SOLUCION DE ECUACIONES NO LINEALES

INTRODUCCION:
Numerosos modelos matemáticos provenientes del planteamiento de los fenómenos físicos
y químicos, resultan en una ecuación algebraica no lineal, normalmente de grado 2 o de
mayor grado, y en muchos casos con exponentes fraccionarios. estas ecuaciones
algebraicas deberán resolverse por alguno de los métodos numéricos que a continuación
se ilustra en forma detallada.
El éxito de la resolución de estas ecuaciones radica en la habilidad de seleccionar el método
mas adecuado. En tal sentido este debe ser primero, de fácil implementación y segundo,
debe asegurar la convergencia dentro de un margen de tolerancia estimado.
En cursos anteriores se aprendió a usar la fórmula cuadrática:
−𝑏±√𝑏 2 −4𝑎𝑐
𝑥= … (1)
2𝑎

para resolver
𝑓(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 … (2)
A los valores calculados con la ecuación (1) se les llama las “raíces” de la ecuación (2), que
representan los valores de x que hacen a la ecuación (2) igual a cero.
Por lo tanto, se define la raíz de una ecuación como el valor de x que hace f(x) = 0. Debido
a esto, algunas veces a las raíces se les conoce como ceros de la ecuación.
Aunque la fórmula cuadrática (1) es útil para resolver la ecuación (2), existen muchas
funciones donde las raíces no se pueden determinar tan fácilmente. En estos casos, se
utilizan métodos aproximados (Métodos Numéricos) que permiten mejorar la solución por
simple repetición del mismo método hasta adquirir el grado de aproximación requerido.
Estos métodos son apropiados para realizarlos utilizando computadoras puesto que
comprenden la repetición de un proceso, es decir iteración
Definición: sea 𝑦 = 𝑓(𝑥) una función dada. Un numero real 𝑟 se dice que es raíz de la
ecuación 𝑓(𝑥) = 0, o un cero de la función 𝑓(𝑥), si 𝑓(𝑟) = 0
El teorema de Bolzano tiene una interesante interpretación en la localización de las raíces
o ceros de una función continua.
Teorema (Bolzano) si una función 𝑦 = 𝑓(𝑥) es continua en un intervalo cerrado [𝑎, 𝑏] y
𝑓(𝑎) tiene signo diferente que 𝑓(𝑏), entonces existe por lo menos un punto 𝑟 entre 𝑎 y b
tal que 𝑓(𝑟) = 0
Si además 𝑓 ′ (𝑥) no cambia de signo en el intervalo [𝑎, 𝑏], entonces la solución es única.
 Y

f(b) (+)
Y=f(x)

f x)>0
X
a r b
f x)>0
(-) f(a)

Geométricamente, el teorema establece que si dos puntos (𝑎, 𝑓(𝑎)) y (𝑏, 𝑓(𝑏)) de la gráfica
de una función continua están situados en diferentes lados del eje X, entonces la gráfica
interseca al eje en algún punto entre 𝑎 y b por supuesto pueden haber varias
intersecciones.
Ejemplo:
Comprobar que la ecuación 𝑥 3 + 𝑥 − 1 = 0 tiene al menos una solución real en el intervalo
[0,1].
Solución:
Consideremos la ecuación 𝑓(𝑥) = 𝑥 3 + 𝑥 − 1 = 0, que es continua en [0,1] por ser
polinómica. Estudiaremos el signo en los extremos del intervalo
𝑓(0) = 03 + 0 − 1 = −1 < 0 y
𝑓(1) = 13 + 1 − 1 = 1 > 0
Como los signos son distintos se cumple el teorema de Bolzano, por tanto existe un 𝑟 ∈
〈0,1〉 tal que 𝑓(𝑟) = 0 lo que demuestra que tiene una solución en ese punto.
 METODOS DE SOLUCION DE ECUACIONES NO LINEALES EN UNA
VARIABLE

METODOS QUE USAN INTERVALOS O METODOS CERRADOS

Son métodos que necesitan de dos valores iniciales para la raíz. Como su nombre lo indica,
estos valores iniciales deben “encerrar”, o estar a ambos lados 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 analizarán los métodos gráficos para representar
tanto las funciones como 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 diversos métodos numéricos.

