Cuaderno métodos numéricos

Presentado por:
Laura Ximena Castiblanco Molina

Presentado a:
Néstor Humberto Agudelo Díaz

Fundación universidad de América

Facultad de ciencias y humanidades
Departamento de ingenierías
Métodos numéricos
Grupo - 2
Bogotá, D.C. 12 de junio de 2018
 CONTENIDO
INTRODUCCIÓN 1
OBJETIVOS 1
CAPITULO I
1. TEORÍA DE ERRORES .2
1.1 Depuración de datos………………………………….4
1.2 Estimación por intervalos…………………….7
1.3 Propagación de errores………………..11
2. POLINOMIO DE TAYLOR………………………………………………………......16
CAPITULO II

SOLUCION DE ECUACIONES NO LINEALES…………………………………..22

1.1 Método de bisección………………………………………………………...23
1.2 Métodos de intervalo abierto…………………………………………….……..30

1.2.1 Newton – Raphson……………………………………..……………..35

1.2.2 Método de secante…………………………………………...………..40
1.2.3 Método de punto fijo………………………………………….………45
UNIDAD III
1. SOLUCIÓN DE SISTEMAS…………………………………………………………51
1.1 Sistemas de ecuaciones no lineales………………………………51
1.1.1Metodo de Newton – Raphson en varias variables…………….51
1.2 Sistemas de ecuaciones lineales………………………………………...……..55
1.2.1 Método de Jacobi…………………………………………………….60
1.2.2 Método de Gauss- Seidel…………………………………….………60
UNIDAD IV
1. INTERPOLACIÓN…………………………………………………………………….63
1.1 Ajuste polinomial……………………………………………………………….63
1.2 Polinomio de
Lagrange………………………………………………………73
1.3 Coeficiente de determinación………………………………………………79
CAPÍTULO V
1. DERIVACIÓN, INTEGRACION Y ECUACIONES DIFERENCIALES………….85
1.1 Derivación numérica………………………………………………………...85
1.1.1 Derivación progresiva……………………………………………..87
1.1.2 Método de los tres puntos………………………………………..89
1.2 Integración numérica………………………………………………………..89
1.2.1 Método de trapecio………………………………………………..93
1.2.2 Método Simpson…………………………………………………..93
1.2.2.1 Simpson n=2……………………………………………..93
1.2.2.1 Simpson n=3……………………………………………..97
1.3 Ecuaciones diferenciales………………………………………………….101
1.3.1Método Runge-Kutta de orden4………………………………..101
 INTRODUCCIÓN

El propósito de este trabajo es plantear un cuaderno de métodos numéricos aprovechando las

tic’s como es trabajar en Microsoft Excel diariamente , donde se evidencia los diferentes métodos
numéricos que existen aplicándolos a la ingeniería. Cada uno de estos son a su vez explicados
de manera explícita . Además, se da detalle del significado del método y en qué aspectos se
puede utilizar. Porque esta claro si nos sirve o no en el futuro pero esta uno como ingeniero como
puede aplicar todo lo que aprende.
OBJETIVOS
OBJETIVO GENERAL

Dar soluciones aproximadas a partir de los diferentes métodos numéricos y aplicarlos a la

resolución de problemas de un ingeniero.

OBJETIVOS ESPECIFICOS
 Comprender que ninguna medida es exacta y que siempre se trabaja con un
pequeño error.
 Hacer uso de Microsoft Excel realizando los métodos numéricos.
 Describir detalladamente los métodos numéricos.
 CAPITULO I

1. TEORIA DE ERRORES
“Los errores del primer tipo son siempre inevitables, dado que no existe
ningún aparato absolutamente perfecto.”
1
𝑦 = 𝑔𝑡 2 𝑀𝑜𝑑𝑒𝑙𝑜 𝑎𝑛𝑎𝑙𝑖𝑡𝑖𝑐𝑜 𝑡𝑒𝑜𝑟𝑖𝑐𝑜
2

