1

UNIDAD

CEROS DE FUNCIONES
Métodos de Bisección
Newton y Secante

Resolución de los problemas propuestos

Problema 1. Utilizar el Método de Bisección para encontrar una aproximación del

cero de la función f (x) = x3 − 7x2 + 14x − 6 en el intervalo [0, 1]. Detener el algoritmo
cuando se verifique tolx = tolf = 0.5.

Solución: Como f (0) = −6 6= 0, si α es la raíz, necesariamente α 6= 0 y el criterio de

convergencia será

|xk+1 − xk |
r̂k = ≤ tolx = 0.5 y |f (xk )| ≤ tolf = 0.5
|xk+1 |

Recordemos que el algoritmo de Bisección consiste en

• Inicialización: f (x0 )f (a) < 0

xk + a
• Obtención de la aproximación: xk+1 =
2
• Test de Convergencia: |f (xk )| ≤ tolf y r̂k ≤ tolx =⇒ Fin
• Actualización: f (xk+1 )f (xk ) < 0 =⇒ a = xk =⇒ Continuar

Tomamos x0 = 0 y a = 1. Como f (x0 ) = −6 y f (a) = 2, f (x0 )f (a) < 0 y el algoritmo

puede comenzar. Claramente |f (x0 )| > tolf , de manera que hemos de seguir iterando.

1
2 Métodos de Bisección, Newton y Secante

Iteración Extremo a Aproximación xk f (xk ) r̂k

0 1.0000000 0.0000000
1 1.0000000 0.5000000
2 0.5000000 0.7500000
3 0.5000000 0.6250000
4 0.5625000
−6.0000000 1.0000000
−0.6250000 0.3333333
0.9843750 0.2000000
0.2597656 0.1111111

Observar que aunque r̂1 , r̂2 < 0.5 todavía |f (x1 )|, |f (x2 )| > 0.5, de manera que hemos de
seguir iterando para satisfacer los criterios de parada establecidos.
En resumen, x3 = 0.625 es una aproximación del cero de f (x) = x3 − 7x2 + 14x − 6 con
un error inferior a 0.5. De hecho como α ∈ (0.5, 0.625), resulta que x3 aproxima a α con un
error inferior a 0.125.

Problema 2. Utilizar el Método √
de Bisección para encontrar una aproximación del
cero de la función f (x) = sen x − x en el intervalo [0.75, 0.8]. Detener el algoritmo
cuando se verifique tolx = tolf = 0.05. Haced una predicción del numero de iteraciones
necesarias para encontrar una aproximación que satisfaga tolx = 0.001

Solución: Si α es la raíz, necesariamente α 6= 0 y el criterio de convergencia será

|xk+1 − xk |
r̂k = ≤ tolx = 0.5 × 10−1 y |f (xk )| ≤ tolf = 0.5 × 10−1
|xk+1 |

Recordemos que el algoritmo de Bisección consiste en

• Inicialización: f (x0 )f (a) < 0

xk + a
• Obtención de la aproximación: xk+1 =
2
• Test de Convergencia: |f (xk )| ≤ tolf y r̂k ≤ tolx =⇒ Fin
• Actualización: f (xk+1 )f (xk ) < 0 =⇒ a = xk =⇒ Continuar

Tomamos x0 = 0.75 y a = 0.8. Como f (x0 ) = 0.0117600 y f (a) = −0.0201493,

f (x0 )f (a) < 0 y el algoritmo puede comenzar. Observar que |f (x0 )| < tolf .

Iteración Extremo a Aproximación xk f (xk ) r̂k

0 0.8000000 0.7500000 −0.0117600 0.0322581
1 0.7500000 0.7750000 −0.0040440 0.0163934
2 0.7625000

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 3

Observar que el criterio de parada es poco exigente. De hecho r̂0 < 0.05 y f (x0 ) < 0.05, de
manera que podíamos habernos quedado con x0 como aproximacion del cero que satisface
los criterios de parada.
√
En resumen, x1 = 0.775 es una aproximación del cero de f (x) = sin( x) − x en el intervalo
[0.75, 0.8] con un dígito significativo correcto. Por otra parte, como α ∈ (0.75, 0.775), resulta
que x1 aproxima a α con un error inferior a 0.025.
Finalmente, sabemos que el error absoluto después de n iteraciones en el método de la
b−a
bisección está acotado por y por tanto,
2n

0.05 b−a 0.05 n ln (50)

= ≤ 0.001 ⇐⇒ 50 = ≤ 2 ⇐⇒ n ≥ ≃ 5.644
2n 2n 0.001 ln (2)

de manera que serían necesarias 6 iteraciones para garantizar un error absoluto inferior a
0.001, que garantizaría al menos 2 decimales correctos.