METODOS GRAFICOS:
Es un método simple para obtener una aproximación a la raíz de la ecuación f(x) = 0.
consiste en graficar la función y observar dónde cruza el eje X. Este punto, que representa
el valor de x para el cual f(x) = 0, ofrece una aproximación inicial de la raíz.
Ejemplo:
Obtenga gráficamente la raíz de la ecuación 𝑓(𝑥) = 𝑒 −𝑥 − 𝑥
Primero se seleccionan valores inicial y final del intervalo que se va a graficar.
Y luego se grafican los puntos en el eje cartesiano.
Gráficamente se puede observar que el valor donde la curva interseca el eje X está
alrededor de 0,57. Entonces, la raíz será x = 0,57.
NOTA: Los métodos gráficos tienen un valor limitado, ya que no son precisos. Pero son
útiles para obtener aproximaciones a la raíz. Los valores obtenidos pueden ser usados
como valores iniciales en otros métodos numéricos.
1)EL MÉTODO DE BISECCIÓN (o corte binario)
es un método de búsqueda incremental, 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 el cambio de signo. El proceso se repite hasta obtener una mejor aproximación.
Algoritmo del Método de Bisección:
1. Elija los valores iniciales inferior, 𝑥1 , y superior, 𝑥𝑢 , que encierren la raíz, de forma tal que
la función cambie de signo en el intervalo. Esto se verifica verificando que
𝑓(𝑥1 )𝑓(𝑥𝑢 ) < 0
Entonces hay al menos una raíz entre 𝑥1 y 𝑥𝑢 .
2. La primera aproximación a la raíz 𝑥𝑟 se determina con la fórmula
𝑥1 + 𝑥𝑢
𝑥𝑟 =
2
3. Realice las siguientes evaluaciones para determinar en qué subintervalo está la raíz:
a) Si 𝑓(𝑥1 )𝑓(𝑥𝑟 ) < 0, entonces la raíz se encuentra dentro del subintervalo inferior o
izquierdo. Por lo tanto, haga 𝑥𝑢 = 𝑥𝑟 y vuelva al paso 2.
b) Si 𝑓(𝑥1 )𝑓(𝑥𝑟 ) > 0, entonces la raíz se encuentra dentro del subintervalo superior o
derecho. Por lo tanto, haga 𝑥1 = 𝑥𝑟 y vuelva al paso 2.
c) Si 𝑓(𝑥1 )𝑓(𝑥𝑟 ) = 0 entonces la raíz es igual a 𝑥𝑟 ; termina el cálculo.
4. Se determina el error verdadero y el error acumulado (éste luego de la 2da iteración).
5. Se evalúa el error acumulado. Si es menor o igual al error de tolerancia, Fin. Si es mayor,
volver al paso 2.

Ventajas
Es siempre convergente
Desventajas
Converge muy lentamente
Si existe más de una raíz en el intervalo, el método permite encontrar sólo una de ellas
Ejemplo 1:
Use el método de bisección para hallar la raíz de la ecuación 𝑓(𝑥) = 𝑒 −𝑥 − 𝑥. Tome un
valor inicial de “0” y un valor final de “1” considere un error de tres cifras significativas
Solución:
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥, 𝑇𝑜𝑙 = (0.5) × 102−3 % = 0.05%
𝑥1 = 0 ⇒ 𝑓(𝑥1 ) = 𝑓(0) = 1
𝑥𝑢 = 1 ⇒ 𝑓(𝑥𝑢 ) = 𝑓(1) = 𝑒 −1 − 1 = −0.632120559
𝑓(𝑥1 )𝑓(𝑥𝑢 ) = −0.632120559 < 0
Entonces hay al menos una raíz entre 𝑥1 = 0 y 𝑥𝑢 = 1
Primera iteración
𝑥1 + 𝑥𝑢 0 + 1
𝑥𝑟 = = = 0.5
2 2
𝑓(𝑥𝑟 ) = 𝑓(0.5) = 𝑒 −0.5 − 0.5 = 0.10653066
𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = 1(0.10653066) = 0.10653066 > 0
Implica que la raíz se encuentra en el subintervalo derecho o superior (→)
Segunda iteración
𝑥1= 𝑥𝑟 = 0.5 y 𝑥𝑢 = 1 invariante
𝑥1 + 𝑥𝑢 0.5 + 1
𝑥𝑟 = = = 0.75
2 2
𝑓(𝑥1 ) = 𝑓(0.5) = 0.10653066
𝑓(𝑥𝑟 ) = 𝑓(0.75) = 𝑒 −0.75 − 0.75 = −0.2776
desde esta iteración ya hay que calcular el error relativo porcentual con valores
aproximados.
|𝑥𝑟 −𝑥1 | |𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑅𝑎 % = |𝑥𝑟 |
× 100% 𝐸𝑟 = |𝑝𝑖 |
100%

