1

MTODOS NUMRICOS


ANLISIS NUMRICO.

Una definicin de anlisis numrico podra ser el estudio de los errores en los clculos; error
aqu no quiere decir un disparate, equivocacin u omisin, sino ms bien una discrepancia entre el
valor exacto y el calculado, que es consecuencia de la manera con que se manejan los nmeros o
frmulas.

Otra definicin de anlisis numrico podra ser el diseo, uso y anlisis de algoritmos, los cuales
son conjuntos de instrucciones cuyo fin es calcular o aproximar alguna cantidad o funcin.

Un especialista de anlisis numrico se interesa en la creacin y comprensin de buenos mtodos
que resuelvan problemas numricamente. Una caracterstica importante del estudio de los
mtodos es su variacin.

El anlisis numrico consiste en procedimientos que resuelven problemas y realizan clculos
puramente aritmticos. Pero hay que tomar en cuenta las caractersticas especiales y limitaciones
de los instrumentos de clculo (como las computadoras) que nos ayudan en la ejecucin de las
instrucciones del algoritmo.

Si bien no nos interesa la construccin de tal dispositivo o la manera en que funciona, si nos
importarn los sistemas numricos de mquinas en contraposicin con nuestro sistema de
nmeros reales, y los errores resultantes de cambiar de uno a otro sistema.

Una buena razn para estudiar el anlisis numrico es mejorar nuestra comprensin de los
conceptos de las matemticas (puras) observando como algunos de ellos deben modificarse
necesariamente en las matemticas computacionales.

Despus de todo, el anlisis numrico es importante porque es necesario en la solucin de muchos
problemas del mundo real.

MTODOS NUMRICOS.

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas
matemticos de tal forma que puedan resolverse usando operaciones aritmticas. Hay muchos
tipos de mtodos numricos, y comparten una caracterstica comn: invariablemente se deben
realizar un buen nmero de tediosos clculos aritmticos.

Los mtodos numricos son herramientas muy poderosas para a solucin de problemas. Pueden
manejar sistemas de ecuaciones grandes, no linealidades y geometras complicadas, comunes en
la ingeniera. Tambin es posible que se utilice software disponible comercialmente que contenga
mtodos numricos. El uso inteligente de estos programas depende del conocimiento de la teora
bsica de estos mtodos; adems hay muchos problemas que no pueden plantearse al emplear
programas hechos, conociendo bien los mtodos numricos se puede disear programas propios y
2
as no comprar software costoso. Al mismo tiempo se aprende a conocer y controlar los errores de
aproximacin que son inseparables de los clculos numricos a gran escala.

Los mtodos numricos son un medio para reforzar la comprensin de las matemticas, porque
profundizan en los temas que de otro modo resultaran obscuros, esto aumenta su capacidad de
comprensin y entendimiento en la materia.

CIFRAS SIGNIFICATIVAS.

Cuando se emplea un nmero en un clculo, debe haber seguridad de que pueda usarse con
confianza. El concepto de cifras significativas tiene dos implicaciones importantes en el estudio
de los mtodos numricos.
1.- Los mtodos numricos obtienen resultados aproximados. Por lo tanto, se debe desarrollar
criterios para especificar que tan precisos son los resultados obtenidos.
2.- Aunque ciertos nmeros representan nmero especficos, no se pueden expresar exactamente
con un nmero finito de cifras.

PRECISIN Y EXACTITUD

Precisin se refiere a la dispersin del conjunto de valores obtenidos de mediciones repetidas de
una magnitud. Cuanto menor es la dispersin mayor la precisin. Una medida comn de la
variabilidad es la desviacin estndar de las mediciones y la precisin se puede estimar como
una funcin de ella.

Exactitud se refiere a que tan cerca del valor real se encuentra el valor medido. En trminos
estadsticos, la exactitud est relacionada con el sesgo de una estimacin. Cuanto menor es el
sesgo ms exacta es una estimacin.


La exactitud (accuracy en el dibujo) indica los resultados de la proximidad de la medicin con
respecto al valor verdadero, mientras que la precisin con respecto a la repetitibilidad o
reproductibilidad de la medida
En ingeniera, ciencia, industria y estadstica, exactitud y precisin no son equivalentes.














1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
d
e
n
s
i
d
a
d

d
e

P
R
O
B
A
B
I
L
I
D
A
D VALOR DE REFERENCIA
EXACTITUD
PRECISIN
3
Cuando expresamos la exactitud de un resultado se expresa mediante el error absoluto que es la
diferencia entre el valor experimental y el valor verdadero.

EJEMPLO

Varias medidas son como disparadas hacia un objetivo. La exactitud describe la proximidad de las
flechas al centro del objetivo. Las flechas que impactaron ms cerca del centro se consideran ms
exactas. Cuanto ms cerca estn las medidas a un valor aceptado, ms exacto es un sistema.

La precisin, en este ejemplo, es el tamao del grupo de flechas. Cuanto ms cercanas entre s
estn las flechas que impactaron el objetivo, ms preciso ser el sistema. Hay que notar que el
hecho de que las flechas estn muy cercanas entre s es independiente al hecho que estn cerca del
centro del objetivo. En s, se puede decir que la precisin es el grado de repetitividad del
resultado. Se podra resumir que exactitud es el grado de veracidad, mientras que precisin es el
grado de reproductibilidad.







Alta exactitud, pero baja precisin Alta precisin pero baja exactitud

EJEMPLO

Un reloj analgico, de manecillas, desplaza su minutero "slo de minuto en minuto", si bien lo
hace en absoluta sincrona con el horario oficial o "real" (que es el objetivo ). Un segundo reloj
utiliza minutero, segundero, incluso est dotado de un sistema de medicin de dcimas de
segundo. Si observamos que su horario, no coincide plenamente con el horario oficial o real (que
sigue siendo el objetivo de todo reloj), concluiremos que el primer reloj es altamente exacto,
aunque no sea preciso, mientras que el segundo, es altamente preciso, aunque no se muestra
exacto...al menos en nuestro ejemplo.

