Métodos numéricos

6. Raices de ecuaciones, métodos abiertos

Chapra, Canale, Victor Sánchez Urrutia

Universidad Tecnológica de Panamá

Métodos abiertos

Estos métodos
requieren solo un
punto inicial o
dos puntos
iniciales que no
necesariamente
encierran a la raíz.
Los métodos
cerrados son
“convergentes” los
métodos abiertos
pueden
“diverger”.
Iteración de punto fijo
Re-arregle la función f (x) = 0 a la forma x = g(x).
Utilice la función g(x) para iterar:

xi+1 = g(xi ), x0 es el valor inicial

Detengase cuando el error llega a una valor aceptable.

 xi+1 − xi 
 
  < s
 x 
i+1
Conversión de forma f (x) = 0 a x = g(x)
Ejemplo
Dado f (x) = x 2 − x − 2 = 0, se puede despejar la x:

x = x2 − 2

Dado sin(x) = 0, se puede simplemente añadir x en

ambos lados:
x = sin(x) + x
Convergencia
Sea el caso de
e−x − x = 0
entonces x = e−x
Podemos verlos
como
f1 (x) = f2 (x)
donde:

f1 (x) = x
f2 (x) = e−x

Graficando
podemos buscar la
raíz en la
intersección de
ambas gráficas.
Convergencia y divergencia

La convergencia
se da si
|g 0 (x)| < 1
Convergencia, demostración
Recuerde que:
xi+1 = g(xi )
Suponga que tenemos la solución verdadera es:

xr = g(xr )

Si restamos ambas ecuaciones:

xr − xi+1 = g(xr ) − g(xi ) (1)

El teorema del valor medio nos permite decir:

g(xr ) − g(xi )
g 0 (ξ) =
xr − xi
Lo que da:

g(xr ) − g(xi ) = (xr − xi )g 0 (ξ)

Reemplazando en la ecuación (1):

xr − xi+1 = (xr − xi )g 0 (ξ)

Pero fíjese que:

Et,i = |xr − xi |
Et,i+1 = |xr − xi+1 |
Entonces:
Et,i+1 = |g 0 (ξ)|Et,i
Si |g 0 (ξ)| > 1 el error crece en cada iteración
(divergencia)
Cuando |g 0 (ξ)| < 1 el error decrece de forma lineal. Se
dice que es linealmente convergente
Método Newton-Raphson
Es el método más utilizado.
Está basado en la expansión de Taylor:

∆x 2
f (xi+1 ) = f (xi ) + f 0 (xi )∆x + f 00 (xi ) + O(∆x 3 )
2
Donde ∆x = xi+1 − xi . Truncando para obtener una
expresión de primer orden:

f (xi+1 ) = f (xi ) + f 0 (xi )(xi+1 − xi ) = 0

Despejando xi+1 llegamos a la fórmula de

Newton-Raphson:

f (xi )
xi+1 = xi −
f 0 (x1 )
Método de Newton-Raphson

Es un buen método para

funciones donde las derivadas
pueden ser calculadas de
forma analíticas.
Si la derivada tienen que ser
aproximada entonces el
método no es tan conveniente.
Ventajas
Aunque el método no garantiza una solución, su
convergencia es muy rápida cuando converge.
El método presenta convergencia cuadrática (vea el
texto):
−f 00 (xr ) 2
Et,i+1 ≈ E
2f 0 (xr ) t,i
2
Et,i+1 = O(Et,i )

Cuando el error es pequeño (< 1) entonces x 2 << x por

eso se dice que converge rápido. El número de cifras
significativas de precisión se duplica (de forma
aproximada) en cada iteración.
Es más difícil estimar cuando va a haber divergencia así
que debe verificarse cuando se implementa.
Ejemplos de divergencia del método
El Método de la Secante
Se utiliza cuando la deriva de la función no puede ser
calculada analíticamente o es muy costosa de calcular.
Se basa en el método de Newton-Raphson aproximando
la derivada por medio de diferencias hacia atrás:

f (xi ) − f (xi−1 )
f 0 (xi ) ≈
xi − xi−1

Reemplazando en la fórmula Newton-Raphson:

xi − xi−1
xi+1 = xi − f (xi )
f (xi ) − f (xi−1 )
Método de la Secante
Necesita dos estimados
iniciales, x0 y x1 .
Pero no hay requerimiento
que haya un cambio de
signo o encierre a la raíz.
Por eso no se considera
un método cerrado.
Tiene las mismas
propiedades que el
método de
Newton-Raphson y no
siempre va a converger.
Diferencias entre el método de Régula Falsi y Secante
Resumen de convergencia
Raíces múltiples
Las raíces múltiples
corresponden a
puntos donde la
función es
tangencial al eje x
Raíz doble:

f (x) = (x − 3)(x − 1)(x − 1)

