1
Métodos para resolver una raíz cuadrada
Elizalde Hernández Sergio Arturo, Márquez Solís Eric, Salazar Cruz Kenia, Vazquez Pedraza Genaro Caleb.
Universidad Autónoma Metropolitana
Posgrado en Ciencias y Tecnologías de la Información
09340 Iztapalapa, Ciudad de México, México
I. I NTRODUCCIÓN
La búsqueda de algoritmos óptimos que faciliten la solución de
problemas ha sido tarea fundamental desde hace muchos años,
con el desarrollo de nuevas tecnologías los algoritmos han sido
parte fundamental en la resolución eficiente, fácil y rápida
de ciertos problemas. El análisis numérico es la búsqueda
de algoritmos para llegar a la solución de problemas de una
manera rápida y con el menor esfuerzo posible, utilizando
operaciones aritméticas. Por ello las computadoras son un gran
aliado para el desarrollo de algoritmos. El análisis numérico
propone aproximaciones en cuanto a los resultados obtenidos;
sin embargo, ofrece velocidad al solucionar algún problema
ya que las computadoras son capaces de realizar operaciones
matemáticas eficientemente. Uno de los problemas básicos del
análisis numérico es el problema de búsqueda de raíces, si
una ecuación algebraica luce complicada, las raíces pueden no
encontrarse de una forma exacta por ende se trata de encontrar
resultados aproximación a los reales [1].
II. E STADO DEL ARTE
En las computadoras y calculadoras de mano, la raíz cuadrada
y otras funciones trascendentales se calculan mediante fun-
ciones sofisticadas, tales como la serie de Taylor, algoritmos
digito por digito como CORDIC (Coordinate Rotation DIgital
Computer), o el método de Newton-Raphson. [2] La mayoría
de los procesadores modernos (x86 o núcleos ARM) cuentan
con hardware e instrucciones para calcular directamente la raíz
cuadrada. La implementación de estas instrucciones varía, pero
por lo general es un algoritmo dígito a dígito (en base dos,
cuatro o dieciséis).
En procesadores que no cuentan con instrucciones para
calcular la raíz cuadrada (Itanium, PPC, otros), el enfoque
típico es el de generar una estimación inicial (ya sea con una
instrucción que la produce o con una tabla de búsqueda) para
posteriormente refinar esta estimación utilizando un método
iterativo (por lo general Newton o Goldschmidt).[2]
Las técnicas para resolver raíces cuadradas han evolucio-
nado con el tiempo, estas técnicas van desde las básicas
de cómo resolverlas manualmente hasta encontrar algoritmos
sofisticados para la solución de éstas de una forma aproximada
y rápida. Si bien, en ecuaciones algebraicas complicadas no es
difícil encontrar las raíces, éstas resultan aproximadas. Existen
métodos que se caracterizan por ser más exactos y óptimos
que otros. Los métodos se pueden organizar de dos formas,
métodos abiertos y métodos cerrados [2]:
Métodos cerrados
Encierran la función en un intervalo donde la función
cambia de signo para que se asegure que existe una raíz
dentro de ese intervalo, para después reducir por medio
de los algoritmos el tamaño del intervalo. Como ejemplos
de estos métodos se encuentran los siguientes:
• Teorema de Bolzano
• Método de bisección
• Método de la regla falsa
Métodos abiertos
A diferencia de los métodos cerrados estos únicamente
necesitan contar con un valor inicial ya que no deben
encerrar la raíz. En caso de que la operación converga,
se encuentra la manera más efectiva para encontrar las
raíces. Algunos métodos abiertos son:
• Método de la secante
• Método de punto fijo
• Sistemas de ecuaciones no lineales
• Método de Newton-Raphson
Método de separación de raíces
Este método se basa en que para cada raíz existe un entorno
que no contiene otras raíces de la ecuación, y el cálculo
aproximado de las raíces separadas de una función se efectúa
en dos pasos etapas:
1) Se establecen los intervalos más pequeños posibles [a,b]
que contengan una sola raíz de la función
2) Mejorar los valores de las raíces aproximadas, es decir,
manipularlos hasta que presenten el grado de exactitud espe-
cificado
El proceso consiste en establecer los signos de la función
en los puntos extremos; después, se determinan los signos de
la función para un número intermedio de puntos. Si se cumple
que f(ak) x f(ak+1) <0, entonces existe una raíz de la función
en el intervalo (ak ,ak+1) [1].
Método de la posición falsa Se presume que el método
converge más rápidamente que el método de la bisección, esto
debido a que se utiliza una posición falsa ya que al utilizar una
secante para encontrar las raíces, ésta se cambia por una recta
que hace que la intersección entre la secante con el eje x sea
una mejor aproximación para la solución de las raíces. Uno
de los problemas con este algoritmo es que pueden aparecer
problemas de estancamiento con los valores obtenidos de la
iteración [3].

