Ceros resum
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
113
On Slideshare
113
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Métodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 2009, versión 1.5 Contenido 1. Método de la bisección. 2. Método de Newton-Raphson. 3. Orden de convergencia: convergencia cuadrática. 4. Método de punto fijo. 1 Método de la bisección 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) f(x) continua en [a, b], f(a) · f(b) < 0. ¾ =⇒ Existe un α ∈ (a, b) tal que f(α) = 0. Ejemplo 1.1 Demuestra que la ecuación cos x = x tiene solución única en (0, π/2). 1
  • 2. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 2 Ponemos la ecuación en la forma cos(x) − x = 0. La función f(x) = cos(x) − x es continua en todo R, en particular, es continua en [0, π/2]. En los extremos del intervalo, toma valores f(0) = 1, f(π/2) = −π/2, que son de signo opuesto, por lo tanto, existe un α ∈ (0, π/2) tal que f(α) = cos(α) − α = 0. Veamos la unicidad. Calculamos la derivada f0 (x) = − sin(x) − 1. Como f0(x) < 0 en todo el intervalo (0, π/2), resulta que f(x) es decreciente y sólo puede tomar el valor 0 una vez, por lo tanto, la solución es única. ¤ 1.2 Descripción del método • Objetivo Aproximar la solución de f(x) = 0. • Inicio f(x) que cumple las condiciones del teorema de Bolzano en [a, b]. • Método 1. Se calcula el punto medio del intervalo c = a + b 2 . 2. Calculamos f(c). — Si f(c) = 0, la solución es α = c. — si f(c) 6= 0, comparamos con f(a) y f(b). El nuevo intervalo tiene un extremo en c, el otro extremo se elige entre a y b de forma que f(x) tome signos distintos en los extremos. Ejemplo 1.2 Primeras iteraciones del método de la bisección para cos(x) − x = 0 en el intervalo [0, π/2].
  • 3. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 3 1. En el ejemplo anterior, hemos visto que f(x) = cos(x) − x cumple las condiciones del Teorema de Bolzano. 2. Cálculo de las aproximaciones. • Fase 1. El cuadro inicial es Fase 1 a1 = 0 f(a1) = 1 ⊕ c1 = f(c1) = b1 = 1. 57080 f(b1) = −1. 57080 ª calculamos c1 = a1 + b1 2 = 0.78540, f(c1) = f(0.78540) = −7. 8295 × 10−2 , y completamos la tabla Fase 1 a1 = 0 f(a1) = 1 ⊕ a2 = 0 c1 = 0.78540 f(c1) = −7. 8295 × 10−2 ª b2 = 0.78540 b1 = 1. 57080 f(b1) = −1. 57080 ª • Fase 2. La tabla inicial para la fase 2 es Fase 2 a2 = 0 f(a2) = 1 ⊕ c2 = f(c2) = b2 = 0.78540 f(b2) = −7. 8295 × 10−2 ª calculamos c2 = a2 + b2 2 = 0.3927, f(c2) = f(0.3927) = 0. 53118. Fase 2 a2 = 0 f(a2) = 1 ⊕ c2 = 0.39270 f(c2) = 0. 53118 ⊕ a3 = 0.39270 b2 = 0.78540 f(b2) = −7. 8295 × 10−2 ª b3 = 0.78540 • Fase 3. Fase 3 a3 = 0.39270 f(a3) = 0. 53118 ⊕ c3 = 0. 58905 f(c3) = 0. 24242 ⊕ a4 = 0. 58905 b3 = 0.78540 f(b3) = −7. 8295 × 10−2 ª b4 = 0.78540
  • 4. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 4 • Fase 4. Fase 4 a4 = 0. 58905 f(a4) = 0. 24242 ⊕ c4 = 0. 68723 f(c4) = 8. 5776 × 10−2 ⊕ a5 = 0. 68723 b4 = 0. 78540 f(b4) = −7. 8295 × 10−2 ª b5 = 0. 78540 • Fase 5 Fase 5 a5 = 0. 68723 f(a5) = 8. 5776 × 10−2 ⊕ c5 = 0. 73632 f(c5) = 4. 6249 × 10−3 ⊕ a6 = 0. 73632 b5 = 0. 78540 f(b5) = −7. 8295 × 10−2 ª b6 = 0. 78540 En las siguientes fases, obtenemos c6 = 0.76085, c7 = 0.74858, c8 = 0.74247, c9 = 0.73938, c10 = 0.73784. El valor exacto de la solución con 5 decimales es α = 0.73909, por lo tanto, en la fase 10 el error es |e10| = |α − c10| = 0.00 125, tenemos, por lo tanto, 2 decimales exactos. ¤ 1.3 Cota superior de error Proposición 1.1 En la fase n, el error del método de la bisección cumple |en| = |α − cn| ≤ b1 − a1 2n . Demostración. En la fase n se cumple |en| = |α − cn| ≤ bn − an 2 .
