Raics D Funciona Metodos-Numericos PDF

CATEDRA 0
Facultad de Ingeniería de Minas, Geología y Civil

Departamento académico de ingeniería de minas y civil
METODOS
NUMERICOS
Solución de Ecuaciones No Lineales
Ingeniería Civil
ING. CRISTIAN CASTRO P.
Capitulo IV
Ecuaciones Algebraicas
No Lineales
ING. CRISTIAN CASTRO P.

MÉTODOS NUMÉRICOS
RAÍCES DE ECUACIONES
DEFINICIÓN
ECUACIONES ALGEBRAICAS
• Solución de una ecuación algebraica de primer grado
es solución de:
• Solución de una ecuación algebraica de segundo grado
es solución de:
• Solución de una ecuación trascendente
es solución de:
BÚSQUEDA DE UNA RAÍZ
BÚSQUEDA DE VARIAS RAÍCES
RAÍCES DE POLINOMIOS
EJEMPLOS DE APLICACIÓN EN
INGENIERÍA
RAÍCES DE ECUACIONES
SUMILLA:
ECUACIONES ALGEBRAICAS NO LINEALES
- Consideraciones generales
- Solución de ecuaciones no lineales
- Separación de raíces
- Métodos para ecuaciones con una sola variable:
- Método de búsqueda incremental,
- Iteración de punto fijo,
- Método de bisección,
- Método del Regula-Falsi,
- Método de Newton-Raphson,
- Método de la secante,
- Criterios de convergencia
- Condicionamiento
- Raíces de polinomios
- Deflación
- Algoritmos.
Ecuaciones Algebraicas
Lineales No lineales
Metodos
Numericos
Interval
Halving False
(o bisection) Position Ridder
(o regula falsi)
Succesive
Secant Muller
Substitution
(o fixed-point)
Wegstein Newton
Metodos Raphson
Analiticos
Brent
Broyden
Homotopy
Dogleg step
Hook step
Para problemas multidimensionales

Métodos Numéricos para
Ecuaciones con una sola Variable
MÉTODOS PARA ECUACIONES CON UNA SOLA VARIABLE
Los métodos descritos en esta sección están orientados a la solución de
ecuaciones que contienen una sola variable.
Se supondrá que la ecuación por resolver está escrita en la forma:
f x   0
La raíz de la ecuación es un valor de “x” que satisface la ecuación; por lo
tanto, los métodos para resolver la ecuación se denominan métodos para
encontrar raíces.
CONTENIDO
• Antecedentes
• Método para ecuaciones con una sola variable
• Métodos de búsqueda incremental
• Método de iteración de punto fijo
• Método de bisección
• Método de Newton-Raphson
• Método de secante
• Método de Muller
Antecedentes
• La finalidad principal de las matemáticas aplicadas es determinar los
valores de x que cumplan con f(x) = 0. A estos valores se denomina
raíces o ceros de la ecuación
• Para polinomios de 1er. a 3er. orden existen fórmulas que permiten
lograr el objetivo antes dicho, sin embargo para grados superiores la
situación se complica
• Para la resolución de las expresiones no lineales (ENL) no es posible
resolverlas salvo por aproximaciones sucesivas.
• Se presentarán a continuación procedimientos para encontrar raíces,
algunos válidos para cualquier ecuación y otros sólo para polinomios
• Una de las razones para mostrar alternativas es poder responder a la
pregunta principal del análisis numérico: cuál de los procedimientos
disponibles puede alcanzar un nivel de deseado de exactitud lo más
rápido posible, mayor certeza y con menos problemas para empezar
• Sistemas algebraicos no lineales por computadora son de especial
ayuda par obtener raíces de ecuaciones por simple inspección
Ecuaciones algebraicas no lineales
Objetivo
Sea f(x) una función no lineal en x. Hallar el valor de x, x*,
tal que se cumple f(x*)=0.
x* se suele denominar el cero o raíz de f(x)
x* se puede determinar por medios analíticos (solución
exacta) o por medios numéricos (solución aproximada)
La elección del método numérico depende del problema a

resolver (estructura del problema, tipo de ecuaciones,
precisión requerida, rápidez del cálculo,....).
Por tanto no existe un mejor método universalmente aplicable.
Tipos de métodos
Métodos acotados (bracketing methods) Métodos abiertos (open methods)

Métodos acotados vs. Métodos abiertos
Métodos acotados
La raíz está situada en un intervalo (necesita dos
puntos). Acaba convergiendo dentro de una
tolerancia.
Métodos abiertos
Sólo emplean un punto inicial (o dos puntos que no
tienen por qué contener a la raíz) y una fórmula para
encontrar la raíz. No siempre convergen, pero
cuando lo hacen son mucho más rápidos que los
métodos acotados.
Métodos abiertos
•Emplean una aproximación funcional para obtener el nuevo valor
estimado de la raíz (línea recta, cuadrática, polinomio)
•Métodos:
•Punto-fijo (sustitución sucesiva o directa)
•Newton-Raphson (línea recta empleando información del gradiente)
•Secante (línea recta empleando dos puntos)
•Muller (aprox. cuadrática empleando tres puntos)
Comparación entre ambos métodos.
Similaridades:
•Ambos métodos necesitan DOS valores iniciales
Convergence Rate
•Requieren un procedimiento para determinar el
cambio de signo.
10
•Acaban convergiendo a la raíz con cierta tolerancia 1
Relative Errors
Diferencias: Bisection method
•El cálculo del nuevo punto estimado se hace con

diferentes estrategias
False-position method
•En general el método de la posición falsa converge
más rápido que el de la bisección.
Number of iterations
PRECAUCIONES EN EL USO
DE MÉTODOS CERRADOS
f(x)
f ( x i ).f ( x s )  0
f(xi)
hay una raíz
3 raíces (o 5, o 7 o …)
hay un número impar de raíces
xi xs x
f(xs)
f(x)
f ( x i ).f ( x s )  0
f(xi)
hay una raíz
3 raíces (1 simple y 1 doble)
hay un número impar de raíces
xi xs x
f(xs)
f(x)
f ( x i ).f ( x s )  0
f(xi)
no hay raíz
2 raíces (o 4, o 6 o …)
hay un número par de raíces
f(xs)
xi xs x
f(x)
f ( x i ).f ( x s )  0
f(xi)
no hay raíz
1 raíz doble
hay un número par de raíces
f(xs)
xi xs x
• Los métodos cerrados siempre convergen,
aunque lentamente.
• En la mayoría de los problemas el método de
la regla falsa converge más rápido que el de
bisección.
• Conviene utilizar la calculadora graficadora
o una computadora para graficar la función
y realizar acercamientos necesarios hasta
tener claridad sobre su comportamiento.
Análisis Numérico de
Ecuaciones No
Lineales
Métodos Numéricos
Aplicados a la Ingeniería
Temario
Métodos cerrados:
Métodos gráficos
Método de bisección
Método de la posición falsa
Métodos abiertos:
Iteración simple de punto fijo
Método de Newton-Raphson
Método de la secante
Raíces de polinomios:
Método de Müller
Método de Bairstow
MÉTODO GRÁFICO
f(x)
Visual
x
xr
MÉTODO GRÁFICO
x f(x)
x
f ( x)  e x
0 1
0.05 0.90122942
0.1 0.80483742
0.15 0.71070798 1
0.2 0.61873075
0.25 0.52880078 0.8
0.3 0.44081822
0.35 0.35468809 0.6
0.4 0.27032005
0.4
0.45 0.18762815
0.5 0.10653066 0.57
0.2
0.55 0.02694981
0.6 -0.05118836 0
0.65 -0.12795422 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
0.7 -0.2034147 -0.2
0.75 -0.27763345
0.8 -0.35067104 -0.4
0.85 -0.42258507
-0.6
0.9 -0.49343034
0.95 -0.56325898 -0.8
1 -0.63212056
FUNDAMENTOS CONCEPTUALES:
• Manejar adecuadamente las DEFINICIONES de:

• LÍMITE, CONTINUIDAD Y DIFERENCIABILIDAD DE
FUNCIONES.
• SUCESIONES CONVERGENTES Y DIVERGENTES.
• INTEGRAL DE RIEMANN.
• SERIES DE TAYLOR Y DE MaCLAURIN.
• TEORÍA DE ERRORES Y TÉCNICAS DE REDONDEO.
• Ejemplificar los siguientes TEOREMAS:

• EL QUE RELACIONA LA DIFERENCIABILIDAD Y LA
CONTINUIDAD
• DE ROLLE
• DEL VALOR MEDIO
• DEL VALOR INTERMEDIO
Teorema de ROLLE
Teorema de ROLLE
Teorema de ROLLE Generalizado
Teorema de ROLLE Generalizado
Teorema del Valor Medio
Teorema del VALOR INTERMEDIO
Teorema del VALOR INTERMEDIO
Método de la
Búsqueda
Incremental
Métodos Numéricos
Método de Búsqueda Incremental
MÉTODO DE BÚSQUEDA INCREMENTAL

Este método es el análogo numérico de la determinación de una raíz de una
ecuación al graficar f(x) contra “x” con el propósito de observar el punto en
que f(x) cruza el eje “x”.
ALGORITMO:
1) Un contador i se iguala a cero, se elige un valor inicial x0, se elige un
incremento h y se calcula un valor de referencia f0 igula a f(x0).
2) i se incrementa en 1, xi se iguala a (x0+ih) y se calcula f(xi).
3) Si  f 0  f xi   0 , se regresa al paso 2; en caso contrario, se continúa

con el paso 4.
4) Se calcula la raíz “x” a partir de x  xi  h f  xi   f  xi   f  xi  h 

Ejercicio de Aplicación
Desviación de una viga en voladizo
Una viga voladiza horizontal se somete a una carga vertical uniforme. La viga
se extiende desde su extremo fijo (x=0) hasta su extremo libre (x=L). La
desviación máxima δmax se produce en (X=L). La desviación δ en el punto
(x=αL) está relacionada con δmax mediante:
f     4  4 3  6 2  3 /  max  0
Aplicar el método de búsqueda incremental para resolver la ecuación para el
valor de  al que   max es igual a 0.75.
Solución:
A partir del problema físico, se espera que para α entre 0 y 1 exista una
solución y que esté más proxima a 1 que a 0. Por consiguiente, se elige un
valor inicial α0 igual a 1 y se usa un incremeno negativo h = -0.05.
Búsqueda con  0  1 , f 0  0.75 y h  0.05
Método de
Aproximaciones
Sucesivas
Métodos Numéricos
Método de Aproximaciones Sucesivas
MÉTODO DE ITERACIÓN DE PUNTO FIJO

También denominado método de aproximaciones sucesivas, requiere
volver a escribir la ecuación f(x) = 0 en la forma x = g(x).
El procedimiento empieza con una estimación o conjetura inicial de x, que es
mejorada por iteración hasta alcanzar la convergencia. Para que ocurra
convergencia, la derivada (dg/dx) debe ser menor que 1 en magnitud. La
convergencia será establecida mediante el requisito de que el cambio en x de
una iteración a la siguiente no sea mayor en magnitud que alguna pequeña
cantidad ε.
ALGORITMO:
Método de Iteración de Punto Fijo
1) Se conjetura un valor inicial x0 y se elige un parámetro de convergencia
.
2) Se calcula un valor mejorado xmejorado a partir de xmejorado  g  x0 
3) Si xmejorado  x0   , x0 se iguala a xmejorado y se vuelve al paso 2; en
caso contrario, xmejorado es la raíz aproximada.
Un punto fijo de una función g(x) es un número p tal que g(x) = p.

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

que existe g’(x) en (a, b) y una constante positiva k<1 cuando
|g’(x)| <= k, pata toda x  (a, b),
Entonces, para cualquier punto p0 en [a, b] la sucesión definida por
pn = g(pn–1), n >=1
Converge en el único punto fijo p en [a, b].
Gráfica del algoritmo de punto fijo

y=x
y y
y=x p3= g(p2)
y = g(x)
p2= g(p1)
p2= g(p1)
p1= g(p0)
p3= g(p2)
y = g(x)
p1= g(p0)
p1 p3 p2 p0 x p0 p1 p2 x
Casos de no convergencia
y=x
y y
y=x
y = g(x)
y = g(x)
x x
Desviación de una viga en voladizo
Una viga voladiza horizontal se somete a una carga vertical uniforme. La viga
se extiende desde su extremo fijo (x=0) hasta su extremo libre (x=L). La
desviación máxima δmax se produce en (X=L). La desviación δ en el punto
(x=αL) está relacionada con δmax mediante:
f     4  4 3  6 2  3 /  max  0
Aplicar el método de aproximaciones sucesivas para resolver la ecuación para
el valor de  al que   max es igual a 0.75. Empezar con  0  0.75 y usar el
criterio xmejorado  x0  10 5 para indicar la convergencia.
Solución:
La ecuación se reescribe como   g    3 /  max 

 4 3   4 / 6
Luego,  mejorado  g  0 
La sucesión de valores  mejorado se tabula para números de iteraciones
denotadas por i.
i 0  mejorado i 0  mejorado
1 0.750000 0.776863 9 0.811333 0.811682
2 0.776863 0.791745 10 0.811682 0.811889
3 0.791745 0.800240 11 0.811889 0.812011
4 0.800240 0.805166 12 0.812011 0.812084
5 0.805166 0.808048 13 0.812084 0.812127
6 0.808048 0.809743 14 0.812127 0.812152
7 0.809743 0.810742 15 0.812152 0.812167
8 0.810742 0.811333 16 0.812168 0.812176
El último valor calculado de  mejorado es la raíz estimada:   0.812176

Método de
Punto Fijo
Métodos Numéricos
Problema f(x)=0
Sustitución sucesiva
y 1. Transformar a x=g(x)
2. Seleccionar un punto inicial x0
y= x
3. Calcular nuevo valor xi+1=g(xi)
4. Repetir hasta llegar a la tolerancia requerida
y= g(x) y
Raiz
y= x
x2 x1 x0 x
y= g(x)
Si:
|g’(x)|<1 El algoritmo converge linealmente
|g’(x)|>=1 El algoritmo diverge
x3 x1 x0 x2 x
MÉTODO DEL PUNTO FIJO
1. Considera la descomposición de la función f(x) en

una diferencia de dos funciones: una primera g(x)
y la segunda, siempre la función x: f(x) = g(x) - x.
2. La raíz de la función f(x) se da cuando f(x) = 0, es
decir, cuando g(x) – x = 0, por lo que g(x) = x.
3. El punto de intersección de las dos funciones, da
entonces el valor exacto de la raíz.
4. El método consiste en considerar un valor inicial
x0, como aproximación a la raíz, evaluar el valor
de esta función g(x0), considerando éste como
segunda aproximación de la raíz.
5. El proceso se repite n veces hasta que g(x)coincide
prácticamente con x.
f(x)
x
f(x)
f ( x )  g( x )  x
x
• La fórmula de recurrencia para el método del punto
fijo se obtiene de considerar una función que el
resultado de sumar la función f con la función
identidad:
g(x)  f(x)  x
g(x)  f(x)  x
f(x)  g(x)  x
f(x)  0  g(x)  x  0
 g(x)  x
f(x)  g(x)  x
f(x)  0  g(x)  x  0
 g(x)  x
f(x)
x
g(x)
x
xr
f(x)
f(x)
x
g(x)
Las funciones x y g(x) se cortan

exactamente en la raíz xr
x
xr
f(x)
f(x)
g(x0)
g( x 0 )  x1
x0 x1 x
f(x)
g' ( x )  1
Requisito para convergencia
x0 x3 x2 x1 x
• Sólo hay convergencia si la magnitud de la pendiente

