Iteración normal tipo Newton bajo condiciones débiles
Autores: Singh, Manoj K.; Argyros, Ioannis K.; Singh, Arvind K.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Iteración normal tipo Newton bajo condiciones débiles
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Método propuesto
Iteración normal tipo Newton-S
Convergencia
Ecuaciones no lineales
Resultados numéricos
Estabilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
En el presente trabajo, presentamos un método de iteración normal S similar a Newton que converge cuadráticamente y que no requiere de la segunda derivada para la solución de ecuaciones no lineales permitiendo en algunos puntos en las cercanías de la raíz. Nuestro método propuesto funciona bien cuando el método de Newton falla y se desempeña aún mejor que algunos métodos convergentes de orden superior. Los resultados numéricos verificaron que el método de iteración normal S similar a Newton converge más rápido que el método de Fang et al. Estudiamos diferentes aspectos del método de iteración normal S con respecto a la convergencia más rápida hacia la raíz. Por último, los resultados dinámicos respaldan los resultados numéricos y explican la convergencia, divergencia y estabilidad del método propuesto.
Descripción
En el presente trabajo, presentamos un método de iteración normal S similar a Newton que converge cuadráticamente y que no requiere de la segunda derivada para la solución de ecuaciones no lineales permitiendo en algunos puntos en las cercanías de la raíz. Nuestro método propuesto funciona bien cuando el método de Newton falla y se desempeña aún mejor que algunos métodos convergentes de orden superior. Los resultados numéricos verificaron que el método de iteración normal S similar a Newton converge más rápido que el método de Fang et al. Estudiamos diferentes aspectos del método de iteración normal S con respecto a la convergencia más rápida hacia la raíz. Por último, los resultados dinámicos respaldan los resultados numéricos y explican la convergencia, divergencia y estabilidad del método propuesto.