RaicesFunciones PDF

Captulo 3
SOLUCIN DE ECUACIONES NO-LINEALES, f(x) = 0

FIGURA 3.1 Resultados de algoritmos de Mtodos Numricos. Fuente: OMATRIXTM. Copyright 1994-2006 Harmonic Software Inc. http://www.omatrix.com/ La Teora de ecuaciones es una rama de las matemticas que estudia la naturaleza y la obtencin de las races de ecuaciones polinmicas, y de otros tipos, y de los mtodos de bsqueda de dichas races1. Dichos mtodos de bsqueda de las races de una ecuacin, generalmente, se denominan Mtodos Numricos2. El anlisis de la existencia, naturaleza y errores inherentes en la obtencin de las races de una ecuacin se llama Anlisis Numrico. Ambas disciplinas se han visto potenciadas con la aplicacin de la Teora de Algoritmos y de los desarrolos en hardware y software, a partir de mediados del siglo 20. La teora de ecuaciones tiene aplicaciones en todas las ramas de las matemticas, de las ciencias y de la Ingeniera3. Histricamente, se han desarrollado muy diversas categoras de ecuaciones. Un listado de tales categora incluye: Las ecuaciones polinmicas. Una ecuacin polinmica puede representarse mediante la siguiente forma general:
f(x) = a0 + a1x1+ a2x2+ ... anxn = 0
(3.1)
en donde a0, a1, ..., an se llaman los coeficientes, los cuales son nmeros cualesquiera, ya sea dentro del campo de los enteros (E), los reales (R) o los complejos (C). El grado de una ecuacin polinmica es igual al nmero entero positivo n, para el cual se cumple que an 0 . En otros trminos, el grado de una ecuacin polinmica corresponde al exponente de mayor valor en la ecuacin. Una raz, o un cero, de una ecuacin, es un valor de la x tal que al sustituir dicho valor en la ecuacin se obtiene f(x) = 0 (es decir, 0 = 0). El proceso de resolver una ecuacin f(x) = 0, consiste en encontrar todas las races de la funcin f(x), es decir sus ceros. Una ecuacin lineal es una ecuacin de primer grado que slo tiene una raz. La nica raz de la ecuacin lineal ax + b = 0 es x = -b/a. La ecuacin cuadrtica, o de segundo grado, ax2 + bx + c = 0, tiene dos races, dadas por la frmula siguiente:
x=
b b 2 4ac 2a
(3.2)
Las ecuaciones radicales son aquellas en las que la incgnita, x, est bajo un signo radical, como en el siguiente caso:
x 2 4 + 3x = 7
(3.3)
Las ecuaciones racionales son ecuaciones en las que aparecen cocientes de polinomios. Por ejemplo: 0
1 2
Dayton, Barry H.: Theory of Equations. Northeastern Illinois University Chicago, IL 60625, USA. October, 2004. www.neiu.edu/bhdayton/theq/. Cambridge University Press: NUMERICAL RECIPES IN C: THE ART OF SCIENTIFIC COMPUTING (ISBN 0-521-43108-5). Copyright (C) 1988-1992 by . Programs Copyright (C) 1988-1992 by Numerical Recipes Software. Permission is granted for internet users to make one paper copy for their own personal use. Further reproduction, or any copying of machinereadable files (including this one) to any server computer, is strictly prohibited. To order Numerical Recipes books or CDROMs, visit website http://www.nr.com. 3 Devlin, Keith: Why are equations important?, Center for the Study of Language and Information at Stanford University. Copyright 2005 The Mathematical Association of America (http://www.maa.org). // Gilbert, John: Lectures notes on Numerical Methods, Roots of equations, Lancaster university, 1998. // Rusin, Dave: The Mathematical Atlas, Diofantine equations, 2000, http://www.math-atlas.org/welcome.html.
_____________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 1 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ (3.4)
Se denominan ecuaciones exponenciales a aquellas ecuaciones en las cuales la incgnita, x, aparece en un exponente, como en el siguiente ejemplo: (3.5) Las ecuaciones trigonomtricas contienen funciones trigonomricas especficas. Por ejemplo: (3.6) Ecuaciones como la 3.1 a 3.6 sern el objetivo del presente captulo, en lo referente a su formulacin y los variados mtodos de solucin. Ecuaciones Diofantinas. Una ecuacin Diofantina es aquella en la cual slo se permiten soluciones en nmeros enteros. Este tipo de ecuaciones se conoce, en matemticas, desde muy antiguo, pero fue trs la obra del matemtico griego Diofanto de Alejandra (siglo III d.c.: 210 - 290) que comenzaron a llamarse Ecuaciones Diofantinas. La obra de Diofanto fue preservada por los rabes y traducida al latin en el siglo XVI. Desde entonces, muchos matemticos han realizado diveros tipos de solucin de las ecuaciones Diofantinas4.
Dentro de tal grupo de matemticos puede citarse a: Bhaskara, Fermat, Lagrange, Euler, Hilbert, Gauss, Thue, Baker, Peano, Pell, cuyos aportes han jalonado no slo el campo de las ecuaciones Diofantinas sino tambin el de otras reas de las matemticas. Diofanto inici el estudio sistemtico de las ecuaciones con coeficientes y soluciones enteras. Fue pionero en resolver ciertas ecuaciones algebraicas indeterminadas, es decir, ecuaciones en las cuales las variables toman valores en el campo de los enteros (positivos o negativos) y tienen un infinito pero enumerable conjunto de soluciones, como por ejemplo la ecuacin x+2y=3. Diofanto public sus resultados en el libro Aritmetica. De su obra Sobre nmeros poligonales slo se conocen algunos fragmentos; el libro Porismata se perdi. Para las ecuaciones Diofantinas lineales de la forma Ax + By = C el algoritmo de Euclides suministra una respuesta si la solucin existe (enteros x, y). Si D es el mximo comn divisor (MCD) de A,B, y D es divisor de C, entonces existe una solucin. Tmese, por ejemplo, la ecuacin 6x+15y = 12. El MCD de 6 y 15 es 3, y 12 es divisible exactamente por 3. Una solucin existe: x = -3, y =2 ( la cual da -18 + 30 = 12). Diofanto conoci y emple los numeros negativos y a l se atribuye la norma emprica de menos por menos da ms, y menos por ms da menos, aplicada en Aritmtica y en lgebra modernas. Sin embargo la notacin algebrica de Diofanto fue sustituida ms tarde, en el siglo XVII, por la que propuso el matemtico francs Francois Viete (1540 - 1603), que es la que se sigue actualmente. Sobre las ecuaciones Diofantinas de orden 2 y superiores se han realizado prolijos estudios, algunos de los cuales son5: Solucin de la ecuacin cuadrtica diofantina Ax2 + Bxy + Cy2 + Dx + Ey + F = 0, para la cual Lagrange en 1769 encontr un algoritmo completo. Ecuacin de Pell. Es un caso especial de la ecuacin cuadrtica diofantina de la forma x2 - Dy2 = N, donde D es un entero positivo que no es un cuadrado, N es un entero diferente de cero. Para el caso general de la ecuacin de Pell (cualquier ) hay por lo menos cinco buenos mtodos de solucin:: (1) - Bsqueda de Fuerza bruta, que
0
Weisstein , Eric W.: Diophantine Equation--2nd Powers, From MathWorld--A Wolfram Web Resource. http://mathworld.wolfram.com/DiophantineEquation2ndPowers.html . // Lahanas, Michael: Diophantus of Alexandria, 2005, http://mlahanas.de/. 5 Robertson, John P: 4Solving the equation ax2 + bxy + cy2 + dx + ey + f = 0. May 8, 2003. Vase: http://www.maths.nott.ac.uk/personal/jec/papers/index.html. Ver tambin: http://www.math.niu.edu/rusin/papers/research-math/legendre/. // Thien Do: Developing A General 2nd Degree Diophantine Equation x2 + p = 2n. Westmoore High School Science Department Oklahoma City, Oklahoma (USA). http://www.biochem.okstate.edu/OAS/OJAS/thiendo.htm.
4
__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 2 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ es la base de los otros mtodos; (2) - El algoritmo de Lagrange-Matthews-Mollin (LMM); (3) - Sistema de reducciones de Lagrange; (4) - El mtodo cclico; (5) - El uso de de formas cuadrticas binarias. Dificultades en la elaboracin de un algoritmo para resolver ecuaciones Diofantinas . Un ejercicio consistente en analizar una ecuacin Diofantina desde diversas perspectivas: x2 + 7 = 8 pn, con p primo. Qu es el Mtodo del descenso Infinito? (propuesto por Lagrange). El problema multigrados Tarry-Escott : dado un entero positivo n, hallar dos conjuntos de enteros a1, ..., ar y b1, ..., br, con r tan pequeo como sea posible, tal que suma (aj)k = suma (bj)k, para k = 1, 2, ..., n. Conjetura: r = n+1 para todo n. El problema multigrados (hallar conjuntos de enteros cuyas sumas sean iguales; sumas de cuadrados, sumas de cubos,...). Nueva solucin del problema Prouhet-Tarry-Escott para k=11; otras restricciones. Sugerido por el ordenamiento de nmeros en un torneo de baloncesto: resolver ab = c + d, cd = a + b en enteros. El rompecabeza Times : Hallar soluciones racionales para x3+y3 = 6. (una curva elptica) Cuestiones relativas a una conjetura de Erds: que 4/n = 1/x + 1/y + 1/z tiene solucin para todo nmero natural n. Soluciones para a6 + 5(a4)b + 6(a2)(b2) + b3 = 1 en enteros. Generar todas (pequeas) ternas Pitagricas Tringulos enteros con un ngulo de 120 grados Teorema de Runges: lmite en el nmero de soluciones para ciertas ecuaciones Diofantinas en dos variables Un par de ecuaciones se convierten en una sola ecuacin en enteros Gaussianos Ecuacin de Fermat . Resolver xn + d yn = c: Ecuacin de Thue6. Ecuaciones Diofantinas Exponenciales (e.g. 3x + 5y = yz+1 ). Completa parametrizacin de la superficie cbica de Fermat: w3 + x3 + y3 + z3 = 0. Este es un famoso problema Diofantino. Ecuaciones funcionales. Son aquellas en las cuales una funcin debe satisfacer ciertas relaciones entre sus valores en todos los puntos. Por ejemplo, se puede estar interesado en encontrar las funciones que satisfacen f(x*y)=f(x)+f(y) e indagar cundo la funcin logaritmo f(x)=log(x) es la nica solucin (en realidad, no lo es). En algunos casos, la naturaleza de la respuesta es diferente cuando se exige que la ecuacin funcional debe cumplirse para todos los valores reales del x, o para todos los valores complejos de x, o slo para los valores de x en ciertos dominios. Un caso especial es el de las ecuaciones diferenciales, es decir ecuaciones que comparan f(x) - f(x-1), por ejemplo, con algunas expresiones que involucran x y f(x). En alguna medida dichas ecuaciones son analogas discretas de ecuaciones diferenciales, por lo cual el anlisis es similar para determinar la existencia y unicidad de las soluciones, el comporatmiento global, y la eficiencia de los algoritmos y la estabilidad computacional. Ecuaciones Diferenciales. Una ecuacin diferencial es una ecuacin que involucra una funcin desconocida y una o ms de sus derivadas. Las ecuaciones diferenciales son ampliamente empleadas para modelar situaciones o fenmenos fsicos, y tambin en modelos utilizados en matemticas7. La ecuacin se denomina ecuacin diferencial ordinaria (EDO) si la funcin desconocida est relacionada con una nica variable independiente. Algunos ejemplos comunes de EDO son los siguientes8: (3.7) ecuacin del crecimiento
(3.8) ecuacin del pndulo (3.9) ecuacin de van der Pol 0

6 7
Heuberger, Clemens: Parametrized Thue Equations, A Survey. Institut fr Mathematik B. Technische Universitt Graz. Austria. January 29, 2005. Mykola SHKIL: On Asymptotic Methods in the Theory of Dierential Equations of Mathematical Physics. Nonlinear Mathematical Physics 1996, V.3, N 1-2, 40-50. Drahomanov Pedagogical University, Ukrania. 8 Drakos, Nikos: Ordinary Differential Equations, 1995, University of Leeds, Computational Science Education Project ,http://csep1.phy.ornl.gov/ode/node1.html
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ (3.10) ecuacin de un oscilador LCR
(3.11) ecuacin de Riccati
(3.12) ecuacin de dAlembert para un resorte vibrante Historicamente, las ecuaciones diferenciales se han originado en reas tan diversas como la Qumica, la Fsica, y la Ingeniera9. Ms recientemente tambin han surgido en los modelos que se emplean en Medicina, Biologa, Antropologa, Aeronutica, y otras disciplinas. Tres etapas inherentes al uso de las ecuaciones diferenciales son: (1) - el modelar una situacin especfica o un problema particular por medio de una ecuacin diferencial; (2) - la determinacin de los valores iniciales; (3) - los mtodos de solucin numrica. Ecuaciones del tipo 3.7 a 3.12 se estudiarn en el captulo 11.
3.1 Historia, Funcin, Conceptos y Mtodos para hallar races de f(x) = 0

Hasta el siglo XVII, la teora de ecuaciones estuvo limitada pues los matemticos no fueron capaces de aceptar que los nmeros negativos y complejos podan ser races de ecuaciones polinmicas. Slo los antiguos matemticos indios, como Brahmagupta, conocan las races negativas, pero fuera de China e India no se trabajaba con coeficientes negativos en los polinomios. En vez de un solo tipo de ecuacin de segundo grado, el mencionado ms arriba, haba seis tipos distintos, segn cules fueran los coeficientes negativos. Un mtodo de resolucin de ecuaciones que puede encontrarse en antiguos libros egipcios y chinos, es el de la falsa posicin. Por ejemplo, para resolver la ecuacin x + x/7 = 19, primero se toma una aproximacin de la x que simplifique el clculo del primer trmino, como x = 7. Al sustituir la x por 7 en esta ecuacin, el resultado es 8 en vez de 19. Por tanto, se necesita un factor corrector que se obtiene dividiendo 19 por 8. Este factor, 2-, se multiplica por el primer valor, 7, con lo que se encuentra que la raz de la ecuacin original es 16. Los egipcios utilizaban el mtodo de la falsa posicin para encontrar una raz en ecuaciones de segundo grado sencillas. Para ecuaciones cuadrticas con un trmino en x, como x2- 5x = 6, las primeras soluciones no se encuentran hasta en los libros de matemticas babilonios del 2000 a.C. Aunque los babilonios no conocan las races negativas ni las complejas, su mtodo de bsqueda de las races positivas reales es el mismo que se utiliza en la actualidad. Otro importante descubrimiento del mundo antiguo, que se puede encontrar en los escritos del matemtico y cientfico griego Hern de Alejandra en el siglo I, es un mtodo de aproximacin de la raz positiva de ecuaciones como x2 = 2. En este mtodo, primero se toma una aproximacin como 3/2 para calcular una nueva aproximacin utilizando la regla [3/2 + 2/(3/2)]/2, o 17/12. Si se repite este procedimiento se obtiene 577/408, que es una buena aproximacin de la raz de 2. Estas aproximaciones y clculos repetidos se denominan iteraciones. Un mtodo iterativo muy til, que se encuentra en los trabajos de los matemticos chinos Liu Hui (en el siglo III) y Chu Shih-Chieh (en el siglo XIII), fue redescubierto en Europa hacia 1800 por el matemtico ingls W. G. Horner. Tambin haba sido usado por el matemtico rabe Yamschid al-Kaschi. Entre otros matemticos rabes que hicieron importantes contribuciones a la teora de ecuaciones se incluyen 0
9
S. Vandewalle & J. Van lent: Fast and Robust Solvers for Partial Differential Equations. Numerical Methods for Delay Partial Differential Equations. Solution of a time-dependent partial differential equation, 2001, Katholieke Universiteit Leuven, http://www.cs.kuleuven.ac.be. // Osborne, Martin J.: Math Tutorial on Differentials Equations, University of Toronto, Canada, 1997-2003 , http://www.chass.utoronto.ca/~osborne/MathTutorial/DEE.HTM. // S.O.S. Math - Differential Equations, 1999-2005, MathMedics, LLC, El Paso, Texas, USA, http://www.sosmath.com/diffeq/diffeq.html. // G. Longoni and A. Haghighat: APPLICATION OF KRYLOV SUBSPACE METHODS FOR THE SOLUTION OF THE SPL EQUATIONS. 18th International Conference on Transport Theory (18 ICTT) Rio de Janeiro, RJ, Brazil, July 20 - 25, 2003. University of Florida 202 Nuclear Science Building Gainesville, FL 32611 USA.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Al-Jwarizmi y Omar Jayyam, que desarrollaron la primera teora de las ecuaciones cbicas. Sin embargo, esta teora estaba definida en trminos geomtricos y era, por tanto, incompleta. En 1545 el matemtico italiano Gerolamo Cardano public una solucin algebraica para las ecuaciones de tercer grado en funcin de sus coeficientes y Niccol Tartaglia la desarroll. Poco despus, Ludovico Ferrari, alumno de Cardano, encontr una solucin algebraica para las ecuaciones de cuarto grado. En 1629 el matemtico francs Albert Girard acept races de ecuaciones tanto negativas como complejas y fue, por tanto, capaz de finalizar el an incompleto estudio que Franois Vite haba realizado sobre la relacin entre las races de una ecuacin algebraica y sus coeficientes. Vite haba descubierto que si a y b son las races de x2 - px + q = 0, entonces p = (a + b) y q = ab. Generalizando, Vite demostr que si el coeficiente del trmino de mayor grado de la ecuacin p(x) = 0 es la unidad, entonces el coeficiente del segundo trmino de mayor grado cambiado de signo es igual a la suma de todas las races; el coeficiente del tercer trmino es igual a la suma de todos los productos formados al multiplicar las races de dos en dos; el coeficiente del cuarto trmino cambiado de signo es igual a la suma de todos los productos que resultan de multiplicar las races de tres en tres. Si el grado de la ecuacin es par, el coeficiente del ltimo trmino es igual al producto de todas las races; si es impar, es el producto de todas las races cambiado de signo. Vite tambin aport importantes mtodos numricos para encontrar aproximaciones a las races de una ecuacin. En 1635 el matemtico y filsofo francs Ren Descartes public un libro sobre la teora de ecuaciones, incluyendo su regla de los signos para saber el nmero de races positivas y negativas de una ecuacin. Unas cuantas dcadas ms tarde, el fsico y matemtico ingls Isaac Newton descubri un mtodo iterativo para encontrar las races de ecuaciones. Hoy se denomina mtodo Newton-Raphson, y el mtodo iterativo de Hern mencionado ms arriba es un caso particular de ste. A finales del siglo XVIII, el matemtico alemn Carl Friedrich Gauss demostr que cualquier ecuacin polinmica tiene al menos una raz. Sin embargo, quedaba an por saber si era posible expresar esta raz con una frmula algebraica utilizando los coeficientes de la ecuacin, como se haba encontrado para las de segundo, tercer y cuarto grado. El astrnomo y matemtico francs Joseph Lagrange dio un paso importante para resolver esta cuestin con su mtodo de permutacin de las races de una ecuacin para el estudio de sus soluciones. Este fructfero concepto, junto con los trabajos del matemtico italiano Paolo Ruffini, del noruego Niels Abel y del francs variste Galois, condujo a una teora completa de los polinomios. Entre otras cosas, esta teora demuestra que un polinomio slo se puede resolver utilizando una frmula algebraica general si es de cuarto grado o menor. El trabajo de Galois tambin sirvi para resolver dos famosos problemas que se remontaban a los antiguos griegos: Galois demostr que es imposible dividir algunos ngulos en tres partes iguales utilizando slo el comps y la regla recta, y que es imposible construir un cubo cuyo volumen sea dos veces el de un cubo dado.
FUNCIN
Funcin10, en matemticas, trmino usado para indicar la relacin o correspondencia entre dos o ms cantidades11. El trmino funcin fue usado por primera vez en 1637 por el matemtico francs Ren Descartes para designar una potencia xn de la variable x. En 1694 el matemtico alemn Gottfried Wilhelm Leibniz11 utiliz el trmino para referirse a varios aspectos de una curva, como su pendiente. Hasta recientemente, su uso ms generalizado ha sido el definido en 1829 por el matemtico alemn Peter Dirichlet. Dirichlet entendi la funcin como una variable y, llamada variable dependiente, cuyos valores son fijados o determinados de una forma definida segn los valores que se asignen a la variable independiente x, o a varias variables independientes x1, x2, ..., xk. Los valores, tanto de la variable dependiente, como de las variables independientes, son nmeros reales o complejos. La expresin y = f(x), leda y es funcin de x indica la interdependencia entre las variables x e y; f(x) se daba normalmente en forma explcita, como f(x) = x2 - 3x + 5, o mediante una regla expresada en palabras, como f(x) es el primer entero mayor que x para todos aquellos x que sean reales (ver nmero). Si a es un nmero, entonces f(a) es el valor de la funcin para el valor x = a. As, en el primer ejemplo, f(3) = 32 - 3 3 + 5 = 5, f(-4) = (-4)2 - 3(-4) + 5 = 33; en el 0
10
Kleiner, Israel: Evolution of the Function Concept: A Brief Survey, The College Mathematics Journal, September 1989, Volume 20, Number 4, pp. 282300. 11 Grant, Hardy: Leibniz and the Spell of the Continuous, The College Mathematics Journal, September 1994, Volume 25, Number 4, pp. 291-294.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ segundo ejemplo, f(3) = f(3,1) = f(p) = 4. La aparicin de la teora de conjuntos primero extendi, y luego alter sustancialmente, el concepto de funcin. El concepto de funcin en las matemticas de nuestros das queda ilustrado a continuacin. Sean X e Y dos conjuntos con elementos cualesquiera; la variable x representa un elemento del conjunto X, y la variable y representa un elemento del conjunto Y. Los elementos de ambos conjuntos pueden ser o no nmeros, y los elementos de X no tienen que ser necesariamente del mismo tipo que los de Y. Por ejemplo, X puede ser el conjunto de los doce signos del zodaco e Y el conjunto de los enteros positivos. Sea P el conjunto de todos los posibles pares ordenados (x, y) y sea F un subconjunto de P con la propiedad de que si (x1, y1) y (x2, y2) son dos elementos de F, entonces si y1 ? y2 implica que x1 ? x2 esto es, F contiene no ms de un par ordenado con una x dada como primer elemento. (Si x1 ? x2, sin embargo, puede ocurrir que y1 = y2 ). Una funcin queda ahora definida como el conjunto F de pares ordenados, con la condicin sealada, y se escribe F: X ? Y. El conjunto X1 de las x que aparecen como primer elemento de los pares ordenados de F se denomina dominio de la funcin F; el conjunto Y1 de las y que aparecen como segundo elemento de los pares ordenados se denomina rango de la funcin F. De esta manera, {(Piscis, 7), (Sagitario, 4), (Capricornio, 4)} es una funcin en la que X = conjunto de los doce signos del zodaco e Y = conjunto de los enteros positivos; el dominio son los tres signos mencionados y el rango son 4 y 7. El concepto moderno de funcin est relacionado con la idea de Dirichlet. Dirichlet consider que y = x2 - 3x + 5 era una funcin; hoy en da, se considera que y = x2 - 3x + 5 es la relacin que determina la y correspondiente a una x dada para un par ordenado de la funcin ; as, la relacin anterior determina que (3, 5), (-4, 33) son dos de los infinitos elementos de la funcin. Aunque y = f(x) se usa hoy todava, es ms correcto si se lee y est funcionalmente relacionado con x. Las funciones se denominan tambin transformaciones o aplicaciones en muchas ramas de las matemticas. Si el conjunto Y1 es un subconjunto propio de Y (esto es, al menos una y pertenece a Y pero no a Y1), entonces F es una funcin, transformacin o aplicacin del dominio X1 en Y; si Y1 = Y, F es una funcin, transformacin o aplicacin de X1 sobre Y.
CONCEPTOS BSICOS SOBRE LAS RACES DE FUNCIONES

Al resolver problemas en ciencias e ingenieras, cuyo caso tpico es hallar las races de una funcin, generalmente se sigue una metodologa cuyas etapas bsicas se pueden sentitizar en cuatro, como se ilustra en la figura 3.1.1. Cuando el problema es sencillo, o de baja complejidad, es suficiente que una persona con su experiencia y conocimientos analice y describa el problema y lo resuelva, utilizando herramientas sencillas (una calculadora podra bastar). Pero cuando la complejidad del problema aumenta se hace necesario la intervencin de muchas otras personas, implicndose un trabajo interdisciplinario y el empleo de enfoques y herramientas ms sofisticadas (computadores, redes, software especializado). En cualquier caso, es muy conveniente tener presente la metodologa bsica de resolucin de problemas en ciencias e ingenieras, Las cuatro etapas involucradas son las siguientes (vase la figura 3.1.1): Identificacin y descripcin o formulacin del problema, que incluye las simplificaciones e hiptesis que la situacin amerita. El juicio experto, la experiencia y la experimentacin ayudan en gran medida. Tambin el conocimiento de la solucin de problemas similares. Desarrollar un Modelo Matemtico del problema de tal manera que pueda ser resuelto de una manera numrica. Normalmente, implica el uso del lgebra, del Clculo y de otras herramientas matemticas que permitan modelar esa parte de la realidad bajo estudio. Solucionar el Modelo Matemtico planteado. Esto implica emplear mtodos ecuacionales y algortmicos para obtener la solucin del modelo matemtico. Las herramientas actuales implican el uso de computadores, redes de computadores y software especializado. Interpretacin y anlisis de los resultados obtenidos. Lo cual requiere experiencia, juicio experto enfocados en la situacin que gener el problema. Se presenta aqu un proceso de realimentacin que puede llevar a repetir las actividades metodolgicas desde el paso 1.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ La obtencin de las races de una funcin, f(x)=0 (3.13), es uno de los problemas ms antiguo de las matemticas y se le encuentra con frecuencia tanto en la computacin moderna como en las aplicaciones prcticas de ingeniera12.
FIGURA 3.1.1 Metodologa bsica para la solucin de problemas en ciencias e ingenieras.
ALGUNOS EJEMPLOS TPICOS

Antes de estudiar los mtodos de solucin de ecuaciones de la forma (3.13) es conveniente dar un vistazo a algunos casos prcticos donde se presenta la solucin de tal tipo de ecuaciones, lo que implica hallar una o varias races de la funcin f(x).
ESFERA SUMERGIDA EN UN LQUIDO

Considrese el problema fsico que implica una esfera de radio r sumergida hasta una altura d en agua (vse la figura 3.1..2). Supngase que la esfera est construda en madera, de una variedad de pino, cuya densidad es rho = 0.638 y que el valor numrico del radio es r = 10 cms. Hasta qu altura d alcanza el lquido cuando la esfera se sumerge en agua?13
FIGURA 3.1.2 La porcin de esfera de radio r que es sumergida hasta una altura d.
0
12
Chapra, Steven C. & Canale, Raymond P.: Numerical Methods for Engineers, With Software and Programming applications", fourth edition, McGrawHill, 2002. 13 Mathews, John H.: Numerical Mthods for Mathematics, Science and Engineering, second edition, Prentice Hall, Englewood Cliffs, New Jersey (USA),1992. ISBN 0-13-624990-6. Cap. 2, pp. 43-112.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ La masa Ma de agua desplazada cuando la esfera se sumerge en agua y sta alcanza la altura d est dada por la siguiente ecuacin12: (3.14)
Y la masa de la esfera, Me, es:
(3.15)
Aplicando la Ley de Arquimedes14, segun la cual Ma = Me (volumen del lquido desplazado es igual al volumen del cuerpo sumergido), se genera la ecuacin 3.16 que debe ser resuelta: (3.16) Reemplazando los valores r = 10, rho = 0.638, se obtiene la ecuacin 3.17 cuya grfica se esquematiza en la figura 3.1.3 . (3.17) FIGURA 3.1.3 Esquema de la funcin cbica, ecuacin 3.17, para el problema de la figura 3.1.2. De esta grfica se puede apreciar que una raz de la funcin f(d) = 2552 - 30d2 + d3 est entre el valor d = 10 yel valor d = 15. Existen varios mtodos que permiten obtener las races de la ecuacin 3.17. Por ejemplo, por el mtodo de biseccin (vase la 3.2) es fcil hallar las tres races de la ecuacin 3.17: d1 = 8.17607212, d2 = 11.86150151, y d3 = 26.31457061. La primera raz, d1, no es una solucin factible para el problema planteado, pues la distancia ha de ser postiva; la tercera raz, d3, es mayor que el dimetro de la esfera (2r = 20); la segunda raz, d2, est dentro del rango vlido [0.0, 20.0] y es una solucin correcta para el problema. Adems, es una magnitud razonable porque algo ms que la mitad de la esfera debe estar sumergida.
UNA ESCALERA EN UNA MINA

Considrese que en una mina15 hay dos tneles quese intersectan en un ngulo de 123o, como se muestra en la figura 3.1.4. El tnel horizontal tiene un ancho de 7 pies, mientras que el tunel descendente tiene una anchura de 9 pies. Cul es el mximo largo de la escalera que puede pasarse por la interseccin?. Se asume que el grosor de la escalera es despreciable con respecto a las dimensiones de los tneles. La solucin obtenida debe considerar el caso general en el cual el ngulo A es variable. Sea C el ngulo entre la escalera y el muro cuando est en la posicin crtica. Para hacer una exposicin general de este problema, sean las variables C, A, B, W1, W2. 0
14
Euclides de Alejandra, en Gacetilla Matemtica (http://www.arrakis.es/~mcj/euclides.htm). La pgina de David E. Joyce, Mathematics and Computer Science, Clark University, presenta en Ingls Los Elementos de Euclides (http://aleph0.clarku.edu/~djoyce/home.html). Tambin en Gacetilla Matemtica se ilustra los aportes de Hern de Alejandra (http://www.arrakis.es/~mcj/heron.htm) y Arquimedes. 15 Gerald, Curtis F. & Whetley, Patrick O.: Applied Numerical Analysis, fourth edition, Addison-Wesley, 1990, ISBN 0-201-11583-2, Cap. 1, pp. 1-85.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________
FIGURA 3.1.4 Esquema de dos tneles que se cruzan en una mina.
FUNCIN EN FORMA IMPLCITA

Aunque pueden surgir en cualquie otra rea, los problemas de hallar las races de una ecuacin normalmente surgen en las reas del diseo en ingeniera16. En la tabla 3.1.1 se resumen algunos de los principios bsicos utilizados comnmente en el diseo ingenieril. Como ya se ha visto en secciones anteriores, las ecuaciones matemticas que surgen, como expresin de los modelos derivados de la aplicacin de los principios mostrados en la tabla 3.1.1, se emplean para obtener valores de la variable dependiente como una funcin de la variable independiente, de funciones forzomotrices, y de los parmetros. En cada modelo que se estipule, la variable dependiente refleja el estado o desempeo del sistema modelado, en tanto que los parmetros representan las propiedades o composicin del sistema bajo anlisis. Sin embargo, es necesario enfatizar que toda ecuacin -por muy refinada que sea- slo es una representacin aproximada de un fenmeno, de un sistema, o de una situacin problemtica bajo estudio. Esto constituye la esencia del enfoque ecuacional (paradigma) entronizado en la ciencia de occidente por el aporte griego (vase, por ejemplo los aportes de Euclides y Hern de Alejandra13). Adicionalmente, es preciso aclarar que el enfoque ecuacional slo suministra una visin esttica, aunque muy til, en el anlisis de un problema. TABLA 3.1.1 Algunos principos fundamentales utilizados en el diseo en reas de ingeniera. Principio bsico Variable dependiente Variable independiente Parmetros
Balance calorfico Temperatura Concentracin o cantidad de masa Tiempo y posicin Propiedades trmicas del material, constantes propias, geometra del sistema en consideracin Resistencia del material, propiedades estructurales, constantes propias, geometra del sistema. Comportamiento qumico del material, coeficientes de la transferencia de masa, constantes propias, geometra del sistema. Propiedades trmicas del material, constantes propias, geometra del sistema. Masa del material, constantes propias, geometra del sistema, parmetros disipativos como la friccin o la resistencia. Propiedades elctricas del sistema tales
Balance de masa
Tiempo y posicin
Balance de fuerza
Magnitud y direccin de fuerzas Cambios en los estados de la energa potencial y cintica del sistema
Tiempo y posicin
Balance de energa
Tiempo y posicin
Leyes newtonianas del Aceleracin, velocidad, movimiento distancia (ubicacin) Leyes de Kirchhof Corrientes y voltajes en
Tiempo y posicin Tiempo
0
16
Chapra, Steven C. & Canale, Raymond P.: Numerical Methods for Engineers, With Software and Programming applications", fourth edition, McGrawHill, 2002, pp. 105 111.
circuitos elctricos como resistencia, capacitancia, inductancia; constantes propias; geometra del sistema.
Un ejemplo del enfoque ecuacional es la ecuacin, obtenida aplicando la segunda ley de Newton, para calcular la velocidad de un cuerpo que cae, considerando la resistencia del aire: (3.18)
donde v es la velocidad, como variable dependiente; t es el tiempo como variable independiente; la constante gravitacional es g (como funcin forzomotriz); y los parmetros son el coeficiente de resistencia del aire,c, y la masa, m. Si los parmetros son conocidos se puede utilizar la ecuacin 3.18 para obtener la velocidad de cada del cuerpo en funcin del tiempo, lo cual puede obtenerse en forma directa puesto que la variable v est expresada en forma explcita como una funcin del tiempo, t. Supngase, ahora, que lo que interesa determinar (el problema bajo anlisis) es el valor del coeficiente de la resistencia del aire, c, para un cuerpo de masa m, que cae a una cierta velocidad v, en un cierto tiempo t. No es posible, de la ecuacin 3.18, organizar en un slo lado el parmetro c para que sea expresado explcitamente en funcin de las otras variables y parmetros. Se est, entonces, frente a un problema tpico del diseo en ingeniera que implica especificar las propiedades o comportamiento de un sistema (modelado por sus parmetros) para determinar que el desempeo del sistema es de cierta manera (representada por sus variables). Es usual decir que tales tipo de problemas requieren la determinacin de parmetros implcitos. La solucin de este tipo de problemas se obtiene aplicando mtodos numricos para hallar las races de funciones. En el caso de la cada de un cuerpo, la ecuacin 3.18 se puede reexpresar as: (3.19)
en donde se dice que el parmetro c est en forma implcita. Aqu, el valor, o valores de c, que hacen a f(c) = 0, constituyen la raz o las races de la funcin. Dichos valores, tambin resolvern el problema de diseo especificado. En la tabla 3.1.2 se resumen otros ejemplos de funciones mplicitas, que pueden reescribirse como del tipo f(x) = 0, y a las cuales podrase aplicar los mtodos descritos en las otras secciones de este captulo.
TABLA 3.1.2 Otros ejemplos de funciones implcitas. Funcin implcita
Descripcin
rea donde surge
(3.20)
La rotacin de un cuerpo sujeto a un mecanismo amortiguador. Siendo D el desplazamiento, x el Diseo mecnico ngulo de rotacin que produce dicho desplazamiento17. Ecuacin de estado de los gases. Ecuacin de Beattie-Bridgeman. P es la presin; V es el volumen molar; T es la temperatura; beta, gamma y delta son parmetros dependientes de la temperatura y caractersticos del gas; R es la constante universal de los gases, en unidades compatibles18.
Ingeniera Qumica.
(3.21) 0
17 18
Beer, Ferdinand P. & Johnston Jr., E. Russel: Vector Mechanics for Engineers: Statics & Dynamics, McGraw-Hill, 1962. Carnahan, Brice, et al: Applied Numerical Methods, John Wiley and Sons, 1969, pp. 173-178.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Ecuacin para el crecimiento de un cristal individual a partir del vapor, cuando el vapor del yodo y el helio Ingeniera circulan sobre el germanio17. Es una ecuacin (3.22) Qumica. polinmica en Z, donde Z tiene relaciones con la presin, la temperatura y el volumen. Ecuacin de van der Waals, para los gases ideales y Ingeniera no-ideales19. Donde v= V/n es el volumen molar, y a, Qumica / b son constantes empricas que dependen de un gas (3.23) Bioingeniera. en particular. Ecuacin de continuidad para el flujo de agua en un Ingeniera Civil / canal abierto20. Donde Q es el flujo, H la altura del Ingeniera (3.24) canal; n, s, B son parmetros caractersticos del Ambiental. canal. Ecuacin que relaciona la variacin de una carga elctrica con el tiempo, en un capacitor21. Donde q es Ingeniera la carga, t es el tiempo, L es la inductancia, R e sla resistencia elctrica, C es la capacitancia, q0 es la elctrica. carga en el tiempo t = 0. (3.25)
TIPOS Y EXISTENCIA DE LAS RACES; CONVERGENCIA

En general, las races de una ecuacin pueden ser reales o complejas. Sin embargo, esto depende dle tipo de funcin y del rea de inters donde se modela el sistema. Tambin, es posible encontrar funciones con una nica raz, con mltiples races. Excepto en el caso lineal, el proceso de hallar las races de una funcin siempre se basa en un mtodo iterativo, en el cual se empieza con un valor inicial, que es un valor aproximado de la solucin, y el algoritmo mejora -en cada ciclo- el valor de la solucin inicial hasta que un cierto criterio de convergencia se satisfaga. De ah, que se haga necesario un anlisis previo de la funcin, para lograr tener una clara idea de su comportamiento, y en especial de sus singularidades. Es tradicional diferenciar dos reas bsicas de problemas en las cuales se aplican los mtodos para hallar races de funciones: La determinacin de las races reales de funciones algebraicas y trascendentales. Las tcnicas aqu se basan en el conocimiento de un valor inicial aproximado de la raz. Determinar todas las races reales y complejas de polinomios. Los mtodos diseados para esta parte hallan sistemticamente todas las races, en lugar de determinar una nica raz, en un cierto intervalo.
Cuando sea posible, es muy conveniente tener una representacin grfica de cmo la funcin se comporta en un cierto intervalo. Con la capacidad de los computadores personales actuales esto casi siempre es fcil de lograr. Por ejemplo, la figura 3.1.5(a) ilustra el caso en el cual hay una sola raz en el intervalo [a,b], es decir un valor de x para el cual f(x)= 0.
(a)
(b)
(c) FIGURA 3.1.5 Grficas esquemticas de funciones f(x).
0
19
Chapra, Steven C. & Canale, Raymond P.: Numerical Methods for Engineers, With Software and Programming applications", fourth edition, McGrawHill, 2002, pp. 187 189. 20 Ibd., pp. 190-191. 21 Ibd., pp. 194 196.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ La figura 3.1.5(b) corresponde al caso en el cual se presentan varias races dentro del intervalo. La figura 3.1.5(c) es para el caso de las races complejas, es decir no hay races en el campo de los reales. En ocasiones, las funciones presentan comportamientos atpicos, singularidades, o discontinuidades dentro de un intervalo. Por ejemplo, la figura 3.1.6 ilustra algunos de estos casos
FIGURA 3.1.6 Comportamiento anmalo de ciertas funciones. (a) - f(x) es cuasi-infinito para c en las cercanas de x. (b) - Esta funcin slo cambia de signo en el intervalo pi 10-667. (c) - Mltiples races en el intervalo, sin cambio de signo, o se presentan races complejas. (d) - Otro caso de races mltiples para f(x). (e) - Hay una singularidad, no existe raz22. [2], [3]
Ello implica que hallar las races de una funcin es un proceso de mucho cuidado en el cual es preciso analizar previamente el comportamiento general de la funcin. Algunas consideraciones adicionales son las siguientes: Siempre que la funcin lo permita, trazar una grfica de ella. Las tcnicas computacionales ayudan al respecto. Aplicar el Teorema de Bolzano23 el cual establece que si una funcin, f(x), en un intervalo [a,b] cumple que f(a)*f(b) < 0, es decir cambia de signo en el intervalo, entonces tiene al menos una raz dentro de dicho intervalo. Al aplicar un mtodo para hallar la raz de f(x), en el intervalo [a,b], comprobar que el algoritmo no tome valores fuera del intervalo. Tal es el caso de los mtodos de Newton y el de la secante que eventualmente pueden calcular valores fuera del intervalo establecido24.
0
22
Press, William H. et al: Numerical Recipes in Fortran 77: The Art of Scientific Computation, Volume 1, Cambridge University Press, 1992. (libro online en:http://www.library.cornell.edu/nr/nr_index.cgi#thebooks). // Press, William H. et al: Numerical Recipes in Fortran 90: The Art of Scientific Computation, Volume 2, Cambridge University Press, 1992. (libro online en:http://www.library.cornell.edu/nr/nr_index.cgi#thebooks). 23 University of Austria: The Bernard Bolzano Pages Home , July 12, 2000 (http://www.sbg.ac.at/fph/bolzano/bolzano.htm) 24 McCracken, D.D. & Dorn, W.S.: Mtodos Numricos y Programacin Fortran, Limusa-Wiley, Mxico, 1968.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Las races mltiples, o las races muy cercanas representan un gran escollo para casi todos los mtodos, especialmente si la multiplicidad es en nmero par. En este caso, no es fcil ni de rpida obtencin el cambio de signo de la funcin, por lo cual es posible que el algoritmo implementado desborde los lmites del intervalo seleccionado. El algoritmo de Brent es muy eficiente para obtener un intervalo de una funcin no-lineal en una incgnita, cuando no es fcil obtener su derivada. Igualmente bueno es el mtodo de Ridders/, adems de ser ms compacto25. Cuando es fcil obtener la derivada de la funcin, el mtodo de Newton es eficiente si se combina con controles especficos para impedir que el algoritmo tome valores fuera del intervalo26. Obtener las races de un polinomio siempre es bastante problemtico, ya que muchos polinomios presentan singularidades (condiciones nulas). Sin embargo, un buen comienzo es el mtodo de Laguerre27.
CLCULO DE RACES DE FUNCIONES NO-LINEALES

