LABORATORIO

N.º 1

2020

MÉTODOS NUMÉRICOS
“ECCIÓN: M
INTEGRANTES:
 PARIONA CHUQUILIN ERIC ENRIQUE
 MUÑOZ CASTILLO DIEGO AUGUSTO
 SÁNCHEZ BRAVO LUIS ALBERTO
 MELO HUAMAN DARWIN DAVID

DOCENTE:
DR. ISRAEL DIAZ ACHA

21 DICIEMBRE
 Aritmética de 4 dígitos, Aproximación binaria

a) Evaluar f (4.853) si F(x)= 3x(x+3/7) - x2Ln(2x-1) + sen2 x.

 Usando Aritmética de 4 dígitos tanto con truncamiento como con
redondeo.
 Calcule también el valor real, calcule el error relativo en cada caso y
compare dichos errores

X=4.853

Fx= 3x(x+3/7) - x2Ln(2x-1) + sen2 x

Fxreal= 26.908782

Por truncamiento:

3x(x+3/7) = 3*(4,853)*(4.853+ 0.4285 )

= 14.55*5.281

= 76.83

x2Ln(2x-1) = 4.853*4.853*Ln(2*4.853-1)

=23.55*2.164

=50.96

sen2x = sen(4.853)*sen(4.853)

= (-0.9901)*(-0.9901)

=0.9802

Fx(truncado)= 26.85

Por redondeo:

3x(x+3/7) = 3*(4,853)*(4.853+ 0.4286 )

= 14.56*5.282

= 76.9
 x2Ln(2x-1) = 4.853*4.853*Ln(2*4.853-1)

=23.55*2.164

=50.96

sen2x = sen(4.853)*sen(4.853)

= (-0.9901)*(-0.9901)

=0.9804

Fx(redondeo)= 26.93

Con los datos obtenidos se hallan los errores relativos:

|fx(truncado)−𝑓𝑥𝑟𝑒𝑎𝑙 |
Erelativo(truncamiendo)= = 0.002182
𝑓𝑥𝑟𝑒𝑎𝑙

|fx(redondeo)−𝑓𝑥𝑟𝑒𝑎𝑙 |
Erelativo(redondeo)= = 0.000788
𝑓𝑥𝑟𝑒𝑎𝑙

Código:
Compilación:
b) En un computador de 16 bits en IEEE 754 (media precisión), el cual separa 1
bits para el signo (s), 5 bits para el exponente (c) y el resto para la mantisa
(f). El sesgo para el exponente es 15 (la notación del exponente usa el
número exponente más sesgo). Calcule la representación de 51,7969 en este
computador en cada caso :(a) Se usa truncamiento, (b) Se usa redondeo.
Además, calcule el error relativo en cada caso.
Nota: Considere que la notación de punto flotante binario de x en media
precisión es:

fl(N) = ( -1)s x 2c-1023 x (1; f)

N=(-1)s * 2c-15 * (1,f) = 51.7969  25<N<26

S=0 , c-15=5 , f=10

Para c
C=20  pasando a base binaria c= 10100

Para f:
51 a binario  51= 110011

La parte decimal:
0.7969*2=1.5938  1
0.5938*2=1.1876  1
0.1876*2=0.3752  0
0.3752*2=0.7504  0
0.7504*2=1.5008  1
0.5008*2=1.0016  1

Entonces:
51.7969 110011.110011….
(1,f) = = = 1.10011110011
2^5 2^5

Por truncamiento: f = 1001111001

Por redondeo: f = 1001111011

N por truncamiento:
Nt = 25 * (1.f) = 110011.11001  A decimal: Nt=51.78125
 N por redondeo:
Nr = 25 * (1.f) = 110011.11011  A decimal: Nr=51.84375

Hallando los errores relativos:

|fx(truncado)−𝑓𝑥𝑟𝑒𝑎𝑙 |
Erelativo(truncamiento) = = 0.000302
𝑓𝑥𝑟𝑒𝑎𝑙

|fx(redondeo)−𝑓𝑥𝑟𝑒𝑎𝑙 |
Erelativo(redondeo) = = 0.0009044
𝑓𝑥𝑟𝑒𝑎𝑙

Código:
Compilación:
c) Implemente un algoritmo en Matlab que permita expresar el número N = -pi 4
en la notación binaria de punto flotante de 64 bits en IEEE 754 (precisión
doble), el cual posee 1 bit para el signo, 11 bits para el exponente con sesgo
igual a 1023 y 52 bits para la mantisa.

