BEDI U2 Contenido

Métodos numéricos
Unidad 2. Solución numérica de ecuaciones algebraicas no lineales
Programa de la asignatura:
Métodos numéricos
U2 Solución numérica de ecuaciones

algebraicas no lineales
Ciencias de la Salud, Biológicas y Ambientales | Ingeniería en Biotecnología

U2 Métodos numéricos
Solución numérica de ecuaciones algebraicas no lineales
Índice
Presentación de la unidad ......................................................................................................... 2

Propósitos de la unidad ............................................................................................................. 3
Competencia específica ............................................................................................................ 3
2.1. Métodos de bisección ......................................................................................................... 4
2.1.1. Teorema del cambio de signo ......................................................................................... 4
2.1.2. Métodos iterativos ........................................................................................................... 8
2.1.3. Regula falsi .................................................................................................................... 11
2.2. Método de Newton-Raphson............................................................................................ 19
2.2.1. Interpolación inversa ..................................................................................................... 23
2.2.2. Problemas ..................................................................................................................... 27
2.3. Interpolación polinómica................................................................................................... 32
2.3.1. Interpolación .................................................................................................................. 33
2.3.2. Interpolación polinómica segmentaria ........................................................................... 37
2.3.3. Problemas de interpolación ........................................................................................... 42
Actividades .............................................................................................................................. 48
Autorreflexiones....................................................................................................................... 48
Cierre de la unidad .................................................................................................................. 48
Para saber más ....................................................................................................................... 50
Fuentes de consulta ................................................................................................................ 51
Universidad Abierta y a Distancia de México 1

Presentación de la unidad
Los métodos numéricos que se presentan en esta segunda unidad son útiles para la
solución de problemas reales de la ingeniería, debido a que la solución analítica, de la
ecuación que lo modela, generalmente resulta ser muy complicada. Aunado a esto, la
implementación de estas técnicas en una computadora permite un análisis profundo de la
exactitud de los resultados generados.
Uno de los métodos más sencillos para la solución de ecuaciones es el método gráfico. A
través de él se tendrá conocimiento del comportamiento de la función. Nuevamente te
apoyarás de los entornos de programación matemática como Excel, MATLAB, MathCad
entre otros, para el graficado y análisis de datos.
En la primera sección se analizan los métodos de bisección, cerrados para la búsqueda

de raíces: Teorema del cambio de signo, Métodos iterativos y Regula falsi (también
llamado Falsa posición). Estos métodos requieren de dos valores iniciales que acoten
sucesivamente a la raíz. Además son métodos iterativos que siempre convergen a la
solución, pero son lentos.
Por lo anterior, en la sección 2 se analizan los métodos abiertos de Newton-Raphson e

interpolación inversa, los cuales son más rápidos en la búsqueda de la raíz, aunque
existe la posibilidad de que no converjan a la solución. Además, en el caso de Newton
Raphson se requiere de una derivada analítica, lo cual limita su implementación general.
Tanto en los métodos cerrados como en los abiertos, su eficiencia depende de los valores
iniciales. De ellos dependen tanto la velocidad como la convergencia de los métodos.
Por último, en la sección 3, se analizan técnicas de interpolación de un conjunto de puntos

usando polinomios. Para ello, se han implementado algoritmos de interpolación polinomial
y segmentaria.

Propósitos de la unidad
El estudio de esta unidad te permitirá:
• Analizar las características de solución de ecuaciones algebraicas usando los

métodos de bisección, aplicados a modelos matemáticos.
• Analizar soluciones de ecuaciones algebraicas usando los métodos de Newton
Raphson e interpolación adaptándolos a las características del modelo matemático
a resolver.
• Resolver el modelo matemático usando un método de interpolación polinómica.
Competencia específica
Aplicar métodos numéricos para solucionar modelos matemáticos en

contextos de ingeniería utilizando métodos dirigidos a ecuaciones
algebraicas lineales.

2.1. Métodos de bisección
Un problema constante en el campo de la ingeniería es resolver ecuaciones algebraicas

de la forma 𝑓(𝑥) = 0. Para ello, las técnicas numéricas tienen una gran utilidad práctica. A
lo largo de esta unidad se usarán los métodos numéricos para resolver ecuaciones
algebraicas cuya solución no se puede determinar fácilmente.
En esta primera sección estudiarás los métodos cerrados de bisección y regula falsi, o
también llamado de falsa posición, para encontrar la solución o raíz de la ecuación.
Debido a su naturaleza iterativa, estos métodos son implementados en Mathcad para el
cálculo automático de la solución.
2.1.1. Teorema del cambio de signo
El método más sencillo para obtener una solución aproximada de la ecuación es el

gráfico, el cual consiste en graficar la función 𝑓(𝑥) a resolver y observar dónde cruza el
eje 𝑥. Por lo que, la solución, raíz o ceros de la ecuación, son aquellos valores 𝑥 que
hacen que 𝑓(𝑥) = 0.
En la siguiente figura es posible deducir que la raíz 𝑥 de la función 𝑓(𝑥) se encuentra en el

intervalo [1,2]. Por lo tanto, una solución aproximada puede ser el punto medio 𝑥𝑚 = 1.5
del intervalo.
Método gráfico para determinar las raíces de una ecuación

Figura 1. Método gráfico para determinar las raíces de una ecuación

Fuente: Elaboración propia.
Si realizamos un acercamiento al nuevo intervalo [1,1.5], entonces la siguiente
aproximación a la solución es el nuevo punto medio 𝑥𝑚 = 1.25. De esta manera, al reducir
el intervalo de búsqueda el punto medio 𝑥𝑚 se aproxima a la solución exacta de la
ecuación algebraica.
Método gráfico para determinar las raíces de una ecuación
Figura 2. Método gráfico para determinar las raíces de una ecuación.

Por lo anterior, si 𝒇(𝒙) es real y continúa en el intervalo que va desde 𝑥𝑎 hasta 𝑥𝑏 y

𝑓(𝑥𝑎 ) y 𝑓(𝑥𝑏 ) tienen signos opuestos, entonces hay al menos una raíz real entre 𝑥𝑎 y 𝑥𝑏 ,
(Chapra, S., 2010).
De manera general,
1. Si 𝑓(𝑥𝑎 ) y 𝑓(𝑥𝑏 ) tienen signos opuestos, existe un número impar de raíces en el

intervalo.
2. Si 𝑓(𝑥𝑎 ) y 𝑓(𝑥𝑏 ) tienen el mismo signo, no existen raíces o hay un número par de
ellas.

Con el método de bisección o de cambio de signo se reduce el intervalo [𝑥𝑎 , 𝑥𝑏 ] hasta

acercarnos a la solución 𝑥 con una exactitud dada, de la siguiente forma (Mathews, J.,
2004):
𝑥𝑏 + 𝑥𝑎
|𝑥 − 𝑥𝑐 | ≤ 𝑛+1 ,
2
para 𝑛 = 0,1, … la expresión anterior indica que el intervalo [𝑥𝑎 , 𝑥𝑏 ] que acota la raíz se
reduce (𝑛 + 1) veces a la mitad por 2𝑛+1 .
Ejemplo 01:
Determina la raíz real positiva de la ecuación,
𝑒 −𝑥 − 𝑥 = 0.
Solución
A partir de su gráfica es posible observar que la raíz se encuentra en el intervalo [𝑥𝑎 , 𝑥𝑏 ] =

[0,1].
Gráfica de la función 𝑓(𝑥)
Figura 3. Gráfica de la función 𝑓(𝑥). Fuente: Elaboración propia.
Evaluando la función en los puntos 𝑥𝑎 = 0 y 𝑥𝑏 = 1,
𝑥 𝑓(𝑥)
0 1

