Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD
CEROS DE FUNCIONES
Métodos de Bisección
Newton y Secante
|xk+1 − xk |
r̂k = ≤ tolx = 0.5 y |f (xk )| ≤ tolf = 0.5
|xk+1 |
1
2 Métodos de Bisección, Newton y Secante
Observar que aunque r̂1 , r̂2 < 0.5 todavía |f (x1 )|, |f (x2 )| > 0.5, de manera que hemos de
seguir iterando para satisfacer los criterios de parada establecidos.
En resumen, x3 = 0.625 es una aproximación del cero de f (x) = x3 − 7x2 + 14x − 6 con
un error inferior a 0.5. De hecho como α ∈ (0.5, 0.625), resulta que x3 aproxima a α con un
error inferior a 0.125.
Problema 2. Utilizar el Método √ de Bisección para encontrar una aproximación del
cero de la función f (x) = sen x − x en el intervalo [0.75, 0.8]. Detener el algoritmo
cuando se verifique tolx = tolf = 0.05. Haced una predicción del numero de iteraciones
necesarias para encontrar una aproximación que satisfaga tolx = 0.001
|xk+1 − xk |
r̂k = ≤ tolx = 0.5 × 10−1 y |f (xk )| ≤ tolf = 0.5 × 10−1
|xk+1 |
Observar que el criterio de parada es poco exigente. De hecho r̂0 < 0.05 y f (x0 ) < 0.05, de
manera que podíamos habernos quedado con x0 como aproximacion del cero que satisface
los criterios de parada.
√
En resumen, x1 = 0.775 es una aproximación del cero de f (x) = sin( x) − x en el intervalo
[0.75, 0.8] con un dígito significativo correcto. Por otra parte, como α ∈ (0.75, 0.775), resulta
que x1 aproxima a α con un error inferior a 0.025.
Finalmente, sabemos que el error absoluto después de n iteraciones en el método de la
b−a
bisección está acotado por y por tanto,
2n
de manera que serían necesarias 6 iteraciones para garantizar un error absoluto inferior a
0.001, que garantizaría al menos 2 decimales correctos.
|xk+1 − xk |
r̂k = ≤ tolx = 0.5 × 10−4 y |f (xk )| ≤ tolf = 0.5 × 10−4
|xk+1 |
Como f (x0 ) = −5 y f (a) = 1, f (x0 )f (a) < 0 y el algoritmo puede comenzar. Clara-
mente |f (x0 )| > tolf , de manera que hemos de seguir iterando.
Solución: Como el número de iteraciones están fijadas, no necesitamos aplicar ningún criterio
de parada.
(a) El algoritmo de Newton se describe como
f (xk ) (xk )3 − xk + 1
xk+1 = xk − ′ = xk −
f (xk ) 3(xk )2 − 1
Iteración Aproximación xk
0 1.0000000
1 0.5000000
2 3.0000000
3 2.0384615
4 1.3902821
5 0.9116119
(b) El método de la Bisección para esta función ha sido descrito en el problema anterior.
Después de dos iteraciones con los datos propuestos, hemos llegado a la aproximación
x0 = −1.5000000, que ahora utilizaremos como dato inicial en el algoritmo de Newton.
Aplicando dos iteraciones de este método, obtenemos que
Iteración Aproximación xk
0 −1.5000000
1 −1.3478261
2 −1.3252004
(i) Demostrar que tiene una única solución en el intervalo [1, 2].
(iv) Realizar 3 iteraciones con el Método de Newton tomando como iterante inicial
el valor x0 = 2. Determinar el error relativo del último iterante, x3 .
1 1
(i) Como f (1) = > 0 y f (2) = 2 − ln (2) < 0, resulta que f (1)f (2) < 0 y
e e
aplicando el Teorema de Bolzano, f tiene un cero, al menos, en (1, 2). Por otra parte, como
1
f ′ (x) = −e−x − < 0, resulta que f es estrictamente decreciente en (0, +∞), de manera
x
que tiene, a lo sumo, un cero en (1, 2). Por tanto, f tiene un único cero en [1, 2].
