Anda di halaman 1dari 38

Introducción Bisección Punto fijo Método de Newton

Análisis Numérico
Soluciones de ecuaciones de una variable

César Castellanos
Docente de Cátedra
ccamilocastellanos@ucundinamarca.edu.co

Universidad de Cundinamarca
Copyleft
c 2018.Reproducción permitida bajo los
términos de la licencia de documentación libre GNU.
Introducción Bisección Punto fijo Método de Newton

Contenido

1 Introducción

2 Método de bisección

3 Iteración de punto fijo

4 Método de Newton y otros


Introducción Bisección Punto fijo Método de Newton

Descripción

Dada una función f , buscamos valores de x que satisfagan

f (x) = 0 (1)

x es una solución de la ecuación (1) o un cero de f .

El problema consiste en “encontrar una raı́z” o “encontrar un cero”.

Dependiendo de la naturaleza de la función f podemos tener:

Problema lineal
Problema no lineal
Problema unidimensional (una ecuación)
Problema multidimensional (un sistema de ecuaciones)
Introducción Bisección Punto fijo Método de Newton

Problema unidimensional

Problema unidimensional (una ecuación)

f :R→R
Una solución del problema es un escalar x tal que f (x) = 0.

Ejemplos:

2x − 3y − 6 = 0 posee una solución (problema lineal)

ex + 2 = 0 no posee solución (problema no lineal)

ex − x2 = 0 posee tres soluciones (problema no lineal)

tan x = 0 posee infinitas soluciones (problema no lineal)


Introducción Bisección Punto fijo Método de Newton

Problema multidimensional
Problema multidimensional: sistema de n ecuaciones acopladas en n
incógnitas.

f : Rn → Rn
Una solución del problema es un vector x tal que f(x) = 0.

Ejemplos:

Problema lineal en tres dimensiones


2x + y − z = 8
−3x − y + 2z = −11
−2x + y + 2z = −3
Posee solución única x = [2 3 − 1]T .

Problema no lineal en dos dimensiones


x2 + y 2 = 25
x2 + y = 19
Posee cuatro soluciones.
Introducción Bisección Punto fijo Método de Newton

Teorı́a

Para el problema lineal hay teoremas que garantizan la existencia y


unicidad de soluciones.

El problema no lineal es más complicado.

Para el caso unidimensional f (x) = 0 con

f : [a, b] → R continua y f (a) · f (b) < 0

el teorema del valor intermedio garantiza la existencia de un x∗ ∈ [a, b]


tal que f (x∗ ) = 0.

Para el caso multidimensional no hay un resultado análogo sencillo.


Introducción Bisección Punto fijo Método de Newton

Método de bisección
El método aproxima una solución numérica de f (x) = 0 con
f : [a, b] → R continua y
f (a) · f (b) < 0 (2)
Supondremos que sólo existe un p ∈ [a, b] tal que f (p) = 0 y además
que f (a) 6= 0 y f (b) 6= 0.

y 1 Hacemos a1 = a, b1 = b y
p1 = a1 +b
2
1
= a1 + b1 −a
2
1
.

2 Si f (p1 ) = 0, entonces p = p1 .

3 Si f (p1 ) 6= 0, entonces
f (p1 ) · f (a1 ) < 0 ó f (p1 ) · f (b1 ) < 0.

a = a1 p2 p3 p1 b = b1 x 4 Si f (p1 ) · f (a1 ) < 0, entonces por (2)


p ∈ [a1 , p1 ].

a2 p2 b2
5 Hacemos a2 = a1 y b2 = p1 y se
repite el proceso a partir de (1).
a3 p3 b3
Introducción Bisección Punto fijo Método de Newton

Pseudocódigo biseccion.m

inicio leer a, b, tol y M; function y = biseccion(f,a,b,tol,M)


