2.2. METODO DE BISECCION.

Este mtodo es el ms sencillo de todos. Se basa en un sentido natural del

hombre que podra traducirse as: como el punto c esta entre a y b se podra
decir que el punto c esta en el medio de a y b, es evidente que el punto mas
sencillo de ubicar dentro del intervalo a-b es exactamente en el punto medio.

Si bien la puesta en marcha de este mtodo es muy fcil de llevar a cabo, el

nmero de clculos que se debe realizar para alcanzar la precisin deseada
suele ser muy elevado. El nmero de iteraciones puede ser muy a priori
evaluada a que en cada iteracin el valor aproximado de la solucin cambia
solamente en la cantidad (n), en donde n representa el nmero de iteraciones
que se han realizado hasta este paso de clculo:

Esta expresin se deduce fcilmente que al constatar que en cada lazo, e

intervalo [a,b], se reduce a su mitad y luego a su mitad, etc.
EJEMPLOS: 1.-Utilice el mtodo de biseccin para obtener una raz real del
polinomio.

Con los valores iniciales siguientes

Si =

O bien n

7.

Primera Iteracin.

, el numero de iteraciones n ser

Como

(distinto signo de
de

, se remplaza el valor de

, con lo cual queda un nuevo intervalo (1, 1.5). Entonces

Como

(distinto signo de
de

con el

, se remplaza el valor de

con el

, con lo cual queda un nuevo intervalo (1, 1.5). Entonces

Segunda Iteracin.

Y
Como ahora

(igual signo que

, se remplaza el valor de

con el valor de la nueva ; de esta manera queda como intervalo (1.25, 1.5).
La siguiente tabla muestra los clculos, llevados a cabo trece veces.

1.00000

2.00000

1.00000

2.00000

1.50000

1.00000

1.50000

1.25000

0.25000

2.42188

1.25000

1.50000

1.37500

0.12500

2.42188

1.25000

1.37500

1.31250

0.06250

0.13086

1.31250

1.37500

1.34375

0.03125

0.52481

1.34375

1.37500

1.35938

0.01563

0.19846

2.87500

1.35938

1.37500

1.36914

0.00781

0.03417

1.36719

1.37500

1.37109

0.00391

0.04825

1.36719

1.37109

1.36914

0.00195

0.00702

10

1.36719

1.36914

1.36816

0.00098

0.01358

11

1.36826

1.36914

1.36865

0.00049

0.00329

12

1.36865

1.36914

1.36890

0.00025

0.00186

13

1.36865

1.36890

1.36877

0.00013

0.00071

El criterio |

se satisface en diez iteraciones; es decir, tres

mas de las previstas en la ecuacin

, debido principalmente a los
errores de redondeo involucrados en el mtodo.
Se puede notar que si se hubiese aplicado sobre |
|, se habran
requerido 13 iteraciones en lugar de 10. En general se necesitaran mas
iteraciones para satisfacer un valor de

sobre |

| que cuando se aplica a

|.

2.3. MTODO DE APROXIMACIONES SUSESIVAS.

Sea F(x)=0 una ecuacin algebraica o trascendente cualquiera y x=a una raz
de ella, o sea un valor de xtal que la verifique idnticamente, es decir:
F(a)=0
Sumando x a ambos miembros y haciendo
F(x)=x+F(x)
Se obtiene que:

X=f(x)
Obsrvese que cualquier ecuacin puede escribirse en la forma, siguiendo un
proceso idntico al mostrado. Como x=a es una raz, tambin debe serlo y
puede escribirse:
A=f(a)
El mtodo de aproximaciones sucesivas consiste en el sustituir x0, un valor
aproximado de la raz a, en el segundo miembro con lo que se obtiene:
X1=f(x1)
Donde x2 ser de el nuevo valor aproximado de la raz a. Sustituyendo ahora
x1 en el segundo miembro se obtendr la siguiente aproximacin a la raz:
X2=f(x1)
Procediendo reiteradamente de esta manera, la n-esima aproximacin, tambin
llamada la n-esima iteracin, es:
Xn=f(xn-1)
Si a medida que n crece, xn tiende a a se dice que el mtodo converge; en
caso contrario se dice que diverge. Comparando las expresiones puede
afirmarse que, si el mtodo converge, la diferencia entre dos iteraciones
sucesivas ser cada vez mas pequea a medida de que n aumenta, lo que
proporciona un criterio de terminacin de aplicacin del mtodo
EJEMPLOS:
1.-Encontrar las dos races cuadradas de 0.5. sea

De donde

y
Sustituyendo

en (3-16)

Para determinar la raz positiva se empezara con

, entonces:

Trabajando con cuatro cifras significativas, el valor de la raiz positiva en la

tercera y cuarta iteraciones son iguales, por lo que con esta aproximacin el
valor de la raz ser 0.7071. Para encontrar la raz negativa se empezara
con
X1 =
X2 =
X3 =
X4 =

2.-Resolver la ecuacin X-4*sen X = 0.

Se tiene
F(x) = X-4sen X
F(x) = 1-4 cos X
Entonces

Xn+1 = Xn Y simplificando
Xn+1 = 4
En el Primer ejemplo de este apartado se demostr que en valor aproximado a
una raz de la ecuacin considerada, es:
X0= 2.5, luego
X1 = 4.
X1 = 4.
X1 = 4.
X1 = 4.

=2.47

X2 = 4.

