Métodos Numéricos

Guía 3

Temática:

Estimación de raíces de ecuaciones. Métodos de reducción de intervalos y métodos de

aproximaciones sucesivas. Convergencia de los métodos. Error de estimación.

Objetivos:

1. Conocer las limitaciones de la matemática analítica para estimar las raíces de ecuaciones.
2. Comprender algunos de los métodos numéricos para el cálculo de raíces reales de
ecuaciones.

Bibliografía:

Álvarez, M.; Guerra, A.; Lau, R. (2011). Matemática Numérica. Edit. Félix Varela. La Habana. Vol.
I: Capítulo 2: Raíces de ecuaciones. Epígrafes 2.1, 2.2, 2.3, 2.4 y 2.5.

Introducción

En la práctica aparecen ecuaciones que no pueden ser resueltos por los métodos analíticos
exactos. Para el caso particular de las ecuaciones polinómicas existen fórmulas analíticas que
permiten obtener las soluciones, como la del discriminante para las de 2do orden. Sin embargo a
medida que se incrementa el grado del polinomio aumenta la complejidad de las fórmulas que
permiten obtener las soluciones, ya para las de 3er orden las fórmulas son bien complicadas.
Cuando no es posible hallar la solución de forma analítica se aplican los métodos numéricos,
aunque en otros casos la utilización de estos puede resultar un método más corto y eficiente. Por
otro lado, para las ecuaciones trascendentes como tan 𝑥 − 𝑥 = 0, o 𝑒 𝑥 + ln 𝑥 = 0, pueden
encontrarse soluciones aproximadas también por los métodos numéricos. Tanto las ecuaciones
polinómicas como las trascendentes se encuentran frecuentemente y describen aplicaciones en
la industria química. En esta actividad abordaremos algunos de los métodos numéricos utilizados
para la solución de ecuaciones.

Desarrollo

El cálculo de las raíces de una ecuación consta, en general de dos etapas:

1. Separación de las raíces: la cual tiene como objetivo determinar intervalos como (a, b) que
contenga la raíz.
2. Aplicación de algoritmo o método para hallar la raíz deseada con la aproximación
requerida.

1. Separación de las raíces

El método más elemental para la separación de raíces consiste en la representación gráfica de la

función. En la actualidad existen programas que grafican funciones y se pueden acotar dentro de
intervalos de separación suficientemente pequeños. Además, este método brinda información
acerca de las características de la función.

Para el caso particular de las ecuaciones algebraicas existen resultados importantes que permiten
separar las raíces de forma analítica, los cuales se describen a continuación. Estos son:

✓ Teorema de las n raíces

 ✓ Regla de Descartes
✓ Fórmula de Lagrange para acotar raíces

Sea la ecuación algebraica:

𝑎0 𝑥 𝑛 + 𝑎1 𝑥 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑥 + 𝑎𝑛 = 0

donde n es un número natural y a0, a1 …, an son constantes reales.

Teorema de las n raíces: Una ecuación algebraica de grado n tiene como máximo n raíces reales.

Ejemplo 1: La ecuación algebraica 𝑥 5 − 3𝑥 3 − 4𝑥 + 10 = 0, es de quinto grado, por lo que se

puede afirmar que tiene como máximo cinco raíces reales.

Regla de Descartes: Sea m el número de cambios de signo que se presentan en la sucesión de

coeficientes de la ecuación algebraica, entonces el número de raíces positivas de la ecuación es
menor o igual que m y tiene su misma paridad. Existen dos casos particulares: Si m=0 la ecuación
no tiene raíces positivas y si m=1, tiene exactamente una raíz positiva.

Ejemplo 2: La ecuación algebraica 𝑥 5 − 3𝑥 3 − 4𝑥 + 10 = 0, presenta dos cambios de signos

(+̂− −̂+) en la sucesión de los coeficientes, por lo que la ecuación tiene dos o ninguna raíz
positiva.

