Mtodos de Runge Kutta

Los mtodos de Taylor tienen la propiedad de un error local de truncamiento de

orden superior, pero la desventaja de requerir el clculo y la evaluacin de las
derivadas de f(t, y). Esto resulta algo lento y complicado, en la mayora de los
problemas, razn por la cual, en la prctica casi no se utilizan. El mtodo de Euler,
lamentablemente requiere de un paso muy pequeo para una precisin razonable.
Los mtodos de Runge kutta tienen el error local de truncamiento del mismo orden
que los mtodos de Taylor, pero prescinden del clculo y evaluacin de las
derivadas de la funcin f(t, y).
Se presenta de nuevo el problema de valor inicial cuya solucin se intenta
aproximar:

(1)

Como en los mtodos anteriores, se determina primero la malla {t0, t1, ... , tN} de
paso h, donde t0 = a y tN = b. En estos puntos es donde se va a obtener la
aproximacin de la solucin.
En esencia, los mtodos de Runge-Kutta son generalizaciones de la frmula bsica
de Euler yi+1 = yi + h f(ti, yi) en los que el valor de la funcin f se reemplaza por un
promedio ponderado de valores de f en el intervalo ti t ti+1, es decir,

(2)

En esta expresin las ponderaciones wi, i = 1, ..., m son constantes para las que en
general se pide que su suma sea igual a 1, es decir, w1 + w2 + ... + wm = 1, y cada
kj es la funcin f evaluada en un punto seleccionado (t, y) para el cual ti t ti+1.
Se mostrar que los kj se definen en forma recursiva.
Se define como orden del mtodo al nmero m, es decir, a la cantidad de
trminos que se usan en el promedio ponderado.
Runge-Kutta de segundo orden
Ahora se plantea, con m = 2, una frmula del tipo:

(5)

donde

(6)

y las constantes a, b, , se deben determinar, de manera que la expresin (5)

coincida con el desarrollo de Taylor de y de orden ms alto posible.
Para ello, utilizando un desarrollo de Taylor para funciones de dos variables,
tenemos que:

(7)

donde el subndice i indica que todas las derivadas estn evaluadas en el punto (ti,
yi).
Reemplazando k1 y teniendo en cuenta la expresin de k2, usando (7) tenemos que:

(8
)

agrupando los trminos de (8) por las potencias de h, y reemplazando en la

expresin (5) el valor de k1 y k2, resulta

(9
)

Reacomodando trminos en (9), resulta:

(10
)

Por otro lado, se hace un desarrollo de Taylor de orden 3 de la funcin y(t),

calculado en el punto ti+1, obteniendo:

(11)

Aplicando regla de la cadena para las derivadas de f, se tiene:

(12)

Comparando las expresiones (10) y (12), e igualando los coeficientes de h y h 2, se

tiene:

(13)

Sucede que se tienen cuatro incgnitas, pero tres ecuaciones, con lo que queda un
grado de libertad en la solucin del sistema dado en (13). Se trata de usar este
grado de libertad para hacer que los coeficientes de h3 en las expresiones (10) y
(12) coincidan. Esto obviamente no se logra para cualquier f.
Hay muchas soluciones para el sistema (13), una de ellas es

(14)

obteniendo as la siguiente frmula, del mtodo de Runge Kutta de orden 2:

(15)

para i desde 0 hasta N-1, tomando un mallado {ti, i = 0, .., N}

Este mtodo tiene un error local de O(h3), y global de O(h2).
Mejora entonces el mtodo de Euler, por lo que se espera poder usar con este
mtodo un paso mayor. El precio que debe pagarse en este caso, es el de evaluar
dos veces la funcin en cada iteracin.
De la misma manera que se realiz arriba, se pueden derivar frmulas de RungeKutta de cualquier orden, pero estas deducciones resultan excesivamente
complicadas. Una de las ms populares, y ms utilizada por su alta precisin, es la
de orden 4, que se presenta a continuacin.

MTODOS RUNGE - KUTTA

Diego Lpez
Monitor
Los mtodos de Runge-Kutta logran la exactitud del procedimiento de una serie
de Taylor sin requerir el clculo de derivadas superiores. Existen muchas
variaciones, pero todas se pueden denotar en la forma generalizada de la
ecuacin:

Donde (xi,yi,h) es conocida como funcin incremento, la cual puede interpretarse

como una pendiente representativa sobre el intervalo.

