Conceptos Previos

Ecuacin Algebraica

Una ecuacin es una igualdad entre dos expresiones algebraicas,

denominadas miembros, en las que aparecen valores conocidos o datos,
y desconocidos o incgnitas, relacionados mediante operaciones
matemticas. Los valores conocidos pueden ser nmeros, coeficientes o
constantes; y tambinvariables cuya magnitud se haya establecido
como resultado de otras operaciones.

Ecuacin Trascendente
Una ecuacin trascendente es una igualdad entre dos expresiones
matemticas en las que aparecen una o ms incgnitas relacionadas
mediante operaciones matemticas, que no son nicamente algebraicas,
y cuya solucin no puede obtenerse empleando solo las herramientas
propias del lgebra.
El trmino trascendente se refiere a que la ecuacin o su resolucin va
ms all del lgebra; trasciende el lgebra. Una ecuacin f(x)=g(x) es
trascendente, si por lo menos una de las funciones no es algebraica. Son
ejemplos de estas ecuaciones son las exponenciales, logartmicas,
trigonomtricas, hiperblicas.

En general, las ecuaciones trascendentes slo pueden resolverse en

forma aproximada.

Las soluciones de muchas ecuaciones trascendentes se han obtenido

tradicionalmente (antes de la aparicin de los ordenadores) por mtodos
numricos, aproximando la solucin mediante iteraciones sucesivas.
La raz de una ecuacin: es aquel valor de la variable independiente que
hace que el resultado de la ecuacin sea cero o por lo menos se acerque a
cero con una cierto grado de aproximacin deseado (error mximo
permitido).
1.1 Bsqueda de valores iniciales. Tabulacin y
Graficacin.
En esta unidad se utilizan algunas de las Tcnicas ms sencillas para la
obtencin de una races de una ecuacin, una de las mas simples se basa
en el hecho de que una funcin cambia de signo en la vecindad de una
raz. A estas tcnicas se les llama mtodos cerrados, o de intervalos,
porque se necesita de dos valores iniciales (o condiciones iniciales a
y b) para la raz. Como su nombre lo indica, dichos valores iniciales deben
encerrar, o estar a ambos lados de la raz. Los mtodos particulares
descritos aqu emplean diferentes estrategias para reducir
sistemticamente a travs de iteraciones sucesivas el tamao del
intervalo y as converger a la respuesta correcta.

Como prembulo de estas tcnicas se analizarn los mtodos grficos para

representar tanto las funciones como sus races. Adems de la utilidad de
los mtodos grficos para determinar valores iniciales, tambin son tiles
para visualizar las propiedades de las funciones y el comportamiento de los
diversos mtodos numricos.
Su caracterstica fundamental es que se elige un intervalo [a, b] dentro
del cual se encuentre la raz buscada. No hay una regla a seguir para la
seleccin de este intervalo, sin embargo, se debe cumplir que en los
extremos del intervalo la funcin cambie de signo lo cual que equivale a
que: f(a)*f(b) < 0.

Una primera aproximacin a la solucin se logra al elaborar un modelo

grafico de la ecuacin y a partir de el, por simple inspeccin, seleccionar
el intervalo mas adecuado y posteriormente tabularlos, lo cual nos
permitir identificar la raz.
Formas generales en que puede ocurrir una raz en un intervalo prescrito
por los lmites inferior xl y superior xu.

Las figuras a) y c) muestran que si f(xl) y f(xu) tienen el mismo signo,

entonces no habr races dentro del intervalo o habr un nmero par de
ellas. Las figuras b) y d) muestran que si la funcin tiene signos
diferentes en los puntos extremos, entonces habr un nmero impar de
races dentro del intervalo.
Clasificacin de los mtodos numricos para obtener las races de
ecuaciones algebraicas y trascendentes.

A partir de la forma en que se proporciona un valor inicial de una raz a

cada mtodo se establecen dos clasificaciones generales:

Mtodos cerrados (o de intervalo). Son aquellos que requieren de un

intervalo cerrado de valores de la variable independiente en el cual esta
incluida una o mas races, entre los mtodos destacan Biseccin e
interpolacin lineal o regla falsa

Mtodos abiertos (de punto fijo) . Son aquellos que solamente

requieren un valor inicial lo mas cercano posible a la raz, entre los
mtodos abiertos destacan el mtodo de las tanquetas o Newton-Raphson,
Aproximaciones sucesivas y Factores Cuadrticos
MTODOS PARA HALLAR RACES

Los mtodos para hallar races son mtodos iterativos, o sea son
mtodos cuyo proceso se repite varias veces. La cantidad de veces es
indeterminado por lo cual se debe tener criterios para poder detenerse
y saber si se hallo o no lasolucin con el mtodo.

