RAICES DE ECUACIONES

Mgr. Elizabeth Ramos Saira

• Método Gráfico
• Método de Bisección
• Método de Regla Falsa
• Método de Newton
• Método del Punto Fijo
 Método de Graficación
Primera forma El proceso es de simple
tabulación y, donde se halle un cambio de
signo en los valores de f (x), ahí se puede
ir encajonando la raíz, pero sólo de forma
de ubicación, con mucha imprecisión por
su puesto.
Tabulación: f ( x )  5  8 cos( 3 x )  x 2

[ 3 . 5 ;  3 . 0 ] RAÍZ ???
[ 3 . 0 ;  2 . 5 ] RAÍZ ???
[ 2 . 0 ; 1 .5] RAÍZ ???

[ 0 . 5 ; 0 . 0 ] RAÍZ ???
[ 0 . 0 ; 0 . 5 ] RAÍZ ???

[ 1 . 5 ; 2 . 0 ] RAÍZ ???
[ 2 . 5 ; 3 . 0 ] RAÍZ ???
[ 3 . 0 ; 3 . 5 ] RAÍZ ???
Tabulación: f ( x )  5  8 cos( 3 x )  x 2
Las raíces se indican en la figura
En la figura
anterior y esta
se han indicado
los cambios de
signo en la
figura con un
círculo y
además con
una flecha
En el intervalo [0 ; 2]
x=-5:0.0001:5;
y=2*x.^3+3*x.^2-12*x+6;
plot(x,y)
grid
axis([-5 4 -50 50])
Tercera forma.- Consiste en transformar la función f en la
forma , luego , se grafican
En el mismo sistema de coordenadas donde las raices de f
Son las intersecciones de las gráficas.

Ejemplo: Estimar los valores de las raices de la ecuación

Solución: Obtenemos la función asociada.

 Despejando tenemos

Luego

x=-3:0.0001:3;
y=x.^2-2;
z=-1./x;
plot(x,y,x,z)
grid
axis([-3 3 -2 4])
Ejercicios:

Estimas los valores de las raices de las

ecuaciones

1.-

2.-

3.-

4.-

5.-
 Método de bisección
Si se tiene que f  C [ a , b ] , o sea la
función f es continua en el intervalo [a, b]
, y si f ( a ) f ( b )  0 entonces existe un
punto t ] a, b [ tal que f (t) = 0, este t
se consigue usando un algoritmo que
efectúe lo visto en las figuras anteriores:
 Método de bisección

También llamado método de búsqueda binaria.

Supongamos, que tenemos una función continua f,
definida en el intervalo [a, b], con f(a) y f(b) tal
que f(a)⋅f(b)<0, o sea de signos contrarios
Entonces, por medio del teorema del valor medio,
existe t, t ] a, b [ tal que f(t) =0.
El Método requiere de dividir repetidamente a la
mitad a los sub intervalos [a, b] y, en cada paso
localizar a la mitad, que contiene a t.
Para empezar, hacemos a1=a; b1=b y t1 el
punto medio de [a, b]; o sea:

Sí f (t1) = 0 , entonces t = t1 ; de lo contrario es

claro que f (t1) tiene el mismo signo que f (a1) o f
(b1) .
 Si f (t1) y f (a1) , tienen el mismo signo, entonces
t ∈ ] t1, b1[ y hacemos a2 = t1 y b2 = b1 .
 Si f (t1) y f (b1) son del mismo signo,
entonces
t  ] a1, t1[ y hacemos b2 = t1 y a2 = a1 .
Ahora repetimos el proceso al intervalo [a2 , b2 ] y
así sucesivamente.
Para detener el método de bisección y dar una
aproximación del cero de una función se pueden
usar varios criterios (llamados criterios deparada).

