2.

Solución de ecuaciones algebraicas

2.1 Raíz de una ecuación

La raíz de una ecuación es aquel valor de la variable independiente que hace que el resultado de la ecuación
sea cero o por lo menos se acerque a cero con un cierto grado de aproximación deseado (error máximo
permitido).

2.2 Métodos de intervalo

Su característica principal es que se elige un intervalo [a, b] dentro del cual se encuentre la raíz buscada. Los
métodos de intervalo utilizan una propiedad muy importante, la cual consiste en el hecho del cambio de signo
de una función en las inmediaciones de una raíz. Se llaman métodos de intervalos por que necesitan como
mínimo dos valores que forman el intervalo que encierra la raíz. No hay una regla a seguir para la selección de
este intervalo, sin embargo, se debe cumplir que en los extremos del intervalo la función cambie de signo lo
cual que equivale a que: f(a)*f(b) < 0. Una primera aproximación a la solución se logra al elaborar un modelo
gráfico de la ecuación y a partir de él, por simple inspección, seleccionar el intervalo más adecuado.

Si al evaluar la función, en los extremo del intervalo elegido, presenta igual signo puede no existir raíces o existir
un número impar de ellas. Si la función cambia de signo esto nos indica que al menos hay una raíz en dicho
intervalo. Los casos que requieren análisis especial se presentan cuando la función tiene puntos tangentes al eje
x o cuando tiene discontinuidades, como se muestra en la figura anterior.

2.2.1. Bisección

La función primordial del método de bisección es encontrar la raíz de una ecuación y consiste en elegir un
intervalo y luego ir dividiendo este intervalo en mitades hasta dar con la raíz. Este método es considerado el
más sencillo de todos, puesto que se basa en un sentido natural del hombre, el cual se explica a continuación:
como el punto Xr está entre Xa y Xb se podría decir que el punto Xr está en el medio de Xa y Xb, es evidente
darse cuenta que el punto más sencillo de ubicar está dentro del intervalo (Xa, Xb) y es exactamente en el punto
medio. Por tanto tenemos que:

𝑋𝑎 + 𝑋𝑏
𝑋𝑟 =
2

Ahora bien, la puesta en marcha de este método es muy fácil de llevar a cabo, sin embargo el número de cálculos
que se deben llevar a cabo para alcanzar la precisión deseada suele ser muy elevado. Para calcular el error
aproximado en este método tenemos que:

𝑋𝑟(𝐴𝑐𝑡𝑢𝑎𝑙) − 𝑋𝑟(𝐴𝑛𝑡𝑒𝑟𝑖𝑜𝑟)
𝐸𝑝(%) = | (100)|
𝑋𝑟(𝐴𝑐𝑡𝑢𝑎𝑙)

Para que se cumplan las siguientes evaluaciones tenemos que tener en cuenta los siguientes pasos:

1. Elegir valores iniciales inferior X1, y superior de X2, que encierren a la raíz, de forma que la función
cambie el signo en el intervalo. Esto se verifica comprobando que f(Xa)*f(Xb) < 0
2. Una aproximación de la raíz, se determina mediante: Xr= (Xa + Xb) /2
3. Realizar las siguientes evaluaciones para determinar en qué sub-intervalo ésta la raíz:
 • Si f(Xa)*f(Xr)<0, entonces la raíz se encuentra dentro del sub-intervalo inferior o izquierdo. Por
tanto, haga Xb = Xr y vuelve al paso 2.
• Si f(Xa)*f(Xr)>0, entonces la raíz se encuentra dentro del sub-intervalo superior o derecho. Por
tanto, haga Xa = Xr y vuelve al paso 2.
• Si f(Xa)*f(Xr)=0, entonces la raíz se igual a Xr; y termina el cálculo.

Para que nos quede más claro realicemos un ejemplo:

Teniendo 𝒙𝟒 + 𝟑𝒙𝟑 − 𝟐 Dando valores a x de 1.5 a -1.5 tenemos la siguiente gráfica.

X F(X)
-1.5 -7.06
-1 -4
*0 -2
*1 2
1.5 13.18

Para empezar ocupamos Xa= *0 y Xb =*1, donde vemos una variación de signo en la tabla.

