SOLUCION DE

ECUACIONES
ECUACIONES LINEALES Y NO
LINEALES
INTRODUCCION
Se estudiarn diversos mtodos para resolver
ecuaciones no lineales de una sola incgnita, f(x) = 0
aprovechando los conceptos bsicos del clculo las
posibilidades grficas y de cmputo de la tecnologa
moderna.
El propsito de este captulo es que se cuente con los
elementos bsicos, computacionales y de criterio,
apropiados para resolver el problema algebraico clsico
de encontrar las races reales y complejas de una funcin
f(x) = 0, en donde las tcnicas clsicas de despejar la
incgnita no sean aplicables o bien resulten imprcticas.
Es importante sealar lo difcil que resulta pensar en un
tpico de matemtica o ingeniera que no involucre
ecuaciones de esta naturaleza.
OBJETIVOS Y METAS
Al final del captulo se debe tener la
suficiente informacin para abordar con
xito una amplia variedad de problemas
de ingeniera, relacionados con las races
de ecuaciones.
En general, se dominarn las tcnicas y
se habr aprendido a determinar su
confiabilidad y se tendr la capacidad de
elegir el mejor mtodo (o mtodos) para
cualquier problema particular.
OBJETIVOS DE
COMPUTO
Se proporcionarn software y algoritmos
sencillos para implementar las tcnicas
analizadas.
Todos tienen utilidad como herramientas
del aprendizaje.
Se presentarn directamente
seudocdigos para varios mtodos
explicados en el captulo.
Se aprender a realizar o crear sus
propios programas para los distintos
mtodos aprendido utilizando el
programa MATLAB.
 MOTIVACION
esde hace aos aprendimos a usar la frmula cuadrtica:

(1)

Para resolver la siguiente ecuacin cuadrtica: (2)

los valores calculados con la ecuacin (1) se les llama las races de la ecuaci
2), que representan los valores de x que hacen a la ecuacin (2) igual a cero.

r lo tanto, se define la raz de una ecuacin como el valor de x que hace f(x) = 0
ebido a esto, algunas veces a las races se les conoce como ceros de la ecuacin

Aunque la frmula cuadrtica es til para resolver la ecuacin (2), existen

muchas funciones donde las races no se pueden determinar tan fcilmente.
estos casos, los mtodos numricos descritos en siguientes proporcionan med
cientes para obtener la respuesta.
SOLUCION ANTES DE
LAS COMPUTADORAS
Antes de la llegada de las computadoras digitales se
dispona de una serie de mtodos para encontrar las
races de ecuaciones algebraicas y trascendentes.
En algunos casos, las races se obtenan con mtodos
directos, como se hace con la ecuacin (1).
Sin embargo existen ecuaciones como sta que se
resuelven directamente y aparecen muchas ms en
las que no es posible encontrar su solucin.
Por ejemplo, incluso una funcin tan simple como f(x)
= ex x no se puede resolver en forma analtica.
En tales casos, la nica alternativa es una tcnica con
solucin aproximada.
SOLUCION ANTES DE
LAS COMPUTADORAS
Un mtodo para obtener una solucin aproximada consiste en
graficar la funcin y determinar dnde cruza el eje de las x.
Este punto, que representa el valor de x para el cual f(x) = 0,
es la raz.
Aunque los mtodos grficos son tiles en la obtencin de
estimaciones de las races, tienen el inconveniente de que son
poco precisos.
Un mtodo alternativo es el de prueba y error. Esta tcnica
consiste en elegir un valor de x y evaluar si f(x) es cero.
Si no es as (como suceder en la mayora de los casos) se
hace otra eleccin y se evala nuevamente f(x) para
determinar si el nuevo valor ofrece una mejor aproximacin de
la raz.
El proceso se repite hasta que se obtenga un valor que
proporcione una f(x) cercana a cero.
FORMAS DE HALLAR
LAS RAICES
Los mtodos numricos estndares para encontrar
races se encuentran en dos reas de problemas
relacionados, pero fundamentalmente distintos:
1. La determinacin de races reales de ecuaciones
algebraicas y trascendentes. Dichas tcnicas se
disearon para determinar el valor de una sola raz real
basndose en un conocimiento previo de su posicin
aproximada.
2. La determinacin de todas las races reales y complejas
de polinomios. Estos mtodos estn diseados
especialmente para polinomios; determinan
sistemticamente todas las races del polinomio en lugar
de slo una raz real dada una posicin aproximada
MTODOS GRFICOS
Un mtodo simple para obtener una
aproximacin a la raz de la ecuacin f(x)
= 0 consiste en graficar la funcin y
observar dnde cruza el eje x.
Este punto, que representa el valor de x
para el cual f(x) = 0, ofrece una
aproximacin inicial de la raz.
 UN EJEMPLO PARA
INICIAR
nteamiento del problema. Utilice el mtodo grfico para determinar el coefic
arrastre c necesario para que un paracaidista de masa m = 68.1 kg tenga una ve
ad de 40 m/s despus de una cada libre de t = 10s. Nota: La aceleracin de la
vedad es 9.8 m/s2.

