Metodos Numericos Chapra PDF

FUNDAMENTOS DE ANALISIS NUMERICOS
PARTE DOS
RAÍCES
DE
ECUACIONES
II. 1 MOTIVACIÓN
Desde hace años, se aprendió a usar la formula cuadrática:
− b ± b 2 − 4ac
x= [II.1]
2a
Para resolver:
f ( x) = ax 2 + bx + c = 0 [II.2]
A los valores calculados con la ecuación (II.1) se les llama “raíces” de la ecuación (II.2).
Estos representan los valores de x que hacen que la ecuación (II.2) igual a cero. Por lo
tanto, se puede definir la raíz de una ecuación como el valor de x que hace f(x) = 0. Por
esta razón algunas veces a las raíces se les conoce como ceros de la ecuación .
Aunque la forma cuadrática es útil para la resolver la ecuación (II.2), hay muchas
funciones diferentes que no se pueden resolver de manera tan fácil. En estos casos, los
métodos numéricos descritos en el capitulo 4 y 5 proporciona medios eficientes para
obtener la respuesta.
II.1.1 Métodos empleados antes de la era de la computadora para determinar raíces
Antes del advenimiento de las computadoras digitales, había una serie métodos para
encontrar las raíces de las ecuaciones algebraicas o trascendentales. Para algunos
casos, las raíces se podían obtener por métodos directos. Como se hace con la ecuación
(II.1). Aunque había ecuaciones, como esta que se podían resolver directamente, habían
muchas otras que no lo eran, por ejemplo, hasta una función aparentemente simple tal
como f(x) = e-x – x no se puede resolver analíticamente. En estos casos, la única
alternativa es una técnica de solución aproximada.
Un método para obtener una solución aproximada es la de graficar la función y determinar

dónde cruza al eje x. Este punto, que representa el valor de x para el cual f(x)=0, es la
raíz. Las técnicas gráficas se discuten al principio de los capítulos 4 y 5.
Aunque los métodos gráficos son útiles en la obtención de estimaciones aproximativas de

las raíces, están limitadas por la carencia de precisión. Una aproximación alternativa es
usar lo técnica de prueba y error. Esta "técnica" consiste en escoger un valor de x y
evaluar si f(x) es cero. SÍ no es así (como sucederá en la mayor parte de los casos), se
hace otra conjetura y se evalúa nuevamente f(x) para determinar si el nuevo valor da una
mejor estimación de la raíz. El proceso se repite hasta que se obtenga un valor que
genere una f(x) cercana a cero.
Estos métodos fortuitos, obviamente son ineficientes e inadecuados para las exigencias
en la práctica de la ingeniería. Las técnicas descritas en la parte III representan
alternativas que no sólo aproximan sino emplean estrategias sistemáticas para
encaminarse a la raíz verdadera. Además, se adaptan idealmente a la implementación en
computadoras personales. Tal como se presenta en las páginas siguientes, la
combinación de estos métodos sistemáticos con la computadora hace de la solución de la
mayor parte de los problemas sobre raíces de ecuaciones una tarea simple y eficiente.
II.1.2 Raíces de ecuaciones y su práctica en lo ingeniería
Aunque las raíces de ecuaciones caben dentro de otro contexto, frecuentemente

aparecen en el área de diseño en ingeniería. El cuadro IÍ.1 muestra un conjunto de
principios fundamentales que se utilizan frecuentemente en trabajos de diseño. Las
ecuaciones matemáticas o los modelos derivados de estos principios se emplean en la
predicción de las variables dependientes en función de las variables independientes y de
los parámetros. Nótese que en cada caso, las variables dependientes reflejan el estado o
funcionamiento del sistema, ya sea que los parámetros representen sus propiedades o su
composición.
Un ejemplo de tales modelos se presenta en la ecuación derivada de la segunda ley de

Newton, usada en el capítulo 1 para la velocidad del paracaidista:
v=
gm
c
[
1 − e −(c / m) ] [11.3]
Donde la velocidad v es la variable dependiente, el tiempo t es la variable independiente y

g la constante gravitacional, el coeficiente de rozamiento c y la masa m son parámetros.
Si se conocen los parámetros, la ecuación (II.3) se puede usar para predecir la velocidad
del paracaidista como una función del tiempo. Estos cálculos se pueden llevar a cabo
directamente ya que v se expresa explícitamente como una función del tiempo. Esto es,
está aislada a un lado del signo igual.
Sin embargo, supóngase que se tiene que determinar el coeficiente de rozamiento para
un paracaidista de una masa dada, para alcanzar una velocidad prescrita en un periodo
dado de tiempo.
Aunque la ecuación (II.3) proporciona una representación matemática de la interrelación

entre las variables del modelo y los parámetros, no se puede resolver explícitamente para
el coeficiente de rozamiento. Pruébese. No hay forma de reordenar la ecuación paro
despejar c de un lado del signo igual. En estos casos, se dice que c es implícita.
Esto representa un dilema real, ya que muchos de los problemas de diseños en

ingeniería, involucran la especificación de las propiedades o la composición de un sistema
(representado por sus parámetros) para asegurar que funciona de la manera deseada
(representada por sus variables). Por lo tanto, estos problemas a menudo requieren que
se determinen sus parámetros de forma explícita.
La solución del dilema las proporcionan los métodos numéricos para raíces de
ecuaciones. Para resolver el problema usando métodos numéricos es conveniente
cambiar la ecuación (11.3). Esto se hace restando lo variable dependiente v de ambos
lados de la ecuación, obteniendo:
f (c ) =
gm
c
[ ]
1 − e −( c / m ) − v [II.4]
Por lo tanto, el valor de c que cumple f(c) = 0, es la raíz de la ecuación. Este valor también
representa el coeficiente de rozamiento que soluciona el problema de diseño.
La parte II de este libro analiza una gran variedad de métodos numéricos y gráficos para
determinar raíces de relaciones tales como la ecuación (II.4). Estas técnicas se pueden
aplicar a los problemas de diseño en ingeniería basados en ¡os principios fundamentales
delineados en el cuadro II.1 así como tantos otros problemas que se afrontan
frecuentemente en la práctica de la ingeniería.
11.2 FUNDAMENTOS MATEMÁTICOS
En la mayor parte de las áreas mencionadas en este libro, en general existen algunos
prerrequisitos de fundamentos matemáticos necesarios para conocer a fondo el tema. Por
ejemplo, los conceptos de estimaciones de errores y la expansión en serie de Taylor,
analizadas en el capítulo 3, tienen importancia directa en el análisis de raíces de
ecuaciones. Adicionalmente, antes de este punto se mencionaron los términos de
ecuaciones "algebraicos" y "trascendentales". Puede resultar útil definir formalmente estos
términos y discutir como se relacionan con esta parte del libro.
Por definición, una función dada por y = f (x) es algebraica si se puede expresar de la
siguiente manera:
f n y n + f n −1 y n −1 + ⋅ ⋅ ⋅ + f 1 y + f 0 = 0 [II.5]
Donde las f son polinomios en x. Los polinomios son un caso simple de funciones
algebraicas que se representan generalmente como:
f ( x ) = a 0 + a1 x + ⋅ ⋅ ⋅ + a n x n [II.6]
Donde las a son constantes. Algunos ejemplos específicos son:
f(x) = 1 - 2.37x+ 7.5x2 [II.7]
f(x) = 5x2 - x3 + 7x6 [II.8]
Una función trascendental es una que no es algebraica. Incluye funciones trigonométricas,

exponenciales, logarítmicas y otras menos familiares. Algunos ejemplos son:
f(x) = e-x-x [II.9]

f(x) = sen x [II.10]
f(x) = In x2 -1 [II.11]
Las raíces de las ecuaciones pueden ser reales o complejas. Un ejemplo simple de raíces
complejas es el caso para el cual el término b2-4ac de la ecuación (II.1) es negativo. Por
ejemplo, dado el polinomio de segundo orden:
f(x) = 4x2- 16x + 17
La ecuación (II.1) se puede usar para determinar que las raíces son:
16 ± (−16) 2 − 4(4)17 16 ± − 16
x= =
2( 4) 8
Por lo tanto, una raíz es:
1
x = 2+ i
2
Aunque hay algunos casos donde las raíces complejas de las funciones no polinomiales
son de interés, ésta situación es menos común que para polinomios. Por lo tanto, los
métodos estándar para encontrar raíces, en general caen en dos áreas de problemas
parecidas en principio, pero fundamentalmente diferentes:
1. La determinación de raíces reales de ecuaciones algebraicas y trascendentales.

Estas técnicas se diseñaron para determinar el valor de una raíz simple de
acuerdo a un conocimiento previo de su posición aproximada.
2. La determinación de todas las raíces reales y complejas de un polinomio. Estos

métodos se diseñaron específicamente paro polinomios. Determinan
sistemáticamente todas las raíces del polinomio en lugar de simplemente una,
dada una posición aproximada.
Este libro está enfocado al área del primer caso. Los métodos diseñados expresamente
para polinomios no se analizan ya que van más allá del alcance de este libro. Sin
embargo, en el epílogo al final de la parte II se recomiendan algunas referencias para
estas técnicas.
II.3 ORIENTACIÓN
Antes de proceder con los métodos numéricos para determinar raíces de ecuaciones,
será útil dar algunas orientaciones. El siguiente material es una introducción a los temas
de la parte II. Además, se han incluido algunos objetivos que orientarán al lector en sus
esfuerzos al estudiar el material.
II.3.1 Campo de acción y avance
La figura II.1 es una representación esquemática de la organización de la parte II.

Examine esta figura cuidadosamente, iniciando en la parte de arriba y avanzando en el
sentido de las manecillas del reloj.
Después de esta introducción, el capítulo 4 desarrolla los métodos que usan intervalos
para encontrar raíces. Estos métodos empiezan con suposiciones que encierran o que
contienen a la raíz y reducen sistemáticamente el ancho del intervalo. Se cubren dos
métodos: el de bisección y el de la regla falsa. Los métodos gráficos proporcionan
conocimiento visual de las técnicas. Se desarrollan formulaciones especiales paro ayudar
a determinar cuanto esfuerzo computacional se requiere para estimar la raíz hasta un
nivel de precisión previamente especificado.
En el capítulo 5 se cubren los métodos abiertos. Estos métodos también involucran

iteraciones sistemáticas de prueba y error pero no requieren que la suposición inicial
encierre a la raíz. Se descubrirá que estos métodos, en general son más eficientes
computacionalmente que los métodos que usan intervalos, pero no siempre trabajan. Se
analizan los métodos de la iteración de punto fijo, el método de Newton-Raphson y el

método de la secante. Los métodos gráficos proporcionan conocimiento en los casos
donde los métodos abiertos no funcionan- Se desarrollan las fórmulas que proporcionan
una idea de qué tan rápido un método abierto converge a la raíz.
Figura II.1 esquema de la organización del material del parte II: Raíces de las ecuaciones
El capítulo 6 extiende los conceptos anteriores a los conceptos actuales de la ingeniería.

Los casos de estudio se emplean para ilustrar las ventajas y las desventajas de cada uno
de los métodos y para proporcionar conocimiento sobre las aplicaciones de las técnicas
en la práctica profesional. Los casos del capítulo ó también resaltan los elementos de
Juicio (estudiados en la parte I) asociados con cada uno de los métodos.
Se incluye un epílogo al final de la parte II. Éste contiene una comparación detallada de
los métodos discutidos en los capítulos 4 y 5. Esta comparación incluye una descripción
de los elementos de juicio relacionados con el uso correcto de cada técnica. En esta
sección se proporciona también un resumen de las fórmulas importantes, con referencias

a algunos métodos numéricos que van más allá del alcance de este texto.
Ciertas capacidades automáticas de cálculo se integran de diferentes maneras en la parte

II. En primer lugar, programasen NUMERICOMP legibles para el usuario del método de
bisección disponible para la Apple II y la IBM PC. Pero también se dan los códigos en
FORTRAN Y BASIC para el método de bisección directamente en el texto. Con esto se
tiene la oportunidad de copiar y aumentar el código para implementarlo en su propia
computadora personal o supercomputadora. Se incluyen los algoritmos y diagramas de
flujo para la mayor parte de los otros métodos expuestos en el texto. Este material puede
servir de base para el desarrollo de un paquete de programación y aplicarlo a una serie de
problemas de ingeniería.
11.3.2 Metas y objetivos
Objetivos de estudio. Después de terminar la parte II, se debe tener la suficiente

información para aprovechar satisfactoriamente una amplia variedad de problemas de
ingeniería que se relacionan con las raíces de ecuaciones. En términos generales se
dominarán las técnicas, se habrá aprendido a valorar su confiabilidad y se tendrá la
capacidad de escoger el mejor método (o métodos) para cualquier problema en particular.
Además de estas metas globales, se deben asimilar los conceptos específicos del cuadro
II.2 para comprender mejor el material de la parte II.
Objetivos de computación. El libro proporciona algunos programas simples, algoritmos y

diagramas de flujo para implementar las técnicas analizadas en la parte II. Como
herramientas de aprendizaje todos ellos tienen gran utilidad.
Los programas opcionales son legibles para el usuario. Incluye método de la bisección
para determinar las raíces reales de las ecuaciones algebraicas y trascendentales. Las
gráficas asociadas con NUMERICOMP le facilitarán al lector visualizar el comportamiento
de la función en análisis. Los programas se pueden usar para determinar
convenientemente las raíces de las ecuaciones a cualquier grado de precisión. Es fácil de
aplicar NUMERICOMP para resolver muchos problemas prácticos y se puede usar para
verificar los resultados de cualquier programa que el usuario desarrolle por sí mismo.
También se proporcionan directamente en e) texto los programas en FORTRAN y BASIC

para los métodos de bisección y para la iteración simple de punto rijo. Además, se
proporcionan algoritmos y diagramas de flujo generales para la mayor parte de los otros
métodos de la parte 11. Esta información permitirá aumentar la biblioteca de programas
del usuario que sean más eficientes que el método de la bisección. Por ejemplo, puede
desearse tener sus propios programas para los métodos de lo regla falsa, Newton-
Raphson y de la secante, que en general son más eficientes que el método de bisección.
CUADRO 11.2 Objetivos de estudio específicos de la parte II
1. Entender la interpretación gráfica de una raíz

2. Conocer la interpretación gráfica del método de la reglo falsa y por qué, en
general, es superior al método de bisecciones.
3. Entender las diferencias entre los métodos que usan intervalos y los métodos
abiertos para la localización de las raíces.
4. Entender los conceptos de convergencia y de divergencia. Usar el método de
las dos curvas para proporcionar una manifestación visual de los conceptos.
5. Conocer por qué los métodos que usan intervalos siempre convergen, mientras
que los métodos abiertos algunas veces pueden divergir.
6. Entender que la convergencia en los métodos abiertos es más probable si el
valor inicial está cercano a lo raíz.
7. Entender el concepto de convergencia lineal y cuadrática y sus implicaciones
en la eficiencia de los métodos de iteraciones de punto fijo y de Newton-
Raphson.
8. Saber las diferencias fundamentales entre los métodos de la regla falsa y la
secante y cómo se relaciona su convergencia.
9. Entender los problemas que contienen las raíces múltiples y las modificaciones
que se les pueden hacer para resolverlos a medias.
CAPÍTULO CUATRO
MÉTODOS
QUE
USAN
INTERVALOS
En este capítulo sobre raíces de ecuaciones se analizan los métodos que aprovechan el
hecho de que una función, típicamente, cambia de signo en la vecindad de una raíz, A
estas técnicas se les llama métodos que usan intervalos porque se necesita de dos
valores iniciales para la raíz. Como su nombre lo indica, estos valores deben "encerrar" o
estar uno de cada lado de la raíz. Los métodos particulares descritos sobre este punto
emplean diferentes estrategias para reducir sistemáticamente el tamaño del intervalo y
así, converger a la respuesta correcta.
Como preámbulo de estas técnicas, se discutirán los métodos gráficos para graficar
funciones y sus raíces. Además de la utilidad de los métodos gráficos para determinar
valores iniciales, también son útiles para visualizar las propiedades de las funciones y el
comportamiento de los métodos numéricos,
4.1 MÉTODOS GRÁFICOS
Un método simple para obtener una aproximación a la raíz de la ecuación f(x) =0 consiste
en granear la función y observar en donde cruza el eje x. Este punto, que representa el
valor de x para el cual / (x) = 0. Proporciona una aproximación inicial de la raíz.
EJEMPLO 4.1
Métodos gráficos
Enunciado del problema: empléense gráficas para obtener una raíz aproximada de la
función f(x) = e-x - x
Solución: se calculan los siguientes valores:
x f(x)
0.0 1.000
0.2 0.619
0.4 0.270
0.6 -0.051
0.8 -0.351
1.0 -0.632
Estos puntos se muestran en la gráfica de la figura 4.1. La curva resultante cruza al eje x
entre 0.5 y 0.6. Un vistazo a la gráfica proporciona una aproximada estimación de la raíz
de 0.57, que se acerca a la raíz exacta de 0.567 143 28…, que se debe determinar con
métodos numéricos. La validez de la estimación visual se puede verificar sustituyendo su
valor en la ecuación original para obtener:
f(0.57) = e-0.57 - 0.57 = -0.004 5 la cual se acerca a cero.
FIGURA 4.1 Método gráfico para la solución de ecuaciones

