Unidad III PDF

ANÁLISIS NUMÉRICO
José Miguel Gómez Guzmán
Ciencias Básicas y Ambientales

Instituto Tecnológico de Santo Domingo
19 de junio de 2020
Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 1 / 43

Resolución de Ecuaciones y Sistemas no Lineales Métodos Cerrados
Métodos Cerrados
Esta unidad sobre raíces de ecuaciones se ocupa de métodos que aprovechan el hecho
de que una función cambia de signo en la vecindad de una raíz. A estas técnicas se les
llama métodos cerrados, o de intervalos, porque se necesita de dos valores iniciales
para la raíz.

Métodos Cerrados
para la raíz.
Como su nombre lo indica, dichos valores iniciales deben “encerrar”, o estar a ambos
lados de la raíz. Los métodos particulares que se describen aquí emplean diferentes
estrategias para reducir sistemáticamente el tamaño del intervalo y así converger a la
respuesta correcta.

Métodos Cerrados
para la raíz.
Como su nombre lo indica, dichos valores iniciales deben “encerrar”, o estar a ambos
lados de la raíz. Los métodos particulares que se describen aquí emplean diferentes
estrategias para reducir sistemáticamente el tamaño del intervalo y así converger a la
respuesta correcta. Como preámbulo de estas técnicas se analizarán los métodos grá-
ficos para representar tanto las funciones como sus raíces. Además de la utilidad de
los métodos gráficos para determinar valores iniciales, también son útiles para visua-
lizar las propiedades de las funciones y el comportamiento de los diversos métodos
numéricos.

Resolución de Ecuaciones y Sistemas no Lineales Resolución de ecuaciones no lineales. El método gráfico
Métodos Gráficos
Un método simple para obtener una aproximación a la raíz de la ecuación f (x) = 0
consiste en graficar la función y observar dónde cruza el eje x. Este punto, que repre-
senta el valor de x para el cual f (x) = 0, ofrece una aproximación inicial de la raíz.

Métodos Gráficos
Ejemplo
Utilice el método gráfico para determinar el coeficiente de arrastre c necesario para
que un paracaidista de masa m = 68.1kg tenga una velocidad de 40m/s después de
una caída libre de t = 10s. Nota: La aceleración de la gravedad es 9.8m/s2 .

Métodos Gráficos
Ejemplo
Solución
Este problema se resuelve determinando la raíz de la ecuación
gm
1 − e−(c/m)t − v usando los parámetros t = 10, g = 9.8, v = 40 y

f (c) =
c
m = 68.1:

Métodos Gráficos
Ejemplo
Solución
gm

f (c) =
c
m = 68.1:
9.8(68.1)
f (c) = 1 − e−(c/68.1)10 − 40
c

Métodos Gráficos
Ejemplo
Solución
gm

f (c) =
c
m = 68.1:
9.8(68.1)
f (c) = 1 − e−(c/68.1)10 − 40
c
667.38
f (c) = 1 − e−0.146843c − 40 (1)
c
Solución
Diversos valores de c pueden sustituirse en el lado derecho de esta ecuación
paracalcular
(a) Tabla

Solución
Diversos valores de c pueden sustituirse en el lado derecho de esta ecuación
paracalcular
(a) Tabla (b) Grafica
Figura: (a) Tabla de resultado, (b) Grafica de la ecuación

Solución
La curva resultante cruza el eje c entre 12 y 16.
Un vistazo a la gráfica proporciona una aproximación a la raíz de 14.75. La validez
de la aproximación visual se verifica sustituyendo su valor en la ecuación (1) para
obtener

Solución
La curva resultante cruza el eje c entre 12 y 16.
Un vistazo a la gráfica proporciona una aproximación a la raíz de 14.75. La validez
de la aproximación visual se verifica sustituyendo su valor en la ecuación (1) para
obtener
667.38
f (14.75) = 1 − e−0.146843(14.75) − 40
14.75
el cual está cercano a cero.

Resolución de Ecuaciones y Sistemas no Lineales EL MÉTODO DE BISECCIÓN
EL MÉTODO DE BISECCIÓN
Este método consiste en obtener una mejor aproximación de la raíz a partir de un

intervalo inicial (a, b) en el cual hay un cambio de signo en la función, es decir,


f (a)f (b) < 0.
Los métodos de búsqueda incremental aprovechan esta característica localizando un
intervalo en el que la función cambie de signo.


f (a)f (b) < 0.
Entonces, la localización del cambio de signo (y, en consecuencia, de la raíz) se logra
con más exactitud al dividir el intervalo en varios subintervalos.


f (a)f (b) < 0.
Entonces, la localización del cambio de signo (y, en consecuencia, de la raíz) se logra
con más exactitud al dividir el intervalo en varios subintervalos.
Se investiga cada uno de estos subintervalos para encontrar el cambio de signo.
pause El proceso se repite y la aproximación a la raíz mejora cada vez más en la medida
que los subintervalos se dividen en intervalos cada vez más pequeños.

Paso para el método de bisección

El método de bisección, conocido también como de corte binario, de partición de inter-
valos o de Bolzano, es un tipo de búsqueda incremental en el que el intervalo se divide
siempre a la mitad. Si la función cambia de signo sobre un intervalo, se evalúa el valor
de la función en el punto medio. La posición de la raíz se determina situándola en el
punto medio del subintervalo, dentro del cual ocurre un cambio de signo. El proceso
se repite hasta obtener una mejor aproximación.


