1.

Dada la siguiente expresin para la funcin seno por la serie de Maclaurin:

()

()

( )
()

a) Realice un programa que aproxime el valor de la funcin para N=3, 6 y 9, para
x=3. (1 pt).

Nombre del programa: SenoxA.m

b) Calcule el error relativo real de los valores obtenidos utilizando como valor real el
resultado que ofrece la funcin seno del lenguaje de programacin usado. (1 pt).

Para x=3 y Valor real (sin(3))= 0.141120008059867

Tabla # 1. Resultados de la funcin sen(x) para N= 3,6 y 9.
N Valor de la funcin Error relativo real
3 0.091071428571428 0.354652612173936
6 0.141130627185315 7.524890051635531e-05
9 0.141120007858715 1.425398793801247e-09

Fuente: programa SenoxA.m. Autores: Molina, Mara y Daz, Jos.


c) Modifique ahora su programa para que se detenga dada una tolerancia. Pruebe
esta nueva versin para una precisin de 7 cifras significativas (recuerde usar un
criterio de parada adecuado para este objetivo). (1 pt)

Nombre del programa: SenoxC.m

Tabla # 2. Datos de entrada y valores obtenidos de la funcin sen(x).

X
N. de cifras
significativas
N. Mximo
iteraciones
Valor de la funcin Error relativo real
3 7 100 0.1411200 1.425399e-09

Fuente: programa SenoxC.m. Autores: Molina, Mara y Daz, Jos.

2. Utilice la serie de Maclaurin para el seno y la funcin exponencial

para
calcular el valor de la ecuacin (2) con x=3:

() ()

Recuerde que

()

()

Luego compare los resultados con el valor verdadero (0.007025951489350) con
nueve cifras significativas y analice el error en cada expresin. La funcin debe
devolver el valor de la serie, el nmero de iteraciones en el cual convergi y el A
o EA. (3p)

Nombre del programa: Parte2.m

Tabla # 3. Valores obtenidos de la ecuacin (2) y (3):

Funcin
N.
iteraciones
Valor de la serie Error relativo real Error absoluto
e^(-x) 22 0.0497870683 4.95784661e-10 2.46836648e-11
sin(x) 11 0.141120008 2.54221547e-11 3.58757468e-12
e^(-x)*sin(x) - 0.00702595149 4.70362556e-10 3.30474450e-12

Fuente: programa Parte2.m. Autores: Molina, Mara y Daz, Jos.

Los errores cometidos en el clculo de las funciones e^(-x) y sin(x) fueron
satisfactorios ya que estn por debajo de la tolerancia permisible. Sin embargo al
momento de obtener el valor final de la funcin de inters (e^(-x)*sin(x)) se
obtiene un margen de error producto de la acumulacin de errores calculado, no
solo en el clculo de las dos funciones origen, sino adems en el procedimiento
de multiplicacin de ambas, arrastrando un total de 3 errores de aproximacin.
Sin embargo, el error relativo de la funcin de inters con respecto al valor real
asumido se mantiene por debajo de la tolerancia establecida por las 9 cifras
significativas, calculada con la frmula de Scarborough, dando un resultado final
satisfactorio.

3. Desarrolle un programa que le permita calcular las soluciones para la ecuacin
de segundo grado ax2+bx+c=0, utilizando decimales de precisin simple (32
bits). Si utiliza MatLab/Octave puede usar la funcin single para crear variables
de precisin simple antes de utilizarlas, e.j. a=single(0). Utilice para ello la
formula exacta para determinar las races dadas por:

()

Pruebe su programa para valores de a=1, b=3000.001 y c=3. Los valores
verdaderos para las races son: x1=-0.001 y x2=-3000. Calcule el valor del error
verdadero y el error verdadero relativo y comente sobre los errores cometidos. (1
pt)

Nombre del programa: Parte3.m

Tabla # 4. Valores obtenidos de x1, x2.

Raz Valor real Valor calculado Error verdadero
Error verdadero
relativo
X1 -0.001 -9.882813e-4 1.171872e-5 0.0117187
X2 -3000 -3000 0 0

Fuente: programa Parte3.m. Autores: Molina, Mara y Daz, Jos.

