GUÍA PRÁCTICA

MÉTODOS NUMÉRICOS

1. Datos Generales
Carrera: TECNOLOGIA EN ANÁLISIS DE SISTEMAS
Período académico: Junio 2020 – octubre 2020
Asignatura: Métodos Numéricos
Unidad Nº: 2
MATLAB METODOS PARA ENCONTRAR RAICES DE
Tema:
ECUACIONES
Ciclo-Paralelo: M6A
Fecha de inicio de la Unidad: 13/07/2020
Fecha de fin de la Unidad 15/08/2020
Práctica Nº: 2
Horas: 4
Docente: Mgs. Vilma Duchi F.

2. Contenido

2.1 Introducción
A los valores calculados con la ecuación (1) se les llama las “raíces” de la ecuación (2), que
representan los valores de x que hacen a la ecuación (2) igual a cero. Por lo tanto, se define
la raíz de una ecuación como el valor de x que hace f(x) = 0.
Debido a esto, algunas veces a las raíces se les conoce como ceros de la ecuación. Aunque la
fórmula cuadrática es útil para resolver la ecuación, existen muchas funciones donde las
raíces no se pueden determinar tan fácilmente. En tales casos, la única alternativa es una
técnica con solución aproximada.
Entre los principales métodos para resolver ecuaciones complejas que se desarrollarán en
esta guía se encuentran:
- Método de Bisección
- Método de falsa posición
- Método del punto fijo
- Método de Newton-Raphson
- Método de la secante

2.2 Objetivo de la Guía

• Adquirir información relacionada al tema
• Conocer la importancia de este
• Aplicar los conocimientos obtenidos en la vida real

2.3 Materiales, herramientas, equipos y software

- Plataforma del instituto
- Módulo de la Asignatura
- Software Matlab
- Comandos Básicos de Matlab
- Computador personal
- Materiales de oficina.

2.4 Procedimiento

a) MATLAB MÉTODO DE LA BISECCIÓN

Básicamente, el método consiste en dividir a la mitad repetidamente los subintervalos de [a,b]

y en cada paso, localizar la mitad que contiene a la solución,

Para empezar, hacemos a1 = a y b1 = b y calculamos el punto medio del intervalo [a1,b1] y lo

llamamos

Si f(m1)=0, entonces m=m1 ; si no, f(m1) tiene el mismo signo que

f(a1) o f(b1). Si f(m1) y f(a1) tienen el mismo signo, entonces m € in
]m1,b1[, y tómanos a2=m1 y b2=b1. Si f(m1) y f(b1) tienen el mismo signo, entonces m € in
]a1,m1[, y tómanos a2=a1 y b2=m1. Luego repetimos este proceso al intervalo [a2,b2].
 Figura 1: Descripción algoritmo en Matlab.

Fuente: Elaboración propia.

b) MATLAB MÉTODO DE FALSA POSICIÓN

La siguiente aproximación, x2, 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, [x0,x2] y [x2,x1], se toma aquel que cumpla f(x)f(x2)
< 0.

Figura 2: Descripción gráfica método iteración simple.

 Fuente: Infante, J. A., & Rey, J. M. (2002). Métodos numéricos.

La elección guiada del intervalo representa una ventaja respecto al método de la secante
ya que inhibe la posibilidad de una divergencia del método. Por otra parte, y respecto al
método de la bisección, mejora notablemente la elección del intervalo (ya que no se limita
a partir el intervalo por la mitad).

Figura 3: Descripción gráfica método iteración simple.

Fuente: Infante, J. A., & Rey, J. M. (2002). Métodos numéricos.

Sin embargo, el método de la falsa posición tiene una convergencia muy lenta hacia la

solución. Efectivamente, una vez iniciado el proceso iterativo, uno de los extremos del

intervalo tiende a no modificarse. Para obviar este problema, se ha propuesto una

modificación del método, denominada método de Hamming. Según este método, la

aproximación a una raíz se encuentra a partir de la determinación del punto de

intersección con el eje X de la recta que une los puntos ( x0,f(x0)/2) y (x1,f(x1)) si la
 función es convexa en el intervalo o bien a partir de la recta que une los puntos (x0,f(x0))

y (x1, f(x1)/2) si la función es cóncava en el intervalo.

