ECUACIONES NO LINEALES: Introducción

En este capítulo analizamos métodos para la solución de

ecuaciones de una variable y su utilización para la solución de
problemas que involucren este tipo de modelos.

Dada una función f de variable real y una ecuación f(x) = 0,

pretendemos definir métodos para hallar el conjunto de valores
de x que hacen cierta la igualdad.

Para hacerlo, nos organizaremos con base en las siguientes

preguntas:

1- ¿Cuáles son los fundamentos matemáticos que permiten la

solución de ecuaciones de una variable?

2- ¿Qué se necesita para resolver ecuaciones de una variable?

3- ¿Cuáles son los métodos más adecuados, eficientes y que

brindan una aproximación adecuada a la solución a una
ecuación de una variable, según las condiciones del problema?

4- ¿Cuáles son los criterios para garantizar algún grado de

certeza en la solución obtenida mediante la aplicación de un
método numérico?
¿Qué significa resolver una ecuación de una variable?

Primero vamos a precisar algunos conceptos relacionados

con el significado de ecuación de una variable.

Una ecuación de una variable tiene la forma general:

f(x) = 0

y su solución está dada por el conjunto de valores de x que al

sustituirlos en f dan como resultado 0. Es decir, al sustituir la
solución en la ecuación, la igualdad resultante es verdadera.

Dichos valores se denominan raíces de la ecuación f(x) = 0 o

ceros de la función f.

En el caso de funciones de variable real, la solución se puede

interpretar, desde el punto de vista gráfico, como el conjunto
de valores de x para los que la función f corta el eje x, tal
como se muestra en la Figura. Resolver una ecuación
significa, entonces, encontrar sus raíces.
¿Qué se necesita para resolver ecuaciones de una variable?

Para resolver ecuaciones de una variable es necesario disponer

de algunas herramientas que brinda el cálculo.

Por ejemplo, es recomendable conocer:

* Elementos para establecer la continuidad de una función.

* Intervalos de crecimiento y decrecimiento.
* Derivadas.
* Cantidad de raíces.
* Puntos de inflexión.
* Máximos y mínimos, etc.

Es importante aclarar que para resolver una ecuación

específica no es necesario conocer todos los elementos que
hemos mencionado; cada caso en particular exige unos
conocimientos acordes con los requerimientos y condiciones
establecidas por el contexto del problema.

Si se pretende resolver una ecuación f(x) = 0 mediante la

utilización de un método numérico, es necesario disponer de
información preliminar de la función f requerida por el método.

Del mismo modo, al seleccionar un método para aplicar, se

deben conocer sus limitaciones; y para ejecutar el algoritmo
correspondiente, es necesario disponer de las aproximaciones
iniciales requeridas por el mismo.

Datos de entrada → Proceso: algoritmo → Solución

 ECUACIONES NO LINEALES: Introducción

Método gráfico:
La solución de ecuaciones no lineales significa encontrar un valor de x
donde f (x) = 0, a este valor particular se llama raíz.

Veamos el caso de: f(x)

2
= x -
2
=

Entonces el problema se explica como: se desea conocer el valor de x,

donde f (x) = 0. Entonces el valor de x es la raíz de la ecuación.

Observe que la ecuación f (x) debe expresarse igualada a 0 para que

los métodos que se aplican encuentren la raíz, es decir, el valor de x
donde la función f (x) = 0.

Gráficamente f (x) = 0 quiere decir que la función vale 0 en un valor

particular de x, ya sea que la función cruce el eje x o toque el eje x.
Observando la gráfica, podemos decir “aproximadamente” que la
raíz es 1.4, usted podría decir otra cifra, pero necesitamos otro
mecanismo que no dependa del criterio del observador o de la
escala con la que se grafica.

Otra desventaja del método gráfico es que sólo podemos “observar”

las raíces reales, pero las raíces complejas no, tendríamos que
graficar en un plano complejo para localizar las raíces.

Debemos ahora encontrar métodos que, bajo un algoritmo,

sistemáticamente encuentren ese valor particular de x.
Búsqueda incremental:

Un método para encontrar el intervalo donde se encuentra la raíz es el método de

búsqueda incremental que determina un intervalo donde la función cruza el eje x. Al
cruzar el eje x entonces la función cambia de signo, ahí es donde se localiza una raíz.

