Professional Documents
Culture Documents
Índice
1. Introducción 3
4. Método de bisección 6
1. Introducción
El cálculo de raíces de una ecuación es uno de los problemas matemáticos que ha recibido un
tratamiento más preferente a lo largo de la historia (de hecho, ha motivado la aparición de diferentes
tipos de números).
Son numerosos los problemas de ingeniería, de la técnica y, en general, de la ciencia, que pueden
formularse en forma de ecuación: problemas de optimización, construcción de cuadraturas o mode-
lados mediante ecuaciones diferenciales, etc. Todos ellos precisan de la resolución de ecuaciones.
El objetivo de este tema es presentar y analizar métodos iterativos para resolver la ecuación
f (x) = 0, (1)
siendo f una función real de variable real. Así, una raíz o solución de (1) será cualquier valor α ∈ R
que satisfaga f (α) = 0.
La mayoría de los métodos de aproximación desembocan en los llamados procesos iterativos en
los que, de alguna forma, se determinan unos valores x1 , x2 , . . . , xn . . ., llamados iteraciones, y se
espera que, bajo ciertas condiciones de regularidad, las iteraciones converjan a la solución, esto es,
lı́mn→∞ xn = α.
El uso de un método iterativo plantea numerosos problemas teóricos y prácticos:
✑ Cómo se construyen dichos métodos.
Definición 1 (Errores absoluto y relativo) Sea α̃ una aproximación de un valor real α. Llamamos
error absoluto a la expresión
|α − α̃|,
mientras que el error relativo viene dado por
|α − α̃|
.
|α|
4 Métodos Numéricos
Definición 2 (Cifras significativas) Se dice que un valor α̃ aproxima a α con k cifras significa-
tivas o dígitos significativos si k ∈ Z, k > 0, es el mayor entero positivo tal que
|α − α̃|
< 5 · 10−k .
|α|
Definición 3 (Velocidad de convergencia) Sea (αn ) ⊂ R una sucesión tal que αn → α. Se dice
que (αn ) converge a α con rapidez de convergencia O(βn ), donde (βn ) ⊂ R es tal que βn 6= 0,
para cualquier n ∈ N, si existe una constante positiva C, independiente de n, tal que
|αn − α|
≤ K,
|βn |
para un n suficientemente grande. Esto también suele expresarse escribiendo αn = α + O(βn ).
Definición 4 (orden de convergencia) Se dice que la sucesión (xn ) converge a α con orden p si
existe una constante C > 0 tal que
Teorema 1 (de Bolzano) Sea f ∈ C([a, b]) tal que f (a)f (b) < 0. Entonces existe α ∈ (a, b) tal que
f (α) = 0.
Teorema 2 (de Rolle) Sea f ∈ C([a, b]) y derivable en (a, b). Si f (a) = f (b) entonces existe α ∈
(a, b) tal que f ′ (α) = 0.
Ejemplo 1 Consideremos un ejemplo que tuvo gran aplicación práctica en los primeros años del
desarrollo de los computadores, cuando las máquinas no tenían implementada la división. Éste
consiste en construir un método eficiente para calcular 1/a, a > 0.
x1 X
x0 1/a
1
f (x) = a − = 0.
x
Supongamos que x0 es una aproximación de 1/a. Tracemos una recta tangente a la gráfica y = f (x)
en el punto (x0 , f (x0 )). El punto de corte de esta recta con el eje de abscisas será un punto x1 :
xn+1 = xn (2 − axn ), n ≥ 0.
1 1 1
en = − xn =⇒ en+1 = − xn+1 = − xn (2 − axn ) = 2e2n ;
a a a
de aquí que
(ae0 )2 (1 − ax0 )2
n n
2 2n+1
aen+1 = (aen ) = (ae0 ) =⇒ en = = .
a a
En consecuencia,
en → 0 ⇐⇒ |1 − ax0 | < 1,
es decir, para que la sucesión converja a 1/a hemos de elegir 0 < x0 < 2/a. El error relativo en la
iteración n + 1–ésima viene dado por
2
en+1 ae2 en
= n = ,
1/a 1/a 1/a
1) Cuando |f (xn )| < ε, con ε > 0 suficientemente pequeño. Este criterio no es fiable, pues podría
ocurrir que f (xn ) estuviese muy próximo a cero y xn alejado de α.
