Métodos Numéricos
2 Métodos Abiertos
Los métodos abiertos se basan en fórmulas que requieren
únicamente de un solo valor de inicio x o que empiecen con
un par de ellos, pero que no necesariamente encierren a la
raíz.
Iteración simple de punto Fijo
El método consiste en arreglar la ecuación f(x)=0, de tal
modo que x este del lado izquierdo de la ecuación:
𝑥 = 𝑔(𝑥) (1)
Esta transformación se realiza mediante operaciones
algebraicas o simplemente sumando a cada lado de la
ecuación original.
Por ejemplo
𝑥2 + 3
𝑥 2 − 2𝑥 + 3 = 0 → 𝑥=
2
Otro ejemplo es:
𝑠𝑒𝑛 𝑥 = 0 → 𝑥 = 𝑠𝑒𝑛 𝑥 + 𝑥
La ecuación (1) se utiliza para obtener una nueva
aproximación 𝑥𝑖+1 , expresada por la formula iterativa.
𝑥𝑖+1 = 𝑔(𝑥𝑖 ) (2)
El error aproximado de esta ecuación se calcula usando el
error normalizado estimador, dado por:
𝑥𝑖+1 − 𝑥𝑖
𝐸𝑎 = | | 100 %
𝑥𝑖+1
Ejemplo 1
1
Métodos Numéricos
Utilizando la integración de punto Fijo halla la Raíz de 𝑓(𝑥) =
𝑒 −𝑥 − 𝑥, con 𝑥0 = 0, hasta que el error sea menor que 0.05.
Solución
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥 = 0 → 𝑥 = 𝑒 −𝑥
Entonces la formula iterativa es:
𝑥𝑖+1 = 𝑒 −𝑥𝑖
Primera iteración
𝑥0 = 0
𝑥1 = 𝑒 −𝑥0 = 𝑒 0 = 1
Segunda iteración
𝑥1 = 1
𝑥2 = 𝑒 −𝑥1 = 𝑒 −1 = 0.367879
Su error es:
0.367879 − 1
𝐸𝑎 = | | 100 % = 171.83 %
0.367879
Tercera Iteración
𝑥2 = 0.367879
𝑥3 = 𝑒 −𝑥2 = 𝑒 0.367879 = 0.692201
Su error es:
0.692201 − 0.367879
𝐸𝑎 = | | 100 % = 46.85 %
0.692201
Cuarta Iteración
𝑥4 = 𝑒 −𝑥3 = 𝑒 0.367879 = 0.692201
Su error es:
2
Métodos Numéricos
0.692201 − 0.367879
𝐸𝑎 = | | 100 % = 46.85 %
0.692201
Método grafico de las dos curvas
Este método consiste en llamar 𝑓1 (𝑥) = 𝑥 y 𝑓2 (𝑥) = 𝑔(𝑥) y
graficar ambas curva por separado, y la intersección de
estas curvas es la raíz de la curva original dada
3
Métodos Numéricos
Ejemplo 2
Utilizando el método grafico de las dos curvas hallar la raíz
de la ecuación 𝑓(𝑥) = 𝑒 −𝑥 − 𝑥 = 0
Solución
De 𝑒 −𝑥 − 𝑥 = 0 → 𝑥 = 𝑒 −𝑥
Sea 𝑓1 (𝑥) = 𝑥 𝑦 𝑓2 (𝑥) = 𝑒 −𝑥 , graficando se tiene:
Del grafico se tiene que la raíz es: 0.56714329
Método de Newton Raphson
El método Newton-Raphson es un algoritmo utilizado para
hallar las raíces de una función. Es un método iterativo que
utiliza la derivada de la función para mejorar la precisión de
la estimación de la raíz en cada iteración.
4
Métodos Numéricos
De la figura, se tiene que la primera derivada en x es
equivalente a la pendiente:
𝑓(𝑥𝑖 ) − 0
𝑓´(𝑥𝑖 ) =
𝑥𝑖 − 𝑥𝑖+1
De esta ecuación se despeja 𝑥𝑖+1 , se tiene:
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − (3)
𝑓´(𝑥𝑖 )
La cual se conoce como formula de Newton-Raphson.
Ejemplo 3
Usar el método de Newton-Raphson para encontrar la raíz
de la ecuación 𝑓(𝑥) = 𝑥 3 − 2𝑥 + 1 = 0, con 𝑥0 = −1.5 hasta que
su error normalizado sea menor a 0.05.
