INTRODUCCIN

Los mtodos numricos constituyen tcnicas mediante las cuales es

posible formular problemas matemticos, de tal forma que puedan resolverse
utilizando operaciones aritmticas. Aunque existen muchos tipos de mtodos
numricos, stos comparten una caracterstica comn: invariablemente
requieren de un buen nmero de tediosos clculos aritmticos. No es raro que
con el desarrollo de computadoras digitales eficientes y rpidas, el papel de los
mtodos numricos en la solucin de problemas en ingeniera haya aumentado
de forma considerable en los ltimos aos.
En tal sentido, se abordar el concepto fundamental del error, as como
tambin el de las cifras significativas. Seguidamente se explican los Mtodos
de Intervalos a saber, el Mtodo de la Biseccin y de la Falsa Posicin o Regla
Falsa. Tambin se comentarn los Mtodos Abiertos entre ellos, el Mtodo de
Newton-Raphson y el Mtodo de la Secante, con sus respectivos ejemplos y
grficos.

ERRORES:
Los errores numricos surgen del uso de aproximaciones para
representar operaciones y cantidades matemticas exactas. stas incluyen los
errores de truncamiento que resultan del empleo de aproximaciones como un
procedimiento matemtico exacto, y los errores de redondeo que se producen
cuando se usan nmeros que tienen un lmite de cifras significativas para
representar nmeros exactos. Para ambos tipos de errores, la relacin entre el
resultado exacto, o verdadero, y el aproximado est dada por
Valor verdadero=Valor aproximado+ error

Reordenando la ecuacin se encuentra que el error numrico es igual a

la diferencia entre el valor verdadero y el valor aproximado, es decir
Et =valor verdade ro valor aproximado

Donde
t

Et

se usa para denotar el valor exacto del error. El subndice

indica que se trata del error verdadero (true). Como ya se mencion

brevemente, esto contrasta con los otros casos, donde se debe emplear una
estimacin aproximada del error.
Una desventaja en esta definicin es que no toma en consideracin el
orden de la magnitud del valor que se estima. Por ejemplo, un error de un
centmetro es mucho ms significativo si se est midiendo un remache en lugar
de un puente. Una manera de tomar en cuenta las magnitudes de las
cantidades que se evalan consiste en normalizar el error respecto al valor
verdadero, es decir

Error relativo fraccional verdadero=

error verdadero
valor verdadero

donde, como ya se mencion en la ecuacin,

Error=valor verdadero valor aproximado.

El error relativo tambin se puede multiplicar por

100

para expresarlo

como
t =

error verdadero
100
valor verdadero

donde

denota el error relativo porcentual verdadero.

Ejemplo:
Suponga que se tiene que medir la longitud de un puente y la de un
remache, y se obtiene
verdaderos son

9999

y 9 cm , respectivamente. Si los valores

10000 y 10 cm , calcule: a) el error verdadero y b) el error

relativo porcentual verdadero en cada caso.

Solucin:
a) El error en la medicin del puente es
Et =10000 9999=1 cm
y en la del remache es de
Et =10 9=1 cm
b) El error relativo porcentual para el puente es
t =

1
100 =0.01
10000

y para el remache es de

t =

1
100 =10
10

Por lo tanto, aunque ambas medidas tienen un error de

1 cm , el error

relativo porcentual del remache es mucho mayor. Se concluye entonces que se

ha hecho un buen trabajo en la medicin del puente; mientras que la
estimacin para el remache dej mucho que desear.
Observamos que en las ecuaciones,
t

tienen un subndice

que significa que el error ha sido normalizado al valor verdadero. En el

ejemplo anterior tenamos el valor verdadero. Sin embargo, en las situaciones

reales a veces es difcil contar con tal informacin. En los mtodos numricos,
el valor verdadero slo se conocer cuando se tengan funciones que se
resuelvan analticamente. ste comnmente ser el caso cuando se estudie el
comportamiento terico de una tcnica especfica para sistemas simples.
Sin embargo, en muchas aplicaciones reales, no se conoce a priori la
respuesta verdadera. Entonces en dichos casos, una alternativa es normalizar
el error, usando la mejor estimacin posible al valor verdadero; es decir, para la
aproximacin misma, como en error aproximado
a =