% a y b: extremos del intervalo % Ejemplo:
% tol: tolerancia % f = inline("x∧3 + 4*x∧2 - 10")
% M: es el número máximo de iteraciones % biseccion(f,1,2,0.00001,100)

i = 1; i = 1;
f a = f (a); fa = f(a);

mientras i ≤ M hacer while i<=M


p = a + (b-a)/2;
p = a + (b − a)/2;
fp = f(p);
f p = f (p);
if (fp==0)|(abs(b-a)/2<tol)
si f p = 0 o (b − a)/2 < tol entonces
y = p;
parar; return
fin si
end
i = i + 1;
i++;
Si f a · f p > 0 entonces
if fa*fp>0
a = p;
a = p;
f a = f p;
else
sino b = p;
b = p;
end
fin si
end
fin mientras
if i>M
Escribir "Proceso terminado sin éxito" error("Proceso terminado sin éxito \n");
end
fin
end
Introducción Bisección Punto fijo Método de Newton

Criterios de parada
El procedimiento anterior genera una sucesión {pn }∞
n=1 que aproxima a
un cero p de f donde an < pn < bn (teorema siguiente).

En el algoritmo, la tolerancia tol puede se utilizada para modificar el


criterio de parada:
|pn − pn−1 | < tol (3)

|pn − pn−1 |
< tol (4)
|pn |

|f (pn )| < tol (5)

Problema con el criterio (3):

pn − pn−1 → 0 ; pn converge
Pn 1
Por ejemplo para pn := k=1 k ,
1
pn − pn−1 = →0 y pn diverge.
n
Introducción Bisección Punto fijo Método de Newton

Criterios de parada

Problema con el criterio (5):

f (pn ) → 0 ; pn converge

Por ejemplo para


1
f (x) = (x − 1)10 y pn := 1 + , con p1 = 1
n

1 1
|f (pn )| = ≤ 3 = 10−3 para n ≥ 2 > 103/10
n10 10

mientras que
1
|p − pn | = < 10−3 ⇔ n > 103
n
Introducción Bisección Punto fijo Método de Newton

Convergencia del método

Teorema
Sea f ∈ C[a, b] y f (a) · f (b) < 0. El método descrito en el algoritmo de
bisección genera una sucesión {pn } que converge a un cero p de f y
b−a
|pn − p| ≤ (6)
2n

Demostración

b1 − a 1 = b − a
1 1
b2 − a2 = (b1 − a1 ) = (b − a)
2 2
1 1 1 1
b3 − a3 = (b2 − a2 ) = · (b1 − a1 ) = 2 (b − a)
2 2 2 2
..
.
1
bn − an = n−1 (b − a) (7)
2
Introducción Bisección Punto fijo Método de Newton

Convergencia del método


Para todo n se tiene que

a n < p < bn
y

a n + bn
pn =
2
Luego
a n − p n < p − p n < bn − p n

a n + bn a n + bn
an − < p − p n < bn −
2 2
a n − bn bn − a n
< p − pn <
2 2
y por tanto
1 1
|p − pn | < (bn − an ) = n (b − a) → 0
2 2
y „ «
1
p = pn + O
2n
Introducción Bisección Punto fijo Método de Newton

Ejemplo numérico

Ejemplo 2.1

La función f (x) = x3 + 4x2 − 10 tiene un cero en el intervalo [1, 2]. Utilice


la cota (6) del teorema visto para estimar el número de iteraciones
necesarias para que el error relativo sea menor a 10−4 . Utilice el algoritmo
de bisección implementado en la función biseccion.m

Solución

El número de iteraciones necesarias para que el error relativo sea


menor a 0.0001 está dado por (6):
b−a
|pn − p| ≤ = 2−n < 10−4 ⇒ −n log 2 < −4 log 10
2n
4
⇒ n> = 13.28 · · ·
log 2

El programa biseccion.m implementa el algoritmo de la bisección y sus


resultados son mostrados en la tabla dada a continuación.
Introducción Bisección Punto fijo Método de Newton

