Ecuaciones no lineales

De�nición

• Una ecuación no lineal se representa de la forma

f(x) = � (�)

donde f puede ser una función:

– algebraica,

� � �
p x� �.�x �.��
f(x) = x x + �x �, f(x) = x x � + �, f(x) =
x� + x� + �
– trascendental,

x �
� t n(x)
f(x) = e +cos(x), f(x) = log(x +�) arcsinh(x), f(x) = �
+e
(x + �)
��/���
 Ecuaciones no lineales
De�nición

– combinación de las anteriores,

� � � �
x
�
f(x) = e �x �, f(x) = log(x)+t n x + x+�, f(x) = cosh p +x�
� x

• El conjunto de valores {x } 2 R(C) tales que f(x ) = � se

denominan:
– Raíces si f es una función polinómica.

– Ceros si f es una función trascendental o combinación.

A lo largo del tema se emplearán de forma equivalente ambos

términos.
��/���
Ecuaciones no lineales
De�nición

y
�

�.�

x
� � � �

�.�
f� (x)
� f� (x)

Ceros de funciones no lineales

��/���
 Ejemplos
Ecuación matemática y representación grá�ca

• f� (x) = � �
y
f� (x)
ex rct n(x �) �=�
f� (x)
– Posee una raíz simple
x
real en [�, �]
� �.� �.� � �.�
• f� (x) = �
log(x� + �) cos(x + �) = �
�
– Posee tres raíces simples
reales en [ �, �] (dos) y
[�, �] (una). �

��/���
 Ejemplos
Ecuación matemática y representación grá�ca

• x� x� �x� +�x� +x � = � �
y

– Posee dos raíces reales: �

» x� = � con
multiplicidad � x
» x� = � con
� �.� �.� � �.�
multiplicidad �
• x� + �.�� = � �
– Posee dos raíces f� (x)
complejas simples f� (x)
(conjugadas): �
» x� = �.�i
» x� = �.�i
��/���
Métodos grá�cos
Aproximación por inspección

• Forma sencilla de obtener una primera aproximación a la raíz de

una ecuación no lineal f(x) = �.

• La representación grá�ca de f permite determinar en qué punto

o puntos corta al eje x.

• Los puntos de corte, {x }, representan los ceros/raíces de f,

i.e., f(x ) = �.

��/���
Métodos grá�cos
Aproximación por inspección

��/���
Métodos cerrados
De�nición. Método de la bisección y de regula falsi

• Fundamento matemático:
Teorema (Teorema de los Valores Intermedios (TVM))
Sea [a, b] ⇢ R y una función continua f : [a, b] 7 ! R. Si es un
número comprendido entre f(a) y f(b), i.e.,

min(f(a), f(b)) < < m x(f(a), f(b))

entonces existe x 2 (a, b) tal que f(x) =

Corolario (Teorema de Bolzano)

Si f toma valores positivos y negativos en (a, b), entonces tiene un
cero, x , en dicho intervalo, i.e., f(x ) = � ��/���
Métodos cerrados

��/���
Método de la bisección
Procedimiento:
�. Selección del intervalo [a, b] tal que f(a)f(b) < �.
�. Cálculo del punto medio del intervalo,

a+b
c=
�

�. Cálculo de f(a)f(c). Casos:

�.� Si f(a)f(c) < � entonces f tiene un cero en [a, c]. Se renombra
c como b y se comienza todo el proceso con el nuevo intervalo
[a, b].
�.� Si f(a)f(c) > � entonces el cero de f se encuentra en la otra
mitad del intervalo, esto es, en el intervalo [c, b]. Se renombra c
como a y se comienza todo el proceso con el nuevo intervalo
[a, b]. ��/���
Método de la bisección

��/���
Método de la bisección
Comentarios
�. En la teoría:
– Si f(a)f(c) = �, como f(a) 6= �, signi�ca que f(c) = � y por
tanto c es un cero de f.
�. En la práctica:
– La aproximación del cero, c, �naliza al cumplirse alguno de los
criterio de parada.
�. El número de iteraciones máximo, Nmax , necesario para alcanzar
una determinada tolerancia, , está acotado superiormente por,
� � ��
|b a|
Nmax  log�

(*)dxe representa a la función techo que asocia a x 2 R, el número entero mayor o

��/���
igual que x, más pequeño.
Método de regula falsi

Procedimiento:

�. Selección del intervalo [a, b] tal que f(a)f(b) < �.

