Notas Metodos Cap 1

2 Ecuaciones y Sistemas de Ecua-
ciones no Lineales
En matemática, se conoce como raíz (o cero) de una función f pxq a todo elemento x
perteneciente al dominio de dicha función tal que se cumpla: f pxq “ 0. Por ejemplo,
dada la función f pxq “ x2 ´ 6x ` 8, podemos afirmar que 2 y 4 son raíces ya que
f p2q “ 0 y f p4q “ 0. En caso de funciones reales los puntos en los que el gráfico
corta al eje de las abscisas es una interpretación gráfica de las raíces de dicha función.
El teorema fundamental del álgebra determina que todo polinomio en una variable
compleja y de grado n tiene n raíces (contando sus multiplicidades). Aun así, las
raíces de los polinomios reales no son necesariamente reales; algunas de ellas, o
incluso todas, pueden ser complejas.
Una ecuación lineal es una ecuación relacionada con una línea recta, por ejemplo
f pxq “ mx ` c describe una recta con pendiente m y la ecuación lineal f pxq “ 0, que
implica tal f , se resuelve fácilmente, x “ ć{m (siempre que m ‰ 0). Si una función
f no está representada por una línea recta de esta manera, decimos que no es lineal.
En otras palabras,una ecuación se dice no lineal si contiene terminos polinomiales
de grado mayor que uno o si contiene terminos que no son polinómicos. En general,
las ecuaciones no lineales no pueden ser resueltas analíticamente. En este caso, por
lo tanto, la solución debe ser obtenida usando métodos iterativos. El principio de
22 Ecuaciones y Sistemas de Ecuaciones no Lineales
estos métodos de solución consiste en partir de un punto arbitrario, el más cercano

posible a la solución, y llegar a la solución gradualmente a través de iteraciones
sucesivas. La idea general de resolver una ecuación mediante la mejora sucesiva de
una estimación inicial agregando términos correctivos se ha usado desde hace mucho
tiempo. Los griegos y babilonios usaban este tipo de métodos para extraer raices.
En esta sección estudiaremos algunos métodos básicos de resolución de ecuaciones

o sistemas de ecuaciones no lineales. La búsqueda de una raíz de una ecuación que
modela una relación no lineal es compleja y no es posible proporcionar un método
que funcione de manera optima en todos los casos. Las dos clases principales de
métodos disponibles para obtener la aproximación de la raiz de una ecuación no
lineal se distinguen por el tipo de datos o valores iniciales.
Normalmente, un procedimiento iterativo comienza con una iteración inicial x 0 y

produce una secuencia de iteraciones x1 , x2 , . . . , xk . Obsérvese que en general no es-
peramos que el procedimiento iterativo produzca la solución exacta x. Podríamos
concluir que la serie de iterados converge si los valores de |f pxk q| y o |xk ´ xk´1 | tien-
den hacia 0 suficientemente rápido a medida que aumenta el contador de iteración
k. Correspondientemente, uno o más de los siguientes criterios generales se utilizan
para terminar con éxito tal proceso iterativo después de n iteraciones:
|xn ´ xn´1 | ď Atol
|xn ´ xn´1 | ď Rtol|xn |
|f pxn q| ď Ftol
donde Atol, Rtol y Ftol son constantes especificadas por el usuario. Por lo general,
pero no siempre, el segundo criterio relativo es más robusto que el primero, absoluto.
Una combinación adecuada puede usar un valor de tolerancia tol, que dice: |x n ´
xn´1 | ď Tolp1 ` |xn|q. El tercer criterio es independiente de los dos primeros; Toma
el valor de la función en cuenta. La función f pxq puede ser en general muy plana, o
muy empinada, o ninguna, cerca de su raíz.
Los métodos cerrados (bracketing methods) calculan los puntos finales de una
serie de intervalos sucesivamente más pequeños que contienen una raíz. Esto
Ecuaciones y Sistemas de Ecuaciones no Lineales 23
les permite proporcionar lḿites del error absoluto en la ubicación de una raíz
cuando se sabe que la función es continua. Estos métodos requieren dos puntos
iniciales, uno a cada lado de la raíz.
Los métodos abiertos usan uno o mas aproximaciones iniciales de la raíz pero
no hay necesidad de que la raiz este entre esas aproximaciones.
Para problemas bien planteados, los métodos cerrados siempre funcionan,por lo que
tambien son llamados de convergencia garantizada, pero convergen lentamente, es
decir, típicamente toman más iteraciones para obtener la respuesta adecuada. En
contraste, los métodos abiertos no siempre funcionan (es decir, pueden diverger),
pero cuando lo hacen, generalmente convergen más rápido.
Por esta razón, es importante conocer las debilidades y fortalezas de los métodos en
lo teorico y en lo practico. En este sección estudiaremos los métodos de Bisección,
Posición Falsa, Newton-Raphson, Secante y de Punto Fijo. Los cuatro son iterativos
y comienzan con una o varias aproximaciones de la ecuación f pxq “ 0. Las diferencias
radican en
el número de valores iniciales,
la garantia de convergencia,
la velocidad de convergencia y
el costo computacional.
El problema consiste en, dada f : R Ñ R (no lineal), encontrar x P R tal que

f pxq “ 0, para el caso de una sola ecuación, o bien, dada : Rn Ñ Rn (no lineal),
encontrar x “ px1 , . . . , xn qt P Rn tal que pxq “ 0, para el caso de un sistema de
ecuaciones. Para el caso escalar (una sola ecuación), la solución x se denomina raíz
de la función f .
2.1 Método de Bisección
El método de bisección es un algoritmo de búsqueda de raíces que trabaja dividiendo

el intervalo de trabajo a la mitad y seleccionando el subintervalo que tiene la raíz.
Este método es el algoritmo más simple y más robusto para encontrar la raíz de
una función continua unidimensional en un intervalo cerrado. Se basa en el teorema
del valor intermedio, el cual establece que toda función continua f en un intervalo
cerrado ra, bs toma todos los valores que se hallan entre f paq y f pbq.
Teorema 2.1.1. Sea f : ra, bs Ñ R una función continua en el intervalo ra, bs

y supongamos que f paq ă f pbq. Entonces, para cada valor intermedio z tal que
f paq ă z ă f pbq, existe α P pa, bq tal que f pαq “ z. La misma conclusión se obtiene
para el caso que f paq ą f pbq.
En particular, si f paq y f pbq tienen signos opuestos, entonces z “ 0 es precisamente

un valor intermedio y, por lo tanto, existe por lo menos una raíz α de f en el intervalo
pa, bq.
Dados a y b tales que a ă b y f P Cpra, bsq tal que f paqf pbq ă 0, sean a0 :“ a
a0 ` b0
y b0 :“ b. Por lo tanto f tiene una raíz en el intervalo pa0 , b0 q. Sea c0 :“ .
2
Forzosamente debemos caer en uno de los siguientes casos:
(a) f pa0 qf pc0 q “ 0: en este caso se tiene que f pc0 q “ 0; por lo tanto ya localizamos
una raíz, c0 , y se finaliza el proceso;
(b) f pa0 qf pc0 q ă 0: por lo tanto f tiene una raíz en el intervalo pa0 , c0 q y definimos
a1 “ a0 y b1 “ c0 ;
(c) f pa0 qf pc0 q ą 0: por lo tanto f tiene una raíz en el intervalo pc0 , b0 q y definimos
a1 “ c0 y b1 “ b0 .
En los casos (b) y (c) anteriores f tiene una raíz en el nuevo intervalo pa1 , b1 q.
Por lo tanto, el proceso se vuelve a repetir desde con el nuevo intervalo pa1 , b1 q y
c1 :“ pa0 ` b0 q{2, hasta que se satisfaga algún criterio de detención.
a2
a1 x1
a0
x0 b0
b1
x2 b2
Figura 2.1: Método de Bisección
Es fácil comprobar a partir del algoritmo que, si α es la raíz de la ecuación, entonces

los valores ck “ cr calculados en cada paso (donde k denota el número de paso)
satisfacen ˆ ˙k
1
|α ´ ck | ď pb ´ aq
2
y, por lo tanto, α “ lı́mkÑ8 ck , como queda establecido en el siguiente teorema:
Teorema 2.1.2. Suponga que f P Cra, bs y f paqf pbq ă 0. El método de bisección

