CAPÍTULO 6

Métodos abiertos
En los métodos cerrados del capítulo anterior la raíz se encuentra dentro de un interva-
lo predeterminado por un límite inferior y otro superior. La aplicación repetida de estos
métodos siempre genera aproximaciones cada vez más cercanas a la raíz. Se dice que
tales métodos son convergentes porque se acercan progresivamente a la raíz a medida
que se avanza en el cálculo (figura 6.1a).
En contraste, los métodos abiertos descritos en este capítulo 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 encierran la raíz. Éstos, algunas veces divergen o se
alejan de la raíz verdadera a medida que se avanza en el cálculo (figura 6.1b). Sin em-
bargo, cuando los métodos abiertos convergen (figura 6.1c), en general lo hacen mucho
más rápido que los métodos cerrados. Empecemos el análisis de los métodos abiertos
con una versión simple que es útil para ilustrar su forma general y también para demos-
trar el concepto de convergencia.

FIGURA 6.1
Representación gráfica de f (x) f (x)
las diferencias fundamen-
tales entre los métodos a)
cerrados, b) y c) los méto-
dos abiertos para el cálculo
de raíces. En a) se ilustra el
método de bisección, donde xi
la raíz está contenida dentro xl xu x xi + 1 x
del intervalo dado por xl, y
xu. En contraste, en los mé-
todos abiertos, ilustrados en a) b)
xl xu
b) y c), se utiliza una fórmula
para dirigirse de xi a xi+1, f (x)
xl xu
con un esquema iterativo.
Así, el método puede b)
xl xu
diverger o c) converger
rápidamente, dependiendo
de los valores iniciales. xl xu
xi
xi + 1 x

c)

Chapra-06.indd 142 6/12/06 13:49:47

 6.1 ITERACIÓN SIMPLE DE PUNTO FIJO 143

6.1 ITERACIÓN SIMPLE DE PUNTO FIJO

Como se dijo antes, los métodos abiertos emplean una fórmula para predecir la raíz. Esta
fórmula puede desarrollarse como una iteración simple de punto fijo (también llamada
iteración de un punto o sustitución sucesiva o método de punto fijo), al arreglar la ecua-
ción f(x) = 0 de tal modo que x esté del lado izquierdo de la ecuación:

x = g(x) (6.1)

Esta transformación se realiza mediante operaciones algebraicas o simplemente suman-

do x a cada lado de la ecuación original. Por ejemplo,

x2 – 2x + 3 = 0

se arregla para obtener

x2 + 3
x = ––––––
2

mientras que sen x = 0 puede transformarse en la forma de la ecuación (6.1) sumando x

a ambos lados para obtener

x = sen x + x

La utilidad de la ecuación (6.1) 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 (6.1) se utiliza para obtener una nueva aproximación xi+1,
expresada por la fórmula iterativa

xi+1 = g(xi) (6.2)

Como en otras fórmulas iterativas de este libro, el error aproximado de esta ecuación se
calcula usando el error normalizado [ecuación (3.5)]:

xi +1 − xi
εa = 100%
xi +1

EJEMPLO 6.1 Iteración simple de punto fijo

Planteamiento del problema. Use una iteración simple de punto fijo para localizar
la raíz de f(x) = e–x – x.

Solución. La función se puede separar directamente y expresarse en la forma de la

ecuación (6.2) como
xi + l = e–xi

Chapra-06.indd 143 6/12/06 13:49:48

 144 MÉTODOS ABIERTOS

Empezando con un valor inicial x0 = 0, se aplica esta ecuación iterativa para calcular

i xi ea (%) et (%)
0 0 100.0
1 1.000000 100.0 76.3
2 0.367879 171.8 35.1
3 0.692201 46.9 22.1
4 0.500473 38.3 11.8
5 0.606244 17.4 6.89
6 0.545396 11.2 3.83
7 0.579612 5.90 2.20
8 0.560115 3.48 1.24
9 0.571143 1.93 0.705
10 0.564879 1.11 0.399

De esta manera, se puede observar que cada iteración se acerca cada vez más al valor
aproximado al valor verdadero de la raíz: 0.56714329.

6.1.1 Convergencia
Note que el error relativo porcentual verdadero en cada iteración del ejemplo 6.1 es pro-
porcional (por un factor de 0.5 a 0.6) al error de la iteración anterior. Esta propiedad, co-
nocida como convergencia lineal, es característica de la iteración simple de punto fijo.
Además de la “velocidad” de convergencia, en este momento debemos enfatizar la
“posibilidad” de convergencia. Los conceptos de convergencia y divergencia se pueden
ilustrar gráficamente. Recuerde que en la sección 5.1 se graficó una función para visua-
lizar su estructura y comportamiento (ejemplo 5.1). Ese método se emplea en la figura
6.2a para la función f(x) = e–x – x. Un método gráfico alternativo consiste en separar la
ecuación en dos partes, de esta manera
f1(x) = f2(x)

Entonces las dos ecuaciones

y1 = f1(x) (6.3)

y
y2 = f2(x) (6.4)

se grafican por separado (figura 6.2b ). Así, los valores de x correspondientes a las in-
tersecciones de estas dos funciones representan las raíces de f(x) = 0.

EJEMPLO 6.2 El método gráfico de las dos curvas

Planteamiento del problema. Separe la ecuación e–x – x = 0 en dos partes y deter-

mine su raíz en forma gráfica.

Solución. Reformule la ecuación como y1 = x y y2 = e–x . Al tabular las funciones se

obtienen los siguientes valores:

Chapra-06.indd 144 6/12/06 13:49:48

 6.1 ITERACIÓN SIMPLE DE PUNTO FIJO 145

x y1 y2
0.0 0.0 1.000
0.2 0.2 0.819
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1.0 1.0 0.368

Estos puntos se grafican en la figura 6.2b. La intersección de las dos curvas indica una
raíz estimada de aproximadamente x = 0.57, que corresponde al valor donde la curva de
la figura 6.2a cruza el eje x.

FIGURA 6.2
Dos métodos gráficos para determinar la raíz de f(x) = e–x – x. a) La raíz como un punto donde
la función cruza el eje x; b) la raíz como la intersección de las dos funciones componentes.

f (x)

f (x) = e– x – x

Raíz

a)
f (x)

f 1(x) = x

f 2(x) = e– x

Raíz

x
b)

Chapra-06.indd 145 6/12/06 13:49:48

 146 MÉTODOS ABIERTOS

El método de las dos curvas también se utiliza para ilustrar la convergencia y diver-
gencia de la iteración de punto fijo. En primer lugar, la ecuación (6.1) se reexpresa como
un par de ecuaciones y1 = x y y2 = g(x). Estas dos ecuaciones se grafican por separado.
Entonces, las raíces de f(x) = 0 corresponden al valor de la abscisa para la intersección
de las dos curvas. En la figura 6.3 se grafican la función yl = x y cuatro formas diferen-
tes de la función y2 = g(x).
En el primer caso (figura 6.3a), el valor inicial x0 sirve para determinar el punto
[x0, g(x0)] correspondiente a la curva y2 . El punto (x1, x1) se encuentra moviéndose ho-
rizontalmente a la izquierda hasta la curva y1. Estos movimientos son el equivalente a
la primera iteración en el método de punto fijo:
x1 = g(x0)
De esta manera, tanto en la ecuación como en la gráfica se usa un valor inicial x0 para
obtener una aproximación de x1. La siguiente iteración consiste en moverse al punto
[x1, g(x1)] y después a (x2, x2). Esta iteración es equivalente a la ecuación:
x2 = g(x1)

