Método Halley

Método usado para obtener raíces de ecuaciones no lineales; son ecuaciones no lineales los
polinomios, las funciones radicales, las logarítmicas, trigonométricas, trigonométricas inversas,
hiperbólicas, exponenciales.

Asume que las funciones f(x) sea continuamente variable, derivable y que se conoce la primera
y la segunda derivada de la función.

Ventajas

 Si converge lo hace mucho más rápido que el método de bisección, o que el método
de Newton.
 Se generaliza para sistemas de ecuaciones
 El método iterativo de Halley al momento de la resolución de los sistemas de
ecuaciones no lineales presenta una mayor eficacia y convergencia que el método de
Newton.
 La resolución de sistemas de ecuaciones no lineales con el método iterativo de Halley
implica un menos coste computacional que la resolución del mismo con el método
iterativo de Newton.

Desventajas

 Puede no converger si se comienza con un valor muy alejado de la raíz.

Algoritmo

Inicio

Introducir la : función, valor de 𝑥𝑛 , 𝑥 𝑛+1 , valor de error permitido

Calcular la ecuación
2𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 =
2[𝑓´(𝑥𝑛 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )
Calcular error, tolerancia y verificar si cumple con la condición de entrada.

|𝑓(𝑥𝑛+1 )| < 𝜀
Si |𝑓(𝑥𝑛+1 )| > 𝜀 ,Iniciar paso 1 considerando : 𝑥0 = 𝑥𝑛+1 , 𝑥𝑛+1

Si
|𝑓(𝑥𝑛+1 )| < 𝜀
Fin

Ecuación
𝜑(𝑥) 2𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥𝑛 − =
𝜑´(𝑥) 2[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )

Ejercicio

f ( x)  x 3  2 x  5
Paso 1

𝑥0= − 1
𝜀 = 0,01
Paso 2

𝑓´(𝑥) = 2𝑥 2 − 2
𝑓´´(𝑥) = 4𝑥

2(𝑥0 3 − 2𝑥0 − 5)(2𝑥0 2 − 2)

𝑥𝑛+1 =
2[2𝑥0 2 − 2]2 − (𝑥0 3 − 2𝑥0 − 5)(4𝑥0 )
Sustituyendo

𝑥𝑛+1 =

Paso 3

Fin

Método Richmond

Metodo empleado en situaciones donde se desea una gran velocidad de convergencia, y se

puede en formar relativamente fácil la derivada segunda, se

Ventajas

Rápida convergencia con pocas iteraciones (2 o 3 nada más) .

Ecuación
2𝑓(𝑥𝑛 )𝑓´(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
2[𝑓´(𝑥𝑛 )]2 𝑓(𝑥𝑛 )𝑓"(𝑥𝑛 )
Metodo de Newton Rapshon Modificado

El metodo de Newton-Raphson modificado consiste en aplicar el método de Newton-

Raphson univariable dos veces (para el caso de un sistema de n ecuaciones no
lineales con n incógnitas, se aplicará n veces), un para cada variable.

Ventajas

Converge rápidamente
Se usan en sistemas de ecuaciones no lineales con n incognitas y se aplica el
método acorde al número de incognitas

Desventajas

Se debe conocer la derivada de f(x)

Se necesita una aproximación inicial a la raíz.

Ecuación
𝑓(𝑥𝑛 )𝑓´(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
[𝑓´(𝑥𝑛 )]2 − 𝑓(𝑥𝑛 )𝑓"(𝑥𝑛 )

La formula que se utiliza en el metodo es:

Algoritmo del Programa

1. Inicio
2. Insertar la función
3. Insertar valor inicial del intervalo.
4. Insertar el porcentaje de error
5. Calcular el valor de la raiz aproximada con la ecuación del Metodo Newthon
Rampson Modificado
6. Verificar si cumple la condición de error
7. Los cálculos se hacen hasta que el error aproximado sea menor que el error
limite, y se imprime la raíz que cumpla con esto.
8. Fin
Ejercicio
𝑓(𝑥) = 𝑥 3 − 5𝑥 2 + 7𝑥 − 3

𝑓´(𝑥) = 3𝑥 2 − 10𝑥 + 7

𝑓´´(𝑥) = 6𝑥 2 − 10

𝑥0= 0
𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )

(𝑥0 3 − 5𝑥0 2 + 7𝑥0 − 3)(3𝑥0 2 − 10𝑥0 + 7)

𝑥𝑛+1 = 𝑥0 −
[3𝑥0 2 − 10𝑥0 + 7]2 − (𝑥0 3 − 5𝑥0 2 + 7𝑥0 − 3)(6𝑥0 2 − 10)

Sustituyendo

𝑥𝑛+1 = 1.1052

Segunda Iteración

𝑥0= 1.1052
𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )

(𝑥0 3 − 5𝑥0 2 + 7𝑥0 − 3)(3𝑥0 2 − 10𝑥0 + 7)

𝑥𝑛+1 = 𝑥0 −
[3𝑥0 2 − 10𝑥0 + 7]2 − (𝑥0 3 − 5𝑥0 2 + 7𝑥0 − 3)(6𝑥0 2 − 10)

Sustituyendo

𝑥𝑛+1 = 1.0030
Calculando el error
1.0030 − 1.1052
𝜀=| | = 0,1019
1.0030
Tercera Iteración

𝑥0= 1.0030
𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥𝑛+1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓"(𝑥0 )

(𝑥0 3 − 5𝑥0 2 + 7𝑥0 − 3)(3𝑥0 2 − 10𝑥0 + 7)

𝑥𝑛+1 = 𝑥0 −
[3𝑥0 2 − 10𝑥0 + 7]2 − (𝑥0 3 − 5𝑥0 2 + 7𝑥0 − 3)(6𝑥0 2 − 10)
Sustituyendo

𝑥𝑛+1 = 1.0000024
Calculando el error
1.0000024 − 1.0030
𝜀=| | = 0,0031
1.0000024
Cumple condición

Fin

Consiste en aplicar el método de Newton-Rapshon univariables dos

veces( para el caso de un sistema de n ecuaciones no lineales con n
incognitas, se aplica n veces), una para cada variable

Para una ecuación polinómica de grado n, se tienen n raíces (entre

complejas y reales).
Se dice que hay una raíz doble, cuando 2 términos de la ecuación son
iguales a cero a un valor de x.
Se dice que hay una raíz triple, cuando 3 términos de la ecuación son
iguales a cero a un valor de x.
Cuando la cantidad de raíces es impar, la función cruza al eje; cuando la
cantidad es par, no lo cruza.
“Una raíz múltiple corresponde a un punto donde una función es
tangencial al eje x, y varios valores de x hacen que f(x) sea cero.”
Método de Newton Raphson
Modificado
Para una ecuación polinómica de grado n, se tienen n raíces (entre complejas y reales).

(Marvin Hernández, Raíces Múltiples).

Se dice que hay una raíz doble, cuando 2 términos de la ecuación son iguales a cero a un valo

Se dice que hay una raíz triple, cuando 3 términos de la ecuación son iguales a cero a un valor

Cuando la cantidad de raíces es impar, la función cruza al eje; cuando la cantidad es par, no lo

“Una raíz múltiple corresponde a un punto donde una función es tangencial al eje x, y varios va

Para este método en particular son necesarios los siguientes parámetros:

1) Xi
2) F(Xi)
3) F’(Xi)
4) F’’(Xi)
Ya que este método está significantemente relacionado con el método de Newton-Raphson, cu
con la convergencia.

Cuando se tiene existencia de raíces múltiples, tanto el método de Newton-Raphson como el d

Newton solo
Las ventajas y desventajas varían dependiendo del método utilizado.

 Características principales.
o Mayor velocidad a la hora de encontrar la raíz de la función.
o No se limitan simplemente a un intervalo, En teoría; Evalúan en toda la función
hasta encontrar una raíz.
 Desventajas(En el caso de Newton-Raphson)
o La pendiente de la derivada no puede ser cero en el mismo punto de la raíz