Comentario de los errores obtenidos

Al utilizar los decimales de precisin simple (32 bits) para el algoritmo del
programa se incurren a errores de redondeo que suelen afectar a muchas
operaciones aritmticas, dichos errores estn ocasionados por la representacin
aproximada de cantidades matemticas mediante un nmero de cifras
significativas limitadas, en el caso de precisin simple se tienen 7 cifras
significativas, mientras que en precisin doble (64 bits) se cuenta con 16 cifras
significativas.
Se puede observar que x2cal=x2real (-3000), mientras que x1cal~=x1real,
ambos con un margen de error de 0 y 0.0117187 respectivamente. Esto se debe
a errores de redondeo por la utilizacin de precisin simple.

Ahora reformule la ecuacin para obtener el valor de la primera raz (x1) de la
siguiente manera:

()

Repita el clculo para esta raz y compare los resultados con el valor antes
conseguido. Comente sobre el error cometido en este caso, ofrezca una
explicacin de por qu ocurre este error. (1 pt)

Nombre del programa: Parte3B.m

Anlisis de los valores de X1, donde X1ant=calculado anteriormente;
X1calc=obtenido con la nueva ecuacin; erant=error relativo de X1ant con
respecto a X1real; ercalc=error relativo de X1calc con respecto a X1real.
X1real=-0.001.

Tabla # 5. Valores obtenidos de x1 con la ecuacin (5).

X1ant X1calc erant ercalc
-9.882813e-4 -0.001 0.0117187 0

Fuente: programa Parte3B.m. Autores: Molina, Mara y Daz, Jos.


Al calcular x1 con la nueva ecuacin y con decimales de precisin simple se
puede notar que la raz (x1) es igual a la raz real (x1=-0.001), lo cual se debe al
replanteamiento de la ecuacin que evita la cancelacin de resta, es decir, al
error de redondeo inducido cuando la resta de dos nmeros de punto flotante son
cercanamente iguales. Cuando dos puntos flotantes se suman, la mantisa de la
cifra con el exponente ms pequeo se transforma de tal manera que ambos
exponentes sean iguales, incurriendo a errores de redondeo al eliminar cifras de
dicha mantisa. Para casos en los que b^2>4*a*c, la diferencia en el numerador
puede ser muy pequea. En este caso la doble precisin puede reducir el
problema as como tambin una reformulacin alternativa puede usarse para
minimizar la cancelacin por resta.
En conclusin, junto con las limitaciones de la interpretacin del sistema
numrico de una computadora, las manipulaciones aritmticas reales involucran
que estos nmeros puedan tambin dar como resultado errores de redondeo.


4. Aplique manualmente los mtodos de biseccin y Newton-Raphson para obtener
la raz de la funcin

para el rango comprendido entre [-

1.5,1.5]. Para el mtodo abierto utilice el punto medio del intervalo cerrado dado.
Calcule las 8 primeras iteraciones para cada mtodo e indique si el error de cada
uno decrece o el mtodo diverge. (3 pts)

Nota: El procedimiento manual se encuentra en la hoja de examen.

Tabla # 6. Valores obtenidos de la funcin

para el
mtodo de biseccin.

MTODO DE BISECCIN
Iter a c b f(a) f(c) f(b) E.relativo
1 -1.50000 0.0000000 1.5000000 4.2812500000 1.0000000000 -11.281250000 1.000000
2 0.000000 0.7500000 1.5000000 1.0000000000 6.6630859375 -11.281250000 1.000000
3 0.7500000 1.1250000 1.5000000 6.6630859375 4.3126525879 -11.281250000 0.333333
4 1.1250000 1.3125000 1.5000000 4.3126525879 -1.0050191879 -11.281250000 0.142857
5 1.1250000 1.2187500 1.3125000 4.3126525879 2.1501248777 -1.0050191879 0.076923
6 1.2187500 1.2656250 1.3125000 2.1501248777 0.7106736424 -1.0050191879 0.037037
7 1.2656250 1.2890625 1.3125000 0.7106736424 -0.1107690334 -1.0050191879 0.018182
8 1.2656250 1.2773438 1.2890625 0.7106736424 0.3088136465 -0.1107690334 0.009174

Fuente: programa MetodoBiseccion.m. Autores: Molina, Mara y Daz, Jos.