Fórmula de Lagrange para acotar raíces: Sea la ecuación algebraica con a0>0. Si B es el valor
absoluto del coeficiente negativo con mayor valor absoluto y a k es el primer coeficiente negativo
contando desde la izquierda, entonces todas las raíces positivas de la ecuación, si existen, son
k B
menores que el número: R = 1 + √a . El valor R da una cota superior de las raíces positivas de la
0
ecuación y por tanto se obtiene el intervalo [0, R].

Ejemplo 3: En este caso 𝑥 5 − 3𝑥 3 − 4𝑥 + 10 = 0 se deben tener en cuenta los coeficientes nulos,

es decir, 𝑥 5 + 𝟎𝒙𝟒 − 3𝑥 3 + 𝟎𝒙𝟐 − 4𝑥 + 10 = 0, por lo que los coeficientes de la ecuación son:

𝑎0 = 1; 𝑎1 = 0; 𝑎2 = −3; 𝑎3 = 0; 𝑎4 = −4; 𝑎5 = 10

En este caso 𝑎0 = 1 y 𝐵 = |−4| = 4 dado que es coeficiente negativo de mayor valor absoluto, y
k=2 pues es el índice que corresponde al primer coeficiente negativo 𝑎𝟐 = −3. Por
2 4
tanto: 𝑅 = 1 + √1 = 3 , por lo que en el intervalo [0, 3] se encuentran, en caso de tenerlas, las
dos raíces positivas de la ecuación

De los ejemplos anteriores se determinó que la ecuación algebraica analizada

𝑥 5 − 3𝑥 3 − 4𝑥 + 10 = 0 tiene como máximo cinco raíces reales, de las cuales dos o ninguna
eran positivas, y se encontraban en al intervalo [0, 3]. Ahora bien, ¿Cómo determinar las raíces
negativas de la ecuación? Para ello se debe transformar la ecuación original a la forma f(-x)=0 y
que el primer coeficiente sea no negativo. Si r es una raíz positiva de f (-x)=0 entonces -r es una
raíz negativa de la ecuación original.

Ejemplo 4: Al evaluar –x en la ecuación 𝑥 5 − 3𝑥 3 − 4𝑥 + 10 = 0, se obtiene

−𝑥 5 + 3𝑥 3 + 4𝑥 + 10 = 0, como no se cumple que 𝑎0 > 0, se multiplica por -1, y se obtiene,
𝑥 5 − 3𝑥 3 − 4𝑥 − 10 = 0. Esta ecuación presenta solo un cambio de signo (+ −), por tanto
presenta una raíz positiva. Al aplicar la fórmula de Lagrange:

𝑎0 = 1; 𝑎1 = 0; 𝑎2 = −3; 𝑎3 = 0; 𝑎4 = −4; 𝑎5 = −10

En este caso 𝑎0 = 1 y 𝐵 = |−10| = 10 dado que el coeficiente negativo de mayor valor absoluto, y
k=2 pues es el índice que corresponde al primer coeficiente negativo 𝑎2 = −3. Por tanto:
2 10
𝑅 = 1 + √ 1 = 4.162, por lo que en el intervalo [0, 4.162] se encuentra, exactamente, una raíz
positiva de la ecuación y por tanto una raíz negativa de la ecuación original.

En resumen, la ecuación algebraica 𝑥 5 − 3𝑥 3 − 4𝑥 + 10 = 0 tiene dos o ninguna raíz positiva en el

intervalo [0, 3] y exactamente una raíz negativa en el intervalo [-4.162, 0].

