124 MÉTODOS CERRADOS

Solución. Para generar gráficas se usan paquetes como Excel y MATLAB. En la fi-
gura 5.4a se presenta la gráfica de f(x) desde x = 0 hasta x = 5. La gráfica muestra la
existencia de varias raíces, incluyendo quizás una doble raíz alrededor de x = 4.2, donde
f(x) parece ser tangente al eje x. Se obtiene una descripción más detallada del compor-
tamiento de f(x) cambiando el rango de graficación, desde x = 3 hasta x = 5, como se
muestra en la figura 5.4b. Finalmente, en la figura 5.4c, se reduce la escala vertical, de
f(x) = –0.15 a f(x) = 0.15, y la escala horizontal se reduce, de x = 4.2 a x = 4.3. Esta grá-
fica muestra claramente que no existe una doble raíz en esta región y que, en efecto, hay
dos raíces diferentes entre x = 4.23 y x = 4.26.
Las gráficas por computadora tienen gran utilidad en el estudio de los métodos
numéricos. Esta posibilidad también puede tener muchas aplicaciones en otras materias
de la escuela, así como en las actividades profesionales.

5.2 EL MÉTODO DE BISECCIÓN

Cuando se aplicaron las técnicas gráficas en el ejemplo 5.1, se observó (figura 5.1) que
f(x) cambió de signo a ambos lados de la raíz. En general, si f(x) es real y continúa 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 (5.1)

entonces hay al menos una raíz real entre xl y xu.

Los métodos de búsqueda incremental aprovechan esta característica localizando
un intervalo en el que la función cambie de signo. Entonces, la localización del cambio
de signo (y, en consecuencia, de la raíz) se logra con más exactitud al dividir el interva-
lo en varios subintervalos. Se investiga cada uno de estos subintervalos para encontrar
el cambio de signo. El proceso se repite y la aproximación a la raíz mejora cada vez más
en la medida que los subintervalos se dividen en intervalos cada vez más pequeños.
Volveremos al tema de búsquedas incrementales en la sección 5.4.

FIGURA 5.5
Paso 1: Elija valores iniciales inferior, xl, y superior, xu, que encierren la raíz, de forma
tal que la función cambie de signo en el intervalo. Esto se verifica comprobando
que f(xl) f(xu) < 0.
Paso 2: Una aproximación de la raíz xr se determina mediante:
xl + xu
xr = ——–
2
Paso 3: Realice las siguientes evaluaciones para determinar en qué subintervalo está
la raíz:
a) Si f(xl)f(xr) < 0, entonces la raíz se encuentra dentro del subintervalo inferior
o izquierdo. Por lo tanto, haga xu = xr y vuelva al paso 2.
b) Si f(xl)f(xr) > 0, entonces la raíz se encuentra dentro del subintervalo superior
o derecho. Por lo tanto, haga xl = xr y vuelva al paso 2.
c) Si f(xl)f(xr) = 0, la raíz es igual a xr; termina el cálculo.
 5.2 EL MÉTODO DE BISECCIÓN 125

El método de bisección, conocido también como de corte binario, de partición de

intervalos o de Bolzano, es un tipo de búsqueda incremental en el que el intervalo se
divide siempre a la mitad. Si la función cambia de signo sobre un intervalo, se evalúa el
valor de la función en el punto medio. La posición de la raíz se determina situándola en
el punto medio del subintervalo, dentro del cual ocurre un cambio de signo. El proceso
se repite hasta obtener una mejor aproximación. En la figura 5.5 se presenta un algorit-
mo sencillo para los cálculos de la bisección. En la figura 5.6 se muestra una represen-
tación gráfica del método. Los siguientes ejemplos se harán a través de cálculos reales
involucrados en el método.

EJEMPLO 5.3 Bisección

Planteamiento del problema. Emplee el método de bisección para resolver el mismo
problema que se resolvió usando el método gráfico del ejemplo 5.1.

