Ejedoscorre 1

Métodos Numéricos
Documento Complementario para el curso Virtual

Segundo eje temático
1
1.1 SOLUCIÓN NUMÉRICA DE ECUACIONES EN

UNA VARIABLE
OBJETIVO
Determinar las raíces de una ecuación no lineal con una variable, utilizando los
métodos de manera eficiente y analizando los problemas de convergencia y error
que puedan presentarse.
Definición 1
Sea 𝑓: 𝐷 → 𝑅 una función dada. Un número 𝛼 ∈ 𝐷 se dice una raíz (o un cero) de

la ecuación 𝑓(𝑥) = 0 , o un cero de 𝑓 en 𝐷 si 𝑓(𝛼) = 0.
Los métodos numéricos que estudiaremos para encontrar raíces de la ecuación
𝑓(𝑥) = 0, consisten en generar una sucesión {𝑥𝑛 }+∞
𝑛=1 tal que:
𝐥𝐢𝐦𝒏→∞ 𝒙𝒏 = 𝜶 (Método iterativo).
Cuando usamos el computador, por lo general, no tendremos el valor exacto de

𝐥𝐢𝐦𝒏→∞ 𝒙𝒏 , por tanto debemos tener criterios para decidir en algún momento dado
cuándo un término 𝒙𝒏 de la sucesión es o no una aproximación de 𝜶.
Si 𝑓 es una función en alguna vecindad 𝑽 de 𝛼, si 𝑥𝑛 para 𝑛 > 𝑁, 𝑁 ∈ ℕ, está

contenido en alguna vecindad de 𝛼, y 𝐥𝐢𝐦𝒏→∞ 𝒇 𝒙𝒏 = 𝒇(𝜶) = 𝟎.
Entonces:
𝑥𝑛 → 𝛼.
Lo anterior lo podemos entender como sigue: Para valores cercanos 𝑥𝑛 de 𝛼,

digamos tan cerca o menos de una distancia 𝝐, 𝑓(𝛼) está cerca de cero. Al
número 𝝐 lo llamaremos en este contexto tolerancia. Y más tarde va a determinar
en un proceso iterativo un criterio de parada.
Al primer 𝒙𝒏 ∈ 𝑽 para 𝒏 > 𝑁, cuya distancia de 𝑥𝑛 a 𝜶 sea menor que 𝜖 lo

llamaremos aproximación de 𝛼, en este caso se cumple que 𝑓(𝑥𝑛 ) es muy cercano
a cero, tan cercano según se escoja 𝝐, o se puede escoger otro valor pequeño
para medir este nivel de cercanía.
Así las cosas podemos escribir como sigue en un lenguaje más formal:
Si lim𝑛→∞ 𝑥𝑛 = 𝛼, entonces para 𝜖 > 0 tan pequeño como se quiera, existe

𝑁 ∈ ℕ, tal que para todo 𝑛 > 𝑁 ; |𝑥𝑛 − 𝛼 | < 𝜖.
Métodos Numéricos
2
En donde |𝑥𝑛 − 𝛼 | denota la distancia entre 𝑥𝑛 y 𝛼 (por eso se toma el valor

absoluto), y entonces |𝑥𝑛 − 𝛼 | < 𝜖 significa que la distancia entre 𝑥𝑛 y 𝛼 es más
pequeña que 𝜖, en donde 𝜖 se escoge tan pequeño como se quiera.
La anterior afirmación se puede escribir de manera equivalente como:
Para 𝑛, 𝑚 > 𝑁, |𝑥𝑛 − 𝑥𝑚 | ≤ |𝑥𝑛 − 𝛼 − 𝑥𝑚 + 𝛼| ≤ |𝑥𝑛 − 𝛼| + |𝑥𝑚 − 𝛼| < 2𝜖 .
Que significa que si 𝑥𝑛 y 𝑥𝑚 están en la misma vecindad, éstos están tan cerca o
menos que 𝜖, a este tipo de cercanía entre aproximaciones se le llama precisión.
Y es posible que ocurra en un proceso iterativo sin que ellas se aproximen al valor
real 𝛼, cuando éste caso ocurre, además de precisión se le llama exactitud.
Con respecto a lo anterior, tomamos como aproximación de 𝛼 a α∗ = 𝑥𝑛 , 𝑛 > 𝑁

donde 𝑁 es el menor entero positivo tal que:
𝑖) |𝑥𝑛 − 𝑥𝑛−1 | ≤ 𝜖
|𝑥𝑛 − 𝑥𝑛−1 |
𝑖𝑖) ≤𝜖
|𝑥𝑛 |
Para un 𝛜 dado.
Como la convergencia puede ser lenta o no darse, el proceso se completa
tomando un número máximo de iteraciones, denotado Nmax . Este número
garantiza que el proceso no caerá en un ciclo infinito.
Para aclarar las afirmaciones anteriores definiremos los siguientes criterios de
parada en un proceso iterativo.
Criterio Optimista: El proceso converge hacia una raíz 𝛼 con una tolerancia 𝜖
pequeña. En este caso definiremos los siguientes criterios de parada optimistas.
𝑥𝑖+1 − 𝑥𝑖 < 𝜖 𝐹(𝑥𝑖 ) < 𝜖
|𝑥𝑖+1 − 𝑥𝑖 |
<𝜖 𝑓 𝑥𝑖+1 − 𝑓 𝑥𝑖 <𝜖
𝑥𝑖
|𝑥𝑖+1 − 𝑥𝑖 | |𝑓(𝑥𝑖+1 ) − 𝑓( 𝑥𝑖 ) |
<𝜖 <𝜖
𝑥𝑖+1 |𝑓(𝑥𝑖 )|
Métodos Numéricos
3
Criterio Pesimista: No hay convergencia hacia una raíz α con un número positivo
pequeño ϵ. Como los errores crecen, para controlar esta situación imponemos un
número máximo de iteraciones al que llamaremos 𝑁𝑚𝑎𝑥 .
|𝑖| > 𝑀 |𝑓 𝑥𝑖 − 𝑓( 𝑥𝑖+1 ) | > 𝑀

|𝑓(𝑥𝑖 ) |
|𝑥𝑖 − 𝑥(𝑖+1) | > 𝑀 <𝑀
|𝑓(𝑥𝑖+1 )|
| 𝑓( 𝑥𝑖 ) | > 𝑀
Observación: El número 𝐍𝐦𝐚𝐱 significa en cada caso que las distancias sugeridas
en las fórmulas crecen de tal manera que superan cualquier número 𝐍𝐦𝐚𝐱 fijo por
grande que éste sea.
Criterio automático: Los criterios automáticos suceden en muchas ocasiones
como hechos aislados a los procesos numéricos o algorítmicos, en este tipo de
criterio se clasifican entre otros que:
 El tamaño de todos los datos supera la capacidad del Hardware

 Demasiado tiempo en ejecutar operaciones.
 Falta de memoria en una máquina.
 Espacio de escritura.
 Fallas eléctricas
 Otras.
Para hallar las raíces de una ecuación de la forma 𝑓 𝑥 = 0 se requiere conocer

de la función f.
 Numero de raíces de la ecuación en un intervalo.

 Dominio, Rango, Continuidad, Diferenciabilidad.
 Seleccionar un algoritmo conociendo sus limitaciones
 Aplicar un algoritmo conociendo una aproximación inicial.
Datos de entrada:
En cualquier proceso numérico se requiere de un número mínimo de datos de

entrada, entre los básicos para la identificación de la raíz α de la ecuación
𝑓 𝑥 = 0 se tienen:
 La ecuación o la fórmula de la función 𝑓.

Métodos Numéricos
4
 El intervalo donde se localiza la raíz o la condición inicial (aproximación

inicial). Esta condición depende del método utilizado para aproximar la raíz.
 La tolerancia (épsilon) que determinará un criterio de parada optimista. Este
determina la precisión entre las aproximaciones.
 El número máximo de iteraciones 𝑁𝑚𝑎𝑥 el cuál determinará un criterio de
parada pesimista.
Estas son las entradas básicas, cualquier otra entrada depende del tipo de
programa o algoritmo que se elabore para realizar la aproximación.
Datos de salida:
 La aproximación de la raíz 𝛼 ∗ en caso de que el proceso (programa) la

encuentre.
 El número de iteraciones que se tomo el programa para localizar la
aproximación. O el número de iteraciones máxima en caso de no
localizarla.
 El tamaño del error ocurrido en la aproximación.
 En algunos casos vale la pena exigir al programa mostrar una grafica de la
función de estudio para tener una idea del comportamiento de la sucesión
que crea el programa.
Ya hemos visto algunas nociones básicas al momento de generar un proceso
numérico con el objetivo de aproximar una raíz α∗ de la ecuación 𝑓 𝑥 = 0.
Antes de estudiar cualquier método, veamos bajo qué condiciones de la función f

se puede garantizar la existencia de al menos una raíz, y también bajo qué
condiciones se puede garantizar que la raíz es única.
Teorema 1.2
Sea f una función de variable real en un intervalo 𝑎, 𝑏 , si se cumple que:
1) 𝑓 es continua en 𝑎, 𝑏 .
2) 𝑓 𝑎 ∗ 𝑓 𝑏 < 𝑂.
Entonces, existe por lo menos una raíz 𝛼 ∈ [𝑎, 𝑏] de 𝑓.
Observaciones
1. El teorema anterior garantiza la existencia de la raíz, ésta bajo las condiciones

de continuidad y cambio de signo de la función en el intervalo, garantiza que
hay al menos una raíz que satisface la ecuación 𝑓 𝑥 = 0.
Métodos Numéricos
5
2. Si al Teorema 2.1 agregamos la condición de Diferenciabilidad en el intervalo