ERROR.

En general, para cualquier tipo de error, la relacin entre el nmero exacto y el obtenido por
aproximacin se define como:

Error = Valor real -valor estimado

En ocasiones, se sabr exactamente el valor del error, que denotaremos como Ev, o deberemos
estimar un error aproximado.

Ahora, para definir la magnitud del error, o que incidencia tiene en el clculo el error detectado,
podemos normalizar su valor:

4
Er = Error relativo (fraccin)
= error estimado /valor verdadero

Como el valor de Er puede ser tanto positivo como negativo, en muchos casos nos interesa saber
ms la magnitud del error, caso en el cual usaremos el valor absoluto de este.

Un caso muy interesante es una investigacin que realiza Scarborough, en que determin el
nmero de cifras significativas que contiene el error porcentual como:

( ) % 10 5 . 0
2 n
s
x E

=

Si reemplazamos Es en la ecuacin. Obtendremos el nmero de cifras significativas en que es
confiable el valor aproximado obtenido.

As, si queremos que nuestro clculo tenga un error menor al criterio para dos cifras significativas,
debemos obtener nmeros que correspondan a menos de:

Es=(0.5x 10
2-2
)%=0.5%

Esto nos servir para determinar cuntos trminos sern necesarios en un clculo aproximado para
tener la certeza que el error se encuentra bajo el margen especificado en Es

ERROR DE REDONDEO

Muchas veces, los computadores cortan los nmeros decimales entre e17 y 12 decimal
introduciendo as un error de redondeo

Por ejemplo, el valor de "e" se conoce como

2.718281828... hasta el infinito.

Si cortamos el nmero en 2.71828182 (8 cifras significativas luego del punto decimal) estamos
obteniendo un error de

E = 2.718281828 -2.71828182 = 0.000000008...

Sin embargo, como no consideramos que el nmero que segua al corte era mayor que 5, entonces
nos convena dejar el nmero como 2.71828183, caso en el cual el error sera solo de

E = 2.118281828 -2.11828183 = -0.000000002. ,

que en trminos absolutos es mucho menor que el anterior.

En general, el error de corte de las computadoras ser muy inferior al error introducido por un
usuario, que generalmente corta a un menor nmero de cifras significativas.

5

ERRORES DE TRUNCAMIENTO.

Los errores de truncamiento tienen relacin con el mtodo de aproximacin que se usar ya que
generalmente frente a una serie infinita de trminos, se tender a cortar el nmero de trminos,
introduciendo en ese momento un error, por no utilizar la serie completa (que se supone es
exacta).
En una iteracin, se entiende como el error por no seguir iterando y seguir aproximndose a la
solucin. En un intervalo que se subdivide para realizar una serie de clculos sobre l, se asocia al
nmero de paso, resultado de dividir el intervalo "n" veces.

ERROR NUMERICO TOTAL

El error numrico total se entiende como la suma de los errores de redondeo y truncamiento
introducidos en el clculo.

Pero aqu surge un gran problema. Mientras ms clculos se tengan que realizar para obtener un
resultado, el error de redondeo se ir incrementando. Pero por otro lado, el error de truncamiento
se puede minimizar al incluir ms trminos en la ecuacin, disminuir el paso o proseguir la
iteracin ( o sea mayor nmero de clculos y seguramente mayor error de redondeo).

Entonces, qu criterio utilizamos? ...lo ideal sera determinar el punto en que los errores de
donde empiezan a ocultar la ventaja de considerar un menor error de truncamiento.

Pero como se ha dicho antes, es lo ideal; en la prctica debemos considerar que hoy por hoy los
computadores tienen un manejo de cifras significativas mucho mayor que antes por lo que el error
de redondeo se minimiza enormemente, aunque no se debe dejar olvidar su aporte al error total.


CONCLUSIONES

El estudio de los mtodos numricos, es muy til y por ende importante para quien quiera que
necesite herramientas para resolver operaciones, las cuales se sabe que pueden resultar
complicadas por ms que se dominen los mtodos tradicionales, estos muchas veces pueden no
ser suficientes, sin embargo, esto no quiere decir que la operacin sea imposible de solucionar, y
es ah donde los mtodos numricos se aplican, y facilitan es trabajo de cierta manera.

El hecho de que se tomen tan en cuenta los errores, no nos deja cerca de la perfeccin pero al
considerarlos,. al menos no da una idea de con que contamos y con que no, as podemos tomar
decisiones informadas y por lo tanto pienso yo que mejores.

Adems pasando a la parte prctica, su estudio nos puede ayudar a modificar, entender e incluso
simplificar algn tipo de software que los maneje, esto resulta mucha ventaja para el usuario, pues
si conoces lo que haces lo puedes usar con ms provecho y optimizacin.
En pocas palabras las aplicaciones de los mtodos numricos son muy variadas y necesarias,
especialmente parta las ingenieras como ya lo expres anteriormente, con esto, puedo concluir
6
que me interesa su estudio, y sobre todo aprenderlos y manejarlos bien, porque ahora veo que en
un futuro no muy lejano es muy probable que los necesite aplicar.

