ESCUELA SUPERIOR DE INGENIERIA

MECANICA Y ELECTRICA

UNIDAD ZACATENCO

METODOS NUMERICOS

TORRES CASTAÑEDA LUIS ANGEL

BOLETA:2018307341

ESCAMILLA GARCIA SILVIANO

TAREA NO.3

METODO DE LA TANGENTE
Método de la Tangente.

¿En qué consiste el método? Método de las tangentes o de Newton-Raphson

Descripción geométrica

El método de las tangentes o de Newton-Raphson proporciona un método para encontrar las raíces de una funció
similar al de la bisección y al de la secante, pero con una convergencia en general más rápida, para aquellos caso
en los que existe convergencia. Esta convergencia no siempre se da para todas las ecuaciones, pero sí existen una
condiciones que si se cumplen, la garantizan.

Se parte de nuevo de la búsqueda de una raíz de f(x)=0 en un intervalo [a, b] tal que f(a).f(b)<0, al igual que en los
métodos anteriores.

En este método, el punto p1 interior al intervalo que se postula como valor aproximado de la raíz p, está dado po
corte con el eje x de la recta tangente a la función en alguno de los dos extremos del intervalo.

Si, como en el ejemplo de la figura, la tangente se toma en el extremo superior del intervalo, la ecuación de la rec
tangente es:

y=m (x-p1)

Siendo:

m=f '(x=b)

Dado que esta recta pasa por el punto (b, f(b)), la primera aproximación al valor de la raíz p, está dada por:

f(b)=f '(b) (b-p1) => p1=b-f(b)/f '(b)

El punto p1 obtenido probablemente no es la raíz p. En tal caso, se puede trazar de nuevo la tangente a la función
pasando por el punto (p1, f(p1)). Esta recta tangente cortará al eje x en un punto p2, que constituirá una nueva
aproximación a la raíz de la función:

p2=p1-f(p1)/f '(p1)

El método se puede repetir sucesivamente trazando las tangentes sobre los puntos obtenidos en el paso anterior
Convergencia del método

En el método descrito, la secuencia pn de cortes de las tangentes no siempre converge a la raíz p de la función, p
en los casos de convergencia, lo suele hacer muy rápidamente. Obsérvese que se trata de un método abierto, es
decir, no es necesario estrictamente determinar un intervalo [a, b] que contenga la raíz, tan solo un punto a parti
del cual empezar a calcular las tangentes. Además, los sucesivos puntos pn no tienen porqué caer dentro del
intervalo [a, b], incluso en los casos de convergencia. Pueden caer fuera y posteriormente converger hacia la raíz

Criterio de convergencia

Dado un intervalo [a, b], que contenga la raíz buscada, la primera tangente se deberá trazar desde a si se cumple
que:

f(a).f '(a)<0

o desde b si:

f(b).f '(b)>0

Explicar por qué.

Además, para que la sucesión pn converja a la raíz p es suficiente que, siendo xo el primer punto donde se calcula
tangente (a ó b):
 f(xo).f ''(xo) >0

f ''(x) tiene el mismo signo para todo x del intervalo [a, b]

En cualquiera de los casos, si en el proceso resulta un punto pn tal que f '(pn)=0, el método no podría continuar
(¿por qué?).

¿En dónde podemos implementar dicho método?

En ecuaciones diferenciales en soluciones lineales así cono para
programas específicos donde podemos implementar las herramientas
de este método para facilitar los cálculos atreves de la programación o
cálculos directos
¿Pasos para lograr su solución?
Paso 0
Definir f(x)
Escribir xi (aproximación inicial)
Definir la tolerancia (E)
Pedir el No máximo de iteraciones (I)

Paso 1
Inicializar el contador de iteraciones (iContador)

Paso 2
Mientras iContador <= I seguir con los pasos 3 al 6

Paso 3

Calcular la siguiente aproximación con la fórmula

Paso 4
Si / x - xi / < E, entonces salir y escribir como solución aproximada a X

Paso 5

iContador = iContador + 1. Además xi pasa a ser x, es decir, la aproximación anterior.

