Método de Bisecciones Sucesivas

Este método es de tipo de búsqueda incremental en el que el intervalo

propuesto se divide siempre a la mitad.
En matemáticas, el método de bisección es un algoritmo de búsqueda de
raíces que trabaja dividiendo el intervalo a la mitad y seleccionando el
subintervalo que tiene la raíz.
El método consiste en lo siguiente:

 Debe existir seguridad sobre la continuidad de la función f(x) en el intervalo

[a,b]

 A continuación se verifica que

 Se calcula el punto medio m del intervalo [a,b] y se evalúa f(m) si ese valor
es igual a cero, ya hemos encontrado la raíz buscada
 En caso de que no lo sea, verificamos si f(m) tiene signo opuesto con f(a) o
con f(b)
 Se redefine el intervalo [a, b] como [a, m] ó [m, b] según se haya
determinado en cuál de estos intervalos ocurre un cambio de signo
 Con este nuevo intervalo se continúa sucesivamente encerrando la solución
en un intervalo cada vez más pequeño, hasta alcanzar la precisión deseada

PROBLEMA: Utilizando el método de bisecciones sucesivas obtener el valor de

la raíz de la función f(x)= e-x-x, hasta 4 iteraciones o |E|<0.001

Paso 1: evalúe la función en diversos puntos para encontrar mis condiciones

iniciales. En el intervalo en donde se presentó un cambio de signo, tome dichos
valores como mis condiciones iniciales.

Paso 2: Como en 0 y 1 existe un cambio de signo esos fueron mis condiciones

iniciales
Paso 3: Cada aproximación a la raíz, la determine de la siguiente forma

Paso 4: Cuando realice las iteraciones, seguir los siguientes criterios

a) Si f(xa)*f(xb)<0 la raíz se encuentra dentro del subintervalo inferior, es

decir, xb=xr
b) Si f(xa)*f(xb)>0 la raíz se encuentra dentro del subintervalo superior, es
decir, xa=xr
c) Si f(xa)*f(xb)=0 la raíz es igual xr y termina el calculo

Paso 5: Proceda a realizar las iteraciones con los criterios descritos en el paso
anterior y los anote en una tabla

Paso 6: Una vez cumplidas las iteraciones, el valor de la raíz fue

Método de las aproximaciones sucesivas
El método de las aproximaciones sucesivas es uno de los procedimientos
más importantes y más sencillos de codificar. Supongamos la ecuación
f(x)=0
donde f(x) es una función continua que se desea determinar sus raíces
reales. Se sustituye f(x) por la ecuación equivalente
x=φ(x)
Se estima el valor aproximado de la raíz x0, y se sustituye en el segundo
miembro de la ecuación para obtener x1.
x1=φ(x0)
Poniendo x1 como argumento de φ(x), obtendremos un nuevo número x2, y
así sucesivamente. Este proceso se puede sintetizar en la fórmula.
xn=φ(xn-1) (1)
Si esta secuencia es convergente es decir, tiende hacia un límite, la
solución ξ es
ξ=limn→∞xnξ=lim⁡n→∞xn

El método de iteración se explica geométricamente mediante el gráfico de la

figura. Se dibuja la curva y=φ(x), y la recta y=x, bisectriz del primer
cuadrante. La abscisa ξ del punto de intersección es la raíz buscada.
Un ejemplo típico es la de encontrar la raíz de la ecuación
x=cos(x)
Para encontrar la raíz, se comienza en el punto cualquiera de
abscisa x0 dentro del intervalo (0, π/2), y se traza la línea vertical hasta que
interseca la curva, luego, desde este punto, se traza una línea horizontal
hasta que se alcanza la recta bisectriz, este punto tendrá por abscisa x1. Se
traza de nuevo, una línea vertical hasta encontrar a la curva, y otra línea
horizontal hasta encontrar la línea recta, el punto de intersección tiene de
abscisa x2 , y así sucesivamente. Como podemos apreciar en la figura, la
sucesión x1, x2, x3... tiende hacia la raíz ξ de la ecuación buscada.

Queremos que el procedimiento numérico sea independiente de la

función f(x) cuya raíz deseamos averiguar. Para ello, creamos una clase
base abstracta denominada Ecuación con una función miembro raíz que
defina el procedimiento numérico, y que deje sin definir la función f(x),
declarándola abstracta, dejando a las clases derivadas de Ecuación la
definición de la función f(x) particular.
public abstract class Ecuacion {
protected static final double ERROR=0.001;

public double raiz(double x0){

double x1;
while(true){
x1=f(x0);
if(Math.abs(x1-x0)<ERROR) break;
x0=x1;
}
return x0;
}

abstract public double f(double x);

}

En la clase derivada denominada Funcion se define la función f(x)

public class Funcion extends Ecuacion{
public double f(double x){
return Math.cos(x);
}
}

Creamos un objeto de la clase derivada y llamamos desde ellos a la

función raíz que describe el procedimiento numérico
public class Aplicacion {
public static void main(String[] args) {
Funcion f1=new Funcion();
System.out.println("solucion "+f1.raiz(0.5));
System.out.println("solucion1 "+f1.raiz(0.9));
}
}

En las dos primeras llamadas a la función raiz comprobamos que la solución

buscada no depende del valor inicial de partida x0, que en el primer caso es
0.5 y en el segundo caso es 0.9.
Método de Newton-Raphson

Este método es uno de los más utilizados para localizar raíces ya que en
general es muy eficiente y siempre converge para una función polinomial.