La desventaja es que sólo encuentra las raíces reales que cruzan el eje x.

En el método de búsqueda incremental se inicia con un valor de x0 y un incremento

∆x, el valor inicial se incrementa hasta detectar que f (x) cambia de signo.

EJEMPLO: Aplique el método de búsqueda increméntalas para localizar el cambio

de signo de la función:
f(x) =

x2 -
2

Valor de Xo = -
2

1x =
0 2 .

f(x)

-
2 2

-
1 .
8 1 24
.

- 1 . 6 0 56 .

-
1 .
4 -
0 .
04 -> Cambio de signo
-
1 .
2 -
0 56 .
x 3[ -
1.6 , -
1 .

4]
-

1. .O -
I En el cuadrose localizan dos
-
0 .

8 -
1 . 36 cambios de signo, uno entre
-
0 6 .
-
1 64.

[-1.6,-1.4] y el otro entre [1.4,1.6].

-
0 4 . -
1 84 .

-
0 2 1 96
Si el incremento ∆x = 10, entonces
.
-
.

0 0 2 8
no se detecta cambio de signo y no
.
-
.

0 2 .
-
1 96
se reporta raíz de la función.
.

0 4 .
-
1 84 .

0 6 .
-

1 64 . Debemos entonces construir

algoritmos que aseguren la
08 36
-
1 .

-1 O .

localización de la raíz de f (x).

1 .
2 -
0 .

56
1 4 .
-

0 .
04
1 . 6 0 56 .
-> Cambio de signo
1 8 .
1 . 24 x & [1 .
4 ,
1 .

6)
. .O
2 2 O .
Los métodos se clasifican en:

* Métodos cerrados. Requieren de dos puntos que encierren la raíz x0 y x1.

Los dos puntos se pueden obtener del método de búsqueda incremental, ya que la
función debe cambiar de signo en el intervalo, para validar eso es suficiente con
multiplicar f(x0 ) por f(x1); si el resultado es menor que 0, entonces hay un cambio de
signo de la función y la raíz se encuentra en algún lugar de ese intervalo.

Estos métodos sólo localizan las raíces reales que cruzan el eje x.

* Métodos abiertos. Requieren de uno o más puntos iniciales.

Localizan la raíz de f (x) haciendo aproximaciones del comportamiento de f(x) para

estimar el valor de la raíz, si no es satisfactorio se hace la siguiente aproximación hasta
localizar la raíz.

Estos métodos localizan las raíces que tocan o cruzan el eje x, también son capaces de
localizar las raíces complejas bajo ciertas condiciones.

Dos importantes conceptos que se deben conocer para entender los métodos para
resolver ecuaciones no lineales son:

Definición: Criterio de convergencia. Es la condición de paro que se debe cumplir

para que el algoritmo se detenga.

Definición: Tolerancia. Es el valor máximo que puede tomar f(x) para aceptar a x
como la raíz.

Para resolver las ecuaciones no lineales, los métodos siguen un proceso iterativo
como se muestra a continuación:

El proceso se repite hasta que se cumpla el criterio de convergencia.

Criterios para detener un proceso computacional:

Para que un algoritmo numérico funcione de forma adecuada, es

necesario tener en cuenta criterios que permitan suspender su
ejecución. Un algoritmo se puede suspender por dos causas:

Criterios optimistas:
Cuando la ejecución de un algoritmo se suspende por criterios
optimistas, es porque se ha alcanzado un resultado que cumple con
los requerimientos exigidos por el problema y por quien los resuelve.

Estos criterios manifiestan, en algunos casos, la convergencia del

método a un valor; estos requerimientos están expresados por lo
general en una cantidad llamada tolerancia.

En la mayoría de los algoritmos se deben incluir criterios optimistas.

Criterios pesimistas:
Si se cumple una condición pesimista, es porque la ejecución del
algoritmo fracasó en la búsqueda de la solución.

En general, los criterios de fracaso se incluyen para evitar que se

presente un ciclo infinito, divisiones por 0, soluciones indeseadas (por
ejemplo, números imaginarios), etc.

