METODOS NUMERICOS

FASE 1 UNIDAD 1: Error y Ecuaciones no Lineales

CÓDIGO: 100401_14

Presentado a:
YUDI ESTER RAMIREZ
TUTORA.

Entregado por:
CRISTIAN DAVID TRIANA NIÑO Código: 1070967504
LUIS ALEJANDRO PIRANEQUE MOLINA Código: 1070949016

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
FACATATIVA/ CUNDINAMARCA
MARZO DE 2018
 INTRODUCCION

En este proyecto encontraremos, teoría respecto a los métodos numéricos donde se

desarrollarán los contenidos, también encontraremos una variedad de teorías y
teoremas, como también ejemplos de cada caso, también encontrares las diferencias
entre cada uno de estos casos, como son el método de Emules y el método Runge
Kutta.
También encontraremos las teorías de los tres métodos numéricos, también tendremos
ejemplos de cada método numérico.
Es importante leer y entender cada método numérico, estos métodos numéricos nos
sirven para una gran utilidad y resolución de problemas.
La importancia de este trabajo reside en el hecho de que en la mayoría de las
ocasiones se carece de métodos analíticos exactos que permitan obtener tales
soluciones. Esta situación es particularmente relevante cuando se estudian aplicaciones
de las Matemáticas a las demás Ciencias.
Aportes 1: Solucionar.

1. Desde su campo de formación plantee y de solución a dos ejemplos

sobre los tipos de errores (error absoluto, relativo, error relativo
aproximado, error por truncamiento y por redondeo), teniendo en
cuenta la precisión y exactitud de los mismos.

Error Absoluto

Se tomaron 3 unidades de paquetes de harina de trigo de 500 gr para realizarle

un seguimiento de peso real en una báscula dando como resultado

𝑯𝒂𝒓𝒊𝒏𝒂 𝒂 = 𝟓𝟎𝟏, 𝟑𝒈𝒓

𝑯𝒂𝒓𝒊𝒏𝒂 𝒃 = 𝟒𝟗𝟗, 𝟖𝒈𝒓

𝒉𝒂𝒓𝒊𝒏𝒂 𝒄 = 𝟓𝟎𝟎, 𝟐𝒈𝒓

Hallar su error absoluto y error relativo

Solución:

Primero hallamos el promedio 𝑥̅

𝑋1 + 𝑋2 + 𝑋3 + ⋯ 𝑋𝑁
𝑋̅ =
𝑁

Donde

𝑋1 = 𝑃𝑒𝑠𝑜 ℎ𝑎𝑟𝑖𝑛𝑎 𝑎

𝑋2 = 𝑃𝑒𝑠𝑜 ℎ𝑎𝑟𝑖𝑛𝑎 𝑏

𝑋3 = 𝑃𝑒𝑠𝑜 ℎ𝑎𝑟𝑖𝑛𝑎 𝑐

𝑁 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

 501,3𝑔𝑟 + 499,8𝑔𝑟 + 500,2𝑔𝑟
𝑋̅ =
3

𝑋̅ = 500,4𝑔𝑟

Después hallaremos el error absoluto (e) donde:

|𝑋1 − 𝑋̅| + |𝑋2 − 𝑋̅| + |𝑋3 − 𝑋̅| + ⋯ |𝑋𝑛 − 𝑋̅|

𝑒=
𝑁

|501,3𝑔𝑟 − 500,4𝑔𝑟| + |499,8 − 500,4| + |500,2 − 500,4𝑔𝑟|

𝑒=
3

|0,9𝑔𝑟| + |−0,6| + |−0,2|

𝑒=
3

|0,1𝑔𝑟|
𝑒=
3

𝒆 = 𝟎, 𝟎𝟑𝒈𝒓

Obteniendo su error absoluto se procede a hallar su error relativo (E).