Estos criterios son:

1. Que la funcin evaluada en el valor hallado sea igual o se

aproxime a cero.
2.Que el error (absoluto o relativo) tienda a cero (el cual se
calcula con el valor actual y el valor obtenido en el paso
anterior)
3.Que se realice una gran cantidad de iteraciones y el mtodo
no converja

Si se cumple las dos primeras condiciones se dice que se hallo

la raz y es el ltimo valor de x hallado.
Mtodo grfico.

Lo esencial en este mtodo es poder construir un modelo grafico de la

ecuacin y luego por inspeccin estimar una aproximacin a la raz.

El mayor inconveniente de este mtodo es su poca precisin y exactitud.

Sin embargo, hoy da se cuenta con excelentes herramientas de software
para realizar rpidamente graficas con un alto grado de realismo. El primer
problema a resolver es .que intervalo usar para construir la grafica? No hay
regla que nos diga como hacerlo, por eso lo mejor es probar con varios
intervalos hasta encontrar el mas adecuado, no obstante es importante
considerar las caractersticas particulares del problema que vamos a
resolver, ya que eso nos dar una idea del rango de posibles soluciones,
por ejemplo si queremos hallar una magnitud fsica como velocidad,
distancia, masa, etc., sabemos que no tiene sentido probar con valores
negativos, por lo tanto podemos graficar rangos a partir de cero.
Ejemplo Mtodo grfico.

Utilice el mtodo grfico para determinar el coeficiente de arrastre c

necesario para que un paracaidista de masa m = 68.1 kg tenga una
velocidad de 40 m/s despus de una cada libre de t = 10 s.

Nota: La aceleracin de la gravedad es 9.8 m/s2.

Este problema se resuelve determinando la raz de la ecuacin

anterior usando los parmetros t = 10, g = 9.8, v = 40 y m = 68.1

(1 - ) -

(1 - ) - 40

(1 - ) - 40
La formula anterior se define matemticamente como el nombre de
funcin y los valores de c (incgnita) son los valores de la raz, los cuales
se proponen de forma practica en intervalos con incremento de 4. Al
realizar la sustitucin de los valores iniciales en la funcin obtenemos la
siguiente tabla.

Estos puntos se grafican en la figura 2.1 y la curva resultante cruza el

eje c entre 12 y 16.
La validez de la aproximacin visual se verifica sustituyendo su valor en
la ecuacin anterior

(1 - ) - 40

(1 - ) 40 = 0.059

Para obtener que est cercano a cero. Tambin se verifica por sustitucin
en la ecuacin

(1 - ) = 40.059

junto con el valor de los parmetros de este ejemplo para dar que es
muy cercano a la velocidad de cada deseada de 40 m/s.
Conclusin del mtodo:

Las tcnicas grficas tienen un valor prctico limitado,

ya que no son precisas. Sin embargo, los mtodos
grficos se utilizan para obtener aproximaciones de la
raz.

Las interpretaciones grficas, adems de proporcionar

estimaciones de la raz, son herramientas importantes
en la comprensin de las propiedades de las funciones y
en la prevencin de las fallas de los mtodos numricos.
2.2 Mtodos cerrados y sus interpretaciones geomtricas
(biseccin y regla falsa).

Cuando se aplicaron las tcnicas grficas en el ejemplo anterior, se

observ en la figura 2.1 que f(x) cambi de signo a ambos lados de la
raz. En general, si f(x) es real y contina en el intervalo que va desde
xl hasta xu y f(xl) y f(xu) tienen signos opuestos, es decir,

f(xl) f(xu) < 0 ejemplo (-0.5)(1.54) < 0

Entonces hay al menos una raz real entre xl y 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.
EL MTODO DE BISECCIN

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
En aproximacin.
la figura 2.2 se presenta un algoritmo sencillo para los clculos
de la biseccin, mientras que en la figura 2.3 visualizamos
grficamente lo que sucede con los intervalos.
 Fig. 2.2 algoritmo para los clculos de biseccin.

