You are on page 1of 38

Ing Yamil Armando Cerquera Rojas yacerque@gmail.

com

RAÌCES DE ECUACIONES
Método Newton Raphson
Ing Yamil Armando Cerquera Rojas – yacerque@gmail.com
Especialista en Sistemas Universidad Nacional
Docente Universidad Surcolombiana
Neiva - Huila

Contenido

Grado de un polinomio ......................................................................... 6


Raíces de un polinomio ......................................................................... 6
Factorización de un polinomio ................................................................ 7
Representación gráfica de las raíces de un polinomio ..................................... 7
Raíces Únicas y Múltiples:...................................................................... 9
Teorema fundamental del Álgebra ......................................................... 12
Todo polinomio de grado n tiene n raíces. ................................................ 12
Regla de los signos de Descartes ............................................................ 12
Conjunto de posibles raíces.................................................................. 13
¿Qué hacer cuando se tenga una raíz?...................................................... 14
Método de Newton-Raphson .................................................................... 15
Definición:...................................................................................... 15
Derivación de la fórmula ..................................................................... 16
Orden de Convergencia....................................................................... 17
Análisis de Convergencia .................................................................. 18
Consideraciones especiales del método de Newton Raphson: .......................... 20
Ejemplo 1: Ecuación polinomial de orden 3 ............................................... 21
Ejemplo 2: Ecuación f ( x) = e − ln( x ) .................................................. 23
−x

Ejemplo 3: Aplicación en cinemática v (t ) = t − 2t .................................... 25


3 2

Ejemplo 4: Función f ( x) = 2 x + x − x + 1 ............................................. 26


3 2

Ejemplo 5: Función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o ) .............. 27
Ejemplo 6: función f ( x) = 3x 2 − e x ......................................................... 30
Ejemplo 7: Función f ( x) = x 3 + 4 x 2 − 10 ................................................... 31
Ejemplo 8: Función f ( x) = x − 3 x − 4 ..................................................
3 2
32
PRACTICA: Newton-Raphson para ecuaciones no lineales ............................... 33
Trabajo de Laboratorio ....................................................................... 35
Ejercicios Propuestos ......................................................................... 36
Recursos Bibliograficos ....................................................................... 37
Bibliografia OnLine: ........................................................................... 38

Universidad Surcolombiana – Neiva – Huila - Colombia 1 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

ISAAC NEWTON (1642 - 1727)

Físico, matemático, astrónomo y filósofo inglés. La obra


en la que desarrolla los principios fundamentales de la
mecánica y su teoría de la atracción universal se publicó
en 1687 con el título de "Principios matemáticos de la
filosofía natural".

La mayoría de las personas están familiarizadas en cierto


grado con el nombre de Isaac Newton, debido a que su
fama universal como descubridor de la ley de la
gravedad ha seguido intacta durante los dos siglos y
medio que han transcurrido desde su muerte.

Sin embargo, no es tan conocido el hecho de que, entre sus colosales realizaciones,
creó virtualmente las ciencias físicas modernas y, en consecuencia, ha tenido una
influencia más profunda en la dirección de la vida civilizada que el auge y la
decadencia de los imperios. Quienes tienen autoridad para emitir juicios a este
respecto, le consideran, unánimemente, uno de los pocos intelectuales supremos que
ha producido la raza humana.

Newton nació en el seno de una familia campesina, en la aldea de Woolsthorpe, en


Inglaterra. Se sabe muy poco sobre sus primeros años y al parecer su vida como
estudiante en Cambridge fue poco distinguida.

En 1665, una epidemia de peste hizo que las universidades cerraran sus puertas y
Newton regresó a su casa, en el campo, donde permaneció hasta 1667.

Allí, en dos años de soledad rústica -de los 22 a los 24 años de edad- su ingenio
creativo explotó en un torrente de descubrimientos no superados en toda la historia
del pensamiento humano:

9 Las series binomiales para exponentes negativos y fraccionarios;


9 El cálculo diferencial e integral;
9 La gravitación universal como clave para explicar el mecanismo del sistema
solar y
9 La resolución de la luz solar en el espectro visual, por medio de un prisma, con
sus implicaciones para la comprensión de los colores del arco iris y la naturaleza
de la luz en general.

En sus últimos años, escribió las siguientes reminiscencias, sobre el periodo milagroso
de su juventud:

"En esos días, estaba en la mejor edad para los descubrimientos, y las matemáticas y
la filosofía (o sea, las ciencias) me interesaron más que nada, desde entonces".

Universidad Surcolombiana – Neiva – Huila - Colombia 2 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Newton fue siempre un hombre discreto y retraído y, en su mayor parte, se guardó


para sí sus descubrimientos monumentales. No tenía interés en publicarlos y la mayor
parte de sus grandes obras fueron arrancadas por los ruegos y la persistencia de sus
amigos.

De todos modos, su capacidad única era tan evidente para su maestro Isaac Barrow
quien, en 1669, dimitió su profesorado en favor de su alumno (¡un caso sin
precedentes en la vida académica!) y Newton se estableció en Cambridge durante los
27 años siguientes.

Sus descubrimientos matemáticos nunca se publicaron realmente en forma conexa y


llegaron a conocerse, en forma limitada, casi por accidente, por medio de
conversaciones y de las respuestas a preguntas que le hicieron por carta.

Consideró sus descubrimientos en matemáticas primordialmente como un instrumento


fructífero para el estudio de problemas científicos y como algo que, en sí mismo, tenía
relativamente poco interés.

Mientras tanto, en Alemania, Leibniz había inventado también el cálculo, de manera


independiente; y debido a su constante correspondencia con los Bernoulli y a los
trabajos posteriores de Euler, el nuevo análisis se extendió en todo el continente,
donde permaneció a la cabeza durante 200 años

No se sabe gran cosa sobre la vida de Newton en Cambridge, en los primeros años de
su profesorado; pero es seguro que entre sus principales intereses se contaron la
óptica y la construcción de telescopios.

Experimentó muchas técnicas para esmerilar vidrios (con herramientas diseñadas por
él mismo) y hacia 1670 construyó el primer telescopio de reflexión, el antepasado de
los grandes instrumentos que se utilizan actualmente en monte Palomar y en todo el
mundo. La pertinencia y la simplicidad de su análisis prismático de la luz solar, marcó
ese trabajo inicial como uno de los clásicos sin limitaciones de tiempo de las ciencias
experimentales.

No obstante, eso era sólo el comienzo, puesto que fue penetrando cada vez más en los
misterios de la luz y todos sus esfuerzos en ese sentido siguieron dando muestras de
un ingenio experimental del más alto orden.

Publicó algunos de sus descubrimientos; pero los científicos más destacados de su


tiempo los recibieron con tanta estupidez contenciosa, que Newton se retrajo
nuevamente en su concha, con una mayor resolución de trabajar, a partir de entonces,
para su exclusiva satisfacción. Veinte años después, confió a Leibniz las palabras
siguientes:

"En cuanto a los fenómenos de los colores... Estoy convencido de haber descubierto la
explicación más segura; pero no quiero publicarla en libros, por temor de que los
ignorantes inicien disputas y controversias contra mi"
Universidad Surcolombiana – Neiva – Huila - Colombia 3 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

A fines de la década de 1670, Newton tuvo uno de sus lapsos periódicos de desagrado
por las ciencias y dirigió sus energías hacia otros cauces. Todavía no había publicado
nada sobre dinámica o la gravedad y sus numerosos descubrimientos en esos campos
permanecías olvidados sobre su escritorio. Sin embargo, al fin, estimulado y enojado
por las pretensiones y las críticas de Robert Hooke y calmado por la intervención
diplomática de Edmund Halley, dedicó su atención nuevamente a esos problemas y
comenzó a escribir su obra principal, el Principia.

Cuando Newton se dedicaba al trabajo científico se parecía a un volcán activo, con


largos periodos de inactividad, contrastados, de vez en cuando, por grandes
erupciones de una actividad casi sobrehumana.

El libro Principia lo escribió en 18 meses de increíble concentración, y cuando se


publicó, en 1687, se reconoció inmediatamente que era una de las realizaciones
supremas de la mente humana.

En esa obra, estableció los principios básicos de la mecánica teórica y la dinámica de


los fluidos, aplicó el primer tratamiento matemático al movimiento ondulado, dedujo
las leyes de Kepler a partir de la ley de cuadrados inversos de la gravitación y explicó
las órbitas de los cometas; calculó las masas de la Tierra, el Sol y los planetas con sus
satélites, explicó la forma aplastada de la Tierra y utilizó esta idea para explicar la
precesión de los equinoccios, además de que estableció la teoría de las mareas. Estas
son tan sólo unas cuantas de las numerosas maravillas de su obra prodigiosa.

El Principia es un libro de lectura difícil, porque tiene un estilo de inhumana lejanía


que quizá sea el más apropiado para la grandeza del tema. Asimismo contiene densas
ecuaciones matemáticas de geometría clásica, poco cultivada en su época y todavía
menos en la actualidad.

En cuanto a la dinámica y mecánica celeste, logró concluir magníficamente la obra


que habían iniciado Copérnico, Kepler y Galileo. Ese triunfo fue tan completo que los
trabajos de los principales científicos en esos campos, durante los dos siglos siguientes,
fueron poco más que notas calcadas de esta síntesis colosal.

También vale la pena recordar que la espectroscopia ha contribuido, más que ninguna
otra ciencia, al progreso de los conocimientos astronómicos del universo en general;
tuvo su origen en el análisis prismático de la luz del Sol, que realizó Newton.

Después de la poderosa erupción de su ingenio que lo llevó a la creación de Principia,


Newton volvió a alejarse de las ciencias. En 1696, abandonó Cambridge para ir a
Londres, con el fin de convertirse en Warden of the Mint (y posteriormente en Master),
y durante el resto de su larga vida, se introdujo un poco en la sociedad e inclusive
comenzó a gozar un poco de su posición única, en el pináculo de la fama como
científico.