FIGURA 6.3
Representación gráfica en y y
a) y b) de la convergencia.
En c) y d) de la divergencia y1 = x
del método de punto fijo. y1 = x
Las gráficas a) y c) tienen un
comportamiento monótono; y2 = g(x)
mientras que b) y d) tienen
un comportamiento oscila- y2 = g(x)
torio o en espiral. Deberá
notar que la convergencia
se obtiene cuando
g’(x) < 1.
x2 x1 x0 x x0 x
a) b)
y y
y2 = g(x) y2 = g(x)

y1 = x
y1 = x

x0 x x0 x
c) d)

Chapra-06.indd 146 6/12/06 13:49:49

 6.1 ITERACIÓN SIMPLE DE PUNTO FIJO 147

Cuadro 6.1 Convergencia del método de punto fijo

Al analizar la figura 6.3, se debe notar que la iteración de punto Ahora, si se hace a = xi y b = xr, el lado derecho de la ecuación
fijo converge si, en la región de interés, g′(x) < 1. En otras (C6.1.1) se expresa como
palabras, la convergencia ocurre si la magnitud de la pendiente
de g(x) es menor que la pendiente de la recta f(x) = x. Esta ob- g(xr) – g(xi) = (xr – xi)g′(x)
servación puede demostrarse teóricamente. Recuerde que la
ecuación iterativa es donde x se encuentra en alguna parte entre xi y xr . Este resultado
se sustituye en la ecuación (C6.1.1) para obtener
xi + 1 = g(xi)

Suponga que la solución verdadera es xr – xi+1 = (xr – xi)g′(x) (C6.1.3)

xr = g(xr) Si el error verdadero en la iteración i se define como

Restando estas dos ecuaciones se obtiene Et,i = xr – xi

xr – xi+1 = g(xr) – g(xi) (C6.1.1)
entonces la ecuación (C6.1.3) se convierte en
El teorema del valor medio de la derivada (recuerde la sección
4.1.1) establece que si una función g(x) y su primer derivada son Et,i+1 = g′(x)Et,i
continuas en un intervalo a ≤ x ≤ b, entonces existe al menos un
valor de x = x dentro del intervalo para el que En consecuencia, si g′(x) < 1, entonces los errores disminuyen
con cada iteración. Si g′(x) > 1, los errores crecen. Observe
g(b) – g(a) también que si la derivada es positiva, los errores serán positivos
g′(x) = ————— (C6.1.2)
b–a y, por lo tanto, la solución iterativa será monótona (figuras 6.3a
y 6.3c). Si la derivada es negativa, entonces los errores oscilarán
El lado derecho de esta ecuación es la pendiente de la recta que (figuras 6.3b y 6.3d).
une a g(a) y g(b). Así, el teorema del valor medio establece que Un corolario de este análisis establece que cuando el método
existe al menos un punto entre a y b que tiene una pendiente, converge, el error es proporcional y menor que el error en la
denotada por g′(x), que es paralela a la línea que une g(a) con iteración anterior. Por tal razón se dice que la iteración simple
g(b) (recuerde la figura 4.3). de punto fijo es linealmente convergente.

La solución en la figura 6.3a es convergente, ya que la aproximación de x se acerca más

a la raíz con cada iteración. Lo mismo ocurre en la figura 6.3b. Sin embargo, éste no
es el caso en las figuras 6.3c y 6.3d, donde las iteraciones divergen de la raíz. Observe
que la convergencia ocurre únicamente cuando el valor absoluto de la pendiente de
y2 = g(x) es menor al valor de la pendiente de y1 = x, es decir, cuando |g′(x)| < 1. En el
cuadro 6.1 se presenta un desarrollo teórico de este resultado.

6.1.2 Algoritmo para el método de punto fijo

El algoritmo para la iteración de punto fijo es simple en extremo. Consta de un loop o

ciclo que calcula en forma iterativa nuevas aproximaciones hasta satisfacer el criterio de
terminación. En la figura 6.4 se muestra el seudocódigo para el algoritmo. Se pueden
programar de manera similar otros métodos abiertos, la modificación principal consis-
te en cambiar la fórmula iterativa que se utiliza para calcular la nueva raíz.

Chapra-06.indd 147 6/12/06 13:49:49

 148 MÉTODOS ABIERTOS

FUNCTION Fixpt(x0, es, imax iter, ea)

xr = x0
iter = 0
DO
xrold = xr
xr = g(xrold)
iter = iter + 1
lF xr ≠ 0 THEN
xr– xrold
ea = ⋅100
xr
FIGURA 6.4
Seudocódigo para el mé- END IF
todo de punto fijo. Note IF ea < es 0R iter ≥ imax EXIT
que otros métodos abiertos END DO
pueden diseñarse en este Fixpt = xr
formato general. END Fixpt

f (x)

Pendiente = f ' (x i)

f (x i)

f (x i) – 0
FIGURA 6.5
Representación gráfica del
método de Newton-Raph- 0
xi+1 xi x
son. Se extrapola una tan-
gente a la función en xi [esto xi – xi+1
es, f’(xi)] hasta el eje x para
obtener una estimación de
la raíz en xi + 1.

6.2 MÉTODO DE NEWTON-RAPHSON

Tal vez, de las fórmulas para localizar raíces, la fórmula de Newton-Raphson (figura
6.5) sea la más ampliamente utilizada. 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 de Newton-Raphson se deduce a partir de esta interpretación geométri-
ca (un método alternativo basado en la serie de Taylor se describe en el cuadro 6.2). De
la figura 6.5, se tiene que la primera derivada en x es equivalente a la pendiente:

Chapra-06.indd 148 6/12/06 13:49:49

 6.2 MÉTODO DE NEWTON-RAPHSON 149

f(xi) – 0 (6.5)
ƒ′(xi) = ––––——
xi – xi + 1

que se arregla para obtener

f ( xi )
xi +1 = xi – (6.6)
f ′( x i )

la cual se conoce como fórmula de Newton-Raphson.

EJEMPLO 6.3 Método de Newton-Raphson

Planteamiento del problema. Utilice el método de Newton-Raphson para calcular la

raíz de f(x) = e–x – x empleando como valor inicial x0 = 0.

Solución. La primera derivada de la función es

ƒ′(x) = –e–x – 1

que se sustituye, junto con la función original en la ecuación (6.6), para tener
e–xi – xi
xi + 1 = xi – –––——
–e–xi – 1

Empezando con un valor inicial x0 = 0, se aplica esta ecuación iterativa para calcular

i xi et (%)
0 0 100
1 0.500000000 11.8
2 0.566311003 0.147
3 0.567143165 0.0000220
4 0.567143290 < 10–8

Así, el método converge rápidamente a la raíz verdadera. Observe que el error relativo
porcentual verdadero en cada iteración disminuye mucho más rápido que con la iteración
simple de punto fijo (compare con el ejemplo 6.1).

6.2.1 Criterio de terminación y estimación de errores

Como en los otros métodos para localizar raíces, la ecuación (3.5) se utiliza como un
criterio de terminación. No obstante, el desarrollo del método con base en la serie
de Taylor (cuadro 6.2), proporciona una comprensión teórica respecto a la velocidad de
convergencia expresada por Ei+1 = O(E2i). De esta forma, el error debe ser proporcional
al cuadrado del error anterior. En otras palabras, el número de cifras significativas de
precisión aproximadamente se duplica en cada iteración. Dicho comportamiento se
examina en el siguiente ejemplo.

