El {\em 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.

Método de bisección

Por el teorema del valor intermedio tenemos que dada una función continua en el
intervalo $[xl; xr]$ con $f(xl) y f(xr)$ con signos opuestos $f(xl)f(xr) < 0$ entonces existe al
menos una raíz real entre $xl y xr$. \\
El método de Bisección consiste en dado un intervalo donde está la raíz, encontrar un
nuevo intervalo más pequeño {\em (la mitad)} que contenga la raíz y continuar así hasta
que decidamos que estamos lo suficientemente cerca de la solución.

Proceso

1. Debes tener unos valores iniciales $x_l \ y \ x_r$ tal que la función cambia de signo
en ese intervalo, es decir $f(xl)f(xr) < 0$ y debes tener una tolerancia que usaremos
como criterio para terminar la búsqueda de la raíz {\em tol}.

2. Calcule $x = \frac {xl+xr} {2}$

3. Determine cuales de las siguientes condiciones se dan

a) $Si \ f(x) ∗ f(xr) < 0$ entonces $xl = x.$
b) $Si \ f(xl) ∗ f(x) < 0$ entonces $xr = x.$
c) $Si \ f(x) = 0$ entonces termine el programa encontró la solución.

4. Calcule el error relativo como $

__
x−xold
x
__
si este es mayor que la tolerancia deseada vuelva al paso 2.
Veamos primero un ejemplo sencillo haciendo los pasos del método de la bisección para la
función $f(x) = x_2 − 5x+ 4$, claramente tiene dos raíces que conocemos muy bien una es
$x = 1$ y la otras es x = 4.
Supongamos que nos dan el intervalo donde buscaremos la solución $[2; 5]$, con este
intervalo tenemos que $x_l = 2 y x_r = 5$ es fácil de verificar $f(x_l) = −2 y f(x_r) = 4$.
Claramente con esta verificación y una tolerancia de $0.02$ tenemos las condiciones
necesarias en el paso 1.
Ahora paso 2 $x = xl+xr
2 = 2+5
2 = 3.5.$
Para el paso 3 calculamos $f(x) = −1.25$, esto significa que tenemos que $f(x) f(xr) < 0$
entonces
$xl = x = 3.5.$
Paso 4 verificamos nuestro error relativo (solo en este paso use $xold = xleft$)
__
x−xold
x
__
=
__
3.5−2
3.5
__
=
0.428571428571429 como es mayor que la tolerancia permitida debemos regresar al paso
2.
De nuevo paso 2 x = xl+xr
2 = 3.5+5
2 = 4.25.
Para el paso 3 calculamos f(x) = 0.8125, esto significa que tenemos que f(xl) ∗ f(x) < 0
entonces
xr = x = 4.25.
Paso 4 verificamos nuestro error relativo
__
x−xold
x
__
=
__
4.25−3.5
4.25
__
= 0.176470588235294 como es mayor que
la tolerancia permitida debemos regresar al paso 2.
De nuevo paso 2 x = xl+xr
2 = 3.5+4.25
2= 3.875.
Para el paso 3 calculamos f(x) = −0.359375, esto significa que tenemos que f(x) ∗ f(xr) < 0
entonces
xl = x = 3.875.
Paso 4 verificamos nuestro error relativo
__
x−xold
x
__
=
__
3.875−4.25
3.875
__
= 0.0882352941176471 como es mayor
que la tolerancia permitida debemos regresar al paso 2.
De nuevo paso 2 x = xl+xr
2 = 3.875+4.25
2 = 4.0625.
Para el paso 3 calculamos f(x) = 0.19140625, esto significa que tenemos que f(xl) ∗ f(x) < 0
entonces
xr = x = 4.0625.
Paso 4 verificamos nuestro error relativo
__
x−xold
x
__
=
__
4.0625−3.875
4.0625
__
= 0.0461538461538462 como es mayor
que la tolerancia permitida debemos regresar al paso 2.
De nuevo paso 2 x = xl+xr
2 = 3.875+4.0625
2 = 3.96875.
Para el paso 3 calculamos f(x) = −0.0927734375, esto significa que tenemos que f(x) ∗ f(xr)
<0
entonces xl = x = 3.96875.
Paso 4 verificamos nuestro error relativo
__
x−xold
x
__
=
__
3.96875−4.0625
3.96875
__
= 0.0236220472440945 como es mayor
que la tolerancia permitida debemos regresar al paso 2.
De nuevo paso 2 x = xl+xr
2 = 3.96875+4.0625
2 = 4.015625.
Para el paso 3 calculamos f(x) = 0.047119140625, esto significa que tenemos que f(xl) ∗
f(x) < 0
entonces xr = x = 4.015625.
Paso 4 verificamos nuestro error relativo
__
x−xold
x
__
=
__
4.015625−3.96875
4.015625
__
= 0.0116731517509728 como es
menor que la tolerancia de 0.02 terminamos y nuestra mejor aproximaci´on con esa
tolerancia es 4.015625
que esta bastante cerca de la soluci´on te´orica que conocemos.
Ahora trate de organizar la informaci´on anterior en una tabla as´ı, completela usted
mismo y tambi´en
trate de hacer lo mismo usando xl = 0.5 y xr = 1.7 y una tolerancia de tol = 0.01, en este
caso la soluci´on
se debe aproximar al valor de 1, que es la otra ra´ız te´orica.
Terminamos el ejemplo diciendo que el método se repite para obtener una aproximación 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 encuentre por debajo de algún nivel
prefijado puede decidirse que el método termina cuando se alcance un error más bajo, por ejemplo, al 0.1%.
Dicha estrategia 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 conocimiento previo de la raíz. Como se vio previamente, se puede calcular el error
relativo porcentual $ \varepsilona$ de la siguiente manera