La teoría de errores se puede ver desde dos puntos de vista, desde un punto de vista
matemático y en el punto de vista de la ingeniería.
Desde el punto de punto de vista de la ingeniería se deben tener los siguientes conceptos:
 Medir: Se habla de comparar, establecer cuantas veces está contenida una unidad
patrón. En un espacio determinado
 Exactitud: Grado de acercamiento absoluto a un valor real. Ejemplo

Fig 1 Demostracion de medir

Con la escuadra podemos medir hasta el milímetro 4,3 cm

Luego tenemos el calibrador con el que trabajamos con 4,28
Finalmente tenemos el Tornillo micrómetro con una medida de 4,284

Depende del número de veces que este esté subdivida el patrón nunca voy a llegar al valor real
me acerco pero no llego.

 Precisión: Grado de acercamiento relativo a un valor real.

1 4,28
2 4,31
3 4,26
4 4,29
5 4,35
Fig 2. Demostración de precisión

A continuación se da otro ejemplo donde se tenemos 4 circunferías justificando el objetivo de

este capitulo
 Fig. 1 medida de error.
Imagen tomada de: https://todoingenieriaindustrial.wordpress.com/metrologia-y-
normalizacion/2-7-tipos-de-errores/ El 16/06/2016

TIPOS DE ERRORES QUE SE PUEDEN COMETER EN UNA MEDICIÓN:

1. SISTEMÁTICOS: Son aquellos debidos a condiciones externas que afectan el instrumento

de medición, se presentan de forma periódica y generalmente el fabricante presenta la
magnitud y el signo con que se afecta la medida.

Ejemplo:
Vamos a medir 10x20m con una cita métrica en Bogotá D.C. y Girardot Se hallara un error ya
que en Bogotá D.C. es de clima frio y Girardot es por el contrario de clima caliente, existirá un
error por el cambio de temperatura, ya que el objeto con el que vamos a medir (cinta métrica) se
dilataría por esto.

La Cinta métrica tiene 10x20 , que ocurre cuando está en los distintos lugares;

Bogotá; Se contrae AB = AB' + ∆X

Girardot; Q – dilata. AB = AB' - ∆X
∆X=Error sistemático.
∆X=1mm/1°C

2. ERRORES ACCIDENTALES

Accidentales: Son aquellos debidos a las limitaciones físicas del observador o máquina, se
presentan en forma aleatoria, al azar y se modelan mediante la teoría de probabilidad
Error; está dentro de los parámetros, defecto. Lo correcto es que hayan errores, pero no
equivocaciones.

Equivocación; daña todos los parámetros

“Entre más observaciones se acerca más al valor.”

Otro tipo de errores son;

 Error de redondeo: Se debe a que la computadora solo puede representar cantidades

con un número limitado de dígitos, por lo tanto los valores verdaderos no son
expresados exactamente ya que parte de la fracción decimal esta redondeada pues ha
sido acortada después del digito final.

Ejemplo:
1
La distancia que recorre una partícula 𝑦 = 2 𝑔𝑡 2 si t= 2,5358 s.
1
𝑦 = (9.8) ∗ (2,5358)2 = 31.50838004 𝑚𝑒𝑡𝑟𝑜𝑠
2
Si redondeamos t con un decimal
1
t=2,5 segundos 𝑦 = 2 (9.8) ∗ (2,5)2 = 30.6 𝑚𝑒𝑡𝑟𝑜𝑠

 Error significativo: Ocurre cuando al ejecutar una operación en una maquina

calculadora, el número de cifras validas es menor que lo esperado.

Ejemplo:
La operación 7,898845 – 7,898732 = 0,000113, en una máquina que maneje notación de
punto flotante para seis dígitos genera como resultado 0,113000*10-3 y los tres últimos
dígitos no son significativos.

 Error propagado: En el error que se obtiene en la salida (respuesta) generada en los

pasos sucesivos debido a la ocurrencia de un error anterior.

