Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Métodos Numéricos
FEM NRC15733
Chacha Beatriz
Chávez Jhoselyn
Figueroa Stanley
Laboratorio N.- 1
situaciones donde las soluciones analíticas son difíciles de obtener. Dos métodos ampliamente
raíz deseada. Evaluando la función en el punto medio del intervalo, el método ajusta el intervalo
reemplazando uno de sus extremos según el signo del resultado. Este proceso continúa hasta
que se alcanza una solución aproximada dentro de una tolerancia predefinida, garantizando la
convergencia. Regla falsa, también conocida como interpolación lineal inversa, emplea una
estrategia similar. Sin embargo, en lugar de evaluar la función en el punto medio, conecta los
extremos del intervalo con una línea y determina la intersección con el eje x. Este nuevo punto
se convierte en uno de los extremos del intervalo, y el proceso se repite. Aunque puede
converger más rápidamente en algunos casos, la regla falsa no garantiza convergencia en todas
las situaciones.
economía y la biología. Permiten abordar problemas del mundo real, desde la simulación de
numéricas son vitales para obtener soluciones aproximadas que respaldan la toma de decisiones
ASTRACT
Numerical methods are essential tools for solving mathematical problems in situations where
analytical solutions are difficult to obtain. Two widely used methods are bisection and false
rule.
The bisection method focuses on the systematic reduction of an interval containing the desired
root. By evaluating the function at the midpoint of the interval, the method fits the interval by
replacing one of its endpoints according to the sign of the result. This process continues until
The false rule, also known as inverse linear interpolation, employs a similar strategy. However,
instead of evaluating the function at the midpoint, connect the ends of the interval with a line
and determine the x-intercept. This new point becomes one of the ends of the interval, and the
process repeats. Although it may converge more quickly in some cases, the false rule does not
Both methods have practical applications in fields such as engineering, physics, economics and
biology. They allow real-world problems to be addressed, from the simulation of physical
systems to the modeling of biological behaviors. These numerical tools are vital for obtaining
summary, bisection and false rule are valuable numerical methods for solving equations on
specific intervals. Their practical application in a variety of fields highlights the importance of
solutions.
Introducción
La solución de problemas matemáticos juega un papel fundamental en numerosas disciplinas
desarrollado diferentes métodos para abordar la solución exacta de ecuaciones que son
la bisección y el método de la regla falsa, como dos procedimientos iterativos básicos que
Los métodos numéricos son técnicas matemáticas que se emplean para obtener soluciones
utilizan algoritmos y cálculos iterativos para obtener resultados numéricos que se aproximan a
En este trabajo exploraremos el fascinante mundo de los métodos numéricos, con un enfoque
veces no pueden ser resueltos mediante métodos analíticos. A medida que avanzamos en una
reducción a la mitad del intervalo, es un algoritmo iterativo utilizado para encontrar una raíz
de una función continua donde la función cambia de signo durante un intervalo. Al estrechar
El Método de la Bisección es uno de los más antiguos y simples para encontrar raíces de
ecuaciones no lineales. Se basa en el Teorema del Valor Intermedio, que asegura que, si una
función continua cambia de signo en un intervalo, entonces existe al menos una raíz en ese
deseada.
Por otro lado, el Método de la Regla Falsa, también conocido como Método de la Secante
Modificada, es una técnica numérica utilizada para encontrar raíces de ecuaciones no lineales.
Este método combina la regla del trapecio con el enfoque de la secante para realizar
método ajusta sucesivamente un intervalo inicial, utilizando las intersecciones de las rectas
secantes para mejorar la aproximación de la raíz. El proceso continúa hasta que se alcanza una
radica en su capacidad para converger hacia la raíz de manera más rápida que algunos métodos
más simples, aprovechando aproximaciones lineales para mejorar la eficiencia del proceso
iterativo.
El Método de la Regla Falsa es una mejora sobre la simple bisección, utilizando una línea recta
para aproximar la función y encontrar una raíz con mayor rapidez. En el ámbito de los métodos
numéricos, la Regla Falsa emerge como una estrategia efectiva para la búsqueda de raíces de
Este trabajo comenzará estableciendo los fundamentos teóricos del Método de la Bisección,
su ejecución paso a paso con ejemplos que destacan su aplicación práctica. También
contextos.