error aproximado
100
valor aproximado

valor aproximado
donde el subndice

significa que el error est normalizado a un valor

aproximado. En aplicaciones reales la ecuacin

calcular el trmino del error de la ecuacin

Et

no se puede usar para

. Uno de los retos que

enfrentan los mtodos numricos es el de determinar estimaciones del error en

ausencia del conocimiento de los valores verdaderos. Por ejemplo, ciertos
mtodos numricos usan un mtodo iterativo para calcular los resultados. En

tales mtodos se hace una aproximacin considerando la aproximacin

anterior.
Este proceso se efecta varias veces, o de forma iterativa, para calcular
en forma sucesiva, esperando cada vez mejores aproximaciones. En tales
casos, el error a menudo se calcula como la diferencia entre la aproximacin
previa y la actual. Por lo tanto, el error relativo porcentual est dado por
aproximacin actual aproximacin anterior
a =

aproximacin actual aproximacin anterior

100
aproximacin actual
Et

Los signos de las ecuaciones

pueden ser positivos o

negativos. Si la aproximacin es mayor que el valor verdadero (o la

aproximacin previa es mayor que la aproximacin actual), el error es negativo;
si la aproximacin es menor que el valor verdadero, el error es positivo.
Tambin en las ecuaciones

, el denominador puede ser menor a

cero, lo cual tambin llevara a un error negativo. A menudo, cuando se realizan

clculos, no importa mucho el signo del error, sino ms bien que su valor
absoluto porcentual sea menor que una tolerancia porcentual prefijada es. Por
lo tanto, es til emplear el valor absoluto de las ecuaciones

. En

tales casos, los clculos se repiten hasta que

a s
Si se cumple la relacin anterior, entonces se considera que el resultado
obtenido est dentro del nivel aceptable fijado previamente

. Observe que

en el resto del texto en general emplearemos exclusivamente valores absolutos

cuando utilicemos errores relativos.
Es conveniente tambin relacionar estos errores con el nmero de cifras
significativas en la aproximacin. Es posible demostrar que si el siguiente
criterio se cumple, se tendr la seguridad que el resultado es correcto en al
menos n cifras significativas.
5

 s=(0 ,5 10 2 n )
Ejemplo:
En matemticas con frecuencia las funciones se representan mediante
series infinitas. Por ejemplo, la funcin exponencial se calcula usando

e x =1+ x +

x 2 x3
xn
+ + +
2! 3 !
n!

As cuantos ms trminos se le agreguen a la serie, la aproximacin

ser cada vez ms una mejor estimacin del valor verdadero de

e x . La

ecuacin anterior se conoce como expansin en series de Maclaurin.

Empezando con el primer trmino
trmino, estime el valor de

0,5

e =1

y agregando trmino por

. Despus de agregar cada trmino, calcule

los errores: relativo porcentual verdadero y normalizado a un valor aproximado

usando las ecuaciones
verdadero es

, respectivamente. Veamos que el valor

e o ,5=1 , 648721 Agreguemos trminos hasta que el valor

absoluto del error aproximado

preestablecido

sea menor que un criterio de error

con tres cifras significativas.