Calcular las races de funciones no-lineales se reduce al problema fundamental de obtener las races de una ecuacin de la forma genrica: f(x ) = 0 Es decir, que el problema consiste en determinar los valores de x, o los ceros de f(x), para los que se cumple f(x) = 0. Normalmente, no es posible obtener una forma explcita en x por lo cual es preciso emplear una forma implcita, como la explicada en secciones anteriores. Esto implica - a su vez- que es preciso emplear mtodos aproximados. Por otro lado, la determinacin de las races de una ecuacin f(x) = 0, correspondiente a una funcin no-lneal, es uno de los problemas ms antiguos y ms estudiados en algunas reas de las Matemticas Aplicadas, de los Mtodos Numricos, y del Anlisis Numrico, y se han realizado un gran nmero de esfuerzos en para lograr mtodos de solucin que permitan obtener los ceros de f(x) = 0. Su importancia radica en que si podemos determinar las races de una ecuacin, tambin podemos determinar mximos y mnimos, valores propios de matrices, resolver sistemas de ecuaciones lineales y diferenciales, etc. Todo lo cual tiene muchsimas aplicaciones en muy diversas reas tcnicas y de ingeniera, especialmente con el desarrollo de los computadores y de las redes de computadores, en especial de la Internet, que han permitido abordar problemas que antes eran inabordables con tcnicas manuales. La determinacin de las soluciones de la ecuacin28 puede llegar a ser un problema muy difcil, en especial cuando intervienen varios tipos de funciones (exponenciales, trigonomricas, polinmicas, logartmicas, etc.). Si f(x) es una funcin polinmica de grado 1 2, conocemos expresiones simples que nos permitirn determinar sus races. Para polinomios de grado 3 4 es necesario emplear mtodos complejos y laboriosos. Sin embargo, si f(x) es de grado mayor de cuatro o bien no es polinmica, no hay ninguna frmula conocida que permita determinar los ceros de la ecuacin, es decir sus races (con excepcin de casos muy singulares). Existen una serie de reglas que pueden ayudar a determinar las races de una ecuacin: El Teorema de Bolzano, que establece que si una funcin continua, f(x), toma en los extremos del intervalo [a,b] valores de signo opuesto, entonces la funcin admite, al menos, una raz en dicho intervalo.
0
25
Numerical and Applied Analysis and Applications (http://www4.ncsu.edu/eos/users/s/slc/www/RESEARCH/NAAA.html). En algunos reportes o artculos hay disponible un archivo en formato PDF, que se puede descargar libremente. // University of Leeds /Universidad de Valencia: Mtodos numricos, (March 2nd, 1998) http://www.uv.es/~diaz/mn/node17.html. Originalmente por Nikos Drakos (nikos@cbl.leeds.ac.uk), CBLU, revisado y actualizado por: Marcus Hennecke, Ross Moore, Herb Swan; con aportes significativos de: Jens Lippmann, Marek Rouchal, Martin Wilck y otros. // The Math Forum Internet Mathematics Library, 1994-2005. The Math Forum is a research and educational enterprise of Drexel University, http://mathforum.org/ 26 Numerical-methods.com http://www.scientific-computing.co.uk/numerme/nummeth.htm 27 Recktenwald, Gerald: Numerical Methods with MATLAB: Implementations and Applications, 2000, Prentice Hall, ISBN: 0201308606. // John H. Mathews and Kurtis D. Fink: NUMERICAL METHODS: Using Matlab, Fourth Edition, 2004, http://mathews.ecs.fullerton.edu/books/2004numerical/2004numerical.htm ISBN 0-13-065248-2, Prentice-Hall Pub. Inc. http://www.prenhall.com, Upper Saddle River, NJ. 28 Carnahan, Brice, et al: Applied Numerical Methods, John Wiley and Sons, 1969, pp. 173-17
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ En el caso en que f(x) sea una funcin algebraica (polinmica) de grado n y coeficientes reales, podemos afirmar que tendr n races reales o complejas. La propiedad ms importante que verifican las races racionales de una ecuacin algebraica establece que si p/q es una raz racional de la ecuacin de coeficientes enteros:
Error!Marcador no definido. entonces el denominador q divide al coeficientes an y el numerador p divide al trmino independiente a0. Ejemplo: Pretendemos calcular las races racionales de la ecuacin: 3x3 + 3x2 - x - 1 = 0. Primero es necesario efectuar un cambio de variable x = y/3:
y despus multiplicamos por 32: y3 + 3y2 -3y -9 = 0 , con lo que los candidatos a raz del polinomio son:
Sustituyendo en la ecuacin, obtenemos que la nica raz real es y = -3, es decir,
que es adems la nica raz racional de la ecuacin. Lgicamente, este mtodo es muy poco potente, por lo que slo nos puede servir a modo de orientacin. La mayora de los mtodos utilizados para el clculo de las races de una ecuacin son iterativos y se basan en modelos de aproximaciones sucesivas, que siempre suministran un valor muy aproximado de las races. Estos mtodos trabajan del siguiente modo: a partir de una primera aproximacin al valor de la raz, determinamos una aproximacin mejor aplicando una determinada regla de clculo y as sucesivamente hasta que se determine el valor de la raz con el grado de aproximacin deseado.
SOLUCIONES POR MTODOS NUMRICOS Y ANLISIS NUMRICO EN INGENIERA Y CIENCIA

El incremento en las ltimas dos dcadas de la tecnologa computacional, tanto en hardware como en software, ha propiciado -tanto en las ciencias como en las ingenieras- la aplicacin de Mtodos Numricos para simular fenmenos fsicos y resolver problemas que antes eran de dficil solucin prctica. Los Mtodos Numricos se refieren -generalmente- a los procedimientos, o algoritmos, empleados para hallar la solucin computacional de un problema, expresado matemticamente mediante una funcin, o un sistema de funciones, que no se puede resolver explcitamente29. Los Mtodos Numricos se dividen normalmente en dos grandes categoras30: 0
29
Lappalainen , Harri en Finlandia, proporciona un curso on-line sobre Mtodos Numricos. Igualmente, una amplia bibliografa (http://www.cis.hut.fi/harri/dityo/node26.html ,1996. // The Mathematical Atlas: 65 - Numerical Analysis by Dave Rusin, Dept of Mathematics, Northern Illinois University, DeKalb IL, 60115, USA (http://www.math-atlas.org/welcome.html),2000-2005. 30 Net resources for numerical methods (http://stommel.tamu.edu/~baum/numerical.html). Incluye: Tutoriales y otros documentos; reportes tcnicos; sitios web con software disponible; "paquetes" de software, disponibles tanto de dominio pblico (gratis) como del tipo GPL. // Numerical methods (http://emlib.jpl.nasa.gov/EMLIB/num_meth.html). Sitio bajo el liderazgo de NASA. La documentacin proporcionada all es de dominio pblico. // The Numerical Analysis research in the Applied Mathematics Department at Tel Aviv University (http://www.math.tau.ac.il/am/research.html ,2005.
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Mtodos numricos elementales tales como hallar las races de funciones no-lineales, la integracin numrica de funciones, la solucin de ecuaciones diferenciales ordinarias, o la solucin de sistemas lineales de ecuaciones simultneas. Mtodos Numricos intensivos tales como el Mtodo de Elementos Finitos que tiene amplias y numerosas aplicaciones en casi cualquier rea de las ingenieras. Los Mtodos Numricos intensivos son necesario en la solucin de problemas prcticos de alta complejidad y normalmente requieren de la aplicacin sistemtica de mtodos elementales, frecuentemente miles o millones de veces hasta lograr una solucin satisfactoria de un problema planteado31. En el desarrollo de los Mtodos Numricos, utilizados para solucin de problemas tcnicos o de ingeniera, es preciso efectuar simplificaciones y abstracciones con el fn de obtener una solucin prctica, que generalmente es muy aproximada a la solucin exacta u ptima. Por ejemplo, ciertos tipos de funciones pueden ser aproximadas mediante polinomios, y este hecho aunado a las aproximaciones numricas que internamente hacen los computadores dan como resultado que las soluciones obtenidas mediante la aplicacin de Mtodos Numricos sean aproximadas, o -en el mejor de los caos- tienden a la solucin exacta en cada paso iterativo. Los Mtodos Numricos se emplean -generalmente- por medio de un enfoque algortmico orientado a la implementacin mediante un Lenguaje de programacin de Computadores (vase, por ejemplo: http://www.scientificcomputing.co.uk/proglang.htm). El estudio del comportamiento matemtico de los Mtodos Numricos se denomina Anlisis Numrico (vase, por ejemplo: http://www.numerical-analysis.com/). Esta es un rea de las matemticas que se centra en el modelamiento de los errores que se generan al procesar los Mtodos Numricos y en el subsecuente rediseo del mtodo aplicado. Usualmente se concatena con el estudio de la complejidad y eficacia de los algoritmos involucrados. Tambin puede decirse que el Anlisis Numrico trata de las actividades que implica el analizar y desarrollar mtodos computacionales expresados como algoritmos y programas para calcular soluciones numricas de problemas formulados matemticamente. El empleo efectivo del Anlisis Numrico implica un profundo conocimiento del dominio del problema aunado a un amplio conocimiento y experiencia en la teora de algoritmos, dominio de un lenguaje de programacin y de paquetes de software respectivos. El conocimiento terico implica el dominio del problema a resolver y de los Mtodos Numricos requeridos, incluyendo la deduccin de los algoritmos pertinentes, el anlisis de los errores, y el anlisis de la complejidad y eficiencia de los algoritmos implicados. Puesto que muchos problemas prcticos son demasiado singulares y complejos, y no pueden ser resueltos por la simple aplicacin de un software estndar (algoritmos expresados como programas y el entorno de programacin respectivo), con frecuencia se requiere desarrollar nuevos mtodos o adaptar los mtodos existentes para una situacin dada. Esto tambin requiere una slida fundamentacin terica y experiencia en la disciplina del Anlisis Numrico. Las aplicaciones avanzadas del Anlisis Numrico y de los Mtodos Numricos incluyen, por ejemplo, el clculo de las ecuaciones hiperblicas en derivadas parciales, solucin computacional para las ecuaciones de Navier-Stokes en aerodinmica, construccin de mtodos generales para tratar las condiciones de frontera en los procesos de absorcin por smosis. Otras reas de aplicacin incluyen:. Aplicacin de elementos finitos para la solucin de problemas elpticos. Aproximacin e integracin multidimensionales Simulacin matemtica de herramientas, dispositivos y vehculos. En muchas reas de aplicaciones, especialmente en Fsica, los fenmenos pueden describirse empleando Ecuaciones Diferenciales Parciales (EDP). El desarrollo de la teora de dichas ecuaciones a menudo utiliza la comprensin y experiencias obtenidas en aplicaciones especficas conjuntamente con los mtodos de solucin de las ecuaciones particulares que surgen en tales aplicaciones. La investigacin en EDP incluye tanto los desarrollos tericos matemticos como los Mtodos Numricos requeridos y el anlisis algortmico pertinente. Problemas tpicos que se resuelven con estas tcnicas incluyen:
Mathtools.net: Link Exchange for The Technical Computing Comunity, 2001-2005 The MathWorks Inc. (http://www.mathtools.net) // Applied Mathematics:Numerical Methods:Root-Finding, http://mathworld.wolfram.com/, 1999-2005 Wolfram Research, Inc.
0
31
Mtodos Numricos y Programacin Visual Basic 12/30/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Sistemas de leyes de conservacin. Evolucin de singularidades en sistemas hiperblicos Mtodos de energa para ecuaciones de difusin. Teora de Dinmica de fludos, en cuyas reas se resuelven problemas tpicos como: La dinmica de un fludo ideal incompresible. Soluciones dbiles y comportamiento asinttico de fludos bidimensionales. Flujo generalizado en fludos.
MTODOS DE SOLUCIN
Si slo se presenta una variable independiente en 3.13 entonces se emplean dos categoras de mtodos de solucin: (a) - de intervalo cerrado como el mtodo de biseccin y el mtodo Regula Falsi o de la Falsa posicin; (b) - de intervalo abierto32, que son los dems mtodos. Cuando se presenta ms de una variable independiente, entonces habr de resolverse un sistema de ecuaciones lineales no-lineales (vase el captulo 8). Por ahora, se tratarn races de funciones, para una ecuacin f(x) = 0 (3.13), donde slo interviene una nica variable independiente, y la funcin es no-lineal. La ecuacin 3.13 tiene siempre en forma implcita a la variable independiente. Este el tema de la siguiente seccin. En la otra seccin se tratar los temas: tipos de races; la existencia de las races; y las condiciones de convergencia. Particularmente, dado que este e sun curso introductorio al tema del Anlisis Numrico y de los Mtodos Numricos se vern los siguientes Mtodos: El Mtodo de Bolzano, llamado generalmente el Mtofdo de Biseccin, que es de intervalo cerrado. El Mtodo de Regula Falsi, o de la Falsa Posicin, que tambin es de intervalo cerrado. El Mtodo de Newton-Raphson, generalmente llamado Mtodo de Newton, que es de intervalo abierto. El Mtodo de la Secante, como una variante del Mtodo de Newton. Y se mencionarn otros Mtodos como: Punto Fijo, Steffensen, Graffe, Muller, Bernoulli, Factorizacin Iterativa de polinomios, Mtodo de Ward, Algoritmo QD de RutisHauser, Mtodo de Bairstow para factores cuadrticos, Mtodos acelerativos.
El enfoque es basicamente operacional y aplicativo. Para cada mtodo se explica su algoritmo, y se aplica aun ejemplo especfico.
0
32
The Free Dictionary , Copyright 2006 Farlex, Inc. http://encyclopedia.thefreedictionary.com/Root-finding+algorithm
3.2 Mtodo de Bolzano (biseccin)
f(x)
FIGURA 3.2.1 f(x) tiene una raz en el intervalo [1.0, 1.5]. El Mtodo de Bolzano1, conocido popularmente como Mtodo de Biseccin, es uno de los procedimientos ms simples para hallar la raz de una funcin f(x) = 0 en un intervalo dado, como en la figura 3.2.1. Precisamente, el Teorema de Bolzano2 suministra la base lgico-matemtica que permite hallar dicha raz. En trminos sencillos, dicho Teorema establece que si una funcin f(x) es continua en el intervalo [a,b] y se cumple que f(a)*(b) < 0, entonces f(x) tiene una raz en dicho intervalo. Mediante mtodos grficos o mediante la tabulacin de valores de f(x), es posible determinar el intervalo, que es aquel en el cual la funcin cambia de signo al ser evaluada en el punto a y luego en el punto b.
El procedimiento, en s, es bastante directo. Una vez determinado el intervalo que encierra la raz a obtener, se calcula un tercer valor c que es la mitad del intervalo, es decir que c = (a + b), bisectando el intervalo en dos subintervalos: [a,c] y [c,b]; de ah el nombre conque este mtodo es conocido. Luego se verifica si este nuevo valor c es la raiz, o en cul de los intervalos est, ahora, la raz (vase la figura 3.2.2). FIGURA 3.2.2 Diagrama esquemtico de los subintervalos involucrados en el Mtodo de Bolzano. Si la raz se encuentra en el subintervalo [a,c], entonces se cumplir que f(a)*f(c) < 0; si, por el contrario, al raz se encuentra en el subintervalo [c,b] se cumplir que f(c)*f(c) < 0. En la figura 3.2.2 es cierto esto ltimo. El proceso de bisectar el intervalo y de verificar en cul subintervalo est la raz se contina hasta que se encuentre que f(c) = 0, o que se llegue a que |f( c )| se tan pequeo como se estipule, segn una tolerancia numrica, , preestablecida. Como este es un mtodo de intervalo cerrado, que tiene un estricto control de las operaciones dentro del intervalo [a,b] , es posible, mediante el Teorema del Valor Medio de Bolzano3, determinar el nmero mnimo de iteraciones necesarias para lograr el nivel de precisin, . Considrese que an y bn son respectivamente- los extremos del intervalo correspondiente a la ensima iteracin efectuada (con a1 = a y b1 = b), y considrese que rn es la ensima aproximacin al valor exacto de la solucin, por lo 0
1
R. E. White, Nonlinear Problems and Intermediate Values; the Bisection Method Undergraduate Computational Engineering and Science, The Department of Energy (DOE), Krell Institute, Copyright 1994. // Tam, Ming T.: The Bisection Method, Notes and Animation, Chemical Engineering Dept., Newcastle University upon Tyne, UK, 1999. // Houben, Stephan: The Bisection Method, Dept. of Math. & Comp. Sci., Eindhoven University of Technology, The Netherlands, 2000, http://www.win.tue.nl/~stephanh/dictaat/solvers/node1.html. 2 Mathews, John H. And Finks, Kurtis: Numericals Methods using Mathematica, 2004. // Arfken, G.: Mathematical Methods for Physicists, 3rd ed. Orlando, FL: Academic Press, pp. 964-965, 1985. // Press, W. H.; Flannery, B. P.; Teukolsky, S. A.; and Vetterling, W. T. Bracketing and Bisection, 9.1 in Numerical Recipes in FORTRAN: The Art of Scientific Computing, 2nd ed. Cambridge, England: Cambridge University Press, pp. 343-347, 1992. 3 Weisstein, Eric W.: Bisection From MathWorld--A Wolfram Web Resource. http://mathworld.wolfram.com/Bisection.html, last modified March 1, 2004, 1999-2006 Wolfram Research, Inc.
Mtodos Numricos y Programacin Visual Basic 12/31/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ cual rn = ( an + bn). Con sencillas manipulaciones aritmtico-algebricas, siguiendo la serie de bisecciones de los intervalos, puede demostrarse que el subintervalo ensimo, bn - an , cumple la siguiente frmula: (3.2.1) Con el fn de que se cumpla en el ensimo subintervalo la condicin del error, |rn - r|, es decir, que dicho error sea < , se cumplen las siguientes relaciones (a partir de 3.2.1): (3.2.2) Si se toma logaritmo natural a ambos lados de 3.2.2, entonces se llega a la siguiente inecuacin: (3.2.3) De 3.2.3 se obtiene el valor mnimo para el nmero de iteraciones, n: (3.2.4)
Para el caso de la figura 3.2.1, con a = 1.0, b = 1.5, = 0.00001, da que n > 16.6; es decir, que el algoritmo efectuar por lo menos- unas 17 iteraciones para obtener la raz con el valor estipulado de precisin numrica.
UN ALGORITMO PARA EL MTODO DE BOLZANO

El problema con hallar la raz de una funcin se puede estipular como: dada una funcin f: D R R Se trata de hallar un valor : {x0 D/f(x0) = 0}. Es decir, encontrar las soluciones de la ecuacin f(x) = 0. Este procedimiento ser ms o menos complicado dependiendo de la expresin algebraica de la funcin f(x). Como se ilustra en la figura 3.2.3, los parmetros bsicos a considerar incluyen: (i) - los extremos iniciales del intervalo, a, b; (ii) el punto medio del intervalo, c; (ii) la evaluacin de la funcin en estos tres puntos, f(a), f(b), f(c). FIGURA 3.2.3 Diagrama esquemtico de los parmetros bsicos involucrados en el Mtodo de Bolzano. Los pasos bsicos del algoritmo, en Lenguaje Natural Estructurado (LNA)4, son los siguientes: 1. Conocer la funcin f(x) a la cual se le quiere conocer su raz. 2. Establecer el intervalo [a, b] a partir del cual se va a iniciar el proceso y un > 0 (margen de error, o tolerancia
numrica). 3. Calcular el punto medio del intervalo: c = (a+b)/2 3.1 Si |f(c)| < entonces c es la raz. Finalizar.
3.2 Si f(a)*f(c) < 0 entonces b = c. Es decir, el nuevo extremo superior del intervalo es b. 3.3 Si f(c)*f(b)<0 entonces a = c. Es decir, el nuevo extremo inferior del intervalo es b. Repetir el proceso desde el paso 3. 0
4
Esta es una de las tcnicas bsicas de representacin de algoritmos. Vase el captulo 2 de Algoritmos y Programacin con Visual Basic, en http://xue.unalmed.edu.co/~walvarem.
Mtodos Numricos y Programacin Visual Basic 12/31/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Como ejemplo de aplicacin, considrese la siguiente funcin:
f ( x) =
1 1 + 6 2 ( x 0.3) + 0.01 ( x 0.9) 2 + 0.04
(3.2.5)
Cuyo esquema grfico se presenta en la figura 3.2.4: FIGURA 3.2.4 Diagrama esquemtico de la funcin f(x) de la ecuacin 3.2.5. De esta figura, se pued eobservar que la funcin, definida por 3.2.5, tiene una raz en el intervalo [-0.5, 0.5] y otra raz en el intervalo [1.0, 2.0]. Aplicando la relacin 3.2.4, para el primer intervalo, se tiene que el valor mnimo de n, con una tolerancia = 0.00000001 es 26.57; es decir, que el algoritmo realizar por lo menos 27 iteraciones antes de encontrar la raz, con la tolerancia numrica estipulada.; igual valor se calcula para el segundo intervalo, con el mismo nivel de precisin numrica. Para implementar el algoritmo descrito, en Visual Basic, en primer lugar se elabora un procedimiento tipo Function, ilustrado en la figura 3.2.5. El algoritmo en Visual Basic aparece en la figura 3.2.6.
Public Function F(X As Double) As Double F = 1 / ((X - 0.3) ^ 2 + 0.01) + 1 / ((X - 0.9) ^ 2 + 0.04) - 6 End Function
FIGURA 3.2.5 Procedimiento tipo Function para la funcin f(x) de la ecuacin 3.2.5.
Dim A As Double, B As Double, N As Long Dim epsilon As Double, X As Double, C As Double A = Val(Text1.Text): B = Val(Text2.Text) epsilon = Val(Text3.Text): N = 0 Do C = (A + B) / 2 If Abs(F(C)) < epsilon Then Exit Do ElseIf F(A) * F(C) < 0 Then B=C Else A=C End If N=N+1 Loop While (Abs(F(C)) >= epsilon) Text4.Text = C: Text5.Text = N
FIGURA 3.2.6 Algoritmo en Visual Basic para hallar una raz de la funcin f(x) de la ecuacin 3.2.5. Las variables se definen como de tipo Double, es decir reales de precisin extendida. Para controlar el nmero de iteraciones se emplea una estructura de iteracin indefinida as: Do ...... Loop While (Abs(F(C) >= epsilon) Y se emplea la estructura de seleccin lgica del tipo If ... ElseIf ... End If. En la figura 3.2.7 se presenta una interfaz diseada en Visual Basic, con los resultados para el intervalo [1.0, 2.0] de la funcin definida por la ecuacin 3.2.5. .
Mtodos Numricos y Programacin Visual Basic 12/31/06 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ FIGURA 3.2.7 Interfaz en Visual Basic para hallar una raz de la funcin f(x) de la ecuacin 3.2.5, en el intervalo [1.0, 2.0]. El nmero de iteraciones, n, es consistente con el valor mnimo calculado por medio de la frmula 3.2.4. Es claro que al cambiar el valor de la tolerancia numrica, , se tendrn ms o menos iteraciones, y un valor ms o menos preciso de la raz. La figura 3.2.8 presenta un algoritmo en MatLab. Este Mtodo de Bolzano, como todos los mtodos numricos para hallar races de una funcin f(x), slo da valores aproximados; precisamente, la funcionalidad del nivel de precisin numrica, , es establecer cuando se ha llegado a un valor suficientemente aproximado desde el punto de vista prctico- para una raz determinada de f(x), que resuelve un problema concreto de Ciencia o de Ingeniera.
VENTAJAS Y DESVENTAJAS DEL MTODO DE BOLZANO

El Mtodo de Bolzano para hallar una raz de funcin f(x) en un intervalo especificado presenta ciertas ventajas , pero tambin adolece de algunos inconvenientes. Dentro de sus principales ventajas estn: Requerimientos mnimos de la funcin f(x), pues slo es necesario que sea continua en el intervalo especificado. Se basa en un rigoroso principio matemtico: el Teorema del Valor Medio de Bolzano. Es robusto y globalmente convergente. Siempre converge cuando se da un intervalo apropiado, pudindose establecer de antemano el nmero mnimo de iteraciones. Se puede establecer el lmite de error: |xn -x*|< (b-a)/2n-1, siendo xn el valor aproximado de la raz y x* su valor exacto. Es fcil de implementar.
Dentro de sus principales desventajas puede mencionarse: Para funciones complejas, que surgen en la prctica al tratar de resolver problemas de Ingeniera, la determinacin del intervalo inicial puede ser un proceso no trivial. Igualmente, en estos casos no es obvio el criterio de finalizacin del proceso iterativo, en cuanto a la precisin numrica; habr que proceder por ensayo y error. Su velocidad de convergencia es lenta. No puede hallar races complejas. No se puede utilizar para hallar ms de una raz en un intervalo dado. Es difcil generalizarlo para dimensiones superiores. FIGURA 3.2.8 Algoritmo implementado en Matlab para hallar una raz de una funcin f(x) = 0.
3.3 Mtodo de Newton-Raphson (Newton)

Homenaje del Estado Alemn, en su timbrel postal, al matemtico Sir Isaac Newton, que tanta influencia ha tenido en el desarrollo de la Ciencia y la Ingeniera en Occidente. Fuente: John H. Mathew, 2004, http://mathews.ecs.fullerton.edu/n2003/Newton'sMethodMod.html .
___________________________________________________________ El Mtodo de Newton_Raphson1, conocido ms comnmente como Mtodo de Newton, es un Mtodo de intervalo abierto, y slo requiere un valor inicial, cercano a la raz, para obtener un valor ms aproximado a la raz de una funcin f(x) = 0 (3.3.1) . Este mtodo es atribudo a Sir Isaac Newton (1643-1727) y a Joseph Raphson (16481715)2. Es de gran importancia resolver una ecuacin de la forma f(x)=0 (3.3.1), en muchas reas de Ciencia e Ingeniera, como en Matemticas, Fsica, Qumica, Elctrica, etc., y tambin en el clculo de algunas funciones o constantes matemticas como las races cuadradas y otros tipos de races. Alrededor de 1669, Isaac Newton proporcion un nuevo algoritmo para resolver una ecuacin polinmica3 y lo ilustr con el ejemplo y3 - 2y 5 = 0 (3.3.2). Newton plante que para hallar una raz aproximada de esta ecuacin, primero se debera tener un valor inicial de ensayo, tal como y 2. En su escrito, Newton escribi y = 2 + p (3.3.3) y despus de sustituir 3.3.3 en 3.3.2, la ecuacin inicialmente planteada se convierte en
p3 + 6p2 + 10p 1 = 0. (3.3.4)

Como el valor de p se supone muy pequeo, se puede despreciar la suma p3 + 6p2 comparada con 10p 1 (3.3.4) y, por lo tanto, de 3.3.4 se puede obtener un valor aproximado de p, es decir que p 0.1, con lo cual una mejor aproximacin de la raz es y 2.1. Es posible repetir el proceso y escribir p = 0.1 + q (3.3.5). Al sustituir 3.3.5 en 3.3.4, la ecuacin se convierte en
q3 + 6.3q2 + 11.23q + 0.061 = 0 (3.3.6),

pudindose tener un valor aproximado de q, q -0.061/11.23 = -0.0054. Siendo la nueva aproximacin de la raz de 3.3.2 y 2.0946. Y el proceso se repite hasta que se obtenga un suficiente nmero de cifras significativas para el valor de la raz. En este mtodo, Newton no utiliz explcitamente el concepto de derivada y slo aplic ecuaciones polinmicas. Aos ms tarde, en 1690, Joseph Raphson propuso un mtodo4 que evita las substituciones en el enfoque de Newton. Raphson ilustr su algoritmo con la ecuacin x3 bx + c = 0 (3.3.7), y empez con una aproximacin de esta ecuacin, x g, obtenindose una mejor aproximacin con la frmula siguiente:
x=g+
c + g 3 bg b 3g 2
(3.3.8)
Osrvese que el denominador en 3.3.8 es el opuesto de la derivada del numerador.
0
1
Murison, Marc A.: A Symbolic Newton-Raphson Method of Finding Roots, Astronomical Applications Department U.S. Naval Observatory , http://arnold.usno.navy.mil/murison/, December 1996. // Pascal Sebah and Xavier Gourdon , Newtons method and high order iterations, numbers.computation.free.fr/Constants/constants.html, October 3, 2001. // Recktenwald , Gerald: Numerical Methods with MATLAB: Implementations and Applications, 2000, Prentice Hall ISBN: 0201308606. 2 Tjalling J. Ypma: Historical Development of the Newton-Raphson Method, SIAM Review, Vol. 37, No. 4 (Dec., 1995), pp. 531-551 3 Newton, Isaac: Methodus fluxionum et serierum infinitarum, London, England, 1664-1671.
4
Raphson, Joseph: Analysis Aequationum universalis, London, England, 1690.
_________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 21 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ El proceso descrito con las ecuaciones 3.3.2 a 3.3.6 y la ecuacin 3.3.8 constituyen los orgenes del Mtodo NewtonRaphson (llamado de Newton) empleado actualmente para hallar una aproximacin a una raz de una funcin no-lineal, f(x) = 0. Desde entonces, el Mtodo Newton-Raphson se ha estudiado, se ha aplicado y se ha generalizado por muchos otros matemticos tales como Simpson (1710-1761), Mourraille (1720-1808), Cauchy (1789-1857), Kantorovich (1912-1986). La cuestin crucial de escoger el valor inicial fue tratada primeramente por Mourraille in 1768; y la dificultad de escoger un valor inicial correcto es una de las principales desventajas del algoritmo. Desde el siglo 19, el Mtodo Newton-Raphson se ha convertido en base de otros mtodos, ha sido aplicado a muy diversos problemas, y se ha generalizado para abordar problemas de muchas variables y muchas dimensiones matemticas; incluso, el algoritmo Newton-Raphson se ha empleado para implementar operaciones de mquina dentro de los chips que controlan el funcionamiento de las computadoras.. La lista presentada al final de esta seccin da una idea de la gran influencia que el Mtodo NewtonRaphson tiene en Ciencia y en Ingeniera, tanto en la parte terica como en las aplicaciones.
PARMETROS BSICOS DEL MTODO NEWTON-RAPHSON

FIGURA 3.3.1 Elementos bsicos para hallar una raz de la funcin f(x) = 0 por medio del Mtodo de Newton-Raphson.
Xn = Xn1
f ( Xn1) , n 1 f (Xn1)
(3.3.9)
La ecuacin 3.3.9 es la relacin bsica del Mtodo Newton-Raphson5, como ilustra la figura 3.3.2 La anterior funcin corresponde a la interseccin de la recta tangente de f(x) en Xn-1 con el eje de las X. Dicha interseccin, llamada Xn, corresponde a una aproximacin de la raz para la funcin f(x), cuando f(Xn) = 0 f(Xn) epsilon.
f(X Xn-1) f(X Xn)
FIGURA 3.3.2 Esquema grfico de la relacin entre los puntos Xn y Xn-1 , segn la ecuacin 3.3.2, que es la frmula algortmica general para hallar una raz de la funcin f(x) = 0 por medio del Mtodo de Newton-Raphson. EL CONCEPTO DE RAZ. Sea f: D R, D R, una funcin dada6. Un nmero Xn D se dice una raz (en D) de la ecuacin f(x)= 0 , o un cero (en Xn) = 0. D) de la funcin f , si f(X
Xn
Xn-1
Al intentar encontrar una raz Xn de una ecuacin f(x)= 0 , se generar una sucesin {x}i , i , = 1,2,... tal que
lim ( x i ) = x
i
(3.3.10)
0
5
Gray, Paul: Lecture Notes For Numerical Analysis, Emory University, Mathematics and Computer Science, 1998 2006, http://www.mathcs.emory.edu/ccs/ccs315/. 6 Asmar Ch., Ivan F.: Mtodos Numricos, Universidad Nacional de Colombia Sede Medelln, 2000.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Cualquier mtodo numrico permitir, entonces, calcular los valores de cada trmino de la sucesin {x}i i = 1,2,...; as que no se espera, en general, calcular directamente 3.3.10 sino que mediante un criterio razonablemente lgico, segn el problema que se est intentando resolver con el mtodo numrico, se podr escoger un trmino especfico de la sucesin {x}i i = 1,2, ... como valor aproximado de la raz que se pretende hallar, Xn. El algoritmo del Mtodo Newton-Raphson involucra un creterio para detener el proceso iterativo y un criterio para determinar cuando es posible una divisin por cero.
UN ALGORITMO PARA EL MTODO DE NEWTON-RAPHSON

Los pasos bsicos del Mtodo Newton-Raphson, para hallar una raz de f(x) = 0, son los siguientes: 1. 2. 3. 4. Conocer la funcin f(x) a la cual se le quiere obtener su raz. Tambin su derivada f(x). Establecer un punto de inicio X0 a partir del cual se va a iniciar el proceso. Si f(X0) = 0 entonces habr divisin por cero, finalizar; de lo contrario, continuar con paso 4.. Si f(X0) = 0 entonces la raz es X0, finalizar, e ir al paso 5; de lo contrario:
Calcule X1 mediante la ecuacin: Hacer X0 igual a X1.
= X
f (X 0 ) f (X 0 )
(3.3.11)
5. Repetir el paso 3 hasta que |f(X0)| epsilon. 6. Mostrar X0
La figura 3.3.3 ilustra el proceso de los sucesivos pasos que sigue el algoritmo del Mtodo de Newton-Raphson para la funcin f(x) = 25x2 10 x +1, tomndose como valor inical xo = 1.0.
FIGURA 3.3.3 Traza del algoritmo para hallar una raz de la funcin f(x) = 25x2 10 x +1 = 0 por medio del Mtodo de Newton-Raphson. Por f(xo) se traza una tangente a f(x); dicha tangente corta al eje x en x1 definido por la ecuacin 3.3.11; x1 se convierte en el nuevo xo y por f(x1) se traza de nuevo una tangente a f(x); y, as, sucesivamente. En este caso, el algoritmo converge en 20 iteraciones a un valor bastante aproximado al valor real (2.0).
UN EJEMPLO DE APLICACIN PARA EL MTODO NEWTON-RAPHSON

Sea la funcin definida por 3.3.12. Su derivada est dada por 3.3.13. Una grfica esquemtica de f(x) se muestra en la figura 3.3.4. 1 1 (3.3.12) f ( x) = + 6 2 2
( x 0 .3) + 0 .01
( x 0 .9 ) + 0 .04 2 ( x 0 .9 )
2
f ( x ) =
(( x 0 .3)
2 ( x 0 . 3)
2
+ 0 .01
) (( x 0 .9)
2
+ 0 .04
(3.3.13)
FIGURA 3.3.4 Grfica esquemtica de la funcin f(x) definida por medio de la frmula 3.3.4.
Private Function f(X As Double) As Double f = 1 / ((X - 0.3) ^ 2 + 0.01) + 1 / _ ((X - 0.9) ^ 2 + 0.04) - 6 End Function Private Function DF(X As Double) As Double DF = -2 * (X - 0.3) / ((X - 0.3) ^ 2 + 0.01) ^ 2 - _ 2 * (X - 0.9) / ((X - 0.9) ^ 2 + 0.04) ^ 2 End Function
Esta funcin tiene dos races: una en el intervalo [0.5, 0.5] y otra en el intervalo [1.0, 1.5]. En lenguaje Visual Basic, la funcin 3.3.12 y su derivada 3.3.13 son las arriba mostradas. La figura 3.3.5 es un algoritmo elaborado en Visual Basic, y la figura 3.3.6 es una interfaz que muestra los resultados respectivos. Dim X0 As Double, X1 As Double Dim epsilon As Double, N As Integer X0 = Val(Text1.Text) epsilon = Val(Text2.Text) N=0 Do If (f(X0) = 0) Then Exit Do X1 = X0 F(X0)/DF(X0) X0 = X1 N=N+1 Loop While(Abs(F(X0)) > epsilon) Text3.Text = Raz = & X0 FIGURA 3.3.5 Algoritmo elaborado en Visual Basic para hallar una raz de la funcin f(x) definida por medio de la frmula 3.3.4. Las variables XO, X1, epsilon se definen como de tipo Double, es decir real extendido. Con la variable N, de tipo entero, se cuenta el nmero de iteraciones que conlleva al algoritmo converger al valor aproximado de la raz, conforme a la tolerancia numrica estipulada con epsilon. Los valores de las variables XO y epsilon se leen de sendas cajatexto como se ilustra en la interfaz de la figura 3.3.5.
FIGURA 3.3.6 Interfaz en Visual Basic correspondiente al algoritmo de la figura 3.3.5. Un ejemplo del algortimo en MatLab es ilustrado en la figura 3.3.7. Y en la figura 3.3.8 se presenta un ejemplo en C. En la seccin 3.2 se obtuvo una raz para la misma funcin definida por la ecuacin 3.3.12; el algoritmo realiz 29 iteraciones; para el Mtodo de Newton-Raphson, el algoritmo realiza slo 5 iteraciones. Y esta es una caracterstica del _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 24 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Mtodo Newton-Raphson: si el algoritmo, implementado para un funcin especfica, converge, lo hace muy rpidamente.
FIGURA 3.3.7 Algoritmo en MatLab correspondiente a la figura 3.3.5 (John H. Mathews, 2004). FIGURA 3.3.8 Algoritmo en el lenguaje C correspondiente a la figura 3.3.5 (Paul A. Gray, 1998).
Como datos de entrada para este algoritmo se tienen: la funcin f(x); su derivada f(x); el valor inicial de aproximacin, xo; el mximo nmero de iteraciones, MAXIT; tolerancia numrica para la divisin por cero, 1 ; y la tolerancia numrica para la aproximacin de la raz, 2, que termina el algoritmo. A continuacin, figura 3.3.9, se presenta un programa en FORTRAN para la funcin x2 + 2x - 3. C DF(X)=DERIVADA;X VALOR INICIAL;E TOLERANCIA;N # MXIMO ITERACIONES F(X) = X**2+2.*X-3. DF(X) = 2.*X+2 READ (5,10) X, E, N DO 1 I = 1,N D=DF(X) IF(D.EQ.0) GO TO 2 X1 = X-F(X)/D IF (ABS(X-X1).LT.E) GO TO 3 1 X = X1 WRITE (6,20) N GO TO 4 3 WRITE(6,40) X1, I 10 FORMAT( ) 20 FORMAT (//2X, 'NO HAY SOLUCIN DESPUS DE ', I5, ' ITERACIONES') 30 FORMAT (//2X, 'PARA X = ', F8.4, ' DF(X)=0') 40 FORMAT (//2X, 'SE LLEG A LA SOLUCIN, X = ', F8.4, ' DESPUES DE' 1,I5, ' ITERACIONES') 4 STOP END FIGURA 3.3.9 Programa FORTRAN.
VENTAJAS Y DESVENTAJAS DEL MTODO NEWTON-RAPHSON

El Mtodo de Newton-Raphson para hallar una raz de funcin f(x) = 0, presenta ciertas ventajas , pero tambin adolece de algunos inconvenientes. La tabla 3.3.1 presenta una comparacin entre las ventajas y las desventajas del Mtodo de Newton-Raphson. TABLA 3.3.1 Ventajas y desventajas del Mtodo Newton-Raphson. Ventajas La derivacin del mtodo puede obtenerse por medio de Series de Taylor y tcnicas grficas. Cuando el punto de inicio, xo, se escoge correctamente, entonces el Mtodo de NewtonRaphson converge muy rpidamente. Algunas veces, para funciones especficas, el Mtodo de Newton-Raphson converge con muy pocas iteraciones.
Desventajas Determinar un punto de inicio, xo, adecuado puede ser una labor difcil, especialmente en la prctica donde surgen funciones muy complicadas. No se puede garantizar la convergencia cuando el punto de inicio, xo, no est cerca de la raz La convergencia no siempre se puede garantizar. Y no hay convergencia cuando la raz es un punto de inflexin, o est cercana a l; tambin, cuando la raz es un mximo o un mnimo, o est cernaca a uno de ellos. La convergencia puede ser muy lenta; y en ocasiones- hay oscilaciones alrededor de un punto. No siempre es fcil calcular la derivada; y en cada iteracin hay que calcularla. Bajo ciertas circunstancias y con ciertas funciones especficas no resulta obvio escoger la condicin que finaliza el algoritmo. Requiere un valor inicial de tipo complejo para hallar una raz compleja, lo cual no siempre fcil de obtener. Es tarea ardua construir las derivadas (o matrices Jacobianas) en el enfoque multidimensional.
Es posible tener una estimacin del error bajo supuestos razonables. Relativamente fcil de implementar, si la derivada se puede calcular. Es un mtodo muy eficiente para hallar races de polinomios. Este mtodo pued utilizarse para hallar races complejas de una funcin. Este mtodo se ha extendido para el tratamiento multidimensional.
CONVERGENCIA DEL MTODO NEWTON-RAPHSON

