UNIVERSIDAD DE ORIENTE

NÚCLEO DE MONAGAS
COORDINACIÓN GENERAL DE POSTGRADO
MAESTRÍA EN INGENIERÍA DE GAS
MÉTODOS NUMÉRICOS APLICADOS A LA INGENIERÍA
MATURÍN/MONAGAS/VENEZUELA

ASIGNACIÓN GRUPAL #1

GRUPO 5:
Adnel Rodríguez, C.I.: 25.085.277
Gisela Vizcaíno, C.I.: 24.126.294
Valentina Hernández, C.I.: 25.943.465

MATURÍN, ABRIL 2021

  EJERCICIO (A.5)

Se ha observado el crecimiento de una población de bacterias,

obteniéndose los datos siguientes, referidos a una unidad de volumen:

Días de cultivo 1 2 3 4 5 6
Millones de bacterias 1,6 4,5 13,8 40,2 125 300

Determine la curva exponencial 𝒚 = 𝒂𝒆𝒃𝒙 que representa dicho

crecimiento. Sabiendo que el coeficiente de correlación lineal es 0.01702,
razone si es mejor el ajuste exponencial realizado frente a un ajuste
lineal.

MODELO EXPONENCIAL

𝑦 = 𝑎𝑒 𝑏𝑥 𝑜 ln 𝑦 = ln 𝑎 + 𝑏𝑥

1. Se procede a determinar coeficientes a y b

𝑛 ∑ 𝑋𝑖 ln 𝑌𝑖 − ∑ 𝑋𝑖 ∑ 𝑙𝑛𝑌𝑖 (6)(84,492) − (21)(18,825) 𝑏 = 1,0632

𝑏= 2 =
2
𝑛 ∑ 𝑋𝑖 − (∑ 𝑋𝑖 ) (6)(91) − (21)2

∑ 𝑋𝑖 2 ∑ ln 𝑌𝑖 − ∑ 𝑋𝑖 ∑ 𝑋𝑖 𝑙𝑛𝑌𝑖 (91)(18,825) − (21)(84,492)

ln 𝑎 = 2 = ln 𝑎 = −0,5836
2
𝑛 ∑ 𝑋𝑖 − (∑ 𝑋𝑖 ) (6)(91) − (21)2

𝑎 = 𝑒 −0,5836 𝑎 = 0,5579
 𝑦 = 0,5579𝑒 1,0632𝑥

2. Se procede a determinar el coeficiente de correlación (r)

𝑛 ∑ 𝑋𝑖 ln 𝑌𝑖 − ∑ 𝑋𝑖 ∑ ln 𝑌𝑖
𝑟=
√[𝑛 ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖 )2 ] 𝑥 [𝑛 ∑ ln 𝑌𝑖 2 − (∑ ln 𝑌𝑖)2 ]

(6)(84,492) − (21)(18,825)
𝑟=
√[(6)(91) − (21)2 ] 𝑥 [(6)(78,862) − (18,825)2 ]

𝑟 = 0,9995

3. Se procede a determinar el coeficiente de determinación (𝑹𝟐 )

𝑟 2 = (0,9995)2 = 0,999

Gráfico de dispersión de modelo exponencial

350
300
300
y = 0,5579e1,0632x
250
R² = 0,999
Días de cultivo

200

150 125

100
40,2
50
13,8
1,6 4,5
0
0 1 2 3 4 5 6 7
Millones de bacterias
4. Conclusión

El coeficiente de correlación (r) obtenido, al ser positivo y cercano

a 1, indica una relación fuerte y positiva entre la variable independiente
(días de cultivo) y la variable dependiente (crecimiento de bacterias)
estudiadas; recordando que mientras más cercano se encuentre a los
valores [-1,1] mejor será el ajuste del modelo de regresión seleccionado.
De dicho valor se deriva un coeficiente de determinación (r2) de 0,999,
que indica que un 99,9% de los valores de volumen de bacterias
obtenidos son explicados satisfactoriamente por el modelo de regresión
exponencial.

Si se aplicase un modelo de regresión lineal, se generaría un

coeficiente de correlación de 0,01702, que al estar más cercano a 0, no
explicaría la relación existente entre en las variables estudiadas
correctamente, generando así, una recta que no se ajustaría a los datos
obtenidos. Por otra parte, se observaría que el r2 del modelo de regresión
lineal sería menor al obtenido en el modelo de regresión exponencial,
indicando que el modelo de regresión seleccionado para visualizar los
valores obtenidos es el apropiado.

