METODOS NUMERICOS

Solución de Ecuaciones de una variable

F(x) = 0
Grafica de la funcion x. 3 + 3*x. 2 -3*x -1
45

40

35

30

25

20

15

10

-5
-3 -2 -1 0 1 2 3

Ultima modificación 22 / 02 / 2020 *Rev 4 Dr. Deny González

 METODOS NUMERICOS

Contenido
Introducción.

Método Grafico

Métodos Cerrados

 Bisección,
 Falsa Posición
 Falsa Posición Modificada.

Métodos Abiertos

 Newton Raphson
 Secante
 Sustitución Sucesiva
 Bairstow.
Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Método Grafico

Aplicación y desarrollo de las técnicas de construcción de graficas de

una función dada.

De manera tal de observar las raíces de la función (si posee). La

precisión de la raíz dependerá de la construcción y precisión de la
escala de grafica

Grafica de la funcion x. 3 + 3*x. 2 -3*x -1

Instrucciones en Matlab
45

40 % f(x)= x3 + 3x2 - 3x - 1 -3 < x < 3

35

30 %Grafica de la funcion.
25

20
clear all
f=inline('x.^3+3*x.^2-3*x-1','x');
15
x=-3:0.1:3;
10
y=f(x);
5
plot(x,y,'k-')
0 grid
-5
-3 -2 -1 0 1 2 3
title('Grafica de la funcion x.^3 + 3*x.^2 -3*x -1')

Raíz exacta 0.996094

Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Método Bisección

El método de bisección, también conocido como corte binario o método de

bolzano, establece que:

Sea ( f ) una función continua en cada punto del intervalo cerrado [ a , b ] y se

comprueba que f(a) y f(b) tiene signos distintos, se evaluara el valor de la
función en el punto medio del intervalo.

ab
c
2

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método Bisección
Flujograma del Método de Bisección Tabla Características de Bisección

Dado, f(x), a,b

Iter a b c f(a) f(b) f(c) Error

c = (a + b) / 2

Calcular f(c) c=b

a=a

no
no si c=a
f(c) < Error f(c)*f(a) > 0 b=b

si
fin

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método Bisección
Pseudocódigo Bisección en Matlab
%Metodo Grafica de la funcion Biseccion
clear all
f=inline('x.^3+3*x.^2-3*x-1','x');
x=[-5:0.5:5];
y=f(x);
figure('name','Grafica de funcion')
plot(x,y)
Continuación Pseudocodigo
grid
%Metodo de Biseccion
while error>=0.005 & n<=100
clear all
f(1)=y(x(1));
y=inline('x.^3+3*x.^2-3*x-1','x');
f(2)=y(x(2));
x(1)=-4;
x(3)=(x(1)+x(2))/2;
x(2)=4;
f(3)=y(x(3));
f(1)=y(x(1));
if (f(1)*f(3))<=0
f(2)=y(x(2));
x(1)=x(1);
n=0;
x(2)=x(3);
error=1;
else
if (f(1)*f(2))>=0
x(1)=x(2);
fprintf('No existen raices dentro del intervalo \n')
x(2)=x(3);
break
end
end
n=n+1;
error=(abs(x(1)-x(3)));
end
fprintf(' \n')
fprintf('La raiz de la ecuacion por bisección es %f
\n',x(3))
fprintf(' \n')
fprintf('Encontrada en %3.0f iteraciones \n',n)
fprintf(' \n')
fprintf('El error es %f \n',error)
fprintf(' \n')
Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Grafica de la funcion exp(x)-(5*x 2)

Método Bisección 2

1
Ejemplo:
0

f ( x)  e x  5 x 2 -1

-2

-3

-4

-5
Solución: -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Iter a b c f (a) f (b) f(c) Error

1 0 1 0,5 1 -2,28171817 0,398721271
2 0,5 1 0,75 0,398721271 -2,28171817 -0,69549998 0,25
3 0,5 0,75 0,625 0,398721271 -0,69549998 -0,08487904 0,125
4 0,5 0,625 0,5625 0,398721271 -0,08487904 0,173023407 0,0625