genera una sucesión tcn u8
n“1 de aproximación de un cero c de f tal que
ˆ ˙k
1
|ck ´ α| ď pb ´ aq cuando n ě 1. (2.1)
2
Demostración. Para cada k ě 1, tenemos bk ´ ak “ pb ´ aq{2k y α P pak , bk q. Como

ck “ pak ` bk q{2 para todo k ě 1 , resulta que |ck ´ α| ď 21 pak ´ bk q “ pb ´ aq{2k . De
lo anterior se sigue que la sucesión converge a α con una tasa de convegencia Op 21k q,
esto es ck “ α ` Op 21k q.
Ejemplo 2.1.1. Encuentre el numero de iteraciones que se requieren para alcanzar

una aproximación con una exactitud de 10´4 a la solución de x3 ´ x ´ 1 “ 0 que se
encuentra en el intervalo r1, 2s.
Solución. Por (2.1) tenemos que |ck ´ α| ď pb ´ aq{2k para k ě 1. Como queremos
que |ck ´ α| ď 10´4 , esto requiere que |ck ´ α| ď pb ´ aq{2k “ 2´k ă 10´4 así,
despejando k se obtiene k ą 4{ ln 2 “ 13,2. Luego el numero minimo de iteraciones
para alcanzar una precisión de 10´4 es 14.
Implementación en Matlab
Cuadro 2.1: Comparación de los métodos.
Método de Bisección
1 Encuentre el intervalo ra, bs en el cual f pxq “ 0
2 Haga c “ pa ` bq{2
3 Calcule f pcq
4 Revise el criterio de convergencia
5 Si f pcq y f pbq tienen signos opuestos haga a “ c, en caso contrario haga b “ c
6 Reptita el paso 2.
El siguiente programa calcula la raíz de una ecuación f pxq “ 0 mediante el método

de bisección. Los datos del programa son la función f , los extremos del intervalo
ra, bs donde se busca la raíz, y la tolerancia tol con la que se desea calcular ésta.
El programa tiene una salida de error en el caso en que la función f no cambie de
signo en el intervalo inicial.
function raiz=bisec(funct,a,b,tol)
fa=feval(funct,a);
fb=feval(funct,b);
if (fb*fa>0)
error(’La funcion tiene el mismo signo en ambos extremos.’)
end
while (abs(b-a)>tol)
if (fa*fb==0)
if (fa==0)
raiz=a;
else
raiz=b;
end
else
raiz=(a+b)/2;
fraiz=feval(funct,raiz);
if fraiz==0;
disp(’El punto medio es la raiz!’)
break
elseif (fa*fraiz>0)
a=raiz;
fa=fraiz;
else
b=raiz;
fb=fraiz;
end
end
end
?
Ejemplo 2.1.2. Encuentre una aproximación a 3
25 correcta con una exactitud de
10´4 usando el método de bisección.
?
Solución. Para aproximar 3 25 utilizamos la ecuación f pxq “ x3 ´ 25 “ 0. ? Para
establecer el intervalo donde buscaremos la raiz tenemos en cuenta que 2 “ 3 8 y
?
3 “ 3 27 y comprobamos que f p2q.f p3q ă 0. Así utilizaremos el método de bisección
en la función f pxq “ x3 ´ 25 “ 0 en r2, 3s.
>> f=inline (’x^3 - 25’)

f=inline (’x^3 - 25’)
f =
Inline function:
f(x) = x^3 - 25
>> raiz=bisec(f,2,3,10^-4)
raiz =
2.9240 ?
luego la solución es 2,9240, por tanto 3 25 es aproximadamente 2, 9240.
Ejemplo 2.1.3. Aplique el método de bisección para encontrar soluciones exactas

dentro de 10´5 para el problema: x cosp2xq ´ px ` 1q2 “ 0 para ´3 ď x ď ´2 y
para ´1 ď x ď 0.
Solución. La raiz para el intervalo escogido es c17 “ ´2,065315246582031 como se

pede ver en el cuadro 2.2.
Cuadro 2.2: Bisección xk :“ pak ` bk q{2.
k ak bk pak ` bk q{2 f pak q f ppak ` bk q{2q f pbk q

0 -3 -2 -2.5 -6.88051 -2.95916 3.07287e´1
1 -2.5 -2 -2.25000 -2.95916 -1.08821 3.07287e´1
2 -2.25000 -2 -2.12500 -1.08821 -3.17689e´1 3.07287e´1
.. .. .. .. .. .. ..
. . . . . . .
16 -2.06537 -2.06531 -2.06534 -2.87010e´4 -1.33426e´4 2.01494e´5
17 -2.06534 -2.06531 -2.06532 -1.33426e´4 -5.66369e´5 2.01494e´5
Es aconsejable disponer de una gráfica de la función a la que le buscamos una raíz

ya que esto se podría usar para determinar un intervalo inicial que contiene una
raíz. En el caso de una función que tiene múltiples raíces se debe tener en cuenta la
grafica para elegir un intervalo que contiene sólo una raíz, de lo contrario el método
de bisección (o cualquier otro método que pueda considerarse) puede dar un valor
que inapropiado para problema que se está modelando.
2.2 Método de la Falsa Posición
Una desventaja del del método de bisección es que al dividir el intervalo ra, bs en
mitades iguales, no se tiene en cuenta las magnitudes de f paq y f pbq. Por ejemplo, si
f paq está mucho más cercana a cero que f pbq, es lógico que la raíz se encuentre más
cerca de a que de b (figura 2.2). El método de la falsa posición al igual que el método
de bisección: localiza la raíz en una sucesión de intervalos de tamaño decreciente.
En lugar de seleccionar el punto medio cada intervalo, este método utiliza el punto
donde las líneas secantes cortan al el eje x.
(b, f (b))
a α
c b
(a, f (a))
Figura 2.2: Método de Regula Falsi
En la figura 2.2, la línea secante sobre el intervalo ra, bs es la cuerda entre pa, f paqq
y pb, f pbqq. Los dos triángulos rectos de la figura son similares, lo que significa que
bć cá
“
f pbq ´f paq
Es fácil mostrar que
„  „ 
a´b bá af pbq ´ bf paq
c “ b ´ f pbq “ a ´ f paq “
f paq ´ f pbq f pbq ´ f paq f pbq ´ f paq
Entonces calculamos f pcq y procedemos al siguiente paso con el intervalo ra, cs si

f paqf pcq ă 0 o al intervalo rc, bs si f pcqf pbq ă 0.
Cuadro 2.3: Comparación de los métodos.
Método de Falsa Posición

1 Encuentre el intervalo ra, bs en el cual f pxq “ 0
2 Haga c “ paf pbq ´ bf paqqpf pbq ´ f paqq
3 Calcule f pcq
5 Si f pcq y f pbq tienen signos opuestos haga a “ c, en caso contrario haga b “ c
6 Reptita el paso 2.
2.3 Método de Newton–Raphson.
Este método fue propuesto por Newton en 1669. En su trabajo, Newton solo trató
con polinomios y fue J. Raphson, quien propuso en 1690 la forma general del método,
es decir, con f pxq general, es por eso que el método es a menudo llamado el método
de Newton-Raphson. El progreso en el desarrollo del método está relacionada con
famosos matemáticos como Fourier, Cauchy y otros. Por ejemplo, Fourier demostró
en 1818 que el método converge cuadráticamente en la vecindad de una raíz, mientras
que Cauchy proporcionó la extensión a sistemas de ecuaciones. En el trabajo [1]
se expone el desarrollo historico del Método de Newton Raphson a través de las
notas, cartas y publicaciones existentes de Isaac Newton, Joseph Raphson y Thomas
Simpson.
Este método se basa en usar una recta tangente a la gráfica de f para aproximar
esta gráfica, cerca del punto donde la función se anula: Supongamos que tenemos
la aproximación xk a la raíz α de f pxq. Trazamos la recta tangente a la curva en el
punto pxk , f pxk qq, cuya ecuación es: y “ f pxk q ` f 1 pxk qpx ´ xk q. Esta recta cruza al
eje de abscisas en un punto xk`1 que será nuestra siguiente aproximación a la raíz
α. El punto xk`1 donde la recta tangente y “ f pxk q ` f 1 pxk qpx ´ xk q corta al eje
de abscisas queda determinado por f pxk q ` f 1 pxk qpxk`1 ´ xk q “ 0. El método de
Newton Raphson o de la tangente define entonces la sucesión de aproximaciones a
x2 x1 x0
Figura 2.3: Método de Newton Raphson
α de la manera siguiente:
f pxk q
xk`1 :“ xk ´ , k “ 0, 1, 2, . . .
f 1 pxk q
a partir de una aproximación inicial x0 dada y siempre que f 1 pxk q ‰ 0.
Cuadro 2.4: Método de Newton Raphson.
Método de Newton Raphson

1 Escoja el punto inicial x0
2 Si f 1 px0 q ‰ 0, haga x1 “ x0 ´ f px0 q{f 1 px0 q, en caso contrario use otro valor para x0 .
4 Haga x0 “ x1
5 Repita el paso 2.
Definición 2.3.1 (Orden de Convergencia). Una sucesión txk ukPN que converge a
α se dice convergente con orden p ě 1, si
|α ´ xk`1 | ď C|α ´ xk |p @k P N,
para alguna constante C ą 0.