2. Métodos para hallar raíces de ecuaciones

A continuación se describen algunos de los métodos utilizados para determinar las raíces de
ecuaciones, los cuales se separan en dos grupos:

I. Métodos de división de intervalos: Estos métodos tienen en común el hecho de que

comienzan con un intervalo de búsqueda, en el cual ocurre todo el proceso, y en cada
iteración se reduce dicho intervalo. Los métodos de división de intervalos más utilizados son
el método de bisección y el método de Regula Falsi.
II. Métodos de aproximaciones sucesivas: Estos métodos son métodos de puntos, no de
intervalos, en los cuales se tiene una aproximación inicial x0 de la raíz de la ecuación, a
partir del cual se obtienen sucesivas aproximaciones. La función f(x)=0 se transforma en
una función de la forma x=g(x). Dentro de estos métodos los más utilizados son el método
general de aproximaciones sucesivas en general y el método de Newton – Raphson.

➢ Método de bisección

Este método es el más sencillo para determinar raíces de ecuaciones. Aunque es menos eficiente
que otros métodos cuando los cálculos son a mano, posee las ventajas siguientes: requiere
condiciones mínimas para su aplicación, algoritmo simple y fácil de programar, la rapidez de la
convergencia es independiente de la función f(x) y la acotación del error es simple e
independiente de las características de la función. Es el más robusto de todos los métodos para
hallar raíces reales de ecuaciones. En la figura que se muestra a continuación se representa la
idea geométrica del método:

f(x)

a1 x2
a2 a3 r
x1 b1 x
b2
b3

Dada una función f(x) continua en el intervalo [a, b], con una sola raíz en [a, b], y tal que
f(a)·f(b) < 0, es decir, f(x) tiene signos diferentes en a y en b. Entonces:
𝑎𝑛 +𝑏𝑛
1) Se determina el punto medio de [a, b]: 𝑥𝑛 = 𝑝𝑎𝑟𝑎 𝑛 = 1, 2, 3 … 𝑘
2
2) Se halla f(xn)
 3) Si f(an)f(xn) < 0, se toma b= xn como nuevo intervalo [a, xn], de lo contrario se toma a= xn el
intervalo [xn, b]
4) Este proceso continúa hasta que la mitad de la longitud del último intervalo considerado
𝑏 −𝑎
sea menor que el error absoluto prefijado, es decir, 𝐸(𝑥) = 𝑛 2 𝑛 ≤ 𝜀
5) El valor aproximado de la raíz es el último valor de xn hallado. Si en algún punto se obtiene
exactamente f(xn) = 0, la raíz es xn y se detienen las iteraciones.

Este método permite determinar el número de iteraciones necesarias antes de comenzar, a partir
del valor prefijado del error absoluto 𝐸(𝑥) = 𝜀 en la estimación. Dado que en cada iteración el
intervalo se reduce la mitad, entonces:

𝑏𝑛 − 𝑎𝑛 𝑏1 − 𝑎1
= ≤𝜀
2 2𝑛

Al despejar n se obtiene, que el número de iteraciones necesarias para para un error de

estimación prefijado es:

𝑏1 − 𝑎1
ln (
𝑛≥ 𝜀 )⁄
ln 2
Ejemplo 5: Determine la raíz de la función 𝑓(𝑥) = 𝑥 3 − 𝑥 2 − 1 en el intervalo [1, 2] con un error
menor que 0.005.

El número de iteraciones necesarias para lograr un error menor o igual que 0.001 es:

2−1
ln ()⁄
𝑛≥ 0.005
ln 2 ≈ 8
De acuerdo con el algoritmo de trabajo descrito para el método de bisección se calcula el punto
medio:

𝑎1 + 𝑏1 1 + 2
𝑥1 = = = 1.5
2 2

El error absoluto en la primera iteración es:

𝑏1 − 𝑎1 2 − 1
𝐸(𝑥1 ) = = = 0.5 > 0.005
2 2

Como el error es mayor que el prefijado, es necesario realizar otra iteración en el nuevo intervalo,
el cual debe ser seleccionado:

𝑓(𝑎1 ) = 𝑓(1) = 13 − 12 − 1 = −1

𝑓(𝑥1 ) = 𝑓(1.5) = 1.53 − 1.52 − 1 = 0.125

Como la función tienen signos diferentes en estos puntos entonces el nuevo intervalo de
búsqueda es [1, 1.5]. La raíz se encuentra en este intervalo el cual tiene la mitad de la amplitud
que el inicial. Siguiendo el algoritmo de trabajo descrito para el método de bisección se obtienen
los resultados siguientes:
 n a b xn E(x) f(a) f(xn) f(a)·f(xn)
1 1 2 1.5000 0.5000 -1.000 0.125 -0.125
2 1.0000 1.5000 1.2500 0.2500 -1.000 -0.609 0.609
3 1.2500 1.5000 1.3750 0.1250 -0.609 -0.291 0.177
4 1.3750 1.5000 1.4375 0.0625 -0.291 -0.096 0.028
5 1.4375 1.5000 1.4688 0.0313 -0.096 0.011 -0.001
6 1.4375 1.4688 1.4531 0.0156 -0.096 -0.043 0.004
7 1.4531 1.4688 1.4609 0.0078 -0.043 -0.016 0.001
8 1.4609 1.4688 1.4648 0.0039

Por tanto, la raíz de la ecuación es 1.4648 con E(x)=0.0039. El producto f(an)·f(xn) no es

necesario efectuarlo, solo basta determinar el signo (negativo o positivo).

➢ Método de Regula Falsi

Una modificación del método de bisección es el método de Regula Falsi. La idea geométrica del
método se basa en hallar el cero de la recta que une los puntos extremos del intervalo inicial,
donde dicho cero sustituirá uno de los extremos del intervalo. Con el nuevo intervalo se procede
de forma similar, de forma que cada punto hallado se acerca más a la solución (r) de la ecuación.
A continuación se muestra la representación geométrica del método y los pasos para utilizar el
mismo:

f(x)

x2
x1 a3
a1 a2

r b1 x

Este método no siempre converge a la solución y en algunos casos la convergencia es lenta. La

convergencia del método está dada por las hipótesis siguientes: f(x) es una función continua en
el intervalo [a, b], con una sola raíz en [a, b], y tal que f(a)·f(b) < 0, es decir, f(x) tiene signos
diferentes en a y en b, además, f(x) es derivable en el intervalo [a, b], f´(x) y f´´(x) son continuas
cerca de la raíz y no cambian de signo en [a, b].

Los pasos para aplicar el método de Regula Falsi se exponen a continuación:

𝑏𝑛 −𝑎𝑛
1) Se determina el punto: 𝑥𝑛 = 𝑎𝑛 − 𝑓(𝑏 𝑓(𝑎𝑛 )
𝑛 )−𝑓(𝑎𝑛 )
2) Se halla f(xn)
3) Si f(an)f(xn) < 0, se toma b= xn como nuevo intervalo [a, xn], de lo contrario se toma a= xn el
intervalo [xn, b]
4) El proceso continúa hasta que el error absoluto entre los dos últimos puntos hallados sea
menor o igual que el error prefijado: 𝐸(𝑥) = |𝑥𝑛 − 𝑥𝑛−1 | ≤ 𝜀. Si no se cumple que 2d>D,
donde d= │f´(a) │y D=│f´(b) │, tales que d≤│f´(x) │≤D, entonces:
𝐷−𝑑
𝐸(𝑥) = 𝑑 |𝑥𝑛 − 𝑥𝑛−1 |.
5) El valor aproximado de la raíz es el último valor de xn hallado.
Ejemplo 6: Resolver el ejemplo 5 mediante el método de Regula Falsi.

