Libro Guia Metodos Numericos

GUIA DE TRABAJO DE
METODOS NUMERICOS
FACULTAD DE CIENCIAS NATURALES Y

FORMALES
GRUPO DE INVESTIGACION EN METODOS NUMERICOS

2
Prologo
La presente gua de practica se ha elaborado para los etudiantes de las

carreras profesionales de Ingeniera Electronica que llevan la asignatura de
metodos numericos en el cuarto semestre de su carrera. La finalidad es que esta
forma de presentacion y desarrollo del contenido permita afianzar y aplicar los
conocimientos impartidos en clase, de manera que se pueda cumplir con los
objetivos propuestos en el slabo de dicha asignatura.
La importancia de los metodos numericos es que se fundamenta en la mode-

lizacion de los problemas de la vida real. El objetivo de esta gua es contribuir
de forma extraordinaria con el desarrollo en la solucion de problemas va apro-
ximaciones, buscando mostrar de forma amena y comprensible la matematica
para lograr el cambio de la mentalidad y actitud del estudiante hacia esta cien-
cia, es decir que vean la necesidad e importancia de su existencia y estudio,
que se sientan con la capacidad para utilizarla y que esten seguros del exito
que lograran debido a que es indispensable en todos los ambitos de la vida, y
sobre todo en la carrera de Ingeniera Electronica.
El autor, en esta gua de la experiencia recogida en clase, ha plasmado

aqu algunas inquietudes matematicas. Con gran esfuerzo y dedicacion ha lo-
grado poner a disposicion de los estudiantes este trabajo, esperando que sirva
de apoyo y contribuya a la solidez de sus conocimientos.
Agradezco a todas las personas que contribuyeron de una u otra forma en la

elaboracion de esta gua, as mismo expreso mi agradecimiento a mis colegas
y estudiantes que nos hagan llegar sus comentarios, sugerencias o cualquier
observacion que permita mejorar el presente trabajo.
Jaime Ruben Viza Carlosviza

Indice general
1. Teora de errores 1
1.1. Aritmetica de punto flotante . . . . . . . . . . . . . . . . . . . . 1
1.2. Errores de redondeo . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Laboratorio . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Propagacion de errores en la suma, resta, multiplicacion y division 6
1.4. Reglas de computo de las cifras . . . . . . . . . . . . . . . . . . 7
1.5. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2. Metodos de localizacion de soluciones 13
2.1. Raiz de una ecuacion, cero de una funcion . . . . . . . . . . . . 13
2.2. Metodo de la Biseccion . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1. Laboratorio . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3. Metodo de Falsa posicion . . . . . . . . . . . . . . . . . . . . . . 17
2.4. Metodo de Newton-Raphson . . . . . . . . . . . . . . . . . . . . 19
2.5. Metodo de la Secante . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.1. Ejercicio . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6. Metodo del punto fijo . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.1. Laboratorio . . . . . . . . . . . . . . . . . . . . . . . . . 28
3
4
2.7. Metodo de Newton para funciones de dos variables . . . . . . . 28
2.8. Ecuaciones simultaneas no lineales . . . . . . . . . . . . . . . . . 29
2.8.1. Metodo de Newton-Raphson en dos variables . . . . . . . 29
3. Aproximacion de funciones por interpolacion polinomial 31
3.1. Interpolacion y polionomios de Lagrange . . . . . . . . . . . . . 33
3.2. Metodo de interpolacion de Newton con diferencia dividida . . . 36
4. Metodos de integracion 39
4.1. Metodo del Trapecio . . . . . . . . . . . . . . . . . . . . . . . . 39
4.1.1. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2. Metodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3. Algebra de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.4. Solucion de sistemas de ecuaciones lineales . . . . . . . . . . . . 43
4.4.1. Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . 43
4.4.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.4.3. Descomposicion L U . . . . . . . . . . . . . . . . . . . . 45
4.4.4. Aplicacion: Descomposicion L U . . . . . . . . . . . . . . 46
4.5. PROBLEMA DE APLICACION PRACTICA CON LOS CO-

NOCIMIENTOS DEL ANALISIS NUMERICO EN LA SOLU-
CION REAL Y DIRECTA EN LA MOLIENDA DE MINERALES 46
4.5.1. DESCRIPCION DEL METODO . . . . . . . . . . . . . 47
4.6. Modelo Matematico y alternativas . . . . . . . . . . . . . . . . . 49
4.7. Eleccion de un Modelo y Solucion . . . . . . . . . . . . . . . . . 49
4.8. Eleccion de una funcional . . . . . . . . . . . . . . . . . . . . . 49
4.9. Solucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.10. Aplicacion del metodo . . . . . . . . . . . . . . . . . . . . . . . 50
4.11. Ejecucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Captulo 1
Teora de errores
1.1. Aritmetica de punto flotante
En la aritmetica de los numero reales usual:
2+2=4
42 = 16

( 3)2 = 3
Pero, en la aritmetica computacional estandar (de punto flotante)
2+2=4
42 = 16

( 3)2 6= 3
pues en el calculo computacional todo numero representable tienen solo un

numero fijo y finito de dgitos.

