METODOS NUMERICOS

TRABAJO COLABORATIVO 1

EULIDES ANTONIO ROJAS LNDARTE

CODIGO: 91523967
GELVER YESID RIVERA RAMOS
CODIGO: 1.048.849.124
HEYDE PINILLA ANTONIO
CDIGO: 1.033.707.371
BYRON ESNEYDER FANDIO MORALES
GRUPO: 100401_95

TUTOR
MARTIN GOMEZ ORTIZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS,
TECNOLOGIA E INGENIERIA
SEPTIEMBRE-14-2015

INTRODUCCION

El presente documento proyecta la Unidad

desarrollaran los contenidos de:
1.
2.
3.
4.

con 6 ejercicios propuestos, se

Exactitud,
Precisin y Redondeo
Mtodo de biseccin
Mtodo de la regla falsa

Mtodo de Newton- Raphson, Mtodo iterativo de punto fijo. El mtodo de biseccin

suele recomendarse para encontrar un valor aproximado del cero de una funcin, y
luego este valor se refina por medio de mtodos ms eficaces
Los mtodos Numricos son tcnicas mediante las cuales es posible formular
problemas y comparten una caracterstica en comn que invariablemente se debe
realizar un buen nmero de tediosos clculos aritmticos. Pueden Manejar sistemas de
ecuaciones grandes, no linealidades o geomtricas complicadas, comunes en la
ingeniera.
Los mtodos numricos refuerzan la compresin de las matemticas, por que
profundiza en los temas que de otro modo resultaran obscuros, esto aumenta la
capacidad de comprensin y entendimiento en la materia.

EJERCICIOS A DESARROLLAR
1. Desde su campo de formacin plantee y de solucin a dos ejemplos sobre los
tipos de errores (error absoluto, relativo, error relativo aproximado, error por
truncamiento y por redondeo), teniendo en cuenta la precisin y exactitud de los
mismos.
Error absoluto y Error Relativo
Error Absoluto = Valor Real Valor Aproximado
8846 m
8800 m
=
Error Relativo = Error Absoluto
46
= 0,0052
Valor Real
8846
Redondeo
Ejemplo: 42.195m

42.000

EA= 42.195 42.000

EA= 195m

ER = 195
42.195

Truncamiento

0,0046 .100=0,46

42.000 EA Y ER Igual

Redondeo

500 EA = 490 500M = -10m

ER =
10
490=0,0204 . 100=2,04

490m
Truncamiento
ER =
90
490

400

46m Error Absoluto

EA= 490 400 = 90m

0,1836 .100=18,36

 Calcular el valor absoluto y relativo de donde

p=e y p =2.718 si p es el valor calculado
Error absoluto
Valor real e
Ea =

valor calculado 2.718

2.718
=2.718281828
e

Ea =|e2.718|=2.81828459 x 104

Error relativo
Er =

|e2.718281828|
2.718281828
=0.3678423998 Er =
=1.036 x 104
e
e

Error por truncamiento y por redondeo

Hallar 5 redondeada a centsimas

5=2,23606 79
2.24 cota de error :0.005

3
2
Calcule f ( x )=x 6.1 x +3.2 x +1.5 en x=4.71

valor

exacto

4.71

2,211841

104.487111

3 cifras
truncamiento
3 cifras
redondeo

4.71

2.21

4.71

2.22

3.2 x

f =( 4.71 )

135.32301

15.072

14.263899

104

134

15.0

13.5

104

134

15.1

13.4

6.1 x

=0,05truncamiento
|14.263899+13.5
14.263899 |

Er =

=0.06 redondeo
|14.263899+13.4
14.263899 |

Er =

f ( x )=x 36.1 x 2+3.2 x +1.5

f =( 4.71 ) =( ( 4.716.1 ) 4.71+ 3.2 ) 4.71+ 1.5
f =( 4.71 ) =14.2truncamiento
f =( 4.71 ) =14.3redondeo
Ejemplo por truncamiento
Aproximo:

1
1 1 1
= 2 =1+ + + +
4 9 16
n=1 n
Calculando suma infinita
6
1
1 1 1 1 1
s 6= 2 =1+ + + + + =1.491389
4 9 16 25 36
n=1 n
Valor exacto:

1 2
= 2 = ,
6
n=1 n
Error absoluto
2
e 6= 1.491389=0.153545
6
Error relativo
6
e 0.153545
r 6= =
=

2
6

0.0933=9.33

Con errores de redondeo y truncamiento inferiores

2. Construir un cuadro comparativo de los mtodos para calcular la raz de una

ecuacin; teniendo en cuenta el nmero de iteraciones, condiciones,
aproximaciones (formula), ilustrndolo con al menos un ejemplo.