Problema 3. Aplicar el algoritmo de Bisección para calcular la raíz de la función

f (x) = x3 − x + 1, partiendo de los puntos x0 = −2, a = 0 y con una tolerancia
tolx = tolf = 0.5 × 10−4 .

Solución: Como f (0) = 1 6= 0, si α es la raíz, necesariamente α 6= 0 y el criterio de

convergencia será

|xk+1 − xk |
r̂k = ≤ tolx = 0.5 × 10−4 y |f (xk )| ≤ tolf = 0.5 × 10−4
|xk+1 |

Recordemos que el algoritmo de Bisección consiste en

• Inicialización: f (x0 )f (a) < 0

xk + a
• Obtención de la aproximación: xk+1 =
2
• Test de Convergencia: |f (xk )| ≤ tolf y r̂k ≤ tolx =⇒ Fin
• Actualización: f (xk+1 )f (xk ) < 0 =⇒ a = xk =⇒ Continuar

Como f (x0 ) = −5 y f (a) = 1, f (x0 )f (a) < 0 y el algoritmo puede comenzar. Clara-
mente |f (x0 )| > tolf , de manera que hemos de seguir iterando.

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

4 Métodos de Bisección, Newton y Secante

Iteración Extremo a Aproximación xk f (xk ) r̂k

0 0.0000000 −2.0000000 −5.000 × 100 1.000 × 100
1 −2.0000000 −1.0000000 1.000 × 100 0.333 × 100
2 −1.0000000 −1.5000000 −0.875 × 100 0.222 × 100
3 −1.5000000 −1.2500000 0.297 × 100 0.909 × 10−1
4 −1.2500000 −1.3750000 −0.225 × 100 0.476 × 10−1
5 −1.3750000 −1.3125000 0.515 × 10−1 0.233 × 10−1
6 −1.3125000 −1.3437500 −0.826 × 10−1 0.118 × 10−1
7 −1.3125000 −1.3281250 −0.146 × 10−1 0.592 × 10−2
8 −1.3281250 −1.3203125 0.187 × 10−1 0.295 × 10−2
9 −1.3281250 −1.3242187 0.213 × 10−2 0.147 × 10−2
10 −1.3242187 −1.3261718 −0.621 × 10−2 0.737 × 10−3
11 −1.3242187 −1.3251952 −0.204 × 10−2 0.369 × 10−3
12 −1.3251952 −1.3247069 0.471 × 10−4 0.184 × 10−3
13 −1.3247069 −1.3249510 −0.994 × 10−3 0.922 × 10−4
14 −1.3247069 −1.3248289 −0.473 × 10−3 0.460 × 10−4
15 −1.3247069 −1.3247679 −0.213 × 10−3 0.230 × 10−4
16 −1.3247069 −1.3247374 −0.829 × 10−4 0.115 × 10−4
17 −1.3247069 −1.3247221 −0.177 × 10−4 0.574 × 10−5
−1.3247145

En resumen, x17 ≃ −1.3247221 es una aproximación del cero de f (x) = x3 − x + 1 con

al menos 4 dígitos significativos correctos. De hecho como α ∈ (−1.3247221, −1.3247069),
resulta que x17 tiene 5 dígitos significativos correctos.

Problema 4. Se desea encontrar la raíz, α, de la función f (x) = x3 − x + 1.

(a) Aproximar el valor de α utilizando 5 iteraciones del Método de Newton con

x0 = 1.

(b) Aproximar el valor de α utilizando 2 iteraciones del Método de la Bisección con

x0 = −2, a = 0 y dos iteraciones del Método de Newton. Comparar el resultado
de este Método Híbrido con el obtenido en el apartado (a).

Solución: Como el número de iteraciones están fijadas, no necesitamos aplicar ningún criterio
de parada.
(a) El algoritmo de Newton se describe como

f (xk ) (xk )3 − xk + 1
xk+1 = xk − ′ = xk −
f (xk ) 3(xk )2 − 1

y su aplicación tras 5 iteraciones se resume en la siguiente tabla:

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 5

Iteración Aproximación xk
0 1.0000000
1 0.5000000
2 3.0000000
3 2.0384615
4 1.3902821
5 0.9116119

(b) El método de la Bisección para esta función ha sido descrito en el problema anterior.
Después de dos iteraciones con los datos propuestos, hemos llegado a la aproximación
x0 = −1.5000000, que ahora utilizaremos como dato inicial en el algoritmo de Newton.
Aplicando dos iteraciones de este método, obtenemos que

Iteración Aproximación xk
0 −1.5000000
1 −1.3478261
2 −1.3252004

En el problema anterior, después de 17 iteraciones con el método de la Bisección, hemos

obtenido que el valor x∗ ≃ −1.3247221 es una aproximación de la raíz de
f (x) = x3 − x + 1 con 5 dígitos significativos correctos. La aproximación obtenida en
(b) tiene 3 dígitos significativos correctos. La solución del apartado (a) está muy alejada del
valor de la raíz, lo que está motivado por una mala elección del valor inicial. Este problema
muestra cómo podemos utilizar un método lento como el de la bisección para conseguir una
buena aproximación inicial al método de Newton.