El algoritmo se extiende para incluir verificación del error. El algoritmo emplea funciones definidas por el
usuario para volver más eficientes la localización 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.

Sin embargo, se realizó otro algoritmo en un distinto contexto utilizando un software llamado Scilab el cual
nos permitía con una mayor facilidad desempeñar el proceso con el fin de dar solución al problema de
búsqueda de raíces a tratar de la actividad 2.1.0

{\bf Planteamiento del problema.} Emplee el método de bisección para resolver el mismo
problema que se resolvió usando el método gráfico de la actividad 2.1.0

{\bf Solución.} El primer paso del método de bisección consiste en asignar dos valores iniciales
a la incógnita (en este problema, $c$) que den valores de $f(c)$ con diferentes signos. Se observa que la
función cambia de signo entre los valores 12 y 16. Por lo tanto, la estimación inicial de la raíz {x_r} se
encontrará en el punto medio del intervalo.

Dicha aproximación representa un error relativo porcentual verdadero de $_  = 5.3%$ (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:

Recuerde que el error relativo porcentual para la raíz estimada de 15 fue 1.5\%. Por lo tanto, $\varepsilon_a$
es mayor a $\varepsilon_t$. Este comportamiento se manifiesta en las otras iteraciones:

Así, después de seis iteraciones $ \varepsilon_a$finalmente está por debajo de $\varepsilon_s = 0.5\%$, 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.

Se llevo a cabo este mismo procedimiento en un software matemático que se presenta a continuación con
capturas de pantalla y el seudocódigo del programa para su comprobación de la función

El primer paso para realizar es insertar el código en SciNotes nombrándolo Bisección para posteriormente
hacer la prueba de escritorio y así encontrar los datos correspondientes.

Código

El segundo paso a llevar acabo es insertar la función en SciNotes , en la cual se insertara la función a evaluar
en este caso es la función de la actividad 2.1.0.
Por ultimo el tercer paso es realizar el desarrollo en la prueba de consola , donde arrojara los datos
correspondientes al problema.

Función a evaluar

Considerando estos pasos y su comprobación en el software se otorgaron datos y cifras mas precisos para la
solución del problema 2.1.0, anteriormente se realizo en este documento la solución de manera analítica
realizando procedimientos primitivos, pero ahora con la ayuda del software se observaron resultados más
concretos.

El método de la Bisección converge lentamente, lo que genera la propagación de

error por la cantidad de operaciones e iteraciones necesaria para que el método
converja. Cuando se plantean problemas y de ellos se sabe el número de
multiplicidad, si este número es impar no es difícil de resolver y podría resolverse
con diferentes métodos, mientras que si el número de multiplicidad es par es
necesario el uso de métodos más complejos y su análisis es más difícil.

- Chapra, Steven C; Raymond Canale P (2007) “Métodos numéricos para ingenieros”, Quinta
edición, McGraw Hill, México D.F, pp 124-139, 142-167.

- Mathews, John H; Fink, Kurtis D (2000) “ Métodos numéricos con MATLAB”,

Tercera edicion, Prentice Hall, Santafé de Bogotá, pp 661-673.