UNIVERSIDAD NACIONAL

DEL CALLAO

FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

ESCUELA PROFESIONAL ACADEMICA DE INGENIERIA ELECTRICA

CURSO : METODOS NUMERICOS

TEMA : TRABAJO N° 1

PROFESOR : MAG. WILMER PEDRO CHAVEZ SANCHEZ

ALUMNO : MARCHENA SOLORZANO RICARDO 090535G

2018 - V
 TRABAJO N° 1

PROBLEMA DE CLASE N° 1
RESOLUCION POR EL MÉTODO DE BISECCIÓN
F(X) X^3 + X – 1
X1 0
X2 1

ITERACION X1 Xi X2 F(X1) F(Xi) F(X2) %Error

1 0.0000 0.5000 1.0000 -1.0000 -0.3750 1.0000 -
2 0.5000 0.7500 1.0000 -0.3750 0.1719 1.0000 33.3333%
3 0.5000 0.6250 0.7500 -0.3750 -0.1309 0.1719 -20.0000%
4 0.6250 0.6875 0.7500 -0.1309 0.0125 0.1719 9.0909%
5 0.6250 0.6563 0.6875 -0.1309 -0.0611 0.0125 -4.7619%
6 0.6563 0.6719 0.6875 -0.0611 -0.0248 0.0125 2.3256%
7 0.6719 0.6797 0.6875 -0.0248 -0.0063 0.0125 1.1494%
8 0.6797 0.6836 0.6875 -0.0063 0.0030 0.0125 0.5714%
9 0.6797 0.6816 0.6836 -0.0063 -0.0016 0.0030 -0.2865%

PROBLEMA DE CLASE N° 2
RESOLUCION POR EL MÉTODO DE BISECCIÓN
G(X) X^3 - 3*X + 1
X1 0
X2 1

ITERACION X1 Xi X2 G(X1) G(Xi) G(X2) %Error

1 0.0000 0.5000 1.0000 1.0000 -0.3750 -1.0000 -
2 0.0000 0.2500 0.5000 1.0000 0.2656 -0.3750 -100.0000%
3 0.2500 0.3750 0.5000 0.2656 -0.0723 -0.3750 33.3333%
4 0.2500 0.3125 0.3750 0.2656 0.0930 -0.0723 -20.0000%
5 0.3125 0.3438 0.3750 0.0930 0.0094 -0.0723 9.0909%
6 0.3438 0.3594 0.3750 0.0094 -0.0317 -0.0723 4.3478%
7 0.3438 0.3516 0.3594 0.0094 -0.0112 -0.0317 -2.2222%
8 0.3438 0.3477 0.3516 0.0094 -0.0009 -0.0112 -1.1236%
9 0.3438 0.3457 0.3477 0.0094 0.0042 -0.0009 -0.5650%
10 0.3457 0.3467 0.3477 0.0042 0.0016 -0.0009 0.2817%
PROBLEMA DE CLASE N° 3
RESOLUCION POR EL MÉTODO DE BISECCIÓN
H(X
) X^3 + 4*X^2 - 10
X1 1
X2 2

ITERACION X1 Xi X2 H(X1) H(Xi) H(X2) %Error

1 1.0000 1.5000 2.0000 -5.0000 2.3750 14.0000 -
2 1.0000 1.2500 1.5000 -5.0000 -1.7969 2.3750 -20.0000%
3 1.2500 1.3750 1.5000 -1.7969 0.1621 2.3750 9.0909%
4 1.2500 1.3125 1.3750 -1.7969 -0.8484 0.1621 -4.7619%
5 1.3125 1.3438 1.3750 -0.8484 -0.3510 0.1621 2.3256%
6 1.3438 1.3594 1.3750 -0.3510 -0.0964 0.1621 1.1494%
7 1.3594 1.3672 1.3750 -0.0964 0.0324 0.1621 0.5714%
8 1.3594 1.3633 1.3672 -0.0964 -0.0321 0.0324 -0.2865%
9 1.3633 1.3652 1.3672 -0.0321 0.0001 0.0324 0.1431%
10 1.3633 1.3643 1.3652 -0.0321 -0.0160 0.0001 -0.0716%
11 1.3643 1.3647 1.3652 -0.0160 -0.0080 0.0001 0.0358%

