C AT E D R A 0 4

Ecuaciones algebraicas No Lineales

MÉTODOS NUMÉRICOS
RAÍCES DE ECUACIONES
DEFINICIÓN
 ECUACIONES ALGEBRAICAS
• Solución de una ecuación algebraica de primer grado

es solución de:

• Solución de una ecuación algebraica de segundo grado

es solución de:

• Solución de una ecuación trascendente

es solución de:
BÚSQUEDA DE UNA RAÍZ
BÚSQUEDA DE VARIAS RAÍCES
RAÍCES DE POLINOMIOS
RAÍCES DE ECUACIONES
 Indice
ECUACIONES ALGEBRAICAS NO LINEALES

- Consideraciones generales
- Solución de ecuaciones no lineales
- Separación de raíces
- Métodos para ecuaciones con una sola variable:
- Método de búsqueda incremental,
- Iteración de punto fijo,
- Método de bisección,
- Método del Regula-Falsi,
- Método de Newton-Raphson,
- Método de la secante,
- Criterios de convergencia
- Condicionamiento
- Raíces de polinomios
- Deflación
- Algoritmos.
Metas y objetivos
Objetivos de estudio. Después de terminar usted debe tener la suficiente información para
abordar con éxito una amplia variedad de problemas de ingeniería, relacionados con las
raíces de ecuaciones. En general, se dominarán las técnicas, se habrá aprendido a
determinar su confiabilidad y se tendrá la capacidad de elegir el mejor método (o métodos)
para cualquier problema particular.
Ecuaciones Algebraicas

Lineales No lineales

Metodos
Numericos
Intervalo a la
mitad False
(o bisection) Position Ridder
(o regula falsi)
Succesive
Secant Muller
Substitution
(o fixed-point)

Wegstein Newton
Raphson
Metodos
Analiticos
Brent
Broyden

Homotopy
Dogleg step
Hook step

Para problemas multidimensionales

 Métodos Numéricos para
Ecuaciones con una sola Variable
MÉTODOS PARA ECUACIONES CON UNA SOLA VARIABLE
Los métodos descritos en esta sección están orientados a la solución de
ecuaciones que contienen una sola variable.
Se supondrá que la ecuación por resolver está escrita en la forma:
f x   0
La raíz de la ecuación es un valor de “x” que satisface la ecuación; por lo
tanto, los métodos para resolver la ecuación se denominan métodos para
encontrar raíces.
CONTENIDO
• Antecedentes
• Método para ecuaciones con una sola variable
• Métodos de búsqueda incremental
• Método de iteración de punto fijo
• Método de bisección
• Método de Newton-Raphson
• Método de secante
• Método de Muller
 Antecedentes
• La finalidad principal de las matemáticas aplicadas es determinar los
valores de x que cumplan con f(x) = 0. A estos valores se denomina
raíces o ceros de la ecuación
• Para polinomios de 1er. a 3er. orden existen fórmulas que permiten
lograr el objetivo antes dicho, sin embargo para grados superiores la
situación se complica
• Para la resolución de las expresiones no lineales (ENL) no es posible
resolverlas salvo por aproximaciones sucesivas.
• Se presentarán a continuación procedimientos para encontrar raíces,
algunos válidos para cualquier ecuación y otros sólo para polinomios
• Una de las razones para mostrar alternativas es poder responder a la
pregunta principal del análisis numérico: cuál de los procedimientos
disponibles puede alcanzar un nivel de deseado de exactitud lo más
rápido posible, mayor certeza y con menos problemas para empezar
• Sistemas algebraicos no lineales por computadora son de especial
ayuda par obtener raíces de ecuaciones por simple inspección
 Ecuaciones algebraicas no lineales

Objetivo
Sea f(x) una función no lineal en x. Hallar el valor de x, x*,
tal que se cumple f(x*)=0.
x* se suele denominar el cero o raíz de f(x)
x* se puede determinar por medios analíticos (solución
exacta) o por medios numéricos (solución aproximada)

La elección del método numérico depende del problema a

resolver (estructura del problema, tipo de ecuaciones,
precisión requerida, rápidez del cálculo,....).
Por tanto no existe un mejor método universalmente aplicable.

Tipos de métodos

Métodos acotados (bracketing methods) Métodos abiertos (open methods)

 Ecuaciones algebraicas no lineales

Métodos acotados vs. Métodos abiertos

Métodos acotados
La raíz está situada en un intervalo (necesita dos
puntos). Acaba convergiendo dentro de una
tolerancia.

Métodos abiertos
Sólo emplean un punto inicial (o dos puntos que no
tienen por qué contener a la raíz) y una fórmula para
encontrar la raíz. No siempre convergen, pero
cuando lo hacen son mucho más rápidos que los
métodos acotados.
 Ecuaciones algebraicas no lineales

Métodos abiertos
•Emplean una aproximación funcional para obtener el
nuevo valor estimado de la raíz (línea recta, cuadrática,
polinomio)
•Métodos:
•Punto-fijo (sustitución sucesiva o directa)
•Newton-Raphson (línea recta empleando información del
gradiente)
•Secante (línea recta empleando dos puntos)
•Muller (aprox. cuadrática empleando tres puntos)
 Ecuaciones algebraicas no lineales

Comparación entre ambos métodos.