TAREA I

1. Define los siguientes conceptos: : Error de redondeo, Error de truncamiento, error inherente,
exactitud, precisin y cifras significativas
2. Explica brevemente la propagacin de errores bajo la suma
3. Explica brevemente la propagacin de errores bajo el producto (multiplicacin)
4. Explica brevemente la propagacin de errores bajo la divisin
5. Explica brevemente la propagacin de errores bajo la evaluacin de funciones
6. Explica el orden de precedencia de las operaciones en la computadora

POLINOMIO DE TAYLOR

1.- Emplea la expansin de la serie de Taylor para predecir f(2) en 88 7 6 25 ) (
2 3
+ = x x x x f a)
Desde cero hasta tercer orden
b) Calcula el error verdadero porcentual
c) Calcula el error aproximado y analice el resultado

2.- Use la expansin de la serie de Taylor para estimar f(3) si f(x)=ln x utilizando x=1 como punto
base.
a) De cero al cuarto orden
b) Calcule el error relativo porcentual para cada aproximacin analice el resultado.

3.- Obtenga el polinomio de Taylor de tercer orden
3
p (x) para la funcin f(x)= 1 + x en torno
a
0
x =0 aproxime 5 . 1 , 25 . 1 , 75 . 0 , 5 . 0 usando , ) (
3
x p y calcule los errores reales.

4.- determine polinomio de Taylor de segundo
2
p (x) para la funcin x e x f
x
cos ) ( = , entorno
0
ax =0
a) Use
2
p (0.5) para aproximar f(0.5).
b) Calcula el error verdadero porcentual
c) Calcula el error aproximado y analice el resultado

5.- Determine el tercer polinomio de Taylor
3
p (x) para la funcin x x x f ln ) 1 ( ) ( = respeto a
1
0
= x
a) Use
2
p (0.5) para aproximar f(0.5).
b) Calcula el error verdadero porcentual
c) Calcula el error aproximado y analice el resultado





7
SERIE DE TAYLOR.

Si ( ) x f es una funcin analtica (esto es, tiene un infinito nmero de derivadas) en el punto
0
x ,
entonces se puede proponer la siguiente expresin

( ) ( )
n
o
n
n
x x a x f =

=0
( ) ( ) ( ) + + + + =
3
3
2
2
1
1 0 o o o
x x a x x a x x a a

conocida como serie polinomial, la cual indica que la funcin ( ) x f se puede escribir mediante un
polinomio de grado infinito.

Para determinar el valor de los respectivos coeficientes
n
a de la serie se puede proceder de la
siguiente manera:

Para n =0, evaluando la funcin ( ) x f en
0
x x =
( ) ( ) ( ) ( ) + + + + =
3
0 0 3
2
0 0 2
1
0 0 1 0 0
x x a x x a x x a a x f
( ) ( ) ( ) + + + + =
3
3
2
2
1
1 0
0 0 0 a a a a

0
a = ,
por lo tanto
( )
0 0
x f a =

Para n =1, Derivando primero la funcin ( ) x f respecto de x, y aplicando la propiedades lineales
de la derivada

( ) ( ) ( ) ( ) | | + + + + = '
3
0 3
2
0 2
1
0 1 0 0
x x a x x a x x a a
dx
d
x f
( ) ( ) ( ) ( ) ( ) ( ) ( )
(

+ + + + =
3
0 3
2
0 2
1
0 1 0
x x a
dx
d
x x a
dx
d
x x a
dx
d
a
dx
d

( ) ( ) ( ) + + + + + =
3
0 4
2
0 3
1
0 2 1
4 3 2 0 x x a x x a x x a a

Evaluando la derivada ( ) x f ' en
0
x x =
( ) ( ) ( ) ( ) + + + + = '
3
0 0 4
2
0 0 3
1
0 0 2 1 0
4 3 2 x x a x x a x x a a x f
( ) ( ) ( ) + + + + =
3
4
2
3
1
2 1
0 4 0 3 0 2 a a a a
1
a =

por lo tanto
( )
0 1
x f a ' =

Para n =2, obteniendo la segunda derivada de la funcin ( ) x f respecto de x, y aplicando la
propiedades lineales de la derivada
8

( ) ( ) ( ) ( ) ( ) ( ) | | + + + + = ' = ' '
3
0 4
2
0 3
1
0 2 1 0
4 3 2 x x a x x a x x a a
dx
d
x f
dx
d
x f
( )( ) ( ) ( )( ) ( ) ( )( ) ( ) + + + + =
3
0 5
2
0 4
1
0 3 2
5 4 4 3 3 2 2 x x a x x a x x a a

Evaluando la segunda derivada ( ) x f ' ' en
0
x x =
( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) + + + + = ' '
3
0 0 5
2
0 0 4
1
0 0 3 2 0
5 4 4 3 3 2 2 x x a x x a x x a a x f
( )( ) ( ) ( )( ) ( ) ( )( ) ( ) + + + + =
3
5
2
4
1
3 2
0 5 4 0 4 3 0 3 2 2 a a a a
2
2a =

por lo tanto
( )
0 2
2
1
x f a ' ' =
El proceso anterior se repite para obtener cada uno de los coeficientes
n
a , el resultado general es

( )
0
!
1
x f
n
a
n
n
= ,

entonces la frmula general para la serie es

( )
( )
( )
( )
n
o
n
o
n
x x
n
x f
x f =

=0
!


La cual es conocida como serie de Taylor

Puesto que el coeficiente se divide entre el n! la relevancia de los trminos va disminuyendo
rpidamente, adems, no es posible considerar una suma infinita, solo se podr considerar n
trminos, por lo que la serie se divide en dos partes

( ) ( ) ( ) x R x P x f + =

donde
( ) ( ) ( )( )
( )
( )
( )
( )
( )
o
o
n
o
o
o o o
x x
n
x f
x x
x f
x x x f x f x P + +
' '
+ ' + =
! ! 2
2

( )
( )
( )
( )
( )
( )
( )
( )
( ) +
+
+ +
+
+ +
+
+
+
+
2
2
1
1
! 2 ! 1
n
o
o
n
n
o
o
n
x x
n
x f
x x
n
x f
x R

( ) x P es un polinomio de orden n llamado polinomio de Taylor, y ( ) x R es el residuo. Como los
coeficientes del polinomio dependen de
!
1
n
, la parte importante del desarrollo en serie se
encuentra en ( ) x P . Mientras que el valor del trmino ( ) x R puede aproximarse a
9

( )
( )
( )
( )
( )
n
o
n
x x
n
E f
x R
+
=
+
! 1
1


para algn valor E, tal que x E x
o
< < ,

As, si una funcin es continua y diferenciable dentro del intervalo de inters, puede ser escrita
como una serie de potencia finita, o serie de Taylor.

