Modulo Unidad1 Met Num PDF

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

CONTENIDO DIDCTICO DEL CURSO: 100401 MTODOS NUMRICOS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
100401 METODOS NUMERICOS

Elaborado Carlos Ivn Bucheli Chaves
Corregido por Ricardo Gmez Narvez
Revisado por Carlos Edmundo Lpez Sarasty
(Director Nacional)
PASTO
Enero de 2013

TABLA DE CONTENIDO
INTRODUCCIN A LOS MTODOS NUMRICOS
Introduccin a los Mtodos Numricos. 7

Mapa Conceptual de Mtodos Numricos....................................... 8
UNIDAD I:
Conceptos Bsicos, Exactitud y Races de Ecuaciones.
C
CA
APPIITTU
ULLO
O 11:: C
CO
ON
NC
CEEPPTTO
OSS B
BA
ASSIIC
CO
OSS
Leccin 1 Exactitud y Precisin. 65

Leccin 2 Errores de Redondeo....
74
C
CA
APPIITTU
ULLO
O 22:: R
RA
AIIC
CEESS D
DEE EEC
CU
UA
AC
CIIO
ON
N
Leccin 3 Mtodo de biseccin.. 81

Leccin 4 Mtodo de la regla falsa 92
Leccin 5 Mtodo de Newton- Raphson. 101
Leccin6 Mtodo iterativo de punto fijo y Ejercicios de la Unidad . 111

ALCANCE DEL CURSO ACADEMICO
El estudiante comprender la importancia de los mtodos numricos y conocer Las

caractersticas operativas del software de cmputo numrico comercial.
Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con

apoyo de un lenguaje de programacin.
Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo

de un lenguaje de programacin.
Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e

integracin numrica, usando un lenguaje de programacin.
Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de

diferenciacin e integracin numrica, usando un lenguaje de programacin.
Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la

capacidad de:
Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las

ciencias.
Analizar en grupo los conceptos de cifra significativa, precisin, exactitud, sesgo e
incertidumbre, as como los diferentes tipos de error: absoluto y relativo por redondeo
por truncamiento numrico total humanos.
Buscar y diferenciar las caractersticas de un software de cmputo numrico.
Exponer por equipos, las caractersticas de un software de cmputo numrico.
Realizar prcticas del uso de un software de cmputo numrico, apoyndose en
tutoriales y manuales correspondientes.
Buscar y analizar la interpretacin grfica de una raz y la teora de alguno de los
mtodos iterativos.
Buscar y catalogar los diferentes mtodos numricos de solucin de ecuaciones.
Disear e implementar los mtodos numricos catalogados, utilizando la herramienta de
cmputo numrico.
Resolver ejercicios aplicando los mtodos implementados, validando sus resultados.
3

Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de

ecuaciones lineales.
Identificar grficamente, los casos de sistemas de ecuaciones lineales mal
condicionadas y su relacin matemtica con el determinante.
Analizar en grupo la solucin de sistemas de ecuaciones, empleando los mtodos
iterativos de Jacobi y Gauss-Seidel.
Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones no-lineales.
Analizar en grupo la solucin de sistemas de ecuaciones no-lineales, empleando
mtodos iterativos.
Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
Buscar y clasificar los mtodos numricos de diferenciacin.
Representar grficamente los mtodos clasificados.
Analizar en grupo la diferenciacin, empleando los mtodos clasificados.
Disear e implementar los mtodos de diferenciacin numrica.
Disear e implementar los mtodos de integracin numrica.
Buscar y clasificar los mtodos numricos de integracin.
Representar grficamente los mtodos clasificados.
Analizar en grupo la integracin, empleando los mtodos clasificados.
Buscar y clasificar los mtodos numricos de diferenciacin.
Aplicar los mtodos a la solucin de ejercicios, empleando una calculadora.
Disear, implementar y evaluar los mtodos numricos de Euler y de Runge-Kutta.
Investigar aplicaciones de estos mtodos numricos y mostrar resultados.

INTRODUCCIN A LOS MTODOS NUMRICOS
Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
Por que sucedi todo esto?
El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y aqu es
donde hace acto de presencia la poderosa herramienta computacional, que nos permite
hacer clculos largos y tediosos en poco tiempo y con mayor exactitud que si los
hiciramos a mano. Esta gran herramienta hace factible el camino de los mtodos
numricos pues de otra forma, seran muy lentos los procesos y con mucho riesgo de
cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar el
proceso "a mano", ya que esto nos permitir implementar un mejor programa que
contemple todas las posibles piedras en el camino.

Mapa Conceptual Mtodos Numricos
Qu ocurre en la construccin y anlisis del mtodo?

Cmo?
Mtodo, Algoritmo, Receta, proceso, procedimiento,

Rutina: Es una secuencia ordenada
o
o
o
o
Mtodo o
Algoritmo
pasos
consecutivos
lgicos
ordenados
para la solucin de un problema dado.
Programa:
Cmo?
Programa
C, Matlab, Excel

UNIDAD I:
Conceptos bsicos, exactitud y races de ecuaciones.
CAPITULO 1: CONCEPTOS BASICOS.
Errores
Los errores numricos se generan con el uso de aproximaciones para representar

cantidades y/o operaciones. Esto da lugar a dos tipos de errores:
Truncamiento
Errores
Redondeo
Los errores de truncamiento, resultan de representar aproximadamente un procedimiento

matemtico exacto. Por ejemplo, en la solucin numrica al problema del objeto en cada
libre, usamos una aproximacin al proceso de derivacin, el cual es un procedimiento
matemtico exacto.
Esto genera errores de truncamiento durante el procedimiento.
Los errores de redondeo resultan de representar aproximadamente nmeros que son

exactos. Por ejemplo, an en la "solucin exacta" al problema del objeto en cada libre, los
8

resultados impresos en la tabla de velocidades no son totalmente exactos puesto que el

numero e es un nmero irracional y por lo tanto su extensin decimal es infinita y no
peridica lo que nos impide escribirlo de forma completamente exacta. Usando 5
decimales, tenemos:
Esto genera errores de redondeo durante los clculos.
En ambos casos tenemos que:

Valor verdadero = valor aproximado + error
Definicin. Definimos el error absoluto como:

= valor verdadero - valor aproximado
Esta definicin de error tiene un pequeo defecto, como veremos en el siguiente:
Ejemplo
Al medir la longitud de una varilla para construccin se obtiene el resultado aproximado de

19,999 cms. mientras que al medir la longitud de un clavo, se obtiene el resultado de 9
cms. Suponiendo que los valores verdaderos de la varilla y el clavo son de 20,000 cms. y
10 cms. respectivamente, calcular el error absoluto en ambos casos.
Solucin. Tenemos los siguientes resultados:

Para el caso de la varilla, el error absoluto se calcula como:
Para el caso del clavo, el error absoluto se calcula como:

En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor trascendencia
el error en el caso del clavo que en el caso de la varilla, es decir, necesitamos comparar el
error absoluto contra el valor verdadero y esto da lugar a las siguiente definicin.
Existen dos preguntas en clculos numricos de suma importancia como son:

1) El optimista pregunta qu tan precisos son los resultados calculados?;
2) El pesimista pregunta qu tanto error se ha introducido?
Desde luego, las dos preguntas corresponden a lo mismo. Slo en raras ocasiones los
datos proporcionados sern correctos, puesto que suelen originarse errores en el proceso
de medida. De modo que hay un error probable en la informacin de entrada. Adems, el
propio algoritmo introduce error, quiz redondeos inevitables. La informacin de salida
contendr entonces error generado por ambas fuentes.
10

Leccin 1 Exactitud y Precisin
Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a
derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que
permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto se
refiere cuando se habla de doble precisin, dependiendo de la mquina que estemos
utilizando.
Errores Inherentes o Heredados:

Son errores en los valores numricos con que se va a operar, pueden deberse a dos
causas: sistemticos o accidentales.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
11

Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede

cuando se toman slo algunos trminos de una serie infinita o cuando se toma slo un
nmero finito de intervalos. Un caso adicional de error de truncamiento ocurre cuando una
calculadora poco sofisticada slo toma en cuenta los dgitos que caben en la pantalla y no
analiza el primer dgito perdido.
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades
que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.
Error de Redondeo Inferior:

Se desprecian los dgitos que no pueden conservarse dentro de la localizacin de
memoria correspondiente (pensando de una manera estricta, este caso puede
considerarse como un error de truncamiento).
Error de Redondeo Superior:

Este caso tiene dos alternativas, segn el signo del nmero en particular.
a)
Para nmeros positivos, el ltimo que puede conservarse en la localizacin de
memoria se incrementa en una unidad si el primer dgito despreciado es
b)
Para nmeros negativos, el ltimo dgito que puede conservarse en la localizacin
de memoria se reduce en una unidad si el primer dgito despreciado es 5.
Error de desbordamiento de informacin o derrame de informacin Overflow:
Este error recibe tambin el nombre de sobreflujo. En el lenguaje tcnico de

computacin se acostumbra emplear el anglicismo overflow, ya que las traducciones
posibles no proporcionan una idea clara de su significado. Se dice que existe overflow o
sobreflujo o derrame de informacin cuando dentro de una localizacin de
almacenamiento no cabe un nmero, debido a que es mayor que la capacidad de la
mencionada localizacin de almacenamiento.
12

Error de desbordamiento de informacin o derrame de informacin Underflow:
Este error recibe tambin el nombre de subflujo. En el lenguaje tcnico de computacin

se acostumbra emplear el anglicismo underflow, ya que las traducciones posibles no
proporcionan una idea clara de su significado. Se dice que existe underflow o subflujo o
desbordamiento de informacin cuando dentro de una localizacin de almacenamiento no
se puede representar un nmero positivo muy pequeo, debido a que ste es menor que
la capacidad de la mencionada localizacin de almacenamiento.
Ms Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo sern:
1) Error absoluto
2) Error relativo
3) Error relativo Aproximado
4) Error aritmtico de la computadora
5) Error por redondeo
6) Error por truncamiento
Error absoluto
Si p* es una aproximacin de p, y si p es el valor real, entonces:

Error Absoluto =
O sea el valor absoluto de p menos p*.
13

Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto no es
negativo. As pues, una coleccin (suma) de errores siempre se incrementan juntos, sin
reducirse. Este es un hecho demasiado pesimista, dado que el redondeo y otros errores
rara vez estn en la misma direccin, es posible que la suma ("algebraica") de errores sea
cero, con aproximadamente la mitad de los errores positiva y la otra mitad negativa. Pero
tambin es demasiado optimista esperar que errores con signo sumen cero a menudo. Un
enfoque realista es suponer que los errores, en especial el redondeo, estn
estadsticamente distribuidos.
Error relativo
Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo se define

como:
Error relativo =
con la condicin de p
0.
Generalmente el denominador es una de tres elecciones; la magnitud del valor exacto o

real, la magnitud del valor calculado o aproximado o el promedio de estas dos cantidades.
La mayora de las veces se usa como el valor real, por lo que se usar esta opcin. El
Error Relativo es una mejor medida del error que el error absoluto, en especial cuando se
utilizan sistemas numricos de punto flotante. Puesto que los elementos de un sistema de
punto flotante no estn distribuidos de manera uniforme, la cantidad de redondeos
posibles depende de la magnitud de los nmeros que se redondean. El denominador de
est ecuacin compensa este efecto.
Ejemplo
14

Ejemplo
p=0.3x10-3
p*=0.31x10-3
Calcular el error absoluto y el error relativo.
Ejemplo
p=0.3x104
p*=0.31x104
Calcular el error absoluto y el error relativo.
Conclusin:
Como una medida de precisin el error absoluto puede ser engaoso y el error relativo es
ms significativo.
Error relativo aproximado
Definiciones
1) Error relativo aproximado = ERA
15

Valor actual - Valor anterior

ERA = (-----------------------------------------) * 100%
Valor actual
2) Tolerancia = (0.5x102-n) %
Donde n = nmero de cifras significativas
3) Trmino de convergencia permite finalizar los clculos. Es la desigualdad: ERA <

Tolerancia
Ejemplo
Usando la serie de Taylor con xo=0
Encontrar e1.5 con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?
SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x102-3) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%
16

17

Aqu mi ERA < Tolerancia

e1.5 = 4.48 (con tres cifras significativas y 9 iteraciones).
18

EJEMPLO
Encontrar cos( / 6) con n = 2 (2 cifras significativas), donde =180o = 3.1416 radianes
Usando la serie de Taylor:
Por lo tanto, necesitamos un error relativo aproximado menor a 0.5% trabajando en

radianes.
Para i=1
Cos( / 6) = 1
i=2
Cos( / 6) = 1- ( /6)2 / 2!=0.86292152
19

Se muestra a continuacin el diagrama de flujo del algoritmo de solucin de este
EJEMPLO:
Diagrama de flujo del Error relativo aproximado para ex
Ejemplo
20

Usar el siguiente resultado de series,
Para aproximar el nmero irracional
hasta 4 cifras significativas.
SOLUCION. Primero calculamos el valor de
como sigue:
En seguida, usamos la serie, agregando un trmino cada vez, para obtener nuevas
aproximaciones hasta que se logre que
En el primer paso, tenemos simplemente un trmino:
En el segundo paso, tenemos la suma de dos trminos:
Aqu, podemos calcular el primer error aproximado:
Seguimos agregando trminos de la serie puesto que no se ha cumplido el objetivo:

Tenemos que,
Y calculamos el error aproximado correspondiente:

21

El proceso se contina hasta lograr la meta. Resumimos los resultados en la siguiente

tabla:
#
trminos
Aprox. al
valor e
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
As pues, el resultado que se obtiene es:
22

Que en realidad tiene 8 cifras significativas. La cota impuesta por

, nos asegura que
tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas ms.
23

Leccin 2 Error de Redondeo
El error de redondeo se origina porque una mquina involucra nmeros con slo un
nmero finito de dgitos; por lo tanto, los clculos se realizan con representaciones
aproximadas de los nmeros verdaderos. Dicho de otra manera, el error de redondeo se
debe a la naturaleza discreta del sistema numrico de mquina de punto flotante, el cual a
su vez se debe a su longitud de palabra finita. Cada nmero (real) se reemplaza por el
nmero de mquina ms cercano. Esto significa que todos los nmeros en un intervalo
local estn representados por un solo nmero en el sistema numrico de punto flotante.
En una computadora se almacena una parte fraccionaria llamada la mantisa junto con una
parte exponencial llamada caracterstica; adems de un espacio para el signo.
Error de redondeo
Es el que resulta de reemplazar un nmero por su forma de punto flotante. Cualquier

nmero real positivo puede ser normalizado para que adquiera la forma:
La forma de punto flotante fl(y), se obtiene terminando (recortando) la mantisa de y en k

dgitos decimales.
Existen dos mtodos de terminar:
a) Cortando los dgitos

b) Redondeando el nmero
Error de truncamiento
24

Este tipo de error ocurre cuando un proceso que requiere un nmero infinito de pasos se
detiene en un nmero finito de pasos.
Generalmente se refiere al error involucrado al usar sumas finitas o truncadas para

aproximar la suma de una serie infinita. Note que el error de truncamiento, a diferencia del
error de redondeo, no depende directamente del sistema numrico que se emplee.
Que es el polinomio de Taylor de grado n para la funcin f alrededor de xo.
Que
es
el
residuo
o
error
de
truncamiento
asociado
con
Pn.
f(x)=Pn(x)+Rn(x)
En el caso especfico de que xo=0 el polinomio de Taylor se conoce como el polinomio de
Maclaurin y la serie de Taylor se conoce como la serie de Maclaurin.
Ejemplo
Determine el polinomio de Taylor de segundo grado y tambin el de tercer grado para
f(x)=cos(x) respecto a xo=0 y use este polinomio para aproximar cos (0.01)
25

SOLUCION:
Polinomio de Taylor de segundo orden.
Calculando derivadas:
Donde
a lo ms es 1 por lo que
26

27

Donde
a lo ms es 1 por lo que
Conclusin:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos numricos. El
primero es obtener una aproximacin que los polinomios de Taylor ofrecen en ambas
partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error de
truncamiento).
En este caso el polinomio de tercer grado proporciona una exactitud mayor o un error de
truncamiento menor.
Ejemplo
Sea f(x)=x3
a) Encontrar el polinomio de Taylor de segundo grado para xo=0 y el error de truncamiento

para cuando x=0.5.
SOLUCION:
28

Ejemplo
Calcular f(x)=x3 para un polinomio de Taylor de segundo grado con xo=1.
29

Es el Error de Truncamiento
30

CAPITULO 2: RAICES DE ECUACIONES.
Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e
-1)
Uno de los problemas bsicos de la aproximacin numrica, es el problema de la

bsqueda de las races.
Races de ecuaciones no lineales
Una raz de una funcin f (x) es un nmero x0 tal que f ( x0 ) 0 . Tambin se dice
que x0 es una raz de la ecuacin f ( x0 ) 0 . En este curso, consideraremos solamente
races reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica de f (x)
cruza al eje x ,
En esta grfica, vemos que la raz es x 1 .
31

Ejemplos.
2
1. Las races de f ( x) x 9 son x 3 y
x 3 .
4
2
2. La funcin f ( x) x x 1 no tiene races.
3. La funcin
f ( x) 5 senx no tiene races.
4. Las races de f ( x) ( x 1)(x 3)(x 7) son x 1, x 3 y x 7 .

Estudiaremos varios mtodos numricos para aproximar races de ecuaciones.
32

Leccin 3 Mtodo de Biseccin
El mtodo de biseccin se basa en el siguiente teorema de Clculo:

Teorema del Valor Intermedio
Sea
f (x)
contnua en un intervalo
Entonces para cada
tal que
a, b
y supongamos que
f (a) z f (b) ,
existe un
f (a) f (b) .
x0 a, b
tal que
f ( x0 ) z . La misma conclusin se obtiene para el caso que f (a) f (b) .

Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un
intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo,
entonces debe alcanzar todos los valores intermedios.
En particular, si
f (a)
es precisamente
z 0,
debe existir
de
f (x)
f (b)
tienen signos opuestos, entonces un valor intermedio
y por lo tanto, el Teorema del Valor Intermedio nos asegura que
x0 a, b tal que f ( x0 ) 0 , es decir, debe haber por lo menos una raz
en el intervalo (a, b) .
El mtodo de biseccin sigue los siguientes pasos:
Sea
f (x)
continua,
i) Encontrar valores iniciales

opuestos, es decir,
xa , xb
tales que
f ( xa )
y f ( xb ) tienen signos
33

ii) La primera aproximacin a la raz se toma igual al punto medio entre
xa
xb :
iii) Evaluar f ( xr ) . Forzosamente debemos caer en uno de los siguientes casos:
En este caso, tenemos que
f ( xa )
tanto la raz se encuentra en el intervalo
f ( xr )
tienen signos opuestos, y por lo
xa , xr .
En este caso, tenemos que f ( xa ) y f ( xr ) tienen el mismo signo, y de aqu

que f ( xr ) y f ( xb ) tienen signos opuestos. Por lo tanto, la raz se encuentra
en el intervalo
xr , xb .
En este caso se tiene que
f ( xr ) 0
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Es decir,
34

En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.
El mtodo de biseccin requiere dividir varias veces a la mitad los subintervalos de

[a,b] y, en cada paso, localizar la mitad que contenga a p.
Para empezar se supone que a1=a y b1=b y que sea p1 el punto medio de f(a1) y
f(b1), es decir:
Figura. f (p1) tiene signo diferente a f(a1) entonces ac est la raz; f(p1) tiene
signo igual a f(b1) entonces esta mitad se elimina.
si f(p1)=0 entonces p=p1
si f(p1) y f(a1) tienen el mismo signo, entonces p (p1,b1) y a2=p1 y b2=b1
si f(p1) y f(a1) tiene signos opuestos entonces p (a1,p1) y a2=a1 y b2=p1
35

Figura. reas de eliminacin.