1
|xn+1 − xn | = −→ 0, pero xn −→ +∞.
n+1
4. Método de bisección
Sea f ∈ C([a, b]) tal que f (a)f (b) < 0. Este método se basa en hallar α ∈ (a, b) raíz de f
determinando una sucesión de subintervalos, cada uno de ellos con longitud la mitad de la del
precedente y, al menos uno de los dos, conteniendo un cero de f . Para ello, hacemos
f (x0 ) = 0 =⇒ α = x0 ,
a0 + b0
a0 = a, b0 = b, x0 = =⇒ f (a0 )f (x0 ) < 0 =⇒ a1 = a0 , b1 = x0 ,
2
f (a0 )f (x0 ) > 0 =⇒ a1 = x0 , b1 = b0 .
Teorema 3 Sea f ∈ C([a, b]) tal que f (a)f (b) < 0. Entonces el método de bisección genera una
sucesión (xn ) que aproxima a α satisfaciendo
b−a
|xn − α| ≤ , n ≥ 1.
2n
Demostración. Tenemos que
bn−1 − an−1 b−a an + bn
bn − an = = · · · = n y xn = .
2 2 2
Por tanto,
an + bn an + bn an − bn b − a
|xn − α| = − α ≤ − bn = = ,
2 2 2 2n
es decir, (xn ) converge a α con una rapidez de convergencia O(2−n ).
g(x) = x. (2)
La ecuación (2) puede considerarse como una transformación de (1); basta con hacer f (x) = g(x)−x.
Toda solución de (2) se llama punto fijo de g.
De forma inmediata, (2) sugiere la construcción de las aproximaciones xn+1 = g(xn ). Así, el
algoritmo consiste en
x2 = g(x1 )
x1 = g(x0 )
X
x1 α x2 x0
Convergencia
En primer lugar, enunciemos un resultado relativo a la existencia de solución de la ecuación (2):
Lema 1 Sea g ∈ C([a, b]) tal que g(x) ∈ [a, b], para cualquier x ∈ [a, b]. Entonces la ecuación (2)
posee una solución α ∈ [a, b].
Demostración. Definamos f (x) = x − g(x) y supongamos que g([a, b]) ⊂ [a, b]. Si g(a) = a o g(b) = b,
la existencia de punto fijo es obvia. En caso contrario, al ser f (a) = a−g(a) < 0 y f (b) = b−g(b) > 0,
gracias al teorema de Bolzano, tenemos garantizada la existencia de α ∈ (a, b) tal que f (α) = 0, es
decir, g(α) = α.
Entonces
b) La sucesión definida por xn+1 = g(xn ) converge al punto fijo, para cualquier x0 ∈ [a, b].
λn
c) |α − xn | ≤ |x0 − x1 |, para cualquier n ≥ 0.
1−λ
α − xn+1
d) lı́m = g′ (α).
n→∞ α − xn
Demostración.
a) En vista del lema 1, la existencia es inmediata. Para probar la unicidad, basta con proceder por
reducción al absurdo.
b) Por hipótesis, tenemos que xn ∈ [a, b], para cualquier n ≥ 0. Aplicando ahora el teorema del
valor medio,
d) Para demostrar este apartado, es suficiente con aplicar el teorema fundamental del límite para
la sucesión (xn ). En efecto,
g(x) − g(α) g(xn ) − g(α) xn+1 − α
g′ (α) = lı́m = lı́m = lı́m .
x→α x−α n→∞ xn − α n→∞ xn − α
Las hipótesis de convergencia del teorema anterior no son fáciles de demostrar en la mayoría en los
casos. Sin embargo, pueden debilitarse para un obtener un resultado de convergencia local:
Teorema 5 (de convergencia local) Sea α una solución de x = g(x), y supongamos que g es con-
tinuamente diferenciable en un entorno de α, siendo |g′ (α)| < 1. Entonces existe un entorno de la
solución, (α − ε, α + ε), tal que la sucesión definida por el método del punto fijo converge a α, para
cualquier x0 ∈ (α − ε, α + ε).