Este mtodo se utiliza para transformar funciones ya conocidas y diferenciables a unas de ms
fcil manejo.

Existen ciertas observaciones que deben conocerse al aplicar esta frmula. Por ejemplo, para tener
una mejor aproximacin de la funcin a un intervalo [a, b], el valor de x
o
debe elegirse lo ms
cercano posible al centro de dicho intervalo. De esta manera se minimiza la contribucin mxima
del trmino (x - x
o
)
n+l
del residuo en el clculo de R(x) entre a < x < b.


MEDICIONES DEL ERROR EN APROXIMACIONES DE FUNCIONES CON LA SERIE
DE TAYLOR

El trmino ( )
( )
( )
( )
( )
n
o
n
x x
n
E f
x R
+
=
+
! 1
1
se relaciona con el error al buscar el valor de E que haga
mximo el valor absoluto de ( ) x R , esto es

Error =
( )
( )
( )
( )
1
0
1
! 1
max
+
+

+
n
n
x x
n
E f
, para algn valor | |
0
, x x Ee

EJEMPLO

Obtenga (a) la serie de Taylor de la funcin exponencial ( )
x
e x f = alrededor del punto 0
0
= x .
(b) Determine adems el error mximo esperado por la aproximacin para un polinomio de orden
n de aproximacin a la funcin exponencial.

SOLUCION

(a) La frmula del desarrollo de Taylor es
( )
( )
( )
n
n
n
x x
n
x f
x f
0
0
0
!
) ( =

=

Es necesario calcular primero
( )
( ) x f
n
, para , 2 , 1 , 0 = n , y evaluarla en 0
0
= x ,
as pues,

0 = n
x
e
( )
( )
( )
( ) 1 0
0 0
0
0
= = = e f x f
10
1 = n ( )
x x
e e
x d
d
=
( )
( )
( )
( ) 1 0
0 1
0
1
= = = e f x f
2 = n ( )
x x
e e
x d
d
=
2
2

( )
( )
( )
( ) 1 0
0 2
0
2
= = = e f x f
3 = n ( )
x x
e e
x d
d
=
3
3

( )
( )
( )
( ) 1 0
0 3
0
3
= = = e f x f

Como se puede observar a partir de los resultados previos, se puede obtener un resultado general
para un valor general n, esto es,

n ( )
x x
n
n
e e
x d
d
=
( )
( )
( )
( ) 1 0
0
0
= = = e f x f
n n


Sustituyendo en la serie general

( )
( )
( )
n
n
n
x
x x
n
x f
e
0
0
0
!
=

=
( )
n
n
x
n
0
!
1
0
=

=
=
0
!
n
n
n
x


Por lo tanto

+ + + + + + = =

=
! 5 ! 4 ! 3 ! 2
1
!
5 4 3 2
0
x x x x
x
n
x
e
n
n
x


Lo anterior muestra que la funcin exponencial se puede escribir como una COMBINACIN
LINEAL infinita de polinomios.

b) De acuerdo al resultado previo,
( )
( )
x n
e x f =
+1
el cual para el intervalo | | x , 0 ser mximo para
E= 0 > x , entonces,

Error =
( )
( )
( )
( )
1
0
1
! 1
max
+
+

+
n
n
x x
n
E f
=
( )
1
! 1
+
+
n
x
x
n
e


En este caso, precisamente el valor
x
e es el que se quiere determinar con la evaluacin del
polinomio y se utiliza, por lo tanto el valor obtenido con la serie hasta el trmino n.

EJEMPLO

Utilice el resultado anterior y obtenga el valor de ( )
x
e x f = , para 1 = x par n =4, trminos y su
error estimado.

SOLUCIN

11
Evaluando
+ + + + + + = =

=
! 5 ! 4 ! 3 ! 2
1
!
5 4 3 2
0
x x x x
x
n
x
e
n
n
x
, par a x= 1 y n=4,
! 4
1
! 3
1
! 2
1
1 1
4 3 2
1
+ + + + ~ e

24
1
6
1
2
1
1 1 + + + + =
24
65
=
=2 .708333333
Por su parte el error estimado es para x=1, n = 4,
24
65
~
x
e

Error 1 =
( )
( )
( )
( )
1
0
1
! 1
max
+
+

+
n
n
x x
n
E f
=
( )
1
! 1
+
+
n
x
x
n
e
( )
1 4
1
! 1 4
24
64
+
+
=
576
13
= = 0.0226
El error porcentual correspondiente es

As se tiene que solamente las dos primeras cifras son correctas, esto es 2.7

=
%
e ~ = 100 *
70833 . 2
0226 . 0
100 *
r valo mejor
error
0.83 %

Otra forma de comparar el resultado es utilizar un valor ms exacto, por ejemplo,
1
e =2.718281828 el cual es obtenido por una calculadora y comparando con el calculado
previamente, as se tiene un error

Error 2 =
24
65
718281 . 2
*
= V V =0.009948

=
%
e ~ = 100 *
718281 . 2
009948 . 0
100 *
valor mejor
error
0.37 %

En muchos casos no se conoce un valor tan exacto por lo que se utilizar el error porcentual mayor.


