República Bolivariana de Venezuela

Ministerio del poder popular para la educación Superior

Universidad Alonso de Ojeda
Facultad de Ingeniería
Escuela: Ingeniería en Computación
Cátedra: Métodos Numéricos
Profesor: Gabriel Pineda
Sección:

Métodos Numéricos | UNIDAD I: Aproximaciones de Errores y Raíces de Ecuaciones

Estudiantes:

• Edmary García C.I.:

• Rigo Navarro C.I.
• Raimundo Paz C.I.:
• Mario Valbuena C.I.: 10439091

Julio, 2019
 Contenido

Métodos Que Usan Un Intervalo

1. Método Grafico.
2. Método de Bisección.
3. Método de Falsa posición.
4. Método de Falsa Posición Modificada.

Métodos Abiertos

5. Método Newton-Raphson.
6. Método de la secante
7. Método del Punto Fijo.

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹2›

 Método Gráfico 1
Es un método simple para obtener una aproximación a la raíz de la
ecuación. Consiste en graficar la función y observar dónde cruza el
eje x.

Lo esencial en este método es poder construir un modelo gráfico de

la ecuación y luego por inspección estimar una aproximación a la
raíz. El mayor inconveniente de éste método es su poca precisión y
exactitud.

Métodos Numéricos | Unidad I | Métodos que usa un intervalo Pág. 3

 Método Bisección 2

Consiste en dividir el intervalo en

dos partes iguales reteniendo la
mitad en donde f cambia de
signo, para conservar al menos
una raíz, y repetir el proceso varias
veces.

Algoritmo del método:

1. Seleccionar los intervalos iníciales XI y XD de tal forma que la función

cambie de signo sobre el intervalo. Verificar que f(XI) f(XD)<0. Nos
indica si el método se puede repetir para encontrar mejores
estimaciones.

2. Determinar la primera aproximación a la raíz XM, mediante:

XM = (XI + XD) / 2

Métodos Numéricos | Unidad I | Métodos que usa un intervalo Pág. 4

 Método Bisección 2
3. Realizar las siguientes evaluaciones, considerando los siguientes
criterios, para determinar en que subintervalo cae la raíz:

 Si f(XI) f(XM)<0, entonces la raíz se encuentra dentro del primer

subintervalo. Por lo tanto, resuélvase XD =XM y continúe el paso
siguiente.

Si f(XI) f(XM)>0, entonces la raíz se encuentra dentro del segundo

subintervalo. Entonces, resuélvase XI =XM y continúe con el paso 4.

Si f(XI) f(XM)=0, entonces la raíz es igual a XM y se terminan los

cálculos.

4. Determinar la primera aproximación a la raíz XM, mediante:

XM = (XI + XD)/2

5. Si la nueva aproximación es tan exacta, los cálculos terminan,

de otra forma, regresar al paso 3.

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹5›

 Método Bisección 2
Ejemplo: Aplique el Método de Intervalo Medio para encontrar una
raíz de la ecuación X3-X-1 = 0, que está entre 0.0 y 3.0 con un error
menor que 2×10-2. Utilice cuatro cifras significativas.

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹6›

 Método de Falsa Posición 3

La falsa posición es una alternativa a la

bisección basada en una visualización gráfica.
Un inconveniente del método de bisección es
que al dividir el intervalo de xl a xu en mitades
iguales, no se toman en consideración las
magnitudes de f(xl) y f(xu).

Por ejemplo
Si f(xl) está mucho más cercana a cero que f(xu), es lógico que la
raíz se encuentre más cerca de xl que de xu. Un método alternativo
que aprovecha esta visualización gráfica consiste en unir f(xl) y f(xu)
con una línea recta. La intersección de esta línea con el eje de las x
representa una mejor aproximación de la raíz. El hecho de que se
reemplace la curva por una línea recta da una “falsa posición” de la
raíz; de aquí el nombre de método de la falsa posición, o en latín,
regula falsi. También se le conoce como método de interpolación
lineal.