Puesto que 3 no tiene una representacion de dgitos finitos, en el interior
de la computadora se le da una representacion aproximada cuyo cuadrado no
sera exactamente 3, aunque con toda probabilidad estara lo bastante cerca
al 3 para que resulte aceptable en la mayoria de los casos. Casi siempre la
representacion y aritmetica computacional son satisfactorios y pasan inadver-
tidos. Pero no siempre es as y estemos alertas ante los problemas que pueda
ocasionar.
1
2
1.2. Errores de redondeo
Se da cuando usamos una calculadora o computadora para efectuar calculos

con numeros reales.
Ejemplo
El numero tiene una expansion decimal infinita de la forma = 3,14159265 . . .

Al describirla en forma decimal normalizada, tendremos
= 0.314159265 . . . 101
La forma de con punto flotante de cinco dgitos cuando se usa el corte

(truncamiento) es
f l() = 0.31415 101 = 3.1415
Puesto que el sexti dgito de la expansion decimal de es 9, la forma de

punto flotante de al utilizar el redondeo a cinco dgitos sera
= (0.31415+0.00001) 101 = 3.1416
El error resultante al reemplazar un numero con su forma de punto flotante

recibe el nombre de error de redondeo (se aplique o no el metodo de redondeo
o de corte).
Errores absoluto y relativo
Sea A un numero exacto y a su valor aproximado. Si a < A; se aproxima por

defecto, si a > A se aproxima por exceso. La diferencia entre el numero exacto
A y su valor aproximado se llama error. Como normalmente no se conoce A,
entonces es preferible hablar del valor absoluto de la diferencia entre A y a, o
sea |A a|.
Error absoluto
Se denomina error absoluto de un numero aproximado a la magnitud a

que satisface la desigualdad
a |A a|
Metodos numericos J. Viza 3
El error absoluto es la cota superior de desviacion del numero exacto A

respecto al aproximado:
a a A a + a
La desigualdad ultima se escribe tambien de la forma siguiente

A = a a
En calidad de error se toma en la medida de lo posible, la cantidad mnima

de a .
Ejemplo Hemos medido la longitud de un segmento L con presicion de

hasta 0.05 cm y obtenido 18.4 cm.
Aqu el error absoluto es a = 0.05 cm, de acuerdo a A = a a se tiene

L = 18.4 0.05 cm. La magnitud exacta de la longitud del segmento esta
encerrada segun a a A a + a en 18.4 0.05 L 18.4 + 0.05, o sea
18.35 L 18.45.
Al conjunto 18.35 L 18.45 se le llama conjunto solucion.
Nota: El error absoluto representa solo el aspecto cuantitativo del error sin
reflejar el aspecto cualitativo, es decir, sin mostrar como hemos la medicion o
calculo.
Error relativo
Se denomina error relativo de un numero aproximado a la magnitud a

que satisface la desigualdad

A a
a , a 6= 0
a
y la relacion A = a a se puede representar por: A = a(1 a ).
Esta representa la expresion cualitativa del error. Veamos esto con dos
mediciones tomadas
a) L1 = 2 0.05 b) L2 = 100 0.5
Aparentemente el error de la primera es mas preciso que la segunda pero

la realidad es otra pues:
4
L1 0.05
L1 = = = 0.025 = 2.5 %
|L1 | 2
L2 0.5
L2 = = = 0.005 = 0.5 %
|L2 | 100
En estos casos se dice que la segunda medicion ha sido efectuada relativamente

2.5
mejor en = 5 veces mejor que la medicion a).
0.5
Ejemplo Un valor exacto A se encuentra en el intervalo [23.07; 23.10]

determinar su valor aproximado, as como los errores absoluto y relativo.
Solucion:
Tomamos por valor aproximado el centro del intervalo dado a = 23.085. El

error absoluto es la mitad de la longitud del intervalo:
23.10 23.07
a = = 0.015 El error relativo esta dado por:
2
a 0.015
a = = = 0.0006497
|a| 23.085
a = 0.065 % o a = 0.07 %
Ejemplo Determinar en tanto por ciento el error relativo del numero

aproximado a = 35.148, si A = 35.148 0.00074
Solucion:
a 0.00074
a = = = 0.00002105
|a| |35.148|
a = 0.000022 % o a = 0.002 %
Ejemplo Determinar el error absoluto del numero aproximado a = 4.123,

si a = 0.01 %
Solucion:
a a
a = = 0.01 % 0.0001 y despejando de a = ; a = a |a|, resulta:
|a| |a|
a = a |a| = (0.01)(4.123) = 0.0004123 0.0004
Entonces A = 4.123 0.0004