𝑋𝑎+𝑋𝑏
Recordemos la siguiente ecuación. 𝑋𝑟 =
2

Entonces iniciamos nuestra PRIMERA ITERACIÓN y sustituimos:

Al sustituir 𝑋𝑎 = (0)4 + 3(0)3 − 2 = −2 tenemos que:

Al tener 3.12 >0 como dicen los pasos de arriba tenemos ahora que nuestro Xr = Xa = 0.5 en nuestra SEGUNDA
ITERACIÓN, y Xb sigue siendo 1, por lo que:

En este momento como ya tenemos una Xr anterior podemos calcular el error porcentual, el cual sería:
0.75 − 0.5
𝐸𝑝(%) = | (100)| = 33%
0.75

Sin embargo podemos darnos cuenta que el porcentaje es muy elevado, por lo que debemos disminuirlo, en
tanto:

Al tener nuevamente que 0.63 > 0, sabemos que Xr =Xa =0.75 en nuestra TERCERA ITERACIÓN, mientras que Xb
sigue siendo 1, por lo que:
Calculando el error porcentual tenemos que:
0.87 − 0.75
𝐸𝑝(%) = | (100)| = 13%
0.87

Sin embargo podemos darnos cuenta que el porcentaje es muy elevado, por lo que debemos disminuirlo, en
tanto:

En este caso tenemos que -0.22 < 0 por lo que siguiendo los pasos anteriores Xr=Xb =0.87 para nuestra
CUARTA ITERACIÓN, mientras que Xa seguirá siendo 0.75, por tanto:

Calculando el error porcentual tenemos que:

0.81 − 0.87
𝐸𝑝(%) = | (100)| = 7%
0.81

Sin embargo podemos darnos cuenta que el porcentaje es muy elevado, por lo que debemos disminuirlo, en
tanto:

En este caso tenemos que -8.2*10-3 < 0 por lo que siguiendo los pasos anteriores Xr=Xb =0.81 para nuestra
QUINTA ITERACIÓN, mientras que Xa seguirá siendo 0.75, por tanto:

Calculando el error porcentual tenemos que:

0.78 − 0.81
𝐸𝑝(%) = | (100)| = 3%
0.78

Sin embargo podemos darnos cuenta que el porcentaje es muy elevado, por lo que debemos disminuirlo, en
tanto:

En este caso tenemos que 0.08 > 0 por lo que siguiendo los pasos anteriores Xr=Xa = 0.78 para nuestra SEXTA
ITERACIÓN, mientras que Xb seguirá siendo 0.81, por tanto:
Calculando el error porcentual tenemos que:
0.79 − 0.78
𝐸𝑝(%) = | (100)| = 1%
0.79

Como podemos darnos cuenta en esta sexta iteración hemos llegado al error porcentual óptimo que
buscábamos, que es el 1% y por este modo las iteraciones terminan y hemos encontrado la raiz que buscábamos
que es Xr =0.79.

2.2.2. Falsa posición

Aunque el método de bisección es una técnica perfectamente válida para determinar raíces, su aproximación
por fuerza bruta es realmente ineficiente, por lo que la falsa posición es una alternativa basada en una
visualización gráfica. Una de las limitantes del método de bisección es que al dividir el intervalo de X a Xb en
mitades iguales, no se toman en cuenta las magnitudes de f(Xa) y f(Xb).

Por ejemplo, si f(Xa) está mucho más cercana a cero que f(Xb), es lógico que la raíz se encuentre más cerca de
Xa que de Xb. Un método alternativo que aprovecha esta visualización gráfica consiste en unir f(Xa) y f(Xb) con
una línea recta. La intersección de esta línea con el eje de las x representa una mejor aproximación de la raíz. El
hecho radica en que se reemplace la curva por una línea recta de una "falsa posición" de la raíz; de aquí el
nombre de método de la falsa posición. También se le conoce como método de interpolación lineal.

Usando triángulos semejantes, la intersección de la línea recta con el eje de las x se estima mediante:

𝑓(𝑋𝑎) 𝑓(𝑋𝑏)
=
𝑋𝑟 − 𝑋𝑎 𝑋𝑟 − 𝑋𝑏

Multiplicando en cruz la ecuación anterior tenemos que:

𝑓(𝑋𝑎)(𝑋𝑟 − 𝑋𝑏) = 𝑓(𝑋𝑏)(𝑋𝑟 − 𝑋𝑎)

Agrupando términos, reordenando y dividiendo términos, tenemos que:

(𝑋𝑏)𝑓(𝑋𝑎) − (𝑋𝑎)𝑓(𝑋𝑏)
𝑋𝑟 =
𝑓(𝑋𝑎) − 𝑓(𝑋𝑏)
Separando términos, sumando, restando Xb en el lado derecho y agrupando términos obtenemos que:

𝑓(𝑋𝑏)(𝑋𝑎 − 𝑋𝑏)
𝑋𝑟 = 𝑋𝑏 −
𝑓(𝑋𝑎) − 𝑓(𝑥𝑏)

Esta es la fórmula de la falsa posición. El valor de Xr calculado con la ecuación reemplazará, después, a cualquiera
de los dos valores iniciales, Xa o Xb, y da un valor de la función con el mismo signo de f(Xr). De esta manera, los
valores Xa y Xb siempre encierran la verdadera raíz. Cabe resaltar que el proceso se repite hasta que la
aproximación a la raíz sea adecuada.

