Tema 1 Ecuaciones No Lineales

Ecuaciones y Sistemas de
Ecuaciones No Lineales �
�.� Presentación . . . . . . . . . . ��
�.� Presentación �.� Introducción . . . . . . . . . . ��
�.� Métodos Gráficos . . . . . . . ��
El problema de resolver ecuaciones no lineales surge frecuentemente y de �.� Métodos Cerrados . . . . . . ��
forma natural en el estudio de un amplio abanico de problemas prácticos. Método de la Bisección . . . ��
Estos pueden involucrar una ecuación o un sistema de ecuaciones no Método de Regula Falsi . . . ��
lineales en varias variables. �.� Métodos Abiertos . . . . . . . ��
Es por ello que, a lo largo de este tema, se presentarán métodos generales Método del Punto Fĳo . . . . ��
de resolución de este tipo de ecuaciones. Método de Newton-Raphson ��
Método de la Secante . . . . . ��
�.� Orden de convergencia de un
método . . . . . . . . . . . . . . . ��
�.� Introducción �.� Resumen del Tema � . . . . . ��
Para introducir este tema y dar una visión práctica acerca de la solución
de ecuaciones no lineales, vamos a considerar la ecuación de estado de Van
der Waals obtenida por el físico Johannes Diderik Van der Waals entre ��
y ��. ✓ ◆
3
%A + 2 (3+A 1) 8)A = 0 (�.�)
+A
donde %A , +A , )A son los cocientes adimensionales
% + )
%A = , +A = , )A = ,
%2 +2 )2
siendo %2 , +2 , )2 los valores críticos de presión, volumen y temperatura,

respectivamente, a partir de los cuales Van de Waals derivó el principio de
los estados correspondientes, que resulta independiente de la sustancia en
cuestión.
Dado que la ecuación de estado (�.�) no depende de ningún parámetro
del sistema, se demuestra que todos los gases deben de ajustarse al
principio anterior.
De hecho, esta fue la primera ley que reflejó el comportamiento universal
de las transiciones de fase en la historia.
En el caso de que se conocieran los valores de presión y temperatura y

se quiesiera determinar el valor del volumen, +A , habría de resolverse la
ecuación
9 3
3 % A Vr + %A 8)A = 0
Vr V2r
que resulta no lineal en +A y a partir de la cual no es posible obtener una
expresión explícita de +A en función de %A y )A .
En Física, por ejemplo, dos fenómenos físicos que involucran ecuaciones

no lineales son:
I La teoría de la difracción de la luz, en la que se han de calcular las
raíces de la ecuación
G tan G = 0
� Ecuaciones y Sistemas de Ecuaciones No Lineales ��
I En el cálculo de órbitas planetarias, donde se necesita calcular las

raíces de la llamada Ecuación de Kepler
G 0 sin G = 1
para varios valores de los parámeros 0 y 1 .

Por tanto, resulta imprescindible recurrir a los métodos numéricos, en
concreto a los métodos de resolución de ecuaciones no lineales, para
tratar este tipo de problemas.
Puede concluirse entonces que, en general, para la resolución de ecua- Fig. �.�. Gráfica de la función
3 9
5 (+A ) = 9 2 + + 3+A en
ciones no lineales se deberán de emplear algoritmos que permitan +A +A
Matlab.
obtener, dentro de unos márgenes razonables de precisión y esfuerzo
Código:
computacional, aproximaciones numéricas a las soluciones de estas. »+A = -�:�.��:�;
»y = -�-�./+A .2 +�./+A +�*+A ;
»plot(+A ,y,’r’);
Con respecto a los tipos de ecuaciones no lineales a estudiar, estas se grid on; hold on;
clasificarán en dos tipos: »title(’ 5 (+A ) = 9 3/+A2 + 9/+A + 3+A ’);
»xlabel(’+A ’); ylabel(’ 5 (+A )’);
Ecuaciones polinómicas Ecuaciones que involucran solamente poten- »plot(�,�,’ro’,’MarkerSize’,��);
cias enteras de la variable G . Una característica fundamental de
las ecuaciones polinómicas es que si el polinomio tiene grado = ,
entonces la ecuación polinómica tiene = raíces, que pueden ser
reales (diferentes o coincidentes) o complejas.
Ecuaciones trascendentales Ecuaciones no lineales que involucran fun-
ciones transcendentales (exponenciales, logaritmos, funciones trigonométri-
cas,...). Obtener las soluciones de este tipo de ecuaciones es una
tarea complicada dado que pueden no conocerse sus raíces o bien
que existan infinitas de ellas.
Un algoritmo se se define como un con-
En las siguientes secciones se mostrarán métodos de resolución de junto de instrucciones que puede efectu-
arse de forma sistemática en un tiempo
ecuaciones no lineales que se clasifican en dos grandes grupos:
finito para resolver un problema en
I Métodos cerrados. Estos métodos comienzan con dos valores ini- cuestión.
ciales que encierran o contienen a la raíz en un intervalo y de
forma sistemática van reduciendo el ancho de dicho intervalo. Los
métodos a considerar son:
• método de la bisección,
• método de regula falsi o de la posición falsa.
I Métodos abiertos. Estos métodos involucran iteraciones de ensayo
y error pero no requieren de un intervalo inicial que contenga a la
raíz de la ecuación. En general, estos métodos son más eficientes
que los métodos cerrados, sin embargo no siempre funcionan. Estos
son:
• método del punto fijo,
• método de Newton-Raphson,
• método de la secante.
Además, los llamados métodos gráficos se emplean de forma complemen-
taria junto con los métodos anteriores dado que proveen información
adicional acerca de la raíz que se pretende aproximar.
Es por esto que serán los primeros métodos en ser estudiados en este
tema.
Conocimientos de MatLab necesarios

I Uso del comando input
I Construcción de estructuras en bucle (loops) con el comando
for
I Uso del condicional con el comando if
I Representación gráfica haciendo uso de los comandos plot y
fplot
�.� Métodos Gráficos
Una forma sencilla de obtener una primera aproximación a la raíz de una

ecuació no lineal 5 (G) = 0 consiste en realizar una representación gráfica
de la función y determinar en qué punto o puntos corta al eje G . Dichos
puntos representan los valores de G para los cuales la función 5 (G) se
Fig. �.�. Gráfica de la función 5 (G) = (G +
anula, i.e., 5 (G) = 0. Es por esto que las raíces de una ecuación también 2)4 cos(G) (G 1) en Matlab.
se denominan ceros de la función 5 (G). Código:
»x = -�:�.��:�;
»y = (x+�).*exp(-cos(x)).*(x-�);
Sin embargo, los métodos gráficos se ven limitados en la práctica debido »plot(x,y,’r’);
a que no son precisos. Es por eso que se suelen utilizar en primer lugar grid on; hold on;
»title(’f(x)=(x+�)exp(-cos(x))(x-�)’);
para obtener una estimación aproximada de las raíces, que pueden »xlabel(’x’); ylabel(’y’);
emplearse posteriormente como los valores iniciales de los métodos que »plot(-�,�,’ro’,’MarkerSize’,��);
se estudiarán a continuación. »plot(�,�,’ro’,’MarkerSize’,��);
Además, los métodos gráficos permiten conocer propiedades de las »xL = xlim; yL = ylim;
»line([� �], yL);
funciones cuyos ceros se quieren aproximar, dado que en función del »line(xL, [� �]);
intervalo, [0, 1], de trabajo que se haya escogido puede ocurrir que: »axis([-� � -�� ]);
I Si 5 (0) y 5 (1) tienen el mismo signo, este no contenga ningún cero

o contenga un número par de ceros (= A = 2 :, : 2 Z+ ).
I Si 5 (0) y 5 (1) tienen signo opuesto, este contenga un número impar
de ceros (= A = 2 : + 1 , : 2 Z+ ).
I La función sea tangencial al eje G (ej: funciones con raíces múltiples) o
discontinua y aunque 5 (0) y 5 (1) tengan signo opuesto, el intervalo
contenga un número par de ceros.
El último caso considera dos situaciones que complican la posibilidad de
desarrollar algoritmos computacionales que garanticen la localización
y estimación de todos los ceros de una función en el intervalo considerado.
Es por ello que, el uso de estos métodos que se estudiarán a continuación

junto con los métodos gráficos (así como un buen entendimiento del
problema físico del que deriva la ecuación), constituyen una potente
herramienta para aproximar las raíces de ecuaciones no lineales que
aparecen con asiduidad tanto en ingeniería, física, matemática aplicada,
así como en economía, biología, medicina,...
�.� Métodos Cerrados
Método de la Bisección
Si 5 es una función continua sobre el intervalo [0, 1] y si 5 (0) 5 (1) < 0,

entonces 5 tiene un cero en (0, 1) .
Este resultado deviene del Teorema del Valor Intermedio (TVI) para
funciones continuas.
Fig. �.�. Gráfica de la función 5 (G) = (G
Teorema �.�.� Teorema del Valor Intermedio 2) sin(G) en el intervalo [2 , 6].
Sea una función continua 5 en el intervalo cerrado y acotado [0, 1]. Código:
»x = �:�.��:�;
Entonces, »y = (x-�).*sin(x-�);
»plot(x,y,’g’); grid on; hold on;
si 5 (0) < H < 5 (1) ) 5 (G) = H para algún G 2 (0, 1) »xL = xlim; yL = ylim;
»line([� �], yL); »line(xL, [� �]); »axis([� �
-� �]);
Así, el método de la bisección explota las consecuencias de este teorema »title(’f(x)=(x-�)sin(x-�)’);
del siguiente modo: »xlabel(’x’); ylabel(’y’);
»plot(-�,�,’ro’,’MarkerSize’,��);
I Selección del intervalo [0, 1] tal que 5 (0) 5 (1) < 0. »txt = ’# f(x) = �’;
I Cálculo del punto medio del intervalo, »text(�.��,�.�,txt);
»plot(�,�,’ko’,’MarkerSize’,�);
»plot(�,�,’ko’,’MarkerSize’,�);
0+1
2= »text(�.�,-�.�,’a=�’);
2 »text(�.�,-�.�,’b=�’);
I Cálculo de 5 (0) 5 (2). Se plantean tres posibilidades:

�. Si 5 (0) 5 (2) < 0 entonces 5 tiene un cero en [0, 2]. Se renombra
2 como 1 y se comienza todo el proceso con el nuevo intervalo
[0, 1].
�. Si 5 (0) 5 (2) > 0 entonces el cero de 5 se encuentra en la otra
mitad del intervalo, esto es, en el intervalo [2, 1]. Se renombra
2 como 0 y se comienza todo el proceso con el nuevo intervalo
[0, 1].
�. Si 5 (0) 5 (2) = 0, como 5 (0) < 0, signfica que 5 (2) = 0 y por Fig. �.�. Representación gráfica del
método de la bisección
tanto 2 es un cero de 5 .
Tanto en el caso �. como en el �. se obtiene un nuevo intervalo, cuya
longitud es la mitad del intervalo original, que contiene al cero de 5 .
Si el proceso se repite, se obtendrá otro intervalo de incertidumbre de
nuevo con la mitad de longitud del intervalo precedente, y así sucesi-
vamente hasta que se localice el cero al cumplirse las condiciones del
criterio de parada.
El tercer caso implica que se ha obtenido el cero de 5 , i.e., 5 (2) = 0. Sin

embargo, es bastante improbable que esto ocurra en la práctica debido a
errores de redondeo. Es por ello que el criterio de parada nunca puede
ser 5 (2) = 0, sino más bien se permite una tolerancia razonable† , & , tal
que | 5 (2)| < & .
Esto es así dado que si 5 (0) 5 (1) < 0, la función 5 cambia de signo en el intervalo [0, 1] y
por lo tanto, existe algún valor 2 2 (0, 1) tal que 5 (2) = 0, de forma que 2 es un cero de 5 .
De hecho, puede haber más de un cero en dicho intervalo.
† Por una tolerancia razonable se entiende una tolerancia suficientemente pequeña, según
la precisión con la que se quiera aproximar el cero de 5 .