  • 5. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 5 Además, la longitud del intervalo se reduce a la mitad en cada fase bn − an = bn−1 − an−1 2 . Por lo tanto, tenemos |e1| ≤ b1 − a1 2 , |e2| ≤ b2 − a2 2 = b1 − a1 4 , |e3| ≤ b3 − a3 2 = b2 − a2 4 = b1 − a1 8 . De forma análoga, resulta |e4| ≤ b1 − a1 16 = b1 − a1 24 , |e5| ≤ b1 − a1 32 = b1 − a1 25 , y en general |en| = |α − cn| ≤ b1 − a1 2n . ¤ Ejemplo 1.3 Aplicamos el método de la bisección para aproximar la solu- ción de f(x) = 0 en el intervalo [0, π/2]. (a) Calcula una cota de error para la fase 10. (b) Calcula el número de pasos necesarios para aproximar la solución con 4 decimales exactos. (a) Tenemos |e10| ≤ π/2 − 0 210 = 0.1 534 × 10−2 . Podemos asegurar dos decimales exactos. En el Ejemplo 1.2, después de 10 pasos, hemos obtenido un error |e10| = |α − c10| = 0.00 125. (b) Para asegurar 4 decimales exactos, exigimos |en| = |α − cn| ≤ ¡π 2 ¢ 2n ≤ 0.5 × 10−4 , de donde resulta 2n ≥ ¡π 2 ¢ 0.5 × 10−4 . Tomando logaritmos n ln 2 ≥ ln (10000π) , n ≥ ln (10000π) ln 2 = 14. 93920. Por lo tanto, necesitamos 15 pasos. ¤
  • 6. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 6 2 Método de Newton-Raphson 2.1 Planteamiento y descripción del método Objetivo Aproximar la solución de f(x) = 0. • f(x) derivable. • x0 aproximación inicial. • Método ⎧ ⎨ ⎩ x0 = aproximación inicial, xj+1 = xj − f(xj) f0(xj) . Ejemplo 2.1 Aproximar la solución de cos(x) − x = 0 con 6 decimales. Hemos visto que la ecuación tiene solución en [0, π/2], podemos tomar como aproximación inicial x0 = π/4. x0 = π/4 = 0.78539 816. El método es, en este caso, f(x) = cos(x) − x, f0 (x) = − sin (x) − 1, ⎧ ⎨ ⎩ x0 = 0.78539 816, xj+1 = xj + cos (xj) − xj sin (xj) + 1 . El valor de las iteraciones es x1 = x0 + cos (x0) − x0 sin (x0) + 1 = 0. 78539 816 − 0.04 58620 3 = 0. 73953 613, x2 = x1 + cos (x1) − x1 sin (x1) + 1 = 0. 73908 518,
  • 7. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 7 x3 = x2 + cos (x2) − x2 sin (x2) + 1 = 0. 73908 513, x4 = 0. 73908 513. El método ha convergido al valor ¯α = 0. 73908 513, el valor exacto con 10 decimales es α = 0.73908 51332. ¤ 2.2 Deducción del método El método de Newton-Raphson consiste en sustituir la función por la tan- gente en x = xj, con mayor detalle, a partir de la aproximación xj: 1. Calculamos la tangente a y = f(x) en x = xj. 2. Tomamos xj+1 como el corte de la tangente con el eje OX. Tangente en x = xj y − f(xj) = f0 (xj) (x − xj) . Para calcular el corte con OX, exigimos y = 0 −f(xj) = f0 (xj) (x − xj) , resolvemos en x y tomamos el resultado como xj+1 Solución de la ecuación x = xj − f(xj) f0(xj) =⇒ xj+1 = xj − f(xj) f0(xj) . 2.3 Criterio de parada usando errores estimados En en caso del método de Newton-Raphson no existe una forma sencilla de acotar el error |ej| = |α − xj| . Para detener las iteraciones, suele usarse los errores estimados • Error absoluto estimado |¯ej| = |xj − xj−1| . • Error relativo estimado |¯rj| = ¯ ¯ ¯ ¯ xj − xj−1 xj ¯ ¯ ¯ ¯ .
