2015 07 04 Newton

2013
Método Newton-Raphson
RAICES DE ECUACIONES
Yamil Armando Cerquera Rojas

Universidad Surcolombiana – Nieva - Huila
14/09/2013
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com
RAÌCES DE ECUACIONES
Método Newton Raphson
Ing Yamil Armando Cerquera Rojas – yacerque@gmail.com
Especialista en Sistemas Universidad Nacional
Contenido
ISAAC NEWTON (1642 - 1727) ...................................................................................................... 4

Preámbulo ....................................................................................................................................... 8
Ecuaciones de resolución ......................................................................................................... 8
Definición de Ecuación ............................................................................................................. 9
Desarrollo del Concepto ....................................................................................................... 9
Clasificación de las ecuaciones con una incógnita: ...................................................... 10
Raíces de ecuaciones: introducción ......................................................................................... 10
Historia de las ecuaciones lineales. ..................................................................................... 11
Historia de los sistemas de ecuaciones lineales. ............................................................... 16
Polinomios: Definición ............................................................................................................ 17
Grado de un polinomio ........................................................................................................... 18
Raíces de un polinomio........................................................................................................... 18
Factorización de un polinomio .............................................................................................. 19
Representación gráfica de las raíces de un polinomio ..................................................... 19
Raíces Únicas y Múltiples: ...................................................................................................... 21
Teorema fundamental del Álgebra ....................................................................................... 24
Todo polinomio de grado n tiene n raíces. ......................................................................... 24
Regla de los signos de Descartes .......................................................................................... 25
Conjunto de posibles raíces ................................................................................................... 26
¿Qué hacer cuando se tenga una raíz? ................................................................................. 26
Método de Newton-Raphson ...................................................................................................... 28
Definición: ................................................................................................................................ 28
Derivación de la fórmula ........................................................................................................ 29
Orden de Convergencia .......................................................................................................... 31
Análisis de Convergencia .................................................................................................... 31
Consideraciones especiales del método de Newton Raphson: ........................................ 33
Ejemplo 1: Ecuación polinomial de orden 3 f ( x)  x 3  x  16 ........................................ 34
Ejemplo 2: Raíz de la función f ( x)  e x1  5x 3 ................................................................. 36
Solución:............................................................................................................................ 36
Ejemplo 3: Raíz de la función f ( x)  e  x  ln( x) ................................................................ 37
Ejemplo 4: Aplicación en cinemática v(t )  t  2t ....................................................... 38
3 2
Ejemplo 5: Función f ( x)  2 x  x  x  1 ..................................................................... 40

3 2
Ejemplo 6: Función F (t )  1.21e 6.6t sin(11.4t  111.7 o )  0.28e 55.9t sin(18t  26.1o ) ...................... 41
Ejemplo 7: función f ( x)  3x 2  e x ....................................................................................... 44
Universidad Surcolombiana – Neiva – Huila - Colombia 2 de 54

Ejemplo 8: Función f ( x)  x 3  4 x 2  10 ............................................................................. 45

Ejemplo 9: Función f ( x)  x  3x  4 ........................................................................... 46
3 2
Ejemplos de Aplicación .......................................................................................................... 47

Cálculo de la presión de vapor .......................................................................................... 47
Cálculo de la velocidad de descenso de un tanque en el océano .............................. 48
PRÀCTICA: Newton-Raphson para ecuaciones no lineales ............................................... 49
Trabajo de Laboratorio .......................................................................................................... 51
Ejercicios Propuestos .............................................................................................................. 52
Recursos Bibliográficos ........................................................................................................... 53
Bibliografia OnLine: ................................................................................................................ 54

ISAAC NEWTON (1642 - 1727)

Físico, matemático, astrónomo y filósofo inglés. La obra
en la que desarrolla los principios fundamentales de la
mecánica y su teoría de la atracción universal se publicó
en 1687 con el título de "Principios matemáticos de la
filosofía natural".
La mayoría de las personas están familiarizadas en cierto

grado con el nombre de Isaac Newton, debido a que su
fama universal como descubridor de la ley de la
gravedad ha seguido intacta durante los dos siglos y
medio que han transcurrido desde su muerte.
Sin embargo, no es tan conocido el hecho de que, entre sus colosales realizaciones,
creó virtualmente las ciencias físicas modernas y, en consecuencia, ha tenido una
influencia más profunda en la dirección de la vida civilizada que el auge y la
decadencia de los imperios. Quienes tienen autoridad para emitir juicios a este
respecto, le consideran, unánimemente, uno de los pocos intelectuales supremos que
ha producido la raza humana.
Newton nació en el seno de una familia campesina, en la aldea de Woolsthorpe 1, en

Inglaterra. Se sabe muy poco sobre sus primeros años y al parecer su vida como
estudiante en Cambridge fue poco distinguida.
En 1665, una epidemia de peste hizo que las universidades cerraran sus puertas y
Newton regresó a su casa, en el campo, donde permaneció hasta 1667.
Allí, en dos años de soledad rústica -de los 22 a los 24 años de edad- su ingenio
creativo explotó en un torrente de descubrimientos no superados en toda la historia
del pensamiento humano:
 Las series binomiales para exponentes negativos y fraccionarios;

 El cálculo diferencial e integral;
 La gravitación universal como clave para explicar el mecanismo del sistema
solar y
 La resolución de la luz solar en el espectro visual, por medio de un prisma, con
sus implicaciones para la comprensión de los colores del arco iris y la naturaleza
de la luz en general.
En sus últimos años, escribió las siguientes reminiscencias, sobre el periodo milagroso
de su juventud:
1
Woolsthorpe-by-Colsterworth es una localidad del condado de Lincolnshire, Inglaterra, Reino Unido.

"En esos días, estaba en la mejor edad para los descubrimientos, y las matemáticas y
la filosofía (o sea, las ciencias) me interesaron más que nada, desde entonces".
Newton fue siempre un hombre discreto y retraído y, en su mayor parte, se guardó

para sí sus descubrimientos monumentales. No tenía interés en publicarlos y la mayor
parte de sus grandes obras fueron arrancadas por los ruegos y la persistencia de sus
amigos.
De todos modos, su capacidad única era tan evidente para su maestro Isaac Barrow
quien, en 1669, dimitió su profesorado en favor de su alumno (¡un caso sin
precedentes en la vida académica!) y Newton se estableció en Cambridge2 durante los
27 años siguientes.
Sus descubrimientos matemáticos nunca se publicaron realmente en forma conexa y

llegaron a conocerse, en forma limitada, casi por accidente, por medio de
conversaciones y de las respuestas a preguntas que le hicieron por carta.
Consideró sus descubrimientos en matemáticas primordialmente como un instrumento

fructífero para el estudio de problemas científicos y como algo que, en sí mismo, tenía
relativamente poco interés.
Mientras tanto, en Alemania, Leibniz3 había inventado también el cálculo, de manera

independiente; y debido a su constante correspondencia con los Bernoulli y a los
trabajos posteriores de Euler, el nuevo análisis se extendió en todo el continente,
donde permaneció a la cabeza durante 200 años
No se sabe gran cosa sobre la vida de Newton en Cambridge, en los primeros años de
su profesorado; pero es seguro que entre sus principales intereses se contaron la
óptica y la construcción de telescopios.
Experimentó muchas técnicas para esmerilar vidrios (con herramientas diseñadas por
él mismo) y hacia 1670 construyó el primer telescopio de reflexión, el antepasado de
los grandes instrumentos que se utilizan actualmente en monte Palomar y en todo el
mundo. La pertinencia y la simplicidad de su análisis prismático de la luz solar, marcó
ese trabajo inicial como uno de los clásicos sin limitaciones de tiempo de las ciencias
experimentales.
No obstante, eso era sólo el comienzo, puesto que fue penetrando cada vez más en los
misterios de la luz y todos sus esfuerzos en ese sentido siguieron dando muestras de
un ingenio experimental del más alto orden.
Publicó algunos de sus descubrimientos; pero los científicos más destacados de su

tiempo los recibieron con tanta estupidez contenciosa, que Newton se retrajo
2
Cambridge es una ciudad universitaria inglesa muy antigua y la capital del condado de Cambridgeshire. Se encuentra
aproximadamente a 80 kilómetros de Londres y la rodean varias villas y pueblos. Su fama la debe a la Universidad de Cambridge.
3
Gottfried Wilhelm von Leibniz nació en Leipzig el 21 de junio (1 de julio) de 1646. En 1661 entró a la Universidad de Leipzig
como estudiante de filosofía y leyes, y en 1666 recibió el grado de doctor en Derecho en Altdorf.

nuevamente en su concha, con una mayor resolución de trabajar, a partir de entonces,

para su exclusiva satisfacción. Veinte años después, confió a Leibniz las palabras
siguientes:
"En cuanto a los fenómenos de los colores... Estoy convencido de haber descubierto la
explicación más segura; pero no quiero publicarla en libros, por temor de que los
ignorantes inicien disputas y controversias contra mi"
A fines de la década de 1670, Newton tuvo uno de sus lapsos periódicos de desagrado
por las ciencias y dirigió sus energías hacia otros cauces. Todavía no había publicado
nada sobre dinámica o la gravedad y sus numerosos descubrimientos en esos campos
permanecías olvidados sobre su escritorio. Sin embargo, al fin, estimulado y enojado
por las pretensiones y las críticas de Robert Hooke 4 y calmado por la intervención
diplomática de Edmund Halley, dedicó su atención nuevamente a esos problemas y
comenzó a escribir su obra principal, el Principia 5.
Cuando Newton se dedicaba al trabajo científico se parecía a un volcán activo, con

largos periodos de inactividad, contrastados, de vez en cuando, por grandes
erupciones de una actividad casi sobrehumana.
El libro Principia lo escribió en 18 meses de increíble concentración, y cuando se

publicó, en 1687, se reconoció inmediatamente que era una de las realizaciones
supremas de la mente humana.
En esa obra, estableció los principios básicos de la mecánica teórica y la dinámica de

los fluidos, aplicó el primer tratamiento matemático al movimiento ondulado, dedujo
las leyes de Kepler a partir de la ley de cuadrados inversos de la gravitación y explicó
las órbitas de los cometas; calculó las masas de la Tierra, el Sol y los planetas con sus
satélites, explicó la forma aplastada de la Tierra y utilizó esta idea para explicar la
precesión de los equinoccios, además de que estableció la teoría de las mareas. Estas
son tan sólo unas cuantas de las numerosas maravillas de su obra prodigiosa.
El Principia es un libro de lectura difícil, porque tiene un estilo de inhumana lejanía

que quizá sea el más apropiado para la grandeza del tema. Asimismo contiene densas
ecuaciones matemáticas de geometría clásica, poco cultivada en su época y todavía
menos en la actualidad.
En cuanto a la dinámica y mecánica celeste, logró concluir magníficamente la obra

que habían iniciado Copérnico, Kepler y Galileo. Ese triunfo fue tan completo que los
trabajos de los principales científicos en esos campos, durante los dos siglos siguientes,
fueron poco más que notas calcadas de esta síntesis colosal.
4
Robert Hooke (Freshwater, 18 de julio de 1635 - Londres, 3 de marzo de 1703) científico inglés. Fue uno de los científicos
experimentales más importantes de la historia de la ciencia, polemista incansable con un genio creativo de primer orden.
5
La obra de Newton está compuesta por “Definiciones”, “Axiomas, o leyes de movimiento” y tres libros. Los dos primeros están
dedicados a “El movimiento de los cuerpos”, y el tercero a “El sistema del mundo”.

También vale la pena recordar que la espectroscopia ha contribuido, más que ninguna
otra ciencia, al progreso de los conocimientos astronómicos del universo en general;
tuvo su origen en el análisis prismático de la luz del Sol, que realizó Newton.
Después de la poderosa erupción de su ingenio que lo llevó a la creación de Principia,

Newton volvió a alejarse de las ciencias. En 1696, abandonó Cambridge para ir a
Londres, con el fin de convertirse en Warden of the Mint 6 (y posteriormente en
Master), y durante el resto de su larga vida, se introdujo un poco en la sociedad e
inclusive comenzó a gozar un poco de su posición única, en el pináculo de la fama
como científico.
Esos cambios de intereses y de ambiente no se reflejaron en una disminución de su

capacidad intelectual inigualable. Por ejemplo, un atardecer, al final de un día de
trabajo agotador en la Moneda, se enteró del problema de la braquistócrona 7 de
Johann Bernoulli -presentado como un desafío "para los matemáticos más brillantes
del mundo"- y lo resolvió esa misma noche, antes de acostarse.
La publicación de su obra Opticks, en 1704, fue mucho más importante para la ciencia.
En ese libro, reunió y amplió sus trabajos anteriores sobre la luz y los colores.
A Isaac Newton se debe el cálculo de raíces de una función o ecuación por

aproximaciones sucesivas usando la tangente.
6
En 1696 es nombrado "Warden of the Mint" (guardián del Tesoro del Reino) y en 1699 "Master of the Mint (maestre del Tesoro del
Reino). Este puesto, que fue del agrado de Newton, estaba bien remunerado y le permitió adquirir cierto grado de riqueza
material
7
En 1696 el matemático Johann Bernoulli anunció a la comunidad matemática la solución al problema de la braquistocrona (curva
que sigue el descenso más rápido cuando existe gravedad y que es objeto de estudio en el cálculo de variaciones), mostrando que
la solución era una cicloide

Preámbulo
Al desarrollar un tema en clase, en su mayoría de veces no se consideran ciertos
aspectos que son importantes para el estudiante, como la parte histórica detrás de un
concepto o teorema, o la explicación de cómo se aplican estos conceptos en nuestra
realidad. La Matemática es una ciencia que no está desligada del mundo, todo lo
contrario, si se observa atentamente el paisaje que le rodea, encontrará la aplicación
de algún concepto matemático.
Por esta razón, el papel del estudiante es ahondar en los temas desarrollados y
relacionarlos con su entorno inmediato.
Cuando se encuentra ante una situación problemática, a veces se plantean ecuaciones,

y es el Álgebra que en uno de sus aspectos más elementales, brinda el conocimiento
necesario para resolverla. No hay que olvidar, además, que los algoritmos de
resolución de ecuaciones y de sistemas de ecuaciones han ocupado a muchos
matemáticos a lo largo de la historia. Por ejemplo, se conoce la existencia de
problemas resueltos por procedimientos algebraicos que datan del año 3000 AC.
Los babilonios y egipcios fueron los más entusiastas cultivadores del Álgebra. A partir
de ellos, los griegos, y luego los árabes, elaboraron los cimientos de la Matemática
actual, así como el contexto de todos los axiomas y teoremas que se fueron
desarrollando.
El presente libro está centrado en mostrar cómo las culturas milenarias abordaron el
tema de resolución de ecuaciones y cómo en la actualidad, de algún modo muy sutil,
se están relacionando problemas ancestrales con situaciones reales y actuales.
Resolver una ecuación o un sistema de ecuaciones son problemas que se plantearon en

la antigüedad y que, salvo las diferencias en los actuales métodos más complicados de
resolución, lograban. Determinar la solución adecuada a cada situación.
Ecuaciones de resolución
En la antigüedad, algunas culturas representaron los números mediante letras. Los
griegos usaban su alfabeto para representar los números, al igual que la numeración
romana.
En realidad, el Álgebra comienza cuando los matemáticos se empiezan a interesar por

operaciones que se pueden realizar con cualquier número más que por los mismos
números, lo que los llevó a generalizar un número cualquiera a través de una letra
llamada variable.