Similaridades:
•Ambos métodos necesitan DOS valores iniciales
Convergence Rate
•Requieren un procedimiento para determinar el
cambio de signo.
10

•Acaban convergiendo a la raíz con cierta tolerancia 1

Relative Errors
Diferencias: Bisection method

•El cálculo del nuevo punto estimado se hace con

diferentes estrategias
False-position method
•En general el método de la posición falsa converge
más rápido que el de la bisección.
Number of iterations
 PRECAUCIONES EN EL USO
DE MÉTODOS CERRADOS
f(x)

f(x i ).f(x s )  0
f(xi)
hay una raíz
3 raíces (o 5, o 7 o …)
hay un número impar de raíces

xi xs x

f(xs)
 PRECAUCIONES EN EL USO
DE MÉTODOS CERRADOS
f(x)

f(x i ).f(x s )  0
f(xi)
hay una raíz
3 raíces (1 simple y 1 doble)
hay un número impar de raíces

xi xs x

f(xs)
 PRECAUCIONES EN EL USO
DE MÉTODOS CERRADOS
f(x)

f(x i ).f(x s )  0
f(xi)
no hay raíz
2 raíces (o 4, o 6 o …)
hay un número par de raíces

f(xs)

xi xs x
 PRECAUCIONES EN EL USO
DE MÉTODOS CERRADOS
f(x)

f(x i ).f(x s )  0
f(xi)
no hay raíz
1 raíz doble
hay un número par de raíces

f(xs)

xi xs x
 PRECAUCIONES EN EL USO
DE MÉTODOS CERRADOS
• Los métodos cerrados siempre convergen,
aunque lentamente.
• En la mayoría de los problemas el método de
la regla falsa converge más rápido que el de
bisección.
• Conviene utilizar la calculadora graficadora
o una computadora para graficar la función
y realizar acercamientos necesarios hasta
tener claridad sobre su comportamiento.
Análisis Numérico de
Ecuaciones No
Lineales
 Temario
Métodos cerrados:
Métodos gráficos
Método de bisección
Método de la posición falsa
Métodos abiertos:
Iteración simple de punto fijo
Método de Newton-Raphson
Método de la secante
Raíces de polinomios:
Método de Müller
Método de Bairstow
 MÉTODO GRÁFICO
f(x)

Visual

x
xr
 MÉTODO GRÁFICO
Ejemplo

c Fc
4 34,1148
8 17,6534
12 6,0669
14 1,5687
15 -0,4248
16 -2,2688
17 -3,9767
18 -5,5608
19 -7,0321
20 -8,4006
21 -9,6752
22 -10,8639
23 -11,9740

Ejercicio
FUNDAMENTOS CONCEPTUALES:

• Manejar adecuadamente las DEFINICIONES de:

• LÍMITE, CONTINUIDAD Y DIFERENCIABILIDAD DE
FUNCIONES.
• SUCESIONES CONVERGENTES Y DIVERGENTES.
• INTEGRAL DE RIEMANN.
• SERIES DE TAYLOR Y DE MaCLAURIN.
• TEORÍA DE ERRORES Y TÉCNICAS DE REDONDEO.

• Ejemplificar los siguientes TEOREMAS:

• EL QUE RELACIONA LA DIFERENCIABILIDAD Y LA
CONTINUIDAD
• DEL VALOR MEDIO
Teorema de ROLLE
Teorema de ROLLE
Teorema del Valor Medio
Teorema del Valor Medio
Teorema del Valor Medio
Método de la Búsqueda Incremental
Método de Punto Fijo
 Ecuaciones algebraicas no lineales

Problema f(x)=0
Sustitución sucesiva
1. Transformar a x=g(x)
y
2. Seleccionar un punto inicial x0
y= x
3. Calcular nuevo valor xi+1=g(xi)
4. Repetir hasta llegar a la tolerancia requerida

y= g(x) y
Raiz
y= x

x2 x1 x0 x
y= g(x)
Si:
|g’(x)|<1 El algoritmo converge linealmente
|g’(x)|>=1 El algoritmo diverge
x3 x1 x0 x2 x
 MÉTODO DEL PUNTO FIJO

1. Considera la descomposición de la función f(x) en

una diferencia de dos funciones: una primera g(x)
y la segunda, siempre la función x: f(x) = g(x) - x.
2. La raíz de la función f(x) se da cuando f(x) = 0, es
decir, cuando g(x) – x = 0, por lo que g(x) = x.
3. El punto de intersección de las dos funciones, da
entonces el valor exacto de la raíz.
4. El método consiste en considerar un valor inicial
x0, como aproximación a la raíz, evaluar el valor
de esta función g(x0), considerando éste como
segunda aproximación de la raíz.
5. El proceso se repite n veces hasta que g(x)coincide
prácticamente con x.
 MÉTODO DEL PUNTO FIJO
f(x)

x
 MÉTODO DEL PUNTO FIJO
f(x)

f(x)  g(x)  x

x
 MÉTODO DEL PUNTO FIJO
• La fórmula de recurrencia para el método del punto
fijo se obtiene de considerar una función que el
resultado de sumar la función f con la función
identidad:
g(x)  f(x)  x
g(x)  f(x)  x
f(x)  g(x)  x
f(x)  0  g(x)  x  0
 g(x)  x

f(x)  g(x)  x
f(x)  0  g(x)  x  0
 g(x)  x
 MÉTODO DEL PUNTO FIJO
f(x)
x

g(x)

x
xr
f(x)
 MÉTODO DEL PUNTO FIJO
f(x)
x

g(x)