En la mayora de los casos, encontrados y documentados en la prctica ingenieril, el Mtodo Newton Raphson converge rpidamente, es decir con muchas menos iteraciones que otros mtodos para hallar races de funciones, f(x) = 0, y en tales casos no requiere de un valor inicial particularmente bueno, o muy cercano a la raz exacta. Sin embargo, existen ecuaciones del tipo f(x) = 0 con las cuales el Mtodo Newton-Raphson falla, o tiene un comportamiento extrao, o converge muy lentamente7. Un ejemplo es la ecuacin quntica siguiente:
5x5 - 10x4 - 31x3 + 4x2 + 111x + 205 = 0
(3.3.14)
Cuando se escoge un valor inicial x0 = 1.0 se llega a la solucin rpidamente, con 7 iteraciones, como se ilustra en la figura 3.3.10; pero si se escoge como valor inicial diferente el algoritmo se relentiza, o se comporta extraamente llndose a obtener una raz diferente a la que se pretende. Este comportamiento de la funcin 3.3.14 quizs se explica al anlizar su grfica que aparece en la figura 3.3.11. Obsrvese que la funcin presenta tres races reales en el intervalo [-3, 4 ], y entre 1 y 1 la funcn tiene una zona de pandeo, en la cual muy posiblemente estn las otras dos races, pues la funcin tiene 5 races; dichas races son complejas (imaginarias) y la versin que se est utilizando del Mtodo Newton-Raphson no calcula races complejas. Las tres races reales son 2.26432223767659, 1.98110017271273, y 3.39219813764743 . Para valores de X menores que 0
7
Tatum, J.B.: Physics topics, Celestial Mechanics, Chapter 1: Numerical Methods, 2000 - 2005,
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 2.26432223767659 la funcin definida por 3.3.14 decrece indefinidamente; para valores mayores de 3.39219813764743, la funcin crece indefinidamente.
FIGURA 3.3.10 Resultados del proyecto Visual Basic, con el Mtodo Newton Raphson, para la funcin definida por 3.3.14. FIGURA 3.3.11 Grfica esquemtica de la funcin definida por 3.3.14.
El eje horizontal tiene una escala normal, pero el eje vertical tiene una escala comprimida para facilitar su visualizacin; no obstante, se puede apreciar la forma general de la funcin. En la tabla 3.3.2 se listan algunos valores para X0 con las races halladas, valores de X1, y el nmero de iteraciones que el algoritmo emplea para llegar al nivel de precisin 0.000001. Se observa que hay una especie de bamboleo u oscilacin en el intervalo [-3, 4 ], pero el algoritmo se comporta bien calculando las races reales de la funcin en dicho intervalo.
TABLA 3.3.2 Ejemplo de valores X0 empleados para hallar races de 3.3.14 por el Mdoto Newton-Raphson No. Iteraciones, N Valor inicial X0 Raz hallada, X1 11 -0.995 3,39219813764743 7 -4.0 -2,26432223767663 36 -2344.0 -2,26432223767659 15 0.5 3,39219813764743 4 1.5 1,98110017271273 4 2.5 1,98110017271273 16 -0.1 -2,26432223767659 15 0.1 -2,2643222376766 6 4.0 3,39219813764743 36 2344.0 3,39219813764743 15 0.0 -2,26432223767659 11 -1.0 3,39219813764743 _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 27 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Otro ejemplo de funcin que presenta dificultades al aplicar el Mtodo Newton-Raphson es la funcin f(x) = x - tan x, una ecuacin que surge en la teora ptica de la difraccin. Se tiene que f(x) = x tan(x) = 0 (3.3.15), y la primera derivada est dada por f '(x) = 1 sec2(x) = -tan2(x) (3.3.16). Para la funcin 3.3.15, la frmula genrica en el Mtodo Newton-Raphson , al utilizar 3.3.16, es as:
x= x+
x tan( x) tan 2 ( x)
(3.3.17)
La solucin es X1 = 4.493409, pero para obtenerla el valor inicial X0 debe estar entre 4.3 y 4.7. Por ejemplo, con un valor inicial X0 = 4.45, el algoritmo da la raz en 4 iteraciones. Pero con X0 = 1.25, el algoritmo da como raz el valor de X1 = 5,15682388981189E-03 en 15 iteraciones, que se sabe no es el valor correcto. Y con un X0 = 3.245, despus de 22 iteraciones, falla, pues tanto X1 como f(X1) adquieren valores muy grandes. La ecuacin f(x) = 1- 4x + 6x2 - 4x3 + x4 = 0 (3.3.18) tambin presenta serias dificultades con el Mtodo NewtonRaphson, pues aunque sus cuatro races son todas iguales a 1, con un valor inicial X0 = 1.0, f(1) = 0 y f(1) = 0; a medida que el valor de X1 se acerca a 1.0, el algoritmo falla con un mensaje de divisin porcero. La ecuacin 3.3.18 deber resolverse por otro mtodo o por el Mtodo Newton-Raphson Modificado. EL CONCEPTO DE ORDEN DE CONVERGENCIA. Sean x0, x1, x2, . . . xn xi i = 1,2,..,n una secuencia que converge, es decir se aproxima o tiende, a r ; y sea en = xn r r = xn en (3.3.19). Si existe un nmero m y una constante C 0 (distinta de cero), tal que sumple el siguiente lmite8:
lim
e n +1 en
m
= C
(3.3.20)
entonces m es llamado orden de convergencia de la secuencia, y C el error asinttico constante. Para m = 1,2,3, la convergencia se dice lineal, cuadrtica y cbica, respectivamente. ANLISIS DE CONVERGENCIA DEL MTODO NEWTON-RAPHSON. Sean x0, x1, x2, xi,. . , xn, xn+1 las aproximaciones en las sucesivas iteraciones del Mtodo Newton-Raphson. Sea r el verdadero valor de la raz. Llmese al error en la nsima iteracin como en. Entonces, se cumple que: en = xn r (3.3.21); por lo tanto, tambin se puede escribir que:
en+1 = xn+1 - r =
xn
f (xn ) f (xn ) r = xn r f (xn ) f (xn )
= en
(e f (xn ) f (xn )) f (xn ) = n f (xn ) f ( xn )
(3.3.22)
Por otro lado, con la expansin de f(xn - en) en serie de Taylor se obtiene que: f(xn - en) = f(xn) - f'(xn)en + (f"(c)/2) en2 (3.323); y empleando 3.3.19 y 3.3.21 da que: f(r) = f(xn) - en f'(xn) + (f"(c)/2)en2, pero si r es la raz, entonces:
0 = f(xn) - en f'(xn) + (f"(c)/2)en2 enf'(xn) - f(xn) = (f"(c)/2)en2 (3.3.23)

De las ecuaciones 3.322 y 3.3.23 se puede escribir que:
en+1 = (f"(c)/2)en2/f'(xn) = (1/2)(f"(c)/ f'(xn))en2 en+1 = C en2, siendo C = (1/2)(f"(c)/f'(xn))

Lo cual implica que: en+1| <= |C| |en|2 |xn+1 - r| |C| |xn - r|2 (3.3.24)
La relacin 3.3.24 implica que el Mtodo Newton-Raphson tiene convergencia cuadrtica. Es decir, que si se empieza con una aproximacin que tiene 3 cifras significativas, se obtiene -en una sola iteracin- una nueva aproximacin con 6 cifras significativas. Esto contrasta con el Mtodo Biseccin, el cual que requiere al menos- 3 iteraciones para agregar una cifra significativa ms a la aproximacin de la raz. 0
8
Donley, H. Edwuard: Lectures on Numerical Methods, Newton Method, Indiana University of Pennsylvania, 2001, http://www.ma.iup.edu/projects/CalcDEMma/newton. // Smith, Mark D.: Newton-Raphson Technique, 1998, CBLU, University of Leeds, http://web.mit.edu/10.001/Web/Course_Notes/NLAE. // Weisstein, Eric W.: Newton's Method From MathWorld--A Wolfram Web Resource, 1999 2006. http://mathworld.wolfram.com/NewtonsMethod.html.
OTRAS APLICACIONES DEL MTODO DE NEWTON-RAPHSON

