Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Métodos Numéricos
Métodos Numéricos
Introduccin .......................................................................................................................... 3
Mtodos Numricos .......................................................................................................... 4
Procedimiento y Desarrollo ................................................................................................. 7
Primera etapa, funcin ............................................................. 8
Mtodo por Biseccin ....................................................................................................... 8
Resultado del Mtodo de Biseccin ................................................................................ 9
Cdigo del programa, mtodo por Biseccin ................................................................ 10
Mtodo de Falsa Posicin ............................................................................................... 11
Resultados del Mtodo de falsa posicin. ..................................................................... 12
Cdigo de programa, Mtodo de Falsa Posicin........................................................... 13
Mtodo de Newton-Raphson .......................................................................................... 14
Resultados del Mtodo de Newton-Raphson ................................................................ 14
Cdigo de programa, Mtodo de Newton-Raphson ...................................................... 15
Mtodo por Secante ........................................................................................................ 16
Resultados de Mtodo por Secante. .............................................................................. 16
Cdigo de programa, Mtodo por Secante .................................................................... 17
Mtodo de Races Mltiples ........................................................................................... 18
Resultados de Mtodo de Races Mltiples .................................................................. 18
Cdigo de programa, Mtodo de Races Mltiples. ...................................................... 19
Conclusiones de los mtodos para = .......................... 20
Segunda etapa, funcin + + .................................................... 22
Mtodo por Biseccin. .................................................................................................... 22
Resultado del Mtodo por Biseccin ............................................................................ 22
Cdigo de programa, Mtodo por Biseccin. ............................................................... 24
Mtodo de Falsa Posicin. .............................................................................................. 25
Resultados de Mtodo de Falsa Posicin ...................................................................... 25
Cdigo de programa, Mtodo de Falsa Posicin........................................................... 26
Mtodo de Newton-Raphson .......................................................................................... 27
Resultado del Mtodo de Newton-Raphson .................................................................. 27
Cdigo de programa, Mtodo de Newton-Raphson ...................................................... 28
Mtodo por Secante. ....................................................................................................... 29
Introduccin
Durante las ltimas dcadas, el ordenador se ha convertido en una de las herramientas ms
potentes y tiles de las que dispone el ingeniero. Debido a que su utilizacin abarca desde la
fase de diseo y validacin experimental, hasta la fase de construccin y/o produccin
industrial. Paralelamente a este auge tambin ha aparecido la necesidad de recurrir a
diferentes y cada vez ms sofisticados Mtodos Numricos.
Los Mtodos Numricos son tcnicas mediante las cuales es posible formular problemas de
tal forma que sean resueltas con operaciones aritmticas.
En el presente documento se expondr un Producto Integrador de Aprendizaje, dicho
producto contara con una serie de ejercicios resueltos y explicados por diversos mtodos que
fueron vistos durante el curso de Mtodos Numricos.
Este producto est basado en el planteamiento y resolucin de ejercicios matemticos por
medios de Software de programacin. El Software con el que se estar trabajando es RStudio.
El Software ser utilizado debido a que los clculos necesarios para la resolucin de los
ejercicios son demasiado tediosos para resolverlos inclusive con una calculadora, adems de
que es necesario tener conocimientos bsicos de programacin debido a que es muy utilizado
en los sectores industriales.
Los problemas planteados sern resueltos por diversos mtodos, con el objetivo de comparar
los resultados de un mismo problema con diferentes metodologas, esto, para concluir que
mtodo es ms eficiente y preciso. Adems de presentar un grfico dnde se mostrara el rea
por dnde pasa una funcin en el espacio bidimensional, adems de marcar las races de las
funciones a diferentes intervalos.
Mtodos Numricos
Los mtodos numricos nos vuelven aptos para entender esquemas numricos a fin de
resolver problemas matemticos, de ingeniera y cientficos en una computadora, reducir
esquemas numricos bsicos, escribir programas y resolverlos en una computadora y usar
correctamente el software existente para dichos mtodos y no solo aumenta nuestra habilidad
para el uso de computadoras sino que tambin amplia la pericia matemtica y la comprensi6n
de los principios cientficos bsicos.