Algoritmo sencillo para los cálculos de la bisección


1 Elija valores iniciales inferior, a, y superior, b, que encierren la raíz, de forma tal
que la función cambie de signo en el intervalo. Esto se verifica comprobando que
f (a)f (b) < 0.


f (a)f (b) < 0.
a+b
2 Una aproximación de la raíz xm se determina mediante xm =
2


f (a)f (b) < 0.
a+b
2
3 Realice las siguientes evaluaciones para determinar en qué subintervalo está la
raíz:


f (a)f (b) < 0.
a+b
2
raíz:
a) Si f (a)f (xm ) < 0, entonces la raíz se encuentra dentro del subintervalo inferior o
izquierdo. Por lo tanto, haga b = xm y vuelva al paso 2.


f (a)f (b) < 0.
a+b
2
raíz:


f (a)f (b) < 0.
a+b
2
raíz:
b) Si f (a)f (xm ) > 0, entonces la raíz se encuentra dentro del subintervalo superior o
derecho. Por lo tanto, haga a = xm y vuelva al paso 2.


f (a)f (b) < 0.
a+b
2
raíz:


f (a)f (b) < 0.
a+b
2
raíz:
c) Si f (a)f (xm ) = 0, la raíz es igual a xm ; termina el cálculo.
Ejemplo
Emplee el método de bisección para para determinar el coeficiente de arrastre c
necesario para que un paracaidista de masa m = 68.1kg tenga una velocidad de
40m/s después de una caída libre de t = 10s. Nota: La aceleración de la gravedad es
9.8m/s2 . De forma tal que
667.38
f (c) = 1 − e−0.146843c − 40 (2)
c
Hasta que el error aproximado sea menor que el criterio de terminación de es ≤ 0.5 %. Use la
xm actual − xm anterior
ecuación ea = | |100 % para calcular los errores.
xm actual
Solución
El primer paso del método de bisección consiste en asignar dos valores iniciales a la
incógnita (en este problema, c) que den valores de f (c) con diferentes signos.

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (2)
c
xm actual
Solución
De la tabla presentada en el ejemplo del método gráfico se observa que la función
cambia de signo entre los valores 12 y 16.

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (2)
c
xm actual
Solución
Por lo tanto, la estimación inicial de la raíz xm se encontrará en el punto medio del
intervalo
12 + 16
xm = = 14
2
Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (2)
c
xm actual
Solución
Por lo tanto, la estimación inicial de la raíz xm se encontrará en el punto medio del
intervalo
12 + 16
xm = = 14
2
Solución
A continuación calculamos el producto de los valores en la función en un límite
inferior y en el punto medio:

Solución
f (12)f (14) = 6.067(1.569) = 9.517

Solución
f (12)f (14) = 6.067(1.569) = 9.517
que es mayor a cero y, por lo tanto, no ocurre cambio de signo entre el límite inferior
y el punto medio. En consecuencia, la raíz debe estar localizada entre 14 y
16.

Solución
f (12)f (14) = 6.067(1.569) = 9.517
16.Entonces,se crea un nuevo intervalo redefiniendo el límite inferior como 14 y
determinando una nueva aproximación corregida de la raíz

Solución
f (12)f (14) = 6.067(1.569) = 9.517
14 + 16
xm = = 15
2

Solución
f (12)f (14) = 6.067(1.569) = 9.517
14 + 16
xm = = 15
2
la cual representa un error porcentual aproximado ea = 6.67 %. Este proceso se
repite para obtener una mejor aproximación. Por ejemplo,
f (14)f (15) = 1.569(−0.425) = −0.666

Solución
f (12)f (14) = 6.067(1.569) = 9.517
14 + 16
xm = = 15
2
la cual representa un error porcentual aproximado ea = 6.67 %. Este proceso se
repite para obtener una mejor aproximación. Por ejemplo,
f (14)f (15) = 1.569(−0.425) = −0.666

Solución
Por lo tanto, la raíz está entre 14 y 15. El límite superior se redefine como 15 y la raíz
estimada para la tercera iteración se calcula así:

Solución
14 + 15
xm = = 14.5
2

Solución
14 + 15
xm = = 14.5
2
que representa un error porcentual aproximado ea = 3.448 %. Este método se repite
hasta que el resultado sea suficientemente exacto para satisfacer sus necesidades.
f (14)f (14.5) = 1.569(0.5523) = 0.8666

Solución
14 + 15
xm = = 14.5
2
f (14)f (14.5) = 1.569(0.5523) = 0.8666
Por lo tanto, la raíz está entre 14.5 y 15. El límite superior se inferio se redefine como
14.5 y la raíz estimada para la cuarta iteración se calcula así:

Solución
14 + 15
xm = = 14.5
2
f (14)f (14.5) = 1.569(0.5523) = 0.8666
14.5 + 15
xm = = 14.75
2

Solución
14 + 15
xm = = 14.5
2
f (14)f (14.5) = 1.569(0.5523) = 0.8666
14.5 + 15
xm = = 14.75
2

II
Ejemplo
Buscar la raíz de x5 − x + 3 = 0 con un es ≤ 0.1

II
Ejemplo
Solución
f (−2) = (−2)5 − (−2) + 3 = −32 + 2 + 3 = −27 negativo

II
Ejemplo
Solución
f (−2) = (−2)5 − (−2) + 3 = −32 + 2 + 3 = −27 negativo
f (−1) = (−2)5 − (−1) + 3 = −1 + 1 + 3 = 3 positivo

II
Ejemplo
Solución
f (−2) = (−2)5 − (−2) + 3 = −32 + 2 + 3 = −27 negativo
f (−1) = (−2)5 − (−1) + 3 = −1 + 1 + 3 = 3 positivo
−2 + (−1) −3
x1 = = = −1.5
2 2
Iteración I

II
Ejemplo
Solución
f (−2) = (−2)5 − (−2) + 3 = −32 + 2 + 3 = −27 negativo
f (−1) = (−2)5 − (−1) + 3 = −1 + 1 + 3 = 3 positivo
−2 + (−1) −3
x1 = = = −1.5
2 2
Iteración If (−1.5) = (−1.5)5 − (−1.5) + 3 = −7.59 + 1.5 + 3 = −3.09375 negativo
El intervalo donde cambia el signo es

II
Ejemplo
Solución
f (−2) = (−2)5 − (−2) + 3 = −32 + 2 + 3 = −27 negativo
f (−1) = (−2)5 − (−1) + 3 = −1 + 1 + 3 = 3 positivo
−2 + (−1) −3
x1 = = = −1.5
2 2
Iteración If (−1.5) = (−1.5)5 − (−1.5) + 3 = −7.59 + 1.5 + 3 = −3.09375 negativo
El intervalo donde cambia el signo es (−1.5, −1)

