UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERIA
UNIDAD 3: SOLUCIN DE ECUACIONES NO LINEALES
Por: MSc. Alvaro Espinosa Prez

3.1. INTRODUCCIN
Son muchos los problemas en ciencia e ingeniera que se pueden modelar matemticamente como
una ecuacin () = 0, siendo f una funcin de la variable . Los valores de x soluciones de
dicha ecuacin son llamados ceros de la funcin f o races de la ecuacin. Si una ecuacin
algebraica o trascendente es relativamente complicada, no resulta posible por lo general hallar
races exactas. Es ms, en algunos casos las ecuaciones tienen coeficientes conocidos slo de
forma aproximada, y por tanto, carece de sentido tratar de hallar las races exactas de la ecuacin.
Por consiguiente, adquieren particular importancia los procedimientos de clculo aproximado de
races de una ecuacin as como la estimacin de su grado de exactitud. Existen muchas de estas
ecuaciones que no admiten que su solucin pueda ser expresada a travs de funciones elementales.

Es importante destacar el hecho de que las tcnicas que vamos a estudiar en este son siempre
iterativas, es decir, partiremos de una aproximacin inicial x0 del cero exacto de y
posteriormente construiremos una sucesin de nmeros reales { }=0 que converja hacia x

cuando .

DEFINICIN: Sea (), una funcin dada. Un nmero real se dice que es una raz de la
ecuacin () = 0, o un cero de la funcin () si () = 0.

TEOREMA: (Bolzano) Si una funcin f (x) es continua en un intervalo cerrado [a, b] y f (a) y f
(b) son de distinto signo, entonces existe por lo menos un punto entre a y b para el cual f (c) = 0.

3.2. MTODO DE BISECCIN

El mtodo de biseccin est basado en el Teorema de Bolzano. Se fundamenta en el resultado que
afirma que si una funcin continua toma valores opuestos en los
extremos de un intervalo entonces necesariamente se anula en un
punto interior. La idea es entonces construir subintervalos de
longitud cada vez menor que contengan al cero.

El mtodo de Biseccin lo empleamos para determinar con toda la

precisin, una solucin de () = en un intervalo [a, b], con la
ayuda de un buen computador. Suponemos en este caso que f es
continua en dicho intervalo y que () y () tienen signos
distintos. Aunque el mtodo funciona en el caso en que hay ms de
una raz en el intervalo [a, b], para facilitar nuestra argumentacin
que la raz en dicho intervalo es nica. Para empezar con la
descripcin del mtodo considere que a1 = a y b1 = b, cono se ve en la figura. Podemos considerar
p1 como el punto medio de [a, b] de la siguiente manera:
1 1 1 + 1
1 = 1 + =
2 2
Si (1 ) = 0 ya est listo! y hemos hallado la raz p. (1 ) 0 entonces (1 )tiene el mismo
signo de (1 ) o (1 ). Si (1 ) tiene el mismo signo de (1 ) entonces (1 , 1 ) y hacemos
2 = 1 y 2 = 1 . Si f(p1) tiene el mismo signo de (1 )entonces (1 , 1 ) y hacemos
2 = 1 y 2 = 1 y hallamos de nuevo el punto medio del nuevo intervalo:
2 + 2
2 =
2
y continuamos formando [3 , 3 ], [4 , 4 ], . .. Cada nuevo intervalo sigue conteniendo la raz p y
su longitud es la mitad de la longitud del intervalo que le antecede.
El procedimiento de la biseccin genera una sucesin Pnn 1 convergente a =
+
tal que
2
si lim = se cumple que () = 0.

Tenemos tres criterios de parada que se suelen incorporar al mtodo de Biseccin:

1. El primero es detener el mtodo si uno de los puntos medios coincide con la raz.
2. El segundo es detener el mtodo cuando la longitud del intervalo es menor que una
tolerancia determinada.
3. El tercero, el mtodo tambin se detendr si el nmero de iteraciones excede una cota
mxima N0 dada de antemano.

Para aplicar el mtodo de Biseccin, necesitamos encontrar un intervalo [a, b] tal que
f(a). f (b) < 0. En cada paso, la longitud del intervalo en el que sabemos que hay un cero de f

se reduce a la mitad. Puesto que el punto medio p1 debe distar de la raz p menos de y en
2
cada iteracin subsiguiente se divide el intervalo en cuestin por la mitad, tenemos

| |
2

TEOREMA: Supongamos que f es continua en [, ] y que (). () < 0. El mtodo de la

biseccin genera una sucesin Pnn 1 que aproxima a un cero de p de f tal que:
ba
Pn P donde n 1
2n

ALGORITMO DE BISECCIN:
Para encontrar una solucin de f(x) = 0 dada la funcin f en el intervalo [a; b] donde f(a) y f(b) tienen signo opuestos:
Entrada: extremos a y b; tolerancia TOL; nmero mximo de iteraciones N0;
Salida: solucin aproximada p mensaje de fracaso.
Paso 1: tomar i = 1;
Paso 2: mientras que i N0 seguir pasos 3-6;

Paso 3: tomar = + = (calcular pi);
2 2
( )
Paso 4: si f(p) = 0 < entonces SALIDA (p); (procedimiento completado satisfactoriamente)
2
PARAR;
Paso 5: tomar i = i + 1
Paso 6: si f(a). f(p) > 0 entonces tomar a = p, si no, tomar b = p (calcular ai, bi);
Paso 7: SALIDA (0El mtodo fracaso despus de N0 iteraciones, N0 = 0 ;N0); (procedimiento completado sin xito);
PARAR.

