Raíces

Bisección
La idea es encerrar la raíz en un intervalo cada vez más pequeño tanto como se desee.

El método de bisección encuentra una raíz real de una ecuación si se sabe que la raíz existe en un
intervalo dado.

Es un tipo de búsqueda incremental en el que el intervalo se divide siempre a la mitad. Si la función

cambia de signo sobre un intervalo, se evalúa el valor de la función en el punto medio. La posición
de la raíz se determina situándola en el punto medio del subintervalo, dentro del cual ocurre un
cambio de signo. El proceso se repite hasta obtener una mejor aproximación.

El error verdadero no disminuye con cada iteración. El ancho del intervalo proporciona una
estimación exacta del límite superior del error en el método de bisección.

Puede decirse a priori la cantidad de iteraciones para un error deseado.

Fin del algoritmo: cuando el error relativo porcentual sea menor a un valor fijado.

Desventaja: el método de bisección por lo general es más lento que otros métodos

Un defecto del método de bisección es que puede atrapar una singularidad como si fuera una raíz,
debido a que el método no reconoce la diferencia entre una raíz y una singularidad. Para evitar
este problema, el programa debe verificar si |f(b) - f(a)| converge a cero cuando se lleva a cabo el
procedimiento de bisección. Si esta cantidad diverge, el programa está atrapando una singularidad

Ventaja:

 El método de bisección encuentra una raíz aun cuando la función no sea analítica.
 La claridad del análisis de error.
 Este método es robusto: resiste bien el error de redondeo.
 El algoritmo de bisección es adecuado si se quiere realizar la evaluación de una sola raíz de
una función que es fácil de evaluar

ErrorX= (b-a)/2

ErrorY= f(m)

Punto fijo
La idea es encontrar la intersección entre y=x con y = g(x)

La utilidad de la ecuación es que proporciona una fórmula para predecir un nuevo valor de x en
función del valor anterior de x. De esta manera, dado un valor inicial para la raíz xi, la ecuación se
utiliza para obtener una nueva aproximación xi+1, expresada por la fórmula iterativa.

El error relativo porcentual verdadero en cada iteración es proporcional (por un factor de 0.5 a 0.6)
al error de la iteración anterior. Esta propiedad, conocida como convergencia lineal, es característica
de la iteración simple de punto fijo.
Convergencia

La iteración de punto fijo converge si, en la región de interés, |g′(x)| < 1. En otras palabras, la
convergencia ocurre si la magnitud de la pendiente de g(x) es menor que la pendiente de la recta
f(x) = x.

Si |g′(x)| < 1, entonces los errores disminuyen con cada iteración. CONVERGE

Si |g′(x)| > 1, los errores crecen. DIVERGE

Si la derivada es positiva, los errores serán positivos y, por lo tanto, la solución iterativa será
monótona. Si la derivada es negativa, entonces los errores oscilarán

Cuando el método converge, el error es proporcional y menor que el error en la iteración anterior.
Por tal razón se dice que la iteración simple de punto fijo es linealmente convergente.

Desventaja:

 la convergencia depende de la manera en que se formula la ecuación.

 Aun cuando la convergencia es posible, la divergencia puede ocurrir si los valores iniciales
no son suficientemente cercanos a la solución verdadera

Error n+1 = g’(𝜀) * Error n  convergencia lineal

Punto Fijo Sistemático

si tenemos F(x) = 0
encontramos Max tal que 0 < min < | F’(x) | < Max
luego = 1/Max
entonces nos queda g(x)=x - F(x).

Newton – Raphson
Idea: evaluación analítica de rectas tangentes.

x1 = x0 - [ f (x0 ) / f ’(x0 ) ]
También llamado de Newton Raphson, encuentra una raíz siempre y cuando se conozca una
estimación inicial de la raíz deseada, digamos x0.

Usamos el desarrollo de Taylor en torno a una estimación x0, entonces la ecuación se puede escribir
así:

f(x) = 0 = f(x0) + f ’ (x0) (x - x0) + O(h2) con h=x-x0

Si el valor inicial para la raíz es xi, entonces se puede trazar una tangente desde el punto [xi, f(xi)] de
la curva. Por lo común, el punto donde esta tangente cruza al eje x representa una aproximación
mejorada de la raíz.
El método utiliza de forma iterativa las rectas tangentes que pasan por las aproximaciones
consecutivas de la raíz.