  • 8. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 8 Ejemplo 2.2 Aproxima la solución de ex = 1 x con 6 decimales exactos. Representamos las curvas y = ex , y = 1 x x 210-1-2 3 2 1 0 -1 -2 -3 está claro que hay una solución. Tomamos como valor inicial x0 = 0.5. Escribimos la ecuación en la forma f(x) = 0, con f(x) = ex − 1 x . Derivada f0 (x) = ex + 1 x2 . Método ⎧ ⎪⎨ ⎪⎩ x0 = 0.5, xj+1 = xj − exj − 1 xj exj + 1 (xj)2 . El resultado de las iteraciones y los errores estimados es x0 = 0.5, x1 = 0.5 − e0.5 − 1 0.5 e0.5 + 1 (0.5)2 = 0. 56218 730, |¯e1| = |x1 − x0| = 0.0 62187 3, x2 = 0. 56711 982, |¯e2| = |x2 − x1| = 0.00 49325 2, x3 = 0. 56714 329, |¯e3| = |x3 − x2| = 0.0000 2347, x4 = 0. 56714 329, |¯e4| = 0. El resultado es α = 0. 56714 3. El valor de la raíz con 10 decimales es α = 0. 56714 32904. 2
  • 9. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 9 2.4 Protección en el uso del error estimado La parada del método de Newton-Raphson usando el error estimado puede producir un resultado incorrecto. Esto sucede cuando dos iteraciones toman valores muy próximos a pesar de encontrarse aún lejos de la raíz Para protegernos contra paradas anómalas, podemos usar el siguiente pro- cedimiento. Sea ² el máximo error tolerable, por ejemplo, si queremos 4 decimales exactos es ² = 0.5 × 10−4. 1. Detenemos las iteraciones cuando |¯ej| = |xj − xj−1| ≤ ². 2. Tomamos los valores a = xj − ², b = xj + ². 3. Calculamos f(a) y f(b), si se produce un cambio de signo, podemos asegurar que la raíz se encuentra en el intervalo (a, b). Como xj es el centro del intervalo, se cumple |ej| = |α − xj| ≤ ² y, por lo tanto, podemos asegurar la validez de la aproximación. Observemos que si f(a) y f(b) tienen el mismo signo, el método no es apli- cable; no obstante, en la mayoría de los casos prácticos, el criterio funciona bien. Ejemplo 2.3 Calcular √ 24 con 6 decimales exactos.
  • 10. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 10 Tomamos x = √ 24 que nos lleva a la ecuación x2 − 24 = 0. Es f(x) = x2 − 24, f0 (x) = 2x. Como valor inicial, tomamos x0 = 5, el error máximo admisible es ² = 0.5 × 10−6 . Fórmula de recurrencia ⎧ ⎨ ⎩ x0 = 5, xj+1 = xj − x2 j − 24 2xj . Iteraciones, x0 = 5, x1 = 5 − 25−24 10 = 4.9, |¯e1| = |x1 − x0| = 0.1, x2 = 4. 89897 9592, |¯e2| = |x2 − x1| = 0.00 10204 08, x3 = 4. 89897 9486, |¯e3| = |x3 − x2| = 0.000000 106. Valor de la aproximación x3 = 4. 89897 9, calculamos a = x3 − ² = 4. 89897 85, b = x3 + ² = 4. 89897 95. f(x3 − ²) = −0.00000 96565, f(x3 + ²) = 0.000000 1414. Vemos que se produce cambio de signo en los extremos del intervalo [x3 − ², x3 + ²] , por lo tanto α ∈ (x3 − ², x3 + ²) , así pues |e3| = |α − x3| ≤ ². ¤ 3 Orden de convergencia 3.1 Definiciones Sea (xj) una sucesión de aproximaciones de α x0, x1, x2, . . . , xj, . . . −→ α y (ej) la sucesión de errores |ej| = |α − xj| .