Universidad Surcolombiana – Neiva – Huila - Colombia 4 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Esos cambios de intereses y de ambiente no se reflejaron en una disminución de su


capacidad intelectual inigualable. Por ejemplo, un atardecer, al final de un día de
trabajo agotador en la Moneda, se enteró del problema de la braquistócrona de
Johann Bernoulli -presentado como un desafío "para los matemáticos más brillantes
del mundo"- y lo resolvió esa misma noche, antes de acostarse.

La publicación de su obra Opticks, en 1704, fue mucho más importante para la ciencia.
En ese libro, reunió y amplió sus trabajos anteriores sobre la luz y los colores.

A Isaac Newton se debe el cálculo de raíces de una función o ecuación por


aproximaciones sucesivas usando la tangente.

Universidad Surcolombiana – Neiva – Huila - Colombia 5 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Polinomios
Un polinomio es una suma de términos llamados monomios. Un monomio es el
producto de un coeficiente (un número real), una variable (casi siempre x o y) elevada
a un exponente (entero positivo).
Existen polinomios con uno, dos o más términos, por ejemplo:
2
9 Monomio (un término): 5x En este caso el coeficiente es 5, la variable es x
el exponente 2
7
9 Binomio (dos términos): 6 x − 2
9 Trinomio (tres términos): 3 x 5 + 4 x 3 − x 2
En este trabajo se utilizaran polinomios con coeficientes enteros y potencias enteras
positivas.

Grado de un polinomio
El grado de un polinomio es igual al exponente mayor de la variable. Por ejemplo:

5x 2 Es un polinomio de grado 2

6x7 − 2 Es de grado 7

3x 5 + 4 x 3 − x 2 Es de grado 5
2 x 4- x 3 - x 2 ¿De qué grado es?
5 2
6 x - 4 x - 19 x ¿De qué grado es?
3 x15 + x13 - x2 ¿De qué grado es?
13 ¿De qué grado es?

Nota cómo se deben escribir los polinomios. Se deben escribir en orden decreciente
con respecto al grado de cada término.

Raíces de un polinomio
La raíz de un polinomio es un número tal que hace que el polinomio valga cero. Es
decir que, cuando resolvamos un polinomio a cero, las soluciones son las raíces del
polinomio.

Por ejemplo el polinomio f ( x) = x 2 + x − 12 , cuando se iguala a cero y se resuelve se


tiene:

x 2 + x − 12 = 0 Igualando a cero.
( x + 4)( x − 3) = 0 Factorizando.
x = −4 Raíz 1
x=3 Raíz 2
Universidad Surcolombiana – Neiva – Huila - Colombia 6 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Puesto que x1 = −4 y x 2 = 3 , son soluciones de f(x) entonces f (−4) = 0 y f (3) = 0 . Se


dice entonces que x1 = −4 y x 2 = 3 , son raíces del polinomio f ( x) = x 2 + x − 12

Las raíces de f ( x) = x 3 − 4 x 2 + x + 6 son x = - 1, x = 2 y x = 3 ¿Por qué?

Factorización de un polinomio
El número de factores en que se puede descomponer un polinomio es igual al grado
del polinomio. Para poder factorizar un polinomio es necesario encontrar sus raíces.
Cuando se tengan estas, los factores correspondientes a cada raíz son de la forma (x-r)
donde r es una de las raíces.

Esto es, si r1, r2, ... , rn son raíces del polinomio f(x) entonces la factorización de f(x)
es: f ( x) = ( x − r1 )( x − r2 )...( x − rn )

Por ejemplo, si

1. f ( x ) = x 3 − 4 x 2 + x + 6 : Como sus raíces son x = - 1, x = 2 y x = 3 entonces f(x) se


ha factorizado como f ( x) = ( x − (−1))( x − 2)( x − 3) = ( x + 1)( x − 2)( x − 3)

2. f ( x) = x 2 + x − 12 : Como sus raíces son x = - 4 y x = 3 entonces f(x) se ha


factorizado como f ( x) = ( x − (−4))( x − 3) = ( x + 4)( x − 3)

Representación gráfica de las raíces de un polinomio


Como las raíces de un polinomio hacen que éste valga cero, en un plano cartesiano
esto se identifica como las intersecciones de la gráfica del polinomio con el eje de las
X (abscisas).
Esto es, los puntos en donde cruza la gráfica al eje horizontal tienen como abscisa la
raíz del polinomio graficado.
A continuación se presentan algunas funciones con sus raíces, factores y gráficas:

Descripción Gráfica
Función f ( x) = x 2 + x − 12
Raíces -4y3

Factorización f ( x) = ( x + 4)( x − 3)

Universidad Surcolombiana – Neiva – Huila - Colombia 7 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Descripción Gráfica
Función f ( x) = x 3 − 4 x 2 + x + 6
Raíces - 1, 2 y 3

Factorización f ( x) = ( x + 1)( x − 2)( x − 3)

Función f ( x) = x 4 − 5 x 2 + 4
Raíces - 2, - 1, 1 y 2

Factorización f ( x) = ( x + 1)( x + 2)( x − 1)( x − 2)

Función f ( x) = x 3 + 4 x 2 + 3x
Raíces ¿Cuáles son?

Factorización f(x) =

Función f ( x) = x 3 − 2 x 2 − 5 x + 6
Raíces 1, - 2 y 3

Factorización f ( x) = ( x − 1)( x + 2)( x − 3)

Universidad Surcolombiana – Neiva – Huila - Colombia 8 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Raíces Únicas y Múltiples:


Los polinomios pueden tener raíces únicas en un punto determinado del eje x o raíces
que se repiten en un número par o impar veces, es decir una raíz sobre el eje x puede
ser la misma par o impar veces. Dicho de otra manera una raíz por ejemplo dos (2)
puede ser la misma raíz pero repetida tres (3) veces (impar) o repetida 2 veces (par).

La tabla siguiente muestra la función f ( x ) = x 2 − 4 , y en la gráfica se observa como


esta corta el eje x tanto en el punto -2 y 2 de un lado a otro siguiendo la forma de la
figura.
Se puede decir que la figura pasa de un lado al otro el eje x en el punto de corte o
raíz. Por lo tanto la raíz es única en el valor de menos dos (-2) y única en el valor de
dos (2).
Es un polinomio de orden dos por lo tanto solo tendrá dos (2) raíces.

En la parte donde se muestra el polinomio factorizado f ( x) = ( x − 2)( x + 2) se puede


observar que si la variable x toma el valor de 2 o toma el valor de -2 la función tomará
el valor de cero.

Descripción Gráfica
Función f ( x) = x 2 − 4
Raíces - 2, 2

Factorización f ( x) = ( x − 2)( x + 2)

Para el caso del siguiente ejemplo la función f ( x) = x 2 − 2 x + 1 tiene dos (2) raíces, y si
observa la gráfica, esta no corta el eje x en ningún sector. Ahora si observa el valor de
uno (1) en el eje x, es un punto donde la función se vuelve cero (0). Se debe
considerar al valor de uno (1) como raíz de la función. Lo que pasa es que dicha raíz se
repite par veces (para el caso del ejemplo 2 veces), por esta razón la gráfica no corta el eje
x, sino que lo toca tangencialmente en el punto raíz y cambia su pendiente. Se puede
decir matemáticamente que en el punto raíz, la derivada de la función es igual a cero
(0) ó dicho de otra manera en este punto la tangente es igual a cero (0).

En la factorización que se hace de la función, se puede observar que el único valor


que hace que la función tome el valor de cero (0) es el punto uno (1) sobre el eje x, y

Universidad Surcolombiana – Neiva – Huila - Colombia 9 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

puede ser en el término de la izquierda o en el término de la derecha, es decir dos


veces.

Descripción Gráfica
Función f ( x) = x 2 − 2 x + 1
Raíces 1, 1

Factorización f ( x) = ( x − 1)( x − 1)

Para el caso del siguiente ejemplo la función f ( x) = x 3 − 6 x 2 + 12 x + 8 tiene 3 raíces, y si


observa la gráfica, esta corta el eje x aparentemente en varios puntos cercanos a 2. Ahora si
observa el valor de 2 en el eje x, es un punto donde la función se vuelve cero. Se debe
considerar al valor de 2 como raíz de la función. Lo que pasa es que dicha raíz se repite impar
veces (para el caso del ejemplo 3 veces), por esta razón la gráfica corta el eje x de la forma
como se observa en la figura. En el punto de corte sobre el eje x, este y la gráfica son
paralelos superpuestos. Se puede decir matemáticamente que en el punto raíz la derivada de
la función es igual a cero.

En la factorización que se hace de la función, se puede observar que el único valor que hace
que la función tome el valor de cero es 1, y puede ser en el término de la izquierda o en el
término de la derecha, es decir dos veces.

Descripción Gráfica
Función f ( x) = x 3 − 6 x 2 + 12 x + 8
Raíces 2, 2, 2

Factorización f ( x) = ( x − 2)( x − 2)( x − 2)

Para el caso del siguiente ejemplo la función f ( x) = x 3 − 3 x 2 + 4 tiene 3 raíces, y si observa


la gráfica, esta corta el eje x aparentemente en un punto igual a menos uno (-1) y toca
tangencialmente dicho eje en un valor igual a uno (1). Ahora si observa el valor de -1 en el eje
Universidad Surcolombiana – Neiva – Huila - Colombia 10 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

x, es un punto donde la función cruza el eje de las x con cierta pendiente, esto indica que
ese punto de corte es una raíz única. Ahora en le punto 1 sobre el eje de las x la curva o
grafica de la función toca tangencialmente el eje y cambia de pendiente. Esto debe asumirse
como una raíz que se repite par veces. Como el polinomio de es orden 3 y ya se sabe de una
raíz única se puede decir que dicha raíz es par veces repetida. Se puede decir
matemáticamente que en el punto 1 considerado como raíz repetida par veces, la derivada de
la función es igual a cero.

En la factorización que se hace de la función, se puede observar que el único valor que hace
que la función tome el valor de cero es -1, en el término de la izquierda o 1 en los dos
términos de la derecha.

En el caso de que la raíz 1 se repitiera 4 veces diferenciaría la forma de la gráfica en que la


pendiente de esta es mayor o menor al acercarse al eje.