1.2.1. Laboratorio
1. Relizar un programa para evaluar
y = ex + cos(x)
Solucion:
function y=ft(x);
y=exp(x)+cos(x);
Grabamos como ft.m
Para llamarlo escribimos en la ventana de comandos:
ft(0)

x2 + x + 1, x < 0
f (x) =
1 3x, x 0.
Solucion:
function y=parte(x);
if x < 0 y = x 2 + x + 1;
else y=1-3*x;
end
Grabamos como parte.m
parte(0)

x/2 + 1, x < 3
f (x) = 3x + 6, 3 x < 5
2 x2 , x 5.

Solucion:
function y=fun(x);
if x < 3 y = x/2 + 1;
else if ((3 <= x)y(x < 5)) y=3*x+6;
else y = 2 x2 ;
end
end
Grabamos como fun.m
fun(-4)
6
1.3. Propagacion de errores en la suma, resta,

multiplicacion y division
Suma
Se tiene
a = a1 + a2 + . . . + an
Ejemplo
Sumar a = 0.1732 + 17.45 + 0.000333 + 204.4 + 7.25 + 144.2 + 0.0112 +

0.634 + 0.0771
Solucion:
Los numeros de mnima exactitud son 144.2 y 204.4 el error de cada uno
es 0.05 y de los demas es recordando que para sumar en esta presicion se
tomara una cifra de mas como mnimo tendremos 0.005 osea:
a = 0.17 + 17.45 + 0.00 + 204.4 + 7.25 + 144.2 + 0.01 + 0.63 + 0.08
a = 374.19
redondeando resulta a = 374.2
Tomamos el error inicial, los dos de 0.05 y los restantes de 0.005; o sea
2(0.05)+7(0.005)=0.135 0.14
Tomamos el error de redondeo de 374.1 a 374.2, o sea, 0.01
Nos queda a = 0.14 + 0.01 = 0.15
Por ultimo tenemos el resultado A = 374.2 0.15
A = 374.2 0.2
Producto
Si a = a1 a2 , se puede tomar la suma de errores relativos; o sea:

a = a1 + a2
Ejemplo Determinar el producto de dos numeros aproximados a1 = 12.4

y a2 = 65.54, sabiendo que todas las cifras de los factores son justas.
El producto es a1 a2 = 812.696 y conservamos tres cifras justas pues el

menor numero de cifras es tres as a = 813.
Calculando el error relativo tenemos:
0.05 0.005
a = a1 + a2 = + = 0.0041
12.4 65.54
El error absoluto es pues :
a = 813(0.0041) = 3.3
A = 813 3.4 813 3
es el producto.
Cociente
Igual que el producto.
1.4. Reglas de computo de las cifras
Ejemplo Calcular

M2 P
R=
D3
donde:
M=7.45 0.01, P=50.46 0.02, D=8.41 0.03
y determine los errores del resultado.
Solucion:
Los calulos intermedios los efectuaremos con una cifra de mas

M 2 = 55.50; P = 7.1035; D3 = 594.8
8
55.507.1035
R= = 0.663, en donde se ha dejado tres cifras justas pues se
594.8
desprende del calculo
1
R = 2M + P + 3D
2
0,01 1 0,02 0,03

R = 2 + +3 = 0,01358 0,014
7,45 2 50,46 8,41
R = RR = (0,663)(0,014) = 0,009282 0,0093
A = 0,663 0,0093.
Ejemplo Calcular
(A + B)M
X=
(C D)2
donde:
A=2.754 0.001, B=11.7 0.04, C=10.536 0.002, D=6.32 0.008,

M=0.56 0.05
y determine los errores del resultado.
Solucion:
Los calulos intermedios los efectuaremos con una cifra de mas
A+B = 14.45 (0.004 se obtiene de 2.754 en 2.75+0.004, donde redondeo =

0,004 )
C D = 10.536 6.32 = 4.216
CD = C + D = 0.002 + 0.008 = 0.010
(A + B)M 14.45(0.56)
X= 2
= 2
= 0.4552 0.456 4.6 101
(C D) (4.216)
0,045 0,005 0,010

X = + +2 = 0,01678 0,02 2 %
14,45 0,56 4,216
X = 4.6 101 (0,02) = 0,0092 0,01
A = 0,46 0,01.
1.5. Series de Taylor
Supongamos que f C n [a, b] y que f (n+1) existe en [a, b] y que x0 [a, b].
Para toda x [a, b] habra un numero (x) entre x0 y x tal que
f (x) = Pn (x) + Rn (x)
f 00 (x0 )(x x0 )2 f n (x0 )(x x0 )n