Si bien en un principio no existían las variables, los problemas se plantearon mediante

palabras, por lo que se le llamó Álgebra Retórica 8, y la variable era llamada cosa, de
ahí que el Álgebra fuera conocida como “la regla de la cosa”. A partir del siglo XII los
árabes introducen el Álgebra Simbólica, la cual asigna símbolos a la variable buscada
en el problema.
Tras muchos milenios, las ecuaciones matemáticas de la forma ax  b  0 se resuelven

actualmente por diversos métodos, incluso, mediante el uso de computadoras. Existe
software que resuelven diversos tipos de ecuaciones.
Definición de Ecuación
Una ecuación es una igualdad que contiene una o más incógnitas.
Desarrollo del Concepto
En una ecuación existen cantidades desconocidas (incógnitas), que en general se

designan por letras minúsculas de la parte final del alfabeto: x, y, z y cantidades
conocidas (coeficientes), que pueden designarse por letras minúsculas iniciales del
alfabeto: a, b, c. Lo anterior lo introdujo el matemático René Descartes en 1637.
En la ecuación: ax  b  c , a, b y c son coeficientes, x es la incógnita
En la ecuación 5z  4  16
Los coeficientes son los enteros 5, -4, y 16 y la incógnita es z.
Se llama raíces o soluciones de la ecuación a los valores de las incógnitas que cumplen
la igualdad.
Ejemplos:
Si voy a la panadería con $5000 y deseo comprar 3 panes de $1000) ¿qué vueltas
recibiré? Si v representa el valor de las vueltas, éste tiene que cumplir:
5000 = 3𝑥1000 + 𝑣
En la ecuación anterior v es la incógnita y el valor v=2000 es la solución.
Un norteamericano llega a Neiva – Huila - Colombia y manifiesta que la temperatura

ambiental es de 85 ° Farenheit ¿cuál es la temperatura ambiental en grados Celsius? Si
C representa la temperatura en grados Celsius se cumple la relación:
8
Se denomina así, en el campo de la educación matemática, a la primera fase en el desarrollo histórico del álgebra, debido a que
los problemas y sus soluciones se describían mediante lenguaje natural, sin incluir ningún símbolo, ni siquiera de las operaciones.
Es el álgebra de la edad clásica. Desde los egipcios y babilonios hasta la obra de Diofanto (Siglo III)

85  9 / 5 C  32 , C es la incógnita y el valor C=265/9 es la solución.
En: ax  8  3 , el valor x=-5/a es la solución.
En 4x2–3x+2=2 los valores x= 0 y x=3/4 son soluciones.
Clasificación de las ecuaciones con una incógnita:
Las ecuaciones se catalogan según el exponente o potencia más alto que tenga la
incógnita.
Así,
6𝑥 + 34 = 5 es una ecuación de primer grado.

8𝑥 2 + 7𝑥 + 45 = 3 es una ecuación de segundo grado.
4 𝑥 3 + 35𝑥 2 – 3𝑥 + 2 = 7 es una ecuación de tercer grado.
Raíces de ecuaciones: introducción9

Constantemente, al plantear en términos matemáticos problemas de distintas áreas
(economía, física, ingeniería, biología, etc.), aparece la siguiente cuestión: tratar de
determinar los ceros de ciertas funciones, es decir valores para los cuales la función se
anula.
Resolver una ecuación es encontrar el ó los valores de la incógnita que satisface la

igualdad.
Por ejemplo la ecuación: 500 = 450 + 𝑣, se satisface para 𝑣 = 50
Después de las funciones lineales, las funciones polinomiales (en 1 variable) son las
más simples.
Estudiar los ceros (raíces) de funciones polinomiales tiene un gran interés por lo
menos por las dos razones siguientes:
– No se puede pretender poder resolver el problema para funciones más

generales si no se logra resolverlo en este caso más sencillo.
– La mayoría de veces es posible traducir de alguna manera el problema original

de hallar ceros de una función cualquiera, al de calcular las raíces de ciertos
polinomios (que “aproximan” a la función original).
9
Polinomios y Raíces, Teresa Krick., Departamento de Matemática. Facultad de Ciencias Exactas y Naturales.
Universidad de Buenos Aires. -1428- Buenos Aires. ARGENTINA.

Generalmente, para las aplicaciones, se trabaja con funciones reales, y se trata de

encontrar ceros reales. Más aún, debido a la estructura de los números con los cuales
trabajan las computadoras, las funciones suelen tener coeficientes racionales y los
ceros que se calculan serán números racionales que aproximan suficientemente una
verdadera solución al problema.
En situaciones reales la solución de la ecuación debe tener sentido en el contexto en

que se trabaja.
Nótese los siguientes casos:
a) Pertinencia de la solución:
Se quiere repartir equitativamente 24 dulces a 5 niños. Sea x la cantidad de dulces

que corresponde a cada niño, x debe ser un número natural que satisfaga la ecuación:
5𝑥 = 24
La ecuación anterior no tiene solución en los naturales (N).
b) Existencia de la solución
La ecuación 4 x  5  2, no tiene solución en los naturales (N) ni en los enteros (Z) sino
que en los racionales y en los reales.
La ecuación 4 * x * x  7 , no tiene solución en los reales (R) ya que no existe ningún

número real que la satisfaga.
c) Infinitas soluciones
La ecuación 2 + x + x = 2(x+1), es una ecuación que es satisfecha por cualquier valor

que tome x, luego tiene infinitas soluciones.
En este libro, se trata de profundizar sobre raíces de polinomios con coeficientes en Q

(el cuerpo de los números racionales),  (el cuerpo de los números reales) y C (el
cuerpo de los números complejos). Se verá en qué medida la teoría sobre Q está más
resuelta, y la de C, más teórica, permite aclarar la estructura de los polinomios en
R[X] .
Además presupone cierta familiaridad con la teoría general básica de polinomios en

una variable, aunque todos los resultados que se usan están. También se requieren
ciertas nociones de Análisis elemental, para el caso de funciones reales continuas y
derivables (como por ejemplo los Teoremas de Bolzano y de Rolle).
Historia de las ecuaciones lineales.

La primera fase, que comprende el periodo de 1700 AC a 1700 DC., se caracterizó por
la invención gradual de símbolos y la resolución de ecuaciones. Dentro de esta fase se
encuentra un álgebra desarrollada por los griegos (300 AC), llamada álgebra
geométrica, rica en métodos geométricos para resolver ecuaciones algebraicas.
La introducción de la notación simbólica asociada a Viète 10 (1540-1603), marca el

inicio de una nueva etapa en la cual Descartes (1596-1650) contribuye de forma
importante al desarrollo de dicha notación. En este momento, el álgebra se convierte
en la ciencia de los cálculos simbólicos y de las ecuaciones. Posteriormente, Euler
(1707-1783) la define como la teoría de los "cálculos con cantidades de distintas
clases" (cálculos con números racionales enteros, fracciones ordinarias, raíces
cuadradas y cúbicas, progresiones y todo tipo de ecuaciones).
Para llegar al actual proceso de resolución de la ecuación ax  b  c han pasado más

de 3.000 años.
Los egipcios nos dejaron en sus papiros11 (sobre todo en el de Rhid-1.650 AC y el de

Moscú-1.850 AC) multitud de problemas matemáticos resueltos. La mayoría de ellos
son de tipo aritmético y respondían a situaciones concretas de la vida diaria; sin
embargo, encontramos algunos que podemos clasificar como algebraicos, pues no se
refiere a ningún objeto concreto. En éstos, de una forma retórica, obtenían una
solución realizando operaciones con los datos de forma análoga a como hoy se
resuelven dichas ecuaciones.
Las ecuaciones más utilizadas por los egipcios eran de la forma:
x  ax  b y x  ax  bx  0
Donde a, b y c eran números conocidos y x la incógnita que ellos denominaban aha o

montón.
Una ecuación lineal que aparece en el papiro de Rhid responde al problema siguiente:
"Un montón y un séptimo del mismo es igual a 24".
En notación moderna, la ecuación sería: x  1 x  24

7
10
Fue un matemático francés (Fontenay-le-Comte, 1540 - París, 1603). Se le considera uno de los principales precursores del
álgebra. Fue el primero en representar los parámetros de una ecuación con letras. François Viète también fue conocido en su
época como súbdito del rey fiel y competente. Fue consejero privado de los reyes de Francia Enrique III y de Enrique IV.
11
Papiro es el nombre que recibe el soporte de escritura elaborado a partir de una planta acuática, también denominada papiro,
muy común en el río Nilo, en Egipto, y en algunos lugares de la cuenca mediterránea, una hierba palustre de la familia de las
ciperáceas, el Cyperus papyrus. Etimológicamente, la palabra papiro proviene del término griego πάπυρος papiros que en latín es
papyrus, cuyo plural es papyri, tomada del egipcio antiguo per-peraâ, que significa “flor del rey”. También es el origen de la
palabra papel.

La solución la obtenía por un método que hoy se conoce con el nombre de "método de
la falsa posición" o "regula falsi". Consiste en tomar un valor concreto para la incógnita,
se prueba con él y si se verifica la igualdad ya se tiene la solución, si no, mediante
cálculos se obtiene la solución exacta.
Suponga que fuera 7 la solución, al sustituir en la x daría: 7  1 7  8 , y como nuestra

7
solución es 24, es decir, 8 ∗ 3, la solución es 21  3 * 7 , ya que 3 * (7  1 / 7 * 7)  24 .
Generalmente, el cálculo de la solución correcta no era tan fácil como en este caso e
implicaba numerosas operaciones con fracciones unitarias (fracciones con numerador
la unidad), cuyo uso dominaban los egipcios. En cuanto el simbolismo, solamente en
algunas ocasiones utilizaban el dibujo de un par de piernas andando en dirección de la
escritura o invertidas, para representar la suma y resta, respectivamente.
Los babilonios (el mayor número de documentos corresponde al periodo 600 AC. a 300
DC.) casi no le prestaron atención a las ecuaciones lineales, quizás por considerarlas
demasiado elementales, y trabajaron más los sistemas de ecuaciones lineales y las
ecuaciones de segundo grado.
Entre las pocas que aparecen, Se tiene la ecuación 5x  8 . En las tablas en base
sexagesimal hallaban el recíproco de cinco que era 12/60 y en la tabla de multiplicar
por 8, se encuentra que 8 · 12/60 = 1 36/60.
Los matemáticos griegos no tuvieron problemas con las ecuaciones lineales y,

exceptuando a Diophante 12 (250 DC), no se dedicaron mucho al álgebra, pues su
preocupación era como se ha visto, mayor por la geometría. Sobre la vida de
Diophante aparece en los siglos V o VI un epigrama algebraico que constituye una
ecuación lineal y dice:
"Transeúnte, ésta es la tumba de Diophante: es él quien con esta sorprendente

distribución te dice el número de años que vivió. Su juventud ocupó su sexta
parte, después durante la doceava parte su mejilla se cubrió con el primer
vello. Pasó aún una séptima parte de su vida antes de tomar esposa y, cinco
años después, tuvo un precioso niño que, una vez alcanzada la mitad de la
edad de su padre, pereció de una muerte desgraciada. Su padre tuvo que
sobrevivirle, llorándole durante cuatro años. De todo esto, deduce su edad. "
12
Nació alrededor del 200 d.C. y Murió: alrededor del 284 DC, Diofanto, a menudo conocido como el
'padre del álgebra', es mejor conocido por su Aritmética, un trabajo sobre la solución de ecuaciones
algebraicas y sobre la teoría de los números. Sin embargo, esencialmente no se sabe nada de su vida y
ha existido mucho debate respecto de la fecha en que vivió.
http://ciencia.astroseti.org/matematicas/articulo.php?num=3629

