Está en la página 1de 20

Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 11

UNIVERSIDAD DE LAS AMERICAS


DEPARTAMENTO DE MATEMÁTICA
APUNTES DE APOYO MÉTODOS NUMÉRICOS (MAT 700)
PROFESOR GABRIEL SANHUEZA DAROCH (2009)
TEMA2 : RESOLUCIÓN NUMÉRICA DE ECUACIONES

Introducción
Calcular una o más raíces de una ecuación de la forma f ( x ) = 0 es uno de los problemas más
comunes que ocurren en Ingeniería. En algunos casos soluciones explícitas no están disponibles. Los
métodos numéricos para calcular las raíces son llamados Métodos Iterativos o de Aproximación.
Luego el objetivo de este capítulo es determinar a través de diversos métodos, la obtención de la o las
raíces de una ecuación. Debemos tener en claro que dichos métodos nos permitirán calcular solamente
aproximaciones numéricas a las raíces.

Geométricamente, una raíz de una función representa un punto donde la gráfica de y = f ( x ) cruza

al eje x ,
Una función puede tener un cero, como f ( x ) = x − 1; más de uno, como f ( x ) = x 2 − x ; infinitos,
como f ( x ) = sen x o ninguno como f ( x ) = 1 x .
Nos interesamos en encontrar soluciones de ecuaciones

f ( x) = 0 (1)

donde f :D⊆ → El primer paso para ello es localizar y separar las raíces, es decir,
encontrar intervalos que contengan a las raíces y encontrar intervalos que contengan sólo una raíz.
Esto se hace por métodos analíticos, gráficos y, en algunas aplicaciones, empíricos
Salvo los casos (escasos) en que se pueden encontrar fórmulas explícitas para calcular- las,
tendremos que aproximar las raíces utilizando algoritmos iterados, consistentes en construir una

sucesión { xn }n≥0 mediante

⎧⎪ x0 dado,
A1 ⎨⎪⎩ xn +1 = ϕ ( xn ) , ∀n ≥ 0

Observación. Una forma más general, se puede poner

⎧⎪ x0 ,x1 ,… ,x p dados,

⎪⎩ xn +1 = Φ ( xn , xn −1 ,… , xn − p ) , ∀n ≥ p
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 12

Tendríamos en este caso un método multipaso, mientras que A1 sería un método de un paso
En el análisis de los métodos iterados se estudian las siguientes cuestiones:

Que el algoritmo esté bien definido, es decir que se pueda construir la sucesión { xn }n≥0 .

Bajo qué condiciones la sucesión construida converge a la raíz de la ecuación. Se suele distinguir
entre:

a) Convergencia local: condiciones que garantizan la convergencia de la sucesión { xn }n≥0 ,

generada por (A1), hacia la raíz de la ecuación (1) siempre que se tome el punto inicial, x0,
suficientemente cerca de dicha raíz.
b) Convergencia global en un intervalo: condiciones que garantizan la convergencia de la sucesión
hacia la raíz, sea cual sea el punto inicial, x0, que se elija en dicho intervalo.
La velocidad a la que converge la sucesión. Para ello se suele estudiar el orden de convergencia
del método:

Definición. Se dice que una sucesión convergente, xn → α , tiene orden de convergencia p ≥ 1

(al menos) si

⎧⎪∃ C > 0 y ∃ n0 ≥ 0 tales que



⎪⎩ xn +1 − α ≤ C xn − α , ∀n ≥ n0
p

(En el caso p = 1 hay que exigir, además, C < 1).

Estimaciones del error y test de parada del algoritmo.


Supongamos que tenemos una ecuación de la forma f(x) = 0.
Llamaremos raíz de dicha ecuación a cualquier número s que verifique f(s)=0. A s también se le
llama cero de la función f.
Diremos que una ecuación tiene raíces separadas, si para cada raíz existe un intervalo que no
contiene otras raíces de la ecuación.
El cálculo aproximado de raíces de una ecuación se hace, por lo general, en dos etapas:
-Separación de raíces.
-Obtención de una aproximación tan cercana como se quiera.
Etapa 1. Separación de raíces: consiste en determinar los intervalos más pequeños donde exista una
raíz de (1).
Etapa 2. Mejora de las raíces: consiste en mejorar la aproximación de la raíz de la ecuación (1), en
está etapa generalmente se aplica alguno de los métodos de aproximación de ceros reales tales como:
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 13

Método de la Mitad o Bisección, Método de Newton, Método de la secante, Método Iterativo o punto
fijo, etc.

Separación de Raíces.
Para la separación de raíces resulta útil el siguiente Teorema (de Bolsano).

