Modulo Unidad1

1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100401 MTODOS NUMRICOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

100401 METODOS NUMERICOS
Elaborado Carlos Ivn Bucheli Chaves

Corregido por Ricardo Gmez Narvez

Revisado por Carlos Edmundo Lpez Sarasty
(Director Nacional)

PASTO
Enero de 2013

2


TABLA DE CONTENIDO

INTRODUCCIN A LOS MTODOS NUMRICOS

Introduccin a los Mtodos Numricos. 7
Mapa Conceptual de Mtodos Numricos....................................... 8

UNIDAD I:
Conceptos Bsicos, Exactitud y Races de Ecuaciones.

C
CCA
AAP
PPI
II T
TTU
UUL
LLO
OO 1
11:
:: C
CCO
OON
NNC
CCE
EEP
PPT
TTO
OOS
SS B
BBA
AAS
SSI
II C
CCO
OOS
SS

Leccin 1 Exactitud y Precisin. 65
Leccin 2 Errores de Redondeo.... 74

C
CCA
AAP
PPI
II T
TTU
UUL
LLO
OO 2
22:
:: R
RRA
AAI
II C
CCE
EES
SS D
DDE
EE E
EEC
CCU
UUA
AAC
CCI
II O
OON
NN

Leccin 3 Mtodo de biseccin.. 81
Leccin 4 Mtodo de la regla falsa 92
Leccin 5 Mtodo de Newton- Raphson. 101
Leccin6 Mtodo iterativo de punto fijo y Ejercicios de la Unidad . 111

3


ALCANCE DEL CURSO ACADEMICO

El estudiante comprender la importancia de los mtodos numricos y conocer Las
caractersticas operativas del software de cmputo numrico comercial.

Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con
apoyo de un lenguaje de programacin.

Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo
de un lenguaje de programacin.

Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e
integracin numrica, usando un lenguaje de programacin.

Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de
diferenciacin e integracin numrica, usando un lenguaje de programacin.

Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la
capacidad de:

- Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las
ciencias.
- Analizar en grupo los conceptos de cifra significativa, precisin, exactitud, sesgo e
incertidumbre, as como los diferentes tipos de error: absoluto y relativo por redondeo
por truncamiento numrico total humanos.
- Buscar y diferenciar las caractersticas de un software de cmputo numrico.
- Exponer por equipos, las caractersticas de un software de cmputo numrico.
- Realizar prcticas del uso de un software de cmputo numrico, apoyndose en
tutoriales y manuales correspondientes.
- Buscar y analizar la interpretacin grfica de una raz y la teora de alguno de los
mtodos iterativos.
- Buscar y catalogar los diferentes mtodos numricos de solucin de ecuaciones.
- Disear e implementar los mtodos numricos catalogados, utilizando la herramienta de
cmputo numrico.
- Resolver ejercicios aplicando los mtodos implementados, validando sus resultados.

4


- Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones lineales.
- Identificar grficamente, los casos de sistemas de ecuaciones lineales mal
condicionadas y su relacin matemtica con el determinante.
- Analizar en grupo la solucin de sistemas de ecuaciones, empleando los mtodos
iterativos de Jacobi y Gauss-Seidel.

- Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
- Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones no-lineales.
- Analizar en grupo la solucin de sistemas de ecuaciones no-lineales, empleando
mtodos iterativos.
- Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
- Buscar y clasificar los mtodos numricos de diferenciacin.
- Representar grficamente los mtodos clasificados.
- Analizar en grupo la diferenciacin, empleando los mtodos clasificados.
- Disear e implementar los mtodos de diferenciacin numrica.
- Disear e implementar los mtodos de integracin numrica.
- Buscar y clasificar los mtodos numricos de integracin.
- Representar grficamente los mtodos clasificados.
- Analizar en grupo la integracin, empleando los mtodos clasificados.
- Buscar y clasificar los mtodos numricos de diferenciacin.
- Aplicar los mtodos a la solucin de ejercicios, empleando una calculadora.
- Disear, implementar y evaluar los mtodos numricos de Euler y de Runge-Kutta.
- Investigar aplicaciones de estos mtodos numricos y mostrar resultados.

5


INTRODUCCIN A LOS MTODOS NUMRICOS

Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:

Por que sucedi todo esto?

El precio que hay que pagar es el de clculos cada vez ms largos y tediosos y aqu es
donde hace acto de presencia la poderosa herramienta computacional, que nos permite
hacer clculos largos y tediosos en poco tiempo y con mayor exactitud que si los
hiciramos a mano. Esta gran herramienta hace factible el camino de los mtodos
numricos pues de otra forma, seran muy lentos los procesos y con mucho riesgo de
cometer errores en cada paso.

Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar el
proceso "a mano", ya que esto nos permitir implementar un mejor programa que
contemple todas las posibles piedras en el camino.

6


Mapa Conceptual Mtodos Numricos

Qu ocurre en la construccin y anlisis del mtodo?

7


Mtodo, Algoritmo, Receta, proceso, procedimiento,
Rutina: Es una secuencia ordenada
o pasos
o consecutivos
o lgicos
o ordenados
para la solucin de un problema dado.
Mtodo o
Algoritmo
Programa:

Programa
C, Matlab, Excel
Cmo?
Cmo?

8


UNIDAD I:
Conceptos bsicos, exactitud y races de ecuaciones.

CAPITULO 1: CONCEPTOS BASICOS.

Errores

Los errores numricos se generan con el uso de aproximaciones para representar
cantidades y/o operaciones. Esto da lugar a dos tipos de errores:

Truncamiento
Errores
Redondeo

Los errores de truncamiento, resultan de representar aproximadamente un procedimiento
matemtico exacto. Por ejemplo, en la solucin numrica al problema del objeto en cada
libre, usamos una aproximacin al proceso de derivacin, el cual es un procedimiento
matemtico exacto.

Esto genera errores de truncamiento durante el procedimiento.

Los errores de redondeo resultan de representar aproximadamente nmeros que son
exactos. Por ejemplo, an en la "solucin exacta" al problema del objeto en cada libre, los

9


resultados impresos en la tabla de velocidades no son totalmente exactos puesto que el
numero e es un nmero irracional y por lo tanto su extensin decimal es infinita y no
peridica lo que nos impide escribirlo de forma completamente exacta. Usando 5
decimales, tenemos:

Esto genera errores de redondeo durante los clculos.

En ambos casos tenemos que:
Valor verdadero = valor aproximado + error

Definicin. Definimos el error absoluto como:
= valor verdadero - valor aproximado

Esta definicin de error tiene un pequeo defecto, como veremos en el siguiente:

Ejemplo

Al medir la longitud de una varilla para construccin se obtiene el resultado aproximado de
19,999 cms. mientras que al medir la longitud de un clavo, se obtiene el resultado de 9
cms. Suponiendo que los valores verdaderos de la varilla y el clavo son de 20,000 cms. y
10 cms. respectivamente, calcular el error absoluto en ambos casos.

Solucin. Tenemos los siguientes resultados:
Para el caso de la varilla, el error absoluto se calcula como:

Para el caso del clavo, el error absoluto se calcula como:

10


En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor trascendencia
el error en el caso del clavo que en el caso de la varilla, es decir, necesitamos comparar el
error absoluto contra el valor verdadero y esto da lugar a las siguiente definicin.

Existen dos preguntas en clculos numricos de suma importancia como son:
1) El optimista pregunta qu tan precisos son los resultados calculados?;
2) El pesimista pregunta qu tanto error se ha introducido?

Desde luego, las dos preguntas corresponden a lo mismo. Slo en raras ocasiones los
datos proporcionados sern correctos, puesto que suelen originarse errores en el proceso
de medida. De modo que hay un error probable en la informacin de entrada. Adems, el
propio algoritmo introduce error, quiz redondeos inevitables. La informacin de salida
contendr entonces error generado por ambas fuentes.

11


Leccin 1 Exactitud y Precisin

Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a
derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que
permitan las celdas que guardan la mantisa.

Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone
representa.

Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a esto se
refiere cuando se habla de doble precisin, dependiendo de la mquina que estemos
utilizando.

Errores Inherentes o Heredados:
Son errores en los valores numricos con que se va a operar, pueden deberse a dos
causas: sistemticos o accidentales.

Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.

Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.

Errores de Truncamiento:

12


Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede
cuando se toman slo algunos trminos de una serie infinita o cuando se toma slo un
nmero finito de intervalos. Un caso adicional de error de truncamiento ocurre cuando una
calculadora poco sofisticada slo toma en cuenta los dgitos que caben en la pantalla y no
analiza el primer dgito perdido.

Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades
que requieren un gran nmero de dgitos.
Dependiendo de como se redondea puede ser de dos formas.

Error de Redondeo Inferior:
Se desprecian los dgitos que no pueden conservarse dentro de la localizacin de
memoria correspondiente (pensando de una manera estricta, este caso puede
considerarse como un error de truncamiento).

Error de Redondeo Superior:
Este caso tiene dos alternativas, segn el signo del nmero en particular.
a) Para nmeros positivos, el ltimo que puede conservarse en la localizacin de
memoria se incrementa en una unidad si el primer dgito despreciado es
b) Para nmeros negativos, el ltimo dgito que puede conservarse en la localizacin
de memoria se reduce en una unidad si el primer dgito despreciado es 5.

Error de desbordamiento de informacin o derrame de informacin Overflow:

Este error recibe tambin el nombre de sobreflujo. En el lenguaje tcnico de
computacin se acostumbra emplear el anglicismo overflow, ya que las traducciones
posibles no proporcionan una idea clara de su significado. Se dice que existe overflow o
sobreflujo o derrame de informacin cuando dentro de una localizacin de
almacenamiento no cabe un nmero, debido a que es mayor que la capacidad de la
mencionada localizacin de almacenamiento.

13


Error de desbordamiento de informacin o derrame de informacin Underflow:

Este error recibe tambin el nombre de subflujo. En el lenguaje tcnico de computacin
se acostumbra emplear el anglicismo underflow, ya que las traducciones posibles no
proporcionan una idea clara de su significado. Se dice que existe underflow o subflujo o
desbordamiento de informacin cuando dentro de una localizacin de almacenamiento no
se puede representar un nmero positivo muy pequeo, debido a que ste es menor que
la capacidad de la mencionada localizacin de almacenamiento.

Ms Errores
Existen mas errores, pero los tipos de error que estudiaremos a fondo sern:
1) Error absoluto

2) Error relativo

3) Error relativo Aproximado

4) Error aritmtico de la computadora

5) Error por redondeo

6) Error por truncamiento

Error absoluto

Si p* es una aproximacin de p, y si p es el valor real, entonces:
Error Absoluto =
O sea el valor absoluto de p menos p*.

14


Debido a que la ecuacin se dio en trminos del valor absoluto, el error absoluto no es
negativo. As pues, una coleccin (suma) de errores siempre se incrementan juntos, sin
reducirse. Este es un hecho demasiado pesimista, dado que el redondeo y otros errores
rara vez estn en la misma direccin, es posible que la suma ("algebraica") de errores sea
cero, con aproximadamente la mitad de los errores positiva y la otra mitad negativa. Pero
tambin es demasiado optimista esperar que errores con signo sumen cero a menudo. Un
enfoque realista es suponer que los errores, en especial el redondeo, estn
estadsticamente distribuidos.

Error relativo

Si p* es una aproximacin de p, y si p es el valor real, entonces, el Error relativo se define
como:
Error relativo = con la condicin de p 0.

Generalmente el denominador es una de tres elecciones; la magnitud del valor exacto o
real, la magnitud del valor calculado o aproximado o el promedio de estas dos cantidades.
La mayora de las veces se usa como el valor real, por lo que se usar esta opcin. El
Error Relativo es una mejor medida del error que el error absoluto, en especial cuando se
utilizan sistemas numricos de punto flotante. Puesto que los elementos de un sistema de
punto flotante no estn distribuidos de manera uniforme, la cantidad de redondeos
posibles depende de la magnitud de los nmeros que se redondean. El denominador de
est ecuacin compensa este efecto.

Ejemplo

15


Ejemplo

p=0.3x10
-3

p*=0.31x10
-3

Calcular el error absoluto y el error relativo.

Ejemplo

p=0.3x10
4

p*=0.31x10
4

Calcular el error absoluto y el error relativo.

Conclusin:

Como una medida de precisin el error absoluto puede ser engaoso y el error relativo es
ms significativo.

Error relativo aproximado

Definiciones
1) Error relativo aproximado = ERA

16


Valor actual - Valor anterior
ERA = (-----------------------------------------) * 100%
Valor actual

2) Tolerancia = (0.5x10
2-n
) %

Donde n = nmero de cifras significativas

3) Trmino de convergencia permite finalizar los clculos. Es la desigualdad: ERA <
Tolerancia

Ejemplo
Usando la serie de Taylor con x
o
=0

Encontrar e
1.5
con tres cifras significativas. Se desea saber tambin: En cuntas
iteraciones se cumple el trmino de convergencia?

SOLUCION:
Como n = 3, entonces:
Tolerancia = (0.5x10
2-3
) % = 0.05%
Trmino de convergencia: ERA < Tolerancia
ERA = ((Valor actual - Valor anterior)/ Valor actual) 100%

17


18


Aqu mi ERA < Tolerancia

e
1.5
= 4.48 (con tres cifras significativas y 9 iteraciones).

19


EJEMPLO

Encontrar ) 6 / cos(t con n = 2 (2 cifras significativas), donde =180
o
= 3.1416 radianes

Usando la serie de Taylor:

Por lo tanto, necesitamos un error relativo aproximado menor a 0.5% trabajando en
radianes.

Para i=1
) 6 / (t Cos = 1
i=2
) 6 / (t Cos = 1- ( /6)
2
/ 2!=0.86292152

20


Se muestra a continuacin el diagrama de flujo del algoritmo de solucin de este

EJEMPLO:

Diagrama de flujo del Error relativo aproximado para e
x

Ejemplo

21


Usar el siguiente resultado de series,

Para aproximar el nmero irracional hasta 4 cifras significativas.

SOLUCION. Primero calculamos el valor de como sigue:

En seguida, usamos la serie, agregando un trmino cada vez, para obtener nuevas
aproximaciones hasta que se logre que .
En el primer paso, tenemos simplemente un trmino:

En el segundo paso, tenemos la suma de dos trminos:

Aqu, podemos calcular el primer error aproximado:

Seguimos agregando trminos de la serie puesto que no se ha cumplido el objetivo:
Tenemos que,

Y calculamos el error aproximado correspondiente:

22


El proceso se contina hasta lograr la meta. Resumimos los resultados en la siguiente
tabla:

#
trminos
Aprox. al
valor e
Error
aproximado
1 1
2 2 50%
3 2.5 20%
4 2.666666667 6.25%
5 2.708333333 1.54%
6 2.716666667 0.307%
7 2.718055556 0.051%
8 2.718253968 0.007%
9 2.718278770 0.0009%

As pues, el resultado que se obtiene es:

23


Que en realidad tiene 8 cifras significativas. La cota impuesta por , nos asegura que
tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas ms.

24


Leccin 2 Error de Redondeo

El error de redondeo se origina porque una mquina involucra nmeros con slo un
nmero finito de dgitos; por lo tanto, los clculos se realizan con representaciones
aproximadas de los nmeros verdaderos. Dicho de otra manera, el error de redondeo se
debe a la naturaleza discreta del sistema numrico de mquina de punto flotante, el cual a
su vez se debe a su longitud de palabra finita. Cada nmero (real) se reemplaza por el
nmero de mquina ms cercano. Esto significa que todos los nmeros en un intervalo
local estn representados por un solo nmero en el sistema numrico de punto flotante.
En una computadora se almacena una parte fraccionaria llamada la mantisa junto con una
parte exponencial llamada caracterstica; adems de un espacio para el signo.

