Cálculo IV, Matemática Numérica Conferencia #3

Lic. Dayron Viera Quintero. Dpto Matemática, UPR [email protected]

Resolución de ecuaciones, Cálculo de raı́ces.

Sumario:
* Introducción.
* El Problema.
* Ecuaciones Algebraicas.

* Métodos Numéricos.
Bibliografı́a:
Manuel Álvarez, Alfredo Guerra, Rogelio Lau. Matemática Numérica, 2da Edición
Timothy Sauer, Numerical Analysis, 2012

Introducción:
La aproximación de raı́ces es un tema fundamental en la matemática numérica, que se ocupa de encontrar valores
aproximados de las soluciones de ecuaciones algebraicas o trascendentes. Una ecuación es algebraica si solo involucra
operaciones aritméticas y potencias enteras de la variable, como por ejemplo:

x3 − 2x − 5 = 0

Una ecuación es trascendente si involucra otras funciones de la variable, como por ejemplo:

sin(x) + ex = 0

En general, no es posible encontrar las soluciones exactas de estas ecuaciones, salvo algunos casos especiales. Por eso,
se recurre a métodos numéricos que permiten obtener aproximaciones cada vez más precisas de las raı́ces, es decir, los
valores de la variable que hacen que la ecuación se cumpla.

Existen diferentes métodos numéricos para la aproximación de raı́ces, cada uno con sus ventajas y desventajas. Algunos
de los más conocidos son el método de bisección, el método de Newton-Raphson, el método de la secante y el método
de las iteraciones sucesivas. Estos métodos se basan en diferentes principios, como el teorema del valor intermedio, el
desarrollo en serie de Taylor, la interpolación lineal o la convergencia de sucesiones.

En esta clase, aprenderemos los conceptos básicos de la aproximación de raı́ces, cómo aplicar los diferentes métodos
numéricos y cómo evaluar su eficiencia y precisión. También veremos algunos ejemplos prácticos.

El Problema
Sea f : R ; R, hallar las raı́ces de f , o sea determinar qué valores de x ∈ R satisfacen f (x) = 0.

Solo las ecuaciones polinómicas de hasta 4to orden pueden ser resueltas de forma cerrada (a través de fórmulas que
permiten obtener las soluciones como la del discriminante para las de 2do orden), pero ya para las de 3er orden las

1
fórmulas son bien complicadas. Para las ecuaciones polinómicas de orden mayor que 4 el matemático Niels Abel 1
demostró que no se pueden encontrar fórmulas cerradas, de manera que es preciso acudir a los Métodos Numéricos.
Para ecuaciones trascendentes como tan x − x = 0 o ex + ln x = 0 pueden encontrarse soluciones aproximadas también
por los Métodos Numéricos. Ambos tipos de ecuaciones se encuentran frecuentemente y describen aplicaciones en la
Industria Quı́mica, en la Textil, en la Hidráulica, en la Mecánica y en la Eléctrica.
Teorema 1 (Bolzano) Una función continua y = f (x) definida en el intervalo [a, b] alcanza todos los valores entre
a y b al menos una vez.

De ahı́ que si tenemos un intervalo [a, b] y f (a)f (b) < 0 entonces existe un c ∈ [a, b] tal que f (c) = 0.

Esto nos servirá de base para la localización de raı́ces, para luego ser utilizadas por los métodos numéricos que veremos
en la clase.
1 Matemático noruego que hizo contribuciones pioneras en varios campos, como la teorı́a de grupos, las funciones elı́pticas y las funciones

abelianas. 5/8/1802-6/4/1829

2
Tener una idea de ciántas raı́ces tiene (en caso de tener) y dónde están ubicadas para una función f (x) = 0 es
fundamental para el cálculo de las mismas, puesto que nos reducirá el trabajo en la búsqueda y aproximación. De ahı́ que
sea importante tratar, por las bondades que nos brindan, las funciones de la forma f (x) = a0 xn + a1 xn−1 + ... + an = 0,
donde a0 , a1 , ..., an son constantes reales y n ∈ N.
Estas ecuaciones son llamadas ecuaciones algebraicas, las cuales como conocemos de álgebra superior tienen propiedades
muy importantes como:

Teorema 2 (Teorema Fundamental del Álgebra) Una ecuación algebraica de grado n, con coeficientes reales,
tiene exactamente n raı́ces.

de donde se deriva:

Corolario 1 Una ecuación algebraica de grado n, con coeficientes reales, tiene a lo sumo n raı́ces reales.

Con esto obtenemos una medida de la cantidad de raı́ces reales que puede tener una ecuación algebraica.

Teorema 3 Sea la ecuación algebraica f (x), de grado n, con coeficientes reales, si a + bi es raı́z de f entonces a − bi
también lo es, con a, b ∈ R

Luego podemos afirmar que la cantidad de raı́ces complejas de una ecuación algebraica siempre es un número par.

Teorema 4 (Regla de Descartes) Sea m el número de cambios de signo que se presentan en la sucesión de coefi-
cientes de la ecuación
a0 xn + a1 xn−1 + ... + an x + an = 0
Entonces el número de raı́ces positivas de la ecuación es menor o igual que m y tiene su misma paridad.

Para las raı́ces negativas basta con evaluar la expresión en −x y aplicar la regla de Descartes.

Ejemplo 1 Analicemos la raı́ces del polinomio 2x5 − x4 + 3x2 − 2x − 1 = 0:

El polinomio es de grado 5 por lo que podemos decir que tiene a lo sumo 5 raı́ces reales. Veamos los cambios de signo:

Del coeficiente a0 = 2 al coeficiente a1 = −1 hay un cambio de signo. Del coeficiente a1 = −1 al coeficiente a3 = 3 hay
otro cambio de signo. Del coeficiente a3 = 3 al coeficiente a4 = −2 hay otro cambio de signo. Luego el número total de
cambios de signo es: 3

Por lo que sabemos que el número máximo de raı́ces positivas es 3 y al tener la misma paridad solo puede haber 3 o
una raı́z real positiva, con lo que aseguramos que exista al menos una.
Veamos ahora que pasa con la cantidad de raı́ces negativas, evaluando el polinomio en −x obtenemos:

−2x5 − x4 + 3x2 + 2x − 1 = 0

el cual tiene 2 cambios, por lo que podemos afirmar que tiene 2 o 0 raı́ces negativas.

3
Teorema 5 (La fórmula de Lagrange para acotar raı́ces) Sea la ecuación a0 xn + a1 xn−1 + ... + an−1 x + an = 0
con a0 > 0. Si B es el valor absoluto del coeficiente negativo con mayor valor absoluto y ak es el primer coeficiente
negativo contando desde la izquierda, entonces todas las raı́ces positivas de la ecuación, si existen, son menores que el
número: r
B
R=1+ k
a0
Ejemplo 2 Acotemos las raı́ces positivas para el polinomio del ejemplo anterior:

a0 = 2 > 0, por lo que podemos aplicar la fórmula de Lagrange. Luego como B es el valor absoluto del coeficiente
negativo con mayor valor absoluto, entonces B = 2. ak es el primer coeficiente negativo contado desde la izquierda,
por lo que ak = a1 = −1, k = 1 por lo que podemos decir que las raı́ces positivas se encuentran en el intervalo:
r
1 2
0<x<R=1+ =2
2
¿Se puede aplicar la fórmula de Lagrange para las raı́ces negativas del ejemplo anterior?

Notemos que el polinomio −2x5 − x4 + 3x2 + 2x − 1 = 0 es lo mismo que 2x5 + x4 − 3x2 − 2x + 1 = 0 tiene co-
mo coeficiente a0 = 2 por lo que es posible aplicar la fórmula. Teniendo en cuenta esto podemos apreciar que a toda
ecuación algebraica se le puede aplicar la fórmula de Lagrange solo que hay que “acomodarla” antes.

Se deja de tarea acotar las raı́ces negativas

Métodos Numéricos
Para la obtención de aproximaciones de las raı́ces, hay que tener en cuenta también el factor gráfico, debido a que con
el gráfico de la función podemos tener una idea de en qué intervalo encontrar la raı́z, esto unido con la fórmula de
Lagrange nos puede proporcionar un intervalo “pequeño” para la raı́z, para a partir de este intervalo utilizar uno de
los métodos numéricos que veremos a continuación.

Método 1 (Bisección) Dada una función continua f en un intervalo [a0 , b0 ] tal que f (a0 )f (b0 ) < 0, utilizaremos
una serie de intervalos encajados infinitesimales para la obtención de una de las raı́ces que se encuentra entre a0 y b0 .

4
De la siguiente forma:

Se toma como aproximación de la raı́z el punto medio (m), lo cual nos darı́a el menor error absoluto máximo, luego
comprobamos si f (a)f (m) < 0 o f (m)f (b) < 0. Nótese que solo se cumplirı́a uno de los dos casos. Si se cumple
el primero caso entonces tomamos como nuevo intervalo [a, m] sino [m, b]. Y repetimos este proceso hasta que la
aproximación sea suficientemente buena.

Veamos un ejemplo:

Ejemplo 3 Dada la función f (x) = 0,2x2 − 4, calcular la raı́z que se encuentra en [1, 6]
1+6
Veamos que f (1)f (6) = −3,8 · 3,2 < 0, tomemos el centro del intervalo = 3,5. Ahora f (3,5)f (6) < 0, nuevamente
2
3,5 + 6
tomemos el centro del intervalo = 4,75 de donde ahora f (3,5)f (4,75) < 0, nuevamente tomemos el centro del
2
3,5 + 4,75
intervalo, = 4,125, hagamos una última aproximación, f (4,125)f (4,75) < 0 y tomamos como la aproxima-
2
4,125 + 4,75
ción de la raı́z la semisuma del intervalo, = 4,4375.
2
Veamos la evaluación de f en la aproximación: f (4,4375) = −0,06171874999999982. Es cercana a cero.