Descripción Gráfica
Función f ( x) = x 3 − 3x 2 + 4
Raíces - 1, 2, 2

Factorización f ( x) = ( x + 1)( x − 2)( x − 2)

En el siguiente ejemplo muestra la combinación de las tres formas que toma la gráfica
dependiendo si sus raíces se repiten par o impar veces o son raíces únicas.

Descripción Gráfica
f ( x) = x 6 − 17 x 5 + 102 x 4 − ....
Función
− 248 x 3 + 160 x 2 + 240 x − 288
Raíces - 1, 2, 2, 2, 6, 6

Factorización f ( x) = ( x + 1)( x − 2) 3 ( x − 6) 2

Que análisis de acuerdo con lo mostrado anteriormente le puede realizar a las


siguientes funciones.

Universidad Surcolombiana – Neiva – Huila - Colombia 11 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

f ( x) = ( x + 1)( x − 1) 2 ( x − 1) f ( x) = ( x + 1)( x − 2) 5 ( x − 6) 4

f ( x) = ( x + 2)( x − 2) 3 ( x) f ( x) = ( x − 1) 2 ( x + 1) + 1

f ( x) = ( x + 1)( x − 2)5 ( x − 6) 4 + 1 f ( x) = ( x − 1) 2 − 1

f ( x) = ( x − 1) 2 + ( x − 1) f ( x) = (( x − 1) 2 + 1) 2 ( x − 1)

Teorema fundamental del Álgebra


Carl Friedrch Gauss ha sido uno de los matemáticos más grandes de todos los tiempos.
Contribuyó a muchas ramas de las matemáticas. En 1798, ¡ a los 20 años de edad !,
Gauss demostró el teorema fundamental del Álgebra que dice lo siguiente:

Todo polinomio de grado n tiene n raíces.


Si se toma una ecuación en términos generales, tal como la ecuación siguiente:
a n x n + a n −1 x n −1 + a n −2 x n−2 + a n −3 x n −3 + ... + a3 x 3 + a 2 x 2 + a1 x1 + a 0 = 0 .

Se puede decir entornes que es una ecuación de orden n y por tanto tiene n soluciones.

Recuerde que en es este apartado sólo se tiene polinomios con coeficientes enteros.
Observa la tabla anterior, donde se da la función, las raíces y la gráfica y verifica que
efectivamente para cada polinomio de grado n hay n raíces.

Una forma en la que se puede interpretar este teorema es como sigue, ya que se
puede factorizar un polinomio, dadas las raíces y hay n raíces para todo polinomio de
este grado, entonces si:

f ( x) = a n x n + a n−1 x n−1 + a n−2 x n− 2 + a n −3 x n−3 + ... + a3 x 3 + a 2 x 2 + a1 x1 + a 0 ,

Se puede decir que:

f ( x) = ( x − r1 )( x − r2 )...( x − rn )

Donde r1, r2, ... , rn son las raíces de f(x).

La demostración de este teorema queda lejos del objetivo de esta página sin embargo
daremos algunas herramientas para encontrar las n raíces.

Regla de los signos de Descartes


Rene Descartes encontró un método para indicar el número de raíces positivas en un
polinomio.
Esta regla dice lo siguiente:

Universidad Surcolombiana – Neiva – Huila - Colombia 12 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

"El número de raíces reales positivas (+) de un polinomio f (x) es igual al número de
cambios de signo de término a término de f (x) "

Hay que recordar que los polinomios se deben escribir en orden decreciente conforme
al grado de cada término.

Por ejemplo el polinomio

f(x)= x2 + x - 12 tiene un cambio de signo, del segundo al tercer término, por lo tanto
tiene una raíz positiva.
g(x)= +x3 - 4 x2 + x + 6 tiene dos cambios de signo, tiene dos raíces positivas
h(x)= +x4 - 5 x2 + 4 tiene dos raíces positivas
i(x)= x3 + 4 x2 + 3 x No tiene cambios de signo, por lo tanto no tiene raíces reales
positivas.
j(x)= x3 - 2 x2 - 5 x + 6 ¿Cuántas raíces positivas tiene?

También puede evaluar la expresión en los valores 1 y -1 teniendo en cuenta solo el


signo de cada término de la expresión. En caso de que un término no exista se toma
como 0 (positivo). En el ejemplo de la siguiente tabla para el caso de la primera
función al evaluar la función en 1, el primer término de la función toma un valor
positivo y el segundo toma un valor negativo, por tanto se dice que tiene una raíz
positiva en razón a un solo cambio de signo (de positivo a negativo). Como se trata de
una ecuación de una recta pues tan solo tiene una raíz.

Pero por probar se ha evaluado la función en -1, resultando en ambos términos un


signo -, o sea que no hay cambio de signo, indicando con esto que no hay raíces
negativas, en la función f ( x) = x − 1 .

Nro Ecuación Signo Rai_Pos Rai_Neg


f (1) = + −
1 f ( x) = x − 1 1 0
f ( − 1) = − −
f (1 ) = + + −
2 f ( x) = x 2 + x − 12 f ( − 1) = + − −
1 1
f (1) = + − − +
3 f ( x) = x 3 − 2 x 2 − 5 x + 6 f ( − 1) = − − + +
2 1
f (1 ) = + + + +
4 f ( x) = x 3 + 4 x 2 + 3x f ( − 1) = − + − +
0 3
f (1 ) = + + − + +
5 f ( x) = x 4 − 5 x 2 + 4 f ( − 1) = + + − + +
2 2
f (1 ) = + − + +
6 f ( x) = x 3 − 4 x 2 + x + 6 f ( − 1) = − − − +
2 1

Conjunto de posibles raíces


Existe un método para encontrar un conjunto de números, los cuales pueden ser raíces
de un polinomio. La regla que mencionaremos aquí es aplicable sólo para polinomios
con el coeficiente de la potencia mayor de x igual a 1. Es decir, si
Universidad Surcolombiana – Neiva – Huila - Colombia 13 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

f ( x) = a n x n + a n−1 x n−1 + a n−2 x n− 2 + a n −3 x n−3 + ... + a3 x 3 + a 2 x 2 + a1 x1 + a 0 , se toma a


a 0 = 1 . Esto es que sólo se trabaja con polinomios de la siguiente forma:

f ( x) = x n + a n−1 x n −1 + a n−2 x n−2 + a n −3 x n −3 + ... + a3 x 3 + a 2 x 2 + a1 x1 + a 0


El conjunto de posibles raíces de f (x) se forma con los divisores de a0 (del término
independiente), hay que considerar estos divisores tanto con signo positivo como con
negativo.
La forma en que se puede usar esta información del término independiente es la
siguiente, puesto que cualquier elemento de este conjunto puede ser raíz de f (x) hay
que evaluar a f (x) en algún valor de este conjunto y si el resultado de la evaluación
es cero, entonces ese valor escogido es raíz de f (x) .

En la siguiente tabla se muestran varios polinomios, los divisores del término


independiente y las raíces de los polinomios:

Función Divisores del término independiente Raíces


1, 2, 3, 4, 6, 12,
f ( x) = x 2 + x − 12 -1, -2, -3, -4, -6, -12
-4y3
1, 2, 3, 6,
f(x)= x3 - 4 x2 + x + 6 - 1, 2 y 3
-1, -2, -3, -6
1, 2, 4,
f(x)= x4 - 5 x2 + 4 - 2, - 1, 1 y 2
-1, -2, -4
1, 2, 3, 6,
f(x)= x3 - 2 x2 - 5 x + 6 1, - 2 y 3
-1, -2, -3, -6

¿Qué hacer cuando se tenga una raíz?


Con lo visto en los apartados anteriores se tiene las herramientas necesarias para encontrar
las n raíces de un polinomio. Recuerde que para encontrar una raíz es necesario saber los
divisores del término independiente y evaluar nuestro polinomio en con el valor escogido.

Además de haber encontrado una raíz usando el método anterior se ha hallado un factor del
polinomio. Se puede estar seguro de que si r es una raíz de f(x) entonces al dividir
f ( x) /( x − r ) tendrá como resultado un polinomio de un grado menor a f(x) y como residuo
cero.

Así se ha reducido el problema de encontrar n raíces en otro problema, el encontrar sólo n-1
raíces.

Universidad Surcolombiana – Neiva – Huila - Colombia 14 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Método de Newton-Raphson
Definición:
El método de Newton es una extensión directa del método del mismo nombre para buscar
ceros de funciones de una variable. La idea es realizar el desarrollo de las series de Taylor de
una función alrededor de una estimación de la raíz x0
1
f ( x) = f ( x0 ) + ( x − x0 ) f `( x0 ) + ( x − x0 ) f ``( x0 ) + ....
2
Truncando la serie a primer orden e igualando f ( x) = 0 se tiene.
f ( x0 )
x = x0 −
f `( x0 )
Este Método es similar al de la Secante, la diferencia esencial radica en que en la Secante se
utiliza el Método de diferencias divididas para aproximar f `(x) . El Método de Newton-Raphson
asume que la función f (x) es derivable sobre un intervalo cerrado [a,b]. Entonces f (x) tiene
una pendiente definida y una única línea tangente en cada punto dentro del intervalo [a,b].
La tangente en ( x0 , f ( x0 )) es una aproximación a la curva de f (x) cerca del punto ( x0 , f ( x0 )) .
En consecuencia, el cero de la línea tangente es una aproximación del cero de f (x) o
denominada raíz de f(x).

Figura 1 Modelo general del método de Newton Raphson

Si ha intentado encontrar una raíz de una función complicada algebraicamente alguna vez,
usted puede haber tenido alguna dificultad. Usando algunos conceptos básicos de cálculo, se
tienen maneras de evaluar raíces de funciones complicadas numéricamente. Normalmente, se
usa el método de Newton-Raphson. Este proceso iterativo sigue una pauta fija para aproximar
una raíz, considerado la función, su derivada, y un valor x inicial.

