Metodos Final

UNIVERSIDAD NACIONAL DE
SAN AGUSTN DE AREQUIPA

FACULTAD DE INGENIERA CIVIL
Investigacin formativa
CURSO:
Mtodos numricos y Programacin
Integrantes:
Ancco Romero Yunett
Condori Chipa Fernando
Mamani Mamani Edson
Coaguila Mamani Jhordy
Chipana Huillca Jose
Suni Tunquipa Fredy
Zavaleta Caro Hillary
Vilca Alvarez Aldo
Serrano Cabrera Yinella
Aguilar Castro Edison
Quispe Urbina Jose
Tacca Alex
ECUACIONES NO LINEALES
LIC.BIDDER CALAPUJA SAMBRANO
INDICE
INTRODUCCION ........................................................................................................................ 5
ECUACIONESNOLINEALES.......................................................................................................... 6
INTRODUCCIN: ........................................................................................................................... 6
1. TEOREMADEBOLZANO: .............................................................................................................. 6
2. MTODODELABISECCIN:........................................................................................................... 7
2.1 OBJETIVOS:.................................................................................................................................... 7
2.2 DEFINICINDELMTODO: ................................................................................................................ 7
2.3 ALGORITMODEBISECCIN: ............................................................................................................... 8
3. EJERCICIOS: ......................................................................................................................... 11
*Propuesto 1: .................................................................................................................................... 11
*Propuesto 2: .................................................................................................................................... 11
*Propuesto 3: .................................................................................................................................... 14
MTODODELAFALSAPOSICIN ................................................................................................ 15
1. OBJETIVOS:............................................................................................................................ 15
2. DEFINICIN:........................................................................................................................... 15
3. DERIVACIN DEL MTODO: ........................................................................................................ 15
4. ALGORITMO DEL MTODO DE FALSA POSICIN: ............................................................................. 17
5. DESVENTAJAS: ........................................................................................................................ 18
6. EJERCICIO: ............................................................................................................................. 18
*Propuesto 1: .................................................................................................................................... 18
*Propuesto 2: .................................................................................................................................... 21
MTODODENEWTONRAPHSON............................................................................................... 26
1. CARACTERISTICAS: ................................................................................................................... 26
2. OBJETIVOS:............................................................................................................................ 26
3. DEFINICIN:........................................................................................................................... 26
4. INTERPRETACINGRFICADELMTODODENEWTONRAPHSON: ........................................................... 27
5. DERIVACIONDELMTODO: ........................................................................................................ 27
6.ALGORITMO: .......................................................................................................................... 28
7. EJERCICIOS: ........................................................................................................................... 30
2
*Propuesto 1: .................................................................................................................................... 30
MTODODELASECANTE........................................................................................................... 33
1. OBJETIVOS:............................................................................................................................ 33
2. DEFINICIN:........................................................................................................................... 33
3. DERIVACIN DEL MTODO: ...................................................................................................... 33
4. ALGORITMO:.......................................................................................................................... 35
Ejercicio 1: ......................................................................................................................................... 35
5. EJERCICIOS: ........................................................................................................................... 36
*Propuesto 1: .................................................................................................................................... 36
MTODODELPUNTOFIJO ......................................................................................................... 40
1. DEFINICIN:........................................................................................................................... 40
2. CRITERIO DE CONVERGENCIA: .................................................................................................... 40
2.1.INTERPRETACION GEOMETRICA DE LA CONVERGENCIA ( g ( x) 1 ): ..................................................... 43
3. EJERCICIOS: ........................................................................................................................... 45
*Propuesto 1: .................................................................................................................................... 45
*Propuesto 2: .................................................................................................................................... 47
MTODODESTEFFESEN............................................................................................................ 49
1. OBJETIVOS:............................................................................................................................ 49
3. DEMOSTRACIN DE LA FRMULA: .............................................................................................. 49
3. ALGORITMO DEL MTODO DE STEFFENSEN: ................................................................................... 51
4. PSEUDOCDIGO EL MTODO DE STEFFENSEN: ................................................................................ 51
5. EJERCICIOS: ........................................................................................................................... 52
*Propuesto1: ..................................................................................................................................... 52
*Propuesto 2: .................................................................................................................................... 55
*Propuesto 3: .................................................................................................................................... 57
7. VENTAJAS: ............................................................................................................................ 59
8. DESVENTAJAS: ........................................................................................................................ 59
9. OBSERVACIONES: .................................................................................................................... 59
3
MTODODEBARISTOW ........................................................................................................... 60
1. OBJETIVO: ............................................................................................................................. 60
2. DEFINICIN:........................................................................................................................... 60
2.1 RACES DE POLINOMIOS:.................................................................................................................... 60
2.2 MTODO DE BAIRSTOW: ................................................................................................................... 61
3. DERIVACIN DEL MTODO: ....................................................................................................... 62
4. EJERCICIOS: ........................................................................................................................... 63
*Propuesto1: ..................................................................................................................................... 63
*PropuestoI1: .................................................................................................................................... 66
METODODEMLLER ............................................................................................................... 70
1. OBJETIVO: ............................................................................................................................. 70
2. DEFINICIN:........................................................................................................................... 70
3. ALGORITMO:.......................................................................................................................... 73
4. PSEUDOCODIGO:..................................................................................................................... 75
5. PROPUESTOS:......................................................................................................................... 77
*Propuesto 1: .................................................................................................................................... 77
*Ejercicio 2: ....................................................................................................................................... 80
6. VENTAJAS: ............................................................................................................................ 82
METODODERAICESMULTIPLES ................................................................................................ 83
1. OBJETIVOS............................................................................................................................. 83
2. DEFINICION............................................................................................................................ 83
3. ALGORITMOS Y PSEUDOCODIGOS ................................................................................................ 86
4. PROPUESTOS:......................................................................................................................... 89
Ejercicio 1 .......................................................................................................................................... 89
Ejercicio2 ........................................................................................................................................... 91
CONCLUSIONES: ..................................................................................................................... 94
BIBLIOGRAFA:........................................................................................................................ 95
ANEXOS.................................................................................................................................. 96
4
INTRODUCCION
En el presente trabajo daremos a conocer mtodos por los cuales podremos resolver funciones
que fcilmente no es posible hallar las races de F x 0 , as entonces los usaremos los
mtodos numricos.
Antes de la llegada de las computadoras digitales se dispona de una serie de mtodos para
calcular las races de ecuaciones algebraicas y trascendentes. En algunos casos, las races se
obtenan con mtodos directos, como se hace con ecuaciones sencillas de hallar sus races.
Sin embargo existen ecuaciones como esta que se resuelven directamente y aparecen muchas ms
en la que nos es posible encontrar su solucin. Por ejemplo, incluso una funcin tan simple como
F x e x x , no se puede resolver en forma analtica. En tales casos, la nica alternativa es
una tcnica con solucin aproximada.
Un mtodo para obtener la solucin aproximada consiste en graficar la funcin y determinar donde
cruza el eje de las x . Este punto, que presenta el valor de x para el cual F x 0 , es la raz.
Aunque os mtodos grficos son tiles en la obtencin de estimaciones de las races, tienen el
inconveniente de que son poco precisas. Un mtodo alternativo es el de prueba y error. Esta
tcnica consiste en elegir un valor de x y evaluar si F x es cero. Si no es as (como suceder
en la mayora de los casos) se hace otra eleccin y se evala nuevamente F x para determinar si
el nuevo valor ofrece una mejor aproximacin de la raz. El proceso se repite hasta que se obtenga
un valor que proporcione una F x cercana a cero.
Entonces aprenderemos a utilizar estos mtodos que emplean estrategias sistemticas para
dirigirse a la raz verdadera, que describiremos a continuacin.
5
EcuacionesNoLineales
Introduccin:
En este mtodo estudiaremos diversos mtodos para resolver ecuaciones no lineales en una
incgnita, f ( x) 0 aprovechando los conceptos bsicos del clculo las posibilidades grficas y de
cmputo de la tecnologa moderna.
A lo largo del tema, recurriremos sistemticamente a la interpretacin grfica de los mtodos, a fin
de mostrar visualmente su funcionamiento y de enriquecer las imgenes asociadas con ellos; de
igual manera, se generan tablas en la aplicacin de cada tcnica para analizar el comportamiento
numrico y eventualmente detener el proceso.
Se ha organizado el material como mtodos de uno y de dos puntos, usando como prototipo de los
primeros el de punto fijo, y de los segundos el de posicin falsa. Esto, junto con el concepto de
orden de convergencia, nos permitir tener los elementos suficientes para seleccionar la tcnica
ms adecuada para una situacin dada. Finalizamos el captulo con las tcnicas para resolver
ecuaciones polinomiales.
El propsito de este captulo es que tengamos elementos bsicos, computacionales y de criterio

apropiados para resolver el problema algebraico clsico de encontrarlas races reales y complejas
de la ecuacin f ( x) 0 en donde las tcnicas algebraicas de "despejar" la incgnita no sean
aplicables, como es el caso de cos x 3x , o bien resulten imprcticas. Por ltimo, es importante
sealar lo difcil que resulta pensar en un tpico de matemticas o ingeniera que no involucre
ecuaciones de esta naturaleza.
1. TeoremaDeBolzano:
Este teorema no da los criterios matemticos necesarios para que podamos resolver mediante los
diversos mtodos todas ecuaciones que a veces por los mtodos tradicionales conocidos no
presentan solucin, aqu viene una de las tcnicas de mtodos numricos como herramienta para
obtener las diversas soluciones de ecuaciones no lineales y tengan solucin pues de no cumplir
con este teorema no se llevara a la solucin mediante al obtencin de races de las ecuaciones.
6
2. MtodoDeLaBiseccin:
2.1 Objetivos:
Este teorema no da los criterios matemticos necesarios para que podamos resolver mediante los
diversos mtodos todas ecuaciones que a veces por los mtodos tradicionales conocidos no
presentan solucin, aqu viene una de las tcnicas de mtodos numricos como herramienta para
obtener las diversas soluciones de ecuaciones no lineales y tengan solucin pues de no cumplir
con este teorema no se llevara a la solucin mediante al obtencin de races de las ecuaciones.
2.2 DefinicinDelMtodo:
Supongamos que se tiene una funcin continua en el intervalo [a,b] y de tal manera que
f a * f b 0 esto quiere decir que f x tiene un cero en el intervalo abierto (a,b). Por
la razn que el producto del valor de la funcin en a y b es negativo es decir cambia de signo en el
intervalo [a,b], lo que afirma es una consecuencia del teorema del valor medio.
Pues el mtodo en anlisis explota el hecho anterior para su fundamento, pues dicho mtodo
a b y averigua si f a f c 0 si esto resulta siendo cierto entonces
determina c
2
f x tiene una raz en el intervalo [a,c]. En seguida tomamos el valor de c como b y realizamos
el mismo anlisis anterior.
Si ocurriera que f a f c 0 entonces f c f b 0 en este caso redefinimos a

c a En ambos caso a sucedido que se a determinado un nuevo intervalo que contiene una raz
de la funcin y el proceso puede repetirse.
Si f a * f c 0 , o f c * f b 0 ; entonces f c 0 y con esto se ha

determinado una raz del polinomio, pero vale aclarar que este caso no sucede en general puesto
que los redondeos en una computadora difcil es cero. Por esta razn es que para concluir se debe
realizar con una tolerancia de 103
7
Este mtodo tambin se le conoce con el nombre de mtodo de la biparticin, pero debemos
destacar este mtodo es el ms slido y seguro que los otros mtodos para encontrar una raz en
un intervalo.
f(a)
f(b)
a c b
a c b
f(c) f(b) f(a)
caso a) f a * f c 0 Caso b f c * f b 0
2.3 AlgoritmoDeBiseccin:
Supongamos que f a 0 y f b 0 . (La demostracin sera anloga si supusiramos
f a 0 y f b 0.
a b
Consideremos el punto medio de a, b :
2
a b a b
Si f 0 queda demostrado el teorema. Sino, f ser positiva o negativa en
2 2
Tomemos una de las mitades del intervalo a, b donde la funcin sea negativa en un extremo y
positiva en el otro. Llamemos a1 y b1 a los extremos de este intervalo. Ahora dividamos a1 , b1 a la
mitad. Si f no vale cero en el punto medio, ser positiva o negativa. Tomemos la mitad donde f tiene
distinto signo en cada extremo, y llamemos a estos puntos a2 y b2 .
8
Si continuamos de esta manera, obtenemos una sucesin de intervalos a, b , a1, b1 , a2 , b2 ,

etc., tales que a a1 a2 ... an y b b1 b2 ... bn
Es decir:
1) Los ai forman una sucesin creciente y los bi forman una sucesin decreciente.
2) Los ai son siempre menores que los bi ,veamos cul es el limn inf bn an .
bn - an es la longitud del intervalo an , bn

b a
La longitud del intervalo a1 , b1 es 2 , la mitad de la longitud de a, b que es b a .
La longitud del intervalo a2 , b2 es

b
a
, la mitad de la longitud de a1 , b1 que es
b a .
2
2 2
Y siguiendo de esta manera, la longitud del intervalo an , bn [an,bn] es

b a
2n
De modo que:
3) limninf bn an limninf b a / 2n 0.
.1), 2) y 3) son las condiciones de la definicin de PSMC:
an es creciente, bn es decreciente
Para todo n natural an bn Para todo 0 existe h natural / bh ah (que es lo

mismo que limn inf bn an 0 .)
9
Todo PSMC tiene la propiedad de definir un nmero frontera entre ambas sucesiones.
a , b es un PSMC => existe c / para todo n a

n n n c bn , lim an c y lim bn c .
lim an c significa que para todo 0 existe n1 / para todo n n1 c an c.