R/ Primero se estiman los números d y D:

𝑓 ´ (𝑥) = 3𝑥 2 − 2𝑥

𝑑 = 𝑓 ´ (1) = 3 ∙ 12 − 2 ∙ 1 = 1

𝐷 = 𝑓 ´ (2) = 3 ∙ 22 − 2 ∙ 2 = 8

Debido a que d = 1 y D =8 no se cumple que 2d>D, por tanto es debe estimar el error como:
𝐷−𝑑
𝐸(𝑥) = 𝑑 |𝑥𝑛 − 𝑥𝑛−1 |

De acuerdo con el algoritmo de trabajo descrito para el método de Regula Falsi se calcula la
primera aproximación como:

𝑏1 − 𝑎1 2−1
𝑥1 = 𝑎1 − 𝑓(𝑎1 ) = 1 − ∙ 3 = 1.25
𝑓(𝑏1 ) − 𝑓(𝑎1 ) −1 − 3

Donde:

𝑓(𝑎1 ) = 𝑓(1) = 13 − 12 − 1 = −1

𝑓(𝑏1 ) = 𝑓(2) = 23 − 22 − 1 = 3

Como el error se calcula entre la aproximacion hallada y la anterior, el error para este primer
punto no se estima. Lugo se calcula f(x1 ):

f(x1 ) = f(1.25) = 1.253 -1.252 -1 = -0.61

Como la función tienen signos iguales en los puntos a1 y x1 entonces el nuevo intervalo de
búsqueda es [x1 , b1 ], es decir, [1.25, 2]. La raíz se encuentra en este intervalo. Siguiendo el
algoritmo de trabajo descrito para el método de Regula Falsi se obtienen los resultados
siguientes:

n a b f(a) f(b) xn E(x) f(xn) f(a)·f(xn)

1 1 2 -1.00 3.00 1.2500 -0.61 0.61
2 1.2500 2 -0.61 3.00 1.3766 0.8862 -0.29 0.17
3 1.3766 2 -0.29 3.00 1.4309 0.3801 -0.12 0.03
4 1.4309 2 -0.12 3.00 1.4524 0.1503 -0.05 0.01
5 1.4524 2 -0.05 3.00 1.4606 0.0575 -0.02 0.00
6 1.4606 2 -0.02 3.00 1.4637 0.0217 -0.01 0.00
7 1.4637 2 -0.01 3.00 1.4649 0.0081 0.00 0.00
8 1.4649 2 0.00 3.00 1.4653 0.0031

El error para la segunda iteración, por ejemplo, es:

8−1
𝐸(𝑥) = |1.3766 − 1.2500| = 7 ∙ 0.1266 = 0.8862
1

Aunque la convergencia del método de Regula Falsi ocurre más rápido que el método de
bisección, en este caso no es así, pues no se satisface la condición 2d>D. Mediante este método
se obtiene la raíz 1.4653 con un E(x)=0.0031. El producto f(an)·f(xn) no es necesario efectuarlo,
solo basta determinar el signo (negativo o positivo).

➢ Método de aproximaciones sucesivas

El método de aproximaciones sucesivas representa la esencia de los procesos iterativos ya que

permite definir una ecuación de recurrencia g (x) que resulta muy práctica si se toma un valor
inicial x0 y se mejora a través de las iteraciones. Sea la función 𝑓(𝑥) = 0:

1) Transformar la función 𝑓(𝑥) = 0, en una función de la forma 𝑥 = 𝑔(𝑥)

2) Representar la función 𝑥 = 𝑔(𝑥) de la forma iterativa 𝑥𝑛 = 𝑔(𝑥𝑛−1 ) 𝑛 = 1, 2, 3, …
3) Realizar aproximaciones a partir de un punto 𝑥0 conocido y que cumpla la condición de
convergencia.
4) El proceso continúa hasta que el error absoluto entre el los dos últimos puntos hallados
sea menor que el error prefijado: 𝐸(𝑥) = |𝑥𝑛 − 𝑥𝑛−1 | ≤ 𝜀
5) El valor aproximado de la raíz es el último valor de xn , el cual es la solución de la ecuación
original.