1.png
Figura 1. a) función convexa sustituida por una recta, b) función cóncava
sustituida por una recta [3].
Método de la bisección Este método fue el primero que se
basó en el teorema del valor intermedio y en la aplicación
reiterada del teorema de Bolzano. Si f es una función continua
definida sobre un intervalo cerrado [a, b] tal que f(a) xf (b)
<0 entonces f debe tener un cero en ] a, b [[3]. El algoritmo
puede apreciarse a continuación.
Figura 2. Algoritmo de bisección.
Método de la secante Este método, a diferencia del método de
bisección y de la regla falsa, casi nunca falla ya que se requie-
ren dos puntos al principio y después se va retroalimentando.
Lo que hace el algoritmo es sacar tangentes de la función f(x)
para así ir aproximando la intersección de esas rectas con el
eje X para obtener la raíz aproximada.
Figura 3. Algoritmo de la secante.
2
Método del punto fijo El método de punto fijo consiste en
que dada una función g es un número p para el cual g(p)=p.
Esto significa que para cada función g se puede encontrar un
punto fijo. Entonces, cada problema de búsqueda de raíces de
una función f tiene solucionesen los puntos fijos g(x)=x con
g(x)=x-f(x). Ésta técnica del punto fijo conduce a la obtención
más fácil de analizar para conseMétodoguir las raíces de la
función. El problema de este método es identificar los puntos
fijos y cómo estos pueden ser determinados, es decir, cómo se
pueden aproximar dentro de una precisión específica [3][4].
Se puede observar el algoritmo en la Figura 3.
Figura 4. Algoritmo del punto fijo.
Método de Newton-Raphson Es uno de los algoritmos más
poderosos y conocidos para encontrar raíces. Este método se
puede deducir como una técnica para obtener una convergencia
más rápida que la de otros algoritmos de iteraciones funcio-
nales. El algoritmo de Newton-Raphson está basado en los
polinomios de Taylor, en donde se reemplaza una función no
lineal por otra que sí lo es, por lo que se tienen aproximaciones
a las raíces del polinomio, al utilizar la aproximación por la
tangente, es necesario manejar derivadas y es justo uno de
los problemas con dicho algoritmo ya que se debe encontrar
la derivada de la función la cual suele ser compleja, esto sin
contar con que algunas veces puede ser cero. En la Figura 4
puede observarse el algoritmo.
Figura 5. Algoritmo de Newton-Raphson.
III. A NÁLISIS DE RESULTADOS
Para poder evaluar la eficiencia de los algoritmos debemos
considerar una medida que nos indique independientemente
de las características de la plataforma en donde se ejecutan
la implementación de los algoritmos, por lo que se tomará
 3

el número de operaciones primitivas como medida de com-

plejidad, a esto se le denomina notación asintótica, para este
estudio se usará la notación Big-O. Se investigó el orden de los
algoritmos mencionados anteriormente, los datos se muestran
en la tabla.
Los distintos algoritmos tienen complejidades similares por
lo que es posible hacer una diferencia entre ellos basados en
la velocidad de convergencia, demostrando ser el método de
Newton-Raphson el que converge más rápido[4].
Separación de Posición Falsa Bisección Newton
Bolzano y Rolle (Regula Falsi) Raphson
Orden O(n4 L) O(n) O(n) O(n)
Cuadro I
TABLA COMPARATIVA DE COMPLEJIDADES

IV. C ONCLUSIÓN
Los distintos algoritmos expuestos tienen complejidades simi-
lares por lo que es posible hacer una diferencia entre ellos
basados en la velocidad de convergencia, demostrando ser el
método de Newton-Raphson el que converge más rápido.

R EFERENCIAS
[1] “Solución de Ecuaciones no Lineales.” 06-feb-2016. Disponible en
<http://goo.gl/XhDJjJ>
[2] M. Hesham, “Best Square Root Method - Algorithm - Function (Precision
VS Speed).” 15-feb-2015.
[3] Burden Richard, Faires J. Douglas, Análisis numérico, 2a. Ed., Iberoa-
mericana 1996. pp. 41-71.
[4] Análisis de Algoritmos. Instituto Politécnico Nacional. Edgardo Adrián
Franco Martínez. Junio 2015.