Teorema. Si la función f ( x ) es continua que asume valores de signos opuestos en los extremos de un
intervalo [α , β ] , es decir, f (α ) ⋅ f ( β ) < 0 , entonces el intervalo contiene al menos una raíz de la
ecuación (1), es decir, ∃ r ∈ [α , β ] tal que f(r) = 0
Nota. La raíz es única en el intervalo [α , β ] si existe f ′( x ) y mantiene el signo en el intervalo
[α , β ] .
El proceso de Separación de las raíces de (1) comienza estableciendo los signos de f ( x ) en puntos
del dominio de la función, cuya elección depende de f ( x ) .

Método gráfico
Este método básicamente se usa para localizar un intervalo donde la función tiene alguna raíz.
Las raíces de la ecuación (1) pueden determinarse en forma aproximada considerando las abscisas de
los puntos de intersección de la gráfica de la función y = f ( x ) con el eje X.
Nota. 1) Si la ecuación (1) no tiene raíces muy próximas, este procedimiento resulta útil para
separarlas.
2) Resulta aconsejable a veces sustituir la ecuación (1) por una ecuación equivalente (dos
ecuaciones se dicen equivalentes si tienen exactamente las mismas raíces) de la forma
g ( x ) = h( x ) (2)
Donde las funciones g ( x) y h( x ) son más sencillas que la f ( x ) .

Ejemplo. Hallar usando la forma gráfica localizar un intervalo para la raíz aproximada de x log x = 1.

Solución: Para calcular la raíz de f ( x ) hacemos f ( x ) = 0 , de donde log x = 1 x . Por lo tanto, el

problema equivale a encontrar el punto de intersección de las funciones g ( x ) = log x y

h ( x ) = 1 x . Graficando (Figura 1) estas funciones se tiene que la raíz es aproximadamente x ≈ 1.7


Puede usar Geogebra o Maple.
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 14

Figura 1.
Ejemplo 2

Localizar un intervalo donde la función f ( x ) = e


−x
− ln x tenga una raíz.

Solución. Para calcular la raíz de f ( x ) hacemos f ( x ) = 0 , de donde e = ln x .


−x

Por lo tanto, el problema equivale a encontrar el punto de intersección de las funciones g ( x ) = e


−x

y h ( x ) = ln x . Conocemos bien estas gráficas (figura 2):

Figura 2

De lo cual, concluimos que un intervalo donde se encuentra la única raíz es [1,1.5] .

También podemos separar las raíces mediante una tabla de valores para la función y = f ( x ) y

analizar los intervalos donde la función tenga valores positivos y negativos.

Ejercicios. Separar las raíces de la ecuación:


a) f ( x ) = x 3 − x − 1 = 0 b) g ( x ) = x − 0.2 sen x − 0.5

c) Localizar un intervalo donde la función f ( x ) = arctan x + x − 1 tenga una raíz.


Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 15

MEJORA DE LAS RAÍCES APROXIMADAS


Estudiaremos varios métodos numéricos para aproximar raíces de ecuaciones.

En realidad, no nos interesa ser más finos en la búsqueda del intervalo, ya que posteriormente
aplicaremos métodos más sistemáticos para aproximar mejor la raíz. Digamos que la utilidad del
método gráfico radica en proveernos de un intervalo con el cual comencemos a trabajar.
Los métodos los podríamos diferenciar:
Ö Cerrados: En estos casos los métodos necesitan de dos valores iniciales para la raíz, de tal
modo de ir acotando el espacio solución de dicha raíz.
o Método de la Bisección
o Método de la Falsa Posición
Ö Abiertos: En este caso los métodos a utilizar necesitan solamente un valor inicial. Estos
algunas veces divergen, pero cuando convergen tienen mucho más rápido a la solución que los
métodos cerrados.
o Iteración simple del punto fijo
o Método de Newton
o Método de la Secante

MÉTODO DE BISECCIÓN

El método de bisección se basa en el siguiente teorema de Cálculo:


Teorema del Valor Intermedio

Sea y = f ( x) continua en un intervalo [ a, b] y supongamos que f ( a ) < f ( b ) . Entonces para cada z

tal que f ( a ) < z < f ( b ) , existe un x0 ∈ ( a, b ) tal que f ( x0 ) = z . La misma conclusión se obtiene

para el caso que f ( a ) > f (b) .


Básicamente el Teorema del Valor Intermedio nos dice que toda función continua en un intervalo cerrado, una
vez que alcanzó ciertos valores en los extremos del intervalo, entonces debe alcanzar todos los valores
intermedios.

Este método, también llamado de búsqueda binaria.. Es uno de los más sencillos para calcular una raíz
de la ecuación (1.1) en un intervalo donde la función f es continua y tiene un cambio de signo, es
decir:
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 16

Supongamos f ( x ) = 0 con f continua en [a, b] y f ( a ) f ( b ) < 0 .

