UNIVERSIDAD DEL MAGDALENA FACULTAD DE INGENIER

UNIDAD 3: SOLUCIÓN DE ECUACIONES NO LINEALES

Por: MSc. Alvaro Espinosa Pérez
3.1. INTRODUCCIÓN
Son muchos los problemas en ciencia e ingeniería que se pueden modelar matemáticamente como una ecuación 𝑓(𝑥) = 0, siend
Es importante destacar el hecho de que las técnicas que vamos a estudiar en este son siempre iterativas, es decir, partiremos d
cuando � → ∞.
DEFINICIÓN: Sea 𝑓(𝑥), una función dada. Un número real 𝛼 se dice que es una raíz de la ecuación 𝑓(𝑥) = 0, o un ce
TEOREMA: (Bolzano) Si una función 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. MÉTODO DE BISECCIÓN
El método de bisección está basado en el Teorema de Bolzano. Se fundamenta en el resultado que afirma que si una función con
extremos de un intervalo entonces necesariamente se anula en un punto interior. La idea es entonces construir subintervalos
El método de Bisección lo empleamos para determinar con toda la precisión, una solución de 𝒇(𝒙) = 𝟎 en un intervalo [a, b],
descripción del método 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
2
=

� 1 + �1
2
Si 𝑓(�1) = 0 ¡ya está listo! y hemos hallado la raíz p. 𝑓(�1) ≠ 0 entonces 𝑓(�1)tiene el mismo signo de 𝑓(�1) o 𝑓(�1). Si 𝑓(�1
� = � y � = � . Si f(p ) tiene el mismo signo de 𝑓(� )entonces � (� , � ) y hacemos
2 1 2 1 1 1 1 1
�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 raíz p y su longitud es la mitad de la lon
CULTAD DE INGENIERIA

como una ecuación 𝑓(𝑥) = 0, siendo f una función de la variable 𝑥. Los valores de x soluciones de dicha ecuación son llamados ceros de
iterativas, es decir, partiremos de una aproximación inicial x0 del cero exacto 𝑥∗ de 𝑓 y posteriormente construiremos una sucesió

la ecuación 𝑓(𝑥) = 0, o un cero de la función 𝑓(𝑥) si 𝑓(𝛼) = 0.

que afirma que si una función continua toma valores opuestos en los
entonces construir subintervalos de longitud cada vez menor que contengan al cero.
𝒇(𝒙) = 𝟎 en un intervalo [a, b], con la ayuda de un buen computador. Suponemos en este caso que f es continua en dicho intervalo y q

mo signo de 𝑓(�1) o 𝑓(�1). Si 𝑓(�1) tiene el mismo signo de 𝑓(�1) entonces � (�1, �1) y hacemos

p y su longitud es la mitad de la longitud del intervalo que le antecede.

ecuación son llamados ceros de la función f o raíces de la ecuación. Si una ecuación algebraica o trascendente es relativamente com
ente construiremos una sucesión de números reales {𝑥�}∞ que converja hacia x∗

continua en dicho intervalo y que 𝒇 (𝒂) y 𝒇 (𝒃) tienen signos distintos. Aunque el método funciona en el caso en que hay más de una
rascendente es relativamente complicada, no resulta posible por lo general hallar raíces exactas. Es más, en algunos casos las ecuaciones ti

n el caso en que hay más de una raíz en el intervalo [a, b], para facilitar nuestra argumentación que la raíz en dicho intervalo es única.
n algunos casos las ecuaciones tienen coeficientes conocidos sólo de forma aproximada, y por tanto, carece de sentido tratar de hallar las ra

z en dicho intervalo es única. Para empezar con la

e de sentido tratar de hallar las raíces exactas de la ecuación. Por consiguiente, adquieren particular importancia los procedimientos de cálcu
ncia los procedimientos de cálculo aproximado de raíces de una ecuación así como la estimación de su grado de exactitud. Existen muchas
do de exactitud. Existen muchas de estas ecuaciones que no admiten que su solución pueda ser expresada a través de funciones elementales.
través de funciones elementales.
El procedimiento de la bisección genera una sucesión
Pn 

convergente a ��
=
��+��

###
tal que
si lim �� = � se cumple que 𝑓(�) = 0.
�→∞
Tenemos tres criterios de parada que se suelen incorporar al método de Bisección:
1. El primero es detener el método si uno de los puntos medios coincide con la raíz.
2. El segundo es detener el método cuando la longitud del intervalo es menor que una tolerancia determinada.
3. El tercero, el método también se detendrá si el número de iteraciones excede una cota máxima N0 dada de antemano.
Para aplicar el método de Bisección, 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 raíz p menos de �−�
2
y en
cada iteración subsiguiente se divide el intervalo en cuestión por la mitad, tenemos
�−�
|�� − �| ≤
2
�

TEOREMA: Supongamos que f es continua en [�, �] y que 𝑓(�). 𝑓(�) < 0. El método de la
bisección genera una sucesión Pn 

que aproxima a un cero de p de f tal que:

Pn  P  ba

2
n

donde

n1
 tolerancia determinada.
ma N0 dada de antemano.
ALGORITMO DE BISECCIÓN:
Para encontrar una solución de f(x) = 0 dada la función f en el intervalo [a; b] donde f(a) y f(b) tienen signo opuestos: Entrada: extremos a y b; tolerancia TOL; número máximo de
iteraciones N ;
0
Salida: solución aproximada p ó mensaje de fracaso.
Paso 1: tomar i = 1;
Paso 2: mientras que i≤ N seguir pasos 3-6;
0
Paso 3: tomar � = � + �−� = �−� (calcular p );
i
2 2
Paso 4: si f(p) = 0 ó (� ¡−�) < 𝑇𝑂𝐿 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 a , b );
i i
Paso 7: SALIDA (0El método fracaso después de N iteraciones, N = 0 ‘;N0); (procedimiento completado sin éxito);
0 0 PARAR.
Ejemplo: Sea f(x) = x + 4x – 10, que tiene un raíz en p = 1.36523001341 en el intervalo [1,2]. Utilice Bisección para hallar la
3 2

Solución: Veamos el número de iteraciones necesarias para obtener la aproximación:

�
|

�−� 2−1 1
−� < |
= =
≤ 10−3
� 2�

2
�

2
�

2
−� ≤ 10−3

𝑙𝑜�2−� ≤ 𝑙𝑜�10−3
−�𝑙𝑜�2 ≤ −3𝑙𝑜�10 = −3
�𝑙𝑜�2 ≥ 3
###
� ≥ 𝑙𝑜�2 = 9,96 ≈ 10
Utilice Bisección para hallar la raíz. Determine la cantidad de intervalos necesarios para resolver con una exactitud de 10 si
-3
a1 = 1 y b1 =
itud de 10 si
-3
a1 = 1 y b1 = 2
La raíz debe obtenerse en por los menos 10 iteraciones. Ahora:� = 1  𝑓(1) = −5 𝑦 � = 2  𝑓(2) = 14, Entonces 𝑓(�
� = �1 + �1
= 1+2
= 1,5 ⇒ 𝑓(1,5) = 2,375

1
2 2
Luego 𝑓(1,5) y tiene el mismo signo de f(b1)= f(2), por lo tanto b2 = 1,5 y a2 =
1, de ahí que:
�2 =
1 + 1,5
2
= 1,25

Continuamos las iteraciones en la siguiente tabla:

� = 2  𝑓(2) = 14, Entonces 𝑓(�) . 𝑓(�) < 0. Hallemos �1 así:
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%
Raíz = 1,36425781
El algoritmo de bisección, aunque conceptualmente claro, tiene inconvenientes importantes. Converge muy lentamente (o
3.3. MÉTODO DE NEWTON-RAPHSON
El método de Newton (llamado a veces método de Newton-Raphson) es uno de los métodos que muestra mejor velocidad
1. Existen dos puntos a y b en los que 𝑓(�). 𝑓(�) < 0.
2. 𝑓’(𝑥) no cambia de signo en [a, b].
3. Las tangentes a 𝑓(𝑥) en � y � cortan al eje de abscisas en [�, �].
Si no se cumplen estas condiciones, el método puede todavía converger, aunque no se puede garantizar nada. En particular,
𝑦 − 𝑓(𝑥�) = 𝑓′(𝑥)(𝑥 − 𝑥�)
𝑦 = 𝑓′(𝑥)(𝑥 − 𝑥�) + 𝑓(𝑥�)
ión, aunque conceptualmente claro, tiene inconvenientes importantes. Converge muy lentamente (o sea, � puede ser muy grande antes q
NEWTON-RAPHSON
amado a veces método de Newton-Raphson) es uno de los métodos que muestra mejor velocidad de convergencia llegando (bajo cie
untos a y b en los que 𝑓(�). 𝑓(�) < 0.
ia de signo en [a, b].
a 𝑓(𝑥) en � y � cortan al eje de abscisas en [�, �].
condiciones, el método puede todavía converger, aunque no se puede garantizar nada. En particular, cuando 𝑓(𝑥) se hace muy pequeña e
� puede ser muy grande antes que |� − ��|sea suficientemente pequeño) y, más aún, una buena aproximación intermedia puede ser desecha

onvergencia llegando (bajo ciertas condiciones) a duplicar, en cada iteración, los decimales exactos. El método de Newton converg

do 𝑓(𝑥) se hace muy pequeña en el intervalo comprendido entre el punto de partida y la raíz, el punto dado por la iteración siguiente tiene
ón intermedia puede ser desechada sin que nos demos cuenta. Sin embargo, el método tiene la propiedad importante de que converge siem

El método de Newton converge si se cumplen las siguientes tres condiciones para la función 𝑓(𝑥):

o por la iteración siguiente tiene un valor muy grande, puesto que la tangente es casi paralela al eje de abscisas, y en estos casos el méto
mportante de que converge siempre a una solución y, por esta razón se usa frecuentemente para poner en marcha" a los métodos m

scisas, y en estos casos el método diverge. Debido a la rápida convergencia del método de Newton cuando converge, un algoritmo eficient
 en marcha" a los métodos más eficientes que se presentarán más adelante.

o converge, un algoritmo eficiente es comenzar con este método y continuar con otro más robusto, como bisección si se produce una diverge
ección si se produce una divergencia. Si se quisiera sustituir la función f no lineal por una recta que pasa por el punto (𝑥�, 𝑓(𝑥�)) de ecuaci
or el punto (𝑥�, 𝑓(𝑥�)) de ecuación:
Dejando 𝑦 = 0 y despejando 𝑥, se obtiene:
𝑓(𝑥�)
𝑥 = 𝑥� −
𝑓´(𝑥)

El método de Newton-Raphson implica el generar la sucesión {𝑥�} definida por:

𝑓(𝑥�)
𝑥 �+1 = 𝑥� −
𝑓´(𝑥 )

Suponiendo siempre que la derivada 𝑓’ no se anula en los puntos 𝑥�. Este método simplemente sustituye la función por la recta
En general, para el método de Newton tenemos: Sea ƒ(𝑐) = 0, donde ƒ es derivable en un intervalo abierto que contie
1. Se efectúa una estimación inicial x0 que es cercana a c. (Una gráfica es útil.)
2. Se determina una nueva aproximación:
𝑓(𝑥�)
𝑥 �+1 = 𝑥� −
𝑓´(𝑥)

3. Si |𝑥� − 𝑥�−1| está dentro de la precisión deseada, dejar que 𝑥�−1 sirva como la aproximación final. En otro
Ejemplo: Sea 𝑓(𝑥) = 𝑥3 + 4𝑥2 − 10 = 0 tiene una raíz en [1,2] donde 𝑥0 = 1.5
Solución: Sea 𝑓(𝑥) = 𝑥3 + 4𝑥2 − 10, entonces al aplicar el método de Newton-Raphson primero obtenemos su derivad
𝑓’(𝑥) = 3𝑥2 + 8𝑥

Aplicando la ecuación:
𝑓(𝑥�)
𝑥�+1 = 𝑥� −
𝑓′ (𝑥 )

A manera de ejemplo para calcular el valor de x 1 se tiene:

𝑓(𝑥0)
𝑥1 = 𝑥 0 −
𝑓′ (𝑥 )

De ahí que:
𝑓(1,5)
2.375
𝑥1 = 1,5 − 𝑓′ (1,5) = 1,5 − 18,75 = 1,373333333

𝑓(𝑥1) 𝑓(1,373333333)
𝑥2 = 𝑥1 − 𝑓′(𝑥 ) ⟹ 𝑥2 = 1,373333333 − 𝑓′ (1,373333333) = 1,373333333 −
0.13434548

16.6448

= 1,36526201
Continuamos las iteraciones en la tabla:
mente sustituye la función por la recta tangente a la curva en el punto de abscisa 𝑥�.
ble en un intervalo abierto que contiene a c. Entonces, para aproximar c, se siguen los siguientes pasos:

omo la aproximación final. En otro caso, volver al paso anterior y calcular una nueva aproximación. Cada aplicación sucesiva d

Raphson primero obtenemos su derivada:

. Cada aplicación sucesiva de este procedimiento recibe el nombre de iteración.
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 raíz es: 1,36523001
Nótese que si en caso hacemos x = a, y por tanto 𝑓(𝑥 ). 𝑓’’(𝑥 ) < 0, y trazamos entonces la tangente a la curva 𝑦 = 𝑓(𝑥) por el punto A(a; f(a)), tendremos que el punto x cae fuera del intervalo [a, b]; en otras palabr
0 0 0 1
rvalo [a, b]; en otras palabras, el procedimiento de Newton no es práctico para este valor inicial. Por tanto, en el caso dado, una buena aproximación inicial x es aquella para la cual resulta válida la desigualdad 𝑓(𝑥 ). 𝑓’’(𝑥 ) > 0.
0 0 0
ulta válida la desigualdad 𝑓(𝑥 ). 𝑓’’(𝑥 ) > 0.
0 0
La convergencia del método de Newton es local, es decir, como aproximación inicial de debe elegir un x 0 que este “suficientem
TEOREMA: Supongamos que 𝑓(�). 𝑓(�) < 0, 𝑓´´(𝑥) es continua y 𝑓´(𝑥). 𝑓 ´´(𝑥)  0, en [a, b]. Entonces, si
| 𝑓(�) | < � − � y | 𝑓(�) | < � − �
𝑓´(�) 𝑓´(�)

el método de Newton converge para cualquier 𝑥0 [�, �].

Ahora vamos a establecer un resultado que nos da una estimación muy general del error para el método de Newton:
TEOREMA: Si 𝑥� es una aproximación de un cero x* de f tal que ambos están en el mismo intervalo [�, �] y si 𝑓’(𝑥)| �1
|
𝑥�
− 𝑥∗| ≤
|𝑓(𝑥�)|

�1
TEOREMA: Sea 𝑓 ∈ �(−∞, +∞), 𝑓(�). 𝑓(�) < 0, 𝑓′(𝑥) ≠ 0 para � ≤ 𝑥 ≤ � y si 𝑓′′(𝑥) existe en cualquier punto y conserva el
𝑓(𝑥) = 0 que caiga en el intervalo (�, �). Se puede, por ejemplo, tomar 𝑥0 = � ó 𝑥0 = �.
 de Newton es local, es decir, como aproximación inicial de debe elegir un x 0 que este “suficientemente cercano a 𝑥*. Sin embargo hay teor
ue 𝑓(�). 𝑓(�) < 0, 𝑓´´(𝑥) es continua y 𝑓´(𝑥). 𝑓 ´´(𝑥)  0, en [a, b]. Entonces, si

rge para cualquier 𝑥0 [�, �].

n resultado que nos da una estimación muy general del error para el método de Newton:
proximación de un cero x* de f tal que ambos están en el mismo intervalo [�, �] y si 𝑓’(𝑥)| �1 > 0 en este intervalo, entonces