En la tabla 3.3.2 se presenta los resultados de aplicar el algoritmo del Mtodo Newton-Raphson apara hallar una raz de la funcin f(x) = x6 x 1 = 0; el valor inicial, xo, es xo = 1; el nivel de precisin es 10-8. TABLA 3.3.2 Raz de f(x) = x6 x 1 = 0 con el Mtodo Newton-Raphson (Paul Gray, 1998).
Racional de C, campo de los nmeros complejos, y el Conjunto Julia9 de dicho mapa es un Fractal (vase la figura 3.3.7)10 cuando hayan tres o ms distintas races. Iterando el mtodo para las races de la ecuacin Zn 1 = 0 , con el punto inicial zo, da la siguiente ecuacin11: (3.3.14)
Aplicando el Mtodo Newton-Raphson a las races de cualquier polinomio de grado dos o mayor , da un Mapa
Puesto que la ecuacin 3.3.6 (Mandelbrot 1983, Gleick 1988, Peitgen and Saupe 1988, Press et al. 1992, Dickau 1997) es un polinomio de orden n, hay n races a las cuales el algoritmo puede converger. Coloreando la base de atraccin,es decir el conjunto de puntos iniciales zo que converge a la misma raz, para cada raz se obtiene un color diferente, obtenindose este fractal mostrado en la figura 3.3.7.
FIGURA 3.3.7 Fractales formados con el Mtodo de Newton-Raphson.
0
9
Tomova, Anna : The application of Julia set to Newton-secants method, Applications of mathematics in engineering and economics (Sozopol, 1999), 94--95, Heron Press, Sofia, 2000, Math. Sci. Net. 10 Cartwright,J.H.E.: Newton maps: fractals from Newton's method for the circle map, Computers and Graphics, August 1999, vol. 23, no. 4, pp. 607612(6), Ingenta. 11 Eric W. Weisstein: Newton's Method, From MathWorld--A Wolfram Web Resource, 199-2005. http://mathworld.wolfram.com/NewtonsMethod.html
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Los fractales tambin surgen de mapas no-polinmicos. La figura 3.3.8 muestra el nmero de iteraciones necesarias que requiere la convergencia del mtodo de Newton-Raphson para la funcin Z2 2z (3.3.15), figura 3.3.8(a), (D. Cross, pers. comm., Jan. 10, 2005) y Z3 3z (3.3.16), figura 3.3.8 (b). La figura 3.3.9 presenta otro ejemplo de fractales.
(a)
(b)
FIGURA 3.3.8 Fractales formados (a) con la ecuacin 3.3.15; (b) con la ecuacin 3.3.16. La figura 3.3.9 es otro ejemplo de la generacin de fractales12. FIGURA 3.3.9 Otro ejemplo de Fractales.
La siguiente lista presenta una seleccin de aplicaciones y desarrollos tericos basados en el Mtodo NewtonRaphson13. Realmente, slo dan idea del inmenso efecto y de las investigaciones que se prosiguen con base al Mtodo Newton-Raphson. 1. Recursos de la Internet: Roots and Newton's Algorithm Undergraduate Computational Engineering and Science, The Department of Energy (DOE), Krell Institute
0
12
Weisstein, Eric: World of Mathematics, a Wolfram web resources, 2003, mathworld.wolfram.com. // Donley, H. Edward: Fractals and Newton Method, Mathematical Department, Indiana University of Pennsylvania, USA, http://www.ma.iup.edu/projects/CalcDEMma/newton/, 2001 2006. The Free Dictionary by Farlex, Copyright 2006 Farlex, Inc., http://encyclopedia.thefreedictionary.com/Root-finding+algorithm. // Mathews, John H. And Fink, Kurtis D.: Numerical Methods, Numerical Analysis Project, Department of Mathematics, California State University Fullerton, , 2004 - 2006.
13
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 2. Mtodo de Newton-Raphson para la bsqueda de races Jamie Campos, Escuela de Ingeniera, Facultad de Ciencias Fsicas y Matemticas, Universidad de Chile 3. Mtodo de Newton Carlos Bertulani, Instituto de Fisica, Universidade Federal do Rio de Janeiro, Brasil 4. Newton's Method J. C. Diaz, Univerisity of Tulsa, Tulsa, Oklahoma 5. Newton's Method John Burkardt, Pittsburgh Supercomputing Center, Carnegie Mellon University, Pittsburgh, PA 6. Newton's Iteration Method for Solution of Nonlinear Equations U.S.Geological Survey Water-Resources Investigations Report 96-4240 7. A Symbolic Newton-Raphson Method of Finding Roots Marc A. Murison, Astronomical Applications Department, U.S. Naval Observatory 8. Locating Roots of Functions Using the Newton-Raphson Method Saul I. Drobnies, San Diego State University, San Diego, CA 9. Newton's Method H. Edward Donley, Indiana University of Pennsylvania, Indiana, PA 10. Visual Calculus, Newton's Method Lawrence S. Husch, University of Tennessee, Knoxville, TN 11. Finding the Minimum Using Newtons Method Food and Resource Economics, University of Florida, Gainesville, FL 12. Newton's Method for solving equations Harel Barzilai, University of Minnesota, Minneapolis, MN 13. Newton-Raphson Technique Mark D Smith, Math. Dept., Massachusetts Institute of Technology, Cambridge, MA 14. Converging Rate of Newton and Secant method Jin Wenlong, Math. Dept., University of California Davis, CA 15. The Newton Fractal Saul I. Drobnies, San Diego State University, San Diego, CA 16. Newton Basins for a cubic David E. Joyce, Clark University, Worcester, Massachusetts 17. Newton's method William A.Cooper, National Center for Atmospheric Research, Boulder, CO 18. Newton-Raphson Method Stephen Holst, Dept. of Civil Engineering, University of Colorado, Boulder, CO 19. Solution of Systems of Equations, The Newton-Raphson method William A.Cooper, National Center for Atmospheric Research, Boulder, CO 20. Newton's Method Stephan Houben, Dept. of Math. & Comp. Sci., Eindhoven University of Technology, The Netherlands 21. Newton Raphson Method (N-R Method) Juan Restrepo, Math. Dept., University of Arizona, Tucson, AZ 22. Solving the cubic equation by the Newton-Raphson method Dept. of Chemistry and Biochemistry, University of South Carolina, Columbia, SC 23. Newton-Raphson Stuart Dalziel, University of Cambridge, Cambridge, England 24. The Newton-Raphson iterative method R. J. Hosking, Mahidol University, Mahidol University, Bangkok, Thailand 25. Newton's Method David Austin, Department of Mathematics, University of British Columbia, Vancouver, B.C., Canada 26. Newton-Raphson Method using derivatives Informatics and Telematics Institute, Thermi-Thessaloniki, Greece 27. Newton-Raphson method for nonlinear systems of equations Informatics and Telematics Institute, Thermi-Thessaloniki, Greece
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. Otros Recursos biliogrficos: Some variant of Newton's method with third-order convergence Frontini M.; Sormani E. Applied Mathematics and Computation, 10 August 2003, vol. 140, no. 2, pp. 419-426(8), Ingenta. Dynamics of Newton's method for solving some equations Jeong M.; Ok Kim G.; Kim S. Computers and Graphics, April 2002, vol. 26, no. 2, pp. 271-279(9), Ingenta. Kepler equation and accelerated Newton method Palacios M. Journal of Computational and Applied Mathematics, 15 January 2002, vol. 138, no. 2, pp. 335-346(12), Ingenta. An acceleration of Newton's method: Super-Halley method Gutierrez J.M.; Hernandez M.A. Applied Mathematics and Computation, 25 January 2001, vol. 117, no. 2, pp. 223-239(17), Ingenta. Variable dimension Newton-Raphson method Ng, S. W.; Lee, Y. S. IEEE Trans. Circuits Systems I Fund. Theory Appl. 47 (2000), no. 6, 809--817, Math. Sci. Net. The theory of Newton's method Galantai A. Journal of Computational and Applied Mathematics, 1 December 2000, vol. 124, no. 1, pp. 25-44(20), Ingenta. From Square Roots to n-th Roots: Newton's Method in Disguise W. M. Priestley College Math Journal: Volume 30, Number 5, (1999), Pages: 387-388. Computing Square Roots Fast: Illustrating the Cubic Order of Convergence John Mathews; Russell Howell International Journal of Mathematics Education in Science and Technology, 1999, Vol. 30, No. 2, pp. 289-293. Variations on a Theme of Newton Robert M. Corless Mathematics Magazine: Volume 29, Number 1, (1998), Pages: 34-41. The Newton and Halley Methods for Complex Roots Lily Yau and Adi Ben-Israel American Mathematical Monthly, Vol. 105, No. 9, (November, 1998), pp. 806-818, Jstor. A Continuous Version of Newton's Method Steve Hetzler College Math Journal: Volume 28, Number 5, (1997), Pages: 348-35. An improvement of convergence in Newton's method Lopez S. Computer Methods in Applied Mechanics and Engineering, 30 June 1997, vol. 145, no. 3, pp. 323-327(5), Ingenta. Accelerated Convergence in Newton's Method (in Classroom Notes) William F. Ford, James A. Pennline SIAM Review, Vol. 38, No. 4. (Dec., 1996), pp. 658-659, Jstor. Newton's Method for Resolving Affected Equations Chris Christenson College Math Journal: Volume 27, Number 5, (1996), Pages: 330-340. An example of the secant method of iterative approximation in a fifteenth-century Sanskrit text Plofker, Kim Historia Math. 23 (1996), no. 3, 246--256, Math. Sci. Net. The Dynamics of Newton's Methos for Cubic Polynomials James A. Walsh College Math Journal: Volume 26, Number 1, (1995), Pages: 22-27. On the Geometry of Halley's Method T. R. Scavo, J. B. Thoo American Mathematical Monthly, Vol. 102, No. 5. (May, 1995), pp. 417-426, Jstor. Historical Development of the Newton-Raphson Method Tjalling J. Ypma SIAM Review, Vol. 37, No. 4. (Dec., 1995), pp. 531-551, Jstor.
13. 14. 15. 16. 17. 18.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 19. Average-Case Optimality of a Hybrid Secant-Bisection Method Erich Novak, Klaus Ritter, Henryk Wozniakowski Mathematics of Computation, Vol. 64, No. 212. (Oct., 1995), pp. 1517-1539, Jstor 20. A generalized Newton-Raphson method using curvature Lee, In-Won; Jung, Gil-Ho Comm. Numer. Methods Engrg. 11 (1995), no. 9, 757--763, Math. Sci. Net. 21. Newton Raphson method, scaling at fractal boundaries and Mathematica Bisoi, A. K. Math. Comput. Modelling 21 (1995), no. 10, 91--102, Math. Sci. Net. 22. Historical Development of the Newton-Raphson Method Tjalling J. Ypma SIAM Review, Vol. 37, No. 4. (Dec., 1995), pp. 531-551, Jstor. 23. Approximate Zeros of Quadratically Convergent Algorithms Pengyuan Chen Mathematics of Computation, Vol. 63, No. 207. (Jul., 1994), pp. 247-270, Jstor. 24. Accelerated Convergence in Newton's Method (in Classroom Notes) Jurgen Gerlach SIAM Review, Vol. 36, No. 2. (Jun., 1994), pp. 272-276, Jstor. 25. Pathological Functions for Newton's Method George C. Donovan, Arnold R. Miller, Timothy J. Moreland American Mathematical Monthly, Vol. 100, No. 1. (Jan., 1993), pp. 53-58, Jstor. 26. The Secant Method and the Golden Mean (in Notes) Melvin J. Maron, Robert J. Lopez American Mathematical Monthly, Vol. 100, No. 7. (Aug. - Sep., 1993), pp. 676-678, Jstor. 27. Using the Secant Method to Approximate the Roots of an Equation Peter Lochiel Glidden School Science and Mathematics, Vol. 93, No. 1, (1993), pp. 5-8. 28. On the Superlinear Convergence of the Secant Method Marco Vianello, Renato Zanovello American Mathematical Monthly, Vol. 99, No. 8. (Oct., 1992), pp. 758-761, Jstor 29. The Modified Newton Method in the Solution of Stiff Ordinary Differential Equations Roger Alexander Mathematics of Computation, Vol. 57, No. 196. (Oct., 1991), pp. 673-701, Jstor. 30. A Gauss-Newton Method for Nonlinear Regression M. N. Ediger, Food and Drug Administration The Mathematica Journal, Vol. 1, No. 2, (Fall 1990), pp 42-44. 31. On the R-Order of Newton-Like Methods for Enclosing Solutions of Nonlinear Equations Andreas Frommer, Gunter Mayer SIAM Journal on Numerical Analysis, Vol. 27, No. 1. (Feb., 1990), pp. 105-116, Jstor. 32. A parabolic extension of Newton's method Sheldon P. Gordon and Ellis R. Von Eschen Int. J. Math. Educ. Sci. Technol.,Vol. 21, No. 4, (1990), pp. 519-525. 33. An Improved Newton's Method John Mathews The AMATYC Review, Vol. 10, No. 2, (Spring, 1989), pp. 9-14. 34. On Halley-Like Algorithms for Simultaneous Approximation of Polynomial Complex Zeros Miodrag S. Petkovic SIAM Journal on Numerical Analysis, Vol. 26, No. 3. (Jun., 1989), pp. 740-763, Jstor. 35. A Pointwise Quasi-Newton Method for Integral Equations C. T. Kelley; J. I. Northrup SIAM Journal on Numerical Analysis, Vol. 25, No. 5. (Oct., 1988), pp. 1138-1155, Jstor. 36. Newton's nth Root Method Without Derivatives David A. Smith College Math Journal: Volume 18, Number 5, (1987), Pages: 403-406. 37. Complex Roots of Polynomials by Newton-Raphson Method R. D. Murphy Journal of Computers in Mathematics and Science Teaching, (1987), pp. 44-45.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 38. A Nonmonotone Line Search Technique for Newton's Method L. Grippo, F. Lampariello, S. Lucidi SIAM Journal on Numerical Analysis, Vol. 23, No. 4. (Aug., 1986), pp. 707-716, Jstor. 39. Newton's Method and the Jenkins-Traub Algorithm R. N. Pederson Proceedings of the American Mathematical Society, Vol. 97, No. 4. (Aug., 1986), pp. 687-690, Jstor. 40. Attracting Orbits in Newton's Method Mike Hurley Transactions of the American Mathematical Society, Vol. 297, No. 1. (Sep., 1986), pp.143-158, Jstor. 41. Complex Roots: The Bairstow-Hitchcock Method Clark Kimberling The Mathematics Teacher, Vol. 79, No. 4, (April, 1986), pp. 278-282. 42. Pitfalls in the Use of Computers for the Newton-Raphson Method D. Mackie and T. Scott The Mathematical Gazette, Vol. 69, no. 450, (Dec., 1985), pp. 252-257. 43. Newton-Raphson in reverse Davies, M. Math. Student 47 (1979), no. 2-4, 149--150 (1985), Math. Sci. Net. 44. On Halley's Iteration Method (in Notes) Walter Gander American Mathematical Monthly, Vol. 92, No. 2. (Feb., 1985), pp. 131-134, Jstor. 45. An Approximate Newton Method for Coupled Nonlinear Systems Tony F. Chan SIAM Journal on Numerical Analysis, Vol. 22, No. 5. (Oct., 1985), pp. 904-913, Jstor. 46. A generalization of Newton Raphson MacLeod, Allan J. Internat. J. Math. Ed. Sci. Tech. 15 (1984), no. 1, 117--120, Math. Sci. Net. 47. Newton's Method and Symbolic Dynamics Sherman Wong Proceedings of the American Mathematical Society, Vol. 91, No. 2. (Jun., 1984), pp. 245-253, Jstor. 48. On the Convergence of some Interval-Arithmetic Modifications of Newton's Method G. Alefeld SIAM Journal on Numerical Analysis, Vol. 21, No. 2. (Apr., 1984), pp. 363-372, Jstor. 49. Newton's Method, Circle Maps, and Chaotic Motion Donald G. Saari, John B. Urenko American Mathematical Monthly, Vol. 91, No. 1. (Jan., 1984), pp. 3-17, Jstor. 50. Aitken Sequences and Fibonacci Numbers G. M. Phillips American Mathematical Monthly, Vol. 91, No. 6. (Jun. - Jul., 1984), pp. 354-357, Jstor. 51. A Nonconverging Newton Sequence Peter Petek Mathematics Magazine: Volume 14, Number 1, (1983), Pages: 43-45. 52. A New Acceleration Method for Newton's Method at Singular Points C. T. Kelley, R. Suresh SIAM Journal on Numerical Analysis, Vol. 20, No. 5. (Oct., 1983), pp. 1001-1009, Jstor. 53. Convergence Rates for Newton's Method at Singular Points D. W. Decker, H. B. Keller, C. T. Kelley SIAM Journal on Numerical Analysis, Vol. 20, No. 2. (Apr., 1983), pp. 296-314, Jstor. 54. Analysis of Newton's Method at Irregular Singularities A. Griewank, M. R. Osborne SIAM Journal on Numerical Analysis, Vol. 20, No. 4. (Aug., 1983), pp. 747-773, Jstor. 55. Local Convergence of Difference Newton-Like Methods T. J. Ypma Mathematics of Computation, Vol. 41, No. 164. (Oct., 1983), pp. 527-536, Jstor. 56. Finding a Multiple Zero by Transformations and Newton-Like Methods T. J. Ypma SIAM Review, Vol. 25, No. 3. (Jul., 1983), pp. 365-378, Jstor.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 57. Global Convergence of a Modified Newton Iteration for Algebraic Equations Kazuo Murota SIAM Journal on Numerical Analysis, Vol. 19, No. 4. (Aug., 1982), pp. 793-799, Jstor. 58. Newton-Raphson Extended Neville W. Richards The Mathematical Gazette, Vol. 65, no. 434, (Dec., 1981), pp. 294-295. 59. On the Convergence of Halley's Method (in Classroom Notes) G. Alefeld American Mathematical Monthly, Vol. 88, No. 7. (Aug. - Sep., 1981), pp. 530-536, Jstor. 60. Optimal Partitioning of Newton's Method for Calculating Roots Gunter Meinardus, G. D. Taylor Mathematics of Computation, Vol. 35, No. 152. (Oct., 1980), pp. 1221-1230, Jstor. 61. Be Careful When You Dodge Round Newton F. M. Arscott The Mathematical Gazette, Vol. 63, no. 425, (Oct., 1979), pp. 169-172. 62. Inverse Iteration, Ill-Conditioned Equations and Newton's Method G. Peters, J. H. Wilkinson SIAM Review, Vol. 21, No. 3. (Jul., 1979), pp. 339-360, Jstor. 63. Affine Invariant Convergence Theorems for Newton's Method and Extensions to Related Methods P. Deuflhard, G. Heindl SIAM Journal on Numerical Analysis, Vol. 16, No. 1. (Feb., 1979), pp. 1-10, Jstor. 64. On Newton's Method for Singular Problems G. W. Reddien SIAM Journal on Numerical Analysis, Vol. 15, No. 5. (Oct., 1978), pp. 993-996, Jstor. 65. Ideas and examples for presenting the Newton-Raphson method Hart, V. G.; Howard, L. N. Austral. Math. Soc. Gaz. 5 (1978), no. 3, 73--89, Math. Sci. Net. 66. Sufficient conditions for elementary Newton-Raphson convergence Speck, G. P. New Zealand Math. Mag. 14 (1977), no. 1, 34--36, Math. Sci. Net. 67. On Halley's Variation of Newton's Method (in Classroom Notes) George H. Brown, Jr. American Mathematical Monthly, Vol. 84, No. 9. (Nov., 1977), pp. 726-728, Jstor. 68. A Stable Variant of the Secant Method for Solving Nonlinear Equations W. B. Gragg, G. W. Stewart SIAM Journal on Numerical Analysis, Vol. 13, No. 6. (Dec., 1976), pp. 889-903, Jstor. 69. A Note on the Convergence of Newton's Method L. B. Rall SIAM Journal on Numerical Analysis, Vol. 11, No. 1. (Mar., 1974), pp. 34-36, Jstor. 70. Cycling in the Newton-Raphson algorithm Ascher, Marcia Internat. J. Math. Ed. Sci. Tech. 5 (1974), no. 2, 229--235, Math. Sci. Net. 71. The Use of the Secant Method in Econometric Models J. Phillip Cooper, Stanley Fischer The Journal of Business, Vol. 46, No. 2. (Apr., 1973), pp. 274-277, Jstor. 72. The Kantorovich Theorem for Newton's Method (in Classroom Notes) R. A. Tapia American Mathematical Monthly, Vol. 78, No. 4. (Apr., 1971), pp. 389-392, Jstor. 73. Global Convergence of Newton-Gauss-Seidel Methods Jorge J. More SIAM Journal on Numerical Analysis, Vol. 8, No. 2. (Jun., 1971), pp. 325-336, Jstor. 74. The Simultaneous Newton Improvement of a Complete Set of Approximate Factors of a Polynomial A. A. Grau SIAM Journal on Numerical Analysis, Vol. 8, No. 2. (Jun., 1971), pp. 425-438, Jstor. 75. Generalized Logarithmic Error and Newton's Method for the mth Root David L. Phillips Mathematics of Computation, Vol. 24, No. 110. (Apr., 1970), pp. 383-389, Jstor.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 76. On Aitken' s d^2 Method (in Mathematical Notes) Simeon Reich American Mathematical Monthly, Vol. 77, No. 3. (Mar., 1970), pp. 283-284, Jstor. 77. Geometrical Aspects of Newton's Method Walter Jennings Mathematics Magazine, Vol. 42, No. 5. (Nov., 1969), pp. 262-266, Jstor. 78. Optimal Starting Approximations for Newton's Method P. H. Sterbenz, C. T. Fike Mathematics of Computation, Vol. 23, No. 106. (Apr., 1969), pp. 313-318, Jstor. 79. A Quadratically Convergent Newton-Like Method Based Upon Gaussian Elimination Kenneth M. Brown SIAM Journal on Numerical Analysis, Vol. 6, No. 4. (Dec., 1969), pp. 560-569, Jstor. 80. On the Kantorovich Hypothesis for Newton's Method J. E. Dennis, Jr. SIAM Journal on Numerical Analysis, Vol. 6, No. 3. (Sep., 1969), pp. 493-507, Jstor. 81. A Modified Newton-Raphson Iteration (in Classroom Notes) Walter Jennings American Mathematical Monthly, Vol. 75, No. 6. (Jun. - Jul., 1968), pp. 652-654, Jstor. 82. On Steffensen's Method L. W. Johnson, D. R. Scholz SIAM Journal on Numerical Analysis, Vol. 5, No. 2. (Jun., 1968), pp. 296-302, Jstor. 83. Optimal Starting Values for the Newton-Raphson Calculation of Inverses of Certain Functions D. G. Moursund, G. D. Taylor SIAM Journal on Numerical Analysis, Vol. 5, No. 1. (Mar., 1968), pp. 138-150, Jstor. 84. On Newton-Raphson Iteration (in Classroom Notes) J. F. Traub American Mathematical Monthly, Vol. 74, No. 8. (Oct., 1967), pp. 996-998, Jstor. 85. Monotone Iterations for Nonlinear Equations with Application to Gauss-Seidel Methods James M. Ortega, Werner C. Rheinboldt SIAM Journal on Numerical Analysis, Vol. 4, No. 2. (Jun., 1967), pp. 171-190, Jstor. 86. Newton's Method for Convex Operators in Partially Ordered Spaces James S. Vandergraft SIAM Journal on Numerical Analysis, Vol. 4, No. 3. (Sep., 1967), pp. 406-432, Jstor. 87. On Newton's Method and Nonlinear Simultaneous Displacements J. E. Dennis, Jr. SIAM Journal on Numerical Analysis, Vol. 4, No. 1. (Mar., 1967), pp. 103-108, Jstor. 88. A Stationary Newton Method for Nonlinear Functional Equations J. E. Dennis, Jr. SIAM Journal on Numerical Analysis, Vol. 4, No. 2. (Jun., 1967), pp. 222-232, Jstor. 89. Note on Newton's Method L. M. Weiner Mathematics Magazine, Vol. 39, No. 3. (May, 1966), pp. 143-145, Jstor. 90. On a Discrete Version of the Newton-Raphson Method Leon Wegge SIAM Journal on Numerical Analysis, Vol. 3, No. 1. (Mar., 1966), pp. 134-142, Jstor. 91. Nonlinear Difference Equations and Gauss-Seidel Type Iterative Methods James M. Ortega, Maxine L. Rockoff SIAM Journal on Numerical Analysis, Vol. 3, No. 3. (Sep., 1966), pp. 497-513, Jstor. 92. On Discretization and Differentiation of Operators with Application to Newton's Method James M. Ortega, Werner C. Rheinboldt SIAM Journal on Numerical Analysis, Vol. 3, No. 1. (Mar., 1966), pp. 143-156, Jstor. 93. Convergence of the Newton-Raphson method for arbitrary polynomials Lancaster, P. Math. Gaz. 48, (1964), 291--295, Math. Sci. Net. 94. On the Utility of Newton's Method for Computing Complex Roots of Equations (in Technical Notes and Short Papers) I. M. Longman Mathematics of Computation, Vol. 14, No. 70. (Apr., 1960), pp. 187-189, Jstor. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 36 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 95. Taylor's Theorem and Newton's Method (in Classroom Notes) F. D. Parker American Mathematical Monthly, Vol. 66, No. 1. (Jan., 1959), p. 51, Jstor. 96. A modified Newton-Raphson process for approximation of multiple roots of polynomials Milnes, Harold Willis Indust. Math. 9, (1958), no. 2, 17--26, Math. Sci. Net. 97. Newton's Method and Multiple Roots Thomas E. Mott American Mathematical Monthly, Vol. 64, No. 9. (Nov., 1957), pp. 635-638, Jstor. 98. Newton's Method for Trigonometry Students (in Classroom Notes) J. P. Ballantine American Mathematical Monthly, Vol. 63, No. 10. (Dec., 1956), p. 722, Jstor. 99. Newton's Method in Banach Spaces Robert G. Bartle Proceedings of the American Mathematical Society, Vol. 6, No. 5. (Oct., 1955), pp. 827-831, Jstor. 100. Another Variation of Newton's Method (in Classroom Notes) J. K. Stewart American Mathematical Monthly, Vol. 58, No. 5. (May, 1951), pp. 331-334, Jstor. 101. A Type of Variation on Newton's Method H. J. Hamilton American Mathematical Monthly, Vol. 57, No. 8. (Oct., 1950), pp. 517-522, Jstor. 102. Notes on the Graeffe Method of Root Squaring (in Mathematical Notes) G. C. Best American Mathematical Monthly, Vol. 56, No. 2. (Feb., 1949), pp. 91-94, Jstor. 103. A Modification of Newton's Method (in Classroom Notes) H. S. Wall American Mathematical Monthly, Vol. 55, No. 2. (Feb., 1948), pp. 90-94, Jstor. 104. On the Newton-Raphson method of approximation Richmond, H. W. Edinburgh Math. Notes 1944 (1944). no. 34, 5--8, Math. Sci. Net. 105. New Criteria for Accuracy in Approximating Real Roots by the Newton-Raphson Method Myron G. Pawley National Mathematics Magazine, Vol. 15, No. 3. (Dec., 1940), pp. 111-120, Jstor. 106. On the Graeffe Method of Solution of Equations L. L. Cronvich American Mathematical Monthly, Vol. 46, No. 4. (Apr., 1939), pp. 185-190. Jstor. 107. Haley's Methods for Solving Equations Harry Bateman American Mathematical Monthly, Vol. 45, No. 1. (Jan., 1938), pp. 11-17, Jstor. 108. On the Convergence of Newton's Method of Approximation (in Questions, Discussions, and Notes) G. T. Coate American Mathematical Monthly, Vol. 44, No. 7. (Aug. - Sep., 1937), pp. 464-466, Jstor. 109. Graeffe's Method and Complex Roots (in Questions, Discussions, and Notes) B. A. Hausmann American Mathematical Monthly, Vol. 43, No. 4. (Apr., 1936), pp. 225-229. Jstor. 110. On Graeffe's Method for the Numerical Solution of Algebraic Equations C. A. Hutchinson American Mathematical Monthly, Vol. 42, No. 3. (Mar., 1935), pp. 149-161, Jstor. 111. On Newton's Method of Approximation Henry B. Fine Proceedings of the National Academy of Sciences of the United States of America, Vol. 2, No. 9. (Sep. 15, 1916), pp. 546-552, Jstor. 112. Newton's Method in General Analysis Albert A. Bennett Proceedings of the National Academy of Sciences of the United States of America, Vol. 2, No. 10. (Oct. 15, 1916), pp. 592-598, Jstor. 113. Historical Note on the Newton-Raphson Method of Approximation Florian Cajori American Mathematical Monthly, Vol. 18, No. 2. (Feb., 1911), pp. 29-32, Jstor. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 37 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 114. On Newton's Method of Approximation (in Notes) F. Franklin American Journal of Mathematics, Vol. 4, No. 1/4. (1881), pp. 275-276, Jstor. 115. On Sir Isaac Newton's Method of Finding the Limits of the Roots of Equations. [Abstract] Herbert Panmure Ribton Abstracts of the Papers Communicated to the Royal Society of London, Vol. 5. (1843 - 1850), p. 630, Jstor. 1. 2. Desarrollos Tericos y Aplicaciones: On a theorem of L.V. Kantorovich concerning Newton's method Argyros I.K. Journal of Computational and Applied Mathematics, 15 June 2003, vol. 155, no. 2, pp. 223-230(8), Ingenta. Predictor-Corrector Smoothing Newton Method, Based on a New Smoothing Function, for Solving the Nonlinear Complementarity Problem with a P0 Function Huang Z.H.; Han J.; Chen Z. Journal of Optimization Theory and Applications, April 2003, vol. 117, no. 1, pp. 39-68(30), Ingenta. The Inexact Newton-Like Method for Inverse Eigenvalue Problem Chan R.H.; Chung H.L.; Xu S.-F. Bit Numerical Mathematics, March 2003, vol. 43, no. 1, pp. 7-20(14), Ingenta. Structured Secant Method Based on a New Quasi-Newton Equation for Nonlinear Least Squares Problems Zhang J.Z.; Xue Y.; Zhang K. Bit Numerical Mathematics, March 2003, vol. 43, no. 1, pp. 217-229(13), Ingenta. A penalty/Newton/conjugate gradient method for the solution of obstacle problems Glowinski R.; Kuznetsov Y.A.; Pan T.-W. Comptes Rendus Mathematique, 1 March 2003, vol. 336, no. 5, pp. 435-440(6), Ingenta. Global Linear and Quadratic One-step Smoothing Newton Method for P0-LCP Zhang L.; Zhang X. Journal of Global Optimization, April 2003, vol. 25, no. 4, pp. 363-376(14), Ingenta. Some variant of Newton's method with third-order convergence Frontini M.; Sormani E. Applied Mathematics and Computation, 10 August 2003, vol. 140, no. 2, pp. 419-426(8), Ingenta. The Newton-arithmetic mean method for the solution of systems of nonlinear equations Galligani E. Applied Mathematics and Computation, 10 January 2003, vol. 134, no. 1, pp. 9-34(26), Ingenta. Simultaneous Point Estimates for Newton's Method Batra P. Bit Numerical Mathematics, 2002, vol. 42, no. 3, pp. 467-476(10), Ingenta. Modified Newton method for reactive dispatching da Costa G.R.M. International Journal of Electrical Power and Energy Systems, December 2002, vol. 24, no. 10, pp. 815-819(5), Ingenta. Solving a Boundary Value Problem by a Newton-Like Method Ezquerro J.A.; Hernandez M.A.; Salanova M.A. International Journal of Computer Mathematics, 1 January 2002, vol. 79, no. 10, pp. 1113-1120(8), Ingenta. Iteratively regularized Gauss-Newton method for atmospheric remote sensing Doicu A.; Schreier F.; Hess M. Computer Physics Communications, 15 October 2002, vol. 148, no. 2, pp. 214-226(13), Ingenta. The Geometry of the Newton Method on Non-Compact Lie Groups Mahony R.; Manton J.H. Journal of Global Optimization, August 2002, vol. 23, no. 3-4, pp. 309-327(19), Ingenta. On the solution of three-dimensional inverse obstacle acoustic scattering problems by a regularized Newton method Farhat C.; Tezaur R.; Djellouli R. Inverse Problems, 2002, vol. 18, no. 5, pp. 1229-1246(18), Ingenta. On the Gauss--Newton method for l1 orthogonal distance regression Watson G.A. IMA Journal of Numerical Analysis, July 2002, vol. 22, no. 3, pp. 345-357(13), Ingenta.
3. 4. 5. 6. 7. 8. 9. 10.
11. 12. 13. 14.
15.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 16. Dynamics of Newton's method for solving some equations Jeong M.; Ok Kim G.; Kim S. Computers and Graphics, April 2002, vol. 26, no. 2, pp. 271-279(9), Ingenta. 17. A Globally Convergent Smoothing Newton Method for Nonsmooth Equations and Its Application to Complementarity Problems Taji K.; Miyamoto M. Computational Optimization and Applications, April 2002, vol. 22, no. 1, pp. 81-101(21), Ingenta. 18. Smoothing Functions and Smoothing Newton Method for Complementarity and Variational Inequality Problems Qi L.; Sun D. Journal of Optimization Theory and Applications, April 2002, vol. 113, no. 1, pp. 121-147(27), Ingenta. 19. Modelling the three-way catalytic converter with mechanistic kinetics using the Newton-Krylov method on a parallel computer Mukadi L.S.; Hayes R.E. Computers and Chemical Engineering, 15 March 2002, vol. 26, no. 3, pp. 439-455(17), Ingenta. 20. Bifurcation analysis of incompressible flow in a driven cavity by the Newton-Picard method Tiesinga G.; Wubs F.W.; Veldman A.E.P. Journal of Computational and Applied Mathematics, 1 March 2002, vol. 140, no. 1, pp. 751-772(22), Ingenta. 21. Kepler equation and accelerated Newton method Palacios M. Journal of Computational and Applied Mathematics, 15 January 2002, vol. 138, no. 2, pp. 335-346(12), Ingenta. 22. A direct Newton method for calculus of variations Levin1 Y.; Nediak M.; Ben-Israel A. Journal of Computational and Applied Mathematics, 15 February 2002, vol. 139, no. 2, pp. 197-213(17), Ingenta. 23. Newton-Raphson Method and Stability of Nonlinear Information Image-Recovery Techniques Bajkova A.T. Radiophysics and Quantum Electronics, October 2001, vol. 43, no. 10, pp. 805-816(12), Ingenta. 24. A Newton method for systems of m equations in n variables Levin Y.; Ben-Israel A. Nonlinear Analysis, August 2001, vol. 47, no. 3, pp. 1961-1971(11), Ingenta. 25. An acceleration of Newton's method: Super-Halley method Gutierrez J.M.; Hernandez M.A. Applied Mathematics and Computation, 25 January 2001, vol. 117, no. 2, pp. 223-239(17), Ingenta. 26. Modified Newton and secant methods for solving an order O(Error!Marcador no definido.) finite-difference problem Lin, Zhenghua; Yu, Xiaolin; Sheng, Zhongping Ann. Differential Equations 16 (2000), no. 2, 134--144, Math. Sci. Net. 27. Variable dimension Newton-Raphson method Ng, S. W.; Lee, Y. S. IEEE Trans. Circuits Systems I Fund. Theory Appl. 47 (2000), no. 6, 809--817, Math. Sci. Net. 28. Newton's Method in Shape Optimisation: A Three-Dimensional Case Novruzi A.; Roche J.R. Bit Numerical Mathematics, 2000, vol. 40, no. 1, pp. 102-120(19), Ingenta. 29. Theoretical Efficiency of an Inexact Newton Method Deng N.Y.; Wang Z.Z. Journal of Optimization Theory and Applications, April 2000, vol. 105, no. 1, pp. 97-112(16), Ingenta. 30. A Variant of Newton's Method with Accelerated Third-Order Convergence Weerakoon S.; Fernando T.G.I. Applied Mathematics Letters, November 2000, vol. 13, no. 8, pp. 87-93(7), Ingenta. 31. Newton's Method for Zero Points of a Matrix Function and its Applications to Queueing Models Nishimura S.; Harashima A. Journal of the Operations Research Society of Japan, September 2000, vol. 43, no. 3, pp. 396-416(21), Ingenta. 32. The theory of Newton's method Galantai A. Journal of Computational and Applied Mathematics, 1 December 2000, vol. 124, no. 1, pp. 25-44(20), Ingenta. 33. Improved Newton method for optimal power flow problem da Costa G.R.M.; Costa C.E.U. International Journal of Electrical Power and Energy Systems, 1 October 2000, vol. 22, no. 7, pp. 459-462(4), Ingenta. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 39 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 34. Construction of the Jordan decomposition by means of Newton's method Schmidt D. Linear Algebra and its Applications, 15 July 2000, vol. 314, no. 1, pp. 75-89(15), Ingenta. 35. A new continuation Newton-like method and its deformation Wu X.-Y. Applied Mathematics and Computation, 1 June 2000, vol. 112, no. 1, pp. 75-78(4), Ingenta. 36. Newton's method and generation of a determinantal family of iteration functions Kalantari B.; Gerlach J. Journal of Computational and Applied Mathematics, 1 April 2000, vol. 116, no. 1, pp. 195-200(6), Ingenta. 37. From Square Roots to n-th Roots: Newton's Method in Disguise W. M. Priestley College Math Journal: Volume 30, Number 5, (1999), Pages: 387-388. 38. Computing Square Roots Fast: Illustrating the Cubic Order of Convergence John Mathews; Russell Howell International Journal of Mathematics Education in Science and Technology, 1999, Vol. 30, No. 2, pp. 289-293. 39. The application of Julia set to Newton-secants method Tomova, Anna Applications of mathematics in engineering and economics (Sozopol, 1999), 94--95, Heron Press, Sofia, 2000, Math. Sci. Net. 40. Newton maps: fractals from Newton's method for the circle map Cartwright J.H.E. Computers and Graphics, August 1999, vol. 23, no. 4, pp. 607-612(6), Ingenta. 41. A Newton method for three-dimensional fretting problems Stromberg N. International Journal of Solids and Structures, 1 May 1999, vol. 36, no. 14, pp. 2075-2090(16), Ingenta. 42. A practical choice of parameters in improved SOR-Newton method with orderings Ishiwata E. Journal of Computational and Applied Mathematics, 26 February 1999, vol. 102, no. 2, pp. 315-331(17), Ingenta. 43. Numerical solutions for orthogonal wavelet filters by Newton method Chang L.-W.; Shen Y.-E. Signal Processing: Image Communication, August 1999, vol. 14, no. 10, pp. 879-887(9), Ingenta. 44. Application of Galerkin Finite-Element Method with Newton Iterations in Computing Steady-State Solutions of Unipolar Charge Currents in Corona Devices Feng J.Q. Journal of Computational Physics, May 1999, vol. 151, no. 2, pp. 969-989(21), Ingenta. 45. Strong consistency of robust nonlinear regression estimates using Newton-Raphson algorithms. (Chinese) Yuan, Jun Zhu J. Baoji College Arts Sci. Nat. Sci. 19 (1999), no. 4, 50--53, Math. Sci. Net. 46. Variations on a Theme of Newton Robert M. Corless Mathematics Magazine: Volume 29, Number 1, (1998), Pages: 34-41. 47. The Newton and Halley Methods for Complex Roots Lily Yau and Adi Ben-Israel American Mathematical Monthly, Vol. 105, No. 9, (November, 1998), pp. 806-818, Jstor. 48. A global Newton method for the zeros of cylinder functions Segura J. Numerical Algorithms, 1998, vol. 18, no. 3/4, pp. 259-276(18), Ingenta. 49. A parallel quasi-Newton method for Gaussian data fitting Caprioli P.; Holmes M.H. Parallel Computing, October 1998, vol. 24, no. 11, pp. 1635-1651(17), Ingenta. 50. A statistically-based Newton method for pose refinement Pece A.; Worrall A. Image and Vision Computing, June 1998, vol. 16, no. 8, pp. 541-544(4), Ingenta. 51. nth Root extraction: Double iteration process and Newton's method Dubeau F. Journal of Computational and Applied Mathematics, 4 May 1998, vol. 91, no. 2, pp. 191-198(8), Ingenta. 52. A generalization of the Newton-Raphson method. (Japanese) Fukushima, Katsuhiko; Kitagawa, Seinosuke Sugaku 50 (1998), no. 2, 211--214, Math. Sci. Net. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 40 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 53. A Continuous Version of Newton's Method Steve Hetzler College Math Journal: Volume 28, Number 5, (1997), Pages: 348-35. 54. An Inexact Newton Method for Systems Arising from the Finite Element Method Capon P.J.; Jimack P.K. Applied Mathematics Letters, May 1997, vol. 10, no. 3, pp. 9-12(4), Ingenta. 55. An improvement of convergence in Newton's method Lopez S. Computer Methods in Applied Mechanics and Engineering, 30 June 1997, vol. 145, no. 3, pp. 323-327(5), Ingenta. 56. Accelerated Convergence in Newton's Method (in Classroom Notes) William F. Ford, James A. Pennline SIAM Review, Vol. 38, No. 4. (Dec., 1996), pp. 658-659, Jstor. 57. Newton's Method for Resolving Affected Equations Chris Christenson College Math Journal: Volume 27, Number 5, (1996), Pages: 330-340. 58. An example of the secant method of iterative approximation in a fifteenth-century Sanskrit text Plofker, Kim Historia Math. 23 (1996), no. 3, 246--256, Math. Sci. Net. 59. A Newton method for solving the inverse scattering problem for a sound-hard obstacle Mnch L. Inverse Problems, 1996, vol. 12, no. 3, pp. 309-323(15), Ingenta. 60. A Stepsize Control for the Botsaris-Newton Method Sturm T.F. Journal of Mathematical Analysis and Applications, April 1996, vol. 199, no. 1, pp. 59-74(16), Ingenta. 61. The Dynamics of Newton's Methos for Cubic Polynomials James A. Walsh College Math Journal: Volume 26, Number 1, (1995), Pages: 22-27. 62. On the Geometry of Halley's Method T. R. Scavo, J. B. Thoo American Mathematical Monthly, Vol. 102, No. 5. (May, 1995), pp. 417-426, Jstor. 63. Historical Development of the Newton-Raphson Method Tjalling J. Ypma SIAM Review, Vol. 37, No. 4. (Dec., 1995), pp. 531-551, Jstor. 64. Average-Case Optimality of a Hybrid Secant-Bisection Method Erich Novak, Klaus Ritter, Henryk Wozniakowski Mathematics of Computation, Vol. 64, No. 212. (Oct., 1995), pp. 1517-1539, Jstor 65. A generalized Newton-Raphson method using curvature Lee, In-Won; Jung, Gil-Ho Comm. Numer. Methods Engrg. 11 (1995), no. 9, 757--763, Math. Sci. Net. 66. Newton Raphson method, scaling at fractal boundaries and Mathematica Bisoi, A. K. Math. Comput. Modelling 21 (1995), no. 10, 91--102, Math. Sci. Net. 67. Remarks on the convergence of the Newton-Raphson method Berinde, Vasile Rev. Anal. Numr. Thor. Approx. 24 (1995), no. 1-2, 15--21, Math. Sci. Net. 68. Historical Development of the Newton-Raphson Method Tjalling J. Ypma SIAM Review, Vol. 37, No. 4. (Dec., 1995), pp. 531-551, Jstor. 69. Approximate Zeros of Quadratically Convergent Algorithms Pengyuan Chen Mathematics of Computation, Vol. 63, No. 207. (Jul., 1994), pp. 247-270, Jstor. 70. Accelerated Convergence in Newton's Method (in Classroom Notes) Jurgen Gerlach SIAM Review, Vol. 36, No. 2. (Jun., 1994), pp. 272-276, Jstor. 71. Combining binary search and Newton's method to compute real roots for a class of real functions. Ye, Yinyu J. Complexity 10 (1994), no. 3, 271--280, MathSciNet. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 41 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 72. Pathological Functions for Newton's Method George C. Donovan, Arnold R. Miller, Timothy J. Moreland American Mathematical Monthly, Vol. 100, No. 1. (Jan., 1993), pp. 53-58, Jstor. 73. The Secant Method and the Golden Mean (in Notes) Melvin J. Maron, Robert J. Lopez American Mathematical Monthly, Vol. 100, No. 7. (Aug. - Sep., 1993), pp. 676-678, Jstor. 74. Using the Secant Method to Approximate the Roots of an Equation Peter Lochiel Glidden School Science and Mathematics, Vol. 93, No. 1, (1993), pp. 5-8. 75. On the Superlinear Convergence of the Secant Method Marco Vianello, Renato Zanovello American Mathematical Monthly, Vol. 99, No. 8. (Oct., 1992), pp. 758-761, Jstor 76. Newton-Raphson's method and convexity Hernndez Vern, Miguel A. Zb. Rad. Prirod.-Mat. Fak. Ser. Mat. 22 (1992), no. 1, 159--166, Math. Sci. Net. 77. A combined method for polynomial roots using modified Newton-Raphson with minimum searching Lynge, Walter C. J. Comput. Appl. Math. 42 (1992), no. 3, 339--355, Math. Sci. Net. 78. The Modified Newton Method in the Solution of Stiff Ordinary Differential Equations Roger Alexander Mathematics of Computation, Vol. 57, No. 196. (Oct., 1991), pp. 673-701, Jstor. 79. Convergence of the Newton-Raphson algorithm in elastic-plastic incremental analysis Caddemi, S.; Martin, J. B. Internat. J. Numer. Methods Engrg. 31 (1991), no. 1, 177--191, Math. Sci. Net. 80. On the Newton-Raphson iterative method for the computation of the square root Badea, C at alin; Buze teanu, Serban N. An. Univ. Bucurec sti Mat. Inform. 39/40 (1990/1991), no. 3, 3--13, Math. Sci. Net. 81. A Gauss-Newton Method for Nonlinear Regression M. N. Ediger, Food and Drug Administration The Mathematica Journal, Vol. 1, No. 2, (Fall 1990), pp 42-44. 82. On the R-Order of Newton-Like Methods for Enclosing Solutions of Nonlinear Equations Andreas Frommer, Gunter Mayer SIAM Journal on Numerical Analysis, Vol. 27, No. 1. (Feb., 1990), pp. 105-116, Jstor. 83. A parabolic extension of Newton's method Sheldon P. Gordon and Ellis R. Von Eschen Int. J. Math. Educ. Sci. Technol.,Vol. 21, No. 4, (1990), pp. 519-525. 84. Convergence of the Newton-Raphson method for boundary value problems of ordinary differential equations Guenther, Ronald B.; Lee, John W. Computational solution of nonlinear systems of equations (Fort Collins, CO, 1988), 257--264, Lectures in Appl. Math., 26, Amer. Math. Soc., Providence, RI, (1990), Math. Sci. Net. 85. Newton-Raphson behaving chaotically Robin, A. C. Bull. Inst. Math. Appl. 26 (1990), no. 3, 34--35, Math. Sci. Net. 86. An Improved Newton's Method John Mathews The AMATYC Review, Vol. 10, No. 2, (Spring, 1989), pp. 9-14. 87. On Halley-Like Algorithms for Simultaneous Approximation of Polynomial Complex Zeros Miodrag S. Petkovic SIAM Journal on Numerical Analysis, Vol. 26, No. 3. (Jun., 1989), pp. 740-763, Jstor. 88. An Approximate Newton Method for the Solution of the Basic Semiconductor Device Equations C. Ringhofer; C. Schmeiser SIAM Journal on Numerical Analysis, Vol. 26, No. 3. (Jun., 1989), pp. 507-516, Jstor. 89. An asynchronous Newton-Raphson method Lootsma, Freerk A. Supercomputing (Trondheim, 1989), 367--376, NATO Adv. Sci. Inst. Ser. F Comput. Systems Sci., 62, Springer, Berlin, 1989, Math. Sci. Net. 90. Gauss-Newton versus Newton-Raphson algorithm for the recursive generalized least-squares identification Weinfeld, Roman; Unton, Fryderyk Z. Control Cybernet. 18 (1989), no. 2, 171--178, Math. Sci. Net. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 42 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 91. The Projected Newton Method has Order 1 + 2^1/2 for the Symmetric Eigenvalue Problem R. A. Tapia; David L. Whitley SIAM Journal on Numerical Analysis, Vol. 25, No. 6. (Dec., 1988), pp. 1376-1382, Jstor. 92. A Pointwise Quasi-Newton Method for Integral Equations C. T. Kelley; J. I. Northrup SIAM Journal on Numerical Analysis, Vol. 25, No. 5. (Oct., 1988), pp. 1138-1155, Jstor. 93. Newton's nth Root Method Without Derivatives David A. Smith College Math Journal: Volume 18, Number 5, (1987), Pages: 403-406. 94. Complex Roots of Polynomials by Newton-Raphson Method R. D. Murphy Journal of Computers in Mathematics and Science Teaching, (1987), pp. 44-45. 95. A Quasi-Newton Method for Elliptic Boundary Value Problems C. T. Kelley; E. W. Sachs SIAM Journal on Numerical Analysis, Vol. 24, No. 3. (Jun., 1987), pp. 516-531, Jstor. 96. A Nonmonotone Line Search Technique for Newton's Method L. Grippo, F. Lampariello, S. Lucidi SIAM Journal on Numerical Analysis, Vol. 23, No. 4. (Aug., 1986), pp. 707-716, Jstor. 97. Newton's Method and the Jenkins-Traub Algorithm R. N. Pederson Proceedings of the American Mathematical Society, Vol. 97, No. 4. (Aug., 1986), pp. 687-690, Jstor. 98. Attracting Orbits in Newton's Method Mike Hurley Transactions of the American Mathematical Society, Vol. 297, No. 1. (Sep., 1986), pp.143-158, Jstor. 99. Newton's Method for the Matrix Square Root Nicholas J. Higham Mathematics of Computation, Vol. 46, No. 174. (Apr., 1986), pp. 537-549, Jstor. 100. Complex Roots: The Bairstow-Hitchcock Method Clark Kimberling The Mathematics Teacher, Vol. 79, No. 4, (April, 1986), pp. 278-282. 101. Pitfalls in the Use of Computers for the Newton-Raphson Method D. Mackie and T. Scott The Mathematical Gazette, Vol. 69, no. 450, (Dec., 1985), pp. 252-257. 102. Newton-Raphson in reverse Davies, M. Math. Student 47 (1979), no. 2-4, 149--150 (1985), Math. Sci. Net. 103. On Halley's Iteration Method (in Notes) Walter Gander American Mathematical Monthly, Vol. 92, No. 2. (Feb., 1985), pp. 131-134, Jstor. 104. Orthogonal Projections on Convex Sets for Newton-Like Methods Stanislaw M. Grzegorski SIAM Journal on Numerical Analysis, Vol. 22, No. 6. (Dec., 1985), pp. 1208-1219, Jstor. 105. An Approximate Newton Method for Coupled Nonlinear Systems Tony F. Chan SIAM Journal on Numerical Analysis, Vol. 22, No. 5. (Oct., 1985), pp. 904-913, Jstor. 106. Global analysis of continuous analogues of the Levenberg-Marquardt and Newton-Raphson methods for solving nonlinear equations Tanabe, Kunio Ann. Inst. Statist. Math. 37 (1985), no. 1, 189--203, Math. Sci. Net. 107. Convergence of Newton Method in Nonlinear Network Analysis Altman T.; Boulos P.F. Mathematical and Computer Modelling, February 1995, vol. 21, no. 4, pp. 35-41(7), Ingenta. 108. Newton Raphson Method, Scaling at Fractal Boundaries and Mathematica Bisoi A.K. Mathematical and Computer Modelling, May 1995, vol. 21, no. 10, pp. 91-102(12, Ingenta. 109. A generalization of Newton Raphson MacLeod, Allan J. Internat. J. Math. Ed. Sci. Tech. 15 (1984), no. 1, 117--120, Math. Sci. Net. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 43 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 110. Newton's Method and Symbolic Dynamics Sherman Wong Proceedings of the American Mathematical Society, Vol. 91, No. 2. (Jun., 1984), pp. 245-253, Jstor. 111. On the Convergence of some Interval-Arithmetic Modifications of Newton's Method G. Alefeld SIAM Journal on Numerical Analysis, Vol. 21, No. 2. (Apr., 1984), pp. 363-372, Jstor. 112. Newton's Method, Circle Maps, and Chaotic Motion Donald G. Saari, John B. Urenko American Mathematical Monthly, Vol. 91, No. 1. (Jan., 1984), pp. 3-17, Jstor. 113. Aitken Sequences and Fibonacci Numbers G. M. Phillips American Mathematical Monthly, Vol. 91, No. 6. (Jun. - Jul., 1984), pp. 354-357, Jstor. 114. Newton-Type Minimization Via the Lanczos Method Stephen G. Nash SIAM Journal on Numerical Analysis, Vol. 21, No. 4. (Aug., 1984), pp. 770-788, Jstor. 115. On the Local Convergence of a Quasi-Newton Method for the Nonlinear Programming Problem Thomas F. Coleman; Andrew R. Conn SIAM Journal on Numerical Analysis, Vol. 21, No. 4. (Aug., 1984), pp. 755-769, Jstor. 116. A Nonconverging Newton Sequence Peter Petek Mathematics Magazine: Volume 14, Number 1, (1983), Pages: 43-45. 117. A New Acceleration Method for Newton's Method at Singular Points C. T. Kelley, R. Suresh SIAM Journal on Numerical Analysis, Vol. 20, No. 5. (Oct., 1983), pp. 1001-1009, Jstor. 118. Convergence Rates for Newton's Method at Singular Points D. W. Decker, H. B. Keller, C. T. Kelley SIAM Journal on Numerical Analysis, Vol. 20, No. 2. (Apr., 1983), pp. 296-314, Jstor. 119. Analysis of Newton's Method at Irregular Singularities A. Griewank, M. R. Osborne SIAM Journal on Numerical Analysis, Vol. 20, No. 4. (Aug., 1983), pp. 747-773, Jstor. 120. Local Convergence of Difference Newton-Like Methods T. J. Ypma Mathematics of Computation, Vol. 41, No. 164. (Oct., 1983), pp. 527-536, Jstor. 121. Finding a Multiple Zero by Transformations and Newton-Like Methods T. J. Ypma SIAM Review, Vol. 25, No. 3. (Jul., 1983), pp. 365-378, Jstor. 122. A Quasi-Newton Method Employing Direct Secant Updates of Matrix Factorizations George W. Johnson; Nieves H. Austria SIAM Journal on Numerical Analysis, Vol. 20, No. 2. (Apr., 1983), pp. 315-325, Jstor. 123. Newton's Method with a Model Trust Region Modification D. C. Sorensen SIAM Journal on Numerical Analysis, Vol. 19, No. 2. (Apr., 1982), pp. 409-426, Jstor. 124. Global Convergence of a Modified Newton Iteration for Algebraic Equations Kazuo Murota SIAM Journal on Numerical Analysis, Vol. 19, No. 4. (Aug., 1982), pp. 793-799, Jstor. 125. Convergence Acceleration for Newton's Method at Singular Points D. W. Decker, C. T. Kelley SIAM Journal on Numerical Analysis, Vol. 19, No. 1. (Feb., 1982), pp. 219-229, Jstor. 126. Une approche combinatoire pour l'itration de Newton\mhy Raphson. (French) [A combinatorial approach for Newton-Raphson iteration] Dcoste, H.; Labelle, G.; Leroux, P. Adv. in Appl. Math. 3 (1982), no. 4, 407--416, Math. Sci. Net. 127. Newton-Raphson Extended Neville W. Richards The Mathematical Gazette, Vol. 65, no. 434, (Dec., 1981), pp. 294-295. 128. On the Convergence of Halley's Method (in Classroom Notes) G. Alefeld American Mathematical Monthly, Vol. 88, No. 7. (Aug. - Sep., 1981), pp. 530-536, Jstor. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 44 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 129. On Computation of Eigenvalues for Differential Equations by Newton's Method Zeev Nehari Transactions of the American Mathematical Society, Vol. 263, No. 2. (Feb., 1981), pp. 397-409, Jstor. 130. Newton's Method for Singular Problems when the Dimension of the Null Space is > 1 Andreas Griewank, M. R. Osborne SIAM Journal on Numerical Analysis, Vol. 18, No. 1. (Feb., 1981), pp. 145-149, Jstor. 131. A Globally Convergent Ball Newton Method Karl L. Nickel SIAM Journal on Numerical Analysis, Vol. 18, No. 6. (Dec., 1981), pp. 988-1003, Jstor. 132. A generalization of the Newton Raphson method. (Catalan) Gasull, Armengol Publ. Sec.Mat. Univ. Autnoma Barcelona No. 23 (1981), 133--138, Math. Sci. Net. 133. Optimal Partitioning of Newton's Method for Calculating Roots Gunter Meinardus, G. D. Taylor Mathematics of Computation, Vol. 35, No. 152. (Oct., 1980), pp. 1221-1230, Jstor. 134. Newton's Method at Singular Points. II D. W. Decker, C. T. Kelley SIAM Journal on Numerical Analysis, Vol. 17, No. 3. (Jun., 1980), pp. 465-471, Jstor. 135. Newton's Method at Singular Points. I D. W. Decker, C. T. Kelley SIAM Journal on Numerical Analysis, Vol. 17, No. 1. (Feb., 1980), pp. 66-70, Jstor. 136. Parameter Selection for Newton-Like Methods Applicable to Nonlinear Partial Differential Equations R. E. Bank, D. J. Rose SIAM Journal on Numerical Analysis, Vol. 17, No. 6. (Dec., 1980), pp. 806-822, Jstor. 137. Be Careful When You Dodge Round Newton F. M. Arscott The Mathematical Gazette, Vol. 63, no. 425, (Oct., 1979), pp. 169-172. 138. Inverse Iteration, Ill-Conditioned Equations and Newton's Method G. Peters, J. H. Wilkinson SIAM Review, Vol. 21, No. 3. (Jul., 1979), pp. 339-360, Jstor. 139. A Modified Newton's Method for Unconstrained Minimization Shmuel Kaniel, Achiya Dax SIAM Journal on Numerical Analysis, Vol. 16, No. 2. (Apr., 1979), pp. 324-331, Jstor. 140. Affine Invariant Convergence Theorems for Newton's Method and Extensions to Related Methods P. Deuflhard, G. Heindl SIAM Journal on Numerical Analysis, Vol. 16, No. 1. (Feb., 1979), pp. 1-10, Jstor. 141. A faster modified Newton-Raphson iteration Crisfield, M. A. Comput. Methods Appl. Mech. Engrg. 20 (1979), no. 3, 267--278, Math. Sci. Net. 142. Continuous Newton-Raphson method for solving an underdetermined system of nonlinear equations Tanabe, Kunio Nonlinear Anal. 3 (1979), no. 4, 495--503, Math. Sci. Net. 143. On Newton's Method for Singular Problems G. W. Reddien SIAM Journal on Numerical Analysis, Vol. 15, No. 5. (Oct., 1978), pp. 993-996, Jstor. 144. Ideas and examples for presenting the Newton-Raphson method Hart, V. G.; Howard, L. N. Austral. Math. Soc. Gaz. 5 (1978), no. 3, 73--89, Math. Sci. Net. 145. On the Convergence of a Quasi-Newton Method for Sparse Nonlinear Systems Binh Lam Mathematics of Computation, Vol. 32, No. 142. (Apr., 1978), pp. 447-451, Jstor. 146. Revision of a Derivative-Free Quasi-Newton Method John Greenstadt Mathematics of Computation, Vol. 32, No. 141. (Jan., 1978), pp. 201-221, Jstor. 147. Sufficient conditions for elementary Newton-Raphson convergence Speck, G. P. New Zealand Math. Mag. 14 (1977), no. 1, 34--36, Math. Sci. Net.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 148. On Halley's Variation of Newton's Method (in Classroom Notes) George H. Brown, Jr. American Mathematical Monthly, Vol. 84, No. 9. (Nov., 1977), pp. 726-728, Jstor. 149. A Stable Variant of the Secant Method for Solving Nonlinear Equations W. B. Gragg, G. W. Stewart SIAM Journal on Numerical Analysis, Vol. 13, No. 6. (Dec., 1976), pp. 889-903, Jstor. 150. A Note on the Convergence of Newton's Method L. B. Rall SIAM Journal on Numerical Analysis, Vol. 11, No. 1. (Mar., 1974), pp. 34-36, Jstor. 151. Newton's Method for Optimization Problems with Equality Constraints R. A. Tapia SIAM Journal on Numerical Analysis, Vol. 11, No. 5. (Oct., 1974), pp. 874-886, Jstor. 152. Newton's Method for Problems with Equality Constraints R. A. Tapia SIAM Journal on Numerical Analysis, Vol. 11, No. 1. (Mar., 1974), pp. 174-196, Jstor. 153. A Globally Converging Secant Method with Applications to Boundary Value Problems E. Polak SIAM Journal on Numerical Analysis, Vol. 11, No. 3. (Jun., 1974), pp. 529-537, Jstor. 154. Cycling in the Newton-Raphson algorithm Ascher, Marcia Internat. J. Math. Ed. Sci. Tech. 5 (1974), no. 2, 229--235, Math. Sci. Net. 155. Cayford, J. K.; Fimple, W. R.; Unger, D. G.; White, S. P. A finite-difference Newton-Raphson solution of the two-center electronic Schrdinger equation. J. Computational Phys. 16 (1974), 259--270, Math. Sci. Net. 156. The Use of the Secant Method in Econometric Models J. Phillip Cooper, Stanley Fischer The Journal of Business, Vol. 46, No. 2. (Apr., 1973), pp. 274-277, Jstor. 157. A Quasi-Newton Method with No Derivatives John Greenstadt Mathematics of Computation, Vol. 26, No. 117. (Jan., 1972), pp. 145-166, Jstor. 158. A note on some properties of the Newton-Raphson's method Cheng, M. C. Nanta Math. 5 (1972), no. 3, 10--17, Math. Sci. Net. 159. A note on Newton-Raphson's method. (Japanese) Sakashita, Hideo; Sasaya, Fumio Bull. Kyoto Univ. Ed. Ser. B No. 42 (1973), 1--2, Math. Sci. Net. 160. The Kantorovich Theorem for Newton's Method (in Classroom Notes) R. A. Tapia American Mathematical Monthly, Vol. 78, No. 4. (Apr., 1971), pp. 389-392, Jstor. 161. Global Convergence of Newton-Gauss-Seidel Methods Jorge J. More SIAM Journal on Numerical Analysis, Vol. 8, No. 2. (Jun., 1971), pp. 325-336, Jstor. 162. The Simultaneous Newton Improvement of a Complete Set of Approximate Factors of a Polynomial A. A. Grau SIAM Journal on Numerical Analysis, Vol. 8, No. 2. (Jun., 1971), pp. 425-438, Jstor. 163. Parameter Selection for Modified Newton Methods for Function Minimization D. F. Shanno SIAM Journal on Numerical Analysis, Vol. 7, No. 3. (Sep., 1970), pp. 366-372, Jstor. 164. Generalized Logarithmic Error and Newton's Method for the mth Root David L. Phillips Mathematics of Computation, Vol. 24, No. 110. (Apr., 1970), pp. 383-389, Jstor. 165. On Aitken' s d^2 Method (in Mathematical Notes) Simeon Reich American Mathematical Monthly, Vol. 77, No. 3. (Mar., 1970), pp. 283-284, Jstor. 166. Application of a Modified Newton's Iteration Method to Construct Solutions of Eigenvalue Problems of Nonlinear Partial Differential Operators Y. M. Chen; P. L. Christiansen SIAM Journal on Applied Mathematics, Vol. 18, No. 2. (Mar., 1970), pp. 335-345, Jstor. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 46 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 167. Modification of a Quasi-Newton Method for Nonlinear Equations with a Sparse Jacobian L. K. Schubert Mathematics of Computation, Vol. 24, No. 109. (Jan., 1970), pp. 27-30, Jstor. 168. Modified Newton-Raphson methods for preliminary orbit determination Pitkin, Edward T.; Carpenter, Gilbert C. Celestial Mech. 1, (1969/1970), 72--90, Math. Sci. Net. 169. A modification of the Newton-Raphson algorithm in the application to the identification of dynamic objects. (Polish) Latarnik, Michal Zeszyty Nauk. Politech. Slpolhk ask. Automat. No. 16 (1970), 35--49, Math. Sci. Net. 170. Geometrical Aspects of Newton's Method Walter Jennings Mathematics Magazine, Vol. 42, No. 5. (Nov., 1969), pp. 262-266, Jstor. 171. Optimal Starting Approximations for Newton's Method P. H. Sterbenz, C. T. Fike Mathematics of Computation, Vol. 23, No. 106. (Apr., 1969), pp. 313-318, Jstor. 172. A Quadratically Convergent Newton-Like Method Based Upon Gaussian Elimination Kenneth M. Brown SIAM Journal on Numerical Analysis, Vol. 6, No. 4. (Dec., 1969), pp. 560-569, Jstor. 173. Jacobi and Gauss-Seidel Methods for Nonlinear Network Problems T. A. Porsching SIAM Journal on Numerical Analysis, Vol. 6, No. 3. (Sep., 1969), pp. 437-449, Jstor. 174. On the Kantorovich Hypothesis for Newton's Method J. E. Dennis, Jr. SIAM Journal on Numerical Analysis, Vol. 6, No. 3. (Sep., 1969), pp. 493-507, Jstor. 175. The Weak Newton Method and Boundary Value Problems Richard A. Tapia SIAM Journal on Numerical Analysis, Vol. 6, No. 4. (Dec., 1969), pp. 539-550, Jstor. 176. A Modified Newton-Raphson Iteration (in Classroom Notes) Walter Jennings American Mathematical Monthly, Vol. 75, No. 6. (Jun. - Jul., 1968), pp. 652-654, Jstor. 177. On Steffensen's Method L. W. Johnson, D. R. Scholz SIAM Journal on Numerical Analysis, Vol. 5, No. 2. (Jun., 1968), pp. 296-302, Jstor. 178. Optimal Starting Values for the Newton-Raphson Calculation of Inverses of Certain Functions D. G. Moursund, G. D. Taylor SIAM Journal on Numerical Analysis, Vol. 5, No. 1. (Mar., 1968), pp. 138-150, Jstor. 179. On Newton-Raphson Iteration (in Classroom Notes) J. F. Traub American Mathematical Monthly, Vol. 74, No. 8. (Oct., 1967), pp. 996-998, Jstor. 180. Monotone Iterations for Nonlinear Equations with Application to Gauss-Seidel Methods James M. Ortega, Werner C. Rheinboldt SIAM Journal on Numerical Analysis, Vol. 4, No. 2. (Jun., 1967), pp. 171-190, Jstor. 181. Newton's Method for Convex Operators in Partially Ordered Spaces James S. Vandergraft SIAM Journal on Numerical Analysis, Vol. 4, No. 3. (Sep., 1967), pp. 406-432, Jstor. 182. On Newton's Method and Nonlinear Simultaneous Displacements J. E. Dennis, Jr. SIAM Journal on Numerical Analysis, Vol. 4, No. 1. (Mar., 1967), pp. 103-108, Jstor. 183. A Stationary Newton Method for Nonlinear Functional Equations J. E. Dennis, Jr. SIAM Journal on Numerical Analysis, Vol. 4, No. 2. (Jun., 1967), pp. 222-232, Jstor. 184. Note on Newton's Method L. M. Weiner Mathematics Magazine, Vol. 39, No. 3. (May, 1966), pp. 143-145, Jstor. 185. On a Discrete Version of the Newton-Raphson Method Leon Wegge SIAM Journal on Numerical Analysis, Vol. 3, No. 1. (Mar., 1966), pp. 134-142, Jstor. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 47 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 186. Nonlinear Difference Equations and Gauss-Seidel Type Iterative Methods James M. Ortega, Maxine L. Rockoff SIAM Journal on Numerical Analysis, Vol. 3, No. 3. (Sep., 1966), pp. 497-513, Jstor. 187. On Discretization and Differentiation of Operators with Application to Newton's Method James M. Ortega, Werner C. Rheinboldt SIAM Journal on Numerical Analysis, Vol. 3, No. 1. (Mar., 1966), pp. 143-156, Jstor. 188. Error analysis for the Newton-Raphson method Lancaster, P. Numer. Math. 9, (1966), 55--68, Math. Sci. Net. 189. A Newton-Raphson method for the solution of systems of equations Ben-Israel, Adi J. Math. Anal. Appl. 15, (1966), 243--252, Math. Sci. Net. 190. A modified Newton-Raphson method for the solution of systems of equations Ben-Israel, Adi Israel J. Math. 3, (1965), 94--98, Math. Sci. Net. 191. Convergence of the Newton-Raphson method for arbitrary polynomials Lancaster, P. Math. Gaz. 48, (1964), 291--295, Math. Sci. Net. 192. Some Applications of the Newton-Raphson Method to Non-Linear Matrix Problems P. Lancaster Proceedings of the Royal Society of London. Series A, Mathematical and Physical Sciences, Vol. 271, No. 1346. (Jan. 22, 1963), pp. 324-331, Jstor. 193. Erratum: Sufficient Conditions for the Convergence of Newton's Method in Complex Banach Spaces Marvin L. Stein Proceedings of the American Mathematical Society, Vol. 13, No. 6. (Dec., 1962), p. 1000, Jstor. 194. Errata: Newton's Method for the Characteristic Value Problem Ax = lambda Bx L. B. Rall Journal of the Society for Industrial and Applied Mathematics, Vol. 10, No. 1. (Mar., 1962), p. 228, Jstor. 195. Newton's Method for the Characteristic Value Problem Ax = lambda Bx L. B. Rall Journal of the Society for Industrial and Applied Mathematics, Vol. 9, No. 2. (Jun., 1961), pp. 288-293, Jstor. 196. On the Utility of Newton's Method for Computing Complex Roots of Equations (in Technical Notes and Short Papers) I. M. Longman Mathematics of Computation, Vol. 14, No. 70. (Apr., 1960), pp. 187-189, Jstor. 197. Taylor's Theorem and Newton's Method (in Classroom Notes) F. D. Parker American Mathematical Monthly, Vol. 66, No. 1. (Jan., 1959), p. 51, Jstor. 198. A modified Newton-Raphson process for approximation of multiple roots of polynomials Milnes, Harold Willis Indust. Math. 9, (1958), no. 2, 17--26, Math. Sci. Net. 199. Newton's Method and Multiple Roots Thomas E. Mott American Mathematical Monthly, Vol. 64, No. 9. (Nov., 1957), pp. 635-638, Jstor. 200. Newton's Method for Trigonometry Students (in Classroom Notes) J. P. Ballantine American Mathematical Monthly, Vol. 63, No. 10. (Dec., 1956), p. 722, Jstor. 201. Amlioration du procd de division numrique utilisant l'itration de Newton-Raphson. (French) Storrer, F. Acad. Roy. Belg. Bull. Cl. Sci. (5) 42 (1956), 30--33, Math. Sci. Net. 202. Newton's Method in Banach Spaces Robert G. Bartle Proceedings of the American Mathematical Society, Vol. 6, No. 5. (Oct., 1955), pp. 827-831, Jstor. 203. Sufficient Conditions for the Convergence of Newton's Method in Complex Banach Spaces Marvin L. Stein Proceedings of the American Mathematical Society, Vol. 3, No. 6. (Dec., 1952), pp. 858-863, Jstor. 204. Another Variation of Newton's Method (in Classroom Notes) J. K. Stewart American Mathematical Monthly, Vol. 58, No. 5. (May, 1951), pp. 331-334, Jstor. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 48 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/02/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 205. A Type of Variation on Newton's Method H. J. Hamilton American Mathematical Monthly, Vol. 57, No. 8. (Oct., 1950), pp. 517-522, Jstor. 206. Notes on the Graeffe Method of Root Squaring (in Mathematical Notes) G. C. Best American Mathematical Monthly, Vol. 56, No. 2. (Feb., 1949), pp. 91-94, Jstor. 207. A Modification of Newton's Method (in Classroom Notes) H. S. Wall American Mathematical Monthly, Vol. 55, No. 2. (Feb., 1948), pp. 90-94, Jstor. 208. On the Newton-Raphson method of approximation Richmond, H. W. Edinburgh Math. Notes 1944 (1944). no. 34, 5--8, Math. Sci. Net. 209. New Criteria for Accuracy in Approximating Real Roots by the Newton-Raphson Method Myron G. Pawley National Mathematics Magazine, Vol. 15, No. 3. (Dec., 1940), pp. 111-120, Jstor. 210. On the Graeffe Method of Solution of Equations L. L. Cronvich American Mathematical Monthly, Vol. 46, No. 4. (Apr., 1939), pp. 185-190. Jstor. 211. Haley's Methods for Solving Equations Harry Bateman American Mathematical Monthly, Vol. 45, No. 1. (Jan., 1938), pp. 11-17, Jstor. 212. On the Convergence of Newton's Method of Approximation (in Questions, Discussions, and Notes) G. T. Coate American Mathematical Monthly, Vol. 44, No. 7. (Aug. - Sep., 1937), pp. 464-466, Jstor. 213. Graeffe's Method and Complex Roots (in Questions, Discussions, and Notes) B. A. Hausmann American Mathematical Monthly, Vol. 43, No. 4. (Apr., 1936), pp. 225-229. Jstor. 214. On Graeffe's Method for the Numerical Solution of Algebraic Equations C. A. Hutchinson American Mathematical Monthly, Vol. 42, No. 3. (Mar., 1935), pp. 149-161, Jstor. 215. On Newton's Method of Approximation Henry B. Fine Proceedings of the National Academy of Sciences of the United States of America, Vol. 2, No. 9. (Sep. 15, 1916), pp. 546-552, Jstor. 216. Newton's Method in General Analysis Albert A. Bennett Proceedings of the National Academy of Sciences of the United States of America, Vol. 2, No. 10. (Oct. 15, 1916), pp. 592-598, Jstor. 217. Historical Note on the Newton-Raphson Method of Approximation Florian Cajori American Mathematical Monthly, Vol. 18, No. 2. (Feb., 1911), pp. 29-32, Jstor. 218. On Newton's Method of Approximation (in Notes) F. Franklin American Journal of Mathematics, Vol. 4, No. 1/4. (1881), pp. 275-276, Jstor. 219. On Sir Isaac Newton's Method of Finding the Limits of the Roots of Equations. [Abstract] Herbert Panmure Ribton Abstracts of the Papers Communicated to the Royal Society of London, Vol. 5. (1843 - 1850), p. 630, Jstor.
3.4 Mtodo de La Secante