�. Cálculo de la recta secante que une los puntos (a, f(a)) y

(b, f(b)), cuya intersección con el eje x viene dada por el punto
(c, �) donde
f(b)(b a)
c=b
f(b) f(a)

�. Cálculo de f(a)f(c). Casos (ver Bisección).

��/���
Método de regula falsi

��/���
Métodos abiertos
De�nición. Método del punto �jo, Newton-Raphson y de la
secante
• Los métodos abiertos se basan en algoritmos que requieren de
algún/os valor/es inicial/es, que no necesariamente contiene/n
a la raíz.
• Pueden diverger.
• Cuando convergen suelen hacerlo más rápido que los métodos
cerrados.

��/���
Método del punto �jo

De�nición (Punto �jo)

Sea f una función continua y g una función continua y derivable. Sea
2 R tq f(x ) = �. Se dice que x es un punto �jo de g si

g(x ) = x

Geométricamente, el punto (x , g(x )) = (x , x ) se encuentra

sobre la recta y = x.

• x es un cero de f. Puntos fijos de la

• x es un punto �jo de g. función
g x 0,1
X X
Hay que resolver la ec
��/���
 g

PASOS PARA MÉTODO DE PUNTO FIJO

1 FIJAR LA ECUACIÓN A RESOLVER

f x O

EJEMPLO Sen x X O

2 CONVERTIRLA EN UNA ECUACIÓN DE PUNTO

FIJO
X
g
EJEMPLO X Senex

3 TOMAR UNA SEMILLA Xo CERCA DE LA

RAÍZ QUE SE QUIERE APROXIMAR Y
CALCULAR
EL RESTO DE APROXIMACIONES

Xo X
gexo Xa gai Xnigan
EJEMPLO
ÉI en xn
Método del punto �jo

• La fórmula iterativa

xi+� = g(xi ), i = �, �, �, . . . (�)

genera la sucesión de aproximaciones al punto �jo de g.

• Para obtener (�) se ha de reescribir la ecuación f(x) = � de
forma que quede una x en el lado izquierdo de la igualdad y la
función g en el lado derecho, mediante:
�. Manipulaciones algebraicas.
�. Añadir x a ambos lados de la ecuación y despejando
posteriormente.

��/���
Método del punto �jo
Ejemplo de obtención de la función g
x
La ecuación no lineal x� e � � = � tiene una raíz real en el
intervalo [�, �].
Vamos a obtener varias funciones g’s que cuyos puntos �jos (en
principio) coinciden con dicha raíz en el intervalo indicado.
i) Despejamos la x en el término x� de la ecuación,
� x
x x
x� e � � = � ! x� = e � + � ! x = e � + � = g� (x)
ii) Reescribimos el término x� como x · x y despejamos una de las x,
x
x x
e �
x� e � � = � ! x·x = e + � ! x =
�
+�
x
= g� (x), x 6= �
x
iii) Manipulación del término e , �
x x
� x
x e � � = � ! e � = � x� ! �
= log(� x� ) !
x = � log(� x� ) = g� (x)
��/���
Método del punto �jo

��/���
Método del punto �jo
Teorema del punto �jo
El siguiente teorema establece bajo qué condiciones las sucesión
{xn }Nn=� converge al punto �jo de g en (�).

Teorema (Teorema del punto �jo)

Sea g 2 C ([a, b]).
�. Si a  g(x)  b x 2 [a, b] , entonces
– g tiene al menos un punto �jo x 2 [a, b];
�. Si existe un valor < � tal que
pdistfglxl.gly E d distlx y
|g(x) g(y)|  |x y|, x, y 2 [a, b] (�)

se dice que g es una función contractiva y en ese caso

– x es único; ��/���
Método del punto �jo
Teorema del punto �jo

Teorema (Teorema del punto �jo (continuación))

– xi+� = g(xi ) converge a para cualquier valor inicial,
x� 2 [a, b];
�. Si g es continuamente diferenciable sobre [a, b] con
�.� m xx2[a,b] |g0 (x)| = < �, entonces
» x es única;
» la iteración xi+� = g(xi ) converge a x para cualquier valor inicial
x� 2 [a, b];
» x resulta un punto �jo atractivo de g.
�.� m xx2[a,b] |g0 (x)| > �, entonces
» la iteración xi+� = g(xi ) no converge a x , i.e., diverge
localmente;
» x es un punto �jo repulsivo de g.
��/���
TENGO MI ECUACIÓN FIX O XE 9 b Y LA

