CAPITULO 2 – ECUACIONES NO LINEALES

2.1 SOLUCIÓN DE ECUACIONES NO LINEALES

Uno de los problemas que se presenta con frecuencia en ingeniería es

encontrar las raíces de ecuaciones de la forma f(x) = 0, donde f(x) es una función real
de una variable x, como un polinomio en x
f(x) = 4x5 + x3 – 8x + 2
o una función trascendente
f(x) = ex sen x + ln 3x + x3
Existen distintos algoritmos para encontrar las raíces o ceros de f(x) = 0, pero
ninguno es general; es decir, no hay un algoritmo que funcione con todas las
ecuaciones; por ejemplo, se puede tener un algoritmo que funciona perfectamente
para encontrar las raíces de f 1(x ) = 0, pero al aplicarlo no se pueden encontrar los
ceros de una ecuación distinta f2(x) = 0
Sólo en muy pocos casos será posible obtener las raíces exactas de f(x) = 0,
como cuando f(x) es un polinomio factorizable, tal como
f ( x )  ( x  x 1 )( x  x 2 )...( x  x n )
donde x i , 1 ≤ i ≤ n denota la i-ésima raíz de f(x) = 0. Sin embargo, se pueden
obtener soluciones aproximadas al utilizar algunos de los métodos numéricos de este
capitulo. Se empezará con el método de punto fijo (también conocido como de
aproximaciones sucesivas, de iteración funcional, etc.).

2.1.1 MÉTODO DE PUNTO FIJO

Este método se aplica para resolver ecuaciones de la forma x = g(x)

Si la ecuación es f(x) = 0, entonces puede despejarse x ó bien sumar x en
ambos lados de la ecuación para ponerla en la forma adecuada.

Ejemplos:
1) La ecuación: cos x – x = 0 se puede transformar en: cos x = x.
2) La ecuación: tan x – e-x = 0 se puede transformar en: x + tan x – e-x = x.
Dada la aproximación xi, la siguiente iteración se calcula con la fórmula:
xi 1  g ( xi )
Supongamos que la raíz verdadera es xr, es decir,
xr  g ( xr )
Restando las últimas ecuaciones obtenemos:
x r  xi 1  g ( x r )  g ( xi )
Por el Teorema del Valor Medio para derivadas, sabemos que si g(x) es continua en
g (b)  g (a )
[a, b] y diferenciable en (a, b) entonces existe ξ Є (a, b) tal que g ' ( )  .
ba
En nuestro caso, existe ξ en el intervalo determinado por xi y xr y tal que:
g ( x r )  g ( xi )
g ' ( ) 
x r  xi
De aquí tenemos que:
g ( x r )  g ( xi )  g ' ( )( x r  xi )
O bien,

Ing. Hermas Herrera Callejas Página : 1 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

x r  xi 1  g ' ( )( x r  xi )
Tomando valor absoluto en ambos lados,
| x r  xi 1 || g ' ( ) || x r  xi |
Observe que el término |xr–xi+1| es precisamente el error absoluto en la
(i+1)ésima iteración, mientras que el término |x r-xi| corresponde al error absoluto en la
i-ésima iteración.
Por lo tanto, solamente si |g’(ξ)| < 1, entonces se disminuirá el error en la
siguiente iteración. En caso contrario, el error irá en aumento.
En resumen, el método de iteración del punto fijo converge a la raíz si |g’(x)| <
1 para x en un intervalo [a, b] que contiene a la raíz y donde g(x) es continua y
diferenciable, pero diverge si |g’(x)| > 1 en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
 En el ejemplo 1, g(x) = cos x y claramente se cumple la condición de que |
g’(x)| < 1. Por lo tanto el método sí converge a la raíz.
 En el ejemplo 2, g(x) = x+tan x– e-x, en este caso |g’(x)| = |1 + sec 2x + e-x| > 1.
Por lo tanto, el método no converge a la raíz.
Para aclarar el uso de la fórmula veamos dos ejemplos:

Ejemplo 1
Usar el método de iteración del punto fijo para aproximar la raíz de f(x) = cos x – x.
comenzando con x0 = 0 y hasta que |Єa| < 1%.