Tabla # 7. Valores obtenidos de la funcin

para el
mtodo de newton-raphson.

MTODO DE NEWTON RAPHSON
Iter c ant. c calc. f(c calc.) f(c calc) E. relativo
1 0.00000000000 -0.10000000000 1.00000000000 10.00000000 1.000000000
2 -0.10000000000 -0.09807953070 -0.01997000000 10.39850000 0.019581000
3 -0.09807953070 -0.09807883126 -0.00000726785 10.39093007 7.131424e-6
4 -0.09807883126 -0.09807883126 -0.00000000002 10.39092732 0

Fuente: programa MetodoNewtonR.m. Autores: Molina, Mara y Daz, Jos.



Mtodo de Biseccin



Grafica # 1. Mtodo de biseccin. Fuente: programa MetodoBiseccin.m

La raz calculada es: 1.27734375
El nmero de iteraciones es: 8
El error relativo es: 0.009174
El error decrece, el mtodo converge.
-1.5 -1 -0.5 0 0.5 1 1.5
-12
-10
-8
-6
-4
-2
0
2
4
6
8
x
F
(
x
)
F(x)= -3*x
5
-2*x
2
+10x +1
Mtodo de Newton Raphson



Grafica # 2. Mtodo de Newton-Raphson. Fuente: programa MetodoNewtonR.m

La raz calculada es: -0.09807883126
El nmero de iteraciones es: 4
El error relativo es: 0
El error decrece, finalmente el mtodo converge con exactitud.


5. Desarrolle un programa para cada uno de los siguientes mtodos para encontrar
las races: biseccin, falsa posicin, Newton-Raphson y Secante. Luego haga un
programa que permita obtener la raz de cada una de las siguientes funciones
para una exactitud de 6 cifras significativas (identifique la tolerancia adecuada
para lograr la exactitud requerida). Utilice como punto de partida para los dos
mtodos abiertos el lmite superior del intervalo dado en cada caso. (4 pts).
a.

rango [-1.5,1.5]
b. () () rango [0.5,3]
c. (

) rango [1,2.5]
-0.1 -0.09 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 0
-0.2
0
0.2
0.4
0.6
0.8
1
x
F
(
x
)
F(x)= -3x
5
-2x
2
+10x +1
d.

() rango [1,4] (6)

a) Grafique el valor de las funciones para los intervalos dados. Use estas grficas
para corroborar los resultados obtenidos en la seccin b. (1 pt)


Grafica # 3. (

), evaluada en [-1.5,1.5].

-1.5 -1 -0.5 0 0.5 1 1.5
-12
-10
-8
-6
-4
-2
0
2
4
6
8
x
f
(
x
)
f(x) = -3x(5) -2x(2) +10x +1

Grafica # 4. () (), evaluada en [0.5,3].


Grafica # 5. (

) , evaluada en [1,2.5].
0.5 1 1.5 2 2.5 3
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
f(x) = -sqrt(x) +1.4*sen(3x)
x
f
(
x
)
1 1.5 2 2.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
x
f
(
x
)
f(x) = ln(x*x) -0.7


Grafica # 6.

() , evaluada en [1,4].

b) Compare los resultados que se obtienen de aplicar cada mtodo en una tabla por
cada una de las ecuaciones a resolver. En la tabla deber colocar el nmero de
iteraciones que requiere el mtodo para converger (en caso de que converja), el
valor de la solucin alcanzado, y el error aproximado relativo. (2 pts)

Nombre de los programas: MetodoBiseccion.m, MetodoFPosicion.m,
MetodoNewtonR.m y MetodoSecante.m.