Los mtodos vistos durante el curso y que son con los que se estar trabajando a lo largo del
documento son los siguientes.
Mtodo por Biseccin.
Mtodo por Falsa Posicin.
Mtodo de Newton- Raphson.
Mtodo por Secante.
Mtodo de Races Mltiples.
Eliminacin Gauss-Jordan
Gauss-Seidel
Mtodo por Biseccin: Es un algoritmo de bsqueda de races que funciona mediante la
divisin del intervalo a la mitad y seleccionando el intervalo que tiene la raz. Se basa en el
Teorema de Valor Intermedio, el cual establece que toda funcin continua f en un intervalo
cerrado [a,b] toma todos los valores que se hallen entre f(a) y f(b). Esto es que todo valor
entre f(a) y f(b) es la imagen de al menos un valor en el intervalo [a,b]. En caso de que f(a) y
f(b) tengan signos opuestos, el valor cero sera un valor intermedio entre f(j) y f(e), por lo que
con certeza existe un p en [a,b] que cumple f(p)=0. De esta forma, se asegura la existencia de
al menos una solucin de la ecuacin f(x)=0.
=
+
2
Mtodo de Falsa posicin: Pretende conjugar la seguridad del mtodo por Biseccin con la
rapidez del mtodo de la Secante. Este mtodo, como el de Biseccin, parte de dos puntos
que rodean la raz f(x)=0, es decir, dos puntos Xi y Xu, tales que f(Xi)f(xu)<0. La siguiente
aproximacin, Xr, se calcula como la interseccin con el eje X de la recta que une a ambos
puntos. La asignacin del nuevo intervalo de bsqueda se realiza como en el mtodo de la
biseccin: entre ambos intervalos. [Xi,Xr] y [Xr,Xu], se toma el que cumpla f(X)f(Xr)
=
()( )
(Xi) ()
()
()
(1) (0)
1
Mtodo de Races Mltiples: El Mtodo de Races mltiples, es una variante de Punto Fijo,
tambin es llamado Newton Modificado. Para que este mtodo trabaj se tiene que
garantizar que la convergencia en f(Xi) sea diferente de 0 donde Xi es la raz de la ecuacin
f(x)=0. Cundo la f(x) se aproxima a 0 disminuye su velocidad y puede suspenderse debido
a una divisin en 0.
Para garantizar que esto no ocurra este mtodo tiene una variacin y es respecto a la siguiente
funcin
+ 1 =
()()
[()]2 ()()
Mtodo de Gauss-Seidel: Parte de una aproximacin lineal y se repite el proceso hasta llegar
a una solucin, que tendr un margen error tan minsculo como se desee. Se busca la solucin
de un sistema de ecuaciones lineales, en una notacin matricial.
Procedimiento y Desarrollo
A continuacin se presentaran las ecuaciones con sus respectivas resoluciones mediante el
Software y la representacin grfica de dichas adems de la ubicacin en el plano de sus
respectivas races. Adems de una comparacin de los datos obtenidos de las mismas
ecuaciones pero por diferentes mtodos.
Las primeras dos secciones sern de ecuaciones a las que solo se le encontr una raz por
medio del programa. Al final estar un conjunto de programas los cuales son capaces de
calcular y ubicar varias races a diferentes intervalos de una ecuacin.
Para que los programas encuentren varias races en necesario hacer ciclos y que calculen
valores y los tomen como nuevos valores iniciales para que encuentren el siguiente valor es
decir, calculan un valor con un dato, luego el valor calculado lo utilizan para calcular el
siguiente.
Adems de estos mtodos, se resolvern conjunto de ecuaciones mediante los mtodos de
Gauss-Lordan y Gauss-Seidel
+
2
solo evaluar nuestra ecuacin () cos() () para los valores de Xi, Xu y Xr,
quedando de esta manera en R
fdexi<- xi*log(xi) - cos(xi)*sin(xi) - 2*xi
fdexu<- xu*log(xu) - cos(xu)*sin(xu) - 2*xu
fdexr<- xr*log(xr) - cos(xr)*sin(xr) - 2*xr
La siguiente parte ya es pura programacin, y para que el clculo sea acertado, se hizo 50
veces, para eso se utiliz el comando for. A continuacin se muestran los resultados
obtenidos por este mtodo.
de
f(x)=
()
La tabla que se presentar a continuacin, son los resultados de las primeras y ltimas 5
interacciones del programa.