|0.75 − 0.5|
𝐸𝑅𝑎 % = × 100% = 33.333% > 𝑇𝑜𝑙
|0.75|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.10653066)(−0.2776) = −0.0295765 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Tercera iteración
𝑥1 = 0.5 invariante y 𝑥𝑢 = 𝑥𝑟 = 0.75
𝑥1 + 𝑥𝑢 0.5 + 0.75
𝑥𝑟 = = = 0.625
2 2
𝑓(𝑥1 ) = 𝑓(0.5) = 0.10653066
𝑓(𝑥𝑟 ) = 𝑓(0.625) = 𝑒 −0.625 − 0.625 = −0.08974
calcular el error relativo porcentual con valores aproximados.
|𝑥𝑟 − 𝑥1 |
𝐸𝑅𝑎 % = × 100%
|𝑥𝑟 |
|0.625 − 0.5|
𝐸𝑅𝑎 % = × 100% = 20% > 𝑇𝑜𝑙
|0.625|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.10653066)(−0.08974) = −0.00956006 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Cuarta iteración
𝑥1 = 0.5 invariante y 𝑥𝑢 = 𝑥𝑟 = 0.625
 𝑥1 + 𝑥𝑢 0.5 + 0.625
𝑥𝑟 = = = 0.5625
2 2
𝑓(𝑥1 ) = 𝑓(0.5) = 0.10653066
𝑓(𝑥𝑟 ) = 𝑓(0.5625) = 𝑒 −0.5625 − 0.5625 = 0.00728
calcular el error relativo porcentual con valores aproximados.
|𝑥𝑟 − 𝑥1 |
𝐸𝑅𝑎 % = × 100
|𝑥𝑟 |
|0.5625 − 0.5|
𝐸𝑅𝑎 % = × 100% = 11.11% > 𝑇𝑜𝑙
|0.5625|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.10653066)(0.00728) = 0.000758 > 0
Implica que la raíz se encuentra en el subintervalo derecho o superior (→)
Quinta iteración
𝑥1 = 0.5625 y 𝑥𝑢 = 0.625 invariante
𝑥1 + 𝑥𝑢 0.5625 + 0.625
𝑥𝑟 = = = 0.59375
2 2
𝑓(𝑥1 ) = 𝑓(0.5625 ) = 0.00728
𝑓(𝑥𝑟 ) = 𝑓(0.59375) = 𝑒 −0.59375 − 0.59375 = −0.0415
calcular el error relativo porcentual con valores aproximados.
|𝑥𝑟 − 𝑥1 |
𝐸𝑅𝑎 % = × 100
|𝑥𝑟 |
|0.59375 − 0.5625|
𝐸𝑅𝑎 % = × 100% = 5.26316% > 𝑇𝑜𝑙
|0.59375|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.00728)(−0.0415) = −0.000328 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Sexta iteración
𝑥1 = 0.5625 invariante y 𝑥𝑢 = 0.59375
𝑥1 + 𝑥𝑢 0.5625 + 0.59375
𝑥𝑟 = = = 0.578125
2 2
𝑓(𝑥1 ) = 𝑓(0.5625 ) = 0.00728
𝑓(𝑥𝑟 ) = 𝑓(0.578125) = 𝑒 −0.578125 − 0.578125 = −0.0172
calcular el error relativo porcentual con valores aproximados.
|𝑥𝑟 − 𝑥1 |
𝐸𝑅𝑎 % = × 100
|𝑥𝑟 |
 |0.578125 − 0.5625|
𝐸𝑅𝑎 % = × 100% = 2.7027% > 𝑇𝑜𝑙
|0.578125|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.00728)(−0.0172) = −0.000125 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Setima iteración
𝑥1 = 0.5625 invariante y 𝑥𝑢 = 0.578125
𝑥1 + 𝑥𝑢 0.5625 + 0.578125
𝑥𝑟 = = = 0.57031
2 2
𝑓(𝑥1 ) = 𝑓(0.5625 ) = 0.00728
𝑓(𝑥𝑟 ) = 𝑓(0.57031) = 𝑒 −0.57031 − 0.57031 = −0.005
calcular el error relativo porcentual con valores aproximados.
|𝑥𝑟 − 𝑥1 |
𝐸𝑅𝑎 % = × 100
|𝑥𝑟 |
|0.57031 − 0.5625|
𝐸𝑅𝑎 % = × 100% = 1.36986% > 𝑇𝑜𝑙
|0.57031|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.00728)(−0.005) = −0.00004 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Octava iteración
𝑥1 = 0.5625 invariante y 𝑥𝑢 = 0.57031
𝑥1 + 𝑥𝑢 0.5625 + 0.57031
𝑥𝑟 = = = 0.56641
2 2
𝑓(𝑥1 ) = 𝑓(0.5625 ) = 0.00728
𝑓(𝑥𝑟 ) = 𝑓(0.56641) = 𝑒 −0.56641 − 0.56641 = 0.00116
calcular el error relativo porcentual con valores aproximados.
|𝑥𝑟 − 𝑥1 |
𝐸𝑅𝑎 % = × 100
|𝑥𝑟 |
|0.56641 − 0.5625|
𝐸𝑅𝑎 % = × 100% = 0.6903% > 𝑇𝑜𝑙
|0.56641|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (0.00728)(0.00116) = 8.4 × 10−6 > 0
Implica que la raíz se encuentra en el subintervalo derecho o superior (→)