En la mayoría de los algoritmos se deben incluir criterios pesimistas.

 EL MÉTODO DE BISECCIÓN

* Sea f(x) una función continua en el intervalo [a,b] con f(a) ∙ f(b) < 0.

* Entonces existe al menos un número p en (a,b) tal que f(p) = 0.

* El método requiere dividir varias veces a la mitad los subintervalos de [a,b] y, en cada
paso, localiza la mitad que contenga a p.

Suponga a, a
=

y
el punto medio P,
b. b =

9. tb
= a,t
=

it
S.
*
f(9) 0=

entonces 9 =4. E encontraste la

solución

Si
*
no, revisamos el signo de f(9)

S,
*
F(9) f(a) tienen
+ el mismo signo

entonces 9 {[P, b.] y

tomames az 4,
=

bc b,
=

Si
*
f(9) f(a.)
+
tienen signos diferentes

entonces
PE[a.,9.] tomamos
y
ac=a,
b z Pi
=

Desques volvemos aplicar el

*
proceso al intervalo [an, be
↑ as sucesivamente.
 xY

in
a
·Az Pi
=

e P,
Sx

i
b
b, b=

b2 b,
=

jemplo muy simple:

f(x) x-=
16 a, 1
=

f(a.) = -

15

b, 5
=

f(b) 9
=

9. (5
=

3
=
f(p.) f(3)
=
=
- 7

f(a) y
f (18) tienen el mismo signo

Az P, 3
=

55
=

8. =

4
=

b2 b1 =
5
=

f((2) =

f(y) 0
=

Solucion ->
P 4
=
Mismo ejemplo, pero...

f(x) x-=
16 a, 1
=

f(a.) =
=
15

b, b
=

f(b) 20
=

9. (
=
3.5
=
f(p.) f(3.5) =
=
-
3.75

f(a.) f(18) tienen el

+
mismo signo

ac 4 3.5 = =

f(ac) =
-

3.754 3 =

-
6
+

4.75
=

b2 b, 6
=
=

f(P2) f(4.75) 6.5625

=
=

f(a2) f((2) tienen

+

signos diferentes

Az az 3.5
=
=

f(93) =

- 3.75

ba P2=

4.75
=
9 354.75 4.125
=

f(P) 1.015625
=

f(az) f((3) +
tienen signos diferentes

Ay 03
=

3.5
=

f(ay) -
=

3.75

125
4 3 3.8125
=

by 43
=
4.125
=

f(Py) =

- 1.46484

f(au),f(Ty) tienen signas iguales

etc, etc, -> p4

=
La ventaja del método de la bisección sobre otros es que proporciona el tamaño
exacto del intervalo en cada iteración (en ausencia de errores de redondeo).

Sabemos que en este método, después de cada iteración, el tamaño del intervalo se
reduce a la mitad; después de n iteraciones, el intervalo original se habrá reducido
2^n veces.

Por lo anterior, si el intervalo original es de tamaño a y el criterio de convergencia

aplicado al valor absoluto de la diferencia de dos puntos medio (p) consecutivas es ε,
entonces se requerirán n iteraciones, donde n se calcula con la igualdad de la
expresión:

* =
E

de donde:
ba -
12
r =

De

Por eso se dice que se puede saber de antemano cuántas iteraciones se

requieren.
Pseudocódigo para el método de la bisección:

procedimiento Bisección (f, Xo, X,, tol

si f(xo).f(x.) 30 entonces

No hay cambio de
signo
fin si

cumple I falso

Mientras no cumple hacer

x = A,
2

S, f(xd. f(x.) < O

entonces
X, X =

Sino

X. * X

fin si

cumple = If(X)) < tol

fin mientras
retornar X

fin procedimiento
sudocódigo:
Mientras
* No
is

Definir
* la funcion f(x)
Definir
↓
Hacer p: Ab
*
ay b
↓ Hacer fg f(p)
=

Definir
* tol
Definir
+ S, f, 0
=
0 Iful < fol:
* numero maximo de steraciones
No ↓ Imprimir:La solución es
p
↓ Terminar
Hacer
*
i 1
=