 EJERCICIO (B.5)

Aplique el método de Neville para construir el polinomio de Lagrange P(x),

tal que P (−2) = −7, P (−1) = −6 y P (3) = 18.

1. Se establece ecuación por el método de Neville:

(𝑋 − 𝑋𝑖 )𝑃𝑖+1,𝑗 (𝑥) − (𝑋 − 𝑋𝑗 )𝑃𝑖,𝑗−1 (𝑥)

𝑃𝑖,𝑗 (𝑥) =
𝑋𝑗 − 𝑋𝑖
𝑋0 𝑃0,0 (𝑥) = 𝑓(𝑋𝑜 )

(𝑋−𝑋0 )𝑃1,1 (𝑥)−(𝑋−𝑋1 )𝑃0,0 (𝑥)

𝑋1 𝑃1,1 (𝑥) = 𝑓(𝑋1 ) 𝑃0,1 (𝑥) = 𝑋1 −𝑋0

(𝑋−𝑋1 )𝑃2,2 (𝑥)−(𝑋−𝑋2 )𝑃1,1 (𝑥) (𝑋−𝑋0 )𝑃1,2 (𝑥)−(𝑋−𝑋2 )𝑃0,1 (𝑥)
𝑋2 𝑃2,2 (𝑥) = 𝑓(𝑋2 ) 𝑃1,2 (𝑥) = 𝑋2 −𝑋1
𝑃0,2 (𝑥) = 𝑋2 −𝑋0

2. Realizar aproximaciones

𝑋0 = −2

𝑷𝟎,𝟎 (𝒙) = −𝟕

𝑋1 = −1

𝑷𝟏,𝟏 (𝒙) = −𝟔

(𝑋 − (−2))(−6) − (𝑋 − (−1))(−7) −6𝑥 − 12 + 7𝑥 + 7

𝑃0,1 (𝑥) = =
(−1) − (−2) 1
𝑷𝟎,𝟏 (𝒙) = 𝒙 − 𝟓

𝑋2 = 3

𝑷𝟐,𝟐 (𝒙) = 𝟏𝟖

(𝑋 − (−1))(18) − (𝑋 − 3)(−6) 18𝑥 + 18 + 6𝑥 − 18 24𝑥

𝑃1,2 (𝑥) = = =
3 − (−1) 4 4
𝑷𝟏,𝟐 (𝒙) = 𝟔𝒙

(𝑋 − (−2))(6𝑥) − (𝑋 − 3)(𝑥 − 5) 5𝑥 2 + 20𝑥 − 15

𝑃0,2 (𝑥) = =
3 − (−2) 5
𝑷𝟎,𝟐 (𝒙) = 𝒙𝟐 + 𝟒𝒙 − 𝟑
 -2 −7

-1 −6 𝑥 − 5

3 18 6𝑥 𝑥 2 + 4𝑥 − 3

𝑃(𝑥) = 𝑥2 + 4𝑥 − 3

 EJERCICIO (C.5)

Obtener el polinomio de interpolación usando la fórmula de interpolación

de Lagrange y la fórmula de interpolación de Newton en diferencias
divididas con la siguiente tabla de valores a:

X 0 -3 2 -4
y 0 -84 26 -196

Interpolar en el punto 𝑥 = −1

1. Interpolación de Lagrange

𝑛−1

𝑃𝑛 (𝑥) = ∑ 𝐹(𝑋𝑖) ∗ 𝐿𝑖(𝑥)

𝑖=0

𝑋−𝑋
Donde 𝐿𝑖(𝑥)= ∏𝑛−1
𝑖=0 𝑋 −𝑋
𝑗
i = 0,1,…n-1 j = 0,1,…, n-1
𝑖 𝑗
𝑗≠0
Datos:

n=4 X0 = 0 𝑓(𝑋0 ) = 0

i = 0,1,2,3 X1 = -3 𝑓(𝑋1 ) = −84

j = 0,1,2,3 X2 = 2 𝑓(𝑋2 ) = 26

X3 = -4 𝑓(𝑋3 ) = −196

Calcular 𝑳𝒊(𝒙)