lim bn c significa que para todo 0 existe n2 / para todo n n2 c bn c .
O sea que tomando el mayor entre n1 y n2 , llammosle n3, se cumplen ambas cosas.
Es decir, para todo 0 existe n3 / para todo n n3 c an , bn c .
Esto significa que, para cualquier entorno de c que consideremos, existe un intervalo an , bn
contenido en dicho entorno.
Por otro lado, f es continua en a, b por hiptesis. Por lo tanto es continua en c. Por definicin de
continuidad, limx c f x f c
Si f c 0 , por teorema de conservacin del signo existe un entorno de c donde f x es
negativa.
Si f c 0 , por teora de conservacin del signo existe un entorno de c donde f x es positiva.
Pero, otra vez, dentro de ese entorno existe un intervalo an , bn tal que f an es de distinto
signo que f bn .Por lo tanto, no existe otra posibilidad: f c 0
10
3. EJERCICIOS:
*Propuesto 1:
Demostrar que existe algn nmero real x tal que sen x x .
Consideremos la funcin f x sen x x , es continua en toda R.
f sen 0 0
f sen 0 0
Por cumplirse las tres propiedades anteriores segn el teorema de Bolzano, existe c .
tal que:
f c 0 sen c c
Por tanto existe al menos una solucin real a la ecuacin sen x x.
*Propuesto 2:
Determinar una raz real del polinomio f ( x) x 3 2 x 2 10 x 20 , considerando un error de 103
-Solucin:
a) Determinamos los valores de a y b evaluando la funcin en algunos puntos donde sea

relativamente fcil de evaluar por ejemplo:
f 0 20 ; f 1 7 ; f 1 29 ; f 2 16 .
Considerando el razonamiento del mtodo observamos que en el intervalo 1, 2 existe una raz de
la funcional. En este caso nuestros valores de a 1, b 2
b) Determinamos el nmero de iteraciones M considerando la siguiente relacin
11
ln( a) ln( )
M
ln( 2)
ln( 2 1) ln(10 3 )
En donde a es la longitud del intervalo, en nuestro caso M 7
ln( 2)
c) Realizamos la primera iteracin determinando
c
2 1 3 2
1.5 ; f (1.5) (1.5) 2 * (1.5) 10 (1.5) 20 2.88
2
Observamos que f c f 1.5 2.88 0 distinto signo que f a f 1 7 luego

reemplazamos el valor de b por el valor de c es decir se tiene el siguiente intervalo 1, 1.5 ,
entonces
a 1; f 1 7
b 1.5 ; f 1.5 2.88
d) Segunda Iteracin:
Iteracin (k) Xa Xb Xm
Ck Ck 1 f (Ck )
0 1.00000 2.00000
1 1.00000 2.00000 1.50000 0.25000 2.87500
2 1.00000 1.50000 1.25000 0.12500 2.42188
3 1.25000 1.50000 1.25000 0.06250 2.42188
4 1.25000 1.37500 1.37500 0.03125 0.13086
5 1,31250 1.37500 1,31250 0.01563 0.52481
6 1.34375 1.37500 1.34375 0.00781 0.19846
12
7 1.35938 1.37500 1.35938 0.00395 0.03417
8 1.36719 1.37500 1.36719 0.00195 0.04825
9 1.36719 1.37109 1.37109 0.00098 0.00702
10 1.36719 1.36914 1.36914 0.00049 0.01358
11 1.36826 1.36914 1.36865 0.00025 0.00329
12 1.36865 1.36914 1.36890 0.00013 0.00186
13 1.36865 1.36890 1.36877 0.00006 0.00071
1 1.5
c 1.25;
2
f (1.25) (1.25) 3 2 * (1.25) 2 10 * (1.25) 20 2.42
Observamos que f c f 1.25 2.42 0 igual signo que

f a f 1 7 luego reemplazamos el valor de a por el valor de c es decir se
tiene el siguiente intervalo 1.25, 1.5 , entonces
a 1.25 ; a 1.25 f 1.25 2.42
b 1.5 ; f 1.5 2.88
a seguir presentamos el siguiente cuadro que contiene las 7 iteraciones deseadas en

donde denotaremos a X a : b X b y C X M
13
*Propuesto 3:
Se carga una viga de manera que se aprecia en al figura emplee el mtodo de biseccin para
resolver la posicin dentro de la viga donde no hay momento.

0 x3
M 5.55 x3 265 x Momento cero en x 0
3 x 6
M 50 x 2 415 x 150 No existe momento cero
6 x 10
M 185x 1650 Momento cero en x 8.91891891
10 x 12
M 100x 1200 Momento cero en x 12
14
MtodoDeLaFalsaPosicin
1. Objetivos:
En este mtodo nuestro objetivo es acercarnos al valor ms cercano de la raz a encontrar, por
medio de pendientes ms y ms cercanas a la misma.
Es decir empezamos con nuestros lmites a y b de siempre, hallamos la pendiente entre f (b) y
f ( a ) , el punto de corte de esta pendiente denominado " r " , dicho punto ser denominado nuestro
nuevo limite a y repetiremos los pasos hasta acercarnos lo ms posible al error establecido.
Aun cuando la biseccin es una tcnica perfectamente vlida para determinar races, su mtodo de
aproximacin por "fuerza bruta" es relativamente ineficiente. La falsa posicin es una alternativa
basada en una visualizacin grfica.
2. Definicin:
Un mtodo alternativo que aprovecha la visualizacin grfica consiste en unir ( xa ) y ( xb ) con una
lnea recta. La interseccin de esta lnea con el eje de las " x " representa una mejor aproximacin
de la raz. El hecho de que se reemplace la curva por una lnea recta da una falsa posicin de la
raz; de aqu el nombre de mtodo de la falsa posicin, o en latn, regula falsi. Tambin se le conoce
como mtodo de interpolacin lineal.
3. Derivacin del mtodo:

Esta es la representacin grfica del mtodo de la falsa posicin. Con los tringulos semejantes
sombreados se obtiene la frmula para el mtodo a aplicar:
15
Usando tringulos semejantes, la interseccin de la lnea recta con el eje de las " x " se estima
mediante:
f ( xa ) f ( xb )

( xr xa ) ( xr xb )
Multiplicando en cruz la ecuacin anterior obtenemos:
f ( xa )( xr xb ) f ( xb )( xr xa )
Agrupando trminos y reordenando:
xr f ( xa ) f ( xb ) xb . f ( xa ) xa . f ( xb )
Dividiendo entre f ( xa ) f ( xb )
xb . f ( xa ) xa . f ( xb )
xr
f ( xa ) f ( xb )
Esta es una de las formas del mtodo de la falsa posicin. Esta puede ponerse en una forma
alternativa al separa los trminos:
xb . f ( xa ) xa . f ( xb )
xr
f ( xa ) f ( xb ) f ( xa ) f ( xb )
Sumando y restando xb en el lado derecho:
xb . f ( xa ) xa . f ( xb )
xr xb xb
f ( xa ) f ( xb ) f ( xa ) f ( xb )
Finalmente despejando xr obtenemos la siguiente ecuacin:
16
f ( xb )( xa xb )
xr xb
f ( xa ) f ( xb )
sta es la frmula de la falsa posicin. El valor de xr calculado con la ecuacin anterior,
reemplazar, despus, a cualquiera de los dos valores iniciales, xa o xb , y da un valor de la funcin
con el mismo signo de xr . De esta manera, los valores xa y xb siempre encierran la verdadera
raz. El proceso se repite hasta que la aproximacin a la raz sea adecuada.
Se calcula el error aproximado porcentual hasta que cumpla con el error pedido.
( xrn1 xrn )
e% .100%
( xrn1 )
4. Algoritmo Del Mtodo de Falsa Posicin:
Paso 1: Elija valores iniciales inferior, xa y superior xb , que encierran la raz, de forma tal que la
funcin cambie de signo en el intervalo. Esto se verifica comprobando que f ( xa ). f ( xb ) 0
Paso 2: Una aproximacin de la raz xr se determina mediante:
f ( xb )( xa xb )
xr xb
f ( xa ) f ( xb )
Paso 3: Realice las siguientes evaluaciones para determinar en qu subintervalo est la raz:
a) Si f ( xa ). f ( xr ) 0 , entonces la raz se encuentra dentro del subintervalo inferior o izquierdo.

Por lo tanto, haga xb xr y vuelva al paso 2.
17
b) Si f ( xa ). f ( xr ) 0 , entonces la raz se encuentra dentro del subintervalo superior o derecho.

Por lo tanto, haga xa xr y vuelva al paso 2.
c) Si f ( xa ). f ( xr ) 0 , la raz es igual a xr ; termina el clculo.
5. Desventajas:
Aunque el mtodo de la falsa posicin parecera ser siempre la mejor opcin entre los mtodos
cerrados, hay casos donde funciona de manera deficiente.
6. Ejercicio:
*Propuesto 1:
La velocidad v de un paracaidista que cae est dada por:
gm
v (1 e ( c / m )t )
c
Dnde g 9.8m / s 2 . 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 9seg . Utilice el mtodo de la falsa
posicin para determinar m a un nivel de es 0.1% .
Solucin:
gm
v (1 e ( c / m )t )
c
18
Reemplazamos los valores dados en el enunciado en la funcin obteniendo:
9.8m
0 (1 e (135/ m ) ) 35
15
Teniendo como funcin
9.8m
f ( m) (1 e (135/ m ) ) 35 0
15
Tomamos el intervalo de 50,60 y obtenemos de la funcin:
9.8 50
f (50) (1 e (135/50) ) 35
15
f (50) 4.52871
9.8 60
f (60) (1 e (135/60) ) 35
15
f (60) 0.06835
Por lo tanto f (50) f (60) 0 entonces cumple con el teorema de Bolzano y existe una nica raz
tal que f ( ) 0 en 50,60 .
Entonces aplicamos la formula de la falsa posicin y reemplazamos valores en nuestra iteracin:
f ( xb )( xa xb )
xr xb
f ( xa ) f ( xb )
Donde:
xb 60 f (60) 0.06835
xa 50 f (50) 4.52871
0.06835(50 60)
xr 60
4.52871 0.06835
19
xr 59.85131
Segunda iteracin:
xb 59.85131 f (59.85131) 0.004418
xa 50 f (50) 4.52871
0.004418(50 59.85131)
xr 59.85131
4.52871 0.004418
xr 59.84223
Tercera iteracin:
xb 59.84223 f (59.84223) 0.0005109
xa 50 f (50) 4.52871
0.0005109(50 59.84223)
xr 59.84223
4.52871 0.0005109
xr 59.84119 f (59.84119) 0.0000625
Hallando el error:
( xrn1 xrn )
e% .100%
( xrn1 )
Tenemos:
(59.84223 59.85131)
e% .100%
59.84223
e% 0.01%
Donde:
xr 59.84223 Es nuestra raz.
20
*Propuesto 2:
Por un canal trapezoidal fluye agua a una tasa de Q 20m3 / s . La profundidad crtica y para dicho
canal satisface la Ecuacin:
Q2
0 1 3 B
gAc
Donde g 9.81 m s , AC rea de la seccin transversal m 2 , y B ancho del canal en la
2
superficie m . Para este caso, el ancho y el rea de la seccin transversal se relacionan con la
profundidad y por medio de:
y2
B 3 y Y
Ac 3 y
2
Resuelva para la profundidad crtica con el uso de los mtodos a) grfico, b) biseccin, y c) falsa
posicin. En los incisos b) y c) haga elecciones iniciales de x0 0.5 y x1 2.5 , y ejecute
iteraciones hasta que el error aproximado caiga por debajo del 1% o el nmero de iteraciones
supere a 10 . Analice sus resultados.
Solucin:
20 2 (3 y )
f( y ) 1
y2 3
9, 81(3 y )
2
a)
y 0.5 1 1.5 2 2.5