Si p “ 1 se dice que la sucesión converge linealmente a α; si p “ 2, que converge

cuadráticamente; etc. El orden de convergencia se puede relacionar con la rapidez
con la que la sucesión converge al límite α.
Teorema 2.3.1. Sea f P C 2 pra, bsq con una raíz α P pa, bq y sean m1 y M2 tales que
m1 ď mı́n |f 1 pxq| y máx |f 2 pxq| ď M2 .

xPra,bs xPra,bs
Dado x0 P ra, bs, sea txk ukPN la sucesión obtenida por el método de Newton–Raphson.
Si xk P ra, bs @k P N y m1 ą 0, entonces
M2
|α ´ xk`1 | ď |α ´ xk |2 .
2m1
Por lo tanto, si x0 se escoge suficientemente cercano a α, se tiene la convergencia
lı́m xk “ α,
kÑ8
con orden p “ 2.
Demostración. Para establecer la convergencia cuadrática del método, sea e n “

r ´ xn . La formula que define la sucesión txn u nos permite escribir
f pxn q f pxn q en f 1 pxn q ` f pxn q
en`1 “ α ´ xn`1 “ α ´ xn ` “ en ` “
f 1 pxn q f 1 pxn q f 1 pxn q
Por la formula de Taylor existe un punto ξn situado entre xn y r tal que
1
0 “ f prq “ f pxn ` en q “ f pxn q ` en f 1 pxn q ` e2n f 2 pξn q
2
re-ordenando la última ecuación obtenemos
1
f pxn q ` en f 1 pxn q “ ´ e2n f 2 pξn q
2
Reemplazando esto en la ecuación obtenida previamente para en`1 se tiene
1 f 2 pξn q 2
en`1 “´ 1 e .
2 f pxn q n
Por otro otro lado ˇ 2 ˇ
ˇ f pξn q ˇ máxxPra,bs |f 2 pξn q| M2
ˇ ˇ
ˇ f 1 pxn q ˇ ď mı́nxPra,bs |f 1 pxn q| ď m1 .
Entonces ˇ ˇ
ˇ 1 f 2 pξn q 2 ˇ M2
ˇ
|α ´ xk`1 | “ ˇ´ 1 en ˇˇ ď |α ´ xk |2
2 f pxn q 2m1
Teorema 2.3.2. Sea f P C 2 pra, bsq y sean m1 y M2 tales que
m1 ď mı́n |f 1 pxq| y máx |f 2 pxq| ď M2 .

xPra,bs xPra,bs
Dado x0 P ra, bs, sea txk ukPN la sucesión obtenida por el método de Newton–Raphson.
Si xk P ra, bs @k P N y m1 ą 0, entonces
M2
|α ´ xk`1 | ď |xk`1 ´ xk |2 , k “ 0, 1, 2, . . .
2m1
Observacion 2.3.1. De acuerdo al Teorema 2.3.1, si el método de Newton–Raphson

converge, lo hace cuadraticamente (es decir, con orden p “ 2). La convergencia está
asegurada por el Teorema 2.3.1, bajo la hipótesis de que x0 esté suficientemente cerca
de la solución α: |α ´ x0 | ă M2 {2m1 . Sin embargo, no hay una forma práctica de
verificar esto. El Teorema2.3.2, nos provee de una estimación a posteriori del error,
siempre que se conozcan las cotas m1 y M2 . Si se itera hasta que |xk`1 ´ xk | ď
a
2m1 ǫ{M2 , entonces del teorema se obtiene |α ´ xk`1 | ď ǫ.
Definición 2.3.1. Criterio de detención. Si el método de Newton–Raphson conver-

M2 ǫ
ge, cuando |xk`1 ´ xk | ď ǫ, con ǫ suficientemente pequeño como para que ! 1,
2m1
entonces se tiene que
|α ´ xk | ď |α ´ xk`1 | ` |xk`1 ´ xk |
M2
ď |xk`1 ´ xk |2 ` |xk`1 ´ xk | « |xk`1 ´ xk | .
2m1
Como además |α ´ xk`1 | ! |α ´ xk | , es razonable estimar |α ´ xk`1 | ď |xk`1 ´ xk | ď

ǫ. En consecuencia, si se desea calcular la raíz α con error menor que ǫ mediante
este método, puede usarse como criterio de detención confiable |x k`1 ´ xk | ď ǫ.
function raiz=newton(f,Df,x0,tol,maxit)
k=0;
raiz=x0;
corr=tol+1;
while (k<maxit) & (abs(corr)>tol)
k=k+1;
xk=raiz;
fxk=feval(f,xk);
Dfxk=feval(Df,xk);
if (Dfxk==0)
error(’La derivada de la funcion se anula.’)
end
corr=fxk/Dfxk;
raiz=xk-corr;
end
if (abs(corr)>tol)
error(’Se excedio el numero maximo de iteraciones.’)
end
Ejemplo 2.3.1. Calcule mediante este programa las raíces de la ecuación cospxq ´
x “ 0 con un error menor que 10´12 .
>> f3=inline(’cos(x)-x’);
>> Df3=inline(’-sin(x)-1’);
>> tol=1.e-12;
>> maxit=10;
>> x0=1;
>> format long
>> raiz=newton(f3,Df3,x0,tol,maxit)
raiz =
0.73908513321516
?
Ejemplo 2.3.2. Calculemos 2 resolviendo la la ecuación x2 ´ 2 “ 0 con un error
Cuadro 2.5: Resultados obtenidos por los métodos de Bisección y Newton–Raphson
Bisección Newton–Raphson
1 1.50000000000000 2.00000000000000
2 1.25000000000000 1.50000000000000
3 1.37500000000000 1.41666666666667
4 1.43750000000000 1.41421568627451
5 1.40625000000000 1.41421356237469
6 1.42187500000000
7 1.41406250000000
.. ..
. .
15 1.41421508789063
16 1.41419982910156
17 1.41420745849609
menor que 10´5 usando el método de Bisección y el método Newton.
Ejemplo 2.3.3. Verifique que el método de Newton es usado para calcular la raíz
cuadrada de R, px2 “ Rq la sucesión de iteraciones esta definida por
ˆ ˙
1 R
xn`1 “ xn `
2 xn
2.4 Método de la Secante.
Un problema con el método de Newton es que requiere para evaluar tanto la función
como su derivada en cada paso. Cuando la función f es difícil de evaluar , esto puede
ser costoso. Por lo tanto, a veces es mejor contar con métodos que no requieran la
evaluación de la derivada de la función aunque esto implique a tener que usar un
mayor número de valores iniciales. Un ejemplo de estos métodos alternativos al
método de Newton–Raphson, es el método de la secante. Éste método consiste,

simplemente, en reemplazar la derivada f 1 pxk q por el cociente incremental
f pxk q ´ f pxk´1 q
.
xk ´ xk´1
Es decir,
xk ´ xk´1
xk`1 :“ xk ´ f pxk q , (2.2)
f pxk q ´ f pxk´1 q
para k “ 1, 2, . . . , con x0 , x1 dados.
x2 x3 x1 x0
Cuadro 2.6: Método de Newton Raphson.
Método de Secante
1 Escoja los puntos iniciales x0 y x1
2 Haga x2 “ x1 ´ f px1 qpx1 ´ x0 q{pf px1 q ´ f px0 qq.
4 Haga x0 “ x1 y x1 “ x2
5 Repita el paso 2.
Teorema 2.4.1. Sea f P C 2 pra, bsq con una raíz α P pa, bq y tal que f 1 pxq “ 0
@x P ra, bs. Dado x0 , x1 P ra, bs, sea txk ukPN la sucesión obtenida por el método de la
secante. Supongamos que xk P ra, bs @k P N. Entonces