Los primeros documentos matemáticos que existen (datan del siglo III d. de C.) son los
Sulvasütras13, donde se recogen todos los conocimientos necesarios para construir los
templos. En éstos aparece el siguiente problema:
“Hallar el lado de un rectángulo, conociendo el otro lado y sabiendo que su área

es igual al área de un cuadrado dado "
Esto es:
Es decir, a 𝑥 = 𝑆.
Lo resolvían utilizando el método de la falsa posición, como los egipcios.
Posteriormente, Brahmagupta 14 (siglo VII) expresa, ya de forma sincopada, cómo

resolver ecuaciones lineales. La incógnita la representaba por la abreviatura ya, y las
operaciones con la primera sílaba de las palabras.
Dada la ecuación ax  b  cx  d , la solución vendrá dada dividiendo la diferencia de

los términos conocidos entre la diferencia de los coeficientes de los desconocidos,
esto es,
d b
x
ac
13
Los Sulvasutras son apéndices de los Vedas en los que se dan normas para la construcción de altares.
Para que el sacrificio ritual tuviera éxito, el altar tenía que ajustarse a medidas muy precisas. La gente
hacía sacrificios a sus dioses para que estuvieran contentos y le diesen abundante comida, buena suerte,
salud, una vida larga y muchos otros beneficios materiales. Para tener contentos a los dioses todo se
tenía que realizar siguiendo una fórmula muy precisa, por lo que la exactitud matemática se veía como
algo de importancia capital. Todo lo que se sabe de las matemáticas védicas se halla en los Sulbasutras.
14
Fue un matemático y astrónomo indio. Su padre fue Jisnugupta. Nació en el año 598, posiblemente en
Ujjain, donde vivió. En esta ciudad de la zona central de la India se encontraba el más famoso y antiguo
observatorio de astronomía del que Brahmagupta era el director. Está considerado el más grande de los
matemáticos de esta época. Murió en el año 670. Es posible que Brahmagupta haya sido el idealizador
del concepto del "cero" ya que en su obra Brahmasphutasiddhanta del año 628 aparece por primera vez
esta idea. La obra trataba también sobre aritmética y números negativos en términos muy parecidos a
los de la moderna matemática

Estos métodos pasaron a los árabes que los extendieron por Europa. Al algebrista
“Abu-Kamil” 15 (siglo IX y X) se le atribuye una obra donde trata la solución de
ecuaciones lineales por simple y doble falsa posición.
El método de la doble falsa posición es el siguiente:
Sea la ecuación ax  b  0 y suponga dos valores para la x:
xm am  b  p Ec.1
xn an  b  q Ec. 2
Restando, a(m  n)  p  q
Por otra parte, eliminando a del sistema de ecuaciones anteriores se tiene.
Ec1*n  amn  bn  pn
Ec2*m  amn  bm  qm
Que restando, b(n  m)  pn  qm
Y dividiendo ambos resultados,  a/b  (p  q)/(pn  qm)
O también  b /a  (pn  qm)/(p  q)
Siendo esto último el valor de x.
Vea un ejemplo. Sea la ecuación 5x  10  0 , si se toma como valor de x : x  3 y

x  4 , y sustituyendo,
5 * 4 10  p
5 * 3 10  q
Se tiene que
x  (10 * 3  5 * 4) /(10  5)  (30  20) / 5  10 / 5  2
15
La muerte de al-Jwarizmi coincide aproximadamente con el nacimiento en Egipto de Abu Kamil ibn
Aslam ibn Mohammed, llamado el calculista egipcio. Vivió ochenta años y nos dejó numerosas obras
matemáticas. Entre ellas un tratado de álgebra, cuyo original árabe se ha perdido, pero del que nos han
llegado dos traducciones, una latina y otra hebrea. Las ecuaciones de segundo grado las resuelve
geométricamente, como su predecesor de Bagdad, pero se apoya más directamente en los Elementos.
Demuestra una proposición cuyo equivalente algebraico es la célebre fórmula de suma por diferencia
igual diferencia de sus cuadrados. Con este resultado, la ecuación x  bx  c puede se escrita de este
2
modo.

Este principio fue posteriormente presentado en una forma ligeramente modificada

por el método de las escalas. El nombre proviene de un diagrama que permitía escribir
la solución rápidamente:
Las dos líneas de la izquierda representan p y q y las de la derecha m y n y la cruz del

centro indica que hay que multiplicar.
El método puede ser sintetizado como sigue:
1. Consideran dos valores cualesquiera de la incógnita m, n.

2. Calculan los errores correspondientes a ellos p, q.
3. Hallan el valor de la incógnita en función de los valores dados y sus errores.
En el ejemplo,
A partir de aquí se dedican al estudio de ecuaciones de grado superior.
Historia de los sistemas de ecuaciones lineales.

Los sistemas de ecuaciones lineales fueron ya resueltos por los babilonios, los cuales
llamaban a las incógnitas con palabras tales como longitud, anchura, área, o volumen,
sin que tuvieran relación con problemas de medida.
Un ejemplo tomado de una tablilla babilónica16 plantea la resolución de un sistema de

ecuaciones en los siguientes términos:
1/4 anchura + longitud = 7 manos

longitud + anchura = 10 manos
16
Los Babilonios vivieron en Mesopotamia, en unos claros de tierras fértiles entre los ríos Tigris y
Éufrates, hacia finales del milenio IV antes de Cristo. Desarrollaron una forma abstracta de escritura
basada en símbolos cuneiformes. Sus símbolos fueron escritos en tablas de arcilla mojadas cocidas al sol
Miles de estas tablillas han sobrevivido hasta nuestros días. Gracias a ello, se ha podido conocer, entre
otras cosas, gran parte de las matemáticas babilónicas. El uso de una arcilla blanda condujo a la
utilización de símbolos cuneiformes sin líneas curvas porque no podían ser dibujadas.

Para resolverlo comienzan asignando el valor 5 a una mano y observaban que la

solución podía ser: anchura=20, longitud=30. Para comprobarlo utilizaban un método
parecido al de eliminación. La notación, sería:
y  4 x  28 y y  x  10
Restando la segunda de la primera, se obtiene 3x  18 , es decir, x=6 e y=4.
También resolvían sistemas de ecuaciones, donde alguna de ellas era cuadrática.
Los griegos también resolvían algunos sistemas de ecuaciones, pero uti1izando

métodos geométricos. Thymaridas 17 (400 AC) había encontrado una fórmula para
resolver un determinado sistema de n ecuaciones con n incógnitas.
Diophante resuelve también problemas en los que aparecían sistemas de ecuaciones,

pero transformándolos en una ecuación lineal.
Diophante sólo aceptaba las soluciones positivas, pues lo que buscaba era resolver
problemas y no ecuaciones. Utilizó ya un álgebra sincopada como hemos señalado
anteriormente. Sin embargo, unas de las dificultades que se encuentra en la
resolución de ecuaciones por Diophante es que carece de un método general y utiliza
en cada problema métodos a veces excesivamente ingeniosos.
Los sistemas de ecuaciones aparecen también en los documentos indios. No obstante,

no llegan a obtener métodos generales de resolución, sino que resuelven tipos
especiales de ecuaciones.
El libro El arte matemático, de autor chino desconocido (siglo III a. de C.), contiene
algunos problemas donde se resuelven ecuaciones. En ellos se encuentra un esbozo del
método de las matrices para resolver sistemas de ecuaciones lineales. Uno de dichos
problemas equivale a resolver un sistema de tres ecuaciones lineales por dicho método
matricial.
Polinomios: Definición
Un polinomio es una suma de términos llamados monomios. Un monomio es el
producto de un coeficiente (un número real), una variable (casi siempre x o y) elevada
a un exponente (entero positivo).
Existen polinomios con uno, dos o más términos, por ejemplo:
2
 Monomio (un término): 5x En este caso el coeficiente es 5, la variable es x
el exponente 2
17
Thymaridas was a follower of Pythagoras who wrote on prime numbers and gave methods for solving
simultaneous linear equations

 Binomio (dos términos): 6 x  2

7
 Trinomio (tres términos): 3x5  4 x3  x 2

En este trabajo se utilizaran polinomios con coeficientes enteros y potencias enteras
positivas.
Grado de un polinomio
Dado el polinomio P( x)  an x n  an1 x n1  ...  a2 x 2  a1 x  a0 y siendo an  0 se dice
que el grado de P(x) es n
gr P( x)  n
Se debe tener en cuenta que:
si P( x)  a0 , su gr P( x)  0
si P( x)  0 , el polinomio no tiene grado
Ejemplo:
El polinomio A(x) = 3 x2 + 6 x - 8 tiene como gr A(x) = 2
En resumen se puede decir que el grado de un polinomio es igual al exponente mayor

de la variable. Por ejemplo:
5x 2 Es un polinomio de grado 2
6x7  2 Es de grado 7
3x 5  4 x 3  x 2 Es de grado 5
2 x4- x3 - x2 ¿De qué grado es?
5 2
6 x - 4 x - 19 x ¿De qué grado es?
3 x15 + x13 - x2 ¿De qué grado es?
13 ¿De qué grado es?
Nota cómo se deben escribir los polinomios. Se deben escribir en orden decreciente
con respecto al grado de cada término.
Raíces de un polinomio
La raíz de un polinomio es un número tal que hace que el polinomio valga cero. Es
decir que, cuando resolvamos un polinomio a cero, las soluciones son las raíces del
polinomio.

Por ejemplo el polinomio f ( x)  x 2  x  12 , cuando se iguala a cero y se resuelve se

tiene:
x 2  x  12  0 Igualando a cero.
( x  4)( x  3)  0 Factorizando.
x  4 Raíz 1
x3 Raíz 2
Puesto que x1  4 y x2  3 , son soluciones de f(x) entonces f (4)  0 y f (3)  0 . Se

dice entonces que x1  4 y x2  3 , son raíces del polinomio f ( x)  x 2  x  12
Las raíces de f ( x)  x 3  4 x 2  x  6 son x = - 1, x = 2 y x = 3 ¿Por qué?
Factorización de un polinomio
El número de factores en que se puede descomponer un polinomio es igual al grado
del polinomio. Para poder factorizar un polinomio es necesario encontrar sus raíces.
Cuando se tengan estas, los factores correspondientes a cada raíz son de la forma (x-r)
donde r es una de las raíces.
Esto es, si r1, r2, ... , rn son raíces del polinomio f(x) entonces la factorización de f(x)
es: f ( x)  ( x  r1 )( x  r2 )...( x  rn )
Por ejemplo, si
1. f ( x)  x 3  4 x 2  x  6 : Como sus raíces son x = - 1, x = 2 y x = 3 entonces f(x) se

ha factorizado como f ( x)  ( x  (1))( x  2)( x  3)  ( x  1)( x  2)( x  3)
2. f ( x)  x 2  x  12 : Como sus raíces son x = - 4 y x = 3 entonces f(x) se ha

factorizado como f ( x)  ( x  (4))( x  3)  ( x  4)( x  3)
Representación gráfica de las raíces de un polinomio

Como las raíces de un polinomio hacen que éste valga cero, en un plano cartesiano
esto se identifica como las intersecciones de la gráfica del polinomio con el eje de las
X (abscisas).
Esto es, los puntos en donde cruza la gráfica al eje horizontal tienen como abscisa la
raíz del polinomio graficado.
A continuación se presentan algunas funciones con sus raíces, factores y gráficas:

Descripción Gráfica
Función f ( x)  x 2  x  12
Raíces -4y3
Factorización f ( x)  ( x  4)( x  3)
Función f ( x)  x 3  4 x 2  x  6
Raíces - 1, 2 y 3
Factorización f ( x)  ( x  1)( x  2)( x  3)
Función f ( x)  x 4  5 x 2  4
Raíces - 2, - 1, 1 y 2
Factorización f ( x)  ( x  1)( x  2)( x  1)( x  2)
Función f ( x)  x 3  4 x 2  3 x
Raíces ¿Cuáles son?
Factorización f(x) =

Función f ( x)  x 3  2 x 2  5 x  6
Raíces 1, - 2 y 3
Factorización f ( x)  ( x  1)( x  2)( x  3)
Raíces Únicas y Múltiples:

Los polinomios pueden tener raíces únicas en un punto determinado del eje x o raíces
que se repiten en un número par o impar veces, es decir una raíz sobre el eje x puede
ser la misma par o impar veces. Dicho de otra manera una raíz por ejemplo dos (2)
puede ser la misma raíz pero repetida tres (3) veces (impar) o repetida 2 veces (par).
La tabla siguiente muestra la función f ( x)  x 2  4 , y en la gráfica se observa como

esta corta el eje x tanto en el punto -2 y 2 de un lado a otro siguiendo la forma de la
figura.
Se puede decir que la figura pasa de un lado al otro el eje x en el punto de corte o
raíz. Por lo tanto la raíz es única en el valor de menos dos (-2) y única en el valor de
dos (2).
Es un polinomio de orden dos por lo tanto solo tendrá dos (2) raíces.
En la parte donde se muestra el polinomio factorizado f ( x)  ( x  2)( x  2) se puede

observar que si la variable x toma el valor de 2 o toma el valor de -2 la función tomará
el valor de cero.
Función f ( x)  x 2  4
Raíces - 2, 2
Factorización f ( x)  ( x  2)( x  2)

Para el caso del siguiente ejemplo la función f ( x)  x 2  2 x  1 tiene dos (2) raíces, y si
observa la gráfica, esta no corta el eje x en ningún sector. Ahora si observa el valor de
uno (1) en el eje x, es un punto donde la función se vuelve cero (0). Se debe
considerar al valor de uno (1) como raíz de la función. Lo que pasa es que dicha raíz se
repite par veces (para el caso del ejemplo 2 veces), por esta razón la gráfica no corta el eje
x, sino que lo toca tangencialmente en el punto raíz y cambia su pendiente. Se puede
decir matemáticamente que en el punto raíz, la derivada de la función es igual a cero
(0) ó dicho de otra manera en este punto la tangente es igual a cero (0).
En la factorización que se hace de la función, se puede observar que el único valor

que hace que la función tome el valor de cero (0) es el punto uno (1) sobre el eje x, y
puede ser en el término de la izquierda o en el término de la derecha, es decir dos
veces.
Función f ( x)  x 2  2 x  1
Raíces 1, 1
Factorización f ( x)  ( x  1)( x  1)
Para el caso del siguiente ejemplo la función f ( x)  x 3  6 x 2  12 x  8 tiene 3 raíces, y si

observa la gráfica, esta corta el eje x aparentemente en varios puntos cercanos a 2. Ahora si
observa el valor de 2 en el eje x, es un punto donde la función se vuelve cero. Se debe
considerar al valor de 2 como raíz de la función. Lo que pasa es que dicha raíz se repite impar
veces (para el caso del ejemplo 3 veces), por esta razón la gráfica corta el eje x de la forma
como se observa en la figura. En el punto de corte sobre el eje x, este y la gráfica son
paralelos superpuestos. Se puede decir matemáticamente que en el punto raíz la derivada de
la función es igual a cero.
En la factorización que se hace de la función, se puede observar que el único valor que hace
que la función tome el valor de cero es 1, y puede ser en el término de la izquierda o en el
término de la derecha, es decir dos veces.