Se requiere que las funciones sean diferenciables, y por tanto, continuas, para
poder aplicar este método.

Se debe partir de un valor inicial para la raíz: xi , este puede ser cualquier
valor, el método convergirá a la raíz más cercana.

Si se extiende una tangente desde el punto , el punto donde esta

tangente cruza al eje x representa una aproximación mejorada de la raíz.

La fórmula de Newton-Raphson se deduce a partir de la fórmula de la

pendiente de una recta.

Pendiente de una recta:

Hay que determinar un número máximo de iteraciones

Normalmente esto se hace considerando una “tolerancia”, esto es:

El valor absoluto de la diferencia de la debe ser menor que la tolerancia

o el resultado de alguna fórmula de error debe ser menor que la tolerancia
dada.

Una de las fórmulas de error más útiles es la del error relativo porcentual
aproximado:

100 %

El método de Newton-Raphson es convergente cuadráticamente, es decir, el

error es aproximadamente al cuadrado del error anterior.

Esto significa que el número de cifras decimales correctos se duplica

aproximadamente en cada interacción.

Cuando el método de Newton-Raphson converge, se obtienen resultados en

relativamente pocas interacciones, ya que para raíces no repetidas este
método converge con orden 2 y el error Ei+1 es proporcional al cuadrado del
resultado anterior Ei

Supóngase que el error en una iteración es 10-n el error en la siguiente, (que es

proporcional al cuadrado del error anterior) es entonces aproximadamente 10-
2n, el que sigue será aproximadamente 10-4n etc.
Método de Gauss-Jordan

El método de Gauss-Jordan utiliza operaciones con matrices para resolver

sistemas de ecuaciones de n número de variables.

Para aplicar este método solo hay que recordar que cada operación que se
realice se aplicara a toda la fila o a toda la columna en su caso.

El objetivo de este método es tratar de convertir la parte de la matriz donde

están los coeficientes de las variables en una matriz identidad. Esto se logra
mediante simples operaciones de suma, resta y multiplicación.

El procedimiento es el siguiente:

Primero se debe tener ya el sistema de ecuaciones que se quiere resolver y

que puede ser de n número de variables por ejemplo:

Se acomodan los coeficientes y los resultados en una matriz:

En el ejemplo, el -3 de la primera matriz se tiene que convertir en un 1, según

la matriz identidad, así que hay que dividir entre -3, pero como una operación
se aplica a toda la fila, entonces toda la primera fila se tiene que dividir entre –
3:

Después, como se ve en la matriz identidad, hay que hacer 0 toda la columna

debajo del 1, y se hace multiplicando por algo la fila de arriba y sumándola a la
fila de abajo.
En este caso, se multiplica por -4 la fila de arriba y se suma con la
correspondiente posición de la fila de abajo:
Para hacer cero el siguiente renglón simplemente hay que multiplicar por –1 al
primer renglón sumarlo al tercero:

El siguiente paso para lograr una matriz identidad es obtener el siguiente 1, que
en este caso iría en donde está el 5 en la segunda fila. Para lograrlo hay que
dividir toda la segunda fila entre 5:

Después se tienen que hacer 0 los que están arriba y abajo del 1, que en este
caso sería, para el que está arriba R2+R1:

Ahora hay que hacer cero la posición a12. En este caso con hacer R2+R1 es
suficiente:

Dividir entre 2 R3 nos permite encontrar el otro 1, el de la posición a33:

Ahora necesitamos ceros en las posiciones a13 y a23. Dividir entre ⅓ R3 y

sumarlo a R1 nos permitirá encontrar uno de ellos:

El último cero lo logramos multiplicando por -⅓R3 y sumándolo a R2:

Al encontrar la matriz identidad se encuentra la solución del sistema de
ecuaciones, pues esto se traduce a:

Las cuales resuelven el sistema de ecuaciones de forma simultánea. La

comprobación es la siguiente:
Metodo Gauss-Seidel

El método de Gauss-Seidel es el más comúnmente usado para resolver

sistemas muy grandes de ecuaciones lineales.

Es una modificación del método de Jácobi que hace que la convergencia sea
más rápida.

Comienza con una aproximación inicial x(0) a la solución x y genera una

sucesión de vectores x(k) que convergen a la solución x.

Un sistema de ecuaciones algebraicas lineales es un conjunto de ecuaciones

de la forma:

:: :: ::

O bien en su forma matricial:

Que a su vez se puede expresar como:

Ax = b

Donde “A” es la matriz de coeficientes, x es el vector de incógnitas y b el vector

de términos independientes.

La solución del sistema de ecuaciones es un conjunto de n

valores que satisfacen simultáneamente todas las ecuaciones.
Tanto en el método de Gauss-Seidel como en el de Jácobi, el valor que se le
dé al vector inicial carece de importancia, ya que el método convergirá a la
solución rápidamente no obstante que el vector inicial tenga valores muy
lejanos a la solución. Es por esto que se acostumbra a dar el vector 0 como
vector inicial.

En la solución de estos problemas pueden presentarse 3 casos:

1.- Solución única Sistema compatible

determinado.

2.- Más de una solución Sistema compatible e

indeterminado.

(Número infinito de soluciones)

3.- Sin solución Sistema incompatible.

Ilustrando el método de Gauss-Seidel con un sistema de ecuaciones de 3x3, si

el vector:

Es el vector aproximación a la solución x después de k iteraciones, entonces se

tiene que para la siguiente aproximación:

Para un sistema de n ecuaciones con n incógnitas se tiene la siguiente fórmula

(usando una notación más compacta):