Escolar Documentos
Profissional Documentos
Cultura Documentos
Integrantes:
•Erick Flores
•Mariela Flores
•Erick Granja
•Jazmín Guadamud
•Dayana Morales
•Karina Pulamarín
•Karla Quishpi
•Diana Yugcha
Semestre: cuarto
Paralelo: 1
Quito – Ecuador
2019-2019
1. Métodos iterativos para resolver 𝒙 = 𝒈(𝒙)
• técnica fundamental de la
Iteración computación científica
Este proceso puede continuarse indefinidamente y es fácil probar que se verifica que el
lim 𝑝𝑛 = +∞ . La sucesión 𝑝𝑘 es una solución numérica de la ecuación diferencial 𝑦 ′ =
𝑛→∞
0.001𝑦 . Se sabe que la solución de esta ecuación es 𝑦 𝑥 = 𝑒 0.001𝑥 . De hecho, si
comparamos el termino centésimo de la sucesión con 𝑦 100 , vemos que 𝑝100 =
1.105116 ≈ 1.105171 = 𝑒 0.1 = 𝑦(100).
2. Método de bisección
𝑓 𝑏 −𝑓 𝑎 0−𝑓 𝑏 𝑓 𝑏 ∗ 𝑏−𝑎
𝑚1 = 𝑚2 → = → 𝑐=𝑏−
𝑏−𝑎 𝑐−𝑏 𝑓 𝑏 −𝑓(𝑎)
Si extendemos este análisis hasta que el intervalo
analizado sea tan pequeño en tanto que la raíz de la
función f se encuentre dentro, en cada aproximación al
cero se tiene que:
𝑓 𝑏𝑛 ∗ 𝑏𝑛 − 𝑎𝑛
𝑐𝑛 = 𝑏𝑛 −
𝑓 𝑏𝑛 − 𝑓(𝑎𝑛 )
De modo que la sucesión {cn} converge al cero de la
función f. Sin embargo, hay que tener en cuenta que si la
curva de la función f es convexa cerca de su raíz o cero,
entonces uno de los extremos de cada intervalo [an,bn]
permanece estacionario mientras que el otro converge
hacia la raíz r.
EJEMPLO:
Obtenemos:
𝑥𝑛 +1
(𝑥𝑛 − 𝑥𝑛−1 )(𝑥 3 𝑛 + 2 𝑥 2 𝑛 + 10𝑥𝑛 − 20)
= 𝑥𝑛 −
(𝑥 3 𝑛 + 2 𝑥 2 𝑛 + 10𝑥𝑛 − 20) − (𝑥 3 𝑛−1 + 2 𝑥 2 𝑛−1 + 10𝑥𝑛−1 − 20
𝑥2 = 1.53846
Los Valores Posteriores son:
n Xn | Xn+1 – Xn |
0 0.00000
1 1.00000 1.00000
2 1.53846 0.53846
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881 0.00090
EN MATLAB
7. Los métodos de Aitken,
Steffensen y Muller
Este método depende del conocimiento previo del orden de la raíz.
Una técnica conocida como método ∆2 𝑑𝑒 𝐴𝑖𝑡𝑘𝑒𝑛 permite acelerar la
convergencia de cualquier sucesión que sea linealmente
convergente. Para presentar esta técnica necesitamos una
definición previa.
7.1 El método de Aitken
∞
Definición: Dada la sucesión 𝑝𝑛 𝑛=0 ,se define la diferencia progresiva
∆𝑝𝑛 mediante
(1) ∆𝑝𝑛 = 𝑝𝑛+1 − 𝑝𝑛 para 𝑛 ≥ 0
Las potencias superiores ∆𝑘 𝑝𝑛 se definen de manera recursiva mediante
(2)∆𝑘 𝑝𝑛 = ∆𝑘−1 ∆𝑝𝑛 para 𝑘 ≥ 2
Teorema (Aceleración de Aitket). Sea 𝑝𝑛 ∞ 𝑛=0 una sucesión que converge
linealmente a su límite p y tal que 𝑝 − 𝑝𝑛≠0 para todo 𝑛 ≥ 0.Si existe un
numero real 𝐴 con 𝐴 > 1 y tal que
𝑝−𝑝𝑛+1
(3) lim =𝐴
𝑛→∞ 𝑝−𝑝𝑛
∞
Entonces la sucesión 𝑞𝑛 𝑛=0 definida por
∆𝑝𝑛 2 𝑝𝑛+1 −𝑝𝑛 2
(4) 𝑞𝑛 = 𝑝𝑛 − = 𝑝𝑛 −
∆2 𝑝𝑛 𝑝𝑛+2 −2𝑝𝑛+1 +𝑝𝑛
∞
Converge a p más rápidamente que 𝑝𝑛 𝑛=0 , en el sentido de que
𝑝−𝑞𝑛
(5) lim =0
𝑛→∞ 𝑝−𝑝𝑛
Demostración; Mostraremos como se deduce la formula (4)
𝑝−𝑝𝑛+1 𝑝−𝑝𝑛+2
(6) ≈𝐴 y ≈ 𝐴 cuando n es grande
𝑝−𝑝𝑛 𝑝−𝑝𝑛+1
Esta fórmula (16) es equivalente a la formula habitual para hallar las raíces
de una ecuación de segundo grado; pero. En este caso, (16) es mejor porque
ya sabemos que 𝑐 = 𝑓 𝑝2 .
