4.

1 Método de la bisección
Es el método más elemental y antiguo para determinar las raíces de una ecuación. Está
basado directamente en el teorema de Bolzano explicado con anterioridad. Consiste en
partir de un intervalo [x0,x1]tal que f(x0)f(x1) < 0, por lo que sabemos que existe, al
menos, una raíz real. A partir de este punto se va reduciendo el intervalo sucesivamente
hasta hacerlo tan pequeño como exija la precisión que hayamos decidido emplear.
 
 

   
Figure: Diagrama de flujo correspondiente a la
implementación del método de la bisección.
[scale=0.9]eps/bisecc
  

El algoritmo empleado se esquematiza en la figura (3). Inicialmente, es necesario

suministrar al programa el número máximo de iteraciones MaxIter, la tolerancia  , que
representa las cifras significativas con las que queremos obtener la solución y dos
valores de la variable independiente, x0 y x1, tales que cumplan la relación f(x0)f(x1) < 0.
Una vez que se comprueba que el intervalo de partida es adecuado, lo dividimos en dos

subintervalos tales que  y  y determinamos en qué subintervalo

se encuentra la raíz (comprobando de nuevo el producto de las funciones). Repetimos el

proceso hasta alcanzar la convergencia (hasta que  ) o bien hasta que se excede
el número de iteraciones permitidas (Iter > MaxIter), en cuyo caso es necesario
imprimir un mensaje de error indicando que el método no converge.

Dos operaciones representadas en el esquema de la figura (3) requieren una explicación

adicional:

 El punto medio del intervalo se calcula como  en lugar de

emplear  . Se sigue de este modo una estrategia general al efectuar

cálculos numéricos que indica que es mejor calcular una cantidad añadiendo un
pequeño término de corrección a una aproximación obtenida previamente. Por
ejemplo, en un computador de precisión limitada, existen valores de x0 y x1 para

los cuales xm calculado mediante  se sale del intervalo [x0,x1].

 La convergencia ( ) se calcula mediante la

expresión  . De este modo, el término  ,

representa el número de cifras significativas con las que obtenemos el resultado

4.2 Método de las aproximaciones sucesivas

Dada la ecuación f(x) = 0, el método de las aproximaciones sucesivas reemplaza esta
ecuación por una equivalente, x=g(x), definida en la forma g(x)=f(x)+x. Para encontrar
la solución, partimos de un valor inicial x0 y calculamos una nueva
aproximación x1=g(x0). Reemplazamos el nuevo valor obtenido y repetimos el proceso.

Esto da lugar a una sucesión de valores  , que si converge, tendrá

como límite la solución del problema.
 
 
   
Figure: Interpretación geométrica del método de
las aproximaciones sucesivas.
[scale=0.9]eps/as-1
  

En la figura (4) se representa la interpretación geométrica del método. Partimos de un

punto inicial x0 y calculamos y = g(x0). La intersección de esta solución con la recta y=x
nos dará un nuevo valor x1 más próximo a la solución final.

Sin embargo, el método puede divergir fácilmente. Es fácil comprobar que el método
sólo podrá converger si la derivada g'(x) es menor en valor absoluto que la unidad (que
es la pendiente de la recta definida por y=x). Un ejemplo de este caso se muestra en la
figura (5). Esta condición, que a priori puede considerarse una severa restricción del
método, puede obviarse fácilmente. Para ello basta elegir la función g(x) del siguiente
modo:

de forma que tomando un valor de  adecuado, siempre podemos hacer que g(x)
cumpla la condición de la derivada.
 
 

   
Figure: Demostración gráfica de que el método de
las aproximaciones sucesivas diverge si la derivada
g'(x) > 1.
 [scale=0.9]eps/as-2

  4.3 Método de Newton

Este método parte de una aproximación inicial x0 y obtiene una aproximación mejor, x1,
dada por la fórmula:

(29)
 
 

La expresión anterior puede derivarse a partir de un desarrollo en serie de Taylor.

