ESCUELA SUPERIOR DE INGENIERIA

MECÁNICA Y ÉLECTRICA
UNIDAD ZACATENCO

ASIGNATURA: MÉTODOS NUMERICOS

GRUPO: 3EM1

REPORTE DE PRACTICA 3: MÉTODO DE LA

TANGENTE

INTEGRANTES DEL EQUIPO:

CRUZ VALENTIN
FLORES DIEZ
GONZALES COSÍO
OROZCO SANTILLAN

INGENIERÍA ELÉCTRICA.

GRUPO: 3EM1 TURNO: MATUTINO

PROFESOR: MANUEL TORRES SABINO

Objetivos de la practica:
El objetivo principal de esta práctica es que nosotros como alumnos aprendamos las diferentes
soluciones aplicadas a las ecuaciones y sus distintos criterios de paro, tanto como un método
numérico, y su respectivo código en un programa en lenguaje c, que nos ayude a encontrar la
solución de la ecuación para facilitarnos su respectivo calculo.
Así mismo tiene como objetivo el desarrollo del razonamiento matemático dentro del alumno, ya
que es un método numérico, que nos va a facilitar la solución de una ecuación, conociendo sus
ventajas y desventajas del método numérico como tal.
Marco teórico:
El método de Newton (conocido también como el método de Newton-Raphson, el método de
Newton-Fourier, o método de la Tangente) es un algoritmo para encontrar aproximaciones de
los ceros o raíces de una función real. También puede ser usado para encontrar el máximo o
mínimo de una función, encontrando los ceros de su primera derivada. El método de Newton
es un método abierto, en el sentido de que no está garantizada su convergencia global. La
única manera de alcanzar la convergencia es seleccionar un valor inicial lo suficientemente
cercano a la raíz buscada. Así, se ha de comenzar la iteración con un valor razonablemente
cercano al cero (denominado punto de arranque o valor supuesto). La relativa cercanía del
punto inicial a la raíz depende mucho de la naturaleza de la propia función; si ésta presenta
múltiples puntos de inflexión o pendientes grandes en el entorno de la raíz, entonces las
probabilidades de que el algoritmo diverge aumentan, lo cual exige seleccionar un valor
supuesto cercano a la raíz. Una vez que se ha hecho esto, el método linealiza la función por la
recta tangente en ese valor supuesto. La abscisa en el origen de dicha recta será, según el
método, una mejor aproximación de la raíz que el valor anterior. Se realizarán sucesivas
iteraciones hasta que el método haya convergido lo suficiente. Este método de resolución
numérica busca un cero de la función f(x) por aproximaciones sucesivas a partir de un valor
inicial x0. El valor sucesivo xn+1 es la abscisa del punto en que la tangente a la gráfica de f(x)
en x n corta al eje 0x.

¿Por qué se le conoce como Método Newton-Raphson?

El método numérico de Newton fue descrito por Isaac Newton en su libro 'Sobre el análisis
mediante ecuaciones con un número infinito de términos', escrito en 1669, y publicado en
1711 por William Jones y también en De metodis fluxionum et serierum infinitarum escrito
en 1671, traducido y publicado como Método de las fluxiones en 1736 por John Colson. Sin
embargo, su descripción difiere en forma sustancial de la descripción moderna presentada más
arriba: Newton aplicaba el método solo a polinomios, y no consideraba las aproximaciones
sucesivas x n, sino que calculaba una secuencia de polinomios para llegar a la aproximación de
la raíz x. Finalmente, Newton ve el método como puramente algebraico y falla al no ver la
conexión con el cálculo.
El método de Newton-Raphson es llamado así debido a que en 1691 Joseph Raphson lo
publica en su libro Aequationum Universalis, en 1690, que contenía este método para
aproximar raíces. Newton en su libro Método de las fluxiones describe el mismo método, en
1671, pero no fue publicado hasta 1736, lo que significa que Raphson había publicado este
resultado 46 años antes. Aunque no fue tan popular como los trabajos de Newton, se le
reconoció posteriormente.

¿Quién fue Joseph Raphson?

Joseph Raphson (Middlesex, Inglaterra, 1648 - 1715) fue un matemático inglés conocido por
desarrollar el método de Newton-Raphson. se hizo miembro de la Royal Society en 1691 por
su libro Aequationum Universalis, publicado en 1690, que contenía este método para
aproximar raíces.

¿Cómo se resuelve el método?

Existen diferentes formas de obtener el algoritmo de este método, cada una de ellas
desarrolladas en un contexto matemático un poco similar. Se podría entender el método de
Newton como un caso especial del método del punto fijo, al igual que se puede obtener el
algoritmo a partir de un análisis geométrico.
El orden de convergencia de este método es, por lo menos, cuadrático. Sin embargo, si la raíz
buscada es de multiplicidad algebraica mayor a uno (Una raíz doble, triple, etc.), el método de
Newton-Raphson pierde su convergencia cuadrática. No hay un criterio general de convergencia
para el método de Newton-Raphson. Su convergencia depende de la naturaleza de la función y de
la exactitud del valor inicial. La única solución en estos casos es tener un valor inicial que sea
“suficientemente” cercano a la raíz. ¡Y para algunas funciones ningún valor inicial funcionará!
Los buenos valores iniciales por lo común se predicen con un conocimiento del problema físico o
mediante el uso de recursos alternativos, tales como las gráficas, que proporcionan mayor claridad
en el comportamiento de la solución.
En este método se nos dan únicamente dos valores los cuales son un valor inicial, representado por
x 0 ó x 1, y el criterio de paro, o error estimado ε s que tiene que ser mayor al criterio de paro que se
va a calcular ε a, es decir ¿ ε a∨¿ ε s
La fórmula empleada para este método numérico es:
f ( x ¿¿ i)
x i+1=x i− ¿
f ' ( x¿ ¿i)¿
Donde:
x i+1= La raíz más cercana
x i= El valor inicial

f ( x i)= Función de la que se desea encontrar la raíz

f ' ( x i)= Derivada de la función de la cual se desea encontrar la raíz

Cálculo del error

ε a=
| |
x i+1−x i
x i+1
(100)

