Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El método de la regla falsa, también llamado Regula falsi, se basa en la aplicación del teorema del
valor intermedio, por lo que la función debe ser continua y tener signos diferentes en los límites del
intervalo de trabajo.
Es un método iterativo que, a diferencia de bisección, que busca el punto medio del intervalo, une
por medio de una línea recta las imágenes de la función en los dos extremos del intervalo (f(a) y
f(b)). La intersección de esta nueva recta con el eje x representa una mejor estimación de la raíz de
la función. La función en el intervalo hallado por método de búsquedas debe ser continua y cumplir
que f(a) × f(b) < 0.
Para determinar la raíz de f(x) utilizando el método de la regla falsa, construimos la recta que pasa
por los puntos (a, f(a)) y (b, f(b)), esta recta está dada por la ecuación:
𝑓(𝑎) − 𝑓(𝑏)
𝑦= (𝑥 − 𝑎) + 𝑓(𝑎)
𝑎− 𝑏
− 𝑓(𝑎) (𝑎 −𝑏)
𝑥= +𝑎
𝑓(𝑎) − 𝑓(𝑏)
𝑏 𝑓(𝑎) − 𝑎 𝑓(𝑏)
𝑥= 𝑓(𝑎) − 𝑓(𝑏)
También se puede escribir de la siguiente manera:
𝑎 𝑓(𝑏) − 𝑏 𝑓(𝑎)
𝑥= 𝑓(𝑏) − 𝑓(𝑎)
𝑎𝑛 𝑓(𝑏𝑛) − 𝑏𝑛 𝑓(𝑎𝑛)
𝑥𝑛+1 = 𝑓(𝑏𝑛) − 𝑓(𝑎𝑛)
• Siempre convergerá.
• Es estable.
• Es fácil de implementar.
• Es útil cuando no se sabe nada de la función, aparte de calcular el signo de las imágenes.
• Aunque es más rápido que el método de bisección, sigue siendo un método de lenta
convergencia.
• A pesar de que generalmente regla falsa funciona mejor que el método de bisección, hay
casos en los que regla falsa arroja más errores que bisección y es mejor no utilizarla. No
hay una regla para saber cuándo es mejor.
Ejemplo 1)
𝑓 (𝑥 ) = 𝑒 −𝑥 − 𝑥
Solución:
Iteración 1:
𝑓 (𝑎) = 𝑓(0) = 𝑒 −0 − 0 = 1
0 (−0.63212) − 1 ( 1 )
𝑥1+1 =
−0.63212 − 1
𝑥2 = 0.61270
𝑓 (𝑥2 ) = 𝑓(0.61270) = 𝑒 −0.6127 − 0.61270 = −0.07081
Iteración 2:
𝑓(𝑎) = 𝑓 (0) = 𝑒 −0 − 0 = 1
0 (−0.07081) − 0.6127 ( 1 )
𝑥2+1 =
−0.07081 − 1
𝑥3 = 0.57218
𝑓 (𝑥3 ) = 𝑓 (0.57218) = 𝑒 −0.57218 − 0.57218 = −0.00789
El Método de Punto Fijo (también conocido como iteración de punto fijo), es otro método para
hallar los ceros de f(x). Para resolver f(x) = 0, se reordena en una forma equivalente:
f(x) = 0
x - g(x) = 0
x = g(x)
Observe que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre que se tenga c=g(c) se dice que c es
un punto fijo de la función g).
Para aproximar un cero de f se utiliza la iteración de punto fijo (1) xn+1 = g(xn) , n = 0, 1, 2, 3, . . .
donde x0 es una aproximación inicial del cero de f.
Ejemplo.
Si se comienza con x0 = 4 y se itera con la iteración de punto fijo (1), los valores sucesivos
de x son:
x0 = 4
x1 = 6.5
x2 = 19.625
x3 = 191.070
Entonces no todas las formas de reordenamiento x=g(x) son efectivas para encontrar la solución
de f, ya que los diferentes comportamientos de estas ecuaciones dependen de la forma y
pendiente de la curva a la hora de graficar.
Una pregunta que surge en este momento es ¿cuál de las funciones g sirve para aproximar el
punto fijo de g? (o en forma equivalente el cero de f). A continuación, se presenta un teorema que
da condiciones suficientes para la existencia y unicidad del punto fijo de una función.
Teorema 1.
Si g es continua [a,b] y g(x) [a,b] para toda x [a,b], entonces g tiene un punto fijo en [a,b].
Y si además g’(x) existe en (a, b) y existe una constante positiva K < 1 con |g'(x)| K, para todo x
(a,b), entonces el punto fijo en [a,b] es único.
Ejemplo.
La función g(x)=(x2-3)/2 en el intervalo [2,4] tiene un punto fijo único. c=3 es un punto fijo
de g porque de g porque
Observe que g'(x)=x y en el intervalo [2,4] g'(x)>0. g es creciente y g(x) [1/2 ,6.5], además |g'(x)|
1. (ya que g'(x)=x y x (2,4)).
Esto demuestra que las hipótesis del teorema 1 son suficientes para garantizar un punto fijo único,
pero no son necesarias.
