Trabajo Especial Unidad 6

Tecnolgico Nacional de Mxico
Instituto Tecnolgico de Colima
Derivacin e integracin numrica
Materia
Mtodos Numricos
Docente
Guadalupe Lizeth Lopez Rolon
Alumno
Jos Manuel Campos Ortega
22/09/2017
TECNOLGICO NACIONAL DE MXICO
Contenido
Introduccin .............................................................................................................. ii
2.1 Mtodos de intervalos: Grficos, Biseccin y falsa posicin. ............................ 1
Mtodos Grficos ................................................................................................. 1
Mtodo de la Biseccin ........................................................................................ 3
Mtodo de la falsa posicin .................................................................................. 9
Problemas .......................................................................................................... 14
2.2 Mtodos abiertos: Iteracin punto fijo, Mtodo de Newton-Raphson y Mtodo
de la secante ......................................................................................................... 20
Iteracin de Punto Fijo ....................................................................................... 20
Mtodo de Newton-Raphson ............................................................................. 23
Mtodo de la secante ......................................................................................... 25
Mtodos para Races Mltiples .......................................................................... 28
Problemas: ......................................................................................................... 29
2.3 Aplicaciones a la ingeniera mecnica ............................................................ 34
Conclusin............................................................................................................. 38
Bibliografia............................................................................................................. 39
El de inegracion con intervalos desiguales no se pone ejercicio
i
Introduccin
Si una ecuacin algebraica o trascendente es relativamente complicada, no resulta
posible por lo general hallar races exactas. Es ms, en algunos casos las
ecuaciones tienen coeficientes conocidos slo de forma aproximada, y, por tanto,
carece de sentido tratar de hallar las races exactas de la ecuacin. Por
consiguiente, adquieren particular importancia los procedimientos de clculo
aproximado de races de una ecuacin, as como la estimacin de su grado de
exactitud.
Aunque los mtodos grficos son tiles en la obtencin de estimaciones de las

races, tienen el inconveniente de que son pocos precisos. Un mtodo alternativo
es el de prueba y error. Esta tcnica consiste en elegir un valor de x y evaluar si es
cero. El proceso se repite hasta que se obtenga un valor que proporcione una f(x).
Estos mtodos fortuitos son ineficientes e inadecuados para las exigencias de la
ingeniera. Las tcnicas descritas en la parte dos representan alternativas que no
solo aproximan, sino que emplean estrategias sistemticas para dirigirse a la raz
verdadera.
ii
2.1 Mtodos de intervalos: Grficos, Biseccin y falsa

posicin.
Mtodos Grficos
Un mtodo simple para una aproximacin a la raz de la ecuacin () = 0 consiste

en graficar una funcin y observar en donde cruza el eje x, este punto que
representa el valor de x para la cual () = 0 proporciona una aproximacin inicial
a la raz.
El objeto del clculo de las races de una ecuacin es determinar los valores
de para los que se cumple: () = 0 ; Su importancia radica en que si podemos
determinar las races de una ecuacin tambin podemos determinar mximos y
mnimos, valores propios de matrices, resolver sistemas de ecuaciones lineales y
diferenciales, etc.
Si en un intervalo (, ) cerrado se cumple

que:
() () > 0
No existen races reales en el intervalo,

pues
= () no toca el eje , por el contrario, pueden encontrarse una o m () =0 as

races imaginarias.
Si en un intrvalo (, ) cerrado se cumple

que :
() () > 0
Entonces existen dos races reales, en este

caso se pueden observar las races
marcadas con color azul que se encuentran
justo en el eje de las .
(ingenieriaindustrialonline, 2014)
1
Ejercico:
Mediante el mtodo grafico encuentre la raz de la funcin cos() 3
Primero al tabular la funcin encontramos los siguientes valores que nos ayudaran
a graficar.
x y
-3.00000 8.01001
-2.25000 6.12183
-1.50000 4.57074
-0.75000 2.98169
0.00000 1.00000
0.75000 -1.51831
1.50000 -4.42926
2.25000 -7.37817
3.00000 -9.98999
Con la tabla podemos darnos cuenta que el intervalo a tener consideracin si se

utilizan otros mtodos seria [0.00,0.75], ya que es donde se encuentra el cambio de
singo. As pues, poniendo un punto en donde intersecta la grfica con el eje x ,
podemos saber que su raz obtenida por el mtodo grafico es : 0.3167
2
Mtodo de la Biseccin
Si f es una funcin continua sobre el intervalo [, ] y si () () < 0,

entonces f debe tener un cero en (, ). Dado que ()() < 0, la funcin cambia
de signo en el intervalo [, ] y por lo tanto tiene por lo menos un cero en el intervalo.
Esta es una consecuencia del teorema del valor intermedio para funciones
continuas, que establece que si es continua en [, ] y si es un nmero
entre () y () , entonces existe por lo menos un (, ) tal que () = .
(para el caso en que ()() < 0 se escoge = 0, luego () = 0, (, ).
El mtodo de biseccin consiste en dividir el intervalo en 2 subintervalos de igual

magnitud, reteniendo el subintervalo en donde cambia de signo, para conservar
al menos una raz o cero, y repetir el proceso varias veces.
Por ejemplo, suponga que f tiene un cero en el intervalo [, ].
+
Primero se calcula el punto medio del intervalo con la formula 2 ; despus se
averigua s ()() < 0. Si lo es, entonces f tiene un cero en [, ].
A continuacin se renombra a como y se comienza una vez ms con el nuevo

intervalo [, ], cuya longitud es igual a la mitad del intervalo original.
Si ()() > 0 , entonces ()() < 0 y en este caso se renombra a como .
En ambos casos se ha generado un nuevo intervalo que contiene un cero de , y el

proceso puede repetirse. (JAVERIANA, s.f.)
3
Ejemplo.
La funcin () = 1 tiene un cero en el intervalo [0,2], porque (0) = 1

y (2) = 0.818595.
+
Si se denota con 1 = = 0, 1 = = 2 1 = 1 2 1 entonces 1 = 1.
Ahora (1) = (1) = 0.158529, luego la funcin tiene un cero en el intervalo
[1 , 1] = [1,2] ; se renombra 1 = 2 2 = 1 .
+ 1+2
El nuevo punto medio es 2 = 1 1 = = 1.5 y (2 ) = (1.5) = 0.496242, el
2 3
cero est en el intervalo [2 , 2 ] y se renombra como [3 , 3 ].
En la tabla de abajo se muestran las primeras nueve iteraciones del mtodo de