Ejemplo: Sea f(x) = x3 + 4x2 10, que tiene un raz en p = 1.36523001341 en el intervalo [1,2].
Utilice Biseccin para hallar la raz. Determine la cantidad de intervalos necesarios para resolver
con una exactitud de 10-3 si a1 = 1 y b1 = 2

Solucin: Veamos el nmero de iteraciones necesarias para obtener la aproximacin:

21 1
| | <
= = 103
2 2 2
2 103
2 103
2 310 = 3
2 3
3
= 9,96 10
2
La raz debe obtenerse en por los menos 10 iteraciones. Ahora: = 1 (1) = 5 =
2 (2) = 14, Entonces () . () < 0. Hallemos 1 as:
1 + 1 1+2
1 = = = 1,5 (1,5) = 2,375
2 2

Luego (1,5) y tiene el mismo signo de f(b1)= f(2), por lo tanto b2 = 1,5 y a2 =
1, de ah que:
1 + 1,5
2 = = 1,25
2
Continuamos las iteraciones en la siguiente tabla:

n an (-) bn (+) pn F(pn) Ea(%)

1 1 2 1,5 2,375 ------
2 1 1,5 1,25 -1,796875 20,00%
3 1,25 1,5 1,375 0,16210938 9,09%
4 1,25 1,375 1,3125 -0,84838867 4,76%
5 1,3125 1,375 1,34375 -0,35098267 2,33%
6 1,34375 1,375 1,359375 -0,09640884 1,15%
7 1,359375 1,375 1,3671875 0,03235579 0,57%
8 1,359375 1,3671875 1,36328125 -0,03214997 0,29%
9 1,36328125 1,3671875 1,36523438 7,2025E-05 0,14%
10 1,36328125 1,36523438 1,36425781 -0,016046 0,07%

Raz = 1,36425781

El algoritmo de biseccin, aunque conceptualmente claro, tiene inconvenientes importantes.

Converge muy lentamente (o sea, puede ser muy grande antes que | |sea suficientemente
pequeo) y, ms an, una buena aproximacin intermedia puede ser desechada sin que nos demos
cuenta. Sin embargo, el mtodo tiene la propiedad importante de que converge siempre a una
solucin y, por esta razn se usa frecuentemente para poner en marcha" a los mtodos ms
eficientes que se presentarn ms adelante.

3.3. MTODO DE NEWTON-RAPHSON

El mtodo de Newton (llamado a veces mtodo de Newton-Raphson)
es uno de los mtodos que muestra mejor velocidad de convergencia
llegando (bajo ciertas condiciones) a duplicar, en cada iteracin, los
decimales exactos. El mtodo de Newton converge si se cumplen las
siguientes tres condiciones para la funcin ():
1. Existen dos puntos a y b en los que (). () < 0.
2. () no cambia de signo en [a, b].
3. Las tangentes a () en y cortan al eje de abscisas en [, ].

Si no se cumplen estas condiciones, el mtodo puede todava converger, aunque no se puede

garantizar nada. En particular, cuando () se hace muy pequea en el intervalo comprendido
entre el punto de partida y la raz, el punto dado por la iteracin siguiente tiene un valor muy
grande, puesto que la tangente es casi paralela al eje de abscisas, y en estos casos el mtodo
diverge. Debido a la rpida convergencia del mtodo de Newton cuando converge, un algoritmo
eciente es comenzar con este mtodo y continuar con otro ms robusto, como biseccin si se
produce una divergencia. Si se quisiera sustituir la funcin f no lineal por una recta que pasa por
el punto ( , ( )) de ecuacin:
( ) = ()( )
= ()( ) + ( )
Dejando = 0 y despejando , se obtiene:
( )
=
()
El mtodo de Newton-Raphson implica el generar la sucesin { } definida por:
( )
+1 =
( )
Suponiendo siempre que la derivada no se anula en los puntos . Este mtodo simplemente
sustituye la funcin por la recta tangente a la curva en el punto de abscisa .

En general, para el mtodo de Newton tenemos: Sea () = 0, donde es derivable en un

intervalo abierto que contiene a c. Entonces, para aproximar c, se siguen los siguientes pasos:
1. Se efecta una estimacin inicial x0 que es cercana a c. (Una grfica es til.)
2. Se determina una nueva aproximacin:
( )
+1 =
( )
3. Si | 1 | est dentro de la precisin deseada, dejar que 1 sirva como la
aproximacin final. En otro caso, volver al paso anterior y calcular una nueva
aproximacin. Cada aplicacin sucesiva de este procedimiento recibe el nombre de
iteracin.

Ejemplo: Sea () = 3 + 4 2 10 = 0 tiene una raz en [1,2] donde 0 = 1.5

Solucin: Sea () = 3 + 4 2 10, entonces al aplicar el mtodo de Newton-Raphson
primero obtenemos su derivada:
() = 3 2 + 8
Aplicando la ecuacin:
( )
+1 =
( )
A manera de ejemplo para calcular el valor de x1 se tiene:
(0 )
1 = 0
(0 )
De ah que:
(1,5) 2,375
1 = 1,5 = 1,5 = 1,373333333
(1,5) 18,75
(1 ) (1,373333333) 0,13434548
2 = 1 2 = 1,373333333 = 1,373333333
(1 ) (1,373333333) 16,6448
= 1,36526201
Continuamos las iteraciones en la tabla:
n xn f(xn) f'(xn) Ea(%)
0 1,5 2,375 18,75 ----
1 1,37333333 0,13434548 16,6448 9,223%
2 1,36526201 0,00052846 16,5139172 0,591%
3 1,36523001 8,2905E-09 16,5133991 0,002%
4 1,36523001 0 16,5133991 0,000%

Luego la raz es: 1,36523001

Ntese que si en caso hacemos x0 = a, y por tanto (0 ). (0 ) < 0, y trazamos entonces la

tangente a la curva = () por el punto A(a; f(a)), tendremos que el punto x1 cae fuera del
intervalo [a, b]; en otras palabras, el procedimiento de Newton no es prctico para este valor
inicial. Por tanto, en el caso dado, una buena aproximacin inicial x0 es aquella para la cual resulta
vlida la desigualdad (0 ). (0 ) > 0.
La convergencia del mtodo de Newton es local, es decir, como aproximacin inicial de debe
elegir un x0 que este suficientemente cercano a *. Sin embargo hay teoremas que dan criterios
para la convergencia global (para ciertos tipos de funciones). Por ejemplo, si en el intervalo =
[, ] tiene un nico cero y si f y f conservan el signo, entonces una buena aproximacin
inicial es cualquier 0 [, ] para el (0 ) (0 ) > 0.