Ejemplo: 5,2638 + 5,12789 = 10, 39169 Aproximando=10,4

10,4 + 2,5678= 12,9678 Aproximando = 13 …
  Error de truncamiento: Se debe a las aproximaciones utilizadas en la fórmula
matemática del modelo. Estos errores representan la diferencia entre la formulación
matemática exacta del problema y la aproximación dada por un método numérico.
1
Ejemplo: La distancia que recorre una partícula 𝑦 = 2 𝑔𝑡 2 si t= 2,5358 s.
Para el mismo experimento si truncamos t con 2 decimales
1
t=2,53 𝑦 = 2 (9,8) ∗ (2,53)2 = 31.36 𝑚𝑡𝑠

ESTIMACIÓN POR INTERVALOS PARA LA MEDIA

1.1 DEPURACIÓN DE DATOS

Fig. 2 Función de distribución normal

Imagen tomada de: https://es.slideshare.net/jigidavel/distribucion-normal-completo

Más de 1σ se considera equivocación que es lo que se debe evitar y menor a 1σ (sección Azul)
se considera error.

La depuración es una actividad inevitable y difícil dentro de una producción de datos estadísticos.
Si se define, planifica y ejecuta de forma deficiente, puede tener un impacto muy negativo en la
calidad de los datos, en los costes de producción y en los plazos de difusión de datos.
𝑥−𝜇
Recordando  𝑧 =
𝜎
Dónde: Z = Numero de desviaciones estándar que esta “x” de la 
X = Variable aleatoria.
 = Media poblacional.
 = Desviación típica.
∑𝑛
𝑖=1 𝑥𝑖
Si asumimos 𝜇 = 𝑥̅ =
𝑛
 ∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
𝜎=𝑠=√
𝑛−1
̅
𝒙−𝒙
Tenemos 𝒛=
𝒔
Dónde: Z = Numero de desviaciones estándar que esta “x” de la 
X = Variable aleatoria.
̅ = Media aritmética de los datos depurados.
𝒙
s = Desviación estándar de los datos depurados.

1.2 ESTIMACION POR INTERVALOS DEL PARAMETRO

𝒔
̅ + 𝒕𝜶 ∗
𝒙 𝑳𝒊𝒎𝒊𝒕𝒆 𝒔𝒖𝒑𝒆𝒓𝒊𝒐𝒓
𝝁{
𝟐 √𝒏
𝒔
̅ − 𝒕𝜶 ∗
𝒙 𝑳𝒊𝒎𝒊𝒕𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓
𝟐 √𝒏
Dónde: = Media poblacional (valor real)
̅ = Media aritmética de los datos depurados.
𝒙
𝒕𝜶 =Valor critico en la distribución “t” estándar para un intervalo de
𝟐
confianza “1-α” El porcentaje de interferencia para las infinitas muestras de
tamaño “n”

Grados de libertad.
s = Desviación estándar de los datos depurados.
n= Tamaño de la muestra o número de datos
𝒔
𝒕𝜶 ∗ = 𝒆𝒓𝒓𝒐𝒓 𝒅𝒆 𝒆𝒔𝒕𝒊𝒎𝒂𝒄𝒊𝒐𝒏 (𝒆𝒆)
𝟐 √𝒏

Ejemplo: Estime los siguientes datos con un intervalo de confianza del 95%

Hallar el valor mas probable. Y los valores críticos

DEPURACION DE DATOS

Xi
4,28
4,31
4,26
4,29
4,35
Pasos:
 La tabla debe quedar:
𝒙 ̅𝒊
𝒙 𝒛𝒊
Cualquier número, o nos =(x-promedio) El resultado de la celda
lo proporcionan en el NOTA: Para tener en anterior se divide por la
ejercicio. cuenta el promedio: desviación estándar.
Esta celda debe quedar NOTA: La celda
fija, con la tecla F4. desviación estándar
debe quedar fija, con la
tecla F4
Fórmulas que se deben usar:
 Promedio  =Promedio(seleccionar datos de x)
 Desviación estándar  =Desvest(seleccionar datos de x)
 Suma  =suma
 Promedio  =Promedio(seleccionar datos de x)
 Numero de datos  =contar
 Desviación estándar  =Desvest(seleccionar datos de x)
 Valor critico  =Distr.T.inv((1-intervalo de confianza);(número jjjjjjjj
de datos-1)
 Error de estimación  =valor critico*(desviación estándar/número de
mmmmmmmmmmmmm datos0,5)
 Límite superior  =promedio+error de estimación
 Límite inferior  = promedio-error de estimación

 TENER EN CUENTA QUESolo pasan los datos que estén alrededor de cero.
Solución:
1. Depuración de Datos
A continuacion se hace un condicional

Con los valores que aprobaron la condicional, se halla el promedio , la desviación estándar y
se cuenta el número de datos = contar ( los valores clasificados) .