Ec. 1

Xl= Valor inicial inferior

Xu= Valor inicial superior
Xr= la estimacin inicial de la raz
En la figura 2.3 se muestra una representacin grfica del mtodo.

Una representacin grfica del mtodo de biseccin. La grfica

presenta las primeras tres iteraciones del ejemplo
EJEMPLO DE BISECCIN

Planteamiento del problema. Emplee el mtodo de biseccin para

resolver el mismo problema que se resolvi usando el mtodo grfico del
ejemplo 2.1.
Solucin. El PASO 1 del mtodo de biseccin consiste en asignar dos
valores iniciales a la incgnita (en este problema, c coeficiente de
resistencia) que den valores de f(c) con diferentes signos.

En la figura 5.1 se observa que la funcin cambia de signo entre los

valores 12 y 16. Por lo tanto, la estimacin inicial de la raz xr se
encontrar en el punto medio del intervalo mediante el PASO 2
Dicha aproximacin representa un error relativo porcentual verdadero de
Et = 5.3 %
(note que el valor verdadero de la raz es 14.7802). A continuacin
calculamos el producto de los valores en la funcin en un lmite inferior
Vverdadero - Vaproximado 14.7802- x 100= 5.3 %
12 y en el punto medio 14:
Et=
Vverdadero x Et= 14
14.7802
100

El producto de ambas funciones es mayor a cero y, por lo tanto, no ocurre

cambio de signo entre el lmite inferior y el punto medio PASO 3 B). En
consecuencia, la raz debe estar localizada entre 14 y 16. Entonces, se
crea un nuevo intervalo redefiniendo el lmite inferior como 14 y
determinando una nueva aproximacin corregida de la raz

la cual representa un error porcentual verdadero Et = 1.5%. Este

proceso se repite para obtener una mejor aproximacin.
14.7802- x 100= -1.48 %
Et= 15
14.7802
Por lo tanto, la raz est entre 14 y 15. El lmite superior se redefine como
15 y la raz estimada para la tercera iteracin se calcula as:

que representa un error relativo porcentual Et = 1.9%. Este mtodo se

repite hasta que el resultado sea suficientemente exacto para satisfacer
sus necesidades.
En el ejemplo anterior, se observa que el error verdadero disminuye de
forma muy lenta con cada iteracin. Sin embargo, el intervalo donde se
localiza la raz se divide a la mitad en cada paso del proceso.

Terminamos el ejemplo diciendo que el mtodo se repite para obtener

una aproximacin ms exacta de la raz. Ahora se debe desarrollar un
criterio objetivo para decidir cundo debe terminar el mtodo.
Una sugerencia inicial sera finalizar el clculo cuando el error verdadero
se encuentre por debajo de algn nivel prefijado.

Por lo tanto, se requiere estimar el error de forma tal que no se necesite

el conocimiento previo de la raz. Como se vio previamente en la unidad
anterior, se puede calcular el error aproximado porcentual de la siguiente
manera

Ea = aproximacin actual aproximacin anterior

aproximacin actual

Ec.
2.2
Se utiliza el valor absoluto, ya que por lo general importa slo la
magnitud de Ea sin considerar su signo. Cuando Ea es menor que un valor
previamente fijado Es, termina el clculo.

Contine con el ejemplo anterior hasta que el error aproximado sea

menor que el criterio de terminacin de Es= 0.5%. Use la ecuacin
anterior para calcular los errores.

Los resultados de las primeras dos iteraciones en el ejemplo anterior

fueron 14 y 15. Sustituyendo estos valores en la ecuacin para
determinar el error se obtiene

El error relativo porcentual para la raz estimada de 15 fue 1.5%. Por lo

tanto, Ea es mayor a Et. Este comportamiento se manifiesta la vaciar
todos los datos de las operaciones en forma de tabla y se observa en la
medida que se realizan las otras iteraciones.
 Xl= Valor inicial inferior
Xu= Valor inicial superior
Xr= la estimacin inicial de la ra

Ea = 0.422 < Es= 0.5%.