𝑎, 𝑏 con 𝑓 ′ 𝑥 ≠ 0, en todo el intervalo a, b . Se puede garantizar también la
unicidad de la aproximación o de la raíz.
Cuando iniciemos el estudio de los métodos para la aproximación de las raíces de

alguna ecuación dada 𝑓 𝑥 = 0, queremos, antes de iniciar cualquier proceso de
aproximación, garantizar las hipótesis del teorema hasta que se cumpla la
unicidad en el intervalo. Ésta condición es necesaria para garantizar la
convergencia en caso de que se dé.
Para localizar una aproximación de una raíz de la ecuación 𝑓 𝑥 = 0, en general

seguiremos siempre el siguiente procedimiento.
1. Realizar una gráfica de la función de la cual se quiere aproximar la raíz, ésta se

realizará en Matlab, y con la ayuda del gráfico hacer la primera aproximación
de la raíz.
2. Identificar las condiciones del problema, en este caso el gráfico será de mucha
ayuda.
3. Aplicar el método conveniente para realizar la aproximación.
El primer método que estudiaremos se llama Búsquedas Incrementales.
MÉTODOS CERRADOS O DE INTERVALOS
1.1 BÚSQUEDAS INCREMENTALES

Sea 𝑓 una función con una única raíz α en el intervalo (𝑎, 𝑏), y 𝑥0 un punto
localizado a la izquierda de α, el punto podría estar a la derecha también.
El primer paso de búsquedas incrementales consiste en dar un intervalo x0 , b tan

grande que contenga la raíz α desde x0 , es decir, 𝛼 ∈ 𝑥0 , 𝑏 . Y luego dar un
incremento ∆𝑥, puede ser de 1, 0.1, 0.01,… según el tamaño del intervalo 𝑥0 , 𝑏 .
El incremento ∆x genera una partición del intervalo 𝑥0 , 𝑏 .
x0 x a b
La partición que genera es la siguiente x0 , x0 + x , x0 , x0 + 2x , … , x0 , x0 +

nx . Se trata entonces de observar de una manera metódica en cuál de los
intervalos de la partición está la raíz α, en este ejercicio se usará la condición de
cambio de signo 𝑓 𝑎 ∗ 𝑓 𝑏 < 0 en cada trozo de la partición empezando desde el
Métodos Numéricos
6
primero x0 , x0 + x ; en el intervalo que se detecte el cambio de signo está la

raíz. Éste se define como el nuevo x0 , b , se reduce el incremento en el orden
establecido y se procede de nuevo como antes. El Proceso iterativo se realiza
hasta lograr la tolerancia adecuada.
Ejemplo 1
Encontrar una aproximación para la raíz de la función dada en el intervalo [0,4]
𝑓(𝑥) = 6𝑥 𝑠𝑖𝑛(3𝑥 2 − 1) + 4𝑥 − 10
𝑥 𝑓
0 -10.00
1 -0.54 La raíz esta
2 -13.99 Cambio de
en [2,3]
3 15.72
Signo
Sea  𝑥 = 0.1
𝑥 𝑓
+ ∆𝑥
2 -13.999 La raíz esta en
2.1 -5.758 Cambio de [2.1 , 2.2]
2.2 9.560 Signo
Sea ∆𝑥 = 0.01
𝑥 + ∆𝑥 𝑓
2.10 -5.758
2.11 -4.10
La raíz esta en
2.12 -2.57
[2.13 , 2.14]
2.13 -0.913 Cambio de
2.14 0.7630 Signo
Los métodos de búsquedas incrementales y el método de la bisección, se

clasifican entre los métodos cerrados, esto quiere decir que en cada paso, este
tipo de métodos encierran la raíz aproximada en un intervalo cado vez más
pequeño. La tolerancia en este caso se da para que el intervalo en el cual se
Métodos Numéricos
7
encuentra la raíz sea más pequeño que dicha tolerancia, si estamos hablando,
claro está de un criterio de parada optimista.
Ejercicio Sección 1.1
1. Para las funciones dadas a continuación aplicar el método de búsquedas

incrementales para encontrar la raíz de la función. Para hacerlo realice 5
iteraciones a mano, tome la aproximación como el punto medio del último
intervalo.
a. 𝑓 𝑥 = −0.5𝑥 2 + 2.5𝑥 + 4.5.

b. 5𝑥 3 − 5𝑥 2 + 6𝑥 − 2.
c. 𝑓 𝑥 = (0.8 − 0.3𝑥)𝑥.
d. 𝑓 𝑥 = −2𝑥 6 − 1.5𝑥 4 + 10𝑥 + 2
2. En este ejercicio deberás utilizar el computador y el software Matlab, para

las funciones del ejercicio anterior realiza el siguiente procedimiento
a. Gráfica la función en Matlab.
b. Con la ayuda del gráfico da una primera aproximación de la raíz de la
función.
c. Utiliza esta primera aproximación para empezar el proceso con el
método búsquedas incrementales con la ayuda de uno de los
programas que vienen con el curso virtual, decide la tolerancia como
1 ∗ 10−7 . Explica cuantas cifras significativas se obtuvo en cada
aproximación. (Recuerda escribir la tabla para analizar el
comportamiento).
3. Del Texto de Chapra-Canale pag 140, realiza los ejercicios 5.6 y 5.16.
4. Encuentre una aproximación de 3 con precisión de 10−5 .
5. Encuentre un aproximación de 2 con precisión 10−5 .
Métodos Numéricos
8
1.1 METODO DE LA BISECCIÓN
Sea 𝑓 una función continua sobre el intervalo 𝑎, 𝑏 y 𝑓(𝑎) ∗ 𝑓(𝑏) < 0, Como la
función cambia de signo en el intervalo [a, b], 𝑓 tiene al menos un cero en el
intervalo.
Esta es la condición “básica” que se cumplir al momento de aplicar el método de

bisección, el algoritmo que se cree para implementar este método debe verificar
ésta condición en cada paso del proceso.
fig. 1: Método de la bisección
El proceso del método es como sigue:
Supongamos que se da la condición 𝑓(𝑎) ∗ 𝑓(𝑏) < 0 en algún intervalo [𝑎, 𝑏],
entonces implica que existe al menos una raíz en el intervalo [𝑎, 𝑏], sin pérdida de
generalidad supongamos que tal raíz es única, en realidad dentro del proceso se
debe verificar también ésta condición. Después de verificar estos dos aspectos
1
Calculamos el punto medio entre 𝑎 y 𝑏, esto es 𝑐 = 2 (𝑎 + 𝑏) (ver gráfico).
Entonces el intervalo 𝑎, 𝑏 queda partido en dos intervalos de la misma longitud, a
saber, 𝑎, 𝑐 y 𝑐, 𝑏 .
Como hemos partido del supuesto que la raíz es única, esta se debe encontrar en
alguno de los dos subintervalos. Para averiguar en cuál se utiliza la condición
𝑓(𝑎)𝑓(𝑐) < 0.
Se averigua si 𝑓 𝑎 ∗ 𝑓(𝑐) < 0, entonces la raíz de 𝑓 está en [a, c] , si no es así el

intervalo en el cual está la raíz es [c, b]. Supongamos que 𝑓 𝑎 ∗ 𝑓(𝑐) < 0 luego la
raíz esta en [a, c] se encuentra ahora el punto medio de [a, c] y se realiza el mismo
procedimiento hasta lograr la tolerancia requerida. (Ver gráfica)
Métodos Numéricos
9
Ejemplo 1: Utilice el método de bisección para encontrar la raíz de:
𝑓 𝑥 = 𝑥 4 + 3𝑥 3 − 𝑥 2 − 3.5
En el intervalo [0,2]
Solución
Verifiquemos primero que se satisface la condición de cambio de signo esto es,

𝑓 0 = −3.5 y 𝑓(2) = 32.5, claramente 𝑓 0 ∗ 𝑓 2 < 0 y con eso se puede concluir
que existe al menos una raíz en el intervalo. Para verificar la unicidad podemos
graficar la función con la ayuda de Matlab.
La grafica en Matlab es la siguiente.