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹7›

 Método de Falsa Posición 3
Usando triángulos semejantes, la intersección de la línea recta con el
eje de las x se estima mediante una semejanza de triángulos, en la
cual se despeja xr

Se despeja Xr

Ésta es la fórmula de la falsa posición. El valor de xr calculado con

la ecuación, reemplazará, después, a cualquiera de los dos valores
iniciales, xl o xu, y da un valor de la función con el mismo signo de
f(xr). De esta manera, los valores xl y xu siempre encierran la
verdadera raíz.

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹8›

 Método Newton - Raphson 5
Se puede usar para a partir de la relación en el post solución con la relación
entre los cuadrados primos grandes aleatoriamente.
En análisis numérico, el método de Newton (conocido también como el
método de Newton–Raphson o el método de Newton-F una función real).
También puede ser usado para encontrar el máximo o mínimo de una
función.
Descripción Del Método
El método de Newton-Raphson es un método abierto, en el sentido de que
su convergencia global no está garantizada. La única manera d un valor
inicial lo suficientemente cercano a la raíz buscada. Así, se ha de comenzar
la iteración con un valor razonablemente cercano al c valor supuesto). La
relativa cercanía del punto inicial a la raíz depende mucho de la naturaleza
de la propia función; si ésta presenta múl grandes en el entorno de la raíz,
entonces las probabilidades de que el algoritmo diverja aumentan, lo cual
exige seleccionar un valor sup hecho esto, el método linealiza la función por
la recta tangente en ese valor supuesto. La abscisa en el origen de dicha
recta será, según e raíz que el valor anterior. Se realizarán sucesivas
iteraciones hasta que el método haya convergido lo suficiente.

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 9

 Método Newton - Raphson 5
Descripción Del Método
Sea f : [a, b] -> R función derivable definida en el intervalo real [a, b].
Empezamos con un valor inicial x0 y definimos para cada número
Donde f ‘ denota la derivada de f.

Nótese que el método descrito es de aplicación exclusiva para funciones de

una sola variable con forma analítica o implícita cognoscible. sistemas
discretos que permiten estimar las raíces de la tendencia, así como
algoritmos que extienden el método de Newton a sistemas m.

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹10›

 Método Newton - Raphson 5
Obtención Del Algoritmo
Tres son las formas principales para la obtención del algoritmo de Newton-
Raphson.
• Una simple interpretación geométrica. atendiendo al desarrollo
geométrico del método de la secante, (distancia infinitesimal), entonces
la secante se sustituye por la tangente a la curva en el punto. Así pues, si
por un punto de iteración traz iteración se tomará como la abscisa en el
origen de la tangente (punto de corte de la tangente con el eje X). Esto
es equivalente a linealiza cuya pendiente coincide con la derivada de la
función en el punto, f‘(x0). La nueva aproximación a la raíz, x1, se logra la
intersección de la:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 11

 En la ilustración adjunta del método de Newton se puede ver que xn +
1 es una mejor aproximación que xn para el cero (x) de la función f.
Una forma alternativa de obtener el algoritmo es desarrollando la
función f (x) en serie de Taylor, para un entorno del punto xn:

Si se trunca el desarrollo a partir del término de grado 2, y evaluamos

en xn + 1:

Si además se acepta que xn + 1 tiende a la raíz, se ha de cumplir que

f(xn + 1) = 0, luego, sustituyendo en la expresión anterior, obtenemos el.
Finalmente, hay que indicar que el método de Newton-Raphson
puede interpretarse como un método de iteración de punto fijo. Así,
dad el siguiente método de iteración de punto fijo:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 12

 Se escoge h (x) de manera que g'(r)=0 (r es la raíz buscada). Dado
que g'(r) es:

Entonces:

Como h (x) no tiene que ser única, se escoge de la forma más

sencilla:

Por tanto, imponiendo subíndices:

Expresión que coincide con la del algoritmo de Newton-Raphson.

