EJEMPLOS RESUELTOS DE ERRORES EN MÉTODOS NUMÉRICOS

LOS MÉTODOS NUMÉRICOS

METODOS CERRADOS

METODO DE BISECCIÓN
Paso 1: En este método f(a) y f(b) deben ser de signos contrarios.
𝒂+𝒃
Paso 2: Si se cumple el “Paso 1” calcule la aproximación de la raíz, 𝑷 = 𝟐

Paso 3: Realice el cambio de intervalo de la siguiente manera:

Si f(a) * f(P) > 0 cambie “a” por “P” en la siguiente iteración.
Si f(a) * f(P) < 0 cambie “b” por “P” en la siguiente iteración.
𝒃−𝒂
Paso 4: Calcule el error del método así 𝑬 = 𝟐

Paso 5: Calcule el criterio de paro, mediante la siguiente fórmula: Error < Tolerancia.
Si no se cumple lo anterior regresamos al Paso 1, y así sucesivamente se sigue
iterando hasta cumplir el paso 5.
Si se cumple la desigualdad quiere decir, que se ha encontrado la raíz con la
exactitud deseada.
EJEMPLO
Encontrar el cero de la función f(x) = x- senx - 1.5 en el intervalo [2,3] con una
exactitud o tolerancia < 1 ∗ 10−2 .

Primera iteración (n=1)

1) F(a) = f(2) = 2 - sen2 - 1.5 = -0.4093 da un valor negativo
F(b) = f(3) = 3 - sen3 - 1.5 = 1.3589 da un valor positivo

2+3
2) P = = 2.5
2

3) Hallamos f(P), obteniendo f(2.5) = 0.4015 y aplicamos los criterios del

paso tres queda:
F(a)*F(P) = (-)(+) = (-) por lo tanto es < 0, entonces se cambia b=3 por
P=2.5 en la siguiente iteración.
3−2
4) E= = = 0.5
2

5) Error < Tolerancia → 0.5 < 0.01 NO SE CUMPLE, se procede a realizar una
segunda iteración.

Segunda iteración (n=2)

Cambio de [2, 2.5]
1) F(a) = f(2) = 2 - sen2 - 1.5 = -0.4093 da un valor negativo
F(b) = f(2.5) = 3 - sen3 - 1.5 = 0.4015 da un valor positivo
 2+2.5
2) P = = 2.25
2
3) F(a)*F(P) = (-)(-) = (+)por lo tanto es > 0, entonces se cambia a=2 por P=2.5
en la siguiente iteración.

2.5 −2
4) E= = = 0.25
2

5) Error < Tolerancia → 0.25 < 0.01 NO SE CUMPLE, se procede a realizar

una tercera iteración.
n a b P F(a) F(P) F(a)*F(P) Error
1 2 3 2.5 - + - 0.5
2 2 2.5 2.25 - - + 0.25
3 2.25 2.5 2.375 - + - 0.125
4 2.25 2.375 2.3125 - + - 0.0625
5 2.25 2.3125 2.2813 - + - 0.0313
6 2.25 2.2813 2.8656 - - + 0.01563
7 2.2656 2.2813 2.2734 - + - 0.0078

En la séptima iteración el error 0.0078 < a la tolerancia 0.01, por lo tanto la raíz
es X = 2.2734.

MÉTODO DE POSICIÓN FALSA

Paso 1: Realice la primera iteración con la siguiente fórmula:
𝑓(𝑋𝑛 )[𝑋𝑛 − 𝑋𝑛−1 ]
𝑋𝑛+1 = 𝑋𝑛 − 𝑓(𝑋𝑛 )−𝑓(𝑋𝑛−1 )

Paso 2: Calcule el error mediante E = |𝑋𝑛 − 𝑋𝑛+1 |

Paso 3: Calcule el criterio de paro, mediante la siguiente fórmula: Error < Tolerancia.
Paso 4: Si no se cumple lo anterior se sigue iterando, considerando lo siguiente:

Si 𝑓(𝑋𝑛 ) 𝑓(𝑋𝑛+1 ) < 0, entonces la raíz se encuentra dentro del subintervalo inferior
o izquierdo. Por lo tanto vuelva al paso 1.

Si 𝑓(𝑋𝑛 ) 𝑓(𝑋𝑛+1 ) > 0, entonces la raíz se encuentra dentro del subintervalo superior
o derecho. Por lo tanto, vuelva al paso 1.

Si 𝑓(𝑋𝑛 ) 𝑓(𝑋𝑛+1 ) = 0, termina el cálculo porque hemos encontrado la raíz.