La naturaleza desigual del error verdadero se debe a que, en el mtodo

de la biseccin, la raz exacta se encuentra en cualquier lugar dentro del
intervalo cerrado. Los errores verdadero y aproximado quedan distantes
cuando el intervalo est centrado sobre la raz verdadera. Ellos estn
cercanos cuando la raz verdadera se halla en cualquier extremo del
intervalo.
 Figura 2.3 Errores en el mtodo de biseccin.
Los errores verdadero y aproximado se grafican contra el nmero de
iteraciones.
Formulacin alternativa para la aproximacin del error relativo porcentual

XU - X l 16 - 12
Ea= x Ea= x 100 =
X + Xl 16 + 12
100 U 14.29%

Ejercicio tarea libreta: Calcular las iteraciones y llenar la tabulacin

realizada en clase
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.

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

de xl a xu en mitades iguales, no se toman en consideracin las
magnitudes de f(xl) y f(xu). Por ejemplo, si f(xl) est mucho ms cercana
a cero que f(xu), es lgico que la raz se encuentre ms cerca de x l que
de xu (Figura 2.4).

Un mtodo alternativo que aprovecha esta visualizacin grfica consiste

en unir f(xlower) y f(xupper) con una lnea recta. La interseccin de esta
lnea con el eje de las x 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. Este mtodo tambin se le conoce como mtodo
 Fig. 2.4 Representacin grfica del mtodo de la falsa posicin.
Usando el anlisis geomtrico de los tringulos semejantes (figura 2.4)
deducimos la formula de la falsa posicin y encontramos la
interseccin de la lnea recta con el eje de las x se estima mediante
(Xl) (XU)
Ec.
Xr - Xl =
Xr - XU 2.4
en la cual se despeja
Xr

Ec.
2.5

sta es la frmula de la falsa posicin. El valor de X r calculado con la

ecuacin anterior reemplazar, despus, a cualquiera de los dos
valores iniciales, Xl o Xu, y da un valor de la funcin con el mismo
signo de f(Xr). El proceso se repite hasta que la aproximacin a la raz
sea adecuada. El algoritmo es idntico al de la biseccin (figura 2.2),
excepto que se utiliza a ecuacin anteriormente descrita (Ec. 2.5).
 Fig. 2.2

Xl= Valor inicial inferior

Xu= Valor inicial superior
Xr= la estimacin inicial de la raz
 EJEMPLO

Planteamiento del problema. Con el mtodo de la falsa posicin

determine la raz
de la misma ecuacin analizada en el ejemplo1

(1 - ) - 40

f(Xl) f(Xr) = 13.7660

Solucin. Como en el mtodo de biseccin se empieza el clculo con

los valores iniciales
Xl=12 y Xu = 16.
l= 12 (xl) = 6.0699
x
Primera iteracin:
xu= 16 (xu) = 2.2688
Xr= 14.9113
Et = 0.89 por
ciento.
(Valor real 14.7802)
Segunda iteracin:

La raz se encuentra en el primer subintervalo y X r se vuelve ahora el

lmite superior para la siguiente iteracin, Xu = 14.9113:

Xl = 12 f(Xl) = 6.0699
Xu = 14.9113 f(Xu) = 0.2543

f(Xl) f(Xr) = 1.5436

La estimacin inicial de la raz (Xr) tiene ahora errores relativo verdadero y

aproximado de Et = 0.09 % y Ea = 0.79 %. Es posible a criterio del
alumno realizar iteraciones adicionales para hacer una mejor
aproximacin de las races.
Figura 2.5 Comparacin de los errores relativos de los mtodos de
biseccin y de la falsa posicin.
Desventajas del mtodo de la falsa posicin

Aunque el mtodo de la falsa posicin parecera ser siempre la mejor

opcin entre los mtodos cerrados, hay casos donde funciona de manera
deficiente. En efecto, como en el ejemplo siguiente, hay ciertos casos
donde el mtodo de biseccin ofrece mejores resultados.