Chapra-06.indd 149 6/12/06 13:49:50

 150 MÉTODOS ABIERTOS

Cuadro 6.2 Deducción y análisis del error del método de Newton-Raphson

Además de la deducción geométrica [ecuaciones (6.5) y (6.6)], verdadero de la raíz. Sustituyendo este valor junto con f(xr) = 0
el método de Newton-Raphson también se desarrolla a partir de en la ecuación (C6.2.1)se obtiene
la expansión de la serie de Taylor. Esta deducción alternativa es
muy útil en el sentido de que provee cierta comprensión sobre la ƒ″(x )
0 = f(xi) + ƒ′(xi)(xr – xi) + ——– (xr – xi)2 (C6.2.3)
velocidad de convergencia del método. 2!
Recuerde del capítulo 4 que la expansión de la serie de Taylor
se puede representar como La ecuación (C6.2.2) se resta de la ecuación (C6.2.3) para
obtener
f(xi + 1) = f(xi) + ƒ′(xi)(xi + 1 – xi)
f ″(x )
ƒ″(x ) 0 = ƒ′(xi)(xr – xi + 1) + ——–– (xr – xi)2 (C6.2.4)
+ ——— (xi + 1 – xi)2 (C6.2.1) 2!
2!
Ahora, observe que el error es igual a la diferencia entre xi + l y
donde x se encuentra en alguna parte del intervalo desde xi hasta el valor verdadero xr , como en
xi+l. Truncando la serie de Taylor después del término de la pri-
mera derivada, se obtiene una versión aproximada: Et, i + 1 = xr – xi + 1
y la ecuación (C6.2.4) se expresa como
f(xi+1) ≅ f(xi) + ƒ′(xi)(xi+1 – xi)
f″(x )
En la intersección con el eje x, f(xi+1) debe ser igual a cero, o 0 = ƒ′(xi)Et, i + 1 + ——–– E2t,i (C6.2.5)
2!
0 = f(xi) + ƒ′(xi)(xi+1 – xi) (C6.2.2)
Si se supone que hay convergencia, entonces tanto xi como x se
de donde se puede despejar a xi+1, así deberán aproximar a la raíz xr y la ecuación (C6.2.5) se reordena
para obtener
f(xi)
xi + 1 = xi – ——– – ƒ″(xr)
ƒ′(xi) Et, i + 1 = ———–– E 2t,i (C6.2.6)
2ƒ′(xr)
que es idéntica a la ecuación (6.6). De esta forma, se ha deduci-
do la fórmula de Newton-Raphson usando una serie de Taylor. De acuerdo con la ecuación (C6.2.6), el error es proporcional al
Además de este desarrollo, la serie de Taylor sirve para esti- cuadrado del error anterior. Esto significa que el número de cifras
mar el error de la fórmula. Esto se logra observando que si se decimales correctas aproximadamente se duplica en cada itera-
utilizan todos los términos de la serie de Taylor se obtendrá un ción. A este comportamiento se le llama convergencia cuadráti-
resultado exacto. En tal situación xi+1 = xr, donde x es el valor ca. El ejemplo 6.4 ilustra esta propiedad.

EJEMPLO 6.4 Análisis de error en el método de Newton-Raphson

Planteamiento del problema. Como se dedujo del cuadro 6.2, el método de Newton-
Raphson es convergente en forma cuadrática. Es decir, el error es proporcional al cua-
drado del error anterior:
– ƒ″(xr) 2
Et, i + 1 ≅ ———– E t,i (E6.4.1)
2ƒ′(xr)

Examine esta fórmula y observe si concuerda con los resultados del ejemplo 6.3.

Solución. La primera derivada de f(x) = e–x – x es

ƒ′(x) = –e– x – 1

Chapra-06.indd 150 6/12/06 13:49:50

 6.2 MÉTODO DE NEWTON-RAPHSON 151

que se evalúa en xr = 0.56714329 para dar ƒ′(0.56714329) = –1.56714329. La segunda

derivada es:
ƒ″(x) = e–x
la cual se evalúa como ƒ″(0.56714329) = 0.56714329. Estos resultados se sustituyen
en la ecuación (E6.4.1):
0.56714329
E t,i + 1 ≅ – ——————– E 2t,i = 0.18095E 2t,i
2(–1.56714329)
En el ejemplo 6.3, el error inicial fue Et,0 = 0.56714329, el cual se sustituye en la ecuación
de error que predice
Et,1 ≅ 0.18095(0.56714329)2 = 0.0582
que es cercano al error verdadero de 0.06714329. En la siguiente iteración,
Et,2 ≅ 0.18095(0.06714329)2 = 0.0008158

que también se compara de manera favorable con el error verdadero 0.0008323. Para la
tercera iteración,
Et,3 ≅ 0.18095(0.0008323)2 = 0.000000125
que es el error obtenido en el ejemplo 6.3. Así, la estimación del error mejora, ya que
conforme nos acercamos a la raíz, x y x se aproximan mejor mediante xr [recuerde nues-
tra suposición al ir de la ecuación (C6.2.5) a la ecuación (C6.2.6) en el cuadro 6.2]. Fi-
nalmente:
Et,4 ≅ 0.18095(0.000000125)2 = 2.83 × 10–15
Así, este ejemplo ilustra que el error en el método de Newton-Raphson para este caso
es, de hecho, proporcional (por un factor de 0.18095) al cuadrado del error en la iteración
anterior.

6.2.2 Desventajas del método de Newton-Raphson

Aunque en general el método de Newton-Raphson es muy eficiente, hay situaciones
donde se comporta de manera deficiente. Por ejemplo en el caso especial de raíces múl-
tiples que se analizará más adelante en este capítulo. Sin embargo, también cuando se
trata de raíces simples, se encuentran dificultades, como en el siguiente ejemplo.

EJEMPLO 6.5 Ejemplo de una función que converge lentamente con el método
de Newton-Raphson

Planteamiento del problema. Determine la raíz positiva de f(x) = x10 – 1 usando el

método de Newton-Raphson y un valor inicial x = 0.5.

Solución. La fórmula de Newton-Raphson en este caso es:

xi10 – 1
xi + 1 = xi –
10 xi9

Chapra-06.indd 151 6/12/06 13:49:50

 152 MÉTODOS ABIERTOS

que se utiliza para calcular:

Iteración x
0 0.5
1 51.65
2 46.485
3 41.8365
4 37.65285
5 33.887565
·
·
·
∞ 1.0000000

De esta forma, después de la primera predicción deficiente, la técnica converge a la raíz

verdadera, 1, pero muy lentamente.

Además de la convergencia lenta debido a la naturaleza de la función, es posible que

se presenten otras dificultades, como se ilustra en la figura 6.6. Por ejemplo, la figura
6.6a muestra el caso donde un punto de inflexión [esto es, ƒ″(x) = 0] ocurre en la vecin-
dad de una raíz. Observe que las iteraciones que empiezan con x0 divergen progresiva-
mente de la raíz. En la figura 6.6b se ilustra la tendencia del método de Newton-Raphson
a oscilar alrededor de un mínimo o máximo local. Tales oscilaciones pueden persistir
o, como en la figura 6.6b, alcanzar una pendiente cercana a cero, después de lo cual la
solución se aleja del área de interés. En la figura 6.6c se muestra cómo un valor inicial
cercano a una raíz salta a una posición varias raíces más lejos. Esta 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 [ecuación (6.6)]. En forma gráfica (figura 6.6d),
esto significa que la solución se dispara horizontalmente y jamás toca al eje x.
De manera que no hay un criterio general de convergencia para el método de Newton-
Raphson. 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 “suficien-
temente” cercano a la raíz. ¡Y para algunas funciones ningún valor inicial funcionará!
Los buenos valores iniciales por lo común se predicen con un conocimiento del proble-
ma físico o mediante el uso de recursos alternativos, tales como las gráficas, que pro-
porcionan mayor claridad en el comportamiento de la solución. Ante la falta de un
criterio general de convergencia se sugiere el diseño de programas computacionales
eficientes que reconozcan la convergencia lenta o la divergencia. La siguiente sección
está enfocada hacia dichos temas.