Usted puede recordar del álgebra que una raíz de una función es un cero de la función. Esto
significa que la raíz de una función, se calcula cuando la función se iguala a cero. Se puede
encontrar las raíces de una función simple como f ( x) = x 2 − 4 simplemente colocando la
función igual a cero, y resolviendo:

f ( x) = x 2 − 4 = 0 , de aquí se tiene que f ( x) = ( x + 2)( x − 2) = 0 , para concluir que la igualdad se


cumple solo si x = 2 ó x = -2, que son consideradas como raíces de la ecuación.

Universidad Surcolombiana – Neiva – Huila - Colombia 15 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Figura 2. Gráfica de la función f ( x) = x 2 − 4 en el intervalo [-3,3]


En el gráfico anterior se observa que el punto x = −2 y x = 2 , la curva corta al eje x,
considerando estos puntosa como raíz de la función.

El Método de Newton Raphson usa un proceso iterativo para encontrar la raíz de una función.
La raíz especifica que el proceso localiza un valor que depende del valor x inicial, valor x
escogido arbitrariamente.

Se Calcula la primera aproximación, x1, como el cero de la línea tangente en un punto inicial
x0 dado. Se calcula la segunda aproximación, x2, como el cero de la línea tangente en la
primera aproximación x1. Siguiendo el esquema mostrado más abajo, las primeras dos
aproximaciones de raíces usando el Método Newton-Raphson, se buscan con el mismo criterio
del Método de la Bisección:

Figura 3

Derivación de la fórmula
El Método de Newton tiene una interpretación geométrica sencilla, de hecho, el Método de
Newton consiste en una linealización de la función, es decir, f se reemplaza por una recta tal
que contiene al punto ( x0 , f ( x0 )) y cuya pendiente coincide con la derivada de la función en el
punto, f ( x0 ) . La nueva aproximación a la raíz, x1 , se obtiene de la intersección de la función
lineal con el eje X de ordenadas.

Universidad Surcolombiana – Neiva – Huila - Colombia 16 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

La ecuación de la recta que pasa por el punto


( x0 , f ( x0 )) y de pendiente f ' ( x0 ) es:
y − f ( x0 ) = f ' ( x0 )( x − x0 )

De donde, haciendo y = 0 y despejando x se


obtiene la ecuación de Newton-Raphson

xn +1 = xn − f ( xn ) / f ' ( xn )
Figura 4

Demostración: Sea x0 la raíz supuesta inicial o valor inicial de las iteraciones y si se aplican
funciones trigonométricas al ángulo α de la figura 4 se tiene que tan(α ) = f ( x0 ) /( xo − x1) , a
− x1 ) = f ( x0 ) / tan(α ) . y despejando x1 se
partir de esta fórmula se puede decir que: ( x0
tendría la fórmula de Newton. La pendiente en x0 esta dada por tan(α ) = f ' ( x0 ) .
Teniendo en cuenta lo anterior se tendría entonces que: x1 = x0 − f ( x0 ) / f ' ( x0 ) .
También se puede deducir de teniendo en cuenta que la ecuación de la línea tangente
en x0 esta dada por: y − f ( x0 ) = f ' ( x0 )( x − x0 ) . La primera aproximación x1 es
obtenida como la raíz de (1). Así ( x1 ,0) es un punto sobre la ecuación anterior.

De aquí, 0 − f ( x0 ) = f `( x0 )( x1 − x0 )
Despejando, x1 − x0 = − f ( x0 ) / f `( x0 )
Finalmente se obtiene: x1 = x0 − f ( x0 ) / f `( x0 )
Por construcción similar se obtiene: xn +1 = xn − f ( xn ) / f ' ( xn )
Donde, xn es una valor para x conocido actualmente, f ( xn ) representa el valor de la
función evaluada en xn , y f ' ( xn ) es la derivada evaluada en xn , xn +1 representa el
próximo valor para x que se está tratando de encontrar como raíz al aplicar el modelo.
Esencialmente, f ' ( x0 ) , la derivada representa f ( x) dx , (dx = delta-x) ó dx = x0 − x1 . Sin
embargo, el término f ( x ) / f `( x ) representa un valor de dx = ∆x .

f ( x) f ( x)
= = ∆x
f ' ( x ) f ( x ) / ∆x
Orden de Convergencia
Sean x0, x1, x2. . . una secuencia que converge a r y sea en = xn - r. Si existe un número m y
e n +1
una constante C (distinta de cero), tal que: lim
m
=c Cuando n → ∞, Entonces m es
en
llamado orden de convergencia de la secuencia y C el error asintótico constante. Para
m=1,2,3, la convergencia se dice lineal, cuadrática y cúbica respectivamente.

Universidad Surcolombiana – Neiva – Huila - Colombia 17 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Análisis de Convergencia
Sean x0 , x1 , x2 ,..., xn , xn +1 las aproximaciones en sucesivas iteraciones. Sea r el
verdadero valor de la raíz. Si se toma como error en la n-esima iteración a en .
Entonces el error en estará dado por: en = xn − r y en consecuencia en +1 = xn +1 − r

Si se tiene que xn +1 = xn − f ( xn ) / f ' ( xn )


en +1 = xn − f ( xn ) / f ' ( xn ) − r
en +1 = xn − r − f ( xn ) / f ' ( xn )
en +1 = en − f ( xn ) / f ' ( xn )
en +1 = (en f ' ( xn ) − f ( xn ) ) / f ' ( xn )....Ec1
Ahora, expandiendo f ( xn − en ) en serie de Taylor se obtiene,

f ( xn − en ) = f ( xn ) − f ' ( xn )en + ( f ' ' (c) / 2)en2


f (r ) = f ( xn ) − en f ' ( xn ) + ( f ' ' (c) / 2)en2

0 = f ( xn ) − en f ' ( xn ) + ( f ' ' (c) / 2)en2


en f ' ( xn ) − f ( xn ) = ( f ' ' (c) / 2)en2 ,....Ec 2
De las ecuaciones 1 y 2 se obtiene,
en +1 = ( f " (c) / 2)en2 / f ' ( xn ) , en +1 = 1 ( f " (c) / f ' ( xn ))en2
2
Esto es, en +1 = cen , donde c = 1 ( f " (c) / f ' ( xn ))
2
2
2 2
De aquí en+1 <= c * en , esto es, xn+1 − r <= c * xn − r

Por lo que Newton-Raphson es un método que converge cuadráticamente, es decir,


que el número de cifras decimales correctos se duplica aproximadamente en cada
iteración, o el error es aproximadamente proporcional al cuadrado del error anterior.

Dos situaciones en las que el Método de Newton no funciona adecuadamente: (a) el


Método no alcanza la convergencia y (b) el Método converge hacia un punto que no es
un cero de la ecuación.

Figura 4 . No convergencia en la que se puede incurrir con el método de newton.

Universidad Surcolombiana – Neiva – Huila - Colombia 18 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Entre más iteraciones se ejecuten, los dx = ∆x tenderán a ser mas pequeños y por
ende tenderán a cero (0) minimizando el valor del error. Para ver cómo trabaja esto,
se aplicará el método Newton-Raphson a la función que se trabajó antes, f ( x) = x 2 − 4 .
Abajo se lista los valores que se necesitan conocer para completar el proceso.
f ( x) = x 2 − 4
f ' ( x) = 2 x
x0 = 6
Teóricamente, se podría ejecutar un número infinito de iteraciones para encontrar
una representación perfecta para la raíz de la función. Sin embargo, éste es un
método numérico que se usa para disminuir el trabajo de encontrar la raíz, para que
toque hacer de forma manual este proceso. Por consiguiente se asume que el proceso
ha trabajado con precisión cuando delta-x (dx) se vuelva menor que 0.1. Este valor de
precisión debe ser específico a cada situación.

Tabla. 1
n xn f ( xn ) f ' ( xn ) xn+1 dx
0 x0 = 6 f(x0 )= 32 f'(x0 )= 12 x1 = 3.33
1 x1 = 3.33 f(x1) = 7.09 f'(x1) = 6.66 x2 = 2.27 1.06
2 x2 = 2.27 f(x2) = 1.15 f'(x2) = 4.54 x3 = 2.01 0.26
3 x3 = 2.01 f(x3) = 0.04 f'(x3) = 4.02 x4 = 2.00 0.01

Interpretando lo mostrado en la tabla 1 así; usando un valor inicial para x0 = 6 , se


encontró que la raíz de la ecuación f ( x) = x − 4 es x = 2 después de 4 iteraciones
2

con un dx igual a 0.01. Si se toma un valor inicial diferente para x0 , se puede llegar a
la misma raíz, o puede encontrar alguna otra raíz, por ejemplo x = −2 .

Una representación gráfica también puede ser muy útil. En la Figura 5, verá la misma
función f ( x) = x 2 − 4 (mostrado en color azul). El proceso es el mismo descrito
anteriormente. En la primera iteración, la línea roja está tangente a la curva en el x0 .
La inclinación de la tangente es la derivada en el punto de tangencia, y para la
primera iteración es igual a 12. Dividiendo el valor de la función evaluado en el x
inicial f (6) = 32 por la pendiente de la tangente (12), se encuentra que el (delta-x)
∆x = 2.67 . Substrayendo esto de seis (6) se encuentra que el nuevo x-valor es igual a
x1 = 3.33 . Otra manera de considerar esto es encontrar la raíz de esta línea tangente.

Universidad Surcolombiana – Neiva – Huila - Colombia 19 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Figura 5 Primera iteración aplicando el modelo de Newton

Consideraciones especiales del método de Newton Raphson:


El método de Newton-Raphson no siempre trabaja. Se encuentra con problemas en varias
partes. Primero, considere el ejemplo anterior. Qué pasarían si se escoge un valor x inicial de
x=0? Se tendría una "división por cero" error, y no podría proceder. ¿Usted puede considerar
también operando el proceso en el f(x de la función) = x 1/3, usando un valor x inicial de x=1.
Los valores x convergen? ¿Hace el delta-x la disminución hacia el cero (0)?

