Unidad 2

Solución numérica de
sistemas de
ecuaciones lineales.

PhD. Roberto García Vélez

Universidad Politécnica Salesiana
Carrera de Computación.
Cuenca-Ecuador
Contenidos.
2.1 Método de la bisección.
2.2 Método de la falsa posición.
2.3 Método de Newton-Raphson.
2.4 Método del punto fijo
2.5 Método de la secante

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 2

2.1 Método de la bisección.
 Sia través de técnicas gráficas se puede observar
que f(x) cambió de signo a ambos lados de la raíz.
En general, si una función f(x) es real y continúa en
el intervalo que va desde “xi” hasta “xu” y f(xi) y
f(xu) tienen signos opuestos, es decir:

entonces hay al menos una raíz real entre XL y XU.

Los métodos de búsqueda de la raíz se logra con

más exactitud al dividir a la mitad el intervalo
incremental aprovechando esta característica
localizando un intervalo en el que la función cambie
de signo. Entonces, la localización del cambio de
signo (y, en consecuencia en varios subintervalos).
PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 3
2.1.1 Concepto y características.
Conocido también como de corte binario, es un tipo de búsqueda
incremental en el que el intervalo se divide siempre a la mitad.

CARACTERISTICAS.

 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.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 4

2.1.2 Pasos para el planteamiento y

 Paso
desarrollo.
1: Elija valores iniciales inferior, xi, y superior, xu, que encierren la
raíz, de forma tal que la función cambie de signo en el intervalo. Esto se
verifica comprobando que f(xi) f(xu) < 0.
Paso 2: Una aproximación de la raíz xr se determina mediante:

Paso 3: Realice las siguientes evaluaciones para determinar en qué

subintervalo está la raíz:

• Si f(xi)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.
• Si f(xi)f(xr) > 0, entonces la raíz se encuentra dentro del subintervalo
superior o derecho. Por lo tanto, haga xi= xr y vuelva al paso 2.
• Si f(xl)f(xr) = 0, la raíz es igual a xr; termina el cálculo

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 5

2.1.3 Criterios para la estimación de errores
Se requiere estimar el error de forma tal que no se necesite el
conocimiento previo de la raíz, se puede calcular el error relativo
porcentual Ea de la siguiente manera
𝑋𝑟 ( 𝑛𝑢𝑒𝑣𝑜 ) − 𝑋𝑟 (𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 )
 
|
𝐸𝑎=
𝑋𝑟 (𝑛𝑢𝑒𝑣𝑜) |
Donde xr nuevo es la raíz en la iteración actual y xr anterior es el valor de
la raíz en la iteración anterior. Se utiliza el valor absoluto, ya que por lo
general importa solo la magnitud de Ea sin considerar su signo. Cuando Ea
es menor que un valor previamente fijado Es, termina el calculo.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 6

 2.1.3 Criterios para la estimación de
errores

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 7

2.1.4 Tres formas en que un intervalo puede
encerrar a la raíz.
En:
a) el valor verdadero está
en el centro del
intervalo, mientras que
en ;
b) o c) el valor verdadero
está cerca de los
extremos.

Observe que la diferencia entre el valor verdadero y el punto medio del

intervalo jamás sobrepasa la longitud media del intervalo, o ∆x/2.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 8

2.1.5 Errores en los métodos de bisección.

Los errores verdadero y aproximado se

gráfica contra el número de iteraciones.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 9

2.1.6 Tres formas en que un intervalo puede
encerrar a la raíz.
Representación gráfica
de por qué la
estimación del error
para el método de
bisección (∆x/2) es
equivalente a la raíz
estimada en la
iteración actual (x)
menos la raíz
aproximada en la
iteración anterior (xr)
anterior

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 10

2.1.7 Minimización de las evaluaciones de una función
El algoritmo de bisección de la figura es adecuado si se quiere realizar la
evaluación de una sola raíz de una función que es fácil de evaluar.

Sin embargo, hay muchos casos en ingeniería que no son así. Por ejemplo,
suponga que se quiere desarrollar programa computacional que localice
varias raíces.

En tales casos, se tendría que llamar al algoritmo de la figura miles o aun

millones de veces en el transcurso de una sola ejecución.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 11

2.1.8 Minimización de las evaluaciones de una
función

Seudocódigo para la función que implementa el método de bisección

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 12
2.2 Método de la falsa posición.
Aun cuando la bisección es una técnica
perfectamente válida para determinar raíces,
su método de aproximación por “fuerza bruta”
es relativamente ineficiente. La falsa posición
también es una alternativa basada en una
visualización gráfica.