Criterios de parada
Se necesitan criterios objetivos para poder decidir cuándo finalizar el

método de la bisección. En este sentido de disponen de varias opciones:
Error relativo ( 4 A ). Dado que no se conoce el valor real de la raíz a
aproximar, se requiere estimar el error cometido en la aproximación
que no se base en el conocimiento previo de este valor. Por ello, se
hace uso del error relativo, & A que se calcula como
Gsiguiente Ganterior
4A = (�.�)
Gsiguiente
donde G anterior es la aproximación en la iteración anterior y G siguiente

es la aproximación en la iteración presente. El valor absoluto se
utiliza puesto que lo que interesa es la magnitud del error y no su
signo.
De hecho, el error relativo (�.�) provee de una cota superior del
error real, de forma que para que esta cota se viera superada la
raíz debería de encontrarse fuera del intervalo de trabajo lo que no
resulta posible en el método de la bisección.
Número máximo de iteraciones ( #max ). Es posible estimar a priori el
número de iteraciones máximo requeridas para alcanzar la pre-
cisión deseada.
Teorema �.�.� Cota superior del error absoluto

Sea [0, 1] el intervalo inicial tal que 5 (0) 5 (1) < 0 en el que se halla la
raíz y sea G = = 1 = 1 2 0 = 1 una aproximación a la raíz en la = -ésima
iteración. Entonces el error absoluto, ⇢ 0 , está acotado superiormente,
i.e., ✓ ◆=
1
⇢0 ⌘ | G= |  (1 0)
2
Además, para alcanzar la precisión dada por la tolerancia, & , es suficiente
con considerar un número de iteraciones,
log(1 0) log(&)
= ⇡ #max (�.�)
log 2
Emplear este criterio de parada evita la posibilidad de que durante
la ejecución del algoritmo se entre en un bucle infinito.
Residuo ('4 B(G 8 )). El residuo se define como el valor absoluto de la
función evaluada en la aproximación a la raíz, i.e., si G 8 representa
la 8 -ésima aproximación a la raíz, su residuo se calcula como
'4B(G 8 ) = | 5 (G 8 )| (�.�)
de forma que si G 8 es una buena aproximación, debe ocurrir que
| 5 (G 8 )| ⇡ 0
A continuación se muestra el pseudo-código‡ asociado al método de la
‡ Un pseudo-código es una descripción, empleando un lenguaje simple, de los pasos de los
que consta un algoritmo, de forma que este pueda ser entendido por la persona que lo lee.
bisección:
Algoritmo �: Pseudo-código del método de la bisección

input : f, a, b, Nmax, tol
� fa = f(a);
� fb = f(b);
� li = b - a ; /* longitud inicial del intervalo */
� Nmax = round((log(abs(b-a))/tol)/log(�)) ;
� iter = � ; /* inicialización */
� if sign(fa)=sign(fb) then
� stop;
� else
� siguiente paso;
�� end
�� for : = 1 , 2 , . . . , Nmax do
�� li = li/�;
�� c = a + li;
�� fc = f(c);
�� iter = iter + � ;
�� err = abs((b-a)/b);
�� res = abs(f(c));
�� if sign(fa)< sign(fc) then
�� b=c;
�� fb = fc ;
�� else
�� a=c;
�� fa = fc ;
�� end
�� if err<tol o res<tol then
�� stop;
�� else
�� fin del algoritmo;
�� end
�� end
output : iter, alpha, err, res
Algunos comentarios importantes sobre el pseudo-código son los sigu-

ientes:
I El punto medio 2 se calcula como c = a + (b a)/2 en lugar de
2 = (0 + 1)/2. Este se debe a que a la hora de realizar cálculos
numéricos es mejor calcular una cantidad añadiendo un pequeño
término correctivo a la aproximación previa§ .
I Es mejor a nivel computacional determinar si la función cambia
de signo sobre el intervalo de trabajo, i.e., sign(fa)<sign(fc), en
lugar de f(a)f(c)<�, dado que esto requiere del cálculo de dicha
multiplicación.
I En el algoritmo aparecen los tres criterios de parada (número
máximo de iteraciones (Nmax), error relativo (err) y residuo (res)).
Ejemplo �.�.� Aplicación del método de la bisección
§ Si
se calculase 2 = (0 + 1)/2 podría ocurrir que el punto medio calculado se desplazase al
exterior del intervalo [0, 1].
Haciendo uso del método de la bisección aproximar la raíz de la ecuación

⇣ ⌘
G
4 = cos G +
4
con una tolerancia de 0.1
Si, previamente, representamos la gráfica de 5 (G) = 4 G cos G + 4

podemos determinar la localización de su cero (o raíz de la ecuación) y
por tanto seleccionar el intervalo de partida. En este caso escogemos el
intervalo [0, 1] = [3 , 5] que cumple las condiciones para poder aplicar
el método de la bisección, i.e., sign( 5 (3)) < sign( 5 (5)).
| {z } | {z }
+
En primer lugar, calculamos el número máximo de iteraciones nece-

sarias para alcanzar la tolerancia requerida,
log(1 0) log(&)
#max = = 4.32193 ⇡ 4
log 2
Conociendo el número máximo de iteraciones procedemos al desarrollo

del algoritmo.
iter = 1 : sign( 5 (3)) > 0 , sign( 5 (5)) < 0

Fig. �.�. Gráfica de la función
) 2 = (3 + 5)/2 = 4; sign( 5 (4)) < 0 5 (G) = 4 G cos G + 4 en el in-
tervalo [3 , 5].
) [0, 1] = [3 , 4]; Código:
err = |(4 3)/4 | = 0.25; res = | 5 (4)| = 0.0546 » x = �:�.��:�;
» y = exp(-x)-cos(x+pi/�);
iter = 2 : sign( 5 (3)) > 0 , sign( 5 (4)) < 0 » plot(x,y,’g’); grid on; hold on;
» xL = xlim; yL = ylim;
) 2 = (3 + 4)/2 = 3.5; sign( 5 (3.5)) > 0 »line([� �], yL);
) [0, 1] = [3.5, 4]; »line(xL, [� �]);
» axis([� � -� �]);
err = |(3.5 4)/3.5 | = 0.1429; res = | 5 (3.5)| = 0.4443 » [x y] = ginput
iter = 3 : sign( 5 (3.5)) > 0 , sign( 5 (4)) < 0

x=
) 2 = (3.5 + 4)/2 = 3.75; sign( 5 (3.75)) > 0
) [0, 1] = [3.75, 4]; �.��
err = |(3.75 4)/3.75 | = 0.0667 < & ;
y=
res = | 5 (3.75)| = 0.199586
Luego la aproximación a la raíz con la tolerancia especificada es -�.��e-��
= 3.75 » plot(�.��,�,’ro’,’MarkerSize’,��);
» title(’f(x) = exp(-x)-cos(x+pi/�)’);
» xlabel(’x’); ylabel(’y’);
y se ha alcanzado después de � iteraciones.
El método de la bisección es un tipo de método global, esto es, siempre
converge sin importar la distancia a la raíz real de la ecuación, aunque
también presenta desventajas. Estas son:
�. que no puede emplearse para hallar las raíces de funciones tan-
gentes al eje G ,
�. que en comparación con otros métodos converge de forma muy
lenta. Sin embargo, emplear este método junto con otro cuya
convergencia es más rápida puede dar lugar a un algoritmo eficaz
para la búsqueda de raíces, y
�. que no tiene en cuenta los valores 5 (0) y 5 (1). Por ejemplo, podría
ocurrir que 5 (1) estuviera más próximo a 0 que 5 (0), en tal caso,
es más probable que la raíz se encuentra más cercana a 1 que
0 . Este hecho, sin embargo, lo explota el método que veremos a
continuación.
Resumen del Método de la bisección

El método de la biseccióna es un tipo de método de búsqueda incremental
en el cual el intervalo siempre se divide por la mitad. Si la función
cambia de signo sobre el intervalo, se evalúa la función en el punto
mitad del intervalo.
La raíz se localiza entonces en el subintervalo, que tiene como uno
de los extremos al punto medio, donde la función cambia de signo.
El proceso se repite hasta que se cumplen los criterios de parada.
a Tambiénllamado método del corte binario, método de reducción del intervalo a la
mitad o método de Bolzano
Método de Regula Falsi
Aunque el método de la bisección siempre va a converger a la raíz, se

trata de un método poco eficiente dada su lenta convergencia. Es por esto
que, dentro de los métodos cerrados, el método de regula falsi o de la
posición falsa constituye una buena alternativa.
En este método de nuevo se parte de un intervalo inicial, [0, 1], que

contiene a la raíz que se quiere aproximar, y por tanto debe cumplirse
de nuevo que 5 (0) 5 (1) < 0. Pero en este caso, en lugar de calcular el
punto medio del intervalo, se consigue una mejor aproximación haciendo
uso de la recta secante que une los puntos (0, 5 (0)) y (1, 5 (1)), cuya
intersección con el eje G viene dada por el punto (2, 0).
Para hallar 2 partimos de las pendientes de las siguientes rectas se-

cantes:
I La que resulta de unir los puntos (0, 5 (0)) y (1, 5 (1)) , cuya pendi-
ente viene dada por
5 (1) 5 (0)
<1 =
1 0
I La que resulta de unir los puntos (2, 0) y (1, 5 (1)), cuya pendiente
es
0
5 (1)
<2 =
2 1
Igualando las pendientes anteriores se tiene
5 (1) 5 (0) 0 5 (1)

<1 = <2 ) =
1 0 2 1
bf(a) af(b) f(b)(b a)
) c= =b
f(a) f(b) f(b) f(a)
En el cálculo de 2 se hará uso de la segunda expresión (en rojo) dado que

involucra una evaluación de la función 5 menos y una multiplicación
menos que la primera expresión. Además, permitirá una comparación
directa con el método de la secante que se estudiará posteriormente.
Una vez calculado 2 , pueden darse uno de los siguientes casos:

�. B8 6=( 5 (0)) < B8 6=( 5 (2)), luego hay un cero de 5 en [0, 2].
�. B8 6=( 5 (1)) < B8 6=( 5 (2)), luego hay un cero de 5 en [2, 1].
�. 5 (2) = 0, entonces 2 es un cero de 5 .
Así, el valor de 2 reemplaza a cualquiera de los valores iniciales 0 o 1 de Fig. �.�. Representación gráfica del
forma que el nuevo intervalo contenga a la raíz. Este proceso se repite método de regula falsi cuando uno de
hasta que se alcanza una aproximación con la precisión requirida. los extremos permanece fijo
En general, el error cometido al aplicar el método de regula falsi disminuye

más rápido que en el método de la bisección debido a que se trata de un
algoritmo más eficiente para la detección de raíces.
Sin embargo, puede darse la siguiente situación: aunque a medida que
se van realizando las iteraciones y la anchura del intervalo [0 8 , 1 8 ] va
disminuyendo, es posible que no tienda a 0 sino a un valor constante.
Esto ocurre cuando la gráfica de 5 es convexa en un entorno del punto
( , 0). En ese caso, unos de los extremos del intervalo 0 8 o 1 8 permanece
fijo y es el otro el que se acerca a la raíz.
Gsiguiente Ganterior
Como el error relativo, 4 A = G siguiente , representa la discrepancia
entre la aproximación obtenida en el paso posterior, G siguiente , con re-
specto a la obtenida en el paso anterior, G anterior , el emplear este criterio
de parada podría producir iteraciones sin fin y, por tanto, no resulta útil
en este método.
Por lo tanto, como criterios de parada se deben de emplear el error relativo
junto con el residuo, Res(G 8 ) = | 5 (G 8 )| , de forma que se compruebe que
efectivamente tras cada iteración la evaluación de la función sobre los
valores obtenidos se aproxima a 0.
Lo anterior pone de manifiesto una gran desvantaja de este método: su

unilateralidad, esto es, que a medida que se realizan las iteraciones uno
de los extremos del intervalo permanezca fijo. Este hecho puede llevar a
una convergencia pobre, lo que se pone de manifiesto en funciones con
una curvatura significativa.
A continuación se muestra el pseudo-código asociado al método de
regula falsi.
Algoritmo �: Pseudo-código del método de regula falsi

input : f, a, b,Nmax, tol
� fa = f(a);
� fb = f(b);
� if sign(fa)=sign(fb) then
� stop;
� else
� siguiente paso;
� end
� for : = 1 , 2 , . . . , Nmax do
�� c = b - fb*(b-a)/(fb-fa) ;
�� fc = f(c);
�� err = abs((b-a)/b);
�� res = abs(f(c));
�� if sign(fa)< sign(fc) then
�� b=c;
�� fb = fc ;
�� else
�� a=c;
�� fa = fc ;
�� end
�� stop;
�� else
�� end
�� end
Como se puede observar en el pseudo-código, también se hace uso del

criterio de parada asociado al número máximo de iteraciones, Nmax,
aunque no existe una expresión para su cálculo en el método de regula
falsi, de forma que en general se suele establecer un valor que en caso de
que se alcance, sea un indicador de que hay el método no converge o hay
algún problema en el código.
Ejemplo �.�.� Haciendo uso del método de regula falsi aproximar la

raíz más proxima a 0 de la ecuación
G cos(G) 3=0
con una tolerancia & = 0.1
Como se puede comprobar en la figura Fig.(�) , la raíz más cercana a 0

es 1 , de modo que el intervalo de partida que vamos a considerar es
[ 3 . 5 , 2 . 5].
iter = 1 : sign( 5 ( 3.5)) > 0 , sign( 5 ( 2.5)) < 0

)2=1 5 (1)(1 0)/( 5 (1) 5 (0)) = 3.282;
sign( 5 ( 3.282)) > 0
) [0, 1] = [ 3.282, 2.5];
err = |( 3.282 ( 2.5))/( 3.282)| = 0.24;
res = | 5 ( 3.282)| = 0.25
iter = 2 : sign( 5 ( 3.282)) > 0 , sign( 5 ( 2.5)) < 0 Fig. �.�. Gráfica de la función
5 (G) = G cos(G) 3 en el intervalo
)2=1 5 (1)(1 0)/( 5 (1) 5 (0)) = 3.125; [ 3.5 , 2.5].
Código:
sign( 5 ( 3.125)) > 0
»x = -�:�.��:�;
) [0, 1] = [ 3.125 , 2.5]; »y = x.*cos(x)-�;
»plot(x,y,’b’); grid on; hold on;
err = |( 3.125 ( 2.5))/( 3.282)| = 0.2; »xL = xlim; yL = ylim;
»line([� �], yL);
res = | 5 ( 3.125)| = 0.12
»line(xL, [� �]);
iter = 3 : sign( 5 ( 3.125)) > 0 , sign( 5 ( 2.5)) < 0 »plot(x,y,’g’);
»axis([-� � -� �]);
)2=1 5 (1)(1 0)/( 5 (1) 5 (0)) = 3.056; »title(’f(x) = xcos(x)-�’);
»xlabel(’x’); ylabel(’y’);
sign( 5 ( 3.056)) > 0
»[x y] = ginput
) [0, 1] = [ 3.065 , 2.5];
err = |( 3.056 ( 2.5))/( 3.056)| = 0.18; x=
res = | 5 ( 3.056)| = 0.04 < & ;

-�.��
-�.��
Luego la aproximación a la raíz más cercana a 0 con la tolerancia
especificada es
y=
⇡ 3.056
y se ha alcanzado después de � iteraciones. -�.��
-�.��
Como se puede observar en el ejemplo, uno de los extremos del intervalo
ha quedado estacionario, el superior 1 = 2.5, mientras que ha sido el »plot(-�.��,�,’ro’,’MarkerSize’,�);
extremo inferior el que ha ido cambiando tras cada iteración, aproximán- »plot(-�.��,�,’ro’,’MarkerSize’,�);
dose a la raíz. »text� = text(-�.��,�.�,’ 1 ’);
»text� = text(-�.��,-�.�,’ 2 ’);
Además, se ve como el error relativo no cambia de forma significativa en
las tres iteraciones, mientras que sí lo hace y notablemente el residuo,
de tal modo que a la tercera iteración ya se había alcanzado la precisión
requerida en el ejemplo.
Resumen del método de regula falsi

El método de regula falsi a es un sistema alternativo al método
de la bisección basado en el trazado de una recta secante que une
los puntos extremos del intervalo de partida, [0, 1], que contiene a
la raíz. La intersección de dicha recta con el eje G representa una
estimación mejorada de la raíz,
5 (1)(1 0)
2=1
5 (1) 5 (0)
Este valor reemplaza a cualquiera de los extremos del intervalo

siempre que el nuevo intervalo contenga a la raíz. El proceso se
repite hasta que se obtiene la aproximación a la raíz con la precisión
requerida.
a También llamado método de la falsa posición o método de interpolación lineal
En general, puede decirse lo siguiente de los métodos cerrados:

I La raíz a aproximar se encuentra contenida en un intervalo cerrado
y acotado.
I Los algoritmos asociados a estos métodos siempre llevan a aproxi-
maciones cada vez más cercanas al valor real de la raíz.
I Se dice que estos métodos son globalmente convergentes dado que
siempre, a medida que se realizan iteraciones, las aproximaciones
se mueven hacia el valor real de la raíz.
�.� Métodos Abiertos
Los métodos abiertos se basan en algoritmos que requieren sólo de un

único valor inicial (o semilla), o a lo sumo dos que no necesariamente
han de contener a la raíz.
Por lo tanto, este tipo de métodos a veces pueden diverger, es decir, dar
lugar a aproximaciones cada vez más alejadas del valor real de la raíz.
Sin embargo, cuando convergen lo hacen más rápido que los métodos
cerrados.
Método del Punto Fĳo
Sea 5 una función y una raíz, i.e., 5 ( ) = 0. Gráficamente, esto se

traduce en que ( , 0) representa el punto de intersección de la gráfica de
5 con el eje G .
No sólo eso, sino que además el punto ( , ) puede representar el punto

de intersección de una nueva función, 6 , con la recta H = G , i.e., = 6( ),
que se lee como “ 6(G) permanece en ”.
Se dice entonces que es un punto fijo de 6 ¶ y la fórmula iterativa
asociada,
G 8+1 = 6(G 8 ), 8 = 0, 1, 2 , . . . (�.�)
se denomina iteración de punto fijo para 6 , mediante la cual se obtiene
un nuevo valor de G 8+1 en función de un valor anterior, G 8 .
Para obtener la fórmula (�.�) se ha de reorganizar la ecuación 5 (G) = 0 de
forma que quede una G en el lado izquierdo de la igualdad y la función
6 en el lado derecho. Esto se puede conseguir mediante manipulaciones
algebraicas o añadiendo G a ambos lados de la ecuación original.
Ejemplo �.�.� A partir de la ecuaciones no lineal
G 2 + 3G 2=0
¶ Esimportante no confundir el concepto de raíz de una función 5 con el concepto de

punto fijo de 5 , que en general son distintos. Así, cuando se hace uso del método del
punto fijo para aproximar la raíz de una función, la raíz es el punto fijo de la función 6 no
de 5 .
obtener cuatro funciones 6 diferentes tales que G = 6(G).
2 G2
G= = 61 (G)
3
3 2G
G= = 62 (G)
G
G = G 2 + 4G 2 = 63 (G)
Ahora bien, cabe hacerse las siguientes preguntas sobre la función 6 .

�. ¿Bajo qué condiciones existe un punto fijo?
�. ¿Bajo qué condiciones la fórmula iterativa (�.�) converge?
�. Si la fórmula iterativa converge, ¿cuál es la velocidad de convergen-
cia?
Fig. �.�. Representación gráfica de una
La respuesta a cada una de las preguntas queda recogida en el siguiente función contractiva. Como se puede obser-
teorema y corolario que resultan fundamentales para entender qué aporta var, la distancia entre los puntos G 1 y G 2 se
la iteración de punto fijo en la práctica para la aproximación de raíces. mapea a una distancia menor entre 5 (G 1 ) y
5 (G2 ).
El teorema establece:
I las condiciones bajo las cuales la función 6 dada tiene al menos un
punto fijo;
I las condiciones bajo las cuales la función 6 tiene un único punto
fijo;
I las condiciones bajo las cuales la iteración de punto fijo converge
para cualquier valor inicial G 0 en un intervalo dado;
I una estimación del error en caso de convergencia.
Fig. �.�. Convergencia monótona (0 <

Teorema �.�.� Existencia de punto fijo y convergencia 6 0 (G) < 1, 8G 2 [0, 1]).
Sea 6 2 C([0, 1]).
�. Si 0  6(G)  1 8G 2 [0, 1] a , entonces
I 6 tiene al menos un punto fijo 2 [0, 1];
�. Si existe un valor ⇣ < 1 tal que
| 6(G) 6(H)|  ⇣|G H|, 8G, H 2 [0, 1] (�.�)
se dice que 6 es una función contractiva y en ese caso

I es único; Fig. �.��. Convergencia oscilante ( 1 <
I la iteración G 8+1 = 6(G 8 ) converge a para cualquier valor inicial, 6 0 (G) < 0, 8G 2 [0, 1]).
G0 2 [0, 1];
�. Si 6 es continuamente diferenciable sobre [0, 1] con
a) maxG2[0,1] | 6 0(G)| = ⇣ < 1, entonces
i. es única;
ii. la iteración G 8+1 = 6(G 8 ) converge a para cualquier valor
inicial G 0 2 [0, 1];
iii. resulta un punto fijo atractivo de 6 .
b) maxG2[0,1] | 6 0(G)| > 1, entonces
i. la iteración G 8+1 = 6(G 8 ) no converge a , i.e., diverge
localmente;
ii. es un punto fijo repulsivo de 6 .
a Esta
hipótesis garantiza que las iteraciones que se realicen de acuerdo a G 8+1 = 6(G 8 )
permanecen en el intervalo [0, 1] que es donde se satisface (�.�)
Ejemplo �.�.� Sea la iteración
1 G
G 8+1 = 6(G 8 ), 6(G) = 4
3
⇥ ⇤
A partir de la expresión de 6 se tiene que 0  6(G) ⇥ 13 8G 1
⇤ 2 0, 3 .
1
Por tanto, podemos escoger como intervalo [0, 1] = 0 , 3 . Como 6
es continua en dicho intervalo, por el teorema anterior, se sabe que
⇥ contenido
tiene un punto fijo ⇤ en el mismo. Como 6 es continuamente
diferenciable en 0 , 13 y