= x 3 − 5x 2 + 7x − 3

Raíz triple:

f (x) = (x − 3)(x − 1)(x − 1)(x − 1)

= x 4 − 6x 3 + 12x 2 − 10x + 3
Dificultades con las raíces múltiples
1 Como la función no cambia de signo, entonces no
pueden usarse los métodos cerrados. Solo nos quedan
los abiertos que pueden ser divergentes.
2 Cuando f (x) → 0 también lo hace f 0 (x), lo que dificulta
el uso del método de Newton y de la Secante. (Una forma
de evitar estos problemas es parar cuando f (x) esté
cercano a cero ya que se ha demostrado
matemáticamente que f (x) alcanzará un valor de cero
antes que lo haga f 0 (x)).
3 Se ha demostrado que en el caso de raíces múltiples el
método de Newton-Raphson deja de converger
cuadráticamente y converge solo de forma lineal.
Soluciones propuestas para acelerar la convergencia
en caso de raíces múltiples
Cambiar la fórmula a:
f (xi )
xi+1 = xi − m
f 0 (xi )

donde m corresponde a la multiplicidad de la raíz

(m = 2 si es doble, m = 3 si triple, etc).
Mejora la velocidad pero requiere conocimiento a priori
de la naturaleza de la raíz, por lo que no es muy práctico.
Otra solución
Buscar las raíces de la función:
f (x)
u(x) =
f 0 (x)

las cuales coinciden con las de f (x).

Entonces:
u(xi )
xi+1 = xi −
u0 (xi )
Lo que resulta en:

f (xi )f 0 (xi )
xi+1 = xi −
[f 0 (xi )]2 − f (xi )f 00 (xi )
Sistemas de ecuaciones simultáneas

f1 (x1 , x2 , ..., xn ) = 0
f2 (x1 , x2 , ..., xn ) = 0
...
fn (x1 , x2 , ..., xn ) = 0

en forma vectorial:

f1 (x) x1
   
 f2 (x)   x2 
Θ(x) =  , x=
   
... ...

   
fn (x) xn
Raíces de sistemas de ecuaciones
En el caso de que los sistemas sean lineales, existen
algoritmos especiales que veremos más adelante.
Se puede aplicar una versión del algoritmo del punto
fijo, despejando una xi diferente en cada una de las
funciones para obtener la siguiente expresión:

xi+1 = Γ (xi )

con los problemas similares de convergencia lenta y

posibilidad de divergencia.
Método de Newton-Raphson multidimensional
Se puede hacer una expansión de Taylor de primer orden e
igualar a cero para obtener el equivalente de la fórmula de
Newton-Raphson.
En el caso de n = 2:

u(x, y) = 0
v(x, y) = 0

entonces la expansión de Taylor:


∂u  ∂u 

u(xi+1 , yi+1 ) = u(xi , yi ) + (xi+1 − xi )  + (yi+1 − yi ) 

∂x i ∂y i

∂v  ∂v 

v(xi+1 , yi+1 ) = v(xi , yi ) + (xi+1 − xi )  + (yi+1 − yi ) 

∂x i ∂y i

igualando a cero y despejando xi+1 y yi+1

  !  
∂u ∂u ! ∂u ∂u !
∂x ∂y xi+1 u(xi , yi ) ∂x ∂y xi

∂v ∂v
 =− + ∂v ∂v

yi+1 v(xi , yi ) yi
∂x ∂y ∂x ∂y

La matriz de derivadas parciales se conoce como el Jacobiano

del sistema:  
∂u ∂u
∂x ∂y
J(x) ≡  ∂v ∂v

∂x ∂y

despejando y generalizando para un sistema de dimensión n

la fórmula de Newton-Raphson queda como:

xi+1 = xi − J −1 (xi )Θ(xi )

En la práctica resolveremos para cada iteración:

J(xi )xi+1 = J(xi )xi + Θ(xi )