|α ´ xk`1 | ď C |α ´ xk |p ,
?
con p “ p1 ` 5q{2 y C ą 0. Por lo tanto, si x0 se escoge suficientemente cercano
?
a α, se tiene la convergencia lı́m kÑ8 xk “ α, con orden p “ p1 ` 5q{2.
Observacion 2.4.1. Como en el método de Newton–Raphson, la convergencia del
método de la secante no está siempre garantizada, pero cuando tiene lugar es bas-
tante veloz, con un orden levemente inferior al de Newton–Raphson.
Ejemplo 2.4.1. La sangre se comporta como un fluido no newtoniano y entre
los los principales modelos no newtonianos existentes para su descripción está el
modelo Casson. Este modelo predice que a diferencia de los líquidos como el agua,
la sangre fluye a través de un tubo de tal manera que el núcleo central se moverá
como un tapón con poca deformación, y la mayor parte del gradiente de velocidad se
producirá cerca de la pared del vaso. La siguiente ecuación se utiliza para describir
el flujo del tapón de un fluido Casson.
16 a 4 1
F pξq “ 1 ´ ξ ` ξ ´ ξ4
7 3 21
donde F mide la reducción del caudal (relativa a un fluido newtoniano) experimenta-
do por el fluido Casson para un gradiente de presión dada y ξ representa la fracción
del tubo se llena de flujo de tapón. Para un valor de F “ 0,40, utilice el método de la
secante para determinar el valor correspondiente de ξ . Utilice como aproximaciones
iniciales ξ “ 0,25 y ξ “ 0,26.
F pξq
k ξk F pξk q
2 0.154945125357809 0.306838746970189
3 0.121713497103167 0.364846520543225
4 0.101574690022528 0.406952778324256
0,4
5 0.104900102175629 0.399557373801510
6 0.104701071205083 0.399994679461919
7 0.104698649668035 0.400000004108657
ξ
α
Debemos buscar unaraiz de f pξq :“ F pξq ´ 0,4. La ecuación para ξk es

f pξk q ´ f pξk´1q
ξk`1 “ ξk ´ f pξk q
ξk ´ ξk´1
Entonces para que el caudal sea 0,4 la fraccion de l tubo debe ser 0,104698649668035.
2.5 Método del punto fijo
Un punto fijo de una función es un número en el que el valor de la función no cambia

cuando se aplica la función.
Definición 2.5.1. El número real α es llamado un punto fijo de la función g si y
sólo si gppq “ p.
Ejemplo 2.5.1. Sea gpxq “ x2 ´ 3x ` 4. 2 es un punto fijo de g porque gp2q “ 2.
Una condición suficiente alterna para la existencia de una solución a la ecuación

f pxq “ 0 es obtenida reescribiendo la ecuación en la forma equivalente x ´ gpxq “ 0,
donde g es cierta función de valor real definida y continua en ra, bs. Por tanto si p
es un punto fijo de g, entonces la función f pxq “ x ´ gpxq tiene un cero en p.
Note que hay distintas formas de escoger dicha función g. Por ejemplo encontrar una
raíz de f pxq “ ex ´ 3x ´ 4 es equivalente a encontrar un punto fijo de las siguientes
funciones
g1 pxq “ lnp3x ` 4q
ex ´ 4
g2 pxq “
3
g3 pxq “ éx ` 4x ` 4
El siguiente teorema, caracteriza a las funciones reales que tienen un punto en un

intervalo ra, bs
y=x
b
f (b) y = g(x)
f (a)
a b
Teorema 2.5.1. Suponga que g es una función de valor real, definida y continua
sobre un intervalo cerrado y acotado ra, bs de la recta real, y sea gpxq P ra, bs, para
todo x P ra, bs entonces g tiene un punto fijo en ra, bs. Si además, g 1 pxq existe en
pa, bq y existe 0 ď k ă 1 tal que |gpxq| ď k para todo x P pa, bq el punto fijo es unico.
Demostración. Si gpaq “ a o gpbq “ b, tenemos el resltado que deseamos. Si no,

entonces gpaq ą a y gpbq ă b. La función hpxq “ gpxq ´ x es continua tal que
hpaq “ gpaq ´ a ą 0 y hpbq “ gpbq ´ b ă 0. El Teorema del valor medio implica que
existe p P pa, bq para el cual hppq “ 0. Este número p es un punto fijo de g pues
gppq “ hppq ` p “ p.
Probemos ahora la unicidad: Supongamos que |g 1 pxq| ď k ă 1 y que p y q son

puntos fijos en ra, bs. Si p ‰ q, entonces por el Teorema del valor medio tenemos
que existe un número ξ entre p y q tal que gppq ´ gpqq “ g 1 pξqpp ´ qq de donde
|p ´ q| “ |gppq ´ gpqq| “ |g 1 pξq||p ´ q| ď k|p ´ q| ă |p ´ q| lo cual es una contradicción.
Esta contradicción se genero al suponer que p ‰ q. Luego p “ q y el punto fijo en
ra, bs es único.
En la figura 2.4 se puede ver que no todas las funciones obtenidas a partir de la
ecuación ex ´ 3x ´ 4 “ 0 cumplen la hipotesis de gpxq P ra, bs como se exige en el
f pxq
f pxq “ exx´ 3x ´ 4
e ´4
g2 pxq “
3
3 y“x
g1 pxq “ lnp3x ` 4q
x
3
g3 pxq “ éx ` 4x ` 4
Figura 2.4: Ecuación ex ´ 3x ´ 4 “ 0
teorema. Mientras que g1 pxq P r0, 3s para todo x P r0, 3s, esto no se cumple para
g2 pxq y g3 pxq.
` ˘
Ejemplo 2.5.2. Pruebe que la función gpxq “ π ` 21 sen x2 tiene un único punto
fijo en r0, 2πs.
Solución. Lo primero que debemos verificar es que gpxq P r0, 2πs. En efecto, calcu-
lemos los puntos críticos de gpxq : g 1 pxq “ 14 cosp x2 q por tanto g 1pxq “ 0 si x “ π. Los
puntos críticos de g son 0, π y 2π y gp0q “ π, gp2πq “ π y gpπq “ π ` 21 . La función
g es continua en r0, 2πs y tiene máximo y mínimo absoluto. Por tanto se tiene que
π ď gpxq ď π ` 21 , de este modo vemos que gpxq P r0, 2πs para todo x P r0, 2πs. La
primera parte del Teorema 2.5.1 garantiza la existencia del punto fijo. Para probar
que es único basta observar que |g 1 pxq| ď 1{4 “ k ă 1.
Teorema 2.5.2. Suponga que g es una función de valor real, definida y continua
sobre un intervalo cerrado y acotado ra, bs de la recta real, y sea gpxq P ra, bs, para
todo x P ra, bs. Si además, g 1 pxq existe en pa, bq y existe 0 ď k ă 1 tal que |g 1 pxq| ď k
para todo x P pa, bq y si p0 P ra, bs entonces la sucesión
pn`1 “ gppn q, n “ 0, 1, 2, . . . (2.3)

f pxq “ x
2π
y “ π ` sinpx{2q
x
α 2π
converge al único punto fijo p de g. Adicionalmente

|pn ´ p| ď k n máxtb ´ p0 , a ´ p0 u (2.4)
kn
|p ´ pn | ď |p1 ´ p0 | (2.5)
1´k
Demostración. Por Teorema 2.5.1 tenemos que existe un único punto fijo p en ra, bs
para el cual gppq “ p. Como g mapea en ra, bs, la sucesión tpn u8 n“1 esta bien definida
para todo n ě 0 y pn P ra.bs para todo n. Usando el echo de que |g 1pxq| ď k y el
Teorema del valor medio, nosotros tenemos que para cada n, |pn ´ p| “ |gppn´1 ´
gppqq| “ |g 1 pξn q||pn´1 ´ p| ď k|pn´1 ´ p| donde ξn P pa, bq. Aplicando la inecuación
reiterativamente optenemos
|pn ´ p| ď k|pn´1 ´ p| ď k 2 |pn´2 ´ p| ď ¨ ¨ ¨ ď k n |p0 ´ p| (2.6)
como 0 ă k ă 1, tenemos que lı́m k n “ 0 y lı́m |pn ´ p| ď lı́m k n |p0 ´ p| “ 0.
nÑ8 nÑ8 nÑ8
Luego tpn u8
n“0 converge a p. Como p P ra, bs, la primera inecuación se obtiene de la
inecuación
|pn ´ p| ď k n |p0 ´ p| ď k n máxtp0 ´ a, b ´ p0 u
para n ě 1, procedemos como (2.6), entonces
|pn`1 ´ pn | “ |gppn q ´ gppn´1q| ď k|pn ´ pn´1 | ď ¨ ¨ ¨ ď k n |p1 ´ p0 |.
Así para m ą n ě 1
|pm ´ pn | “ |pm ´ pm´1 ` pm´1 ´ ¨ ¨ ¨ ` pn`1 ´ p0 |