Mtodos para calcular raz

METODO DE BISECCION:
Consiste en considerar un intervalo (xi, xs) en el que se garantice que la funcin tiene raz.
El segmento se bisecta, tomando el punto de biseccin xr como aproximacin de la raz
buscada.
Se identifica luego en cul de los dos intervalos est la raz.
El proceso se repite n veces, hasta que el punto de biseccin x r coincide prcticamente con el
valor exacto de la raz.

METODO NEWTON RAPHSON

Entre los mtodos de aproximaciones sucesivas para encontrar algunas de las races de una
ecuacon algebraica o tracendente, el de Newton-Raphson es el que presenta mejores
caractersticas de eficiencia, debido a que casi siempre converge a la solucin y lo hace en un
nmero reducido de iteracines.
Este mtodo es aplicable tanto en ecuaciones algebraicas como tracendentes y con l es
posible obtener races complejas.
Tal vez, de las frmulas para localizar races, la frmula de Newton-Raphson sea la ms
ampliamente utilizada. Si el valor inicial para la raz es xi, entonces se puede trazar una
tangente desde el punto [xi,f(xi)] de la curva. por lo comn, el punto donde esta tangente cruza
el eje x representa una aproximacin mejorada de la raz.

Ejemplo:
Solucin:

f ( x )=x +1.2 x 20.9 x 3

f ' ( x )=1+2.4 x2.7 x 2

Iteracin 0:

f (x)
1.84+1.2 ( 1.84 )20.9 ( 1.84 )3
x 1=x 0 ' =1.84
f (x )
1+2.4 ( 1.84 )2.7 ( 1.84 )2

x 1=1.84

0.2962
3.7251

x 1=1.84(0.0795 )=1.84+ 0.08

x 1=1.92

Iteracion 1:

x 2=x 1

f (x)
f '(x)
2

1.92+ 1.2 ( 1.92 ) 0.9 ( 1.92 )

x 2=1.92
2
1+ 2.4 ( 1.92 )2.7 ( 1.92 )

x 2=1.92

0.0264
=1.920.0061
4.3453

x 2=1.91

E p=

Iteracion 2:

| |

x r nx r v
1.911.92
100=
100=0.52
xr n
1.91

x 3=x 2

f ( x)
f'(x)

1.91+ 1.2 ( 1.91 )20.9 ( 1.91 )3

x 3=1.91
1+2.4 ( 1.91 )2.7 ( 1.91 )2
x 3=1.91

0.02
=1.91+0.0047
4.27
x 3=1.915

E p=

| |

x r nx r v
1.9151.91
100=
100=0.26
xr n
1.915

Iteracion 3:

x 3=x 2

f ( x)
'
f (x)

1.915+1.2 ( 1.915 )20.9 ( 1.915 )3

x 4=1,915
1+ 2.4 ( 1.915 )2.7 ( 1.915 )2

x 4=1.915

0.0048
=1.9150.001
4.3055
x 4=1.914

E p=

GAUSS-JORDAN

| |

x r nx r v
1.9141.915
100=
100=0.05
xr n
1.914

Es una variacin de la eliminacin gaussiana. La principal diferencia consiste en que el mtodo

de Gauss-Jordan cuando se elimina una incgnita no slo se elimina de las ecuaciones
siguientes sino de todas las otras ecuaciones. De esta forma, el paso de eliminacin genera una
matriz identidad en vez de una matriz triangular.

Ejemplo:

]]

1 4 7 1
R1 , R2 , R3 5 7 1 5 R25 R1
4 4
6 4

]](

1 4 7 1
1
0 13 34 0 R 2
13
4 1
6 4

]]

7
1
34
R3 +4 R 1 0
1
0 R3 +15 R 2
13
0
0 15 22

[ ]]

1 4 7
1
13
34
34
R3
0 1
0 R 2 R 3
224
13
13
0
0 0
1

( )

X 4 Y 7 Z=1 X 4 ( 0 )7 ( 0 )=1
se obtiene : X =1 ;Y =0 ; Z =0

MTODO DE GAUSS-SEIDEL

]]

4 7
1
34
0
1
0
13
4
4 1
6

[ ]]
1 4
0

7
34 1
13 0
224 0
13

]]

1 4 7 1
0 1
0 0
0 0
1 0

Es similar en proceso al mtodo simple de iteracin de punto fijo usado en la seccin 5.1 en la
solucin de races de una ecuacin. Recurdese que la iteracin de punto fijo tiene dos
problemas fundamentales: l) algunas veces no converge.