+∞), 𝑓(�). 𝑓(�) < 0, 𝑓′(𝑥) ≠ 0 para � ≤ 𝑥 ≤ � y si 𝑓′′(𝑥) existe en cualquier punto y conserva el signo, entonces puede tomarse cualqu
rvalo (�, �). Se puede, por ejemplo, tomar 𝑥0 = � ó 𝑥0 = �.
rcano a 𝑥*. Sin embargo hay teoremas que dan criterios para la convergencia global (para ciertos tipos de funciones). Por ejemplo, si en el in

este intervalo, entonces

entonces puede tomarse cualquier valor 𝑐 ∈ [�, �] como aproximación inicial 𝑥0 al utilizarse el método de Newton para hallar una raíz d
nciones). Por ejemplo, si en el intervalo 𝐼 = [�, �] 𝑓 tiene un único cero y si f´ y f´´ conservan el signo, entonces una buena aproximación i

de Newton para hallar una raíz de la ecuación

onces una buena aproximación inicial es cualquier 𝑥0[�, �] para el 𝑐𝑢�𝑙 𝑓(𝑥0) 𝑓’’(𝑥0) > 0.
ALGORITMO DE NEWTON-RAPHSON.
3.3.1. RAICES MÚLTIPLES
El método de Newton es muy conveniente cuando la gráfica de la función tiene una gran pendiente en la vecindad de la raíz dad
ad de la raíz dada, pero si el valor numérico de la derivada f′(x) es pequeño cerca de ella, las correcciones serían entonces mayores, y calc
serían entonces mayores, y calcular la raíz mediante este procedimiento puede ser un proceso largo o a veces incluso imposible. En otras p
ces incluso imposible. En otras palabras: no utilice el método de Newton para resolver una ecuación f(x) = 0 si la curva y = f(x) es casi hor
0 si la curva y = f(x) es casi horizontal cerca del punto de intersección con el eje x. En algunas ocasiones, el método de Newton-Raphson n
el método de Newton-Raphson no converge sino que oscila. Esto puede ocurrir si no hay raíz real; si la raíz es un punto de inflexión, o si el
es un punto de inflexión, o si el
valor inicial está muy alejado de la raíz buscada y alguna otra parte de la función "atrapa" la iteración.
Las raíces múltiples corresponden a un punto donde una función es tangente al eje x. Si consideramos la función:
𝑓(𝑥) = (𝑥 − 1)(𝑥 – 1)(𝑥 − 2)
La función tiene una raíz doble en x = 1. Desde el punto de vista gráfico significa que la curva toca en forma tangenc
Si tenemos el caso de una raíz triple, como es el caso de la función:
𝑓(𝑥) = (𝑥 − 1)(𝑥 – 1) (𝑥 – 1) (𝑥 − 3)
La función tiene una raíz triple en x = 1. Desde el punto de vista gráfico significa que la curva toca en forma tangenci
Las raíces múltiples ofrecen dificultades a muchos de los métodos numéricos para calcular sus raíces. El hecho de que la funció
𝑓(𝑥)
𝑢(𝑥) = 𝑓´(𝑥)

Se puede demostrar que esta función tiene las mismas raíces que la función original. En este sentido la ecuación:
𝑓(𝑥�)
𝑥�+1 = 𝑥� − 𝑓′(𝑥 )

Se puede modificar de la siguiente manera:

𝑢(𝑥�)
De ahí que
𝑥�+1 = 𝑥� − 𝑢′(𝑥 )

𝑢′(𝑥�) =
𝑓′(𝑥�)𝑓′(𝑥�) − 𝑓(𝑥�)𝑓′′(𝑥�)
[𝑓′(𝑥�)]2
Con lo que la ecuación modificada de Newton-Rahpson se puede escribir así:
𝑓(𝑥�)𝑓′(𝑥�)
𝑥�+1 = 𝑥� − [𝑓′(𝑥

)]2 − 𝑓(𝑥�
)𝑓′′(𝑥�)
Esta fórmula recursiva requiere no solo f’ sino también f’’ por lo que el costo computacional aumenta. Hay que tener en cuent

Ejemplo: Considere la ecuación f(x) = e – x -1 tiene una multiplicidad de raíz par en x = 0 Solución: Apliquemos el método de
x

1. 𝑥�+1
= 𝑥�
−
𝑓(𝑥�)

𝑓′(𝑥�)
mos la función:

urva toca en forma tangencial al eje 𝑥 en la raíz doble (multiplicidad par).

curva toca en forma tangencial al eje x en la raíz triple, pero en este caso cruza al eje (multiplicidad impar)
es. El hecho de que la función no cambie de signo o que f’(x) se aproxime a cero en la raíz ocasiona trastornos a los métodos expuestos ant

ido la ecuación:

enta. Hay que tener en cuenta además que aunque teóricamente la convergencia es cuadrática, para cierto tipo de funciones, por ejemplo po

n: Apliquemos el método de Newton para cada una de las ecuaciones y tratar de obtener una raíz:
 a los métodos expuestos anteriormente. Una forma sencilla de resolver problemas con raíces múltiples en el método de Newton consiste en

de funciones, por ejemplo polinomios con raíces múltiples, hay una barrera que no permite acercarse a la raíz con la precisión esperada.
el método de Newton consiste en definir una función u de la siguiente forma:

íz con la precisión esperada.

2. 𝑥�+1
= 𝑥�
−
𝑓(𝑥�)𝑓′(𝑥�)

[𝑓′(𝑥�)]2−𝑓(𝑥�)𝑓′′(𝑥�)

Al hallar las iteraciones para cada uno de los casos podemos observar lo siguiente:
Método de Newton-Raphson Método de Newton-Raphson Modificado
La raíz es: 4,3399 x 10 -5
La raíz es: -4,2186 x 10-11

3.4. ITERACIÓN DE PUNTO FIJO

Un método para determinar la solución de una ecuación que se expresa, para alguna función �, de la forma:
�(𝑥) = 𝑥
A una solución de esta ecuación se le llama un punto fijo de la función g.
Entonces un punto fijo 𝑥 de una función � es aquel que origina que �(𝑥) = 𝑥.
Ejemplo: Sea �(𝑥) = 𝑥2 − 2 busquemos puntos fijos para �:
Si: 𝑥 = −1 𝑒�𝑡𝑜�𝑐𝑒𝑠 �(−1) = (−1)2 – 2 = −1
Si: 𝑥 = 2 𝑒�𝑡𝑜�𝑐𝑒𝑠 �(2) = (2)2 – 2 = 2
Otra forma de hallarlo es con la ayuda del álgebra:
�(𝑥) = 𝑥
𝑥2 − 2 = 𝑥
𝑥2 − 𝑥 − 2 = 0 (𝑥 – 2)(𝑥 + 1) = 0
𝑥 = 2 ó 𝑥 = −1
El método del punto fijo es fácil de usar y se aplica a una amplia variedad de problemas. Geométricamente significa:
Ejemplo: Si se calcula geométricamente �(𝑥) = 𝑙� 𝑥 + 𝑥, un punto fijo es 𝑥 = 1 pues
ln(1) + 1 = 1.
unción �, de la forma:

− 2 = 0 (𝑥 – 2)(𝑥 + 1) = 0

de problemas. Geométricamente significa: los puntos fijos de una función � son los puntos de intersección de la curva 𝑦 = �(𝑥) con la rect
curva 𝑦 = �(𝑥) con la recta 𝑦 = 𝑥.
Solución: Geométricamente, un punto fijo corresponde al valor de la abscisa donde la gráfica de 𝑦 = �(𝑥) interseca a la recta 𝑦

Los problemas de búsqueda de raíces y los de punto fijo son clases equivalentes en el siguiente sentido:
Si para cualquier función � dada se puede encontrar un punto fijo, entonces cada problema de búsqueda de las raíces de 𝑓(𝑥) =
El siguiente teorema establece condiciones para la existencia y unicidad de un punto fijo.
TEOREMA DE PUNTO FIJO: Si �(𝑥) es una función continua en [�, �] y �(𝑥)[�, �] para todo 𝑥[�, �], entonces g(x) tien

b]. Si además, �’(𝑥) existe para todo 𝑥(�, �) y |�’(𝑥)| ≤ 𝐾 < 1 para todo 𝑥(�, �), 𝐾 constante, entonces g(x) tiene un único
𝑥� = �(𝑥�+1); � = 1,2,3, …
converge a � (lim 𝑥� = �) cualquiera sea x0[a, b]
𝑥→0
El teorema anterior no sólo nos dice que bajo sus condiciones existe un punto fijo único, además nos dice cómo podemos encon
Las siguientes gráficas muestran algunas formas de convergencia o divergencia de la sucesión
{xn}n, donde 𝑥� = �(𝑥�+1); � = 1,2,3, …