El procedimiento consiste en dividir el intervalo [a, b] en subintervalos de igual amplitud. Averiguar


en qué subintervalo está el cambio de signo en los extremos y volver a repetir el procedimiento sobre
ese subintervalo.
Algoritmo. ( de bisección o dicotomía)
b0 − a0
Elegir ε > 0 (pequeño) y M > 0 grande. Tomar n = 0, a0 = a, b0 = b, e0 =
2
bn − an a +b
Dados 0 ≤ n ≤ M , [ an , bn ] tal que f ( an ) f ( bn ) < 0 y en = tomar xn = n n [ = an + en ]
2 2

B1) Si f ( xn ) ≤ ε o bien n = M , parar y devolver como solución α = xn .

en
B2) Si f ( an ) f ( xn ) < 0 , tomar an +1 = an , bn +1 = xn , en +1 = , n = n + 1 y repetir el paso b).
2
en
B3) Si f ( xn ) f ( bn ) < 0 tomar an +1 = xn , bn +1 = bn , en +1 = , n = n + 1 y repetir el paso b).
2

En la n-ésima etapa de este algoritmo sabemos que la solución está en el intervalo [ an , bn ] . Por lo

tanto si elegimos su punto medio como aproximación de la solución cometemos un error no superior a

( bn − an ) 2 , luego:

en −1 e0 b − a
xn − α ≤ en = = = =
2 2n 2n +1

Por lo tanto, si queremos asegurar que xn − α ≤ ε bastará elegir, en el algoritmo, M tal que

b − a ≤ ε ⋅ 2M +1 , es decir:
ln ( b − a ) − ln ε
M> −1
ln 2
Este método converge siempre hacia la raíz de f en [a,b]

Teorema. Sea f: [a, b]→R continua con f(a)f(b)<0. El método genera una sucesión de la forma {sn}
= {(an+bn)/2} convergente a una solución de f(x)=0.
b−a
Criterio de parada: sn − s ≤
2n
Tomando logaritmos en la expresión anterior del error, obtenemos el número de particiones necesarias
con las que nos aseguramos una solución aproximada de s con un error determinado ε, que será:
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 17

ln ( b − a ) − ln ( ε )
n≥
ln 2
Podemos asegurar que sea el mínimo valor de n, que nos dé ese error, puede existir un n menor.

Ejemplo. Aproximar la raíz de f ( x ) = e − ln x hasta que ε a < 1% .


−x

Solución

Sabemos por lo visto en el ejemplo 2 de la sección anterior, que la única raíz de f ( x ) se localiza en

el intervalo [1 , 1.5]. Así que este intervalo es nuestro punto de partida; sin embargo, para poder

aplicar el método de bisección debemos comprobar que f (1) y f (1.5 ) tengan signos opuestos.

En efecto, tenemos que

f (1) = e −1 − ln1 = e −1 > 0 y f (1.5 ) = e −1.5 − ln (1.5 ) = −0.1823 < 0

Cabe mencionar que la función f ( x ) sí es continua en el intervalo [1,1.5] . Así pues, tenemos

todos los requisitos satisfechos para poder aplicar el método de bisección. Comenzamos:
P1) Calculamos el punto medio (que es de hecho 1 + 1.5
nuestra primera aproximación a la raíz): x1 = = 1.25
2
P2) Evaluamos f (1.25 ) = e −1.25 − ln (1.25 ) = 0.0636 > 0
P3) Identificamos en cual de los intervalos
[1,1, 25] o [1.25,1.5] está la raíz. Hagamos la f (1) f (1.25 ) f (1.5 )
tabla siguiente + + -

Por lo tanto, vemos que la raíz se encuentra en el intervalo [1.25,1.5] .

En este punto, vemos que todavía no podemos calcular ningún error aproximado, puesto que
solamente tenemos la primera aproximación. Así, repetimos el proceso con el nuevo intervalo

[1.25,1.5] .
Calculamos el punto medio (que es nuestra 1.25 + 1.5
segunda aproximación a la raíz): x2 = = 1.375
2
Aquí podemos calcular el primer error x2 − x1
aproximado, puesto que contamos ya con la εa = × 100% = 9,09%
aproximación actual y la aproximación previa: x2
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 18

Como no se ha logrado el objetivo, continuamos con el proceso.

f (1.375 ) = e −1.375 − ln (1.375 ) = −0.06561 < 0 y hacemos la tabla:

f (1.25 ) f (1.375 ) f (1.5 )


+ - -

Así, vemos que la raíz se encuentra en el intervalo [1.25,1.375] .