Practica VII. Newton-

Raphson Modificado
INTRODUCCIÓN
La dificultad del método de Newton Raphson en el comportamiento de una función
con raíces múltiples obliga a considerar una modificación del método discutido por
Ralston. Como primero se desean encontrar las raíces de una función f(x). Definimos
una función nueva U(x), dada por,

se observa que la función U(x) tiene las mismas raíces que f(x), entonces U(x) se
vuelve cero en cualquier punto que f(x) es cero.
Suponiendo ahora que f(x) tiene una raíz múltiple en x = c de multicidad r. Esto
podría ocurrir, por ejemplo, si f(x) contiene un factor (x-c) . Entonces, podría
fácilmente demostrarse que U(x) tiene una raíz en x = c de multicidad r, o una raíz
simple. Puesto que el método de Newton Raphson es efectivo para raíces simples,
podemos aplicar el método de Newton para resolver U(x) en lugar de f(x). De esta
manera, la ecuación recursiva de este método queda,

derivando la función auxiliar U(x), dada por ( 3-11),queda,

El algoritmo de este método es idéntico al mostrado en Fig.D3.4, sólo se sustituye el

bloque de f(x) por U(x) y f „(x) por U „(x) o en todo caso se debe extender un poco el
diagrama de flujo, ya que, se requiere el cálculo de la segunda derivada de f(x). Sin
embargo, el algoritmo conserva el mismo rango de convergencia que el método
referido, siendo indiferente de la multicidad de la raíz.
El método de Newton-Raphson modificado el cual se describe a continuación
consiste en aplicar el método de Newton-Raphson univariable dos veces(para el
caso de un sistema de n ecuaciones no lineales con n incógnitas, se aplicara n veces),
una para cada variable.
Cada vez que se hace esto, se considera las otras variables fijas.
Considerese de nuevo el sistema
f1(x,y)=0

f2(x,y)=0

Tomando los valores iniciales x0,y0, se calcula a partir del metodo de Newton-
Raphson univariable un nuevo valor x1 .
Ya teniendo f1(x0,y0) y df1/dx estos dos evaluados en x0,y0.

Hay que observar que se a obtenido x1 a partir de f1 y los valores mas recientes de
X y Y; x0,y0.
Ahora emplearemos f2 y los valores mas recientes de X y Y; x1, y0 para calcular y1
Donde df2/dy se evalúa en x1,y0. Se obtiene ahora x1 y y1. con estos valores se
calcula x2, después y2, y así sucesivamente.

Este metodo converge a menudo si x0,y0 esta muy cerca de xnegada y ynegada, y
requiere la evaluacion de solo 2n funciones por paso (cuatro para el caso de dos
ecuaciones que se esta manejando). Hay que observar que se han empleado
desplazamientos sucesivos, pero los desplazamientos simultaneos tambien son
aplicables.

En la aplicación de este metodo se pudo tomar f2 para evaluar x1 y f1, a fin de

evaluar y1, asi:
Esto puede producir convergencia en alguno de los arreglos y divergencia en
el otro.es posible saber de antemano si la primera o la segunda forma convergiran
para el caso de sistemas de dos ecuaciones, pero cuando 3 <= n las posibilidades son
varias (n!) y es imposible conocer cual de estos arreglos tiene viabilidad de
convergencia, por lo cual la eleccion se convierte en un proceso aleatorio. Esta
aleatoriedad es la mayor desventaja de este metodo.
El método de Newton Modificado trata de eliminar este inconveniente, utilizando
en todo el proceso la misma matriz Jacobiana J(x0). El menor coste por iteración
debido a esta simplificación se traduce, no obstante, en un aumento del numero de
pasos necesarios para alcanzar la convergencia.

ALGORITMO
1.- Inicio

2.- Ingresar una función

3.- Ingresar valor inicial del intervalo

4.- Ingresar porcentaje de error

5.- Seleccionar método de Newton-Raphson modificado

6.- Calcular la raíz y graficarla

7.- Imprimir raíz

8.- Fin

DIAGRAMA DE FLUJO

INTERFÁZ GRAFICA DEL MÉTODO DE NEWTON RAPHSON MEJORADO

Ejercicio 1.

