1

Raíces

El problema consiste en encontrar raíces o soluciones a una

ecuación, de la forma:
f x = 0

La manera más conocida para resolver

f  x  = ax 2  bx  c = 0

es usar:
−b± b 2−4ac
x=
2a

2
Pero existen diversas funciones que no pueden ser resueltas
de una manera tan sencilla.

Existen varias alternativas:

● Gráficos

● Bisección

● Secante

● Newton – Raphson

● Convergencia global y local

y otros...

Los métodos numéricos para resolver estos problemas están

basados en técnicas iterativas.

3
Métodos cerrados. Se basan en el análisis del cambio de signo
de la función en la vecindad de la raíz, por lo que requiere
de 2 valores iniciales para empezar la búsqueda de la raíz,
intervalo inicial [a , b]

Métodos abiertos. Basados en fórmulas que requieren sólo un

valor inicial x 0

4
Teorema de Bolzano

Dada una función real continua f : [a , b] ⊂ ℝ ℝ

Si la función toma valores de signos opuestos en los extremos

del intervalo, es decir, f  a⋅ f  b  0 , entonces existirá al
∗
menos un valor x ∈ a ,b tal que f  x ∗ = 0

5
Teorema de Rolle

Dada una función real f : [a , b] ⊂ ℝ  ℝ continua en el intervalo

[a, b] y derivable en (a, b). Si f  a = f b, existe al menos un
'
punto intermedio u ∈ a , b tal que f u  = 0

6
Bisección

Si la función cambia de signo a lo largo del intervalo

[a, b], entonces existe un c ∈ a , b tal que f c  = 0
1
Se verifica el cambio de signo; si f  a⋅ f  b  0 entonces c 1 = ab
2
Luego:
● Si
f  a⋅ f  c1   0 entonces b = c1

● Si f  a⋅ f  c1   0 entonces a = c 1

● Si f  a⋅ f  c1  = 0 entonces la raíz es c 1 y detenemos el ciclo.

En los 2 primeros casos, se elige un nuevo c 1 , repitiendo el
proceso hasta que satisfaga un criterio de convergencia.

.
7
Repitiendo el proceso anterior, obtendremos la raíz exacta o
k  k  ∞
bien, una sucesión de intervalos cerrados {[c1 , c 2 ]}n =0
encajados [c1k1 , c k2 1 ] ⊂ [c k1  , c 2k ] que tienden hacia el valor de
la raíz.

Se toma como aproximación de la raíz el punto medio del

intervalo que cumpla la tolerancia deseada 

c2k1 c k1 1

c= , ∣c 2k1−c k1 1∣  
2

8
Bisección: cantidad de iteraciones
0
Tamaño inicial del intervalo: ϵ =∣b−a∣
En la primera iteración, la raíz se encuentra en un intervalo
cuyo tamaño es 1 ∣b−a∣ 1  0
ϵ = = ϵ
2 2
Luego de k iteraciones, el tamaño del intervalo que contiene
la raíz es  k 1  k−1 b−a
ϵ = ϵ = k
2 2
Para alcanzar la tolerancia deseada se debe cumplir que la
longitud del intervalo ϵ sea menor que  , ϵ  
 k  k

El número de iteraciones requeridas para obtener la

tolerancia es: b−a
k  log 2


9
10
Sustitución sucesiva

También se denomina método de iteración de punto fijo.

Se tiene f  x  = 0 y reordenando de manera que se tenga x al

lado izquierdo: x = g  x

Esta ecuación se puede usar para obtener una siguiente

aproximación:
x i1 = g  x i 

11
Newton-Raphson

Se basa en el teorema de Taylor.

12
Newton-Raphson

Si f es una función dos veces continuamente derivable, se

puede desarrollar f en un punto x para obtener su valor en la
raíz x*:

13
Se inicia tomando un valor inicial x0 de prueba que se supone
muy cercano a la raíz x*, y se itera usando:

La condición de parada está dada en términos del error

aproximativo relativo:
∣x k 1 −x k∣
≤ x
∣x k 1∣

14
Ejemplo
2
Aplicar el método de Newton-Raphson a la función f  x  = x −2
−5
Iniciando en el punto x 0 = 1 , usando la tolerancia  = 10 y un
número máximo de 50 iteraciones.

