Captulo 1

Raices de funciones de una

variable
1.1.

Introducci
on

Muchos problemas de ingeniera se reducen a encontrar las raices de una

funcion, vale decir, encontrar los valores de x para los cuales se cumple f (x) =
0.
En ocasiones lo que se busca es para que valores de x una funcion toma un
cierto valor (g(x) = C), o cuando dos funciones son iguales (p(x) = q(x)).
Obviamente estos casos se reducen al primero, considerando f (x) = g(x) C
y f (x) = p(x) q(x) respectivamente.
Si la funcion es lineal, entonces la resolucion es sencilla, pues alcanza con
despejar el valor de x. El problema se complica cuando la funcion no es
lineal.
Veamos el siguiente ejemplo:
3

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

El calor especco molar de una mezcla de gases en un motor de combustion
interna viene dado por la siguiente expresion:
Cv = 7.563

1126.4
cal/Kmol.K
T

Los gases, al llegar al cilindro del motor, sufren una compresion isentropica
desde el volumen V1 a V2 . La relacion de compresion en este motor es:
r=

V1
V2

=6

Si la temperatura inicial de los gases es T1 =333K y la relacion entre temperatura y volumen viene dada por:
T2
T1

Cv
T dT

= 1.986 ln VV12

calcule la temperatura nal de los gases en el cilindro del motor.

Es evidente que si sustitiumos la expresion de Cv en la integral y resolvemos

esta, nos quedan terminos que dependen de ln T y 1/T , por lo tanto llegamos a una ecuacion no lineal que hay que resolver para poder encontrar la
temperatura nal de los gases.
Otro
ejemplo clasico es el calculo de una raiz cuadrada de un n
umero P :
x = P , que se puede plantear como el encontrar la raiz positiva de la
funcion f (x) = x2 P
En el presente captulo expondremos algunas tecnicas numericas muy sencillas que permiten encontrar aproximaciones a raices de funciones de una
variable. Todas estas tecnicas son iterativas, vale decir que requieren alg
un
valor inicial aproximado de la solucion, o un intervalo donde se sospeche que
existe una raiz de la funcion, y luego, mediante la aplicacion sistematica de
una regla o formula, ir mejorando esa aproximacion de manera iterativa, hasta lograr un valor con la exactitud necesaria de acuerdo a la naturaleza del
problema que queramos resolver.
Para todas estas tecnicas es necesario tener en cuenta lo siguiente:
El metodo, si converge, lo hace a una, y solo una, de las raices de la
funcion. No necesariamente siempre converge, puede haber situaciones
anomalas que hay que saber detectar.
Ning
un de estas tecnicas numericas nos puede informar de antemano,
cuantas raices tiene una funcion. Tampoco permiten encontrar varias


1.2. BISECCION

soluciones simultaneamente. Si una funcion tiene varias raices habra que

descubrirlas una a la vez.
Debe emplearse alg
un criterio para detener el proceso iterativo (criterio
de convergencia).
No hay ninguna receta magica de como comenzar. Uno debe previamente analizar la funcion sobre la que va a trabajar y tratar de evaluar
donde pueden existir soluciones y que valor o valores iniciales se pueden
emplear para arrancar el metodo iterativo que uno haya elegido. Una
posibilidad elemental es evaluar la funcion para diferentes valores de x
y ver donde ocurren cambios de signo, que puedan indicar la existencia
de una raiz.

1.2.

Bisecci
on

El metodo de biseccion es una tecnica que se basa en el teorema del valor

intermedio:
Teorema del valor intermedio:
Sea f (x) una funcion continua en un intervalo [a, b] . Entonces para cada
valor u tal que f (a) < u < f (b) , existe al menos un valor x = dentro de
(a, b) tal que f () = u.
Basado en ese teorema, si encontramos un intervalo [a, b] en el cual la funcion
cambia de signo (vale decir que se cumple que f (a)f (b) < 0), y f (x) es
contnua, entonces dentro del intervalo [a, b] debe existir al menos un valor
x = para el cual f () = 0. En realidad podemos decir que existe un n
umero
impar de raices.
Para aplicar este metodo, entonces, es requisito previo encontrar al menos un
intervalo [a, b] donde la funcion cambie de signo. Una vez que encontramos
ese intervalo, podemos aplicar el siguiente procedimiento iterativo:
1. calcular el punto medio del intervalo [a, b]: p =

a+b
2

2. evaluar en cual de los dos nuevos subintervalos creados [a, p] o [p, b]

ocurre el cambio de signo de la funcion y quedarse con ese subintervalo:
si f (a)f (p) < 0 entonces asignar a b el valor de p