Un caso en el que la biseccin es preferible a la falsa posicin

Planteamiento del problema. Con los mtodos de biseccin y de falsa

posicin localice la raz dela siguiente funcin en los intervalos Xl =0 y X u
= 1.3
Realizar ejercicio y entregar en libreta en la clase siguiente

Solucin. Usando biseccin, los resultados se resumen como sigue

De esta manera, despus de cinco iteraciones, el error verdadero se

reduce a menos del 2%. Con la falsa posicin se obtienen resultados muy
diferentes:
La figura 2.6. Grafica de la funcin f(x) = x10 1, ilustrando la lentitud de
convergencia del mtodo de la falsa posicin.
TAREA 2.1

Determine las races reales de f(x) = 0.5x2 + 2.5x + 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

xl = 5 y xu = 10. Calcule Ea y Et para cada iteracin.
TAREA 2.1
Suponga que est diseando un tanque esfrico para almacenar
combustible para una planta de almacenamiento. El volumen de lquido
que puede contener se calcula con

donde V = volumen [m3], h = profundidad del liquido en el tanque

[m], y
R = radio del tanque [m].

Si R = 3m, a qu profundidad debe llenarse

el tanque de modo que contenga 30 m3? Haga
tres iteraciones con el mtodo de la falsa
posicin a fin de obtener la respuesta.
Determine el error relativo aproximado
despus de cada iteracin.
2.3 Mtodos abiertos y sus interpretaciones geomtricas
as como sus criterios de
convergencia (Newton-Raphson, secante).
En los mtodos cerrados del subtema anterior la raz se encuentra dentro
de un intervalo predeterminado por un lmite inferior y otro superior. La
aplicacin repetida de estos mtodos siempre genera aproximaciones cada
vez ms cercanas a la raz. Se dice que tales mtodos son convergentes
porque se acercan progresivamente a la raz a medida que se avanza en el
clculo (figura 2.7a).
En contraste, los mtodos abiertos descritos en este subtema se basan
en frmulas que requieren nicamente de un solo valor de inicio x o que
empiecen con un par de ellos, pero que no necesariamente encierran la
raz. stos, algunas veces divergen o se alejan de la raz verdadera a
medida que se avanza en el clculo (figura 2.7b). Sin embargo, cuando
los mtodos abiertos convergen (figura 2.7c), en general lo hacen
mucho ms rpido que los mtodos cerrados.

Se utiliza una frmula para dirigirse de Xi a Xi+1, con un esquema

iterativo. As, el mtodo puede b) diverge o c) converge rpidamente,
dependiendo de los valores iniciales.
Mtodo de Newton Raphson
La frmula de Newton-Rapson es la ms ampliamente utilizada para
determinar races. Si el valor inicial para la raz es Xi, entonces se puede
trazar una tangente desde el punto [Xi, f(Xi)] de la curva.

Por lo comn, el punto donde esta tangente cruza al eje x representa una
aproximacin mejorada de la raz. El mtodo de Newton-Raphson se
deduce a partir de esta interpretacin geomtrica, de la figura 2.8, se tiene
que la primera derivada en x es equivalente a la pendiente:

que se arregla para obtener

Ec. 2.8

la cual se conoce como frmula de Newton-Raphson.

Concepto Adicional: La Pendiente

Pendiente: Es la ecuacin de una recta (o coeficiente angular) como caso

particular de la tangente a una curva, en cuyo caso representa la derivada
de la funcin en el punto considerado.
Ejemplo:

Utilice el mtodo de Newton-Raphson para calcular la raz de f(x) = ex

x empleando como valor inicial x0 = 0.

Solucin. Aplicando la formula de NR, la primera derivada de la

funcin es la siguiente.

f(x) = -x 1

que se sustituye, junto con la funcin original en la ecuacin 2.8 , para

tener xi X
i
Xi +1 = Xi
xi
1

Formulas de
Derivacin.
Empezando con un valor inicial x0 = 0, se aplica esta ecuacin iterativa
para calcular

As, el mtodo converge rpidamente a la raz verdadera. Observe que el

error relativo porcentual verdadero en cada iteracin disminuye
rpidamente con este mtodo, se recomienda al alumno calcular
adicionalmente el error aproximado y observar su evolucin.
Anlisis de error en el mtodo de Newton-Raphson

Planteamiento del problema.

El mtodo de Newton-Raphson es convergente en forma cuadrtica. Es

decir, el error es proporcional al cuadrado del error anterior:

Ec. 2.9

Examine esta frmula y observe si concuerda con los resultados del

ejemplo anterior

Solucin
La primera derivada de f(x) = ex x es:

f(x) = -x 1
que se evala en i4 ( Xr = 0.567143290) para dar (0.56714329) =
1.56714329, al sustituir el valor de X en la funcin, despus la segunda
derivada es:

f(x) = x

la cual se evala como (0.56714329) = 0.56714329. Estos resultados

se sustituyen en la ecuacin inicial para calcular el error en el mtodo.