f( y ) -32,26 -2.80 -0.03 0.60 0,81
21
b)
f ( xb )( xa xb )
c) xb xr
f ( xa ) f ( xb )
-1iteracion:
202 (3 (0,5))
f ( a ) f (0.5) 1 32.258215
(0,5) 2 3
9,8(3(0,5) )
2
202 (3 (2.5))
f (b ) f (2.5) 1 0.813032
(2.5) 2 3
9,8(3(2.5) )
2
(0.813032)(0,5 2.5)
xr 2.5 2.45083
32.258215 0.813032
22
-2iteracion:
202 (3 (2.45083))
f (2.45083) 1 0.799873 f ( b )
(2.45083) 2 3
9,8(3(2.45083) )
2
(0.799873)(0.5 2.45083))
xr 2.45083 2.40362917
32.258215 0.799873
-3iteracion:
202 (3 (2.403629))
f (2.403629) 1 0.786123 f (b )
(2.403629)2 3
9,8(3(2.403629) )
2
(0.786123)(0,5 2.403629))
xr 2.403629 2.358341
32.258215 0.786123
-4iteracion:
202 (3 (2.358341))
f (2.358341) 1 0.771792 f ( b )
(2.358341) 2 3
9,8(3(2.358341) )
2
(0.771792)(0,5 2.358341)
xr 2.358341 2.31491
32.258215 0.771792
-5iteracion:
202 (3 (2.31491))
f (2.31491) 1 0.756893 f (b )
(2.31491)2 3
9,8(3(2.31491) )
2
(0.756893)(0,5 (2.31491))
xr 2.31491 2.27331
32.258215 0.756893
23
-6iteracion:
202 (3 (2.27331))
f (2.27331) 0.741446 f (b )
(3, 7698) 2 3
9,8(3(2.27331) )
2
(0.741446)(0,5 2.27331))
xr 2.27331 2.23346
32.258215 0.741446
-7iteracion:
202 (3 (2.23346))
f (2.23346) 1 0.72547 f (b )
(2.23346) 2 3
9,8(3(2.23346) )
2
(0.72547)(0,5 2.23346))
xr 2.23346 2.19534
32.258215 0.72547
-8iteracion:
202 (3 (2.19534))
f (2.19534) 1 0.70900 f ( b )
(2.19534) 2 3
9,8(3(2.19534) )
2
(0.70900)(0,5 2.19534))
xr 2.19534 2.158879
32.258215 0.70900
-9iteracion:
202 (3 (2.158879))
f (2.158879) 1 0.69206 f (b )
(2.158879)2 3
9,8(3(2.158879) )
2
(0.69206)(0,5 2.158879))
xr 2.158879 2.124037
32.258215 0.69206
24
-10iteracion:
202 (3 (2.124037))
f (2.12403) 1 0.674694 f (b )
(2.124037) 2 3
9,8(3(2.124037) )
2
(0.674694)(0,5 2.124037))
xr 2.124037 2.090766
32.258215 0.674694
xr 2.090766
2.090766 (2.124037)
Ea .100% 1,591331%
2.090766
25
MtodoDeNewtonRaphson
1. Caracteristicas:
El mtodo de Newton Raphson es un mtodo abierto, llamado con este nombre porque no garantiza
la aproximacin exacta de la raz.
La nica forma para obtener una Aproximacin es escoger un valor inicial, cercano a la raz
buscada.
Para empezar la iteracin con el mtodo debe iniciarse con un nmero prximo a cero, denominado
como punto de arranque o valor supuesto
2. Objetivos:
Esta tcnica se utiliza para encontrar aproximaciones de los ceros o races de una funcin real, al
igual que puede ser utilizado para encontrar el mximo o el mnimo de una funcin, hallando los
ceros de su primera derivada.
3. Definicin:
Es un mtodo Iterativo que nos permite aproximar la solucin de una Ecuacin del tipo f ( x) 0
Partimos de una Estimacin Inicial de la solucin X 0 y construimos una sucesin de

aproximaciones de forma recurrente mediante la frmula:
f ( xn )
xn 1 xn donde: n IN
f ( xn )
26
4. InterpretacinGrficadelMtododeNewtonRaphson:
5. DerivacionDelMtodo:
Supongamos que tenemos la aproximacin xi a la raz xr de f ( x)
Trazamos la recta tangente a la curva en el punto ( xi , f ( xi )) ; esta cruza al eje x en un punto xi 1

que ser nuestra siguiente aproximacin a la raz xr .
Para calcular el punto xi 1 , calculamos primero la ecuacin de la recta tangente. Sabemos que
tiene pendiente: m f ( xi )
27
Y por lo tanto la ecuacin de la recta tangente es: y f ( xi ) f ( xi )( x xi )
Hacemos y 0 :
f ( xi ) f ( xi )( x xi )
Y despejamos x :
f ( xi )
x xi
f ( xi )
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:

f ( xi )
xi 1 xi donde f ( xi ) 0
f ( xi )
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que
encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a dicha
raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo caso se dice
que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una
rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
Tambin observe que en el caso de que: f ( xi ) 0 , el mtodo no se puede aplicar. De hecho,

vemos geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto no
intersecta al eje x en ningn punto, a menos que coincida con este, en cuyo caso xi mismo es una
raz de f ( x) .
6. Algoritmo:
Dada la ecuacin f ( x) 0 , los indicadores de precisin y , un valor mximo del nmero de
iteraciones que se permiten realizar (maxiter) y un punto x0 con el que inicializar el proceso:
28
tolx 2
tolf 2
iteracion 0
Mientras ((iteracion max iter ) y (tolx> ) o (tolf ), hacer:
Si (f (x 0 ) 0) entonces:
Escribir mensaje de error (derivada nula).
Finalizar el proceso
si no:
f ( x0 )
x i x0
f ( x0 )
tolx x1 x0
tolf f ( x1 )
iteracion iteracion 1
x0 x1
fin condicion.
Fin bucle condicional
Si: ((tolx< ) y tolf entonces:
Tomar x1 como solucion
Si no:
Escribir un mensaje de error en el proceso de clculo
Fin Condicion.
Fin del algoritmo
En muchas ocasiones la diferencia entre dos valores consecutivos de las aproximaciones obtenidas
se relativiza para expresarlas porcentualmente. Para ello en el algoritmo anterior puede sustituirse
la lnea: tolx x1 x0 por otras que sean de la forma:
Si x1 0 entonces:
x1 x0
tolx 100
x1
Si, no:
tolx x1 x0
Fin condicion.
29
7. Ejercicios:
*Propuesto 1:
La concentracin de una bacteria contaminante en un lquido disminuye a lo largo del tiempo segn
la expresin:
C (t ) 80e2t 20e0.5t
Siendo t el tiempo en horas. Haciendo uso del mtodo de Newton Raphson para la bsqueda de
races, determinar el tiempo necesario que se necesita para que el nmero de bacterias se reduzca
a 7.
Solucin:
Metodo de Newton-Raphson:
f ( x ) 80 e 2 x 20 e 0.5 x 0 ; x 0 0
Ley de recurrencia (Formula)
f ( xi ) 80 e 2 xi 20 e 0.5 xi
xi 1 xi xi 1 xi
f ( xi ) 160 e 2 xi 10 e 0.5 xi
0.5 e 0.5 xi 0.125 e 2 xi
xi 1 xi
1 e 0.5 xi 0.0625 e 2 xi
Tabla de Datos:
i xi f ( xi ) xi xi 1
0 0.000000 100.000000
1 0.588235 39.572990 0.588235
2 1.285062 16.641281 0.696826
3 2.235787 7.453701 0.950725
La raiz aproximada es:

xi x3 2.23579
30
Representacin de la funcin:
y 80 e2 x 20 e0.5 x
Sea la funcin:
x
f ( x) ln( x2 6) e 2 sen( x) Cuya representacin grfica en el intervalo 6,6 es la

siguiente:
31
Aproximar mediante el mtodo de Newton-Raphson la raz de f ( x) 0 tomando como valor inicial

x0 2.2 con una exactitud de 5 10 .
3
*Solucin:
Metodo de Newton-Raphson:
x

f ( x ) log( x 2 6) e 2
s en( x ) 0 ; x0 2.2
Ley de recurrencia (Formula)
f ( xi 1 )
xi xi 1 (i 1)
f ( xi 1 )
xi 1

Log
6 xi 1
2
e
2
Sen xi 1
xi xi 1 xi 1 xi 1
2 xi 1 1
e 2
Cos xi 1 e 2
Sen xi 1
6 x i 1 2 2
xi1
2 6 xi 12 e 2 Log
6 xi 1
2
Sen xi 1
xi xi 1
xi 1
4 e 2
xi 1 2 (6 xi 12 ) Cos xi 1 (6 xi 12 ) Sen xi 1
Tabla de Datos:
i xi f ( xi ) f ( xi ) xi xi 1
0 -2.200000 0.617439 8.112392
1 2.276111 0.034137 7.123981 0.076111
2 2.280902 0.000192 7.043532 0.004792
La raiz aproximada es:

x x2 2.280902
Representacin de la funcin:
x

f ( x) log( x2 6) e 2 sen( x)
32
MtodoDeLaSecante
1. Objetivos:
Uno de los objetivos de este mtodo es eliminar el problema de la derivada de la funcin, ya que
existen funciones que describen fenmenos fsicos en la vida real, cuya derivada es muy compleja.
Haciendo el siguiente cambio en la ecuacin del mtodo de newton Raphson:

f ( xi ) f ( xi )
f (x i )
xi xi 1
2. Definicin:
El mtodo de la secante est definida en el anlisis numricos como un mtodo para encontrar los
ceros de una funcin de forma iterativa; es decir, es una variacin del mtodo de Newton-Raphson
donde en vez de calcular la derivada de la funcin en el punto de estudio, teniendo en mente la
definicin de derivada, ya que esta es un problema potencial en la implementacin del mtodo de
newton-raphson cabe resaltar que la derivacin no es un inconveniente para los polinomios ni para
muchas otras funciones, sino por otro lado existen funciones cuyas derivadas en ocasiones
resultan muy difciles de calcular.
Donde podemos resaltar que este mtodo es de especial inters cuando el coste computacional de
derivar la funcin de estudio y evaluarla es demasiado elevado, por lo que el mtodo de Newton no
resulta atractivo.
3. Derivacin Del Mtodo:

El mtodo de la secante se basa principalmente en la aproximacin de la pendiente basndose en
obtener la ecuacin de la recta que une la funcin evaluada en el punto de estudio y en el punto de
la iteracin anterior; es decir, que pasa por xn1 ,f xn1 y xn ,f xn , cuya recta se le
denomina secante por cortar la grfica de la funcin.
33
El mtodo estudiado como se explica anteriormente parte de dos puntos que se diferencia del
mtodo de Newton que solo parte con un punto inicial, de la misma forma estima la tangente (es
decir, la pendiente de la recta) por una aproximacin de acuerdo con la expresin grfica siguiente:
La frmula del mtodo de la secante en consecuencia queda de esta forma:

f ( xn )(x n xn 1 )
X n 1 xn
f ( xn ) f ( xn 1 )
Para hallar el error absoluto estimado se usa la formula siguiente:

| Ea || xn xn1 |
Para hallar el error relativo estimado se usa la formula siguiente:

( xn xn 1 )
| Er || |
xn
Para hallar el error relativo porcentual estimado se usa la formula siguiente:

( xn xn 1 )
| E p || | 100%
xn
34
4. Algoritmo:
Consiste en elegir dos puntos iniciales cualquiera xn 1 , xn para los cuales se evalan en:
f( xn )( xn xn 1 )
xn 1 xn
f( xn ) f ( xn 1 )
Se traza una recta secante a la funcin por esos dos puntos. El punto de interseccin de esta
recta con el eje de las abscisas ( xn , 0 ) constituye una segunda aproximacin de la raz.
El proceso se repite n veces hasta que el punto de interseccin xn muestre un error menor al
que nos pida el problema.
Ejercicio 1:
Usar el mtodo de la secante para aproximar la raz de f ( x) e x x , comenzando con x0 o
2
, x1 1 y hasta que |a | 1%
Solucin:
Tenemos que f ( x0 ) 1 y f ( x1 ) 0.632120558 , que sustituimos en la frmula de la secante
para calcular la aproximacin x1 :
f ( x1 )(x 0 x1 )
x2 x1 [ ] 0.612699837
f ( x0 ) f (x1 )
Con un error aproximado de:

x2 x1
|a || | 63.2%
x2
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la
siguiente tabla:
35
Aprox. a la raz Error aprox.
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%
De lo cual concluimos que la aproximacin a la raz es:
x4 0.652917265
5. Ejercicios:
*Propuesto 1:
Dada la ecuacin: e x 2 x 0 .Emplear el mtodo de la secante en el intervalo
a0 , b0 2.4, 1.6. Para hallar la raz aproximada iterando hasta que el valor de
xi xi 1 102 .
Solucin:
La grafica de la funcin es la siguiente f x x e x 2
36
Entonces:
f x x e x 2 0; xn x0 , x1 2.4, 1.6
-Primeria Iteracin:
Tomamos: x0 2.4 x1 1.6
Aplicamos la frmula del mtodo de la secante la cual es :

f( xn )( xn xn 1 )
xn 1 xn
f( xn ) f ( xn xn 1 )
Hallamos x2 :
f( x1 )( x1 x0 )
x2 x1
f( x1 ) f ( x1 x0 )
x2 1.6
1.6 e 1.6
2 (1.6 2.4 )
1.6 e 1.6
2 2.4 e2.4 2
x2 1.830078
37
-SegundaIteracin:
Tomamos: x1 2.4 x2 1.830078
Aplicamos la frmula del mtodo de la secante la cual es:

f( xn )( xn xn 1 )
xn 1 xn
f( xn ) f ( xn xn 1 )
Hallamos x2 :
f( x2 )( x2 x1 )
x3 x2
f( x2 ) f ( x2 x1 )
x2 1.830078
1.830078 e 1.830078
2 (1.830078 2.4 )
1.830078 e 1.830078
2 2.4 e2.4 2
x3 1.841694
-Tercera Iteracin:
Tomamos: x2 1.841694 x3 1.830078
Aplicamos la frmula del mtodo de la secante la cual es:

f( xn )( xn xn 1 )
xn 1 xn
f( xn ) f ( xn xn 1 )
Hallamos x2 :
f( x3 )( x3 x2 )
x4 x3
f( x3 ) f ( x3 x2 )
x2 1.830078
1.830078 e 1.830078
2 (1.830078 1.841694 )
1.830078 e 1.830078
2 1.841694 e1.841694 2
x4 1.841405
38
Entonces:
xi xi 1 102
x4 x3 102
1.841405 (1.841696) 102
0.000289 102
Donde cumple con lo que nos pide el problema, entonces el valor aproximado de x es -1.841405
39
MtodoDelPuntoFijo
1. Definicin:
Como se dijo antes, los mtodos abiertos emplean una frmula para predecir la raz. Esta frmula
puede desarrollarse como una iteracin simple de punto fijo (tambin llamada iteracin de un punto
o sustitucin sucesiva o mtodo de punto fijo), al arreglar la ecuacin f ( x) 0 de tal modo que x
est del lado izquierdo de la ecuacin:
x g ( x)
De esta manera, dado un valor inicial para la raz xi se utiliza para obtener una nueva
aproximacin xi 1 expresada por la frmula iterativa:
xi 1 g ( xi )
El error aproximado de esta ecuacin se calcula usando el error normalizado:
xi 1 xi
a *100%
xi 1
2. Criterio De Convergencia:
Basado en que:
g (x) x
Por lo cual puede suponerse que si la sucesin x0 , x1 , x2 ,... converge a x , los valores
consecutivos
40
xi y xi 1 irn acercndose entre s conforme el proceso iterativo avanza, como puede verse
enseguida:
Un mtodo prctico para ver si los valores consecutivos se acercan, es calcular la distancia entre
ellos:
di xi 1 xi
Si la sucesin d1 , d2 , d3 ,.... tiende a cero, puede pensarse que el proceso est convergiendo a una
raz x y debe continuar hasta que di a y tomar a xi 1 como raz buscada. Si d1 , d2 , d3 ,.... no
converge para un numero grande de iteraciones, entonces x0 , x1 , x2 ,... diverge de x y se detiene el
proceso para comenzar uno nuevo, modificando el g ( x ) .
Se tiene el criterio:
g ( x) 1
Es importante analizar porque algunas formas equivalentes x g ( x) de f ( x) 0 conducen a una

raz en el mtodo de punto fijo y otras no, aun empleando el mismo valor en ambos casos.
Se inicia aplicando el teorema de punto medio a la funcin g ( x ) en el intervalo en el intervalo

comprendido entre xi 1 y xi
g ( x) g ( xi 1 ) g (i )( xi xi 1 )
Donde:
i ( xi , xi 1 )
Como
g ( xi ) xi 1 y g ( xi 1 ) xi
41
Sustituyendo se obtiene:
xi 1 xi g (i )(x i xi 1 )
Tomando el valor absoluto de ambos miembros
xi 1 xi g (i ) (xi xi 1 )
Para i=1, 2,3 la ecuacin queda as:
x4 x3 g (3 ) (x3 x2 ) 2 ( x2 , x1 )
x3 x2 g (2 ) (x 2 x1 ) 2 ( x2 , x1 )
x4 x3 g (3 ) (x3 x2 ) 3 ( x3 , x2 )
Supngase ahora que en la regin que comprende a x0 , x1... y en x misma, la funcin g ( x) est
acotado; esto es:
g ( x) M
Para algn numero M, entonces:

x2 x1 M x1 x0
x3 x2 M x2 x1
x4 x3 M x3 x2
Si se sustituye la primera desigualdad en la segunda, se tiene:
x3 x2 M x2 x1 MM x1 x0
O bien:
42
x3 x2 M 2 x1 x0
Si se sustituye este resultado en la ternera desigualdad, se tiene:
x4 x3 M x3 x2 MM 2 x1 x0
x4 x3 M 3 x1 x0
Procediendo de igual manera, se llega a:
xi 1 xi M i x1 x0
En conclusin el proceso converge si M<1, ya que M i tendera a cero, al tender i a un grande, en un

entorno de x que incluya x0 , x1 , x2 ... Entonces M 1 es una condicin suficiente, pero no
necesaria para la convergencia.
2.1.Interpretacion Geometrica De La Convergencia ( g( x) 1 ):
Al graficas los dos miembros de la ecuacin x g ( x) como las funciones y x y y g ( x) , la

raz buscada x es la abscisa del punto de cruce de dichas funciones, en la figura(2 )se muestra un
caso de convergencia, ya que g ( x) es menor que 1en x0 , x1....x .
Para ver esto se trazan las tangentes a g (x) en ( x0 , x1 ), ( x1 , x2 )... y se observa que todas tienen
un ngulo de inclinacin menor que la funcin y=x cuya pendiente es 1.
43
Figura 2
A continuacion se presentan geometricamente los casos posibles de convergencia y divergencia.
En la figura a se muestra la situacin cuando

0 g (x) 1 . Incluso si x0 est lejos de la raz,
que se encuentra en el cruce de las curvas
y x y y g ( x) . Los valores sucesivos xi se
acercan a la raz por un solo lado. Esto se
conoce como convergencia monotona.
En la figura b muestra la situacin en

donde 1 g (x) 0 . Aun si x0 est alejado
de la raz x los valores sucesivos se
aproximan tanto por el lado derecho e
izquierdo de la raz. Esto se conoce como
divergencia oscilatoria.
En la figura c se ve la divergencia cuando

g (x) 1 . Los valores sucesivos xi se alejan
de la raz por un solo lado. Esto se conoce
como divergencia montona
44
En la figura d se presenta la divergencia

cuando g (x) 1 . Los valores sucesivos xi
se alejan de la raz oscilando alrededor de ella.
Esto se conoce como divergencia oscilatoria
3. Ejercicios:
*Propuesto 1:
Determine la raz real ms grande de f (x) 2 x3 11.7 x2 17.7 x 5 con el mtodo de punto fijo
con tres iteraciones, considerando x0 3 . Asegrese de haber desarrollado una solucin que
converja a la raz.
Solucin:
Debemos encontrar un x g (x) que haga converger la funcin f (x) 0
Consideramos posibles formas de x g (x)
5
a) x g (x)
2 x 11.7 x 17.7
2
45
Derivamos y reemplazamos el x0 3
5(1) 5(1)
g (x) *(4 x 11.7) *(4*3 11.7) 4.1667
2 x 11.7 x 17.7
2
2*3 11.7 *3 17.7
2
Se observa que g (3) 4.1667 1 , nos dara el caso 4 (divergencia oscilatoria)
5 2 x3 11.7 x 2
b) x g ( x)
17.7
De igual forma, derivamos y reemplazamos x0 3
6 x 2 23.4 x 6*32 23.4*3

g (x) 0.91525
17.7 17.7
Se tiene que 0 g (3) 0.91525 1 , por lo tanto tiene convergencia monotonica, pero igual es un
valor cercano a 1 y nos dara muchas iteraciones como veremos ms adelante
2 x3 11.7 x 2 17.7 x 5
c) x g (x) x
x2 x
Derivamos y reemplazamos el x0 3
[(6 x 2 23.4 x 17.7)(x 2 x) (2 x 1)(2 x 3 11.7 x 2 17.7 x 5)

g (x) 1
(x 2 x)2
[(6*32 23.4*3 17.7)(32 3) (2*3 1)(2*3311.7*32 17.7 *3 5)

g (x) 1 0.30555
(32 3)2
En este caso si se tiene un 0 g (x) 1 y convergir con pocas iteraciones.
Tabulando los casos a y b
46
Caso "b" Caso "c"

i xi f (x i ) i xi f (x i )
0 3 3.18079 0 3 3.53
1 3.18079 3.33396 1 3.53 3.56731
2 3.33396 3.44254 2 3.56731 3.56254
3 3.44254 3.50663 3 3.56254 3.56311
4 3.50663 3.53829 4 3.56311 3.56311
5 3.53829 3.55271
6 3.55271 3.55885
7 3.55885 3.5614
8 3.5614 3.56244
9 3.56244 3.56287
10 3.56287 3.56304
11 3.56304 3.56311
12 3.56311 3.56311
*Propuesto 2:
Se da la ecuacin trascendente f (x) 2x 5x 2 0 . Encontrar una raz prxima al valor
xo 0 aplicando el teorema y algoritmo del punto fijo. Trabajar con redondeo a tres cifras
decimales en cada iteracin e iterar hasta que se cumpla que xi xi1 0.0005 .
Buscar, en primer lugar la funcin iterativa x g (x) , deducida de la dada y comprobar que es
convergente del valor inicial dado.
Solucin:
La ecuacin iterativa es:

xi 1 g (x i )
Se toma la ecuacin
1
x (2 2 x )
5
47
Cuya derivada es
1
g (x) 2 x log(2)
5
Se toma el punto inicial xo 0.
g (x 0 ) g(0) 0.138629 <1
Entonces el proceso converger en un mismo sentido.
La tabla de contenidos quedara de la siguiente forma:

i g (x) xi xi 1
0 0
1 0.6 0.6
2 0.703 0.103
3 0.726 0.022
4 0.731 0.005
5 0.732 0.001
6 0.732 0
48
MtodoDeSteffesen
1. Objetivos:
Permitir la convergencia rpida hacia la raz y que la funcin analizada no requiere
de evaluacin de derivada.
Utilizar el mtodo para acelerar la funcin de orden lineal, ya que converge la
misma en una cuadrtica.
2. Concepto del mtodo:
El mtodo de Steffensen es un algoritmo para obtener los ceros de una funcin. Puede considerar
como una combinacin del mtodo de punto fijo y del mtodo de Aitken, presenta una convergencia
rpida y no requiere, como en el caso del mtodo de la secante, la evaluacin de derivada alguna.
Adems presenta una convergencia rpida y no requiere, como en el caso del mtodo de Newton, ni
la evaluacin de derivada alguna.
3. Demostracin De La Frmula:
Para poder entender el mtodo de Steffensen debemos estudiar un tcnica denominada mtodo de
2 Aitken, la cual sirve para acelerar la convergencia de una sucesin que sea linealmente
convergente.
Supongamos que ( pn )n 0 es una sucesin linealmente convergente con lmite . Vamos a

construir una sucesin ( p)n 0 convergente a ms rpidamente que ( p )n 0 . Supongamos
primero que los signos de pn p, pn1 p , pn2 p son iguales y que n es suficiente grande
para que
pn 1 p pn 2 p

pn p pn 1 p
49
Entonces
pn1 p pn p pn 2 p ,
2
Por lo tanto
pn1 2 pn 1 p p 2 pn 2 pn pn 2 pn p p 2
2
Al despejar obtenemos
p p pn 1
2
p n2 n
pn 2 2 pn 1 pn
Si sumamos y restamos los trminos 2 2 +1 en el numerador podemos escribir esta

ltima expresin de la siguiente manera.
pn1 pn
2
p pn
pn 2 2 pn1 pn
El mtodo de 2 Aitken se basa en la suposicin de que la sucesin ( )

=0 definida por
pn1 pn
2
p n pn ,
pn 2 2 pn 1 pn
Podemos concluir la siguiente formula que ser utilizada para las iteraciones del mtodo de
steffenson:
pn1 pn
2
p n pn
pn 2 2 pn 1 pn
Descrita en otros trminos de la siguiente forma:
y0 x0
2
x x0
z0 2 y0 x0
50
3. Algoritmo Del Mtodo de Steffensen:

La ecuacin x g ( x) se usa para construir una formula iterativa:
y0 x0
2
x x0
z0 2 y0 x0
Donde: n 0,1, 2,3... siendo x0 el valor inicial, elegido con algn criterio. En la formula se usa un
ndice para numerar los valores calculados.
Con la formula iterativa se obtiene una sucesin de valores x esperando que tienda a un valor que
satisfaga la ecuacin x g ( x) , lo cual implica que la ecuacin es f ( x) 0 tambin se satisface:
1ro. Elegir un valor inicial x0
1.1 Reemplazar x0 en g ( x ) que ser:
y g ( x0 )
1.2 Reemplazar y0 en g ( x ) que ser :
z0 ( y0 )
2do. Generar la sucesin de valores, con la formula iterativa
3ro. Si el mtodo converge, la sucesin xi tendera hacia un valor fijo que satisface la ecuacin de
x g ( x)
4. Pseudocdigo el Mtodo de Steffensen:

Se puede expresar como sigue:
Entrada:
Paso 1 i 0
Paso 2. Mientras i N , siga los pasos 3 6
51
Paso 3.
y g ( x0 )
z0 ( y0 )
y0 x0
2
x x0
z0 2 y0 x0
Paso 4. Si x x0 Tol
Paso 5. i i 1
Paso 6. x0 x
Paso 7. Salida (Nmero mximo de iteraciones excedido)
Parar
5. Ejercicios:
*Propuesto1:
Calcular la raz de f ( x) x3 9 x 9 por el mtodo de Steffensen, hasta a 0.5% con punto
inicial x0 1
x3 9 x 9 0
x x 2 9 9
9
x
x 9
2
52
1era. Aproximacin
Sabiendo que x0 1
y0 g x0
y0 g x0
9
y0
0.91484375 2
9
y0 0, 914918748
z 0 g y0
9
z0
0, 914918748 2
9
z0 0, 914905985
y0 x0
2
x x0
z0 2 y0 x0
0, 914918748 0.91484375
2
x 1
0, 914905985 2 0, 914918748 0.91484375
y0 0,9
z0 g y0
9
z0
0, 9 2
9
z0 0,9174311927
y0 x0
2
x x0
z0 2 y0 x0
0,9 1
2
x 1
0,9174311927 2 0,9 1
x 0.91484375
53
2da. Aproximacin:
sabiendo que x0 0.91484375
y0 g x0
9
y0
0.91484375 9
2
y0 0,914918748
z0 g y0
9
z0
0, 914918748 2
9
z0 0,914905985
y0 x0
2
x x0
z0 2 y0 x0
0,914918748 0.91484375
2
x 1
0,914905985 2 0,914918748 0.91484375
x 0,914907841
Recordando:
9
x
x 9
2
Por lo tanto conocemos x0 1
y0 g x0
z0 g y0
54
y0 x0
2
x x0
z0 2 y0 x0
I = () = () %
0 -1 - 0,9 - 0,9174311927 -
1 -0,91484375 -0,914919748 -0,914905985 -9.31
2 -0,914907841 -0.914907841 -0,914907841 0.00752
3 -0,914907841
*Propuesto 2:
El balance de masa de un contaminante en un lago bien mezclado se escribe as:
v f (c ) w Q c k V c
Dados los valores de parmetro:

V 1*106 m3 , Q *1*105 m3 / ao, W 1*106 g / ao y k 0.25 m0.5 / g 0.5 / ao , use el
mtodo de Stefessen para resolver dando como resultado una concentracin de estado estable.
Emplee un valor inicial de c 4 g / m3 y 102 .Realice tres iteraciones y determine el error

porcentual despus de la tercera iteracin.
-Solucin:
De la ecuacin despejamos c y reemplazamos los valores que nos dan en el problema
W Qc
2
c
kV
Reemplazando valores
2
106 105 * c
c 6
0.25*10
55
Nuestro valor inicial es x0 4
Para hallar nuestra primera iteracin con el mtodo de Steffensen necesitamos los valores de y0 y
z0 , si sabemos que:
2
106 105 * c
G c = 6
0.25*10
2
106 105 * 4
y0 G x0 6
5.76
0.25*10
2
106 105 *5.76
z0 G y0 6 2.8764
0.25*10
Ahora reemplazamos en la frmula del mtodo de Steffensen para obtener nuestra primera
iteracin i 0
y0 x0
2
x1 x0
z0 2 y0 x0
5.76 4
2
x1 4 4.6675
2.88 2*5.76 4
- i 1
x1 4.67
2
106 105 * 4.67
y1 G x1 6 4.5454
0.25*10
2
106 105 * 4.54
z1 G y1 6 4.7698
0.25*10
y1 x1
2
x2 x1
z1 2 y1 x1
56
4.54 4.67
2
x2 4.67 4.6230
4.77 2*4.54 4.67
-i 2
x2 4.62
2
106 105 * 4.62
y2 G x2 6 4.6311
0.25*10
2
106 105 * 4.63
z2 G y2 6 4.6139
0.25*10
y2 x2
2
x3 x2
z2 2 y2 x2
4.63 4.62
2
x3 4.62 4.6233
4.61 2*4.63 4.62
*Propuesto 3:
La ecuacin de Manning se puede escribir para un flujo en un canal abierto rectangular como:
S ( B H )4/3
Q
n ( B 2 H )2/3
Donde Q= Flujo {m3/s}, S=pendiente {m/m}, H=profundidad {m} y n=coeficiente de rugosidad de

Manning. Desarrolle un esquema de iteracin para despejar H de esta ecuacin dado Q=5,
S=0.0002, B=20 y n=0.03. Puede que su esquema converge para todos los valores iniciales iguales
a cero.
57
Despejamos H de la ecuacin
S ( B H )4 B
H
4 n Q3 2
Reemplazamos los valores que nos dan en el problema
0.0002(20 H i )4 20
G( H i )
4 0.03 53 2
Comenzamos a iterar
i0
x0 0
0.0002(20 H i ) 4
y0 G ( x0 ) 10
4 0.03 53
y0 10
0.0002(20 10) 4
z0 G ( y0 ) 10
4 0.03 53
z0 1218.2078
10 0
2
x1 0
1218.2078 2 10 0
x1 0.08
i 1
0.0002(20 0.08) 4
y1 G (0.08) 10
4 0.03 53
y1 9.92139
0.0002(20 9.92139) 4
z1 G (9.92139) 10
4 0.03 53
z1 1198.973841
9.92139 0.08
2
x2 0.08
1198.973841 2 (9.92139) 0.08
x2 0.00206
58
7. Ventajas:
El mtodo de Steffensen presenta una convergencia rpida y no requiere, como en el caso del
mtodo de la secante, la evaluacin de derivada alguna. Presenta adems, la ventaja adicional de
que el proceso de iteracin slo necesita un punto inicial.
8. Desventajas:
Si aplicamos Steffensen en ecuaciones de orden cuadrtico puede que no lo acelere o que haga que
una funcin que era divergente la transforme en convergente (incluso llegar a cambiar la
convergencia de una funcin).
9. Observaciones:
Al igual que el mtodo de Newton y otros mtodos cuadrticamente convergentes, la debilidad
fundamental en el mtodo de Steffensen es la eleccin del valor inicial xo. Si el valor de xo no est lo
suficientemente cerca de la solucin, el mtodo puede fallar y la secuencia de
valores xo, x1, x2 , x3, o bien puede oscilar entre dos valores, o bien divergen hacia infinito (ambas
alternativas pueden suceder).
59
MtodoDeBaristow
1. Objetivo:
Con el mtodo iterativo de bairstow podremos calcular las races reales y complejas de un
polinomio.
Profundizar el conocimiento de soluciones de ecuaciones no lineales en base a lo aprendido.
Descubrir nuevos conceptos para la obtencin de races en una ecuacin polinmica basndonos en
conceptos bsicos como la divisin sinttica, mtodo de Ruffini y los conceptos previos de Newton-
Raphson.
2. Definicin:
2.1 Races de polinomios:
En esta parte estudiaremos los mtodos para encontrar las races de ecuaciones polinomiales de la
forma general:
f ( x) a0 a1 x a2 x 2 ... an 1 x n 1 an x n
donde n es el grado del polinomio y las a son los coeficientes del polinomio. Aunque los coeficientes
pueden ser nmeros reales o complejos, este estudio se limitar a los casos en que son reales.
Entonces las races del polinomio pueden ser reales y/o complejas.
Las races de los polinomios cumplen estas reglas:
1. En una ecuacin de grado n, hay n races reales o complejas. Se debe notar que esas races no
necesariamente son distintas.
2. Si n es impar, hay al menos una raz real.
60
3. Si existen races complejas, stas se encuentran por pares conjugados (es decir, + i y i),
donde i = 1 .
Antes de describir las tcnicas para localizar las races de polinomios, se proporcionarn algunos
antecedentes. La primera seccin da una motivacin para estudiar dichas tcnicas; la segunda
trata de algunas manipulaciones computacionales fundamentales con polinomios.
2.2 Mtodo de Bairstow:

El mtodo de Lin Bairstow es un mtodo iterativo, basado en el mtodo de Mller y de Newton
Raphson. Dado un polinonio fn(x) se encuentran dos factores, un polinomio cuadrtico
f2 (x) = x2 rx s y fn-2(x).
El procedimiento general para el mtodo de Lin Bairstow es:
1. Dado fn(x) y r0 y s0
2. Utilizando el mtodo de NR calculamos f2 (x) = x2 r0x s0 y fn-2 (x), tal que, el residuo
de fn(x)/ f2 (x) sea igual a cero.
3. Se determinan la races f2(x), utilizando la formula general.
4. Se calcula fn-2 (x)= fn(x)/ f2(x).
5. Hacemos fn(x)= fn-2 (x)
6. Si el grado del polinomio es mayor que tres regresamos al paso 2
7. Si no terminamos
La principal diferencia de este mtodo, respecto a otros, es que permite calcular todas las races
de un polinomio (reales e imaginarias).
61
3. Derivacin Del Mtodo:

Para calcular la divisin de polinomios, hacemos uso de la divisin sinttica. As dado:
fn(x) = anxn + an-1xn-1 + + a2x2 + a1x + a0
Al dividir entre f2 (x) = x2 rx s, tenemos como resultado el siguiente polinomio:
fn-2 (x) = bnxn-2 + bn-1xn-3 + + b3x + b2

Con un residuo R = b1(x-r) + b0, el residuo ser cero solo si b1 y b0 lo son.
Los trminos b, los calculamos utilizamos divisin sinttica, la cual puede resolverse utilizando la
siguiente relacin de recurrencia
b n = an
bn-1 = an-1 + rbn
bi = ai + rbi+1 + sbi+2
Una manera de determinar los valores de r y s que hacen cero el residuo es utilizar el Mtodo de
Newton-Raphson. Para ello necesitamos una aproximacin lineal de b1 y b0 respecto a r y s la cual
calculamos utilizando la serie de Taylor.
f ( x) a0 a1 x a2 x 2 ... an 1 x n 1 an x n
b1 b
b1 (r r , s s) b1 r 1 s
s s
Bairtow muestra que las derivadas parciales se pueden obtener haciendo un procedimiento similar
a la divisin sinttica, as:
62
cn = bn
cn-1 = bn-1 + rcn
ci = bi + rci+1 + sci+2
-Para i = n-2 a 1:
Entonces las derivadas parciales se obtienen por divisin sinttica de las b, y las b con las
derivadas parciales son sustituidas en las ecuaciones y se obtiene:
c2 rs c3s b1
c1rs c2 s b0
Estas ecuaciones pueden ser resueltas para mejorar los valores de r y s, se podra utilizar el error
aproximado para cada paso pero no es para nuestro caso realmente utilizado pero quedara de la
siguiente forma:
r
a ,r 100%
r
s
a,s 100% a , s 75.9%
s
4. Ejercicios:
*Propuesto1:
Encuentre las races del siguiente polinomio.
f ( x) 9.34 21.97 x 16.3 x 2 3.704 x 3

utilisamos :
bn an
bn 1 an 1 rbn
cn bn
cn 1 bn 1 rcn
63
Para determinar los valores de b:

r2
s 0.5
Reacomodando la ecuacin
f ( x ) 3.704 x 3 16.3 x 2 21.97 x 9.34
b3 3.704
b2 16.3 (2)( 3.704) 8.892
b1 21.97 (2)(8.892) ( 0.5)( 3.704) 2.334
b0 9.34 (2)( 2.334) ( 0.5)(8.892) 0.226
c3 3.704
c2 8.892 (2)( 3.704) 1.484
c1 2.334 (2)(1.484) (0.5)( 3.704) 23346
Obteniendo el :
c2 r c3s b1
1.484r (2.334)s 2.334
c1r c2 s b0
2.334r 1.484s 0.226
Resolviendo el sistema:
r 0.9047
s 1.5752

r 2 (0.9047) 1.0953
s (0.5) (1.5752) 2.0752
64
As podemos obtener el porcentaje de error:
s
a,s 100% a , s 75.9%
s
r
a ,r 100% a ,r 82.6%
r
*Segunda iteracin:
r 0.179
s 0.042

r 2.05
s 1.08
*Tercera iteracin:
r 0.053
s 0.0165

r 2.103
s 1.096
*Finalmente:
Iteracin r S
1 1.0953 -0.9047 -2.0752 -1.5752
2 2.05 0.179 -1.08 -0.042
3 2.103 -0.053 -1.096 -0.0165
65
*Las races son:
r r 2 4s
X1
2
X 1 2.29
X 2 2.29
X 3 1.14956
*PropuestoI1:
Encuentre las races del siguiente polinomio.
f ( x ) 2 6.2 x 4 x 2 0.7 x 3
utilizamos :
bn an
bn 1 an 1 rbn
bn 2 an 2 rbn 1 sbn
cn bn
cn 1 bn 1 rcn
Para determinar los valores de b:

r 1
s 1
66
Reacomodando la ecuacin
f ( x ) 0.7 x 3 4 x 2 6.2 x 2
b3 0.7
b2 4 ( 1)(0.7) 4.7
b1 6.2 ( 1)( 4.7) ( 1)(0.7) 10.2
b0 2 ( 1)(10.2) ( 1)( 4.7) 7.5
c3 0.7
c2 4.7 ( 1)(0.7) 5.4
c1 10.2 ( 1)( 5.4) ( 1)(0.7) 14.9
Obteniendo el :
c2 r c3 s b1
5.4r 0.7s 10.2
c1r c2 s b0
14.9r (5.4)s 7.5
Resolviendo el sistema:
r 0.1296s 1.8889
r 0.3624s 0.5034
0.2328s 1.3855
s 5.9519
r 2.6604

r 1 (2.6604) 1.6604
s 1 (5.9519) 4.9519
As podemos obtener el porcentaje de error:
s
a,s 100% a , s 120%
s
67
r
a ,r 100% a , r 160%
r
*Segunda iteracin:
r 2.4761
s 13.0044

r 0.8157
s 8.0525
*Tercera iteracin:
r 1.7992
s 7.0856

r 0.9835
s 0.9669
*Finalmente:
Iteracin r S
1 1.6604 5.9519 4.9519 2.6604
2 -0.8157 -2.4761 -8.0525 -13.0044
3 0.9835 1.7992 -0.9669 7.0856
68
*Las races son:
r
r 2 4s
X1
2
X1 0.8302 2.06i
X 2 3.6970
X 3 1.5912
69
MetodoDeMller
1. Objetivo:
Hasta ahora se han discutido slo tcnicas para encontrar races reales de ecuaciones de la forma
f ( x ) 0 . Sin embargo, a menudo se presentan ecuaciones polinomiales con coeficientes reales,
cuyas races son complejas, o bien polinomios complejos, y ecuaciones trascendentes con races
reales y complejas.
Generalmente, dichas ecuaciones pueden resolverse por el mtodo de Newton-Raphson , pero

proponiendo un valor inicial xo complejo o bien por algn otro mtodo.
2. Definicin:
Un mtodo deducido por Mller, * se ha puesto en prctica en las computadoras con xito
sorprendente. Se puede usar para encontrar cualquier tipo de raz, real o compleja, de una funcin
arbitraria. Converge casi cuadrticamente en un intervalo cercano a la raz y, a diferencia del
mtodo de Newton-Raphson, no requiere la evaluacin de la primera derivada de la funcin, y
obtiene races reales y complejas aun cuando estas races sean repetidas.
La aplicacin del mtodo requiere valores iniciales y es una extensin del mtodo de la secante, el
cual aproxima la grfica de la funcin f ( x ) por una lnea recta que pasa por los puntos
( xi 1, f ( xi 1 )) y ( xi , j ( xi )) . El punto de interseccin de esta lnea con el eje x da la nueva
aproximacin. xi j
En lugar de aproximar f ( x ) por una funcin lineal (lnea recta o polinomio de grado 1), resulta
natural tratar de obtener una convergencia ms rpida aproximando f ( x ) por un polinomio de
grado n 1 que coincida conf ( x ) en los puntos de abscisas xi , xi 1, xi 2 ,..., xi n ' y determinar xi 1
como una de las races de ( x ) ..
A continuacin se describe el caso n 2 , donde el estudio detallado de Mller encontr que la

eleccin de n da resultados satisfactorios.
70
Se toman tres valores iniciales x0 , x1, x2 y se halla el polinomio p de segundo grado que pasa por
los puntos ( x0 , f ( x0 )),( x1, f ( x1 )),( x2 , f ( x2 )) y se toma una de las races de ( x ) , la ms
cercana x2 como la siguiente aproximacin x3 . Se repite la operacin con los nuevos valores
iniciales x1, x2 , x3 y se termina el proceso tan pronto como se satisfaga algn criterio de
convergencia.
Sean xi , xi 1 , xi 2 ' tres aproximaciones distintas a una raz de f ( x ) 0 . Usando la siguiente

notacin:
f i f ( xi )
f i 1 f ( xi 1 )
f i 2 f ( xi 2 )
en temas ms adelante , se demostrar que con:
f i f i 1
f [ xi , xi 1 ]
xi xi 1
f i 1 f i 2
f [ xi 1 , xi 2 ]
xi 1 xi 2
f [ xi , xi 1 ] f [ xi 1 , xi 2 ]
f [ xi , xi 1 , xi 2 ]
xi 1 xi 2
L La funcin:
p( x) fi f [ xi , xi 1 ]( x xi ) f [ xi , xi 1, xi 2 ]( x xi )( x xi .1 )
Es la parbola nica que pasa por los puntos:

( xi , fi ),( xi 1, fi 1 ) y( xi 2 , fi 2 )
El lector recordar que la manera usual de escribir un polinomio de segundo grado o parbola es
p( x ) a0 a1 x a2 x 2
71
Al comparar esta ltima expresin con la ecuacin se establece la siguiente identificacin:

a2 f [ xi , xi 1 , xi 2 ]
a1 f [ xi , xi 1 ] ( xi , xi 1 )a2
ao f1 xi ( f [ xi , xi 1 ] xi 1a2
Una vez calculados los valores de a0 , a1 ya2 , las races de ( x ) se determinan a partir de la
frmula cuadrtica
2 a0
xi 1 1
a1 ( a12 4a0a2 ) 2
cuya explicacin se encuentra en el problema , Y en el ejercicio antes vistos delos primero temas.
Se selecciona el signo que precede al radical de manera que el denominador sea mximo en
magnitud,* y la raz correspondiente es la siguiente aproximacin xl. La razn para escribir la
frmula cuadrtica de esta manera es obtener mayor exactitud (vase Probo 2.31), ya disminuida
por las diferencias de las ecuaciones, que se utilizan en el clculo de a Ya2, Y que son
aproximaciones a las derivadas de la x).
Puede ocurrir que la raz cuadrada en la ecuacin sea compleja. Si f ( x ) no est
Definida para valores complejos, el algoritmo deber reiniciarse con nuevos valores iniciales.
72
Si f ( x ) es un polinomio, la posibilidad de races complejas es latente y el valor de x puede

considerarse como aproximacin a alguna de estas races y, por tanto, deber emplearse en la
siguiente iteracin.
3. Algoritmo:
Para encontrar una raz real o compleja de la ecuacin f(x) = O, incluir la funcin f(x) y los:
DATOS:
Valores iniciales XO, Xl, X2; criterio de convergencia EPS, criterio de exactitud EPSI y nmero
Mximo de iteraciones MAXIT.
PASO1:
y evaluar la funcin f (x) en estos puntos, se tiene:
f ( x0 ), f ( x1 ), f ( x2 )
PASO2:
Se calculan ahora los coeficientes del polinomio de segundo grado:

f1 f 0
f [ x2 , x0 ]
x1 x0
f 2 f1
f [ x2 , x1 ]
x2 x1
f [ x2 , x1 ] f [ x1 , x0 ]
f [ x2 , x1 , x0 ]
x2 x0
73
PASO3:
Por tanto:
a2 f [ x2 , x1 , x0 ]
a1 f [ x2 , x1 ] ( x2 x1 )a2
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 )
PASO4:
Se calculan los denominadores de la ecuacin

1
a1 ( a12 4a0a2 ) 2
1
a0 ( a12 4a0a2 ) 2
PASO5:
Como el segundo es mayor en valor absoluto, de donde