TEOREMA: Supongamos que (). () < 0, () es continua y (). () 0, en [a, b].

Entonces, si
() ()
| |< y| |<
() ()

el mtodo de Newton converge para cualquier 0 [, ].

Ahora vamos a establecer un resultado que nos da una estimacin muy general del error para el
mtodo de Newton:

TEOREMA: Si es una aproximacin de un cero x* de f tal que ambos estn en el mismo

intervalo [, ] y si ()| 1 > 0 en este intervalo, entonces
|( )|
| |
1

TEOREMA: Sea (, +), (). () < 0, () 0 para y si () existe en

cualquier punto y conserva el signo, entonces puede tomarse cualquier valor [, ] como
aproximacin inicial 0 al utilizarse el mtodo de Newton para hallar una raz de la ecuacin
() = 0 que caiga en el intervalo (, ). Se puede, por ejemplo, tomar 0 = 0 = .

ALGORITMO DE NEWTON-RAPHSON.

3.3.1. RAICES MLTIPLES

El mtodo de Newton es muy conveniente cuando la grfica de la funcin tiene una gran pendiente
en la vecindad de la raz dada, pero si el valor numrico de la derivada f(x) es pequeo cerca de
ella, las correcciones seran entonces mayores, y calcular la raz mediante este procedimiento
puede ser un proceso largo o a veces incluso imposible. En otras palabras: no utilice el mtodo de
Newton para resolver una ecuacin f(x) = 0 si la curva y = f(x) es casi horizontal cerca del punto
de interseccin con el eje x. En algunas ocasiones, el mtodo de Newton-Raphson no converge
sino que oscila. Esto puede ocurrir si no hay raz real; si la raz es un punto de inflexin, o si el
valor inicial est muy alejado de la raz buscada y alguna otra parte de la funcin "atrapa" la
iteracin.

Las races mltiples corresponden a un punto donde una funcin es tangente

al eje x. Si consideramos la funcin:
() = ( 1)( 1)( 2)

La funcin tiene una raz doble en x = 1. Desde el punto de vista grfico

significa que la curva toca en forma tangencial al eje en la raz doble
(multiplicidad par).

Si tenemos el caso de una raz triple, como es el caso de la funcin:

() = ( 1)( 1) ( 1) ( 3)

La funcin tiene una raz triple en x = 1. Desde el punto de vista grfico

significa que la curva toca en forma tangencial al eje x en la raz triple, pero
en este caso cruza al eje (multiplicidad impar)

Las races mltiples ofrecen dificultades a muchos de los mtodos numricos

para calcular sus races. El hecho de que la funcin no cambie de signo o que
f(x) se aproxime a cero en la raz ocasiona trastornos a los mtodos expuestos
anteriormente. Una forma sencilla de resolver problemas con races mltiples
en el mtodo de Newton consiste en definir una funcin u de la siguiente forma:

()
() =
()

Se puede demostrar que esta funcin tiene las mismas races que la funcin original. En este
sentido la ecuacin:
( )
+1 =
( )
Se puede modificar de la siguiente manera:

( )
+1 =
( )
De ah que
( ) ( ) ( )( )
( ) =
[ ( )]2
Con lo que la ecuacin modificada de Newton-Rahpson se puede escribir as:

( ) ( )
+1 =
[ ( )]2 ( )( )

Esta frmula recursiva requiere no solo f sino tambin f por lo que el costo computacional
aumenta. Hay que tener en cuenta adems que aunque tericamente la convergencia es cuadrtica,
para cierto tipo de funciones, por ejemplo polinomios con races mltiples, hay una barrera que
no permite acercarse a la raz con la precisin esperada.

Ejemplo: Considere la ecuacin f(x) = ex x -1 tiene una multiplicidad de raz par en x = 0

Solucin: Apliquemos el mtodo de Newton para cada una de las ecuaciones y tratar de obtener
una raz:
( )
1. +1 = ( )

 ( ) ( )
2. +1 =
[ ()]2 ( )( )

Al hallar las iteraciones para cada uno de los casos podemos observar lo
siguiente:

Mtodo de Newton-Raphson Mtodo de Newton-Raphson

Modificado

La raz es: 4,3399 x 10-5 La raz es: -4,2186 x 10-11

3.4. ITERACIN DE PUNTO FIJO

Un mtodo para determinar la solucin de una ecuacin que se expresa, para alguna funcin ,
de la forma:
() =

A una solucin de esta ecuacin se le llama un punto fijo de la funcin g.

Entonces un punto fijo de una funcin es aquel que origina que () = .

Ejemplo: Sea () = 2 2 busquemos puntos fijos para :

Si: = 1 (1) = (1)2 2 = 1

Si: = 2 (2) = (2)2 2 = 2

Otra forma de hallarlo es con la ayuda del lgebra:

() =
2 2 =
2 2 = 0
( 2)( + 1) = 0
= 2 = 1

El mtodo del punto fijo es fcil de usar y se aplica a una amplia variedad de problemas.
Geomtricamente significa: los puntos fijos de una funcin son los puntos de interseccin de la
curva = () con la recta = .

Ejemplo: Si se calcula geomtricamente () = + , un punto fijo es = 1 pues

ln(1) + 1 = 1.
Solucin: Geomtricamente, un punto fijo corresponde al valor de la abscisa donde
la grfica de = () interseca a la recta = .