Una consecuencia inmediata de los resultados anteriores es que si 0 < g′ (α) < 1, xn → α de
forma monótona. En caso de que sea −1 < g′ (α) < 0, nos encontramos ante el hecho de que las
subsucesiones de términos pares, (x2n ), e impares, (x2n+1 ), son monótonas, siendo x2n ≤ α ≤ x2n+1
o x2n+1 ≤ α ≤ x2n , para cualquier n ≥ 0; esto depende de la elección del valor inicial x0 .
Ejemplo 3 Del teorema de la convergencia global se deduce una estimación del error. De este modo,
si λ = 0, 999, la convergencia será lenta, mientras que si λ = 0, 1, la convergencia va a ser más rápida.
Si deseamos obtener una precisión del orden de 10−5 , tenemos por un lado que
0, 999n
0, 1 < 10−5 ⇐⇒ 0, 999n < 10−7 ⇐⇒ n log 0, 999 > −7 ⇐⇒ n > 16,110 iteraciones.
0, 001
Procediendo de forma totalmente análoga para λ = 0, 1, se obtiene n > 5, es decir, habría que
realizar, al menos, 6 iteraciones.
Tema 1: Resolución de ecuaciones no lineales 9
10 ≤ |g1′ (x)| = |1 − 3x2 − 8x| < 27, para cualquier x ∈ [1, 2],
5
−2 − 2
g2′ (x)=r x ∈
/ C([1, 2]),
10
− 4x
x
p p
pues sólo está definida en el intervalo [1, 5/2). Como 5/2 ≈ 1, 58114 y f (1, 58) ≈ 3, 929912
p > 0,
sabemos que α ∈ (1, 1, 58); es más, g2′ es una función estrictamente decreciente en [1, 5/2), de
modo que el hecho de que g2′ (1) ≈ −2, 85774 implica de inmediato que g2′ (α) < −1, esto es, el
método va a divergir.
Finalmente, se puede comprobar fácilmente g3 , g4 ∈ C 1 ([1, 2]), siendo
r 3/2
5 1 (6x + 8)(x3 + 4x2 − 10)
g3′ (x) =− , g4′ (x) = .
2 x+4 (3x2 + 8x)2
√
Las funciones√g3′ y g4′ son estrictamente crecientes en el intervalo [1, 2], y como g3′ (1) = − 2/10
y g3′ (2) = − 15/36, y g4′ (1) = −70/121 y g4′ (2) = 5/14, podemos afirmar que |gk′ (α)| < 1 para
k = 3, 4; por consiguiente, el método de punto fijo convergerá para las funciones g3 y g4 .
A continuación se exponen los resultados obtenidos con el programa Mathematica 5.1 al aplicar
el método del punto fijo con las funciones anteriores y tomando x0 = 1, 5:
g3[x_]:=Sqrt[10/(x+4)]
N[FixedPointList[g3,1.50000000000000000000000,15],18]
{1.50000000000000000,1.34839972492648417,1.36737637199128288,1.36495701540248702,
1.36526474811344211,1.36522559416052501,1.36523057567343384,1.36522994187818320,
1.36523002251556846,1.36523001225612206,1.36523001356142529,1.36523001339535234,
1.36523001341648170,1.36523001341379342,1.36523001341413545,1.36523001341409193}
g4[x_]:=x-(x^3+4x^2-10)/(3x^2+8x)
N[FixedPointList[g4,1.50000000000000000000000,15],18]
{1.50000000000000000,1.37333333333333333,1.36526201487462662,
1.36523001391614665,1.36523001341409685,1.36523001341409685}
Obsérvese que, aunque el método converge con ambas funciones, lo hace más rápidamente con
g4 . Esto se debe a que, en realidad, en este último caso, hemos aplicado el método de Newton, que
estudiaremos más adelante.