EJEMPLO
Encontrar la raíz de la función f(x) = x – 0.8 – 0.2senx en [0, 𝜋/2] con una
tolerancia menor a 1*10^-4
Primera iteración (n=1)
[𝑋𝑛−1 , 𝑋𝑛 ]
[0, 𝜋/2]
1)
𝜋 𝜋 𝜋
𝜋 (2 − 0.8 − 0.2𝑠𝑒𝑛 (2 )) [ 2 − 0]
𝑋𝑛+1 = 𝑋2 = − = 0.916720
2 (𝜋 − 0.8 − 0.2𝑠𝑒𝑛 (𝜋)) − (0 − 0.8 − 0.2𝑠𝑒𝑛0)
2 2

𝜋
2) 𝐸 = |2 − 0.916720| = 0.654076
3) Error < Tolerancia → 0.654076 < 0.0001 NO SE CUMPLE, se procede a
realizar otra iteración.

4) 𝑓(𝑋𝑛 ) = 0.570796, 𝑓(𝑋𝑛+1 ) = -0.80 entonces 𝑓(𝑋𝑛 ) 𝑓(𝑋𝑛+1 ) < 0 el

siguiente intervalo iniciará a la izquierda.

Segunda iteración (n=2)

[0.916720, 𝜋/2]
1)
𝜋 𝜋 𝜋
𝜋 ( −0.8−0.2𝑠𝑒𝑛( ))[ −0.916720]
2 2 2
𝑋𝑛+1 = 𝑋3 = 2 − 𝜋 𝜋
=0.961551
( −0.8−0.2𝑠𝑒𝑛( ))−(0.916720−0.8−0.2𝑠𝑒𝑛0.916720)
2 2

2) 𝐸 = |0.916720 − 0.961551| = 0.044831

3) Error < Tolerancia → 0.044831 < 0.0001 NO SE CUMPLE, se procede a

realizar otra iteración.

4) 𝑓(𝑋𝑛 ) = 0.570796, 𝑓(𝑋𝑛+1 ) = - 0.04200 entonces 𝑓(𝑋𝑛 ) 𝑓(𝑋𝑛+1 ) < 0 el

siguiente intervalo iniciará a la izquierda.

n 𝑋𝑛−1 𝑋𝑛 𝑋𝑛+1 Error

1 0 𝜋/2 0.916720 0.654076
 2 0.916720 𝜋/2 0.961551 0.044831
3 0.961551 𝜋/2 0.964171 0.002619
4 0.964171 𝜋/2 0.964324 0.000154
5 0.964324 𝜋/2 0.964333 0.000009

En la quinta iteración el error 0.000009 < a la tolerancia 1*10^-4, por lo tanto la

raíz es X = 0.964333

MÉTODOS ABIERTOS

METODO DE NEWTON – RAPHSON

Es el método numérico más potente para localizar las raíces, sin embargo no es
aplicable cuando la raíz de la función se indefine.
 No es aplicable cuando la función posee asíntotas verticales u horizontales porque
se encicla.

Tampoco si la función tiene más de otra raíz a menos de que se tenga un punto
bien cercano a la raíz.

Paso 1: Tener un punto bien cercano a la raíz.

Paso 2: Calcule el corte con el eje de las X de la recta tangente a la función:
𝑓(𝑋𝑛 )
𝑋𝑛+1 = 𝑋𝑛 −
𝑓´(𝑋𝑛 )

Paso 3: Calcule el error del método mediante E = |𝑋𝑛 − 𝑋𝑛+1 |

Paso 4: Calcular Error < Tolerancia.
Si no se cumple la desigualdad regresar al paso 1 tomando en cuenta el resultado
del paso 2 y así sucesivamente.

EJEMPLO
Encuentre la solución de la ecuación 𝑠𝑒𝑛𝑥 − 𝑒 −𝑥 = 0 con 𝑋0 = 0.4 y una
tolerancia menor a 0.001

F(x) = 𝑠𝑒𝑛𝑥 − 𝑒 −𝑥
F´(X) = 𝑐𝑜𝑠𝑥 + 𝑒 −𝑥
Primera iteración (n=1)
1) 𝑋0 = 0.4

𝑠𝑒𝑛0.4− 𝑒 −0.4
2) 𝑋1 = 0.4 − = 0.57651
𝑐𝑜𝑠0.4+𝑒 −0.4

3) E= |0.4 − 0.57651| = 0.17651

4) Error < Tolerancia → 0.17651 < 0.001 NO SE CUMPLE, se procede a

realizar otra iteración.

Segunda iteración (n=2)

𝑋2 = 0.57651
𝑠𝑒𝑛0.57651 − 𝑒 −0.57651
𝑋3 = 0.57651 − = 0.58848
𝑐𝑜𝑠0.57651 + 𝑒 −0.57651
E= |0.57651 − 0.58848| = 0.01196
Error < Tolerancia → 0.01196 < 0.001 NO SE CUMPLE, se procede a realizar otra
iteración.

n 𝑋𝑛 𝑋𝑛+1 Error
1 0.4 0.57651 0.17651
2 0.57651 0.58848 0.01196
3 0.58848 0.58853 0.00005

La solución ocurre en X = 0.58853.