EJEMPLO

(a) Halle el polinomio de Taylor para la funcin dada . 4 , 1 , ln ) (
0
= = = n x x x f
La frmula del desarrollo de Taylor es
( )
( )
( )
n
n
n
x x
n
x f
x f
0
0
0
!
) ( =

=

(b) Utilice el resultado anterior y obtenga ( ) ( ) 5 . 1 ln 2 = f y su estimacin del error porcentual.

SOLUCIN

Para

( ) ( ) ( ) ( ) 0 1 ln ln 0
0
= = = = x f x x f n
12

( ) ( ) 1
1
1 1
1
0
= = ' = ' = x f
x
x f n


( ) ( )
( )
1
1
1 1
2
2 0 2
= = ' ' = ' ' = x f
x
x f n


( ) ( )
( )
2
1
2 2
3
3
0
3
= = ' ' ' = ' ' ' = x f
x
x f n


( )
( )( )
( )
( )
6
1
! 3 2 3
4
4
0
4
= = = = x f
x
x f n
IV IV


Sustituyendo

( )
( )
( ) ( ) ( ) ( ) ( )
4 3 2
0
0
0
1
! 4
6
1
! 3
2
1
! 2
1
1
! 1
1
0
!
) ( + + ~ ~

=
x x x x x x
n
x f
x f
n
n
n

( ) ( ) ( ) ( )
4 3 2
1
4
1
1
3
1
1
2
1
1 + = x x x x


Este resultado se puede generalizar para cualquier grado n observando que

( )
( ) ( )
( )
n
n n
x
n
x f n
! 1
1
1

=
+ ( )
( ) ( )
( )
( ) ( )! 1 1
1
! 1
1 1
1 1
=

=
+ +
n
n
f
n
n
n n

sustituyendo en la frmula general

( )
( )
( )
( )
n
n
n
x x
n
x f
x
0
0
0
!
ln =

=
=
( ) ( )
( )
n
n
n
x
n
n
1
!
! 1 1
1
1

=
+
=
( )
( )
n
n
n
x
n
1
1
1
1

=
+


(b) evaluando en el polinomio previo 2 = x

( ) ( ) ( ) ( ) ( )
4 3 2
1
4
1
1
3
1
1
2
1
1 ln + ~ x x x x x

( ) ( ) ( ) ( ) ( )
4 3 2
1 5 . 1
4
1
1 5 . 1
3
1
1 5 . 1
2
1
1 5 . 1 2 ln + ~
=
12
7
4
1
3
1
2
1
1 = + =0.401041

el residuo puede para este caso es

( )
( ) ( )
( )
1
1
2
1
1
1
1
+
+
+

=
n
n
n
x
n
E
x R
, donde | | 2 , 1 e E ,

para el calculo del error se busca el valor de E que conduce a mayor absoluto ( ) x R , para este
caso particular ese valor es E =1, entonces

Error 1 =
( )
( )
( )
( )
1
0
1
! 1
max
+
+

+
n
n
x x
n
E f
=
( ) ( )
( )
( )
1 4
1 4
2
1 5 . 1
1 4
1
1
1
+
+
+

n
= 0.00625,
13
lo cual indica que con total seguridad las dos primeras cifras decimales son correctas, el error
porcentual correspondiente es
100 *
401041 . 0
00625 . 0
%
= e = 1.56 %

Considerando el punto medio como valor ms adecuado, se tiene un error porcentual
=34.28 %


RAICES DE ECUACIONES DE UNA SOLA VARIABLE

La solucin de problemas en ciencias e ingeniera requiere en ocasiones de la solucin de
encontrar la raz o races de una funcin de una variable y= f(x), esto es en forma analtica
resolver la ecuacin

f (x) = 0

La solucin de esta ecuacin en muchos casos no se puede resolver en forma analtica, por lo
que es necesario utilizar otros medios para encontrar sus races, por ejemplo se puede recurrir
a la grfica de funcin aplicar un mtodo numrico.


MTODO GRFICO DE BSQUEDA DE RACES

Como se sabe, la grfica de una funcin y =f(x) es una curva en el plano xy, por lo que las races
de la ecuacin f(x) = 0 son las intersecciones de la grfica con el eje de las abscisas.

Por lo tanto, para obtener la raz de una funcin se debe proceder a obtener la respectiva grfica
en el intervalo a < x < b, donde se encuentre la raz y a partir de la observacin de la misma y/o
utilizando herramientas de programa seleccionado para graficar aproximarse al valor ms
adecuado de la raz.

En lo que sigue se utilizar MATLAB como el programa de graficacin.

EJEMPLO.

Encuentre de manera grfica la raz (o races) de la funcin ( ) ( ) x x x f ln + =

SOLUCION

Puesto que

1932 . 0
2
1
ln
2
1
2
1
= |
.
|

\
|
+ = |
.
|

\
|
f y ( ) ( ) 1 1 ln 1 1 = + = f ,

14
Puesto que la funcin es continua, la funcin debe tener forzosamente al menos una raz en el
intervalo 0.5 <x<1.

Para obtener la grfica se utiliza el paquete MATLAB.

Las instrucciones necesarias para obtener la grfica se da a continuacin.

x = 0.5:0.001:1; % La variable x se define de 0.5 a 1 con un intervalo entre datos de
% 0.001
y = x+log(x); % Se evala la funcin.
plot(x,y, b-,LineWidth,2) % Grfica de la funcin con lnea continua de color azul
% de 2 puntos de ancho
title(Grafica de la funcin y=x+ln(x) % Titulo de la grfica
xlabel(x) % Etiqueta eje x
ylabel(y) % Etiqueta eje y
grid % Coloca un entramado o red

La grfica se muestra en la figura 1, adems, se observa que la raz buscada se localiza en el
intervalo (0.55, 0.60), la raz se puede considerar como el punto medio del intervalo,
xr=(0.55+0.60)/2 = 0.5750, con un error mximo igual a la mitad del ancho del intervalo, en este
caso error=(0.60-0.55)/2=0.0250.
Por otra parte, MATLAB cuenta con herramientas que permiten acercarse a la regin de inters
con bastante resolucin ( Zoom in).