Función f ( x)  x 3  6 x 2  12 x  8
Raíces 2, 2, 2
Factorización f ( x)  ( x  2)( x  2)( x  2)
Para el caso del siguiente ejemplo la función f ( x)  x 3  3x 2  4 tiene 3 raíces, y si observa

la gráfica, esta corta el eje x aparentemente en un punto igual a menos uno (-1) y toca
tangencialmente dicho eje en un valor igual a uno (1). Ahora si observa el valor de -1 en el eje
x, es un punto donde la función cruza el eje de las x con cierta pendiente, esto indica que
ese punto de corte es una raíz única. Ahora en le punto 1 sobre el eje de las x la curva o
grafica de la función toca tangencialmente el eje y cambia de pendiente. Esto debe asumirse
como una raíz que se repite par veces. Como el polinomio de es orden 3 y ya se sabe de una
raíz única se puede decir que dicha raíz es par veces repetida. Se puede decir
matemáticamente que en el punto 1 considerado como raíz repetida par veces, la derivada de
la función es igual a cero.
En la factorización que se hace de la función, se puede observar que el único valor que hace
que la función tome el valor de cero es -1, en el término de la izquierda o 1 en los dos
términos de la derecha.
En el caso de que la raíz 1, se repitiera 4 veces diferenciaría la forma de la gráfica en que la

pendiente de esta es mayor o menor al acercarse al eje.
Función f ( x)  x 3  3 x 2  4
Raíces - 1, 2, 2
Factorización f ( x)  ( x  1)( x  2)( x  2)
En el siguiente ejemplo muestra la combinación de las tres formas que toma la gráfica
dependiendo si sus raíces se repiten par o impar veces o son raíces únicas.
f ( x)  x 6  17 x 5  102 x 4  ....
Función
 248 x 3  160 x 2  240 x  288
Raíces - 1, 2, 2, 2, 6, 6
Factorización f ( x)  ( x  1)( x  2) 3 ( x  6) 2
Que análisis de acuerdo con lo mostrado anteriormente le puede realizar a las

siguientes funciones.
f ( x)  ( x  1)( x  1) 2 ( x  1) f ( x)  ( x  1)( x  2)5 ( x  6) 4
f ( x)  ( x  2)( x  2)3 ( x) f ( x)  ( x  1) 2 ( x  1)  1
f ( x)  ( x  1)( x  2)5 ( x  6) 4  1 f ( x)  ( x  1) 2  1
f ( x)  ( x  1) 2  ( x  1) f ( x)  (( x  1) 2  1) 2 ( x  1)
Teorema fundamental del Álgebra

Carl Friedrch Gauss ha sido uno de los matemáticos más grandes de todos los tiempos.
Contribuyó a muchas ramas de las matemáticas. En 1798, ¡ a los 20 años de edad !,
Gauss demostró el teorema fundamental del Álgebra que dice lo siguiente:
Todo polinomio de grado n tiene n raíces.
Si se toma una ecuación en términos generales, tal como la ecuación siguiente:
an x n  an1 x n1  an2 x n2  an3 x n3  ...  a3 x 3  a2 x 2  a1 x1  a0  0 .
Se puede decir entornes que es una ecuación de orden n y por tanto tiene n soluciones.
Recuerde que en es este apartado sólo se tiene polinomios con coeficientes enteros.
Observa la tabla anterior, donde se da la función, las raíces y la gráfica y verifica que
efectivamente para cada polinomio de grado n hay n raíces.
Una forma en la que se puede interpretar este teorema es como sigue, ya que se
puede factorizar un polinomio, dadas las raíces y hay n raíces para todo polinomio de
este grado, entonces si:
f ( x)  an x n  an1 x n1  an2 x n2  an3 x n3  ...  a3 x 3  a2 x 2  a1 x1  a0 ,

Se puede decir que:

f ( x)  ( x  r1 )( x  r2 )...( x  rn )
Donde r1, r2, ... , rn son las raíces de f(x).
La demostración de este teorema queda lejos del objetivo de esta página sin embargo
daremos algunas herramientas para encontrar las n raíces.
Regla de los signos de Descartes
Rene Descartes encontró un método para indicar el número de raíces positivas en un
polinomio.
Esta regla dice lo siguiente:
"El número de raíces reales positivas (+) de un polinomio f (x) es igual al número de
cambios de signo de término a término de f (x) "
Hay que recordar que los polinomios se deben escribir en orden decreciente conforme
al grado de cada término.
Por ejemplo el polinomio
f(x)= x2 + x - 12 tiene un cambio de signo, del segundo al tercer término, por lo tanto
tiene una raíz positiva.
g(x)= +x3 - 4 x2 + x + 6 tiene dos cambios de signo, tiene dos raíces positivas
h(x)= +x4 - 5 x2 + 4 tiene dos raíces positivas
i(x)= x3 + 4 x2 + 3x No tiene cambios de signo, por tanto no tiene raíces reales positivas.
j(x)= x3 - 2 x2 - 5 x + 6 ¿Cuántas raíces positivas tiene?
También puede evaluar la expresión en los valores 1 y -1 teniendo en cuenta solo el
signo de cada término de la expresión. En caso de que un término no exista se toma
como 0 (positivo). En el ejemplo de la siguiente tabla para el caso de la primera
función al evaluar la función en 1, el primer término de la función toma un valor
positivo y el segundo toma un valor negativo, por tanto se dice que tiene una raíz
positiva en razón a un solo cambio de signo (de positivo a negativo). Como se trata de
una ecuación de una recta pues tan solo tiene una raíz.
Pero por probar se ha evaluado la función en -1, resultando en ambos términos un

signo -, o sea que no hay cambio de signo, indicando con esto que no hay raíces
negativas, en la función f ( x)  x  1 .
Nro Ecuación Signo Rai_Pos Rai_Neg

f (1)   
1 f ( x)  x  1 1 0
f (1)   
f (1)    
2 f ( x)  x 2  x  12 f (1)    
1 1

f (1)     
3 f ( x)  x 3  2 x 2  5 x  6 2 1
f (1)     
f (1)     
4 f ( x)  x 3  4 x 2  3 x f (1)     
0 3
f (1)      
5 f ( x)  x 4  5 x 2  4 f (1)      
2 2
f (1)     
6 f ( x)  x 3  4 x 2  x  6 f (1)     
2 1
Conjunto de posibles raíces

Existe un método para encontrar un conjunto de números, los cuales pueden ser raíces
de un polinomio. La regla que mencionaremos aquí es aplicable sólo para polinomios
con el coeficiente de la potencia mayor de x igual a 1. Es decir, si
f ( x)  an x n  an1 x n1  an2 x n2  an3 x n3  ...  a3 x 3  a2 x 2  a1 x1  a0 , se toma a
a0  1 . Esto es que sólo se trabaja con polinomios de la siguiente forma:
f ( x)  x n  an1 x n1  an2 x n2  an3 x n3  ...  a3 x 3  a2 x 2  a1 x1  a0

El conjunto de posibles raíces de f (x) se forma con los divisores de a 0 (del término
independiente), hay que considerar estos divisores tanto con signo positivo como con
negativo.
La forma en que se puede usar esta información del término independiente es la
siguiente, puesto que cualquier elemento de este conjunto puede ser raíz de f (x) hay
que evaluar a f (x) en algún valor de este conjunto y si el resultado de la evaluación
es cero, entonces ese valor escogido es raíz de f (x) .
En la siguiente tabla se muestran varios polinomios, los divisores del término

independiente y las raíces de los polinomios:
Función Divisores del término independiente Raíces

1, 2, 3, 4, 6, 12,
f ( x)  x 2  x  12 -4y3
-1, -2, -3, -4, -6, -12
1, 2, 3, 6,
f(x)= x3 - 4 x2 + x + 6 - 1, 2 y 3
-1, -2, -3, -6
1, 2, 4,
f(x)= x4 - 5 x2 + 4 - 2, - 1, 1 y 2
-1, -2, -4
1, 2, 3, 6,
f(x)= x3 - 2 x2 - 5 x + 6 1, - 2 y 3
-1, -2, -3, -6
¿Qué hacer cuando se tenga una raíz?

Con lo visto en los apartados anteriores se tiene las herramientas necesarias para encontrar
las n raíces de un polinomio. Recuerde que para encontrar una raíz es necesario saber los
divisores del término independiente y evaluar nuestro polinomio en con el valor escogido.

Además de haber encontrado una raíz usando el método anterior se ha hallado un factor del
polinomio. Se puede estar seguro de que si r es una raíz de f(x) entonces al dividir
f ( x) /( x  r ) tendrá como resultado un polinomio de un grado menor a f(x) y como residuo
cero.
Así se ha reducido el problema de encontrar n raíces en otro problema, el encontrar sólo n-1
raíces.

Método de Newton-Raphson
Definición:
Este es un método numérico formal por iteraciones y con base en una tolerancia para
su convergencia.
El método de Newton es una extensión directa del método del mismo nombre para buscar
ceros de funciones de una variable. La idea es realizar el desarrollo de las series de Taylor de
una función alrededor de una estimación de la raíz x 0
1
f ( x)  f ( x0 )  ( x  x0 ) f `(x0 )  ( x  x0 ) f ``(x0 )  ....
2
Truncando la serie a primer orden e igualando f ( x)  0 se tiene.
f ( x0 )
x  x0 
f `( x0 )
Este Método es similar al de la Secante, la diferencia esencial radica en que en la Secante se
utiliza el Método de diferencias divididas para aproximar f `(x) . El Método de Newton-Raphson
asume que la función f (x) es derivable sobre un intervalo cerrado a, b .
Entonces f (x) tiene una pendiente definida y una única línea tangente en cada punto dentro
del intervalo a, b . La tangente en ( x0 , f ( x0 )) es una aproximación a la curva de f (x) cerca
del punto ( x0 , f ( x0 )) . En consecuencia, el cero de la línea tangente es una aproximación del
cero de f (x) o denominada raíz de f (x) .
Figura 1 Modelo general del método de Newton Raphson
Si ha intentado encontrar una raíz de una función complicada algebraicamente alguna vez,
usted puede haber tenido alguna dificultad. Usando algunos conceptos básicos de cálculo, se
tienen maneras de evaluar raíces de funciones complicadas numéricamente. Normalmente, se
usa el método de Newton-Raphson. Este proceso iterativo sigue una pauta fija para aproximar
una raíz, considerado la función, su derivada, y un valor x inicial.
Usted puede recordar del álgebra que una raíz de una función es un cero de la función. Esto
significa que la raíz de una función, se calcula cuando la función se iguala a cero. Se puede
encontrar las raíces de una función simple como f ( x)  x 2  4 simplemente colocando la
función igual a cero, y resolviendo:

f ( x)  x 2  4  0 , de aquí se tiene que f ( x)  ( x  2)( x  2)  0 , para concluir que la igualdad

se cumple solo si x  2 ó x  2 , que son consideradas como raíces de la ecuación.
Figura 2. Gráfica de la función f ( x)  x 2  4 en el intervalo [-3,3]
En el gráfico anterior se observa que el punto x  2 y x  2 , la curva corta al eje x,

considerando estos puntosa como raíz de la función.
El Método de Newton Raphson usa un proceso iterativo para encontrar la raíz de una función.
La raíz especifica que el proceso localiza un valor que depende del valor x inicial, valor x
escogido arbitrariamente.
Se Calcula la primera aproximación, x1, como el cero de la línea tangente en un punto inicial
x0 dado. Se calcula la segunda aproximación, x2, como el cero de la línea tangente en la
primera aproximación x1. Siguiendo el esquema mostrado más abajo, las primeras dos
aproximaciones de raíces usando el Método Newton-Raphson, se buscan con el mismo criterio
del Método de la Bisección:
Figura 3
Derivación de la fórmula
El Método de Newton tiene una interpretación geométrica sencilla, de hecho, el Método de
Newton consiste en una linealización de la función, es decir, f se reemplaza por una recta tal
que contiene al punto ( x0 , f ( x0 )) y cuya pendiente coincide con la derivada de la función en

el punto, f ( x0 ) . La nueva aproximación a la raíz, x1 , se obtiene de la intersección de la

función lineal con el eje X de ordenadas.
La ecuación de la recta que pasa por el punto
( x0 , f ( x0 )) y de pendiente f ' ( x0 ) es:
y  f ( x0 )  f ' ( x0 )(x  x0 )
De donde, haciendo y  0 y despejando x se

obtiene la ecuación de Newton-Raphson
xn1  xn  f ( xn ) / f ' ( xn )
Figura 4
Demostración: Sea x0 la raíz supuesta inicial o valor inicial de las iteraciones y si se aplican
funciones trigonométricas al ángulo  de la figura 4 se tiene que tan( )  f ( x0 ) /( xo  x1) , a
 x1 )  f ( x0 ) / tan( ) . y despejando x1 se
partir de esta fórmula se puede decir que: ( x0
tendría la fórmula de Newton. La pendiente en x0 esta dada por tan( )  f ' ( x 0 ) .
Teniendo en cuenta lo anterior se tendría entonces que: x1  x0  f ( x0 ) / f ' ( x0 ) .
También se puede deducir teniendo en cuenta que la ecuación de la línea tangente