-x
algebraicas y trascendentales. Representación de f(x) = e - x contra
x. La raíz corresponde al valor de x donde f(x) = O, esto es, el punto
donde la función cruza el eje x. Una inspección visual de la gráfica
muestra un valor aproximado de 0.57.
Las técnicas gráficas tienen un valor práctico limitado ya que no son precisas. Sin
embargo, los métodos gráficos se pueden usar para obtener aproximaciones de la raíz.
Estas aproximaciones se pueden emplear como valores iniciales para tos métodos
numéricos analizados en este capítulo y en el siguiente- Por ejemplo, los programas de
NÜMERICOMP que acompañan este texto le permiten graficar funciones sobre un rango
específico, Esta gráfica puede hacerse seleccionando un par d valores iniciales de un
intervalo donde está contenida la raíz antes de implementar el método numérico. 1-a
posibilidad de graficar aumenta considerablemente la utilidad de los programas.
Las interpretaciones geométricas, además de proporcionar aproximaciones iniciales de la

raíz, son herramientas importantes en el aislamiento de las propiedades de las funciones
previendo las fallas de los métodos numéricos. Por ejemplo, la figura 4.2 muestra algunas
formas diferentes en tas que la raíz puede encontrarse en un intervalo definido por un
limite inferior x1y y un límite superior Xu. La figura 4.2b bosqueja el caso donde los valores
positivo y negativo de f(x1) y f(xu) tienen signos opuestos respecto al eje x, encierran tres
raíces dentro del intervalo. En general, si f(x1) y f(xu) tienen

signos opuestos, existe un número impar de raíces dentro del
intervalo definido por los mismos. Como se indica en la figura
4.2a ye, si f(x1) y f(xu) tienen el mismo signo, no hay raíces o
hay un número par de ellas entre los valores dados.
Aunque estas generalizaciones son usualmente verdaderas,

existen casos en que no se cumplen. Por ejemplo, las raíces
múltiples, esto es, funciones tangenciales al eje x (Fig. 4.3a) y
las funciones discontinuas (Fig. 4.3b) pueden no cumplir estos
principios- Un ejemplo de una función que tiene una raíz
múltiple es la ecuación cúbica f(x) = (x - 2) (x - 2) (x - 4).
Nótese que x = 2 anula dos veces al polinomio, de ahí que a x
se le conozca como raíz múltiple. Al final del capítulo 5, se
presentan técnicas que están diseñadas expresamente para
localizar raíces múltiples.
La existencia de casos del tipo mostrado en la figura 4.3

dificulta el desarrollo de algoritmos generales que garanticen
la localización de todas las raíces en el intervalo. Sin
embargo, cuando se usan los métodos expuestos en las
siguientes secciones en conjunción con esquemas gráficos,
son de gran utilidad en la solución de problemas de muchas
raíces, frecuentemente se presentan en el área de ingeniería
y matemáticas aplicadas.
EJEMPLO 4.2
Uso de gráficas por computadora para localizar raíces
FIGURA 4.2 Ilustración de las
formas que puede tener una
raíz en un intervalo prescrito
Enunciado del problema: las gráficas por computadora
por los límites inferior, x1 y pueden informar y acelerar los esfuerzos para localizar raíces
superior Xy. Los incisos a) y b) de una función. Este ejemplo se desarrolló usando los
indican que si f(x1) y f(xu) programas de NÜMERICOMP disponibles con el texto. Sin
tienen el mismo signo,
embargo, de esta manera es posible entender como la
entonces no habrá raíces
dentro del intervalo o habrá un graficación por computadora ayuda a localizar raíces.
número par de ellas. Los
incisos c) y d) indican que si La función:
f(x1) y f(xu) tienen signos
opuestos en los extremos,
entonces habrá un numero
f ( x) = sin 10 x + cos 3 x
impar de raíces dentro del
intervalo.
Tiene varias raíces sobre el rango de las x = - 5 hasta x = 5. Empléese la opción de

graficación del programa para profundizar en el comportamiento de esta función.
Solución: Como se ilustro en el ejemplo 2.1 se puede usar NUMERICOMP para graficar
funciones. En la figura 4.4a se muestra la grafica de f(x) desde x = - 5 hasta x = 5. La
grafica muestra la existencia de varias raíces, incluyendo posiblemente una doble
alrededor de x = 4.2 en donde f(x) parece ser tangente al eje x. Se obtiene una
descripción más detallada del comportamiento de f(x) cambiando el rango de graficación
desde x = 3 hasta x = 5, como se muestra en la figura 4.4b. Finalmente, en la figura 4.4c,
se acorta la escala vertical a f(x) = -0.15 y f(x) = 0.15 y la horizontal a x = 4.2 y x = 4.3-
Esta gráfica muestra claramente que no existe una raíz en esta región y que, en efecto,
hay dos raíces diferentes alrededor de x = 4.229 y x = 4.264.
Las gráficas por computadora tienen gran utilidad en el estudio de los métodos numéricos.
Esta habilidad también puede aplicarse en otras materias así como en las actividades
profesionales.
FIGURA 4.3 Ilustración de algunas

excepciones de los casos generales
mostrados en Fig. 4.2 a) Pueden
ocurrir figuras múltiples cuando la
funciones tangencial al eje x. En
este caso aunque los extremos son Fig. 4.4 Escala miento progresivo f(x) = sen 10x + cos 3x mediante la
signos opuestos, hay un número par computadora. Estas graficas interactivas le permiten al analista
de raíces en el intervalo. b) Las determinar que existen dos raíces entre x=4.2 y x=4.3
funciones discontinuas en donde los
extremos tienen los signos opuestos
también contienen un número par de
raíces. Se requieren estrategias
especiales para determinar las
raíces en es estos casos,
4.2 MÉTODO DE BISECCIÓN
Cuando se aplicaron las técnicas gráficas, en el ejemplo 4.1, se observó (Fig. 4.1) que f(x)
cambió de signo hacia ambos lados de la raíz. En general, si} (x) es real y continua en el
intervalo de x1 y xu y f(x1) y f(xu) tienen signos opuestos, esto es,
f(x1)f(xu) < 0 [4.1]
Entonces hay, al menos una raíz real entre x1 y xu.
Paso 1: Expóngase los valores iniciales de x1 y xu de forma tal que la función cambies de
signo sobre el intervalo. Esto se puede verificar asegurándose de que f(x1) y f(xu) < 0.
Paso 2: La primera aproximación a la raíz x, se determina como:
xi + xu
xr =
x
Paso 3: Realice las siguientes evaluaciones determínese en que subintervalo cae la raíz:
a) f(x1)f(xr) < 0, entonces la raíz se encuentra dentro del primer subintervalo.
Por lo tanto resuelve xu = xr y continúese con el paso 4.
b) f(x1)f(xr) > 0, entonces la raíz se encuentra dentro del segundo
subintervalo. Por lo tanto resuelve x1 = xr y continúese con el paso 4.
c) f(x1)f(xr) = 0, entonces la raíz se igual a x1 y se terminan los cálculos.
Paso 4: Calcule una nueva aproximación a la raíz mediante:
xi + xu
xr =
x
Paso 5: Decídase si la nueva aproximación es tan exacta como se desea. Si es así,
entonces los cálculos terminan, de otra manera regrese al paso 3.
Fig. 4.5 Algoritmo de Bisección
Los métodos de búsqueda incrementa! se aprovechan de esta característica para localizar

un intervalo donde !a función cambie de signo. Por lo tanto, la localización del cambio de
signo (y por ende, de la raíz), se logra más exactamente dividiendo e! intervalo en una
cantidad definida de subintervalos. Se rastrea cada uno de estos subintervalos para
encontrar el cambio de signo. El proceso se repite y la aproximación a !a raíz mejora cada
vez más a medida que los subintervalos se dividen en intervalos más y más pequeños. Se
estudia más sobre el tema de búsquedas increméntales en la sección 4.4.
El método de bisección, conocido también como de corte binario, de partición en dos

intervalos iguales o método de Bolzano, es un método de búsqueda incrementa! donde el
intervalo se divide siempre en dos, Si la función cambia de signo sobre un intervalo, se
evalúa el valor de la función en el punto medio. La posición de la raíz se determina
situándola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo.
El proceso se repite hasta obtener una mejor aproximación. La figura 4.5 muestra un
algoritmo para la bisección y en la figura 4.6 se muestra un bosquejo gráfico del método.
FIGURA 4.6 Gráfica del método

de bisección. Esta gráfica incluye
las primeras tres iteraciones del
ejemplo 4.3.
EJEMPLO 4.3
Bisección
Enunciado del problema; úsese el método de la bisección para determinar la raíz de

f(x)=e-x - x.
Solución: Recuérdese de acuerdo a la gráfica de la función (Fig. 4.1) que la raíz se

encuentra entre O y 1. Por lo tanto, el intervalo inicial se puede escoger desde x1 = 0
hasta x1 = 1. Por consiguiente, la estimación inicial de la raíz se sitúa en el punto medio
de este intervalo:
0 +1
xr = = 0 .5
2
Esta estimación representa un error de (el valor exacto es 0.567 143 29. . .)
Ev = 0.567 143 29 - 0.5 = 0.067 143 29 o, en términos relativos:

0.06714329
εν = 100% = 11.8%
0.56714329
Donde el subíndice v indica que el error es con respecto a! verdadero. Ahora se calcula:
f(0)f(0.5) = (1)(0.10653) = 0.10653
Que es mayor de cero, y por consiguiente no hay cambio de signo entre x1 y xr. Y por lo
tanto, la raíz se encuentra dentro del intervalo y = 0.5 y x = 1. E! límite inferior se redefine
como x1 = 0,5, y la aproximación a la raíz en la segunda iteración se calcula como;
0 .5 + 1
xr = = 0.75 ε ν = 32.2%
2
El proceso se puede repetir para obtener aproximaciones más exactas. Por ejemplo, la
tercera iteración es:
f(0.5)f(0.75) = -0.030 <0
Por lo tanto, la raíz está entre 0.5 y 0.75:
Xu = 0.75
0.5 + .75
xr = = 0.625 ε ν = 10.2%
2
Y la cuarta iteración es:
f(0.5)f(0.625)= -0.010 < 0
Por lo tanto, la raíz está entre 0.5 y 0.625:
Xu = 0.625
0.5 + .0.625
xr = = 0.5625 ε ν = 0.819%
2
El método se puede repetir para alcanzar mejores estimaciones. La figura 4.6 muestra
una gráfica de las primeras tres iteraciones.
En el ejemplo anterior, se puede observar que el error real no disminuye con cada
iteración. Sin embargo, el intervalo dentro del cual se localiza la raíz se divide a la mitad
en cada paso del proceso. Como se estudiará en la próxima sección, la longitud del
intervalo proporciona una aproximación exacta del límite superior del error en el método
de bisección.
4.2.1 Criterios de paro y estimación de errores
El ejemplo 4.3 finaliza con la opción de repetir el método para obtener una aproximación
más exacta de la raíz. Ahora se debe desarrollar un criterio objetivo para decidir cuando
debe terminar el método.
Una sugerencia inicial puede ser que terminen los cálculos cuando el error se encuentre
por debajo de algún nivel prefijado. Se puede ver en el ejemplo 4.3, que el error relativo
bajó de un 11.8 a un 4.69% durante los cálculos. Puede decidirse que el método termine
cuando se alcance un error más bajo, por ejemplo del 0.1%. Esta estrategia es
inconveniente ya que la estimación del error en el ejemplo anterior se basó en el
conocimiento del valor exacto de la raíz de la función. Este no es el caso de una situación
real ya que no habría motivo para usar el método si ya se supiese la raíz.
Por lo tanto, se requiere estimar el error de manera tal que no incluya el conocimiento
previo de la raíz. De manera análoga ha como se ve en la sección 3.3, se puede calcular
e! error relativo aproximado Ea de la siguiente manera [recuérdese la ecuación (3.5)]:
x rnueva − x ranterior
εa = 100% [4.2]
x rnueva
Donde xrnueva es la raíz de la iteración actual y xranterior es el valor de la raíz de la iteración

anterior. Se usa el valor absoluto ya que, en general importa sólo la magnitud de Ea sin
considerar su signo. Cuando |Ea| es menor que un valor previamente fijado, que define el
criterio de paro, Es el programa se detiene.
EJEMPLO 4.4
Estimación del error para el método de la bisección
Enunciado de! problema: úsese la ecuación (4.2) para estimar el error de las iteraciones
del ejemplo 4.3.
Solución: Las primeras dos estimaciones de la raíz en el ejemplo 4.3 fueron 0.5 y 0.75.
Sustituyendo estos valores en la ecuación (4.2) se obtiene:
0.75 − 0.5
εa = 100% = 33.3%
0.75
Recuérdese que el error exacto para la raíz estimada de 0.75 es del 32.2%. De esta
manera, Ea es mayor que Ev. Este comportamiento se muestra en las otras iteraciones
Iteración Xr |Ev|% |Ea|%

1 0.5 11.800
2 0.75 32.200 33.3
3 0.625 10.200 20.0
4 0.5625 0.819 11.1
5 0.59375 4.690 5.3
FIGURA 4.7 Errores del método de bisección. Se granean los

errores verdadero y aproximado contra el número de iteraciones.
Estos resultados, junto con los de las iteraciones subsiguientes se resumen en la figura
4.7- La naturaleza "desigual" del error real se debe a que para el método de la bisección
la raíz exacta se encuentra en cualquier lugar dentro del intervalo. Los errores verdadero
y aproximado son casi iguales cuando el intervalo está centrado sobre la raíz. Cuando la
raíz se encuentra cerca de un extremo del intervalo, entonces los errores son muy
diferentes.
Aunque el error aproximado no proporciona una estimación exacta del error verdadero, la
figura 4.7 sugiere que Ea capta la dirección descendente de Eu. Además, la gráfica
muestra una característica muy interesante; que en siempre es mayor que Ev. Por lo tanto,
cuando Es es menor que Ea los cálculos se pueden terminar con la confianza de saber
que la raíz es al menos tan exacta como el nivel específico prefijado.
Aunque siempre es dañino aventurar conclusiones generales de un sólo ejemplo, se

puede demostrar que £„ siempre será mayor que Ea en el método de bisección. Esto se
debe a que cada vez que se encuentra una aproximación a la raíz usando bisecciones
como xr = (x1 + (xu)/2), se sabe que la raíz exacta cae en algún lugar dentro de intervalo
(xu — xl)/2 = ∆x/2. Por lo tanto, la raíz debe situarse dentro de ± ∆x/2 de la aproximación
(Fig. 4.8). Por ejemplo cuando se terminó el ejemplo 4.3 se pudo decir definitivamente
que:
Xr = 0,562 5 ± 0.062 5
FIGURA 4.8 Tres formas diferentes en que un intervalo puede agrupar a la raíz.
En a) el valor verdadero cae en el centro del intervalo, mientras que en b) y c) el
valor se acerca a uno de los extremos. Nótese que la diferencia entre el valor
verdadero y el punto medio del intervalo jamás sobrepasa lo longitud media del
intervalo, o ∆x/2.
FIGURA 4.9 Esquema gráfico de! porqué la estimación del error en el

método de bisección (∆x/2) es equivalente a la estimación actual de la
nueva
raíz ( xr menos la estimación anterior de la raíz xranterior ).
Debido a que ∆x/2 = xnueva 4 - xanterior (Fig. 4.9), la ecuación (4.2) proporciona un límite
superior exacto sobre el error real. Para que se rebase este límite, la raíz real tendría que
caer fuera del intervalo que la contiene, lo cual, por definición jamás ocurrirá en el método
de bisección. El ejemplo 4.7 muestra otras técnicas de localización de raíces que no
siempre se portan tan eficientes. Aunque el método de bisección, en general es más lento
que otros métodos, la elegancia del análisis de error, ciertamente es un aspecto positivo
que puede hacerlo atractivo para ciertas aplicaciones de la ingeniería.
4.2.2 Programación del método de bisección
El algoritmo de la figura 4.5, ahora se presenta en un programa que se muestra en la

figura 4-10. El programa usa una función (línea 100) que facilita la localización de la raíz y
las modificaciones a la función. Además, se incluye la línea 200 para verificar la
posibilidad de divisiones por cero durante la evaluación del error. Tal caso se presenta
cuando el intervalo está centrado respecto al origen. En este caso, la ecuación (4.2) es
infinita. Si esto ocurre, el programa salta sobre la evaluación del error para esa iteración.
El programa de la figura 4.10 no es muy legible para el usuario; está diseñado únicamente
para calcular la respuesta, el usuario debe hacerlo más fácil de usar y de entender.
Dentro del paquete de NUMERICOMP asociado con este texto se proporciona un ejemplo
de un programa legible al usuario para encontrar raíces de ecuaciones. El siguiente
ejemplo muestra el uso de NUMERICOMP para encontrar raíces. También proporciona
una buena referencia para valorar y examinar los programas del usuario.
FIGURA 4.10 Programa para el método de bisección.
EJEMPLO 4.5
Localización de raíces usando la computadora
Enunciado del problema: asociado con los programas de NUMERICOMP, se encuentra