Solucin:

En primer lugar la ecuacin

se emplea para determinar el criterio

de error que asegura que un resultado sea correcto en al menos tres cifras
significativas:

 s=(0 ,5 10

2n

Por lo tanto, se agregarn trminos a la serie hasta que

que este valor. La primera estimacin es igual a la ecuacin
trmino. Entonces, la primera estimacin es igual a

1.

ex

sea menor

con un solo

La segunda

estimacin se obtiene agregando el segundo trmino, as:

e x =1+ x
Para
x=0,5
e o ,5=1+ 0,5=1,5

Esto representa el error relativo porcentual verdadero de

t =

1,6487211,5
100 =9,02
1,648721

La ecuacin

se utiliza para determinar una estimacin aproximada

del error, dada por:

a =

1,51
100 =33 , 3
1,5

Como

no es menor que el valor requerido

continuar los clculos agregando otro trmino

s,

se deben

x2
,
2 ! repitiendo el clculo del

error. El proceso contina hasta que

a < s .

Todos los clculos los vamos a

resumir en la siguiente tabla:

Trminos
1
2
3
4
5
6

Resultado
1
1,5
1,625
1,645833333
1,648437500
1,648697917

t ( )
39,3
9,02
1,44
0,175
0,0172
0,00142

a ( )
33,3
7,69
1,27
0,158
0,0158

As, despus de usar seis trminos, el error aproximado es menor que

s=0.05

, y el clculo termina. Sin embargo, observe que, el resultado es

exacto con cinco cifras significativas! en vez de tres cifras significativas. Esto se
debe a que, en este caso, las ecuaciones

son conservadoras. Es

decir, aseguran que el resultado es, por lo menos, tan bueno como lo
especifican. Aunque, ste no es siempre el caso al usar la ecuacin

, que

es verdadera en la mayora de las veces.

CIFRAS SIGNIFICATIVAS
Las aproximaciones se relacionan con el manejo de nmeros. En
consecuencia, antes de analizar los errores asociados con los mtodos
numricos, es til repasar algunos conceptos bsicos referentes a la
representacin aproximada de los nmeros mismos.
Cuando se emplea un nmero para realizar un clculo, debe haber
seguridad de que pueda usarse con confianza.

Por ejemplo, en la figura anterior, se presenta el velocmetro y un

odmetro (contador de kilometraje) de un automvil. Con un simple vistazo al
velocmetro se observa que el vehculo viaja a una velocidad comprendida
entre

48

y 49 km/h .

Como la aguja est ms all de la mitad entre las marcas del indicador,
es posible asegurar que el automvil viaja aproximadamente a

49 km/h .

Tenemos confianza en este resultado, ya que dos o ms individuos que

hicieran esta lectura llegaran a la misma conclusin. Sin embargo,
supongamos que se desea obtener una cifra decimal en la estimacin de la
velocidad. En tal caso, alguien podra decir
podra decir

48 , 8 , mientras que otra persona

48 , 9 km/h . Por lo tanto, debido a los lmites del instrumento,

nicamente se emplean con confianza los dos primeros dgitos. Para

estimaciones del tercer dgito (o ms all) slo se consideraran
aproximaciones. Sera ridculo afirmar, considerando el velocmetro de la figura,
que el automvil viaja a

48 , 8642138 km/h . En contraste, el odmetro muestra

hasta seis dgitos confiables. En la figura anterior se concluye que el automvil

ha recorrido un poco menos de

87 324,5 km durante su uso. Aqu el sptimo

dgito (y los siguientes) resultan inciertos.

El concepto de cifras o dgitos significativos se ha desarrollado para

designar formalmente la confiabilidad de un valor numrico. Las cifras
significativas de un nmero son aquellas que pueden utilizarse en forma
confiable. Se trata del nmero de dgitos que se ofrecen con certeza, ms uno
estimado. Por ejemplo, el velocmetro y el odmetro de la figura muestran
lecturas de hasta tres y siete cifras significativas, respectivamente.
Para el velocmetro, los dos dgitos seguros son

48 . Por convencin

al dgito estimado se le da el valor de la mitad de la escala menor de divisin en

el instrumento de medicin. As, la lectura del velocmetro consistir de las tres
cifras significativas:

48 , 5 . En forma similar, el odmetro dar una lectura con

siete cifras significativas,

87324 , 45 .