Los problemas de bsqueda de races y los de punto fijo son clases equivalentes en
el siguiente sentido:

Si para cualquier funcin dada se puede encontrar un punto fijo, entonces cada problema de
bsqueda de las races de () = 0 tiene soluciones que corresponden precisamente a los puntos
fijos de () = con () = (). La primera tarea entonces es decidir cundo una
funcin tendra un punto fijo y cmo se pueden determinar (es decir, aproximar con suficiente
grado de precisin) dichos puntos fijos.

El siguiente teorema establece condiciones para la existencia y unicidad de un punto fijo.

TEOREMA DE PUNTO FIJO: Si () es una funcin continua en [, ] y ()[, ] para

todo [, ], entonces g(x) tiene por lo menos un punto fijo en [a,
b]. Si adems, () existe para todo (, ) y |()| < 1
para todo (, ), constante, entonces g(x) tiene un nico punto
fijo [, ] y la sucesin { } definida mediante la frmula de
iteracin:
= (+1 ); = 1,2,3,
converge a (lim = ) cualquiera sea x0[a, b]
0

El teorema anterior no slo nos dice que bajo sus condiciones existe un punto fijo nico, adems
nos dice cmo podemos encontrarlo, usando la sucesin generada a partir de la funcin g con una
condicin inicial arbitraria.

Las siguientes grficas muestran algunas formas de convergencia o divergencia de la sucesin

{xn}n, donde = (+1 ); = 1,2,3,

Ejemplo: Sea 3 1 = 0 tiene una raz en [1,2], Utilicemos iteracin de punto fijo para
hallar una aproximacin de su raz.
Solucin: Para empezar, debemos poner el problema como un problema de punto fijo. Para hacer
esto debemos despejar x. Hay varias posibilidades.
a. = 1 + 3
3
b. = 1 +
1+
c. = 2

3
Ahora evaluemos si el () = 1 + buscado tiene un punto fijo en [1,2]:

es continua y ()[1,0] para todo [1,0]. Existe un punto fijo en el intervalo.Como

1
()existe en [1,2] y | ()| = | (1)2/3| < 1 para toda [1,2], entonces el punto fijo es
nico y la iteracin de punto fijo converge para cualquier [1,2]. Recuerde que: +1 = ( ),
si 0 = 0,5 entonces:
1 = (0 ) = 31 + 0
3
1 = (0 ) = 1 + 0,5 = 1,35720881
3
2 = (1 ) = 31 + 1 = 1 + 1,35720881 = 1,33086096

Y siguiendo las iteraciones en la tabla nos queda:

( ) (%)
0 1,5 0,875
1 1,35720881 0,14279119 10,521%
2 1,33086096 0,02634785 1,980%
3 1,32588377 0,00497718 0,375%
4 1,32493936 0,00094441 0,071%
5 1,32476001 0,00017935 0,014%
6 1,32472595 3,4066E-05 0,003%

Luego la raz es: 1,32471796

Ejemplo: Sea () = 3 . Puesto que () = 3 3 < 0 en [0, 1], la funcin es

decreciente en ese intervalo. Por lo tanto (1) = (1/3) () 1 = (0) para todo [0, 1],
por lo cual g posee un punto fijo. No podemos garantizar la unicidad del punto fijo usando el
Teorema de punto fijo sin embargo como g es estrictamente decreciente dicho punto fijo debe ser
nico.

Para aproximar el punto fijo de una funcin , escogemos una aproximacin inicial 0 y
generamos la sucesin { }
=0 tomando = (1 ) para cada > 1. Si la sucesin converge
a y es continua, entonces:
= lim = lim (1 ) = (lim 1 ) = ()

y se obtiene una solucin de = (). Esta tcnica se llama tcnica iterativa de punto fijo
iteracin funcional. El procedimiento est detallado en el algoritmo conocido como algoritmo de
punto fijo.

ALGORITMO DE PUNTO FIJO.

El mtodo del punto fijo converge para cualquier valor inicial 0 en [a, b]. Por esta razn es
autocorrector, esto es, un error individual en los clculos que no vaya por encima de los lmites
del intervalo [a, b] no afectara el resultado final, ya que un valor errneo puede ser considerado
como un nuevo valor inicial 0 . Unicamente se habra trabajado ms. La propiedad de
autocorreccin hace que el mtodo de iteracin del punto fijo sea uno de los ms fiables.
Naturalmente, los errores sistemticos al aplicar este mtodo pueden hacer que no se obtenga el
resultado requerido.

TEOREMA: Si satisface la hiptesis del teorema de iteracin de punto fijo, las cotas del error
que supone utilizar xn para aproximar a p est dado por:

| | | 0 |
1 1

donde k es la constante de Lipschitz de la contraccin.

3.5. MTODO DE LA REGULA FALSI:

El mtodo de biseccin no tiene en cuenta el comportamiento de la funcin () a la hora de
calcular el punto . El mtodo de la rgula falsi determina xr como el
punto de corte con el eje de abscisas de la recta que pasa por los puntos
(0 , (0 )) (1 , (1 )).

La interseccin de esta recta, que es la secante a la curva que pasa por estos
dos puntos, representa una mejor aproximacin a la raz. En este sentido,
que se reemplace la curva por una lnea recta da lo que se llama una
Posicin Falsa de la raz (del latn regula falsi) de ah su nombre o tambin
conocido como mtodo de interpolacin lineal.

Si usamos tringulos semejantes (tambin podemos hallar la frmula de la posicin falsa hallando
la pendiente de la recta), se puede estimar la interseccin de la lnea recta as:
1 0
=
(1 ) (0 )
Al despejar nos quedara:
(0 )(1 0 )
= 0
(1 ) (0 )
Esta es la frmula de la Posicin Falsa.