Ejemplo numérico

n pn f (pn )
0 1.50000000000000 2.37500000000000
1 1.31250000000000 -0.84838867187500
2 1.36718750000000 0.03235578536987
3 1.36425781250000 -0.01604669075459
4 1.36517333984375 -0.00093584728188
5 1.36522674560547 -0.00005396254153
6 1.36522960662842 -0.00000671741291
7 1.36523002386093 0.00000017251275
8 1.36523001641035 0.00000004947834
9 1.36523001361638 0.00000000334043
10 1.36523001344176 0.00000000045682
11 1.36523001341993 0.00000000009636
12 1.36523001341357 -0.00000000000877
13 1.36523001341408 -0.00000000000032
14 1.36523001341410 0.00000000000003
15 1.36523001341410 0.00000000000000
16 1.36523001341410 0.00000000000000
17 1.36523001341410 0.00000000000000
18 1.36523001341410 0.00000000000000

El valor correcto de p con nueve cifras decimales es p = 1.365230013.


Introducción Bisección Punto fijo Método de Newton

Conceptos básicos

Definición de punto fijo


Sea g : X → X. Un elemento p ∈ X es un punto fijo de g si

g(p) = p

Ejemplo: la función g(x) = x2 − 2, con −2 ≤ x ≤ 3, tiene como puntos


fijos a x1 = −1 y x2 = 2:

g(−1) = (−1)2 − 2 = −1 y g(2) = 22 − 2 = 2 .

Problemas equivalentes
El problema de búsqueda de raı́ces es equivalente al problema de búsqueda
de puntos fijos:

f (x) = 0 ⇐⇒ g(x) := x − f (x) = x


Introducción Bisección Punto fijo Método de Newton

Teorema

Teorema de existencia y unicidad de puntos fijos

Sea g ∈ C[a, b].


1
(Existencia). Si g(x) ∈ [a, b] para todo x ∈ [a, b], entonces g tiene al
menos un punto fijo en [a, b].
2
(Unicidad). Si adicional a (1), g es diferenciable en [a, b] y existe una
constante 0 < k < 1 tal que

|g ′ (x)| ≤ k , para todo x ∈ (a, b) ,

entonces el punto fijo en [a, b] es único.

Demostración.

Existencia. Si g(a) = a ó g(b) = b, entonces g tiene un punto fijo.


Suponemos entonces que g(a) 6= a y g(b) 6= b y como g([a, b]) ⊆ [a, b],
entonces
g(a) > a y g(b) < b .
Introducción Bisección Punto fijo Método de Newton

Teorema

La función h(x) := g(x) − x es continua en [a, b] y por lo anterior:

h(a) = g(a) − a > 0 y h(b) = g(b) − b < 0

Por el teorema del valor intermedio, existe un p ∈ [a, b] tal que h(p) = 0 y

h(p) = g(p) − p = 0 =⇒ g(p) = p

Unicidad. Por contradicción, supongamos que g posee dos puntos fijos

p1 6= p2

Por hipótesis, |g ′ (x)| ≤ k < 1 y por el teorema del valor medio, existe un ξ
entre p1 y p2 tal que

g(p1 ) − g(p2 )
= g ′ (ξ)
p1 − p2
Introducción Bisección Punto fijo Método de Newton

Ejemplos
Por tanto

|p1 − p2 | = |g(p1 ) − g(p2 )| = |g ′ (ξ)||p1 − p2 | ≤ k|p1 − p2 | < |p1 − p2 |

Ejemplo: la función

g(x) = (x2 − 1)/3 con x ∈ [−1, 1]

representa una parábaola desplazada verticalmente.

Por el teorema del valor extremo:


El mı́nimo absoluto de g se alcanza en x = 0 y g(0) = − 13
El máximo absoluto de g se alcanza en x = ±1 y g(±1) = 0

Además g es diferenciable y
˛ ˛
˛ ′ ˛ ˛ 2x ˛
˛g (x)˛ = ˛ ˛ ≤ 2 para todo x ∈ (a, b) .
˛ 3 ˛ 3
y por tanto g tiene un único punto fijo en [−1, 1].
Introducción Bisección Punto fijo Método de Newton

Iteración de punto fijo

Problema: encontrar una aproximación numérica de un punto fijo de


una función g.

Elegimos un valor inicial o “semilla” p0 .

