METODOS

NUMERICOS

JUSTIFICACION
Esta materia trata de dise
nar metodos para aproximar, de una manera eficiente, las soluciones de
problemas expresados matem
aticamente utilizando solo las operaciones mas simples de la aritmetica.
Los metodos numericos pueden ser aplicados para resolver procedimientos matematicos en:
C
alculo de derivadas, Integrales, Ecuaciones diferenciales, Operaciones con matrices, Interpolaciones, Ajuste de curvas y polinomios.
La eficiencia de los metodos depende tanto de la precision que se quiera, como de la facilidad
con la que pueda implementarse. La eleccion del metodo apropiado para aproximar la solucion de
un problema est
a influenciada significativamente por los cambios tecnologicos en calculadoras y
computadoras.
Vivimos en una epoca en la que el campo de la computacion presenta un gran desarrollo, tanto
en la programaci
on como en la ejecuci
on de programas numericos.
As tenemos que la computaci
on numerica desempe
na cada da mas un importante papel en
la Ingeniera y en las dem
as ciencias, especialmente cuando se realiza la aplicacion practica de los
conocimientos adquiridos.
OBJETIVOS
1. Expresar la utilidad de los metodos numericos.
2. Resolver Sistemas de Ecuaciones Lineales, aplicando los distintos metodos.
3. Explicar los fundamentos de los metodos numericos de aproximacion.
4. Aplicar el c
alculo de errores a problemas numericos planteados como resultado de trabajos
experimentales cuya caracterstica fundamental sea la aproximacion.
5. Explicar las ventajas y desventajas de los metodos numericos.
6. Calcular los errores que afectan a la solucion numerica de problemas.
7. Plantear alternativas de soluci
on a problemas numericos de acuerdo a la informacion inicial
proporcionada.
8. Aplicar y comparar las diversas f
ormulas de aproximacion estudiadas.
9. Aplicar los metodos de integraci
on numerica.
CONTENIDO
Unidades Program
aticas.
1. Sistemas de Ecuaciones Lineales.
2. Aproximaciones Numericas.
3. Resoluci
on Numerica de Ecuaciones Algebraicas y/o Trascendentes.
4. Valuaci
on Numerica de Integrales.

DESARROLLO DE LAS UNIDADES

PROGRAMATICAS
1.

Sistemas de Ecuaciones Lineales (S.E.L).

Se denomina ecuaci
on lineal a aquella que tiene la forma de un polinomio de primer grado, es
decir, las inc
ognitas no est
an elevadas a potencias, ni multiplicadas entre s, ni en el denominador.
Por ejemplo, 3x + 2y + 6z = 6 es una ecuacion lineal con tres incognitas.
Como es bien sabido, las ecuaciones lineales con 2 incognitas representan una recta en el plano.
Si la ecuaci
on lineal tiene 3 inc
ognitas, su representacion grafica es un plano en el espacio.
El objetivo del tema es el estudio de los sistemas de ecuaciones lineales, es decir, un conjunto
de varias ecuaciones lineales. Diremos que dos ecuaciones son equivalentes si tienen las mismas
soluciones, o geometricamente representan la misma recta o plano.

1.1.

Sistema de Ecuaciones Lineales.

Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales de la forma:

a11 x1 + a12 x2 + . . . + a1n xn = b1

a21 x1 + a22 x2 + . . . + a2n xn = b2

. . . (1)
..

am1 x1 + am2 x2 + . . . + amn xn = bm

En este caso tenemos m ecuaciones y n incognitas.
Los n
umeros reales aij se denominan coeficientes y los xi se denominan inc
ognitas (o n
umeros
a determinar) y las bj se denominan terminos independientes.
En el caso de que las inc
ognitas sean 2 se suelen designar simplemente por x e y, en vez de x1 y
x2 , y en el caso de tres, x, y, z en lugar de x1 , x2 y x3 , pero esto es indiferente a la hora de resolver
el sistema.
Resolver el sistema consiste en calcular las incognitas para que se cumplan TODAS las ecuaciones del sistema simult
aneamente.
Diremos que dos sistemas son equivalentes cuando tienen las mismas soluciones.

1.2.

Determinantes de orden n>3.

Los metodos vistos hasta el momento solo pueden ser aplicados a matrices de orden 2 y 3.
Existen dos metodos que permiten calcular el determinante a cualquier tipo de matriz.
1.2.1.

Regla de Laplace o Desarrollo Laplaciano.

El determinante de una matriz cuadrada de orden n es igual a la suma de los productos de los
elementos de una lnea (fila o columna) cualquiera por sus adjuntos respectivos.
Es decir, tomando la fila i se tiene:
|A| = ai1 Ai1 + ai2 Ai2 + . . . + ain Ain =

j=n
X
j=1

aij Aij .

RECORDEMOS que se llama adjunto del elemento aij al menor complementario de la

matriz, anteponiendo:
1. El signo positivo si i + j es par.
2. El signo negativo si i + j es impar.
Se denomina menor complementario al determinante resultante despues de eliminar la fila i
y la columna j de la matriz inicial.
Ejemplo 1 Calcular el determinante utilizando

 1

 1
|A| = 
 1
 2
1.2.2.

la Regla de Laplace:

0 1 2 
1 2 1 
3 2 2 
1 0 1 

Regla de Chio.

Se fundamenta en operaciones elementales de fila o de columna y un pivote, que por rapidez en

las operaciones matem
aticas (multiplicacion y sustraccion) escogemos un elemento identificado con
el n
umero uno 1.
Si en los elementos del determinante de la matriz no se tiene un elemento identificado con este
n
umero, se busca este elemento sacando un factor com
un a todos los elementos de una fila o una
columna o se aplican operaciones elementales de fila o de columna, tales como, constituir una nueva
columna por la suma algebraicas de dos columnas.
El objetivo es transformar el determinante de una matriz cuadrada de orden n en una de orden
n1 y as sucesivamente hasta llegar a un determinante de tercer orden. Para ello se requiere conformar una fila o columna con sus elementos nulos, excepto un elemento identificado con el n
umero uno.
Si observamos el ejemplo anterior notaremos que el mismo resultado se puede obtener haciendo
ceros en la primera fila, utilizando la siguiente propiedad de los determinantes:
El valor de un determinante no vara si a los elementos de una lnea se les suma otra paralela
multiplicada por un n
umero.
En realidad la Regla de Chio es una aplicacion de la Regla de Lapace pero en una matriz equivalente a la inicial que permita facilitar su aplicacion.
Se facilita la aplicaci
on en el sentido de que al hacer cero en una lnea y dejar un uno en un
elemento de esa lnea, los otros adjuntos se anularan al tener que multiplicarse por cero.
Luego, la operaci
on quedar
a reducida a multiplicar ese uno por el determinante de la matriz
reducida que quede despues de eliminar la fila y la columna donde se encuentre ubicado dicho uno.
Antes de resolver el siguiente ejemplo, recordemos algunas propiedades de los determinantes.
1. Si un determinante tiene una lnea de ceros, vale cero.
2. Si un determinante tiene 2 lneas paralelas iguales, este determinante vale cero.
3. Si un determinante tiene 2 lneas paralelas proporcionales, este determinante vale cero.
4. Si en un determinante intercambiamos entre s 2 lneas paralelas el determinante cambia de
signo.
5. Si se multiplican (o dividen) por k 6= 0 todos los elementos de una lnea, el determinante
queda multiplicado (o dividido) por k.

6. El valor de un determinante no vara si a los elementos de una lnea se les suma otra paralela
multiplicada por un n
umero.
7. Si un determinante tiene una lnea que es combinacion lineal de otras paralelas, este determinante es nulo.
8. El determinante de una matriz triangular es igual al producto de los elementos de su diagonal
principal.
Ejemplo 2 Calcular el determinante del Ejemplo 1 aplicando la Regla de Chio.

1.3.

Matriz.

Se denomina matriz de orden m n a todo conjunto rectangular de elementos aij dispuestos en

m lneas horizontales (filas) y n verticales (columnas) de la forma:

a11 a12 a1n

a21 a22 a2n

A= .
..
..
..
..
.
.
.
am1

am2

amn

Abreviadamente suele expresarse en la forma A = (aij ), con i = 1, 2, . . . , m y j = 1, 2, . . . , n.

Los subndices indican la posici
on del elemento dentro de la matriz, el primero denota la fila (i)
y el segundo la columna (j).

1.3.1.

Tipos de matrices.

Describamos algunos tipos de matrices que aparecen con frecuencia debido a su utilidad, y de
los que es conveniente recordar su nombre.
Atendiendo a la forma.
1. Matriz fila: es una matriz que solo tiene una fila.
2. Matriz columna: es una matriz que solo tiene una columna.
3. Matriz cuadrada: es aquella que tiene el mismo n
umero de filas que de columnas.
4. Matriz traspuesta: dada una matriz A, se llama traspuesta de A, y se representa por At , a
la matriz que se obtiene cambiando filas por columnas.
5. Matriz sim
etrica: una matriz cuadrada A es simetrica si A = At .
6. Matriz antisim
etrica: una matriz cuadrada A es antisimetrica si A = At .
Atendiendo a los elementos.
1. Matriz nula: es aquella en la que todos sus elementos son 0 y se representa por 0.
2. Matriz diagonal: es una matriz cuadrada, en la que todos los elementos no pertenecientes
a la diagonal principal son nulos.
3. Matriz escalar: es una matriz diagonal con todos los elementos de la diagonal iguales.
4. Matriz unidad o identidad: es una matriz escalar con los elementos de la diagonal principal
iguales a 1.
5. Matriz triangular: es una matriz cuadrada que tiene nulos todos los elementos que estan a
un mismo lado de la diagonal principal. Las matrices triangulares pueden ser de dos tipos:
a) Triangular superior: si los elementos que estan por debajo de la diagonal principal son
todos nulos.
b) Triangular inferior: si los elementos que estan por encima de la diagonal principal son
todos nulos.
4

1.3.2.

Submatriz.

Una submatriz de una matriz A es una matriz que puede ser obtenida de A eliminando algunos
renglones y algunas columnas.
Ejemplo 3 Si

2
A= 1
2

3 2 1
3 10 2
0 2 5

Algunas submatrices son:



2
2

3 2
0 2

1
5


1
2
2 ,
1
5

2
10
2

2
, 1
2

2
10

La clasificaci
on y la utilidad de las submatrices son las mismas que las matrices.

1.4.

Matriz de un Sistema de Ecuaciones Lineales.