6.2.3 Algoritmo para el método de Newton-Raphson

Un algoritmo para el método de Newton-Raphson se obtiene fácilmente al sustituir la
ecuación (6.6) por la fórmula predictiva [ecuación (6.2)] en la figura 6.4. Observe, sin
embargo, que el programa también debe modificarse para calcular la primera derivada.
Esto se logra incluyendo simplemente una función definida por el usuario.

Chapra-06.indd 152 6/12/06 13:49:51

 6.2 MÉTODO DE NEWTON-RAPHSON 153

Además, a la luz del análisis anterior sobre los problemas potenciales del método
de Newton-Raphson, el programa se podría mejorar incorporando algunas considera-
ciones adicionales:

FIGURA 6.6
Cuatro casos donde el método de Newton-Raphson exhibe una convergencia deficiente.

f (x)

x1 x0 x2
x

a)
f (x)

x0 x 2 x4 x3 x1 x

b)
f (x)

x2 x1
x0 x

c)
f (x)

x0 x1 x

d)

Chapra-06.indd 153 6/12/06 13:49:51

 154 MÉTODOS ABIERTOS

1. Se debe incluir una rutina de graficación en el programa.

2. Al final de los cálculos, se necesitará sustituir siempre la raíz final calculada en la
función original, para determinar si el resultado se acerca a cero. Esta prueba protege
el desarrollo del programa contra aquellos casos en los que se presenta convergencia
lenta u oscilatoria, la cual puede llevar a valores pequeños de ea, mientras que la
solución aún está muy lejos de una raíz.
3. El programa deberá incluir siempre un límite máximo permitido del número de ite-
raciones para estar prevenidos contra soluciones oscilantes, de lenta convergencia
o divergentes que podrían persistir en forma interminable.
4. El programa deberá alertar al usuario para que tome en cuenta la posibilidad de que
ƒ′(x) sea igual a cero en cualquier momento durante el cálculo.

6.3 EL MÉTODO DE LA SECANTE

Un problema potencial en la implementación del método de Newton-Raphson es la

evaluación de la derivada. Aunque esto no es un inconveniente para los polinomios ni
para muchas otras funciones, existen algunas funciones cuyas derivadas en ocasiones
resultan muy difíciles de calcular. En dichos casos, la derivada se puede aproximar
mediante una diferencia finita dividida hacia atrás, como en (figura 6.7)

f ( xi – 1 ) – f ( xi )
f ′( x i ) ≅
xi – 1 – xi

FIGURA 6.7
Representación gráfica del método de la secante. Esta técnica es similar a la del método de
Newton-Raphson (figura 6.5) en el sentido de que una aproximación de la raíz se predice
extrapolando una tangente de la función hasta el eje x. Sin embargo, el método de la se-
cante usa una diferencia dividida en lugar de una derivada para estimar la pendiente.

f (x )

f (x i )

f (x i – 1)

xi – 1 xi x

Chapra-06.indd 154 6/12/06 13:49:51

 6.3 EL MÉTODO DE LA SECANTE 155

Esta aproximación se sustituye en la ecuación (6.6) para obtener la siguiente ecuación

iterativa:
f ( xi )( xi – 1 – xi )
xi + 1 = xi – (6.7)
f ( xi – 1 ) – ( f ( xi )

La ecuación (6.7) es la fórmula para el método de la secante. Observe que el método

requiere de dos valores iniciales de x. Sin embargo, debido a que no se necesita que f(x)
cambie de signo entre los valores dados, este método no se clasifica como un método
cerrado.

EJEMPLO 6.6 El método de la secante

Planteamiento del problema. Con el método de la secante calcule la raíz de f(x) =

e–x – x. Comience con los valores iniciales x–1 = 0 y x0 = 1.0.

Solución. Recuerde que la raíz real es 0.56714329...

Primera iteración:
x–1 = 0 f (x–1) = 1.00000
x0 = 1 f (x0) = –0.63212
–0.63212(0 – 1)
x1 = 1 – ———————– = 0.61270 et = 8.0%
1 – (–0.63212)

Segunda iteración:
x0 = 1 f (x0) = –0.63212
x1 = 0.61270 f (x1) = –0.07081
(Note que ambas aproximaciones se encuentran del mismo lado de la raíz.)
–0.07081 (1 – 0.61270)
x2 = 0.61270 – = 0.56384 et = 0.58%
–0.63212 – (0.07081)

Tercera iteración:
x1 = 0.61270 f(x1) = –0.07081
x2 = 0.56384 f(x2) = 0.00518

0.00518(0.61270 – 0.56384)
x3 = 0.56384 – = 0.56717 et = 0.0048%
–0.07081 – (–0.00518)

6.3.1 Diferencia entre los métodos de la secante y de la falsa posición

Observe la similitud entre los métodos de la secante y de la falsa posición. Por ejemplo,
las ecuaciones (6.7) y (5.7) son idénticas en todos los términos. Ambas usan dos valores
iniciales para calcular una aproximación de la pendiente de la función que se utiliza para

Chapra-06.indd 155 6/12/06 13:49:51

 156 MÉTODOS ABIERTOS

proyectar hacia el eje x una nueva aproximación de la raíz. Sin embargo, existe una di-
ferencia crítica entre ambos métodos. Tal diferencia estriba en la forma en que uno de
los valores iniciales se reemplaza por la nueva aproximación. Recuerde que en el méto-
do de la falsa posición, la última aproximación de la raíz reemplaza cualquiera de los
valores iniciales que dé un valor de la función con el mismo signo que f(xr). En conse-
cuencia, las dos aproximaciones siempre encierran a la raíz. Por lo tanto, para todos los
casos, el método siempre converge, pues la raíz se encuentra dentro del intervalo. En
contraste, el método de la secante reemplaza los valores en secuencia estricta: con el
nuevo valor xi + 1 se reemplaza a xi y xi reemplaza a xi – 1. En consecuencia, algunas veces
los dos valores están en el mismo lado de la raíz. En ciertos casos esto puede llevar a
divergencias.

EJEMPLO 6.7 Comparación de la convergencia en los métodos de la secante y de la falsa posición

Planteamiento del problema. Utilice los métodos de la secante y de la falsa posición
para calcular la raíz de f(x) = ln x. Empiece los cálculos con los valores iniciales xl = xi –1
= 0.5 y xu = xi = 5.0.

FIGURA 6.8
Comparación entre los métodos de la falsa posición y de la secante. Las primeras iteracio-
nes a) y b) de ambos métodos son idénticas. No obstante, en las segundas iteraciones c) y
d), los puntos usados son diferentes. En consecuencia, el método de la secante llega a diver-
ger, como se indica en d).

Falsa posición Secante

f (x) f (x u ) f (x) f (x i )

xr x xr x

f (x l ) f (x i – 1)

a) b)
f (x) f (x) f (x i – 1)

f (x i )
f (x u )
xr

xr x x

f (x l )

c) d)

Chapra-06.indd 156 6/12/06 13:49:52

 6.3 EL MÉTODO DE LA SECANTE 157

Solución. En el método de la falsa posición, con el uso de la ecuación (5.7) y los cri-
terios del intervalo para el reemplazo de las aproximaciones, se obtienen las siguientes
iteraciones:

Iteración xl xu xr
1 0.5 5.0 1.8546
2 0.5 1.8546 1.2163
3 0.5 1.2163 1.0585

Como se observa (figuras 6.8a y c), las aproximaciones van convergiendo a la raíz real
que es igual a 1.
En el método de la secante, con el uso de la ecuación (6.7) y el criterio secuencial
para el reemplazo de las aproximaciones, se obtiene:

Iteración xi – 1 xi xi + 1

1 0.5 5.0 1.8546

2 5.0 1.8546 –0.10438

Como se muestra en la figura 6.8d, el método es divergente.