de g(x) es menor que la pendiente de la recta f(x) = x.
xi1  g(xi )
• La ecuación de recurrencia es:
x *  g(x * )
• Si x* es el verdadero valor de la raíz:
x *  xi1  g(x * )  g(xi )
• Y por el teorema del valor medio: g(x * )  g(xi )  (x *  x i )g'()
x *  xi1 Ei1
g'()  * 
x  xi Ei
• Si g'(x)  1 , los errores disminuyen en cada iteración
• Si g'(x)  1 , los errores crecen en cada iteración
g'(x) 
Convergencia
solución monótona
solución oscilante
g'(x) 
Divergencia
x
f ( x)  e x
iteración Xi f(Xi) g(Xi) e(%) e*(%)
1 0 1 1 100.00
2 1 -0.63212056 0.36787944 76.32 100.00
3 0.36787944 0.32432119 0.69220063 35.13 171.83
4 0.69220063 -0.19172713 0.5004735 22.05 46.85
5 0.5004735 0.10577003 0.60624354 11.76 38.31
6 0.60624354 -0.06084775 0.54539579 6.89 17.45
7 0.54539579 0.03421655 0.57961234 3.83 11.16
8 0.57961234 -0.01949687 0.56011546 2.20 5.90
9 0.56011546 0.01102765 0.57114312 1.24 3.48
10 0.57114312 -0.00626377 0.56487935 0.71 1.93
11 0.56487935 0.00354938 0.56842873 0.40 1.11
12 0.56842873 -0.00201399 0.56641473 0.23 0.62
13 0.56641473 0.0011419 0.56755664 0.13 0.36
14 0.56755664 -0.00064773 0.56690891 0.07 0.20
15 0.56690891 0.00036732 0.56727623 0.04 0.11
16 0.56727623 -0.00020833 0.5670679 0.02 0.06
17 0.5670679 0.00011815 0.56718605 0.01 0.04
Decisiones Función Recurrencia Xr = 0.567143

Método de
Bisección
Métodos Numéricos
Método de Bisección
Métodos acotados
Base: Una función cambia de signo en la proximidad de una raíz
•Una raíz está acotada en el intervalo [a,b] si el signo de f(a) es diferente
al signo de f(b)
Método deBisection
la bisección (o intervalo medio)
Method
f(x) Algoritmo
f(b)
1. Selecciona un intervalo [a,b] donde halla
[nuevo un cero
punto]
a Mid-point b
x 2. Calcula el punto medio como nuevo punto
3. Comprueba si hay cambio de signo en
[a,b] [a,p] o en [p,b]. Comprobación: f(a)*f(p).
Next estimate of Bisection
4. Si el producto es cero, entonces p es una
raíz. Si no es cero volver al punto 2.
f(a)
MÉTODO DE BISECCIÓN
El método de bisección también se denomina método de bipartición del
intervalo porque la estrategia es bisectar o separar a la mitad el intervalo de
xa y xb y luego retener el semiintervalo cuyos extremos siguen acotando la
raíz.
Este se clasifica como un método de acotamiento. Es aplicable a ecuaciones de
la forma f(x) = 0 cuando es posible encontrar dos valores limitantes xa y xb
tales que la función f(x) cambia de signo una vez para valores x en el intervalo
 
xa  x  xb . Por consiguiente, los valores limitantes acotan la raíz.
El requisito de que la función cambie de signo sólo una vez constituye una
manera de detrminar cuál semiintervalo retener.
• Este método se basa en encontrar una raíz de (x)=0 empezando con dos
valores que encierran o ponen entre corchetes a la raíz
• Nos damos cuenta que una función está entre corchetes cuando cambia
de signo en sus puntos extremos. La función tiene que ser continua
• Se concibe como un método de búsqueda binaria en donde se va buscando
la raíz en subintervalos de intervalos
(xm)0
(x)
(xm)1
raíz
(xa)0 (xa)1,2
(xb)2
(xb)0,1
Después de la bisección (1)
Intervalo original (0)

Se trata de encontrar los ceros de

f(x) = 0
Donde f es una función continua en [a,b] con f(a) y f(b) con signos
diferentes.
y
De acuerdo con el teorema del
valor medio, existe p  [a,b] tal
f(a)
que f(p) = 0. y = f(x)
El método consiste en dividir a la
mitad el intervalo y localizar la
mitad que contiene a p. bx
El procesos se repite hasta la
lograr la precisión deseada. a f(b)
Primera iteración del algoritmo

y Mitad del intervalo que
contiene a p
f(a)
y = f(x)
f(p1)
bx
a f(b)
p
p1=(a+b)/2
f(x)
• Consiste en considerar un intervalo (xi,
xs) en el que se garantice que la función
tiene raíz.
x
f(x) • Consiste en considerar un intervalo (xi, xs)
en el que se garantice que la función tiene
raíz.
f(xi)
• El segmento se bisecta, tomando el punto
de bisección xr como aproximación de la
raíz buscada.
xi xs x
f(xs)
raíz.
f(xi) • El segmento se bisecta, tomando el punto
de bisección xr como aproximación de la
raíz buscada.
• Se identifica luego en cuál de los dos
intervalos está la raíz.
f(xr)
xi xr xs x
f(xs)
f(x)
f(xi) xi = x r
f(xr)
xi xr xs x
f(xs)
• Consiste en considerar un intervalo (xi, xs) en el

que se garantice que la función tiene raíz.
• El segmento se bisecta, tomando como el punto de
bisección xr como aproximación de la raíz buscada
• Se identifica luego en cuál de los dos intervalos
está la raíz.
• El proceso se repite n veces, hasta que el punto de
bisección xr coincide prácticamente con el valor
exacto de la raíz.
f(x)
f(xi)
f(xr)
xi xr xs x
f(xs)
ALGORITMO: Método de Bisección
1) Se eligen los valores limitantes x a y xb (con xb  x a )
2) Se calcula
f a  f  xa  o
f b  f  xb 
3) Se calcula el punto medio del intervalo

x m   x a  xb  / 2 y se calcula
f m  f  xm 
4) Se usa (i) o (ii), dependiendo de si fa o fb está disponible a partir del
paso (2);
i) Si  f a f m   0 , recolocar xa en xm ;
En caso contrario, recolocar xb en xm
ii) Si  f b f m   0 , recolocar xb en xm ;
En caso contrario, recolocar xa en xm
5) Si xb  xa  es suficientemente pequeño; es decir, menor o igual que
alguna pequeña cantidad prescrita  , continuar con el paso (6); en caso
contrario, volver al paso (3).
6) Usar interpolacion lineal para estimar la raíz x a partir de una de las dos
expresiones:
x  xa   xb  xa  f  xa   f  xb   f  xa 
O bien
x  xb   xb  xa  f  xb   f  xb   f  xa 
Determinación del Número de Mach Crítico
El Número de Mach se refiere al cociente de la velocidad de un avión entre la
velocidad del sonido. Los aviones subsónicos experimentan flujo de aire
acelerado sobre la superficie de las alas. El Número de Mach crítico es el
Número de Mach de vuelo al que el flujo en algún punto del ala alcanza la
velocidad del sonido.
El coeficiente de presión mínimo Cp sobre una superficie aerodinámica se
define de modo que sea negativo y corresponda a la máxima velocidad del
flujo sobre la superficie aerodinámica. Al número de Mach crítico M, la
expresión para Cp es:

C p  2  0 .4 M
2
 2 .4 
3 .5
1 
0.7M 
2
Para una superficie aerodinámica se pueden efectuar pruebas preliminares a

bajas velocidades, cuando los efectos de la compresibilidad son insignificantes.
Se supondrá que el coeficiente de presión mínimo Cpi se obtiene para flujo
incompresible y se relacionará con Cp mediante la relación de Karman-Tsien:
C p C pi   1  M  M C / 2 1 
2 2
pi 1 M 2 
1
Para determinar M, la expresión para Cp se sustituye en la relación de