10 Métodos Numéricos
Teorema 6 Sean la ecuación x = g(x) y α una solución que puede obtenerse como límite de la
sucesión xn+1 = g(xn ). Si g es p–veces diferenciable y tal que g′ (α) = · · · = gp−1) (α) = 0 y
gp) (α) 6= 0, entonces la sucesión converge con orden p.
La demostración de este resultado se basa en aplicar el teorema de Taylor, de forma totalmente
análoga a la anterior.
La convergencia será, en general, lineal, salvo cuando sea m = 1/f (α), en cuyo caso la convergencia
será cuadrática. Sin embargo, si no podemos determinar de forma exacta la solución α, no podremos
hallar el parámetro m.
a x0
α x2 X
x1 b
2) Haciendo uso del polinomio de Taylor. Así, sea f ∈ C 2 ([a, b]) y supongamos que α ∈ [a, b] es tal
que f (α) = 0. Entonces sabemos que existe ε > 0 tal que
f ′′ (ξ(x))
f (x) = f (x0 ) + f ′ (x0 )(x − x0 ) + (x − x0 )2 ,
2
con x0 ∈ (α − ε, α + ε) fijo y para cualquier x ∈ (α − ε, α + ε). El método de Newton se deduce
suponiendo que el término cuadrático de la siguiente expresión es despreciable, esto es,
f ′′ (ξ(α))
f (α) = 0 =⇒ f (x0 ) + f ′ (x0 )(α − x0 ) + (α − x0 )2 = 0
| 2 {z }
≈0
f (x0 )
=⇒ f (x0 ) + f ′ (x0 )(α − x0 ) ≈ 0 =⇒ α ≈ x0 − .
f ′ (x0 )
Esta aproximación nos conduce de forma inmediata a (3).
3) Sea f ∈ C 1 ([a, b]) con f ′ (x) 6= 0, para cualquier x ∈ [a, b]. Deseamos construir un método
iterativo que resuelva la ecuación
con h(x) 6= 0, para cualquier x ∈ [a, b]. Intentemos determinar la función h con el fin de obtener
una buena convergencia; para ello, supongamos que g′ (α) = 0, esto es, impongamos convergencia
cuadrática en el método de punto fijo:
1
g′ (x) = 1 + h′ (x)f (x) + h(x)f ′ (x) =⇒ g′ (α) = 1 + h(α)f ′ (α) =⇒ h(α) = − .
f ′ (α)
Consideremos pues h(x) = −1/f ′ (x); entonces la ecuación f (x) = 0 se transforma en la ecuación
de punto fijo
f (x)
x =x− ′ .
f (x)
Así, el método de Newton consiste en
Ejemplo 5 Sean f (x) = sen x y α = 0. Sabemos que f es analítica, es decir, f ∈ C ∞ (R). Es más,
f ′ (x) = cos x 6= 0 en R \ { 2k+1
2 π}, k ∈ Z. Consideremos el intervalo [−π, π]; entonces, en virtud del
teorema anterior, tenemos garantizada la existencia de 0 < ε < π/2 tal que el método de Newton
converge, cualquiera que sea x0 ∈ (−ε, ε).
a x1
α b = c = x0
f (c)
f ′ (c)
Entonces, cualquiera que sea x0 ∈ [a, b], la sucesión (xn ), dada por el método de Newton, está bien
definida y converge hacia la única solución α de f (x) = 0 en el intervalo [a, b].
Tema 1: Resolución de ecuaciones no lineales 13
Nota 2 La demostración de este resultado es larga y tediosa. No obstante, podemos hacer algunos
comentarios. En primer lugar, la existencia y unicidad de solución se deduce directamente de las
hipótesis a) y b). Por otro lado, c) implica que f siempre es cóncava o convexa, es decir, f ′ siempre
es creciente o decreciente en el intervalo [a, b].