Función: 5*x^3-4*x^2-7*x+8

X inicial: 4
Tolerancia: 1

COMPROBACIÓN DEL FUNCIONAMIENTO DEL MÉTODO DE NEWTON

RAPHSON

BISECCIÓN
Lo que concierne a la teoría de este método ya la publiqué anteriormente y la
puedes citar haciendo click en la siguiente liga:

Método de la bisección
Realizaremos uh ejercicio utilizando la interfaz gráfica de Matlab que previamente
hemos realizado:

Ejercicio 1

Función: 2*x^3-x^2-6*x+1

Límite inferior: -6

Límite superior: 6

Tolerancia: 1
VÍDEO DE AYUDA PARA UTILIZAR LA INTERFAZ

Algoritmo NEWTON-RAPHSON
MODIFICADO
1.-inicio
2.-Introducir la función
3.-Introducir el valor de X
4.- Se introduce el valor del error deseado.
5.- Seleccionamos el método Newton-Raphson para calcular la raices.
6.- Se calcula por medio del programa la primera y segunda derivada
7.-Se evalúan las derivadas con las valores iniciales
8.- El programa trabajara iterando asta llegar a al error deseado
9.- Se calcula la gráfica con la función ya previamente dada en el paso
2
10.- Se imprime el resultado
11.- Fin
A continuación se presenta un reporte , sobre la elaboración de una practica realizada en
matlab, la cual consiste en encontrar la raíz de polinomios de funciones, este programa
ayuda a encontrar las raíces de una manera mas rápida, ya que esto es demasiado
tardado, pero el programa en la computadora lo ara en cuestiones de segundo.
La realización de esta practica se llevo a cabo con la ayuda del GUIDE, que es una
herramienta del matlab, el cual nos ayuda hacer la interfaz para nuestro programa y con
ello hacer nuestra programación de una manera mas fácil.
En esta pagina encontraras todo acerca de las conversiones de temperaturas, desde lo
teórico hasta como poder utilizar el programa y como realizar las conversiones deseadas.
También vendrá un archivo .rar donde podrás descargar el programa, así como también un
vídeo don se explica el funcionamiento del programa.
raphson modificado
Algoritmo
1.-Inicio
2.- Introducir una función
3.-Introducir el valor inicial del intervalo X.
4.-Introducir el error aproximado que se desee.
5.- Seleccionar el método del Newton-Raphsón mejorado para calcular las raíces en la
función.
6.-El programa calculara la primera y la segunda derivada.
7.- Ya que tenga las derivadas las evaluara con los valores iniciales que les dimos que se
habían guardado.
8.- dependiendo de los valores que se le dieron al error aproximado se estará iterando el
programa hasta que se cumpla con el error más aproximado.
9.- La gráfica sera conforme a la función que se le dio al programa y estará acotada con
los puntos de inicio y fin de los intervalos que se le dieron al inicio a la función.
10.-Una vez cumplido con el error aproximado que se nos pide, se imprimirá el resultado.
11.- Fin
Diagrama de Flujo
METODO DE NEWTON RAPHSON Y NEWTON RAPHSON MEJORADO
NEWTON RAPHSON

El método de Newton-Raphson es un método abierto, en el sentido de que

su convergencia global no está garantizada. La única manera de alcanzar
la convergencia es seleccionar un valor inicial lo suficientemente cercano
a la raíz buscada. Así, se ha de comenzar la iteración con un valor
razonablemente cercano al cero (denominado punto de arranque o valor
supuesto). La relativa cercanía del punto inicial a la raíz depende mucho
de la naturaleza de la propia función, si ésta presenta múltiples puntos de
inflexión o pendientes grandes en el entorno de la raíz, entonces las
probabilidades de que el algoritmo diverja aumentan, lo cual exige
seleccionar un valor supuesto cercano a la raíz.
NEWTON RAPHSON MEJORADO

Consiste en aplicar el método de Newton-Rapshon univariables dos

veces( para el caso de un sistema de n ecuaciones no lineales con n
incognitas, se aplica n veces), una para cada variable

Para una ecuación polinómica de grado n, se tienen n raíces (entre

complejas y reales).
Se dice que hay una raíz doble, cuando 2 términos de la ecuación son
iguales a cero a un valor de x.
Se dice que hay una raíz triple, cuando 3 términos de la ecuación son
iguales a cero a un valor de x.
Cuando la cantidad de raíces es impar, la función cruza al eje; cuando la
cantidad es par, no lo cruza.
“Una raíz múltiple corresponde a un punto donde una función es
tangencial al eje x, y varios valores de x hacen que f(x) sea cero.”