0 1 G 1 1
max | 6 (G)| = max 4  < 1, 8G 2 0 ,
G2[0, 13 ] G2[0, 13 ] 3 3 3
se concluye que el punto fijo es único. Además, la iteración converge,

por tanto se trata de un punto fijo atractivo.
El corolario establece que bajo las condiciones anteriores es posible Fig. �.��. Divergencia monótona ( 6 0 (G) >
1, 8G 2 [0, 1]).
obtener una cota superior del error cometido al aproximar el punto fijo.
Corolario �.�.� Cota superior del error

Si la función 6 verifica las condiciones del teorema anterior, las siguientes
desigualdades proveen de una cota superior para el error cometido al aproximar
la raíz por el valor G = obtenido de la iteración de punto fijo,
⇣=
| G= |  ⇣= | G0 | o | G= |  |G1 G 0 |, = 1
1 ⇣
Sin embargo, el teorema anterior no dice que ocurrirá si | 6 0(G)| = 1, de

forma que habrá que estudiar el caso de forma particular.
Desde el punto de vista práctico, los criterios de parada serán los mismos Fig. �.��. Divergencia oscilante ( 1 <
que los empleados en los métodos anteriores: 6 0 (G), 8G 2 [0, 1]).
Gsiguiente G anterior
I Error relativo, 4 A = G siguiente ;
I Residuo, Res = | 5 (G 8 )| ;
I Número máximo de iteraciones, #max .
A continuación se muestra el pseudo-código asociado al teorema del

punto fijo, cuya estructura es muy simple: consiste de un bucle que
calcula de forma iterativa las aproximaciones al punto fijo de la función
6 (o equivalentemente, a la raíz de la ecuación no lineal 5 (G) = 0)
hasta que se cumple cualquiera de los criterios de parada mencionados
anteriormente.
Algoritmo �: Pseudo-código del método del punto fijo

input : f,g, x�,Nmax, tol
� if g(x�)=x� then
� stop;
� else
� siguiente paso;
� end
� for : = 1 , 2 , . . . , Nmax do Fig. �.��. Representación gráfica del ejem-
plo �.�.�. Se observa como la convergencia
� x� = g(x�) ; es de tipo oscilante dado que 1 < 6 0 (G) <
� fx� = f(x�); 0 8G 2 [0.65 , 0.75].
�� err = abs((x�-x�)/x�);
�� res = abs(fx�);
�� stop;
�� else
�� end
�� end
Ejemplo �.�.� Sea la ecuación no lineal 4 G G 2 = 0. Aplicar el método Fig. �.��. Representación gráfica del ejem-
del punto fijo para obtener una aproximación de su raíz con una toler- plo �.�.�. Aquí se muestra como en el
intervalo escogido [0.65 , 0.75] se cumple
ancia & = 0.1 y valor inicial G 0 = 0.65 que 6(G) 2 [0.65 , 0.75], cumpliéndose la
condición necesaria para aseguar la exis-
tencia de un punto fijo en dicho intervalo.
A partir de 5 (G) = 0 construimos la ecuación 6(G) = G , en este caso
sumando a ambos miembros de la igualdad G , i.e.,
4 G
G2 = 0 ) 4 G
G 2 +G = G ) 6(G) = 4 G
G2 + G
En la gráfica se observa como en el intervao [0.65 , 0.75] la función

6(G) 2 [0.65 , 0.75] y | 6 0(G)| < 1 8G 2 [0.65 , , 0.75], de forma que que
la función 6(G) tiene un único punto fijo contenido en el intervalo
[0.65, 0.75] y además la iteración de punto fijo converge a dicho valor.
Fig. �.��. Representación gráfica del ejem-

plo �.�.�. Aquí se muestra como en el
intervalo escogido [0.65 , 0.75] se cumple
que 6(G) 2 [0.65 , 0.75], cumpliéndose la
condición necesaria para aseguar la exis-
tencia de un punto fijo en dicho intervalo.
iter = 1 : G 1 = 6(0.65) = 0.7495

err = |(0.7495 0.65)/0.65 | = 0.13;
res = | 5 (0.7495)| = 0.1
iter = 2 : G 2 = 6(0.7495) = 0.6603 Fig. �.��. Representación gráfica del ejem-
plo �.�.�. Aquí se muestra como además
err = |(0.6603 0.74959)/0.6603 | = 0.13 | 6 0 (G)| < 1 8G 2 [0.65, 0.75]. Esto garan-
tiza que el punto fijo que existe en el inter-
res = | 5 (0.6603 )| = 0.081 < & valo [0.65 , 0.75] es único y que la iteración
iter = 3 : G 3 = 6(0.6603) = 0.7409 de punto fijo convergerá al mismo.
err = |(0.7409 0.6603)/0.7409 | = 0.11;

A4 B = | 5 (0.7409)| = 0.07;
iter = 4 : G 4 = 6(0.7409) = 0.6686
err = |(0.6686 0.7409)/0.6686 | = 0.11;
A4 B = | 5 (0.6686)| = 0.06;
iter = 5 : G 5 = 6(0.6686) = 0.7340
err = |(0.0.7340 0.6686)/0.0.7340 | = 0.08 < & ;
A4 B = | 5 (0.7409)| = 0.05;
Luego, la aproximación a la raíz con la tolerancia especificada es
⇡ 0.7340
y se ha obtenido tras � iteraciones.
Análisis del error
Partimos del error asociado a la (8 + 1)-ésima iteración, ⇢ 8+1 = G 8+1 ,y

la fórmula iterativa del punto fijo G 8+1 = 6(G 8 ). Buscamos obtener una
relación entre ⇢ 8+1 y ⇢ 8 y para ello insertamos la expresión del error en
la fórmula anterior, i.e.,
G 8+1 = 6(G 8 ) ) G 8+1 = 6(G 8 ) ) ⇢ 8+1 = 6(G 8 ) 6( ) (�.�)
que, aplicando el Teorema del Valor Medio� , puede escribirse como �: El Teorema del Valor Medio establece
el siguiente resultado:
⇢ 8+1 = 6 0(⇢8 )⇢ 8 , ⇢8 2 [G 8 , ] (�.�) Sea 5 una función continua en el inter-
valo [0, 1] y derivable en (0, 1). Entonces,
existe 2 2 (0, 1) tal que
de forma que el cociente de los errores en valor absoluto resulta,
5 (1) 5 (0)
5 0 (2) =
⇢ 8+1 1 0
= | 6 0(⇢8 )|, ⇢8 2 [G 8 , ] (�.�)
⇢8 Geométricamente, el Teorema del Valor
Medio implica la existencia de una recta
A partir de (�.�) se pueden distinguir diferentes casos respecto de la tangente en el punto (2, 5 (2)) paralela a
la recta secante que pasa por los puntos
convergencia del método del punto fijo, recogidos en la siguiente tabla.
(0, 5 (0)), (1, 5 (1)).
| 6 0(⇢8 )| < 1 | 6 0(⇢8 )| > 1 | 6 0(⇢8 )| . 1 | 6 0(⇢8 )| = 1

convergencia lineal(*) diverge converge lentamente (< lineal) estudio particular de 6
(*) Si ⇢ 8 es suficientemente pequeño, entonces ⇢8 se encuentra próximo

a y en tal caso 6 0(⇢8 ) ⇡ 6 0( ) ( | 6 0( )| < 1), de forma que (�.�) puede
escribirse como
⇢ 8+1 = 6 0(⇢)⇢ 8 ⇡ 6 0( )⇢ 8 = ⇢8 , | | = | 6 0( )| < 1
Es decir, el error presenta un comportamiento lineal a lo largo del proceso

iterativo, en el caso convergente del método del punto fijo.
Resumen del método del punto fijo

El método del punto fijo implica reformular la ecuación 5 (G) = 0
bajo la forma G = 6(G), para cierta función 6 , cuyas soluciones se
denominan puntos fijos de 6 .
Así, dada una aproximación inicial, G 0 , se calcula la siguiente
aproximación a como
G 8+1 = 6(G 8 ), 8 = 0, 1, 2, . . .
Este esquema iterativo recibe el nombre de iteración de punto fijo

y bajo ciertas condiciones sobre 6 y 6 0 está asegurada la existencia
y unicidad del punto fijo de 6 (equivalentemente, del cero de 5 ) así
como la convergencia del método para cualquier valor inicial , G 0 ,
en un intervalo dado:
I 6(G) 2 [0, 1] (Existencia de punto fijo),
I | 6(G) 6(H)|  ⇣|G H| , 8G, H 2 [0, 1] o | 6 0 (G)|  ⇣ < 1,
8G 2 [0, 1] (Unicidad del punto fijo + Convergencia)
Desde un punto de vista geométrico, la iteración de punto fijo suele
converger cuando la gráfica de la función 6 no tiene una pendiente
muy pronunciada (tanto si es positiva como si es negativa). En caso
�: En ��, Newton publicó su gran obra
contrario, divergea . “Principia Matematica”, donde se recoge
a Estose debe a que la pendiente de la gráfica de 6 indica la capacidad de 6 para por primera vez este método de local-
“estrechar”. Así, si 6 tiene una pendiente pronunciada en una región, dos puntos ización de raíces, aunque probablemente
cercanos, G e H , en dicha región tendrán imágenes 6(G) y 6(H) alejadas entre sí. ya lo usaba en ��.
�: El método de Newton también se
conoce a veces como el método de Newton-
Raphson en honor al matemático inglés
Método de Newton-Raphson Joseph Raphson quien publicó este método
en su libro “Analysis Aequationum Uni-
versalis”, antes de que lo hiciera Newton.
El método de Newton es el algoritmo clásico para la búsqueda de raíces De hecho su versión era más sencilla que
de funciones. Históricamente, parece que fue usado por primera vez la de Newton y por tanto, considerada
por Newton en �� , aunque las ideas subyacentes al método ya se más efectiva. Es por este motivo que es la
empleaban con anterioridad. De hecho, los antiguos babilonios disponían versión de Raphson y no de la Newton la
de un método para aproximar las raíces cuadradas que en esencia es el que se sigue enseñando y aplicando hoy
día.
método de Newton. �
El hecho de que 5 , 5 0 y 5 00 sean continuas en un entorno de la raíz

que se pretende aproximar, , provee de una valiosa información para
desarrollar algoritmos mucho más potentes en cuanto a la rapidez de
convergencia, que los asociados a los métodos cerrados. Es precisamente
en esta característica de la función (la continuidad de 5 0 y 5 00) en la que
se basa el método de Newton-Raphson.
Hay dos derivaciones del método de Newton-Raphson: una geométrica
y otra analítica.
Tal y como se muestra en la figura �.��, la ideal fundamental del método Fig. �.��. Representación gráfica del
de Newton consiste en emplear la aproximación lineal de la función 5 en método de Newton-Raphson.
el punto (G 0 , 5 (G 0 )), esto es, su recta tangente. El punto donde la recta

tangente intersecta con el eje G , G 1 , representa una mejor aproximación a
la raíz.
Partiendo de la expresión para la pendiente de la recta tangente en el
punto G 0 ,
H 5 (G0 )
= 5 0(G0 )
G G0
en el punto de intersección con el eje G se tiene que
0 5 (G 0 )
= 5 0(G0 )
G1 G0
o reordenando los términos,
5 (G0 )
G1 = G0
5 0(G0 )
que resulta la siguiente aproximación obtenida a partir del valor inicial.