Tenga presente que el valor de reemplazar a cualquiera de los dos valores iniciales 0 y 1 .
El mtodo de la Rgula Falsi exige mantener que la funcin tome valores opuestos a lo largo del
proceso iterativo, es decir, (0 ). (1 ) < 0. Evaluar ( ) Forzosamente debemos caer en uno
de los siguientes casos:

1. (0 ). ( ) < 0 En este caso, tenemos que (0 ) ( ) tienen signos opuestos, y por

lo tanto la raz se encuentra en el intervalo [0 , ].
2. (0 ). ( ) > 0. En este caso, tenemos que (0 ) y ( ) tienen el mismo signo y por
lo tanto, la raz se encuentra en el intervalo[ , 1 ].
3. (0 ). ( ) = 0. En este caso se tiene que ( ) = 0 y por lo tanto ya localizamos la
raz.

El proceso se repite iterativamente hasta alcanzar convergencia. El mtodo de la Rgula Falsi

converge usualmente mucho ms rpido que el mtodo de biseccin.

Ejemplo: Supongamos que tenemos la funcin () = (), tiene una raz en [1, 2],
tengamos presente lo siguiente:

Primero elegimos las aproximaciones iniciales 0 y 1 con (0 ). (1 ) < 0.

(0 ) = (1) = 0,3678794
(1 ) = (2) = 0,557811
De ah que:
(0 ). (1 ) < 0
La aproximacin se halla de la siguiente manera:

(0 )(1 0 ) (0,3678794)(2 1)
= 0 = 1 = 1,39741048
(1 ) (0 ) 0,3678794 (0,557811)

Verificamos:
( ) = (1,39741048) = 0,08738451

En este caso, tenemos que (1 ) ( ) tienen el mismo signo, de aqu que (0 ) y ( )

tienen signos opuestos. Por lo tanto, la raz se encuentra en el intervalo (0 , ) Despus
intercambiamos los ndices de 0 y 1 una vez encontrado , y procedemos de igual manera a
realizar la prxima iteracin. La tabla sera la siguiente:

( ) + (+ ) ( ) (%)
0 1 0,36787944 2 -0,5578119 1,39741048 -0,08738451
1 1 0,36787944 1,39741048 -0,08738451 1,32113051 -0,01165435 5,7738%
2 1 0,36787944 1,32113051 -0,01165435 1,31126956 -0,00151807 0,7520%
3 1 0,36787944 1,31126956 -0,00151807 1,30999037 -0,00019713 0,0976%
4 1 0,36787944 1,30999037 -0,00019713 1,30982435 -2,5587E-05 0,0127%
5 1 0,36787944 1,30982435 -2,5587E-05 1,3098028 -3,3211E-06 0,0016%
6 1 0,36787944 1,3098028 -3,3211E-06 1,3098 -4,3105E-07 0,0002%
7 1 0,36787944 1,3098 -4,3105E-07 1,30979964 -5,5947E-08 0,0000%
Su raz es: 1,3097996.

Se puede demostrar que si bien el mtodo es lento, tambin es seguro, es decir, si se cumple todos
los supuestos que el mtodo exige, la convergencia est asegurada. Salvo raros casos, este mtodo
converge ms rpido que el de biseccin. Anlogamente, al mtodo de biseccin, este mtodo
tambin presenta convergencia lineal, es decir, su orden de convergencia es 1, pero la gran
desventaja radica en la exigencia de cambio de signos y como todos sabemos no toda funcin
cambia de signo.

Otra desventaja es que durante la biseccin necesita de un nmero determinado de iteraciones la

regla falsa requiere casi el doble. El mtodo de la regla falsa solo se puede aplicar para funciones
que cambien de signo dentro del intervalo dado, pues de lo contrario el mtodo no converge la
raz.

3.6. MTODO DE LA SECANTE

El mtodo de la Secante tiene base en el mtodo de Newton-Raphson:
( )
+1 =
( )
Con este mtodo se busca simplificar la ecuacin anterior, debido a que habr ocasiones donde
calcular la derivada de la funcin se complica. El mtodo comienza con dos aproximaciones
iniciales 0 y 1 , para poder inducir una pendiente inicial:
(1 ) (0 )
1 0
La aproximacin x2 ser la interseccin de la recta que une (0 , (0 )) y (1 , (1 )) con el eje x.
Ahora tenemos la recta de pendiente:
(2 ) (1 )
2 1
La aproximacin x3 ser la interseccin de la recta que une (1 , (1 )) y (2 , (2 )) con el eje .
Es por esto que este mtodo recurre a aproximar la derivada mediante una diferencia finita
dividida hacia atrs, como se ve en la ecuacin:
( ) (1 )
( )
1
Remplazando la ecuacin anterior en la frmula de Newton se obtiene la
frmula para el mtodo de la secante:
( )( 1 )
+1 =
( ) (1 )

De la ecuacin se puede notar como son necesarios dos valores iniciales de , lo cual puede
confundir para calificarlo como mtodo abierto. Sin embargo, este mtodo no necesita de cambio
de signo en la funcin entre los valores dados, por lo que no se puede calificar como un mtodo
cerrado. Es preciso tener en cuenta que para poder calcular el valor de + 1 , necesitamos
conocer los dos valores anteriores y 1 . Adems se aprecia el gran parecido con la frmula
del mtodo de la regla falsa.

La diferencia entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre intervalos
cerrados, el mtodo de la secante es un proceso iterativo y por lo mismo, encuentra la
aproximacin casi con la misma rapidez que el mtodo de Newton-Raphson. Claro, corre el
mismo riesgo de ste ltimo de no converger a la raz, mientras que el mtodo de la posicin falsa
va a la segura.