Las funciones x y g(x) se cortan

exactamente en la raíz xr

x
xr
f(x)
 MÉTODO DEL PUNTO FIJO
f(x)

g(x0)

g(x 0 )  x1

x0 x1 x
 MÉTODO DEL PUNTO FIJO
f(x)

g'(x)  1
Requisito para convergencia

x0 x3 x2 x1 x
 MÉTODO DEL PUNTO FIJO

• Sólo hay convergencia si la magnitud de la pendiente

de g(x) es menor que la pendiente de la recta f(x) = x.
xi1  g(xi )
• La ecuación de recurrencia e s:

x *  g(x * )
• Si x* es el verdadero valor de la r aíz:
x  xi1  g(x )  g(xi )
* *

• Y por el teorema del valor medio: g(x * )  g(xi )  (x*  xi )g '()

x *  xi1 Ei1
g'()  * 
x  xi Ei
• Si g'(x)  1 , los errores disminuyen en cada iteración
• Si g'(x)  1 , los errores crecen en cada iteración
MÉTODO DEL PUNTO FIJO

g'(x) 
Convergencia

solución monótona
solución oscilante

g'(x) 
Divergencia
 MÉTODO DEL PUNTO FIJO
f(x)  e x
x
iteración
Xi f(Xi) g(Xi) e*(%)
1 0 1 1
2 1 -0.63212056 0.36787944 100.00
3 0.36787944 0.32432119 0.69220063 171.83
4 0.69220063 -0.19172713 0.5004735 46.85
5 0.5004735 0.10577003 0.60624354 38.31
6 0.60624354 -0.06084775 0.54539579 17.45
7 0.54539579 0.03421655 0.57961234 11.16
8 0.57961234 -0.01949687 0.56011546 5.90
9 0.56011546 0.01102765 0.57114312 3.48
10 0.57114312 -0.00626377 0.56487935 1.93
11 0.56487935 0.00354938 0.56842873 1.11
12 0.56842873 -0.00201399 0.56641473 0.62
13 0.56641473 0.0011419 0.56755664 0.36
14 0.56755664 -0.00064773 0.56690891 0.20
15 0.56690891 0.00036732 0.56727623 0.11
16 0.56727623 -0.00020833 0.5670679 0.06
17 0.5670679 0.00011815 0.56718605 0.04

Decisiones Función Recurrencia Xr = 0.567143

Método de Bisección
 Método de Bisección

Métodos acotados
Base: Una función cambia de signo en la proximidad de una raíz
•Una raíz está acotada en el intervalo [a,b] si el signo de f(a) es diferente
al signo de f(b)

Método deBisection
la bisección (o intervalo medio)
Method
f(x) Algoritmo
f(b)
1. Selecciona un intervalo [a,b] donde halla
[nuevo un cero
punto]
a Mid-point b
x 2. Calcula el punto medio como nuevo punto
3. Comprueba si hay cambio de signo en
[a,b] [a,p] o en [p,b]. Comprobación: f(a)*f(p).
Next estimate of Bisection
4. Si el producto es cero, entonces p es una
raíz. Si no es cero volver al punto 2.
f(a)
 Método de Bisección

MÉTODO DE BISECCIÓN
El método de bisección también se denomina método de bipartición del
intervalo porque la estrategia es bisectar o separar a la mitad el intervalo de
xa y xb y luego retener el semiintervalo cuyos extremos siguen acotando la
raíz.
Este se clasifica como un método de acotamiento. Es aplicable a ecuaciones de
la forma f(x) = 0 cuando es posible encontrar dos valores limitantes xa y xb
tales que la función f(x) cambia de signo una vez para valores x en el intervalo
 
xa  x  xb . Por consiguiente, los valores limitantes acotan la raíz.
El requisito de que la función cambie de signo sólo una vez constituye una
manera de detrminar cuál semiintervalo retener.

• Este método se basa en encontrar una raíz de (x)=0 empezando con dos
valores que encierran o ponen entre corchetes a la raíz
• Nos damos cuenta que una función está entre corchetes cuando cambia
de signo en sus puntos extremos. La función tiene que ser continua
• Se concibe como un método de búsqueda binaria en donde se va buscando
la raíz en subintervalos de intervalos
 Método de Bisección

(xm)0
(x)

(xm)1
raíz

(xa)0 (xa)1,2

(xb)2 (xb)0,1
Después de la bisección (1)

Intervalo original (0)

 Método de Bisección

Se trata de encontrar los ceros de

f(x) = 0
Donde f es una función continua en [a,b] con f(a) y f(b) con signos
diferentes.