¿Así, cómo esto relaciona a la química? Considere la ecuación de Van Der Waals que podrá
encontrar en la sección de Leyes de Gases. Asumiendo que se tiene un número fijo de moles
de un gas fijo, no bajo las condiciones ideales, que se puede usar el método de Newton-
Raphson para resolver para una de las tres variables (la temperatura, presión, o volumen),
basado en las otras dos. Para hacer esto, Para esto se necesita usar la ecuación de Van Der
Waals, y derivar esta, ambos en seguida.
n 2a V
(P + )( − b) = RT
V2 n

 dV 1   n 2 a   dP n 2 a  V  dT
( )
 dt n   P + 2  +  − 2 3   + b − R =0
 V   dt V   n  dt
Como puede observar, la Ecuación de Van Der Waals es bastante compleja. No es posible
resolverla algebraicamente, para lo cual se debe usar un método numérico. El método de
Newton-Raphson es la manera más fácil y más fidedigna de resolver las ecuaciones, aunque la
ecuación y su derivada parecen realmente intimidantes.

Dependiendo de las condiciones bajo las que este intentando resolver esta ecuación, algunas
de las variables pueden estar cambiando. Así que, puede ser necesario usar derivadas
parciales. Para los propósitos de este ejemplo, Se asume que la presión, temperatura, y
volumen son las únicas variables cambiantes, y que estos valores son todas las funciones de
tiempo. Esto evita el uso de derivadas parciales; se diferencian todas las variables
simplemente con respecto al tiempo, como es mostrado anteriormente. Alguna manipulación
algebraica de la ecuación y/o su derivada que depende del problema específico a ser resuelto
puede necesitarse. Es supuesto que se especifican todas las variables pero uno; esa variable se
Universidad Surcolombiana – Neiva – Huila - Colombia 20 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

usa en la expresión para el "xn+1" que el método de Newton usa. Desarrollando el método de
Newton con éxito en esta ecuación daría un valor de esa variable que da una solución que
cuando las otras variables se mantienen constantes en los valores que se especificó.

Algoritmo:
1. Dada una función f ( x) = 0 obtener la Primera y Segunda derivada.
2. Elegir un valor inicial x0 . Este valor inicial debe cumplir con el criterio de
convergencia:
3. Obtener una nueva aproximación evaluando la fórmula general del método
xn +1 = xn − f ( xn ) / f ' ( xn )
4. Evaluar la aproximación relativa
5. Si ( xn +1 − xn ) / xn+1 < Tolerancia
(Falso) Repetir el paso 3 y 4
(Verdadero) Entonces x n +1 es la Raíz

Ejemplo 1: Ecuación polinomial de orden 3


Vea a continuación un ejemplo, con la siguiente ecuación: f ( x) = x 3 + x + 16

Instrucciones para graficar con


MatLab.

x=-4:0.1:4;
fx=x.^3+x+16;
plot(x,fx)
grid on

Figura 6. Función f ( x) = x 3 + x + 16

n xn f ( xn ) f ' ( xn ) f ( xn ) / f ' ( xn ) xn +1 = xn − f ( xn ) f `( xn )
0 2.0000 26.0000 13.0000 2.0000 0.0000
1 0.0000 16.0000 1.0000 16.0000 -16.0000
2 -16.0000 -4096.0000 769.0000 -5.3000 -10.7000
3 -10.7000 -1210.7000 342.8000 -3.5000 -7.1000
4 -7.1142 -355.3900 154.0100 -2.3076 -4.8341
5 -4.8341 -101.7983 71.1049 -1.4317 -3.4024
6 -3.4024 -26.7902 35.7293 -0.7498 -2.6526
7 -2.6526 -5.3171 22.1089 -0.2405 -2.4121
8 -2.4121 -0.4464 18.4548 -0.0242 -2.3879
9 -2.3879 -0.0042 18.1065 -0.0002 -2.3877

Universidad Surcolombiana – Neiva – Huila - Colombia 21 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Dependiendo del valor de x con el cual se inician las iteraciones se conseguirá el encuentro de
la raíz en menos o más iteraciones. Basta con observar la figura 6 y tratar de aplicar el modelo
sobre la misma para darse cuenta porque las oscilaciones

n xn f ( xn ) f ' ( xn ) f ( xn ) / f ' ( xn ) xn +1 = xn − f ( xn ) f `( xn )
0 4 84 49 1.7143 2.2857
1 2.2857 30.2274 16.6735 1.8129 0.4728
2 0.4728 16.5785 1.6706 9.9234 -9.4506
3 -9.4506 -837.517 268.9410 -3.1141 -6.3365
4 -6.3365 -244.7499 121.4522 -2.0152 -4.3213
5 -4.3213 -69.0136 57.0200 -1.2103 -3.1109
6 -3.1109 -17.2179 30.0335 -0.5733 -2.5376
7 -2.5376 -2.8789 20.3187 -0.1417 -2.3959
8 -2.3959 -0.1500 18.2217 -0.0082 -2.3877
9 -2.3877 -0.0005 18.1035 -0.0000 -2.3877
10 -2.3877 -0.0000 18.1031 -0.0000 -2.3877

Los anteriores cálculos se realizaron haciendo uso del paquete MatLab con el siguiente código.
Si desea tener mas cifras significativas puedes cambiar el formato de presentación por el de
format long.
format short;
x=4; fx=x.^3+x+16;
while abs(fx)>0.00001
fx=x.^3+x+16; dfx=3*x^2+1; xn=x-fx/dfx;
disp ([x fx dfx fx/dfx xn]); x=xn;
end
Si se aplicara el método con lenguaje C y se trabajara un nivel menor de tolerancia los
resultados serían los siguientes:

n xn f ( xn )
0 2.0000000000e+00 2.600000000e+01
1 -8.8888888889e-01 1.440877915e+01
2 -6.4731525784e+00 -2.617092778e+02
3 -3.3870823116e+00 -2.624479676e+01
4 -2.2910214677e+00 1.683912327e+00
5 -2.4374797174e+00 -9.192959325e-01
6 -2.3661202961e+00 3.870954684e-01
7 -2.3978571056e+00 -1.848609426e-01
8 -2.3830675645e+00 8.346548208e-02
9 -2.3898215161e+00 -3.868219039e-02
10 -2.3867076332e+00 1.771466692e-02
11 -2.3881370715e+00 -8.157247458e-03
12 -2.3874795682e+00 3.746775102e-03
13 -2.3877817246e+00 -1.722963287e-03
14 -2.3876428096e+00 7.918859082e-04
15 -2.3877066628e+00 -3.640455920e-04
16 -2.3876773097e+00 1.673400724e-04
17 -2.3876908026e+00 -7.692484810e-05
18 -2.3876846001e+00 3.536087399e-05
Universidad Surcolombiana – Neiva – Huila - Colombia 22 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Solución aproximada = -2.387684600090e+00


Con f(P) = 3.536087399171e-05
Número de iteraciones = 18
Tolerancia = 1.000000000000e-05

Ejemplo 2: Raíz de la función f ( x) = e x −1 − 5 x 3

Encontrar la raíz cerca de x = 1 de f ( x) = e x −1 − 5 x 3 iniciando con x0 = 1 . ¿Cuán exacta


es la estimación después de cuatro iteraciones del método de Newton?. Tabule el
número de dígitos correctos en cada iteración del método de Newton y observe si se
duplican cada vez. (Solución r = 0.49404364 )

Solución:
Para obtener una solución a f ( x) = 0 mediante el método de Newton, dada la función
diferenciable f y una aproximación inicial x0 , se utiliza el siguiente algoritmo:

En este caso, dada la aproximación inicial x 0 = 1 y las funciones f ( x) = e x −1 − 5 x 3 y


f ' ( x) = e x −1 − 15 x 2 , para N = 4 iteraciones, se tiene la siguiente tabla de los valores
obtenidos:
xi f ( xi ) f ' ( xi ) xi +1
0 1.000000 -4.000000 -1.400000 0.714286
1 0.714286 -1.070682 -6.901590 0.559150
2 0.559150 -0.230598 4.046242 0.502159
3 0.502159 -0.025100 -3.174613 0.494222
4 0.494222 -0.000545 -3.060792 0.494043

En este método iterativo debería cumplirse que el número de decimales de exactitud


se duplica en cada iteración. Como se puede comprobar en la tabla, esto se cumple
para x 4 = 0.494000 con tres decimales exactos, y x5 = 0.484043 con seis decimales
exactos. La tolerancia alcanzada mediante el método de Newton es de TOL = 10 −3 .
Para saber cuántas iteraciones son necesarias para lograr dicha tolerancia mediante el

Universidad Surcolombiana – Neiva – Huila - Colombia 23 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

método de la bisección, con el intervalo [0.714286,1] , hay que encontrar un número


x −x
entero N que satisfaga: x N − x ≤ 2 N 1 < TOL = 10 −3
2
Por tanto, se tiene: (0.285714) * 2 < 10 −3 ⇒ N = 8.1584 ≈ 8.0000
−N

Se ve pues, que para el método de la bisección se necesitarían, aproximadamente, el


doble de iteraciones que para el método de Newton.

Ejemplo 3: Raíz de la función f ( x) = e − x − ln( x)

Usar el Método de Newton-Raphson, para aproximar la raíz de la función


−x
f ( x) = e − ln( x) , comenzando con x0 = 1 y hasta que el error absoluto ea < 1% .

Solución
1
En este caso, se tiene que la derivada de la función es: f ' ( x) = −e −
−x

x
e − xi − ln( xi ) e − xi − ln( xi )
De aquí se tiene que: xi +1 = xi − = xi +
1 1
− e − xi − e − xi −
xi xi
e − x0 − ln( x0 )
Se comienza con x0 = 1 y se obtiene: x1 = x0 + = 1.268941421
− x0 1
e −
x0
1.268941421 − 1
En este caso, el error aproximado es, ∈a = *100% = 21.19%
1.268941421
Ahora con x1 = 1.268941421 , Se continúa el proceso calculando primero x2, x3 y hasta
reducir el error aproximado hasta lo mínimo que se pueda.