 PROCESO ITERATIVO

ITERACIÓN #1 i = 0 j≠0 j = 1,2,3

(𝑥 − 𝑥1 ) ∗ (𝑥 − 𝑥2 ) ∗ (𝑥 − 𝑥3 )
𝐿0 (𝑥)=
(𝑥0 − 𝑥1 ) ∗ (𝑥0 − 𝑥2 ) ∗ (𝑥0 − 𝑥3 )

(𝑥 + 3) ∗ (𝑥 − 2) ∗ (𝑥 + 4)
𝐿0 (𝑥)=
(0 + 3) ∗ (0 − 2) ∗ (0 + 4)

𝑥 3 + 5𝑥 2 − 2𝑥 − 24
𝐿0 (𝑥)=
−24

−𝟏 𝟑 𝟓 𝟐 𝟏
𝑳𝟎 (𝒙)= 𝒙 + 𝒙 + 𝒙+𝟏
𝟐𝟒 𝟐𝟒 𝟏𝟐

ITERACIÓN #2 i = 1 j≠1 j = 0,2,3

(𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥2 ) ∗ (𝑥 − 𝑥3 )
𝐿1 (𝑥)=
(𝑥1 − 𝑥0 ) ∗ (𝑥1 − 𝑥2 ) ∗ (𝑥1 − 𝑥3 )

(𝑥 − 0) ∗ (𝑥 − 2) ∗ (𝑥 + 4)
𝐿1 (𝑥)=
(−3 − 0) ∗ (−3 − 2) ∗ (−3 + 4)

𝑥 3 + 4𝑥 2 − 2𝑥 2 − 8𝑥
𝐿1 (𝑥)=
15

𝟏 𝟑 𝟐 𝟐 𝟖
𝑳𝟏 (𝒙)= 𝒙 + 𝒙 − 𝒙
𝟏𝟓 𝟏𝟓 𝟏𝟓
 ITERACIÓN #3 i = 2 j≠2 j = 0,1,3

(𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 ) ∗ (𝑥 − 𝑥3 )
𝐿2 (𝑥)=
(𝑥2 − 𝑥0 ) ∗ (𝑥2 − 𝑥1 ) ∗ (𝑥2 − 𝑥3 )

(𝑥 − 0) ∗ (𝑥 + 3) ∗ (𝑥 + 4)
𝐿2 (𝑥)=
(2 − 0) ∗ (2 + 3) ∗ (2 + 4)

𝑥 3 + 7𝑥 2 + 12𝑥
𝐿2 (𝑥)=
60

𝟏 𝟑 𝟕 𝟐 𝟏
𝑳𝟐 (𝒙)= 𝒙 + 𝒙 + 𝒙
𝟔𝟎 𝟔𝟎 𝟓

ITERACIÓN #4 i = 3 j≠3 j = 0,1,2

(𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 ) ∗ (𝑥 − 𝑥2 )
𝐿3 (𝑥)=
(𝑥3 − 𝑥0 ) ∗ (𝑥3 − 𝑥1 ) ∗ (𝑥3 − 𝑥2 )

(𝑥 − 0) ∗ (𝑥 + 3) ∗ (𝑥 − 2)
𝐿3 (𝑥)=
(−4 − 0) ∗ (−4 + 3) ∗ (−4 − 2)

𝑥 3 − 2𝑥 2 + 3𝑥 2 − 6𝑥
𝐿3 (𝑥)=
−24

𝟏 𝟑 𝟏 𝟐 𝟏
𝑳𝟑 (𝒙)= − 𝒙 − 𝒙 + 𝒙
𝟐𝟒 𝟐𝟒 𝟒

Se sustituye en la formula

𝑛−1

𝑃𝑛 (𝑥) = ∑ 𝑓(𝑋𝑖) ∗ 𝐿𝑖(𝑥)

𝑖=0

𝑃𝑛 (𝑥) = 𝑓(𝑥0 ) ∗ 𝐿𝑂 (𝑥) + 𝑓(𝑥1 ) ∗ 𝐿1 (𝑥) + 𝑓(𝑥2 ) ∗ 𝐿2 (𝑥) + 𝑓(𝑥3 ) ∗ 𝐿3 (𝑥)

−1 5 1 1 2 8 1
𝑃𝑥 (𝑥) = 0 ∗ ( 𝑥 3 + 𝑥 2 + 𝑥 + 1) − 84 ∗ ( 𝑥 3 + 𝑥 2 − 𝑥) + 26 ∗ ( 𝑥 3
24 24 12 15 15 15 60
7 1 1 1 1
+ 𝑥 2 + 𝑥) − 196 ∗ (− 𝑥 3 − 𝑥 2 + 𝑥 )
60 5 24 24 4

𝑷(𝒙) = 𝟑𝒙𝟑 + 𝒙
 2. Interpolación de Newton con diferencias divididas

Datos
n=4 X0 = 0 𝑓(𝑋0 ) = 0

j = 0,1,2,3 X1 = -3 𝑓(𝑋1 ) = −84

X2 = 2 𝑓(𝑋2 ) = 26

X3 = -4 𝑓(𝑋3 ) = −196

Aplicar el método de diferencias divididas

j Xi 𝒇(𝑿𝒊 )
0 0 0
1 -3 -84 𝑓(𝑋0 ,𝑋1 )
2 2 26 𝑓(𝑋1 ,𝑋2 ) 𝑓(𝑋0 ,𝑋1 ,𝑋2 )
3 -4 -196 𝑓(𝑋2 ,𝑋3 ) 𝑓(𝑋1 ,𝑋2 ,𝑋3 ) 𝑓(𝑋0 .𝑋1 ,𝑋2 ,𝑋3 )

Primera Diferencia

𝑓(𝑋1 ) − 𝑓(𝑋0 )
𝑓(𝑋0 ,𝑋1 ) =
𝑥1 − 𝑥0
−84 − 0
𝑓(𝑋0 ,𝑋1 ) =
−3 − 0
𝒇(𝑿𝟎 ,𝑿𝟏 ) = 𝟐𝟖
𝑓(𝑋2 ) − 𝑓(𝑋1 )
𝑓(𝑋1 ,𝑋2 ) =
𝑥2 − 𝑥1
26 − (−84)
𝑓(𝑋1 ,𝑋2 ) =
2 − (−3)
𝒇(𝑿𝟏 ,𝑿𝟐 ) = 𝟐𝟐

𝑓(𝑋3 ) − 𝑓(𝑋2 )
𝑓(𝑋2 ,𝑋3 ) =
𝑥3 − 𝑥2
−196 − 26
𝑓(𝑋2 ,𝑋3 ) =
−4 − 2
𝒇(𝑿𝟐 ,𝑿𝟑 ) = 𝟑𝟕
Segunda diferencia

𝑓(𝑋1 ,𝑋2 ) − 𝑓(𝑋0 ,𝑋1)

𝑓(𝑋0 ,𝑋1 ,𝑋2) =
𝑥2 − 𝑥0
22 − 28
𝑓(𝑋0 ,𝑋1 ,𝑋2) =
2−0
𝒇(𝑿𝟎 ,𝑿𝟏 ,𝑿𝟐 ) = −𝟑

𝑓(𝑋2 ,𝑋3 ) − 𝑓(𝑋1 ,𝑋2)

𝑓(𝑋1 ,𝑋2 ,𝑋3) =
𝑥3 − 𝑥1
37 − 22
𝑓(𝑋1 ,𝑋2 ,𝑋3) =
−4 − (−3)
𝒇(𝑿𝟏 ,𝑿𝟐 ,𝑿𝟑 ) = −𝟏𝟓

Tercera diferencia

𝑓(𝑋1 ,𝑋2 ,𝑋3) − 𝑓(𝑋0 ,𝑋1 ,𝑋2 )

𝑓(𝑋0 .𝑋1 ,𝑋2,𝑋3) =
𝑥3 − 𝑥0
−15 − (−3)
𝑓(𝑋0 .𝑋1 ,𝑋2,𝑋3) =
−4 − (0)
𝒇(𝑿𝟎 .𝑿𝟏 ,𝑿𝟐 ,𝑿𝟑 ) = 𝟑

j Xi 𝒇(𝑿𝒊 )
0 0 0
1 -3 -84 28
2 2 26 22 -3
3 -4 -196 37 −15 3

𝑃𝑛 (𝑥) = 𝑓(𝑋0 ) + 𝑓(𝑋0 ,𝑋1 ) ∗ ( 𝑥 − 𝑥0 ) + 𝑓(𝑋0 ,𝑋1 ,𝑋2 ) ∗ (𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 )

