ITNL ISC 2006

UNIDAD II
Solución de Ecuaciones de una Variable (Raíces de Ecuaciones).
1. Método de Aproximaciones Sucesivas.
2. Método de Newton – Raphson.
3. Métodos Iterativos sobre dos puntos.
 Método de la Bisección.
 Método de la Secante.

Método Iterativo de Aproximaciones Sucesivas

Este método es quizás el mas rudimentario aunque es el mas seguro en cuanto a la prueba de
convergencia y los controles de ejecución sobre el error empleado para detener la ejecución como se
puede observar en el diagrama siguiente.

Figura 3.1: Método de iteraciones de punto fijo o

de Aproximaciones Sucesivas.

Ing. Juan Manuel García G. MC

7
ITNL ISC 2006

Método de Newton – Raphson

El método iterativo definido por la expresión de:
F( Xn )
X n+1 = Xn – ---------
-
F ’( Xn )

Ecuación que se deduce de la serie de Taylor o bien de la ecuación de una recta conocido un punto
por el que pasa y la pendiente (o derivada) en ese punto.
Para resolver la ecuación F(x) = 0 se debe a Newton-Raphson y se conoce como el Método de las
Tangentes. En la figura siguiente se muestra geométricamente el comportamiento del método, en
donde se observa el por que del nombre del método de las tangentes.
Puesto que el método de Newton - Raphson esta establecido para resolver directamente la ecuación
F(x) = 0 sin transformación alguna, es interesante conocer el comportamiento geométrico del mismo
en la gráfica de la función F(x).Para saberlo se tratara de determinar la traza en el eje x de la tangente
de la curva y = F(x), en su punto abscisa xo.

y
y =F(x)

Xn+1 = Xn - F (Xn )
F’ (Xn)

a x2 x1 x0
De lo anterior puede afirmarse que, geométricamente, el método de las tangentes consiste en trazar
una vertical por la primera aproximación hasta cortar la curva de ecuación y = F(x); por el punto de
corte trazar una tangente a la propia curva hasta intersectar el eje x; en este punto de intersección se
tendrá la nueva aproximación y habrá que repetir el proceso tantas veces como sea necesario.
Para terminar se investigara en que casos converge este nuevo método de aproximaciones sucesivas.
Comparando las gráficas anteriores, las expresiones que definen los métodos de Newton – Raphson y
de interacciones simples, respectivamente, se ve que el método de las tangentes equivale a aplicar la
ecuación de recurrencia.
Xn+1 = g (Xn)
en donde:
g(X) = X – F(X ) / F’(X )

Ing. Juan Manuel García G. MC

8
ITNL ISC 2006
Por lo que se puede asegurar que será convergente siempre que | g’(x) | < 1.
Por lo anterior puede afirmarse que el método iterativo de Newton-Raphson definido por el primer
esquema converge a una raíz de la ecuación F(x) = 0 si se verifica en el segundo esquema, es decir si
xo es la primera aproximación a la raíz de F(x) = 0,debe cumplirse:
1.- xo debe estar suficientemente cercano a la raíz de F(x) = 0.
2.- F’’(xo) no debe ser excesivamente grande, y
3.- F’(xo) no debe estar muy próximo a cero para que el método en estudio converja.
La última restricción significa que no hay raíces cercanas unas de otras, aunque esto es relativo por la
lejanía o cercanía de la primera aproximación a la raíz que se busca.
A continuación se presentan algunos ejemplos de aplicación del método de Newton-Raphson.
Ejemplo1:
Encontrar las dos raíces cuadradas de 0.5 , con una tolerancia de error de 0.001 y un máximo de
iteraciones de 20.
Sea x = raíz cuadrada de 0.5
en donde: x ^ 2 = 0.5
entonces:
F(x) = x ^ 2 - 0.5 =0 y F’(x) = 2x.
Sustituyendo:
F(x) y F’(x) en la ecuación de N – R . nos queda
X n+1 = X n - (Xn ^ 2 - 0.5 ) / (2Xn)
Obteniendo un común denominador y Simplificando nos queda
Xn+1 = (2Xn 2 - Xn ^2 + 0.5 ) / (2 Xn)