Calculamos el punto medio (que es nuestra tercera 1.25 + 1.375
aproximación a la raíz): x3 = = 1.3125
2
x3 − x2
Aquí podemos calcular el error aproximado,: εa = × 100% = 4,76%
x2
El proceso debe seguirse hasta cumplir el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raíz Error aprox.
1.25
1.375 9.09%
1.3125 4.76%
1.28125 2.43%
1.296875 1.20%
1.3046875 0.59%
Así, obtenemos como aproximación a la raíz

xa = 1,3046875
Ejemplo. La ecuación x3+ 4x2 -10=0 tiene una raíz en [1, 2]. Al hacer una aproximación de la solución
con un error menor de 10-4, según lo anterior se necesitan 14 particiones (a13 aproxima a s con 4
dígitos significativos). Sin embargo la aproximación s9 aproxima a s con cinco dígitos significativos.

Ejercicio. Aproximar la raíz de f ( x ) = arctan x + x − 1 por el método de la bisección hasta que

e% < 1% .

Ventajas e inconvenientes del método


•Siempre converge a una solución, por lo que se usa para iniciar otros métodos más eficientes
•Es lento, se necesitan muchas particiones para una buena aproximación (Converge linealmente)
•Una buena aproximación intermedia puede ser desechada.
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 19

MÉTODO DE LA REGLA FALSA (Regula Falsi)


Como mencionamos anteriormente, sería bueno considerar si la raíz de una ecuación está localizada
más cerca de alguno de los extremos del intervalo.
Consideremos nuevamente una gráfica como la anterior,

Donde hemos agregado la línea recta que une los puntos extremos de la gráfica en el intervalo [a, b].
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto donde cruza al
eje X esta recta, nos aproximaremos mucho más rápido a la raíz; ésta es en sí, la idea central del
método de la posición o regla falsa y ésta es realmente la única diferencia con el método de bisección,
puesto que en todo lo demás los dos métodos son prácticamente idénticos.

Supongamos que tenemos una función f ( x ) que es continua en el intervalo [ xa , xb ] y además,

f ( xa ) y f ( xb ) tienen signos opuestos, es decir, f ( xa ) ⋅ f ( xb ) < 0 .

Calculemos la ecuación de la línea recta que une los puntos ( x , f ( x )) y ( x , f ( x )) .


a a b b

f ( xb ) − f ( xa )
La pendiente de esta recta esta dada por: m =
xb − xa

f ( xb ) − f ( xa )
Por lo tanto la ecuación de la recta es: y − f ( xa ) = [ x − xa ]
xb − xa

f ( xb ) − f ( xa )
En el punto de cruce de la recta con el eje X, hacemos y = 0 : − f ( xa ) = [ x − xa ]
xb − xa
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 20

f ( xa )( xb − xa )
Finalmente, de aquí despejamos x : x = xa − =
f ( xb ) − f ( xa )

Este punto donde la aproximación xr en lugar del punto medio del método de bisección.

Así pues, el método de la regla o posición falsa sigue los siguientes pasos:

Sea f ( x ) continua,

i) Encontrar valores iniciales xa , xb tales que f ( xa ) y f ( xb ) tienen signos opuestos, es

decir, f ( xa ) ⋅ f ( xb ) < 0

f ( xa )( xb − xa )
ii) La primera aproximación a la raíz se toma igual a: xr = xa − =
f ( xb ) − f ( xa )

iii) Evaluar f ( xr ) . Luego, debemos caer en uno de los siguientes casos:

a) f ( xa ) ⋅ f ( xr ) < 0

En este caso, tenemos que f ( xa ) y f ( xr ) tienen signos opuestos, y por lo tanto la raíz

se encuentra en el intervalo [ xa , xr ]

b) f ( xa ) ⋅ f ( xr ) > 0

En este caso, tenemos que f ( xa ) y f ( xr ) tienen el mismo signo, y de aquí que

f ( xr ) y f ( xb ) tienen signos opuestos. Por lo tanto, la raíz se encuentra en el intervalo

[ xr , xb ] .
c) f ( xa ) ⋅ f ( xr ) = 0 .

En este caso se tiene que f ( xr ) = 0 y por lo tanto ya tenemos la raíz.


Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 21

El proceso se vuelve a repetir con el nuevo intervalo, hasta que: ε a < ε , donde ε es una cota del

error relativo previamente dada: ε a < ε s

Ejemplo 1

Usar el método de la posición falsa para aproximar la raíz de f ( x ) = e


−x
− ln x , comenzando en el

intervalo [1, 2 ] y hasta que ε a < 1% .


