Cátedra Métodos Numéricos 04

CATEDRA 0
4
Facultad de Ingeniera de Minas, Geologa y Civil
Departamento acadmico de ingeniera de minas y civil
METODOS
NUMERICOS
Solucin de Ecuaciones No Lineales
Ingeniera Civil
ING. CRISTIAN CASTRO P.
Capitulo IV
Ecuaciones Algebraicas
No Lineales
ING. CRISTIAN CASTRO P.
MTODOS NUMRICOS
RACES DE ECUACIONES
DEFINICIN
ECUACIONES ALGEBRAICAS
Solucin de una ecuacin algebraica de primer grado
es solucin de:
Solucin de una ecuacin algebraica de segundo grado
es solucin de:
Solucin de una ecuacin trascendente
es solucin de:
BSQUEDA DE UNA RAZ
BSQUEDA DE VARIAS RACES
RACES DE POLINOMIOS
EJEMPLOS DE APLICACIN EN
INGENIERA
RACES DE ECUACIONES
SUMILLA:
ECUACIONES ALGEBRAICAS NO LINEALES
- Consideraciones generales
- Solucin de ecuaciones no lineales
- Separacin de races
- Mtodos para ecuaciones con una sola variable:
- Mtodo de bsqueda incremental,
- Iteracin de punto fijo,
- Mtodo de biseccin,
- Mtodo del Regula-Falsi,
- Mtodo de Newton-Raphson,
- Mtodo de la secante,
- Criterios de convergencia
- Condicionamiento
- Races de polinomios
- Deflacin
- Algoritmos.
Ecuaciones Algebraicas
Lineales
No lineales
Metodos
Numericos
Interval
Halving
(o bisection)
False
Position
(o regula falsi)
Succesive
Substitution
(o fixed-point)
Secant
Wegstein
Metodos
Analiticos
Ridder
Muller
Newton
Raphson
Brent
Broyden
Homotopy
Dogleg step
Hook step
Para problemas multidimensionales
Mtodos Numricos para

Ecuaciones con una sola Variable
MTODOS PARA ECUACIONES CON UNA SOLA VARIABLE
Los mtodos descritos en esta seccin estn orientados a la solucin de
ecuaciones que contienen una sola variable.
Se supondr que la ecuacin por resolver est escrita en la forma:
f x 0
La raz de la ecuacin es un valor de x que satisface la ecuacin; por lo

tanto, los mtodos para resolver la ecuacin se denominan mtodos para
encontrar races.
CONTENIDO
Antecedentes
Mtodo para ecuaciones con una sola variable
Mtodos de bsqueda incremental
Mtodo de iteracin de punto fijo
Mtodo de biseccin
Mtodo de Newton-Raphson
Mtodo de secante
Mtodo de Muller
Antecedentes
La finalidad principal de las matemticas aplicadas es determinar los

valores de x que cumplan con f(x) = 0. A estos valores se denomina
races o ceros de la ecuacin
Para polinomios de 1er. a 3er. orden existen frmulas que permiten
lograr el objetivo antes dicho, sin embargo para grados superiores la
situacin se complica
Para la resolucin de las expresiones no lineales (ENL) no es posible
resolverlas salvo por aproximaciones sucesivas.
Se presentarn a continuacin procedimientos para encontrar races,
algunos vlidos para cualquier ecuacin y otros slo para polinomios
Una de las razones para mostrar alternativas es poder responder a la
pregunta principal del anlisis numrico: cul de los procedimientos
disponibles puede alcanzar un nivel de deseado de exactitud lo ms
rpido posible, mayor certeza y con menos problemas para empezar
Sistemas algebraicos no lineales por computadora son de especial
ayuda par obtener races de ecuaciones por simple inspeccin
Ecuaciones algebraicas no lineales

Objetivo
Sea f(x) una funcin no lineal en x. Hallar el valor de x, x*,

tal que se cumple f(x*)=0.
x* se suele denominar el cero o raz de f(x)
x* se puede determinar por medios analticos (solucin
exacta) o por medios numricos (solucin aproximada)
La eleccin del mtodo numrico depende del problema a
resolver (estructura del problema, tipo de ecuaciones,
precisin requerida, rpidez del clculo,....).
Por tanto no existe un mejor mtodo universalmente aplicable.
Tipos de mtodos
Mtodos acotados (bracketing methods)
Mtodos abiertos (open methods)

Mtodos acotados vs. Mtodos abiertos
Mtodos acotados
La raz est situada en un intervalo (necesita dos
puntos). Acaba convergiendo dentro de una
tolerancia.
Mtodos abiertos
Slo emplean un punto inicial (o dos puntos que no
tienen por qu contener a la raz) y una frmula para
encontrar la raz. No siempre convergen, pero
cuando lo hacen son mucho ms rpidos que los
mtodos acotados.

Mtodos abiertos
Emplean una aproximacin funcional para obtener el nuevo valor
estimado de la raz (lnea recta, cuadrtica, polinomio)
Mtodos:
Punto-fijo (sustitucin sucesiva o directa)
Newton-Raphson (lnea recta empleando informacin del gradiente)
Secante (lnea recta empleando dos puntos)
Muller (aprox. cuadrtica empleando tres puntos)

Comparacin entre ambos mtodos.
Similaridades:
Ambos mtodos necesitan DOS valores iniciales
Convergence Rate
Requieren un procedimiento para determinar el

cambio de signo.
10
Acaban convergiendo a la raz con cierta tolerancia
El clculo del nuevo punto estimado se hace con

diferentes estrategias
En general el mtodo de la posicin falsa converge
ms rpido que el de la biseccin.
Relative Errors
Diferencias:
1
Bisection method
False-position method
Number of iterations
PRECAUCIONES EN EL USO
DE MTODOS CERRADOS
f(x)
f ( x i ).f ( x s ) 0
f(xi)
hay una raz

3 races (o 5, o 7 o )
hay un nmero impar de races
xi
f(xs)
xs
DE MTODOS CERRADOS
f(x)
f ( x i ).f ( x s ) 0
f(xi)
hay una raz

3 races (1 simple y 1 doble)
hay un nmero impar de races
xi
f(xs)
xs
DE MTODOS CERRADOS
f(x)
f ( x i ).f ( x s ) 0
f(xi)
no hay raz
2 races (o 4, o 6 o )
hay un nmero par de races
f(xs)
xi
xs
DE MTODOS CERRADOS
f(x)
f ( x i ).f ( x s ) 0
f(xi)
no hay raz
1 raz doble
hay un nmero par de races
f(xs)
xi
xs
DE MTODOS CERRADOS
Los mtodos cerrados siempre convergen,
aunque lentamente.
En la mayora de los problemas el mtodo de
la regla falsa converge ms rpido que el de
biseccin.
Conviene utilizar la calculadora graficadora
o una computadora para graficar la funcin
y realizar acercamientos necesarios hasta
tener claridad sobre su comportamiento.
Anlisis Numrico de
Ecuaciones No
Lineales
Mtodos Numricos
Aplicados a la Ingeniera
Temario
Mtodos cerrados:
Mtodos grficos
Mtodo de biseccin
Mtodo de la posicin falsa
Mtodos abiertos:
Iteracin simple de punto fijo
Mtodo de la secante
Races de polinomios:
Mtodo de Mller
Mtodo de Bairstow
MTODO GRFICO
f(x)
Visual
xr
MTODO GRFICO
x
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
f(x)
1
0.90122942
0.80483742
0.71070798
0.61873075
0.52880078
0.44081822
0.35468809
0.27032005
0.18762815
0.10653066
0.02694981
-0.05118836
-0.12795422
-0.2034147
-0.27763345
-0.35067104
-0.42258507
-0.49343034
-0.56325898
-0.63212056
f ( x) e
0.8
0.6
0.4
0.57
0.2
0
0.05
-0.2
-0.4
-0.6
-0.8
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
FUNDAMENTOS CONCEPTUALES:
Manejar adecuadamente las DEFINICIONES de:
LMITE, CONTINUIDAD Y DIFERENCIABILIDAD DE
FUNCIONES.
SUCESIONES CONVERGENTES Y DIVERGENTES.
INTEGRAL DE RIEMANN.
SERIES DE TAYLOR Y DE MaCLAURIN.
TEORA DE ERRORES Y TCNICAS DE REDONDEO.
Ejemplificar los siguientes TEOREMAS:

EL QUE RELACIONA LA DIFERENCIABILIDAD Y LA
CONTINUIDAD
DE ROLLE
DEL VALOR MEDIO
DEL VALOR INTERMEDIO
Teorema de ROLLE
Teorema de ROLLE
Teorema de ROLLE Generalizado
Teorema de ROLLE Generalizado
Teorema del Valor Medio
Teorema del VALOR INTERMEDIO
Teorema del VALOR INTERMEDIO
Mtodo de la
Bsqueda
Incremental
Mtodos Numricos
Mtodo de Bsqueda Incremental

MTODO DE BSQUEDA INCREMENTAL
Este mtodo es el anlogo numrico de la determinacin de una raz de una
ecuacin al graficar f(x) contra x con el propsito de observar el punto en
que f(x) cruza el eje x.
ALGORITMO:
1)
Un contador i se iguala a cero, se elige un valor inicial x0, se elige un

incremento h y se calcula un valor de referencia f0 igula a f(x0).
2)
i se incrementa en 1, xi se iguala a (x0+ih) y se calcula f(xi).
3)
Si
f 0 f xi 0 ,
se regresa al paso 2; en caso contrario, se contina
con el paso 4.
4)
Se calcula la raz x a partir de
x xi h f xi f xi f xi h
Ejercicio de Aplicacin
Desviacin de una viga en voladizo
Una viga voladiza horizontal se somete a una carga vertical uniforme. La viga
se extiende desde su extremo fijo (x=0) hasta su extremo libre (x=L). La
desviacin mxima max se produce en (X=L). La desviacin en el punto
(x=L) est relacionada con max mediante:
f 4 4 3 6 2 3 / max 0
Aplicar el mtodo de bsqueda incremental para resolver la ecuacin para el
valor de al que max es igual a 0.75.
Solucin:
A partir del problema fsico, se espera que para entre 0 y 1 exista una
solucin y que est ms proxima a 1 que a 0. Por consiguiente, se elige un
valor inicial 0 igual a 1 y se usa un incremeno negativo h = -0.05.
Bsqueda con
0 1 , f 0 0.75
h 0.05
Mtodo de
Aproximaciones
Sucesivas
Mtodos Numricos
Mtodo de Aproximaciones Sucesivas

MTODO DE ITERACIN DE PUNTO FIJO
Tambin denominado mtodo de aproximaciones sucesivas, requiere
volver a escribir la ecuacin f(x) = 0 en la forma x = g(x).
El procedimiento empieza con una estimacin o conjetura inicial de x, que es
mejorada por iteracin hasta alcanzar la convergencia. Para que ocurra
convergencia, la derivada (dg/dx) debe ser menor que 1 en magnitud. La
convergencia ser establecida mediante el requisito de que el cambio en x de
una iteracin a la siguiente no sea mayor en magnitud que alguna pequea
cantidad .
ALGORITMO:
Mtodo de Iteracin de Punto Fijo
1) Se conjetura un valor inicial x0 y se elige un parmetro de convergencia
.
2)
Se calcula un valor mejorado
3)
Si
xmejorado x0
caso contrario,
xmejorado a partir de xmejorado g x0
, x0 se iguala a
xmejorado
xmejorado es la raz aproximada.
y se vuelve al paso 2; en
Un punto fijo de una funcin g(x) es un nmero p tal que g(x) = p.

Dado un problema f(x) = 0, se puede definir una funcin g(x) con
un punto fijo en p de diferentes maneras.
Por ejemplo g(x) = x f(x).
Teorema
Si g C[a, b] y g(x) C[a, b] para toda x C[a, b], entonces g tiene un
punto fijo en [a, b].
Si adems g(x) existe en (a, b) y una constante positiva k<1 existe con
|g(x)| <= k, pata toda x (a, b),
Entonces el punto fijo en [a, b] es nico.
y
y=x
b
p=g(p)
y = g(x)
a
a
Si g C[a, b] y g(x) C[a, b] para toda x C[a, b], adems supongamos

que existe g(x) en (a, b) y una constante positiva k<1 cuando
|g(x)| <= k, pata toda x (a, b),
Entonces, para cualquier punto p0 en [a, b] la sucesin definida por
pn = g(pn1), n >=1
Converge en el nico punto fijo p en [a, b].

Grfica del algoritmo de punto fijo
y=x
p1= g(p0)
p3= g(p2)
y = g(x)
p2= g(p1)
p2= g(p1)
p3= g(p2)
y=x
p1= g(p0)
y = g(x)
p1 p3 p2 p0 x
p0
p1
p2 x

Casos de no convergencia
y
y=x
y=x
y = g(x)
y = g(x)
x

Desviacin de una viga en voladizo
Una viga voladiza horizontal se somete a una carga vertical uniforme. La viga
se extiende desde su extremo fijo (x=0) hasta su extremo libre (x=L). La
desviacin mxima max se produce en (X=L). La desviacin en el punto
(x=L) est relacionada con max mediante:
f 4 4 3 6 2 3 / max 0
Aplicar el mtodo de aproximaciones sucesivas para resolver la ecuacin para

el valor de al que max es igual a 0.75. Empezar con 0 0.75 y usar el
criterio
xmejorado x0 10 5 para indicar la convergencia.
Solucin:
La ecuacin se reescribe como
Luego,
mejorado g 0
La sucesin de valores
denotadas por i.
mejorado
3 /
max
4 3 4 / 6
se tabula para nmeros de iteraciones
mejorado
mejorado
0.750000
0.776863
0.811333
0.811682
0.776863
0.791745
10
0.811682
0.811889
0.791745
0.800240
11
0.811889
0.812011
0.800240
0.805166
12
0.812011
0.812084
0.805166
0.808048
13
0.812084
0.812127
0.808048
0.809743
14
0.812127
0.812152
0.809743
0.810742
15
0.812152
0.812167
0.810742
0.811333
16
0.812168
0.812176
El ltimo valor calculado de
mejorado
es la raz estimada:
0.812176
Mtodo de
Punto Fijo
Mtodos Numricos

Problema f(x)=0
Sustitucin sucesiva
y
y= x
1.
Transformar a x=g(x)
2.
Seleccionar un punto inicial x0
3.
Calcular nuevo valor xi+1=g(xi)
4.
Repetir hasta llegar a la tolerancia requerida
y= g(x)
Raiz
y= x
x2
x1
x0
y= g(x)
Si:
|g(x)|<1 El algoritmo converge linealmente
|g(x)|>=1 El algoritmo diverge
x3 x1
x0 x2
MTODO DEL PUNTO FIJO

1. Considera la descomposicin de la funcin f(x) en
una diferencia de dos funciones: una primera g(x)
y la segunda, siempre la funcin x: f(x) = g(x) - x.
2. La raz de la funcin f(x) se da cuando f(x) = 0, es
decir, cuando g(x) x = 0, por lo que g(x) = x.
3. El punto de interseccin de las dos funciones, da
entonces el valor exacto de la raz.
4. El mtodo consiste en considerar un valor inicial
x0, como aproximacin a la raz, evaluar el valor
de esta funcin g(x0), considerando ste como
segunda aproximacin de la raz.
5. El proceso se repite n veces hasta que g(x)coincide
prcticamente con x.

f(x)

f(x)
f ( x ) g( x ) x

La frmula de recurrencia para el mtodo del punto
fijo se obtiene de considerar una funcin que el
resultado de sumar la funcin f con la funcin
identidad:
g(x) f(x) x
f(x) g(x) x
f(x) 0 g(x) x 0
g(x) f(x) x
f(x) g(x) x
f(x) 0 g(x) x 0
g(x) x
g(x) x

f(x)
g(x)
xr
x
f(x)

f(x)
g(x)
Las funciones x y g(x) se cortan

exactamente en la raz xr
xr
x
f(x)

f(x)
g(x0)
g( x 0 ) x1
x0
x1

f(x)
g' ( x ) 1
Requisito para convergencia
x0
x3 x2 x1

Slo hay convergencia si la magnitud de la pendiente
de g(x) es menor que la pendiente de la recta f(x) = x.
La ecuacin de recurrencia es:
xi1 g(xi )
Si x* es el verdadero valor de la raz:
x * g(x * )
x * xi1 g(x * ) g(xi )

Y por el teorema del valor medio: g(x * ) g(xi ) (x * x i )g'()
x * xi1 Ei1
g'() *
x xi
Ei
Si g'(x) 1
, los errores disminuyen en cada iteracin
Si g'(x) 1 , los errores crecen en cada iteracin

g'(x)
Convergencia
solucin montona
solucin oscilante
g'(x)
Divergencia

f ( x) e
iteracin
Xi
f(Xi)
g(Xi)
e(%)
100.00
-0.63212056
0.36787944
76.32
100.00
0.36787944
0.32432119
0.69220063
35.13
171.83
0.69220063
-0.19172713
0.5004735
22.05
46.85
0.5004735
0.10577003
0.60624354
11.76
38.31
0.60624354
-0.06084775
0.54539579
6.89
17.45
0.54539579
0.03421655
0.57961234
3.83
11.16
0.57961234
-0.01949687
0.56011546
2.20
5.90
0.56011546
0.01102765
0.57114312
1.24
3.48
10
0.57114312
-0.00626377
0.56487935
0.71
1.93
11
0.56487935
0.00354938
0.56842873
0.40
1.11
12
0.56842873
-0.00201399
0.56641473
0.23
0.62
13
0.56641473
0.0011419
0.56755664
0.13
0.36
14
0.56755664
-0.00064773
0.56690891
0.07
0.20
15
0.56690891
0.00036732
0.56727623
0.04
0.11
16
0.56727623
-0.00020833
0.5670679
0.02
0.06
17
0.5670679
0.00011815
0.56718605
0.01
0.04
Decisiones
Funcin
Recurrencia
e*(%)
Xr = 0.567143
Mtodo de
Biseccin
Mtodos Numricos
Mtodo de Biseccin
Mtodos acotados
Base: Una funcin cambia de signo en la proximidad de una raz
Una raz est acotada en el intervalo [a,b] si el signo de f(a) es diferente
al signo de f(b)
Mtodo deBisection
la biseccin
(o intervalo medio)
Method
Algoritmo
f(x)
f(b)
[nuevo
punto]
Mid-point
1.
Selecciona un intervalo [a,b] donde halla

un cero
2.
Calcula el punto medio como nuevo punto
3.
Comprueba si hay cambio de signo en

[a,p] o en [p,b]. Comprobacin: f(a)*f(p).
4.
Si el producto es cero, entonces p es una

raz. Si no es cero volver al punto 2.
[a,b]
Next estimate of Bisection
f(a)
Mtodo de Biseccin
MTODO DE BISECCIN
El mtodo de biseccin tambin se denomina mtodo de biparticin del
intervalo porque la estrategia es bisectar o separar a la mitad el intervalo de
xa y xb y luego retener el semiintervalo cuyos extremos siguen acotando la
raz.
Este se clasifica como un mtodo de acotamiento. Es aplicable a ecuaciones de
la forma f(x) = 0 cuando es posible encontrar dos valores limitantes xa y xb
tales que la funcin f(x) cambia de signo una vez para valores x en el intervalo
xa x xb . Por consiguiente, los valores limitantes acotan la raz.
El requisito de que la funcin cambie de signo slo una vez constituye una
manera de detrminar cul semiintervalo retener.
Este mtodo se basa en encontrar una raz de (x)=0 empezando con dos
valores que encierran o ponen entre corchetes a la raz
Nos damos cuenta que una funcin est entre corchetes cuando cambia
de signo en sus puntos extremos. La funcin tiene que ser continua
Se concibe como un mtodo de bsqueda binaria en donde se va buscando
la raz en subintervalos de intervalos
Mtodo de Biseccin
(x)
(xm)0
(xm)1
raz
x
(xa)0
(xa)1,2
(xb)2
Despus de la biseccin (1)
Intervalo original (0)
(xb)0,1
Mtodo de Biseccin
Se trata de encontrar los ceros de
f(x) = 0
Donde f es una funcin continua en [a,b] con f(a) y f(b) con signos
diferentes.
y
De acuerdo con el teorema del
valor medio, existe p [a,b] tal
que f(p) = 0.
f(a)
y = f(x)
El mtodo consiste en dividir a la

mitad el intervalo y localizar la
mitad que contiene a p.
El procesos se repite hasta la
lograr la precisin deseada.
bx
a
f(b)
Mtodo de Biseccin
Primera iteracin del algoritmo
y
Mitad del intervalo que

contiene a p
f(a)
y = f(x)
f(p1)
bx
a
f(b)
p
p1=(a+b)/2
MTODO DE BISECCIN
f(x)
Consiste en considerar un intervalo (xi,

xs) en el que se garantice que la funcin
tiene raz.
MTODO DE BISECCIN
Consiste en considerar un intervalo (xi, xs)
f(x)
en el que se garantice que la funcin tiene

raz.
f(xi)
El segmento se bisecta, tomando el punto

de biseccin xr como aproximacin de la
raz buscada.
xi
f(xs)
xs
MTODO DE BISECCIN
raz.
El segmento se bisecta, tomando el punto
de biseccin xr como aproximacin de la
raz buscada.
Se identifica luego en cul de los dos
intervalos est la raz.
f(x)
f(xi)
f(xr)
f(xs)
xi
xr
xs
MTODO DE BISECCIN
f(x)
xi = x r
f(xi)
f(xr)
f(xs)
xi
xr
xs
MTODO DE BISECCIN
Consiste en considerar un intervalo (xi, xs) en el
que se garantice que la funcin tiene raz.
El segmento se bisecta, tomando como el punto de
biseccin xr como aproximacin de la raz buscada
Se identifica luego en cul de los dos intervalos
est la raz.
El proceso se repite n veces, hasta que el punto de
biseccin xr coincide prcticamente con el valor
exacto de la raz.
MTODO DE BISECCIN
f(x)
f(xi)
f(xr)
f(xs)
xi
xr
xs
Mtodo de Biseccin
ALGORITMO:
Mtodo de Biseccin
xb x a )
1)
Se eligen los valores limitantes
2)
Se calcula
3)
Se calcula el punto medio del intervalo
4)
Se usa (i) o (ii), dependiendo de si fa o fb est disponible a partir del

paso (2);
f a f xa
x a y xb
f b f xb
f m f xm
i)
Si
f a f m 0 , recolocar
xa
en
xm ;
En caso contrario, recolocar
xb
en
en
xm ;
xa
en
ii) Si
f b f m 0 , recolocar
xb
En caso contrario, recolocar

5)
6)
(con
Si
xb xa
x m x a xb / 2
y se calcula
xm
xm
es suficientemente pequeo; es decir, menor o igual que
alguna pequea cantidad prescrita , continuar con el paso (6); en caso

contrario, volver al paso (3).
Usar interpolacion lineal para estimar la raz x a partir de una de las dos
expresiones:
x xa xb xa f xa f xb f xa
O bien
x xb xb xa f xb f xb f xa
Determinacin del Nmero de Mach Crtico
El Nmero de Mach se refiere al cociente de la velocidad de un avin entre la
velocidad del sonido. Los aviones subsnicos experimentan flujo de aire
acelerado sobre la superficie de las alas. El Nmero de Mach crtico es el
Nmero de Mach de vuelo al que el flujo en algn punto del ala alcanza la
velocidad del sonido.
El coeficiente de presin mnimo Cp sobre una superficie aerodinmica se
define de modo que sea negativo y corresponda a la mxima velocidad del
flujo sobre la superficie aerodinmica. Al nmero de Mach crtico M, la
expresin para Cp es:
C p 2 0 .4 M
2 .4
3 .5
0.7M
2
Para una superficie aerodinmica se pueden efectuar pruebas preliminares a

bajas velocidades, cuando los efectos de la compresibilidad son insignificantes.
Se supondr que el coeficiente de presin mnimo Cpi se obtiene para flujo
incompresible y se relacionar con Cp mediante la relacin de Karman-Tsien:
C p C pi
1 M M C / 2 1
2
pi
1 M 2
Para determinar M, la expresin para Cp se sustituye en la relacin de

Karman-Tsien y con la ecuacin resultante se evala M. La ecuacin a resolver
es:
f M 2 0 . 4 M 2 2 . 4
3 .5
1 M
1 0.7 M 2 C pi
M 2 C pi / 2 1 1 M 2
Mtodo de Biseccin
Aplicando el mtodo de biseccin, resolver la ecuacin cuando Cpi = -0.383.
Usar los valores lmite (Ma=0.18) y (Mb=0.98), y detener las bisecciones
cuando (Mb-Ma) se vuelve menor o igual que 0.01
f M m
Biseccin
Ma
Mb
0.18000
0.98000
0.58000
2.44757
0.58000
0.98000
0.78000
-0.15476
0.58000
0.78000
0.68000
0.79287
0.68000
0.78000
0.73000
0.12313
0.73000
0.78000
0.75500
-0.19607
0.73000
0.75500
0.74250
-0.03705
0.73000
0.74250
0.73625
0.04284
Despus de la biseccin,
Mm
M a 0.73625 y M b 0.74250 ; as Mb Ma 0.01
Interpolando se produce la solucin estimada:
M 0.73960 , en donde f M 4.3062 x10 5
MTODO DE BISECCIN
x
f ( x) e x
Iteracin
Xi
Xs
f(xi)
f(Xs)
Xr
f(Xr)
e(%)
-0.63212056
0.5
0.10653066
11.84
0.5
0.10653066
-0.63212056
0.75
-0.27763345
32.24
33.33
0.5
0.75
0.10653066
-0.27763345
0.625
-0.08973857
10.2
20.00
0.5
0.625
0.10653066
-0.08973857
0.5625
0.00728282
0.82
11.11
0.5625
0.625
0.00728282
-0.08973857
0.59375
-0.04149755
4.69
5.26
0.5625
0.59375
0.00728282
-0.04149755
0.578125
-0.01717584
1.94
2.70
0.5625
0.578125
0.00728282
-0.01717584
0.5703125
-0.00496376
0.56
1.37
0.5625
0.5703125
0.00728282
-0.00496376
0.56640625
0.0011552
0.13
0.69
0.56640625
0.5703125
0.0011552
-0.00496376
0.56835938
-0.00190536
0.21
0.34
10
0.56640625
0.56835938
0.0011552
-0.00190536
0.56738281
-0.00037535
0.04
0.17
11
0.56640625
0.56738281
0.0011552
-0.00037535
0.56689453
0.00038986
0.04
0.09
12
0.56689453
0.56738281
0.00038986
-0.00037535
0.56713867
7.2379E-06
0.04
13
0.56713867
0.56738281
7.2379E-06
-0.00037535
0.56726074
-0.00018406
0.02
0.02
14
0.56713867
0.56726074
7.2379E-06
-0.00018406
0.56719971
-8.8412E-05
0.01
0.01
Decisiones
Funcin
Recurrencia
Xr = 0.567143
e*(%)
MTODO DE BISECCIN
0.5
0.75
0.625
f ( x) e
0.5625
0.59375
0.578125
0.5703125
0.56640625
0.567143
Mtodo de la
Falsa Posicin
Mtodos Numricos
Mtodo de la Falsa Posicin (Regula Falsi)

MTODO DE LA FALSA POSICIN
El mtodo de la falsa posicin se puede entender como un intento por mejorar
las caractersticas de convergencia del mtodo de biseccin. Se comienza con
valores limitantes xa y xb tales que f(x) cambia de signo slo una vez en el
intervalo de xa a xb.
Por interpolacin lineal se encuentra una raz aproximada entre xa a xb que
sirve como valor intermedio xintermedio. El nuevo intervalo que contiene la raz
comprende ahora de xa a xintermedio o de xintermedio a xb. El razonamiento para
determinar
que intervaloMethod
se retiene es le mismo que para el mtodo de
False-Position
biseccin.
Algoritmo
f(x)
1.
Selecciona un intervalo [a,b] donde halla

un cero
2.
Calcula un punto interseccin como nuevo

punto
f(b)
[nuevo
punto] point
Intersection
b
[a,b]
f (a)
f (b)
f (b)[a - b])
=
m =bm- a m- b
f (a) - f (b)
3.
Next estimate of False-position

4.
f(a)
Comprueba si hay cambio de signo en

[a,p] o en [p,b]. Comprobacin: f(a)*f(p).
Si el producto es cero, entonces p es una
raz. Si no es cero volver al punto 2.

(x)
(xint)0
(xint)1
raz
x
(xa)0
(xa)1
(xa)
2
(xb)0,1,2
Despus de la iteracin (1)
Intervalo original (0)
MTODO DE LA REGLA FALSA

f(x)
raz.

f(x)
f(xi)

raz.
Se traza una recta que une los puntos
(xi, f(xi)), (xs, f(xs))
xi
f(xs)
xs

f(x)

raz.
Se traza una recta que une los puntos
(xi, f(xi)), (xs, f(xs))
Se obtiene el punto de interseccin de esta
recta con el eje de las abscisas: (xr, 0); se
toma xr como aprox. de la raz buscada.
f(xi)
xi
f(xs)
xs
f(x)
f(xi)
Consiste en considerar un intervalo (xi, xs) en el que

se garantice que la funcin tiene raz.
Se traza una recta que une los puntos (xi, f(xi)),
(xs, f(xs)) y se obtiene el punto de interseccin de
esta recta con el eje de las abscisas: (xr, 0); se toma
xr como aproximacin de la raz buscada.
Se identifica luego en cul de los dos intervalos est
la raz.
f(xr)
f(xs)
xi
xr
xs

f(x)
xs = x r
f(xi)
f(xr)
f(xs)
xi
xr
xs

Consiste en considerar un intervalo (xi, xs) en el
que se garantice que la funcin tiene raz.
Se traza una recta que une los puntos (xi, f(xi)),
(xs, f(xs))
Se obtiene el punto de interseccin de esta recta
con el eje de las abscisas: (xr, 0); se toma xr como
aproximacin de la raz buscada.
Se identifica luego en cul de los dos intervalos
est la raz.
El proceso se repite n veces, hasta que el punto de
interseccin xr coincide prcticamente con el valor
exacto de la raz.

f(x)
xr = x s -
f(xi)
f(xr)
f(xs)
xi
f ( x s )( x i - x s )
xr
f ( xi ) - f ( x s )
xs

f(x)
f(xi)
f(xs)
xi
xs

f(x)
Caso de convergencia lenta

La frmula de recurrencia para el mtodo de la regla
falsa se obtiene de comparar dos tringulos semejantes:
f(x s )
f(xi )
xr xi xr x s
(xr x s )f(xi ) (xr xi )f(x s )
xr f(xi ) x s f(xi ) xr f(x s ) xi f(x s )
xr f(xi ) xr f(x s ) x s f(xi ) xi f(x s )
xr [f(xi ) f(x s )] x s f(xi ) xi f(x s )
x s f(xi ) xi f(x s )
xr
f(xi ) f(x s )
ALGORITMO:
Mtodo de la Falsa Posicin
xb x a )
1)
Se eligen los valores limitantes
2)
Se calcula
3)
EL contador i se incrementa en 1 y se calcula el punto
f a f xa
xa
xb
(con
f b f xb y un contador i se coloca en cero

xint ermedio a
partir
de una de las dos expresiones:
xint ermedio xa xb xa f xa f xb f xa
O bien
xint ermedio xb xb xa f xb f xb f xa
f int ermedio f xint ermedio
4)
Se calcula
5)
Dependiendo de si fa o fb est disponible a partir del paso (2), se usa i o ii

i)
Si
f a f int ermedio 0 ,
xa
se recoloca en
xint ermedio ;
En caso contrario,
ii) Si
xb se recoloca en xint ermedio

f b f int ermedio 0 , xb se recoloca en xint ermedio ;
En caso contrario,
6)
Si
f xint ermedio
xa
se recoloca en
xint ermedio
es suficientemente pequeo; es decir, menor o igual que
alguna pequea cantidad prescrita , o si f alcanza un lmite de iteracin

N, xint ermedio se considera como la raz aproximada; en caso contrario,
volver al paso (3).
Determinacin del Nmero de Mach Crtico
El Nmero de Mach se refiere al cociente de la velocidad de un avin entre la
velocidad del sonido. Los aviones subsnicos experimentan flujo de aire
acelerado sobre la superficie de las alas. El Nmero de Mach crtico es el
Nmero de Mach de vuelo al que el flujo en algn punto del ala alcanza la
velocidad del sonido.
El coeficiente de presin mnimo Cp sobre una superficie aerodinmica se
define de modo que sea negativo y corresponda a la mxima velocidad del
flujo sobre la superficie aerodinmica. Al nmero de Mach crtico M, la
expresin para Cp es:
Cp
2 0.4 M
2 .4
3 .5
0.7 M
2
Para una superficie aerodinmica se pueden efectuar pruebas preliminares a

bajas velocidades, cuando los efectos de la compresibilidad son insignificantes.
Se supondr que el coeficiente de presin mnimo Cpi se obtiene para flujo
incompresible y se relacionar con Cp mediante la relacin de Karman-Tsien:
C p C pi
1 M M
2
C pi / 2 1 1 M
Para determinar M, la expresin para Cp se sustituye en la relacin de

Karman-Tsien y con la ecuacin resultante se evala M. La ecuacin a resolver
es:
f M 2 0 . 4 M 2 2 . 4
3 .5
1 M
1 0.7 M 2 C pi
M 2 C pi / 2 1 1 M 2

Aplicando el mtodo de falsa posicin, resolver la ecuacin cuando Cpi=0.383. Usar los valores lmite (Ma=0.18) y (Mb=0.98), y terminar las
iteraciones cuando f M int ermedio se vuelve menor o igual que 10-2.
f M int
Iteracin
Ma
Mb
0.18000
0.98000
0.74306
-0.04414
0.74306
0.74258
-0.03804
0.18000
0.18000
0.74258
0.74217
-0.03278
0.18000
0.74217
0.74181
-0.02825
0.18000
0.74181
0.74151
-0.02435
0.18000
0.74151
0.74124
-0.02099
0.18000
0.74124
0.74101
-0.01809
0.18000
0.74101
0.74082
-0.01560
0.18000
0.74082
0.74065
-0.01345
La raz estimada es:
M 0.74065 , en donde f M 0.01345
M int
f ( x) e
iteracin
Xi
Xs
f(xi)
f(Xs)
Xr
f(Xr)
e(%)
-0.63212056
0.61269984
-0.07081395
8.03
0.61269984
-0.07081395
0.30634992
0.42977907
45.98
100.00
0.30634992
0.61269984
0.42977907
-0.07081395
0.45952488
0.17205878
18.98
33.33
0.45952488
0.61269984
0.17205878
-0.07081395
0.53611236
0.04890582
5.47
14.29
0.53611236
0.61269984
0.04890582
-0.07081395
0.5744061
-0.01136694
1.28
6.67
0.53611236
0.5744061
0.04890582
-0.01136694
0.55525923
0.01866424
2.1
3.45
0.55525923
0.5744061
0.01866424
-0.01136694
0.56483266
0.0036226
0.41
1.69
0.56483266
0.5744061
0.0036226
-0.01136694
0.56961938
-0.00387865
0.44
0.84
0.56483266
0.56961938
0.0036226
-0.00387865
0.56722602
-0.00012965
0.01
0.42
10
0.56483266
0.56722602
0.0036226
-0.00012965
0.56602934
0.00174607
0.2
0.21
11
0.56602934
0.56722602
0.00174607
-0.00012965
0.56662768
0.00080811
0.09
0.11
12
0.56662768
0.56722602
0.00080811
-0.00012965
0.56692685
0.0003392
0.04
0.05
13
0.56692685
0.56722602
0.0003392
-0.00012965
0.56707644
0.00010477
0.01
0.03
14
0.56707644
0.56722602
0.00010477
-0.00012965
0.56715123
-1.244E-05
0.01
Decisiones
Funcin
Recurrencia
Xr = 0.567143
e*(%)

MODIFICADO
Las funciones con curvatura significativa hacen
que el mtodo de la regla falsa converja muy
lentamente.
Esto se debe a que con interpolacin lineal, uno
de los valores extremos se queda estancado.
Para tales casos, se ha encontrado un remedio:
el mtodo de la regla falsa modificado, que
reduce a la mitad el valor de la funcin en el
punto extremo que se repita dos veces, con lo
que la convergencia se acelera significativamente

MODIFICADO
f(x)
f(xi)
f(xi)/2
f(xi)/4
Mtodo de
Newton-Raphson
Mtodos Numricos

Problema g(x)=0
Newton Raphson
1.
Seleccionar un punto inicial x0
2.
Calcular g(xi) y g(xi)
3.
Aplicar la tangente en ese punto y en el corte con el

eje de abcisas tenemos el nuevo punto estimado
xi+1=xi4.
g(xi)
g(xi)
y
g(x)
Necesita conocer la derivada de la
funcin
Convergencia cuadrtica (rpida)
Puede no converger (depende de la
funcin y de la estimacin inicial)
x2
x1
x0
El Mtodo de Newton-Raphson
Es lejos uno de los mtodos ms usados para resolver ecuaciones

Se basa en una aproximacin lineal de la funcin, aunque
aplicando una tangente a la curva
A partir de una estimacin inicial x0 se efecta un desplazamiento
a lo largo de la tangente hacia su interseccin con el eje x, y se
toma sta como la siguiente aproximacin
tan f '( x0 )
f ( x0 )
f ( x0 )
, x1 x0
x0 x1
f '( x0 )
Se continua el calculo al estimar

f ( x1 )
x2 x1
f '( x1 )
(x0)
x1
x0
x0-x1
Se calculan f ( x0 ) y f '( x0 )
Algoritmo
Para determinar una raz de (x)=0
dado un valor de x0 razonablemente
prximo a la raz
IF (f ( x0 ) 0) AND (f '( x0 ) 0)
Repeat
Se Hace x1 x0
Se Hace x0 x0 f ( x0 ) / f '( x0 )
Until ( x0 x1 valor de tolerancia 1) OR ( f ( x0 ) valor de tolerancia 2)
End IF
END
Este algoritmo al menos en la vecindad

cualquiera de los antes vistos
Al ser un mtodo cuadrticamente convergente el resultado neto es que

el nmero de cifras decimales de exactitud casi se duplica en cada
iteracin
Tiene como inconveniente la necesidad de dos evaluaciones funcionales

en cada paso, (xn) y (xn) y encontrar la derivada de la funcin
El mtodo de Newton se relaciona con la interpolacin por la Secante ya

que cociente de las diferencias es una aproximacin de la derivada
El mtodo de Newton funciona con races complejas si se proporciona un

valor de este tipo para el valor inicial
converge ms rpido que
f(x)
La ecuacin de la recta
tangente es:
y f(xn) = f (xn)(x xn)
Cuando y = 0, x = xn+1 o sea
0 f(xn) = f (xn)(xn+1 xn)
Pendiente = f (xn)
f (xn)
f ( xn )
xn 1 xn
f '( xn )
xn+1
xn
Ejemplo
Determinar la raz de la siguiente funcin (x)=3x + sen x ex=0
f ( x) 3 x senx e x ,
f '( x) 3 cos x e x
x0 0
x1 x0
f ( x0 )
1.0
0.0
0.33333;
f '( x0 )
3.0
x2 x1
f ( x1 )
0.068418
0.33333
0.36017;
f '( x1 )
2.54934
f ( x2 )
6.279 *104
x3 x2
0.36017
0.3604217;
f '( x2 )
2.50226
Despus de 3 iteraciones la raz es correcta hasta con 7 dgitos significativos
MTODO DE NEWTON RAPHSON

f(x)
Consiste en elegir un punto inicial

cualquiera x1 como aproximacin de la
raz.

f(x)
Consiste en elegir un punto inicial cualquiera

x1 como aproximacin de la raz y obtener el
valor de la funcin por ese punto.
f(x1)
Trazar una recta tangente a la funcin por

ese punto.
x1

f(x)
Consiste en elegir un punto inicial cualquiera

x1 como aproximacin de la raz.
Obtener el valor de la funcin por ese punto y
trazar una recta tangente a la funcin por
ese punto.
f(x1)
El punto de interseccin de esta recta con el

eje de las abscisas (xr, 0), constituye una
segunda aproximacin de la raz.
x1
x2

f(x)
f(x1)
f(x2)
x1
x2

Consiste en elegir un punto inicial cualquiera x1
como aproximacin de la raz.
Obtener el valor de la funcin por ese punto y trazar
una recta tangente a la funcin por ese punto.
El punto de interseccin de esta recta con el eje de
las abscisas (xr, 0), constituye una segunda aproxi
macin de la raz.
El proceso se repite n veces hasta que el punto de
interseccin xn coincide prcticamente con el valor
exacto de la raz.

f(x)
f(xi)
x i+1 xi
f'(xi)
f(x1)
f(x2)
x1
x2

El mtodo de Newton Raphson se puede deducir
a partir de la interpretacin geomtrica que
supone que el punto donde la tangente cruza al
eje x es una interpretacin mejorada de la raz.
f(xi1 ) f(xi )
f '(xi )
xi1 xi
0 f(xi )
f '(xi )
xi1 xi
xi1 xi
f(xi )
f '(xi )
f(xi )
xi1 xi
f '(xi )

En realidad, el mtodo de Newton Raphson, que supone la
obtencin de la raz de f(x), se obtiene a partir de su desarrollo
en serie de Taylor, la cual se puede escribir:
f(xi+1 ) = f(xi ) + f '(xi )(xi+1 - xi ) + R2

donde, al despreciar el residuo R2, la serie de Taylor truncada
a dos trminos, queda:
0 = f(xi ) + f '(xi )(xi+1 - xi )

Y realizando manipulaciones algebraicas:
f(xi )
xi1 xi
f '(xi )

f(x)
f(x1)
f(x2)
f(x3)
x1
x2
x3

En ocasiones resulta difcil o imposible obtener la primera
derivada de la funcin. En tal caso, se puede hacer una
aproximacin suficientemente buena de su valor en xi, por
diferencias finitas hacia delante:
f(xi h) f(xi )
f '(xi )
h
o por diferencias finitas hacia atrs:
f(xi ) f(xi h)
f '(xi )
h
con h = 0.001, por ejemplo.
Si la funcin no tiene singularidades en la vecindad de la raz
, ambas aproximaciones por diferencias funcionan bien.

El mtodo de Newton Raphson converge muy rpidamente, pues el error es proporcional al cuadrado
del error anterior:
La velocidad de convergencia cuadrtica se explica
tericamente por la expansin en serie de Taylor,
con la expresin:
Ei1 R2
El nmero de cifras significativas de precisin se
duplica aproximadamente en cada iteracin
f ( x) e
iteracin
Xi
f(Xi)
f'(Xi)
e(%)
-2
100.00
0.5
0.10653066
-1.60653066
11.84
100.00
0.566311003
0.00130451
-1.567615513
0.15
11.71
0.567143165
1.9648E-07
-1.567143362
0.00
0.15
0.56714329
4.4409E-15
-1.56714329
0.00
0.00
Derivada
Funcin
Recurrencia
e*(%)
Xr = 0.567143

La velocidad de convergencia es muy sensible al valor inicial elegido
f(x)
lento
rpido
x
Newton-Raphson

Aunque el mtodo trabaja bien, no existe garanta de convergencia.
f(x)
x3
x1
x0
x2

Aunque el mtodo trabaja bien, no existe garanta de convergencia.
f(x)
x0 x2
x4
x1
x3
Desventajas
f(x)
f(x)
x1
x0
x2
x0
x2
x1
mnimo local
raz cerca de punto de inflexin

f(x)
f(x)
x1
x0 x
varias races
x0
x1
la iteracin en un mnimo
Desventajas
Mtodo de la
Secante
Mtodos Numricos

Problema g(x)=0
Secante
1.
Seleccionar dos puntos iniciales x0,x1
2.
Calcular la recta que pasa por esos puntos
3.
El corte con el eje de abcisas da el nuevo punto

estimado. Volver a calcular la recta.
xi+1=xi4.
xi+1-xi
g (xi+1)
g (xi+1)-g (xi)
g(x)
No Necesita conocer la derivada de
la funcin (la aproxima).
Necesita dos puntos iniciales.
Puede no converger.
x3
x2
x1
x0 x
El Mtodo de la secante
Se supone que (x) es

lineal en la vecindad de la
raz
Se eligen puntos prximos
a sta y se traza una lnea
recta
Si bien es cierto (x) no es
lineal y x2 no es igual a la
raz
debe
estar
muy
prxima.
Mejores
estimaciones
se
logran
iterando y reemplazando los
valores xo y x1
(x0)
(x1)
( x1 x2 )
( x0 x1 )
f ( x1 )
f ( x0 ) f ( x1 )
( x0 x1 )
x2 x1 f ( x1 )
f ( x0 ) f ( x1 )
x2
x1
Raz
x0
Algoritmo
Para determinar una raz de (x)=0 dados dos valores, x0 y x1 prximos a la solu
cin
IF f (x0) f (x1)
Intercambiar x0 con x1.

Repeat
Sea x2 x1 f (x1)*(x0 x1)/[ f (xo ) f (x1)].
Sea x0 x1.
Sea x1 x2.
Until f (x2) valor de tolerancia
End IF
END
MTODO DE LA SECANTE
Consiste en elegir dos puntos iniciales cualquiera x0,
x1 para los cuales se evalan los valores de la funcin
f(x0) = f(x1)
Se traza una recta secante a la funcin por esos dos
puntos.
El punto de interseccin de esta recta con el eje de
las abscisas (x2, 0) constituye una segunda aprox.
de la raz.
El proceso se repite n veces hasta que el punto de
interseccin xn coincide prcticamente con el valor
exacto de la raz.
Secante
N-R modificado o Mtodo de la Secante

Una de las formas de obtener la frmula recursiva esencial
para el mtodo de la Secante, es reemplazar
por una
expresin aproximadamente equivalente, en:
Para ello, basta considerar la expresin matemtica de la

As:
f ( xi ) f ( xi 1 )
f ' ( xi ) lm
xi xi 1
xi xi 1
f ( xi ) f ( xi 1 )
f ' ( xi )
Si |xi - xi-1| <<< 0, se puede escribir:
xi xi 1
xi xi 1
Sustituyendo 2 en 1, se obtiene: xi 1 xi f ( xi )
f
(
x
)
f
(
x
)
i
i 1
MTODO DE LA SECANTE
1.
Consiste en elegir dos puntos iniciales cualquiera x0, x1 para

los cuales se evalan los valores de la funcin: f(x0) = f(x1)
2.
Se traza una recta secante a la funcin por esos dos puntos.
3.
El punto de interseccin de esta recta con el eje de abscisas

(x2, 0) constituye una segunda aproximacin de la raz.
4.
Se reemplazan los subndices: xi = xi+1, de manera que x1

pasa a ser x0 y x2 pasa a ser x1.
5.
Se traza una segunda secante por los nuevos puntos x0, x1,
obteniendo una segunda aproximacin con x2.
6.
El proceso se repite n veces hasta que el punto de interseccin x2 coincide prcticamente con el valor exacto de la raz.
MTODO DE LA SECANTE
f(x)
MTODO DE LA SECANTE
f(x)
f(x0)
f(x1)
x0
x1
MTODO DE LA SECANTE
f(x)
f(x0)
f(x1)
x0
x1
MTODO DE LA SECANTE
f(x)
xi f(xi1 ) xi1f(xi )
xi1
f(xi1 ) f(xi )
f(x0)
f(x1)
f(x2)
x0
x1 x2
MTODO DE LA SECANTE
f(x)
f(x0)
f(x10)
f(x21)
x0
x10 x12
MTODO DE LA SECANTE
f(x)
f(x0)
f(x1)
x0 x1 x2
MTODO DE LAS SECANTES

f(x)
f(x0)
f(x2) f(x1)
x0 x1 x2
MTODO DE LA SECANTE
f ( x) e
X0
X1
f(X0)
f(X1)
X2
f(X2)
e(%)
0.4
0.27032005
0.54818554
0.02981207
3.34
0.4
0.54818554
0.27032005
0.02981207
0.56655382
0.00092388
0.1
3.24
0.54818554
0.56655382
0.02981207
0.00092388
0.56714126
3.1783E-06
0.10
0.56655382
0.56714126
0.00092388
3.1783E-06
0.56714329
3.3904E-10
0.00
iteracin
Derivada
Funcin
Recurrencia
e*(%)
Xr = 0.567143
COMPARATIVO DE LOS ERRORES RELATIVOS

ESTIMADOS, POR DIFERENTES MTODOS
x
f ( x) e x
1000.00
Error relativo estim ado porcentual
100.00
10.00
1.00
0.10
0.01
2
10
11
12
13
14
15
16
iteraciones
Biseccin
Regla falsa
Punto fijo
Newton-Raphson
Secante
17
COMPARATIVO DE LOS ERRORES RELATIVOS

ESTIMADOS, POR DIFERENTES MTODOS
Los mtodos de biseccin, de regla falsa y de punto fijo convergen
linealmente al valor verdadero de la raz.
El error relativo verdadero es proporcional y menor que el error
correspondiente de la iteracin anterior.
En biseccin y regla falsa, la convergencia est garantizada.
En punto fijo, la convergencia depende de que la pendiente de la
tangente no sobrepase el 1, en positivo o en negativo.
Los mtodos de Newton Raphson y de la secante convergen

cuadrticamente al valor verdadero de la raz.
El error relativo verdadero es proporcional al cuadrado del error
correspondiente de la iteracin anterior.
Cuando el error relativo en una iteracin es menor que 1 (inferior
al 100%), la convergencia est garantizada.
Cuando el error relativo en una iteracin es mayor que 1, la
divergencia est garantizada.
Ejercicios Aplicativos
en MATLAB
Mtodos Numricos
Ejemplo
Funcin de ejemplo
x 1 tan( x)
2
Archivo: eqn_w3.m
function y = eqn_w3(x)
y = sqrt(x^2 + 1) - tan(x);
>> bisec_n('eqn_w3',0,1.3)
f_name = eqn_w3
Mtodo de biseccin:
It. a
b
1
0.000000,
0.650000
2
0.650000,
0.975000
3
0.650000,
0.812500
4
0.812500,
0.893750
5
0.893750,
0.934375
6
0.934375,
0.954688
7
0.934375,
0.944531
8
0.934375,
0.939453
9
0.939453,
0.941992
10
0.939453,
0.940723
11
0.940723,
0.941357
12
0.941357,
0.941675
13
0.941357,
0.941516
14
0.941357,
0.941437
15
0.941437,
0.941476
16
0.941437,
0.941457
17
0.941457,
0.941467
18
0.941457,
0.941462
19
0.941457,
0.941459
20
0.941459,
0.941460
21
0.941460,
0.941461
Se satisface la tolerancia.
Resultado final: Raz =
c
1.300000,
1.300000,
0.975000,
0.975000,
0.975000,
0.975000,
0.954688,
0.944531,
0.944531,
0.941992,
0.941992,
0.941992,
0.941675,
0.941516,
0.941516,
0.941476,
0.941476,
0.941467,
0.941462,
0.941462,
0.941462,
0.941461
fa=f(a)
1.000000,
0.432482,
0.432482,
0.232743,
0.097080,
0.015409,
0.015409,
0.015409,
0.004405,
0.004405,
0.001624,
0.000229,
0.000229,
0.000229,
0.000054,
0.000054,
0.000011,
0.000011,
0.000011,
0.000005,
0.000003,
fc=f(c)
-1.9619810
-1.9619810
-0.0783150
-0.0783150
-0.0783150
-0.0783150
-0.0297840
-0.0067920
-0.0067920
-0.0011690
-0.0011690
-0.0011690
-0.0004700
-0.0001200
-0.0001200
-0.0000330
-0.0000330
-0.0000110
-0.0000000
-0.0000000
-0.0000000
abs(fc-fa)
2.962e+000
2.394e+000
5.108e-001
3.111e-001
1.754e-001
9.372e-002
4.519e-002
2.220e-002
1.120e-002
5.574e-003
2.793e-003
1.398e-003
6.987e-004
3.492e-004
1.746e-004
8.731e-005
4.366e-005
2.183e-005
1.091e-005
5.457e-006
2.729e-006
Ejemplo
Sea la funcin: x3 + 4x2 10 = 0 tiene una raz en [1, 2]
Puede despejarse en:
a. x = g1(x) = x x3 4x2 +10
b. x = g2(x) = (10 x3)
c. x = g3(x) = (10/(4 + x))
d. x = g4(x) = x (x3 + 4x2 10)/(3x2 + 8x)
Iteraciones de punto fijo

(a)
(b)
(c)
(d)
1 1.5
2 -0.875
3 6.732421875
4 -469.72001200
5 1.02754555E8
6 -1.084933870E24
7 1.277055591E72
8 -2.082712908E216
9 NaN
10
11
12
13
14
15
20
25
30
1.5
1.286953767
1.402540803
1.345458374
1.375170252
1.360094192
1.367846967
1.363887003
1.365916733
1.364878217
1.365410061
1.365137820
1.365277208
1.365205850
1.365242383
1.365229578
1.365230028
1.365230012
1.5
1.348399724
1.367376371
1.364957015
1.365264748
1.365225594
1.365230575
1.365229941
1.365230022
1.365230012
1.365230013
1.365230013
1.5
1.373333333
1.365262014
1.365230013
1.365230013
Funciones graficadas en MatLab
a)
c)
b)
d)
Programa en MATLAB
%Objetivo: Encontrar una raz de una funcin
%Sintaxis: bisec_n('nombre_f', a, b)
%nombre_f: el nombre de la funcin entre apstrofos
%a y b: extremos del intervalo inicial
%Ejemplo: bisec_n ('eqn_w3', 0, 1.3)
function bisec_n(f_name, a, c)
f_name
% a, c : extremos del intervalo inicial
% tolerance : tolerancia
% it_limit : lmite del nmero de iteraciones
% Y_a, Y_c ; valores y de los extremos actuales
% fun_f(x) ; valor funcional en x
fprintf('Mtodo de biseccin:\n\n');
tolerance = 0.000001; it_limit = 30;
fprintf(' It. a
b
c
fa=f(a)
');
fprintf(' fc=f(c)
abs(fc-fa) \n');
it = 0;
Y_a = feval(f_name, a); Y_c = feval(f_name, c) ;
if (Y_a * Y_c > 0)
fprintf('\n \n Detenido porque f(a)f(c) > O \n') ;
else
while 1
it = it + 1;
b = (a + c)/2; Y_b = feval(f_name, b) ;
fprintf('%3.0f %10.6f, %10.6f', it, a, b) ;
fprintf('%10.6f, %10.6f, %10.6f0', c, Y_a, Y_c) ;
fprintf('%12.3e\n', abs((Y_c - Y_a))) ;
if ( abs(c-a)/2<=tolerance )
fprintf('Se satisface la tolerancia. \n' );break
fprintf('\n Cambie a o b y ejecute otra vez.\n' );
end
if ( it>it_limit )
fprintf('Se excedi lmite de iteraciones.\n');
break
end
if ( Y_a*Y_b <= 0 ) c = b;
Y_c = Y_b;
else
a = b;
Y_a = Y_b;
end
end
fprintf('Resultado final: Raz = %12.6f \n', b) ;
end
Problemas
Propuestos de IC343
Mtodos Numricos
EXAMEN DE MTODOS NUMRICOS 2003-I
La profundidad normal y del flujo en un canal de seccin parablica abierto de ancho T est
relacionada con el caudal Q, la pendiente del canal S y el coeficiente de friccin de Manning
n mediante las ecuaciones:
1
AR 2 / 3 S 1 / 2
n
Qn
A5 / 3 P 2 / 3
1/ 2
S
Determinar y usando cualquier mtodo de solucin de ecuaciones no lineales para el conjunto

de datos:
Caudal (Q)
100.0 m3/s
Coeficiente (n)
0.050
Pendiente (S)
0.0045
Espejo de agua (T)
16.00 m
Foco (K)
8.00
16.00

En el grfico se muestra una seccin tpica de tipo Bal, en la cual se desea determinar el tirante
normal o calado Y que tiene para los datos mostrados en la tabla adjunta. Adems es necesario hallar
el grfuco de la variacin tirante (Y) vs. Caudal (Q), conocida como curva de descarga. Para determinar
Y puede utilizar cualquier mtodo para hallar races de ecuaciones no lineales.

Imagine una pared de tabique con un espesor de 0.05 m. La temperatura en el lado interior de
la pared T0 = 625 K, pero se desconoce la temperatura del lado exterior. La prdida de calor
de la superficie exterior se efecta por conveccin y por radiacin. La temperatura T1 est
determinada por la ecuacin:
f T1
Donde:
k
:
:
:
T0
T1
T
T
k
T1 T0 T14 T4 hT1 Tf 0
x
Conductividad trmica de la pared, 1.2 W/mK

Emisividad, 0.8
Temperatura del lado interior de la pared, 625K
Temperatura del lado esterior de la pared, desconocida en K
Temperatura del entorno, 298 K
:
Temperatura del aire, 298 K
h
:
Coeficiente de transferencia de calor, 20 W/m2K
:
Constante de Stefan-Boltzmann, 5.67x10-8 W/m2K4
x :
Espesor de la pared, 0.05 m
Determine T1 por cualquier mtodo para hallar races de ecuaciones no lineales.
El factor de friccin f para los flujos turbulentos en una tubera esta dado por:
e
1
9.35
1.14 2 log10
D
f
f
Re
Llamada correlacin de Colebrook.

Donde:
Re = Nmero de Reynolds
e = aspereza de la superficie de la tubera
D = dimetro de la tubera
Aplicacin.- Con base en los resultados de la expresin mostrada, se construye el
Diagrama de Moody y que sirve para determinar f cuando se conoce el caudal. Tambin se
puede construir el diagrama de Jonson-Rouse que sirve para determinar f cuando el caudal
es desconocido.
a) Escribir un procedimiento (pseudocdigo y/o diagrama de flujo) que resuelva la

ecuacin para f, utilizando un mtodo numrico apropiado.
b) Evale f ejecutando el procedimiento previo para los siguientes casos:
D = 0.1 m
e = 0.0025 m
Re = 3 x 104
D = 0.1 m
e = 0.0001 m
Re = 5 x 106

ECUACIONES NO LINEALES APLICACIONES A LA INGENIERA
Consideremos el cable AB de la figura adjunta que muestra un cable de transmisin suspendido por accin de
su peso; con una carga vertical distribuida con intensidad constante L a lo largo del cable. La intensidad de
carga L se mide en unidades de fuerza por unidad de longitud. Un cable que cuelga bajo la accin de su
propio peso soporta una carga de este tipo, y la curva que adopta corresponde a un coseno hiperblico o
catenaria. La solucin de la catenaria para c es un resultado intermedio para calcular la tensin mxima y
mnima en el cable y la longitud s del mismo.
x
y c cosh 1
c
Con un mtodo numrico abierto y uno cerrado, calcular el valor de la constante c de tal forma que pueda
determinar la longitud s del cable usando la expresin:
x
s c senh
c
B
20 m
100 m
Tarea
Texto: Anlisis Numrico; Autor: R. Burden; Ejercicios 2.1:
Una artesa de longitud L tiene una seccin transversal

en forma de semicrculo con radio r (ver figuras). Cuando
se llena con agua hasta una distancia h desde la parte
superior, el volumen V de agua es:
V=L[0.5r2 - r2 arcsen(h/r) h(r2 h2 )1/2]
Suponga que L=10 pies, r=1 pie y que V=12.4 pies3.
Encuentre la profundidad ( D ) del agua en la artesa
dentro de 0.01 pie.
D
Tarea
Un abrevadero de longitud L tiene una seccin
transversal en forma de semicrculo con radio r
(vase la figura) Cuando se llena de agua hasta una
distancia h de la parte superior, el volumen V de
agua es
V = L [ 0.5r2 r2 arcsen(h/r) h(r2 h2)1/2 ]
Escriba un programa en MatLab amigable para el
usuario que lea los datos de este problema y
encuentre la profundidad h del abrevadero. Utilice
el mtodo de biseccin para encontrar la solucin.
r
h
L
Volumen del abrevadero

h
sen
r
r
h
L
area sector r 2
r
h
h
sen 1
2
2
r
area sector r 2 r 2 sen 1 h / r

2
area triangular 2
base altura
h r 2 h2
2
A area sector area triangular r 2 sen 1 h / r h r 2 h 2

2
V LA L r 2 sen 1 h / r h r 2 h 2
Tarea
Texto: Anlisis Numrico; Autor: R. Burden; Ejercicios 2.3:
Los problemas relacionados con la cantidad de dinero

requerida para pagar una hipoteca en un periodo fijo
(n), involucran la frmula:
A = [1 (1 + i )-n]*(p/i)
Donde:
A = monto de hipoteca; p = cuota; i = tasa de inters
Suponga que se necesita una hipoteca a 30 aos para
una casa, por $75000 y que el deudor puede pagar a lo
sumo $625 al mes. Cul es la tasa de inters mxima
que el deudor puede pagar?
Tarea
El valor acumulado de una cuenta de ahorros puede calcularse
con la ecuacin de anualidad vencida
A = P[(1 + i )n - 1 ] / i
En esta ecuacin A es el monto de la cuenta, P es la cantidad
que se deposita peridicamente e i es la tasa de inters por
periodo para los n periodos de depsito. A un ingeniero le
gustara tener una cuenta de ahorros con un monto de
$ 750,000 dlares al momento de retirarse dentro de 20 aos,
y puede depositar $ 1,500 dlares mensuales para lograr dicho
objetivo. Cul es la mnima tasa de inters a que puede
invertirse ese dinero, suponiendo que es un inters compuesto
mensual?
Escriba un programa en MatLab para este problema, el
programa deber pedir todos los datos necesarios y utilizar el
mtodo de Newton para calcular el inters a que debe
invertirse el dinero.
Sugerencia:
Para estimar el valor inicial de i podemos
desarrollar el binomio (1 + i)n para aproximarlo a
la segunda potencia. El resultado es
2 A nP
i0
nn 1P
Se sugiere validar los datos de entrada. El capital
a obtener debe ser mayor que el depsito por el
nmero de abonos, es decir
A > nP
Tarea
La carga en un circuito RLC serie esta dada por
1 R 2
t
qt q0 e Rt /( 2 L ) cos
LC 2 L
Suponga
q0/q = 0.01, t = 0.05 s, L = 5H y C = 10-6 F.
Encuentre el valor de la Resistencia R usando el
mtodo de Newton. Haga un programa en C para
este problema.
Muchas Gracias

Cátedra Métodos Numéricos 04

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cátedra Métodos Numéricos 04

Cargado por

Copyright:

Formatos disponibles

CATEDRA 0

ING. CRISTIAN CASTRO P.

BSQUEDA DE UNA RAZ

BSQUEDA DE VARIAS RACES

Para problemas multidimensionales

Mtodos Numricos para

La raz de la ecuacin es un valor de x que satisface la ecuacin; por lo

La finalidad principal de las matemticas aplicadas es determinar los

Ecuaciones algebraicas no lineales

Sea f(x) una funcin no lineal en x. Hallar el valor de x, x*,

Mtodos abiertos (open methods)

Ecuaciones algebraicas no lineales

Ecuaciones algebraicas no lineales

Ecuaciones algebraicas no lineales

Requieren un procedimiento para determinar el

Acaban convergiendo a la raz con cierta tolerancia

El clculo del nuevo punto estimado se hace con

hay una raz

hay una raz

Ejemplificar los siguientes TEOREMAS:

Teorema de ROLLE Generalizado

Teorema de ROLLE Generalizado

Teorema del Valor Medio

Teorema del Valor Medio

Teorema del Valor Medio

Teorema del VALOR INTERMEDIO

Teorema del VALOR INTERMEDIO

Mtodo de Bsqueda Incremental

Un contador i se iguala a cero, se elige un valor inicial x0, se elige un

i se incrementa en 1, xi se iguala a (x0+ih) y se calcula f(xi).

se regresa al paso 2; en caso contrario, se contina

Se calcula la raz x a partir de

Mtodo de Bsqueda Incremental

Mtodo de Bsqueda Incremental

Mtodo de Aproximaciones Sucesivas

Se calcula un valor mejorado

xmejorado a partir de xmejorado g x0

xmejorado es la raz aproximada.

Mtodo de Aproximaciones Sucesivas

Un punto fijo de una funcin g(x) es un nmero p tal que g(x) = p.

Si g C[a, b] y g(x) C[a, b] para toda x C[a, b], adems supongamos

Mtodo de Aproximaciones Sucesivas

Mtodo de Aproximaciones Sucesivas

Mtodo de Aproximaciones Sucesivas

Aplicar el mtodo de aproximaciones sucesivas para resolver la ecuacin para

xmejorado x0 10 5 para indicar la convergencia.

se tabula para nmeros de iteraciones

Mtodo de Aproximaciones Sucesivas

El ltimo valor calculado de

Ecuaciones algebraicas no lineales

Seleccionar un punto inicial x0

Calcular nuevo valor xi+1=g(xi)

Repetir hasta llegar a la tolerancia requerida

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO

Las funciones x y g(x) se cortan

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO

MTODO DEL PUNTO FIJO