MÉTODOS NUMÉRICOS
EJERCICIOS PRÁCTICOS DE MÉTODOS NUMÉRICOS
3.1 Experimente y compare los métodos estudiados, hallando una solución
de la ecuación f (x) = 0, donde.
𝑓 (𝑥) = 𝑥 − 𝑥 𝑙𝑛 (𝑥)
Usamos el algoritmo del método de newton
function z=f(x)
z=x-x*log(x);
end
function z=df(x)
z=1-(log(x)+1);
end
>> [Raíz, Iteraciones]=newton (6.5,0.001,0.001)
Raíz =2.7192
Iteraciones = 3
Para comprobar la respuesta realizamos la misma función, pero aplicando el
método de secante
function z=f(x)
z=x-x*log(x);
>> [Raíz, Iteraciones]=secante (1,10,0.001,0.01)
Raíz = 2.7183
Iteraciones = 6
3.2 Experimente y compare los métodos estudiados, hallando una solución
de la ecuación f (x) = 0, donde:
𝑓(𝑥 ) = 𝑒 𝑥 − 4𝑥 2
Bisección
[sol,iter]=biseccion(1,2,0.000000001)
Se realizó 30 iteraciones.
1
MÉTODOS NUMÉRICOS
Se obtuvo una raíz o una solución de 2.0000.
Método Newton
[raiz,iteraciones]=newton(6.5,0.001,0.001)
Se realizó 6 iteraciones.
Se obtuvo una raíz de 4.3066.
Método Secante
[raiz,iteraciones]=secante(1,10,0.001,0.01)
Se realizó 2 iteraciones.
Se obtuvo una raíz de 1.0011.
3.3Considere la función 𝑓(𝑥) = 𝑥 2 + 2𝑥. Mediante el Método de
Newton, hallar el menor número positivo x para el que f(x)
function [x,k]=newton(x,tola,tolb)
y=x+100;
k=0;
while abs(f(x))>=tola & abs(x-y)>=tolb
y=x;
x=x-f(x)/df(x);
k=k+1;
end
function z=f(x)
z=x^2+2*x;
end
function z=df(x)
z=2*x+2;
end
>> [Raíz, Iteraciones]=newton (0,0.001, 0.001)
Raíz = 0
Iteraciones =0
2
MÉTODOS NUMÉRICOS
3.4 En los casos siguientes, aplicar el método de Newton con la estimación
inicial propuesta, explicar por qué falla el método.
PROBLEMA N°1:
𝑦 = 2𝑥 3 − 6𝑥 2 + 6𝑥 − 1 𝑑𝑜𝑛𝑑𝑒 𝑥𝑜 = 1
𝑦´ = 6𝑥 2 − 12𝑥 + 6
𝑓(𝑥𝑜 )
𝑥1 = 𝑥𝑜 −
𝑓´(𝑥𝑜 )
2(1)3 − 6(1)2 + 6(1) − 1
𝑥1 = 1 −
6(1)2 − 12(1) + 6
1
𝑥1 = 1 −
0
𝒙𝟏 = ∄
En este caso falla el método porque al estar el 0 como denominador, la operación es
indeterminada.
PROBLEMA N°2:
3
𝑦 = 4𝑥 3 − 12𝑥 2 + 12𝑥 − 3 𝑑𝑜𝑛𝑑𝑒 𝑥𝑜 = 2
𝑦´ = 12𝑥 2 − 24𝑥 + 12
𝑓(𝑥𝑜 )
𝑥1 = 𝑥𝑜 −
𝑓´(𝑥𝑜 )
3 3 3 2 3
3 4 (2) − 12 (2) + 12 (2) − 3
𝑥1 = −
2 3 2 3
12 (2) − 24 (2) + 12
3 37
𝑥1 = −
2 25
𝒙𝟏 = 𝟏. 𝟒𝟖
4(1.48)3 − 12(1.48)2 + 12(1.48) − 3
𝑥2 = 1.48 −
12(1.48)2 − 24(1.48) + 12
1.4424
𝑥2 = 1.48 −
2.7648
𝒙𝟐 = 𝟎. 𝟗𝟓𝟖𝟑
4(0.96)3 − 12(0.96)2 + 12(0.96) − 3
𝑥3 = 0.96 −
12(0.96)2 − 24(0.96) + 12
3
MÉTODOS NUMÉRICOS
0.9997
𝑥3 = 0.96 −
0.0192
𝒙𝟑 = −𝟓𝟏. 𝟏𝟎𝟕𝟕𝟎𝟖𝟑𝟑
PROBLEMA N°3:
𝑦 = −𝑥 3 + 3𝑥 2 − 𝑥 + 1 𝑑𝑜𝑛𝑑𝑒 𝑥𝑜 = 1