biseccin para () = 1 con = 0 = 2.
Error Relativo
Extremo Extremo Punto Valor de la
n |
1
|
izquierdo an derecho bn medio cn funcin f(cn)
1 0 2 1 -0.158529
2 1 2 1.5 0.496242 0.333333
3 1 1.5 1.25 0.186231 0.2
4 1 1.25 1.125 0.015051 0.111111
5 1 1.125 1.0625 -0.071827 0.0588235
6 1.0625 1.125 1.09375 -0.028362 0.0285714
7 1.09375 1.125 1.109375 -0.006643 0.0140845
8 1.1093750 1.125 1.1171875 0.004208 0.0069930
9 1.1093750 1.1171875 1.11328125 -0.001216 0.0035087
( = 1.114157141 es el cero de () = 1)
Para detener el mtodo de biseccin y dar una aproximacin del cero de una funcin
se pueden usar varios criterios (llamados criterios de parada).
Uno de los criterios de parada consiste en examinar si |( )| < , donde es una
tolerancia previamente establecida (por ejemplo = 10-3). Otro criterio que puede
| |
utilizarse es examinar s <
2
4
Tambin se puede usar como criterio de parada el error relativo entre dos

aproximaciones del cero de , | 1 | <

En el ejemplo anterior si = 0.005, el procedimiento se parara en la octava

iteracin con el criterio |( )| < , ya que:
|( )| = |(1.1171875)| = 0.004208 < = 0.005,
1
pero si se usa el criterio | | < , el procedimiento se detendra en la novena

iteracin porque:
9 8 1.113281241.1171875
| |=| | = 0.0035087 < = 0.005
9 1.11328125
Cuando se generan aproximaciones por medio de una computadora, se recomienda

fijar un nmero mximo de iteraciones N que debera realizar la mquina. Esto con
el fin de contar con un resguardo para evitar la posibilidad de que el proceso de
clculo caiga en un ciclo infinito cuando la sucesin diverge (o cuando el programa
no est codificado correctamente). Un algoritmo para el mtodo de biseccin es:
BEGIN
Input a1,b1
Repeat
a+b
C 2
If f(a)f(c)>0
bc
Else
ac
End If
b-a
| | < or f(a)=0
2
END
Teorema. (Error en el mtodo de biseccin).

Si es continua en [, ] y () () < 0, el mtodo de biseccin genera una
sucesin { } que aproxima un cero de con la propiedad que:

| | , 1 prueba el Teorema 1
2
5
Demostracin Teorema 1

En general = 21 y ( , )

Como = 1/2 ( ), se tiene que| | por qu pude estar
2
entre y o entre y

1
| |
= 2 =
2 2 2
De acuerdo con el teorema anterior, en el mtodo de biseccin es posible

determinar cuntas iteraciones son necesarias para aproximar el cero de una
funcin con una exactitud especfica , ya que el error despus de n iteraciones

es | | 2 .
La igualdad se da si = =
(JAVERIANA, s.f.)
6
Programas resueltos con el programa:
1.-
Ingrese funcin a analizar: 'x^3 + 2*x^2 + 10*x - 20'
Ingrese el lmite inferior del intervalo: 1
Ingrese el lmite superior del intervalo: 2
Indique la tolerancia deseada: 0.001
n a c b MEP
0 1.0000 1.5000 2.0000 0.5000
1.0000 1.0000 1.2500 1.5000 0.2500
2.0000 1.2500 1.3750 1.5000 0.1250
3.0000 1.2500 1.3125 1.3750 0.0625
4.0000 1.3125 1.3438 1.3750 0.0313
5.0000 1.3438 1.3594 1.3750 0.0156
6.0000 1.3594 1.3672 1.3750 0.0078
7.0000 1.3672 1.3711 1.3750 0.0039
8.0000 1.3672 1.3691 1.3711 0.0020
Raz encontrada con una tolerancia de 0.001000: 1.369141
En este ejemplo la funcin a evaluar es () = 3 + 2 2 + 10 20 al tabular

notamos que el cambio de signo ocurre en (1) = 7 (2) = 16 as que
tomaremos = 1 = 2. El programa realiza 8 iteraciones (el nmero de
+
(ln( )ln )
2
iteraciones puede ser calculado mediante la formula donde =
ln 2
3
. En este caso = 10 ) hasta que llega la raz 1.3691 en la octava
iteracin. A continuacin, se mostrar la grfica de la funcin, con una lnea
horizontal atravesando las races.
500
400
300
200
100
-100
-4 -2 0 2 4 6 8
7
2.-
Ingrese funcin a analizar: 'x*sin(x)-1'

Ingrese el lmite inferior del intervalo: 0
Ingrese el lmite superior del intervalo: 2
Indique la tolerancia deseada: 0.001
n a c b MEP
0 0 1 2 1
1.0000 1.0000 1.5000 2.0000 0.5000
2.0000 1.0000 1.2500 1.5000 0.2500
3.0000 1.0000 1.1250 1.2500 0.1250
4.0000 1.0000 1.0625 1.1250 0.0625
5.0000 1.0625 1.0938 1.1250 0.0313
6.0000 1.0938 1.1094 1.1250 0.0156
7.0000 1.1094 1.1172 1.1250 0.0078
8.0000 1.1094 1.1133 1.1172 0.0039
9.0000 1.1133 1.1152 1.1172 0.0020
En este ejemplo se utiliza la ecuacin antes utilizada en los ejemplos que es () =

1. Pero esta vez resuelta utilizando el programa realizado en Matlab. Los el
lmite inferior y superior son 0 y 1 respectivamente porque (0) = 1 y (2) =
0.818595 y es en este intervalo en el que se encuentra el cambio de signo. Utilizando
una tolerancia de 0.0001 se realizan 9 iteraciones (el nmero de iteraciones puede
+
(ln( )ln )
2
ser calculado mediante la formula donde = . En este caso
ln 2
= 103) hasta llegar a la raz que es 1.115234 ,tambin podemos expresarlo como
9 = 1.115234
8
Mtodo de la falsa posicin
Aun cuando la biseccin es una tcnica perfectamente vlida para determinar

races, su mtodo de aproximacin por "fuerza bruta" es relativamente ineficiente.
La falsa posicin es una alternativa basada en una visualizacin grfica. (Chapra S.
C., 2007)
Un inconveniente del mtodo de biseccin
es que al dividir el intervalo de a en
mitades iguales, no se toman en cuenta las
magnitudes de ( ) ( ). Por ejemplo,
si ( ) est mucho ms cercana a cero que
( ), es lgico que la raz se encuentre
ms cerca de que de . Un mtodo
alternaticvo que aprovecha esta
visualizacin grfica consiste en unir
( ) ( ) con una lnea recta, ya que
( ) = 0 (Tensor, 2014). La interseccin
de esta lnea con el eje de las representa
una mejor aproximacin de la raz. El hecho
de que se reemplace la curva por una lnea
recta de una "falsa posicin" de la raz; de
Representacin grfica del mtodo
aqu el nombre de mtodo de la falsa de la falsa posicin.
posicin, o en latn, regula falsi. Tambin se Con los tringulos semejantes sombreados se
le conoce como mtodo de interpolacin obtiene la frmula para el mtodo.
lineal.
Usando tringulos semejantes (como los que se muestran en la representacin

grfica del mtodo de la falsa posicin), la interseccin de la lnea recta con el eje
de las x se estima mediante:
( ) ( )
=

en la cual se despeja
( )( )
=
( ) ( )
sta es la frmula de la falsa posicin. El valor de calculado con la ecuacin ,
reemplazar, despus, a cualquiera de los dos valores iniciales, o , y da un
valor de la funcin con el mismo signo de ( ). De esta manera, los valores y
siempre encierran la verdadera raz. El proceso se repite hasta que la aproximacin
a la raz sea adecuada. (Chapra S. C., 2007)
9
Algoritmo del mtodo de la falsa posicin