El siguiente resultado da algunas pistas sobre los procedimientos que se deben seguir y algunos
que se deben excluir para escoger funciones que produzcan sucesiones que converjan a un punto
fijo.
Teorema 2
Sea g una función continua en [a,b] tal que g(x) [a,b] para toda x en [a,b]. Además suponga que
existe g' en (a,b) y una constante positiva K<1 tal que |g'(x)| K, para toda x (a,b), entonces para
cualquier número x0 en (a,b), la sucesión definida por xn+1=g(xn), converge al único punto fijo x
en [a,b].
Corolario.
Si g satisface las hipótesis del teorema 2, una cota para el error al aproximar el punto
fijo x de g por xn es:
Ejemplo de corolario:
Aplique el teorema 2 para demostrar que tiene un punto fijo único en [2,4]. Use el
corolario para estimar la cantidad de iteraciones necesarias para lograr una exactitud de 10-2 y
después compare esta estimación teórica con la cantidad que realmente se requiere, use x0=3.5.
Solución:
Para una función f(x) existen infinitas alternativas de ordenamientos para encontrar las funciones
Por lo tanto, para este curso, les brindaré las diferentes alternativas de x = g(x) para que todos
uniformemos los cálculos, ya que el objetivo principal es que ustedes aprendan a utilizar el Método
de Punto Fijo.
Ejemplo 1)
Aproximar la solución de:
cos(x) − x = 0
con 5 decimales ó una precisión de 10−5 , mediante la iteración de punto fijo a partir de x o = 1
Solución:
Para determinar los x = g(x) se debe de realizar operaciones aritméticas tratando de despejar x,
por ejemplo:
cos(x) − x = 0
2x + cos(x) – x = 2x
cos(x) + x = 2x
cos(x) + x
= x
2
cos(x) + x
de esta forma ya tenemos un primer x = g1(x) =
2
Otra alternativa:
cos(x) − x = 0
3x + cos(x) – x = 3x
cos(x) + 2x = 3x
cos(x)+2x
= x
3
cos(x) + 2x
y así tendríamos un segundo x = g2(x) = 3
− sen(x) + 1
(g1(x)) ˡ = 2
−sen(x) + 2
(g2(x)) ˡ = 3
las derivadas se utilizarán para determinar paso a paso si la función converge hacia una solución, el
cual siempre tiene que ser (g1(x)) ˡ < 1
2° iteración:
cos(0.77015) + 0.77015
g1(0.77015) = = 0.74398
2
− sen(0.74398) + 1
→ (g1(0.74398)) ˡ = = 0.16139 < 1
2
cos(x) + 2x
Ahora iteraremos para g2(x) = 3
i Xi g(xi) gˡ(xi) Precisión
0 1 0.84677 0.41695
1 0.84677 0.78531 0.14648 0.15323
2 0.78531 0.75926 0.15581 0.06145
3 0.75926 0.74796 0.15993 0.02605
4 0.74796 0.74300 0.16175 0.01131
5 0.74300 0.74081 0.16256 0.00496
6 0.74081 0.73985 0.16291 0.00218
7 0.73985 0.73942 0.16307 0.00096
8 0.73942 0.73923 0.16314 0.00043
9 0.73923 0.73915 0.16317 0.00019
10 0.73915 0.73911 0.16318 0.00008
11 0.73911 0.73910 0.16319 0.00004
12 0.73910 0.73909 0.16319 0.00002
13 0.73909 0.73909 0.16319 0.00000
El método de Newton-Raphson es sin duda el de convergencia más acelerada de los métodos vistos
hasta el momento. Se basa en el teorema de Taylor que permite aproximar una función derivable
en el entorno reducido alrededor de un punto x que está definido dentro del intervalo (a,b) mediante
un polinomio cuyos coeficientes dependen de las derivadas de la función en ese punto.
TEOREMA DE TAYLOR
Supongamos que f(x) es una función existe y es continua dentro del intervalo [ a, b ] y que su derivada
f ˡ (x) también existe dentro de ese intervalo [ a, b ].
Sea Xo E [ a, b ], para todo X E [ a, b ], existe ɛ(x) entre Xo y X tal que:
donde:
Pn (x) = Polinomio de Taylor de grado n para f alrededor de Xo
Rn(x) = Residuo o error de truncamiento asociando con Pn (x)
Error de truncamiento: se refiere al error involucrado al usar sumas finitas o truncados para
aproximar la suma de una serie infinita.
METODO DE NEWTON-RAPHSON
Supóngase que la función f(x) es continuamente diferenciable dos veces en el intervalo [ a, b ].
Sea Xo E [ a, b ] una aproximación a p tal que f ˡ (x) ≠ 0 y | Xo – p | es “pequeño”.
Considere el polinomio de Taylor de primer grado para f(x) alrededor de X:
𝑓2 (ɛ𝑜) ( 𝑥 – 𝑥𝑜 )2
f (x) = f(xo) + f ˡ (xo) ( x – xo ) +
2!