Despus volvemos a aplicar el proceso al intervalo a 2 , b2 . As se contina
hasta alcanzar algn criterio de convergencia. Un buen criterio de convergencia es
el que hace referencia al error relativo aproximado (ERA).
Para PN 0
Donde representa la tolerancia permitida con respecto al error relativo. Al trabajar
programas de computadora conviene fijar el nmero mximo de iteraciones que se
efectuaron.
En la figura se ilustra grficamente el mtodo de biseccin.
Figura. Mtodo de biseccin

EJEMPLO:
Aproximar la raz de
f ( x) e x ln x
hasta que
a 1%
.
36

SOLUCION
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de

se localiza en el intervalo
1,1.5 .
f (x)
As que este intervalo es nuestro punto de partida;
sin embargo, para poder aplicar el mtodo de biseccin debemos chequear que
f (1) y
f (1.5) tengan signos opuestos.

En efecto, tenemos que
mientras que
Cabe mencionar que la funcin f (x) s es contnua en el intervalo 1,1.5 . As pues,

tenemos todos los requisitos satisfechos para poder aplicar el mtodo de biseccin.
Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):
ii) Evaluamos
f (1.25) e1.25 ln(1.25) 0.0636 0
iii)
Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
37

Por lo tanto, vemos que la raz se encuentra en el intervalo 1.25,1.5.

En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto
que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo
intervalo
1.25,1.5.
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso.
Evaluamos
f (1.375) e1.375 ln(1.375) 0.06561 0 , y hacemos la tabla:
As, vemos que la raz se encuentra en el intervalo
1.25,1.375.
Calculamos el punto medio,
Y calculamos el nuevo error aproximado:
38

El proceso debe seguirse hasta cumplir el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:

Aprox. a la raz
Error
aprox.
1.25
1.375
1.3125
1.28125
1.296875
1.3046875
9.09%
4.76%
2.43%
1.20%
0.59%
As, obtenemos como aproximacin

a la raz
Ejemplo:
Encontrar la raz de:
f ( x) x 3 4x 2 10 en 1,2 usando el mtodo de Bisecciones sucesivas en el
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
punto decimal. Y usar a.
a =10-4 o a =0.0001 o sea que el error relativo sea menor a 0.0001.
En resumen:
an
Bn
Pn
f(pn)
1.5
2.375
1.5
1.25
-1.7068
39

1.25
1.5
1.375
0.16214
1.25
1.375
1.3125
-0.8483
1.3125
1.375
1.343
-0.333
1.343
1.375
1.359
-0.102
1.359
1.375
1.367
0.029
1.359
1.367
1.363
-0.036
1.363
1.367
1.365
-0.0037
10
1.365
1.367
1.366
11
1.365
1.366
1.3655
0.0044
12
1.365
1.3655
1.36525
0.0003
13
1.365
1.36525
1.36515
-0.0021
14
1.36515
1.36525
1.36517
-0.0009
Ejemplo:
Aproximar la raz de
f ( x) arctan x x 1
hasta que
a 1%
SOLUCION
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de
f (x)
se localiza en
el intervalo 0,1 . Para poder aplicar el mtodo de biseccin, es importante checar que s
se cumplen las hiptesis requeridas.
Sabemos que f (x) es contnua en el intervalo 0,1 , y checamos que
tengan signos opuestos.
f (0)
f (1)
En efecto,
40

Mientras que,
Por lo tanto, s podemos aplicar el mtodo de biseccin.

Calculamos el punto medio del intervalo 0,1 ,
Que es la primera aproximacin a la raz de
Evaluamos
f (x) .
f (0.5) arctan(0.5) 0.5 1 0.0363 0 .
Y hacemos nuestra tabla de signos,
Puesto que
intervalo
f (0.5)
0.5,1 .
f (1)
tienen signos opuestos, entonces la raz se localiza en el
En este punto, solo contamos con una aproximacin, a saber, xr1 0.5 , que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo 0.5,1 ,
41

Que es la nueva aproximacin a la raz de
f (x) .
Aqu podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos
f (0.75) arctan(0.75) 0.75 1 0.3935 0 .
Y hacemos la tabla de signos:
Puesto que
intervalo
f (0.5)
0.5,0.75 .
f (0.75)
tienen signos opuestos, entonces la raz se localiza en el
Calculamos el punto medio,
Y el nuevo error aproximado:
El proceso se debe continuar hasta que se logre el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
42

Aprox. a la raz
0.5
0.75
0.625
0.5625
0.53125
0.515625
0.5234375
0.51953125
Error
aprox.
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
De lo cual, vemos que la aproximacin buscada es
xr8 0.51953125
El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente grfica,

puede ser demasiado lento.
En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de forma

muy lenta, ya que el mtodo solamente toma en cuenta que la raz se encuentra dentro
del intervalo, sin importar si se encuentra ms cerca de alguno de los extremos del
intervalo. Sera bueno implementar un mtodo que tome en cuenta este detalle.
Esto da lugar al siguiente mtodo de aproximacin de races.
43

Diagramas de flujo de bisecciones sucesivas
44

Leccin 4 Mtodo de la Regla falsa

Se trata de encontrar la raz de una ecuacin. La ecuacin tiene la forma f(x), es
decir, es una funcin de x. Adems, f(x) esta definida en el intervalo [a, b].
Figura. Intervalo de f(x).

El mtodo de la interpolacin lineal inversa, requiere varias condiciones:
1.- f(a)*f(b) < 0
Es decir, que el producto de la funcin de x, f(x), evaluada en a, f(a), multiplicada por la
funcin de x, f(x), evaluada en b, f(b), sea negativo (menor a cero).
2.- Que la funcin f(x) se aproxime por otra funcin L(x).
f(x) es aproximadamente igual a L(x)

Por tanto encontramos un punto falso c
Donde C es la raz que se anda buscando

Despus se calcula f(C) para ver su valor. Si se obtiene cero, no se debe avanzar ms,
pero gen caso de no ser as, se realiza lo siguiente:
Se calcula f(C)*f(a) si este producto es menor a cero (negativo), entonces ahora C

equivaldr a b, y se repite el clculo para encontrar una nueva C.
En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldr a C, y se repite el clculo para encontrar una nueva
C.
A este mtodo, se le conoce como: Mtodo de la falsa posicin.
45

EJEMPLO:
Encontrar la raz de f(x)=cosx por el mtodo de la falsa posicin en el intervalo
[1,2] y s =0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(C_ant= 99999 para arrancar
Itera=0
s =0.001
Encontrado= False
fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161
fc=f(Cact=1.5649)= cos(1.5649)= 0.005896

f(Cact)= 0.005896 no es igual a 0? no
ERA (Cact=1.5649, C_ant = 99999)= 1.5649 - 99999 / 1.5649 a no es menor a s
fC*f(a) < 0
(0.005896)*(0.5403) 0 es diferente a cero
a = Cact= 1.5649
b=2
Itera = 1
C_ant <-- Cact = 1.5649
fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161
f(Cact=1.5709)= cos(1.5709)= - 0.0001036

f(C)= - 0.0001036 no es igual a 0
ERA (C_act=1.5709, C_ant = 1.5649)= (1.5709 - 1.5649) / 1.5709 = 0.0038194 a no es
menor a s
fC*f(a) < 0
(-0.0001036)*(0.005896) < 0 s es menor a cero
46

a = a =1.5649
b = Cact = 1.5709
Itera = 2
C_ant = 1.5709
f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036
f(Cact=1.5707)=cos (1.5707)= -0.00000006629

f(Cact)*f(a) es igual? no
Raz = 1.5707
Otra Manera de ver el mtodo:

Como mencionamos anteriormente, sera bueno considerar si la raz de una ecuacin
est localizada ms cerca de alguno de los extremos del intervalo.
Consideremos nuevamente una grfica como la anterior,
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el
intervalo
a, b .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje x esta recta, nos aproximaremos mucho ms rpido a la raz; sta es
en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia
47

con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son
prcticamente idnticos.
Supongamos que tenemos una funcin

y adems,
f ( xa )
f ( xb )
f (x)
que es contnua en el intervalo
xa , xb
tienen signos opuestos.
Calculemos la ecuacin de la lnea recta que une los puntos

Sabemos que la pendiente de esta recta esta dada por:
( xa , f ( xa )) , ( xb , f ( xb )) .
Por lo tanto la ecuacin de la recta es:
Para obtener el cruce con el eje x , hacemos y 0 :
Multiplicando por
xb xa nos da:
Finalmente, de aqu despejamos x :
48

Este punto es el que toma el papel de

biseccin.
xr
en lugar del punto medio del mtodo de
As pues, el mtodo de la regla falsa sigue los siguientes pasos:

Sea
f (x)
continua,
i) Encontrar valores iniciales

es decir,
xa , xb
f ( xa )
tales que
f ( xb )
tienen signos opuestos,
ii) La primera aproximacin a la raz se toma igual a:
iii) Evaluar
f ( xr ) . Forzosamente debemos caer en uno de los siguientes casos:
f ( xa )
tanto la raz se encuentra en el intervalo
f ( xr )
tienen signos opuestos, y por lo
xa , xr .
49


que
f ( xr )
en el intervalo
f ( xb )
f ( xa )
f ( xr )
tienen el mismo signo, y de aqu
tienen signos opuestos. Por lo tanto, la raz se encuentra
xr , xb .
En este caso se tiene que
f ( xr ) 0
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo
1,2 y hasta que
f ( x) e x ln x ,
a 1% .
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que f (x)
es contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa.
Calculamos la primera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As pues,
evaluamos
Y hacemos nuestra tabla de signos:

50

De donde vemos que la raz se encuentra en el intervalo

Con este nuevo intervalo, calculamos la nueva aproximacin:
1,1.397410482 .
En este momento, podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo seguimos con el proceso.

Evaluamos
signos:
f ( xr2 ) f (1.321130513) 0.011654346 0 , y hacemos la tabla de
De donde vemos que la raz se encuentra en el intervalo

podemos calcular la nueva aproximacin:
1.1.321130513 , con el cual,
51

Y el error aproximado:
Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia
de la lentitud del mtodo de la biseccin.
Ejemplo:
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo 0,1 y hasta que
f ( x) arctan x x 1 ,
a 1% .
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se
cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que
f (x) sea
contnua en el intervalo dado y que f (x) tome signos opuestos en los extremos de dicho
intervalo.
Calculamos pues, la primera aproximacin:
Como solamente tenemos una aproximacin, debemos avanzar en el proceso.

Evaluamos
f ( xr1 ) arctan(0.5600991535) 0.5600991535 0.070662953 0

52

De lo cual vemos que la raz se localiza en el intervalo 0,0.5600991535 .

As pues, calculamos la nueva aproximacin:
Y calculamos el error aproximado:
Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.

Evaluamos
f ( xr2 ) arctan(0.5231330281) 0.5231330281 1 0.00511533 0

.
De los cual vemos que la raz se localiza en el intervalo

podemos calcular al siguiente aproximacin:
0,0.5231330281 , con el cual
Y el siguiente error aproximado:

53

Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:
Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra
la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
f ( x) x6 1, comenzando en el intervalo 0,1.5 , donde notar que mientras que

el mtodo de biseccin requiere de 8 aproximaciones para lograr que a 1% , el
mtodo
de
la
regla
falsa
necesita
hasta
16
aproximaciones.
54

Figura. Diagramas de flujo de la Interpolacin lineal inversa
55

Leccin 5 Mtodo de Newton-Raphson
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A

diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un
intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin
xi
a la raz
Trazamos la recta tangente a la curva en el punto

punto
xi 1
xr
de f (x) ,
xi , f ( xi ) ; sta cruza al eje
que ser nuestra siguiente aproximacin a la raz
x en un
xr .
i 1 , calculamos primero la ecuacin de la recta tangente.

Para calcular el punto
Sabemos que tiene pendiente
Y por lo tanto la ecuacin de la recta tangente es:
56

Hacemos y 0 :
Y despejamos x :
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:

,
si
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure
que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos
aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no
converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los
casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es
uno de los mtodos preferidos por excelencia.
Tambin observe que en el caso de que f ( xi ) 0 , el mtodo no se puede aplicar. De

hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y
por lo tanto no intersecta al eje
cuyo caso
xi
en ningn punto, a menos que coincida con ste, en
mismo es una raz de
f (x) !
Ejemplo
Usar el mtodo de Newton-Raphson, para aproximar la raz de

comenzando con
x0 1
y hasta que
f ( x) e x ln x ,
a 1% .
SOLUCION
57

De aqu tenemos que:
x
Comenzamos con 0
1 y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.

Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
1
1.268941421
1.309108403
1.309799389
Error aprox.
21.19%
3.06%
0.052%
De lo cual conclumos que la aproximacin obtenida es:
58

Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
f ( x) arctan x x 1 , comenzando con x0 0 y hasta que
a 1% .
SOLUCION
La cual sustitumos en la frmula de Newton-Raphson para obtener:
Comenzamos sustituyendo x0 0 para obtener:
a
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultados en la

siguiente tabla:
Aprox. a la raz
0
0.5
0.5201957728
0.5202689918
Error
aprox.
100%
3.88%
0.01%
De lo cual conclumos que la aproximacin obtenida es:

59

Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros reales
positivos.
SOLUCION
Sea R 0 . Queremos calcular x tal que
x R ; elevando al cuadrado x2 R , o bien:
x2 R 0
Esto nos sugiere definir la funcin f ( x) x R de donde
datos en la frmula de Newton-Raphson nos da:
2
xi 1 xi
f ( x) 2x . Al sustituir estos
xi2 R
2 xi
La cual simplificada nos da:
1
R
xi 1 xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
x
comenzando con 0
R 26
y apliquemos la frmula obtenida,
5 . Resumimos los resultados en la siguiente tabla:

Aprox. a la raz
5
5.1
5.099019608
5.099019514
De lo cual conclumos que
Error aprox.
1.96%
0.019%
0.0000018%
26 5.099019514, la cual es correcta en todos sus dgitos!