Problema 5. Se considera la ecuación no lineal e−x = ln (x)

(i) Demostrar que tiene una única solución en el intervalo [1, 2].

(ii) Si se utiliza el Método de la Bisección, ¿cuántas iteraciones han de realizarse

para asegurar a priori una aproximación con 3 cifras decimales correctas?

(iii) Realizar 5 iteraciones con el Método de la Bisección. Determinar el error relativo

del último iterante, x5 .

(iv) Realizar 3 iteraciones con el Método de Newton tomando como iterante inicial
el valor x0 = 2. Determinar el error relativo del último iterante, x3 .

Solución: La ecuación propuesta es equivalente a la ecuación e−x − ln (x) = 0; es decir,

α > 0 es una solución de la ecuación e−x = ln (x) si y sólo si es un cero de la función

f (x) = e−x − ln (x)

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

6 Métodos de Bisección, Newton y Secante

1 1
(i) Como f (1) = > 0 y f (2) = 2 − ln (2) < 0, resulta que f (1)f (2) < 0 y
e e
aplicando el Teorema de Bolzano, f tiene un cero, al menos, en (1, 2). Por otra parte, como
1
f ′ (x) = −e−x − < 0, resulta que f es estrictamente decreciente en (0, +∞), de manera
x
que tiene, a lo sumo, un cero en (1, 2). Por tanto, f tiene un único cero en [1, 2].
(ii) Si denotamos por α al único cero de f en [1, 2], entonces

x∗ ∈ (1, 2) es una aproximación de α con 3 cifras decimales correctas si y sólo si

1
|x∗ − α| ≤ × 10−3
2

En el Método de la Bisección, sabemos que si partimos del intervalo [a, b] en el que

b−a
f (a)f (b) < 0 y xn es la aproximación obtenida tras n iteraciones, entonces |xn − α| ≤ n .
2
Por tanto,

para asegurar que xn tiene 3 cifras decimales correctas respecto de α, es suficiente que
1 b−a 1
n satisfaga que n = n ≤ · 10−3 ; es decir
2 2 2
3 ln (10)
103 ≤ 2n−1 ⇐⇒ 3 ln (10) ≤ (n − 1) ln (2) ⇐⇒ n ≥ 1 + ≃ 10.97
ln (2)

de manera que son necesarias 11 iteraciones para asegurar a priori una aproximación con
3 cifras decimales correctas.
(iii) Tomamos a = 1 y x0 = 2 y como f (a)f (x0 ) < 0, el algoritmo puede comenzar.
Además, tendremos en cuenta que para calcular el error relativo del último iterante, x5 ,
tenemos que calcular x6 . Después de 5 iteraciones, el resultado es

Iteración Extremo a Aproximación xk f (xk )

0 1.0000000 2.0000000 −0.55781190
1 1.0000000 1.5000000 −0.18233495
2 1.5000000 1.2500000 0.63361246 × 10−1
3 1.2500000 1.3750000 −0.65614135 × 10−1
4 1.2500000 1.3125000 −0.27873668 × 10−2
5 1.3125000 1.2812500 0.29853807 × 10−1
1.2968750

El error relativo del iterante x5 es

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 7

|x5 − x6 | 1.2968750 − 1.2812500

= ≃ 0.012048193
|x6 | 1.2968750

(iv) El Algoritmo de Newton para f se expresa como

f (xk ) e−xk − ln (xk )

xk+1 = xk − = xk +
f ′ (xk ) e−xk + x1k

Tendremos en cuenta que para calcular el error relativo del último iterante, x3 , tene-
mos que calcular x4 . Después de 3 iteraciones, tomando como iterante inicial x0 = 2, el
resultado es

Iteración Aproximación xk
0 2.0000000
1 1.1220196
2 1.2949970
3 1.3097091
1.3097996

El error relativo del iterante x3 es

|x3 − x4 | 1.3097996 − 1.3097091

= ≃ 0.6909454 × 10−4
|x4 | 1.3097996

Problema 6. Se consideran las funciones f (x) = sen(x) y g(x) = 1 − x.

(i) Demostrar que las gráficas de f y de g se cortan en un único punto, α del

intervalo [0, 1].