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

si f (p)f (b) < 0 entonces asignar a a el valor de p
3. evaluar la convergencia para el nuevo intervalo [a, b] obtenido:
si |a b| > entonces volver al punto (1) (continuar iterando)

si |ab| entonces se llego a convergencia (se detiene el proceso

iterativo)
Observese que el procedimiento es muy sencillo: en cada ciclo iterativo, reduzco a la mitad el ancho del intervalo [a, b] con lo cual logro acotar, por
izquierda y por derecha, el valor de la raiz.
Hasta cuando repito este procedimiento? Ahi es donde entra el criterio de
convergencia: el ancho del intervalo bisectado. Previo a comenzar el proceso
iterativo debo elegir alg
un valor peque
no, llamemosle , de manera tal que
cualquier valor x que diera en menos de del valor exacto de la raiz pueda
ser considerado una buena aproximacion al valor de la misma.
En este caso, si el ancho del u
ltimo intervalo [a, b] obtenido es menor que el
que nos hayamos elegido, entonces tanto el valor de a como de b puede ser
considerado como una buena aproximacion al valor de la raiz que estamos
buscando y se detiene el proceso iterativo.
El valor de tambien determina cuantas cifras signicativas podemos emplear
para reportar el valor de la raiz obtenido.
El valor del ancho del u
ltimo intervalo obtenido [a, b] es tambien una cota
superior al error absoluto que estamos cometiendo. Es evidente que tomamos
el valor de a como aproximacion a la raiz, entonces lo peor que podra ocurrir
es que el valor verdadero de la raiz este cerca de b y viceversa.
La convergencia en realidad puede ser evaluada en terminos absolutos o en
terminos relativos:
convergencia absoluta: |a b| A
convergencia relativa:

|ab|

Si empleamos criterio de convergencia relativo, obviamente que como no tenemos el valor de , podemos emplear ya sea el valor de a o de b en su


1.2. BISECCION

lugar. Si multiplicamos por 100 entonces expresamos la convergencia relativa

como % del valor de la raiz.
Es indistinto cual de los dos criterios aplicar, pues es evidente que para
la misma exactitud existe la relacion A R . Lo habitual es emplear
convergencia absoluta.

Ejemplo: Calcular 2

Sabemos que el valor de 2 se encuentra entre 1 y 2, por lo tanto podemos

tomar como intervalo inicial [1, 2]. La funcion que debemos evaluar para
resolver el problema es f (x) = x2 2. Elijamos un valor para epsilon de
= 104 . El aplicar el procedimiento anterior nos genera la siguiente tabla
de valores
iter
0.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.

a
1.
1.
1.25
1.375
1.375
1.40625
1.40625
1.4140625
1.4140625
1.4140625
1.4140625
1.4140625
1.4140625
1.4141846
1.4141846

b
2.
1.5
1.5
1.5
1.4375
1.4375
1.421875
1.421875
1.4179688
1.4160156
1.4150391
1.4145508
1.4143066
1.4143066
1.4142456

|a b|
1.
0.5
0.25
0.125
0.0625
0.03125
0.015625
0.0078125
0.0039063
0.0019531
0.0009766
0.0004883
0.0002441
0.0001221
0.0000610

Como se desprende de la tabla, comenzamos con el el intervalo inicial [1, 2],

que corresponde a la iteracion cero. Al cabo de la primer biseccion, ya hemos
reducido el intervalo a [1, 1.5]. Luego a [1.25, 1.5] en la iteracion 2, etc. En
cada iteracion evaluamos el ancho del intervalo |a b| y lo comparamos con
nuestro valor elegido de . Recien al llegar a la iteracion 14 encontramos un
valor de ancho del intervalo que cumple el criterio de convergencia |a b| <
y ah detenemos el proceso iterativo.
Como el valor de es 104 , solo podemos reportar 4 cifras luego del punto
decimal: 1.4142