Solución Exacta

Ultima modificación 22 / 02 / 2020 *Rev 4 x = 0.60526

 METODOS NUMERICOS

Método Bisección 8
Grafica de la funcion x 3-1

LIMITANTES 4

El método de bisección no puede 0

encontrar una pareja de raíces -2

dobles, ya que la función toca de -4

manera tangencial el eje x. -6

-8

-10
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

Grafica de la funcion ln (x)

1

0.5

El método de bisección no reconoce 0

la diferencia entre una raíz y una -0.5

singularidad. Un punto singular es -1

aquel valor donde la función tiende a -1.5

infinito.
-2

-2.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método de Falsa Posición

Es un método basado en la interpolación lineal, en lugar de bisectar en forma

monótona el intervalo, se utiliza una interpolación lineal ajustada a dos
puntos extremos para encontrar una aproximación a la raíz.

Este método, como en el método de la bisección, parte de dos puntos que

rodean a la raíz f(x) = 0, es decir, dos puntos a y b tales que f(a)*f(b) < 0. La
siguiente aproximación, c, se calcula como la intersección con el eje X de la
recta que une ambos puntos. La asignación del nuevo intervalo de búsqueda
se realiza como en el método de la bisección: entre ambos intervalos, [a,c] y
[c,b], se toma aquel que cumpla f(x)*f(c) < 0
Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Método de Falsa Posición y Falsa Posición Modificada

De esta forma se converge mas rápido y se obtiene buena precisión, de

manera tal que:

 ca 
b  a 
 f (c )  f ( a ) 
 * f (a)
 

Una desventaja del método es cuando aparecen extremos fijos como lo

muestra la grafica anterior, dicha condición desacelera la convergencia
cuando los extremos del intervalo inicial es grande.

El método de Falsa Posición Modificada evalúa la existencia de un punto

fijo, el cual lo divide a la mitad si este se ha repetido mas de dos veces.

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método de Falsa Posición y Falsa Posición Modificada

Flujograma
Tabla Características del método
Dado f (x), a, c
No
Iter a b c f(a) f(b) f(c) Error
f(a) * f(c) < 0 No existe raíz
Si
Iter = 0

Iter = Iter + 1

Iter > Itermax

o
b-a < tol

b= a – c – a * f(a)
f(c) - f(a)

No Si
f(a) * f(b) < 0

a=b,c=c a=a,c=b
f(a) = f(b) , f(c) = f(c) f(a) = f(a) , f(c) = f(b)
Kl = 1 , kr = kr + 1 Kr = 0 , kl = kl + 1
Si kr > 1 ; f(c) = f(c)/2 Si kl > 1 ; f(a) = f(a)/2

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método de Falsa Posición y Falsa Posición Modificada 2

Grafica de la funcion exp(x)-(5*x 2)

Ejemplo: 0

-1

f ( x)  e x  5 x 2 -2

-3

-4

Solución: -5
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Iter a b c f (a) f (b) f(c) Error

1 0 1 0,30471843 1 -2,28171817 0,89197647
2 0,30471843 1 0,50012941 0,891976469 -2,28171817 0,3982875 0,19541099
3 0,50012941 1 0,57441739 0,398287498 -2,28171817 0,12631875 0,07428798
4 0,57441739 1 0,59674224 0,126318752 -2,28171817 0,03568591 0,02232485
Falsa P. Modificada
Iter a b c f (a) f (b) f(c) Error
1 0 1 0,30471843 1 -2,28171817 0,89197647
2 0,30471843 1 0,60979711 0,891976469 -1,14085909 -0,01920456 0,30507869
3 0,30471843 0,60979711 0,59720254 0,445988234 -0,01920456 0,03377423 0,01259457
4 0,59720254 0,60979711 0,60700905 0,033774231 -0,00960228 -0,00736494 0,0098065
Solución Exacta