A continuación se realizará un ejemplo, para que este método quede más claro.
𝜋(1−𝑒−𝑥)
Teniendo 𝑓(𝑋) = -1 Donde Xa= 2.75 y Xb=3.15
𝑥

𝑋𝑟 = 𝑋𝑏 − 𝑓(𝑋𝑏)(𝑋𝑎−𝑋𝑏)
𝑓(𝑋𝑎 )−𝑓(𝑥𝑏)

−2.75)
Evaluamos a 𝑓(𝑋𝑎) = 𝜋(1−𝑒 − 1 = 0.0693
2.75

−3.15)
Evaluamos a 𝑓(𝑋𝑏) = 𝜋(1−𝑒 − 1 = −0.0455
3.15

Realizamos la PRIMERA ITERACIÓN:

(−0.0455)(2.75 − 3.15)
𝑋𝑟 = 3.15 − = 2.991
0.0683 − (−0.0455)

Ahora evaluamos nuestra función con Xr= 2.991, teniendo:

𝜋(1 − 𝑒−2.991)
𝑓(2.991) = − 1 = −0.0026
2.991

Por lo que:

𝑓(𝑋𝑎) ∗ 𝑓(𝑋𝑏) < 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒: (0.0693) ∗ (−0.0026) = −1.8018𝑥10−4 < 0

Calculando el error porcentual tenemos que:

2.991 − 3.15
𝐸𝑝(%) = | (100)| = 5.32%
2.991

Ya que es un error mayor al 1% debemos hacer una SEGUNDA ITERACIÓN:

Xa =2.75
Xr=Xb = 2.991

𝜋(1 − 𝑒−2.991)
𝑓(𝑋𝑏) = 2.991−2.75 − 1 = −0.0026
𝜋(1 − 𝑒 )
(𝑓 𝑋𝑎) = − 1 = 0.0693
2.75
Por tanto:

(−0.0026)(2.75 − 2.991)
𝑋𝑟 = 2.991 −
0.0693 − (−0.0026)

𝑋𝑟 = 2.982

Ahora calcularemos nuestro

−2.982)
𝑓(𝑋𝑟) = 𝜋(1 − 𝑒 − 1 = 1.14𝑥10−4
2.982

Por tanto tenemos que nuestro error porcentual es:

2.982 − 2.991
𝐸𝑝(%) = | (100)| = 0.30%
2.982

Por lo que nuestra raíz Xr = 2.982

2.3. Métodos de punto fijo

El Método de Punto Fijo (también conocido como iteración de punto fijo), es otro método para hallar los ceros
de f(x). Para resolver f(x) = 0, se reordena en una forma equivalente:

f(x) = 0
x - g(x) = 0
x = g(x)

Debemos observar que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre tengamos c=g(c) se dice que c es un
punto fijo de la función g). Del mismo modo para aproximar un cero de f se utiliza la iteración de punto fijo
(1) xn+1 = g(xn) , n = 0, 1, 2, 3, . . . donde x0 es una aproximación inicial del cero de f.

Para entender un poco mejor realicemos un ejemplo:

f(x) = x2 - 2x - 3 = 0, tiene dos ceros. x = 3 y x = -1

Supongamos que reordenamos de manera equivalente y tenemos que:

Si comenzamos con x0 = 4 y se itera con la iteración de punto fijo (1), los valores sucesivos de x son:

Podemos observar que al parecer los valores convergen a x = 3.

Podemos tener otro reordenamiento donde f(x) = 0 es:

Si nuevamente comenzamos a evaluar con x0 = 4, los valores sucesivos de x son:

De este modo parece que ahora x converge al otro cero de f, x = -1.

Aun así podemos tener un 3er reordenamiento:

Comenzando de nuevo con x0 = 4 obtenemos:

x0 = 4
x1 = 6.5
x2 = 19.625
x3 = 191.070
Podemos darnos cuenta que las iteraciones son divergentes.

