MÉTODO DE BISECCION

Este método, también conocido como método de partición del intervalo, parte de una
ecuación algebraica o trascendental f(x) y un intervalo [x1, x2], tal que f(x1) y f(x2) tienen
signos contrarios, es decir, tal que existe por lo menos una raíz en ese intervalo.
Una vez determinado el intervalo [x1, x2] y asegurada la continuidad de la función en dicho
intervalo, se evalúa ésta en el punto medio xm del intervalo. Si f(xm) y f(x1) tienen signos
contrarios, se reducirá el intervalo de x1 a xm, ya que dentro de estos valores se encuentra la
raíz buscada. Si f(xm) y f(x1) tienen el mismo signo, se reducirá el intervalo de xm a x2. Al
repetir este proceso hasta lograr que la diferencia entre los dos últimos valores de xm será
una buena aproximación de la raíz.
El algoritmo del método es el que sigue:
1. Escoger los valores x1 y x2 del intervalo.
2. Comprobar la existencia de una raíz en el intervalo [x1, x2] verificando que
. De no ser así, será necesario elegir otros valores para x1 y x2.3.

Tomar O y calcular .
4. Si =0 se encontró la raíz de la función (fin del método). De lo contrario, ir al

paso 5.5. Sea T la tolerancia deseada (el margen de error aceptado). Si <T se
encontró una aproximación a la raíz con un margen de error menor a T (fin del método). O

donde este es el error porcentual De lo contrario, ir al paso 6.

6. Si , entonces hacer y repetir desde 3; de lo contrario, hacer
y repetir desde 3. SI ENTONCES

i
1 1 2 1.5 0.875 -0.875 0.5
2 1 1.5 1.25 -0.296875 0.296875 0.25
3 1.25 1.5 1.375 0.22460938 -0.06668091 0.125
4 1.25 1.375 1.3125 -0.05151367 0.01529312 0.0625
5 1.3125 1.375 1.34375 0.08261108 -0.0042556 0.03125
6 1.3125 1.34375 1.328125 0.01457596 -0.00075086 0.015625
7 1.3125 1.328125 1.3203125 -0.01871061 0.00096385 0.0078125
8 1.3203125 1.328125 1.32421875 -0.00212795 3.9815E-05 0.00390625
9 1.32421875 1.328125 1.32617188 0.00620883 -1.3212E-05 0.00195313
1
0 1.32421875 1.32617188 1.32519532 0.00203666 -4.3339E-06 0.00097656
FALSA POSICIÓN

Como mencionamos anteriormente, sería bueno considerar si la raíz de una ecuación está
localizada más cerca de alguno de los extremos del intervalo.

Consideremos nuevamente una gráfica como la anterior,

Donde hemos agregado la línea recta que une los puntos extremos de la gráfica en el
intervalo .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje esta recta, nos aproximaremos mucho más rápido a la raíz; ésta es en
sí, la idea central del método de la regla falsa y ésta es realmente la única diferencia con el
método de bisección, puesto que en todo lo demás los dos métodos son prácticamente
idénticos.
Supongamos que tenemos una función que es contínua en el intervalo y
además, y tienen signos opuestos.
Calculemos la ecuación de la línea recta que une los puntos , .
Sabemos que la pendiente de esta recta esta dada por:

Por lo tanto la ecuación de la recta es:

Para obtener el cruce con el eje , hacemos :

Multiplicando por nos da:

Finalmente, de aquí despejamos :

Este punto es el que toma el papel de en lugar del punto medio del método de
bisección.
Así pues, el método de la regla falsa sigue los siguientes pasos:
Sea contínua,
i) Encontrar valores iniciales , tales que y tienen signos opuestos,
es decir,

ii) La primera aproximación a la raíz se toma igual a:

iii) Evaluar . Forzosamente debemos caer en uno de los siguientes casos:

En este caso, tenemos que y tienen signos opuestos, y por lo tanto la raíz
se encuentra en el intervalo .

En este caso, tenemos que y tienen el mismo signo, y de aquí que

y tienen signos opuestos. Por lo tanto, la raíz se encuentra en el intervalo .

En este caso se tiene que y por lo tanto ya localizamos la raíz.

El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Ejemplo 1
Usar el método de la regla falsa para aproximar la raíz de , comenzando
en el intervalo y hasta que .
Solución
Este es el mismo ejemplo 1 del método de la bisección. Así pues, ya sabemos que es
contínua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el método de la regla falsa.