La hipótesis d) asegura que la sucesión construida sea tal que (xn ) ⊂ [a, b]. A priori, d) implica
que la tangente a la curva en el punto x = c corta al eje de abscisas en un punto del intervalo (a, b).
Comprobémoslo en uno de los cuatro casos que pueden darse: supongamos que f ′ > 0 en [a, b],
o sea, f es estrictamente creciente, y que f ′′ (x) ≤ 0, para cualquier x ∈ [a, b], es decir, que f ′ es
decreciente.
En este caso es c = b. Considerando el peor de los casos para el valor inicial, x0 = b = c,
obsérvese que x1 ∈ (a, α). Se puede demostrar sin dificultad que, en realidad, (xn )n≥1 ⊂ (a, α). Es
más, la sucesión es monótona creciente.
En la práctica este método no es bueno, pues en la mayoría de los casos no podremos conocer el
valor de m. Se puede aplicar, por ejemplo, en aquellos casos en los que la función presenta dos raíces
muy próximas, siendo m = 2 y obteniéndose convergencia cuadrática.
14 Métodos Numéricos
Este método tendrá convergencia lineal, salvo en el caso de que m = f ′ (α) (todo esto bajo ciertas
hipótesis).
Si consideramos m ≈ f ′ (α) entonces, aunque la convergencia no sea cuadrática, sí será más
“rápida” que la convergencia lineal.
En lugar de tomar m constante, procedamos como sigue:
f (xn−1 )
xn = xn−1 − , 1 ≤ n ≤ N;
f ′ (x0 )
f (xN +k−1 )
xN +k = xN +k−1 − , 1 ≤ k ≤ p;
f ′ (xN )
f (xN +p+k−1)
xN +p+k = xN +p+k−1 − , 1 ≤ k ≤ p;
f ′ (xN +p )
..
.
f (xn ) − f (xn−1 )
f ′ (xn ) ≈ .
xn − xn−1
Se puede probar, bajo unas hipótesis análogas a las del teorema 8, que este método converge de
forma intermedia entre la convergencia lineal y la cuadrática.
Nótese que, a priori, se precisan dos datos iniciales, esto es, x0 y x1 , ya que cada iteración es
función de las dos iteraciones anteriores. Así,
xn − xn−1
xn+1 = xn − f (xn ) , n ≥ 1,
f (xn ) − f (xn−1 ) (6)
x , x ∈ [a, b] a elegir.
0 1
Como puede observarse en la figura, el punto xn+1 se obtiene como intersección de la recta que
1 f (x) − f (xn )
Recuérdese que f ′ (xn ) = lı́m .
x→xn x − xn
Tema 1: Resolución de ecuaciones no lineales 15
f (xn )
xn−1 xn
α xn+1
f (xn ) − f (xn−1 )
φ
f (xn−1 )
xn − xn−1
pasa por los puntos (xn−1 , f (xn−1 )) y (xn , f (xn )) y el eje de abscisas. Es más, tg φ = f (xxnn)−f (xn−1 )
−xn−1 .
El método de la secante se define de forma totalmente análoga al regula–falsi, pero de forma menos
restrictiva, es decir, no se suponen hipótesis similares a las del teorema 8, con lo que, dependiendo
del valor inicial que se tome, el método puede converger o no.
6.4. Ejemplos
Apliquemos los métodos descritos en esta sección haciendo uso del programa Mathematica. A
lo largo de toda esta sección, denotaremos el error relativo por en = |xn − xn−1 |/|xn−1 |.