Pn (x) = f (x0 ) + f 0 (x0 )(x x0 ) + + ... +
2! n!
n
X f k (x0 )(x x0 )k
Pn (x) = y
k=0
k!
f (n+1) ((x))(x x0 )(n+1)

Rn (x) =
(n + 1)!
Pn (x): Polinomio de grado n de Taylor para f respecto a x0
Rn (x): Residuo (error de truncamiento) asociado a Pn (x).
Cuando n , la serie infinita que resulta al tomar el lmite de Pn (x), se

llama SERIE DE TAYLOR para f respecto de x0 .
Ejemplo
Determinar a) El segundo y b) El polinomio de Taylor de tercer grado

para f (x) = cos x respecto a x0 = 0 y use estos polinomios para aproximar
cos(0,01). c)
Z Use el polinomio de Taylor de tercer grado y su residuo para
0,1
aproximar cos xdx.
0
Solucion:
f C (R) podemos aplicar el Teorema de Taylor para toda n > 0.

Ademas, f 0 (x) = cos x, por lo cual f (0) = 1, f 0 (0) = sen 0 = 0, f 00 (0) =
1, f 000 (0) = 0.
a) Para n = 2 y x0 = 0 tenemos
1 1
cos x = 1 x2 + x3 sin (x)
2 6
donde (x) es un numero entre 0 y x.

10
Figura 1.1: f (x) = cos(x), polinomio de Taylor de grado dos
Cuando x = 0,01, el polinomio de Taylor y el residuo son
1 1
cos(0,01) = 1 (0,01)2 + (0,01)3 sen((x))
2 6
= 0,99995 + (0,16666) 106 sen((x), donde 0 < (x) < 0,01
| cos(0,01) 0,99995| 0,16666 106
b) f 000 (0) = 0, tenemos que el polinomio de Taylor de grado 3 es
1 1
cos(x) = 1 x2 + x4 cos((x)), donde 0 < (x) < 0,01
2 24
Como | cos((x))| 1, para toda x
1 4 1
| x cos((x))| (0,01)4 (1) = 4,2 1010
24 24
ALGORITMO
ENTRADA: Valor de x, tolerancia TOL, n\umero m\aximo de iteraciones M
SALIDA: Grado del polinomio o mensaje de fracaso.
Paso 1:
Tome N=1;
y=x-1;
SUMA=0;
POtencia =y;
Termino =y;
signo=-1;(se usa para implantar la alteracion de los signos)
Paso 2: Mientras N menor o igual que M , realice los pasos 3 - 5.
Paso 3: Tome signo=-signo.termino;
Paso 4: Si |termino|<TOL entonces (pruebe la exactitud)
Salida (N)
PARE;(procedimiento terminado exitosamente)
Paso 5: Tome N=N+1; (preparese para la siguiente iteracion)
Paso 6: Salida (El metodo fallo);(procedimiento terminao sin exito)
PARE.
12
Captulo 2
Metodos de localizacion de
soluciones
2.1. Raiz de una ecuacion, cero de una funcion
Supongamos que f (x) es una funcion continua. Cualquier numero r tal que
f (r) = 0, se llama raiz de la ecuacion f (x) = 0, tambien se dice que r es un
cero de la funcion f (x).
Ejemplo
La ecuacion 2x2 + 5x 3 = 0 tiene dos raices reales r1 = 0,5 y r2 = 3,

mientras que la funcion correspondiente f (x) = 2x2 + 5x 3 = (2x 1)(x + 3)
tiene dos ceros reales r1 = 0,5 y r2 = 3.
2.2. Metodo de la Biseccion
Tambien llamado metodo de busuqeda binaria. Supongamos que tenemos

una funcion continua f , definida en el intervalo [a, b] con f (a) y f (b) tal que
f (a).f (b) < 0, o sea de signos contrarios.
Entonces existe t, a < t < b tal que f (t) = 0
El metodo requiere de dividir repetidamente a la mitad a los subintervalos