Solución
Como ya aclaramos anteriormente, el método sí converge a la raíz. Aplicando la
fórmula iterativa tenemos,
x1 = g(x0) = cos 0 = 1
Con un error aproximado de 100%
Aplicando nuevamente la fórmula iterativa tenemos,
x2 = g(x1) = cos 1 = 0.540302305
Y un error aproximado de 85.08%.
Intuimos que el error aproximado se irá reduciendo muy lentamente. En
efecto, se necesitan hasta 13 iteraciones para lograr reducir el error aproximado
menor al 1%. El resultado final que se obtiene es:
x13 = 0.7414250866
Con un error aproximado igual al 0.78%.

Ejemplo 2
Usar el método de iteración del punto fijo para aproximar la raíz de f(x) = x 2 – 5x – ex.
comenzando con x0 = 0 y hasta que |Єa| < 1%.

Solución
Si despejamos la x del término lineal vemos que la ecuación equivale a
x2  ex
x
5
de donde,
x2  ex
g ( x) 
5

Ing. Hermas Herrera Callejas Página: 2 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

2x  e x
En este caso, tenemos que g ' ( x )  . Un vistazo a la gráfica, nos convence
5
que |g’(x)| < 1, para x Є [-1, 1], lo que es suficiente para deducir que el método sí
converge a la raíz buscada.
Aplicando la fórmula iterativa, tenemos:
x1 = g(x0) = -0.2
Con un error aproximado del 100%.

Aplicando nuevamente la fórmula iterativa, tenemos:

x2 = g(x1) = -0.1557461506
Con un error aproximado igual al 28.41%.
En este ejemplo, el método solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:

i Xi % de Error f(x) = x2 – 5x – ex
0 0,0000000000 x2  ex 2x  e x
1 -0,2000000000 100,000000 x  g ( x)  g ' ( x) 
5 5
2 -0,1557461506 28,414089
3 -0,1663039075 6,348472 xi2  e xi
xi 1 
4 -0,1638263720 1,512293 5
5 -0,1644100640 0,355022
De donde vemos que la aproximación buscada es: x5 = -0.164410064
Veremos a continuación un ejemplo del método de Punto Fijo con la siguiente
ecuación:
X3 + X + 16 = 0
Se ve que no converge

2.1.2 MÉTODO DE NEWTON-RAPHSON

Este método, que es un método iterativo, es uno de los más usados y efectivos. El
método de Newton-Raphson no trabaja sobre un intervalo sino que basa su fórmula
en un proceso iterativo. En análisis numérico, el método de Newton-Raphson
(conocido también como el método de Newton o el método de Newton-Fourier) es
un algoritmo eficiente para encontrar aproximaciones de los ceros raíces de una

Ing. Hermas Herrera Callejas Página: 3 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

función real. También puede ser usado para encontrar el máximo o mínimo de una
función, encontrando los ceros de su primera derivada.

2.1.2.1 DESCRIPCIÓN DEL MÉTODO

La idea de este método es la siguiente: se comienza con un valor

razonablemente cercano al cero (denominado punto de arranque), entonces se
reemplaza la función por la recta tangente en ese valor, se iguala a cero y se despeja
(fácilmente, por ser una ecuación lineal). Este cero será, generalmente, una
aproximación mejor a la raíz de la función. Luego, se aplican tantas iteraciones como
se deseen.
Supongamos que tenemos la aproximación xi a la raíz xr de f(x),

Trazamos la recta tangente a la curva en el punto (x i, f(xi)); ésta cruza al eje x

en un punto xi+1 que será nuestra siguiente aproximación a la raíz x r.
Para calcular el punto xi+1, calculamos primero la ecuación de la recta
tangente. Sabemos que tiene pendiente
m = f’(xi)
Y por lo tanto la ecuación de la recta tangente es:
y – f(xi) = f’(xi)(x – xi)
Hacemos y = 0:
- f(xi) = f’(xi)(x - xi)
Y despejamos x:
f ( xi )
x  xi 
f ' ( xi )
Que es la fórmula iterativa de Newton-Raphson para calcular la siguiente
aproximación:
f ( xi )
xi 1  xi  si f ' ( xi )  0
f ' ( xi )
Note que el método de Newton-Raphson no trabaja con intervalos donde nos
asegure que encontraremos la raíz, y de hecho no tenemos ninguna garantía de que
nos aproximaremos a dicha raíz. Desde luego, existen ejemplos donde este método

Ing. Hermas Herrera Callejas Página: 4 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

no converge a la raíz, en cuyo caso se dice que el método diverge. Sin embargo, en
los casos donde si converge a la raíz lo hace con una rapidez impresionante, por lo
cual es uno de los métodos preferidos por excelencia.
También observe que en el caso de que f’(x i) = 0, el método no se puede
aplicar. De hecho, vemos geométricamente que esto significa que la recta tangente
es horizontal y por lo tanto no intercepta al eje x en ningún punto, a menos que
coincida con éste, en cuyo caso xi misma es una raíz de f(x).