Se resume los resultados en la siguiente tabla:


Aprox. a la raíz Error aprox.
1.000000000
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%

De lo cual se concluye que 26 ≈ 5.099019514 , la cual es correcta en todos sus


dígitos. La misma idea puede aplicarse para crear algoritmos que aproximen raíces n-
esimas de números reales positivos. Observe que cuando el Método de Newton-
Raphson converge a la raíz, lo hace de una forma muy rápida y de hecho, observamos
que el error aproximado disminuye a pasos agigantados en cada paso del proceso.
Aunque no es nuestro objetivo establecer formalmente las cotas para los errores en
cada uno de los Métodos que hemos estudiado, cabe mencionar que si existen estas
cotas que miden con mayor precisión la rapidez s lentitud del Método en estudio.
Universidad Surcolombiana – Neiva – Huila - Colombia 24 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Ejemplo 4: Aplicación en cinemática v(t ) = t 3 − 2t 2


Aplicación a la cinemática. Una partícula se mueve con una velocidad (en
metros/segundo) dada en función del tiempo por medio de la función: v (t ) = t − 2t .
3 2

Utilizando el Método de Newton Raphson aproxima el tiempo en el que la partícula


alcanza una velocidad de 1m/s, a partir del reposo.
1. Plantea la ecuación a resolver y la fórmula del Método de Newton-Raphson para
este caso.
2. Calcula hasta la quinta iteración, considerando la iteración inicial igual a 3.
3. Se puede considerar al valor cero como iteración inicial? Explica.
4. Con la quinta y cuarta iteración calcula el error relativo de la aproximación para la
última iteración, indicando la cantidad de cifras significativas correctas según el
error relativo.
Solución
1. La ecuación a resolver se obtiene de igualar a 1 (velocidad que alcanza la partícula)
la función de la velocidad, v (t ) = t − 2t = 1 , y pasar restando al otro lado el 1.
3 2

Así, la ecuación quedará así: v (t ) = t − 2t − 1


3 2

Figura 7 Grafica de la función de velocidad v (t ) = t − 2t − 1


3 2

Para la realización de la gráfica haciendo uso de MatLab se utiliza el siguiente código.


x=0:0.1:4;
fx=x.^3-2*x.^2-1;
plot(x,fx)
grid on
Para obtener la fórmula del Método de Newton-Raphson en este caso, se deriva la
función obteniendo la siguiente ecuación: f ' (t ) = 3t − 4t , Con la fórmula de Newton
2

Universidad Surcolombiana – Neiva – Huila - Colombia 25 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

f ( xn−1 )
xn = xn −1 − ; Se obtiene la expresión del Método quedando para este caso así:
f `( xn −1 )
f (t n ) t 3 − 2t 2 − 1
t n +1 = t n − = tn − n 2 n
f `(t n ) 3t n − 4t n
2. Para calcular las aproximaciones se utiliza la expresión anterior con t 0 = 3 ,
t 03 − 2t 02 − 1
t1 = t 0 − = 2.466667
3t 02 − 4t 0
Continuando con las iteraciones se obtiene:

Iteración ti

1 2.466667
2 2.247342
3 2.206900
4 2.205571
5 2.205569

Es decir, aproximadamente a los 2.205569 segundos la partícula alcanza una


velocidad de 1m/s.
3. No se puede considerar al cero como iteración inicial, ya que la derivada
f ' (t ) = 3t 2 − 4t evaluada en cero vale cero.
4. Para calcular el error relativo se utiliza la fórmula:
x n − x n −1 x − x4 2.205569 − 2.205571
= 5 = = 0.000001 = 0.1x10 −5
xn x5 2.205569

De esta forma se puede asegurar que en la quinta iteración las cifras 2.205569 son
exactas.

Ejemplo 5: Función f ( x) = 2 x 3 + x 2 − x + 1
Utilizar el Método de Newton para aproximar los ceros de: f ( x) = 2 x + x − x + 1
3 2

Continuar las iteraciones hasta que dos aproximaciones sucesivas difieran en menos de
0,0001.

Universidad Surcolombiana – Neiva – Huila - Colombia 26 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Figura 8 Gráfica función f ( x) = 2 x 3 + x 2 − x + 1


Por la gráfica se observa que hay un único 0 que esta entre -1.5 y -1.
2 x 3 + x 2 − xn + 1
x n+1 = x n − n 2 n
6 xn + 2 xn − 1
n Xn f(Xn) f '(Xn) Ff (Xn) x n +1 = x n − f ( x n ) f `( x n )
Ff '(Xn)
1 -1,2000 0,1840 5,2400 0,0351 -1,2351
2 -1,2351 0,0077 5,6828 0,0014 -1.2338
3 -1.2338 0.00001 5,6653 0,0000 -1.2338

Respuesta: Como las dos aproximaciones sucesivas difieren en menos de 0,0001, la


estimación final del cero es 1,2338, obteniendo los valores con el siguiente código
para MatLab.
format short;
x=-1.2;
fx=2*x.^3+x.^2-x+1;
while abs(fx>0.00001)
fx=2*x.^3+x.^2-x+1;
dfx=6*x^2+2*x-1;
xn=x-fx/dfx;
disp ([x fx dfx fx/dfx xn]);
x=xn;
end

Ejemplo 6: Función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o )

En la función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o ) , t es el tiempo,
y el intervalo de interés es para los valores tal que t > 0.
La función seno es oscilatoria, afectada de la función exponencial. Tiende a cero
cuando t tiene valores superiores a 1; se lleva tanto sus factores como la función F(t)
a dicho valor, con lo cual la grafica de F(t) se confunde con el eje t para t ≥ 1 .
Universidad Surcolombiana – Neiva – Huila - Colombia 27 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Estas funciones son conocidas como oscilatorias amortiguadas.

Si el exponente de e es positivo, al tender t a infinito ( ∞ ), la función es creciente y


tiende rápidamente a infinito ( ∞ ); esta función se conoce como función oscilatoria no
amortiguada.
Ahora se dan algunos valores a t en la función:
format short;
t=0:0.2:1;
ft=1.21*exp(-6.6*t).*sin(11.4*t-111.7*pi/180)+...
0.28*exp(-55.9*t).*sin(18*t+26.1*pi/180);

t f(t)
0,0 -1.00106744399655
0,2 0.10488140145009
0,4 0.04373517406561
0,6 -0.02270159505605
0,8 0.00477763344408
1,0 -0.00004228104332
Para efectos de la gráfica se puede ejecutar el siguiente código en MatLab.
format short;
t=0:0.02:1;
ft=1.21*exp(-6.6*t).*sin(11.4*t-111.7*pi/180)+...
0.28*exp(-55.9*t).*sin(18*t+26.1*pi/180);
plot(t,ft)
grid on

Figura 9. Función F (t ) = 1.21e −6.6t sin(11.4t − 111.7 o ) + 0.28e −55.9t sin(18t + 26.1o )

Estos valores señalan la presencia de raíces reales en los intervalos (0.1,0.2), (0.4,0.5),
(0.6,0.8) y pudiese inducir que habría otra posiblemente en (0.8,1.0).

Universidad Surcolombiana – Neiva – Huila - Colombia 28 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Luego pues, se aplica el Método de Newton-Raphson para encontrar las raíces en cada
uno de los intervalos.
Utilizando la primera derivada de la función que es:

F ′( t ) = 13 . 794 e − 6 .6 t cos( 11 . 4 t − 111 . 7 º ) − 7 .986 e − 6 .6 t sin( 11 .4 t − 111 .7 º )


+ 5 .04 e − 55 .9 t cos( 18 t + 26 . 1º ) − 15 . 652 e − 55 .9 t sin( 18 t + 26 .1º ) = 0
f (t n )
Utilizando la fórmula: t n +1 = t n −
f ′(t n )
Intervalo (0,0.2)

t1 F(t) F'(t) ea er ep
0,1 -0,45195045 7,84918551
0,15757928 -0,06523934 5,2485353 0,05757928 0,3653988 36,5398801
0,17000929 -0,00450956 4,52093195 0,01243001 0,0731137 7,31137024
0,17100677 -2,9291E-05 4,46220075 0,00099749 0,00583302 0,58330153
0,17101334 -1,2686E-09 4,46181423 6,5643E-06 3,8385E-05 0,0038385
0,17101334 1,2584E-16 4,46181422 2,8432E-10 1,6626E-09 1,6626E-07
0,17101334 -4,7963E-17 4,46181422 2,7756E-17 1,623E-16 1,623E-14
0,17101334 -4,7963E-17 4,46181422 0 0 0

Intervalo (0.4,0.6)

t2 F(t) F'(t) ea er ep
0,5 -0,02552511 -0,24887142
0,39743657 0,04667494 -1,15610121 0,10256343 0,2580624 25,8062397
0,43780928 0,00672327 -0,80750436 0,04037271 0,09221529 9,2215292
0,44613527 0,00033008 -0,72812975 0,00832599 0,01866248 1,86624756
0,44658859 9,8171E-07 -0,72379864 0,00045333 0,00101509 0,10150903
0,44658995 8,7878E-12 -0,72378568 1,3563E-06 3,0371E-06 0,00030371
0,44658995 -3,1234E-17 -0,72378568 1,2141E-11 2,7187E-11 2,7187E-09
0,44658995 2,5156E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
0,44658995 -3,1234E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14
0,44658995 2,5156E-17 -0,72378568 5,5511E-17 1,243E-16 1,243E-14

Intervalo (0.6,0.8)

t3 F(t) F'(t) ea er ep
0,7 -0,00298091 0,15126648
0,71970633 -0,00029375 0,12122588 0,01970633 0,02738107 2,73810731
0,72212952 -4,5493E-06 0,11747079 0,00242318 0,00335561 0,33556084
0,72216824 -1,1622E-09 0,11741077 3,8727E-05 5,3627E-05 0,00536265
0,72216825 -6,5918E-17 0,11741076 9,8987E-09 1,3707E-08 1,3707E-06
0,72216825 -1,1033E-17 0,11741076 5,5511E-16 7,6867E-16 7,6867E-14
Universidad Surcolombiana – Neiva – Huila - Colombia 29 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

0,72216825 7,262E-18 0,11741076 1,1102E-16 1,5373E-16 1,5373E-14


0,72216825 -1,1033E-17 0,11741076 1,1102E-16 1,5373E-16 1,5373E-14

Intervalo (0.8,1.0)

t4 F(t) F'(t) ea er ep
0,9 0,00285866 -0,0348708
0,98197861 0,00033146 -0,02298212 0,08197861 0,08348309 8,34830928
0,99640129 2,585E-05 -0,01938429 0,01442268 0,01447477 1,44747656
0,99773482 2,2353E-07 -0,01904904 0,00133353 0,00133656 0,13365611
0,99774655 1,731E-11 -0,01904609 1,1735E-05 1,1761E-05 0,00117612
0,99774656 6,1406E-19 -0,01904609 9,0884E-10 9,1089E-10 9,1089E-08
0,99774656 6,1406E-19 -0,01904609 0 0 0

Entonces se encuentra que las raíces son


t1=0.17101 En el intervalo (0,0.2)
t2=0.44658 En el intervalo (0.4,0.6)
t3=0.72216 En el intervalo (0.6,0.8)
t4=0.99774 En el intervalo (0.8,1.0)
Tiempos donde la función se vuelve cero.

