Definiciones Bsicas

Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a derecha;
empiezan con el primer dgito diferente de cero y terminan con el tamao que permitan las celdas
que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto se refiere cuando
se habla de doble precisin, dependiendo de la mquina que estemos utilizando.
Errores Inherentes o Heredados:
Son errores en los valores numricos con que se va a operar, pueden deberse a dos causas:
sistemticos o accidentales.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede cuando se
toman slo algunos trminos de una serie infinita o cuando se toma slo un nmero finito de
intervalos. Un caso adicional de error de truncamiento ocurre cuando una calculadora poco
sofisticada slo toma en cuenta los dgitos que caben en la pantalla y no analiza el primer dgito
perdido.
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades que
requieren un gran nmero de dgitos.
Dependiendo de cmo se redondea puede ser de dos formas.
Error de Redondeo Inferior:

Se desprecian los dgitos que no pueden conservarse dentro de la localizacin de memoria

correspondiente (pensando de una manera estricta, este caso puede considerarse como un error
de truncamiento).
Error de Redondeo Superior:
Este caso tiene dos alternativas, segn el signo del nmero en particular.
a) Para nmeros positivos, el ltimo que puede conservarse en la localizacin de memoria se
incrementa en una unidad si el primer dgito despreciado es > 5.
b) Para nmeros negativos, el ltimo dgito que puede conservarse en la localizacin de memoria
se reduce en una unidad si el primer dgito despreciado es < 5.
Las definiciones:
A. Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a
derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que
permitan las celdas que guardan la mantisa
B. Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede cuando
se toman slo algunos trminos de una serie infinita o cuando se toma slo un nmero finito de
intervalos. Un caso adicional de error de truncamiento ocurre cuando una calculadora poco
sofisticada slo toma en cuenta los dgitos que caben en la pantalla y no analiza el primer dgito
perdido.
Son definiciones de:
1. Error de Redondeo
2. Error de Truncamiento
3. Dgitos Significativos
4. Error relativo
Los tems 2 y 3
En la siguiente pregunta encontrar un texto que deber emparejarla con su respectiva
respuesta correcta.
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa = Exactitud
Son errores en los valores numricos con que se va a operar, pueden deberse a dos causas:
sistemticos o accidentales = Errores Inherentes o Heredados
Errores debidos a la apreciacin del observador y otras causas = Errores Accidentales
Errores debidos a la imprecisin de los aparatos de medicin. = Errores Sistemticos
Error absoluto, error relativo y cifras significativas.

Sea p el valor exacto de una cantidad y sea p* su valor aproximado. Se define error absoluto
como:

El error absoluto mide la diferencia entre el valor exacto de una cantidad y su valor aproximado.
De esta manera se puede afirmar que alguien ha medido la longitud de un campo de futbol o la
longitud de un bolgrafo con un error de un centmetro. Sin embargo, dicho error no tiene la
misma importancia en ambos casos. Para cuantificar la importancia del error respecto del valor
exacto de una cierta cantidad p se introduce el concepto de error relativo, que se define como:

Se puede notar que el error relativo no est definido para p=0. La ecuacin anterior muestra que
el error relativo es una cantidad adimensional, que habitualmente se expresa en porcentaje (%).
Lo importante a resaltar es que generalmente no se conoce el valor exacto de la cantidad p. En
consecuencia, tampoco se puede conocer ni el error absoluto ni el error relativo cometido, por
tanto hay que conformarse con el clculo de una cota del error.
Ya conocido la definicin cuantitativa del error relativo, se puede plantear cual es la cota de error
de redondeo cometido al almacenar un nmero. Como se es conocido, los nmeros reales se
almacenan en coma flotante. Por ejemplo, los nmeros 23,487 se guardan como 0,23487x102.
El ultimo numero escrito simblicamente se puede representar por
mx10b
Donde 0 < m < 1y representa la mantisa y b es un numero entero que indica el exponente. Por
ejemplo si tenemos un nmero t de digitas destinados a la representacin de la mantisa (se
supone que t no incluye la posicin del signo). Por consiguiente, si una persona realiza unos
clculos trabajando en base diez, coma flotante y utilizando cinco dgitos para la mantisa (t=5),
puede representar los siguientes nmeros: 0,23754x102, 0,10000x105, 0,19875x10-3, etc.
El numero 0,3352x103 tiene como mantisa a:
0,3352
El error absoluto entre p=0,253 y p*=0,532 es
0,279
MTODO DE LA BISECCIN
El mtodo de biseccin se basa en el siguiente teorema de Clculo:

Teorema del Valor Intermedio

Sea f(x) continua en un intervalo [a, b] y supongamos que f(a) < f (b). Entonces para cada z tal que
f(a) < z < f(b), existe un x0 (a, b) tal que f(x) = z. La misma conclusin se obtiene para el caso que
f(a) > f(b).
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin continua en un intervalo
cerrado, una vez que alcanz ciertos valores en los extremos del intervalo, entonces debe alcanzar
todos los valores intermedios.
En particular, si f(a) y f(b) tienen signos opuestos, entonces un valor intermedio es precisamente
z=0, y por lo tanto, el Teorema del Valor Intermedio nos asegura que debe existir x0 (a, b) tal que
f(x0)=0, es decir, debe haber por lo menos una raz de f(x) en el intervalo (a, b).
El mtodo de biseccin sigue los siguientes pasos:
Sea f(x) continua,
i) Encontrar valores iniciales xa, xb tales que f(xa) y f(xb) tienen signos opuestos, es decir,
f(xa) . f(xb) < 0
ii) La primera aproximacin a la raz se toma igual al punto medio entre xay xb:

iii) Evaluar f(xr) . Forzosamente debemos caer en uno de los siguientes casos:
f(xa) . f(xr) < 0
En este caso, tenemos que f(xa) y f(xr) tienen signos opuestos, y por lo tanto la raz se encuentra
en el intervalo [xa , xr].
f(xa) . f(xr) > 0
En este caso, tenemos que f(xa) y f(xr) tienen el mismo signo, y de aqu que f(xr) y f(xb) tienen
signos opuestos. Por lo tanto, la raz se encuentra en el intervalo [xr , xb] .
f(xa) . f(xr) = 0
En este caso se tiene que. f(xr) = 0 y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
|Ea|<|Es|

Es decir,

Ejemplo
Aproximar la raz de f(x) = e-x ln x hasta que |Ea|< 1%
Solucin
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de f(x) se localiza en
el intervalo [1; 1,5]. As que este intervalo es nuestro punto de partida; sin embargo, para poder
aplicar el mtodo de biseccin debemos checar que f(1) y f(1,5) tengan signos opuestos.
En efecto, tenemos que
f(1) = e-1 ln 1 = e-1 > 0
Mientras que
f(1,5) = e-1 ln (1,5) = - 0,18233 < 0
Cabe mencionar que la funcin f(x) s es continua en el intervalo [1; 1,5]. As pues, tenemos todos
los requisitos satisfechos para poder aplicar el mtodo de biseccin. Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):

ii) Evaluamos f(1,25) = e-1,25 ln ( 1,25) = 0,0636 > 0

iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente tabla:

Por lo tanto, vemos que la raz se encuentra en el intervalo [1,25; 1,5].

En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto que
solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo intervalo
[1,25; 1,5].

Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):

Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la aproximacin
actual y la aproximacin previa:

Puesto que no se ha logrado el objetivo, continuamos con el proceso.

Evaluamos f(1,375) = e-1,375 ln (1,375) = -0,06561 < 0,
y hacemos la tabla:

As, vemos que la raz se encuentra en el intervalo [1,25; 1,375].

Calculamos el punto medio,

Y calculamos el nuevo error aproximado:

El proceso debe seguirse hasta cumplir el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz
1.25
1.375
1.3125
1.28125

Error aprox.
9.09%
4.76%
2.43%

1.296875
1.3046875

1.20%
0.59%

As, obtenemos como aproximacin a la raz

Utilizando el mtodo de Biseccin para la funcin f(x)= x2 - 10x + 22, se encontrara que la tercera
iteracin entre los valores x= 6 y x = 8 de la funcin f(x) es:
6,75
Utilizando el mtodo de Biseccin para la funcin f(x)= x2 - 10x + 22, se encontrara que la tercera
iteracin entre los valores x= 6 y x = 8 de la funcin f(x) es:
6,75
Mtodo de Newton Raphson
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia de
los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino que
basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin xi a la raz xr de f(x),

Trazamos la recta tangente a la curva en el punto (xi, f(xi)); sta cruza al eje x en un punto xi+1 que
ser nuestra siguiente aproximacin a la raz xr.
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta tangente. Sabemos que tiene
pendiente
m = f (xi)
Y por lo tanto la ecuacin de la recta tangente es:
y f (xi) = f (xi) (x xi)

Hacemos y=0:
-f (xi) = f (xi) (x xi)
Y despejamos x:

Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:

Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que
encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a
dicha raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo caso
se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con
una rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
Tambin observe que en el caso de que f (xi)=0, el mtodo no se puede aplicar. De hecho, vemos
geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto no
intercepta al eje x en ningn punto, a menos que coincida con ste, en cuyo caso xi mismo es una
raz de f(xi).
Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz de f(x)= e-x-ln x, comenzando con x0 =
1 y hasta que ??a? < 1%.
Solucin
En este caso, tenemos que

De aqu tenemos que:

Comenzamos con x0 = 1 y obtenemos:

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.

Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
1
1.268941421
1.309108403
1.309799389

Error aprox.
21.19%
3.06%
0.052%

De lo cual concluimos que

, la cual es correcta en todos sus dgitos. La
misma idea puede aplicarse para crear algoritmos que aproximen races n-simas de nmeros
reales positivos.
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una forma muy
rpida y de hecho, observamos que el error aproximado disminuye a pasos agigantados en cada
paso del proceso. Aunque no es nuestro objetivo establecer formalmente las cotas para los
errores en cada uno de los mtodos que hemos estudiado, cabe mencionar que si existen estas
cotas que miden con mayor precisin la rapidez lentitud del mtodo en estudio
Utilizando el mtodo de Newton-Raphson para determinar la primera iteracin de la funcin
f(x)=x10-1, cuando el valor inicial de x es x0=0,5
X1 = 51,65
Complete correctamente el enunciado teniendo en cuenta la lectura anterior: Se observa que
cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una forma _____________
y de hecho, observamos que el error aproximado ______________
Muy rpida y disminuye
MTODO DE ITERACIN DEL PUNTO FIJO
Este mtodo se aplica para resolver ecuaciones de la forma
x= g(x)

Si la ecuacin es f(x) = 0, entonces puede despejarse x bien sumar x en ambos lados de la

ecuacin para ponerla en la forma adecuada.
Ejemplos:
1) La ecuacin cos x - x = 0 se puede transformar en cos x = x.
2) La ecuacin tan x e-x = 0 se puede transformar en x - tan x e-x = x.
Dada la aproximacin xi, la siguiente iteracin se calcula con la frmula:
xi+1 = g(xi)
Supongamos que la raz verdadera es xr, es decir,
xr = g(xr)
Restando las ltimas ecuaciones obtenemos:
xr - xi+1 = g(xr) - g(xi)
Por el Teorema del Valor Medio para derivadas, sabemos que si g(x) es continua en [a, b] y
diferenciable en (a, b) entonces existe ?(a, b) tal que

.
En nuestro caso, existe en el intervalo determinado por xi y xr tal que:

De aqu tenemos que:

g(xr) g(xi) = g () . ( xr xi)
O bien,
xr xi+1 = g () . ( xr xi)
Tomando valor absoluto en ambos lados,
|xr xi+1|=|g()||xr xi|
Observe que el trmino |xr xi+1| es precisamente el error absoluto en la (i +1)-sima iteracin,
mientras que el trmino |xr xi| corresponde al error absoluto en la i- sima iteracin.
Por lo tanto, solamente si |g () |< 1, entonces se disminuir el error en la siguiente iteracin. En
caso contrario, el error ir en aumento.

En resumen, el mtodo de iteracin del punto fijo converge a la raz si |g(x)|<1 para x en un
intervalo [a, b] que contiene a la raz y donde g(x) es continua y diferenciable, pero diverge si
|g(x)| >1 en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
En el ejemplo 1, g(x) = cos x y claramente se cumple la condicin de que
|g (x)|<1. Por lo tanto el mtodo s converge a la raz.
En el ejemplo 2, g(x)=x+tanxe-x y en este caso, |g(x)|=|1+sec2x + e-x| > 1. Por lo tanto, el mtodo
no converge a la raz.
Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo
Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = cosx - x, comenzando
con x0=0 y hasta que |a|< 1%.
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
x1 = g(x0) = cos 0 = 1
Con un error aproximado de 100%
Aplicando nuevamente la frmula iterativa tenemos,
x2 = g(x1) = cos 1 = 0,540302305
Y un error aproximado de 85,08%.
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se necesitan hasta
13 iteraciones para lograr reducir el error aproximado menor al 1%. El resultado final que se
obtiene es:
x13 = 0,7414250866
Con un error aproximado igual al 0,78%.
Ejemplo
Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = x2 5x - ex, comenzando
con x0 = 0 y hasta que |a|< 1%.

Solucin
Si despejamos la x del trmino lineal, vemos que la ecuacin equivale a

De donde,

En este caso, tenemos que

Un vistazo a la grfica,

Nos convence que |g(x)|<1, para x[-1; 1], lo que es suficiente para deducir que el mtodo s
converge a la raz buscada.
Aplicando la frmula iterativa, tenemos:
x1 = g(x0) = -0,2
Con un error aproximado del 100%.
Aplicando nuevamente la frmula iterativa, tenemos:
x2 = g(x1) = -0,1557461506
Con un error aproximado igual al 28.41%.
En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error menor al 1%.
Resumimos los resultados en la siguiente tabla:

Aprox. a la raz
0
-0.2
-0.1557461506
-0.1663039075
-0.163826372
-0.164410064

Error aprox.
100%
28.41%
6.34%
1.51%
0.35%

De donde vemos que la aproximacin buscada es:

x5 = -0,164410064
Al usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = x2 5x - ex,
comenzando con x0 = 0 y hasta que |a|< 1%. , se encontr que el valor de la iteracin x 1 = g(x0)
es igual a:
-0,2
El mtodo de iteracin del punto fijo converge a la raz si:
|g(x)|<1 para x en un intervalo [a, b]