Web Métodos Numéricos

Docentes Red de Curso

Periodo 16-01
 Agenda.

Lineamientos generales del curso.

Tipos de Error, Exactitud, Redondeo.

Método del punto fijo, Método de Newton- Raphson.

Método de la Secante y Método de la Regla falsa.

Método de Bisección.
 Tipos de Errores

A lo largo del tiempo, los métodos

numéricos han sido desarrollados con el
objeto de resolver problemas
matemáticos cuya solución es difícil o
imposible de obtener por medio de
los procedimientos tradicionales.
 Tipos de Errores

Las soluciones que ofrecen los métodos

numéricos son aproximaciones de los
valores reales y, por tanto, se tendrá
un cierto grado de error que será
conveniente determinar. Las aproximaciones
numéricas pueden introducir errores,
la pregunta es ¿Qué error puede
considerarse tolerable?
 Tipos de Errores

También, representan la diferencia entre

un valor calculado por una fórmula dada y
el valor verdadero. Existen varios tipos de
errores, siendo los más usuales en los
métodos numéricos el error inherente,
error de redondeo, error por
truncamiento, error absoluto y error
relativo.
 Precisión y Exactitud

Los errores en cálculos y medidas se

pueden caracterizar con respecto a su
exactitud y su precisión. La exactitud se
refiere a qué tan cercano está el valor
calculado o medido del valor verdadero.
La precisión se refiere a qué tan
cercanos se encuentran, unos de otros,
diversos valores calculados o medidos.
 Precisión

Precisión: es la cantidad de cifras que se utilizan para

representar un número. Por ejemplo:
3.141592 Tiene una precisión de 7 dígitos (6 dígitos
decimales)
3.141592654 Tiene una precisión de 10 dígitos (9 dígitos
decimales)
3.1415 Tiene una precisión de 5 dígitos (4 dígitos decimales)

También se habla de la precisión de un aparato para indicar

el número máximo de cifras que puede manejar, por
ejemplo, existen calculadoras con una precisión de 9 dígitos,
otras de 10 dígitos, etc.
 Exactitud

Exactitud: Es una medida de que tanto se acerca

un resultado a la solución, por ejemplo:

Si una de las raíces de una ecuación es 2.55, el

resultado 2.479 es mas exacto que el resultado 2.7.
sin embargo 2.479 es menos exacto que 2.6.
Ejemplo
 Error Absoluto

Se define como la diferencia que existe entre el

valor real de la magnitud a medir y el obtenido en
una medida. Puesto que es una diferencia de
valores de una misma magnitud, el error absoluto
se expresa en las mismas unidades que la
magnitud. Y se expresa mediante la siguiente
formula.
Error Absoluto
 Error Relativo

Se define como el cociente entre el error

absoluto ∆x y el valor real Xv de la magnitud, y se
expresa mediante la siguiente fórmula:
 Error Relativo
Porcentual
Es el error expresado como un porcentaje de la
cantidad de la cual tratamos de obtener una
aproximación, es decir, el error relativo. Se
expresa mediante la siguiente formula:
 Error de Truncamiento

En el subcampo matemático del análisis numérico, truncamiento es el

término usado para reducir el número de dígitos a la derecha del
separador decimal, descartando los menos significativos

Por ejemplo, dados los números reales:

3,14159265358979…
32,438191288
6,3444444444444
Para truncar estos números a 4 dígitos decimales, sólo consideramos
los 4 dígitos a la derecha de la coma decimal.
El resultado es:
3,1415
32,4381
6,3444
Error de Redondeo
 MÉTODO DEL PUNTO FIJO
Calcule la raíz de la ecuación 𝑓 𝑥 = 𝑥3 − 20𝑥 −
10
por el método de punto fijo, tomando en cuenta
el criterio 𝑔´(𝑥) < 1, el valor inicial 𝑋0 = 1 y
con un error < 1
3
𝑥= 20𝑥 + 10
Solución
3
g(𝑥) = 20𝑥 + 10

