[Link] Análisis de error y técnicas de aceleración — Cap.

CAPITULO X. ANALISIS DE ERROR Y TECNICAS DE ACELERACION

1. ANALISIS DE LOS ERRORES PARA METODOS ITERATIVOS

Este capı́tulo se dedica a investigar el orden de convergencia de los esquemas de

iteración funcional y, con la idea de obtener una convergencia rápida, reutilizar el método
de Newton. Consideraremos también maneras de acelerar la convergencia del método de
Newton en circunstancias especiales. Pero, antes, tenemos que definir un procedimiento
para medir la rapidez de la convergencia.
Definición
Supongamos que {pn }∞ n=0 es una sucesión que converge a p y que en = pn − p para
cada n ≥ 0. Si existen dos números positivos λ y α tales que

|pn+1 − p| |en+1 |
lim α
= lim =λ,
n→∞ |pn − p| n→∞ |en |α

entonces se dice que {pn }∞

n=0 converge a p de orden α, con una constante de error
asintótico λ.
A una técnica iterativa para resolver un problema de la forma x = g(x) se le denomina
de orden α si, siempre que el método produce convergencia para una sucesión {pn }∞ n=0
donde pn = g(pn−1 ) para n ≥ 1, la sucesión converge a la solución de orden α.
En general, una sucesión con un orden de convergencia grande convergerá más
rápidamente que una sucesión con un orden más bajo. La constante asintótica afectará
la rapidez de convergencia, pero no es tan importante como el orden. Se dará atención
especial a dos casos:
i) si α = 1, entonces el método se denomina lineal;
ii) si α = 2, entonces el método se denomina cuadrático.
Ejemplo 1.
Supongamos que queremos encontrar una solución aproximada de g(x) = x, usando
el esquema de iteración de punto fijo pn = g(pn−1 ) para toda n ≥ 1. Supongamos
también que g manda el intervalo [a, b] a sı́ mismo y que existe un número positivo k tal
que |g 0 (x)| ≤ k < 1 para todo x ∈ [a, b]. El Teorema VII.2 implica que g tiene un punto
fijo único p ∈ [a, b] y que si p0 ∈ [a, b] entonces la sucesión de punto fijo {pn }∞
n=0 converge
0
a p. Se mostrará que la convergencia es lineal, siempre que g (p) 6= 0. Si n es cualquier
entero positivo, entonces

en+1 = pn+1 − p = g(pn ) − g(p) = g 0 (ξn ) (pn − p) = g 0 (ξn ) en ,

donde ξn está entre pn y p. Como {pn }∞ ∞

n=0 converge a p, {ξn }n=0 también converge a p.
Suponiendo que g 0 es continua en [a, b], tenemos que

lim g 0 (ξn ) = g 0 (p) ,

n→∞

105
[Link] Análisis de error y técnicas de aceleración — Cap. X

y por lo tanto,

en+1 |en+1 |
lim = lim g 0 (ξn ) = g 0 (p) , y lim = |g 0 (p)| .
n→∞ en n→∞ n→∞ |en |

Por lo tanto, la iteración del punto fijo exhibe convergencia lineal si g 0 (p) 6= 0. La
convergencia de orden mayor puede ocurrir sólo cuando g 0 (p) = 0.
Ejemplo 2.
Supongamos que tenemos dos esquemas iterativos convergentes descritos por

|en+1 |
lim = 0.75 , un método lineal,
n→∞ |en |

y
|ẽn+1 |
lim = 0.75 , un método cuadrático.
n→∞ |ẽn |2

Supongamos también, por simplicidad, que

|en+1 | |ẽn+1 |
≈ 0.75 y ≈ 0.75 .
|en | |ẽn |2

Para el esquema de convergencia lineal, esto significa que

|en | ≈ 0.75 |en−1 | ≈ (0.75)2 |en−2 | ≈ . . . ≈ (0.75)n |e0 | ,

mientras que el procedimiento convergente cuadráticamente tiene

|ẽn | ≈ 0.75 |ẽn−1 |2 ≈ (0.75) [(0.75) |ẽn−2 |2 ]2 = (0.75)3 |ẽn−2 |4

n n
≈ (0.75)3 [(0.75) |ẽn−3 |2 ]4 = (0.75)7 |ẽn−3 |8 ≈ . . . ≈ (0.75)2 −1
|ẽ0 |2 .

Para comparar la rapidez de convergencia supondremos que |e0 | = |ẽ0 | = 0.5 y usaremos
las estimaciones para determinar el valor mı́nimo de n necesario para obtener un error
que no exceda de 10−8 . Para el método lineal, esto implica que n debe ser tal que

|en | = (0.75)n |e0 | ≤ 10−8 ,

esto es
log10 2 − 8
n≥ ≈ 62 .
log10 0.75
Para el método de convergencia cuadrática
n n n
|ẽn | = (0.75)2 −1
|ẽ0 |2 = (0.75)−1 (0.375)2 ≤ 10−8 ,

implica que
2n log10 0.375 ≤ log10 0.75 − 8 ,

y por lo tanto,
log10 0.75 − 8
2n ≥ ≈ 19.1 ,
log10 0.375

106
[Link] Análisis de error y técnicas de aceleración — Cap. X

ası́ que
n≥5.

En estas circunstancias, el método convergente cuadráticamente, requiriendo sólo 5 itera-

ciones es muy superior al lineal requiriendo 62.

2. TECNICAS DE ACELERACION Y
FORMULA DE NEWTON GENERALIZADA
Vamos ahora a determinar y caracterizar esquemas de iteración funcional cuadrática.
Teorema X.1
Sea p una solución de x = g(x). Supongamos que g 0 (p) = 0 y g 00 es continua en un
intervalo abierto que contiene a p. Entonces existe un δ > 0 tal que, para p0 ∈ [p−δ, p+δ],
la sucesión definida por pn = g(pn−1 ), para toda n ≥ 1, es convergente cuadráticamente.
Demostración: escogeremos δ > 0 tal que en el intervalo [p − δ, p + δ], |g 0 (x)| ≤ k < 1 y
g 00 sea continua. Como |g 0 (x)| ≤ k < 1 se sigue que los términos de la sucesión {pn }∞
n=0
están contenidos en [p − δ, p + δ]. Desarrollando g(x) en un polinomio de Taylor lineal
para x ∈ [p − δ, p + δ] resulta

0 g 00 (ξ)
g(x) = g(p) + g (p)(x − p) + (x − p)2 ,
2
donde ξ está entre x y p. Usando las hipótesis g(p) = p y g 0 (p) = 0, tenemos que:

g 00 (ξ)
g(x) = p + (x − p)2 .
2
En particular, cuando x = pn para algún n,

g 00 (ξn )
pn+1 = g(pn ) = p + (pn − p)2
2
con ξn entre pn y p. Por lo tanto,

g 00 (ξn ) 2
pn+1 − p = en+1 = en .
2
Como |g 0 (x)| ≤ k < 1 en [p − δ, p + δ], y g manda [p − δ, p + δ] a sı́ mismo, del Teorema
VII.2 tenemos que {pn }∞ ∞
n=0 converge a p. Como ξn está entre p y pn para cada n, {ξn }n=0
converge también a p, y
|en+1 | |g 00 (p)|
lim = .
n→∞ |en |2 2
Esto implica que la sucesión {pn }∞
n=0 converge cuadráticamente. c.q.d.
Para usar el Teorema X.1 para resolver una ecuación de la forma f (x) = 0, supon-
gamos que la ecuación f (x) = 0 tiene una solución p tal que f 0 (p) 6= 0. Consideremos el
esquema de punto fijo
pn = g(pn−1 ) , n≥1,

107
[Link] Análisis de error y técnicas de aceleración — Cap. X

con g de la forma
g(x) = x − φ(x) f (x) ,

donde φ es una función arbitraria que se escogerá más adelante.

Si φ(x) está acotada, entonces g(p) = p, y, para que el procedimiento iterativo
derivado de g sea cuadráticamente convergente, es suficiente que g 0 (p) = 0. Pero

g 0 (x) = 1 − φ0 (x) f (x) − φ(x) f 0 (x) y g 0 (p) = 1 − φ(p) f 0 (p) .

1
Consecuentemente, g 0 (p) = 0 si y sólo si φ(p) = .
f 0 (p)
En particular, se obtendrá convergencia cuadrática para el esquema

f (pn−1 )
pn = g(pn−1 ) = pn−1 − ,
f 0 (pn−1 )

el cual puede reconocerse como el método de Newton.

En la discusión anterior, se impuso la restricción de que f 0 (p) 6= 0, donde p es la
solución de f (x) = 0. De la definición del método de Newton, es claro que pueden
presentarse dificultades si f 0 (pn ) tiende a cero simultáneamente con f (pn ). En particular,
este método y el método de la secante traerán generalmente problemas si f 0 (p) = 0 cuando
f (p) = 0. Para examinar estas dificultades con más detalle haremos la siguiente definición.
Definición
Se dice que una solución p de f (x) = 0 es un cero de multiplicidad m de f si f (x)
puede escribirse como f (x) = (x − p)m q(x), para x 6= p, donde lim q(x) 6= 0.
x→p

Esencialmente q(x) representa la porción de f (x) que no contribuye al cero de f .

El siguiente resultado da una manera fácil de identificar a los ceros de las funciones que
tienen multiplicidad uno. A estos ceros se les llama simples.
Teorema X.2
Una función f ∈ C 1 [a, b] tiene un cero simple en p en (a, b) si y sólo si f (p) = 0, pero
f 0 (p) 6= 0.
El resultado del Teorema X.2 implica que existe un intervalo alrededor de p en el
cual el método de Newton converge cuadráticamente a p para cualquier aproximación
inicial, siempre y cuando p sea una raı́z simple. El ejemplo siguiente muestra que no
necesariamente hay convergencia cuadrática si la raı́z no es simple.
Ejemplo 3.
La función descrita por f (x) = ex − x − 1 tiene una raı́z de multiplicidad dos en
p = 0.
Para demostrar esto, consideremos la función

ex − x − 1
q(x) = .
x2
108
[Link] Análisis de error y técnicas de aceleración — Cap. X

Usando la regla de l’Hôpital,

ex − x − 1 ex − 1 ex 1
lim 2
= lim = lim = 6= 0 .
x→0 x x→0 2 x x→0 2 2
Por lo tanto,
x
2e −x−1
f (x) = (x − 0) ,
x2
ex −x−1
donde lim x2 6= 0, y la multiplicidad de la raı́z en p = 0 es dos.
x→0
Los términos generados por el método de Newton aplicado a f con p0 = 1 se muestran
en la tabla siguiente. Está claro que la sucesión no converge cuadráticamente a cero.
Tabla 1

n pn n pn
0 1.0 9 2.7750 × 10−3
1 0.58198 10 1.3881 × 10−3
2 0.31906 11 6.9424 × 10−4
3 0.16800 12 3.4716 × 10−4
4 0.08635 13 1.7358 × 10−4
5 0.04380 14 8.6773 × 10−5
6 0.02206 15 4.3329 × 10−5
7 0.01107 16 2.1635 × 10−5
8 0.005545

Una manera de atacar el problema de raı́ces múltiples consiste en definir una función
µ(x) por
f (x)
µ(x) = 0 .
f (x)
Si p es una raı́z de multiplicidad m ≥ 1, y f (x) = (x − p)m q(x), entonces

(x − p)m q(x) (x − p) q(x)

µ(x) = =
m (x − p)m−1 q(x) + (x − p)m q 0 (x) m q(x) + (x − p) q 0 (x)

tendrá también una raı́z en p, pero de multiplicidad uno. El método de Newton puede
entonces aplicarse a la función µ para dar

µ(x) f (x)/f 0 (x)

g(x) = x − = x −
µ0 (x) {[f 0 (x)]2 − f (x) f 00 (x)}/[f 0 (x)]2
o
f (x) f 0 (x)
g(x) = x − . (X.1)
[f 0 (x)]2 − f (x) f 00 (x)
La fórmula (X.1) se conoce como fórmula de Newton generalizada para raı́ces mul-
tiples.
Si g cumple con las condiciones de continuidad requeridas, la iteración funcional
aplicada a g tendrá convergencia cuadrática independientemente de la multiplicidad de la
raı́z. Teóricamente, las únicas desventajas de este método son los cálculos adicionales de

109
[Link] Análisis de error y técnicas de aceleración — Cap. X

f 00 (x) y el hecho de que el procedimiento es más laborioso para calcular las iteraciones. En
la práctica, sin embargo, la presencia de una raı́z múltiple puede causar serios problemas
de redondeo.
Ejemplo 4.
En el ejemplo 3 del capı́tulo XVI resolvimos f (x) = x3 + 4 x2 − 10 = 0 para la raı́z
p = 1.365230013. Para comparar la convergencia del método de Newton y el método de
Newton generalizado, ecuación (X.1), para una raı́z de multiplicidad uno, sea (i):

p3n−1 + 4 p2n−1 − 10
pn = pn−1 − , del método de Newton
3 p2n−1 + 8 pn−1

y, de la ecuación (X.1), (ii):

(p3n−1 + 4 p2n−1 − 10) (3 p2n−1 + 8 pn−1 )

pn = pn−1 − .
(3 p2n−1 + 8 pn−1 )2 − (p3n−1 + 4 p2n−1 − 10) (6 pn−1 + 8)

Con p0 = 1.5, las primeras iteraciones para (i) y (ii) son las siguientes.
Tabla 2
(i) (ii)
p1 1.373333333 1.356898976
p2 1.365262015 1.365195849
p3 1.365230014 1.365230013
p4 1.365230013 1.365230013

Ejemplo 5.
Para ilustrar la situación que se presenta en una raı́z múltiple, consideremos la
ecuación f (x) = x4 − 4 x2 + 4 = 0, que tiene una raı́z de multiplicidad dos en x =
√
2 = 1.414213562. Usar el método de Newton y la versión modificada (X.1) produce,
después de algunas simplificaciones, las sucesiones con términos (i):

p2n−1 − 2
pn = pn−1 − , del método de Newton
4 pn−1

y, (ii):
(p2n−1 − 2) pn−1
pn = pn−1 − , de la ecuación (X.1).
(p2n−1 + 2)
Con p0 = 1.5, las tres primeras iteraciones para (i) y (ii) nos dan lo siguiente:
Tabla 3
(i) (ii)
p1 1.458333333 1.411764706
p2 1.436607143 1.414211438
p3 1.425497619 1.414213562

La solución real correcta en 10−9 es la que aparece para p3 en (ii). Para obtener
esta precisión con el método normal de Newton-Raphson se requerirı́an 20 iteraciones.

110
[Link] Análisis de error y técnicas de aceleración — Cap. X

Ejemplo 6.
Consideremos la ecuación f (x) = x3 − 5 x2 + 3 x + 9 = 0, que tiene una raı́z de
multiplicidad dos en x = 3.0, dado que f (x) = x3 − 5 x2 + 3 x + 9 = (x − 3)2 (x + 1).
Para comparar la convergencia del método de Newton y el método de Newton general-
izado, ecuación (X.1), después de algunas simplificaciones, obtenemos las sucesiones con
términos (i):
(pn − 3) (pn + 1)
pn+1 = pn − ,
(3 pn − 1)
para el método de Newton-Raphson, y, (ii):

(pn − 3) (pn + 1) (3 pn − 1)
pn+1 = pn − ,
(3 p2n + 2 pn + 11)

para el método de Newton generalizado, ecuación (X.1).

Con p0 = 1.5, las iteraciones para (i) y (ii) nos dan los resultados siguientes:
Tabla 4
(i) (ii)
p0 2.5 2.5
p1 2.769230769 2.959595960
p2 2.888259109 2.999791764
p3 2.944944061 2.999999995
p4 2.972665472 3.000000000
p5 2.986379918
p10 2.999575778
p15 2.999986744
p20 2.999999586
p25 2.999999987
p29 2.999999999
p30 3.000000000

3. CONVERGENCIA ACELERADA Y EL ALGORITMO ∆2 DE AITKEN

En este apartado consideraremos una técnica, llamada método ∆2 de Aitken,
que se usa para acelerar la convergencia de cualquier sucesión que converja linealmente,
independentemente de su origen.
Supongamos que {pn }∞ n=0 es una sucesión linealmente convergente con lı́mite p; o
sea que, para en = pn − p,

|en+1 |
lim =λ y 0<λ<1.
n→∞ |en |

Para investigar la construcción de una sucesión {p̂n }∞

n=0 que converja más rápidamen-
te a p, supongamos que n es lo suficientemente grande para que el cociente pueda usarse
para aproximar el lı́mite. Si suponemos también que todas las en tienen el mismo signo,
entonces
en+1 ≈ λ en y en+2 ≈ λ en+1 .

111
[Link] Análisis de error y técnicas de aceleración — Cap. X

Ası́ que
pn+2 = en+2 + p ≈ λ en+1 + p
ó
pn+2 − p
pn+2 ≈ λ (pn+1 − p) + p o sea λ= . (X.2a, b) .
pn+1 − p
Reemplazando (n + 1) por n en las ecuaciones (X.2) da
pn+1 − p
pn+1 ≈ λ (pn − p) + p o sea λ= ; (X.3a, b)
pn − p
y resolviendo las ecuaciones (X.2) y (X.3) para p mientras se elimina λ nos lleva a que

pn+2 pn − p2n+1
p≈ ≈
pn+2 − 2 pn+1 + pn
p2 + pn pn+2 + 2 pn pn+1 − 2 pn pn+1 − p2n − p2n+1
≈ n ≈
pn+2 − 2 pn+1 + pn
(p2 + pn pn+2 − 2 pn pn+1 ) − (p2n − 2 pn pn+1 + p2n+1 )
≈ n ≈
pn+2 − 2 pn+1 + pn
(pn+1 − pn )2
≈ pn − .
pn+2 − 2 pn+1 + pn

El método ∆2 de Aitken está basado en la suposición de que la sucesión {p̂n }∞

n=0
definida por
(pn+1 − pn )2
p̂n = pn − , (X.4)
pn+2 − 2 pn+1 + pn
converge más rápidamente a p que la sucesión original {pn }∞
n=0 .

Ejemplo 7.
1
La sucesión {pn }∞
n=1 , donde pn = cos( n ), converge linealmente a p = 1. Los primeros
términos de la sucesión {pn }∞ ∞
n=1 y {p̂n }n=1 están dados en la siguiente tabla.
Tabla 5
n pn p̂n
1 0.54030 0.96178
2 0.87758 0.98213
3 0.94496 0.98979
4 0.96891 0.99342
5 0.98007 0.99541
6 0.98614
7 0.98981
Es evidente que {p̂n }∞ ∞
n=0 converge más rápidamente a p que {pn }n=0 .

La notación ∆ asociada con esta técnica tiene su origen en la siguiente definición.

Definición
Dada la sucesión {pn }∞
n=0 , se define la diferencia progresiva ∆pn mediante

∆pn = pn+1 − pn para n ≥ 0 .

112
[Link] Análisis de error y técnicas de aceleración — Cap. X

Las potencias mayores ∆k pn se definen recursivamente mediante

∆k pn = ∆k−1 (∆pn ) para k ≥ 2 .

Debido a la definición,

∆2 pn = ∆(pn+1 − pn ) =
= ∆pn+1 − ∆pn =
= (pn+2 − pn+1 ) − (pn+1 − pn ) =
= pn+2 − 2 pn+1 + pn .

Por lo tanto, la fórmula para p̂n dada en (X.4) se puede escribir como

(∆pn )2
p̂n = pn − para toda n ≥ 0 . (X.5)
∆2 pn

Para ilustrar el método ∆2 de Aitken de otra manera, supongamos que la sucesión

{pn }∞
n=0 converge al lı́mite p como una sucesión geométrica decreciente con factor k:

pn+1 − p = k(pn − p), |k| < 1 n = 0, 1, 2, . . . .

Entonces, k y p pueden ser obtenidos a partir de pn , pn+1 y pn+2 usando las ecuaciones

pn+1 − p = k(pn − p) ,
pn+2 − p = k(pn+1 − p) .

Haciendo la resta de estas ecuaciones:

pn+2 − pn+1
k= ,
pn+1 − pn
y sustituyendo en la primera ecuación, dado que k 6= 1:

k pn − pn+1 pn pn+2 − p2n+1

p= = ,
k−1 pn+2 − 2 pn+1 + pn

que es la misma ecuación (X.4).

Hasta ahora, en nuestra discusión del método ∆2 de Aitken, hemos dicho que la
sucesión {p̂n }∞ ∞
n=0 converge más rápidamente a p que la sucesión original {pn }n=0 , pero
no hemos dicho qué se entiende por convergencia más rápida. Los siguientes Teoremas
explican esta terminologı́a.
Teorema X.3
Sea {pn }∞n=0 cualquier sucesión que converja linealmente a un lı́mite p con en =
pn − p 6= 0 para toda n ≥ 0. Entonces la sucesión {p̂n }∞
n=0 converge a p más rápidamente
∞
que {pn }n=0 en el sentido de que
p̂n − p
lim =0.
n→∞ pn − p

113
[Link] Análisis de error y técnicas de aceleración — Cap. X

Demostración: si la sucesión converge linealmente a p con en = pn − p 6= 0, ∀n ≥ 0,

|en+1 |
entonces lim |en | = λ. Supongamos que n es lo suficientemente grande para que el
n→∞
cociente pueda usarse para aproximar el lı́mite y que toda las en tienen el mismo signo,
entonces en+1 ≈ λ en . Ahora calculamos el cociente:
2 2
(pn+1 −pn ) (pn+1 −pn )
p̂n − p pn − pn+2 −2 pn+1 +pn − p en − pn+2 −2 pn+1 +pn
= = =
pn − p pn − p en
1 (pn+1 − pn + p − p)2 (en+1 /en )2 − 2 en+1 /en + 1
= 1− =1− .
en pn+2 − 2 pn+1 + pn + 2 p − 2 p en+2 /en − 2 en+1 /en + 1

Pasando al lı́mite para n → ∞ obtenemos:

p̂n − p h λ2 − 2 λ + 1 i
lim = lim 1 − 2 =1−1=0 .
n→∞ pn − p n→∞ λ −2 λ+1
c.q.d.
Teorema X.4
Sea {pn }∞n=0 cualquier sucesión que se comporte asintóticamente como una sucesión
geométrica, es decir existe k, |k| < 1, tal que

pn+1 − p = (k + δn ) (pn − p), lim δn = 0 .

n→∞

Entonces la sucesión {p̂n }∞ ∞

n=0 converge a p más rápidamente que {pn }n=0 en el sentido
de que
p̂n − p
lim =0.
n→∞ pn − p

Demostración: por hipótesis el error en = pn −p satisface en+1 = (k +δn ) en . Entonces:

pn+2 − 2 pn+1 + pn = en+2 − 2 en+1 + en =

= en [(k + δn+1 ) (k + δn ) − 2 (k + δn ) + 1] =
= en ((k − 1)2 + µn ) con µn → 0 ,
y
pn+1 − pn = en+1 − en = en [(k − 1) + δn ] .

Desde luego, pn+2 − 2 pn+1 + pn 6= 0 para grandes valores de n, dado que en = 6 0, k 6= 1

∞
y µi → 0. Entonces la sucesión {p̂n }n=0 definida en (X.4) está bien definida. Además,

(pn+1 − pn )2 [(k − 1) + δn ]2
p̂n − p = pn − p − = en − en
pn+2 − 2 pn+1 + pn (k − 1)2 + µn

para valores grandes de n, y entonces (dado que δn → 0 y µn → 0 para n → ∞):

p̂n − p n [(k − 1) + δn ]2 o
lim = lim 1 − =0.
n→∞ pn − p n→∞ (k − 1)2 + µn

c.q.d.

114
[Link] Análisis de error y técnicas de aceleración — Cap. X

Algoritmo ∆2 de Aitken.
==================================================
Para encontrar una solución de p = g(p), dada una aproximación inicial p0 :
Entrada: aproximación inicial p0 ; tolerancia T OL; número máximo de iteraciones N0 ;
Salida: solución aproximada p o mensaje de fracaso.
Paso 1: tomar i = 1, y calcular p1 = g(p0 );
Paso 2: mientras que i ≤ N0 seguir pasos 3–6;
Paso 3: tomar:
p2 = g(p1 ); (calcular p1+i );
2
p = p0 − (p2(p−2
1 −p0 )
p1 +p0 ) ; (calcular p̂i−1 );
Paso 4: si |p − p2 | < T OL entonces SALIDA (p); (procedimiento completado
satisfactoriamente) PARAR;
Paso 5: tomar i = i + 1
Paso 6: tomar
p0 = p1 ; (redefinir p0 );
p1 = p2 ; (redefinir p1 );
Paso 7: SALIDA (0 El método fracasó después de N0 iteraciones, N0 = 0 , N0 );
(procedimiento completado sin éxito); PARAR.
==================================================

4. CONVERGENCIA ACELERADA Y EL ALGORITMO DE STEFFERSEN

Aplicando el método ∆2 de Aitken a una sucesión que converge linealmente obtenida
de la iteración de punto fijo, podemos acelerar la convergencia a cuadrática. Este pro-
cedimiento es conocido como el método de Steffersen y difiere un poco de aplicar el
método ∆2 de Aitken directamente a una sucesión de iteración de punto fijo que sea
linealmente convergente. El procedimiento directo construirı́a en orden

p0 , p1 = g(p0 ) , p2 = g(p1 ) , → p̂0 = {∆2 }p0 ,

p3 = g(p2 ) , → p̂1 = {∆2 }p1 , . . . ,

donde {∆2 } se usa para indicar que se emplea la técnica ∆2 de Aitken.
El método de Steffersen construye los mismos primeros cuatro términos p0 , p1 , p2 ,
p̂0 ; sin embargo, en el siguiente paso, supone que p̂0 es una mejor aproximación a p que
p2 y aplica iteración de punto fijo a p̂0 en lugar de a p2 . Cada tercer término es generado
usando la técnica ∆2 de Aitken; para los otros, se usa la iteración de punto fijo en el
térmmino anterior. La sucesión generada es entonces:

p0 , p1 = g(p0 ) , p2 = g(p1 ) , → p̂0 = {∆2 }p0 ,

p3 = p̂0 , p4 = g(p3 ) , p5 = g(p4 ) , → p̂1 = {∆2 }p3 , . . . .

Es decir, usando una nueva notación útil para el algoritmo empezando con la aproximación
(0)
inicial p0 ≡ p0 tendremos
(0) (0) (0) (0) (0) (1) (0)
p0 , p1 = g(p0 ) , p2 = g(p1 ) , → p0 = {∆2 }p0 ,

115
[Link] Análisis de error y técnicas de aceleración — Cap. X
(1) (1) (1) (1) (2) (1)
p1 = g(p0 ) , p2 = g(p1 ) , → p0 = {∆2 }p0 ,
(2) (2) (2) (2) (3) (2)
p1 = g(p0 ) , p2 = g(p1 ) , → p0 = {∆2 }p0 ,
..
.

Algoritmo de Steffersen.
==================================================
Para encontrar una solución de p = g(p), dada una aproximación inicial p0 :
Entrada: aproximación inicial p0 ; tolerancia T OL; número máximo de iteraciones N0 ;
Salida: solución aproximada p o mensaje de fracaso.
Paso 1: tomar i = 1;
Paso 2: mientras que i ≤ N0 seguir pasos 3–6;
Paso 3: tomar:
(i−1)
p1 = g(p0 ); (calcular p1 );
(i−1)
p2 = g(p1 ); (calcular p2 );
(p1 −p0 )2 (i)
p = p0 − (p2 −2 p1 +p0 ) ; (calcular p0 );
Paso 4: si |p − p2 | < T OL entonces SALIDA (p); (procedimiento completado
satisfactoriamente) PARAR;
Paso 5: tomar i = i + 1
Paso 6: tomar p0 = p; (redefinir p0 );
Paso 7: SALIDA (0 El método fracasó después de N0 iteraciones, N0 = 0 , N0 );
(procedimiento completado sin éxito); PARAR.
==================================================
Nótese que ∆2 pn puede ser cero. Si esto sucediera, terminarı́amos la sucesión y selec-
(n−1)
cionarı́amos p2 como la respuesta aproximada, ya que de otra manera esto introducirı́a
un cero en el denominador de la siguiente iteración.
Ejemplo 8.
Para resolver x3 +4 x2 −10 = 0 usando el método de Steffersen, escribimos x3 +4 x2 =
10 y resolvemos x dividiendo entre x + 4. Entonces,
r
10
g(x) = .
x+4
Usando p0 = 1.5 el procedimiento de Steffersen da los valores de la siguiente tabla.
Tabla 6

(k) (k) (k)

k p0 p1 p2
0 1.5 1.348399725 1.367376372
1 1.365265224 1.365225534 1.365230583
2 1.365230013
(2)
El valor de p0 = 1.365230013 es exacto en nueve cifras decimales. En este ejemplo,
el método de Steffersen da aproximadamente la misma rapidez de convergencia que el
método de Newton.

116
[Link] Análisis de error y técnicas de aceleración — Cap. X

Del ejemplo 8, parece que el método de Steffersen da convergencia cuadrática sin

evaluar derivadas. En realidad éste es el caso.
Teorema X.5
Supongamos que x = g(x) tiene la solución p con g 0 (p) 6= 1. Si existe δ > 0 tal que
g ∈ C 3 [p − δ, p + δ], entonces el método de Steffersen da convergencia cuadrática para
cualquier p0 ∈ [p − δ, p + δ].
La debilidad del método de Steffersen reside en la necesidad de que g 0 (p) 6= 1,
condición que es equivalente a requerir que la multiplicidad del cero p sea uno, para
el problema correspondiente de búsqueda de la raı́z de f (x) = 0. Como consecuencia de
esto, no se puede esperar que el método de Steffersen acelere a cuadrática la convergencia
lineal que resulta generalmente cuando el método de Newton se usa para aproximar un
cero de multiplicidad mayor que uno.
Ejemplo 9.
Queremos resolver f (x) = x2 − cosx = 0 usando el método de Steffersen, y comparar
con el método ∆2 de Aitken y con el de Newton-Raphson. Entonces, escribimos
√
x = g(x) = cosx ,

para los métodos de Aitken y de Steffersen, y

p2n − cospn
pn+1 = pn − ,
2 pn + sinpn

para las iteraciones de Newton-Raphson. Usando p0 = 1.0, la iteración funcional, el

método ∆2 de Aitken, el algoritmo de Steffersen y el de Newton-Raphson dan los resul-
tados de la tabla siguiente:
Tabla 7

k Punto fijo Aitken Steffersen Newton

0 1.0 0.820545868 0.820545868 1.0
1 0.735052587 0.823387630 0.824131023 0.838218410
2 0.861275501 0.823989495 0.824132312 0.824241868
3 0.807137107 0.824103654 0.824132312 0.824132319
4 0.831606374 0.824126663 0.824132312
5 0.820785901 0.824131189 0.824132312
6 0.825618791 0.824132090
7 0.823469674 0.824132268
8 0.824427236 0.824132304
9 0.824000957 0.824132311
10 0.824190798 0.824132312
11 0.824106268 0.824132312
15 0.824131288
20 0.824132330
25 0.824132312

117
[Link] Análisis de error y técnicas de aceleración — Cap. X

EJERCICIOS.

1. Usar el método de Newton para resolver la ecuación

³ x ´2
0 = sen(x) −
2
con p0 = π2 , hasta que se obtenga una precisión de 10−5 para la raı́z aprox-
imada. Luego usar la ecuación (X.1) e iteración funcional para encontrar
una raı́z, exacta en 10−5 de la misma función f (x), empezando con p0 = π2 .
2. Usar el método generalizado de Newton-Raphson descrito en la ecuación
(X.1) para encontrar una aproximación a la raı́z de
f (x) = x2 + 2 x ex + e2x = 0
empezando con p0 = 0 y efectuando 10 iteraciones.
3. Usar el método generalizado de Newton-Raphson descrito en la ecuación
(X.1) para encontrar una aproximación a la raı́z de
f (x) = e6x + 3 (ln2)2 e2x − (ln8) e4x − (ln2)3 = 0
empezando con p0 = 0 y hasta que |pn+1 −pn | < 0.0002. Repetir los calculos
con las constantes en f (x) reemplazadas por sus aproximaciones a cuatro
dı́gitos (f (x) = e6x + 1.441 e2x − 2.079 e4x − 0.3330 = 0).
4. Demostrar que las siguientes sucesiones {pn }∞n=0 convergen linealmente a
p = 0. Encontrar cuántos términos deben generarse antes de que |pn − p| ≤
0.05.
1 1
a) pn = , n ≥ 1, b) pn = 2 , n ≥ 1 .
n n

5. Resolver x3 − x − 1 = 0 para la raı́z en [1, 2] con una exactitud de 10−4

usando el método de Steffersen.
6. Resolver x − 2−x = 0 para la raı́z en [0, 1] con una exactitud de 10−4 usando
el método de Steffersen.
7. Usar
√ el método de Steffersen con p0 = 0 para calcular una aproximación de
3 exacta en cuatro dı́gitos significativos.
8. Aproximar las soluciones de las siguientes ecuaciones con una precisión de
10−5 , usando el método de Steffersen.
2 − ex + x2
a) x= , b) 3 x2 − ex = 0, c) x − cosx = 0 .
3

9. Para las siguientes sucesiones {pn }∞

n=0 , linealmente convergentes, usar el
método ∆ de Aitken para generar una sucesión {p̂n }∞
2
n=0 hasta que |p̂n −p| ≤
−2
5 ∗ 10 .
1 1
a) pn = , n ≥ 1, b) pn = 2 , n ≥ 1 .
n n

118