Ejemplo: Sea 𝑥3 − 𝑥 − 1 = 0 tiene una raíz en [1,2], Utilicemos iteración de punto fijo para hallar una aproximación de su r
Solución: Para empezar, debemos poner el problema como un problema de punto fijo. Para hacer esto debemos despejar “x”. H

a. 𝑥 = 1 + 𝑥3 b. 𝑥 = 3√1 + 𝑥 c. 𝑥 = 1+𝑥
2
𝑥

Ahora evaluemos si el �(𝑥) =

√1 + 𝑥 buscado tiene un punto fijo en [1,2]:
3
� es continua y �(𝑥)[−1,0] para todo 𝑥  [−1,0]. Existe un punto fijo en el intervalo.Como
�′(𝑥)existe en [1,2] y |�′(𝑥)| = |− 1

(1−𝑥)2/3

| < 1 para toda 𝑥[1,2], entonces el punto fijo es

ca de 𝑦 = �(𝑥) interseca a la recta 𝑦 = 𝑥.

nte sentido:
de búsqueda de las raíces de 𝑓(𝑥) = 0 tiene soluciones que corresponden precisamente a los puntos fijos de �(𝑥) = 𝑥 con �(𝑥) = 𝑥 −

ra todo 𝑥[�, �], entonces g(x) tiene por lo menos un punto fijo en [a,

stante, entonces g(x) tiene un único punto fijo �[�, �] y la sucesión {𝑥�}� definida mediante la fórmula de iteración:

emás nos dice cómo podemos encontrarlo, usando la sucesión generada a partir de la función g con una condición inicial arbitraria.

ara hallar una aproximación de su raíz.

hacer esto debemos despejar “x”. Hay varias posibilidades.
�(𝑥) = 𝑥 con �(𝑥) = 𝑥 − 𝑓(𝑥). La primera tarea entonces es decidir cuándo una función tendría un punto fijo y cómo se pueden de

ón inicial arbitraria.
punto fijo y cómo se pueden determinar (es decir, aproximar con suficiente grado de precisión) dichos puntos fijos.
único y la iteración de punto fijo converge para cualquier 𝑥𝑜[1,2]. Recuerde que: 𝑥�+1 = �(𝑥�),
si 𝑥0 = 0,5 entonces:
𝑥 = �(𝑥 ) = 3√1 + 𝑥
1 0 0

𝑥 = �(𝑥 ) = 3√1 + 0,5 = 1,35720881

𝑥 = �(𝑥 ) = 3√1 + 𝑥 = √1 + 1,35720881 = 1,33086096
3

Y siguiendo las iteraciones en la tabla nos queda:

[1,2]. Recuerde que: 𝑥�+1 = �(𝑥�),
� 𝒙� 𝒇(𝒙�) 𝑬𝒂(%)
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 raíz es: 1,32471796
Ejemplo: Sea �(𝑥) = 3−𝑥. Puesto que �’(𝑥) = −3−𝑥 𝑙� 3 < 0 en [0, 1], la función es decreciente en ese intervalo. Po
Para aproximar el punto fijo de una función �, escogemos una aproximación inicial 𝑥0y generamos la sucesión {𝑥�}∞
𝑥 = lim 𝑥� = lim �(𝑥�−1) = � (lim 𝑥�−1) = �(𝑥)
�⇢∞
�⇢∞
�⇢∞
y se obtiene una solución de 𝑥 = �(𝑥). Esta técnica se llama técnica iterativa de punto fijo ó iteración funcional. El procedimie
3−𝑥. Puesto que �’(𝑥) = −3−𝑥 𝑙� 3 < 0 en [0, 1], la función es decreciente en ese intervalo. Por lo tanto �(1) = (1/3) � (𝑥)  1
o fijo de una función �, escogemos una aproximación inicial 𝑥0y generamos la sucesión {𝑥�}∞ tomando 𝑥� = �(𝑥�−1) para cada � >
𝑥 = lim 𝑥� = lim �(𝑥�−1) = � (lim 𝑥�−1) = �(𝑥)

n de 𝑥 = �(𝑥). Esta técnica se llama técnica iterativa de punto fijo ó iteración funcional. El procedimiento está detallado en el algoritmo co
o �(1) = (1/3) � (𝑥)  1 = � (0) para todo 𝑥 ∈ [0, 1], por lo cual g posee un punto fijo. No podemos garantizar la unicidad del punto fi
o 𝑥� = �(𝑥�−1) para cada � > 1. Si la sucesión converge a 𝑥 y � es continua, entonces:

detallado en el algoritmo conocido como algoritmo de punto fijo.

arantizar la unicidad del punto fijo usando el Teorema de punto fijo sin embargo como g es estrictamente decreciente dicho punto fijo debe
ecreciente dicho punto fijo debe ser único.
ALGORITMO DE PUNTO FIJO.
El método del punto fijo converge para cualquier valor inicial 𝑥0 en [a, b]. Por esta razón es autocorrector, esto es, un error in
to es, un error individual en los cálculos que no vaya por encima de los límites
del intervalo [a, b] no afectaría el resultado final, ya que un valor erróneo puede ser considerado como un nuevo valor inicial
TEOREMA: Si � satisface la hipótesis del teorema de iteración de punto fijo, las cotas del error que supone utilizar x n para apr
�
�

𝑥� − �| ≤ 1 − � |𝑥1 − 𝑥0|
|

donde k es la constante de Lipschitz de la contracción.

3.5. MÉTODO DE LA REGULA FALSI:
El método de bisección no tiene en cuenta el comportamiento de la función 𝑓(𝑥) a la hora de calcular el punto 𝑥�. El métod

punto de corte con el eje de abscisas de la recta que pasa por los puntos
(𝑥0, 𝑓(𝑥0)) 𝑦 (𝑥1, 𝑓(𝑥1)).
La intersección de esta recta, que es la secante a la curva que pasa por estos dos puntos, representa una mejor aproximación a la
Si usamos triángulos semejantes (también podemos hallar la fórmula de la posición falsa hallando la pendiente de la recta), se p
𝑥1 − 𝑥� 𝑥� − 𝑥0
𝑓(𝑥 ) = −𝑓(𝑥 )

Al despejar 𝑥� nos quedaría:

1 0
𝑓(𝑥0)(𝑥1 − 𝑥0)
𝑥� = 𝑥 0 −
𝑓(𝑥 ) − 𝑓(𝑥 )

1 0

Esta es la fórmula de la Posición Falsa.

Tenga presente que el valor de 𝑥� reemplazará a cualquiera de los dos valores iniciales 𝑥0 y 𝑥1. El método de la Régula Falsi ex
1. 𝑓(𝑥0). 𝑓(𝑥�) < 0 En este caso, tenemos que 𝑓(𝑥0) 𝑦 𝑓(𝑥�) tienen signos opuestos, y por lo tanto la raíz se encuentra en
2. 𝑓(𝑥0). 𝑓(𝑥�) > 0. En este caso, tenemos que 𝑓(𝑥0) y 𝑓(𝑥�) tienen el mismo signo y por lo tanto, la raíz se encuentra en
3. 𝑓(𝑥0). 𝑓(𝑥�) = 0. En este caso se tiene que 𝑓(𝑥�) = 0 y por lo tanto ya localizamos la raíz.
El proceso se repite iterativamente hasta alcanzar convergencia. El método de la Régula Falsi converge usualmente mucho más
Ejemplo: Supongamos que tenemos la función 𝑓(𝑥) = 𝑒−𝑥 – 𝑙�(𝑥), tiene una raíz en [1, 2],
tengamos presente lo siguiente:
Primero elegimos las aproximaciones iniciales 𝑥0 y 𝑥1 con 𝑓(𝑥0). 𝑓(𝑥1) < 0.
𝑓(𝑥0) = 𝑓(1) = 0,3678794
𝑓(𝑥1) = 𝑓(2) = −0,557811
or erróneo puede ser considerado como un nuevo valor inicial 𝑥0. Unicamente se habría trabajado más. La propiedad de autocorrec
n de punto fijo, las cotas del error que supone utilizar x n para aproximar a p está dado por:

de la función 𝑓(𝑥) a la hora de calcular el punto 𝑥�. El método de la régula falsi determina xr como el

asa por estos dos puntos, representa una mejor aproximación a la raíz. En este sentido, que se reemplace la curva por una línea recta d
rmula de la posición falsa hallando la pendiente de la recta), se puede estimar la intersección de la línea recta así:

los dos valores iniciales 𝑥0 y 𝑥1. El método de la Régula Falsi exige mantener que la función tome valores opuestos a lo largo del proceso it
(𝑥�) tienen signos opuestos, y por lo tanto la raíz se encuentra en el intervalo [𝑥0, 𝑥�].
(𝑥�) tienen el mismo signo y por lo tanto, la raíz se encuentra en el intervalo[𝑥�, 𝑥1].
y por lo tanto ya localizamos la raíz.
a. El método de la Régula Falsi converge usualmente mucho más rápido que el método de bisección.
– 𝑙�(𝑥), tiene una raíz en [1, 2],

𝑥0). 𝑓(𝑥1) < 0.

. La propiedad de autocorrección hace que el método de iteración del punto fijo sea uno de los más fiables. Naturalmente, los er

curva por una línea recta da lo que se llama una Posición Falsa de la raíz (del latín regula falsi) de ahí su nombre o también conoci

puestos a lo largo del proceso iterativo, es decir, 𝑓(𝑥0). 𝑓(𝑥1) < 0. Evaluar 𝑓(𝑥�) Forzosamente debemos caer en uno de los siguientes casos:
más fiables. Naturalmente, los errores sistemáticos al aplicar este método pueden hacer que no se obtenga el resultado requerido.

ahí su nombre o también conocido como método de interpolación lineal.

r en uno de los siguientes casos:

l resultado requerido.
De ahí que:

𝑓(𝑥0). 𝑓(𝑥1) < 0

La aproximación 𝑥� se halla de la siguiente manera:
𝑓(𝑥0)(𝑥1 − 𝑥0)
(
0,3678794)(2 − 1)
𝑥� = 𝑥 0 −
𝑓(𝑥 ) − 𝑓(𝑥 ) = 1−
0,3678794 − (−0,557811) = 1,39741048

1 0

Verificamos:
𝑓(𝑥�) = 𝑓(1,39741048) = −0,08738451
En este caso, tenemos que 𝑓(𝑥1) 𝑦 𝑓(𝑥�) tienen el mismo signo, de aquí que 𝑓(𝑥0) y 𝑓(𝑥�)
tienen signos opuestos. Por lo tanto, la raíz se encuentra en el intervalo (𝑥0, 𝑥�) Después intercambiamos los índices d
 𝑥0) y 𝑓(𝑥�)
(
𝑥0, 𝑥�) Después intercambiamos los índices de 𝑥0 y 𝑥1 una vez encontrado 𝑥�, y procedemos de igual manera a realizar la próxima iteraci
anera a realizar la próxima iteración. La tabla sería la siguiente:
� 𝒙� 𝒇(𝒙�) 𝒙
�+� 𝒇(𝒙�+�) 𝒙� 𝒇(𝒙�) 𝑬𝒂(%)
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 raíz es: 1,3097996.
Se puede demostrar que si bien el método es lento, también es seguro, es decir, si se cumple todos los supuestos que el método
Otra desventaja es que durante la bisección necesita de un número determinado de iteraciones la regla falsa requiere casi el dob
3.6. MÉTODO DE LA SECANTE
El método de la Secante tiene base en el método de Newton-Raphson:
𝑓(𝑥�)
𝑥�+1 = 𝑥� −
𝑓′ (𝑥 )

Con este método se busca simplificar la ecuación anterior, debido a que habrá ocasiones donde calcular la derivada de la funció
𝑓(𝑥1) − 𝑓(𝑥0)
𝑥1 − 𝑥0
La aproximación x2 será la intersección de la recta que une (𝑥0, 𝑓(𝑥0)) y (𝑥1, 𝑓(𝑥1)) con el eje x. Ahora tenemos la recta de pend
𝑓(𝑥2) − 𝑓(𝑥1)
𝑥2 − 𝑥1
ir, si se cumple todos los supuestos que el método exige, la convergencia está asegurada. Salvo raros casos, este método converge más rápid
do de iteraciones la regla falsa requiere casi el doble. El método de la regla falsa solo se puede aplicar para funciones que cambien de signo

á ocasiones donde calcular la derivada de la función se complica. El método comienza con dos aproximaciones iniciales 𝑥0 y 𝑥1, para pode

𝑓(𝑥1)) con el eje x. Ahora tenemos la recta de pendiente:

método converge más rápido que el de bisección. Análogamente, al método de bisección, este método también presenta convergencia lin
ones que cambien de signo dentro del intervalo dado, pues de lo contrario el método no converge la raíz.

iniciales 𝑥0 y 𝑥1, para poder inducir una pendiente inicial:

mbién presenta convergencia lineal, es decir, su orden de convergencia es 1, pero la gran desventaja radica en la exigencia de cambi
radica en la exigencia de cambio de signos y como todos sabemos no toda función cambia de signo.
La aproximación x3 será la intersección de la recta que une (𝑥1, 𝑓(𝑥1)) y (𝑥2, 𝑓(𝑥2)) con el eje 𝑥. Es por esto que este método
𝑓(𝑥�) − 𝑓(𝑥�−1)
𝑓´(𝑥�) ≈
𝑥�
−𝑥
�−1

Remplazando la ecuación anterior en la fórmula de Newton se obtiene la fórmula para el método de la secante:
𝑓(𝑥�)(𝑥� − 𝑥�−1)
𝑥�+1 = 𝑥� −
𝑓(𝑥 ) − 𝑓(𝑥

�−1)

De la ecuación se puede notar como son necesarios dos valores iniciales de 𝑥, lo cual puede confundir para calificarlo como
La diferencia entre una y otra es que mientras el método de la regla falsa trabaja sobre intervalos cerrados, el método de la s
Ejemplo: Supongamos que tenemos la función 𝑓(𝑥) = 𝑒−𝑥 – 𝑥, tiene una raíz en [0, 1],
Solución: Tengamos presente lo siguiente: Primero elegimos las aproximaciones iniciales
𝑥0 y 𝑥1:

𝑓(𝑥0) = 𝑓(0) = 1
𝑓(𝑥1) = 𝑓(1) = −0,63212
La aproximación 𝑥3 se halla de la siguiente manera:
𝑓(𝑥1)(𝑥1 − 𝑥0)
𝑥2 = 𝑥 1 −
𝑓(𝑥 ) − 𝑓(𝑥 ) = 1 −

−0,63212)(1 − 0)
(

(
−0,63212) − 1 = 0,61270

1 0

La segunda iteración es:

𝑓(𝑥1) = 𝑓(1) = −0,63212
𝑓(𝑥2) = 𝑓(0,61270) = −0,07081395
𝑓(𝑥2)(𝑥2 − 𝑥0)
𝑥3 = 𝑥2 − 𝑓(𝑥 ) − 𝑓(𝑥 ) = 0,61270 −

−0,07081395)(0,61270 − 1)
(

−0,07081395 − (−0,63212) = 0,56383839

2 1

En la siguiente tabla se continúa con las iteraciones:

(𝑥2)) con el eje 𝑥. Es por esto que este método recurre a aproximar la derivada mediante una diferencia finita dividida hacia atrás,

ula para el método de la secante:

𝑥, lo cual puede confundir para calificarlo como método abierto. Sin embargo, este método no necesita de cambio de signo en la función e
ja sobre intervalos cerrados, el método de la secante es un proceso iterativo y por lo mismo, encuentra la aproximación casi con

aciones iniciales
cia finita dividida hacia atrás, como se ve en la ecuación:

ambio de signo en la función entre los valores dados, por lo que no se puede calificar como un método cerrado. Es preciso tener en cuen
tra la aproximación casi con la misma rapidez que el método de Newton-Raphson. Claro, corre el mismo riesgo de éste último de n
ado. Es preciso tener en cuenta que para poder calcular el valor de 𝑥� + 1, necesitamos conocer los dos valores anteriores 𝑥 � y 𝑥1. A
mismo riesgo de éste último de no converger a la raíz, mientras que el método de la posición falsa va a la segura.
dos valores anteriores 𝑥 � y 𝑥1. Además se aprecia el gran parecido con la fórmula del método de la regla falsa.
� 𝒙
�−� 𝒇(𝒙�−�) 𝒙� 𝒇(𝒙�) 𝒙
�+� 𝒇(𝒙�+�) 𝑬𝒂(%)
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 raíz es: 0,56714329
3.7. MÉTODO DE HORNER (DIVISIÓN SINTÉTICA)
El proceso de división de un polinomio por un factor 𝑥 − 𝑥0 es importante por dos razones. Esto forma un componente del esqu
ponente del esquema para encontrar las raíces de un polinomio y también
habilita el teorema de residuo del álgebra 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 tie
El teorema del residuo se desarrolla escribiendo un polinomio de grado n de la forma:
�(𝑥) = (𝑥 − 𝑥0)𝑄(𝑥) + �0
La división dará un cociente de grado � − 1 y un residuo �0 que es una constante. Si se emplea
𝑥 = 𝑥0, entonces �(𝑥0) = �0, de manera que el residuo dará el valor del polinomio en 𝑥 = 𝑥0
.
Veamos una forma abreviada de realizar una división sintética.
Ejemplo:

TEOREMA (Método de Horner): Sea �(𝑥) = ��𝑥� + ��−1𝑥�−1 + · · · + �1𝑥 + �0, Si �� = �� y si �� = �� + ��−1𝑥0 para � = � –
Además si 𝑄(𝑥) = ��𝑥�−1 + ��−1𝑥�−2 + · · · + �2𝑥 + �1, entonces
�(𝑥) = (𝑥 − 𝑥0)𝑄(𝑥) + �0
Una ventaja adicional al usar el procedimiento de Horner es que, como �(𝑥) = (𝑥 − 𝑥0)𝑄(𝑥) +
�0, donde
�(𝑥) = ��𝑥� + ��−1𝑥�−1 + · · · + �1𝑥 + �0
𝑄(𝑥) = ��𝑥�−1 + ��−1𝑥�−2 + · · · + �2𝑥 + �1
Diferenciando con respecto a 𝑥 tenemos: �’(𝑥) = 𝑄(𝑥) + (𝑥 − 𝑥0)𝑄’(𝑥), resulta entonces si
𝑥 = 𝑥0, tenemos que:
�’(𝑥0) = 𝑄(𝑥0)
Así, cuando se use el método de Newton-Raphson para encontrar un cero aproximado de un polinomio P, ambos P y P´ p
�(𝑥0) y �′(𝑥0) usando el método de Horner. El algoritmo de Horner se puede utilizar en la deflaxión de un polinomio.
� — 1 raíces de un polinomio Q de grado 1 menos que el grado de p tal que:
�(𝑥) = (𝑥 − � )𝑄(𝑥) + �(� )
donde
𝑄(𝑥) = �0 + �1𝑥 + �2𝑥2 + · · · + ��−1𝑥�−1
Para usar el procedimiento de Newton-Raphson en localizar aproximadamente los ceros de un polinomio P, es necesario eval
Ejemplo: Hallemos una de las raíces al polinomio �(𝑥) = 2𝑥4 − 3𝑥2 + 3𝑥 − 4, con x0 = -2 como aproximación inicial, entonces:
 cuando se calcula utilizando computadora.
n polinomio de grado n ≥ 1, entonces P(x) = 0 tiene al menos una raíz (posiblemente compleja).

nte. Si se emplea
nomio en 𝑥 = 𝑥0

, Si �� = �� y si �� = �� + ��−1𝑥0 para � = � – 1, � − 2, … , 1, 0 , entonces �0 = �(𝑥0)

= (𝑥 − 𝑥0)𝑄(𝑥) +

esulta entonces si

o aproximado de un polinomio P, ambos P y P´ pueden ser evaluados de esta manera. El algoritmo siguiente calcula
puede utilizar en la deflaxión de un polinomio. Éste es el proceso de eliminar un factor lineal de un polinomio. Si r es una raíz del polinom

e los ceros de un polinomio P, es necesario evaluar a P y a su derivada en valores específicos. Como P y sus derivadas son polinomi
on x0 = -2 como aproximación inicial, entonces:
mio. Si r es una raíz del polinomio p, entonces 𝑥 – � es un factor de p. Las raíces restantes de p son las

y sus derivadas son polinomios, la eficiencia computacional requerirá que la evaluación de estas funciones sea hecha de manera ani
ciones sea hecha de manera anidada. El método de Horner incorpora esta técnica y como consecuencia requiere solamente de n multipli
requiere solamente de n multiplicaciones y n sumas para evaluar un polinomio de enésimo grado arbitrario.
donde
𝑄(𝑥) = 2𝑥3 − 4𝑥2 + 5𝑥 − 7 𝑦 �´(−2) = 𝑄(−2)
de ahí que �’(−2) puede hallarse al evaluar 𝑄(−2), así:

y al utilizar Newton-Raphson tenemos:

�(𝑥0) 10
𝑥1 = 𝑥0 − �′(𝑥 ) = 2 − −49 = −1,796

Se repite el procedimiento para hallar x 2:

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

�(𝑥1)
1.742
𝑥2 = 𝑥1 − �′(𝑥 ) = −1,769 − −32,565 = −1,7425

Nótese que el polinomio denotado por Q(x) depende de la aproximación usada y cambia de iteración a iteración.
3.8. EL METODO DE INTERPOLACION DE MÜLLER
El método de Müller fué presentado por primera vez por D.E. Müller en 1956. Esta técnica puede ser usada en cualquier prob
El método de Müller es una generalización del método de la secante. El método de la secante modificado empieza con dos a

𝑥1 y 𝑥2 y determina la siguiente aproximación 𝑥3 considerando la intersección del eje x con la parábola que pasa por
El método de Müller lo utilizamos para encontrar las raíces de ecuaciones de la forma general:
P ( x)  a
n 0

axa1 2

x  .......  a x
2 n

Donde � es el orden del polinomio y las � son coeficientes constantes. Tenga en cuenta que los polinomios cumplen con las sig
1. Para la ecuación de orden n, hay n raíces reales o complejas. (Las raíces no son necesariamente distintas).
2. Si n es impar, hay al menos una raíz real.
3. Si hay raíces complejas, hay entonces un par conjugado.
El método consiste en obtener los coeficientes de los tres puntos, sustituirlos en la fórmula cuadrática y obtener el pun
La aproximación es fácil de escribir, en forma conveniente esta sería:
�(𝑥) = �(𝑥 − 𝑥2)2 + �(𝑥 − 𝑥2) + 𝑐
usada y cambia de iteración a iteración.