Ejemplo:
Partiendo de ( x = 1, y = 2)

5 x + 2 y= 1
x 4 y = 0

Solucin
Debemos primeramente despejar de la ecuacin la incgnita correspondiente.

x=0.20+0.00 x40 y
y=0.00+ 0,25 x +0.00 y
Aplicamos la primera iteracin partiendo de

x 0=1.00 y y 0 =2.00 :

x 1=0.20+0.00 ( +1.000 )0. 40 ( 2.00 )=0.600

y 1=0.00+ 0,25 (0.600 ) +0.00 ( 2.00 ) =0.15

Aplicamos la segunda iteracin partiendo de

x 1=0.600 y y 0=0.15 :

x 1=0.20+0.00 (0.600 )0. 40 (0.15 ) =0.26

y 1=0.00+ 0,25 ( 0.26 )+ 0.00 (0.15 )=0.065

Mtodo de Iteracin de punto fijo

En este mtodo e necesario reacomodar la ecuacin de modo que podamos obtener una
ecuacin de la forma: x = g(x), ya sea despejando una x de la ecuacin original o sumando x a
ambos lados de la misma. Grficamente podemos usar el mtodo de las dos curvas

Graficar f(x) = x y graficar g(x), el punto en donde se corten se proyecta sobre el eje x y se toma
como raz aproximada. En este mtodo la convergencia se da siempre y cuando g(x) < 1.
Los mtodos iterativos se usan cuando no se conoce un mtodo para obtener la solucin en
forma exacta.
Para obtener la solucin en forma exacta. Tambin se utilizan cuando el mtodo para
determinar la solucin exacta requiere mucho tiempo de clculo, cuando una respuesta
aproximada es adecuada, y cuando el nmero de iteraciones es relativamente reducido.

3. Demostrar que f(x) = x3 + 4x2 10 tiene una raz en [1, 2] y utilizando el Mtodo de
biseccin determine una aproximacin a la raz con una precisin de al menos 10-4.
Verificamos que tiene una raz en [1,2] asignando valores arbitrarios en la funcin:
x 3+ 4 x 210
x

f (x)

10

14

Utilizaremos las siguientes formulas:

x r=

x a+ x b
2

f ( x a )f ( x r )

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Iteracin 1
Datos:

x a=1

Reemplazamos los datos

x r=

1+2
=1.5
2

x b=2

f ( x )=x +4 x 10

1.5

f ( x r ) =
f ( x a )f ( x r ) =(5 )( 2.375 ) =11.875 <0 x r sustituye A x b

Iteracin 2
x a=1

Datos:

x b=1.5

f ( x )=x 3 +4 x 210

Reemplazamos los datos

x r=

1+1.5
=1.25
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.25 ) (1.5 )
=0.2
( 1.25 )

1.25

f ( x r ) =
f ( x a )f ( x r ) =(5 )(1.7969 )=8.9845> 0 x r sustituye A x a
Iteracin 3
Datos:

x a=1.25

x b=1.5

f ( x )=x +4 x 10

Reemplazamos los datos

x r=

1.25+1.5
=1.375
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.375 ) (1.25 )
=0.09090
( 1.375 )

1.375

f ( x r ) =
f ( x a )f ( x r ) =(1.7969 )( 0.1621 )=0.2912<0 x r sustituye A x b
Iteracin 4
x a=1.25

Datos:

f ( x )=x 3 +4 x 210

x b=1.375

Reemplazamos los datos

x r=

1.25+1.375
=1.3125
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.3125 ) (1.375 )
=0.047619
( 1.3125 )

1.3125

f ( x r ) =
f ( x a )f ( x r ) =(1.7969 )(0.84838 )=1.524454 >0 x r sustituye A x a
Iteracin 5
Datos:

x a=1.3125

x b=1.375

f ( x )=x +4 x 10

Reemplazamos los datos

x r=

1.3125+1.375
=1.34375
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.3437)( 1.3125 )
=0.023219
( 1.34375 )