Hacer
↓
i=it 1
Hacer
*
fa f(a) =

+ S, fa.fp>0:
Hacer
* fb f(b) =

+ Hacer a
4
=

+ Hacer fa =

fp
1 S, no:

+Hacer b
P =

Imprimir:El método
*

no converge

Terminar
*
Ejemplo:
1
lix Si a=
x
-
10 0 =

b, 10
=

+d 0.0001
=

f(a) =

7.697
110
-

18, f(4)
=

5.5
=
=
- 0.6238
f(b) 13.02
=

f(a.). f((i) -> positiva

a,P, 5.5
=

b, b1 104
=
(10 =
=

7.75
=

f(P2) 5.869619
=

f(a). f(P2) -> negativo

&3 G2 5.5
=
=

= 69619
P3 =
2 5.684809
=

by
2
02 5.869619
=

-(43) = -
0.1209516

f(as). F(Ps) -> positivo

ay 43 5.684809
=

%y 5.777214
=

by bs 5.8696/9
=
=

-(4) 0.132780
=

f(an). f(Py) -> negativo

a5 Gy 5.684809
=

15 5.7310115
=

b5 44 5.777214
= =

f(P5) 0.005727
=

f (d5) ·

F (45) negativo
=

etc, etc q
=
5.728927
 EL MÉTODO DE LA REGLA FALSA

El método de la regla falsa, al ser un método cerrado, requiere de dos puntos x0 y x1 que encierren la
raíz. Se hace una interpolación lineal entre f(x0) y f(x1), al ser de signos opuestos, entonces cruzan el
eje x, por lo tanto, la interpolación lineal entre estos dos puntos también cruzará el eje x en un valor
aproximado de la raíz de f(x), al ser una raíz falsa, el método es llamado de la regla falsa o de la falsa
posición.
La interpolación lineal entre f(x0) y f(x1) es:

El punto donde la interpolación lineal cruza el eje x es la raíz de la interpolación, entonces:

Despejamos entonces el valor de x, que nos dará la falsa posición de la raíz de f(x).
En la gráfica se observa que la intersección de la interpolación lineal con el eje x da
una falsa posición de la raíz, esto es una aproximación a la raíz de f(x). La interpolación
lineal se aproxima al comportamiento de f(x) en el intervalo [x0,x1], por lo tanto, la raíz
de la interpolación se aproxima a la raíz de f(x).

El punto x crea dos subintervalos [x0,x] y [x,x1], se debe determinar en cuál se

encuentra la raíz, el procedimiento es el mismo que en el método de bisección.

Se debe validar si f(x0 )∙f (x) < 0; entonces el primer subintervalo [x0,x] contiene la raíz
y x1 = x, de lo contrario, la raíz se encuentra en el segundo subintervalo [x, x1] y x0 = x
y se vuelven a realizar los mismos pasos hasta que se cumpla el criterio de
convergencia.
 =jemplo:
f(x) x- =
16 a, 1
=

f(9.) = -

15
f(a). f (b.) >0 negativo
b, 5
=

f(b) 9
=

2b, f(a)

5(15)
-

1.
=

3.5
-
=

f(b,) -

f(a,)

f(8) f(3.5) =
=

- 3.75 f(a) .f (1.) -> positivo

(5(35)
22 f (92)
P, 3.5 3.75
= =
=

02
-
=

3.9417
=

b2 b1 5
= =

f(b):9
f(P2) =
- 0.467/28

f(ac) ·

f(x) => positivo

a3 02 3.941176
f(a3) 0.467128
=

= =

13 3.99342
-
=

by b2 5
=
=
f(b3) 9
=

f((3) =
- 0.052591

f(as): f(Ps) -> positivo

ay 43 3.99342= =

etc, etc. 10 4.0

=

by by =
5
=
Pseudocódigo para el método de la regla falsa:

Procedimiento ReglaFalsa
(f, Xo, X,, tol
si f(xo).f(x.) 30 entonces

No hay cambio de
signo
fin si

cumple I falso

Mientras no cumple hacer

x x
=
x, f(xd) -

f(x.) -
f(X)

S, f(xd. f(x.) < O

entonces
X, X =

Sino

X. * X

fin si

cumple = If(X)) < tol

fin mientras
retornar X
fin procedimiento
Ejemplo:

Aplique el método de la bisección y el de posición falsa

a la ecuación:

Use los intervalos (0.4, 0.5) y (0.39, 0.53).