0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Grfica de la funcn y=x+ln(x)
x
y

Figura 1. Grfica de la funcin y =x+ln(x).

La figura 2 Muestra un primer acercamiento a la regin donde se encuentra la raz, en este caso
15
esta se encuentra en el intervalo (0.566, 0.568), as se tiene ahora que x
r
= (0.566+ 0.568)/2
=0.5670 y error=(0.568-0.566) /2=0.0010.

0.558 0.56 0.562 0.564 0.566 0.568 0.57 0.572 0.574 0.576
-0.02
-0.01
0
0.01
0.02
0.03
Grfica de la funcn y=x+ln(x)
x
y

Figura 2. Primer acercamiento a la grfica de la funcin y =x+ln(x).

0.5671 0.5671 0.5671 0.5671
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
x 10
-7
Grfica de la funcn y=x+ln(x)
x
y

Figura 3. Caso extremo de acercamiento a la grfica de la funcin y =x+ln(x) con el paquete
MATLAB.

16

Es claro que el proceso puede continuar ms veces, sin embargo, tiene un lmite, en la figura 3
muestra el caso limite para el caso de la figura 1. En el eje x no se observa cambio los valores
mostrados son los mismos, por lo que la raz buscada se considera este valor, x
r
=0.5671, en cuanto
al error no se puede calcular a partir del intervalo, en este caso se considera como la mitad de la
mnima resolucin mostrada en la respectiva grfica, en este caso, error =0.0001/2=0.00005.

El ejemplo anterior muestra que el mtodo grfico aunque es muy sencillo de aplicar cuando se
cuenta con un paquete grfico est limitado en su resolucin, en este caso la mxima resolucin es
cuatro cifras decimales, por lo si se requiere una mayor exactitud y precisin, hay que recurrir a
otros mtodos tpicamente numricos, los cuales se darn a conocer en las secciones siguientes.

MTODO DE PUNTO FIJO

Un punto fijo de una funcin g(x) es un nmero real x tal que: x = g(x)

Este mtodo sirve para resolver funciones del tipo f (x) = 0.

Por la definicin de punto fijo es necesario que a partir de la ecuacin f (x) = 0, se obtenga la
forma x = g(x), esto se puede lograr simplemente despejando x de alguno de los miembros de la
ecuacin. En algunos casos en los que no se puede despejarse fcilmente se puede proceder de
la siguiente manera, sumando x a ambos miembros de la ecuacin f (x) = 0, se tendr, x= x + f
(x), de donde g(x) puede ser g(x) = x + f (x).

Es necesario observar que la funcin g (x) para un problema particular f (x) = 0 no es nica, por
ejemplo, para el caso de la funcin

( ) ( ) 0 ln = + = x x x f ,

despejando se obtiene ( ) x x ln = ,

por lo tanto se puede definir

( ) ( ) x x g ln =

Por otra parte, x se puede despejar de ( ) x x ln =

Como
x
e x

=

En este caso

( )
x
e x g

=

As se tienen dos funciones g(x) diferentes para la misma funcin f (x) =0.

17
El mtodo de punto fijo requiere de un punto inicial x
0
, para iniciar el proceso, posteriormente
se aplica iterativamente la regla respectiva, o sea,

( )
( )
( )
( )
( )
n n
n n
x g x
x g x
x g x
x g x
x g x
=
=
=
=
=
+

1
1
2 3
1 2
0 1

El proceso termina cuando se satisfaga el error propuesto o hasta encontrar el punto fijo.

Grficamente el mtodo de punto fijo se puede representar como la interseccin de dos curvas:
una formada con y = x y la otra con y = g(x); la raz es la abscisa del punto de interseccin de
ambas funciones.

La figura 4 muestra el proceso de convergencia hacia el punto fijo. Como se observa se parte del
valor x
0
, de donde se traza una lnea vertical hacia la funcin, lo cual equivale grficamente a
evaluar x
1 =
g (x
0
), como este valor se utiliza para evaluar el siguiente valor obtiene el valor x
2
se
traza una lnea horizontal hacia la recta y = x, posteriormente se traza una lnea vertical hacia la
funcin g (x) lo cual representa evaluar x
3 =
g (x
1
). El proceso anterior se puede repetir hasta
lograr la aproximacin deseada.




















Figura 4. Grfica de del proceso de convergencia del mtodo de punto fijo.


0 0.5 1 1.5 2 2.5 3
0
0.5
1
1.5
2
2.5
3
x
( )
0 1
x g x =
( )
1 2
x g x =
0
x
x y =
( )
3 3
x g x =
( )
3 4
x g x =
( ) x g y =
1
x
2
x
3
x
18
CRITERIO DE CONVERGENCIA

Aplicando el teorema del valor medio en el intervalo acotado por x
n
y x
n-1,
se tiene que existe un
valor x que pertenece a ese intervalo, tal que:

( )
( ) ( )
1
1

= '
n n
n n
x x
x g x g
x g

Utilizando ahora lo que establece el mtodo del punto fijo:


( )
( )
n n
n n
x g x
x g x
=
=
+

1
1


g'(x) se escribe como

( )
1
1

= '
n n
n n
x x
x x
x g

El mtodo converge si se presenta la desigualdad

1 1 +
<
n n n n
x x x x

As se tiene que para que el mtodo de punto fijo converja a la raz buscada se debe cumplir que
( ) 1 < ' x g

La figura 5(a) y 5(b) muestran el caso de convergencia donde se cumple ( ) 1 < ' x g y las figuras
5(c) y 5(d) los casos de divergencia, esto cuando ( ) 1 > ' x g .
