𝑦´ = −3𝑥 2 + 6𝑥 − 1
𝑓(𝑥𝑜 )
𝑥1 = 𝑥𝑜 −
𝑓´(𝑥𝑜 )
−(1)3 + 3(1)2 − (1) + 1
𝑥1 = 1 −
−3(1)2 + 6(1) − 1
2
𝑥1 = 1 −
2
𝒙𝟏 = 𝟎
−(0)3 + 3(0)2 − (0) + 1
𝑥2 = 0 −
−3(0)2 + 6(0) − 1
1
𝑥2 = 0 −
1
𝒙𝟐 = −𝟏
−(−1)3 + 3(−1)2 − (−1) + 1
𝑥3 = −1 −
−3(−1)2 + 6(−1) − 1
6
𝑥3 = −1 −
−10
𝒙𝟑 = −𝟎. 𝟒
PROBLEMA N°4:
3
𝑦 = √𝑥 − 1 𝑑𝑜𝑛𝑑𝑒 𝑥𝑜 = 2
1
𝑦´ = 2
3(𝑥+1) ⁄3
𝑓(𝑥𝑜 )
𝑥1 = 𝑥𝑜 −
𝑓´(𝑥𝑜 )
3
√2 − 1
𝑥1 = 2 −
1
2
3(2 + 1) ⁄3
1
𝑥1 = 2 −
0.1603
𝒙𝟏 = −𝟒. 𝟐𝟑
4
MÉTODOS NUMÉRICOS
3
√−4.2383 − 1
𝑥2 = −4.2383 −
1
2
3(−4.2383 + 1) ⁄3
1.736721
𝑥2 = −4.2383 −
0.152859
𝒙𝟐 = −𝟏𝟓. 𝟓𝟗𝟗𝟗
3
√−15.5999 − 1
𝑥3 = −15.5999 −
1
2
3(−15.5999 + 1) ⁄3
2.550949
𝑥3 = −15.5999 −
0.055801
𝒙𝟑 = −𝟔𝟏. 𝟑𝟏𝟓𝟎𝟏𝟐
3.5 En base a sus experiencias en la solución de los ejemplos y ejercicios, compare los
métodos estudiados para resolver la ecuación f(x) = 0. Para eso, considere las exigencias
que los métodos demandan y el número de iteraciones realizadas.
BISECCIÓN
Para hallar la solución f(x)= 0 donde f : R R.
Resolver esta ecuación significa encontrar ε ϵ R de modo que f (ε) vale 0.
En este método nos piden un punto a, un punto b y una tolerancia estos puntos deben
cumplir lo siguiente:
f (a) f (b) < 0. Significa que f(a) y f(b) tienen signos no nulos y opuestos. La solución de
f(x) = 0 debe estar en [a; b].
Este método es el que mayor cantidad de iteraciones puede realizar.
NEWTON
Para Newton la función debe ser al menos dos veces derivable, con segunda derivada
continua y la primera derivada diferente a cero y la aproximación inicial no debe ser
cercana a puntos de inflexión, mínimos o máximos locales y pendientes aproximadas a
cero.
Lo que deseamos resolver
f (x) = 0
Sea x0 ϵ R una aproximación inicial a la solución. Si f es derivable en x0 , entonces
𝑓(𝑥) − 𝑓(𝑥0 )
𝑓 , (𝑥0 ) = lim
𝑥→𝑥0 𝑥 − 𝑥0
Para x ≈ x0 se cumple
𝑓(𝑥) − 𝑓(𝑥0 )
𝑓 , (𝑥0 ) =
𝑥 − 𝑥0
de donde
5
MÉTODOS NUMÉRICOS
𝑓(𝑥0 ) = 𝑓(𝑥0 ) + 𝑓 , (𝑥0 )(𝑥 − 𝑥0 )
Para hallar las iteraciones este proceso se repite tomando ahora x1 como el nuevo valor
inicial y calculando x2 esto hasta cumplir 𝜀1 ; 𝜀2 > 0.
SECANTE
Para el método de la Secante es necesario que los valores iniciales no se vean afectados
por asíntotas, puntos de inflexión, mínimos o máximos locales y pendientes aproximadas
a cero.
𝑓 (𝑥𝑘 ) (𝑥𝑘 − 𝑥𝑘 − 1 )
𝑥𝑘+1 = 𝑥𝑘−
𝑓 (𝑥𝑘 ) − 𝑓 (𝑥𝑘 − 1 )
Para usar este método tenemos que tener dadas dos estimativas iniciales x0 ; x1 ϵ R,
además de dos tolerancias 𝜀1 ; 𝜀2 > 0.
