Tema 2

RESOLUCIN NUMRICA DE ECUACIONES NO

LINEALES

1.- INTRODUCCIN

El problema a resolver en este tema consiste en buscar las races o ceros de una
ecuacin de la forma
f (x) = 0
Para algunas ecuaciones sencillas, se pueden hallar soluciones exactas sin ms que
despejar la incgnita x ; este es el caso, por ejemplo, de la resolucin de una ecuacin de
segundo grado de la forma a x 2 + b x + c = 0 .
Los mtodos numricos utilizados para resolver este problema son todos ellos de tipo
iterativo. Estos mtodos requieren para su utilizacin, separar todas las races en intervalos
disjuntos, es decir requieren hallar intervalos [a,b] de forma que en ellos se encuentre una
nica raz de la ecuacin f (x) = 0 . Esto es debido a que la mayora de los mtodos
iterativos tienen como punto de partida un intervalo que contiene a la raz o una primera
aproximacin x 0 de ella.
Para efectuar una localizacin inicial de las races, podemos usar las siguientes
herramientas:
Representaciones grficas de la funcin y=f(x). Estas representaciones pueden ser
directas, o bien, por ejemplo, del siguiente tipo:
Descomponemos la funcin en la forma f (x) = f1 (x) f 2 (x) y representando las funciones

y = f1 (x) e y = f 2 (x) buscamos los puntos de corte de ambas.

Ejemplo: Si f (x) = sen(x) x + 2 y se consideran las funciones auxiliares

f1 (x) = sen(x) y f 2 (x) = x 2 , hallar los puntos en los que f(x)=0 equivale a hallar los

puntos en los que f1 (x) = f 2 (x) . Es evidente que para localizar las races de f(x) en este
caso es ms rpido y sencillo hacer estas representaciones grficas que la de la propia f(x)
II.Resolucin numrica de ecuaciones no lineales 16

1.5

0.5

-0.5

-1

-1.5

-2
-3 -2 -1 0 1 2 3

No siempre realizaremos una descomposicin en la forma f (x) = f1 (x) f 2 (x) . Habr

veces en que otras descomposiciones sern ms apropiadas.
Ejemplo: Si f (x) = x L(x) 1 , tendremos en cuenta que f (x) = 0 L(x) = 1 / x y se

considerarn las funciones auxiliares f1 (x) = L(x) y f 2 (x) = 1/ x ,

5

-1

1 2 3 4

Teorema de Bolzano: Sea f :[a, b]

una funcin continua, tal que se

cumple f (a) f (b) < 0 , entonces, existe un punto p [a, b] tal que f (p) = 0 .
Estas dos herramientas se usarn de forma combinada en la localizacin de las
races buscadas.
Los mtodos iterativos para calcular races se pueden clasificar en dos tipos:
Mtodos cerrados. Estos mtodos consisten en definir una familia decreciente de
intervalos encajados [an , bn ] que contengan a la raz en cuestin. La convergencia de estos
mtodos est asegurada, mas suelen ser mtodos lentos. Veremos, en esta familia, el
mtodo de biseccin y el de falsa posicin.
Mtodos abiertos. Estos mtodos generan una sucesin { xn }n0 de aproximaciones

que, bajo unas ciertas condiciones, converger a la solucin exacta p. Estos mtodos suelen
ser ms rpidos que los cerrados, pero requieren comenzar el algoritmo cerca de la raz.
Los mtodos abiertos que veremos son los mtodos de punto fijo, el mtodo de Newton-
Raphson y el de la secante.
Por lo general, se usa una combinacin adecuada de estos mtodos: primero se separan
grficamente las races, despus se efectan unas cuantas iteraciones de algn mtodo
II.Resolucin numrica de ecuaciones no lineales 17

cerrado que nos acerquen a la raz, y se termina utilizando un mtodo abierto que nos
proporcione la solucin con la precisin requerida.
Criterios de parada para sucesiones convergentes.
Criterio de error absoluto: Damos > 0 , y se contina iterando hasta que el error
absoluto cumpla eabs = x n p < . Al no conocer la raz p, aproximaremos el error

absoluto por la distancia entre dos iteraciones consecutivas eabs = x n p x n +1 x n .

Criterio de error relativo: Damos > 0 , y se contina iterando hasta que el error relativo
xn p x n +1 x n
erel = que se aproxima por sea menor que , es decir,
p x n +1

x n +1 x n
erel <
x n +1

Otro posible criterio de parada, menos utilizado, consiste en tener en cuenta que a medida
que x n se acerca hacia p el valor f (x n ) se acerca hacia cero, es decir, tomar como criterio

de parada f (x n ) < .

2.- ALGORITMO DE HRNER

El algoritmo de Hrner es un mtodo para evaluar polinomios que resulta ptimo

desde el punto de vista del coste operativo y del almacenamiento en memoria.
Consideremos el polinomio
p(x) = a n + a n 1 x + a n 2 x 2 + + a1 x n 1 + a 0 x n .