Bisección con intervalo (0.4, 0.5):

Bisección con intervalo (0.39, 0.53): Raiz = 0.42857137

Posición Falsa con intervalo (0.4, 0.5): Raiz = 0.42857142

Posición Falsa con intervalo (0.39, 0.53): Raíz = 0.42857136
EJEMPLO:

Se tiene un tanque esférico para almacenar agua y se desea calcular la la altura

del agua h para que el volumen sea 800. Usar la siguiente formula que calcula el
volumen en función de la altura h. R = 10.

Primero sustituimos el valor de R y V:

y transformamos la función a la forma f(x) = 0

Ahora debemos seleccionar los valores iniciales x0 y x1, de tal manera que la función
en f(x0) y f(x1) cambien de signo, para ello nos podemos apoyar en el método gráfico
para observar el comportamiento de la función.

Observamos que la función tiene tres raíces, ya que es un polinomio de grado 3. Si

analizamos un poco el contexto del problema, dice que se trata de un tanque esférico
de R = 10, por lo tanto, la altura del agua debe estar en el intervalo h ∈ [0, 20].

El polinomio como tal tiene 3 raíces, pero el contexto del problema dice que sólo una
raíz nos interesa. Definitivamente, la raíz que se observa cercana a 30 y a −5 no son
viables, ya que la altura del agua no puede tener ese valor, entonces observemos más
de cerca la gráfica.
Y nos damos cuenta de que tiene dos raíces más, una positiva y otra negativa,
definitivamente la raíz negativa tampoco resuelve el problema, porque la altura del
agua no puede ser negativa, entonces nos queda la raíz positiva.

Para encerrar la raíz positiva que nos interesa, observamos que los valores pueden ser
x0 = 4 y x1 = 6, estos valores también concuerdan con el contexto del problema
porque la altura debe estar en h ∈ [0, 20], entonces estos serán los valores iniciales.
Por lo tanto, la raíz es h = 5.594871 y ésa es la altura del agua para que el volumen del
tanque sea V = 800.

Se debe considerar siempre el contexto del problema para saber cuál de las múltiples
raíces que tiene la función son las que nos interesan. También el contexto del problema
nos ayuda para dar los valores iniciales que encierran la raíz que resuelve el problema.

REA:senx-csx + 1 0
=

Realie 5 iteraciones

Esto se puede reescribir como:

senx-x+1 0
=

Esta funcion tiene varias rakes, van a buscar la que se

encuentra en el intervalo [01.1)

↑
 NEWTON-RAPHSON

El método de Newton-Raphson se apoya en la serie de Taylor, la cual hace una aproximación de f(x).

Truncamos la serie de Taylor en el segundo término y como deseamos encontrar el valor de x en donde f(x) = 0,
entonces igualamos la serie truncada a 0.

Esto nos daría una aproximación a la raíz de f(x), para conocer el valor de x simplemente la podemos despejar de la
ecuación:

En su forma iterativa:

xi+1 es una aproximación a la raíz, basta con validar el criterio de convergencia y si no se cumple se vuelve a iterar con un
nuevo valor de x. Note que sólo se requiere de un valor inicial x0. El método de Newton-Raphson puede convertirse en un
ciclo infinito en algunos casos, entonces se debe incluir otra condición de paro que es el número máximo de iteraciones.

Otra consideración que se debe tener en cuenta es que la derivada f ′ (x0 ) en algún valor particular de x0 sea cero, en ese
caso la división no se podría calcular y, por lo tanto, el valor calculado de x tampoco, en esos casos se puede incrementar
x en un delta para que salga de ese punto y pueda continuar con la siguiente iteración.
El método de Newton-Raphson suele converger rápido debido a que toma en cuenta la derivada y
generalmente x apunta a un valor cercano de la raíz de f(x).

En otros casos, la derivada puede llevar el valor de x lejos de la raíz, incluso puede divergir. Por eso, el
algoritmo prevé un número máximo de iteraciones.