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método de Falsa Posición y Falsa Posición Modificada

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método Newton Raphson

Si f(x) es continua y diferenciable dos veces, siendo Xo una aproximación

inicial a la raíz buscada p de la función mediante el uso de la serie de Taylor
de segundo orden alrededor de la estimación Xo. Tomando un polinomio de
dicha aproximación se tiene
f '' ( ( xo )) * ( x  xo ) 2
f ( x)  f ( xo )  f ' ( xo ) * ( x  xo )  ; x    xo
2!
Supongamos que tenemos la aproximación xar la raíz xde
i f (x )
La recta tangente que pasa por (xi , f(xi)) es

G ( x)  f ( xo )  f ' ( xo ) * ( x1  xo )

La raiz de G(x) = 0 denotada por x1 satisface

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método Newton Raphson

La raiz de G(x) = 0 denotada por x1 satisface

x1  xo  f ( xo )
f '( xo )
y sucesivamente

Formula Newton R.

El método de Newton Raphson no trabaja con intervalos donde nos asegure que
encontraremos la raíz, por lo que no hay ninguna garantía de que nos
aproximaremos a dicha raíz. Desde luego, existen ejemplos donde este método
no converge a la raíz, en cuyo caso se dice que el método diverge. Sin embargo,
en los casos donde si converge a la raíz lo hace con una rapidez impresionante,
por lo cual es uno de los métodos preferidos por excelencia.

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS

Método Newton Raphson

La derivada de la función se puede evaluar por aproximación por

diferencias en vez de la forma analítica, de forma tal que f’(xi+1) mediante la
aproximación por diferencias hacia adelante

f ( xi  h)  f ( xi )
f ( xi ) 
h
El método de Newton Raphson puede utilizarse para hallar raíces complejas
si el programa utilizado lo permite.

f  a  ib

Ultima modificación 22 / 02 / 2020 *Rev 4

 METODOS NUMERICOS
Grafica de la funcion exp(x)-(5*x 2)
2

Método Newton Rapshon

1

Ejemplo: 0

f ( x)  e x  5 x 2 -1

Solución: -2

f ' ( x)  e x  10x -3

-4

Tabla de Datos -5
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Iter xi f(x i ) f ' (x i ) x i+1 Error

1 0,5 0,39872127 -3,35127873 0,618975861
2 0,61897586 -0,05863036 -4,33273339 0,605443903 0,01353196
3 0,6054439 -0,00074631 -4,22237374 0,605267152 0,00017675
4 0,60526715 -1,2759E-07 -4,22093002 0,605267121 3,0228E-08
5 0,60526712 -3,5527E-15 -4,22092977 0,605267121 8,8818E-16
Solución Exacta

Ultima modificación 22 / 02 / 2020 *Rev 4 x = 0.60526

 METODOS NUMERICOS

Método Secante Sustituyendo en la fórmula de Newton-Raphson, obtenemos:

Método parecido al Newton Raphson, la diferencia radica en la evaluación de

f’ la cual es evaluada con dos valores de iteraciones consecutivas de f.

El método de la Secante se basa en la formula de interpolación lineal al igual

que el de Falsa Posición, diferenciando que este utiliza las extrapolaciones

Sustituyendo en la formula de Newton Raphson, obtenemos:

.
Ec. Secante

Notese que para calcular el valor , necesitamos

conocer los dos valores anteriores y
Representación Geométrica
Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Método Secante Sustituyendo en la fórmula de Newton-Raphson, obtenemos:

Ejemplo:

f ( x)  e x  5 x 2

Solución:

Iter Xi -1 Xi f ( Xi -1 ) f ( Xi ) Xi +1 Error
1 0,5 1 0,39872127 -2,281718172 0,574376101
2 1 0,5743761 -2,28171817 0,126482595 0,596730556 0,022354455
3 0,5743761 0,59673056 0,12648259 0,035734431 0,605533199 0,008802643
4 0,59673056 0,6055332 0,03573443 -0,001123385 0,605264904 0,000268295