Si evaluamos este polinomio de forma directa en un punto x=r, es decir,

n 1 n

p(r) = a n + a n 1 r + a n 2 r r + + a1 r r + a 0 r r .

se realizan 0 multiplicaciones en el primer sumando, 1 en el segundo, 2 en el tercero, y as

sucesivamente, de manera que el coste operativo de este mtodo es
(1 + n) n n 2 n n 2
N = 1+ 2 + + n = = +
2 2 2 2
Si ahora reescribimos el polinomio anterior en la forma

(( ) )
p(r) = ( ( a 0 r + a1 ) r + a 2 ) r + r + a n 1 r + a n
II.Resolucin numrica de ecuaciones no lineales 18

tan slo se realizan n multiplicaciones, es decir, N n . Esto es lo que se conoce con el

nombre de algoritmo de Hrner, que se puede escribir como:
b0 = a 0
b1 = b 0 r + a1
b 2 = b1 r + a 2

b n = b n 1 r + a n ,
y que puede escribirse de manera compacta en la forma:
b0 = a 0
bi = bi 1 r + a i , i = 1, 2, , n

de manera que, al final, tenemos b n = p(r) . Una manera cmoda de efectuar el algoritmo
de Hrner en papel es utilizar el esquema de Ruffini.
Veamos ahora cmo aprovechar los clculos efectuados para evaluar las derivadas
de nuestro polinomio. Al dividir el polinomio p(x) por x r , se obtiene como cociente

un polinomio q n 1 (x) de un grado menos, y como resto una constante R n . Se puede

comprobar por operacin directa la siguiente frmula:
p(x) = q n 1 (x) (x r) + R n
= ( b n 1 + b n 2 x + + b1 x n 2 + b 0 x n 1 ) (x r) + b n ,

la cual revela que el algoritmo de Hrner efecta la divisin deseada. Podemos aprovechar
esta idea derivando la frmula anterior y evalundola en r:
p '(x) = q n 1 '(x) (x r) + q n 1 (x) p '(r) = q n 1 (r).

Para evaluar q n 1 (r) de manera ptima, utilizaremos de nuevo el algoritmo de Hrner. Los

nuevos coeficientes que obtengamos determinarn un nuevo polinomio de grado q n 2 (x) ,

de manera que
q n 1 (x) = q n 2 (x) (x r) + R n 1 ,
y entonces, tenemos
p(x) = q n 2 (x) (x r) 2 + R n 1 (x r) + R n ,
de donde al derivar dos veces se deduce que
'
p ''(x) = 2q n 2 (x) (x r) + q n 2 '(x) (x r) 2 =
= 2q n 2 (x) + 2q n 2 '(x) (x r) + q n 2 ''(x) (x r) 2 + 2q n 2 '(x) (x r),
y de aqu
II.Resolucin numrica de ecuaciones no lineales 19

p ''(r) = 2 q n 2 (r) ,
lo que evaluaremos de nuevo mediante el algoritmo de Hrner. Repitiendo este proceso, se
tiene la frmula general
p k ) (r) = k!q n k (r)

Terminamos este apartado haciendo notar que el algoritmo de Hrner es ptimo

desde el punto de vista del almacenamiento en memoria. Esto es debido a que, en cada
etapa del algoritmo, una vez calculado el nuevo coeficiente bi , se almacenar donde

estaba el valor a i que ya no se utilizar ms. De esta manera, la evolucin de los datos

almacenados es la siguiente:
(a 0 , a1 , , a n , r) (b 0 , a1 , , a n , r) (b 0 , b1 , a 2, , a n , r) (b 0 , , b n , r) = (b 0 , , b n 1 , p(r), r)

Si efectuamos de nuevo el algoritmo con los coeficientes b 0 , , b n 1 , obtendremos p '(r) , y

aplicando el algoritmo sucesivamente, acabaremos obteniendo, las n primeras derivadas

del polinomio evaluadas en x = r .
(p n ) (r) / n!, , p '''(r) / 3!, p ''(r) / 2!, p '(r), p(r), r)

3.- MTODOS DE RESOLUCIN NUMRICA DE UNA ECUACIN NO LINEAL

3.1.- MTODOS CERRADOS
3.1.1.- MTODO DE BISECCIN

Es el mtodo numrico ms simple y est basado en el teorema de Bolzano.

En cada iteracin, tendremos un intervalo [a n , b n ] en el que se cumple la condicin

f (a n ) f (b n ) < 0 del teorema de Bolzano (lo cual asegura, si f (x) es continua en [a n , b n ] ,

que p [a n , b n ] ). Se calcular el punto medio del intervalo x n = ( a n + b n ) / 2 y se evaluar

f (x n ) . A partir del signo de f (x n ) , se ver en qu subintervalo hay cambio de signo, de

manera que dicho subintervalo pasar a ser [a n +1 , b n +1 ] . Expresado de otro modo,

Si f (x n ) f (a n ) < 0 p [a n , x n ] a n +1 = a n y b n +1 = x n

En caso contrario, es decir, si f (x n ) f (b n ) < 0 a n +1 = x n y b n +1 = b n
Si se cumplen las condiciones iniciales ( f (a 0 ) f (b 0 ) < 0 y f (x) continua en

[a 0 , b 0 ] ), el mtodo de biseccin converge siempre.

II.Resolucin numrica de ecuaciones no lineales 20

Demostracin: Teniendo en cuenta que la longitud del intervalo se divide entre dos en cada
iteracin, podemos decir que
b0 a 0
e0 = x 0 p
2
b1 a1 b 0 a 0
e1 = x1 p =
2 22
b 2 a 2 b1 a1 b 0 a 0
e2 = x 2 p = =
2 22 23
y en general
b n a n b n 1 a n 1 b a
en = x n p = 2
= ... = 0 n +1 0 ,
2 2 2
de donde se deduce que lim x n p = 0 lim x n = p .
n n

Observaciones:
1.- Como la longitud del intervalo que contiene la raz se hace cada vez menor, un
criterio de parada adicional para este algoritmo consistir en fijar una longitud > 0 y
continuar las iteraciones hasta que b n a n .

