Departamento de Informática

FCEFN-UNSJ
Dra. María L. Gordillo

2015

Clase 8
 Presentación del Problema
Determinar los ceros o raíces de f(x):

Encontrar x tal que f(x) = 0

Equivalentemente:

Encontrar x tal que f(x) = k (k const. )

(Equivalente a encontrar ceros de g(x)=f(x) -k)
 Distintos Métodos
1- Métodos gráficos
2- Métodos Iterativos:
Métodos cerrados: (encierran a la raíz):
Método de bisección
Método de la posición falsa (Regula Falsi )

Métodos abiertos:
Iteración de punto fijo
Método de Newton-Raphson
.Método de la secante
 Métodos gráficos

Los métodos gráficos consisten en graficar la

función f(x) y observar donde la función cruza
el eje x.
Ofrecen una aproximación inicial a la raíz.
Útiles para visualizar propiedades de la
función y el comportamiento de los distintos
métodos numéricos.
 Ejemplo 1
Encontrar la raíz de: f  x 
667.38
x
1  e0.146843 x   40  0

40
35
x f(x) 30

4 34,11488938 25
20
8 17,65345264
15
12 6,066949963
10
16 -2,268754208 5
20 -8,400624408 0
-5 0 5 10 15 20 25

-10
-15
 Ejemplo 2
x f(x) f(x)= sen 10x + cos 3x
0,00 1,00
0,25 1,33
0,50 -0,89
0,75 0,31
1,00 -1,53
1,25 -0,89
1,50 0,44
1,75 -0,46
2,00 1,87
2,25 0,41
2,50 0,21
2,75 0,31
3,00 -1,90
3,25 -0,06
3,50 -0,90
3,75 0,05
4,00 1,59
4,25 -0,01
4,50 1,45
4,75 -0,48
5,00 -1,02
Ejemplo 2 (Ampliado)
f(x)= sen 10x + cos 3x
x f(x)
4.20 0.08
4.21 0.05
4.22 0.02
4.23 0.00
4.24 -0.01
4.25 -0.01
4.26 -0.01
4.27 0.01
4.28 0.04
4.29 0.07
4.30 0.11
 f ( x)  x 2  1  tan( x)
I =[ /6; /3];  /6  0.523598;  /3  1.04719755
f ( /6)  0.5514348; f ( /3)  0.2840789
Métodos Iterativos Cerrados
Condiciones:
• f continua en [a,b]
• f(a).f(b)<0 (f(a) y f(b) de signos diferentes)
Por el teorema del valor medio para funciones continuas,
existe p [a,b] tal que f(p) = 0.
f(a)
y = f(x)

bx
a f(b)
 1- Método de la bisección

1. El método consiste en dividir en la mitad el

intervalo y localizar la mitad que contiene a
la raíz.

2. El proceso se repite hasta lograr la precisión

deseada (acotación del error).
 1. f (a). f ( p1 )  0   a, p1    a, b 
ab 
p1   o
2 2. f (b). f ( p )  0   p , b    a, b 
 1 1

Primera iteración
y Mitad del intervalo que
contiene a p
f(a)
y = f(x)
f(p1)
bx
a f(b)
p
p1=(a+b)/2
  f (a). f ( p2 )  0   a, p2    a, b 
ab 
p2  
2  f (b). f ( p2 )  0   p2 , b    a, b 

Segunda iteración
y Mitad del intervalo que
contiene a p

y = f(x)
f(a)
bx

a =p1 f(b)
f(p2)
p
p2=(a+b)/2
 Error en el método de bisección: nº de
iteraciones
• En este método la raíz se encuentra dentro del
intervalo [a,b], cuya longitud es b-a
• Después de n iteraciones la raíz se encuentra
ba
en un intervalo de longitud n
2

Si queremos acotar el error, por  , entonces podemos

encontrar el número de iteraciones capaz de dar un error
menor que  : nº de iteraciones

ba ba
   n  log
2n
2

 Resumen método de la bisección
• Requiere que se conozca el intervalo en donde está
la raíz:
(esta tarea debe realizarse antes de aplicar el método, se puede
llevar a cabo listando una tabla de valores o graficando la función
para ubicar valores de diferentes signos)

• Se subdivide el intervalo tomando el punto medio y

se ubica cual intervalo contiene la raíz
• Converge lentamente: a cada paso el intervalo se
divide en 2.