En el ejemplo para calcular la raz por Newton Raphson, el error inicial fue
Et0 = 0.56714329, (dado que Xr era igual a 0) el cual se sustituye en la
ecuacin de error que Epredice
t0= 0.56714329 - 0
que es cercano al error verdadero de 0.06714329. En la siguiente iteracin,
Et1= 0.56714329
0.500000000

que tambin se compara de manera favorable con el error verdadero

0.0008323. Para la tercera iteracin,

que es el error obtenido en el ejemplo anterior. As, la estimacin del error

mejora, ya que conforme nos acercamos a la raz, finalmente:

As, este ejemplo ilustra que el error en el

mtodo de Newton-Raphson para este caso
es, de hecho, proporcional (por un factor de
0.18095) al cuadrado del error en la iteracin
anterior.
Desventajas del mtodo:
Aunque en general el mtodo de Newton-Raphson es muy eficiente, hay
situaciones donde se comporta de manera deficiente, como en el caso de
ecuaciones donde debemos determinar races dobles en ecuaciones, el
cual es un caso ms profundo de estudio, pero para el caso de races
simples es un herramienta rpida para obtener un resultado aproximado
Concepto Adicional: La Secante

Que es una secante?

Es una recta que corta a una curva en 2 puntos. Conforme estos puntos
se acercan y su distancia se reduce a cero, la recta adquiere el nombre de
recta tangente.
Mtodo de la secante

Un problema potencial en la implementacin del mtodo de Newton-

Raphson 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 figura 2.9
Fig 2.9 Representacin grfica del mtodo de la secante. Esta tcnica
es similar a la del mtodo de Newton-Raphson en el sentido de que
una aproximacin de la raz se predice extrapolando una tangente de
la funcin hasta el eje x. Sin embargo, el mtodo de la secante usa
una diferencia dividida en lugar de una derivada para estimar la
Esta aproximacin se sustituye en la ecuacin de la derivada (2.8) para
obtener la siguiente ecuacin iterativa:

Ec. 2.9

La ecuacin (2.9) es la frmula para el mtodo de la secante. Observe

que el mtodo requiere de dos valores iniciales de x. Sin embargo,
debido a que no se necesita que f(x) cambie de signo entre los valores
dados, este mtodo no se clasifica como un mtodo cerrado.
Ejemplo del mtodo

Con el mtodo de la secante calcule la raz de f(x) = ex x. Comience

con los valores iniciales x1 = 0 y x0 = 1.0.

Solucin. Recuerde que la raz real es 0.56714329...

Primera iteracin:
Segunda iteracin:

(Note que ambas aproximaciones se encuentran del mismo lado de

la raz.)
Tercera iteracin:

Cuarta iteracin:

- Actividad para realizar en casa.

Comparacin entre los mtodos de la falsa posicin y de la secante. Las primeras
iteraciones para una ecuacin F(x)= Inx a) y b) de ambos mtodos son idnticas. No
obstante, en las segundas iteraciones c) y d), los puntos usados son diferentes. En
consecuencia, el mtodo de la secante llega a diverger, como se indica en d).
Siempre es recomendable hacer una comprobacin mediante un mtodo auxiliar, ya
que, lo que es una debilidad en uno, es una fortaleza respecto a otro.
Comparativa entre mtodos.

Mtodo de Falsa Posicin

Mtodo de la Secante
TAREA 2.2
Suponga que est diseando un tanque esfrico para almacenar
combustible para una planta de almacenamiento. El volumen de lquido
que puede contener se calcula con

donde V = volumen [m3], h = profundidad del liquido en el tanque

[m], y
R = radio del tanque [m].

Si R = 3m, a qu profundidad debe llenarse

el tanque de modo que contenga 30 m3? Haga
tres iteraciones del mtodo de Newton-
Raphson para determinar la respuesta.
Encuentre el error relativo verdadero y
aproximado despus de cada iteracin.
Observe que el valor inicial de R converger
siempre.