Solución. El primer paso del método de bisección consiste en asignar dos valores ini-
ciales a la incógnita (en este problema, c) que den valores de f(c) con diferentes signos.
En la figura 5.1 se observa que la función cambia de signo entre los valores 12 y 16. Por
lo tanto, la estimación inicial de la raíz xr se encontrará en el punto medio del intervalo
12 + 16
xr = = 14
2
Dicha aproximación representa un error relativo porcentual verdadero de et = 5.3% (note
que el valor verdadero de la raíz es 14.7802). A continuación calculamos el producto de
los valores en la función en un límite inferior y en el punto medio:
f(12)f(14) = 6.067(1.569) = 9.517
que es mayor a cero y, por lo tanto, no ocurre cambio de signo entre el límite inferior y
el punto medio. En consecuencia, la raíz debe estar localizada entre 14 y 16. Entonces,

FIGURA 5.6
Una representación gráfica
del método de bisección. La
gráfica presenta las primeras 12 16
tres iteraciones del ejemplo
5.3.

14 16

15

14
126 MÉTODOS CERRADOS

se crea un nuevo intervalo redefiniendo el límite inferior como 14 y determinando una

nueva aproximación corregida de la raíz

14 + 16
xr = = 15
2
la cual representa un error porcentual verdadero et = 1.5%. Este proceso se repite para
obtener una mejor aproximación. Por ejemplo,
f(14)f(15) = 1.569(–0.425) = –0.666
Por lo tanto, la raíz está entre 14 y 15. El límite superior se redefine como 15 y la raíz
estimada para la tercera iteración se calcula así:

14 + 15
xr = = 14.5
2
que representa un error relativo porcentual et = 1.9%. Este método se repite hasta que el
resultado sea suficientemente exacto para satisfacer sus necesidades.

En el ejemplo anterior, se observa que el error verdadero no disminuye con cada

iteración. Sin embargo, el intervalo donde se localiza la raíz se divide a la mitad en cada
paso del proceso. Como se estudiará en la siguiente sección, el ancho del intervalo pro-
porciona una estimación exacta del límite superior del error en el método de bisección.

5.2.1 Criterios de paro y estimaciones de errores

Terminamos el ejemplo 5.3 diciendo que el método se repite para obtener una aproxi-
mación más exacta de la raíz. Ahora se debe desarrollar un criterio objetivo para decidir
cuándo debe terminar el método.
Una sugerencia inicial sería finalizar el cálculo cuando el error verdadero se en-
cuentre por debajo de algún nivel prefijado. En el ejemplo 5.3 se observa que el error
relativo baja de 5.3 a 1.9% durante el procedimiento de cálculo. Puede decidirse que el
método termina cuando se alcance un error más bajo, por ejemplo, al 0.1%. Dicha estra-
tegia es inconveniente, ya que la estimación del error en el ejemplo anterior se basó en
el conocimiento del valor verdadero de la raíz de la función. Éste no es el caso de una
situación real, ya que no habría motivo para utilizar el método si se conoce la raíz.
Por lo tanto, se requiere estimar el error de forma tal que no se necesite el conoci-
miento previo de la raíz. Como se vio previamente en la sección 3.3, se puede calcular
el error relativo porcentual ea de la siguiente manera (recuerde la ecuación 3.5):

x rnuevo – x ranterior
εa = 100% (5.2)
x rnuevo

donde xr nuevo es la raíz en la iteración actual y xranterior es el valor de la raíz en la iteración

anterior. Se utiliza el valor absoluto, ya que por lo general importa sólo la magnitud de
ea sin considerar su signo. Cuando ea es menor que un valor previamente fijado es, ter-
mina el cálculo.
 5.2 EL MÉTODO DE BISECCIÓN 127

EJEMPLO 5.4 Estimación del error en la bisección

Planteamiento del problema. Continúe con el ejemplo 5.3 hasta que el error aproxi-
mado sea menor que el criterio de terminación de es = 0.5%. Use la ecuación (5.2) para
calcular los errores.

