
Partimos de |xn – p|. Como p es el punto fijo de g y
teniendo en cuenta el esquema iterativo de generación
de la sucesión {xn}nϵN, tenemos |xn – p| = |g(xn-1) – g(p)|

Siguiendo el mismo razonamiento realizado en ii), existe

c1 entre xn-1 y p / |g(xn-1) – g(p)|=|g’(c1)| |xn-1 – p|

Luego |xn – p| = |g’(c1)|.|xn-1 – p|.

Como |g’(c1)| ≤ k, tenemos :

|xn – p| ≤ k |xn-1 – p|
 Punto Fijo
Aplicando el procedimiento a |xn-1 – p|= |g(xn-2) – g(p)| ,
existe c2 entre xn-2 y p / |g(xn-2) – g(p)|=|g’(c2)| |xn-2 – p|

Luego |xn-1 – p| = |g’(c2)|.|xn-2 – p| ≤ k |xn-2 – p|

Pero ya teníamos que |xn – p| ≤ k |xn-1 – p|, por lo que

ahora nos quedaría:
|xn – p| ≤ k2 |xn-2 – p|

Repitiendo el procedimiento n veces, llegamos a que:

|xn – p| ≤ kn |x0 – p|
 Punto Fijo
Si tomamos límite cuando n→∞ en ambos miembros de la
desigualdad, tendremos:
lim |xn – p| ≤ lim kn |x0 – p|
𝑛→∞ 𝑛→∞
En el miembro derecho |x0 – p| no depende de n, pero
kn →0 cuando n→∞ ya que 0<k<1.
Así, tenemos que lim kn |x0 – p|=0.
𝑛→∞
Entonces 0 ≤ lim |xn – p| ≤ 0, por lo que se tiene que
𝑛→∞
lim |xn – p|=0 y de ahí lim xn – p=0.
𝑛→∞ 𝑛→∞
Por lo tanto, la sucesión converge al punto fijo.
 Orden de Convergencia
Decimos que una sucesión {xn}nϵN converge a x=p con orden
de convergencia α y constante de error asintótica λ, si existen
α y λ positivos tales que:

𝑥𝑛+1 − 𝑝
lim α
=𝜆
𝑛→∞ 𝑥𝑛 − 𝑝

• Si α=1 se dice que la rapidez de convergencia es lineal

• Si 1<α<2 se dice que es superlineal
• Si α=2 se dice que es cuadrática
 Orden de Convergencia
Método de Bisección:

Dado que el método reduce a la mitad la longitud del intervalo

en cada iteración,
𝑥𝑛+1 − 𝑝 ~ ½ 𝑥𝑛 − 𝑝
𝑥𝑛+1 −𝑝 𝑥𝑛+1 −𝑝
Por lo que 𝑥𝑛 −𝑝
~½y lim 𝑥 −𝑝 =½
𝑛→∞ 𝑛

Por lo tanto la convergencia es lineal (α=1) con λ=½

OBS:
El método de Regla Falsa también tiene convergencia lineal
En el caso del Método de Bisección podemos además predecir de
antemano el número necesario de iteraciones para alcanzar determinada
precisión, usando en la condición de paro el error absoluto en lugar del
error relativo:

Como ya sabemos, el método reduce a la mitad la longitud del intervalo en

cada iteración, por lo que si llamamos an y bn a xi y xf de la iteración
enésima, respectivamente, tendremos:

𝑏−𝑎
bn – an = ½ (bn-1 – an-1 ) = … = 2𝑛
donde a y b son xi, xf iniciales.

Luego, si queremos tener un error absoluto menor o igual que ε=ema,

𝑏−𝑎
basta tomar 2𝑛 ≤ ε. Si aplicamos logaritmo, llegamos a que :

𝑏−𝑎
n ≥ log 𝜀
/ log 2
 Orden de Convergencia
Método de Newton-Raphson:
El error absoluto en la iteración n es en= 𝑥𝑛 −𝑝
𝑓(𝑥𝑛 ) 𝑓(𝑥𝑛 ) en𝑓′ 𝑥𝑛 −𝑓(𝑥𝑛 )
e𝑛 + 1= 𝑥𝑛+1 − 𝑝 = 𝑥𝑛 - 𝑓′(𝑥 ) - p = en - 𝑓′(𝑥 )=
𝑛 𝑛 𝑓′(𝑥 ) 𝑛