Dado el sistema de ecuaciones lineales

a11 x1 + a12 x2 + . . . + a1n xn

a21 x1 + a22 x2 + . . . + a2n xn

am1 x1 + am2 x2 + . . . + amn xn

La matriz

a11
a21
..
.

a12
a22
..
.

am1

am2

a1n
a2n
..
.

=
=
..
.

b1
b2

bm

amn

cuyos elementos son los coeficientes del S.E.L. se llama matriz de los coeficientes.
La matriz

a11
a21
..
.

a12
a22
..
.

am1

am2

a1n
a2n
..
.

b1
b2
..
.

amn

bn

cuyos elementos son los coeficientes y terminos independientes del S.E.L. se llama matriz ampliada.

1.5.

Rango o caracterstica de una Matriz.

El rango o caracterstica de una Matriz es el mayor orden de cualquier submatriz cuadrada de

determinante no nulo.
Este es un concepto que nos va a ser de gran utilidad a la hora de enfrentarnos a la resolucion
de un sistema de ecuaciones. Una explicacion en forma sencilla.
Observemos el siguiente sistema de ecuaciones:
4x + 4y + 12z
2x + 2y + 4z
2x + 2y + 6z

= 0
= 2
= 0

Si nos fijamos en la primera ecuaci

on y la comparamos con la tercera, podemos observar que
la primera es igual a la tercera multiplicada por 2. Es decir, las dos ecuaciones son linealmente
5

dependientes, puesto que una surge de hacer transformaciones elementales a la otra (multiplicar
por una constante).
El rango de una matriz nos da el n
umero de filas linealmente independientes de la matriz, si la
matriz est
a formada por los terminos de un sistema de ecuaciones, el rango nos dice cuantas de estas
ecuaciones son linealmente independientes. Esto va a ser fundamental a la hora de resolver el sistema.

1.5.1.

C
alculo del rango de una matriz por determinantes.

Para calcular el rango de una matriz, a modo de

2
1
3
2

1
1
B=

3 2
0
1

ejemplo, utilizaremos la siguiente matriz:

3 2
5 1

0 7

1 17
1 4

Seguiremos los siguientes pasos:

1. Podemos descartar una lnea si:
a) Todos sus coeficientes son ceros.
b) Hay dos lneas iguales.
c) Una lnea es proporcional a la otra.
d ) Una lnea es combinaci
on lineal de otras.
En este caso, suprimimos la tercera columna porque es combinacion lineal de las dos primeras:
c3 = c1 + c2 .

2
3
1
3
0

1
2
1
2
1

3 2

5 1

0 7

1 17
1 4

2
3
1
3
0

1
2
1
2
1

2
1
7
17
4

2. Comprobamos si tiene rango 1, para ello se tiene que cumplir que al menos un elemento de la
matriz no sea cero y por lo tanto su determinante no sera nulo.
|2| = 2 6= 0
3. Tendr
a rango 2 si existe alguna submatriz cuadrada de orden 2, cuyo determinante no sea
nulo.


 2 1 


 3 2  = 1 6= 0
4. Tendr
a rango 3 si existe alguna submatriz cuadrada de orden 3, tal que su determinante no
sea nulo.

 2

 3

 1

1 2
2 1
1 7




 2


 = 0;  3



 3

1
2
2

2
1
17




 2


 = 0;  3



 0

1
2
1

2
1
4




=0



Como todos los determinantes de las submatrices son nulos no tiene rango 3, por lo tanto
r(B) = 2.

1.6.

Ejercicios.

1. Calcula cada uno de los


 1 4 2 2

 4 0 1 8
a) 
4
 2 1 3
 1 0 4 2




b) 



1
4
2
2





c) 



1
1
1
1





d ) 



0
2
1
2

siguientes determinantes aplicando la Regla de Laplace.











3 4 2 
3 0 1 
4 1 3 
1 0 4 
1
1
1
1

2
4
2
1

2
0
3
3

2. Calcula cada

 0 0

 0 3

 3 0
a) 
 0 5
 5 0

 0 1

1
1
3
1

5
0
0
1

0
1
1
1

uno de los siguientes determinantes aplicando la Regla de Chio.


3 0 5 0 
0 5 0 1 
5 0 1 0 
0 1 0 3 
1 0 3 0 
0 3 0 0 





b) 



1
2
1
1





c) 



1
4
3
4

3
3
1
2

5
0
3
4

2
0
1
9





d ) 



1
4
3
4

0
3
0
1

1
1
3
4

2
0
1
9

3 1
1 2
0 4
2 1

1
3
2
1

3. Calcula el rango de las

1 2 1
2 1 0

a) A =
2 4 2
0 0 0
5 4 1

siguientes matrices.

3 2
1 1

6 4
F3 = 2F1 ; F4 es nula; F5 = 2F2 + F1 ; r(A) = 2

0 0
5 0

2
b) B = 1
3

1
3

c) C =
2
0

4
12
1
1

2
d ) D = 1
3

e) E =

f) F =

g) G =

3
1
1
1
0
1
1
1
1
1
1
2
3
1
3
0

0 7
1 3
7 7

1
0
2

1
2
3
4
5
6

r(B) = 2

2 1
6 3

0 1
3 1

3
2
5

1 6
0 3
1 9

2
1
1
2
1

4
0
1
4
1

1
2
3
2
3

F2 = 2F1 ; r(C) = 3

C4 = 3C1 ; F3 = F1 F2 ; r(D) = 2

0
0
0
0
0
0

3 1
3 0

3 1

3 2

3 3
3 4

1
2
1
2
1

3 2
5 1

0 7

1 17
1 4

r(E) = 4

C4 = 3C1 ; C3 es nula; C5 = 2C1 + C2 ; r(F ) = 2

C3 = C1 + C2 ; r(G) = 2

1.7.

Regla de Leibniz Cramer para la soluci

on de sistemas.

La Regla de Cramer sirve para resolver sistemas de ecuaciones lineales. Se aplica a sistemas que
cumplan las dos condiciones siguientes:
1. El n
umero de ecuaciones es igual al n
umero de incognitas.
2. El determinante de la matriz de los coeficientes es distinto de cero.
Tales sistemas se denominan Sistemas de Cramer.
Llamemos al determinante de la matriz de coeficientes del sistema y 1 , 2 , 3 ,. . . , n a
los determinantes que se obtienen al sustituir los coeficientes por los terminos independientes en la
1 columna, en la 2 columna, en la 3 columna y en la enesima columna respectivamente.
Un sistema de Cramer tiene una sola solucion que viene dada por la siguiente expresion:
xi =

i
.

Ejemplo 4 Calcula la soluci

on del siguiente sistema

x+y+z
x 2y + 3z

x+z

1.8.

de ecuaciones.
=
=
=

1
2
5

Sistemas equivalentes.

Los sistemas de ecuaciones equivalentes son los que tienen la misma solucion, aunque tengan
distinto n
umero de ecuaciones.
Obtenemos sistemas equivalentes por eliminacion de ecuaciones dependientes. Si:
1. Todos los coeficientes son ceros.
2. Dos filas son iguales.
3. Una fila es proporcional a la otra.
4. Una fila es combinaci
on lineal de otras.
1.8.1.

Criterios de equivalencia de sistemas de ecuaciones.

1. Si a ambos miembros de una ecuacion de un sistema se le suma o se le resta una misma

expresi
on, el sistema resultante es equivalente.
Los siguientes sistemas son equivalentes, puesto que para pasar del primero al segundo, sumamos 4x a la primera ecuaci
on y z a la segunda.
2x + 3y + z
3x 4y + 2z
x + 2y + 3z

= 1
6x + 3y + z
= 3
3x 4y + z
= 2
x + 2y + 3z

=
=
=

1 + 4x
3z
2

2. Si multiplicamos o dividimos ambos miembros de las ecuaciones de un sistema por un n

umero
distinto de cero, el sistema resultante es equivalente.
Los siguientes sistemas son equivalentes, puesto que para pasar del primero al segundo, multiplicamos la primera ecuaci
on por 3, la segunda ecuacion por 2 y la tercera por 1.
2x + 3y + z
3x 4y + 2z
x + 2y + 3z

=
=
=

1
6x + 9y + 3z
3 6x 8y + 4z
2
x 2y 3z
9

= 3
= 6
= 2

3. Si sumamos o restamos a una ecuacion de un sistema otra ecuacion del mismo sistema, el
sistema resultante es equivalente al dado.
Los siguientes sistemas son equivalentes, puesto que para pasar del primero al segundo, a la
segunda ecuaci
on le restamos la primera.
3x 7y + 4z
3x 4y + 2z
x + 2y + 3z

= 1
3x 7y + 4z
= 3
3y 2z
= 2
x + 2y + 3z

=
=
=

1
4
2

4. Si en un sistema se sustituye una ecuacion por otra que resulte de sumar las dos ecuaciones
del sistema previamente multiplicadas o divididas por n
umeros no nulos, resulta otro sistema
equivalente al primero.
Los siguientes sistemas son equivalentes, puesto que para pasar del primero al segundo, a la
segunda ecuaci
on le restamos la primera multiplicada por 3 y a la tercera ecuacion le restamos
la primera multiplicada por 2.
x y + 2z
3x 4y + 2z
2x + 2y + 3z

= 2
x y + 2z
= 3
y 4z
= 2
4y z

=
=
=

2
9
6

5. Es obvio, adem
as, que si en un sistema se cambia el orden de las ecuaciones o el orden de las
inc
ognitas, resulta otro sistema equivalente.
La aplicaci
on de estos criterios de equivalencia de sistemas de ecuaciones lineales, facilitara la
obtenci
on de otro sistema equivalente al inicial, que sea mas sencillo de resolver.

1.9.

Tipos de sistemas de ecuaciones.

En general, buscaremos las soluciones de los sistemas en los n

umeros reales. Dependiendo del
posible n
umero de tales soluciones reales que tenga un sistema, estos se pueden clasificar en:
1. Incompatibles: Si el sistema no posee solucion.
2. Compatibles: Si el sistema tiene solucion.
Los sistemas compatibles se dividen a su vez en:
a) Determinados: Si el sistema posee una solucion u
nica.
b) Indeterminados: Si el sistema posee infinitas soluciones.
1.9.1.

Sistemas cuya soluci

on es una indeterminaci
on simple o indeterminaci
on doble.

Cuando la soluci
on o soluciones de un sistema de ecuaciones depende de uno o dos parametros,
se dice que el sistema posee soluci
on indeterminada simple o doble, respectivamente.
Ejemplo 5 Consideremos el siguiente sistema:
x+y+z =
y+z =2

Como en este caso tenemos m

as inc
ognitas que ecuaciones, tomaremos una de la inc
ognitas
(por ejemplo la z) y la pasaremos al segundo miembro.
x+y+z
y =2z

Consideraremos z = , siendo un par

ametro que tomar
a cualquier valor real.
10

x+y+z
y =2

Las soluciones son: z = ; y = 2 ; x = 2.