Generamos “mejores” aproximaciones:

p1 = g(p0 )
p2 = g(p1 )
..
.
pn = g(pn−1 )

Si pn → p y g es continua:
“ ”
p = lı́m pn = lı́m g(pn−1 ) = g lı́m pn−1 = g(p)
n→∞ n→∞ n→∞

De esta forma obtenemos una solución numérica de x = g(x).


Introducción Bisección Punto fijo Método de Newton

Pseudocódigo pf.m

inicio function y = pf(g,p0,tol,M)


leer p0 , tol y M ; % Ejemplo:
% p0 : aproximación inicial % g1 = inline("x - x∧3 -4*x∧2 + 10")
% tol: tolerancia % g4 = inline("sqrt(10/(4+x))")
% M : es el número máximo de % pf(g4,1,1e-4,30)
iteraciones
i = 1;
mientras i ≤ M hacer
while i<=M
p = g(p0 );
p = g(p0);
si |p − p0 | < tol entonces
parar; if abs(p-p0)<tol
fin si break;
end
i = i + 1; i++;
p0 = p; p0 = p;
fin mientras end
Escribir "Proceso terminado sin éxito" y = p;
fin
end
Introducción Bisección Punto fijo Método de Newton

Punto fijo
Ejemplo 3.1

La función f (x) = x3 + 4x2 − 10 tiene un cero en el intervalo [1, 2]. Utilice


el algoritmo de bisección implementado en la función pf.m

Solución

Observaciones:

Después de 13 iteraciones el error relativo es menor a 0.0001 con el


método de la bisección.

Para aplicar el método de punto fijo x = g(x) a este problema podemos


definir la función g de varias formas:
10 1/2
„ «
g1 (x) := x − x3 − 4x2 + 10 g4 (x) :=
4+x
«1/2
10

g2 (x) := − 4x x3 + 4x2 − 10
x g5 (x) := x −
3x2 + 8
1` ´1/2
g3 (x) := 10 − x3
2
Introducción Bisección Punto fijo Método de Newton

Ejemplo numérico

La tabla muestra los resultados del método de iteración de punto fijo


con p0 = 1.5 y tol = 10−4 .

g1 (x) := x − x3 − 4x2 + 10

10 1/2
„ «
g4 (x) :=
4+x

pf(g1,1,1e-4,i) pf(g4,1,1e-4,i)
1 6 1.41421356237310
2 -344 1.35904021742944
3 40233906 1.36601821952927
4 -6.51293335145581e+22 1.36512974146942
5 2.76267566256213e+68 1.36524277113249
6 -2.10857816784842e+205 1.36522839026011
7 NaN 1.36522839026011
8 NaN 1.36522839026011
9 NaN 1.36522839026011
10 NaN 1.36522839026011
Introducción Bisección Punto fijo Método de Newton

Convergencia del método

Teorema de punto fijo


Sea g ∈ C[a, b] tal que g([a, b]) ⊆ [a, b]. Suponga g diferenciable en (a, b) y
que existe una constante 0 < k < 1 tal que

|g ′ (x)| ≤ k , para todo x ∈ (a, b) .

Entonces, para todo p0 en [a, b], la sucesión definida por

pn = g(pn−1 ) , n ≥ 1,

converge al único punto fijo p en [a, b].

Demostración.
Por el teorema de existencia y unicidad de puntos fijos, la función posee un
único punto fijo en [a, b].
Puesto que g([a, b]) ⊆ [a, b], la sucesión

pn = g(pn−1 ) , n≥1

está bien definida y pn ∈ [a, b] para todo n.


Introducción Bisección Punto fijo Método de Newton

Convergencia del método

Por el teorema del valor medio y la hipótesis |g ′ (x)| ≤ k < 1,

|pn − p| = |g(pn−1 ) − g(p)| = |g ′ (ξ)||pn−1 − p| ≤ k|pn−1 − p|

donde ξ ∈ [a, b].

Al aplicar inducción sobre

|pn − p| ≤ k|pn−1 − p| (8)

obtenemos

|pn − p| ≤ k|pn−1 − p|
≤ k (k|pn−2 − p|) = k2 |pn−2 − p|
≤ k3 |pn−3 − p|
..
.
≤ kn |p0 − p| → 0

puesto que |k| < 1 y por tanto pn → p.