Por el Teorema de Taylor:

𝑒𝑛2
f(p)=0=f(𝑥𝑛 − en)=f(𝑥𝑛 )- en f’(𝑥𝑛 )+ 𝑓′′(𝜉𝑛 ) , por lo que
2
𝑒𝑛2
en f’(𝑥𝑛 )- f(𝑥𝑛 ) = 𝑓′′(𝜉𝑛 ) .
2
|𝑓 ′′ 𝜉 |
Luego 𝑥𝑛+1 − 𝑝 = ½ 𝑥𝑛 − 𝑝 2 |𝑓′ 𝑥 𝑛 |
𝑛
𝑥𝑛+1 −𝑝 |𝑓′′ 𝑝 |
Con lo cual lim 𝑥 −𝑝 2 = ½ |𝑓′ 𝑝 |
𝑛→∞ 𝑛
|𝑓′′ 𝑝 |
Por lo tanto la convergencia es cuadrática (α=2 ) con λ =½ |𝑓′ 𝑝 |
Siempre que f’(p)≠0 y f’’(p)≠0
 Orden de Convergencia
Obs:
En el caso de una raíz múltiple, la convergencia será lineal con
𝑚−1
λ= , donde m es la multiplicidad de la raíz p.
𝑚

Una característica de la convergencia cuadrática, cuando se analiza

utilizando el error absoluto, es que en cada iteración se duplica el
número de cifras decimales exactas, de allí su rapidez.

Por ejemplo si en < 10-t (es decir que los primeros t decimales son
correctos), en la siguiente iteración en+1~en2 , por lo que

en+1 < (10-t )2 = 10-2t

(lo que equivale a decir que los primeros 2t decimales son

correctos).
 Orden de Convergencia
Método de la Secante:

En forma análoga, se puede probar que:

𝑥𝑛+1 −𝑝 |𝑓′′ 𝑝 | 1- Φ
lim 𝑥 −𝑝 Φ = [½ |𝑓′ 𝑝 | ]
𝑛→∞ 𝑛
1+ 5
donde 𝜙 = es el número de oro (𝜙 = 1,618 … )
2

En este caso, como 1< 𝜙<2, decimos que la convergencia es

superlineal, por lo que este método si bien es más lento que el
método de Newton-Raphson, es más rápido que los métodos
cerrados.
 Orden de Convergencia
Método de Punto Fijo:

Utilizando la iteración de punto fijo y el Teorema de Lagrange:

𝑥𝑛+1 −𝑝 𝑔(𝑥𝑛 )−𝑔(𝑝)

lim 𝑥 −𝑝 = lim = lim |𝑔′ 𝑐𝑛 |=|𝑔′ 𝑝 |
𝑛→∞ 𝑛 𝑛→∞ 𝑥𝑛 −𝑝 𝑛→∞

Luego, si 𝑔′ 𝑝 ≠0, será λ = |𝑔′ 𝑝 | y α=1, por lo que la

convergencia será lineal

Obtendremos un orden mayor en el caso que g’(p)=0

Para hallar una función g que cumpla esto, construyamos una familia
de funciones, a partir de f, cuyo punto fijo sea la raíz de f.

Sea g(x)= x + h(x)f(x), g(p)= p + h(p)f(p) =p ya que f(p)=0

Derivando g, obtenemos

g’(x) = 1 + h’(x)f(x) + h(x)f’(x).

Luego g’(p)=1 + h’(p)f(p) + h(p)f’(p) = 1+ h(p)f’(p) ya que f(p)=0

Si imponemos la condición que g’(p)=0, tenemos:
1+h(p)f’(p)=0 h(p)=-1/f’(p).

Para cumplir esta condición, basta que tomemos h(x) = -1/f’(x) .

Luego g(x) = x - f(x) / f’(x),

Con lo que el esquema iterativo quedará xn+1 = xn – f(xn) / f’(xn)

Vemos así que el método del punto fijo se ha convertido en el Método de

Newton-Raphson, por lo que la convergencia ahora es cuadrática.

Obs: Notemos que hemos redescubierto el método de Newton-Raphson como

un método de Punto Fijo cuadráticamente convergente por lo que, una vez
más, vemos que es el método más eficiente en términos de convergencia.