La Grafica muestra que precisamente
existe una única raíz en [0,2], y que
dicha raíz ésta muy cerca de 1.
Comprobada las condiciones para

bisección podemos proceder con el
método.
Entonces el punto medio de [0,2] es1,

el intervalo inicial queda partido en los
subintervalos [0,1] y [1,2], debemos
ahora verificar en cuál de los dos
subintervalos quedo la raíz, para esto
utilizamos de nuevo la condición de cambio de signo, veamos 𝑓 0 = −3.53,
𝑓 1 = −0.5 notemos que en este intervalo no se da cambio de signo, luego por
defecto la raíz está en el intervalo [1,2]. Ahora encontramos el punto medio del
intervalo [1,2], luego el intervalo queda partido en [1,1.5] y [1.5,2]. Y verificamos la
condición de cambio de signo en [1,1.5], esto es 𝑓(1) = −0.5 y 𝑓 1.5 = 9.43,
como se verifica la condición de cambio de signo en este intervalo la raíz está en
el intervalo [1,1.5]. Se sigue el proceso verificando la condición de cambio de
signo en cada intervalo. La siguiente tabla guarda los resultados
𝑖 𝑎 𝑏 𝑐 𝑓(𝑎) 𝑓 𝑏 𝑓 𝑐 𝑆𝑖𝑔 𝑓 𝑎 𝑆𝑖𝑔 𝑓 𝑏 𝑆𝑖𝑔 𝑓(𝑐)

0 0 2 1 − 3.53 2.5 − 0.5 − + −
1 1 2 1.5 − .053 2.5 9.43 − + +
Análisis del error en el Método de Bisección

Métodos Numéricos
10
En el método bisección, se genera la sucesión de intervalos 𝑎0 , 𝑏0 ,

𝑎1 , 𝑏01 ,…, 𝑎𝑛 , 𝑛 , donde la sucesión {𝑎𝑛 }𝑛 ∈ 𝑁 es creciente , es decir:
a0 ≤ a1 ≤ a2 ≤ . .. ≤ b0
Y la sucesión {𝑏𝑛 }𝑛 ∈ 𝑁 es decreciente es decir:
𝑏0 ≥ 𝑏1 ≥ 𝑏2 ≥. .. ≤ 𝑎0
Y ambas ecuaciones emplean la relación, en el n-ésimo paso
1
𝑏𝑛+1 − 𝑎𝑛+1 = 𝑏𝑛 − 𝑎𝑛 ,
2
Así las cosas
𝑏𝑛+1 − 𝑎𝑛+1 = 2−𝑛 𝑏0 − 𝑎0
Cuando 𝑛 → ∞, tenemos
𝑙𝑖𝑚𝑛→∞ 𝑏𝑛+1 − 𝑎𝑛+1 =𝑙𝑖𝑚 = 2−𝑛 𝑏0 − 𝑎0 = 0

𝑛→∞
Luego 𝑙𝑖𝑚 𝑏𝑛+1 = 𝑙𝑖𝑚 𝑎𝑛+1 = 𝑟, donde 𝑟 es la raíz de la función.

𝑛→+∞ 𝑛→+∞
Veamos esto, para el 𝑛-èsimo paso
0 ≥ 𝑓 𝑎𝑛 ∗ 𝑓 𝑏𝑛
Y entonces
𝑙𝑖𝑚 0 ≥ 𝑙𝑖𝑚 𝑓 𝑎𝑛 𝑓 𝑏𝑛 = 𝑓( 𝑙𝑖𝑚⁡𝑎𝑛 ) ∗ 𝐹( 𝑙𝑖𝑚⁡𝑏𝑛 )
𝑛→∞ 𝑛→∞ 𝑛→∞ 𝑛→∞
↑
𝑓 es Continua
De lo anterior tenemos que

2
0≥𝑓 𝑟 𝑓 𝑟 = 𝑓 𝑟 ≥0
De donde 𝑓(𝑟) = 0, luego 𝑟 es la raíz.
Observación
Hay que destacar un hecho importante en bisección, y es que el número de pasos

para encontrar la raíz depende exclusivamente del tamaño del intervalo. El método
de bisección no tiene en cuenta la función en su proceso.
Métodos Numéricos
11
Teorema 1.2
Si 𝑏0 , 𝑎0 , 𝑎1 , 𝑏1 , … , 𝑎𝑛 , 𝑏𝑛 denotan los intervalos en el método de la bisección,
entonces los limites 𝑙𝑖𝑚 𝑎𝑛 y 𝑙𝑖𝑚 𝑏𝑛 existen y son iguales y representan un cero
𝑛 →+∞ 𝑛 →+∞
de la función 𝑓 𝑥 .
Una expresión que nos permite calcular el número de pasos hasta encontrar la
raíz en el método de la bisección está dada por el siguiente resultado. Tenemos
1
Si 𝑟 = 𝑙𝑖𝑚 𝐶𝑛 y 𝐶𝑛 = 2 𝑏𝑛 − 𝑎𝑛 entonces 𝑟 − 𝐶𝑛 ≤ 2− 𝑛+1 (𝑏0 − 𝑎0 )
𝑛→∞
Veamos el siguiente ejemplo para aclarar la situación.

Ejemplo 2
Para el intervalo 50,63 ¿Cuántas pasos se requieren para calcular una raíz con
una precisión relativa de 10−12 ?
Solución
𝑟−𝐶𝑛
Precisión relativa ≤ 10−12
𝑟
𝑟−𝐶𝑛
Y como 𝑟 ∈ (50 , 63), 𝑟 > 50 por lo tanto ≤ 10−12
50
𝑟−𝐶𝑛 2− 𝑛 +1 (63−50)
Y del teorema ≤ ≤ 10−12
50 50
− 𝑛+1 13
→2 ≤ 10−12 𝑛 ≥ 37
50
50 50
→ 2− 𝑛+1 ≤ 10−12 → − 𝑛 + 1 𝐿𝑛 (2) ≤ 𝐿𝑛 13 − 12 𝐿𝑛(10)
13
50
→ −𝑛 − 1 𝐿𝑛 (2) ≤ 13 − 12𝐿𝑛(10)
50
→ −𝑛𝐿𝑛 2 − 𝐿𝑛 2 ≤ 𝐿𝑛 − 12 𝐿𝑛(10)
13
50
→ 𝑛𝐿𝑛 (2) ≥ −𝐿𝑛(2) − 𝐿𝑛 + 12𝐿𝑛 10
13
50
𝐿𝑛 12𝐿𝑛 10
13
→ 𝑛 ≥ −1 − +
𝐿𝑛 2 𝑙𝑛 2
→ 𝑛 ≥ 36.91
→ 𝑛 ≥ 37
Ejemplo 2
Localice la raíz positiva de 𝑓 𝑥 = −0.4𝑥 2 + 2.2𝑥 + 4.7 en [5 , 10]. Calcule el error

estimado y el error verdadero en cada iteración en el intervalo 5 , 10 .
Métodos Numéricos
12
Solución
1. Gráficamente la raíz es 𝑥𝑟 ≅ 7.192, ésta aproximación se consiguió usando

un graficador de Matlab, la instrucción precisa en Matlab es
2. Analíticamente, usamos la formula general, con eso tenemos que
−2.2 ± (2.2)2 + 4 04 (4.7)

𝑥=
−0.8
De donde
𝑥𝑟 = −1.644598957811736 𝑦 𝑥𝑟 = 7.144598957811737
3. Con el método de Bisección generamos la siguiente tabla
𝑖 𝑎 𝑏 𝑐𝑖 𝑓(𝑎) 𝑓(𝑏) 𝑓 𝑐 𝑐𝑖 − 𝑥 𝑟 𝑐𝑖+1 − 𝑐𝑖
0 5 10 7.5 5.7 −13.3 −1.3 0.3555 −
1 5 7.5 6.25 5.7 −1.3 2.825 0.8945 0.75
2 6.25 7.5 6.875 2.825 − 1.3 0.9188 0.2695 0.625
3 6.875 7.5 7.188 0.9187 − 1.3 − 0.1556 0.0430 0.3125
4 6.875 7.1875 7.0313 1.2125 −0.1516 0.3932 0.1132 0.1562
El intervalo en el cuál se encuentra la raíz hasta el paso 4 es [6.875 7.1875], la

raíz se puede aproximar como el punto medio del intervalo, en este caso 7.0313
La precisión hasta el paso 4 es 0.1562, ésta se mide como la distancia más cercana
entre las aproximaciones más actuales (error aproximado). La exactitud es en el
Métodos Numéricos
13
último paso 𝟎. 𝟏𝟏𝟑𝟐, ésta mide la cercanía entre el valor que se tomo como exacto,
en este caso 𝑥𝑟 y la aproximación más actual (error verdadero). En el método de la
bisección también se mide con frecuencia el tamaño en el cual se encuentra la
solución, el tamaño de éste intervalo siempre es una potencia de 2 en este caso
particular el tamaño del intervalo actual es 7.1875 − 6.875 = 0.3125.
Cuando se solicita por parte del usuario una tolerancia específica para un error
especifico, es necesario poner el tamaño del error en cuestión por debajo de ésta
tolerancia, en esta situación se repiten los pasos (O se itera) hasta que se de la
tolerancia. Por ejemplo para el ejemplo en aquí descrito si la tolerancia fuera de
10−5 para ambos errores, se deben repetir los pasos hasta que alguno de los
errores este por debajo de la tolerancia especifica. Como ejercicio queda para el
estudiante completar la tabla hasta que se de la tolerancia aquí mencionada.
Ejercicios Sección 1.2
1. Aplique el método de la bisección para obtener 𝑐3 para 𝑓 𝑥 = 𝑥 −

cos 𝑥 𝑒𝑛 0,1 .
2. Aplique el método de bisección para encontrar soluciones exactas con
tolerancia de 10−3 para la función 𝑥 3 − 7𝑥 2 + 14𝑥 − 6 = 0 en los intervalos
0,1 , 1,3.2 y −1.25,2.5 .
tolerancia de 10−3 para la función 2 + cos 𝑒 𝑥 − 2 − 𝑒 𝑥 = 0 en el intervalo
0.5,1.5 .
tolerancia de 10−6 para el problemas 𝑥 − 2−𝑥 = 0 en el intervalo 0,1 .
5. Sea 𝑓 𝑥 = 𝑥 + 2 𝑥 + 1 𝑥 𝑥 − 1 3 𝑥 − 2 ¿A cuál cero de 𝑓 converge el
método de la bisección en los siguientes intervalos? a. [−3, 2.5] b.
−2.5,3 c. [−1.75, 1.5].
3
6. Encuentre una aproximación a 25 correcta en 10−4 usando el método de
bisección.
7. Encuentre una aproximación de 2 correcta en 10−4 usando el método de
bisección.
8. Dada la función 𝑓 𝑥 = −2𝑥 6 − 1.5𝑥 4 + 10𝑥 + 2 use el método de
bisección para determinar el máximo de ésta función. Elija el intervalo
0,1 para iniciar el proceso y realice iteraciones hasta que el error relativo
aproximado sea menor que el 5%.
Métodos Numéricos
14
1.3 Regla falsa

