Soluciones Aproximadad de Ecuaciones No Lineales

UNIVERSIDAD NACIONAL DE SAN JUAN
Facultad de Ingeniería
Departamento de Matemática
MÉTODOS NUMÉRICOS
Ingeniería en Alimentos
Ingeniería Química
Ingeniería Industrial
Ingeniería de Minas
Ingeniería en Metalurgia Extractiva
UNIDAD DE APRENDIZAJE N° 4
Solución aproximada de ecuaciones no lineales
Profesor Responsable: Esp. Ing. María Rosa Castro
2018
1. Introducción
Uno de los problemas más frecuentes en el trabajo científico es hallar raíces de ecuaciones de la forma:
f ( x) = 0
Donde f ( x ) está dada explícitamente (por ejemplo, f ( x ) puede ser una función polinómica, o bien, una
función trascendente).
En algunos casos es posible obtener las raíces exactas de la ecuación, pero la mayoría de las veces, esto
resulta engorroso y en algunos casos imposible.
Además, incluso en casos resolubles no nos va a interesar tanto la respuesta "exacta", como la precisión
con la que podamos calcular las raíces. Por ejemplo: supongamos que tenemos que construir una barra
cuya longitud l verifique la ecuación l 2 − 2 = 0  l =  2 . Luego, la barra tendrá que medir l = 2 . Es
claro que esta respuesta no puede usarse para fines prácticos por ser 2 un número irracional (y por lo
tanto con infinitos decimales). A la hora de trabajar con 2 representamos este número en el sistema
decimal, tomando el número de decimales que nuestra precisión exija. Además, la mayoría de las veces
también los coeficientes han sido obtenidos a partir de medidas experimentales, sujetos a error.
Finalmente, nos interesa encontrar métodos para calcular las raíces de una ecuación con el grado necesario
de precisión.
Recordemos algunas definiciones.
Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 2

En principio, una raíz también puede ser un número complejo; nosotros sólo estamos interesados en la
búsqueda de las raíces reales de una ecuación.
2. Objetivos Específicos de la unidad

Al término del estudio de los contenidos aquí expuestos y al realizar todas las actividades propuestas por el
equipo de cátedra, se espera que el alumno logre:
1. Determinar dada una ecuación no lineal, el número de raíces que ella tiene.
2. Encontrar el intervalo de acotación que contiene a todas las raíces reales de una ecuación
polinómica de grado n.
3. Dado un subintervalo que contiene una sola raíz, aplicar correctamente el método de Newton
Raphson, para hallar una aproximación de ella.
4. Calcular el error cometido al aproximar la solución de una ecuación de grado n.
5. Decidir cuándo se debe truncar un proceso iterativo.
6. Obtener conclusiones acerca de los resultados.
7. Implementar en la resolución de distintos ejercicios, los distintos métodos vistos, usando Octave y
Excel.
3. Pasos para la resolución de una ecuación

En general, la búsqueda de las raíces reales de una ecuación polinómica va a constar de tres pasos:
✓ Acotación
✓ Separación
✓ Aproximación
Acotar: consiste en encontrar dos números reales, Li y Ls, de manera que tengamos garantizado que fuera
del intervalo de acotación [Li, Ls] no se encuentra ninguna raíz real de la ecuación.
Separar consiste en dividir el intervalo [Li, Ls] en otros más estrechos de forma que en cada uno de ellos o
haya una única raíz o no haya ninguna.
Y, finalmente podemos pasar a aproximar cada una de las raíces con tanta precisión como deseemos.
Vamos a dividir nuestro estudio en ecuaciones algebraicas y trascendentes ya que la forma de trabajar con
ellas es, a veces, bastante diferente, aunque encontraremos métodos comunes para ambos tipos de
ecuaciones.
3.1. Ecuaciones algebraicas

Propiedades generales de una ecuación algebraica
Algunos de los resultados que veremos en este apartado son válidos para cualquier tipo de ecuaciones
algebraicas, ya tengan los coeficientes reales o complejos. Como nuestro estudio de resolución de
ecuaciones se va a limitar a ecuaciones polinómicas con coeficientes reales, siempre supondremos que los
polinomios con los que trabajamos son polinomios con este tipo de coeficientes; es decir, salvo que se
especifique otra cosa, en adelante será un polinomio general de grado n con coeficientes reales:

Lema: Sea r un número que pertenece al campo de los números complejos. Entonces, r es una raíz del
polinomio P(x) ⇔P(x) es divisible por el factor (x - r), es decir el polinomio P(x) se puede escribir como
P(x)=(x-r). Q(x) en donde Q(x) es un polinomio un grado menor que P(x).
Demostración: Dividiendo el polinomio P(x) entre (x - r) obtenemos:
Entonces:
Definición de raíz de una ecuación polinómica: Sea b un número real y 𝑃(𝑥) = ∑𝑛𝑖=1 𝑎𝑖 𝑥 𝑖 = 0 una
ecuación polinómica o algebraica. Diremos que b es raíz de 𝑃(𝑥) = 0 si 𝑃(𝑏) = ∑𝑛𝑖=1 𝑎𝑖 𝑏 𝑖 = 0. En ese caso,
diremos que la ecuación polinómica se anula en b.
Ejercicio 1
a- Verifique que 0.5 y -2 son raíces de 2𝑥 2 + 3𝑥 − 2 = 0
b- ¿El valor x=-1 es raíz de 𝑥 3 + 3𝑥 2 + 3𝑥 + 1 = 0?
c- ¿Alguna de las siguientes raíces 0, 3, -2, 1 se repiten en la ecuación polinómica?
2𝑥 5 − 6𝑥 4 − 6𝑥 3 + 22𝑥 2 − 12𝑥 = 0
Dada la definición de raíz de un polinomio, es natural formularse una serie de interrogantes respecto de
diversas cuestiones, como podría ser, por ejemplo:
- ¿Cuántas raíces tiene un polinomio?
- ¿Es posible que una ecuación polinómica no tenga ninguna raíz?
- ¿Cómo se pueden calcular las raíces de una ecuación polinómica?
3.2. Teorema Fundamental del Algebra (TFA)

Sea 𝑃𝑛 (𝑥) = 𝑎0 𝑥 𝑛 + 𝑎1 𝑥 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑥 + 𝑎𝑛 un polinomio de grado n, entonces 𝑃𝑛 (𝑥) tiene n raíces en el
campo de los números complejos 𝑥1 , 𝑥2 , … , 𝑥𝑛 y puede escribirse:
𝑃𝑛 (𝑥) = 𝑎0 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … . (𝑥 − 𝑥𝑛 )
Consecuencia inmediata de los dos resultados anteriores es la factorización de un polinomio en función de

sus raíces, descomposición que nos es de gran utilidad y que, desgraciadamente, no es posible encontrar en
otro tipo de ecuaciones.

En definitiva, tenemos que si P(x) es un polinomio de grado n con coeficientes reales entonces P(x) tiene
exactamente n raíces. Las n raíces pueden ser tanto imaginarias como reales. Esta conclusión también es
válida cuando los coeficientes del polinomio son números complejos.
Corolario del Teorema del Resto

“Un número real b es raíz de una ecuación polinómica 𝑃(𝑥) = 0 si y sólo si (𝑥 − 𝑏)divide en forma exacta a
𝑃(𝑥)”
Demostración
Por el teorema del resto, 𝑃(𝑏)es el resto de dividir 𝑃(𝑥)por (𝑥 − 𝑏), luego si b es raíz, o sea si
𝑃(𝑏) = 0, el resto de dividir 𝑃(𝑥) por (𝑥 − 𝑏) es cero, luego (𝑥 − 𝑏) divide a 𝑃(𝑥).
Proposición: “Toda ecuación polinómica de grado n tiene a lo sumo n raíces distintas”
Ejercicio 2: Encontrar la factorización del polinomio:
P( x) = 6 x3 − 11x 2 − x + 6
¿Qué tipo de coeficientes tienen los factores de la descomposición?
3 2
Solución: P( x) = 6.( x − 1).( x − ).( x + ) Se puede observar que todas las raíces son números reales.
2 3
Ejercicio 3: Encontrar la factorización del polinomio:
P( x) = 2 x 3 − 5 x 2 + 6 x − 2
Solución:𝑃(𝑥) = (𝑥 − 0.5) . (2𝑥 2 − 4𝑥 + 4). En este ejercicio las raíces son: x1 = 0.5 y x2 , x3 = 1  1i
Otro hecho importante a tener en cuenta es el siguiente:

En consecuencia, el número de raíces complejas de un polinomio con coeficientes reales es siempre
par.
Ejercicio 4: Sea P(x) un polinomio de grado 5 con coeficientes reales. ¿Cuántas raíces reales y cuántas
complejas puede tener P? Da una lista con todos los casos posibles. ¿Y si el polinomio fuera de grado 6?
Volvamos a la factorización: Las n raíces encontradas no tienen por qué ser todas distintas. Agrupando los
factores que corresponden a la misma raíz, la factorización queda como:

Definición de Orden de Multiplicidad: Diremos que un número real b es raíz con orden de multiplicidad
m de una ecuación polinómica, si (𝑥 − 𝑏)𝑚 divide a 𝑃𝑛 (𝑥), 𝑦 (𝑥 − 𝑏)𝑚+1 no lo divide.
Ejercicio5: Comprobar que 1 es raíz de multiplicidad dos y -2 es raíz simple de la ecuación:
𝑥 3 − 3𝑥 + 2 = 0
Corolario 1: Sea 𝑃𝑛 (𝑥) = ∑𝑛𝑖=1 𝑎𝑖 𝑥 𝑖 es un polinomio de grado 𝑛 ≥ 1, entonces existen constantes únicas
𝑥1 , 𝑥2 , … , 𝑥𝑛 , posiblemente complejas, y enteros positivos, 𝑚1 , 𝑚2 , … , 𝑚𝑘 , tal que ∑𝑛𝑖=1 𝑚𝑖 = 𝑛 𝑦 𝑃𝑛 (𝑥) =
𝑎0 (𝑥 − 𝑥1 )𝑚1 (𝑥 − 𝑥2 )𝑚2 … . (𝑥 − 𝑥𝑘 )𝑚𝑘
Corolario 2: Sean P y Q polinomios de grado a lo sumo n. Si 𝑥1 , 𝑥2 , … , 𝑥𝑘 , con 𝑘 > 𝑛, son números distintos
con 𝑃(𝑥𝑖 ) = 𝑄(𝑥𝑖 ), para 𝑖 = 1, 2, … , 𝑘, entonces 𝑃(𝑥) = 𝑄(𝑥) para todo valor de x.
Ejercicio 6: Calcular las raíces y el orden de multiplicidad de los siguientes polinomios. Sugerencia: aplica
la Regla de Ruffini1
1 1 1
a) 𝑃4 (𝑥) = 𝑥 4 − , 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛: 𝑥1, 𝑥2 = ± 𝑐𝑜𝑛 𝑚 = 1 𝑦 𝑥3, 𝑥4 = ± 𝑖
16 2 2
b) 𝑃3 (𝑥) = −3𝑥 3 − 9𝑥 2 − 9𝑥 − 3, 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛: 𝑥1 = −1 𝑐𝑜𝑛 𝑚 = 3
c) 𝑃4 (𝑥) = −𝑥 4 + 7𝑥 3 − 5𝑥 2 − 40𝑥 + 48, 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛: 𝑥1 = 𝑥2 = 4 𝑐𝑜𝑛 𝑚 = 2 𝑦 𝑥3 ≈ 1.3028, 𝑥4 ≈
−2.30287 𝑐𝑜𝑛 𝑚 = 1
Ejercicio 7: Dados los siguientes polinomios, sabiendo que 𝑥1 es raíz, calcular las restantes:
a) 𝑃3 (𝑥) = 2𝑥 3 − 𝑥 2 − 2𝑥 + 1, 𝑥1 = −1 Solución: 𝑥2 = 1 𝑦 𝑥3 = 0.5
b) 𝑃4 (𝑥) = 𝑥 4 + 2𝑥 3 − 20𝑥 2 − 66𝑥 − 45, 𝑥1 = −3 Solución: 𝑥2 = −3, 𝑥3 = 5 𝑦 𝑥4 = −1
1
Para recordar cómo se aplica la Regla de Ruffini puedes consultar la sig. página:
https://ekuatio.com/la-regla-de-ruffini/