Donde las a son constantes y las k son:

Observe que las k son relaciones de recurrencia, esto es, k1 aparece en la

ecuacin para k2, la cual aparece en la ecuacin para k3, etc.
Como cada k es una evaluacin funcional, esta recurrencia hace que los
mtodos Runge-Kutta sean eficientes para la programacin. Existen varios tipos
de mtodos Runge-Kutta al emplear diferentes nmeros de trminos en la
funcin incremento como la especificada por n.
n = 1, es el mtodo de Euler. Una vez se elige n, se evalan las a, p y q al
igualar la funcin incremento a los trminos en la serie de expansin de Taylor.
La versin de segundo orden para la ecuacin en su forma generalizada es:

Donde:

Los valores de a1, a2, p1 y q11 son evaluados al igualar el trmino de segundo
orden de la ecuacin dada con la expansin de la serie deTaylor.
Desarrollando tres ecuaciones para evaluar las cuatro incgnitas:

Como se tienen tres ecuaciones con cuatro incgnitas se tiene que suponer el
valor de una de ellas. Suponiendo que se especific un valor para a2, se puede
resolver de manera simultnea el sistema de ecuaciones obtenido:

Como se puede elegir un nmero infinito de valores para a2, hay un nmero
infinito de mtodos Runge-Kutta de segundo orden.
Cada versin podra dar exactamente los mismos resultados si la solucin de
la EDO fuera cuadrtica, lineal o una constante.
a2 = 1/2: Mtodo de Heun con un solo corrector, donde:

a2 = 1 : Mtodo del punto medio.

a2 = 2/3: Mtodo de Ralston.

Siguiendo el mismo razonamiento para n = 3, o sea, Runge-Kutta de tercer

orden, el resultado son seis ecuaciones con ocho incgnitas, por lo tanto se
deben suponer dos valores con antelacin para poder desarrollar el sistema de
ecuaciones. Una versin ampliamente usada es:

ste es el ms popular de los mtodos Runge-Kutta de cuarto orden:

Metodo de Runge - Kutta

El objetivo de los mtodos numricos de runge-kutta, es el anlisis y solucin de los problemas de valor
inicial de ecuaciones diferenciales ordinarias (EDO), estos son una extensin del mtodo de euler para
resolver las (EDOS), pero con un orden de exactitud ms alto que este.
Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie de Taylor sin
requerir el clculo de derivadas superiores. Existen muchas variaciones pero todas se pueden denotar en
la forma generalizada de la ecuacin 25.1:

Donde
es conocida como funcin incremento, la cual puede interpretarse como una
pendiente representativa sobre el intervalo. La funcin incremento se escribe por lo general como:

Donde las a son constantes y las k son:

Observe que las son relaciones de recurrencia. Esto es,

aparece en la ecuacin para
, la cual
aparece en la ecuacin para
, etc. Como cada k es una evaluacin funcional, esta recurrencia hace
que los mtodos
sean eficientes para clculos en computadora.
Es posible concebir varios tipos de mtodos Runge-Kutta al emplear diferentes nmeros de trminos en la
funcin incremento como la especificada por n. Observe que el mtodo Rungue-Kutta (RK) de primer
orden con
es, de hecho, el mtodo de Euler.
Una vez que se elige n, se evalan las a, p y q al igualar la ecuacin 25.28 a los trminos en la serie de
expansin de Taylor. As, al menos para las versiones de orden inferior, el nmero de trminos n con
frecuencia representa el orden de la aproximacin. Por ejemplo, los mtodos RK de segundo orden usan
la funcin incremento con dos trminos
Esos mtodos de segundo orden sern exactos si la
solucin de la ecuacin diferencial es cuadrtica. Adems, como los trminos con h^3 y mayores son
eliminados durante la derivacin, el error de truncamiento local es
y el global es
secciones subsecuentes desarrollaremos mtodos RK de tercer y cuarto orden
casos, los errores de truncamiento global son

. En
Para esos

, respectivamente.