Donde:

𝒆
𝑬= ∗ 𝟏𝟎𝟎
̅
𝑿

𝟎, 𝟎𝟑𝒈𝒓
𝑬= ∗ 𝟏𝟎𝟎
𝟓𝟎𝟎, 𝟒𝒈𝒓

𝑬 = 𝟓, 𝟗𝟗%
Error relativo aproximado

En un inventario de materias primas de una fabrica de alimentos se encontró

que en el sistema se registra una cantidad de 150 kg de sal pero al revisar
físicamente esta registra un peso de 155,3kg hallar el valor del error relativo
aproximado

(𝑽𝒂𝒄𝒕𝒖𝒂𝒍 − 𝑽𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓)
𝑬𝑹𝑨 = ∗ 𝟏𝟎𝟎
(𝑽𝒂𝒄𝒕𝒖𝒂𝒍 )

(𝟏𝟓𝟓, 𝟑𝒌𝒈 − 𝟏𝟓𝟎𝒌𝒈)

𝑬𝑹𝑨 = ∗ 𝟏𝟎𝟎
(𝟏𝟒𝟕, 𝟑𝒌𝒈)

(𝟏𝟓𝟓, 𝟑𝒌𝒈 − 𝟏𝟓𝟎𝒌𝒈)

𝑬𝑹𝑨 = ∗ 𝟏𝟎𝟎
(𝟏𝟓𝟓, 𝟑𝒌𝒈)

𝟓, 𝟑𝑲𝒈
𝑬𝑹𝑨 = ∗ 𝟏𝟎𝟎
(𝟏𝟓𝟓, 𝟑𝒌𝒈)

𝑬𝑹𝑨 = 𝟑, 𝟒𝟏%

Error por truncamiento y redondeo

Al revisar el contador de la bomba que aplica color a una pastilla de
alimentos para mascotas este arroja un resultado de 1,73481 Lts por hora
hallar el error por truncamiento y redondeo a 4 cifras significativas
Por truncamiento
1,734
Por redondeo
1,735 ya que en el valor inicial el número que le sigue al 4 es mayor a 5
 2. Usar el Método de Punto Fijo para aproximar la raíz de 𝒇(𝒙) = 𝒙𝟐 − 𝟓𝒙 − 𝒆𝒙 ,
comenzando con xo=0, con 5 iteraciones.

Graficamos:

Igualamos a cero, quedando 𝑥 2 − 5𝑥 − 𝑒 𝑥 = 0

Ahora despejamos x:

5𝑥 = 𝑥 2 − 𝑒 𝑥

𝑥 2 −𝑒 𝑥 𝑥 2 −𝑒 𝑥
𝑥= 5
La llamamos g(x), quedando 𝑔(𝑥) = 5
1a iteración

𝑥0 = 0

𝑥2 − 𝑒 𝑥
𝑥1 =
5

02 − 𝑒 0 −1
𝑥1 = = = −0.2
5 5

𝑥1 − 𝑥0 −0.2 − 0
𝐸=| ∗ 100| = | ∗ 100| = 100%
𝑥1 −0.2

2a iteración

𝑥1 = −0.2

𝑥2 − 𝑒 𝑥
𝑥2 =
5

(−0.2)2 − 𝑒 −0.2 −0.7787308

𝑥2 = = = −0.1557462
5 5

𝑥2 − 𝑥1 −0.1557462 − (−0.2)
𝐸=| ∗ 100| = | ∗ 100| = 28.41%
𝑥2 −0.1557462

3a iteración

𝑥2 = −0.1557462

𝑥2 − 𝑒 𝑥
𝑥3 =
5

(−0.1557462)2 − 𝑒 −0.1557462 −0.8315195

𝑥3 = = = −0.1663039
5 5

𝑥3 − 𝑥2 −0.1663039 − (−0.1557462)
𝐸=| ∗ 100| = | ∗ 100| = 6.35%
𝑥3 −0.1663039
4a iteración