un programa legible al usuario sobre el método de bisección.
Se puede usar este programa para resolver un problema de diseño asociado con el
ejemplo del paracaidista analizado en el capítulo I. Como se recordará, la velocidad del
paracaidista está dada, en función del tiempo, de la siguiente manera:
u (t ) =
gm
c
[
1 − e − (c / m )t ] [E4.5.1]
Donde v es la velocidad del paracaidista en centímetros por segundo, g es la constante

gravitacional cuyo valor es 980 cm / s2, m es la masa del paracaidista cuyo valor es 68
100 g y c es el coeficiente de rozamiento. En el ejemplo 1.1 se calculó la velocidad del
paracaidista en función del tiempo para valores dados de m, c y g. Sin embargo,
supóngase que se desea controlar el movimiento del paracaidista de tal forma que se
alcance una velocidad prefijada en caída libre después de un tiempo dado. En este caso,
se debe seleccionar un valor apropiado de c que satisfaga los requisitos de diseño cuando
se mantengan constantes m, g. t y v. Una ojeada a la ecuación a (E4.5.1) muestra que c
no se puede calcular explícitamente en función de las variables conocidas. Supóngase
que se desea que la velocidad del paracaidista alcance un valor de 4 000 cm/s después
de 7 s. De esta manera, se debe determinar un valor de c tai que:
0 = f (c ) =
gm
c
[ ]
1 − e − (c / m )t − v [E4.5.2]
Solución: para implementar el método de BISECCIÓN, se requiere obtener un intervalo

inicial que contenga a! valor de c que satisfaga la ecuación (E4.5.2). Es conveniente
seleccionar este intervalo conjuntamente con la opción de graficación de BISECCIÓN que
viene con el disco (opción 3). El programa pregunta los valores mínimo y máximo de x y
de f(x) generando la gráfica mostrada en la figura 4.11o después que se han introducido
las dimensiones de la gráfica. Puede verse que existe una raíz entre 10 000 y 15 000 g/s.
El programa BISECCIÓN pregunta por un límite máximo de iteraciones permitido, un error
de convergencia εs y un límite inferior y superior para la raíz. La figura 4.11b muestra
estos valores, junto con la raíz calculada de 11 643.14 g / s. Nótese que con 16
iteraciones se obtiene un valor aproximado a la raíz con un error menor de 65- Más aún,
la computadora muestra una verificación del error de:
f(11643.14) = 1.025391 x 10-2
FIGURA 4.11 a) Gráfica de la ecuación (E 4.5.2) b) Resultados para determinar el

coeficiente de rozamiento usando BISECCIÓN en el problema del paracaidista.
Para confirmar los resultados. Si la exactitud que se requiere no se hubiera alcanzado con
el número especificado de iteraciones, entonces el algoritmo habría terminado después de
30 iteraciones.
Estos resultados están basados en el algoritmo simple del método de BISECCIÓN con el
uso de rutinas de entrada y salida legibles al usuario. El algoritmo usado es similar al de la

figura 4.10. El usuario debe estar listo para escribir sus propios programas sobre el
método de bisección. Si tiene los programas de NUMERICOMP, entonces los puede usar
como modelo y para verificar que sus programas sean adecuados.
4.3 MÉTODO DE LA REGLA FALSA
Aunque el método de bisección es una técnica perfectamente válida para determinar

raíces, su enfoque es relativamente ineficiente. Una alternativa mejorada es la del método
de la regla falsa está basado en una idea para aproximarse en forma más eficiente a la
raíz.
Un defecto del método de bisección es que al dividir el intervalo x1, a Xu en mitades

iguales, no se toma en consideración la magnitud de f(xi) y de f(Xu). Por ejemplo, si / (x,)
está mucho más cerca de cero que f(xu), es lógico que la raíz se encuentra más cerca de
x, que de xu (Fig. 4.12). Este método alternativo aprovecha la idea de unir los puntos con
una línea recta. La intersección de esta línea con el eje x proporciona una mejor
estimación de la raíz. El reemplazamiento de la curva por una línea recta da una "posición
falsa" de la raíz, de aquí el nombre de método de la regla falsa o en latín, regula falsi.
También se le conoce como método de interpolación lineal.
Con el uso de triángulos semejantes (Fig. 4.12), la intersección de la línea recta y el eje x
se puede calcular de la siguiente manera:
f ( xl ) f ( xu )
= [4.3]
x r − xl xr − xu
Que se puede resolver para

(véase el recuadro 4.1 para
mayores detalles)
Fig. 4.12 Esquema grafico del método

del la regla falsa. La formula de deriva
de los triángulos semejantes (áreas
sombreadas.
RECUADRO 4.1 Derivación del método de la regla sumando y restando Xu del lado derecho:
falsa
f ( xl ) xu f ( xu ) xl
x r = xu + − xu −
Multiplicando en cruz la ecuación (4.3) se obtiene:
f ( xl ) − f ( xu ) f ( xl ) − f ( xu )
Agrupando términos se obtiene:

f ( x i )( x r − x u ) = f ( x u )( x r − x l )
f ( xu ) xu f ( xu ) xl
x r = xu + −
Agrupando términos y reordenando f ( xl ) − f ( xu ) f ( xl ) − f ( xu )
f ( x u )( x l − x u )
xr[ f ( xl ) − f ( xu )] = x u f ( x l ) − x l f ( x u ) x r = xu −
f ( xl ) − f ( xu )
Dividiendo entre f(xl) - f(xu)

Que es igual a la ecuación (4.4). Se usa de esta
x f ( xl ) − xl f ( xu ) forma ya que es directamente comparable con el
xr = u
f ( xl ) − f ( xu ) método de la secante analizado en el capítulo 5
Ésta es una forma del método de la regla falsa.

Nótese que esto permite calcular la raíz x, en
función de los límites inferior, xl y superior xu. Se
puede ordenar de una manera alternativa,
expandiéndola:
f ( x u )( x l − x u )
x r = xu −
f ( xl ) − f ( xu )
Esta es la fórmula de la regla falsa. El valor de xr, calculado con la ecuación (4.4),
reemplaza a uno de los dos valores, xl; o a xu que produzca un valor de la función que
tenga el mismo signo de f(xr.). De esta manera, los valores xr y xu siempre encierran a la
raíz. El proceso se repite hasta que la aproximación a la raíz sea adecuada- El algoritmo
es idéntico al de la bisección (Fig. 4.6) con la excepción de que la ecuación (4.4) se usa
en los pasos 2 y 4. Además, se usan los mismos criterios de paro [(Ec. (4.2)] para detener
los cálculos.
EJEMPLO 4.6
Regla falsa
Enunciado del problema: úsese el método de la regla falsa para determinar la raíz de f(x)
= ex — x. La respuesta correcta es 0.567 143 29.
Solución: como en el ejemplo 4.3, iníciense los cálculos con los valores iniciales xl=0 y
xu=1.
Primera iteración:
x l = 0 f ( x) = 1
x u = 1 f ( x u ) = −0.63212
− 0.63212(0 − 1)
xr = 1 − = 0.6127
1 − (−0.63212)
El error relativo real se puede estimar como:
0.56714329 − 0.6127
εν = 100% = 8.0%
0.56714329
Segunda iteración:
f ( xl ) f ( xu ) = 0.0708
Por lo tanto, la raíz se encuentra dentro del primer subintervalo y xr se puede convertir en
el limite superior de la siguiente iteración, xu = 0.6127.
xl = 0 f ( x) = 1
x u = 0.6127 f ( x u ) = −0.0708
− 0.070(0 − 0.6127)
x r = 0.6127 − = 0.51219 ε ν = 0.89%
1 − (−0.0708)
El error aproximando se puede calcular como:
0.57219 − 0.6127
εν = 100% = 7.08%
0.57219
Se pueden llevar a cabo estimaciones adicionales para mejorar la estimación de la raíz.
Puede emitirse una opinión mas completa sobre la eficiencia relativa de los métodos de
bisección y de la regla falsa al observar la figura 4.13 que muestra la grafica del error
relativo porcentual de los ejemplos 4.3 y 4.6. Nótese como el error decrece mucho mas
rápidamente para el método de la regla falsa que para el de bisecciones ya que el primero
es un esquema más eficiente para la localización de raíces.
Recuérdese que en el método de

bisección el intervalo entre xl y xu
decrece durante los cálculos. Por
lo tanto, el intervalo dado por
∆x / 2 = x u − x l / 2 proporciona
una medida del error en estas
aproximaciones. Este no es el
caso para el método de la regla
falsa ya que uno de los extremos
puede permanecer fijo a lo largo
de los cálculos, mientras que el
otro converge a la raíz. Como en
el caso, del ejemplo 4.4 donde el
extremo inferior xl se sostuvo en
cero, mientras que xu convergió a
la raíz. En tales casos, el intervalo
no se acorta, sino que se mantiene
más o menos constante.
El ejemplo 4.6 sugiere que la

ecuación (4.2) representa un
criterio de error muy conservador.
De hecho, la ecuación (4.2)
constituye una aproximación de la
discrepancia de la iteración previa. Esto se debe a que para cada caso, tal como en el
ejemplo 4.6, donde el método converge rápidamente (por ejemplo, el error se reduce casi
una orden de magnitud por iteración), la iteración actual xrnueva es una aproximación
mucho mejor al valor real de la raíz que el resultado de la iteración previa xranterior. Por lo
tanto, el numerador de la ecuación (4.2) representa la diferencia de la iteración previa. En
consecuencia, hay confianza que cuando se satisface la ecuación (4.2), la raíz se conoce
con mayor exactitud superando la tolerancia preestablecida. Sin embargo, como se ve en
la siguiente sección, existen casos donde la regla de la posición falsa converge
lentamente. En estos casos la ecuación (4.2) no es confiable y se debe desarrollar un
criterio diferente de paro.
4.3.1 Desventajas del método de la regla falsa
Aunque el método de la regla falsa pareciera siempre ser el mejor de los que usan
intervalos, hay casos donde funciona deficientemente. En efecto, como en el ejemplo
siguiente, hay ciertos casos donde el método de bisección da mejores resultados.
Un caso donde el método de bisección es preferible al de lo regla falsa
Enunciado del problema: úsense los métodos de bisección y de la regla falsa localizar la
raíz de:
f ( x) = x10 − 1
Entre x = 0 y x = 1.3
Solución: usando bisección, los resultados se resumen como:
Iteración Xl Xu Xr |εv|% |εa|%

1 0 1.3 0.65 35.0
2 0.65 1.3 0.975 2.5 33.33
3 0.975 1.3 1.1375 13.8 14.30
4 0.975 1.1375 1.05625 5.6 7.70
5 0.975 1.05625 1.015625 1.6 4.00
De esta manera, después de cinco iteraciones. El error verdadero se reduce a menos del
2%. Con la regla falsa se obtiene un esquema muy diferente.
Iteración Xl Xu Xr |εv|% |εa|%

1 0 1.3 0.09430 90.6
2 0.09430 1.3 0.18176 81.8 48.1
3 0.18176 1.3 0.26287 73.7 30.9
4 0.26287 1.3 0.33811 66.2 22.3
5 0.33811 1.3 0.40788 59.2 17.1
Después de cinco iteraciones, el error verdadero se ha reducido al 59%. Además, nótese

que |εv| < |εt|. De esta forma, el error aproximado es engañoso. Se puede obtener mayor
información examinando una gráfica de la función. En la figura 4.14 la curva viola una
hipótesis sobre la cual se basa la regla falsa; esto es, si f(xl) se encuentra mucho más
cerca de cero que f(xu) entonces la raíz se encuentra más cerca a xL que xu (recuérdese la
figura 4.12J. De acuerdo a la gráfica de esta función, la inversa es verdadera.
El ejemplo anterior ilustra que en general no es posible hacer generalizaciones

relacionadas con los métodos de obtención de raíces. Aunque un método como el de la
10
Figura 4.14 Grafica de la función f(x) = x -1,
ilustración de la convergencia lenta del método
de la regla falsa.
regla falsa, en general es superior al de

bisección, hay, invariablemente casos
especiales que violan las conclusiones
generales. Por lo tanto, además de usar la
ecuación (4.2), los resultados se pueden
verificar sustituyendo la raíz aproximada
en la ecuación original y determinar si el
resultado se acerca a cero. Estas pruebas
se deben incorporar en todos los
programas que localizan raíces.
4.3.2 Programa para el método de lo regla

falsa
Se puede desarrollar directamente un

programa para la regla falsa a partir del
código del método de bisección de la
figura 4.10. La única modificación es la de
sustituir la ecuación (4.4) en las líneas
130 y 190. Además, la prueba contra cero
sugerida en la última sección, también se debe incorporar en el código.
4.4 BÚSQUEDAS CON INCREMENTOS DETERMINANDO UNA APROXIMACIÓN

INICIAL
Además de verificar una respuesta individual, se debe determinar sí se han localizado

todas las raíces posibles. Como se mencionó anteriormente, en general, una gráfica de la
función ayudará en esta tarea. Otra opción es incorporar una búsqueda incremental al
principio del programa. Consiste en empezar en un extremo de la región de interés y
realizar evaluaciones de la función con pequeños intervalos a lo largo de la región.
Cuando la función cambia de signo, se supone que una raíz cae dentro del incremento.
Los valores de x de los extremos del intervalo pueden servir de valores iniciales para una
de las técnicas descritas en este capítulo que usan intervalos.
Un problema aunado a los métodos de búsquedas increméntales es el de escoger la

longitud del incremento. Si la longitud es muy pequeña, la búsqueda puede consumir
demasiado tiempo- Por el otro lado, si la longitud es muy grande, existe la posibilidad de
que las raíces muy cercanas entre sí pasen desapercibidas (Fig. 4.15). El problema se
combina con la posible existencia de raíces múltiples. Un remedio parcial para estos
casos en calcular la primera derivada de la función f’(x) en los extremos del intervalo. Si la
derivada cambia de signo, entonces puede existir un máximo o un mínimo en ese
intervalo, lo que sugiere una búsqueda más minuciosa para detectar la posibilidad de una
raíz.
FIGURA 4.15 Casos donde

las raíces se pueden brincar
debido a que los longitudes
de los intervalos en los
métodos de búsquedas
increméntales son
demasiado grandes. Nótese
que la última raíz es
múltiple y se iba a brincar
independientemente de la
longitud de! incremento.
Aunque estas modificaciones, o el empleo de un incremento muy fino pueden solucionar

en parte el problema, se debe aclarar que los métodos sencillos tales como el de
búsqueda incremental no son infalibles. Se debe tener conocimiento de otras
informaciones que profundicen en la localización de raíces a fin de complementar las
técnicas automáticas. Esta información se puede encontrar graneando la función y
entendiendo el problema físico de donde se originó la ecuación.
PROBLEMAS
Cálculos a mano
4.1 Determínense las raíces reales de:
f(x) = -0.874x2 + 1.75x + 2.627
Gráficamente
a) Usando la fórmula cuadrática

b) Usando el método de bisección hasta tres iteraciones para determinar la raíz
más alta. Empléense como valores iniciales xi = 2.9yXy = 3.1. Calcúlese el error
estimado εa y el error verdadero εu después de cada iteración.
4.2 Determínense las raíces reales de
F(x) =-2.1 + 6.21x - 3.9x2 + 0.667x3
a) Gráficamente
b) Usando bisección para localizar la raíz más pequeña. Empléense como valores
iniciales xl = 0.4 y Xu = 0.6 e itérese hasta que el error estimado εa se encuentre
abajo de e, = 4%
f(x) = -23.33 + 79.35x -88,09x2 + 41.6x3 - 8.68x4 + 0.658x5
a) Gráficamente
b) Usando bisección para determinar la raíz más alta para e, — 1 %. Empléese
como valores iniciales x, = 4.5 y Xy " 5.
c) Realícense los mismos cálculos de b) pero usando el método de la regla falsa.
f(x) = 9.36 - 21.963x + 16.2965x2 - 3,70377x3
a) Gráficamente
b) Usando el método de la regla falsa con un valor de (, correspondiente 3 tres
cifras significativas para determinar la raíz más baja.
4.5 Localícese la primer raíz diferente de cero de tan x = 1.1. x donde x está en radianes.
Úsese una técnica gráfica y bisección con valores iniciales 0.1 y 0-6- Realícense los
cálculos hasta que εv sea menor del e; = 10%. Verifíquense también tos errores
sustituyendo la respuesta final en la ecuación original.
4.6 Determínese la raíz real de In x = 0.5
a) Gráficamente
b) Usando el método de bisección con tres iteraciones y valores iniciales xi = 1 y x,
= 2.
c) Usando el método de la regla falsa con tres iteraciones y los mismos valores
iniciales del inciso anterior.
4.7 Determínese la rafa real de:
1 − 0 .6 x
f ( x) =
x
a) Analíticamente
b) Gráficamente
c) Usando el método de la regla falsa con tres iteraciones y valores iniciales de 1.5
y de 2,0. Calcúlese el error aproximado εa y el error verdadero εv después de
cada iteración.
4.8 Encuéntrese la raíz cuadrada positiva de 10 usando el método de la regla falsa con εs
= 0.5 %. Empléense los valores iniciales de xl = 3 y xu = 3.2.
4.9 Encuéntrese la raíz positiva más pequeña de la función (x está dada en radianes):
x2 sen x •= 4
Usando el método de la regla falsa. Para localizar la región en que cae la raíz, primero
grafíquese la función para valores de x entre O y 4. Realícense los cálculos hasta que εa
haga que se cumpla e, = 1 %. Verifíquese la respuesta final sustituyéndola en la función
original.
4.10 Encuéntrese la raíz real positiva de:
f(x) = JC" – 8.6x3 – 35.51x2 + 464x – 998.46
Usando el método de la regla falsa- Úsese una gráfica para determinar los valores
iniciales y realizar los cálculos con εs = 0.1 %.
4.11 Determínese la raíz real de:
f(x) = x3 - 100
a) Analíticamente
b) Con el método de la regla falsa con εs = 0,1 %.
4.12 La velocidad del paracaidista está dada por la fórmula:
gm
v= [1 − e − ( c / m )t ]
c
Donde g = 980. Para un paracaidista de masa m = 75 000 g calcúlese el coeficiente de

rozamiento c con ü = 3600 cm/s en t = 6 s. Úsese el método de la regla falsa para
determinar c con e¡ == 0.1 %.
Problemas para resolver con computadora
4.13 Vuélvase a programar la figura 4.10 de forma tal que sea más legible al usuario.
Entre otras cosas:
a) Documéntese indicando la función de cada sección.