Como hemos comentado, el método de Hamming requiere determinar la concavidad o

convexidad de la función en el intervalo de iteración. Un método relativamente sencillo

para determinar la curvatura de la función consiste en evaluar la función en el punto

medio del intervalo, f(xm) (en donde xm se calcula como en el método de la bisección) y

comparar este valor con la media de los valores de la función en los extremos del

intervalo. Tenemos entonces que:

Figura 4: Descripción método iteración simple.

Fuente: Infante, J. A., & Rey, J. M. (2002). Métodos numéricos.

Algoritmo de falsa posición

Figura 5: Algoritmo en Matlab

Fuente: Elaboración propia.

c) MATLAB MÉTODO DE PUNTO FIJO

La función se puede separar directamente y expresarse en la forma de la ecuación X = g(x )
i+1 i
como:

-x
f(x) = e – x

-x
x= e

𝑥𝑖+1 = 𝑒 −𝑥𝑖

De las ecuaciones ya escritas se empieza a remplazar valores y llenamos nuestra tabla a

continuación.

Figura 6: Descripción solución ejercicio.

Fuente: Material de trabajo Métodos Numéricos

f(x) = e-x – x

x= e-x

Xi+1 = g(xi)

𝑥𝑖+1 = 𝑒 −𝑥𝑖

𝑓1 (𝑥) = 𝑥 𝑓2 (𝑥) = 𝑒 −𝑥

Tabla 1: Descripción solución ejercicio

𝒙𝒊 𝒆−𝒙𝒊 𝒙𝒊+𝟏 𝜺𝒂 (%)

1 0,367 0,367 171,8

 0,367 0,692 0,692 46,9

0,692 0,5 0,5 38,3

0,5 0,606 0,606 17,4

0,606 0,545 0,545 11,2

0,545 0,579 0,579 5,9

0,579 0,560 0,560 3,48

0,560 0,571 0,571 1,93

0,571 0,564 0,564 1,11

Fuente: Material de trabajo Métodos Numéricos

Algoritmo método de punto fijo

Figura 7: Descripción solución ejercicio

Fuente: Material de trabajo Métodos Numéricos

d) MATLAB MÉTODO DE NEWTON-RAPHSON

Ejercicio tomado de (Salazar, 2016).

Encontrar una aproximación a la raíz de la siguiente ecuación utilizando el método de

Newton-Raphson. Tomar como punto de partida x=1.

f(x) = x3 – x – 1 = 0

Figura. 8: Representación grafica

Fuente: http://matematicasn.blogspot.com/2015/12/metodo-de-newton-raphson-
ejercicios.html

Ecuación: f(x) = x3 – x – 1 = 0

X1 = 1

Primero comprobamos si f’(x1)*f’’(x1) > 0

f´(x) = 3x2 – 1 f’(1) = 3(1)2 – 1 = 2

f´´(x) = 6x f’’(1) = 6(1) = 6

Por lo que

f’(x1)*f’’(x1) > 0

2*6 > 0

12 > 0 Si cumple en criterio

Ecuación: f(x) = x3 – x – 1 = 0 X1 = 1

𝑓(𝑥𝑖 )
Segundo realizamos las iteraciones con 𝑥𝑖+1 = 𝑥𝑖 − 𝑆𝑖 𝑓′(𝑥𝑖 ) ≠ 0
𝑓′ (𝑥𝑖 )

f´(x) = 3x2 – 1
x1 = 1

𝑓(𝑥1 ) 𝑓(1) 13 − 1 − 1
𝑥2 = 𝑥1 − = 1 − = 1 − = 1.5
𝑓 ′ (𝑥1 ) 𝑓 ′ (1) 3(1)2 − 1

𝑓(𝑥2 ) 𝑓(1.5)
𝑥3 = 𝑥2 − ′ = 1.5 − ′ = 1.34782
𝑓 (𝑥2 ) 𝑓 (1.5)

𝑓(𝑥3 ) 𝑓(1.34782)
𝑥4 = 𝑥3 − ′ = 1− ′ = 1.32520
𝑓 (𝑥3 ) 𝑓 (1.34782)

𝑓(𝑥4 ) 𝑓(1.32520)
𝑥5 = 𝑥4 − ′ = 1− ′ = 1.3247
𝑓 (𝑥4 ) 𝑓 (1.32520)

Figura. 9: Representación grafica

Raíz = 1.3247
Fuente: http://matematicasn.blogspot.com/2015/12/metodo-de-newton-raphson-
ejercicios.html

Algoritmo de Newton Raphson

Figura 10: Descripción solución ejercicio

 Fuente: Material de trabajo Métodos Numéricos

e) MATLAB MÉTODO DE LA SECANTE

El método de Newton-Raphson utiliza la evaluación de la derivada.