Mtodos Runge-Kutta de segundo orden.

La versin de segundo orden de la ecuacin anterior es:

Donde:

Al usar la ecuacin debemos determinar los valores para las constantes a1, a2, p1 y p11. Para ello,
recordamos que la serie de Taylor de segundo orden para
en trminos de
y
esta
escrita como:

ecu. 1

Donde

debe determinarse por diferentencias usando las reglas de la cadena

ecu. 2
Si sustituimos la ecuacin ecu. 2 en la ecuacin ecu. 1 se tiene

La estrategia bsica que habr de resaltarse en los mtodos Runge- Kutta es el uso de manipulaciones
algebraicas para resolver los valores de
, lo cual provoca que las ecuaciones

y la anterior sean equivalentes.

Para ello, primero usamos una serie de Taylor para expandir la ecuacin
La serie de Taylor para una funcin de dos variables se define como:

Si se aplica este mtodo para expandir la ecuacin

Este resultado podr sustituirse junto con la ecuacin

dar

tiene

para

O, al agrupar trminos,

Ahora si comparamos trminos comunes en las ecuaciones anteriores determinamos que para hacer
equivalentes a las dos ecuaciones, se debe cumplir lo siguiente:

Las anteriores tres ecuaciones simultaneas contienen las cuatro constantes desconocidas. Como hay una
incgnitas ms que el numero de ecuaciones, no existe un conjunto nico de constantes que satisfagan
las ecuaciones. Sin embargo, al suponer un valor para una de las constantes, podemos determinar las
otras tres. En consecuencia, existe una familia de mtodos de segundo orden ms que una sola versin.
Como tenemos tres ecuaciones con cuatro incgnitas, debemos suponer el valor de una de estas
incgnitas para determinar las otras tres. Suponga que especificamos un valor para a2. Entonces se
puede resolver de manera simultnea las ecuaciones 25.31 a 25.33 para obtener:

Debido a que podemos elegir un nmero finito de valores para a2, hay un nmero interminable de
mtodos RK de segundo orden. Cada versin podra dar exactamente los mismos resultados si la
solucin de la EDO fuera cuadrtica, lineal o una constante. Sin embargo, se obtienen diferentes
resultados cuando la solucin es ms complicada. A continuacin presentamos tres de las versiones ms
comnmente y usadas y preferidas:
Mtodo de Heun con solo corrector (a2 = ). Si suponemos que a2 es 1/2 , las ecuaciones (25.34) y
(25.35) podran resolverse para a1 = y p1 = qI 1= 1. Estos parmetros, al ser sustituidos en la ecuacin
(25.30), dan

Donde

Observe que k1 es la pendiente al inicio del intervalo y k2 es la del final. En consecuencia, este mtodo
Runge-Kutta de segundo orden es de hecho la tcnica de Heun sin iteracin.
El mtodo de punto medio (a2 = 1). Si suponemos que a2 es 1,
entonces

, y la ecuacin es ahora

Donde

Este es el mtodo del punto medio.

Mtodo Ralston (
). Ralston y Rabinowitz determinaron que al seleccionar
se
obtiene un lmite mnimo sobre el error de truncamiento para los algoritmos de RK de segundo orden.
Para esta versin,

Donde

Ejemplo
Comparacin de varios esquemas RK de segundo orden.
Enunciado: Use el mtodo de punto medio y el mtodo de Ralston para integrar numricamente la
ecuacin:

Desde
hasta
usando un tamao de paso de 0.5. La condicin inicial
en
Compare los resultados con los valores obtenidos con otro algoritmo RK de
segundo orden: el mtodo de Heun sin corrector de iteracin.
Solucin: El primer paso en el mtodo de punto medio es el uso de la ecuacin para calcular:

Sin embargo, como la EDO es una funcin solo de x, tal resultado carece de relevancia sobre el segundo
paso para calcular:

Observe que tal estimacin de la pendiente es mucho ms cercana al valor promedio para el intervalo
(4.4375) que la pendiente al inicio del intervalo (8.5) que podra haber sido usada por el procedimiento de
Euler. La pendiente en el punto medio puede entonces sustituirse en la ecuacin 25.37 para predecir.