Calculamos la primera aproximación:

Puesto que solamente tenemos una aproximación, debemos seguir con el proceso.

Así pues,
evaluamos

Y hacemos nuestra tabla de signos:

De donde vemos que la raíz se encuentra en el intervalo .

Con este nuevo intervalo, calculamos la nueva aproximación:

En este momento, podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo seguimos con el proceso.

Evaluamos , y hacemos la tabla de signos:

De donde vemos que la raíz se encuentra en el intervalo , con el cual,

podemos calcular la nueva aproximación:
Y el error aproximado:

Como se ha cumplido el objetivo, concluímos que la aproximación buscada es:

Observe la rapidez con la cual converge el método de la regla falsa a la raíz, a diferencia de
la lentitud del método de la bisección.
Ejemplo 2
Usar el método de la regla falsa para aproximar la raíz de ,
comenzando en el intervalo y hasta que .
Solución
Este es el mismo ejemplo 2 del método de la bisección. Así pues, ya sabemos que se
cumplen las hipótesis necesarias para poder aplicar el método, es decir, que sea
contínua en el intervalo dado y que tome signos opuestos en los extremos de dicho
intervalo.

Calculamos pues, la primera aproximación:

Como solamente tenemos una aproximación, debemos avanzar en el proceso.

Evaluamos

Y hacemos nuestra tabla de signos:

De lo cual vemos que la raíz se localiza en el intervalo .

Así pues, calculamos la nueva aproximación:
Y calculamos el error aproximado:

Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.

Evaluamos .
Y hacemos nuestra tabla de signos:

De los cual vemos que la raíz se localiza en el intervalo , con el cual

podemos calcular al siguiente aproximación:

Y el siguiente error aproximado:

Como se ha cumplido el objetivo, concluímos que la aproximación buscada es:

Nuevamente observamos el contraste entre la rapidez del método de la regla falsa contra la
lentitud del método de la bisección.
Por supuesto que puede darse el caso en el que el método de la regla falsa encuentre la
aproximación a la raíz de forma más lenta que el método de la bisección. Como ejercicio, el
estudiante puede aplicar ambos métodos a la función , comenzando en el
intervalo , donde notará que mientras que el método de bisección requiere de 8
aproximaciones para lograr que , el método de la regla falsa necesita hasta 16
aproximaciones.

Veremos a continuación un ejemplo del metódo de la Posición, Falsa con la siguiente

ecuación:
# Xi Xd Fxi Fxd Nuevo Xm Error
1 -3 -2 -14 6 -2.3 -0.3
2 -3 -2.3 -14 1.533 -2.51 -0.21
3 -2.51 -2.3 -2.323251 1.533 -2.3207255520505 -0.020725552050473
4 -2.51 -2.3207255520505 -2.323251 1.1803871495748 -2.395969027827 -0.075243475776506
5 -2.395969027827 -2.3207255520505 -0.15043075408291 1.1803871495748 -2.3460753250876 -0.025349773037123
6 -2.395969027827 -2.3460753250876 -0.15043075408291 0.74096319530987 -2.3903292274407 -0.044253902353135
7 -2.3903292274407 -2.3460753250876 -0.04789074483039 0.74096319530987 -2.3828609830056 -0.036785657917969
8 -2.3903292274407 -2.3828609830056 -0.04789074483039 0.087191294668852 -2.3898758357919 -0.0070148527863751
9 -2.3898758357919 -2.3828609830056 -0.039667231209549 0.087191294668852 -2.3873888543541 -0.0045278713485732
10 -2.3898758357919 -2.3873888543541 -0.039667231209549 0.0053886529350926 -2.3890981847273 -0.0017093303731688
11 -2.3890981847273 -2.3873888543541 -0.025569238087972 0.0053886529350926 -2.387593289098 -0.00020443474381393
12 -2.3890981847273 -2.387593289098 -0.025569238087972 0.0016883143877866 -2.3878552371823 -0.00026194808438618
13 -2.3878552371823 -2.387593289098 -0.0030539102982061 0.0016883143877866 -2.3876095139854 -1.6224887399829E-5

Hemos terminado de analizar el método de la Posición Falsa, en este ejemplo con un error
de 0.0001; se encuentra la última raiz(Xm): -2.3876969957131 con 13 iteracciones.