Clear[x] x[0]=4.000000000000000000000000000000000000;
x[n_]:=x[n]=x[n-1]-f[x[n-1]]/f’[x[n-1]] Do[Print[i," ",x[i]],{i,5}]
1 6.1201584866543389173540067429031101
2 238.4042764540764682294778802413307
3 1957.264195711028898321578958701
4 725239.3819366419888317550
16 Métodos Numéricos
15
10
-5
5 4.289816819601354789*10^6
Nótese que con este valor inicial el método diverge. En vista de la gráfica de la función, consi-
deremos un valor inicial más próximo a la solución, a saber, x0 = 4, 5:
Clear[x] x[0]=4.500000000000000000000000000000000000;
x[n_]:=x[n]=x[n-1]-f[x[n-1]]/f’[x[n-1]] Do[Print[i," ",x[i]],{i,5}]
1 4.49361390274320323572908525209126318
2 4.49340965501324775209504771410839033
3 4.49340945790924739052966736803579803
4 4.4934094579090641753078810855847267
5 4.4934094579090641753078809272803221
El error relativo cometido se calcula haciendo uso de las dos últimas iteraciones:
|x5 − x4 |
e5 = = 3, 52303537 · 10−26 .
|x4 |
50
40
30
20
10
En vista de los resultados obtenidos, sabemos que el método converge, pero lo hace muy len-
tamente: e10 = 0, 00005729293214998. Consideremos otro punto inicial más próximo a la solución;
por ejemplo, x0 = 1:
Clear[x] x[0]=1.000000000000000000000000000; x[n_]:=x[n]=x[n-1]-f[x[n-1]]/f’[x[n-1]]
Table[N[x[i],20],{i,10}]
f (α) = 0 =⇒ (7 cos α − 3 sen α) = 0 =⇒ f ′ (α) = −2(7 cos α − 3 sen α)(7 sen α − 3 cos α) = 0.
Ahora bien, como f ′′ (x) = −8(2 cos x − 5 sin x)(5 cos x + 2 sin x), f ′′ (α) 6= 0, de manera que α es
una raíz con multiplicidad m = 2. Apliquemos pues el método de Newton con multiplicidad:
Clear[x] x[0]=N[0.50000000000000000000000000000000000000000000000000000,50];
x[n_]:=x[n]=x[n-1]-2f[x[n-1]]/f’[x[n-1]] Do[Print[i," ",x[i]],{i,5}]
1 1.2856096537494177068685452861763586341373877234974
2 1.165329480139397094397832159720292220292896104938
3 1.165904540573202958035506446214737610341847208514
4 1.16590454050981319591924876263022391999050783882
5 1.16590454050981319591924876263030882554669806350
f (xn−1 ) f (xL+k−1 )
xn = xn−1 − , 1 ≤ n ≤ L = 4; xL+k = xL+k−1 − .
f ′ (x0 ) f ′ (xL )
1 4.4936139027432032357290852520912632
2 4.4934217658968040670963689102408993
3 4.4934102093557890647066163893717958
18 Métodos Numéricos
4 4.493409503826031207307146236370975
5 4.493409457909074118281219584833311
6 4.493409457909064175312187078323493
7 4.49340945790906417530788092914525
8 4.49340945790906417530788092728032
9 4.49340945790906417530788092728032
10 4.4934094579090641753078809272803
Con 10 iteraciones se tiene que e10 < 10−33 , mientras que e8 = 2, 66418 · 10−28 .
Ejemplo 10 (Regula–Falsi) Siguiendo con el caso anterior, veamos qué resultados se obtienen al
realizar la aproximación haciendo uso de este método iterado:
dn+1 = g′ (α + θn dn )dn .
(xn+1 − xn )2
x̂n = xn − .
xn+2 − 2xn+1 + xn
Tema 1: Resolución de ecuaciones no lineales 19
Teorema 11 Sea (xn ) una sucesión convergente a α y tal que las cantidades dn = xn − α satisfacen
donde A ∈ R es tal que |A| < 1, y la sucesión (εn ) converge a cero. Entonces existe n0 tal que,
cualquiera que sea n ≥ n0 , la sucesión (x̂n ) generada por el algoritmo ∆2 de Aitken a partir de (xn )
está bien definida y converge hacia α más rápidamente que (xn ), en el sentido de que
xn − α
lı́m = 0.
n→∞ x̂n − α
donde N (x) = g(g(x)) − 2g(x) + x. Por otro lado, (x(k) ) es la sucesión que se obtiene aplicando el
método de punto fijo a la función
[g(x) − x]2
x− , si N (x) 6= 0,
G(x) = N (x)
x, si N (x) 6= 0.