Error de redondeo

Es el que resulta de reemplazar un nmero por su forma de punto flotante. Cualquier
nmero real positivo puede ser normalizado para que adquiera la forma:

La forma de punto flotante fl(y), se obtiene terminando (recortando) la mantisa de y en k
dgitos decimales.

Existen dos mtodos de terminar:

a) Cortando los dgitos
b) Redondeando el nmero

Error de truncamiento

25


Este tipo de error ocurre cuando un proceso que requiere un nmero infinito de pasos se
detiene en un nmero finito de pasos.

Generalmente se refiere al error involucrado al usar sumas finitas o truncadas para
aproximar la suma de una serie infinita. Note que el error de truncamiento, a diferencia del
error de redondeo, no depende directamente del sistema numrico que se emplee.

Que es el polinomio de Taylor de grado n para la funcin f alrededor de x
o
.

Que es el residuo o error de truncamiento asociado con Pn.
f(x)=Pn(x)+Rn(x)
En el caso especfico de que xo=0 el polinomio de Taylor se conoce como el polinomio de
Maclaurin y la serie de Taylor se conoce como la serie de Maclaurin.

Ejemplo
Determine el polinomio de Taylor de segundo grado y tambin el de tercer grado para
f(x)=cos(x) respecto a x
o
=0 y use este polinomio para aproximar cos (0.01)

26


SOLUCION:
Polinomio de Taylor de segundo orden.

Calculando derivadas:

Donde a lo ms es 1 por lo que

27


28


Donde a lo ms es 1 por lo que

Conclusin:
Las dos primeras partes del ejemplo ilustran los 2 objetivos de los mtodos numricos. El
primero es obtener una aproximacin que los polinomios de Taylor ofrecen en ambas
partes.
El segundo objetivo consiste en determinar la exactitud de la aproximacin (error de
truncamiento).

En este caso el polinomio de tercer grado proporciona una exactitud mayor o un error de
truncamiento menor.

Ejemplo
Sea f(x)=x
3

a) Encontrar el polinomio de Taylor de segundo grado para x
o
=0 y el error de truncamiento
para cuando x=0.5.

SOLUCION:

29


Ejemplo
Calcular f(x)=x
3
para un polinomio de Taylor de segundo grado con x
o
=1.

30


Es el Error de Truncamiento

31


CAPITULO 2: RAICES DE ECUACIONES.

Mtodos preliminares
Los mtodos numricos para tratar los problemas relacionados con races de una
ecuacin, sirven para obtener aproximaciones a las soluciones de ecuaciones de
las cuales no es posible obtener respuesta exacta con mtodos algebraicos (Solo
respuestas aproximadas). Por ejemplo, la ecuacin:
1564000=1000000*e -1)

Uno de los problemas bsicos de la aproximacin numrica, es el problema de la
bsqueda de las races.
Races de ecuaciones no lineales
Una raz de una funcin
) (x f
es un nmero
0
x
tal que
0 ) (
0
= x f
. Tambin se dice
que
0
x
es una raz de la ecuacin
0 ) (
0
= x f
. En este curso, consideraremos solamente
races reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica de
) (x f

cruza al eje
x
,

En esta grfica, vemos que la raz es
1 = x
.

32


Ejemplos.

1. Las races de
9 ) (
2
= x x f
son
3 = x
y
3 = x
.
2. La funcin
1 ) (
2 4
+ + = x x x f
no tiene races.
3. La funcin
senx x f = 5 ) (
no tiene races.
4. Las races de
) 7 )( 3 )( 1 ( ) ( + + = x x x x f
son
, 1 = x

3 = x
y
7 = x
.
Estudiaremos varios mtodos numricos para aproximar races de ecuaciones.

33


Leccin 3 Mtodo de Biseccin

El mtodo de biseccin se basa en el siguiente teorema de Clculo:
Teorema del Valor Intermedio
Sea
) (x f
contnua en un intervalo
| | b a,
y supongamos que
) ( ) ( b f a f <
.
Entonces para cada
z
tal que
) ( ) ( b f z a f < <
, existe un
( ) b a x ,
0
e
tal que
z x f = ) (
0
. La misma conclusin se obtiene para el caso que
) ( ) ( b f a f >
.
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua en un
intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo,
entonces debe alcanzar todos los valores intermedios.
En particular, si
) (a f
y
) (b f
tienen signos opuestos, entonces un valor intermedio
es precisamente
0 = z
, y por lo tanto, el Teorema del Valor Intermedio nos asegura que
debe existir
( ) b a x ,
0
e
tal que
0 ) (
0
= x f
, es decir, debe haber por lo menos una raz
de
) (x f
en el intervalo
) , ( b a
.

El mtodo de biseccin sigue los siguientes pasos:
Sea
) (x f
continua,
i) Encontrar valores iniciales
a
x
,
b
x
tales que
) (
a
x f
y
) (
b
x f
tienen signos
opuestos, es decir,

34


ii) La primera aproximacin a la raz se toma igual al punto medio entre
a
x
y
b
x
:

iii) Evaluar
) (
r
x f
. Forzosamente debemos caer en uno de los siguientes casos:

En este caso, tenemos que
) (
a
x f
y
) (
r
x f
tienen signos opuestos, y por lo
tanto la raz se encuentra en el intervalo
| |
r a
x x ,
.

) (
a
x f
y
) (
r
x f
tienen el mismo signo, y de aqu
que
) (
r
x f
y
) (
b
x f
tienen signos opuestos. Por lo tanto, la raz se encuentra
en el intervalo
| |
b r
x x ,
.

En este caso se tiene que
0 ) ( =
r
x f
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:

Es decir,

35


En otras palabras:
Este es uno de los problemas de aproximacin ms antiguos y sin embargo la
investigacin correspondiente todava contina.
Supongamos que f(x) es una funcin contina definida en el intervalo [a, b] con
f(a) y f (b) de signos diferentes.
El de biseccin nos dice que de acuerdo al teorema del valor intermedio existe un
nmero p en a, b tal que f(p)=0.
Aunque el procedimiento en el caso en que f(a) y f(b) tengan signos diferentes y
exista ms de una raz en el intervalo (a,b), por razones de simplicidad suponemos
que la raz de este intervalo es nica.

El mtodo de biseccin requiere dividir varias veces a la mitad los subintervalos de
[a,b] y, en cada paso, localizar la mitad que contenga a p.
Para empezar se supone que a
1
=a y b
1
=b y que sea p
1
el punto medio de f(a
1
) y
f(b
1
), es decir:

Figura. f (p
1
) tiene signo diferente a f(a
1
) entonces ac est la raz; f(p
1
) tiene
signo igual a f(b
1
) entonces esta mitad se elimina.
si f(p
1
)=0 entonces p=p
1

si f(p
1
) y f(a
1
) tienen el mismo signo, entonces p (p
1
,b
1
) y a
2
=p
1
y b
2
=b
1

si f(p
1
) y f(a
1
) tiene signos opuestos entonces p (a
1
,p
1
) y a
2
=a
1
y b
2
=p
1

36


Figura. reas de eliminacin.
Despus volvemos a aplicar el proceso al intervalo | |
2 2
, b a . As se contina
hasta alcanzar algn criterio de convergencia. Un buen criterio de convergencia es
el que hace referencia al error relativo aproximado (ERA).
Para 0 =
N
P
Donde representa la tolerancia permitida con respecto al error relativo. Al trabajar
programas de computadora conviene fijar el nmero mximo de iteraciones que se
efectuaron.
En la figura se ilustra grficamente el mtodo de biseccin.

Figura. Mtodo de biseccin
EJEMPLO:
Aproximar la raz de
x e x f
x
ln ) ( =

hasta que
% 1 < e
a
.