Ejemplo: Supongamos que tenemos la funcin () = , tiene una raz en [0, 1],
Solucin: Tengamos presente lo siguiente: Primero elegimos las aproximaciones iniciales
0 y 1 :
( 0 ) = (0) = 1
(1 ) = (1) = 0,63212
La aproximacin 3 se halla de la siguiente manera:
(1 )(1 0 ) (0,63212)(1 0)
2 = 1 = 1 = 0,61270
(1 ) (0 ) (0,63212) 1
La segunda iteracin es:
(1 ) = (1) = 0,63212
(2 ) = (0,61270) = 0,07081395
(2 )(2 0 ) (0,07081395)(0,61270 1)
3 = 2 = 0,61270 = 0,56383839
(2 ) (1 ) 0,07081395 (0,63212)
En la siguiente tabla se contina con las iteraciones:

( ) ( ) + (+ ) (%)
1 0 1 1 -0,63212056 0,61269984 -0,07081395
2 1 -0,63212056 0,61269984 -0,07081395 0,56383839 0,00518235 63,212%
3 0,61269984 -0,07081395 0,56383839 0,00518235 0,56717036 -4,2419E-05 8,666%
4 0,56383839 0,00518235 0,56717036 -4,2419E-05 0,56714331 -2,538E-08 0,587%
5 0,56717036 -4,2419E-05 0,56714331 -2,538E-08 0,56714329 1,2423E-13 0,005%
6 0,56714331 -2,538E-08 0,56714329 1,2423E-13 0,56714329 0 0,000%
7 0,56714329 1,2423E-13 0,56714329 0 0,56714329 0 0,000%
Luego la raz es: 0,56714329

3.7. MTODO DE HORNER (DIVISIN SINTTICA)

El proceso de divisin de un polinomio por un factor 0 es importante por dos razones.
Esto forma un componente del esquema para encontrar las races de un polinomio y tambin
habilita el teorema de residuo del lgebra para emplearlo eficientemente cuando se calcula
utilizando computadora.

TEOREMA DEL RESIDUO: (Teorema Fundamental del Algebra) Si P es un polinomio de

grado n 1, entonces P(x) = 0 tiene al menos una raz (posiblemente compleja).

El teorema del residuo se desarrolla escribiendo un polinomio de grado n de la forma:

() = ( 0 )() + 0

La divisin dar un cociente de grado 1 y un residuo 0 que es una constante. Si se emplea

= 0 , entonces (0 ) = 0 , de manera que el residuo dar el valor del polinomio en = 0
.
Veamos una forma abreviada de realizar una divisin sinttica.

Ejemplo:

TEOREMA (Mtodo de Horner): Sea () = + 1 1 + + 1 + 0 , Si = y

si = + 1 0 para = 1, 2, , 1, 0 , entonces 0 = (0 )
Adems si () = 1 + 1 2 + + 2 + 1 , entonces
() = ( 0 )() + 0
Una ventaja adicional al usar el procedimiento de Horner es que, como () = ( 0 )() +
0 , donde
() = + 1 1 + + 1 + 0
() = 1 + 1 2 + + 2 + 1

Diferenciando con respecto a tenemos: () = () + ( 0 )(), resulta entonces si

= 0 , tenemos que:
(0 ) = (0 )

As, cuando se use el mtodo de Newton-Raphson para encontrar un cero aproximado de un

polinomio P, ambos P y P pueden ser evaluados de esta manera. El algoritmo siguiente calcula
(0 ) y (0 ) usando el mtodo de Horner. El algoritmo de Horner se puede utilizar en la
deflaxin de un polinomio. ste es el proceso de eliminar un factor lineal de un polinomio. Si r
es una raz del polinomio p, entonces es un factor de p. Las races restantes de p son las
1 races de un polinomio Q de grado 1 menos que el grado de p tal que:
() = ( )() + ( )
donde
() = 0 + 1 + 2 2 + + 1 1
Para usar el procedimiento de Newton-Raphson en localizar aproximadamente los ceros de un
polinomio P, es necesario evaluar a P y a su derivada en valores especficos. Como P y sus
derivadas son polinomios, la eficiencia computacional requerir que la evaluacin de estas
funciones sea hecha de manera anidada. El mtodo de Horner incorpora esta tcnica y como
consecuencia requiere solamente de n multiplicaciones y n sumas para evaluar un polinomio de
ensimo grado arbitrario.

Ejemplo: Hallemos una de las races al polinomio ( ) = 2 4 3 2 + 3 4, con x0 = -2 como

aproximacin inicial, entonces:
donde
() = 2 3 4 2 + 5 7 (2) = (2)

de ah que (2) puede hallarse al evaluar (2), as:

y al utilizar Newton-Raphson tenemos:

( 0 ) 10
1 = 0
=2 = 1,796
( 0 ) 49
Se repite el procedimiento para hallar x 2:

Si P(x1) = 1,742 y P(x1) = -32,565, entonces:

(1 ) 1,742
2 = 1 = 1,769 = 1,7425
(1 ) 32,565
Ntese que el polinomio denotado por Q(x) depende de la aproximacin usada y cambia de
iteracin a iteracin.

3.8. EL METODO DE INTERPOLACION DE MLLER

El mtodo de Mller fu presentado por primera vez por D.E. Mller en 1956. Esta tcnica puede
ser usada en cualquier problema de bsqueda de races, pero es particularmente til para
aproximar races de polinomios.

El mtodo de Mller es una generalizacin del mtodo de la secante. El mtodo de la secante

modificado empieza con dos aproximaciones iniciales 0 y 1 y determina la siguiente
aproximacin 2 como la interseccin del eje con la recta que pasa por (0 , (0 )) y
(1 , (1 )). El mtodo de Mller usa tres aproximaciones iniciales 0 ,
1 y 2 y determina la siguiente aproximacin 3 considerando la
interseccin del eje x con la parbola que pasa por (0 , (0 )),
(1 , (1 )) (2 , (2 )).

El mtodo de Mller lo utilizamos para encontrar las races de

ecuaciones de la forma general:
Pn ( x ) a 0 a1 x a 2 x 2 ....... a n x n
Donde es el orden del polinomio y las son coeficientes constantes.
Tenga en cuenta que los polinomios cumplen con las siguientes reglas:
1. Para la ecuacin de orden n, hay n races reales o complejas. (Las races no son
necesariamente distintas).
2. Si n es impar, hay al menos una raz real.
3. Si hay races complejas, hay entonces un par conjugado.