1
2
3
4
5
46
47
48
49
50
Xi
1
5.5
5.5
6.625
7.1875
7.61532432498504
7.61532432498504
7.61532432498504
7.61532432498507
7.61532432498509
Xu
10
10
7.75
7.75
7.75
7.6153243249852
7.6153243249851
7.615324324985
7.615324324985
7.615324324985
Xr
5.5
7.75
6.625
7.1875
7.46875
7.61532432498517
7.6153243249851
7.61532432498507
7.61532432498509
7.6153243249851
Error
0
0.2903
-0.1698
0.0782
0.0376
1.6794 e-15
-8.3973 e-15
-4.1986 e-15
2.0993 e-15
1.0496e-15
10
De igual manera que con el mtodo de Biseccin, contando con la misma ecuacin f(x)=
() cos() () 2, y tomando en cuenta los mismos valores para X, Xi y Xu,
excepto para Xr, que se calcula diferente, tenemos el Mtodo de Falsa Posicin.
Para el clculo de Xr en el mtodo de falsa posicin se tiene en cuenta esta ecuacin:
=
()( )
(Xi) ()
De igual manera, la ecuacin se evala sustituyendo x por Xi, Xu y Xr. Para los valores de
fdexi, fdexu y fdxr.
Una vez planteadas las caractersticas de nuestro programa y cumpliendo con las
especificaciones de nuestro ciclo de 50 interacciones, solo queda correr el programa.
Datos insertados en el programa
Valores
Valores en R
El valor de X es una secuencia de 1 a 10, En el Script se puso x<-seq(0,10,0.01)
incrementndose de centsima por centsima
La funcin es () cos() () 2 En el Script se puso fdex<- x*log(x) cos(x)*sin(x) - 2*x
Primer intervalo 1
En el Script se puso xi<- 1
Segundo intervalo 10
xu<- 10
La tabla anterior muestra los datos insertados en nuestro programa, como se puede ver los
datos son exactamente iguales, por lo que nuestros resultados deberan de ser muy
aproximados.
11
1
2
3
4
5
46
47
48
49
50
Xi
1
5.39723718475468
6.86705209962738
6.86705209962738
7.56932749485169
7.61532432498509
7.61532432498509
7.61532432498509
7.61532432498509
7.61532432498509
Xu
10
10
10
7.7211894509717
7.7211894509717
7.6153243249851
7.6153243249851
7.6153243249851
7.6153243249851
7.6153243249851
Xr
5.39723718475468
6.86705209962738
7.7211894509717
7.56932749485169
7.61410179960599
7.61532432498509
7.61532432498509
7.61532432498509
7.61532432498509
7.61532432498509
Error
-0.0190
0.2140
0.1106
-0.0200
0.0058
0
0
0
0
0
12
13
Mtodo de Newton-Raphson
Este mtodo es totalmente distinto a los dos anteriores, puesto que en este mtodo se necesita
determinar la derivada manualmente para poder encontrar mediante trazos de lneas
tangenciales la aproximacin de la raz de la funcin.
Los valores otorgados son los mismos, pero solo para definir nuestra grfica y necesitamos
la derivada de nuestra funcin.
La lnea tangencial cruza el eje x, representando la raz de nuestra funcin.