( X 2  0.5)
n
X n 1 
2. X
n
Para determinar la raíz positiva se empezara con xo = 0.6, entonces:
X1 = (0.6)^2 + 0.5 ) / (2* 0.6 ) = 0.7167
X2 = (.7167)^2 + 0.5 ) / (2*.7167 ) = 0.7072
X3 = (.7072)^2 + 0.5 ) / (2*.7072 ) = 0.7071
X4 = (.7071)^2 + 0.5 ) / (2*.7071 ) = 0.7071
Trabajando con cuatro cifras significativas el valor de la raíz positiva en la tercera y cuarta iteraciones
son iguales, por lo que con esta aproximación el valor de la raíz será .7071.Para encontrar la raíz
negativa se empezara con xo = - 0.6

X1 = ((-0.6)^2 + .5 ) / (2*(-0.6)) = -0.7167

X2 = ((-0.7167)^2 + .5 ) / (2*(-0.7167 )) = -0.7072

X3 = ((-0.7072)^2 + .5 ) / (2*(-0.7072 )) = -0.7071

X4 = ((-0.7071)^2 + .5 ) / (2*(-0.7071 )) = -0.7071

Ing. Juan Manuel García G. MC
9
ITNL ISC 2006
Entonces la raíz de 0.5 = -0.7071
Ejemplo2:
Resolver la ecuación F(x)  x – 4 sen x = 0 con un error de 0.001 y un nmi de 20.
Se tiene: F(x) = x – 4 sen x
F’(x) = 1 – 4 cos x (1)
entonces: X n+1 = X n - (X n - 4 sen X n) / (1 - 4cos X n)
simplificando
X n+1 = [X n – 4* X n cos X n – X n +4*sen(X n )] / (1 – 4*cos(X n ))

X n+1 = [4(sen(X n ) – X n * cos X n )] / [1– 4 cos(X n )]

Si Xo = 2.5 entonces:
X1 = [4(sen(2.5) – 2.5 cos(2.5))] / (1 – 4 cos(2.5)) = 10.4053/ 4.2046= 2.4748 radianes
El error es ex = | 2.4748 – 2.5 | =0.0252
X2 = [ 4( sen(2.4748) – 2.4748 cos(2.4748 ))] / (1 – 4 cos( 2.4748 )) = 10.2528/4.1432=2.4746
El error es ex = | 2.4746 – 2.4748 | = 0.0002
El cual es menor que la tolerancia establecida (0.001) por lo que entonces la solución es X = 2.4746
rad
Ejemplo3
Sea la ecuación sen X -0.66 = 0, . Se tratara de resolverla a partir del valor xo = 1.165.
F( x ) = sen x - 0.66
F’( x) = cos x
entonces:
Xn+1 = Xn - (sen Xn - 0 .66) / cos Xn =

Si Xo = 1.165 radianes, que equivale a 66.75 grados, se obtiene:

X1 = 1.165 – (sen 1.165 -0.66) / cos 1.165 = 1.165 – (0.3369/(-0.0791))=5.9091  5.9091-1.165 = 4.7441

X2 = 5.9091 – (sen 5.9091- 0.66) / cos 5.9091 = 7.0107  7.0107-5.9091 =1.026

X3 = 7.0107 – (sen7.0107 - 0.66) / cos 7.0107 = 7.01025  7.01025-7.0107=0.00045

X4 =

Ing. Juan Manuel García G. MC

10
ITNL ISC 2006

Método de Newton-Raphson
Maestro: Ing. Juan Manuel García Guerra M.C.

inicio 1

"Deme la ecuación k=1

que desea
resolver"

Xn =X0 - f(X0) / f'(X0) 3

cadena
V "LA SOLUCION
| Xn - X0 | < = Ex ES: ", Xn
"Deme el valor
inicial"
F

k, Xn 2

X0

k=k+1
"Deme la
Tolerancia
permitida" X0 = Xn

while F "falla por nmi"

Ex
k <= nmi

V
"Deme el Número 2
Máximo de 3
Iteraciones"

fin

nmi

Ing. Juan Manuel García G. MC

11
ITNL ISC 2006

Método de la Bisección
Supongamos una ecuación f(x) = E(x) que cumple el teorema de Bolzano en el intervalo (a, b)
Caso I:

1) x = (a + b )/2

2)

3) ¿ Me detengo ya ?

no

si imprime x, y fin

Ing. Juan Manuel García G. MC

12
ITNL ISC 2006
Caso II:

1) x = (a + b) /2

2)

3) ¿Me detengo ya?

No
Si imprimir x, y fin
¿ Cuando detenerse ?