(ii) Si se utiliza el Método de la Bisección, ¿cuántas iteraciones han de realizarse

para asegurar a priori una aproximación a α con 3 cifras decimales correctas?

(iii) Realizar 5 iteraciones con el Método de la Bisección. Determinar el error relativo

del último iterante, x5 .

(iv) Realizar 2 iteraciones con el Método de Newton tomando como iterante inicial
el valor x0 = 0. Determinar el error relativo del último iterante, x2 .

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

8 Métodos de Bisección, Newton y Secante

Solución: Los puntos de corte de las gráficas de f y de g son los ceros de la ecuación
h(x) = f (x) − g(x) = 0; es decir, α > 0 satisface que sen(α) = 1 − α si y sólo si es un cero
de la función h(x) = sen(x) + x − 1
(i) Como h(0) = −1 < 0 y h(1) = sen(1) > 0, resulta que h(0)h(1) < 0 y aplicando el
Teorema de Bolzano, h tiene un cero, al menos, en (0, 1).
Por otra parte, como h′ (x) = cos(x)+1 > 0, si 0 < x < 1, resulta que h es estrictamente
decreciente en (0, 1), de manera que tiene, a lo sumo, un cero en (0, 1). Por tanto, h tiene
un único cero en [0, 1] que denotaremos por α.
(ii) Si α ∈ [0, 1] es la única solución de la ecuación sen(x) = 1 − x, entonces x∗ ∈ (0, 1)
1
es una aproximación de α con 3 cifras decimales correctas si y sólo si |x∗ − α| ≤ × 10−3
2
En el Método de la Bisección, sabemos que si partimos del intervalo [a, b] en el que
b−a
f (a)f (b) < 0 y xn es la aproximación obtenida tras n iteraciones, entonces |xn − α| ≤ n .
2
Por tanto, para asegurar que xn tiene 3 cifras decimales correctas respecto de α, es suficiente
1 b−a 1
que n satisfaga que n = n ≤ · 10−3 ; es decir,
2 2 2
3 ln (10)
103 ≤ 2n−1 ⇐⇒ 3 ln (10) ≤ (n − 1) ln (2) ⇐⇒ n ≥ 1 + ≃ 10.97
ln (2)
de manera que son necesarias 11 iteraciones para asegurar a priori una aproximación con
3 cifras decimales correctas.
(iii) Tomamos a = 0 y x0 = 1 y como h(a)h(x0 ) < 0, el algoritmo puede comenzar.
Además, tendremos en cuenta que para calcular el error relativo del último iterante, x5 ,
tenemos que calcular x6 . Después de 5 iteraciones, el resultado es

Iteración Extremo a Aproximación xk f (xk )

0 0.0000000 1.0000000 0.84147098
1 1.0000000 0.5000000 −0.20574461 × 10−1
2 0.5000000 0.7500000 0.43163876
3 0.5000000 0.6250000 0.21009727
4 0.5000000 0.5625000 0.95802674 × 10−1
5 0.5000000 0.5312500 0.37861455 × 10−1
0.5156250

|x5 − x6 | 0.5312500 − 0.5156250

El error relativo del iterante x5 es = ≃ 0.02941177
|x6 | 0.5312500
(iv) El Algoritmo de Newton para h se expresa como
h(xk ) sen(xk ) + xk − 1
xk+1 = xk − = xk −
h (xk )
′ cos(xk ) + 1
Tendremos en cuenta que para calcular el error relativo del último iterante, x2 , tene-
mos que calcular x3 . Después de 2 iteraciones, tomando como iterante inicial x0 = 0, el
resultado es

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 9

Iteración Aproximación xk
0 0.0000000
1 0.5000000
2 0.5109580
0.5109734

|x2 − x3 | 0.5109734 − 0.5109580

El error relativo del iterante x2 es = ≃ 0.3013855 × 10−4
|x3 | 0.5109734

Problema 7. El desplazamiento horizontal de una estructura, debido al viento, está

determinada en función del tiempo t por la función f (t) = e−t sen(3t).

(a) Obtener la expresión de f ′ y dibujar su gráfica en el intervalo [0, 3]

(b) Determinar numéricamente el instante α ∈ [0, 1] en el que el desplazamiento es

máximo; es decir, el valor α ∈ [0, 1] tal que f ′ (α) = 0, con un error relativo en
t menor que 0.5 × 10−5 .