La derivada de nuestra funcin () cos() () 2 es log() + sen()2
cos()2 1
Resultados del Mtodo de Newton-Raphson
E1 Error
3.933795e-06
2.209788e-12
-1.776357e-15
1.776357e-15
-1.776357e-15
Comprobacin
programa
de
que
funciono,
14
x<- seq(0,10,0.01)
f <- x*log(x) - cos(x)*sin(x) - 2*x
f1 <- log(x) + (sin(x))^2 - (cos(x))^2 - 1
plot(x,f,'l', main = expression(f(x) == x*log(x) - cos(x)*sin(x) - 2*x))
arrows(-200,0,200,0,length=0.1)
arrows(0,-70,0,70,length=0.1)
lines(x,f1,'l', col='red')
x1<- locator(1)$x
e1 <- 1
for( i in 1:1000){
x <- x1[i]
f <- x*log(x) - cos(x)*sin(x) - 2*x
f1 <- log(x) + (sin(x))^2 - (cos(x))^2 - 1
15
16
x01 <- 1
xi1<- 20
e1 <-0
epor1 <- 0
for(i in 1:8){
x <- xi1[i]
fdexi<- x*log(x) - cos(x)*sin(x) - 2*x
x <- x01[i]
fdex0<- x*log(x) - cos(x)*sin(x) - 2*x
xi1[i+1] <- xi1[i] - (fdexi*(x01[i] - xi1[i]))/(fdex0 - fdexi)
x01[i+1] <- xi1[i]
xlist <- xi1[i+1]
e1[i] <- x*log(x) - cos(x)*sin(x) - 2*x
epor1[i]<- abs(((xi1[i+1]-xi1[i])/xi1[i+1])*100)
if (fdexi*fdex0 == 0 ){
break }
}
points(xlist,0,pch=19,col='red')
print('Primer raiz')
print(xlist)
17
Ahora se tiene que resolver el mismo ejercicio pero ahora con el mtodo de Races Mltiples
o, Newton modificado. Usando la misma ecuacin f(x)= () cos() () 2 y
la primera y segunda derivada de la funcin
1ra.- Derivada= () + ()2 1
1
Utilizando los mismos valores e intervalos para la localizacin de nuestra nica raz.
Resultados de Mtodo de Races Mltiples
E error
7.565225
-1.651194e-03
7.614463
3.908620e-07
7.615324
-2.309264e-14
7.615324
1.776357e-15
7.615324
-1.776357e-15
En el grfico, la lnea negra representa la
funcin, la lnea roja, es la primera
derivada, y la azul, la segunda derivada de
la funcin.
El punto, es la raz en la interseccin en el
eje x.
18
x<-seq(0,10,0.01)
fdexi<- x*log(x) - cos(x)*sin(x) - 2*x
f1dexi<- log(x) +(sin(x))^2 - (cos(x))^2 - 1
f2dexi<- 4*sin(x) *cos(x) + 1/x
plot(x,fdexi,type='l',main = expression(f(x) == x*log(x) - cos(x)*sin(x) - 2*x))
lines(x,f1dexi, col='red')
lines(x,f2dexi, col='blue')
arrows(-200,0,200,0,length=0.1)
arrows(0,-700,0,700,length=0.1)
x<- locator(1)$x
e1 <- 0
for (i in 1:50){
fdexi<- x[i]*log(x[i]) - cos(x[i] )*sin(x[i]) - 2*x[i]
f1dexi<- log(x[i]) +(sin(x[i]))^2 - (cos(x[i]))^2 - 1
f2dexi<- 4*sin(x[i] ) *cos(x[i]) + 1/(x[i])
x[i+1]<- x[i] - (fdexi * f1dexi)/((f1dexi)^2 - fdexi*f2dexi)
xp <- x[i+1]
e1[i]<- xp*log(xp) - cos(xp)*sin(xp) - 2*xp
if(e1[i] == 0){break}
if ( i>2){ if (abs(e1[i]) == e1[i-1] ){break} }
}
points(xp,0,pch=19)
print('Primera Raz')
print(xp)
print(' Valor inicial de x')
print(x[1])
19
1
2
3
4
5
46
47
48
49
50
20
7.664010
-1.477479e+00
7.512668
9.457374e-02
7.613851
-1.907774e-01
7.615372
-2.825609e-03
7.615324
9.142899e-05
Mtodo de Races Mltiples. Tabla de todas las interacciones
X raz
E error
7.565225
-1.651194e-03
7.614463
3.908620e-07
7.615324
-2.309264e-14
7.615324
1.776357e-15
7.615324
-1.776357e-15
21
Se tienen que insertar valores para establecer un rango del grfico y pedirle al grafico dnde
y con que buscar los que necesitamos, la tabla de a continuacin, muestra los valores
determinados para que el programa haga lo deseado.
