Solución de ecuaciones escalares

Puntos Fijos

Introducción

Ÿ Definición

Un punto fijo para una función g es un número p para el cual g (p) = p.

Por ejemplo, la función

g HxL = x, 0 £ x £ 1
tiene puntos fijos para cada x en el intervalo [0,1].

La importancia de este método numérico radica en que se puede establecer una

equivalencia entre encontrar las raíces de una función f (x) y encontrar un punto fijo para
la función g, donde g se puede definir, por ejemplo, como g (x) = x - f (x) ó g (x) = x - 3 f
(x).

Nuestro primer objetivo será decidir cuando una función tiene un punto fijo y como
determinar este punto. El siguiente resultado proporciona las condiciones bajo las cuales
se garantiza la existencia y unicidad de un punto fijo.

Ÿ Teorema 1 (Existencia y unicidad)

Si g es una función continua en el intervalo [a,b] y g (x) Î [a,b] " x Î [a,b],

entonces g tiene un punto fijo en [a,b]. Supongamos además que g '(x) existe
en (a,b) y que 0 < k < 1 es una constante tal que
g ' HxL b k < 1, " x Î Ha, bL, (1)
entonces el punto fijo en [a,b] es único.
2 Punto [Link]

Import@"K:\Terecer
Semestre\Materias\Análisis Numérico\Punto Fijo\[Link]"D

DEMOSTRACIÓN Si g (a) = a ó g(b) = b, la existencia de un punto fijo es clara.

Supongamos que esto no es cierto; entonces se debe cumplir que g (a) > a y g (b) < b.
Sea h (x) = g (x) - x, entonces, como g es continua, h es también continua en [a,b] y
h HaL = g HaL - a > 0, h HbL = g HbL - b < 0. (2)
El Teorema del Valor Intermedio implica que existe p Î (a, b) , para el cual h (p) = 0.
Entonces es claro que g (p) - p = 0 y p es un punto fijo de la función g.
Ahora, supongamos que la desigualdad (1) se cumple, y sean p, q dos puntos fijos
en [a,b] tales que p ¹ q. Por el Teorem del valor Medio, existe un punto Ξ entre p y q tal que
g HpL - g HqL
g' HΞL = . (3)
p-q

Entonces
p-q = g HpL -g HqL = g' HΞL ÈÈ p - q bk p-q < p-q !

Esta contradicción proviene de haber supuesto que p ¹ q. Por lo tanto p = q y el punto

medio en [a,b] es único.

Un método iterativo

Ÿ Definición

Sea g una función con valores en R y continua en el intervalo [a,b]. Supongamos que g
(x) Î [a,b] " x Î [a,b]. Dado x0Î [a,b] la recursión definida por
xk+1 = g Hxk L, k = 0, 1, 2, ... (4)
se dice que es una iteracón simple.
OBSERVACIÓN Si la secuencia 8xk <k r 0 definida en (4) converge, entonces el limite es el
punto fijo de g, pues como g es continua en [a,b], se tiene que
Punto [Link] 3

p = lim pk = lim g Hpk-1 L = g Jlim pk-1 N = g HpL

k®¥ k®¥ k®¥

siempre y cuando p Î (a,b). Este método se conoce iteración de punto fijo o iteración
funcional.

Ÿ Teorema 2 (Punto fijo)

Sea g una función continua en [a,b] y supongamos que g(x)Î [a,b] " x Î [a,b]. Supong-
amos que g' existe en (a,b) con
g' HxL b k < 1 " x Î Ha, bL. (5)
Si p0 es cualquier número en [a,b], entonces la secuencia definida por
pn = g Hpn-1 L n r 1,
converge al único punto fijo p Î [a,b].
DEMOSTRACIÓN Por el primer Teorema existe un único punto en [a,b]. Como g :
[a,b] ™ [a,b], la sucesión 8pn<n r 0 está definida para toda n r 0 y pn Î [a,b] para toda
n. Utilizando la desigualdad (5) y por el Teorema del Valor Medio, se tiene que
pn - p
g' HΞL ÈÈ pn-1 - p
(6)
bk pn-1 - p ,
donde Ξ Î (a,b). Al aplicar esta desigualdad de manera inductiva se tiene que
pn - p bk pn-1 - p b k2 pn-2 - p b ... b kn p0 - p . (7)
Como 0 b k < 1, entonces
lim pn - p b lim kn p0 - p = 0,
n®¥ n®¥

y entonces 8pn<n r 0 converge a p.