Ejemplo:f(x) x
=
2
-
16 po 8
=

f(x) 2x tol 0.01

=
=

No 15=

i
1p
4- 26
=

8 5
=
=

-
=

14.-901 15-8) =

3
=

- ti NO

i 2
=

92 =

4- =

5 -

2 4.1
=

142-4.1 14.1-5) =

0.9
=
< tol NO

i 3 =

43 4.1
= - 2 4.001219512
=

8.2

143 -42) 14.001219512-4.1)

=

0.0987
=

< tal NO

4 94 4.00119512
-75758 4.0000006
i =
=

- =

19-931 14.000000106
=
-

4.00119512) 0.00121 =
< tdl Si

10 4.00 =
 Pseudocódigo para el algoritmo de Newton-Raphson

·
Definir f(x)

. Definir f(X)
·
Definir aproximación inicial 40
·
Definir la tolerancia:tol

. Definir el número de iteraciones máxima: No

·
i 1
=

·
Mientras i=No:

i
-
=
·

S.1p-4.)< tol:

Imprimir (La solución es pl

·

Terminar
Imprimir (El método fracaso después de No iteraciones)
·

Termina
·

Otra opcion:
Procedimiento NewtonRaphson (f,f, xo, imax, foll
i =
0

cumple = falso
Mientras no cumple y
is imax hacer:

S, f(xo) 0 entonces:
x *
f(Xc)
Xo -

fi(Xo)

sino
XF tol
Not

fin si

cumple = If(xs) < tol

i i
=
1
+

fin mientras
retornar X

fir procedimiento.
EJEMPLO:

Fluye aire a 25°C y 1 ata a través de un tubo de 4 mm de diámetro a una velocidad

promedio de 50 m/s. La rugosidad del tubo es de ℇ = 0.0015 mm y Re = 13743. Calcule
el factor de fricción utilizando la ecuación de Colebrook.

La ecuación se puede expresar en la forma f(x) = 0

Su derivada es:
El siguiente programa es la implementación del método de Newton-Raphson usando la
biblioteca optimize de SciPy.

El método Newton sólo recibe la función f (x) y no requiere de la derivada f ′ (x),

necesariamente.

EJEMPLO:

El criterio de convergencia para aceptar un valor de x como el valor de la raíz de f (x)

puede dar como resultado valores incorrectos de una raíz. Esto se hace muy evidente
para funciones que tienen un comportamiento casi tangencial con el eje x, ya que el
criterio de convergencia se puede cumplir en valores de x que están todavía lejos de la
raíz.

Un ejemplo muy claro de este tipo de funciones son los polinomios con raíces múltiples,
por ejemplo:

f(x) = (x−2) (x−2) (x−4) = x^3 - 8x^2 + 20x - 16

f’(x) = 3x^2 - 16x + 20

Con aproximación inicial de 1, tol = 0.000001 y num. max. iteraciones = 20

Con num. max. Iteraciones = 25

NEWTON-RAPHSON MODIFICADO:

Seguimos con el ejemplo anterior:

f(x) = (x−2) (x−2) (x−4) = x^3 - 8x^2 + 20x - 16

f’(x) = 3x^2 - 16x + 20

f’’(x) = 6x - 16

Con el valor inicial de x = 1

El valor de la raíz es un mejor resultado que el método de Newton-Raphson y con menos iteraciones.

El siguiente programa es la implementación del método de Haley usando la biblioteca optimize de

SciPy. El método Haley recibe la función f(x), la derivada fʹ(x) y la segunda derivada fʹʹ(x).
Newton-
Rackson
EJEMPLO Inx 2 0
=

: -x +

18 1
(x
=

x
+

2
y
= -

tol= 0 001 .

dx/ax
-
1
=
No =
10

- =

%
-

f = -

! tenemos
valor Inicial
que elegi atra

P 2 f(40)
=

18 ,
=

P -
2 -
0 .
69315
2 602060
f(40)
= .

( -
0 5)
i
.

12 602060-21.
< tol NO

f (0 )
i 2 12
,
0 354243
18
=
.

602060
-

-
2
177420
:
,
3
=
-
.

fi( )
=

( 615689)
.

. -
0 .