y
De acuerdo con el teorema del
valor medio, existe p  [a,b] tal
f(a)
que f(p) = 0. y = f(x)
El método consiste en dividir a la
mitad el intervalo y localizar la
mitad que contiene a p. b
El procesos se repite hasta la
x
lograr la precisión deseada. a
f(b)
Método de Bisección

Primera iteración del algoritmo

y Mitad del intervalo que

contiene a p
f(a)
y = f(x)
f(p1)
b
x
a
f(b)
p
p1=(a+b)/2
 MÉTODO DE BISECCIÓN
f(x)
• Consiste en considerar un intervalo (xi,
xs) en el quese garantice que la función
tiene raíz.

x
 MÉTODO DE BISECCIÓN
f(x) • Consiste en considerar un intervalo (xi, xs)
en el que se garantice que la función tiene
raíz.
f(xi)
• El segmento se bisecta, tomando el punto
de bisección xr como aproximación de la
raíz buscada.

xi xs x
f(xs)
 MÉTODO DE BISECCIÓN
f(x) • Consiste en considerar un intervalo (xi, xs)
en el que se garantice que la función tiene
raíz.
f(xi) • El segmento se bisecta, tomando el punto
de bisección xr como aproximación de la
raíz buscada.
• Se identifica luego en cuál de los dos
intervalos está la raíz.

f(xr)
xi xr xs x
f(xs)
 MÉTODO DE BISECCIÓN
f(x)

f(xi) xi = x r

f(xr)
xi xr xs x
f(xs)
 MÉTODO DE BISECCIÓN

• Consiste en considerar un intervalo (xi, xs) en el

que se garantice que la función tiene raíz.
• El segmento se bisecta, tomando como el punto de
bisección xr como aproximación de la raíz buscada
• Se identifica luego en cuál de los dos intervalos
está la raíz.
• El proceso se repite n veces, hasta que el punto de
bisección xr coincide prácticamente con el valor
exacto de la raíz.
 MÉTODO DE BISECCIÓN
f(x)

f(xi)

f(xr)
xi xr xs x
f(xs)
ALGORITMO: Método de Bisección
Método de Bisección
1) Se eligen los valores limitantes xa y xb (con xb  xa )
2) Se calcula
f a  f xa  o f b  f xb 

3) Se calcula el punto medio del intervalo

xm  xa  xb / 2 y se calcula
f m  f xm 
4) Se usa (i) o (ii), dependiendo de si fa o fb está disponible a partir del
paso (2);
i) Si  f a f m   0 , recolocar xa en
xm ;
En caso contrario, recolocar xb en xm
ii) Si  f b f m   0 , recolocar xb en xm ;
En caso contrario, recolocar xa en xm
5) Si xb  xa  es suficientemente pequeño; es decir, menor o igual que
alguna pequeña cantidad prescrita  , continuar con el paso (6); en caso
contrario, volver al paso (3).
6) Usar interpolacion lineal para estimar la raíz x a partir de una de las dos
expresiones:
x  xa  xb  xa  f xa   f xb   f xa 
O bien
x  xb  xb  xa  f xb   f xb   f xa 
Ejercicio de Aplicación

f(x) = X^10-1

Raiz signo
Iteraciones Xa Xb Xr f(Xa) f(xr) f(xa)f(xr) Ea% Et%
1 0 1,4 0,7 -1 -0,97175248 0,97175248 30
2 0,70 1,4 1,05 -0,97175248 0,62889463 -0,61112991 33,3333333 5
3 0,70 1,05 0,875 -0,97175248 -0,73692442 0,71610813 20 12,5
4 0,88 1,05 0,9625 -0,73692442 -0,31764971 0,23408383 9,09090909 3,75
5 0,96 1,05 1,00625 -0,31764971 0,06428743 -0,02042088 4,34782609 0,625
6 0,96 1,00625 0,984375 -0,31764971 -0,14570915 0,04628447 2,22222222 1,5625
7 0,98 1,00625 0,9953125 -0,14570915 -0,04589849 0,00668783 1,0989011 0,46875
8 1,00 1,00625 1,00078125 -0,04589849 0,00784002 -0,00035985 0,54644809 0,078125
9 1,00 1,00078125 0,99804688 -0,04589849 -0,01936048 0,00088862 0,2739726 0,1953125
10 1,00 1,00078125 0,99941406 -0,01936048 -0,00584395 0,00011314 0,13679891 0,05859375
11 1,00 1,00078125 1,00009766 -0,00584395 0,00097699 -5,7095E-06 0,0683527 0,00976562
12 1,00 1,00009766 0,99975586 -0,00584395 -0,00243873 1,4252E-05 0,03418803 0,02441406
 MÉTODO DE BISECCIÓN
f(x)  e  x
x

Iteración Xi Xs f(xi) f(Xs) Xr f(Xr) e(%) e*(%)