Solución
Calculando en el nuevo intervalo obtenemos una nueva iteración

Solución
−1.5 + (−1)
x2 = = −1.25
2

Solución
−1.5 + (−1)
x2 = = −1.25
2
f (−1.25) = (−1.25)5 − (−1.25) + 3 = −3.0 + 1.25 + 3 = 1.19824 positivo

Solución
−1.5 + (−1)
x2 = = −1.25
2
f (−1.25) = (−1.25)5 − (−1.25) + 3 = −3.0 + 1.25 + 3 = 1.19824 positivo

Solución
−1.5 + (−1)
x2 = = −1.25
2
f (−1.25) = (−1.25)5 − (−1.25) + 3 = −3.0 + 1.25 + 3 = 1.19824 positivo
−1.25 − (−1.5)
ea =| |= 0.2
−1.25

Solución
−1.5 + (−1)
x2 = = −1.25
2
f (−1.25) = (−1.25)5 − (−1.25) + 3 = −3.0 + 1.25 + 3 = 1.19824 positivo
−1.25 − (−1.5)
ea =| |= 0.2
−1.25
La raíz R esta en el intervalo (−1.5, −1.25)

Solución
−1.5 + (−1)
x2 = = −1.25
2
f (−1.25) = (−1.25)5 − (−1.25) + 3 = −3.0 + 1.25 + 3 = 1.19824 positivo
−1.25 − (−1.5)
ea =| |= 0.2
−1.25
−1.5 + (−1.5)
x3 = = −1.375
2

Solución
−1.5 + (−1)
x2 = = −1.25
2
f (−1.25) = (−1.25)5 − (−1.25) + 3 = −3.0 + 1.25 + 3 = 1.19824 positivo
−1.25 − (−1.5)
ea =| |= 0.2
−1.25
−1.5 + (−1.5)
x3 = = −1.375
2
f (−1.375) = (−1.375)5 − (−1.375) + 3 = −0.5398 negativo
III
Ejemplo
Encontrar una raíz real de: ex−1 − 1.5x = 0
Con una tolerancia de :|xi+1 − xi | < 0.1

III
Ejemplo
Solución
f (0) = e0−1 − 1.5(0) = 0.3678

III
Ejemplo
Solución
f (0) = e0−1 − 1.5(0) = 0.3678
f (1) = e1−1 − 1.5(1) = −0.5 ITERACIÓN 1
Con un ímite de (0, 1)

III
Ejemplo
Solución
f (0) = e0−1 − 1.5(0) = 0.3678
f (1) = e1−1 − 1.5(1) = −0.5 ITERACIÓN 1
Con un ímite de (0, 1)
0+1
x1 = = 0.5
2
f (0.5) = e0.5−1 − 1.5(0.5) = −0.1435
ITERACIÓN 2
Con un limite de (0, 0.5)

Resolución de Ecuaciones y Sistemas no Lineales Método de la Falsa Posición
Método de la Falsa Posición
Aun cuando la bisección es una técnica perfectamente válida para determinar raíces,
su método de aproximación por “fuerza bruta“ es relativamente ineficiente. La falsa
posición es una alternativa basada en una visualización gráfica.

Un inconveneiente del método de bisección es que al dividir el intervalo de a a b en
mitades iguales, no se toman en cuenta las magnitudes de f (a) y f (b). Por ejemplo, si
f (a) está mucho más cercana a cero que f (b), es lógico que la raíz se encuentre más
cerca de a que de b.

Un inconveneiente del método de bisección es que al dividir el intervalo de a a b en
mitades iguales, no se toman en cuenta las magnitudes de f (a) y f (b). Por ejemplo, si
f (a) está mucho más cercana a cero que f (b), es lógico que la raíz se encuentre más
cerca de a que de b.
Un método alternativo que aprovecha esta visualización gráfica consiste en unir f (a)
y f (b) con una línea recta. La intersección de esta línea con el eje de las x representa
un mejor aproximación de la raíz. El hecho de que se reemplace la curva por una
línea recta de una "falsa posición"de la raíz; de aquí el nombre de método de la falsa
posición, o en latín, regula falsi. También se le conoce como método de interpolación
lineal.

Fórmula
Usando triángulos semejantes, la intersección de la línea recta con el eje de las x se
estima mediante:

Fórmula
estima mediante:
Figura: Representación gráfica del método de la falsa posición. Con los triángulos semejantes
sombreados se obtiene la fórmula para el método..

Fórmula
estima mediante:
Como se observa en la figura

f (a)
xm − a

Fórmula
estima mediante:
Como se observa en la figura

f (a) f (b)
= (3)
xm − a xm − b

Simplificando la expresión (3) se obtiene:

f (a)(xm − b) = f (b)(xm − a) (4)

f (a)(xm − b) = f (b)(xm − a) (4)
Agrupando los términos y reordenando expresión (4) se obtiene:

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)
Dividiendo entre f (a) − f (b)

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)

bf (a) − af (b)
xm =
f (a) − f (b)

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)

bf (a) − af (b)
xm =
f (a) − f (b)
Esta es una de las formas del método de la falsa posición. Esta puede ponerse en una
forma alternativa al separa los términos:

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)

bf (a) − af (b)
xm =
f (a) − f (b)
bf (a) af (b)
xm = −
f (a) − f (b) f (a) − f (b)

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)

bf (a) − af (b)
xm =
f (a) − f (b)
bf (a) af (b)
xm = −
f (a) − f (b) f (a) − f (b)
Sumando y restando b en el lado derecho:

f (a)(xm − b) = f (b)(xm − a) (4)
xm [f (a) − f (b)] = bf (a) − af (b)

bf (a) − af (b)
xm =
f (a) − f (b)
bf (a) af (b)
xm = −
f (a) − f (b) f (a) − f (b)
Sumando y restando b en el lado derecho:
bf (a) af (b)
xm = b + −b−
f (a) − f (b) f (a) − f (b)
Agrupando términos se obtiene:

bf (b) af (b)
xm = b + −
f (a) − f (b) f (a) − f (b)

bf (b) af (b)
xm = b + −
f (a) − f (b) f (a) − f (b)
o
f (b)(a − b)
xm = b − (5)
f (a) − f (b)

bf (b) af (b)
xm = b + −
f (a) − f (b) f (a) − f (b)
o
f (b)(a − b)
xm = b − (5)
f (a) − f (b)
Esta es la fórmula de la falsa posición.
El valor de xm calculado con la ecuación reemplazará, después, a cualquiera de los dos
valores iniciales, a o b, y da un valor de la función con el mismo signo de f (xm ). De
esta manera, los valores a y b siempre encierran la verdadera raíz. El proceso se repite
hasta que la aproximación a la raíz sea adecuada.