Ejemplo 1

Usar el método de Newton-Raphson, para aproximar la raíz de f(x) = e-x – ln x,

comenzando con x0 = 1 y hasta que |Єa| < 1%.

Solución
En este caso, tenemos que
1
f ' ( x )  e  x 
x
De aquí tenemos que:
e  xi  ln(xi ) e  xi  ln(xi ) xi (e  xi  ln(xi )) xi ( xi e  xi  1  e  xi  ln(xi ))
xi 1  xi   xi   xi  
 e  xi 
1
e  xi 
1 xi e  xi  1 xi e  xi  1
xi xi
Comenzamos con x0 = 1 y obtenemos:
x0 ( x0 e  x0  1  e  x0  ln( x0 ))
x1   1.268941421
x0 e  x0  1
En este caso, el error aproximado es,
1.268941421  1
0  x100%  21.19%
1.268941421
Continuamos el proceso hasta reducir el error aproximado hasta donde se
pidió. Resumimos los resultados en la siguiente tabla:

i Xi % de Error
0 1,0000000000 xi ( xi e xi  1  e xi  ln( xi ))
xi 1 
1 1,2689414214 21,194156 xi e  xi  1
2 1,3091084033 3,068270
3 1,3097993887 0,052755
De lo cual concluimos que la aproximación obtenida es: x 3 = 1.309799389

Ejemplo 2

Usar el método de Newton-Raphson para aproximar la raíz de f(x) = arctan x + x – 1,

comenzando con x0 = 0 y hasta que |Єa| < 1%.
SOLUCIÓN
En este caso, tenemos que
1
f ' ( x)  1
1 x2
La cual sustituimos en la fórmula de Newton-Raphson para obtener:

Ing. Hermas Herrera Callejas Página: 5 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

arctan( xi )  xi  1
xi 1  xi 
1
1
1  xi2
Comenzamos sustituyendo x0 = 0 para obtener:
arctan( x 0 )  x 0  1
x1  x 0   0 .5
1
1
1  x 02
0.5  0
En este caso tenemos un error aproximado de a  0.5
x100%  100%

Continuamos con el proceso hasta lograr el objetivo.

Resumimos los resultados en la siguiente tabla:

i Xi % de Error arctan( xi )  xi  1
0 0,0000000000 xi 1  xi 
1
1 0,5000000000 100,000000 1
1  xi2
2 0,5201957728 3,882341
3 0,5202689918 0,014073

De lo cual concluimos que la aproximación obtenida es: x 3 = 0.5202689918

Ejemplo 3

Usar el método de Newton-Raphson para aproximar raíces cuadradas de números

reales positivos.

Solución
Sea R > 0.Queremos calcular x tal que x  R ; elevando al cuadrado x2 = R, o bien:
x2 – R = 0
Esto nos sugiere definir la función f(x) = x2 – R de donde f’(x) = 2x. Al sustituir
estos datos en la fórmula de Newton-Raphson nos da:
x2  R
xi 1  xi  i
2 xi
La cual simplificada nos da:
1 R
xi 1   xi  
2 xi 
Esta fórmula era conocida por los antiguos griegos (Herón).
Para fijar un ejemplo de su uso, pongamos R = 26 y apliquemos la fórmula
obtenida, comenzando con x0 = 5. Resumimos los resultados en la siguiente tabla:

i Xi % de Error
0 5,0000000000 1 R
xi 1   xi   1 26 
1 5,1000000000 1,9607843 2 xi  xi 1   xi  
2 xi 
2 5,0990196078 0,0192271
3 5,0990195136 0,0000018

Ing. Hermas Herrera Callejas Página: 6 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