ď |pm ´ pm´1 | ` |pm´1 ´ pm´2 | ` ¨ ¨ ¨ ` |pn`1 ´ pn |
ď k m´1 |p1 ´ p0 | ` k m´2 |p1 ´ p0 | ` ¨ ¨ ¨ ` k n |p1 ´ p0 |
“ k n |p1 ´ p0 |p1 ` k ` k 2 ` ¨ ¨ ¨ ` k mń´1 q
Ya hemos probado que, lı́m pm “ p, luego

mÑ8
ÿ
mń´1 ÿ
8
n i n
|p ´ pn | “ lı́m |pm ´ pn | ď lı́m k |p1 ´ p0 | k ď k |p1 ´ p0 | ki.
mÑ8 mÑ8
i“0 i“0
ř8
Como i“0 k i “ 1{p1 ´ kq, tenemos que |p ´ pn | ď pk n q{p1 ´ kq|p1 ´ p0 |.
Ejemplo 2.5.3. Muestre que la función gpxq “ lnp2x ` 1q tiene un único punto fijo
en r1, 2s y aproximelo tomando como punto inicial x0 “ 0,5 .
Solución. Note que gp1q “ lnp3q P r1, 2s y gp2q “ lnp5q P r1, 2s; además g 1pxq “
1{p2x ` 1q, de este modo g 1 pxq ą 0 para todo x P r1, 2s por tanto g es una función
monotona creciente y gpxq P r1, 2s. Para probar la unicidad vemos que 3 ď 2x`1 ď 5
para todo x P r1, 2s y por consiguiente
ˇ ˇ
ˇ 1 ˇ 1
|g pxq| “ ˇˇ
1 ˇď .
2x ` 1 ˇ 3
En la tabla siguiente se muestra una aproximación para dicho punto fijo, tomando
como punto incial x0 “ 1,5
2 y“x
n xn gpxn q
y “ lnp2x ` 1q 1 1.500000 1.386294
2 1.386294 1.327761
3 1.327761 1.296239
4 1.296239 1.278842
5 1.278842 1.269110
1
19 1.256440 1.256436
20 1.256436 1.256434
21 1.256434 1.256433
22 1.256433 1.256432
x
1 2
+
function y = punto_fijo(g,p0,tol,max1)
format long
for k=1:max1
p = g(p0);
error_abs = abs(p-p0);
error_rel = error_abs/( abs(p)+eps );
% eps es la tolerancia para evitar dividir por cero
if (error_abs<tol) & (error_rel<tol)
break % sale del ciclo;
end
p0 = p
end
if (k==max1)
disp(’El algoritmo alcanza el maximo de iteraciones’)
end
y = p;
Ejemplo 2.5.4. Use el manejo algebráico para demostrar que las siguientes fun-
ciones tienen un punto fijo en p exactamente cuando f ppq “ 0, donde f pxq “
x4 ` 2x2 ´ x ´ 3.
ˆ ˙1{2
a) g1 pxq “ px ` 3 ´ 2x2 q1{4 x ` 3 ´ x4
c) g3 pxq “
2
ˆ ˙1{2 ˆ 4 ˙
x`3 3x ` 2x2 ` 3
b) g2 pxq “ d) g4 pxq “
x2 ` 2 4x3 ` 4x ´ 1
Solución.
a) Haciendo f pxq “ 0 tenemos que x4 “ x ` 3 ´ 2x2 , luego x “ px ` 3 ´ 2x2 q1{4 ,

por lo que g1 pxq “ px ` 3 ´ 2x2 q1{4 tiene un punto fijo p tal que f ppq “ 0.
b) Igualando f pxq “ 0 tenemos que x2 px2 ` 2qa “ x4 ` 2x2 “ x ` 3, lue-

go x2 “apx ` 3q{px2 ` 2q, por lo que x “ px ` 3q{px2 ` 2q, por lo que
g2 pxq “ px ` 3q{px2 ` 2q tiene un punto fijo p tal que f ppq “ 0.
a
c) Cuando f pxq “ 0 tenemos quea2x2 “ x ` 3 ´ 2x2 , luego x “ px ` 3 ´ x4 q{2,
y por consiguiente g3 pxq “ px ` 3 ´ x4 q{2 tiene un punto fijo p tal que
f ppq “ 0.
d) Si f pxq “ 0, entonces 3x4 ` 2x2 ` 3 “ f pxq ` 3x4 ` 2x2 ` 3 “ 4x4 ` 4x2 ´ x

luego se tiene que 3x4 ` 2x2 ` 3 “ xp4x3 ` 4x ´ 1q, y por tanto x “ p3x4 `
2x2 ` 3q{p4x3 ` 4x ´ 1q. Así g4 pxq “ p3x4 ` 2x2 ` 3q{p4x3 ` 4x ´ 1q tiene un
punto fijo p tal que f ppq “ 0.
Cuadro 2.7: Comparación de las funciones de punto fijo.
k g1 pxq g2 pxq g3 pxq g4 pxq

1 1,189207115 1,224744871 1,544700538 1,422857123
2 1,080057753 0,993666159 1,11642741 1,124481692
3 1,149671431 1,228568645 1,126052233 1,124123164
4 1,107820532 0,987506429 1,123638885 1,124123029
La tabla 6.2 muestra las cuatro primeras iteraciones usando cada una de las funciones
de punto fijo con p0 “ 1. La raiz de la función f es 1,124123029704315 por lo que la
función g4 pxq es la que mejor funciona.
Ejemplo 2.5.5. Use el Teorema 2.5.1 para mostrar que gpxq “ 2´x tiene un único
“ ‰
punto fijo en 13 , 1 . Use la iteración del punto fijo para obtener una aproximación
del punto fijo exacta en 10´4 . Use los estimativos del Teorema 2.5.2 para estimar
la cantidad de iteraciones necesarias para alcanzar una exactitud de 10 ´4 y después
compare esta estimación teórica con la que realmente se requiere.
“ ‰
Solución. Claramente g es continua y además es decreciente en 31 , 1 porque
g 1 pxq “ ´2´x ln 2 ă 0. Por tanto
ˆ ˙
1 ´1 1
ď 2 “ gp1q “ mı́n gpxq ď máx gpxq “ g “ 2´1{3 « 0, 79 ď 1
3 1
xPr 3 ,1s 1
xPr 3 ,1s 3
De esta manera se tiene que gpxq P r 31 , 1s para todo x P r 13 , 1s. Por otra parte tenemos
que
|g 1pxq| “ | ´ 2´x ln 2| ď |2´x | ln 2 ď 2´1{3 ln 2
para todo x P p 31 , 1q. Sea p0 “ 0,5 y pn`1 “ gppn q para n “ 0, 1, 2, . . . . Para estimar
el número de iteraciones necesarias para poder alcanzar con exactitud de 10 ´4 el
punto fijo recordamos queremos
|pn ´ p| ď k n máxtb ´ p0 , a ´ p0 u (2.7)
por tanto hacemos