  • 11. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 11 Definición 3.1 (Orden de convergencia) Supongamos que la sucesión (xj) converge al valor α. Decimos que la sucesión converge a α con or- den de convergencia r > 0, si existe una constante A > 0 tal que lim j→∞ |ej+1| | ej|r = A. La constante A se llama constante asintótica de error. Si r = 1, la convergencia se llama lineal y, para j suficiente grande, es |ej+1| ' A |ej| . Si r = 2, la convergencia se llama cuadrática y, para j suficiente grande, se cumple |ej+1| ' A |ej|2 . Observamos que si una sucesión tiene convergencia cuadrática, a partir de un cierto momento, el número de decimales exactos se duplica a cada paso. 3.2 Orden de convergencia del Método de Newton-Raphson Definition 1 (Cero simple) La función f(x) tiene una raíz (cero) simple en x = α si se cumple f(α) = 0, f0 (α) 6= 0. Proposición 3.1 (Convergencia en ceros simples) Supongamos que el método de Newton-Raphson genera una sucesión (xj) que converge a un cero α de la función f(x). Si α es un cero simple, entonces la convergencia es cuadrática y, para j suficiente grande, se cumple |ej+1| ' |f00(α)| 2 |f0(α)| |ej|2 . (1) Ejemplo 3.1 Convergencia cuadrática. Consideremos la ecuación x2 − 30 = 0, cuya solución con 12 decimales es α = 5. 47722 55750 52. La iteración de Newton-Raphson, con valor inicial x0 = 5, es ⎧ ⎨ ⎩ x0 = 5, xj+1 = xj − x2 j − 30 2xj .
  • 12. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 12 Si tenemos en cuenta la fórmula (1), el valor de la constante asintótica de error es A = |f00(α)| 2 |f0(α)| = ¯ ¯ ¯ ¯ 1 2α ¯ ¯ ¯ ¯ Podemos estimar el valor de A, tomando α ' 5, entonces A ' 1 10 = 0.1 y, por lo tanto, |ej+1| ' 0.1 |ej|2 . Si en un paso tenemos t decimales exactos, cabe esperar que en el siguiente tengamos aproximadamente 2t. Resultan las siguientes aproximaciones y errores j xj |ej| = |α − xj| |ej+1| |ej|2 0 5.0 0. 47722 55750 52 9. 99999 99998 37 × 10−2 1 5. 5 0.0 22774 42494 8 9. 09090 90784 28 × 10−2 2 5. 47727 27272 73 0.0000 47152 221 9. 13044 04830 45 × 10−2 3 5. 47722 55752 55 2. 03 × 10−10 4 5. 47722 55750 52 0 El valor de la constante asintótica de error es A = |f00(α)| 2 |f0(α)| sustituyendo α = 5. 47722 55750 52, resulta A = 0.09 12870 92917 5. ¤ 4 Método de punto fijo 4.1 Punto fijo Definición 4.1 (Punto fijo) Decimos que α es un punto fijo de la función g(x) si se cumple g(α) = α. Ecuación en ⎧ ⎨ ⎩ forma normal f(x) = 0. forma de punto fijo x = g(x). Ejemplo 4.1 Escribe la ecuación cos(x) − x = 0 en forma de punto fijo.