Aunque, por lo comn, determinar las cifras significativas de un nmero

es un procedimiento sencillo, en algunos casos genera cierta confusin. Por
ejemplo, los ceros no siempre son cifras significativas, ya que pueden usarse
slo para ubicar el punto decimal: los nmeros
0 , 001845

0 , 00001845; 0 ,0001845 ;

tienen cuatro cifras significativas.

Asimismo, cuando se incluye ceros en nmeros muy grandes, no queda

claro cuntos son significativos. Por ejemplo, el nmero

45300

puede tener

tres, cuatro o cinco dgitos significativos, dependiendo de si los ceros se

conocen o no con exactitud.
La incertidumbre se puede eliminar utilizando la notacin cientfica,
4
4
4
donde 4 ,53 10 ; 4 ,530 10 ; 4 , 5300 10

muestran, respectivamente, que

el nmero tiene tres, cuatro y cinco cifras significativas.

El concepto de cifras significativas tiene dos implicaciones importantes
en el estudio de los mtodos numricos.
1. Como se ha mencionado, los mtodos numricos dan resultados
aproximados. Por lo tanto, se deben desarrollar criterios para especificar qu
tan confiables son dichos resultados. Una manera de hacerlo es en trminos de

10

cifras significativas. Por ejemplo, es posible afirmar que la aproximacin es

aceptable siempre y cuando sea correcta con cuatro cifras significativas.
2. Aunque ciertas cantidades tales como

,e , o 7

representan

cantidades especficas, no se pueden expresar exactamente con un nmero

finito de dgitos. Por ejemplo,

=3.141592653589793238462643 ... hasta el

infinito. Como las computadoras retienen slo un nmero finito de cifras

significativas, tales nmeros jams se podrn representar con exactitud. A la
omisin del resto de cifras significativas se le conoce como error de redondeo.
Los errores de redondeo y el uso de cifras significativas para expresar
nuestra confianza en un resultado numrico se estudiarn con mayor detalle en
las siguientes secciones.
Adems, el concepto de cifras significativas tendr mucha importancia
en la definicin de exactitud y de precisin.
Exactitud precisin
Los errores en clculos y medidas se pueden caracterizar con respecto a
su exactitud y su precisin. La exactitud se refiere a qu tan cercano est el
valor calculado o medido del valor verdadero. La precisin se refiere a qu tan
cercanos se encuentran, unos de otros, diversos valores calculados o medidos.
Estos conceptos se ilustran grficamente utilizando la analoga con una
diana en la prctica de tiro.

11

Los agujeros en cada blanco de la figura se consideran como las

predicciones con una tcnica numrica; mientras que el centro del blanco
representa la verdad. La inexactitud (conocida tambin como sesgo) se define
como una desviacin sistemtica del valor verdadero. Por lo tanto, aunque los
disparos en la figura

estn ms juntos que los de la figura

a , los dos

casos son igualmente inexactos, ya que ambos se centran en la esquina

superior izquierda del blanco. La imprecisin (tambin llamada incertidumbre),
por otro lado, se refiere a la magnitud en la dispersin de los disparos. Por
consiguiente, aunque las figuras b y d son igualmente exactas (esto es,
igualmente centradas respecto al blanco), la ltima es ms precisa, pues los
disparos estn agrupados en forma ms compacta.
Los mtodos numricos deben ser lo suficientemente exactos o sin
sesgo para satisfacer los requisitos de un problema particular de ingeniera.
Tambin deben ser suficientemente precisos para ser adecuados en el diseo
de la ingeniera. En tal sentido se usa el trmino error para representar tanto la
inexactitud como la imprecisin en las predicciones. Con dichos conceptos
como antecedentes, ahora analizaremos los factores que contribuyen al error
en los clculos numricos.
12

MTODOS DE INTERVALOS
Mtodo de la Biseccin
Al analizar la siguiente grfica, es preciso destacar que

f (x)

cambia

de signo a ambos lados de la raz.