¿Cúando parar?

Con cada iteración acotamos la raı́z en un intervalo [ak , bk ], por lo que el mı́nimo error absoluto máximo en la iteración
k serı́a:
ak − bk
∆km x =
2
Teniendo en cuenta esto podemos fijar un criterio de parada dado a partir del error. Fijando un ε ∈ R, si ∆km x < ε.

Otro criterio de parada puede ser evaluando la función en la aproximación y verificando que |f (x)| ≤ ε donde
ϵ ∈ R, ε > 0

Y un último criterio de parada serı́a el número de iteraciones, una vez que lleguemos a la iteración número k, detenernos.

5
Método 2 (Regula Falsi) El método de Regula falsi se basa en trazar secantes a la curva partiendo de los extremos
del intervalo [a0 , b0 ]. Para ello debe cumplirse que, f, f ′ y f ′′ sean continuas en cierta vecindad de la raı́z. Analı́tica-
f (bk )ak − f (ak )bk
mente es tomar los intervalos a partir de obtener un m = , y de igual manera que en el método de
f (bk ) − f (ak )
bisección tomar el intervalo en que f (ak )f (m) < 0 o f (m)f (bk ) < 0.

Gráficamente se ve de la siguiente manera:

Ejemplo 4 Resolvamos el ejemplo anterior ahora con Regula Falsi. Partimos de a0 = 1 y b0 = 6, de donde

1 · f (6) − 6 · f (1)
m= ≈ 3,71
f (6) − f (1)

f (3,71)f (6) < 0, luego tomando este intervalo y volviendo a hacer:

3,71 · f (6) − 6 · f (3,71)

m= ≈ 4,35
f (6) − f (3,71)

como f (4,35)f (6) < 0, tomando este intervalo y volviendo a hacer:

4,35 · f (6) − 6 · f (4,35)

m= ≈ 4,45
f (6) − f (4,35)

y como f (4,45)f (6) < 0 tomando por última vez este intervalo y:

4,45 · f (6) − 6 · f (4,45)

m= ≈ 4,46
f (6) − f (4,45)

el cual f (4,46) ≈ −0,021, que es cercano a cero.

Como vemos el método de Regula Falsi converge más rápidamente que el método de bisección. El algoritmo de la
Regula Falsi puede ser mejorado de varias maneras. Una de ellas, llamadas método de la secante, retiene el uso de la
secante, pero abandona la sucesión de intervalos que contiene a la raı́z.

6
 bk − ak
En este caso el mı́nimo error absoluto máximo en la iteración k-ésima está dado por ∆m x = y en cuanto
2
a los criterios de parada podemos seguir tomando los mismos que con el método anterior.

Siguiendo la idea de las secantes pero mejorando Regula Falsi podemos llegar a un método iterativo:

Método 3 (Método de las Secantes) Dada una función f (x) y dos puntos x−1 y x0 , a partir de la fórmula itera-
tiva:
f (xk )xk−1 − f (xk−1 )xk
xk+1 =
f (xk ) − f (xk−1 )
obtenemos una aproximación de la raı́z xk+1 en la iteración k.

Ejemplo 5 Dada la función f (x) = 0,2 · x2 − 4, hallar la raı́z que se encuentra entre [1, 6].

Partiendo de x−1 = 6 y x0 = 1 y utilizando la fórmula recursiva:

f (x0 )x−1 − f (x−1 )x0

x1 = = 3,71
f (x0 ) − f (x−1 )
x2 = 4,98

x3 = 4,42

x4 = 4,47

Y teniendo f (x4 ) ≈ −0,0038 que es una buena aproximación de la raı́z.

En cuanto al error de este método podemos obtenerlo a partir de:

∆m xk = |xk − xk−1 |

7
Método 4 (Método de Newton) El método de Newton se basa en trazar tangentes a la función f (x), es un método
iterativo donde a partir de una función f (x) y un punto x0 se utiliza la fórmula iterativa:

f (xk )
xk+1 = xk −
f ′ (xk )

Ejemplo 6 Dada la función f (x) = 0,1 · (x − 1)2 − 4 hallar la raı́z que se encuentra entre [1, 12].

Partiendo de x0 = 12 y sabiendo que f ′ (x) = 0,2 · (x − 1):

f (x0 )
x1 = x0 − = 8,3
f ′ (x0 )
x2 = 7,38
x3 = 7,32

donde f (x3 ) ≈ −0,005 el cual es una buena aproximación de la raiz

Para este método el error absoluto máximo se calcula de igual manera en la iteración k, como:

∆m xk = |xk − xk−1 |