Si el proceso se vuelve a repetir trazando ahora la recta tangente a 5 en
el punto (G 1 , 5 (G 1 )), su intersección con el eje G proporciona la siguiente
aproximación a la raíz,
5 (G1 )
G2 = G1 .
5 0(G 1 )
o, en general,
f(xi )
xi+1 = xi , i 0 (�.��)
f0(xi )
La fórmula iterativa anterior recibe el nombre de fórmula de Newton-
Raphson.
La segunda derivación del método de Newton-Raphson consiste en un

desarrollo analítico basado en el Teorema de Taylor� : Sea un valor G 8 �: El Teorema de Taylor establece que para
próximo a , desarrollando 5 en serie de Taylor en torno a G 8 se tiene toda función con = + 1 derivadas continuas
en su dominio, , si G 0 2 entonces 5
que
puede representarse mediante su Serie de
Taylor centrado en dicho punto, i.e.,
1
5 (G) = 5 (G 8 ) + (G G 8 ) 5 0(G 8 ) + (G G 8 )2 5 00(⇢8 ), ⇢8 2 [G, G 8 ] 5 0 (G0 ) 5 00 (G0 )
2 5 (G) = 5 (G0 ) + (G G0 ) + (G G 0 )2 +
1! 2!
Dado que los dos primeros términos representan la aproximación lineal π G
5 (=)(G0 ) (G C)= (=+1)
...+ (G G 0 )= + 5 (C) 3C
de 5 en el punto G 8 (gráficamente, la recta tangente en el punto G 8 ) si se =! G0 =!
hace 5 (G) = 0 (gráficamente, la intersección de la recta tangente con el | {z }
eje G ) y se despeja G , se obtiene ' = (G,G 0 )
5 (G 8 ) 1 5 00(⇢8 )
G = G8 (G G 8 )2 .
5 0(G 8 ) 2 5 0(G 8 )
Descartando el resto de la aproximación y redefiniendo G ⌘ G 8+1 se llega

de nuevo a la fórmula iterativa de Newton-Raphson� , �: Como puede observarse en la fór-
mula, pueden aparecer problemas cuando
5 (G 8 ) 5 0 (G 8 ) ⇡ 0.
G 8+1 = G 8 , 8 0
5 0(G 8 )
Ejemplo �.�.� Hacer uso del método de Newton-Raphson para aprox-

imar la raíz de la ecuación no lineal

p
sin( G) G=0
con un valor inicial, G 0 = 0.5 y una tolerancia, & = 10 2 .
En primer lugar, calculamos la primera derivada de 5 ,
1 p
5 0(G) = p cos( G) 1
2 G
de forma que la fórmula de Newton resulta

p
sin( G 8 ) G 8
G 8+1 = G 8 p Fig. �.��. Representación gráfica de los
p1 sin( G 8 ) 1
2 G 8 casos en el que la raíz esta próxima a un
punto de inflexión y cuando la tangente en
a partir de la cual comenzamos con el cálculo de las aproximaciones a el punto de aproximación tiene pendiente
nula.
la raíz.
iter = 1 : G 1 = G0 5 (G0 )/ 5 0(G 0 ) = 0.8236

err = |(0.8236 0.5)/0.8236 | = 0.39;
res = | 5 (0.8236)| = 0.04
iter = 2 : G 2 = G1 5 (G1 )/ 5 0(G 1 ) = 0.7697
err = |(0.7697 0.8236)/0.7697 | = 0.07
res = | 5 (0.7697 )| = 0.000665 < &
Fig. �.��. Representación gráfica del caso
iter = 3 : G 3 = G2 5 (G2 )/ 5 0(G 2 ) = 0.7686
en el que el valor inicial se escoge situado
err = |(0.7686 0.7697)/0.7686 | = 0.0014 < & ; entre dos puntos extremos de la función
5.
res = | 5 (0.7686)| = 9.1 · 10 8 ;
Luego la aproximación a la raíz con la tolerancia especificada es
⇡ 0.7686

Aunque el método de Newton-Raphson es a menudo muy eficiente,
cuando la raíz es simple y se escoge el valor inicial suficientemente
próximo a la raíz� , no es un método global sino local y por tanto hay �: Una forma de acelerar la convergencia
situaciones en las que su convergencia es muy pobre o directamente del método de Newton-Raphson es el lla-
diverge. Estas son: mado método de Halley, cuya fórmula
iterativa resulta
�. Por la naturaleza de la función, puede ocurrir que el método ✓ ◆ 1
5 (G 8 ) 5 (G 8 ) 5 00 (G 8 )
converja muy lentamente; G 8+1 = G = 1 , 8 0
5 0 (G 8 ) 2( 5 0 (G 8 ))2
I Cuando 5 tiene un punto de inflexión ( 5 00 (G) = 0) en una donde el término entre paréntesis es
vecindad de la raíz. En este caso, el método de diverge; la modificación que se introducida. El
I En torno a un máximo o mínimo local el método oscila y método de Halley proporciona un orden
tiende a alejarse de la raíz real; de convergencia triple para los ceros sim-
ples de 5 (G).
I Cuando hay pendientes casi nulas consecutivas ( 5 0 (G) ⇡ 0),
puede ocurrir que partiendo de un valor inicial cercano a
la raíz que se quiere aproximar, se obtenga un nuevo valor
próximo a otra raíz;
I En situaciones donde hay una pendiente nula ( 5 0 (G) = 0) la
aproximación no llega a alcanzar el eje G , puesto que en la
fórmula de Newton-Raphson se está dividiendo entre 0!

I Ecuaciones con raíces múltiples� . �: Orden de una raíz. Sea 5 una fun-
ción cuyas derivadas hasta orden < están
�. Cuando se escoge un valor inicial, G 0 , suficientemente lejano de la definidas y son continuas en un entorno
raíz. del punto .
�. La periodicidad de la sucesión de aproximaciones {G 8 } 8 1 . Esto Se dice que la ecuación 5 (G) = 0 tiene una
ocurre cuando los elementos de dicha sucesión tienden a repetirse raíz de orden < en G = si
total o parcialmente. 5 ( ) = 0 , 5 0 ( ) = 0 , 5 00 ( ) = 0 , . . . , 5 (< 1)
( ) = 0,
Así pues, en general no existe un criterio general de convergencia para 5 (<)
( )<0
el método de Newton-Raphson. Su convergencia va a depender de la Si < = 1 se dice que la raíz es simple.
naturaleza de la función y de cómo se elĳa el valor inicial. Hay veces en Si < 2 se dice que la raíz es múltiple.
las que este problema puede solucionarse escogiendo un mejor valor de
partida, pero de nuevo, puede ocurrir que haya que escoger uno muy
próximo al valor real de la raíz para que el método converja o que no sea
posible encontrar ninguno óptimo para la función en particular.
Por tanto, siempre resulta muy útil, al principio, dibujar la gráfica de la
función para hacerse una idea acerca de su estructura y de dónde se
encuentra la raíz que se quiere aproximar.
A continuación se muestra el pseudo-código asociado al método de

Newton-Rapshon, que básicamente se obtiene a partir del correspondi-
ente al método del punto fijo.
Algoritmo �: Pseudo-código del método de Newton-Raphson

input : f,fp, x�,Nmax, tol
� for : = 1 , 2 , . . . , Nmax do
� x� = x� - f(x�)/fp(x�) ;
� fx� = f(x�);
� iter = iter + � ;
� err = abs((x�-x�)/x�);
� res = abs(fx�);
� if err<tol o res<tol then
� stop;
�� else
�� end
�� end
Análisis del error
En este apartado se demuestra la convergencia cuadrática del método de

Newton-Raphson en el caso de raíces simples.
El error asociado a la iteración 8 -ésima viene dado por ⇢ 8 = G 8 .

Asumimos que 5 00 es continua y es una raíz simple de 5 , i.e., 5 ( ) = 0
y 5 0( ) < 0.
Partiendo de la fórmula de Newton-Raphson tenemos el siguiente de-

sarollo,
5 (G 8 ) 5 (G 8 ) 5 0(G 8 )⇢ 8 5 (G 8 )
⇢ 8+1 = G 8+1 = G8 = ⇢8 = (�.��)
5 0(G 8 ) 5 0(G 8 ) 5 0(G 8 )
Por otro lado, haciendo uso del siguiente desarrollo de Taylor hasta
primer orden centrado en la 8 -ésima aproximación, G 8 , se tiene que
1 00
0 = 5 ( ) = 5 (G 8 ⇢ 8 ) = 5 (G 8 ) 5 0(G 8 )⇢ 8 + 5 (⇢8 )⇢28 , ⇢8 2 [G 8 , ]
2
1
) 5 0(G 8 )⇢ 8 5 (G 8 ) = 5 00(⇢8 )⇢28 (�.��)
2
Sustituyendo la expresión (�.��) en (�.��) se obtiene
1 5 00(⇢8 ) 2 1 5 00( ) 2
⇢ 8+1 = ⇢ ⇡ ⇢ = ⇢28 (�.��)
2 5 0(G 8 ) 8 2 5 0( ) 8
La expresión (�.��) establece que, aproximadamente, ⇢ 8+1 / ⇢ 28 . A este

comportamiento del error en cada iteración se le denomina convergencia
cuadrática y en la práctica significa que, si el método converge, en cada
iteración el error asociado es proporcional al cuadrado del error cometido
en la iteración anterior .
Ejemplo �.�.� Hacer uso delp método de Newton-Raphson para el

cálculo de la raíz cuadrada ( . p
Aplicar el apartado anterior al cálculo de la raíz cuadrada 11 con
una tolerancia & = 10 4 .
p
Sea ( 2 R+ y G = (. Entonces, G es la raíz positiva de la ecuación no
lineal
G2 (=0
Aplicando el método de Newton-Raphson sobre 5 (G) = G 2 ( la
fórmula iterativa resulta
✓ ◆
5 (G 8 ) G 28 ( 1 (
G 8+1 = G 8 = G8 = G8 G8 , 8 0
5 0(G 8 ) 2G 8 2 G8
Podemos, sin embargo, reescribir la fórmula anterior del siguiente

modo,
✓ ✓ ◆◆ ✓ ◆
G 28 ( 1 ( 1 (
G 8+1 = G 8 = 2G 8 G8 = G8 + , 8 0
2G 8 2 G8 2 G8
(�.��)
Esta fórmula es muy antigua y se acredita al ingeniero y arquitecto
griego Herón (�� AC-�� DC), quedando plasmada en su trabajo
“Metrica”.
En otras palabras, que la tasa de decrecimiento del error es cuadrática en cada iteración.
p
Procedemos ahora a la estimación del valor de la raíz cuadrada 11.
Para ello buscamos aproximar la raíz positiva de la ecuación no lineal
G 2 11 = 0 aplicando el método de Newton-Raphson y, en concreto,
haciendo uso de la fórmula (�.��) con ( = 11,
✓ ◆
1 11
G 8+1 = G8 +
2 G8
con G 0 = 3.
✓ ◆
1 11
iter = 1 : G1 = G0 + = 3.33333
2 G0
err = |(3.33333 3)/3.33333 | = 0.1;
res = | 5 (3.33333)| = 0.1
✓ ◆
1 11
iter = 2 : G2 = G1 + = 3.31667
2 G1
err = |(3.31667 3.33333)/3.33333 | = 0.005
res = | 5 (3.31667)| = 0.0003
✓ ◆
1 11
iter = 3 : G3 = G2 + = 3.31662
2 G2
err = |(3.31662 3.31667)/3.31662 | = 0.00001 < & ;
res = | 5 (0.7686)| = 0.00003 < & ;
p
Luego hemos obtenido que 11 ⇡ 3.31662 tras realizar � iteraciones y
con un error relativo 4 A = 10 5 .
Resolución de sistemas de ecuaciones no lineales
El método de Newton-Raphson aplicado a la resolución numérica de