Tabla # 8. Resultados obtenidos al aplicar cada mtodo para cada una de las
ecuaciones a resolver.
1 1.5 2 2.5 3 3.5 4
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
f(x) = -e(-x) * cos(2x)
x
f
(
x
)

Mtodo
N.
Iteraciones
Valor solucin E aprox. relativo
Biseccin 23 1.286017298698425 2.780894697251e-7
Falsa Posicin 10 -1.418055071315642 2.139429268528e-7
Newton-Raphson 4 1.286017118286472 3.927226816605e-5
Secante 10 -0.098078831258463 1.01885796972e-11

() ()
Mtodo
N.
Iteraciones
Valor solucin E aprox. relativo
Biseccin 23 0.813800871372223 3.662114828833e-7
Falsa Posicin 8 0.813800620552238 2.993666183997e-7
Newton-Raphson - - -
Secante 16 -4.175936 - 0.391229i 2.370193039275e-9

(

)
Mtodo
N.
Iteraciones
Valor solucin E aprox. relativo
Biseccin 22 1.419067263603210 2.520161502030e-7
Falsa Posicin 9 1.419067602221364 2.040692695758e-7
Newton-Raphson 4 1.419067395552114 4.642833644927e-4
Secante 6 1.419067548594181 3.580699484295e-8

()
Mtodo
N.
Iteraciones
Valor solucin E aprox. relativo
Biseccin - - -
Falsa Posicin - - -
Newton-Raphson 3 3.926990815399412 1.014716856996e-5
Secante 6 3.926990816987905 8.556469788230e-9

Fuente: Programas: MetodoBiseccion.m, MetodoFPosicion.m,
MetodoNewtonR.m y MetodoSecante.m. Autores: Molina, Mara y Daz, Jos.

c) Compare los resultados obtenidos para cada mtodo, comentando cmo se
comportan los errores y las velocidades de convergencia. (2 pts)

()

: Grficamente se puede notar que en el intervalo

dado esta funcin posee 3 races. En este caso en particular no puede
establecerse una comparacin entre la eficiencia de los mtodos numricos
seleccionados ya que cada uno obtuvo races distintas, exceptuando a los
mtodos de biseccin y Newton-Raphson, que alcanzaron a obtener la misma
raz en 23 y 4 iteraciones respectivamente, siendo Newton-Raphson mucho ms
veloz a pesar de representar un error relativo mayor que el arrojado por
biseccin, sin embargo ambos cumplen con los criterios de error asignados. Por
otro lado, falsa posicin obtuvo la menor de las races y a travs de la secante se
calcul la raz intermedia, ambos en solo 10 iteraciones, destacndose el mtodo
de la secante por alcanzar un error relativo de orden 1*10^(-11).

Este es un excelente ejemplo ya que pone a prueba los distintos principios
matemticos ejecutados por cada uno de los mtodos, pudiendo corroborarse
cada uno de sus comportamientos y disposicin espacial sobre el eje de la recta
de los nmeros reales a medida que avanzan en su nmero de iteraciones y que
a pesar de tomar rumbos distintos, todas tendieron a la convergencia.

() (): Los dos primeros mtodos, biseccin y falsa posicin
determinaron el valor de la raz satisfactoriamente, siendo el segundo el ms
eficiente al necesitar solo ocho iteraciones contra veintids del mtodo de
biseccin; ambos con un margen de error por debajo del requerido (6 cifras
significativas).

El mtodo de Newton-Raphson no consigui la convergencia. En la grfica de
esta funcin pueden apreciarse un mnimo (posiblemente global) y un mximo
local, ambos con una pendiente muy pronunciada, a tal punto que al aplicar el
principio de diferenciacin en los mismos, la pendiente de la recta resultante se
hace cero, haciendo imposible la continuidad de este mtodo.
Mientras tanto, el mtodo de la secante fue iniciado con valores de x0=0.5 y
x1=3, arrojando como resultado una raz imaginaria. Esto se debe a que a
medida que el mtodo se acerca a la raz ubicada grficamente, se encuentra
con una pendiente muy pronunciada en la curva, dados los valores de arranque
antes mencionados, produciendo un alejamiento hacia la izquierda en la recta de
los nmeros reales; esto eventualmente produce un valor negativo de la raz
aproximada en la sexta iteracin, momento en el cual al hacer la sustitucin de
sta en la funcin original, se procede al clculo de la raz cuadrada de un
nmero negativo, originando los resultados en el campo de los nmeros
imaginarios. En este caso se recomienda analizar la grfica de la funcin y
cambiar los valores de partida del mtodo con la finalidad de buscar la
convergencia del principio de la aproximacin de la derivada por medio de las
diferencias finitas, por ejemplo: x0=0.5 y x1=1.