Discutir un sistema es determinar si tiene soluci
on y , en caso de tenerla, determinar si

esta es u
nica.
Es decir, establecer si es compatible o incompatible, y en caso de ser compatible, si es
determinado o indeterminado.

1.10.

Regla de Gauss para la soluci

on de sistemas de ecuaciones lineales.

El metodo de Gauss consiste en transformar un sistema de ecuaciones en otro equivalente en el

que la primera ecuaci
on tiene 3 inc
ognitas, la segunda tiene 2 incognitas y la tercera 1 incognita.
Para facilitar el c
alculo vamos a transformar el sistema en una matriz, en la que pondremos los
coeficientes de las variables y los terminos independientes (separados por una recta).

a11 a12 a1n b1

a11 a12 a1n b1
0 a22 a2n b2
a21 a22 a2n b2

..
.. ..
..
..
..
..
..
.
.
.
.
.

.
.

.
am1

am2

amn

bn

Ejemplo 6 Resuelve el siguiente sistema:

2x + 3y 7z
3x + 4y 6z

5x 2y + 4z

1.11.

=
=
=

amn

bn

1
5
7

M
etodo de Gauss-Jordan.

Como hemos visto, el metodo de Gauss transforma la matriz de coeficientes en una matriz triangular superior. El metodo de Gauss-Jordan contin
ua el proceso de transformacion hasta obtener
una matriz diagonal (aij = 0 para cualquier i 6= j).
Ejemplo 7 Resolver el ejercicio del Ejemplo 6 por el Metodo de Gauss-Jordan.
Teorema 1 (Teorema de Rouch
e-Fr
obenius) La condici
on necesaria y suficiente para que un
sistema de m ecuaciones y n inc
ognitas tenga soluci
on es que el rango de la matriz de los coeficientes
r(C) y el de la matriz ampliada r(A) sean iguales.
1. Si r(C) = r(A), el sistema es compatible.
a) Si r(C) = r(A) = n, el sistema es compatible determinado.
b) Si r(C) = r(A) 6= n, el sistema es compatible indeterminado.
2. Si r(C) 6= r(A), el sistema es incompatible.
Ejemplo 8 Estudiar y resolver, si es posible, el sistema.

2x y 2z = 2

x + y + z = 0
x 2y + z = 8

2x 2y
= 6

11

1. Tomamos la matriz de los coeficientes y hallamos el rango.

2 1 2
1 1
1

C=
1 2 1
2 2 0

 2



 2 1 
 1


|2| = 2 6= 0;

 1 1  = 1 6= 0;
 1

1
1
2

2
1
1




 = 2 6= 0



r(C) = 3
2. Hallamos el rango de la matriz ampliada y obtenemos r(A) = 3
3. Aplicamos el Teorema de Rouche.
Como r(C) = r(A) = n = 3, el sistema es compatible determinado.
4. Se resuelve el sistema por la Regla de Cramer o por el metodo de Gauss.
Tomamos el sistema que corresponde a la submatriz de orden 3, que tiene rango 3, y lo
resolvemos.

2x y 2z
x + y + z

x 2y + z

= 2
= 0
= 8

Obteniendo como resultado (1, 2, 3).

1.12.

Sistemas de Ecuaciones Lineales Homog

eneas.

Las ecuaciones lineales cuyos terminos independientes son nulos se conocen como ecuaciones
lineales homogeneas. Cuando todas las ecuaciones de un sistema son homogeneas se tiene un Sistema de Ecuaciones Lineales Homog
eneas.

Observaci
on 1 Todo sistema de ecuaciones lineales homogeneas es compatible, porque x1 = x2 =
. . . = xn = 0 es una de sus soluciones, llamada soluci
on trivial. Para un sistema de ecuaciones
lineales hay dos casos posibles:
1. Es compatible determinado, es decir, tiene s
olo la soluci
on trivial.
2. Es compatible indeterminado, es decir, tiene por lo menos una soluci
on no trivial.
Ejemplo 9 Resoluci
on de sistemas homogeneos.

= 0
x+y+z
xy
= 0
1.

x + 3y + 2z = 0
Realizando los c
alculos

 1

 1


1 
= 2 6= 0;
1 


 1

 1

 1

1
1
3

1
0
2




=0



obtenemos que r(C) = r(A) = 2 6= n = 3 y por el Teorema de Rouche el sistema es compatible

indeterminado.

12

Luego, tomamos el sistema que corresponde a la submatriz de orden 2, que tiene rango 2, y
lo resolvemos:

x+y
xy

= z
= 0

Hacemos z = , n
umero real, y el sistema queda:


x+y
xy

=
= 0

Aplicando la Regla de Cramer obtenemos:

x= ;
2

x + y + 2z
3x y 2z
2.

x + 2y + z

y=

z = .

= 0
= 0
= 0

Calculando el rango de la matriz de coeficientes y de la matriz ampliada tenemos que r(C) =

r(A) = 3 = n. Luego, por el Teorema de Rouche, la soluci
on del sistema es la soluci
on trivial:
x = y = z = 0.
Para discutir sistemas de ecuaciones con o sin parametros se puede utilizar el Teorema de
Rouche-Fr
obenius.

= 3
x y + 2z
kx + 5y 4z = 1
Ejemplo 10

3x + 2y z = 1
1. Hallamos el rango de la matriz de los

 1

 k

 3

coeficientes.

1 2 
5 4  = 3k 15
2 1 

Si k = 5, r(C) = 2.
Si k 6= 5, r(C) = 3
2. Hallamos el rango de la matriz ampliada.

1 1 2
A = k 5 4
3 2 1

 1 2 3

|A| =  5 4 1
 2 1 1

3
1
1



 6= 0



Luego, r(A) = 3.
3. Aplicamos el Teorema de Rouche.
Si k = 5, r(C) 6= r(A), y el sistema es incompatible.
Si k 6= 5, r(C) = r(A) = n = 3, y el sistema es compatible determinado.
4. Resolvemos el sistema compatible determinado por la Regla de Cramer, tambien se puede
6
5k 39
7k 45
resolver mediante el metodo de Gauss, y obtenemos x =
,y=
,z=
.
3k 15
3k 15
3k 15
13

1.13.

M
etodo de Mnimo Cuadrado.

El metodo de los mnimos cuadrados se basa en hallar la solucion aproximada de un sistema de

ecuaciones lineales incompatibles en la cual la suma de todos los errores (elevados al cuadrado para
eliminar el signo) sea la mnima.
Aplicar este metodo es sencillo mediante el algebra de vectores y matrices.
Consideremos nuevamente el sistema

a11 x1 + a12 x2 + . . . + a1n xn

a21 x1 + a22 x2 + . . . + a2n xn

am1 x1 + am2 x2 + . . . + amn xn

=
=
..
.

b1
b2

bm

Este sistema se puede representar de la forma matricial de la siguiente manera:

CX = B
Donde:
C, de dimensiones m n, es llamada la matriz de coeficientes.
B, de dimensiones m 1, es llamado el vector de t
erminos independientes.
X, de dimensiones n 1, es llamado el vector de inc
ognitas.
Para resolver el sistema anterior lo primero es reconocer si C no es una matriz cuadrada. El metodo empieza entonces generando una matriz cuadrada mediante la multiplicacion por la transpuesta
de C. As,
C t CX = C t B
Esta ecuaci
on recibe el nombre de Ecuaci
on Normal.
Si C tiene columnas linealmente independientes entonces (C t C) tiene inversa.
La nueva matriz C t C s es cuadrada, por lo que a partir de ahora se puede despejar el vector
de inc
ognitas X siguiendo el siguiente procedimiento.
C t CX
(C C)1 (C t C)X
IX
X
t

=
C tB
t
= (C C)1 (C t B)
= (C t C)1 (C t B)
= (C t C)1 (C t B)

Ejemplo 11 Encontrar la soluci

on en el sentido de mnimos cuadrados del sistema incompatible:

xy =0
x+y =0

y=1
En forma matricial el sistema CX = B es:


1 1 
0
1 1 x = 0
y
0 1
1
Como las columnas de C son linealmente independientes, la soluci
on en el sentido de mnimos
cuadrados X ser
a:
X = (C t C)1 (C t B)

14

Como,
t

C C=

1
1

1 0
1 1

(C t C)1

1
1
0

=


1
2

1
=
0
1

1
0
2
0 13

0
3


;

y,
C tB =

1
1

1 0
1 1

 
0
0 = 0
1
1

Luego,
X = (C t C)1 (C t B) =

1
2

15

0
1
3



0
1


=

0
1
3

1.14.

Ejercicios.

x 9y + 5z
x + 3y z
1. Se considera el sistema:

xy+z

= 33
= 9
= 5

a) Resuelve y clasifica el sistema en funcion del n

umero de soluciones.
b) Determina si es posible, o no, eliminar una de las ecuaciones, de forma que el sistema
que resulta sea equivalente al anterior.
2. Estudia, aplicando el Teorema de Rouche-Frobenius, la compatibilidad de los siguientes sistemas de ecuaciones lineales y, cuando sea posible, resuelvelos aplicando la Regla de Cramer.

3x 4y + 4z = 1
2x 3y + z = 4
3x + 3y 2z = 2
x y + 2z
= 5
x + y 2z = 2
2x 2y z = 1

4x + 3y + z = 6
5x 7y + 4z = 4
7x + 7y 4z = 0
3. Resuelve, aplicando la
ecuaciones lineales.

=
x + y + 2z
4x + 2y + 5z =

2x 2y 5z =

Regla de Cramer en los casos que proceda, los siguientes sistemas de

1
0
6

6x 6y + 2z

3x + 2y 4z
x y + 2z

3x 8y + 6z

=
=
=
=

3
5
1
3

x + y 2z
x + y + 3z

3x y 8z

=
=
=

4
3
2

4. Discute y, cuando sea posible, resuelve utilizando el Metodo de Gauss, los siguientes sistemas
de ecuaciones lineales.