La raz o Xr se calcula =
+
2
Cmo se dijo anteriormente, ente caso solo se cambia la ecuacin anterior por esta 2
3() + 5() + 20, en el programa, teniendo cuidado de cambiarla totalmente de
todas partes, incluyendo en las reas donde se est evaluando Xi, Xu y Xr. As como del rea
del grfico.
Resultado del Mtodo por Biseccin
22
La tabla que se presentar a continuacin, son los resultados de las primeras y ltimas 5
interacciones del programa.
1
2
3
4
5
46
47
48
49
50
Xi
1
1
3.25
4.375
4.375
4.87580608626476
4.87580608626489
4.87580608626489
4.87580608626489
4.87580608626489
Xu
10
5.5
5.5
5.75
4.9375
4.87580608626502
4.87580608626502
4.87580608626502
4.87580608626495
4.8758060862649
Xr
5.5
3.25
4.375
4.9375
4.65625
4.87580608626489
4.87580608626495
4.87580608626492
4.8758060862649
4.8758060862649
Error
0
-0.6923
0.2571
0.1139
-0.0604
2.6231e-14
1.3115e-14
-6.5577e-15
-3.2788e-15
-1.6394e-15
23
24
()( )
(Xi) ()
1
2
3
4
5
46
47
48
49
50
Xi
1
2.69641459282428
3.26158497163021
3.62868708950327
3.91031830955862
4.87580595222528
4.87580599636844
4.87580602597397
4.87580604582953
4.87580605914608
Xu
10
10
10
10
10
10
10
10
10
10
Xr
2.69641459282428
3.26158497163021
3.62868708950327
3.91031830955862
4.13761061648727
4.87580599636844
4.87580602597397
4.87580604582953
4.87580605914608
4.8758060680771
Error
0
0.17328089
0.10116665
0.07202258
0.05493322
1.34991865e-9
9.05351057e-9
4.07226313e-9
2.73114797e-9
1.83170131e-9
25
26
Mtodo de Newton-Raphson
Para la funcin 2 3() + 5() + 20. Tenemos como derivada 2
3 cos() 5()
Usando los mismos datos e intervalos dnde buscara nuestro programa, y cambiando la
funcin por esta 2 3() + 5() + 20 y su derivada en sus respectivas
posiciones.
Este programa tiene incluido el comando locator con el cual encontramos el valor
aproximado de la raz.
Resultado del Mtodo de Newton-Raphson
del programa.
27
x<- seq(0,10,0.01)
x1<- locator(1)$x
e1 <- 1
for( i in 1:1000){
x <- x1[i]
f <- -x^2 - 3*sin(x) + 5*cos(x) + 20
f1 <- -2*x - 3*cos(x) - 5*sin(x)
28
Grfico de la funcin y
aproximacin de su raz(punto)
E1 Error
6.924823e+00
4.757129e+00
1.622047e+00
-1.477479e+00
-1.641367e+00
2.830620e-01
-3.958677e-02
-1.209940e-03
4.940365e-06
6.127223e-10
0.000000e+00
0.000000e+00
la
29
30
E error
4.840153e-02
2.427040e-04
6.039500e-09
0.000000e+00
-0.000000e+00
31
x1<- locator(1)$x
e1 <- 0
for (i in 1:500){
x <- x1[i]
fdexi<- -x^2 - 3*sin(x) + 5*cos(x) + 20
f1dexi<- -2*x - 3*cos(x) - 5*sin(x)
f2dexi<- -2 + 3*sin(x) - 5*cos(x)
x1[i+1]<- x1[i] - (fdexi * f1dexi)/((f1dexi)^2 - fdexi*f2dexi)
xp <- x1[i+1]
e1[i]<- -xp^2 - 3*sin(xp) + 5*cos(xp) + 20
if ( i>2){
if (e1[i] == e1[i-1] ){break}
}
}
points(xp,0,pch=19)
print('Primera Raz')
print(xp)
print(' Valor inicial de x')
print(x1[1])
32
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
48
49
50
33
10
2.696415
3.261585
4.501884
5.143598
4.820841
4.868315
4.876034
4.875805
4.875806
4.875806
4.757129e+00
1.622047e+00
-1.477479e+00
-1.641367e+00
2.830620e-01
-3.958677e-02
-1.209940e-03
4.940365e-06
6.127223e-10
0.000000e+00
0.000000e+00
E error
4.840153e-02
2.427040e-04
6.039500e-09
0.000000e+00
-0.000000e+00
34
xu<-i+1
35
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
48
49
50
36
Error
0
-0.8260869
0.2923076
-0.1711711
-0.0935960
3.985337e-14
-1.984468e-14
-1.000434e-14
-5.084175e-15
-2.460084e-15
Grfico de la funcin.