El Mtodo de La Secante1, es en realidad- una variante del Mtodo Newton-Raphson. Como se vi en la seccin 3.3, el Mtodo Newton-Raphson tiene muchos aspectos positivos, pero una de sus principales falencias es que requiere la evaluacin de dos funciones diferentes en cada iteracin, f(x) y su derivada f(x). Cuando la funcin f(x) es relativamente simple, es fcil calcular ambas funciones iterativamente; pero cuando f(x) es una funcin complicada como sucede en la prctica en muchas reas tcnicas y de ingenieras- el clculo de la derivada no es fcil, y en el mejor de los casos es un proceso tedioso. En estos casos, resulta muy til tener a la mano un mtodo que no requiera la evaluacin de la derivada, f(x). Uno de estos mtodos es el Mtodo Secante, o Mtodo de La secante, que en lugar de la derivada utiliza una aproximacin lineal en cada iteracin. Este mtodo es de intervalo abierto. Este mtodo empieza con dos valores iniciales xo, x1, como se ilustra en la figura 3.4.1. FIGURA 3.4.1 Esquema grfico que muestra los parmetros bsicos del Mtodo Secante. En este mtodo, la funcin f(x) es aproximada por medio de una linea recta, la cual es una extrapolacin basada en dos puntos xo y x1 de la funcin f(x). Los dos puntos (x0,f(x0)) y (x1,f(x1)) definen una linea recta secante (de ah el nombre del mtodo) cuya ecuacin es la siguiente:
(3.4.1) Al resolver en 3.4.1 para el valor de x cuando y = 0, se llega a la siguiente frmula general del Mtodo Secante: para k = 1, 2, ... (3.4.2)
En el ejemplo que se esquematiza en la figura 3.4.1, la frmula 3.4.2 adquiere la siguiente forma:
x2 = x1 f ( x1 )
x1 x0 f ( x1 ) f ( x0 )
(3.4.3)
x1 x0 f ( x1 ) f ( x0 )
(3.4.4)
Siendo la fraccin definida por 3.4.4 una aproximacin de la inversa de la derivada de la funcin f(x). X2 es una mejor aproximacin de la raz. Un algoritmo en Visual Basic se muestra en la figura 3.4.2. La funcin f(x) es la definida por 3.4.5. Los dos puntos, xo y x1 , pueden estar a un mismo lado de la raz, como en las figuras 3.4.3, 3.4.4 y 3.4.5. X0 = 1.7: X1 = 1.5: n = 0 EPSILON = 0.00001 Do X2 = X1 - f(X1) * ((X1 - X0) / (f(X1) - f(X0))) X0 = X1: X1 = X2 n=n+1 Loop Until (Abs(f(X2)) <= EPSILON) Text1 = RAZ, X2 = & X2 & VBCRLF & _ No. ITERACIONES, N = & N 0
1
FIGURA 3.4.2 Un algoritmo, en Visual Basic, para implementar el Mtodo Secante.

f ( x) = 1 1 + 6 ( x 0 . 3 ) 2 + 0 . 01 ( x 0 . 9 ) 2 + 0 . 04
(3.4.5)
Dyer, Charles and Ip, Peter S.S.: An Elementary Introduction to Scientific Computing, Division of Physical Sciences University of Toronto at Scarborough, http://pathfinder.scar.utoronto.ca/~dyer/ 2000, 2002 2006. // Press, W. H.; Flannery, B. P.; Teukolsky, S. A.; and Vetterling, W. T. Secant Method, False Position Method, and Ridders' Method, 9.2 in Numerical Recipes in FORTRAN: The Art of Scientific Computing, 2nd ed. Cambridge, England: Cambridge University Press, pp. 347-352, 1992. // Recktenwald , Gerald: Numerical Methods with MATLAB: Implementations and Applications, 2000, Prentice Hall ISBN: 0201308606.
Mtodos Numricos y Programacin Visual Basic 01/03/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ En la figura 3.4.3 se ilustra una interfaz diseada en Visual Basic para implementar el algoritmo de la figura 3.4.2. La figura 3.4.4 es un ejemplo de resultados obtenidos.
FIGURA 3.4.3 Una interfaz en Visual Basic para implementar el Mtodo Secante.
FIGURA 3.4.4 Resultados del algoritmo de la figura 3.4.2 en la interfaz 3.4.3. Si en el programa de la figura 3.4.2 se toma X0 = 1.5 y X1 = 1.3, entonces el resultado es la raz en 3 iteraciones. Aumentando la tolerancia numrica, por ejemplo Epsilon = 0.000000000001, el nmero de iteracione se aumenta; en este caso, el nmero de iteraciones es 9 y la raz es X2= 1,299549682584830. La figura 3.4.5 muestra una traza de la sucesin de puntos X0, X1, X2 que el algoritmo de la figura 3.4.2 efecta al calcular la raz de la funcin definida por 3.4.5. Obsrvese, en la figura 3.4.4, que el valor de |f(X2)| es suficientemente pequeo comparado con la tolerancia numrica estipulada con la variable Epsilon. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 51 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/03/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ FIGURA 3.4.5 Traza de ejecucin del algoritmo de la figura 3.4.2 en la interfaz 3.4.3. El esquema de esta traza es consistente con los resultados mostrados en la figura 3.4.4. La 8 iteraciones se aglomeran alrededor del valor de la raz. En este caso, los puntos, xo y x1, se escogen al lado derecho de la raz. Esta traza se ha logrado empleando las instrucciones grficas de Visual Basic (vase la clase 6 en la pgina web http://xue.unalmed.edu.co/~walvarem ). La figura 3.4.6 muestra un algoritmo en Pascal para implementar el Mtodo de La Secante. Este algoritmo llama a la f() que debe estar funcin implementada como un procedimiento aparte. PROCEDURE Secante(ea, b, eps:Real; VAR xsol:Real); VAR c, fb:Real; BEGIN { df(x) = valor de la primera derivada de f(x) } { eps = accuracy of the root, e.g.: 0.000001 } REPEAT fb=f(b); c:=a-(b-a)*fb/(fb-f(a)); a:=b; b:=c; UNTIL Abs(a-b)<= eps; xsol:=c END; {Mtodo Secante Cdigo fuente en Pascal } FIGURA 3.4.6 Un algoritmo en Pascal que implementa el Mtodo Secante. Aqu, los puntos iniciales son a y b; y el tercer punto que se calcula es c.El criterio de finalizacin del proceso iterativo se estipula como |a-b| eps, siendo la variable eps al tolerancia numrica especificada (bien sea a travs de una constante, o por medio de su lectura). En la figura 3.4.7 el cdigo fuente, que implementa el algoritmo del Mtodo Secante, est en C++.
int Secante(double x1, double x2,double precision,double& root) { if(x1==x2 || f(x2)==f(x1)){ root=0; return 0; } double x = x1 - f(x1)*(x2-x1)/(f(x2)-f(x1)); if( fabs(f(x)) < precision){ root = x; return 1; } else { return Secante(x2,x,precision,root); } } 0
2
FIGURA 3.4.7 Un algoritmo en C++ que implementa el Mtodo Secante.
En este procedimiento se emplea la recursin, soportada por C++, para hacer el cdigo ms compacto2. Aqu la tolerancia numrica se maneja con la variable precision. Por su parte, la figura 3.4.8 presenta el algoritmo del Mtodo Secante en Matlab. Y la figura 3.49 es un algoritmo en C.
Martin, Alex: Modern Computing in Physical Science, Lecture 6: Finding Roots of Functions, Queen Mary University of London, January 2006, http://hepwww.ph.qmul.ac.uk/mcps/.
Mtodos Numricos y Programacin Visual Basic 01/03/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ function [X1,err,k,y]=secante(f,X0,X1,delta,epsilon,max1) %Input - f es la funcin que se ingreso como un string 'f' % - X0 , X1 aproximaciones iniciales a la raz de f % - X2 es una mejor aproximacin de la raz de f % - delta es la tolerancia para X1 % - epsilon es la tolerancia para los valores y % - max1 es el mximo nmero de iteraciones %Output - X1 es el valor aproximado de la raz % - err es el error absoluto estimado para X1 % - relerr es el error relativo estimado para X1 % - k es el ndice del nmero de iteraciones % - y es la funcin f evaluada en X1, f(X1) for k=1:max1 X2 = X1-feval(f,X1)*(X1-X0)/(feval(f,X1)-feval(f,X0)); err = abs(X2-X1); relerr = 2*err/(abs(X2)+delta); X0 = X1; X1 = X2; y = feval(f,X1); if (err<delta)|(relerr<delta)|(abs(y) < epsilon),break,end end FIGURA 3.4.8 Un algoritmo en MatLab que implementa el Mtodo Secante.
#include <stdio.h> #include <math.h> double f(double x) { return cos(x) - x*x*x; } double MetodoSecante(double xn_1, double xn, double e, int m) { int n; double d; for (n = 1; n <= m; n++) { d = (xn - xn_1) / (f(xn) - f(xn_1)) * f(xn); if (fabs(d) < e) return xn; xn_1 = xn; xn = xn - d; } return xn; } int main(void) { printf("%0.15f\n", SecantMethod(0, 1, 5E-11, 100)); return 0; }
f(x) = Cos(x) x3.
FIGURA 3.4.9 Un algoritmo en el lenguaje C que implementa el Mtodo Secante para
CONVERGENCIA DEL MTODO SECANTE

En forma similar a la deduccin que se hizo para el Mtodo Newton-Raphson, se puede deducir la relacin para la convergencia del Mtodo Secante3. La siguiente relacin sintetiza el orden de convergencia del Mtodo Secante: (3.4.6) donde C 0 es una constante y es la razn urea defina por 3.4.7. El valor de 3.4.7 es = 1.618 y representa el orden de convergencia para hallar una raz real. En la prctica, para ecuaciones f(x) = 0 muy cumplicadas, para las cuales no hay mtodos analticos para obtener la derivada, f(x), o cuyo proceso de obtencin de la derivada es muy engorroso, el Mtodo Secante es preferible al Mtodo Newton-Raphson y el orden de convergencia no es tan diferente: 1.618 (superlineal) vs 2.0 (cuadrtica). Otra forma de expresar el orden de convergencia del Mtodo Secante es sabiendo que el error de la n-sima iteracin est dado por en+1 = xn+1 r, donde r es la raz exacta, lo cual da la relacin 3.4.8. (3.4.8) . (3.4.7)
VENTAJAS Y DESVENTAJAS DEL MTODO SECANTE

En la tabla 3.4.1 se presentan las ventajas y desventajas del Mtodo Secante. TABLA 3.4.1 Principales ventajas e inconvenientes del Mtodo Secante. Ventajas Este mtodo slo requiere la evlauacin de f(x) en cada iteracin; no requiere calcular f(x). La convergencia es rpida cuando los valores iniciales estn cercanos a la raz; su orden de convergencia es = 1.618, la razn urea. La estimacin del error est disponible, bajo supuestos razonables, segn la funcin f(x) bajo estudio. Mucho ms fcil de implementar que el Mtodo Newton-Raphson. Dos iteraciones del Mtodo Newton-Raphson son competitivas frente a una iteracin del Mtodo NewtonRaphson. Puede utilizarse para hallar races complejas. El Mtodo Secante puede extenderse y aplicarse al campo multidimensional (sistemas de ecuaciones lineales).
Desventajas
Requiere dos valores iniciales cercanos a la raz. La convergencia no se puede grantizar cuando los valores iniciales no estn cercanos a la raz. El mtodo puede tener una convergencia muy lenta o puede fallar. Para funciones muy complicadas no es trivial determinar los dos valores iniciales. En la prctica de las reas tcnicas y de ingenieras el el criterio de finalizar el proceso iterativo suele ser crucial; en ocasiones no es trivial. Requiere de dos valores iniciales imaginarios, que pueden no ser fciles de hallar. Se precisa resolver grandes sistemas diferentes de ecuaciones lineales en cada iteracin
0
3
Craw, Ian: Numerical Methods, 1999. // Naiman, AaronE.: Numerical Methods, Jerusalem College of http://www.math.jct.ac.il.
Technology, 2003 - 2006,
3.5 Mtodo Regula Falsi (Falsa Regla)

El Mtodo Regula Falsi es un mtodo de intervalo cerrado que sigue los lineamientos generales del Mtodo Biseccin, pero que emplea -como tercer punto- la interseccin con el eje X de la lnea que une los dos extremos del intervalo [a, b], en cada paso del proceso iterativo1. La figura 3.5.1 presenta los parmetros bsicos a considerar en este mtodo. FIGURA 3.5.1 Parmetros bsicos en el Mtodo Regula Falsi. En el Mtodo Regula Falsi, en lugar de emplearse el punto medio del intervalo [a,b] en cada iteracin, se utiliza como nuevo punto, o punto c, el intercepto con el eje-x de la recta que une los puntos (a,f(a)) y (b,f(b)). Dicho intercepto, dentro del concepto de intervalo cerrado, es una especie de falsa posicin, en latin Regula Falsi, de ah el nombre del mtodo. Este mtodo se conoce desde muy antiguo, pues ya los matemticos babilonios lo empleaban en sus clculos (vase el captulo 1). De la figura 3.5.1, hallar el punto c implica calcular la ecuacin de la recta que pasa por los puntos (a,f(a)) y (b,f(b)), que se calcula de la siguiente manera: (3.5.1) Si en 3.5.1 se hace y = 0 y se resuelve para x = c, entonces el valor del nuevo punto, c, se calcula as: (3.5.2) Y al igual que en el Mtodo Biseccin se indaga en cul subintervalo est, ahora, la raz, y se aplica el mismo criterio de terminacin del proceso de iteraciones. Un algoritmo genrico para el Mtodo Regula Falsi se muestra en la figura 3.5.2. 1. Seleccionar un intervalo [a,b] donde se encuentre un cero, una raz, de f(x), y establecer una tolerancia numrica Epsilon. Calcular un nuevo punto, c, que es la interseccin con el eje-x de la siguiente forma: FIGURA 3.5.2 Algoritmo genrico para implementar el Mtodo Regula Falsi. En Visual Basic, figura 3.5.3, para la funcin f(x) = x3 + 4x2 10, en el intervalo [1.0, 2.0], cuya grfica es la figura 3.5.4, se tiene el siguiente algoritmo y la funcin f(): a = 1.0 : b = 2.0 : Epsilon = 0.0000001 : N = 0 Do c = b f(b)*(b - a)/(f(b) f(a)) If(f(a)*f(c) < 0) Then b = c If(f(c)*f(b) < 0)Then a = c N = N +1 Loop Until (abs(f(c)) < Epsilon) Public Function f(x as Double)As Double f = x^3 + 4.0*x^2 10.0 End Function
2.
f (a) f (b) f (b)(b a ) = c =b ca bc f (b) f (a )

3.
4.
Comprobar si hay cambio de signo en los subintervalos: si f(a)*f(c) < 0 b = c; si se cumple que f(c)*f(b) < 0 a = c. Si |f(c) | < Epsilon c es la raz; de lo contrario volver al paso 2.
FIGURA 3.5.3 Algoritmo en Visual Basic para implementar el Mtodo Regula Falsi.
0
1
Eric W. Weisstein, Eric W.: Method of False Position, From MathWorld--A Wolfram Web Resource, 1999-2007 Wolfram Research, Inc., http://mathworld.wolfram.com/MethodofFalsePosition.html // Szyszkowicz, Mieczyslaw: Computer Art from Numerical Methods, North-Holland, Computer Graphics Forum, Vol. 10, (1991), pp. 255-259,delivered by EuroGraphics Digital Libray, www.eg.org, diglib.eg.org. // Pitman, E. Bruce: Numerical Methods, 1998.
FIGURA 3.5.4 Grfica de f(x) y resultados obtenidos con el programa de la figura 3.5.3.
Cuando se ejecuta el algoritmo del Mtodo Regula Falsi, inclusive con diferentes funciones f(x), se observa que aunque la aproximacin es muy buena y la convergencia es rpida, las aproximaciones permanecen casi siempre a un solo lado de la raz, de modo que un extremo del intervalo permanece invariable, como se ilustra en los resultados de la figura 3.5.4 y en forma esquemtica en la figuras 3.5.5 y 3.5.6. Este comportamiento del algoritmo es muy comn en el Mtodo Regula Falsi. La figura 3.5.7 es un programa en Pascal; la figura 3.5.8 presenta un programa en MatLab, y la figura 3.5.9 presenta un rpograma en FORTRAN. FIGURA 3.5.5 Grfica de f(x) y las aproximaciones a un solo lado de la raz.
FIGURA 3.5.6 Esquemas grficos de f(x) y las aproximaciones a un solo lado de la raz, en el Mtodo Regula Falsi. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 56 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
PROCEDURE RegulaFalsi(a,b,eps:Real; VAR xsol:Real); { Condicin requerida: f(a)*f(b) < 0 } { eps = Tolerancia numrica, por ejemplo: 0.000001 } VAR c, fa, fb:Real; BEGIN REPEAT fa:=f(a); fb:=f(b); c:=b - (b-a)*fb/(fb-fa); IF fa*f(c)<0 THEN b:=c ELSE a:=c UNTIL b-a<eps; xsol:=c END; {Mtodo Regula Falsi - cdigo en Pascal}
FIGURA 3.5.7 Algoritmo en PASCAL para implementar el Mtodo Regula Falsi.
FIGURA 3.5.8 Algoritmo en MATLAB para implementar el Mtodo Regula Falsi.
1234567890123456789012345678901234567890 SUBROUTINE & REGULA(F,A,B,Delta,Epsilon,Max,C,YC,D,K,Cond) PARAMETER(Big=1E5) INTEGER Cond,K,Max REAL A,B,C,D,Delta,DX,Epsilon,YC EXTERNAL F K=0 YA=F(A) YB=F(B) D=B-A K=0; Cond=0 IF (YA*YB.GE.0) THEN Cond=1 RETURN ENDIF WHILE ((Cond.EQ.0).AND.(K.LT.Max)) DXA=YA*(B-A)/(YB-YA) DXB=YB*(B-A)/(YB-YA) IF ABS(DXA).LT.ABS(DXB) THEN C=A-DXA D=ABS(DXA) ELSE C=B-DXB D=ABS(DXB) ENDIF YC=F(C) IF (D.LT.Delta) Cond=3 IF (ABS(YC).LT.Epsilon) THEN A=C B=C Cond=4 ELSEIF ((YB*YC).GT.0) THEN B=C YB=YC ELSE A=C YA=YC ENDIF K=K+1 WRITE(9,1000) K,A,C,B REPEAT IF (YC.EQ.0) Cond=2 IF (D.LT.Delta).AND.(Cond.NE.2) Cond=3 IF (Cond.EQ.3).AND.(ABS(YC).LT.Epsilon) Cond=5 IF (ABS(YA).GT.Big).AND.(ABS(YB).GT.Big) Cond=6 IF (Cond.EQ.0).AND.(ABS(YC).LT.Epsilon) Cond=4 PAUSE RETURN 1000 FORMAT(I2,4X,F15.7,4X,F15.7,4X,F15.7) FIGURA 3.5.9 Algoritmo en FORTRAN para implementar el Mtodo Regula Falsi.
3.6 Mtodo del Punto Fijo

El Mtodo del Punto Fijo1 es un mtodo en el cual, dada la ecuacin f(x) = 0, continua en [a, b], entonces la idea central del Mtodo Punto Fijo es reorganizar algebricamente f(x) = 0 en la forma x = g(x), donde g(x) denota una funcin de x. Luego, simplemente se toma un valor inicial, x0, y se aplica la frmula de iteracin xn = g(xn-1) para n = 1, 2, ...(3.6.1). El Mtodo Punto Fijo se cataloga como un mtodo de intervalo abierto. . TEORA BSICA DEL PUNTO FIJO. En Matemticas, un Punto Fijo (algunas veces llamado, en la literatura especializada, fixpoint, o PuntoFix) de una funcin, es un punto que es mapeado a s mismo por la funcin2; es decir, que 2 el punto es igual al valor de la funcin en dicho punto. Por ejemplo, si f(x) es la funcin dada por f(x) = x 3x + 4, entonces el valor 2 es un Punto Fijo de f(x), ya que f(2) = 2. En general, no hay una nica forma de obtener x = g(x), a partir de f(x) = 0. Para esta funcin: f (x) = x2 - x - 2, entonces algunas de las diversas formas que pueden resultar de x = g(x) son las siguientes: x = g(x) = x2 - 2, x = g(x) = sqrt(2 + x), x = g(x) = 1 + 2/x. x = g(x) = x - (x2 - x - 2). x = g(x) = x - (x2 - x - 2)/(2x - 1).
Como ejemplo ilustrativo de cmo funciona el Mtodo Punto Fijo para hallar una raz de f(x) = 0, considrese la funcin definida as: f(x) = x2 - 2x - 3 = 0 (3.6.2). Una de las formas de obtener, en forma implcita, la funcin x = g(x) es la siguiente: x = (2x + 3) 1/2 (3.6.3). Ahora, supngase que se asume un valor inicial x0 = 4, y se realiza el proceso iterativo con la ecuacin iterativa que resulta de utilizar 3.6.1 y 3.6.3, lo que da la ecuacin siguiwente: xn = (2xn-1 + 3) 1/2 . Considerando las primeras cuatro iteraciones se llega a los siguientes valores :
x1 = (2* x0 + 3)1/2 = (2*4 + 3)1/2 =111/2 = 3.32 x2 = (9.63325)1/2 = 3.1 x3 = 3.01144

x4 = (2*3.01144 + 3) 1/2 = 3.00381091, etc. ... Es obvio que la secuencia x1, x2, x3, x4,..., converge a 3.0. En forma analtica, se puede comprobar que las dos races exactas de 3.6.2 son x = -1 y x = 3. La figura 3.6.1 muestra como progresa x hacia la raz exacta. FIGURA 3.6.1 Diagrama esquemtico de cmo el valor de x progresa hacia la raz exacta.
0
1
x0
Leader, Jeffrey J.: Numerical Analysis and Scientific Computation, Addison-Wesley, 2004, ISBN 0201734990, Chapter 1: Nonlinear Equations.// Tutorial: Fixed-point iteration method for solving nonlinear equations, University of Texas, http://www.cfdlab.ae.utexas.edu/~ase211. // Lappalainen, Harri: Fixed point iteration of winning strengths, CBLU, University of Leeds, 1996, http://www.cis.hut.fi/harri/dityo. // Arvalo, Carmen: Numerical Amalisys, An Introduction, Numerisk Analys, Matematikcentrum, Lunds Universitet, 2006, www.maths.lth.se/na/courses/FMN011. TheFreeDictionary by Farlex, Fixed point (mathematics) Theory, http://www.thefreedictionary.com. // Brown, Robert F. Theory of FixedPoint,UCLA, Department of Mathematics, 2006
Mtodos Numricos y Programacin Visual Basic 01/06/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Supngase, ahora, que en lugar de utilizar x = g(x), definida por 3.6.3, se utiliza x = g(x) = (x2 - 3) / 2 (3.6.4). Si se ejecuta ahora- todo el proceso iterativo con el mismo valor inicial usado anteriormente, x0 = 4 , siendo ahora la ecuacin iterativa xn = (x2n-1 - 3) / 2 (3.6.5), se tiene la siguiente secuencia de resultados:
x1 = (16 - 3) / 2 = 6.5 x2 = 19.625 x3 = 191.07, etc.

Obsrvese que en la secuencia de valores obtenidos x1, x2, x3,..., los xi son cada vez mayores, con lo cual el mtodo diverge. En la figura 3.6.2 se ilustra dicha divergencia.
g(x) = (x2 - 3) / 2
FIGURA 3.6.2 Diagrama esquemtico de cmo el valor de x diverge de la raz exacta. Adems, si se escoge como valor inicial x0 = 0, y se itera empleando la ecuacin 3.6.4, la secuencia de resultados es as x1 = -1.5, x2 = -0.375, x3 = -1.4297, ... etc. El proceso iterativa converge, ahora, al valor x = -1, que es el valor exacto de la otra raz de la funcin 3.6.2.
En muchos campos, de las Ciencias y de las ingenieras, y en el Anlisis Numrico3, equilibrio o estabilidad son conceptos fundamentales que pueden ser descritos en trminos de Puntos Fijos. Tal es el caso en Economa, del concepto equilibrio Nash4 de un juego, que es un Punto Fijo de la mejor correspondencia de respuesta en el juego (de la estrategia que da ms rendimiento inmediato). En el diseo de compiladores, dentro de la Ingeniera de Software, clculos de Punto Fijo se emplean para efectuar el anlisis holstico de programas (software) como un requerimiento para lograr la optimizacin del cdigo (de mquina). El vector de los valores del Rango de Pgina, de todas las pginas web (que son ms de 8100 millones, segn Google5), es un Punto Fijo de una transformacin lineal derivada de la propia estructura de enlcaes de la red mundial (World Wide Web). El Matemtico Saul Kripke, especializado en Lgica, utiliza la tcnica del Punto Fijo en su influente Teora de la Verdad. Normalmente, la Teora del Punto Fijo se presenta basada en una serie de definiciones conceptuales, con cierto rigor lgico-matemtico, en un conjunto de Teoremas, y con aplicaciones mediante ejemplos operativos. El Mtodo Punto Fijo, al igual que el Mtodo Newton-Raphson, ha trascendido el mbito del Anlisis Numrico y de los Mtodos Numricos, para ser desarrollado y aplicado en otras reas tcnicas y de ingenieras, as como de las Matemticas puras y aplicadas. Incluso, se ha demostrado analticamente que el Mtodo de Newton-Raphson es un caso particular del Mtodo Punto Fijo. DEFINICIN #1. Un punto fijo de una funcin g(x) es un nmero real X tal que X = g(X). Una iteracin de punto fijo est dada por el siguiente conjunto de ecuaciones: Xn+1 = g(Xn), n =0,1,2,...
0
3 4
Trefethen, Lloyd N.: Numerical Analysis, Lecture at Oxford University, May 2006. Milnor, John: John Nash and a A Beautiful Mind, Notices of The AMS, November 1998, Volume 45., No. 10, pp. 1329 - 1332. // Nasar, Sylvia: A beautiful mind: A biography of John Forbes Nash Jr., Simon & Schuster, 1998, 459 pages, ISBN 0684819066. Basada en este biografa se hizo una pelcula llamada A Beautiful Mind. Harold W. Kuhn and Sylvia Nasar,The Essential John Nash, Princeton University Press, 2001. 5 Google, 2007, http://www.google.com.
Mtodos Numricos y Programacin Visual Basic 01/06/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ DEFINICIN #2. Si g(x) es una funcin continua y {Xn}n=0,1,... es la secuencia generada por una iteracin de Punto Fijo. Y si lim ( X n ) = X (3.6.2)
n
entonces X es un punto fijo de g(x). DEFINICIN #3. Una funcin continua f(x) es contractiva si existe un L < 1 tal que se cumple: |f(x) f(y)| L|x y|, para todo x, y en el dominio de f(x). DEFINICIN #4. Si |f(x)| < 1 para todo x [a, b], entonces f(x) es contractiva en [a, b], es decir su punto fijo en [a, b] es atractor. PRIMER TEOREMA DEL PUNTO FIJO. Si gC[a, b] y si el rango del mapeo y = g(x) satisface a y b para todo x tal que a < x < b, entonces (i) - g tiene un punto fijo en [a, b]. (ii) - Si, adems, g(x) est definida sobre (a, b) y que una constante positiva K < 1 existe tal que |g(x)| K < 1 para todo x (a, b), entonces la funcin g tiene un nico punto fijo en (a, b). (iii) - g : C [a, b] R tiene un nico punto si: g : [a, b] [a, b] (asegura existencia del punto fijo), y adems g is contractiva, el punto fijo es atractor (asegura unicidad). SEGUNDO TEOREMA DEL PUNTO FIJO. Asmase que las funciones g(x) y g(x) son continuas en un intervalo balanceado (a, b) = (X - , X + ) que contiene el nico punto fijo X, y que un valor inicial X0 se escoge en dicho intervalo. (i) - Si |g(x)| K < 1 para todo a x b, entonces la iteracin Xn = g(Xn-1) converge a X. En este caso, X es un Punto Fijo atractor. Vase las figuras 3.6.3 y 3.6.4. (ii) Si |g(x)| > 1 para todo a x b, entonces la iteracin Xn = g(Xn-1) no converge a X.. En este caso, X es un Punto Fijo repulsor. Vase las figuras 3.6.5 y 3.6.6. FIGURA 3.6.3 Diagrama esquemtico de un Punto Fijo atractor. En este caso hay convergencia.
FIGURA 3.6.4 Proceso de las iteraciones de un Punto Fijo atractor. TABLA 3.6.1 Iteracin de punto fijo para 3.6.2
En este caso, la funcin es f(x) = x e-x (3.6.2), y el proceso iterativo de punto fijo converge a 0.567143 (vase tabla 3.6.1).
FIGURA 3.6.5 Proceso de las iteraciones de un Punto Fijo repulsor.
En este caso, es posible que para una funcin x = g(x) el Punto Fijo es repulsor (alejando de la raz cada valor de X), haciendo que en el proceso iterativo no se presente convergencia.
FIGURA 3.6.6 Ejemplo un Punto Fijo atractor y de otro Punto Fijo repulsor.
Aqu, ambas funciones con lineales, pero la pendiente de (x) es mayor que la de g(x). Esto hace que se presente ~ convergencia con el valor inicial X0, pero que X se 0 presente con divergencia.
Otro ejemplo de un Punto Fijo atractor se muestra en la figura 3.6.7.
FIGURA 3.6.7 La iteracin de Punto Fijo Xn+1 = Sin(Xn) con un valor inicial X1 = 2. Aqu el punto fijo es atractor.
ATRACTORES Y REPULSORES EN EL MTODO PUNTO FIJO

Algunas explicaciones adicionales con relacin a la convergencia del Mtodo Punto Fijo6 , es decir con respecto a los atractores y repulsores, son las siguientes7, esquematizadas en las figuras 3.6.8 a 3.6.12: y=x FIGURA 3.6.8 Interpretacin geomtrica de un Punto Fijo atractor. Geomtricamente, un Punto Fijo puede conceptualizarse como la interseccin de una funcin con la diagonal y=x. Cuando la funcin es no-lineal pueden existir muchos puntos fijos. En la figura 3.6.8, hay slo un punto fijo, con la caracterstica de que cada iteracin, en la ecuencia {Xn}n=0,1,..., se acerca al valor del Punto Fijo, haciendo que las sucesivas aproximaciones converjan a la raz. Este tipo de Punto Fijo se denomina atractor. FIGURA 3.6.9 Punto Fijo atractor correspondiente a la funcin f(x) = cos(x). Un medio de representar iteraciones grficamente es utilizar el Mtodo Geomtrico Cartesiano, para visualizar los parmetros bsicos d elas iteraciones y la forma general de compoortamiento (vase figura3.68 y anteriores). Otro modo, que no requiere el entendimiento de la iteracin geomtrica, es el de las series de tiempo. Este consiste, simplemente, en un grfico del valor de la funcin despus de n iteraciones, siendo n el eje horizontal y f(xn) el eje vertical. La figura 3.6.9 ilustra el caso de la funcin f(x)=cos(x). Este grfico es tpico de las series de tiempo. Aqu, la funcin es no-lineal pero ilustra muy bien un Punto Fijo atractor.
g = g(x)
x = g(x)
y=x
FIGURA 3.6.10 Interpretacin geomtrica de un Punto Fijo repulsor . Este es otro ejemplo de la interpretacin geomtrica de un Punto Fijo, pero aqu las itereciones sucesivas se alejan ms y ms del valor de la raz; se dice, entonces, que se trata de un Punto Fijo repulsor. La diferencia de esta grfica con la de la figura 3.6.8 radica en la pendiente de la funcin, o en general- del valor de su derivada; en el primer ejemplo (figura 3.6.8) la pendiente est entre -1 y 0, pero en esta grfica la pendiente es menor que -1.
Obsrvese que en el primer caso, la espiral es hacie adentro, y en este caso la espiral es hacia fuera. As, se presenta siempre el caso tpico de las iteraciones de una funcin con pendiente (derivada), m, negativa.
y=x
FIGURA 3.6.11 Otro caso de un Punto Fijo atractor . En este ejemplo, aunque la pendiente (derivada) es positiva, la forma que tiene la serie de sucesivas aprocimaciones no es espiral. Este tambin es un Punto Fijo atractor, denominado tipo escalera; a partir de un valor iniicial, x0, las sucesivas aproximaciones convergen a la raz (punto fijo). La pendiente, m, est entre 0 y 1.
x = g(x)
0
6
Berland, Hvard: Numerical Analisys: FIXED POINTS: ATTRACTORS AND REPELLERS, Norwegian University of Science and Technology, Department of Mathematics, 2004 2007, TRONDHEIM, NORWAY ,http://www.stud.ntnu.no/~berland/math/feigenbaum/fixed.html. 7 Gray, Paul: Fixed Point iteration, 1998, http://www.mathcs.emory.edu/ccs/ccs315. // Danziger, P.: Fixed Point iteration, Ryerson University, Canada,1998, http://www.scs.ryerson.ca/~danziger/labs. // Hood, Alan: Numerical Analisys, Vonvergence of Fixed Point iteration, 2000- 2007, http://www-solar.mcs.st-and.ac.uk/~alan/MT2003/Numerical.
Mtodos Numricos y Programacin Visual Basic 01/06/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ FIGURA 3.6.12 Otro caso de un Punto Fijo repulsor .
y=x x0
En este ejemplo la pendiente tambin es positiva, pero el resultado es un Punto Fijo repulsor. la pendiente (derivada), m, es mayor que 1, y la forma es de escalera.
x = g(x)
Sumarizando los caos presentados en las figuras 3.6.8 a 3.6.12 se tiene que, siendo m la pendiente o derivada, g(x):
m = g ( x ) =
dg < 1 Punto Fijo repulsor, espiral hacia fuera, fig. 3.6.10. dx dg < 0 dx dg < 1 dx dg dx > 1
Punto Fijo atractor, espiral hacia adentro, fig. 3.6.8.
1 < m = g (x ) = 0 < m = g (x ) = m = g (x
Punto Fijo atractor, escalera hacia adentro, fig. 3.6.11.
)=
Punto Fijo repulsor, escalera hacia fuera, fig. 3.6.12.
De una manera, ms general: |m| < 1 Punto Fijo atractor; 1 < |m| Punto fijo repulsor; si m = 0 significa que todos los puntos son atractores o ninguno lo es. El siguiente proceso es una prueba algebrica de cuando un Punto Fijo es atractor. Igualmente puede hacerse para probar un Punto Fijo repulsor: Sea un Punto Fijo x* y se demostrar que es un atractor si
0 < m = f ( x ) =
df <1 dx
* = f (x )
Sea un nmero k escogido entre m = f'(x*) y 1, es decir f(x) < k < 1. De acuerdo con la definicin de derivada se tiene que:
f (x) f (x*) x x* x x*
lim
Se escoge un intervalo simtrico (balanceado), (x* - , x* + ), alrededor de x*, de modo que para x dentro del intervalo se cumple que:
0<

f (x ) f x* x x*
( )
<k
De la expresin anterior se tiene que: |f(x) - f(x*)| < k|x-x*| Empicese, ahora, las iteraciones con el valor inicial x0, x0(x* - , x* + ); y recordando que x* es un Punto Fijo y que por lo tanto f(x*) = x*, se tiene lo siguiente: |x1 - x*| = |f(x0) - f(x*)| < k|x0 - x*| de lo cual es claro que el punto x1 est ms cercano a x* que el punto x0. Por lo tanto, se conlcuye que x* es un punto atractor. Ms iteraciones seran as: |x2 - x*| < 2k|x0 - x*| , ... , |xn - x*| < nk|x0 - x*|. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 64 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/06/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Cuando 0 < k < 1 se tendr el siguiente lmite:
n
lim xn x* = 0
Esto significa, efectivamente, que xn = x* despus de un nmero infinito de iteraciones. La figura 3.6.13 sintetiza grficamente los casos que se presentan en la iteracin de punto fijo, {Xn}n=0,1,... (3.6.3). En el lado izquierdo se presentan los dos casos con pendiente positiva que ilustran la convergencia monotnica (llamada tambin de escalera) cuando 0 < g(x) < 1, y la divergencia monotnica (o de escalera) cuando g(x) > 1. En el lado derecho de la figura 3.6.8 se presenta la convergencia oscilante (o de espiral) cuando 1 < g(x) < 0; y la divergencia oscilante (o de espiral) cuando g(x) < -1. La parte superior de la figura 3.6.13 presenta los dos casos de convergencia: la convergencia monotnica (o de escalera) implica un atractor fuerte, es decir, que el proceso iterativo de punto fijo definido por 3.6.2 y 3.6.3- converge ropidamente a la raz; por su parte, la convergencia oscilante (o de espiral) implica un atractor dbil, es decir, que la secuencia de valores X0, X1, X2, ..., Xn, -definida por 3.6.2 y 3.6.3- converge muy lentamente a la raz. Los dos pneles inferiores, en la figura 3.6.13, representan la divergencia, o un Punto Fijo repulsor; el panel de la izquierda inferior implica un repulsor fuerte, es decir que la secuencia definida por 3.6.2 y 3.6.3- se aleja rpidamente de la raz; y el panel inferior derecho representa un repulsor dbil, es decir que la secuencia definida por 3.6.2 y 3.6.3- se aleja muy lentamente de la raz. FIGURA 3.6.13 Sntesis de los casos de la iteracin de punto fijo.
CONVERGENCIA Y ANLISIS DEL ERROR EN EL MTODO PUNTO FIJO

La convergencia del Mtodo Punto Fijo1 se puede analizar considerando que al aplicar el esquema iterativo xi = g(xi-1) para i = 1, 2, ..., n (3.6.4), se llega a que
x n = r n , x n +1 = r n +1
(3.6.5)
donde r es el valor exacto de la raz, xn es el valor de la n-sima iteracin, y n es el error despus de n iteraciones. De ah, que la Iteracin de Punto Fijo, definida por 3.6.4, puede escribirse - a partir de 3.6.5- como:
xn+1 = g (xn ) r n+1 = g (r n )
(3.6.6)
Si n es suficientemente pequeo se puede expandir, utilizando Serie de Taylor, la funcin g(r - n) en 3.66, alrededor del la raz exacta (Punto Fijo), r:
2 r n+1 = g (r ) n g (r ) + n
g (r ) + ... 2
(3.6.7)
Sin embargo, recordando que la raz, r, es un Punto Fijo que cumple la ecuacin r = g(r), y tomando los trminos ms influyentes de 3.6.7 se obtiene
n +1 g (r ) n
(3.6.8)
La ecuacin 3.6.8 demuestra que la Iteracin Punto Fijo es un esquema de primer orden (lineal) si se cumple
g ( x ) 0
Tambin se puede utilizar 3.6.8 para determinar si el proceso iterativo, definido por 3.6.4, converge o no. Asmase que el error inicial est dado por 0 , entonces la aplicacin de 3.6.8 da:
1 g(r)0 ; 2 g(r)1 [g(r)]20 ; 3 g(r)2 [g(r)]30 ; 4 g(r)3 [g(r)]40 , ...