Paso para el método de la falsa posición
f (a)f (b) < 0.

f (a)f (b) < 0.

f (a)f (b) < 0.
f (b)(a − b)
2 Una aproximación de la raíz xm se determina mediante xm = b −
f (a) − f (b)

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:

f (a)f (b) < 0.
f (b)(a − b)
f (a) − f (b)
raíz:
c) Si f (a)f (xm ) = 0, la raíz es igual a xm ; termina el cálculo.

Ejemplo
Emplee el método de falsa posición para determinar el coeficiente de arrastre c
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual
Solución
de la misma forma que el método anterior se empieza el cálculo con los valores
iniciales a = 12 y b = 16.

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual
Solución
Primera iteración:
a = 12

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual
Solución
Primera iteración:
a = 12 ⇒ f (a) = 6.0699

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual
Solución
Primera iteración:
a = 12 ⇒ f (a) = 6.0699
b = 16

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual
Solución
Primera iteración:
a = 12 ⇒ f (a) = 6.0699
b = 16 ⇒ f (b) = −2.2688

Ejemplo
667.38
f (c) = 1 − e−0.146843c − 40 (6)
c
xm actual
Solución
Primera iteración:
a = 12 ⇒ f (a) = 6.0699
b = 16 ⇒ f (b) = −2.2688
−2.2688(12 − 16)
x1 = 16 − = 14.9113
6.0699 − (−2.2688)
Solución
Segunda iteración: f (a)f (x1 ) = −1.5426 Por lo tanto, la raíz se encuentra en el
primer subintervalo y xm se vuelve ahora el límite superior para la siguiente
iteración, b = 14.9113 :
a = 12

Solución
a = 12 ⇒ f (a) = 6.0699

Solución
a = 12 ⇒ f (a) = 6.0699
b = 14.9113

Solución
a = 12 ⇒ f (a) = 6.0699
b = 14.9113 ⇒ f (b) = −0.2543

Solución
a = 12 ⇒ f (a) = 6.0699
b = 14.9113 ⇒ f (b) = −0.2543
−0.2543(12 − 14.9113)
x2 = 14.9113 − = 14.7942
6.0699 − (−0.2543)
14.7942 − 14.9113
ea = | |100 % = 0.79 %
14.7942

II
Ejemplo

II
Ejemplo
Solución
Iteración I

II
Ejemplo
Solución
Iteración I
a = −2

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

El intervalo donde cambia el signo es

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

El intervalo donde cambia el signo es (−2, −1.1)

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

Iteración II

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

Iteración II
a = −2

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

Iteración II
a = −2 ⇒ f (a) = −27

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

Iteración II
a = −2 ⇒ f (a) = −27
b = −1.1

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

Iteración II
a = −2 ⇒ f (a) = −27
b = −1.1 ⇒ f (b) = 2.48949

II
Ejemplo
Solución
Iteración I
a = −2 ⇒ f (a) = −27
b = −1 ⇒ f (b) = 3
3(−2 − (−1))
x1 = −1 − = −1.1
−27 − 3
f (−1.1) = (−1.1)5 − (−1.1) + 3 = 2.48949

Iteración II
a = −2 ⇒ f (a) = −27
b = −1.1 ⇒ f (b) = 2.48949
2.48949(−2 − (−1.1))
x2 = −1.1 − = −1.17598
−27 − 2.48949
Ejercicios de los métodos Cerrado
1 Determine las raíces reales de f (x) = −0.5x2 + 2.5x + 4.5:


a. a) Gráficamente


a. a) Gráficamente
b. Usando el método de bisección y falsa posición con tres iteraciones para determinar
la raíz más grande. Emplee como valores iniciales a = 5 y b = 10. Calcule el error
estimado ea para cada iteración.


a. a) Gráficamente
2 Determine las raíces reales de f (x) = 5x3 − 5x2 + 6x − 2 :


a. a) Gráficamente
a. a) Gráficamente


a. a) Gráficamente
a. a) Gráficamente
para localizar la raíz más pequeña.. Emplee como valores iniciales a = 0 y b = 1.
Calcule el error estimado ea se encuentre debajo de es = 10 %.


a. a) Gráficamente
a. a) Gráficamente
3 Determine las raíces reales de f (x) = −25182x − 90x2 + 44x3 − 8x4 + 0.7x5 :


a. a) Gráficamente
a. a) Gráficamente
a. a) Gráficamente


a. a) Gráficamente
a. a) Gráficamente
a. a) Gráficamente
b. Usando el método de bisección para localizar la raíz más grande con es = 10 %.
Utilice como valores iniciales a = 0.5 y b = 1.0.


a. a) Gráficamente
a. a) Gráficamente
a. a) Gráficamente
b. Usando el método de bisección para localizar la raíz más grande con es = 10 %.
Utilice como valores iniciales a = 0.5 y b = 1.0.
c. Realice el mismo cálculo que en b), pero con el método de la falsa posición y
es = 0.2 %.

Problemas de los métodos Cerrado

1 La velocidad v de un paracaidista que cae está dada por
gm
v= 1 − e−(c/m)t
c
donde g = 9.8m/s2 . Para un paracaidista con coeficiente de arrastre de
c = 15kg/s, calcule la masa m de modo que la velocidad sea v = 35m/s en
t = 9s. Utilice los método bisección y de la falsa posición para determinar m a
un nivel de es = 0.1 %.