4. Relaciones de Vieta
Las fórmulas de Vieta relacionan las raíces de un polinomio con los coeficientes de éste. Específicamente, si
el polinomio es de grado n, sus coeficientes son los polinomios simétricos elementales de sus raíces.
Si tenemos un polinomio cuadrático, y si las raíces de la ecuación cuadrática correspondiente, ax2+bx+c=0,
son p y q, entonces se puede factorizar como ax2+bx+c= (x−p). (x−q). (Para simplificar la notación hemos
elegido un coeficiente a=1 para la x2).
Ahora expandimos el lado derecho y obtenemos ax2+bx+c=x2− (p+q).x+pq. Tenemos a la vista las fórmulas
de Vieta para n=2: a=1, b=−(p+q),c=pq. En otras palabras, el producto de las raíces es el término
independiente c y su suma es el opuesto del coeficiente b de la x.
Por ejemplo: Si 𝑛 = 3, 𝑑𝑎𝑑𝑜𝑠 𝑥1 , 𝑥2 𝑦 𝑥3 los polinomios de grado tres que los tienen por raíces son:
𝑎0 𝑥 3 + 𝑎1 𝑥 2 + 𝑎2 𝑥 + 𝑎3 = 𝑎0 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
= 𝑎0 (𝑥 3 − (𝑥1 + 𝑥2 + 𝑥3 )𝑥 2 + (𝑥1 𝑥2 + 𝑥1 𝑥3 + 𝑥2 𝑥3 )𝑥 − 𝑥1 𝑥2 𝑥3 )
3 3 3
3 2 3
= 𝑎0 [𝑥 − ∑ 𝑥𝑖 𝑥 + ∑ 𝑥𝑖 𝑥𝑗 𝑥 + (−1) ∏ 𝑥𝑖 ]
𝑖=1 𝑖≠𝑗 𝑖=1
Igualando coeficientes:
3
𝑎1
= − ∑ 𝑥𝑖
𝑎0
𝑖=1
3
𝑎2
= ∑ 𝑥𝑖 𝑥𝑗
𝑎0
𝑖≠𝑗
3
𝑎3
= (−1)3 ∏ 𝑥𝑖
𝑎0
𝑖=1
En general las Relaciones de Vieta son:

𝑛
𝑎1
= − ∑ 𝑥𝑖
𝑎0
𝑖=1
𝑛
𝑎2
= ∑ 𝑥𝑖 𝑥𝑗
𝑎0
𝑖≠𝑗
⋮
𝑎𝑛
= (−1)𝑛 𝑥1 𝑥2 𝑥3 … 𝑥𝑛
𝑎0

Retomando un ejemplo visto en las sesiones de gabinete:
Si conocemos las raíces 𝑥1 , ⋯ , 𝑥𝑛 de un polinomio, el comando poly de Octave, devuelve los coeficientes de
un polinomio P ordenado en forma decreciente y completo cuyas raíces efectivamente son los valores
𝑥1 , ⋯ , 𝑥𝑛 . Para usar este comando debemos ingresar un vector x que estará formado por las raíces.
Ejemplo: Informe el polinomio cuyas raíces sean: -1,0 y 1

Solución: Si 𝑎0 = 1
3
𝑎1
= − ∑ 𝑥𝑖 = −1 + 0 + 1 = 0
𝑎0
𝑖=1
3
𝑎2
= ∑ 𝑥𝑖 𝑥𝑗 = (−1 ∗ 0) + (0 ∗ 1) + (−1 ∗ 1) = −1
𝑎0
𝑖≠𝑗
Por lo que 𝑃(𝑥) = 𝑥 3 − 𝑥
Resolviéndolo usando comandos de Octave:

>> x=[-1 0 1];
>>P= poly(x)
ans =
1 0 -1 0
Es decir, el polinomio que estábamos buscando es: 𝑃(𝑥) = 𝑥 3 − 𝑥
Ejercicio 8: Encontrar los coeficientes de los polinomios se informarlos en cada caso, sabiendo que:
a) 𝑛 = 3, 0, 1 𝑦 − 3 𝑠𝑜𝑛 𝑟𝑎í𝑐𝑒𝑠 𝑑𝑒 𝑃 𝑦 𝑎2 = −9
b) 𝑛 = 4, 1 𝑦 − 1 𝑠𝑜𝑛 𝑟𝑎í𝑐𝑒𝑠 𝑑𝑜𝑏𝑙𝑒𝑠 𝑑𝑒 𝑃5 𝑦 𝑃(0) = −4
c) 𝑛 = 2 𝑦 − 4 𝑒𝑠 𝑟𝑎í𝑧 𝑑𝑜𝑏𝑙𝑒 𝑑𝑒 𝑃 𝑦 𝑎1 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 3.
Respuestas: a) 𝑃4 (𝑥) = 𝑥 4 − 𝑥 3 − 9𝑥 2 + 9𝑥; 𝑏) 𝑃5 (𝑥) = 𝑥 5 − 4𝑥 4 − 2𝑥 3 + 8𝑥 2 + 𝑥 − 4 ;
𝑐) 𝑃2 (𝑥) = 0.5 𝑥 2 + 3𝑥 − 16
5. Acotación de raíces reales

En este apartado vamos a tratar de determinar en qué intervalo de los números reales se encuentran las
raíces reales de polinomios con coeficientes reales.
Antes de comenzar con la búsqueda efectiva de los ceros de un polinomio, hagamos algunas
consideraciones que pueden ser útiles a la hora de buscar las raíces de una ecuación algebraica.
Definición: Se dice que dos ecuaciones son equivalentes cuando tienen las mismas raíces y con los mismos
ordenes de multiplicidad.

Se verifica que dos ecuaciones algebraicas son equivalentes sí y sólo si sus respectivos coeficientes son
proporcionales.
Por ejemplo, las ecuaciones:
son equivalentes, es decir, tienen exactamente las mismas raíces y con los mismos ordenes de
multiplicidad.
Sin embargo, a pesar de que las ecuaciones sean equivalentes, “los polinomios que las producen” no tienen
por qué ser iguales. En nuestro caso estos polinomios serían:
Ejercicio 9: Dibuja y compara las gráficas de los polinomios P1(x), P2(x) yP3(x) ¿Qué significa gráficamente
que las ecuaciones P1(x)=0, P2(x)=0 yP3(x)=0 sean equivalentes?
Solución:
Fig. 1 Gráfica de las funciones polinómicas del ejercicio 9
Dado el polinomio P(x), si definimos el nuevo polinomio Q(-x) como:
Q(-x) =P (x)
¿Qué relación hay entre las raíces de ambos polinomios? Es muy fácil demostrar que:
Si r es una raíz de Q (-x) ⟹ -r es raíz de P(x)
Si s es una raíz de P(x) ⟹ -s es raíz de Q(-x)
Por lo tanto, dada una raíz positiva r de Q(-x), r es raíz negativa de P(x) y viceversa. Este hecho lo
utilizaremos en algunas ocasiones.

Veamos otra regla que nos puede ayudar a encontrar la repartición de las raíces.
Dada una sucesión de números reales, es fácil calcular el número de variaciones que presenta. Por ejemplo,
la siguiente sucesión tiene 3 variaciones.
6. Regla de Descartes
Sea 𝑃(𝑥) = 𝑎0 𝑥 𝑛 − 𝑎1 𝑥 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑥 + 𝑎𝑛 = 0 una ecuación polinómica con coeficientes reales.
Supongamos que la sucesión 𝑎0 , 𝑎1 , … , 𝑎𝑛−1 , 𝑎𝑛 de los coeficientes de dicha ecuación presenta v variaciones
de signo, entonces, el número de raíces reales positivas (rp) de P(x) (contando sus multiplicidades) es
menor o igual que v y además de la misma paridad2.
Para dar una cota para el número de raíces reales negativas de P(x) hay que aplicar el criterio a P(-x).
Por ejemplo: Sea 𝑃(𝑥) = 2𝑥 5 − 4𝑥 3 + 3𝑥 2 − 𝑥 − 4 = 0
La sucesión de los coeficientes {2, −4, 3, −1, −4} tiene tres variaciones, luego P(x) tendrá 3 o 1 raíz real
positiva.
Si consideramos la ecuación polinómica:
𝑃(−𝑥) = 2(−𝑥)5 − 4(−𝑥)3 + 3(−𝑥)2 − (−𝑥) − 4 = −2𝑥 5 + 4𝑥 3 + 3𝑥 2 + 𝑥 − 4 = 0
Su sucesión de coeficientes {−2,4, 3,1, −4} presenta dos variaciones.
Por lo tanto, P(-x) tiene o bien 2 o 0 raíces reales positivas, o lo que es lo mismo, P(x) tiene 2 o 0 raíces
negativas.
Ejemplo: Sea la ecuación polinómica de cuarto grado 𝑥 4 − 3𝑥 3 − 2𝑥 2 + 6𝑥 − 8 = 0
Solución:
1) Verifico que la ecuación esta ordenada según potencias decrecientes de la variable.
2) Cuento el número de cambios de signo de los coeficientes no nulos: v = 3
3) Informo 𝑟𝑝 . La ecuación dada puede tener tres o una raíz positiva.
Para determinar el número probable de raíces negativas (rn), determinamos, podemos usar la misma regla
calculando:
𝑃(−𝑥) = 𝑥 4 + 3𝑥 3 − 2𝑥 2 − 6𝑥 − 8 = 0 que presenta solamente un cambio de signo, por lo que la ecuación
dada puede tener una raíz negativa.
Ejercicio 10: Consideremos el polinomio 𝑃(𝑥) = 𝑥 7 + 5𝑥 − 4 determine la cantidad de raíces reales

positivas y negativas de la ecuación polinómica.
Solución: La sucesión de coeficientes del polinomio P(x) es {1, 5, -4}, tiene una variación de signo, luego, el
polinomio tiene exactamente una raíz real positiva.
2
Es decir, si v es par el número de raíces positivas es par y menor o igual que v, y si v es impar el número de raíces positivas es impar y menor o
igual que v.