1
|pn ´ p| ď p2´1{3 ln 2qn máxt1 ´ 0,5, 0,5 ´ u ă 10´4 (2.8)
3
y despejando n tenemos que n ě 15. La tabla ?? muestra que en la iteración 11 ya
se tiene una presición 10´4 lo que no contradice el estimativo (2.4).
Iteración pn gppn q
y 1 0.500000 0.707107
1 y“x 2 0.707107 0.612547
3 0.612547 0.654041
.. .. ..
. . .
9 0.640964 0.641285
y “ 2´x 10 0.641285 0.641142
11 0.641142 0.641205
12 0.641205 0.641177
x 13 0.641177 0.641190
α 1 14 0.641190 0.641184
15 0.641184 0.641187
Ejemplo 2.5.6. Determine un intervalo ra, bs donde la iteración de punto fijo con-
verge si gpxq “ p2 ` x2 ´ ex q{3. Estime la cantidad de iteraciones necesarias para
obtener una aproximación con una exactitud de 10´5 y realiza los calculos.
Solución. Consideremos el intervalo r0, 1s. Notar que si x P r0, 1s entonces 2x ă ex ,

lo que implica que g 1pxq “ p2x ´ ex q{3 ă 0 para todo x P r0, 1s, por tanto, g es una
función continua y decreciente en r0, 1s. En consencuencia se tiene que:
3é 1
0ď “ gp1q “ mı́n gpxq ď máx gpxq “ gp0q “ « 0, 33 ď 1
3 xPr0,1s xPr0,1s 3
De esta manera se tiene que gpxq P r0, 1s para todo x P r0, 1s. Por otro lado tenemos
que g2pxq “ p2éx q{3 “ 0 cuando x “ ln 2 « 0,6931 P r0,1s, por tanto los candidatos
a extremos relativos de g 1 en r0, 1s son: g 1 p0q “ ´1{3 « ´0,33, g 1pln 2q “ p2 ln 2 ´
2q{3 « ´0,2045, g 1p1q “ p2 ´ eq{3 « 0,2339. Lo que implica que máxxPr0,1s |g 1pxq| “
1
3
:“ k. Luego por el Teorema 2.5.1, (g cumple las hipótesis del teorema) g tiene
un punto fijo en r0, 1s y además la iteración del punto fijo converge en r0, 1s. Sea
p0 “ 0,5 y pn`1 “ gppn q para n “ 0, 1, 2, . . .. Ahora, deseamos estimar el número de
iteraciones necesarias para poder alcanzar con exactitud de 10´4 el punto fijo, para
esto debemos calcular, según el Teorema 2.5.2, un natural n para el cual se cumpla
ˆ ˙n
1
|pn ´ p| ď máxt1 ´ 0,5, 0,5 ´ 0u ă 10´4 (2.9)
3
Despejando se obtiene n ą 7,75 por lo que el numero de iteraciones adecuado será

n “ 8.
y
Iteración pn gppn q
1 y“x 1 0.700000 0.158749
2 0.158749 0.284386
3 0.284386 0.250643
4 0.250643 0.259323
5 0.259323 0.257065
6 0.257065 0.257651
y “ p2 ` x2 ´ ex q{3 7 0.257651 0.257499
α
x 8 0.257499 0.257538
1
Ejemplo 2.5.7. Sea f pxq “ px ´ 1q10 , p “ 1 y pn “ 1 ` 1{n. Demuestre que

|f ppn q| ă 10´3 siempre que n ą 1, pero que |p ´ pn | ă 10´3 , requiere que n ą 1000.
Solución. Si 1 ă n entonces 2 ď n y por tanto 210 ď n10 , asi |f ppn q| “ |n´10 | ď

2´10 ď 10´3 Ahora veamos que |p ´ pn | ă 10´3 requiere que n ą 1000. En efecto,
|p ´ pn | “ |1 ´ p1 ` 1{nq| “ |´1{n| “ 1{n Note que 1{n ă 10´3 es equivalente a
n ą 103 y por tanto |p ´ pn | ă 10´3 cuando n ą 1000.
2.6 Método de Newton para sistemas
Consideremos relaciones no lineales que involucran más de una variable. En esta

ocasión solo nos ocuparemos de los sistemas de ecuaciones que tienen el mismo
número de ecuaciones y de incógnitas.
Sea : Rn Ñ Rn una función de varias variables, no-lineal. Se quiere resolver el

sistema de ecuaciones pxq “ 0, donde x “ px1 , . . . , xn qt P Rn representa al vector
de incógnitas. Una de las ventajas del método de Newton–Raphson además de su
velocidad de convergencia, es que se puede generalizar fácilmente a sistemas de
ecuaciones no lineales. Esta generalización se conoce como método de Newton. Al
igual que en el método de Newton–Raphson, buscamos una aproximación de la
solución mediante un desarrollo de Taylor.
Supongamos que a “ pα1 , . . . , αn qt P Rn es la solución del sistema de ecuaciones, y

que “ pf1 , . . . , fn qt es dos veces diferenciable. Entonces, aplicando el desarrollo de
Taylor para funciones de varias variables de en torno a una aproximación de la raíz
pkq pkq
xpkq “ px1 , . . . , xn qt , se tiene que:
` ˘
0 “ paq “ pxpkq q ` Dpxpkq q pa ´ xpkq q ` O }a ´ xpkq }2 ,
donde Dpxpkq q es la matriz Jacobiana de en xpkq :

» fi
Bf1 pkq Bf1 pkq
— Bx1 px q ¨ ¨ ¨ Bxn px qffi
— .. .. ffi
Dpxpkq q :“ —
— . . ffi.
ffi
– Bfn Bfn pkq fl
pkq
px q ¨ ¨ ¨ px q
Bx1 Bxn
` ˘
Cuando }a ´ xpkq } es pequeño, el término O }a ´ xpkq }2 es mucho más pequeño
aún y puede despreciarse en en el desarrollo de Taylor anterior:
` ˘
0 “ pxpkq q ` Dpxpkq q pa ´ xpkq q ` O }a ´ xpkq }2
« pxpkq q ` Dpxpkq q pa ´ xpkq q.
Si además la matriz Dpxpkq q es invertible, entonces podemos aproximar la raíz a

despejándola en la ecuación anterior:
a « xpkq ´ Dpxpkq q´1 pxpkq q.
El método de Newton consiste en, dada la aproximación de la solución xpkq , tomar

como nueva aproximación xpk`1q el valor de la expresión anterior:
xpk`1q :“ xpkq ´ Dpxpkq q´1 pxpkq q, k “ 0, 1, 2, . . .

donde xp0q es la aproximación inicial.
En la práctica no es necesario (ni conveniente) invertir la matriz Dpxpkq q, sino que se

utiliza un método menos costoso: resolver en cada iteración el sistema de ecuaciones
lineal
Dpxpkq q pxpk`1q ´ xpkq q “ ´pxpkq q.
Así, llamando dxpkq :“ xpk`1q ´ xpkq , se obtiene el siguiente
algoritmo:
ˇ
ˇ Dado xp0q P Rn ,
ˇ
ˇ para k “ 0, 1, 2, . . .
ˇ
ˇ
ˇ resolver Dpxpkq q dxpkq “ ´pxpkq q,
ˇ
ˇ xpk`1q :“ xpkq ` dxpkq ,
ˇ
ˇ hasta que se satisfaga algún criterio de detención.
Observacion 2.6.1. Los teoremas de convergencia, y estimación del error del mé-
todo de Newton–Raphson se pueden generalizar al caso de sistemas, reemplazando
el valor absoluto por una norma vectorial. Así se obtiene que
}a ´ xpk`1q } ď C}a ´ xpkq }2 , k “ 0, 1, 2, . . .
donde C es una constante positiva que depende de las derivadas primeras y segundas
de f . Al igual que en el método de Newton–Raphson, si se desea calcular la solución
a del sistema con error menor que ď ǫ, puede usarse
}xpk`1q ´ xpkq } ďď ǫ
como criterio de detención.

Ejemplo 2.6.1. Resolver el siguiente sistema de ecuaciones con error menor que
tol “ 10´5 : " 2
y ` x2 “ 1
y “ x2
Solución. Las funciones a utilizar son las siguientes
„ 2 
x ` y2 ´ 1
F px, yq “
y ´ x2
y
y “ x2
px0 , y0q
pxk , yk q
x2 ` y 2 “ 1
x
„ 
2x 2y
Dpx, yq “
´2x 1
Algoritmo 2.1: Algoritmo Newton