El clculo se repite, y los resultados se resumen en la figura 25.14 y la tabla 25.3.

Por medio del mtodo de Ralston, k1 para el primer intervalo es tambin igual a 8.5 y:

La pendiente promedio se calcula por

La cual se usara para predecir

Observe que todos los metodos RK se segundo orden son superiores al metodo de Euler

Mtodo de Euler
Se llama mtodo de Euler al mtodo numrico consistente en ir incrementando paso a paso la variable
independiente y hallando la siguiente imagen con la derivada.
La primera derivada proporciona una estimacin directa de la pendiente en Xi (ver Grfico
N01).
[1]
Donde f (Xi, Yi) es la ecuacin diferencial evaluada en Xi y Yi, Tal estimacin podr substituirse en la
ecuacin [2] nos queda que:
[2]
Esta frmula es conocida como el mtodo de Euler (punto medio). Se predice un nuevo valor de Y por
medio de la pendiente (igual a la primera derivada en el valor original de X).

Error para el mtodo de Euler

La solucin numrica de las ecuaciones diferenciales ordinarias (EDO) involucra dos tipos de error.
1) Errores de Truncamiento, o discretizacion, causados por la naturaleza de las tcnicas empleadas para
aproximar los valores de y.
2) Errores de Redondeo, que son el resultado del nmero limite de cifras significativas que pueden retener
una computadora.
Mtodo de Euler Mejorado
Este mtodo se basa en la misma idea del mtodo anterior, pero hace un refinamiento en la aproximacin,
tomando un promedio entre ciertas pendientes.
La frmula es la siguiente:

Donde

Para entender esta frmula, analicemos el primer paso de la aproximacin, con base en la siguiente
grfica:

En la grfica, vemos que la pendiente promedio

corresponde a la pendiente de la recta bisectriz de la
recta tangente a la curva en el punto de la condicin inicial y la "recta tangente" a la curva en el
punto
donde
es la aproximacin obtenida con la primera frmula de Euler. Finalmente, esta
recta bisectriz se traslada paralelamente hasta el punto de la condicin inicial, y se considera el valor de
esta recta en el punto

como la aproximacin de Euler mejorada.

Metodo de Euler y Euler Mejorado.

Una de las tcnicas ms simples para aproximar soluciones de una ecuacin diferencial es el mtodo de
Euler, o de las rectas tangentes.
La primera derivada proporciona una estimacin directa de la pendiente en

Donde

es la ecuacin diferencial evaluada en

. Tal estimacion podra sustituirse ne la

ecuacin:
Esta frmula es conocida como el mtodo de Euler (o de Euler-Cauchy o de punto medio). Se predice un
nuevo valor de <y> por medio de la pendiente (igual a la primera derivada en el valor original de x) que
habr de extrapolarse en la forma lineal sobre el tamao de paso h.

Anlisis de error para el mtodo de Euler.

La solucin numrica de los EDO involucra dos tipos de error:

1.- Errores de truncamiento, o discretizacion, causados por la naturaleza de las tcnicas empleadas para
aproximar los valores de y.

2.- Errores de redondeo, que son el resultado del nmero limite de cifras significativas que puede retener
una computadora.

Los errores de truncamiento se componen de dos partes. La primera es un error de truncamiento local
que resulta de una aplicacin del mtodo en cuestin sobre un paso sencillo. La segunda es un error de
truncamiento propagado que resulta de las aproximaciones producidas durante los pasos previos. La
suma de los dos es el total, o error de truncamiento global.
Se puede obtener cierto conocimiento acerca de la magnitud y propiedades del error de truncamiento al
derivar el mtodo de Euler directamente de la expansin de la serie de Taylor. Para ello, observe que la
ecuacin diferencial sujeta a integracin ser de la forma general:

Donde
y y son las variables independiente y dependiente, respectivamente. Si la
solucin tiene derivadas continuas, puede representarse por una expansin de la serie de Taylor con
respecto a los valores de inicio

Donde

cmo:

termino remanente, definido como:

Donde E esta en algn lugar en el intervalo de

a
sustituir la ecuacin en las ecuaciones para obtener:

. Es posible desarrollar una forma alternativa al

Donde

especifica que el error de funcionamiento local es proporcional al tamao de paso

elevado a la potencia
esima.
Al comparar las ecuaciones puede verse que el mtodo de Euler corresponde a la serie de Taylor hasta e
incluyendo el termino
. Adems, la comparacin indica que ocurre un error de truncamiento
porque aproximamos la solucin verdadera mediante un numero finito de trminos de la serie de Taylor.
De esta forma truncamos, o dejamos fuera, una parte de la solucin verdadera. Al restar la ecuacin se
tiene:

Donde Et = error de truncamiento local verdadero. Para h lo suficientemente pequea, los errores en los
trminos de la ecuacin disminuyen con frecuencia en tanto aumenta el orden y el resultado a menudo es
representado como:

Ejemplo.
Enunciado del problema. Use el mtodo de Euler para integrar numricamente la ecuacin:

Desde
hasta
con un tamao de paso 0.5. La condicin inicial en
Recuerde que la solucin exacta la da la ecuacin:

es

Solucin. Se puede usar la ecuacin para implementar el mtodo de Euler:

Donde

y la pendiente estimada en

es

Por tanto,

La solucin real en

es

Tabla 1. Comparacin de los valores verdadero y aproximado de la integral de

, con la condicin inicial de que
en
. Los
valores aproximados se calcularon mediante el mtodo de Euler comn tamao de paso de 0.5. El error
local se refiere al error incurrido sobre un solo paso. Se calcula con una expansin de la serie de Taylor. El
error global es la discrepancia total debida a los pasos anteriores as como a los actuales.

As, el error es

O, expresada como error relativo porcentual

. Para el segundo paso,

La solucin real en
es 3.0 y, por lo tanto, el error relativo porcentual es de
El clculo se
repite y los resultados se compilan en la tabla y la figura anteriores. Observe que aunque el clculo
captura la tendencia general de la solucin verdadera, el error es considerable. Como se analiza en la
siguiente seccin, este error se puede reducir al usar un tamao de paso ms pequeo.
El ejemplo anterior usa un polinomio simple para la ecuacin diferencial con el fin de facilitar el siguiente
anlisis de error. De esta forma:

Obviamente, un caso ms general involucra varios EDO que dependen de ambos, x e y.

Aplicaciones
Mtodo de Euler y de Euler modificado un circuito elctrico contiene una impedancia, una resistencia y
una capacidad, la ecuacin que rige este problema LRC cuando el sistema no esta sometido a ningn
potencial es de tipo:

Se tomar con caractersticas del circuito una reactancia L de .4H, R= 300 y una capacidad de .001 F.
En el tiempo inicial (t=0), la intensidad es de 3A y su derivada (es decir la carga elctrica) de .5A/s. C
Solucin
Primero se debe transformar este problema en un conjunto de ecuaciones de primer orden. Se tomara Q
igual a la derivada de la intensidad de corriente.

Si se utiliza el mtodo de EUler tradicional se tiene que resolver dichas ecuaciones empleando las
formulas:

La tabla de resultados obtenida con un paso de .0005 es:

Si ahora se utiliza el de Euler modificado las formula son:

Cabe recalcar que el problema se toma muy inestable si ese utilizan valores mas altos para L

MTODO DE EULER MEJORADO

Este mtodo se basa en la misma idea del mtodo euler, pero hace un refinamiento
en la aproximacin, tomando un promedio entre ciertas pendientes.
La frmula es la siguiente:

donde

Para entender esta frmula, analicemos el primer paso de la aproximacin, con

base en la siguiente grfica:

En la grfica, vemos que la pendiente promedio

corresponde a la pendiente de

la recta bisectriz de la recta tangente a la curva en el punto de la condicin inicial y

la recta tangente a la curva en el punto
, donde
es la aproximacin
obtenida con la primera frmula de Euler. Finalmente, esta recta bisectriz se
traslada paralelamente hasta el punto de la condicin inicial, y se considera el valor
de esta recta en el punto
como la aproximacin de Euler mejorada.

Ejemplo 1
Aplicar el mtodo de Euler mejorado, para aproximar

si:

Solucin
Vemos que este es el mismo ejemplo 1 del mtodo anterior. As que definimos
y encontraremos la aproximacin despus de cinco iteraciones. A diferencia
del mtodo de Euler 1, en cada iteracin requerimos de dos clculos en vez de uno
solo: el de
primero y posteriormente el de
.