en x0 esta dada por: y  f ( x0 )  f ' ( x0 )( x  x0 ) . La primera aproximación x1 es
obtenida como la raíz de (1). Así ( x1,0) es un punto sobre la ecuación anterior.
De aquí, 0  f ( x0 )  f `( x0 )( x1  x0 )
Despejando, x1  x0   f ( x0 ) / f `( x0 )
Finalmente se obtiene: x1  x0  f ( x0 ) / f `( x0 )
Por construcción similar se obtiene: xn1  xn  f ( xn ) / f ' ( xn )
Donde, xn es una valor para x conocido actualmente, f ( xn ) representa el valor de la

función evaluada en xn , y f ' ( xn ) es la derivada evaluada en xn , xn 1 representa el
próximo valor para x que se está tratando de encontrar como raíz al aplicar el modelo.
Esencialmente, f ' ( x0 ) , la derivada representa f ( x) dx , (dx = delta-x) ó dx  x0  x1 . Sin

embargo, el término f ( x) / f `( x) representa un valor de dx  x .
f ( x) f ( x)
  x
f ' ( x) f ( x) / x
La función derivada de f (x) en el punto x 0 también se puede calcular de forma

numérica aproximada solo recurriendo al valor de la función:

f ( x 0  h)  f ( x 0  h)
f ' ( x0 ) 
2h
Si el parámetro h toma un valor lo suficientemente cercano a cero, esta aproximación
proviene de la definición derivada de f (x) en el punto x 0 .
f ( x 0  h)  f ( x 0 )
f ' ( x0 )  lim
h 0 h
Orden de Convergencia
Sean x0, x1, x2. . . una secuencia que converge a r y sea en  xn  r . Si existe un número m y
en 1
una constante C (distinta de cero), tal que: lim m
c Cuando n , Entonces m es
en
llamado orden de convergencia de la secuencia y C el error asintótico constante. Para
m=1,2,3, la convergencia se dice lineal, cuadrática y cúbica respectivamente.
Análisis de Convergencia
Sean x0 , x1 , x2 ,...,xn , xn 1 las aproximaciones en sucesivas iteraciones. Sea r el
verdadero valor de la raíz. Si se toma como error en la n-esima iteración a en .
Entonces el error en estará dado por: en  xn  r y en consecuencia en1  xn1  r
Si se tiene xn 1  xn  f ( xn ) / f ' ( xn )
que
en 1  xn  f ( xn ) / f ' ( xn )  r
en 1  xn  r  f ( xn ) / f ' ( xn )
en 1  en  f ( xn ) / f ' ( xn )
Ecuación 1
en1  en f ' ( xn )  f ( xn ) / f ' ( xn )

Ahora, expandiendo f ( xn  en ) en serie de Taylor se obtiene,
f ( xn  en )  f ( xn )  f ' ( xn )en  ( f ' ' (c) / 2)en2

f (r )  f ( xn )  en f ' ( xn )  ( f ' ' (c) / 2)en2
0  f ( xn )  en f ' ( xn )  ( f ' ' (c) / 2)en2

Ecuación 2
en f ' ( xn )  f ( xn )  ( f ' ' (c) / 2)en2

De las Ecuación 1 y Ecuación 2 se obtiene,

en 1  ( f " (c) / 2)en2 / f ' ( xn ) , en 1  1 ( f " (c) / f ' ( xn ))en2

2
Esto es, en 1  cen , donde c  1 ( f " (c) / f ' ( xn ))
2
2
2 2
De aquí en1  c * en , esto es, xn1  r  c * xn  r
Por lo que Newton-Raphson es un método que converge cuadráticamente, es decir,

que el número de cifras decimales correctos se duplica aproximadamente en cada
iteración, o el error es aproximadamente proporcional al cuadrado del error anterior.
Dos situaciones en las que el Método de Newton no funciona adecuadamente: (a) el
Método no alcanza la convergencia y (b) el Método converge hacia un punto que no es
un cero de la ecuación.
Figura 4 . No convergencia en la que se puede incurrir con el método de newton.

Entre más iteraciones se ejecuten, los dx  x tenderán a ser más pequeños y por
ende tenderán a cero (0) minimizando el valor del error. Para ver cómo trabaja esto,
se aplicará el método Newton-Raphson a la función que se trabajó antes, f ( x)  x 2  4 .
Abajo se lista los valores que se necesitan conocer para completar el proceso.
f ( x)  x 2  4
f ' ( x)  2 x
x0  6
Teóricamente, se podría ejecutar un número infinito de iteraciones para encontrar
una representación perfecta para la raíz de la función. Sin embargo, éste es un
método numérico que se usa para disminuir el trabajo de encontrar la raíz, para que
toque hacer de forma manual este proceso. Por consiguiente se asume que el proceso
ha trabajado con precisión cuando delta-x (dx) se vuelva menor que 0.1. Este valor de
precisión debe ser específico a cada situación.
Tabla. 1
n xn f ( xn ) f ' ( xn ) xn1 dx
0 x0 = 6 f(x0 )= 32 f'(x0 )= 12 x1 = 3.33
1 x1 = 3.33 f(x1) = 7.09 f'(x1) = 6.66 x2 = 2.27 1.06
2 x2 = 2.27 f(x2) = 1.15 f'(x2) = 4.54 x3 = 2.01 0.26
3 x3 = 2.01 f(x3) = 0.04 f'(x3) = 4.02 x4 = 2.00 0.01

Interpretando lo mostrado en la tabla 1 así; usando un valor inicial para x0  6 , se

encontró que la raíz de la ecuación f ( x)  x  4 es x  2 después de 4 iteraciones
2
con un 𝑑𝑥 igual a 0.01. Si se toma un valor inicial diferente para x0 , se puede llegar a
la misma raíz, o puede encontrar alguna otra raíz, por ejemplo x  2 .
Una representación gráfica también puede ser muy útil. En la Figura 5, verá la misma
función f ( x)  x 2  4 (mostrado en color azul). El proceso es el mismo descrito
anteriormente. En la primera iteración, la línea roja está tangente a la curva en el
x0  6 . La inclinación de la tangente es la derivada en el punto de tangencia, y para la
primera iteración es igual a 2 ∗ 𝑥 = 2 ∗ 6 = 12 . Dividiendo el valor de la función
evaluado en el x inicial f (6)  32 por la pendiente de la tangente (12), se encuentra
que el (delta-x) x  dx  2.67 . Substrayendo esto de seis (6) se encuentra que el
nuevo x-valor es igual a x1  3.33 . Otra manera de considerar esto es encontrar la raíz
de esta línea tangente.
Figura 5 Primera iteración aplicando el modelo de Newton

Consideraciones especiales del método de Newton Raphson:
El método de Newton-Raphson no siempre trabaja. Se encuentra con problemas en
varias partes. Primero, considere el ejemplo anterior. Qué pasarían si se escoge un
valor x inicial de x=0? Se tendría una "división por cero" error, y no podría proceder.
¿Usted puede considerar también operando el proceso en el f(x de la función) = x 1/3,
usando un valor x inicial de x=1. Los valores x convergen? ¿Hace el delta-x la
disminución hacia el cero (0)?
¿Así, cómo esto relaciona a la química? Considere la ecuación de Van Der Waals que
podrá encontrar en la sección de Leyes de Gases. Asumiendo que se tiene un número
fijo de moles de un gas fijo, no bajo las condiciones ideales, que se puede usar el
método de Newton-Raphson para resolver para una de las tres variables (la

temperatura, presión, o volumen), basado en las otras dos. Para hacer esto, Para esto
se necesita usar la ecuación de Van Der Waals, y derivar esta, ambos en seguida.
n2a V
(P  )(  b)  RT
V2 n
 dV 1   n 2a   dP n 2 a  V  dT
 dt n  
( ) P      2    b   R 0
 V 2   dt V 3   n  dt
Como puede observar, la Ecuación de Van Der Waals es bastante compleja. No es

posible resolverla algebraicamente, para lo cual se debe usar un método numérico. El
método de Newton-Raphson es la manera más fácil y más fidedigna de resolver las
ecuaciones, aunque la ecuación y su derivada parecen realmente intimidantes.
Dependiendo de las condiciones bajo las que esté intentando resolver esta ecuación,
algunas de las variables pueden estar cambiando. Así que, puede ser necesario usar
derivadas parciales. Para los propósitos de este ejemplo, Se asume que la presión,
temperatura, y volumen son las únicas variables cambiantes, y que estos valores son
todas las funciones de tiempo. Esto evita el uso de derivadas parciales; se diferencian
todas las variables simplemente con respecto al tiempo, como es mostrado
anteriormente. Alguna manipulación algebraica de la ecuación y/o su derivada que
depende del problema específico a ser resuelto puede necesitarse. Es supuesto que se
especifican todas las variables pero uno; esa variable se usa en la expresión para el
"xn+1" que el método de Newton usa. Desarrollando el método de Newton con éxito en
esta ecuación daría un valor de esa variable que da una solución que cuando las otras
variables se mantienen constantes en los valores que se especificó.
Algoritmo:
1. Dada una función f ( x)  0 obtener la Primera y Segunda derivada.
2. Elegir un valor inicial x0 . Este valor inicial debe cumplir con el criterio de
convergencia:
3. Obtener una nueva aproximación evaluando la fórmula general del método
xn1  xn  f ( xn ) / f ' ( xn )
4. Evaluar la aproximación relativa
5. Si ( xn1  xn ) / xn1 < Tolerancia
(Falso) Repetir el paso 3 y 4
(Verdadero) Entonces x n1 es la Raíz
Ejemplo 1: Ecuación polinomial de orden 3 f ( x)  x 3  x  16
Vea a continuación un ejemplo, con la siguiente ecuación: f ( x)  x 3  x  16

Instrucciones para graficar con

MatLab.
x=-4:0.1:4;
fx=x.^3+x+16;
plot(x,fx)
grid on
Figura 6. Función f ( x)  x 3  x  16
n xn f ( xn ) f ' ( xn ) f ( xn ) / f ' ( xn ) xn 1  xn  f ( xn ) f `( xn )
0 2.0000 26.0000 13.0000 2.0000 0.0000
1 0.0000 16.0000 1.0000 16.0000 -16.0000
2 -16.0000 -4096.0000 769.0000 -5.3000 -10.7000
3 -10.7000 -1210.7000 342.8000 -3.5000 -7.1000
4 -7.1142 -355.3900 154.0100 -2.3076 -4.8341
5 -4.8341 -101.7983 71.1049 -1.4317 -3.4024
6 -3.4024 -26.7902 35.7293 -0.7498 -2.6526
7 -2.6526 -5.3171 22.1089 -0.2405 -2.4121
8 -2.4121 -0.4464 18.4548 -0.0242 -2.3879
9 -2.3879 -0.0042 18.1065 -0.0002 -2.3877
Dependiendo del valor de x con el cual se inician las iteraciones se conseguirá el encuentro de
la raíz en menos o más iteraciones. Basta con observar la figura 6 y tratar de aplicar el modelo
sobre la misma para darse cuenta porque las oscilaciones
n xn f ( xn ) f ' ( xn ) f ( xn ) / f ' ( xn ) xn 1  xn  f ( xn ) f `( xn )
0 4 84 49 1.7143 2.2857
1 2.2857 30.2274 16.6735 1.8129 0.4728
2 0.4728 16.5785 1.6706 9.9234 -9.4506
3 -9.4506 -837.517 268.9410 -3.1141 -6.3365
4 -6.3365 -244.7499 121.4522 -2.0152 -4.3213
5 -4.3213 -69.0136 57.0200 -1.2103 -3.1109
6 -3.1109 -17.2179 30.0335 -0.5733 -2.5376
7 -2.5376 -2.8789 20.3187 -0.1417 -2.3959
8 -2.3959 -0.1500 18.2217 -0.0082 -2.3877
9 -2.3877 -0.0005 18.1035 -0.0000 -2.3877
10 -2.3877 -0.0000 18.1031 -0.0000 -2.3877
Los anteriores cálculos se realizaron haciendo uso del paquete MatLab con el siguiente código.
Si desea tener más cifras significativas puedes cambiar el formato de presentación por el de
format long.

format short;
x=4; fx=x.^3+x+16;
while abs(fx)>0.00001
fx=x.^3+x+16; dfx=3*x^2+1; xn=x-fx/dfx;
disp ([x fx dfx fx/dfx xn]); x=xn;
end
Si se aplicara el método con lenguaje C y se trabajara un nivel menor de tolerancia los
resultados serían los siguientes:
n xn f ( xn )
0 2.0000000000e+00 2.600000000e+01
1 -8.8888888889e-01 1.440877915e+01
2 -6.4731525784e+00 -2.617092778e+02
3 -3.3870823116e+00 -2.624479676e+01
4 -2.2910214677e+00 1.683912327e+00
5 -2.4374797174e+00 -9.192959325e-01
6 -2.3661202961e+00 3.870954684e-01
7 -2.3978571056e+00 -1.848609426e-01
8 -2.3830675645e+00 8.346548208e-02
9 -2.3898215161e+00 -3.868219039e-02
10 -2.3867076332e+00 1.771466692e-02
11 -2.3881370715e+00 -8.157247458e-03
12 -2.3874795682e+00 3.746775102e-03
13 -2.3877817246e+00 -1.722963287e-03
14 -2.3876428096e+00 7.918859082e-04
15 -2.3877066628e+00 -3.640455920e-04
16 -2.3876773097e+00 1.673400724e-04
17 -2.3876908026e+00 -7.692484810e-05
18 -2.3876846001e+00 3.536087399e-05
Solución aproximada = -2.387684600090e+00
Con f(P) = 3.536087399171e-05
Número de iteraciones = 18
Tolerancia = 1.000000000000e-05
Ejemplo 2: Raíz de la función f ( x)  e x1  5x 3
Encontrar la raíz cerca de x  1de f ( x)  e x1  5x 3 iniciando con x0  1 . ¿Cuán exacta

es la estimación después de cuatro iteraciones del método de Newton?. Tabule el
número de dígitos correctos en cada iteración del método de Newton y observe si se
duplican cada vez. (Solución r  0.49404364 )
Solución:
Para obtener una solución a f ( x)  0 mediante el método de Newton, dada la función
diferenciable f y una aproximación inicial x 0 , se utiliza el siguiente algoritmo:

En este caso, dada la aproximación inicial x0  1 y las funciones f ( x)  e x1  5x 3 y

f ' ( x)  e x1  15x 2 , para N  4 iteraciones, se tiene la siguiente tabla de los valores
obtenidos:
xi f ( xi ) f ' ( xi ) xi 1
0 1.000000 -4.000000 -1.400000 0.714286
1 0.714286 -1.070682 -6.901590 0.559150
2 0.559150 -0.230598 4.046242 0.502159
3 0.502159 -0.025100 -3.174613 0.494222
4 0.494222 -0.000545 -3.060792 0.494043
En este método iterativo debería cumplirse que el número de decimales de exactitud

se duplica en cada iteración. Como se puede comprobar en la tabla, esto se cumple
para x4  0.494000 con tres decimales exactos, y x5  0.484043 con seis decimales
exactos. La tolerancia alcanzada mediante el método de Newton es de TOL  10 3 .
Para saber cuántas iteraciones son necesarias para lograr dicha tolerancia mediante el
método de la bisección, con el intervalo 0.714286,1 , hay que encontrar un número
x x
entero N que satisfaga: x N  x  2 N 1  TOL  10 3
2
Por tanto, se tiene: (0.285714) * 2  10 3  N  8.1584  8.0000
N
Se ve pues, que para el método de la bisección se necesitarían, aproximadamente, el

doble de iteraciones que para el método de Newton.
Ejemplo 3: Raíz de la función f ( x)  e  x  ln( x)
Usar el Método de Newton-Raphson, para aproximar la raíz de la función

x
f ( x)  e  ln( x) , comenzando con x0  1 y hasta que el error absoluto ea  1% .
Solución
1
En este caso, se tiene que la derivada de la función es: f ' ( x)  e 
x

e  xi  ln( xi ) e  xi  ln( xi )
De aquí se tiene que: xi 1  xi   xi 
1 1
 e  xi  e  xi 
xi xi
e  x0  ln( x0 )
Se comienza con x0  1 y se obtiene: x1  x0   1.268941421
1
e  x0 
x0
1.268941421  1
En este caso, el error aproximado es, a  *100%  21.19%
1.268941421
Ahora con x1  1.268941421, Se continúa el proceso calculando primero x2, x3 y hasta
reducir el error aproximado hasta lo mínimo que se pueda.
Se resume los resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.
1.000000000
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual se concluye que 26  5.099019514 , la cual es correcta en todos sus

dígitos. La misma idea puede aplicarse para crear algoritmos que aproximen raíces n-
esimas de números reales positivos. Observe que cuando el Método de Newton-
Raphson converge a la raíz, lo hace de una forma muy rápida y de hecho, observamos
que el error aproximado disminuye a pasos agigantados en cada paso del proceso.
Aunque no es nuestro objetivo establecer formalmente las cotas para los errores en
cada uno de los Métodos que hemos estudiado, cabe mencionar que si existen estas
cotas que miden con mayor precisión la rapidez s lentitud del Método en estudio.
Ejemplo 4: Aplicación en cinemática v(t )  t 3  2t 2

Aplicación a la cinemática. Una partícula se mueve con una velocidad (en
metros/segundo) dada en función del tiempo por medio de la función: v(t )  t  2t .
3 2
Utilizando el Método de Newton Raphson aproxima el tiempo en el que la partícula

alcanza una velocidad de 1m/s, a partir del reposo.
1. Plantea la ecuación a resolver y la fórmula del Método de Newton-Raphson para
este caso.
2. Calcula hasta la quinta iteración, considerando la iteración inicial igual a 3.
3. Se puede considerar al valor cero como iteración inicial? Explica.
4. Con la quinta y cuarta iteración calcula el error relativo de la aproximación para la
última iteración, indicando la cantidad de cifras significativas correctas según el
error relativo.

Solución
1. La ecuación a resolver se obtiene de igualar a 1 (velocidad que alcanza la partícula)
la función de la velocidad, v(t )  t  2t  1 , y pasar restando al otro lado el 1.
3 2
Así, la ecuación quedará así: v(t )  t  2t  1

3 2
Figura 7 Grafica de la función de velocidad v(t )  t  2t  1

3 2
Para la realización de la gráfica haciendo uso de MatLab se utiliza el siguiente código.

x=0:0.1:4;
fx=x.^3-2*x.^2-1;
plot(x,fx)
grid on
Para obtener la fórmula del Método de Newton-Raphson en este caso, se deriva la
función obteniendo la siguiente ecuación: f ' (t )  3t  4t , Con la fórmula de Newton
2
f ( xn1 )
xn  xn1  ; Se obtiene la expresión del Método quedando para este caso así:
f `( xn1 )
f (t n ) t n3  2t n2  1
t n1  tn   tn 
f `(t n ) 3t n2  4t n
2. Para calcular las aproximaciones se utiliza la expresión anterior con t 0  3 ,
t 03  2t 02  1
t1  t 0   2.466667
3t 02  4t 0
Continuando con las iteraciones se obtiene:
Iteración ti
1 2.466667
2 2.247342

3 2.206900
4 2.205571
5 2.205569
Es decir, aproximadamente a los 2.205569 segundos la partícula alcanza una

velocidad de 1m/s.
3. No se puede considerar al cero como iteración inicial, ya que la derivada
f ' (t )  3t 2  4t evaluada en cero vale cero.
4. Para calcular el error relativo se utiliza la fórmula:
xn  xn1 x  x4 2.205569  2.205571
 5   0.000001  0.1x10 5
xn x5 2.205569
De esta forma se puede asegurar que en la quinta iteración las cifras 2.205569 son
exactas.
Ejemplo 5: Función f ( x)  2 x 3  x 2  x  1
Utilizar el Método de Newton para aproximar los ceros de: f ( x)  2 x  x  x  1

3 2
Continuar las iteraciones hasta que dos aproximaciones sucesivas difieran en menos de
0,0001.
Figura 8 Gráfica función f ( x)  2 x 3  x 2  x  1

Por la gráfica se observa que hay un único 0 que esta entre -1.5 y -1.
2 xn3  xn2  xn  1
xn1  xn 
6 xn2  2 xn  1

n Xn f(Xn) f '(Xn) Ff (Xn) xn1  xn  f ( xn ) f `( xn )

Ff '(Xn)
1 -1,2000 0,1840 5,2400 0,0351 -1,2351
2 -1,2351 0,0077 5,6828 0,0014 -1.2338
3 -1.2338 0.00001 5,6653 0,0000 -1.2338
Respuesta: Como las dos aproximaciones sucesivas difieren en menos de 0,0001, la

estimación final del cero es 1,2338, obteniendo los valores con el siguiente código
para MatLab.
format short;
x=-1.2;
fx=2*x.^3+x.^2-x+1;
while abs(fx>0.00001)
fx=2*x.^3+x.^2-x+1;
dfx=6*x^2+2*x-1;
xn=x-fx/dfx;
disp ([x fx dfx fx/dfx xn]);
x=xn;
end
Ejemplo 6: Función F (t )  1.21e 6.6t sin(11.4t  111.7 o )  0.28e 55.9t sin(18t  26.1o )
En la función F (t )  1.21e 6.6t sin(11.4t  111.7 o )  0.28e 55.9t sin(18t  26.1o ) , t es el tiempo,
y el intervalo de interés es para los valores tal que t > 0.
La función seno es oscilatoria, afectada de la función exponencial. Tiende a cero
cuando t tiene valores superiores a 1; se lleva tanto sus factores como la función F(t)
a dicho valor, con lo cual la grafica de F(t) se confunde con el eje t para t  1 .
Estas funciones son conocidas como oscilatorias amortiguadas.
Si el exponente de e es positivo, al tender t a infinito (  ), la función es creciente y

tiende rápidamente a infinito (  ); esta función se conoce como función oscilatoria no
amortiguada.
Ahora se dan algunos valores a t en la función:
format short;
t=0:0.2:1;
ft=1.21*exp(-6.6*t).*sin(11.4*t-111.7*pi/180)+...
0.28*exp(-55.9*t).*sin(18*t+26.1*pi/180);
t f(t)
0,0 -1.00106744399655
0,2 0.10488140145009
0,4 0.04373517406561
0,6 -0.02270159505605
0,8 0.00477763344408
1,0 -0.00004228104332
Para efectos de la gráfica se puede ejecutar el siguiente código en MatLab.

format short;
t=0:0.02:1;
ft=1.21*exp(-6.6*t).*sin(11.4*t-111.7*pi/180)+...
0.28*exp(-55.9*t).*sin(18*t+26.1*pi/180);
plot(t,ft)
grid on
Figura 9. Función F (t )  1.21e 6.6t sin(11.4t  111.7 o )  0.28e 55.9t sin(18t  26.1o )
Estos valores señalan la presencia de raíces reales en los intervalos (0.1,0.2), (0.4,0.5),
(0.6,0.8) y pudiese inducir que habría otra posiblemente en (0.8,1.0).
Luego pues, se aplica el Método de Newton-Raphson para encontrar las raíces en cada
uno de los intervalos.
Utilizando la primera derivada de la función que es:
F (t )  13.794e 6.6t cos(11.4t  111.7º )  7.986e 6.6t sin(11.4t  111.7º )
 5.04e 55.9t cos(18t  26.1º )  15.652e 55.9t sin(18t  26.1º )  0
f (t n )
Utilizando la fórmula: t n 1  t n 
f (t n )
Intervalo (0,0.2)
t1 F(t) F'(t) ea er ep
0,1 -0,45195045 7,84918551
0,15757928 -0,06523934 5,2485353 0,05757928 0,3653988 36,5398801
0,17000929 -0,00450956 4,52093195 0,01243001 0,0731137 7,31137024
0,17100677 -2,9291E-05 4,46220075 0,00099749 0,00583302 0,58330153
0,17101334 -1,2686E-09 4,46181423 6,5643E-06 3,8385E-05 0,0038385
0,17101334 1,2584E-16 4,46181422 2,8432E-10 1,6626E-09 1,6626E-07
0,17101334 -4,7963E-17 4,46181422 2,7756E-17 1,623E-16 1,623E-14
0,17101334 -4,7963E-17 4,46181422 0 0 0

Intervalo (0.4,0.6)
0,5 -0,02552511 -0,24887142
0,39743657 0,04667494 -1,15610121 0,10256343 0,2580624 25,8062397
0,43780928 0,00672327 -0,80750436 0,04037271 0,09221529 9,2215292
0,44613527 0,00033008 -0,72812975 0,00832599 0,01866248 1,86624756
0,44658859 9,8171E-07 -0,72379864 0,00045333 0,00101509 0,10150903
0,44658995 8,7878E-12 -0,72378568 1,3563E-06 3,0371E-06 0,00030371
0,44658995 -3,1234E-17 -0,72378568 1,2141E-11 2,7187E-11 2,7187E-09
0,44658995 2,5156E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
0,44658995 -3,1234E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
0,44658995 2,5156E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
Intervalo (0.6,0.8)
0,7 -0,00298091 0,15126648
0,71970633 -0,00029375 0,12122588 0,01970633 0,02738107 2,73810731
0,72212952 -4,5493E-06 0,11747079 0,00242318 0,00335561 0,33556084
0,72216824 -1,1622E-09 0,11741077 3,8727E-05 5,3627E-05 0,00536265
0,72216825 -6,5918E-17 0,11741076 9,8987E-09 1,3707E-08 1,3707E-06
0,72216825 -1,1033E-17 0,11741076 5,5511E-16 7,6867E-16 7,6867E-14
0,72216825 7,262E-18 0,11741076 1,1102E-16 1,5373E-16 1,5373E-14
0,72216825 -1,1033E-17 0,11741076 1,1102E-16 1,5373E-16 1,5373E-14
Intervalo (0.8,1.0)
0,9 0,00285866 -0,0348708
0,98197861 0,00033146 -0,02298212 0,08197861 0,08348309 8,34830928
0,99640129 2,585E-05 -0,01938429 0,01442268 0,01447477 1,44747656
0,99773482 2,2353E-07 -0,01904904 0,00133353 0,00133656 0,13365611
0,99774655 1,731E-11 -0,01904609 1,1735E-05 1,1761E-05 0,00117612
0,99774656 6,1406E-19 -0,01904609 9,0884E-10 9,1089E-10 9,1089E-08
0,99774656 6,1406E-19 -0,01904609 0 0 0
Entonces se encuentra que las raíces son
t1=0.17101 En el intervalo (0,0.2)
t2=0.44658 En el intervalo (0.4,0.6)
t3=0.72216 En el intervalo (0.6,0.8)
t4=0.99774 En el intervalo (0.8,1.0)
Tiempos donde la función se vuelve cero.