PROBLEMA DE CLASE N° 4
RESOLUCION POR EL MÉTODO DE BISECCIÓN
F(X) X^3 + 2*X^2 + 10*X - 20
X1 1
X2 2

ITERACION X1 Xi X2 F(X1) F(Xi) F(X2) %Error

1 1.0000 1.5000 2.0000 -7.0000 2.8750 16.0000 -
2 1.0000 1.2500 1.5000 -7.0000 -2.4219 2.8750 -20.0000%
3 1.2500 1.3750 1.5000 -2.4219 0.1309 2.8750 9.0909%
4 1.2500 1.3125 1.3750 -2.4219 -1.1687 0.1309 -4.7619%
5 1.3125 1.3438 1.3750 -1.1687 -0.5248 0.1309 2.3256%
6 1.3438 1.3594 1.3750 -0.5248 -0.1985 0.1309 1.1494%
7 1.3594 1.3672 1.3750 -0.1985 -0.0342 0.1309 0.5714%
8 1.3672 1.3711 1.3750 -0.0342 0.0483 0.1309 0.2849%
9 1.3672 1.3691 1.3711 -0.0342 0.0070 0.0483 -0.1427%
10 1.3672 1.3682 1.3691 -0.0342 -0.0136 0.0070 -0.0714%
 TRABAJO DOMICILIARIO CHAPRA QUINTA EDICION PAGINA 140

PROBLEMA N° 5.5
RESOLUCION POR EL MÉTODO DE BISECCIÓN
F(X) X^2 - SEN X
X1 0.5
X2 1
Error <2%

ITERACION X1 Xi X2 F(X1) F(Xi) F(X2) %Error

1 0.5000 0.7500 1.0000 -0.2294 -0.1191 0.1585 -
2 0.7500 0.8750 1.0000 -0.1191 -0.0019 0.1585 14.2857%
3 0.8750 0.9375 1.0000 -0.0019 0.0728 0.1585 6.6667%
4 0.8750 0.9063 0.9375 -0.0019 0.0341 0.0728 -3.4483%
5 0.8750 0.8906 0.9063 -0.0019 0.0157 0.0341 -1.7544%

PROBLEMA N° 5.6.b
RESOLUCION POR EL MÉTODO DE BISECCIÓN
F(X) Ln (X^2) - 0.7
X1 0.5
X2 2
Error 3 ITERACIONES

ITERACION X1 Xi X2 F(X1) F(Xi) F(X2) %Error

1 0.5000 1.2500 2.0000 -2.0863 -0.2537 0.6863 -
2 1.2500 1.6250 2.0000 -0.2537 0.2710 0.6863 23.0769%
3 1.2500 1.4375 1.6250 -0.2537 0.0258 0.2710 -13.0435%

PROBLEMA N° 5.12
RESOLUCION POR EL MÉTODO DE BISECCIÓN
F(X) -2*x^6-1.5*x^4+10*x+2
X1 0
X2 1
Error <5%

ITERACION X1 Xi X2 F(X1) F(Xi) F(X2) %Error

-
1 1.0000 1.5000 2.0000 8.5000 13.3750 -130.0000 -
2 1.0000 1.2500 1.5000 8.5000 3.2085 -13.3750 -20.0000%
3 1.2500 1.3750 1.5000 3.2085 -3.1276 -13.3750 9.0909%
4 1.2500 1.3125 1.3750 3.2085 0.4496 -3.1276 -4.7619%
PROBLEMA N° 5.15.b
RESOLUCION POR EL MÉTODO DE BISECCIÓN
F(X) 1 - B*Q^2/(g*A^3)
Q 20
g 9.81
B 3+y
A 3y + (y^2)/2
X1 0.5
X1 0.5
X2 2.5
Error < 1 % , 11 ITERACIONES

ITERACION X1 Xi X2 F(X1) F(Xi) F(X2) %Error

1 0.5000 1.5000 2.5000 -32.2582 -0.0309 0.8130 -
2 1.5000 2.0000 2.5000 -0.0309 0.6018 0.8130 25.0000%
3 1.5000 1.7500 2.0000 -0.0309 0.3789 0.6018 -14.2857%
4 1.5000 1.6250 1.7500 -0.0309 0.2069 0.3789 -7.6923%
5 1.5000 1.5625 1.6250 -0.0309 0.0980 0.2069 -4.0000%
6 1.5000 1.5313 1.5625 -0.0309 0.0363 0.0980 -2.0408%
7 1.5000 1.5156 1.5313 -0.0309 0.0034 0.0363 -1.0309%
8 1.5000 1.5078 1.5156 -0.0309 -0.0136 0.0034 -0.5181%

PREGUNTAS TEORICAS DE CLASE

PREGUNTA N° 1
Por que se utiliza el formato IEEE para el formato de almacenamiento en las computadoras.
La idea es descomponer el número en dos partes:

 Una mantisa (también llamada coeficiente o significando) que contiene los dígitos del número.
Mantisas negativas representan números negativos.
 Un exponente que indica dónde se coloca el punto decimal (o binario) en relación al inicio de la
mantisa. Exponentes negativos representan números menores que uno.