b) Etiquétense las entradas y las salidas
c) Agréguese una prueba que verifique si los valores iniciales xl y xu encierran a la
raíz.
d) d} Agréguese una prueba de verificación para que la raíz obtenida se sustituya
en la ecuación original para comprobar si el resultado final se acerca a cero.
4.14 Pruébese el programa del problema 4.13 duplicando los cálculos del ejemplo 4.3
4.15 Úsese el programa del problema 4.13 para repetir desde el problema 4.1 al 4.6.
4.16 Repítanse los problemas 4.14 y 4.15 usando los programas de NUMERICOMP
disponibles con el texto. Úsense las capacidades gráficas de este programa para verificar
los resultados.
4.17 Úsense los programas de NUMERICOMP para encontrar las raíces reales de dos
funciones polinomiales cualesquiera, Grafíquense las funciones sobre un rango definido
para obtener los límites inferior y superior de las raíces.
4.18 Repítase el programa 4.17 usando dos funciones trascendentales.
4.19 En este problema se usan solamente las capacidades gráficas de los programas
NUMERICOMP disponibles con el texto. Los programas trazan la función sobre intervalos
más y más pequeños para incrementar la cantidad de cifras significativas que se quiera
estimar una raíz. Empiécese con f(x) = e-x sen (10 x}. Grafíquese la función con un rango
a escala completa desde x = O hasta x = 2,5, Estímese la raíz. Trácese nuevamente la
función sobre el rango x = 0.5 a x = 1.0, Estímese la raíz. Finalmente, grafíquese la
función sobre un rango de 0.6 a 0.7, Esto permite estimar la raíz con dos cifras
significativas.
4.20 Desarróllese un programa legible al usuario para el método de la regla falsa basado
en la sección 4.3.2. Pruébese el programa con el ejemplo 4.6.
4.21 Úsese el programa del problema 4.20 para probar los cálculos del ejemplo 4.7-
Realícense corridas de 5, 10. 15 y más iteraciones hasta que el error relativo porcentual
sea menor del 0,1%, Grafíquense los errores relativos porcentuales aproximados contra el
número de iteraciones sobre papel semilogarítmico. Interprétense los resultados.
CAPÍTULO CINCO
MÉTODOS
ABIERTOS
En los métodos del capítulo anterior que usan intervalos, la raíz se encuentra dentro del
mismo, dado por un límite inferior y otro superior. La aplicación repetida de estos métodos
siempre genera aproximaciones más y más cercanas a la raíz. A tales métodos se les
conoce como convergentes ya que se acercan progresivamente a la raíz a medida que
crece el número de iteraciones (Fig. 5.1a).
FIGURA 5.1 Esquema gráfico de las diferencias

fundamentales entre los métodos que usan intervalos a)
y los métodos abiertos b) y c) en la localización de raíces.
En a), que ilustra el método de bisección, la raíz está
registrada dentro del intervalo dado por xl y xu. En
contraste, con los métodos abiertos, ilustrados en b) y c),
se usa uno fórmula para proyector x, o x;^, con un
esquema iterativo. De esta manera, el método puede
divergir b) o converger c) rápidamente, dependiendo del
punto inicial.
En contraste con éstos, los métodos abiertos que se describen en este capítulo, se basan
en fórmulas que requieren de un solo valor x o de un par de ellos pero que no
necesariamente encierran a la raíz. Como tales, algunas veces divergen o se alejan de la
raíz a medida que crece el número de iteraciones (Fig. 5.1b). Sin embargo, cuando los
métodos abiertos convergen (Fig. 5.1c), en general lo hacen mucho más rápido que los
métodos que usan intervalos. Se empieza el análisis de los métodos abiertos con una
versión simple que es útil para ilustrar su forma general y también para demostrar el
concepto de convergencia,
5.1 ITERACIÓN DE PUNTO FIJO
Como se mencionó anteriormente, los métodos abiertos emplean una fórmula que predice
una aproximación a la raíz. Tal fórmula se puede desarrollar para la iteración de punto fijo,
rearreglando la ecuación /(x) ^O de tal forma que x quede del lado izquierdo de la
ecuación:
x = g(x) [5.1]
Esta transformación se puede llevar a cabo mediante operaciones algebraicas o

simplemente agregando x a cada lado de la ecuación original. Por ejemplo:
x2 - 2x + 3 = 0
Se puede reordenar para obtener;
x2 + 3
x=
2
Mientras que sen x = 0 puede transformarse en la forma de la ecuación (5.1) sumándole x

a ambos lados para obtener:
x = sen x + x
La utilidad de la ecuación (5.1) es que proporciona una fórmula para predecir un valor de
x en función de x. De esta manera, dada una aproximación inicial a la raíz, xi, la ecuación
(5.1) se puede usar para obtener una nueva aproximación x,+i, expresada por la fórmula
iterativa:
xi+1 = g(xi) , [5.2]
Como con otras fórmulas iterativas del libro, el error aproximado de esta ecuación se
puede calcular usando el estimador de error [Ec. (3.5)]:
x i +1 − x i
εa = 100%
x i +1
EJEMPLO 5.1
Iteración de punto fijo
Enunciado del problema: úsese iteración de punto fijo para localizar la raíz de f(x) = e-x-x.
Solución: la función se puede separar directamente y expresarse en la forma de ecuación

(5.2) como xi+1 = e-xi. Empezando con un valor inicial de XQ= 0, se puede aplicar esta
ecuación iterativa y calcular:
Iteración x |εv|% |εg|%

0 0 100.000
1 1.000000 76.300 100.00
2 0.367879 35.100 171.00
3 0.692201 22.100 46.90
4 0.500473 11.800 38.30
5 0.606244 6.890 17.40

6 0.545396 3.830 11.20
7 0.579612 2.200 5.90
8 0.560115 1.240 3.48
9 0.571143 0.705 1.93
10 0.464879 0.399 1.11
De esta manera, cada iteración acerca cada vez más al valor estimado con el valor
verdadero de la raíz, o sea 0.567 143 29.
RECUADRO 5.1
Convergencia de la iteración de punto fijo
Al analizar la figura 5.3, se debe notar que la El lado derecho de esta ecuación es la
iteración de punto fijo converge si en la región pendiente de la línea que une a g(a) y g(b).De
de interés g'(x) < 1. En otras palabras, la esta manera, el teorema del valor medio dice
convergencia ocurre si la magnitud de la que hay al menos un punto entre a y b que
pendiente de g(x) es menor que la pendiente tiene una pendiente, denotada por g(ξ), que es
de la línea f(x)= x. Esta observación se puede paralela a la línea que une g(a) con g(b) (Fig.
demostrar teóricamente. Recuérdese que la 3.5).
ecuación aproximada es: Ahora, si se hace o = x,'y b == x, el lado
derecho de la ecuación (B5.1.2) se puede
xi+1 = g(xi) expresar como:
Supóngase que la solución verdadera es:. g ( x r ) − g ( x i ) = ( x r − x i ) g ' (ξ )
Xr = g(xr)
Donde ξ se encuentra en alguna parte dentro
de xi y xr. Este resultado se puede sustituir en
Restando estas dos ecuaciones se obtiene:
la ecuación (B5.1.2) para obtener:
xr - xi+1 = g(xi) – g(xr)

[B5.1.1]
x r − x i +1 = ( x r − x i ) g ' (ξ ) [B5.1.3]
En el cálculo, existe un principio llamado Si el error verdadero para la i-ésima iteración

teorema del valor medio (sección 3,5.2). Dice se define como:
que si una función g(x) y su primera derivada
son continuas sobre un Intervalo a < x < b, E t ,i = x r − x i
entonces existe un valor de x = S; dentro del
intervalo para el que:
Entonces la ecuación (B5.1.3) se convierte en:
g (b) − g (a )
g ' (ξ ) = [B5.1.2] E t ,i +1 = g ' (ξ ) E t ,i
b−a
Por consiguiente, si g’(ξ) < 1, entonces los
errores decrecen. Con cada iteración. Si

g’(ξ)>1, entonces los errores crecen. Nótese Un corolario de este análisis demuestra que
también que si la derivada es positiva, los cuando el método converge, el error es casi
errores serán positivos, y por lo tanto, la proporcional a y menor que el error del paso
solución iterativa será monótona (Figs. 5.3 a y anterior. Por esta razón, la iteración de punto
c). Si la derivada es negativa, entonces los fijo se dice que es linealmente convergente.
errores oscilarán (Figs. 5.3b y d),
5.1.1 Convergencia
Nótese que el error relativo exacto en cada iteración del ejemplo 5,1 es casi proporcional
(por un factor de 0.5 a 0.6) al error de la iteración anterior. Esta propiedad, conocida como
convergencia lineal, es característica de la iteración de punto fijo. En el recuadro 5.1 se
presenta una base teórica para esta observación.
Dos métodos gráficos alternativos para determinar la raíz

de f(x) = e-x-x. a) Raíz en el punto donde ésta cruza al eje
x; b} raíz en la intersección de los funciones componentes.
Además de la "velocidad" de convergencia, se debe hacer hincapié en este momento

sobre la "posibilidad" de convergencia.
Los conceptos de convergencia y de divergencia se pueden ilustrar gráficamente.

Recuérdese que en la sección 4.1 se gráfico una función para visualizar su estructura y su
comportamiento (Ej. 4.1). Esta función se vuelve a graficar en la figura 5.2o- Un
planteamiento gráfico diferente es el de separar la ecuación f(x) = 0 en dos partes, como
en:
f1(x) = f2(x)
Entonces las dos ecuaciones:

y=f1(x) [5.3]
y=f2(x) [5.4]
Se pueden graficar por separado (Fig. 5.2b). Los valores de x correspondientes a las
intersecciones de estas funciones representan las raíces de f(x) = 0.
EJEMPLO 5.2
El método gráfico de dos curvas
Enunciado del problema: sepárese la ecuación e-x-x = 0 en dos partes y determínese su

raíz gráficamente.
Solución: reformúlese la ecuación como y1=x y y2=e-x. Calcúlense los siguientes valores:
x y1 y2
0.0 0.0 1.000
0.2 0.2 0.819
0.4 0.4 0.670
0.6 0.6 0.549
0.8 0.8 0.449
1.0 1.0 0.368
Estos puntos se grafican en la figura 5.2b. La intersección de las dos curvas indica una
aproximación de x == 0.57, que corresponde al punto donde la curva original en la figura
5.2a cruza al eje x.
El método de las dos curvas se puede usar ahora para ilustrar la convergencia y
divergencia de la iteración de punto fijo.
En primer lugar, la ecuación (5.1) se puede expresar como un par de ecuaciones: y1 = x y

y2= g(x). Estas dos ecuaciones se pueden graficar por separado. Tal fue e! caso de las
ecuaciones (5.3) y (5.4), las raíces de f(x) = O son iguales al valor de la abscisa en la
intersección de las dos curvas. En la figura 5.3 se grafican la función y1= x y cuatro
esquemas diferentes de la función y2= g(x).
FIGURA 5.3 Esquema gráfico de la convergencia a) y b) y la divergencia c) y d) de la iteración de punto fino- A

las gráficos a) y c) se les conoce como patrones monótonos, mientras que a b) y d) se les conoce como patrones
oscilatorios o en espiral. Nótese que la convergencia se obtiene cuando |g'(x) | < 1.
En el primer caso (Fig. 5.3a), el valor inicial xo se usa para determinar el punto
correspondiente a la curva y2 [X0, g(x0)]. El punto [xl , xl] se encuentra moviendo la curva y1
a la izquierda y horizontalmente. Estos movimientos son equivalentes a la primera
iteración del método de punto fijo:
x1=g(x0)
De esta manera, en la ecuación y en la gráfica se usa un valor inicial XQ para obtener la

aproximación xl. La siguiente iteración consiste en moverse al punto [x1, g(x1)] y después a
[x2, x2}. Esta iteración es equivalente a la ecuación:
x1=g(x1)
La solución en la figura 5.3a es convergente ya que la aproximación de x se acerca más a

la raíz con cada iteración. Lo mismo se cumple para la figura 5.3b. Sin embargo, éste no
es el caso para las figuras 5.3c y d, en donde las iteraciones divergen de la raíz. Nótese
que la convergencia ocurre únicamente cuando el valor de la pendiente de y2 = g(x) es
menor al valor de la pendiente de y1 = x, esto es, cuando |g' (x)| < 1. En el recuadro 5.1 se
presenta una derivación teórica de este resultado.
5.1.2 Programa para la iteración de punto fijo
El algoritmo para la computadora de la iteración de punto fijo es extremadamente simple.

Consiste en un ciclo que calcula iterativamente nuevas aproximaciones junto con una
declaración lógica que determina cuando se ha cumplido el criterio de paro.
FIGURA 5.4 Programa para la iteración de punto fijo. Nótese que el

algoritmo general es similar al de los métodos abiertos.
En la figura 5.4 se presentan tos programas en FORTRAN Y BASIC para el algoritmo. Se

pueden programar de manera similar otros métodos abiertos, simplemente cambiando la
fórmula iterativa (declaración 130).
5.2 MÉTODO DE NEWTON-RAPHSON
Tal vez, dentro de las fórmulas para localizar raíces, la fórmula de Newton-Raphson (Fig.
5.5), sea la más ampliamente usada. Si el valor inicial de la raíces xi, entonces se puede
extender una tangente desde el punto [xi, f(xi)]. El punto donde esta tangente cruza al eje
x representa una aproximación mejorada a la raíz.
El método de Newton-Raphson se puede derivar geométricamente (una forma de hacerlo

es mediante el uso de la serie de Taylor, descrita en el recuadro 5.2). Como en la figura
5.5, la primera derivada en x es equivalente a la pendiente.
f ( xi )
f ' ( xi ) = [5.5]
f ' ( xi )
Que se puede reordenar para obtener:
f ( xi )
f ' ( x i +1 ) = x i + [5.6]
f ' ( xi )
A la que se conoce como fórmula de Newton-Raphson.
FIGURA 5.5 Esquema gráfico del método

de Newton-Raphson. Se extrapola una
tangente o lo función en el punto xi [esto es,
f’(x,)] hasta el eje x para obtener una
estimación de la raíz en xi+1
EJEMPLO 5.3
Método de Newton-Raphson
Enunciado del problema: úsese el método de Newton-Raphson para calcular la raíz de

e-x-x empleando el valor inicial de x0 = 0.
Solución: la primera derivada de la función se puede evaluar como:
f(x)= -e-x- 1
Que se puede sustituir, junto con la función original en la ecuación (5.6) para dar:
e − xi − x i
x i +1 = x i −
− e − xi − 1
Empezando con el valor inicial xo = 0, se puede aplicar la ecuación iterativa para calcular:
Iteración i x |εv|%
0 0 100
1 0.500000000 11.8
2 0.566311003 0.147
3 0.567143165 0.0000220
4 0.567143290 <10-8
De esta manera, el planteamiento converge rápidamente a la raíz real. Nótese que el error
relativo en cada iteración decrece mucho más rápido que como lo hace la iteración de
punto fijo (compárese con el ejemplo 5.1).
5.2.1 Criterios de paro y estimación de errores
Como con los otros métodos de localización de raíces, la ecuación (3,5) se puede usar
como un criterio de paro- Además, la derivación del método con la serie de Taylor
(recuadro 5.2) proporciona un conocimiento teórico relacionado con la velocidad de
convergencia expresado como: Ei+1=0(E1). De esta forma, el error debe ser casi
proporcional al cuadrado del error anterior. En otras palabras, el número de cifras
significativas se duplica aproximadamente en cada iteración. Este comportamiento se
examina en el siguiente ejemplo.
RECUADRO 5.2
Derivación y análisis del error del método de Newton-Raphson a partir de la serie de
Taylor
Además de la derivación geométrica [ecuaciones (5.5) y (5.6)], el método del Newton-