60

La misma idea puede aplicarse para crear algoritmos que aproximen races
nmeros reales positivos.
n -simas de
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una

forma muy rpida y de hecho, observamos que el error aproximado disminuye a pasos
agigantados en cada paso del proceso. Aunque no es nuestro objetivo establecer
formalmente las cotas para los errores en cada uno de los mtodos que hemos estudiado,
cabe mencionar que si existen estas cotas que miden con mayor precisin la rapidez
lentitud del mtodo en estudio.
El mtodo de Newton-Raphson o simplemente el mtodo de Newton, es uno de los
mtodos numricos para resolver un problema de bsqueda de races f(x)=0 ms
poderosos y conocidos.
Figura. Aproximaciones con tangentes sucesivas.

Esta figura muestra como se obtienen las aproximaciones usando tangentes
sucesivas. Comenzando con la aproximacin inicial xo, la aproximacin x1 es la
interseccin con el eje x de la lnea tangente a la grfica de f en (xo, f(xo)). La
aproximacin x2 es la interseccin con el eje de las x de la lnea tangente a la
grfica de f en (x1, f(x1)) y as sucesivamente.
61

Figura. Aproximaciones conociendo los valores xIs.

m=tan =f(x) pendiente de la recta que pasa por (xi, f (xi)).
m=tan = Cateto opuesto / Cateto adyacente =

Lo que en realidad se desea saber es cuanto vale xi+1 para tomarlo en cuenta
para la siguiente iteracin, y as seguira sucesivamente, hasta obtener la raz.
Ejemplo:
Encontrar la raz de f(x)=x5+x2=9 con un valor inicial de xo=1.5 y s = 0.001.
SOLUCION:
f(x)= x5+x2-9 f(x)= 5*x4+2*x
f(xo=1.5)= (1.5)5+(1.5)2 - 9 = 0.84375
f(xo=1.5)=5* (1.5)4+2*(1.5)= 28.3125
x1 = xo - f(xo) / f(xo)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x1, xo)=
(que no es menor a s)
62

f(x1 =1.4701)= (1.4701)5+(1.4701)2 - 9 = 0.03027251527

f( x1 =1.4701)=5*(1.4701)4+2*(1.4701)= 26.300465906
x2 = x1 - f(x1) / f(x1)= 1.4701 - (0.03027 / 26.3004) = 1.4690476496
ERA (x2, x1)=
(que no es menor a s )
f(x2 =1.469)= (1.469)5+(1.469)2 - 9 = 0.0004339341

f( x2 =1.469)=5*(1.469)4+2*(1.469)= 26.2250948663
x3 = x2 - f(x2) / f(x2)= 1.469 - (0.00043 / 26.2250) = 1.46903110316
ERA (x3, x2)=
3=1.46903110316
(que s es menor a s )
Fallas del mtodo de Newton-Raphson

1.- El mtodo es atrapado por una raz imaginaria f(x).
Figura. Falla 1 de Newton-Raphson

2.- Cuando la raz es un punto de inflexin.
63


3.- El mtodo cae en un punto mximo o mnimo (o en sus cercanas).

Ejemplo
Encontrar la raz de f(x)=ex-3*x=0 que se encuentra en [0,1] usando xo=0 y el
mtodo de Newton con una s =0.001.
SOLUCION:
f(x)= ex-3*x
recordemos que
f(x)= ex-3
sustituyendo para x1 con xo=0
ERA (x1=0.5, xo=0)=
ERA (x2=0.6101, x1=0.5)=
(es mayor a s )
(es mayor a s )
ERA (x3=0.618997350866, x2=0.6101)=

(es mayor a s)
x4= x3 - (ex3-3* x3 / ex3-3 = 0.6189 - (e0.6189-3* (0.6189) / e0.6189-3)= 0.619028039928
ERA (x3=0.6190280399928, x2=0.6189)
64

< s =0.001
4=0.619023039928
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H3)1/2
Donde:
Q - Cantidad de agua que pasa por le vertedor en pies3/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con s =0.001 y Ho=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H3)1/2
f(H)=12 - 3.33*(3-0.2*H)*( H3)1/2 = 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H3)-1/2 (3*H2)+ ( H3)1/2*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)-3/2(3*H2)*(-3.33)*(-0.2H)*(1/2)*(H)3/2
(3*H2)+(3.33)*(0.2)*(H3/2)
f(H)=-14.985*H1/2+0.99*H*H-3/2*H2+0.666*H3/2
f(H)=-14.985*H1/2+1.665*H3/2
f(H)=12-3.33*(3-0.2H)*(H3)1/2
f(H)=-14.985*H1/2+1.665*H3/2
Hi+1 =
Iniciar con Ho=B/2, Ho=3/2, Ho=1.5
Hi
f(Hi)
F(Hi)
1.5
-4.51
-15.32
1.20517
1.20517 -0.16
-14.26
1.19362
9.5837x10-3
1.19362 -14.20
0.000278
1.19360
0.000016756
Hi+1
ERA
2=1.19360.
65

Leccin 6 Iteracin o mtodo iterativo de punto fijo y Ejercicios de la

Unidad
Este mtodo se aplica para resolver ecuaciones de la forma
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
en
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial xo. Ejemplo xo = 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero xo. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
xo = 0 , = 0.001
x1 = (xo/2) + 4 = 0 + 4 = 4
ERA (x1,xo)
x2 = (x1/2) + 4 = 6
ERA (x2,x1
x3 = (x2/2) + 4 = 7
ERA (x3,x2
x4 = (x3/2) + 4 =7.5
ERA (x4 = 7.5, x3= 7)
66

x5 = (x4/2) + 4 = 7.75
ERA (x5,x4
x6 = (x5/2) + 4 = 7.875
ERA (x6, x5)=
x7 = (x6/2) + 4 = 7.9375
ERA (x7, x6
x8 = (x7/2) + 4 = 7.96875
ERA (x8,x7)=
x9 = (x8/2) + 4 = 7.984375
ERA (x9,x8)=
x10 = (x9/2) + 4 = 7.9921875
ERA (x10,x9)=
10 = 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el xo. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y xo = 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
xo=0
x1=2*(0)+4=4
x2=2*(4)+4=12
x3=2*(12)+4=28
x4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con xo=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que xo= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
xo = -4; x1=2*(-4)+4 x1= -4
Sea f(x) = x+4 = 0 con xo=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se
67

asegura que este despeje sirva.