Este método no es aplicable a cualquier ecuación. De una función 𝑓(𝑥) = 0 se pueden obtener
varias transformaciones de la forma 𝑥 = 𝑔(𝑥), las cuales pueden o no converger a la solución de
la ecuación, o la convergencia puede ser lenta. La sucesión generada por el proceso iterativo
𝑥𝑛 = 𝑔(𝑥𝑛−1 ) converge a la solución r de la ecuación, si g(x) y g'(x) son continuas y se cumple que
|𝑔´(𝑥)| < 1 para todo x en un entorno reducido de r y x0 pertenece a dicho intervalo.

Ejemplo 7: Resolver el ejemplo 5 mediante el método de aproximaciones sucesivas.

A continuación se muestra algunas de las ecuaciones de la forma 𝑥 = 𝑔(𝑥) que se pueden

obtener a partir de la ecuación 𝑓(𝑥) = 𝑥 3 − 𝑥 2 − 1.

3 1
𝑥 = √𝑥 3 − 1, 𝑥 = √𝑥 2 + 1, 𝑥 =1+
𝑥2

A continuación se muestran los resultados para cada ecuación:

3
Para la ecuación 𝑥𝑛 = √𝑥𝑛−1 − 1 tomando 𝑥0 = 2, no converge a la solución, debido a que la
condición de convergencia |𝑔´(𝑥)| < 1 no se cumple.

3𝑥 2
𝑔´(𝑥) = , 𝑑𝑜𝑛𝑑𝑒: |𝑔´(2)| = 2.27 > 1
2√𝑥 3 −1

Lo anterior se puede comprobar en la tabla que se muestra a continuación, donde el error en vez
de disminuir, se incrementa.

N xn E(x)
1 2
1 2.6458 0.6458
2 4.1857 1.5400
3 8.5050 4.3193

3 2
Para la ecuación 𝑥𝑛 = √𝑥𝑛−1 + 1, tomando 𝑥0 = 2, la condición de convergencia |𝑔´(𝑥)| < 1 se
cumple:
 2𝑥
𝑔´(𝑥) = 3
, |𝑔´(2)| = 0.46 < 1
3√(𝑥 2 + 1)2

De acuerdo con el algoritmo de trabajo descrito para el método de aproximaciones sucesivas se

calcula la primera aproximación como:

3 3
𝑥1 = √𝑥02 + 1 = √22 + 1 = 1.7100

El error absoluto para la primera iteración es:

𝐸(𝑥1 ) = |𝑥1 − 𝑥0 | = |1.7100 − 2| = 0.2900 > 0.005

Como el error es mayor que el prefijado, es necesario realizar otra iteración. Siguiendo el
algoritmo de trabajo descrito para este método se obtiene:

n xn E(x)
0 2
1 1.7100 0.2900
2 1.5773 0.1327
3 1.5165 0.0608
4 1.4888 0.0277
5 1.4761 0.0126
6 1.4704 0.0058
7 1.4678 0.0026

De acuerdo con los resultados anteriores la raíz de 𝑓(𝑥) = 𝑥 3 − 𝑥 2 − 1 es 1.4678 con un error de
0.0026.
1
Para la ecuación 𝑥𝑛 = 1 + 𝑥 2 , tomando 𝑥0 = 2, la condición de convergencia |𝑔´(𝑥)| < 1 se
𝑛−1
cumple:
−2
𝑔´(𝑥) = , |𝑔´(2)| = 0.25 < 1
𝑥3

De acuerdo con el algoritmo de trabajo descrito para el método de aproximaciones sucesivas se

calcula la primera aproximación como:

1 1
𝑥1 = 1 + 2 = 1 + 22 , = 1.25
𝑥0

El error para la primera iteración es:

𝐸(𝑥1 ) = |𝑥1 − 𝑥0 | = |1.25 − 2| = 0.75 > 0.005

Como el error es mayor que el prefijado, es necesario realizar otra iteración. Siguiendo el
algoritmo de trabajo descrito para este método se obtiene:

n xn E(x)
0 2
1 1.2500 0.7500
2 1.6400 0.3900
 3 1.3718 0.2682
4 1.5314 0.1596
5 1.4264 0.1050
6 1.4915 0.0651
7 1.4495 0.0420
8 1.4759 0.0264
9 1.4591 0.0169
10 1.4697 0.0107
11 1.4629 0.0068
12 1.4673 0.0043

Como se indica en la tabla anterior se obtiene que la raíz de 𝑓(𝑥) = 𝑥 3 − 𝑥 2 − 1 es 1.4673 con un
error de 0.0043.

Se puede observar que este método no siempre converge, y si converge puede hacerlo
lentamente o rápidamente. Por otro lado, una misma ecuación puede generar un proceso
convergente o divergente.

➢ Método de Newton – Raphson

El método de Newton – Raphson es uno de los métodos más importantes dentro de los métodos
numéricos debido a la cantidad de aplicaciones, generalizaciones y modificaciones que se han
hecho de él. El método consiste en tomar como aproximación 𝑥𝑛 el intercepto con el eje x de la
recta tangente a la función f(x) en el punto 𝑥𝑛−1. Luego se toma una nueva recta tangente en el
punto 𝑥𝑛 con intercepto 𝑥𝑛+1. Este proceso continúa de forma hasta que sucesivas
aproximaciones convergen a la solución r, como se muestra en la figura siguiente:

f(x)

Xn+1 xn
r xn-1 x

Dada una función f(x) continua en el intervalo [a, b], con una sola raíz en [a, b], tal que f(a)·f(b)<0,
es decir, f(x) tiene signos diferentes en a y en b. Entonces:

1) Tomar como x0 un número que cumple la condición de convergencia

𝑓(𝑥 )
2) Calcular: 𝑥𝑛 = 𝑥𝑛−1 − 𝑓′ (𝑥𝑛−1 )
𝑛−1
3) Continuar el proceso hasta que el error prefijado 𝐸(𝑥) = |𝑥𝑛 − 𝑥𝑛−1 | ≤ 𝜀,
4) El valor aproximado de la raíz es el último valor de xn.

Aunque la convergencia de este método en general es más rápida que los otros métodos
estudiados, existen casos en que no se produce la convergencia. La sucesión generada por el
proceso iterativo converge a la solución r de la ecuación, si f´(x) y f´´(x) son continuas y no nulas
en [a, b] el cual contiene la raíz r. Además, se cumple para algún x0  [a, b] (generalmente uno de
los extremos del intervalo) la condición de convergencia es: 𝑓(𝑥0 ) ∙ 𝑓 ′′ (𝑥0 ) > 0
Ejemplo 8: Resolver el ejemplo 5 mediante el método de Newton – Raphson. De acuerdo con el
criterio de convergencia del método:

𝑓(2) ∙ 𝑓 ′′ (2) = (23 − 22 − 1)(6 ∙ 2 − 2) = 30

Dado que se cumple la condición de convergencia 30 > 0, es posible utilizar este método. Al
aplicar el algoritmo de trabajo descrito para el método se calcula la primera aproximación como:

𝑓(𝑥0 ) 𝑥0 3 − 𝑥0 2 − 1 23 − 22 − 1
𝑥1 = 𝑥0 − ′ = 𝑥0 − =2− = 1.625
𝑓 (𝑥0 ) 3𝑥0 2 − 2𝑥0 3 ∙ 22 − 2 ∙ 2

El error para la primera iteración es:

𝐸(𝑥1 ) = |𝑥1 − 𝑥0 | = |1.625 − 2| = 0.375 > 0.005

Como el error es mayor que el prefijado, es necesario realizar otra iteración. Siguiendo el
algoritmo de trabajo descrito para este método se obtienen os resultados que se indican en la
tabla siguiente:

n xn E(x) f(xn) f´(xn)

0 2.0000 3.0000 8.000
1 1.6250 0.3750 0.6504 4.6719
2 1.4858 0.1392 0.0724 3.6511
3 1.4660 0.0198 0.0014 3.5152
4 1.4656 0.0004

Al resolver la ecuación por este método se obtiene que la raíz de 𝑓(𝑥) = 𝑥 3 − 𝑥 2 − 1 es 1.4656
con un error de 0.0004, mucho menor que en los otros métodos y con menos iteraciones.