En general, si f ( x)
xi

hasta

xu

f ( xi ) f ( x u ) <0

es real y contina en el intervalo que va desde

y f (xi ) y f (xu )

tienen signos opuestos, es decir,

entonces hay al menos una raz real entre

xi

xu

Los mtodos de bsqueda incremental aprovechan esta caracterstica

localizando un intervalo en el que la funcin cambie de signo. Entonces, la
localizacin del cambio de signo (y, en consecuencia, de la raz) se logra con
ms exactitud al dividir el intervalo en varios subintervalos. Se investiga cada
uno de estos subintervalos para encontrar el cambio de signo. El proceso se
repite y la aproximacin a la raz mejora cada vez ms en la medida que los
subintervalos se dividen en intervalos cada vez ms pequeos.
Veamos la siguiente orientacin:

13

Paso 1: Elija valores iniciales inferior,

xi,

y superior,

xu,

que

encierren la raz, de forma tal que la funcin cambie de signo en el intervalo.

Esto se verifica comprobando que

f (xi )f ( x u ) <0

Paso 2: Una aproximacin de la raz

x r=

xr

.
se determina mediante:

x i+x u
2

Paso 3: Realice las siguientes evaluaciones para determinar en qu

subintervalo est la raz:
a) Si f (xi ) f (x r )<0 , entonces la raz se encuentra dentro del
subintervalo inferior o izquierdo. Por lo tanto, haga

f ( xu )=x r

y vuelva al paso

2.
b) Si

f ( xi ) f ( xr )> 0

, entonces la raz se encuentra dentro del

subintervalo superior o derecho. Por lo tanto, haga

c) Si

f ( x i ) f ( x r ) =0

, la raz es igual a

xr

x i=x r

y vuelva al paso 2.

; termina el clculo.

El mtodo de biseccin, conocido tambin como de corte binario, de

particin de intervalos o de Bolzano, es un tipo de bsqueda incremental en el
que el intervalo se divide siempre a la mitad. Si la funcin cambia de signo
sobre un intervalo, se evala el valor de la funcin en el punto medio. La
posicin de la raz se determina situndola en el punto medio del subintervalo,
dentro del cual ocurre un cambio de signo. El proceso se repite hasta obtener
una mejor aproximacin. En la orientacin inicial se presenta un algoritmo
sencillo para los clculos de la biseccin. En la siguiente figura se muestra una
representacin grfica del mtodo.

14

Ejemplo:
Determine las races reales de

f (x)= 0.5 x2 +2.5 x +4.5

a) Grficamente
b) Empleando la frmula cuadrtica
c) Usando el mtodo de biseccin con tres iteraciones para determinar la
raz ms grande. Emplee como valores iniciales
error estimado

y el error verdadero

x i=5

x u=10

. Calcule el

para cada iteracin.

Solucin:
a) Una grfica indica que las races se presentan aproximadamente en:
x 1=1,4 x 2=6,4

15

-6

-5

-4

-3

-2

9
8
7
6
5
4
3
2
1
0
-1 -1 0
-2
-3
-4
-5
-6
-7
-8
-9
-10
-11
-12
-13
-14
-15
-16
-17
-18
-19
-20
-21
-22

16

10

11

b)
Ejemplo Mtodo de la Biseccin
Usando la frmula general, tenemos que:
b b24 ac
x=
2a
2.5 (2.5) 2 4(0.5)( 4.5)
x

2(0.5)

1.40512
6.40512

Luego las soluciones son:

x 1=1,40512
x 2=6,40512
c)
Primera iteracin:

xr

5 10
7.5
2

6.40512 7.5
100% 17.09%
6.40512

10 5
100% 33.33%
10 5

17

f (5) f (7.5) 4.5(4.875) 21.9375

Por lo tanto el soporte es

x i=5

x u=7,5

Segunda iteracin:

xr

5 7.5
6.25
2

6.40512 6.25
100 % 2.42%
6.40512

7. 5 5
100 % 20.00 %
7. 5 5

f (5) f (6.25) 4.5(0.59375 ) 2.672

En consecuencia el nuevo soporte es

xi

= 6.25 y

xu

= 7.5.