La sucesión de coeficientes del polinomio 𝑃(−𝑥) = −𝑥 7 − 5𝑥 − 4 no presenta ninguna variación de signo.
Por consiguiente, el polinomio P (-x) no tiene ninguna raíz real negativa.
En definitiva, el polinomio P(x) tiene una única raíz real rp que es positiva; las otras seis son tres pares de
raíces complejas conjugadas.
Dada la sencillez de la regla de Descartes, aunque a veces no sea muy informativa, puede ser útil aplicarla.
7. Intervalo de Acotación
¿En qué intervalo se encuentran todas las raíces reales de una ecuación algebraica de grado n en una
variable?
Denotaremos(𝐋𝐈 , 𝐋𝐒 ) al intervalo de acotación de las raíces reales
LS: es la cota superior de las raíces positivas de P(x).
LI: es la cota inferior de las raíces negativas de P(x).
Regla de Laguerre
Lema: Sea 𝑃(𝑥) = 𝑎0 𝑥 𝑛 − 𝑎1 𝑥 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑥 + 𝑎𝑛 un polinomio con coeficientes reales con a0>03
Sea 𝐿𝑆 ≥ 0 el menor número entero positivo tal que en la división del polinomio P(x) en (x-𝐿𝑆 ) todos los
coeficientes y el resto, obtenidos en la división sean mayores o iguales a cero. Entonces 𝐿𝑆 es una cota
superior para las raíces reales de la ecuación 𝑃(𝑥) = 0, es decir, si r es una raíz real de P(x) se puede
asegurar que 𝑟 ≤ 𝐿𝑆
Demostración: Dividimos 𝑃𝑛 (𝑥) por (𝑥 − 𝐿):
𝑃𝑛 (𝑥) = (𝑥 − 𝐿)(𝑎𝑜 𝑥 𝑛−1 + ⋯ + 𝑐𝑛−1 ) + 𝑅 donde 𝑎0 , 𝑐1 , 𝑐2 , … 𝑐𝑛−1 , son los coeficientes de la división.
Por hipótesis los coeficientes 𝑐𝑖 ≥ 0 y 𝑅 > 0 (aunque puede ser R=0, pero no conviene tomar una raíz cero
como cota).
Entonces para un 𝑥0 > 𝐿 es (𝑥0 − 𝐿) > 0 𝑦 (𝑎0 𝑥0𝑛−1 + 𝑐1 𝑥0𝑛−2 + 𝑐3 𝑥0𝑛−3 + ⋯ + 𝑐𝑛−2 𝑥 + 𝑐𝑛−1 ) ≥ 0, con
𝑅 > 0 resulta ser siempre
𝑃𝑛 (𝑥) = (𝑥0 − 𝐿)(𝑎0 𝑥 𝑛−1 + 𝑐1 𝑥0𝑛−2 + ⋯ + 𝑐𝑛−1 ) + 𝑅 > 0
Si 𝑥0 representa una raíz, esto nos dice que no puede haber raíces mayores que L, por cuanto siempre es
𝑃𝑛 (𝑥0 ) > 0, para 𝑥0 > 𝐿.
Luego 𝐿 = 𝐿𝑆 es cota superior de las raíces positivas 𝑃𝑛 (𝑥).
Se pueden encontrar infinitos valores de 𝐿𝑆 que verifiquen las hipótesis del lema, aunque intentaremos que
sea lo menor posible.
Para calcular una cota inferior de las raíces basta con aplicar el criterio a 𝑃𝑛 (−𝑥), pues si 𝐿𝐼 es una cota
superior para las raíces de 𝑃𝑛 (−𝑥), 𝐿𝐼 será cota inferior para las raíces de 𝑃𝑛 (𝑥).
Ejemplo: Dado la ecuación 𝑥 4 − 3𝑥 3 − 2𝑥 2 + 6𝑥 − 8 = 0, encontrar una cota superior para las raíces
positivas y una inferior para las raíces negativas.
Solución:
1) Verifico si la ecuación dada esta completa y ordenada según potencias decrecientes de la variable.
3
En el caso de que sea a0< 0 se multiplica al polinomio por (-1) obteniéndose un polinomio equivalente al que se puede aplicar el lema.

2) Aplico la regla de Ruffini para dividir P(x) por (𝑥 − 𝑎), donde 𝒂 es un número entero a su elección.
𝑃(𝑥) = (𝑥 − 𝑎) 𝑄(𝑥) + 𝑅(𝑥)
- Si algún coeficiente de Q(x) o R(x) es negativo o nulo, repito el paso anterior con un valor de a mayor en
una unidad al empleado.
- Si todos los coeficientes de Q(x) y R(x) son positivos, el valor de a usado es la cota superior de las raíces
positivas.
1 -3 -2 6 -8 1 -3 -2 6 -8
1 1 -2 -4 2 2 2 -2 -8 -4
1 -2 -4 2 -6 1 -1 -4 -2 -12
1 -3 -2 6 -8 1 -3 -2 6 -8
3 3 0 -6 0 4 4 4 8 56
1 0 -2 0 -8 1 1 2 14 48
Finalmente:
1) Informo el límite superior del intervalo de acotación: 𝐿𝑆 = 4

2) Aplico nuevamente la regla de Laguerre a 𝑃(−𝑥)
𝑃(−𝑥) = 𝑥 4 + 3𝑥 3 − 2𝑥 2 − 6𝑥 − 8 = 0
1 3 -2 -6 -8 1 3 -2 -6 -8
1 1 4 2 -4 2 2 10 16 20
1 4 2 -4 -12 1 5 8 10 12
Por lo tanto 𝐿𝐼 = −2
Conclusión: todas las raíces reales de la ecuación pertenecen al intervalo de acotación:(L1, L2) = (-2, 4)
8. Cálculo de raíces enteras y racionales

Raíces enteras:
1) Determino cuánto vale 𝑎0 𝑦 𝑎𝑛 . Si 𝑎0 = 1 𝑦 𝑎𝑛 ≠ 0, la ecuación puede tener raíces enteras.
2) De acuerdo a la relación de Vieta:
𝑛
𝑛
(−1) 𝑎𝑛 ⁄𝑎0 = ∏ 𝑥𝑖
𝑖=1
Las posibles raíces enteras son los divisores del término independiente.
3) Verifique si para los valores probables 𝑃(𝑥) = 0.
Ejercicio 11: Aplique el criterio de raíces enteras para encontrar las raíces de las siguientes ecuaciones:
a) 𝑥 4 + 2𝑥 3 − 20𝑥 2 − 66𝑥 − 45 = 0 Respuesta: 𝑟 = −3

b) 4 3 2
𝑥 − 7𝑥 + 5𝑥 + 40𝑥-48=0 Respuesta: 𝑟 = 4
c) 3𝑥 3 + 9𝑥 2 + 9𝑥 + 3 = 0 Respuesta: 𝑟 = −1
d) 𝑥 3 − 𝑥 2 − 4𝑥 + 4 = 0, Respuesta:(𝐿1, 𝐿2 ) = (−3, 3) analice los divisores de 4 que
pertenezcan al intervalo de acotación.
Raíces racionales:
1) Determino el valor de 𝑎0 𝑦 𝑎𝑛 . Si 𝑎0 ≠ 1 𝑦 𝑎𝑛 ≠ 0, entonces la ecuación dada puede tener raíces
racionales de la forma 𝑥 = 𝑦⁄𝑧con z e y primos entre sí.
2) De acuerdo a la relación de Vieta:
𝑛
(−1)𝑛 𝑎𝑛 ⁄𝑎0 = ∏ 𝑥𝑖
𝑖=1

Los divisores de 𝑎𝑛 son los valores posibles para y, y los divisores de 𝑎0 son los valores posibles de z.
𝑦
Todas las fracciones ⁄𝑧 que pueden formarse y pertenecen a (𝐿1 , 𝐿2 ), son posibles raíces.
3) Verifico para los valores encontrados si 𝑃(𝑥) = 0
4) O bien simplemente se analiza la variación de signo de los restos para determinar el subintervalo
donde existe una raíz real. En la ecuación 𝑥 4 − 3𝑥 3 − 2𝑥 2 + 6𝑥 − 8 = 0 se puede observar que existe
una variación de signo de los restos en el subintervalo (3,4) donde hay una raíz real positiva y en el
subintervalo (-2,-1) existe una raíz real negativa.
Ejercicio 12: Halle las raíces racionales de la ecuación4𝑥 4 − 5𝑥 2 + 1 = 0 sabiendo que el intervalo de
acotación es (𝐿1, 𝐿2 ) = (−2, 2)
Solución: Como 𝑎0 = 4 sus divisores son±1; ±2; ±4 dado que 𝑎4 = 1 sus divisores son ±1. Luego las
probables raíces racionales en el intervalo de acotación (−2, 2) son:− 1⁄2 ; − 1⁄4 ; 1⁄4 ; 1⁄2. Se cumple
que 𝑃(1⁄2) = 0 → 1⁄2 es raíz y 𝑃(−1⁄2) = 0 → −1⁄2 es raíz
Ejercicio 13: Informar los subintervalos y las raíces reales en las siguientes ecuaciones:
a) 3𝑥 4 + 11𝑥 3 − 𝑥 2 + 11𝑥 − 4 = 0, 𝐼𝐴 = (−5, 1)
Respuesta: En el subintervalo (0,1) se encuentra la raíz real 𝑥 = 1 ⁄3
b) 40𝑥 3 − 45𝑥 2 − 11𝑥 + 6 = 0, 𝐼𝐴 = (−1, 1)
Respuesta: En el subintervalo (0,1) se encuentre la raíz real x=0.29, en el (1,2) x=1.24 y en el
subintervalo (-1.0) x= -0.42
9. Separación de raíces no enteras
La separación consiste en encontrar subintervalos, incluidos en el intervalo de acotación, de manera que
tengamos garantía de que en cada uno de ellos haya una única raíz o ninguna.
Existen distintos métodos de separación, nosotros subdividiremos el intervalo de acotación (𝐿1 , 𝐿2 ) en un
cierto número de subintervalos, que llamaremos (𝑎𝑖 , 𝑏𝑖 ) con 𝑏𝑖− 𝑎𝑖 = 𝛿 (delta) fijada a priori y
verificaremos en cuáles de ellos se cumple que:
𝑃(𝑎𝑖 ) 𝑃(𝑏𝑖 ) < 0 Para 𝑖 = 1,2, … , 𝑛.
Si 𝛿 es pequeño, el cumplimiento de la condición anterior nos permite concluir que el subintervalo

considerado contiene una única raíz.
Fig. 2 Representación gráfica de en un intervalo donde existe una raíz y varias raíces.

¿Cómo determinamos el valor de 𝛿? Una manera podría ser 𝛿 ≤ 𝛾 donde 𝛾 es un valor que nos hemos fijado
a priori para decir:
𝑟1 ≠ 𝑟2 sí y solo si |𝑟1 − 𝑟2 | > 𝛾
Este procedimiento puede parecer fatigoso y lo es, manualmente, pero dada su sencillez, su programación
es simple, y la bondad de la separación de raíces con él, depende de una elección apropiada de 𝛿.
Procedimiento para obtener subintervalos que contengan una sola raíz
Datos:
- Ecuación algebraica de grado n en una variable.
- Intervalo de acotación de raíces reales.
Incógnitas: Subintervalos en los que se encuentra una sola raíz.
Desarrollo:
1. Establezca la longitud 𝛿 de cada subintervalo, de acuerdo al criterio indicado u otro de su
preferencia.
2. A partir de 𝐿1 forme subintervalos (𝑎𝑖 , 𝑏𝑖 ) de longitud 𝛿.
3. Verifique si 𝑃(𝑎). 𝑃(𝑏) < 0
4. En caso afirmativo que en un subintervalo (𝑎𝑖 , 𝑏𝑖 ) exista una raíz de la ecuación dada, escriba los
límites.
5. Prosiga con el siguiente subintervalo.
6. Informe cuales son los subintervalos hallados.
7. Realice un análisis crítico de los resultados. Si no está de acuerdo, repita los pasos anteriores
considerando una longitud de subintervalo menor a la que uso.
Ejercicio 14: Dada la ecuación polinómica 5𝑥 4 + 16𝑥 3 − 9𝑥 2 − 12𝑥 + 2 = 0 cuyo intervalo de acotación es
(−4, 2), informe los subintervalos donde existan una única raíz real.
Solución
Si 𝛿 = 0,5 obtenemos (−4, −3.5), (−1, −0.5), (0, 0.5), (0.5, 1)
Fig. 3 Representación gráfica de la función polinómica del ejercicio 14

¿La separación de raíces lograda es aceptable?
i) Como la ecuación es de grado 4, el Teorema Fundamental del Algebra nos asegura que existen 4
raíces en el campo de los números complejos, todo número real puede pensarse como un
número complejo.
ii) Dado que(𝑎𝑖 , 𝑏𝑖 ), 𝑠𝑖 𝑃(𝑎𝑖 )𝑃(𝑏𝑖 ) < 0, en el intervalo hay un número impar de raíces.
iii) Aplicando lo expresado en ii), se cumple que, para cada subintervalo de la ecuación dada, hay
una raíz real y por lo tanto en el intervalo de acotación (−4, 2), hay 4 raíces reales.
Ejercicio 15:
a) Repita lo anterior para 𝑥 4 − 𝑥 3 + 7𝑥 2 − 14𝑥 − 7 = 0 sabiendo que (𝐿1 , 𝐿2 ) = (−1, 2)
Respuesta:
Si 𝛿 = 0.5 Obtenemos (−0.5, 0) 𝑦 (1.5, 2)
Si 𝛿 = 0.1 Obtenemos (−0.5, −0.4) 𝑦 (1.9, 2)
b)4𝑥 − 5𝑥 − 10𝑥 2 + 5𝑥 + 6 = 0 sabiendo que (−2, 3) = (𝐿1 , 𝐿2 )
4 3
Respuesta: Con 𝛿 = 0.5 obtenemos 𝑟1 = −1, 𝑟2 = 1, 𝑟3 = 2 y el subintervalo (-1, -0.5) que contiene la raíz
faltante.
Observe que el procedimiento descripto es ideal para ser aplicado usando una planilla de cálculo Excel.
Ejercicio 16. Observe la fig. 4 donde se muestran los casos donde no se cumple f(a) f(b)<0 pero es evidente
que en algunos casos existen raíces reales, ¿Qué estrategia sugiere para resolver estos problemas?
Fig. 4 Situaciones donde f(a) f(b)>0
10. Aproximación de Raíces Reales

Una vez hallado un subintervalo real (𝑎, 𝑏) que contiene a una sola raíz, la ecuación 𝑃𝑛 (𝑥) = 0 se resuelve
usando métodos iterativos. Parte de un valor inicial o aproximación inicial 𝑥0 , y mediante métodos gráficos
o analíticos se genera una sucesión de aproximaciones 𝑥1 , 𝑥2 , … . , 𝑥𝑛 que converge a la raíz buscada.
Los métodos que vamos a estudiar, el Método de Newton, el Método del Punto Fijo y el Algoritmo de
Bisección, son válidos para todo tipo de ecuaciones, ya sean algebraicas o trascendentes
11. Algoritmo de Bisección

El método de Bisección se aplica a funciones algebraicas y trascendentes y proporciona únicamente raíces
reales. Tiene su origen en un popular algoritmo de búsqueda de datos denominado búsqueda binaria, de
partición en dos intervalos iguales o método de Bolzano, es un método de búsqueda incremental en el que
el intervalo se divide siempre en dos.