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 13
 CONVERGENCIA DEL MÉTODO
El orden de convergencia de este método es, por lo menos,
cuadrático. Sin embargo, si la raíz buscada es de multiplicidad
algebraica may convergencia cuadrática y pasa a ser lineal de
constante asintótica de convergencia 1-1/m, con m la multiplicidad
de la raíz.
Existen numerosas formas de evitar este problema, como pudieran
ser los métodos de aceleración de la convergencia tipo ∆² de Aitken
o Rabinowitz, que restaura la convergencia cuadrática sin más que
modificar el algoritmo a:

Evidentemente, este método exige conocer de antemano la

multiplicidad de la raíz, lo cual no siempre es posible. Por ello
también se pue se puede demostrar que el método de Newton-
Raphson tiene convergencia cuadrática: si∝ es raíz, entonces:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 14

 Su principal desventaja en este caso sería lo costoso que pudiera ser
hallar g(x) y g'(x) si f(x) no es fácilmente derivable.
Por otro lado, la convergencia del método se demuestra cuadrática
para el caso más habitual en base a tratar el método como uno de
pun embargo, está sujeto a las particularidades de estos métodos.
Nótese de todas formas que el método de Newton-Raphson es un
método abierto: la convergencia no está garantizada por un
teorema d
Así, es necesario partir de una aproximación inicial próxima a la raíz
buscada para que el método converja y cumpla el teorema de
convergencia.

Sea, entonces existe un r> 0

tal que si <img alt=”|x_0-p|, entonces la sucesión estimada del error-

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 15

 ESTIMACIÓN DE ERROR
Para una cierta constante C. Esto significa que si en algún momento el
error es menor o igual a 0,1, a cada nueva iteración doblamos (apr
estimación aproximada del error:

Error relativo entre dos aproximaciones sucesivas:

Con lo cual se toma el error relativo como si la última aproximación

fuera el valor exacto. Se detiene el proceso iterativo cuando este
error:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 16

 TEOREMA DE CONVERGENCIA LOCAL DEL MÉTODO DE NEWTON

<img alt=” |x_n-p| para todo n y xn tiende a p cuando n tiende a

infinito.
Si además , entonces la convergencia es cuadrática.

EJEMPLO
Consideremos el problema de encontrar un número positivo x tal que
cos(x) = x3. Podríamos tratar de encontrar el cero de f(x) = cos(x) –

Sabemos que f ‘(x) = -sin(x) – 3x2. Ya que cos(x) ≤ 1 para todo x y x3 > 1
para x>1, deducimos que nuestro cero está entre 0 y 1. Comenzar Los
dígitos correctos están subrayados. En particular, x6 es correcto para
el número de decimales pedidos. Podemos ver que el número d la
convergencia cuadrática.

En pseudocódigo, esto es:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 17
 CODIGO EN MATLAB

Programa escrito en Matlab para hallar las raíces usando el

método de NEWTON-RAPHSON

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 18

 2- MÉTODO DE LA SECANTE

En análisis numérico el método de la secante es un método para

encontrar los ceros de una función de forma iterativa.
Es una variación del método de Newton-Raphson donde en vez de
calcular la derivada de la función en el punto de estudio, teniendo
en mente la definición de derivada, se aproxima la pendiente a la
recta que une la función evaluada en el punto de estudio y en el
punto de la iteración anterior. Este método es de especial interés
cuando el coste computacional de derivar la función de estudio y
evaluarla es demasiado elevado, por lo que el método de Newton
no resulta atractivo.
En otras palabras, el método de la secante es un algoritmo de la raíz
de investigación que utiliza una serie de raíces de las líneas secantes
para aproximar mejor la raíz de una función f. El método de la
secante se puede considerar como una aproximación en diferencias
finitas del método de Newton Raphson. Sin embargo, este método
fue desarrollado independientemente de este último.

EL MÉTODO SE DEFINE POR LA RELACIÓN DE RECURRENCIA:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 19

 Como se puede ver, este método necesitará dos aproximaciones
iniciales de la raíz para poder inducir una pendiente inicial.