=2.47
X=2.47

3.-Resolver la ecuacin log(X2+2)+ X=5 con tres cifras decimales de

aproximacin.
F(x)=log(X2+2)+X-5=0
F(X) =
X

+1=

f(x)
Xn+1=Xn -

-4.70

-3.52

Para estimar un valor aproximado de la raiz, se tabulara la

funcion F(x) en forma de buscar valores de X que hagan que
F(x) adquiera valores con signos contrarios. Los puntos
obtenidos aparecen en la siguiente tabla:
Tabulacion de y=log(X2 +2)+X-5

-2.22

-0.96

0.25

X0=3.75, entonces
X1=3.75 -

=3.7867

X2=3.7667 -

=3.7867
X=3.786

4.-Sea la ecuacin sen X=0, la cual se sabe tiene una raz en X=0. Se tratara
de resolverla a partir del valor de X0=1.165
F(x) = sen X
F(x) = cos X
Xn+1=Xn-

=Xn-tan Xn

Si X0=1.165 radianes, que equivale a 66.75, se obtiene

X1=1.165 tan 66.75= 1.1665-2.230=-1.165= -66.75
X2=-1.165-tan(-66.75)=-1.165+2.330=1.165=66.75=X0
Es claro que el valor X0= 1.165 es muy especial y que para cualquier otro valor
ms cercano a la raz el mtodo converge sin problemas.

2.4.1. MTODO DE NEWTON RAPHSON

Tal vez, de las formulas para localizar races, la formula de Newton Raphson
sea lamas ampliamente utilizada. Si el valor inicial para la raz es xi, entonces
se puede trazar una tangente desde el punto [xi,f(xi)] de la curva. Por lo comn,
el puno donde esta tangente cruza al eje x representa una aproximacin
mejorada de la raz.
El mtodo de Newton Raphson se deduce a partir e esta interpretacin
geomtrica (un mtodo alternativo basado en la serie de Taylor:

Que se arregla para obtener:

La cual se conoce como frmula de Newton Raphson.

EJEMPLOS:
1.-Encuentre una raz real de la ecuacin mediante el mtodo de Newton
Raphson, x0 = 1.

Con =
Se sustituyen

aplicado a |
y

en

Para lo cual queda de la siguiente forma

Primera Iteracin.

Como
, se calcula
Segunda Iteracin.

Como

, se calcula
Tercera Iteracin.

Como

, se calcula
Cuarta Iteracin.

Como

, se termina el proceso.

Con este proceso se obtiene la siguiente tabla:

)|

1.00000

0.24221

1.41176

0.41176

0.02446

1.36934

0.04243

0.00031

1.36881

0.00053

1.09 x 10-6

1.36881

0.00000

1.2714 x 10-6

Se requirieron solo tres iteraciones para satisfacer el criterio de convergencia.

Se observa que

ya no cambia con respecto a

que en cinco cifras decimales y que

en cinco cifras decimales y

es prcticamente cero.

2.-En este caso:

Utilizando la frmula de Newton:

Comenzando con

En este caso, el error aproximado es:

Se continua el proceso hasta reducir el error aproximado hasta donde se pidi.

Los resultados se resumen en la tabla:

1.268941421

21.19%

1.309108403

3.06%

1.309799389

0.052%

De lo cual se concluye que la aproximacin obtenida es:

=1.309799389
3.-Usar el mtodo de Newton-Raphson para aproximar races cuadradas de
nmeros reales positivos.
Sea

. Al calcular

tal que

; elevando al cuadrado
bien:

Esto sugiere definir la funcin,

de donde ,

,o

Al sustituir estos datos en la frmula de Newton-Raphson

Simplificada:

Para fijar un ejemplo de su uso, suponga

comenzando con
tabla:

y apliqu la frmula obtenida,

. Los resultados se resumen en la

Xr

Ea

5.1

1.96%

5.099019608

0.019%

5.099019514

0.0000018%

Luego entonces
, la cual es correcta en todos sus dgitos.
La misma idea puede aplicarse para crear algoritmos que aproximen races simas de nmeros reales positivos.
4.-Usar el mtodo de Newton-Raphson para aproximar la raz
de

, comenzando con

y hasta que

En este caso,

Al sustituir en la frmula de Newton-Raphson

Con un valor inicial de

El error aproximado es de:

Se contina con el proceso hasta lograr el objetivo. En la siguiente tabla se

resumen los resultados:

Xr

Ea

0.5

100%

0.5201957728

3.88%

0.5202689918

0.01%

De lo cual se concluye que la aproximacin obtenida es:

=0.52022689
5.-Halle una raz entre 0 y 1 de la misma funcin trascendente que antes:
f(x)=3x+ sen (x)-ex. sea
X0=0.5,

f(X0)=0.330704

h1=0.5,

X1=1.0,

f(X1)=1.123189

h2=0.5

X2=0.0,

f(X2) =-1
Entonces

y=1.0.

a=

=1.07644

b=

=2.12319,
c=0.330704,
Y

Raz=0.5

=0.354914
Para la siguiente iteracin se tiene

X0=0.354914,

f(X0)=-0.0138066

h1=0.145086,

X1=0.5,

f(X1)=0.330704

h2=0.354914

X2=0,

f(X2) =-1
Entonces

y=2.44623

a=

=-0.808314

b=

=2.49180,
c=-0.0138066

Raz=0.354914-

=0.360465

Despus de la tercera iteracin se obtiene 0.3604217 como el valor de la raz,

que es idntico al que se observo con el mtodo de newton despus de tres
iteraciones.
La experiencia muestra que la razn de convergencia del mtodo de Muller es
semejante a la del mtodo de newton. *sin embargo, no requiere la evaluacin
de derivadas y (una vez que se obtienen los valores iniciales) solo requiere una
evaluacin funcional por iteracin.
Hay un castigo inicial en el sentido de que es necesario evaluar tres veces la
funcin aunque esto frecuentemente se supera al alcanza la precisin
requerida.