La convergencia de este mtodo es segura, pero lenta.

Este mtodo no garantiza que x n +1 est ms cerca de la raz p que x n ,es decir,
pueden presentarse situaciones como las que aparecen en el grfico siguiente:
p

an x n +1 xn bn

3.1.2- MTODO DE FALSA POSICIN O REGULA FALSI

Este mtodo cerrado tiene los mismos

requisitos iniciales que el mtodo de biseccin, es
decir, En cada iteracin, tendremos un intervalo
[a n , b n ] en el que se cumple la condicin

f (a n ) f (b n ) < 0 del teorema de Bolzano. La diferencia

es que ahora, en lugar de calcular el punto medio del

intervalo, se tomar como xn la interseccin entre el

eje horizontal y la recta secante que pasa por los puntos (a n , f (a n )) y (b n , f (b n )) .

II.Resolucin numrica de ecuaciones no lineales 21

Seguidamente, segn el signo de f (x n ) , se optar por el primer subintervalo o por el

segundo, exactamente igual que en el mtodo de biseccin, es decir,
si f (x n ) f (a n ) < 0 a n +1 = a n y b n +1 = x n
si f (x n ) f (b n ) < 0 a n +1 = x n y b n +1 = b n .

Para calcular xn tendremos en cuenta que la ecuacin de la recta que pasa por los puntos

(a n , f (a n )) y (b n , f (b n )) es de la forma

y f (b n ) x bn f (b n ) f (a n )
= es decir y f (b n ) = (x b n )
f (b n ) f (a n ) b n a n bn a n

y el punto x n de corte de esta recta con el eje OX se obtendr al hacer y=0, con lo cual:

bn a n a f (b n ) b n f (a n )
x n = x = bn f (b n ) = n
f (b n ) f (a n ) f (b n ) f (a n )
Observaciones:
El denominador de la frmula anterior nunca se hace cero ya que f (b n ) y f (a n )
son de signos opuestos.
Por lo general, el mtodo de falsa posicin es ms rpido que el mtodo de
biseccin, pero no siempre. El mtodo de falsa posicin suele ser ms lento que biseccin
en los casos en que la tangente a la curva y=f(x) en la raz p sea o muy horizontal o muy
vertical.
Con frecuencia, uno de los extremos del intervalo permanece fijo (es decir
a n = a 0 n o bien b n = b 0 n ) y el otro es el nico que vara, convergiendo a la raz. Por

eso, con este mtodo no se puede garantizar que la longitud del intervalo [a n , b n ] converja

a cero, y por eso, los nicos criterios de parada que se pueden aplicar son los tres vistos en
el apartado 1.

3.2.- MTODOS ABIERTOS

3.2.1.- MTODOS ITERATIVOS DE PUNTO FIJO

En estos mtodos, lo primero que haremos es transformar la ecuacin f (x) = 0 en

una de la forma g(x) = x . Esta transformacin siempre puede realizarse ya que, si por
ejemplo, sumamos y restamos x a la ecuacin inicial obtenemos que
II.Resolucin numrica de ecuaciones no lineales 22

x = f (x) + x = g1 (x)
f (x) + x x = 0
x = x f (x) = g 2 (x)
aunque tambin podemos considerar otras posibilidades.
Hay que tener en cuenta que los nicos puntos x que verificarn ambas ecuaciones
( f (x) = 0 y g(x) = x) son las races p de la funcin f(x).
Definicin: Sea g una funcin real de variable real. Diremos que p es un punto fijo de
g, o bien que g ( x ) tiene un punto fijo en x = p si se satisface g(p) = p .

Una vez obtenida una funcin g(x), y dada una aproximacin inicial x 0 de p,

calculamos la sucesin {x n }n 0 mediante

x n +1 = g(x n ), n 0

Observacin: Si esta sucesin converge, es decir si existe lim x n = p y g es continua,

n

entonces p es un punto fijo de g ya que,

( n
)
g(p) = g lim x n = lim g(x n ) = lim x n +1 = lim x n = p .
n n n

Por lo tanto, dicho lmite ser tambin una raz de la ecuacin original f ( x ) = 0 . El
siguiente resultado nos da una condicin suficiente para la convergencia de la sucesin
anterior.
Teorema local de convergencia: Sea p un punto fijo de una funcin g(x), cuya primera
derivada es continua en un entorno de p y tal que se cumple g '(p) < 1 . Entonces, existe un

> 0 para el cual x n +1 = g(x n ) converge al punto fijo p siempre que se parta de una

aproximacin inicial x 0 que verifique que x 0 p < x 0 (p , p + ) .