3x 2y + z t
= 6

= 2
x 2y + 3z = 1

2x 2y + z
x + 2y z + 2t
= 0
2x + 3y z = 1
x + 3y 2z
= 4
2x + 3y + 2z + 3t = 7

x 9y + 10z = 3
x + 13y 8z = 8

x 4y z 2t
= 2
5. Resuelve, aplicando el metodo que prefieras,
homogeneas.

x 2y + z t

x + y 2z = 0
2x y + z 2t
2x y z = 0
x + 2y 2z + t

4x + 3y + z = 0

4x y 2t

los siguientes sistemas de ecuaciones lineales

x + 2y 3z

3x 2y + z
2x
4y + 4z

x + 6y 7z

= 0
= 0
= 0
= 0

= 0
= 0
= 0
= 0

6. Estudiar si existe alg

un valor de m, para el cual el
el sistema para ese valor de m.

x + my + z

mx + y + (m 1)z

x+y+z

sistema es compatible. Si es as, resolver

7. Estudiar si existe alg

un valor de m, para el cual el
el sistema para ese valor de m.

x+yz

2x + my 4z
x+yz

x + y z

sistema es compatible. Si es as, resolver

=
=
=

= 7
= m
= 1
= 3

8. Discutir el sistema seg

un los valores del parametro a.

x + y + 2t

3x y + z t
5x 3y + 2z 4t

2x + y + z + t

16

1
m
m+1

= 3
= 1
= a
= 2

9. Estudiar la compatibilidad del sistema seg

un los valores de los parametros a y b.

= a
x+y+z
xy
= 0

3x + y + bz = 0
10. Determinar para que valores de k, el siguiente sistema tiene infinitas soluciones.

x+y+z = 0
xy+z = 0

kx + z
= 0
11. Resuelve los siguientes problemas.
a) La edad de un padre es el doble de la suma de las edades de sus dos hijos, mientras que
hace unos a
nos (exactamente la diferencia de las edades actuales de los hijos), la edad
del padre era el triple de la suma de las edades, en aquel tiempo, de sus hijos. Cuando
pasen tantos a
nos como la suma de las edades actuales de los hijos, la suma de edades
de las tres personas ser
a 150 a
nos. Que edad tena el padre en el momento de nacer sus
hijos?
b) Se venden tres especies de cereales: trigo, cebada y mijo.
Cada volumen de trigo se vende por 4 euros, el de la cebada por 2 euros y el de mijo por
0.5 euros.
Si se vende 100 vol
umenes en total y si obtiene por la venta 100 euros, cuantos vol
umenes
de cada especie se venden?
12. Encontrar la soluci
on en el sentido de mnimos

x+y
xy

cuadrados del sistema incompatible:

= 1
= 0
= 1

13. Encontrar la soluci

on en el sentido de mnimos cuadrados del sistema incompatible:

2x + 3y 7z = 1
y + 9z = 13

17

1.15.

Soluciones Num
ericas mediante m
etodos iterativos.

Un metodo iterativo intenta resolver un problema mediante aproximaciones sucesivas a la soluci

on exacta partiendo de una estimacion inicial (llamada semilla). Consiste en repetir un mismo
proceso de mejora (llamado iteraci
on) sobre una solucion aproximada, esperando que lo obtenido
sea una soluci
on m
as aproximada que la inicial. El proceso se repite hasta que el resultado mas
reciente satisfaga ciertos requisitos. A diferencia de los metodos directos, en los cuales se debe terminar el proceso para tener la respuesta, en los metodos iterativos se puede suspender el proceso al
termino de una iteraci
on y se obtiene una aproximacion a la solucion.
Los metodos iterativos se usan cuando no se conoce un metodo para obtener la solucion en forma exacta, cuando el metodo para determinar la solucion exacta requiere mucho tiempo de calculo,
cuando una respuesta aproximada es adecuada, y cuando el n
umero de iteraciones es relativamente
reducido.
Un elemento en contra que tienen los metodos iterativos sobre los metodos directos es que calculan aproximaciones a la soluci
on.
Un metodo iterativo consta de los siguientes pasos.
1. Inicia la semilla.
2. Ejecuta una serie de c
alculos para obtener una mejor aproximacion a la solucion exacta,
partiendo de la aproximaci
on anterior.
3. Se repite el paso anterior hasta llegar a una aproximacion satisfactoria.
1.15.1.

M
etodo de Jacobi.

El metodo de Jacobi es un metodo iterativo, usado para resolver sistemas de ecuaciones lineales
del tipo CX = B.
La sucesi
on se construye descomponiendo la matriz C del sistema en la forma siguiente:
C =D+R
donde:
D es una matriz diagonal.
R es la matriz restante despues de quitarle a C la diagonal principal.
Partiendo de CX = B, podemos reescribir dicha ecuacion como:
(D + R)X = B
Luego,
DX + RX
DX
X

=
=
=

B
B RX
D1 (B RX)

siempre que cii 6= 0 para cada i.

La definici
on del Metodo de Jacobi puede ser expresado por la formula :
Xk+1 = D1 (B RXk )
donde k es el contador de iteraci
on. Finalmente tenemos:
X cij xk
bi

, i = 1, 2, 3, . . .
Xk+1 =
cii
cii
j6=i

Se prueba que el Metodo de Jacobi converge siempre que |cii | >

X
j6=i

18

|cij |, i.

Ejemplo 12 Consideremos el siguiente sistema:


4x + 3y
2x 5y

  
x0
0
con la estimaci
on inicial X0 =
=
.
y0
0

= 1
= 7

Primero expresamos el sistema de ecuaciones de forma matricial


 
  
4 3
x
1

=
2 5
y
7
Evidentemente se cumple la condici
on para que el Metodo de Jacobi pueda aplicarse.
Usamos la ecuaci
on Xk+1 = D1 (B RXk ), descrita anteriormente, para estimar X.
Luego,

Xk+1 =

xk+1
yk+1


=

1
4

0


1
4

0


0
15

   
1
0

7
2

0
15

 

1 3yk

7 2xk

1
4 (1 3yk )
51 (7 2xk )

 

xk

yk

3
0

Ahora, calculemos las iteraciones utilizando nuestra estimaci

on inicial:

 


 1
x1
0, 25
4 (1 3y0 )
=
=
1, 4
y1
51 (7 2x0 )


x2
y2

x3
y3

x4
y4


=

=

=

1
4 (1 3y1 )
51 (7 2x1 )

1
4 (1 3y2 )
51 (7 2x2 )

1
4 (1 3y3 )
51 (7 2x3 )

1, 3
1, 3

1, 225
0, 88

0, 91
0, 91

Este proceso se repetir

a hasta que las iteraciones sean muy similares. La u
ltima iteraci
on ser
a una
soluci
on aproximada del sistema.
1.15.2.

M
etodo de Gauss Seidel.

Este metodo aparece de forma sencilla al tratar de mejorar el Metodo de Jacobi, con la misma
condici
on de aplicabilidad.
La diferencia entre este metodo y el de Jacobi es que, en este u
ltimo, las mejoras a las aproximaciones no se utilizan hasta completar las iteraciones.
Ejemplo 13 Consideremos el sistema del ejemplo anterior:

4x + 3y = 1
2x 5y = 7
El procedimiento inicial es el mismo que el anterior.
Aqu veremos la diferencia entre los metodos.
19


Xk+1 =

xk+1
yk+1


=

1
4

0


1
4

0


0
15

 
 
1
0

7
2

0
15

 

1 3yk
7 2xk+1

1
4 (1 3yk )
1
5 (7 2xk+1 )

3
0

 

xk+1

yk

Ahora, calculemos las iteraciones utilizando nuestra estimaci

on inicial:

 


 1
x1
0, 25
4 (1 3y0 )
=
=
y1
1, 3
51 (7 2x1 )


x2
y2


=

1
4 (1 3y1 )
51 (7 2x2 )


=

1, 225
0, 91

Podemos observar que con este metodo nos aproximamos a la soluci

on de una manera m
as
r
apida.

1.16.

Ejercicios.

1. Calcula la soluci
on aproximada de los siguientes sistemas:

 
2x + y = 11
1
a)
. Estimacion inicial X0 =
.
5x + 7y = 13
1

3x y + z = 1
x 5y + z = 8 .
b)

x y + 4z = 11

5x + y z = 7
x + 3y
= 1 .
c)

x + y + 6z = 11

5x + 2y + 2z = 15
2x + 3y + 6z = 26 .
d)

x + 3y + z
= 10

4x1 + 0,5x2 + x3 = 8
x 10x2 + x3
= 6 .
e)

x + x2 + 5x3
= 10
2. Dado el sistema AX = B, donde

10
3
A = 2 10
1
3

1
3 ,
10

14
B = 5
14

resuelvelo por medio de los siguientes metodos.

a) Un metodo directo que, a tu juicio, sea mas preciso.
b) Justifica el metodo que utilizaste en el apartado anterior.
c) Puede el sistema resolverse por el metodo de Jacobi? Por que? Si se puede, hacer solo
dos iteraciones.
d ) Puede el sistema resolverse por el metodo de Gauss-Seidel? Por que? Si se puede, hacer
s
olo dos iteraciones.

20

2.
2.1.

Aproximaciones Num
ericas.
Aproximaciones Num
ericas. Existencia y Justificaci
on.

Una aproximaci
on usualmente se realiza cuando una forma exacta o un valor numerico exacto
es desconocido o difcil de obtener.
Sin embargo, puede conocerse alguna forma, que sea capaz de representar a la forma real, de
manera que no se presenten desviaciones significativas.
Tambien se utiliza cuando
un n
umero es irracional, como el n
umero , en cuyo lugar muchas

veces se emplea el 3,14 y 2 es aproximado por 1, 41.

Las aproximaciones numericas a veces son efecto del uso de una cantidad peque
na de dgitos
significativos. El smbolo doble tilde significa aproximadamente igual a.

2.2.

Problemas fundamentales del C

alculo de Errores.

Cuando se mide n veces una magnitud m bajo el supuesto de que los errores se distribuyen al
azar los problemas b
asicos a resolver son:
1. C
omo determinar el mejor valor aproximado?
2. Cuando acotamos el mejor valor aproximado con cota , con que probabilidad podemos
esperar que dicho mejor valor aproximado este comprendido dentro de un cierto entorno?
3. C
omo aplicar las reglas exactas de la matematica a estas cantidades acotadas?
En el caso trivial de una magnitud, el mejor valor es evidentemente el valor medido, y su error
es el error mnimo. En este caso no aplicamos la teora de errores.
Pero si es posible repetir la medici
on de un n
umero n de veces y se obtienen valores en general
diferentes. A este caso se refiere la teora de errores, que esta basada en conceptos del calculo de
probabilidades.

2.3.

Valor de un N
umero.