En general, se tendr que:
n [g(r)]n0 (3.6.9)
La ecuacin 3.6.9 implica que: El error, |xn - r| , disminuye si |g(r)| < 1 lo cual implica que el Mtodo Punto Fijo converge. El error, |xn - r| , aumenta si |g(r)| > 1 lo cual implica que el Mtodo Punto Fijo diverge.
La ecuacin 3.6.9 tambin implica que si el Mtodo Punto Fijo converge, entonces 0
1
El error, |xn - r| , decrece monotnicamente si 0 g(r)| < 1 (en forma de escalera, vase figura 3.6.13). El error, |xn - r| , decrece oscilatoriamente si -1 < g(r)| < 0 (en forma de espiral, vase figura 3.6.13).
Hood, Alan: Fundamentals of Applied Mathematics: Convergence of Fixed-Point Iteration, Error Analysis, University of St Andrews, School of Mathematics and Statistics, Scotland, 2000 - 2007, http://www-solar.mcs.st-and.ac.uk/~alan/MT2003. // Pardhanani, Anand: Fixed-point iteration method for solving nonlinear equations, The University of Texas at Austin, TX , http://www.cfdlab.ae.utexas.edu/~ase211/wip/tutorials/fpi.html. // Stewart, G.W.: Afternotes on Mumerical Analisys, SIAM, 1996.
EJEMPLO 3.6.1.Considrese la funcin f(x) = x e-x, utilizando la iteracin definida por
xn+1 = e xn = g ( xn )
Se llega al valor r = 0.567143 (figura 3.6.3 y tabla 3.6.1). Con lo cual g(r) = -e-x g(r) = -e-0.567143 = -0.567143. Es decir, que |g(r)| < 1 y el proceso iterativo converge. Sin embargo, si se utiliza la iteracin xn+1 = -log( xn) = g(xn), se tendr que g(x) = -1 / x g(r) = -1 /0.567143 = - 1.7637, con lo cual |g(r)| > 1 y el proceso iterativo no converge (diverge).
EJEMPLO 3.6.2.Considrese la funcin f(x) = x2 2x - 3, y utilizndosen tres diferentes esquemas iterativos,

analizar si hay convergencia o no. El primer esquema iterativo es: x2 = 2x 3 x = (2x + 3)1/2 xn+1 = (2 xn + 3)1/2 , con lo cual se tiene que g(x) = (2x + 3)1/2 . Por lo tanto, g(x) = ()(2)(2x + 3)-1/2 g(-1) = 1 y el esquema no converge a la raz exacta 1; g(3) = 1/3 , y el esquema converge a la raz exacta 3. El segundo esquema iterativo es: g(x) = x(x 2) 3 = 0
x=
3 3 xn +1 = x2 xn 2
g ( x ) =
3 (x 2)2
g(-1) = -1/3, y el esquema converge a x = -1.
g(3) = -3, y el esquema no converge a x = 3;
El tercer esquema iterativo es as: g(x) =

2
x2
3 = 2x
x=
g ( x) =
x 3 g ( x ) = x g(-1) = -1, y el esquema no converge a x = -1; 2

g(3) = 3, y el esquema converge a x = 3.
x2 x2 3 xn+1 = n 2 2
ALGORITMO PARA EL MTODO PUNTO FIJO

En la figura 3.6.14 se presenta un algoritmo genrico para el Mtodo Punto Fijo. La funcin es f(x) = x3 3x +1 cuyo esquema grfico se muestra en la figura 3.6.15. Un esquema iterativo es g(x) = (x3 +1)/3 .
Leer x0, Epsilon, nMax 1. x = x0, g=g(x), n = 0 2. HAGA 2.1 x = g 2.2 g = g(x) 2.3 n = n +1 HASTA QUE (|x-g| > Epsilon n nMax) 3.3 Mostrar x, g, o un mensage de error
FIGURA 3.6.15 Esquema grfico para f(x) empleada en el algoritmo de la figura 3.6.14.
FIGURA 3.6.14 Algoritmo genrico para el Mtodo Punto Fijo
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ El algoritmo Punto Fijo para la funcin f(x) de la figura 3.6.15, elaborado en Visual Basic, se presenta en la figura 3.6.16; la figura 3.6.17 es una muestra de los resultados obtenidos con X0 = -1.0 (g(-1.0) = 0). El mtodo tambin converge con X0 = 1.0 ( g(1.0) = 2/3 < 1). Sin embargo, no converge con X0 = 2.0 ( g(2.0) = 3 > 1) ; tampoco converge para el valor de X0 = -2.0 ( g(-2.0) = -7/3 < -1). Si se emplea un esquema iterativo diferente, por ejemplo g(x) = (3x 1)1/3, los resultados de convergencia cambian. Private Sub Command1_Click() X0 = -1#: Epsilon = 0.0000000001 X = X0: gx = g(X): n = 0 Text1 = "MTODO PUNTO FIJO, X0 = -1.0, f(x) = x^3 - 3x + 1" & vbCrLf & String(65, "_") & vbCrLf & _ vbCrLf & "ITER." & vbTab & "... X ... " & vbTab & vbTab & _ "... gx ..." & vbTab & vbTab & "... X-gx ..." & vbCrLf & String(65, "_") & vbCrLf Do n=n+1 Text1 = Text1 & n & vbTab & Format(X, "#00.000000000000") & vbTab & _ Format(gx, "#00.000000000000") & vbTab & Format(Abs(X - gx), "#00.0000000000000000000") & vbCrLf X = gx gx = g(X) Loop Until (Abs(X - gx) <= Epsilon Or n >= nMax) Text1 = Text1 & vbCrLf & String(65, "_") & vbCrLf & "No. iteraciones = " & n & vbTab & _ "Epsilon = " & Format(Epsilon, "#0.00000000000") & vbCrLf & _ "Raz, X =" & X End Sub FIGURA 3.6.16 Algoritmo en Visual Basic para la funcin f(x) de la figura 3.6.15.
FIGURA 3.6.17 Resultados obtenidos para la funcin f(x) de la figura 3.6.15. En la figura 3.6.18 se puede apreciar un algoritmo en lenguaje FORTRAN2. El programa en PASCAL2 se presenta en la figura 3.6.19. Un programa en C2 es el presentado en la figura 3.6.20. En la figura 3.6.21 se muestra un programa en MATLAB.
0
2
Mathews, John H.: Fixed-Point Method, http://mathews.ecs.fullerton.edu/n2003/fixedpoint/
Dept.
of
Mathematics,
California
State
University,
Fullerton,
2004,
REAL FUNCTION G(X) REAL X G=0.9 + X - 0.4*X*X RETURN END SUBROUTINE PUNTOFIJO(G,Pterm,Max,Tol,Pnew,Cond,K) PARAMETER(Big=1E10,Small=1E-20) INTEGER Cond,K,Max REAL Pnew,Pterm,Tol REAL Dx,Dg,Pold,RelErr,Slope K=0 RelErr=1 Pnew=G(Pterm) WHILE (RelErr.GE.Tol).AND.(K.LE.Max) & .AND.(ABS(Pnew).LT.Big) Pold=Pterm Pterm=Pnew Pnew=G(Pterm) Dg=Pnew-Pterm RelErr=ABS(Dg)/(ABS(Pnew)+Small) K=K+1 WRITE(9,1000) K,Pnew REPEAT IF (Dg.EQ.0) THEN Slope=0 ELSE Dx=Pterm-Pold IF (Dx.NE.0) THEN Slope=Dg/Dx ELSE Slope=6.023E23 ENDIF ENDIF IF (ABS(Slope).LT.1) THEN Cond=1 IF (Slope.LT.0) Cond=2 ELSE Cond=3 IF (Slope.LT.0) Cond=4 ENDIF IF (RelErr.LT.Tol) THEN IF ((Cond.EQ.3).OR.(Cond.EQ.4)) Cond=5 ENDIF PAUSE RETURN 1000 FORMAT(I2,4X,F15.7) END FIGURA 3.6.18 Programa FORTRAN del algoritmo expuesto en la figura 3.6.14.
procedure FixedPoint({function G(X:real):real;} var Pterm:real; Max:integer; Tol:real; var Pnew:real; var Cond,Kcount:integer); label 999; const Big = 1E10; Small = 1E-20; var Dx,Dg,Pold,RelErr,Slope:real; begin RelErr := 1; Pnew := G(Pterm); Kcount := 0; while ((RelErr>=Tol) and (KCount<=Max)) do begin if Kcount <= 2 then P[Kcount] := Pterm; Pold := Pterm; Pterm := Pnew; Pnew := G(Pterm); Dg := Pnew - Pterm; RelErr := ABS(Dg)/(ABS(Pnew)+Small); Kcount := Kcount+1; if (Pnew < -Big) or (Big < Pnew) then goto 999; end; 999: if Kcount <= 2 then P[Kcount] := Pterm; if Dg = 0 then Slope := 0 else begin Dx := Pterm - Pold; if Dx <> 0 then Slope := Dg/Dx else Slope := 6.023E23; end; if ABS(Slope) < 1 then begin Cond := 1; if Slope < 0 then Cond := 2; end else begin Cond := 3; if Slope < 0 then Cond := 4; end; if RelErr < Tol then if (Cond = 3) or (Cond = 4) then Cond := 5; Kcount := Kcount+1; end; FIGURA 3.6.19 Programa PASCAL del algoritmo expuesto en la figura 3.6.14.
#include<stdio.h> #include<stdlib.h> #include<math.h> /* define prototype for USER-SUPPLIED function g(x) */ double gfunction(double x); double gfunction(double x) { return ( 1 + x - pow(x,2)/4 ); } void main() { double MaxPnew = 1E+200; /* highest absolute value for Pnew */ double Tol = 0.000001; /* Termination criterion */ int Max = 200; /* Maximum number of iterations */ double Small = 0.000001; /* Initialize the variable */ int K = 0; /* Initialize the counter */ double RelErr = 1; /* Initialize the variable */ double Pterm; /* INPUT : The initial approximation */ double Pnew; /* Result of a iteration */ double Pold,Dg,Delta,Dx,Slope; int iwarn = 0; /* Initialize warning flag */ printf("Please enter START-value for iteration :\n"); scanf("%lf", &Pterm); printf("START-value for iteration : Pterm = %lf\n", Pterm); printf(""); Pnew = gfunction(Pterm); /* First iteration */ while( (RelErr >= Tol) && (K <= Max) ) { K++; /* Increment the counter */ Pold = Pterm; /* Previous iterate p_(k+1) */ Pterm = Pnew; /* Current iterate p_k */ Pnew = gfunction(Pterm); /* Compute new iterate p_(k+1) */ if( fabs(Pnew) > MaxPnew){ /* Check for +/-INF before the end of the while-loop */ iwarn = 1; /* set flag for warning */ break; /* break out of while-loop */ } Dg = Pnew - Pterm; /* Difference in gfunction */ Delta = fabs(Dg); /* Absolute Error */ RelErr = 2 * Delta / ( fabs(Pnew) + Small ); /* Relative Error */ } /* End of the 'while'-loop */ Dx = Pterm - Pold; /* Difference in x */ Slope = Dg / Dx; /* g'(p_k) */ printf("-----------------------------------------------\n"); if(iwarn){ /* Tell that Pnew has grown dramatically and stop */ printf("Number of iterations : %d\n",K); printf("Iteration walks out of precision range !!\n"); printf("Value of x = Pnew = %G\n", Pnew); printf("The sequence appears to be diverging !\n"); exit(0); } printf("Number of iterations : %d\n",K); printf("The computed fixed point of g(x) is %lf\n",Pnew); printf("Consecutive iterations are within %lf\n", Delta); if( fabs(Slope) > 1 ) printf("The sequence appears to be diverging.\n"); else printf("The sequence appears to be converging.\n"); } /* End Main Program */
FIGURA 3.6.20 Programa en C del algoritmo expuesto en la figura 3.6.14.
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ function [k,p,err,P] = PuntoFijo(g,p0,tol,max1) % Input - g is the iteration function % - p0 is the initial guess for the fixed-point % - tol is the tolerance % - max1 is the maximum number of iterations % Output - k is the number of iterations that were carried out % - p is the approximation to the fixed-point % - err is the error in the approximation % - P'contains the sequence {pn} P(1)= p0; for k=2:max1 P(k)=feval(g,P(k-1)); err=abs(P(k)-P(k-1)); relerr=err/(abs(P(k))+eps); p=P(k); if (err<tol) | (relerr<tol),break;end end if k == max1 disp('maximum number of iterations exceeded') end P=P'; FIGURA 3.6.21 Programa en MATLAB del algoritmo expuesto en la figura 3.6.14.
RECURSOS BIBLIOGRFICOS Y WEBGRFICOS DEL MTODO PUNTO FIJO

1. 2. 3. 4. 5. 6. 7. 8. Type, fixed point iteration, and mean value theorems Mercer, Peter R. Internat. J. Math. Ed. Sci. Tech. 32 (2001), no. 2, 308--312, Math. Sci. Net. Short proofs of stability results for fixed point iteration procedures for a class of contractive-type mappings. Osilike, M. O.; Udomene, A. Indian J. Pure Appl. Math. 30 (1999), no. 12, 1229--1234, Math. Sci. Net. A new convergence result for fixed-point iteration in bounded interval of R^n Huang, Zhenyu Comput. Math. Appl. 34 (1997), no. 12, 33--36, Math. Sci. Net. Convergence results for fixed point iterations in R Herceg, D.; Kreji'c, N. Comput. Math. Appl. 31 (1996), no. 2, 7--10, Math. Sci. Net. On the Approximation of Fixed Points For Locally Pseudo-Contractive Mappings Claudio H. Morales, Simba A. Mutangadura Proceedings of the American Mathematical Society, Vol. 123, No. 2. (Feb., 1995), pp. 417-423. On a Fixed Point Theorem of Kirk Claudio H. Morales, Simba A. Mutangadura Proceedings of the American Mathematical Society, Vol. 123, No. 11. (Nov., 1995), pp. 3397-3401. Jstor. Bounded fixed-point iteration Nielson, Hanne Riis; Nielson, Flemming J. Logic Comput. 2 (1992), no. 4, 441--464, Math. Sci. Net. Asymptotic Iteration Vladimir Drobot and Lawrence J. Wallen Mathematics Magazine: Volume 64, Number 3, (1991), Pages: 176-180.
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 9. Some Interesting Fixed Points John Mathews, Soo Tang Tan Mathematics Magazine: Volume 63, Number 4, (1990), Pages: 263-269. 10. A Historical Survey of Solution of Functional Iteration D.F. Bailey Mathematics Magazine: Volume 62, Number 3, (1989), Pages: 155-166. 11. Fixed Point Iteration with Inexact Function Values Peter Alfeld Mathematics of Computation, Vol. 38, No. 157. (Jan., 1982), pp. 87-98, Jstor. 12. Fixed point iteration - An interesting way to begin a calculus course Thomas Butts College Math Journal: Volume 12, Number 1, (1981), Pages: 2-7. 13. A Less Strange Version of Milnor's Proof of Brouwer's Fixed-Point Theorem C. A. Rogers American Mathematical Monthly, Vol. 87, No. 7. (Aug. - Sep., 1980), pp. 525-527. Jstor. 14. A characterization of local convergence for fixed point iterations in R^1 Stepleman, Robert S. SIAM J. Numer. Anal. 12 (1975), no. 6, 887--894, Jstor. 15. Fixed Points by a New Iteration Method Shiro Ishikawa Proceedings of the American Mathematical Society, Vol. 44, No. 1. (May, 1974), pp. 147-150. Jstor. 16. A Remark on a Fixed-Point Theorem for Iterated Mappings (in Classroom Notes) V. W. Bryant American Mathematical Monthly, Vol. 75, No. 4. (Apr., 1968), pp. 399-400. Jstor. 17. On Cowen's Note "An Elementary Fixed Point Theorem" (in Classroom Notes) J. G. Baron American Mathematical Monthly, Vol. 74, No. 3. (Mar., 1967), pp. 302-303. Jstor. 18. The Approximation of Fixed Points of a Continuous Mapping Herbert Scarf SIAM Journal on Applied Mathematics, Vol. 15, No. 5. (Sep., 1967), pp. 1328-1343, Jstor. 19. An Elementary Fixed Point Theorem (in Classroom Notes) R. H. Cowen American Mathematical Monthly, Vol. 72, No. 2. (Feb., 1965), pp. 165-167. Jstor. 20. Extensions of the Brouwer Fixed Point Theorem (in Mathematical Notes) A. B. Brown American Mathematical Monthly, Vol. 69, No. 7. (Aug. - Sep., 1962), p. 643. Jstor. 21. A Fixed Point Theorem (in Mathematical Notes) L. E. Ward, Jr. American Mathematical Monthly, Vol. 65, No. 4. (Apr., 1958), pp. 271-272. Jstor. 22. Type, fixed point iteration, and mean value theorems Mercer, Peter R. Internat. J. Math. Ed. Sci. Tech. 32 (2001), no. 2, 308--312, Math. Sci. Net. 23. Short proofs of stability results for fixed point iteration procedures for a class of contractive-type mappings. Osilike, M. O.; Udomene, A. Indian J. Pure Appl. Math. 30 (1999), no. 12, 1229--1234, Math. Sci. Net. 24. A new convergence result for fixed-point iteration in bounded interval of R^n Huang, Zhenyu Comput. Math. Appl. 34 (1997), no. 12, 33--36, Math. Sci. Net. 25. Convergence results for fixed point iterations in R Herceg, D.; Kreji'c, N. Comput. Math. Appl. 31 (1996), no. 2, 7--10, Math. Sci. Net. 26. On the Approximation of Fixed Points For Locally Pseudo-Contractive Mappings Claudio H. Morales, Simba A. Mutangadura Proceedings of the American Mathematical Society, Vol. 123, No. 2. (Feb., 1995), pp. 417-423, Jstor. 27. On a Fixed Point Theorem of Kirk Claudio H. Morales, Simba A. Mutangadura Proceedings of the American Mathematical Society, Vol. 123, No. 11. (Nov., 1995), pp. 3397-3401. Jstor.
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 28. Bounded fixed-point iteration Nielson, Hanne Riis; Nielson, Flemming J. Logic Comput. 2 (1992), no. 4, 441--464, Math. Sci. Net. 29. Asymptotic Iteration Vladimir Drobot and Lawrence J. Wallen Mathematics Magazine: Volume 64, Number 3, (1991), Pages: 176-180. 30. Some Interesting Fixed Points John Mathews, Soo Tang Tan Mathematics Magazine: Volume 63, Number 4, (1990), Pages: 263-269. 31. A Historical Survey of Solution of Functional Iteration D.F. Bailey Mathematics Magazine: Volume 62, Number 3, (1989), Pages: 155-166. 32. Fixed Point Iteration with Inexact Function Values Peter Alfeld Mathematics of Computation, Vol. 38, No. 157. (Jan., 1982), pp. 87-98, Jstor. 33. Fixed point iteration - An interesting way to begin a calculus course Thomas Butts College Math Journal: Volume 12, Number 1, (1981), Pages: 2-7. 34. A Less Strange Version of Milnor's Proof of Brouwer's Fixed-Point Theorem C. A. Rogers American Mathematical Monthly, Vol. 87, No. 7. (Aug. - Sep., 1980), pp. 525-527. Jstor. 35. A characterization of local convergence for fixed point iterations in R^1 Stepleman, Robert S. SIAM J. Numer. Anal. 12 (1975), no. 6, 887--894, Jstor. 36. Fixed Points by a New Iteration Method Shiro Ishikawa Proceedings of the American Mathematical Society, Vol. 44, No. 1. (May, 1974), pp. 147-150. Jstor. 37. A Remark on a Fixed-Point Theorem for Iterated Mappings (in Classroom Notes) V. W. Bryant American Mathematical Monthly, Vol. 75, No. 4. (Apr., 1968), pp. 399-400. Jstor. 38. On Cowen's Note "An Elementary Fixed Point Theorem" (in Classroom Notes) J. G. Baron American Mathematical Monthly, Vol. 74, No. 3. (Mar., 1967), pp. 302-303. Jstor. 39. The Approximation of Fixed Points of a Continuous Mapping Herbert Scarf SIAM Journal on Applied Mathematics, Vol. 15, No. 5. (Sep., 1967), pp. 1328-1343, Jstor. 40. An Elementary Fixed Point Theorem (in Classroom Notes) R. H. Cowen American Mathematical Monthly, Vol. 72, No. 2. (Feb., 1965), pp. 165-167. Jstor. 41. Extensions of the Brouwer Fixed Point Theorem (in Mathematical Notes) A. B. Brown American Mathematical Monthly, Vol. 69, No. 7. (Aug. - Sep., 1962), p. 643. Jstor. 42. A Fixed Point Theorem (in Mathematical Notes) L. E. Ward, Jr. American Mathematical Monthly, Vol. 65, No. 4. (Apr., 1958), pp. 271-272. Jstor. 43. Type, fixed point iteration, and mean value theorems Mercer, Peter R. Internat. J. Math. Ed. Sci. Tech. 32 (2001), no. 2, 308--312, Math. Sci. Net. 44. Short proofs of stability results for fixed point iteration procedures for a class of contractive-type mappings. Osilike, M. O.; Udomene, A. Indian J. Pure Appl. Math. 30 (1999), no. 12, 1229--1234, Math. Sci. Net. 45. Fixed point iteration for pseudocontractive maps Chidume, C. E.; Moore, Chika Proc. Amer. Math. Soc. 127 (1999), no. 4, 1163--1170, Math. Sci. Net. 46. Nonlinear hybrid procedures and fixed point iterations Brezinski, C.; Chehab, J.-P. Numer. Funct. Anal. Optim. 19 (1998), no. 5-6, 465--487, Math. Sci. Net.
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 47. A modified fixed point iteration method for solving exchange models Nenakhov, E. I.; Primak, M. E. Optimization 39 (1997), no. 1, 43--52, Math. Sci. Net. 48. A new convergence result for fixed-point iteration in bounded interval Huang, Zhenyu Comput. Math. Appl. 34 (1997), no. 12, 33--36, Math. Sci. Net. 49. Random relaxation of fixed-point iteration Verkama, Markku SIAM J. Sci. Comput. 17 (1996), no. 4, 906--912, Math. Sci. Net. 50. Convergence results for fixed point iterations in R Herceg, D.; Kreji\'c, N. Comput. Math. Appl. 31 (1996), no. 2, 7--10, Math. Sci. Net. 51. Stability results for fixed point iteration procedures Osilike, M. O. J. Nigerian Math. Soc.14/15 (1995/96), 17--29, Math. Sci. Net. 52. Fixed point iterations for a certain class of nonlinear mappings Osilike, M. O. Soochow J. Math. 21 (1995), no. 4, 441--449, Math. Sci. Net. 53. Stability results for the Ishikawa fixed point iteration procedure Osilike, M. O. Indian J. Pure Appl. Math. 26 (1995), no. 10, 937--945, Math. Sci. Net. 54. Intermediate Value Theorems and Fixed Point Theorems For Semi-Continuous Functions in Product Spaces Jean Guillerme Proceedings of the American Mathematical Society, Vol. 123, No. 7. (Jul., 1995), pp. 2119-2122. Jstor. 55. On the Approximation of Fixed Points For Locally Pseudo-Contractive Mappings Claudio H. Morales, Simba A. Mutangadura Proceedings of the American Mathematical Society, Vol. 123, No. 2. (Feb., 1995), pp. 417-423, Jstor. 56. On a Fixed Point Theorem of Kirk Claudio H. Morales, Simba A. Mutangadura Proceedings of the American Mathematical Society, Vol. 123, No. 11. (Nov., 1995), pp. 3397-3401. Jstor. 57. Fixed Point Iteration Processes for Asymptotically Nonexpansive Mappings Kok-Keong Tan, Hong-Kun Xu Proceedings of the American Mathematical Society, Vol. 122, No. 3. (Nov., 1994), pp. 733-739, Jstor. 58. Approximation of Fixed Points of Strongly Pseudocontractive Mappings C. E. Chidume Proceedings of the American Mathematical Society, Vol. 120, No. 2. (Feb., 1994), pp. 545-551, Jstor. 59. Fixed point iteration processes for asymptotically nonexpansive mappings Tan, Kok-Keong; Xu, Hong Kun Proc. Amer. Math. Soc. 122 (1994), no. 3, 733--739, Math. Sci. Net. 60. Approximation of Fixed Points of Strongly Pseudocontractive Mappings C. E. Chidume Proceedings of the American Mathematical Society, Vol. 120, No. 2. (Feb., 1994), pp. 545-551, Jstor. 61. Fixed point iterations in R Herceg, Dragoslav; Krejic, Natavsa IX Conference on Applied Mathematics (Budva, 1994), 21--27, Univ. Novi Sad, Novi Sad, 1995, Math. Sci. Net. 62. Fixed point theorems and stability results for fixed point iteration procedures. II Rhoades, B. E. Indian J. Pure Appl. Math. 24 (1993), no. 11, 691--703, Math. Sci. Net. 63. Some fixed point iterations Rhoades, B. E. Soochow J. Math. 19 (1993), no. 4, 377--380, Math. Sci. Net. 64. Stabilization of Unstable Procedures: The Recursive Projection Method Gautam M. Shroff, Herbert B. Keller SIAM Journal on Numerical Analysis, Vol. 30, No. 4. (Aug., 1993), pp. 1099-1120, Jstor. 65. Correction to the paper: "Fixed point iterations for a class of nonlinear mappings" Moore, Chika Math. Japon. {37} (1992), no. 5, 955--960, Math. Sci. Net.
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 66. Bounded fixed-point iteration Nielson, Hanne Riis; Nielson, Flemming J. Logic Comput. 2 (1992), no. 4, 441--464, Math. Sci. Net. 67. Fixed Point Iteration for Local Strictly Pseudo-Contractive Mapping Xinlong Weng Proceedings of the American Mathematical Society, Vol. 113, No. 3. (Nov., 1991), pp. 727-731, Jstor. 68. Asymptotic Iteration Vladimir Drobot and Lawrence J. Wallen Mathematics Magazine: Volume 64, Number 3, (1991), Pages: 176-180. 69. Fixed Point Iteration for Local Strictly Pseudo-Contractive Mapping Xinlong Weng Proceedings of the American Mathematical Society, Vol. 113, No. 3. (Nov., 1991), pp. 727-731, Jstor. 70. Approximation of Fixed Points of Asymptotically Nonexpansive Mappings Jurgen Schu Proceedings of the American Mathematical Society, Vol. 112, No. 1. (May, 1991), pp. 143-151, Jstor. 71. Some Interesting Fixed Points John Mathews, Soo Tang Tan Mathematics Magazine: Volume 63, Number 4, (1990), Pages: 263-269. 72. Stability of the Fixed Point Property and Universal Maps Jose M. R. Sanjurjo Proceedings of the American Mathematical Society, Vol. 105, No. 1. (Jan., 1989), pp. 221-230. Jstor. 73. An Iteration Process for Nonexpansive Mappings with Applications to Fixed Point Theory in Product Spaces W. A. Kirk Proceedings of the American Mathematical Society, Vol. 107, No. 2. (Oct., 1989), pp. 411-415, Jstor. 74. A Historical Survey of Solution of Functional Iteration D.F. Bailey Mathematics Magazine: Volume 62, Number 3, (1989), Pages: 155-166. 75. Approximation Theorems and Fixed Point Theorem in Cones Tzu-Chu Lin Proceedings of the American Mathematical Society, Vol. 102, No. 3. (Mar., 1988), pp. 502-506. Jstor. 76. Iterative Approximation of Fixed Points of Lipschitzian Strictly Pseudo-Contractive Mappings C. E. Chidume Proceedings of the American Mathematical Society, Vol. 99, No. 2. (Feb., 1987), pp. 283-288., Jstor. 77. Fixed Point Iteration with Inexact Function Values Peter Alfeld Mathematics of Computation, Vol. 38, No. 157. (Jan., 1982), pp. 87-98, Jstor. 78. On the Continuous Realization of Iterative Processes Moody T. Chu SIAM Review, Vol. 30, No. 3. (Sep., 1988), pp. 375-387, Jstor. 79. Fixed Point Iteration with Inexact Function Values Peter Alfeld Mathematics of Computation, Vol. 38, No. 157. (Jan., 1982), pp. 87-98, Jstor. 80. Fixed point iteration - An interesting way to begin a calculus course Thomas Butts College Math Journal: Volume 12, Number 1, (1981), Pages: 2-7. 81. A Less Strange Version of Milnor's Proof of Brouwer's Fixed-Point Theorem C. A. Rogers American Mathematical Monthly, Vol. 87, No. 7. (Aug. - Sep., 1980), pp. 525-527. Jstor. 82. Weak Convergence to the Fixed Point of an Asymptotically Nonexpansive Map S. C. Bose Proceedings of the American Mathematical Society, Vol. 68, No. 3. (Mar., 1978), pp. 305-308. Jstor. 83. Fixed point iterations using linear mappings Kasahara, Shouro Math. Sem. Notes Kobe Univ. 6 (1978), no. 1, 87--90, Math. Sci. Net. 84. Approximation to Fixed Points of Generalized Nonexpansive Mappings Chi Song Wong Proceedings of the American Mathematical Society, Vol. 54, No. 1. (Jan., 1976), pp. 93-97, Jstor.
Mtodos Numricos y Programacin Visual Basic 01/07/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 85. Fixed Points and Iteration of a Nonexpansive Mapping in a Banach Space Shiro Ishikawa Proceedings of the American Mathematical Society, Vol. 59, No. 1. (Aug., 1976), pp. 65-71, Jstor. 86. Comments on two fixed point iteration methods Rhoades, B. E. J. Math. Anal. Appl. 56 (1976), no. 3, 741--750, Math. Sci. Net. 87. A characterization of local convergence for fixed point iterations in R^1 Stepleman, Robert S. SIAM J. Numer. Anal. 12 (1975), no. 6, 887--894, Jstor. 88. Fixed point iterations of nonexpansive mappings Reich, Simeon Pacific J. Math. 60 (1975), no. 2, 195--198, Math. Sci. Net. 89. Fixed Points by a New Iteration Method Shiro Ishikawa Proceedings of the American Mathematical Society, Vol. 44, No. 1. (May, 1974), pp. 147-150. Jstor. 90. Fixed Point Iterations Using Infinite Matrices B. E. Rhoades Transactions of the American Mathematical Society, Vol. 196. (Sep., 1974), pp. 161-176. Jstor. 91. On the Approximation of Fixed Points of Nonlinear Compact Operators Richard Weiss SIAM Journal on Numerical Analysis, Vol. 11, No. 3. (Jun., 1974), pp. 550-553, Jstor. 92. A Remark on a Fixed-Point Theorem for Iterated Mappings (in Classroom Notes) V. W. Bryant American Mathematical Monthly, Vol. 75, No. 4. (Apr., 1968), pp. 399-400. Jstor. 93. Simplicial Approximation of Fixed Points Harold W. Kuhn Proceedings of the National Academy of Sciences of the United States of America, Vol. 61, No. 4. (Dec. 15, 1968), pp. 1238-1242, Jstor. 94. On Cowen's Note "An Elementary Fixed Point Theorem" (in Classroom Notes) J. G. Baron American Mathematical Monthly, Vol. 74, No. 3. (Mar., 1967), pp. 302-303. Jstor. 95. The Approximation of Fixed Points of a Continuous Mapping Herbert Scarf SIAM Journal on Applied Mathematics, Vol. 15, No. 5. (Sep., 1967), pp. 1328-1343, Jstor. 96. An Elementary Fixed Point Theorem (in Classroom Notes) R. H. Cowen American Mathematical Monthly, Vol. 72, No. 2. (Feb., 1965), pp. 165-167. Jstor. 97. Stability and Asymptotic Fixed-Point Theory G. Stephen Jones Proceedings of the National Academy of Sciences of the United States of America, Vol. 53, No. 6. (Jun. 15, 1965), pp. 1262-1264. Jstor. 98. Extensions of the Brouwer Fixed Point Theorem (in Mathematical Notes) A. B. Brown American Mathematical Monthly, Vol. 69, No. 7. (Aug. - Sep., 1962), p. 643. Jstor. 99. The Application of a Fixed-Point Theorem to a Variety of Nonlinear Stability Problems Arnold Stokes Proceedings of the National Academy of Sciences of the United States of America, Vol. 45, No. 2. (Feb. 15, 1959), pp. 231-235. Jstor. 100. A Fixed Point Theorem (in Mathematical Notes) L. E. Ward, Jr. American Mathematical Monthly, Vol. 65, No. 4. (Apr., 1958), pp. 271-272. Jstor.
3.7 Mtodo de Graeffe

El problema de resolver una ecuacin polinmica, en una variable, p(x) = p0 + p1x + p2x2 + : : : + pnxn = 0 data de muy antiguo, habida cuenta que ya era conocido y aplicado por la cultura sumeria (tercer milenio a.c.) y ha influenciado grandemente el desarrollo de las matemticas, de los Mtodos Numricos, del Anslisis Numrico, y de las numerosas aplicaciones en ciencias e ingenieras, a travs de los siglos1. Los matemticos sumerios y babilonios resolvieron el problema de hallar las races de un polinomio p(x) para grados pequeos con coeficientes especficos. La solucin de ecuaciones cuadrticas (p(x) de grado 2) por parte de los babilonios (cerca del ao 200 a.c.) y de los egipcios (soluciones halladas en el papiro Rhind, del escriba Ahmes, del segundo milenio a.c.; vase el captulo 1) corresponden al uso de la siguiente frmula de la ecuacin cuadrtica p0 + p1x + p2x2 = 0:
x1, 2 =
p1
p12 4 p0 p2 2 p2
(3.7.0)
Un cabal entendimiento de esta frmula requiere el profundo conocimiento de la teora y aplicaciones de los nmeros negativos, de los nmeros irracionales y de los nmeros complejos, campos de la Teora de Nmeros que slo desde el siglo 17 comenz a desarrollarse en occidente. Algunos intentos de encontrar solucin a la frmula 3.7.0, con slo el tratamiento aritmtico de radicales, se dieron desde el siglo 16 para polinomios de grado 3 y 4, labor que ocup a los matemticos italianos. Tom ms de 250 aos hasta que Gauss2 di una rigorosa demostracin de la existencia de las races (posiblemente complejas) de cualquier ecuacin real. Sin embargo, para polinomios de grado mayor al 4, no fue posible hallar soluciones mediante la sola aplicacin de operaciones aritmticas y sucesivamente resolver ecuaciones puras, como lo demostr el matemtico Abel3 en 1827. La teora de Galois se desarroll motivada por el mismo problema de resolver la ecuacin cuadrtica e incluy la prueba de la inexistencia de soluciones con slo la aritmtica del campo de los racionales. Despus de otros 100 aos, en el siglo 19, y despus de la existencia de muchas pruebas sofisticadas, que la solucionabilidad de ecuaciones generales con coeficientes complejos (imaginarios) fue adecuadamente reconocida e implementada -esta vez en trminos algortmicos. En 1924, H. Weyl dio una prueba constructiva4 del Teorema Fundamental del lgebra. En el lenguaje moderno del anlisis recursivo, su razonamiento esencialmente muestra que los ceros (las races) de un polinomio complejo (coeficientes y/o races en el campo de los nmeros complejos, o imaginarios) dependen recursivamente de sus coeficientes; suministrando, adems, el primer algoritmo robusto de solucin de ecuaciones polinmicas5. En trminos computacionales, existe una mquina o un autmata finito (una mquina de Turing, por ejemplo), implementada como un algoritmo, que cuando se le suministra un entero s y criterios suficientemente buenos de aproximacin para los coeficientes de un polinomio de grado n, dar como respuesta los ceros (o races) del polinomio, en forma aproximada, dentro de una cota de error de 2 s. En trminos de la complejidad complutacional el problema se ha centrado desde entonces en determinar cun rpido y exacto puede funcionar un algoritmo que obtenga las races de un polinomio de grado n. As, pues, a pesar de no encontrarse solucin a 3.7.0 con los radicales, el Teorema Fundamental del lgebra6 establece que la ecuacin 3.7.0 siempre tiene solucin en el campo de los nmeros complejos para cualquier polinomio p(x) de cualquier grado positivo n. Debido al problema de no encontrarse, en general, soluciones exactas a 3.7.0, la Ciencia Matemtica moderna desarroll los Mtodos Numricos, con algoritmos iterativos para obtener soluciones aproximadas, 0
1 2 3 4
5 6
Mekwi, Wankere R. : Iterative Methods for Roots of Polynomials, Section 1. Introduction, Exeter College, University of Oxford, A thesis submitted for the degree of MSc in Mathematical Modelling and Scientific Computing, Trinity, 2001. Gauss, C.F.: Demonstratio nova theorematis omnem functionem algebraicam rationalem integram unius variabilis in factores reales primi vel secundi gradus resolvi posse, Gesammelte Werke III, pp. 130, 1799. Abel, N.H.: Beweis der Unmglichkeit algebraische Gleichungen von hheren Graden als dem vierten allgemein aufzulsen. J. reine u. ang. Math. 1, pp. 6584, 1826. Weyl, H.: Randbemerkungen zu Hauptproblemen der Mathematik, II. Fundamentalsatz der Algebra und Grundlagen der Mathematik, Math. Z. 20, 131150 (1924). // Wilf, H.S.: A global bisection algorithm for computing the zeros of polynomials in the complex plane, JACM Vol. 25, pp. 415 420, 1978. // Smale, S.: The fundamental theorem of algebra and complexity theory, Bull. AMS (New Ser.) Vol. 4, pp. 136, 1981. Gourdon, Xavier: Combinatoire Algorithmique et Geometrie des Polynomes, Escuela Politcnica Informtica, Paris, 1996 (tesis doctoral). Schnhage, Arnold: The Fundamental Theorem of Algebra in Terms of Computational Complexity, Preliminary Report, Mathematisches Institut der Universitt Tbingen, August 1982.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ con el consecuente desarrollo de variadas tcnicas numricas. Se cuentan por centenares los algoritmos iterativos para hallar el conjunto de soluciones u1, u2, u3, ..., un de 3.7.0, desarrollados en los ltimos 4 milenios7. En sntesis, este problema de hallar los ceros (races) de una ecuacin polinmica ha motivado la introduccin y desarrollo de conceptos y reas fundamentales en las ciencias matemticos, tales como los nmeros irarcionales, negativos y complejos, los grupos algebricos, las teoras de campos e ideales, y ha jalonado fuertemente el desarrollo de la computacin numrica. El Mtodo Graffe permite hallar races (ceros) de polinomios univariados (una sola variable), y fue uno de los ms populares en los siglos 19 y 208. Aunque, tradicionalmente, este mtodo se ha llamado Mtodo de Graeffe fue inventado independientemente por Graeffe, Dandelin, y Lobachevsky9. A pesar que el Mtodo Graffe tiene cierto nmero de desventajas, entre las cuales se destacan: (i) - el no desempearse bien ante races complejas, (ii) - que su formulacin estndar lleva a exponentes que desbordan la capacidad de la aritmtica de punto-flotante (de los computadores medianos y pequeos donde se implementa su algoritmo), y (iii) - que adems- puede mapear polinomios bien-condicionados en polinomios mal-condicionados, es decir, en polinomios en los cuales pequeas variaciones en los coeficientes, ai, dan grandes diferencias en los valores de las races. Sin embargo, dichas limitaciones son evitadas en una eficiente implementacin realizada por Malajovich y Zubelli (1999)2. El problema de hallar las races de un polinomio, normalmente se plantea as10: Dado un polinomio de grado n, con n+1 coeficientes reales (conocidos) ai, siendo 0 i n, hallar las n races de este polinomio. Es decir, en trminos ms formales algebricamente, dado el polinomio f(x) = an xn + an-1 xn-1 + ........ + a1 x + a0, el el problema es hallar las n races reales, {ui}, 0 i n, tales que cada una cumpla f(ui) = 0; o en forma equivalente, n ( x u ) .i problema es hallar las n races reales, {ui}, 0 i n, tales que f(x) = (x - u1)(x - u2) ...... (x - un)
i =1
Aqu es conveniente recalcar que los mtodos para hallar races de una funcin f(x) = 0 se clasifican en una de dos categoras: Aquellos mtodos que hallan una sola raz, como los estudiados en las secciones 3.2 a 3.6: Biseccin, NewtonRaphson, Secante, Regula Falsi, Punto Fijo, que encuentran una raz u1 de f(x) proporcionando un intervalo donde est la raz, o un valor inicial cercano a la misma, o dos valores iniciales. La convergencia de tales mtodos depende tanto de la funcin y del algoritmo empleado como de la cercana del valor inicial escogido. Dichos mtodos repetidamente mejoran la aproximacin encontrada segn cierta tolerancia numrica (precisin) escogida. Algunos de estos mtodos tienen buena velocidad de convergencia, es decir cuadrtica o cercana a ella (recurdese que la convergencia del Mtodo Newton Raphson es cuadrtica, o sea 2.0, y la del Mtodo Secante es de 1.618). Pero si se desea hallar otras races de un polinomio, empleando estos tipos de mtodos, hay que hallarlas una por una, empleando el mtodo una y otra vez, utilizando el polinomio reducido f(x)/(x-ui), determinando en cada aplicacin el intervalo donde se encuentra la raz, o los valores iniciales cercanos a la raz. Esta labor, as planteada, suele ser por lo menos- demasiado tediosa para muchas aplicaciones prcticas de las reas tcnicas y de ingenieras, en las cuales las funciones son algebricamente muy complicadas. Mtodos que hallan todas las races simultneamente. Estos mtodos determinan -a la vez- todas las races reales de un polinomio, mediante buenas aproximaciones de las mismas, mejorando la precisin numrica si es necesario.
0
7 8
McNamee, J.M.: A bibliography on roots of polynomials. J. Comp. Appl. Math., Vol. 47, pp. 391-394, 1993. Chung, S.P.: An algorithm for the zeros of transcendental functions, Numer. Math. 32 (1979) 359--371. // Weisstein, Eric W.: Graeffe's Method, MathWorld -- A Wolfram Web Resource, 1999 2007, http://mathworld.wolfram.com/GraeffesMethod.html. // Householder, A.S.: The Numerical Treatment of a Single Nonlinear Equation, McGraw-Hill, New York, 1970. // Carnahan, Brice; Luther, H.A.; Wilkes, James O.: Applied Numerical Methods, John Wiley & Sons, Inc., New York, USA, 1969, SBN 471-13507-0, Chapter 3: Solution of Equations, Graeffes Method, pp. 141-142. 9 Malajovich, Gregorio and Zubelli, Jorge P.: Tangent Graeffe Iteration, Dep. de Matemtica Aplicada, Universidade Federal do Rio de Janeiro, Agosto de 1999. // Householder, A.S.: Dandelin, Lobachevskii, or Graeffe?, Amer. Math. Monthly 66 (1959) 464--466. // Malajovich, Gregorio and Zubelli , Jorge P.: On the Geometry of Graeffe Iteration, Dep. de Matemtica Aplicada, Universidade Federal do Rio de Janeiro, 2000. 10 Supratim Biswas: CEP CERTIFICATE COURSE ON ADVANCED PROGRAMMING IN C++ , Department of Computer Science and Engineering, Indian Institute of Technology, Powai, Mumbai 400076, India, September 2006.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ El Mtodo Graeffe est precisamente en esta categora11, pues permite hallar todas las races reales de un polinomio de grado n. Una implementacin terica del Mtodo Graeffe empieza multiplicando los polinomios f(x) y f(-x), y teniendo en cuenta que
f(x) = (x a1)(x a2) ... (x - an) f(-x) = (-1)n(x + a1)(x + a2) ... (x + an)
por lo cual
f(x) f(-x) =
(-1)n(x2
- a1
)(x2
- a2) ...
(x2 -
an)
(x
n i =1
ai
Cuando este procedimiento se repite veces, entonces se puede escribir de la forma:
yn + b1yn-1 + ... + bn = 0, siendo y x2