(ii) Si denotamos por α al único cero de f en [1, 2], entonces
para asegurar que xn tiene 3 cifras decimales correctas respecto de α, es suficiente que
1 b−a 1
n satisfaga que n = n ≤ · 10−3 ; es decir
2 2 2
3 ln (10)
103 ≤ 2n−1 ⇐⇒ 3 ln (10) ≤ (n − 1) ln (2) ⇐⇒ n ≥ 1 + ≃ 10.97
ln (2)
de manera que son necesarias 11 iteraciones para asegurar a priori una aproximación con
3 cifras decimales correctas.
(iii) Tomamos a = 1 y x0 = 2 y como f (a)f (x0 ) < 0, el algoritmo puede comenzar.
Además, tendremos en cuenta que para calcular el error relativo del último iterante, x5 ,
tenemos que calcular x6 . Después de 5 iteraciones, el resultado es
Tendremos en cuenta que para calcular el error relativo del último iterante, x3 , tene-
mos que calcular x4 . Después de 3 iteraciones, tomando como iterante inicial x0 = 2, el
resultado es
Iteración Aproximación xk
0 2.0000000
1 1.1220196
2 1.2949970
3 1.3097091
1.3097996
(iv) Realizar 2 iteraciones con el Método de Newton tomando como iterante inicial
el valor x0 = 0. Determinar el error relativo del último iterante, x2 .
Solución: Los puntos de corte de las gráficas de f y de g son los ceros de la ecuación
h(x) = f (x) − g(x) = 0; es decir, α > 0 satisface que sen(α) = 1 − α si y sólo si es un cero
de la función h(x) = sen(x) + x − 1
(i) Como h(0) = −1 < 0 y h(1) = sen(1) > 0, resulta que h(0)h(1) < 0 y aplicando el
Teorema de Bolzano, h tiene un cero, al menos, en (0, 1).
Por otra parte, como h′ (x) = cos(x)+1 > 0, si 0 < x < 1, resulta que h es estrictamente
decreciente en (0, 1), de manera que tiene, a lo sumo, un cero en (0, 1). Por tanto, h tiene
un único cero en [0, 1] que denotaremos por α.
(ii) Si α ∈ [0, 1] es la única solución de la ecuación sen(x) = 1 − x, entonces x∗ ∈ (0, 1)
1
es una aproximación de α con 3 cifras decimales correctas si y sólo si |x∗ − α| ≤ × 10−3
2
En el Método de la Bisección, sabemos que si partimos del intervalo [a, b] en el que
b−a
f (a)f (b) < 0 y xn es la aproximación obtenida tras n iteraciones, entonces |xn − α| ≤ n .
2
Por tanto, para asegurar que xn tiene 3 cifras decimales correctas respecto de α, es suficiente
1 b−a 1
que n satisfaga que n = n ≤ · 10−3 ; es decir,
2 2 2
3 ln (10)
103 ≤ 2n−1 ⇐⇒ 3 ln (10) ≤ (n − 1) ln (2) ⇐⇒ n ≥ 1 + ≃ 10.97
ln (2)
de manera que son necesarias 11 iteraciones para asegurar a priori una aproximación con
3 cifras decimales correctas.
(iii) Tomamos a = 0 y x0 = 1 y como h(a)h(x0 ) < 0, el algoritmo puede comenzar.
Además, tendremos en cuenta que para calcular el error relativo del último iterante, x5 ,
tenemos que calcular x6 . Después de 5 iteraciones, el resultado es
Iteración Aproximación xk
0 0.0000000
1 0.5000000
2 0.5109580
0.5109734
Solución: (a) Claramente f ′ (t) = e−t 3cos(3t) − sen(3t) . La gráfica de esta función en el
intervalo [0, 3] está descrita en la Figura ??