Paso 1: Elija valores iniciales inferior, , y superior , que encierran la raz,
de forma tal que la funcin cambie de signo en el intervalo. Esto se verifica
comprobando que ( ) ( ) < 0.
Paso 2: Una aproximacin de la raz se determina mediante:
( )( )
=
( ) ( )
Paso 3: Realice las siguientes evaluaciones para determinar en qu
subintervalo est la raz:
a) Si ( )( ) < 0, entonces la raz se encuentra dentro del subintervalo
inferior o izquierdo. Por lo tanto, haga = y vuelva al paso 2.
b) Si ( )( ) > 0, entonces la raz se encuentra dentro del subintervalo
superior o derecho. Por lo tanto, haga = y vuelva al paso 2.
c) Si ( )( ) = 0, la raz es igual a ; termina el clculo.
A continuacin, se muestra un pseudocdigo para el mtodo de falsa

posicin. (illuminatus, 2006)
FUNCTION FalsaPos(xl, xu, es, imax, xr, iter, ea)
iter=0
fl=f(xl)
DO
xrold=xr
xr=xu-((f(xu)*(xl-xu))/(f(xl)-f(xu)))
fr=f(xr)
iter=iter+1
IF xr!=0 THEN
ea=ABS((xr-xold)/xr)*100
END IF
test=fl*fr
IF test<0 THEN
xu=xr
ELSE IF test>0 THEN
xl=xr
fl=fr
ELSE
ea=0
END IF
IF ea<es OR iter >= imax EXIT
END DO
FlasaPos=xr
END FalsaPos
10
Falsa posicin modificada

Una forma de disminuir la naturaleza unilateral de la falsa posicin consiste en
obtener un algoritmo que detecte cuando se estanca uno de los lmites del
intervalo. Si ocurre esto, se divide a la mitad el valor de la funcin en el punto de
estancamiento. A este mtodo se le llama mtodo de la falsa posicin modificado.
Enseguida se mostrar un algoritmo que lleva a cabo dicha estrategia. Observe
cmo se han usado contadores para determinar si uno de los lmites del intervalo
permanece fijo estancado durante dos iteraciones. Si ocurre as, el valor de la
funcin en este valor de estancamiento se divide a la mitad. (Chapra S. C., 2007)
FUNCTION ModFalsePos(xl, xu, es, imax, xr, iter, ea)
iter = 0
fl = f(xl)
fu = f(xu)
DO
xrold = xr
xr = xu fu * (xl xu) / (fl fu)
fr = f(xr)
iter = iter + 1
IF xr <> 0 THEN
ea = Abs((xr xrold) / xr) * 100
END IF
test = fl * fr
IF test < 0 THEN
xu = xr
fu = f(xu)
iu = 0
il = il +1
If il 2 THEN fl = fl / 2
ELSE IF test > 0 THEN
xl = xr
fl = f (xl)
il = 0
iu = iu + 1
IF iu 2 THEN fu = fu / 2
ELSE
ea = 0
END IF
IF ea < es 0R iter imax THEN EXIT
END DO
ModFalsePos = xr
END ModFalsePos
11
Problemas resueltos con el programa:

1. Resuelva la siguiente ecuacin sen(x)-csc(x)+1=0 por medio del mtodo de la
falsa posicin.
f_falsapos('sin(x)-csc(x)+1',0.5,0.7,0.00001)
n a c b error
0 0.5000 0.6737 0.7000 100.00
1.0000 0.5000 0.6679 0.6737 0.0209
2.0000 0.5000 0.6666 0.6679 0.0046
3.0000 0.5000 0.6663 0.6666 0.0010
4.0000 0.5000 0.6663 0.6663 0.0002
5.0000 0.5000 0.6662 0.6663 0.0000
6.0000 0.5000 0.6662 0.6662 0.0000
Raiz encontrada con una tolerancia de 0.000010: 0.666240
Resolviendo por el mtodo de Falsa Posicin, se usaron dos puntos alrededor de la

raz de la funcin. En este caso utilizaremos dos valores inferior y superior a y b
respectivamente , siendo = 0.5 = 0.7 . Tomando en cuenta una tolerancia de
0.00001. Podemos ver que solo bastaron 6 iteraciones para encontrar la raz
teniendo en cuenta la tolerancia de 0.00001. Se toma un valor alto como 100 para
que el algoritmo del programa no se vea afectado y as tenga un decremento
progresivo. La raz se encuentra en 6 = 0.66624
12
2. Utilizando el Mtodo de la falsa posicin, realizar 6 iteraciones para resolver () =

2 2 en el intervalo [0,2]
f_falsapos('x.^2-2',0,2,0.0001)
n a c b error
0 0 1 2 100
1.0000 1.0000 1.3333 2.0000 1.0000
2.0000 1.3333 1.4000 2.0000 0.2222
3.0000 1.4000 1.4118 2.0000 0.0400
4.0000 1.4118 1.4138 2.0000 0.0069
5.0000 1.4138 1.4141 2.0000 0.0012
6.0000 1.4141 1.4142 2.0000 0.0002
Se puede observar que tomando una tolerancia de 0.0001 y mediante los intervalos
0,2 (porque es en (0) = 2 (2) = 2 donde se presenta un cambio de signos)
se puede llegar a la raz de la ecuacin dada en tan solo 6 iteraciones , siendo la
raz 9 = 1.4142
3. Utilizando el Mtodo de la falsa posicin, realizar 6 iteraciones para resolver () =

3 + 3 2 + 10 30 en el intervalo [1,2]
f_falsapos('x.^3 + 3*x.^2 + 10*x - 30',1,2,0.0001)