Las races estn representadas por los
puntos. Primera raz, segunda raz, tercera
raz, de izquierda a derecha.
37
38
es
=
()( )
(Xi) ()
Para que nuestro programa funciones es necesario un ciclo, y es necesario calcular el valor
aproximado de nuestra primera raz, ya que con este valor calcular el siguiente y as
sucesivamente hasta llegar al nmero de races posibles
Resultado de mtodo por Falsa Posicin
Utilizando los mismo datos se escribe el programa (el cdigo esta al finalizar) y se especifican
los valores para que los ciclos trabajen de manera adecuada para poder encontrar valores
aproximados.
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
48
49
39
Error
0
0.906565
-0.052763
-0.004049
-0.000285
0
0
0
0
0
Error
0
0.038257
0.001251
3.341483e-5
8.861014e-7
0
0
0
0
50
1
2
3
4
5
46
47
48
49
50
2.83130120619358
2.83130120619358
2.83130120619358
Tabla, tercera raz, primeras y ltimas 5 interacciones.
Xi
Xu
Xr
4
6
5.60790601249951
5.60790601249951
6
5.83098198859967
5.83098198859967
6
5.83828748271338
5.83828748271338
6
5.83848257466817
5.83848257466817
6
5.83848774816089
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
5.83848788906276
0
Error
0
0.038257
0.001251
3.341483e-5
8.861014e-7
0
0
0
0
0
Comprobacin
de
que
el
programa
40
41
xi<- 2
xu<- 4
fdexi<- xi*log(xi) + 10*sin(xi)-6
fdexu<- xu*log(xu) + 10*sin(xu)-6
xr<- xu - (fdexu*(xi - xu))/(fdexi-fdexu)
fdexr<- xr*log(xr) + 10*sin(xr)-6
tabla2 <- matrix(0,51,5)
tabla2[1,1] <- 'I'
tabla2[1,2] <- 'xi'
tabla2[1,3] <- 'xu'
tabla2[1,4] <- 'xr'
tabla2[1,5] <- 'Error Relativo'
for(i in 1:50){
tabla2[i+1,1]<- i
tabla2[i+1,2]<- xi
tabla2[i+1,3]<- xu
42
43
Mtodo de Newton-Raphson
Para este mtodo necesitaremos la derivada de nuestra funcin
Funcin
() = log() + 10() 6
Derivada
log() + 10 cos() + 1
Para este mtodo tendremos el comando locator, para determinar la aproximacin final de
nuestra raz.
Resultado del Mtodo de Newton-Raphson
Tabla, primera raz, todas las interacciones
X1 Raz
E1 Error
0.6962014
1.609715e-01
0.6768323
-9.216758e-04
0.6769419
-2.877464e-08
0.6769419
0.000000e+00
0.6769419
0.000000e+00
0.6769419
0.000000e+00
Tabla, segunda raz, todas las interacciones
X2 Raz
E2 Error
2.827967
2.492776e-02
2.831303
-1.513985e-05
2.831301
-5.528022e-12
2.831301
1.776357e-15
Tabla, tercera raz, todas las interacciones
X3 Raz
E2 Error
5.836126
2.952750
5.838489
2.943257
5.838488
2.943262
5.838488
2.943262
La lnea amarilla representa la
funcin, mientras que la amarilla
representa la derivada de la misma.
Los tres puntos, son las races. La
primera raz tiene valor de
0.6769419. La segunda es de
2.831301. Y la tercera de 5.838488.
44
.