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

Si queremos obtener una mejor aproximacion, debemos elegir un valor de

mas peque
no.
Si bien el metodo de biseccion es un metodo muy robusto y conable, adolece
del defecto de que la convergencia es lenta. En cada iteracion el error cometido
se reduce solo a la mitad, como se desprende facilmente de los valores de la
tabla.
Sin embargo es un metodo muy sencillo de implementar en computadora,
por lo que el defecto de su lentitud de convergencia se disimula, si estamos
resolviendo problemas sencillos.
En la practica se usan con mayor frecuencia metodos iterativos con mayores ratios de convergencia, como Newton-Raphson o Secante que veremos
mas adelante pero nunca esta de mas recordar que este simple metodo se
demuestra muy robusto en situaciones donde Newton-Raphson o Secante no
convergen o muestran problemas de convergencia.

1.2.1.

Convergencia del m
etodo

Como mencionabamos mas arriba, en cada iteracion el ancho del intervalo

de trabajo se reduce a la mitad, lo que determina que la convergencia de este
metodo sea lineal. Esto es, existe una relaci`on lineal entre el error cometido
en una iteraci`on y la siguiente: i+1 = i /2
Debido a la predecibilidad de la convergencia de este metodo, dado un intervalo inicial [a, b] y un criterio de convergencia , es perfectamente posible
predecir cuantas iteraciones van a necesitarse para llegar a convergencia: con
cada iteracion el ancho del intervalo se reduce a la mitad, por lo tanto, luego
de n iteraciones el ancho del intervalo sera |ab|
, donde a y b son los valores
2n
correspondientes al intervalo inicial.
Dado es posible predecir cuantas iteraciones seran necesarias para llegar a
convergencia:

|ab|
2n

< de donde n log2

|ab|

1.3. REGULA-FALSI

1.2.2.

Casos problem
aticos

En la gura 1.1 se muestran algunas situaciones problematicas en la aplicacion de este metodo u otros similares.

b
a

b
1

a
b

Figura 1.1: Casos problematicos

Caso 1: podra ocurrir que la funcion tuviese una raiz doble en el intervalo
que estemos considerando. Como la condicion para arrancar el metodo es
disponer de un intervalo donde la funcion cambie de signo, no seramos capaces de detectar esta situacion. Si sospechamos que la funcion tiene una raiz
doble y la funcion y su derivada primera son contnuas en ese intervalo, una
solucion es buscar la raiz de la derivada primera de la funcion, ya que ambas
comparten la misma raiz.
Caso 2: podra ocurrir que en el intervalo [a, b] elegido la funcion cambia de
signo, pero no una vez, sino un n
umero impar de veces. Es evidente que en
este caso lo que va a ocurri es que el metodo nos va a permitir encontrar una
de esas raices, pero nos vamos a perder la existencia de las otras dos.
Caso 3: el que una funcion cambie de signo no siempre indica que existe
una raiz en ese intervalo. Podran haber discontinuidades o puntos y regiones
de no existencia de la funcion. Para asegurarnos que lo que encontramos es
efectivamente una raiz, debemos vericar que los valores funcionales tambien
tienden a cero al acercanos al valor de la raiz que buscamos. Ojo: no debemos
emplear el criterio f (a) 0 o f (b) 0 como convergencia.

1.3.

Regula-Falsi

Este metodo iterativo es similar al anterior en cuanto a que tambien se trabaja desde un intervalo [a, b], donde la funcion cambia de signo, pero en lugar de

10

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

bisectar el intervalo, lo que hacemos es calcular la interseccion de la recta que

une los valores funcionales en los extremos del intervalo, (a, f (a)) y (b, f (b)),
con el eje de las abcisas y tomar ese punto como un extremo de un nuevo
subintervalo. Luego, con el mismo analisis de signos que aplicamos en biseccion dedicimos con cual de los dos subintervalos generados nos quedamos y
repetimos el procedimiento.
La formula iterativa que aplicamos en este caso es:

pi+1 = bi f (bi )

bi ai
f (bi ) f (ai )

(1.1)

el valor de pi+1 en la ecuacion 1.1 divide al intervalo [ai , bi ] en dos subintervalos. Dependiendo de en que subintervalo ocurra el cambio de signo es que
eleminos el nuevo subintervalo donde continuar iterando:

si f (ai )f (pi+1 ) < 0 entonces ai+1 = ai y bi+1 = pi+1

si f (pi+1 )f (bi ) < 0 entonces ai+1 = pi+1 y bi+1 = bi

En la gura 1.2 se muestra un ejemplo con 3 iteraciones del metodo. Vemos

como los cortes de las secantes con el eje de las abcisas se van acercando al
valor de la raiz .
f (b0 ) = f (b1 ) = f (b2 )

a0

a1 = p 1

a2 = p 2
p3

f (a0 )

f (a1 )

f (a2 )

Figura 1.2: Regula-Falsi

b0 = b 1 = b 2

1.3. REGULA-FALSI

1.3.1.

11

Regula-Falsi modicado (Algoritmo de Illinois)

La gura 1.2 tambien ilustra uno de los defectos que tiene este metodo: si
la funcion no muestra cambios de concavidad cerca de la raiz, entonces uno
de los extremos del intervalo se repite en todas las iteraciones y solo el otro
extremo es el que se acerca a la raiz. En principio este metodo tiene el mismo
criterio de convergencia que biseccion, pero si uno de los extremos se repite,
entonces podra ocurrir que no acotamos por izquierda y derecha el valor de
la raiz y nunca llega a cumplirse que |ai bi | < . Ademas, la repeticion de
un extremo hace que la convergencia sea lenta.
Hay una variante, conocida con el nombre de Regula-Falsi modicado o Algoritmo de Illinois, que resuelve este problema y ayuda a acelerar la convergencia del metodo.
La gura 1.3 illustra esta variacion, que consiste en emplear la mitad del
valor funcional del extremo que se repite en la ecuacion 1.1:

Si se repite bi entonces pi+1 =

Si se repite a entonces p =
i
i+1

1
f (bi )ai f (ai )bi
2
1
f (bi )f (ai )
2

(1.2)
f (bi )ai 12 f (ai )bi
f (bi ) 12 f (ai )

f (b0 ) = f (b1 )

1
f (b1 )
2

a0

a1 = p 1

p2

p2

p3

f (a0 )

b0 = b 1

f (a1 )

Figura 1.3: Regula-Falsi modicado

El la gura 1.3 vemos el valor que tomara p2 en regula-falsi normal y el

12

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

que toma al aplicar regula-falsi modicado p2 . Como el extremo bi se sigue

repitiendo, volvemos a aplicar regula-falsi modicado y se obtiene p3 , y as se
contin
ua mientras el extremo b se sigue repitiendo. Eventualmente el valor

pi+1 cae del otro lado de la raiz y el extremo que se vena repitiendo deja de
repetirse y se vuelve a la formula normal de regula-falsi.

Ejemplo: apliquemos este metodo al ejemplo del calculo de 2 con el mismo

criterio de convergencia = 104 :
iter
0
1
2
3
4
5
6
7
8
9
10
11
12
13

ai
1.
1.3333333
1.3333333
1.3927126
1.3927126
1.4089259
1.4089259
1.412908
1.412908
1.4138888
1.4138888
1.4141325
1.4141325
1.4141933

bi
2.
2.
1.4545455
1.4545455
1.424283
1.424283
1.4167718
1.4167718
1.4148584
1.4148584
1.4143753
1.4143753
1.414254
1.414254

|ai bi |
1.
0.6666667
0.1212121
0.0618329
0.0315705
0.0153571
0.0078458
0.0038638
0.0019504
0.0009695
0.0004864
0.0002427
0.0001215
0.0000607

Vemos en la tabla que la velocidad de convergencia es lineal, mostrando una

performance similar a la del metodo de Biseccion

1.4.