Teorema: El método de la bisección genera una sucesión {pn} que

converge a una raíz p de f con pn- p  (b-a)/2n.
 Método de falsa posición o Regula Falsi
• Se toma un intervalo [x1,x2] tal que f
sea continua allí y f(x1).f(x2)< 0
• Este método considera la recta que
une (x1, f (x1)) con (x2, f(x2)). f(x2)
Por semejanza de triángulos:
f  x1  f  x2 

x3  x1 x3  x2

x1 x3
f  x2  x1  x2 
x3  x2  (I) x2
f  x1   f  x2  f(x3)
f(x1)
Donde x3 es el punto donde la recta corta al eje de abscisas

(I) Se obtiene sumando y restado x2. f(x2)

f  x1  f  x2 
  f  x1  x3  x2   f  x2  x3  x1 
x3  x1 x3  x2
Sumamos y restamos x2 f  x2  al segundo miembro:
f  x1  x3  x2   f  x2  x3  x1   x2 f  x2   x2 f  x2 
*

entonces:
*

f  x1  x3  x2   f  x2  x3  x2   f  x2  x1  x2 f  x2 
luego:
 f  x   f  x   x
1 2 3  x2    f  x2   x1  x2 
con lo cual:
 f  x2  x1  x2 
x3  x2 
f  x1   f  x2 
de donde:
f  x2  x1  x2  f  xn  xn 1  xn 
x3  x2  (I) y en gral xn 1  xn 
f  x1   f  x2  f  xn 1   f  xn 
 Error en método de falsa posición o Regula Falsi

Se elige ahora el intervalo donde se encuentra la raíz:

a) f(x3).f(x2) <0 x3=x1 y [x3,; x2] nuevo intervalo
b) f(x3).f(x1) <0 x3=x2 y [x1 ; x3] nuevo intervalo

El procedimiento se repite hasta alcanzar la “tolerancia” o error

deseado. Supongamos que queremos un error menor que  .
¿Hasta donde iterar? ¿Qué nº de iteración n garantiza la cota  para el
error ?
x1 , x2 , x3 , x4 ,...., xn 2 , xn 1 , xn ,......
encontrar n tal que:
xn  xn 1  
 Ejemplo
Encontrar la raíz de: f x  
667.38
x
 
1  e 0.146843x  40  0

x1 x2 x3 f(x1) f(x2) f(x3)

12,0000000 16,0000000 14,9113077 6,0669500 -2,2687542 -0,2542775
12,0000000 14,9113077 14,7941976 6,0669500 -0,2542775 -0,0272572
12,0000000 14,7941976 14,7817001 6,0669500 -0,0272572 -0,0029076
12,0000000 14,7817001 14,7803676 6,0669500 -0,0029076 -0,0003100
12,0000000 14,7803676 14,7802255 6,0669500 -0,0003100 -0,0000330

Aclaración: Para poder mostrar los xk y f(xk) en una tabla

no se han cambiado los subíndices 1,2 y 3
 Resumen Regula falsi:
 Consiste en considerar un intervalo [x1, x2] en el que se garantice
que la función tiene raíz:
a) f continua en [x1, x2]
b) f(x1). f(x2)< 0
 Se traza una recta que une los puntos (x1, f(x1)), (x2, f(x2))
 Se obtiene el punto de intersección de esta recta con el eje de las
abscisas: (x3,0) . Se toma x3 como 1º aproximación de la raíz
buscada.
 Se identifica luego en cuál de los dos intervalos está la raíz:
 f ( x1 ). f ( x3 )  0   x1 , x3 


 f ( x3 ). f ( x2 )  0   x3 , x2 

 El proceso se repite n veces, hasta alcanzar la tolerancia deseada:

xn  xn1  
 Método o Iteración de Punto Fijo

1. Transformar la ecuación f(x) = 0 en una ecuación

equivalente de punto fijo: x = g(x).