Ya vimos que el método de la bisección está clasificado como un método cerrado
que siempre es convergente, aunque en ocasiones lento. Una posibilidad para
mejorar el aspecto de la rapidez es incluir dentro del proceso el tamaño de la
función. El método de la regla falsa, o falsa posición mejora este aspecto que no
tiene en cuenta el método de la bisección.
El método de regla falsa es un algoritmo parecido
al de bisección, en este caso, la forma como se
determina el punto de corte c es diferente, en este
método la nueva aproximación se consigue como
el punto de intersección de una recta trazada
entre los puntos coordenados del intervalo en el
que se encuentra la raíz (Ver gráfico).
En el gráfico, los triángulos 1 y 2 son semejantes, luego la siguiente proporción

entre lados es cierta. La razón de los signos negativos es porque en la proporción
las cantidades deben ser positivas.
−𝑓 𝑎 −𝑓 𝑏
= → 𝑓 𝑎 𝑥𝑟 − 𝑏 = 𝑓 𝑏 𝑥𝑟 − 𝑎
𝑥𝑟 − 𝑎 𝑥𝑟 − 𝑏
→ 𝑥𝑟 𝑓 𝑎 − 𝑓 𝑎 𝑏 = 𝑥𝑟 𝑓 𝑏 − 𝑎 𝑓 𝑏
→ 𝑥𝑟 𝑓 𝑏 − 𝑓 𝑎 = 𝑎 𝑓 𝑏 − 𝑏 𝑓 𝑎
𝑎𝑓 𝑏 −𝑏𝑓 𝑎 𝑎𝑓 𝑏 −𝑏𝑓 𝑎 𝑏𝑓 𝑏 − 𝑓 𝑎
→ 𝑥𝑟 = =𝑏 + −
𝑓 𝑏 −𝑓 𝑎 𝑓 𝑏 −𝑓 𝑎 (𝑓 𝑏 − 𝑓 𝑎 )
Luego
𝑓 𝑏 𝑎 − 𝑏 − 𝑓 𝑎 (𝑏 − 𝑎) 𝑓 𝑏 𝑎 − 𝑏 𝑓 𝑎 − 𝑏𝑓 𝑏 + 𝑏𝑓(𝑎)
𝑥𝑟 = 𝑏 + =𝑏+
𝑓 𝑏 −𝑓 𝑎 𝑓 𝑏 −𝑓 𝑎
De donde
𝑓 𝑏 𝑎−𝑏 𝑓 𝑏 𝑏−𝑎
𝑥𝑟 = 𝑏 + =𝑏−
𝑓 𝑏 −𝑓 𝑎 𝑓 𝑏 −𝑓 𝑎
La cual es la fórmula para encontrar la nueva aproximación en el método de la
regla falsa.
Métodos Numéricos
15
El proceso del método es como sigue: conseguimos 𝑥𝑟 con la fórmula encontrada

antes, este es el punto de intersección de la recta entre los puntos “extremos” con
el eje 𝑥, verificamos si 𝑥𝑟 es la raíz, de lo contrario verificamos cambio de signo en
cada uno de los subintervalos, recuerde que esto se hace averiguando si alguno
de los productos 𝑓 (𝑥𝑟 ) ∗ 𝑓 𝑎 ó 𝑓 (𝑥𝑟 ) ∗ 𝑓 𝑏 es menor que cero. Luego
definimos el nuevo intervalo donde está la raíz y repetimos el proceso hasta lograr
alguna tolerancia específica o hasta agotar el 𝑁𝑚á𝑥 fijado.
Ejemplo 1
Utilice el método de la regla falsa para encontrar la raíz de la función
𝑓(𝑥) = 𝑠𝑖𝑛 𝑥 + 𝑥 − 1 𝑒𝑛 [0,2]
Tan cerca como 𝑇𝑜𝑙 = 0,0005.

Solución
El procedimiento se llevará a cabo de la
misma manera que en el método de la
Bisección. Primero graficaremos la
función en Matlab, con éste gráfico
haremos una primera aproximación de
la raíz y estimaremos un intervalo en el
cual se cumpla el teorema de unicidad,
a partir de estos datos iniciaremos el
proceso numérico utilizando la formula
encontrada para la regla falsa (Ver
Gráfico).
De la gráfica notamos que la primera
aproximación es 𝛼 ∗ = 0.46. Con el método de la regla falsa trataremos de mejorar
esta aproximación a la tolerancia indicada.
Empecemos con el método:
Después del gráfico lo siguiente es la escogencia del intervalo, en este caso nos
han dado un intervalo para empezar, en caso de que no fuera así, lo tendríamos
que escoger de la gráfica.
El intervalo de trabajo es [0,2], la gráfica muestra claramente que allí hay una
única, raíz pero verifiquemos el cambio de signo, notemos que 𝑓(0) = −1 y
𝑓(2) = 1.9093, lo que verifica el cambio de signo. Usemos la formula encontrada
para la regla falsa para encontrar la primera aproximación, esto es
𝑓 2 2−0
𝑥𝑟 = 2 − = 0.6875
𝑓 2 −𝑓 0
Métodos Numéricos
16
Esta aproximación parte el intervalo [0,2], en dos subintervalos [0,0.6875] y

[0.6875,2]. En alguno de los dos subintervalos está la raíz, evaluemos la función
para verificar el cambio de signo en [0,0.6875], esto es 𝑓 0.6875 = 0.32202 y
como 𝑓(0) es negativa, en este intervalo está la raíz, y repetimos el proceso en
este intervalo, veamos la nueva aproximación es
𝑓 0.6875 0.6875 − 0
𝑥𝑟 = 0.6875 − = 0.5200
𝑓 20.6875 − 𝑓 0
Esta nueva aproximación parte el intervalo 0.6875,2 en dos subintervalos, a

saber 0,0.5200 y 0.5200.6875,2 verificamos el cambio de signo y continuamos.
Los resultados completos hasta lograr la tolerancia pedida están en la siguiente
tabla
fig. 2 Tabla creada con el programa regla_falsa(a,b,t)
El programa regla_falsa(a,b,t) viene con el documento anexo en un archivo

anexo llamado códigos, las entradas para éste programa son el intervalo inicial 𝑎 y
𝑏 y la tolerancia.
Ejercicio
Realizar un proceso similar al del ejemplo 1 para 𝑓 𝑥 = 𝑥 4 + 3𝑥 3 − 𝑥 2 − 3,5 en

[0,2]. Primero a mano y después utilizar el programa que viene en el archivo
anexo.
Regla falsa modificada.
En ocasiones, como en el ejemplo anterior, en el proceso de regla falsa se queda
fijado un extremo, esto puede hacer lenta la convergencia en muchos casos, para
mejorar este hecho se verifica si un extremo se ha fijado y en ese caso el valor de
Métodos Numéricos
17
la función evaluado en este extremo se divide por dos para disminuir la pendiente
y forzar un acercamiento más rápido.
Ejercicio
Reconstruya el ejemplo anterior pero aplicando regla falsa modificada, note que el
lado derecho se ha fijado, después de notar la fijación divida el tamaño de la
función por dos en el siguiente paso del proceso. Ver pág. 137 del texto “Método
Numéricos Para Ingenieros”, Chapra-Canale, Quinta Edición.
1. Aplique el método de la regla falsa para obtener 𝑥𝑟3 , la tercera iteración, para
𝑓 𝑥 = 𝑥 − cos 𝑥 𝑒𝑛 0,1 . compare con el número de iteraciones en el
método de la bisección.
2. Aplique el método de la Regla Falsa para encontrar soluciones exactas con
tolerancia de 10−3 para la función 2 + cos 𝑒 𝑥 − 2 − 𝑒 𝑥 = 0 en el intervalo
0.5,1.5 . Compare con hecho antes con el método de bisección.
3. Encuentre una aproximación de 5 correcta en 10−4 usando el método de la
regla Falsa.
4. Sea 𝑓 𝑥 = 𝑥 + 2 𝑥 + 1 𝑥 𝑥 − 1 3 𝑥 − 2 ¿A cuál cero de 𝑓 converge el
método de la Regla Falsa en los siguientes intervalos? a. [−3, 2.5] b. −2.5,3
c. [−1.75, 1.5].
5. Determine la raíz real de 𝑓 𝑥 = (0.8 − 0.3𝑥)𝑥 de tres maneras: a)
Analíticamente b) Gráficamente c) Empleando cuatro iteraciones del método de
regla falsa en el intervalo [1,3]. Calcule el error aproximado y el error verdadero
en cada iteración.
MÉTODOS ABIERTOS O ITERATIVOS

1.4 ITERACIÓN FUNCIONAL DE PUNTO FIJO
Una interacción funcional es un algoritmo tal que 𝑥𝑛 +1 = 𝑓 𝑥𝑛 para 𝑛 ≥ 0 ésta

sucesión puede ser divergente o convergente, en nuestro caso estamos
interesados en el caso en el cual se da la convergencia, es decir, existe 𝛼 ∈ ℝ tal
que 𝑙𝑖𝑚𝑛→+∞ 𝑥𝑛 +1 = 𝛼,
Si la función 𝑓 es continua, notemos que
𝑓 𝛼 = 𝑓( 𝑙𝑖𝑚 𝑥𝑛 ) = 𝑙𝑖𝑚 𝑓 𝑥𝑛 = 𝑙𝑖𝑚 𝑥𝑛 +1 = 𝛼

𝑛→+∞ 𝑛→+∞ 𝑛→+∞
Esto es 𝑓 𝛼 = 𝛼
A 𝛼 que cumpla ésta condición lo llamamos el punto fijo de la función 𝑓 .