Aunque el método de la secante sea divergente, cuando converge lo hace más rápi-
do que el método de la falsa posición. Por ejemplo, en la figura 6.9 se muestra la supe-
rioridad del método de la secante. La inferioridad del método de la falsa posición se debe
a que un extremo permanece fijo, para mantener a la raíz dentro del intervalo. Esta
propiedad, que es una ventaja porque previene la divergencia, tiene una desventaja en
relación con la velocidad de convergencia; esto hace de la diferencia finita estimada una
aproximación menos exacta que la derivada.

6.3.2 Algoritmo para el método de la secante

Como con los otros métodos abiertos, el algoritmo del método de la secante se obtiene
simplemente modificando la figura 6.4, de tal forma que se puedan introducir dos valo-
res iniciales, y usando la ecuación (6.7) se calcule la raíz. Además, las opciones sugeri-
das en la sección 6.2.3 para el método de Newton-Raphson, también se pueden aplicar
para obtener ventajas al programa de la secante.

6.3.3 Método de la secante modificado

En lugar de usar dos valores arbitrarios para aproximar la derivada, un método alterna-
tivo considera un cambio fraccionario de la variable independiente para estimar ƒ′(x),

f ( xi + δxi ) – f ( xi )
ƒ′(xi) ≅
δxi

Chapra-06.indd 157 6/12/06 13:49:52

 158 MÉTODOS ABIERTOS

10

Error relativo porcentual verdadero

1

10– 1

10– 2 B

is
ec
Newton-Raphson

ció
Falsa
10– 3

n
Secante

posic
10– 4
ión

10– 5

10– 6
20
Iteraciones

FIGURA 6.9
Comparación de los errores relativos porcentuales verdaderos et, para los métodos que de-
terminan las raíces de f(x) = e–x – x.

donde d es un pequeño cambio fraccionario. Esta aproximación se sustituye en la ecua-

ción (6.6) que da la siguiente ecuación iterativa:

δxi f ( xi )
xi + 1 = xi – (6.8)
f ( xi + δxi ) – f ( xi )

EJEMPLO 6.8 Método de la secante modificado

Planteamiento del problema. Con el método de la secante modificado estime la raíz

de f(x) = e–x – x. Use un valor de 0.01 para d y comience con x0 = 1.0. Recuerde que la
raíz verdadera es 0.56714329...

Solución.

Primera iteración:

Chapra-06.indd 158 6/12/06 13:49:52

 6.4 RAÍCES MÚLTIPLES 159

x0 = 1 f(x0) = –0.63212
x0 + dx0 = 1.01 f(x0 + dx0) = –0.64578

0.01(–0.63212)
x1 = 1 – = 0.537263 et = 5.3%
–0.64578 – (–0.63212)

Segunda iteración:
x0 = 0.537263 f(x0) = 0.047083
x0 + dx0 = 0.542635 f(x0 + dx0) = 0.038579
0.005373(0.047083)
x1 = 0.537263 – = 0.56701 et = 0.0236%
0.038579 – 0.0047083
Tercera iteración:
x0 = 0.56701 f(x0) = 0.000209
x0 + dx0 = 0.567143 f(x0 + dx0) = –0.00867
0.00567(0.000209)
x1 = 0.56701 – = 0.567143 et = 2.365 × 10–5%
–0.00867 – 0.000209

La elección de un valor adecuado para d no es automática. Si d es muy pequeño, el

método puede no tener éxito por el error de redondeo, causado por la cancelación por
resta en el denominador de la ecuación (6.8). Si ésta es muy grande, la técnica puede
llegar a ser ineficiente y hasta divergente. No obstante, si se selecciona correctamente,
proporciona una adecuada alternativa en los casos donde la evaluación de la derivada se
dificulta y el desarrollo de dos valores iniciales es inconveniente.

6.4 RAÍCES MÚLTIPLES

Una raíz múltiple corresponde a un punto donde una función es tangencial al eje x. Por
ejemplo, una raíz doble resulta de

f(x) = (x – 3)(x – 1)(x – 1) (6.9)

o, multiplicando términos, f(x) = x3 – 5x2 + 7x – 3. La ecuación tiene una raíz doble porque
un valor de x hace que dos términos de la ecuación (6.9) sean iguales a cero. Gráficamen-
te, esto significa que la curva toca en forma tangencial al eje x en la raíz doble. Observe la
figura 6.l0a en x = 1. Note que la función toca al eje pero no la cruza en la raíz.
Una raíz triple corresponde al caso en que un valor de x hace que tres términos en
una ecuación sean iguales a cero, como en

f(x) = (x – 3)(x – l)(x – 1)(x – 1)

o, multiplicando los términos, f(x) = x4 – 6x3 + 12x2 – 10x + 3. Advierta que la represen-
tación gráfica (figura 6.10b) indica otra vez que la función es tangente al eje en la raíz,
pero que en este caso sí cruza el eje. En general, la multiplicidad impar de raíces cruza

Chapra-06.indd 159 6/12/06 13:49:52

 160 MÉTODOS ABIERTOS

el eje, mientras que la multiplicidad par no lo cruza. Por ejemplo, la raíz cuádruple en
f (x) la figura 6.10c no cruza el eje.
4 Raíz Las raíces múltiples ofrecen algunas dificultades a muchos de los métodos numé-
doble ricos expuestos en la parte dos:

0
x
1. El hecho de que la función no cambie de signo en raíces múltiples pares impide con-
1 3 fiarse de los métodos cerrados, que se analizan en el capítulo 5. Así, en los métodos
incluidos en este texto, se está limitando a los abiertos que pueden ser divergentes.
–4
2. Otro posible problema se relaciona con el hecho de que no sólo f(x), sino también
a)
ƒ′(x) se aproxima a cero en la raíz. Tales problemas afectan los métodos de Newton-
f (x) Raphson y de la secante, los cuales contienen derivadas (o su aproximación) en el
4 Raíz denominador de sus fórmulas respectivas. Esto provocará una división entre cero
triple cuando la solución converge muy cerca de la raíz. Una forma simple de evitar dichos
problemas, que se ha demostrado teóricamente (Ralston y Rabinowitz, 1978), se
0 basa en el hecho de que f(x) siempre alcanzará un valor cero antes que ƒ′(x). Por lo
x
1 3 tanto, si se compara f(x) contra cero, dentro del programa, entonces los cálculos se
–4
pueden terminar antes de que ƒ′(x) llegue a cero.
3. Es posible demostrar que el método de Newton-Raphson y el método de la secante
b)
convergen en forma lineal, en vez de cuadrática, cuando hay raíces múltiples (Ralston
f (x) y Rabinowitz, 1978). Se han propuesto algunas modificaciones para atenuar este
4 Raíz problema. Ralston y Rabinowitz (1978) proponen que se realice un pequeño cambio
cuádruple en la formulación para que se regrese a la convergencia cuadrática, como en

0 f(xi)
x xi + 1 = xi – m ——— (6.9a)
1 3 ƒ′(xi)
–4 donde m es la multiplicidad de la raíz (es decir, m = 2 para una raíz doble, m = 3 para
c) una raíz triple, etc.). Se trata de una alternativa poco satisfactoria, porque depende
del conocimiento de la multiplicidad de la raíz.
FIGURA 6.10 Otra alternativa, también sugerida por Ralston y Rabinowitz (1978), consiste en de-
Ejemplos de raíces múltiples finir una nueva función u(x), que es el cociente de la función original entre su derivada:
que son tangenciales al eje
x. Observe que la función no f(x)
cruza el eje en los casos de u(x) = ——– (6.10)
ƒ′(x)
raíces múltiples pares a) y c),
mientras que con multiplici- Se puede demostrar que esta función tiene raíces en las mismas posiciones que la función
dad impar sí lo hace en b). original. Por lo tanto, la ecuación (6.10) se sustituye en la ecuación (6.6) para desarrollar
una forma alternativa del método de Newton-Raphson:
u(xi)
xi + 1 = xi – ——— (6.11)
u′(xi)
Se deriva con respecto a x la ecuación (6.10) para obtener
ƒ′(x)ƒ′(x) – f(x)ƒ″(x)
u′(x) = —————————— (6.12)
[ƒ′(x)]2
Se sustituyen las ecuaciones (6.10) y (6.12) en la ecuación (6.11) y se simplifica el resul-
tado:

Chapra-06.indd 160 6/12/06 13:49:53

 6.4 RAÍCES MÚLTIPLES 161

f ( x i ) f ′( x i )
xi + 1 = xi –
[ f ′( x )]2 – f ( xi ) f ′′( xi ) (6.13)

EJEMPLO 6.9 Método de Newton-Raphson modificado para el cálculo de raíces múltiples

Planteamiento del problema. Con los dos métodos, el estándar y el modificado, de New-
ton-Raphson evalúe la raíz múltiple de la ecuación (6.9), use un valor inicial de x0 = 0.