Existen algunas funciones cuyas derivadas en ocasiones resultan muy difíciles de calcular.

En dichos casos, la derivada se puede aproximar mediante una diferencia finita dividida
hacia atrás.

El método de la secante usa una diferencia dividida en lugar de una derivada para estimar la
pendiente.

La ecuación anterior se sustituye en la ecuación de Newton-Raphson para obtener la

formula para el método de la secante
Algoritmo del método de la secante

Figura 11: Descripción solución ejercicio

 Fuente: Material de trabajo Métodos Numéricos

2.5 Resultados esperados

- Distingue e interpretar los distintos métodos de determinación de errores por
iteraciones computacionales

-Construye algoritmos de los distintos métodos para determinar errores de calculo

-Calcula y contrasta un error intrínseco de los métodos estudiados

RESULTADOS DEL MÉTODO DE LA BISECCIÓN

Cómo en cada iteración el intervalo es la mitad del intervalo anterior, podemos concluir
que en la iteración n la solución m se encuentra en un intervalo de longitud.

Figura 12: Descripción ejercicio en ejecución.

 Fuente: Material de trabajo Métodos Numéricos

RESULTADOS DEL MÉTODO DE FALSA POSICIÓN

Figura 13: Descripción ejercicio en ejecución

Fuente: Material de trabajo Métodos Numéricos

RESULTADOS DEL MÉTODO DE PUNTO FIJO

Figura 14: Descripción ejercicio en ejecución

Fuente: Material de trabajo Métodos Numéricos

Ingrese la función:
x^4+2*x^2-x-3
Ingrese el punto inicial:
1
Ingrese el numero de iteraciones:
4
it x0 x1 x0-x1
1 1.0000000000 -1.0000000000 2.0000000000

2 -1.0000000000 1.0000000000 2.0000000000

3 1.0000000000 -1.0000000000 2.0000000000

4 -1.0000000000 1.0000000000 2.0000000000

el punto fijo aproximado es= 1.000000

RESULTADOS DEL MÉTODO NEWTON

ingrese la funcion: x^4+2*x^2-x-3

ingrese la dervidad de la funcion: 4*x^3+4*x-1
escriba el punto de inicio: 1
Ingrese el error maximo admisible: 0.5
Ingrese el numero maximo de iteraciones permitidas: 10
n x f(x) fp(x)
1 1.1428571429 0.1753436068 9.5422740525
 1.1428571429 es una aproximacion a la raiz con un error maximo de 0.5000000000
RESULTADOS DEL MÉTODO NEWTON

Figura 14: Descripción ejercicio en ejecución

Fuente: Material de trabajo Métodos Numéricos

2.6 Bibliografía

Descripción en norma APA

• Mora, W., & Espinoza, J. El método de la bisección. [online].[citado en oct. 29 de 2006].
• Barbero, A. C. (2005). Métodos numéricos con Matlab. Ed. Univ. Politéc. Valencia.
• Infante, J. A., & Rey, J. M. (2002). Métodos numéricos.

• Areiza, M. A. U. R. I. C. I. O. (2002). un Método Numérico cerrado para la Solución de

Sistemas de Ecuaciones No Lineales en Dos Variables. Dyna,69(137), 45-50.

3. Firmas de Responsabilidad

ESTUDIANTE DOCENTE COORDINADOR (A) DE

CARRERA
Nombre: Nombre: Mgs. Vilma Duchi F Nombre: Mgs. Gabriela Aguirre

)LUPDGRGLJLWDOPHQWHSRU9,/0$

9,/0$ 0$5,%(/'8&+,)$5(=
'1FQ 9,/0$0$5,%(/'8&+,
)$5(=F (&O 48,72R %$1&2
0$5,%(/ &(175$/'(/(&8$'25
RX (17,'$''(&(57,),&$&,21

'8&+, '(,1)250$&,21(&,%&(
0RWLYR6R\HODXWRUGHHVWH
GRFXPHQWR
)$5(= 8ELFDFLyQ
)HFKD

Firma Firma Firma

Fecha: ___/____/2020 Fecha: 10/07/2020 Fecha: ____/_____/2020