13 .
177420 -
2 .

6020601 td NO

0213505)
i
i =

3 -0
93 3 177420 3 1462641
.
=
- =
-
.
.

-
0. 68527925)

13 1462641
.
-
3 .
1774201 < tol NO

(- 0 0000333435)
94 3 146241
.

3 1461932
=

.
.

(- 0 68216273)
.

13 1461932 . -3 .

1462641) < fdS1

1 3 1461932
=

.
Cuando hacemos que la aproximación inicial sea 2:
Si queremos encontrar la otra raiz podemos hacer esto:
 Newton- Rachson MoDIFICADO
EJEMPLO Inx -x 2 0
=

+
:

1 2
(x
=

x
+

2
y
= -

(0) 0 69315
=

tol= 0 001
.

y =Y -
1
No =
10 f(40) =
-
0 5
.

y
=
-

Yx2 f"(P0) =
-
0 25 .

=1
f(90) f((0) 69315(-0 5)
10 ,
=

40
-

-
2
0 .
.

= 2 81877

(f )]"
-

( f((0) f"(P)
.

(0 5)2 (0 69313)[0 25)

-
-
. . .
.

12 81877-2)
.
< +d NO
-

i =
2 f (4 1 .
=
0 .
21773

f(4) 0 6452382 2 81877 2175370 64523)

0 .

13510
.

(-0 64523)2 (0 21753)(0 1258583

= - = -
. .

. . .

f"(10 ) ,
= -
0 .
125458

13 .
135103 -
2 .

81877) < tol NO

=
3 f((2) =
0 007559
.

(0 007559) 70 68103) .

3 13510
f(P2) 146181
.

6810393 3
=

0
-
.
= .

(-0 68103)2 (0 007559)(0 10174)

-
.

-
.
. .

f"(P2) =
-
0 101741 .

13 .
146181 -

3 .
13510) = 0 .
01108 1 <tal NO

i =

4 f((3) =

0 000008336 (0 000000336) (-0 682154) .

Yy
.

3 146181
.

-
.

f(3) = -

0 682154 .
( 0 682154)2
-
.
-

(0 000008336) (0 101026)
.
.

f"(P3) 0 101026 1y 3 146193

-
=

= .
.

13 146193 .
- 3 .

146181) =

0 000012 .
<tal S1
MÉTODO DE LA SECANTE

Uno de los inconvenientes de los métodos de Newton es el uso de la derivada de f(x), si

hablamos de una función complicada donde sea muy difícil derivar, el método de
Newton no es el recomendable. La alternativa es usar una aproximación a la derivada
que sea mas sencilla de obtener.

Sustituimos la aproximación de f’(x) en la ecuación iterativa de Newton y tenemos:

Observe que se requieren de dos puntos para obtener la aproximación a la derivada,

esto no quiere decir que los dos puntos deban encerrar a la raíz, son simplemente para
poder hacer la aproximación a la derivada.
 El método de la secante se deriva del método de Newton-Raphson y es una alternativa
al mismo cuando la función es difícil de derivar. Los dos puntos crean una línea secante
a la función, es por eso su nombre.

Peudocodigo :

procedimiento SECANTE (f ,
xo
,
x. imax , toll
i F 0

comple I falso
mientras no comple & i<imax hacer :

x,
f(x )(X -x0)
, .
x = -

f(x ) ,
-
f(X0)

cumple =
(f(xi) < tol
X. E X,

X , F X

i =
i +
1

fin Mientras
retornor X
fin procedimiento

=
-

25exp(x) +
0 .
98174cos(0 3927x) .
Ejemplo :
Ecn de . Redlick-kwong

p =
-
En la forma f(X) =
0

f(vs =
** ~(wis) - -

P
=

R =
0 1582
. k5/kg .
K (R para el metand
0866
acat e
b= 0 .

Si Pc =

4600 Pa Calcular el volumen especifico (my/kg)

Tc 191 A T
: Si =

270k

P = 6000 ↳Pa
Dura un Eg de Metano
 Ejemplo : x -
16 =

0 Xo = 0
X, 1
·
=

i =

1
x,
f(x )(X
, ,
-
xc) (15)()
x =1- 16
= -

f(x ) ,
-

F(Xo) (-15) -

(16)

i 1
2 Xo (240) (15)
=

X =
16 -

1 88235
16
.
=

x, 240 (15)
=

i 16

L
3 Xo
(12 4567) (- 14 11765)
I
=
=

. .

