Resolución numérica de ecuaciones

Introducción
La resolución de ecuaciones y sistemas (ya sean polinómicas, algebraicas o
trascendentes) es uno de los problemas que con más frecuencia aparece en los
distintos campos de la Ciencia y la Técnica. Además se trata de un problema que
ha sido estudiado desde muy antiguamente; por ejemplo ya en el año 100 A.C.
Herón empleaba un método iterativo para aproximar la raíz cuadrada de un
número positivo.
No existen métodos generales de resolución simbólica de ecuaciones o
sistemas; salvo para ciertas ecuaciones de tipo polinómico o en el caso de
sistemas lineales. Por ello surge la necesidad de desa--rrollar métodos numéricos
para calcular, al menos de forma aproximada, las soluciones de este tipo de
problemas. Teniendo en cuenta estas cuestiones, Mathematica incorpora
diferentes comandos para la re-solución de ecuaciones y sistemas de ecuaciones
de modo formal (por ejemplo, Solve, Reduce, Eliminate, Roots), siempre que
admitan solución simbólica; pero en la mayoría de los casos se calculará una
aproximación numérica de dicha solución me-dian-te otras órdenes (por
ejemplo, NSolve, NRoots, FindRoot), empleándose técnicas apropiadas para
cada pro-blema concreto.
Comenzaremos describiendo alguno de los métodos numéricos más conocidos
de aproximación de soluciones para una ecuación ge-ne-ral, de la forma

para al menos continua y con distinto signo

en los extremos de .
Continuaremos después con ecuaciones de tipo polinómico, tanto con la
descripción de comandos directos de Mathematica para su resolución formal y
aproximada, como con ciertos algoritmos y particularidades específicas para este
tipo de ecuaciones.

Métodos numéricos elementales

Pretendemos en esta sección describir los algoritmos de algunos métodos
numé-ricos de resolución aproximada de ecuaciones y estudiar las condiciones en
las que éstos determinan una sucesión de aproximaciones convergente a la
solución real.
Ya que, en general, no existen métodos directos (ni fórmulas, ni algoritmos)
para calcular formalmente las raíces de una ecuación del tipo (ecgen) y sólo un
número muy reducido de ecuaciones pueden resolverse de forma exacta (por
ejemplo, la ecuación de segundo grado), los métodos numéricos que se emplean
para resolver estas ecuaciones son de tipo iterativo y proporcionan una sucesión
de aproximaciones, . Lo interesante será que esta sucesión de
aproximaciones converja hacia una raíz, pongamos , de la ecuación.
Vamos a estudiar alguno de los métodos más empleados en la práctica, como
son el de bisección, el de la secante, regula-falsi, etc., y el de Newton-Raphson.
El primero requiere menos hipótesis para asegurar la convergencia, pero en
cambio es más lento que el último; es decir, si queremos obtener una
aproximación con una precisión determinada, en general tendremos que hacer
más iteraciones con el primero. Sin embargo, para poder aplicar el de Newton-
Raphson no basta con que la función sea continua, como veremos después.
Método de bisección
Es el método más simple que se puede emplear para resolver ecuaciones. Sólo
requiere que la función sea continua y que hayamos localizado un cambio de
signo de la misma en los extremos de cierto intervalo en el que empezaremos a
trabajar. Consiste, pues, en la aplicación reiterada del conocido teorema de
Bolzano, una vez asegurada la existencia de al menos una solución de la ecuación
(ecgen) en el intervalo . El único inconveniente que surge es la posible
existencia de más de una de estas raíces, ya que el teorema de Bolzano no nos
asegura la unicidad de la misma. Pero en todo caso el correspondiente algoritmo
siempre conducirá a la aproximación numérica de una de estas raíces. Nos
podemos ayudar de una representación gráfica previa de la función para
seleccionar un intervalo en el que sólo exista una de estas raíces.
Recordamos el teorema fundamental en el que se basa dicho algoritmo
Teorema
Sea una función continua en y tal que . Entonces
existe tal que .
En la figura c02g1 se presenta la interpretación geométrica. Se considera el
intervalo . En los extremos la función cambia de signo, y hay más de un
cero.

