FACULTAD DE INGENIERIA MECANICA Y ELECTRICA

METODO DE BISECCION
CURSO : METODOS NUMERICOS

DOCENTE : LIC. MAT. ELMER LLUEN CUMPA

ALUMNO : QUEREVALU AGURTO, KEVIN ARLEX

CODIGO : 082055 - J

Lambayeque, Julio del 2015

METODO DE BISECCION

Uno de los problemas básicos de la aproximación numérica: el problema de la búsqueda de raíces.

Consiste en obtener una raíz, o solución, de una ecuación de la forma f(x)=0 para una función dada f. (Al
número x se le llama también cero de f.) El problema de encontrar una aproximación a la raíz de una
ecuación se remonta por lo menos al año 1700 a.C. Una tabla cuneiforme pertenece a la Yale Babylonian
Collection, y que data de este periodo, da un número sexagesimal (base 60) equivalente a 1.414222 como
aproximación a √2, resultado que tiene una precisión de hasta 10−5.

La primera técnica, que se basa en el teorema del valor intermedio, se conoce con el nombre de Método
de Bisección o de búsqueda binaria. Supongamos que f es una función continua definida en el intervalo
[a,b] con f(a) y f(b) de signos diferentes. De acuerdo con el teorema del valor intermedio, existe un
número p en (a,b) tal que f(p)=0. Si bien el procedimiento se aplica aunque exista más de una raíz en el
intervalo (a,b), por razones de simplicidad suponemos que la raíz de este intervalo es única. El método
requiere dividir varias veces a la mitad los subintervalos de [a,b] y, en cada paso, localizar la mitad que
contenga a p.

Para empezar, supongamos que 𝑎1 = 𝑎 y 𝑏1 = 𝑏, y sea 𝑝1 el punto medio de [a,b]; es decir,

𝑏1 − 𝑎1 𝑎1 + 𝑏1
𝑝1 = 𝑎1 + =
2 2

Si 𝑓(𝑝1 ) = 0, entonces 𝑝 = 𝑝1 ; de no ser así, entonces 𝑓(𝑝1 ) tiene el mismo signo que 𝑓(𝑎1 ) 𝑜 𝑓(𝑏1 ). Si
𝑓(𝑝1 ) 𝑦 𝑓(𝑎1 ) tienen el mismo signo, entonces 𝑝 ∈ (𝑝1 , 𝑏1 ) y tomamos 𝑎2 = 𝑝1 𝑦 𝑏2 = 𝑏1 . Si 𝑓(𝑝1 ) 𝑦 𝑓(𝑎1 )
tienen signos opuestos, entonces 𝑝 ∈ (𝑎1 , 𝑝1 ) y tomamos 𝑎2 = 𝑎1 𝑦 𝑏2 = 𝑝1 .
Ejemplo 1

La ecuación 𝑓(𝑥) = 𝑥 3 + 4𝑥 2 − 10 = 0 tiene una raíz en [1,2], ya que 𝑓(1) = −5 𝑦 𝑓(2) = 14. El
algoritmo de Besección da los valores siguientes, en una tabla tenemos:

Después de 13 iteraciones, 𝑝13 = 1.365112305 aproxima la raíz p con un error de

|𝑝 − 𝑝13 | < |𝑏14 − 𝑎14 | = |1.365234375 − 1.365112305| = 0.000122070

Puesto que |𝑎14 | < |𝑝|,

|𝑝 − 𝑝13 | |𝑏14 − 𝑎14 |
< ≤ 9 ∗ 10−5 ,
|𝑝| |𝑎14 |
La aproximación será correcta al menos en 4 dígitos significativos. El valor correcto de p, con nueve cifras
decimales, es p=1.365230013. Observe que 𝑝9 está más cerca de p que la aproximación final 𝑝13 .
Podemos suponer que esto es verdad ya que |𝑓(𝑝9 )| < |𝑓(𝑝13 )|, pero no podemos verificarlo si no
tenemos la respuesta verdadera.
El método de bisección, aunque claro desde el punto de vista conceptual, ofrece inconvenientes
importantes, como el de converger lentamente (es decir, N puede volverse muy grande antes que |𝑝 − 𝑝𝑁 |
sea bastante pequeño).
La segunda técnica la veremos a continuación:
Supongamos que 𝑓 ∈ 𝐶[𝑎, 𝑏] 𝑦 𝑓(𝑎). 𝑓(𝑏) < 0. El método de bisección que se usa en el algoritmo
∞
siguiente, genera una sucesión {𝑝𝑛 } 𝑛=1 que aproxima a un cero de p de f, tal que

𝑏−𝑎
|𝑝𝑛 − 𝑝| ≤ , 𝑑𝑜𝑛𝑑𝑒 𝑛 ≥ 1.
2𝑛
Demostración Para cada 𝑛 ≥ 1, tenemos
(𝑏 − 𝑎)
𝑏𝑛 − 𝑎𝑛 = 𝑦 𝑝 ∈ (𝑎𝑛 , 𝑏𝑛 ).
2𝑛−1
1
Y como 𝑝𝑛 = 2 (𝑎𝑛 + 𝑏𝑛 ) para toda 𝑛 ≥ 1, se deduce que

1 𝑏−𝑎
|𝑝𝑛 − 𝑝| ≤ (𝑏𝑛 − 𝑎𝑛 ) = 𝑛
2 2
Ya que
𝑏−𝑎
|𝑝𝑛 − 𝑝| ≤
2𝑛
∞ 1
Esta desigualdad implica que {𝑝𝑛 } 𝑛=1 converge a p con una razón de convergencia 𝑂 ( 𝑛 ) ; es decir,
2

1
𝑝𝑛 = 𝑝 + 𝑂 ( 𝑛 )
2
Es importante señalar que la técnica descrita anteriormente da sólo una cota de error de aproximación y
que ésta puede ser extremadamente conservadora. Por ejemplo, cuando la aplicamos al ejemplo anterior
que garantiza lo siguiente
2−1
|𝑝 − 𝑝9 | < ≈ 2 ∗ 10−3 ,
29
Pero el error real es mucho menor:
|𝑝 − 𝑝9 | = |1.365230013 − 1.365234375| ≈ 4.4 ∗ 10−6

Ejemplo 2

Para determinar la cantidad de iteraciones necesarias para resolver 𝑓(𝑥) = 𝑥 3 + 4𝑥 2 − 10 con una
exactitud de 10−3 por medio de 𝑎1 = 1 𝑦 𝑏1 = 2 hay que encontrar un entero N que satisfaga
|𝑝𝑁 − 𝑝| ≤ 2−𝑁 (𝑏 − 𝑎) = 2−𝑁 < 10−3 .

Para determinar N usaremos logaritmos. Aunque se podrían usar logaritmos de cualquier base,
utilizaremos los de base 10, porque la tolerancia está dada como una potencia de 10. Puesto que 2−𝑁 <
10−3 implica que log10 2−𝑁 < log10 10−3 = −3, tendremos
3
−𝑁 log10 2 < −3 𝑦 𝑁 > ≈ 9.96
log10 2

Por tanto, se necesitan unas diez iteraciones para lograr una aproximación exacta dentro de 10−3 .