Un inconveniente del método de bisección es

que al dividir el intervalo de xl a xu en mitades
iguales, no se toman en consideración las
magnitudes de f(xl) y f(xu). Por ejemplo, si f(xl)
está mucho más cercana a cero que f(xu), es
lógico que la raíz se encuentre más cerca de xl
que de xu (figura ). Un método alternativo que
aprovecha esta visualización gráfica consiste en
unir f(xl) y f(xu) con una línea recta
PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 13
2.2 Método de la falsa posición.
La intersección de esta línea con el eje de
las x representa una mejor aproximación
de la raíz (Figura).

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. También se le conoce
como método de interpolacion lineal.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 14

 2.2 Algoritmo
1.Considerar un intervalo (xl, xu) en el que se garantice que la función tiene
raíz.
2.Se traza una recta que une los puntos (xl, f(xl)), (xu, f(xu))

3.Se obtiene el punto de intersección de esta recta con el eje de las

abscisas: (xr, 0); se toma xr como aproximación de la raíz buscada.

4.Se identifica luego en cuál de los dos nuevos sub intervalos está la raíz.

5.El proceso se repite n veces, hasta que el punto de intersección xr

coincide prácticamente con el valor exacto de la raíz.
PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 15
 
Planteamiento del problema.
Con el método de la falsa posición determine la raíz de la misma ecuación
analizada en el ejemplo 5.1 [ecuación (E5.1.1)].

El cálculo empieza con los valores iniciales Xl =12 y Xu = 16.

• Primera iteración:
xl = 12 f(xl) = 6.0699
Xu = 16 f(Xu) = –2.2688’

f(Xl)* f(Xr) = –1.5426

f(Xl)* f(Xr) < 0
Xu=Xr

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 16

 Planteamiento del problema.
 • Segunda interacción
Xl = 12 f(Xl) = 6.0699
Xu = 14.911 f(Xu) = –0.2543 f(Xr)=-0.02726

f(Xl)* f(Xr) = -0,1654

f(Xl)* f(Xr) < 0
Xu=Xr

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 17

Planteamiento del problema.

•• Tercera iteración
 
xl = 12 f(xl) = 6.0699 ; Xu = 14.7942 f(Xu) = -0.02726
14.7817

• Convergencia
Una manera de saber si el método converge se puede saber por su error, ya que este debe disminuir
respecto a la iteración anterior, así como en la siguiente representación grafica.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 18

5.3 Determine las raíces reales de f(x) = −25 1 82x − 90x2 + 44x3– 8x4 + 0.7x5:
a) Gráficamente
b) Usando el método de bisección para localizar la raíz más grande con es = 10%. Utilice
como valores iniciales xl = 0.5 y xu = 1.0.
c) Realice el mismo cálculo que en b), pero con el método de la falsa posición y es = 0.2%.
5.10 Encuentre la raíz positiva de f(x) = x4 – 8x3 – 35x2 + 450x–1001, utilizando el método
de la falsa posición. Tome como valores iniciales a xl = 4.5 y xu = 6, y ejecute cinco
iteraciones. Calcule los errores tanto aproximado como verdadero, con base en el hecho
de que la raíz es 5.60979. Emplee una gráfica para explicar sus resultados y hacer el
cálculo dentro de un es = 1.0%.
5.13 La velocidad v de un paracaidista que cae está dada por
V = (gm/c)* (1− e−(c/m)t )
donde g = 9.8 m/s2. Para un paracaidista con coeficiente de arrastre de c = 15 kg/s,
calcule la masa m de modo que la velocidad sea v = 35 m/s en t = 9s. Utilice el método de
la falsa posición para determinar m a un nivel de es = 0.1%.
5.16 Suponga el lector que está diseñando un tanque esférico (véase la figura P5.16) para
almacenar agua para un poblado pequeño en un país en desarrollo. El volumen de líquido
que puede contener se calcula con…….
5.19 Desarrolle un programa amigable para el método de la bisección y el método de la
falsa posición, pruebe su adecuado funcionamiento con los ejercicios agregados en el
archivo de Excel colocados en el AVAC.
PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 19
 2.3 Método de Newton-Rapshon.

Figura 1

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 20

 2.3 Método de Newton-Rapshon.
•  vez, de las fórmulas para localizar raíces, la fórmula de Newton-
Tal
Raphson (figura 1) sea la más ampliamente utilizada. Si el valor inicial
para la raíz es xi, entonces se puede trazar una tangente desde el punto
[xi, f(xi)] de la curva. Por lo común, el punto donde esta tangente cruza al
eje x representa una aproximación mejorada de la raíz.
El método de Newton-Raphson se deduce a partir de esta interpretación
geométrica. De la figura 1, se tiene que la primera derivada en x es
equivalente a la pendiente:

Ecuación a.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 21

 •  
Que se arregla para obtener 
Ecuación b.
La cual se conoce como fórmula de Newton-Raphson.
 