1 −0.632
observamos que hay un cambio de signo, por tanto existe una raíz entre 0 < 𝑥 < 1. El
punto medio 𝑥𝑚 es,
𝑥𝑎 + 𝑥𝑏 0 + 1
𝑥𝑚 = = = 0.5,
2 2
y su evaluación,
𝑓(𝑥𝑚 ) = 𝑓(0.5) = 0.107.
Como 𝑓(𝑥𝑚 ) es positivo y 𝑓(1) negativo, entonces la raíz ahora se encuentra en el

intervalo [0.5,1]. Hacemos 𝑥𝑎 = 𝑥𝑚 = 0.5 y repetimos la misma operación.
𝑛=1 𝑥 𝑓(𝑥)
𝑥𝑎 0.5 0.107
𝑥𝑚 0.75 −0.278
𝑥𝑏 1 −0.632
El cambio de signo ahora está en el intervalo [0.5,0.75]. Por lo que 𝑥𝑏 = 𝑥𝑚 = 0.75. Para
las siguientes iteraciones 𝑛 = 2,3,4 tenemos,
𝑥𝑎 0.5 0.107
𝑥𝑚 0.625 −0.09
𝑥𝑏 0.75 −0.278
𝑥𝑎 0.5 0.107
𝑥𝑚 0.563 0.006
𝑥𝑏 0.625 −0.09
𝑥𝑎 0.563 0.006
𝑥𝑚 0.594 −0.042
𝑥𝑏 0.625 −0.09

Las sucesivas aproximaciones a la solución son 𝑥𝑚 = 0.5, 0.75, 0.625, 0.563, 0.594.
El resultado aproximado para las primeras iteraciones 𝑛 = 20 se muestra a continuación:
Figura 4. Solución aproximada xm = 0.56714 de la ecuación e−x − x = 0. Como se observa, la

solución está expresada en 5 cifras significativas y a partir de la iteración n = 17, ésta no
cambia. Estos hechos pueden ser usados como criterio de paro de algún algoritmo.
2.1.2. Métodos iterativos
Como hemos visto, el método de búsqueda de la raíz es iterativo, esto es, en cada paso
el intervalo que “encierra” a la solución se reduce continuamente a la mitad. Por lo que, el
algoritmo para la búsqueda de la solución está estructurado de la siguiente forma:

Parámetros de entrada
Intervalo inicial: [𝑥𝑎 , 𝑥𝑏 ],

La ecuación algebraica a resolver: 𝑓(𝑥)
El número de iteraciones: 𝑁
Paso 1. Verificar que existe una raíz en el intervalo como 𝑓(𝑥𝑎 )𝑓(𝑥𝑏 ) < 0.
Paso 2. Calcular una aproximación a la raíz a través del cálculo del punto medio,
𝑥𝑎 + 𝑥𝑏
𝑥𝑚 = ,
2
Paso 3. Evaluar la nueva aproximación y determinar el nuevo intervalo que “encierra” la

raíz como,
A. Si 𝑓(𝑥𝑎 )𝑓(𝑥𝑚 ) < 0, entonces la raíz se encuentra en el intervalo inferior.

Sustituimos el límite superior por el valor medio como 𝑥𝑏 = 𝑥𝑚 . Volver al Paso 2.
B. Si 𝑓(𝑥𝑎 )𝑓(𝑥𝑚 ) > 0, entonces la raíz se encuentra en el intervalo superior.

Sustituimos el límite superior por el valor medio como 𝑥𝑎 = 𝑥𝑚 . Volver al Paso 2.
C. Si 𝑓(𝑥𝑎 )𝑓(𝑥𝑚 ) = 0, entonces la raíz es igual a 𝑥𝑚 . Termina el cálculo.
Algoritmo para la búsqueda de raíces usando el método de bisección.
El método de bisección implementado en Mathcad es mostrado en la siguiente figura:

Figura 5. Algoritmo para aproximarse a la raíz de una función f(x) a partir de un intervalo inicial
[xa , xb ] y N iteraciones, usando el método de bisección.
Por la lógica del método de “encerrar” la raíz, este algoritmo sólo es capaz de encontrar
una solución a la vez. Por lo que, para casos donde se tienen múltiples raíces, el
algoritmo resulta deficiente.

2.1.3. Regula falsi
Otro de los métodos que “encierra” la raíz en un intervalo definido es el de Regula falsi o
Falsa posición, sólo que a diferencia del método de bisección que reduce el intervalo
[𝑥𝑎 , 𝑥𝑏 ] siempre a la mitad, este método traza una recta entre 𝑓(𝑥𝑎 ) y 𝑓(𝑥𝑏 ). Los triángulos
semejantes que se forman están relacionados por (Chapra, S., 2010),
𝑓(𝑥𝑎 ) 𝑓(𝑥𝑏 )
= ,
(𝑥𝑟 − 𝑥𝑎 ) (𝑥𝑟 − 𝑥𝑏 )
despejando,
𝑓(𝑥𝑏 )(𝑥𝑎 − 𝑥𝑏 )
𝑥𝑟 = 𝑥𝑏 − ,
𝑓(𝑥𝑎 ) − 𝑓(𝑥𝑏 )
se tiene una aproximación 𝑥𝑟 a la solución exacta.
Figura 6. Método Regula falsi para encontrar la raíz de una ecuación algebraica. La recta que
une f(xa ) con f(xb ) está marcada en verde. La intersección de esta recta con el eje x es la nueva
aproximación xr a la raíz. El nuevo intervalo de búsqueda es [xa , xr ], donde xb se sustituye por
xr .

La aproximación 𝑥𝑟 sustituye uno de los límites del intervalo, de tal forma que siempre
exista un cambio de signo entre 𝑓(𝑥𝑎 ) y 𝑓(𝑥𝑏 ).
Ejemplo 02:
𝑒 −𝑥 − 𝑥 = 0.
Solución
A partir de su gráfica es posible observar que la raíz se encuentra en el intervalo [𝑥𝑎 , 𝑥𝑏 ] =

[0,1].
Figura 7. Gráfica de la función 𝑓(𝑥).

Evaluando la función en los puntos 𝑥𝑎 = 0 y 𝑥𝑏 = 1,
𝑥 𝑓(𝑥)
0 1
1 −0.632

observamos que hay un cambio de signo, por tanto existe una raíz entre 0 < 𝑥 < 1. El
punto 𝑥𝑟 es calculado como,
(−0.632)(0 − 1) 0.632
𝑥𝑟 = 1 − =1− = 0.613
(1) − (−0.632) 1.632
y su evaluación,
𝑓(𝑥𝑟 ) = 𝑓(0.613) = −0.071.
Como 𝑓(𝑥𝑟 ) es negativo y 𝑓(0) positivo, entonces la raíz se encuentra en el intervalo

[0,0.613]. Hacemos 𝑥𝑏 = 𝑥𝑟 = 0.613 y repetimos la misma operación.
𝑥𝑎 0 1
𝑥𝑟 0.572 −0.0078
𝑥𝑏 0.613 −0.071
El cambio de signo ahora está en el intervalo [0,0.572]. Por lo que 𝑥𝑏 = 𝑥𝑟 = 0.572. El

resultado aproximado para las primeras 𝑛 = 20 iteraciones se muestra a continuación:

Figura 8. Solución aproximada 𝑥𝑚 = 0.56714 de la ecuación 𝑒 −𝑥 − 𝑥 = 0. Como se observa, la

solución está expresada en 5 cifras significativas y a partir de la iteración 𝑛 = 5 ésta no cambia.
Estos hechos pueden ser usados como criterio de paro del algoritmo.
El algoritmo de Regula falsi implementado se muestra en la siguiente figura:

Figura 9. Algoritmo para aproximarse a la raíz de una función f(x) a partir de un intervalo inicial
[xa , xb ] y N iteraciones, usando el método de Regula falsi o Falsa posición.
Con los métodos implementados se encuentra la solución a las ecuaciones algebraicas.