Problemas de los métodos Cerrado

1 La velocidad v de un paracaidista que cae está dada por
gm
v= 1 − e−(c/m)t
c
donde g = 9.8m/s2 . Para un paracaidista con coeficiente de arrastre de
c = 15kg/s, calcule la masa m de modo que la velocidad sea v = 35m/s en
t = 9s. Utilice los método bisección y de la falsa posición para determinar m a
un nivel de es = 0.1 %.
2 Está diseñando un tanque esférico para almacenar agua para un poblado pequeño
en un país en desarrollo. El volumen de líquido que puede contener se calcula
con
(3R − h)
V = πh2
3
donde V = volumen (m3 ), h = profundidad del agua en el tanque (m), y
R =radio del tanque (m).Si R = 3m, ¿a qué profundidad debe llenarse el tanque
de modo que contenga 30m3 ? Haga tres iteraciones con el método de la falsa
posición a fin de obtener la respuesta. Determine el error relativo aproximado
después de cada iteración.
figura Problema 2
Figura: Tanque Esférico

Resolución de Ecuaciones y Sistemas no Lineales Métodos Abiertos
Métodos Abiertos
Los métodos abiertos utilizan una fórmula para predecir la raíz. Esta formula puede
desarrollarse como una iteración simple de punto fijo (también llamada iteración de un
punto o sustitución sucesiva o método de punto fijo).

Métodos Abiertos
Las raíces múltiples son determinados de ecuaciones polinómica que tienen la forma
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn
Donde n es el grado del polinomio y an son los coeficientes. Las raíces de los polino-
mios pueden ser reales y / o complejos.

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn
Los Métodos abiertos que estaremos analizando serán:

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn
a. Iteración de Punto Fijo

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn
b. Método de Newton-Raphson

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn
c. Método de la Secante

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn

Métodos Abiertos
general:
f (x) = a0 + a1 x + a2 x2 + ... + an xn

Resolución de Ecuaciones y Sistemas no Lineales Punto Fijo
Punto Fijo
Definición
Un punto fijo para una función es un número en el que el valor de la función no
cambia cuando se aplica la función.

Punto Fijo
Definición
Un punto x se llama punto fijo, sí satisface la ecuación:

Punto Fijo
Definición

Punto Fijo
Definición
g(x) = x

Punto Fijo
Definición
g(x) = x
Existen puntos fijos estables e inestables.

Punto Fijo
Definición
g(x) = x

Punto Fijo
Definición
g(x) = x

El método de punto fijo es un método iterativo.

Punto Fijo
Definición
g(x) = x


Punto Fijo
Definición
g(x) = x

La idea principal es encontrar las raices de una ecuación al proponerlas como
puntos fijos de una formulación alternativa.

Punto Fijo
Definición
g(x) = x


Punto Fijo
Definición
g(x) = x

f (x) = 0 ⇒ g(x) = x

Algoritmo del Punto Fijo

Se construye un proceso iterativo a partir del valor semilla x0 :


g(x0 ) = x1


g(x0 ) = x1
g(x1 ) = x2


g(x0 ) = x1
g(x1 ) = x2
..
.
g(xn−1 ) = xn


g(x0 ) = x1
g(x1 ) = x2
..
.
g(xn−1 ) = xn
El proceso termina para un dado valor de xi tal que :


g(x0 ) = x1
g(x1 ) = x2
..
.
g(xn−1 ) = xn


g(x0 ) = x1
g(x1 ) = x2
..
.
g(xn−1 ) = xn
g(xi−1 ) − xi = 0
Pero dadas las incertidumbres :


g(x0 ) = x1
g(x1 ) = x2
..
.
g(xn−1 ) = xn
g(xi−1 ) − xi = 0


g(x0 ) = x1
g(x1 ) = x2
..
.
g(xn−1 ) = xn
g(xi−1 ) − xi = 0
| g(xi−1 ) − xi |< e
O, si cumple la condición de f (xi ) = 0 para | f (xi ) |< e

Ejemplo aplicando el Método del Punto Fijo

Ejemplo


Ejemplo
Resolver la siguiente ecuación no-lineal:


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
Se obtiene el proceso iterativo definido como:


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
g(x) = x = 0.5sen(x) + 1


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
g(x) = x = 0.5sen(x) + 1
y x0 = 0
x1 = g(0) = 0.5sen(0) + 1 = 1


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
g(x) = x = 0.5sen(x) + 1
y x0 = 0
x1 = g(0) = 0.5sen(0) + 1 = 1
x2 = g(1) = 0.5sen(1) + 1 = 1.420735


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
g(x) = x = 0.5sen(x) + 1
y x0 = 0
x1 = g(0) = 0.5sen(0) + 1 = 1
x2 = g(1) = 0.5sen(1) + 1 = 1.420735
x3 = g(1.420735) = 1.494380


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
g(x) = x = 0.5sen(x) + 1
y x0 = 0
x1 = g(0) = 0.5sen(0) + 1 = 1
x2 = g(1) = 0.5sen(1) + 1 = 1.420735
x3 = g(1.420735) = 1.494380
x4 = g(1.494380) = 1.498540


Ejemplo
f (x) = 0.5sin(x) − x + 1 = 0
Solución
g(x) = x = 0.5sen(x) + 1
y x0 = 0
x1 = g(0) = 0.5sen(0) + 1 = 1
x2 = g(1) = 0.5sen(1) + 1 = 1.420735
x3 = g(1.420735) = 1.494380
x4 = g(1.494380) = 1.498540
x5 = g(1.498540) = 1.498695
Solución
x6 = g(1.498695) = 1.498700

Solución
x6 = g(1.498695) = 1.498700
x7 = g(1.498700) = 1.498701

Solución
x6 = g(1.498695) = 1.498700
x7 = g(1.498700) = 1.498701
x8 = g(1.498701) = 1.498701

Solución
x6 = g(1.498695) = 1.498700
x7 = g(1.498700) = 1.498701
x8 = g(1.498701) = 1.498701
La solución de:

Solución
x6 = g(1.498695) = 1.498700
x7 = g(1.498700) = 1.498701
x8 = g(1.498701) = 1.498701
La solución de:
f (x) = 0.5sin(x) − x + 1 = 0

Solución
x6 = g(1.498695) = 1.498700
x7 = g(1.498700) = 1.498701
x8 = g(1.498701) = 1.498701
La solución de:
f (x) = 0.5sin(x) − x + 1 = 0
es:
x = 1.498701

Solución
x6 = g(1.498695) = 1.498700
x7 = g(1.498700) = 1.498701
x8 = g(1.498701) = 1.498701
La solución de:
f (x) = 0.5sin(x) − x + 1 = 0
es:
x = 1.498701
f (1.498701) = 0.00000013334465

Ejemplo
Use una iteración simple de punto fijo para localizar la raíz de f (x) = e−x − x.
Solución

Ejemplo
Solución
La función se puede separar directamente y expresarse en la forma de la ecuación
como
xi+l = e−xi

Ejemplo
Solución
como
xi+l = e−xi
Empezando con un valor inicial x0 = 0, se aplica esta ecuación iterativa para
calcular:

Ejemplo
Solución
como
xi+l = e−xi
calcular:
x1 = g(0) = 1.000000

Ejemplo
Solución
como
xi+l = e−xi
calcular:
x1 = g(0) = 1.000000
x2 = g(1) = 0.367879

Ejemplo
Solución
como
xi+l = e−xi
calcular:
x1 = g(0) = 1.000000
x2 = g(1) = 0.367879
x3 = g(0.367879) = 0.692201

Ejemplo
Solución
como
xi+l = e−xi
calcular:
x1 = g(0) = 1.000000
x2 = g(1) = 0.367879
x3 = g(0.367879) = 0.692201
x4 = g(0.692201) = 0.500473

Ejemplo
Solución
como
xi+l = e−xi
calcular:
x1 = g(0) = 1.000000
x2 = g(1) = 0.367879
x3 = g(0.367879) = 0.692201
x4 = g(0.692201) = 0.500473
Seguir trabajando hasta que se disminuir el error entre cada una de la iteraciones.

Hay varias maneras de obtener el proceso iterativo, pero depende de la función f

Ejemplo
Use una iteración simple de punto fijo para localizar la raíz de
f (x) = 2x2 − x − 5 = 0.
Solución


Ejemplo
f (x) = 2x2 − x − 5 = 0.
Solución
Se puede proponer:
g1 (x) = 2x2 − 5 = x


Ejemplo
f (x) = 2x2 − x − 5 = 0.
Solución
Se puede proponer:
g1 (x) = 2x2 − 5 = x
r
x+5
g2 (x) = =x
2


Ejemplo
f (x) = 2x2 − x − 5 = 0.
Solución
Se puede proponer:
g1 (x) = 2x2 − 5 = x
r
x+5
g2 (x) = =x
2
5
g3 (x) = =x
2x − 1


Ejemplo
f (x) = 2x2 − x − 5 = 0.
Solución
Se puede proponer:
g1 (x) = 2x2 − 5 = x
r
x+5
g2 (x) = =x
2
5
g3 (x) = =x
2x − 1
2x2 − x − 5
g4 (x) = x − =x
4x − 1

El siguiente teorema proporciona suficientes condiciones para la existencia y unicidad

de un punto fijo.


de un punto fijo.
Teorema
I. Si g ∈ C [a, b] y g(x) ∈ [a, b] ∀x ∈ [a, b], entonces g tiene por lo menos un punto
fijo en [a, b].


de un punto fijo.
Teorema
fijo en [a, b].


de un punto fijo.
Teorema
fijo en [a, b].
II. Si, además, g0 (x) existe en (a, b) y hay una constante positiva k < 1 con
| g0 (x) |≤ k, ∀x ∈ (a, b)
entonces, existe exactamente un punto fijo en [a, b].


de un punto fijo.
Teorema
fijo en [a, b].
| g0 (x) |≤ k, ∀x ∈ (a, b)


de un punto fijo.
Teorema
fijo en [a, b].
| g0 (x) |≤ k, ∀x ∈ (a, b)
Figura: Existencia y unicidad de un punto fijo.

Ejemplo
x2 − 1
Muestre que g(x) = tiene un punto fijo único en el intervalo [−1, 1].
3

Ejemplo
x2 − 1
3
Solución
Los valores máximo y mínimo de g(x) para x en [−1, 1] deben ocurrir ya sea cuando x
es un extremo del intervalo o cuando la derivada es 0.

Ejemplo
x2 − 1
3
Solución
Puesto que g0 (x) = 2x
3, la función g es continua y g0 (x) existe en [−1, 1].

Ejemplo
x2 − 1
3
Solución
Los valores máximo y mínimo de g(x) se presentan en x = −1, x = 0 ó x = 1.

Ejemplo
x2 − 1
3
Solución
Pero g(−1) = 0, g(1) = 0 y g(0) = − 13 , por lo que un máximo absoluto para g(x)
en [−1, 1] se presenta en x = −1 y x = 1 y un mínimo absoluto en x = 0.

Ejemplo
x2 − 1
3
Solución
Pero g(−1) = 0, g(1) = 0 y g(0) = − 13 , por lo que un máximo absoluto para g(x)
en [−1, 1] se presenta en x = −1 y x = 1 y un mínimo absoluto en x = 0.
Además,
2x 2
| g0 (x) |=|
|≤ ∀x ∈ (−1, 1).
3 3
De este modo g satisface las hipótesis del teorema y tiene punto fijo único en [−1, 1].

Resolución de Ecuaciones y Sistemas no Lineales Método Newton-Raphson
Método Newton-Raphson
Entre los métodos de aproximaciones sucesivas para encontrar algunas de las raíces
de una ecuación algebraica o trascendente, el de Newton-Raphson es el que presenta
mejores características de eficiencia, debido a que casi siempre converge a la solución
y lo hace en un número reducido de iteraciones.