Solución
Este es el mismo ejemplo 1 del método de la bisección. Así pues, ya sabemos que f(x) es continua en
el intervalo dado y que toma signos opuestos en los extremos de dicho intervalo. Por lo tanto
podemos aplicar el método de la posición falsa.
Calculamos la primera aproximación:

f ( xa )( xb − xa ) f (1)( 2 − 1)
x1 = xa − = = 1− = 1,397410
f ( xb ) − f ( xa ) f (1) − f ( 2 )
Continuar………..

MÉTODO DEL PUNTO FIJO O MÉTODO DE APROXIMACIONES SUCESIVAS


Este método sirve para aproximar soluciones de una ecuación de la forma

x = F ( x ) , x ∈ [ a, b ] (3)

Conocida como ecuación de punto fijo, ya que las soluciones de (3) se les llaman puntos fijos de la
aplicación F
Definición. Diremos que una función f:[a, b]→R tiene un punto fijo en x de [a b] si f(x) = x.
Teorema del punto fijo. Sea f: [a, b] →[a, b] continua, entonces:
• f tiene al menos un punto fijo en [a, b]
• Si, además, existe f´ en (a, b) con f´(x)≠1en todo (a, b) entonces el punto fijo es único.
La técnica usual para aproximar una solución de (3) es el

Algoritmo (de aproximaciones sucesivas (AS))

Elegir x0 ∈ [ a, b]

Dados n ≥ 0 y xn tomar xn +1 = F ( xn )
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 22

Se tienen los siguientes resultados sobre el algoritmo (AS):

Teorema de convergencia. Sea f: [a, b] → [a, b] continua en [a, b], derivable en (a, b) y |F ´(x)| < k <1
en (a,b).

•Si x0 ∈ [ a, b ] es cualquier número de [a, b] entonces la sucesión x1 = F ( x0 ) … xn +1 = F ( xn )

converge al único punto fijo de f en [a, b]. Además, el método es de orden 1 y se tiene
kn
xn − α ≤ x1 − x0
1− k

xn − α < k n ⋅ max { x0 − a, b − x0 }

•Si f está en las condiciones del teorema del punto fijo:


k
xn − α ≤ xn − xn −1 .
1− k

Si además k < ½, entonces xn − α ≤ xn − xn −1

Teorema.(Práctico).Sea f: [a, b] → R continua en [a, b], derivable en (a, b), |f ´(x)| < k <1 en (a,b). Si
“s”es solución buscada con α= a + (b-a)/3 ≤s ≤b -(b-a)/3= β, entonces si α≤x0≤β, es α≤xn≤β y además
(xn) converge al punto fijo s
Calculadas x0 y x1, el número de aproximaciones que tendremos que hacer para que el error sea menor
a ε, basta tomar como aproximaciones de la solución el término n-ésimo, con n tal que
kn
x1 − x0 < ε
1− k
es decir,
ln (1 − k ) + ln ε − ln x1 − x0
n≥
ln k
con hipótesis adicionales sobre la función F se puede probar que el orden de convergencia es mayor.
Teorema.

Sea F : I = [ a, b ] ⊂ → una función que tiene un punto fijo α ∈ ( a, b ) , tal que F ∈ C p con p ≥ 1

en un entorno de α y que verifica

F ' (α ) = F ′′ (α ) = = F ( p −1) (α ) = 0

Entonces existe δ > 0 tal que ∀x0 ∈ (α − δ , α + δ ) la sucesión producida por (AS) comenzando en x0

converge a α con orden de convergencia (al menos) p.


Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 23

Figura 3: Interpretación geométrica del algoritmo aproximaciones sucesivas (AS)

Transformación práctica de g(x)=0 en x -g(x)/M = x siendo 0<m ≤g ´(x) ≤M

Ejemplo. Establezca un proceso de iteración para la ecuación f ( x) = x − 3 x + 1 = 0


2

Solución. La ecuación puede escribirse


x = g ( x ) = 21 ( x 2 + 1) , por tanto, x n +1 = g ( x n ) = 21 ( x n2 + 1)
y si se toma x0 = 1 , se obtiene la sucesión
x0 = 1, x1 = 0,667, x2 = 0,481, x3 = 0,411, x4 = 0,390,
que parece tender a la raíz más pequeña ( x = 0,381966 ...). Si se elige x0 = 2 , la situación es
semejante. Si se toma x0 = 3 , se obtiene la sucesión
x0 = 3, x1 = 3,333, x2 = 4,037, x3 = 5,766, x4 = 11,414,
que aparente ser divergente (la solución es x = 2,618034…).
La ecuación propuesta también puede escribirse
1 1
x = g ( x ) = 3 − , por tanto, xn+1 = g ( xn ) = 3 −
x xn
y si se toma x0 = 1, se obtiene la sucesión
x0 = 1,000, x1 = 2,000, x2 = 2,500, x3 = 2,600, x4 = 2,615,
la cual parece tender a la solución más grande. De manera análoga, si se toma x0 = 3 , se obtiene la
sucesión
x0 = 3,000, x1 = 2,667, x2 = 2,625, x3 = 2,619, x4 = 2,618,
Ejemplo. Hállese una solución de f ( x ) = x 3 + x − 1 por iteración.
Solución. Un esquema aproximado hace ver que una solución real está cerca de x = 1. Puede
escribirse la ecuación en la forma
1 1
x = g( x) = 2 , por tanto, x n+1 = g ( x n ) =
1+ x 1 + x n2
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 24