 ¿Formulas generales para la solución?

¿Qué es el margen de error?

En términos estadísticos el margen de error se refiere a la cantidad de error de muestreo
aleatorio resultado de la elaboración de una encuesta. Es un término importante dentro de
la investigación de mercados ya que define el nivel de confianza de los resultados obtenidos en
la encuesta o investigación. A mayor margen de error existe un menor grado de confianza en la
investigación y viceversa.

Antes de iniciar una investigación debemos definir a nuestra población. El margen de error
puede ser significativo si una población no se define en la forma correcta, o si los
procedimientos de selección no se siguen en la forma apropiada.

Del tamaño de la muestra dependen muchos factores de nuestra investigación. ¿Qué tanto
puede el error de la muestra aleatoria afectar nuestras encuestas?

El margen de error nos da una estadística; Mientras más pequeños sean éstos márgenes, los
resultados de nuestras encuestas serán más exactos. En una muestra probabilística cada
elemento de la población tiene una probabilidad de selección.

Aquí el investigadores se puede asegurar de que su información proviene de una parte

representativa de la población de interés para su estudio y además puede calcular el error.

En una muestra no probabilística destaca la aleatoriedad al momento de seleccionar los

elementos específicos de la población. Esto sucede porque la selección se hace de acuerdo a lo
que más no convenga o porque esta muestra resulta más económica y rápida de hacer.
Podemos decir, de cierta manera que en este tipo de muestra excluimos a cierto subgrupo de
la población.

Los resultados de un muestreo no probabilístico no proyectan a la población total

Podemos tener un filtro en una muestra de acuerdo a nuestros intereses, de tal manera que si
queremos que la encuestas sea contestada, por ejemplo, por 100 personas mayores de 30
años, hacemos uso de un muestreo por cuotas y filtramos a los que no cumplan con esta
característica.

Podemos tener una muestra donde existan personas menores de edad, pero al contestar la
primera pregunta en una encuesta, nos daremos cuenta de que no cumplen con los requisitos
para continuar contestando nuestra encuesta y podemos programar una lógica de salto para
dar por terminada la sesión.

Seguiremos recibiendo respuestas de otros encuestados que han aceptado de antemano

participar en la investigación, hasta completar las 100 encuestas online contestadas por
personas mayores de 30 años que planeamos.

En las muestras no probabilísticas no podemos conocer el grado de representatividad de la

población, ni calcular el margen de error.

Dónde se hace uso de las muestras probabilísticas

Establece un área de muestreo, traza una ruta y selecciona diversos hogares a encuestar. Así
puedes ir casa en casa encuestando y cubriendo un área geográfica determinada. Aquí
podríamos tener un error en nuestra muestra, por ejemplo, si tocamos en una casa y nadie nos
abre la puerta, en este caso no podríamos encuestar a los que allí viven.

Definitivamente al encuestar en la vía pública, afuera de un comercio o vía telefónica no aplica

que hagamos un muestreo probabilístico por el simple hecho de que no se puede encuestar a
todos debido a la lejanía de algunas zonas.

Si hablamos de hacer encuestas por teléfono tenemos que tomar en cuenta que no
todos tienen este servicio, ni existe una base de datos completa de los números de teléfonos
celulares como el de las guías telefónicas.

En búsqueda de mejores muestras y menos margen de error

Como dijimos anteriormente, mientras más pequeños sean éstos márgenes de error, los
resultados de las encuestas serán más exactos, por ello hay que trabajar para que las muestra
sea más eficientes, para que nuestros clientes no se sorprendan al publicar los resultados del
margen de error de nuestras encuestas

¿Cómo sabemos si dicha función tiene solución?

Si dentro de la ejecución del metro las escalas de donde resulta
que la función se convierte en 0 entonces esta tiene una o varias
raíces y por lo tanto tiene un sistemas de soluciones o solución