1.3437

f ( x r ) =
f ( x a )f ( x r ) =(0.84838 )(0.350982 )=0.29776> 0 x r sustituye A x a
Iteracin 6
x a=1.34375

Datos:

f ( x )=x 3 +4 x 210

x b=1.375

Reemplazamos los datos

x r=

1.34375+1.375
=1.359375
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.359375) (1.34375 )
=0.01149425
( 1.359375 )

1.359375

f ( xr )=
f ( x a )f ( x r ) =(0.350982 )(0.0964088 )=0.03383> 0 x r sustituye A x a
Iteracin 7
Datos:

x a=1.35937

x b=1.375

f ( x )=x +4 x 10

Reemplazamos los datos

x r=

1.35937+1.375
=1.367185
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.367185) (1.359375 )
=0.0057124
( 1.367185 )

1.367185

f ( xr )=
f ( x a )f ( x r ) =(0.0964088 )( 0.032355 ) =0.00311<0 x r sustituye A x b
Iteracin 8
x a=1.35937

Datos:

x b=1.367185

f ( x )=x 3 +4 x 210

Reemplazamos los datos

x r=

1.35937+1.367185
=1.36328
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.36328)( 1.367185 )
=0.0028644
( 1.36328 )

1.36328

f ( xr )=
f ( x a )f ( x r ) =(0.0964088 )(0.03217057 )=0.00310>0 x r sustituye A x a
Iteracin 9
Datos:

x a=1.36328

x b=1.367185

f ( x )=x +4 x 10

Reemplazamos los datos

x r=

1.36328+1.367185
=1.365233
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

( 1.365233) (1.36328 )
=0.001430525
( 1.365233 )

1.365233

f ( xr )=
f ( x a )f ( x r ) =(0.0321499 )( 0.000049318 ) =0.000001585< 0 x r sustituye A x b

Iteracin 10
x a=1.36328

Datos:

f ( x )=x 3 +4 x 210

x b=1.365233

Reemplazamos los datos

x r=

1.36328+1.365233
=1.3642
2

Ep=

x r ( Actual )x r ( anterior )
x r ( Actual )

Ep=

|
|

( 1.3642565) (1.365233 )
=0.00071577 7.15 x 104
( 1.3642565 )

1.3642565

f ( x r )=
Resumen de informacin.
Error
n

Punto
medio

Valor de la
funcin f(x)

1.5

2.375

1.5

1.25

1.7969

xr ( Act ) xr ( ant )
xr ( Actual )

0.2

4. Usando el Mtodo de la Regla Falsa aproximar la raz de ()= (3,2()

0,5()) en el intervalo [3, 4] con a = 0,001
Aplicamos la frmula de la regla falsa
xi=

f ( a ) bf ( b ) a
f ( a )f (b)

Iteracin 1
a= 3
b=4
f(a)=19,0126
f(b)= -114,38018
Sabemos que tiene raz porque f(a)*f(b)<0
Intervalo [a;b] =[3;4]
Reemplazamos
x 1=

(19,0126)4(114,38018)3
=
19,0126(114,38018)

Iteracin 2
a= 3
b=x1=3,1425
f(a)=19,0126
f(b)= 11,5136
f(a)*f(b)>0
Intervalo [x1;a] =[3,1425 ; 3]
Reemplazamos

3,1425

x 2=

( 11,5136 ) 3( 19,0126 ) 3 ,1425

=
( 11,5136 ) 19,0126

3,36128

Iteracin 3
a= 3
b=x2=3,36128
f(a)=19,0126
f(b)= -6,03547
f (a)*f(b)<0
Intervalo [a;b] =[3 ; 3,36128]
Reemplazamos
x 3=

( 19,0126 ) 3,36128(6,03547)3
= 3,27422
19,0126(6,03547)

Iteracin 4
a= 3
b=x3=3,27422
f(a)=19,0126
f(b)= 1,91417
f(a)*f(b)>0
Intervalo [x3 ; a] =[3,27422 ; 3]
Reemplazamos

x 4=

( 1,91417 ) 3( 19,0126 ) 3 , 27422

=
( 1,91417 )19,0126

3,30491

Iteracin 5
a= 3
b=x4=3,30491
f (a)=19,0126
f (b)= -0,73424
f (a)*f(b)<0
Intervalo [a;b] =[3 ; 3,30491]
Reemplazamos
x 5=

( 19,0126 ) 3,30491(0,73424)3
= 3,29357
19,0126(0,73424)