El grado de libertad V= n(Que es el numero de datos clasificados)-1.

A continuación hallamos Tα/2 con la fórmula de =Distr.T. Inv(1-0,95);grados de libertad .

𝒔
Calculamos el error de estimación con 𝒕𝜶 ∗
𝟐 √𝒏
 Cuando encontremos el error de
estimación Podemos calcular el limite
inferior y el superior. Es La suma ò la
resta de
LIMITE SUPERIOR: ee+ promedio
LIMITE INFERIOR: ee - promedio

1.3 PROPAGACION DE ERRORES .

El modelo de propagación.

∑ 𝒇(𝒙𝟐 ) = 𝑮 ∗ ∑ 𝒙𝟐 ∗ 𝑮𝑻

∑ 𝑓(𝑥 )2 = 𝐺 ∑ 𝑋 2 𝐺 𝑇

Dónde: ∑ 𝒇(𝒙)𝟐= Error de la(s) variable(s) dependientes.

𝑮= Matriz de las derivadas parciales de la(s) variables(s)
dependiente(s) respecto a las independientes u observaciones.
∑ 𝒙𝟐 =Matriz de los errores en las variables independientes u observaciones
𝑮𝑻 = Matriz transpuesta de “G”

La aritmética usada por el computador no respeta la aritmética ordinaria. Cada simple operación
en un punto flotante casi siempre genera un error pequeño que se puede propagar con varias
operaciones. Se pueden minimizar los errores de redondeo incrementando el número de cifras
significativas en el computador y así el error no será tan representativo.

Ejemplo Determinar el valor más probable del área y la Diagonal de la siguiente figura:

Pasos:
 Determinar cuáles son las variables dependientes.
 La matriz G, es decir las derivadas parciales (pueden haber más de dos)
  La matriz ∑ 𝒙𝟐 , depende el orden del que se organizaron las variables, es decir si se pudo
primero x en este paso debe ir igual.
 La transpuesta de G.
Se cubre lo que esta va a ocupar, puede ser de 2*2, 1*1… luego escribimos =transponer
y seleccionamos la matriz y al mismo tiempo oprimimos ctrl+shift+enter.
 Los errores variables dependientes. =mmult(mmult(𝑮; ∑ 𝒙𝟐 ); 𝑮𝑻 )
 Concluimos con:
Así que el valor más probable es: =escribo toba la formula principal que me den
Error  =∑ 𝒇(𝒙)𝟐 0,5
Límite superior  =Formula+error
Límite inferior  =formula-error

Solucion
 Establecemos las variables dependientes
𝐴 = 𝑋∗𝑌
𝐷 = √𝑥 2 + 𝑦 2
x 7,32 Error de estimación x 0,05
Y 3,25 Error de estimación y 0,03

 Definimos ”G”
𝜕𝐴 𝜕𝐴
| 𝜕𝑥 𝜕𝑦 |
𝐺=
𝜕𝐷 𝜕𝐷
| |
𝜕𝑥 𝜕𝑦

Calculando la derivada
𝑦 𝑥

𝑥 𝑦
𝐺 = || |
|
√𝑥 2 + 𝑦 2 √𝑥 2 + 𝑦 2

Evaluando la matriz
3,25 7,32
| 7,32 3,25|
𝐺=
| |
√7,322 + 3,252 √7,322 + 3,252

Previamente se introduce todo a Excel, tiendo en cuenta el cuidado de los paréntesis y demás