REESCRIBO COMO X XE a b
gex
TIENE SOLUCIÓN gexleX
XE a b
Sí si SE VERIFICA aegis b

GRÁFICAMENTE

Y b

a
Eb
CONVERGE EI MÉTODO GLOBALMENTE DA IGUAL

LA SEMILLA CON LA QUE COMIENCE

HAY QUE COMPROBAR QUE máx 1g x al

XE a b

Ig x a 1 XE a b É i
glial Xe
19411
Ea b
HIV

a X b
9
4 1

a X b
Método del punto �jo
Cota del error

El siguiente corolario establece cuándo es posible obtener una cota

superior del error cometido al aproximar el punto �jo de g.

Corolario (Cota superior del error)

Si la función g veri�ca las condiciones del teorema anterior, las
siguientes desigualdades proveen de una cota superior para el error
cometido al aproximar la raíz x por el valor xn obtenido de la
iteración de punto �jo,
n
n
|x xn |  |x x� | o |x xn |  |x� x� | , n �
�

��/���
SI ME PIDEN QUE EL ERROR SEA MENOR
QUE UNA CANTIDAD E POSITIVA ES DECIR

ME PIDEN QUE

IX Xn CE
A M
SOLUCIÓN APROXIMACIÓN n ésima
RAÍZ

PUEDO USAR QUE

Xi

Effie
µ

DESPEJAR

EA d
II IX Xo CE ok
IX Xo

FÉ
mosca.gl
n
d
log
Método del punto �jo
Ejemplo de comprobación del Teorema del punto �jo

� x
Sea la función g(x) = e � + � obtenida a partir de la ecuación
x
x � e � � = � que posee una raíz en el intervalo [�, �].
Vamos a comprobar si g satisface las condiciones del Teorema del
punto �jo para asegurar la convergencia de la sucesión
{xn = g(xn )}Nn=� al punto �jo de g en [�, �].

�. Si a  g(x) 4h
b, x 2 [�, �] (g función contractiva)
43
�. |g0 (x)| < �, x 2 [�, �]

Se comprobará el cumplimiento de ambas condiciones grá�camente.

��/���
Método del punto �jo
Ejemplo de comprobación del Teorema del punto �jo

��/���
Método del punto �jo
Ejemplo de comprobación del Teorema del punto �jo

��/���
Método de Newton-Raphson

• El hecho de que f, f 0 y f 00 sean continuas en un entorno de la

raíz que se pretende aproximar, x , provee de una valiosa
información para desarrollar algoritmos mucho más potentes
en cuanto al orden y rapidez de convergencia.

• Es precisamente en esta característica de la función (la

continuidad de f 0 y f 00 ) en la que se basa el método de
Newton-Raphson.

��/���
Método de Newton-Raphson
Desarrollo analítico
La obtención de la fórmula iterativa asociada a este método se basa
en el siguiente teorema:
Teorema (Teorema de Taylor)
Sea f una función con (n + �) derivadas continuas en su dominio, I, y
sea x� 2 I. Entonces f puede representarse mediante su serie de
Taylor centrada en dicho punto, i.e.,

f 0 (x� ) f 00 (x� )
f(x) = f(x� ) + (x x� ) + (x x� ) � +
�! �!
�
f (n)(x� ) x (x t)n
...+ (x x� ) n + f (n+�) (t) dt (Resto)
n! x� n!
��/���
Método de Newton-Raphson
Desarrollo analítico
�. Desarrollo de f en serie de Taylor en torno a xi ⇡ x

�
0
f(x) = f(xi ) + (x xi )f (xi ) + (x xi )� f 00 ( i ), i 2 [x, xi ]
� �� � �
aproximación lineal de f en xi

�. f(x) = � (grá�camente, intersección de la recta tangente con el eje x)

y se despeja x,

f(xi ) � �
f 00
( i)
x = xi (x xi ) .
f 0 (x i) � f 0 (x i)

�. Se descarta el resto de la aproximación y se rede�ne x ⌘ xi+� ,

f(xi )
xi+� = xi , i � (�)
f 0 (x i) ��/���
Método de Newton-Raphson
Representación grá�ca
y
f(x)

recta tangente

x
x xk+� xk
��/���
Método de Newton-Raphson
Desventajas

Al tratarse de un método local, hay situaciones en las que su

convergencia es muy pobre (lineal) o directamente diverge:
�. Por la propia naturaleza de la función.
– Punto de in�exión (f 00 (x) = �) en una vecindad de .
– En torno a un máximo o mínimo local.
– Cuando hay pendientes casi nulas consecutivas (f 0 (x) ⇡ �).
– En situaciones donde hay una pendiente nula (f 0 (x) = �).
– Ecuaciones con raíces múltiples.