37


SOLUCION
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
) (x f

se localiza en el intervalo
| | 5 . 1 , 1
. As que este intervalo es nuestro punto de partida;
sin embargo, para poder aplicar el mtodo de biseccin debemos chequear que
) 1 ( f
y
) 5 . 1 ( f
tengan signos opuestos.
En efecto, tenemos que

mientras que

Cabe mencionar que la funcin
) (x f
s es contnua en el intervalo
| | 5 . 1 , 1
. As pues,
tenemos todos los requisitos satisfechos para poder aplicar el mtodo de biseccin.
Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):

ii) Evaluamos
0 0636 . 0 ) 25 . 1 ln( ) 25 . 1 (
25 . 1
> = =

e f

iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:

38


Por lo tanto, vemos que la raz se encuentra en el intervalo
| | 5 . 1 , 25 . 1
.
En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto
que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo
intervalo
| | 5 . 1 , 25 . 1
.
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):

Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:

Puesto que no se ha logrado el objetivo, continuamos con el proceso.
Evaluamos
0 06561 . 0 ) 375 . 1 ln( ) 375 . 1 (
375 . 1
< = =

e f
, y hacemos la tabla:

As, vemos que la raz se encuentra en el intervalo
| | 375 . 1 , 25 . 1
.
Calculamos el punto medio,

Y calculamos el nuevo error aproximado:

39


El proceso debe seguirse hasta cumplir el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz Error
aprox.
1.25
1.375 9.09%
1.3125 4.76%
1.28125 2.43%
1.296875 1.20%
1.3046875 0.59%
As, obtenemos como aproximacin
a la raz
Ejemplo:
Encontrar la raz de:
| | 2 , 1 10 4 ) (
2 3
en x x x f + =
usando el mtodo de Bisecciones sucesivas en el
intervalo [1,2], se sugiere trabajar con cuatro cifras significativas despus del
punto decimal. Y usar a.
a
e =10
-4
o
a
e =0.0001 o sea que el error relativo sea menor a 0.0001.
En resumen:

N an Bn Pn f(pn)
1 1 2 1.5 2.375
2 1 1.5 1.25 -1.7068

40


3 1.25 1.5 1.375 0.16214
4 1.25 1.375 1.3125 -0.8483
5 1.3125 1.375 1.343 -0.333
6 1.343 1.375 1.359 -0.102
7 1.359 1.375 1.367 0.029
8 1.359 1.367 1.363 -0.036
9 1.363 1.367 1.365 -0.0037
10 1.365 1.367 1.366 -
11 1.365 1.366 1.3655 0.0044
12 1.365 1.3655 1.36525 0.0003
13 1.365 1.36525 1.36515 -0.0021
14 1.36515 1.36525 1.36517 -0.0009

Ejemplo:
Aproximar la raz de
1 arctan ) ( + = x x x f
hasta que
% 1 < e
a
.
SOLUCION
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de
) (x f
se localiza en
el intervalo
| | 1 , 0
. Para poder aplicar el mtodo de biseccin, es importante checar que s
se cumplen las hiptesis requeridas.
Sabemos que
) (x f
es contnua en el intervalo
| | 1 , 0
, y checamos que
) 0 ( f
y
) 1 ( f

tengan signos opuestos.
En efecto,

41


Mientras que,

Por lo tanto, s podemos aplicar el mtodo de biseccin.
Calculamos el punto medio del intervalo
| | 1 , 0
,

Que es la primera aproximacin a la raz de
) (x f
.
Evaluamos
0 0363 . 0 1 5 . 0 ) 5 . 0 arctan( ) 5 . 0 ( < = + = f
.
Y hacemos nuestra tabla de signos,

Puesto que
) 5 . 0 ( f
y
) 1 ( f
tienen signos opuestos, entonces la raz se localiza en el
intervalo
| | 1 , 5 . 0
.
En este punto, solo contamos con una aproximacin, a saber,
5 . 0
1
=
r
x
, que es el
primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
| | 1 , 5 . 0
,

42


Que es la nueva aproximacin a la raz de
) (x f
.
Aqu podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos
0 3935 . 0 1 75 . 0 ) 75 . 0 arctan( ) 75 . 0 ( > = + = f
.
Y hacemos la tabla de signos:

Puesto que
) 5 . 0 ( f
y
) 75 . 0 ( f
tienen signos opuestos, entonces la raz se localiza en el
intervalo
| | 75 . 0 , 5 . 0
.
Calculamos el punto medio,

Y el nuevo error aproximado:

El proceso se debe continuar hasta que se logre el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:

43


aprox.
0.5
0.75 33.33%
0.625 20%
0.5625 11.11%
0.53125 5.88%
0.515625 3.03%
0.5234375 1.49%
0.51953125 0.75%
De lo cual, vemos que la aproximacin buscada es
51953125 . 0
8
=
r
x

El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente grfica,
puede ser demasiado lento.

En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de forma
muy lenta, ya que el mtodo solamente toma en cuenta que la raz se encuentra dentro
del intervalo, sin importar si se encuentra ms cerca de alguno de los extremos del
intervalo. Sera bueno implementar un mtodo que tome en cuenta este detalle.
Esto da lugar al siguiente mtodo de aproximacin de races.

44


Diagramas de flujo de bisecciones sucesivas

45


Leccin 4 Mtodo de la Regla falsa
Se trata de encontrar la raz de una ecuacin. La ecuacin tiene la forma f(x), es
decir, es una funcin de x. Adems, f(x) esta definida en el intervalo [a, b].

Figura. Intervalo de f(x).
El mtodo de la interpolacin lineal inversa, requiere varias condiciones:
1.- f(a)*f(b) < 0
Es decir, que el producto de la funcin de x, f(x), evaluada en a, f(a), multiplicada por la
funcin de x, f(x), evaluada en b, f(b), sea negativo (menor a cero).
2.- Que la funcin f(x) se aproxime por otra funcin L(x).
f(x) es aproximadamente igual a L(x)
Por tanto encontramos un punto falso c
Donde C es la raz que se anda buscando
Despus se calcula f(C) para ver su valor. Si se obtiene cero, no se debe avanzar ms,
pero gen caso de no ser as, se realiza lo siguiente:

Se calcula f(C)*f(a) si este producto es menor a cero (negativo), entonces ahora C
equivaldr a b, y se repite el clculo para encontrar una nueva C.

En el caso de que f(C)*f(b) sea la que haya dado el producto menor a cero, o sea
negativo, entonces ahora a equivaldr a C, y se repite el clculo para encontrar una nueva
C.

A este mtodo, se le conoce como: Mtodo de la falsa posicin.

46


EJEMPLO:
Encontrar la raz de f(x)=cosx por el mtodo de la falsa posicin en el intervalo
[1,2] y
s
=0.001.
SOLUCION:
a=1, b=2
f(a=1)=cos 1 = 0.5403
f (b=2)=cos 2 = -0.4161
f(a)*f (b) < 0
(0.5403)*(-
C_ant= 99999 para arrancar
Itera=0
s
=0.001
Encontrado= False

fa=f(a=1)=0.5403
fb=f(b=2)=-0.4161

f
c
=f(C
act
=1.5649)= cos(1.5649)= 0.005896
f(C
act
)= 0.005896 no es igual a 0? no
ERA (C
act
=1.5649, C_ant = 99999)= 1.5649 - 99999 / 1.5649
a
no es menor a
s

fC*f(a) < 0
(0.005896)*(0.5403) 0 es diferente a cero
a = C
act
= 1.5649
b = 2
Itera = 1
C_ant <-- C
act
= 1.5649

fa=f(a=1.5649)=0.005896
fb=f(b=2)= -0.4161

f(C
act
=1.5709)= cos(1.5709)= - 0.0001036
f(C)= - 0.0001036 no es igual a 0
ERA (C_
act
=1.5709, C_ant = 1.5649)= (1.5709 - 1.5649) / 1.5709 = 0.0038194
a
no es
menor a
s

fC*f(a) < 0
(-0.0001036)*(0.005896) < 0 s es menor a cero

47


a = a =1.5649
b = C
act
= 1.5709
Itera = 2
C_ant = 1.5709

f(a=1.5649) = 0.005896
f(b=1.5709)=cos 1.5709 = -0.0001036

f(C
act
=1.5707)=cos (1.5707)= -0.00000006629
f(C
act
)*f(a) es igual? no

Raz = 1.5707
Otra Manera de ver el mtodo:
Como mencionamos anteriormente, sera bueno considerar si la raz de una ecuacin
est localizada ms cerca de alguno de los extremos del intervalo.