Solución
Como 𝑓(𝑥) = 𝑥 3 − 2𝑥 + 1, derivando se tiene:
5
Métodos Numéricos
𝑓´(𝑥) = 3𝑥 2 − 2
Luego la formula iterativa es:
𝑥𝑖3 − 2𝑥𝑖 + 1
𝑥𝑖+1 = 𝑥𝑖 −
3𝑥𝑖2 − 2
Primera iteración
(−1.5)3 − 2(−1.5) + 1
𝑥0 = −1.5 → 𝑥1 = −1.5 −
3(−1.5)2 − 2
𝑥1 = −1.63157895
Segunda Iteración
(−1.63157895)3 − 2(−1.63157895) + 1
𝑥2 = −1.63157895 −
3(−1.63157895)2 − 2
𝑥2 = −1.61818359
Error aproximado
−1.61818359 + 1.63157895
𝐸𝑎 = | | 100 % = 8.06 %
−1.61818359
6
Métodos Numéricos
Tercera iteración
(−1.61818359)3 − 2(−1.61818359) + 1
𝑥3 = −1.61818359 −
3(−1.61818359)2 − 2
𝑥3 = −1.61803401
Error aproximado
−1.61803401 + 1.61818359
𝐸𝑎 = | | 100 % = 0.83 %
−1.61803401
Cuarta Iteración
(−1.61803401)3 − 2(−1.61803401) + 1
𝑥4 = −1.61803401 −
3(−1.61803401)2 − 2
𝑥4 = −1.61803399
Error aproximado
−1.61803399 + 1.61803401
𝐸𝑎 = | | 100 % = 0.01 %
−1.61803399
Método de la Secante
Este método consiste en aproximar la derivada mediante
diferencias finitas hacia atrás como se ve en la figura.
7
Métodos Numéricos
𝑓(𝑥𝑖−1 ) − 𝑓(𝑥𝑖 )
𝑓´(𝑥𝑖 ) =
𝑥𝑖−1 − 𝑥𝑖
Reemplazando en la fórmula de Newton-Raphson se tiene:
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´(𝑥𝑖 )
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓(𝑥𝑖−1 ) − 𝑓(𝑥𝑖 )
𝑥𝑖−1 − 𝑥𝑖
𝑓(𝑥𝑖 )(𝑥𝑖−1 − 𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − (4)
𝑓(𝑥𝑖−1 ) − 𝑓(𝑥𝑖 )
Esta ecuación es la formula para el método de la secante,
observe que el método requiere de dos valores iniciales de
𝑥
Ejemplos 4
8
Métodos Numéricos
Empleando el método de la secante calcule la raíz de 𝑓(𝑥) =
𝑒 −𝑥 − 𝑥, tomando como valores iniciales 𝑥−1 = 0 𝑦 𝑥0 = 1,
sabiendo que su verdadero valor es 0.56714329.
Solución
Primera iteración
𝑥−1 = 0, entonces 𝑓(𝑥−1 ) = 1
𝑥0 = 1, entonces 𝑓(𝑥0 ) = −0.63212
−0.63212(0 − 1)
𝑥1 = 1 − = 0.61270
1 − (−0.63212)
0.56714329 − 0.61270
𝐸𝑟 = | | 100 % = 8.03 %
0.56714329
Segunda iteración
𝑥0 = 1, entonces 𝑓(𝑥0 ) = −0.63212
𝑥1 = 0.61270, entonces 𝑓(𝑥1 ) = −0.07081
9
Métodos Numéricos
−0.07081(1 − 0.61270)
𝑥2 = 0.61270 − = 0.56384
−0.63212 − (−0.07081)
0.56714329 − 0.56384
𝐸𝑟 = | | 100 % = 0.58 %
0.56714329
Tercera iteración
𝑥1 = 0.61270, entonces 𝑓(𝑥1 ) = −0.07081
𝑥2 = 0.56384, entonces 𝑓(𝑥2 ) = 0.00518
0.00518(0.61270 − 0.56384)
𝑥2 = 0.56384 − = 0.56717
−0.07081 − (−0.00518)
0.56714329 − 0.56717
𝐸𝑟 = | | 100 % = 0.0048 %
0.56714329
Método de la secante Modificada
En lugar de usar dos valores arbitrarios para aproximar la
derivada, un método alternativo considera un cambio
fraccionario de la variable independiente para estimar ƒ′(x),
𝑓(𝑥𝑖 + 𝛿𝑥𝑖 ) − 𝑓(𝑥𝑖 )
𝑓´(𝑥𝑖 ) =
𝛿𝑥𝑖
Donde 𝛿 es un pequeño cambio fraccionario. Esta
aproximación se sustituye en la formula iterativa de Newton-
Raphson
𝛿𝑥𝑖 𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − (5)
𝑓(𝑥𝑖 + 𝛿𝑥𝑖 ) − 𝑓(𝑥𝑖 )
Ejemplo 5
Con el método de la secante modificada estime la raíz de
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥. use 𝛿 = 0.01 y 𝑥0 = 1, recuerde que la raíz
verdadera es 0.56714329.