Iteracin 6
a= 3
b=x5=3,29357
f(a)=19,0126
f(b)= 0,26344
f(a)*f(b)>0
Intervalo [x5 ; a] =[3,29357 ; 3]

Reemplazamos
x 6=

( 0,26344 ) 3( 19,0126 ) 3,29357

=
( 0,26344 )19,0126

3,29769

Iteracin 7
a= 3
b=x6=3,29769
f(a)=19,0126
f(b)= -0,09642
f (a)*f(b)<0
Intervalo [a;b] =[3 ; 3,29769]
Reemplazamos
x 7=

(19,0126 ) 3,29769(0,09642)3
=
19,0126(0,09642)

3,29618

Error = |x6-x7| = |3,29769-3,29618|= 0,0015

5. Sea la funcion

f ( x )= ( x +1 )

Raphson la raz f ( x )=0

aproximar mediante el mtodo de Newton-

tomando como valor iniacial

10 .

Utilizamos la siguiente formula:

Dnde:

x
cos ( x ) ,
e2

x 0=0.6,

con un exactitud de

Iteracin 1

Con el valor inicial dado

Iteracin 2

se reemplaza en la ecuacin,

Iteracin 3

Iteracin 4

Respuesta

Luego de realizar las 4 iteraciones obteni como resultado

La raz es

6. Usar el mtodo iterativo de punto fijo para aproximar la raz de

f ( x )=x 24 xe x , comenzado con x0 =0, con 5iteraciones .

Solucin:
x 24 x e x =0
x 2e x =4 x
2

x=

x e
4

g( x)=

x e
4

1
g ( x ) = ( 2 xe x ) x 0=0
4
x 1=g ( x0 ) =
2

e0 1
= =0.25 x 1=0.25
4
4
0.25

0.25 e

x 2=g ( x 1) =

x 2=0.179075195

0.179075195

0.179075195 e

x3 =g ( x2 ) =

x 3=

0.0320679250,83604303
=0.200993776
4

x 3=0.200993776

0.200993776 2e0.200993776

x 4 =g ( x 3 )=
x 4=

0.0403984980,817917522
=0.194379756
4

x 4=0.194379756

0.194379756

0.194379756 e

x 5=g ( x 4 )=

x 5=

0.0377834890,823345174
=0.196390421
4

x 5=0.196390421

0.1963904212e0.196390421

x 6=g ( x 5 ) =
x 6=

0.0385691970,821691366
=0.195780542
4

x 6=0.195780541

Aproximacin a la raz
0
-0.25
-0.179075195
-0.200993776
-0.194379756
-196390421
-0.195780542

Valor aproximado
39.6%
10.9%
80.87%
1.02%
16.72%

Valores aproximados
=0.39606 39.6
|0.179075195+0.25
0.179075195 |

|0.200993776+0.179075195
|=0.10905110.9
0.200993776

0.200993776
|0.194379756+
|=0.808706 80.87
0.194379756

|0.196390421+0.194379756
|=0.01023 1.02
0.190390421

|0.195780542+0.196390421
|=0.16722 16.72
0.195780542

CONCLUSINES

El curso de Mtodos Numricos es la base fundamental para quien quiera que

necesite herramientas para resolver operaciones, las cuales se conocen que
pueden ser complicadas pero no quiere decir que sean imposibles de solucionar,
y es ah donde se aplican los mtodos Numricos, y facilitan el trabajo de cierta
manera.

La aplicacin de los mtodos Numricos son muy variadas y necesarias,

especialmente para las ingenieras por lo tanto se puede concluir que es
interesante su estudio y su manejo, el hecho de que se tomen tan en cuenta los
errores, no nos acerca a la perfeccin pero al menos nos da una idea y de tal
manera tomar decisiones informadas y por lo tanto mejorarlas.

Al realizar estos ejercicios se pone en prctica los temas tratados referentes a

error absoluto, error relativo y los diferentes mtodos iterativos que permiten la
bsqueda de races, en este caso mtodo de biseccin, Newton Raphson,
mtodo de la regla falsa entre otros

Hemos afianzado nuestros conocimientos a la hora de aplicar conceptos como

errores relativos, absolutos, y diferentes mtodos para su resolucin.

REFERENCIAS BIBLIOGRAFICAS

Bucheli Chvez, C. (2013). Mdulo de Mtodos Numricos. Universidad Nacional

Abierta y a Distancia, UNAD Colombia. Pasto.