Observacin: El problema de este teorema es que, aunque asegura que existe no nos dice
cunto vale. En la prctica, para solucionar este problema nos basaremos en el hecho de
que una funcin continua en un intervalo pequeo vara siempre poco. Por tanto, lo que se
har es considerar que, salvo en el caso de funciones con tangentes muy horizontales o
muy verticales en la raz p (que es cuando ms variaciones presenta la derivada) 0.1
va a funcionar bien. Para los casos de tangentes muy horizontales o muy verticales,
tomaremos 0.01 . Este valor de ser el que se aplique en el criterio de parada del
mtodo cerrado que se aplicar antes del mtodo abierto.
II.Resolucin numrica de ecuaciones no lineales 23

Como veremos en el prximo apartado, el tamao de la constante g '( p)

determinar la velocidad de convergencia de la sucesin, de manera, que si tenemos varias
funciones g(x) para ser consideradas como funciones de iteracin de punto fijo, convendr
tomar aquella que minimice el valor de g '( p) .
Ejemplo: para la funcin g ( x ) = x f ( x) tenemos g '( p ) = 1 f '( p ) , de modo que para
que d lugar a un mtodo de punto fijo convergente ha de cumplirse que f '( p ) (0, 2) .

3.2.1.1.- Orden de convergencia

Supongamos que una sucesin de nmeros reales {x n }n 0 converge a un lmite p.

Llamaremos e n = p x n al error n-simo cometido.

Definicin: Diremos que la convergencia xn

n
p es de primer orden (lineal) si

existe una constante 0 K ( 1,1) tal que

e n +1
lim =K.
x e
n

Esto significa que cuando n es grande e n +1 K e n y por tanto, el error disminuir

tanto ms rpido cuanto ms cercano a 0 sea K.
Adems si K > 0, signo(e n ) = signo(e n +1 ) n , lo que significa que todos los

trminos de la sucesin {x n }n 0 estn situados al mismo lado de p. Por el contrario, si

K < 0, signo(e n ) signo(e n +1 ) n , lo que significa que los trminos de la sucesin {x n }n 0

saltan alternativamente a izquierda y derecha de p.

Definicin: Diremos que la convergencia xn
n
p es de orden (1, ) si existe

una constante K 0 tal que

e n +1
lim =K,
x e
n

lo cual equivale a que, asintticamente, e n +1 K e n . Notamos que, como > 1 , en esta

definicin no es relevante el tamao de K para que el error decrezca, sino que lo que tiene
autntica influencia es el tamao del orden : cuanto mayor sea el orden, ms rpida ser
la convergencia.
Por ejemplo, es ms rpida la convergencia cuadrtica ( = 2 ) que la lineal, pero ms
rpida an lo es la convergencia cbica ( = 3 ).
II.Resolucin numrica de ecuaciones no lineales 24

3.2.1.2.- Orden de convergencia de los mtodos cerrados

Tal y como hemos observado previamente, no se puede asegurar que el error
disminuya entre dos aproximaciones sucesivas del mtodo de biseccin, por lo que no se
satisface la frmula de convergencia que hemos visto. No obstante, se puede decir que la
convergencia es similar a la lineal, ya que hemos visto que

ba c n +1
en = cn y lim =1/ 2
2 n +1 n c
n

lo que significa que en el mtodos de biseccin el error se divide por 2 en cada paso (lo
que intuitivamente coincide con el hecho de que en cada paso el punto x n es el punto

medio del intervalo [a n , b n ] )

Por otro lado, puede demostrarse que el mtodo de falsa posicin tiene
convergencia lineal.

3.2.1.3.- Orden de convergencia de los mtodos abiertos

Consideramos una funcin g(x) para la cual se cumple el teorema de convergencia
local, de manera que la sucesin dada por x n +1 = g(x n ) converge al punto fijo p. Vamos a

analizar el orden de convergencia de esa sucesin desarrollando por Taylor la funcin g

alrededor del punto x = p . Si truncamos en el primer trmino, obtenemos que
g '( x )
g(x) = g(p) + (x p),
1!
con x ( x, p ) (estamos suponiendo x < p , pero si x > p , se puede hacer el mismo estudio

de manera similar). Particularizando para x = xn , y teniendo en cuenta que g ( p ) = p ,

g '( n ) x p
x n +1 = g(x n ) = p + (x n p) n +1 = g '( n )
1! xn p
de modo que, si g ' es continua en p, tenemos

lim
n
en +1
en n
( n
)
= lim g '( n ) = g ' lim n = g '( p ) ,

donde hemos usado que n [x n , p] lim n [p, p] = {p} . Ahora, tenemos dos opciones:
n

si | g '(p) | (0,1) , entonces el mtodo de punto fijo que estamos estudiando satisface
la definicin de convergencia lineal con constante K = g '(p).
II.Resolucin numrica de ecuaciones no lineales 25

si, por el contrario, g '(p) = 0 , entonces tomamos un trmino ms en el desarrollo

de Taylor de g:
g '(p) g ''( n )
g(x n ) = g(p) + (x n p) + (x n p) 2 ,
1! 2!
para un cierto n [x n , p] . De forma similar, obtenemos, usando g(p) = p y g '(p) = 0 :

lim
n
e n +1
( en )
2
= lim
x n +1 p
n (x p) 2
n
n
(
n
)
= lim g ''( n ) = g '' lim n = g ''(p),

donde hemos utilizado que g '' es continua en p. Nuevamente, si g ''(p) 0 , podemos

concluir que la convergencia es cuadrtica. En caso contrario, es decir, si g ''(p) = 0 ,
podemos continuar con el desarrollo de Taylor aadiendo otro trmino ms.
Razonando de la misma manera, llegamos a que si se cumple
g(p) = p, g '(p) = g ''(p) = = g k 1) (p) = 0 y g k ) (p) 0,

y adems g k ) es continua en p, entonces la convergencia es de orden k.