Uno de los criterios de parada consiste en examinar

Si |f(cn)| <  , donde    es una tolerancia
previamente
establecida (por ejemplo   = 10-3).
Otro criterio que puede utilizarse es examinar sí 
También se puede usar como criterio de parada el error
relativo entre dos aproximaciones del cero de f , 
 Método de bisección
El proceso es de encajonamiento:

1ero. 2do.
El proceso es de encajonamiento:

3ero. 4to. . . .
El proceso es de encajonamiento
continuará hasta cumplir la
tolerancia:
o sea,
cuando

a b /2 Er
Paso1: Definir f (x), // función continua en [a,b]
Paso2: Entrar a, b, error; // tolerancia
b a
Paso3: t 
2
Paso4: if (f (t)*f (a)<0) { b=t ; }
Paso5: en otro caso { a=t ; }
Paso6: if (abs(a - b )/2>error) ir a (3)
Paso7: Publicar [a, b]; // Intervalo final
Paso8: Parar.
Ejemplo de Bisección 1
Si fuera el caso de la función
f ( x)  ( x  3)  3
2

y la estudiamos en el intervalo
[a, b] = [4, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 2)*( f(5) = 1) = - 2<0
 Tabla de Resultados de
Bisección

deben usarse 6 por lo menos.

Es la figura vista paso a paso.1
Ejemplo 2
La función  f(x) = xsenx – 1
tiene un cero en el intervalo [0,2],
Porque f(0) = -1 y f(2)=0.818595.
 Extremo Extremo Punto Valor de la Error Relativo 
n izquierdoan derecho bn medio cn función f(cn )

1 0 2 1 -0.158529  

2 1 2 1.5 0.496242 0.333333

3 1 1.5 1.25 0.186231 0.2

4 1 1.25 1.125 0.015051 0.111111

5 1 1.125 1.0625 -0.071827 0.0588235

6 1.0625 1.125 1.09375 -0.028362 0.0285714

7 1.09375 1.125 1.109375  -0.006643 0.0140845

8 1.1093750 1.125 1.1171875 0.004208 0.0069930

1.1132812
9 1.1093750 1.1171875 -0.001216 0.0035087
5

(c = 1.114157141 es el cero de f(x) = xsenx - 1)

En el ejemplo anterior si   =0.005, el procedimiento se
pararía en la octava iteración con el criterio |f(cn)|<   , ya
que: 

         |f(c8)| = |f(1.1171875)| = 0.004208 <   = 0.005,

pero si se usa el criterio 

el procedimiento se detendría en la novena iteración
porque:

http://portales.puj.edu.co/
objetosdeaprendizaje/Online/OA10/
capitulo5/5.htm
Ejemplo de Bisección 2 Hallar las
raices de la ecuacion exp(-x)-x=0

x=-3:0.001:3;
>> y=exp(-x);
>> z=x;
>> plot(x,y,x,z)
grid
>> axis([-3 3 -3 3])

biseccion(f,a,b,tol,n)
biseccion(' exp(-x)-x’, 0,1 ,0.0001 ,30)
Ejercicios
Resolver las siguientes ecuaciones
a)exp(x) = 9 , b)sin(t) ⋅t − 2 = 0,
c) x3 −8x5 + 5x2 − x + 9 = 0 ,
d) x ⋅exp(−x) −sin(x) + 3 = 0 ,
e) cos( t) − 0.5 = 0 ,
Observación: Este algoritmo de bisección como se
vio es muy simple y manejable además es robusto
pues siempre converge a una solución, pero tiene en
contra el problema de que converge muy lentamente
y el número de iteraciones debe ser grande.