Las condiciones para la convergencia del método secante son prácticamente las mismas
que las del método de Newton. Si bien la dificultad del cálculo explícito de la derivada
fue evitada, la desventaja de este método al momento de la convergencia este proceso
no es tan rápido.
Este método es el que menor cantidad de iteraciones puede realizar.
3.6 Usando el método de bisección, resuelva la siguiente ecuación:
0.00037𝑋11 − (x − π)2 + 𝑋 2 = −5x + 100, X∈R
0.00037𝑋11 − (x − π)2 + 𝑋 2 + 5x − 100 = 0
6
MÉTODOS NUMÉRICOS
Comentario:
En este método se requiere algún intervalo ya definido, al no presentarlo
tomamos valores aproximados, y así se encontró la solución que estaba
presente en el intervalo [2,4].
N° de iteraciones = 21
Solución de X = 3.0391
3.7 Sea:
𝑥2
𝑓(𝑥) = + 𝑥𝑙𝑛(𝑥) − 1
2
Halle sus puntos críticos puntos donde 𝑓´(𝑥) = 0 usando un método
iterativo estudiado :
2𝑥
∴ 𝑓´(𝑥) = + 𝑙𝑛𝑥 − 1
2
Según condición
𝑓´(𝑥) = 0
Comparamos
2𝑥
+ 𝑙𝑛𝑥 − 1 = 0
2
𝑥 + 𝑙𝑛𝑥 − 1 = 0
En la grafica
7
MÉTODOS NUMÉRICOS
Encontramos que el único punto crítico seria (1;0)
3.8. Halle un punto donde la función f (x) = x2 + x3 (log(x) - 3) + 850
alcanza un mínimo sobre el intervalo [10; 20].
Hallamos la derivada de función f (x)
8
MÉTODOS NUMÉRICOS
1
𝑓 ′ (𝑥) = 2𝑥 + 𝑥 3 ( ) + 3𝑥 2 (log 𝑥 − 3) + 850
𝑥 log 10
Primera Iteración:
𝑥𝑜 = 0
𝑓(𝑥𝑜) 850
𝑥1 = 𝑥𝑜 − =0− = −1
𝑓′(𝑥𝑜) 850
Segunda Iteración:
𝑓(𝑥1) 851
𝑥2 = 𝑥1 − ′
= −1 − = −2.002
𝑓 (𝑥1) 849
Tercera Iteración:
𝑓(𝑥2) 854.008
𝑥3 = 𝑥2 − = −2.002 − = −2.992
𝑓 ′ (𝑥2) 858.011
Los resultados obtenidos en las iteraciones son negativos debido a que en la
función f(x) no existe un punto relacionado en [10,20]. Antes de este
intervalo podemos considerar como mínimo [7.5,20]
9
MÉTODOS NUMÉRICOS
3.9 La concentración c de una bacteria contaminante en un lago decrece
según la expresión 𝐶(𝑡) = 80𝑒 −2𝑡 + 20𝑒 −0.5𝑡 , siendo t el tiempo en
horas. Determinar el tiempo que se necesita para que el número de
bacterias se reduzca a 7.
𝑐(𝑡) = 7
𝑓(𝑡) = 𝑐(𝑡) − 7
Entonces:
𝑐(0) =100
Usando el matlab tenemos lo siguiente:
function [x1,k]=secante(x0,x1,tola,tolb)
k=0;
while abs(f(x1))>=tola & abs(x1-x0)>=tolb
aux=x1;
x1=x1-f(x1)*(x1-x0)/(f(x1)-f(x0));
x0=aux;
k=k+1;
end
function z=f(x)
z= 80*exp(-2*x) + 20*exp(-x*1/2) - 7
Resultando:
secante (1,2,0.0001,0.0001)
z = 1.8228 z = 1.0303
z = 1.8228 z = 1.8228
z = 1.8228 z = 0.1531
z = 15.9574 z =0.1531
z = 1.0303 z = 0.1531
z = 1.0303 z = 1.0303
10
MÉTODOS NUMÉRICOS
z =0.0150 z = 2.4023e-004
z = 0.0150 z = 2.4023e-004
z =0.0150 z = 0.0150
z = 0.1531 z =3.8299e-007
z = 2.4023e-004
Rpta = 2.3291
3.10 Una determinada sustancia se desintegra según la ecuación A(t) = Pe-
0;0248t, donde P es la cantidad inicial en el tiempo t = 0 y A la cantidad
resultante después de t años. Si inicialmente se depositan 500 miligramos de
dicha sustancia, ¿cuánto tiempo debe transcurrir para que quede el 1 por
ciento de ésta? Utilizar el Método de Newton.