3.2.1.4.- Interpretacin geomtrica de los mtodos iterativos de punto fijo

y = g(x)
El punto fijo p con g(p)=p es la interseccin entre las curvas
y = x

Si representamos los puntos

(x 0 , g(x 0 )) = (x 0 , x1 ), (x1 , x1 ), (x1 , g(x1 )) = (x1 , x 2 ), (x 2 , x 2 ), (x 2 , g(x 2 )) = (x 2 , x 3 ), (x 3 , x 3 ),...
iremos saltando alternativamente de la curva y=g(x) a la recta y=x. Los grficos que se
obtienen para los distintos valores de g(p) son los siguientes:

Caso 0 < g(p) < 1 Caso g(p) > 1

II.Resolucin numrica de ecuaciones no lineales 26

Caso -1 < g(p) < 0 Caso g(p) < 1

En el primer grfico se observa que los puntos de la sucesin {x n }n 0 se acercan al

punto fijo p y todos los x n estn situados al mismo lado de p. En el segundo, los puntos de

la sucesin {x n }n 0 se alejan del punto fijo p estando todos los x n situados al mismo lado

de p.
En el tercer grfico se observa que los puntos de la sucesin {x n }n 0 se acercan al

punto fijo p y los puntos x n saltan alternativamente a izquierda y derecha de p. En el

cuarto, los puntos de la sucesin { x n }n 0 se alejan del punto fijo p saltando

alternativamente a ambos lados de p.

3.2.2.- MTODO DE NEWTON-RAPHSON

El mtodo de Newton-Raphson es un mtodo iterativo de punto fijo con

convergencia cuadrtica.
En l se considera una funcin de punto fijo
g(x) = x h(x) f (x) ,
y se busca la funcin h(x) ms sencilla que cumpla las condiciones necesarias para que la
convergencia sea cuadrtica.
Veamos qu ha de cumplir h(x). Para ello, tendr que cumplirse que
g(p) = p f (p) = 0 . Tenemos:
p = g(p) = p h(p) f (p) h(p) f (p) = 0 ,
II.Resolucin numrica de ecuaciones no lineales 27

de modo que para poder concluir que f (p) = 0 , es necesario que h(p) 0 . Por otro lado,
como hemos visto en el apartado anterior, para que g d lugar a un mtodo con
convergencia (al menos) cuadrtica, ha de cumplirse g '(p) = 0 . Calculemos, pues:
g '(x) = 1 h '(x)f (x) h(x)f '(x)
g '(p) = 1 h '(p)f (p) h(p)f (p) = 1 h(p)f '(p)
de manera que para que el mtodo sea cuadrtico ha de cumplirse
1 1
h(p)f '(p) = 1 h(p) = . Una forma sencilla de asegurar esto es tomar h(x) = y
f '(p) f '(x)
sustituyendo en la funcin de iteracin, obtenemos la frmula de Newton-Raphson:

f (x) f (x n )
g(x) = x x n +1 = x n .
f '(x) f '(x n )

Hemos probado, pues, el siguiente teorema de convergencia:

Teorema: Sea f una funcin cuya segunda derivada es continua en un entorno V de p (en
notacin estndar, f C 2 (V ) ), y tal que p V , f ( p ) = 0 y f '( p ) 0 . Entonces, el

mtodo de Newton-Raphson es convergente a p si comenzamos con un valor x0 lo

suficientemente cercano a p. Si adems f C 3 (V ) , entonces la convergencia es

cuadrtica.
Demostracin: Dado que g ha sido diseada para que se cumpla g '( p ) = 0 , tan slo hay

que ver que g C 2 (V ) , para lo cual es suficiente con f C 3 (V ) .

Observaciones:
El mtodo de Newton-Raphson tiene
una interpretacin geomtrica muy sencilla:
dada una aproximacin xn , se puede

conseguir xn +1 sin ms que calcular el punto

de interseccin entre la recta tangente que

pasa por ( xn , f ( xn )) y el eje horizontal. En

efecto, segn la figura,

f (x n ) f (x n )
tan = = f '(x n ) x n +1 = x n
x n x n +1 f '(x n )
II.Resolucin numrica de ecuaciones no lineales 28

La frmula de Newton-Raphson tambin puede interpretarse como una

aproximacin mediante un desarrollo de Taylor de orden 1, despreciando los trminos de
orden 2. En efecto, desarrollando en xn , tenemos la aproximacin

f (x) f (x n ) + f '(x n ) (x x n )

y tomando, ahora, x = p , obtenemos

f (x n )
0 = f (p) f (x n ) + f '(x n ) (p x n ) p x n
f '(x n )

A pesar de ser un mtodo muy rpido, tiene el inconveniente de ser un mtodo caro
desde el punto de vista del coste operativo, debido a que en cada paso, no slo hay que
evaluar f, sino que tambin su derivada, que por lo general, supone un mayor coste.
No obstante, en el caso de que f sea un polinomio, se puede evaluar, junto con su
derivada, mediante el algoritmo de Hrner de forma ptima. Por lo tanto, el mtodo de
Newton-Raphson es especialmente adecuado para polinomios.