Solución: (a) Claramente f ′ (t) = e−t 3cos(3t) − sen(3t) . La gráfica de esta función en el
intervalo [0, 3] está descrita en la Figura ??
(b) Observar que f ′ (t) = 0 ⇐⇒ sen(3t) = 3cos(3t) ⇐⇒ tg(3t) = 3 y por tanto si y
sólo si t = 31 arctg(3) = 0.41634859 + π3 n, n ∈ Z. De estos valores el único que se encuentra
en el intervalo [0, 1] es α = 0.41634859

Figura 1.1: Gráfica de e−t 3cos(3t) − sen(3t)

Como f ′′ (t) = −2e−t 3cos(t) + 4 sen(3t) , resulta que

f ′′ (α) = −2e−α 3cos(α) + 4 sen(3α) = −10e−α sen(3α) 6= 0,

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

10 Métodos de Bisección, Newton y Secante

lo que significa que α es un cero simple de f ′ . Es, por tanto, razonable utilizar el Método de
Newton para aproximar el valor de α ya que en estas circunstancias tendrá convergencia
cuadrática. Utilizaremos como aproximación inicial el valor x0 = 0.5. El error relativo será
|xk+1 − xk |
el determinado por la expresión r̂k = .
|xk+1 |
Nota: Como en el problema sólo se establece como criterio de convergencia el valor
del error relativo, no estimaremos el valor |f (xk )|.
El algoritmo de Newton se describe como

f ′ (xk ) 3cos(3xk ) − sin(3xk )
xk+1 = xk − ′′ = xk +

f (xk ) 2 3cos(3xk ) + 4 sen(3xk )

Su aplicación se resume en la siguiente tabla:

Iteración Aproximación xk r̂k

0 0.50000000 0.22982279 × 100
1 0.40656264 0.23288212 × 10−1
2 0.41625651 0.22113682 × 10−3
3 0.41634858 0.24018335 × 10−7
0.41634859

Por tanto x3 ≃ 0.41634858 es una aproximación de α con, al menos, 7 dígitos significativos

correctos.

Problema 8. Dada una curva paramétrica c(t) = x(t), y(t) , donde x(t) e y(t)
son dos funciones del parámetro t, el cálculo de la mínima distancia de un punto
P = (X, Y ) a la curva se puede realizar de la siguiente manera:


(a) Se calcula el vector tangente a la curva en función de t: τ (t) = x′ (t), y ′(t) .


(b) Se determina el valor t = α tal que h P − c(t) , τ (t)i = 0.

Entonces, la distancia mínima es |P − c(α)|. Aplicar la metodología

anterior a la
circunferencia de ecuación paramétrica c(t) = cos(t), sen(t) y el punto P = (2, 3)
siguiendo los pasos siguientes:


(a) Determinar la función f (t) = P − c(t) , τ (t) de la que se desea calcular una
raíz.

(b) Calcular la distancia mínima de P a la circunferencia utilizando 4 iteraciones del

Método de Newton con aproximación inicial t0 = 1.5.

(c) Si se utiliza como aproximación inicial t0 = 4, ¿qué valor de la distancia obtene-

mos? ¿Por qué?

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 11

Solución: (a) Como τ (t) = − sen(t), cos(t) , resulta que

f (t) = P − c(t) , τ (t) = 2 − cos(t), 3 − sen(t) , − sen(t), cos(t)



= − sen(t) 2 − cos(t) + cos(t) 3 − sen(t) = 3 cos(t) − 2 sen(t)

(b) El algoritmo de Newton se describe como

f (tk ) 3cos(tk ) − 2 sin(tk ) 3cos(tk ) − 2 sin(tk )
tk+1 = tk − ′ = tk −
= tk +
f (tk ) − 3 sen(tk ) + 2cos(tk ) 3 sen(tk ) + 2cos(tk )

Su aplicación después de 4 iteraciones se resume en la siguiente tabla:

Iteración Aproximación tk r̂k

0 1.50000000
1 0.93114184
2 0.98283971
3 0.98279372
4 0.98279372
0.98279372
0.61092536 × 100
0.52600510 × 10−1
0.46795171 × 10−4
0
0

Por tanto, si α = 0.98279372, la distancia mínima es

q
2
2
|P − c(α)| = 2 − cos(α) + 3 − sen(α) ≃ 2.60555128

(c) La aplicación del algoritmo de Newton después de 4 iteraciones, pero partiendo de

la aproximación inicial x0 = 4 se resume en la siguiente tabla:

Iteración Aproximación tk r̂k

0 4.0000000 0.30310529 × 10−1
1 4.1250319 0.15650813 × 10−3
2 4.1243864 0
3 4.1243864 0
4 4.1243864 0
4.1243864

Por tanto, si α = 4.1243864, la distancia obtenida es

q
2
2
|P − c(α)| = 2 − cos(α) + 3 − sen(α) ≃ 4.60555128

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

12 Métodos de Bisección, Newton y Secante

El valor obtenido corresponde a la distancia máxima de P a la circunferencia. Obser-

var que es exactamente el valor de la mínima distancia más 2 que es el diámetro de la
circunferencia, ver la siguiente figura:

Figura 1.2: Puntos de la circunferencia a mínima distancia (A) y máxima distancia (B) de P

x2 − 2x + 1
Problema 9. Se considera la función f (x) = .
1 + x2
(a) ¿Se puede calcular su cero con el Método de la Bisección?