Es un método cerrado, es decir, requiere de un intervalo en el cual esté contenida una raíz. Básicamente,
consiste en dividir el intervalo en dos, justo por la mitad (bisectar) y considerando a este punto como una
aproximación de la raíz de la función. Posteriormente, debe determinarse si la raíz verdadera se encuentra
a la derecha o a la izquierda de la aproximación y, según corresponda, cerrar el intervalo con la
aproximación y el límite derecho o izquierdo (según corresponda) pero siempre manteniendo a la raíz
verdadera en el intervalo. Esta operación se repite hasta que la diferencia entre las dos últimas
aproximaciones es menor que una tolerancia preestablecida.
Bisección es un método robusto, aunque resulta lento en su proceso por lo oneroso de los cálculos que
deben realizarse; por otra parte, su convergencia puede en ocasiones ser inestable.
Este método aprovecha el hecho de que una función, en forma típica, cambia de signo en la vecindad de una
raíz. A estas técnicas se les llama métodos de intervalos, porque se necesita de dos valores iniciales para
encontrar la raíz.
Supongamos que contamos con una función continua, definida sobre el intervalo (𝑎, 𝑏) donde f(a) y f(b) son
de signos opuestos. Entonces por el Teorema del Valor Intermedio existe 𝑥̂, donde 𝑎 < 𝑥̂ < 𝑏 para el cual
𝑓(𝑥̂) = 0.
Aunque este procedimiento se usa generalmente cuando en el intervalo (𝑎, 𝑏) hay más de una raíz, por
simplicidad, supongamos que existe una única raíz en (𝑎, 𝑏), el método puede repetirse dividiendo en
subintervalos más pequeños al intervalo (𝑎, 𝑏) y en cada etapa localizamos el punto medio. Si llamamos
𝑎 = 𝑎1 𝑦 𝑏1 = 𝑏 y sea 𝑥1 el punto medio de (𝑎, 𝑏), esto es:
(𝑎1 + 𝑏1 )
𝑥1 =
2
De acuerdo a la geometría de la figura, la sustitución de los intervalos debería hacerse de la siguiente
forma:
Sea a tal que f(a)> 0 y b tal que f(b)< 0:
• Si f(𝑥1 )> 0, entonces 𝑥1 sustituye a a
• Si f(𝑥1 ) < 0, entonces 𝑥1 sustituye a b
En cada iteración debería sustituirse alguno de los límites del intervalo que contiene a la raíz. Repitiendo
este proceso, el intervalo se reduce paulatinamente hasta que alguna de las aproximaciones coincide
razonablemente con la raíz de la función.
Si 𝑓(𝑥1 ) = 0 entonces 𝑥 = 𝑥1 .
Si 𝑓(𝑥1 ) ≠ 0, entonces𝑓(𝑥1 ) tiene el mismo signo que 𝑓(𝑎1 ) 𝑜 𝑓(𝑏1 ).
Si 𝑓(𝑥1 ) y 𝑓(𝑏1 ) tienen distinto signo, entonces 𝑥̂ ∈ (𝑥1 , 𝑏1 ) y fijamos 𝑎2 = 𝑥1 𝑦 𝑏2 = 𝑏1 . Repitiendo el
procedimiento en el (𝑎2 , 𝑏2 ), se tiene:

Fig. 5 Representación gráfica del algoritmo de Bisección
El proceso se detiene cuando entre la aproximación 𝑥𝑖 y la aproximación anterior 𝑥𝑖−1 se satisface un nivel
de error (absoluto o relativo) preestablecido (tolerancia).
El procedimiento de paro más común es el de dar un número máximo de iteraciones “n”. Cuando usamos un
software para generar las aproximaciones, conviene añadir una condición que imponga un máximo al
número de iteraciones realizadas. Así se elimina la posibilidad de poner a la máquina en un ciclo infinito,
una posibilidad que puede surgir cuando la sucesión diverge (y también cuando el programa está
codificado incorrectamente). Esto se hace fácilmente dando una cota o número máximo de iteraciones “n” y
requiriendo que el procedimiento termine si se supera esa cota.
Otros procedimientos de paro que se pueden aplicar a cualquier técnica iterativa son los de dar una
tolerancia ɛ>0 y generar una sucesión {𝑥1 , 𝑥2 , … . , 𝑥𝑛 } hasta que una de las siguientes condiciones se
satisfaga:
|𝑥𝑛 − 𝑥𝑛−1 | < ɛ
|𝑥𝑛 −𝑥𝑛−1 |
|𝑥𝑛 |
< ɛ,𝑥𝑛 ≠ 0
|𝑓(𝑥𝑛 )| < ɛ
Desafortunadamente, pueden surgir dificultades usando cualquiera de estos criterios de paro. Existen
sucesiones {𝑥𝑖 } con la propiedad de que las diferencias 𝑥𝑛 − 𝑥𝑛−1 convergen a cero mientras que la
sucesión misma diverge. Es posible también que 𝑓(𝑥𝑛 ) esté cerca de cero mientras que 𝑥𝑛 difiere
significativamente de 𝑥̂. Sin conocimiento adicional acerca de la función f, el error relativo entre las
aproximaciones es el mejor criterio de paro que puede aplicarse. Nótese que, para empezar el algoritmo de
bisección, se debe encontrar un intervalo (a; b) tal que f(a). f(b) <0. En cada paso del algoritmo de
bisección, la longitud del intervalo que contiene el cero de f se reduce por un factor de dos; por lo tanto, es
ventajoso escoger el intervalo inicial (a; b) tan pequeño como sea posible.
Por ejemplo, si 𝑓(𝑥) = 2𝑥 3 − 𝑥 2 + 𝑥 − 1

Fig. 6 Representación gráfica de 𝑓(𝑥) = 2𝑥 3 − 𝑥 2 + 𝑥 − 1
𝑓(−4). 𝑓(4) < 0 y 𝑓(0). 𝑓(1) < 0

Así que el algoritmo de bisección puede usarse con cualquiera de los intervalos (-4,4) o (0,1). Empezando el
algoritmo de bisección con (0,1) en vez de con (-4,4), reduciría en tres el número de iteraciones requeridas
para alcanzar una precisión específica.
Ejercicio 17: La función 𝑓(𝑥) = 𝑥 3 + 4𝑥 2 − 10 tiene una raíz en (1, 2), ¿Cuál es su valor?
Solución: En primer lugar, calculamos el valor de la función en los extremos del subintervalo (1, 2)
𝑓(1) = −5 𝑦 𝑓(2) = 14, hay una sola raíz en (1, 2). Aplicando el algoritmo de bisección
obtenemos los siguientes valores:
n 𝑎𝑛 𝑏𝑛 𝑥𝑛 f(𝑥𝑛 )
1 1.0 2.0 1.5 2.375
2 1.0 1.5 1.25 -1.79687
3 1.25 1.5 1.375 0.16211
4 1.25 1.375 1.3125 -0.84839
5 1.3125 1.375 1.34375 -0.35098
6 1.34375 1.375 1.359375 -0.09641
7 1.359375 1.375 1.3671875 0.03236
8 1.359375 1.3671875 1.36328125 -0.03215
9 1.36328125 1.3671875 1.365234375 0.000072
10 1.36328125 1.365234375 1.364257813 -0.01605
11 1.364257813 1.365234375 1.364746094 -0.00799
12 1.364746094 1.365234375 1.364990235 -0.00396
Después de 12 iteraciones vemos que el subintervalo donde se encuentra la aproximación de la raíz que
estamos buscando es: (1.364746094, 1.365234375) y 𝑥12 = 1.364990235 es una aproximación de la raíz
buscada, con un error absoluto entre aproximaciones de:
𝐸𝑎 = |𝑥11 − 𝑥12 | = 0.000244141
Y un error relativo de:
|𝑥12 − 𝑥11 |
𝐸𝑅 = ≃ 0.000178859155 < 0.0005 = 5. 10−4
|𝑥12 |
La aproximación de la raíz 𝑥12 = 1.364990235 tiene 3 cifras decimales correctas.
Con ocho cifras decimales correctas el valor de la raíz es 𝑥̂ = 1.365230013.

Ejercicio 18: Resuelva la siguiente ecuación 𝑥 3 − 𝑥 − 1 = 0 en (1, 2)con ℇ < 10−3
Rta: 𝑥̂ = 1,3247181, se necesitó hacer 15 iteraciones.
Observación: El algoritmo de bisección, aunque conceptualmente es claro no es ventajoso. Es muy lento en

convergencia (esto es, la cantidad de iteraciones (n) debe ser suficientemente grande para que |𝑥𝑛 − 𝑥𝑛−1 |
sea pequeño) y muchas veces una buena aproximación intermedia es inadvertidamente descartada. El
método tiene la importante propiedad que siempre converge a la solución y por esta razón es a menudo
usado como partida para los métodos más eficientes.
Teorema 1
Sea 𝑓 ∈ 𝐶(𝑎, 𝑏) y supongamos 𝑓(𝑎)𝑓(𝑏) < 0. El algoritmo de bisección genera una sucesión {𝑥𝑛 } de
aproximaciones de x con la propiedad:
𝑏−𝑎
|𝑥𝑛 − 𝑥| < ,𝑛 ≥ 1
2𝑛
Demostración: es claro que, para cada n≥ 1, tenemos:
1 1 1 1 1
𝑏𝑛 − 𝑎𝑛 = (𝑏𝑛−1 − 𝑎𝑛−1 ) = [ (𝑏𝑛−2 − 𝑎𝑛−2 )] = 2 (𝑏𝑛−2 − 𝑎𝑛−2 ) = 3 (𝑏𝑛−3 − 𝑎𝑛−3 )
2 2 2 2 2
Después de n-1 particiones
1 1
𝑏𝑛 − 𝑎𝑛 = (𝑏1 − 𝑎1 ) = (𝑏 − 𝑎) 𝑦 𝑥𝑛 ∈ (𝑎𝑛 , 𝑏𝑛 )
2𝑛−1 2𝑛−1
1
Puesto que 𝑥𝑛 = (𝑎𝑛 + 𝑏𝑛 ), para todo 𝑛 ≥ 1 se sigue que:
2
1
|𝑥𝑛 − 𝑥| ≤ (𝑏𝑛 − 𝑎𝑛 ) = 2−𝑛 (𝑏 − 𝑎)
2
Conclusión: {𝑥𝑛 }𝑛=1 converge a x con un radio de convergencia 0(2−𝑛 ).Dada una tolerancia ℰ > 0, podemos
∞
determinar el número n de iteraciones necesarias para cumplir con dicha tolerancia, en efecto:
(𝑏−𝑎) (𝑏−𝑎)
<ɛ⇒ < 2𝑛
2𝑛 ɛ
Aplicando logaritmo miembro a miembro:
𝑛. log 2 > log(𝑏 − 𝑎) − log ℰ
log(𝑏 − 𝑎) − log ℰ
𝑛>
log 2
Ejercicio 19: Determinar aproximadamente cuantas iteraciones son necesarias realizar para resolver la
ecuación: 𝑥 3 + 4𝑥 2 − 10 = 0 𝑐𝑜𝑛 ℰ < 10−5 en (1, 2).
Solución:
|xn − x| < 2−𝑛 (𝑏 − 𝑎) = 2−𝑛 < 10−5
Usando logaritmo con base 10 (pues es menor el tiempo empleado por la computadora),