(b) Observar que f ′ (t) = 0 ⇐⇒ sen(3t) = 3cos(3t) ⇐⇒ tg(3t) = 3 y por tanto si y
sólo si t = 31 arctg(3) = 0.41634859 + π3 n, n ∈ Z. De estos valores el único que se encuentra
en el intervalo [0, 1] es α = 0.41634859
Figura 1.1: Gráfica de e−t 3cos(3t) − sen(3t)
Como f ′′ (t) = −2e−t 3cos(t) + 4 sen(3t) , resulta que
f ′′ (α) = −2e−α 3cos(α) + 4 sen(3α) = −10e−α sen(3α) 6= 0,
lo que significa que α es un cero simple de f ′ . Es, por tanto, razonable utilizar el Método de
Newton para aproximar el valor de α ya que en estas circunstancias tendrá convergencia
cuadrática. Utilizaremos como aproximación inicial el valor x0 = 0.5. El error relativo será
|xk+1 − xk |
el determinado por la expresión r̂k = .
|xk+1 |
Nota: Como en el problema sólo se establece como criterio de convergencia el valor
del error relativo, no estimaremos el valor |f (xk )|.
El algoritmo de Newton se describe como
f ′ (xk ) 3cos(3xk ) − sin(3xk )
xk+1 = xk − ′′ = xk +
f (xk ) 2 3cos(3xk ) + 4 sen(3xk )
Problema 8. Dada una curva paramétrica c(t) = x(t), y(t) , donde x(t) e y(t)
son dos funciones del parámetro t, el cálculo de la mínima distancia de un punto
P = (X, Y ) a la curva se puede realizar de la siguiente manera:
(a) Se calcula el vector tangente a la curva en función de t: τ (t) = x′ (t), y ′(t) .
(b) Se determina el valor t = α tal que h P − c(t) , τ (t)i = 0.
Solución: (a) Como τ (t) = − sen(t), cos(t) , resulta que
f (t) = P − c(t) , τ (t) = 2 − cos(t), 3 − sen(t) , − sen(t), cos(t)
= − sen(t) 2 − cos(t) + cos(t) 3 − sen(t) = 3 cos(t) − 2 sen(t)
f (tk ) 3cos(tk ) − 2 sin(tk ) 3cos(tk ) − 2 sin(tk )
tk+1 = tk − ′ = tk − = tk +
f (tk ) − 3 sen(tk ) + 2cos(tk ) 3 sen(tk ) + 2cos(tk )
q 2 2
|P − c(α)| = 2 − cos(α) + 3 − sen(α) ≃ 2.60555128
q 2 2
|P − c(α)| = 2 − cos(α) + 3 − sen(α) ≃ 4.60555128
Figura 1.2: Puntos de la circunferencia a mínima distancia (A) y máxima distancia (B) de P
x2 − 2x + 1
Problema 9. Se considera la función f (x) = .
1 + x2
(a) ¿Se puede calcular su cero con el Método de la Bisección?
(x − 1)2
Solución: (a) Aunque f es continua, como f (x) = ≥ 0, la función nunca cambia
1 + x2
de signo. Por tanto, no puede calcularse su raíz por el Método de la Bisección.
(b) Como f (x) ≥ 0 para cada x ∈ R y f (1) = 0, es claro que α = 1 es el mínimo de f .
No obstante aproximaremos este valor determinando el cero de f ′ y para ello aplicaremos
el algoritmo de Newton. Como pretendemos calcular un cero de f ′ , tenemos también que
calcular la expresión de la derivada segunda de f . Tenemos que
2(x2 − 1) 4x(3 − x2 )
f ′ (x) = =⇒ f ′′
(x) =
(1 + x2 )2 (1 + x2 )3
2 (xk )2 −1
2
(xk )4 − 1
f ′ (xk ) 1+(xk )2
xk+1 = xk − ′′ = xk − = xk −
f (xk ) 4xk 3−(xk )2 2xk 3 − (xk )2
3
1+(xk )2
Sin embargo no puede aplicarse el método de Newton partiendo de x0 = 0.0 pues f ′′ (x0 ) = 0.
Tomaremos otra aproximación inicial, cercana a la propuesta, concretamente x0 = 0.1.