1 0 1 1 -0.63212056 0.5 0.10653066 11.84

2 0.5 1 0.10653066 -0.63212056 0.75 -0.27763345 32.24 33.33

3 0.5 0.75 0.10653066 -0.27763345 0.625 -0.08973857 10.2 20.00

4 0.5 0.625 0.10653066 -0.08973857 0.5625 0.00728282 0.82 11.11

5 0.5625 0.625 0.00728282 -0.08973857 0.59375 -0.04149755 4.69 5.26

6 0.5625 0.59375 0.00728282 -0.04149755 0.578125 -0.01717584 1.94 2.70

7 0.5625 0.578125 0.00728282 -0.01717584 0.5703125 -0.00496376 0.56 1.37

8 0.5625 0.5703125 0.00728282 -0.00496376 0.56640625 0.0011552 0.13 0.69

9 0.56640625 0.5703125 0.0011552 -0.00496376 0.56835938 -0.00190536 0.21 0.34

10 0.56640625 0.56835938 0.0011552 -0.00190536 0.56738281 -0.00037535 0.04 0.17

11 0.56640625 0.56738281 0.0011552 -0.00037535 0.56689453 0.00038986 0.04 0.09

12 0.56689453 0.56738281 0.00038986 -0.00037535 0.56713867 7.2379E-06 0 0.04

13 0.56713867 0.56738281 7.2379E-06 -0.00037535 0.56726074 -0.00018406 0.02 0.02

14 0.56713867 0.56726074 7.2379E-06 -0.00018406 0.56719971 -8.8412E-05 0.01 0.01

Decisiones Función Recurrencia Xr = 0.567143

 MÉTODO DE BISECCIÓN








0,024414063..
0 1
Método de la Falsa Posición
 Método de la Falsa Posición (Regula Falsi)
MÉTODO DE LA FALSA POSICIÓN
El método de la falsa posición se puede entender como un intento por mejorar
las características de convergencia del método de bisección. Se comienza con
valores limitantes xa y xb tales que f(x) cambia de signo sólo una vez en el
intervalo de xa a xb.
Por interpolación lineal se encuentra una raíz aproximada entre xa a xb que
sirve como valor intermedio xintermedio. El nuevo intervalo que contiene la raíz
comprende ahora de xa a xintermedio o de xintermedio a xb. El razonamiento para
determinar se retiene es le mismo que para el método de
que intervaloMethod
False-Position
bisección.
Algoritmo
f(x) 1. Selecciona un intervalo [a,b] donde halla
un cero
f(b)
2. Calcula un punto intersección como nuevo
punto
[nuevo f (a) f (b) f (b)[a - b])
Intersection = Þ m =b-
a punto] point b m- a m- b f (a) - f (b)
x
3. Comprueba si hay cambio de signo en
[a,b]
[a,p] o en [p,b]. Comprobación: f(a)*f(p).
4.
Next estimate of False-position Si el producto es cero, entonces p es una
raíz. Si no es cero volver al punto 2.
f(a)
Método de la Falsa Posición (Regula Falsi)

(x) (xint)0

(xint)1
raíz

(xa)0 (xa)1
(xa)
2
(xb)0,1,2
Después de la iteración (1)

Intervalo original (0)

 MÉTODO DE LA REGLA FALSA
f(x)
• Consiste en considerar un intervalo (xi, xs)
en el que se garantice que la función tiene
raíz.

x
 MÉTODO DE LA REGLA FALSA
f(x)
• Consiste en considerar un intervalo (xi, xs)
en el que se garantice que la función tiene
f(xi) raíz.
• Se traza una recta que une los puntos
(xi, f(xi)), (xs, f(xs))

xi xs x
f(xs)
 MÉTODO DE LA REGLA FALSA
f(x) • Consiste en considerar un intervalo (xi, xs)
en el que se garantice que la función tiene
raíz.
f(xi) • Se traza una recta que une los puntos
(xi, f(xi)), (xs, f(xs))
• Se obtiene el punto de intersección de esta
recta con el eje de las abscisas: (xr, 0); se
toma xr como aprox. de la raíz buscada.

xi xs x
f(xs)
 MÉTODO DE LA REGLA FALSA
• Consiste en considerar un intervalo (xi, xs) en el que
f(x) se garantice que la función tiene raíz.
• Se traza una recta que une los puntos (xi, f(xi)),
(xs, f(xs)) y se obtiene el punto de intersección de
f(xi) esta recta con el eje de las abscisas: (xr, 0); se toma
xr como aproximación de la raíz buscada.
• Se identifica luego en cuál de los dos intervalos está
la raíz.

xi xr xs x
f(xr)
f(xs)
 MÉTODO DE LA REGLA FALSA
f(x)

f(xi) xs = x r

xi xr xs x
f(xr)
f(xs)
 MÉTODO DE LA REGLA FALSA
• Consiste en considerar un intervalo (xi, xs) en el
que se garantice que la función tiene raíz.
• Se traza una recta que une los puntos (xi, f(xi)),
(xs, f(xs))
• Se obtiene el punto de intersección de esta recta
con el eje de las abscisas: (xr, 0); se toma xr como
aproximación de la raíz buscada.
• Se identifica luego en cuál de los dos intervalos
está la raíz.
• El proceso se repite n veces, hasta que el punto de
intersección xr coincide prácticamente con el valor
exacto de la raíz.
 MÉTODO DE LA REGLA FALSA
f(x)
f( x s )( xi - x s )
f(xi)
xr = x s -
f( xi ) - f( x s )

xi xr xs x
f(xr)
f(xs)
 MÉTODO DE LA REGLA FALSA
f(x)

f(xi)

xi xs x
f(xs)
 MÉTODO DE LA REGLA FALSA
f(x)