Este método es aplicable tanto en ecuaciones algebraicas como trascendentes y con él
es posible obtener raíces complejas.

Este método es aplicable tanto en ecuaciones algebraicas como trascendentes y con él
es posible obtener raíces complejas. El método de Newton-Raphson, como todos los de
aproximaciones sucesivas, parte de una primera aproximación y mediante la aplicación
de una formula de recurrencia se acercara a la raíz buscada, de tal manera que la nueva
aproximación se localiza en la interseccíon de la tangente a la curva de la función en
el punto y el eje de las abscisas.

Una de las fórmulas para localizar raíces, la fórmula de Newton-Raphson sea la más
ampliamente utilizada. Si el valor inicial para la raíz es xn o x0 , entonces se puede trazar
una tangente desde el punto [xn , f (xn )] o [x0 , f (x0 )] de la curva. Por lo común, el punto
donde esta tangente cruza el eje x representa una aproximación mejorada de la raíz.
Figura: Representación gráfica del método de Newton-Raphson. Se extrapola una tangente a la

función en x0 [esto es, f 0 (x0 )] hasta el eje x para obtener una estimación de la raíz en xn+1 .

De la figura se tiene que la primer derivada en x es equivalente a la pendiente:

f (xn ) − 0
f 0 (xn ) =
xn − xn+1

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C
Igualar a Cero la ecuación para obtener f (x) = 0.

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C
Se deriva la función f (x) para obtener f 0 (x).

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C
Graficar o tabular para obtener una 1ra aproximación a la raíz buscando, x0
(valor cercano a la raíz).

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C

f (xn ) − 0
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn − (7)
f 0 (xn )
C
Se aplica la ecuación (7) de recurrencia que utiliza el método.
Para este caso usaremos el siguiente cuadro:
n xn f (xn ) f 0 (xn ) xn+1 | xi+1 − xi |

Ejemplo
Encontrar una beuna aproximación a una raíz de la siguiente función usando el
método de Newton-Raphson. Tomar como punto de partida x0 = l.
f (x) = x3 − x − 1 = 0
Solución
ya la función esta igualada a cero.

Ejemplo
f (x) = x3 − x − 1 = 0
Solución
Derivamos la función:

Ejemplo
f (x) = x3 − x − 1 = 0
Solución
Derivamos la función:
f 0 (x) = 3x2 − 1
Gómez Guzmán Figura: Representación

ANÁLISISgráfica de x3 − x − 1 = 0
NUMÉRICO 19 de junio de 2020 37 / 43
Continuación
Aplicamos la ecuación (7):
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1
ya escrita en esa forma epezamos las iteraciones:

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

0 1 -1 2 1.5 -

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

0 1 -1 2 1.5 -
1 1.5 0.875 5.75 1.3478 26087 -0.152174

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

0 1 -1 2 1.5 -
1 1.5 0.875 5.75 1.3478 26087 -0.152174
2 1.3478 26087 0.1006 82173 4.4499 05482 1.3252 00399 -0.022262

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

0 1 -1 2 1.5 -
1 1.5 0.875 5.75 1.3478 26087 -0.152174
2 1.3478 26087 0.1006 82173 4.4499 05482 1.3252 00399 -0.022262
3 1.3252 00399 0.0020 58362 4.2684 68292 1.3247 18174 -0.000482

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

0 1 -1 2 1.5 -
1 1.5 0.875 5.75 1.3478 26087 -0.152174
2 1.3478 26087 0.1006 82173 4.4499 05482 1.3252 00399 -0.022262
3 1.3252 00399 0.0020 58362 4.2684 68292 1.3247 18174 -0.000482
4 1.3247 18174 0.0000 00924 4.2646 34722 1.3247 17957 −2.17x10−7

Continuación
xn3 − xn − 1
xn+1 = xn −
3xn2 − 1

0 1 -1 2 1.5 -
1 1.5 0.875 5.75 1.3478 26087 -0.152174
2 1.3478 26087 0.1006 82173 4.4499 05482 1.3252 00399 -0.022262
3 1.3252 00399 0.0020 58362 4.2684 68292 1.3247 18174 -0.000482
4 1.3247 18174 0.0000 00924 4.2646 34722 1.3247 17957 −2.17x10−7
5 1.3247 17957 −1.8672x10−13 4.2646 32999 1.3247 17957 0

Ejemplo
calcular la raíz de f (x) = e−x − x empleando como valor inicial x0 = 0
Solución
La primera derivada de la función es:

Ejemplo
Solución
f 0 (x) = −e−x − 1

Ejemplo
Solución
f 0 (x) = −e−x − 1
que se sustituye, junto con la función original en la ecuación (7), para tener:

Ejemplo
Solución
f 0 (x) = −e−x − 1
e−xn − xn
xn+1 = xn −
−e−xn − 1

Ejemplo
Solución
f 0 (x) = −e−x − 1
e−xn − xn
xn+1 = xn −
−e−xn − 1

0 0 1 -2 0.5 -

Ejemplo
Solución
f 0 (x) = −e−x − 1
e−xn − xn
xn+1 = xn −
−e−xn − 1

0 0 1 -2 0.5 -
1 0.5 0.106531 -1.60653 0.566311 0.066311

Ejemplo
Solución
f 0 (x) = −e−x − 1
e−xn − xn
xn+1 = xn −
−e−xn − 1

0 0 1 -2 0.5 -
1 0.5 0.106531 -1.60653 0.566311 0.066311
2 0.566311 0.001305 -2.76176 0.567143 0.000832

Ejemplo
Solución
f 0 (x) = −e−x − 1
e−xn − xn
xn+1 = xn −
−e−xn − 1

0 0 1 -2 0.5 -
1 0.5 0.106531 -1.60653 0.566311 0.066311
2 0.566311 0.001305 -2.76176 0.567143 0.000832
3 0.567143 4.55 × 10−11 -2.76322 0.567143 0

