ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC.

VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

METODOS NUMERICOS CAPITULO 1

RESOLUCION DE ECUACIONES
EJERCICIO 2.
Hallar la aproximación a la raíz de:
𝑦 = 𝑥, 𝑦 = 𝑐𝑜𝑠𝑥
Por el método de newton raphson.
SOLUCION

Para hallar la abscisa del punto de intersección basta con igualar las funciones:

𝑥 = 𝑐𝑜𝑠𝑥 →→→→ 𝑐𝑜𝑠𝑥 − 𝑥 = 0

Entonces aplicando la función general tenemos:
𝑓(𝑋𝑘)
𝑋𝑘 + 1 = 𝑋𝑘 −
𝑓′(𝑋𝑘)
Para k=0 tomamos x (0) =1
𝑓 (𝑋0) 𝑐𝑜𝑠𝑥 − 𝑥 𝑐𝑜𝑠𝑥 − 𝑥
𝑋1 = 𝑋0 − = 1 − = 1 +
𝑓 ′(𝑋0) −𝑠𝑒𝑛𝑥 − 1 𝑠𝑒𝑛𝑥 + 1
Realizando las iteraciones tenemos:
iteración Xk
0 1
1 0.750364
2 0.739113
3 0.739085
4 0.739085
La solución que buscamos es la siguiente:
𝑥 = 0.739085
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

1. METODO DE LA SECANTE MODIFICADA

Se obtiene a partir de la ecuación siguiente:
𝑓(𝑋𝑖 ) − 𝑓(𝑋𝑖 − 1)
𝑓 ′(𝑋𝑖 ) =
𝑋𝑖 − 𝑋𝑖 − 1
De esta forma la ecuación de Newton Raphson es la misma que obtenida para
el método de la secante, si se considera:
𝛿𝑋𝑖𝑓 (𝑋𝑖 )
𝑋𝑖 + 1 = 𝑋𝑖 −
𝑓(𝑋𝑖 + 𝛿𝑋𝑖) − 𝑓(𝑋𝑖)
EJEMPLO
Hallar la raíz aproximada de:
𝑓 (𝑥 ) = 𝑥 2 − 2 𝑥
Considerando como valor inicial de x0= 3/2 y 𝛿 = 0.01
Para i=0
𝛿𝑓 (𝑋0)
𝑋1 = 𝑋0 − = 1.86927543
𝑓((1 + 𝛿)𝑋0) − 𝑓 (𝑋0)

Para i=1
𝛿𝑓 (1.86927543)
𝑋2 = (1.86927543) − = 1.93980086
𝑓((1 + 𝛿)1.86927543) − 𝑓 (1.86927543)

Para i=2
𝛿𝑓 (1.93980086)
𝑋3 = (1.93980086) − = 1.97089798
𝑓((1 + 𝛿)1.93980086) − 𝑓 (1.93980086)

Para i=3
𝛿𝑓 (1.97089798)
𝑋4 = (1.97089798) − = 1.98566923
𝑓((1 + 𝛿)1.97089798) − 𝑓 (1.97089798)

Para i=4
𝛿𝑓 (1.98566923)
𝑋5 = (1.98566923) − = 1.99288959
𝑓((1 + 𝛿)1.98566923) − 𝑓 (1.98566923)

Calculo del error:

1.99288959 − 1.98566923
𝐸=| | ∗ 100 = 0.362306072%
1.99288959
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

EJERCICIO 2.
Hallar la raíz aproximada de:

𝑥 3.3 = 79
Con el método de la secante modificada que cumpla con E=0.1%, intente
diferentes valores de 𝛿 y analice los resultados.
Solución.
Para 𝛿 = 0.01

iteración Xi Xi+ 𝛿𝑋𝑖 Xi+1 E(%)

0 3.5 3.535 3.7803 -
1 3.7803 3.8181 3.7589 0.5
2 3.7589 3.7964 3.7587 0.005

Para 𝛿 = 0.1

iteración Xi Xi+ 𝛿𝑋𝑖 Xi+1 E(%)

0 3.5 3.85 3.7723 -
1 3.7723 4.1495 3.7592 0.3
2 3.7592 4.1351 3.7587 0.001

Como se puede observar en ambos casos llegamos a la solución:

𝑥 = 3.7587
Pero en el segundo caso tenemos un error menor que en el primer caso.
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

2. METODO DEL PUNTO FIJO

el método punto fijo representa una herramienta poderosa y en general más agile
que el método de la bisección, basa su nombre en el algoritmo y la propiedad de
ciertas funciones de tener dentro de su dominio los llamados puntos fijos, los
cuales son puntos en los cuales cumple que x = g(x)
ejemplo
𝑒 𝑥 − 𝑥2 = 0
Mediante despejes y artificios tenemos:
𝑒 𝑥 − 𝑥2 + 𝑥 = 𝑥
𝑒𝑥
=𝑥
𝑥
ln(𝑥 2 ) = 𝑥
De estos ejemplos tendríamos que las posibilidades son:
𝑔 (𝑥 ) = 𝑒 𝑥 − 𝑥 2 + 𝑥
𝑒𝑥
𝑔 (𝑥 ) =
𝑥
g(x) = ln(𝑥 2 )
Condiciones:
 “g” evaluada en [a, b] debe tomar valores que también estén incluidos de
manera ‘cercana’, dicho de otra manera, las imágenes de la función
evaluada en el intervalo deben parecerse al intervalo [g(a), g(b)] debe
parecerse a [a, b]
 g' no puede tomar valores superiores a 1 ni inferiores a -1 en el intervalo
[a, b]
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