Efectivamente, sea r un cero de f y sea x una aproximación a r tal que r=x+h. Si f'' existe
y es continua, por el teorema de Taylor tenemos:

 
0 = f(r) = f(x+h) = f(x) + hf'(x) + O(h2)  (30)
 

en donde h=r-x. Si x está próximo a r (es decir hes pequeña), es razonable ignorar el
término O(h2):

 
0 = f(x) + hf'(x)  (31)
 

por lo que obtenemos la siguiente expresión para h:

(32)
 
 

A partir de la ecuación (32) y teniendo en cuenta que r=x+h es fácil derivar la ecuación
(29).
 
 

   
 Figure: Interpretación geométrica del método de
Newton.
[scale=0.9]eps/new-1
  

El método de Newton tiene una interpretación geométrica sencilla, como se puede

apreciar del análisis de la figura (6). 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
linear con el eje X de ordenadas.

Veamos como podemos obtener la ecuación (29) a partir de lo dicho en el párrafo

anterior. 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)  (33)
 

de donde, haciendo y=0 y despejando x obtenemos la ecuación de Newton-Raphson

(29).
 
 

   
Figure: 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.
[scale=0.9]eps/new-2
  

El método de Newton es muy rápido y eficiente ya que la convergencia es de tipo

cuadrático (el número de cifras significativas se duplica en cada iteración). Sin
embargo, la convergencia depende en gran medida de la forma que adopta la función en
las proximidades del punto de iteración. En la figura (7) se muestran dos situaciones en
las que este método no es capaz de alcanzar la convergencia (figura (7a)) o bien
converge hacia un punto que no es un cero de la ecuación (figura (7b)).

4.4 Método de la secante

El principal inconveniente del método de Newton estriba en que requiere conocer el
valor de la primera derivada de la función en el punto. Sin embargo, la forma funcional
de f(x) dificulta en ocasiones el cálculo de la derivada. En estos casos es más útil
emplear el método de la secante.

El método de la secante parte de dos puntos (y no sólo uno como el método de Newton)
y estima la tangente (es decir, la pendiente de la recta) por una aproximación de acuerdo
con la expresión:

(34)
 
 

Sustituyendo esta expresión en la ecuación (29) del método de Newton, obtenemos la

expresión del método de la secante que nos proporciona el siguiente punto de iteración:

(35)
 
  
 
 

   
Figure: Representación geométrica del método de
la secante.
[scale=0.9]eps/secante
  

En la siguiente iteración, emplearemos los puntos x1 y x2para estimar un nuevo punto

más próximo a la raíz de acuerdo con la ecuación (35). En la figura (8) se representa
geométricamente este método.

En general, el método de la secante presenta las mismas ventajas y limitaciones que el

método de Newton-Raphson explicado anteriormente.

4.5 Método de Steffensen

El método de Steffensen presenta una convergencia rápida y no requiere, como en el
caso del método de la secante, la evaluación de derivada alguna. Presenta además, la
ventaja adicional de que el proceso de iteración sólo necesita un punto inicial. Este
método calcula el siguiente punto de iteración a partir de la expresión:

4.6 Método de la falsa posición

El método de la falsa posición pretende conjugar la seguridad del método de la
bisección con la rapidez del método de la secante. Este método, como en el método de
la bisección, parte de dos puntos que rodean a la raíz f(x) = 0, es decir, dos puntos x0 y
x1tales que f(x0)f(x1) < 0. La siguiente aproximación, x2, se calcula como la intersección
con el eje X de la recta que une ambos puntos (empleando la ecuación (35) del método
de la secante). La asignación del nuevo intervalo de búsqueda se realiza como en el
método de la bisección: entre ambos intervalos, [x0,x2] y [x2,x1], se toma aquel que
cumpla f(x)f(x2) < 0. En la figura (9) se representa geométricamente este método.
 
 

   
Figure: Representación geométrica del método de
la falsa posición.
[scale=0.9]eps/falpos
  

La elección guiada del intervalo representa una ventaja respecto al método de la secante
ya que inhibe la posibilidad de una divergencia del método. Por otra parte y respecto al
método de la bisección, mejora notablemente la elección del intervalo (ya que no se
limita a partir el intervalo por la mitad).
 