Probemos
Con xo=0
x1=2*xo+4=2*(0)+4=4
x2=2*x1+4=2*(4)+4=12
x3=2*x2+4=2*(12)+4=28
x4=2*x3+4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz.
Intentemos otro despeje:
f(x)=x+4=0
se despeja con respecto a (3/2)x
(3/2)*x - (1/2)*x + 4 = 0
(3/2)*x=(1/2)*x - 4
x= (2/3)*(1/2)*x - (2/3)*(4)=(1/3)*x - (8/3)
- (8/3)
checando que (1/3) < 1 se asegura que el despeje realizado si sirve.
Probemos con xo=0 x_ant =xo=0
x_act = (x_ant / 3) - 2.66 = 0 - 2.66 = -2.66
ERA (x_act = -2.66, x_ant = 0)
x_ant = x_act = -2.66

Itera=1
x_act = (-2.66/ 3) - 2.66 = -3.5466

ERA (x_act =-3.5466, x_ant = -2.66)
x_ant = x_act = -3.5466
Itera=2
x_act = (-3.5466/ 3) - 2.66 = -3.8422

ERA (x_act =-3.8422, x_ant = -3.5466)
x_ant = x_act = -3.8422
Itera=3
68

x_act = (-3.8422/ 3) - 2.66 = -3.9407

ERA (x_act =-3.9407, x_ant = -3.8422)
x_ant = x_act = -3.9407
Itera=4
x_act = (-3.9407/ 3) - 2.66 = -3.9735

ERA (x_act =-3.9735, x_ant = -3.9407)
x_ant = x_act = -3.9735
Itera=5
x_act = (-3.9735/ 3) - 2.66 = -3.9845

ERA (x_act =-3.9845, x_ant = -3.9735)
(que no es menor a s )
x_ant = x_act = -3.9845
Itera=6
x_act = (-3.9845/ 3) - 2.66 = -3.9881

ERA (x_act =-3.9881, x_ant = -3.9845)
(que si es menor a s )
-3.9881
Esto tiende al nmero -4. Al nmero -4 se le llama punto fijo de g(x), sin importar cual sea
el xo. El punto fijo de g(x) es la raz de f(x).
Otros Ejemplos:
1)
La ecuacin
2)
La ecuacin
se puede transformar en
se puede transformar en
.
.
69

Dada la aproximacin
, la siguiente iteracin se calcula con la frmula:
Supongamos que la raz verdadera es
, es decir,
Restando las ltimas ecuaciones obtenemos:
Por el Teorema del Valor Medio para derivadas, sabemos que si

en
y diferenciable en
entonces existe
es contnua
tal que
En nuestro caso, existe
en el intervalo determinado por
tal que:
De aqu tenemos que:
O bien,
Tomando valor absoluto en ambos lados,
70

Observe que el trmino
es precisamente el error absoluto en la
sima iteracin, mientras que el trmino

la
corresponde al error absoluto en
sima iteracin.
Por lo tanto, solamente si

, entonces se disminuir el error en la
siguiente iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si
para
en un intervalo
que contiene a la raz y donde
diferenciable, pero diverge si
es contnua y
en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
En el ejemplo 1,
que
En
y claramente se cumple la condicin de
. Por lo tanto el mtodo s converge a la raz.

el
ejemplo
2,
en
este
caso,
. Por lo tanto, el mtodo no converge a la raz.

Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo 1
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
y hasta que
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Con un error aproximado de
Aplicando nuevamente la frmula iterativa tenemos,

71

Y un error aproximado de
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se

necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al
1%. El resultado final que se obtiene es:
Con un error aproximado igual al
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
Solucin
Si despejamos la
y hasta que
del trmino lineal, vemos que la ecuacin equivale a
de donde,
. Un vistazo a la grfica,
72

Nos convence que

, para
el mtodo s converge a la raz buscada.
, lo que es suficiente para deducir que
Aplicando la frmula iterativa, tenemos:
Con un error aproximado del 100%.

Aplicando nuevamente la frmula iterativa, tenemos:
Con un error aproximado igual al 28.41%.

En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
Error aprox.
0
-0.2
100%
-0.1557461506
28.41%
-0.1663039075
6.34%
-0.163826372
1.51%
-0.164410064
0.35%
73

De donde vemos que la aproximacin buscada es:
Figura. Diagramas de flujo del mtodo de iteracin.

Ejemplo:
Encontrar una raz por el mtodo iterativo del punto fijo.
Solucin:
f(x)=x*ex - 1 = 0 empezar con xo=0 y un Epsilon=0.001
x*ex = 1
x= 1 / ex
74

x= e-x
g(x)= e-x
g´(x)= e-x *[d(-x)/ dx]
si se cumple
Para x=0
que no es
Por lo tanto vemos que pasa con x>0 y x<0:
ejecute;(x)= - e-x
Por ejemplo para:
x=10
si se cumple
Esto asegura que el despeje hecho si funciona para valores de x0.

Probemos:
Dado que xo=0 se debe empezar con otro valor como xo=0.1 xo=1 y con la
ecuacin iterativa xact=e-xant
x1=1
x2=e-1=0.367879441171
x3=e-x2 =0.692200627556
x4=e-x3=0.500473500563
x5=e-x4=0.606243535086
x6=e-x5=0.545395785975
x7=e-x6=0.579612335503
x8=e-x7=0.560115461361
x9=e-x8=0.57114311508
x10=e-x9=0. 564879347391
x11=e-x10=0.568428725029
x12=e-x11=0. 566414733147
x13=e-x12=0.567556637328
x14=e-x13=0.566908911922
x15=e-x14=0.567276232175
Esto tiende a converger al nmero 0.5673 Al nmero 0.567276232175 se le llama

punto fijo de g(x), sin importar cual sea el xo. El punto fijo de g(x) es la raz de f(x).
75

EJEMPLO:
Encontrar una raz para f(x)=5*x2-4*x-7 por el mtodo iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).
Solucin:
Propongamos primero una funcin g(x)
5*x2-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)-1)
g(x)=7*[(-1)*(5*x-4)-1-1((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)-2(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)2 = -35 / (5*x-4)2
Probemos para los lmites del intervalo dado para -0.9.
Ahora probemos para -0.8.
Por lo tanto el despeje propuesto, es decir g(x) si nos sirve.