Solución. La primera derivada de la ecuación (6.9) es ƒ′(x) = 3x2 – 10x + 7, y por lo

tanto, el método de Newton-Raphson estándar para este problema es [ecuación (6.6)]

xi3 – 5 xi2 + 7 xi – 3
xi + 1 = xi –
3 x12 – 10 xi + 7

que se resuelve iterativamente para obtener

i xi et (%)

0 0 100
1 0.4285714 57
2 0.6857143 31
3 0.8328654 17
4 0.9133290 8.7
5 0.9557833 4.4
6 0.9776551 2.2

Como ya se había anticipado, el método converge en forma lineal hacia el valor verda-
dero 1.0.
Para el caso del método modificado, la segunda derivada es ƒ″(x) = 6x – 10, y en
consecuencia la ecuación iterativa será [ecuación (6.13)]

( xi3 – 5 xi2 + 7 xi – 3)(3 xi2 – 10 xi + 7)

xi+1 = xi –
(3 xi2 – 10 xi + 7) 2 – ( xi3 – 5 xi2 + 7 xi – 3)(6 xi – 10)

que se resuelve para obtener

i xi et (%)

0 0 100
1 1.105263 11
2 1.003082 0.31
3 1.000002 0.00024

De esta manera, la fórmula modificada converge en forma cuadrática. Se pueden

usar ambos métodos para buscar la raíz simple en x = 3. Con un valor inicial x0 = 4 se
obtienen los siguientes resultados:

Chapra-06.indd 161 6/12/06 13:49:53

 162 MÉTODOS ABIERTOS

i Estándar et (%) Modificado et (%)

0 4 33 4 33
1 3.4 13 2.636364 12
2 3.1 3.3 2.820225 6.0
3 3.008696 0.29 2.961728 1.3
4 3.000075 0.0025 2.998479 0.051
5 3.000000 2 × 10–7 2.999998 7.7 × 10–5

De esta forma, deberá notar que, ambos métodos convergen con rapidez, aunque el
método estándar es el más eficiente.

En el ejemplo anterior se ilustran los factores de mayor importancia involucrados

al elegir el método de Newton-Raphson modificado. Aunque es preferible para raíces
múltiples, es menos eficiente y requiere más trabajo computacional que el método es-
tándar para raíces simples.
Se debe notar que hay manera de desarrollar una versión modificada del método de
la secante para raíces múltiples, sustituyendo la ecuación (6.10) en la ecuación (6.7). La
fórmula resultante es (Ralston y Rabinowitz, 1978)
u( xi )( xi – 1 – xi )
xi + 1 = xi –
u ( x i – 1 ) – u( x i )

6.5 SISTEMAS DE ECUACIONES NO LINEALES

Hasta aquí nos hemos ocupado de determinar las raíces de una sola ecuación no lineal.
Un problema relacionado con éste consiste en obtener las raíces de un conjunto de ecua-
ciones simultáneas,
f1(x1, x2,..., xn) = 0
f2(x1, x2,..., xn) = 0
. .
. . (6.14)
. .
fn(x1, x2,..., xn) = 0

La solución de este sistema consta de un conjunto de valores xi que simultáneamente

hacen que todas las ecuaciones sean iguales a cero.
En la parte tres, presentaremos los métodos, para el caso en que las ecuaciones si-
multáneas son lineales, es decir, que se puedan expresar en la forma general

f(x) = a1x1 + a2x2 + ··· + anxn – b = 0 (6.15)

donde la b y las a son constantes. A las ecuaciones algebraicas y trascendentes que no

se pueden expresar de esta forma se les llama ecuaciones no lineales. Por ejemplo,

x2 + xy = 10

Chapra-06.indd 162 6/12/06 13:49:53

 6.5 SISTEMAS DE ECUACIONES NO LINEALES 163

y
y + 3xy2 = 57
son dos ecuaciones simultáneas no lineales con dos incógnitas, x y y, las cuales se ex-
presan en la forma de la ecuación (6.14) como
u(x, y) = x2 + xy – 10 = 0 (6.16a)

v(x, y) = y + 3xy2 – 57 = 0 (6.16b)

Así, la solución serían los valores de x y de y que hacen a las funciones u(x, y) y v(x, y)
iguales a cero. La mayoría de los métodos para determinar tales soluciones son exten-
siones de los métodos abiertos para resolver ecuaciones simples. En esta sección presen-
taremos dos de ellos: iteración de punto fijo y Newton-Raphson.

6.5.1 Iteración de punto fijo

El método de iteración de punto fijo (sección 6.1) puede modificarse para resolver dos
ecuaciones simultáneas no lineales. Este método se ilustra en el siguiente ejemplo.

EJEMPLO 6.10 Iteración de punto fijo para un sistema no lineal

Planteamiento del problema. Con el método de iteración de punto fijo determine las
raíces de la ecuación (6.16). Observe que un par correcto de raíces es x = 2 y y = 3.
Inicie el cálculo con el valor inicial x = 1.5 y y = 3.5.

Solución. En la ecuación (6.l6a) se despeja x

10 – x12
xi + 1 = (E6.10.1)
yi
y en la ecuación (6.16b) se despeja y
yi + l = 57 – 3xiyi2 (E6.10.2)

Observe que dejaremos los subíndices en el resto del ejemplo.

Con base en los valores iniciales, la ecuación (E6.10.1) se utiliza para determinar
un nuevo valor de x:
10 – (1.5) 2
x= = 2.21429
3.5
Este resultado y el valor inicial de y = 3.5 se sustituye en la ecuación (E6.10.2) para
determinar un nuevo valor de y:
y = 57 – 3(2.21429)(3.5)2 = –24.37516
Así, parece que el método diverge. Este comportamiento es aún más pronunciado en la
segunda iteración:

10 – (2.21429) 2
x= = –0.20910
–24.37516

Chapra-06.indd 163 6/12/06 13:49:53

 164 MÉTODOS ABIERTOS

y = 57 – 3(–0.20910)(–24.37516)2 = 429.709

En efecto, la aproximación se está descomponiendo.

Ahora repita el cálculo, pero con la ecuación original puesta en una forma diferen-
te. Por ejemplo, un despeje alternativo de la ecuación (6.16a) es
x = 10 – xy
y de la ecuación (6.16b) es
57 – y
y=
3x
Ahora los resultados son más satisfactorios:

x = 10 – 1.5(3.5) = 2.17945

57 – 3.5
y= = 2.86051
3(2.17945)

x = 10 – 2.17945(2.86051) = 1.94053
57 – 2.86051
y= = 3.04955
3(1.940553)

Así, la aproximación converge hacia la solución correcta x = 2 y y = 3.