 
    
Figure: Modificación del método de la falsa
posición propuesta por Hamming. La aproximación
a la raíz se toma a partir del punto de intersección
con el eje X de la recta que une los puntos
( x0,f(x0)/2) y (x1,f(x1)) si la función es convexa en el
intervalo (figura a) o bien a partir de la recta que
une los puntos (x0,f(x0)) y (x1, f(x1)/2) si la función es
cóncava en el intervalo (figura b).
[scale=0.9]eps/hamming
  

Sin embargo, el método de la falsa posición tiene una convergencia muy lenta hacia la
solución. Efectivamente, una vez iniciado el proceso iterativo, uno de los extremos del
intervalo tiende a no modificarse (ver figura (9)). Para obviar este problema, se ha
propuesto una modificación del método, denominada método de Hamming. Según este
método, la aproximación a una raíz se encuentra a partir de la determinación del punto
de intersección con el eje X de la recta que une los puntos ( x0,f(x0)/2) y (x1,f(x1)) si la
función es convexa en el intervalo o bien a partir de la recta que une los puntos (x0,f(x0))
y (x1, f(x1)/2) si la función es cóncava en el intervalo. En la figura (10) se representa
gráficamente el método de Hamming.

Como hemos comentado, el método de Hamming requiere determinar la concavidad o

convexidad de la función en el intervalo de iteración. Un método relativamente sencillo
para determinar la curvatura de la función consiste en evaluar la función en el punto
medio del intervalo, f(xm) (en donde xm se calcula como en el método de la bisección) y
comparar este valor con la media de los valores de la función en los extremos del

intervalo,  . Tenemos entonces que:

METODO GRAFICO
Consiste en graficar una función y determinar visualmente donde corta el eje x. En  y= f(x), establece el
valor  de x para el cual f(x)=0.

Ejemplo  2.2.1
Determine las raíces reales de la función   gráficamente.

Solución

Se construye una tabla con valores de x y f(x), de tal manera que se pueda visulizar  un corte con el eje x.

  Tabla 2.2.1

El corte ocurrirá , según la tabla , en un valor muy próximo a -2 y en otro  a 6, por la cercanía de x  a cero.
Graficando tenemos (Figura 2.2.1)

Figura 2.2.1

Estos métodos gráficos no tiene un uso muy extendido, por ser poco prácticos y exactos. Apesar de esto ,
son herramientas importantes en la comprensión del comportamiento de las funciones y en la detección
de  fallas en posibles cálculos utilizando métodos numéricos.

Algunos casos importantes que han de tenerse en cuenta se muestran en la figura 2.2.2
La raíz puede encontrarse , no estar o inclusive en pueden existir dos o más raíces, en el intervalo  Xinf -
Xsup. En la gráfica a) de la Figura 2.2.2, no existen raíces reales en el intervalo, pues y=f(x) no toca el eje
x, por el contrario pueden encontrarse una o más raíces imaginarias. b) Da la certeza de encontrar una
sola raíz real en el intervalo. En c) existen dos raíces reales, mientras en d) hay más de dos raíces.

Aunque en la mayoría de los casos lo visto en el esquema anterior se cumple, existen curvas discontinuas
y tangenciales en la que estos modelos no son válidos.

En la gráfica 2.2.3 a) , se muestra una función como y=x 2 , para la que existe una raíz real doble en x=0 ,
que no es apreciable por el método gráfico,  pues la ecuación es tangente al eje x . En la 2.2.3 b) hay una
discontinuidad en el intervalo en el que debería encontrarse dos raíces reales, solo existe una.

2.1.2      Método del punto fijo

Sea  una ecuación algebraica o trascendental. Si sumamos x en ambos

miembros tenemos

…(2.1)
Sea  (otra función). Sustituyendo en (2.1)

      …(2.2)

Es decir, la raíz de la ecuación se encuentra en la intersección  de g(x)=x y g(x)=f(x) + x.