Su aplicación después de 4 iteraciones se resume en la siguiente tabla:
El método diverge claramente, debido a una mala elección de la aproximación inicial. Sin
embargo, si consideramos una aproximación inicial más cercana al valor de la solución,
por ejemplo x0 = 0.5, obtenemos el siguiente resultado tras 4 iteraciones:
Solución: El problema pide determinar α tal que f (α) = α+e−α −cos(α) = 0, y tendremos
en cuenta que es derivable en R por ser suma de funciones elementales y que además
f ′ (x) = 1 − e−x + sen(x).
Observar que en este caso f (0) = 0, de manera que α = 0 es la solución buscada. Así
pues, este problema tiene como objetivo no tanto hallar el cero de f , sino mostrar cómo el
método de Newton converge hacia él. Asimismo, como α = 0, el criterio de convergencia
será
x x
f (x) = 2− 10 + , x ≥ R.
100
Para minimizar f , hemos de calcular sus puntos críticos, es decir los puntos en los que
su derivada se anula. Por tanto, el problema consiste en determinar los ceros de f ′ . Por otra
parte, para utilizar el algoritmo de Newton para determinar tal cero, hemos de conocer
la derivada de la función de la que se desea calcular el cero, en este caso f ′ . Por tanto,
hemos de determinar también f ′′ . Como
1 ln 2 − x ( ln 2)2 − x
f ′ (x) = − 2 10 =⇒ f ′′ (x) = 2 10
100 10 100
Nota: Como f ′′ (x) > 0 para cada x ∈ R, resulta que f ′ es estrictamente creciente
y por tanto, tiene a lo sumo un cero α ∈ R, que necesariamente es simple, ya que f ′′ es
estrictamente positiva. Además, si f ′ (α) = 0, necesariamente f ′ (x) < 0 si x < α, mientras
que f ′ (x) > 0 si x > α, lo que determina que α es un mínimo de f . Finalmente como
1 ln 2 1
ln 2 = 0.69314718, resulta que f ′ (0) = − < 0 y como lı́m f ′ (x) = , resulta
100 10 x→∞ 100
que f ′ se anula al menos una vez en [0, +∞) (de hecho como f ′ (30) = 0.13356602×10−2 > 0,
aplicando el Teorema de Bolzano, f ′ se anula en [0, 30]).
1 ln 2 − x
El algoritmo de Newton para f ′ (x) = − 2 10 se describe como
100 10
− ln
x xk
1 2 − 10k
f ′ (xk ) 100 10
2 2 10 − 10( ln 2)
xk+1 = xk − ′′ = xk − = xk −
f (xk ) ( ln 2)2 xk
( ln 2)2
100
2− 10
Por tanto, el mínimo de f es α = 27.931557 con 5 dígitos significativos correctos. Así pues,
el número óptimo de sumandos será o bien n = 27 o bien n = 28. Como f (27) = 0.42389305
y f (28) = 0.42358729, resulta que f (27) > f (28) con lo que concluímos que
Problema 12. Determinar cuál o cuáles de las siguientes afirmaciones son ciertas: El
Método de Newton,
Problema 13. Para comparar la evolución de los errores relativos de las 5 primeras
iteraciones al calcular la raíz de la función f (x) = 2 − x3 , utilizar:
Representar en un gráfico los logaritmos de los valores absolutos de los errores relativos
|xk+1 − xk |
r̂k = para cada iteración.
|xk+1 |
(b) Como f (x0 ) = 1 y f (a) = −6, f (x0 )f (a) < 0 y el algoritmo puede comenzar.
Después de 5 iteraciones, el resultado es
El siguiente gráfico muestra la comparación del logaritmo (neperiano) del error relativo
en cada uno de los métodos empleados.
Ϭ( ϭ( Ϯ( ϯ( ϰ( ϱ(
%#%%%%%%&'%%(
!*#%%%%%%&'%%(
!)#%%%%%%&'%%(
!$#%%%%%%&'%%( ./0122/34(
5126471(
!+#%%%%%%&'%%(
8197:4(
!"#%%%%%%&'%"(
!"#*%%%%%&'%"(
!"#)%%%%%&'%"(
!"#$%%%%%&'%"(