Raphson se puede derivar también del uso de la serie Taylor. Esta derivación alternativa
es muy útil en el sentido de que muestra la penetración en la velocidad de convergencia
del método.
Recuérdese del capitulo 3 que la serie de Taylor se puede representar como:
f ' ' (ξ )
f ( x i +1 ) = f ( x i ) + f ' ( xi )( x i +1 − x i ) + ( x i +1 − x i ) 2 [B5.2.1]
2
En donde ξ se encuentra en alguna parte del intervalo entre xi y xi+1. Truncando la serie
Taylor después de la primera derivada, se obtiene una versión aproximada:
f ( x i +1 ) ≅ f ( x i ) + f ' ( x i )( x i +1 − x i ) [B5.2.2]
Que se resuelve para:
f ( xi )
x i +1 = x i −
f ' ( xi )
Que es idéntica a la ecuación (5.6). De esta forma, se ha derivado el método de Newton-

Raphson usando la serie de Taylor.
Además de la derivación, la serie de Taylor se puede usar para estimar error de la

formula. Esto se puede lograr al utilizar los términos de la ecuación B5.2.1 con el
resultado exacto. Por esta estimación xi+1 = xr, en donde xr es el valor exacto de la raíz.
Sustituyendo esta valor, junto con f(xr) = 0 en la ecuación (B5.2.1) se obtiene:
f ' ' (ξ )
0 = f ( x i ) + f ' ( x i )( x r − x i ) + ( x r + xi ) 2 [B5.2.3]
2
La ecuación (B5.2.2) se puede restar de la ecuación (B5.2.3) para obtener:
f ' ' (ξ )
0 = f ' ( x i )( x r − x i ) + ( x r + xi ) 2 [B5.2.4]
2
Ahora, notando que el error es igual a la diferencia entre xi+1 y el valor de xr como en:
E v ,i +1 = x r − x i +1
Y la ecuación (B5.2.4) se puede expresar como:
f ' ' (ξ )
0 = f ' ' ( x i ) E v ,i +1 E v ,i +1 [B5.2.5]
2
Si se supone que hay convergencia, entonces xi y ξ se deberían aproximar a a la raíz xr, y

la ecuación (B5.2.5) se puede reordenar para obtener:
− f ' ' (xr )

E v ,i +1 ≅
2
E v ,i [B5.2.6]
2 f ' (xr )
De acuerdo ala ecuación (B5.2.6) el error es casi proporcional al cuadrado del error
anterior. Esto significa que el número de cifras decimales correctos se duplica
aproximadamente en cada iteración. A este comportamiento se le llama convergencia
cuadrática. El ejemplo 5.4 ilustra esta propiedad.
Ejemplo 5.4
Análisis de Error en el Método de Newton-Raphson
Enunciado Problema: como se dedujo en el Recuadro 5.2 el método de Newton-Raphson

es convergente cuadráticamente. Esto es, el error es aproximadamente proporcional al
cuadrado del error anterior, dado por:
− f ' ' (xr )

E v ,i +1 ≅ −
2
E v,i [E5.4.1]
2 f ' (xr )
Examínese esta fórmula y véase si es aplicable a los resultados del ejemplo 5.3.
Solución: la primera derivada de f(x) = e-x -x es:
f’(x) = -e-x- 1
Que se puede evaluar en xr= 0.567 143 29 para dar:

f’(0.567 143 29) = -1.567 143 29
La segunda derivada es:
f’’(x)=e-x
Que se puede evaluar, para obtener:

f’(0.567 143 29) = 0.567 143 29
Estos resultados se pueden sustituir en la ecuación (E5.4.1) para obtener:
0.56714329
E v ,i +1 ≅ E v ,i ó E v ,i +1 ≅ 0.18095 E v ,i
2 2
2(−1.56714329)
Del ejemplo 5.3, el error inicial fue de Et0= 0.567 143 29, que se puede sustituir en la
ecuación del error para obtener:
Ev,1 ≅ = 0.180 95(0.567 143 29)2 = 0.058 2
Que se acerca al error real de = 0.067 143 29. En la siguiente iteración:
Ev,2 = 0.180 95(0.067 143 29)2 = 0.000 815 8
Que también se compara favorablemente con el error real de 0.000 832 3. En la tercera
iteración:
Ev,3 = 0.180 95(0.000 832 3}2 = 0.000 000 125
Que es exactamente el error obtenido en el ejemplo 5.3. La estimación del error mejora de
esta manera ya que está más cercano a la raíz, xi y ξ se aproximan mejor mediante xr
[recuérdese la suposición manejada al derivar la ecuación (B5.2.6) a partir de la ecuación
(B5.2.5), en el recuadro 5.2]. Finalmente:
Ev,4 = 0.180 95(0.000 000 125}2 = 2.83 x 10-15
De esta manera este ejemplo ilustra que el error en el método de Newton-Raphson es en

este caso, de hecho, casi proporciona! (por un factor de 0.180 95} al cuadrado del error en
la iteración anterior.
5.2.2 Desventajas del método de Newton-Raphson
Aunque el método de Newton-Raphson en general es muy eficiente, hay situaciones en

que se porta deficientemente, un caso especial —raíces múltiples— se analiza al final del
capítulo. Sin embargo, aun cuando se trate de raíces simples, se encuentran dificultades,
como en el siguiente ejemplo.
EJEMPLO 5.5
Ejemplo de una función que converge lentamente con el método de Newton-Raphson
Enunciado del problema: determínese la raíz positiva de f(x) = x10 - 1 usando el método de
Newton-Raphson con un valor inicial de x = 0.5.
Solución: la fórmula del método de Newton-Raphson es en este caso:
xi − 1
10
x i +1 = x i − 9
10 xi
Que se puede usar para calcular:
Iteración xi
0 00.5
1 51.65
2 46.485
3 41.8365
4 37.65285
5 33.887565
De esta forma, después de la primera predicción deficiente, e! método converge a la raíz

1, pero con una velocidad muy lenta.
Además de la convergencia lenta, debida a la naturaleza de la función, se pueden originar

otras dificultades, como se ilustra en la figura 5.6, Por ejemplo, la figura 5.6a muestra el
caso donde un punto de inflexión — esto es, f’’(x) = 0 — ocurre en la vecindad de una
raíz. Nótese que las iteraciones que empiezan en x divergen progresivamente de la raíz.
En la figura 5.6b se ilustra la tendencia del método de Newton-Raphson a oscilar
alrededor de un punto mínimo o máximo local. Tales oscilaciones persisten, o, como en la
figura 5.6b, se alcanza una pendiente cercana a cero, después de lo cual la solución se
aleja del área de interés. En la figura 5.6c, se ilustra como un valor inicial cercano a una
raíz puede saltar a una posición varías raíces lejos. Esta tendencia de alejarse del área de
interés se debe a que se encuentran pendientes cercanas a cero. Obviamente, una

pendiente cero [f’(x) = 0] es un real desastre que causa una división por cero en la fórmula
de Newton-Raphson [Ec. (5.6)] Gráficamente (Fig. 5.6d), esto significa que la solución se
dispara horizontalmente y ¡amas toca al eje x.
FIGURA 5.6 Cuatro

casos donde el
método de Newton-
Raphson exhibe una
convergencia lenta.
La única solución en
estos casos es la de
tener un valor inicial
cercano a la raíz.
Este conocimiento,
de hecho, lo
proporciona el
conocimiento físico
de! problema o
mediante el uso de
herramientas tales
como las gráficas
que proporcionan
mayor claridad en el
comportamiento de
la solución. Esto
sugiere también que
se deben diseñar
programas
eficientes que
reconozcan la
convergencia lenta
o la divergencia. La
siguiente sección
está enfocada hacia
estos temas.
5.2.3 Programa paro el método de Newton-Raphson
Con sólo sustituir la línea 130 de la figura 5.4, se obtiene el método de Newton-Raphson.
Nótese, sin embargo, que el programa se debe también modificar para calcular la
derivada. Esto se puede llevar a cabo simplemente incluyendo una función definida por el
usuario.
Además, de acuerdo a las discusiones anteriores sobre los problemas potenciales del
método de Newton-Raphson, el programa se debe modificar incorporándole algunos
rasgos adicionales:
1. Si es posible, se debe incluir una rutina de graficación dentro del programa.

2. Al final de los cálculos, la aproximación a la raíz siempre se debe sustituir en la
función original para calcular en qué casos el resultado se acerca a cero. Esta
prueba protege contra aquéllos casos donde se observa convergencia lenta u
oscilatoria, la cual puede llevar a valores pequeños de εa mientras que la solución
puede estar aún muy lejos de una raíz.
3. El programa siempre debe incluir un límite máximo sobre el número permitido de
iteraciones para estar prevenidos contra las oscilaciones y la convergencia lenta, o
las soluciones divergentes persistirán interminablemente.
5.3 MÉTODO DE LA SECANTE
Un problema fuerte en la implementación del método de Newton-Raphson es el de la

evaluación de la derivada. Aunque esto no es un inconveniente para los polinomios y para
muchas otras funciones, existen
algunas de éstas cuyas derivadas
pueden ser extremadamente difíciles
de evaluar, En estos casos, la
derivada se puede aproximar
mediante una diferencia divida,
como (Fig. 5.7):
FIGURA 5.7 Esquema gráfico del método

de la secante. Esta técnica es similar a la
del método de Newton-Raphson (Fig. 5.5)
en el sentido de que una aproximación a lo
raíz se calculo extrapolando una tangente
de la función hasta el eje x. Sin embargo,
el método de la secante usa una diferencia
en vez de la derivada para aproximar la
pendiente.
f ( x i −1 ) − f ( x i )
f ' ( xi ) ≅
x i −1 − x i
Esta aproximación se puede sustituir en la ecuación (5.6) obteniendo la ecuación iterativa:
f ( x i ) − f ( x i −1 − x)
x i +1 = x i − [5.7]
f ( x i −1 ) − f ( x i )
La ecuación (5.7) es la fórmula para el método de la secante. Nótese que e!

planteamiento requiere de dos puntos iniciales de x. Sin embargo, debido a que no se
requiere que f(x) cambie de signo entre estos valores, a este método no se le clasifica
como aquellos que usan intervalos.
EJEMPLO 5.6
EL método de la secante
Enunciado del problema: úsese el método de la secante para calcular la raíz de f(x) = e-x-x
Empiécese con los valores iniciales de x-i = 0 y Xo = 1.0.
Solución: recuérdese que la raíz real es 0.567 143 29…
Primera iteración:
x-i = 0 f(x-1) = 1.000 00

x0 = 1 f(x0) = -0.632 12
− 0.63212(0 − 1)
x1 = 1 − = 0.61270 ε v = 8 .0 %
1 − (−0.63212)
Segunda iteración:
x0 = 1 f(xo) = -0.632 12
xi = 0.612 70 f(xi) = -0.070 81
(Nótese que las dos aproximaciones se encuentran del mismo lado que la raíz.)
0.07081(10.61270)
x 2 = 0.61270 = 0.56384 ε v = 0.58%
− 0.63212 − (−0.07081)
Tercera iteración:
xi = 0.61270 f(x1) = -0.070 81
x2 = 0.563 84 f(x2) = 0.005 18
0.00518(0.61270 − 0.563)84
x 3 = 0.56384 − = 0.56717
− 0.07081 − (0.00518)
5.3.1 Diferencias entre los métodos de la secante y de la regla falsa
Nótese la similitud entre los métodos de la secante y de la regla falsa. Por ejemplo, las
ecuaciones (5.7) y (4.4) son idénticas término a término. Ambas usan dos estimaciones
iniciales, para calcular una aproximación a la pendiente de la función que se usa para
proyectar hacia el eje x una nueva aproximación a la raíz. Sin embargo, existe una
diferencia crítica entre ambos métodos y ésta estriba en la forma en que uno de los
valores iniciales se reemplaza por la nueva aproximación. Recuérdese que en el método
de la regla falsa, la última aproximación de la raíz reemplaza a aquel valor cuya función
tenía el mismo signo de /(x,). En consecuencia, las dos aproximaciones siempre encierran
a la raíz. Por lo tanto, en todos ¡os casos prácticos, el método siempre converge ya que la
raíz se encuentra dentro del interval0 En contraste el método de la secante reemplaza los
valores en una secuencia estricta, con el nuevo valor x,4,i se reemplaza a x, y x,
reemplaza a x;_i. Como resultado de esto, los dos valores pueden caer de un mismo lado
de la raíz. En algunos casos, esto puede provocar divergencia.
EJEMPLO 5.7
Comparación de la convergencia en los métodos de la secante y la regla falsa,
Enunciado del problema: úsense los métodos de la secante y de la regla falsa para
calcular la raíz de f(x) = ln x. Háganse los cálculos con los valores iniciales xl= xi-1. 0.5 y
xu= xi= 5.0.
Solución: en el método de la regla falsa, usando la ecuación (4.4) y los criterios de

obtención de la raíz en el intervalo mediante el reemplazo de los valores correspondientes
en cada aproximación, se generan las siguientes iteraciones:
Iteración xl xu xr
1 0.5 5.0 1.8546

2 0.5 1.8546 1.2163
3 0.5 1.2163 1.0585
Como se puede ver (Figs. 5.8a y c), las aproximaciones convergen a la raíz real = 1.
En el método de la secante usando la ecuación (5.7) y el criterio secuencial para

reemplazar las aproximaciones se obtiene:
Iteración xI-1 xi xI+1
1 0.5 5.0 1.8546

2 5.0 1.8546 -0.10438
Como se muestra en la figura 5.8d, el comportamiento del método es divergente.
FIGURA 5.8
Comparación entre los
métodos de la regla
falsa y de lo secante.
Las primeras
iteraciones a) y b) de
ambos métodos son
idénticas. Sin
embargo, en las
segundas c) y d), los
puntos usados son
diferentes. En
consecuencia, el
método de la secante
puede divergir, como
lo muestra d).
Aunque el método de la secante sea divergente en algunos casos, cuando converge lo

hace más rápido que el método de la regla falsa. Por ejemplo, en la figura 5.9, que se
basa en los ejemplos 4.3, 4.6, 5.3 y 5.6, se muestra la superioridad del método de la
secante. La inferioridad del método de la regla falsa se debe a que un extremo permanece
fijo y de esta manera mantiene a la raíz dentro del intervalo. Esta propiedad, que es una
ventaja porque previene la divergencia, es una desventaja en relación a la velocidad de
convergencia; esto hace que la aproximación con diferencias divididas sea menos exacta
que la derivada.
FIGURA 5.9 Comparación de los

errores relativos porcentuales εv
para cada uno de los métodos en la
determinación de las raíces de f(x) =
-x
e — x.
5.3.2 Programo para el método de la secante
Como con los otros métodos abiertos, se obtiene un programa del método de la secante
simplemente modificando la línea 110, de tal forma que se puedan introducir dos valores
iniciales y sustituyendo la ecuación (5.7) en la línea 130 de la figura 5.4.
Además, las opciones sugeridas en la sección 5.2.3 para el método de Newton-Raphson

se pueden aplicar al programa de la secante para obtener tales ventajas,
5.4 RAÍCES MÚLTIPLES
Una raíz múltiple corresponde a un punto donde una función es tangencial al eje x. Por
ejemplo, dos raíces repetidas resultan de:
f ( x) = ( x − 3)( x − 1)( x − 1) [5.8]
o, multiplicando términos,
f ( x) = x 3 − 5 x 2 + 7 x − 3 [5.9]
La ecuación tiene una raíz doble porque un valor de x anula dos términos de la ecuación
(5.8). Gráficamente, esto significa que la curva toca tangencialmente al eje x en la raíz
doble. Véase la figura 5.10a en x = 1. Nótese que la función toca al eje pero no lo cruza
en la raíz.
Una raíz triple corresponde al caso en que un valor de x se

anula en tres términos de la ecuación, como en:
f ( x) = ( x − 3)( x − 1)( x − 1)( x − 1)

o, multiplicando,
f ( x) = x 4 − 6 x 3 + 12 x 2 − 10 x + 3
Nótese que el esquema gráfico (Fig. 5. 10b) indica otra vez que
la función es tangencial al eje en la raíz pero que en este caso
sí cruza el eje. En general, la multiplicidad impar de raíces cruza
el eje, mientras que la multiplicidad par no lo cruza. Por
ejemplo, la raíz cuarta en la figura 5.10c no cruza el eje.
Las raíces múltiples ofrecen ciertas dificultades a los métodos

numéricos expuestos en la parte II:
1. El hecho de que la función no cambia de signo en una raíz de