Consideremos nuevamente una grfica como la anterior,

Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en el
intervalo
| | b a,
.
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el punto
donde cruza al eje
x
esta recta, nos aproximaremos mucho ms rpido a la raz; sta es
en s, la idea central del mtodo de la regla falsa y sta es realmente la nica diferencia

48


con el mtodo de biseccin, puesto que en todo lo dems los dos mtodos son
prcticamente idnticos.
Supongamos que tenemos una funcin
) (x f
que es contnua en el intervalo
| |
b a
x x ,

y adems,
) (
a
x f
y
) (
b
x f
tienen signos opuestos.
Calculemos la ecuacin de la lnea recta que une los puntos
)) ( , (
a a
x f x
,
)) ( , (
b b
x f x
.
Sabemos que la pendiente de esta recta esta dada por:

Por lo tanto la ecuacin de la recta es:

Para obtener el cruce con el eje
x
, hacemos
0 = y
:

Multiplicando por
a b
x x
nos da:

Finalmente, de aqu despejamos
x
:

49


Este punto es el que toma el papel de r
x
en lugar del punto medio del mtodo de
biseccin.
As pues, el mtodo de la regla falsa sigue los siguientes pasos:
Sea
) (x f
continua,
i) Encontrar valores iniciales
a
x
,
b
x
tales que
) (
a
x f
y
) (
b
x f
tienen signos opuestos,
es decir,

ii) La primera aproximacin a la raz se toma igual a:

iii) Evaluar
) (
r
x f
. Forzosamente debemos caer en uno de los siguientes casos:

) (
a
x f
y
) (
r
x f
tienen signos opuestos, y por lo
tanto la raz se encuentra en el intervalo
| |
r a
x x ,
.

50


) (
a
x f
y
) (
r
x f
tienen el mismo signo, y de aqu
que
) (
r
x f
y
) (
b
x f
tienen signos opuestos. Por lo tanto, la raz se encuentra
en el intervalo
| |
b r
x x ,
.

En este caso se tiene que
0 ) ( =
r
x f
y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:

Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
x e x f
x
ln ) ( =

,
comenzando en el intervalo
| | 2 , 1
y hasta que
% 1 < e
a
.
SOLUCION
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que
) (x f

es contnua en el intervalo dado y que toma signos opuestos en los extremos de dicho
intervalo. Por lo tanto podemos aplicar el mtodo de la regla falsa.
Calculamos la primera aproximacin:

Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
As pues,
evaluamos

Y hacemos nuestra tabla de signos:

51


De donde vemos que la raz se encuentra en el intervalo
| | 397410482 . 1 , 1
.
Con este nuevo intervalo, calculamos la nueva aproximacin:

En este momento, podemos calcular el primer error aproximado:

Puesto que no se cumple el objetivo seguimos con el proceso.
Evaluamos
0 011654346 . 0 ) 321130513 . 1 ( ) (
2
< = = f x f
r
, y hacemos la tabla de
signos:

De donde vemos que la raz se encuentra en el intervalo
| | 321130513 . 1 . 1
, con el cual,
podemos calcular la nueva aproximacin:

52


Y el error aproximado:

Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:

Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a diferencia
de la lentitud del mtodo de la biseccin.
Ejemplo:
Usar el mtodo de la regla falsa para aproximar la raz de
,
comenzando en el intervalo
| | 1 , 0
y hasta que
% 1 < e
a
.
SOLUCION
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que se
cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que
) (x f
sea
contnua en el intervalo dado y que
) (x f
tome signos opuestos en los extremos de dicho
intervalo.
Calculamos pues, la primera aproximacin:

Como solamente tenemos una aproximacin, debemos avanzar en el proceso.
Evaluamos
0 070662953 . 0 5600991535 . 0 ) 5600991535 . 0 arctan( ) (
1
> = + =
r
x f


53


De lo cual vemos que la raz se localiza en el intervalo
| | 5600991535 . 0 , 0
.
As pues, calculamos la nueva aproximacin:

Y calculamos el error aproximado:

Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.
Evaluamos
0 00511533 . 0 1 5231330281 . 0 ) 5231330281 . 0 arctan( ) (
2
> = + =
r
x f
.

De los cual vemos que la raz se localiza en el intervalo
| | 5231330281 . 0 , 0
, con el cual
podemos calcular al siguiente aproximacin:

Y el siguiente error aproximado:

54


Como se ha cumplido el objetivo, concluimos que la aproximacin buscada es:

Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa contra
la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
1 ) (
6
= x x f
, comenzando en el intervalo
| | 5 . 1 , 0
, donde notar que mientras que
el mtodo de biseccin requiere de 8 aproximaciones para lograr que
% 1 < e
a
, el
mtodo de la regla falsa necesita hasta 16 aproximaciones.

55


Figura. Diagramas de flujo de la Interpolacin lineal inversa

56


Leccin 5 Mtodo de Newton-Raphson

Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A
diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un
intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin
i
x
a la raz
r
x
de
) (x f
,

Trazamos la recta tangente a la curva en el punto
( ) ) ( ,
i i
x f x
; sta cruza al eje
x
en un
punto
1 + i
x
que ser nuestra siguiente aproximacin a la raz
r
x
.
Para calcular el punto
1 + i
x
, calculamos primero la ecuacin de la recta tangente.
Sabemos que tiene pendiente

Y por lo tanto la ecuacin de la recta tangente es:

57


Hacemos
0 = y
:

Y despejamos
x
:

Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:

,
si
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure
que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos
aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no
converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los
casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es
uno de los mtodos preferidos por excelencia.
Tambin observe que en el caso de que
0 ) ( = '
i
x f
, el mtodo no se puede aplicar. De
hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y
por lo tanto no intersecta al eje
x
en ningn punto, a menos que coincida con ste, en
cuyo caso
i
x
mismo es una raz de
) (x f
!
Ejemplo
Usar el mtodo de Newton-Raphson, para aproximar la raz de
x e x f
x
ln ) ( =

,
comenzando con
1
0
= x
y hasta que
% 1 < e
a
.

SOLUCION

58


De aqu tenemos que:

Comenzamos con
1
0
= x
y obtenemos:

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual conclumos que la aproximacin obtenida es:

59


Ejemplo
Usar el mtodo de Newton-Raphson para aproximar la raz de
, comenzando con
0
0
= x
y hasta que
% 1 < e
a
.
SOLUCION

La cual sustitumos en la frmula de Newton-Raphson para obtener:

Comenzamos sustituyendo
0
0
= x
para obtener:

En este caso tenemos un error aproximado de
% 100 % 100
5 . 0
0 5 . 0
=
= e
a

Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultados en la
siguiente tabla:
aprox.
0
0.5 100%
0.5201957728 3.88%
0.5202689918 0.01%
De lo cual conclumos que la aproximacin obtenida es:

60


Ejemplo
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros reales
positivos.
SOLUCION
Sea
0 > R
. Queremos calcular
x
tal que
R x =
; elevando al cuadrado
R x =
2
, o bien:

0
2
= R x

Esto nos sugiere definir la funcin
R x x f =
2
) (
de donde
x x f 2 ) ( = '
. Al sustituir estos
datos en la frmula de Newton-Raphson nos da:

i
i
i i
x
R x
x x
2
2
1

=
+

La cual simplificada nos da:

(
+ =
+
i
i i
x
R
x x
2
1
1

Esta frmula era conocida por los antiguos griegos (Hern).
Para fijar un ejemplo de su uso, pongamos
26 = R
y apliquemos la frmula obtenida,
comenzando con
5
0
= x
. Resumimos los resultados en la siguiente tabla:

5
5.1 1.96%
5.099019608 0.019%
5.099019514 0.0000018%
De lo cual conclumos que
099019514 . 5 26 ~
, la cual es correcta en todos sus dgitos!

61


La misma idea puede aplicarse para crear algoritmos que aproximen races
n
-simas de
nmeros reales positivos.
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una
forma muy rpida y de hecho, observamos que el error aproximado disminuye a pasos
agigantados en cada paso del proceso. Aunque no es nuestro objetivo establecer
formalmente las cotas para los errores en cada uno de los mtodos que hemos estudiado,
cabe mencionar que si existen estas cotas que miden con mayor precisin la rapidez
lentitud del mtodo en estudio.
El mtodo de Newton-Raphson o simplemente el mtodo de Newton, es uno de los
mtodos numricos para resolver un problema de bsqueda de races f(x)=0 ms
poderosos y conocidos.

Figura. Aproximaciones con tangentes sucesivas.
Esta figura muestra como se obtienen las aproximaciones usando tangentes
sucesivas. Comenzando con la aproximacin inicial x
o
, la aproximacin x
1
es la
interseccin con el eje x de la lnea tangente a la grfica de f en (x
o
, f(x
o
)). La
aproximacin x
2
es la interseccin con el eje de las x de la lnea tangente a la
grfica de f en (x
1
, f(x
1
)) y as sucesivamente.

62


Figura. Aproximaciones conociendo los valores x
I
s.
m=tan =f(x) pendiente de la recta que pasa por (x
i
, f (x
i
)).
m=tan = Cateto opuesto / Cateto adyacente =
Lo que en realidad se desea saber es cuanto vale x
i+1
para tomarlo en cuenta
para la siguiente iteracin, y as seguira sucesivamente, hasta obtener la raz.

Ejemplo:
Encontrar la raz de f(x)=x
5
+x
2
=9 con un valor inicial de x
o
=1.5 y
s
= 0.001.
SOLUCION:
f(x)= x
5
+x
2
-9 f(x)= 5*x
4
+2*x
f(x
o
=1.5)= (1.5)
5
+(1.5)
2
- 9 = 0.84375
f(x
o
=1.5)=5* (1.5)
4
+2*(1.5)= 28.3125
x
1
= x
o
- f(x
o
) / f(x
o
)= 1.5 - (0.84375 / 28.3125) = 1.4701986755
ERA (x
1
, x
o
)= (que no es menor a
s
)

63


f(x
1
=1.4701)= (1.4701)
5
+(1.4701)
2
- 9 = 0.03027251527
f( x
1
=1.4701)=5*(1.4701)
4
+2*(1.4701)= 26.300465906
x
2
= x
1
- f(x
1
) / f(x
1
)= 1.4701 - (0.03027 / 26.3004) = 1.4690476496
ERA (x
2
, x
1
s
)

f(x
2
=1.469)= (1.469)
5
+(1.469)
2
- 9 = 0.0004339341
f( x
2
=1.469)=5*(1.469)
4
+2*(1.469)= 26.2250948663
x
3
= x
2
- f(x
2
) / f(x
2
)= 1.469 - (0.00043 / 26.2250) = 1.46903110316
ERA (x
3
, x
2
)= (que s es menor a
s
)
3
=1.46903110316
Fallas del mtodo de Newton-Raphson
1.- El mtodo es atrapado por una raz imaginaria f(x).

Figura. Falla 1 de Newton-Raphson
2.- Cuando la raz es un punto de inflexin.

64


3.- El mtodo cae en un punto mximo o mnimo (o en sus cercanas).

Ejemplo
Encontrar la raz de f(x)=e
x
-3*x=0 que se encuentra en [0,1] usando x
o
=0 y el
mtodo de Newton con una
s
=0.001.

SOLUCION:
f(x)= e
x
-3*x
recordemos que
f(x)= e
x
-3

sustituyendo para x1 con xo=0

ERA (x
1
=0.5, x
o
=0)= (es mayor a
s
)

ERA (x
2
=0.6101, x
1
=0.5)= (es mayor a
s
)

ERA (x
3
=0.618997350866, x
2
=0.6101)= (es mayor a
s
)
x
4
= x
3
- (e
x3
-3* x
3
/ e
x3
-3 = 0.6189 - (e
0.6189
-3* (0.6189) / e
0.6189
-3)= 0.619028039928
ERA (x
3
=0.6190280399928, x
2
=0.6189)

65


<
s
=0.001
4
=0.619023039928
EJEMPLO:
La siguiente frmula se aplica a un vertedor con contracciones:
Q=3.33*(B-0.2*H)*(H
3
)
1/2

Donde:
Q - Cantidad de agua que pasa por le vertedor en pies
3
/seg
B - Ancho del vertedor en pies
H - Carga sobre la cuesta del vertedor en pies.
Si B=3 ; Q=12 entonces cual es el valor de H=?.
Calcular por el mtodo de Newton-Raphson con
s
=0.001 y H
o
=B/2
SOLUCION:
12=3.33*(3-0.2*H)*( H
3
)
1/2

f(H)=12 - 3.33*(3-0.2*H)*( H
3
)
1/2
= 0
f(H)= - 3.33*(3-0.2*H)*(1/2)*( H
3
)
-1/2
(3*H
2
)+ ( H
3
)
1/2
*(-3.33)*(-0.2)
f(H)=-3.33*(3)*(1/2)*(H)
-3/2
(3*H
2
)*(-3.33)*(-0.2H)*(1/2)*(H)
-
3/2
(3*H
2
)+(3.33)*(0.2)*(H
3/2
)
f(H)=-14.985*H
1/2
+0.99*H*H
-3/2
*H
2
+0.666*H
3/2

f(H)=-14.985*H
1/2
+1.665*H
3/2

f(H)=12-3.33*(3-0.2H)*(H
3
)
1/2

f(H)=-14.985*H
1/2
+1.665*H
3/2

H
i+1 = Iniciar con Ho=B/2, Ho=3/2, Ho=1.5

i H
i
f(H
i
) F(H
i
) H
i+1
ERA
0 1.5 -4.51 -15.32 1.20517 -
1 1.20517 -0.16 -14.26 1.19362 9.5837x10
-3

2 1.19362 -
0.000278
-14.20 1.19360 0.000016756
2
=1.19360.

66


Leccin 6 Iteracin o mtodo iterativo de punto fijo y Ejercicios de la
Unidad

Este mtodo se aplica para resolver ecuaciones de la forma

Si la ecuacin es , entonces puede despejarse bien sumar en
ambos lados de la ecuacin para ponerla en la forma adecuada.
Este mtodo sirve para encontrar las races de una ecuacin y consiste en los
siguientes pasos:
1.- Nos deben dar la funcin a la cual le debemos encontrar la raz, es decir,
debemos conocer f(x)=0.
Ejemplo: f(x)= 0.5*x - 4 = 0
2.- Nos deben de dar un valor inicial x
o
. Ejemplo x
o
= 0.
3.- De la funcin f(x) debemos de despejar x de manera que encontremos una
nueva funcin de x llamada ahora g(x).
Ejemplo:
(2/2)*x - (1/2)*x - 4 = 0 donde (1/2)*x no se altera
x - (1/2)*x - 4 = 0 x = (1/2)*x + 4
g(x) = x = (1/2)*x + 4
4.- Se deriva la funcin g(x). En el caso de que el valor absoluto de la derivada de
g(x) sea menor a uno, se asegura que el despeje realizado funcione.
si
5.- Luego se evala g(x) utilizando primero x
o
. El resultado de esta evaluacin se
convierte en el nuevo valor de x y as se contina hasta encontrar la raz deseada
desde luego, satisfaciendo un error deseado.
SOLUCION:
x
o
= 0 , = 0.001
x
1
= (x
o
/2) + 4 = 0 + 4 = 4
ERA (x
1
,x
o
)
x
2
= (x
1
/2) + 4 = 6
ERA (x
2
,x
1

x
3
= (x
2
/2) + 4 = 7
ERA (x
3
,x
2

x
4
= (x
3
/2) + 4 =7.5
ERA (x
4
= 7.5, x
3
= 7)

67


(que no es menor a
s
)
x
5
= (x
4
/2) + 4 = 7.75
ERA (x
5
,x
4

x6 = (x
5
/2) + 4 = 7.875
ERA (x
6
, x
5
s
)
x
7
= (x
6
/2) + 4 = 7.9375
ERA (x
7
, x
6

x
8
= (x
7
/2) + 4 = 7.96875
ERA (x
8
,x
7
s
)
x
9
= (x
8
/2) + 4 = 7.984375
ERA (x
9
,x
8
s
)
x
10
= (x
9
/2) + 4 = 7.9921875
ERA (x
10
,x
9
)=
10
= 7.9921875 (tiende a 8)
El nmero 7.9921 se le llama punto fijo de g(x), sin importar cual sea el x
o
. El
punto fijo de g(x) es la raz de f(x).
Ejemplo:
Sea f(x) = x + 4 = 0 y x
o
= 0 Encontrar una raz por el mtodo iterativo del punto
fijo.
Hagamos un posible despeje:
2*x - x + 4 = 0
x = 2*x + 4 g(x) = 2*x + 4
g(x) = 2 donde g(x) no es menor a 1, por lo tanto, no se asegura que este despeje
sirva:
Probemos:
x
o
=0
x
1
=2*(0)+4=4
x
2
=2*(4)+4=12
x
3
=2*(12)+4=28
x
4
=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz, desde
luego comenzando con x
o
=0.
Al analizar f(x)=x+4=0. Vemos que la solucin es x+4=0 x= -4.
Y desde luego, si iniciramos con la solucin, es decir, que x
o
= -4, si tenderamos
a encontrar la solucin. Sin embargo, el mtodo trata de que dado un valor inicial
que no sea la solucin, se encuentre la solucin.
x
o
= -4; x
1
=2*(-4)+4 x
1
= -4
Sea f(x) = x+4 = 0 con x
o
=0
2*x - x + 4 = 0 x = 2*x + 4 g(x) = 2*x + 4
g´(x)= 2 que es mayor a 1 g(x) no es menor que 1 y por lo tanto no se

68


asegura que este despeje sirva.
Probemos
Con x
o
=0
x
1
=2*x
o
+4=2*(0)+4=4
x
2
=2*x
1
+4=2*(4)+4=12
x
3
=2*x
2
+4=2*(12)+4=28
x
4
=2*x
3
+4=2*(28)+4=60
x tiende al infinito de manera tal que no vamos a encontrar ninguna raz.
Intentemos otro despeje:
f(x)=x+4=0
se despeja con respecto a (3/2)x
(3/2)*x - (1/2)*x + 4 = 0
(3/2)*x=(1/2)*x - 4
x= (2/3)*(1/2)*x - (2/3)*(4)=(1/3)*x - (8/3)
- (8/3)

checando que (1/3) < 1 se asegura que el despeje realizado si sirve.
Probemos con x
o
=0 x_ant =x
o
=0
x_act = (x_ant / 3) - 2.66 = 0 - 2.66 = -2.66
ERA (x_act = -2.66, x_ant = 0)

x_ant = x_act = -2.66
Itera=1

x_act = (-2.66/ 3) - 2.66 = -3.5466
ERA (x_act =-3.5466, x_ant = -2.66)
(que no es menor a
s
)
x_ant = x_act = -3.5466
Itera=2

x_act = (-3.5466/ 3) - 2.66 = -3.8422
ERA (x_act =-3.8422, x_ant = -3.5466)
(que no es menor a
s
)
x_ant = x_act = -3.8422
Itera=3

69


x_act = (-3.8422/ 3) - 2.66 = -3.9407
ERA (x_act =-3.9407, x_ant = -3.8422)
(que no es menor a
s
)
x_ant = x_act = -3.9407
Itera=4

x_act = (-3.9407/ 3) - 2.66 = -3.9735
ERA (x_act =-3.9735, x_ant = -3.9407)
(que no es menor a
s
)
x_ant = x_act = -3.9735
Itera=5

x_act = (-3.9735/ 3) - 2.66 = -3.9845
ERA (x_act =-3.9845, x_ant = -3.9735)
(que no es menor a
s
)
x_ant = x_act = -3.9845
Itera=6

x_act = (-3.9845/ 3) - 2.66 = -3.9881
ERA (x_act =-3.9881, x_ant = -3.9845)
(que si es menor a
s
)
-3.9881
Esto tiende al nmero -4. Al nmero -4 se le llama punto fijo de g(x), sin importar cual sea
el x
o
. El punto fijo de g(x) es la raz de f(x).
Otros Ejemplos:
1) La ecuacin se puede transformar en .
2) La ecuacin se puede transformar en .

70


Dada la aproximacin , la siguiente iteracin se calcula con la frmula:

Supongamos que la raz verdadera es , es decir,

Restando las ltimas ecuaciones obtenemos:

Por el Teorema del Valor Medio para derivadas, sabemos que si es contnua
en y diferenciable en entonces existe tal que
.
En nuestro caso, existe en el intervalo determinado por y tal que:

De aqu tenemos que:

O bien,

Tomando valor absoluto en ambos lados,

71


Observe que el trmino es precisamente el error absoluto en la
sima iteracin, mientras que el trmino corresponde al error absoluto en
la sima iteracin.
Por lo tanto, solamente si , entonces se disminuir el error en la
siguiente iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si
para en un intervalo que contiene a la raz y donde es contnua y
diferenciable, pero diverge si en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
- En el ejemplo 1, y claramente se cumple la condicin de
que . Por lo tanto el mtodo s converge a la raz.
- En el ejemplo 2, y en este caso,
. Por lo tanto, el mtodo no converge a la raz.
Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo 1
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con y hasta que .
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,

Con un error aproximado de

Aplicando nuevamente la frmula iterativa tenemos,

72


Y un error aproximado de .
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se
necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al
1%. El resultado final que se obtiene es:

Con un error aproximado igual al .
Ejemplo 2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con y hasta que .
Solucin
Si despejamos la del trmino lineal, vemos que la ecuacin equivale a

de donde,

En este caso, tenemos que . Un vistazo a la grfica,

73


Nos convence que , para , lo que es suficiente para deducir que
el mtodo s converge a la raz buscada.
Aplicando la frmula iterativa, tenemos:

Con un error aproximado del 100%.
Aplicando nuevamente la frmula iterativa, tenemos:

Con un error aproximado igual al 28.41%.
En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:

0
-0.2 100%
-0.1557461506 28.41%
-0.1663039075 6.34%
-0.163826372 1.51%
-0.164410064 0.35%

74


De donde vemos que la aproximacin buscada es:

Figura. Diagramas de flujo del mtodo de iteracin.
Ejemplo:
Encontrar una raz por el mtodo iterativo del punto fijo.
Solucin:
f(x)=x*e
x
- 1 = 0 empezar con xo=0 y un Epsilon=0.001
x*e
x
= 1
x= 1 / e
x

75


x= e
-x

g(x)= e
-x

g´(x)= e
-x
*[d(-x)/ dx]
si se cumple

Para x=0 que no es
Por lo tanto vemos que pasa con x>0 y x<0:
ejecute;(x)= - e
-x

Por ejemplo para:
x=10 si se cumple

Esto asegura que el despeje hecho si funciona para valores de x
0
.
Probemos:
Dado que x
o
=0 se debe empezar con otro valor como x
o
=0.1 x
o
=1 y con la
ecuacin iterativa x
act
=e
-xant

x
1
=1
x
2
=e
-1
=0.367879441171
x
3
=e
-x2
=0.692200627556
x
4
=e
-x3
=0.500473500563
x
5
=e
-x4
=0.606243535086
x
6
=e
-x5
=0.545395785975
x
7
=e
-x6
=0.579612335503
x
8
=e
-x7
=0.560115461361
x
9
=e
-x8
=0.57114311508
x
10
=e
-x9
=0. 564879347391
x
11
=e
-x10
=0.568428725029
x
12
=e
-x11
=0. 566414733147
x
13
=e
-x12
=0.567556637328
x
14
=e
-x13
=0.566908911922
x
15
=e
-x14
=0.567276232175

Esto tiende a converger al nmero 0.5673 Al nmero 0.567276232175 se le llama
punto fijo de g(x), sin importar cual sea el x
o
. El punto fijo de g(x) es la raz de f(x).

76


EJEMPLO:
Encontrar una raz para f(x)=5*x
2
-4*x-7 por el mtodo iterativo del punto fijo dentro
del intervalo (- 0.9,- 0.8).
Solucin:
Propongamos primero una funcin g(x)
5*x
2
-4*x=7
factorizando a x y trabajando con respecto a la x que se factoriz:
x(5x-4)=7 y despejando a x
x = 7 / (5*x - 4)
g(x)=7 / (5*x - 4)
dg(x) / dx = d/dx(7 / (5*x-4) = (d/dx)(7*(5*x-4)
-1
)
g(x)=7*[(-1)*(5*x-4)
-1-1
((d/dx)(5*x-4))]
g(x)=7[(-1)(5*x-4)
-2
(5-0)]
g(x)=(7*(-1)*(5)) / (5*x-4)
2
= -35 / (5*x-4)
2

Probemos para los lmites del intervalo dado para -0.9.

Ahora probemos para -0.8.

Por lo tanto el despeje propuesto, es decir g(x) si nos sirve.
Encontremos el punto fijo de g(x) es decir la raz de f(x). Adems de percatarnos
que no es necesario un intervalo sino un solo valor de arranque, por lo que se
trabajar con el valor inicial de x
o
=-0.85 el cual se encuentra dentro del intervalo
(-0.9,-0.8).
x
o
= -0.85
x
1
=7 / (5*x
o
-4) = -0.848484848486
x
2
=7 / (5*x
2
-4) = -0.849264705882
x
3
=7 / (5*x
2
-4) = -0.8488631129735
x
4
=7 / (5*x
3
-4) = -0.849069868054
x
5
=7 / (5*x
4
-4) = -0.848963423031
El valor tiende a -0.849 punto fijo de g(x) y raz de f(x).
EJEMPLO:
Encontrar una raz para f(x)=x
2
-x-2 por el mtodo iterativo del punto fijo cuyas
races son (-1,2)
Propongamos varias funciones de g(x) y veamos cuales de ellas si nos pueden
servir:
1) respecto a la segunda

77


x
2
-x-2=0
x
2
-2=x
g
1
(x)=x= x
2
-2
2) respecto a x
2

x
2
-x-2=0
x
2
=2+x
x= (2+x)
1/2

2) g
2
(x)= -(2+x)
1/2

3) g
3
(x)= (2+x)
1/2

4) respecto a x
2

x
2
-x-2=0
x
2
=x+2
se despeja con respecto a x*x
x*x=x+2
x=1 + 2/x
g
4
(x)= 1+2/x
5) factorizamos a x
x
2
-x-2=0
x*(x-1)-2=0
x*(x-1)=2
x=2 / (x-1)
g
5
(x)= 2 / (x-1)
Probemos si g
1
(x) nos puede servir para encontrar las dos races (-1,2).
g
1
(x)=x
2
-2
g
1
(x)=2*x

2*x < 1
x < 1 / 2
Esto quiere decir que el despeje propuesto nos va a servir para encontrar la raz
con x que sea una sola palabra sea menor a 0.5.
Probemos con x
o
=0
x
Act
=x
Ant
-2
x
1
= x
o
2
-2
x
1
=-2
x
2
= x
1
2
-2=(-2)
2
-2=2
x
3
= (-2)
2
-2=2

Como sabemos que una raz es 2 veamos si 1.5 lo aproxima:
Probemos con x
o
=1.5
x
1
= (1.5)
2
-2
x
1
=0.25
x
2
= x
1
2
-2=-1.9375
x
3
= x
2
2
-2=1.75390625
x
4
= x
3
2
-2=1.0768713379
No tiende a alguna convergencia. Esto demuestra que debe respetarse que x<

78


(1/2) para esta ecuacin iterativa.
Probemos ahora g
2
(x)
g
2
(x)=-(2+x)
1/2

g
2
1
(x)=-(1/2)* (2+x)
-1/2

(1/2)* (2+x)
-1/2
< 1
(2+x)
1/2
esta dividiendo y pasa multiplicando:
1 / (2*(2+x)
1/2
)< 1
1/2 < (2+x)
1/2

elevo al cuadrado y reacomodo para despejar a x:
2+x > 1/4
x > 1/4 - 2
x > 1/4 - 8/4
x > -7/4
x > -1.75

Figura. Races en el plano cartesiano
Esto lo que quiere decir es que el despeje propuesto g
2
(x), nos debe de servir para
poder encontrar las dos races -1 y 2.
Probemos con x
o
=0 en g
2
(x):
x
Act
=-(2+x
Ant
)
1/2
Ecuacin iterativa
x
1
= -(2+x
o
)
1/2
=-1.41421356237
x
2
= -(2+x
1
)
1/2
=-0.765366864732
x
3
= -(2+x
2
)
1/2
=-1.11114046604
x
4
= -(2+x
3
)
1/2
=-0.94279347365
x
5
= -(2+x
4
)
1/2
=-1.02820548839
x
6
= -(2+x
5
)
1/2
=-0.9857
tiende a -1, punto fijo de g(x) y raz de f(x).
Probando con x
o
=0 en g
3
(x):
x
Act
=(2+x
Ant
)
1/2
Ecuacin iterativa
x
1
= (2+x
o
)
1/2
=1.41421356237
x
2
= (2+x
1
)
1/2
=1.84775906502
x
3
= (2+x
2
)
1/2
=1.96157056081
x
4
= (2+x
3
)
1/2
=1.99036945335
tiende a 2, punto fijo de g(x) y raz de f(x).

79


Por lo tanto x
o
si nos sirve para encontrar las dos races.
Probando con g
4
(x):
g
4
(x)=1 + 2/x
g
4
(x)=2*(-1) / x
2

g
4
(x)= -2 / x
2

x
2
> 2
x > 2
1/2

x > 1.4142
Esto quiere decir que el despeje hecho, nos podr servir para encontrar la raz
mayor a 1.4142 o sea para encontrar la raz.
Probemos ahora g
5
(x):
Se desea saber si este despeje es vlido para encontrar la raz de -1? O bien
este despeje es vlido para encontrar la raz 2?
g
5
(x)= 2 / (x-1) = 2*(x-1)
-1

g
5
(x)=2*(-1)*(x-1)
-2
dx/dx
g
5
(x)= -2 / (x-1)
2

Probemos s esto fuese vlido para encontrar la raz igual a -1.

Y el despeje propuesto, si nos sirve para encontrar esta raz.
Ahora probemos si el despeje de g
5
(x), nos sirve para encontrar la raz igual a 2.

Y el despeje propuesto, no nos sirve para encontrar la segunda raz.

80


Figura. Formas de convergencia.

81


EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1. Usa el mtodo de biseccin para aproximar la raz de
comenzando en el intervalo y hasta que .
Solucin: .
2. Usa el mtodo de biseccin para aproximar la raz de
Solucin: .
3. Usa el mtodo de la regla falsa para aproximar la raz de
Solucin: .
4. Usa el mtodo de la regla falsa para aproximar la raz de
Solucin: .
5. Usa el mtodo de Newton-Raphson para aproximar la raz de
comenzando con y hasta que .
Solucin: .
6. Usa el mtodo de Newton-Raphson para aproximar la raz de ,
Solucin: .
7. Usa el mtodo de iteracin del punto fijo para aproximar la raz de

82


Solucin: .
8. Usa el mtodo de iteracin del punto fijo para aproximar la raz de
Solucin: .

83


BIBLIOGRAFIA

1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.

2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin
Ed. Mc Graw Hill. Mxico.

3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.

4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3
rd
, ed. 2002.

5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.

6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.

7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.
Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).

84


DIRECCIONES DE SITIOS WEB:

1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la
vanguardia.
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound

Modulo Unidad1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modulo Unidad1

Uploaded by

Copyright:

Available Formats

1

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

You might also like