Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD DE MARGARITA
REALIZADO POR:
VICTOR OJEDA
C.I.: 23.434.754
1
ÍNDICE
INTRODUCCIÓN ……………………………………………………………… 3
CONCLUSIÓN……………………………………………………………………19
BIBLIOGRAFÍAS…………………………………………………………………20
2
INTRODUCCIÓN
3
Cálculo Numérico
Las raíces de una función y=f(x) son los valores x en los cuales f(x) se
hace 0. En algunos casos, la función f tiene una forma tal que el problema se
4
puede resolver algebraicamente. Es el caso de los polinomios de grado 2, e
incluso los polinomios de grado 3 y 4. Sin embargo, en la mayoría de los
casos, el problema sólo tiene solución numérica.
Esto significa que hay que usar el computador para encontrar los valores
numéricos de las raíces. No es posible, encontrar una fórmula algebraica que
entregue las soluciones.
Orden de convergencia
5
dice que la convergencia es cúbica. Y así sucesivamente. Cuanto mayor sea
el orden de convergencia, o para el mismo orden, cuanto menor sea la
constante asintótica, mayor será la rapidez con que la sucesión de
aproximaciones converge a la raíz buscada.
Errores
6
Error humano y/o de máquina: Es el error producido por la
intervención humana, puede ser por una mala interpretación de los
datos, o por programas mal diseñados o configurados. Considérese que
para todos los tipos de errores habrá un valor verdadero de manera que
se tiene: valor verdadero = valor aproximado + error. En los métodos
numéricos una de las partes más importantes es el estudio delos
errores, y en particular, de la relación entre el error que se comete entre
la parte aproximada calculada y la verdadera solución. Se distinguen
dos tipos de errores.
Error absoluto (Ea): Viene dado por la expresión Ea=|α−x∗|, siendoαla
solución exacta yx∗ la solución obtenida en la aproximación (valor
aproximado). Error relativo (Er): Viene dado por la expresión Er=Ea|α|.
Se suele representar de manera porcentual, dado que de esta forma se
aprecia más fácilmente el error cometido. Er=Ea|α|100
7
sucesivamente hasta hacerlo tan pequeño como exija la precisión que
hayamos decidido emplear.
PROCESO
7) Si f(Ai)* f( Pi) > 0, Ai+1= Piy Bi+1= Bi; o.w. Ai+1= Ai y Bi+1= Pi)
8)Sea i = i+1, ir a 5)
ln(b−a)−lnɛ
Solución: El número de iteraciones se calcula con: 𝐼 =
ln2
8
I Ai Bi Pi f(Pi) f(Ai) f(Pi)*f(Ai) Error
1 1 3.2 2.1 1.791 2 3.582
1) Ai 1 y Bi 3.2;
2) 2)Sea i=1
3) f(A1)=? y f(B1)=?. Aquí: f(1)=2 y f(3.2)=-0.112
4) Si f(A1)* f(B1) ≤ 0, ir a 5);Aquí: f(1)* f(3.2)= 2*(-0.112) = - 0.224
𝐴𝑖+𝐵𝑖
5) Si i I , calcule pi usando: 𝑝𝑖 = 2
, determine f(Pi) y Si I=1 ir a 7);o.w
2) Sea \(f\) una función continua en el intervalo \([a,b]\) tal que \(f(a)·f(b) < 0\).
Sucesión \(\{a_n\}_{n\in\mathbb{N}}\):
9
Sucesión \(\{b_n\}_{n\in\mathbb{N}}\):
Sucesión \(\{r_n\}_{n\in\mathbb{N}}\):
Método Newton-Raphson
Este método es uno de los más utilizados para localizar raíces ya que en
general es muy eficiente y siempre converge para una función polinomial.
Se debe partir de un valor inicial para la raíz: xi , este puede ser cualquier
valor, el método convergirá a la raíz más cercana.
10
Si se extiende una tangente desde el punto , el punto donde esta
tangente cruza al eje x representa una aproximación mejorada de la raíz.
11
Hay que determinar un número máximo de iteraciones
Una de las fórmulas de error más útiles es la del error relativo porcentual
aproximado:
100 %
Ejercicios de Newton-Rapnson
1
1) Aproxima la solución de 𝑒 𝑥 = 𝑥 con 6 decimales exactos
1
𝑦 = 𝑒𝑥, 𝑦 = 𝑥
12
está claro que hay una solución. Tomamos como valor inicialx0=0.5.
Escribimos la ecuación en la forma f(x)=0, con:
1
𝑓 (𝑥 ) = 𝑒 𝑥 −
𝑥
Derivada
1
𝑓′(𝑥 ) = 𝑒 𝑥 − 𝑥2
Método
El resultado es:
13
El valor de la raíz con 10 decimales es:
14
Continuamos el proceso hasta reducir el error aproximado hasta donde se
pidió.
Resumimos los resultados en la siguiente tabla:
15
Si g Є C[a, b] y g(x) Є [a, b] " x Є [a, b], entonces g tiene un punto fijo en
ese intervalo.
Si además existe g’(x) en (a, b) y existe una constante positiva k < 1 tal que
|g’(x)| ≤ k " x Є (a b), entonces el punto fijo de f en [a, b] es único.
rn+1 = g(rn) n ≥ 0
donde x0 es la aproximación inicial.
que .
Solución
el método sí converge a la raíz.
Aplicando la fórmula iterativa tenemos,
16
Y un error aproximado de .
que .
Solución
Si despejamos la del término lineal, vemos que la ecuación
equivale a
de donde,
17
nos convence que , para , lo que es suficiente para
deducir que el método sí converge a la raíz buscada.
18
CONCLUSIÓN
19
BIBLIOGRAFÍAS
http://webdelprofesor.ula.ve/nucleotachira/vermig/CLASE1.pdf
https://www.matesfacil.com/UNI/metodo-biseccion/metodo-biseccion-
algoritmo-error-convergencia-ejemplos-raiz.html
http://www.eupm.upc.edu/~fpq/numerico/resum/ceros-resum.pdf
http://test.cua.uam.mx/MN/Methods/Raices/NewtonRaphson/NewtonRaphson
.php
http://www.eupm.upc.edu/~fpq/numerico/resum/ceros-resum.pdf
http://noosfera.indivia.net/metodos/newtonRaphson.html
http://departamento.us.es/edan/php/asig/LICMAT/LMCN1/Tema1CN10809.p
df
https://gredos.usal.es/bitstream/handle/10366/137629/TG_RORIGUEZ%20L
OPEZ%2C%20Juan%20Manuel_Metodos%20numericos.pdf?sequence=1&is
Allowed=y
20