Newton-Raphson

El metodo de Newton-Raphson se basa en el desarrollo en serie de Taylor de

la funcion f (x) alrededor de un punto x0 :
1
f (x) = f (x0 ) + (x x0 )f (x0 ) + (x x0 )2 f (x0 ) + ...
2
Truncando la serie a primer orden e igualando a cero, tenemos

(1.3)

1.4. NEWTON-RAPHSON

13

f (x) f (x0 ) + (x x0 )f (x0 ) = 0

(1.4)

Esa es la ecuacion de la recta tangente que pasa por el punto (x0 , f (x0 )). De
la ecuacion 1.4 podemos despejar el valor de x que corresponde al corte de
la recta tangente con el eje de las abcisas:

x = x0

f (x0 )
f (x0 )

(1.5)

Si el comportamiento de f (x) fuese lineal, entonces el valor de x que cumple

dicha ecuacion sera la raiz de la funcion. Esto da pie a la formula iterativa
de Newton-Raphson:

xi+1 = xi

f (xi )
f (xi )

(1.6)

que genera una sucesion de valores {xi } que, de converger, lo hace a la raiz
de la funcion. El criterio de convergencia sera entonces la distancia entra
aproximaciones consecutivas a la raiz:
|xi+1 xi| <

(1.7)

La manera de aplicar esta formula es muy sencilla:

1. Se elige un criterio de convergencia y un valor inicial x0 cualquiera. Si
es cercano al valor de la raiz buscada, mejor. Esta es la iteracion cero,
por lo que i = 0
2. Se aplica la formula y se obtiene un valor xi+1 , que es una mejor aproximacion a la raiz
3. Se eval
ua el criterio de convergencia:
Si |xi+1 xi | se incrementa el valor de i y volvemos al punto
2
Si |xi+1 xi | < entonces el proceso iterativo ha convergido y se
considera que xi+1 es una buena aproximacion a la raiz buscada

14

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

f (x)
f (x0 )

f (x2 )

x1
x3

x2

x0

f (x1 )

Figura 1.4: Newton-Raphson

La gura 1.4 ilustra el proceso iterativo en Newton-Raphson. A diferencia de
Biseccion o Regula-Falsi, que requieren un intervalo [a, b] donde la funcion
cambia de signo, en Newton-Raphson se arranca con un punto x0 , cualquiera,
y las sucesivas aplicaciones de la formula 1.6 generan una sucesion de valores
x1 , x2 , x3 , ... que converge a la raiz .

Ejemplo: volvamos al caso del calculo de 2. Tomando como valor inicial

x0 = 1 obtenemos la siguiente tabla:

i
0
1
2
3
4
5

xi
1.
1.5
1.4166667
1.4142157
1.4142136
1.4142136

f (xi )
- 1.
0.25
0.0069444
0.0000060
4.5111012
4.4411016

|xi+1 xi |

0.5
0.0833333
0.0024510
0.0000021
1.5951012

Vemos como en este caso el proceso iterativo converge mucho mas rapidamente que en biseccion. Si consideramos el criterio de convergencia = 104
podemos comprobar en la tabla que en la cuarta iteracion el valor ya cumple con dicho criterio, y que con una iteracion mas ya se logran 12 cifras
signicativas exactas.

1.4. NEWTON-RAPHSON

15

Nota: este metodo tambien puede usarse para encontrar raices. El u

nico
requisito para encontrar una raz compleja, en caso que f (x) la tenga, es
arrancar el metodo con un valor x0 complejo.

1.4.1.

Convergencia en el m
etodo de Newton-Raphson

Sea f (x) una funcion contnua, con derivadas contnuas, para la cual queremos encontrar una raiz . Podemos escribir el polinomio de Taylor de primer
grado alrededor de xi , para el valor x = como:
1
f () = f (xi ) + ( xi )f (xi ) + ( xi )2 f (i ) = 0
2

(1.8)

umero entre y xi . Si dividimos la ecuacion 1.8 por f (xi )

donde i es un n
obtenemos:

f (xi )
1
2 f (i )
)
+
)
+
(

x
(

x
=0
i
i
f (xi )
2
f (xi )

(1.9)

que puede rearreglarse de la siguiente manera:

1
f (xi )
f (i )
= ( xi )2
xi
f (xi )
2
f (xi )

(1.10)

Pero seg
un la formula de Newton-Raphson, el termino entre parentesis rectos
es el valor de xi+1 y teniendo en cuenta que i = xi y i+1 = xi+1 son
los correspondientes errores cometidos en las iteraciones i e (i + 1), entonces:

i+1

1 f (i ) 2

=
2 f (xi ) i

(1.11)

que nos muestra que el error cometido en la iteracion (i + 1) es propocional

al cuadrado del error cometido en la iteracion i, por lo que la convergencia
del metodo es cuadratica.