3,25 7,32
𝐺=| |
0,913965947 0,405790892
 La matriz ∑ 𝒙𝟐 (como las observaciones son independientes ∇𝑥𝑦 = ∇𝑦𝑥 = 0)
 ∇𝑥 2 ∇𝑥𝑦
∑ 𝒙𝟐 = | |
∇𝑦𝑥 ∇𝑦 2

Los errores de observación se elevan al cuadrado

La transpuesta es la matriz “G”

SE SELECCIONAN LAS CUATRO CASILLAS Y = LUEGO

TRANSPONER Y LAS SELECCIÓN Y AL FINAL
CONTROL SHIF + ENTER

Los errores en las variables dependendientes

Finalmente vamos a dar respuesta a la

El valor mas probable del Area se reemplaza los valores de X y Y

1. 𝐴 = 7,32 ∗ 3,25=23,79
2.

3.
El error del área es la raíz de los errores

Calculando el valor del área y el error del área,fácilmente encontraremos el valor

de limite superior y el limite inferior.

El valor de la Diagonal
Para resolver lo anterior se hace con la matriz de los errores de variables
independientes
1. Reemplaza los valores dados por el ejercicio

2. Encontrar el error de la Diagonal

3.

2. POLINOMIO DE TAYLOR
Busca aproximar una función a un polinomio de grado (n) en torno a un punto “xo”
que pertenezca al dominio de este.

Fig. 3 Grafica de polinomio de Taylor

Imagen tomada de: https://campusdematematicas.com/calculo-infinitesimal/polinomio-de-taylor/
Formas para calcular errores:
 Error absoluto:
𝐸𝑎 = |𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 − 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜|
  Error relativo:
𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 − 𝑣𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝐸𝑟 = | |
𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
La serie de Taylor
2 3
𝑓 ′ (𝑥1 )(𝑥 − 𝑥0 ) 𝑓 ′′(𝑥0 )(𝑥−𝑥0 ) 𝑓 ′′′(𝑥0 )(𝑥−𝑥0 ) 𝑓 𝑛 (𝑥0 )(𝑥 − 𝑥0 )𝑛
𝑃𝑛(𝑥) = 𝑓(𝑥0 ) + + + + ⋯+
1! 2! 3! 𝑛!
Ejemplo: Realiza el polinomio de Taylor de grado 3, entorno a x0=3
𝑥2
𝑓(𝑥) =
√𝑥 2 + 𝑥

Pasos:
 Escribir la función
 Derivarlo el número de veces del que sea el polinomio.
 Realizo la tabla de la siguiente forma:
Xi Fi(xi) Pn(xi) Error abs E. relativo
Valores que Escribo la Escribo la serie =abs(Fi(xi)- =abs((Fi(xi)-
me dicen que función del polinomio Pn(xi)) Pn(xi))/
realice el principal de Taylor Fi(xi))*100
polinomio, es reemplazando dependiendo
decir el rango el valor de xi del grado del
en el que me en x. que sea el
piden, ejemplo: polinomio.
polinomio de (- 𝑃𝑛(𝑥)
1,5) cada 0,1 = 𝑓(𝑥0 )
entonces 𝑓 ′ (𝑥1 )(𝑥 − 𝑥0 )
iniciaría en -1 y +
1!
seguiría con - 2
0,9 -0.8 y así 𝑓 ′′(𝑥0 )(𝑥−𝑥0)
+
sucesivamente. 2!
3
𝑓 ′′′(𝑥0)(𝑥−𝑥0 )
+
3!
+⋯
𝑓 𝑛 (𝑥0 )(𝑥 − 𝑥0 )𝑛
+
𝑛!
Solución:
El polinomio será.
′
𝑓 ′ (2)(𝑥 − 2) 𝑓 ′ (2)(𝑥 − 2)2 𝑓 ′′′ (2)(𝑥 − 2)3
𝑃3 (𝑥) = 𝑓(2) + + +
1! 2! 3!
De forma analítica:
*Para el primer término f(x0)
 32
𝑓(2) = = 2.59807611
√32 + 3
*Para el segundo termino
3 3
𝑥3 + 2 𝑥2 33 + 2 ∗ 32
𝑓 ′ (𝑥) = 3 , 𝑒𝑣𝑎𝑙𝑢𝑎𝑛𝑑𝑜 → 𝑓 ′ (2) = 3 = 0.9742
(𝑥 2 + 𝑥)2 (32 + 3)2