(

) : El comportamiento decreciente continuo hacia la izquierda de esta

funcin (al menos en el intervalo de estudio) con una pendiente suave, hace de
este ejemplo el ideal para un anlisis de velocidad de convergencia de entre
todos los mtodos empleados. Todos lograron el objetivo de hallar la nica raz
del intervalo, siendo eficaces y precisos.

En orden creciente se empezar por el mtodo de biseccin (22 iteraciones) el
ms lento de los cuatro, seguido por falsa posicin superndolo
considerablemente al requerir solo 9 iteraciones, luego se ubica el mtodo de la
secante con 6 y finalmente, el de convergencia ms rpida: Newton-Raphson
con apenas 4 iteraciones.

Ahora bien, Newton-Raphson pudo tener la mayor velocidad, pero tambin la
precisin ms baja; mientras que el mtodo de la secante logro la mayor
precisin, seguido de falsa posicin y muy cerca, en tercer lugar, el mtodo de
biseccin (solo 0.5*10^-7 de margen de error por encima de falsa posicin).
Esto permite determinar a Newton-Raphson como el ms veloz y a la secante
como el ms preciso, sin embargo se catalogar al mtodo de Newton-Raphson
como el ms eficiente (en trminos velocidad de convergencia y precisin) ya
que cumpli con el mnimo de tolerancia requerido y a pesar de tener entre una
de sus desventajas el hecho de requerir la el clculo de la derivada de la funcin
de estudio, en la actualidad se poseen herramientas computacionales de
excelente calidad capaces de realizar este procedimiento (posiblemente
engorroso y de un elevado grado de dificultad dependiendo de la funcin) en
cuestin de milsimas de segundo.

(): Como puede apreciarse en la grfica anterior respectiva a esta

funcin, sta posee dos races comprendidas en el intervalo dado. El rango de
anlisis proporcionado posee valores a y b (valores extremos del rango) tales
que al evaluarlos en la funcin original poseen ambos signo positivo, haciendo
que no se cumpla la condicin Bolzano y los mtodos de biseccin y falsa
posicin no puedan iniciar. En este caso, se recomienda realizar un anlisis
grfico y seleccionar de forma adecuada el intervalo de estudio, por ejemplo [1 ,
3] o [4 , 3], dependiendo de la raz de inters.

Por otro lado Newton-Raphson y secante al ser mtodos abiertos, no se ven
afectados por el rango a evaluar (al menos no con respecto a sus criterios de
inicio) y lograron obtener ambos la misma raz, la mayor.

Nuevamente Newton-Raphson logr una mayor velocidad de convergencia, en
solo 3 iteraciones obtuvo un error relativo por debajo del lmite de tolerancia;
secante requiri de 6 iteraciones, ms sin embargo su precisin nuevamente fue
mayor, de casi 1*10^-5 por encima. En caso de necesitar la raz menor, es
necesario iniciar con unos valores de arranque menores con estos dos mtodos,
como x0= 2.5 en el caso de Newton-Raphson y x0=2 y x1= 2.5 para el mtodo de
la secante.

Finalmente a modo de conclusin, se pudo comprobar que no existe un mtodo
absoluto en el clculo de races de funciones. Cada uno posee ventajas y
desventajas que deben ser estudiadas con la finalidad de utilizar el ms
adecuado a las necesidades del usuario y tomar en cuenta factores
determinantes como: nmero de races en el intervalo seleccionado, velocidad de
convergencia, cumplimiento o no de la condicin Bolzano (solo para mtodos
cerrados), comportamiento de la curva, pendientes pronunciadas de la misma
(cuando la derivada en el punto a evaluar se hace cero) y tolerancia requerida.