Este formato cumple todos los requisitos:

 Puede representar números de órdenes de magnitud enormemente dispares (limitado por la

longitud del exponente).
 Proporciona la misma precisión relativa para todos los órdenes (limitado por la longitud de la
mantisa).
 Permite cálculos entre magnitudes: multiplicar un número muy grande y uno muy pequeño
conserva la precisión de ambos en el resultado.
 Los números de coma flotante decimales normalmente se expresan en notación científica con
un punto explícito siempre entre el primer y el segundo dígitos. El exponente o bien se escribe
explícitamente incluyendo la base, o se usa una e para separarlo de la mantisa.

Mantisa Exponente Notación científica Valor en punto fijo

1.5 4 1.5 ⋅ 104 15000

-2.001 2 -2.001 ⋅ 102 -200.1

5 -3 5 ⋅ 10-3 0.005

6.667 -11 6.667e-11 0.0000000000667

El estándar

Casi todo el hardware y lenguajes de programación utilizan números de punto flotante en los mismos
formatos binarios, que están definidos en el estándar IEEE 754. Los formatos más comunes son de 32
o 64 bits de longitud total:

Bits Bits Bits del Número más Número más

Formato
totales significativos exponente pequeño grande

Precisión
32 23 + 1 signo 8 ~1.2 ⋅ 10-38 ~3.4 ⋅ 1038
sencilla

Precisión 64 52 + 1 signo 11 ~5.0 ⋅ 10-324 ~1.8 ⋅ 10308

 Bits Bits Bits del Número más Número más
Formato
totales significativos exponente pequeño grande

doble

Hay algunas peculiaridades:

La secuencia de bits es primero el bit del signo, seguido del exponente y finalmente los bits
significativos.

El exponente no tiene signo; en su lugar se le resta un desplazamiento (127 para sencilla y 1023 para
doble precisión). Esto, junto con la secuencia de bits, permite que los números de punto flotante se
puedan comparar y ordenar correctamente incluso cuando se interpretan como enteros.

Se asume que el bit más significativo de la mantisa es 1 y se omite, excepto para casos especiales.

Hay valores diferentes para cero positivo y cero negativo. Estos difieren en el bit del signo, mientras
que todos los demás son 0. Deben ser considerados iguales aunque sus secuencias de bits sean
diferentes.

Hay valores especiales no numéricos (NaN, «not a number» en inglés) en los que el exponente es
todo unos y la mantisa no es todo ceros. Estos valores representan el resultado de algunas
operaciones indefinidas (como multiplicar 0 por infinito, operaciones que involucren NaN, o casos
específicos). Incluso valores NaN con idéntica secuencia de bits no deben ser considerados iguales.

PREGUNTA N° 2
Exprese como Expresión de Taylor para f(x) = sin(x) en el punto x = ᴨ

Aproximación de la función y = sen (x)

PREGUNTA N° 3
Relación de la Serie de Taylor con la Teoría de Errores
Errores de truncamiento: representan la diferencia entre una formulación matemática exacta de un
problema y la aproximación dada por un método numérico
La serie de Taylor provee un medio para predecir el valor de una función en un punto en términos del
valor de la función y sus derivadas en otro punto.
Teorema de Taylor: Si la función f y sus primeras n+1 derivadas son continuas en un intervalo que
contiene a a y a x, entonces el valor de la función en un punto x está dado por:
La expansión en series de Taylor de n-ésimo orden debe ser exacta para un polinomio de n-
ésimo orden.
Para otras funciones continuas diferenciables, como las exponenciales o sinusoidales, no se obtiene
una estimación exacta mediante un número finito de términos.
El valor práctico de las series de Taylor radica en el uso de un número finito de términos que darán
una aproximación lo suficientemente cercana a la solución verdadera para propósitos prácticos.
La ecuación para el término residual se puede expresar como:

Significa que el error de truncamiento es de orden hn+1. El error es proporcional al tamaño del
paso h elevado a la (n+1)-ésima potencia.
Ejemplo: Si el error es O(h) y se reduce a la mitad del paso, entonces el error se reduce a la mitad. Si
el error es O(h2) el error se reducirá a la cuarta parte.
La serie de Taylor nos proporciona una buena forma de aproximar el resultado de una ecuación
algebraica cualquiera, por supuesto, para hacer esta aproximación sólo se pueden tomar unas
cuantas expresiones de esta serie, por lo que el resto resulta en un error conocido como el término
residual, esa apreciación de quien desarrolla este método escoger cuantos términos deberá incluir
en la aproximación.
Es también a apreciación del desarrollador escoger la mejor aproximación para resolver una
expresión algebraica, ya que se pueden incurrir en errores cada vez que se desarrolla de forma
repetida el procedimiento, incurriendo en errores en el resultado.