Novena iteración
𝑥1 = 0.56641 y 𝑥𝑢 = 0.57031 invariante
Y asi sucesivamente
Finalmente después de la 12va iteración se llega que la raíz de la ecuación es
0.5671388672, con un error relativo aproximado porcentual de 0.04305% < tol lo cual se
observa en la siguiente tabla.

Ejemplo 2: utilice el método de bisección para obtener la raíz real positiva de la función
𝑓(𝑥) = 𝑙𝑛𝑥 − 𝑥 + 2, con una tolerancia de 0.0001 para la variable x. tomar 𝑥1 = 2 y 𝑥𝑢 = 4

Ejemplo 3: utilice el método de bisección para obtener la raíz real de la función 𝑓(𝑥) =
𝑐𝑜𝑠𝑥 − 𝑙𝑛𝑥, con una tolerancia de 0.001. tomar 𝑥1 = 1 y 𝑥𝑢 = 2

Observación: para saber aproximadamente cuántas iteraciones se debe de hacer hasta

cumplir la tolerancia dada se usa la formula:
𝑙𝑛(𝑥𝑢 − 𝑥1 ) − 𝑙𝑛(𝑡𝑜𝑙)
# 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 =
𝑙𝑛(2)

2) EL MÉTODO DE LA FALSA POSICION (Regula Falsi o Método de la Cuerda)

Un inconveniente del método de bisección es que al dividir el intervalo de 𝑥1 a 𝑥𝑢 en mitades iguales,
no se toman en consideración las magnitudes de 𝑓(𝑥1 ) y 𝑓(𝑥𝑢 ).

Por ejemplo, si 𝑓(𝑥1 ) está mucho más cercana a cero que 𝑓(𝑥𝑢 ). es lógico que la raíz se encuentre
más cerca de 𝑥1 que de 𝑥𝑢 (ver fig.). Un método alternativo que aprovecha esta visualización gráfica
consiste en unir 𝑓(𝑥1 ) y 𝑓(𝑥𝑢 ) con una línea recta. La intersección de esta línea con el eje de las X
representa una mejor aproximación de la raíz. El hecho de que se reemplace la curva por una línea
recta da una “falsa posición” de la raíz; de aquí el nombre de método de la falsa posición, o en latín,
regula falsi. También se le conoce como método de interpolación lineal.
 y=𝑓(𝑥)

𝑓(𝑥𝑢 )
𝑥𝑟 − 𝑥1

−𝑓(𝑥1 ) 𝑥∗ 𝑥 − 𝑥
𝑢 𝑟

Usando triángulos semejantes, la intersección de la línea recta con el eje de las x se estima mediante