3.2.3.- MTODO DE LA SECANTE

Este mtodo es una variacin del mtodo de Newton-Raphson mediante la cual

evitamos tener que evaluar la derivada de f , con el objetivo de paliar la desventaja del
elevado coste operativo que supone. Para ello, partiendo de que
f (x n ) f (x)
f '(x n ) = lim ,
x xn xn x

tenemos que, para valores xn 1 cercanos a xn , tenemos

f (x n ) f (x n 1 )
f '(x n ) ,
x n x n 1

que no es sino aproximar la pendiente de la tangente a la grfica de f en xn por la pendiente

de la recta secante que pasa por los puntos (x n , f (x n )) y (x n 1 , f (x n 1 )) . Sustituyendo la

anterior aproximacin en la frmula iterativa de Newton-Raphson obtenemos la frmula

iterativa para el mtodo de la secante:
f (x n ) (x n x n 1 )
x n +1 = x n , n 1
f (x n ) f (x n 1 )
II.Resolucin numrica de ecuaciones no lineales 29

Notamos que el mtodo de la secante no es un mtodo de punto fijo. De hecho, para

aplicar este mtodo son necesarios dos valores iniciales: x0 y x1 . Adems, el orden de

convergencia no es un nmero natural, como revela el siguiente resultado:

Teorema: Sea f C 2 ( a, b) , tal que p (a, b) , f ( p ) = 0 y f '( p ) 0 . Entonces, el

mtodo de la secante es convergente a p si comenzamos con valores x0 y x1 lo

suficientemente cercanos a p. El orden de convergencia de este mtodo es el nmero ureo

1+ 5
= 1.68301.
2
Observaciones:
x n 1 f (x n ) x n f (x n 1 )
La frmula iterativa es equivalente a x n +1 = . Sin embargo,
f (x n ) f (x n 1 )
no usaremos esta ltima porque es inestable: pueden tender, tanto numerador como
denominador, a cero a la vez con igual velocidad.
Aunque la frmula sea equivalente a la del mtodo de falsa posicin, los
algoritmos son distintos: en el mtodo de la secante no se estudian los signos. Esto hace
que el mtodo de la secante no sea siempre convergente (cosa que s ocurra en falsa
posicin)
En todos los pasos es necesario f (x n ) f (x n 1 ) .
II.Resolucin numrica de ecuaciones no lineales 30

EJERCICIOS
ex 1 x
1.- Sea f ( x) = . Usando aritmtica de 6 dgitos significativos, se desea calcular
x2
f (0.01) de dos formas diferentes:
a) Evaluando directamente en la expresin dada.
b) Evaluando el polinomio cuadrtico de Maclaurin correspondiente.
Efectuar ambos clculos y dilucidar cul es ms apropiado.
Solucin: a) 0.5. b) 0.501671, ms preciso.

2.- Usando aritmtica de 3 dgitos significativos, evaluar el polinomio

p( x) = x 3 3x 2 + 3x 1
en el punto x = 2.19 directamente, y tambin mediante el algoritmo de Hrner. Comparar
los resultados con el valor exacto.
Solucin: directamente: 1.67. Hrner: 1.69. Exacto: 1.685159.

3.- Utilizando el algoritmo de Hrner de forma adecuada, calcular el desarrollo de Taylor

del polinomio p ( x ) = 1 2 x + 3 x 2 4 x 3 + 5 x 4 6 x 5 en potencias de ( x 1) .

Solucin: p ( x) = 3 18( x 1) 39( x 1) 2 44( x 1)3 25( x 1) 4 6( x 1)5

4.- Localizar las races de las siguientes funciones en intervalos de amplitud 1 unidad.
Utilizar representaciones grficas combinadas con el teorema de Bolzano.
a) f (x) = sen(x) x + 2
b) f (x) = x L(x) 1

c) f (x) = x 3 4 x 2 + 6

d) f (x) = x 3 x 1

e) f (x) = e x x 2

f) f (x) = e x + x

g) f (x) = x log10 (x) 1

Solucin: a) p [2,3] , b) p [1, 2] c) p1 [2, 1], p 2 [1, 2], p3 [3, 4]

d) p [1, 2] , e) p1 [2, 1], p 2 [1, 2] f) p [1, 0] g) p [2,3]

II.Resolucin numrica de ecuaciones no lineales 31

5.- Sin utilizar para nada la calculadora, realizar un bosquejo de todas las races de las
siguientes funciones y acotarlas en intervalos disjuntos.
a) f (x) = tg(x) x
b) f (x) = (1 + x) sen(x) 1
sen(2x)
c) f (x) = 1
ex
Solucin: a) Races positivas: p k (k, k + / 2) k 1

Races negativas: s k (k / 2, k) k 1

p k (k, k + / 2)
b) Races positivas: k 0, k par
p k +1 (k + / 2, (k +1), )

s k (k / 2, k)
Races negativas: k 2, k par
s k +1 ((k + 1), k / 2)

(2k + 1) k
p k ,
4 2
c) k 1, k impar
p (k + 1) , (2k + 1)
k +1 2 4

6.- Utilizando el mtodo de biseccin, resolver con una precisin superior al 25% la
ecuacin e x x = 0 , partiendo del intervalo inicial [0,1].
Solucin: p x 2 = 0.625

7.- Partiendo de un intervalo de extremos enteros que contenga a la mayor raz de la

funcin f ( x) = x e x 1 , conseguir mediante el mtodo de biseccin un nuevo intervalo de
longitud menor que 0.1 que la siga conteniendo.
Solucin: p (0.5625, 0.625)

8.- Calcular, aplicando el mtodo de biseccin al polinomio adecuado, una aproximacin

3
de 3 , localizndola en un intervalo de longitud menor a 0.1.