La diferencia está en que el método de Regula falsi (𝑁 = 5 iteraciones) converge más
rápido a la solución que el de Bisección (𝑁 = 17 iteraciones). Esto se puede observar en
el número de iteraciones que se necesitaron en los ejemplos 1 y 2 para encontrar la
solución con la misma exactitud.

Ejemplo 03:
Se modela un proceso de producción de queso con menos grasa, mediante la adición de
un concentrado protéico de leche en forma de caseinato de calcio. La ecuación que
relaciona el caseinato de calcio en el queso 𝑦, la presión del proceso de homogeneización
𝑥 y el nivel de lípidos en los quesos es,
𝑓(𝑥, 𝑦) = 10.43 − 0.58𝑥 − 0.91𝑦 + 1.23𝑦 2 .
Si hacemos 𝑥 = −0.2, ¿cuál es la cantidad de caseinato que reduce a cero el nivel de
lípidos?
Solución
Las siguientes figuras muestran la función del nivel de lípidos en los quesos.
Figura 10. Función del nivel de lípidos en los quesos valuada en x = −0.2. Como se observa,
cuanto mayor es la cantidad y de caseinato de calcio adicionada, menor es el nivel de lípidos en
el queso.
Resolviendo la ecuación para 𝑦 con los métodos de bisección, falsa posición y la función
predefinida 𝑟𝑜𝑜𝑡( 𝑓(𝑦), 𝑦), nos dan los siguientes resultados:

Figura 11. La cantidad de caseinato que reduce a cero el nivel de lípidos es 𝑦 = 18.381. Como
se observa el método de Falsa posición converge más rápido a la solución.
Ejemplo 04:
Si analizamos la ecuación que modela la adición de caseinato de calcio en la producción
de quesos con un nivel de lípidos como,
𝑓(𝑥) = 0.651𝑥 2 − 1.03𝑥 + 9.37
donde 𝑥 es la proporción de caseinato. ¿qué tipo de raíces tiene la función?
Solución
En la siguiente figura usaremos el método gráfico para analizar el comportamiento de la
función 𝑓(𝑥).
Gráfica de la ecuación 𝑓(𝑥) = 𝟎. 𝟔𝟓𝟏𝑥 2 − 𝟏. 𝟎𝟑𝑥 + 𝟗. 𝟑𝟕

Figura 12. Gráfica de la ecuación 𝑓(𝑥) = 𝟎. 𝟔𝟓𝟏𝑥 2 − 𝟏. 𝟎𝟑𝑥 + 𝟗. 𝟑𝟕. Fuente: Elaboración propia.
En este caso, observamos que no existe cruce con el eje 𝑥, por lo tanto, las raíces son del
tipo complejo. Usando la función predefinida en mathcad 𝑝𝑜𝑙𝑦𝑟𝑜𝑜𝑡𝑠(𝑎) donde 𝑎 son los
coeficientes de la ecuación, se obtienen las dos raíces complejas.
Figura 13. Cálculo de las raíces complejas del polinomio.
Los dos métodos hasta ahora analizados pertenecen a los métodos cerrados que acotan
la solución, al reducir continuamente el intervalo en el que se encuentra. Si bien, los
métodos de Bisección y Falsa posición siempre encuentran la raíz, éstos son de lenta
convergencia. Por ello, en la siguiente sección analizaremos los llamados métodos
abiertos para la búsqueda de raíces: Newton Raphson e interpolación inversa, los cuales
convergen más rápido a la solución.

2.2. Método de Newton-Raphson
Como métodos abiertos se encuentran el de Punto fijo y Newton-Raphson, éste último de

los más usados para encontrar raíces.
El método de Newton-Raphson se basa en la extrapolación de la tangente a la curva 𝑓(𝑥)

en un punto 𝑥𝑖 .
Figura 14. Representación gráfica del método de Newton-Raphson. La tangente a la función f(x)
en xi intersecta la recta x en el punto xi+1 . Este punto será una aproximación a la solución
exacta.
De la figura anterior se determina la primera derivada en 𝑥𝑖 como (Chapra, S., 2010),
𝑓(𝑥𝑖 ) − 0
𝑓 ′ (𝑥𝑖 ) = ,
𝑥𝑖 − 𝑥𝑖+1
donde,
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − ,
𝑓 ′ (𝑥𝑖 )
o bien (Iriarte, R., 2003),

𝑓(𝑥𝑖−1 )
𝑥𝑖 = 𝑥𝑖−1 − .
𝑓 ′ (𝑥𝑖−1 )
La expresión anterior es la fórmula de Newton-Raphson y será implementada para la

búsqueda de la raíz de una ecuación.
Ejemplo 05:
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥
Solución
La derivada de la ecuación 𝑓(𝑥) es,
𝑓 ′ (𝑥) = (𝑒 −𝑥 )(−1) − 1 = −𝑒 −𝑥 − 1 = −(𝑒 −𝑥 + 1).
Sustituimos 𝑓(𝑥) y 𝑓′(𝑥) en la fórmula de Newton-Raphson como,
𝑒 −𝑥𝑖−1 − 𝑥𝑖−1 𝑥𝑖−1 − 𝑒 −𝑥𝑖−1

𝑥𝑖 = 𝑥𝑖−1 − [ ] = 𝑥𝑖−1 − [ ].
−(𝑒 −𝑥𝑖−1 + 1) 1 + 𝑒 −𝑥𝑖−1
Ahora se tiene una fórmula iterativa de aproximaciones sucesivas a la solución exacta.
Para la primera iteración 𝑖 = 1,

𝑥0 − 𝑒 −𝑥0
𝑥1 = 𝑥0 − [ ],
1 + 𝑒 −𝑥0
se necesita una primera aproximación 𝑥0 . Por lo que, a partir de la gráfica usaremos 𝑥0 =

0.5.

Figura 15. Gráfica de la función 𝑓(𝑥). Fuente: Elaboración propia.
Evaluando para 𝑖 = 1,
𝑥0 − 𝑒 −𝑥0 0.5 − 𝑒 −0.5 −0.107

𝑥1 = 𝑥0 − [ −𝑥 ] = 0.5 − [ −0.5
] = 0.5 − [ ] = 0.566,
1+𝑒 0 1+𝑒 1.607
para 𝑖 = 2,
0.566 − 𝑒 −0.566
𝑥2 = 0.566 − [ ] = 0.567.
1 + 𝑒 −0.566
El resultado aproximado para las primeras 𝑛 = 20 iteraciones se muestra a continuación:


solución está expresada en 5 cifras significativas y a partir de la iteración n = 2 ésta no cambia.
Estos hechos pueden ser usados como criterio de paro del algoritmo.
El algoritmo de Newton-Raphson implementado se muestra en la siguiente figura:

Figura 17. Algoritmo para aproximarse a la raíz de una función f(x) a partir de un valor inicial x0
y N iteraciones, usando el método de Newton-Raphson.
La convergencia del método de Newton-Raphson depende tanto de la naturaleza de la

función 𝑓(𝑥) como del valor inicial 𝑥0 . Y por la lógica del método, éste tiene el problema
de oscilar alrededor de valores mínimos o máximos locales. Y además, cuando encuentra
una pendiente cercana a cero entonces se aleja de la región solución.
2.2.1. Interpolación inversa
La interpolación inversa cuadrática es un método que usa una función cuadrática o

parabólica generada a partir de tres puntos en la función 𝑓(𝑥). El objetivo es hacer cruzar
la parábola con el eje 𝑥. Cabe la posibilidad de que la parábola nunca cruce el eje, por
esta razón se busca ubicar los puntos en una parábola en 𝑦, invirtiendo los ejes. De ahí el
nombre de interpolación inversa.
En la siguiente figura se observa como la parábola intersecta el eje 𝑥 en un punto 𝑥𝑖+1.