DERIVACIÓN DEL MÉTODO

El método se basa en obtener la ecuación de la recta que pasa por

los puntos (xn−1, f(xn−1)) y (xn, f(xn)). A dicha recta se le llama
secante por cortar la gráfica de la función. En la imagen de arriba a
la derecha se toman los puntos iniciales x0 y x1, se construye una
línea por los puntos (x0, f(x0)) y (x1, f(x1)). En forma punto-pendiente,
esta línea tiene la ecuación mostrada anteriormente. Posteriormente
se escoge como siguiente elemento de la relación de recurrencia,
xn+1, la intersección de la recta secante con el eje de abscisas
obteniendo la fórmula, y un nuevo valor. Seguimos este proceso,
hasta llegar a un nivel suficientemente alto de precisión (una
diferencia lo suficientemente pequeñas entre xn y xn-1).

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 20

 CONVERGENCIA

El orden de convergencia de este método, en un punto cercano a la

solución, es 𝜑 donde:

Es el número áureo, por lo que se trata de una convergencia

superlineal inferior a la del método de Newton-Raphson. En caso de
que la aproximación inicial sea demasiado lejana o la raíz no sea
simple, este método no asegura la convergencia y tiene un
comportamiento similar al de Newton-Raphson.

COMPARACIÓN CON OTROS MÉTODOS DE BÚSQUEDA DE RAÍCES

El método de bisección necesita de muchas iteraciones comparado

con el método de la secante, ya que el proceso que éste sigue es
mucho más preciso que el de bisección, el cual solo divide por
mitades sucesivamente hasta dar con un valor aproximado al real y
por consecuente conlleva un número significativamente mayor de
iteraciones.

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 21

 El método de la regla falsa utiliza la misma fórmula que el
método de la secante. Sin embargo, no se aplica la fórmula
en xn−1 y xn, como el método de la secante, pero en xn y en
la última iteración xk tal que f(xk) y f(xn) tiene un signo
diferente. Esto significa que el método de regla falsa siempre
converge.
La fórmula de recurrencia del método de la secante se
puede derivar de la fórmula para el método de Newton-
Raphson:

Utilizando la aproximación de diferencias finitas:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 22

 Si comparamos el método de Newton-Raphson con el método de
la secante, vemos que el método de Newton-Raphson converge
más rápido (para 2 en contra α ≈ 1,6). Sin embargo, el método de
Newton-Raphson requiere la evaluación de ambos f y su derivada
en cada paso, mientras que el método de la secante sólo requiere
la evaluación de f. Por lo tanto, el método de la secante puede
muy bien ser más rápido en la práctica.

EJERCICIO DE EJEMPLO:

Utilice el método de la secante para encontrar una raíz real de la

ecuación polinomial: F(x)=x3+2x2+10x-20=0.
Utilizando la ecuación:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 23

 Obtenemos:

Y mediante x0=0 y x1=1 se calcula x2

Los valores posteriores son los siguientes:

Ahí tenemos el resultado, cuando:

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 24

 Comprobando el resultado graficando la función utilizando software
obtenemos:

Si bien no se converge a la raíz tan rápido como resolviéndolo

utilizando el método Newton-Raphson, la velocidad de
convergencia no es tan lenta como resolviéndolo por el método de
punto fijo; entonces se tiene para este ejemplo una velocidad de
convergencia intermedia.
Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 25
 CÓDIGO EN JAVA
public class metodos{
/**
* Este metodo crea un funcion a la cual se le aplicara el método de
* Biseccion teniendo como parametro de entrada un double x, el cual
* sirve para la construccion de la funcion dentro del metodo
* @return
*/ public static double evaluar(double x){ double a = Math.exp( x ) * ( 2*Math.pow( x,
3) ); return a;
}

/**
* Metodo de la Secante el cual le halla las raices de una funciones en un intervalo
* ingresado como parametro de entrada [x1, x2] y un el error con el cual
* deseamos hallar nuestra funcion, y nos retorna la raiz dentro del intervalo
* @param x1
* @param x2
* @param error
* @return x3

*/ public static double secante(double x1, double x2, double error){ double x3, fx1, fx2, fx3;