[a, b] y en cada paso localizar a la mitad que contiene a t. Para empezar hacemos
a1 = a, b1 = b y t1 el punto medio de [a, b]; o sea:
13
14
1
t1 = (a1 + b1 )
2
Si f (t1 ) = 0, entonces t = t1 , de lo contrario es claro que f (t1 ) tiene el mismo
signo que f (a1 ) o f (b1 ). Si f (t1 ) y f (a1 ) tienen el mismo signo, entonces t
(t1 , b1 ) y hacemos a2 = t1 y b2 = b1 . Si f (t1 ) y f (b1 ) son del mismo signo,
entonces t (a1 , t1 ) y hacemos b2 = t1 y a2 = a1 . Ahora repetimos el proceso
al intervalo [a2 , b2 ] y as sucesivamente.
ALGORITMO DE LA BISECCION
Paso 1: Define f(t)
Paso 2: Entramos a,b {los extremos del intervalo [a,b]}

entramos err1 {Error de calculo o tolerancia}
Paso 3: t=(a+b)/2; {Calculo del punto medio (t_{i}), i=1,2,...}
Paso 4: Si f(t)=0 entonces ir a (9)
Paso 5: Si f(t).f(a)<0 entonces b=t
en otro caso,
Paso 6: Si f(b).f(t)<0 entonces a=t
Paso 7: Si |b-a|<err1 entonces ir a (9)
Paso 8: Si paso (7) es falso ir a paso (3),
Paso 9: Publicar la solucion:
La raiz =t
Paso 10: Parar.
Programa Biseccion
function y=metbisect(a,b,err1)
for I=1:10,
t=(b+a)/2;
fprintf( %d a=%3.5f t=%3.5f b=%3.5f ,I, a,t,b);
a1=f(t);
a2=f(a);
if a1*a2<0
b=t;
else
a=t;
end
a3=abs(a-b);
fprintf( fa=%3.5f ft=%3.5f fb=%3.5f error=%3.5f\n,a2, a1,f(b),a3);
if a3<err1
break;
end
end
\right\langle
El algoritmo de la Biseccion como se vio es muy simple y manejable ademas

es robusto pues siempre converge a una solucion, pero tiene el problema de que
converge muy lentamente y el numero de iteraciones debe ser grande.
Laboratorio
1. Hacer correr el programa para f (x) = x3 + 4x2 10 en el intervalo [1, 2]
con error de 104
2. Hacer correr el programa para f (x) = 2x3 x2 + x 1 en el intervalo

[a, b] = [0, 1] con error de 105
3. Hacer correr el programa para f (x) = x sen(x) 1 en el intervalo [a, b] =

[0, 2].
4. Resolver las siguientes ecuaciones:
a) exp(x) 9 = 0
b) sen(t).t 2 = 0
c) x3 8x5 + 5x2 x + 9 = 0
d ) x. exp x sin x + 3 = 0
e) cos(t) 0,5 = 0
3p
f ) sin x2 |x| = 0
11
Teorema
Sea f C[a, b] y supongamos que f (a).f (b) < 0. El procedimiento de

Biseccion genera una sucesion tn que se aproxima a t con la propiedad
ba
|tn t| , n1
2n
Este resultado nos da cotas aproximadas para el error.
Ejemplo Sea la funcion f (t) = t3 + 4t2 10, [a, b] = [1, 2], Err = 0,01.
16
ba
|tn t| , n1
2n
21
|tn t| 0,0078125
27
|1,3671 1,3593| = 0,007
Ejemplo Cuantas iteraciones son necesarias para resolver f (t) = t3 +4t2

10 con una presicion de = 105 para a1 = 1 y b1 = 2.
Solucion:
Debemos hallar n en la expresion
ba
|tn t| , n1
2n
21
|tn t| = 2n < 105 , n 1
2n
n log 2 < 5 log 10
n log 2 > 5
n > 5/ log 2
n > 16,607
n = 17
2.2.1. Laboratorio

1. Encontrar una aproximacion de 3
25 correcta a 104 , usando el algoritmo
de la Biseccion.
2.3. Metodo de Falsa posicion
La velcidad de convergencia del metodo de la Biseccion es baja. En el

metodo de la Biseccion se usa el punto medio de [a, b] para llevar a cabo el
siguiente paso. Suele conseguirse una aproximacion mejor usando el punto (c, 0)
en el que la recta secante L que pasa por los puntos (a, f (a)), (b, f (b)) cruza el
eje OX.
Figura 2.1: f (a) y f (c) tienen signos opuestos entonces se recorta por la derecha
Figura 2.2: f (c) y f (b) tienen signos opuestos entonces se recorta por la iz-
quierda
Para hallar el punto c igualamos las formulas para pendiente m de la recta

L:
f (b) f (a) 0 f (b)

m= =
ba cb
18
f (b)(b a)
de donde c = b
f (b) f (a)
Las tres posibilidades son las mismas que antes:
1) Si f (a) y f (c) tienen distinto signo, entonces hay un cero en [a, c]
2) Si f (c) y f (b) tienen distinto signo, entonces hay un cero en [c, b]
3) Si f (c) = 0, entonces c es un cero de f .
Convergencia del metodo
La formula anterior junto con el proceso de decision descrito en 1) 2) y