Un n
umero exacto es aquel que es el verdadero valor del n
umero, es decir, que la diferencia
es cero.
Un n
umero aproximado a es un n
umero tal que difiere ligeramente de un n
umero exacto A
y se utiliza en los c
alculos en lugar de este u
ltimo.
Si se sabe que a < A, se dice que a es una aproximaci
on por defecto (mas peque
na) de A; si
a > A, se dice entonces que a es una aproximaci
on por exceso (mayor) de A.

n
umero 1, 41 es una aproximaci
on por defecto, mientras que 1, 42 lo es
Ejemplo 14 Para 2 el
por exceso, ya que 1, 41 < 2 < 1, 42. Si a es un valor aproximado del n
umero A, se escribe a A.

2.4.

Error.

El error a de un n
umero aproximado a es la diferencia entre el n
umero exacto A y el n
umero
aproximado dado, esto es,
a = A a
Si A > a, entonces el error es positivo y a > 0; por el contrario, si A < a, el error es entonces
negativo y a < 0. Para obtener el n
umero exacto A, a
nadimos el error a al n
umero aproximado
a:
A = a + a
21

Por tanto, un n
umero exacto puede ser considerado como aproximado con error cero.
En muchos casos, el signo del error es desconocido. Resulta entonces aconsejable utilizar el error
absoluto del n
umero aproximado.
 = |a |
2.4.1.

Error Absoluto.

El error absoluto  de un n
umero aproximado a es el valor absoluto de la diferencia entre el
n
umero exacto correspondiente A y el n
umero a:
 = |A a|.
2.4.2.

Error Relativo.

El error relativo de un n
umero aproximado a es la relacion entre el error absoluto  del
n
umero y el valor absoluto del correspondiente n
umero exacto A (A 6= 0). Por tanto
=
2.4.3.


|A|

Error Porcentual.

El error porcentual es el error relativo multiplicado por 100. Se expresa en porcentaje.

Ejemplo 15 Las medidas de tiempo de un recorrido efectuadas por diferentes alumnos son: 3, 01
s, 3, 11 s, 3, 20 s, 3, 15 s. Calcula los errores absolutos, relativos y porcentuales.
Primero calculamos el valor que se considera exacto, hallando la media aritmetica de las medidas:
x=

3, 01 + 3, 11 + 3, 20 + 3, 15
= 3, 1175 3, 12 s
4

Ahora, calculamos los errores:

M edidas
3, 01
3, 11
3, 20
3, 15

2.5.
2.5.1.

Errores Absolutos
|3, 12 3, 01| = 0, 11
|3, 12 3, 11| = 0, 01
|3, 12 3, 20| = 0, 08
|3, 12 3, 15| = 0, 03

Errores Relativos y P orcentuales

0, 11 3, 12 = 0, 036 (3, 6 %)
0, 01 3, 12 = 0, 003 (0, 3 %)
0, 08 3, 12 = 0, 026 (2, 6 %)
0, 03 3, 12 = 0, 010 (1, 0 %)

Tipos de errores.
Error Inherente.

Es el error en los datos de entrada, tanto el error de medicion (incertidumbre), como el redondeo
o truncamiento de datos.
2.5.2.

Error de Redondeo.

Durante el c
alculo los n
umeros se representan de distintas formas, generandose as errores de
representaci
on o redondeo.
Ejemplo 16 Cuando el n
umero 0, 999999 es redondeado a 0, 9 o 1, 00.

22

2.5.3.

Error de Truncamiento

Truncamiento es el termino usado para reducir el n

umero de dgitos a la derecha del separador
decimal, descartando los menos significativos.
Ejemplo 17 Dados los n
umero reales:
3, 14159265358979 . . .
32, 438191288
6, 3444444444444
Para truncar estos n
umeros a 4 dgitos decimales, s
olo consideramos los 4 dgitos a la derecha
de la coma decimal.
El resultado es:
3, 1415
32, 4381
6, 3444
Notemos que en algunos casos, el truncamiento dara el mismo resultado que el redondeo, pero el
truncamiento no redondea hacia arriba ni hacia abajo los dgitos, meramente los corta en el dgito
especificado.
2.5.4.

Cota de error.

Si el n
umero A es conocido, entonces podremos saber con exactitud el valor a , pero si el
n
umero A no es conocido, caso m
as frecuente, el error no se podra conocer, por eso sera conveniente
introducir lo que se conoce como cota del error absoluto.
2.5.5.

Cota superior de error.

La cota del error absoluto de un n

umero aproximado es cualquier n
umero no menor que el
error absoluto de dicho n
umero.
Por tanto, si a es la cota del error absoluto de un n
umero aproximado a tomado en lugar del
n
umero exacto A.
 = |A a| a
De aqu se deduce que el n
umero exacto A cae dentro del margen
a a A a + a
Por tanto a a es una aproximaci
on por defecto de A, y a + a lo es por exceso.
Para mayor brevedad, puede escribirse
A = a a
Ejemplo 18 Determinar la cota del error absoluto del n
umero a = 3, 14 utilizado en lugar del
n
umero .
Como
| a| < 0, 01
se puede considerar a = 0, 01 como la cota del error absoluto del n
umero a = 3, 14.
Partiendo del hecho de que
| a| < 0, 002
se tiene una mejor aproximaci
on: a = 0, 002.

23

Observemos que el concepto de cota del error absoluto tal como se ha indicado anteriormente
es muy amplio, esto es, la cota del error absoluto de un n
umero aproximado a es cualquiera de los
infinitos n
umeros no negativos a que satisfaga la definicion de cota de error absoluto. Se deduce por
tanto que cualquier n
umero que exceda la cota del error absoluto de un n
umero aproximado dado
puede denominarse cota del error absoluto de dicho n
umero. Para fines practicos es conveniente
tomar el n
umero m
as peque
no de a .
La cota del error relativo a de un n
umero aproximado a dado es cualquier n
umero no menor
que el error relativo de dicho n
umero. Esto es:
a
Ejemplo 19 El peso de 1 dm3 de agua a 0 C viene dado por p = 999, 847gf 0, 001gf (gf=gramo
fuerza). Determinar una cota del error relativo del resultado del peso del agua.
Se tiene que  = 0, 001 y p 999, 846gf . En consecuencia,
=

2.6.
2.6.1.

0, 001


0, 0001 = p
|p|
999, 846

Tipos.
Inherentes o heredados.

Es el error que est

a relacionado directamente con los datos de entrada o de base. Dado que estos
datos suelen provenir de mediciones, c
alculos anteriores, proyecciones estadsticas, etc., el valor
numerico de los datos no es exacto sino que esta asociado a un intervalo de validez.
Ejemplo 20 Supongamos que tenemos las siguientes cantidades, a = 3, 0 0, 1, b = 5, 0 0, 1 y
queremos hallar z = a + b. Lo que debemos hacer es:
z = (3, 0 0, 1) + (5, 0 0, 1)
Al efectuar esta operaci
on obtendremos cinco resultados posibles: 7, 8; 7, 9; 8, 0; 8, 1; 8, 2. Es decir,
z est
a en el intervalo [7, 8; 8, 2], o , lo que es lo mismo z = 8, 00, 2. As cualquier resultado obtenido
dentro del intervalo dado se puede considerar correcto.
2.6.2.

Sistem
aticos

Se llaman as porque se repiten sistematicamente en el mismo valor y sentido en todas las mediciones que se efect
uan en iguales condiciones.
Las causas de estos errores est
an perfectamente determinadas y pueden ser corregidas mediante
ecuaciones matem
aticas que eliminen el error. En algunos casos pueden emplearse distintos artificios
que hacen que la perturbaci
on se autoelimine.
Ejemplo 21 Un ejemplo de la vida diaria est
a en el ajuste de cero que Ud. encontrar
a en las
balanzas de ba
no o cocina.
2.6.3.

Accidentales

Son errores debidos a causas imprevistas o al azar. Son imposibles de controlar y alteran, ya sea
por exceso o por defecto, la medida realizada. Pueden deberse a:
1. Cambios durante el experimento de las condiciones del entorno. Por ejemplo, debido a corrientes de aire, desnivel en la mesa donde se esta midiendo, aumento de temperatura, etc.
2. Errores de apreciaci
on. Son debidos a fallos en la toma de la medida, asociados a limitaciones
(visuales, auditivos, etc.) del observador, o tambien a la estimacion a ojo que se hace de una
cierta fracci
on de la m
as peque
na division de la escala de lectura de los aparatos de medida.

24

Por ser estos errores unas veces por exceso y otras veces por defecto, repitiendo varias veces la
medida y tomando como valor verdadero el valor medio obtenido, habremos compensado en parte
los errores accidentales.
Ejemplo 22 Con un cron
ometro que aprecia hasta 0, 1 s obtenemos los siguientes resultados para
la medida del perodo de un pendulo (tiempo que tarda en dar una oscilaci
on completa): 1, 9 s, 1, 5
s, 1, 8 s y 1, 4 s.
El valor del periodo que se acepta como verdadero es la media aritmetica:
x=

1, 9 + 1, 5 + 1, 8 + 1, 4
= 1, 65 1, 7 s
4

Al dividir hemos aproximado s

olo a las decimas de segundo, por ser esta la precisi
on del cron
ometro y no tener sentido dar una aproximaci
on mayor.
Una forma de calcular el error cometido al dar la media aritmetica como valor verdadero consiste en calcular la media de las desviaciones. Para hallarlo, se calcula primero la desviaci
on de cada
una de las medidas respecto a la media y, a continuaci
on, se halla la media aritmetica de todas ellas:
Desviaci
on de una medida= |valor de la medida - valor verdadero|
Los resultados obtenidos son: 0, 2, 0, 2, 0, 1, 0, 3.
Por tanto, el error cometido ser
a:
E=

0, 2 + 0, 2 + 0, 1 + 0, 3
= 0, 2 s
4

El error accidental cometido es 0, 2 s.

Como resultado de la medida escribiremos: T = 1, 7 s 0, 2 s donde se ha expresado el error
accidental y no el debido a la precisi
on del aparato, ya que se debe escribir siempre el mayor de los
dos.

2.7.

Redondeo de n
umeros.

Consideremos un n
umero a aproximado o exacto escrito en sistema decimal. Con frecuencia se
precisa redondear este n
umero, es decir, reemplazarlo por un n
umero a1 que tenga un n
umero menor
de dgitos significativos. El n
umero a1 se elige de forma que el error de redondeo |a1 a| sea mnimo.

2.7.1.

Regla de redondeo.