Ejemplo 7: función f ( x) = 3 x 2 − e x

f ( x) = 3 x 2 − e x . Si se grafica la función se tendría lo siguiente.

Figura 10

Se puede observar que la curva corta el eje x en los intervalos [-1,0],[0,1], y [3,4].
También se pudiera graficar las dos curvas por aparte tal como se ilustra en la
siguiente grafica.

Las raíces corresponderían a los puntos sobre el eje x donde las dos curvas se cortan.
Universidad Surcolombiana – Neiva – Huila - Colombia 30 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Figura 6

Ejemplo 8: Función f ( x) = x 3 + 4 x 2 − 10

Encontrar la raíz de la ecuación f ( x) = x 3 + 4 x 2 − 10 , tomando como aproximación


inicial para la raíz el valor de x=1.0 y N=10 (número máximo de iteraciones) y una
tolerancia máxima TOL=0.0000001.

f ( x) = x 3 + 4 x 2 − 10
f `( x) = 3 x 2 + 8 x

La raíz exacta es x=1.36523001.

Código Fuente en C
//**************************************
//Método de Newton-Rapson para aproximar
//las raíces de la ecuación f(x)=0
//**************************************
#include <stdio.h>
#include <math.h>
#include <conio.h>
#define N 10 //número máximo de iteraciones
#define TOL 0.0000001 //tolerancia máxima
3 2
double f(double x) //f(x)= x + 4 x − 10 función a aproximar
{ return (x*x*x + 4*x*x - 10); }
double df(double x) //derivada de la función f(x) es f'(x)=3*x^2 + 8.0*x
{ return (3*x*x + 8*x); }

int main(void)
{ double x, x0;
int i;
clrscr();
i=1;
x0=1.0; //aproximación inicial de la raíz, de f(x)
Universidad Surcolombiana – Neiva – Huila - Colombia 31 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

printf("%d %15.12lf\n", i, x0);


while (i<N)
{ x=x0-f(x0)/df(x0);
if (fabs(x-x0)<TOL)
{ //se alcanzo la tolerancia pedida y no se supero el
// Número máximo de iteraciones, esta es la raíz buscada.
printf("raiz x = %15.12lf\n", x);
getch(); return 0;
};
i+=1;
x0=x;
//muestra las sucesivas aproximaciones de la raíz.
printf("%d %15.12lf\n", i, x);
}
//se alcanzó el número máximo de iteraciones pero no
//la tolerancia pedida, el Método fallo.
printf("Se alcanzo el numero máximo de iteraciones");
getch();
}

Ejemplo 9: Función f ( x) = x 3 − 3x 2 − 4
El siguiente programa en lenguaje C, permite calcular la raíz de la ecuación
f ( x) = x 3 − 3 x 2 − 4 por el método de Newton Raphson. Analice la fórmula que se
utiliza con segunda derivada de la función.

// Análisis Numérico: Método de Newton_Raphson; Para una función dada


#include <stdio.h>
#include <math.h>
#include <conio.h>
// Declaración de Funciones
void Lee_Datos(void);
double Funcion(double Xi);
double Derivada(double Xi);
double Segunda(double Xi);
double Xo;
float Tolera;
int Ciclos;
// Función principal
int main()
{ double Fx, Fdx, F2dx, Xn;
float Error = 1;
int Cont = 0;
Lee_Datos();
printf("\n===========================================");
printf("\n Ciclo Xo Fx Fdx Xn Error");
printf("\n===========================================");
while (Error > Tolera && Ciclos > Cont)
{ Fx = Funcion(Xo);
Fdx = Derivada(Xo);
F2dx = Segunda(Xo);
Xn = Xo - (Fx / (Fdx-(F2dx*Fx)/(2*Fdx)));
Error = fabs( (Xn - Xo)/Xn );
Cont++;

printf("\n%3d%10.4lf%10.4lf%10.4lf%10.4lf%10.4f",Cont,Xo,Fx,Fdx,Xn,Error);
Universidad Surcolombiana – Neiva – Huila - Colombia 32 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Xo = Xn;
}
printf("\n===========================================");
if (Ciclos > Cont)
printf("\n La raíz de la ecuación es %.5lf ",Xn);
else
printf("\n\n No converge en %3d Ciclos !!!! Dar nuevos valores",Ciclos);
getch();
return 0;
}

void Lee_Datos(void)
{ clrscr();
printf("\n Dar el Valor inicial de X -> "); scanf("%lf",&Xo);
printf("\n Cual es el error Permitido ->"); scanf("%f",&Tolera);
printf("\n Numero de ciclos máximos ->"); scanf("%d",&Ciclos);
}

double Funcion(double Xo)


{ return Xo*Xo*Xo-3*Xo*Xo-4; }
double Derivada(double Xo)
{ return 3*Xo*Xo-6*Xo; }
double Segunda(double Xo)
{ return 6*Xo-6; }

PRÀCTICA: Newton-Raphson para ecuaciones no lineales


1 Introducción

Recuerde que el Método de Newton-Raphson consiste f ( xn−1 )


en calcular las iteraciones xn = xn −1 −
f `( xn −1 )
A partir de un valor inicial x0 . El algoritmo se puede f ( x)
interpretar como la iteración de punto fijo con la g ( x) = x −
f `( x)
función

En esta práctica se estudiará las regiones de convergencia del Método de Newton para
una función concreta, así como la influencia de las raíces múltiples en las propiedades
de convergencia.

Trabajo de laboratorio

Escriba una función de MATLAB, llamada fnewton, con el siguiente encabezamiento:

1. function [x,xvect,nit]=fnewton(f,fprima,x0,maxiter,tolerancia)
2. % Implementa el algoritmo de Newton
3. % usando la función puntofijo.m
4. % f = expresión de la función cuyas raíces se buscan
5. % fprima = su derivada
6. % x0 = valor inicial
7. % Como criterios de parada se usan:
8. % maxiter = cantidad max de iteraciones admitidas
9. % tolerancia = margen para error absoluto
Universidad Surcolombiana – Neiva – Huila - Colombia 33 de 38
Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

10. % En la salida:
11. % x = resultado de la ultima iteración
12. % xvect = vector de los resultados de todas las iteraciones
13. % nit = cantidad de iteraciones realizadas

Emplee la función puntofijo;

function [x,xvect,nit]=puntofijo(g,x0,maxiter,tolerancia)
% Implementa la iteración de punto fijo
% g = expresión de la función de iteración
% x0 = valor inicial
% Como criterios de parada se usan:
% maxiter = cantidad max de iteraciones admitidas
% tolerancia = margen para error absoluto
% En la salida:
% x = resultado de la ultima iteración
% xvect = vector de los resultados de todas las iteraciones
% nit = cantidad de iteraciones realizadas
nit=0; xvect=x0; x=x0; % Inicializando
err=tolerancia+1; % Garantiza al menos 1 ejecución
while (nit < maxiter & err > tolerancia),
nit=nit+1;
xn=g(x);
xvect=[xvect;xn]; % Agregue el valor nuevo
err=abs(xn-x); % Calcula el error absoluto
x=xn;
end
if nit == maxiter,
disp('Alcanzado el máximo de iteraciones admisible')
end
14. Pruebe la función creada calculando las dos raíces reales, x=1 y x=-5, de
f ( x ) = 2 x 2 + 8 x − 10
15. Vamos a estudiar las regiones de convergencia del algoritmo de Newton para la
función f del apartado anterior. Sean I1 e I-5 los conjuntos de R tales que si x(0) N
I1 (respectivamente, si x(0) N I-5) entonces el algoritmo converge a la raíz 1
(resp., a -5) en # 200 iteraciones. Asumiendo que I1 e I-5 son intervalos abiertos,
estime experimentalmente los extremos de esos intervalos, tomado
tolerancia=2 eM(donde eM es el epsilon de la maquina).
16. Vea la influencia de una raíz doble, en la convergencia del Método de Newton,
aplicándolo ahora a la función h( x) = ( x − 1) y f ( x) = 2 x 3 + 6 x 2 − 18 x + 10 ,
h( x) f ( x) Con una raíz doble en x=1 y otra simple en x=-5. Tomando como
valores iniciales x0 = 0 y x0 = −4 , estudie la cantidad de iteraciones que se
necesitan para aproximar por medio de fnewton las dos raíces con tolerancia=2
eM para las funciones f y h? Donde se observan las diferencias? Dibuje las
graficas de los errores cometidos en las iteraciones correspondientes en la
misma escala semilogarítmica (semilogy) para apreciar la convergencia
geométrica.
17. Aplique el algoritmo D2 de Aitken para acelerar la convergencia de la sucesión
de aproximaciones a la raíz x=1 de h. Dibuje las gráficas de los errores

Universidad Surcolombiana – Neiva – Huila - Colombia 34 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

cometidos en las sucesiones original y acelerada en la misma escala


semilogarítmica, y compare la velocidad de convergencia en cada caso.

Sugerencia: para implementar la fórmula de Aitken es conveniente utilizar la


función diff de MATLAB. Utilice la ayuda para conocer la sintaxis y el objetivo
de dicha función.