2 a0
x3 1
a1 ( a12 4a0 a2 ) 2
PASO6:
Repetir
x i 1 xi
74
4. Pseudocodigo:
La raz aproximada X o un mensaje de falla.
PASO 1.
Hacer I = 1
PASO 2.
Mientras I < MAXIT, repetir los pasos 3 a 7.
PASO 3.
Hacer FlO = (F(XI)-F(XO / (XI- XO)
F21 = (F(X2)-F(XI / (X2-XI).
F210 = (F21-FlO) / (X2-XO).
A2 = F21O.
Al = F21-(X2+XI)*A2.
AO = F (X2)-X2*(F21-XI *A2).
DI = -AI+(AI **2-4*AO*A2)**0.5.
D2 = -AI-(AI **2-4* AO* A2)**0.5.
75
PASO 4.
Si ABS (DI) > ABS (D2) hacer X3 = 2*AOIDI En caso contrario hacer X3 = 2*PASO 5. Si ABS (X3-XO) <
EPS OABS (F (X3 < EPS1.
IMPRIMIR X3 y TERMINAR.
De otro modo, continuar.
PASO 6.
Hacer XO = Xl.
Xl = X2 (actualizacin de valores iniciales).
X2 =X3.
PASO 7.
Hacer I = I + 1.
PASO 8.
IMPRIMIR mensaje de falla: "EL MTODO NO CONVERGE A UNA TERMINAR.
76
5. Propuestos:
*Propuesto 1:
Encuentre una raz real de la ecuacin polinomial:
f ( x) x 3 2 x 2 10 x 20 0
con el mtodo de Mller.
-Primera iteracin:
Al seleccionar como valores iniciales a:
x0 0; x1 1; x2 2
y evaluar la funcin f (x) en estos puntos, se tiene:
f 0 20; f1 7; f 2 16
77
Se calculan ahora los coeficientes del polinomio de segundo grado:
f1 f 0 7 20
f [ x2 , x0 ] 13
x1 x0 1 0
f 2 f1 16 7
f [ x2 , x1 ] 23
x2 x1 2 1
f [ x2 , x1 ] f [ x1 , x0 ] 23 13
f [ x2 , x1 , x0 ] 5
x2 x0 20
Por tanto:
a2 f [ x2 , x1 , x0 ] 5
a1 f [ x2 , x1 ] ( x2 x1 )a2 23 (2 1)5 8
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 ) 16 2(23 1(5)) 20
Se calculan los denominadores de la ecuacin

1 1
a1 ( a12 4a0a2 ) 2
8 (64 400) 2
13.54066
1 1
a0 ( a12 4a0a2 ) 2
8 (64 400) 2
29.54066
Como el segundo es mayor en valor absoluto, de donde

2a0 2( 20)
x3 1.35407
a1 ( a12 4a0a2 )
1
2 29.54066
-Segunda iteracin:
Recorriendo ahora los subndices de x, se tiene:
x0 1; x1 2; x2 1.35407
f 0 7; f1 16; f 2 0.30959
78
En consecuencia:
16 7
f [ x1 , x0 ] 23
2 1
0.30959 16
f [ x2 , x1 ] 25.24978
1.35407 2
25.24978 23
f [ x2 , x1 , x0 ] 6.35405
1.35407 1
De donde:
a2 f [ x2 , x1 , x0 ] 6.35405
a1 f [ x2 , x1 ] ( x2 x1 )a2
25.24978 (1.35407 2)6.35405 3.87077
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 )
0.30959 1.35407(25.24978 2(6.35405)) 17.29190
Calculando los denominadores de la ecuacin

1
a1 ( a12 4a0a2 ) 2
17.39295
1
a1 ( a12 4a0a2 ) 2
25.26855
Como el segundo es mayor en valor absoluto, se usa en la ecuacin, de donde
2a0
x3 1
1.36865
a1 (a 4a0a2 )
2
1
2
79
La tabla se obtiene repitiendo el procedimiento.
I xi |xi-xi-1|
0 0
1 1 1
2 2 1
3 1.35407 0.64593
4 1.36865 0.01458
5 1.36881 0.00016
*Ejercicio 2:
Encuentre las races complejas de la ecuacin polinomial
f ( x) x 2 4 0
*Primera iteracin:
Al elegir como valores iniciales:
x0 0; x1 1; x2 1
y evaluar la funcin en estos puntos, se tiene:
f 0 4; f1 5; f 2 5
80
Se calculan ahora los coeficientes del polinomio de segundo grado
f1 f 0 54
f [ x2 , x0 ] 1
x1 x0 1 0
f 2 f1 55
f [ x2 , x1 ] 0
x2 x1 1 1
f [ x2 , x1 ] f [ x1 , x0 ] 0 1
f [ x2 , x1 , x0 ] 1
x2 x0 1 0
Por tanto:
a2 f [ x2 , x1 , x0 ] 1
a1 f [ x2 , x1 ] ( x2 x1 )a2 0 ( 1 1)1 0
a0 f 2 x2 ( f [ x2 , x1 ] x1a2 ) 5 ( 1)(0 1(1)) 4
Calculando los denominadores de la ecuacin

1 1 1
a1 ( a 4a0a2 ) 0 (0 4(4)(1)) ( 16) 4j

2 2
2 2
1
1 1 1
a0 ( a12 4a0a2 ) 0 (0 4(4)(1)) ( 16) 4 j

2
2 2
Como son de igual magnitud se usa cualquiera,
2a0 2(4) 2
x3 1

a1 ( a 4a0a2 )
2
1
2 4j j
Al multiplicar numerador y denominador por j, queda
2 j 2j
x3 2 j
j j 1
81
Hay que observar que aun cuando x0 , x1 yx2 son nmeros reales x3 , ha resultado un nmero
complejo y adems es la raz buscada, lo cual resulta lgico, ya que la ecuacin polinomio
f ( x) x 2 4 0
La otra raz es el complejo conjugado de x3 ' o sea 2 j .
6. Ventajas:
Converge casi cuadrticamente en un intervalo cercano a la raz y, a diferencia del mtodo de
Newton-Raphson, no requiere la evaluacin de la primera derivada de la funcin, y obtiene races
reales y complejas aun cuando estas races sean repetidas.
82
MetodoDeRaicesMultiples
1. Objetivos
Encontrar una raz a partir de un valor inicial, teniendo en cuenta una tolerancia y un nmero
mximo de iteraciones. En este caso no es necesario tener un intervalo.
2. Definicion
Para garantizar la convergencia del mtodo de Newton-Raphson una de las condiciones qu
f ' ( x) 0 . Si se observa que al ejecutar Newton-Raphson f ' ( x) se aproxima a cero. La rapidez del
mtodo disminuye y hay posibilidades de que haya una raz mltiple.
El mtodo de races mltiples es muy similar a metodo de Newton-Raphson con la particularidad de

que en la estructura se debe de hallar la segunda deriva de la funcin a la cual se le est hallando la
raz. Esto permite tener una mayor seguridad y rapidez en la convergencia. Y se debe tomar en
cuenta la expresin:
La segunda alternativa est dada por la aplicacin del mtodo de Newton a una funcin auxiliar U,
mediante la cual tambin se pueden detectar las races de la ecuacin f ( x) 0 y se define como:
f ( x)
u ( x)
f ' ( x)
Teniendo definida la expresin con la cual hallaremos la raz
Se debe tomar el valor inicial a
Calcular x1 y continuar hasta xn , hasta llegar a la aproximacin de la raiz.
Toda la raz de la ecuacin u ( x) 0 es tambin raz de la ecuacin f ( x) 0 , ya que la

funcin f ( x) es el numerador de la funcin U ( x) . Por lo tanto, es perfectamente vlido aplicar el
mtodo de Newton a la ecuacin U ( x) 0 .
83
u ( xn )
xn 1 xn
u ' ( xn )
Al sustituir la expresin resultante a U ( X n ) y a U'(Xn) por las funciones originales que dependen
de f ( x) y al organizar la expresin, obtenemos el mtodo para hallar races mltiples.
f ( xn ) f '( xn )
xn1 xn
( f '( xn ))2 f ( xn ) f ''( xn )
NOTA. Uno de los inconvenientes que presenta el mtodo de Newton es cuando la derivada de la
funcin tiende a cero al ser evaluada en x y por ende la convergencia disminuye o incluso se
suspende si se alcanza una divisin por cero. Similarmente sucedera con el mtodo de la secante
si la funcin es muy plana y f ( x) y f ( x 1) son aproximadamente iguales. Con el fin de darle
solucin a este inconveniente se crearon estos mtodos.
Cundo puedo garantizar la existencia de una raz mltiple?

Podemos garantizar convergencia s F tiene una raz mltiple si f '( p ) 0 . Para determinar la
multiplicidad de la raz debemos evaluar las derivadas de orden superior hasta que una de ellas sea
diferente de cero.
Dada la funcin f ( x) ( x 4)3 ( x 5)4 ( x 3) Qu se puede decir de sus races?
La funcin tiene tres races. El exponente de cada factor expresa la multiplicidad de cada raz.
4 es una raz de multiplicidad 3
5 es una raz de multiplicidad 4
Como la funcin no cambia de signo en el intervalo que contiene a una raz de multiplicidad par
impide el uso de los mtodos que utilizan intervalos vistos con anticipacin. La funcin presenta un
mximo o un mnimo en la raz.
84
Dado que en una raz mltiple tanto f ( x) como f '( x) se aproximan a cero los mtodos de
Newton-Raphson y secante pierden su rapidez de convergencia en las proximidades de la raz y en
algunos caso se presenta una divisin entre cero cuando la derivada se haga cero. Una forma
simple de evitar estos problemas, la cual ha sido demostrada tericamente por Ralston y Robinovitz
en 1978, se basa en el hecho de que f ( x) siempre alcanza un valor igual a cero antes que f '( x)
al aplicar el mtodo. Por lo tanto, si se controla que f ( x) llegue a cero en el programa, entonces
los clculos se pueden terminar antes de que f '( x) llegue a cero. 3 es una raz de multiplicidad 1
-Cuntas races tiene una polinomio de grado n?

Una ecuacin polinmica de grado n, tiene n races entre reales y complejas. Se tiene en cuenta las
multiplicidades de las races y que el nmero de races complejas es siempre par. Es decir, si x es la
raz compleja de un polinomio, su conjugada tambin lo es.
-Cules son las dificultades que se pueden presentar en el caso de raices mltiples?
a. Como la funcin no cambia de signo en el intervalo que contiene a una raz de

multiplicidad par impide el uso de los mtodos que utilizan intervalos vistos con
anticipacin. La funcin presenta un mximo o un mnimo en la raz.
Dado que en una raz mltiple tanto f ( x) como f '( x) se aproximan a cero los mtodos de
Newton-Raphson y secante pierden su rapidez de convergencia en las proximidades de la raz y en
algunos caso se presenta una divisin entre cero cuando la derivada se haga cero. Una forma
simple de evitar estos problemas, la cual ha sido demostrada tericamente por Ralston y Robinovitz
en 1978, se basa en el hecho de que f ( x) siempre alcanza un valor igual a cero antes que f '( x)
al aplicar el mtodo. Por lo tanto, si se controla que f ( x) llegue a cero en el programa, entonces
los clculos se pueden terminar antes de que f '( x) llegue a cero.
85
3. Algoritmos y Pseudocodigos
RAICES MUTIPLES METODO 1
a) ALGORITMO
Datos de entrada: funcin, derivada, punto inicio, multiplicidad, n max, error absoluto
Datos de salida: raz, numero iteraciones
b) PSEUDOCODIGO
Lea: f, fp, xi, n, tol, m
fx=f(xi)
fpx=fp(xi)
i=1
error=tol+1
mientras i<=n y fx~=0 y error>tol y fpx~=0
x=xi-m*(fx/fpx)
fx=f(x)
fpx=fp(x)
error=abs(x-xi)
xi=x
i=i+1
fin mientras
si fx=0
Escriba La raz es: xi
86
Sino si error<tol
Escriba xi es una aproximacin a la raz con un error mximo de tol
Sino si fpx=0
Escriba xi es una posible raz mltiple.'
sino
Escriba El mtodo fallo en n iteraciones
Fin si
RAICES MULTIPLES METODO 2
a) ALGORITMO
Datos entrada: funcin, primera y segunda derivada, punto inicio, n max, error mximo
Datos salida: raz, nmero de iteraciones
b) PSEUDOCODIGO
Lea: f, fp, fpp, xi, n, tol
fx=f(xi)
fpx=fp(xi)
fppx=fpp(xi)
denominador=(fpx^2-fx*fppx)
i=1
error=tol+1
mientras i<=n y fx~=0 y error>tol y denominador~=0
x=xi-(fx*fpx)/denominador
fx=f(x)
87
fpx=fp(x)
fppx=fpp(x)
denominador=(fpx^2-fx*fppx)
error=abs(x-xi)
xi=x
i=i+1
fin mientras
si fx=0
Escriba La raz es: xi
Sino si error<tol
Escriba xi es una aproximacin a la raz con un error mximo de tol
sino
Escriba El mtodo fallo en n iteraciones
fin si
88
4. Propuestos:
Ejercicio 1
Eliminar las races mltiples en la ecuacin
x 6 2 x5 3x 4 4 x3 3x 2 2 x 1 0
Resolver, exactamente, la ecuacin resultante y comprobar la multiplicidad de cada raz en la