Karman-Tsien y con la ecuación resultante se evalúa M. La ecuación a resolver
es:
  
f M   2  0 . 4 M 2 2 . 4
3 .5
   1 M
 1 0.7 M 2 C pi  2
 
 M 2 C pi / 2 1  1  M 2 
1
0
Aplicando el método de bisección, resolver la ecuación cuando Cpi = -0.383.
Usar los valores límite (Ma=0.18) y (Mb=0.98), y detener las bisecciones
cuando (Mb-Ma) se vuelve menor o igual que 0.01
Bisección Ma Mb Mm i
f M m 
1 0.18000 0.98000 0.58000 2.44757
2 0.58000 0.98000 0.78000 -0.15476
3 0.58000 0.78000 0.68000 0.79287
4 0.68000 0.78000 0.73000 0.12313
5 0.73000 0.78000 0.75500 -0.19607
6 0.73000 0.75500 0.74250 -0.03705
7 0.73000 0.74250 0.73625 0.04284
Después de la bisección, M a  0.73625 y M b  0.74250 ; así Mb  Ma   0.01

Interpolando se produce la solución estimada:
M  0.73960 , en donde f M   4.3062 x10 5
x
f ( x)  e  x
Iteración Xi Xs f(xi) f(Xs) Xr f(Xr) e(%) e*(%)
1 0 1 1 -0.63212056 0.5 0.10653066 11.84
2 0.5 1 0.10653066 -0.63212056 0.75 -0.27763345 32.24 33.33
3 0.5 0.75 0.10653066 -0.27763345 0.625 -0.08973857 10.2 20.00
4 0.5 0.625 0.10653066 -0.08973857 0.5625 0.00728282 0.82 11.11

5 0.5625 0.625 0.00728282 -0.08973857 0.59375 -0.04149755 4.69 5.26
6 0.5625 0.59375 0.00728282 -0.04149755 0.578125 -0.01717584 1.94 2.70
7 0.5625 0.578125 0.00728282 -0.01717584 0.5703125 -0.00496376 0.56 1.37
8 0.5625 0.5703125 0.00728282 -0.00496376 0.56640625 0.0011552 0.13 0.69
9 0.56640625 0.5703125 0.0011552 -0.00496376 0.56835938 -0.00190536 0.21 0.34
10 0.56640625 0.56835938 0.0011552 -0.00190536 0.56738281 -0.00037535 0.04 0.17
11 0.56640625 0.56738281 0.0011552 -0.00037535 0.56689453 0.00038986 0.04 0.09
12 0.56689453 0.56738281 0.00038986 -0.00037535 0.56713867 7.2379E-06 0 0.04
13 0.56713867 0.56738281 7.2379E-06 -0.00037535 0.56726074 -0.00018406 0.02 0.02
14 0.56713867 0.56726074 7.2379E-06 -0.00018406 0.56719971 -8.8412E-05 0.01 0.01

 0.5
 0.75
 0.625
 0.5625
 0.59375
x
f ( x)  e x  0.578125
 0.5703125
 0.56640625






 0.567143… 1
0
Método de la
Falsa Posición
Métodos Numéricos
Método de la Falsa Posición (Regula Falsi)
MÉTODO DE LA FALSA POSICIÓN
El método de la falsa posición se puede entender como un intento por mejorar
las características de convergencia del método de bisección. Se comienza con
valores limitantes xa y xb tales que f(x) cambia de signo sólo una vez en el
intervalo de xa a xb.
Por interpolación lineal se encuentra una raíz aproximada entre xa a xb que
sirve como valor intermedio xintermedio. El nuevo intervalo que contiene la raíz
comprende ahora de xa a xintermedio o de xintermedio a xb. El razonamiento para
determinar que intervaloMethod
False-Position se retiene es le mismo que para el método de
bisección.
Algoritmo
f(x) 1. Selecciona un intervalo [a,b] donde halla
un cero
f(b)
2. Calcula un punto intersección como nuevo
punto
[nuevo f (a) f (b) f (b)[a - b])
= Þ m =b-
a punto] point
Intersection b m- a m- b f (a) - f (b)
x
3. Comprueba si hay cambio de signo en
[a,b]
[a,p] o en [p,b]. Comprobación: f(a)*f(p).
4.
Next estimate of False-position Si el producto es cero, entonces p es una
raíz. Si no es cero volver al punto 2.
f(a)
(xint)0
(x)
(xint)1
raíz
(xa)0 (xa)1
(xa)
2
(xb)0,1,2
Después de la iteración (1)
Intervalo original (0)

MÉTODO DE LA REGLA FALSA
f(x)
• Consiste en considerar un intervalo (xi, xs)
raíz.
x
f(x)
• Consiste en considerar un intervalo (xi, xs)
f(xi) raíz.
• Se traza una recta que une los puntos
(xi, f(xi)), (xs, f(xs))
xi xs x
f(xs)
raíz.
f(xi) • Se traza una recta que une los puntos
(xi, f(xi)), (xs, f(xs))
• Se obtiene el punto de intersección de esta
recta con el eje de las abscisas: (xr, 0); se
toma xr como aprox. de la raíz buscada.
xi xs x
f(xs)
• Consiste en considerar un intervalo (xi, xs) en el que
f(x) se garantice que la función tiene raíz.
• Se traza una recta que une los puntos (xi, f(xi)),
(xs, f(xs)) y se obtiene el punto de intersección de
f(xi) esta recta con el eje de las abscisas: (xr, 0); se toma
xr como aproximación de la raíz buscada.
• Se identifica luego en cuál de los dos intervalos está
la raíz.
xi xr xs x
f(xr)
f(xs)
f(x)
f(xi) xs = x r
xi xr xs x
f(xr)
f(xs)
• Consiste en considerar un intervalo (xi, xs) en el
que se garantice que la función tiene raíz.
• Se traza una recta que une los puntos (xi, f(xi)),
(xs, f(xs))
• Se obtiene el punto de intersección de esta recta
con el eje de las abscisas: (xr, 0); se toma xr como
aproximación de la raíz buscada.
• Se identifica luego en cuál de los dos intervalos
está la raíz.
• El proceso se repite n veces, hasta que el punto de
intersección xr coincide prácticamente con el valor
exacto de la raíz.
f(x)
f ( x s )( x i - x s )
f(xi) xr = x s -
f ( xi ) - f ( x s )
xi xr xs x
f(xr)
f(xs)
f(x)
f(xi)
xi xs x
f(xs)
f(x)
Caso de convergencia lenta
x
• La fórmula de recurrencia para el método de la regla
falsa se obtiene de comparar dos triángulos semejantes:
f(xi ) f(x s )

xr  xi xr  x s
(xr  x s )f(xi )  (xr  xi )f(x s )
xr f(xi )  x s f(xi )  xr f(x s )  xi f(x s )
xr f(xi )  xr f(x s )  x s f(xi )  xi f(x s )
xr [f(xi )  f(x s )]  x s f(xi )  xi f(x s )
x s f(xi )  xi f(x s )
xr 
f(xi )  f(x s )
ALGORITMO:
Método de la Falsa Posición
1) Se eligen los valores limitantes xa y xb (con xb  x a )
2) Se calcula f a  f  xa  o f b  f  xb  y un contador i se coloca en cero
3) EL contador i se incrementa en 1 y se calcula el punto xint ermedio a partir
de una de las dos expresiones:
xint ermedio  xa   xb  xa  f  xa   f  xb   f  xa 
O bien
xint ermedio  xb   xb  xa  f  xb   f  xb   f  xa 
4) Se calcula f int ermedio  f  xint ermedio 
5) Dependiendo de si fa o fb está disponible a partir del paso (2), se usa i o ii
i) Si  f a f int ermedio   0 , xa se recoloca en xint ermedio ;
En caso contrario, xb se recoloca en xint ermedio
ii) Si  f b f int ermedio   0 , xb se recoloca en xint ermedio ;
En caso contrario, xa se recoloca en xint ermedio
6) Si f  xint ermedio  es suficientemente pequeño; es decir, menor o igual que
alguna pequeña cantidad prescrita  , o si f alcanza un límite de iteración
N, xint ermedio se considera como la raíz aproximada; en caso contrario,
volver al paso (3).
Determinación del Número de Mach Crítico
El Número de Mach se refiere al cociente de la velocidad de un avión entre la
velocidad del sonido. Los aviones subsónicos experimentan flujo de aire
acelerado sobre la superficie de las alas. El Número de Mach crítico es el
Número de Mach de vuelo al que el flujo en algún punto del ala alcanza la
velocidad del sonido.
El coeficiente de presión mínimo Cp sobre una superficie aerodinámica se
define de modo que sea negativo y corresponda a la máxima velocidad del
flujo sobre la superficie aerodinámica. Al número de Mach crítico M, la
expresión para Cp es:
 2  0.4 M  2 .4  
3 .5
2
1
Cp
0.7 M  2
Para una superficie aerodinámica se pueden efectuar pruebas preliminares a

bajas velocidades, cuando los efectos de la compresibilidad son insignificantes.
Se supondrá que el coeficiente de presión mínimo Cpi se obtiene para flujo
incompresible y se relacionará con Cp mediante la relación de Karman-Tsien:
C p C pi   1  M  M2 2