Resolución de Ecuaciones y Sistemas no Lineales Método de la Secante
Método de la Secante
Este método se basa en la fórmula de Newton-Raphson, pero evita el cálculo de la
derivada usando la siguiente aproximación.
f (xn−1 ) − f (xn )
f 0 (xn ) =
xn − xn+1

f (xn−1 ) − f (xn )
f 0 (xn ) =
xn − xn+1
Sustituyendo en la fórmula de Newton-Raphson(7), obtenemos:

f (xn−1 ) − f (xn )
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn −
f 0 (xn )

f (xn−1 ) − f (xn )
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn −
f 0 (xn )
f (xn )
xn+1 = xn −
f (xn−1 ) − f (xn )
xn−1 − xn

f (xn−1 ) − f (xn )
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn −
f 0 (xn )
f (xn )
xn+1 = xn −
f (xn−1 ) − f (xn )
xn−1 − xn
f (xn ) (xn−1 − xn )
∴ xn+1 = xn −
f (xn−1 ) − f (xn )
Nótese que para poder calcular el valor de Xn+1 necesitamos conocer los dos valores
anteriores Xn y Xn−1 .

f (xn−1 ) − f (xn )
f 0 (xn ) =
xn − xn+1
f (xn )
xn+1 = xn −
f 0 (xn )
f (xn )
xn+1 = xn −
f (xn−1 ) − f (xn )
xn−1 − xn
f (xn ) (xn−1 − xn )
∴ xn+1 = xn −
f (xn−1 ) − f (xn )
Nótese que para poder calcular el valor de Xn+1 necesitamos conocer los dos valores
anteriores Xn y Xn−1 .
Obsérvese también, el gran parecido con la fórmula del método de la regla falsa.
La diferencia entre una y otra es que mientras el método de la falsa posición trabaja
sobre intervalos cerrados, el método de la secante es un proceso iterativo y por lo mis-
mo, encuentra la aproximación casi con la misma rapidez que el método de Newton-
Raphson.

Raphson.
Claro, corre el mismo riesgo de éste último de no converger a la raíz, mientras que el
método de la falsa posición es más seguro.

Raphson.
Ejemplo
Con el método de la secante calcule la raíz de f (x) = e−x − x. Comience con los
valores iniciales x−1 = 0 y x0 = 1.0.

Raphson.
Ejemplo
Solución
Primera iteración:
x−1 = 0 f (x−1 ) = 1.00000

Raphson.
Ejemplo
Solución
Primera iteración:
x−1 = 0 f (x−1 ) = 1.00000

x0 = 1 f (x0 ) = −0.63212

Raphson.
Ejemplo
Solución
Primera iteración:
x−1 = 0 f (x−1 ) = 1.00000

x0 = 1 f (x0 ) = −0.63212
−0.63212(0 − 1)
x1 = 1− = 0.61270
1 − (−0.63212)

Solución Continuación
Segunda iteración:
x0 = 1 f (x0 ) = −0.63212

Segunda iteración:
x0 = 1 f (x0 ) = −0.63212
x1 = 0.61270 f (x1 ) = −0.07081

Segunda iteración:
x0 = 1 f (x0 ) = −0.63212
x1 = 0.61270 f (x1 ) = −0.07081
−0.07081(1 − 0.61270)
x2 = 0.61270 − = 0.56384
−0.63212 − (−0.07081)

Segunda iteración:
x0 = 1 f (x0 ) = −0.63212
x1 = 0.61270 f (x1 ) = −0.07081
−0.07081(1 − 0.61270)
x2 = 0.61270 − = 0.56384
−0.63212 − (−0.07081)
Tercera iteración:
x1 = 0.61270 f (x1 ) = −0.07081

Segunda iteración:
x0 = 1 f (x0 ) = −0.63212
x1 = 0.61270 f (x1 ) = −0.07081
−0.07081(1 − 0.61270)
x2 = 0.61270 − = 0.56384
−0.63212 − (−0.07081)
Tercera iteración:
x1 = 0.61270 f (x1 ) = −0.07081

x2 = 0.56384 f (x2 ) = 0.00518

Segunda iteración:
x0 = 1 f (x0 ) = −0.63212
x1 = 0.61270 f (x1 ) = −0.07081
−0.07081(1 − 0.61270)
x2 = 0.61270 − = 0.56384
−0.63212 − (−0.07081)
Tercera iteración:
x1 = 0.61270 f (x1 ) = −0.07081

x2 = 0.56384 f (x2 ) = 0.00518
0.00518(0.61270 − 0.56384)
x3 = 0.56384 − = 0.56717
−0.07081 − 0.00518

MUCHAS GRACIAS
POR SU ATENCIÓN
Regresar

Unidad III PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Unidad III PDF

Caricato da

Copyright:

Formati disponibili

ANÁLISIS NUMÉRICO

José Miguel Gómez Guzmán

Ciencias Básicas y Ambientales

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 1 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 2 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 2 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 2 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 3 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 3 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 3 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 3 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 4 / 43

(a) Tabla (b) Grafica

Figura: (a) Tabla de resultado, (b) Grafica de la ecuación

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 4 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 5 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 5 / 43

Este método consiste en obtener una mejor aproximación de la raíz a partir de un

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 6 / 43

Este método consiste en obtener una mejor aproximación de la raíz a partir de un

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 6 / 43

Este método consiste en obtener una mejor aproximación de la raíz a partir de un

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 6 / 43

Este método consiste en obtener una mejor aproximación de la raíz a partir de un

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 6 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 7 / 43

Paso para el método de bisección

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 8 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 8 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

f (12)f (14) = 6.067(1.569) = 9.517

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

f (12)f (14) = 6.067(1.569) = 9.517

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

f (12)f (14) = 6.067(1.569) = 9.517

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

f (12)f (14) = 6.067(1.569) = 9.517

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

f (12)f (14) = 6.067(1.569) = 9.517

f (14)f (15) = 1.569(−0.425) = −0.666

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

f (12)f (14) = 6.067(1.569) = 9.517

f (14)f (15) = 1.569(−0.425) = −0.666

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 9 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 10 / 43

Gómez Guzmán ANÁLISIS NUMÉRICO 19 de junio de 2020 10 / 43