Para asegurar la estabilidad del método hay que elegir la raíz (16) que tenga
menor valor absoluto; así .si 𝑏 > 0, entonces usamos el signo positivo de la
raíz cuadrada, mientras que si 𝑏 < 0 , entonces usamos el signo positivo. El
nuevo punto 𝑝3 , que se muestra en la Figura 2.17, viene dado por
(17) 𝑝3 = 𝑝2 + 𝑧
8. COMPARACIÓN DE MÉTODOS
El método más sencillo es el de bisección, que siempre es convergente. Tiene la
desventaja de que su velocidad de convergencia es baja. Es totalmente conveniente
como un método preliminar para hacer aproximaciones rústicas de las soluciones, las
cuales después se pueden mejorar con métodos más perfeccionados. Cuando se
satisfacen las condiciones para la convergencia, se deben usar métodos como el de la
secante o el método de Newton-Raphson.
El método de Steffensen puede usarse junto con la función de iteración del método de
𝑓(𝑥)
Newton-Raphson 𝑔 𝑥 = 𝑥 − ′ . En los dos ejemplos siguientes nos vamos a
𝑓 (𝑥)
plantear el cálculo de las raíces del polinomio 𝑓 𝑥 = 𝑥 3 − 3𝑥 + 2, para el cual la
2𝑥 3 −2
función de iteración del método de Newton-Raphson es 𝑔 𝑥 = .
3𝑥 2 −3
Ejemplo 8-1: Convergencia cerca de una raíz simple
𝑓 𝑥 = 𝑥 3 − 3𝑥 + 2 con raíz simple 𝑝 = −2
𝑓 𝑥 = 𝑥 3 + 2𝑥 2 + 10𝑥 − 20 = 0
Si 𝑥0 = 1
𝑘𝑡𝑒
𝑥 = 𝑖−1
𝑎𝑥 + 𝑏𝑥 𝑖−2 + 𝑐𝑥 𝑖−3
20
𝑥= 2
𝑥 + 2𝑥 + 10
• Primera iteración:
Se elige un valor inicial 𝑥0 = 1 y se calcula 𝑥1 𝑦 𝑥2
𝑥1 = 1.53846
𝑥2 = 1.29502
Se aplica ahora una ecuación para acelerar la convergencia:
(𝑥 − 𝑥 )2
, 𝑖+1 𝑖
𝑥 𝑖 = 𝑥𝑖 −
𝑥𝑖+2 − 2𝑥𝑖+1 + 𝑥𝑖
Donde 𝑖 ≥ 0
Primera iteración:
2
(1.53846 − 1)
𝑥 ,0 = 1 −
1.29502 − 2 1.53846 + 1
𝑥4 = 1.36792
𝑥5 = 1.36920
Aplicamos nuevamente la ecuación para acelerar la
convergencia a 𝑥3 . 𝑥4 𝑦 𝑥5 se llega a:
(1.36792 − 1.37081)2
𝑥 ,1 = 𝑥6 = 1.37081 − = 1.36881
1.36920 − 2 1.36792 + 1.37081
Luego con el criterio de exactitud se tiene:
|f 𝑥 |=0.0000399<10−3
Y así el problema queda resuelto, y así podemos ponerlo en Matlab:
format long
x0=1;eps=0.001;
for i=1:10
x1=20/(x0^2+2*x0+10);
x2=20/(x1^2+2*x1+10);
x=x0-(x1-x0)^2/(x2-2*x1+x0);
dist=abs(x-x0);
disp ([x1,x2,x])
if dist < eps
break
end
x0=x;
end
¡GRACIASPOR SU
ATENCIÓN!