 Muestre el algoritmo y los resultados de su ejecución colocando los

bits en este orden (s; c; f).

fl(x) = (- 1) s x 2c-15 x (1; f)

Código:

COMPILACION:
 a) Con los resultados obtenidos en (c) considere el numero de 64 bits (s; c; f) y
expréselo en notación decimal fl(N) y calcule el error absoluto obtenido: |N-
fl (N) | , de ser necesario use el computador (Matlab) para calcular dicho error,
muestre el algoritmo usado .

CÒDIGO:
COMPILACION:
 Método de la Bisección y el Método de
la Regla Falsa

2. Dada la escuación siguiente:

tan(x) = 1 + x − x2 , x ∈ [0, 1]

a)Muestre la existencia y unicidad de la solución de dicha ecuación

en el intervalo dado. Calcule además el número de iteraciones nece-
sarias por el Método de la Bisección para que el error sea menor a
10−6
Implemente un algoritmo en Matlab que permita visualizar la gráfica
de la ecuación en el intervalo dado. Muestre la gráfica obtenida.

Existencia de solución:

Usando el Teorema de Bolzano f (0) = −1 < 0 ; f (1) = 0, 557 > 0

Tenemos: tan(x) − 1 − x + x2 = 0 ; tan(x) es continua en [0, 1]

;−1 − x − x2 por ser polinomio es continua en [0, 1]

por lo tanto existe al menos 1 solución en [0, 1]

Para la unicidad aplicamos la primera derivada a f (x) = tan(x) − 1 − x − x2

f 0 (x) = sec2 (x) − 1 − 2x ; es creciente en [0, 1]

Por lo tanto existe una unica solución para f (x) = 0 en el intervalo [0, 1]

Numero de iteraciones por el Metodo de la Bisección para que el error sea

menor a 10−6
1
log( )
n≥ 10−6 = 19.9315 n = 20 iteraciones
log2

Se implementa un algoritmo para visualizar la gráfica en [0,1] y se muestra

la gráfica obtenida
Gráfica y Algoritmo
 b)Implemente un algoritmo en Matlab que permita aproximar por
el Método de la Bisección, la solución de la ecuación con 6 cifras dec-
imales exactas. Muestra el algoritmo y los resultados de su ejecución
mediante una tabla detallada. Verifique si el numero de iteraciones en
dicha aproximación de la solución coincide con el numero calculado en
la parte (a). ¿Cuáles son sus conclusiones con respecto a este método?

Algoritmo Metodo de la Biseccion

Resultados
 El numero de iteraciones del inciso a) es 20 y el algoritmo nos da 18 itera-
ciones.

Conclusiones:

- Se basa en el Teorema de Bolzano.

- Requiere que f sea continua en el intervalo especificado.
- Es siempre convergente aunque converge muy lentamente..
- No puede determinar raı́ces complejas.

c)Implemente un algoritmo en Matlab que permita aproximar por

el Método de la Regla Falsa, la solución de la ecuación con 6 cifras
decimales exactas. Muestre el algoritmo y los resultados de la eje-
cución del algoritmo mediante una tabla detallada.

Algoritmo Metodo Regla Falsa:

 Resultado de la ejecución del algoritmo:

d)Determinar el número de iteraciones que fueron necesarias en la

parte (c) y compare con las de la parte (b). ¿Cuál de los dos métodos
fue más rápido y a que se debe eso? Describa las ventajas y desven-
tajas de un método con respecto al otro después de esta experiencia.

Se necesitaron 18 iteraciones en el método de la bisección del inciso b), mien-

tras que sólo se necesitaron 8 iteraciones para el método de la regla falsa.
El método de la regla falsa fue mas rápido que el método de la Bisección

El método de Regla Falsa converge más rápidamente que el de bisección de-

bido a que al permanecer uno de sus valores iniciales fijo, el número de cálculos
se reduce mientras que el otro valor inicial converge hacia la raı́z.

Ventajas y desventajas de un método respecto al otro tomando

como referencia la experiencia realizada:

-El método de la Bisección converge lentamente, lo que genera la propa-

gación de error por la cantidad de operaciones e iteraciones necesaria para que
el método converja.

-Esta convergencia lenta del El método de la Bisección da pie a la propa-

gación del error por la cantidad de iteraciones necesarias para dicha convergen-
cia.

-Una ventaja del método de Regla Falsa, al igual que el de bisección, es que
es siempre son convergentes para funciones continuas.

- Una desventaja del método de la bisección es que no tiene en cuenta la

magnitud de los valores de la función en las aproximaciones calculadas, solo se
tiene en cuenta el signo de la función lo que puede hacer que una aproximacion
intermedia pase desapercibida, incluso mejor que la respuesta final.

- Aun cuando la Bisección es una técnica válida para determianr raı́ces su

método de aproximación por ”fuerza bruta” es relativamente ineficiente. La
Regla falsa es una alternativa basada en una visualización gráfica.

-Un defecto del método de bisección es que al dividir el intervalo (a,b) en

mitades iguales, no se toma la magnitud de f(a) y f(b). Un ejemplo de lainefi-
ciencia de el método dela bisección es por ejemplo, si f(a) es mucho más cercano
a cero que f(b) es lógico que la raı́z se encuentra más cerca de a que de b.

-En ambos métodos, sin embargo, las condiciones iniciales propuestas deben
ser cercanas a la raı́z,caso contrario nos aproximarı́amos muy lentamente.

-Aunque el método de la regla falsa es más rápido que el método de bisección,

sigue siendo un método de lenta convergencia.
 METODO DEL PUNTO FIJO
Dada la función siguiente:

𝒇(𝒙) = 𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 − 𝟖𝒙 + 𝟒; 𝒙 ∈ [𝟏; 𝟑]

A)
𝟐∗𝒆𝒙 −𝒙𝟐 +𝟒 𝟑
 Muestre que 𝒈(𝒙) = ; 𝒙 ∈ [𝟏; 𝟐] es cóncava hacia arriba y creciente
𝟖

Dado que g(x) es continua en el intervalo dado, procederemos a calcular su

primera y segunda derivada:

𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 + 𝟒 𝟑
𝒈(𝒙) = ; 𝒙 ∈ [𝟏; ]
𝟖 𝟐

𝒆𝒙 − 𝒙
𝒈′ (𝒙) =
𝟒

𝒆𝒙
𝒈′′ (𝒙) =
𝟒

𝟑
Como: 1≤x≤𝟐

𝟑
𝒆𝟏 𝒆𝒙 𝒆𝟐
≤ ≤
𝟒 𝟒 𝟒

𝟑
𝒆𝟏 ′′ 𝒆𝟐
≤𝒈 (𝒙)
≤
𝟒 𝟒

𝟑
La función g(x) es cóncava hacia arriba y creciente en todo el intervalo [1; 𝟐]
 𝟑 𝟑
 Muestre que 1 ≤ g(x) ≤ 𝟐 para x ∈ [1, 𝟐 ]

𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 + 𝟒 𝟑
𝒈(𝒙) = ; 𝒙 ∈ [𝟏; ]
𝟖 𝟐
𝒆𝒙 − 𝒙
𝒈′ (𝒙) = 𝒉(𝒙) =
𝟒
𝟑
𝒆𝒙 𝒆𝟏 𝒆𝟐
𝒉′(𝒙) = 𝒆𝒔 𝒄𝒓𝒆𝒄𝒊𝒆𝒏𝒕𝒆 𝒚 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒂 ≤ 𝒉′(𝒙)≤ 𝒑𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒈′ (𝒙) =
𝟒 𝟒 𝟒