Detenerse si b – a < emax, donde emax es un valor pequeño positivo y arbitrario. Ejemplo: si emax = 0.0001,
a o b serán igual a alfa hasta el tercer decimal.
Ejemplo: Halla al menos una raíz de la ecuación x ³ – 5x + 1 = 0, con una precisión tal que emax = 0.001.
F(x)= x ³ – 5 x + 1 = 0

Ing. Juan Manuel García G. MC

13
ITNL
Iterando
1. x = 0+1/2 = 0.5
f(0.5) = -1.37 < 0 Þ b = 0.5
0.5 – 0 = 0.5 <) 0.001 continua ... b – a
3. x = (0 + 0.25 )/ 2 = 0.125
f(0.125) = 0.3769 > 0 Þ a = 0.125
0.25 – 0.125 = 0.215 <) 0.001 Continua...
5. x = (0.1875 + 0.25) / 2 = 0.21875
f(x) = - 0.083 < 0 Þ b = 0.21875
b – a = 0.03125 <) 0.001 sigue
7. x = (0.1875 + 0.203125) / 2 =
0.1953125
f(x) = 0.0308 > 0 Þ a = 0.1953125
b – a = 0.0078125 <) 0.001 sigue
8. x = (0.19921875 + .203125) / 2 =
0.201171875
f(x) = 0.002282 > 0 Þ a = 0.211171875
b – a = 0.001953... <) 0.001 sigue
ISC 2006
2. x = (0 + 0.5) / 2 = 0.25
f(0.25) = - 0.2343 < 0 Þ b = 0.25
0.25 – 0 = 0.25 <) 0.001 Continua ...
4. x = (0.125 + 0.25 )/ 2 = 0.1875
f(0.1875) = 0.0690 > 0 Þ a = 0.1875
b- a = 0.0625 <) 0.001 Continua ...
6. x = (0.1875 + 0.21875 ) / 2= 0.203125
f(x) = - 0.00724 < 0 Þ b = 0.203125
b – a = 0.015625 <) 0.001 sigue
8 x = (0.1953125 + 0.203125) / 2 = 0.19921875
f(x) = 0.01181 > 0 Þ a = 0.19921875
b – a = 0.003906... <) 0.001 sigue
9. x = (0.201171875 + 0.203125) / 2 = 0.202148437
f(x) = - 0.00248 < 0 Þ b = 0.20214837
b – a = 0.000386 < 0.001 Detente y imprime
x = 0.202148437

Continuación... Donde podemos garantizar de x tantos decimales como ceros tenga emax a la derecha del
punto decimal. X = 0.20
Tiene como característica fundamental que al tener la seguridad de contar con por lo menos una solución entre
los puntos 1 y 2 la convergencia será rápida y sostenida durante todo el proceso, observar el algoritmo
siguiente:

Figura 3.3 Método de la Bisección

Ing. Juan Manuel García G. MC

14
ITNL ISC 2006

Método de la Bisección
Maestro: Ing. Juan Manuel García Guerra M.C.

inicio 3
1
"Deme la ecuación
que desea
resolver" K=1
while F
(k<=nmi)
fa=f(a) V
cadena "FALLA POR NMI "

5
"Deme el valor del
fb=f(b)
primer punto" 6

4 " los datos de a

F
y b se tienen
fa*fb < 0 4
que cambiar "
a
V
"Deme el valor del
segundo punto" x = (a + b)/2 5

2
b fx = f(x)

"Deme la
F V "LA SOLUCION
Tolerancia
permitida" fa * fx < 0 fa * fx = 0 ES: ", X

V F

Ex b=x 6
a=x

"Deme el Número fb = fx FIN

Máximo de fa = fx
Iteraciones"

V
|x - a|<= Ex 2
nmi V
|x - b|<= Ex 2
F
1 F
k, X

k=k+1 3

Ing. Juan Manuel García G. MC

15
ITNL ISC 2006

Método de la Secante

Este método al igual que el anterior toma como valores iniciales 2 puntos por los cuales pasa la función aunque
en este caso no se asegura convergencia probada, sino que el mismo procedimiento conduce hacia la solución
si es que tiene, la convergencia es muy rápida.

Figura 3.4: Método de la Secante

***EJEMPLO POR EL METODO DE SECANTES ***

Deme la ecuación a resolver: x*x*x+x-10
Deme el error permitido: 0.0001
Deme el número de iteraciones: 100
Deme el valor de x1: 1.5
Deme el valor de x2: 3.2

N XN
1 1.7802
2 2.0638
3 1.9833
4 2.0045
5 1.9988
6 2.0003
7 1.9999
8 2.0000
9 1.99999

Ing. Juan Manuel García G. MC

16