Introducción Bisección Punto fijo Método de Newton

Convergencia del método

Corolario
Si g satisface las hipótesis del teorema de punto fijo, las cotas de error al
aproximar p por pn están dadas por

|pn − p| ≤ kn máx{p0 − a, b − p0 }

y
kn
|pn − p| ≤ |p1 − p0 |
1−k

Demostración.
De la desigualdad (8) obtenemos

|pn − p| ≤ kn |p0 − p| ≤ kn máx{p0 − a, b − p0 }

donde ξ ∈ [a, b].

Por inducción se puede demostrar que

|pn+1 − pn | = |g(pn ) − g(pn−1 )| ≤ k|pn − pn−1 | ≤ · · · ≤ kn |p1 − p0 | . (9)


Introducción Bisección Punto fijo Método de Newton

Convergencia del método

Luego, para m > n ≥ 1,

|pm − pn | = |pm − pm−1 + pm−1 − · · · + pn+1 − pn |


≤ |pm − pm−1 | + |pm−1 − pm−2 | + · · · + |pn+1 − pn |
≤ km−1 |p1 − p0 | + km−2 |p1 − p0 | + · · · + kn |p1 − p0 | por (9)
n 2 m−n−1
= k |p1 − p0 |(1 + k + k + · · · k )
m−n−1
X
= kn |p1 − p0 | ki
i=0
1
→ kn |p1 − p0 | cuando m→∞
1−k

y por tanto

kn
|pn − p| ≤ |p1 − p0 |
1−k
Introducción Bisección Punto fijo Método de Newton

Método de Newton

También conocido como el método de Newton-Raphson es un


algoritmo eficiente para encontrar aproximaciones de los ceros o raı́ces
de una función real
f (x) = 0 . (10)
Se puede derivar de varias formas:
Gráficamente
Utilizando polinomios de Taylor
Buscando convergencia rápida

Supongamos f ∈ C 2 ([a, b]) y x∗ ∈ [a, b] un punto “próximo” a una raı́z


p de (10) tal que f (x∗ ) 6= 0. Expandiendo en Taylor en torno a x∗ ,
(x − x∗ )2 ′′
f (x) = f (x∗ ) + f ′ (x∗ )(x − x∗ ) + f (ξ(x)) ,
2
con ξ = ξ(x) entre x y x∗ . Haciendo x = p y despreciando los términos
de orden dos en la expresión anterior llegamos a

f (x∗ )
0 ≈ f (x∗ ) + f ′ (x∗ )(p − x∗ ) =⇒ p ≈ x∗ −
f ′ (x∗ )
Introducción Bisección Punto fijo Método de Newton

Método de Newton

El método de Newton está dado por

f (pn−1 )
pn = pn−1 − , para n≥1 (11)
f ′ (pn−1 )
Introducción Bisección Punto fijo Método de Newton

Método de Newton
Pseudocódigo newton.m

inicio function y = newton(f,df,p0,tol,M)


leer f , f ′ , p0 , tol y M ; % Ejemplo:
% f : función % f = inline("x∧3 + 4*x∧2 - 10")
% f ′ : derivada % df = inline("3x∧2 + 8*x")
% p0 : aproximación inicial % newton(f,df,1,5e-04,20)
% tol: tolerancia i = 1;
% M : número máximo de iteraciones
i = 1; while i<=M

mientras i ≤ M hacer p = p0 - f(p0)/df(p0);

p = p0 − f (p0 )/f ′ (p0 ); if abs((p-p0)/p0) < tol


y = p;
si |p − p0 |/|p0 | < tol entonces return
salida p; end
fin i = i+1;
fin si
p0 = p;
i = i + 1;
end
p0 = p;
error("Proceso terminado ...
fin mientras
sin éxito \n");
Escribir "Proceso terminado sin éxito"
end
fin
Introducción Bisección Punto fijo Método de Newton

Ejemplo 4.1 (Método de Newton)