Comprobacin de que el programa
funciona. El cdigo se muestra
enseguida.
45
for( i in 1:100){
x <- x2[i]
f <- x*log(x) + 10*sin(x)-6
f1 <- log(x) + 10*cos(x) +1
46
47
Grfico de la funcin
Los tres puntos, son las races. La
primera raz tiene valor de 0.6769419.
La segunda es de 2.831301. Y la tercera
de 5.838488.
48
points(xlist,0,pch=19)
print('Primer raiz')
print(xlist)
x02 <- 5
xi2<- 10
e2 <-0
epor2 <- 0
for(i in 1:8){
x <- xi2[i]
fdexi<- x*log(x) + 10*sin(x)-6
x <- x02[i]
fdex0<- x*log(x) + 10*sin(x)-6
xi2[i+1] <- xi2[i] - (fdexi*(x02[i] - xi2[i]))/(fdex0 - fdexi)
x02[i+1] <- xi2[i]
xlist <- xi2[i+1]
e2[i] <- xlist*log(xlist) + 10*sin(xlist)-6
epor2[i]<- abs(((xi2[i+1]-xi2[i])/xi2[i+1])*100)
if (fdexi*fdex0 == 0 ){
break
}
}
points(xlist,0,pch=19)
print('Segunda raiz')
print(xlist)
x03 <- 5
xi3<- 7
e3<-0
epor3 <- 0
for(i in 1:6){
x <- xi3[i]
fdexi<- x*log(x) + 10*sin(x)-6
x <- x03[i]
fdex0<- x*log(x) + 10*sin(x)-6
xi3[i+1] <- xi3[i] - (fdexi*(x03[i] - xi3[i]))/(fdex0 - fdexi)
x03[i+1] <- xi3[i]
xlist <- xi3[i+1]
e3[i] <- xlist*log(xlist) + 10*sin(xlist)-6
epor3[i]<- abs(((xi3[i+1]-xi3[i])/xi3[i+1])*100)
if (fdexi-fdex0 == 0 ){
break
}
}
points(xlist,0,pch=19)
print('Tercer raiz')
print(xlist)
49
2da derivada 10 +
50
x<-seq(0,10,0.01)
x1<- locator(1)$x
e1 <- 0
for (i in 1:500){
x <- x1[i]
fdexi<- x*log(x) + 10*sin(x)-6
f1dexi<- log(x) + 10*cos(x) +1
f2dexi<- -10*sin(x) + 1/x
x1[i+1]<- x1[i] - (fdexi * f1dexi)/((f1dexi)^2 - fdexi*f2dexi)
xp <- x1[i+1]
e1[i]<- xp*log(xp) + 10*sin(xp)-6
51
x2<- locator(1)$x
e2<- 0
for (i in 1:500){
x <- x2[i]
fdexi<- x*log(x) + 10*sin(x)-6
f1dexi<- log(x) + 10*cos(x) +1
f2dexi<- -10*sin(x) + 1/x
x2[i+1]<- x2[i] - (fdexi * f1dexi)/((f1dexi)^2 - fdexi*f2dexi)
xp <- x2[i+1]
e2[i]<- xp*log(xp) + 10*sin(xp)-6
if ( i>2){ if (e2[i] == e2[i-1] ){break} }
}
points(xp,0,pch=19)
print('Primer Raz')
print(xp)
print(' Valor inicial de x')
print(x2[1])
x3<- locator(1)$x
e3<- 0
for (i in 1:500){
x <- x3[i]
fdexi<- x*log(x) + 10*sin(x)-6
f1dexi<- log(x) + 10*cos(x) +1
f2dexi<- -10*sin(x) + 1/x
x3[i+1]<- x3[i] - (fdexi * f1dexi)/((f1dexi)^2 - fdexi*f2dexi)
xp <- x3[i+1]
e3[i]<- xp*log(xp) + 10*sin(xp)-6
if ( i>2){ if (e3[i] == e3[i-1] ){break} }
}
points(xp,0,pch=19)
print('Primer Raz')
print(xp)
print(' Valor inicial de x')
print(x3[1])
52
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
48
49
50
53
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
54
48
49
50
2.83130120619358
2.83130120619358
2.83130120619358
2.83130120619358
2.83130120619358
2.83130120619358
2.83130120619358
2.83130120619358
2.83130120619358
0
0
0
55
Nuevamente el de raz mltiple y el Newton Raphson son los ms eficientes, pero el de Races
Mltiples es mejor, ya que tiene menor error.