multiplicidad par impide el uso de los métodos confiables que
usan intervalos, discutidos en el capítulo 4. De esta manera, de
los métodos incluidos en este texto, los abiertos tienen la
limitación de que pueden divergir.
2. Otro posible problema se relaciona con el hecho de que no
sólo f(x) se aproxima a cero. Estos problemas afectan a los
métodos de Newton-Raphson y al de la secante, los que
FIGURA 5.10 Ejemplos
de raíces múltiples contienen derivadas (o aproximaciones a ella) en el denominador
tangentes al eje X. de sus respectivas fórmulas. Esto provocaría una división entre
Nótese que la función cero cuando la solución se acerque a la raíz. Una forma simple
no cruza el eje en casos
de evitar estos problemas, que se ha demostrado teóricamente
de multiplicidad par a) y
c), mientras que para
(Raltson y Rabinowitz, 1978), se basa en el hecho de que f(x).
multiplicidad impar sí lo Por lo tanto, si se verifica f(x) contra cero, dentro del programa,
hace b). entonces los cálculos se pueden terminar antes de que f(x)
llegue a cero.
3. Se puede demostrar que el método de Newton-Raphson y el de la secante convergen

en forma lineal, en vez de manera cuadrática, cuando hay raíces múltiples (Raltson y
Rabinowitz, 1978). Se han propuesto algunas modificaciones para aliviar este problema.
Ralston y Rabinowitz (1978) proponen que se haga un pequeño cambio en la formulación
para que retorne su convergencia cuadrática, como:
f ( xi )
x i +1 = x1 − m
f ' ( xi )
En donde m es la multiplicidad de la raíz (esto es, m = 2 para una raíz doble, m = 3 para
una raíz triple, etc.). De hecho, puede resultar insatisfactorio porque presupone el
conocimiento de la multiplicidad de las raíces.
Otra alternativa, también sugerida por Ralston y Rabinowitz (1978), es la de definir una
nueva función u(x), que es el cociente de la función y su derivada, esto es:
u( xi )
u ( x ) = x1 − [5.10]
u' ( xi )
Se puede demostrar que esta función tiene raíces en las mismas posiciones que la
función original. Por lo tanto, la ecuación (5.10) se puede sustituir en la ecuación (5.6) y
de esta forma desarrollar una forma alternativa del método de Newton-Raphson:
u( xi )
x i +1 = x i − [5.11]
u ' ( xi )
Se puede derivar la ecuación (5.10), obteniendo:
f ' ( x) f ' ( x) − f ( x) f ' ' ( x)

u ' ( x) = [5.12]
[ f ' ( x ) ]2
Se pueden sustituir las ecuaciones (5.10) y (5.12) en la ecuación (5.11) para obtener:
f ( xi ) f ' ( xi )
x i +1 = x i − [5.13]
[ f ' ( x i )]2 − f ( x i ) f ' ' ( x i )
EJEMPLO 5.8
Método de Newton-Raphson modificado para el cálculo de raíces múltiples.
Enunciado del problema; úsense los dos métodos, el estándar y el modificado de Newton-
Raphson para evaluar la raíz múltiple de la ecuación (5.9), con un valor inicial de XQ= 0.
Solución: la primera derivada de la ecuación (5.9) es f’(x) == 3x2 — 10x + 7, y por lo tanto,
el método de Newton-Raphson para este problema [Ec. (5.6)] es:
xi − 5xi + 7 xi − 3
3 2
x i +1 = x i −
3 x i − 10 x i + 7
2
Que se puede resolver iterativamente para obtener:
i xi |εv|%
0 0 100.0
1 0.428571429 57.0
2 0.685714286 31.0
3 0.832865400 17.0
4 0.913328983 8.7
5 0.955783296 4.4
6 0.977655101 2.2
Como ya se había anticipado, el método converge linealmente hasta el valor verdadero de

1.0. Para el caso del método modificado, la segunda derivada es f’’(x) = 60x - 10, y la
relación iterativa es [Ec. (5.13)]:
( x i − 5 x i + 7 x i − 3)(3 x i − 10 x i + 7)
3 2 2
x i +1 = x i
(3 x i − 10 x i + 7) 2 − ( x i − 5 x i + 7 x i − 3)(6 x i − 10)
2 3 2
Que se puede resolver para obtener:
I xi |εv|%
0 0 100.00000
1 1.105263158 11.00000
2 1.003081664 0.31000
3 1.000002382 0.00024
De esta forma, el método modificado converge cuadráticamente. Se pueden usar ambos

métodos para buscar la raíz simple en x = 3. Usando un valor inicial de x0= 4 se obtienen
los siguientes resultados:
i Estándar Ev Modificado |Ev|

0 4 (33%) 4 (33%)
1 3.4 (13%) 2.636363637 (12%)
2 3.1 (3.3) 2.820224720 (6.0%)
3 3.008695652 (0.29%) 2.961728211 (1.3%)
4 3.000074641 (2.5x10-3%) 2.998478719 (0.051%)
5 3.000000006 (2+10-7%) 2.999997682 (7.7 x 10-5%)
De esta forma, ambos métodos convergen rápidamente, siendo el método estándar más
eficiente.
El ejemplo anterior ilustra los factores de mayor importancia involucrados al escoger e!

método de Newton modificado. Aunque es preferible en raíces múltiples, algunas veces
es menos eficiente y requiere más esfuerzo computacional que e! método estándar para
el caso de raíces simples. Se debe notar que se puede desarrollar una versión modificada
del método de la secante para raíces múltiples sustituyendo la ecuación (5.10} en la
ecuación (5,7). La fórmula resultante es (Ralston y Rabinowitz, 1978):
u ( x i )( x i −1 − x i )
x i +1 = x i −
u ( x i −1 ) − u ( x i )
PROBLEMAS
Cálculos a mano
5.1 Úsese el método de Newton-Raphson para determinar la raíz mayor de:
f(x) = -0.875x2 + 1.75x + 2.625.
Empléese un valor inicial de x¡ = 3.1. Realícese los cálculos hasta que εa sea menor del
εs= 0.01%, También verifíquense los errores en la respuesta final.
5.2 Determínense las rafees reales de:
f(x) = -2.1 + 6.21x - 3.9x2 + 0.667x3

a) Gráficamente
b) Usando el método de Newton-Raphson hasta qLie.c, = 0.01%.
5.3 Empléese el método de Newton-Raphson para determinar las raíces reales de f(x)=-
23.33 + 79.35x - 88,09x2 + 41.6x3 - 8,68x4 + 0.658x5
Usando el valor inicial de a) x,= 3,5; b) x= 4.0 y c) x,= 4,5, Pruébense y úsense los
métodos gráficos para explicar cualquier peculiaridad en los resultados.
5.4 Determínese la raíz real menor de:
f(x) = 9.36 - 21.963x + 16.2965x2 - 3.70377x:f
a) Gráficamente
b) Usando el método de la secante, hasta un valor de εs correspondiente a tres cifras
significativas.
5.5 Localícese la raíz positiva de:
f(x) = 0.5x - sen x
Donde x está dada en radianes. Úsese un método gráfico y después calcúlese tres
iteraciones con el método de Newton-Raphson con un valor inicial de xI=2.0 para calcular
la raíz. Repítanse los cálculos pero con un valor inicial de xi= 1.0. Úsese el método gráfico
para explicar los resultados,
5.6 Encuéntrese la raíz real positiva de:
f(x) = x4 - 8.6x3 - 35.5lx2 + 464x - 998.46
Usando el método de la secante. Empléense los valores iniciales de xi-1 = 7 y xi 9 y

calcúlense cuatro iteraciones
Calcúlese e εa e interprétense los resultados.
5.7 Realícense los mismos cálculos del problema 5.6 pero usando el método de Newton-
Raphson, con un valor inicial de xi= 7.
5.8 Encuéntrese la raíz cuadrada positiva de 10 usando tres iteraciones con:
a) El método de Newton-Raphson, con un valor inicial de xi=3

b) El método de la secante, con valores iniciales de xi-1= 3 y xi=3.2.
1 − 0 .6 x
f ( x) =
2
Usando tres iteraciones y el método de la secante con valores iniciales xi-1 - 1.5 y xi= 2.0.
Calcúlese el error aproximado ^ después de la segunda y la tercera iteración.
f(x) = X3 – 100
Con el método de la secante, con εs,= 0.1%,
5.11 Determínese la raíz real mayor de:

x3 - 6x2 + 11x- 6
a) Gráficamente
b) Usando el método de bisección (dos iteraciones, xl= 2.5 y xu= 3.6).
c) Usando el método de la regla falsa (dos iteraciones, xl= 2.5 y xu= 3.6)
d) Usando el método de Newton-Raphson (dos iteraciones, xi= 3.6).
e) Usando el método de la secante (dos iteraciones, xi-1 = 2.5 y xi = 3.6).
5.12 Úsese el método de Newton-Raphson para determinar todas las raíces de:
f(x) = x2+5.78 x - 11.4504 con εS = 0.001%.
5.13 Determínese la raíz real más pequeña de:
f(x) = 9.36 - 21.963x + 16,296 5x2 - 3.70377x3
a) Gráficamente
b) Usando el método de bisección (dos iteraciones, xl= 0.5 y xu= 1.1).
c) Usando el método de la regla falsa (dos iteraciones, xl= 0.5 y xu= 1.1).
d) Usando el método de Newton-Raphson (dos iteraciones, xl= 0.5).
e) Usando el método de la secante (dos iteraciones, xi-1= 0.5 y xi= 1.1).
5.14 Determínese la raíz positiva rea! más pequeña de:
/(x) = 4x4- 24.8x3 + 57.04x2 - 56.76x + 20.57

a) Gráficamente
b) Usando el método disponible más eficiente. Empléense los valores iniciales de xl = xi-1
= 0.5 y xu = xi = 1.5 y realícense los cálculos hasta que εs = 15%
5.15 Determínense [as raíces de
f(x) = x3 - 3.2x2 - 1.92x + 9.216
a) Gráficamente
b) Usando el método disponible más eficiente con s,= 0.1%
5.16 Repítase el problema 4.12, pero usando el método de Newton-Raphson,
5.17 Repítase el problema 4.12, pero usando el método de la secante-Problemas

relacionados con la computadora
5.18 Desarróllese un programa para el método de Newton-Raphson basado en la figura

5.4 y en la sección 5.2.3. Pruébese el programa duplicando los cálculos del ejemplo 5.3
5.19 Úsese el programa desarrollado en el problema 5.18 y duplíquense los cálculos del
ejemplo 5.5, Determínese la raíz usando un valor inicial de x,= 0.5. Realícense 5, 10, 15 o
más iteraciones hasta que el error relativo porcentual exacto sea menor del 0.1%.
Grafíquense los errores relativos porcentuales exacto y aproximado contra el número de
iteraciones sobre pape! semilogarítmico, Interprétense ¡os resultados.
5.20 Úsese el programa desarrollado en el problema 5,18 para resolver los problemas 5-1
al 5-5. En todos los casos, realícense los cálculos dentro de la tolerancia de t,= 0.001%.
5.21 Desarróllese un programa para el método de la secante basado en la figura 5,4 y en

la sección 5.3.2. Pruébese el programa duplicando los cálculos del ejemplo 5.6.
5.22 Úsese el programa desarrollado en e! problema 5,21 para resolver los problemas
5.6, 5.9 y 5.10. En todos los casos, realícense los cálculos dentro de la tolerancia de εS =
0.001%.
CAPÍTULO SEIS
CASOS DE LA PARTE DOS:
RAÍCES
DE
ECUACIONES
La finalidad de este capítulo es la de usar los procedimientos numéricos analizados en los

capítulos 4 y 5 para resolver problemas reales de ingeniería. Los métodos numéricos son
importantes en la práctica ya que frecuentemente los ingenieros encuentran problemas
que no se pueden plantear desde un punto de vista analítico. Por ejemplo, algunos
modelos matemáticos que se pueden resolver analíticamente no son aplicables en los
problemas prácticos. Debido a esto, se deben usar modelos más complicados. En estos
casos, es conveniente implementar un método numérico que se pueda usar en una
microcomputadora. En otros casos, los problemas requerirán soluciones explícitas en
ecuaciones muy complicadas (recuérdese la sección 11.1.2 y el ejemplo 4.5).
Los siguientes casos de estudio son una muestra de aquellos que en forma rutinaria se
encuentran durante los estudios superiores o de licenciatura. Más aún, son problemas
representativos de aquéllos que se encontrarán en la vida profesional. Los problemas van
desde la ingeniería económica en general, hasta las especialidades de la misma: química,
civil, eléctrica y mecánica. Estos casos de estudio ilustran algunos de los factores de más
importancia entre las técnicas numéricas.
Por ejemplo, el coso 6.1 hace uso de todos los métodos, con excepción del método de
Newton-Raphson para analizar puntos de equilibrio que resulten económicos. El método
de Newton-Raphson no se usó porque la función en análisis es difícil de derivar. Entre
otras cosas, en el ejemplo se demuestra como puede divergir el método de la secante, si
el valor inicial no se encuentra lo suficientemente cerca de la raíz.
El caso 6.2 tomado de la ingeniería química, muestra un ejemplo excelente de cómo se

pueden aplicar los métodos para la búsqueda de raíces de fórmulas que se presentan en
la práctica de la ingeniería. Además, este ejemplo demuestra la eficiencia del método de
Newton-Raphson cuando se requiere un gran número de cálculos en la localización de la
raíz:
Los casos 6.3, 6.4 y 6.5 son problemas de ingeniería de diseño, tomados del área de civil,
eléctrica y mecánica. El caso 6.3 aplica tres métodos diferentes para determinar las raíces
de un modelo de crecimiento demográfico. En el caso 6-4, se realiza un análisis
semejante de un circuito eléctrico. Finalmente, el coso 6.5 analiza las vibraciones de un
automóvil. Además de analizar la eficiencia de cada uno de los métodos, este ejemplo
tiene una característica adicional, que es la de ilustrar cómo los métodos gráficos sirven
de ayuda en el proceso de localización de raíces.
CASO 6.1 ANÁLISIS DE PUNTO DE EQUILIBRIO (INGENIERÍA EN GENERAL)
Antecedentes: en la práctica de la ingeniería óptima se requiere que los proyectos,

productos y la planificación de los mismos sean enfocados de tal manera que resulten
económicos. Por lo tanto, a un ingeniero con experiencia deben serle familiares los
análisis de costos- El problema que se trata en esta sección se conoce como "problema
de puntos de equilibrio". Se usa para determinar el punto en el cual dos alternativas tienen
valores equivalentes. Estos problemas se encuentran en todos los campos de la
ingeniería. Aunque el problema se enfoca en términos personales, se puede tomar como
prototipo de otros problemas de análisis de puntos de equilibrio, que se encuentran a
menudo en la vida profesional.
Se está considerando la compra de una o dos microcomputadoras:
La "Micro-uno" y la "Micro-dos". En el cuadro 6.1 se encuentran resumidas algunas

características, los costos aproximados y los beneficios de cada una de ellas. Si se puede
pedir un préstamo con un interés del 20% (i = 0.20), ¿cuanto tiempo se deberá poseer las
máquinas, de manera que tengan un valor equivalente? En otras palabras, ¿cuál es el
punto de equilibrio medido en años?
Solución: como es común en problemas de economía, se tiene una mezcla de costos

presentes y futuros. Por ejemplo, en la figura 6.1 se muestra que la compra de la Micro-
uno involucra un gasto inicial de $3 000. Además de este desembolso, también se
requiere dinero para el mantenimiento anual de la máquina- Debido a que estos costos
tienden a aumentar a medida que la máquina se usa más y más, se supone que los
costos de mantenimiento crecen linealmente con el tiempo. Por ejemplo, alrededor del
décimo año se requieren $2 000 anuales para mantener la máquina en condiciones de
trabajo (Fig. 6.1). Finalmente y además de estos costos se deben deducir beneficios del
propietario de la computadora. Las ganancias y las prestaciones derivadas de la Micro-
uno se caracterizan por un ingreso anual constante de $1 000.
CUADR06.1
Costos y beneficios de dos microcomputadoras. Los signos negativos indican un costo o
una pérdida mientras que un signo positivo indica una ganancia
COMPUTADORA
Micro-Uno Micro-Dos
Costo de la compra, $ -3000 -10000
Incremento en el mantenimiento del costo por año, -200 -50
$/año/año
Ganancias y beneficios anuales $/año 1000 4000
Para valorar las dos opciones estos costos se deben convertir en medidas comparables.
Una manera de hacerlo es expresando todos los costos individuales como si fuesen
pagos anuales, esto es, el costo equivalente por año sobre toda la vida útil de la
computadora. Las ganancias y las prestaciones ya se encuentran en este formato. Se
puede disponer de las fórmulas de economía para expresar los costos de compra y de
mantenimiento de la misma forma. Por ejemplo, el costo de la compra inicial se puede
transformar en una serie de pagos anuales mediante la fórmula (Fig. 6.2a):
i(i + 1) n
Ap = P [6.1]
(i + i ) n − 1
FIGURA 6.2 Esquema