Encontremos el punto fijo de g(x) es decir la raz de f(x). Adems de percatarnos
que no es necesario un intervalo sino un solo valor de arranque, por lo que se
trabajar con el valor inicial de xo=-0.85 el cual se encuentra dentro del intervalo
(-0.9,-0.8).
xo= -0.85
x1=7 / (5*xo-4) = -0.848484848486
x2=7 / (5*x2-4) = -0.849264705882
x3=7 / (5*x2-4) = -0.8488631129735
x4=7 / (5*x3-4) = -0.849069868054
x5=7 / (5*x4-4) = -0.848963423031
El valor tiende a -0.849 punto fijo de g(x) y raz de f(x).
EJEMPLO:
Encontrar una raz para f(x)=x2-x-2 por el mtodo iterativo del punto fijo cuyas
races son (-1,2)
Propongamos varias funciones de g(x) y veamos cuales de ellas si nos pueden
servir:
1) respecto a la segunda
76

x2-x-2=0
x2-2=x
g1(x)=x= x2-2
2) respecto a x2
x2-x-2=0
x2=2+x
x= (2+x)1/2
2) g2(x)= -(2+x)1/2
3) g3(x)= (2+x)1/2
4) respecto a x2
x2-x-2=0
x2=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g4(x)= 1+2/x
5) factorizamos a x
x2-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g5(x)= 2 / (x-1)
Probemos si g1(x) nos puede servir para encontrar las dos races (-1,2).
g1(x)=x2-2
g1(x)=2*x
2*x < 1
x<1/2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con xo=0
xAct=xAnt-2
x1= xo2-2
x1=-2
x2= x12-2=(-2)2-2=2
x3= (-2)2-2=2
Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con xo=1.5
x1= (1.5)2-2
x1=0.25
x2= x12-2=-1.9375
x3= x22-2=1.75390625
x4= x32-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<
77

(1/2) para esta ecuacin iterativa.

Probemos ahora g2(x)
g2(x)=-(2+x)1/2
g21(x)=-(1/2)* (2+x)-1/2
(1/2)* (2+x)-1/2< 1
(2+x)1/2 esta dividiendo y pasa multiplicando:
1 / (2*(2+x)1/2)< 1
1/2 < (2+x)1/2
elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75
Figura. Races en el plano cartesiano

Esto lo que quiere decir es que el despeje propuesto g2(x), nos debe de servir para
poder encontrar las dos races -1 y 2.
Probemos con xo=0 en g2(x):
xAct=-(2+xAnt)1/2 Ecuacin iterativa
x1= -(2+xo)1/2=-1.41421356237
x2= -(2+x1)1/2=-0.765366864732
x3= -(2+x2)1/2=-1.11114046604
x4= -(2+x3)1/2=-0.94279347365
x5= -(2+x4)1/2=-1.02820548839
x6= -(2+x5)1/2=-0.9857
tiende a -1, punto fijo de g(x) y raz de f(x).
Probando con xo=0 en g3(x):
xAct=(2+xAnt)1/2 Ecuacin iterativa
x1= (2+xo)1/2=1.41421356237
x2= (2+x1)1/2=1.84775906502
x3= (2+x2)1/2=1.96157056081
x4= (2+x3)1/2=1.99036945335
tiende a 2, punto fijo de g(x) y raz de f(x).
78

Por lo tanto xo si nos sirve para encontrar las dos races.

Probando con g4(x):
g4(x)=1 + 2/x
g4(x)=2*(-1) / x2
g4(x)= -2 / x2
x2 > 2
x > 21/2
x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g5(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g5(x)= 2 / (x-1) = 2*(x-1)-1
g5(x)=2*(-1)*(x-1)-2 dx/dx
g5(x)= -2 / (x-1)2
Probemos s esto fuese vlido para encontrar la raz igual a -1.
Y el despeje propuesto, si nos sirve para encontrar esta raz.

Ahora probemos si el despeje de g5(x), nos sirve para encontrar la raz igual a 2.
Y el despeje propuesto, no nos sirve para encontrar la segunda raz.
79

Figura. Formas de convergencia.
80

EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
y hasta que
.
Solucin:
2. Usa el mtodo de biseccin para aproximar la raz de

Solucin:
y hasta que
3. Usa el mtodo de la regla falsa para aproximar la raz de

y hasta que
Solucin:
4. Usa el mtodo de la regla falsa para aproximar la raz de

y hasta que
Solucin:
5.
Usa
el
.
mtodo
de Newton-Raphson
comenzando con
Solucin:
para aproximar
y hasta que
Solucin:
7.
raz
.
de
6. Usa el mtodo de Newton-Raphson para aproximar la raz de

comenzando con
la
y hasta que
Usa el mtodo de iteracin del punto fijo para aproximar la raz de

comenzando con
y hasta que
.
81

Solucin:
8. Usa el mtodo de iteracin del punto fijo para aproximar la raz de

comenzando con
y hasta que
.
Solucin:
82

BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin

Ed. Mc Graw Hill. Mxico.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.
7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.

Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).
83

DIRECCIONES DE SITIOS WEB:
1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la

vanguardia.
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound
84

Modulo Unidad1 Met Num PDF

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

Modulo Unidad1 Met Num PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

100401 METODOS NUMERICOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INTRODUCCIN A LOS MTODOS NUMRICOS

Introduccin a los Mtodos Numricos. 7

Leccin 1 Exactitud y Precisin. 65

Leccin 3 Mtodo de biseccin.. 81

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ALCANCE DEL CURSO ACADEMICO

El estudiante comprender la importancia de los mtodos numricos y conocer Las

Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con

Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo

Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e

Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de

Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la

Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INTRODUCCIN A LOS MTODOS NUMRICOS

Por que sucedi todo esto?

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Mapa Conceptual Mtodos Numricos

Qu ocurre en la construccin y anlisis del mtodo?

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Mtodo, Algoritmo, Receta, proceso, procedimiento,

para la solucin de un problema dado.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CAPITULO 1: CONCEPTOS BASICOS.

Los errores numricos se generan con el uso de aproximaciones para representar

Los errores de truncamiento, resultan de representar aproximadamente un procedimiento

Esto genera errores de truncamiento durante el procedimiento.

Los errores de redondeo resultan de representar aproximadamente nmeros que son

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

resultados impresos en la tabla de velocidades no son totalmente exactos puesto que el

Esto genera errores de redondeo durante los clculos.

En ambos casos tenemos que:

Definicin. Definimos el error absoluto como:

Esta definicin de error tiene un pequeo defecto, como veremos en el siguiente:

Al medir la longitud de una varilla para construccin se obtiene el resultado aproximado de

Solucin. Tenemos los siguientes resultados:

Para el caso del clavo, el error absoluto se calcula como:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Existen dos preguntas en clculos numricos de suma importancia como son:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 1 Exactitud y Precisin

Errores Inherentes o Heredados:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede

Error de Redondeo Inferior:

Error de Redondeo Superior:

Error de desbordamiento de informacin o derrame de informacin Overflow:

Este error recibe tambin el nombre de sobreflujo. En el lenguaje tcnico de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Error de desbordamiento de informacin o derrame de informacin Underflow:

Este error recibe tambin el nombre de subflujo. En el lenguaje tcnico de computacin

5) Error por redondeo

6) Error por truncamiento

Si p* es una aproximacin de p, y si p es el valor real, entonces:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo se define