𝒉(𝒙) 𝒆𝒔 𝒄𝒓𝒆𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒎𝒂𝒏𝒆𝒓𝒂 𝒒𝒖𝒆 ∶

𝟑
1≤x≤𝟐
𝟑
𝟑
𝒆𝟏 −𝟏 𝒆𝒙 −𝒙 𝒆𝟐 −
≤ ≤ 𝟐
𝟒 𝟒 𝟒

𝟎. 𝟒𝟑 ≤ 𝒈′ (𝒙) ≤0.75

𝒈′ (𝒙)es positiva de manera que 𝒈(𝒙) 𝒆𝒔 𝒄𝒓𝒆𝒄𝒊𝒆𝒏𝒕𝒆 , entonces:

𝟑
1≤x≤𝟐

𝟑
𝟐 𝟑
𝟐𝒆𝟏 −𝟏𝟐 +𝟒 𝟐∗𝒆𝒙 −𝒙𝟐 +𝟒 𝟐𝒆𝟐 −(𝟐) +𝟒
≤ ≤
𝟖 𝟖 𝟖

𝟑
𝟏. 𝟎𝟓4570 ≤ 𝒈(𝒙) ≤𝟏. 𝟑𝟑𝟗𝟏𝟕𝟐, entonces : 𝟏 ≤ 𝒈(𝒙) ≤𝟐
 𝟑
 Encuentre una constante 0 ≤ k < 1 tal que |𝒈′ (𝒙)| ≤ k para todo x ∈ [1, ]
𝟐
𝟑 𝟑
Dado que g [1, 𝟐] [1, 𝟐] es diferenciable, entonces:
𝟑
𝟑
′ 𝒆𝒙 −𝒙 𝒆𝟐 −
|𝒈 (𝒙)
|= | | ≤| 𝟐
|<1
𝟒 𝟒

Entonces:
𝟑
𝟑
𝒆𝟐 −
𝟐
k =| |
𝟒

k = 0.7454

𝟑
 Muestre que el punto fijo de g(x) es la solución de f(x) = 0 en [1, 𝟐].

𝟑 𝟑
Definición: x es punto fijo de g [1, 𝟐] [1, 𝟐], si: g(x) = x

𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 + 𝟒
𝒈(𝒙) = =𝒙
𝟖

Es igual a:

𝒇(𝒙) = 𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 − 𝟖𝒙 + 𝟒 = 𝟎

 𝒇(𝟏) = 𝟐 ∗ 𝒆𝟏 − 𝟏𝟐 − 𝟖 ∗ 𝟏 + 𝟒=0.436564
𝟑
𝟑𝟐 𝟑
 𝒇(𝟑) = 𝟐 ∗ 𝒆𝟐 − 𝟐 − 𝟖 ∗ 𝟐 + 𝟒 =-1.286622
𝟐
 𝟑
Como f (1). f( 𝟐) < 0, por el teorema de Bolzano existe al menos una raíz de
𝟑
f(x) en el intervalo [1; 𝟐] (unicidad) y por lo visto anteriormente, también

podemos afirmar que la función g(x) es estrictamente creciente en su dominio

(existencia).

 Implemente un algoritmo en Matlab que permita visualizar la gráfica de la

ecuación g(x) = x en el intervalo x ∈ [1,2].
 Muestre el algoritmo y la gráfica obtenida
 Calcule el número aproximado de iteraciones de punto fijo para Xn+1 = g
(Xn) tal que Xn se aproxime a las soluciones de f(x) = 0 con una tolerancia de
𝟏𝟎−𝟔 con punto de partida 𝒙𝟎 = 1

𝑻(𝟏−𝒌)
|𝒙𝟏 −𝒙𝟎 |
𝒏𝒎𝒊𝒏 > 𝑳𝒐𝒈𝒌

𝟐𝒆𝟏 −𝟏𝟐 +𝟒
𝒙𝟏 = 𝒈(𝒙𝟎 ) = 𝒈(𝟏) = =1.054570
𝟖

𝑻(𝟏−𝒌)
|𝒙𝟏 −𝒙𝟎 |
𝒏𝒎𝒊𝒏 > 𝑳𝒐𝒈𝒌

𝟏𝟎 −𝟔(𝟏−𝟎.𝟕𝟒𝟓𝟒)
|𝟏.𝟎𝟓𝟒𝟓𝟕𝟎−𝟏|
𝒏𝒎𝒊𝒏 > 𝑳𝒐𝒈𝟎.𝟕𝟒𝟓𝟒

𝒏𝒎𝒊𝒏 > 𝟒𝟏. 𝟕𝟕

𝒏𝒎𝒊𝒏 = 𝟒𝟐

B)
 Implemente un algoritmo en Matlab que permita aproximar por el Método del
Punto Fijo, la solución de la ecuación g(x) = x con 6 cifras decimales exactas
usando como punto de partida a 𝒙𝟎 = 1.
 Muestre el algoritmo y los resultados de la ejecución del algoritmo mediante
una tabla detallada.
Método 1:
Algoritmo en MATLAB:
Resultados en MATLAB:

Método 2:
Algoritmo en MATLAB:
Resultados en MATLAB:

 Compare el número de iteraciones del algoritmo con el número de iteraciones

calculado anteriormente:

Los resultados obtenidos en Matlab son muy diferentes a los calculados con el
algoritmo ya que en Matlab se necesito 16 iteraciones mas en el algoritmo nos
indicaba 44 iteraciones necesarias.

Número aproximado de iteraciones de punto fijo para Xn+1 = g (Xn) tal que
Xn se aproxime a las soluciones de f(x) = 0 con una tolerancia de 𝟏𝟎−𝟔 con
punto de partida 𝒙𝟎 = 1.
𝒏𝒎𝒊𝒏 = 𝟒𝟐

Número aproximado de iteraciones de punto fijo en MATLAB para Xn+1 = g

(Xn) tal que Xn se aproxime a las soluciones de f(x) = 0 con una tolerancia de
𝟏𝟎−𝟔 con punto de partida 𝒙𝟎 = 1.

𝒏𝒎𝒊𝒏 =16
C)
𝒙𝟐 +𝟖𝒙−𝟒
 Muestre que 𝒉(𝒙) = 𝑳𝒏( ); 𝒙 ∈ [𝟐; 𝟑] es cóncava hacia abajo y
𝟐

creciente.

Dado que h(x) es continua en el intervalo dado, procederemos a

calcular su primera y segunda derivada:

𝒙𝟐 + 𝟖𝒙 − 𝟒
𝒉(𝒙) = 𝑳𝒏( ); 𝒙 ∈ [𝟐; 𝟑]
𝟐

𝟐(𝒙+𝟒) 𝟏𝟐≤𝟐(𝒙+𝟒)≤𝟏𝟒 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐)

𝒉′ (𝒙) = 𝒙𝟐 +𝟖𝒙−𝟒 ; ; ; 𝒉′ (𝒙) 𝒆𝒔 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒂 para
𝟏𝟔≤(𝒙+𝟒)𝟐−𝟐𝟎≤𝟐𝟗 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐

todo 𝒙 ∈ [𝟐; 𝟑] por lo tanto 𝒉(𝒙)es creciente.

𝟐(−𝒙𝟐 −𝟖𝒙−𝟑𝟔) −𝟐((𝒙+𝟒)𝟐 +𝟐𝟎) −𝟐∗𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐)

𝒉′′ (𝒙) = = ; ; 𝒉′′ (𝒙) 𝒆𝒔 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒂
(𝒙𝟐 +𝟖𝒙−𝟒)𝟐 (𝒙𝟐 +𝟖𝒙−𝟒)𝟐 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐

para todo 𝒙 ∈ [𝟐; 𝟑] por lo tanto 𝒉(𝒙)es cóncava hacia abajo.

 Muestre que 2 ≤ h(x) ≤ 𝟑 para x ∈ [2, 𝟑 ]

𝒙𝟐 + 𝟖𝒙 − 𝟒
𝒉(𝒙) = 𝑳𝒏( ); 𝒙 ∈ [𝟐; 𝟑]
𝟐
𝟐(𝒙+𝟒) 𝟏𝟐≤𝟐(𝒙+𝟒)≤𝟏𝟒 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐)
𝒉′ (𝒙) = 𝒙𝟐 +𝟖𝒙−𝟒 ; ; ; 𝒉′ (𝒙) 𝒆𝒔 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒂 para
𝟏𝟔≤(𝒙+𝟒)𝟐−𝟐𝟎≤𝟐𝟗 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐

todo 𝒙 ∈ [𝟐; 𝟑] por lo tanto 𝒉(𝒙)es creciente.