Solucin: 3
3 1.4375
II.Resolucin numrica de ecuaciones no lineales 32

9.- Resolver la ecuacin no lineal f (x) = e x x = 0 mediante el mtodo de falsa posicin,

partiendo del intervalo inicial [0,1] y operando con redondeo a 4 decimales. Obtener la
aproximacin de la raz con un error < 1%
Solucin: p x 2 = 0.5677

10.- Calcular un punto fijo de la funcin g ( x) = e x mediante el mtodo de falsa posicin o

regula falsi. Comenzar con un intervalo de extremos enteros que contenga a la raz.
Trabajar con aritmtica de 4 dgitos significativos y detener el algoritmo al obtener una
precisin del 1%.
Solucin: p x 2 = 0.5677

11.- Realizar el ejercicio anterior, pero esta vez utilizando el mtodo de la secante.
Solucin: p x 4 = 0.5672

12.- Sabiendo que la raz de la funcin f (x) = sen(x) x + 2 est en el intervalo (2.5,2.6),
realizar 6 iteraciones mediante un mtodo iterativo de punto fijo linealmente convergente.
Trabajar con redondeo a 6 dgitos significativos Cuntos decimales correctos se
conseguirn aproximadamente en 20 iteraciones? Cmo se acercan los puntos de la
sucesin {x n }n 0 a la raz p?

Solucin: p x 6 = 2.53633 , aprox. 3 decimales correctos

13.- Se pide lo mismo que en el problema anterior para la funcin f (x) = x L(x) 1 cuya
raz p (1.7,1.8)

Solucin: p x 6 = 1.76106 , aprox. 6 decimales correctos

14.- Obtener una aproximacin del punto fijo de g ( x) = e x (por el ejercicio 6, sabemos que
ese punto fijo es p (0.5625 , 0.625) ) realizando tres iteraciones de un mtodo
linealmente convergente de punto fijo, utilizando una funcin que satisfaga el teorema de
convergencia local. Merece la pena utilizar este mtodo, o sera mejor utilizar biseccin?
II.Resolucin numrica de ecuaciones no lineales 33

Razonar la respuesta antes de realizar las iteraciones. Calcular el error porcentual en cada
iteracin y utilizar 6 dgitos significativos.
Solucin: p x 3 = 0.562338, e = 2.37%

15.- Resolver la ecuacin del ejercicio anterior con el mismo punto de partida, utilizando
en esta ocasin el mtodo de Newton-Raphson y seis dgitos significativos. Justificar la
convergencia del mtodo antes de aplicarlo. Detener el algoritmo al obtener una precisin
del 0.025%.
Solucin: p x 2 = 0.567143

16.- Dada la funcin

f (x) = x 3 1.09x 2 3.9721x + 5.05305 ,

utilizar un mtodo de convergencia cuadrtica para calcular la raz ms cercana a x 0 = 2 ,

operando con 6 dgitos significativos y evaluando las funciones involucradas de forma
ptima.
Solucin: p x 2 = x 3 = 2.05

17.- Se pide lo mismo que en el ejercicio anterior para

f (x) = x 3 5.56x 2 + 9.1389x 4.68999 ,

tomando como aproximacin inicial x 0 = 3 y trabajando con redondeo a 5 decimales.

Solucin: p x 3 = x 4 = 3.1

18.- Trabajando con 6 cifras significativas, obtener la nica raz real del polinomio
f (x) = x 3 + 2x 2 + 10x 20 mediante un mtodo de convergencia cuadrtica que optimice el
coste operativo del proceso. Partir de un intervalo de extremos enteros que contenga a la
raz, y aplicar una vez el mtodo de falsa posicin para obtener el valor inicial.
Solucin: p x 3 = 1.36881
II.Resolucin numrica de ecuaciones no lineales 34

19.- Calcular con una precisin del 0.1% y trabajando con 6 dgitos significativos una
solucin de la ecuacin 5 x ln( x ) 1 = 0 mediante un mtodo de punto fijo linealmente
convergente que satisfaga las condiciones del teorema de convergencia local. Partir de un
intervalo de extremos enteros que contenga a la raz y aplicar el mtodo de biseccin hasta
obtener un intervalo de longitud menor que 0.1 que la siga conteniendo.
Solucin: p x 3 = 1.18416

20.- Considerar la funcin f (x) = x e x /5 . Trabajando con 6 cifras significativas, se pide:

i) Estudiar grficamente cuntas races tiene y separarlas en intervalos de longitud 1
(Pista: la mayor raz es mayor que 10.)
ii) Reducir los intervalos utilizando 2 iteraciones del mtodo de falsa posicin en cada
intervalo.
iii) Hallar funciones de punto fijo que verifiquen el teorema de convergencia local en
cada caso.
Solucin: ii) p1 [1,1.29593], p 2 [12.7116,13]

iii) p1 x 3 = x 2 = 1.29586, p 2 x 5 = x 4 = 12.7132

21.- Sin utilizar la calculadora para nada, analizar cuntas soluciones tiene la ecuacin
4 cos x e x = 0 . Calcular con un error absoluto menor que 104 la raz cercana a 1 (tomar
x0 = 1 ) utilizando el mtodo de Newton-Raphson. As mismo, utilizar el mtodo de la

secante con los valores iniciales x0 = / 4 y x1 = / 2 .