Esta técnica puede ser usada en cualquier problema de búsqueda de raíces, pero es particularmente útil para aproximar raíces de pol
de la secante modificado empieza con dos aproximaciones iniciales 𝑥0 y 𝑥1 y determina la siguiente aproximación 𝑥2 como la

ción del eje x con la parábola que pasa por (𝑥0 , 𝑓(𝑥0 )), (𝑥1, 𝑓(𝑥1)) 𝑦 (𝑥2 , 𝑓(𝑥2)).
s de la forma general:

cuenta que los polinomios cumplen con las siguientes reglas:

(Las raíces no son necesariamente distintas).

rlos en la fórmula cuadrática y obtener el punto donde la parábola intercepta el eje x.

ara aproximar raíces de polinomios.
proximación 𝑥2 como la intersección del eje 𝑥 con la recta que pasa por (𝑥0 , 𝑓(𝑥0)) y (𝑥1, 𝑓(𝑥1)). El método de Müller usa tres apr
El método de Müller usa tres aproximaciones iniciales 𝑥0,
Así, se busca esta parábola para interceptar los tres puntos [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Los coeficientes de la ecuación ante
�(𝑥0) = 𝑓(𝑥0) = �(𝑥0 − 𝑥1)2 + �(𝑥0 − 𝑥2) + 𝑐
�(𝑥1) = 𝑓(𝑥1) = �(𝑥1 − 𝑥2)2 + �(𝑥1 − 𝑥2) + 𝑐
�(𝑥2) = 𝑓(𝑥2) = �(𝑥2 − 𝑥2)2 + �(𝑥2 − 𝑥2) + 𝑐
La última ecuación genera que: 𝑓(𝑥2) = �
De esta forma tendríamos que:
(
𝑥1 − 𝑥2)[𝑓(𝑥0) − 𝑓(𝑥2)] − (𝑥0 − 𝑥2)[𝑓(𝑥1) − 𝑓(𝑥2)]
�=
(
𝑥
− 𝑥 )(𝑥 − 𝑥 )(𝑥 − 𝑥 )

0 2 1 2 0 1
�=
(
𝑥0 − 𝑥2)2[𝑓(𝑥1) − 𝑓(𝑥2)] − (𝑥1 − 𝑥2)2[𝑓(𝑥0) − 𝑓(𝑥2)]
(
𝑥 − 𝑥 )(𝑥 − 𝑥 )(𝑥 − 𝑥 )

𝑐 = 𝑓(𝑥2)
0 2 1
2 0 1

Para determinar x3, la raíz de P, aplicamos la formula cuadrática a P.

−� ± √�2 − 4�𝑐
𝑥=
2�
Debido a problemas del error de redondeo causados por la sustracción de números casi iguales, se aplica la formulase:
O bien:
−2𝑐
𝑥3 − 𝑥2 =
� ± √�2 − 4�𝑐
−2𝑐
𝑥3 = 𝑥2 +
� ± √�2 − 4�𝑐
En el método de Müller, el signo se elige para que coincida con el de b. Escogido de esta manera, el denominador sería el más g
−2𝑐
𝑥3 = 𝑥2 +
� + (𝑠���𝑜 𝑑𝑒 �)√�2 − 4�𝑐
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 siguient
El método de Müller puede tomar como valores de comienzo números complejos, en cuyo caso sirve para obtener raíces compl
Ejemplo: En 1225 Leonardo de Pisa estudió la ecuación 𝑓(𝑥) = 𝑥3 + 2𝑥 2 + 10 𝑥 − 20 y encontró 𝑥  1,368808107.
Solución: Consideremos inicialmente tres puntos:
𝑥𝑜 = 1,5  𝑓(𝑥𝑜) = 2,875
𝑥1 = 1,8  𝑓(𝑥1) = 10,312
𝑥2 = 2  𝑓(𝑥2) = 16
Donde:
(
𝑥1 − 𝑥2)[𝑓(𝑥0) − 𝑓(𝑥2)] − (𝑥0 − 𝑥2)[𝑓(𝑥1) − 𝑓(𝑥2)]
�=
(
𝑥
− 𝑥 )(𝑥 − 𝑥 )(𝑥 − 𝑥 )

0 2 1 2 0 1
�=
(
𝑥0 − 𝑥2)2[𝑓(𝑥1) − 𝑓(𝑥2)] − (𝑥1 − 𝑥2)2[𝑓(𝑥0) − 𝑓(𝑥2)]
𝑥 − 𝑥 )(𝑥 − 𝑥 )(𝑥 − 𝑥
( )

0 2 1
𝑐 = 𝑓(𝑥2)
2 0 1
 y [x2, f(x2)]. Los coeficientes de la ecuación anterior se evalúan al sustituir uno de esos tres puntos para dar:

𝑥1) − 𝑓(𝑥2)]

eros casi iguales, se aplica la formulase:

ido de esta manera, el denominador sería el más grande en magnitud y resultará en seleccionar a x3 como la raíz de P más cercana a x2. De

𝑜 𝑑𝑒 �)√�2 − 4�𝑐
en lugar de x0, x1 y x2 para determinar la siguiente aproximación x4. El método continúa hasta que se obtiene una conclusión satisfactoria.
jos, en cuyo caso sirve para obtener raíces complejas.
2
+ 10 𝑥 − 20 y encontró 𝑥  1,368808107. Nadie sabe que método usó Leonardo. Usar el método de Müller para reencontrar este resu
mo la raíz de P más cercana a x2. De modo que:

btiene una conclusión satisfactoria. De hecho, la importancia del método de Müller reside en que esta técnica generalmente conv

de Müller para reencontrar este resultado.

nica generalmente convergerá a la raíz del polinomio para cualquier elección de las aproximaciones iniciales.
Se tiene entonces:
Remplazando en la ecuación tenemos:
−2𝑐
� = 7,3
� = 7,3
𝑐 = 16
−2(16)
𝑥 =𝑥 + = 1,8 + = 1,36708085
3 2
� ± √�2 − 4�𝑐 7,3 + √(7,3)2 − 4(7,3)(16)

Ahora tenemos que:

𝑥𝑜 = 1,8
𝑥1 = 2
𝑥2 = 1,36708085
Al ser un método de aproximación, este se realiza de forma secuencial e iterativamente, donde
𝑥1, 𝑥2, 𝑥3 reemplazan los puntos 𝑥0, 𝑥1, 𝑥2 llevando el error a un valor cercano a cero. Una vez que 𝑥3 es determinada, el proceso
mente, donde
ro. Una vez que 𝑥3 es determinada, el proceso se repite. Las iteraciones las observamos en la siguiente tabla:
 x0 x1 x3 f(x0) f(x1) f(x2) x3

1.5 1.8 2 2.875 10.312 16 1.36708085

1.8 2 1.36708085 10.312 16 -0.03642022 1.36883068
2 1.36708085 1.36883068 16 -0.03642022 0.0004762 1.36880811
1.36708085 1.36883068 1.36880811 -0.03642022 0.0004762 2.46E-08 1.36880811
 f(x3) E
a(%)

-0.03642022
0.0004762 0.13%
2.46E-08 0.00%
0 0.00%
3.9. EJERCICIOS DE APLICACIÓN
Ejemplo: La siguiente ecuación muestra la descarga de aguas residuales relacionada con el nivel de oxigeno:
𝑐 = 10 − 20(𝑒 −0,2𝑥 − 𝑒 −0,75𝑥 )
donde 𝑥 es la distancia agua abajo en km. Determine la distancia agua abajo donde el nivel de oxígeno se encuentra a una lectu
Solución: Primero realizamos la gráfica de la función que relaciona el nivel de oxigeno cuando su valor es 5:
5 = 10 − 20(𝑒 −0,2𝑥 − 𝑒 −0,75𝑥 )
Nos queda entonces la ecuación:

𝑓(𝑥) = 5 − 20(𝑒 −0,2𝑥 − 𝑒 −0,75𝑥 ) = 0

Observamos que la función tiene dos raíces, pero solo nos interesa el comportamiento del nivel de oxigeno los primeros
Usaremos el método de la Bisección para hallar la raíz deseada con. Veamos si 𝑓(�) y 𝑓(�) tiene signos contrarios:
� = 0  𝑓 (0) = 5.00000
� = 1 𝑓 (1) = −1.92728
Vamos a conocer el número de iteraciones necesarias para obtener la aproximación y la tabla de iteraciones:
�−� 1−0 1
� − �| <
|
= =
≤ 10−2
� 2�

2
�

2
�

2
−� ≤ 10−2

𝑙𝑜�2−� ≤ 𝑙𝑜�10−1
−�𝑙𝑜�2 ≤ −2𝑙𝑜�10 = −2
da con el nivel de oxigeno:

de el nivel de oxígeno se encuentra a una lectura de 5. (Sug. Este valor está dentro de los 2 km de la descarga). Determine una respuesta con
igeno cuando su valor es 5:

ortamiento del nivel de oxigeno los primeros dos kilómetros, de ahí que, Analizaremos la función en el intervalo [0,1], ya que gráficamente
os si 𝑓(�) y 𝑓(�) tiene signos contrarios:

n y la tabla de iteraciones:
ga). Determine una respuesta con 2% de error

ervalo [0,1], ya que gráficamente se observa una raíz.