Entonces:

𝟐𝟐 + 𝟖 ∗ 𝟐 − 𝟒 𝒙𝟐 + 𝟖𝒙 − 𝟒 𝟑𝟐 + 𝟖 ∗ 𝟑 − 𝟒
𝑳𝒏( ) ≤ 𝑳𝒏( ) ≤ 𝑳𝒏( )
𝟐 𝟐 𝟐

2.079442 ≤ 𝒉(𝒙) ≤ 𝟐. 𝟔𝟕𝟒𝟏𝟒𝟗

2≤ 2.079442 ≤ 𝒉(𝒙) ≤ 𝟐. 𝟔𝟕𝟒𝟏𝟒𝟗≤3

Entonces:

2 ≤ 𝒉(𝒙) ≤ 𝟑
 Encuentre una constante 0 ≤ k < 1 tal que |𝒉′ (𝒙)| ≤ k para todo x ∈ [2,3]
Dado que h [2, 𝟑] [2,3] es diferenciable, entonces:

𝟐(𝒙+𝟒)
𝒉′ (𝒙) = 𝒙𝟐 +𝟖𝒙−𝟒 ;

𝟐(−𝒙𝟐 −𝟖𝒙−𝟑𝟔) −𝟐((𝒙+𝟒)𝟐 +𝟐𝟎) −𝟐∗𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐

𝒉′′ (𝒙) = = ; ; 𝒉′′ (𝒙) 𝒆𝒔 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒂
(𝒙𝟐 +𝟖𝒙−𝟒)𝟐 (𝒙𝟐 +𝟖𝒙−𝟒)𝟐 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐

para todo 𝒙 ∈ [𝟐; 𝟑] por lo tanto 𝒉′ (𝒙)es decreciente.

𝟐(𝒙+𝟒) 𝟐(𝟐+𝟒)
|𝒉′ (𝒙) |= | 𝒙𝟐 +𝟖𝒙−𝟒 | ≤| 𝟐𝟐 +𝟖∗𝟐−𝟒 | < 1

Entonces:
𝟐(𝟐+𝟒)
k =| 𝟐𝟐 +𝟖∗𝟐−𝟒 |

k = 0.75

 Muestre que el punto fijo de h(x) es la solución de f(x) = 0 en [2,3].

Definición: x es punto fijo de h [2,3] [2,3], si: h(x) = x

𝒙𝟐 + 𝟖𝒙 − 𝟒
𝒉(𝒙) = 𝑳𝒏( )=𝒙
𝟐

Es igual a:

𝒇(𝒙) = 𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 − 𝟖𝒙 + 𝟒 = 𝟎

 𝒇(𝟐) = 𝟐 ∗ 𝒆𝟐 − 𝟐𝟐 − 𝟖 ∗ 𝟐 + 𝟒=-1.221888
 𝒇(𝟑) = 𝟐 ∗ 𝒆𝟑 − 𝟑𝟐 − 𝟖 ∗ 𝟑 + 𝟒 =11.171007

Como f (2). f (𝟑) < 0, por el teorema de Bolzano existe al menos una raíz de
f(x) en el intervalo [2;3] (unicidad) y por lo visto anteriormente, también
podemos afirmar que la función h(x) es estrictamente creciente en su dominio
(existencia).
 Implemente un algoritmo en Matlab que permita visualizar la gráfica de la
ecuación h(x) = x en el intervalo x ∈ [2,3].
 Muestre el algoritmo y la gráfica obtenida
 Calcule el número aproximado de iteraciones de punto fijo para Xn+1 = g
(Xn) tal que Xn se aproxime a las soluciones de f(x) = 0 con una tolerancia de
𝟏𝟎−𝟔 con punto de partida 𝒙𝟎 = 3