4 Punto [Link]

Import@"C:\Users\KODAMA\Desktop\Punto Fijo\Antia [Link]"D

Ÿ Corolario (Error)

Si g satisface las hipótesis del Teorema 2, las cotas para el error involucrado al
usar pn para aproximar p están dadas por
pn - p b kn máx 8p0 - a, b - p0 <
y
kn
pn - p b p0 - p1 , " n r 1.
1-k
DEMOSTRACIÓN La primer cota se sigue de la desigualdad (7), pues
pn - p b kn p0 - p b kn máx 8p0 - a, b - p0 <,
pues pÎ [a,b]. Ahora, para n r 1
pn+1 - pn = g Hpn L - g Hpn-1 L bk pn - pn-1 b ... b kn p1 - p0 ,
Para m > n r 1,
Punto [Link] 5

pm - pn = pm - pm-1 + pm-1 - ... + pn+1 -

b pm - pm-1 + pm-1 - pm-2 + ... + pn-1 - pn

b km-1 p1 - p0 + km-2 p1 - p0
+ ... + kn p1 - p0

= kn I1 + k + k2 + ... + km-n-1 M
p1 - p0 .
Como limm ® ¥ pm = p, entonces

â ki ,
¥
p - pn = lim pm - pn b kn p1 - p0
m®¥
i=0

y como 0 b k < 1, se tiene que

kn
p - pn b p0 - p1 .
1-k

Algoritmo (Puntos Fijos)

Para encontrar una solución a p = g(p) en [a,b] dada una una aproximación inicial p0 :

INPUT: valor inicial p0, número máximo de iteraciones N.

OUTPUT: solución aproximada p y g(p).

æ PASO 1: Iniciar i = 1.
æ PASO 2 : Si i < N, hacer los pasos 3-5.
æ PASO 3: Sea p = g(p0). (cálculo de pi L
æ PASO 4: Sea i = i+1.
æ PASO 5: Sea p0 = p. (actualización de p0)
æ PASO 6: OUTPUT ( "pi ", i = 0,...,N), ( " p " ), ( " g(p) " ).
6 Punto [Link]

Ejemplo

ã Rutina en Mathematica

FixedPointIteration@x0_, max_D :=
Module@8<,
p0 = N@x0D;
k = 0;
Print@" p"0 , " = ", PaddedForm@p0 , 815, 15<DD;
While@k < max,
Module@8<,
p1 = g@p0 D;
k = k + 1;
Print@" p"k , " = ", PaddedForm@p1 , 815, 15<D D;
p0 = p1 ; D; D;
p = p0 ;
Print@" "D;
Print@"La función es g@xD = ", g@xDD;
Print@" p = ", PaddedForm@p, 815, 15<DD;
Print@"g@pD = ", PaddedForm@g@pD, 815, 15<DD; D;

Mediante el método de punto fijos vamos a determinar los puntos fijos de

g HxL = 1 + x -
x2
3
Primero gráficamos la función para determinar visualmente los posibles puntos fijos:
Punto [Link] 7

x2
g@x_D = 1 + x - ;

gr1 = Plot@8x, g@xD<, 8x, -2, 4<D

3

gr1 = PlotB8x, g@xD<, 8x, 0, 4.82<,

PlotRange ® 880, 4<, 80, 3<<, AspectRatio ® F

3
4
4

-2 -1 1 2 3 4

-1

-2

3.0

2.5

2.0

1.5

1.0

0.5

0.0
0 1 2 3 4

Ahora vamos a utilizar la rutina programada en Mathematica para encontrar el

punto fijo:

[email protected], 7D;
8 Punto [Link]

p0 = 3.000000000000000

p1 = 1.000000000000000

p2 = 1.666666666666670

p3 = 1.740740740740740

p4 = 1.730681298582530

p5 = 1.732262046161430

p6 = 1.732018113970970

p7 = 1.732055864929790

x2
La función es g@xD = 1 + x -
3
p = 1.732055864929790

g@pD = 1.732050025183900

¿Son 7 iteraciones suficiente para localizar el punto fijo?

[email protected], 20D;
Punto [Link] 9

p0 = 3.000000000000000

p1 = 1.000000000000000

p2 = 1.666666666666670

p3 = 1.740740740740740

p4 = 1.730681298582530

p5 = 1.732262046161430

p6 = 1.732018113970970

p7 = 1.732055864929790

p8 = 1.732050025183900

p9 = 1.732050928604050

p10 = 1.732050788844670

p11 = 1.732050810465520

p12 = 1.732050807120770

p13 = 1.732050807638200

p14 = 1.732050807558150

p15 = 1.732050807570540

p16 = 1.732050807568620

p17 = 1.732050807568920

p18 = 1.732050807568870

p19 = 1.732050807568880

p20 = 1.732050807568880

x2
La función es g@xD = 1 + x -
3
p = 1.732050807568880

g@pD = 1.732050807568880
10 Punto [Link]