+ 𝑓(𝑋0 .𝑋1 ,𝑋2,𝑋3 ) ∗ (𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 ) ∗ (𝑥 − 𝑥2 )

𝑃𝑛 (𝑥) = 0 + 28( 𝑥 − 0) − 3(𝑥 − 0)(𝑥 + 3) − 62(𝑥 − 0)(𝑥 + 3) ∗ (𝑥 − 2)

𝑷(𝒙) = 𝟑𝒙𝟑 + 𝒙
  Interpolar con 𝒙 = −𝟏

𝑷(𝒙) = 𝟑𝒙𝟑 + 𝒙

𝑃(−1) = 3𝑥 3 + 𝑥 = 3(−1)3 − 1

𝑃(−1) = −4

X 0 -1 -3 2 -4
Y 0 -4 -84 26 -196

Representación gráfica de función polinómica de grado 3

50 26
-4 0
0
-5 -4 -3 -2 -1 0 1 2 3

-50
-84

-100
Y

-150
-196
-200
y = 3x3 + x
-250
X

 EJERCICIO (D.5)

Utilice el método de Newton para calcular la raíz de la siguiente ecuación

(7 cifras decimales): 𝒙𝟑 − 𝟑𝒙 + 𝟒

𝒇(𝑿𝒊 )
𝑿𝒊+𝟏 = 𝑿𝒊 −
𝒇′(𝑿𝒊 )
 1. Calcular el %Es

%𝐸𝑠 = 5𝑥10(−𝑘+1) 𝑘 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑓𝑟𝑎𝑠

%𝐸𝑠 = 5𝑥10(−7+1) 𝑥 100
%𝐸𝑠 = 5𝑥10−6 ∗ 100
%𝑬𝒔 = 𝟓𝒙𝟏𝟎−𝟒 %

2. Calcular la derivada de la función

𝑓(𝑥) = 𝑥 3 − 3𝑥 + 4
𝑓′(𝑥) = 3𝑥 2 − 3

3. Proceso iterativo

Iteración 1 𝑋0 = −5

𝑥 3 − 3𝑥 + 4
𝑿𝟏 = 𝑋0 −
3𝑥 2 − 3
(−5)3 − 3(−5) + 4
𝑿𝟏 = −5 −
3(−5)2 − 3
𝑿𝟏 = − 𝟑, 𝟓𝟐𝟕𝟕𝟕𝟕𝟖

Se calcula el %Er con la siguiente ecuación:

|𝑋1 − 𝑋0 |
%𝐸𝑟 = ∗ 100%
|𝑋1 |
|−5 − 3,5277778|
%𝐸𝑟 = ∗ 100%
|5|
%𝑬𝒓 = 𝟒𝟏, 𝟕𝟑𝟐𝟐𝟖𝟑𝟓 %
Iteración 2 𝑋1 = −3,5277778

𝑥 3 − 3𝑥 + 4
𝑿𝟐 = 𝑋1 −
3𝑥 2 − 3
(−3,5277778)3 − 3(−3,5277778) + 4
𝑿𝟐 = −3,5277778 −
3(−3,5277778)2 − 3

𝑿𝟐 = −𝟐, 𝟔𝟕𝟑𝟖𝟑𝟔𝟔

Se calcula el %Er con la siguiente ecuación:

|𝑋2 − 𝑋1 |
%𝐸𝑟 = ∗ 100%
|𝑋2 |
|−2,6738366 − 3,5277778|
%𝐸𝑟 = ∗ 100%
|−2,6738366|
%𝑬𝒓 = 𝟑𝟏, 𝟗𝟑𝟔𝟗𝟐𝟑𝟖%

Iteración 3 𝑋2 = −2,6738366

𝑥 3 − 3𝑥 + 4
𝑿𝟑 = 𝑋2 −
3𝑥 2 − 3
(−2,6738366)3 − 3(−2,6738366) + 4
𝑿𝟑 = −2,6738366 −
3(−2,6738366)2 − 3

𝑿𝟑 = −𝟐, 𝟐𝟖𝟗𝟐𝟓𝟓𝟗

Se calcula el %Er con la siguiente ecuación:

|𝑋3 − 𝑋2 |
%𝐸𝑟 = ∗ 100%
|𝑋3 |
|−2,2892559 − 2,6738366|
%𝐸𝑟 = ∗ 100%
|−2,2892559|
%𝑬𝒓 = 𝟏𝟔, 𝟕𝟗𝟗𝟑𝟕𝟑𝟗%
Iteración 4 𝑋3 = −2,2892559