*Para el tercer termino

3 2 3 2
𝑓′′(𝑥) = 4𝑥 ′′
, 𝑒𝑣𝑎𝑙𝑢𝑎𝑛𝑑𝑜 → 𝑓 (2) = 4∗3 = 0.0135316
5 5
(𝑥 2 + 𝑥)2 (32 + 3)2
*Para el cuarto termino
9 3 9 3
− 4 𝑥3 − 8 𝑥2 − 4 33 − 8 32
𝑓 ′′′ (𝑥) = 7 , 𝑒𝑣𝑎𝑙. → 𝑓 ′′′(2) = 7 = −0.0107125
(𝑥 2 + 𝑥)2 (32 + 3)2
Entonces el polinomio de Taylor quedara de la siguiente manera
0.97427858(𝑥 − 2) 0.01353165(𝑥 − 2)2
𝑃3 (𝑥) = 2.59807621 + +
1! 2!
0.01071255(𝑥 − 2)3
+
3!
En Excel evaluamos las derivadas
1. Evaluando en x colocamos un valor que este dentro del rango de la función
en este caso aplica 0,5

2. Reemplazamos el polinomio de acuerdo a cada una de las derivadas

calculadas previamente .
3. Calculamos el Error absoluto y el error relativo.

4. Completando todos los datos tenemos

xi f(xi) P3(xi) Ea Er
0,5 0,28867513 0,23256344 0,0561117 19,4376628
0,6 0,36742346 0,32346049 0,04396297 11,9652057
0,7 0,44918226 0,41474996 0,0344323 7,66555303
0,8 0,53333333 0,50642113 0,0269122 5,04603723
0,9 0,61942248 0,5984633 0,02095918 3,38366444
1 0,70710678 0,69086575 0,01624103 2,2968284
1,1 0,79612155 0,78361777 0,01250378 1,57058718
1,2 0,88625874 0,87670864 0,0095501 1,07757426
1,3 0,97735224 0,97012765 0,00722458 0,73919946
1,4 1,06926766 1,0638641 0,00540357 0,50535206
1,5 1,161895 1,15790726 0,00398775 0,34321062
1,6 1,25514326 1,25224642 0,00289684 0,23079776
1,7 1,34893648 1,34687088 0,0020656 0,1531281
1,8 1,44321071 1,44176992 0,00144079 0,09983219
1,9 1,53791171 1,53693282 0,00097888 0,06365017
2 1,63299316 1,63234888 0,00064428 0,03945397
2,1 1,72841527 1,72800738 0,00040789 0,02359909
2,2 1,82414363 1,82389761 0,00024602 0,01348698
2,3 1,92014835 1,92000886 0,00013949 0,00726467
2,4 2,01640332 2,01633041 7,2909E-05 0,00361579
 2,5 2,11288564 2,11285156 3,4081E-05 0,00161301
2,6 2,20957512 2,20956158 1,3544E-05 0,00061296
2,7 2,30645393 2,30644977 4,1615E-06 0,00018043
2,8 2,40350621 2,40350541 7,9894E-07 3,324E-05
2,9 2,50071785 2,5007178 4,857E-08 1,9422E-06
3 2,59807621 2,59807621 0 0
3,1 2,69556999 2,69556994 4,6055E-08 1,7085E-06
3,2 2,793189 2,79318828 7,1828E-07 2,5715E-05
3,3 2,89092405 2,8909205 3,5468E-06 0,00012269
3,4 2,98876685 2,98875591 1,0941E-05 0,00036606
3,5 3,08670986 3,08668378 2,6084E-05 0,00084505
3,6 3,18474625 3,1846934 5,285E-05 0,00165946
3,7 3,28286979 3,28277407 9,5718E-05 0,00291569
3,8 3,38107478 3,38091506 0,00015972 0,00472382
3,9 3,47935603 3,47910567 0,00025035 0,00719539
4 3,57770876 3,57733519 0,00037358 0,01044175
4,1 3,67612861 3,67559289 0,00053572 0,01457289
4,2 3,77461154 3,77386808 0,00074347 0,01969652
4,3 3,87315385 3,87215003 0,00100383 0,02591752
4,4 3,97175211 3,97042803 0,00132408 0,03333744
4,5 4,07040315 4,06869137 0,00171178 0,04205432
4,6 4,16910405 4,16692934 0,00217471 0,05216243
4,7 4,26785208 4,26513123 0,00272085 0,06375229
4,8 4,36664473 4,36328632 0,00335841 0,07691057
4,9 4,46547965 4,4613839 0,00409575 0,09172019
5 4,56435465 4,55941326 0,00494139 0,10826037