Solución Exacta

x = 0.60526
Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Ejercicios Resueltos
Ejemplo 1.
El diseño del sistema de suspension del automovil comprende una solucion
intermedia entre comodidad y estabilidad para todas las condiciones de manejo y
velocidad. Se pide determinar la estabilidad del carro (k). Si la masa es de m = 1.2x106
gramos y tiene un sistema de amortiguamiento c= 1x107 g/s.
Datos: Aplicar el metodo de biseccion si con un intervalo inicial k es, a= 1x10 9, b=2x109

 k c2  c  k c2 
f ( k )  cos 0,05 *    sen 0,05 *  
 m 4m 2  4km  c 2  m 4m 2 
   
Solución:
ra rb ra
Si evaluamos con k=1E9 Si evaluamos con k= 2E9

ra = 28.565227501671 ra = 40.6116431033707

rb = 68556546.0040104 rb = 97467943.4480896

F(1E9) = 0.286438599625321 F(2E9) = -0.351813388279876

C = (a + b) / 2 = 1.5E9
Ultima modificación 22 / 02 / 2020 *Rev 4
 METODOS NUMERICOS

Ejercicios Resueltos
Ejemplo 1.
El diseño del sistema de suspension del automovil comprende una solucion
intermedia entre comodidad y estabilidad para todas las condiciones de manejo y
velocidad. Se pide determinar la estabilidad del carro (k). Si la masa es de m = 1.2x106
gramos y tiene un sistema de amortiguamiento c= 1x107 g/s.
Solución:
n= 1, c= 1.5e+009, f(a) = 0.28644, f(b) = -0.35181, f(c) =-0.066943, error = 5e+008
n= 2, c=1.25e+009, f(a) = 0.28644, f(b) =-0.066943, f(c) = 0.10069, error = 2.5e+008
n= 3, c=1.375e+009, f(a) = 0.10069, f(b) =-0.066943, f(c) = 0.014675, error =1.25e+008
n= 4, c=1.4375e+009, f(a) = 0.014675, f(b) =-0.066943, f(c) =-0.026677, error =6.25e+007
n= 5, c=1.4063e+009, f(a) = 0.014675, f(b) =-0.026677, f(c) =-0.0061375, error =3.13e+007
n= 6, c=1.3906e+009, f(a) = 0.014675, f(b) =-0.0061375, f(c) =0.0042344, error =1.56e+007
n= 7, c=1.3984e+009, f(a) =0.0042344, f(b) =-0.0061375, f(c) =-0.0009601, error =7.81e+006
n= 8, c=1.3945e+009, f(a) =0.0042344, f(b) =-0.0009601, f(c) = 0.001635, error =3.91e+006

En 37 iteraciones …

n=37, c=1.397e+009, f(a) =9.6551e-012, f(b) =-1.0436e-014, f(c) =4.8221e-012, error = 0.00728

Respuesta final =1.39699e+009

Ultima modificación 22 / 02 / 2020 *Rev 4 Solución Exacta = 1.397x109
 METODOS NUMERICOS

Ejercicios Resueltos
Ejemplo 2.
Estime la masa del paracaidista, en funcion a la siguiente ecuacion,

 g *m  c *t
Datos v  * (1  e m )
g= 9,8  c 
  c *t
c= 14
g  g   g *t 
v= 35 Derivada = f ' ( m)   e m * (    )
t= 7 c c  m 

Condicion Inicial, mo = 2 kg

Solución:

Iter xi f(xi) f ' (xi) xi+1 Error

1 2,000000 -33,600000 0,700000 50,000000
2 50,000000 -4,930045 0,408141 62,079258 12,079258
3 62,079258 -0,507563 0,327696 63,628141 1,548883

Solución Exacta = 63,62 kg

Ultima modificación 22 / 02 / 2020 *Rev 4