n a c b error
0 1.0000 1.6154 2.0000 100.00
1.0000 1.6154 1.6741 2.0000 1.8025
2.0000 1.6741 1.6792 2.0000 0.1587
3.0000 1.6792 1.6796 2.0000 0.0136
4.0000 1.6796 1.6797 2.0000 0.0012
5.0000 1.6797 1.6797 2.0000 0.0001
Para este ejercicio se tom una tolerancia de 0.0001 y mediante los intervalos 1,2
(porque es en (1) = 16 (2) = 10 donde se presenta un cambio de signos) se
puede llegar a la raz de la ecuacin dada en tan solo 5 iteraciones , siendo la raz
5 = 1.679690
13
Problemas
1. Determine las races reales de () = 5^3 5^2 + 6 2:
Gracamente b) Utilizando el mtodo de biseccin para localizar la raz ms
pequea. Use los valores iniciales = 0 = 1 iterando hasta que el error
estimado se encuentre debajo de es = 10%
a) n a c b MEP
0 0 0.5000 1.0000 0.5000
1.0000 0 0.2500 0.5000 0.2500
2.0000 0.2500 0.3750 0.5000 0.1250
3.0000 0.3750 0.4375 0.5000 0.0625
4.0000 0.3750 0.4063 0.4375 0.0313
5.0000 0.4063 0.4219 0.4375 0.0156
6.0000 0.4063 0.4141 0.4219 0.0078
7.0000 0.4141 0.4180 0.4219 0.0039
8.0000 0.4180 0.4199 0.4219 0.0020
b)
Conclusin: Este problema nos pide que mediante el mtodo de biseccin con el
cual se evala la funcin 5^3 5^2 + 6 2, se calcule la raz as pequea y su
error, despus de hacer la evaluacin se lleg a que el resultado est en la iteracin
nmero 8 que tiene un valor de = 0.419922 y un error de 0.0020.
14
2. Determine las races reales () = 0.52 + 2.5 + 4.5:

a) Grcamente b) Usando el mtodo de biseccin con tres iteraciones para
determinar la raz ms grande. Emplee como valores iniciales = 5 = 10.
Calcule el error estimado y el error verdadero et para cada iteracin.
a) 0.52 + 2.5 + 4.5
b)
n a c b MEP
0 5.0000 7.5000 10.000 2.5000
1.0000 5.0000 6.2500 7.5000 1.2500
2.0000 6.2500 6.8750 7.5000 0.6250
3.0000 6.2500 6.5625 6.8750 0.3125
4.0000 6.2500 6.4063 6.5625 0.1563
5.0000 6.2500 6.3281 6.4063 0.0781
6.0000 6.3281 6.3672 6.4063 0.0391
7.0000 6.3672 6.3867 6.4063 0.0195
8.0000 6.3867 6.3965 6.4063 0.0098
9.0000 6.3965 6.4014 6.4063 0.0049
10.0000 6.4014 6.4038 6.4063 0.0024
11.0000 6.4038 6.4050 6.4063 0.0012
Conclusin: En este problema se nos pide que mediante el mtodo grfico y el

mtodo de biseccin se calcule la raz ms grande de la ecuacin 0.5^2 +
2.5 + 4.5 en las primeras tres iteraciones, en las cuales el valor ms grande de la
raz es = 6.405029 y el error de dicha raz es 0.0012.
15
3. Determine las races reales de () = 25 + 82 90^2 + 44^3 8^4 +

0.75:
a)Grficamente b) Usando el mtodo de biseccin para localizar la raz ms grande
con = 10%. Utilice como valores iniciales = 0.5 = 1.0. c) Realice el
mismo clculo que en b), pero con el mtodo de la falsa posicin y = 0.2%.
a)
b)
n a c b MEP
0 0 0.5000 1.0000 0.5000
1.0000 0.5000 0.7500 1.0000 0.2500
2.0000 0.5000 0.6250 0.7500 0.1250
c)
n a c b MEP
0 0 0.5000 1.0000 0.5000
1.0000 0.5000 0.7500 1.0000 0.2500
2.0000 0.5000 0.6250 0.7500 0.1250
3.0000 0.5000 0.5625 0.6250 0.0625
4.0000 0.5625 0.5938 0.6250 0.0313
5.0000 0.5625 0.5781 0.5938 0.0156
6.0000 0.5781 0.5859 0.5938 0.0078
7.0000 0.5781 0.5820 0.5859 0.0039
16
Conclusin: En este problema nos pide que mediante el mtodo de biseccin

calculemos la raz ms grande, siempre y cuando nuestro error este por encima del
10%, en este caso la raz ms grande para x>.10 es x=0.625, y nuestro error para
dicha raz es de 0.125. En el segundo punto tambin se nos pidi que calculemos
la raz, pero con una tolerancia del 0.2%, al ser la tolerancia ms pequea podemos
encontrar que la raz es ms exacta siendo 0.582031 con un error mximo de
0.0039. Y este ltimo valor es el que se acerca ms al obtenido grficamente.
4. Determine la raz real () = 28 60 . ^2 + 20 . ^3 6 . ^4 +

0.1 . ^5:
Grcamente b) Usando el mtodo de biseccin para localizar la raz ms grande
con es = 10%. con valores iniciales de 1 a 3. c) Empleando tres iteraciones en el
mtodo de la falsa posicin, Calcule el error aproximado y el error verdadero et en
cada iteracin.
a)
17
b)
n a c b MEP
0 1 2 3 1
1.0000 2.0000 2.5000 3.0000 0.5000
2.0000 2.5000 2.7500 3.0000 0.2500
3.0000 2.7500 2.8750 3.0000 0.1250
4.0000 2.8750 2.9375 3.0000 0.0625
5.0000 2.9375 2.9688 3.0000 0.0313
6.0000 2.9688 2.9844 3.0000 0.0156
c)
Conclusin: En este problema se nos pide usar el mtodo de biseccin para localizar
la raz ms grande de la ecuacin 28 60 . ^2 + 20 . ^3 6 . ^4 +
0.1 . ^5 con un error mayor al 10%, en el cual nuestra raz mayor se encuentra
en la iteracin 6 y nos da un valor de = 2.984375 con un error de 0.0156
5. Encuentren las races de () = 12 21 + 182 2.753. a) Grficamente

b)Por biseccin c)Mediante falsa posicin
A) y

18
b)
Introdusca la funcion que ser analizada: '-12-21*x+18*x^2-2.75*x^3'

Introdusca el inferior del intervalo: 1.6
Introdusca el limite superior del intervalo: 1.8
Introdusca la tolerancia deseada: 0.001
n a c b MEP
0 1.6000 1.7000 1.8000 0.1000
1.0000 1.7000 1.7500 1.8000 0.0500
2.0000 1.7500 1.7750 1.8000 0.0250
3.0000 1.7750 1.7875 1.8000 0.0125
4.0000 1.7875 1.7938 1.8000 0.0062
5.0000 1.7938 1.7969 1.8000 0.0031
6.0000 1.7969 1.7984 1.8000 0.0016
c)
n a c b error
0 1.6000 2.2604 1.8000 100.0000
1.0000 1.6000 2.2180 2.2604 0.7400
2.0000 2.2180 2.2198 2.2604 0.0337
Conclusin: Al obtener la raz por los diferentes mtodos pedidos en el problema,

podemos ver que el mtodo de la biseccin es ms lento que el de falsa posicin
pero es ms exacto a comparacin del segundo, ya que la raz mediante el mtodo
de biseccin es :1.798437 y mediante la falsa posicin es: 2.219820, al comprobarlo
con el mtodo grafico podemos ver que el mtodo de la biseccin es ms exacto.
19
2.2 Mtodos abiertos: Iteracin punto fijo, Mtodo de

