Professional Documents
Culture Documents
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
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.
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:
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?
𝑃𝑛 (𝑥) = 𝑎0 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … . (𝑥 − 𝑥𝑛 )
P( x) = 6 x3 − 11x 2 − x + 6
3 2
Solución: P( x) = 6.( x − 1).( x − ).( x + ) Se puede observar que todas las raíces son números reales.
2 3
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
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:
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/
Igualando coeficientes:
3
𝑎1
= − ∑ 𝑥𝑖
𝑎0
𝑖=1
3
𝑎2
= ∑ 𝑥𝑖 𝑥𝑗
𝑎0
𝑖≠𝑗
3
𝑎3
= (−1)3 ∏ 𝑥𝑖
𝑎0
𝑖=1
𝑛
𝑎2
= ∑ 𝑥𝑖 𝑥𝑗
𝑎0
𝑖≠𝑗
⋮
𝑎𝑛
= (−1)𝑛 𝑥1 𝑥2 𝑥3 … 𝑥𝑛
𝑎0
3
𝑎2
= ∑ 𝑥𝑖 𝑥𝑗 = (−1 ∗ 0) + (0 ∗ 1) + (−1 ∗ 1) = −1
𝑎0
𝑖≠𝑗
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.
𝑐) 𝑃2 (𝑥) = 0.5 𝑥 2 + 3𝑥 − 16
Definición: Se dice que dos ecuaciones son equivalentes cuando tienen las mismas raíces y con los mismos
ordenes de multiplicidad.
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:
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.
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.
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.
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.
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:
Ejercicio 11: Aplique el criterio de raíces enteras para encontrar las raíces de las siguientes ecuaciones:
(−1)𝑛 𝑎𝑛 ⁄𝑎0 = ∏ 𝑥𝑖
𝑖=1
Fig. 2 Representación gráfica de en un intervalo donde existe una raíz y varias raíces.
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)
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?
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
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
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),
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:
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:
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:
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.
Demostración
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
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.
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, …
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 6:
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)
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)
Y la sucesión {𝑝𝑛 }∞
𝑛=0 converge a 𝒑.
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:
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.
Para introducir el método de Newton podemos usar un enfoque intuitivo basado en el polinomio de Taylor,
uno gráfico y un enfoque analítico.
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)
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
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
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:
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.
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.
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:
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 .
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.
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
Ejemplo 11:
De esta forma, después de la primera predicción deficiente, el método converge a la raíz 1, pero muy lentamente.
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
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
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
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
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:
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
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.