p k (k, k + / 2)
Solucin: p 0 (0, / 2), p1 ( / 2, 0), k > 0, k par
p k +1 (k / 2, k, )

Newton-Raphson: p x 3 = 0.904788 , Secante: p x 5 = 0.904788

22.- La ecuacin sen(x) = x / 2 tiene una raz real en p ( / 2, ) . Partiendo de ese

intervalo, calcular dicha raz p mediante el mtodo de regula falsi y mediante el mtodo de
la secante. Utilizar, en ambos casos, como criterio de parada, f ( x) < 104 , y utilizar

redondeo a 6 cifras significativas.

Solucin: Falsa posicin: p x 7 = 1.89539 ,
II.Resolucin numrica de ecuaciones no lineales 35

Secante: Tomar x 0 = , x1 = / 2 (ms cercano a p que ) p x 5 = 1.89543

23. a) Deducir, utilizando el mtodo de Newton-Raphson, una frmula iterativa que

calcule el inverso de un nmero cualquiera C > 0 utilizando tan slo sumas, restas y
multiplicaciones (pero no divisiones)
m
b) Admitiendo divisiones, disear una frmula iterativa efectiva para calcular C,
siendo m .

24.- Mostrar grficamente que la ecuacin 4 sen(x) = 1 + x tiene tres races reales

r1 < r2 < r3 , y separarlas en intervalos de longitud / 2 sin utilizar la calculadora.

Solucin: r1 ( , / 2), r2 (0, / 2), r3 ( / 2, )

25.- Sabiendo que las funciones siguientes tienen una raz p en el intervalo indicado
a) f (x) = e x L(x) p [1.25,1.3125] = [a, b]

b) f (x) = e x x 2.5 p [2.5, 2.4375] = [a, b]

2

buscar una funcin g(x) para la cual el mtodo iterativo de punto fijo asociado sea
convergente con convergencia casi cuadrtica. Tomando x 0 = a , calcular la raz utilizando
dicha funcin g(x) y trabajando con redondeo a 5 decimales.
Solucin: a) p x 2 = x 3 = 1.30980 , b) p x 2 = x 3 = 2.49805

26.- Se desea calcular el valor de x para el cul la funcin

7
f(x) = x 2 x + 5 + cos(x)
3
alcanza un mnimo. Para ello se darn los siguientes pasos:
a) Obtener la funcin cuya raz se busca.
b) Localizar y separar grficamente la raz en un intervalo de longitud 1.
c) Realizar dos iteraciones del mtodo de falsa posicin para reducir el tamao del
intervalo del apartado anterior.
d) Tomando como punto de partida la segunda de las aproximaciones obtenidas calcular
la solucin mediante un mtodo iterativo de punto fijo de convergencia lineal con
precisin 0.01 %.
II.Resolucin numrica de ecuaciones no lineales 36

Nota: Trabajar con redondeo a 6 dgitos significativos.

Solucin: c) p (1.66032, 2) d) p x 3 = 1.66447

27.- La concentracin c de una bacteria contaminante en un lago decrece segn la

expresin
c(t) = 35 e 3t + 15 e 0.2t

siendo t el tiempo medido en horas. Determinar en qu momento (horas, minutos,

segundos) el nmero de bacterias se reduce al 2 % del inicial, utilizando para ello el
mtodo de la secante, partiendo del intervalo [13,14], trabajando con 6 dgitos
significativos y calculando la respuesta con precisin de 0.01 %.
Solucin: t x 4 = 13.5403 13 horas,32 min utos y 25 segundos

28.- Se sabe que para la funcin f(x) del grfico, al tomar como valor inicial del mtodo de
Newton-Raphson x 0 = 3 se obtiene convergencia cuadrtica hacia la raz p 2 en vez de

hacia la raz p1 (que es ms cercana a x 0 ). Explicar (en base al grfico y al teorema de

convergencia local) cul es la razn de que esto suceda.

2
p2
2 3 4 5 6 7 8
p1
-2

-4

-6

-8
II.Resolucin numrica de ecuaciones no lineales 37

ANEXO

x = g1 (x) = x f (x) = x x 3 4x 2 + 10

10 4x 2
f (x) = x x 2
+ 4x 2
10 = 0 x = g 2 (x) =
x

1
f (x) = x 3 + 4x 2 10 = 0 f (x) = 0 4x 2 = 10 x 2 x = g 3 (x) = 10 x 2
2
10
f (x) = x (x + 4) 10 = 0 x = g 4 (x) =
2

4+x
x + 4x 10
3 2

x = g 5 (x) = x
3x 2 + 8x

Tomando, por ejemplo, x 0 = 1.5 se obtienen los siguientes resultados:

II.Resolucin numrica de ecuaciones no lineales 38
II.Resolucin numrica de ecuaciones no lineales 39
II.Resolucin numrica de ecuaciones no lineales 40
II.Resolucin numrica de ecuaciones no lineales 41
II.Resolucin numrica de ecuaciones no lineales 42