Para redondear un n
umero a n dgitos significativos, eliminaremos todos los dgitos a la derecha
del dgito significativo de lugar n, o reemplazamos por cero si estos ceros son necesarios para
mantener un valor relativo. Al ejecutar esta operacion, observemos lo siguiente:
1. Si el primero de los dgitos despreciados es menor de 5, dejamos como estan los dgitos restantes
(redondeo por defecto).
Ejemplo 23 Llevar a tres cifras el n
umero 3, 673 el cual quedara 3, 67 que es m
as pr
oximo
al original que 3, 68.
2. Si el primer dgito despreciado excede de 5, a
nadimos uno al u
ltimo dgito de los que quedan
(redondeo por exceso).
Ejemplo 24 Llevar a tres cifras el siguiente n
umero: 3, 678, el resultado es 3, 68, que est
a m
as
cerca del original que 3, 67.
25

3. Si el primer dgito despreciado es exactamente 5 y hay dgitos no cero entre los despreciados,
a
n
adase una unidad al u
ltimo dgito conservado.
Sin embargo, si el primer dgito despreciado es exactamente 5 y el resto de los dgitos despreciados son cero, el u
ltimo dgito conservado se deja tal como esta si es par y se incrementa en
una unidad si es impar (regla del dgito par).
Ejemplo 25 Para redondear 3, 675, seg
un esta regla, debemos dejar 3, 68, y, al redondear
3, 685, debemos obtener 3, 68.
Las dos primeras reglas son de sentido com
un. La tercera es un convenio razonable porque, si
se sigue siempre, la mitad de las veces redondeamos por defecto y la mitad por exceso.

2.8.

Cifras exactas de un n
umero.

Un dgito d de un n
umero a se dice que es un dgito exacto o una cifra exacta si el error absoluto
de a es menor o igual a la mitad del valor posicional de d. Esto es,


1 k
10
2

donde k denota el valor posicional del n

umero.
Ejemplo 26 Consideremos el n
umero A = 12, 38475 y el n
umero aproximado a = 12, 38512, veremos cuantas cifras exactas posee A.
Tenemos que  = 0, 00037. Aplicando la f
ormula obtenemos:
Dgito
V.P osicional
 12 10k
Dgito
V.P osicional
 12 10k

1
2

1
2

1
2,
3
8
1
0
1
2
101 = 5  12 100 = 0, 5  12 101 = 0, 05  12 102 = 0, 005
4
7
5
3
4
5
103 = 0, 0005  > 12 104 = 0, 00005  > 12 105 = 0, 000005

Por lo tanto, A posee 5 cifras exactas.

2.9.

Ejercicios.

1. Obtener el error absoluto, relativo y porcentual al considerar:

a) 3, 5 metros como la longitud de un terreno que mide realmente 3, 59 metros.
b) 60 metros como la distancia entre dos postes que estan situados a 59, 91 metros.
Cu
al de las aproximaciones es menos precisa?
2. Cu
al es el error porcentual que cometemos al redondear 2, 387 a las centesimas?
3. Queremos determinar la distancia que hay entre dos columnas con una cinta metrica que
aprecia milmetros. Realizamos cinco mediciones y obtenemos los siguientes valores: 80, 3 cm;
79, 4 cm; 80, 2 cm; 79, 7 cm; 80, 0 cm.
a) Cu
al es el resultado de esta medicion?
b) Cu
al es el error absoluto y relativo de estas mediciones?
c) Cu
al es la mejor aproximaci
on obtenida?
4. Para determinar la longitud de una mesa se han realizado cuatro mediciones con cinta metrica.
Los valores obtenidos son los siguientes: 75, 2 cm; 74, 8 cm; 75, 1 cm; 74, 9 cm.
a) Expresa el resultado de la medicion acompa
nado del error absoluto.

26

b) Entre que m
argenes se encuentra el valor real de la longitud de la mesa?
5. En la medida de 1 metro se ha cometido un error de 1 milmetro, y en 300 kilometros, 300
metros. Que error relativo es mayor?
6. Redondea los siguientes n
umeros en el orden que se indica y determinar una cota de error:

a) 5 redondear a centesimas.

b) e redondear a milesimas.
7. Redondea y trunca, con dos cifras decimales, los siguientes n
umeros: 0, 009999, 12, 87134984,
1, 89439987, 1, 4656....
8. Dados los siguientes n
umeros

23,

25, 5,

23,

17
:
13

a) Aproxima redondeando hasta las milesimas.

b) Aproxima redondeando hasta las cienmilesimas.
c) Aproxima truncando hasta las centesimas.
d ) Calcula el error absoluto cometido en el apartado a)
e) Calcula el error relativo cometido en el apartado a), expresado en porcentaje y redondeando hasta las milesimas.
9. Calcula el n
umero de cifras exactas de X = 325, 8723184, siendo  = 0, 0004.
10. Dos estudiantes, Mario y Pamela, realizan mediciones del largo de una mesa y de un aula.
Mario mide el largo de la mesa y Pamela mide el largo del aula. El profesor conoce el valor
exacto de ambas medidas las cuales con: la mesa 2, 95 metros y el aula 12, 80 metros.
Mario informa que la mesa mide 2, 80 metros, en tanto, Pamela se
nala que el aula mide 12,60
metros. Quien realiz
o la mejor medicion?
11. Juan solicita, en la estaci
on de servicio, 20 litros de gasolina. El empleado, por error, le
proporciona s
olo 5 litros. Que error se cometio?
12. Considerar una aproximaci
on a 3, 14 sujeta a tres cotas de error distintas: 0, 0017, 0, 002,
0, 0018. Determina el intervalo en que se encuentra el valor exacto.
13. Hallar las cotas de error absoluto y relativo de: d = 3, 7cm 0, 05 y
= 3, 14 0, 0016.
1
10
< < 3 . Determinar una cota para el error absoluto y el
71
7
n
umero de cifras exactas. (Ayuda: Considerar a como el punto medio del intervalo.)

14. Arqumedes obtuvo que 3

15. Un n
umero aproximado 35876 tiene un error relativo de 1, 5 %. Cuantos dgitos exactos tiene?

27

2.10.

Operaciones con n
umeros aproximados.

2.10.1.

Error absoluto de una suma o diferencia.

Teorema 2 El error absoluto de una suma algebraica de varios n

umeros aproximados no excede
de la suma de los errores absolutos de los n
umeros. Es decir,
|s | |x1 | + |x2 | + + |xn |
donde x1 , x2 , . . . , xn son n
umeros aproximados.
Corolario 1 Como cota del error absoluto de una suma algebraica puede tomarse la suma de las
cotas de los errores de cada uno de los terminos:
s = x 1 + x 2 + + x n
Ejemplo 27 Hallar la suma de los n
umeros aproximados: 0, 348; 0, 1834; 345, 4; 235, 2; 11, 75;
9, 27; 0, 0849; 0, 0214; 0, 000354, cada uno de ellos con todos sus dgitos exactos.
Sumamos los n
umeros aproximados anteriores con todos sus dgitos exactos:
0, 34 + 0, 18 + 345, 4 + 235, 2 + 11, 75 + 9, 27 + 0, 08 + 0, 02 + 0, 00 = 602, 25
Redondeando el resultado aplicando la regla del dgito par, se tiene el valor aproximado de la
suma: 602, 2.
El error total  del resultado est
a compuesto de tres terminos:
1. La suma de las cotas de error de los datos originales.
1 = 0, 001+0, 0001+0, 1+0, 1+0, 01+0, 01+0, 0001+0, 0001+0, 000001 = 0, 221301 < 0, 222
2. El valor absoluto de la suma de los errores de redondeo de cada termino (teniendo en cuenta
sus signos)
2 = | 0, 002 + 0, 0034 + 0, 0049 + 0, 0014 + 0, 000354| = 0, 008054 < 0, 009
3. El error final de redondeo del resultado:
3 = 0, 05
De aqu,
s = 1 + 2 + 3 0, 222 + 0, 009 + 0, 05 = 0, 281 < 0, 3
y por lo tanto la suma deseada es:
602, 2 0, 3
Recordemos que una diferencia es una tambien una suma algebraica. Esto es,
d = 1 2 n = 1 + (2 ) + ( ) + (n )
De modo que su metodo resoluci
on es la misma que la anterior.
2.10.2.

Error absoluto de una multiplicaci

on.

Una cota para el error absoluto de un producto de dos n

umeros es obtenida mediante:
xy = |xy + yx |
donde la notaci
on x e y indican el valor aproximado de x e y respectivamente.
Ejemplo 28 Sean x1 = 3, 14 y x2 = 2, 71 n
umeros aproximados, con errores absolutos x1 = 0, 0017
y x2 = 0, 0083 respectivamente. El producto u = x1 x2 = (3, 14) (2, 71) = 8, 5094 ofrece un error
absoluto de
u = |(3, 14)(0, 0017) + (2, 71)(0, 0083)| = 0, 030669
28

2.10.3.

Error absoluto de un cociente.

Una cota para el error absoluto de un cociente:



 x
x 
Si x x y adem
as y y, entonces  xy =  2 y 
y
y
Ejemplo 29 Utilizando los datos del ejemplo anterior y la f
ormula para determinar la cota para
el error absoluto de un cociente, tenemos que
u=

x1
3, 14
=
= 1, 1586
x2
2, 71

presenta un error de



 0, 0017
3, 14

(0, 0083) = | 0, 002921| = 0, 002921.
u = 

2
2, 71
(2, 71)
2.10.4.

Error relativo de una raz cuadrada.

Una cota para el error relativo de una raz es la siguiente:

Teorema 3 Si u =

x, entonces u =

Ejemplo 30 La raz quinta u =

3, 14 = 1, 2571, con x = 0, 000541, presenta un error de

u =

2.11.

1
x
n

1
(0, 000541) = 0, 000108
5

M
odulo de Transformaci
on de logaritmos decimales en neperianos
y viceversa.

Se conocen con el nombre de logaritmos decimales a los logaritmos cuya base es 10. Se escribe
log(x) sin indicar su base (se entiende que esta es 10).
Los logaritmos naturales o logaritmos neperianos son los que tienen base e. Se representan por
ln(x) o L(x).
Es u
til la siguiente f
ormula que define al logaritmo de x en base b (suponiendo que b, x y k son
n
umeros reales positivos y que b es diferente de 1):
logk (x)
logk (b)

logb (x) =

Esta f
ormula tambien se aplica al logaritmo natural:
ln(x) =

log(x)
log(e)

log(x) =

ln(x)
ln(10)

y de igual manera podemos escribir:

En la pr
actica, se emplea el logaritmo decimal en ciencias que hacen uso de las matematicas,
como la qumica en la medida de la acidez (denominada pH) y en fsica en magnitudes como la
medida de la luminosidad, del sonido(dB), de la energa de un terremoto (escala sismologica de
Richter), etc. En inform
atica se usa el logaritmo en base 2 la mayora de veces.