�≥
�𝑙𝑜�2 ≥ 2
= 6,64  7
𝑙𝑜�2
Al realizar las iteraciones usando el método de la Bisección tenemos:
Luego, la distancia agua abajo donde el nivel de oxígeno se encuentra a una lectura de 5 es de 0,60546875 Km
EJERCICIOS SOLUCIÓN DE ECUACIONES NO LINEALES
1. Utilice el método de bisección para localizar todas las soluciones de las siguientes ecuaciones. Bosquejar sus g
a. 𝑒𝑥−2 + 𝑥3 − 𝑥 = 0
b. 1 + 5𝑥 − 6𝑥3 − 𝑒2𝑥 = 0
2. Considerar la ecuación 𝑒𝑥 = 𝑥 + 2.
a. Demostrar gráficamente que esta ecuación tiene solo dos soluciones 𝑥∗ > 0, 𝑥∗ < 0.
1 2

Obtener dos intervalos entre dos enteros consecutivos 𝐼� = [��, ��+1] ⊂ 𝑅 con �� ∈ �
para � = 1, 2, tal que 𝑥∗ ∈ 𝐼�.
b. Calcular el número de pasos que se deben ejecutar en el algoritmo de bisección partiendo del intervalo 𝐼1 si se des
10 . −2

c. Utilizar 2 iteraciones del método de Newton–Raphson para aproximar 𝑥∗. Usar un punto inicial en la iteración de m
3. Aplicando el método de regla falsa, encuentre el valor del cruce por cero de la función
𝑓(𝑥) = 𝑥3𝑒−𝑥 + 4𝑥2 − 10 iniciando con 𝑥0 = 1 𝑦 𝑥1 = 2. Detener el proceso en la cuarta iteración.
4. Por el método de regla falsa encuentre la quinta iteración de la función 𝑓(𝑥) = 1000𝑥2 𝑡��(𝑥)𝑒−5𝑥 − 10 iniciando co
5. La función 𝑓(𝑥) = (𝑥 − 2)2 − ln(𝑥) tiene una única raíz real. Determine un intervalo en el cuál esté la raíz y utilice los métod
6. Considere la ecuación 4(𝑥 − 1)3 𝑐𝑜𝑠(𝑥) = 0.
a. ¿Qué multiplicidad tiene la raíz x = 1?. Aplique Newton con x 0 = 0,5
b. Modifique la ecuación de tal manera que el orden de convergencia sea cuadrático. Hacer esto de dos maneras: Usand
𝑢(𝑥) = 𝑓 (𝑥)
𝑓´ (𝑥)
7. Se desea resolver la ecuación 𝑥3 − 𝑙�(1 + 2𝑥) = 0.
a. Compruebe que esta ecuación tiene exactamente una solución en el intervalo [1, 2]
b. Proponga un método iterativo de punto fijo que converja a la solución de la ecuación en el intervalo [1, 2]. Justifique.
c. Partiendo de x = 1, determine el número mínimo de iteraciones que se necesitarían para alcanzar una precisión de 10 −4, utilizando el método iterativo propuesto anteriormente.
0
aciones. Bosquejar sus gráficas e identificar tres intervalos de longitud uno que contienen una raíz. Luego encuentre las raíces a seis

del intervalo 𝐼1 si se desea aproximar 𝑥∗ con un error absoluto menor que

icial en la iteración de modo que quede garantizada la convergencia de la sucesión hacia 𝑥∗

�(𝑥)𝑒−5𝑥 − 10 iniciando con 𝑥0 = 0,5 𝑦 𝑥1 = 1.

la raíz y utilice los métodos de bisección, de la regula falsi, de la secante y de Newton-Raphson hasta obtener la convergencia con cuatro c

sto de dos maneras: Usando la multiplicidad de la raíz y usando la ecuación:

ntervalo [1, 2]. Justifique.

ropuesto anteriormente.
cuentre las raíces a seis decimales correctos.

nvergencia con cuatro cifras decimales.

8. Considere el polinomio P(x) = 16 x4 − 40 x3 + 5 x2 + 20 x + 6. Usando el algoritmo de Müller con TOL = 10-5 y x0 = 0,5 x
9. Supongamos que se desea determinar una solución negativa de la ecuación:
3
5 + [1 − (
100

360

)
]=0
𝑥 100 − 𝑥
con dos dígitos decimales correctos. Grafique la función y determine el intervalo donde se encuentra una raíz. Use Bisecc
10. Una partícula parte del reposo sobre un plano inclinado uniforme, cuyo ángulo  cambia con una rapidez constante de:
𝑑�
𝑑𝑡
=𝑤<0
Al final de t segundos, la posición del objeto está dada por:
�
𝑥(𝑡) = − 2𝑤2 (

𝑒
𝑤𝑡 − 𝑒−𝑤𝑡

− 𝑠𝑒� 𝑤𝑡)
2
Suponga que la partícula se desplazó 1.7 pies en 1 segundo. Encuentre con una exactitud de 10 la rapidez w con que  ca
-5

11. Suponga el lector que está diseñando un tanque esférico de almacenamiento de agua para un poblado pequeño de un país en
𝑉 = 𝜋ℎ2
3𝑅 − ℎ ( )
3
donde V = volumen [pie ], h = profundidad del agua en el tanque [pies], y R = radio del tanque [pies]. Si R = 3 m, ¿a qué
3

que contenga 30 m ? Haga tres iteraciones del método de Newton- Raphson para determinar la respuesta. Encuent
3

12. En la figura se muestra una viga uniforme sujeta a una carga distribuida uniformemente que crece en forma lineal. La ecuac
𝑤0
𝑦=
120𝐸𝐿𝐼
(−𝑥 + 2𝐿2𝑥3 − 𝐿4𝑥)
5

Utilice el método de la bisección para determinar el punto de máxima

deflexión (es decir, el valor de 𝑥 donde 𝑑𝑦 = 0). Después, sustituya este
𝑑𝑥
valor en la ecuación a fin de determinar el valor de la deflexión máxima.
En sus cálculos, utilice los valores siguientes para los parámetros:𝐿 =
600 𝑐�,𝐸 = 50 000 �𝑁 , 𝐼 = 30 000 𝑐�4 𝑦 𝑤 = 2.5 �𝑁 .
𝑐�2
0
𝑐�

13. El desplazamiento de una estructura está definido por la ecuación siguiente para una oscilación amortiguada:
𝑦 = 9𝑒–�𝑡 cos(𝑤𝑡)
donde k = 0.7 y w = 4.
a. Utilice el método gráfi co para realizar una estimación inicial del tiempo que se requiere para que el despl
b. Emplee el método de Newton-Raphson para determinar la raíz con es = 0.01%.
c. Use el método de la secante para determinar la raíz con es = 0.01%.
14. La concentración de la bacteria contaminante C en un lago decrece de acuerdo con la relación:
� = 80𝑒−2𝑡 + 20𝑒−0,1𝑡
Determínese 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 f
l algoritmo de Müller con TOL = 10-5 y x0 = 0,5 x1 = - 0,5 x2 = 0,0 aproxime una raíz.

ntervalo donde se encuentra una raíz. Use Bisección para determinarla

gulo  cambia con una rapidez constante de:

on una exactitud de 10 la rapidez w con que  cambia. Sea g = 32.17 pies/s .

-5 2

o de agua para un poblado pequeño de un país en desarrollo. El volumen del líquido que puede contener se calcula con:

y R = radio del tanque [pies]. Si R = 3 m, ¿a qué profundidad debe llenarse el tanque de modo
Raphson para determinar la respuesta. Encuentre el error relativo aproximado después de cada iteración. Observe que el valor inicial de R
iformemente que crece en forma lineal. La ecuación para la curva elástica resultante es la siguiente:

guiente para una oscilación amortiguada:

al del tiempo que se requiere para que el desplazamiento disminuya a 3.5.
n es = 0.01%.

de acuerdo con la relación:

ase 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 long
erve que el valor inicial de R convergerá siempre.
pavimento. Dado que las longitudes de las escaleras son x 1 = 20 pies y x2 = 30 pies y que H = 8 pies. Calcule W.