Tercera iteracin:
xr

6.25 7.5
6.875
2

6.40512 6.875
100% 7.34%
6.40512

7.5 6.25
100% 9.09%
7.5 6.25

Mtodo de la falsa posicin

Aun cuando la biseccin es una tcnica perfectamente vlida para
determinar races, su mtodo de aproximacin por fuerza bruta es
relativamente ineficiente. La falsa posicin es una alternativa basada en una
visualizacin grfica.

18

Un inconveniente del mtodo de biseccin es que al dividir el intervalo

de

xi

xu

en mitades iguales, no se toman en consideracin las

magnitudes de

f (xi ) y

cercana a cero que

xi

que de

xu

f (xu ) . Por ejemplo, si

xi

est mucho ms

f ( xu ) , es lgico que la raz se encuentre ms cerca de

Un mtodo alternativo que aprovecha esta visualizacin grfica consiste

en unir f (xi )
el eje de las

y
x

f (xu ) con una lnea recta. La interseccin de esta lnea con

representa una mejor aproximacin de la raz. El hecho de

que se reemplace la curva por una lnea recta da una falsa posicin de la raz;
de aqu el nombre de mtodo de la falsa posicin, o en latn, regula falsi.
Tambin se le conoce como mtodo de interpolacin lineal.
Usando tringulos semejantes, la interseccin de la lnea recta con el eje
de las

se estima mediante

19

f (x i)
f ( x u)
=
x r x i x rf (x u )
en la cual se despeja
x r=x u

xr

f (x u) ( x ix u )
f ( x i ) f (x u )

sta es la frmula de la falsa posicin. El valor de

xr

calculado con la

ecuacin, reemplazar, despus, a cualquiera de los dos valores iniciales,

o

xu

, y da un valor de la funcin con el mismo signo de

manera, los valores

f (xi ) y

xu

xi

f ( xr ) . De esta

siempre encierran la verdadera raz. El

proceso se repite hasta que la aproximacin a la raz sea adecuada. El

algoritmo es idntico al de la biseccin, excepto en que la ecuacin

( x r ) se

usa en el paso 2. Adems, se usa el mismo criterio de terminacin, con la

siguiente ecuacin, para concluir los clculos

a =

xrnuevox anterior
r
x nuevo
r

100

Donde
x nuevo
r

Es la raz en iteracin actual, y

anterior

xr

Es el valor de la raz en la iteracin anterior. Se utiliza el valor absoluto,

ya que por lo general importa slo la magnitud de

sin considerar su signo.

20

Cuando

es menor que un valor previamente fijado

, termina el

clculo.

Ejemplo:
Calcule las races reales de

f (x)= 12 21 x +18 x 2.75 x

a) Grficamente
b) Empleando el mtodo de la falsa posicin con un valor es
correspondiente a tres cifras significativas para determinar la raz ms
pequea.
Solucin:

21

a)

22

x 1=0,4 ; x 2=2,25 ; x 3=4,7

b)
Usando la biseccin, la primera iteracin es:
Ejemplo del Mtodo de la Falsa Posicin
xr

1 0
0.5
2

f (1) f (0.5) 29.75(3.34375) 99.47656

23

Por lo tanto, la raz est en el Segundo intervalo y la conjetura inferior

se define como

x i= 0.5

Segunda iteracin

xr

0.5 0
0.25
2

0.25 (0.5)
100% 100%
0.25

f (0.5) f (0.25) 3.34375(5.5820313) 18.66492

En consecuencia, la raz est en el primer intervalo y la conjetura

superior se redefine como

x u=0,25

. Todas las iteraciones se muestran en

la siguiente tabla:
i

xi

xu

f (xi )

f (xu )

xr

29.75

12

0.5

0.5

3.34375

0.25

0.5

3.34375

0.25

0.5

3.34375

0.375

0.4375

0.863098

0.375

0.4375

0.863098

0.40625

0.42188

0.269471

0.40625

0.42188

0.269471

0.41406

12
5.582031
3
1.448730
5
1.448730
5
0.313667
3
0.313667
3
0.023405
2

0.375
0.4375

f ( xr )