Grafica del ejercicio anterior

Polinomio de Taylor
5
4
3
xi

2 f(xi)
1 P3(xi)
0
0 2 4 6
Funcion y el polinomio
 CAPITULO II
SOLUCION DE ECUACIONES NO LINEALES DE UNA VARIABLE
Introduccion
Una ecuación lineal en una variable es la igualdad de dos expresiones algebraicas donde los
términos que tienen variable el exponente máximo en las variables es uno. sin embargo muchas
expresiones no es posible encontrar el valor de x que hace que la raíz sea cero aplicando los
métodos algebraicos, es donde el avance de la ingeniería hace que apliquemos los métodos
numéricos para dar aproximar la solución pero no la respuesta se aproxima.

Objetivos
Solucionar ecuaciones no lineales por métodos numéricos.
OBJETIVOS ESPECIFICOS
Utilizar distintos métodos numéricos para la obtención de raíces únicamente con la ayuda de Excel

Si tenemos
𝑥2 = 1
La solución
𝑥 = ±1
Si igualamos la ecuación a cero
𝑥 2 − 1 = 0 Los cortes en el eje son los ceros de la función.
Como función
𝑓(𝑥) = 𝑥 2 − 1
“Cuando cambian las imágenes (signo) en ese intervalo hay una raíz.”

La grafica seria:

𝑓(𝑎) 𝑓(𝑐)
𝑓(𝑏)
𝑓(𝑑)
Fig. 3 Grafica C
Conclusion:
 Al igualar a cero una ecuación las raíces de la función coinciden con la
solución de la ecuación
 El cambio de signo en las imágenes me determina que en ese Interval hay raí
 Se evidencia que las raíces de la función coinciden con la solución de la ecuación dada
 Cuando las imágenes cambian de signo en este intervalo hay raíz.
 En asíntota vertical no hay raíz, no hay imagen.
FORMA GRAFICA
Ejemplo

𝑥2
+ ln(𝑥 3 + 4) − 𝑥 𝑥 = −5.4
2𝑥 2 −1

Como no tiene solución analítica igualamos a cero.

𝑥2
𝑓(𝑥) = 2 𝑥 2 −1 + ln(𝑥 3 + 4) − 𝑥 𝑥 + 5.4 = 0

SOLUCION
1. Lo primero que vamos hacer es dar un numero que este en el rango de la
función y luego colocamos la función. Se arrastra el valor hasta encontrar la
raíz negativa. Con los valores encontramos hacemos “zoom” hasta
encontrar el adecuado.

2. Demostracion del Zoom hasta llegar al valor indicado

3. Finalmente verificar
El valor aproximado se toma con la x encontrada

X 2,540065
valor analitico -5,4
Valor
aproximado -5,3999873
Error Absoluto 1,2695E-05
Error Relativo 0,00023509
 1.1 MÉTODO DE BISECCIÓN
Metodo de intervalo cerrado
Bisectar= Dividir en 2 un espacio.
Es un método de intervalo cerrado (siempre converge y se debe conocer el intervalo en donde se encuentra
la raíz)

Fig. 4 Grafica método de bisección.

Imagen tomada de: https://www.researchgate.net/figure/Figura-51-Intervalo-en-el-metodo-de-biseccion_fig1_301293668