Entonces g′( x ) = 2 x (1 + x 2 ) 2 < 1 para cualquier x, de modo que se tiene convergencia para
cualquier x0 . al tomar x0 = 1 , se obtiene la sucesión
x0 = 1,000, x1 = 0,500, x2 = 0,800, x3 = 0,610, x4 = 0,729, x5 = 0,653, x6 = 0,701,

La raíz exacta hasta 6 cifras decimales ess = 0,682328 .

MÉTODO DE NEWTON-RAPHSON
Conocido el algoritmo (AS) resulta natural, para aproximar las raíces de (1), escribir la ecuación en la
forma de una ecuación de punto fijo, como por ejemplo

x = x + c ⋅ f ( x) = F ( x)

para algún c ∈ , ya que f (α ) = 0 ⇔ α = F (α )

Además, se sabe que, si F ′ (α ) = 0 , la sucesión de (AS) tiene orden de convergencia 2.

Para que F ( x ) = x + c ⋅ f ( x ) verifique F ′ (α ) = 0 tendría que ser c = −1 f ′ (α ) . El problema es que

no se conoce α .

Ahora bien, la función F ( x ) = x + h ( x ) ⋅ f ( x ) también verifica F ′ (α ) = 0 si se elige

h ( x ) = −1 f ′ (α ) . La aplicación del algoritmo (AS) al cálculo de la solución de la ecuación

f ( x)
x = x−
f ′( x)

Proporciona el siguiente algoritmo


Algoritmo de Newton

Elegir x0 ∈ [ a, b]

f ( xk )
Dados k ≥ 0 y xk , tomar xk +1 = xk −
f ′ ( xk )

Obviamente, el algoritmo de Newton necesita del conocimiento de f ′ ( x ) y que no se anule en

ningún término de la sucesión.


Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 25

La interpretación geométrica del algoritmo de Newton es inmediata: xn +1 es la abscisa del punto de

intersección con el eje OX de la tangente a la curva y = f ( x ) en el punto ( xn , f ( xn ) ) .

Figura 4: Interpretación geométrica del Algoritmo de Newton

Teorema. Convergencia global del algoritmo de Newton

Sea F : I = [ a, b ] ⊂ → , una función de clase C 2 verificando

1) f ( a ) f ( b ) < 0

2) f ′ ( x ) ≠ 0 ∀x ∈ [ a, b]

3) f ′′ ( x ) ≠ 0 ∀x ∈ [ a, b] ¨

4) Si c ∈ [ a, b ] es el extremo del intervalo [ a, b] en que f ′ es menor, se tiene

f (c)
≤b−a
f ′(c)

Entonces la ecuación f ( x ) = 0 tiene una única raíz α ∈ ( a, b ) y ∀x0 ∈ [ a, b] , la sucesión producida

por el algoritmo de Newton converge a , con convergencia de orden (al menos) 2.


Si partimos de una primera aproximación, x0, de α y calculamos la recta tangente a f en x0 de
ecuación:

y − f ( x0 ) = f ′ ( x0 )( x − x0 )
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 26

f ( x0 )
el punto de corte de ésta con el eje OX nos da x = x0 − , f ′ ( x0 ) ≠ 0 .
f ′ ( x0 )
Llamando x1 a ese valor, es decir,

f ( x0 )
x1 = x0 − , f ′ ( x0 ) ≠ 0
f ′ ( x0 )
y considerando f´(x1) ≠0, tendremos:

f ( x1 )
x2 = x1 − , f ′ ( x1 ) ≠ 0
f ′ ( x1 )
Definimos la sucesión de Newton-Raphson como:

f ( xn−1 )
xn = xn−1 − con f ' ( xn−1 ) ≠ 0 para n ≥ 1
f ' ( xn−1 )

El siguiente teorema proporciona una estimación del error que será útil como test de parada de las
iteraciones:

Teorema. Sea f ∈ C 2 ([ a, b ]) . Si m = min f ′ ( x ) > 0 , la sucesión del método de Newton-Raphson


a ≤ x ≤b

verifica:
M 2
xn − α ≤ xn − xn −1 , ∀n ≥ 0
2m

donde M = max f ′′ ( x ) .
a ≤ x ≤b

Teorema de convergencia local.