29

3.

Resoluci
on num
erica de ecuaciones algebraicas y/o trascendentes.

Una ecuaci
on es una igualdad entre dos expresiones algebraicas, denominadas miembros, en las
que aparecen valores conocidos o datos, y desconocidos o incognitas, relacionados mediante operaciones matem
aticas. Los valores conocidos pueden ser n
umeros, coeficientes o constantes; y tambien
variables cuya magnitud se haya establecido como resultado de otras operaciones.
Una ecuaci
on trascendente es una igualdad entre dos expresiones matematicas en las que aparecen una o m
as inc
ognitas relacionadas mediante operaciones matematicas, que no son u
nicamente
algebraicas, y cuya soluci
on no puede obtenerse empleando solo las herramientas propias del algebra.
El termino trascendente se refiere a que la ecuacion o su resolucion va mas alla del algebra;
trasciende el
algebra.
Las soluciones de muchas ecuaciones trascendentes se han obtenido tradicionalmente (antes de la
aparici
on de los ordenadores) por metodos numericos, aproximando la solucion mediante iteraciones
sucesivas.

3.1.

Raz de una ecuaci

on algebraica y/o trascendente.

Una raz es el valor de la variable independiente que verifica la funcion, es decir, en forma matem
atica, a es raz de f (x) si siendo x = a, entonces f (a) = 0. Esta funcion puede ser algebraica
(polinomio) o trascendente, as como sus respectivas races podran ser n
umeros reales o complejos.
Geometricamente, una raz es el punto en el cual la funcion cruza el eje de las abscisas o eje
horizontal.
3.1.1.

Separaci
on de races.

Si una ecuaci
on algebraica o trascendente es relativamente complicada, no resulta posible por lo
general hallar races exactas. Es m
as, en algunos casos las ecuaciones tienen coeficientes conocidos
s
olo de forma aproximada, y por tanto, carece de sentido tratar de hallar las races exactas de la
ecuaci
on. Por consiguiente, adquieren particular importancia los procedimientos de calculo aproximado de races de una ecuaci
on as como la estimacion de su grado de exactitud.
El problema consiste en encontrar los valores de la variable x que satisfacen la ecuacion
f (x) = 0,
para una funci
on f dada, que est
a definida y es continua en un cierto intervalo finito o infinito
a < x < b. En ciertos casos se necesitar
a la existencia y continuidad de la primera derivada f 0 (x) e
incluso de la segunda derivada f 00 (x).
A una soluci
on de este problema, es decir, a todo valor a para el cual la funcion f (x) es cero, se
le llama cero de la funci
on f (x) o una raz de f (x).
Supondremos que la ecuaci
on f (x) = 0 tiene u
nicamente races separadas, es decir, para cada
raz existe un entorno que no contiene otras races de la ecuacion.
El c
alculo aproximado de las races reales separadas se efect
ua por lo general en dos etapas:
1. separaci
on de races, es decir, establecer los intervalos mas peque
nos posibles [a, b] que contengan una y solamente una raz de la ecuacion;
2. mejorar los valores de las races aproximadas, es decir, manipularlos hasta que presenten el
grado de exactitud especificado.
Recordemos antes el Teorema del valor intermedio:
30

Teorema 4 Si f es una funci

on continua en [a, b] y t es un n
umero cualquiera entre f (a) y f (b),
entonces existe c (a, b) tal que f (c) = t.
Y un corolario de ese Teorema:
Corolario 2 Si una funci
on continua f asume valores de signo opuesto en los extremos de un
intervalo [a, b], es decir, f (a) f (b) < 0, entonces el intervalo contendr
a al menos una raz de la
ecuaci
on f (x) = 0; en otras palabras, habr
a al menos un n
umero c (a, b) tal que f (c) = 0.
La raz c ser
au
nica si la derivada f 0 (x) existe y mantiene el signo dentro del intervalo (a, b);
0
esto es, si f (x) > 0 (f 0 (x) < 0), para a < x < b.
El proceso de separaci
on de races comienza estableciendo los signos de la funcion f (x) en los
puntos extremos x = a y x = b de sus dominios de existencia. A continuacion se determinan los signos de la funci
on f (x) para un n
umero intermedio de puntos x = 1 , 2 , . . . , cuya eleccion depende
de las peculiaridades de la funci
on f (x). Si se cumple que f (k ) f (k+1 ) < 0, entonces en virtud
del corolario anterior, existe una raz de la ecuacion f (x) = 0 en el intervalo (k , k+1 ). Debemos
asegurarnos que esta raz es la u
nica.
En la pr
actica suele ser suficiente, en el caso de separacion de races, efectuar el proceso de la
mitad, dividiendo aproximadamente el intervalo dado (a, b) en dos, cuatro, ocho, etc, partes iguales
(hasta un cierto intervalo) y determinar el signo de f (x) en los puntos de division. Conviene recordar
que en una ecuaci
on algebraica de grado n,
a0 xn + a1 xn1 + + an = 0,

a0 6= 0

tiene a lo sumo n races reales. Por consiguiente, si para una ecuacion de este tipo se obtienen n
cambios de signo (es decir, n + 1 intervalos en los cuales la funcion tiene signo distinto), habran
quedado separadas todas las races de la ecuacion.
Si existe una derivada continua f 0 (x) y pueden calcularse facilmente las races de la ecuacion
f (x) = 0, puede regularizarse el proceso de separacion de races de la ecuacion f (x) = 0. Evidentemente es suficiente contar u
nicamente los signos de la funcion f (x) para los ceros de su derivada
y en los puntos extremos x = a y x = b.
0

Ejemplo 31 Separar las races de la ecuaci

on:
f (x) = x3 6x + 2 = 0
Formemos para los puntos elegidos la tabla siguiente:
x
f (x)

1
+
0
+
1

3
+
+
+
Por tanto, la ecuaci
on tiene tres races reales dentro de los intervalos (3, 1), (0, 1), y (1, 3).
Si existe una derivada continua f 0 (x) y pueden calcularse facilmente las races de la ecuacion
f 0 (x) = 0
puede regularizarse el proceso de separacion de races de la ecuacion. Evidentemente, es suficiente
contar u
nicamente los signos de la funcion f (x) para los ceros de su derivada y en los puntos
extremos x = a y x = b.
31

Ejemplo 32 Separar las races de la ecuaci

on
f (x) = x4 4x 1 = 0
Derivando f obtenemos f 0 (x) = 4(x3 1) y por lo tanto f 0 (x) = 0 para x = 1.
Tenemos f () > 0; f (1) < 0; f (+) > 0. En consecuencia, la ecuaci
on tiene u
nicamente
dos races reales, una de las cuales cae en el intervalo (, 1) y la otra en el (1, +).
Ejemplo 33 Determinar el n
umero de races reales de la ecuaci
on
f (x) = x + ex = 0
Como f 0 (x) = 1 + ex > 0 y f () < 0, f (+) = + se deduce que le ecuaci
on posee
u
nicamente una raz real.
3.1.2.

Cotas de races.

Cuando se est
a tratando de aproximar las soluciones de una ecuacion f (x) = 0 es de mucha
utilidad tener alguna idea de su ubicacion. Para el caso en el cual f (x) es un polinomio existen
algunos resultado en este sentido, como el siguiente:
Teorema 5 (Cotas para las races) Si f (x) es un polinomio con coeficientes reales cuyo coeficiente principal es positivo y suponga que efectuamos la divisi
on sintetica de f (x) entre x c,
entonces:
1. Si c > 0, y todos los n
umeros del tercer rengl
on del proceso de divisi
on son positivos o cero,
entonces c es una cota superior de las soluciones reales de la ecuaci
on f (x) = 0.
2. Si c < 0, y si los n
umeros del tercer rengl
on del proceso de divisi
on son alternadamente
positivos y negativos (donde se considerar
a que un cero es positivo o negativo), entonces c es
una cota inferior de las soluciones de la ecuaci
on f (x) = 0.
Ejemplo 34 Una cota superior para las soluciones de la ecuaci
on x3 + 4x2 10 = 0 es x = 2,
pues, los n
umeros del tercer rengl
on de la divisi
on sintetica son todos positivos, como se muestra:
1 4 0
1 2 12
1 6 12

10
24 c = 2
14

Una cota inferior para las soluciones de la ecuaci

on x3 + 4x2 10 = 0 es x = 5, pues, los
n
umeros del tercer rengl
on de la divisi
on sintetica alternan en signo, como se muestra:
1
1
1

3.2.
3.2.1.

4
5
1

0 10
5 25 c = 5
5 35

Resoluci
on num
erica de ecuaciones algebraicas y/o trascendentes:
M
etodo de aproximaci
on de partes proporcionales o Bisecci
on.

La idea. Este es uno de los metodos mas sencillos que se conocen. Dado un intervalo que contiene
una raz, lo dividimos en dos partes iguales y tomamos para la proxima iteracion el subintervalo
que contenga la raz. Posteriormente dividimos nuevamente en dos el intervalo obtenido antes y nos
quedamos con el que contenga la raz. Esto lo realizamos hasta el intervalo que nos quede sea tan
peque
no que el error sea despreciable.
El metodo. Supongamos que debemos encontrar una raz de la funcion f (x) en el intervalo
[x0 , x1 ]. Partimos este intervalo en otros dos iguales [x0 , x2 ] y [x2 , x1 ]. Si la raz se encuentra en el
intervalo [x2 , x1 ] tomaremos este para realizar nuestra proxima division. En este caso encontramos
el nuevo punto x3 que nos determina los intervalos [x2 , x3 ] y [x3 , x1 ]. Nuevamente nos quedamos
32

en el intervalo que contiene la raz para realizar la proxima subdivision. Seguiremos subdividiendo
hasta que obtengamos un intervalo tan peque
no que cualquiera de sus dos extremos pueda ser considerado una raz de la funci
on con un error despreciable a nuestros fines practicos.
Podemos realizar ciertas generalizaciones de este proceso. Para comenzar supongamos que el
intervalo en el que nos encontramos es el [xn , xn+1 ]. Necesitamos calcular el punto xn+2 que se
encuentra en el medio del intervalo. Este punto lo encontramos en:
xn+2 =