Caso de convergencia lenta

x
 MÉTODO DE LA REGLA FALSA
• La fórmula de recurrencia para el método de la regla
falsa se obtiene de comparar dos triángulos semejantes:
f(xi ) f(x s )

xr  xi xr  x s
(xr  x s )f(xi )  (xr  xi )f(x s )
xr f(xi )  x s f(xi )  xr f(x s )  xif(x s )
xr f(xi )  xr f(x s )  x s f(xi )  xif(x s )
xr [f(xi )  f(x s )]  x s f(xi )  xif(x s )
x s f(x i )  xif(x s )
xr 
f(x i )  f(x s )
ALGORITMO:
Método de la Falsa Posición
1) Se eligen los valores limitantes xa y xb (con xb  xa )
2) Se calculaf a  f xa  o f b  f xb  y un contador i se coloca en cero
3) EL contador i se incrementa en 1 y se calcula el punto xint ermedio a partir
de una de las dos expresiones:
xint ermedio  xa  xb  xa  f xa   f xb   f xa 
O bien
xint ermedio  xb  xb  xa  f xb   f xb   f xa 
4) Se calcula f int ermedio  f xint ermedio 
5) Dependiendo de si fa o fb está disponible a partir del paso (2), se usa i o ii
i) Si  f a f int ermedio   0 , xa se recoloca en xint ermedio ;
En caso contrario, xb se recoloca en xint ermedio
ii) Si  f b f int ermedio   0 , xb se recoloca en xint ermedio ;
En caso contrario, xa se recoloca en xint ermedio

6) Si f xint ermedio  es suficientemente pequeño; es decir, menor o igual que

alguna pequeña cantidad prescrita  , o si f alcanza un límite de iteración
N, xint ermedio se considera como la raíz aproximada; en caso contrario,
volver al paso (3).
Ejercicio de Aplicación
Determinación del Número de Mach Crítico
El Número de Mach se refiere al cociente de la velocidad de un avión entre la
velocidad del sonido. Los aviones subsónicos experimentan flujo de aire
acelerado sobre la superficie de las alas. El Número de Mach crítico es el
Número de Mach de vuelo al que el flujo en algún punto del ala alcanza la
velocidad del sonido.
El coeficiente de presión mínimo Cp sobre una superficie aerodinámica se
define de modo que sea negativo y corresponda a la máxima velocidad del
flujo sobre la superficie aerodinámica. Al número de Mach crítico M, la
expresión para Cp es:


 2  0.4M
2
 2.43.5
1 
Cp
0.7M 
2

Para una superficie aerodinámica se pueden efectuar pruebas preliminares a

bajas velocidades, cuando los efectos de la compresibilidad son insignificantes.
Se supondrá que el coeficiente de presión mínimo Cpi se obtiene para flujo
incompresible y se relacionará con Cp mediante la relación de Karman-Tsien:

C p C pi  1  M  M
2 2

C pi / 2 1  1  M 2 
1

Para determinar M, la expresión para Cp se sustituye en la relación de

Karman-Tsien y con la ecuación resultante se evalúa M. La ecuación a resolver
es:

  
f M   2  0.4M 2 2.4
3.5

 1 0.7 M 2 C pi   1  M  M
2 2

C pi / 2 1  1  M 2   0
1
 Método de la Falsa Posición (Regula Falsi)
Aplicando el método de falsa posición, resolver la ecuación cuando Cpi=-
0.383. Usar los valores límite (Ma=0.18) y (Mb=0.98), y terminar las
iteraciones cuando f M int ermedio  se vuelve menor o igual que 10 -2.

Iteración Ma Mb M int i
f M int 
1 0.18000 0.98000 0.74306 -0.04414
2 0.18000 0.74306 0.74258 -0.03804
3 0.18000 0.74258 0.74217 -0.03278
4 0.18000 0.74217 0.74181 -0.02825
5 0.18000 0.74181 0.74151 -0.02435
6 0.18000 0.74151 0.74124 -0.02099
7 0.18000 0.74124 0.74101 -0.01809
8 0.18000 0.74101 0.74082 -0.01560
9 0.18000 0.74082 0.74065 -0.01345

La raíz estimada es:

M  0.74065 , en donde f M   0.01345
 MÉTODO DE LA REGLA FALSA

f(x)  e x
x
iteración Xi Xs f(xi) f(Xs) Xr f(Xr) e(%) e*(%)
1 0 1 1 -0.63212056 0.61269984 -0.07081395 8.03