Newton-Raphson y Mtodo de la secante
Iteracin de Punto Fijo

El Mtodo de Punto Fijo (tambin conocido como iteracin de punto fijo), es otro
mtodo para hallar los ceros de f(x). Para resolver f(x) = 0, se reordena en una forma
equivalente:
() = 0
() = 0
= ()
Observe que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre que se tenga c=g(c)
se dice que c es un punto fijo de la funcin g). Para aproximar un cero de f se utiliza
la iteracin de punto fijo (1) xn+1 = g(xn) , n = 0, 1, 2, 3, . . .
donde x0 es una aproximacin inicial del cero de f.
Ejemplo.
() = 2 2 3 = 0, tiene dos ceros. = 3 = 1
Supngase que se reordena para lograr la forma equivalente:
2 2 3 = 0
2 = 2 + 3
= 2 + 3
= () = 2 + 3
Si se comienza con x0 = 4 y se itera con la iteracin de punto fijo (1), los valores
sucesivos de x son:
0 = 4
1 = (0 ) = 2(4) + 3 = 3.31662
2 = (1 ) = 2(3.31662) + 3 = 3.10375
20
3 = (2 ) = 2(3.10375) + 3 = 3.03439
4 = (3 ) = 2(3.03439) + 3 = 3.01144
5 = (4 ) = 2(3.01144) + 3 = 3.00381
Parece que los valores convergen a = 3.
Otro reordenamiento de () = 0 es:
2 2 3 = 0
( 2) 3 = 0
3
= = ()
2
Si nuevamente se comienza con 0 = 4, los valores sucesivos de x son:
0 = 4
3
1 = (0 ) = = 1.5
42
3
2 = (1 ) = = 6
1.5 2
3
3 = (2 ) = = 0.375
6 2
4 = 1.263158
5 = 0.919355
6 = 1.02762
7 = 0.99087
8 = 1.00305
Parece que ahora x converge al otro cero de , = 1.
Considrese un tercer reordenamiento
2 2 3 = 0
2 = 2 3
2 3
= = ()
2
21
Comenzando de nuevo con 0 = 4 se obtiene:

0 = 4
1 = 6.5
2 = 19.625
3 = 191.070
resulta evidente que las iteraciones son divergentes.
La diferencia en el comportamiento de los tres reordenamientos se puede apreciar
considerando las grficas en los tres casos. El punto fijo de = () es la
interseccin de la recta = , y la curva = ().
22
Mtodo de Newton-Raphson
El objetivo de este mtodo para estimar la solucin de una ecuacin () = 0 o
funcin real es producir una sucesin de aproximaciones que se acerquen a la
solucin (Interaciones), tambin puede ser usado para encontrar el mximo o
mnimo de una funcin, encontrando los ceros de su primera derivada.
El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de que no est
garantizada su convergencia global. La nica manera de alcanzar la convergencia
es seleccionar un valor inicial lo suficientemente cercano a la raz buscada. (Chapra
S. C., 2007)
Explicacin geomtrica
En la grfica se puede apreciar un trazo de color azul
al cual se le desea encontrar una raz, esta se puede
notar a simple vista ya que esta denotada con un
recuadro azul. El mtodo de Newton-Raphson nos
sirve para encontrar esta raz o sus mayores
aproximaciones, como se puede ver en la imagen se
tiene una serie de lneas punteadas las cuales
intentan acercarse a la raz original, estos puntos se
logran obtener del mtodo en cuestin, entre ms
lejanos estn las races generadas, ms inexactas
son, viceversa a las que estn ms aproximadas a la
raz original. (Fuentes, 2007)
Ejemplos
Encontrar una buena aproximacin a una raz de la siguiente funcin usando el
mtodo de Newton-Raphson. Toma como punto de partida = 1
() = 3 1 = 0

= 3 2 1
1
1 = 1
() 13 1 1
2 = 1 =1 = 1.5
3(1)2 1
1
23
(2) (1.5)
3 = 2 = 1.5 = 1.34782

2 (1.5)
(3) (1.34782)
4 = 3 = 1.34782 = 1.32520

3 (1.34782)
(4) (1.32520)
5 = 4 = 1.32520 = 1.3247

4 (1.32520)
Se puede concluir con la quinta interacion que nuestra raz es aproximadamente

1.3247 (FsicayMates, 2014)
24
Mtodo de la secante
La interpretacin geomtrica del mtodo de la secante es similar a la del mtodo de
Newton. La recta tangente a la curva se reemplaza por una recta secante. El cero
de f se aproxima por el cero de la recta secante a f. Si 0 y 1 son las aproximaciones
iniciales, la aproximacin 2 es la interseccin de la recta que une los puntos
(0 , (0 )) (1 , (1 )). La aproximacin 3 es la interseccin de la recta que une
los puntos (1 , (1 )) (2 , (2 )) y as sucesivamente. (Villanueva, 1998)
(1 ) ( )
( )
1
Sustituyendo en la frmula de Newton-Raphson, obtenemos:

( ) ( )
+1 =
( ) ( 1 ) ( )
1
( )( 1 )
+1
( 1 ) ( )
Que es la frmula del mtodo de la secante. Ntese que para poder calcular el
valor de 1 , necesitamos conocer los dos valores anteriores y 1
(JAVERIANA, s.f.)
Obsrvese tambin, el gran parecido con la frmula del mtodo de la regla falsa. La
diferencia entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre
intervalos cerrados, el mtodo de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximacin casi con la misma rapidez que el mtodo de Newton-
Raphson. Claro, corre el mismo riesgo de ste ltimo de no converger a la raz,
mientras que el mtodo de la regla falsa va a la segura. (Russo)
Ejemplos:
1. Usar el mtodo de la secante para aproximar la raz de () = 2 ,
comenzando con 0 = 0, 1 = 1 y hasta que| | < 1% . (UNAM, s.f.)
Solucin:
Tenemos que (0 ) = 1 (1 ) = 0.632120558, que sustituimos en la
frmula de la secante para calcular la aproximacin 2 :
(1 )(0 1 )
2 = 1 [ ] = 0.612699837
(0 ) (1 )
25
2 1
Con un error aproximado de | | = | 100%| = 63.2%
2
Como todava no se logra el objetivo, continuamos con el proceso.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error

aprox.
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%
De lo cual concluimos que la aproximacin a la raz es:

4 = 0.652917265
2. Efecte tres iteraciones del mtodo de la secante para la

funcin () = 1 con 0 = 1 1 = 2. (UNAM, s.f.)
Solucin:
(1 )( 1 0 ) (22 1)(2 1)
2= 1 =2 = 1.162240449
( 1 ) (0 ) (22 1) (1 1)
(2 )( 2 1 )
3= 2 = 1.236422098
( 2 ) (1 )
(3 )( 3 2 )
4= 3 = 1.113511445
( 3 ) (2 )
Para este caso (4 ) = 0.000896772969 ; |(4 )| < 0.0009.
Este ejercicio se resolvi con el mtodo de biseccin en la seccin anterior y

en la novena iteracin |(9 )| = 0.001216. ..
El mtodo de la secante converge a la solucin ms lentamente que el mtodo

de Newton, pero tiene la ventaja de no usar la derivada en cada iteracin.
26
3. Usar el mtodo de la secante para aproximar la raz de () = 2 +

1, comenzando con 0 = 0 1 = 1 , y hasta que | | < 1% . (UNAM, s.f.)
Solucin:
Tenemos los valores (0 ) = 1 (1 ) = .214601836, que sustituimos en la
frmula de la secante para obtener la aproximacin 2 :
(1 )(0 1 )
2 = 1 [ ] = 0.823315073
(0 ) (1 )
Con un error aproximado de:

2 1
| | = | 100%| = 21.24%
2
Como todava no se logra el objetivo, continuamos con el proceso.

Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
1 100%
0.823315073 21.4%
0.852330280 3.40%
0.853169121 0.09%
De lo cual concluimos que la aproximacin a la raz es:

4 = 0.853169121
27
Mtodos para Races Mltiples
Las races mltiples son determinados de ecuaciones polinmicas que tienen la

forma general:
() = 0 + 1 + 2 ^2 + . . . +
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 n es impar hay al menos una raz real.
Si hay races complejas, estas se encuentran en pares conjugados.
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.
28
Problemas:
1. Utilice los mtodos de a) iteracin de punto fijo, y b) Newton-Raphson, para
determinar una raz de f(x) = x2 + 1.8x + 2.5 con el uso de x0 = 5. Haga el clculo
hasta que error sea menor que la tolerancia de 0.05%. Asimismo, realice una
comprobacin del error de su respuesta final.
a) Punto fijo
n x0 error
0.0000 5.0000 ------
1.0000 3.3912 1.6088
2.0000 2.9333 0.4579
3.0000 2.7892 0.1440
4.0000 2.7424 0.0469
5.0000 2.7270 0.0154
6.0000 2.7219 0.0051
7.0000 2.7202 0.0017
8.0000 2.7196 0.0006
9.0000 2.7194 0.0002
Raiz encontrada con una tolerancia de 0.000500
2.719432
b) Newton-Raphson
n xi error
0 5.00000 50.00000
1 3.35366 2.710440
2 2.80133 0.305064
3 2.72111 0.006436
Raiz encontrada con una tolerancia de 0.000500:
2.719341
Como respuesta final elegira la raz encontrada en la novena iteracin con el

mtodo de punto fijo, ya que, aun siendo ms tardado, nos da un menor margen
de error. Entonces decimos que 9 = 2.719432 para el mtodo de punto fijo,
entonces podemos darnos cuenta que a comparacin del de Newton-Raphson
es ms ineficiente , ya que este llego a la raz mediante 3 iteraciones siento
3 =2.7211
29
2. Determine la raz real ms grande de

() = 2^3 11.7^2 + 17.7 5
a) En forma grfica.
b) Con el mtodo de iteracin simple de punto fijo (tres iteraciones,
0 = 3).
c) Con el mtodo de Newton-Raphson (tres iteraciones, 0 = 3,
tolerancia = 0.001).
y
b)
2^3+11.7^2+5
Tenemos que () = asi que usando el programa previamente
17.7
hecho obtenemos la 3 iteraciones con valor inicial de 3.
Ingrese funcin f: '2*x^3-11.7*x^2+17.7x-5'

Ingrese funcin g: '(-2*x^3+11.7*x^2+5)/17.7'
Ingrese primer valor: 3
Ingrese tolerancia: 0.12
n x0 error
0.0000 3.0000 ------
1.0000 3.1808 0.1808
2.0000 3.3340 0.1532
3.0000 3.4425 0.1086
Raiz encontrada con una tolerancia de 0.120000:
3.442543
Con el programa hacemos las 3 iteraciones y usando una tolerancia de 0.12. El
error en la iteracin 0 es ----- debido a que no ha empezado a calcular la raz.
Tenemos entonces que 3 = 3.4425 con un error de 0.1086 aproximado.
30
c) n xi error
0 3.00000 50.000000
1 5.13333 48.090074
2 4.26975 12.956244
3 3.79293 2.947603
4 3.59982 0.397973
5 3.56434 0.012373
3. Utilice la iteracin simple de punto fijo para localizar la raz de () = ()

Haga una eleccin inicial de a = 0.5 e itere hasta que tolerancia 0.001%.
ingrese la funcion en comillas simples '2*sin(sqrt(x))-x'

ingrese la funcion despejada en comillas simples
'2*sin(sqrt(x))'
n Xn Yn Error Relativo
0 0.50000000000 0.799273878160125 1.001000000000000
1.000000000000 1.29927387816 0.517873625977370 0.615169666377008
2.000000000000 1.81714750413 0.133426413152264 0.284992618815046
3.000000000000 1.9505739172 0.019168596048723 0.068403669283989
4.00000000000 1.96974251333 0.002326367935465 0.009731523749383
5.000000000000 1.97206888127 0.000275296998721 0.001179658559371
6.000000000000 1.9723441782 0.000032477704918 0.000139578579517
SOLUCION: 1.97234 es una aproximacion con un tolerancia de 0.001
Como se puede observar al ejecutar el programa con los valores dados por el
problema nos indica que el resultado en la sexta iteracin, el cual es 1.9723 con un
error de 0.00139
31
4. Utilice los mtodos de

a) iteracin de punto fijo
b) Newton Raphson, para determinar una raz de () = 2 + 1.8 + 2.5 con el uso
de a= 5. Haga el clculo hasta que la tolerancia sea menor que es = 0.05%.
Asimismo, realice una comprobacin del error de su respuesta final.
y
ingrese la tolerancia que desea 0.00005

ingrese la funcion en comillas simples '-x^2+1.8*x+2.5'
ingrese la funcion despejada en comillas simples 'sqrt(1.8*x+24)'
Cont Xn Yn Error Relativo
0 5.000000000 -13.500000000000000 1.000050000000000
1.0000000 5.74456264653 -20.159787236231548 0.129611720221511
2.0000000 5.86005228336 -21.292118653711896 0.019707953315463
3.0000000 5.87776267894 -21.468121287946694 0.003013118520180
4.0000000 5.88047386033 -21.495119873502787 0.000461048114784
5.0000000 5.88088878900 -21.499253128403844 0.000070555434633
6.00000000 5.880952288550 -21.499885700812975 0.000010797494221
SOLUCION: 5.88095 es una aproximacion con un tolerancia de 5e-05
Ingrese funcin a evaluar: '-x^2+1.8*x+2.5'

Ingrese un valor inicial: 5
n xi error
1 3.35366 2.710440
2 2.80133 0.305064
3 2.72111 0.006436
Como nos muestra los dos problemas se acerca a la raz positiva, solo que uno
se acerca por la derecha y otro por la izquierda adems esto puede ser
ocasionado por el despeje de la funcin. El mtodo de Newton-Raphson nos
encuentra la raz positiva
32
5. Determine las races reales de () = 1 + 5.5 4 2 : a) en forma grfica, y b) con

el mtodo de Newton-Raphson dentro de tolerancia = 0.01%.
Ingrese funcin a evaluar: '-1+5.5*x-4*x^2'
Ingrese un valor inicial: 0
n xi error
1 0.18182 0.132231
2 0.21450 0.004274
Raiz encontrada con una tolerancia de