Figura 18. Representación gráfica del método de interpolación inversa. La parábola intersecta la
recta x en el punto xi+1. Este punto será una sucesiva aproximación a la solución exacta.
A partir de los puntos (𝑥𝑖−2 , 𝑦𝑖−2 ), (𝑥𝑖−1 , 𝑦𝑖−1 ), (𝑥𝑖 , 𝑦𝑖 ) se genera una función cuadrática de
𝑦 que pase por los puntos como (Chapra, S., 2010),
(𝑦 − 𝑦𝑖−1 )(𝑦 − 𝑦𝑖 ) (𝑦 − 𝑦𝑖−2 )(𝑦 − 𝑦𝑖 )

𝑔(𝑦) = 𝑥𝑖−2 + 𝑥
(𝑦𝑖−2 − 𝑦𝑖−1 )(𝑦𝑖−2 − 𝑦𝑖 ) (𝑦𝑖−1 − 𝑦𝑖−2 )(𝑦𝑖−1 − 𝑦𝑖 ) 𝑖−1
(𝑦 − 𝑦𝑖−2 )(𝑦 − 𝑦𝑖−1 )
+ 𝑥
(𝑦𝑖 − 𝑦𝑖−2 )(𝑦𝑖 − 𝑦𝑖−1 ) 𝑖
Cuando 𝑦 = 0 entonces tenemos la raíz 𝑥𝑖+1 , por lo que, la ecuación anterior queda como
𝑦𝑖−1 𝑦𝑖 𝑦𝑖−2 𝑦𝑖
𝑥𝑖+1 = 𝑥𝑖−2 + 𝑥
(𝑦𝑖−2 − 𝑦𝑖−1 )(𝑦𝑖−2 − 𝑦𝑖 ) (𝑦𝑖−1 − 𝑦𝑖−2 )(𝑦𝑖−1 − 𝑦𝑖 ) 𝑖−1
𝑦𝑖−2 𝑦𝑖−1
+ 𝑥
(𝑦𝑖 − 𝑦𝑖−2 )(𝑦𝑖 − 𝑦𝑖−1 ) 𝑖
Ejemplo 06:
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥
Solución

Se determinan tres puntos 𝑥 = −2, −0.2 𝑦 3 en la función 𝑓(𝑥)
Figura 19. Gráfica de la función f(x)
su evaluación es 𝑦 = 𝑓(𝑥) = 9.3, 1.4 𝑦 − 2.9.
Usando la función cuadrática en una primera iteración 𝑖 = 2,
(1.4)(−2.9) (9.3)(−2.9)
𝑥3 = (−2) + (−0.2)
(9.3 − 1.4)(9.3 + 2.9) (1.4 − 9.3)(1.4 + 2.9)
(9.3)(1.4)
+ (3) = 0.67
(−2.9 − 9.3)(−2.9 − 1.4)
Por tanto, una primera aproximación a la raíz es 𝑥 = 0.67. El resultado aproximado para
las primeras 𝑖 iteraciones se muestra a continuación:


solución está expresada en 5 cifras significativas y a partir de la iteración n = 5 − 3 = 2 ésta no
cambia. Estos hechos pueden ser usados como criterio de paro del algoritmo.
En la siguiente figura se muestra el algoritmo de interpolación inversa implementado.
Figura 21. Algoritmo para aproximarse a la raíz de una función 𝑓(𝑥) a partir de un valor inicial
𝑥0 y 𝑁 iteraciones, usando el método de Newton-Raphson.
Con los métodos cerrados y abiertos implementados, se encuentra solución a las

ecuaciones algebraicas del tipo 𝑓(𝑥) = 0. Una de las diferencias entre cada uno de los
métodos es la velocidad de convergencia. Como se observó en los ejemplos 1, 2 y 5, 6,
todos encontraron la solución con la misma exactitud, pero con diferente número de
iteraciones.

Número de
Método Numérico
iteraciones 𝑵
Bisección 17
Falsa posición 5
Newton Raphson 2
Interpolación inversa 2
Hemos comprobado que los métodos abiertos para la búsqueda de raíces, Newton
Raphson e interpolación inversa, convergen más rápido a la solución. Sin embargo,
algunas veces estos métodos nunca encuentran la solución. Como se mencionó, éstos
oscilan alrededor de valores mínimos o máximos locales y cuando encuentra una
pendiente cercana a cero entonces se aleja de la región solución.
2.2.2. Problemas
En esta sección se plantean problemas de la ingeniería cuya solución es encontrada a

través de los métodos numéricos hasta ahora estudiados. Se te recomienda usar los
algoritmos implementados para resolver las ecuaciones algebraicas que modelan dichos
problemas. No olvides que la convergencia de los métodos implementados depende del
intervalo o puntos iniciales.
Ejemplo 07:
La operación de un reactor de flujo tipo tapón de densidad constante para la producción
de una sustancia por una reacción enzimática se describe mediante la ecuación,
𝑪𝒔𝒂𝒍
𝑉 𝐾 1
= −∫ + 𝑑𝐶
𝐹 𝑪𝒆𝒏𝒕 𝒌𝒎á𝒙 𝑪 𝒌𝒎á𝒙
donde V es el volumen del reactor, F es el caudal del reactante C, Cent y Csal son las
concentraciones del reactante a la entrada y salida del reactor, respectivamente, y K y
k máx son constantes.

Figura 22. Reactor de flujo
Para un reactor de 500 L, con una concentración de entrada de Cent = 0.5 M, un caudal de
entrada de 40 L/s, k máx = 5X10−3 s −1 y K = 0.1 M, encuentra la concentración a la salida
Csal del reactor.
Solución
Operando sobre la ecuación,
Csal
V 1 K 1
=− ∫ + 1 dC = − [K(ln(Csal ) − ln (Cent )) + (Csal − Cent )]
F k máx Cent C k máx
1 V
⟹ − [K(ln(Csal ) − ln(Cent )) + (Csal − Cent )] − = 0
kmáx F
La gráfica de la ecuación anterior se muestra en la siguiente figura.
Figura 23. Gráfica de un reactor de flujo tipo tapón

Usando los métodos de Bisección, Regula falsi e Interpolación inversa se obtuvieron los
siguientes resultados.
Figura 24. La solución de la ecuación algebraica usando tres cifras significativas es de Cent =
0.448 . Esto es, la concentración a la salida del reactor.
Si la solución exacta es 𝐶𝑒𝑛𝑡 = 0.44839, la eficiencia de los algoritmos para encontrar la

raíz se puede deducir de la función de error de cada método. En la siguiente figura se
muestran las gráficas de error absoluto y error relativo.

Figura 25. Gráficas de error absoluto en rojo y relativo en azul para el cálculo de la solución
exacta usando los métodos de Bisección, Falsa posición e Interpolación. El método que más
rápido converge a la solución es el de Interpolación inversa y el método más lento es el de
Bisección.
Ejemplo 08:
Para calcular el nivel de oxígeno 𝑐 (mg/L) en un río aguas debajo de la descarga de un
drenaje se usa la ecuación,
𝑐(𝑥) = 10 − 20(𝑒 −0.15𝑥 − 𝑒 −0.5𝑥 ),
donde 𝑥 es la distancia aguas abajo en kilómetros. Determina la distancia aguas debajo

de la corriente, a la cual el nivel de oxígeno cae hasta una lectura de 5 𝑚𝑔/𝐿. Encuentra
la respuesta con un error de 1%. Obsérvese que los niveles de oxígeno por debajo de
5𝑚𝑔/𝐿 por lo general son dañinos para ciertas especies como la trucha y el salmón.