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 22

2.3.1 Criterio de terminación y
estimación de errores

 
Como en los otros métodos para localizar raíces, la ecuación de error relativo
se utiliza como un criterio de terminación. No obstante, el desarrollo del
método con base en la serie de Taylor , proporciona una comprensión teórica
respecto a la velocidad de convergencia expresada por . De esta forma, el error
debe ser proporcional al cuadrado del error anterior. En otras palabras, el
número de cifras significativas de precisión aproximadamente se duplica en
cada iteración.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 23

  
Además de la deducción geométrica [ecuaciones (a) y (b)],el método de
Newton-Raphson también se desarrolla a partir de la expansión de la serie de
Taylor. Esta deducción alternativa es muy útil en el sentido de que provee
cierta comprensión sobre la velocidad de convergencia del método.
Recuerde del capítulo 4 que la expansión de la serie de Taylor se puede
representar como:

Ecuación c.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 24

  
Donde x se encuentra en alguna parte del intervalo desde hasta . Truncando la serie de
Taylor después del término de la primera derivada, se obtiene una versión aproximada:
 
Ecuación d.
 

En la intersección con el eje x, debe ser igual a cero, o

 
Ecuación e.
 
De donde se puede despejar , así:
 
 
Ecuación f.
 
 

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 25

  
Que es idéntica a la ecuación (b). De esta forma, se ha deducido la fórmula de
Newton-Raphson usando una serie de Taylor.
Además de este desarrollo, la serie de Taylor sirve para estimar el error de la
fórmula. Esto se logra observando que si se utilizan todos los términos de la
serie de Taylor se obtendrá un resultado exacto. En tal situación = xr, donde x
es el valor verdadero de la raíz. Sustituyendo este valor junto con f(xr) = 0 en la
ecuación (c) se obtiene

Ecuación g.

 
La ecuación (h) se resta de la ecuación (g) para
obtener
 
Ecuación i.
 
 
 

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 26

  
Ahora, observe que el error es igual a la diferencia entre xi + l y el valor
verdadero xr , como en:
 

 
y la ecuación (i) se expresa como
 
Ecuación j.
 
Si se supone que hay convergencia, entonces tanto xi como x se deberán
aproximar a la raíz xr y la ecuación (j) se reordena para obtener
 
Ecuación k.
 
De acuerdo con la ecuación (k), el error es proporcional al cuadrado del error
anterior. Esto significa que el número de cifras decimales correctas
aproximadamente se duplica en cada iteración.
A este comportamiento se le llama convergencia cuadrática.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 27

2.3.2 Desventajas del método de
Newton-Raphson
El método de Newton-Raphson es muy eficiente pero hay varias situaciones en donde no
se considera que sea tan eficiente, debido a su convergencia lenta es posible que se
presenten diferentes tipos de dificultades.

Su convergencia depende de la naturaleza de la función y de la exactitud del

valor inicial. La única solución en estos casos es tener un valor inicial que sea
“suficientemente” cercano a la raíz.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 28

 2.3.3 Casos de convergencia lenta.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 29

2.4 Método de la secante.
- Este método es similar al método de newton Rapson
- A diferencia de newton raphson este para estimar las pendientes
utiliza diferencias dividida en vez de una derivada para estimar la
pendiente.

 
Esta aproximación nos resulta la siguiente
ecuación

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 30

• Es un método para encontrar los ceros de una función de forma iterativa
( acción de repetir una serie de pasos en cierto numero de veces).
• El algoritmo que se obtiene al aplicar la fórmula denominada como el
método de la secante. Si bien este método requiere de dos valores
iniciales, no es necesario que f(x) cambie de signo entre los valores
dados.
• Este método es fácil ya que no es necesario utilizar la derivada. Para
poder utilizar este método es necesario conocer el valor actual y el
anterior.

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 31

1. Consiste en elegir dos puntos iniciales cualquiera X0,X1 para los cuales
se evalúan los valores de las funciones: f(X0), f(X1).
2. Se traza una recta secante a la función por esos dos puntos

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 32

Representación Gráfica del método de la
secante
3. El punto de intercesión de esta recta con el eje de las abscisas (x2 , 0 )
constituye una segunda aproximación de la raíz

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 33

 Representación Gráfica del método de la
secante
4. Se remplaza los subíndices Xi = Xi+1 de manera que x1 pasa a ser X0 y
X2 pasa a ser X1

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 34

 Representación Gráfica del método de la
secante
5. Se traza una segunda secante por los nuevos puntos X0 y X1

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 35

 Representación Gráfica del método de la
secante
6. El proceso se repite n veces hasta que el punto de intersección X2
coincide prácticamente con el valor exacto de la raíz

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 36

 Método de la Secante

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 37

 Ejemplo

Ejemplo: Tan(x)-ln(x) para X0=2 X1= 3 E=0.001

     
 

X3= 4.503

X2= 3.758 E= 0.745

𝐸=𝑥
  2−𝑥1
  E=0.758

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 38

   para X0=-1 X1=1 E=0.0003

PhD. Roberto A García Vélez Carrera de Computación-Métodos Numéricos 39