El método de bisección suele recomendarse para

encontrar un valor aproximado del cero de una
función, y luego este valor se refina por medio de
métodos más eficaces. La razón es porque la
mayoría de los otros métodos para encontrar ceros
de funciones requieren un valor inicial cerca de un
cero; al carecer de dicho valor, pueden fallar por
completo.
Teorema : Sea f ∈ C[a , b] y supongamos que f (a)⋅ f
(b)<0.
El procedimiento de bisección genera una sucesión {tn}
que se aproxima a t con la propiedad
Ejemplo:
Cuántas iteraciones son necesarias para resolver
f (t) = t3 + 4t2 −10 = 0 con una precisión de ∈=10−5
para a1 = 1 y b1 = 2 .
Solución:
Debemos hallar n = N en la expresión:

Usando Logaritmos tenemos:

lo cual corresponde a un N mínimo n =17. En

conclusión 17 iteraciones.
Método de las Cuerdas
o
Falsa Posición
o
De las Proporciones
 Método de las cuerdas
El proceso es muy parecido al
anterior. La diferencia está en que
este por construcción camina
proporcionalmente hacia la raíz a
la vez que va encajonandola:
 Método de las cuerdas
El proceso acercamiento a la Raíz:

1ero. 2do.
El proceso acercamiento a la Raíz
continuará hasta cumplir la
tolerancia:
o sea,
cuando
tn  t n 1  E r
Si se tiene que f  C [ a , b ] , o
sea la función f es continua en
el intervalo [a, b], y sif ( a ) f ( b )  0
entonces se tiene un punto
t ] a, b [ tal que f (t) = 0, este t
se consigue usando un algoritmo
que efectúe lo visto en las figuras
anteriores:
Paso1: Definir f (x), // función continua en
[a,b]

Paso2: Entrar a, b, error;br=a

 a;// tolerancia
t a f (a)
Paso3: f (b )  f (a)

Paso4: if (f (t)*f (a)<0) { b=t ; }

Paso5: en otro caso { a=t ; }
Paso6: if abs(r - t )>error r=t; ir a 3
Paso7: Publicar t ; // como raíz
Paso8: Parar.
Ejemplo de Cuerdas
Si fuera el caso de la función
f ( x)  ( x  3)  3
2

y la estudiamos en el intervalo
[a, b] = [3, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 3)*( f(5) = 1) = - 3<0
 Tabla de Resultados de Cuerda

Se usó 2 decimales sólo para

muestra; deben usarse 6 por lo
menos.
Es la figura vista paso a paso.1
 REGLAFA
ingrese la funcion asociada
f(x)= exp(-x)-x
limite inferior : 0
limite superior : 1
la raiz es = 0.56714338

x=-3:0.001:3;
>> y=exp(x)+2-x;
>> z=6-2*cos(x);
>> plot(x,y,x,z)
>> grid
Ejemplo: Hallar una raiz de : f(x)= exp(-x) +x-2

x=-3:0.001:3;
>> y=exp(-x);
>> z=2-x;
>> plot(x,y,x,z)
>> grid

REGLAFA
ingrese la funcion asociada f(x)= exp(-x)+x-2
limite inferior : 1
limite superior : 2
la raiz es = 1.84140561
Método de las
Newton
o
De las Tangentes
 Método de Newton
El proceso es que toma la dirección
de la recta tangente en un punto de
la función f hasta la intersección
con eje x. Este último punto es muy
cercano al de la raíz. Si el método
se repite se llega a la raíz:
 Método de Newton
El proceso acercamiento a la Raíz:

1ero. 2do.
El proceso acercamiento a la Raíz
continuará hasta cumplir la
tolerancia:
o sea,
cuando
tn  t n 1  E r
Supóngase que la función f es
continuamente diferenciable dos veces
en el intervalo [a, b]; f  C 2 [ a , b ]
Sea tn ∈ [a,b] una aproximación a t tal
que f’(tn)≠0 y |tn-t| es pequeño.
Consideraremos la expansión de Taylor de
primer grado para f(t) alrededor de tn.
Donde q(t) está entre t y tn. Como f (t) = 0 , la ecuación
(1), con t = t , nos resulta:

Si suponemos que el error

es despreciable, o sea, tiende a cero más

rápidamente que t.