De lo cual concluimos que 26 ≈ 5.0990195136, la cual es correcta en todos

sus dígitos.
La misma idea puede aplicarse para crear algoritmos que aproximen raíces n -
ésimas de números reales positivos.
Observe que cuando el método de Newton-Raphson converge a la raíz, lo
hace de una forma muy rápida y de hecho, observamos que el error aproximado
disminuye a pasos agigantados en cada paso del proceso. Aunque no es nuestro
objetivo establecer formalmente las cotas para los errores en cada uno de los
métodos que hemos estudiado, cabe mencionar que si existen estas cotas que
miden con mayor precisión la rapidez ó lentitud del método en estudio.
Veremos a continuación un ejemplo del método de Newton Raphson, con la
siguiente ecuación: X3 + X + 16 = 0.

I x(i) % de Error aprox f(x) = X3 + X + 16

1 1,0000000000
2 -3,5000000000 128,5714285714 f’(x) = 3X2 + 1
3 -2,6953642384 29,8525798526
4 -2,4199896516 11,3791638155
xi3  xi  16
5 -2,3880927130 1,3356658411 xi 1  xi 
6 -2,3876866187 0,0170078584 3xi2  1
7 -2,3876865534 0,0000027332

Al analizar con el método de la Newton Rapshon, en este ejemplo con un error

menor a 0.0001 %; se encuentra la última raíz X(i): -2.3876865534 con 7 iteraciones.

2.1.3 MÉTODO DE LA SECANTE

Este método se basa en la fórmula de Newton-Raphson, pero evita el cálculo

de la derivada usando la siguiente aproximación:
f ( xi 1 )  f ( xi )
f ' ( xi ) 
xi 1  xi
Sustituyendo en la fórmula de Newton-Raphson, obtenemos:
f ( xi ) f ( xi )
xi 1  xi   xi 
f ' ( xi ) f ( xi 1 )  f ( xi )
xi 1  xi
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
Que es la fórmula del método de la secante. Nótese que para poder calcular el
valor de xi+1, necesitamos conocer los dos valores anteriores xi y xi-1.
Obsérvese también que el método de la secante es un proceso iterativo y por
lo mismo, encuentra la aproximación casi con la misma rapidez que el método de
Newton-Raphson. Claro, corre el mismo riesgo de éste último de no converger a la
raíz.

Ejemplo 1
2
Usar el método de la secante para aproximar la raíz de f ( x)  e  x  x , comenzando
con x0 = 0, x1 = 1 y hasta que |Єa| < 1%

Ing. Hermas Herrera Callejas Página: 7 de 13

1 R
xi 1   xi  
2 xi 
Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

Solución
Tenemos que f(x0) = 1 y f(x1) = -0.632120558, que sustituimos en la fórmula de la
secante para calcular la aproximación x2:
 f ( x1 )( x 0  x1 )  f ( xi )( xi 1  xi )
x 2  x1     0.612699837 xi 1  xi 
 f ( x 0 )  f ( x1 )  f ( xi 1 )  f ( xi )
x 2  x1
Con un error aproximado de: a  x100%  63.2%
x2
Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los
resultados en la siguiente tabla:
i x(i) % Error Aprox 2
( e  xi  xi )( xi 1  xi )
0 0,000000000 xi 1  xi  2 2
1 1,000000000 100,00000 ( e  xi 1  xi 1 )  ( e  xi  xi )
2 0,612699837 63,21206 Haciendo operaciones algebraicas se resume a:
3 0,653442133 6,23503 2 2

4 0,652917265 0,08039 xi e  xi 1  xi 1e  xi

5 0,652918640 0,00021
xi 1  2 2
e  xi 1  e  xi  xi  xi 1

De lo cual concluimos que la aproximación a la raíz es: x5 = 0.652918640

Ejemplo 2
Usar el método de la secante para aproximar la raíz de f(x) = arctan x - 2x + 1,
comenzando con x0 = 0 y x1 = 1, y hasta que |Єa| < 1%.