Método de Newton-Raphson
Este método parte de una primera aproximación xn y mediante la aplicación de una fórmula
recursiva se acerca a la raíz de la ecuación, de manera tal que la nueva aproximación xn +1
se localiza en la intersección de la tangente a la curva de la función en el punto xn y el eje
de las abscisas.

y=f(x)

f(xn)

θ
a xn+1 xn

Sabemos que
tan(θ ) = f ′ ( xn )
Y que por definición
f ( xn )
tan(θ ) =
xn − xn+1
Es decir
f ( xn )
f ′( xn ) =
xn − xn+1
Y entonces
f ( xn )
xn +1 = x n − ; n = 0,1, 2, K
f ′( xn )
Para determinar en qué casos converge este método, se usará el mismo criterio que en el del
punto fijo:
f ( x)
h( x ) = x −
f ′( x )

Y si para una τ en el intervalo xn −1 < τ < a se cumple que

h′(τ ) < 1
entonces el método converge en la n-ésima iteración.
Para fines prácticos aplicaremos el mismo criterio de convergencia que en el método del
punto fijo.
Aunque el método casi siempre converge a la solución en un número reducido de
iteraciones, a continuación se enlistan algunos de los casos de divergencia más comunes:
1. Círculo vicioso. Cuando al utilizar xn se obtiene por la tangente un valor xn +1
que al sustituir en la fórmula recursiva regresa al mismo valor xn .
2. Indeterminación. Cuando evaluamos la fórmula en un punto donde la función
tiene un máximo o un mínimo.
3. Aparente divergencia. Cuando la aproximación inicial x0 está muy alejada del
valor real de la raíz, es posible que en las primeras iteraciones el método
proporcione valores aparentemente divergentes y, sin embargo, el método
conduzca después de algunas iteraciones a la solución.
La interpretación geométrica del método de Newton-Raphson es muy similar a la del punto
fijo: a partir de una aproximación inicial x0 , se dirige una recta vertical hacia la curva
y=f(x), se traza una tangente y se toma como x1 el punto de intersección entra la tangente y
el eje de las abscisas; de nuevo, verticalmente a la curva, etc.
El algoritmo del método consiste en:
1. Calcular f ′( x ) .
2. Escoger una aproximación inicial x0 .
Sea n=0.
f ( xn )
xn +1 = x n −
3. Evaluar f ′( xn ) .

4. Comparar xn +1 − xn con xn − xn −1 :
 a) Si xn +1 − xn < xn − xn−1 , el método converge. Ir al paso 5.
b) Si xn +1 − xn > xn − xn−1 , el método diverge, aparentemente. Se detiene
el método y se escoge una nueva aproximación x0 .
c) Si xn +1 − xn = x n − x n− 1 , el método se ha estancado. Se detiene el
método y se escoge una nueva aproximación x0 .
Note que en la primera iteración no es posible aplicar aún este criterio, por lo
que se omite este paso y se continúa en 5.
5. Si xn − xn −1 =0, se encontró la raíz de la función (fin del método). De lo
contrario, ir al paso 6.
6. Sea T la tolerancia deseada (el margen de error aceptado). Si xn − xn −1 <T se
encontró una aproximación a la raíz con un margen de error menor a T (fin del
método). De lo contrario, ir al paso 3 haciendo n=n+1.

Ejemplo. Obtén una raíz positiva de la siguiente ecuación empleando el método de Newton-
Raphson y considerando una tolerancia de 0.001.
2cos( x) − e x = 0

Solución. Tenemos que

f ′( x) = −2sen( x ) − e x
De manera que nuestra fórmula recursiva estará dada por
2 cos( xn ) − e xn
xn +1 = x n − ; n = 0,1, 2, K
−2 sen( xn ) − e xn
2 cos (x)-exp(x)

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
x

En la gráfica puede apreciarse que el valor de la raíz se encuentra en el intervalo [0.2,0.8] y

escogemos 0.2, lo cual no representa inconveniente alguno, pues en ese punto no existe ni
un máximo ni un mínimo de la función.
Evaluamos ahora la fórmula para encontrar el valor de x1

Cabe señalar que los cálculos de las funciones trigonométricas están dados en radianes.