olucin. Este problema se resuelve determinando la raz de la ecuacin:

Reacomodando la funcin para despejar c:

lo tanto, el valor de c que hace f(c) = 0 es la raz de la ecuacin. Este valor tamb
resenta el coeficiente de arrastre que resuelve el problema.

sando los parmetros t = 10, g = 9.8, v = 40 y m = 68.1:

o
 EJEMPLO 1 - PARA
INICIAR
iversos valores de c pueden sustituirse en el lado derecho de esta ecuacin para
alcular
Segn el grfico mostrado,
la curva resultante cruza
el eje c entre 12 y 16.
Un vistazo a la grfica
proporciona una aproximacin
a la raz de 14.75.
Tabla de valores de f(c) La validez de la aproximacin
Para distintos valores de c visual se verifica sustituyendo
su valor en la ecuacin

que est cercano a cero.

MTODOS GRFICOS
Las tcnicas grficas tienen un valor
prctico limitado, ya que no son exactas.
Sin embargo, los mtodos grficos se
utilizan para obtener aproximaciones de
la raz.
Dichas aproximaciones se pueden usar
como valores iniciales en los mtodos
numricos utilizados para encontrar las
races de una ecuacin.
Entre esos mtodos se tienen el de la
biseccin y el punto falso.
MTODOS GRFICOS
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.
Por ejemplo, la siguiente figura muestra
algunas de las formas en las que la raz
puede encontrarse (o no encontrarse) en
un intervalo definido por un lmite inferior
xl y un lmite superior xu.
MTODOS GRFICOS
La figura b representa el caso en que
una sola raz est acotada por los
valores positivo y negativo de f(x).
Sin embargo, la figura d, donde f(xl)
y f(xu) estn tambin en lados opuestos
del eje x, muestra tres races que se
presentan en ese intervalo.
En general, si f(xl) y f(xu) tienen
signos opuestos, existe un nmero
impar de races en el intervalo.

Como se indica en las figuras a y c, si f(xl) y

f(xu) tienen el mismo signo, no hay races o
hay un nmero par de ellas entre los
valores.
 USO DE COMPUTADORA
PARA ENCONTRAR LAS
RAICES
Planteamiento del problema. Las grficas
por computadora facilitan y mejoran la
localizacin de las races de una ecuacin.
La funcin: f(x) = sen(10x)
+ cos(3x)
tiene varias races en el rango que va de x = 0 a x = 5.
Utilice grficas por computadora para comprender mejor el
comportamiento de esta funcin.
 USO DE COMPUTADORA
PARA ENCONTRAR LAS
RAICES
ificacin progresiva de f(x) = sen 10x + cos 3x mediante la computad
s grficas interactivas le permiten al analista determinar que existen dos
s distintas entre x = 4.2 y x = 4.3.
MTODO DE LA
BISECCIN
Cuando
se aplicaron las tcnicas grficas en el
ejemplo anterior, se observ segn la figura, 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,

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.
MTODO DE LA
BISECCIN
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.
MTODO DE LA
BISECCIN
PROCEDIMIENTO:
1. Elija valores iniciales inferior, xl, y superior, xu, que encierren la
raz, de forma al que la funcin cambie de signo en el intervalo.
Esto se verifica comprobando que f(xl).f(xu) < 0.
2. Una aproximacin de la raz xr se determina mediante: xr = (xl +
xu)/2
3. Realizar las siguientes evaluaciones para determinar en qu
subintervalo est la raz:
a) Si f(xl)f(xr) < 0, entonces la raz se encuentra dentro del subintervalo
inferior o izquierdo. Por lo tanto, hacer xu = xr y volver al paso 2.
b) Si f(xl)f(xr) > 0, entonces la raz se encuentra dentro del subintervalo
superior o derecho. Por lo tanto, hacer xu = xr y volver al paso 2.
c) Si f(xl)f(xr) = 0, la raz es igual a x r ; termina el clculo.
EJEMPLO 2 - Biseccin
Planteamiento del problema. Emplee
el mtodo de biseccin para resolver el
mismo problema que se resolvi usando
el mtodo grfico del ejemplo 1
Una representacin grfica
del mtodo de biseccin. La
grfica presenta las primeras
tres iteraciones del ejemplo.
CRITERIOS DE PARO Y
ESTIMACIONES DE ERRORES
Ahora se debe desarrollar un criterio objetivo
para decidir cundo debe terminar el mtodo.
Puede decidirse que el mtodo termina cuando
se alcance un error ms bajo, por ejemplo, al
0.1%.
Dicha estrategia es inconveniente, ya que la
estimacin del error en el ejemplo anterior se
bas en el conocimiento del valor verdadero de
la raz de la funcin.
ste no es el caso de una situacin real, ya que
no habra motivo para utilizar el mtodo si se
conoce la raz.
CRITERIOS DE PARO Y
ESTIMACIONES DE ERRORES
Por
lo tanto, se requiere estimar el error de forma tal
que no se necesite el conocimiento previo de la raz.
Se puede calcular el error relativo porcentual a de la
siguiente manera:

Donde es la raiz de la iteracin actual y es el valor

de la raiz de la iteracin anterior.
Se utiliza el valor absoluto, ya que por lo general
importa slo la magnitud de sin considerar su signo.
Cuando es menor que un valor previamente fijado ,
termina el clculo.
EJEMPLO 3 - Estimacin
del error en la biseccin
Planteamiento del problema.
Contine con el ejemplo anterior hasta
que el error aproximado sea menor que
el criterio de terminacin de = 0.5%.
Solucin. Los resultados de las primeras
dos iteraciones en el ejemplo 3 fueron 14
y 15. Sustituyendo estos valores en la
ecuacin (2) se obtiene
 EJEMPLO - Estimacin
del error en la biseccin
Llenando el siguiente recuadro:

As, despus de seis iteraciones finalmente est por

debajo de = 0.5%, y el clculo puede terminar.
EJEMPLO 4 - Estimacin
del error en la biseccin
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
Errores en el mtodo de biseccin. Los
cualquier extremo del
errores verdadero y aproximado se grafican
ESTIMACIONES DE
ERRORES
Tres formas en que un intervalo
puede encerrar a la raz.
a) el valor verdadero est en el
centro del intervalo.
b) Y c) el valor verdadero est cerca
de los extremos. Observar que la
diferencia entre el valor
verdadero y el punto medio del
intervalo jams sobrepasa la
longitud media del intervalo, o
x/2.

Representacin grfica de por

qu la estimacin del error
para el mtodo de biseccin
(x/2) es equivalente a la raz
estimada en la iteracin actual
() menos la raz aproximada
en la iteracin anterior ().
 PREVIOS AL ALGORITMO
DE LA BISECCION
ntes de utilizar el programa de computadora para la biseccin, debemos observa
ue las siguientes relaciones:

puede sustituirse en la ecuacin (2) para desarrollar una formulacin alternativa

aproximacin del error relativo porcentual:

(3)

sta ecuacin resulta idntica a la ecuacin (2) para la biseccin. Adems, permit
alcular el error basndose en nuestros valores iniciales; es decir, en la primera
eracin.
or ejemplo, en la primera iteracin del ejemplo 2, el error aproximado se calcula
omo:
PREVIOS AL ALGORITMO
DE LA BISECCION
Otro beneficio del mtodo de biseccin es que el nmero de
iteraciones requerido
para obtener un error absoluto se calcula a priori.
Esto es, antes de empezar las iteraciones, donde se observa que
antes de empezar esta tcnica, el error absoluto es:

donde los superndices definen la iteracin. Por lo tanto, antes de

empezar el mtodo se tiene la iteracin cero. Despus de la
primera iteracin el error ser:

Debido a que en cada iteracin se reduce el error a la mitad, la

frmula general que relaciona el error y el nmero de iteraciones,
n, es: (4)
 PREVIOS AL ALGORITMO
DE LA BISECCION
Si Ea,d es el error deseado, en esta ecuacin se despeja:

(5)

robemos la frmula. En el ejemplo anterior, el intervalo inicial fue x0 = 16 12

espus de seis iteraciones, el error absoluto era:

Si se sustituyen esos valores en la ecuacin (5) resulta:

Entonces, si se sabe de antemano que un error menor a

0.0625 es aceptable, la frmula indica que con seis
iteraciones se consigue el resultado deseado.
ALGORITMO DE LA
BISECCION
El algoritmo emplea funciones definidas por
el usuario para volver ms eficientes la
localizacin de las races y la evaluacin de
las funciones.
Adems, se le pone un lmite superior al
nmero de iteraciones.
Por ltimo, se incluye la verificacin de
errores para evitar la divisin entre cero
durante la evaluacin del error.
ste podra ser el caso cuando el intervalo
est centrado en cero.
Seudocdigo
para el
subprograma de
biseccin que
minimiza las
evaluaciones de
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(x ).
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 xl que de xu.
MTODO DE LA FALSA
POSICIN
Un mtodo alternativo que
aprovecha esta visualizacin
grfica consiste en unir f(xl) y
f(xu)
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.
 MTODO DE LA FALSA
POSICIN
Usando tringulos semejantes, segn la figura anterior, la
interseccin de la lnea recta con el eje de las x se estima
mediante:

en la cual se despeja xr:

sta es la frmula de la falsa posicin.

El valor de calculado con la ecuacin (7), reemplazar,
despus, a cualquiera de los dos valores iniciales o , y da
un valor de la funcin con el mismo signo de .

De esta manera, los valores o siempre encierran la verdadera raz.
EJEMPLO 5 - Falsa
Posicin
Planteamiento del problema. Con el
mtodo de la falsa posicin determine la
raz de la misma ecuacin analizada en el
ejemplo 1.
Solucin. Como en el ejemplo 3 se
empieza el clculo con los valores
iniciales xl = 12 y xu = 16.
EJEMPLO 5 - Falsa
Posicin Se obtiene una idea ms
completa de la eficiencia de los
mtodos de biseccin y de falsa
posicin al observar la figura
donde se muestra el error
relativo porcentual verdadero de
los ejemplos 4 y 5.
El error decrece mucho ms
rpidamente en el mtodo de la
falsa posicin que en el de la
biseccin, debido a un esquema
ms eficiente en el mtodo de la
falsa posicin para la
localizacin de races.

Comparacin de los errores

relativos de los mtodos de
biseccin y de la falsa
MTODOS ABIERTOS
En los mtodos cerrados en los anteriores puntos, 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.
En contraste, los mtodos abiertos descritos en esta
seccin 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.
MTODOS ABIERTOS
Representacin grfica de
las diferencias
fundamentales entre los
mtodos a) cerrados, b) y
c) los mtodos abiertos
para el clculo de races.
En a) se ilustra el mtodo
de biseccin, donde la raz
est contenida dentro del
intervalo dado por xl, y xu.
En contraste, en los
mtodos abiertos,
ilustrados en b) y c), se
utiliza una frmula para
dirigirse de xi a xi+1, con
un esquema iterativo.
As, el mtodo puede b)
diverger o c) converger
MTODO DE NEWTON -
RAPHSON
Tal vez, de las frmulas para localizar
races, la frmula de Newton-Raphson
sea la ms ampliamente utilizada.
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.
MTODO DE NEWTON -
RAPHSON

Representacin
grfica del mtodo
de Newton-
Raphson. Se
extrapola una
tangente a la
funcin en xi [esto
es, f(xi)] hasta el
eje x para obtener
una estimacin de
la raz en xi + 1.
 MTODO DE NEWTON -
RAPHSON
De la figura, se tiene que la primera derivada en x es
equivalente a la pendiente:

que se arregla para obtener:

la cual se conoce como frmula de Newton Raphson.

EJEMPLO 6 - Mtodo de
Newton-Raphson
Planteamiento del problema. Utilice el
mtodo de Newton-Raphson para
calcular la raz de f(x) = ex x
empleando como valor inicial x0 = 0.
CRITERIO DE TERMINACIN
Y ESTIMACIN DE ERRORES
Como
en los otros mtodos para localizar races,
se utiliza como un criterio de terminacin:

Pero el error en el mtodo de Newton Raphson

es proporcional al cuadrado del error anterior.
En otras palabras, el nmero de cifras
significativas de precisin aproximadamente se
duplica en cada iteracin.
EJEMPLO 7 Anlisis de
error en el mtodo de
Newton Raphson
Planteamiento del problema. Utilizar
la siguiente ecuacin para analizar el
comportamiento del error:
MTODO DE NEWTON -
RAPHSON
Aunque en general el mtodo de Newton-
Raphson es muy eficiente, hay
situaciones donde se comporta de
manera deficiente.
Por ejemplo en el caso especial de races
mltiples.
Sin embargo, tambin cuando se trata
de races simples, se encuentran
dificultades, como en el siguiente
ejemplo.
EJEMPLO 8
Planteamiento del problema.
Determine la raz positiva de f(x) = x10
1 usando el mtodo de Newton
Raphson y un valor inicial x = 0.5.
Solucin. La frmula
que se de Newton
utiliza
para calcular:
Raphson en este caso es:
MTODO DE NEWTON -
RAPHSON
Adems de la convergencia lenta debido
a la naturaleza de la funcin, es posible
que se presenten otras dificultades, como
se ilustra en las siguientes figuras:
Cuatro casos donde el
mtodo de Newton-
Raphson exhibe una
convergencia
deficiente.
MTODO DE NEWTON -
RAPHSON
De manera que no hay un criterio general de
convergencia para el mtodo de Newton-Raphson.
Su convergencia depende de la naturaleza de la
funcin y de la exactitud del valor inicial.
La nica solucin en estos casos es tener un valor
inicial que sea suficientemente cercano a la raz.
Y para algunas funciones ningn valor inicial
funcionar!
Los buenos valores iniciales por lo comn se predicen
con un conocimiento del problema fsico o mediante el
uso de recursos alternativos, tales como las grficas,
que proporcionan mayor claridad en el comportamiento
de la solucin.
ALGORITMO DEL
MTODO NEWTON -
RAPHSON
Un algoritmo para el mtodo de Newton-
Raphson se obtiene fcilmente al
sustituir la ecuacin (9) por la frmula
predictiva xi+1 = g(xi) en la figura 1.
Sin embargo, que el programa tambin
debe modificarse para calcular la primera
derivada.
Esto se logra incluyendo simplemente
una funcin definida por el usuario.
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 muestra en la
siguiente ecuacin y figura.
MTODO DE LA
SECANTE

Sustituyendo en la ecuacin (9):

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
pendiente.
EJEMPLO 9 El mtodo
de la secante
Planteamiento del problema. 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. Recordar que la raz real es
0.56714329...
DIFERENCIAS ENTRE EL
MTODO DE LA
SECANTE Y FALSA
POSICION
Existen similitudes entre los mtodos de la secante y
de la falsa posicin.
Las ecuaciones (7) y (10) son idnticas en todos los
trminos.
Ambas usan dos valores iniciales para calcular una
aproximacin de la pendiente de la funcin que se
utiliza para proyectar hacia el eje x una nueva
aproximacin de la raz.
Sin embargo, existe una diferencia crtica entre
ambos mtodos.
Tal diferencia estriba en la forma en que uno de los
valores iniciales se reemplaza por la nueva
aproximacin.
DIFERENCIAS ENTRE EL
MTODO DE LA
SECANTE Y FALSA
POSICION
Recordar que en el mtodo de la falsa
posicin, la ltima aproximacin de la
raz reemplaza cualquiera de los valores
iniciales que d un valor de la funcin
con el mismo signo que f(xr).
En consecuencia, las dos aproximaciones
siempre encierran a la raz.
Por lo tanto, para todos los casos, el
mtodo siempre converge, pues la raz se
encuentra dentro del intervalo.
DIFERENCIAS ENTRE EL
MTODO DE LA
SECANTE Y FALSA
POSICION
En contraste, el mtodo de la secante
reemplaza los valores en secuencia
estricta: con el nuevo valor xi+1 se
reemplaza a xi y xi reemplaza a xi 1.
En consecuencia, algunas veces los dos
valores estn en el mismo lado de la raz.
En ciertos casos esto puede llevar a
divergencias.
DIFERENCIAS ENTRE EL
MTODO DE LA
SECANTE Y FALSA
POSICION Comparacin entre los
mtodos de la falsa
posicin y de la
secante.
Las primeras
iteraciones 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).
EJEMPLO 10 COMPARACIN
ENTRE LOS MTODOS DE LA
SECANTE Y FALSA POSICIN
Planteamiento del problema. Utilice
los mtodos de la secante y de la falsa
posicin para calcular la raz de f(x) =
lnx. Empiece los clculos con los valores
iniciales xl = xi 1 = 0.5 y xu = xi = 5.0.
Solucin. En el mtodo de la falsa
posicin, con el uso de la ecuacin (7) y
los criterios del intervalo para el
reemplazo de las aproximaciones, se
obtienen las siguientes iteraciones:
 EJEMPLO 10 COMPARACIN
ENTRE LOS MTODOS DE LA
SECANTE Y FALSA POSICIN
Como se observa
en la tabla, las
aproximaciones
van convergiendo
a la raz real que
MTODO DE LA FALSA POSICIN es igual a 1.

Como se
muestra
en la
tabla, el
mtodo
es MTODO DE LA
divergent SECANTE
e.
COMPARACION DE LOS
DISTINTOS MTODOS

Comparacin de los
errores relativos
porcentuales
verdaderos t, para los
mtodos que
determinan las races
de f(x) = ex x.