16

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

3

p(x)

2
1
x
2 1.5 1 0.5

0.5

1.5

1
Figura 1.5: problema de oscilacion en Newton-Raphson: p(x) = x3 2x + 2

1.4.2.

Casos problem
aticos

Si bien el metodo de Newton-Raphson funciona muy bien en la mayora de las

situaciones, y no requiere necesariamente arrancar con un valor x0 cercano a
una raiz, hay ocasiones en que dependiendo del valor inical elegido, pueden
haber problemas de convergencia. Hay situaciones en las que el calculo puede
oscilar o incluso llegar a diverger.
En la gura 1.5 se muestra el caso de un polinomio para se puede dar una
oscilacion de la cual no es posible escapar. En este caso si tenemos la mala
fortuna de elegir x0 = 0 o x0 = 1, caemos en una oscilacion ya que para x = 0
la tangente del polinomio corta el eje de las abcisas en x = 1 y cuando x = 1
la tangente corta en x = 0 y el proceso iterativo queda atrapado entre estos
dos valores. La manera de detectar este tipo de oscilaciones es vigilar los
valores de xi y vericar que |xi+1 xi | 0 a medida que avanza el proceso
iterativo.
En la gura 1.6 se ilustra otra situacion problematica. No necesariamente
por arrancar en el punto b, cercano a la raiz a, se llega a ella. En este caso,
debido al comportamiento de la derivada de f (x) el proceso iterativo termina
divergiendo a x . En cambio, arrancando en el punto c, se llega en
pocas iteraciones al valor de la raiz. Incluso este ejemplo ilustra el por que no
debe usarse |f (x)| < como criterio de convergencia, porque como en este
caso f (x) 0 a medida que x , llegaremos a un valor de xi para el
cual se cumpla |f (xi )| < y sin embargo el valor de xi no es la raiz. Siempre
debe recordarse que la convergencia se mide sobre lo que se esta calculando,


1.5. METODO
DE LA SECANTE

17

Figura 1.6: problema de divergencia en Newton-Raphson

en este caso la sucesion de valores xi .

1.5.

M
etodo de la Secante

Uno de los inconvenientes del metodo de Newton-Raphson es la necesidad de

evaluar no solo la funcion f (x) sino tambien su derivada en cada iteracion.
Una variante que elimina la necesidad de evaluar la derivada es aproximar el
valor de la derivada por la secante:

f (xi )

f (xi ) f (xi1 )
xi xi1

(1.12)

con lo que la formula de Newton-Raphson se convierte en la formula de

Secante:

xi+1 = xi f (xi )

xi xi1
f (xi ) f (xi1 )

(1.13)

Tal como se muestra en la gura 1.13, el metodo requiere dos valores de x

para arrancar: x0 , x1 . La primer aplicacion de la formula da el valor x2 ,
luego se vuelve a aplicar la formula pero ahora con los puntos x1 y x2 lo cual
nos da el valor x3 . El proceso iterativo eventualmente converge a la raiz
buscada.

18

CAPITULO 1. RAICES DE FUNCIONES DE UNA VARIABLE

f (x)
f (x0 )

f (x1 )
x2

x0

x3 x1

f (x2 )

Figura 1.7: Secante

Ejemplo: nuevamente mostramos el calculo de 2 para comparar con los

metodos anteriores. Necesitamos arrancar el metodo con dos valores, x0 = 1
y x1 = 2. Aunque en este caso la funcion cambia de signo entre estos dos
puntos, esto no es requisito para elegir esos primeros dos puntos del metodo.
Se pueden elegir dos puntos cualesquiera. El proceso iterativo, para un valor
de = 104 se muestra en la tabla siguiente:
i
0
1
2
3
4
5

xi
1.
2.
1.3333333
1.4
1.4146341
1.4142114

xi+1
2.
1.3333333
1.4
1.4146341
1.4142114
1.4142136

|xi+1 xi |
1.
0.6666667
0.0666667
0.0146341
0.0004227
0.0000021

En este caso se puede apreciar que la velocidad de convergencia del metodo

es similar a la de Newton-Raphson, costando apenas una iteracion mas.