5
−𝑛 𝑙𝑜𝑔 2 < −5 o 𝑛 > ≃ 16.6
𝑙𝑜𝑔2
Se necesitarán 17 iteraciones.
Observación: Es importante notar que esta técnica sólo da una cota del número de iteraciones necesarias y
en muchos casos esta cota es muy grande, mucho más de lo que se necesita.
Ejercicio 20:

Ejercicio 21: Determinar la aproximación y cuantas iteraciones son necesarias realizar para resolver la
ecuación: 2𝑥 4 − 9𝑥 3 − 8𝑥 − 10 = 0 con una tolerancia ℰ < 10−3 en el intervalo (4, 5).
Solución: Se deberían realizar 10 iteraciones para obtener la aproximación 𝑥10 = 4,72607
12. Métodos abiertos para aproximar el valor de una raíz

12. 1. Iteración simple de Punto Fijo
Se empieza el análisis de los métodos abiertos con una versión simple que es útil para ilustrar su forma
general y también para demostrar el concepto de convergencia.
Los métodos abiertos se basan en fórmulas que requieren de un solo valor xo de un par de ellos pero que no
necesariamente encierran a la raíz. Como tales, algunas veces divergen o se alejan de la raíz a medida que
crece el número de iteraciones. Sin embargo, cuando los métodos abiertos convergen, en general lo hacen
mucho más rápido que los métodos que usan intervalos.
Como se mencionó anteriormente, los métodos abiertos emplean una fórmula que predice una
aproximación a la raíz. Tal fórmula se puede desarrollar para la iteración de punto fijo, arreglando la
ecuación f(x) =0 de tal forma que x quede del lado izquierdo de la ecuación.
𝑥 = 𝑔(𝑥) (1)
Esta transformación se puede llevar a cabo mediante operaciones algebraicas o simplemente agregando x a
cada lado de la ecuación original.
Por ejemplo, la ecuación:
x2 - 2x + 3 = 0
𝑥 2 +3
Se puede reordenar para obtener: 𝑥 =
2
Mientras que la ecuación 𝑠𝑒𝑛(𝑥) = 0 puede transformarse en la ecuación 𝑥 = 𝑠𝑒𝑛(𝑥) + 𝑥 sumándole x a
ambos miembros.
La utilidad de la ecuación (1) es que proporciona una fórmula para predecir un valor de x en función de x.
De esta manera, dada una aproximación inicial a la raíz, 𝑥𝑖 , la ecuación (1) se puede usar para obtener una
nueva aproximación 𝑥𝑖+1 , expresada por la fórmula iterativa:
𝑥𝑖+1 = 𝑔(𝑥𝑖 ) (2)

Un número x=x* que satisface la ecuación (1) se llama punto fijo de g(x).
Ejemplo 1:
¿Cuáles son los puntos fijos de g(x) = ln(x) o de g(x) = cos(x)? Geométricamente, un punto fijo corresponde
al valor de la abscisa donde la gráfica de y = g(x) interseca a la recta y = x.
Ejemplo 2:

Ejemplo 3:
Si para cualquier función g dada se puede encontrar un punto fijo, entonces cada problema de búsqueda de
las raíces de f(x) = 0 tiene soluciones que corresponden precisamente a los puntos fijos de
g(x) = x con g(x) = x - f(x).
La primera tarea entonces es decidir cuándo una función tendrá un punto fijo y cómo se pueden
determinar (es decir, aproximar con suficiente grado de precisión) dichos puntos fijos.
El siguiente teorema da las condiciones suficientes para la existencia y unicidad de un punto fijo.

Teorema 2. Existencia y unicidad del punto fijo
Si 𝑔 ϵ C(𝑎, 𝑏) y 𝑔(x) ϵ (𝑎, 𝑏) para todo 𝑥 ϵ (a, b), entonces g tiene un punto fijo en (a, b). Además,
supongamos que g’(x) existe sobre (a, b) y |𝑔´(x)| ≤ k < 1 para todo x ϵ (a, b).
Entonces g tiene un único punto fijo p en (𝑎, 𝑏).
Demostración
Fig. 7 Representación gráfica del Método de Punto Fijo
Si 𝑔(𝑎) = 𝑎 𝑜 𝑔(𝑏) = 𝑏, la existencia de un punto fijo es obvia.

Supongamos que 𝑔(𝑎) > 𝑎 𝑦 𝑔(𝑏) < 𝑏. Definimos ℎ(𝑥) = 𝑔(𝑥) − 𝑥; h es continua en (a, b) y además
ℎ(𝑎) = 𝑔(𝑎) − 𝑎 > 0, ℎ(𝑏) = 𝑔(𝑏) − 𝑏 < 0.
Por el corolario del teorema del Valor Intermedio implica que existe un 𝑝 ϵ (a, b) para el cual ℎ(𝑝) = 0.
Por lo tanto, 𝑔(𝑝) − 𝑝 = 0 y p es un punto fijo de g.
Recordemos ahora el teorema del Valor Medio:
Supongamos, además, que la desigualdad |𝑔´(x)| ≤ k < 1 se satisface y que p y q son ambos puntos fijos en
(a, b) con 𝑝 ≠ 𝑞, por el teorema del Valor Medio, existe ξ entre (a, b) y por lo tanto en el intervalo (a, b) tal
que:
|𝑝 − 𝑞| = |𝑔(𝑝) − 𝑔(𝑞)| = |𝑔´(𝜉)||𝑝 − 𝑞| < 𝑘|𝑝 − 𝑞| < |𝑝 − 𝑞|
Lo cual es una contradicción. Esta contradicción debe venir de la única suposición que hicimos que 𝑝 ≠ 𝑞.
Por lo tanto, p=q y el punto fijo en (a, b) es único.
Observación: El siguiente ejemplo nos muestra por qué las condiciones del teorema anterior son
condiciones suficientes y no son condiciones necesarias

x2 −1
Ejemplo 4: sea 𝑔(x) = sobre (−1, 1). Usando el teorema del valor extremo, es fácil demostrar que el
3
mínimo absoluto de g en x=0 y es 𝑔(0) = − 1⁄3.
Análogamente, g tiene un máximo absoluto en 𝑥 = ±1 y tiene el valor g (±1)=0. Además, g es continua y
2x 2
|g´(x)| = | | ≤ < 1 para todo 𝑥 𝜖 (−1, 1).
3 3
Así g satisface las hipótesis del teorema y tiene un único punto fijo en (−1, 1).
En este ejemplo, p el único punto fijo en el intervalo (−1, 1) puede determinarse exactamente sí:
𝑝2 − 1
𝑝 = 𝑔(𝑝) =
3
𝑝2 − 3𝑝 − 1 = 0
3 − √13
𝑝=
2
3+√13
Y también g tiene un único punto fijo en 𝑝 = para (3, 4). Sin embargo, 𝑔(4) = 5 y 𝑔´(4) = 8⁄3 > 1, g
2
no cumple las hipótesis del teorema.
Esto muestra que las condiciones son suficientes para garantizar un único punto fijo, pero no son
necesarias.
Interpretación geométrica del método de Punto Fijo
Geométricamente, el método iterativo de punto fijo puede explicarse de la siguiente manera:

Dibújese sobre un plano xy las gráficas de las funciones y = x e y =g(x).
Fig. 8 Convergencia en un mismo sentido del método iterativo de Punto Fijo
Cada raíz real p de la ecuación x = g(x) es la abscisa de la intersección de las gráficas de las funciones con las
que estamos trabajando.
Partimos de un punto x= p0, al sustituir en g(x) llegamos al punto 𝐴0 = (𝑝0 , 𝑔(𝑝0 )). Ahora vamos
horizontalmente hasta el punto B0, donde 𝐵0 = (𝑝1 , 𝑔(𝑝0 ))
Y así repetimos nuevamente el proceso: x = p1 sustituimos en g(x) llegamos a A1= (p1, g(p1)) → B1, etc.
Si observamos la gráfica anterior podemos ver que la línea poligonal tiene forma de escalera, formada por
los puntos A0, B0, A1, B1, A2, B2, …, cuyos segmentos son alternativamente paralelos al eje x y al eje y. Los
vértices A0, A1, A2, …caen sobre la curva y=g(x), y los vértices B0, B1, B2, B3, …, caen sobre la recta y=x. Las
abscisas comunes de los puntos A1 y B0, y A2 y B1, ..., evidentemente serán las aproximaciones sucesivas p1,
p2, …., pn a la raíz p, es decir son las aproximaciones sucesivas al punto fijo o raíz p.
También es posible que el mismo método geométrico, en otros casos puede dar origen a una aproximación
al punto fijo en forma de espiral, es decir: A0, B0, A1, B1, …

Fig. 9 Convergencia en sentido oscilante del método iterativo de Punto Fijo
Observaciones:
• En las gráficas anteriores podemos ver que en ambos casos el proceso iterativo es convergente.
• Se tiene la aproximación en “escalera” al punto fijo si la curva es creciente, o sea que g’(x)>0 y la
convergencia es en un mismo sentido.
• Mientras que, si se tiene la aproximación en “espiral”, la curva es decreciente, la g’(x)<0 y la
convergencia es en sentido oscilante.
• Puede darse el caso de que la curva y = g(x) “se incline” en la vecindad de la raíz p, es decir,
|𝑔′(𝑥)| > 1, entonces el proceso de iteración puede ser divergente.
Fig. 10 Divergencia del proceso iterativo de Punto Fijo, en el primer caso divergencia en un mismo sentido
y en el segundo caso divergencia en sentido oscilante.
Por consiguiente, para aplicar de una manera práctica el método de iterativo de punto fijo, hemos de
asegurarnos de que se cumplen las condiciones de suficiencia de convergencia de un proceso iterativo.
Para aproximarnos al punto fijo de una función g(x), escogemos una aproximación inicial p0, y a
continuación generamos la sucesión de puntos {𝑝𝑛 }∞
𝑛=0 tomando pn= g(pn-1) para cada 𝑛 ≥ 1. Si la sucesión
converge a p y g(x) es continua, entonces:
𝑝 = lim 𝑝𝑛 = lim 𝑔(𝑝𝑛−1 ) = 𝑔 ( lim 𝑝𝑛−1 ) = 𝑔(𝑝)
𝑛→∞ 𝑛→∞ 𝑛→∞
Y se obtiene una solución de 𝑥 = 𝑔(𝑥). Esta técnica se llama técnica iterativa de punto fijo o iteración
funcional.
El error aproximado entre iteraciones se puede calcular usando la expresión del error absoluto o del
relativo:
|𝑥𝑛 − 𝑥𝑛−1 |
𝐸𝑎 = |𝑥𝑛 − 𝑥𝑛−1 | < ɛ 𝑜 𝐸𝑅= <ɛ
|𝑥𝑛 |

Ejemplo 5:
Ejemplo 6:

Tabla 1 Resultados del ejemplo 7
Considerando el valor inicial p0 = 1.5, la Tabla 1 muestra los resultados del método de iteración de punto
fijo para las cinco alternativas para la función iterativa g(x). La raíz real es 1.365230013.
Comparando los resultados con el algoritmo de bisección, se puede ver que se han obtenido excelentes
resultados para los casos (c), (d) y (e), mientras que con la técnica de bisección se necesitan 27 iteraciones
para lograr esta precisión. (Verifíquelo). Es interesante notar que la elección (a) produce divergencia y (b)
se vuelve indefinida debido a que llega a la raíz cuadrada de un número negativo.
Este ejemplo ilustra la necesidad de un procedimiento que garantice que la función g(x) converja a una
solución de x = g(x) y que escoja también a g de tal manera que haga la convergencia tan rápida como sea
posible. El teorema siguiente es el primer paso para determinar este procedimiento.
Teorema 3: Sea 𝑔 𝜖 𝐶 [𝑎, 𝑏] y supongamos que 𝑔(𝑥)𝜖 (𝑎, 𝑏), para todo 𝑥 𝜖 (𝑎, 𝑏). Además, supongamos que
si g’ existe sobre (a, b) con
|𝑔´(𝑥)| ≤ 𝑘 < 1 para todo 𝑥 𝜖 (𝑎, 𝑏). (1)

Si 𝑥 (0) es cualquier número en [𝑎, 𝑏], entonces la sucesión definida por
𝑝𝑛 = 𝑔(𝑝𝑛−1 ), 𝑛 ≥ 1
Convergerá al único punto fijo p en (𝑎, 𝑏).
Demostración:
Por el teorema 2, existe un único punto fijo en (𝑎, 𝑏) entonces g aplica (𝑎, 𝑏) en sí mismo, la sucesión
𝑛=0 está definida para todo 𝑛 ≥ 0 𝑦 𝑝𝑛 𝜖 (𝑎, 𝑏) para todo n. Usando la desigualdad (1) y el teorema del
{𝑝𝑛 }∞
valor medio, resulta:
|𝑝𝑛 − 𝑝| = |𝑔(𝑝𝑛−1 ) − 𝑔(𝑝)| ≤ |𝑔´(𝜉)||𝑝𝑛−1 − 𝑝| ≤ 𝑘|𝑝𝑛−1 − 𝑝| (2)
Donde 𝜉𝜖 (𝑎, 𝑏), aplicando la desigualdad (2) inductivamente resulta:

|𝑝𝑛 − 𝑝| ≤ 𝑘|𝑝𝑛−1 − 𝑝| ≤ 𝑘 2 |𝑝𝑛−2 − 𝑝| ≤ ⋯ ≤ 𝑘 𝑛 |𝑝0 − 𝑝| (3)
Como 𝑘 < 1, lim |𝑝𝑛 − 𝑝| ≤ lim 𝑘 𝑛 |𝑝0 − 𝑝| = 0

𝑛→∞ 𝑛→∞
Y la sucesión {𝑝𝑛 }∞
𝑛=0 converge a 𝒑.
El Teorema permanece válido si la función g(x) es definida y diferenciable en el intervalo infinito

−  x  + , y la desigualdad (1) se cumple cuando x  (−, +)
Nótese que en las condiciones del Teorema 3, el método del punto fijo converge para cualquier valor inicial
p0 en (a; b). Por esta razón es autocorrector, esto es, un error individual en los cálculos que no vaya por
encima de los límites del intervalo (a; b) no afectará el resultado final, ya que un valor erróneo puede ser
considerado como un nuevo valor inicial p0. Únicamente se habría trabajado más. La propiedad de
autocorrección hace que el método de iteración del punto fijo sea uno de los más fiables. Naturalmente, los
errores sistemáticos al aplicar este método pueden hacer que no se obtenga el resultado requerido.
Corolario1: Si g satisface las hipótesis del teorema 3, una cota para el error involucrado al usar 𝑝𝑛 para
aproximar p está dada por:
Corolario 2: Si g satisface las hipótesis del teorema 3, entonces:
Observación: Ambos corolarios relacionan el radio de convergencia con la cota k de la primera derivada.
Está claro que el radio de convergencia depende del factor 𝑘 𝑛 ⁄(1 − 𝑘) y que cuanto más pequeño se pueda
hacer k, más rápida será la convergencia. La convergencia puede ser muy lenta si k es próximo a 1.
Teorema 4: Sea g(x) una función definida y diferenciable en un intervalo (a, b), y supongamos que la
ecuación:
Tenga una raíz p situada en el intervalo (a, b). Además, supongamos que la derivada g’(x) conserva el signo
y la desigualdad (1) sea válida. Por consiguiente:
• sí la derivada g’(x) es positiva, las aproximaciones sucesivas convergen monótonamente hacia la
raíz p.

• Sin embargo, si la derivada g’(x) es negativa, las aproximaciones sucesivas oscilan entonces
alrededor de la raíz p.
Fig. 11 (a) Convergencia monótona, (b) Convergencia oscilante

Ejemplo 8:

12. 2. Método de Newton – Raphson
El método de la Tangente o método de Newton-Raphson (o simplemente Newton) es uno de los métodos
numéricos más conocidos y poderosos para la resolución del problema de búsqueda de raíces de f(x) = 0.
Es uno de los métodos que muestra mejor velocidad de convergencia llegando (bajo ciertas condiciones) a
duplicar, en cada iteración, los decimales exactos.
Una curiosidad sobre el tema…
Para introducir el método de Newton podemos usar un enfoque intuitivo basado en el polinomio de Taylor,
uno gráfico y un enfoque analítico.
Deducción gráfica y analítica

Si f es una función tal que f, f ‘ y f ‘’ existen y son continuas en un intervalo (a; b) y si un cero o raíz x* de f
está en (a; b), se puede construir una sucesión {𝑥𝑛 } de aproximaciones, que converge a x* (bajo ciertas
condiciones) de la manera que se describe a continuación:
Partiendo de una aproximación x0 de un cero x* de f, entonces x1 es la intersección, de la recta tangente a f
en x0, con el eje X. Cuando se ha calculado una aproximación xn, la siguiente aproximación xn+1 se obtiene
hallando la intersección con el eje X de la recta tangente en el punto (xn, f (xn)). El proceso se muestra en las
figuras 12, 13 y 14.
Fig. 12 Obteniendo x1 Fig. 13 Obteniendo x1, x2,…
Fig. 14 Representación simplificada

La intersección de la recta tangente con el eje X se obtiene resolviendo y = 0. Como la ecuación de una recta
de pendiente m que pasa por (x0, y0) es y = m(x - x0) + y0 entonces la ecuación de la recta tangente en (xn, yn)
es:
𝑦 = 𝑓 ′ (𝑥𝑛 )(𝑥 − 𝑥𝑛 ) + 𝑦𝑛
Al despejar el valor de x, se obtiene xn+1:
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 − (1)
𝑓′(𝑥𝑛 )
En general, en la fórmula (1), f (xn) no presenta grandes variaciones mientras que f ‘(xn) puede variar
𝑓(𝑥𝑛 )
considerablemente: Si f ‘(xn) es grande entonces la corrección que se le aplica a xn para aproximar el
𝑓′(𝑥𝑛 )
cero es pequeña. Por otro lado, si f ‘(xn) es pequeña entonces la corrección sería mayor por lo que
aproximar un cero de f puede ser un proceso lento o a veces imposible.
Enfoque intuitivo basado en el polinomio de Taylor
Supóngase que la función f es continuamente diferenciable dos veces en el intervalo (a; b); o sea, f ϵ C2(a; b)
Sea 𝑥̅ ϵ (a; b) una aproximación a la raíz p tal que f ’(𝑥̅ ) ≠0 y |𝑥̅ − 𝑝| es pequeño. Considérese el polinomio de
Taylor de primer grado para f(x) alrededor de 𝑥̅
(2)
donde 𝜁(𝑥) está entre x y 𝑥̅ . Como f(p) = 0, la ecuación (2), con x = p, nos da:
(3)
El método de Newton se deriva suponiendo que el término que contiene a (p-𝑥̅ )2 es despreciable y que
(4)
Despejando p de esta ecuación resulta:

(5)
lo cual debe ser una mejor aproximación a p que 𝑥̅ .

El método de Newton-Raphson implica el generar la sucesión {𝑝𝑛 } definida por:
(6)
Geométricamente, el método de Newton es equivalente a sustituir un arco pequeño de la curva y = f(x) por
una tangente trazada por un punto de la curva. Supongamos, por definición, que f ’’(x) > 0 para 𝑎 ≤ 𝑥 ≤ 𝑏
y f(b) > 0

Fig. 15 Representación gráfica del Método de Newton Raphson
Tomemos, por ejemplo, p0 = b para el cual f(p0) f ’’(p0) > 0. Trácese la tangente a la curva y = f(x) en el punto
B= (p0; f(p0)). Como primera aproximación p1 de la raíz p tomemos la abscisa del punto de intersección de
esta tangente con el eje x. Trácese nuevamente una tangente por el punto de coordenadas (p1; f(p1)), cuya
abscisa del punto de intersección con el eje x ofrece una segunda aproximación p2 de la raíz p, y así
sucesivamente.
La ecuación de la tangente en el punto de coordenadas (pn; f(pn)) (n = 0; 1; …), es
Haciendo y = 0 y x = pn+1, tendremos la fórmula (6).

Nótese que si en nuestro caso hacemos p0 = a, y por tanto f (p0) f ’’ (p0) < 0, y trazamos entonces la tangente
a la curva y = f(x) por el punto A=(a; f(a)), tendremos que el punto p’0 cae fuera del intervalo (a; b); en otras
palabras, el procedimiento de Newton no es práctico para este valor inicial. Por tanto, en el caso dado, una
buena aproximación inicial p0 es aquella para la cual resulta válida la desigualdad
Demostraremos ahora que esta regla es general.
Teorema 5: Sea f ϵ C 2[a; b]. Si f(a).f(b) < 0, y f ’(x) y f ‘’(x) son no nulas y conservan el signo para 𝑎 ≤ 𝑥 ≤
𝑏, entonces, a partir de la aproximación inicial p0 ϵ (a; b) que satisface:
Es posible, utilizando el método de Newton,
Calcular la raíz única p de la ecuación f(x)=0 con cualquier grado de exactitud.
Por esta razón, al aplicar el método de Newton debe guiarse uno por la regla siguiente para la
determinación del punto inicial p0, elíjase el extremo del intervalo (a; b) asociado con una ordenada del
mismo signo que el de la f ‘’(x).
Ejercicio 22: Las gráficas representan las cuatro posibilidades que pueden presentarse. Señale en cada
caso cual es el extremo que se mantiene fijo teniendo en cuenta el teorema 5.