𝑻(𝟏−𝒌)
|𝒙𝟏 −𝒙𝟎 |
𝒏𝒎𝒊𝒏 > 𝑳𝒐𝒈𝒌

𝟑𝟐 +𝟖∗𝟑−𝟒
𝒙𝟏 = 𝒉(𝒙𝟎 ) = 𝒉(𝟑) = 𝑳𝒏( )=2.674149
𝟐

𝑻(𝟏−𝒌)
|𝒙𝟏 −𝒙𝟎 |
𝒏𝒎𝒊𝒏 > 𝑳𝒐𝒈𝒌

𝟏𝟎 −𝟔 (𝟏−𝟎.𝟕𝟓)
|𝟐.𝟔𝟕𝟒𝟏𝟒𝟗−𝟏|
𝒏𝒎𝒊𝒏 > 𝑳𝒐𝒈𝟎.𝟕𝟓

𝒏𝒎𝒊𝒏 > 𝟒𝟖. 𝟔𝟏𝟑𝟑𝟏𝟕

𝒏𝒎𝒊𝒏 = 𝟒𝟗

D)
 Implemente un algoritmo en Matlab que permita aproximar por el Método del
Punto Fijo, la solución de la ecuación h(x) = x con 6 cifras decimales exactas
usando como punto de partida a 𝒙𝟎 = 3.
 Muestre el algoritmo y los resultados de la ejecución del algoritmo mediante
una tabla detallada.
Método 1:
Algoritmo en MATLAB:
Resultados en MATLAB:
 Método 1:
Algoritmo en MATLAB

Resultados en MATLAB:
 Compare el número de iteraciones del algoritmo con el número de iteraciones
calculado anteriormente:

Los resultados obtenidos en Matlab son muy diferentes a los calculados con el
algoritmo ya que en Matlab se necesitó 16 iteraciones, mas en el algoritmo nos
indicaba 49 iteraciones necesarias.

Número aproximado de iteraciones de punto fijo para Xn+1 = g (Xn) tal que
Xn se aproxime a las soluciones de f(x) = 0 con una tolerancia de 𝟏𝟎−𝟔 con
punto de partida 𝒙𝟎 = 1.

𝒏𝒎𝒊𝒏 = 𝟒𝟗

Número aproximado de iteraciones de punto fijo en MATLAB para Xn+1 = g

(Xn) tal que Xn se aproxime a las soluciones de f(x) = 0 con una tolerancia de
𝟏𝟎−𝟔 con punto de partida 𝒙𝟎 = 3.

𝒏𝒎𝒊𝒏 = 𝟑𝟎
 MÉTODO DE NEWTON-RAPHSON
Sea la misma función del problema anterior

𝒇(𝒙) = 𝟐 ∗ 𝒆𝒙 − 𝒙𝟐 − 𝟖𝒙 + 𝟒; 𝒙 ∈ [𝟏; 𝟑]

a)
 Muestre que la gráfica de la función f(x) es cóncava hacia arriba en el intervalo
[1, 3] , demuestre por concavidad que f(x) posee a lo más dos soluciones en el
intervalo [1, 3] .

Por definición, una función 𝑓 (𝑥)es cóncava hacia arriba si f está incrementando. Además
sabemos que si 𝑓 ′ (𝑥 ) es una función diferenciable, entonces 𝑓 ′ (𝑥 ) está aumentando si su
derivada 𝑓 ′′ (𝑥 ) > 0. Por tanto, una función 𝑓(𝑥 ) que es dos veces diferenciable es
cóncava cuando 𝑓 ′′ (𝑥 ) > 0

𝑓 ′ (𝑥 ) = 2𝑒 𝑥 − 2𝑥 − 8

𝑓 ′′ (𝑥 ) = 2𝑒 𝑥 − 2

Dado que:

𝑥 ∈ [1; 3]

1≤𝑥≤3

𝑒1 ≤ 𝑒 𝑥 ≤ 𝑒 3

2𝑒 − 2 ≤ 2𝑒 𝑥 − 2 ≤ 2𝑒 3 − 2

2𝑒 − 2 ≤ 𝑓 ′′ (𝑥 ) ≤ 2𝑒 3 − 2

→ 𝑓 ′′ (𝑥 ) > 0

→ La función f(x) es cóncava hacia arriba

Una función cóncava a lo más se intersecta en dos puntos (posibles soluciones)

 Use el teorema de Bolzano para probar que existe una única solución en el
intervalo [1,2] y una única solución en el intervalo [2, 3]

Por Bolzano:

𝑓 (1) × 𝑓 (2) < 0

→ 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑟𝑎𝑖𝑧 𝑑𝑒 𝑓(𝑥) 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 [1,2]

𝑓 (2) × 𝑓 (3) < 0

→ 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑟𝑎𝑖𝑧 𝑑𝑒 𝑓(𝑥) 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 [2,3]

Por lo tanto cada subintervalo [1,2] 𝑦 [2,3] posee una sola solución.