Idea geométrica del teorema de Bolzano.

 Descripción del algoritmo
 Supongamos que verifica las hipótesis del teorema de Bolzano en cierto
subintervalo del intervalo de partida . Entonces, también
podemos asegurar la existencia de al menos una raíz de la ecuación, .
 Sea ahora , que es el punto medio del
intervalo. En valor absoluto, el error cometido al tomar como aproximación
de (ver figura c02g2 con y ), es inferior a la mitad de la
longitud de dicho intervalo, es decir . Lo indicamos como sigue:

El cálculo del punto medio se efectúa mediante la

fórmula pues es más conveniente en términos de
implementación en un ordenador, cuya precisión será siempre limitada (ver la
justificación y estrategia general en Kincaid-Cheney).
 Como es conocida la podemos evaluar en y ver si este punto es una raíz
exacta de la ecuación, en cuyo caso ya habríamos finalizado la búsqueda; o bien, en
caso contrario, podemos determinar el signo de la función en el centro de este
intervalo, de tal forma que dicho signo será opuesto del que tiene en uno de los
dos extremos, ya que y Aquí hay que hacer notar que, a
no ser que trabajemos con un software que permita el cálculo simbólico, debido a
los inevitables errores de redondeo en la representación interna de los números en
coma flotante en la memoria del ordenador y los acumulados mediante las sucesivas
operaciones efectuadas, no conviene implementar una condición del tipo ?`
? sino más bien ?` para cierto valor de , suficientemente
pequeño?
 Así, eligiendo el extremo en el que tiene signo opuesto que en el centro,
tenemos un nuevo intervalo que denotaremos , de tamaño mitad que el
anterior, en el cual seguimos teniendo asegurado que tiene una raíz. La nueva
aproximación será el centro de este nuevo intervalo y el error máximo cometido es
la mitad de la longitud del mismo, es decir, la cuarta parte de la longitud del
intervalo anterior. En otros términos,

 En general, empezando para con el intervalo de partida, y mediante

un proceso de inducción, tras iteraciones, el valor absoluto del error cometido

satisface la desigualdad
 Vemos pues cómo, si no se llega a encontrar la solución exacta para
algún , entonces se obtiene una sucesión de intervalos
encajados con , de manera que,
si para todo , entonces el error tiende a cero
cuando tiende a infinito, y, por la complitud del cuerpo de los números reales,
el método resulta convergente, es decir en . Como es lógico, en la
práctica computacional no se lleva a cabo dicho paso al límite, pues implicaría
realizar un número infinito de iteraciones (bucle infinito); además, superado un
determinado número de éstas, ya estaríamos llegando incluso a entrar en
conflicto con el grado de precisión de la máquina con que estemos trabajando
(consultar capítulo anterior sobre los errores de redondeo). Mathematica permite
controlar esto mediante diferentes órdenes, como son WorkingPrecision,
SetPrecision, AccuracyGoal, etc. Así pues, lo que se suele hacer es intentar
asegurar una determinada precisión o tolerancia, que denominaremos , en la
aproximación; para ello debemos detener el proceso cuando la longitud del
intervalo correspondiente sea menor o igual que ; también podemos calcular
de antemano el número de iteraciones resolviendo la inecuación , lo que
es inmediato tomando logaritmos.
Describimos a continuación el algoritmo en forma de pseudocódigo. Aquí,
con el afán de simplificar y optimizar al máximo el código correspondiente y la
cantidad de variables a almacenar lo que se hace es mantener en todo momento
las letras de las variables y para los extremos del intervalo considerado
y para el punto medio del mismo. En la figura c02g2 se ilustra.