2. Tomar una estimación inicial x0 del punto fijo x de g.

3. Para k=1, 2, 3, … iterar: xn+1 = g(xn ).

Un punto fijo de una función g(x) es un número p tal que g(p) = p.

 Ejemplos: despejar “x”
 x  Ln(sen( x))  g ( x)  Ln(sen( x))
 1
f ( x)  e x  sen( x)  0  
 x  arc sen(e x )  g ( x)  arc sen(e x )
 2

 2  2.5 2  2.5
 x x  g ( x)  x
 1.8 1 1.8
f ( x)   x2 1.8x  2.5  0  

 x  1.8x  2.5  g ( x)  1.8x  2.5
 2
 Teorema del punto fijo (T.P.F)
1. a) Si g  C [a, b] (es continua en [a,b] ), y
b) g(x)  [a, b] para todo x  [a, b]  g ([a; b])  [a; b]
entonces g tiene un punto fijo p en [a, b] (g( p)=p, p  [a, b])
2. Si g (x) es derivable en (a, b) y existe una constante positiva
k<1 tal que:
|g’(x)| <= k, para toda x  (a, b), (condición de Lipchitz),
entonces
el punto fijo en [a, b] es único.
No se cumplen las hipótesis 1. a) y 1.b)
del T.P.F
g no continua en [a,b]  g ([a; b])  [a; b]
(g no corta la recta y=x) (g no corta la recta y=x)

g(x) g (x)
y=x y=x
b b

a g (x)
a g(x)
a b
a b
 Importancia de la condición de Lipchitz
1º caso: 1 raíz en [a,b] 2º caso: varias raíces en [a,b]

|g’(x) | <=1 |g’(x) | >1

b y=x
b y=x
p=g(p) y = g(x)
p=g(p) y = g(x)
a
a
a p b a b
 Método Iteración de punto fijo
Problema: Encontrar x: f(x)=0
Solución:
1. Encontrar, si existe, g : g(x) =x equivalente a f(x)=0
2. Encontrar, si existe, [a, b] : g verifique las hipótesis del T.P.F
en [a, b]
Entonces, para cualquier punto p0 en [a, b] la sucesión

pn = g(pn–1)

converge al único punto fijo de g en [a, b] (g(p)=p):

pn 
n
p
 Corolario
Si g satisface las hipótesis de teorema del punto fijo,
la cota de error que supone utilizar pn para aproximar p
están dadas por | pn – p| <= kn máx (p0 – a, b – p0)
g ( pn 1 )  g ( p) g ( pn 1 )  g ( p)
g '( p )  k  1, como g '( p )   k
pn 1  p pn 1  p
 g ( pn 1 )  g ( p)  pn 1  p  pn  p  k . pn 1  p (I)
de igual modo:
pn 1  p  k . pn  2  p  pn  p  k 2 . pn  2  p (II)
(I)

también:
pn  2  p  k . pn 3  p  pn  p  k 3 . pn 3  p , siguiendo así
(II)

pn  p  k n . p0  p y p0  p  máx( p0  a; b  p0 )
Por lo tanto:
pn  p  k n .máx( p0  a; b  p0 )
 Gráfica del algoritmo de punto fijo
(convergencia)

y=x
y y
y=x p3= g(p2)
y = g(x)
p2= g(p1)
p2= g(p1)
p1= g(p0)
p3= g(p2)
y = g(x)
p1= g(p0)

p1 p3 p2 p0 x p0 p1 p2 x
Casos de no convergencia

y=x
y y
y=x g(p1)=p2
y = g(x)
g(p0)=p1

y = g(x)
p2
p1 p0 p 0 p1 p2
x x
 Ejemplo
La función: x3 + 4x2 –10 = 0 tiene una raíz en [1, 2]
Puede despejarse en:
a) x = g1(x) = x – x3 – 4x2 +10;
b) x = g2(x) = ½(10 – x3)½
c) x = g3(x) = (10/(4 + x))½
d) x = g4(x) = x – (x3 + 4x2 – 10)/(3x2 + 8x)
 Despejes de x
a) x3  4 x 2  10  0  x3  4 x 2  10  x  x  x  x  x3  4 x 2  10