��/���
Método de Newton-Raphson
Desventajas

�. Cuando se escoge un valor inicial, x� , su�cientemente lejano de

la raíz.
�. La periodicidad de la sucesión de aproximaciones {xi }i � . Esto
ocurre cuando los elementos de dicha sucesión tienden a
repetirse total o parcialmente.
�. Involucra la primera derivada de f.

En resumen...
En general no existe un criterio general de convergencia para el
método de Newton-Raphson. Su convergencia va a depender de la
naturaleza de la función y de cómo se elija el valor inicial
��/���
Método de la secante
Fórmula iterativa

• Elimina el problema de f 0 en el método Newton-Raphson

reemplazándola por su cociente en diferencias(*)

f(xi ) f(xi )(xi xi � )

xi+� = xi 0
= xi , i �
f (xi ) f(xi ) f(xi � )
� �� �
f(xi ) f(xi � )
(*) f 0 (xi )⇡ xi xi �
(�)
• Requiere de dos valores iniciales, x� y x� , aunque como no se
requiere que f tenga signos opuestos cuando se evalúa sobre
los mismos, no se clasi�ca como un método cerrado.

��/���
Método de la secante
Similitudes y diferencias con el método de regula falsi

• Similitudes:
– Ambos emplean las mismas fórmulas.
– Ambos parten de dos valores iniciales para calcular la siguiente
aproximación.

• Diferencia:
– El método de regula falsi es un método cerrado y siempre
converge, mientras que el método de la secante es un método
abierto (las nuevas aproximaciones reemplazan a las anteriores
de forma consecutiva), luego puede diverger.

��/���
Método de la secante
Comparación con el método de Newton-Raphson

• Diferencias:
– No requiere el cálculo de f 0 .
– Puede codi�carse de forma tal que requiera sólo una evaluación
de la función por iteración, de forma que su coste
computacional se reduce prácticamente a la mitad.
• Similitudes:
– Orden de convergencia superior a cualquiera de los métodos
cerrados
– Converge siempre y cuando los valores iniciales sean escogidos
su�cientemente cercanos a la raíz
��/���
Criterios de parada
Para cada uno de los métodos estudiados, los criterios de parada son:

• Número máximo de iteraciones (Nmax )

– Evita la aparición de
� bucles
� in�nitos
|b a|
– Nmax
(bisección)
= log� tol
, tol ⌘ tolerancia

• Error relativo (er ) � �

� xi+� xi �
er = �� �
� (�)
xi+�
donde xi , xi+� 2 {xn }Nn=� ⌘ sucesión de aproximaciones
• Residuo (Res(·))
Res(xi ) = |f(xi )| (�)

Si xi ⇡ x entonces Res(xi ) ⇡ � ��/���

Códigos en MatLab
Comentarios generales sobre los códigos de bisección,
Newton-Raphson y secante