Solución
La ecuación algebraica a resolver es,
5 = 10 − 20(𝑒 −0.15𝑥 − 𝑒 −0.5𝑥 ),

entonces,
10 − 20(𝑒 −0.15𝑥 − 𝑒 −0.5𝑥 ) − 5 = 0.
Para implementar el método de Newton Raphson es necesario calcular la derivada de la

función 𝑐(𝑥),
𝑐(𝑥) = 10 − 20𝑒 −0.15𝑥 + 20𝑒 −0.5𝑥 − 5
como,
𝑐 ′(𝑥) = 3𝑒 −0.15𝑥 − 10𝑒 −0.5𝑥 .
Usando los métodos de Bisección, Falsa posición e Interpolación implementados se

obtienen las siguientes aproximaciones a la solución.
Figura 26. La solución de la ecuación algebraica usando tres cifras significativas es de x =

0.976.
Si la solución exacta es de x = 0.976, la eficiencia de los algoritmos para encontrar la raíz se puede
deducir de la función de error de cada método. En la siguiente figura se muestran las gráficas de
error relativo por debajo del 1%.

Figura 27. Gráficas de error relativo para el cálculo de la solución exacta usando los métodos de
Bisección, Falsa posición, Interpolación y Newton-Raphson. El método que más rápido converge
a la solución es el de Interpolación inversa y el método más lento es el de Bisección.
2.3. Interpolación polinómica
Una función de interpolación es aquella que pasa a través de puntos asociados con datos,
y sirve para estimar valores intermedios que se desconocen, a través de su evaluación.
La interpolación de los datos puede hacerse mediante un polinomio, las funciones spline,
una función racional o las series de Fourier (Nakamura, S., 1992). Sin embargo, el
polinomio de interpolación de Newton en diferencias divididas es uno de los más
populares (Chapra, S., 2010). De manera general, un polinomio de orden n que pasa a
través de (n + 1) puntos es único, esto es, todas las interpolaciones polinomiales que se
ajustan a los mismos datos son matemáticamente iguales.
La fórmula general para un polinomio de n − ésimo grado es (Burden, R., 2001),
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + ⋯ + 𝑎𝑛 𝑥 𝑛 ,
donde a0 , a1 , a2 , … , an son los coeficientes.

2.3.1. Interpolación
El polinomio de 𝑛 − é𝑠𝑖𝑚𝑜 grado es,
𝑓𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + ⋯ + 𝑏𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 ),
donde b0 , b1 , b2 , … , bn son los 𝑛 coeficientes. Para determinar su valor numérico se

requieren 𝑛 + 1 puntos [𝑥0 , 𝑓(𝑥0 )], [𝑥1 , 𝑓(𝑥1 )], [𝑥2 , 𝑓(𝑥2 )], … , [𝑥𝑛 , 𝑓(𝑥𝑛 )] asociados con los
datos. A partir de ellos, los coeficientes son calculados como (Chapra, S., 2010),
𝑏0 = 𝑓(𝑥0 ),
𝑏1 = 𝑓[𝑥1 , 𝑥0 ],
𝑏2 = 𝑓[𝑥2 , 𝑥1 , 𝑥0 ],
.
𝑏𝑛 = 𝑓[𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥1, 𝑥0 ],
donde,
f(xi ) − f(xj )
f[xi, xj ] = ,
xi − xj
es la primera diferencia finita.
La segunda diferencia es,

f[(xi , xj ) − f[xj, xk ]
f[xi, xj , xk ] = ,
xi − xk
y la n − ésima diferencia es,
f[(xn , xn−1 , … , x1 ]) − f[xn−1 , xn−2 … , x0 ]
f[xn , xn−1 , … , x1 , x0 ] =
xn − x0
Por lo tanto, el polinomio de interpolación de Newton en diferencias divididas es,

fn (x) = f(x0 ) + (x − x0 )f[x1 , x0 ] + (x − x0 )(x − x1 )f[x2 , x1 , x0 ] + ⋯
+ (x − x0 )(x − x1 ) … . (x − xn−1 )f[xn , xn−1 , … , x0 ].
A continuación se ejemplifica este tipo de interpolación.
Ejemplo 09:
A partir de un conjunto de puntos,
𝒙 𝒚 = 𝒇(𝒙)

1 0
4 1.3
6 1.7
5 1.6
estima el valor de la función para 𝑥 = 2 usando un polinomio de interpolación de grado 3.
Solución
Utilizando la ecuación,
𝑓𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + ⋯ + 𝑏𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 ),
para 𝑛 = 3, queda como,
𝑓3 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑏3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ),
Las diferencias divididas quedan como,
Primera Segunda Tercera

𝒊 𝒙𝒊 𝒇(𝒙𝒊 )
diferencia diferencia diferencia
𝒇(𝟒) − 𝒇(𝟏)
𝟒−𝟏 𝟎.𝟐𝟎−𝟎.𝟒𝟔
=- −𝟎.𝟎𝟐+𝟎.𝟎𝟓
𝒇(𝟏) = 𝟎 𝟏. 𝟑 − 𝟎 𝟔−𝟏 =
= 0.05 𝟓−𝟏
0 𝒙𝟎 = 𝟏 𝟒−𝟏 0.007
⟹ = 𝟎. 𝟒𝟔
=𝟎 ⟹
𝒃𝟎 ⟹
⟹ 𝒃𝟐 = 𝟎. 𝟎𝟎𝟕
= 𝟎. 𝟒𝟔 𝒃𝟑
𝒃𝟏 = −𝟎. 𝟎𝟓
𝒇(𝟔) − 𝒇(𝟒)
𝟔−𝟒 𝟎.𝟏𝟖−𝟎.𝟐𝟎
=-
1 𝒙𝟏 = 𝟒 𝒇(𝟒) = 𝟏. 𝟑 𝟏. 𝟕 − 𝟏. 𝟑 𝟓−𝟒
= 0.02
𝟔−𝟒
= 𝟎. 𝟐𝟎
2 𝒙𝟐 = 𝟔 𝒇(𝟔) = 𝟏. 𝟕

𝒇(𝟓) − 𝒇(𝟔)
𝟓−𝟔
𝟏. 𝟔 − 𝟏. 𝟕
=
𝟓−𝟔
= 𝟎. 𝟏𝟖
3 𝒙𝟑 = 𝟓 𝒇(𝟓) = 𝟏. 𝟔
Por lo tanto, el polinomio de interpolación de Newton en diferencias divididas es,
𝑓3 (𝑥) = 0 + 0.46(𝑥 − 1) − 0.05(𝑥 − 1)(𝑥 − 4) + 0.007(𝑥 − 1)(𝑥 − 4)(𝑥 − 6)
al evaluar en 𝑥 = 2,
𝑓3 (2) = 0 + 0.46(2 − 1) − 0.05(2 − 1)(2 − 4) + 0.007(2 − 1)(2 − 4)(2 − 6) = 0.62.
En la siguiente figura se muestra la función para el cálculo de los coeficientes

b0 , b1 , b2 , … , bn necesarios para el polinomio de interpolación de Newton.
Figura 28. Función que calcula los coeficientes b0 , b1 , b2 , … , bn del polinomio de interpolación de
Newton fn (x) = b0 + b1 (x − x0 ) + ⋯ + bn (x − x0 )(x − x1 ) … (x − xn−1 ).