Solución
Tenemos los valores f(x0) = 1 y f(x1) = -0.214601836, que sustituimos en la fórmula de
la secante para obtener la aproximación x2
 f ( x1 )( x0  x1 )  f ( xi )( xi 1  xi )
x 2  x1     0.823315073 xi 1  xi  f ( x )  f ( x )
 f ( x0 )  f ( x1 )  i 1 i

x 2  x1
Con un error aproximado de: a  x100%  21.46%
x2
Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los
resultados en la siguiente tabla:
i x(i) % Error Aprox (arctan( xi )  2 xi  1)( xi 1  xi )
0 0,000000000
xi 1  xi 
arctan( xi 1 )  2 xi 1  1  (arctan( xi )  2 xi  1)
1 1,000000000 100,00000
2 0,823315073 21,46018
Haciendo operaciones algebraicas se llega a:
3 0,852330280 3,40422
4 0,853169121 xi arctan( xi 1 )  xi 1 arctan( xi )  xi 1  xi
0,09832 xi 1 
5 0,853164044 0,00060arctan( xi 1 )  arctan( xi )  2 xi 1  2 xi
De lo cual concluimos que la aproximación a la raíz es: x5 = 0.853164044

Veremos a continuación un ejemplo del método de la secante, con la siguiente

función: f(x) = x3 + x + 16, comenzando con x0 = -3 y x1 = -2

Ing. Hermas Herrera Callejas Página: 8 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

i xi % de Error xi 1  xi  f ( xi )( xi 1  xi )
0 -3,0000000000 f ( xi 1 )  f ( xi )
1 -2,0000000000 50,000000 Reemplazando las funciones y variables:
2 -2,3000000000 13,043478 ( xi3  xi  16)( xi 1  xi )
xi 1  xi  3
3 -2,4029550034 4,284516 xi 1  xi 1  16  ( xi3  xi  16)
4 -2,3871468897 0,662218 Realizando operaciones algebraicas se tiene:
5 -2,3876833053 0,022466
x x 3  x x 3  16 xi 1  16 xi
6 -2,3876865541 0,000136 xi 1  i i 1 3 i 1 3i
7 -2,3876865535 0,000000 xi 1  xi  xi 1  xi

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

menor al 0.0001 %; se encuentra la última raiz (X i): -2.3876865535 con 7 iteraciones.

2.1.4 MÉTODO DE LA BISECCIÓN

El método de bisección se basa en el siguiente teorema de Cálculo: Teorema

del Valor Intermedio
Sea f(x) continua en un intervalo [a, b] y supongamos que f(a) < f(b). Entonces
para cada z tal que f(a) < z < f(b), existe un x0 Є (a, b) tal que f(x0) = z. La misma
conclusión se obtiene para el caso que f(a) > f(b).
Básicamente el Teorema del Valor Intermedio nos dice que toda función
continua en un intervalo cerrado, una vez que alcanzó ciertos valores en los
extremos del intervalo, entonces debe alcanzar todos los valores intermedios.
En particular, si f(a) y f(b) tienen signos opuestos, entonces un valor intermedio es
precisamente z = 0, y por lo tanto, el Teorema del Valor Intermedio nos asegura que
debe existir x0 Є (a, b) tal que f(x0) = 0, es decir, debe haber por lo menos una raíz de
f(x) en el intervalo (a, b).
El método de bisección sigue los siguientes pasos: Sea f(x) continua,
1) Encontrar valores iniciales x a, xb tales que f(xa) y f(xb) tienen signos opuestos, es
decir, f(xa).f(xb) < 0
2) La primera aproximación a la raíz se toma igual al punto medio entre x a y xb,
x  xb
xr  a :
2
3) Evaluar f(xr). Forzosamente debemos caer en uno de los siguientes casos:
a) f(xa).f(xr) < 0
En este caso, tenemos que f(xa) y f(xr) tienen signos opuestos y por tanto la raíz se
encuentra en el intervalo [xa, xr].
b) f(xa).f(xr) > 0
En este caso, tenemos que f(xa) y f(xr), tienen el mismo signo y de aquí que f(xr)
y f(xb) tienen signos opuestos. Por tanto, la raíz se encuentra en el intervalo [x r, xb].
c) f(xa).f(xr) = 0
En este caso se tiene que f(xr) = 0 y por tanto ya localizamos la raíz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que: |Є a| < Єr, es decir,
x actual  x previa
x100% r
x actual

Ing. Hermas Herrera Callejas Página: 9 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