ε a=El valor del error estimado

Sistema por resolver:
f ( x )=e−x −x
x=0 ,=0 %

f ' ( x)=−e−x −1
f ( x ¿¿ i)
x i+1=x i− ¿
f ' ( x¿ ¿i )¿
f ( x )=1 f ' ( x)=−2
1
x 1=0− =0.5
−2

|0.5−0
ε a=
0.5 |
( 100 )=100 %

f ( x )=0.106531; f ' ( x)=−1.606531

0.106531
x 2=0.5− =0.566311
−1.606531

ε a= |0.566311−0.5
0.566311 |
( 100 )=11.71 %

f ( x )=0.001305; f '( x)=−1.567616

0.001305
x 3=0.566311− =0.567143
−1.567616

ε a= |0.567143−566311
0.567143 |( 100)=0.147 %
f ( x )=0.000000455; f ' ( x)=−1.567143
0.000000455
x 4 =0.567143− =0.570046
−1.567143

|0.567143−0.567143
ε a=
0.567143 |( 100) =0 %
Graficando la función:
Algoritmo en Pseint:
Algoritmo MetodoDelaTangente
Leer xo, e
//poner 0.00001 en error//
i=0
Repetir
Escribir 'Iteración número:’, i+1
fx <- (exp(-xo))-xo; fpx <- (-exp(-xo))-1
Escribir fx,',’, fpx
x1 <- xo-(fx/fpx)
Escribir x1
ea <- ((x1-xo) /x1) *(100); i <- i+1
Escribir ea,' %'
xo = x1
Hasta Que ea<e
Escribir 'La aproximación a la raíz es ‘, x1,' con ‘, ea,'% de error'
FinAlgoritmo
Diagrama de flujo
Código en lenguaje C
/* Practica 3: Método de la tangente
Imar Cruz Valentin 3EM1
*/
#include<stdio.h>
#include<conio.h>
#include<math.h>
int main ()
{
float xo=0.0, xf=0.0, fx=0.0, fpx= 0.0, es=0.0, ea=0.0, div;
int i=0, r=0, con=0, imax=0;
printf ("Imar Cruz Valentin\n 3EM1\n");
printf ("Metodo de la tangente\n");
printf ("Funcion f(x)= (e^-x)-x; f'(x)= -(e^-x)-1\n\n");
printf ("Introduce el valor inicial de xi: ");
scanf ("%.5f\n”, &xo);
printf ("Introduce el valor de e:");
scanf ("%f\n”, &es);
printf("\n\t\ti\txi\t\tx(i+1) \t\tEa(%c) \n",37);
//iteraciones//
do
{
fx=exp(-xo)-xo;
fpx= -exp(-xo)-1;
xf=xo;
xo=xf-(fx/fpx);
printf ("\t\t\%d\t%f\t%f\n", i, xf, xo);
ea=fabs((xf-xo) /xf) *100;
printf ("\t%0.2f\n”, ea);
i++;
}
//Calculo del error//
 while(ea>es);
{
div=(fx/fpx);
xf= (xo-div);
ea=((xo+1)-xo);
ea=(xf-xo) /xf;
ea=fabs(ea)*100;
printf ("\t\tx = %5.5f \t\t e = %5.3f\n\n”, xf, ea);
i++;
}
return 0;
}

Impresión del código

Conclusiones:
El método de la tangente es un método algo sencillo, cuando sabes derivar una función, esto te
facilita el encontrar a la función f ’(x), así mismo el código de programación no es tan complejo
como otros, la desventaja que tiene es que hay funciones que no se pueden derivar, o su resultado
es un valor numérico y eso dificulta su uso dentro de los métodos numéricos; Es por ello que el
profesor nos enseña los métodos que se pueden emplear para encontrar las raíces de la función
matemática, así como nos asesora para el óptimo funcionamiento del código y el diagrama de
flujo.
Mi propósito dentro de este curso es comprender más a fondo los métodos de programación en
lenguaje c para poder aplicarlos en el ámbito laboral y aspirar a un mejor puesto dentro del mismo,
y poder enseñar a más personas la importancia de los métodos numéricos aplicados en el campo
laboral, como lo es la ingeniería eléctrica.
Bibliografía:
-método de Newton Raphson. (2018, octubre). personal gimat. Recuperado 6 de diciembre de 2022
de: http://personal.cimat.mx:8181/~julio/courses/progra01/clase18/MetododeNewtRaphson.pdf
-método de Newton Raphson. (2018, octubre). personal gimat. Recuperado 6 de diciembrede 2022,
de http://personal.cimat.mx:8181/~julio/courses/progra01/clase18/MetododeNewtonRaphson.pdf
-La historia del método de Newton-Raphson y otro caso más de mala documentación en el cine.
(2013, 22 octubre). Gaussianos.com. Recuperado 22 de diciembre de 6d. C., de
https://www.gaussianos.com/la-historia-del-metodo-de-newton-raphson-y-otro-caso-mas-de-
maladocumentacion-en-el-cine/
-método Newton-Raphson. (2019). studocu. Recuperado 6 de diciembre de 2022, de
https://www.studocu.com/es-mx/document/aliat-universidades/metodos-numericos/metodo-de-
newton-raphson/16900327