Idea geométrica del método de bisección

ALGORITMO DE BISECCIÓN
Entrar , , ,
 ALGORITMO DE BISECCIÓN
Mientras
Hacer
Si entonces es raíz. Fin
Si entonces .
Si entonces .
Método de regula-falsi
En el método de regula falsi se puede partir de las mismas hipótesis que en el
de bisección, suponiendo que se verifica el teorema de Bolzano en el
intervalo ; sólo que ahora el algoritmo para ir aproximando a una
de las raíces es ir tomando la correspondiente recta secante a la gráfica en los
puntos y , , y tomar la intersección de ésta con el
eje (ver figura c02g3); llamemos también a la aproximación de la raíz
buscada. A continuación efectuaremos un chequeo de cambio de signo, lo mismo
que en el método de bisección, y nos quedaremos con el subintervalo donde se
siga manteniendo el cambio de signo, o bien . Bastará con repetir este
proceso de forma recursiva para ir obteniendo cada vez mejores aproximaciones
de la raíz buscada.

Idea geométrica del método de regula-falsi.

Así pues, el correspondiente algoritmo para el método de regula-falsi va a

resultar muy parecido al del método de bisección, ya presentado anteriormente,
cambiando solamente el paso en el que se calcula como el punto de corte de la

correspondiente recta secante, de ecuación con el

eje : Se trata de una operación
de cálculo elemental que obviamente podemos realizar a mano sin ningún
problema; pero también es posible utilizar las facilidades de cálculo simbólico
que poseen los paquetes de software matemático actuales
como Mathematica para realizar este tipo de desarrollos rutinarios elementales.
En cuanto a la convergencia de este nuevo método, se siguen obteniendo
intervalos encajados (sólo que ahora su longitud no tiene que tender hacia cero) y
una sucesión de aproximaciones de manera que ,
siendo una raíz, que sabemos que posee la ecuación (ecgen) en el intervalo de
partida.
Método de la secante
Geométricamente este método se basa en la misma idea que el de regula-falsi,
salvo que ahora se hará caso omiso a la sucesión de intervalos encajados que
contienen a la raíz de la ecuación (ecgen) y simplemente se seguirá un proceso
iterativo a partir de los valores iniciales y mediante la siguiente
fórmula (obtenida de la misma forma que en (metrfalsi), con las
identificaciones y ):

De esta manera nos evitamos el tener que chequear en cada paso del
algoritmo, el correspondiente cambio de signo de la función en los extremos de
los intervalos, pero corremos el riesgo de que en algún caso no se tenga la
deseada convergencia hacia la raíz de la ecuación (ecgen).
Método de Whittaker
En el método de Whittaker, partiendo de un valor inicial , se aproxima la
raíz de la ecuación (ecgen) mediante la abscisa del correspondiente punto de corte
con el eje de la recta que pasa por los sucesivos puntos , ,y
tiene como pendiente un valor prefijado fijo (ver figura c02g4 ).

Idea geométrica del método de Whittaker

Así pues, la ecuación de esas rectas es y el cálculo

de a partir de por necesitándose en este caso

hipótesis bastante más restrictivas que en los métodos anteriores para poder
asegurar la convergencia. Se pretende tomar un valor que aproxime, para todas

las iteraciones, el valor de (metsec) y, por tanto, simplificar los

cálculos de cada iteración.
Método de Müller
Este método se basa en la sustitución de la función en la ecuación (ecgen)
por un polinomio de segundo grado que pase por tres puntos dados,
, y (con ), de la correspondiente
gráfica hallando posteriormente el punto de corte de dicha parábola con
el eje mediante la conocida fórmula para este tipo ecuaciones de segundo
grado (ver figura c02g5 ).

Idea geométrica del método de Müller.

 Este método es menos usado pues, entre otras cosas, presenta el problema de
elegir cuál de las dos raíces de la ecuación de segundo grado es la adecuada en
cada paso.
Método de Newton-Raphson
Deducción geométrica del algoritmo
En este caso se obtiene una sucesión de aproximaciones partiendo de un valor
inicial , que debe ser dado o elegido convenientemente. Una vez conocida una
aproximación, digamos , la siguien-te, , se obtiene hallando el punto de
corte de la correspondiente recta tangente a la curva de ecuación en el
punto con el eje (ver figura c02g6 ).

Idea geométrica del método de Newton-Raphson.