19


















Figura 5. Grficas de tipos de convergencia ( ) 1 < ' x g a) y b) y divergencia ( ) 1 > ' x g c) y d),
divergencia


EJEMPLO

Encuentre la raz (o races) de la funcin ( ) ( ) x x x f ln + = utilizando en mtodo de punto fijo con
una exactitud de cinco cifras decimales correctas, (para obtener cinco decimales correctos se
utilizar epsilon = 10
-6
). Constryase una tabla donde se indique n, x
n
, ( )
n
x f y
1
=
n n n
x x d .

SOLUCION

Utilizando a ( ) ) ln(x x g =


20


El diagrama de flujo del mtodo es












































INICIO
x0, epsilon
FIN
SI
NO
n<N
and
d>epsilon
x1g(x0)
d |x1-x0|
f f(x0)
La raiz es x0
d1
n0
Nmax 30
n, xo, f, d
x1 xo
nn+1
21
El programa respectivo en MATLAB para la funcin ( ) ) ln(x x g = se da a continuacin

x0=input('intoduce el valor x0 = ');
epsilon=input(' intoduce el valor epsilon = ');
n=0;
N=30;
f=0;
d=1;
disp(' n punto xn |f(xn)| dn ')
while n<N && d>=epsilon
x1=-log(x0);
f=abs(x0+log(x0));
d=abs(x1-x0);
fprintf('%4.0f %4.6f %4.6f %4.7f\n',n, x0,f,d)
n=n+1;
x0=x1;
end
fprintf('la raz es xr = %4.6f \n',x0)

Utilizando el valor inicial x0 = 0.5 y epsilon =0.000001, se obtiene la tabla siguiente


n punto xn |f(xn)| dn
0 0.500000 0.193147 0.193147
1 0.693147 0.326634 0.326634
2 0.366513 0.637209 0.637209
3 1.003722 1.007436 1.007436
4 -0.003715 5.599200 6.420330
5 5.595485 7.454450 8.301481
6 -1.858965 1.202442 3.591878
7 -0.656523 0.424297 4.687730
8 -1.080820 0.340949 3.922963
9 -0.739871 0.065924 4.020864
10 -0.805795 0.077832 3.878900
11 -0.727963 0.014275 3.895171
12 -0.742238 0.018154 3.863589
13 -0.724085 0.003300 3.867080
14 -0.727384 0.004266 3.859739
15 -0.723118 0.000774 3.860544
16 -0.723892 0.001005 3.858819
17 -0.722888 0.000182 3.859008
18 -0.723070 0.000237 3.858602
19 -0.722833 0.000043 3.858646
20 -0.722876 0.000056 3.858551
21 -0.722820 0.000010 3.858561
22 -0.722830 0.000013 3.858539
22
23 -0.722817 0.000002 3.858541
24 -0.722820 0.000003 3.858536
25 -0.722817 0.000001 3.858536
26 -0.722817 0.000001 3.858535
27 -0.722816 0.000000 3.858535
28 -0.722816 0.000000 3.858535
29 -0.722816 0.000000 3.858535

la raz es x
r
= -0.722816

El trmino dn en la columna anterior no disminuye, por lo que el mtodo de punto fijo no
converge para la funcin ( ) ) ln(x x g = y el resultado no representa una raz en el eje x real. En
realidad el mtodo conduce a una raz compleja dada por:

x0 = -0.722816355906725 + 1.929267486416945i

Grficamente se puede observar que el mtodo de punto fijo diverge para este caso, lo anterior es
mostrado en la figura 6.























Figura 6. Divergencia del mtodo de punto fijo para el caso de la funcin ( ) ) ln(x x g = del
problema ( ) ( ) 0 ln = + = x x x f .

0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
Metodo del punto fijo f(x)=x-ln(x), con g(x)=-ln(x)
x
( )
0 1
x g x =
( )
1 2
x g x =
0
x
x y =
( )
3 4
x g x =
( ) x y ln =
1
x
2
x
3
x
23
Utilizando ahora para el problema ( ) ( ) x x x f ln + = la funcin ( )
x
e x g

= (ver ejemplo anterior) y
haciendo el cambio adecuado en el programa anterior y utilizando las mismas condicin inicial x0
= 0.5 y epsilon =0.000001, se obtiene la siguiente tabla


n punto xn |f(xn)| dn
0 0.500000 0.193147 0.1065307
1 0.606531 0.106531 0.0612914
2 0.545239 0.061291 0.0344639
3 0.579703 0.034464 0.0196385
4 0.560065 0.019638 0.0111075
5 0.571172 0.011108 0.0063092
6 0.564863 0.006309 0.0035751
7 0.568438 0.003575 0.0020286
8 0.566409 0.002029 0.0011502
9 0.567560 0.001150 0.0006524
10 0.566907 0.000652 0.0003700
11 0.567277 0.000370 0.0002098
12 0.567067 0.000210 0.0001190
13 0.567186 0.000119 0.0000675
14 0.567119 0.000067 0.0000383
15 0.567157 0.000038 0.0000217
16 0.567135 0.000022 0.0000123
17 0.567148 0.000012 0.0000070
18 0.567141 0.000007 0.0000040
19 0.567145 0.000004 0.0000022
20 0.567142 0.000002 0.0000013
21 0.567144 0.000001 0.0000007

la raz es x
r
= 0.567144

En el caso de la tabla anterior se observa que dn disminuye progresivamente y se detiene el
programa cuando se llega al valor n = 21 en donde la esta diferencia es menor a epsilon
=0.000001 propuesto, el resultado garantiza que al menos 5 cifras decimales de la raz son
correctas, por lo que el error se puede considerar como la mitad de 0.00001, esto es, 0.000005,
(este valor es diferente del epsilon elegido), as pues, el error relativo es

6 -
10 x 8.816165
56714 . 0
000005 . 0
= ~ =
verdadero valor
error
e
r


o en trminos del error porcentual

( )( )
-4 -6
%
10 x 8.816165 10 x 8.816165 100 100 = = =
r
e e
-4
10 x 882 000 . 0 =

24
La convergencia del mtodo de punto fijo para este caso se muestra en La figura 7






















Figura 7. Convergencia del mtodo de punto fijo para el caso de la funcin ( )
x
e x g

= del
problema ( ) ( ) 0 ln = + = x x x f .