Métodos Numéricos
18
Definición 1
De Función contractiva: si existe un número λ < 1 tal que satisfaga
𝑓 𝑥 − 𝑓(𝑦) ≤ 𝜆 𝑥 − 𝑦
Es decir, la distancia entre 𝑓 𝑥 y 𝑓(𝑦) se hace mas pequeña que la distancia entre
𝑥 y 𝑦.
Teorema 1: sea 𝑓 una aplicación contractiva que va de un conjunto cerrado

F ⊆ ℝ , entonces 𝐹 tiene en punto único fijo. Más aun, este punto fijo es el límite
de toda sucesión que se obtenga a partir de la ecuación
𝑥𝑛+1 = 𝑓(𝑥𝑛 )
Para cualquier punto inicial 𝑥𝑂 ∈ 𝐹

Prueba
Para 𝑛 > 𝑜, tenemos
𝑥𝑛 − 𝑥𝑛−1 = 𝑓 𝑥𝑛−1 − 𝑓 𝑥𝑛−2 ≤ 𝜆 𝑥𝑛−1 − 𝑥𝑛 −2

Por recursión
𝑥𝑛 − 𝑥𝑛 −1 ≤ 𝜆 𝑥𝑛−1 − 𝑥𝑛−2 ≤ 𝜆2 𝑥𝑛−2 − 𝑥𝑛 −3 ≤ 𝜆𝑛−1 𝑥1 − 𝑥0
Además 𝑋𝑛 puede escribirse como
𝑥𝑛 = 𝑥0 + 𝑥1 −𝑥0 + 𝑥2 −𝑥1 + ⋯ + 𝑥𝑛 −𝑥𝑛−1

∞
Luego 𝑥𝑛 converge a la serie 𝑥0 + ∑ 𝑥𝑛 −𝑥𝑛+1
𝑛=1
Y para demostrarlo hay que mostrar la convergencia de la serie:
∞
𝑥𝑛 −𝑥𝑛+1
𝑛=1
Notemos que
∞ ∞ ∞
𝑛−1
1
𝑥𝑛 −𝑥𝑛 +1 ≤ 𝜆 𝑥1 − 𝑥0 = 𝑥1 − 𝑥0 𝜆𝑛−1 = 𝑥 − 𝑥0
1−𝜆 1
𝑛 =1 𝑛=1 𝑛=1
Luego 𝑥𝑛 converge y podemos escribir

Métodos Numéricos
19
𝑙𝑖𝑚 𝑥𝑛 = 𝛼
𝑛→+∞
Unicidad
Si 𝑥 y 𝑦 son puntos fijos, entonces 𝑥 − 𝑦 = 𝑓(𝑥) − 𝑓(𝑦) ≤ 𝜆 𝑥 − 𝑦

como λ < 1, entonces se cumple si 𝑥 − 𝑦 = 0 → 𝑥 = 𝑦.
Errores en punto fijo
El error es 𝑒𝑛 = 𝑥𝑛 − 𝛼. Si 𝑓´ existe y es continua, por el teorema del valor medio

tenemos:
𝑒𝑛+1 = 𝑋𝑛+1 − 𝛼 = 𝑓 𝑥𝑛 − 𝛼 = 𝑓´ 𝜉𝑛 𝑥𝑛 − 𝛼
Implica
𝑒𝑛+1 = 𝑓´ 𝜉𝑛 𝑥𝑛 − 𝛼 = 𝑓´ 𝜉𝑛 𝑒𝑛
Y podemos escribir la siguiente cota para los errores en la iteración siguiente
𝑒𝑛+1 < 𝑓´ 𝜉𝑛 𝑒𝑛
Donde 𝜉𝑛 es un punto entre 𝑥𝑛 y 𝛼. La condición 𝑓´(𝑥) < 1 para todo “𝑥” permite
garantizar que los errores disminuyen en cada paso iterativo.
Corolario al teorema:
Si 𝑓 satisface la hipótesis del teorema anterior, las cotas de error que suponen
aproximar 𝛼 con 𝑥𝑛 está dada por:
|𝑥𝑛 − 𝛼| ≤ 𝜆𝑛 𝑚𝑎𝑥 𝑥0 − 𝑎 , 𝑏 − 𝑋0
Y por
𝜆𝑛
𝑥𝑛 − 𝛼 ≤ 𝑥 − 𝑥0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑛 ≥ 1
1−𝜆 1
Prueba
a) 𝑒𝑛 = 𝑥𝑛 − 𝛼 ≤ 𝜆𝑛 𝑥0 − 𝛼 𝜆𝑛 𝑚𝑎𝑥 𝑥0 − 𝑎 , 𝑥0 − 𝑏
b) para 𝑚 ≥ 1 𝛼
𝑥𝑚 𝑥𝑚 +1
Métodos Numéricos
20
𝑥𝑚 − 𝛼 < 𝑥𝑚 − 𝑥𝑛
= 𝑥𝑚 − 𝑥𝑚 −1 + 𝑥𝑚 −1 − 𝑥𝑚 −2 + ⋯ + 𝑥2 − 𝑥1 + 𝑥1 − 𝑥0
𝑛 𝑛
≤ 𝑥𝑚 − 𝑥𝑛 −1 < 𝜆𝑚 −1 𝑥1 − 𝑥0
𝑛 =1 𝑚 =1
𝑛
1
= 𝜆𝑛 𝑥1 − 𝑥0 𝜆𝑚 −𝑛−1 = 𝜆𝑛 𝑥1 − 𝑥0
1−𝜆
𝑚 =1
𝜆𝑛
= 𝑥 − 𝑥0
1−𝜆 1
Ejemplo
Utilice el método iterativo de punto fijo para buscar una raíz de la función 𝑓 𝑥 =
𝑥 3 + 4𝑥 2 − 10 = 0 en [1,2] con una tolerancia de 0.000001 = 10−6 .
Solución
Recordemos que la primera aproximación la haremos del grafico, en este caso la

aproximación de la gráfica es 𝛼 ∗ = 1.356 (Ver fig. 3)
El método iterativo de punto fijo consiste en encontrar a partir de 𝑓(𝑥) una función
𝑔(𝑥) que satisfaga los teoremas anteriores de existencia, es decir que dentro del
intervalo [1,2] la función 𝑔 tiene un punto fijo. Más aún, debemos encontrar un
intervalo contenido en [𝟏, 𝟐] que contenga la raíz, tal que el tamaño de la
derivada de la función 𝑔 sea menor que 1.
Ninguno de los teoremas antes

escritos en este documento garantiza
que a partir de una función 𝑓 se
pueda encontrar una función 𝑔
contractiva y que satisfaga los
teoremas anteriores. Sin embargo, el
método consiste en encontrar el
punto fijo de 𝑔, donde 𝑔 es una
función creada a partir de 𝑓
despejando 𝑥 de la ecuación
𝑓(𝑥) = 0 en términos de ella misma
fig. 3 Gráfica de la función 𝒈 y su primera aproximación (𝑥). Note que 𝑥 se puede despejar de
Métodos Numéricos
21
múltiples formas de esta ecuación.
Una vez encontrada la función 𝑔 debemos verificar que si tiene un punto fijo. La
manera de ver esto, es verificando que la derivada de 𝑔 en el intervalo en cuestión
tiene tamaño estrictamente menor que 1.
De acuerdo con esto, una opción para 𝑔(𝑥) tal que 𝑥 = 𝑔(𝑥) puede ser;
De 𝑓(𝑥) = 0 tenemos 𝑥 3 + 4𝑥 2 − 10 = 0 de
donde 𝑥 𝑥 2 + 4𝑥 = 10 y entonces
despejando la 𝑥 de color rojo tenemos:
10
1) 𝑥 = 𝑥 2 +4𝑥 = 𝑔 𝑥 que tiene derivada
10(−2𝑥−4)
𝑔´ 𝑥 = >1 para algún 𝑥∈
(𝑥 2 +4𝑥)2
(1,2). El estudiante se debe convencer de
que ésta afirmación es cierta. Una forma de
hacer esto, puede ser graficando la función
fig. 4 Gráfica de la función derivada de 𝒈. derivada de g y notar el que el tamaño de la
función derivada en el intervalo es mayor
que 1, o mejor que la parte de la función derivada que es menor que 1 no contiene
la raíz. En la fig. 4 se muestra la gráfica de la función derivada de g, como se
requiere que la función derivada de g tenga un tamaño menor que 1 en el
intervalo, debe ocurrir que la gráfica de la función derivada de g se meta
completamente en el cuadrado, en este caso hay parte de la función adentro y
parte afuera en el intervalo, y el punto donde se parte la función está muy cerca de
la raíz aproximada, luego éste intervalo no da la certeza que se requiere para
aplicar el teorema de punto fijo.
2) Otra opción de despejar 𝑥 de la

ecuación 𝑓(𝑥) = 0 puede ser. Si
dividimos por 𝑥 la ecuación tenemos
4 10
𝑥 + 𝑥 − 𝑥 3 = 0, y despejando la 𝑥 en
rojo, tenemos
4 10
𝑥= + =𝑔 𝑥
𝑥 𝑥3
De donde
fig. 5 Grafica de la derivada segunda opción.
Métodos Numéricos
22
4 3
𝑔´ 𝑥 = − −
𝑥2 𝑥4
4 3 4 3
Para 𝑥 ∈ [1,2] se tiene que 𝑔´ 𝑥 = + 𝑥4 ≤ + 𝑥 4 > 1, Para 𝑥 ∈ [1,2]
𝑥2 𝑥2
Diverge, note de la fig. 5 que la gráfica ni siquiera entra al cuadrado, luego el
tamaño de la derivada es siempre mayor que 1 en el intervalo.
3) La tercera opción que consideramos es la siguiente, de la ecuación 𝑓(𝑥) = 0

despejar 𝑥 en términos de ella
misma como sigue
10−𝑥 3
4𝑥 2 = 10 − 𝑥 3 → 𝑥 2 = →𝑥=
4
10−𝑥 3
± 4
Entonces podemos tomar 𝑔 𝑥 =