Ejemplo 1
Aproximar la raíz de f(x) = e-x – ln x hasta que |Єa| < 1%

Solución
La única raíz de f(x) se localiza en el intervalo [1, 1.5]. Así que este intervalo es
nuestro punto de partida; sin embargo, para poder aplicar el método de bisección
debemos controlar que f(1) y f(1.5) tengan signos opuestos.
En efecto, tenemos que
f(1) = e-1 – ln 1 = e-1 > 0
(Sabemos que e = 2.71828182845905
Mientras que
f(1.5) = e-1.5 – ln (1.5) = -0.18233 < 0

Cabe mencionar que la función f(x) sí es continua en el intervalo [1, 1.5]. Así
pues, tenemos todos los requisitos satisfechos para poder aplicar el método de
bisección. Comenzamos:

1) Calculamos el punto medio (que es nuestra primera aproximación a la raíz):

1  1.5
x r1   1.25
2
2) Evaluamos f(1.25) = e-1.25 – ln(1.25) = 0.0636 > 0
3) Para identificar mejor en que nuevo intervalo se encuentra la raíz, hacemos la
siguiente tabla:

Por tanto, vemos que la raíz se encuentra en el intervalo [1.25, 1.5].

En este punto, vemos que todavía no podemos calcular ningún error

aproximado, puesto que solamente tenemos la primera aproximación. Así, repetimos
el proceso con el nuevo intervalo [1.25, 1.5]. Calculamos el punto medio (que es
nuestra segunda aproximación a la raíz):
1.25  1.5
xr 2   1.375
2
Aquí podemos calcular el primer error aproximado, puesto que contamos ya
con la aproximación actual y la aproximación previa:
x r 2  x r1
a  x100%  9.09%
xr 2

Puesto que no se ha logrado el objetivo, continuamos con el proceso.

Evaluamos f(1.375) = e-1.375 – ln(1.375) = - 0.06561 < 0, y hacemos la tabla de signos:

Así, vemos que la raíz se encuentra en el intervalo [1.25, 1.375]. Calculamos el punto
medio,

Ing. Hermas Herrera Callejas Página: 10 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

1.25  1.375
xr 3   1.3125
2
Y calculamos el nuevo error aproximado:
xr 3  xr 2
a  x100%  4.76%
xr 3
El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados
que se obtienen en la siguiente tabla:

i a R b f(a) f(r) f(b) % de Err

0 1,000000 1,250000 1,500000 0,367879 0,063361 -0,182335
1 1,250000 1,375000 1,500000 0,063361 -0,065614 -0,182335 9,090909
2 1,250000 1,312500 1,375000 0,063361 -0,002787 -0,065614 4,761905
3 1,250000 1,281250 1,312500 0,063361 0,029854 -0,002787 2,439024
4 1,281250 1,296875 1,312500 0,029854 0,013427 -0,002787 1,204819
5 1,296875 1,304688 1,312500 0,013427 0,005294 -0,002787 0,598802
6 1,304688 1,308594 1,312500 0,005294 0,001247 -0,002787 0,298507

La aproximación buscada y con un rango de error menor al originalmente planteado

se alcanza en la 6ta iteración y es igual a: xri = 1.308594

Ejemplo 2
Aproximar la raíz de f(x) =arctan x + x - 1 hasta que |Єa| < 1%.

Solución
Como vimos en el ejemplo 2 de la sección anterior, la única raíz de f(x) se localiza en
el intervalo [0, 1]. Para poder aplicar el método de bisección, es importante controlar
que se cumplen las hipótesis requeridas.
Sabemos que f(x) es continua en el intervalo [0, 1], y controlamos que f(0) y f(1)
tengan signos opuestos. En efecto,
f(0) = arctan 0 + 0 – 1 = -1 < 0
Mientras que,
f(1) = arctan 1 + 1 – 1 = 0.7853 > 0
Por tanto, sí podemos aplicar el método de bisección.
Calculamos el punto medio del intervalo [0, 1],
1 0
x r1   0.5
2
Que es la primera aproximación a la raíz de f(x)

Evaluamos f(0.5) = arctan(0.5) + 0.5 – 1 = -0.0363 < 0 y hacemos nuestra tabla de

signos,

Puesto que f(0.5) y f(1) tienen signos opuestos, entonces la raíz se localiza en el
intervalo [0.5, 1]

Ing. Hermas Herrera Callejas Página: 11 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