2.3.1. Aproximaciones sucesivas

El método de las aproximaciones sucesivas es uno de los procedimientos más importantes y más sencillos
de codificar. Supongamos la ecuación f(x)=0 donde f(x) es una función continua que se desea determinar sus
raíces reales. Se sustituye f(x) por la ecuación equivalente x=φ(x).
Se estima el valor aproximado de la raíz x0, y se sustituye en el segundo miembro de la ecuación para obtener
x1.
x1=φ(x0)
Poniendo x1 como argumento de φ(x), obtendremos un nuevo número x2, y así sucesivamente. Este proceso
se puede sintetizar en la fórmula.
xn=φ(xn-1) (1) Si esta secuencia es convergente es decir, tiende hacia un límite, la solución ξ es

El método de iteración se explica geométricamente mediante el gráfico de la figura. Se dibuja la curva y=φ(x),
y la recta y=x, bisectriz del primer cuadrante. La abscisa ξ del punto de intersección es la raízbuscada.
Un ejemplo típico es la de encontrar la raíz de la ecuación x=cos(x)
Para encontrar la raíz, se comienza en el punto cualquiera de abscisa x0 dentro del intervalo (0, π/2), y se
traza la línea vertical hasta que interseca la curva, luego, desde este punto, se traza una línea horizontal
hasta que se alcanza la recta bisectriz, este punto tendrá por abscisa x1. Se traza de nuevo, una línea vertical
hasta encontrar a la curva, y otra línea horizontal hasta encontrar la línea recta, el punto de intersección
tiene de abscisa x2 , y así sucesivamente. Como podemos apreciar en la figura, la sucesión x1, x2, x3... tiende
hacia la raíz ξ de la ecuación buscada.
Tal como nos sugiere la representación gráfica de la función en la figura, la raíz buscada está en el intervalo
0 a π/2. Tomamos una aproximación inicial a la raíz x0, en dicho intervalo y aplicamos la fórmula (1).
 2.3.2. Secante

El método de la secante se puede pensar como una simplificación del método de Newton-Rapson, ya que en
lugar de tomar la derivada de la función cuya raíz se quiere encontrar, se aproxima por una recta secante a la
curva, cuya pendiente es aproximadamente igual a la derivada en el punto inicial. Para este método debemos
conocer dos puntos de la función para poder generar dicha recta. Sean xo y x1 pertenecientes a cierta f(x) se
puede definir:

Luego remplazando en el método de Newton-Rapson:

EJEMPLO:

Calcular usando el método de la secante la primera intersección entre las funciones

f(x) = 𝑠𝑒𝑛 (𝑥) 𝑦 𝑑𝑒 𝑔(𝑥)=5e−x. Graficar.
2

Antes de aplicar el método, es necesario encontrar la función a la cual le debemos encontrar sus
raı́ces. Si se está buscando la intersección entre ambas, entonces lo que se quiere obtener es
f(x) = g(x) o, lo que es lo mismo, f(x) − g(x) = 0. Según la fórmula (1), obtendremos iterativamente un
xn+1 tal que satisfaga la ecuación anterior. A continuación, se muestra la representación gráfica de
la función para poder ubicar las raı́ces.

Se puede ver que la primera intersección está ubicada entre 1,5 y 2. Debido a que no podemos asegurar
la convergencia tal como en el método de Newton-Raphson, hay que intentar con dos puntos de
partida y analizar iteración a iteración el comportamiento de los resultados. También se pueden tener
en cuenta ciertos criterios que utiliza el método para obtener la siguiente aproximación, por ejemplo,
la pendiente de la recta secante no debe ser nula pues nunca intesectará con el eje x ni tendiendo a
infinito (siempre y cuando la ra´ız se encuentre alejada a los puntos iniciales) ya que la convergencia puede llegar
a ser lenta. De todas maneras, dependerá de la forma que tiene la función.
A partir del gráfico de la función cuyos ceros queremos encontrar, se tomarán como valores iniciales
0 y 1. Debemos notar que ambos puntos se encuentran hacia la izquierda de la ra´ız, no
necesariamente deben encerrarla. Se realizará detalladamente, en primer lugar, el cálculo de la
primer aproximación para comprender la mecánica del método.