Teorema 6: Sea f ϵ C (−∞, +∞), f(a).f(b) < 0, f ’(x) ≠ 0 para 𝑎 ≤ 𝑥 ≤ 𝑏 y si f ‘’ (x) existe en cualquier punto y
conserva el signo, entonces puede tomarse cualquier valor c ϵ (a; b) como aproximación inicial p0 al
utilizarse el método de Newton para hallar una raíz de la ecuación f(x) = 0 que caiga en el intervalo (a; b).
Se puede, por ejemplo, tomar p0 = a o p0 = b.
Nótese que de la fórmula (6) está claro que cuanto mayor sea el valor numérico de la derivada f ’(x) en la
vecindad de la raíz, tanto menor será la corrección que ha de añadirse a la aproximación n- ésima para
obtener la aproximación (n + 1). El método de Newton es por consiguiente muy conveniente cuando la
gráfica de la función tiene una gran pendiente en la vecindad de la raíz dada, pero si el valor numérico de la
derivada 𝑓′(𝑥) es pequeño cerca de ella, las correcciones serán entonces mayores, y calcular la raíz
mediante este procedimiento puede ser un proceso largo o a veces incluso imposible.
Resumiendo: no utilice el método de Newton para resolver una ecuación f(x) = 0 si la curva y = f(x) es casi
horizontal cerca del punto de intersección con el eje x.
El método de Newton es una técnica de iteración funcional pn = g(pn-1), 𝑛 ≥ 1 para la cual:
Se ve claramente de esta ecuación que el método de Newton no puede continuarse si 𝑓 ′ (𝑝𝑛−1 ) = 0 para
algún n. Veremos que el método es más eficaz cuando f ’ está acotada fuera de cero cerca del punto fijo p.
La derivación del método de Newton con serie de Taylor resalta la importancia de una buena aproximación
inicial. La suposición crucial al pasar de la ecuación (2) a (3), es que el término que contiene (p-𝑥̅ )2 puede
ser eliminado. Esta, claramente será una suposición falsa a menos que 𝑥̅ sea una buena aproximación de p.
En particular, si p0 no está lo suficientemente cerca de la raíz real, el método de Newton puede no
converger a la raíz.
Ejemplo 9:

El siguiente Teorema de Convergencia para el método de Newton ilustra la importancia teórica de la
elección de x0.
Teorema 7: Sea f ϵ C2 (a, b). Si 𝑥 ∗ ϵ (a, b) es tal que f(x*)=0 y 𝑓 ′ (𝑥 ∗ ) ≠ 0, entonces el método de Newton
genera una sucesión de aproximaciones {𝑥𝑛 }∞ 𝑛=1 que converge a x* para cualquier aproximación inicial 𝑥0 .
El método de Newton es un ejemplo especial de iteración de punto fijo. Si consideramos que:

𝑓(𝑥)
𝑔(𝑥) = 𝑥 −
𝑓´(𝑥)
Entonces la fórmula iterativa para el método de Newton es:

𝑓(x𝑘−1 )
𝑥𝑘 = x𝑘−1 −
𝑓´(x𝑘−1 )
Y toma la forma simple de:
𝑥𝑘 = 𝑔(x𝑘−1 )

Si g(x) ϵ C (a, b) para todo x ϵ (a, b) y además suponemos que g’(x) existe sobre (a, b) y |𝑔´(𝑥)| ≤ 𝑘 < 1
para todo 𝑥 𝜖 (𝑎, 𝑏). Entonces g tiene un único punto fijo 𝑥 ∗ sobre (a, b).
𝑓(𝑥)
Si derivamos la expresión 𝑔(𝑥) = 𝑥 − respecto 𝑓´(𝑥)
𝑓´(𝑥)
𝑑𝑔(𝑥) 𝑓(𝑥). 𝑓′′(𝑥)

|𝑔′(𝑥)| = | |=| |<1
𝑑𝑓′(𝑥) (𝑓′(𝑥))2
La sucesión de aproximaciones {𝑥𝑛 }∞
𝑛=1 generada converge a algún punto fijo𝑥 sobre (a, b) para cualquier
∗
aproximación inicial 𝑥0 .
Por lo que antes de comenzar un proceso iterativo, se debe analizar la convergencia del mismo en el valor
inicial 𝑥0 , es decir:
𝑓(𝑥0 ). 𝑓′′(𝑥0 )
|𝑔′(𝑥0 )| = | |<1
(𝑓′(𝑥0 ))2
así que la sucesión {𝑥𝑛 }∞
𝑛=1 definida por 𝑥𝑛 = 𝑔(𝑥𝑛−1 ) 𝑝𝑎𝑟𝑎 𝑛 = 1, 2, 3 … converge a x* para cualquier 𝑥0
Algunas veces el método de Newton no converge y esto puede depender de las condiciones iniciales que se
adopten. En las gráficas de la figura 16 se muestran dos situaciones donde no hay convergencia.
Fig. 16 Situaciones donde el método de Newton no converge
Convergencia global.
La convergencia del método de Newton es local, es decir, como aproximación inicial se debe elegir un x0 que
este “suficientemente cercano” a x*. Sin embargo, hay teoremas que dan criterios para la convergencia
global (para ciertos tipos de funciones). Por ejemplo, si en el intervalo (a, b) f tiene un único cero y si f ‘ y f ‘’
conservan el signo, entonces una buena aproximación inicial es cualquier x0 ϵ (a, b) para el cual
f(x0) f ‘’(x0) > 0
Fig. 17 Convergencia del Método de Newton

Ejemplo 10:
Ejemplo 11:

Desventajas del método de Newton-Raphson
Aunque el método de Newton-Raphson en general es muy eficiente, hay situaciones en que se porta
deficientemente. Un caso especial es el caso de raíces múltiples que para su tratamiento debería recurrir a
la bibliografía recomendada. Sin embargo, aun cuando se trate de raíces simples, se encuentran
dificultades, como en el siguiente ejemplo.
Ejemplo de una función que converge lentamente con el método de Newton-Raphson
Determínese la raíz positiva de 𝑓(𝑥) = 𝑥 10 − 1 usando el método de Newton-Raphson con un valor inicial
de x = 0.5
Solución: la fórmula del método de Newton-Raphson es en este caso:
𝑥𝑖10 − 1
𝑥𝑖+1 = 𝑥𝑖 −
10𝑥𝑖9
Calculando:
De esta forma, después de la primera predicción deficiente, el método converge a la raíz 1, pero muy lentamente.

Fig. 18 Dificultades del Método de Newton Raphson
Además de la convergencia lenta, debida a la naturaleza de la función, se pueden originar otras dificultades,
como se ilustra en la figura 18.
Por ejemplo, la figura 18 a. muestra el caso donde un punto de inflexión (esto es, f ' (x) = 0) ocurre en la
vecindad de una raíz. Nótese que las iteraciones que empiezan en x divergen progresivamente de la raíz. En
la figura 18 b. se ilustra la tendencia del método de Newton-Raphson a oscilar alrededor de un punto
mínimo o máximo local. Tales oscilaciones persisten, o, como en la figura 18 b., se alcanza una pendiente
cercana a cero, después de lo cual la solución se aleja del área de interés. En la figura 18 c., se ilustra como
un valor inicial cercano a una raíz puede saltar a una posición varias raíces lejos. Esta tendencia de alejarse
del área de interés se debe a que se encuentran pendientes cercanas a cero. Obviamente, una pendiente
cero (f '(x) = O) es un real desastre que causa una división por cero en la fórmula de Newton-Raphson.
Gráficamente, se puede observar en la figura 18 d. Esto significa que la solución se dispara horizontalmente
y jamás toca al eje x.
De manera que no hay un criterio general de convergencia para el método de Newton- Raphson. Su
convergencia depende de la naturaleza de la función y de la exactitud del valor inicial. La única solución en
estos casos es tener un valor inicial cercano a la raíz. Este conocimiento, de hecho, lo proporciona el
conocimiento físico del problema o mediante el uso de herramientas tales como las gráficas que
proporcionan mayor claridad en el comportamiento de la solución.
Esto sugiere también que se deben diseñar programas eficientes que reconozcan la convergencia lenta o la
divergencia.
Para terminar, repasemos el procedimiento para aproximar una raíz real utilizando el método de la tangente:
Sea una función 𝑦 = 𝑓(𝑥) con una raíz en el intervalo (𝑎, 𝑏), si se puede debemos hacer la representación
gráfica y verificar que:
• f(x) es continua en (𝑎, 𝑏)
• El signo de f ’(x) sea constante para todo x 𝜖 (𝑎, 𝑏).
• El signo de f’ ’’(x) sea constante para todo x 𝜖 (𝑎, 𝑏).
• La abscisa 𝑝̂ será la única raíz en el intervalo cuyo valor queremos aproximar para lo cual deberemos
verificar que 𝑓(𝑎)𝑓(𝑏) < 0
• Se determinará el valor inicial 𝑝0 y será aquel extremo del intervalo que verifique 𝑓(𝑥). 𝑓´´(𝑥) > 0

• Con el valor inicial 𝑝0 y utilizando la fórmula iterativa del método lograremos una sucesión de
𝑙𝑖𝑚
aproximaciones 𝑝1 , 𝑝2 , … . . , 𝑝𝑘 que convergen a 𝑝̂ , es decir que 𝑘→∞ 𝑝𝑘 = 𝑝̂
• Esto significa que dado una tolerancia 𝜀 > 0, existe un número natural n, tal que se cumple
|𝑝𝑛 − 𝑝𝑛−1 | < 𝜀.
Ejercicio 23: Aplique el método de la tangente para calcular la raíz en (−2, −1) de la ecuación:
2𝑥 4 − 3𝑥 2 + 3𝑥 − 4 = 0
Solución: En este subintervalo la función 𝑃4 (𝑥) es continua por ser polinómica.
P P’ P’’ P.P’’
a=-2 10 -49 -54 -540
b = -1 -8 1 -30 240
Concluimos que en el intervalo hay una raíz, la derivada primera se anula y la derivada segunda mantiene
su signo y 𝑥 (0) = −1
𝑥̂ = −1,74259
Ejercicio 24: Resuelva la ecuación:5𝑥 4 + 16𝑥 3 − 9𝑥 2 − 12𝑥 + 2 = 0 con una tolerancia 𝜀 ≤ 1. 10−4 . En los
intervalos:
(−4, −3.4); (−1, −0.4); (0, 0.4); (0.6, 1); (0.8, 1)
Solución:
1) (𝑎, 𝑏) = (−4, −3.4), en este subintervalo la función f(x) es continua por ser una función polinómica,
llamo𝑓(𝑥) = 𝑃(𝑥)
P P’ P’’ P.P’’
a = -4 162 -452 558 90396
b = -3.4 -21.94 -182 349.2 -7660.05
Del cuadro concluimos que en el intervalo (-4, -3.4) hay una sola raíz, la derivada primera no se nula y la
derivada segunda mantiene su signo, el valor de partida 𝑥 (0) = −4
Sucesivas aproximaciones obtenidas:
P 0 1 2 3 4 5
Aproximación -4 -3.641592 -3.522010 -3.508948 -3.508800 -3.508800
Error 0.358408 0.119582 0.013062 0.000148 0.000000< 𝜀
2) (𝑎, 𝑏) = (−1, −0.4)

P P’ P’’ P.P’’
a = -1 -6 34 -54 324
b = -0.4 4.46 1.6 -46.8 -208.9
P 0 1 2 3 4
Aproximación -1 -0.823529 -0.788086 -0.786492 -0.786488
Error 0.176471 0.035443 0.001594 0.000004< 𝜀
3) (𝑎, 𝑏) = (0, 0.4) se cumple

P P’ P’’ P.P’’
a =0 2 -12 -18 -36
b =0.4 -3.1 -10.2 30 -92.6
Del cuadro concluimos que en el intervalo (0, 0.4) la ecuación tiene una raíz y también que la función
presenta un punto de inflexión lo que motiva el cambio de signo de P’’.
Si nuestro interés es aplicar el método de la tangente, debemos reducir la longitud del intervalo a fin de
aislar la raíz evitando la abscisa del punto de inflexión.
Aplicando el procedimiento recomendado logramos el (0.15, 0.1625) que es apropiado a nuestros fines
porque:
P P’ P’’ P.P’’
a =0.15 0.054 -13.55 -2.25 -0.12
b =0.1625 -0.116 -13.57 -0.82 0.09
P 0 1 2
Aproximación 0.1625 0.153989 0.153986
Error 0.008511 0.000003
4) (𝑎, 𝑏) = (0.6, 1), resulta:

P P’ P’’ P.P’’
a =0.6 -4.3 -1.2 61.2 -265.4
b =1 2 38 138 276
Si observamos los valores de la tabla podemos decir que en (0.6, 1) hay una raíz, pero que el cambio de
signo de P’ indica que ella se anula para un 𝑥 𝜖 (𝑎, 𝑏), lo que no permite la aplicación del método de la
tangente, a menos que se reduzca la longitud del intervalo a fin de evitar tal abscisa.
Aplicando bisección obtenemos (0.8, 1), que nos resulta apropiado como veremos:

P P’ P’’ P.P’’
a =0.8 -3.12 14.6 97.2 -303.26
b =1 2 38 138 276
Luego
P 0 1 2 3 4
Aproximación 1 0.947368 0.941377 0.941302 0.941302
Error 0.052632 0.005991 0.000075 0.000000
Ejercicio 25: Resuelva la ecuación: 2𝑥 4 − 3𝑥 3 − 27𝑥 2 + 6𝑥 + 18 = 0 con una raíz en (0, 1)