Interpolación de Lagrange
El polinomio de interpolación de Lagrange es una reformulación del polinomio de Newton

y está definido como (Iriarte, R., 2003),
𝑛 𝑛
𝑥 − 𝑥𝑗
𝑓𝑛 (𝑥) = ∑ ∏ 𝑓(𝑥𝑖 )
𝑥𝑖 − 𝑥𝑗
𝑖=0 𝑗=0
[ 𝑗≠𝑖 ]
donde ∏ es el “producto de”.
Ejemplo 10:
𝒙 𝒚 = 𝒇(𝒙)
0 5
1 7
2 9
5 15
encuentra el valor de la función para x = 3 usando la fórmula de interpolación de

Lagrange.
Solución
A partir de la fórmula,
𝑛 𝑛
𝑥 − 𝑥𝑗
𝑓𝑛 (𝑥) = ∑ ∏ 𝑓(𝑥𝑖 )
𝑖=0 𝑗=0
[ 𝑗≠𝑖 ]
desarrollando,
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )

𝑓𝑛 (𝑥) = 𝑦0 + 𝑦 +
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 ) 1
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

+ 𝑦2 + 𝑦
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 ) 3

evaluando en 𝑥 = 3,
(3 − 1)(3 − 2)(3 − 5) (3 − 0)(3 − 2)(3 − 5)
𝑓3 (3) = (5) + (7) +
(0 − 1)(0 − 2)(0 − 5) (1 − 0)(1 − 2)(1 − 5)
(3 − 1)(3 − 0)(3 − 5) (3 − 1)(3 − 0)(3 − 2)

+ (9) + (15) = 11.
(2 − 1)(2 − 0)(2 − 5) (5 − 1)(5 − 0)(5 − 2)
Por lo tanto, para 𝑥 = 3, el valor interpolado es 𝑓(𝑥) = 11.
En la siguiente figura se muestra el resultado de interpolación usando la fórmula de

interpolación de Lagrange.
Figura 29. Función de interpolación de Lagrange. Como parámetros de entrada se requieren los
vectores x y y = f(x), el número n de puntos y el punto x a interpolar.
2.3.2. Interpolación polinómica segmentaria
Este método divide un segmento en una serie de subintervalos y en cada subintervalo

construye un polinomio de diferente aproximación. La unión más simple entre cada par de
puntos es la línea recta.

La aproximación polinómica segmentaria es la interpolación lineal fragmentaria que une

un conjunto de puntos (Burden, R., 2001),
{(𝑥0 , 𝑓(𝑥0 )), (𝑥1 , 𝑓(𝑥1 )), … , (𝑥𝑛 , 𝑓(𝑥𝑛 ))}
mediante una serie de rectas. En la siguiente figura se muestra un ejemplo de

interpolación entre cada par de puntos con líneas rectas.
Interpolación de puntos usando rectas
Figura 30. Interpolación de puntos usando rectas. Fuente: Elaboración propia.
Como se puede observar, la principal desventaja de los trazadores de primer grado es

que no son “suaves”. Esto es, la pendiente cambia de forma abrupta. Para resolverlo se
usan trazadores polinomiales de orden superior. Estos aseguran una suavidad entre
puntos adyacentes.
Generalmente se usan polinomios de tercer orden o trazadores cúbicos que aseguren

primeras y segundas derivadas continuas. El objetivo de los trazadores cúbicos es
obtener un polinomio de tercer orden entre cada par de puntos como (Burden, R., 2001)
𝑓𝑖 (𝑥) = 𝑎𝑖 + 𝑏𝑖 (𝑥 − 𝑥𝑖 ) + 𝑐𝑖 (𝑥 − 𝑥𝑖 )2 + 𝑑𝑖 (𝑥 − 𝑥𝑖 )3
Para cada 𝑖 = 0,1, … , 𝑛 − 1.
El sistema de ecuaciones anterior, requiere de 4𝑛 incógnitas a evaluar. Para ello, las 4𝑛

condiciones para evaluar estas incógnitas son (Chapra, S., 2010):

1. Los valores de la función deben ser iguales en los puntos interiores, (2𝑛 − 2)
condiciones.
2. La primera y última función deben pasar a través de los puntos extremos, (2𝑛)
condiciones.
3. Las primeras derivadas en los puntos interiores deben ser iguales, (2𝑛 − 1)
condiciones.
4. Las segundas derivadas en los puntos interiores deben ser iguales, (2𝑛 − 1)
condiciones.
5. Las segundas derivadas en los puntos extremos son cero, 2 condiciones.
Estas 5 condiciones proporcionan el total de las 4𝑛 ecuaciones requeridas para encontrar

los 4𝑛 coeficientes.
En la siguiente figura se muestra el algoritmo para el cálculo de los coeficientes de los

polinomios cúbicos interpolantes.

Figura 31. Algoritmo para el cálculo de los coeficientes a, b, c, d de la función interpolante

fi (x) = a i + bi (x − xi ) + ci (x − xi )2 + di (x − xi )3 evaluada en x.
{(𝑥0 , 𝑓(𝑥0 )), (𝑥1 , 𝑓(𝑥1 )), … , (𝑥𝑛 , 𝑓(𝑥𝑛 ))}
el algoritmo de interpolación que forma la curva interpolante por segmentos se muestra en

la siguiente figura.

Figura 32. Algoritmo que genera la curva interpolante por segmentos entre cada par de puntos
{(x0 , f(x0 )), (x1 , f(x1 )), … , (xn , f(xn ))}
Ejemplo 11:
Ajusta trazadores cúbicos a los datos,
𝒙 𝒇(𝒙)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5
y después estima x = 5.
Solución
El valor de los coeficientes es calculado con el algoritmo de interpolación segmentaria ya
definido, los valores que arrojan son:
𝑎0 = 2.5 𝑏0 = −1.42 𝑐0 = 0 𝑑0 = 0.18

𝑎1 = 1 𝑏1 = −0.16 𝑐1 = 0.83 𝑑1 = −0.21
𝑎2 = 2.5 𝑏2 = 0.02 𝑐2 = −0.76 𝑑2 = 0.12
𝑎3 = 0.5
Estos valores se sustituyen en la ecuación,
fi (x) = ai + bi (x − xi ) + ci (x − xi )2 + di (x − xi )3

El trazador cúbico para el primer intervalo queda como,
f1 (x) = 1 − 0.16(x − 4.5) + 0.83(x − 4.5)2 − 0.21(x − 4.5)3

evaluando,
f1 (x) = 1.103
(a) Conjunto de puntos relacionados con datos (b) Resultado de la interpolación

segmentaria usando trazadores cúbicos.
Figura 33. a) Conjunto de puntos relacionados con datos (b) Resultado de la interpolación
segmentaria usando trazadores cúbicos. Fuente: Elaboración propia.
2.3.3. Problemas de interpolación
Ejemplo 12:
Los datos,
T, °C O, mg/L
0 14.621
8 11.483
16 9.870

24 8.418
32 7.305
40 6.413
definen la concentración de oxígeno disuelto a nivel del mar para agua dulce como
función de la temperatura. Estima la concentración 𝑂(𝑇) a 𝑇 = 27°𝐶 usando interpolación
de Lagrange.
Solución
A partir de la fórmula de interpolación,
𝑛 𝑛
𝑥 − 𝑥𝑗
𝑓𝑛 (𝑥) = ∑ ∏ 𝑓(𝑥𝑖 )
𝑖=0 𝑗=0
[ 𝑗≠𝑖 ]
implementada en Mathcad, interpolaremos en el punto 𝑇 = 27°𝐶 , como se muestra a

continuación,
Y obtenemos que la concentración a 𝑇 = 27°𝐶 usando interpolación de Lagrange,

es de 𝑂(𝑇) = 7.942. Usando la función 𝑙𝑖𝑛𝑡𝑒𝑟𝑝(𝑥, 𝑦, 𝑧) = 8.00 definida por Mathcad. La
curva de interpolación segmentaria usando los puntos (𝑥, 𝑦) se muestra en la siguiente
figura. La solución exacta es de 𝑂(27) = 7.986. Por lo tanto, el resultado de interpolación
más exacto fue usando polinomios cúbicos.
Curva de interpolación generada a partir de los puntos (𝑥, 𝑓(𝑦)) = (𝑇, 𝑂(𝑇)).