A continuación se muestran los resultados obtenidos en cada método.

Método Iteraciones Solución Error

Bisección 8 1.4648 0.0039
Regula Falsi 8 1.4653 0.0031
Ec. 1: no converge
Aproximaciones
Ec. 2: 7 1.4678 0.0026
Sucesivas
Ec. 3: 12 1.4673 0.0043
Newton - Raphson 4 1.4656 0.0004

Conclusiones

1. En la práctica aparecen muchas ecuaciones, que no pueden ser resueltas por los métodos
analíticos exactos, en este sentido, los métodos numéricos juegan un papel importante.
2. El primer paso para determinar las raíces de una ecuación consiste en hallar cada uno de los
intervalos que contiene una sola raíz, lo cual puede obtenerse al graficar la función. Para el
caso particular de las ecuaciones algebraicas existen resultados importantes, como el teorema
de las n raíces, la regla de Descartes y la fórmula de Lagrange, que permiten acotar la
cantidad de raíces reales y localizarlas.
3. Para hallar las raíces existen varios métodos, dentro de los cuales se puede destacar el
método de bisección y el método de Regula – Falsi, los cuales son métodos de división de
intervalos, y el método de aproximaciones sucesivas y Newton – Raphson, que son métodos
de puntos. Cada uno de estos métodos presenta sus ventajas y desventajas, y exceptuando el
método de bisección, el resto no siempre converge a la solución de la ecuación.
Estudio Independiente

1. ¿Defina las etapas para hallar las raíces de una función?

2. Resumir los métodos de estimación de raíces en cuanto a: ventajas, desventajas, algoritmo
de trabajo y criterio de convergencia.
3. Estudiar ejemplos resueltos de los epígrafes 2.1, 2.2, 2.3, 2.4 y 2.5 indicado en la
bibliografía.
4. Determine, el valor del flujo de aire, Q (m3/min), que se le suministra a la red de un proceso;
del cual se conoce que:

𝑓(𝑄) = ∆𝑃𝑣𝑒𝑛𝑡𝑖𝑙𝑎𝑑𝑜𝑟 − ∆𝑃𝑟𝑒𝑑

∆𝑃𝑣𝑒𝑛𝑡𝑖𝑙𝑎𝑑𝑜𝑟 = 50 − 0.1𝑄 2

∆𝑃𝑟𝑒𝑑 = 10 + 0.01𝑄 3

Debe cumplirse que ∆𝑃𝑣𝑒𝑛𝑡𝑖𝑙𝑎𝑑𝑜𝑟 = ∆𝑃𝑟𝑒𝑑 . El error absoluto debe ser menor que 0.005.

5. Calcule, con cinco cifras decimales exactas, es decir, 𝐸(𝑥) ≤ 0.5 ∙ 10−5 , todas las raíces
reales de las ecuaciones algebraicas que se muestran a continuación. Utilice, de ser posible,
todos los métodos estudiados y compare los resultados.
a. 𝑥 4 + 𝑥 3 − 𝑥 2 + 𝑥 − 2 = 0
b. 𝑥 4 − 11𝑥 3 + 41𝑥 2 − 60𝑥 + 30 = 0
c. 𝑥 4 + 3𝑥 3 + 10𝑥 2 − 13𝑥 + 5 = 0
d. 𝑥 4 + 3𝑥 2 + 2 = 0
e. 𝑥 3 + 7𝑥 2 + 14𝑥 + 9 = 0