Solución. Los resultados de las primeras dos iteraciones en el ejemplo 5.3 fueron 14
y 15. Sustituyendo estos valores en la ecuación (5.2) se obtiene
15 − 14
εa = 100% = 6.67%
15
Recuerde que el error relativo porcentual para la raíz estimada de 15 fue 1.5%. Por lo
tanto, ea es mayor a et. Este comportamiento se manifiesta en las otras iteraciones:

Iteración xl xu xr ea (%) et (%)

1 12 16 14 5.279
2 14 16 15 6.667 1.487
3 14 15 14.5 3.448 1.896
4 14.5 15 14.75 1.695 0.204
5 14.75 15 14.875 0.840 0.641
6 14.75 14.875 14.8125 0.422 0.219

Así, después de seis iteraciones ea finalmente está por debajo de es = 0.5%, y el

cálculo puede terminar.
Estos resultados se resumen en la figura 5.7. La naturaleza “desigual” del error
verdadero se debe a que, en el método de la bisección, la raíz exacta se encuentra en
cualquier lugar dentro del intervalo cerrado. Los errores verdadero y aproximado quedan
distantes cuando el intervalo está centrado sobre la raíz verdadera. Ellos están cercanos
cuando la raíz verdadera se halla en cualquier extremo del intervalo.

Aunque el error aproximado no proporciona una estimación exacta del error verda-
dero, la figura 5.7 sugiere que ea toma la tendencia general descendente de et. Además,
la gráfica muestra una característica muy interesante: que ea siempre es mayor que et.
Por lo tanto, cuando ea es menor que es los cálculos se pueden terminar, con la confian-
za de saber que la raíz es al menos tan exacta como el nivel aceptable predeterminado.
Aunque no es conveniente aventurar conclusiones generales a partir de un solo
ejemplo, es posible demostrar que ea siempre será mayor que et en el método de bisec-
ción. Esto se debe a que cada vez que se encuentra una aproximación a la raíz cuando
se usan bisecciones como xr = (xl + xu)/2, se sabe que la raíz verdadera se halla en algún
lugar dentro del intervalo de (xu – xl)/2 = ∆x/2. Por lo tanto, la raíz debe situarse dentro
de ±∆x/2 de la aproximación (figura 5.8). Así, cuando se terminó el ejemplo 5.3 se pudo
afirmar definitivamente que

xr = 14.5 ± 0.5

Debido a que ∆x/2 = xr nuevo – xranterior (figura 5.9), la ecuación (5.2) proporciona un
límite superior exacto del error verdadero. Para que se rebase este límite, la raíz verda-
128 MÉTODOS CERRADOS

10

Aproximado

Error relativo porcentual

1.0

Verdadero

FIGURA 5.7
Errores en el método de
bisección. Los errores ver- 0.1
dadero y aproximado se 0 3 6
grafican contra el número de Iteraciones
iteraciones.

dera tendría que estar fuera del intervalo que la contiene, lo cual, por definición, jamás
ocurrirá en el método de bisección. El ejemplo 5.7 muestra otras técnicas de localización
de raíces que no siempre resultan tan eficientes. Aunque el método de bisección por lo
general es más lento que otros métodos, la claridad del análisis de error ciertamente es
un aspecto positivo que puede volverlo atractivo para ciertas aplicaciones en ingeniería.

FIGURA 5.8
Tres formas en que un inter-
valo puede encerrar a la xl xr xu
raíz. En a) el valor verdade- a)
ro está en el centro del inter-
valo, mientras que en b) y
xl xr xu
c) el valor verdadero está
b)
cerca de los extremos. Ob-
serve que la diferencia entre
el valor verdadero y el punto xl xr xu
medio del intervalo jamás c)
sobrepasa la longitud media
del intervalo, o ∆x/2.
⌬x /2 ⌬x /2

Raíz verdadera
 5.2 EL MÉTODO DE BISECCIÓN 129

xrnuevo – xranterior

FIGURA 5.9
Representación gráfica de Iteración anterior
por qué la estimación del xranterior
error para el método de
bisección (∆x/2) es equiva- xrnuevo
lente a la raíz estimada en Iteración actual
la iteración actual (xrnuevo)
menos la raíz aproximada
en la iteración anterior ⌬x /2
(xranterior).