18. Modifique el Método de Newton para tomar en cuenta la multiplicidad de la raíz,


tal como se indica en el texto:
f ( xn −1 )
xn = xn −1 −
f `( xn −1 )
19. donde m es la multiplicidad. Para ello escriba la función newtmod, usando
como modelo la función fnewton, pero que acepte como parámetro adicional el
valor de m. Aplique esta función con m=2 para hallar la raíz doble de h, y
comente el resultado.

Trabajo de Laboratorio
Dos elipses pueden tener como máximo 4 puntos de intersección. Se desea encontrar
las coordenadas de las intersecciones de las elipses dadas por sus ecuaciones
( x − 2) 2 + ( y − 3 + 2 x) 2 = 5 , y 2( x − 3) 2 + ( y − 3 + 2 x) 2 = 5

1. Para obtener una idea grafica de la situación, se dibujan las elipses por medio
de la función contour de MATLAB que permite crear curvas de nivel. Se
utilizará el formato contour(x,y,Z,[n n]), donde x e y son los vectores de
valores xi e yj a lo largo de los ejes correspondientes, Z es la matriz de los
valores de la función en los puntos (xi,yj) y n es el nivel que se desea dibujar.

Mas exactamente, con x=linspace(-1,5,1000); y=linspace(-10,10,1000);


Se generan los vectores x e y (si no recuerda, busque en la ayuda de MATLAB
que hace el comando linspace); con [X,Y]=meshgrid(x,y); se crea el conjunto
de pares ordenados (xi,yj) como producto cartesiano, y con Z=(X-2).^2+(Y-
3+2*X).^2; se obtiene la matriz Z. Solo queda ejecutar contour(x,y,Z,[5 5]);
para dibujar la primera elipse. Ahora se va por la segunda. Antes de dibujarla,
no deje de ejecutar la orden hold on para que el nuevo gráfico no borre el
anterior (y termine el script con hold off). Tome nota de las posiciones
aproximadas de los 4 puntos de intersección.
2. Plantee explícitamente las funciones fk para el sistema de ecuaciones que
expresa la intersección de las elipses y halle la matriz Jacobiana.
3. Implemente el algoritmo de Newton-Raphson para este problema en forma de
función :
function [y,niter] = newt_raph(x0,maxiter,tolerancia), que admita como datos
de entrada el valor inicial x0, el máximo de iteraciones admisible maxiter, y el
valor de tolerancia para el criterio de parada ||x(k)-x(k-1)|| # tolerancia, (donde
||7 || es la norma euclidea, que MATLAB calcula con norm) y devuelva el

Universidad Surcolombiana – Neiva – Huila - Colombia 35 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

vector Solución y junto con la cantidad de iteraciones empleadas niter. Puede


usar como modelo la función puntofijo.

Observación: Recuerde que el sistema lineal Ax=b se resuelve en MATLAB por


medio del comando x=A\b.

4. Experimente con diferentes vectores de valores iniciales para encontrar los 4


puntos de intersección.

Ejercicios Propuestos
Resolver las siguientes ecuaciones por el Método Newton-Raphson:

- f ( x) = e x + x , con error menor a 0.01


- f ( x) = cos( x) + x , con error menor de 0.001
- Use el Método de Newton-Raphson para resolver la ecuación
f ( x) = x 3 − 2 x 2 − 3 x + 10 , con un valor inicial para x=1.9.
- Halle la raíz de 0.1* x 2 − x * ln( x) = 0 en [1,2]
- Halle el valor de PI con cinco cifras decimales exactos. Emplee únicamente
funciones trigonométricas.
- Halle una fórmula iterativa que le permita calcular a1 / 2 ⇔ a , para a>0
- Calcular la raíz de la función f ( x) = e x − 2.7182 x con un error relativo
aproximado al 0.05%.

Universidad Surcolombiana – Neiva – Huila - Colombia 36 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

Recursos Bibliográficos
9 MATHEUS. John H. Fink Kurtis D. Métodos Numéricos con MATLAB. Editorial
Prentice Hall
9 ALTZ, Franz L. Electronic. Digital. computers: Their use in science and
Engineering. 1958 Academic Press inc. New York.
9 BURDEN Richard L., J. Douglas Faires; Análisis numérico. tr. Efrén Alatorre
Miguel; Revisión Técnica. Ildefonso. 1998 (Biblioteca USCO. Nro Topográfico:
515 / B949a.)
9 CHAPRA Steven C., CANALE Raymond P, Numerical Methods for engineers.
McGraw Hill, Inc. 1988. 839p. ISBN 0-07-909944-0.
9 CHAPRA Steven C., CANALE Raymond P. Métodos numéricos para ingenieros: con
aplicaciones en computadoras personales. 1988 (Biblioteca USCO Nro
Topográfico: 519.5 / C467m)
9 CONDE S. D, Carl de Boor. Análisis numérico elemental: Un enfoque
algorítmico. Mc. Graw-Hill 1972, (Biblioteca USCO Nro Topográfico: 511.8 /
C761 Biblioteca).
9 CORMICK MC., John M. and SALVADOR M.C. Numerical Methods in
FORTRAN. 1964. Prentice-Hall Inc Englewood Cliffs N:J.
9 CURTIS, F. Gerald, WHEATLEY, O. Patrick. Análisis numérico con aplicaciones.
Tr. Hugo Villagomez Vasquez. 6 Ed. Pearson Educación. 2000, 698p. ISBN 968-
444-393-5
9 FADDEEVA, V.N. Computacional methods of linear algebra, Dover
Publications. 1969, New York.
9 GASTINEL Noél; Análisis numérico lineal. tr. Javier Ruiz Fernández de Pinedo.
1975. (Biblioteca USCO Nro Topográfico: 511.7 / G255).
9 GREENSPAN, D. Theory and solutions of Ordinary Differencial Equations.
1960 The. Mc Millan Co. New York.
9 KINCAID David y Ward Cheney; Análisis numérico: Las matemáticas del cálculo
científico. tr. Rafael. 1994 (Biblioteca USCO Nro Topográfico: 515 / K51a).
9 LUTHE. Rodolfo, OLIVERA Antonio, SCHUTZ Fernando, Métodos numéricos. 1986
(Biblioteca USCO Nro Topográfico: 511.7 / L973m).
9 McCRACKEN, Daniel D., Métodos numéricos y programación fortran: con
aplicaciones en ingeniería y ciencias. 1986. Editorial Limusa. México.
(Biblioteca USCO Nro. Topográfico: 001.6424 / M117).
9 NAKAMURA Shoichiro; Análisis numérico y visualización gráfica con MATLAB. tr.
Roberto Escalona García. 1998 (Biblioteca USCO N ro Topográfico: 515.1 /
N163a).
9 NAKAMURA Shoichiro; Métodos numéricos aplicados con software. tr. Oscar
Alfredo Palmas Velasco. Prentice Hall Hispanoamericana S.A. 1995. 570p.
(Biblioteca USCO. Nro. Topográfico: 511.8 / N163m) ISBN 968-880-263-8
9 NIETO RAMIREZ José A., Métodos numéricos en computadoras digitales. Editorial
Limusa 1980. (Biblioteca USCO Nro Topográfico: 001.64042 / N677).

Universidad Surcolombiana – Neiva – Huila - Colombia 37 de 38


Ing Yamil Armando Cerquera Rojas yacerque@gmail.com

9 RALSTON Anthony; Introducción al análisis numérico. tr. Carlos E. Cervantes de


Gortari. Editorial Limusa. Mexico. 1978. 629p. (Biblioteca USCO Nro
Topográfico: 511.7 / R164.)
9 SCARBOROUGH, J.B Numerical mathematics analysis
9 SIERRA ROMERO, Alberto. Manual de Métodos Numéricos. Universidad
Tecnológica de Pereira.
9 SMITH, W. Allen; Análisis numérico. tr. Francisco Javier Sánchez Bernabe; Rev.
Téc. José Luis Turriza Pinto. Prentice Hall Hispanoamericana S.A. 1988. 608p.
(Biblioteca USCO Nro Topográfico: 515 / S664a) ISBN 968-880-119-4.
9 STANTON, Ralp G. Numerical Methods for Science and Engineering.
1967. Prentice-Hall Inc. Englewood Cliffs N.J

Bibliografia OnLine:
http://sai.uam.mx/apoyodidactico/mn/
http://www.unalmed.edu.co/~ifasmar/libro.shtml
http://www.iesrodeira.com/metodos_numericos/index-2.htm
http://uprhmate01.upr.clu.edu/~pnm/notas4061/index.htm
http://mailweb.udlap.mx/~ccastane/Analisis_Numerico_html/Lindley.html#RegresaGral1
http://www.ii.uam.es/~pedro/ccii/teoria/
http://webdiee.cem.itesm.mx/web/servicios/archivo/tutoriales/metodos/algoritmos/index.html
http://www.ucsc.cl/~kdt/numerico/index.htm
http://luda.azc.uam.mx/curso2/cp2indic.html
http://www.geocities.com/SiliconValley/Pines/7894/metodos/
http://www.uv.es/~diaz/mn/fmn.html
http://proton.ucting.udg.mx/posgrado/cursos/metodos/temario.html
http://webdiee.cem.itesm.mx/web/servicios/archivo/tutoriales/metodos/algoritmos/index.html
http://www.damtp.cam.ac.uk/user/fdl/people/sd/lectures/nummeth98/contents.htm
http://anamat1.csi.ull.es/anamat_p/Titulaciones/matematicas.htm
http://www.cnice.mecd.es/Descartes/
http://mathworld.wolfram.com/
http://www.elprisma.com/
http://www-gap.dcs.st-and.ac.uk/~history/index.html
http://www.ciencia-hoy.retina.ar/indice.htm
http://omega.ilce.edu.mx:3000/sites/ciencia/html/fisica.htm
http://books.pdox.net/
http://arxiv.org/
http://pessoal.sercomtel.com.br/matematica/resumos.htm
http://www.itlp.edu.mx/publica/tutors.htm
http://www.rinconmatematico.com/libros.htm

Universidad Surcolombiana – Neiva – Huila - Colombia 38 de 38

You might also like