ALGORITMOS
METODO DE BISECCION
1.Inicio
2.-Introducir la funcion en el casillero superior
3.-Agregar el limite inferior de la función
4.-Establecer el limite superior de la función
5.-Introducir la tolerancia de error.
6.-Analizar que el producto del limite superior por el inferior sea menor
a cero.
7.-Determinar si la intervalo es correcto para esa función si si esta bien
te dara resultado y si no te marcara error
8.- da clic en calcular y se Imprimira el resultado
9.- Fin
METODO DE NEWTON RAPHSON

1.-Inicio

2.-Introducir la funcion deseada en el casillero superior

3.-Agregar el valor inicial del intervalo

4.-Establecer el error de tolerancia

5.-Seleccionar el método deceado (Newton-Rapshon ó Newton-

Rapshon mejorado)

6.-Dendiendo de el que se halla elegido, el programa tendrá la tarea

de calcular la raíz de la función y graficarla

7.-Parar los calculos una ves que el error aproximado sea menor al del
requisito

10.-Fin

DIAGRAMAS DE FLUJO
METODO DE NEWTON RAPHSON NORMAL Y MEJORADO
METODO DE BISECCION

DESARROLLO DE LA PRACTICA
MÉTODO DE BISECCION

La interfaz grafica fue esta

Y el codigo introducido

Al correr el programa se observa que

Algunos Ejemplos al aplicar el método de biseccion fueron

a)-0.4*x^2+2.2*x+4.7

xi= 5, xu=10, tolerancia = 0.1%

b) y=8*x^3-7*x^2+8.9

xi= 2, xu=7, tolerancia = 0.1%

Y aqui se vera que marca error ya que no tiene raiz en el intervalo que
yo le di
MÉTODO DE NEWTON RAPHSON MODIFICADO

LA intefaz de este metodo

Y el codigo que se le introdujo fue el siguiente

Pero en este no se pudo correr ya que el matlab que yo utiliuzo no
tiene el syms y por lo tanto no me permitia evaluar las funciones con
este metodo

a) Determinar la raíz de f(X)= -0.9*x^2+1.7*x+2.5, xi=5 , tolerancia=

0.01%

PROGRAMAS (nota: debes de tener un matlab que pueda abrir

programas con syms x)

por ello marcaba errror aqui,y otro punto no estan terminado por falta
de tiempo alguna dua o problema pregunten:D)
2.9 Método de Steffensen.
El método de Steffensen tiene en cuenta la observación anterior y se construye
combinando el método iterativo del punto fijo y el método de Aitken, de
manera que solamente se considera una sucesión de la siguiente forma:

, , ,^ , , ,^ , , ,^ , ...

o sea, cada dos iteraciones del punto fijo normal obtiene otro punto a partir de
la fórmula:

de esta forma se acelera la convergencia, llegando a obtener una convergencia

cuasi-cuadrática, y algunas veces cuadrática, con lo que este método puede
llegar a competir con el método de Newton.

Ejemplo 2.5

Obtener una raíz de la función f(x) = x - cos x por la iteración del punto fijo y
aplicando el método de Steffensen, si tomamos g(x) = cos x =0y
error<0.01.

=0 = g(0) = 1

= g(1) = 0.5403

= g(0.685) = 0.7744 = g(0.7744) = 0.7148

= g(0.7384) = 0.7395

Como | - | = 0.0007 < 0.01 la solución aproximada es = 0.7393.

Algoritmo 2.8: Algoritmo de Steffensen.
Introducir los datos: x0, error, g(x), I (número máximo de iteraciones).

Hacer K = 0

Repetir

x1 = g(x0)

x2 = g(x1)

Ix0 = x1 - x0

Ix1 = x2 - x1

R1 = Ix1 / Ix0

x2N = x1 + Ix1 / (1-R1)

x0 = x2N

K = K+1

Hasta que (| x2 - x2N | < error o K > I).