Estos métodos son esenciales en áreas como la ingeniería, la física y la ciencia computacional.
Resuelven problemas que van desde la simulación de sistemas físicos hasta la optimización de
ejemplos prácticos. Al comprender estas técnicas numéricas, los practicantes podrán aplicarlas
OBJETIVO
Determinar por medio de un logaritmo la resolución de una función cualquiera la resolución
MARCO TEORICO
Los métodos numéricos son una sucesión de operaciones matemáticas utilizadas para encontrar
una solución numérica aproximada a un problema determinado. Es decir, se trata de una serie
de cálculos para acercarnos lo más posible a una solución numérica con una precisión
razonablemente buena. Los métodos numéricos son utilizados en ingeniería para facilitar la
resolución de problemas que conllevan una enorme cantidad de cálculos, lo que permite ahorrar
El cálculo de una raíz se refiere a encontrar el valor numérico que, elevado a cierto exponente,
produce un número dado. La raíz cuadrada, por ejemplo, es el número que elevado al cuadrado
da como resultado el número original. La raíz cúbica es el número que, elevado al cubo, da el
Existen varios métodos para calcular raíces, y la elección del método depende del tipo de raíz
1. Método de bisección
Encontrar la raíz de una ecuación es otra forma de expresar "despejar una ecuación",
en ambos se busca el valor de la variable para que la función tenga un valor de cero,
F ( x) = 0 . (IQR, 2020)
El método de la bisección es un método numérico que sirve para encontrar las raíces de
una ecuación.
La raíz debe existir dentro de un intervalo [a, b] donde la función sea continua.
raíz.
buscada.
xi + xs
xr =
2
Las funciones con curvatura significativa hacen que el método de la regla falsa converja
muy lentamente.
Esto se debe a que, con interpolación lineal, uno de los valores extremos se queda
estancado.
que reduce a la mitad el valor de la función en el punto extremo que se repita dos veces,
xs f ( xi ) − xi f ( xs )
xr =
f ( xi ) − f ( xs )
raíz.
toma xr como aproximación de la raíz buscada. Se identifica luego en cuál de los dos
a, b x0
una y sólo una solución . Partiendo de un punto suficientemente cercano a
Figura 1
f ( xi )
xi +1 = xi −
f ' ( xi )
Pasos a seguir para este método:
el valor de la función por ese punto y trazar una recta tangente a la función por ese
punto.
El punto de intersección de esta recta con el eje de las abscisas ( x2 , 0 ) , constituye una
Método de la secante
encontrar, se aproxima por una recta secante (de ahí el nombre) a la curva, cuya
diferencia con el método anterior es conocer dos puntos del a función para poder
xi f ( xi −1 ) − xi −1 f ( xi )
xi +1 =
f ( xi −1 ) − f ( xi )
Consiste en elegir dos puntos iniciales cualquiera x0 , x1 para los cuales se evalúan los
valores de la función: f ( x0 ) y f ( x1 )
x1 .