Figura 34. Resultados a partir de la función de interpolación.
Figura 35.
Ejemplo 13:
A partir del siguiente conjunto de puntos,

genera un polinomio de tercer grado para cada intervalo entre los puntos asociados con
los datos.
Solución

𝑎0 = 1.3 𝑏0 = 0.54 𝑐0 = 0 𝑑0 = −0.248

𝑎1 = 1.5 𝑏1 = 0.421 𝑐1 = −0.297 𝑑1 = 0.947
𝑎2 = 1.85 𝑏2 = 1.087 𝑐2 = 1.407 𝑑2 = −2.956
𝑎3 = 2.1 ⋮ ⋮ ⋮
⋮ 𝑑𝑛−1 = 0 𝑐𝑛−1 = 0 𝑑𝑛−1 = 0
𝑎𝑛 = 0.25
El trazador cúbico para el primer intervalo queda como,
f1 (x) = 1.5 + 0.421(x − 1.3) − 0.297(x − 1.3)2 + 0.947(x − 1.3)3
La curva interpolante segmentaria es mostrada en la siguiente figura.

Figura 36. Curva interpolante segmentaria a partir de un conjunto de puntos
Ejemplo 14:
Los datos de la vasija de un reactor de crecimiento bacterial (una vez que terminó la fase
de retraso) son:
Tiempo (h) [células] (g/L)

0 0.1
1 0.332
2 1.02
3 1.644
4 2.453
5 3.660
6 5.460
Se permite que las bacterias crezcan tan rápido como sea posible durante las primeras
2.5 horas, y después se les induce a producir una proteína recombinante, la cual
disminuye el crecimiento bacterial en forma significativa. El crecimiento teórico de las
bacterias se describe por medio de,
𝑑𝑋
= 𝜇𝑋
𝑑𝑡
donde 𝑋 es el número de bacterias, y 𝜇 es la tasa de crecimiento específico de las

bacterias durante el crecimiento exponencial. Con base en los datos, estima la tasa de
crecimiento específico de las bacterias durante las primeras 2 horas de crecimiento.
Solución

𝑎0 = 0.1 𝑏0 = 0.068 𝑐0 = 0 𝑑0 = 0.164

𝑎1 = 0.332 𝑏1 = 0.559 𝑐1 = 0.491 𝑑1 = −0.281
𝑎2 = 1.102 𝑏2 = 0.7 𝑐2 = −0.351 𝑑2 = 0.193
𝑎3 = 1.644 ⋮ ⋮ ⋮
⋮ 𝑑𝑛−1 = 0 𝑐𝑛−1 = 0 𝑑𝑛−1 = 0
𝑎𝑛 = 5.460

El trazador cúbico para el segundo intervalo queda como,
f2 (x) = 1.102 + 0.7(x − 1.02) − 0.351(x − 1.02)2 + 0.193(x − 1.02)3
se evalúa en el tiempo 𝑥 = 2,
f2 (2) = 1.102.
Por otro lado, la solución analítica de la ecuación de crecimiento es,
𝑐(𝑥) = 𝑥0 𝑒 𝜇𝑥
evaluando,
0.1𝑒 2𝜇 − 1.102 = 0
Resolviendo la ecuación, la tasa de crecimiento específico de las bacterias es,
𝜇 = 1.2

Actividades
La elaboración de las actividades estará guiada por tu docente en línea, mismo

que te indicará, a través de la Planeación didáctica del docente en línea, la dinámica
que tú y tus compañeros (as) llevarán a cabo, así como los envíos que tendrán que
realizar.
Para el envío de tus trabajos usarás la siguiente nomenclatura: BEDI_U2_A1_XXYZ,

donde BEDI corresponde a las siglas de la asignatura, U2 es la unidad de
conocimiento, A1 es el número de actividad, el cual debes sustituir considerando la
actividad que se realices, XX son las primeras letras de tu nombre, Y la primera letra
de tu apellido paterno y Z la primera letra de tu apellido materno.
Autorreflexiones
Para la parte de autorreflexiones debes responder las Preguntas de Autorreflexión

indicadas por tu docente en línea y enviar tu archivo. Cabe recordar que esta actividad
tiene una ponderación del 10% de tu evaluación.
Para el envío de tu autorreflexión utiliza la siguiente nomenclatura:

BEDI_U2_ATR _XXYZ, donde BEDI corresponde a las siglas de la asignatura, U2 es
la unidad de conocimiento, XX son las primeras letras de tu nombre, y la primera letra
de tu apellido paterno y Z la primera letra de tu apellido materno
Cierre de la unidad
A lo largo de esta unidad has podido adentrarte en los métodos de solución numérica de
ecuaciones algebraicas del tipo f(x) = 0. Has estudiado dos tipos de procedimientos, los
basados en los métodos cerrados como son Bisección y falsa posición (o regula falsi); y
los métodos abiertos entre ellos Newton Raphson e Interpolación abierta. Cada uno de
ellos son métodos iterativos, por lo que se han analizado e implementado algoritmos para
el cálculo de soluciones aproximadas. Se determinó la eficiencia de los algoritmos a
través del número de iteraciones n que cada uno necesita para encontrar la solución. El
método de Bisección fue el más lento, y el método de interpolación inversa fue de los más
rápidos. Sin embargo, existen casos en los cuales los métodos abiertos no encuentran la

solución, a diferencia de los métodos cerrados que siempre la encuentran. Es necesario

tener en cuenta que la eficiencia del algoritmo depende de los valores iniciales.
Durante la unidad también analizaste los métodos de interpolación lineal entre puntos
provenientes de mediciones e implementaste los algoritmos de interpolación de Newton
en diferencias divididas e interpolación de Lagrange.
Un problema con la interpolación con rectas son los cambios abruptos, por ello se analizó
el método de interpolación segmentaria usando polinomios cúbicos. La ventaja es el perfil
suave que le da a la curva de interpolación. Debido a que el número de cálculos para
obtener los coeficientes de este polinomio son demasiados, se implementó un algoritmo
para obtener los coeficientes y la curva interpolante.
En contextos de la ingeniería, y en nuestro caso la biotecnología, siempre se requiere

resolver ecuaciones que modelan problemas del mundo real, por lo que esta combinación
de técnicas matemáticas, numéricas y algoritmos computacionales, te serán de gran
utilidad para el análisis y modelado de problemas que requieran de la solución de una
ecuación algebraica. En las actividades de aprendizaje se te plantean problemas de la
biotecnología que requieren una solución numérica.
Es aconsejable que revises nuevamente la unidad en caso de que lo que se acaba de

mencionar no te sea familiar, o no los recuerdes; de no ser éste tu caso, has concluido la
unidad, por lo que puedes ingresar a la Unidad 3: Solución numérica de sistemas de
ecuaciones lineales. En esta ocasión, no sólo se busca una solución a una ecuación, sino
se trata de encontrar un conjunto de soluciones que satisfagan simultáneamente a un
conjunto de ecuaciones. Con lo anterior, podrás resolver una gran número de problemas
de la ingeniería que modelen redes de flujos, reactores, sistemas de tuberías entre otros.