Desventaja: La posible tendencia a alejarse del área de interés se debe a que se encuentran
pendientes cercanas a cero. En efecto, una pendiente cero [ƒ '(x) = 0] es un verdadero desastre, ya
que causa una división entre cero en la fórmula de Newton-Raphson. En forma gráfica, esto significa
que la solución se dispara horizontalmente y jamás toca al eje x.

Convergencia

El método requiere una buena estimación inicial. De otro modo, la solución iterativa puede divergir
o converger a una solución irrelevante.

Su convergencia depende de la naturaleza de la función y de la exactitud del valor inicial. La única

solución en estos casos es tener un valor inicial que sea “suficientemente” cercano a la raíz.

La tasa de convergencia iterativa del método es alta, cuando funciona (es cuadrática).

∣en+1∣ ≤ ∣C∣⋅∣en2| El método tiene convergencia cuadrática.

El error es proporcional al cuadrado del error anterior. En otras palabras, el número de cifras
significativas de precisión aproximadamente se duplica en cada iteración. A este comportamiento
se le llama convergencia cuadrática.

Condiciones:

1. Existencia de la Raíz

Dado un cierto intervalo de trabajo [a,b], dentro del mismo debe cumplirse que f(a)* f(b) < 0.
(condición necesaria)

2. Unicidad de la raíz

Dentro del intervalo de trabajo [a,b], la derivada de f(x) debe ser diferente de cero.

3. Concavidad

La gráfica de la función f(x) dentro del intervalo de trabajo [a,b], debe ser cóncava, hacia arriba o
hacia abajo. Para ello debe verificarse que:

f ' ' (x) ≤ 0 ó f ' ' (x) ≥ 0 ∀x∈ [a, b]

4. Intersección de la Tangente a f(x), dentro de [a,b]

Se debe asegurar que la tangente a la curva en el extremo del intervalo [a,b] en el cual f'(x) sea
mínima, intersecte al eje x dentro del intervalo [a,b].

De esta manera aseguramos que la sucesión de valores de xi se encuentren dentro del intervalo
[a,b].

Sea c el extremo del intervalo donde f’(x) es mínima:

|f(c)| / |f ’(c)| <= b – a

COMPARACIÓN

Raíces de polinomios
Deflación

Se basa en la factorización del polinomio como el producto de sus factores irreducibles (factores
lineales para las raíces reales y factores cuadráticos para las complejas). El objetivo de la deflación
es disminuir el grado del polinomio mediante la división del p n(x) por un factor
 lineal del tipo (x-s1) obteniendo un polinomio cociente de grado (n-1), p.e., qn-1(x), s1 es una
raíz real obtenida por algún método numérico.
 cuadrático (x-(a+bi))(x-(a-bi)) siendo a±bi las raíces complejas conjugadas. Para el caso
complejo.
El proceso continúa hallando las raíces del polinomio qn-1(x) y termina cuando el grado llega a 2.
----
Es la forma de dividir un polinomio, por el método de Ruffini, para reducir su grado habiendo
obtenido antes una raíz

Cualquier polinomio se puede escribir: P(x)=(x-r1) * (x-r2)*(x-r3) siendo r1, r2, r3 las raíces. Entonces
podrías "dividir" el polinomio por (x-r3) y te quedaría solo las r1 y r2 por encontrar en un polinomio
de 2 grado (que tiene resolvente)

Ruffine

Por Ruffini se simplifica el polinomio y se resuelve por resolvente.

Bisección vs Punto Fijo Sistemático

 Si la función es muy compleja  bisección

 Si el error debe ajustarse por el error en x  bisección
 Si tu función es fácil de derivar  punto fijo sistemático
 TEORÍA

Verdadero o falso

El método de Newton-Raphson permite hallar raíces complejas de polinomios.

 VERDADERO. (En cambio, bisección no permite determinar raíces complejas)

El método de Punto Fijo Sistemático no converge si |g’(x)|>1.

 FALSO. El método de Punto Fijo Sistemático siempre converge ya que fuerza la convergencia
a partir de un g(x) que tiene la forma g(x)= x- λ f(x) siendo λ= 1/f’(x)max. El valor de λ está
ajustado para que |g’(x)|<1 (condición de convergencia de punto fijo).

El método de Bisección permite hallar cualquier tipo de raíces múltiples siempre que sean reales.