Si X = p y f(p) = 0 , suponiendo p la solución, entonces,
𝑓2 (ɛ𝑜) ( 𝑝 – 𝑥𝑜 )2
0 = f(xo) + f ˡ (xo) ( p – xo ) +
2!
0 = f(xo) + f ˡ (xo) ( p – xo )
despejando,
- f(xo) = f ˡ (xo) ( p – xo )
− 𝑓(𝑥𝑜)
= ( p – xo )
𝑓 ˡ (𝑥𝑜)
𝑓(𝑥𝑜)
p = Xo -
𝑓 ˡ (𝑥𝑜)
𝑓(𝑃𝑛−1)
Pn = Pn-1 -
𝑓 ˡ (𝑃𝑛−1)
O
𝑓(𝑋𝑖 )
Xi+1 = Xi -
𝑓 ˡ (𝑋𝑖)
cualquier forma de expresar este método es válida y se utilizará para generar las iteraciones o
sucesiones.
Para efectos de este curso usaremos la última expresión:
𝑓 (𝑋𝑖 )
Xi+1 = Xi -
𝑓 ˡ (𝑋𝑖)
Ejemplo 2)
Aproximar mediante el método de Newton-Raphson la raíz de f(x) = 0, tomando como valor inicial
Xo= 0.5 , con una exactitud de 10−5 .
1
f(x) = 𝑒𝑥 −
𝑥
Solución:
Calculamos la derivada:
1
f ˡ (x) = 𝑒𝑥 + 𝑥2
1
𝑒 0.5 −
0.5
X1 = 0.5 - 1 = 0.56219
𝑒 0.5 + 2
0.5
2° iteración:
𝑓 (𝑋1)
X1+1 = X1 -
𝑓 ˡ (𝑋1)
1
𝑒 0.56219 −
0.56219
X1 = 0.56219 - 1 = 0.56712
𝑒 0.56219 +
0.562192
Una raíz múltiple corresponde a un punto donde una función es tangente al eje x. Por ejemplo, una
raíz doble resulta de
f(x) = (x-3)(x-1)(x-1)
multiplicando términos este polinomio luce como
f(x) = x3 - 5x2 + 7x – 3
En la siguiente figura podemos ver como la función toca tangencialmente el eje de la x, en el punto
donde existe la raíz doble.
De la figura podemos ver algunos de los problemas asociados con raíces múltiples, dichos problemas
son:
- Dado que la función no cambia de signo, utilizar métodos basados en intervalos, como son
el método de bisecciones, regula Falsi, etc.
- Otro problema es que cerca de la solución, la derivada tiende a cero, lo cual provoca que en
el algoritmo de Newton-Raphson tenga problemas de convergencia al tener una división por
cero.
Ralston y Rabinowitz (1978) proponen que se haga un pequeño cambio en la formulación para que
retorne la convergencia, así la formulación para el método de Newton-Raphson es
𝑓 (𝑥𝑖)
𝑥𝑖+1 = 𝑥𝑖 − 𝑚 𝑓′ (𝑥𝑖)
en donde m, es la multiplicidad de la raíz. Para este caso será necesario conocer a priori el número
de raíces múltiples.
Otra alternativa propuesta por Ralston y Rabinowitz (1978) es la de definir una nueva función u(x),
que es el cociente de la función y su derivada,
𝑓(𝑥)
𝑢 (𝑥 ) = 𝑓′ (𝑥)
Se puede mostrar esta función tiene las mismas raíces que f(x) y que la multiplicidad de raíces no
afectará. La formulación del método de Newton-Raphson es:
𝑢 (𝑥𝑖)
𝑥𝑖+1 = 𝑥𝑖 − 𝑚 𝑢 ′ (𝑥𝑖)
𝑓 (𝑥𝑖) 𝑓′(𝑥𝑖)
𝑥𝑖+1 = 𝑥𝑖 − [𝑓 (𝑥)]2 − 𝑓 (𝑥𝑖) 𝑓′′(𝑥𝑖)
′
Ejemplo3)
Resolver la siguiente ecuación por el método de raíces múltiples y compararlos con el método de
Newton-Raphson. Considere el primer punto de aproximación 𝑥𝑜 = 0 y el segundo 𝑥𝑜 = 4 para
una precisión de 10−5
𝑓 (𝑥 ) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
Solución:
Como la fórmula tiene la primera y segunda derivada, entonces se calculan primero:
𝑓 (𝑥 ) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
𝑓 ′ (𝑥 ) = 3𝑥 2 − 10𝑥 + 7
𝑓 ′′ (𝑥 ) = 6𝑥 − 10
Para 𝑥𝑜 = 0:
Primera iteración:
𝑓 (𝑥𝑖) 𝑓′ (𝑥𝑖)
𝑥𝑖+1 = 𝑥𝑖 − [𝑓 (𝑥)]2 − 𝑓 (𝑥𝑖) 𝑓′′ (𝑥𝑖)
′
−3 ∗ 7
𝑥2 = 0 − = −1.105263
[ 7 ]2 − [ (−3) ∗ (−10)]
Para 𝑥𝑜 = 4: