INF – 156 Análisis Numérico GRUPO 7

SOLUCION DE ECUACIONES NO LINEALES

METODO DE STEFFENSEN

1. INTRODUCCION
1.1 ANTECEDENTES HISTORICOS

Johan Frederik Steffensen Nació en Dinamarca el año 1873, fue un importante matemático,
estadístico y actuario, a lo largo de su vida realizó una investigación en los campos del
cálculo de diferencias infinitesimales y la interpolación. Steffensen dio cátedra de Ciencia
Actuaria en la Universidad de Copenhague desde 1923 hasta 1943.
La inecuación de Steffensen y el Método de Steffensn fueron nombrados después de su
fallecimiento el año 1961

El método de Steffensen es un algoritmo para obtener los ceros de una función. El método
de Steffensen se puede considerar como una combinación del método de punto fijo y del
método de Aitken. El método de Aitken es la aceleración de métodos, por lo tanto podemos
definir este método como el método de punto fijo acelerado.

1.2 APLICACIONES DEL METODO NUMERICO

Una de las aplicaciones de este método numérico es la aceleración de convergencia. Como

ya sabemos, bajo ciertas condiciones el método de iteración de punto fijo converge
linealmente si g’(p)≠0 y converge cuadráticamente si g’(p)=0. Resulta que en el caso de
convergencia lineal existen métodos para acelerar la convergencia. En esta situación es muy
conveniente el uso del método de Steffensen.

Ventajas y desventajas
La principal ventaja del método Steffensen es que ha dado la convergencia cuadrática como
método de Newton - es decir, tanto los métodos de encontrar las raíces de una ecuación f
tan "rápidamente". En este caso rápidamente significa que el número de dígitos correctos
en la respuesta se duplica con cada paso para ambos. Pero la fórmula para el método de
Newton requiere una función separada de la derivada; método Steffensen no lo hace. Así
Steffensen método puede ser programado para una función genérica, mientras que la
función cumple con la restricción mencionada anteriormente.

El precio de la convergencia rápida es la evaluación de la función doble: f(xn) y f(xn + h)

ambos se calcularán, lo que podría llevar mucho tiempo si f es una función complicada. Por
comparación, el método de la secante sólo necesita una evaluación de la función por paso,
así que con dos evaluaciones de la función del método de la secante puede hacer dos pasos,
y dos pasos del método de la secante aumentar el número de dígitos correctos en un factor
de 1.6. El paso por igual tiempo de Steffensen (o de Newton) aumenta el método de dígitos
correctos en un factor de 2 (sólo un poco mejor).

Al igual que el método de Newton y métodos cuadráticamente convergente mayoría de los

otros, la debilidad fundamental en el método Steffensen es la elección del valor inicial . Si

1
INF – 156 Análisis Numérico GRUPO 7

el valor de x0 no es "lo suficientemente cerca" a la solución real , el método puede fallar

y la secuencia de valores puede ser un fracaso q puede llegar a
mostrar valores entre dos extremos de la función , o diverger hasta el infinito, o ambos.

2. METODO NUMERICO

El método de Steffensen presenta una convergencia rápida y no requiere, como en el caso

del método de la secante, la evaluación de derivada alguna. Presenta además, la ventaja
adicional de que el proceso de iteración sólo necesita un punto inicial. Este método calcula
el siguiente punto de iteración a partir de la expresión:

Dado , consideremos el método iterativo . Sean x1 y x2 las dos primeras

aproximaciones.

Definimos

Y, en general, para cada n >= 0, se define

2
INF – 156 Análisis Numérico GRUPO 7

Entonces mas rápidamente que los anteriores métodos. El método así definido
se denomina método de Steffensen.

El método de Steffensen presenta una convergencia rápida y no requiere, como en el caso

del método de la secante, la evaluación de derivada alguna. Presenta además, la ventaja
adicional de que el proceso de iteración sólo necesita un punto inicial.
Otra ventaja del método de Steffensen es que tiene convergencia cuadrática como el
método de Newton - es decir, tanto los métodos de encontrar las raíces de una ecuación f
tan "rápidamente". En este caso rápidamente significa que el número de dígitos correctos
en la respuesta se duplica con cada paso para ambos. Pero la fórmula para el método de
Newton requiere una función separada de la derivada, el método Steffensen no. Así que el
método Steffensen puede ser programado para una función genérica, mientras que la
función cumple la restricción mencionada anteriormente.

3. PROGRAMA IMPRESO DE LOS METODOS NUMERICOS

Acá tenemos el codigo fuente de una implementación del método de Steffensen en Matlab:

Function [y, ite] = Steffensen_L (maxite, nombre, eror, xo)

% Steffensen_L(), método acelerado que permite resolver
% ecuaciones no lineales. Utiliza la ecuación g(x) determinada
% por el método de Punto Fijo.

c=0;
if nargout==0
clc;
fprintf(‘’ METODO DE STEFFENSEN \n“);
eror = 2;
nombre = input (‘ Arch. Ecuacion ? ‘,’s’);
while(eror<0 | eror>1)
eror = input (‘ Error ?’);
end;
x(1) = input(‘ Valor de Inicial Xo?’);
fprintf(‘ ------------------------------------------------\n’);

fprintf(‘ ite. Xn Xn+1 d=(Xn+1-Xn) \n’);

fprintf(‘ ------------------------------------------------\n’);
fprintf(‘%12.0f %12.5f\n , c , x(1) ’);
else
x(1)=xo;
end;
dist = 2;
vi = 2;
while (dist>=eror & c<=maxite)

3
INF – 156 Análisis Numérico GRUPO 7

for i = vi : vi+1
x(i) = feval(nombre,x(i-1));
dist = abs(x(i) - x(i-1));
if nargout==0
fprintf(‘%12.0f %12.5f %12.5f %14.6f\n’, i-1,
x(i-1), x(i), dist);
end;
end;
i = vi – 1;
x(i+3) = x(i) – ((x(i+1) – x(i)).^2)/ (x(i+2)-2*x()i*1+x(i));
dist = abs(x(i+3)-x(i+2));
if nargout == 0
fprintf(’%12.0f % 12.5f %12.5f % 14.6f\m’, 1+2, x(i+2),
x(i+3), dist);
end;
vi = vi + 3;
c = c + 4;
end;
if nargout == 0
fprintf (‘ ------------------------------------------------\n’);
end;
if(c>maxite)
if nargout == 0
fprintf (‘ No se pueded dedterminar la raiz\n’);
end;
y = NaN;
ite = maxite;
else
if nargout == 0
fprintf (‘ La raiz es = % 12.5f\n’, x(i+3));
end;
y = x(i+3);
ite = i+2;
end;

4. PROCESO EXPERIMENTAL

La siguiente tabla muestra las sucesiones de aproximaciones obtenidas mediante el método

de iteración funcional xn+1 = g(xn), el método de aceleración de Aitken y el de súper
aceleración de Steffensen.

En concreto se considera (que tiene convergencia lineal):

5. DATOS TOMADOS EN LA RESOLUCION DEL PROGRAMA

4
INF – 156 Análisis Numérico GRUPO 7

6. RESULTADOS Y CONCLUSIONES

7. ANEXOS
Anexo 1
Se puede realizar una comparación entre los métodos numéricos de Aitken, Steffensen y la
forma manual o normal de cálculo. En la tabla siguiente se puede observar qu el método de
Steffensen brinda una mayor exactitud en el calculo.

Anexo 2
Tenemos otro ejemplo con la función g(x) = 1 + 2/x, en el cual se puede observar la eficacia del
método de Steffensen incluso en caso en q la iteración de la función g no converge.

5
INF – 156 Análisis Numérico GRUPO 7

Anexo 3
Proceso Δ² de Aitken

 En análisis numérico, el método o proceso Δ² de Aitken es un método de aceleración de la

convergencia. Lleva el nombre de Alexander Aitken, quien introdujo este método en 1926. [1] Su
forma primitiva era conocida por Kōwa Seki (finales del siglo XVII) y fue encontrado en la
rectificación del círculo, es decir, el cálculo de pi. Es muy útil para acelerar la convergencia de una
sucesión que converge linealmente.
Cuando se aplica el método de Aitken a una sucesión obtenida mediante una iteración de punto
fijo se conoce como método de Steffensen.

Definición
Dada una sucesión , se calcula la nueva sucesión definida como :

Si se emplea el operador Δ de las diferencias progresivas definido como

Δxn = xn + 1 − xn.
Δ2xn = Δ(Δxn) = xn + 2 − 2xn + 1 + xn

también puede escribirse como:

Propiedades

6
INF – 156 Análisis Numérico GRUPO 7

El proceso Δ² de Aitken es un método de aceleración de la convergencia, y en particular un caso

de transformación no lineal de una sucesión.
x converge linealmente a L si existe un número μ ∈ (0, 1) tal que+

El método de Aitken acelerará la sucesión xn si y sólo si

Aunque la nueva sucesión no converge en general de forma cuadrática, se puede demostrar que
para un método de punto fijo, es decir, para una sucesión x(n + 1) = f(xn) para alguna función
iterada f, convergiendo hacia un punto fijo, la convergencia es cuadrática. En este caso, la
técnica se conoce como método de Steffensen.
Ejemplos
Ejemplo 1 (Aceleración de una sucesión)
El valor de puede aproximarse mediante la sucesión an con valor inicial a0 = 1
definida de manera iterativa como:

n x = valor iterado Y= valor calculado

0 1 1.4285714
1 1.5 1.4141414
2 1.4166667 1.4142136
3 1.4142157 --
4 1.4142136 --
Ejemplo 2 (Aceleración de una serie)

El valor de puede calcularse como una suma infinita:

n término x = suma parcial Ax

0 1 1 0.79166667
1 -0.33333333 0.66666667 0.78333333
2 0.2 0.86666667 0.78630952
3 -0.14285714 0.72380952 0.78492063
4 0.11111111 0.83492063 0.78567821
5 -9.0909091e-2 0.74401154 0.78522034
6 7.6923077e-2 0.82093462 0.78551795
7 -6.6666667e-2 0.75426795 --
8 5.8823529e-2 0.81309148 --