 Muestre geométricamente que la concavidad del intervalo [1, 3] garantiza la

convergencia del método de Newton-Raphson para los puntos iniciales x0 = 1 y
x0 = 3 .
CONDICIONES DE CONVERGENCIA

Las condiciones de convergencia del método de Newton-Raphson pueden resumirse de la

siguiente manera:

Existencia de la Raíz: Dado un cierto intervalo de trabajo [a,b], dentro del mismo debe
cumplirse que f(a)*f(b)<0.

Unicidad de la Raíz: Dentro del intervalo de trabajo [a,b], la derivada de f(x) debe ser
diferente de cero.

Concavidad: La gráfica de la función f(x) dentro del intervalo de trabajo [a,b], debe ser
cóncava, hacia arriba o hacia abajo. Para ello debe verificarse que: f ''(x) <= 0 ó f ''(x) >=
0 para todo x que pertenezca a [a,b]

Intersección de la Tangente a f(x), dentro de [a,b]: Se debe asegurar que la tangente a la

curva en el EXTREMO del intervalo [a,b] en el cual f'(x) sea mínima, intersecte al eje x
dentro del intervalo [a,b]. De esta manera aseguramos que la sucesión de valores de xi
caigan dentro de [a,b].

 Implemente un algoritmo en Matlab que permita visualizar la gráfica de la

función f(x) en el intervalo dado. Muestre el algoritmo y la gráfica obtenida.

Realizaremos la gráfica en Matlab/Octave:

Gráfico obtenido:

Vemos que es una gráfica cóncava hacia arriba como los habíamos descrito y comprobado
anteriormente.
b)

 Implemente un algoritmo en Matlab que permita aproximar por el Método de

Newton-Raphson, la solución de la ecuación f(x) = 0 con 6 cifras decimales
exactas usando como punto inicial x0 = 1. Muestre los resultados de la
ejecución del Algoritmo mediante una tabla de datos detallada.

Algoritmo implementado en MATLAB/OCTAVE:

Tabla detallada para un punto de partida x0 = 1:

c)

 Implemente un algoritmo en Matlab que permita aproximar por el Método de

Newton-Raphson , la solución de la ecuación f(x) = 0 con 6 cifras decimales
exactas usando como punto inicial x0 = 3. Muestre los resultados de la
ejecución del Algoritmo mediante una tabla de datos detallada.
Algoritmo implementado en MATLAB/OCTAVE:

Tabla detallada para un punto de partida x0 = 3:

d)

 Compare el método del punto Fijo en el problema anterior y el método de

Newton-Raphson para el cálculo de las dos raíces de f(x) = 0 en el intervalo [1,
3]. ¿Cuál de los dos métodos fue más rápido y a que se debe eso?. Describa las
ventajas y desventajas de un método con respecto al otro después de esta
experiencia.

El Método del Punto fijo converge más lento; podemos deducir que de todos los métodos
vistos en el presente capıtulo, el Método de Newton-Raphson es el más veloz. La mayoría
de los autores de libros e interesados por los métodos numéricos confirman que no existe
un método perfecto, todos pueden fallar.

Ventajas:

-En el Método de Newton-Raphson cuando se escoge un valor inicial adecuado, las

aproximaciones se dan muy rápido.

-Si utilizamos un programa como MATLAB, la derivación de la función es inmediata.

-El método es muy sencillo de trabajar a mano.

Desventajas:

-Si la función con la que se trabaja tiene dos raíces cercanas, el Método de Newton
Raphson no predice a cual converge cuando el valor inicial se encuentra entre dichas raíces.

-Si la función tiene por primera derivada el valor de cero, el método de Newton Raphson no
funciona, a diferencia del método anterior.