El mtodo consiste en obtener los coeficientes de los tres puntos, sustituirlos en la frmula
cuadrtica y obtener el punto donde la parbola intercepta el eje x.

La aproximacin es fcil de escribir, en forma conveniente esta sera:

() = ( 2 )2 + ( 2 ) +
As, se busca esta parbola para interceptar los tres puntos [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Los
coeficientes de la ecuacin anterior se evalan al sustituir uno de esos tres puntos para dar:
(0 ) = (0 ) = (0 1 )2 + (0 2 ) +
(1 ) = (1 ) = (1 2 )2 + (1 2 ) +
(2 ) = (2 ) = (2 2 )2 + (2 2 ) +
La ltima ecuacin genera que: (2 ) =
De esta forma tendramos que:
(1 2 )[(0 ) (2 )] (0 2 )[(1 ) (2 )]
=
(0 2 )(1 2 )(0 1 )
(0 2 )2 [(1 ) (2 )] (1 2 )2 [(0 ) (2 )]
=
(0 2 )(1 2 )(0 1 )
= (2 )
Para determinar x3, la raz de P, aplicamos la formula cuadrtica a P.
2 4
=
2
Debido a problemas del error de redondeo causados por la sustraccin de nmeros casi iguales,
se aplica la formulase:
2
3 2 =
2 4
O bien:
2
3 = 2 +
2 4
En el mtodo de Mller, el signo se elige para que coincida con el de b. Escogido de esta manera,
el denominador sera el ms grande en magnitud y resultar en seleccionar a x3 como la raz de P
ms cercana a x2. De modo que:
2
3 = 2 +
+ ( )2 4
Una vez que se determina x3, el procedimiento se reinicializa usando x1, x2 y x3 en lugar de x0, x1
y x2 para determinar la siguiente aproximacin x4. El mtodo contina hasta que se obtiene una
conclusin satisfactoria. De hecho, la importancia del mtodo de Mller reside en que esta
tcnica generalmente converger a la raz del polinomio para cualquier eleccin de las
aproximaciones iniciales.

El mtodo de Mller puede tomar como valores de comienzo nmeros complejos, en cuyo caso
sirve para obtener races complejas.

Ejemplo: En 1225 Leonardo de Pisa estudi la ecuacin () = 3 + 2 2 + 10 20 y

encontr 1,368808107. Nadie sabe que mtodo us Leonardo. Usar el mtodo de Mller
para reencontrar este resultado.
Solucin: Consideremos inicialmente tres puntos:
= 1,5 ( ) = 2,875
1 = 1,8 (1 ) = 10,312
2 = 2 (2 ) = 16
Donde:
(1 2 )[(0 ) (2 )] (0 2 )[(1 ) (2 )]
=
(0 2 )(1 2 )(0 1 )
(0 2 )2 [(1 ) (2 )] (1 2 )2 [(0 ) (2 )]
=
(0 2 )(1 2 )(0 1 )
= (2 )
Se tiene entonces:
= 7,3
= 7,3
= 16
Remplazando en la ecuacin tenemos:
2 2(16)
3 = 2 + = 1,8 + = 1,36708085
2 4 7,3 + (7,3)2 4(7,3)(16)

Ahora tenemos que:

= 1,8
1 = 2
2 = 1,36708085

Al ser un mtodo de aproximacin, este se realiza de forma secuencial e iterativamente, donde

1 , 2 , 3 reemplazan los puntos 0 , 1 , 2 llevando el error a un valor cercano a cero. Una vez
que 3 es determinada, el proceso se repite. Las iteraciones las observamos en la siguiente tabla:

x0 x1 x3 f(x0 ) f(x1) f(x2) x3 f(x3) Ea(%)

1,5 1,8 2 2,875 10,312 16 1,36708085 -0,03642022
1,8 2 1,36708085 10,312 16 -0,03642022 1,36883068 0,0004762 0,13%
2 1,36708085 1,36883068 16 -0,03642022 0,0004762 1,36880811 2,46E-08 0,00%
1,36708085 1,36883068 1,36880811 -0,03642022 0,0004762 2,46E-08 1,36880811 0 0,00%

3.9. EJERCICIOS DE APLICACIN

Ejemplo: La siguiente ecuacin muestra la descarga de aguas residuales relacionada con el nivel
de oxigeno:
= 10 20( 0,2 0,75 )

donde es la distancia agua abajo en km. Determine la distancia agua abajo donde el nivel de
oxgeno se encuentra a una lectura de 5. (Sug. Este valor est dentro de los 2 km de la descarga).
Determine una respuesta con 2% de error
Solucin: Primero realizamos la grfica de la funcin que relaciona el nivel de oxigeno cuando
su valor es 5:
5 = 10 20( 0,2 0,75 )
Nos queda entonces la ecuacin:
( ) = 5 20( 0,2 0,75 ) = 0
Observamos que la funcin tiene dos races, pero solo nos interesa el
comportamiento del nivel de oxigeno los primeros dos kilmetros, de ah
que, Analizaremos la funcin en el intervalo [0,1], ya que grficamente se
observa una raz.

Usaremos el mtodo de la Biseccin para hallar la raz deseada con.