Antes de utilizar el programa de computadora para la bisección, debemos observar

que las siguientes relaciones (figura 5.9)
xu − xl
x rnuevo − x ranterior =
2
y
xl + xu
x rnuevo =
2
puede sustituirse en la ecuación (5.2) para desarrollar una formulación alternativa en la
aproximación del error relativo porcentual

xu − xl
εa = 100% (5.3)
xu + xl

Esta ecuación resulta idéntica a la ecuación (5.2) para la bisección. Además, permite
calcular el error basándose en nuestros valores iniciales; es decir, en la primera iteración.
Por ejemplo, en la primera iteración del ejemplo 5.2, el error aproximado se calcula
como
16 − 12
εa = 100% = 14.29%
16 + 12

Otro beneficio del método de bisección es que el número de iteraciones requerido

para obtener un error absoluto se calcula a priori; esto es, antes de empezar las iteracio-
nes, donde se observa que antes de empezar esta técnica, el error absoluto es

Ea0 = xu0 – xl0 = ∆x0

donde los superíndices definen la iteración. Por lo tanto, antes de empezar el método se
tiene la “iteración cero”. Después de la primera iteración el error será

∆x 0
Ea1 =
2
130 MÉTODOS CERRADOS

Debido a que en cada iteración se reduce el error a la mitad, la fórmula general que re-
laciona el error y el número de iteraciones, n, es

∆x 0
Ean = (5.4)
2n
Si Ea,d es el error deseado, en esta ecuación se despeja

log( ∆x 0 / Ea,d ) ⎛ ∆x 0 ⎞
n= = log 2 ⎜ ⎟ (5.5)
log 2 ⎝ Ea , d ⎠

Probemos la fórmula. En el ejemplo 5.4, el intervalo inicial fue ∆x0 = 16 – 12 = 4.

Después de seis iteraciones, el error absoluto era

14.875 − 14.75
Ea = = 0.0625
2
Si se sustituyen esos valores en la ecuación (5.5) resulta

log( 4 / 0.0625)
n= =6
log 2
Entonces, si se sabe de antemano que un error menor a 0.0625 es aceptable, la fórmula
indica que con seis iteraciones se consigue el resultado deseado.
Aunque se ha puesto énfasis en el uso del error relativo por obvias razones, habrá
casos (usualmente a través del conocimiento del contexto del problema) donde se podrá
especificar el error absoluto. En esos casos, la bisección junto con la ecuación (5.5)
ofrece un útil algoritmo de localización de raíces. Se explorarán tales aplicaciones con
los problemas al final del capítulo.

5.2.2 Algoritmo de bisección

El algoritmo en la figura 5.5 se extiende para incluir verificación del error (figura 5.10). El
algoritmo emplea funciones definidas por el usuario para volver más eficientes la loca-
lización de las raíces y la evaluación de las funciones. Además, se le pone un límite
superior al número de iteraciones. Por último, se incluye la verificación de errores para
evitar la división entre cero durante la evaluación del error. Éste podría ser el caso cuan-
do el intervalo está centrado en cero. En dicha situación la ecuación (5.2) tiende al infi-
nito. Si esto ocurre, el programa saltará la evaluación de error en esa iteración.
El algoritmo en la figura 5.10 no es amigable al usuario; más bien está diseñado
estrictamente para dar la respuesta. En el problema 5.14 al final del capítulo, se tendrá
una tarea para volverlo fácil de usar y de entender.

5.2.3 Minimización de las evaluaciones de una función

El algoritmo de bisección de la figura 5.10 es adecuado si se quiere realizar la evalua-

ción de una sola raíz de una función que es fácil de evaluar. Sin embargo, hay muchos
casos en ingeniería que no son así. Por ejemplo, suponga que se quiere desarrollar un
 5.3 MÉTODO DE LA FALSA POSICIÓN 131

FUNCTION Bisect(xl, xu, es, imax, xr, iter, ea)

iter = 0
DO
xrold = xr
xr = (xl + xu)/2
iter = iter + 1
IF xr ≠ 0 THEN
ea = ABS((xr – xrold) / xr) * 100
END IF
test = f(xl) * f(xr)
IF test < 0 THEN
xu = xr
ELSE IF test > 0 THEN
xl = xr
ELSE
ea = 0
END IF
FIGURA 5.10 IF ea < es OR iter ≥ imax EXIT
Seudocódigo para la fun- END DO
ción que implementa el Bisect = xr
método de bisección. END Bisect

programa computacional que localice varias raíces. En tales casos, se tendría que llamar
al algoritmo de la figura 5.10 miles o aun millones de veces en el transcurso de una sola
ejecución.
Además, en un sentido más general, la función de una variable es tan sólo una en-
tidad que regresa un solo valor para un solo valor que se le da. Visto de esta manera, las
funciones no son simples fórmulas como las ecuaciones de una sola línea de código
resueltas en los ejemplos anteriores de este capítulo. Por ejemplo, una función puede
consistir de muchas líneas de código y su evaluación llega a tomar un tiempo importan-
te de ejecución. En algunos casos, esta función incluso representaría un programa de
computadora independiente.
Debido a ambos factores es imperativo que los algoritmos numéricos minimicen las
evaluaciones de una función. A la luz de estas consideraciones, el algoritmo de la figu-
ra 5.10 es deficiente. En particular, observe que al hacer dos evaluaciones de una función
por iteración, vuelve a calcular una de las funciones que se determinó en la iteración
anterior.
La figura 5.11 proporciona un algoritmo modificado que no tiene esta deficiencia.
Se han resaltado las líneas que difieren de la figura 5.10. En este caso, únicamente se
calcula el valor de la nueva función para aproximar la raíz. Los valores calculados pre-
viamente son guardados y simplemente reasignados conforme el intervalo se reduce.
Así, las 2n evaluaciones de la función se reducen a n + 1.

5.3 MÉTODO DE LA FALSA POSICIÓN

Aun cuando la bisección es una técnica perfectamente válida para determinar raíces, su
método de aproximación por “fuerza bruta” es relativamente ineficiente. La falsa posición
es una alternativa basada en una visualización gráfica.
132 MÉTODOS CERRADOS

FUNCTION Bisect(xl, xu, es, imax, xr, iter, ea)

iter = 0
fl = f(xl)
DO
xrold = xr
xr = (xl + xu) / 2
fr = f(xr)
iter = iter + 1
lF xr ≠ 0 THEN
ea = ABS((xr – xrold) / xr) * 100
END IF
test = fl * fr
IF test < 0 THEN
xu = xr
ELSE IF test > 0 THEN
xl = xr
fl = fr
ELSE
ea = 0
FIGURA 5.11 END IF
Seudocódigo para el IF ea < es OR iter ≥ imax EXIT
subprograma de bisección END DO
que minimiza las evaluacio- Bisect = xr
nes de la función. END Bisect

Un inconveniente del método de bisección es que al dividir el intervalo de xl a xu en

mitades iguales, no se toman en consideración las magnitudes de f(xl) y f(xu). Por ejem-
plo, si f(xl) está mucho más cercana a cero que f(xu), es lógico que la raíz se encuentre
más cerca de xl que de xu (figura 5.12). Un método alternativo que aprovecha esta visua-
lización gráfica consiste en unir f(xl) y f(xu) con una línea recta. La intersección de esta
línea con el eje de las x representa una mejor aproximación de la raíz. El hecho de que
se reemplace la curva por una línea recta da una “falsa posición” de la raíz; de aquí el
nombre de método de la falsa posición, o en latín, regula falsi. También se le conoce
como método de interpolacion lineal.
Usando triángulos semejantes (figura 5.12), la intersección de la línea recta con el
eje de las x se estima mediante

f ( xl ) f ( xu )
= (5.6)
x r − xl x r − xu

en la cual se despeja xr (véase cuadro 5.1 para los detalles)

f ( xu )( xl − xu )
x r = xu − (5.7)
f ( xl ) − f ( xu )

Ésta es la fórmula de la falsa posición. El valor de xr calculado con la ecuación (5.7), re-
emplazará, después, a cualquiera de los dos valores iniciales, xl o xu, y da un valor de la
 5.3 MÉTODO DE LA FALSA POSICIÓN 133

f (x)

f (xu)

xr
xl
xu x
FIGURA 5.12
Representación gráfica del
método de la falsa posición. f (xl)
Con los triángulos semejan-
tes sombreados se obtiene
la fórmula para el método.

función con el mismo signo de f(xr). De esta manera, los valores xl y xu siempre encierran
la verdadera raíz. El proceso se repite hasta que la aproximación a la raíz sea adecuada. El
algoritmo es idéntico al de la bisección (figura 5.5), excepto en que la ecuación (5.7)

Cuadro 5.1 Desarrollo del método de la falsa posición

Multiplicando en cruz la ecuación (5.6) obtenemos sumando y restando xu en el lado derecho:

f(xl)(xr – xu) = f(xu)(xr – xl) xu f ( xl ) xl f ( xu )

x r = xu + − xu −
f ( xl ) − f ( xu ) f ( xl ) − f ( xu )
Agrupando términos y reordenando:
Agrupando términos se obtiene
xr [f(xl) – f(xu)] = xu f(xl) – xl f(xu)
xu f ( xu ) xl f ( xu )
x r = xu + −
Dividiendo entre f(xl) – f(xu): f ( xl ) − f ( xu ) f ( xl ) − f ( xu )

xu f ( xl ) − xl f ( xu ) o
xr = (C5.1.1)
f ( xl ) − f ( xu )
f ( xu )( xl − xu )
x r = xu −
Ésta es una de las formas del método de la falsa posición. Ob- f ( xl ) − f ( xu )
serve que permite el cálculo de la raíz xr como una función de
los valores iniciales inferior xl y superior xu. Ésta puede ponerse la cual es la misma ecuación (5.7). Se utiliza esta forma porque
en una forma alternativa al separar los términos: implica una evaluación de la función y una multiplicación menos
que la ecuación (C5.1.1). Además ésta es directamente compa-
xu f ( xl ) xl f ( xu )
xr = − rable con el método de la secante, el cual se estudia en el capí-
f ( xl ) − f ( xu ) f ( xl ) − f ( xu ) tulo 6.
134 MÉTODOS CERRADOS

se usa en el paso 2. Además, se usa el mismo criterio de terminación [ecuación (5.2)]

para concluir los cálculos.

EJEMPLO 5.5 Falsa posición

Planteamiento del problema. Con el método de la falsa posición determine la raíz

de la misma ecuación analizada en el ejemplo 5.1 [ecuación (E5.1.1)].

Solución. Como en el ejemplo 5.3 se empieza el cálculo con los valores iniciales xl =
12 y xu = 16.
Primera iteración:

xl = 12 f(xl) = 6.0699
xu = 16 f(xu) = –2.2688
−2.2688(12 − 16)
xr = 16 − = 14.9113
6.0669 − ( −2.2688)
que tiene un error relativo verdadero de 0.89 por ciento.

Segunda iteración:

f(xl) f(xr) = –1.5426

Por lo tanto, la raíz se encuentra en el primer subintervalo y xr se vuelve ahora el límite

superior para la siguiente iteración, xu = 14.9113:

xl = 12 f(xl) = 6.0699
xu = 14.9113 f(xu) = –0.2543
−0.2543(12 − 14.9113)
xr = 14.9113 − = 14.7942
6.0669 − ( −0.2543)
el cual tiene errores relativos y verdadero y aproximado de 0.09 y 0.79 por ciento. Es po-
sible realizar iteraciones adicionales para hacer una mejor aproximación de las raíces.