  • 13. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 13 La ecuación cos(x) − x = 0 está en forma normal. Existen infinitas expre- siones de punto fijo equivalentes, en primer lugar, podemos tomar x = cos(x). (2) Sumando x a ambos lados de la igualdad y despejando, resulta una nueva formulación de punto fijo x = x + cos(x) 2 . Sumando 2x a los dos miembros de (2), se obtiene x = 2x + cos(x) 3 . Multiplicado por x los dos miembros de (2) por x y despejando, resulta x = p x cos(x). ¤ 4.2 Iteración de punto fijo • Objetivo Aproximar la solución de x = g(x). • Método ½ x0 = valor inicial, xj+1 = g(xj). Proposición 4.1 Supongamos que g(x) es continua, si la sucesión (xj) de- finida por ½ x0 = valor inicial, xj+1 = g(xj), converge a un valor α, entonces α es un punto fijo de g(x). Demostración. Se cumple lim j→∞ xj = α, como g(x) es continua, resulta g(α) = g µ lim j→∞ xj ¶ = lim j→∞ g(xj) = lim j→∞ xj+1 = α. ¤ Ejemplo 4.2 (a) Aproxima la solución de cos(x) − x = 0 con 5 decimales, mediante la iteración de punto fijo para la forma x = x + cos(x) 2
  • 14. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 14 a partir del valor inicial x0 = 1. (b) Si escribimos la ecuación en la forma x = 2x + cos(x) 3 , ¿cuántas iteraciones son necesarias para obtener 5 decimales? (a) En el primer caso, la fórmula de recurrencia es ⎧ ⎨ ⎩ x0 = 1, xj+1 = xj + cos(xj) 2 . Resulta j xj 0 1.0 1 0. 77015 2 0. 74398 3 0. 73988 4 0. 73921 5 0. 73911 6 0. 73909 7 0. 73909 (b) En el caso de la forma x = 2x + cos(x) 3 , la fórmula de recurrencia es ⎧ ⎨ ⎩ x0 = 1, xj+1 = 2xj + cos(xj) 3 , y obtenemos j xj 0 1.0 1 0. 84677 2 0. 78531 3 0. 75926 4 0. 74796 5 0. 74300 6 0. 74081 7 0. 73985 j xj 8 0. 73942 9 0. 73923 10 0. 73915 11 0. 73911 12 0. 73910 13 0. 73909 14 0. 73909 Vemos que en el segundo caso la convergencia es más lenta. ¤
  • 15. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 15 4.3 Convergencia de la iteración de punto fijo Teorema 4.1 Supongamos que se cumplen las siguientes hipótesis: 1. g(x) es una función de clase C1[a, b]. 2. g(x) ∈ [a, b] para todo x ∈ [a, b]. 3. max x∈[a,b] |g0(x)| = M1 < 1. Entonces, son ciertas las siguientes afirmaciones: 1. La ecuación x = g(x) tiene solución única α en [a, b]. 2. La iteración de punto fijo xj+1 = g(xj) converge a la solución α para cualquier valor inicial x0 ∈ (a, b). 3. El error ej = α − xj, verifica la desigualdad |ej| ≤ Mj 1 (b − a) . Ejemplo 4.3 Dada la ecuación x = cos(x), (a) Demuestra que tiene solución única en [0, 1]. (b) Determina el número de iteraciones necesarias para asegurar 4 decimales exactos mediante la iteración de punto fijo. (c) Calcula las 5 primeras iteraciones a partir de x0 = 0.5. (a) Veamos que la función g(x) = cos(x) cumple las condiciones del teorema. • (Condición 1) g(x) es continua con derivada continua en todo R, por lo tanto, es de clase C1[0, 1]. • (Condición 2) g(x) es decreciente en el intervalo [0, 1]. El máximo y mínimo absolutos de g(x) en [0, 1] son m = min x∈[0,1] cos(x) = cos(1) = 0. 5403, M = max x∈[0,1] cos(x) = cos(0) = 1, por lo tanto, cuando x toma valores en [0, 1], g(x) toma valores en [0.5403, 1] ⊂ [0, 1]. • (Condición 3) La derivada es g0(x) = − sin(x). Hemos de calcular M1 = max x∈[0,1] ¯ ¯g0 (x) ¯ ¯ . La función objetivo es h(x) = |− sin(x)| = sin (x) , sabemos que sin(x) es creciente en [0, 1], por lo tanto M1 = max x∈[0,1] ¯ ¯g0 (x) ¯ ¯ = sin (1) = 0. 84147.