𝑥3 = −0.1663039

𝑥2 − 𝑒 𝑥
𝑥4 =
5

(−0.1663039)2 − 𝑒 −0.1663039 −0.8191319

𝑥4 = = = −0.1638264
5 5

𝑥4 − 𝑥3 −0.1638264 − (−0.1663039)
𝐸=| ∗ 100| = | ∗ 100| = 1.51%
𝑥4 −0.1638264

5a iteración

𝑥4 = −0.1638264

𝑥2 − 𝑒 𝑥
𝑥5 =
5

(−0.1638264)2 − 𝑒 −0.1638264 −0.8220503

𝑥5 = = = −0.1644101
5 5

𝑥5 − 𝑥4 −0.1644101 − (−0.1638264)
𝐸=| ∗ 100| = | ∗ 100| = 0.35%
𝑥5 −0.1644101

El método nos halló la raíz 𝛼 = −0.1644101, con un error de 0.35%

Aporte 2:

3. Determine la raíz de la función 𝟎 = 𝒙𝟐 − 𝒆−𝒙 , usando el Método de

Newton-Raphson con xo= -2. Realice 3 iteraciones. Calcule el
 error relativo porcentual en la última iteración, con base en el
hecho de que la raíz es 0,70346742250.

Formula del método Newton-Raphson

𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓′(𝑥𝑛 )

𝑠𝑖 𝑓′(𝑥𝑛 ) ≠ 0
Donde
𝑓(𝑥) = 𝒙𝟐 − 𝒆(−𝒙)
Y su derivada
𝑓 ′ (𝑥) = 𝟐𝒙 + 𝒆(−𝒙)

realizaremos las iteraciones partiendo de

𝒙𝟎 = 𝒙𝒏 = −𝟐

(−𝟐)𝟐 − 𝒆(𝟐)
𝑥1 = −2 −
𝟐(−𝟐) + 𝒆(𝟐)

𝑥1 = −2 + 1

𝒙𝟏 = −𝟏

(−𝟏)𝟐 − 𝒆(𝟏)
𝑥2 = −1 −
𝟐(−𝟏) + 𝒆

𝑥2 = −1 + 2,39221119

𝒙𝟐 = 𝟏, 𝟑𝟗𝟐𝟐𝟏𝟏𝟏𝟗

(1,39221119)2 − e(−1,39221119)
x3 = 1,39221119 −
2(1,39221119) + e(−1,39221119)
1,689726837
x3 = 1,39221119 −
3,0329475403

𝑥3 = 1,39221119 − 0,557123661

𝑥3 = 𝟎, 𝟖𝟑𝟓𝟎𝟖𝟕𝟓𝟐𝟗
Ahora se obtiene su error relativo porcentual en la iteración 3 donde

𝒙 𝒏𝒖𝒆𝒗𝒂 − 𝒙 𝒂𝒏𝒕𝒊𝒈𝒖𝒂
𝒆𝒓𝒓𝒐𝒓 = [ ] ∗ 𝟏𝟎𝟎
𝒙 𝒏𝒖𝒆𝒗𝒂

0,70346742250 − 0,835087529
𝒆𝒓𝒓𝒐𝒓 = [ ] ∗ 𝟏𝟎𝟎
0,70346742250

𝒆𝒓𝒓𝒐𝒓 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 = 𝟏𝟖, 𝟕𝟏𝟎𝟏𝟗𝟐𝟏𝟔 %

2. Aproxime con 10-4 de precisión la raíz de la ecuación 𝒙 − 𝟎, 𝟖 − 𝟎, 𝟐𝒔𝒆𝒏(𝒙) = 𝟎

en el intervalo [0,1/2ϖ] utilizando el método de la secante.

Aporte 3: Solucionar.

3. Determine las raíces reales de 𝑓(𝒙) = −𝟐𝟔 + 𝟖𝟐, 𝟑𝒙 − 𝟖𝟖𝒙𝟐 + 𝟒𝟓, 𝟒𝒙𝟑 -𝟗𝒙𝟒 + 𝟎, 𝟔𝟓𝒙𝟓
usando el Método de la Regla Falsa aproximar en el intervalo [0.5 , 1] con ξa = 0,1%
4. Determine las raíces reales de 𝑓(𝒙) = −𝟐𝟔 + 𝟖𝟐, 𝟑𝒙 − 𝟖𝟖𝒙𝟐 + 𝟒𝟓, 𝟒𝒙𝟑 -𝟗𝒙𝟒 +
𝟎, 𝟔𝟓𝒙𝟓 usando el Método de la Regla Falsa aproximar en el intervalo [0.5
, 1] con ξa = 0,1%

Calculamos la primera aproximación

𝑥𝑎 = 0,5

𝑥𝑏 = 1

Reemplazando 𝑥𝑎 en la ecuación

(𝑥) = −26 + 82,3(0,5) − 88(0,5)2 + 45,4(0,5)3-9(0,5)4 + 0,65(0,5)5

(𝑥) = −26 + 41,15 − 22 + 5,67, −0,56 + 0,02

𝒇(𝑥𝑎 ) = −𝟏, 𝟕𝟐

Reemplazando 𝑥𝑏 en la ecuación
(𝑥) = −26 + 82,3(1) − 88(1)2 + 45,4(1)3 -9(1)4 + 0,65(1)5

(𝑥) = −26 + 82,3 − 88 + 45,4-9 + 0,65

𝒇(𝑥𝑏 ) = 𝟓, 𝟑𝟓

Obteniendo estos datos procederé a usar la formula de la regla falsa

𝑓(𝑥𝑏 [𝑥𝑎 − 𝑥𝑏 ]
𝑥𝑟1 = 1 −
𝑓(𝑥𝑎) − 𝑓(𝑥𝑏)

5,35[0,5 − 1]
𝑥𝑟1 = 1 −
−1,72 − 5,35

−2,675
𝑥𝑟1 = 1 −
−7,07

𝒙𝒓𝟏 = 𝟎, 𝟔𝟎𝟎

Puesto que solamente tengo una aproximación debo seguir con el proceso

𝑓(𝑥𝑟1 ) = −26 + 82,3(0,6) − 88(0,6)2 + 45,4(0,6)3-9(0,6)4 + 0,65(0,6)5

𝑓(𝑥𝑟1 ) = −26 + 49,38 − 31,68 + 9,81-1,17 + 0,05

𝑓(𝑥𝑟1 ) = 0,39

aplicamos la formula para comprobar si se reemplaza en 𝑥𝑎 𝑂 𝑥𝑏

𝑓(𝑋𝑎) ∗ 𝑓(𝑋𝑟)

−1,72 ∗ 0,39 = −0,67 < 0

Hacemos 𝑥𝑟 en 𝑥𝑏

𝑥𝑎 = 0,500

𝑥𝑏 = 0,600

𝑓(𝑥𝑎 ) = −1,717

𝑓(𝑥𝑏 ) = 0,391
la ecuación de la falsa posición y tendremos

𝑓(𝑥𝑏) [𝑥𝑎 − 𝑥𝑏 ]
𝑥𝑟2 = 𝑥𝑏 Realizamos −
𝑓(𝑥𝑎) − 𝑓(𝑥𝑏)

0,391[0,500 − 0,600]
𝑥𝑟2 = 0,6 −
−1,717 − 0,391

𝒙𝒓𝟐 = 𝟎, 𝟓𝟖𝟏
Se procede a realizar el cálculo del error absoluto para verificar el porcentaje de error

𝑋𝑟 𝐴𝑐𝑡𝑢𝑎𝑙 − 𝑋𝑟 𝐴𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐸𝑎 = ∗ 100
𝑋𝑟 𝐴𝑐𝑡𝑢𝑎𝑙
0,581 − 0,600
𝐸𝑎 = ∗ 100 = −3,27%
0,581
Como podemos observar el Error absoluto no es el estimado procederemos a realizar otra iteración esta
vez reemplazando 𝒙𝒓𝟐 = 𝟎, 𝟓𝟖1 en 𝑥𝑏

𝑥𝑎 = 0,500

𝑥𝑏 = 0,581

𝑓(𝑥𝑎 ) = −1,717

Reemplazando 𝑥𝑏 = 0,581 en la ecuación inicial nos queda

𝑓(𝑥𝑏 ) = 0,032

la ecuación de la falsa posición y tendremos

𝑓(𝑥𝑏) [𝑥𝑎 − 𝑥𝑏 ]
𝑥𝑟3 = 𝑥𝑏 Realizamos −
𝑓(𝑥𝑎) − 𝑓(𝑥𝑏)

0,032[0,500 − 0,581]
𝑥𝑟3 = 0,581 −
−1,717 − 0,032

𝒙𝒓𝟑 = 𝟎, 𝟓𝟖𝟎
Se procede a realizar el cálculo del error absoluto para verificar el porcentaje de error
 𝑋𝑟 𝐴𝑐𝑡𝑢𝑎𝑙 − 𝑋𝑟 𝐴𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐸𝑎 = ∗ 100
𝑋𝑟 𝐴𝑐𝑡𝑢𝑎𝑙
0,580 − 0,581
𝐸𝑎 = ∗ 100 = −1,72%
0,580
Como podemos observar el Error absoluto no es el estimado procederemos a realizar otra iteración esta
vez reemplazando 𝒙𝒓𝟑 = 𝟎, 𝟓𝟖0 en 𝑥𝑏

𝑥𝑎 = 0,500

𝑥𝑏 = 0,580

𝑓(𝑥𝑎 ) = −1,717

Reemplazando 𝑥𝑏 = 0,580 en la ecuación inicial nos queda

𝑓(𝑥𝑏 ) = 0,013

la ecuación de la falsa posición y tendremos

𝑓(𝑥𝑏) [𝑥𝑎 − 𝑥𝑏 ]
𝑥𝑟4 = 𝑥𝑏 Realizamos −
𝑓(𝑥𝑎) − 𝑓(𝑥𝑏)

0,013[0,500 − 0,580]
𝑥𝑟4 = 0,580 −
−1,717 − 0,013

𝒙𝒓𝟒 = 𝟎, 𝟓𝟕𝟗

Se procede a realizar el cálculo del error absoluto para verificar el porcentaje de error

𝑋𝑟 𝐴𝑐𝑡𝑢𝑎𝑙 − 𝑋𝑟 𝐴𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐸𝑎 = ∗ 100
𝑋𝑟 𝐴𝑐𝑡𝑢𝑎𝑙
0,579 − 0,580
𝐸𝑎 = ∗ 100 = 0,17%
0,579

Hasta aquí se estima el valor del error absoluto de la ecuación

Por lo cual nuestra raíz es 0,579

5. Demostrar que f(x) = x3 + 2x2 – 6 tiene una raíz en [1, 2] y utilizando el Método
de bisección determine una aproximación a la raíz con una precisión de al
menos 10-4

Solución

Función a la que se le
quiere encontrar la raíz
𝑓(𝑥) = 𝑥 3 + 2𝑥 2 − 6
Método utilizado Método de bisección

𝑏−𝑎
𝑥𝑖 = 𝑎 +
Ecuación para las 2
iteraciones

Número de iteraciones Las necesarias para alcanzar una precisión de

10−4

[1,2]
Intervalo

En la tabla anterior se muestra la información más importante para utilizar el método de

bisección. A continuación se muestra el proceso de las iteraciones para lograr una
precisión de al menos 10−4 .
𝑓(𝑥) = 𝑥 3 + 2𝑥 2 − 6, [1,2]
𝑎 = 1, 𝑏=2
𝑓(𝑎) = 𝑓(1) = (1)3 + 2(1)2 − 6 = −3
𝑓(𝑏) = 𝑓(2) = (2)3 + 2(2)2 − 6 = 10
Como las respuestas son de signos opuestos se demuestra que hay una solución en el
intervalo dado.

𝑖=1
2−1 3
𝑥1 = 1 + =
2 2
15
𝑓(3/2) =
8

𝑖=2
3
𝑎 = 1, 𝑏=
2

3/2 − 1 5
𝑥2 = 1 + =
2 4
59
𝑓(5/4) = −
64

𝑖=3
3
𝑎 = 5/4, 𝑏=
2

5 3/2 − 5/4 11
𝑥3 = + =
4 2 8

𝑓(11/8) = 195/512
𝑖=4
11
𝑎 = 5/4, 𝑏=
8

5 11/8 − 5/4 21
𝑥4 = + =
4 2 16

𝑓(21/16) = −0.293701

𝑖=5
11
𝑎 = 21/16, 𝑏=
8

21 11/8 − 21/16 43
𝑥5 = + = = 1.34375
16 2 32

𝑓(43/32) = 0.0377

𝑖=6
43
𝑎 = 21/16, 𝑏=
32

21 43/32 − 21/16 85
𝑥6 = + = = 1.328125
16 2 64

85
𝑓( ) = −0.1295
64

𝑖=7
 43
𝑎 = 85/64, 𝑏=
32

85 43/32 − 85/64 171

𝑥6 = + = = 1.3359
64 2 128

43
𝑎 = 171/128, 𝑏=
32
𝑖=8
171 43/32 − 171/128 343
𝑥8 = + = = 1.3398
128 2 256
343
𝑓( ) = −0.00473
256

43
𝑎 = 343/256, 𝑏=
32
𝑖=9
343 43/32 − 343/256 687
𝑥9 = + = = 1.3417
256 2 512
687
𝑓( ) = 0.0166
512

𝑖 = 10
687
𝑎 = 343/256, 𝑏=
512

343 687/512 − 343/256 1373

𝑥10 = + = = 1.3408
256 2 1024

1373
𝑓( ) = 6.1237 ∗ 10−3
1024
𝑖 = 11

1373
𝑎 = 343/256, 𝑏=
1024

343 1373/1024 − 343/256 2745

𝑥11 = + = = 1.340332
256 2 2048

2745
𝑓( ) = 8.73 ∗ 10−4
2048

𝑖 = 12

2745
𝑎 = 343/256, 𝑏=
2048

343 2745/2048 − 343/256

𝑥12 = + = 1.34008
256 2

𝑓(1.34008) = −1.75 ∗ 10−3

𝑖 = 13

2745
𝑎 = 1.34008, 𝑏=
2048

2745/2048 − 1.34008
𝑥13 = 1.34008 + = 1.34021
2
Todas las iteraciones están ordenadas en la siguiente tabla.

i a b f(a) f(b) 𝑥𝑛
1 1 2 -3 10 1.5

2 1 1.5 10 1.875 1.25

3 1.25 1.5 -0.921875 1.875 1.375

4 1.25 1.375 -0.921875 0.38086 1.3125

5 1.3125 1.375 −0.293701 0.38086 1.34375

6 1.3125 1.34375 −0.293701 0.0377 1.328125
7 1.328125 1.34375 −0.1295 0.0377 1.3359375
8 1.3359375 1.34375 -0.0463 0.0377 1.33984375

9 1.33984375 1.34375 -0.00473 0.0377 1.341797

10 1.33984375 1.341797 -0.00473 0.0166 1.34082

11 1.33984375 1.34082 -0.00473 6.1237 1.340332
∗ 10−3
12 1.33984375 1.340332 -0.00473 8.73 ∗ 10−4 1.34008
13 1.34008 1.340332 −1.75 ∗ 10−3 8.73 ∗ 10−4 1.34021

Como se observa después de la iteración número 13, se obtiene la precisión deseada

ya que el valor teórico de la raíz es aproximadamente 1.34025.
 CONCLUSIONES

En conclusión, como podemos ver que los métodos numéricos pueden aplicarse en
distintos campos, para encontrar resultados aproximados a sistemas complejos
utilizando solo operaciones matemáticas mas simples, es importante conocer los
métodos numéricos para facilitarnos la resolución de problemas matemáticos que
tienen múltiples aplicaciones en la vida real, además de que nos permite resolverlos
con mayor eficiencia, es por ello que es preciso manejar modelos que faciliten la
solución de estos.
Se conocieron diferentes métodos que nos aper
 BIBLIOGRAFÍA

 http://html.rincondelvago.com/metodos-numericos_5.html

 http://1bioquimica04.blogspot.com/2008/02/teora-de-errores.html

 http://www.mitecnologico.com/iq/Main/ImportanciaDeLosMetodosNumerico
s