0.000100: 0.215634
Con ayuda del programa nos dimos cuenta de que la raz se encuentra
aproximadamente cuando x es igual a 0.215634 mientras se respeta el error
33
2.3 Aplicaciones a la ingeniera mecnica
Como ya sabemos, a la raz de una ecuacin se le conoce como el valor en el que

la variable independiente de la ecuacin haga que esta se iguale a 0 o almenas se
aproxime con un cierto grado de error ( () 0), ya conocemos mtodos para
obtener esta raz en funciones polinmicas de grado 1 y 2 con mtodos de
factorizacin o con frmulas como la formula general para obtener las races de
funciones cuadrticas, pero cuando la funcin polinmica es de 3 o 4 grados el
obtener este valor se vuelve ms y ms complicado, aunque un mtodo simple es
el mtodo grfico, este no nos resulta til en ingeniera debido a la poca precisin
con la que se hace la estimacin.
Un caso muy constante en el que se aplicar la raz de una ecuacin es en sistemas
que describan vibraciones armnicas, cmo puede ser cmo ejemplo simple un
pndulo o el rebote de masa, cmo sabemos una vibracin o ruido en un mecanismo
provoca perdida de energa, calentamiento, y un mayor desgaste para los
componentes del mecanismo, por lo que es normal que queramos deshacernos de
ellas aun cuando son provocadas fuera del sistema (o movimiento forzada), un
ejemplo de esto puede ser los amortiguadores de los automviles, estos se
encargan de amortiguar las vibraciones provocadas, por ejemplo, por baches, por
topes, u objetos extraos devolviendo al automvil al sistema en equilibrio en el que
se encontraba antes, para esto no solo debemos tomar en cuenta el efecto del
evento que ocasion la vibracin, si no tambin varas leyes fsicas, como la de
Hooke (tomando en cuenta el resorte y la fuerza que es capaz de absorber) o la
segunda de Newton( = ), con el fin de averiguar de qu forma un amortiguador
reducir las vibraciones del sistema, o lo que es lo mismo, igualar la funcin
resultante a cero, pero es importante calcularlo de la forma ms precisa posible,
puesto que una raz sesgada hacia arriba o hacia abajo podra provocar un
descenso deficiente de la vibracin como se muestra en el siguiente grfico.
34
Aunque en el caso antes explicado el sistema se puede describir fcilmente con una
funcin polinmica de segundo grado, por lo que es posible usar una solucin
analtica (Formula general o cuadrtica), si agregamos ms variables al sistema
pueden verse casos en los que el valor de la variable independiente tiende a infinito
en 0, por lo que encontrar el cero se vuelve imposible, adems, el diseo del sistema
de suspensin del automvil comprende una solucin intermedia entre comodidad
y estabilidad para todas las condiciones de manejo y velocidad. Se pide determinar
la estabilidad del carro para cierto diseo propuesto que ofrezca comodidad sobre
caminos irregulares, podemos calcular la amortiguacin para un bache pero
generalmente el camino es irregular, por lo que deberemos aproximar los clculos
para este modelo con el camino accidentado, ahora necesitamos del uso de
mtodos numricos cmo el mtodo de biseccin que en este caso puede ser
suficiente para determinar que el diseo del carro propuesto se comportar de forma
aceptable para velocidades de manejo aceptables. Esto quiere decir que el
diseador es consciente de que su diseo no cumplir con lo previsto bajo
condiciones extremas de velocidad.
En este ejemplo sencillos de diseo pudimos ver cmo la complejidad de un sistema
puede ser tan alta, en un caso real puede que el problema solo pueda ser resuelto
con el uso de mtodos numricos. (Chapra, 2007)
Los sistemas mecnicos reales involucran la deflexin de resortes no lineales. En
la figura P8.34 se ilustra una masa m que se libera por una distancia h sobre un
resorte no lineal. La fuerza de resistencia F del resorte est dada por la ecuacin
= (1 + 23/2)
35
Problema 1.- Es posible usar la conservacin de la energa para demostrar que
22 5/2 1
0= + 1 2
5 2
Resuelva cul sera el valor de , dados los valores siguientes de los parmetros:
1 = 50 000 / 2 , 2 = 40 /( 2 0.5 ), = 90 , = 9.81 / 2, y = 0.45 .
2(40) 5/2 1
0= + (50,000) 2 (90)(9.81) (90)(9.81)(.45)
5 2
Problema 2.- Los ingenieros mecnicos, as como los de otras especialidades,
utilizan mucho la termodinmica para realizar su trabajo. El siguiente polinomio se
emplea para relacionar el calor especfico a presin cero del aire seco,
/( ), a temperatura ():
= 0.99403 + 1.671 104 + 9.7215 108 2 9.5838 1011 3 + 1.9520
1014 4
Determine la temperatura que corresponda a un calor especfico de 1.1 /( ).
1100 = 0.99403 + 1.671 104 + 9.7215 108 2 9.5838 1011 3 + 1.9520
1014 4
Problema 3.- Vuelva a realizar el problema 2. Determine la temperatura que

corresponda al Tejido Humano
(Tejido Humano ) = 3.5 /( ).
3500 = 0.99403 + 1.671 104 + 9.7215 108 2 9.5838 1011 3 + 1.9520

1014 4
Problema 4.- Vuelva a realizar el problema 1. Resuelva cul sera el valor de ,

dados los valores siguientes de los parmetros: 1 = 50 000 / 2 , 2 =
40 /( 2 0.5 ), = 470 , = 9.81 / 2, y = 2.5 .
2(40) 5/2 1
0= + (50,000) 2 (470)(9.81) (470)(9.81)(2.5)
5 2
36
Problema 5.- Vuelva a realizar el problema 2. Determine la temperatura que

corresponda al Vidrio (tpico)
( ) = 837 /( ).
837 = 0.99403 + 1.671 104 + 9.7215 108 2 9.5838 1011 3 + 1.9520

1014 4
37
Conclusin
En este documento se habl de varios mtodos para conseguir races de
ecuaciones que van desde el mtodo grafico que es relativamente sencillo pero
puede tener errores ms comn mente hasta el mtodo de la secante que se cre
a base de la evolucin de otros mtodos.
Debido a que el clculo de las races de las ecuaciones es un problema que se ha

tenido que enfrentar sean elaborado diversos mtodos ya que al determinar las
races de una ecuacin tambin lograremos mximos y mnimos , valores propios
de matrices, resolver sistemas de ecuaciones lineales y diferenciales, etc.
Considerando lo anterior nos damos cuenta que con el tiempo los procesos van
evolucionando y se hacen ms sencillos, a medida que la tecnologa avanza y
surgen nuevo software que hacen los procesos ms fciles.
Por otro lado, trabajos como estos deben realizarse debido a que se debe conocer
de dnde surge y cmo funcionan los mtodos que utilizamos, no es bueno solo
saber usarlo por as decirlo superficialmente tenemos que saber el porqu de lo
que hacemos y si nos surge un problema poder solucionarlo sin muchos percances.
38
Bibliografia
Chapra. (2007).
Chapra, S. C. (2007). Metodos numericos para ingenieros. Mxico D.F: McGraw-
Hill.
Debian. (2 de 4 de 15). Obtenido de
http://noosfera.indivia.net/metodos/secante.html
FsicayMates. (18 de septiembre de 2014). YouTube. Obtenido de
https://www.youtube.com/watch?v=tX9ecFstUUk
Fuentes, D. M. (2007). UAM. Obtenido de
http://test.cua.uam.mx/MN/Methods/Raices/NewtonRaphson/NewtonRaphs
on.php
illuminatus. (28 de Mayo de 2006). Obtenido de
http://illuminatus.bizhat.com/metodos/falsaposicion.htm
ingenieriaindustrialonline. (5 de 11 de 2014). ingenieriaindustrialonline. Obtenido
de https://www.ingenieriaindustrialonline.com/herramientas-para-el-
ingeniero-industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-
gr%C3%A1fico/
JAVERIANA, P. U. (s.f.). Pontificia Universidad JAVERIANA. Obtenido de
http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capitulo5/5.htm
Russo, R. (s.f.). Facultad de ingenieria metropolitana argentina. Obtenido de
http://www3.fi.mdp.edu.ar/metodos/apuntes/secante_rodrigo.pdf
Tensor. (5 de Junio de 2014). SlideShare. Obtenido de
https://es.slideshare.net/Tensor/mtodo-de-la-regla-falsa-o-metodo-de-la-
falsa-posicin-mn
UNAM. (s.f.). Antonio E. Moya Ortiz. Obtenido de
https://mat1105.files.wordpress.com/2010/04/ejercicios-resueltos-1.pdf
Villanueva, W. D. (11 de Junio de 1998). Universidad de Valencia. Obtenido de
https://www.uv.es/~diaz/mn/node21.html
39
40

Trabajo Especial Unidad 6

Uploaded by

Document Information

Original Title

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

Trabajo Especial Unidad 6

Uploaded by

Copyright:

Available Formats

Tecnolgico Nacional de Mxico

Instituto Tecnolgico de Colima

Derivacin e integracin numrica

El de inegracion con intervalos desiguales no se pone ejercicio

Aunque los mtodos grficos son tiles en la obtencin de estimaciones de las

2.1 Mtodos de intervalos: Grficos, Biseccin y falsa

Un mtodo simple para una aproximacin a la raz de la ecuacin () = 0 consiste

Si en un intervalo (, ) cerrado se cumple

No existen races reales en el intervalo,

= () no toca el eje , por el contrario, pueden encontrarse una o m () =0 as

Si en un intrvalo (, ) cerrado se cumple

Entonces existen dos races reales, en este

Mediante el mtodo grafico encuentre la raz de la funcin cos() 3

Con la tabla podemos darnos cuenta que el intervalo a tener consideracin si se

Si f es una funcin continua sobre el intervalo [, ] y si () () < 0,

El mtodo de biseccin consiste en dividir el intervalo en 2 subintervalos de igual

Por ejemplo, suponga que f tiene un cero en el intervalo [, ].

A continuacin se renombra a como y se comienza una vez ms con el nuevo

Si ()() > 0 , entonces ()() < 0 y en este caso se renombra a como .

En ambos casos se ha generado un nuevo intervalo que contiene un cero de , y el

La funcin () = 1 tiene un cero en el intervalo [0,2], porque (0) = 1

En la tabla de abajo se muestran las primeras nueve iteraciones del mtodo de

En el ejemplo anterior si = 0.005, el procedimiento se parara en la octava

Cuando se generan aproximaciones por medio de una computadora, se recomienda

Teorema. (Error en el mtodo de biseccin).

De acuerdo con el teorema anterior, en el mtodo de biseccin es posible

Programas resueltos con el programa:

En este ejemplo la funcin a evaluar es () = 3 + 2 2 + 10 20 al tabular

Ingrese funcin a analizar: 'x*sin(x)-1'

En este ejemplo se utiliza la ecuacin antes utilizada en los ejemplos que es () =

Mtodo de la falsa posicin

Aun cuando la biseccin es una tcnica perfectamente vlida para determinar

Usando tringulos semejantes (como los que se muestran en la representacin

Algoritmo del mtodo de la falsa posicin

A continuacin, se muestra un pseudocdigo para el mtodo de falsa

Falsa posicin modificada

Problemas resueltos con el programa:

Resolviendo por el mtodo de Falsa Posicin, se usaron dos puntos alrededor de la

2. Utilizando el Mtodo de la falsa posicin, realizar 6 iteraciones para resolver () =

3. Utilizando el Mtodo de la falsa posicin, realizar 6 iteraciones para resolver () =

f_falsapos('x.^3 + 3*x.^2 + 10*x - 30',1,2,0.0001)

2. Determine las races reales () = 0.52 + 2.5 + 4.5:

Conclusin: En este problema se nos pide que mediante el mtodo grfico y el

3. Determine las races reales de () = 25 + 82 90^2 + 44^3 8^4 +

Conclusin: En este problema nos pide que mediante el mtodo de biseccin

4. Determine la raz real () = 28 60 . ^2 + 20 . ^3 6 . ^4 +

5. Encuentren las races de () = 12 21 + 182 2.753. a) Grficamente

Introdusca la funcion que ser analizada: '-12-21*x+18*x^2-2.75*x^3'

Conclusin: Al obtener la raz por los diferentes mtodos pedidos en el problema,

2.2 Mtodos abiertos: Iteracin punto fijo, Mtodo de

Iteracin de Punto Fijo

Comenzando de nuevo con 0 = 4 se obtiene:

Se puede concluir con la quinta interacion que nuestra raz es aproximadamente

Sustituyendo en la frmula de Newton-Raphson, obtenemos:

Aprox. a la raz Error

De lo cual concluimos que la aproximacin a la raz es:

2. Efecte tres iteraciones del mtodo de la secante para la

Para este caso (4 ) = 0.000896772969 ; |(4 )| < 0.0009.

Este ejercicio se resolvi con el mtodo de biseccin en la seccin anterior y

El mtodo de la secante converge a la solucin ms lentamente que el mtodo

3. Usar el mtodo de la secante para aproximar la raz de () = 2 +

Con un error aproximado de:

Como todava no se logra el objetivo, continuamos con el proceso.

f_falsapos('x.^3 + 3x.^2 + 10x - 30',1,2,0.0001)

Introdusca la funcion que ser analizada: '-12-21x+18x^2-2.75*x^3'

Ingrese funcin f: '2x^3-11.7x^2+17.7x-5'

Ingrese funcin a evaluar: '-1+5.5x-4x^2'