Ejemplo 7: función f ( x)  3 x 2  e x
f ( x)  3x 2  e x . Si se grafica la función se tendría lo siguiente.
Figura 10
Se puede observar que la curva corta el eje x en los intervalos [-1,0],[0,1], y [3,4].
También se pudiera graficar las dos curvas por aparte tal como se ilustra en la
siguiente grafica.
Las raíces corresponderían a los puntos sobre el eje x donde las dos curvas se cortan.
Figura 6

Ejemplo 8: Función f ( x)  x 3  4 x 2  10
Encontrar la raíz de la ecuación f ( x)  x 3  4 x 2  10 , tomando como aproximación

inicial para la raíz el valor de x=1.0 y N=10 (número máximo de iteraciones) y una
tolerancia máxima TOL=0.0000001.
f ( x)  x 3  4 x 2  10
f `( x)  3x 2  8x
La raíz exacta es x=1.36523001.
Código Fuente en C
//**************************************
//Método de Newton-Rapson para aproximar
//las raíces de la ecuación f(x)=0
//**************************************
#include <stdio.h>
#include <math.h>
#include <conio.h>
#define N 10 //número máximo de iteraciones
#define TOL 0.0000001 //tolerancia máxima
double f(double x) //f(x)= x  4 x  10 función a aproximar
3 2
{ return (x*x*x + 4*x*x - 10); }
double df(double x) //derivada de la función f(x) es f'(x)=3*x^2 + 8.0*x
{ return (3*x*x + 8*x); }
int main(void)
{ double x, x0;
int i;
clrscr();
i=1;
x0=1.0; //aproximación inicial de la raíz, de f(x)
printf("%d %15.12lf\n", i, x0);
while (i<N)
{ x=x0-f(x0)/df(x0);
if (fabs(x-x0)<TOL)
{ //se alcanzo la tolerancia pedida y no se supero el
// Número máximo de iteraciones, esta es la raíz buscada.
printf("raiz x = %15.12lf\n", x);
getch(); return 0;
};
i+=1;
x0=x;
//muestra las sucesivas aproximaciones de la raíz.
printf("%d %15.12lf\n", i, x);
}
//se alcanzó el número máximo de iteraciones pero no
//la tolerancia pedida, el Método fallo.
printf("Se alcanzó el número máximo de iteraciones");
getch();
}

Ejemplo 9: Función f ( x)  x 3  3 x 2  4
El siguiente programa en lenguaje C, permite calcular la raíz de la ecuación
f ( x)  x 3  3x 2  4 por el método de Newton Raphson. Analice la fórmula que se
utiliza con segunda derivada de la función.
// Análisis Numérico: Método de Newton_Raphson; Para una función dada

#include <stdio.h>
#include <math.h>
#include <conio.h>
// Declaración de Funciones
void Lee_Datos(void);
double Funcion(double Xi);
double Derivada(double Xi);
double Segunda(double Xi);
double Xo;
float Tolera;
int Ciclos;
// Función principal
int main()
{ double Fx, Fdx, F2dx, Xn;
float Error = 1;
int Cont = 0;
Lee_Datos();
printf("\n===========================================");
printf("\n Ciclo Xo Fx Fdx Xn Error");
printf("\n===========================================");
while (Error > Tolera && Ciclos > Cont)
{ Fx = Funcion(Xo);
Fdx = Derivada(Xo);
F2dx = Segunda(Xo);
Xn = Xo - (Fx / (Fdx-(F2dx*Fx)/(2*Fdx)));
Error = fabs( (Xn - Xo)/Xn );
Cont++;
printf("\n%3d%10.4lf%10.4lf%10.4lf%10.4lf%10.4f",Cont,Xo,Fx,Fdx,Xn,Error);
Xo = Xn;
}
printf("\n===========================================");
if (Ciclos > Cont)
printf("\n La raíz de la ecuación es %.5lf ",Xn);
else
printf("\n\n No converge en %3d Ciclos !!!! Dar nuevos valores",Ciclos);
getch();
return 0;
}
void Lee_Datos(void)
{ clrscr();
printf("\n Dar el Valor inicial de X -> "); scanf("%lf",&Xo);
printf("\n Cual es el error Permitido ->"); scanf("%f",&Tolera);
printf("\n Numero de ciclos máximos ->"); scanf("%d",&Ciclos);
}
double Funcion(double Xo)

{ return Xo*Xo*Xo-3*Xo*Xo-4; }
double Derivada(double Xo)
{ return 3*Xo*Xo-6*Xo; }
double Segunda(double Xo)
{ return 6*Xo-6; }
Ejemplos de Aplicación
Cálculo de la presión de vapor
Una de las propiedades de una sustancia pura que más comúnmente se utiliza en
cálculos de Termodinámica es la presión de vapor o presión de saturación. Esta se
define como la presión a la cual existen en equilibrio una fase líquida y una fase vapor.
Si la presión de vapor iguala a la presión atmosférica, el líquido entrará en ebullición.
Solo depende de la temperatura. Existen diversas ecuaciones para calcular. Una de las
más precisas es la ecuación de Frost-Kalkwarf-Thodos
ln P vap   A   C ln(T ) 
B DPVap
T T2
Donde:
A,B,C,D: Constantes empíricas que dependen de cada sustancia.

PVap : Presión de vapor.
T: Temperatura.
Como se puede observar en esta ecuación es imposible despejar la PVap o la T.
Calcular la PVap del etilbenceno a una temperatura de 347.25 oK. Los valores de las
constantes son: A=58.1, B=6792.54, C=-5.802, D=5.75. Las unidades de T son oK y las
de PVap mmHg.
Al sustituir los valores de las constantes y de la temperatura se obtiene la siguiente

ecuación no lineal en PVap
Y  4.597088692583  4.76851700676 *105 PVap  ln( PVap )  0
Dada su simplicidad se resolverá mediante el método de Newton. La derivada es:
dy 1
Vap
 4.76851700676 *10 5  Vap
dP P
Experimentalmente la presión a lo más puede medirse con 4 cifras significativas, por

ello la tolerancia que se usará será Tol  5 *105 . Como máximo se realizarán 10
iteraciones.

Para hallar una primera aproximación se usará la teoría. Otra ecuación muy usada,
pero menos precisa es la ecuación de Antoine
A2
ln( PVap )  A1 
T  A3
De esta ecuación si se puede despejar tanto PVap como T. Las constantes de Antoine
para el etilbenceno son: A1=15.98480422493, A2=3257.16944444444, A3=-61.00961.
De esta ecuación la PVap inicial es de 100.05 mmHg.
Los cálculos se resumen en la Tabla 1

Tabla 1 Cálculos de la PVap con el método de Newton-Rapshon
n Pvapn yn ccn
0 100.5 -3.8103458882697E-03 -
1 9.96669473876495E+01 7.34789504530653E-06 3.84332642255642E-03
2 9.9667683227095E+01 2.7254642986918E-11 -7.38292916705743E-06
Como se puede observar la convergencia se logra satisfactoriamente. Redondeando a

la precisión exigida se tiene que PVap = 99.67 mmHg.
En este caso fue útil el método de Newton, ya que la ecuación es relativamente

sencilla y se tenía una buena aproximación inicial. Vale la pena mencionar que
potencialmente podrían haber existido problemas de convergencia, ya que la derivada
en la raíz es -0.009985657308932.
Cálculo de la velocidad de descenso de un tanque en el océano
Cuando se deja caer en el océano un tanque de desperdicios, su velocidad está en

función de la profundidad. Esta velocidad es importante para saber si el tanque se
romperá al llegar al fondo. Si la velocidad llega a cierto valor crítico, el tanque podría
romperse, liberando su carga y contaminando el océano. Aplicando las leyes de
Newton se llega a la siguiente ecuación.
gd v  p  b   p  b  cv 
  ln  
p c c2  p b 
Donde
g: constante de la aceleración de la gravedad.
d: distancia que cae el tanque.
p: peso del tanque.
b: fuerza hidrostática.
c: coeficiente de proporcionalidad de la fuerza hidrodinámica.

v: velocidad de caída.
Cierto tanque pesa 527.436 lb. Caerá 300 ft de profundidad. Los valores de los demás
parámetros son: b=470.327 lb, c=.08, g= 32.174 ft/s2.
Si la velocidad crítica es de 40 ft/s. ¿Se romperá el tanque al llegar al fondo?
Si se sustituyen los valores en la ecuación se obtiene:
𝑦 = 12.5𝑣 + 8923.2812 ln 1 − 0.14008 ∗ 10−2 𝑣 + 18.300229 = 0
Como la ecuación es simple se usará el método de Newton. Para la primera

aproximación, se usa la siguiente ecuación aproximada.
v(d ) 
2g
 p  bd
p
Sustituyendo valores v  45.7 ft / s . Usaremos Tol  5 *104 y maxiter=10. Los cálculos se

resumen en la Tabla 2
Tabla 2 Cálculos de la v con el método de Newton-Rapshon
𝒏 𝑻𝒏 𝒚𝒏 ccn
0 45.7 -7.91702093724155E-01 -
1 44.7739645502487 -8.82664266947586E-03 2.06824537217836E-02
2 44.7634120956989 -4.12357911727668E-06 2.3573838668222E-04
La velocidad con la que el tanque llega al fondo es de 44.8 ft/s, por lo cual el tanque
puede romperse al llegar al fondo.
PRÀCTICA: Newton-Raphson para ecuaciones no lineales

1 Introducción
Recuerde que el Método de Newton-Raphson consiste en f ( xn1 )

calcular las iteraciones xn  xn1 
f `( xn1 )
A partir de un valor inicial x 0 . El algoritmo se puede f ( x)
g ( x)  x 
interpretar como la iteración de punto fijo con la función f `( x)
En esta práctica se estudiará las regiones de convergencia del Método de Newton para
una función concreta, así como la influencia de las raíces múltiples en las propiedades
de convergencia.
Trabajo de laboratorio

Escriba una función de MATLAB, llamada fnewton, con el siguiente encabezamiento:
1. function [x,xvect,nit]=fnewton(f,fprima,x0,maxiter,tolerancia)
2. % Implementa el algoritmo de Newton
3. % usando la función puntofijo.m
4. % f = expresión de la función cuyas raíces se buscan
5. % fprima = su derivada
6. % x0 = valor inicial
7. % Como criterios de parada se usan:
8. % maxiter = cantidad max de iteraciones admitidas
9. % tolerancia = margen para error absoluto
10. % En la salida:
11. % x = resultado de la ultima iteración
12. % xvect = vector de los resultados de todas las iteraciones
13. % nit = cantidad de iteraciones realizadas
Emplee la función puntofijo;
function [x,xvect,nit]=puntofijo(g,x0,maxiter,tolerancia)
% Implementa la iteración de punto fijo
%g = expresión de la función de iteración
% x0 = valor inicial
% Como criterios de parada se usan:
% maxiter = cantidad max de iteraciones admitidas
% tol = margen para error absoluto
% En la salida:
%x = resultado de la ultima iteración
% xvect = vector de los resultados de todas las iteraciones
% nit = cantidad de iteraciones realizadas
nit=0; xvect=x0; x=x0; % Inicializando
err=tolerancia+1; % Garantiza al menos 1 ejecución
while (nit < maxiter & err > tol),
nit=nit+1;
xn=g(x);
xvect=[xvect;xn]; % Agregue el valor nuevo
err=abs(xn-x); % Calcula el error absoluto
x=xn;
end
if nit == maxiter,
disp('Alcanzado el máximo de iteraciones admisible')
end
1. Pruebe la función creada calculando las dos raíces reales, x=1 y x=-5, de
f ( x)  2 x 2  8x  10
2. Vamos a estudiar las regiones de convergencia del algoritmo de Newton para la
función f del apartado anterior. Sean I1 e I-5 los conjuntos de R tales que si x(0) N I1
(respectivamente, si x(0) N I-5) entonces el algoritmo converge a la raíz 1 (resp., a -
5) en # 200 iteraciones. Asumiendo que I1 e I-5 son intervalos abiertos, estime
experimentalmente los extremos de esos intervalos, tomado tolerancia=2 eM(donde
eM es el epsilon de la maquina).

3. Vea la influencia de una raíz doble, en la convergencia del Método de Newton,

aplicándolo ahora a la función h( x)  ( x  1) y f ( x)  2 x  6 x  18 x  10 ,
3 2
h( x) f ( x) Con una raíz doble en x=1 y otra simple en x=-5. Tomando como valores
iniciales x0  0 y x0  4 , estudie la cantidad de iteraciones que se necesitan
para aproximar por medio de fnewton las dos raíces con tolerancia=2 eM para las
funciones f y h? Donde se observan las diferencias? Dibuje las graficas de los
errores cometidos en las iteraciones correspondientes en la misma escala
semilogarítmica (semilogy) para apreciar la convergencia geométrica.
4. Aplique el algoritmo D2 de Aitken para acelerar la convergencia de la sucesión de
aproximaciones a la raíz x=1 de h. Dibuje las gráficas de los errores cometidos en
las sucesiones original y acelerada en la misma escala semilogarítmica, y compare
la velocidad de convergencia en cada caso.
Sugerencia: para implementar la fórmula de Aitken es conveniente utilizar la

función diff de MATLAB. Utilice la ayuda para conocer la sintaxis y el objetivo
de dicha función.
5. Modifique el Método de Newton para tomar en cuenta la multiplicidad de la raíz,

tal como se indica en el texto:
f ( xn1 )
xn  xn1 
f `( xn1 )
6. donde m es la multiplicidad. Para ello escriba la función newtmod, usando como
modelo la función fnewton, pero que acepte como parámetro adicional el valor de
m. Aplique esta función con m=2 para hallar la raíz doble de h, y comente el
resultado.
Trabajo de Laboratorio
Dos elipses pueden tener como máximo 4 puntos de intersección. Se desea encontrar
las coordenadas de las intersecciones de las elipses dadas por sus ecuaciones
( x  2) 2  ( y  3  2 x) 2  5 , y 2( x  3) 2  ( y  3  2 x) 2  5
1. Para obtener una idea grafica de la situación, se dibujan las elipses por medio
de la función contour de MATLAB que permite crear curvas de nivel. Se
utilizará el formato contour(x,y,Z,[n n]), donde x e y son los vectores de
valores xi e yj a lo largo de los ejes correspondientes, Z es la matriz de los
valores de la función en los puntos (xi,yj) y n es el nivel que se desea dibujar.
Más exactamente, con x=linspace(-1,5,1000); y=linspace(-10,10,1000);