Sea f : [a, b]⊂R→R una función continua tal que f (α ) = 0 , para un α ∈ ( a, b ) . Supongamos que f

es derivable en un entorno de α, que f ′ es continua en α y que f ′ (α ) ≠ 0 . Entonces

f ( x)
1. La función F ( x ) = x − está bien definida en un entorno de α, es derivable en α y F ′ (α ) = 0 .
f ′( x)

2. Existe δ > 0 tal que ∀x0 ∈ (α − δ , α + δ ) , la sucesión producida por el algoritmo de Newton-

Raphson converge a α.
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 27

xn +1 − α
3. Además, ∀x0 ∈ (α − δ , α + δ ) , lim = 0.
n →∞ xn − α

Si f con derivadas continuas hasta de orden 2 en un entorno de α, se puede demostrar que la


convergencia es de segundo orden

En la práctica es difícil encontrar el valor de δ para que {xn} converja. Ahora bien, podemos elegir un
x0 de [a, b] y construir la sucesión de Newton-Raphson (N-R) comprobando que: xn están en [a , b] y
f ´(xn-1) ≠0. Naturalmente, la sucesión puede no ser convergente. Si lo es, podemos asegurar que
converge a la solución.

Modificación del Método de N-R si f ′ ( xn ) es difícil de calcular y f ′ ( x ) , f ′′ ( x ) tienen signo

f ( xn−1 )
constante en [a,b], usar xn = xn−1 −
f ' ( x0 )

Teorema de convergencia (Práctico). Sea f : [a, b]→ R una función continua en [a, b] con derivadas

continuas hasta de orden 2 en [ a, b ] . Sea f ( a ) f ( b ) < 0 y además sean f ′ ( x ) , f ′′ ( x ) no nulas y

manteniendo el signo en [ a, b ] .Si x0 ∈ [ a, b ] verifica f ( x0 ) ⋅ f ′′ ( x0 ) > 0 , el método de Newton--

Raphson converge a la única solución de f(x) = 0 en [a, b].

Auto corrección del método de N-R


En las condiciones del teorema anterior, si máx {|f(a) /f ´(a)|, |f(b) / f ´(b)|} ≤b-a, entonces N-R
converge con cualquier x0 de [a, b].

Ejemplo. Resolver por Newton-Raphson f ( x ) = x − 3 x + 75 x − 10000 .


4 2

1.-Determinación del intervalo inicial y aproximación inicial


x f ( x) f ′( x ) f ′′( x)
0 -10000,0000000
-1 -10077,0000000
-9 -4357,0000000
-10 -1050,0000000 -3865 1194
-11 3453,0000000 -5183 1446
-12 9404,0000000
2.- Aproximaciones
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 28

x ( n) f ( x) f ′( x ) x ( n + 1) x ( n + 1) − x ( n )
-11 3453,00 -5183 -10,3337835 -0,666216477
-10,3337 308,085851 -4277,055649 -10,2617513 -0,072032229
-10,26175129 3,2934916 -4185,824428 -10,2609645 -0,00078682
-10,26096447 0,0003893 -4184,834966 -10,2609644 -9,30203E-08

3.- Solución: -10,2609644

Ejercicio. Resolver por Newton-Raphson f ( x ) = 2 − e + x − 3 x .


x 2

Solución: 0,25753029
Variantes del método de Newton-Raphson
El método de Newton-Raphson, aunque converge rápidamente, tiene dos grandes inconvenientes:
En el caso general no se garantiza la convergencia a menos que se inicie el algoritmo con un x0
suficientemente cercano a la solución.
Necesita del cálculo de la derivada de la función f. Obviamente, no se puede utilizar si está no se
conoce, y resultará no adecuado si es difícil de calcular.

MÉTODO DE LA SECANTE

El método de Newton-Raphson presenta el gran inconveniente que es la evaluación de f ′ ( x ) , que en

algunos casos es más difícil que evaluar la propia f(x). En el método de la secante lo que se hace es
sustituir la derivada por una aproximación, de la forma:
f ( xn ) − f ( xn −1 )
f ′ ( xn ) ≈
xn − xn −1
Tomando los valores iniciales x0y x1 y sustituyendo en la sucesión de N-R obtenemos la sucesión de
la secante:

f ( xn )( xn − xn −1 )
xn +1 = xn − ; n ≥1
f ( xn ) − f ( xn −1 )