10
Métodos Numéricos
Solución
Primera iteración
𝑥0 = 1, entonces 𝑓(𝑥0 ) = −0.63212
𝑥𝑖 + 𝛿𝑥𝑖 = 1.01, entonces 𝑓(𝑥𝑖 + 𝛿𝑥𝑖 ) = −0. .64578
0.01(1)(−0.63212)
𝑥1 = 1 − = 0.537263
−0.64578 − (−0.63212)
0.56714329 − 0.537263
𝐸𝑡 = | | 100 % = 5.3 %
0.56714329
Segunda iteración
𝑥0 = 0.537263, entonces 𝑓(𝑥0 ) = 0.047083
𝑥𝑖 + 𝛿𝑥𝑖 = 0.542635, entonces 𝑓(𝑥𝑖 + 𝛿𝑥𝑖 ) = 0.038579
0.01(0.537263)(0.047083)
𝑥1 = 0.537263 − = 0.56701
0.038579 − 0.047083
0.56714329 − 0.56701
𝐸𝑡 = | | 100 % = 0.0236 %
0.56714329
Tercera iteración
Raíces Múltiples
Una Raíz múltiple corresponde a un punto donde la funciones
Tangente al eje 𝑋.
Por ejemplo, la función
𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
Si lo factorizamos esta función resulta:
𝑓(𝑥) = (𝑥 − 1)(𝑥 − 1)(𝑥 − 3)
Que tiene una raíz doble en 𝑥 = 1.
Gráficamente se tiene:
11
Métodos Numéricos
El método de Newton-Raphson y el método de la secante
convergen en forma lineal, en vez de la cuadrática, cuando
hay raíces múltiples.
En cambio Ralsto Rabiniwitz, proponen que se realice un
pequeño cambio en la formulación para que se regrese a la
convergencia cuadrática, es decir:
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − 𝑚 (6)
𝑓´(𝑥𝑖 )
Donde 𝑚 es la multiciplicidad de la raíz. Se trata de una
alternativa poco satisfactoria, porque depende del
conocimiento de la raíz.
Otra alternativa, también sugerida por Ralston Rabinowitz
consiste en definir una nueva funcion 𝑢(𝑥), que es el cociente
de la funcion original entre su derivada:
𝑓(𝑥)
𝑢(𝑥) = (7)
𝑓´(𝑥)
Se puede demostrar que esta función tiene raíces en las
mismas posiciones que la función original. Por lo tanto al
12
Métodos Numéricos
sustituir en la Ecuación (3). Para desarrollar una forma
alternativa del método de Newton Raphson.
𝑢(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − (8)
𝑢´(𝑥𝑖 )
𝑓(𝑥)
Diferenciando la ecuación 𝑢(𝑥) = 𝑓´(𝑥), se tiene:
𝑓´(𝑥)𝑓´(𝑥) − 𝑓(𝑥)𝑓´´(𝑥)
𝑢´(𝑥) = (9)
[𝑓´(𝑥)]2
Sustituyendo (7) y (9) en (8) se tiene
𝑓(𝑥𝑖 )𝑓´(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
[𝑓´(𝑥𝑖 )]2 − 𝑓(𝑥𝑖 )𝑓´´(𝑥𝑖 )
Ejemplo
Con los dos métodos, el estándar y el modificado, de Newton
Raphson evalue la raíz múltiple de la ecuación 𝑓(𝑥) = 𝑥 3 −
5𝑥 2 + 7𝑥 − 3
Use el valor inicial de 𝑥0 = 0.