Se generan los vectores x e y (si no recuerda, busque en la ayuda de MATLAB
que hace el comando linspace); con [X,Y]=meshgrid(x,y); se crea el conjunto
de pares ordenados (xi,yj) como producto cartesiano, y con Z=(X-2).^2+(Y-
3+2*X).^2; se obtiene la matriz Z. Solo queda ejecutar contour(x,y,Z,[5 5]);
para dibujar la primera elipse. Ahora se va por la segunda. Antes de dibujarla,

no deje de ejecutar la orden hold on para que el nuevo gráfico no borre el

anterior (y termine el script con hold off). Tome nota de las posiciones
aproximadas de los 4 puntos de intersección.
2. Plantee explícitamente las funciones fk para el sistema de ecuaciones que
expresa la intersección de las elipses y halle la matriz Jacobiana.
3. Implemente el algoritmo de Newton-Raphson para este problema en forma de
función :
function [y,niter] = newt_raph(x0,maxiter,tolerancia), que admita como datos
de entrada el valor inicial x0, el máximo de iteraciones admisible maxiter, y el
valor de tolerancia para el criterio de parada ||x(k)-x(k-1)|| # tolerancia, (donde
||7 || es la norma euclidea, que MATLAB calcula con norm) y devuelva el
vector Solución y junto con la cantidad de iteraciones empleadas niter. Puede
usar como modelo la función puntofijo.
Observación: Recuerde que el sistema lineal Ax=b se resuelve en MATLAB por

medio del comando x=A\b.
4. Experimente con diferentes vectores de valores iniciales para encontrar los 4

puntos de intersección.
Ejercicios Propuestos
Resolver las siguientes ecuaciones por el Método Newton-Raphson: Para los siguientes
ejercicios, a y b son los dos últimos números del código de cada persona que conforma
el grupo, siendo estos valores diferentes de cero. En caso de que el ultimo numerosea
cero tomar el valor anterior diferente a cero.
- 𝑓 𝑥 = 60 ∗ 𝑒𝑥𝑝 −0.02 ∗ 𝑎 ∗ 𝑥 + 4 ∗ 𝑒𝑥𝑝 −0.01 ∗ 𝑏 ∗ 𝑥 − 𝑎 − 𝑏; con un error

menor al 0.1%.
- f ( x)  e x  x  10 * (a  b) , con error menor a 0.01
- f ( x)  cos( x)  x , con error menor de 0.001
- Use el Método de Newton-Raphson para resolver la ecuación
f ( x)  x 3  2 x 2  3x  10 , con un valor inicial para x=1.9.
- Halle la raíz de 0.1* x 2*a  x * ln( x  b)  0
- Halle el valor de PI con cinco cifras decimales exactos. Emplee únicamente
funciones trigonométricas.
- Halle una fórmula iterativa que le permita calcular a1 / 2  a , para a>0
- Calcular la raíz de la función f ( x)  e x  2.7182 x con un error relativo
aproximado al 0.05%.

Recursos Bibliográficos
 MATHEUS. John H. Fink Kurtis D. Métodos Numéricos con MATLAB. Editorial
Prentice Hall
 ALTZ, Franz L. Electronic. Digital. computers: Their use in science and
Engineering. 1958 Academic Press inc. New York.
 BURDEN Richard L., J. Douglas Faires; Análisis numérico. tr. Efrén Alatorre
Miguel; Revisión Técnica. Ildefonso. 1998 (Biblioteca USCO. Nro Topográfico:
515 / B949a.)
 CHAPRA Steven C., CANALE Raymond P, Numerical Methods for engineers.
McGraw Hill, Inc. 1988. 839p. ISBN 0-07-909944-0.
 CHAPRA Steven C., CANALE Raymond P. Métodos numéricos para ingenieros: con
aplicaciones en computadoras personales. 1988 (Biblioteca USCO Nro
Topográfico: 519.5 / C467m)
 CONDE S. D, Carl de Boor. Análisis numérico elemental: Un enfoque
algorítmico. Mc. Graw-Hill 1972, (Biblioteca USCO Nro Topográfico: 511.8 /
C761 Biblioteca).
 CORMICK MC., John M. and SALVADOR M.C. Numerical Methods in
FORTRAN. 1964. Prentice-Hall Inc Englewood Cliffs N:J.
 CURTIS, F. Gerald, WHEATLEY, O. Patrick. Análisis numérico con aplicaciones.
Tr. Hugo Villagomez Vasquez. 6 Ed. Pearson Educación. 2000, 698p. ISBN 968-
444-393-5
 FADDEEVA, V.N. Computacional methods of linear algebra, Dover
Publications. 1969, New York.
 GASTINEL Noél; Análisis numérico lineal. tr. Javier Ruiz Fernández de Pinedo.
1975. (Biblioteca USCO Nro Topográfico: 511.7 / G255).
 GREENSPAN, D. Theory and solutions of Ordinary Differencial Equations.
1960 The. Mc Millan Co. New York.
 KINCAID David y Ward Cheney; Análisis numérico: Las matemáticas del cálculo
científico. tr. Rafael. 1994 (Biblioteca USCO Nro Topográfico: 515 / K51a).
 LUTHE. Rodolfo, OLIVERA Antonio, SCHUTZ Fernando, Métodos numéricos. 1986
(Biblioteca USCO Nro Topográfico: 511.7 / L973m).
 McCRACKEN, Daniel D., Métodos numéricos y programación fortran: con
aplicaciones en ingeniería y ciencias. 1986. Editorial Limusa. México.
(Biblioteca USCO Nro. Topográfico: 001.6424 / M117).
 NAKAMURA Shoichiro; Análisis numérico y visualización gráfica con MATLAB. tr.
Roberto Escalona García. 1998 (Biblioteca USCO N ro Topográfico: 515.1 /
N163a).
 NAKAMURA Shoichiro; Métodos numéricos aplicados con software. tr. Oscar
Alfredo Palmas Velasco. Prentice Hall Hispanoamericana S.A. 1995. 570p.
(Biblioteca USCO. Nro. Topográfico: 511.8 / N163m) ISBN 968-880-263-8
 NIETO RAMIREZ José A., Métodos numéricos en computadoras digitales. Editorial
Limusa 1980. (Biblioteca USCO Nro Topográfico: 001.64042 / N677).

 RALSTON Anthony; Introducción al análisis numérico. tr. Carlos E. Cervantes de

Gortari. Editorial Limusa. Mexico. 1978. 629p. (Biblioteca USCO Nro
Topográfico: 511.7 / R164.)
 SCARBOROUGH, J.B Numerical mathematics analysis
 SIERRA ROMERO, Alberto. Manual de Métodos Numéricos. Universidad
Tecnológica de Pereira.
 SMITH, W. Allen; Análisis numérico. tr. Francisco Javier Sánchez Bernabe; Rev.
Téc. José Luis Turriza Pinto. Prentice Hall Hispanoamericana S.A. 1988. 608p.
(Biblioteca USCO Nro Topográfico: 515 / S664a) ISBN 968-880-119-4.
 STANTON, Ralp G. Numerical Methods for Science and Engineering.
1967. Prentice-Hall Inc. Englewood Cliffs N.J
Bibliografia OnLine:
http://sai.uam.mx/apoyodidactico/mn/
http://www.unalmed.edu.co/~ifasmar/libro.shtml
http://www.iesrodeira.com/metodos_numericos/index-2.htm
http://uprhmate01.upr.clu.edu/~pnm/notas4061/index.htm
http://mailweb.udlap.mx/~ccastane/Analisis_Numerico_html/Lindley.html#RegresaGral1
http://www.ii.uam.es/~pedro/ccii/teoria/
http://webdiee.cem.itesm.mx/web/servicios/archivo/tutoriales/metodos/algoritmos/index.html
http://www.ucsc.cl/~kdt/numerico/index.htm
http://luda.azc.uam.mx/curso2/cp2indic.html
http://www.geocities.com/SiliconValley/Pines/7894/metodos/
http://www.uv.es/~diaz/mn/fmn.html
http://proton.ucting.udg.mx/posgrado/cursos/metodos/temario.html
http://webdiee.cem.itesm.mx/web/servicios/archivo/tutoriales/metodos/algoritmos/index.html
http://www.damtp.cam.ac.uk/user/fdl/people/sd/lectures/nummeth98/contents.htm
http://anamat1.csi.ull.es/anamat_p/Titulaciones/matematicas.htm
http://www.cnice.mecd.es/Descartes/
http://mathworld.wolfram.com/
http://www.elprisma.com/
http://www-gap.dcs.st-and.ac.uk/~history/index.html
http://www.ciencia-hoy.retina.ar/indice.htm
http://omega.ilce.edu.mx:3000/sites/ciencia/html/fisica.htm
http://books.pdox.net/
http://arxiv.org/
http://pessoal.sercomtel.com.br/matematica/resumos.htm
http://www.itlp.edu.mx/publica/tutors.htm
http://www.rinconmatematico.com/libros.htm

2015 07 04 Newton

Cargado por

Información del documento

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

2015 07 04 Newton

Cargado por

Copyright:

Formatos disponibles

2013

Yamil Armando Cerquera Rojas

ISAAC NEWTON (1642 - 1727) ...................................................................................................... 4

Ejemplo 5: Función f ( x)  2 x  x  x  1 ..................................................................... 40

Universidad Surcolombiana – Neiva – Huila - Colombia 2 de 54

Ejemplo 8: Función f ( x)  x 3  4 x 2  10 ............................................................................. 45

Ejemplos de Aplicación .......................................................................................................... 47

Universidad Surcolombiana – Neiva – Huila - Colombia 3 de 54

ISAAC NEWTON (1642 - 1727)

La mayoría de las personas están familiarizadas en cierto

Newton nació en el seno de una familia campesina, en la aldea de Woolsthorpe 1, en

 Las series binomiales para exponentes negativos y fraccionarios;

Universidad Surcolombiana – Neiva – Huila - Colombia 4 de 54

Newton fue siempre un hombre discreto y retraído y, en su mayor parte, se guardó

Sus descubrimientos matemáticos nunca se publicaron realmente en forma conexa y

Consideró sus descubrimientos en matemáticas primordialmente como un instrumento

Mientras tanto, en Alemania, Leibniz3 había inventado también el cálculo, de manera

Publicó algunos de sus descubrimientos; pero los científicos más destacados de su

Universidad Surcolombiana – Neiva – Huila - Colombia 5 de 54

nuevamente en su concha, con una mayor resolución de trabajar, a partir de entonces,

Cuando Newton se dedicaba al trabajo científico se parecía a un volcán activo, con

El libro Principia lo escribió en 18 meses de increíble concentración, y cuando se

En esa obra, estableció los principios básicos de la mecánica teórica y la dinámica de

El Principia es un libro de lectura difícil, porque tiene un estilo de inhumana lejanía

En cuanto a la dinámica y mecánica celeste, logró concluir magníficamente la obra

Universidad Surcolombiana – Neiva – Huila - Colombia 6 de 54

Después de la poderosa erupción de su ingenio que lo llevó a la creación de Principia,

Esos cambios de intereses y de ambiente no se reflejaron en una disminución de su

A Isaac Newton se debe el cálculo de raíces de una función o ecuación por

Universidad Surcolombiana – Neiva – Huila - Colombia 7 de 54

Cuando se encuentra ante una situación problemática, a veces se plantean ecuaciones,

Resolver una ecuación o un sistema de ecuaciones son problemas que se plantearon en

En realidad, el Álgebra comienza cuando los matemáticos se empiezan a interesar por

Universidad Surcolombiana – Neiva – Huila - Colombia 8 de 54

Si bien en un principio no existían las variables, los problemas se plantearon mediante

Tras muchos milenios, las ecuaciones matemáticas de la forma ax  b  0 se resuelven

Desarrollo del Concepto

En una ecuación existen cantidades desconocidas (incógnitas), que en general se

En la ecuación: ax  b  c , a, b y c son coeficientes, x es la incógnita

Los coeficientes son los enteros 5, -4, y 16 y la incógnita es z.

En la ecuación anterior v es la incógnita y el valor v=2000 es la solución.

Un norteamericano llega a Neiva – Huila - Colombia y manifiesta que la temperatura

Universidad Surcolombiana – Neiva – Huila - Colombia 9 de 54

85  9 / 5 C  32 , C es la incógnita y el valor C=265/9 es la solución.

En: ax  8  3 , el valor x=-5/a es la solución.

En 4x2–3x+2=2 los valores x= 0 y x=3/4 son soluciones.

Clasificación de las ecuaciones con una incógnita:

6𝑥 + 34 = 5 es una ecuación de primer grado.

Raíces de ecuaciones: introducción9

Resolver una ecuación es encontrar el ó los valores de la incógnita que satisface la

Por ejemplo la ecuación: 500 = 450 + 𝑣, se satisface para 𝑣 = 50

– No se puede pretender poder resolver el problema para funciones más

– La mayoría de veces es posible traducir de alguna manera el problema original

Universidad Surcolombiana – Neiva – Huila - Colombia 10 de 54

Generalmente, para las aplicaciones, se trabaja con funciones reales, y se trata de

En situaciones reales la solución de la ecuación debe tener sentido en el contexto en

Nótese los siguientes casos:

Se quiere repartir equitativamente 24 dulces a 5 niños. Sea x la cantidad de dulces

La ecuación anterior no tiene solución en los naturales (N).

La ecuación 4 * x * x  7 , no tiene solución en los reales (R) ya que no existe ningún

La ecuación 2 + x + x = 2(x+1), es una ecuación que es satisfecha por cualquier valor

En este libro, se trata de profundizar sobre raíces de polinomios con coeficientes en Q

Además presupone cierta familiaridad con la teoría general básica de polinomios en