ecuacin original.
SOLUCION:
Aplicamos el algoritmo de Euclides para calcular el mximo comn entre el polinomio
P(x) f 0 (x) x 6 2 x5 3 x 4 4 x3 3 x 2 2 x 1 y su derivada

f 0 (x) 6 x5 10 x 4 12 x3 12 x 2 6 x1 2 Para ello podemos multiplicar, previamente, f 0 (x)
por 3 y dividir f1 (x) entre 2.
3x 6 6 x5 9 x 4 12 x3 9 x 2 6 x 3 3x5 5 x 4 6 x3 6 x 2 3x1 1
3x 6 5 x5 6 x 4 6 x3 3x 2 x x 1
x5 3x 4 6 x3 6 x 2 5 x 3 multiplicado por 3
3x5 5 x 4 6 x3 6 x 2 3x1 1
4 x 4 12 x3 12 x 2 12 x1 8
Por lo que (dividiendo el resto entre 4) f 2 (x) x 4 3x3 3x 2 3x1 2
Dividimos ahora f1 (x) (dividido, previamente entre 2) entre f 2 (x)
89
3x5 5 x 4 6 x3 6 x 2 3x 1 x 4 3x3 3x 2 3x1 2
3x5 9 x 4 9 x3 9 x 2 6 x 3x 4
4 x 4 3x3 3x 2 3x 1
4 x 4 12 x3 12 x 2 12 x1 8
9 x3 9 x 2 9 x1 9 f3 (x) x3 x 2 x1 1
Dividiendo, ahora, f 2 (x) entre f3 (x) se obtiene:
x 4 3x3 3x 2 3x1 2 x3 x 2 x1 1
x 4 x3 x 2 x1 x1 2
2 x3 2 x 2 2 x 2
2 x3 2 x 2 2 x 2
El mximo comn divisor entre P (x) y su derivada es
D(x) x3 x 2 x 1
El polinomio cuyas races

P(x) x6 2 x5 3x 4 4 x3 3x 2 2 x 1 3 2 son las mismas que las de
Q(x) x x x 1 P (x) , pero simples,
D(x) x3 x 2 x 1
Como Q(x) Q(x) x3 x2 x 1 (x 1)(x 2 1) (x 1)(x i)(x i) sus races son 1, i y i.
Veamos la multiplicidad de ellas en P (x) .
90
Dado que P(x) 2(3x5 5x4 6 x3 6 x2 3x 1) se tiene:
P(1) 2(3 5 6 6 3 1) 0
P( i) 2(3i 5 6i 6 3i 1) 0
P(i) 2(3i 5 6i 6 3i 1) 0
Luego las tres races son dobles (no pueden tener mayor multiplicidad ya que el grado de P (x) es
de 6, es decir, 2+2+2).
Ejercicio2
Dado el polinomio P(x) x3 3x2 2 se pide:
a) Acotar sus races reales.
b) Probar, mediante una sucesin de Sturn, que P (x) solo posee una raz real y determiar un
intervalo de amplitud 1 que la contenga.
c) se verifican en dicho intervalo, las hiptesis del teorema de Fourier?. En caso afirmativo,
determinar el extremo que debe tomarse como valor inicial x 0 para garantizar la convergencia del
mtodo de Newton.
d) Sabiendo que en un determinado momento del proceso de Newton se ha obtenido x n 3.1958 ,

calcular el valor de xn 1 as como una cota del error en dicha iteracin.
SOLUCION:
a)
3
x 1 4 x 4
1
91
b)
f 0 ( x) P( x) x 3 3x 2 2
P '( x) 3x 2 6 x f1 ( x) x 2 2 x
x3 3x 2 2 ( x 2 2 x)( x 1) (2 x 2) f 2 ( x) x 1
x 2 2 x ( x 1)( x 3) 3 f3 ( x) 1
-4 -3 4
x3 3x 2 2 - + +
x2 2 x + + +
x 1 - - +
1 - - -
Cambios de signo 2 1 1
Por lo que solo posee una raz real, la cual se encuentra en el intervalo (-4,-3).
f (4) 14 0
c) f ( x) x3 3x 2 2 es decir , la funcin
f (3) 2 0
Cambia de signo en los extremos del intervalo (-4,-3).
f '( x) 3( x 2 2 x) 0 x (4, 3)
f ''( x) 6( x 1) 0 x (4, 3)
Por lo que se verifican las hiptesis del teorema de Fourier y, por tanto, tomando como valor inicial
x0 4 (extremo en el que la funcin tiene el mismo signo que la segunda derivada) se tiene
garantizada la convergencia del mtodo de Newton.
f ( xn ) x3 3x 2 2
d) Dado que xn1 xn xn n 2 n se obtiene que
f '( xn ) 3xn 6 xn
xn1 3.19582334575880.
92
El error a posteriori viene dado

f ( xn 1 ) f ( xn 1 ) f ( xn 1 )
n 1 3.989 1010 109
min f '( x) f '(3) 9
x (4, 3)
93
Conclusiones:
En los mtodos cerrados concluimos que la funcin cambia de signo en la vecindad de una raz ya
que para ello necesitamos dos valore iniciales para la raz.
Aprendimos a analizar los mtodos grficos para representar tanto las funciones como sus races,
comprendimos que las interpretaciones graficas son herramientas importantes en la compresin
de las propiedades de las funciones y en la prevencin de las fallas de los mtodos.
Como en los mtodos cerrados la raz se encuentra dentro de un intervalo ya determinado por una
lime inferior y otro superior, en los mtodos abiertos comprendimos que se requieren nicamente
de una solo valor de inicio x o que empiecen con un par de ellos, pero no necesariamente encierran
la raz.
Aunque el mtodo de la falsa posicin pareciera ser siempre la mejor opcin entre los tedos
cerrados , hay caso donde funciona de manera defiente en efecto , hay ciertos casos donde el
mtodo de biseccin ofrece mejores resultados
La diferencia de los mtodos abiertos con los cerrados es que los mtodos cerrados son
convergentes por que se acercan progresivamente a la raz a medida que se avanza en el clculo y
los mtodos abiertos algunas veces divergen o se alejan de la raz a medida que se avanzan en el
clculo, pero si estos mtodos abiertos convergen estos lo hacen mucho ms rpidas que los
mtodos cerrados.
Uno de los mtodos que conocimos fue el newton raphson el hacer un mtodo iterativo este entrega
una sucesin, soluciones aproximadas, convergiendo ms rpidamente al valor buscado y se usa en
menos operaciones numricas
En lo que se respecta al mtodo secante esta normalmente divergente pero cuando converge lo
hace mas rpido que el mtodo de falsa posicin.
El MATLAB tiene diferente funciones y operadores que permiten la adecuada realizacin de los
mtodos numricos que aqu desarrollamos, adems se pueden escribir programas para realizar
clculo numrico.
94
Bibliografa:
Mtodos numricos para ingenieros - Steven C. Chapra (Quinta edicin)
Anlisis Numrico Richard L. Burden
Mtodos numricos aplicados a la ingeniera Antonio Nieves (Segunda edicin)
Mat 1105 F Antonio Moya
95
ANEXOS
96

Metodos Final

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Metodos Final

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL DE

SAN AGUSTN DE AREQUIPA

El propsito de este captulo es que tengamos elementos bsicos, computacionales y de criterio

Si ocurriera que f a f c 0 entonces f c f b 0 en este caso redefinimos a

Si f a * f c 0 , o f c * f b 0 ; entonces f c 0 y con esto se ha

f(c) f(b) f(a)

Si continuamos de esta manera, obtenemos una sucesin de intervalos a, b , a1, b1 , a2 , b2 ,

bn - an es la longitud del intervalo an , bn

La longitud del intervalo a2 , b2 es

Y siguiendo de esta manera, la longitud del intervalo an , bn [an,bn] es

.1), 2) y 3) son las condiciones de la definicin de PSMC:

Para todo n natural an bn Para todo 0 existe h natural / bh ah (que es lo

a , b es un PSMC => existe c / para todo n a

lim an c significa que para todo 0 existe n1 / para todo n n1 c an c.

contenido en dicho entorno.

Si f c 0 , por teorema de conservacin del signo existe un entorno de c donde f x es

Si f c 0 , por teora de conservacin del signo existe un entorno de c donde f x es positiva.

Consideremos la funcin f x sen x x , es continua en toda R.

Por tanto existe al menos una solucin real a la ecuacin sen x x.

a) Determinamos los valores de a y b evaluando la funcin en algunos puntos donde sea

b) Determinamos el nmero de iteraciones M considerando la siguiente relacin

c) Realizamos la primera iteracin determinando

Observamos que f c f 1.5 2.88 0 distinto signo que f a f 1 7 luego

b 1.5 ; f 1.5 2.88

1 1.00000 2.00000 1.50000 0.25000 2.87500

2 1.00000 1.50000 1.25000 0.12500 2.42188

3 1.25000 1.50000 1.25000 0.06250 2.42188

4 1.25000 1.37500 1.37500 0.03125 0.13086

5 1,31250 1.37500 1,31250 0.01563 0.52481

6 1.34375 1.37500 1.34375 0.00781 0.19846

7 1.35938 1.37500 1.35938 0.00395 0.03417

8 1.36719 1.37500 1.36719 0.00195 0.04825

9 1.36719 1.37109 1.37109 0.00098 0.00702

10 1.36719 1.36914 1.36914 0.00049 0.01358

11 1.36826 1.36914 1.36865 0.00025 0.00329

12 1.36865 1.36914 1.36890 0.00013 0.00186

13 1.36865 1.36890 1.36877 0.00006 0.00071

Observamos que f c f 1.25 2.42 0 igual signo que

a 1.25 ; a 1.25 f 1.25 2.42

b 1.5 ; f 1.5 2.88

a seguir presentamos el siguiente cuadro que contiene las 7 iteraciones deseadas en

resolver la posicin dentro de la viga donde no hay momento.

M 5.55 x3 265 x Momento cero en x 0

M 50 x 2 415 x 150 No existe momento cero

M 185x 1650 Momento cero en x 8.91891891

M 100x 1200 Momento cero en x 12

3. Derivacin del mtodo:

Sumando y restando xb en el lado derecho:

Finalmente despejando xr obtenemos la siguiente ecuacin:

Paso 2: Una aproximacin de la raz xr se determina mediante:

a) Si f ( xa ). f ( xr ) 0 , entonces la raz se encuentra dentro del subintervalo inferior o izquierdo.

b) Si f ( xa ). f ( xr ) 0 , entonces la raz se encuentra dentro del subintervalo superior o derecho.

c) Si f ( xa ). f ( xr ) 0 , la raz es igual a xr ; termina el clculo.

Dnde g 9.8m / s 2 . Para un paracaidista con coeficiente de arrastre de c 15kg / s , calcule la

Reemplazamos los valores dados en el enunciado en la funcin obteniendo:

Tomamos el intervalo de 50,60 y obtenemos de la funcin:

Entonces aplicamos la formula de la falsa posicin y reemplazamos valores en nuestra iteracin:

xr 59.84119 f (59.84119) 0.0000625

xr 59.84223 Es nuestra raz.

y 0.5 1 1.5 2 2.5

Partimos de una Estimacin Inicial de la solucin X 0 y construimos una sucesin de

Trazamos la recta tangente a la curva en el punto ( xi , f ( xi )) ; esta cruza al eje x en un punto xi 1

Y por lo tanto la ecuacin de la recta tangente es: y f ( xi ) f ( xi )( x xi )

6 x 2 23.4 x 632 23.43

[(632 23.43 17.7)(32 3) (23 1)(23311.732 17.7 3 5)