3.34375
5.582031
3
1.448730
5

100.00%
33.33%

0.8630981
0.313667
3

14.29%

3.70%

0.414063

0.2694712
0.023405
2

0.417969

0.1227057

0.93%

0.40625
0.421875

7.69%

1.89%

Por tanto, despus de ocho iteraciones, se obtiene una estimacin de la

raz de -0,417969 con un error aproximado de 0,93%, lo que est por debajo
del criterio de parada de 1%.
24

c)
Usando la falsa posicin, la primera iteracin

xr 0

12(1 0)
0.287425
29.75 (12)

f (1) f (0.287425) 29.75(4.4117349) 131.2491

Por lo tanto, la raz es en el primer intervalo y la conjetura superior se

redefine como

x u= 0.287425

x r 0.287425

. La segunda iteracin es:

4.4117349(1 (0.287425))
0.3794489
29.75 (4.4117349)

0.3794489 (0.2874251)
100% 24.25%
0.3794489

f (1) f (0.3794489) 29.75( 1.2896639) 38.3675

En consecuencia, la raz est en el primer intervalo y la conjetura

superior se redefine como

x u=0,379449.

Todas las iteraciones se muestran

en la siguiente tabla:
i

xi

f (xi )

xu

f (xu )

29.75

12

29.75

0.28743

29.75

0.37945

29.75

0.40523

29.75

0.41217

4.4117349
1.289663
9
0.351292
9
0.093835
8

xr
0.28742
5
0.37944
9
0.40523
2
0.41217
3
0.41402
2

f (xr )

4.4117349
1.2896639

24.25%

0.3512929

6.36%

0.0938358

1.68%

0.0249338

0.45%

25

Por lo tanto, despus de cinco iteraciones se obtiene una estimacin de

la raz de

0,414022 con un error aproximado de

debajo del criterio de parada de

0,45 , lo que est por

1 .

MTODOS ABIERTOS
Mtodo Newton-Raphson
Tal vez, de las frmulas para localizar races, la frmula de NewtonRaphson sea la ms ampliamente utilizada.

Si el valor inicial para la raz es

tangente desde el punto
esta tangente cruza al eje

[x i , f ( x i )]
x

xi

, entonces se puede trazar una

de la curva. Por lo comn, el punto donde

representa una aproximacin mejorada de la

raz.
El mtodo de Newton-Raphson se deduce a partir de esta interpretacin
geomtrica (un mtodo alternativo basado en la serie de Taylor se describe
despus del primer ejemplo). De la figura, se tiene que la primera derivada en
x

es equivalente a la pendiente:
26

f ( x i )=

f ( x i )0
x ix i +1

La cual arreglamos para obtener

x i+1=x i

f ( xi)
f ( xi)

La cual se conoce como la frmula de Newton-Raphson.

Ejemplo:
Utilice el mtodo de Newton-Raphson para calcular la raz de
x

f (x)=e x
empleando como valor inicial

x 0=0

Solucin:

27

13
12
11
10
9
8
7
6
5
4
3
2
1
0
-4

-3

-2

-1

-1

10

-2
-3
-4
-5
-6
-7
-8
-9
-10
-11

Ejemplo del Mtodo Newton-Raphson

La primera derivada de la funcin es
x

' (x )= e 1
que se sustituye, junto con la funcin original en la ecuacin

28

11

x i+1=x i

f ( xi)
f ( xi)