C pi / 2 1  1  M 2

1
Para determinar M, la expresión para Cp se sustituye en la relación de

Karman-Tsien y con la ecuación resultante se evalúa M. La ecuación a resolver
es:
  
f M   2  0 . 4 M 2 2 . 4
3 .5

 1 0.7 M 2 C pi    1 M 2
 
 M 2 C pi / 2 1  1  M 2 
1
0
Aplicando el método de falsa posición, resolver la ecuación cuando Cpi=-
0.383. Usar los valores límite (Ma=0.18) y (Mb=0.98), y terminar las
 
iteraciones cuando f M int ermedio se vuelve menor o igual que 10-2.
Iteración Ma Mb M int i
f M int 
1 0.18000 0.98000 0.74306 -0.04414
2 0.18000 0.74306 0.74258 -0.03804
3 0.18000 0.74258 0.74217 -0.03278
4 0.18000 0.74217 0.74181 -0.02825
5 0.18000 0.74181 0.74151 -0.02435
6 0.18000 0.74151 0.74124 -0.02099
7 0.18000 0.74124 0.74101 -0.01809
8 0.18000 0.74101 0.74082 -0.01560
9 0.18000 0.74082 0.74065 -0.01345
La raíz estimada es:

M  0.74065 , en donde f M   0.01345
x
f ( x)  e x
iteración Xi Xs f(xi) f(Xs) Xr f(Xr) e(%) e*(%)
1 0 1 1 -0.63212056 0.61269984 -0.07081395 8.03
2 0 0.61269984 1 -0.07081395 0.30634992 0.42977907 45.98 100.00
3 0.30634992 0.61269984 0.42977907 -0.07081395 0.45952488 0.17205878 18.98 33.33
4 0.45952488 0.61269984 0.17205878 -0.07081395 0.53611236 0.04890582 5.47 14.29
5 0.53611236 0.61269984 0.04890582 -0.07081395 0.5744061 -0.01136694 1.28 6.67
6 0.53611236 0.5744061 0.04890582 -0.01136694 0.55525923 0.01866424 2.1 3.45
7 0.55525923 0.5744061 0.01866424 -0.01136694 0.56483266 0.0036226 0.41 1.69
8 0.56483266 0.5744061 0.0036226 -0.01136694 0.56961938 -0.00387865 0.44 0.84
9 0.56483266 0.56961938 0.0036226 -0.00387865 0.56722602 -0.00012965 0.01 0.42
10 0.56483266 0.56722602 0.0036226 -0.00012965 0.56602934 0.00174607 0.2 0.21
11 0.56602934 0.56722602 0.00174607 -0.00012965 0.56662768 0.00080811 0.09 0.11
12 0.56662768 0.56722602 0.00080811 -0.00012965 0.56692685 0.0003392 0.04 0.05
13 0.56692685 0.56722602 0.0003392 -0.00012965 0.56707644 0.00010477 0.01 0.03
14 0.56707644 0.56722602 0.00010477 -0.00012965 0.56715123 -1.244E-05 0 0.01

MODIFICADO
• Las funciones con curvatura significativa hacen
que el método de la regla falsa converja muy
lentamente.
• Esto se debe a que con interpolación lineal, uno
de los valores extremos se queda estancado.
• Para tales casos, se ha encontrado un remedio:
el método de la regla falsa modificado, que
reduce a la mitad el valor de la función en el
punto extremo que se repita dos veces, con lo
que la convergencia se acelera significativamente
MODIFICADO
f(x)
f(xi)
f(xi)/2
f(xi)/4
x
Método de
Newton-Raphson
Métodos Numéricos
Problema g(x)=0
1. Seleccionar un punto inicial x0
2. Calcular g(xi) y g’(xi)
Newton Raphson 3. Aplicar la tangente en ese punto y en el corte con el
eje de abcisas tenemos el nuevo punto estimado
g(xi)
xi+1=xi-
g’(xi)
y
g(x)
•Necesita conocer la derivada de la
función
•Convergencia cuadrática (rápida)
•Puede no converger (depende de la
función y de la estimación inicial)
x2 x1 x0 x
El Método de Newton-Raphson
• Es lejos uno de los métodos más usados para resolver ecuaciones

• Se basa en una aproximación lineal de la función, aunque
aplicando una tangente a la curva
• A partir de una estimación inicial x0 se efectúa un desplazamiento
a lo largo de la tangente hacia su intersección con el eje x, y se
toma ésta como la siguiente aproximación
f ( x0 ) f ( x0 )
tan   f '( x0 )  , x1  x0 
x0  x1 f '( x0 )
Se continua el calculo al estimar (x0)
f ( x1 ) 
x2  x1 
f '( x1 ) x1 x0
x0-x1
Se calculan f ( x0 ) y f '( x0 )
IF (f ( x0 )  0) AND (f '( x0 )  0)
Algoritmo Repeat
Se Hace x1  x0
Para determinar una raíz de (x)=0 Se Hace x0  x0  f ( x0 ) / f '( x0 )
dado un valor de x0 razonablemente Until ( x0  x1  valor de tolerancia 1) OR ( f ( x0 )  valor de tolerancia 2)
próximo a la raíz End IF

END
• Este algoritmo al menos en la vecindad converge más rápido que

cualquiera de los antes vistos
• Al ser un método cuadráticamente convergente el resultado neto es que
el número de cifras decimales de exactitud casi se duplica en cada
iteración
• Tiene como inconveniente la necesidad de dos evaluaciones funcionales
en cada paso, (xn) y ’(xn) y encontrar la derivada de la función
• El método de Newton se relaciona con la interpolación por la Secante ya
que cociente de las diferencias es una aproximación de la derivada
• El método de Newton funciona con raíces complejas si se proporciona un
valor de este tipo para el valor inicial
La ecuación de la recta f(x)

tangente es:
y – f(xn) = f ’ (xn)(x – xn)
Cuando y = 0, x = xn+1 o sea
Pendiente = f ’ (xn)
0 – f(xn) = f ’ (xn)(xn+1– xn) f (xn)
o
f ( xn )
xn 1  xn  xn+1 xn
f '( xn )
Ejemplo
Determinar la raíz de la siguiente función (x)=3x + sen x – ex=0
f ( x)  3 x  senx  e x ,
f '( x)  3  cos x  e x
x0  0
f ( x0 ) 1.0
x1  x0   0.0   0.33333;
f '( x0 ) 3.0
f ( x1 ) 0.068418
x2  x1   0.33333   0.36017;
f '( x1 ) 2.54934
f ( x2 ) 6.279 *104
x3  x2   0.36017   0.3604217;
f '( x2 ) 2.50226
Después de 3 iteraciones la raíz es correcta hasta con 7 dígitos significativos