Siguiendo por cuatro iteraciones más se verá que la aproximación comienza a estancarse en
un valor:

x3 = 1,6978
x4 = 1,8122
x5 = 1,8369
x6 = 1,8386
F (x6) ≈ 10−5 ≈ 0

Donde x6 es la aproximación que tomaremos como resultado. Sabemos que nunca vamos a poder
obtener el resultado exacto de la ecuación pues se ve que es un número irracional. A continuación
se resolverá nuevamente el método pero ahora de forma gráfica para intentar comprender cómo
aproxima. Las rectas punteadas corresponden a las que se generan por los primeros puntos,
mientras que la rellena corresponde a la última iteración, es decir, la que genera a x4. Por cuestiones
de espacio, en el gráfico se pierde el valor de xo. Finalmente, se puede comprobar que las funciones
son iguales para un punto aproximadamente igual a x6. Especializando en f (x) y en g(x): f (x6) =
0,7951, g(x6) = 0,7951.
 2.3.3. Newton-Raphson

El método de Newton o también llamado método de Newton-Raphson es uno de los métodos más
útiles y mejor conocido para aproximar el cero de una función. Supongamos que c es un cero de f,
es decir, f(c)=0 y que x0 es una aproximación de c. El polinomio de Taylor de grado uno para
f alrededor de x0 y su correspondiente residuo es:

(1) donde z esta entre x0 y x.

Si en la ecuación (1) se reemplaza x por c y usando el hecho que f(c) = 0, seobtiene:

(2)

Si x0 está suficientemente cerca de c, entonces en el último sumando de la ecuación (2) el término

(c - x0)2 será pequeño, comparado con la suma de los dos primeros términos. Si se desprecia este
término se puede usar la expresión (2) para encontrar una aproximación al cero de f.

0 f(x0) + f'(x0)(c - x0)

Despejando c en la ecuación anterior, resulta:

El método de Newton comienza con una aproximación inicial x0 del cero de la función a partir de la
cual se define una sucesión {xn} de aproximaciones definida por:

Desde un punto de vista geométrico, lo que hace el método de Newton es construir la recta tangente
a la gráfica de f en un punto cercano x0 a c y encontrar el cero de la recta tangente, x1. La
aproximación x2 es el cero de la recta tangente a la gráfica de f en el punto x1 y así sucesivamente.

Ejemplo 1:
Ejemplo 2:

2.3.4. Aitken

El método ∆² de Aitken es un método de aceleración de la convergencia. Lleva el nombre de

Alexander Aitken, quien introdujo este método en 1926. Este método es muy útil para acelerar la
convergencia de una sucesión que converge linealmente independientemente de su origen.

El proceso de Aitken consiste en construir una sucesión {^xn} al mismo tiempo que se construye la
sucesión { xn } obtenida por la iteración de punto fijo para n = 0,1,2,... (Ralston).

Esta sucesión converge más rápidamente que la { xn }. Para calcular la sucesión {^xn} nos servimos
del proceso de aceleración:
Ejemplo:

Obtener una raíz de la función f(x) = x - cos x por la iteración del punto fijo y aplicando el método de
Aitken, tomar g(x) = cos x, x0 = 0 y error < 0.01.

= g(0) = 1 = g(1) = 0.5403 = g(0.5403) = 0.8576

= g(0.8576) = = g(0.6543) = 0.7935 = g(0.7935) = 0.7014

0.6543

= g(0.7014) = = g(0.7640) = 0.7221 = g(0.7221) = 0.7504

0.7640

= g(0.7504) = = g(0.7314) = = g(0.7442) = 0.7356

0.7314 0.7442

Como | x12- x11 | = |0.7356 - 0.7442| = 0.0086 < 0.01 tenemos que la solución aproximada por la
iteración del punto fijo es: x12 = 0.7356

Veamos la tabla obtenida para los distintos valores intermedios obtenidos en el proceso de Aitken.

D =1
=

D = -0.4597 = -0.4597 ^ = 0.685

D = 0.3173 = -0.6902 ^ = 0.7278

D = -0.2033 = -0.6407 ^ = 0.7336

D = 0.1392 = -0.6847 ^ = 0.7368

Como | ^x3-^x2 | = | 0.7336 – 0.7278| = 0.0058 < 0.01

La solución aproximada por Aitken es x3= 0.7336

Bibliografía:

Chapra, S. C., & Canale, R. P. (2007). Métodos numéricos para ingenieros (5a. ed.). Distrito Federal,
MX: McGraw-Hill Interamericana.

García, I., & Maza, S. (2009). Métodos numéricos: problemas resueltos y prácticas. Lérida, ES:
Edicions de la Universitat de Lleida.

MatematicAlpha USB. (2016, Abril 2016). Método Regla Falsa. [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=lHS5RCnlOJU

Nieves, H. A. (2014). Métodos numéricos: aplicados a la ingeniería. México, D.F., MX: Grupo Editorial
Patria.

Pedrozo, V. (2014, Septiembre 24). Método de Bisección Errores [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=0WPixuL6AZU&t=20s

Romero, E. (2005). UNISANGIL. Raíces de ecuaciones. Métodos numéricos. [Archivo PDF].

Russo, R. Método de la Secante. Métodos Numéricos. [Archivo PDF].