Puesto que los coeficientes estn dados por las frmulas de Vieta, entonces:
b1 = -(y1 + y2 + ... + yn), b2 = (y1y2 + y1y3 + ... + yn-1yn), ... bn = (-1)n(y1y2...yn))

y debido a que el procedimiento repetido de elevar las races al cuadrado da una amplia separacin de las races, los primeros trminos son mucho mayores que el resto, y sepuede escribir:
b1 - y1, b2 y1y2 , ... , bn (-1)n(y1y2...yn))

despejando los valores yi se tiene que: y1 -b1, y2 -b2 /b1, ..., yn -bn /bn-1 Y resolviendo para las races originales:
a1 (-b1)1/2, a2 (-b2 /b1) 1/2, ..., an (-bn /bn-1) 1/2
Este mtodo trabaja especialmente bien cuando todas las races son reales.
EJEMPLO ILUSTRATIVO. El Mtodo Graeffe se puede explicar en detalle mediante el siguiente ejemplo: considrese el
polinomio
p(x) = x 3 - 5x 2 -17x + 21 = 0 (3.7.1)

que es un polinomio de grado 3 y cuyas races se sabe que son 1, -3 y 7 (en este caso, el valor de las races es para explicar el algoritmo; en el caso general, las races no se saben, pues son las que se deben calcular); tambin se conocen los valores de los cuatro coeficientes ai , con i = 1,4, as: a3 = 1.0, a2 = -5.0, a1 = -17.0, a0 = 21.0. Por lo cual, el polinomio se puede expresar como: p(x) = x 3 - 5x 2 -17x + 21 = (x -1)(x+3)(x-7) (3.7.2). PASO #1. Agrupar todos los trminos pares en un lado de 3.7.1 y todos los trminos impares en el otro lado; y elevando al cuadrado (x 3 -17x)2 = (5x 2 - 1)2 , lo cual desps de reagrupar trminos- puede escribirse como:
x6 - 59 x4 + 499x2 - 441 = 0 (3.7.3)

PASO #2. Empleando, ahora, y = x2 x = y1/2 (3.7.4) y reemplazando en la ecuacin 3.7.3, da un polinomio p(y) del mismo grado que p(x), mostrado como la ecuacin 3.7.5 a continuacin: 0
11
Froberg, C.E.: An Introduction to Numerical Analysis, Addison Wesley Publishing Company, 1969. // Pan, Victor Y.: Univariate Polynomials: Nearly Algorithms for Numerical Factorization and Root-finding, Mathematics and Computer Science Department, Lehman College, CUNY, Bronx, NY 10468, U.S.A., 2002. // Pan, V.Y.: Solving a polynomial equation: Some history and recent progresses, SIAM Review Vol. 39, pp. 187-220, 1997.
p(y) = y 3 - 59 y 2 +499 y 441 (3.7.5)

La relacin fundamental entre las races de los polinomios p(x) y p(y) es que las races del polinomio p(y) son las mismas races que las del polinomio p(x) pero elevadas al cuadrado. O, la inversa, las races del polinomio p(x) son las races cuadradas de las del polinomio p(y). De modo que si se hallan las races del polinomio p(y), entonces se pueden hallar las races del polinomio p(x) empleando la ecuacin 3.7.4. PASO #3. Se puede demostrar que en general si el polinomio p(x) se puede expresar como p(x) = (x-a)(x-b)(x-c) entonces se podr hacer lo mismo con el polinomio p(y), teniendo en cuenta 3.7.4, y por lo tanto se podr escribir lo siguiente: p(y) = (x - a2)(x - b2)(x - c2) es decir, los procesos de los pasos 1 y 2 dan como resultado un nuevo polinomio del mismo grado que el original pero cuyas races son los cuadrados de las races del polinomio original. PASO #4. Repetir los pasos 1, 2 y 3, obteniendo una serie de polinomios, todos del mismo grado que el original, como por ejemplo- los siguientes polinomios:
p(z) = z3 - 2483z 2 + 196963z - 194481 = (x - a4)(x - b4)(x - c4) (3.7.6) p(u) = u3 - 5771363u2 + 37828630723u 3782285936 = (x - a8)(x - b8)(x - c8) (3.7.7)
El polinomio p(u), en 3.7.7, tiene races que son las races del polinomio original elevadas a la octava potencia, puesto que el proceso de elevar al cuadrado se ha efectuado tres veces ( 23 = 8); y en general-, si el proceso de elevar las races al cuadrado (pasos 1 y 2) se aplica veces, entonces las nuevas races, del polinomio resultante, sern elevadas a la potencia 2 de las races originales. Este proceso, elevar las races al cuadrado, lleva aque las races originales y las del nuevo polinomio que se forma tienen una amplia separacin en sus valores numricos, como se ejemplifica en la tabla 3.7.1 mostrada a continuacin: TABLA 3.7.1 Diferencia numrica entre las races de los polinomios. ______________________________________________________ Polinomios Races ----------------------------------------------------------------------------------------p(x) 1, -3, 7 p(y) p(z) 1, 9, 49 1, 81, 2401
p(u) 1, 6561, 5764801 ------------------------------------------------------------------------------------------Una vez que las raves tienen suficiente separacin, es relativamente fcil extraer las races del ltimo polinomio generado; en el ejemplo que se est tratando, polinomio definido por 3.7.1, se pueden extraer las tres races del polinomil p(u). El algoritmo, para el Mtodo Graeffe, asume que las races iniciales, las del polinomio original p(x), son todas distintas y en orden crecien, por ejemplo |a| > |b| > |c| (|7| > |-3| > |1|). De ah, que para el polinomio p(u), sus races cumplan la relacin a8 >> b8 >> c8 (3.7.8), donde el smboloe >> significa muchsimo mayor, como se puede apreciar en la tabla 3.7.1 en la cual, para el polinomio p(u), 5764801 >> 6561 >> 1. Precisamente, aprovechando el valor de los coeficientes ai y la relacin existente entre las races de los polinomios, en particular entre las races del polinomio original y las del ltimo polinomio generado, se pueden extrarer las races, o por lo menos sus valores aproximados, utilizando el paso #5. PASO #5. A partir de los coeficientes del polinomio p(u) = u3 -5771363 u 2 + 37828630723u - 3782285936, se obyenen, entonces, tres ecuaciones que relacionan a sus coeficientes a, b, c, de la manera siguiente: _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 81 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
-(a8 + b8 + c8 ) = -5771363 a8*b8 + b8 *c8 + a8 * c8 = 37828630723 -a8*b8*c8 = - 3782285936

Utilizando las relaciones 3.7.8 (a8 es muchsimo mayor que b8, el cual a su vez- es muchsimo mayor que c8) las ecuaciones 3.7.9 se pueden utilizar para aproximar los valores a, b, c, considerando slo los trminos dominantes e ignorando los trminos menores: (3.7.9)
a8 5771363 a8*b8 37828630723 a8*b8*c8 3782285936

Los valores aproximados de las races originales a, b y c pueden obtenerse empleando las ecuaciones 3.7.9 y 3.7.10: (3.7.10)
|a| = (5771363)1/8 = 7.001 |b| = (37828630723/ 5771363)1/8 = 2.999 |c| = (3782285936/ 37828630723)1/8 = 0.9998
Comprese con las races exactas: 7.0, -3.0 y 1.0. Para efectos prcticos, los valores obtenidos, en 3.7.11, de las races del polinomio original p(x), definido por 3.7.1, representan una buena aproximacin. Obsrvese tambin- que en 3.7.11 todas las races son possitivas, puesto que en el proceso de elevar las races al cuadrado (pasos 1 y 2)- las races negativas se convierten en positivas (por ejemplo, (-3)2 = 9). Con el fn de determinar el signo correcto de las races originales, para cada raiz hallada, r, se calcula el valor del polinomio para el punto x = r y tambin para el punto x = -r y cualquiera de los dos valores, p(r) o p(-r), que sea cero, con un nivel de precisin numrica estipulado, da el signo correcto de la raz, r. Es conveniente anotar que si el proceso iterativo - de elevar las races al cuadrado - se continuara, se tendra el polinomio p(w) = w3 + A2 w2 + A1w+A0, despus de veces de aplicar el proceso (pasos 1 y 2) de elevar las races al cuadrado, entonces las 3 races reales (por ejemplo, a > b > c ) se pueden obtener directamente de las siguientes ecuaciones: (3.7.11)
|a| = (|A2|)(1/2), como la mayor raz en valor absoluto; |b| = (|A2/ A1|)(1/2) es la siguiente raz en valor absoluto (tngase en cuenta que a > b), y |c| = (|A3/ A2|)(1/2 ) como la menor de las races.
(3.7.12
CRITERIO DE FINALIZACIN DEL ALGORITMO: En el ejemplo que se est considerando, se termina el proceso iterativo despus de la iteracin 3, o sea que se ha ejecutado tres veces la elevacin de las races al cuadrado. En general, el criterio de terminacin del Mtodo Graeffe se hace on una tolerancia numrica establecida, en forma similar a como se hace en todo algoritmo que implementa un proceso iterativo (vase las secciones 3.2 a 3.6). Para este mtodo se calcula la diferencia entre las sucesivas aproximaciones de una misma raz; y cuando dicha diferencia es menor que una tolerancia numrica (nivel de precisin) especificada, entonces el algoritmo finaliza, y los valores aproximados de las races se calculan por medio de las ecuaciones 3.7.12.. Por ejemplo, para el polinomio p(x), definido por 3.7.1, en la tabla 3.7.2 se listan las sucesivas diferencias entre los valores de las mismas races.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ TABLA 3.7.2 Listado de las diferencias sucesivas entre los valores de las races de p(x) definido por 3.7.1. ___________________________________________________________________________________________ Iteracin Polinomio ai bi ci |ai+1 - ai| |bi+1 - bi| |ci+1 - ci| -------------------------------------------------------------------------------------------------------------------------------------------------------1 p(y) 7.68 2.91 0.94 ---------------2 p(z) 7.06 2.98 0.997 0.58 0.07 0.057 3 p(u) 7.001 2.999 0.9998 0.059 0.019 0.0028 --------------------------------------------------------------------------------------------------------------------------------------------------------En la tabla 3.7.2, iteracin hace referencia al nmero de veces que se ha aplicado el proceso de elevar las races al cuadrado. En la tercera vez ( = 3) se llega al nivel de precisin estipulado. Si se requiere una mayor precisin, entonces el algoritmo generar ms iteraciones.
entonces- consiste en obtener los coeficientes del nuevo polinomio generado con el proceso de elevar las races al cuadrado. Si los coeficientes del nuevo polinomio son, a modo de ejemplo, b0, b1, ....., bn-1, bn, por medio de un simple tratamiento algebrico se puede establecer las relaciones entre los coeficientes ai y bi, mostradas a continuacin:
UN ALGORITMO GENERAL PARA EL MTODO GRAEFFE. Para el caso general, se tiene un polinomio f(x) = 0, con n races relaes, es decir, {ui}, 0 i n, y cuyos n+1 coeficientes son, por ejemplo, a0, a1, ....., an-1, an; el problema
b0 = - a02 b1 = a12 - 2a0a2 b2 = -a22 + 2a1a3 - 2a0a4 b3 = a32 - 2a2a4 + 2 a1a5 - 2a0a6
Las relaciones 3.7.13 revelan un patrn de formacin generalizable para obtener los coeficientes bi , del nuevo polinomio formado en cada iteracin, a partir de los coeficientes ai . Dicha relacin general es la siguiente12: (3.7.13)
bk = ( 1)
nk
min ( n k , k ) 2 a k + 2 ( 1) j a k j a k + j , k = 0,1, 2,..., n j =1
(3.7.14)
La ecuacin 3.7.14 es la base para elaborar el algoritmo genrico mostrado en la figura 3.7.1. 1. 2. 3. Obtener el grado del polinomio (n), los coeficientes ai, y la precisin numrica (). Valores iniciales de las races, prevRaices(i) = 1.0, i = 1, n Mientras (no convergencia) 3.1 Elevar races al cuadrado 3.2 Hallar los mejores valores de las races, newRaices(i), i = 1, n. Aplicar 3.7.14 3.3 Determinar criterio de finalizacin, {|newRaices(i) prevRaices(i)| < }, i = 1, n. 4. Mostrar los valores de las races y otros prametros. FIGURA 3.7.1 Algoritmo genrico para el Mtodo Graeffe. 0
12
Supratim Biswas: CEP CERTIFICATE COURSE ON ADVANCED PROGRAMMING IN C++, Op. Cit. // IQBAL, M.: NUMERICAL SOLUTIONS OF NAGUMOS EQUATION, Department o.f Mathematical Sciences, King Fahd University of Petroleum and Minerals, Dhahran, Saudi Arabia; Journal of Applied Mathematics & Decision Sciences, Vol. 3, No. 2, pp. 189-193, 1999. // Mekwi, Wankere R. : Iterative Methods for Roots of Polynomials, Section 2.4 Graeff's Root-squaring Method, Exeter College, University of Oxford, A thesis submitted for the degree of MSc in Mathematical Modelling and Scientific Computing, Trinity 2001.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Listado del Programa en C++13: /* filename : graeffe.C i/p : degree and coefficients of a real polynomial o/p : all roots found simultaneously. method : a) uses a root squaring method devised by Graeffe b) New coefficients are to be determined at each root squaring step, also compute approximations to all the roots. c) stop the process when convergence criteria is reached. d) all roots are assumed positive in this version, needs to be extended for both -ve and +ve roots. */ #include <iostream> #include <math.h> using namespace std; // finding real roots of a n-degree polynomial with real coefficients // The coefficients are a[0] to a[n], where a[0]is the constant term // and the coefficient of x**k is a[k], 0 <= k <= n-1; // The value of a[n], i.e., the coefficient of x**n, is assumed to be 1. // const int SIZE = 100; bool test ( float*, float*, int ); void rootsquare ( float*, float*, int); int main() { float a[SIZE], b[SIZE]; float roots[SIZE], oldroots[SIZE]; int degree; // give the degree of the polynomial cout << " Grado del polinomio ( <= 100 ) :" ; cin >> degree; cout << endl; if ( degree > 100 ) { cerr << " el grado del polinomio debe ser menor o igual que 100 : error " << endl; return 0; }; // supply the coefficients, a[0] to a[degree] cout << " Give the coefficients from lowest to highest :"; for ( int i = 0; i <= degree; i++ ) { cin >> a[i]; cout << endl; cout << " The coefficient of x power " << i << " is : " << a[i] << endl; }; // assume some dummy approx values of roots to start with, say 1 for ( int i = 0; i <= degree; i++ ) oldroots[i] = 1.0; // now compute the new polynomials repeatedly till the coefficients // agree to the first point after decimal bool converge = false; int iter = 0; float nthroot = 1; while ( ! converge ) { rootsquare ( a, b, degree); 0
13
Supratim Biswas: CEP CERTIFICATE COURSE ON ADVANCED PROGRAMMING IN C++ , Appendix C, Op. Cit.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ // find better approximate values of the n roots nthroot = nthroot/2; cout << "*********** roots after iteration " << ++iter << " ************" << endl; for ( int k = 1; k <= degree; k++ ) { roots[k] = fabsf(b[degree-k]/b[degree-k+1]); roots[k] = pow(roots[k], nthroot); cout << " roots[" << k << "] = " << roots[k] << endl; } converge = test ( oldroots,roots, degree); // copy array b in array a - store new coefficients // and destroy old coefficients for ( int i = 0; i <= degree; i++ ) { a[i] = b[i]; oldroots[i] = roots[i]; }; }; // The coefficients of the polynomial after these values have // stabilized in array a // display the last root squared polynomial cout << " ****************************************** " << endl; cout << " Los coeficientes finales son los siguientes " << endl; cout << " ****************************************** " << endl; for ( int i = 0; i <= degree; i++ ) { cout << " The coefficient of x power " << i << " is : " << a[i] << endl; }; // Now display the roots cout << " ****************************************** " << endl; cout << " Las races finales son las siguientes " << endl; cout << " ****************************************** " << endl; for ( int i = 1; i <= degree; i++ ) cout << " Root " << i << " is = " << roots[i] << endl; cout << endl << " Se ha efectuado la elevacin d elas races al cuadrado " << iter << " veces para convergencia " << endl; // Program incomplete -- sign of the root problem } bool test ( float*x, float*y, int deg ) { bool result = false; for (int i = 1; i <= deg; i++ ) if ( fabsf(x[i] - y[i]) > 0.05 ) return result; result = true; return result; } void rootsquare ( float *x, float *y, int deg ) _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 85 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ { for ( int j = 0; j <= deg; j++ ) { float first = 0; first = x[j]*x[j]; // upper contains the min of j and deg-j int upper; if ( j <= deg -j ) upper = j; else upper =deg - j; float second = 0; for ( int k = 1; k <= upper; k++) { second = second + 2*x[j-k] * x[j+k]; if ( k%2 != 0) second = -second; }; y[j] = first + second; if ( (deg - j)%2 != 0 ) y[j] = -y[j]; }; return; } Programa en MATLAB14 que haya races de 100 polinomios de grado 10. % rts10.m % This program calculates the roots of 100 random % degree 10 polynomials, reading coefficients % from c10fs using roots clear format long mtime = 0; pol = 100; % Number of polynomials deg = 10; % Degree of each polynomial num = pol*deg; % Total number of zeros n = deg-1; % step load c10fs; z = c10fs(:); x = z(1:2:end); y = z(2:2:end); cofs = x + i*y; fid = fopen('mp10','w'); for i=1:deg:num p1 = cofs(i:i+n); p = [1;p1]; tic zer = roots(p); mtime = mtime + toc; for k=1:deg fprintf(fid,'%28.20f %28.20f\n',real(zer(k)),imag(zer(k))); end end mtime fclose(fid);
0
14
Mekwi, Wankere R. : Iterative Methods for Roots of Polynomials, Appendix C, 2001. Op. Cit.
Mtodos Numricos y Programacin Visual Basic 01/08/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Programa FORTRAN15 para el Mtodo Graeffe C This reads coefficients of random polynomials, and tries out C02AFF C on them. Saves results in another file for comparison with MATLAB IMPLICIT NONE INTEGER NX,NCOUNT,FIN,FOUT,FOUT2,POL PARAMETER (NX=10,FIN=10,FOUT=12,POL=100) 55 DOUBLE PRECISION ACO(2,NX+1),Z(2,NX),W(4*(NX+1)),DTIME,TTIME INTEGER I,N,IFAIL,IGO,J REAL TX,TIME(2) EXTERNAL C02AFF C C ....Executable statements .... C OPEN(FIN,FILE='c10fs') OPEN(FOUT,FILE='fp10') N = NX NCOUNT=0 DO 300 IGO=1,POL ACO(1,1)=1.D0 ACO(2,1)=0.D0 C Read in coefficients from 'c10fs' C DO 77 I=2,N+1 READ(FIN,*)ACO(1,I) READ(FIN,*)ACO(2,I) 77 CONTINUE IFAIL=-1 TX = DTIME(TIME) CALL C02AFF(ACO,N,.TRUE.,Z,W,IFAIL) TTIME = TTIME + DTIME(TIME) NCOUNT = NCOUNT + 1 WRITE(FOUT,120)(Z(1,J),Z(2,J),J=1,N) 100 FORMAT(2I8,2F12.5) 120 FORMAT(D28.20,3X,D28.20) 300 CONTINUE WRITE(*,*) 'NCOUNT=',NCOUNT WRITE(*,*) 'TIME = ',TTIME CLOSE(FIN) CLOSE(FOUT) STOP END
0
15
Mekwi, Wankere R. : Iterative Methods for Roots of Polynomials, Appendix C, 2001. Op. Cit.
3.8 Mtodo de Muller

Los mtodos para hallar una raz de una ecuacin funcional f(x) = 0 se pueden clasificar en una de dos categoras: (i) MTODOS ABIERTOS. O mtodos de intervalo abierto, emplean una o varias aproximaciones iniciales a la raz para obtener un nuevo estimado del valor de la raz (cero de f(x)), efectuando una sustitucin o interpolacin (lineal, cuadrtica, o polinmica). En esta categora se encuentran los mtodos Punto fijo (sustitucin sucesiva o directa), Newton-Raphson (linea recta, empleando informacin del gradiente o derivada), Secante (linea recta empleando dos puntos), Muller (aproximacin cuadrtica, por medio de una prabola, empleando tres puntos). (ii) MTODOS CERRADOS. O mtodos de intervalo cerrado, emplean los extremos de un intervalo [a, b], donde se sabe que f(x) tiene una raz, ya que se cumple que f(a)*f(b) < 0, segn el Teorema de Bolzano. Aqu se ubican los mtodos de Biseccin, Regula Falsi.
En realidad, el Mtodo Muller generaliza el Mtodo Secante para hallar una raz de f(x) = 0, utilizando interpolacin cuadrtica de tres puntos; este mtodo fue primeramente presentado por D.E. Muller en 1956, y utiliza tres valores aproximados iniciales para la raz1. Un mejor valor aproximado para la raz de f(x) = 0 se obtiene calculando la interseccin con el eje-x con la parbola que se ajusta a los valores de f(x) para las tres aproximaciones iniciales f(x0), f(x1), f(x2) (figura 3.8.1), con las cuales define la siguiente relacin:
q=
x2 x1 x1 x0
(3.8.1)
Luego calcula los valores A, B y C con las siguientes frmulas:
A = qf ( x 2 ) q (1 + q ) f ( x 1 ) + q 2 f ( x 0 ) C = (1 + q ) f ( x 2 ) B = (2 q + 1 ) f ( x 2 ) (1 + q ) f ( x 1 ) + q 2 f ( x 0 )
2
(3.8.2)
El valor de la nueva aproximacin se obtiene con la frmula siguiente:
x 3 = x 2 ( x 2 x1 )
max B
2C B 2 4 AC
(3.8.3)
Figura 3.8.1 Esquema grfico que ilustra parmetros bsicos del Mtodo Muller.
los
X3
El algoritmo para este mtodo emplea las ecuaciones 3.8.1, 3.8.2 y 3.8.3, para calcular una nueva aproximacin y luego hace las siguientes asignaciones
x0 = x1, x1 = x2, x2 = x3,

Parbola
y calcula otra nueva aproximaxin; el crtiterio de finalizacin se basa en una tolerancia numrica estipulada, , y cuando f(x3) < entonces finaliza el proceso iterativo. En la figura 3.8.2 se presentan las frmulas para el caso en el cual la funcin se referencia
0
1
Weisstein, Eric W.: Muller's Method, From MathWorld--A Wolfram Web Resource, 1999 2007, http://mathworld.wolfram.com/MullersMethod.html // Zimmerman, W.: Computing, Root Finding Mullers Method, Lecture 2, University of Sheffield, 1999, http://eyrie.shef.ac.uk/lec2/. // NUMERICAL RECIPES IN FORTRAN 77: THE ART OF SCIENTIFIC COMPUTING, (ISBN 0-521-43064-X), Copyright (C) 1986-1992 by Cambridge University Press. Programs Copyright (C) 1986-1992 by Numerical Recipes Software.
Mtodos Numricos y Programacin Visual Basic 01/10/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ como un polinomio P(x) y los tres puntos de la aproximaxin inicial se nombren como xn, xn-1, xn-2. La figura 3.8.3 presenta un algoritmo genrico para el Mtodo Muller.
Figura 3.8.2 Ecuaciones para el Mtodo Muller referidas al polinomio P(x) y a los puntos nombrados como xn, xn-1, xn-2.
Obtener tres puntos iniciales de aproximaxin x0, x1, x2 y una precisin numrica . 2. Repetir 2.1 Calcular q con la ecuacin 3.81 2.2 Calcular los valores A, B, C con las ecuaciones 3.8.2 2.3 Calcular la nueva aproximacin, x3, con la frmula 3.8.3 2.4 Contar el nmero de iteraciones, n = n +1 Hasta que |f(x3)| < 3. Mostrar la raz, x3, el nmero de iteraciones, n. 1.
Figura 3.8.3 Algoritmo genrico para el Mtodo Muller.
El Mtodo Muller puede hallar las races complejas (imaginarias) de un polinomio f(x) = 0. En este sentido, el algoritmo de la figura 3.8.2 debe refinarse para incluir el tratamiento de la variable compleja. En muchos prcticos las races de una funcin desciben la dinmica de un sistema fsico, siendo gobernada dicha dinmica por el polinomio caracterstico del sistema; si las races de dicho polinomio son positivas, el sistema es inestable; si las races son negativas el ruido o perturbacin del sistema decae, si las races son complejas, el ruido o perturbacin tiene un comportamiento oscilatorio, con amplitud que aumenta o disminuye. El Mtodo Muller al hallar los ceros (las rices) de la ecuacin cudrtica que surge, vase la ecuacin 3.8.3, tambin puede hallar los pares complejos conjugados FIGURA 3.8.4 Esquema grfico de f(x) = x3-5x2+2x+10. correspondientes a las races del polinomio original.
Al emplear los tres valores iniciales: X0 = 2.75, X1 = 3.15, X2 = 3.5 en 220 iteraciones se obtiene la raz X3= 3,76167360315801, empleando un nivel de precisin Epsilon = 0.001. Si no se escogen bien los tres valores de inicio, el Mtodo Muller genera desbordamiento aritmtico o de todas meneras- converge lentamente. Un programa en Visual Basic, con el cual se logr los resultados descritos, es que se muestra en la figura 3.8.5. Un programa en MATLAB se muestra en la figura 3.8.62. 0
2
John H. Mathews and Kurtis D. Fink: NUMERICAL METHODS: Using Matlab, Fourth Edition, (c) 2004, ISBN: 0-13-065248-2, Prentice-Hall Pub. Inc., Upper Saddle River, NJ 07458, USA.
Mtodos Numricos y Programacin Visual Basic 01/10/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Dim aux As Double, aX0 As Double, bX1 As Double, cX2 As Double X0 = 0.25: X1 = 0.5: X2 = 1#: Epsilon = 0.001: N = 0 aX0 = X0: bX1 = X1: cX2 = X2 Do q = (X2 - X1) / (X1 - X0) A = q * f(X2) - q * (1# + q) * f(X1) + (q ^ 2) * f(X0) B = (2# * q + 1#) * f(X2) - ((1# + q) ^ 2) * f(X1) + (q ^ 2) * f(X0) C = (1# + q) * f(X2) X3 = X2 - (X2 - X1) * ((2# * C) / (Maximo(B, Sqr(B ^ 2 - 4# * A * C)))) N = N + 1: aux = f(X3) X0 = X1: X1 = X2: X2 = X3 Loop Until (Abs(f(X3)) < Epsilon) Text1 = "RAIZ, X3= " & X3 & vbCrLf & vbCrLf & "f(x3) = " & _ Format(Abs(f(X3)), "###0.0000000000000000000") & _ vbTab & "Epsilon = " & Epsilon & vbCrLf & "No. iteraciones = " & N & vbCrLf & vbCrLf & _ "X0 = " & aX0 & vbTab & " X1 = " & bX1 & vbTab & " X2 = " & cX2 FIGURA 3.8.5 Un algoritmo en Visual Basic para obtener una raz f(x) = x3-5x2+2x+10, empleando el Mtodo Muller. La funcin se define como el procedimiento f(). function [p,y,err]=muller(f,p0,p1,p2,delta epsilon,max1) P=[p0 p1 p2]; Y=feval(f,P); for k=1:max1 h0=P(1)-P(3);h1=P(2)-P(3);e0=Y(1)-Y(3);e1=Y(2)-Y(3);c=Y(3); denom=h1*h0^2-h0*h1^2; a=(e0*h1-e1*h0)/denom; b=(e1*h0^2-e0*h1^2)/denom; if b^2-4*a*c > 0 disc=sqrt(b^2-4*a*c); else disc=0; end if b < 0 disc=-disc; end z=-2*c/(b+disc); p=P(3)+z; if abs(p-P(2))<abs(p-P(1)) Q=[P(2) P(1) P(3)]; P=Q; Y=feval(f,P); end if abs(p-P(3))<abs(p-P(2)) R=[P(1) P(3) P(2)]; P=R; Y=feval(f,P); end P(3)=p; Y(3) = feval(f,P(3)); y=Y(3); err=abs(z); relerr=err/(abs(p)+delta); if (err<delta)|(relerr<delta)|(abs(y)<epsilon) break end end FIGURA 3.8.6 Un programa en MATLAB para el algoritmo de la figura 3.8.3. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 90 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
RECURSOS WEBGRFICOS Y BIBLIOGRFICOS

1. 2. 3. 4. 5. 6. 7. 8. 9.
SOBRE EL MTODO MULLER
10.
11.
12.
13.
14.
15.
16.
17.
18.
Muller's Method John Burkardt, Pittsburgh Supercomputing Center, Carnegie Mellon University, Pittsburgh, PA Muller's Method Mike Sussman, Mathematician at the Bettis Atomic Power Lab in West Mifflin, PA Muller's Method Przemyslaw Bogacki, Math. Dept., Old Dominion University, Norfolk, VA Muller's Method Eric Weisstein, MathWorld, Wolfram Research, Inc., Champaign, IL Muller's method to find the roots of a polynomial Eric R. Pardyjak, Mechanical Engineering, Univ. of Utah, Salt Lake City, UT Complex Roots: Muller's Method Andrea Burgoyne; Will Zimmerman, Chemical Engineering, University of Sheffield, UK Muller's Method Gerald Roskes, Queens College, The City University of New York, Flushing, NY Muller's Method Kerry Wilson, Math. Dept., North Georgia College & State University, Dahlonega, GA Polynomial zerofinding by elementary operations on Frobenius companion matrix. Karbassi, S. M.; Shariatnejad, M. Far East J. Appl. Math. 7 (2002), no. 1, 25--33, MathSciNet. Optimisation of modified Mueller and Muller algorithm Danesfahani, G.R.; Jeans, T.G. Electronics Letters, v 31, n 13, Jun 22, 1995, p 1032-1033, Compendex On the use of Davidenko's method in complex root search Hejase, Hassan A.N. IEEE Transactions on Microwave Theory and Techniques, v 41, n 1, Jan, 1993, p 141-143, Compendex A method of Muller's method for computing the zeros of a function. (Italian) Frontini, M.; Tognoni, A. Istit. Lombardo Accad. Sci. Lett. Rend. A 125 (1991), no. 1, 69--75 (1992), MathSciNet. A study on new Muller's method. Park, Bong-kyu; Hitotumatu, Sin Publ. Res. Inst. Math. Sci. 23 (1987), no. 4, 667--672, MathSciNet. A modified Muller routine for finding the zeroes of a nonanalytic complex function. Dyer, Charles C. J. Comput. Phys. 53 (1984), no. 3, 530--534, MathSciNet. Convergence of Muller's method for finding roots. (Chinese) Xie, Shen Quan Knowledge Practice Math. No. 2 (1980), 18--25, MathSciNet. A stable method of inverse interpolation. Blatt, J. M. Austral. Comput. J. 7 (1975), no. 2, 51--57, MathSciNet. Tangent methods for nonlinear equations. King, Richard F. Numer. Math. 18 (1971/72), 298--304, MathSciNet. A procedure for solving polynomial equations by Muller's method. (Russian) Lozovskiui, V. S. Vyvcisl. Sistemy No. 44 (1971), 155--161, MathSciNet.
3.9 Mtodo de Bernoulli

El Mtodo Bernoulli para hallar una raz de la ecuacin polinmica p(z) = 0, definida como 1
p( z ) = a0 z k + a1 z k 1 + ... + ak = ( z z1 )( z z 2 )...( z z k ) = (z zi )
i =1
(3.9.1)
siendo k 1 and a0ak 0, y siendo el conjunto {zi}i = 1,2,..., k, los ceros de p(z), construye la siguiente ecuacin de diferencias: (3.9.2)
a0 xn + a1 xn1 + ... + an xnk = 0
que se sabe tiene la solucin definida numricamente por la siguiente relacin recurrente:
xn =
1 (a1 xn1 + a2 xn2 + ... + ak xnk ), n = k , k + 1, k + 2,... (3.9.3) a0
En la ecuacin 3.9.1, el polinomio p(z) es de grado k if a0 0. Si el polinomio p(z) tiene un factor (z - zj)r se dice entonces que zj es una raz de multiplicidad2 r. En el anlisis inicial del Mtodo Bernoulli se considera multiplicidad unitaria (r = 1), es decir que las races no estn repetidas (son distintas a las dems). El Terorema Fundamental del legbra establece que un polinomio p(z), como el definido por la ecuacin 3.9.1, tiene precisamente n races reales o complejas si las races de multiplicidad r estn repetidas r veces. En esta seccin se efectuar el anlisis del Mtodo Bernoulli para determinar una o ms races de un polinomio con coeficientes reales. Aunque los coeficientes del polinomio p(z) en 3.9.1 sean todos reales, pueden aparecer races complejas en pares conjugados; es decir que si + i es una raz compleja, entonces otra raz compleja es - i. El polinomio p(z) puede factorizarse en factores cuadrticos con coeficientes reales, excepto cuando n es impar, y en tal caso uno de los factores es lineal. Por lo tanto, cualquier polinomio de grado n, siendo n impar, con coeficientes reales, tiene por lo menos una raz real. Si en 3.9.3 se dan los valores iniciales (que pueden ser arbitrarios) x0, x1, ..., xk-1 se pueden hallar los valores de z1, z2, ..., zn que son las races del polinomio original 3.9.1. Para calcular la mayor raz en valor absoluto de la ecuacin 3.9.1, es decir su cero dominante3, o raz dominante, se aplica repetidamente de la ecuacin 3.9.2, y la relacin de dos trminos consecutivos, en dicha secuencia, tiende en general a un lmite que se demuestra es la mayor raz en valor absoluto, su cero dominante, de la ecuacin polinmica original4 (ecuacin 3.9.1). En otras palabras, el Mtodo Bernoulli aprovecha la conexin existente entre una ecuacin de diferencias lineales y los ceros de su polinomio caracterstico con el fn de hallar las races de un polinomio5, como el definido por 3.9.1, sin conocer explcitamente un valor inicial aproximativo de manera exacta. Si se supone que los valores z1, z2, ..., zk, los ceros de f(z) en 3.9.1, tienen multiplicidad 1, es decir son races distintas, entonces la solucin de 3.9.2 puede expresarse en la forma:
n n xn = w1 z1n + w2 z 2 + ... + wk z k
(3.9.4)
0
1
Weisstein, Eric W. "Bernoulli's Method." From MathWorld--A Wolfram Web Resource, 1999 2007,. http://mathworld.wolfram.com/BernoullisMethod.html // Mandel, Jan, Lecture Notes on Essential Numerical Analysis, University of Colorado at Denver, November 30, 2003. 2 ODonohoe, M.R.: Numerical Analysis II, 2005, (lectures), www.cl.cam.ac.uk/Teaching/2003/NumAnal2/na2seq.ps. 3 Si un polinomio f(x), p(x), de grado k tiene ceros z1, z2, ..., zk, no necesariamente distintos, entonces el cero zj se le denomina cero dominante si su mdulo es estrictamente mayor que el mdulo de los otros ceros, es decir, si se cumple que | zj | > | zi | para i j. Spencer, Melvin R.: Polinomial Real Root Finding, a doctoral Dissertation presented to the Department of Civil Engineering at Brigham Young University, August 1994. 5 Mekwi, Wankere R.: Iteratives Methods for Roots of polynomio, 2001, Op. Cit., pp. 5 7.
4
Mtodos Numricos y Programacin Visual Basic 01/11/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Donde los wj pueden ser calculados si se conocen los ceros de p(z), ecuacin 3.9.1; pero los ceros no son conocidos, por lo tanto tampoco lo son los wj; sin embargo los cocientes, qn, entre valores concecutivos de 3.9.4 son as:
qn =
xn+1 xn
(3.9.5)
Y utilizando 3.9.4, la ecuacin 3.9.5 puede reescribirse de la siguiente forma:
qn =
n +1 n +1 + ..wk z k w1 z1n+1 + w2 z 2 n n w1 z1n + w2 z 2 + ... + wk z k
(3.9.6)
Adems, supngase que el polinomio p(z), ecuacin 3.9.1, tiene un cero dominante, y sea dicho cero z1 en este caso (z1 es real si los coeficientes de p(z) son reales). Igualmente, asmase que los valores de inicio x0, x1, ...... xk-1 de la solucin {xn} de 3.9.4 se escogen de modo que w1 06. Bajo tales supuestos, se puede reescribir la ecuacin 3.9.6 as:
q n = z1
w 1+ 2 w1
z2 z + ... + 1 n w2 z 2 1+ + ... + w1 z1
n +1
zk z 1 wk z k w1 z1 wk w1
n +1
(3.9.7
Ahora, puesto que z1 es un cero dominante, se cumple que | zj | > | zi | para i j y por lo tanto- cuando n en 3.9.7 se cumple el siguiente lmite7:
zj lim n z 1
n
0 , j = 2 , 3 ,.., k
(3.9.8)
Y aplicando 3.9.8 a la ecuacin 3.9.7 se cumple este otro lmite cuando n :
lim (qn ) = z1
n
(3.9.9)
Entonces z1 es aproximado por la ecuacin 3.9.5, y habindose obtenido este cero, el polinomio p(z), definido por 3.9.1, es reducido y el procedimiento se repite en el polinomio reducido, por el factor (z z1). As, el Mtodo Bernoulli slo puede hallar uno o dos ceros (una o dos races) a la vez- de un polinomio dado, como p(z) definido por la ecuacin 3.9.1, y dicho(s) cero(s) son el (los) de mayor o de menor magnitud dentro del conjunto {zi}i = 1,2,..., k, que constituye las races del polinomio. Para hallar, por ejemplo, un cero (o raz) de mdulo (valor absoluto) intermedio, es necesario calcular todos los ceros mayores (o menores) y luego removerlos dejando slo los valores intermedios. Los anteriores clculos, ecuaciones 3.9.1 a 3.9.9, se han efectuado bajo el supuesto que el cero dominante, z1, es de tipo real y distinto de los dems ceros (nico); tambin puede demostrarse que los clculos se cumplen cuando z1 tiene multiplicidad mayor que 1, pero cada uno de sus valores es de tipo real8. Sin embargo, si el cero dominante es de tipo complejo las relaciones 3.97 y 3.9.8 no se cumplen. Por otra parte, si, por ejemplo, la raz z2 tiene una magnitud cercana a la raz z1 entonces la convergencia es muy lenta. Y estas son llas principales desventajas del Mtodo Bernoulli.
0
6
Puede demostrarse que esta condicin siemore se satisface si los valores iniciales x0, x1, ...... xk-1 se escogen de modo que se cumpla que xk+1 = xk+2 = ... = x1 = 0, x0 = 1. 7 Carnahan, Brice; Luther, H.A.; Wilkes, James O.: Applied Numerical Methods, John Wiley & Sons, Inc., New York, USA, 1969, SBN 471-13507-0, Chapter 3: Solution of Equations, Bernoullis Method, pp. 142-143. 8 Henrici, P.: Essentials of Numerical Analysis, Wiley and Sons, 1964. // Hansen, E. and M. Patrick, M.: A family of root -finding methods, Numer. Math., Vol. 27, pp. 257-269, 1977. // K.F. RILEY, M.P. HOBSON and S. J. BENCE: Mathematical Methods for Physics and Engineering, Third Edition, 2006, Chapter 27: Numerical Methods, pp. 894 140, Cahepter 24: Complex variables, pp. 824 870, Cambridge University Press, Cambridge, England, 2006, ISBN-10 0-521-86153-5.
Mtodos Numricos y Programacin Visual Basic 01/11/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Una extensin del Mtodo Bernoulli se debe a Rutishauser9, y es el algoritmo QD (Quotient-Difference) que tiene la ventaja de calcular -a la vez- todos los ceros de una ecuacin polinmica como la definida por 3.9.1. No obstante, el algoritmo QD es lento, pues slo tiene en su versin estndar- convergencia lineal (vase la seccin 3.10).
RECURSOS WEBGRFICOS Y BIBLIOGRFICOS SOBRE EL MTODO BERNOULLI