Si x=a es una raíz de x, entonces

f(a)=0

y al sustituir en la ecuación (2.2)

a=g(a)          …(2.3)

El método del punto fijo parte de un valor inicial  cercano a la raíz

Y luego toma como siguiente aproximación

Al proceder reiteradamente en esta forma, se induce que la n-ésima aproximación es

Para analizar la convergencia del método, retomemos la expresión (2.3)

a=g(a)

Restando a ambos miembros  y dado que

Multiplicando ambos miembros por

…(2.4)

Por el Teorema del Valor Medio, sabemos que

De manera que al sustituir en (2.4)

En valor absoluto:

Si , entonces  y obviamente el valor absoluto de la

diferencia entre la raíz a y la última aproximación  es menor a la diferencia entre la
raíz a y la penúltima aproximación .

Entonces, si la n-ésima iteración converge:

es decir,

En contraparte, el método es divergente si

Es decir, si

Ya que la aproximación  se aleja más a la raíz a que .

Por último, se dice que hay un estancamiento si , pues la penúltima

aproximación es igual a la última (el método no avanza, pero tampoco se aleja).

Cabe señalar que los criterios de las derivadas  y para analizar la

convergencia del método son válidos para una iteración y para fines prácticos no es
posible aplicarlos en cada una de ellas. Por esta razón, simplemente se considerará que:
existe convergencia si , existe divergencia si
  y existe un estancamiento si . Esto es, el
método converge si la diferencia en valor absoluto entre los valores proporcionados en
dos iteraciones sucesivas es cada vez más pequeña a medida que n aumente.

En resumen, la interpretación geométrica del método consiste en lo siguiente: partiendo

de un valor inicial  dirigirse verticalmente a la curva y=g(x); de ésta, horizontalmente
a la recta y=x; de nuevo verticalmente a la curva, horizontalmente a la recta, etc.

El algoritmo del método es el que sigue:

1.      Escoger una aproximación inicial .

2.      Calcular  y hacer .

Sea n=1.

3.      Calcular .

4.      Comparar con :

a)      Si , el método converge. Ir al paso 5.

b)      Si , el método diverge. Se detiene el método y se

escoge una nueva aproximación .

c)      Si , el método se ha estancado. Se detiene el método y

se escoge una nueva aproximación .

Note que en la primera iteración no es posible aplicar aún este criterio, por lo
que se omite este paso y se continúa en 5.

5.      Si =0, se encontró la raíz de la función (fin del método). De lo

contrario, ir al paso 6.

6.      Sea T  la tolerancia deseada (el margen de error aceptado). Si <T se

encontró una aproximación a la raíz con un margen de error menor a T (fin del
método). De lo contrario, ir al paso 3 haciendo n=n+1.

Ejemplo. Determina la raíz de la ecuación  con el método del punto fijo

considerando una tolerancia de 0.001

Solución. Tenemos
Entonces

La gráfica de la ecuación muestra que el valor de la raíz es cercano a 0.6, por lo que
escogemos la aproximación inicial

Calculamos

Y tenemos que
Como , es decir, no se ha encontrado la raíz y además  es
mayor a la tolerancia deseada, hacemos una nueva iteración.

En la siguiente tabla se resumen los resultados al aplicar el método. Al comparar las

diferencias  y  se observa que , por lo que se
concluye que el método converge. El método se detuvo en la iteración 11 debido a que
, por lo que puede concluirse que 0.56748681 es una aproximación al
valor de la raíz con un margen de error del 0.1%.

n
0 0.4 0.67032005          -
1 0.67032005 0.51154483 0.27032005
2 0.51154483 0.59956863 0.15877521
3 0.59956863 0.54904843 0.0880238
4 0.54904843 0.57749908 0.0505202
5 0.57749908 0.56130038 0.02845065
6 0.56130038 0.57046676 0.0161987
7 0.57046676 0.56526154 0.00916638
8 0.56526154 0.56821152 0.00520522
9 0.56821152 0.56653778 0.00294998
10 0.56653778 0.56748681 0.00167374
11 0.56748681 0.5669485 0.00094903