gráfico del uso de una
fórmula de economía, a)
Transformación de un
pago en una serie de
pagos anuales
equivalentes usando la
ecuación (6.1) y b)
transformación de una
serie de gradiente
aritmético en una serie
de pagos anuales
equivalentes usando la
ecuación (6.2).
En donde Ap es el monto del pago anual, P es el costo de la compra, í es la tasa de

interés y n es el número de años. Por ejemplo, el pago inicial de la Micro-uno es de $—3
000, en donde el signo negativo indica pérdidas. Si 1a tasa de interés es del 20% (i = 0.2),
entonces:
0.2(1.2 )
n
Ap = −3000
1 .2 n − 1
Por ejemplo, si los pagos iniciales se extienden hasta 10 años (n = 10), se puede usar
esta fórmula para calcular que el pago anual equivalente sería de $—715-57 por año-
A los costos de mantenimiento se les conoce como serie de gradiente aritmético porque
crecen a un promedio constante. La conversión de estas series a una tasa anual A se
puede calcular con la fórmula:
1 n 
Am = G  −  [6.2]
 i (1 + i ) − 1
n
En donde G es la tasa de crecimiento en el mantenimiento. Como se puede ver en la

figura 6.2b esta fórmula transforma el costo de mantenimiento creciente en una serie
equivalente de pagos anuales constantes.
Estas ecuaciones se pueden combinar de forma tal que se pueda expresar el valor de
cada computadora en términos de una serie uniforme de pagos Por ejemplo, para la
Micro-uno:
0.2(1.2) n  1 n 
Av = −3000 − 200  − n  + 1000
1 .2 − 1
n
 0 .2 1 .2 − 1 
Valor total = - costo de compra - costo de mantenimiento + ganancias
En donde A, denota el valor anual Iota!. Agrupando términos, esta ecuación se puede
simplificar:
− 600(1.2) n 200n
Av = + [6.3]
1 .2 − 1
n
1 .2 n − 1
Si después de poseer la Micro-uno durante dos años se decide descartarla, entonces

sustituyendo n = 2 en la ecuación (6.3) resultará que el costo es de $1 055 por año- Si la
computadora se descarta después de poseerla 10 años (n = 10), la ecuación muestra un
costo de $330 por año.
De manera similar, para la Micro-dos se puede desarrollar una ecuación para el costo
anual, dado por:
− 2000(1.2) n 200n
Av = + [6.4]
1 .2 − 1
n
1 .2 n − 1
Los valores de la ecuación (6.4) para n = 2 y n = 10 son de $—2 568 y $+ 1 461 por año,
respectivamente. De esta manera, aunque la Micro-dos es más costosa en base a
periodos cortos, si se posee por periodos largos, no sólo es más barata, sino que
producirá ganancias al propietario. En la figura 6,3a se muestran las ecuaciones f6.3) y
(6.4) para varios valores de n.
La identificación del punto en et que las dos máquinas tienen valores iguales indica
cuando la Micro-dos viene a ser la mejor compra. Gráficamente, esto corresponde a la
intersección de las dos curvas en la figura 6.3a. Desde un punto de vista matemático, el
punto de equilibrio es el valor de n para el que las ecuaciones (6.3) y (6.4) son
equivalentes, esto es:
− 600(1.2) n 200 n − 2000(1.2) n 50n

+ = + + 3750
1 .2 − 1
n
1 .2 − 1
n
1 .2 − 1
n
1 .2 n − 1
Pasando todos los términos de un lado, el problema se reduce a encontrar la raíz de la

función:
− 1400(1.2)n 150n
f ( n) = − + 3750 = 0 [6.5]
1 .2 n − 1 1 .2 n − 1
Nótese que debido a la forma en que se ha derivado la ecuación, la Micro-uno es más

efectiva en cuanto a costos cuando f(n) < 0 y la Micro-dos lo es cuando f(n) > O (Fig.
6.3b). Las raíces de la ecuación (6.5) no se pueden determinar analíticamente. Por el otro
lado, los pagos anuales equivalentes son fáciles de calcular dada una n. De esta forma,
como en el estudio de la sección II.1.2 y el ejemplo 4.5, los aspectos considerados en la
elaboración de este problema crean la necesidad de un planteamiento numérico.
Las raíces de la ecuación (6.5) se pueden calcular usando algunos de los métodos
numéricos descritos en los capítulos 4 y 5. Se pueden aplicar los métodos que usan
intervalos y el método de
la secante con un
esfuerzo mínimo,
mientras que el método
de Newton-Raphson es
embarazoso ya que
consume mucho tiempo al
determinar df/dn de la
ecuación (6.5).
FIGURA 6.3 a) Curvas de!

costo neto de las
computadoras Micro-uno
[Ec. (6.3)] y Micro-dos [Ec.
(6.4)]. b) La función de punto
de equilibrio [Ec. (6-5)]. •
En base a la figura 6.3, se

sabe que la raíz se
encuentra entre n = 2 y n
= 10. Estos valores se
pueden usar en el método de bisección. La bisección de intervalos se puede llevar a cabo

18 veces para obtener un resultado en donde εa sea menor de 0.001%. El punto de
equilibrio ocurre a los n = 3.23 años. Este resultado se puede verificar sustituyéndolo en la
ecuación (6.5) para ver que / (3.23) = 0.
Sustituyendo n = 3.23 ya sea en la ecuación (6.3) o en la (6.4) se muestra que en el punto

de equilibrio el costo de cualquiera de ellas es de $542 por año. Más allá de este punto, la
Micro-dos es más efectiva en cuanto a costos. Por consiguiente, si se piensa comprar una
máquina y poseerla por más de 3.23 años, la Micro-dos es la mejor compra.
El método de la regla falsa se puede aplicar fácilmente a este problema. Se obtiene una
raíz similar después de 12 iteraciones en el mismo intervalo inicial de 2 a 10. Por otro
lado, el método de la secante converge a una raíz de -24.83 con e¡ mismo intervalo inicia!.
Sin embargo, si el intervalo se reduce desde 3 hasta 4, entonces el método de la secante
converge a 3.23 en sólo cinco iteraciones. Es interesante notar que el método de la
secante también converge en forma rápida si el intervalo inicial es de 2 a 3, el cual no
encierra a la raíz. Estos resultados son típicos de los factores de importancia que se
deben tomar en consideración y que se estudian posteriormente en el epílogo. Entonces
e! mejor método numérico para este problema depende del juicio emitido respecto a los
factores de importancia, tales como eficiencia numérica, costo de las computadoras y la
confiabilidad del método.
CASO 6.2 LEYES DE LOS GASES IDEALES Y NO IDEALES (INGENIERÍA QUÍMICA)
Antecedentes: la ley de los gases ideales está dada por:
pV = nRT [6.6]
En donde p es la presión absoluta, V es el volumen y n es el número de moles. R es la

constante universal de los gases y T es la temperatura absoluta. Aunque esta ecuación la
usan ampliamente los ingenieros y científicos, sólo es exacta sobre un rango limitado de
presión y temperatura. Más aún, la ecuación (6.6) es más apropiada para algunos gases
que para otros.
Una ecuación alternativa del estado de los gases está dada por:
 a 
 p + 2 (v − b) = RT
 v 
A la que se le conoce con el nombre de ecuación de Van der Waals. u = V/n es el

volumen molal y a y b son constantes empíricas que dependen de un gas en particular.
Un proyecto de ingeniería química requiere que se calcule exactamente el volumen molal

(u) del bióxido de carbono y del oxígeno para combinaciones diferentes de la temperatura
y de la presión, de tal forma que se pueda seleccionar una vasija apropiada que los
contenga. Asimismo, es importante examinar que tan bien se apega cada gas a la ley de
los gases ideales, comparando los volúmenes molales calculados con las ecuaciones
(6.6) y (6.7). Se proporcionan los siguientes datos:
R = 0.0820541 • atm/(mol •K)

a = 3.592 bioxido
b = 0.04267 bióxido
a = 1.360 oxigeno
b = 0.03183 oxigeno
Las presiones de interés en el diseño son de 1, 10 y 100 atm. Para combinaciones

de la temperatura de 300, 500 y 700°K.
Solución: los volúmenes molares de ambos gases se calculan con la ley de los
gases ideales, con n = 1. Por ejemplo, si p = 1 atm y T = 300°K, entonces:
Estos cálculos se repiten para todas las combinaciones de presión y temperatura y se

presentan en el cuadro 6.2. Los cálculos del volumen molar a partir de la ecuación de
Van der Waals se pueden llevar a cabo usando cualquier método numérico que encuentre
raíces de los estudiados en los capítulos 4 y 5, de la siguiente manera:
CUADRO 6.2 Cálculos del volumen molar del caso de estudio 6.2
Temperatura K Presión amt Volumen Molal (de Volumen Molal Volumen Molal
los gases ideales (Van der Waals) (Van der Waals)
l/mol) bióxido de carbono Oxigeno l/mol)
l/mol
300 1 24.6162 24.5126 24.5928
10 2.4616 2.3545 2.4384
100 .2462 0.1795 0.2264
500 1 41.0270 40.9821 41.0259
10 4.1027 4.0578 4.1016
100 .4103 0.3663 0.4116
700 1 57.43778 57.4179 57.4460
10 5.7438 5.7242 5.7521
100 0.5744 0.5575 0.5852
En este caso, la derivada de f(u) se determina fácilmente y es conveniente implementar el

uso del método de Newton-Raphson. La derivada de f respecto a u está dada por:
a 2ab
f ' (uy ) = p − +
u2 u3
El método de Newton-Raphson se describe mediante la ecuación (5.6) como:
f (v1 )
v i +1 = v i −
f ' (v1 )
La cual se puede usar en el cálculo de ¡a raíz. Por ejemplo, usando el valor inicial de
24.616 2, el volumen mola! del bióxido de carbono a 300 °K y a 1 atm se calcula como
24.512 6 1/mot. Este resultado se obtuvo después de dos iteraciones y con un εa menor
de 0.001 %.
En el cuadro 6.2 se muestran resultados similares para todas las combinaciones de

presión y de temperatura para ambos gases. Se observa que los resultados obtenidos con
la ecuación de van der Waals difieren en ambos gases de los de la ley de los gases
ideales, de acuerdo a los valores específicos de p y de T. Más aún, ya que algunos de
estos resultados son significativamente diferentes, el diseño de las vasijas que contendrán
a los gases sería muy diferente, dependiendo de qué ecuación de estado se haya usado.
En este caso, al usar el método de Newton-Raphson se examinó una ecuación del estado
gaseoso complicada. Los resultados variaron significativamente en varios casos usando la
ley de los gases ideales. Desde un punto de vista práctico, el método de Newton-Raphson
fue apropiado en este caso ya que/' (u) fue fácil de calcular. De esta manera, se pueden
explotar ¡as propiedades de rápida convergencia del método de Newton-Raphson.
Además de demostrar su potencia en un simple cálculo, el método de Newton-Raphson

ilustra en este caso de estudio lo atractivo que es cuando se requiere una gran cantidad
de cálculos. Debido a la velocidad de las microcomputadoras, la eficiencia de cada uno de
los métodos en la solución de la mayor parte de raíces de ecuaciones se vuelve
indistinguible en un cálculo simple. Aun ¡a diferencia cié decenas entre el método eficiente
de Newton-Raphson y el método poco refinado de bisección no significa una gran pérdida
de tiempo cuando se realiza un solo cálculo. Sin embargo, supóngase que se desea
calcular una raíz millones de veces para resolver un problema. En este caso, la eficiencia
del método puede ser un factor decisivo al escogerlo.
Por ejemplo, supóngase que es necesario diseñar un sistema de control automático

computarizado de un proceso de producción de sustancias químicas- Este sistema
requiere una aproximación exacta de volúmenes molales con base a un medio
esencialmente continuo para fabricar convenientemente el producto final. Se instalan
calibradores que proporcionan lecturas instantáneas de la presión y la temperatura. Se
deben obtener evaluaciones de u para toda la variedad de gases que se usan en el
proceso.
Para estas aplicaciones, los métodos que usan intervalos, tales como el de bisección o de
la regla falsa, posiblemente consuman mucho tiempo. Además, los valores iniciales que
se requieren con estos métodos generarían un retraso en el procedimiento. Este
inconveniente igualmente afecta al método de la secante, que también necesita dos
valores iniciales.
En contraste, el método de Newton-Raphson requiere únicamente un valor inicial de la

raíz. Se puede usar la ley de los gases ideales para obtener este valor al inicio del
proceso. Después, suponiendo que el tiempo empleado sea lo bastante corto como para
que la presión y la temperatura no varíen mucho durante los cálculos, la solución de la
raíz anterior se puede usar como valor inicial de la siguiente. De esta forma, se tendría
disponible de forma automática un valor aproximado cercano a la solución, requisito
indispensable en la convergencia del método de Newton-Raphson. Todas estas
consideraciones favorecerán de manera considerable al método de Newton-Raphson en
estos problemas.
CASO 6.3 DINÁMICA DEL CRECIMIENTO DEMOGRÁFICO (INGENIERÍA CIVIL)
Antecedentes: la dinámica del crecimiento demográfico es de importancia en todos los

planes de estudio de ingeniería. Los programas de construcción y de distribución de
recursos en proyectos a gran escala, tales como el abastecimiento de agua y sistemas de
transporte dependen en gran medida de las tendencias de la población. Además, las
tendencias de otro tipo de poblaciones, tales como los microbios, son importantes en
muchos procedimientos de ingeniería, como en el tratamiento de basura, en el manejo de
la fermentación y en la elaboración de productos farmacéuticos.
Los modelos de crecimiento en un grupo de microbios suponen que el promedio de

cambio de la población (p) es proporcional a la población existente en un tiempo (t):
dp
= kp
dt
La población crece en un medio en el que existe alimento suficiente de manera que k no

es una función de la concentración- (Véase el caso 12.2 que muestra un ejemplo en
donde k depende del nivel alimenticio.) Cuando el alimento no escasea, el crecimiento se
limita sólo por el consumo de productos tóxicos o de espacio, si es que el tamaño de la
población crece demasiado. Con el tiempo, estos factores retardan la tasa de crecimiento
de la población y la detienen completamente cuando ésta alcanza una densidad máxima
de pmax. En este caso, se modifica la ecuación anterior de la siguiente manera:
dp
= kp( p max − p )
dt
En donde las unidades de K son litros por célula por día. Esta ecuación diferencial se
puede integrar de forma analítica dando:
Pmax
p (t ) = [6.9]
P 
1 +  max − 1e − KpAX
 Po 
En donde p(t = 0) = Po- A la ecuación (6.9) se te conoce como e! modelo de crecimiento

logístico. Como se muestra en la figura 6.4, este modelo genera una curva de p(t) en
forma de S. Como se puede ver, el modelo simula un crecimiento inicial lento, seguido por
un periodo de crecimiento rápido y finalmente, un crecimiento limitado a una densidad
demográfica muy alta.
FIGURA 6.4 Un modelo

logístico de crecimiento
demográfico. El modelo
simula un crecimiento
inicial lento, después
una aceleración en él
mismo seguido por un
periodo de nivelación en
una densidad
poblacional alta.
Como ejemplo de
aplicación de este
modelo en el área
de la ingeniería civil,
considérese el crecimiento de una población bacteriológica en un lago. E! crecimiento se
comporta como lo define la ecuación (6.9). La población es pequeña en la primavera del
año en donde t = O, p(t = 0) = 10 células por litro. Es sabido que la población alcanza una
densidad de 15 000 células por litro cuando t = 60 días y que la tasa de crecimiento K es
de 2 x 10 6 litros por célula por día. Se requiere calcular la densidad de la población
bacterial cuando t = 90 días. Si su número excede de 40 000 células por litro, entonces la
calidad estándar del agua requiere la implementación de algún procedimiento para
disminuirlas y proteger a las personas que se introduzcan al agua.
FIGURA 6.4 Un modelo logístico de crecimiento demográfico. El modelo simula un

crecimiento inicial lento, después una aceleración en él mismo seguido por un periodo de
nivelación en una densidad poblacional alta.
Solución: sustituyendo la información conocida en la ecuación (6.9) se obtiene:
Pmax
15000 [6.10]
P  −6
1 +  max − 1e − 2 +10 ( Pmax )( 60 )
 10 
La cual tiene sólo una incógnita, pmáx Si la ecuación (6.10) se pudiera resolver para pmáx,
entonces p(t = 90) se podría determinar fácilmente de la ecuación (6.9). Sin embargo, ya
que pmáx es implícita, no se puede obtener directamente de la ecuación (6.10). Por lo
tanto, se debe usar un método numérico de los capítulos 4 y 5. No se usará el método de
Newton-Raphson ya que la derivada de la ecuación (6.10) es difícil de determinar. Sin
embargo, se pueden aplicar fácilmente los métodos de bisección, de la regla falsa y de la
secante. Con un error relativo del 0.01% los valores iniciales dados de 60 000 y 70 000
células por litro generan las siguientes aproximaciones de pmáx
Método empleado Resultado Iteraciones