sistemas de ecuaciones no lineales sigue la misma estrategia que la
empleada para aproximar la solución de una sola ecuación no lineal.
Por lo tanto, primero se lineariza la función no lineal 5 (G) (aproximación

mediante su recta tangente) obteniéndose una fórmula iterativa que
permite obtener las aproximaciones sucesivas a las raíces del sistema,
deteniéndose el proceso una vez se ha alcanzado la precisión requerida.
En el caso concreto de un sistema no lineal de dos ecuaciones y dos

incógnitas, (
51 (G, H) = 0
(�.��)
52 (G, H) = 0
se comienza partiendo de una aproximación inicial (G (0) , H (0) ) cercana

a la solución real del sistema y a continuación se calculan las cor-
(0) (0)
recciones de dichos valores, ⌘ 1 y ⌘ 2 , respectivamente, tales que
⇣ ⌘
(0) (0)
G (0) + ⌘1 , H (0) + ⌘2 será una mejor aproximación a la raíz (G ⇤ , H ⇤ ).
⇣ ⌘
(0) (0)
Introduciendo G (0) + ⌘ 1 , H (0) + ⌘ 2 en (�.��) y desarrollando en serie
de Taylor en dos variables hasta el primer término se tiene que
⇣ ⌘
8
>
< 0 = 51 G (0) + ⌘1 , H (0) + ⌘2 ⇡ 51 G (0) , H (0) + ⌘1 %G1 G (0) , H (0) + ⌘2 %H1 G (0) , H (0)
>
(0) (0) (0) % 5 (0) % 5
⇣ ⌘
>
> 0 = 52 G (0) + ⌘1 , H (0) + ⌘2 ⇡ 52 G (0) , H (0) + ⌘1 %G2 G (0) , H (0) + ⌘2 %H2 G (0) , H (0)
(0) (0) (0) % 5 (0) % 5
:
(�.��)
que resulta un sistema lineal cuyas incógnitas son los factores correctivos
(0) (0)
⌘1 y ⌘2 , siendo la matriz de coeficientes
" % 51 % 51
#
= %G
% 52
%H
% 52 (�.��)
%G %H (G (0) ,H (0) )
denominada matriz jacobiana de 51 y 52 , que ha de ser no singular, esto

es, que exista 1 para que pueda resolverse (�.��), dado que
" % 51 % 51
# " # 
(0)
⌘1 51 G (0) , H (0)
%G %H
(0) = (�.��)
% 52 % 52
⌘2 52 G (0) , H (0)
%G %H (G (0) ,H (0) )
" # " % 51 # 1 
© ™
(0) % 51
⌘ 51 G (0) , H (0)
) 1(0) = ≠ %G %H
Æ̈
⌘2
% 52 % 52 52 G (0) , H (0)
´ %G %H (G (0) ,H (0) )
(�.��)
(0) (0)
Una vez obtenidos ⌘ 1 y ⌘ 2 se calculan las siguientes aproximaciones a
las raíces, (G (1) , H (1) ),
  " #
(0)
G (1) G (0) ⌘
1) = + 1(0) (�.��)
H ( H (0) ⌘2
Repetiéndose los pasos anteriores se obtiene una sucesión de aproxima-

ciones a las raíces del sistema (G ⇤ , H ⇤ ).
En general, mediante el método de Newton-Raphson, la aproximación
(8 + 1)-ésima, G (8+1) , H (8+1) se calcula como
  " #
(8)
G (8+1) G (8) ⌘
(8+1) = (8) + 1(8) (�.��)
H H ⌘2
(8) (8)
donde ⌘ 1 y ⌘ 2 se obtienen resolviendo el sistema lineal
" % 51 % 51
# " # 
(8)
⌘1 51 G (8) , H (8)
%G %H
(8) = (�.��)
% 52 % 52
⌘2 52 G (8) , H (8)
%G %H ( G (8) ,H (8) )
Para la aproximación de las raíces, (G 1⇤ , G 2⇤ , . . . , G =⇤ ), de un sistema no

lineal de = ecuaciones con = incógnitas,
58 (G 1 , G2 , . . . , G = ) = 0 , 18= (�.��)
se suele emplear el formalismo matricial para el desarrollo del método

de Newton-Raphson. Así, en esta notación el sistema no lineal se escribe
como
2 G1 3 2 51 3
6 7 6 7
6 G2 7 6 52 7
6 7 6 7
(-) = 0 , -=6 . 7, =6.7 (�.��)
6 .. 7 6 .. 7
6 7 6 7
6G = 7 6 5= 7
4 5 4 5
La linearización del sistema no lineal análoga a (�.��) resulta
2 ⌘1 3 2 % 51 (-) % 51 % 51
(-)37
6 7 6 %G1 (-) ...
6 ⌘2 7 6 % 52 7
%G2 %G =
6 %G (-) (-)7
% 52 % 52
6 7 (-) ...
=6 . 7, = 66 1 . 7
7
%G2 %G =
0 = (-+ ) ⇡ (-)+ ,
6 .. 7 6 ..
.. ..
7
6 7 6 % 5=
. ... .
7
6 ⌘= 7 6 (-)
4 5 4 %G1 (-)75
% 5= % 5=
... %G2
(-) %G =
(�.��)
donde es la matriz jacobiana de orden = . Así, el vector de correcciónes
se calcula resolviendo el sistema lineal
= (-) (�.��)
1
ya sea mediante el método de Gauss o de la forma = (-), de
forma que la siguiente aproximación vendría dada por
- (8+1) = - (8) + (8)

, 18= (�.��)
Este proceso iterativo se repetiría hasta alcanzar la precisión requerida.
Ejemplo �.�.� Resolver numéricamente el sistema no lineal de ecua-

ciones con dos incógnitas
(
51 (G, H) = 1 + G 2 H 2 + 4 G cos(H)
52 (G, H) = 2 G H + 4 G sin(H)
mediante el Método de Newton-Raphson, partiendo de los valores

iniciales ( 1 , 4), hasta alcanzar una tolerancia & = 0.6.
Buscamos los valores (G ⇤ , H ⇤ ) tales que

(
51 (G ⇤ , H ⇤ ) = 0
52 (G ⇤ , H ⇤ ) = 0
Para ello, realizamos los siguientes pasos:

�. Cálculo de las derivadas parciales de 51 y 52 y construcción de la
matriz jacobiana.
% 51 % 51
= 2G + 4 G cos(H), = 2 H 4 G sin(H)
%G %H
% 52 % 52
= 2 H + 4 G sin(H), = 2G + 4 G cos(H)
%G %H

2 G + 4 G cos(H) 2 H 4 G sin(H)
) =
2 H + 4 G sin(H) 2 G + 4 G cos(H)
�. Proceso iterativo:
a) Valores iniciales para G e H ,
G (0) = 1 , H (0) = 4
b) Cálculo de los elementos de la matriz jacobiana para 8 = 0,

" (0) (0)
# 
(0) 2 G (0) + 4 G cos(G (0) ) 2 H (0) 4 G sin(H (0) ) 2.2405 7.7216
= (0 ) (0 ) =
2 H (0) + 4 G sin(H (0) ) 2 G (0) + 4 G cos(H (0) ) 7.7216 2.2405
(0) (0)
c) Cálculo de las correcciones ⌘ 1 y ⌘ 2 , las incógnitas del
sistema lineal
 " # 
(0)
(0) (0) (0) 2.2405 7.7216 ⌘1 51 (G (0) , H (0) )
= ) (0) =
7.7216 2.2405 ⌘2 52 (G (0) , H (0) )
 " # 
(0)
2.240 7.7216 ⌘1 14.2405
) (0) =
7.7216 2.2405 ⌘2 8.2784
" #  1   
(0)
⌘1 2.240 7.7216 14.2405 0.0347 0.1195 14.2405
(0) = 7.7216 2.2405 8.2784
=
0.1195 0.0347 8.2784
⌘2

0.4953
=
1.9878
d) Cálculo de G (1) e H (1) ,

  " #   
(0)
G (1) G (0) ⌘ 1 0.4953 0.5047
= + 1(0) = + =
H (1) H (0) ⌘2 4 1.9878 2.0122
e) Cálculo de errores:
|G (1) G (0) |
4 AG = = 0.9814
|G (1) |
|H (1) H (0) |
4AH = = 0.9879
|H (1) |
Res1 (G (1) , H (1) ) = | 51 (G (1) , H (1) )| = 3.0521
Res2 (G (1) , H (1) ) = | 52 (G (1) , H (1) )| = 1.4853
Como aún no se ha alcanzado la tolerancia establecida en el

enunciado volvemos a repetir los pasos anteriores.
a) Aproximación anterior: (G (1) , H (1) ) = ( 0.5047 , 2.0122)
b) Matriz jacobiana para 8 = 1,
" (1) (1)
# 
(1) 2 G (1) + 4 G cos(G (1) ) 2 H (1) 4 G sin(H (1) ) 1.2673 4.5702
= (1 ) (1 ) =
2 H (1) + 4 G sin(H (1) ) 2 G (1) + 4 G cos(H (1) ) 4.5702 1.2673
(1) (1)
c) Cálculo de las correcciones ⌘ 1 y ⌘ 2 ,
 " # 
(1)
(1) (1) (1) 1.2673 4.5702 ⌘1 51 (G (1) , H (1) )
= ) (1) =
4.5702 1.2673 ⌘2 52 (G (1) , H (1) )
 " # 
(0)
1.2673 4.5702 ⌘1 3.0521
) (0) =
4.5702 1.2673 ⌘2 1.4853
" #  1   
(0)
⌘1 1.2673 4.5702 3.0521 0.0563 0.2032 3.0521
(0) = 4.5702 1.2673 1.4853
=
0.2032 0.0563 1.4853
⌘2

0.1298
=
0.7038
d) Cálculo de G (2) e H (2) ,

  " #   
(1)
G (2) G (1) ⌘1 0.5047 0.1298 0.3749
( 2) = (1) + (1) = 2.0122
+
0.7038
=
1.3084
H H ⌘2
e) Cálculo de errores:
|G (2) G (1) |
4 AG = = 0.35 < &
|G (2) |
|H (2) H (1) |
4AH = = 0.54 < &
|H (2) |
Res1 (G (2) , H (2) ) = | 51 (G (2) , H (2) )| = 0.393 < &
Res2 (G (2) , H (2) ) = | 52 (G (2) , H (2) )| = 0.317 < &
Luego la aproximación a las raíces del sistema lineal resulta
( 0.3749 , 1.3084)
y se ha obtenido tras � iteraciones.