Ecuación de desintegración 𝐴(𝑡) = 𝑃𝑒 −0.0248𝑡
Ecuación: 𝐴(𝑡) = 500𝑒 −0.0248𝑡
𝐴(𝑡) = (500)(−0,0248)𝑒 −0.0248𝑡
𝐴′ (𝑡) = (−12,4)𝑒 −0.0248𝑡
Método de Newton: empezamos con 𝑡 = 100
𝑓(𝑥𝑛 ) 𝑓(𝑡𝑛 )
𝑥𝑛+1 = 𝑥𝑛 − ≈ 𝑡𝑛+1 = 𝑡𝑛 =
𝑓 ′ (𝑥𝑛 ) 𝑓′(𝑡𝑛 )
También sabemos:
𝐴(0) = 500 = 100%
Para 𝑡0 = 100
𝐴(100) = (500)𝑒 −0.0248(100)
𝐴(100) = 41,871612705
𝐴′(100) = (12,4)𝑒 −0.0248(100)
𝐴′(100) = −1,038416002
𝐴(𝑡0 )
𝑡1 = 𝑡0 −
𝐴′(𝑡0 )
𝐴(100)
𝑡1 = 100 −
𝐴′(100)
11
MÉTODOS NUMÉRICOS
41,871612705
𝑡1 = 100 −
−1,038416002
𝑡1 = 140,322580463
Entonces:
𝐴(0) = 500 → 100%
𝐴(100) = 41,871612795 → 𝑋%
𝑋 = 8,374322559%
Para: 𝑡1 = 140,322580463
𝐴(140,322580463) = (500)𝑒 −0.0248(140,322580463)
𝐴(140,322580463) = 15,403705885
𝐴′(140,322580463) = (12,4)𝑒 −0.0248(140,322580463)
𝐴′(140,322580463) = −0,382011896
𝐴(𝑡1 )
𝑡2 = 𝑡1 −
𝐴′(𝑡1 )
𝐴(140,322580463)
𝑡2 = 140,322580463 −
𝐴′(140,322580463)
15,403705885
𝑡2 = 140,322580463 −
−0,382011896
𝑡2 = 180,645161373
Entonces:
500 → 100%
15,403705885 → 𝑋%
𝑋 = 3,080741177%
Para: 𝑡2 = 180,645161373
𝐴(180,645161373) = (500)𝑒 −0.0248(180,645161373)
𝐴(180,645161373) = 5,666706565
𝐴′(180,645161373) = (12,4)𝑒 −0.0248(180,645161373)
𝐴′ (180,645161373) = −0,140534321
12
MÉTODOS NUMÉRICOS
𝐴(𝑡2 )
𝑡3 = 𝑡2 −
𝐴′(𝑡2 )
𝐴(180,645161373)
𝑡3 = 180,645161373 −
𝐴′(180,645161373)
5,666706565
𝑡3 = 180,645161373 −
−0,140534321
𝑡3 = 220,967743532
Entonces:
500 → 100%
5,666706565 → 𝑋%
𝑋 = 1,133341313%
Para: 𝑡3 = 220,967743532
𝐴(220,967743532) = (500)𝑒 −0.0248(220,967743532)
𝐴(220,967743532) = 2,084664765
𝐴′(220,967743532) = (12,4)𝑒 −0.0248(220,967743532)
𝐴′ (220,967743532) = −0,051699692
𝐴(𝑡3 )
𝑡4 = 𝑡3 −
𝐴′(𝑡3 )
𝐴(220,967743532)
𝑡4 = 220,967743532 −
𝐴′(220,967743532)
2,084664765
𝑡4 = 220,967743532 −
−0,051699692
𝑡4 = 261,290319632
Entonces:
500 → 100%
2,084664765 → 𝑋%
𝑋 = 0.416932953%
Entonces como el problema nos pide al 1% nuestra respuesta tendría que estar entre t3
y t4
1% de 500= 5
Entonces:
13
MÉTODOS NUMÉRICOS
5 = 500e−0,024𝑡
1
= 𝑒 −0,054𝑡
100
𝑙𝑛1 − 𝑙𝑛100 = 0,024𝑡
𝑡 = 191,882091083
Rpta:
𝑡 = 191,882091083
3.11 Una medicina administrada a un paciente produce una concentración
en la sangre dada por c(t) = Ate-t=3 mg=ml, t horas después de que se
hayan administrado A unidades. La máxima concentración sin peligro es de
1mg=ml, y a esta cantidad se le denomina concentración de seguridad.