EJERCICIO1
Resuelva la ecuación ln (x)+2-x = 0 empleando el método de punto fijo y
justificando la convergencia del método, utilice una tolerancia de 10 ˄-5
SOLUCION:

3. METODO DE MULLER

De esta grafica tenemos un buen intervalo el cual es [3, 3.5]

Evaluando en esos puntos tenemos:
ln(3) + 2 − 3 = 0.0986123
ln(3.5) + 2 − 3.5 = −0.2472370
A continuación, buscamos posibles funciones que garanticen la convergencia
del algoritmo de punto fijo.
La manipulación de la ecuación nos lleva como primera opción de g(x) a:
𝑔(𝑥 ) = 𝑒 𝑥−2
Hallando su derivada:
𝑔′(𝑥 ) = 𝑒 𝑥−2
Para verificar la convergencia de esta opción de g(x) vemos lo valores de “ g’ ”
en el intervalo previamente seleccionado.
𝑔′(3) = 𝑒 3−2 => 𝑒 ≈ 2.7182818
𝑔′(3.5) = 𝑒 3.5−2 => 𝑒 1.5 ≈ 4.4816891
Como se puede ver en la primera elección de g(x) no proporciona una función
que garantice la convergencia del método dado que la misma excede la cota de:
|𝑔′(𝑥)| ≤ 1
En el intervalo de aproximación:
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

Descartamos g(x) entonces realizamos otra opción para g(x)

1
𝑔(𝑥 ) = ln(𝑥 ) + 2 →→→ 𝑔 ′ (𝑥 ) =
𝑥
Nuevamente verificamos que este entre 1 y -1 en el intervalo para verificar la
convergencia del método. Tenemos:
1
𝑔′(3) = ≈ 0.333333
3
1
𝑔′(3.5) = ≈ 0.285714
3.5
Esta función cumple el acotamiento por lo cual verificaremos si sus imágenes
se parecen al intervalo de aproximación elegido.
Para esto nos damos una idea con los extremos y algún punto interior:
𝑔(3) = ln(3) + 2 = 3.098 …
𝑔(3.25) = ln(3.25) + 2 = 3.178652 …
𝑔(3.5) = ln(3.5) + 2 = 3.252762 …
Como podemos ver la función “g” evaluada en el intervalo de aproximación se
parece o está contenida dentro del mismo intervalo de aproximación por lo que
la misma cumple el criterio de convergencia.
Pasamos a desarrollar el algoritmo:
𝑋𝑛 + 1 = 𝑔(𝑋𝑛) = ln(𝑋𝑛) + 2
Escogemos un punto que pertenezca al intervalo para realizar las iteraciones,
en este caso escogemos X0 = 3.1 para lo cual tenemos la siguiente tabla:

n Xn Xn+1 Tol
0 3.1 3.131402111 0.031402111
1 3.131402111 3.141480863 0.010078752
2 3.141480863 3.144694301 0.003213438
3 3.144694301 3.145716684 0.001022383
4 3.145716684 3.146041745 0.000325061
5 3.146041745 3.146145074 0.000103329
6 3.146145074 3.146177917 3.28436E-05
7 3.146177917 3.146188357 1.04393E-05
8 3.146188357 3.146191675 3.31807E-06

Entonces la solución es la siguiente:

𝑥 = 3.146191675
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO

3. METODO DE MULLER
Es un método para encontrar las raíces de ecuaciones polinomiales de la forma
general:
𝑓𝑛(𝑥 ) = 𝑎0 + 𝑎1𝑥 + 𝑎2𝑥 2 + ⋯ … … … . +𝑎𝑛𝑥 𝑛
Donde “n” es el orden del polinomio y las “a” son coeficentes constantes,
continuando con los polinomios cumplen las siguientes reglas.
 Para la ecuación de orden “n” hay “n” raíces reales o complejas, se
debe notar que esas raíces no son necesariamente distintas.
 Si “n” es impar hay almenos una raíz real.
 Si las raíces complejas existen, existe un par conjugado
Un predecesor del método de Müller, es el método de la secante, el cual obtiene raíces,
estimando una proyección de una línea recta en el eje x, a través de dos valores de la
función. El método de Müller toma un punto de vista similar, pero proyecta una parábola
a través de tres puntos. El método consiste en obtener los coeficientes de los tres
puntos, sustituirlos en la fórmula cuadrática y obtener el punto donde la parábola
intercepta el eje x. La aproximación es fácil de escribir, en forma conveniente esta sería:

𝑓2(𝑥 ) = 𝑎(𝑥 − 𝑥2)2 + 𝑏(𝑥 − 𝑥2) + 𝑐

ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO
Así, se busca esta parábola para intersectar los tres puntos [x0, f(x0)], [x1, f(x1)] y [x2,
f(x2)]. Los coeficientes de la ecuación anterior se evalúan al sustituir uno de esos tres
puntos para dar

𝑓 (𝑥0) = 𝑎(𝑥0 − 𝑥2)2 + 𝑏(𝑥0 − 𝑥2) + 𝑐

𝑓 (𝑥1) = 𝑎(𝑥1 − 𝑥2)2 + 𝑏(𝑥1 − 𝑥2) + 𝑐
𝑓 (𝑥1) = 𝑎(𝑥2 − 𝑥2)2 + 𝑏(𝑥2 − 𝑥2) + 𝑐
La última ecuación genera que, (fx2 )  c, de esta forma, se puede tener un sistema de
dos ecuaciones con dos incógnitas:

𝑓 (𝑥0) − 𝑓 (𝑥2) = 𝑎(𝑥0 − 𝑥2)2 + 𝑏(𝑥0 − 𝑥2)𝑓 (𝑥1) − 𝑓 (𝑥2)

= 𝑎(𝑥1 − 𝑥2)2 + 𝑏(𝑥1 − 𝑥2)
De esta forma obtenemos:
ℎ0 = 𝑥1 − 𝑥0 →→→→ ℎ1 = 𝑥2 − 𝑥1
𝑓(𝑥1) − 𝑓(𝑥2) 𝑓 (𝑥2) − 𝑓(𝑥1)
𝛿0 = →→→→ 𝛿1 =
𝑥1 − 𝑥0 𝑥2 − 𝑥1
Sustituyendo en el sistema:
(ℎ0 − ℎ1)𝑏 − (ℎ0 − ℎ1)2 𝑎 = ℎ0𝛿0 + ℎ1𝛿1
ℎ1𝑏 − ℎ12 𝑎 = ℎ1𝛿1
teniendo como resultado lo siguiente:
𝛿1 − 𝛿0
𝑎= 𝑏 = 𝑎ℎ1 + 𝛿1 𝑐 = 𝑓 (𝑥2)
ℎ1 + ℎ0
Hallando la raíz, se implementar la solución convencional, pero debido al error de
redondeo potencial, se usará una formulación alternativa:
−2𝑐 −2𝑐
𝑥3 − 𝑥2 = 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑛𝑑𝑜 𝑋3 = 𝑥2 +
𝑏 ± √𝑏2 − 4𝑎𝑐 𝑏 ± √𝑏2 − 4𝑎𝑐

La gran ventaja de este método es que se pueden localizar tanto las raíces reales como
las imaginarias. Hallando el error este será:
𝑥3 − 𝑥2
𝐸=| | ∗ 100%
𝑥3
Al ser un método de aproximación, este se realiza de forma secuencial e iterativamente,
donde x1, x2, x3 reemplazan los puntos x0, x1, x2 llevando el error a un valor cercano
a cero.
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO
EJERCICIO 1
Hallar la solución o raíz de la siguiente función:

𝑓(𝑥) = 𝑥 3 − 13𝑥 − 12
Con x2=5, x1=5.5, x0=4.5
SOLUCION:
Evaluando una función en los puntos tenemos lo siguiente:
𝑓(5) = 48; 𝑓(5.5) = 82.875; 𝑓(4.5) = 20.625
Reemplazando en la fórmula que se desarrolló antes tenemos:

ℎ0 = 5.5 − 4.5 = 1 →→→→ ℎ1 = 5 − 5.5 = −0.5

𝑓 (𝑥1) − 𝑓(𝑥2) 82.875 − 20.625
𝛿0 = = = 62.25
𝑥1 − 𝑥0 5.5 − 4.5
𝑓 (𝑥2) − 𝑓(𝑥1) 48 − 82.875
𝛿1 = = = 69.75
𝑥2 − 𝑥1 5 − 5.5
Hallando los coeficientes:
𝛿1 − 𝛿0 69.75 − 62.25
𝑎= = = 15 ;
ℎ1 + ℎ0 −0.5 + 1
𝑏 = 𝑎ℎ1 + 𝛿1 = 15(−0.5) + 69.75 = 62.25 𝑐 = 48
La raíz cuadrada de la discriminante es:

√62.252 − 4 ∗ 15 ∗ 48 = 31.544

Hallando x3 tenemos:
−2 ∗ 48
𝑥3 = 5 + = 3.9765
62.25 + 31.544
Realizando diferentes iteraciones tenemos:

I Xr E%
0 5 -
1 3.9765 25.740
2 4.0011 0.614
3 4.0000 0.026
4 4.0000 0.000
ETN – 505 PROGRAMACION Y METODOS NUMERICOS DOCENTE: LIC. VIRGINIA ZOTA
AUX: UNIV. BORIS RODRIGO CUEVAS COYO