−𝑓(𝑥1 ) 𝑓(𝑥𝑢 )
=
𝑥𝑟 − 𝑥1 𝑥𝑢 − 𝑥𝑟
Despejando 𝑥𝑟
𝑥𝑢 𝑓(𝑥1 ) 𝑥1 𝑓(𝑥𝑢 )
𝑥𝑟 = −
𝑓(𝑥1 ) − 𝑓(𝑥𝑢 ) 𝑓(𝑥1 ) − 𝑓(𝑥𝑢 )
𝑥𝑢 𝑓(𝑥1 ) 𝑥1 𝑓(𝑥𝑢 )
𝑥𝑟 = 𝑥𝑢 + − 𝑥𝑢 −
𝑓(𝑥1 ) − 𝑓(𝑥𝑢 ) 𝑓(𝑥1 ) − 𝑓(𝑥𝑢 )
𝑓(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥𝑟 = 𝑥𝑢 − . . . (∗)
𝑓(𝑥1 ) − 𝑓(𝑥𝑢 )
Esta es la formula de la falsa posición toma esta forma para comparar con el metodo de la
secante.
Algoritmo del Método de la Falsa Posición
1. Escoger valores iniciales 𝑥1 y 𝑥𝑢 de tal manera que la función cambie de signo sobre el
intervalo, es decir: f(𝑥1 )(𝑥𝑢 ) < 0
2. Se halla el valor real (al trabajar con errores de tolerancia).
3. La primera aproximación se determina con la fórmula
f(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥r = 𝑥𝑢 −
f(𝑥1 ) − f(𝑥𝑢 )
4. Se evalúa el producto de f(𝑥1 )f(𝑥𝑟 ).
Si f(𝑥1 )f(𝑥𝑟 ) < 0 entonces la raíz está en el 1er subintervalo o izquierdo ⇒ 𝑥𝑢 = 𝑥𝑟
Si f(𝑥1 )f(𝑥𝑟 ) > 0 entonces la raíz está en el 2do subintervalo o derecho ⇒ 𝑥1 = 𝑥𝑟
Si f(𝑥1 )f(𝑥𝑟 ) = 0 entonces la raíz es 𝑥𝑟 . Fin.
5. Se determina el error verdadero y el error acumulado (éste luego de la 2da iteración).
6. Se evalúa el error acumulado. Si es menor o igual al error de tolerancia, Fin. Si es
mayor, volver al paso 3.
Ejemplo 1:
Use el método de la falsa posición para hallar la raíz de la ecuación 𝑓(𝑥) = 𝑒 −𝑥 − 𝑥.
El valor real es de 0.56714329. Tome un valor inicial de “0” y un valor final de “1” considere
un error de tres cifras significativas
Solución:
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥, 𝑇𝑜𝑙 = (0.5) × 102−3 % = 0.05%
𝑥1 = 0 ⇒ 𝑓(𝑥1 ) = 𝑓(0) = 1
𝑥𝑢 = 1 ⇒ 𝑓(𝑥𝑢 ) = 𝑓(1) = 𝑒 −1 − 1 = −0.632120559
𝑓(𝑥1 )𝑓(𝑥𝑢 ) = −0.632120559 < 0
Entonces hay al menos una raíz entre 𝑥1 = 0 y 𝑥𝑢 = 1
Primera iteración
f(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥r = 𝑥𝑢 −
f(𝑥1 ) − f(𝑥𝑢 )
(−0.632120559)(0− 1)
𝑥r = 1 − = 06127
1+0.632120559

𝑓(𝑥𝑟 ) = 𝑓(06127) = 𝑒 −06127 − 06127 = −0.07081

𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = 1(−0.07081) = −0.07081 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Segunda iteración
𝑥1 = 0 invariante y 𝑥𝑢 = 𝑥𝑟 = 06127
𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑢 ) = 𝑓(06127) = −0.07081

f(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥r = 𝑥𝑢 −
f(𝑥1 ) − f(𝑥𝑢 )
(−0.07081)(0− 06127)
𝑥r = 06127 − = 0.57218
1+0.07081

𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑟 ) = 𝑓(0.57218) = 𝑒 −0.57218 − 0.57218 = −0.00789
desde esta iteración ya hay que calcular el error relativo porcentual con valores
aproximados.
|𝑥𝑟 −𝑥𝑢 | |𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑅𝑎 % = |𝑥𝑟 |
× 100% 𝐸𝑟 = |𝑝𝑖 |
100%
 |057218 − 06127|
𝐸𝑅𝑎 % = × 100% = 7.08139% > 𝑇𝑜𝑙
|057218|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (1)(−0.00789) = −0.00789 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)

Tercera iteración
𝑥1 = 0 invariante y 𝑥𝑢 = 𝑥𝑟 = 0.57218
𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑢 ) = 𝑓(057218) = −0.00789
f(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥r = 𝑥𝑢 −
f(𝑥1 ) − f(𝑥𝑢 )
(−0.00789)(0− 0.57218)
𝑥r = 057218 − = 0.5677
1+0.00789

𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑟 ) = 𝑓(0.5677) = 𝑒 −0.5677 − 0.5677 = −0.00088

|𝑥𝑟 −𝑥𝑢 | |𝑝𝑖 −𝑝𝑖−1 |

𝐸𝑅𝑎 % = |𝑥𝑟 |
× 100% 𝐸𝑟 = |𝑝𝑖 |
100%

|0.5677 − 0.57218|
𝐸𝑅𝑎 % = × 100% = 0.789% > 𝑇𝑜𝑙
|0.5677|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (1)(−0.00088) = −0.00088 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Cuarta iteración
𝑥1 = 0 invariante y 𝑥𝑢 = 𝑥𝑟 = 0.5677
𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑢 ) = 𝑓(0.5677) = −0.00088
f(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥r = 𝑥𝑢 −
f(𝑥1 ) − f(𝑥𝑢 )
(−0.00088)(0− 0.5677)
𝑥r = 0.5677 − = 0.56721
1+0.00088

𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑟 ) = 𝑓(0.56721) = 𝑒 −0.56721 − 0.56721 = −0.000098

|𝑥𝑟 −𝑥𝑢 | |𝑝𝑖 −𝑝𝑖−1 |

𝐸𝑅𝑎 % = |𝑥𝑟 |
× 100% 𝐸𝑟 = |𝑝𝑖 |
100%
 |0.56721 − 0.5677|
𝐸𝑅𝑎 % = × 100% = 0.086% > 𝑇𝑜𝑙
|0.56721|
Entonces seguimos iterando
𝑓(𝑥1 )𝑓(𝑥𝑟 ) = (1)(−0.000098) = −0.000098 < 0
Implica que la raíz se encuentra en el subintervalo izquierdo o inferior (⟵)
Quinta iteración
𝑥1 = 0 invariante y 𝑥𝑢 = 𝑥𝑟 = 0.56721
𝑓(𝑥1 ) = 𝑓(0) = 1
𝑓(𝑥𝑢 ) = 𝑓(0.56721) = −0.000098
f(𝑥𝑢 )(𝑥1 − 𝑥𝑢 )
𝑥r = 𝑥𝑢 −
f(𝑥1 ) − f(𝑥𝑢 )
(−0.000098)(0− 0.56721)
𝑥r = 0.56721 − = 0.56715
1+0.000098

|𝑥𝑟 −𝑥𝑢 | |𝑝𝑖 −𝑝𝑖−1 |

𝐸𝑅𝑎 % = |𝑥𝑟 |
× 100% 𝐸𝑟 = |𝑝𝑖 |
100%

|0.56715 − 0.56721|
𝐸𝑅𝑎 % = × 100% = 0.0106% < 𝑇𝑜𝑙
|0.56715|
Entonces 𝑥r = 0.56715 es la raíz buscada que se aproxima a la raíz verdadera 𝑥∗ =
0.56714329 en al menos 3 cifras significativas

Comparación de Métodos:
El valor real es de 0,567 143 29

Desventajas del método de la falsa posición

Aunque el método de la falsa posición parecería ser siempre la mejor opción entre los
métodos cerrados, hay casos donde funciona de manera deficiente. En efecto, como en el
ejemplo siguiente, hay ciertos casos donde el método de bisección ofrece mejores
resultados.
Un caso en el que la bisección es preferible a la falsa posición
Ejemplo: Con los métodos de bisección y de falsa posición localice la raíz de f(x) = x 10 – 1
entre x = 0 y x=1.3
Solución.
Usando bisección, los resultados se resumen como sigue

De esta manera, después de cinco iteraciones, el error verdadero se reduce a menos del
2%.
Con la falsa posición se obtienen resultados muy diferentes:

Después de cinco iteraciones, el error verdadero sólo se ha reducido al 59%. Además,

observe que ea < et . Entonces, el error aproximado es engañoso. Se obtiene mayor
claridad sobre estos resultados examinando una gráfica de la función. En la figura, la curva
viola la premisa sobre la cual se basa la falsa posición; es decir, si 𝑓(𝑥1 ) se encuentra
mucho más cerca de cero que 𝑓(𝑥𝑢 ), la raíz se encuentra más cerca de 𝑥1 que de 𝑥𝑢
(recuerde la figura de la falsa posición). Sin embargo, debido a la forma de esta función
Ocurre lo contrario.
TAREA