REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSIDAD DE MARGARITA

REALIZADO POR:

VICTOR OJEDA

C.I.: 23.434.754

Porlamar, 09 de octubre de 2020.

1
 ÍNDICE

INTRODUCCIÓN ……………………………………………………………… 3

Cálculo Numérico ……………………………………………………………. 4

Método de Punto Medio o Bisección ……………………………………... 7

Método Newton-Raphson …………………………………………………… 10

Método Punto Fijo ……………………………………………………………. 15

CONCLUSIÓN……………………………………………………………………19

BIBLIOGRAFÍAS…………………………………………………………………20

2
 INTRODUCCIÓN

Los ordenadores, son las herramientas necesarias para aplicar con

eficiencia la mayoría de los métodos que suele proponer el análisis numérico,
motivado al considerable número de cálculos y procesamiento de información
que suelen llevar aparejados. Los diferentes problemas que trata el análisis
numérico son en concreto, una serie de procesos de aproximación que
consisten en sucesiones de cálculos. Estos procedimientos se conocen como
algoritmos.

El análisis numérico por lo general, está conformado por una cantidad de

etapas finitas que se desarrollan de manera lógica, las cuales mejoran las
afinidades iniciales de ciertos valores, tal como la raíz de una ecuación, que
se ejecutan con cierto margen de error, es por lo tanto un proceso cíclico de
mejora del valor que se le denomina iteración. Este tipo de análisis
matemático, es una opción muy eficaz en la resolución de ecuaciones tanto
algebraicas (polinomios) como trascendentes. La repetición de algunos
procedimientos lógicos, en este caso las iteraciones, son procedimientos que
permiten mejorar los valores inicialmente establecidos como solución, debido
a que se trata siempre de la misma operación lógica, en la que resulta muy
oportuno el uso de herramientas de cómputo para realizar esta tarea.

3
 Cálculo Numérico

Es la rama del Análisis Matemático que estudia los métodos constructivos

para la resolución de problemas matemáticos. Un método constructivo es
cualquier procedimiento que permite obtener en un numero finito de pasos,
bien sea de manera exacta (métodos directos) bien de forma aproximada
(métodos iterados), una solución de un determinado problema matemático. En
contraposición con esta noción, se denomina método no constructivo a todo
aquel procedimiento que permita afirmar la existencia de la o las soluciones
de un determinado problema matemático, sin que establezca la forma de
obtenerlas, exacta o aproximadamente, de manera efectiva.

Resolución de sistemas de ecuaciones lineales

Algunos de los métodos elementales de resolución de sistemas de

ecuaciones lineales pueden resultar ineficaces cuando el número de
incógnitas y ecuaciones crece considerablemente. Por el contrario, el método
de eliminación de Gauss y sus modificaciones son eficientes en estas
situaciones.

Una ecuación comprende expresiones con variables indefinidas, o

incógnitas, que deben ser sustituidas por valores de forma tal que la igualdad
sea cierta. Para caracterizar las soluciones de una ecuación se imponen
restricciones sobre las incógnitas. En general, se pide que pertenezcan a un
conjunto numérico específico.

El problema del cálculo de raíces

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

En análisis numérico, el orden de convergencia es una medida de la

velocidad con la cual una sucesión converge a su lımite. Este concepto es muy
importante desde el punto de vista práctico si necesitamos trabajar con la
sucesión de sucesivas aproximaciones de un método iterativo. Definición.
Supongamos que la sucesión de números reales{xn}n∈N converge a α y sea
εn=xn−αpara cada n>0, el error en cada iteración. Si existen dos constantes
positivas A >0 y R >0 tales que l ́ımn→∞|xn+1−α||xn−α|R= l ́ımn→∞|εn+1||εn|
R=A, siendoA6= 0, ∞entonces se dice que la sucesión converge aαcon orden
de convergencia R y el numero Ase llama constante asintótica del error.
Siendo εn=xn−αel error en la n- esima iteración obtenida a partir de la sucesión
{xn}, se tiene que para un n suficientemente grande podemos
poner|εn+1||εn|R'A⇔|εn+1|'A|εn|R15

Lo cual se puede escribir en la formaεn+1=AεRn+O(εR+1n) =O(εRn) donde

R es el orden de convergencia del método, que nos da una medida de la
disminución del error entre una iteración y la iteración siguiente. Según sea el
valor de R, se tienen distintos nombres para el tipo de convergencia:

Si R= 1, se dice que la convergencia es lineal. Si 1< R <2 se dice que la

convergencia es súper lineal. Si R= 2, se dice que la convergencia es
cuadrática 2< R <3 se dice que la convergencia es súper cuadráticas R= 3, se

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

En el campo del análisis numérico dentro de las matemáticas, o en el

campo de las ciencias y la ingeniera en general, el termino error está
relacionado con la duda o incertidumbre de los resultados o los datos de
partida, sin que ello signifique que los resultados están equivocados. Es decir,
no se pone en duda la fiabilidad del método, sino que lo que analiza el error es
el grado de incertidumbre de los valores numéricos la hora de analizar el grado
de confianza de un método o algoritmo, es cuando adquiere mayor relevancia
el estudio de los errores que pueden afectar a los cálculos, operaciones que
intervienen en el algoritmo, y así ver como estos errores pueden afectar a los
resultados. Se ha de tener en cuenta que los errores pueden estar generados
por varios motivos, y así, según la fuente que los origina habrá distintos tipos
de errores:

 Error inherente: Es el error de los datos de entrada, puede ser debido

a un error en la medición, o provenir de errores en cálculos previos.
 Error por truncamiento: Es el error que aparece al transformar un
procedimiento infinito en uno finito. Al hablar de una iteración, el error
por truncamiento se entiende como el error porno seguir iterando y
aproximando a la solución de manera indefinida.
 Error por redondeo: Se origina debido a la imposibilidad de tomar
todas las cifras que resultan de manera exacta, debido a que se tiene
que aproximar el ́ultimo decimal que queremos considerar en la
solución resultante.

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

Método de Punto Medio o Bisección:

El método de bisección o punto medio es un método iterativo de

convergencia asegurada, el método converge hacia la raíz buscado pero
lentamente debido a la cantidad de iteraciones que se necesitan (en
comparación con otros métodos), lo cual se traduce en mayor tiempo de
ejecución.

Es el método más elemental y antiguo para determinar las raíces de una

ecuación. Está basado directamente en el teorema de Bolzano. Consiste en
partir de un intervalo [x0,x1]tal que f(x0)f(x1) < 0, por lo que sabemos que existe,
al menos, una raíz real. A partir de este punto se va reduciendo el intervalo

7
sucesivamente hasta hacerlo tan pequeño como exija la precisión que
hayamos decidido emplear.

PROCESO

Se realiza aplicando el siguiente algoritmo:

1) Ai a y Bi b
2)Sea i=1
3) Calcule f(A1) y f(B1)
4) Si f(A1)* f(B1) ≤ 0, ir a 5);o.w: Fin del proceso
𝐴𝑖+𝐵𝑖
5) Si i≤ I , calcule pi usando:𝑝𝑖 = , determine f(Pi) y Si I=1 ir a 7);o.w
2

calcule f(Ai) y vaya al paso vi)

𝑃𝑖−𝑃𝑖−1
6)Si > ɛ; Pi≠ 0, vaya al paso 7) ;o.w: Fin del proceso
𝑃𝑖

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)

9)Fin del proceso.

Ejercicios Método Bisección

1)Aplique Bisección para encontrar soluciones, con un error de 0.01, siendo

f(x)= x3-7x2+14x-6, en b.-[1,3.2]. d.-[5,10]. Datos: a =1; b =3.2; ɛ =0.01

ln(b−a)−lnɛ
Solución: El número de iteraciones se calcula con: 𝐼 =
ln2

Para este ejemplo I =7.78, que debe redondearse a 8 iteraciones

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

calcule f(Ai) y vaya al paso 6)

Aquí 1<8; P1 = 2.1 y f (P1) =1.791

2) Sea \(f\) una función continua en el intervalo \([a,b]\) tal que \(f(a)·f(b) < 0\).

Definimos las siguientes sucesiones:

Sucesión \(\{a_n\}_{n\in\mathbb{N}}\):

9
 Sucesión \(\{b_n\}_{n\in\mathbb{N}}\):

Sucesión \(\{r_n\}_{n\in\mathbb{N}}\):

Observa que se cumple \(a_n\leq r_n \leq b_n\).

La aproximación a alguna raíz \(r\) en \([a,b]\) de \(f\) es el valor \(r_n\)

(también, podrían servir \(a_n\) y \(b_n\)). Las tres sucesiones convergen a la
misma raíz \(r\) de \(f\). Si se escoge \(r_n\) como aproximación, el error
cometido es menor o igual que \((b-a)/2^{n+1}\).