10−𝑥3
La gráfica de la función
4
derivada muestra que el tamaño de
ésta en el intervalo es más pequeña
que 1 en el intervalo [0,1.704] luego
se puede asegurar la convergencia del método de punto fijo. Veamos un par de
iteraciones del método de punto fijo. La fórmula iterativa es
10 − 𝑥𝑛 3
𝑥𝑛 +1 = 𝑔 𝑥𝑛 =
4
Entonces para alguna condición inicial dentro del intervalo, por ejemplo 𝑥0 = 1,
tenemos que
10 − 𝑥0 3 10 − 13 9 3
𝑥1 = 𝑥0+1 = 𝑔 𝑥0 = = = = = 1.5
4 4 4 2
Luego
3
10 − 𝑥1 3 10 − 1.5 6.6250
𝑥2 = 𝑥1+1 = 𝑔 𝑥1 = = = = 1.2870
4 4 4
Métodos Numéricos
23
Y así sucesivamente. La tabla con los datos hasta obtener una tolerancia 10−6 es
la siguiente
fig. 6 Tabla de punto fijo del ejemplo
Otra forma del teorema del punto fijo
Sea 𝑔 ∈ ∁ [𝑎, 𝑏] tal que 𝑔(𝑥) ∈ [𝑎, 𝑏] para toda 𝑥 en [𝑎, 𝑏]; además supongamos
que existe 𝑔´ en (𝑎, 𝑏) y una constante positiva 0 < 𝑘 < 1 tales que
𝑔´(𝑥) ≤ 𝑘, 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥 ∈ (𝑎, 𝑏)
Entonces, para cualquier numero 𝑥0 en [𝑎, 𝑏], tal que la sucesión definida por
𝑥𝑛+1 = 𝑔 𝑥𝑛 , 𝑛 = 0,1, …
Converge al único punto fijo 𝛼 en 𝑎, 𝑏 .

Métodos Numéricos
24
Gráficamente:
Converge
Diverge:
g=x
g(x1) g=x
g(xo)
x1
g(x2) g(xo)
g(x1)
X2
a X0 b a X0 b
Con la perspectiva de este teorema
notemos que los puntos fijos son
determinados por las intersecciones de la
gráfica de la función con la recta identidad
𝑦 = 𝑥. La función del ejemplo tiene tres
candidatos a ser punto fijo pero solo uno en
el intervalo de interés que es 𝑥 = 1.28, esta
cantidad también se puede usar como la
primera aproximación.
Observaciones:
1. Cuando el método converge, el error es casi proporcional y menor al error

anterior. Por esta razón la iteración de punto fijo se dice que es linealmente
convergente.
𝐸𝑖+1 = 𝑂 𝐸𝑖
2. Los puntos fijos de la función 𝑔 son las raíces o los ceros de la función 𝑓. Ésta
es quizá la observación más importante al respecto del método de punto fijo
ya que finalmente en la práctica para localizar los ceros 𝑓 se localizan los
puntos fijos de 𝑔.
3. El método de punto fijo o más bien el teorema de punto fijo justifica y es base
para muchos otros métodos iterativos en una y varias dimensiones. Uno de los
Métodos Numéricos
25
métodos más conocidos y eficientes para hallar raíces es el método de

Newton Raphson.
Ejercicio
Estudiar ejemplo 2ª pág. 57 del libro de burden-Faires Analisis numérico.
Ejercicios sección 1.4
1. Demuestre que las siguientes funciones tienen un punto fijo en 𝑝 exactamente

cuando 𝑓(𝑝) = 0, donde 𝑓 𝑥 = 𝑥 4 + 2𝑥 2 − 𝑥 − 3.
a. 𝑔1 𝑥 = (3 + 𝑥 − 2𝑥 2 )1/4
1/2
𝑥+3−𝑥 4
b. 𝑔2 𝑥 = 2
𝑥+3 1/2
c. 𝑔3 𝑥 = 𝑥 2 +2
3𝑥 4 +2𝑥 2 +3
d. 𝑔4 𝑥 = 4𝑥 3 +4𝑥−1
2. a. Realice cuatro iteraciones, si es posible hacerlo, en las funciones g definidas

en el ejercicio 1. Haga 𝑝0 = 1, 𝑔 𝑝𝑛 = 𝑝𝑛+1 para 𝑛 = 0,1,2,3.
b. ¿Cuál es la función que dará la mejor aproximación?. Justifique
3. Se proponen tres métodos para calcular 211/3 . Clasifíquelos por orden de,
basándose para ello en la rapidez de convergencia y con condición inicial 𝑝0 = 1.
20𝑝 𝑛 −1 +21/𝑝 𝑛2 −1
a. 𝑝𝑛 = 21
𝑝 𝑛3 −1 −21
b. 𝑝𝑛 = 𝑝𝑛−1 − 3𝑝 𝑛2 −1
𝑝 𝑛4 −1 −21𝑝 𝑛 −1
c. 𝑝𝑛 = 𝑝𝑛−1 − 𝑝 𝑛2 −1 −21
21 1/2
d.𝑝𝑛 = 𝑝 𝑛 −1
4. Aplique el método de iteración de punto fijo para determinar una solución con
exactitud de 10−2 para 𝑥 4 − 3𝑥 2 − 3 = 0 en 1,2 . Utilice 𝑝0 .
3
5. Use un método de iteración de puno fijo para obtener una aproximación a 25
con una exactitud de 10−4 .
Métodos Numéricos
26
METODO DE NEWTON-RAPHSON
El método de Newton-Raphson es una de las técnicas numéricas para encontrar

las raíces de la ecuación 𝑓 𝑥 = 0 que más se utiliza por sus bondades. Veamos
a continuación la forma gráfica de plantear el problema de encontrar las raíces de
la ecuación anterior. El método está basado en la búsqueda de una aproximación
a la raíz al utilizar tangentes sucesivas. Se toma una aproximación inicial 𝑥0 , que
permite encontrar una nueva aproximación 𝑥1 como el intercepto de la tangente a
la curva para 𝑥0 con el eje 𝑥.
La siguiente aproximación es la intersección de la tangente a la curva para 𝑥1 con

el eje X y así continúa el algoritmo.
A partir de la gráfica, observa que:
𝑓 𝑥𝑖 − 0
𝑓´ 𝑥𝑖 =
𝑥𝑖 − 𝑥𝑖+1
Luego,
(𝑥𝑖 − 𝑥𝑖+1 )𝑓´ 𝑥𝑖 = 𝑓(𝑥𝑖 )
𝑓 𝑥𝑖
𝑥𝑖 − 𝑥𝑖+1 =
𝑓´ 𝑥𝑖
Y obtenemos la fórmula de Newton-Raphson para encontrar raíces de la ecuación

𝑓 𝑥 =0
𝑓 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´ 𝑥𝑖
Ejemplo 1
Considere 𝑓 𝑥 = 𝑥 4 + 3𝑥 3 − 𝑥 2 − 3.5 . Utilice el algoritmo de Newton-Raphson

para hallar la primera raíz negativa de la función, utilice una tolerancia de 10−7 .
Solución
Recordemos que el primer ejercicio que haremos es graficar la función en Matlab

e identificaremos la raíz que queremos encontrar, veamos el gráfico.
Métodos Numéricos
27
Lo siguiente es encontrar la derivada de

la función en forma general:
𝑓´ 𝑥 = 4𝑥 3 + 9𝑥 2 − 2𝑥
Entonces para 𝑖 = 0, 1, 2, … tenemos la

fórmula de iteración de Newton-
Raphson dada por:
𝑓 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 − , 𝑓 ′ (𝑥𝑖 ) ≠ 0
𝑓´ 𝑥𝑖
𝑥0 no puede tomarse con valor de cero ya que 𝑓´ 0 = 0. Entonces consideremos

𝑥0 = −3, completa la siguiente tabla y verifica que 𝑥𝑛 → −3.3856
Análisis de error
Una expansión en serie de Taylor alrededor de “𝑥𝑖 ” para 𝑥𝑖 es:

𝑓´´ 𝜉
𝑓 𝑥𝑖+1 = 𝑓 𝑥𝑖 + 𝑓´ 𝑥𝑖 𝑥𝑖+1 − 𝑥𝑖 + (𝑥𝑖+1 − 𝑥𝑖 )2
2
Si aproximamos por una recta (tangente) 𝑓(𝑥𝑖+1 ) ≈ 0 y el error por truncamiento
se ignora, tenemos
0 = 𝑓 𝑥𝑖 + 𝑓´ 𝑥𝑖 (𝑥𝑖+1 − 𝑥𝑖 )
Métodos Numéricos
28
𝑓 𝑥𝑖
−𝑓 𝑥𝑖 = 𝑓´ 𝑥𝑖 𝑥𝑖+1 − 𝑥𝑖 → 𝑥𝑖+1 − 𝑥𝑖 = −
𝑓´ 𝑥𝑖
𝑓 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´ 𝑥𝑖
Que no es otra sino la fórmula para encontrar raíces por el método Newton-
Raphson. Si suponemos convergencia, es decir 𝑥𝑖 → 𝑥𝑟 , donde 𝑥𝑟 representa la
raíz real de la función, entonces:
𝑓´´ 𝜉
𝑓 𝑥𝑟 = 𝑓 𝑥𝑖 + 𝑓´ 𝑥𝑖 𝑥𝑟 − 𝑥𝑖 + (𝑥𝑟 − 𝑥𝑖 )2 , 𝜉𝜖(𝑥𝑟 , 𝑥𝑖 )
2
Como 𝑥𝑟 es la raíz, tenemos:
𝑓´´ 𝜉
0 = 𝑓 𝑥𝑖 + 𝑓´ 𝑥𝑖 𝑥𝑟 − 𝑥𝑖 + (𝑥𝑟 − 𝑥𝑖 )2
2
Restando de la última expresión la anterior:
𝑓´´ 𝜉
0 = 𝑓 𝑥𝑖 − 𝑓 𝑥𝑖 + 𝑓´ 𝑥𝑖 𝑥𝑟 − 𝑥𝑖 − 𝑓´ 𝑥𝑖 (𝑥𝑖+1 − 𝑥𝑖 ) + (𝑥𝑟 − 𝑥𝑖 )2
2
De donde
𝑓´´ 𝜉
0 = 𝑓´ 𝑥𝑖 𝑥𝑟 − 𝑥𝑖+1 + (𝑥𝑟 − 𝑥𝑖 )2
2
Y llamando 𝑒𝑖 = 𝑥𝑟 − 𝑥𝑖 y 𝑒𝑖+1 = 𝑥𝑟 − 𝑥𝑖+1 , entonces encontramos que
𝑓´´ 𝜉 2
−𝑓´ 𝑥𝑖 𝑒𝑖+1 = 𝑒𝑖
2
Y de aquí que
𝑓´´ 𝜉
𝑒𝑖+1 = − 𝑒2
2𝑓´ 𝑥𝑖 𝑖
Cuando 𝑥𝑖 → 𝑥𝑟 y 𝜉 está entre 𝑥𝑖 y 𝑥𝑟 , entonces
𝑓´´ 𝜉
𝑒𝑖+1 = − 𝑒2
2𝑓´ 𝜉 𝑖
Métodos Numéricos
29
Observaciones: El error es casi proporcional al cuadrado del error anterior, el

número de cifras se duplica en cada iteración. Esta convergencia es de tipo
cuadrática 𝑒𝑖 = 𝑂(𝑒𝑖 2 )
Problemas que se pueden presentar con este método
a) una función con un punto de inflexión en la raíz
X1
X0
f´´(r)=0
Las iteraciones divergen
b) tomar pendientes cercanas a un punto extremo (𝑓´(𝑥) = 0):
Se presenta una tendencia del método a oscilar alrededor de la raíz.
𝑥3 𝑥1 𝑥2 𝑥0
Métodos Numéricos
30
Teorema: La función 𝑓 ∈ 𝒞 𝑚 [𝑎, 𝑏] tiene un cero de multiplicidad m en r en (a, b) si

y sólo si
0 = 𝑓 𝑟 = 𝑓´ 𝑟 = ⋯ = 𝑓 𝑚 −1 𝑟 , 𝑓𝑚 𝑟 ≠ 0
c) Raíces Múltiples:
Una condición inicial 𝑥0 cercana de un punto crítico de la función puede “saltar”

lejos buscando otra raíz.
Múltiples raíces y la iteración va

llevando a otras raíces más lejanas.
𝑥2 𝑥1 𝑥0
MÉTODO DE NEWTON MODIFICADO
En resumen el método de Newton tiene problema para localizar aquellos ceros

cercanos de punto críticos de la función o de multiplicidad mayor que 1. Una
alternativa a este problema es modificar el método de Newton para “resistir” este
tipo de ceros. Veamos ésta modificación, recordemos que en el método de
Newton la iteración se da por medio de:
𝑓 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´ 𝑥𝑖
Para el método Newton modificado defina

𝑓 𝑥
𝑢 𝑥 = 𝑓´ 𝑥𝑖 y considere la iteración como sigue:
𝑖
𝑢 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 −
𝑢´ 𝑥𝑖
Métodos Numéricos
31
Donde
𝑓´ 𝑥𝑖 𝑓´ 𝑥𝑖 − 𝑓 𝑥𝑖 𝑓´´ 𝑥𝑖
𝑢´ 𝑥 =
𝑓´ 𝑥𝑖 2
Luego,
𝑓 𝑥𝑖
𝑓´ 𝑥𝑖 𝑓 𝑥𝑖 𝑓´ 𝑥𝑖 2
𝑥𝑖+1 = 𝑥𝑖 − 2
= 𝑥𝑖 − 2
𝑓´ 𝑥𝑖 − 𝑓 𝑥𝑖 𝑓´´ 𝑥𝑖 𝑓´ 𝑥𝑖 𝑓´ 𝑥𝑖 − 𝑓 𝑥𝑖 𝑓´´ 𝑥𝑖
𝑓´ 𝑥𝑖 2
Finalmente la fórmula para el método de Newton modificado queda como sigue:
𝑓 𝑥𝑖 𝑓´ 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 − 2
𝑓´ 𝑥𝑖 − 𝑓 𝑥𝑖 𝑓´´ 𝑥𝑖
Noten que la fórmula de iteración del método de Newton modificado ya no se
anula en puntos críticos de la función, esto le da más eficiencia al momento de
usarlo en la localización de raíces cercanas de puntos críticos o para algunas
raíces múltiples.
Ejercicio: Utilice el método de Newton modificado para hallar el cero de la función

𝑓 𝑥 = (𝑥 − 4) 𝑥 + 3 2 . Construya
MÉTODO DE LA SECANTE
Un problema potencial en la implementación del método de Newton-Raphson es el

de la evaluación de la derivada. Existen algunas funciones cuyas derivadas
pueden ser en extremo difíciles de evaluar. En estos casos la derivada se puede
aproximar mediante una diferencia dividida finita regresiva.
A partir del método de Newton tenemos que
𝑓 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´ 𝑥𝑖
Como queremos evitar el cálculo de la derivada, podemos aproximarla por la

pendiente en 𝑥𝑖 .
Métodos Numéricos
32
𝑓 𝑥𝑖−1 − 𝑓(𝑥𝑖 )
𝑓´(𝑥𝑖 ) ≅
𝑥𝑖−1 − 𝑥𝑖
Para conseguir una variación del método de Newton, el cual denominaremos el

método de la secante, este es:
𝑓 𝑥𝑖 𝑓 𝑥𝑖 𝑥𝑖−1 − 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 − = 𝑥𝑖 −
𝑓 𝑥𝑖−1 − 𝑓(𝑥𝑖 ) 𝑓 𝑥𝑖−1 − 𝑓(𝑥𝑖 )
𝑥𝑖−1 − 𝑥𝑖
Así, la fórmula iterativa para el método de la secante es:
𝑓 𝑥𝑖 𝑥𝑖−1 − 𝑥𝑖
𝑥𝑖+1 = 𝑥𝑖 −
𝑓 𝑥𝑖−1 − 𝑓(𝑥𝑖 )
Ejemplo 1
Determine la primera raíz positiva de 𝑓 𝑥 = −11 − 22𝑥 + 17𝑥 2 − 2.5𝑥 3

gráficamente y luego utilice el método de la secante con una tolerancia de 10−7 .
Solución
Busquemos primero una buena aproximación gráfica con Matlab, la gráfica una
aproximación en
Gráficamente la raíz está

aproximadamente en 𝑥 = 2.43 y tiene
otra real muy cerca de cero pero
negativa. Así que aplicaremos el método
de la secante para mejorar la
aproximación obtenida gráficamente.
La fórmula iterativa de la secante

necesita para su aplicación dos puntos
iníciales, y como se deriva del método
de Newton estos puntos deben ser
escogidos cercanos de la raíz,
utilizaremos en este caso las condiciones iníciales 𝑥0 = 1.8 y 𝑥1 = 2.2 y
aplicando el método de la secante obtenemos la siguiente tabla en Matlab. Con el
programa secante.m. Su utilización es como sigue secante(x0,x1,tol) 𝑥0 = 1.8
y 𝑥1 = 2.2 y una tolerancia 10−7 .
Métodos Numéricos
33
El código e Matlab genera la siguiente tabla
Observaciones:
Para aplicar el método de la secante

se necesitan 2 puntos iníciales pero se
evita calcular la derivada.
El método de secante es muy parecido

al método de regla falsa en la fórmula
que se aplica
Recordemos las formulas para

ambos métodos
𝑓 𝑏 (𝑏−𝑎)
𝑒 =𝑏−𝑓 REGLA FALSA
𝑏 −𝑓(𝑎)
𝑓 𝑥 𝑖 (𝑥 𝑖−1 −𝑥 𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − MÉTODO DE LA SECANTE
𝑓 𝑥 𝑖−1 −𝑓(𝑥 𝑖 )
i) Tienen la misma fórmula