Solución
Método de Newton Rapshon estándar
𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
𝑓´(𝑥) = 3𝑥 2 − 10𝑥 + 7
Luego se tiene:
𝑥𝑖3 − 5𝑥𝑖2 + 7𝑥𝑖 − 3
𝑥𝑖+1 = 𝑥𝑖 −
3𝑥𝑖2 − 10𝑥𝑖 + 7
Primera Iteración
𝑥0 = 0
𝑥03 2
− 5𝑥0 + 7𝑥0 − 3
𝑥1 = 𝑥0 − = 0.42857143
3𝑥02 − 10𝑥0 + 7
Segunda Iteración
13
Métodos Numéricos
𝑥1 = 0.42857143
𝑥13 − 5𝑥12 + 7𝑥1 − 3
𝑥2 = 𝑥1 − = 0.68571429
3𝑥12 − 10𝑥1 + 7
Error aproximado
0.68571429 − 0.42857143
𝐸𝑎 = | | 100 % = 37.50 %
0.68571429
Tercera Iteración
𝑥2 = 0.68571429
𝑥23− 5𝑥22 + 7𝑥2 − 3
𝑥3 = 𝑥2 − = 0.83286540
3𝑥22 − 10𝑥2 + 7
Error aproximado
0.83286540 − 0.68571429
𝐸𝑎 = | | 100 % = 17.67 %
0.83286540
Cuarta Iteración
𝑥3 = 0.83286540
𝑥33− 5𝑥32 + 7𝑥3 − 3
𝑥4 = 𝑥3 − = 0.91332989
3𝑥32 − 10𝑥3 + 7
Error aproximado
0.91332989 − 0.83286540
𝐸𝑎 = | | 100 % = 8.81 %
0.91332989
Quinta Iteración
𝑥4 = 0.91332989
𝑥43− 5𝑥42 + 7𝑥4 − 3
𝑥5 = 𝑥4 − = 0.95578329
3𝑥42 − 10𝑥4 + 7
Error aproximado
14
Métodos Numéricos
0.95578329 − 0.91332989
𝐸𝑎 = | | 100 % = 4.44 %
0.95578329
Sexta Iteración
𝑥5 = 0.95578329
𝑥53 − 5𝑥52 + 7𝑥5 − 3
𝑥6 = 𝑥5 − = 0.97765510
3𝑥52 − 10𝑥5 + 7
Error aproximado
0.97765510 − 0.95578329
𝐸𝑎 = | | 100 % = 2.24 %
0.97765510
Método modificado de Newton Rapshon
𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3
𝑓´(𝑥) = 3𝑥 2 − 10𝑥 + 7
𝑓´´(𝑥) = 6𝑥 − 10
Luego se tiene:
(𝑥𝑖3 − 5𝑥𝑖2 + 7𝑥𝑖 − 3)(3𝑥𝑖2 − 10𝑥𝑖 + 7)
𝑥𝑖+1 = 𝑥𝑖 − 2
(3𝑥𝑖2 − 10𝑥𝑖 + 7) − (𝑥𝑖3 − 5𝑥𝑖2 + 7𝑥𝑖 − 3)(6𝑥𝑖 − 10)
Primera Iteración
𝑥0 = 0
(𝑥03− 5𝑥02 + 7𝑥0 − 3)(3𝑥02 − 10𝑥0 + 7)
𝑥1 = 𝑥0 −
(3𝑥02 − 10𝑥0 + 7)2 − (𝑥03 − 5𝑥02 + 7𝑥0 − 3)(6𝑥0 − 10)
𝑥1 = 1.10526316
Segunda iteración
𝑥1 = 1.105263160
(𝑥13− 5𝑥12 + 7𝑥1 − 3)(3𝑥12 − 10𝑥1 + 7)
𝑥2 = 𝑥1 −
(3𝑥12 − 10𝑥1 + 7)2 − (𝑥13 − 5𝑥12 + 7𝑥1 − 3)(6𝑥1 − 10)
15
Métodos Numéricos
𝑥2 = 1.00308166
Su error aproximado es:
1.00308166 − 1.105263160
𝐸𝑎 = | | 100 % = 10.19 %
1.00308166
Sistema de ecuaciones no Lineales
16