20
g´(𝑥) = 3
3 20𝑥 + 10 2

Primera iteración
𝑋0 = 1

3
𝑥1 = 20𝑥0 + 10 = 3 20(1) + 10 = 3.11

Error = 𝑥1 − 𝑥0 = 3.11 − 1 = 2.11

Segunda iteración
𝑥1 = 3.11

3
𝑥2 = 20𝑥1 + 10 = 3 20(3.11) + 10 = 4.16

Error = 𝑥2 − 𝑥1 = 4.16 − 3.11 = 1.05

20 20
g´(𝑥2) = 3 2
= 3 2
=>1
3 20𝑥2+10 3 20(4.16)+10
Tercera iteración
𝑥2 = 4.16

3
𝑥3 = 20𝑥2 + 10 = 3 20(4.16) + 10 = 4.53

Error = 𝑥3 − 𝑥2 = 4.53 − 4.16 = 0.37

20 20
g´(𝑥3) = 3 2
= 3 2
=>1
3 20𝑥3+10 3 20(4.53)+10
Cuarta iteración
𝑥3 = 4.53

3
𝑥4 = 20𝑥3 + 10 = 3 20(4.53) + 10 = 4.65

Error = 𝑥4 − 𝑥3 = 4.65 − 4.53 = 0.12

20 20
g´(𝑥4) = 3 2
= 3 2
=<1
3 20𝑥3+10 3 20(4.53)+10
Quinta iteración
𝑥4 = 4.65

3
𝑥5 = 20𝑥4 + 10 = 3 20(4.65) + 10 = 4.69

Error = 𝑥5 − 𝑥4 = 4.69 − 4.65 = 0.04

20 20
g´(𝑥5) = 3 2
= 3 2
=<1
3 20𝑥3+10 3 20(4.53)+10
Sexta iteración
𝑥5 = 4.69

3
𝑥6 = 20𝑥5 + 10 = 3 20(4.69) + 10 = 4.70

Error = 𝑥6 − 𝑥5 = 4.70 − 4.69 = 0.01

20 20
g´(𝑥6) = 3 2
= 3 2
=<1
3 20𝑥3+10 3 20(4.53)+10
Séptima iteración
𝑥6 = 4.70

3
𝑥7 = 20𝑥6 + 10 = 3 20(4.70) + 10 = 4.70

Error = 𝑥7 − 𝑥6 = 4.70 − 4.70 = 0.00

20 20
g´(𝑥7) = 3 2
= 3 2
=<1
3 20𝑥3+10 3 20(4.53)+10
 MÉTODO DE NEWTON RAPHSON
Calcular la raíz de la ecuación 𝑓 𝑥 = 𝑥3 + 𝑥2 + 5𝑥 − 10 por
el método de Newton Raphson, tomando valor inicial 𝑋0 = 1 y
con un error < 0.1

𝑓(𝑥𝑖)
𝑥𝑖+1 = 𝑥𝑖 −
𝑓´(𝑥𝑖)

𝑓 𝑥 = 𝑥3 + 𝑥2 + 5𝑥 − 10

𝑑𝑓(𝑥)
𝑓´ 𝑥 = = 3𝑥2 + 2𝑥 + 5
𝑑𝑥
Primera iteración
𝑥0 = 1

𝑓 𝑥0 = (1)3 + (1) 2 + 5(1) − 10 = -3

𝑑𝑓 𝑥0
𝑓´ 𝑥0 = = 3(1)2 + 2(1) + 5 = 10
𝑑𝑥0

𝑓(𝑥0) −3
𝑥1 = 𝑥0 − =1− = 1.3
𝑓´(𝑥0) 10

Error = 𝑥1 − 𝑥0 = 1.3 − 1 = 0.3

Segunda iteración
𝑥1 = 1.3

𝑓 𝑥1 = (1.3)3 + (1.3) 2 + 5(1.3) − 10 = 0.387

𝑑𝑓 𝑥
𝑓´ 𝑥1 = = 3(1.3)2 + 2(1.3) + 5 = 12.67
𝑑𝑥

𝑓(𝑥1) 0.387
𝑥2 = 𝑥1 − = 1.3 − = 1.3 − 0.031 = 1.269
𝑓´(𝑥1) 12.67

Error = 𝑥2 − 𝑥1 = 1.269 − 1.3 = 0.031

Tercera iteración
𝑥2 = 1.269

𝑓 𝑥2 = (1.269)3 + (1.269) 2 + 5(1.269) − 10 = 0.004

𝑑𝑓 𝑥
𝑓´ 𝑥2 = = 3(1.269)2 + 2(1.269) + 5 = 12.369
𝑑𝑥

𝑓(𝑥1) 0.004
𝑥3 = 𝑥2 − = 1.269 − = 1.269 − 0.00032 = 1.268
𝑓´(𝑥1) 12.369

Error = 𝑥3 − 𝑥2 = 1.268 − 1.269 = 0.001

 Métodos que usan
Intervalos

Método Analítico

Método Gráfico

Método de Bisección

Métodos de la Regla Falsa

Ejemplo
Método Analítico
Gráficamente
Gráfica f(x)
Método de Bisección
Método de la Regla
Falsa
GRACIAS POR SU
ATENCIÓN