2 0 0.61269984 1 -0.07081395 0.30634992 0.42977907 45.98 100.00

3 0.30634992 0.61269984 0.42977907 -0.07081395 0.45952488 0.17205878 18.98 33.33

4 0.45952488 0.61269984 0.17205878 -0.07081395 0.53611236 0.04890582 5.47 14.29

5 0.53611236 0.61269984 0.04890582 -0.07081395 0.5744061 -0.01136694 1.28 6.67

6 0.53611236 0.5744061 0.04890582 -0.01136694 0.55525923 0.01866424 2.1 3.45

7 0.55525923 0.5744061 0.01866424 -0.01136694 0.56483266 0.0036226 0.41 1.69

8 0.56483266 0.5744061 0.0036226 -0.01136694 0.56961938 -0.00387865 0.44 0.84

9 0.56483266 0.56961938 0.0036226 -0.00387865 0.56722602 -0.00012965 0.01 0.42

10 0.56483266 0.56722602 0.0036226 -0.00012965 0.56602934 0.00174607 0.2 0.21

11 0.56602934 0.56722602 0.00174607 -0.00012965 0.56662768 0.00080811 0.09 0.11

12 0.56662768 0.56722602 0.00080811 -0.00012965 0.56692685 0.0003392 0.04 0.05

13 0.56692685 0.56722602 0.0003392 -0.00012965 0.56707644 0.00010477 0.01 0.03

14 0.56707644 0.56722602 0.00010477 -0.00012965 0.56715123 -1.244E-05 0 0.01

Decisiones Función Recurrencia Xr = 0.567143

 MÉTODO DE LA REGLA FALSA
MODIFICADO
• Las funciones con curvatura significativa hacen
que el método de la regla falsa converja muy
lentamente.
• Esto se debe a que con interpolación lineal, uno
de los valores extremos se queda estancado.
• Para tales casos, se ha encontrado un remedio:
el método de la regla falsa modificado, que
reduce a la mitad el valor de la función en el
punto extremo que se repita dos veces, con lo
que la convergencia se acelera significativamente
 MÉTODO DE LA REGLA FALSA
MODIFICADO
f(x)

f(xi)

f(xi)/2

f(xi)/4

x
Método de Newton-Raphson
 Ecuaciones algebraicas no lineales
Problema g(x)=0
1. Seleccionar un punto inicial x0
2. Calcular g(xi) y g’(xi)

Newton Raphson 3. Aplicar la tangente en ese punto y en el corte con el

eje de abcisas tenemos el nuevo punto estimado
g(xi)
xi+1=xi-
g’(xi)
4. Repetir hasta llegar a la tolerancia requerida
y
g(x)
•Necesita conocer la derivada de la
función
•Convergencia cuadrática (rápida)
•Puede no converger (depende de la
función y de la estimación inicial)

x2 x1 x0 x
 El Método de Newton-Raphson

• Es lejos uno de los métodos más usados para resolver ecuaciones

• Se basa en una aproximación lineal de la función, aunque
aplicando una tangente a la curva
• A partir de una estimación inicial x0 se efectúa un desplazamiento
a lo largo de la tangente hacia su intersección con el eje x, y se
toma ésta como la siguiente aproximación

f ( x0 ) )
tan   f '(x0 ) 
0
, 1 0
f ( xx0 )
x x 
x0  x1 f '( (x0)
f ( xel1 )calculo al estimar
Se continua
x x 

x1 x0
2 1
f '( x1 ) x0-x1
 El Método de Newton-Raphson
Se calculan f (x0 ) y f '(x0 )
IF (f (x0 )  0) AND (f '(x0 )  0)
Algoritmo Repeat
Se Hace x1  x0
Para determinar una raíz de (x)=0 Se Hace x0  x0  f (x0 ) / f '(x0 )
dado un valor de x0 razonablemente Until ( x0  x1  valor de tolerancia 1) OR ( f (x0 )  valor de tolerancia 2)

próximo a la raíz End IF

END

• Este algoritmo al menos en la vecindad converge más rápido que

cualquiera de los antes vistos
• Al ser un método cuadráticamente convergente el resultado neto es que
el número de cifras decimales de exactitud casi se duplica en cada
iteración
• Tiene como inconveniente la necesidad de dos evaluaciones funcionales
en cada paso, (xn) y ’(xn) y encontrar la derivada de la función
• El método de Newton se relaciona con la interpolación por la Secante ya
que cociente de las diferencias es una aproximación de la derivada
• El método de Newton funciona con raíces complejas si se proporciona un
valor de este tipo para el valor inicial
 El Método de Newton-Raphson

La ecuación de la recta f(x)

tangente es:
y – f(xn) = f ’(xn)(x – xn)
Cuando y = 0, x = xn+1 o sea
Pendiente = f ’(xn)
0 – f(xn) = f ’(xn)(xn+1– xn) f ( xn)

o
f (xn )
xn1  x n  xn+1 xn
f '(x n )
 El Método de Newton-Raphson
Ejemplo
Determinar la raíz de la siguiente función (x)=3x + sen x – ex=0

f (x)  3x  senx  e x ,
f '(x)  3  cos x  e x

x0  0
f ( x0 ) 1.0
x1  x0   0.0   0.33333;
f '( x0 ) 3.0
f ( x1 ) 0.068418
x2  x1   0.33333   0.36017;
f '( x1 ) 2.54934
f (x2 ) 6.279 *104
x3  x2   0.36017   0.3604217;
f '( x2 ) 2.50226