Solución:
P P’ P’’
a =0 18 6 -54
b =1 -4 -49 -48
La tabla muestra claramente que la función correspondiente presenta un máximo en este intervalo. Esto
significa que no podemos aplicar el método de la tangente porque la derivada primera se anula para algún x
de (0, 1).
Bisecando a (0, 1) obtenemos (0, 0.5) y (0.5, 1)
P P’ P’’
a =0 18 6 -54
m =0.5 14 -22.2 -57
b =1 -4 -49 -48
De la tabla anterior podemos concluir que en el (0.5, 1) se encuentra la raíz buscada y que en él se cumplen
todas las restricciones impuestas por el método de Newton-Raphson.
Ejercicio 26: Resuelva la ecuación: 5x 4 + 16x 3 − 9x 2 − 12x + 2 = 0
Solución: Tiene una raíz en el intervalo (0, 0.4), pero se ha observado que para valores de la variable
pertenecientes a dicho intervalo la función P(x) presenta un punto de inflexión por lo que no es factible la
aplicación del método de Newton- Raphson.
Aplicaremos bisección en forma reiterada (si es necesario) para lograr un intervalo adecuado.
(0, 0.4) (0.0, 0.2) y (0.2, 0.4)
(0, 0.2) (0, 0.1) y (0.1, 0.2)
(0.1, 0.2) (0.1, 0.15) y (0.15, 0.2)
(0.15, 0.2) (0.15, 0.175) y (0.175, 0.2)
(0.15, 0.175) (0.15, 0.1625) y (0.1625, 0.175)

Conclusión: Después de cada bisección se ha comprobado mediante las tablas correspondientes, cuál de los
dos subintervalos contiene la raíz. Al cabo de cinco bisecciones consecutivas se obtuvo el intervalo que
satisface las condiciones del método de Newton- Raphson: (0.15, 0.1625). Queda a cargo del lector utilizar
este subintervalo y calcular la aproximación de la raíz aplicando el método solicitado hasta que la
diferencia entre dos iteraciones sucesivas sea menor a 0.00001.
Ejercicios de fijación y autoevaluación
1- Encuentre a un polinomio, P(x) de grado 3 que tenga los ceros o raíces indicadas y satisfaga la condición
dada usando las relaciones de Vieta
a) -1, 2, 3 y f(-2)=80 ; c) -5, 2, 4 y f(3)= -24
b) -4, 3, 0 y f(2)=-36 ; d) -3, -2, 0 y f(-4)=16
Respuesta: a) 𝑓(𝑥) = −4𝑥 3 + 16𝑥 2 − 4𝑥 − 24 ; 𝑏)𝑓(𝑥) = 3𝑥 3 + 3𝑥 2 − 36𝑥
2- Encuentre un polinomio de grado 4 cuyo coeficiente general sea 1, de modo que -4 y 3 sean ceros de
multiplicidad 2 y trace la gráfica de f(x).
Respuesta: 𝑓(𝑥) = 𝑥 4 + 2𝑥 3 − 23𝑥 2 − 24𝑥 + 144
3- Calcule las raíces de f(x) y diga la multiplicidad de cada uno.
a) f(x)= 𝑥 2 (3𝑥 + 2)(2𝑥 − 5)2 b) f(x)=(4𝑥 2 − 5)2
c) f(x)=𝑥(𝑥 + 1) (3𝑥 − 6)
4 2
d) f(x)=𝑥 4 + 21𝑥 2 − 100
e) f(x)= 4𝑥 + 12𝑥 + 9𝑥
5 4 3
f) f(x)=(6𝑥 2 + 7𝑥−5)4 (4𝑥 2 − 1)2
4- La ecuación x 2 − 2x − 3 = 0, puede resolverse por el método de punto fijo, como sigue:

a) 𝑥 = (𝑥 2 − 3)⁄2
b) 𝑥 = √(2𝑥 + 3)
c) 𝑥 = (2𝑥 + 3)⁄(√𝑥)
d) 𝑥 = 𝑥 − 0.2(𝑥 2 − 2𝑥 − 3)
Determine cuáles de las fórmulas anteriores convergen cuando se utilizan para hallar las raíces x =-1 y x =3.
5- a) Aplique el método de bisección y aproxime la raíz de la ecuación 𝑥 3 − 𝑥 − 3 = 0 que está entre 1
y 2 con un error menor que 0.001.
b) Aplique el método de la tangente y determine dicha raíz.
Respuesta: a) n∘de iteraciones a realizar = 7, sabemos que hay una raíz entre 1.6640625 y 1.671865.
b) r =1.671899883
6- Repita el ejercicio anterior para 5x 2 + 7x − 3 = 0 y aproxime la raíz que está entre -2 y -1.5.
7- a) Use la regla de Descartes para determinar el número de raíces positivas y negativas.

b) Halle el intervalo de acotación de todas las raíces reales.
c) Aplique el método de Newton-Raphson y obtenga el valor de la raíz, en cada uno de los
subintervalos.
I. x 3 − 4x 2 − 5x + 7 = 0 Respuesta: (-2, 5)
II. 3 2
2𝑥 − 5𝑥 + 4𝑥 − 8 = 0
III. 𝑥 4 − 𝑥 3 − 2𝑥 2 + 3𝑥 − 6 = 0 Respuesta: (-2, 2)
IV. 2𝑥 4 − 9𝑥 3 − 8𝑥 − 10 = 0
V. 2𝑥 5 − 13𝑥 3 + 2𝑥 − 5 = 0 Respuesta: (-3, 3)
8. Usar el método de punto fijo para aproximar la solución de cada ecuación en el intervalo que se indica

9. Si f tiene un único cero en el intervalo (-2,5), ¿cuántas iteraciones de bisección se deben hacer para
aproximar esta raíz con un error absoluto menor a 0.5 10-4?
10. Resuelva la ecuación 𝑒 3(𝑥−1) − ln(𝑥 − 1)2 + 1 con al menos cinco decimales exactos. Implemente el
método que considere más conveniente.
11. Resuelva la ecuación 𝑒 3𝑥 − ln(𝑥 2 + 1) − 30 con al menos cinco decimales exactos. Implemente el
método que considere más conveniente.
Ejercicios de aplicación usando Planilla Excel y Octave
Halle las raíces reales, con una tolerancia menor a 𝜀 = 0.0001
a) Gráficamente
b) Determine el intervalo de acotación y el número de raíces positivas y negativas.
c) Usando el método de bisección.
d) Usando el método de Newton Raphson.
i) 𝑓(𝑥) = −0.874𝑥 2 + 1.75𝑥 + 2.627
ii) 𝑓(𝑥) = −2.1 + 6.21𝑥 − 3.9𝑥 2 + 0.667𝑥 3
iii) 𝑓(𝑥) = −23.33 + 79.35𝑥 − 88.19𝑥 2 + 41.6𝑥 3 − 8.68𝑥 4 + 0.658𝑥 5
iv) 𝑓(𝑥) = 4𝑥 4 − 24.8𝑥 3 + 57.04𝑥 2 − 56.76𝑥 + 20.57
v) 𝑓(𝑥) = 𝑥 3 − 3.2𝑥 2 − 1.92𝑥 + 9.216
vi) 𝑓(𝑥) = 9.36 − 21.963𝑥 + 16.2965𝑥 2 − 3.70377𝑥 3
vii) 𝑓(𝑥) = 𝑥 4 − 8.6𝑥 3 − 35.51𝑥 2 + 464𝑥 − 998.46
viii) 𝑓(𝑥) = −23.33 + 79.35𝑥 − 88.09𝑥 2 + 41.6𝑥 3 − 8.68𝑥 4 + 0.658𝑥 5
Bibliografía
• Chapra, Steven C. et. al., Métodos Numéricos para ingenieros. Sexta edición. Mc. Graw Hill.2011
• Nieves, Antonio, et. al., Métodos Numéricos. Aplicados a la Ingeniería. Segunda edición. Compañía
Editorial Continental.2004.
• Mathews, J. y Fink, C.D. Métodos Numéricos con MATLAB. Tercera edición. Prentice-Hall. 2000
• Nakamura, Shoichiro. Análisis numérico y visualización gráfica con MATLAB. Editorial Prentice Hall.
1997.
• Cheney, Ward y Kincaid, David. Métodos Numéricos y Computación. Sexta edición. CENGAGE
Learning. 2011.
• Figueroa Nieto, Jaime. Introducción al análisis numérico para ingeniería. Editorial USM. 2013.


Soluciones Aproximadad de Ecuaciones No Lineales

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Soluciones Aproximadad de Ecuaciones No Lineales

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL DE SAN JUAN

Solución aproximada de ecuaciones no lineales

Profesor Responsable: Esp. Ing. María Rosa Castro

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 2

2. Objetivos Específicos de la unidad

3. Pasos para la resolución de una ecuación

3.1. Ecuaciones algebraicas

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 3

Demostración: Dividiendo el polinomio P(x) entre (x - r) obtenemos:

3.2. Teorema Fundamental del Algebra (TFA)

Consecuencia inmediata de los dos resultados anteriores es la factorización de un polinomio en función de

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 4

Corolario del Teorema del Resto

¿Qué tipo de coeficientes tienen los factores de la descomposición?

Ejercicio 3: Encontrar la factorización del polinomio:

Otro hecho importante a tener en cuenta es el siguiente:

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 5

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 6

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 7

En general las Relaciones de Vieta son:

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 8

Ejemplo: Informe el polinomio cuyas raíces sean: -1,0 y 1

Por lo que 𝑃(𝑥) = 𝑥 3 − 𝑥

Resolviéndolo usando comandos de Octave:

Respuestas: a) 𝑃4 (𝑥) = 𝑥 4 − 𝑥 3 − 9𝑥 2 + 9𝑥; 𝑏) 𝑃5 (𝑥) = 𝑥 5 − 4𝑥 4 − 2𝑥 3 + 8𝑥 2 + 𝑥 − 4 ;

5. Acotación de raíces reales

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 9

Fig. 1 Gráfica de las funciones polinómicas del ejercicio 9

Dado el polinomio P(x), si definimos el nuevo polinomio Q(-x) como:

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 10

Ejercicio 10: Consideremos el polinomio 𝑃(𝑥) = 𝑥 7 + 5𝑥 − 4 determine la cantidad de raíces reales

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 11

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 12

1) Informo el límite superior del intervalo de acotación: 𝐿𝑆 = 4

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 13

3) Verifique si para los valores probables 𝑃(𝑥) = 0.

a) 𝑥 4 + 2𝑥 3 − 20𝑥 2 − 66𝑥 − 45 = 0 Respuesta: 𝑟 = −3

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 14

Si 𝛿 es pequeño, el cumplimiento de la condición anterior nos permite concluir que el subintervalo

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 15

Fig. 3 Representación gráfica de la función polinómica del ejercicio 14

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 16

Fig. 4 Situaciones donde f(a) f(b)>0

10. Aproximación de Raíces Reales

11. Algoritmo de Bisección

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 17

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 18

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 19

𝑓(−4). 𝑓(4) < 0 y 𝑓(0). 𝑓(1) < 0

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 20

Observación: El algoritmo de bisección, aunque conceptualmente es claro no es ventajoso. Es muy lento en

Aplicando logaritmo miembro a miembro:

𝑛. log 2 > log(𝑏 − 𝑎) − log ℰ

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 21

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 22

Solución: Se deberían realizar 10 iteraciones para obtener la aproximación 𝑥10 = 4,72607

12. Métodos abiertos para aproximar el valor de una raíz

𝑥𝑖+1 = 𝑔(𝑥𝑖 ) (2)

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 23

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 24

Fig. 7 Representación gráfica del Método de Punto Fijo

Si 𝑔(𝑎) = 𝑎 𝑜 𝑔(𝑏) = 𝑏, la existencia de un punto fijo es obvia.

Recordemos ahora el teorema del Valor Medio:

Métodos Numéricos (INQ- IEA- INI- IDM- IME) _2018 25