1
b) x3  4 x 2  10  0  4 x 2  10  x3   2 x   10  x3  x  10  x3
2

1/ 2
10  10 
c) x  4 x  10  0  x  4 x  10  x ( x  4)  10  x 
3 2 3 2 2 2
 x 
( x  4)  ( x  4) 

x3  4 x 2  10 x  3x 2  8 x   x3  4 x 2  10 2 x3  4 x 2  10  2 x3  4 x 2  10 
d) x  x  x  x   
3x  8 x
2
3x  8 x
2
3x 2  8 x  3x  8 x 
2

 3x3  8 x 2  2 x3  4 x 2  10  0  x3  4 x 2  10  0
 Iteraciones de punto fijo

(a) (b) (c) (d)

1 1.5 1.5 1.5 1.5
2 -0.875 1.286953767 1.348399724 1.373333333
3 6.732421875 1.402540803 1.367376371 1.365262014
4 -469.72001200 1.345458374 1.364957015 1.365230013
5 1.02754555E8 1.375170252 1.365264748 1.365230013
6 -1.084933870E24 1.360094192 1.365225594
7 1.277055591E72 1.367846967 1.365230575
8 -2.082712908E216 1.363887003 1.365229941
9 NaN 1.365916733 1.365230022
10 1.364878217 1.365230012
11 1.365410061 1.365230013
12 1.365137820 1.365230013
13 1.365277208
14 1.365205850
15 1.365242383
20 1.365229578
25 1.365230028
30 1.365230012
 Gráficas de las funciones

a) b)

c) d)
 Análisis del ejemplo
Caso a) Caso b) g2 ([a; b])  [a; b] probarlo
g1(x) = x – x3 – 4x2 +10 g2(x) = ½(10 – x3)½
g(1) = 6 g2’(x) = – 3/4x2(10 – x3)–½
g ([a; b])  [a; b] g2’(1) = – 0.25, g2’(2) = – 2.1213
No se cumple |g2’(x)| <1 se soluciona
corrigiendo el intervalo, por ejemplo
Caso c) [a; b]  [1;1.6] con
g3(x) = (10/(4 + x))½
g2’(1.6)=0.7902
g3’(x) = 10 0,5 (-0,5)(4 + x)–1.5
Caso d)
1. g3’(x)<0 en[a,b] luego g3’(x)
decrece allí y g3 (1) =21/2 y g3 (2)=1.1 g4(x) = x – (x3 + 4x2 – 10)/(3x2 + 8x)
g ([a; b])  [a; b] probarlo
g3 ([a; b])  [a; b] 3

2. g3’(x) <= 0.15<1 para toda x en Se cumple |g4’(x)| es aún menor que en el
[1, 2] caso c) para toda x en [1, 2]
 Método de Newton-Raphson

f(x)
Comienza con un punto
inicial próximo a la raíz x0.
Considera la ecuación de
la recta tangente a la
Pendiente = f ’ (xn)
curva por (x0, f(x0)) : f (xn)
y – f(x0) = f ’ (x0)(x – x0)
y=0 x = x1 :
f ( x0 ) xn+1 xn
x1  x0 
f '( x0 )
f ( xn )
n-ésima iteración: xn1  xn 
f '( xn )
 Ejemplo
f (x) = x – cos(x) f ’(x) = 1 + sen(x)