Despejando t de esta ecuación queda:

La cual es nueva y mejor aproximación a t que tn .
Esto genera el método de proceso iterativo tal que:
Ejemplo: Resolver por el método de Newton la
siguiente ecuación

Solución:
Calculamos la derivada de f(t), o sea: f ′(t) = 2cos(t)
−1.
Como en este caso particular conocemos el intervalo
que contiene la raíz damos el punto medio, como la
primera aproximación: t = 1.5.
x=-3:0.00001:3;
y=2*sin(x)-x;
plot(x,y)
grid
newton('2*sin(x)-x',1.5,0.000001,30)
El metodo tuvo exito despues de 5 iteraciones
Resultados obtenidos
i x_i f(x_i)
1.0000 2.0766 -0.3269
2.0000 1.9105 -0.0248
3.0000 1.8956 -0.0002
4.0000 1.8955 -0.0000
5.0000 1.8955 -0.0000
El metodo tuvo exito despues de
5 iteraciones
Resultados obtenidos
Problemas
1.Aproxime con 10−4 y 10−7 de precisión las raíces de
las siguientes ecuaciones en los intervalos dados:

2. Repita el ejercicio anterior pero en otro intervalo si

es posible.
3. Use el método de Newton para resolver:
Paso1: Definir f (x), f ’ (x),
// función continua en [a,b]

Paso2: Entrar x0 , error; // tolerancia

f ( x0 )
Paso3: t  x0 
f ' ( x0 )

Paso4: if abs(x0 - t )>error; x0 = t

ir a Paso3;
Paso5: Publicar t ; // como raíz
Paso6: Parar.
Ejemplo de Newton
Si fuera el caso de la función
f ( x)  ( x  3)  3
2

y la estudiamos en el intervalo
[a, b] = [4, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 2)*( f(5) = 1) = - 2<0
 Tabla de Resultados de Newton

Se usó 4 decimales sólo para

muestra; deben usarse 6 por lo
menos.
Es la figura vista paso a paso.1
Método de la Secante
 Método de la Secante

Por definición:

Tomando la aproximación

Usando esta última fórmula para f ′(tn−1) en la

fórmula de Newton resulta:
Esta última expresión es el método de la SECANTE
y es de efectividad muy parecida al método de
Newton.
 Proceso
El proceso es tomar dos
puntos muy cercanos para
las x y sus correspondientes
ordenadas; es de estas, de
donde se traza un secante en
la f, esta secante es la que se
acerca a las raíz en la
intersección con eje x.
 Método de la secante
El proceso acercamiento a la Raíz:

1ero. 2do.
El proceso acercamiento a la Raíz
continuará hasta cumplir la
tolerancia:
o sea,
cuando

xn  x n 1  E r
Si se tiene que f  C [ a , b ] , o
sea la función f es continua en
el intervalo [a, b], y sif ( a ) f ( b )  0
entonces se tiene un punto
t ] a, b [ tal que f (t) = 0, este t
se consigue usando un algoritmo
que efectúe lo visto en las figuras
anteriores:
Paso1: Definir f (x), // función continua en [a,b]
Paso2: Entrar x0, x1, error; // tolerancia
f ( x1 )( x1  x0 )
Paso3: t  x1 
f ( x1 )  f ( x0 )

Paso4: if abs(x1 - t )>error; x0 = x1

x1 = t, ir a Paso3;
Paso5: Publicar t ; // como raíz
Paso6: Parar.
Ejemplo de la Secante
Si fuera el caso de la función
f ( x)  ( x  3)  3
2

y la estudiamos en el intervalo
[a, b] = [4, 5],
donde claramente se tiene que
f(a)*f(b)<0 pues
( f(4) = - 2)*( f(5) = 1) = - 2<0
 Tabla de Resultados de Secante

Se usó 4 decimales sólo para

muestra; deben usarse 6 por lo
menos.
Es la figura vista paso a paso.1
 Iteración del Punto Fijo
Ejemplo: La función g(t) = t − sin(π t) , tiene
exactamente dos puntos fijos en el intervalo [0, 1], que
son t = 0 o el punto t = 1.
Explicando esta situación es donde un punto tiene su
abscisa igual a la ordenada así: cuando t = 0 resulta el
punto (0, 0) y cuando t = 1 tenemos (1, 1).
Por ejemplo el problema de la búsqueda de raíces
f(x)=0 tiene soluciones que corresponden
precisamente a los puntos fijos de g(x)=x-f(x). La
primera tarea es entonces decir cuándo una función
tiene un punto fijo y cómo se puede determinar los
puntos fijos.