La función f (x) = x3 + 4x2 − 10 tiene un cero en el intervalo [1, 2]. Utilice


el método de Newton implementado en la función newton.m

Solución
pf(g1,1,5e-04,i) pf(g4,1,5e-04,i) newton(f,df,1,5e-04,i)
1 6 1.41421356237310 1.45454545454545
2 -344 1.35904021742944 1.36890040106952
3 40233906 1.36601821952927 1.36523660020212
4 -6.51293335145581e+22 1.36512974146942 1.36523001343537
5 2.76267566256213e+68 1.36524277113249 1.36523001343537
6 -2.10857816784842e+205 1.36522839026011 1.36523001343537
7 NaN 1.36522839026011 1.36523001343537
8 NaN 1.36522839026011 1.36523001343537
9 NaN 1.36522839026011 1.36523001343537
10 NaN 1.36522839026011 1.36523001343537

f (x) = x3 + 4x2 − 10 f ′ (x) = 3x2 + 8x


!1/2
10
g1 (x) := x − x3 − 4x2 + 10 g4 (x) :=
4+x
Introducción Bisección Punto fijo Método de Newton

Convergencia del método


Teorema
Sea f ∈ C 2 [a, b]. Si p ∈ [a, b] es tal que f (p) = 0 y f ′ (p) 6= 0, entonces existe
δ > 0 tal que el método de Newton genera una sucesión {pn }∞ n=1 que
converge a p para cualquier aproximación inicial p0 ∈ [p − δ, p + δ].

Demostración
Consideremos la iteración pn = g(pn−1 ), para n ≥ 1, donde

f (x)
g(x) = x − . (12)
f ′ (x)
La demostración es consecuencia directa del siguiente resultado.

Lema
Sea 0 < k < 1. Entonces existe un δ > 0 tal que

g([p − δ, p + δ]) ⊆ [p − δ, p + δ] (13)

y para todo x ∈ (p − δ, p + δ),

|g ′ (x)| ≤ k . (14)
Introducción Bisección Punto fijo Método de Newton

Convergencia del método

Demostremos entonces el lema. Como f ′ es continua y f (p) 6= 0, existe un


δ1 > 0 tal que

f ′ (x) 6= 0 para todo x ∈ [p − δ1 , p + δ1 ] ⊆ [a, b] .

Por tanto g en (12) está definida y es continua en [p − δ1 , p + δ1 ].

También
«′
f ′ (x)f ′ (x) − f (x)f ′′ (x) f (x)f ′′ (x)

f (x)
g ′ (x) = x− =1− = (15)
f ′ (x) f (x)
′ 2 f ′ (x)2

para todo x ∈ [p − δ1 , p + δ1 ].

f ∈ C 2 ([a, b]) y (15) =⇒ g ∈ C 1 ([p − δ1 , p + δ1 ])


Por otra parte, f (p) = 0 y f ′ (p) 6= 0 (hipótesis) y al hacer x = p en (15)
obtenemos
f (p)f ′′ (p)
g ′ (p) = = 0.
f ′ (p)2
Introducción Bisección Punto fijo Método de Newton

Convergencia del método


Por ser continua g ′ en [p − δ1 , p + δ1 ], en particular en x = p, para el k
dado, existe un 0 < δ < δ1 tal que

|x − p| < δ =⇒ |g ′ (x) − g ′ (0)| < k

y por tanto
|g ′ (x)| < k
para todo x ∈ [p − δ, p + δ]. Esto demuestra la parte (14) del lema.

Demostremos ahora la parte (13) del lema:

g([p − δ, p + δ]) ⊆ [p − δ, p + δ] .

y ∈ g([p − δ, p + δ]) =⇒ y = g(x) para algún x ∈ [p − δ, p + δ]


luego

|y − p| = |g(x) − g(p)| = |g ′ (ξ)||x − p| ≤ k|x − p| < |x − p| < δ

para algún ξ entre x y p (teorema del valor medio) y por tanto

|y − p| < δ =⇒ y ∈ [p − δ, p + δ] .
Introducción Bisección Punto fijo Método de Newton

Convergencia del método


Como consecuencia del lema, la función g definida en (12):
f (x)
g(x) = x −
f ′ (x)
satisface las hipótesis del teorema de punto fijo (1) y por tanto la sucesión
{pn }∞
n=1 definida por

f (pn−1 )
pn := g(pn−1 ) = pn−1 − para n ≥ 1
f ′ (pn−1 )
converge a p para todo p0 ∈ [p − δ, p + δ].