"Numerical Mathematics in Scientific Computation", Germud Dahlquist, ke Bjrck, 2005, //www.mai.liu.se/~akbjo 2. "The Java Programmer's Guide to Numerical Computation", Ronald Mak, Prentice-Hall. //www.apropos-logic.com/nc/ 3. "Numerical Analysis Topics Outline", S.-Sum Chow, 2002, //www.math.byu.edu/~schow/work 4. A.C. Aitken, Further numerical studies in algebraic equations and matrices, Proc. Roy. Soc. Edinburgh Sect. A 51 (1931) 80--90. 5. A.C. Aitken, On Bernoulli's numerical solution of algebraic equations, Proc. Roy. Soc. Edinburgh 46 (1926) 289--305. 6. A.C. Aitken, The contributions of E.T. Whittaker to algebra and numerical analysis, Proc. Edinburgh Math. Soc. 11 (1958) 31--38. 7. G. Baker and P. Graves-Morris, Pad approximants I (Addison-Wesley, London, 1981) 96--102. 8. G. Baker, Recursive calculation of Pad approximants, in: P.R. Graves-Morris, Ed., Pad approximants and their applications (Springer, Berlin, 1972) 83--92. 9. M. Balfour and A.J. McTernan, The Numerical Solution of Equations (Heinemann, London, 1st ed., 1967). 10. F.L. Bauer, Beitrge zur Entwicklung numerischer Verfahren fr programmgesteuerte Rechenanlagen, I. Quadratisch konvergente Durchfhrung der Bernoulli--Jacobischen Methode zur Nullstellenbestimmung von Polynomen, Sitzungsber. Math.-Natur. Kl. Bayer. Acad. Wiss. (1954--1955) 275--303; II. Direkte Factorisierung eines Polynoms, Sitzungsber. Math.-Natur. Kl. Bayer. Akad. Wiss. (1956--1957) 163--203. 11. F.L. Bauer, The g-algorithm, J. Soc. Indust. Appl. Math. 8 (1960) 1--17. 12. F.L. Bauer and Kl. Samelson, Polynomkerne und Iterationsverfahren, Math. Z. 67 (1957) 93--98. 13. F.L. Bauer, The quotient-difference algorithm and epsilon-algorithms, in: On Numerical Approximation (Univ. of Wisconsin Press, Madison, WI, 1959) 361--370. 14. F.L. Bauer, Quadratische Konvergenz der Bernoullischen Methode, Z. Angew. Math. Mech. 34 (1954) 287. 15. F.L. Bauer, Das Verfahren der abgekrtzen Iteration fr algebraische Eigenwerteprobleme, insbesondere zur Nullstellenbestimmung eines Polynoms, Z. Angew. Math. Phys. 7 (1956) 17--32. 16. F.L. Bauer, Nonlinear sequence transformations, in: Approximation of Functions (Elsevier, Amsterdam, 1965) 134--151. 17. L. Berg, Numerisches Faktorisierung von Polynomen, Z. Angew. Math. Mech. 58 (1978) 245--249. 18. W.G. Bickley, On Smith's method for calculation of the roots of polynomial equations, Math. Gaz. 46 (1962) 32. 19. D. Bini, Complexity of parallel polynomial computations, in: D.J. Evans, Ed., Parallel Computation: Methods, Algorithms and Applications (Adam Hilger, 1989) 115--126. 20. P.A. Brooker, The solution of algebraic equations on the Edsac, Proc. Cambridge Philos. Soc. 48 (1952) 255--270. 21. R.A. Buckingham, Numerical Methods (Pitman, London, 1957) 251--304. 22. A. Bultheel, Zeros of a rational function defined by its Laurent expansion, in: H. Werner and H.J. Bunger, Eds., Pad Approximation and its Applications, Bad Honnef, 1983, Lecture Notes in Math. 1071 (Springer, New York, 1984) 34--48. 23. F. Cajori, A History of Mathematics (Macmillan, New York, 2nd ed., 1919). 24. B. Carnahan, H.A. Luther and J.O. Wilkes, Applied Numerical Methods (Wiley, New York, 1969) 141-209. 25. L. Cerlienco and F. Piras, Successioni ricorrenti lineari e algebra dei polinomi, Rend. Mat. Ser. 7 1 (2) (1981) 305--318. 0
9
1.
Henrici, P. And Watkins, Bruce O.: Finding zeros of a polynomial by the Q-D algorithm, Communications of the ACM Volume 8 , Issue 9, September 1965, Pages: 570 574, ISSN:0001-0782, ACM Press New York, NY, USA, Univ. of California, Los Angeles, and Technische Hochschule, Zurich, Switzerland, Utah State Univ., Logan. // Wilkinson, J.H.: Convergence of the LR, QR, and Related Algorithms, The Computer Journal, No. 4, 1965, pp. 77-84. // Volpi, Leonardo, Notes of Numerical Calculus, January 2006, by Foxes Team, ITALY, First Edition, pp. 17 - 26.
Mtodos Numricos y Programacin Visual Basic 01/11/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 26. F. Cohn, ber die in recurrirender Weise gebildeten Grssen und ihren Zusammenhang mit den algebraischen Gleichungen, Math. Ann. 44 (1894) 473--538. 27. P.D. Crout, A procedure for obtaining the zeros of functions or their derivatives by Lagrangean interpolation, J. Math. and Phys. 39 (1960) 141--150. 28. A. Cuyt, in: A. Cuyt and L. Wuytack, Eds., Nonlinear Methods in Numerical Analysis, North-Holland Math. Stud. 136, Stud. Comput. Math. 1 (North-Holland, Amsterdam, 1987) 220--237. 29. M. D'Ocagne, Mmoire sur les suites rcurrentes, J. cole Poly. 64 (1894) 151--224. 30. J.E. Dennis, J.F. Traub and R.P. Weber, Algorithms for solvents of matrix polynomials, SIAM J. Numer. Anal. 15 (1978) 523--533. 31. B. Dimsdale, On Bernouilli's method for solving algebraic equations, Quart. Appl. Math. 6 (1948) 77. 32. D. Dobbs and R. Hanks, A modern course on the theory of equations (Polygonal Publishers., 2nd ed., 1992). 33. D.E. Dobbs and R. Hanks, A Modern Course on the Theory of Equations (Polygonal Publ. House, Passic, NJ, 1980). 34. H. Eltermann, Die Lsung algebraischer und transzendenter Gleichungen mit Hilfe von rekursiven Folgen, Z. Angew. Math. Mech. 32 (1952) 231--232. 35. L. Euler, Introductio in Analysii Infinitorum, I (1748) Chapter 17. 36. C.M. Fiduccia, An efficient formula for linear recurrences, SIAM J. Comput. 14 (1985) 106--112. 37. C.E. Frberg, Introduction to Numerical Analysis (Addison-Wesley, Reading, MA, 1969). 38. T.C. Fry, Some numerical methods for locating roots of polynomials, Quart. Appl. Math. 3 (1945) 89-105. 39. C.F. Gerald, Applied Numerical Analysis (Addison-Wesley, Reading, MA, 1984) 1--79. 40. W.B. Gragg, The Pad table and its relation to certain algorithms of numerical analysis, SIAM Rev. 14 (1972) 1--62. 41. W.B. Gragg and A.S. Householder, On a theorem of Koenig, Numer. Math. 8 (1966) 465--468. 42. D. Greenspan, On popular methods and extant problems in the solution of polynomial equations, Math. Mag. 31 (1957--1958) 239--253. 43. D. Gries and G. Levin, Computing Fibonacci numbers (and similarly defined functions) in log time, Inform. Process. Lett. 11 (2) (1980) 68--69. 44. W. Heitzinger, I. Troch and G. Valentin, Praxis Nichtlinearer Gleichungen (Hanser Verlag, Mnchen, 1985). 45. P. Henrici, Essentials of Numerical Analysis (Wiley, New York, 1982) 90--103; 136--168. 46. P. Henrici, Quotient-difference algorithms, in: A. Ralston and H.S. Wilf, Eds., Mathematical Methods for Digital Computers, Vol. II (Wiley, New York, 1967) 35--62. 47. P. Henrici, Applied and Computational Complex Analysis, Vol. I (Wiley, New York, 1974) 433--552. 48. E. Isaacson and H.B. Keller, Analysis of Numerical Methods (Wiley, New York, 1966) 85--133. 49. G. Jacobi, Observatiunculae ad theoriam aequationum pertinentes, J. Reine Angew. Math. 13 (1835) 340-352. 50. M.A. Jenkins, Bernouilli's method with implicit shifting, J. Assoc. Comput. Mach. 20 (1973) 539--544. 51. W. Jennings, First Course in Numerical Methods (MacMillan, New York, 1964) 5--12; 23--39. 52. W.B. Jones and A. Magnus, Computation of poles of two-point Pad approximants and their limits, J. Comput. Appl. Math. 6 (2) (1980) 105--119. 53. J. Knig, ber eine Eigenschaft der Potenzreihen, Math. Ann. 23 (1884) 447--449. 54. J. Knig, Ein allgemeiner Ausdruck fr die ihrem absoluten Betrage nach kleinste Wurzel der Gleichung nten Grades, Math. Ann. 9 (1876) 530--540. 55. D. Kershaw, An analysis of the method of L. Fox and L. Hayes for the factorization of a polynomial, Linear Algebra Appl. 86 (1987) 179--187. 56. S. Kulik, On the solution of algebraic equations, Proc. Amer. Math. Soc. 10 (1959) 185--192. 57. G.N. Lance, Numerical Methods for High Speed Computers (Iliffe, London, 1960) 123--137. 58. G.R. Lindfield and J.E.T. Penny, Microcomputers in Numerical Analysis (Wiley, New York, 1989) Chapter 2. 59. F. Locher, A stability test for real polynomials, Numer. Math. 66 (1993) 33--40. 60. K. Margaritis and D.J. Evans, A systolic ring architecture for solving polynomial equations, Internat. J. Comput. Math. 25 (1988) 189--201. 61. K. Margaritis and D.J. Evans, A systolic ring architecture for solving polynomial equations, in: David J. Evans, Ed., Systolic Algorithms (Gordon and Breach, 1991) 55--68. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 95 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
Mtodos Numricos y Programacin Visual Basic 01/11/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 62. K. Margaritis and D.J. Evans, Systolic designs for Bernoulli's method, Parallel Comput. 15 (1990) 227-240. 63. D. Markovitch, On a new method of calculating the roots of algebraic equations, Math. Gaz. 49 (1965) 388. 64. N.S. Mendelsohn, The computation of complex proper values and vectors of a real matrix with applications to polynomials, Math. Comp. 11 (1957) 91--94. 65. M. Mignotte, Note sur la mthode Bernoulli, Numer. Math. 26 (1976) 325--326. 66. M. Mignotte, Some problems about polynomials, in: R.D Jenks, Ed., Proc. 1976 ACM Symp. on Symbolic and Algebraic Computation (1976) 227-- 228. 67. D.G. Moursund, Examination of multiple roots and root clusters of a polynomial using the Bernoulli procedure, J. Assoc. Comput. Mach. 12 (1965) 169--174. 68. I. Munro, Some results concerning efficient and optimal algorithms, in: Third Annual ACM Symp. on the Theory of Computers, Shaker Heights (1971) 40--44. 69. W.D. Munro, Some iterative methods for determining zeros of functions of a complex variable, Pacific J. Math. 9 (1959) 555--566. 70. E. Netto, Vorlesungen ber Algebra (Teubner, Leipzig, 1896). 71. F.W.J. Olver, The evaluation of zeros of high-degree polynomials, Philos. Trans. Roy. Soc. London Ser. A 244 (1952) 385--415. 72. R. Perrin, Sur la rsolution des quations numriques au moyen des suites rcurrentes, C.R. Acad. Sci. Paris 120 (1894) 990--993. 73. A. Ralston and P. Rabinowitz, A First Course in Numerical Analysis (McGraw-Hill, New York, 2nd ed., 1987) 354. 74. J.R. Rice, Numerical Methods, Software and Analysis (McGraw-Hill, New York, 1983) 217--264. 75. J.R. Rice and S. Rosen, NAPSS -- a numerical analysis problem solving system, in: Proc. ACM 21st National Conf. (1966) 51--56. 76. C. Runge, Separation und Approximation der Wurzeln, in: Encyklopdie der Mathematischen Wissenschaften, I, 1 (Teubner, Leipzig, 1898) 404--448. 77. G.S. Smith, A new method of calculating roots of algebraic equations, Math. Gaz. 44 (1960) 241--245; ibid. 51 (1967) 233--236. 78. G.W. Stewart, On a companion operator for analytic functions, Numer. Math. 18 (1971) 26--43. 79. E.L. Stiefel, An Introduction to Numerical Mathematics (Academic Press, New York, 1963). 80. A.N. Stokes, A stable quotient-difference algorithm, Math. Comp. 34 (1980) 515--519. 81. W.C. Taylor, A neglected method for resolution of polynomial equations, J. Franklin Inst. 257 (1954) 459--464. 82. R.F. Thomas Jr, Corrections to numerical data on Q-D algorithm, Letter to Editor, Comm. ACM 9 (1966) 322--323. 83. D.D. Tosic and D.V. Tosic, A modification of Bernoulli's method for evaluations of zeros of polynomials, in: D. Herceg, Ed., Numerical Methods and Approximation Theory, Novi Sad, 1985 (University of Novi Sad, 1985) 149--154. 84. F.J. Urbanek, An O(logn) algorithm for computing the nth element of the solution of a difference equation, Inform. Process. Lett. 11 (1980) 66--67. 85. J. Van Iseghem, Convergence of the vector QD-algorithm. Zeros of vector orthogonal polynomials, J. Comput. Appl. Math. 25 (1) (1989) 33--46. 86. H. Weber, Trait d'Algbra Suprieure (Gauthier-Villars, Paris, 1898). 87. H. Weber, Lehrbuch der Algebra (Chelsea, New York). 88. E.T. Whittaker and G. Robinson, The Calculus of Observations (London, 4th ed., 1944) 78--131. 89. H.S. Wilf, Mathematics for the Physical Sciences (Wiley, New York, 1962) 82--107. 90. H.S. Wilf, The numerical solution of polynomial equations, in: A. Ralston and H.S. Wilf, Eds., Mathematical Methods for Digital Computers (Wiley, New York, 1960) 233--241. 91. T.C. Wilson and J. Shortt, An O(logn) algorithm for computing general order-k Fibonacci numbers, Inform. Process. Lett. 10 (1980) 68--75. 92. D.M. Young and R.T. Gregory, A Survey of Numerical Mathematics, Vol. I (Addison-Wesley, Reading, MA, 1972) 93--245. 93. V.L. Zaguskin, Handbook of Numerical Methods for the Solution of Algebraic and Transcendental Equations (Pergamon, Oxford, 1961). 94. V. Zakian, Evaluation of largest or smallest zero of a polynomial, Electron. Lett. 6 (1970) 217--219. _________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 96 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.
3.10 Mtodo de Rutishauser: Algoritmo QD

El Mtodo Rutishauser1, o Algoritmo QD2, para hallar una raz de la ecuacin polinmica p(z) = 0, definida como 3
p ( z ) = a n z n + a n 1 z n 1 + ... + a 0 = ( z z1 )( z z 2 )...( z z k ) = ( z z i )
i =1
(3.10.1)
siendo n 1 and a0ak 0, y siendo el conjunto {zi}i = 1,2,..., k, los ceros de p(z). El Algoritmo QD (Quotient-Difference) es una brillante generalizacin del Mtodo Bernoulli (denominado a veces Mtodo de las Potecncias), y ha sido desarrollado por Rutishauser4. Este algoritmo permite calcular a la vez- todas las races de un polinomio, como el definido por 3.10.1, y adems- no requiere ningn valore inicial, pus slo hace uso de los coeficientes ai, i = 0, n.. Bajo condiciones apropiadas y razonables el Algoritmo QD converge suministrando las races reales y una estimacin de la precisin alcanzada. Con una ligera variante se puede adoptar el Algoritmo QD para obtener las races complejas. Como la convergencia del Algoritmo QD es lineal, y especialmente lenta cuando n es muy grande, la utilizacin principal es proveer una buena aproximacin inicial para algoritmos de rpida convergencia, como el Newton-Rapshon mejorado o el de Halley. El Algoritmo QD, en sus detalles de clculos, es bastante complicado y existen diversas y diferentes variantes tanto en su parte terica como en su implementacin. En la versin utilizada por Rutishauser, se emplea un enfoque matricial de los prametros bsicos de trabajo del algoritmo: la fila i-sima representa la correspondiente iteracin, y la columnas contienen las diferencias (di) y los cocientes (qi). Par ilustrar el proceso iterativo del Algoritmo QD, considrese el siguiente polinomio de grado 5:
p(x) = x5 + 22x4 + 190x3 + 800x2 + 1369x + 738
(3.10.2)
Para el polinomio 3.10.2 se tiene que: a5 = 1.0, a4 = 22.0, a3 = 190.0, a2 = 800.0, a1 = 1369.0, a0 = 738.0. La tabla QD consta de 11 columnas, nombradas as, d1 , q1, d2 , q2, d3 , q3, d4 , q4, d5 , q5, d6. Las columnas d1 y d6 son auxiliares y siempre se llenan con cero (0). Como cada fila corresponde a un paso del proceso iterativo, la convencin que se adopta es llamar d(i), q(i) los coeficientes del paso i-simo; as, por ejemplo, los coeficientes del paso inicial 0 (cero) sern:
(0) ( 0) (0) ( 0) (0) (0) (0) d1( 0 ) , q1( 0) , d 2 , q2 , d 3( 0) , q3 , d4 , q4 , d 5( 0) , q5 , d6
y los coeficientes del paso 1 sern: y, as, sucesivamente para cada paso d (1) , q (1) , d (1) , q (1) , d (1) , q (1) , d (1) , q (1) , d (1) , q (1) , d (1) iterativo. 1 1 2 2 3 3 4 4 5 5 6 INICIALIZACIN DE LA TABLA QD. La primera fila, indicada por el ndice 0 (cero), se utiliza para iniciar la iteracin QD y se llena solamente con los coeficientes originales del polinomio p(x), definido por 3.10.2, de la siguiente forma: (3.10.3) 0
Andersen ,CHR.: The QD-Agorithm as A Method for Findinf the Roots of a Polynomial Equation when All Roots are Positive. Technical Report CS9, June 8, 1964, Computer Science Division, School of Humanities and Sciences, Stanford University. // Henrici, P. And Watkins, Bruce O.: Finding zeros of a polynomial by the Q-D algorithm, Communications of the ACM, Volume 8 , Issue 9, September 1965, Pages: 570 574, ISSN:0001-0782, ACM Press New York, NY, USA. // ODonohoe , M.R.: Numerical Analysis II, (Lectures notes), pp. 33 35, 2005. 2 Henrici, P. And Watkins, Bruce O.: Finding zeros of a polynomial by the Q-D algorithm, Communications of the ACM, Volume 8 , Issue 9, September 1965, Pages: 570 574, ISSN:0001-0782, ACM Press New York, NY, USA. // Volpi , Leonardo: Note of Numerical Calculus: Non Linear Equations, Practical methods for roots finding, Part II - Zeros of Polynomials, Jan. 2006, by Foxes Team, ITALY, 1. Edition, pp. 22 26. 3 Weisstein, Eric W. "Bernoulli's Method." From MathWorld--A Wolfram Web Resource, 1999 2007,. http://mathworld.wolfram.com/BernoullisMethod.html // Mandel, Jan, Lecture Notes on Essential Numerical Analysis, University of Colorado at Denver, November 30, 2003. 4 Rutishauser,H.: Der Quotienten-Differenzen-Algorithmus, Z. Angew. Math. Phys. 5 (1954) 233251.
1
Mtodos Numricos y Programacin Visual Basic 01/14/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Al observar las ecuaciones 3.10.3, se deduce que en general- el polinomio no debe tener coeficientes iguales a 0 (cero). Esta es una de las restricciones fuertes del Algoritmo QD. Sin embargo, desde que Rutishauser public su primera versin en 1954, se han desarrollado mejoras y variantes que no tienen dicha restriccin. La primera fila de la tabla es la siguiente: TABLA 3.10.1 Primera fila del Algoritmo QD para el polinomio definido por 3.10.2.
Las siguientes filas , a partir d ela fila 0 (cero), se generan por medio d elas relaciones caractersticas, debido a las cuales el algoritmo toma su nombre (cocientes (Q) diferencias(D)):
(3.10.4)
De 3.10.4, se obtiene la expresin genrica para el coeficiente q( i+1) del paso i +1: para k = 1,2,.., 5
(3.10.5)
Igualmente, de 3.10.4 se obtiene la expresin genrica para los coeficientes d( i+1) del paso i +1: para k = 2,3,.., 5
(3.10.6)
Los valores de los coeficientes d1( i+1) = d6( i+1) = 0. En resumen, para generar una nueva fila (i + 1), en la tabla QD, se emplea el siguiente esquema, mostrado en la figura 3.10.1:
FIGURA 3.10.1 Esquema para obtener los cocientes (qi) y las diferencias (di) en el Algoritmo QD. Para calcular q( i+1) se emplean los valores de fila inmediatamente anterior. Para calcular d(i+1) se utiliza los valores adyacentes de la misma fila y el valor d( i ) de la fila anterior. Las primeras 8 iteraciones del Algoritmo QD para el polinomio definido por la ecuacin 3.10.2 se muestran en la tabla 3.102: TABLA 3.10.2 Primeras 8 iteraciones del Algoritmo QD para el polinomio definido por 3.10.2. .
Mtodos Numricos y Programacin Visual Basic 01/14/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ En la tabla 3.10.2, a primera vista, se observa que los valores de las columnas q1, q4, q5 tienenuna secuencia convergente a las races reales; mientras que los valores de las columnas q2, q4 no parecen tener ninguna secuencia convergente. Esto puede ser indicio de la presencia de dos races que son un par complejo conjugado. El polinomio p(x), definido por la ecuacin 3.10.2, tendra entonces- cinco races (como establece el Teorema Fundamental del lgebra), tres reales y dos complejas. Las etapas siguientes en el Algoritmo QD consisten en determinar como extrarer las raices de la tabla QD. El criterio utilizado para ello se basa en los errores estimados calculados. Races reales simples El error estimado5 se calcula por medio de la frmula siguiente:
Si se cumple que
ei < qi
e i = 10
(d
i ,k
+ d
i +1,k
(3.10.7)
siendo la tolerancia numrica estipulada, entonces se acepta la raz qi. Races complejas conjugadas se calculan las dos nuevas secuencias {si} y {pi} definidas como:
si = q i, k + q i, k+1 pi = q i-1, k * q i, k+1
(3.10.8)
Y el error en la aproximacin de las races se calcula con las siguientes frmulas:
esi = |si si-1 | epi = |pi - pi-1 |1/2

De las ecuaciones 3.10.8 y 3.10.9 si se cumple que
(3.10.9)
esi ep < , y i < si pi

siendo una tolerancia numrica estipulada, entonces se toman los dos valores s = si , p = pi y se resuelve la siguiente ecuacin cuadrtica: x2 + sx + p = 0, cuyas races se obtienen as: De las ltimas dos filas en la tabla 3.10.2, tabla QD, se calcula:
(8 ) (8 ) s = q2 + q3 10 . 0 (7) (8 ) p = (q2 ) q3 43
Con lo cual las races complejas se obtienen al resolver la ecuacin cuadrtica x2 -10x + 43 = 0,
x1,2 5 4.2 i.
De las ecuaciones 3.10.8 y 3.10.9 la estimacin del error promedio es 0.076, con un error absoluto aproximado de 0.07 (52 + 4.22 )1/2 0.5. Coeficientes nulos. El Algoritmo QD no puede iniciarse si uno o ms de los coeficientes ai, i = 0, n, son ceros (nulos). En tal caso, el mtodo utilizado es el de la sustitucin de races, en el cual se emplea, para el polinomio p(z) definido por 3.10.1, la suttiucin xi = zi - , con i = 1, n, siendo un valor tomado aleatoriamente (ayuda el poder generar un conjunto de nmeros aleatorios, dentro del rango estimado d ela sraces, para poder escoger . Dicha transformacin 0
5
Acton, Forman S.: Numerical Methods That Work, Harper and Row, New York, 1970. ISBN 0-88385-450-3. xviii+541 pp. Reprinted by Mathematical Association of America, Washington, D.C., with new preface and additional problems, 1990. // Ashenhurst , R.L. and N. Metropolis, N.: Error estimation in computer calculation, American Mathematical Monthly, Vol. 72, No. 2, pp. :47 - 58, 1965.
Mtodos Numricos y Programacin Visual Basic 01/14/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ elimina los coeficientes nulos del polinomio p(z), como el definido por 3.10.1, y permite iniciar el Algoritmo QD para hallar las races de p(z). Despus de tal proceso transfromativo, y al obtener los valores xi, es suficiente realizar el cambio inverso zi = xi + para obtene rlas races originales del polinomio p(z). Por ejmplo, el polinomio de grado 5 : z5 8z2 10z - 1 tiene coeficientes nulos a4, a3, por locual se tranforma en otro polinomio diferente, efectuando la sustitucin z = x +1 con la cual se obtiene el siguiente polinomio de inicio para el Algoritmo QD:
(x +1)5 8*(x +1)2 10*(x +1) - 1 = x5 + 5x4 + 10x3 + 2x2 21x - 18

al solucionar este polinomio, hallar sus ceros, entonces las races del polinomio original se encuentran aumentando en 1 cada raz xi encontrada. Races reales y distintas. Las races de un polinomio son distintas si la multiplicidad de cada una es 1, es decir no hay races repetidas. Considrese, por ejemplo, el polinomio Wilkinson6 de grado 5, definido as:
p ( x) = x 5 15 x 4 + 85 x 3 225 x 2 + 274 x 120
(3.10.10)
y cuyo esquema grfico se muestra en la figura 3.10.2. Se sabe que el polinomio definido en 3.10.10 tiene todas sus races reales y distintas x = 1, 2, 3, 4, 5 Es conveniente observar cmo el Algoritmo QD se comporta en este caso; las primeras 12 iteraciones, tabla QD, se muestran en la tabla 3.10.3. FIGURA 3.10.2 Esquema grfico del polinomio 3.10.10.
TABLA 3.10.3 Primeras 12 iteraciones del Algoritmo QD para el polinomio definido por 3.10.10.
0
6
En el Anlisis Numrico, el Polinomio Wilkinson es un polinomio especfico, el cual fue utilizado por el matemtico James H. Wilkinson en 1963 para ilustrar la dificultad que se presenta al hallar las races: el valor de las races puede variar y ser muy sensitivo a las perturbaciones (cambios, o redondeos) en los valores de los coeficientes, clo que caracteriza a los polinomios mal-condicionados (Wikipedia, the free encyclopedia, http://en.wikipedia.org/wiki/Wilkinson's_polynomial), November 2006. // Zeng, Zhonggang: On Ill-Conditioned eigenvalues, multiple roots of polynomials, antheir accurated computations,Department of Mathematics, Northeastern Illinois University, Chicago, September 1998. // Malyshev, A.N.: On Wilkinson's problem, 1997. // Zeng, Zhonggang: The Perfidious Polynomial and Elusive Roots, Department: Department of Mathematics, Northeastern Illinois University, 1997. // Rump, Siegfried M.:Ten Methdos to Bound Multiple Roots of Polynomials, Technical University Hamburg-Harburg, Hamburg, Germany, Journal of Computation and Applied Mathematics (JCAM), Vol. 156, pp. 403-432, 2003.
Mtodos Numricos y Programacin Visual Basic 01/14/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ Como puede observarse en la tabla 3.10.3, todas las columnas di tienden a cero, mientras que los valores de las columnas qi tienden a los valores de las races. En este caso el Algoritmo QD acta efcieintemente. Sin embargo, considrese el siguiente polinomio6: (3.10.11 que obviamente tiene 20 races, cuyos valores son x = 1, 2, , 20. Esta s races, tericamente, son todas distintas, reales y estn suficientemente separadas en el campo de los nmeros reales. Sin embargo, como lo demostr Wilkinson7, este polinomio definido por 3.10.11 est mal-condicionado. Al expandirlo se tiene que:
FIGURA 3.10.3 Expansin del polinomio definido por la ecuacin 3.10.11. Y al resolver el polinomio, las races obtenidas se muestran en la tabla 3.10.4: TABLA 3.10.4 Races obtenidas para el polinomio definido por 3.10.11 y cuya expansin se muestra en la figura 3.10.3. x1 = 1.00000 x2 = 2.00000 x3 = 3.00000 x4 = 4.00000 x5 = 5.00000 x6 = 6.00001 x7 = 6.99970 x8 = 8.00727 x9 = 8.91725 x10 = 20.84691 x11 = 10.09527 + x12 = 11.79363 + x13 = 13.99236 + x14 = 16.73074 + x15 = 19.50244 + 0.64350i 1.65233i 2.51883i 2.81262i 1.94033i x16 = 10.09527 x17 = 11.79363 - x18 = 13.99236 x19 = 16.73074 x20 = 19.50244 0.64350i 1.65233i 2.51883i 2.81262i 1.94033i Como se observa en la tabla 3.10.4, las races del polinomio definido por 3.10.11, se apartan de las obtenidas por los factores tericos, dando incluso- valores imaginarios (campo de los nmeros complejos) que no deberan aparecer; se dice que este tipo polinomios presenta un comportamiento de extremo mal-condicionamiento. Los mtodos, como el Algoritmo QD, no son suficientes para obtener las races exactas de polinomios como el 3.10.11; en la recursos webgrficos y bibliogrficos se presentan diversas propuestas de algoritmos que lidian con este tipo de problemas.
RECURSOS WEBGRFICOS Y BILIOGRFICOS

1. 2. 3. 4. 5. 6. 7. 8. 0
7
H. Bandemer, Zur Berechnung der Nullstellen von Polynomen mit dem QD-Algorithmus von Rutishauser, Z. Angew. Math. Mech. 42 (1962) 566--568. L. Fox and L. Hayes, Polynomial factorization and the QD algorithm, Linear Algebra Appl. 1 (1968) 445--463. P. Henrici, Some applications of the quotient-difference algorithm, Proc. Sympos. Appl. Math. 15 (1963) 159--183. P. Henrici, The quotient-difference algorithm, Nat. Bur. Standards Appl. Math. Ser. 49 (1958) 23--46. P. Henrici, New developements concerning the quotient-difference algorithm, in: H. Werner et al., Eds., Computational Aspects of Complex Analysis (Reidel, Boston, 1983) 149--168. P. Henrici and B.O. Watkins, Finding zeros of a polynomial by the Q-D algorithm, Comm. ACM 8 (1965) 570--574. A.S. Householder, The Numerical Treatment of a Single Nonlinear Equation (McGraw-Hill, New York, 1970). A.S. Householder, Principles of Numerical Analysis (McGraw-Hill, New York, 1953) 86--132.
Peters G and Wilkinson J H.: Practical Problems Arising in the Solution of Polynomial Equations, J. Inst. Math. Appl. 8, pp. 1635, 1971.
Mtodos Numricos y Programacin Visual Basic 01/14/07 Ingeniero William Alvarez-Montoya http://xue.unalmed.edu.co/~walvarem __________________________________________________________________________________ 9. A.S. Householder, The Pad table, the Frobenius identities, and the QD algorithm, Linear Algebra Appl. 4 (1971) 161-174. 10. A.S. Householder, Multigradients and the zeros of transcendental functions, Linear Algebra Appl. 4 (1971) 175--182. 11. A.S. Householder, Schrder and Trudi: A historical excursion, SIAM Rev. 16 (1974) 344--348. 12. A.S. Householder and G.W. Stewart III, Bigradients, Hankel determinants, and the Pad table, in: B. Dejon and P. Henrici, Eds., Constructive Aspects of the Fundamental Theorem of Algebra (Wiley/Interscience, New York, 1969) 131--150. 13. G.M. Megson, O. Brudaru and D. Comish, Systolic designs for Aitken's root-finding methods, Parallel Comput. 18 (1992) 415--429. 14. H. Rutishauser, On a modification of the QD-algorithm with Graeffe-type convergence, Z. Angew. Math. Phys. 13 (1962) 493--496; also: in: C.M. Popplewell, Ed., Proc. IFIP Congress 62 (North-Holland, Amsterdam, 1963) 93--96. 15. H. Rutishauser, Eine Formel von Wronski und ihre Bedeutung fr den Quotienten-Differenzen-Algorithmus, Z. Angew. Math. Phys. 7 (1956) 164--169. 16. H. Rutishauser, Anwendungen des Quotientin-Differenzen Algorithms, Z. Angew. Math. Phys. 5 (1954) 496--508. 17. H. Rutishauser, Der Quotienten-Differenzen-Algorithmus, Z. Angew. Math. Phys. 5 (1954) 233--251. 18. H. Rutishauser, Stabile Sonderflle des Quotienten-Differenzen-Algorithmus, Numer. Math. 5 (1963) 95--112. 19. H. Rutishauser, Ein infinitesimales Analogon zum Quotient-Differenzen Algorithmus, Arch. Math. (Basel) 5 (1954) 132-137. 20. K. Samelson, Faktorisierung von Polynomen durch funktionale Iteration, Bayer. Akad. Wiss. Math.-Natur. Kl. Abh. 95 (1959) 1--25. 21. J. Schrder, Factorization of polynomials by generalized Newton procedures, in: B. Dejon and P. Henrici, Eds., Constructive Aspects of the Fundamental Theorem of Algebra (Wiley/Interscience, New York, 1969) 295--320. 22. W. Seewald, Quotient-differnece algorithm: proof of Rutishauser's rule, Numer. Math. 40 (1982) 93--98. 23. J. Shortt, An iterative algorithm to calculate Fibonacci numbers in O(logn) arithmetic operations, Inform. Process. Lett. 7 (1978) 299--303. 24. F.L. Bauer, The quotient-difference algorithm and epsilon-algorithms, in: On Numerical Approximation (Univ. of Wisconsin Press, Madison, WI, 1959) 361--370. 25. F. L. Bauer. Inclusion sets for roots of polynomials. Numerische Mathematik, 9:173 - 176, 1966. ISSN 0029-599X. 26. H. J. Hamilton, Roots of equations by functionaliteration, Duke Math. J., 13 (1946), 113-121. 27. F. L. Hitchcock, Finding complex roots of equations, J. Math. Physics, 17 (,1938), 5528. F. L. Hitchcock, Algebraic equations with complex roots, J. Math. Phys., 18 (1939), 202-220. 29. S. Lin. A Method of successive approximations for evaluating real and complex roots of cubic and higher order equations, J. Math. Phys., 20 (1941), 231-242. 30. . T. Whittaker, A formula for the solution of algebraic and transcendental equations, Proc. Edinburgh Math. Soc, 36 (1918), 103-106. 31. C. Bekas, E. Kokiopoulou, Yousef Saad, Polynomial filtered Lanczos iterations with applications in Density Functional Theory, Computer Science & Engineering Dept., University of Minnesota, Twin Cities, July 15, 2005. 32. Munro , W.D.: SOME ITERATIVE METHODS FOR DETERMINING ZEROS OF FUNCTIONS OF A COMPLEX VARIABLE, June 16, 1958, Office of Naval Research, USA, UNIVERSITY OF CALIFORNIA, LOS ANGELES, UNIVERSITY OF MINNESOTA. 33. Bond, C.: A Method for Finding Real and Complex Roots of Real Polynomials With Multiple Roots, July 10, 2003. 34. Bond, C.: A Robust Strategy for Finding All Real and Complex Roots of Real Polynomials, March 30, 2004, http://www.crbond.com 35. Schroder, Ernst: On Infinitely Many Algorithms for Solving Equations, Translated by G.W.Stewart, january 1993, University of Maryland, Institute for Advanced Computer Studies, departmente of Computer Science. 36. Volpi, Leonardo: Note di Calcolo Numerico Equazioni Non Lineari Metodi iterativi pratici per l'approssimazione di radici, Foxes Team, Dic. 2005, Italy, First edition.
3.11 Mtodo de Steffensen

El Mtodo Steffensen1 para hallar una raz de la ecuacin no-lineal f(x) = 0, que no requiere del clculo de la derivada y que en general es de convergencia rpida.y slo requiere un punto inicial, xn, de aproximacin a la raz. Sin embargo, requiere calcular dos veces la funcin en cada iteracin. La frmula general del Mtodo Steffensen es la siguiente:
g ( xn ) =
f ( xn + f ( xn )) f ( xn ) f ( xn ) f ( xn ) g ( xn )
(3.11.1)
xn+1 = xn +
que se puede comvertir en una sola frmula al efectuar las operaciones del caso:
xn+1 = xn +
[ f (xn )]2 f ( xn + f ( xn )) f (xn )
(3.11.2)
Se trata de un mtodo muy popular y muy enfatizado no slo en la parte terica sino tambin en las aplicaciones prcticas de Mtodos Numricos. Con las frmulas 3.11.1 3.11.2 es fcil implementar este algoritmo. Es similar al Mtodo NewtonRapson pero no necesita calcular la derivada de f(x). Una variante utiliza la frmula de aceleracin de Aitken2, de ah tambin- que a este mtodo se le denomine AitkenSteffensen. Los pasos son los siguientes: 1. 2. 3. Obtener un valor inicial P0, una tolerancia numrica y un nmero mximo de iteraciones nMax. N=1 Haga 3.1 P1 = g(P0) 3.2 P2 = g(P1) 3.3 Calcular ( p p )2
p = p0
3.4 P0 = P 3.5 N = N + 1
p2 2 p1 + p0
Hasta Que |P - P0| < N nMax 4. Mostrar P, N En esta variante, se requiere que a partir de f(x) se tenga una funcn g(x), vase el Mtodo Punto Fijo al respecto.
0
1
Volpi, Leonardo: Note di Calcolo Numerico, Equazioni Non Lineari, Metodi iterativi pratici per l'approssimazione di radici, Dic. 2005, by Foxes Team ITALY, 1. Edition, pp. 64. // Mthode de Steffensen, Dpartement de mathmatiques et de statistique (DMS) de l'Universit Laval. Qubec, Canad, 1996. 2 Mathews, John H.: Aitken's Method and Steffensen's Acceleration, 2004. // Kohn, M. C.: Practical Numerical Methods: Algorithms and Programs, Macmillan Publishing Company, New York, New York, 1987.

RaicesFunciones PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

RaicesFunciones PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Captulo 3

SOLUCIN DE ECUACIONES NO-LINEALES, f(x) = 0

f(x) = a0 + a1x1+ a2x2+ ... anxn = 0

_____________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 1 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 2 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

(3.8) ecuacin del pndulo (3.9) ecuacin de van der Pol 0

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 3 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

(3.11) ecuacin de Riccati

3.1 Historia, Funcin, Conceptos y Mtodos para hallar races de f(x) = 0

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 4 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 5 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

CONCEPTOS BSICOS SOBRE LAS RACES DE FUNCIONES

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 6 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

FIGURA 3.1.1 Metodologa bsica para la solucin de problemas en ciencias e ingenieras.

ALGUNOS EJEMPLOS TPICOS

ESFERA SUMERGIDA EN UN LQUIDO

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 7 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

Y la masa de la esfera, Me, es:

UNA ESCALERA EN UNA MINA

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 8 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

FIGURA 3.1.4 Esquema de dos tneles que se cruzan en una mina.

FUNCIN EN FORMA IMPLCITA

Tiempo y posicin Tiempo

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 9 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

TABLA 3.1.2 Otros ejemplos de funciones implcitas. Funcin implcita

rea donde surge

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 10 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

TIPOS Y EXISTENCIA DE LAS RACES; CONVERGENCIA

(c) FIGURA 3.1.5 Grficas esquemticas de funciones f(x).

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 11 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 12 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

CLCULO DE RACES DE FUNCIONES NO-LINEALES

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 13 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

Sustituyendo en la ecuacin, obtenemos que la nica raz real es y = -3, es decir,

SOLUCIONES POR MTODOS NUMRICOS Y ANLISIS NUMRICO EN INGENIERA Y CIENCIA

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 14 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 15 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

The Free Dictionary , Copyright 2006 Farlex, Inc. http://encyclopedia.thefreedictionary.com/Root-finding+algorithm

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 16 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

3.2 Mtodo de Bolzano (biseccin)

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 17 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

UN ALGORITMO PARA EL MTODO DE BOLZANO

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 18 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

1 1 + 6 2 ( x 0.3) + 0.01 ( x 0.9) 2 + 0.04

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 19 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

VENTAJAS Y DESVENTAJAS DEL MTODO DE BOLZANO

__________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 20 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

3.3 Mtodo de Newton-Raphson (Newton)

p3 + 6p2 + 10p 1 = 0. (3.3.4)

q3 + 6.3q2 + 11.23q + 0.061 = 0 (3.3.6),

Osrvese que el denominador en 3.3.8 es el opuesto de la derivada del numerador.

Raphson, Joseph: Analysis Aequationum universalis, London, England, 1690.

_________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 21 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

PARMETROS BSICOS DEL MTODO NEWTON-RAPHSON

f(X Xn-1) f(X Xn)

_________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 22 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

UN ALGORITMO PARA EL MTODO DE NEWTON-RAPHSON

Calcule X1 mediante la ecuacin: Hacer X0 igual a X1.

5. Repetir el paso 3 hasta que |f(X0)| epsilon. 6. Mostrar X0

_________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 23 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

UN EJEMPLO DE APLICACIN PARA EL MTODO NEWTON-RAPHSON

_________________________________________________________________________________ walvarem@unalmed.edu.co Pgina 3 - 25 Capitulo 3.- Solucin de Ecuaciones no-lineales, f(x) = 0.

VENTAJAS Y DESVENTAJAS DEL MTODO NEWTON-RAPHSON