1 for k “ 0, 1, . . . do
2 repeat
„ „  „ 
2xk 2yk dxk 1 ´ x2k ´ yk2
3 “
´2xk 1 dyk x2k ´ yk
4 xk`1 :“ xk ` dxk
5 yk`1 :“ yk ` dyk ;
a
6 until dx2k ` dyk2 ă tol;
x y
1.00000000000000 1.00000000000000
0.83333333333333 0.66666666666667
0.78809523809524 0.61904761904762
0.78615406630609 0.61803444782168
0.78615137776208 0.61803398874999
Ejemplo 2.6.2. Encontrar un mínimo de la función F px, yq “ x2 ` plog yq2
La función de MATLAB fzero es un método híbrido para encontrar raíces de una

ecuación no lineal ya que combina la fiabilidad del método de bisección con la rapidez
de convergencia de métodos como el de la secante y la interpolación cuadrática
inversa. Calcula el cero de la función f cercano al punto x0 . La función debe escribirse
como una función inline.
>> f=inline(’sin(x)’)
f =
Inline function:
f(x) = sin(x)
Calculemos el cero de la función f pxq “ senpxq mas cercano a 3 :
>> r=fzero(f,3)
r =
3.141592653589793
Tambien lo demos usar si conocemos el intervalo donde se encuentra la raiz: f(zero(f,[a,b]).
En este caso es necesario que haya un cambio de signo de la funcón en los extremos
de dicho intervalo. La función roots(C) calcula las raices de un polinomio cuyos
coeficientes estan almacenados en el vector C.. Si queremos calcular las raices de
ppxq “ 4x2 ` 3x ` 1 tenemos que hacer lo siguiente
>> C=[4 3 1];

>> roots(C)
ans =
-0.3750 + 0.3307i
-0.3750 - 0.3307i
Note que la primera componente del vector C corresponde al coeficiente del mono-
mio de mayor grado y la ultima entrada corresponde al término independiente. Si
queremos encontrar las raices del polinomio entonces ppxq “ x2 ´ 1 C=[1 0 -1].
En este sección hemos los métodos para encontrar una raiz de una funcion: Bisección,
Newton-Raphson, Secante y de Punto Fijo. Para compararlos es necesario tener en
cuenta
el requisito de proporcionar un intervalo inicial,
la garantia de convergencia o dicho de otro modo la garantia de encontrar una

raíz y
la velocidad de convergencia y
el costo computacional.
En este capítulo, se han presentado cinco métodos para resolver una ecuación f pxq “
0. Los métodos de bisección y regula falsi son fiables pero lentos. El método de
Newton es rápido, pero a menudo sólo converge cuando el dato inicial está cerca de
la raíz y requiere f 1 . El método secante es casi tan rápido como el método de Newton
y no requiere el conocimiento de la derivada f 1 , la cual puede no estar disponible o
puede ser demasiado costoso de calcular.
El usuario del método de bisección o de regula falsi debe proporcionar dos puntos en
los que los signos de f pxq difieren, y la función f sólo necesita ser continua. Al usar
el método de Newton, se debe especificar un punto de partida cerca de la raíz, y f
debe ser diferenciable. El método secante requiere dos buenos puntos de partida.
El método secante es a menudo más rápido en la aproximación de las raíces de las

funciones no lineales en comparación con la bisección y la falsa posición. A diferencia
de estos dos métodos, los intervalos rak , bk s no tienen que estar en lados opuestos
de la raíz y tener un cambio de signo. Además, la pendiente de la línea secante
puede llegar a ser bastante pequeña, y un paso puede alejarse de la corriente punto.
El método secante puede fallar al encontrar una raíz de una función no lineal que
tiene una pequeña pendiente cerca de la raíz porque la línea secante puede alejarse
muchoi de la raiz. Para funciones amigables y datos iniciales relativamente cercanas
a la raíz, la mayoría de estos métodos requieren pocas iteraciones antes de acercarse
a la raíz. Sin embargo, hay funciones patológicas que pueden causar problemas para
cualquiera de esos métodos. Al seleccionar un método para resolver un problema
no lineal dado, uno debe considerar muchas cuestiones como lo que sabe Sobre el
comportamiento de la función, un intervalo ra, bs que satisface f paqf pbq ă 0, la
primera derivada de la función, una buena conjetura inicial a la raíz deseada, y así
sucesivamente.
Para una ecuación no lineal f pxq “ 0, buscamos un punto donde la curva f interseca
el eje x (y “ 0). Un enfoque alternativo es reformular el problema como un problema
de punto fijo x “ gpxq para una función no lineal relacionada g. Para el problema de
punto fijo, buscamos un punto donde la curva g intersecte la línea diagonal y “ x.
Un valor de x tal que x “ gpxq es un punto fijo de g porque x no cambia cuando se le
aplica g. Muchos algoritmos iterativos para resolver una ecuación no lineal f pxq “ 0
se basan en un método iterativo de punto fijo xn`1 “ gpxn q donde g tiene puntos
fijos que son soluciones de f pxq “ 0. Se selecciona un valor inicial inicial x0 y el
método iterativo se aplica repetidamente hasta que converge suficientemente bien.
Un método podría ser considerado inapropiado si requiere una cantidad excesiva

de cálculos para llegar a una solución, sobre todo en aplicaciones reales donde una
rápida respuesta podria ser necesaria. El orden de convergencia da una idea de la
velocidad a la que un proceso iterativo alcanza la solución. El orden de convergencia
es una medida de cómo el error (el valor absoluto de la diferencia entre el valor
aproximado y la verdadera solución) disminuye a medida que avanza iteración. Por
ejemplo, un método iterativo que tiene la convergencia lineal (u orden de conver-
gencia 1) podría producir una secuencia de errores de 0,1, 0,5, 0,25,. . . , Es decir,
el error se reduce a la mitad en cada iteración, mientras que un método que tiene la
convergencia cuadrática (o orden de convergencia 2) podría producir una secuencia
de errores de 0,1, 0,01, 0,001,. . . es decir, se eleva al cuadrado el error en cada

iteración. De ello se desprende que un método que tiene la convergencia cuadrática
general converge mucho más rápido que un procedimiento que tiene la convergencia
lineal.
2.7 Taller Resuelto con Matlab
1. Compruebe que hay un cero de f pxq “ e´x ´ x en el intervalo indicado r0, 1s.
Use el método de Bisección con una precisión de ǫ “ 10´4 .
Verifiquemos que existe un cambio de signo de f en r0, 1s. En efecto, f p0q ¨

f p1q “ pe0 ´ 0q ¨ pe´1 ´ 1q “ ´0,6321 ă 0.
a=0;b=1;tol=0.0001;
funct=inline(’exp(-x)-x’);
fa=feval(funct,a);
fb=feval(funct,b);
if (fb*fa>0)
error(’La funcion no cambia de signo.’)
end
k=0;
if (fa*fb==0)
if (fa==0)
raiz=a;
else
raiz=b;
end
else
raiz=(a+b)/2;
if fraiz==0;
break
else
if (fa*fraiz>0)
a=raiz;fa=fraiz;
else
b=raiz;fb=fraiz;
end
end
end
k=k+1;
fprintf(’%d %0.10e \n’,k,raiz)
end
1 5.0000000000e-01
2 7.5000000000e-01
3 6.2500000000e-01
4 5.6250000000e-01
5 5.9375000000e-01
6 5.7812500000e-01
7 5.7031250000e-01
8 5.6640625000e-01
9 5.6835937500e-01
10 5.6738281250e-01
11 5.6689453125e-01
12 5.6713867188e-01
13 5.6726074219e-01
14 5.6719970703e-01
2. Usted está trabajando para una compañia que fabrica objetos flotadores. El
balón flotante tiene una gravedad específica de 0,6 y tiene un radio de 5, 5cm.
Se le pide que encuentre la profundidad a la que se sumerge la bola cuando
flota en el agua. La ecuación que da la profundidad x a la que se sumerge la
bola bajo el agua viene dada por
x3 ´ 0,165x2 ` 0,0003993 “ 0
donde x esta dada en metros. Usa el método de bisección para encontrar las
raíz de la ecuación para hallar la profundidad x a la que se sumerge la bola
bajo el agua.
x
Agua
LO primero que debemos buscar es el dominio d ela función f pxq “ x3 ´