El proceso se repite sucesivamente, obteniéndose pues el siguiente método

iterativo: para dado (bastará con tomar en (metWhittaker), con la
salvedad de que ahora esta pendiente irá cambiando en cada iteración)

El método iterativo empleado ya por Herón 100 años antes del comienzo de
nuestra era para aproximar la raíz cuadrada de un número positivo ,

es el método que acabamos de deducir aplicado

a .
Además podemos observar que el método de la secante (metsec) puede
obtenerse como una modificación del método de Newton-Raphson, en el que el
valor de la pendiente de la recta tangente se aproxima por el valor de la pendiente

de la correspondiente recta secante

 Para una curva que no tenga grandes oscilaciones alrededor de cierto punto, la
recta tangente puede resultar una buena aproximación de la misma, al menos en
un cierto entorno de dicho punto, y, por tanto, se puede ver que el método va a
converger en la mayoría de las ocasiones. En general, esto ocurre siempre que se
parta de una buena aproximación inicial (como se comprobará más adelante).
Una práctica habitual consiste, una vez detectado un cambio de signo en la
función, en emplear el método de bisección para obtener una primera
aproximación de la raíz de la ecuación, que es utilizada como valor inicial del
método de Newton-Raphson .
Hemos de hacer algunas observaciones al método. En primer lugar, debe ser
derivable para poder trazar la recta tangente. Por otra parte, si la derivada se
anula en algún punto y dicho punto aparece como una de las sucesivas
aproximaciones, no podemos continuar, ya que en la siguiente aparecería una
división por cero. E incluso aunque no se divida entre cero, la división entre
números muy próximos a cero puede dar lugar a grandes errores de redondeo que
afectarán en gran medida a la precisión de los resultados.
Por último, el control del error no es tan inmediato como en el método de
bisección. En este caso suele utilizarse como método de parada la distancia entre
dos aproximaciones consecutivas.
Planteamos ya el algoritmo de Newton-Raphson. Con el mismo afán de
simplificación que antes, reutilizamos las variables y para almacenar los
valores de y , respectivamente.
ALGORITMO DE NEWTON-RAPHSON
Entrar , ,

Hacer
Si entonces escribir . Fin
En caso contrario hacer y reiterar.
A continuación damos un resultado sobre convergencia del método de
Newton--Raphson, que es fácil de comprobar en muchos ejemplos.
Proposición
Supongamos que la función admite derivada segunda en y verifica las
siguientes propiedades:

 para todo .
 no cambia de signo en (por ejemplo, en todo
punto).
Entonces, partiendo de un valor inicial para el que se
 verifique que , la sucesión de aproximaciones obtenida por el
método de Newton-Raphson converge hacia la única raíz de la
ecuación en .
Antes de probar el teorema, observemos que bastará con tomar por ejemplo
como el extremo del intervalo para el cual y tengan el mismo signo.
Nótese, además, que la existencia de la raíz está asegurada, gracias al teorema de
Bolzano, por la continuidad de y la primera hipótesis.
La unicidad de la raíz se debe a la segunda, ya que la función será
estrictamente monótona (creciente o decreciente) en todo el intervalo. La tercera
hipótesis garantiza que la recta tangente no corta a la curva, ya que ésta tiene
concavidad fija.
En cuanto a las cuatro distintas posibilidades geométricas que se pueden dar
con estas hipótesis (ver figura c02g7), es inmediato comprobar que todas pueden
reducirse a una cualquiera de ellas sin más que tomar la reflexión adecuada
respecto al eje (mediante el cambio ) o al eje (mediante el
cambio , que transformaría a su vez el intervalo en el ).

Distintas posibilidades que hay que considerar.