  • 16. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 16 En consecuencia, podemos asegurar que existe un único punto fijo en el intervalo [0, 1] y que la iteración de punto fijo converge a él para todo valor inicial x0 ∈ (0, 1) . (b) El error cumple |ej| ≤ (0. 84147)j (1 − 0) = (0. 84147)j . Exigimos (0. 84147)j ≤ 0.5 × 10−4 y resolvemos en j, resulta j ≥ ln ¡ 0.5 × 10−4 ¢ ln (0. 84147) = 57. 377. Esto es, necesitamos j = 58 iteraciones. (c) El valor de las primeras 5 iteraciones es j xj 0 0.5 1 0. 87758 2 0. 63901 3 0. 80269 4 0. 69478 5 0. 76820 Si calculamos con 6 decimales, el valor de la iteración 58 es x58 = 0.739085. En realidad, la cota de error es muy conservadora, pues el método ya había convergido con 4 decimales en la iteración 24. ¤ 4.4 Forma de punto fijo x = x − λf(x) Consideremos una ecuación f(x) = 0 que tiene una raíz α en el intervalo [a, b]. Para todo valor de λ, la expresión x = x − λ f(x) es una formulación equivalente en forma de punto fijo x = g(x) con g(x) = x − λ f(x)
  • 17. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 17 Es inmediato comprobar la raíz α de f(x) es un punto fijo de g(x). La derivada de g(x) es g0 (x) = 1 − λf0 (x). Puede demostrarse que si ¯ ¯g0 (α) ¯ ¯ ≤ 1, entonces la iteración de punto fijo es convergente para valores iniciales x0 suficiente próximos a α, además, la velocidad de convergencia aumenta con la disminución de |g0(α)| . Eso nos llevaría a elegir, entre todos los posibles valores de λ, aquel valor que minimize |g0(α)|. En concreto tomamos el valor de λ que anula g0(α), esto es g0 (α) = 1 − λf0 (α) = 0, resulta el valor λ = 1 f0(α) . El problema está en que no conocemos α y, por lo tanto, no podemos calcular λ. Un método práctico para determinar λ es el siguiente: 1. Sabemos que el intervalo [a, b] contiene la solución α. Estimamos f0 (α) ' f(b) − f(a) b − a . 2. Tomamos λ = 1 ³ f(b)−f(a) b−a ´. En resumen, el método es ⎧ ⎨ ⎩ x0 = valor inicial, xj+1 = xj − b − a f(b) − f(a) f(xj). Ejemplo 4.4 Aproxima la solución de ln x = 1 x con 4 decimales, usando una formulación de punto fijo del tipo x = x − λ f(x).
  • 18. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 18 A partir de una representación gráfica esquemática, tomamos el intervalo [1, 2]. Escribimos la ecuación en forma normal f(x) = 0, entonces f(x) = ln (x) − 1 x . Calculamos f(1) = −1, f(2) = 0. 1931. Por el Teorema de Bolzano, tenemos una raíz α en el intervalo [1, 2]. Esti- mamos el valor de f0(α) f0 (α) ' f(2) − f(1) 2 − 1 = 1. 1931, y calculamos λ λ = 1 f0(α) ' 1 1. 1931 = 0. 8382. La fórmula de recurrencia es, por lo tanto, ⎧ ⎨ ⎩ x0 = 1.5, xj+1 = xj − 0. 8382 µ ln (xj) − 1 xj ¶ . Obtenemos j xj 0 1.5 1 1. 71893 9 2 1. 75250 6 3 1. 76052 3 4 1. 76253 7 5 1. 76304 8 6 1. 76317 8 7 1. 76321 1 8 1. 763220 9 1. 76322 2 Podemos tomar α = 1.7632. ¤ Ejemplo 4.5 Calcula la solución de x = cos(x) con 4 decimales usando una formulación de punto fijo del tipo x = x − λ f(x).
  • 19. Francisco Palacios Tema 5: Resolución aproximada de ecuaciones. 19 A partir de un esquema gráfico, tomamos el intervalo [0, 1]. Escribimos la ecuación en la forma f(x) = 0 con f(x) = x − cos(x). Calculamos f(0) = −1, f(1) = 0. 45970. Por el Teorema de Bolzano, tenemos una raíz α en el intervalo [0, 1]. Esti- mamos el valor de f0(α) f0 (α) ' f(1) − f(0) 1 − 0 = 1. 45970, y calculamos λ λ = 1 f0(α) ' 1 1. 45970 = 0. 6851. La fórmula de recurrencia es, por lo tanto, ½ x0 = 0.5, xj+1 = xj − 0.6851 (xj − cos (xj)) . Obtenemos j xj 0 0.5 1 0. 758681 2 0. 736115 3 0. 739518 4 0. 739021 5 0. 739094 6 0. 739083 7 0. 73908 3 Podemos tomar ¯α = 0.7391 ¤