3) se usa para construir una sucesion de intervalos {[an , bn ]}, cada uno de los
cuales contiene un cero. En cada paso la aproximacion al cero obtenido es:
f (bn )(bn an )
c n = bn
f (bn ) f (an )
Esta sucesion {cn } converge a un cero r de la funcion.
Ejemplo Usar el metodo de falsa posicion para hallar la raiz de x sen x

1 = 0 que esta en el inmtervalo [0, 2] (x esta en radianes)
Solucion:
f (x) = x sen(x) 1 = 0
a0 = 0, b0 = 2
f (0) = 1 y f (2) = 0,8185
de manera que hay una raz en [0, 2]
0,8185(2 0)
c0 = 2 = 1,09975 y f (c0 ) = 0,0200
0,8185 (1)
la funcion cambia de signo en [c0 , b0 ] = [1,0997, 2], as que recortamos por

la izquierda y ponemos
a1 = c 0 y b 1 = b 0
0,8185(2 1,0997)
c1 = 2 = 1,1212 y f (c1 ) = 0,0098
0,8185 (0,0200)
Ahora f (x) cambia de signo en [a1 , c1 ], entonces recortamos por la derecha

y ponemos
a2 = a1 y b2 = c1 .
k ak ck bk f (ck )
0 0 1.0998 2.000 -0.0200
1 1.0997 1.1212 2.000 0.0098
2 1.0997 1.1141 1.1212 0.0000
3 1.0997 1.1141 1.1141 0.0000
Cuadro 2.1: Iteracion falsa posicion para x sen(x) 1 = 0 en [0, 2]
2.4. Metodo de Newton-Raphson
Es uno de los metodos mas conocidos para la resolucion del problema de

busqueda de raices en la ecuacion f (t) = 0.
Supongase que la funcion f es continuamente diferenciable dos veces en

el intervalo [a, b], o sea f C 2 [a, b]. Sea tn [a, b] una aproximacion a t tal
que f 0 (tn ) 6= 0 y |tn t| pequeno. Consideremos la aproximacion de Taylor de
primer grado para f (t) alrededor de tn .
f 00 (q(t))(t tn )2
f (t) = f (tn ) + f 0 (tn )(t tn ) + (2.1)
2!
donde q(t) esta entre t y tn . Como f (t) = 0, al ecuacion (1.1) con t = t nos
resulta
0 f 00 (q(t))(t tn )2
0 = f (tn ) + f (tn )(t tn ) +
2!
f 00 (q(t))(t tn )2
Si suponemos que el error es despreciable, o sea, tiende a
2!
cero mas rapidamente que t.
0 f (tn ) + f 0 (tn )(t tn )
f (tn )
t = tn
f 0 (tn )
la cual es nueva y mejor aproximacion a t que tn . esto genera el metodo de

proceso iterativo tal que:
20
f (tn )
tn+1 = tn , n1
f 0 (tn )
Figura 2.3: Metodo de Newton-Raphson
L1 : y f (t0 ) = f 0 (t0 )(x t0 )
El punto (t1 , 0) L1
f (t0 ) = f 0 (t0 )(t1 t0 )
f (t0 )
t1 = t0
f 0 (t0 )
L2 : y f (t1 ) = f 0 (t1 )(x t1 )
El punto (t2 , 0) L2
f (t1 ) = f 0 (t1 )(t2 t1 )
f (t1 )
t2 = t1
f 0 (t1 )
Inductivamente
f (tn1 )
tn = tn1 , n1
f 0 (tn1 )
ALGORITMO DE NEWTON
Paso 1: Define f(t)
Paso 2: Define f(t)
Paso 3: Entramos t0 {valor principal para empezar el proceso}
Entramos Err {Vlor de la tolerancia o error de calculo}
Paso 4: Hacer tn=t0
Paso 5: t=tn-f(tn)/f(tn)
Paso 6: Si |t-tn|<Err entonces ir a (5)
Paso 7: En otro caso hacer tn=t
ir al paso (5)
{redefine a tn}
Paso 8: Publicar la respuesta
La raiz =t
Paso 9: Parar.
Ejemplo Consideremos la funcion f (x) = cos x x, f 0 (x) = sen x 1.