P = 83.0<;
For@ i = 2, i £ 8, i++,
P = Append@P, g@PP-1T D D D;
pts = 88PP1T , 0<<;
For@ i = 1, i £ Length@PD - 1, i++,
pts = Append@pts, 8PPiT , PPi+1T < D;
pts = Append@pts, 8PPi+1T , PPi+1T < D;
D;
lin1 = ListPlotBpts, PlotJoined ® True, PlotRange ®

880, 4.82<, 80, 2.1<<, AspectRatio ®

2.1
, PlotStyle ® BlueF;
4.82

ShowBgr1, lin1, PlotRange ® 880, 4<, 80, 3<<, AspectRatio ® F

3
4
3.0

2.5

2.0

1.5

1.0

0.5

0.0
0 1 2 3 4

Ahora vamos a establecer una solución numérica, mediante el comando FindRoot (que lo hace
mediante el método de Newton si sólo se le da un valor inicial, y por una variación del método de la secante si se dan dos valores

iniciales) para la ecuación

x2
1+x- =x (8)
3
esto con el fin de verificar nuestro el algoritmo planteado.

eqn = g@xD Š x;
solset = FindRoot@eqn, 8x, 0.5<D;
p = solsetP1,2T ;
Print@" p = ", NumberForm@p, 16D D;
Print@" g@pD = ", NumberForm@g@pD, 16D D;

p = 1.732050807568877

g@pD = 1.732050807568878

En efecto, la solución obtenida es congruente con el punto fijo que se habia encontrado.
Pero la forma de g permite establecer una solución analítica a la Ecuación (8), esto medi-
ante el comando Solve de Mathematica:
Punto [Link] 11

En efecto, la solución obtenida es congruente con el punto fijo que se habia encontrado.
Pero la forma de g permite establecer una solución analítica a la Ecuación (8), esto medi-
ante el comando Solve de Mathematica:

eqn = g@xD Š x;
solset = Solve@g@xD Š x, xD;
p = solsetP2,1,2T ;
Print@" ", solsetD;

::x ® - 3 >, :x ® 3 >>

Print@" g@pD = ", g@pDD;

Print@" g@pD = ", g@- pDD;

g@pD = 3

g@pD = - 3

Entonces se tienen dos puntos fijos, lo que se habia confirmado desde un principio por
medio de la gráfica de g. Ahora investigemos el comportamiento de la iteración para est-
ablecer el punto fijo p = - 3 :

gr2 = Plot@8x, g@xD<, 8x, -7, 0<,

PlotRange ® 88-7, 0<, 8-7, 0<<, AspectRatio ® 1D

-7 -6 -5 -4 -3 -2 -1

-1

-2

-3

-4

-5

-6

-7

Ahora vamos a utilizar nuestra rutina, con p0 = - 2 y con cinco iteraciones:

[email protected], 5D;
12 Punto [Link]

p0 = -2.000000000000000

p1 = -2.333333333333330

p2 = -3.148148148148150

p3 = -5.451760402377680

p4 = -14.358990897355400

p5 = -82.085864094134200

x2
La función es g@xD = 1 + x -
3
p = -82.085864094134200

g@pD = -2327.115558787690000

¿Qué es lo que sucede? ¿Por qué la serie generada con nuestro algoritmo no converge al
punto fijo p = - 3 ? Recordemos que, por el teorema de punto fijo, una condición nece-
saria para que la serie converga es que | g'(p) | < k b 1. Es decir,
Si p0 pertenece a una vecindad del punto fijo p y g '@pD < 1, entonces la iteración
converge a p.

Si p0 pertenece a una vecindad del punto fijo p y g '@pD > 1, entonces la iteración no
converge a p.

Print@"La función es g@xD = ", g@xDD;

Print@"Su derivada es g'@xD = ", g'@xDD;
p= 3 ;
Print@"Èg'@", p, "DÈ = ",
N@Abs@g'@pDDD , " H SI CONVERGE L"D;
p=- 3 ;
Print@"Èg'@", p, "DÈ = ",
N@Abs@g'@pDDD, " H NO CONVERGE L" D;
x2
La función es g@xD = 1 + x -
3
2x
Su derivada es g'@xD = 1 -
3

Èg'@ 3 DÈ = 0.154701 H SI CONVERGE L

Èg'@- 3 DÈ = 2.1547 H NO CONVERGE L

De hecho la divergencia se puede comprobar gráficamente:

Punto [Link] 13

P = FixedPointList@g, -2.0, 10D;

pts = 88PP1T , 0<<;
For@i = 1, i £ Length@PD - 1, i++,
pts = Append@pts, 8PPiT , PPi+1T < D;
pts = Append@pts, 8PPi+1T , PPi+1T < D;
D;
lin2 = ListPlot@pts, PlotJoined ® True, PlotRange ®
88-7, 0<, 8-7, 0<<, AspectRatio ® 1, PlotStyle ® BlueD;
Show@gr2, lin2, PlotRange ® 88-7, 0<, 8-7, 0<<, AspectRatio ® 1D

-7 -6 -5 -4 -3 -2 -1

-1

-2

-3

-4

-5

-6

-7

Puntos fijos en Rn

Vamos a estudiar la convergencia del comportamiento de una serie xi que ha sido gener-
ada por una función de iteración F:
xi+1 = F Hxi L, i = 0, 1, 2, ...
en la vecindad de un punto fijo Ξ de F. Nos vamos a concentrar en el caso en donde el
espacio métrico y normado corresponde a Rn. Usando una norma || • || en Rn podemos
medir la diferencia entre dos vectores X y Y en Rn mediante || X - Y ||. Una serie de vec-
tores Xi Î Rn converge al vector X si para toda Ε > 0 existe un entero N (Ε ) tal que
ÈÈ Xl - X ÈÈ < Ε " l r N HΕL.
Se puede verificar que esta definición de convergencia es independiente de la elección de
la norma. Finalmente, el espacio Rn es completo en el sentido de que el criterio de
Cauchy se satisface:
Una secuencia xi Î
R n es convergente si y sólo si para cada Ε > 0 existe N HΕL Î
N tal que ÈÈ xl - xm ÈÈ < Ε " l, m r N HΕL.
14 Punto [Link]

Una secuencia xi Î
R n es convergente si y sólo si para cada Ε > 0 existe N HΕL Î
N tal que ÈÈ xl - xm ÈÈ < Ε " l, m r N HΕL.
Sea F una función iterativa en Rn. Sea Ξ un punto fijo de F. Para cualquier vector inicial x0
tomado de una vecindad de N (Ξ) y para la secuencia generada xi+1 = F Hxi L, i = 0,1,2,...
la desigualdad
ÈÈ xi+1 - Ξ ÈÈ b C ÈÈ xi+1 - Ξ ÈÈp
se cumple para toda i r 0, donde C < 1 si p = 1. Entonces el método iterativo definido
definido por F se dice que es un método de orden p - ésimo para determinar Ξ.

Ÿ Teorema 3

Todo método de orden p - ésimo para determinar un punto fijo Ξ es localmente conver-
gente, en el sentido en que existe una vecindad N (Ξ) de Ξ con la propiedad de que para
todo vector inicial x0 Î N (Ξ), la secuencia xi generada por F converge a Ξ.

ã OBSSi N (Ξ) se considera como Rn, entonces se dice que el método es globalmente
convergente.

Ÿ Teorema 4

Si la función F : Rn® Rn tiene un punto fijo F (Ξ) = Ξ. Además si Sr (Ξ) : ={ Z : || Z - Ξ || < r }

es una vecindad de Ξ tal que F es una mapeo contractivo en Sr (Ξ) , es decir
ÈÈ F HXL - F HYL ÈÈ b K ÈÈ X - Y ÈÈ, 0bK<1
para culesquiera vectores X, Y Î Sr (Ξ) . Entonces para todo x0Î Sr (Ξ) la suseción gener-
ada xi+1 = F Hxi L, i = 0,1,2,... satisface las siguientes propiedades:

a) xi Î Sr (Ξ) " i = 0, 1, 2, ...

b) || xi+1 - Ξ || b K || xi - Ξ || b K i+1 ÈÈ x0 - Ξ ||,

es decir, xi converge, al menos linealmente.

Punto [Link] 15

Ÿ Teorema 5 (Puntos Fijos en Rn )

Sea F : Rn® Rn una función iterativa, x0 Î Rn un vector inicial, y xi+1 = F Hxi L, i = 0,1,2,...
. Además sea Sr (x0) : = { x : || x - x0 || < r } una vecindad de x0 y existe una constante K,
0 < K < 1, tal que

a) || F (x) - F (y) || b K || x - y ||, " x, y Î Sr Hx0L := { x : || x - x0 || b r },

b) || x1 - x0 || = || F (x0) - x0 || b (1 - K ) r < r.

Entonces se sigue que

1) xi Î Sr (x0) " i = 0,1,2,...

2) F tiene exactamente un punto fijo, Ξ, en Sr (x0) y
lim xi = Ξ, ÈÈ xi+1 - Ξ ÈÈ b K ÈÈ xi - Ξ ÈÈ,
i®¥

así como

ÈÈ xi - Ξ ÈÈ £ ÈÈ xi - x0 ÈÈ .
Ki
1-K