Si K > I entonces "No converge"

si no solución = x2N

NOTA.- La iteración de punto fijo es efectiva cuando converge

cuadráticamente, como en el método de Newton. En general la iteración de
punto fijo, converge sólo linealmente; por tanto no ofrece competencia real al
método de la secante o de regula falsi modificada. Aún con extrapolación
repetida, como en la iteración de Steffensen, la convergencia es a lo sumo
cuadrática. Como una etapa de la iteración de Steffensen cuesta dos
evaluaciones de la función de iteración g(x), la iteración de Steffensen es
comparable, por tanto, con el método de Newton.
El método de Steffensen (por Johan Frederik Steffensen) es un algoritmo para obtener
los ceros de una función. El método de Steffensen se puede considerar como una
combinación del método de punto fijo y del método de Aitken. Como el método de Aitken
esencialmente acelera la convergencia de otro método, se puede definir este método como
el método de punto fijo acelerado.

Es un método de orden 2 que no necesita cálculo de la derivada.

 —Presenta una convergencia rápida y no requiere, como en el caso del método de la

secante, la evaluación de derivada alguna.
 —Tl proceso de iteración sólo necesita un punto inicial.
 Tiene convergencia cuadrática como el método de Newton.
 —Este método calcula el siguiente punto de iteración a partir de la expresión:
 Método de Steffensen
El método de Steffensen (por Johan Frederik Steffensen) es un algoritmo para obtener
los ceros de una función. El método de Steffensen se puede considerar como una
combinación del método de punto fijo y del método de Aitken. Como el método de Aitken
esencialmente acelera la convergencia de otro método, se puede definir este método como
el método de punto fijo acelerado.

Índice
[ocultar]

 1Ventajas
 2Algoritmo
o 2.1Código Matlab
 3Enlaces externos

Ventajas[editar]
El método de Steffensen presenta una convergencia rápida y no requiere, como en el caso
del método de Newton, la evaluación de derivada alguna. Presenta además, la ventaja
adicional de que el proceso de iteración sólo necesita un punto inicial.
Otra ventaja del método de Steffensen es que -al igual que el de Newton- tiene
convergencia cuadrática. Es decir, ambos métodos permiten encontrar las raíces de una
función f "rápidamente" - en este caso rápidamente significa que en cada iteración, el
número de dígitos correctos en la respuesta se duplica. Pero la fórmula para el método de
Newton requiere la evaluación de la derivada de la función, el método de Steffensen no,
por lo que este último puede ser programado para una función genérica, mientras que la
función cumpla la restricción mencionada anteriormente.
El precio de la convergencia rápida es una doble evaluación de la función:

tanto como deben ser calculadas, lo que podría llevar un tiempo considerable
dependiendo de la función f. Por comparación, el método de la secante sólo necesita una
evaluación de la función por cada paso, así que con dos evaluaciones de la función del
método de la secante se pueden hacer dos pasos, y esos dos pasos aumentan el número
de dígitos correctos en un factor de 1,6. En un solo paso de tiempo el método de
Steffensen (o de Newton) aumenta los dígitos correctos en un factor de 2, lo que es sólo
un poco mejor.
Al igual que el método de Newton y otros métodos cuadráticamente convergentes, la

debilidad fundamental en el método de Steffensen es la elección del valor inicial . Si

el valor de no está "lo suficientemente cerca" de la solución, el método puede fallar y

la secuencia de valores o bien puede oscilar entre dos valores, o bien divergir hacia
infinito (ambas alternativas pueden suceder).
Se calcula el siguiente punto de iteración a partir de la expresión:

Algoritmo[editar]
Para una sucesión {xn}, obtenida por el método del punto fijo xn+1 = f(xn), partimos de
tres puntos:[cita requerida]
y0= f(x0)
z0= f(y0)
donde x0 es el punto inicial. Obteniendo así:
x1 = x0 – (y0 –x0)1/2
z0 – 2*y0 – x0
En forma general:
Xn+1 = xn – (yn – xn)1/2
zn – 2* yn – xn
Donde si |xn+1 – xn| = error < Tol entonces se satisface la
tolerancia.
Código Matlab[editar]

function [x,i,tolf]=steffensen(x0,f,tolx,nmax)
err=tolx+1;
x=x0;
phi=0;
while(i<nmax & err>tolx)
xx=x;
fxk=feval(f,x);
tolf=tolx*abs(phi);
if abs(fxk)<=tolf
break
 end
fxk2=feval(f,x+fxk);
phi=(fxk2-fxk)/fxk;
x=xx-fxk/phi;
err=abs(x-xx);
i=i+1;
end