Así, si representamos geométricamente las sucesivas aproximaciones,

observamos que se obtiene una sucesión creciente acotada superiormente o una
decreciente acotada inferiormente y, por tanto, en ambos casos la sucesión
obtenida es convergente, como vamos a demostrar a continuación.
Demostración Es suficiente considerar una de las cuatro posibilidades que
hemos indicado anteriormente, por ejemplo la primera, es decir, en la
que y , . La función es estrictamente creciente y
convexa en el intervalo considerado y, por lo tanto, si tomamos ,
siendo la única raíz de la ecuación en , se tiene que ,
con ; por otro lado, al tratarse de una función convexa en dicho
intervalo, se verifica que , , donde
 es la recta tangente a la curva en el
punto . En particular, se cumple que ,
deduciéndose el único punto de corte de dicha recta con el eje , que
es .
Se obteniene de este modo una sucesión estrictamente decreciente (a no ser
que , para algún ) y acotada inferiormente por . De esta manera la
convergencia de la sucesión está asegurada hacia cierto valor . Tomando

límites en (metNR), se cumple que , lo que equivale a , ya

que no puede anularse por hipótesis. Concluimos pues que ,
por la unicidad de la raíz en .

Técnicas de iteración funcional

La ecuación (ecgen) puede escribirse de manera equivalente bajo multitud de
expresiones que adopten una forma de tipo punto fijo

mediante la cual se puede generar iterativamente una sucesión de

valores a partir de un valor inicial :

Geométricamente, se pasaría de la búsqueda de puntos de corte de la

gráfica con el eje de abscisas a la búsqueda de puntos de intersección
entre las dos gráficas de ecuaciones e . Pero precisamente, según
elijamos esta función tendremos uno u otro método de entre todos los posibles,
siempre y cuando (ecptofijo) resulte equivalente a (ecgen). Unos serán
convergentes y otros no.
Orden de convergencia
Si es un punto fijo o raíz de la ecuación (ecptofijo), para el error de la
aproximación n-ésima se tiene, en el supuesto de que sea derivable,
que

para cierto entre y .

Por tanto, el error en la etapa -ésima disminuye en valor absoluto si la
función es menor que en un entorno de la solución y partimos de un punto
de dicho entorno. Es decir, en esas condiciones el método converge. Se tiene
pues un resultado de convergencia local, ya que se están imponiendo
restricciones respecto al valor inicial .
Así pues, cuando , existe un entorno centrado en en el cual hay
convergencia, al menos local, del método de iteración funcional (metiterfunc). La
situación más favorable se da cuando . Y mejor aún si algunas derivadas
sucesivas siguen anulándose
en (digamos , pues en tal caso

deduciéndose que

Se dice que el método es de orden En la práctica,

orden (para ) significa que cuando se está próximo a la solución en cada
iteración el número de cifras exactas se multiplica por . De ahí el interés en que
el orden sea mayor que . La dificultad en tales métodos se reduce pues a
encontrar una buena aproximación inicial. Para ello, en una variable puede ser
válido el uso del método de bisección; pero como técnica general para la
búsqueda de la aproximación inicial (válida tanto en una como en varias
variables) la conocida como método de continuación es la más apropiada y se
verá en el tema dedicado a los sistemas de ecuaciones no lineales.
También podemos, basándonos en el concepto de contracción en espacios
métricos abstractos, dar un resultado de convergencia global para el método
iterativo (metiterfunc), es decir partiendo de un valor arbitrario de . El resultado
teórico en cuestión asegura la existencia de un único punto fijo para
una aplicación contractiva , definida en un espacio métrico
completo con distancia . Recordamos que se dice que es
una contracción si se verifica la siguiente condición: existe una
constante tal que para cualesquiera . Así
pues, basándonos en este teorema de punto fijo, podemos enunciar el siguiente
teorema de convergencia global.
Teorema
Si es una función real definida en cierto subconjunto cerrado (no necesariamente
acotado) de la recta real, de manera que , , y se tiene
que , con , entonces existe una única raíz de la
ecuación , que se puede obtener como límite de la
sucesión obtenida mediante el método iterativo (metiterfunc) partiendo de
un valor arbitrario .
Demostración
 La demostración de este resultado es como sigue, razonando por inducción. Se tiene

que y, dado
que , vemos pues que la

sucesión convergerá si y sólo si lo hace la serie . Pero la

desigualdad (comparacion) y criterio de comparación de series nos permiten escribir

que equivale a la
convergencia absoluta de la serie. Obtenemos como consecuencia la convergencia
a de la sucesión . Por ser cerrado, se cumple que . Además,