2) G(α) = α.
3) G es de clase C 2 en un entorno de α.
4) G ′ (α) = 0.
Una consecuencia inmediata de este resultado es la convergencia cuadrática del algoritmo de Stef-
fensen siempre que x(0) esté suficientemente próximo a α.
Teorema 13 Sea I un intervalo semi–infinito [a, +∞) y sea g una función tal que
1) g ∈ C 2 (I).
Entonces existe un único α ∈ I tal que α = g(α) y la sucesión generada por el procedimiento de
Steffensen converge hacia α siempre x(0) ∈ I.
y=x
g(a) − a
y = g(x)
α X
Tema 1: Resolución de ecuaciones no lineales 21
7.3. Un ejemplo
Retomemos el ejemplo 8 y apliquemos los algoritmos de Aitken y de Steffensen. Para ello,
recordemos que el método de Newton se definía como un método de punto fijo, donde la función de
punto fijo venía dada por g(x) = x−f (x)/f ′ (x). Apliquemos primeramente el método de Aitken; los
resultados aparecen en tres columnas, indicando el número de la iteración, la iteración de Newton
y la de Aitken:
Clear[x,y]
(*Método de Newton*)
x[0]=N[0.50000000000000000000000000000000000000000000000000000,50];
x[n_]:=x[n]=x[n-1]-f[x[n-1]]/f’[x[n-1]]
(*Algoritmo de Aitken*)
Clear[y];y[n_]:=x[n]-(x[n]-x[n-1])^2/(x[n]-2 x[n-1]+x[n-2])
11 1.165646722520784893211848589587944607558386323 1.165904540235617921308683605107006639317784703
12 1.165775631518155243224835648201508405951673850 1.16590454047553880861578347701839635971979377
13 1.165840086014341244373602150754990726395359357 1.16590454050552889819452879936147514037731820
14 1.16587231326212184824565635853818921676877286 1.1659045405092776587251654215747844041599318
15 1.16588842688597310059482629546207942326527306 1.1659045405097462537706604278838810279060748
16 1.1658964836978938455710833044105283742160998 1.1659045405098048281506962233766852730284170
17 1.1659005121038536079094217260192293591241323 1.165904540509812149948180351554529532555000
18 1.1659025263068334128098672049676913432546945 1.165904540509813065172865231756177747968026
19 1.165903533408323305726499478850633206582065 1.16590454050981317957595082191199060730351
20 1.165904036959068250993116807621027276362594 1.16590454050981319387633652006054867846616
Con 20 iteraciones, los errores relativos en el método de Newton y en el de Aitken vienen dados
por
(N )
e20 = 4, 31897434492903993234433037290212025325000767127741 · 10−7 ,
(A)
e20 = 1, 2265485896380034429993010055797593690242 · 10−17 .
Veamos qué ocurre con el procedimiento de Steffensen:
Clear[x,y]
(*Método de Newton*)
x[0]=N[0.50000000000000000000000000000000000000000000000000000,50];
x[n_]:=x[n]=x[n-1]-f[x[n-1]]/f’[x[n-1]]
(*Algoritmo de Steffensen*)
Clear [g]; g[x_]:=x-f[x]/f’[x]
y[0]=x[1];
y[n_]:=y[n]=g[g[y[n-1]]]-(g[g[y[n-1]]]-g[y[n-1]])^2/(g[g[y[n-1]]]-2g[y[n-1]]+y[n-1])
Do[Print[i," ",y[i]],{i,2,4}]
2 1.1659045112766164375140717895298234237642134160
3 1.165904540509813195919242517105502272261848215
4 1.1659045405098131959192487626303088255466981
(S)
En este caso es e4 = 5, 356806316083402764625756156377793 · 10−24 , es decir, la convergencia
es mucho más rápida que la del método de Aitken.