MÉTODO DE NEWTON RAPHSON
f(x)
• Consiste en elegir un punto inicial
cualquiera x1 como aproximación de la
raíz.
x
f(x)
• Consiste en elegir un punto inicial cualquiera
x1 como aproximación de la raíz y obtener el
f(x1) valor de la función por ese punto.
• Trazar una recta tangente a la función por
ese punto.
x1 x
f(x) • Consiste en elegir un punto inicial cualquiera
x1 como aproximación de la raíz.
• Obtener el valor de la función por ese punto y
f(x1) trazar una recta tangente a la función por
ese punto.
• El punto de intersección de esta recta con el
eje de las abscisas (xr, 0), constituye una
segunda aproximación de la raíz.
x1 x2 x
f(x)
f(x1)
f(x2)
x1 x2 x
• Consiste en elegir un punto inicial cualquiera x1

como aproximación de la raíz.
• Obtener el valor de la función por ese punto y trazar
una recta tangente a la función por ese punto.
• El punto de intersección de esta recta con el eje de
las abscisas (xr, 0), constituye una segunda aproxi
mación de la raíz.
• El proceso se repite n veces hasta que el punto de
intersección xn coincide prácticamente con el valor
exacto de la raíz.
f(x)
f(xi)
f(x1)
x i+1 xi 
f'(xi)
f(x2)
x1 x2 x
• El método de Newton Raphson se puede deducir
a partir de la interpretación geométrica que
supone que el punto donde la tangente cruza al
eje x es una interpretación mejorada de la raíz.
f(xi1 )  f(xi )
f '(xi ) 
xi1  xi
0  f(xi )
f '(xi ) 
xi1  xi
f(xi )
xi1  xi  
f '(xi )
f(xi )
xi1  xi 
f '(xi )
• En realidad, el método de Newton Raphson, que supone la
obtención de la raíz de f(x), se obtiene a partir de su desarrollo
en serie de Taylor, la cual se puede escribir:
f(xi+1 ) = f(xi ) + f '(xi )(xi+1 - xi ) + R2

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

Y realizando manipulaciones algebraicas:
f(xi )
xi1  xi 
f '(xi )
f(x)
f(x1)
f(x2)
f(x3)
x1 x2 x3 x
• En ocasiones resulta difícil o imposible obtener la primera
derivada de la función. En tal caso, se puede hacer una
aproximación suficientemente buena de su valor en xi, por
diferencias finitas hacia delante:
f(xi  h)  f(xi )
f '(xi ) 
h
o por diferencias finitas hacia atrás:
f(xi )  f(xi  h)
f '(xi ) 
h
con h = 0.001, por ejemplo.
• Si la función no tiene singularidades en la vecindad de la raíz
, ambas aproximaciones por diferencias funcionan bien.
• El método de Newton Raphson converge muy rápi-

damente, pues el error es proporcional al cuadrado
del error anterior:
• La velocidad de convergencia cuadrática se explica
teóricamente por la expansión en serie de Taylor,
con la expresión:
Ei1  R2
• El número de cifras significativas de precisión se
duplica aproximadamente en cada iteración
x
f ( x)  e x
iteración Xi f(Xi) f'(Xi) e(%) e*(%)
1 0 1 -2 100.00
2 0.5 0.10653066 -1.60653066 11.84 100.00
3 0.566311003 0.00130451 -1.567615513 0.15 11.71
4 0.567143165 1.9648E-07 -1.567143362 0.00 0.15
5 0.56714329 4.4409E-15 -1.56714329 0.00 0.00
Derivada Función Recurrencia Xr = 0.567143

La velocidad de convergencia es muy sensible al valor inicial elegido
f(x)
lento
rápido
x
Newton-Raphson
Aunque el método trabaja bien, no existe garantía de convergencia.
f(x)
x3 x1
x0 x2 x
Aunque el método trabaja bien, no existe garantía de convergencia.
f(x)
x0 x2 x4 x1 x3 x
Desventajas
f(x) f(x)
x1 x0
x2 x x0 x2 x1 x
mínimo local
raíz cerca de punto de inflexión
f(x) f(x)
x1
x0 x x0 x1 x
la iteración en un mínimo
varias raíces
Desventajas
Método de la
Secante
Métodos Numéricos
Problema g(x)=0
1. Seleccionar dos puntos iniciales x0,x1
2. Calcular la recta que pasa por esos puntos
Secante 3. El corte con el eje de abcisas da el nuevo punto
estimado. Volver a calcular la recta.
xi+1-xi
xi+1=xi- g (xi+1)
g (xi+1)-g (xi)

y
g(x)
•No Necesita conocer la derivada de

la función (la aproxima).
•Necesita dos puntos iniciales.
•Puede no converger.
x3 x2 x1 x0 x
El Método de la secante
• Se supone que  (x) es

lineal en la vecindad de la
raíz
• Se eligen puntos próximos
a ésta y se traza una línea
recta
• Si bien es cierto  (x) no es
lineal y x2 no es igual a la (x0)
raíz debe estar muy
próxima. Mejores
estimaciones se logran
iterando y reemplazando los
valores xo y x1
( x1  x2 ) ( x0  x1 ) (x1)

f ( x1 ) f ( x0 )  f ( x1 )
( x0  x1 )
x2 x1 x0
x2  x1  f ( x1 )
f ( x0 )  f ( x1 )
Raíz
Algoritmo
Para determinar una raíz de (x)=0 dados dos valores, x0 y x1 próximos a la solu
ción
IF f (x0)  f (x1)
Intercambiar x0 con x1.
Repeat
Sea x2  x1  f (x1)*(x0  x1)/[ f (xo )  f (x1)].
Sea x0  x1.
Sea x1  x2.
Until f (x2)  valor de tolerancia
End IF
END
MÉTODO DE LA SECANTE
• Consiste en elegir dos puntos iniciales cualquiera x0,

x1 para los cuales se evalúan los valores de la función
f(x0) = f(x1)
• Se traza una recta secante a la función por esos dos
puntos.
• El punto de intersección de esta recta con el eje de
las abscisas (x2, 0) constituye una segunda aprox.
de la raíz.
• El proceso se repite n veces hasta que el punto de
intersección xn coincide prácticamente con el valor
exacto de la raíz.
Secante
N-R modificado o Método de la Secante
Una de las formas de obtener la fórmula recursiva esencial

para el método de la Secante, es reemplazar por una
expresión aproximadamente equivalente, en:
Para ello, basta considerar la expresión matemática de la

Así:
f ( xi )  f ( xi 1 )
f ' ( xi )  lím
xi  xi 1 xi  xi 1 f ( xi )  f ( xi 1 )
f ' ( xi ) 
Si |xi - xi-1| <<< 0, se puede escribir: xi  xi 1
 xi  xi 1 
Sustituyendo 2 en 1, se obtiene: xi 1  xi  f ( xi )  
 f ( xi )  f ( xi 1 
)
1. Consiste en elegir dos puntos iniciales cualquiera x0, x1 para
los cuales se evalúan los valores de la función: f(x0) = f(x1)
2. Se traza una recta secante a la función por esos dos puntos.
3. El punto de intersección de esta recta con el eje de abscisas
(x2, 0) constituye una segunda aproximación de la raíz.
4. Se reemplazan los subíndices: xi = xi+1, de manera que x1
pasa a ser x0 y x2 pasa a ser x1.
5. Se traza una segunda secante por los nuevos puntos x0, x1,
obteniendo una segunda aproximación con x2.
6. El proceso se repite n veces hasta que el punto de intersec-
ción x2 coincide prácticamente con el valor exacto de la raíz.
f(x)
x
f(x)
f(x0)
f(x1)
x0 x1 x
f(x)
f(x0)
f(x1)
x0 x1 x
f(x)
xi f(xi1 )  xi1f(xi )
f(x0) xi1 
f(xi1 )  f(xi )
f(x1)
f(x2)
x0 x1 x2 x
f(x)
f(x0)
f(x10)
f(x21)
x0 x10 x12 x
f(x)
f(x0)
f(x1)
x0 x1 x2 x
MÉTODO DE LAS SECANTES
f(x)
f(x0)
f(x2) f(x1)
x0 x1 x2 x
x
f ( x)  e x
iteración X0 X1 f(X0) f(X1) X2 f(X2) e(%) e*(%)
1 0 0.4 1 0.27032005 0.54818554 0.02981207 3.34
2 0.4 0.54818554 0.27032005 0.02981207 0.56655382 0.00092388 0.1 3.24
3 0.54818554 0.56655382 0.02981207 0.00092388 0.56714126 3.1783E-06 0 0.10
4 0.56655382 0.56714126 0.00092388 3.1783E-06 0.56714329 3.3904E-10 0 0.00
Derivada Función Recurrencia Xr = 0.567143