Al igual que en el caso de una sola ecuación no lineal, la convergencia
del método de Newton-Raphson aplicado a sistemas no lineales no está
asegurada pues puede ocurrir que:
I la matriz Jacobiana, , sea singular en alguna iteración,
I los valores iniciales no se encuentren suficientemente cercanos a
las raíces reales del sistema.
De hecho, al contrario que en el caso de una variable, la representación
gráfica del sistema no resulta de ayuda en el caso multivariable y, por tanto,
se ha de recurrir al método de ensayo y error así como al conocimiento
del contexto (físico, matemático, ingenieril,...) en el que se enmarca el
sistema, para establecer unos valores de partida adecuados.
Resumen del Método de Newton-Raphson

El método de Newton-Raphson constituye un caso particular del
método del punto fijo, donde dada una aproximación inicial, G 0 , a
la raíz, , se calculan las siguientes como
5 (G 8 )
G 8+1 = G 8 = 6 (# ')
(G 8 ), 8 0
5 0(G 8 )
Este esquema iterativo se denomina fórmula de Newton-Raphson.

Así, cada una de las aproximaciones G 8 son el punto de intersección
de la recta tangente a la gráfica de 5 en el punto correspondiente a
la aproximación anterior, (G 8 1 , 5 (G 8 1 )) con el eje G .
Aunque se trata de un método local y no siempre está garantizada
su convergencia, bajo ciertas condiciones de la función 5 y si la raíz
es simple se puede asegurar su convergencia cuadrática:
Sea 5 : (0, 1) ! R una función diferenciable tal que:

I 5 0 tiene una constante (de Lipschitz) ⇣ > 0 en (0, 1);
I | 5 0 | está acotada lejos de 0 en (0, 1) e inf G2(0,1) | 5 0 (G)| > 0;
I Existe 2 (0, 1) con 5 ( ) = 0.
Entonces, existe un radio A > 0 tal que, independientemente de

la aproximación inicial G 0 2 ( A, + A), la secuencia de aproxi-
maciones {G 8 } 8 0 se encuentra en ( A, + A) y G 8 ! cuando
8 ! 1.
Método de la Secante
Si se recuerda la fórmula de Newton,
5 (G 8 )
G 8+1 = G 8
5 0(G 8 )
queda claro que uno de los inconvenientes principales de este método es

que involucra la primera derivada de 5 . Esto puede suponer problemas
en la práctical real, cuando por ejemplo la función en cuestión no está
definida de forma explícita sino de forma numérica o bien porque a veces
puede resultar muy complicada su obtención analíticamente� . �: Una forma de solucionar esta desven-
Una opción, consiste en reemplazar 5 0(G = ) por su cociente en diferencias� taja se conoce como método de Steﬀensen
cuya fórmula iterativa viene dada por
5 (G 8 ) 5 (G 8 1 ) [ 5 (G 8 )]2
5 0(G 8 ) ⇡ (�.��) G 8+1 = G 8 , 8 0
G8 G8 1 5 (G 8 + 5 (G 8 )) 5 (G 8 )
siendo la fórmula resultante
�: Esta aproximación procede de la defini-
ción de 5 0 a través del límite
5 (G 8 )(G 8 G 8 1 )
G 8+1 = G 8 , 8 1 (�.��) 5 (G) 5 (D)
5 (G 8 ) 5 (G 8 1 ) 5 0 (G) = lim
D!G G D
la asociada al denominado método de la secante. Como puede obser-
varse en (�.��) este método requiere de dos valores iniciales G 0 y G 1 ,
aunque como no se requiere que 5 tenga signos opuestos cuando se
evalúa sobre los mismos, no se clasifica como un método cerrado.
La interpretación gráfica del método de la secante es similar a la del

método de Newton-Raphson, donde la recta tangente en el punto
(G 8 , 5 (G 8 )) se reemplaza por la recta secante en los puntos (G 8 1 , 5 (G 8 1 ))
y (G 8 , 5 (G 8 )).
Como se puede ver en (�.��), existe un gran parecido entre el método de
la secante y el método de regula falsi:
Fig. �.��. Representación gráfica del
I Ambos emplean las mismas fórmulas; método de la secante.
I Ambos parten de dos valores iniciales para calcular la pendiente

de la recta cuya intersección con el eje G proporciona la siguiente
aproximación.
Sin embargo, existe una diferencia fundamental entre ambos métodos y
reside en cómo las nuevas aproximaciones sustituyen a las anteriores:
I En el método de regula falsi la última aproximación reemplaza
al valor anterior tal que siga cumpliéndose sign( 5 (G B8 6D84=C4 )) <
sign( 5 (G 0=C4A8>A )), de forma que ambas estimaciones sigan conte-
niendo a la raíz.
Se trata pues de un método cerrado y siempre converge.
I En el método de la secante las nuevas aproximaciones reemplazan
a las anteriores de forma consecutiva, esto es, G 8+1 reemplaza a G 8 Fig. �.��. Representación gráfica del
que reemplaza a G 8 1 y así sucesivamente. Por tanto, puede haber método de la secante.
casos en los que ambos valores queden en el mismo lado de la raíz.
Se trata de un método abierto y, por tanto, puede diverger.
Ejemplo �.�.� Emplear el método de la secante para aproximar el cero

Fig. �.��. Representación gráfica del
de la función método de la secante.
5 (G) = 3 4 G
con valores iniciales G 0 = 0 y G 1 = 1 y una tolerancia & = 0.01.
iter = 1 : G 2 = G1 ( 5 (G1 )(G1 G0 )/( 5 (G1 ) 5 (G 0 )) = 1.1639

err = |(1.1639 1)/1.1639 | = 0.14;
res = | 5 (0.8236)| = 0.20
iter = 2 : G 3 = G2 ( 5 (G 2 )(G2 G1 )/( 5 (G2 ) 5 (G 1 )) = 1.0954
err = |(1.0954 1.1639)/1.0954 | = 0.06
res = | 5 (1.0954)| = 0.0097 < &
iter = 3 : G 4 = G3 ( 5 (G 3 )(G3 G3 )/( 5 (G3 ) 5 (G2 )) = 1.0985
err = |(1.0985 1.0954)/1.0985 | = 0.003 < & ;
res = | 5 (1.0985)| = 0.0003;
Luego la aproximación a la raíz con la tolerancia especificada es
⇡ 1.0985
En comparación con el método de Newton-Raphson, el método de la

secante presente varias ventajas:
I No requiere el cálculo de 5 0 ;
I Puede codificarse de forma tal que requiera sólo una sóla evaluación
de la función por iteración , de forma que su coste computacional
se reduce prácticamente a la mitad.
p
Por otro lado, aunque su velocidad de convergencia es ? = 1+2 5 ⇡ 1.62 y
por tanto no resula tan potente como el método de Newton, sí que supera
la velocidad de convergencia de cualquiera de los métodos cerrados
(bisección y regula falsi).
El método de Newton-Raphson requiere de dos: una para 5 y otra para 5 0 .

Sin embargo, con respecto a la convergencia y al igual que el método de

Newton-Raphson, el método de la secante convergerá siempre y cuando
los valores iniciales sean escogidos suficientemente cercanos a la raíz��
. ��: Concretamente, si 5 , 5 0 y 5 00 son fun-
ciones continuas en un entorno de y
A continuación se muestra el pseudo-código asociado al método de 5 0 ( ) < 0, entonces el método de la se-
la secante, que básicamente se obtiene a partir del correspondiente al cante convergerá siempre que los valores
iniciales estén suficientemente próximos
método del punto fijo.
a . Además, dicha convergencia será su-
perlineal, i.e.,
Algoritmo �: Pseudo-código del método de la secante
G =+1
input : f, x�, x�, Nmax, tol lim =0
=!1 G=
� f� = f(x�);
� f� = f(x�);
� for : = 1 , 2 , . . . , Nmax do
� x = x� - f�*(x�-x�)/(f�-f�) ;
� fx = f(x);
� x� = x�; x� = x; f� = f�; f� = fx; iter = iter + � ;
� err = abs((x�-x�)/x�);
� res = abs(f�);
�� stop;
�� else
�� end
�� end
Análisis del error
Insertamos la expresión del error en la (8 + 1)-ésima iteración, ⇢ 8+1 =

G 8+1 , en la fórmula de la secante,
5 (G 8 )(G 8 G 8 1 )
G 8+1 = G 8 (�.��)
5 (G 8 ) 5 (G 8+1 )
de forma que obtengamos la relación que mantiene con el error en la

iteración anterior, ⇢ 8 = G 8 .
Así,
5 (G 8 )(G 8 G 8 1 ) 5 (G 8 )G 8 5 (G 8 1 )G 8 5 (G 8 )G 8 + 5 (G 8 )G 8 1 5 (G 8 ) + 5 (G 8 1 )
⇢ 8+1 = G 8+1 = G8 =
5 (G 8 ) 5 (G 8+1 ) 5 (G 8 ) 5 (G 8 1 )
5 (G 8 1 )(G 8 ) + 5 (G 8 )(G 8 1 ) 5 (G 8 )⇢ 8 1 5 (G 8 1 )⇢ 8
= =
5 (G 8 ) 5 (G 8 1 ) 5 (G 8 ) 5 (G 8 1 )
5 (G 8 ) 5 (G 8 1 ) 5 (G 8 ) 5 (G 8 1 )
G8 G8 1 ⇢8 ⇢8 1 G8 G8 1 ⇢8 ⇢8 1
= ⇢8 ⇢8 1 =
G8 G8 5 (G 8 ) 5 (G 8 1 ) 5 (G 8 ) 5 (G 8 1 ) G8 G8
| {z }| {z }
1 1
Término � Término �
(�.��)
Buscamos aproximar los Términos � y � de forma que se obtenga una

expresión sencilla de la relación entre el error ⇢ 8+1 con los errores ⇢ 8 y ⇢ 8 1 .
Partiendo del desarrollo de Taylor de 5 en torno a ,
1 00
5 (G 8 ) = 5 ( + ⇢ 8 ) = 5 ( ) + 5 0( )⇢ 8 + 5 ( )⇢28 + $(⇢38 )
2
Como 5 ( ) = 0, se tiene que
1 00
5 (G 8 ) = 5 0( )⇢ 8 + 5 ( )⇢28 + $(⇢38 )
2
y por tanto,
5 (G 8 ) 1 00
= 5 0( ) + 5 ( )⇢ 8 + $(⇢28 )
⇢8 2
5 (G 8 1 ) 1
= 5 0( ) + 5 00( )⇢ 8 1 + $(⇢28 1 )
⇢8 1 2
5 (G 8 ) 5 (G 8 1 ) 1 00
+ = 5 ( )(⇢ 8 ⇢ 8 1 ) + $(⇢28 1 )
⇢8 ⇢8 1 2
5 (G 8 ) 5 (G 8 1 ) 1
) + ⇡ 5 00( )(⇢ 8 ⇢ 8 1 )
⇢8 ⇢8 1 2
Como G 8 G8 1 = G8 G 8 1 + = ⇢8 ⇢ 8 1 , se tiene que