Bisección 63 198 11
Regla falsa 63 199 5
Secante 63 200 4
Nótese que los métodos de la regla falsa y de la secante convergen a la mitad de! número
de iteraciones de! método de bisección. Ahora, de la ecuación (6.9), con pmáx = 63 200:
63200
p (90) = = 58930 Células por litro.
 63200  − 2+10−6 ( 63200 )( 60 )
1+  − 1 e
 10 
Este nivel demográfico sobrepasa el límite estándar en cuanto a calidad del agua que es
de 40 000 células por litro y por lo tanto, se debe tomar alguna medida de corrección.
Este ejemplo, ilustra la eficiencia computacional relativa de tres métodos diferentes para
encontrar raíces de ecuaciones en un problema de diseño de ingeniería civil. Sin
embargo, como se menciona anteriormente, el esquema general tiene una aplicación
amplia en todos los campos de la ingeniería que tengan que ver con el crecimiento de
organismos, incluyendo a los humanos.
CASO 6.4 DISEÑO DE UN CIRCUITO ELÉCTRICO (INGENIERÍA ELÉCTRICA)
Antecedentes: los ingenieros electrónicos usan a menudo la ley de Kirchoff para estudiar
el comportamiento de los circuitos eléctricos en estado estacionario (que no varían con el
tiempo). En el caso 9.4 se analiza el comportamiento de estos estados estacionarios. Otro
tipo de problemas son los de corriente momentánea e implica a los circuitos donde
súbitamente suceden cambios temporales- Esta situación ocurre cuando se cierra el
interruptor de la figura 6.5. En este caso, después de cerrar el interruptor hay un periodo
de ajuste hasta que se alcanza un estado estacionario. La longitud de este periodo de
ajuste está relacionada con las propiedades de almacenamiento de carga del capacitor y
con el almacenamiento de energía dentro del inductor. El almacenamiento de energía
puede oscilar entre estos dos elementos durante un periodo transitorio. Sin embargo, la
resistencia en el circuito disipa la magnitud de las oscilaciones.
El flujo de corriente a través de la resistencia causa una caída de voltaje (VR) dado por:
VR = iR
En donde i es la comente y R es la resistencia del circuito. Cuando las unidades de R e í

son ohm y amperes, respectivamente, entonces la unidad de V es el volt.
De manera semejante, un inductor resiste el cambio en la corriente, de forma tal que la
caída de voltaje (VL) al cruzarlo es de:
di
VL = L
dt
FIGURA 6.5 Un circuito eléctrico. Cuando

se cierra el interruptor, la corriente
experimenta una serie de oscilaciones
hasta que se alcance un nuevo estado
estacionario.
en donde L es la inductancia. Cuando las unidades de L e i son henrios y amperes, la

unidad de VL es el volt y la unidad de t es el segundo. La caída de voltaje a través del
capacitor (Ve) depende de la carga (q) sobre el mismo:
q
VC =
C
En donde C es la capitancia. Cuando las unidades de carga se expresan en culembios, la

unidad de C es el faradio.
La segunda ley de Kirchoff indica que la suma algebraica de las caídas de voltaje en un
circuito cerrado es cero. Después de cerrar e! interruptor se tiene:
di q
L + Ri + = 0
dt C
Sin embargo, la corriente está dada en función de la carga como:
dq
i=
dt
Por lo tanto:
d 2q dq q
L 2
+R + =0
dt dt C
Esta es una ecuación diferencial ordinaria de segundo orden que se puede resolver
usando los métodos de cálculo- La solución está dada por:
 1  R 2 
q (t ) = q 0 e − Rt / 2 L cos −   [6.11]
 LC  2 L  
 
Donde t = O, q = qo =- VoC, y Vo es el voltaje en la batería. La
FIGURA 6.6 ecuación (6.11) describe la variación de la carga en el capacitor

La cargo en un en función del tiempo. La solución q(t) se gráfica en la figura 6.6.
capacitor en función del
tiempo que se presento
Un problema de diseño típico en ingeniería eléctrica, puede
enseguida de cerrar e!
interruptor en lo figura
necesitar que se determine la resistencia apropiada para disipar
6.5.
energía a una velocidad constante, con los valores de L y C conocidos. En este caso se
supone que la carga se debe disipar al 1% de su valor origina! (q/qo = 0-01) en t == 0.05
s, con L = 5 H y C = 10-4F.
Solución: es necesario resolver para R la ecuación (6.11), usando los valores conocidos
de q, qo, L y C. Sin embargo, se debe emplear un método numérico ya que R es una
variable implícita de la ecuación (6.11). Se usará el método de bisección para este
propósito. Los otros métodos estudiados en tos capítulos 4 y 5 también son apropiados,
aunque el método de Newton-Raphson tiene desventajas debido a que la derivada de la
ecuación (6.11) es muy complicada. Reordenando la ecuación (6.11) se obtiene:
 1  R 2  q
q( R) = e − Rt / 2
L cos −  −
 LC  2 L   q0
 
O, usando los valores numéricos dados:
f ( R) = e − 0.005R cos( 2000 − 0.01R 2 0.05) − 0.01 [6.12]
Examinando esta ecuación puede verse que un rango inicial razonable de R es de 0 a 400
Ω (ya que 2 000 — 0.01R2 debe ser mayor de cero). La figura 6.7, gráfica de la ecuación
(6.12), lo confirma. Con veintiún iteraciones
del método de bisección se obtiene R =
328.1515, con un error menor al 0.000 1%.
FIGURA 6.7 Gráfica de la ecuación (6.12) usada

en la obtención de valores iniciales de R que
encierren a la raíz.
De esta forma, se puede especificar una resistencia con este valor en el diagrama de la
figura 6.5 y esperar que la disipación sea consistente con los requisitos del problema.
Este problema de diseño no se puede resolver eficientemente sin usar los métodos de los
capítulos 4 y 5.
CASO 6.5 ANÁLISIS DE VIBRACIONES (INGENIERÍA MECÁNICA)
Antecedentes: las ecuaciones diferenciales se usan a menudo para modelar el

comportamiento de sistemas en ingeniería. Uno de tales modelos, que se aplica
ampliamente en !a mayor parte de los campos de la ingeniería, es el oscilador armónico.
Algunos ejemplos básicos del oscilador armónico son el péndulo simple, una masa atada
a un resorte y un circuito eléctrico inductor-capacitor (Fig. 6.8). Aunque estos son
sistemas físicos muy diferentes, sus oscilaciones se pueden describir mediante un mismo
modelo matemático. De esta manera, aunque este problema analiza el diseño de un
amortiguador para un automóvil, el comportamiento general se aplica a una gran variedad
de problemas en todos los campos de la ingeniería.
Como se ilustra en la figura 6.9, un conjunto de resortes sostienen un auto de masa m.

Los amortiguadores presentan una resistencia al movimiento del auto la cual es
proporcional a la velocidad vertical (movimiento ascendente-descendente) del mismo. La
alteración del equilibrio de! auto provoca que el sistema oscile como x(f). En un momento
cualquiera, las fuerzas que actúan sobre la masa m son la resistencia de los resortes y la
capacidad de absorber el golpe de los amortiguadores. La resistencia de los resortes es
proporcional a la constante de los mismos {k) y a la distancia al punto de equilibrio (x):
Fuerza del resorte = - kx [6.13]
FIGURA 6.8
Ejemplos de tres
osciladores
armónicos. Las
flechas dobles
indican las
oscilaciones de
cada sistema.
FIGURA 6.9 Un auto de masa m
En donde el signo negativo indica que la fuerza de restauración regresa al auto a su

posición de equilibrio. La fuerza de amortiguación está dada por:
Fuerza de amortiguación = —cdx/xt
En donde c es un coeficiente de amortiguamiento y dx/dt es la velocidad vertical. El signo

negativo indica que la fuerza de amortiguación actúa en dirección opuesta a la velocidad.
Las ecuaciones de movimiento para el sistema están dadas por la segunda ley de Newton
(F = ma), que en este problema está expresada como:
d 2x dx
m 2
= −c + (− kx) = 0
dt dt
Masa x aceleración = fuerza de amortiguación + fuerza del resorte
d 2 x c dx k
+ + x=0
dt 2 m dt m
Esta es una ecuación diferencia! ordinaria de segundo orden que se puede resolver con
los métodos del cálculo. Por ejemplo, si e! auto encuentra por casualidad un hoyo en el
camino en t = 0 de tal forma que se desplaza del punto de equilibrio x = xO y dx/dt = 0,
entonces:
n
x(t ) = e − nt ( x 0 cos pt + x o sin pt ) [6.14]
p
Donde n = c/(2m), p = k / m − c 2 /( 4m 2 ) y k/m > c2/(4m2). La ecuación (6.14)

proporciona la velocidad vertical del auto en función del tiempo- Los valores de los
parámetros son c = 1.4 por 107 g/s, m = 1.2 por 106 g y k = 1.25 por 109 g/s2. Si x0 = 0,3,
las consideraciones de diseño en la ingeniería mecánica requieren que se den los
estimados en las tres primeras ocasiones que el auto pase a través del punto de
equilibrio.
Solución: este problema de diseño se puede resolver usando los métodos numéricos de
los capítulos 4 y 5. Se prefieren los métodos que usan intervalos y el de la secante ya que
la derivada de la ecuación (6.14) es complicada.
Las aproximaciones a los valores iniciales se obtienen fácilmente con base a la figura
6.10. Este caso de estudio ilustra cómo los métodos gráficos proporcionan a menudo
información muy importante para aplicar satisfactoriamente los métodos numéricos. La
gráfica ilustra que este problema es complicado debido a la existencia de varias raíces,
por lo que en este caso, se deben usar intervalos pequeños para evitar traslapes de
raíces.
FIGLTRA 6.10 Gráfica de la

posición de un amortiguador
respecto al tiempo después que
la rueda del auto cae en un hoyo
del camino.
En el cuadro 6.3 se enlistan los resultados obtenidos por los métodos de bisección, la
regla falsa y la secante, con un criterio de paro del 0.1%.
Todos los métodos convergen rápidamente. Como era de esperarse, los métodos de la
regla falsa y de la secante son más eficientes que el de bisección.
Nótese que para todos los métodos los errores relativos porcentuales aproximados son
mayores que los errores reales. De esta forma, los resultados son exactos al menos hasta
el criterio de paro, el 0.1 %. Sin embargo, puede observarse también que el método de la
regla falsa y el de la secante son muy conservadores en esta relación. Recuérdese el
análisis de la sección 4.3 en que el criterio de paro constituye esencialmente una
aproximación a la diferencia con la iteración anterior. De esta forma, para esquemas de
convergencia rápida como los métodos de la regla falsa y de la secante, la mejora en
exactitud entre dos iteraciones sucesivas es tan grande que fu será, en general, mucho
menor que εv. El significado práctico de este comportamiento es de poca importancia
cuando se va a determinar sólo una raíz. Sin embargo, si se requiere calcular varias
raíces, la convergencia rápida viene a ser una propiedad muy valiosa como para tomarla
en cuenta cuando se escoge un método en particular.
CUADRO 6.3 Resultados obtenidos al usar los métodos de bisección, regla falsa y de la secante para localizar
las primeras tres raíces de las vibraciones de un amortiguador. Se usó un criterio de paro del 0.1 para obtener
estos resultados. Nótese que los valores exactos de las rafees son 0.055 209 532 9, 0.154 178 13 y 0.253 146
726
ERROR RELATIVO
Valor inicial Valor inicial Aproximación Número de PORCENTUAL
Método inferior superior a la raíz Iteraciones PORCENTUAL
Aproximado Verdadero
Bisección 0.0 0.1 0.0552246 n 0.088 0.027
0.1 0.2 0.1541992 10 0.063 0.014
0.2 0.3 0.2533203 9 0.077 0.069
Regla 0.0 0.1 0.0552095 5 0.002 0.0001
farsa 0.1 0.2 0.1541790 4 0.069 0.0006
0.2 0.3 0.2531475 4 0.043 0.0003
Secante 0.0 0.1 0.0552095 5 0-038 0.0001
0.1 0.2 0.1541780 5 0.020 0,0001
0.2 0.3 0.2531465 5 0.017 0.0001
PROBLEMAS
Ingeniería en general
6.1 Usando Los programas propios, reprodúzcanse los cálculos realizados en el caso 6.1
6.2 Realícense los mismos cálculos del caso de estudio 6.1, pero usando una tasa de
interés del 17% (i = 0,17). Si es posible, úsense los programas propios para determinar
los puntos de equilibrio. De otra manera, úsese cualquiera de los métodos analizados en
los capítulos 4 y 5 y realícense los cálculos. Justifíquese el uso del método escogido.
6.3 En el caso 6.1, determínese el número de años que se debe poseer la Micro dos
para que genere ganancias. Esto es, calcúlese el valor de n en el cual A,, de la ecuación
(6.4) sea positivo.

Metodos Numericos Chapra PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Numericos Chapra PDF

Cargado por

Copyright:

Formatos disponibles

FUNDAMENTOS DE ANALISIS NUMERICOS

Desde hace años, se aprendió a usar la formula cuadrática:

II.1.1 Métodos empleados antes de la era de la computadora para determinar raíces

Un método para obtener una solución aproximada es la de graficar la función y determinar

Aunque los métodos gráficos son útiles en la obtención de estimaciones aproximativas de

II.1.2 Raíces de ecuaciones y su práctica en lo ingeniería

Aunque las raíces de ecuaciones caben dentro de otro contexto, frecuentemente

Un ejemplo de tales modelos se presenta en la ecuación derivada de la segunda ley de

Donde la velocidad v es la variable dependiente, el tiempo t es la variable independiente y

Aunque la ecuación (II.3) proporciona una representación matemática de la interrelación

Esto representa un dilema real, ya que muchos de los problemas de diseños en

11.2 FUNDAMENTOS MATEMÁTICOS

Donde las a son constantes. Algunos ejemplos específicos son:

f(x) = 1 - 2.37x+ 7.5x2 [II.7]

f(x) = 5x2 - x3 + 7x6 [II.8]

Una función trascendental es una que no es algebraica. Incluye funciones trigonométricas,

f(x) = e-x-x [II.9]

f(x) = 4x2- 16x + 17

Por lo tanto, una raíz es:

parecidas en principio, pero fundamentalmente diferentes:

1. La determinación de raíces reales de ecuaciones algebraicas y trascendentales.

2. La determinación de todas las raíces reales y complejas de un polinomio. Estos

II.3.1 Campo de acción y avance

La figura II.1 es una representación esquemática de la organización de la parte II.

En el capítulo 5 se cubren los métodos abiertos. Estos métodos también involucran

analizan los métodos de la iteración de punto fijo, el método de Newton-Raphson y el

El capítulo 6 extiende los conceptos anteriores a los conceptos actuales de la ingeniería.

sección se proporciona también un resumen de las fórmulas importantes, con referencias

Ciertas capacidades automáticas de cálculo se integran de diferentes maneras en la parte

11.3.2 Metas y objetivos

Objetivos de estudio. Después de terminar la parte II, se debe tener la suficiente

Objetivos de computación. El libro proporciona algunos programas simples, algoritmos y

También se proporcionan directamente en e) texto los programas en FORTRAN y BASIC

CUADRO 11.2 Objetivos de estudio específicos de la parte II

1. Entender la interpretación gráfica de una raíz

4.1 MÉTODOS GRÁFICOS

Solución: se calculan los siguientes valores:

f(0.57) = e-0.57 - 0.57 = -0.004 5 la cual se acerca a cero.

FIGURA 4.1 Método gráfico para la solución de ecuaciones

Las interpretaciones geométricas, además de proporcionar aproximaciones iniciales de la

raíces dentro del intervalo. En general, si f(x1) y f(xu) tienen

Aunque estas generalizaciones son usualmente verdaderas,

La existencia de casos del tipo mostrado en la figura 4.3

Tiene varias raíces sobre el rango de las x = - 5 hasta x = 5. Empléese la opción de

FIGURA 4.3 Ilustración de algunas

4.2 MÉTODO DE BISECCIÓN

f(x1)f(xu) < 0 [4.1]

Entonces hay, al menos una raíz real entre x1 y xu.

Los métodos de búsqueda incrementa! se aprovechan de esta característica para localizar

El método de bisección, conocido también como de corte binario, de partición en dos

FIGURA 4.6 Gráfica del método

Enunciado del problema; úsese el método de la bisección para determinar la raíz de

Solución: Recuérdese de acuerdo a la gráfica de la función (Fig. 4.1) que la raíz se

Ev = 0.567 143 29 - 0.5 = 0.067 143 29 o, en términos relativos:

f(0)f(0.5) = (1)(0.10653) = 0.10653

f(0.5)f(0.75) = -0.030 <0

Por lo tanto, la raíz está entre 0.5 y 0.75:

Y la cuarta iteración es:

f(0.5)f(0.625)= -0.010 < 0

Por lo tanto, la raíz está entre 0.5 y 0.625:

4.2.1 Criterios de paro y estimación de errores

Donde xrnueva es la raíz de la iteración actual y xranterior es el valor de la raíz de la iteración

Iteración Xr |Ev|% |Ea|%