pn  cos( pn )
pn1  pn 
1  sen( pn )
Tomando p0 = 0, se obtiene
pn f(pn) f’(pn) pn+1
0 -1 1 1
1 0.459698 1.8414 0.7503639
0.7503639 0.0189 1.6819 0.7391128
0.7391128 0.00005 1.6736 0.7390851
0.7390851 3E-10 1.6736 0.7390851
 Resumen de Newton Raphson
• Comienza con un punto x0 cercano a la
raíz.
• El punto siguiente de la iteración se
obtiene de la intersección de la recta tg a f ( x0 )
x1  x0  (1)
(x0, f(x0)) con el eje x (y=0) (1) f '( x0 )
• El proceso se repite hasta alcanzar la
precisión deseada,  xn  xn1   
f ( xn )
mediante la fórmula (2) xn 1  xn  (2)
f '( xn )
• Se debe cuidar que f’(x) no se anule y que
la raíz no esté cerca de un punto de
inflexión para que la sucesión generada
no empiece a oscilar (evitar máximos,
mínimos y ptos.de inflexión), para lo cual
es conveniente graficar previamente la
función.
• Bajo estas condiciones la sucesión {xn}n
converge a x, siendo x la solución de xn 
n
 x (3)
f(x)=0 (3)
 Desventajas de Newton Raphson
f(x) f(x)

x1 x0
x2 x x0 x2 x1 x

mínimo local
raíz cerca de punto de inflexión
f(x) f(x)

x1

x0 x x0 x1 x

varias raíces (máximos y

iteración en un mínimo
mínimos locales): f’=0
 Método alternativo para evaluar la derivada
(Método de la secante) en Newton Raphson

Es posible aproximar la derivada en xn usando el cociente incremental:

f  xn   f  xn 1 
f '  xn  
xn  xn 1

Con lo cual la fórmula de Newton Raphson se transforma en:

f ( xn ) xn  xn 1
xn1  xn  xn1  xn  f ( xn )
f '( xn ) f ( xn )  f ( xn1 )
 Raíz cuadrada con Newton
Para extraer la raíz cuadrada de un número se puede resolver la ecuación
f(x) = x2 – c = 0
La derivada es
f’(x) = 2x
La fórmula de recurrencia de Newton es
xn+1 = xn – (xn2 – c)/(2xn)
= xn/2 + c/(2xn)
xn xn+1
= (xn + c/xn)/2 1 3.000000
3.000000 2.333333
Ejemplo: raíz cuadrada de 5 con x0 = 1. c=5 2.333333 2.238095
2.238095 2.236069
2.236069 2.236068
 Ejemplo

Resolver mediante N-R:

sen x - e-x = 0 comenzando con x0=0, luego con x0=2,8, y con
x0=6
Resultados para x0= 0

xn f(xn) f'(xn) xn+1

0.00000000 -1.00000000 1.94995999 0.51283104

0.51283104 -0.10815190 1.41522716 0.58925121

0.58925121 0.00099615 1.33011566 0.58850229

0.58850229 -0.00004224 1.33095756 0.58853402

0.58853402 0.00000178 1.33092188 0.58853269

 Desventajas de N-R

En algunos casos la convergencia es muy lenta.

f(x) = x10 – 1

xn10  1
xn 1  xn 
10 xn 9
Se obtiene la siguiente secuencia empezando en x = 0.5
iteración x
0 0.5 Primera aproximación muy deficiente
1 51.65
2 46.485
3 41.8365
4 37,65285
..
-- 1.000000
 Criterios de paro en los métodos Iterativos

• Los métodos iterativos generan sucesiones {xn}n las

cuales convergen a solución x de f(x)=0.
• Si la aproximación a la raíz se quiere obtener con
error absoluto menor que E, se debe iterar hasta que

xn1  xn   o bien f ( xn1 )  

• Si la aproximación a la sucesión se quiere obtener con

•error relativo menor que E, se debe iterar hasta que:
xn 1  xn

xn 1
Los temas tratados en esta unidad pueden estudiarse de cualquier libro,
a excepción del método de iteración de punto fijo, el que conviene estudiar
de estas diapositivas