ii) Secante es un método abierto, mientras que regla falsa es cerrado.
iii) El método de regla falsa como es un método cerrado siempre converge,
el método de la secante puede ser divergente.
Ejercicio
Usar el método de la secante y de regla falsa para calcular la raíz de 𝐿𝑛(𝑥)
Con 𝑥0 = 0.5 y 𝑥1 = 5.
Método de la secante modificado
Consideremos Newton-Raphson, que tiene iteración
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´(𝑥𝑖 )
𝑓 𝑥 𝑖 +𝛿 −𝑓(𝑥 𝑖 )
Y aproximemos 𝑓´(𝑥𝑖 ) ≅ 𝛿
Donde 𝛿 es un numero pequeño, con eso podemos transformar Newton-Raphson

en
Métodos Numéricos
34
𝑓(𝑥𝑖 ) 𝛿𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − = 𝑥𝑖 −
𝑓 𝑥𝑖 + 𝛿 − 𝑓(𝑥𝑖 ) 𝑓 𝑥𝑖 + 𝛿 − 𝑓(𝑥𝑖 )
𝛿
Ejercicio
Determine la raíz máxima de 𝑓 𝑥 = 𝑥 3 − 6𝑥 2 + 11𝑥 − 6.1
a) Cuadráticamente
b) Newton-Raphson
c) Secante
d) Secante modificado
1. Sea 𝑓 𝑥 = 𝑥 2 − 7. Aplique el método de Newton para encontrar el cero

positivo de la función 𝑓 con una precisión de 10−6 y condición inicial 𝑥0 = 1
2. Utilice el método de la secante y el de regla falsa para resolver el ejercicio 1. Y
explique las diferencias en la convergencia. Con condiciones iníciales 𝑥0 = 3 y
𝑥0 = 2.
3. Determine la menor raíz positiva de 𝑓 𝑥 = 8𝑠𝑒𝑛 𝑥 𝑒 −𝑥 − 1 primero de forma
gráfica y después usando el método newton con una precisión de 10−6 .
Después use el método de la secante para realizar el mismo ejercicio y
compare los resultados en términos de la velocidad de convergencia.
4. Emplee el método de la secante con la función círculo 𝑥 + 1 2 + (𝑦 − 2)2 = 16
para encontrar una raíz real positiva, tome como valores iníciales a 𝑥0 = 3 y
𝑥1 = 0.5. Aproxímese a la solución del primer y cuarto cuadrante. Cuando
resuelva para 𝑓(𝑥) en el cuarto cuadrante, asegúrese de tomar el valor
negativo de la raíz cuadrada. ¿Por qué diverge la solución?.
5. El volumen 𝑉 de un tanque esférico de radio 𝑟 está relacionado con la
profundidad 𝑕 del líquido por
𝜋𝑘 2 (3𝑟 − 𝑕)
𝑉=
3𝑟
Determine 𝑕 para 𝑟 = 1 𝑚 y 𝑉 = 0.75 𝑚3 . Utilice el método de la secante y el
de Newton para hacerlo con un cercanía de 10−6 .
6. La siguiente ecuación permite calcular la concentración de un químico en un

reactor donde se tiene una mezcla completa 𝑐 = 𝑐𝑒𝑛𝑡 1 − 𝑒 −0.04 + 𝑐0 𝑒 −0.04 Si
la concentración inicial es 𝑐0 = 5 y la concentración de entrada es 𝑐𝑒𝑛𝑡 = 12,
calcule el tiempo requerido para que 𝑐 sea el 85% de 𝑐𝑒𝑛𝑡 .

Ejedoscorre 1

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Ejedoscorre 1

Загружено:

Авторское право:

Доступные форматы

Métodos Numéricos

Documento Complementario para el curso Virtual

1.1 SOLUCIÓN NUMÉRICA DE ECUACIONES EN

Sea 𝑓: 𝐷 → 𝑅 una función dada. Un número 𝛼 ∈ 𝐷 se dice una raíz (o un cero) de

𝐥𝐢𝐦𝒏→∞ 𝒙𝒏 = 𝜶 (Método iterativo).

Cuando usamos el computador, por lo general, no tendremos el valor exacto de

Si 𝑓 es una función en alguna vecindad 𝑽 de 𝛼, si 𝑥𝑛 para 𝑛 > 𝑁, 𝑁 ∈ ℕ, está

Lo anterior lo podemos entender como sigue: Para valores cercanos 𝑥𝑛 de 𝛼,

Al primer 𝒙𝒏 ∈ 𝑽 para 𝒏 > 𝑁, cuya distancia de 𝑥𝑛 a 𝜶 sea menor que 𝜖 lo

Si lim𝑛→∞ 𝑥𝑛 = 𝛼, entonces para 𝜖 > 0 tan pequeño como se quiera, existe

En donde |𝑥𝑛 − 𝛼 | denota la distancia entre 𝑥𝑛 y 𝛼 (por eso se toma el valor

Para 𝑛, 𝑚 > 𝑁, |𝑥𝑛 − 𝑥𝑚 | ≤ |𝑥𝑛 − 𝛼 − 𝑥𝑚 + 𝛼| ≤ |𝑥𝑛 − 𝛼| + |𝑥𝑚 − 𝛼| < 2𝜖 .

Con respecto a lo anterior, tomamos como aproximación de 𝛼 a α∗ = 𝑥𝑛 , 𝑛 > 𝑁

|𝑖| > 𝑀 |𝑓 𝑥𝑖 − 𝑓( 𝑥𝑖+1 ) | > 𝑀

 El tamaño de todos los datos supera la capacidad del Hardware

Para hallar las raíces de una ecuación de la forma 𝑓 𝑥 = 0 se requiere conocer

 Numero de raíces de la ecuación en un intervalo.

En cualquier proceso numérico se requiere de un número mínimo de datos de

 La ecuación o la fórmula de la función 𝑓.

 El intervalo donde se localiza la raíz o la condición inicial (aproximación

 La aproximación de la raíz 𝛼 ∗ en caso de que el proceso (programa) la

Antes de estudiar cualquier método, veamos bajo qué condiciones de la función f

Sea f una función de variable real en un intervalo 𝑎, 𝑏 , si se cumple que:

Entonces, existe por lo menos una raíz 𝛼 ∈ [𝑎, 𝑏] de 𝑓.

1. El teorema anterior garantiza la existencia de la raíz, ésta bajo las condiciones

2. Si al Teorema 2.1 agregamos la condición de Diferenciabilidad en el intervalo

Cuando iniciemos el estudio de los métodos para la aproximación de las raíces de

Para localizar una aproximación de una raíz de la ecuación 𝑓 𝑥 = 0, en general

1. Realizar una gráfica de la función de la cual se quiere aproximar la raíz, ésta se

El primer método que estudiaremos se llama Búsquedas Incrementales.

MÉTODOS CERRADOS O DE INTERVALOS

1.1 BÚSQUEDAS INCREMENTALES

El primer paso de búsquedas incrementales consiste en dar un intervalo x0 , b tan

La partición que genera es la siguiente x0 , x0 + x , x0 , x0 + 2x , … , x0 , x0 +

primero x0 , x0 + x ; en el intervalo que se detecte el cambio de signo está la

Encontrar una aproximación para la raíz de la función dada en el intervalo [0,4]

Los métodos de búsquedas incrementales y el método de la bisección, se

Ejercicio Sección 1.1

1. Para las funciones dadas a continuación aplicar el método de búsquedas

a. 𝑓 𝑥 = −0.5𝑥 2 + 2.5𝑥 + 4.5.

2. En este ejercicio deberás utilizar el computador y el software Matlab, para

1.1 METODO DE LA BISECCIÓN

Esta es la condición “básica” que se cumplir al momento de aplicar el método de

fig. 1: Método de la bisección

El proceso del método es como sigue:

Se averigua si 𝑓 𝑎 ∗ 𝑓(𝑐) < 0, entonces la raíz de 𝑓 está en [a, c] , si no es así el

Ejemplo 1: Utilice el método de bisección para encontrar la raíz de:

Verifiquemos primero que se satisface la condición de cambio de signo esto es,

La grafica en Matlab es la siguiente.

Comprobada las condiciones para

Entonces el punto medio de [0,2] es1,

𝑖 𝑎 𝑏 𝑐 𝑓(𝑎) 𝑓 𝑏 𝑓 𝑐 𝑆𝑖𝑔 𝑓 𝑎 𝑆𝑖𝑔 𝑓 𝑏 𝑆𝑖𝑔 𝑓(𝑐)

Análisis del error en el Método de Bisección

En el método bisección, se genera la sucesión de intervalos 𝑎0 , 𝑏0 ,

Y la sucesión {𝑏𝑛 }𝑛 ∈ 𝑁 es decreciente es decir:

Así las cosas

𝑏𝑛+1 − 𝑎𝑛+1 = 2−𝑛 𝑏0 − 𝑎0

𝑙𝑖𝑚𝑛→∞ 𝑏𝑛+1 − 𝑎𝑛+1 =𝑙𝑖𝑚 = 2−𝑛 𝑏0 − 𝑎0 = 0

Luego 𝑙𝑖𝑚 𝑏𝑛+1 = 𝑙𝑖𝑚 𝑎𝑛+1 = 𝑟, donde 𝑟 es la raíz de la función.

Veamos esto, para el 𝑛-èsimo paso

De lo anterior tenemos que

De donde 𝑓(𝑟) = 0, luego 𝑟 es la raíz.

Hay que destacar un hecho importante en bisección, y es que el número de pasos