//string que contendra lal tabla de valores String line = "";

if ( Math.abs( evaluar( x1 ) ) < Math.abs( evaluar ( x2 ) ) ){ double aux = x1; x1 = x2; x2 =

aux;
}

fx1 = evaluar( x1 ); fx2 = evaluar( x2 );

do{
x3 = x2 - ( fx2 * ( x1 - x2 ) ) / ( fx1 - fx2 );
fx3 = evaluar( x3 ); line += x1 + " " + x2 + " " + x3 + " " + fx1 + " " + fx2 + " " + fx3 + "\n"; x1 = x2; x2 = x3; fx1 =
evaluar( x1 ); fx2 = evaluar( x2 ); fx3 = evaluar( x3 );
} while ( Math.abs( fx3 ) > error );
System.out.print( line ); return x3;

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 26

 2- MÉTODO DEL PUNTO FIJO

Los métodos abiertos utilizan una formula

para predecir la raíz. Esta formula puede
desarrollarse como una iteración simple de
punto fijo (también llamada iteración de un
punto o sustitución sucesiva o método de
punto fijo).

El método del punto fijo es un

método iterativo que permite
resolver sistemas de ecuaciones no
necesariamente lineales.

En particular se puede utilizar para

determinar raíces de una función de la
forma F(x), siempre y cuando se
cumplan los criterios de convergencia.

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 27

 Los dos puntos fijos,
marcados en rojo,
de la función:
F(x) = x2 - 4

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 28

El método de punto fijo o de
aproximaciones sucesivas, es junto con el
de bisección, uno de los primeros métodos
que se utilizaron para resolver ecuaciones
algebraicas u trascendentes.

Sea F(x) = 0 o una ecuación algebraica o

trascendente cualquiera. Se suma x en
ambos miembros y se obtiene:
F(x) + x = x (1)

Donde el miembro izquierdo es otra función

de x que se define como:

G(x) + x = x (2)

Se sustituye en la ecuación (1):

X = G(x) (3)

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 29

Se denota que cualquier ecuación
puede ser representada en esta forma,
siguiendo el procedimiento anterior.

Si x = a es una raíz de la ecuación,

entonces:
F(a) = 0

O bien, al sustituir en la ecuación (3):

a = G(a)

El método de aproximaciones sucesivas

consiste en sustituir un valor inicial (xO)
apropiado (cercano a la raíz) en el
segundo miembro de la ecuación (3). Si
x0 es la raíz, se deberá cumplir la
ecuación (4); esto es:

XO = G(xO)

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 30

 Esto será dificultoso de que ocurra;
posiblemente el valor inicial principal
proporcionado x0 será solo un valor
cercano a la raíz. Entonces, en el caso
general:
X0 =/ G(x0) o bien, x1= G(x0)

Donde x1 es la nueva aproximación de

la raíz a. Se sustituye x1 en el segundo
miembro de la ecuación (3) y se
obtiene:
X2 = G(x1)

Al proceder reiteradamente en esta

forma se induce que la n-ésima
aproximación es:
Xn = G(Xn-1)
n = 1, 2, 3, …….

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 31

Se puede afirmar que si el método
converge, la diferencia en valor
absoluto entre valores proporcionados
en 2 iteraciones sucesivas será cada
vez mas pequeña a medida que n
aumente, y con esto se tendrá un
criterio para saber cuando termina la
aplicación del método.

Es posible afirmar que si en la n-ésima

iteración el método se esta
aproximando a la raíz o converge a
ella, entonces:

|G*(t)| = |a – Xn| / |a – Xn-1| < 1

Es decir, el método es convergente si:

|G*(t)| < 1 Xn-1<t<a

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 32
 Esto significa que el método converge
en la n-esima iteración cuando el valor
absoluto de la derivada de G(x) en
cualquier punto del intervalo (Xn-1, a)
es menor que la unidad.

Por otra parte el método es divergente

si:
|a – Xn | > |a-Xn-1|

Siempre se tiene que tener en cuenta

que el método abierto del punto fijo,
nos expresa que, solo podrá haber y
tener un único punto o raíz.

Métodos Numéricos | Unidad I | Métodos Abiertos Pág. 33

 Gracias por su atención

METODOS NUMERICOS | Unidad I : Aproximación de Errores y Raíces de Ecuaciones Pág. ‹34›