xn + xn+1
2

Esta es la f
ormula de recurrencia del metodo. Con esta expresion obtenemos el proximo punto
de prueba del proceso.
Por otro lado debemos resolver otro inconveniente para poder realizar la siguiente aproximacion:
en cu
al de los dos nuevos intervalos se encuentra la raz? Esto se puede determinar utilizando un
poco de la informaci
on que la funci
on nos provee. Es claro que en el intervalo en que la funcion
cambie de signo, cruzar
a el eje x. Una propuesta para verificar este cambio de signo en la implementaci
on es realizar el producto de la funcion evaluada en los dos extremos del intervalo en cuestion.
Si este producto es negativo o cero entonces es este el intervalo que contiene la raz.
Veamos ahora una forma interesante de estimar el error cometido despues de n iteraciones.
Primeramente pensemos que si tenemos un intervalo que contiene una raz y tomamos uno de sus
extremos como aproximaci
on a la raz.
El error m
aximo que podemos cometer es igual al ancho del intervalo seleccionado que contiene
a la raz. De hecho, lo peor que nos podra suceder es que la raz se encuentre en el otro extremo.
Finalmente concluimos que el error en un intervalo dado es igual a la distancia entre sus extremos
xn xn+1 .
Pero podremos encontrar el error cometido despues de n iteraciones sin antes haberlas realizado? Si, prestemos atenci
on al siguiente razonamiento. En la primera iteracion el ancho del intervalo
resultante ser
a la mitad del intervalo inicial por lo tanto:
1 =

x0 + x1
2

En la pr
oxima iteraci
on el ancho del intervalo sera la mitad del intervalo anterior, es decir:
x0 + x1
x0 + x1
x0 + x1
2
2 =
=
=
2
4
22
Nuevamente en la iteraci
on siguiente el ancho del intervalo sera la mitad:
x0 + x1
x0 + x1
x0 + x1
4
3 =
=
=
2
8
23
Si seguimos con este procedimiento podemos generalizar la expresion del error en la iteracion n
de la siguiente forma:
x0 + x1
n =
2n
De esta expresi
on podemos despejar n y saber cuantas iteraciones necesitamos realizar con este
metodo para satisfacer un error requerido dado.
El metodo de bisecci
on utiliza poca informacion de la funcion a analizar. Utilizamos solo el
signo de la funci
on en los extremos del intervalo, no utilizamos por ejemplo su valor, el de sus
derivadas u otra informaci
on que esta nos ofrece. Decimos que esto es una ventaja ya que el metodo
es independiente de las caractersticas de la funcion, aplicable con una mayor generalidad y con mas
probabilidades de converger hacia el resultado. Por otro lado decimos que es una desventaja por
33

que, como veremos luego, podemos utilizar informacion de la funcion para llegar mas rapidamente
a la raz buscada, es decir, acelerar el metodo. A continuacion comenzaremos a utilizar un poco de
esta informaci
on que nos brinda las funcion para encontrar un metodo que en algunos casos es mas
r
apido.
Ejemplo 35 Utilizar el metodo de Bisecci
on para encontrar una soluci
on precisa dentro de 0, 01,
de:
6 = x3 7x2 + 14x
en el intervalo [0, 1].
Primero reorganizamos la funci
on: x3 7x2 + 14x 6 = 0.
Comprobamos si en el intervalo existe una raz: f (1) f (0) < 0.
x0 + x1
y obtenemos
Despejamos n de n =
2n


1
log x0+x
n
n
log
2


0+1
log 0,01
n
log 2
n
6, 64
En la septima iteraci
on obtendremos una soluci
on precisa dentro de la tolerancia especificada.
I1
I2
I3
I4
I5
I6
I7
3.2.2.

=
=
=
=
=
=
=

[0; 1] f (0, 5) < 0

[0, 5; 1] f (0, 75) > 0
[0, 5; 0, 75] f (0, 625) > 0
[0, 5; 0, 625] f (0, 5625) < 0
[0, 5625; 0, 625] f (0, 59375) > 0
[0, 5625; 0, 59375] f (0, 578125) < 0
[0, 578125; 0, 59375] = 0, 5859375

M
etodo Regula Falsi o Regla Falsa.

La idea. Y... si no dividimos el intervalo en partes iguales? No sera mejor que el punto de
divisi
on del intervalo estuviese m
as cerca de la raz. Podemos suponer que la raz estara mas cerca
del extremo donde la funci
on alcance un menor valor. La propuesta en este caso es trazar una recta
que intercepte a la funci
on en ambos extremos del intervalo y tomar como punto de division el cruce
de esta con el eje de las abscisas.
El metodo. En este metodo, tambien llamado de la posicion falsa, lo primero que debemos hacer
es encontrar la ecuaci
on de la recta que pasa por los puntos (xn , f (xn )) y (xn+1 , f (xn+1 )):
Sabemos que la pendiente de esta recta esta dada por:
m=

f (xn+1 ) f (xn )
xn+1 xn

Por lo tanto la ecuaci

on de la recta es:
y f (xn ) =

f (xn+1 ) f (xn ))
(x xn )
xn+1 xn

Para obtener el cruce con el eje x, hacemos y = 0:

f (xn ) =

f (xn+1 ) f (xn ))
(x xn )
xn+1 xn

Multiplicando por (xn+1 xn ) nos da:

f (xn )(xn+1 xn ) = (f (xn+1 ) f (xn )) (x xn )
34

Finalmente, de aqu despejamos x:

x = xn

f (xn )(xn+1 xn )
f (xn+1 ) f (xn )

Este punto es el que toma el papel de xr en lugar del punto medio del metodo de biseccion.
As pues, el metodo de la Regla Falsa sigue los siguientes pasos:
Sea f (x) continua,
1. Encontrar los valores iniciales xn , xn+1 tales que f (xn ) y f (xn+1 ) tienen signos opuestos, es
decir,
f (xn ) f (xn+1 ) < 0
2. La primera aproximaci
on a la raz se toma igual a:
xr = xn

f (xn )(xn+1 xn )
f (xn+1 ) f (xn )

3. Evaluar f (xr ). Forzosamente debemos caer en uno de los siguientes casos:

a) f (xn ) f (xr ) < 0.
En este caso, tenemos que f (xn ) y f (xr ) tienen signos opuestos, y por lo tanto la raz se
encuentra en el intervalo [xn , xr ].
b) f (xn ) f (xr ) > 0.
En este caso, tenemos que f (xn ) y f (xr ) tienen el mismo signo, y de aqu que f (xr ) y
f (xn+1 ) tienen signos opuestos. Por lo tanto, la raz se encuentra en el intervalo [xr , xn+1 ].
c) f (xn ) f (xr ) = 0.
En este caso se tiene que f (xr ) = 0 y por lo tanto ya localizamos la raz.
Este proceso se vuelve a repetir con el nuevo intervalo, hasta que:
|xn | < xn+1
Ejemplo 36 Usar el metodo de la Regla Falsa para aproximar la raz de f (x) = ex ln(x), comenzando en el intervalo [1, 2] y hasta que |n | < 1 %.
Sabemos que f (x) es continua en el intervalo dado y que toma signos opuestos en los extremos
de dicho intervalo. Por lo tanto podemos aplicar el metodo de la Regla Falsa.
Calculamos la primera aproximaci
on:
x r1 = x n

f (xn )(xn+1 xn )
f (1)[2 1]
=1
= 1, 397410482
f (xn+1 ) f (xn )
f (2) f (1)

Puesto que solamente tenemos una aproximaci

on, debemos seguir con el proceso.
As pues, evaluamos
f (xr1 ) = e1,397410482 ln(1, 397410482) = 0, 087384509 < 0
Vemos que la raz se encuentra en el intervalo [1; 1, 397410482].

35

Con este nuevo intervalo, calculamos la nueva aproximaci

on:
x r2 = x n

f (xn )(xn+1 xn )
f (1)[1 1, 397410482]
=1
= 1, 321130513
f (xn+1 ) f (xn )
f (1, 397410482) f (1)

este momento, podemos calcular el primer error aproximado:



 1, 321130513 1, 397410482

|a | = 
100 % = 5, 77 %
1, 321130513
Puesto que no se cumple con el objetivo seguimos con el proceso.
Evaluamos f (xr2 ) = f (1, 321130513) = 0, 011654346 < 0 y vemos que la raz se encuentra en
el intervalo [1; 1, 321130513], con el cual podemos calcular la nueva aproximaci
on:
x r3 = x n

f (xn )(xn+1 xn )
f (1)[1 1, 321130513]
=1
= 1, 311269556
f (xn+1 ) f (xn )
f (1, 321130513) f (1)

el error aproximado es:



 1, 311269556 1, 321130513


|n | = 
100 % = 0, 75 %
1, 311269556
Como se ha cumplido el objetivo, conclumos que la aproximaci
on buscada es:
xr3 = 1, 311269556
Observemos la rapidez con la cual converge el metodo de la Regla Falsa a la raz, a diferencia
de la lentitud del metodo de la bisecci
on.

36

3.3.

Ejercicios.

1. Calcular

2+

3, siendo

2 1, 4142 y

3 1, 7320 con tres cifras exactas.

2. Separa las races de las siguientes ecuaciones.

a) xex 1 = 0.
b) 2cos(2x) + 4x = 0.
c) x2 + ln(x) = 0.
d ) ln(x) sen(x) = 0
e) xex x2 + 1 = 0.
3. Utiliza el siguiente teorema para buscar las cotas de los ejercicios a continuacion.
Teorema 6 Si en una ecuaci
on polinomial de coeficientes reales
f (x) = an xn + an1 xn1 + + a0 = 0,

(an > 0)

el primer coeficiente negativo es precedido por k coeficientes positivos o cero, y si G denota

el valor m
as grande de los valores absolutos de los coeficientes negativos, entonces cada cero
real es menor de
r
G
1+ k
an
a) f (x) = x3 9x2 + 24x 36 = 0.
b) f (x) = x3 + 4x2 7.
c) x5 x4 9x3 + 10x2 11x + 9 = 0
4. Utilizar el metodo de la Bisecci
on para aproximar la raz de f (x) = ex ln x en el intervalo
[1, 2] hasta que |n | < 1 %.
5. Utilizar el metodo de la Bisecci
on y de la Regla Falsa para aproximar la raz de f (x) =
arctgx + x 1 en el intervalo [0, 1] hasta que |n | < 1 %.
6. Utilizar el metodo de la Bisecci
on y de la Regla Falsa para aproximar la raz de f (x) =
x3 + x 16 = 0 en el intervalo [3, 2] con una precision de 0, 01.
7. Utilizar el metodo de la Bisecci
on y de la Regla Falsa para aproximar la raz de f (x) = x6 1
en el intervalo [0; 1, 5] hasta que |n | < 1 %. Cual de los dos metodos converge con mayor
rapidez al resultado?

37