1. ¿Qué cantidad debe ser inyectada para alcanzar como máximo esta
concentración de seguridad? ¿Cuándo se alcanza este máximo?
2. Una cantidad adicional se debe administrar al paciente cuando la
concentración baja hasta 0:25mg=ml. Determínese con un error menor de 1
minuto cuándo debe ponerse esta segunda inyección.
SOLUCIÓN:
c(t) = Ate^(-t/3)
dc/dt = A(e^(-t/3) -(t/3)e^(-t/3))
dc/dt = Ae^(-t/3)[3-t]/3
son puntos críticos:
t =0, y t= 3
t =3, c (t=3) = 1
1 = 3Ae^-1 ----------> A = 3e
¿Qué cantidad debe ser inyectada para alcanzar como
máximo esta
concentración de seguridad? A = 3e
14
MÉTODOS NUMÉRICOS
¿Cuándo se alcanza este máximo?. t=3
APLICANDO MAT LAB: MÉTODO SECANTE
RPTA:
3.12.- El crecimiento de poblaciones grandes puede modelarse en periodos
cortos suponiendo que cuya solución es:
𝑣
𝑁(𝑡) = 𝑁0 ∗ 𝑒 𝜆𝑡 + (𝑒 𝜆𝑡 − 1)
𝜆
15
MÉTODOS NUMÉRICOS
Donde N(t) es el número de individuos en el tiempo t (medido en años), 𝝀
es la razón de natalidad, 𝑵𝟎 es la población inicial y 𝒗 es una razón
constante de inmigración, que se mide en número de inmigrantes al año.
Supóngase que una población dada tiene un millón de individuos
inicialmente y una inmigración de 400, 00 individuos al año. Se observa
que la final del primer año la población es de 1506000 individuos. Se pide:
1. Determinar la tasa de natalidad:
𝑵𝟎 = 106 despejar:
𝜆
𝒗 = 4 ∗ 105
𝑵(𝟏) = 1506 ∗ 103
3 6 𝜆
4 ∗ 105 𝜆
1506 ∗ 10 = 10 𝑒 + (𝑒 − 1)
𝜆
400 𝜆
F(𝜆) = 1000𝑒 𝜆 + (𝑒 − 1) − 1506 = 0
𝜆
Para aplicar el método la secante, primeramente despejamos "𝝀" una vez
despejado lo llamaremos d otra manera por ejemplo 𝒈(𝝀):
1000𝑒 𝜆 𝜆 + 400(𝑒 𝜆 − 1)
𝝀=
1506
400 𝜆
𝝀 = 1000𝑒 𝜆 + (𝑒 − 1) − 1506 + 𝜆
𝜆
Calculamos la raíz por el método de punto fijo tomando en cuenta el
criterio [𝒈(𝝀)] = 𝟏 y el valor inicial 𝒙𝟎 = 𝟏 en ambos casos determinar
cuál ecuación converge en una raíz de 𝐅(𝝀):
1000𝑒 𝜆 𝜆 + 400(𝑒 𝜆 − 1)
𝒈(𝝀) =
1506
1000[𝑒 𝜆 𝜆+𝑒 𝜆 ] + 400(𝑒 𝜆 )
𝒈(𝝀) =
1506
En el otro caso sería:
16
MÉTODOS NUMÉRICOS
400 𝜆
𝒈(𝝀) = 1000𝑒 𝜆 + (𝑒 − 1) − 1506 + 𝜆
𝜆
(−400) 𝜆 400 𝜆
𝒈(𝝀) = 1000𝑒 𝜆 + [ (𝑒 − 1) + (𝑒 )] + 1
λ2 𝜆
Aplicando el método de la secante obtenemos:
𝑥2 = 0, 390820116865
𝑥3 = 0, 12534036450639
𝑥4 = 0, 08560613200322
𝑥5 = 0, 08483943705533
𝑥6 = 0, 08483915873218 ~ 𝜆
2. Hacer una previsión de la población al cabo de tres años:
𝑣
𝑁(𝑡) = 𝑁0 ∗ 𝑒 𝜆𝑡 + (𝑒 𝜆𝑡 − 1)
𝜆
Como:
𝒙𝟔 = 𝝀 = 0, 08483915873218
𝒕 = 3 𝑎ñ𝑜𝑠
𝑵(𝟑) = (106 𝑒 (0,08483915873218 )(3) )
4 ∗ 105
+ (𝑒 (0,08483915873218 )(3) − 1)
0, 08483915873218
𝑵(𝟑) = 2.656373587 ∗ 106
17