5 (G 8 ) 5 (G 8 1 )
⇢8 ⇢8 1 ⇢8 ⇢8 1 1 00 1
⇡ 5 ( ) = 5 00( ) (�.��)
G8 G8 ⇢8 ⇢8 1 2 2
| {z }
1
Término �
Teniendo en cuenta la definición derivada se tiene que,
G8 G8 1 1
⇡ 0 (�.��)
5 (G 8 ) 5 (G 8 1 ) 5 ( )
| {z }
Término �
Introduciendo (�.��) y (�.��) en (�.��), se tiene finalmente que
1 1 00 1 5 00( )
⇢ 8+1 ⇡ 5 ( )⇢ 8 ⇢ 8 1 = ⇢8 ⇢8 1
5 ( )2
0 2 5 0( )
= ⇢8 ⇢8 1 (�.��)
Esto es, el error en la (8 + 1)-ésima iteración es proporcional al producto

de los errores en las iteraciones previas, ⇢ 8 y ⇢ 8 1 .
Para obtener el orden de convergencia, esto es, la velocidad a la que la

sucesión de aproximaciones se acerca a la raíz de la ecuación no lineal,
suponemos que existe la siguiente relación asintótica entre ⇢ 8+1 y ⇢ 8 �� , ��: La relación asintótica (�.��) entre ⇢ 8+1
y ⇢ 8 significa que
|⇢ 8+1 | ⇠ |⇢ 8 | ? (�.��) |⇢ 8+1
lim =1
8!1 |⇢ 8 | ?
como esta relación entre los errores también se cumple para las iteraciones
esto es, que |⇢ 8+1 | y |⇢ 8 | ? tienden a in-
anteriores, i.e., finito con la misma velocidad.
✓ ◆ ?1
? 1
|⇢ 8 | ⇠ |⇢ 8 1 | ) |⇢ 8 1 | ⇠ |⇢ 8 | (�.��)
sustituyendo (�.��) y (�.��) en (�.��) se obtiene una expresión asintótica

a partir de la cual puede despejarse el valor de ? ,

1 1
1+ ?1 1 1+ ?1 ?
|⇢ 8 | ? ⇠ |⇢ 8 | ? |⇢ 8 | ? ) ⇠ |⇢ 8 | (�.��)
como el término de la izquierda en (�.��) es un valor constante no nulo

y ⇢8 ! 0, para que la anterior relación sea consistente debe ocurrir
8!1
que
p
1 2 1± 1+4
1+ ?=0 ) ? ? 1=0 )?= (�.��)
? 2
p
1+ 5
) ?= ⇡ 1.618 (�.��)
2
Por tanto, el orden de convergencia del método de la secante es su-
perlineal, lo cual significa que converge más rápido que los métodos
de convergencia lineal, pero más lentamente que los métodos cuya
convergencia es cuadrática.
Resumen del método de la secante

El método de la secante es un método local que parte de dos valores
iniciales pero que sólo requiere de una evaluación de la función 5 a
través de la fórmula iterativa,
5 (G 8 )(G 8 G 8 1 )
G 8+1 = G 8 , 8 1
5 (G 8 ) 5 (G 8 1 )
Esto es, en este método cada aproximación G 8 a la raíz, , se obtiene

como la intersección de la recta secante que une las dos aproxima-
ciones anteriores (G 8 , 5 (G 8 )) y (G 8 1 , 5 (G 8 1 )), con el eje G .
Si la raíz es simple, su velocidad de convergencia es superlineal,
? ⇡ 1.618033989.
�.� Orden de convergencia de un método
El concepto orden de convergencia se introduce para cuantificar la

velocidad con la que la sucesión de puntos, que se obtiene aplicando
cualquiera de los métodos vistos con anterioridad, converge a la raíz que
se quiere aproximar.
Concretamente, se trata de una medida que cuantifica cómo el error,
| G 8 | , decrece a medida que se van realizando las iteraciones.
Ejemplo �.�.� Algunos ejemplos de órdenes de convergencia son:

I Orden � (Lineal): puede dar lugar a la secuencia de errores
0.1 , 0.5 , 0.25 , . . .
donde el error se reduce a la mitad en cada iteración.

I Orden � (Cuadrática): puede dar lugar a la secuencia de errores
0.1 , 0.01 , 0.001 , . . .
donde el error se eleva al cuadrado en cada iteración.

Definition �.�.� Orden de convergencia Sea {G = } = 0 la sucesión de

valores que converge a la raíz y sea ⇢= = G = el error asociado a cada
aproximación. Si existe
G =+1 ⇢=+1
lim ?
= lim = ⇠, (�.��)
=!1 ( G= ) =!1 ⇢=
para algunas constantes ⇠ y ? no nulas y finitas, se dice que la sucesión

{G = } = 0 converge a con un orden de convergencia ? , siendo ⇠ la
constante asintótica del error.
Casos particulares:
A = 1. La convergencia de {G = } = 0 se dice que es lineala ;
I A = 2. La convergencia de {G = } = 0 se dice que es cuadráticab ;
I Hay sucesiones en las que el orden de convergencia no es un número
naturalc
a Laconvergencia del método del punto fijo es lineal
b Laconvergencia del método de Newton-Raphson es cuadrática si la raíz es simple, o
lineal si la raíz es múltiple p
c El 1+ 5
orden de convergencia del método de la secante es A = 2 ⇡ 1.618033989 . . .
La condición de que ⇠ sea no nula y finita, fuerza a que ? sea un único

valor. Un caso especial ocurre cuando la sucesión sastisface
G =+1 G =+1
lim = 0 pero lim = ±1
=!1 ( G= ) =!1 ( G = )2
En tal caso, se dice que la sucesión converge superlinealmente a la raíz.

El primer límite pone de manifiesto que la convergencia es más rápida
que la lineal, y el segundo límite significa que esta no es cuadrática.
Todos los métodos de aproximación de raíces de ecuaciones no lin-

eales (bisección, regula falsi, punto fijo, Newton-Raphson y ecante)
ilustran un hecho común en el análisis numérico: el balance entre
velocidad y precisión.
La velocidad está asociada al coste computacional. En ciertos prob-

lemas de gran complejidad computacional (como por ejemplo la
solución de EDPs), la velocidad resulta el elemento primordial.
En problemas menos específicos, la precisión y la robusteza del

método son las características primordiales a tener en cuenta.
a Un algoritmo se dice que es robusto si es capaz de abarcar una amplia variedad de
situaciones numéricas sin la intervención directa del usuario.
�.� Resumen del Tema �
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 fijo, Newton-Raphson y secante
(métodos abiertos o locales).
Asimismo, se han señalado las principales diferencias entre cada uno de

ellos:
I Número de aproximaciones iniciales o semillas
• bisección, regula falsi y secante requieren de dos aproxima-
ciones iniciales,
• punto fijo y Newton-Raphson requieren de una aproximación
inicial.
I Criterios de convergencia
• bisección y regula falsi siempre convergen,
• punto fijo, Newton-Raphson y secante no tienen asegurada la
convergencia.
I Velocidad de convergencia
• bisección es el método que converge más lentamente (lineal),
• punto fijo converge como mínimo linealmente, pero pueden
darse los casos de convergencia cuadrática y superior,
• Newton-Raphson es el método que más rápido converge
(cuadrática),
• la velocidad convergencia de regula falsi y secante es mayor
que la de la bisección y menor que la de Newton-Raphson.
I Coste computacional por iteración
• bisección, regula falsi, punto fijo y secante involucran una sola
evaluación de la función por iteración,
• Newton-Raphson involucra dos evaluaciones por iteración (la
de la función y su derivada). Aunque, en general al ser más
rápido supone menor número de iteraciones.
En la tabla � se recoge la información anterior de forma sintética.
Clase Método ¿Intervalo inicial? ¿Convergencia siempre? Orden

Bisección Sí Sí Lineal
Cerrados
Regula Falsi Sí Sí Entre lineal y superlineal
Punto Fĳo No Sí Lineal
Abiertos Newton-Raphson No No Cuadrática y lineal
Secante No No Superlineal

Tema 1 Ecuaciones No Lineales

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

Tema 1 Ecuaciones No Lineales

Cargado por

Copyright:

Formatos disponibles

Ecuaciones y Sistemas de

siendo %2 , +2 , )2 los valores críticos de presión, volumen y temperatura,

En el caso de que se conocieran los valores de presión y temperatura y

En Física, por ejemplo, dos fenómenos físicos que involucran ecuaciones

I En el cálculo de órbitas planetarias, donde se necesita calcular las

para varios valores de los parámeros 0 y 1 .

Conocimientos de MatLab necesarios

�.� Métodos Gráficos

Una forma sencilla de obtener una primera aproximación a la raíz de una

I Si 5 (0) y 5 (1) tienen el mismo signo, este no contenga ningún cero

Es por ello que, el uso de estos métodos que se estudiarán a continuación

�.� Métodos Cerrados

Si 5 es una función continua sobre el intervalo [0, 1] y si 5 (0) 5 (1) < 0,

I Cálculo de 5 (0) 5 (2). Se plantean tres posibilidades:

El tercer caso implica que se ha obtenido el cero de 5 , i.e., 5 (2) = 0. Sin

la precisión con la que se quiera aproximar el cero de 5 .

Se necesitan criterios objetivos para poder decidir cuándo finalizar el

donde G anterior es la aproximación en la iteración anterior y G siguiente

Teorema �.�.� Cota superior del error absoluto

de forma que si G 8 es una buena aproximación, debe ocurrir que

A continuación se muestra el pseudo-código‡ asociado al método de la

‡ Un pseudo-código es una descripción, empleando un lenguaje simple, de los pasos de los

Algoritmo �: Pseudo-código del método de la bisección

Algunos comentarios importantes sobre el pseudo-código son los sigu-

Ejemplo �.�.� Aplicación del método de la bisección

Haciendo uso del método de la bisección aproximar la raíz de la ecuación

Si, previamente, representamos la gráfica de 5 (G) = 4 G cos G + 4

En primer lugar, calculamos el número máximo de iteraciones nece-

Conociendo el número máximo de iteraciones procedemos al desarrollo

iter = 1 : sign( 5 (3)) > 0 , sign( 5 (5)) < 0

iter = 3 : sign( 5 (3.5)) > 0 , sign( 5 (4)) < 0

Luego la aproximación a la raíz con la tolerancia especificada es -�.����e-��

Resumen del Método de la bisección

Método de Regula Falsi

Aunque el método de la bisección siempre va a converger a la raíz, se

En este método de nuevo se parte de un intervalo inicial, [0, 1], que

Para hallar 2 partimos de las pendientes de las siguientes rectas se-

5 (1) 5 (0) 0 5 (1)

En el cálculo de 2 se hará uso de la segunda expresión (en rojo) dado que

directa con el método de la secante que se estudiará posteriormente.

Una vez calculado 2 , pueden darse uno de los siguientes casos:

En general, el error cometido al aplicar el método de regula falsi disminuye

Lo anterior pone de manifiesto una gran desvantaja de este método: su

Algoritmo �: Pseudo-código del método de regula falsi

Como se puede observar en el pseudo-código, también se hace uso del

Ejemplo �.�.� Haciendo uso del método de regula falsi aproximar la

con una tolerancia & = 0.1

Como se puede comprobar en la figura Fig.(�) , la raíz más cercana a 0

iter = 1 : sign( 5 ( 3.5)) > 0 , sign( 5 ( 2.5)) < 0

res = | 5 ( 3.056)| = 0.04 < & ;

Resumen del método de regula falsi

Este valor reemplaza a cualquiera de los extremos del intervalo

En general, puede decirse lo siguiente de los métodos cerrados:

�.� Métodos Abiertos

Los métodos abiertos se basan en algoritmos que requieren sólo de un

Método del Punto Fĳo

Sea 5 una función y una raíz, i.e., 5 ( ) = 0. Gráficamente, esto se

No sólo eso, sino que además el punto ( , ) puede representar el punto

Ejemplo �.�.� A partir de la ecuaciones no lineal

¶ Esimportante no confundir el concepto de raíz de una función 5 con el concepto de

obtener cuatro funciones 6 diferentes tales que G = 6(G).

Ahora bien, cabe hacerse las siguientes preguntas sobre la función 6 .

Fig. �.�. Convergencia monótona (0 <

Luego la aproximación a la raíz con la tolerancia especificada es -�.��e-��