(b) Calcular su mínimo aplicando el Método de Newton utilizando 4 iteraciones y

tomando como primer iterante x0 = 0.0. ¿Es la convergencia cuadrática? ¿Por
qué?

(x − 1)2
Solución: (a) Aunque f es continua, como f (x) = ≥ 0, la función nunca cambia
1 + x2
de signo. Por tanto, no puede calcularse su raíz por el Método de la Bisección.
(b) Como f (x) ≥ 0 para cada x ∈ R y f (1) = 0, es claro que α = 1 es el mínimo de f .
No obstante aproximaremos este valor determinando el cero de f ′ y para ello aplicaremos
el algoritmo de Newton. Como pretendemos calcular un cero de f ′ , tenemos también que
calcular la expresión de la derivada segunda de f . Tenemos que

2(x2 − 1) 4x(3 − x2 )
f ′ (x) = =⇒ f ′′
(x) =
(1 + x2 )2 (1 + x2 )3

Por tanto, el algoritmo de Newton se describe como

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 13

2 (xk )2 −1

2
(xk )4 − 1


f ′ (xk ) 1+(xk )2
xk+1 = xk − ′′ = xk −
= xk −

f (xk ) 4xk 3−(xk )2 2xk 3 − (xk )2

3
1+(xk )2

Sin embargo no puede aplicarse el método de Newton partiendo de x0 = 0.0 pues f ′′ (x0 ) = 0.
Tomaremos otra aproximación inicial, cercana a la propuesta, concretamente x0 = 0.1.
Su aplicación después de 4 iteraciones se resume en la siguiente tabla:

Iteración Aproximación tk r̂k

0 0.1000000 0.94356894
1 1.7720736 0.90958619
2 19.599589 0.33507636
3 29.476451 0.33410209
4 44.265721 0.33367385
66.432514

El método diverge claramente, debido a una mala elección de la aproximación inicial. Sin
embargo, si consideramos una aproximación inicial más cercana al valor de la solución,
por ejemplo x0 = 0.5, obtenemos el siguiente resultado tras 4 iteraciones:

Iteración Aproximación tk r̂k

0 0.50000000
1 0.84090909
2 0.97056281
3 0.99876179
4 0.99999770
1.00000000
0.40540540 × 100
0.13358612 × 100
0.28233940 × 10−1
0.12359128 × 10−2
0.23000000 × 10−5

La convergencia es cuadrática porque α = 1 es un cero simple de la función f ′ .

Problema 10. Dada la función f (x) = x + e−x − cos(x), se pide:

(a) Plantear el algoritmo de Newton para esta función.

(b) Encontrar la raíz por el Método de Newton, partiendo de x0 = 1 y con una

tolerancia tolx = tolf = 0.5 × 10−4

Solución: El problema pide determinar α tal que f (α) = α+e−α −cos(α) = 0, y tendremos
en cuenta que es derivable en R por ser suma de funciones elementales y que además
f ′ (x) = 1 − e−x + sen(x).

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

14 Métodos de Bisección, Newton y Secante

Observar que en este caso f (0) = 0, de manera que α = 0 es la solución buscada. Así
pues, este problema tiene como objetivo no tanto hallar el cero de f , sino mostrar cómo el
método de Newton converge hacia él. Asimismo, como α = 0, el criterio de convergencia
será

|xk+1 − xk | ≤ tolx |xk+1 | + E = 0.5 × 10−4 |xk+1| + 0.5 × 10−8

(a) El algoritmo de Newton se describe como

f (xk ) xk + e−xk − cos(xk )

xk+1 = xk − = xk −
f ′ (xk ) 1 − e−xk + sen(xk )

(b) La aplicación del algoritmo de Newton se resume en la siguiente tabla:

Iter. Aproximación xk f (xk ) tolx |xk+1 | + E |xk+1 − xk |

0 1.00000000 0.8275771351 0.2192472450 × 10−4 0.56160551
1 0.43839449 0.1780314011 0.1050389050 × 10−4 0.22841668
2 0.20997781 0.425445028 × 10−1 0.5156855000 × 10−5 0.10694071
3 0.10303710 0.104342323 × 10−1 0.2558189700 × 10−5 0.51973306 × 10−1
4 0.51063794 × 10−1 0.25853163 × 10−2 0.1276090350 × 10−4 0.25641987 × 10−1
5 0.25421807 × 10−1 0.6435297 × 10−3 0.6391903000 × 10−6 0.12738001 × 10−1
6 0.12683806 × 10−1 0.1605384 × 10−3 0.3217597800 × 10−6 0.63486104 × 10−2
7 0.63351956 × 10−2 0.400923 × 10−4 0.1632962450 × 10−6 0.31692707 × 10−2
8 0.31659249 × 10−2 0.100175 × 10−4 0.8412953000 × 10−7 0.15833343 × 10−2
9 0.15825906 × 10−2 0.25043 × 10−5 0.4455373550 × 10−7 0.79151589 × 10−3
10 0.79107471 × 10−3 0.6259 × 10−6 0.2476976950 × 10−7 0.39567932 × 10−3
11 0.39539539 × 10−3 0.1562 × 10−6 0.1489260250 × 10−7 0.19754334 × 10−3
12 0.19785205 × 10−3 0.396 × 10−7 0.9888616000 × 10−8 0.10007973 × 10−3
13 0.97772320 × 10−4 0.980 × 10−8 0.7382732500 × 10−8 0.50117670 × 10−4
14 0.47654650 × 10−4 0.210 × 10−8 0.6281042850 × 10−8 0.22033793 × 10−4
15 0.25620857 × 10−4 0.3 × 10−9 0.5988310550 × 10−8 0.58546460 × 10−5
16 0.19766211 × 10−4 0.2 × 10−9 0.5735352250 × 10−8 0.50591660 × 10−5
17 0.14707045 × 10−4 0.1 × 10−9 0.5565364850 × 10−8 0.33997480 × 10−5
18 0.11307297 × 10−4 0.1 × 10−9 0.5344267735 × 10−8 0.44219423 × 10−5
19 0.68853547 × 10−5 0 0.5344267735 × 10−8 0
0.68853547 × 10−5

Observar que la sucesión de errores relativos tiene un comportamiento lineal y no cua-

drático. Esto es debido a que α = 0 es un cero doble de f , es decir f ′ (0) = 0.

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 15

Problema 11. En aritmética exacta, al calcular el número e utilizando la serie de

∞
1
P
Taylor (e = k!
), el error relativo rt cometido disminuye al aumentar el número n
k=0
n
1
P
de términos utilizados (e ≃ k!
). De manera aproximada, se puede describir este
k=0
n
hecho como |rt | = 2− 10 . Al realizar los cálculos con un ordenador, se observa que el
error debido a la propagación de errores aumenta con el número de términos empleados
n
según la función |rp | = 100 . Calcular el número óptimo de términos; es decir, aquél
que minimiza la suma |rt | + |rp |. Utilizar el algoritmo de Newton con 5 iteraciones y
x0 = 0.

Solución: Utilizando una variable continua, la función a minimizar es

x x
f (x) = 2− 10 + , x ≥ R.
100

Para minimizar f , hemos de calcular sus puntos críticos, es decir los puntos en los que
su derivada se anula. Por tanto, el problema consiste en determinar los ceros de f ′ . Por otra
parte, para utilizar el algoritmo de Newton para determinar tal cero, hemos de conocer
la derivada de la función de la que se desea calcular el cero, en este caso f ′ . Por tanto,
hemos de determinar también f ′′ . Como

1 ln 2 − x ( ln 2)2 − x
f ′ (x) = − 2 10 =⇒ f ′′ (x) = 2 10
100 10 100

Nota: Como f ′′ (x) > 0 para cada x ∈ R, resulta que f ′ es estrictamente creciente
y por tanto, tiene a lo sumo un cero α ∈ R, que necesariamente es simple, ya que f ′′ es
estrictamente positiva. Además, si f ′ (α) = 0, necesariamente f ′ (x) < 0 si x < α, mientras
que f ′ (x) > 0 si x > α, lo que determina que α es un mínimo de f . Finalmente como
1 ln 2 1
ln 2 = 0.69314718, resulta que f ′ (0) = − < 0 y como lı́m f ′ (x) = , resulta
100 10 x→∞ 100
que f ′ se anula al menos una vez en [0, +∞) (de hecho como f ′ (30) = 0.13356602×10−2 > 0,
aplicando el Teorema de Bolzano, f ′ se anula en [0, 30]).
1 ln 2 − x
El algoritmo de Newton para f ′ (x) = − 2 10 se describe como
100 10

− ln
x xk
1 2 − 10k
f ′ (xk ) 100 10
2 2 10 − 10( ln 2)
xk+1 = xk − ′′ = xk − = xk −
f (xk ) ( ln 2)2 xk
( ln 2)2
100
2− 10

Su aplicación después de 5 iteraciones es:

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

16 Métodos de Bisección, Newton y Secante

Iteración Aproximación xk r̂k

0 0.0000000 0.10000000 × 101
1 12.345581 0.43562741 × 100
2 21.874877 0.18441084 × 101
3 26.820951 0.38328873 × 10−1
4 27.889941 0.14899277 × 10−2
5 27.931557 0.21481033 × 10−5
27.931617

Por tanto, el mínimo de f es α = 27.931557 con 5 dígitos significativos correctos. Así pues,
el número óptimo de sumandos será o bien n = 27 o bien n = 28. Como f (27) = 0.42389305
y f (28) = 0.42358729, resulta que f (27) > f (28) con lo que concluímos que

n = 28 es el número óptimo de sumandos.

Problema 12. Determinar cuál o cuáles de las siguientes afirmaciones son ciertas: El
Método de Newton,

(a) destaca por su velocidad para cualquier valor inicial.

(b) no necesita aproximación inicial.

(c) mejora la robustez del Método de la bisección.

(d) es sensible a la aproximación inicial.

Solución: La única afirmación cierta es la (d)

Problema 13. Para comparar la evolución de los errores relativos de las 5 primeras
iteraciones al calcular la raíz de la función f (x) = 2 − x3 , utilizar:

(a) El Método de Newton con x0 = 1.

(b) El Método de la Bisección con x0 = 1 y a0 = 2.

(c) El Método de la Secante con x0 = 1 y x1 = 2.

Representar en un gráfico los logaritmos de los valores absolutos de los errores relativos
|xk+1 − xk |
r̂k = para cada iteración.
|xk+1 |

Solución: (a) El algoritmo de Newton para f (x) = 2 − x3 se describe como

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

TEMA 1. Resolución de los problemas propuestos 17

f (xk ) 2 − (xk )3 2 − (xk )3

xk+1 = xk − ′ = xk − = xk +
f (xk ) −3(xk )2 3(xk )2

Su aplicación después de 5 iteraciones es:

Iteración Aproximación xk r̂k

0 1.0000000 0.25000000 × 100
1 1.3333333 0.54945103 × 10−1
2 1.2638888 0.31392927 × 10−2
3 1.2599335 0.99212570 × 10−5
4 1.2599210 0
5 1.2599210 0
1.2599210

(b) Como f (x0 ) = 1 y f (a) = −6, f (x0 )f (a) < 0 y el algoritmo puede comenzar.
Después de 5 iteraciones, el resultado es

Iteración Extremo a Aproximación xk f (xk ) r̂k

0 2.0000000 1.0000000 1.0000 × 100 0.33333333 × 100
1 1.0000000 1.5000000 −0.1375 × 10−1 0.20000000 × 100
2 1.5000000 1.2500000 0.4687 × 10−1 0.90909091 × 10−1
3 1.2500000 1.3750000 −0.5996 × 100 0.47619048 × 10−1
4 1.2500000 1.3125000 −0.2610 × 100 0.24390244 × 10−1
5 1.2500000 1.2812500 −0.1033 × 100 0.12345679 × 10−1
1.2656250

(c) El método de la Secante para f (x) = 2 − x3 se describe como

f (xk ) 2 − (xk )3 2 − (xk )3

xk+1 = xk − f (xk )−f (xk−1 )
= xk − (xk−1 )3 −(xk )3
= xk +
(xk )2 + (xk−1 )2 + xk xk−1
xk −xk−1 xk −xk−1

Tomamos las aproximaciones x0 = 1 y x1 = 2. Su aplicación después de 5 iteraciones es:

Iteración Aproximación xk r̂k

0 2.0000000 0.75000006 × 100
1 1.1428571 0.55238115 × 10−1
2 1.2096774 0.43762383 × 10−1
3 1.2650385 0.42283474 × 10−2
4 1.2597120 0.16524856 × 10−3
5 1.2599202 0.63496045 × 10−6
1.2599210

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20

18 Métodos de Bisección, Newton y Secante

El siguiente gráfico muestra la comparación del logaritmo (neperiano) del error relativo
en cada uno de los métodos empleados.

Ϭ( ϭ( Ϯ( ϯ( ϰ( ϱ(
%#%%%%%%&'%%(

!*#%%%%%%&'%%(

!)#%%%%%%&'%%(

!$#%%%%%%&'%%( ./0122/34(

5126471(
!+#%%%%%%&'%%(
8197:4(
!"#%%%%%%&'%"(

!"#*%%%%%&'%"(

!"#)%%%%%&'%"(

!"#$%%%%%&'%"(

Figura 1.3: Gráfica de ln r̂k

c A.M. Encinas & M.J. Jiménez. EEBE, CNED 2019-20