1
2
3
4
5
46
47
48
49
50
1
2
3
4
5
46
47
48
49
50
56
5.838487
-1.256771e-05
5.838488
-2.544631e-12
5.838488
1.776357e-15
5.838488
1.776357e-15
5.836126
1.776357e-15
Esta vez el mtodo de races mltiples fue el ms eficiente por su solo, ya que con solo dos
interacciones pudo encontrar el valor aproximado con un error muy pequeo.
Le sigue el mtodo de Newton Raphson, quien lleg al mismo valor de 5.838488 con tres
interacciones, mientras que el de Races Mltiples lo logr con tan solo dos.
El mtodo por secante encontr un valor semejante a la de races mltiples, pero con diez
interacciones. Pero el resultado de la dcima interaccin del mtodo por secante es
equivalente a la interaccin nmero 3 del de races mltiples.
Concluyendo, estas etapas, el mtodo de Races mltiples es l ms eficaz para este tipo de
ecuaciones y es el ms sencillo de los 5, solo cuando las derivadas de la funcin no sean
complejas.
57
58
59
Mtodo de Gauss-Seidel
Mtodo iterativo utilizado para resolver sistemas de ecuaciones lineales.
Este mtodo puede aplicarse a cualquier sistema de ecuaciones lineales que produzca una
matriz (cuadrada, naturalmente pues para que exista solucin nica, el sistema debe tener
tantas ecuaciones como incgnitas) de coeficientes con los elementos de su diagonal nonulos, la convergencia del mtodo solo se garantiza si la matriz es diagonalmente dominante
o si es simtrica y, a la vez, definida positiva.
60
61
Conclusin General
Durante el curso de Mtodos Numricos, se estuvieron viendo en clase todos los vistos en
este documento. Se lleg a la conclusin de que el mejor Mtodo es el de Races Mltiples,
debido a su facilidad a la hora de programarlo, pero la desventaja es que en ecuaciones con
una derivada compleja puede que no sea tan eficiente.
l mtodo de Races Mltiples fue el que menos recursos necesito para poder entregarnos un
resultado muy aproximado, a diferencia de otros que ocuparon gran cantidad de recursos y
entregaron resultados sin precisin. Ya que en el mtodo de races mltiples se miraba que
arrojaba muchas veces el mismo resultado, indicando que esa era la respuesta ms
aproximada. En cambio el de biseccin, que fue el que resulto menos eficiente y menos
preciso daba decenas de resultados, y la mayora eran aproximaciones muy remotas al valor
promedio que se estaba buscando.
Cosa que cabe decir es que este curso fue tambin como un recordatorio sobre tcnicas de
programacin, puesto que todo fue hecho mediante software. Estas ramas guardan una gran
relacin entre ella y ambas son tiles para los mbitos acadmicos e industriales, pues
reducen el tiempo en que uno puede resolver algn problema determinado.
62
Referencias.
http://illuminatus.bizhat.com/metodos/nrpp.htm
http://aniei.org.mx/paginas/uam/CursoMN/curso_mn_12.html
http://es.slideshare.net/insutecvirtual/solucin-de-sistemas-lineales-mtodo-de-gauss
http://mmc.geofisica.unam.mx/edp/Herramientas/Fortran/MetodosNumericosIntroduccion
AplicacionesYProgramacionEnFortran.pdf
NAKAMURA, Schoichiro, Mtodos Numricos Aplicados con Software, Edit. Prentice
Hall, Mxico, 1992
STEVEN C.CHAPRA, RAYMOND P. Canale, Mtodos Numricos para Ingenieros con
Aplicaciones en Computadoras Personales, Edit. McGraw Hill, Mxico, S.A de C.V., 1987
63