1 88735
88235X
=

X 1
.

,
(12 4567) (240)
.
-

x =

2 . 578947

4 x 67453157
·

=
=
4 .

i 5 3 86785832
=

x =
.

i =
6 x = 3 98956507
.

i =
7 x = 4 00017549
.

i =

8 x
=

3 .
99999977
EJEMPLO : 2 cosX-bY =

Xo =

0 1 X 0 535428
imax 10
.
.
=

X, =

0 8 .
tol = 0 00 1
.

i =
1

Xo =

0 1 .
f(X0) =
2 cos (0 1) .
-6(0 1) .
=
1 930008
.
in

X, =
0 5 .
f(X ) , = 220s(0 5) .
-
6 (0 8) .
= -
2 . 44659

x2 = x, -
1x0) -

0 40869
.

f(x) f(Xo)
-

f(X2) 2c0s
(0 40869) 6(0 40869)"
=

.
-
.
=
0 833119
.

f(Xc)(X2 -x ) ,

X3 Xz -
0 50809
f(X2) f(X )
= .

-
,

f(Xz) =

2 cos (0 50809) 6(0 50809)

.
-

.
=
0 . 198418

Xy f(Xy)(X3 -x2)
Xz 0 53916
=
-

f(x3) -

f(Xz)

f(xy) 2cos
(0 53416) 6(0 53916) 0 0278805
=

.
-
.
= - .

X5
f(xy)(Xx xa) -

xx -

f(xy) -
f(x3)0 .
53533 =X

f(X5) (0 53533) 6(0 53533)

2
= 2 cos .
-

.
=
0 .
0007314
ITERACIÓN DE PUNTO FIJO

Los métodos anteriores han propuesto estrategias para encontrar el valor de x

donde f (x) = 0. El método de punto fijo trata el problema de otra forma,
analicemos un poco el ejemplo:

f(x) = cos(x)−x^2 = 0

Para que la función sea cero, el valor de cos(x) debe ser igual al valor de x^2
para que al restar uno de otro sea cero.
La interpretación gráfica es que las funciones cos(x) y x^2 se crucen en un
valor de x. Ese valor es precisamente la raíz de f (x) = cos(x) − x2 .
El método plantea que si transformamos f(x) = 0 a una expresión como x =
g(x), donde x se despeja de f(x), entonces resulta una ecuación distinta a f(x)
que llamamos g(x). Como f(x) es una ecuación no lineal, entonces resulta una
ecuación distinta que sigue dependiendo de x.
El método inicia con un valor de x, el cual se sustituye en g(x) para
obtener un resultado que se sustituye nuevamente como x, los cálculos
se repiten hasta que se cumpla el criterio de convergencia |x − g(x)| <
tolerancia, es decir, donde el valor de x y g(x) se igualan o donde la
función x interseca a la función g(x). P

EJEMPLO: Calcular el volumen de 2 moles de bióxido de

carbono a una presión de 10 atm y 300 K, usando la ecuación de
van der Waals.

(P 2) +

(V nd) - =

1RT

a =
3 592. r =

2 T = 300

b =

0 04267
.
R =

0 082
.
P = 10

Al transformar a Una expresion X

=

9(X) ,
Nos

conviene despejar V del termino (V-nb) ,

10

que da :

nRT
V =

rb
p +
va
V2
Pseudocódigo :

genera una solucion ap =

g(P)
· Definir 9418
·

Aproximación Inicial Po
·
Tolerancia ,
fol .

·
Número Máximo de iteraciones .
No
· i = 1

Mientras i < No :

0
=

g(18)
si
/p-90)< tol :

Imprimir
La solucion es
q
terminar
i =
i 1
+

%0 =

imprimir El método Fracaso después de No iteraciones

terminar
 *

Para e
+
2 + 2cosx-6 =

[6-2cosx-2-*
poderes despesor :
x
=
In
Regresamos al problema de van der Waals :