(nótese que el hecho de ser una aplicación

contractiva implica que, en particular, es continua).
La unicidad de la raíz se deduce también de la contractividad de , ya que,
por reducción al absurdo, si y fueran dos puntos fijos de la misma, se

tendría que llegándose a una

contradicción en caso de que .
Nótese que el hecho de que y que la función fuese continua, ya
garantizaría la existencia de puntos fijos para esta función. No obstante, se
requeriría por ejemplo una condición de tipo Lipschitz como la impuesta en el
resultado anterior para poder asegurar además la unicidad de este punto fijo. Esto
se tendría asegurado por ejemplo si con , .

En este último caso se tendría además que y

Proposición
Sea una función de clase tal que la ecuación tenga una
solución con, con . Sea un
valor suficientemente próximo a la raíz. Entonces la sucesión construida a partir de
la iteración funcional (metiterfunc) convergerá hacia con un orden de
convergencia , cumpliéndose además que
 Deducción analítica del orden de convergencia del método de
Newton-Raphson
La elección de la función para el método de Newton Raphson es

siempre que exista y no se anule. Evidentemente, si para

un valor se anula la función para dicho valor la función vale
precisamente ( es punto fijo de ) y viceversa.
Puede probarse fácilmente que, si es dos veces derivable en y ,

entonces y, por tanto, la

convergencia del método de Newton-Raphson es al menos de orden dos (o
cuadrática), lo que hace que sea uno de los métodos más interesantes para
resolver ecuaciones no lineales. Cuando es al menos de clase podemos
calcular también la derivada segunda de y, utilizando (ordenp),
escribir . Este límite puede ser nulo en algunos casos (lo que
implicaría una convergencia de orden superior).
El análisis de la convergencia de los métodos de la secante y de regula-falsi
no puede hacerse de esta misma forma, ya que ninguno de ellos puede expresarse
como un proceso de iteración funcional del tipo dado por (metiterfunc), al
emplear ambos dos iteraciones anteriores para el cálculo de la siguiente. No
obstante, mediante las correspondientes ecuaciones en diferencias (consultar por
ejemplo Kincaid-Cheney) se puede analizar el orden de convergencia de ambos
métodos. El de la secante resulta intermedio entre el lineal y el
cuadrático, , mientras que el de regula-falsi no pasa de ser lineal (
).
Aceleración de la convergencia
Otra cuestión interesante a la hora de aplicar cualquiera de estos métodos
iterativos, dados por la relación (metiterfunc), sería la posibilidad de acelerar la
convergencia de los mismos, siempre que esto sea posible. Así, por ejemplo, a
partir de una cierta sucesión de valores aproximados se puede conseguir
otra sucesión de la siguiente manera, que constituye el llamado método
de Aitken:
 Si la sucesión converge a más rápidamente

que , en el sentido de que (ver [KincaidCheney])

Vemos que en este método de aceleración de la convergencia intervienen tres
valores consecutivos de la sucesión; así pues, si partiéramos por ejemplo de los
tres primeros de la sucesión original, ,y

aplicásemos (metAitken) obteniendo para calcular a

continuación y procediésemos de esta manera
reiteradamente, obtendríamos el conocido como método de Steffensen de
aceleración de la convergencia; que no debe confundirse con el también
denominado método de Steffensen de iteración funcional para la aproximación de

raíces, que consiste en tomar y buscar sus puntos

fijos. Se puede demostrar que este método también converge cuadráticamente,
como el de Newton-Raphson.
a. D. Kincaid, W. Cheney, ``Análisis Numérico: Las matemáticas del
cálculo científico'', Addison-Wesley Iberoamericana.
b. M. Gasca, ``Cálculo numérico: Resolución de ecuaciones y
sistemas'', Librería Central (Zaragoza, 1987).
c. J.J. Quesada Molina, ``Ecuaciones Diferenciales, Análisis Numérico
y Métodos Matemáticos'', Edit. Santa Rita (Monachil-Granada, 1996).