Buscamos un intervalo [0, /2], para la cual definimos una aproximacion inicial
t0 = 1,5
Solucion:
Con el algoritmo de Newton
t0 cos(t0 )
t1 = t0 + = 0,7853981635
sen(t0 ) + 1
t1 + cos(t1 )
t2 = t1 = 0,7395361335
sen(t1 ) 1
t2 + cos(t2 )
t3 = t2 + = 0,7390851781
sen(t2 ) + 1
t3 + cos(t2 )
t4 = t3 + = 0,7390851332
sen(t3 ) + 1
t4 + cos(t4 )
t5 = t4 + = 0,7390851332
sen(t4 ) + 1
Para evitar el problema de la evaluacion de la derivada en el metodo de

Newton, podemos hacer una pequena variacion de este usando la aproximacion
de la derivada.
22
2.5. Metodo de la Secante
Por definicion tenemos:

f (t) f (tn1 )
f 0 (tn1 ) = lm
ttn1 t tn1
tomando la aproximacion t = tn2

f (tn2 ) f (tn1 ) f (tn1 ) f (tn2 )
f 0 (tn1 ) =
tn2 tn1 tn1 tn2
Usando esta ultima formula para f 0 (tn1 ) en la formula de Newton resulta
f (tn1 )(tn1 tn2 )
tn = tn1 , n2
f (tn1 ) f (tn2 )
Esta ultima expresion es el metodo de la SECANTE y es de efectividad muy
parecida al metodo de Newton.
Figura 2.4: Metodo de la secante
Ejemplo Resolver para f (t) = cos(t) t = 0 con t0 = 0,5 y t1 = /4,

Err = 0,00001 en el intervalo [0, /2].
Solucion
f (tn1 )(tn1 tn2 )

tn = tn1 , n2
f (tn1 ) f (tn2 )
f (t1 )(t1 t0 )
t2 = t1 = 0,7363841388
f (t1 ) f (t0 )
f (t2 )(t2 t1 )
t3 = t2 = 0,7390851314
f (t2 ) f (t1 )
t4 = 0,7390851492
t5 = 0,739085
2.5.1. Ejercicio
Use el metodo de la secante para hallar una raz de f (x) = x3 3x + 2,

t0 = 2,6, t1 = 2,4
2.6. Metodo del punto fijo
Un punto fijo de una funcion g es un numero p para el cual g(p) = p.
Los puntos fijos nos permiten obtener raices:
Si g tiene un punto fijo en p, entonces la funcion definida por f (x) = xg(x)

tiene un cero en p.
Ejemplo
La funcion g(x) = x2 2, para 2 x 3, tiene puntos fijos en x = 1

y en x = 2, porque
g(1) = (1)2 2 = 1
g(2) = (2)2 2 = 2.
Graficamente:
24
Figura 2.5: g(x) = x2 2
Figura 2.6: Punto fijo
Teorema (Condiciones suficientes para la existencia y unicidad de un p
1. Si g C[a, b] y g(x) [a, b], para toda x [a, b], entonces g tiene un
punto fijo en [a, b].
2. Y si ademas g 0 (x) existe en (a, b) y una constante positiva k < 1 existe

con
|g 0 (x)| k, para toda x (a, b);
entonces el punto fijo en [a, b] es unico.

Figura 2.7: Punto fijo
Ejemplo
x2 1
1. Sea g(x) = , para 1 x 1
3
por ser un polinomio es continua en [1, 1]
Probemos que g(x) [1, 1]
2
g 0 (x) = x > 0, cuando x > 0
3
2
g 0 (x) = x < 0, cuando x < 0
3
1
Entonces, g tiene un mnimo en x = 0, g(0) =
3
el maximo ocurre en x = 1, g(1) = 0
Luego g(x) [1, 1]
2
Ademas g 0 (x) = x existe en (1, 1) y
3
2 2 2
|g 0 (x)| = | x| = |x| < 1
3 3 3
por lo tanto, g satisface todas las hipotesis del Teorema y tiene un punto
fijo unico en [1, 1], (g(p) = p).
Calculo de p
p2 1
p = g(p) = p2 3p 1 = 0
3
Resolviendo tenemos:

3 13 3 13 3 + 13
p= p1 = = 0,302775, p2 = = 0,302775
2 2 2
26
Figura 2.8: g(x) = (x2 1)/3
2. Sea g(x) = 3x , x [0, 1]
3. Resolver la ecuacion x3 + 6x 3 = 0 mediante el metodo del punto fijo,

con x0 = 0,5, x0 = 1,5 y, x0 = 2,7
4. Hallar la raiz negativa de x2 x 11 = 0
Casos de convergencia
Figura 2.9: El metodo converge

Figura 2.10: El metodo no converge

28
2.6.1. Laboratorio
1. Hacer correr el programa con las siguientes funciones:
a) g(x) = x3 + 4x2 10 con x0 = 1,2, n = 8 con error de 104

b) g(x) = 5 + cos x con x0 = 6, n = 8 con error de 104
p
c) g(x) = ( cos(x) + 3) con x0 = 1,5, n = 8 con error de 104

2. Hallar la raiz de la ecuacion x x + cos x = 0, por punto fijo.
3. Hallar la raiz de la ecuacion x 5 cos x = 0
4. Hallar la raiz de la ecuacion cos x x2 + 3 = 0
5. Hallar la raiz de la ecuacion x cos x = 0, con x0 = 0,3