Observaciones:
El teorema garantiza convergencia siempre y cuando la aproximación
inicial p0 se elija lo “suficientemente próxima” a la raı́z p.
La constante k que acota la derivada (14) determina la rapidez de
convergencia del método, aunque en la práctica no se usa . . .
El método de Newton requiere conocer el valor de la derivada de la
función f en cada iteración.
Introducción Bisección Punto fijo Método de Newton

Método de la secante

En el método de Newton

f (pn−1 )
pn = pn−1 − (16)
f ′ (pn−1 )

Con el fin de evitar evaluar la derivada,


f (x) − f (pn−1 )
f ′ (pn−1 ) = lı́m
x→pn−1 x − pn−1
f (pn−2 ) − f (pn−1 ) f (pn−1 ) − f (pn−2 )
≈ = .
pn−2 − pn−1 pn−1 − pn−2

Podemos escribir entonces a (16) como

f (pn−1 )(pn−1 − pn−2 )


pn = pn−1 − (17)
f (pn−1 ) − f (pn−2 )

A la iteración (17) se le conoce como el método de la secante.


Introducción Bisección Punto fijo Método de Newton

Pseudocódigo (Método de la secante) secante.m


inicio function y = secante(f,p0,p1,tol,M)
leer f , p0 , p1 , tol y M; % Ejemplo:
% f : función % f = inline("x∧3 + 4*x∧2 - 10")
% p0 , p1 : aproximaciones iniciales % secante(f,1,2,5e-04,20)
% tol: tolerancia
i = 2;
% M: número máximo de iteraciones q0 = f(p0);
i = 2; q1 = f(p1);
q0 = f (p0 );
q1 = f (p1 ); while i<=M

mientras i ≤ M hacer p = p1-q1*(p1-p0)/(q1-q0);

p = p1 − q1 (p1 − p0 )/(q1 − q0 ); if abs((p-p0)/p0) < tol


y = p;
si |p − p1 |/|p1 | < tol entonces return
salida p; end
fin
i++;
fin si
p0 = p1;
i = i + 1; q0 = q1;
p0 = p; p1 = p;
q0 = q1 ; q1 = f(p);
p1 = p; end
q1 = f (p);
error("Proceso terminado sin éxito \n");
fin mientras
end
Escribir "Proceso terminado sin éxito"
fin
Introducción Bisección Punto fijo Método de Newton

Método de la secante

Ejemplo 4.2

La función f (x) = x3 + 4x2 − 10 tiene un cero en el intervalo [1, 2]. Utilice


el método de Newton implementado en la función newton.m

Solución

newton(f,df,1,5e-04,i) secante(f,1,2,5e-04,i) f(p)


1 1.45454545454545 1.26315789473684 -1.6023
2 1.36890040106952 1.33882783882784 -0.43036
3 1.36523660020212 1.36661639471935 0.022909
4 1.36523001343537 1.36521190263186 -2.9907e-04
5 1.36523001343537 1.36523000111086 -2.0317e-07
6 1.36523001343537 1.36523001341421 1.8048e-12
7 1.36523001343537 1.36523001341421 1.8048e-12
8 1.36523001343537 1.36523001341421 1.8048e-12
9 1.36523001343537 1.36523001341421 1.8048e-12
10 1.36523001343537 1.36523001341421 1.8048e-12
Introducción Bisección Punto fijo Método de Newton

Referencias

R.L. Burden, J.D. Faires.


Análisis numérico
Séptima Edición. Editorial Thomson. 2002.
http://www.as.ysu.edu/∼faires/Numerical-Analysis/

J.W. Eaton
GNU Octave: A high-level interactive language for numerical
computations
Network Theory Ltd., 2002
http://www.network-theory.co.uk/octave/manual/