Para aclarar el mtodo veamos con detalle las primeras dos iteraciones. Primero
que nada, aclaramos que tenemos los siguientes datos iniciales:

En nuestra primera iteracin tenemos:

Ntese que el valor de

coincide con el

coincidir, pues para calcular

se usar

(Euler 1), y es el nico valor que va a

y no

Esto lo veremos claramente en la siguiente iteracin:

Ntese que ya no coinciden los valores de

(Euler 1) y el de

. El proceso debe

seguirse hasta la quinta iteracin. Resumimos los resultados en la siguiente tabla:

n

0.1

1.01

0.2

1.040704

0.3

1.093988

0.4

1.173192

0.5

1.28336

Conclumos entonces que la aproximacin obtenida con el mtodo de Euler

mejorado es:

Con fines de comparacin, calculamos el error relativo verdadero:

Vemos que efectivamente se ha obtenido una mejor aproximacin con este mtodo,
reduciendo el error relativo verdadero de un 5.4% hasta un 0.05%. En nuestro
tercer mtodo veremos cmo se reduce an ms este error prcticamente a un
0%!
Veamos un segundo ejemplo.
Ejemplo 2
Aplicar el mtodo de Euler mejorado para aproximar

Solucin
Tenemos los siguientes datos:

En una primera iteracin, tenemos lo siguiente:

y(1.3) si tenemos :

Resumimos los resultados en la siguiente tabla:

n

1.1

2.385

1.2

2.742925

1.3

3.07635

Conclumos entonces que la aproximacin buscada es:

5.1. MTODO DE BISECCIN

Ver Animacin...
Si f es una funcin continua sobre el intervalo [a,b] y si f(a) f(b)<0, entonces f debe tener un cero en (a,b).
Dado que f(a)f(b)<0, la funcin cambia de signo en el intervalo [a,b] y por lo tanto tiene por lo menos un
cero en el intervalo. (Vase la figura 5.1)
Esta es una consecuencia del teorema del valor intermedio para funciones continuas, que establece que
si f es continua en [a,b] y si k es un nmero entre f(a) y f(b) , entonces existe por lo menos un c (a,b) tal
que f(c)=k.
(para el caso en que f(a)f(b)<0 se escoge k=0, luego f(c)=0, c (a,b)).
El mtodo de biseccin consiste en dividir el intervalo en 2 subintervalos de igual magnitud, reteniendo el
subintervalo en donde f cambia de signo, para conservar al menos una raz o cero, y repetir el proceso
varias veces.
Por ejemplo, suponga que f tiene un cero en el intervalo [a,b].

Primero se calcula el punto medio del intervalo

entonces f tiene un cero en [a,c].

; despus se averigua s f(a)f(c)<0. Si lo es,

A continuacin se renombra a c como b y se comienza una vez ms con el nuevo intervalo [a,b], cuya
longitud es igual a la mitad del intervalo original.
Si f(a)f(c)>0 , entonces f(c)f(b)<0 y en este caso se renombra a c como a.
En ambos casos se ha generado un nuevo intervalo que contiene un cero de f, y el proceso puede
repetirse.
Ejemplo.
La funcin f(x) = xsenx 1 tiene un cero en el intervalo [0,2], porque f(0) = -1 yf(2)=0.818595.

Si se denota con
entonces c1 = 1. Ahoraf(c1) = f(1) =
-0.158529, luego la funcin tiene un cero en el intervalo [c1, b1] = [1,2] ; se renombra a2=c1 y b2=b1 .