Veamos si () y () tiene signos contrarios:
= 0 (0) = 5.00000
= 1 (1) = 1.92728
Vamos a conocer el nmero de iteraciones necesarias para obtener la aproximacin y la tabla de
iteraciones:
10 1
| | < = = 102
2 2 2
2 102
2 101
2 210 = 2
 2 2
2
= 6,64 7
2
Al realizar las iteraciones usando el mtodo de la Biseccin tenemos:

Luego, la distancia agua abajo donde el nivel de oxgeno se encuentra a una lectura de 5 es de
0,60546875 Km

EJERCICIOS SOLUCIN DE ECUACIONES NO LINEALES

1. Utilice el mtodo de biseccin para localizar todas las soluciones de las siguientes
ecuaciones. Bosquejar sus grficas e identificar tres intervalos de longitud uno que
contienen una raz. Luego encuentre las races a seis decimales correctos.
a. 2 + 3 = 0
b. 1 + 5 6 3 2 = 0
2. Considerar la ecuacin = + 2.
a. Demostrar grficamente que esta ecuacin tiene solo dos soluciones 1 > 0, 2 < 0.
Obtener dos intervalos entre dos enteros consecutivos = [ , +1 ] con
para = 1, 2, tal que .
b. Calcular el nmero de pasos que se deben ejecutar en el algoritmo de biseccin
partiendo del intervalo 1 si se desea aproximar 1 con un error absoluto menor que
102 .
c. Utilizar 2 iteraciones del mtodo de NewtonRaphson para aproximar 2 . Usar un
punto inicial en la iteracin de modo que quede garantizada la convergencia de la
sucesin hacia
3. Aplicando el mtodo de regla falsa, encuentre el valor del cruce por cero de la funcin
() = 3 + 4 2 10 iniciando con 0 = 1 1 = 2. Detener el proceso en la cuarta
iteracin.
4. Por el mtodo de regla falsa encuentre la quinta iteracin de la funcin () =
1000 2 () 5 10 iniciando con 0 = 0,5 1 = 1.
5. La funcin () = ( 2)2 ln() tiene una nica raz real. Determine un intervalo en
el cul est la raz y utilice los mtodos de biseccin, de la regula falsi, de la secante y de
Newton-Raphson hasta obtener la convergencia con cuatro cifras decimales.
6. Considere la ecuacin 4( 1)3 () = 0.
a. Qu multiplicidad tiene la raz x = 1?. Aplique Newton con x0 = 0,5
b. Modifique la ecuacin de tal manera que el orden de convergencia sea cuadrtico.
Hacer esto de dos maneras: Usando la multiplicidad de la raz y usando la ecuacin:
()
() =
()
7. Se desea resolver la ecuacin 3 (1 + 2) = 0.
a. Compruebe que esta ecuacin tiene exactamente una solucin en el intervalo [1, 2]
b. Proponga un mtodo iterativo de punto fijo que converja a la solucin de la ecuacin
en el intervalo [1, 2]. Justifique.
c. Partiendo de x0 = 1, determine el nmero mnimo de iteraciones que se necesitaran
para alcanzar una precisin de 10 4, utilizando el mtodo iterativo propuesto
anteriormente.
8. Considere el polinomio P(x) = 16 x 4 40 x 3 + 5 x 2 + 20 x + 6. Usando el algoritmo de
Mller con TOL = 10-5 y x0 = 0,5 x1 = - 0,5 x2 = 0,0 aproxime una raz.
9. Supongamos que se desea determinar una solucin negativa de la ecuacin:
3 100 360
5 + [1 ( ) ]=0
100
con dos dgitos decimales correctos. Grafique la funcin y determine el intervalo donde se
encuentra una raz. Use Biseccin para determinarla
10. Una partcula parte del reposo sobre un plano inclinado uniforme, cuyo ngulo cambia
con una rapidez constante de:

=<0

Al final de t segundos, la posicin del objeto est dada por:

() = ( )
2 2 2

Suponga que la partcula se desplaz 1.7 pies en 1 segundo. Encuentre con una exactitud
de 10-5 la rapidez w con que cambia. Sea g = 32.17 pies/s2.
11. Suponga el lector que est diseando un tanque esfrico de almacenamiento de agua
para un poblado pequeo de un pas en desarrollo. El volumen del lquido que puede
contener se calcula con:
3
= 2 ( )
3
3
donde V = volumen [pie ], h = profundidad del agua en el tanque [pies], y R = radio
del tanque [pies]. Si R = 3 m, a qu profundidad debe llenarse el tanque de modo
que contenga 30 m3? Haga tres iteraciones del mtodo de Newton- Raphson para
determinar la respuesta. Encuentre el error relativo aproximado despus de cada iteracin.
Observe que el valor inicial de R converger siempre.
12. En la figura se muestra una viga uniforme sujeta a una carga distribuida uniformemente
que crece en forma lineal. La ecuacin para la curva elstica resultante es la siguiente:
0
= ( 5 + 22 3 4 )
120
Utilice el mtodo de la biseccin para determinar el punto de mxima

deflexin (es decir, el valor de donde = 0). Despus, sustituya este

valor en la ecuacin a fin de determinar el valor de la deflexin mxima.
En sus clculos, utilice los valores siguientes para los parmetros: =

600 , = 50 000 2 , = 30 000 4 0 = 2.5 .

13. El desplazamiento de una estructura est definido por la ecuacin siguiente para una
oscilacin amortiguada:
= 9 cos()
donde k = 0.7 y w = 4.
a. Utilice el mtodo grfi co para realizar una estimacin inicial del tiempo que se
requiere para que el desplazamiento disminuya a 3.5.
b. Emplee el mtodo de Newton-Raphson para determinar la raz con es = 0.01%.
c. Use el mtodo de la secante para determinar la raz con es = 0.01%.
14. La concentracin de la bacteria contaminante C en un lago decrece de acuerdo con la
relacin:
= 80 2 + 20 0,1
Determnese el tiempo requerido para que la bacteria se reduzca a 10.
15. Dos escaleras se cruzan en un pasillo de ancho W. Cada una llega de la base de un muro a
un punto en el extremo del frente. Las escaleras se cruzan a una altura H arriba del
pavimento. Dado que las longitudes de las escaleras son x 1 = 20 pies y x2 = 30 pies y que
H = 8 pies. Calcule W.