Para saber más
Te recomendamos ver los siguientes enlaces, ya que te serán de gran ayuda.
• Método de la bisección
http://www.youtube.com/watch?v=MUCwZKPntXg
Para reforzar los conocimientos sobre el método de bisección. En este video se te explica
el objetivo del método de bisección, cómo se aplica y bajo qué condiciones es eficaz para
el cálculo de la raíz. Además se construye el pseudocódigo para su implementación en un
editor a través de una función iterativa. Al final se resuelve un ejemplo con tres
iteraciones.
• Método de la falsa posición –Regula Falsi

http://www.youtube.com/watch?v=NPTZXh-hPxc
Para reforzar los conocimientos sobre el método de falsa posición o regula falsi. Este
video inicia con un recordatorio del cálculo de la pendiente a partir de dos puntos. De esta
manera, se llega a la expresión del método de falsa posición para encontrar la solución
aproximada a la ecuación algebraica.
• Método de Newton-Raphson
http://www.youtube.com/watch?v=3C2MHKVVpwI
En este video se te explica el objetivo del método de Newton Raphson, cómo funciona
geométrica y analíticamente. Además se deduce la expresión iterativa del método para
ser implementada. Al final se resuelve un ejemplo clásico para tres iteraciones.
• Interpolación polinómica
http://www.youtube.com/watch?v=-vpLkViP7aI

Se te explica el proceso de interpolación a partir de un conjunto de 𝑛 puntos. Paso a paso

se deducen los coeficientes de un polinomio de grado 𝑛 − 1 usando diferencias divididas.
Al final se sustituyen los coeficientes y los puntos para deducir la función polinómica que
interpola los valores de 𝑥, que a su vez genera los valores de 𝑓(𝑥).
• Crear funciones, ecuaciones y graficar

http://www.youtube.com/watch?v=BHPfm2EVLU8
El objetivo de este video es dar una introducción a la programación en Mathcad. Para
ello, se implementa, grafica y evalúa una función en este entorno.
• Creación de funciones en MATLAB

http://www.youtube.com/watch?v=ylry403w8Uk
El objetivo de este video es dar una introducción a Matlab. Por ello, se implementa y
evalúa una función para el cálculo de raíces a partir de la fórmula general.
Fuentes de consulta
Burden, R., Douglas J., (2001). Análisis numérico. México: CENGAGE Learning.
Chapra, S. (2010). Métodos numéricos para ingenieros. México: Mc GrawHill.
Dennis G. Zill, (2009). Ecuaciones diferenciales. Tercera Edición. MacGrawHill.
Iriarte, R. (2003). Métodos numéricos. México, D. F: Trillas.
Mathews, J., Fink K. (2004). Métodos numéricos con MATLAB. España: Prentice Hall.
Nakamura, S., (1992). Métodos numéricos aplicados con software. México: Prentice Hall.

BEDI U2 Contenido

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

BEDI U2 Contenido

Uploaded by

Copyright:

Available Formats

Métodos numéricos

Unidad 2. Solución numérica de ecuaciones algebraicas no lineales

U2 Solución numérica de ecuaciones

Ciencias de la Salud, Biológicas y Ambientales | Ingeniería en Biotecnología

Presentación de la unidad ......................................................................................................... 2

Universidad Abierta y a Distancia de México 1

En la primera sección se analizan los métodos de bisección, cerrados para la búsqueda

Por lo anterior, en la sección 2 se analizan los métodos abiertos de Newton-Raphson e

Por último, en la sección 3, se analizan técnicas de interpolación de un conjunto de puntos

Universidad Abierta y a Distancia de México 2

El estudio de esta unidad te permitirá:

• Analizar las características de solución de ecuaciones algebraicas usando los

Aplicar métodos numéricos para solucionar modelos matemáticos en

Universidad Abierta y a Distancia de México 3

2.1. Métodos de bisección

Un problema constante en el campo de la ingeniería es resolver ecuaciones algebraicas

2.1.1. Teorema del cambio de signo

El método más sencillo para obtener una solución aproximada de la ecuación es el

En la siguiente figura es posible deducir que la raíz 𝑥 de la función 𝑓(𝑥) se encuentra en el

Método gráfico para determinar las raíces de una ecuación

Universidad Abierta y a Distancia de México 4

Figura 1. Método gráfico para determinar las raíces de una ecuación

Método gráfico para determinar las raíces de una ecuación

Figura 2. Método gráfico para determinar las raíces de una ecuación.

Por lo anterior, si 𝒇(𝒙) es real y continúa en el intervalo que va desde 𝑥𝑎 hasta 𝑥𝑏 y

1. Si 𝑓(𝑥𝑎 ) y 𝑓(𝑥𝑏 ) tienen signos opuestos, existe un número impar de raíces en el

Universidad Abierta y a Distancia de México 5

Con el método de bisección o de cambio de signo se reduce el intervalo [𝑥𝑎 , 𝑥𝑏 ] hasta

Determina la raíz real positiva de la ecuación,

A partir de su gráfica es posible observar que la raíz se encuentra en el intervalo [𝑥𝑎 , 𝑥𝑏 ] =

Gráfica de la función 𝑓(𝑥)

Figura 3. Gráfica de la función 𝑓(𝑥). Fuente: Elaboración propia.

Evaluando la función en los puntos 𝑥𝑎 = 0 y 𝑥𝑏 = 1,

Universidad Abierta y a Distancia de México 6

Como 𝑓(𝑥𝑚 ) es positivo y 𝑓(1) negativo, entonces la raíz ahora se encuentra en el

Universidad Abierta y a Distancia de México 7

El resultado aproximado para las primeras iteraciones 𝑛 = 20 se muestra a continuación:

Figura 4. Solución aproximada xm = 0.56714 de la ecuación e−x − x = 0. Como se observa, la

2.1.2. Métodos iterativos

Universidad Abierta y a Distancia de México 8

Intervalo inicial: [𝑥𝑎 , 𝑥𝑏 ],

Paso 3. Evaluar la nueva aproximación y determinar el nuevo intervalo que “encierra” la

A. Si 𝑓(𝑥𝑎 )𝑓(𝑥𝑚 ) < 0, entonces la raíz se encuentra en el intervalo inferior.

B. Si 𝑓(𝑥𝑎 )𝑓(𝑥𝑚 ) > 0, entonces la raíz se encuentra en el intervalo superior.

C. Si 𝑓(𝑥𝑎 )𝑓(𝑥𝑚 ) = 0, entonces la raíz es igual a 𝑥𝑚 . Termina el cálculo.

Algoritmo para la búsqueda de raíces usando el método de bisección.

El método de bisección implementado en Mathcad es mostrado en la siguiente figura:

Universidad Abierta y a Distancia de México 9

Universidad Abierta y a Distancia de México 10

2.1.3. Regula falsi

se tiene una aproximación 𝑥𝑟 a la solución exacta.

Universidad Abierta y a Distancia de México 11

Determina la raíz real positiva de la ecuación,

A partir de su gráfica es posible observar que la raíz se encuentra en el intervalo [𝑥𝑎 , 𝑥𝑏 ] =

Gráfica de la función 𝑓(𝑥)

Figura 7. Gráfica de la función 𝑓(𝑥).

Evaluando la función en los puntos 𝑥𝑎 = 0 y 𝑥𝑏 = 1,

Universidad Abierta y a Distancia de México 12

Como 𝑓(𝑥𝑟 ) es negativo y 𝑓(0) positivo, entonces la raíz se encuentra en el intervalo

El cambio de signo ahora está en el intervalo [0,0.572]. Por lo que 𝑥𝑏 = 𝑥𝑟 = 0.572. El

Universidad Abierta y a Distancia de México 13

Figura 8. Solución aproximada 𝑥𝑚 = 0.56714 de la ecuación 𝑒 −𝑥 − 𝑥 = 0. Como se observa, la

El algoritmo de Regula falsi implementado se muestra en la siguiente figura: