MATERIA:

PROGRAMACION Y METODOS NUMERICOS

CATEDRTICO:
ING. ALFONSO SANCHEZ SOLIS
TEMA:
ANLISIS DEL ERROR Y SOLUCIN DE
ECUACIONES
ALUMNO:
ALMA ANGELINA LERDO REYES
ESPECIALIDAD:
INGENIERA BIOQUMICA
GRADO: 4 SEMESTRE

GRUPO: A

Unidad 3 anlisis del error y solucin de ecuaciones

Objetivo
Elaborar esta investigacin para conocer y resolver anlisis de errores de
ecuaciones y solucionarlos de acuerdo de los temas que conforman esta
unidad, conociendo los mtodos matemticos.

Justificacin
Esta investigacin es elaborada con el fin de analizar ms a fondo la materia de
programacin y mtodos numricos, analizando mtodos para errores de
funciones, tambin para elaborar graficas para encontrar sus ejes de
interseccin ya sea manualmente o con un software que permita su solucin ya
sea funciones lineales o no lineales.

3.1. Anlisis del error

Con el auge cada vez mayor de la informtica es evidente que los sistemas
computacionales se han perfeccionado. En actualidad los dispositivos digitales
(computadoras y calculadoras) pueden realizar un gran nmero de operaciones
sin cometer errores, es decir trabajan lo ms exacto posible. Pero a pesar de
toda esta perfeccin al trabajar con estos sistemas o dispositivos, suele
resultar que dichos procesos u operaciones den una respuesta equivocada, lo
cual puede obedecer a errores de tipo humanos (frmulas incorrectas, errores
de lgica en los programas, tipogrficos, etc.), errores subyacentes al diseo
del mtodo (truncamiento de frmulas (series)) y errores inherentes al
funcionamiento del dispositivo digital (Aritmtica finita).
Cada vez que se apliquen mtodos numricos es pertinente procurar la
minimizacin de los errores que se pueden presentar. As que se debe conocer
porque se presentan, que tanto se pueden tolerar y que tan buena son las
aproximaciones que se obtengan.

3.1.1. Cifras significativas

En consecuencia, antes de analizar los errores asociados con los mtodos
numricos, es til repasar algunos conceptos bsicos referentes a la
representacin aproximada de los nmeros mismos.
Cuando se emplea un nmero para realizar un clculo, debe haber seguridad
de que pueda usarse con confianza.Se le llaman cifras significativas de un
nmero a aquellas que pueden ser utilizadas con confiabilidad, para estimar
una medida.
Existen dos razones, por las cuales el concepto de cifras significativas reviste
de importancia en el estudio de los mtodos numricos:
1.
los mtodos numricos obtienen resultados aproximados. Por lo tanto se
debe contar con criterio que permitan especificar que tan precisos son los
resultados obtenidos. Una manera de asegurarlos es en trminos de cifras
significativas. As se pude establecer que la aproximacin es aceptable siempre
y cuando sea correcta para cierto nmero de cifras significativas.

2.
Aunque ciertas cantidades representen nmeros especficos, no se
pueden representar exactamente con un nmero finito de dgitos, y como los
computadores solo pueden retener un nmero finito de dgitos, se debe hacer
omisin de un nmero infinito de cifras significativas.

3.1.2. Exactitud y precisin

Los errores en clculos y medidas se pueden caracterizar con respecto a su
exactitud y su precisin. La exactitud se refiere a qu tan cercano est el valor
calculado o medido del valor verdadero. La precisin se refiere a qu tan
cercanos se encuentran, unos de otros, diversos valores calculados o medidos.

Los mtodos numricos deben ser lo suficientemente exactos o sin sesgo para
satisfacer los requisitos de un problema particular de ingeniera. Tambin
deben ser suficientemente precisos para ser adecuados en el diseo de la
ingeniera. En este libro se usa el trmino error para representar tanto la
inexactitud como la imprecisin en las predicciones.
El trmino exactitud indica la proximidad de la media de una serie de datos al
valor que se acepta verdadero. La exactitud se expresa en trminos del error al
valor que se acepta como verdadero. La exactitud se expresa en trminos del
error determinado (Edet) o diferencia entre la media
y el valor aceptado .
Edet =
Sin embargo, tiene mayor significado desde el punto de vista analtico
determinar la exactitud en trminos del error determinado relativo, o porcentaje
de error determinado con respecto a la media.

3.1.3. Definicin de error y tipos de error

Los errores numricos surgen del uso de aproximaciones para representar
operaciones y cantidades matemticas exactas. stas incluyen los errores de
truncamiento que resultan del empleo de aproximaciones como un
procedimiento matemtico exacto, y los errores de redondeo que se producen

cuando se usan nmeros que tienen un lmite de cifras significativas para

representar nmeros exactos. Para ambos tipos de errores, la relacin entre el
resultado exacto, o verdadero, y el aproximado est dada por

Valor verdadero = Valor aproximado + error

Reordenando la ecuacin se encuentra que el error numrico es igual a la
diferencia entre el valor verdadero y el valor aproximado, es decir

Et = valor verdadero valor aproximado

DondeEt se usa para denotar el valor exacto del error. El subndice t indica que
se trata del error verdadero (true). Como ya se mencion brevemente, esto
contrasta con los otros casos, donde se debe emplear una estimacin
aproximada del error.
Una desventaja en esta definicin es que no toma en consideracin el orden de
la magnitud del valor que se estima. Por ejemplo, un error de un centmetro es
mucho ms significativo si se est midiendo un remache en lugar de un puente.
Una manera de tomar en cuenta las magnitudes de las cantidades que se
evalan consiste en normalizar el error respecto al valor verdadero, es decir
Error relativo fraccional verdadero = error verdadero /valor verdadero

Sea X el valor exacto de una cantidad y sea

el error absoluto como.

su valor aproximado. Se define

Ex=x
El error absoluto mide la diferencia entre el valor exacto de una cantidad y su
valor aproximado.
Tipos de errores
Los errores numricos se generan por el uso de aproximaciones para
representar las operaciones y cantidades matemticas.

Errores de truncamiento y la serie de Taylor

Teorema: Si existe un y. Para toda, existe (x) entre y, tal que:

Donde y
Es el n-simo polinomio de Taylor para f respecto a x 0 y se llama el termino
del residuo o error de truncamiento asociado a. La serie infinita al tomar el
lmite de cuando n es la serie de Taylor para f alrededor de x 0. En el caso
x0=0, al polinomio y la serie de Taylor se les dice Polinomio y serie de
Maclaurin, respectivamente.
El termino error de truncamiento se refiere al error presente cuando se usa
una suma truncada o finita para aproximar la suma de una serie infinita .
La serie de Taylor para la funcin f (x) = ln(x) en [1,2], desarrollada alrededor
de x0 =1, podemos expresarla como:para 1 x 2. Aqu, con entre 1 y x.
Pero como >1.

Errores de redondeo y la aritmtica finita de las computadoras

Los errores de redondeo se originan debido a que la computadora emplea un
nmero determinado de cifras significativas durante un clculo. Losnmeros
tales como p, e o 7 no pueden expresarse con un nmero fijo de cifras
significativas. Por lo tanto, no pueden ser representados exactamente por la
computadora.
Adems, debido a que las computadoras usan una representacin en base 2,
no pueden representar exactamente algunos nmeros en base 10. Esta
discrepancia por la omisin de cifras significativas se llama error de redondeo.

Como la computadora slo puede almacenar un nmero fijo de cifras

significativas, y cantidades como , e, no pueden ser expresadas

exactamente, se debe hacer omisin de cifras significativas, ya sea aplicando

un proceso de redondeo o de truncamiento de un nmero. Esta discrepancia
ocasionada por la omisin de cifras significativas es llamada error de redondeo.
Aritmtica Computacional. Los nmeros en la computadora son
representados en el sistema binario o de base dos, debido a que las
computadoras generalmente trabajan con componentes electrnicos de
apagado/encendido o Intensidad de corriente por encima o por debajo de un
umbral o teniendo en cuenta direcciones de flujos en dos sentidos: Estos
efectos son utilizados para procesar la informacin numrica.
Todo nmero real x no nulo tiene o admite una representacin de punto
flotante binario normalizada, es decir se puede representar en la forma:
donde y E es un entero.
Aunque las computadoras poseen una flexibilidad en cuanto a la cantidad de
memoria que pueda asignarse para almacenar nmeros reales, para una
aplicacin numrica dada, el nmero de bits asignados para almacenar un
nmero generalmente, es fijo. En una computadora, un nmero real X no
nuloes un nmero de mquina, si una vez escrito en laforma de punto flotante
binario normalizada, el signo, la mantisa M y el exponente con corrimiento E+E 0
(sin signo) escritos en binario, puede almacenarse exactamente usando N+P+1
bits segn la distribucin:
Un bit para el signo (0 es + y 1 es -), P bits para el exponente con corrimiento
E+E0 (E0 =2P-1) y N bits para la mantisa M.
3.1.4. Propagacin del error
Medidas indirectas: Magnitudes que se calculan a partir de los valores
encontrados en las medidas de otras magnitudes.
Conocemos x x, y y,...
Calculamos z = f (x, y,...)
Cul es el error de z?
Propagacin de errores: Conjunto de reglas que permiten asignar un error a z,
conocidas las incertidumbres de x e y,...
Permiten asignar un error al resultado final.
Indica la importancia relativa de las diferentes medidas directas.
Planificacin del experimento.
Hiptesis de partida

 Medidas dependientes: Hiptesis pesimista. Siempre en la situacin ms

desfavorable. Conjunto de reglas prcticas.
Medidas independientes: Errores cuadrticos medios.
Frmula general de propagacin de errores.
Propagacin de errores en sumas y diferencias
Datos iniciales:
x x

y y
Sea su suma q=x+ y

y su diferencia

q=x y .

3.1.5. Error de truncamiento y serie de Taylor

Los errores de truncamiento son aquellos que resultan al usar una

aproximacin en lugar de un procedimiento matemtico exacto. Por ejemplo, en
el captulo 1 aproximamos la derivada de la velocidad de cada de un
paracaidista mediante una ecuacin en diferencia finita dividida de la forma.

Se present un error de truncamiento en la solucin numrica, ya que la

ecuacin en diferencia slo aproxima el valor verdadero de la derivada (vase
figura 1.4). Para obtener un conocimiento sobre las caractersticas de estos
errores, debe considerar una formulacin matemtica que se utiliza
ampliamente en los mtodos numricos para expresar funciones de manera
aproximada: la serie de Taylor.
Serie de Taylor
El teorema de Taylor y su frmula, la serie de Taylor, es de gran valor en el
estudio de los mtodos numricos. En esencia, la serie de Taylor proporciona
un medio para predecir el valor de una funcin en un punto en trminos del
valor de la funcin y sus derivadas en otro punto. En particular, el teorema
establece que cualquier funcin suave puede aproximarse por un polinomio.
Una buena manera de comprender la serie de Taylor consiste en construirla
trminopor trmino. Por ejemplo, el primer trmino de la serie es:

F (xi+1) _ f (xi)
Esta relacin, llamada la aproximacin de orden cero, indica que el valor de f
en el nuevo punto es el mismo que su valor en el punto anterior. Tal resultado
tiene un sentido intuitivo, ya que si xi y xi+1 estn muy prximas entre s,
entonces es muy probable que el nuevo valor sea similar al anterior.
La serie de Taylor provee un medio para predecir el valor de una funcin en un
punto en trminos del valor de la funcin y sus derivadas en otro punto.
Teorema de Taylor: Si la funcin fy sus primeras n+1 derivadas son continuas
en un intervalo que contiene a ay a x, entonces el valor de la funcin en un
punto xest dado por:

La expansin en series de Taylor de n-simoorden debe ser exacta para un

polinomio de n-simoorden.
Para otras funciones continuas diferenciables, como las exponenciales o
sinusoidales, no se obtiene una estimacin exacta mediante un nmero finito
de trminos.
El valor prctico de las series de Taylor radica en el uso de un nmero finito de
trminos que darn una aproximacin lo suficientemente cercana a la solucin
verdadera para propsitos prcticos.
El residuo en la expansin de la serie de Taylor
Antes de mostrar cmo se utiliza la serie de Taylor en la estimacin de errores
numricos, se debe explicar por qu se incluye el argumento x en la ecuacin.
Un desarrollo matemtico se presenta en el cuadro 4.1. Ahora se expondr una
interpretacin ms visual. Despus se extiende este caso especfico a una
formulacin ms general.
Suponga que se trunca la expansin de la serie de Taylor despus del trmino
de orden cero para obtener:
F (xi+1) _ f (xi)
El residuo o error de esta prediccin, que se indica tambin en la figura,
consiste de la serie infinita de trminos que fueron truncados:

Obviamente no resulta conveniente manipular el residuo en este formato de

serie infinita.
Se obtiene una simplificacin truncando el residuo mismo de la siguiente
manera
R0 _ f (xi) h

Error de Propagacin
Supngase que se tiene una funcin f (u). Considere que es una aproximacin
de u ( = u+h, con tamao de paso). Por lo tanto, se podra evaluar el efecto de
la discrepancia entre uy en el valor de la funcin.

Si ues cercana a y f(u) es continua y diferenciable:

3.2. Races de ecuaciones

Races de ecuaciones se ocupa de mtodos que aprovechan el hecho
De que una funcin cambia de signo en la vecindad de una raz. A estas
tcnicas se les
Llamamtodos cerrados, o de intervalos, porque se necesita de dos valores
iniciales para
La raz. Como su nombre lo indica, dichos valores iniciales deben encerrar, o
estar ha
Ambos lados de la raz. Los mtodos particulares descritos aqu emplean
diferentes estrategias
Para reducir sistemticamente el tamao del intervalo y as converger a la
Respuesta correcta.
Como prembulo de estas tcnicas se analizarn los mtodos grficos para
representar
Tanto las funciones como sus races. Adems de la utilidad de los mtodos
grficos
Para determinar valores iniciales, tambin son tiles para visualizar las
propiedades
De las funciones y el comportamiento de los diversos mtodos numricos.
La raz de una ecuacin es aquel valor de la variable independiente que hace
que el resultado de la ecuacin sea cero o por lo menos se acerque a cero con
un cierto grado de aproximacin deseado.

MTODOS BASADOS EN INTERVALOS

Su caracterstica fundamental es que se elige un intervalo [a, b] dentro del cual

se encuentre la raz buscada. No hay una regla a seguir para la seleccin de
este intervalo, sin embargo, se debe cumplir que en los extremos del intervalo
la funcin cambie de signo lo cual que equivale a que: f(a)*f (b) < 0. Una
primera aproximacin a la solucin se logra al elaborar un modelo grafico de la
ecuacin y a partir de l, por simple inspeccin, seleccionar el intervalo ms
adecuado.
Si al evaluar la funcin, en los extremo del intervalo elegido, presenta igual
signo puede no existir races o existir un nmero impar de ellas. Si la funcin
cambia de signo esto nos indica que al menos hay una raz en dicho intervalo.
Los casos que requieren
Anlisis especial se presentan cuando la funcin tiene puntos tangentes al eje x
o cuando tiene discontinuidades.

3.2.1. Mtodo grfico

Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f (x)
= 0 consiste en graficar la funcin y observar dnde cruza el eje x. Este punto,
que representa el valor de x para el cual f(x) = 0, ofrece una aproximacin
inicial de la raz.
Lo esencial en este mtodo es poder construir un modelo grafico de la
ecuacin y luego por inspeccin estimar una aproximacin a la
Raz.
El mayor inconveniente de este mtodo es su poca precisin y exactitud. Sin
embargo, hoy da se cuenta con excelentes herramientas de software para
realizar rpidamente graficas con un alto grado de realismo. El primer problema
a resolver es .que intervalo usar para construir la grafica? No hay regla que nos
diga cmo hacerlo, por eso lo mejor es probar con varios intervalos hasta
encontrar el ms adecuado, no obstante es importante considerar las
caractersticas particulares del problema que vamos a resolver, ya que eso nos
dar una idea del rango de posibles soluciones, por ejemplo si queremos hallar
una magnitud fsica como velocidad, distancia, masa, etc., sabemos que no
tiene sentido probar con valores negativos, por lo tanto podemos graficar
rangos a partir de cero.

Mtodo grafico para hallar races.

3.2.2. Mtodos cerrados.

mtodos

Biseccin.

Regla Falsa.

Otros

Mediante consideraciones geomtricas sencillas (que se dejan como ejercicio

al lector interesado) puede verse que los valores de que proporcionan los
puntos de impacto I son las racese la ecuacin:

Mtodo de biseccin

La primera tcnica iterativa para hallar ceros de funciones que se presenta aqu
es el mtodo de la biseccin.
El mtodo consiste en lo siguiente:
Debe existir seguridad sobre la continuidad de la funcin f(x) en el intervalo
[aba]
A continuacin se verifica que
Se calcula el punto medio m del intervalo [aba] y se evala f (m) si ese valor es
igual a cero, ya hemos encontrado la raz buscada
En caso de que no lo sea, verificamos si f (m) tiene signo opuesto con f(a) o
con f (b)
Se redefine el intervalo [a, b] como [a, m] [m, b] segn se haya determinado
en cul de estos intervalos ocurre un cambio de signo
Con este nuevo intervalo se contina sucesivamente encerrando la solucin en
un intervalo cada vez ms pequeo, hasta alcanzar la precisin deseada

Regla Falsa
La idea para obtener una valor aproximado de la raz
f ( x )=0

en el intervalo

de la ecuacin

I =[a , b] . Consiste en remplazar

polinomio que toma los valores de

en determinados puntos de

por un
I .

Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el

punto donde cruza al eje 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 con el mtodo de biseccin, puesto que en todo lo
dems
los
dos
mtodos
son
prcticamente
idnticos.

Supongamos que tenemos una funcin

y

adems,

que es continua en el intervalo

tienen

signos

opuestos.

Calculemos la ecuacin de la lnea recta que une los puntos

3.2.3. Mtodos abiertos. Iteracin de puntofijo. Mtodo de la

secante. Newton-Raphson
Los mtodos abiertos utilizan una frmula para predecir la raz. Esta frmula
puede desarrollarse como una iteracin simple de punto fijo (tambin llamada
iteracin de un punto o sustitucin sucesiva o mtodo de punto fijo).
Las races mltiples
Las races mltiples son determinados de ecuaciones poli nmicas que tienen
la forma general:
fx = a0 + a1x + a2x2 + ... + anxn
Donde n es el grado del polinomio y son los coeficientes. Las races de los
polinomios pueden ser reales y / o complejos, y cumplir con las tres reglas:
* En una ecuacin de grado n, hay n races reales o complejas. Cabe
sealar que
las
races no
son
necesariamente
diferentes.
* Si

es

impar hay

al

menos una

raz

real.

* Si hay races complejas, estas se encuentran en pares conjugados.

Mtodo de Punto Fijo
El mtodo de punto fijo o de aproximaciones sucesivas es, junto con el de
Biseccin, uno de los primeros mtodos que se utilizaron para resolver
ecuaciones algebraicas y trascendentes. No obstante que en la actualidad
existen otros mtodos ms eficientes, el de punto fijo se considera el ms
simple en sus principios y en l se pueden apreciar claramente todas las
caractersticas de un mtodo de aproximaciones sucesivas.
Sea F(x) = 0 una ecuacin algebraica o trascendente cualquiera. Se suma x
en
ambos
miembros
y
se
obtiene:
F(x) + x = x
Donde el miembro izquierdo es otra funcin de x que se define
como

G(x) +

x = x

Se
(1):

sustituye

en

la

ecuacin

(3)
x = G(x)
Obsrvese ahora que cualquier ecuacin puede representarse en esta forma,
siguiendo el procedimiento anterior.
Si x = a es una raz de la ecuacin, entonces
F (a) = 0
O bien, al sustituir en la ecuacin (3)
a = G (a)
El mtodo de aproximaciones sucesivas consiste en sustituir un valor inicial
(x0) apropiado (cercano a la raz) en el segundo miembro de la ecuacin (3). Si
x0 es la raz, se deber cumplir la ecuacin (4); esto es:
x0 = G(so)
Pero esto ser difcil de que ocurra; seguramente el valor inicial principal
proporcionado xo ser solo un valor cercano a la raz. Entonces, en el caso
general:
x0 =/ G(x0)

o bien,

x1 = G(x0)

Donde x1 es la nueva aproximacin de la raz a. se sustituye x1 en el segundo

miembro de la ecuacin (3) y se obtiene:
x2 = G(x1)
Al proceder reiteradamente en esta forma se induce que la n-sima
aproximacin es:
Xn = G(Xn-1)
n = 1,2,3,.....
De acuerdo con lo visto en los temas anteriores, puede afirmarse que si el
mtodo converge, la diferencia en valor absoluto entre valores proporcionados
en dos iteraciones sucesivas ser cada vez ms pequea a medida que n
aumnete, y con esto se tendr un criterio para saber cundo termina la
aplicacin del mtodo.

Es posible afirmar que si en la n-sima iteracin el mtodo se est

aproximando a la raz o converge a ella, entonces:
|G(t)| = |a - Xn| / |a - Xn-1| <1
Es decir, el mtodo es convergente si:
|G(t)|<1

Xn-1<t<a

Esto significa que el mtodo converge en la n-sima iteracin cuando el valor

absoluto de la derivada de G(x) en cualquier punto del intervalo (Xn-1, a) es
menor que la unidad.
Por otra parte el mtodo es divergente si
|a - Xn| > |a - Xn-1|
Recordar que el mtodo de Punto Fijo, nos dice que, solo podr haber y tener
un nico punto o raz.
Mtodo de la secante
Un problema potencial en la implementacin del mtodo de Newton-Rapasen
es la evaluacin de la derivada. Aunque esto no es un inconveniente para los
polinomios ni para muchas otras funciones, existen algunas funciones cuyas
derivadas en ocasiones resultan muy difciles de calcular. En dichos casos, la
derivada se puede aproximar mediante una diferencia finita dividida hacia atrs.

La recta secante es una recta que corta a una circunferencia en dos puntos.
Conforme estos puntos de corte se acercan, dicha recta se aproxima a un
punto y, cuando solo existe un punto que toca la circunferencia, se le llama
tangente.
Dados los puntos de interseccin A y B puede calcularse la ecuacin de la recta
secante empleando para saber la respuesta de sta operacin se emplea en
matemticas la ecuacin de la recta que pasa por dos puntos.
En anlisis numrico el mtodo de la secante es un mtodo para encontrar los
ceros de una funcin de forma iterativa. Uno de los objetivos de este mtodo es
eliminar el problema de la derivada de la funcin, ya que existen funciones que
describen fenmenos fsicos en la vida real, cuya derivada es muy compleja.El

mtodo de la secante es muy similar al de Newton con la diferencia principal

que en este mtodo de la secante no requiere de la segunda derivada.
Este mtodo, a diferencia del de biseccin y regla falsa, casi nunca falla ya que
solo requiere de 2 puntos al principio, y despus el mismo mtodo se va
retroalimentando. Lo que hace bsicamente es ir tirando rectas secantes a la
curva de la ecuacin que se tiene originalmente, y va checando la interseccin
de esas rectas con el eje de las X para ver si es la raz que se busca.
.
Mtodo de Newton-Raphson
El mtodo de Newton-Raphson se deduce a partir de esta interpretacin
geomtrica.

La

cual

se

conoce

como

frmula

de

Newton-Raphson.

Entre los mtodos de aproximaciones sucesivas para encontrar algunas

de las races de una ecuacin algebraica o trascendente, el de NewtonRaphson es el que presenta mejores caractersticas de eficiencia, debido a que
casi siempre converge a la solucin y lo hace en un nmero reducido de
iteraciones.
Este mtodo es aplicable tanto en ecuaciones algebraicas como
trascendentes y con l es posible obtener races complejas.
Tal vez, de las frmulas para localizar races, la frmula de NewtonRaphson sea la ms ampliamente utilizada. Si el valor inicial para la raz es xi,
entonces se puede trazar una tangente desde el punto [xi,f(xi)] de la curva. Por
lo comn, el punto donde esta tangente cruza el eje x representa una
aproximacin mejorada de la raz.

3.2.4. Races mltiples

Una raz mltiple corresponde a un punto donde una funcin es tangencial al

eje x.
f(x) = (x 3)(x 1)(x 1)
El objeto del clculo de las races de una ecuacin es determinar los valores de
x para los que se
cumple:
f(x) = 0
La determinacin de las races de una ecuacin es uno de los problemas ms
antiguos en matemticasy se han realizado un gran nmero de esfuerzos en
este sentido. Su importancia radica en que sipodemos determinar las races de
una ecuacin tambin podemos determinar mximos y mnimos, valores
propios de matrices, resolver sistemas de ecuaciones lineales y diferenciales,
etc.
Existen una serie de reglas que pueden ayudar a determinar las races de una
ecuacin:

El teorema de Bolzano, que establece que si una funcin continua, f(x), toma
en los extremos del intervalo [a,b] valores de signo opuesto, entonces la
funcin admite, al menos, una raz endicho intervalo.
En el caso en que f(x) sea una funcin algebraica (polinmica) de grado n y
coeficientes reales, podemos afirmar que tendr n races reales o complejas.
La propiedad ms importante que verifican las races racionales de una
ecuacin algebraica establece que si p/q es una raz racional de la ecuacin de
coeficientes enteros:

Entonces el denominador qdivide al coeficientes any el numerador que divide

al trminoindependiente a0.

3.2.5. Races de polinomios. Mtodo de Mller. Mtodo de

Bairstow

Los mtodos para encontrar las races de ecuaciones polinomiales de la forma

general
fn(x) = a0 + a1x + a2x2 +... + anxn
donden es el grado del polinomio y las a son los coeficientes del polinomio.
Aunque los coeficientes pueden ser nmeros reales o complejos, este estudio
se limitar a los casos en que son reales. Entonces las races del polinomio
pueden ser reales
y/o complejas.
Las races de los polinomios cumplen estas reglas:
1. En una ecuacin de grado n, hay n races reales o complejas. Se debe notar
que esas races no necesariamente son distintas.
2. Si n es impar, hay al menos una raz real.
3. Si existen races complejas, stas se encuentran por pares conjugados (es
decir, l +
iy l i), donde i = 1 .
Antes de describir las tcnicas para localizar las races de polinomios, se
proporcionarn algunos antecedentes. La primera seccin da una motivacin

para estudiar dichas tcnicas; la segunda trata de algunas manipulaciones

computacionales fundamentales con polinomios.

El mtodo de la secante obtiene una aproximacin de la raz dirigiendo una

lnea recta hasta el eje x con dos valores de la funcin. El mtodo de Mller es
similar; pero se construye una parbola con tres puntos. El mtodo consiste en
obtener los coeficientes de la parbola que pasa por los tres puntos. Dichos
coeficientes se sustituyen en la frmula cuadrtica para obtener el valor donde
la parbola interseca al eje x; es decir, la raz estimada. La aproximacin se
facilita al escribir la ecuacin de la parbola en una forma conveniente,

Mtodo de Bairstow
El mtodo de Bairstow es un mtodo iterativo relacionado de alguna manera
con los mtodos de Mller y de Newton-Raphson. Antes de hacer la
descripcin matemtica de ste, recuerde la forma factorizada de un polinomio.
Si se divide entre un factor que no es una raz (por ejemplo, x + 6), el cociente
es un polinomio de cuarto grado. Aunque, en este caso, habr un residuo
diferente de cero.
Con estas consideraciones se puede elaborar un algoritmo para determinar la
raz de un polinomio:
1. d un valor inicial para la raz x = t;
2. divida el polinomio entre el factor x t, y
3. determine si hay un residuo diferente de cero. Si no, el valor inicial es
perfecto y la raz es igual a t. Si existe un residuo, se ajusta el valor inicial en
forma sistemtica y se repite el procedimiento hasta que el residuo

desaparezca y se localice la raz. Una vez hecho esto, se repite el

procedimiento totalmente, ahora con el cociente para localizar otra raz.
Por lo general, el mtodo de Bairstow se basa en esta manera de proceder. Por
consiguiente, depende del proceso matemtico de dividir un polinomio entre un
factor.
El estudio de la deflacin de polinomios que la divisin sinttica implica la
divisin del polinomio entre un factor x t. Por ejemplo, el polinomio general
n(x) = a0 + a1x + a2x2 ++ anxn

Se divide entre el factor x t para dar un segundo polinomio que es de un

grado menor:
n1(x) = b1 + b2x + b3x2 + + bnxn1
Con un residuo R = b0, donde los coeficientes se calculan por la relacin de
recurrencia
bn= an
bi= ai+ bi+1t Para i = n 1 a 0
Observe que si t es una raz del polinomio original, el residuo b0 sera igual a
cero.
Para permitir la evaluacin de races complejas, el mtodo de Bairstow divide el
polinomio entre un factor cuadrtico x2 rx s. Si esto se hace con la ecuacin
(7.29), el resultado es un nuevo polinomio
n2(x) = b2 + b3x ++ bn1xn3 + bnxn2
Con un residuo
R = b1(x r) + b0 (7.31)
Como con la divisin sinttica normal, se utiliza una relacin de recurrencia
simple para realizar la divisin entre el factor cuadrtico:
bn= an (7.32a)
bn1= an1 + rbn(7.32b)
bi= ai+ rbi+1 + sbi+2 para i = n 2 a 0 (7.32c)
El factor cuadrtico se introduce para permitir la determinacin de las races
complejas.

Esto se relaciona con el hecho de que, si los coeficientes del polinomio original
son reales, las races complejas se presentan en pares conjugados. Si x2 rx
s es un divisor exacto del polinomio, las races complejas pueden determinarse
con la frmula cuadrtica. As, el mtodo se reduce a determinar los valores de
r y s que hacen que el factor cuadrtico sea un divisor exacto. En otras
palabras, se buscan los valores que hacen que el residuo sea igual a cero.

3.3 solucin de sistemas de ecuaciones lineales y no lineales

3.3.1. Mtodos para solucin de ecuaciones lineales. Jacobi.
Gauss-Seidel. Gauss-Jordan . Otros mtodos

MTODO DE JACOBI
El mtodo de Jacobi consiste en realizar una secuencia de transformaciones
ortogonales, cada transformacin se denomina rotacin de Jacobi; y
corresponde a una rotacin cuyo objetivo es eliminar a un elemento de la
matriz. Se va rotando sucesivamente la matriz hasta que el error es pequeo
para ser considerada una matriz diagonal. Un concepto fundamental de este
mtodo es que, al rotar la matriz para eliminar un elemento que ya sea cero, se
modifican varios elementos situados en la fila y la columna del elemento que se
rota, que podan valer cero y hasta haber rotado con anterioridad. Cada vez
que se rota un elemento, todos los elementos que se insertan son funcin de la
cantidad que se elimina ponderada por una funcin trigonomtrica, por lo que el
valor absoluto de los elementos distintos de la diagonal se reduce hasta que se
considera que son cero. La composicin de las rotaciones genera auto
vectores, en donde los elementos de la diagonal principal corresponden al auto
valores. Los mtodos directos e indirectos en general tienen con los redondeos,
truncamientos y aproximaciones a la solucin real. Los mtodos iterativos
representan una alternativa potente para solucionar este inconveniente, ya que
se acercan ms a la solucin real a medida que se itera, de manera que la
calidad de la aproximacin depende de la cantidad de iteraciones que se
efecta. El planteamiento empieza en suponer un valor inicial y enseguida se
usar un mtodo sistemtico para obtener una estimacin ms refinada de la
solucin. El Mtodo de Jacobi es uno de los mtodos iterativos ms conocidos.
Supngase que se tiene un sistema (3x3) de ecuaciones. Si los elementos de
la diagonal no son todos cero, la primera ecuacin se resuelve para x1, la
segunda para x2 y la tercera para x3, para obtener:

Para un sistema de ecuaciones lineales de n ecuaciones con n incgnitas, el

Mtodo de Jacobi para encontrar un valor k de una variable x utiliza la siguiente
ecuacin iterativa:

Mtodo de Gauss-Seidel
Este mtodo se basa en la aproximacin iterativa propuesta por Seidel en 1874
en la Academia de Ciencias de Munich, para la aplicacin al problema del flujo
de potencia. Las ecuaciones de nodo y condiciones de contorno se combinan,
para el nodo k:

De donde se puede expresar la tensin Vk como:

El mtodo de Gauss-Seidel pertenece a la familia de los mtodos iterativos

utilizados para obtener la o las races de una funcin cualquiera, especialmente
en forma de matrices de n ecuaciones [A]{X}={B}

Gauss-Jordan
El Mtodo de Gauss Jordan o tambin llamado eliminacin de Gauss
Jordan, es un mtodo por el cual pueden resolverse sistemas de ecuaciones
lineales con n nmeros de variables, encontrar matrices y matrices inversas, en
este caso desarrollaremos la primera aplicacin mencionada.
Para resolver sistemas de ecuaciones lineales aplicando este mtodo, se debe
en primer lugar anotar los coeficientes de las variables del sistema de
ecuaciones lineales en su notacin matricial:

Entonces, anotando como matriz (tambin llamada matriz aumentada):

Este mtodo, que constituye una variacin del mtodo de eliminacin de

Gauss, permite resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10
dgitos significativos en las operaciones aritmticas de la computadora. Este
procedimiento se distingue del mtodo Gaussiano en que cuando se elimina
una incgnita, se elimina de todas las ecuaciones restantes, es decir, las que
preceden a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto
de ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes
como una matriz aumentada.

Se normaliza el primer rengln dividiendo entre 3 para obtener:

El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el

primero del segundo rengln. De una manera similar, restando 0.3 veces el
primero del tercer rengln se elimina el trmino con X1 del tercer rengln.

En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:

Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:

El tercer rengln se normaliza dividindolo entre 10.010:

Finalmente, los trminos con X3 se pueden reducir de la primera y segunda

ecuacin para obtener:

Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

Las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al
mtodo de Gauss-Jordan.
Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden
parecer casi idnticos, el primero requiere aproximadamente 50% menos
operaciones. Por lo tanto, la eliminacin gaussiana es el mtodo todo simple
por excelencia en la obtencin de soluciones exactas a las ecuaciones lineales
simultneas. Una de las principales razones para incluir el mtodo de GaussJordan, es la de proporcionar un mtodo directo para obtener la matriz inversa.

Otros mtodos
Mtodo de Cramer
La regla de Cramer sirve para resolver sistemas de ecuaciones lineales. Se
aplica a sistemas que cumplan las dos condiciones siguientes:
-El nmero de ecuaciones es igual al nmero de incgnitas .
-El determinante de la matriz de los coeficientes es distinto de cero.
Tales sistemas se denominan sistemas de Cramer.

Sea el determinante de la matriz de coeficientes.

Y sean: 1 , 2 , 3 ... , n
Los determinantes que se obtiene al sustituir los coeficientes
del 2 miembro (los trminos independientes) en la 1 columna,
en la 2 columna, en la 3 columna y en la ensima columna
respectivamente.
Un sistema de Cramer tiene una sola solucin que viene dada por
las siguientes expresiones:

3.3.2 mtodos de solucin de sistema de ecuaciones no

lineales. Interactivo secuencial. Newton.
Interactivo secuencial
Un mtodo iterativo trata de resolver un problema matemtico (como
una ecuacin o un sistema de ecuaciones) mediante aproximaciones sucesivas
a la solucin, empezando desde una estimacin inicial. Esta aproximacin
contrasta con los mtodos directos, que tratan de resolver el problema de una
sola vez (como resolver un sistema de ecuaciones Ax=bencontrando la inversa
de la matriz A). Los mtodos iterativos son tiles para resolver problemas que
involucran un nmero grande de variables (a veces del orden de millones),
donde los mtodos directos tendran un coste prohibitivo incluso con la
potencia del mejor computador disponible.
Mtodo newton
El mtodo de Newton-Raphson es un mtodo iterativo que nos permite
aproximar la solucin de una ecuacin del tipo f(x)=0. Partimos de una
estimacin inicial de la solucin x0 y construimos una sucesin de
aproximaciones de forma recurrente mediante la frmula

Por ejemplo, consideremos la ecuacin

En este caso es imposible despejar la incgnita, no obstante, si representamos

las curvas y = ex, y = 1/x en el intervalo x [0, 4], es evidente que la ecuacin
tiene una solucin en este intervalo.

Conclusin
despus de elabora esta investigacin, me permiti conocer los tipos de errores
y sus funciones que indicaban si perteneca a la clase de error, y races de
funciones, tambin conocer soluciones de ecuaciones lineales o no lineales
como mtodos de newton rapasen, el mtodo de la secante, posicin falsa
entre otro tanto tambin en su traficacin e interseccin de ejes.

Recomendaciones
Practicar los ejercicios de los mtodos mencionados e investigar emplear otros
mtodos para soluciones de funciones no lineales en su traficacin e
interseccin de ejes, donde tambin aplicar mtodos estadsticos para conocer
los tipos de error relacionados con los temas investigados, tambin utilizar
software matemticos para la solucin de funciones.

BIBLIOGRAFIA
Antonio Huerta. Cerezuela,Josep Sarrate,Antonio Rodrguez-Ferran. (2001).
Mtodos numricos: introduccin, aplicaciones y programacin. Jordi Girona
salgado, Barcelona: UPC.
Antonio Nieves. Federico C. Domnguez. (2005). mtodos numricos aplicados
ala ingeniera. Mxico: cecsa.
Justino Alavez Ramrez. (2005). Mtodos numricos. Mexico: primera edicin.
Steven C. Chapra. Raymond P. Canale. (2007). Mtodos numricos para
ingenieros. Impreso en Mxico: McGraw-Hill.