0,165x2 ` 0,0003993. Cuando el balón está totalmente afuera x “ 0 y cuando
está totalmente sumergido x “ 2R “ 11cm “ 0,11m.
a=0;
b=0.11;
funct=inline(’x^3-0.165*x^2+0.0003993’);
tol=0.0001;
fa=feval(funct,a)
fb=feval(funct,b)
if (fb*fa>0)
error(’La funcion no cambia de signo.’)
end
k=0;
if (fa*fb==0)
if (fa==0)
raiz=a;
else
raiz=b;
end
else
raiz=(a+b)/2;
if fraiz==0;
break
else
if (fa*fraiz>0)
a=raiz;
fa=fraiz;
else
b=raiz;
fb=fraiz;
end
end
end
k=k+1;
end
1 5.5000000000e-02
2 8.2500000000e-02
3 6.8750000000e-02
4 6.1875000000e-02
5 6.5312500000e-02
6 6.3593750000e-02
7 6.2734375000e-02
8 6.2304687500e-02
9 6.2519531250e-02
10 6.2412109375e-02
11 6.2358398438e-02
La bola se sumerge 6,2358398438e ´ 02m “ 6,2cm.
3. A una empresa le cuesta Cpqq dólares producir q gramos por día de un deter-
minado producto químico, donde
Cpqq “ 1000 ` 2q ` 3q 2{3
La empresa puede vender cualquier cantidad de producto químico a $ 4 por

gramo. Encuentre el punto de equilibrio de la empresa, es decir, cuántos gramos
debe producir por día para no tener ganancias ni pérdidas. Use el Método de
Newton.
Nos estan pidiendo que el costo sea igual a las ventas, esto es Cpqq “ 4 ¨ q,
entonces, la función a la cual le debemos aproximar la raíz es :
f pxq “ Cpqq ´ 4q “ 1000 ` 2q ` 3q 2{3 ´ 4q “ 1000 ´ 2q ` 3q 2{3 .
Para encontrar un valor inicial adecuado, graficamos la función

q=1:1:1000;
fq=1000-2*q+3*q.^(2/3);
plot(q,fq)
print -dpng figure.png
En la gráfica podemos ver que x0 “ 600 es un buen punto inicial.

tol=0.0001;
maxit=100;
f=inline(’1000-2*x+3*x.^(2/3)’);
Df=inline(’-2+2*x.^(-1/3)’);
x0=600;
k=0;
raiz=x0;
corr=tol+1;
k=k+1;
xk=raiz;
fxk=feval(f,xk);
Dfxk=feval(Df,xk);
if (Dfxk==0)
error(’La derivada de la funcion se anula.’)
end
corr=fxk/Dfxk;
raiz=xk-corr;
end
if (abs(corr)>tol)
error(’Se excedio el numero maximo de iteraciones.’)
end
1 6.0760893855e+02
2 6.0760678863e+02
3 6.0760678863e+02
Se deben producir 607,60678863 gramos para no tener perdidas ni ganancias.
4. Encuentre una función de punto fijo para aproximar la raíz de la ecuación

x3 ´ 6x ` 2 “ 0 en el intervalo r0, 1s. Demuestre que esa función cumple
las hipotesis del Teorema de Punto fijo y estime las iteraciones necesarias
para tener una presición de 10´4. Encuentre dicha aproximación usando un
p0 P r0, 1s.
Probemos inicialmente con la función gpxq :“ px3 ` 2q{6. Vemos que g 1 pxq “
x2 {2 ą 0 por tanto g es una función creciente. Así
0 ă 1{3 “ gp0q ď gpxq ď gp1q “ 1{2 ă 1.
Por otro lado |g 1 pxq| “ |x2 {2| ď 1{2. Entonces, se cumplen las hipótesis del
teorema de punto fijo.
tol=0.0001;
maxit=100;
g=inline(’(x^3+2)/6’);%
p0=0.5;
k=0;
corr=tol+1;
k=k+1;
pk=feval(g,p0);
corr=pk-p0;
fprintf(’%d %0.10e \n’,k,pk)
p0=pk;
end
1 3.5416666667e-01
2 3.4073742525e-01
3 3.3992671569e-01
4 3.3987976508e-01
El punto de g y raíz de f es 0,33987976508.
2.8 Ejercicios
A Para cada una de las siguientes funciones compruebe que hay un cero de f pxq
en el intervalo indicado y encuentre el número mínimo de iteraciones, N, nece-
sarias para lograr una precisión de ǫ “ 10´3 utilizando el método de bisección.
Realice N iteraciones y presente los resultados como en la tabla 2.2.

Notas Metodos Cap 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Notas Metodos Cap 1

Cargado por

Copyright:

Formatos disponibles

2 Ecuaciones y Sistemas de Ecua-

estos métodos de solución consiste en partir de un punto arbitrario, el más cercano

En esta sección estudiaremos algunos métodos básicos de resolución de ecuaciones

Normalmente, un procedimiento iterativo comienza con una iteración inicial x 0 y

|xn ´ xn´1 | ď Atol

|xn ´ xn´1 | ď Rtol|xn |

el número de valores iniciales,

El problema consiste en, dada f : R Ñ R (no lineal), encontrar x P R tal que

2.1 Método de Bisección

El método de bisección es un algoritmo de búsqueda de raíces que trabaja dividiendo

Teorema 2.1.1. Sea f : ra, bs Ñ R una función continua en el intervalo ra, bs

En particular, si f paq y f pbq tienen signos opuestos, entonces z “ 0 es precisamente

Figura 2.1: Método de Bisección

Es fácil comprobar a partir del algoritmo que, si α es la raíz de la ecuación, entonces

Teorema 2.1.2. Suponga que f P Cra, bs y f paqf pbq ă 0. El método de bisección

Demostración. Para cada k ě 1, tenemos bk ´ ak “ pb ´ aq{2k y α P pak , bk q. Como

Ejemplo 2.1.1. Encuentre el numero de iteraciones que se requieren para alcanzar

Cuadro 2.1: Comparación de los métodos.

El siguiente programa calcula la raíz de una ecuación f pxq “ 0 mediante el método

>> f=inline (’x^3 - 25’)

Ejemplo 2.1.3. Aplique el método de bisección para encontrar soluciones exactas

Solución. La raiz para el intervalo escogido es c17 “ ´2,065315246582031 como se

Cuadro 2.2: Bisección xk :“ pak ` bk q{2.

k ak bk pak ` bk q{2 f pak q f ppak ` bk q{2q f pbk q

Es aconsejable disponer de una gráﬁca de la función a la que le buscamos una raíz

2.2 Método de la Falsa Posición

Figura 2.2: Método de Regula Falsi

Entonces calculamos f pcq y procedemos al siguiente paso con el intervalo ra, cs si

Cuadro 2.3: Comparación de los métodos.

Método de Falsa Posición

2.3 Método de Newton–Raphson.

Figura 2.3: Método de Newton Raphson

a partir de una aproximación inicial x0 dada y siempre que f 1 pxk q ‰ 0.

Cuadro 2.4: Método de Newton Raphson.

Método de Newton Raphson

para alguna constante C ą 0.

Si p “ 1 se dice que la sucesión converge linealmente a α; si p “ 2, que converge

m1 ď mı́n |f 1 pxq| y máx |f 2 pxq| ď M2 .

Demostración. Para establecer la convergencia cuadrática del método, sea e n “

Teorema 2.3.2. Sea f P C 2 pra, bsq y sean m1 y M2 tales que

m1 ď mı́n |f 1 pxq| y máx |f 2 pxq| ď M2 .

Observacion 2.3.1. De acuerdo al Teorema 2.3.1, si el método de Newton–Raphson

Deﬁnición 2.3.1. Criterio de detención. Si el método de Newton–Raphson conver-

Como además |α ´ xk`1 | ! |α ´ xk | , es razonable estimar |α ´ xk`1 | ď |xk`1 ´ xk | ď

Cuadro 2.5: Resultados obtenidos por los métodos de Bisección y Newton–Raphson

menor que 10´5 usando el método de Bisección y el método Newton.

2.4 Método de la Secante.

método de Newton–Raphson, es el método de la secante. Éste método consiste,

para k “ 1, 2, . . . , con x0 , x1 dados.

Cuadro 2.6: Método de Newton Raphson.

secante. Supongamos que xk P ra, bs @k P N. Entonces

Debemos buscar unaraiz de f pξq :“ F pξq ´ 0,4. La ecuación para ξk es

2.5 Método del punto ﬁjo

Un punto ﬁjo de una función es un número en el que el valor de la función no cambia

Una condición suﬁciente alterna para la existencia de una solución a la ecuación

El siguiente teorema, caracteriza a las funciones reales que tienen un punto en un

Demostración. Si gpaq “ a o gpbq “ b, tenemos el resltado que deseamos. Si no,

Probemos ahora la unicidad: Supongamos que |g 1 pxq| ď k ă 1 y que p y q son

Figura 2.4: Ecuación ex ´ 3x ´ 4 “ 0

pn`1 “ gppn q, n “ 0, 1, 2, . . . (2.3)

converge al único punto ﬁjo p de g. Adicionalmente

|pm ´ pn | “ |pm ´ pm´1 ` pm´1 ´ ¨ ¨ ¨ ` pn`1 ´ p0 |