Después de 3 iteraciones la raíz escorrecta hasta con 7 dígitos significativos

 MÉTODO DE NEWTON RAPHSON
f(x)
• Consiste en elegir un punto inicial
cualquiera x1 como aproximación de la
raíz.

x
 MÉTODO DE NEWTON RAPHSON
f(x)
• Consiste en elegir un punto inicial cualquiera
x1 como aproximación de la raíz y obtener el
f(x1) valor de la función por ese punto.
• Trazar una recta tangente a la función por
ese punto.

x1 x
 MÉTODO DE NEWTON RAPHSON
f(x) • Consiste en elegir un punto inicial cualquiera
x1 como aproximación de la raíz.
• Obtener el valor de la función por ese punto y
f(x1) trazar una recta tangente a la función por
ese punto.
• El punto de intersección de esta recta con el
eje de las abscisas (xr, 0), constituye una
segunda aproximación de la raíz.

x1 x2 x
MÉTODO DE NEWTON RAPHSON
f(x)

f(x1)

f(x2)

x1 x2 x
 MÉTODO DE NEWTON RAPHSON

• Consiste en elegir un punto inicial cualquiera x1

como aproximación de la raíz.
• Obtener el valor de la función por ese punto y trazar
una recta tangente a la función por ese punto.
• El punto de intersección de esta recta con el eje de
las abscisas (xr, 0), constituye una segunda aproxi
mación de la raíz.
• El proceso se repite n veces hasta que el punto de
intersección xn coincide prácticamente con el valor
exacto de la raíz.
MÉTODO DE NEWTON RAPHSON
f(x)

f(xi)
f(x1)
xi+1  xi 
f'(xi)

f(x2)

x1 x2 x
 MÉTODO DE NEWTON RAPHSON
• El método de Newton Raphson se puede deducir
a partir de la interpretación geométrica que
supone que el punto donde la tangente cruza al
eje x es una interpretación mejorada de la raíz.
f(xi1 )  f(xi )
f '(xi ) 
x i1  xi
0  f(xi )
f '(xi ) 
x i1  xi
f(xi )
x i1  xi  
f '(x i )
f(xi )
x i1  x i 
f '(x i )
 MÉTODO DE NEWTON RAPHSON
• En realidad, el método de Newton Raphson, que supone la
obtención de la raíz de f(x), se obtiene a partir de su desarrollo
en serie de Taylor, la cual se puede escribir:
f(xi+1 ) = f(xi ) + f '(xi )(xi+1 - xi ) + R2
donde, al despreciar el residuo R2, la serie de Taylor truncada
a dos términos, queda:

0 = f(x i ) + f '(x i )(x i+1 - x i )

Y realizando manipulaciones algebraicas:

f(xi )
x i1  x i 
f '(x i )
MÉTODO DE NEWTON RAPHSON
f(x)

f(x1)

f(x2)

f(x3)
x1 x2 x3 x
 MÉTODO DE NEWTON RAPHSON
• En ocasiones resulta difícil o imposible obtener la primera
derivada de la función. En tal caso, se puede hacer una
aproximación suficientemente buena de su valor en xi, por
diferencias finitas hacia delante:
f(xi  h)  f(xi )
f '(xi ) 
h
o por diferencias finitas hacia atrás:
f(xi )  f(xi  h)
f '(xi ) 
h
con h = 0.001, por ejemplo.
• Si la función no tiene singularidades en la vecindad de la raíz
, ambas aproximaciones por diferencias funcionan bien.
 MÉTODO DE NEWTON RAPHSON

• El método de Newton Raphson converge muy rápi-

damente, pues el error es proporcional al cuadrado
del error anterior:
• La velocidad de convergencia cuadrática se explica
teóricamente por la expansión en serie de Taylor,
con la expresión:
Ei1  R2
• El número de cifras significativas de precisión se
duplica aproximadamente en cada iteración
 MÉTODO DE NEWTON RAPHSON

f(x)  e x
x
iteración Xi f(Xi) f'(Xi) e(%) e*(%)

1 0 1 -2 100.00

2 0.5 0.10653066 -1.60653066 11.84 100.00

3 0.566311003 0.00130451 -1.567615513 0.15 11.71

4 0.567143165 1.9648E-07 -1.567143362 0.00 0.15

5 0.56714329 4.4409E-15 -1.56714329 0.00 0.00

Derivada Función Recurrencia Xr = 0.567143

MÉTODO DE NEWTON RAPHSON
La velocidad de convergencia es muy sensible al valor inicial elegido

f(x)

lento
rápido
x
Método de Newton-Raphson
Método de Newton-Raphson
Método de Newton-Raphson
Newton-Raphson
 MÉTODO DE NEWTON RAPHSON
Aunque el método trabaja bien, no existe garantía de convergencia.
f(x)

x3 x1
x0 x2 x
MÉTODO DE NEWTON RAPHSON
Aunque el método trabaja bien, no existe garantía de convergencia.
f(x)

x0 x2 x4 x1 x3 x
 Desventajas
f(x) f(x)

x1 x0
x2 x x0 x2 x1 x

mínimo local
raíz cerca de punto de inflexión
f(x) f(x)

x1

x0 x x0 x1 x

la iteración en un mínimo
varias raíces
Desventajas