El ejemplo anterior ilustra la más seria desventaja de la iteración simple de punto

fijo, ésta es que, la convergencia depende de la manera en que se formula la ecuación.
Además, aun cuando la convergencia es posible, la divergencia puede ocurrir si los va-
lores iniciales no son suficientemente cercanos a la solución verdadera. Usando un ra-
zonamiento similar al del cuadro 6.1, se demuestra que las condiciones suficientes para
la convergencia en el caso de dos ecuaciones son
∂u ∂v
+ < 1
∂x ∂x
y

∂u ∂v
+ < 1
∂y ∂y

Estos criterios son tan restringidos que el método de punto fijo tiene una utilidad limi-
tada para resolver sistemas no lineales. Sin embargo, como se describirá más adelante
en el libro, será muy útil para resolver sistemas de ecuaciones lineales.

6.5.2 Newton-Raphson
Recuerde que el método de Newton-Raphson se utilizó empleando la derivada (al evaluar,
es la pendiente de la recta tangente) de una función, para calcular su intersección con el

Chapra-06.indd 164 6/12/06 13:49:54

 6.5 SISTEMAS DE ECUACIONES NO LINEALES 165

eje de la variable independiente; esto es, la raíz (figura 6.5). Dicho cálculo se basó en la
expansión de la serie de Taylor de primer orden (recuerde el cuadro 6.2),

f(xi + 1) = f(xi) + (xi+1 – xi) ƒ′(xi) (6.17)

donde xi es el valor inicial de la raíz y xi+1 es el valor en el cual la recta tangente inter-
secta el eje x. En esta intersección, f(xi + 1) es, por definición, igual a cero y la ecuación
(6.17) se reordena para tener
f(xi)
xi + 1 = xi – ——– (6.18)
ƒ′(xi)

que es la forma del método de Newton-Raphson para una sola ecuación.

La forma para múltiples ecuaciones se obtiene en forma idéntica. Sin embargo, se
debe usar una serie de Taylor de múltiples variables para tomar en cuenta el hecho de
que más de una variable independiente contribuye a la determinación de la raíz. En el
caso de dos variables, una serie de Taylor de primer orden se escribe [recuerde la ecua-
ción (4.26)] para cada ecuación no lineal como
∂ui ∂ui
ui + 1 = ui + (xi+1 – xi) + (yi + 1 – yi) (6.19a)
∂x ∂y

y
∂v i ∂v i
vi + 1 = vi + (xi+1 – xi) + (yi+1 – yi) (6.19b)
∂x ∂y

De la misma manera como en la versión para una sola ecuación, la raíz aproximada
corresponde a los valores de x y y, donde ui+1 y vi+1 son iguales a cero. En tal situación,
se reordena la ecuación (6.19) como:

∂ui ∂u ∂u ∂u
xi +1 + i yi +1 = – ui + xi i + yi i (6.20a)
∂x ∂y ∂x ∂y

∂v i ∂v ∂v ∂v
xi + 1 + i yi + 1 = – v i + xi i + yi i (6.20b)
∂x ∂y ∂x ∂y

Debido a que se conocen todos los valores con subíndice i (corresponden al último valor
estimado), las únicas incógnitas son xi+1 y yi+1. Entonces, la ecuación (6.20) es un con-
junto de dos ecuaciones lineales con dos incógnitas [compare con la ecuación (6.15)].
En consecuencia, se pueden usar manipulaciones algebraicas (por ejemplo, la regla de
Cramer) para resolverlo:

∂v i ∂u
ui – vi i
∂y ∂y
xi + 1 = xi – (6.21a)
∂ui ∂v i ∂ui ∂v i
–
∂x ∂y ∂y ∂x

Chapra-06.indd 165 6/12/06 13:49:54

 166 MÉTODOS ABIERTOS

∂ui ∂v
vi – ui i
yi + 1 = yi – ∂x ∂x
(6.21b)
∂ui ∂v i ∂ui ∂v i
–
∂x ∂y ∂y ∂x

El denominador de cada una de esas ecuaciones se conoce formalmente como el deter-

minante Jacobiano del sistema.
La ecuación (6.21) es la versión para dos ecuaciones del método de Newton-Raph-
son. Como en el siguiente ejemplo, se puede emplear en forma iterativa para determinar
las raíces de dos ecuaciones simultáneas.

EJEMPLO 6.11 Newton-Raphson para un sistema no lineal

Planteamiento del problema. Con el método de Newton-Raphson para múltiples

ecuaciones determine las raíces de la ecuación (6.16). Observe que un par correcto de
raíces es x = 2 y y = 3. Use como valores iniciales x = 1.5 y y = 3.5.

Solución. Primero calcule las derivadas parciales y evalúelas con los valores iniciales
de x y y:

∂u0 ∂u0
= 2 x + y = 2(1.5) + 3.5 = 6.5 = x = 1.5
∂x ∂y
∂v 0 ∂v 0
= 3 y 2 = 3(3.5) 2 = 36.75 = 1 + 6 xy = 1 + 6(1.5)(3.5) = 32.5
∂x ∂y

Así, el determinante jacobiano para la primera iteración es

6.5(32.5) – 1.5(36.75) = 156.125
Los valores de las funciones se evalúan con los valores iniciales como
u0 = (1.5)2 + 1.5(3.5) – 10 = –2.5
v0 = 3.5 + 3(1.5)(3.5)2 – 57 = 1.625
Estos valores se sustituyen en la ecuación (6.21):

–2.5(32.5) – 1.625(1.5)
x = 1.5 – = 2.03603
156.125

1.625(6.5) – ( −2.5)(36.75)
y = 3.5 – = 2.84388
156.125
Así, los resultados están convergiendo a los valores verdaderos x = 2 y y = 3. Los cálcu-
los se repiten hasta que se obtenga una precisión aceptable.

Como con el método de iteración de punto fijo, la aproximación de Newton-Raphson

puede diverger si los valores iniciales no están lo suficientemente cercanos a la raíz

Chapra-06.indd 166 6/12/06 13:49:55

 PROBLEMAS 167

verdadera. Mientras que para el caso de una sola ecuación los métodos gráficos son
útiles para obtener un buen valor inicial, ningún procedimiento tan simple está disponi-
ble para el caso de múltiples ecuaciones. Aunque existen algunos métodos avanzados
para obtener una primer aproximación aceptable, los valores iniciales a menudo deben
obtenerse mediante prueba y error, con el conocimiento del sistema físico que se está
modelando.
El método de Newton-Raphson para dos ecuaciones puede generalizarse para re-
solver n ecuaciones simultáneas. Debido a que el camino más eficiente para esto impli-
ca el álgebra matricial y la solución de ecuaciones lineales simultáneas, se pospondrá su
estudio para la parte tres.