Algoritmo de la secante
Tomar x0 = a y x1 = b

f ( xn )( xn − xn −1 )
Dados n ≥ 1, xn y xn −1 tomar xn +1 = xn −
f ( xn ) − f ( xn −1 )

Teorema de convergencia local. Sea f:[a, b]→R dos veces derivable en [a, b] tal que

f ′ ( x ) ≥ m > 0 , f ′′ ( x ) ≤ M en todo [a, b]. Si α es tal que f(α) =0, existe un δ> 0 tal que si
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 29

δ[M/(2m)]< 1con x0 y x1 en [α-δ, α+δ] , entonces la sucesión de la secante es convergente a la


solución α.
Convergencia
• En general el método de la secante converge de forma más lenta que el método de N-R, con un

(
orden de convergencia de 1 + 5 / 2 ≈ 1.62 )

No siempre es convergente. Al igual que N-R, si la derivada es próxima a cero, la pendiente de
la recta secante también.
Teorema (Práctico). Sea f : [a, b]→ R una función continua en [a, b] con derivadas continuas hasta de
orden 2 en [a, b]. Sea f(a) ⋅ f(b) < 0 y además sean f´ y f´´ no nulas y manteniendo el signo en [a, b].
Si x0,x1 en [a, b] el método de la secante converge a la única solución de f(x) = 0 en [a, b].

Criterio de Parada:
M 1 − m1
Si 0 < m1 ≤ f ′ ( x ) ≥ M 1 , entonces el error está acotado po: xn +1 − α < xn +1 − xn
m1
Ecuaciones con raíces múltiples
Diremos que s es una solución de f(x)=0 de multiplicidad p si f(x) =(x-s)p.q(x) con lim q(x)≠0. Si p
=1, s es un cero simple de f.

Caracterización. f derivable y con derivada continua en [a, b] tiene un cero simple en (a, b) si y solo si
f(s)= 0,f´(s) ≠0.
• El método de N-R puede ser convergente si la raíz no es simple, pero su convergencia será más
lenta. Otro método para un problema con raíces múltiples consiste en utilizar la sucesión:

f ( sn ) f ′ ( sn )
sn +1 = sn −
⎡⎣ f ′ ( sn ) ⎤⎦ − f ( sn ) f ′′ ( ¨sn )
2

Ejemplo. Resolver por el Método de la Secante f ( x ) = x − 3 x + 75 x − 10000 .


4 2

1.-Determinación del intervalo inicial y aproximación inicial

x f ( x) f ′( x ) f ′′( x)
0 -10000,0000000
-1 -10077,0000000
-9 -4357,0000000
-10 -1050,0000000 -3865 1194
-11 3453,0000000 -5183 1446
-12 9404,0000000
Apuntes Apoyo Métodos Numéricos/ Gabriel Sanhueza D /UDLA 2009 30

x(n) x(n+1) f(x(n)) f (x(n+1)) x(n+2) x(n+2)-x(n+1)


-11 -10 3453,000000 -1050,0000000 -10,2331779 -0,76682212
-10 -10,2331779 -1050,000000 -115,7973600 -10,2620810 0,262081014
-10,2331779 -10,2620810 -115,7973600 4,6737103 -10,2609597 0,027781827
-10,2620810 -10,2609597 4,6737103 -0,0195519 -10,2609644 -0,001116634
-10,2609597 -10,2609644 -0,0195519 -0,0000033 -10,2609644 4,67208E-06
3.- Solución: -10,2609644

Ejercicio. Resolver por el Método de la Secante f ( x ) = x + 10cos ( x ) .


2

Test de parada

Cuando se utiliza un algoritmo iterado para resolver f ( x ) = 0 es necesario introducir algún

mecanismo para detener las iteraciones. El más inmediato consiste en detenerse cuando

f ( xn ) ≤ ε

Pero no es un buen test.

Otro test natural es detenerse cuando xn +1 − xn ≤ δ es suficientemente pequeño, o más correctamente

xn +1 − xn
≤ δ ⇔ xn +1 − xn ≤ δ xn
xn

para tener en cuenta el orden de magnitud de los términos de la sucesión.


Aceleración de la convergencia
Se presenta a continuación un teorema que permite, sin cálculos adicionales, conseguir, a partir de la
sucesión convergente, otra que converge más rápido.

Teorema. Sea { xn }n≥0 una sucesión convergente, xn → α , verificando

xn +1 − α = ( A + ε n )( xn − α ) con A < 1 y lim ε n = 0 .


n →∞

( xn+1 − xn )
2

Entonces, la sucesión zn = xn − , está definida para n suficientemente grande y


( xn − 2 xn+1 + xn+ 2 )

converge a αmás rápidamente que xn , en el sentido de que

zn − α
lim =0
n →∞ x − α
n