 FALSO. El método de Bisección no permite hallar raíces de multiplicidad par, ya que no es

posible determinar el cambio de signo de la función (teorema de Bolzano). Un
contraejemplo valido seria y= x^2

No es posible hallar la solución de una ecuación no lineal por medio del método de Bisección, si en
algún momento durante el proceso se verifica que f((a+b)/2)=0.

 FALSO. Si bien el algoritmo como esta dado en esta materia no incluye una excepción para
este problema particular, se puede implementar el programa de forma que en f((a+b)/2)=0
o en f(a)=0 el programa no fallara y salga del ciclo DO, tomando como raíz (a+b)/2 o f(a)
según corresponda.
Algoritmo de Bisección SIN caso particular.

Si se verifica dicha condición, se estaría confirmando que el error es cero, y por lo tanto la raíz se
encuentra en el punto a + b / 2 .

Es posible resolver un sistema de ecuaciones lineales con el método de punto fijo, pero no con
Newton y Quasi-Newton.

 FALSO. Si es posible siempre y cuando se cumplan las condiciones particulares de

convergencia de cada método, ya que las ecuaciones lineales son “un caso particular” de
las no lineales. Sin embargo seria poco útil aplicarlo, ya que los métodos para sistemas
lineales ofrecerán mucha más eficiencia y habrá menos margen de falla (por las
condiciones particulares de convergencia).

El método de Punto Fijo diverge porque la matriz jacobiana en x0 es singular.

 VERDADERO. “Si en el proceso de cálculo de Λ resultara que F ‘ (X0) (matriz jacobiana) es

singular, deberá elegirse un nuevo valor de X0, de forma tal que se verifique que el
determinante de Λ es distinto de 0.”

El método de Bisección permite hallar raíces complejas de polinomios.

 FALSO.

Dada una función f(x), el método de bisección siempre permite hallar los valores que anulan dicha
función.

 FALSO.

La función g(X)= x3 + x2 – 2x – 3 permite hallar una raíz de f(X)= x3 + x2 – 3x -3 con el método punto
fijo en el intervalo [1,5 ; 2,0]

 FALSO. | g(x) | > 1. Por lo tanto, no converge

El método de punto fijo sistemático no converge si | g’(x) | > 1

 FALSO. El método de punto fijo sistemático siempre converge.

El método de deflación para polinomios sólo es aplicable al caso de raíces reales.

 FALSO. Es la forma de dividir un polinomio, por el método de Ruffini, para reducir su grado
habiendo obtenido antes una raíz. Ruffini permite trabajar tanto con raíces reales como
complejas. Para raíces reales se divide por un término lineal (x - a) y para raíces complejas
por un término cuadrático [(x – (a – bi) (x – (a + bi)]

Una de las ventajas del método de Newton para sistemas sobre el método de Punto fijo es que sus
resultados no son afectados, aún cuando el determinante de la matriz jacobiana sea nulo.

 FALSO.

El método de Newton Modificado necesita por lo general menos iteraciones que el método de
Newton a partir del mismo valor inicial para obtener una solución con igual exactitud.

 FALSO. Ya que converge más lentamente que el método de Newton necesita, en general,
realizar más iteraciones que el método de Newton para obtener igual exactitud.

La diferencia entre el cero verdadero y el cero “perturbado” de un polinomio es independiente de la

diferencia entre los coeficientes verdadero y “perturbado” del polinomio “Mónico”.

 FALSO. Se sabe que al polinomio sin perturbar, se lo divide por el coeficiente principal y se
lo hace Mónico. Lo mismo se hace con el polinomio perturbado. Entonces, la raíz del
polinomio sin perturbar será Z, que es el cero verdadero y la raíz del polinomio perturbado
es Z* que es el cero perturbado. Entonces ∆𝑍 = 𝑍 − 𝑍*

El método de Newton Modificado para sistemas de ecuaciones no lineales puede divergir si los
órdenes de error de las diferencias utilizadas, son diferentes entre sí.

 FALSO.

Existe un método de resolución de sistemas de ecuaciones no lineales que requiere para su

aplicación, que la matriz jacobiana sea singular.

 FALSO.
Muestre gráficamente y explique que significa que en el método de Newton no se cumpla que:

Dadas las siguientes funciones:

Los valores iniciales serán x0=1 e y0=0, para elegir estos valores se tuvo en cuenta la
proposición:

“Una matriz es singular si y solo si su determinante es nulo”

Y esos valores hacen que det(F′(𝑋0)) = 1/2 , además de ser cercanos a uno de los puntos de
intersección entre las dos curvas (al de la derecha).