Bibliografa
[1] BURDEN F. Analisis Numerico
[2] MORALES, M. H.Matlab. (primera edicion) Editorial Megabyte Lima-

Peru.
[3] CHAPRA, S. C.Numerical Methods for Engineers. (primera edicion) In-

ternational Edition 2006.
29

Libro Guia Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

Libro Guia Metodos Numericos

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro Guia Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

GUIA DE TRABAJO DE

FACULTAD DE CIENCIAS NATURALES Y

GRUPO DE INVESTIGACION EN METODOS NUMERICOS

La presente gua de practica se ha elaborado para los etudiantes de las

La importancia de los metodos numericos es que se fundamenta en la mode-

El autor, en esta gua de la experiencia recogida en clase, ha plasmado

Agradezco a todas las personas que contribuyeron de una u otra forma en la

Jaime Ruben Viza Carlosviza

1.1. Aritmetica de punto flotante . . . . . . . . . . . . . . . . . . . . 1

1.2. Errores de redondeo . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.3. Propagacion de errores en la suma, resta, multiplicacion y division 6

1.4. Reglas de computo de las cifras . . . . . . . . . . . . . . . . . . 7

1.5. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2. Metodos de localizacion de soluciones 13

2.1. Raiz de una ecuacion, cero de una funcion . . . . . . . . . . . . 13

2.2. Metodo de la Biseccion . . . . . . . . . . . . . . . . . . . . . . . 13

2.3. Metodo de Falsa posicion . . . . . . . . . . . . . . . . . . . . . . 17

2.4. Metodo de Newton-Raphson . . . . . . . . . . . . . . . . . . . . 19

2.5. Metodo de la Secante . . . . . . . . . . . . . . . . . . . . . . . . 22

2.6. Metodo del punto fijo . . . . . . . . . . . . . . . . . . . . . . . . 23

2.7. Metodo de Newton para funciones de dos variables . . . . . . . 28

2.8. Ecuaciones simultaneas no lineales . . . . . . . . . . . . . . . . . 29

2.8.1. Metodo de Newton-Raphson en dos variables . . . . . . . 29

3. Aproximacion de funciones por interpolacion polinomial 31

3.1. Interpolacion y polionomios de Lagrange . . . . . . . . . . . . . 33

3.2. Metodo de interpolacion de Newton con diferencia dividida . . . 36

4.1. Metodo del Trapecio . . . . . . . . . . . . . . . . . . . . . . . . 39

4.2. Metodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . 40

4.3. Algebra de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.4. Solucion de sistemas de ecuaciones lineales . . . . . . . . . . . . 43

4.4.1. Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . 43

4.4.4. Aplicacion: Descomposicion L U . . . . . . . . . . . . . . 46

4.5. PROBLEMA DE APLICACION PRACTICA CON LOS CO-

4.5.1. DESCRIPCION DEL METODO . . . . . . . . . . . . . 47

4.6. Modelo Matematico y alternativas . . . . . . . . . . . . . . . . . 49

4.7. Eleccion de un Modelo y Solucion . . . . . . . . . . . . . . . . . 49

4.8. Eleccion de una funcional . . . . . . . . . . . . . . . . . . . . . 49

1.1. Aritmetica de punto flotante

En la aritmetica de los numero reales usual:

Pero, en la aritmetica computacional estandar (de punto flotante)

pues en el calculo computacional todo numero representable tienen solo un

1.2. Errores de redondeo

Se da cuando usamos una calculadora o computadora para efectuar calculos

El numero tiene una expansion decimal infinita de la forma = 3,14159265 . . .

La forma de con punto flotante de cinco dgitos cuando se usa el corte

Puesto que el sexti dgito de la expansion decimal de es 9, la forma de

= (0.31415+0.00001) 101 = 3.1416

El error resultante al reemplazar un numero con su forma de punto flotante

Errores absoluto y relativo

Sea A un numero exacto y a su valor aproximado. Si a < A; se aproxima por

Se denomina error absoluto de un numero aproximado a la magnitud a

El error absoluto es la cota superior de desviacion del numero exacto A

La desigualdad ultima se escribe tambien de la forma siguiente

En calidad de error se toma en la medida de lo posible, la cantidad mnima

Ejemplo Hemos medido la longitud de un segmento L con presicion de

Aqu el error absoluto es a = 0.05 cm, de acuerdo a A = a a se tiene

Al conjunto 18.35 L 18.45 se le llama conjunto solucion.

Se denomina error relativo de un numero aproximado a la magnitud a

a) L1 = 2 0.05 b) L2 = 100 0.5