Desarrollo
Para la realización de esta práctica debíamos con anterioridad tener en cuenta los conceptos
Además, conocer sobre la programación para de tal manera ir programado un logaritmo que
sea capaz de resolver un ejercicio aplicando alguno de los métodos ya mencionados, una vez
explicado esto les presentamos el programa que fue realizado en el laboratorio en diagramas
de flujo:
Método de la bisección:
Método de la Regla Falsa:
Método Newton Raphson:
Código ya depurado:
import pandas as pd
import numpy as np
print('INTEGRANTES:\n')
print('CHACHA BEATRIZ\n')
print('CHAVEZ JHOSELYN\n')
print('FIGEROA STANLEY\n')
if h==1:
xr=0
i=0
itera=0
while ea>emax :
xr= round(xr,6)
xanterior=xr
xr=(xl+xu)/2
fr=sympify(func).subs(x,xr)
itera=itera+1
if xr != 0:
ea=abs((xr-xanterior)/xr)*100
signo=fl*fr
xr=round(xr,6)
ea=round(ea,6)
v_itera=np.append(v_itera,itera)
v_xl=np.append(v_xl,xl)
v_xu=np.append(v_xu,xu)
v_xr=np.append(v_xr,xr)
v_ea=np.append(v_ea,ea)
if signo < 0 :
xu=xr
xl=xr
fl=fr
else:
ea=0
iteracion=pd.Series(v_itera,name="Iteracion")
xl=pd.Series(v_xl,name="xl")
xu=pd.Series(v_xu,name="xu")
xr=pd.Series(v_xr,name="xr")
ea=pd.Series(v_ea,name="ea%")
print('')
print(tabla)
i=xr[len(xr)-1]
r=ea[len(ea)-1]
s=iteracion[len(iteracion)-1]
print('')
print('Con',s,'Iteracciones')
# Graficar la convergencia
plt.xlabel('Iteración')
plt.ylabel('Valor de xr')
plt.legend()
plt.show()
if h==2:
i=0
itera=0
fl=sympify(func).subs(x,xl)
fu=sympify(func).subs(x,xu)
while ea>emax :
xanterior=xr
xr=(((xu*fl)-(xl*fu))/(fl-fu))
fr=sympify(func).subs(x,xr)
itera=itera+1
if xr != 0:
ea=abs((xr-xanterior)/xr)*100
signo=fl*fr
xr=round(xr,6)
ea=round(ea,6)
#agregamos valores a las matrices vacias
v_itera=np.append(v_itera,itera)
v_xl=np.append(v_xl,xl)
v_xu=np.append(v_xu,xu)
v_xr=np.append(v_xr,xr)
v_ea=np.append(v_ea,ea)
if signo < 0 :
xu=xr
xl=xr
fl=fr
else:
ea=0
iteracion=pd.Series(v_itera,name="Iteracion")
xl=pd.Series(v_xl,name="xl")
xu=pd.Series(v_xu,name="xu")
xr=pd.Series(v_xr,name="xr")
ea=pd.Series(v_ea,name="ea%")
tabla=pd.concat([iteracion,xl,xu,xr,ea],axis=1) #unimos en columnas
print('')
print(tabla)
i=xr[len(xr)-1]
r=ea[len(ea)-1]
s=iteracion[len(iteracion)-1]
print('')
print('Con',s,'Iteracciones')
# Graficar la convergencia
plt.xlabel('Iteración')
plt.ylabel('Valor de xr')
plt.legend()
plt.show()
if h==3:
print('EL METODO DE NEWTON:')
funcionvalida=sympify(funcion)
itera=0
while (Eralcien>=Errort): #ciclo while que se roompe cuando nuestro error se cumple
derivada = funcionvalida.diff(x)
f2=derivada.subs(x,x1)
f3=f2.subs(eu,e)
x0=0
es constante
Eralcien=abs((xi-x1)/xi)*100
itera=itera+1
v_itera=np.append(v_itera,itera)
v_x1=np.append(v_x1,x1)
v_xi=np.append(v_xi,xi)
v_ea=np.append(v_ea,Eralcien)
x1=xi
iteracion=pd.Series(v_itera,name="Iteracion")
x1=pd.Series(v_x1,name="xi")
xi=pd.Series(v_xi,name="xi+1")
ea=pd.Series(v_ea,name="ea%")
tabla=pd.concat([iteracion,x1,xi,ea],axis=1)
print('')
print(tabla)
i=xi[len(xi)-1]
r=ea[len(ea)-1]
s=iteracion[len(iteracion)-1]
print('')
print('Con',s,'Iteracciones')
# Graficar la convergencia
plt.xlabel('Iteración')
plt.ylabel('Valor de xi')
plt.legend()
plt.show()
Conclusiones
• Se concluye que el método de bisección y de newton-Raphson son una forma de encontrar las
aproximaciones de las raíces y es una forma muy sencilla solo tienes que seguir las fórmulas.
Este programa es muy sencillo de usar y es muy eficiente porque se utilizan para encontrar las
raíces.
de simulaciones numéricas.
Recomendaciones