�. En el encabezamiento del script debe de apacer una descripción

breve del código donde debe constar:
– El método numérico asociado.
– Su objetivo, i.e., qué permite calcular.
�. Es conveniente volver a la condiciones de partida cada vez que
se ejecuta el código. Esto implica:
– Borrar las variables declaradas.
– Cerrar la ventana con la grá�ca de la función estudiada.
– Limpiar la ventana de comandos.
�. El script debe estar escrito mediante módulos claramente
de�nidos, que puedan ejecutarse de manera independiente. ��/���
Códigos en MatLab
�. Un posible orden a seguir para cada uno de los módulos es:
Módulo � (bisección y secante). Función f (vectorizada) y
representación grá�ca con formato.
Módulo � (Newton-Raphson). Función f (simbólica y numérica),
función derivada f 0 (simbólica y numérica). Representación
grá�ca de f (vectorizada) con formato y función g (vectorizada).
Módulo � (bisección). Selección del intervalo inicial [a, b]
asegurándonos que ni a ni b son raíces de f y que el intervalo
contiene a la raíz a aproximar.
Módulo � (Newton-Raphson). Selección de la semilla inicial, x� ,
asegurándonos de que no es una raíz de f.
Módulo � (secante). Selección de las semillas iniciales, x� y x� ,
asegurándonos de que ninguna es raíz de f.
��/���
Códigos en MatLab
Módulo �. Tolerancia, número máximo de iteraciones e
inicialización del error relativo, residuo y contador.
Módulo � (bisección). Bucle iterativo condicional con el que
calcular la sucesión de intervalos, empleando como criterios de
parada el error relativo y el número máximo de iteraciones.
Orden: punto medio (c), residuo, elección del nuevo extremo
inicial/�nal de intervalo según el signo de c, error relativo y
contador.
Módulo � (Newton-Raphson y secante). Bucle iterativo
condicional la sucesión de aproximaciones a la raíz, empleando
como criterios de parada el error relativo y el número máximo
de iteraciones.
Orden: cálculo de c, residuo, actualización del valor de x�
(Newton-Raphson) o x� y x� (secante), error relativo y contador. ��/���
Códigos en MatLab

�. Finalmente, en la ventana de comandos imprimir en una tabla:

el número de iteraciones, aproximación a la raíz, error relativo y
residuo.
Otra opción (más e�ciente) consistiría en escribir una función (el
nombre de la función debe coincidir con el nombre del script) donde:

• Los inputs sean la función f, intervalo inicial o valor o valores

iniciales, tolerancia, número máximo de iteraciones.
• Los outputs sean el número de iteraciones, la aproximación a la
raíz, el error relativo y el residuo.

��/���
Ejemplo
Aproximación numérica de la raíz de ex �x �.� = �
comprendida en el intervalo [�, �]
Grá�ca de la función

��/���
Ejemplo
Aproximación numérica de la raíz de ex �x �.� = �
comprendida en el intervalo [�, �]

La siguiente tabla recoge el resultado obtenido al aplicar cada uno de

los métodos estudiados previamente haciendo uso de MATLAB.

Método aprox N er Res(·)

Bisección �.������ �� �.������ �.������
Regula falsi �.������ � �.������ �.������
Punto �jo(*) �.������ � �.������ �.������
Newton-Raphson �.������ � �.������ �.������
Secante �.������ � �.������ �.������
tol = �.���, x� = �.�, x� = �.�, (*)g(x) = log(�x + �.�)
��/���
Convergencia
De�nición

De�nition (Orden de convergencia)

Sea {xn }n � la sucesión de valores que converge a la raíz y sea
En = xn el error asociado a cada aproximación. Si existe

xn+� En+�
lim = lim = C, (�)
n! ( xn )p n! Enp

para algunas constantes C y p no nulas y �nitas, se dice que la

sucesión {xn }n � converge a con un orden de convergencia p,
siendo C la constante asintótica del error
o
Intuitivamente significa que para no
��/���
En E CEP
Convergencia
Tipos de convergencia

• r = � ) convergencia lineal de {xn }n �

p
– Bisección, regula falsi, punto �jo, Newton-Raphson (raíz
múltiple)

• r 2 (�, �) ) convergencia superlineal de {xn }n �

p p
�+ �
– Secante (r = �
⇡ �.��)
f
– Muller (r ⇡ �.��)
• r = � ) convergencia cuadrática de {x } n n �
p
– Newton-Raphson (raíz simple)
• r = � ) convergencia cúbica de {xn }n �
p
– Halley
– Chebyshev
��/���
Resumen
Métodos cerrados & Métodos abiertos
A lo largo de este tema se han mostrado cinco métodos numéricos
para aproximar las raíces de ecuaciones no lineales: bisección, regula
falsi (métodos cerrados o globales), punto �jo, Newton-Raphson y
secante (métodos abiertos o locales).
La siguiente tabla recoge sus principales características.

Clase Método ¿Intervalo inicial? ¿Siempre converge? Orden

Bisección Sí Sí Lineal
Cerrados
Regula falsi Sí Sí Superlineal
Punto �jo No No Lineal
Abiertos Newton-Raphson No No Cuadrático (simple), lineal (múltiple)
Secante No No Superlineal

Tabla resumen
��/���