Para obtener
ex x i
i

x i+1=x i

ex 1
i

Empezando con un valor inicial

x 0=0

, se aplica esta ecuacin

iterativa para calcular:

i

xi
0
1
2
3
4

0
0,500000000
0,566311003
O,567143165
0,567143290

t ( )
100
11,8
0,147
0,0000220
8
< 10

As el mtodo converge rpidamente a la raz verdadera. Se puede

apreciar que el error relativo porcentual verdadero en cada iteracin disminuye
mucho ms rpido que con la iteracin simple de punto fijo.
Mtodo de la secante
Un problema potencial en la implementacin del mtodo de NewtonRaphson es la evaluacin de la derivada. Aunque esto no es un inconveniente
para los polinomios ni para muchas otras funciones, existen algunas funciones
cuyas derivadas en ocasiones resultan muy difciles de calcular. En dichos
casos, la derivada se puede aproximar mediante una diferencia finita dividida
hacia atrs, como en la siguiente figura

29

Matemticamente, esto es:

f ( xi )

f ( x i1 )f ( xi )
x i1x i

Esta aproximacin se sustituye en la ecuacin

x i+1=x i

f ( xi)
f ( xi)

para obtener la siguiente ecuacin iterativa:

x i+1=x i

f ( x i ) ( x i1 xi )
f ( x i1 )f ( xi )

La ecuacin anterior es la frmula para el mtodo de la secante. Se

puede apreciar que el mtodo requiere de dos valores iniciales de
embargo, debido a que no se necesita que

f (x)

x . Sin

cambie de signo entre los

valores dados, este mtodo no se clasifica como un mtodo cerrado.

Ejemplo:
Con el mtodo de la secante, calcule la raz de la funcin
x

f ( x )=e x
Comenzando con los valores iniciales:
30

x1=0 x 0=1,0
Solucin:
Recordemos que con base en el ejercicio anterior pudimos determinar
0,56714329

que la raz real es

Primera iteracin:
x1=0 ; f ( x1 )=e00=1,00000
1

x 0=1 ; f ( x1 )=e 1=0,63212

x 1=1

0,63212 ( 01 )
1(0,63212 )

t =8,0
Segunda iteracin:
x 0=1

f ( x 0 ) =0,63212

x 1=0,61270

f ( x 1 )=0,07081

Es importante observar que ambas aproximaciones se encuentran del

mismo lado de la raz.

31

13
12
11
10
9
8
7
6
5
4
3
2
1
0
-4

-3

-2

-1

-1

10

-2
-3
-4
-5
-6
-7
-8
-9
-10
-11

Ejemplo del Mtodo de la Secante

x 2=0,61270

0,07081 ( 10,61270 )
=0,56384
0,63212( 0,07081 )

t =0,58

32

11

Tercera iteracin:
x 1=0,61270 f ( x 1 )=0,07081
x 2=0,56384 f ( x 2 ) =0,00518

x 3=0,56384

0,00518 ( 0,612700,56384 )
=0,56717
0,07081(0,00518 )

t =0,0048

33

CONCLUSIN

En la actualidad, las computadoras y los mtodos numricos ofrecen una

alternativa para los clculos complicados. Al usar la potencia de la
computadora se obtienen soluciones directamente, de esta manera se pueden
aproximar los clculos sin tener que recurrir a consideraciones de simplificacin
o a tcnicas muy lentas.
Aunque las soluciones analticas an son muy valiosas, tanto para
resolver problemas como para brindar una mayor comprensin, los mtodos
numricos representan opciones que aumentan, en forma considerable, la
capacidad para enfrentar y resolver los problemas; como resultado, se dispone
de ms tiempo para aprovechar las habilidades creativas personales.
En consecuencia, es posible dar ms importancia a la formulacin de un
problema y a la interpretacin de la solucin, as como a su incorporacin al
sistema total, o conciencia holstica

34

BIBLIOGRAFA
Nieves Antonio y Domnguez Federico. Mtodos Numricos Aplicados a
la Ingeniera. Mxico. 2006. CECSA. 2 ed. 600 pp.

35