El siguiente teorema da las condiciones suficientes

para la existencia de un punto fijo.
Teorema
Si g ∈C[a, b] y g(x)∈[a, b] para toda x∈[a, b], entonces
g tiene un punto fijo en [a, b]. Si además, g′(x) existe
en (a, b) y /g′(x)/ ≤ k < 1 para toda x∈[a,b[, (*)
entonces, g tiene un punto fijo único t en [a, b].
Algoritmo de Punto Fijo
Paso 1: Define g(t) ,
Paso 2: Entramos a, b {Los extremos del intervalo [a, b]}
Entramos Err {Error de cálculo o Tolerancia}
Entramos t0 {Entramos un valor t0 ∈[a,b] como primer valor
de la raíz}
Paso 3: Hacemos tn = t0
Paso 4: t = g(tn ) {Renovamos el t }
Paso 5: Si t − tn < Err ir al paso ( 7) {Verificamos la tolerancia }
Paso 6: Si Paso (5) es falso hacer tn = t ir a paso (3)
Paso 7: Publicar la solución: La raíz = t
Paso 8: Parar.
Ejemplo:
Resolver por el método de punto fijo o iteraciones
tn+1 = g(tn ) la siguiente ecuación

Solución: Pasamos a la forma tn+1 = g(tn )

haciendo:
g(t) = 2 ⋅ sin(t) = t .
t=1:0.00001:2;
y=t;
z=2*sin(t);
plot(t,y,t,z)
grid

t=-5:0.00001:5;
y=t;
z=2*sin(t);
plot(t,y,t,z)
grid
Comparación de los Métodos Iterativos

El esfuerzo computacional para la ejecución de cada

uno de los métodos depende de varios factores, los
más importantes son:

1.La complejidad de los cálculos, sobre todo para la

derivada.
2. El número total de iteraciones
3. Condiciones para la convergencia
El método de la bisección y el método de la posición
falsa exigen pocas condiciones para garantizar la
convergencia, el inconveniente está en que el número de
iteraciones puede ser grande. Observe que su tasa de
convergencia es lineal.
Los métodos de punto fijo generales son más rápidos,
pero en contraparte exigen muchas hipótesis para la
convergencia.
El más rápido es el método de newton, pero requiere el
cálculo de la derivada y demanda, al igual que los
métodos de punto fijo, hipótesis rigurosas.
El método secante puede ser práctico cuando el cálculo
de la derivada es complicado, pero
no es tan rápido como el método de Newton.
Se puede concluir que la elección del método más
eficiente depende de la ecuación que se intenta
resolver. Cada método tiene sus ventajas y desventajas.
Como un comentario adicional, después de llevar al
computador cada uno de estos métodos y
experimentarlos con diversos ejemplares,
probablemente el estudiante halle que las diferencias
de tiempo de ejecución, entre un programa y otro, sea
insignificante cuando se aplica a la resolución de una
ecuación, y ese afán por buscar el método más rápido
parecería no tener
sentido. Esa percepción es equivocada, pues estos
métodos deben verse como subrutinas de otros
métodos iterativos más sofisticados, para otro tipo de
problemas, donde la pérdida de una fracción de
segundo retrasaría el desempeño del método en su
conjunto.
 Se Termino
FIN .

HAGA TODO CON PAZ , AMOR Y

FRATERNALMENTE

El conocimiento es de la Inteligencia Cósmica, o

sea, de toda la "Humanidad"

Que el Cósmico te dé 3 veces, lo que me deseas a

Mí