2cos(x)-exp(x)

f(x)

x
x0=0.2 x1=0.66

Como x1 − x0 ≠ 0 , es decir, no se ha encontrado la raíz y además x1 − x0 ≈ 0.46 es

mayor a la tolerancia deseada, hacemos una nueva iteración.
En la siguiente tabla pueden apreciarse los resultados de cada iteración. Al comparar las
diferencias x2 − x1 y x1 − x0 se observa que x2 − x1 < x1 − x0 , por lo que se concluye
que el método converge. El método encontró una aproximación al valor de la raíz en tan
sólo cuatro iteraciones 0.53978516, con un margen de error del 0.1%.

n xn f ( x) f ′( x ) xn +1 xn +1 − xn
0 0.2 0.7387304 -1.61874142 0.65636097 -
1 0.65636097 -0.34332806 -3.14824033 0.54730701 0.45636097
2 0.54730701 -0.02073363 -2.76937066 0.53982025 0.10905395
3 0.53982025 -9.6261E-05 -2.74366205 0.53978516 0.00748677
4 0.53978516 -2.1119E-09 -2.74354166 0.53978516 3.5085E-05

MÉTODO DE LA SECANTE
Este método se basa en la fórmula de Newton-Raphson, pero evita el cálculo de la derivada
usando la siguiente aproximación:
 Sustituyendo en la fórmula de Newton-Raphson, obtenemos:

Que es la fórmula del método de la secante. Nótese que para poder calcular el valor de ,
necesitamos conocer los dos valores anteriores y .

Obsérvese tambien, el gran parecido con la fórmula del método de la regla falsa. La
diferencia entre una y otra es que mientras el método de la regla falsa trabaja sobre
intervalos cerrados, el método de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximación casi con la misma rapidez que el método de Newton-Raphson.
Claro, corre el mismo riesgo de éste último de no converger a la raíz, mientras que el
método de la regla falsa va a la segura.

Ejemplo 1
Usar el método de la secante para aproximar la raíz de , comenzando con
, y hasta que .

Solución
Tenemos que y , que sustituímos en la fórmula de la
secante para calcular la aproximación :

Con un error aproximado de:

Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los

resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

0
1 100%
 0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%

De lo cual concluímos que la aproximación a la raíz es:

Ejemplo 2
Usar el método de la secante para aproximar la raíz de ,
comenzando con y , y hasta que .

Solución
Tenemos los valores y , que sustituímos en la fórmula
de la secante para obtener la aproximación :

Con un error aproximado de:

Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los

resultados en la siguiente tabla:
Aprox. a la raíz Error aprox.
0
1 100%
0.823315073 21.4%
0.852330280 3.40%
0.853169121 0.09%

De lo cual concluímos que la aproximación a la raíz es:

Veremos a continuación un ejemplo del metódo de la secante, con la

siguiente ecuación:

# Xi Xd Fxi Fxd Nuevo Xm Error

1 -3 -2 -14 6 -2.3 -0.3
2 -3 -2.3 -14 1.533 -2.51 -0.21
3 -2.51 -2.3 -2.323251 1.533 -2.3207255520505 -0.020725552050473
4 -2.51 -2.3207255520505 -2.323251 1.1803871495748 -2.395969027827 -0.075243475776506
5 -2.395969027827 -2.3207255520505 -0.15043075408291 1.1803871495748 -2.3460753250876 -0.025349773037123
6 -2.395969027827 -2.3460753250876 -0.15043075408291 0.74096319530987 -2.3903292274407 -0.044253902353135
7 -2.3903292274407 -2.3460753250876 -0.04789074483039 0.74096319530987 -2.3828609830056 -0.036785657917969
8 -2.3903292274407 -2.3828609830056 -0.04789074483039 0.087191294668852 -2.3898758357919 -0.0070148527863751
9 -2.3898758357919 -2.3828609830056 -0.039667231209549 0.087191294668852 -2.3873888543541 -0.0045278713485732
10 -2.3898758357919 -2.3873888543541 -0.039667231209549 0.0053886529350926 -2.3890981847273 -0.0017093303731688
11 -2.3890981847273 -2.3873888543541 -0.025569238087972 0.0053886529350926 -2.387593289098 -0.00020443474381393
12 -2.3890981847273 -2.387593289098 -0.025569238087972 0.0016883143877866 -2.3878552371823 -0.00026194808438618
13 -2.3878552371823 -2.387593289098 -0.0030539102982061 0.0016883143877866 -2.3876095139854 -1.6224887400274E-5

Hemos terminado de analizar el método de la secante, en este ejemplo con un error de

0.0001; se encuentra la última raiz(Xm): -2.3876969957131 con 13 iteracciones.