PROBLEMAS

6.1 Utilice la iteración simple de punto fijo para localizar la raíz nes iniciales de a) 4.52, y b) 4.54. Estudie y use métodos gráfi-
de cos y analíticos para explicar cualquier peculiaridad en sus
resultados.
f(x) = 2 sen ( x)– x 6.6 Determine la raíz real más pequeña de f(x) = –12 – 21x +
18x2 – 2.4x3: a) en forma gráfica, y b) con el empleo del método
Haga una elección inicial de x0 = 0.5 e itere hasta que ea ≤ 0.001%. de la secante para un valor de es que corresponda a tres cifras
Compruebe que el proceso converge en forma lineal según se significativas.
describió en el recuadro 6.1. 6.7 Localice la primera raíz positiva de
6.2 Determine la raíz real más grande de
f(x) = sen x + cos(1 + x2) – 1
3 2
f(x) = 2x – 11.7x + 17.7x – 5
donde x está en radianes. Para localizar la raíz, use cuatro itera-
a) En forma gráfica. ciones del método de la secante con valores iniciales de a) xi–1
b) Con el método de iteración simple de punto fijo (tres itera- = 1.0 y xi = 3.0; y b) xi – 1 = 1.5 y xi = 2.5, y c) xi–1 = 1.5 y
ciones, x0 = 3). Nota: asegúrese de haber desarrollado una xi = 2.25.
solución que converja a la raíz. 6.8 Determine la raíz real de x3.5 = 80, con el método de la se-
c) Con el método de Newton-Raphson (tres iteraciones, x0 = 3, cante modificado dentro de es = 0.1%, con el uso de una elección
d = 0.001). inicial de x0 = 3.5 y d = 0.01.
d) Con el método de la secante (tres iteraciones x–1 = 3, 6.9 Determine la raíz real más grande de f(x) = 0.95x3 – 5.9x2 +
x0 = 4). 10.9x – 6:
e) Con el método de la secante modificado (tres iteraciones,
x0 = 3, d = 0.01). Calcule el porcentaje aproximado de a) En forma gráfica.
errores relativos para sus soluciones. b) Con el uso del método de Newton-Raphson (tres iteraciones,
xi = 3.5).
6.3 Utilice los métodos de a) iteración de punto fijo, y b) Newton- c) Con el método de la secante (tres iteraciones, xi–1 = 2.5 y
Raphson, para determinar una raíz de f(x) = –x2 + 1.8x + 2.5 con xi = 3.5).
el uso de x0 = 5. Haga el cálculo hasta que ea sea menor que d) Por medio del método de la secante modificado (tres itera-
es = 0.05%. Asimismo, realice una comprobación del error de su ciones, xi = 3.5, d = 0.01).
respuesta final.
6.4 Determine las raíces reales de f(x) = –1 + 5.5x – 4x2 + 0.5x3: 6.10 Determine la menor raíz positiva de f(x) = 8 sen(x)e–x – 1:
a) en forma gráfica, y b) con el método de Newton-Raphson
dentro de es = 0.01%. a) En forma gráfica.
6.5 Emplee el método de Newton-Raphson para determinar una b) Con el uso del método de Newton-Raphson (tres iteraciones,
raíz real de f(x) = –1 + 5.5x – 4x2 + 0.5x3 con el uso de eleccio- xi = 0.3).

Chapra-06.indd 167 6/12/06 13:49:55

 168 MÉTODOS ABIERTOS

c) Con el método de la secante (tres iteraciones, xi–1 = 0.5 y W – Qc 

2

xi = 0.3). c=
 kV 
d) Por medio del método de la secante modificado (cinco
iteraciones xi = 0.3, d = 0.01).
o bien como
6.11 La función x3 + 2x2 – 4x + 8 tiene una raíz doble en x = 2.
Emplee a) el método estándar de Newton-Raphson [ec. (6.6)], W – kV c
b) el método de Newton-Raphson modificado [ec. (6.9a)], y c) c=
Q
el método de Newton-Raphson modificado [ec. (6.13)] para re-
solver para la raíz en x = 2. Compare y analice la tasa de conver- De las que solo una convergerá para valores iniciales de 2 < c < 6.
gencia con un valor inicial x0 = 1.2. Seleccione la que sea correcta y demuestre por qué siempre lo será.
6.12 Determine las raíces de las siguientes ecuaciones no linea- 6.17 Desarrolle un programa amigable para el usuario para el
les simultáneas, por medio de los métodos de a) iteración de método de Newton-Raphson, con base en la figura 6.4 y la
punto fijo, y b) Newton-Raphson: sección 6.2.3. Pruébelo por medio de repetir el cálculo del
ejemplo 6.3.
y = – x2 + x + 0.75 6.18 Desarrolle un programa amigable para el usuario para el
método de la secante, con base en la figura 6.4 y la sección 6.3.2.
y + 5xy = x2
Pruébelo con la repetición de los cálculos del ejemplo 6.6.
Utilice valores iniciales de x = y = 1.2, y analice los resultados. 6.19 Haga un programa amigable para el usuario para el método
de la secante modificado, con base en la figura 6.4 y la sección
6.13 Encuentre las raíces de las ecuaciones simultáneas que
6.3.2. Pruébelo con la repetición del cálculo del ejemplo 6.8.
siguen:
6.20 Desarrolle un programa amigable para el usuario para el
método de Newton-Raphson para dos ecuaciones, con base en
(x – 4)2 + (y – 4)2 = 5
la sección 6.5. Pruébelo con la solución del ejemplo 6.10.
x2 + y2 = 16 6.21 Use el programa que desarrolló en el problema 6.20 para
resolver los problemas 6.12 y 6.13, con una tolerancia de
Use un enfoque gráfico para obtener los valores iniciales. En- es = 0.01%.
cuentre estimaciones refinadas con el método de Newton-Raph- 6.22 El antiguo método de dividir y promediar, para obtener una
son para dos ecuaciones, que se describe en la sección 6.5.2. apoximación de la raíz cuadrada de cualquier número positivo,
6.14 Repita el problema 6.13, excepto que a, se formula del modo siguiente:

y = x2 + 1 x+a/ x
x=
2
y = 2 cos x
Demuestre que éste es equivalente al algoritmo de Newton-Ra-
6.15 El balance de masa de un contaminante en un lago bien phson.
mezclado se expresa así: 6.23 a) Aplique el método de Newton-Raphson a la función f(x)
= tanh (x2 – 9) para evaluar su raíz real conocida en x = 3. Use
dc un valor inicial de x0 = 3.2 y haga un mínimo de cuatro iteracio-
V = W – Qc – kV c
dt nes. b) ¿Converge el método a su raíz real? Bosqueja la gráfica
con los resultados para cada iteración que obtenga.
Dados los valores de parámetros V = 1 × 106 m3, Q = l × 105 6.24 El polinomio f(x) = 0.0074x4 – 0.284x3 + 3.355x2 – 12.183x
m3/año y W = l × 106 g/año, y k = 0.25 m0.5/año, use el método + 5 tiene una raíz real entre 15 y 20. Aplique el método de
de la secante modificado para resolver para la concentración de Newton-Raphson a dicha función con valor inicial x0 = 16.15.
estado estable. Emplee un valor inicial c = 4 g/m3 y d = 0.5. Explique sus resultados.
Realice tres iteraciones y determine el error relativo porcentual 6.25 Emplee el método de la secante con la función del círculo
después de la tercera iteración. (x + 1)2 + (y – 2)2 = 16, a fin de encontrar una raíz real positiva.
6.16 Para el problema 6.15, la raíz puede localizarse con iteración Haga que el valor inicial sea xi = 3 y xi–1 = 0.5. Aproxímese a la
de punto fijo como solución del primer y cuarto cuadrantes. Cuando resuelva para

Chapra-06.indd 168 6/12/06 13:49:55

 PROBLEMAS 169

f(x) en el cuarto cuadrante, asegúrese de tomar el valor negativo

de la raíz cuadrada. ¿Por qué diverge la solución?
6.26 Suponga el lector que está diseñando un tanque esférico
(véase la figura P6.26) de almacenamiento de agua para un po- R
blado pequeño de un país en desarrollo. El volumen del líquido
que puede contener se calcula con

[3 R − h]
V = π h2
3
V h
3
donde V = volumen [pie ], h = profundidad del agua en el tanque
[pies], y R = radio del tanque [pies].
Si R = 3 m, ¿a qué profundidad debe llenarse el tanque de modo
que contenga 30 m3? Haga tres iteraciones del método de Newton-
Raphson para determinar la respuesta. Encuentre el error relati-
vo aproximado después de cada iteración. Observe que el valor Figura P6.26
inicial de R convergerá siempre.

Chapra-06.indd 169 6/12/06 13:49:56