COMPARATIVO DE LOS ERRORES RELATIVOS
ESTIMADOS, POR DIFERENTES MÉTODOS
x
f ( x) e  x

1000.00
100.00
Error relativo estim ado porcentual
10.00
1.00
0.10
0.01
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
iteraciones
Bisección Regla falsa Punto fijo Newton-Raphson Secante

COMPARATIVO DE LOS ERRORES RELATIVOS
ESTIMADOS, POR DIFERENTES MÉTODOS
• Los métodos de bisección, de regla falsa y de punto fijo convergen
linealmente al valor verdadero de la raíz.
• El error relativo verdadero es proporcional y menor que el error
correspondiente de la iteración anterior.
• En bisección y regla falsa, la convergencia está garantizada.
• En punto fijo, la convergencia depende de que la pendiente de la
tangente no sobrepase el 1, en positivo o en negativo.
• Los métodos de Newton Raphson y de la secante convergen

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

a. x = g1(x) = x – x3 – 4x2 +10
b. x = g2(x) = ½(10 – x3)½
c. x = g3(x) = (10/(4 + x))½
d. x = g4(x) = x – (x3 + 4x2 – 10)/(3x2 + 8x)
Iteraciones de punto fijo
(a) (b) (c) (d)
1 1.5 1.5 1.5 1.5
2 -0.875 1.286953767 1.348399724 1.373333333
3 6.732421875 1.402540803 1.367376371 1.365262014
4 -469.72001200 1.345458374 1.364957015 1.365230013
5 1.02754555E8 1.375170252 1.365264748 1.365230013
6 -1.084933870E24 1.360094192 1.365225594
7 1.277055591E72 1.367846967 1.365230575
8 -2.082712908E216 1.363887003 1.365229941
9 NaN 1.365916733 1.365230022
10 1.364878217 1.365230012
11 1.365410061 1.365230013
12 1.365137820 1.365230013
13 1.365277208
14 1.365205850
15 1.365242383
20 1.365229578
25 1.365230028
30 1.365230012
Funciones graficadas en MatLab
a) b)
c) d)
Programa en MATLAB
%Objetivo: Encontrar una raíz de una función
%Sintaxis: bisec_n('nombre_f', a, b)
%nombre_f: el nombre de la función entre apóstrofos
%a y b: extremos del intervalo inicial
%Ejemplo: bisec_n ('eqn_w3', 0, 1.3)
function bisec_n(f_name, a, c)
f_name
% a, c : extremos del intervalo inicial
% tolerance : tolerancia
% it_limit : límite del número de iteraciones
% Y_a, Y_c ; valores y de los extremos actuales
% fun_f(x) ; valor funcional en x
fprintf('Método de bisección:\n\n');
tolerance = 0.000001; it_limit = 30;
fprintf(' It. a b c fa=f(a) ');
fprintf(' fc=f(c) abs(fc-fa) \n');
it = 0;
Y_a = feval(f_name, a); Y_c = feval(f_name, c) ;
if (Y_a * Y_c > 0)
fprintf('\n \n Detenido porque f(a)f(c) > O \n') ;
else
while 1
it = it + 1;
b = (a + c)/2; Y_b = feval(f_name, b) ;
fprintf('%3.0f %10.6f, %10.6f', it, a, b) ;
fprintf('%10.6f, %10.6f, %10.6f0', c, Y_a, Y_c) ;
fprintf('%12.3e\n', abs((Y_c - Y_a))) ;
if ( abs(c-a)/2<=tolerance )
fprintf('Se satisface la tolerancia. \n' );break
fprintf('\n Cambie a o b y ejecute otra vez.\n' );
end
if ( it>it_limit )
fprintf('Se excedió límite de iteraciones.\n');
break
end
if ( Y_a*Y_b <= 0 ) c = b; Y_c = Y_b;
else a = b; Y_a = Y_b;
end
end
fprintf('Resultado final: Raíz = %12.6f \n', b) ;
end
Problemas
Propuestos de IC343
Métodos Numéricos
EXAMEN DE MÉTODOS NUMÉRICOS 2003-I
La profundidad normal “y” del flujo en un canal de sección parabólica abierto de ancho “T” está
relacionada con el caudal “Q”, la pendiente del canal “S” y el coeficiente de fricción de Manning
“n” mediante las ecuaciones:
1 Qn
Q AR 2 / 3 S 1 / 2  1/ 2
 A5 / 3 P 2 / 3
n S
Determinar “y” usando cualquier método de solución de ecuaciones no lineales para el conjunto
de datos:
Caudal (Q) 100.0 m3/s 16.00
Coeficiente (n) 0.050

Pendiente (S) 0.0045
Espejo de agua (T) 16.00 m
Foco (K) 8.00 m
En el gráfico se muestra una sección típica de tipo “Baúl”, en la cual se desea determinar el tirante
normal o calado “Y” que tiene para los datos mostrados en la tabla adjunta. Además es necesario hallar
el gráfuco de la variación tirante (Y) vs. Caudal (Q), conocida como curva de descarga. Para determinar
“Y” puede utilizar cualquier método para hallar raíces de ecuaciones no lineales.
Imagine una pared de tabique con un espesor de 0.05 m. La temperatura en el lado interior de
la pared T0 = 625 ºK, pero se desconoce la temperatura del lado exterior. La pérdida de calor
de la superficie exterior se efectúa por convección y por radiación. La temperatura T1 está
determinada por la ecuación:
f T1  
k
x
 
T1 T0   T14 T4  hT1 Tf   0
Donde:
k : Conductividad térmica de la pared, 1.2 W/mºK
 : Emisividad, 0.8
T0 : Temperatura del lado interior de la pared, 625ºK
T1 : Temperatura del lado esterior de la pared, desconocida en ºK
T : Temperatura del entorno, 298 ºK
T : Temperatura del aire, 298 ºK
h : Coeficiente de transferencia de calor, 20 W/m2ºK
 : Constante de Stefan-Boltzmann, 5.67x10-8 W/m2ºK4
x : Espesor de la pared, 0.05 m
Determine T1 por cualquier método para hallar raíces de ecuaciones no lineales.
El factor de fricción f para los flujos turbulentos en una tubería esta dado por:
1 e 9.35 
 1.14  2 log10   
f  D Re f 
Llamada correlación de Colebrook.
Donde:
Re = Número de Reynolds
e = aspereza de la superficie de la tubería
D = diámetro de la tubería
Aplicación.- Con base en los resultados de la expresión mostrada, se construye el
Diagrama de Moody y que sirve para determinar f cuando se conoce el caudal. También se
puede construir el diagrama de Jonson-Rouse que sirve para determinar f cuando el caudal
es desconocido.
a) Escribir un procedimiento (pseudocódigo y/o diagrama de flujo) que resuelva la

ecuación para f, utilizando un método numérico apropiado.
b) Evalúe f ejecutando el procedimiento previo para los siguientes casos:

 D = 0.1 m e = 0.0025 m Re = 3 x 104
 D = 0.1 m e = 0.0001 m Re = 5 x 106
ECUACIONES NO LINEALES – APLICACIONES A LA INGENIERÍA
Consideremos el cable AB de la figura adjunta que muestra un cable de transmisión suspendido por acción de
su peso; con una carga vertical distribuida con intensidad constante “γL” a lo largo del cable. La intensidad de
carga “γL” se mide en unidades de fuerza por unidad de longitud. Un cable que cuelga bajo la acción de su
propio peso soporta una carga de este tipo, y la curva que adopta corresponde a un coseno hiperbólico o
catenaria. La solución de la catenaria para “c” es un resultado intermedio para calcular la tensión máxima y
mínima en el cable y la longitud “s” del mismo.
 x 
y  c cosh    1
 c 
Con un método numérico abierto y uno cerrado, calcular el valor de la constante “c” de tal forma que pueda
determinar la longitud “s” del cable usando la expresión:
x
s  c  senh  
c A B
20 m
100 m
Tarea
Texto: Análisis Numérico; Autor: R. Burden; Ejercicios 2.1:
Una artesa de longitud L tiene una sección transversal

en forma de semicírculo con radio r (ver figuras). Cuando
se llena con agua hasta una distancia h desde la parte
superior, el volumen V de agua es:
V=L[0.5πr2 - r2 arcsen(h/r) – h(r2 –h2 )1/2]
Suponga que L=10 pies, r=1 pie y que V=12.4 pies3.
Encuentre la profundidad ( D ) del agua en la artesa
dentro de 0.01 pie.
D
Tarea
Un abrevadero de longitud L tiene una sección
transversal en forma de semicírculo con radio r
(véase la figura) Cuando se llena de agua hasta una
distancia h de la parte superior, el volumen V de
agua es
V = L [ 0.5Πr2 – r2 arcsen(h/r) – h(r2 – h2)1/2 ]
Escriba un programa en MatLab amigable para el
usuario que lea los datos de este problema y
encuentre la profundidad h del abrevadero. Utilice
el método de bisección para encontrar la solución.
r
h
L
Volumen del abrevadero
h
r sen   
r
h
L
area sector  r 2
  h
    sen 1  
2 2 r
r   
h area sector  r 2  r 2   sen 1 h / r 
 2 
base  altura
area triangular  2  h r 2  h2
2
 
A  area sector  area triangular  r 2   sen 1 h / r   h r 2  h 2
2 
   
V  LA  L r 2   sen 1 h / r   h r 2  h 2 
 2  
Tarea
Texto: Análisis Numérico; Autor: R. Burden; Ejercicios 2.3:
Los problemas relacionados con la cantidad de dinero

requerida para pagar una hipoteca en un periodo fijo
(n), involucran la fórmula:
A = [1 – (1 + i )-n]*(p/i)
Donde:
A = monto de hipoteca; p = cuota; i = tasa de interés
Suponga que se necesita una hipoteca a 30 años para
una casa, por $75000 y que el deudor puede pagar a lo
sumo $625 al mes. ¿Cuál es la tasa de interés máxima
que el deudor puede pagar?
Tarea
El valor acumulado de una cuenta de ahorros puede calcularse
con la ecuación de anualidad vencida
A = P[(1 + i )n - 1 ] / i
En esta ecuación A es el monto de la cuenta, P es la cantidad
que se deposita periódicamente e i es la tasa de interés por
periodo para los n periodos de depósito. A un ingeniero le
gustaría tener una cuenta de ahorros con un monto de
$ 750,000 dólares al momento de retirarse dentro de 20 años,
y puede depositar $ 1,500 dólares mensuales para lograr dicho
objetivo. ¿Cuál es la mínima tasa de interés a que puede
invertirse ese dinero, suponiendo que es un interés compuesto
mensual?
Escriba un programa en MatLab para este problema, el
programa deberá pedir todos los datos necesarios y utilizar el
método de Newton para calcular el interés a que debe
invertirse el dinero.
Sugerencia:
Para estimar el valor inicial de i podemos
desarrollar el binomio (1 + i)n para aproximarlo a
la segunda potencia. El resultado es
2 A  nP 
i0 
nn  1P
Se sugiere validar los datos de entrada. El capital
a obtener debe ser mayor que el depósito por el
número de abonos, es decir
A > nP
Tarea
La carga en un circuito RLC serie esta dada por
 1  R 2 
qt   q0 e  Rt /( 2 L ) cos    t
 LC  2 L  
Suponga
q0/q = 0.01, t = 0.05 s, L = 5H y C = 10-6 F.
Encuentre el valor de la Resistencia R usando el
método de Newton. Haga un programa en C para
este problema.
Muchas Gracias

Raics D Funciona Metodos-Numericos 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

Raics D Funciona Metodos-Numericos PDF

Cargado por

Copyright:

Formatos disponibles

CATEDRA 0

Facultad de Ingeniería de Minas, Geología y Civil

Solución de Ecuaciones No Lineales

ING. CRISTIAN CASTRO P.

• Solución de una ecuación algebraica de segundo grado

• Solución de una ecuación trascendente

Para problemas multidimensionales

La elección del método numérico depende del problema a

Métodos acotados (bracketing methods) Métodos abiertos (open methods)

Métodos acotados vs. Métodos abiertos

Comparación entre ambos métodos.

•Acaban convergiendo a la raíz con cierta tolerancia 1

•El cálculo del nuevo punto estimado se hace con

0.7 -0.2034147 -0.2

• Manejar adecuadamente las DEFINICIONES de:

• Ejemplificar los siguientes TEOREMAS:

MÉTODO DE BÚSQUEDA INCREMENTAL

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

3) Si  f 0  f xi   0 , se regresa al paso 2; en caso contrario, se continúa

4) Se calcula la raíz “x” a partir de x  xi  h f  xi   f  xi   f  xi  h 

MÉTODO DE ITERACIÓN DE PUNTO FIJO

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

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

Gráfica del algoritmo de punto fijo

La ecuación se reescribe como   g    3 /  max 

El último valor calculado de  mejorado es la raíz estimada:   0.812176

1. Considera la descomposición de la función f(x) en

Las funciones x y g(x) se cortan

• Sólo hay convergencia si la magnitud de la pendiente

Decisiones Función Recurrencia Xr = 0.567143

Intervalo original (0)

Se trata de encontrar los ceros de

Primera iteración del algoritmo

• Consiste en considerar un intervalo (xi, xs) en el

3) Se calcula el punto medio del intervalo

Para una superficie aerodinámica se pueden efectuar pruebas preliminares a

Para determinar M, la expresión para Cp se sustituye en la relación de

Después de la bisección, M a  0.73625 y M b  0.74250 ; así Mb  Ma   0.01

2 0.5 1 0.10653066 -0.63212056 0.75 -0.27763345 32.24 33.33

3 0.5 0.75 0.10653066 -0.27763345 0.625 -0.08973857 10.2 20.00

4 0.5 0.625 0.10653066 -0.08973857 0.5625 0.00728282 0.82 11.11

6 0.5625 0.59375 0.00728282 -0.04149755 0.578125 -0.01717584 1.94 2.70

7 0.5625 0.578125 0.00728282 -0.01717584 0.5703125 -0.00496376 0.56 1.37

8 0.5625 0.5703125 0.00728282 -0.00496376 0.56640625 0.0011552 0.13 0.69

9 0.56640625 0.5703125 0.0011552 -0.00496376 0.56835938 -0.00190536 0.21 0.34

10 0.56640625 0.56835938 0.0011552 -0.00190536 0.56738281 -0.00037535 0.04 0.17

11 0.56640625 0.56738281 0.0011552 -0.00037535 0.56689453 0.00038986 0.04 0.09

12 0.56689453 0.56738281 0.00038986 -0.00037535 0.56713867 7.2379E-06 0 0.04

13 0.56713867 0.56738281 7.2379E-06 -0.00037535 0.56726074 -0.00018406 0.02 0.02

14 0.56713867 0.56726074 7.2379E-06 -0.00018406 0.56719971 -8.8412E-05 0.01 0.01

Decisiones Función Recurrencia Xr = 0.567143

Intervalo original (0)

Caso de convergencia lenta

Para una superficie aerodinámica se pueden efectuar pruebas preliminares a

Para determinar M, la expresión para Cp se sustituye en la relación de

La raíz estimada es:

2 0 0.61269984 1 -0.07081395 0.30634992 0.42977907 45.98 100.00

3 0.30634992 0.61269984 0.42977907 -0.07081395 0.45952488 0.17205878 18.98 33.33

4 0.45952488 0.61269984 0.17205878 -0.07081395 0.53611236 0.04890582 5.47 14.29

5 0.53611236 0.61269984 0.04890582 -0.07081395 0.5744061 -0.01136694 1.28 6.67

6 0.53611236 0.5744061 0.04890582 -0.01136694 0.55525923 0.01866424 2.1 3.45

7 0.55525923 0.5744061 0.01866424 -0.01136694 0.56483266 0.0036226 0.41 1.69

8 0.56483266 0.5744061 0.0036226 -0.01136694 0.56961938 -0.00387865 0.44 0.84