En este punto, solo contamos con una aproximación, a saber x r1 = 0.5, que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo [0.5, 1]
1  0.5
xr 2   0.75
2
Que es la nueva aproximación a la raíz de f(x). Aquí podemos calcular el primer error
aproximado:
0.75  0.5
a  x100%  33.33%
0.75
Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos f(0.75) = arctan(0.75) + 0.75 – 1 = 0.3935 > 0. y hacemos la tabla de
signos:

Puesto que f(0.5) y f(0.75) tienen signos opuestos, entonces la raíz se localiza en el
intervalo [0.5, 0.75]. Calculamos el punto medio,
0.5  0.75
xr 3   0.625
2
Y el nuevo error aproximado:
0.625  0.75
a  x100%  20%
0.625
El proceso se debe continuar hasta que se logre el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:

i a R b f(a) f(r) f(b) % de Error

0 0,000000 0,500000 1,000000 -1,000000 -0,036352 0,785398
1 0,500000 0,750000 1,000000 -0,036352 0,393501 0,785398 33,333333
2 0,500000 0,625000 0,750000 -0,036352 0,183599 0,393501 20,000000
3 0,500000 0,562500 0,625000 -0,036352 0,074889 0,183599 11,111111
4 0,500000 0,531250 0,562500 -0,036352 0,019584 0,074889 5,882353
5 0,500000 0,515625 0,531250 -0,036352 -0,008306 0,019584 3,030303
6 0,515625 0,523438 0,531250 -0,008306 0,005659 0,019584 1,492537
7 0,515625 0,519531 0,523438 -0,008306 -0,001319 0,005659 0,751880
8 0,519531 0,521484 0,523438 -0,001319 0,002171 0,005659 0,374532
9 0,519531 0,520508 0,521484 -0,001319 0,000427 0,002171 0,187617

De lo cual, vemos que la aproximación buscada es x r9 = 0.520508. El método de

bisección por lo general es lento y en casos como el de la siguiente gráfica, puede
ser demasiado lento.
En un caso como éste, el proceso de bisección comienza a acercarse a la raíz de
forma muy lenta, ya que el método solamente toma en cuenta que la raíz se
encuentra dentro del intervalo, sin importar si se encuentra más cerca de alguno de
los extremos del intervalo.
Veremos a continuación un ejemplo del método de la bisección. Aproximar la
siguiente función: f(x) = x3 + x + 16 hasta un rango de error menor a 0.01 %

i a r b f(a) F(r) f(b) % de Error

Ing. Hermas Herrera Callejas Página: 12 de 13

Programación Aplicada Capítulo 2 – Ecuaciones No Lineales

0 -3,000000 -2,500000 -2,000000 -14,000000 -2,125000 6,000000

1 -2,500000 -2,250000 -2,000000 -2,125000 2,359375 6,000000 11,111111
2 -2,500000 -2,375000 -2,250000 -2,125000 0,228516 2,359375 5,263158
3 -2,500000 -2,437500 -2,375000 -2,125000 -0,919678 0,228516 2,564103
4 -2,437500 -2,406250 -2,375000 -0,919678 -0,338531 0,228516 1,298701
5 -2,406250 -2,390625 -2,375000 -0,338531 -0,053257 0,228516 0,653595
6 -2,390625 -2,382813 -2,375000 -0,053257 0,088066 0,228516 0,327869
7 -2,390625 -2,386719 -2,382813 -0,053257 0,017514 0,088066 0,163666
8 -2,390625 -2,388672 -2,386719 -0,053257 -0,017844 0,017514 0,081766
9 -2,388672 -2,387695 -2,386719 -0,017844 -0,000159 0,017514 0,040900
10 -2,387695 -2,387207 -2,386719 -0,000159 0,008679 0,017514 0,020454
11 -2,387695 -2,387451 -2,387207 -0,000159 0,004261 0,008679 0,010226
12 -2,387695 -2,387573 -2,387451 -0,000159 0,002051 0,004261 0,005113
13 -2,387695 -2,387634 -2,387573 -0,000159 0,000946 0,002051 0,002556

Se logró aproximar la raíz de la función f(x) = x3 + x + 16, además de analizar el

método de la bisección. En este ejemplo con un error de 0.002556; se encuentra la
última raiz(Xi): -2.387634 en 13 iteraciones.

Ing. Hermas Herrera Callejas Página: 13 de 13