Se obtiene una idea más completa de la eficiencia de los métodos de bisección y de

falsa posición al observar la figura 5.13, donde se muestra el error relativo porcentual
verdadero de los ejemplos 5.4 y 5.5. Observe cómo el error decrece mucho más rápida-
mente en el método de la falsa posición que en el de la bisección, debido a un esquema
más eficiente en el método de la falsa posición para la localización de raíces.
Recuerde que en el método de bisección el intervalo entre xl y xu se va haciendo más
pequeño durante los cálculos. Por lo tanto, el intervalo, como se definió por ∆x/2 =
|xu – xl|/2 para la primera iteración, proporciona una medida del error en este método.
Éste no es el caso con el método de la falsa posición, ya que uno de los valores iniciales
puede permanecer fijo durante los cálculos, mientras que el otro converge hacia la raíz.
Como en el caso del ejemplo 5.6, el extremo inferior xl permanece en 12, mientras que
xu converge a la raíz. En tales casos, el intervalo no se acorta, sino que se aproxima a un
valor constante.
 5.3 MÉTODO DE LA FALSA POSICIÓN 135

10

Bisección

Error relativo porcentual verdadero

1

10– 1

Falsa posición
10– 2

10– 3

10– 4
FIGURA 5.13
Comparación de los errores
relativos de los métodos 0 3 6
de bisección y de la falsa Iteraciones
posición.

El ejemplo 5.6 sugiere que la ecuación (5.2) representa un criterio de error muy
conservador. De hecho, la ecuación (5.2) constituye una aproximación de la discrepancia
en la iteración previa. Esto se debe a que para un caso, tal como el del ejemplo 5.6,
donde el método converge rápidamente (por ejemplo, el error se va reduciendo casi un
100% de magnitud por cada iteración), la raíz para la iteración actual xr nuevo es una me-
jor aproximación al valor real de la raíz, que el resultado de la iteración previa xranterior.
Así, el numerador de la ecuación (5.2) representa la discrepancia de la iteración previa.
En consecuencia, se nos asegura que al satisfacer la ecuación (5.2), la raíz se conocerá
con mayor exactitud que la tolerancia preestablecida. Sin embargo, como se ve en la
siguiente sección, existen casos donde el método de la falsa posición converge lentamen-
te. En tales casos la ecuación (5.2) no es confiable y se debe desarrollar un criterio di-
ferente de terminación.

5.3.1 Desventajas del método de la falsa posición

Aunque el método de la falsa posición parecería ser siempre la mejor opción entre los
métodos cerrados, hay casos donde funciona de manera deficiente. En efecto, como en
el ejemplo siguiente, hay ciertos casos donde el método de bisección ofrece mejores
resultados.
136 MÉTODOS CERRADOS

EJEMPLO 5.6 Un caso en el que la bisección es preferible a la falsa posición

Planteamiento del problema. Con los métodos de bisección y de falsa posición loca-
lice la raíz de

f(x) = x10 – 1

entre x = 0 y 1.3.

Solución. Usando bisección, los resultados se resumen como sigue

Iteración xl xu xr ea (%) et (%)

1 0 1.3 0.65 100.0 35

2 0.65 1.3 0.975 33.3 2.5
3 0.975 1.3 1.1375 14.3 13.8
4 0.975 1.1375 1.05625 7.7 5.6
5 0.975 1.05625 1.015625 4.0 1.6

FIGURA 5.14
Gráfica de la función f(x) = x10 – 1, ilustrando la lentitud de convergencia del método
de la falsa posición.

f (x)

10

0
1.0 x
5.3 MÉTODO DE LA FALSA POSICIÓN 137

De esta manera, después de cinco iteraciones, el error verdadero se reduce a menos del
2%. Con la falsa posición se obtienen resultados muy diferentes:

Iteración xl xu xr ea (%) et (%)

1 0 1.3 0.09430 90.6

2 0.09430 1.3 0.18176 48.1 81.8
3 0.18176 1.3 0.26287 30.9 73.7
4 0.26287 1.3 0.33811 22.3 66.2
5 0.33811 1.3 0.40788 17.1 59.2

Después de cinco iteraciones, el error verdadero sólo se ha reducido al 59%. Además,

observe que ea < et. Entonces, el error aproximado es engañoso. Se obtiene mayor cla-
ridad sobre estos resultados examinando una gráfica de la función. En la figura 5.14, la
curva viola la premisa sobre la cual se basa la falsa posición; es decir, si f(xl) se encuen-
tra mucho más cerca de cero que f(xu), la raíz se encuentra más cerca de xl que de xu
(recuerde la figura 5.12). Sin embargo, debido a la forma de esta función ocurre lo con-
trario.

El ejemplo anterior ilustra que, por lo común, no es posible realizar generalizaciones

con los métodos de obtención de raíces. Aunque un método como el de la falsa posición
casi siempre es superior al de bisección, hay algunos casos que violan esta conclusión
general. Por lo tanto, además de usar la ecuación (5.2), los resultados se deben verificar
sustituyendo la raíz aproximada en la ecuación original y determinar si el resultado se
acerca a cero. Esta prueba se debe incorporar en todos los programas que localizan
raíces.
El ejemplo ilustra también una importante desventaja del método de la falsa posición:
su unilateralidad. Es decir, conforme se avanza en las iteraciones, uno de los puntos
limitantes del intervalo tiende a permanecer fijo. Esto puede llevar a una mala conver-
gencia, especialmente en funciones con una curvatura importante. La sección siguiente
ofrece una solución.

5.3.2 Falsa posición modificada

Una forma de disminuir la naturaleza unilateral de la falsa posición consiste en obtener

un algoritmo que detecte cuando se “estanca” uno de los límites del intervalo. Si ocurre
esto, se divide a la mitad el valor de la función en el punto de “estancamiento”. A este
método se le llama método de la falsa posición modificado.
El algoritmo dado en la figura 5.15 lleva a cabo dicha estrategia. Observe cómo se
han usado contadores para determinar si uno de los límites del intervalo permanece fijo
“estancado” durante dos iteraciones. Si ocurre así, el valor de la función en este valor de
“estancamiento” se divide a la mitad.
La efectividad de este algoritmo se demuestra aplicándolo al ejemplo 5.6. Si se uti-
liza un criterio de terminación de 0.01% el método de bisección y el método estándar de
138 MÉTODOS CERRADOS

FUNCTION ModFalsePos(xl, xu, es, imax, xr, iter, ea)

iter = 0
fl = f(xl)
fu = f(xu)
DO
xrold = xr
xr = xu – fu * (xl – xu) / (fl – fu)
fr = f(xr)
iter = iter + 1
IF xr <> 0 THEN
ea = Abs((xr – xrold) / xr) * 100
END IF
test = fl * fr
IF test < 0 THEN
xu = xr
fu = f(xu)
iu = 0
il = il +1
If il ≥ 2 THEN fl = fl / 2
ELSE IF test > 0 THEN
xl = xr
fl = f (xl)
il = 0
iu = iu + 1
IF iu ≥ 2 THEN fu = fu / 2
ELSE
ea = 0
END IF
FIGURA 5.15 IF ea < es 0R iter ≥ imax THEN EXIT
Seudocódigo para el mé- END DO
todo de la falsa posición ModFalsePos = xr
modificado. END ModFalsePos

falsa posición convergerán, respectivamente, después de 14 y 39 iteraciones. En cambio

el método de la falsa posición modificado convergerá después de 12 iteraciones. De ma-
nera que para este ejemplo el método de la falsa posición modificado es más eficiente que
el de bisección y muchísimo mejor que el método de la falsa posición no modificado.

5.4 BÚSQUEDAS POR INCREMENTOS Y DETERMINACIÓN

DE VALORES INICIALES

Además de verificar una respuesta individual, se debe determinar si se han localizado

todas las raíces posibles. Como se mencionó anteriormente, por lo general una gráfica
de la función ayudará a realizar dicha tarea. Otra opción es incorporar una búsqueda
incremental al inicio del programa. Esto consiste en empezar en un extremo del inter-
valo de interés y realizar evaluaciones de la función con pequeños incrementos a lo
largo del intervalo. Si la función cambia de signo, se supone que la raíz está dentro del
incremento. Los valores de x, al principio y al final del incremento, pueden servir como
valores iniciales para una de las técnicas descritas en este capítulo.