El nuevo punto medio es

intervalo [a2, c2] y se renombra como [a3,b3].

y f(c2) = f(1.5) = 0.496242, el cero esta en el

En la tabla de abajo se muestran las primeras nueve iteraciones del mtodo de biseccin
para f(x)= xsenx 1 con a=0 b=2.
n

Extremo
izquierdoan

Extremo
derecho bn

Punto
medio cn

Valor de la
funcin f(cn)

Error

Relativo
1

-0.158529

1.5

0.496242

0.333333

1.5

1.25

0.186231

0.2

1.25

1.125

0.015051

0.111111

1.125

1.0625

-0.071827

0.0588235

1.0625

1.125

1.09375

-0.028362

0.0285714

1.09375

1.125

1.109375

-0.006643

0.0140845

1.1093750

1.125

1.1171875

0.004208

0.0069930

1.1093750

1.1171875

1.11328125 -0.001216

0.0035087

(c = 1.114157141 es el cero de f(x) = xsenx - 1)

Para detener el mtodo de biseccin y dar una aproximacin del cero de una funcin se pueden usar
varios criterios (llamados criterios de parada).
Uno de los criterios de parada consiste en examinar si |f(cn)| < , donde es una tolerancia previamente

establecida (por ejemplo = 10-3). Otro criterio que puede utilizarse es examinar s
Tambin se puede usar como criterio de parada el error relativo entre dos aproximaciones del cero

de f ,
En el ejemplo anterior si =0.005, el procedimiento se parara en la octava iteracin con el criterio |f(cn)|
< , ya que:
|f(c8)| = |f(1.1171875)| = 0.004208 < = 0.005,

pero si se usa el criterio

, el procedimiento se detendra en la novena iteracin porque:

Cuando se generan aproximaciones por medio de una computadora, se recomienda fijar un nmero
mximo de iteraciones N que debera realizar la mquina. Esto con el fin de contar con un resguardo para
evitar la posibilidad de que el proceso de clculo caiga en un ciclo infinito cuando la sucesin diverge (o
cuando el programa no esta codificado correctamente). Un algoritmo para el mtodo de biseccin es:

Teorema. (Error en el mtodo de biseccin).

Si f es continua en [a, b] y f(a) f(b) < 0, el mtodo de biseccin genera una sucesin
aproxima un cero c de f con la propiedad que:

,n

que

1 (Prueba)

Ejemplo.
Para determinar el nmero de iteraciones necesarias para aproximar el cero def(x) = xsen x - 1 con una
exactitud de 10-2en el intervalo [0,2], se debe hallar un nmero n tal que:

< 10-2, es decir

, n > 7.643...

se necesitan aproximadamente unas 8 iteraciones.

Observe en la tabla de aproximaciones que el cero de f(x) = xsen x - 1 esc=1.114157141 y c8=1.1171875.
El error real es
= 0.003030359 3x10-3.
El error real es menor que el error dado por el teorema; en la mayora de casos la cota de error dada por
el teorema es mayor que el nmero de iteraciones que realmente se necesitan. Para este
ejemplo,

= 0.004782141<10-2 = 0.01

Notas:

El mtodo de biseccin tiene la desventaja que es lento en cuanto a convergencia (es decir que
se necesita un n grande para que
sea pequeo). Otros mtodos requieren menos
iteraciones para alcanzar la misma exactitud, pero entonces no siempre se conoce una cota para
la precisin.

El mtodo de biseccin suele recomendarse para encontrar un valor aproximado del cero de una
funcin, y luego este valor se refina por medio de mtodos ms eficaces. La razn es porque la
mayora de los otros mtodos para encontrar ceros de funciones requieren un valor inicial cerca
de un cero; al carecer de dicho valor, pueden fallar por completo.

Resolver una ecuacin en una variable como por ejemplo: xex=1 es equivalente a resolver la
ecuacin xex-1=0 , o a encontrar el cero de la funcin f(x) = xex-1. Para aproximar el cero
de f o la raz de la ecuacin se puede hacer la grfica de f en una calculadora o usar matlab
para determinar un intervalo donde f tenga un cero. Tambin se pueden ensayar nmeros a y b
de tal manera que f(a)f(b)<0. Para el caso de f(x) =xex-1 por ejemplo f(0) = -1, f(1) = e-1
1.71828 entonces f tiene un cero en el intervalo [0,1].

Cuando hay races mltiples, el mtodo de biseccin quiz no sea vlido, ya que la funcin
podra no cambiar de signo en puntos situados a cualquier lado de sus races. Una grfica es
fundamental para aclarar la situacin. En este caso sera posible hallar los ceros o races
trabajando con la derivada f(x), que es cero en una raz mltiple.