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 requiere que las funciones sean diferenciables, y por tanto, continuas,

para poder aplicar este método.

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.

La fórmula de Newton-Raphson se deduce a partir de la fórmula de la

pendiente de una recta.

Pendiente de una recta:

11
 Hay que determinar un número máximo de iteraciones

Normalmente esto se hace considerando una “tolerancia”, esto es:

El valor absoluto de la diferencia de la debe ser menor que la

tolerancia o el resultado de alguna fórmula de error debe ser menor que la
tolerancia dada.

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 de las iteraciones y los errores estimados es:

El resultado es:

13
 El valor de la raíz con 10 decimales es:

2) Usar el método de Newton-Raphson, para aproximar la raíz de

, comenzando con y hasta que .

Solución
En este caso, tenemos que

De aquí tenemos que:

Comenzamos con y obtenemos:

En este caso, el error aproximado es,

14
 Continuamos el proceso hasta reducir el error aproximado hasta donde se
pidió.
Resumimos los resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%

De lo cual concluimos que , la cual es correcta en todos

sus dígitos.

Método Punto fijo

Un punto fijo de una función g: R → R es un número real r para el cual g(r)

= r. Los problemas de búsqueda de raíces y los de punto fijo son clases
equivalentes en el siguiente sentido:

Dado el problema de hallar una solución r de la ecuación f(x) = 0, es posible

definir una función g(x) que tenga a r como punto fijo.

Si r es un punto fijo de la función g(x), entonces el número r es un cero de

la función f(x) = x – g(x).

Para poder determinar si una función tiene un punto fijo, es necesario

verificar el siguiente teorema que contiene las condiciones suficientes para la
existencia y unicidad de un punto fijo.

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.

De esta manera, es posible definir una fórmula recursiva que permita

aproximar el valor de la raíz r de la ecuación f(x)=0:

rn+1 = g(rn) n ≥ 0
donde x0 es la aproximación inicial.

Si se grafica los dos miembros de la ecuación x = g(x) como las funciones

y = x e y = g(x), la raíz buscada r es la abscisa del punto de intersección de
dichas funciones.

Ejercicios de Punto fijo

1) Usar el método de iteración del punto fijo para aproximar la raíz

de , comenzando con y hasta

que .
Solución
el método sí converge a la raíz.
Aplicando la fórmula iterativa tenemos,

Con un error aproximado de

Aplicando nuevamente la fórmula iterativa tenemos,

16
 Y un error aproximado de .

Intuimos que el error aproximado se irá 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 .

2) Usar el método de iteración del punto fijo para aproximar la raíz

de , comenzando con y hasta

que .

Solución
Si despejamos la del término lineal, vemos que la ecuación
equivale a

de donde,

En este caso, tenemos que . Un vistazo a la

gráfica,

17
 nos convence que , para , lo que es suficiente para
deducir que el método sí converge a la raíz buscada.

Aplicando la fórmula iterativa, tenemos:

Con un error aproximado del 100%.

Aplicando nuevamente la fórmula iterativa, tenemos:

Con un error aproximado igual al 28.41%.

En este ejemplo, el método solo necesita de 5 iteraciones para reducir el error

menor al 1%. Resumimos los resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

0
-0.2 100%
-0.1557461506 28.41%
-0.1663039075 6.34%
-0.163826372 1.51%
-0.164410064 0.35%

De donde vemos que la aproximación buscada es:

18
 CONCLUSIÓN

El cálculo numérico permite a muchos analistas determinar un valor

promedio partiendo del precio promedio inicial y niveles del precio
promedio de un producto o un activo en el mercado; al usar el método
de bisección nos encontramos con una gran desventaja si lo
comparamos con otros métodos de cálculo ya que este método es lento,
pero aun así cumple muy bien su función de encontrar raíces.

En el método Newton a diferencia del método punto medio se observa

como todo se une a la raíz de una forma muy rápida y, de hecho,
observamos que el error aproximado disminuye a pasos agigantados
en cada paso del proceso.

En resumen, los métodos numéricos permiten realizar un cálculo

aproximado de soluciones a muchos problemas matemáticos,
permitiéndonos obtener los valores deseados.

Además, el cálculo numérico es muy importante ya que permite

simplificar valores altos que no pueden ser obtenidos fácilmente.

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