15
Análisis del error

La fórmula de Newton-Raphson:

La serie de Taylor con el error de truncamiento:

donde xr es el valor verdadero de x.

Si se restan, tenemos:

16
El error es la diferencia entre el valor verdadero y xi+1:

Entonces:

Al suponer convergencia, xi y ξ se deben aproximar a la raíz

xr , por tanto:

Esto indica que el error es casi proporcional al cuadrado del

error anterior, lo que se denomina convergencia cuadrática.

17
La convergencia del método de Newton-Raphson depende en gran
medida, de la forma de la función cerca al punto de iteración
,y de la aproximación del valor inicial. Es necesario un
valor inicial muy cercano a la raíz.

18
Newton-Raphson modificado

Se puede modificar la fórmula de Newton-Raphson para

ecuaciones con raíces múltiples:
f  x
u=
f '  x

u  xi 
x i1 = xi −
u '  xi 

f '  x  f '  x − f  x  f ' '  x

u '  x = 2
[ f '  x ]

f  xi  f '  xi 
x i1 = xi −
[ f '  xi ]2 − f  x i  f ' '  xi 

19
Raíces múltiples

Con respecto a las raíces múltiples:

• Si la función tiene multiplicidad par, f no cambia de signo

en el entorno de la raíz, el método de bisección no es

aplicable.
• Si la raíz tiene multiplicidad m > 1, no se garantiza
convergencia cuadrática en una vecindad de la raíz, debido a
que la derivada también tiene una raíz en el mismo punto, es
decir, se aproxima la raíz usando rectas con pendientes
siempre más pequeñas.
• El método de la secante es lento para m > 1, las pendientes

de las secantes que usa el método convergen a 0.

20
Método de la secante

Versión del método de Newton-Raphson.

21
Una desventaja del método de Newton-Raphson es que requiere
el desarrollo de la derivada de la función, que en ocasiones
puede ser difícil de calcular.
Si aproximamos las derivadas de la función usando diferencias
divididas, tenemos: f  x − f  x 
i i−1
f '  x i =
x i −x i−1
Donde xi y xi-1 son dos aproximaciones a la raíz, pero no es
necesario que f  x i ⋅ f  x i −1  0

Con base en Newton-Raphson:

22
Newton-Raphson para sistemas

El método de Newton-Raphson usado para una ecuación no lineal

se puede aplicar para resolver sistemas de ecuaciones no
lineales.

Se tienen dos ecuaciones no lineales con dos incógnitas:

u x , y = 0
v x , y = 0
Y una solución inicial aproximada:  x0 , y0 

23
Para cada ecuación se tiene:
∂ ui ∂ ui
u i1 = ui  x i1− xi    y i1− yi 
∂x ∂y
∂v ∂v
v i1 = v i x i1 −x i  i   y i1− y i  i
∂x ∂y
ordenando:
∂u i ∂ ui ∂u ∂u
xi1  y i1 = −ui x i i  y i i
∂x ∂y ∂x ∂y
∂ vi ∂v ∂v ∂v
x i1  i y i 1 = −v i xi i  y i i
∂x ∂y ∂x ∂y

24
Finalmente, ∂ vi ∂u ∂ ui ∂v
ui − vi i vi − ui i
∂y ∂y ∂x ∂x
x i1 = xi − y i1 = y i −
∂ ui ∂ v i ∂ u i ∂ vi ∂u i ∂ v i ∂ u i ∂v i
− −
∂x ∂y ∂y ∂x ∂x ∂y ∂ y ∂x

En resumen, se debe partir de una solución (o aproximación)

inicial, calcular de manera iterativa xi+1 y yi+1 hasta obtener
la precisión deseada.

25
La condición de parada es equivalente a la de una dimensión,
remplazando el valor absoluto por una norma vectorial:
∥x i1 − x i∥
error aproximativo relativo : 
∥xi1∥
También puede emplearse una condición por cantidad de
iteraciones.

26