𝑥 3 − 3𝑥 + 4
𝑿𝟒 = 𝑋3 −
3𝑥 2 − 3
(−2,2892559)3 − 3(−2,2892559) + 4
𝑿𝟒 = −2,2892559 −
3(−2,2892559)2 − 3

𝑿𝟒 = −𝟐, 𝟐𝟎𝟎𝟒𝟕𝟏𝟖

Se calcula el %Er con la siguiente ecuación:

|𝑋4 − 𝑋3 |
%𝐸𝑟 = ∗ 100%
|𝑋4 |
|−2,2004718 − 2,2892559|
%𝐸𝑟 = ∗ 100%
|−2,2004718|
%𝑬𝒓 = 𝟒, 𝟎𝟑𝟒𝟕𝟕𝟗𝟒%

Iteración 5 𝑋4 = −2,2004718

𝑥 3 − 3𝑥 + 4
𝑿𝟓 = 𝑋4 −
3𝑥 2 − 3
(−2,2004718)3 − 3(−2,2004718) + 4
𝑿𝟓 = −2,2004718 −
3(−2,2004718)2 − 3

𝑿𝟓 = −𝟐, 𝟏𝟗𝟓𝟖𝟑𝟓𝟕

Se calcula el %Er con la siguiente ecuación:

|𝑋5 − 𝑋4 |
%𝐸𝑟 = ∗ 100%
|𝑋5 |
| −2,1958357 − 2,2004718|
%𝐸𝑟 = ∗ 100%
| −2,1958357|
%𝑬𝒓 = 𝟎, 𝟐𝟏𝟏𝟏𝟐𝟗𝟒%
Iteración 6 𝑋5 = −2,1958357

𝑥 3 − 3𝑥 + 4
𝑿𝟔 = 𝑋5 −
3𝑥 2 − 3
(−2,1958357)3 − 3(−2,1958357) + 4
𝑿𝟔 = −2,1958357 −
3(−2,1958357)2 − 3

𝑿𝟔 = −𝟐, 𝟏𝟗𝟓𝟖𝟐𝟑𝟑

Se calcula el %Er con la siguiente ecuación:

|𝑋6 − 𝑋5 |
%𝐸𝑟 = ∗ 100%
|𝑋6 |
| −2,1958233 − 2,1958357|
%𝐸𝑟 = ∗ 100%
|−2,1958233|
%𝑬𝒓 = 𝟎, 𝟎𝟎𝟎𝟓𝟔𝟑𝟐%

Iteración 7 𝑋6 = −2,1958233

𝑥 3 − 3𝑥 + 4
𝑿𝟕 = 𝑋6 −
3𝑥 2 − 3
(−2,1958233)3 − 3(−2,1958233) + 4
𝑿𝟕 = −2,1958233 −
3(−2,1958233)2 − 3

𝑿𝟕 = −𝟐, 𝟏𝟗𝟓𝟖𝟐𝟑𝟑

Se calcula el %Er con la siguiente ecuación:

|𝑋7 − 𝑋6 |
%𝐸𝑟 = ∗ 100%
|𝑋7 |
| −2,1958233 − 2,1958233|
%𝐸𝑟 = ∗ 100%
|−2,1958233|
%𝑬𝒓 = 𝟒, 𝟎𝟎𝟐𝒙𝟏𝟎−𝟗 %
 Iteración Xi Er (%)
0 -5
1 -3,5277778 41,7322835
2 -2,6738366 31,9369238
3 -2,2892559 16,7993739
4 -2,2004718 4,0347794
5 -2,1958357 0,2111294
6 -2,1958233 0,0005632
7 -2,1958233 4,002E-09

Como Ɛr (4,002E-09) < Ɛs (0,0005) finaliza el proceso iterativo para

obtener que 𝑿𝟕 = −𝟐, 𝟏𝟗𝟓𝟖𝟐𝟑𝟑 es la solución aproximada a la raíz de
𝑓(𝑥) = 𝑥 3 − 3𝑥 + 4 con un punto inicial 𝑋0 = −5.