Si ahora se ejecuta el programa con el valor inicial x0 =0.7 y epsilon = 0.000001, se tiene que se
requiere n =22 iteraciones para llegar a la condicin solicitada.

n punto xn |f(xn)| dn
0 0.700000 0.343325 0.2034147
1 0.496585 0.203415 0.1120200
2 0.608605 0.112020 0.0644961
3 0.544109 0.064496 0.0362493
4 0.580359 0.036249 0.0206609
5 0.559698 0.020661 0.0116841
6 0.571382 0.011684 0.0066372
7 0.564745 0.006637 0.0037608
8 0.568505 0.003761 0.0021340
9 0.566371 0.002134 0.0012199
10 0.567581 0.001210 0.0006863
11 0.566895 0.000686 0.0003892
12 0.567284 0.000389 0.0002207
13 0.567063 0.000221 0.0001252
14 0.567189 0.000125 0.0000710
15 0.567118 0.000071 0.0000403
0
x
1
x
2
x
3
x
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
Metodo del punto fijo f(x)=x-ln(x), con g(x)=exp(-x)
( )
2 3
x g x =
( )
1 2
x g x =
x y =
x
e y

=
( )
0 1
x g x =
0
x
1
x 2
x
3
x
25
16 0.567158 0.000040 0.0000228
17 0.567135 0.000023 0.0000130
18 0.567148 0.000013 0.0000073
19 0.567141 0.000007 0.0000042
20 0.567145 0.000004 0.0000024
21 0.567142 0.000002 0.0000013
22 0.567144 0.000001 0.0000008

la raz es x
r
= 0.567144


MTODO DE LA BISECCIN

Este mtodo necesita que la funcin ( ) x f y = sea continua en un intervalo [a, b] y que se
cumpla alguna de las siguientes dos condiciones de inicio

I. ( ) 0 < a f y ( ) 0 > b f
II. ( ) 0 > a f y ( ) 0 < b f

La figura 8 muestra cada uno de de los casos















(a) (b)

Figura 8. (a) Caso I para el mtodo de biseccin 1
2
= x x y , (b) caso II 8
2 3
+ + = x x y
En ambos casos se cumple que

( ) ( ) 0 < b f a f

Esto es, los valores son elegidos a y b son de tal forma que el producto de las funciones
evaluadas en esos puntos sea negativo, es decir, que las funciones en esos puntos tengan signo
0 1 2 3
-2
-1
0
1
2
3
4
5
0 1 2 3
-10
-8
-6
-4
-2
0
2
4
6
8
10
26
diferente, lo cual unido al hecho de que las funcin ( ) x f y = es continua, garantiza que en el
intervalo | | b a, hay al menos una raz.

El mtodo consiste en dividir el intervalo | | b a, varias veces a la mitad en subintervalos de
| |
d i
x x , y localizar en cada paso cual de las dos mitades en que se ha dividido el intervalo
previo contiene a la raz que contenga a x.

El caso inicial n=0, consiste en asignar los valores de inicio del mtodo, esto es, a x
i
= y
b x
d
= . Posteriormente se obtiene el punto medio mediante

2
d i
m
x x
x
+
=

Al evaluar la funcin en el punto medio
m
x se pueden presentar alguno de los siguientes casos:

a) ( )
m
x f tiene el mismo signo que ( )
i
x f , entonces, para el siguiente paso se reemplaza x
i
por
x
m
y se aplica nuevamente el mtodo para el intervalo | |
d m
x x , .
b) ( )
m
x f tiene igual signo que ( )
d
x f , entonces se reemplaza x
d
por x
m
y se contina
trabajando con el intervalo | |
m i
x x , .
c) puede suceder el caso ( ) 0 =
m
x f , con lo cual x
m
es la raz exacta de la ecuacin ( ) 0 = x f .

De acuerdo al mtodo de biseccin la convergencia del mismo esta garantizada, esto es, para
la primera iteracin el intervalo se ha reducido a la mitad | | 2 / , b a ; en la segunda iteracin, a
la cuarta parte | |
2
2 / , b a y as sucesivamente, en la n-sima iteracin el intervalo se ha
reducido 2
n
veces, entonces se cumple que

1
2

=

n n
n
x x
a b


Considerando que el criterio de convergencia c <
1 n n
x x , indica que para la n-sima
iteracin la raz se encuentra en intervalo ( )
1

n n
x x , entonces,

c <

n
a b
2


Despejando a n de esta desigualdad se tiene,

( ) ( )
( ) 2 ln
ln ln c
>
a b
n

27
La expresin anterior se puede utilizar para saber de antemano el nmero de iteraciones
requeridas por el mtodo para lograr una aproximacin deseada.

EJEMPLO

Encuentre la raz (o races) de la funcin ( ) ( ) x x x f ln + = utilizando en mtodo de la biseccin
para encontrar una raz con una exactitud del orden 10
-5
. Constryase una tabla donde se indique
n, x
i,
x
d
, ( )
i
x f , ( )
d
x f y
1
=
n n n
x x c .

El diagrama de flujo es mostrado ms adelante.

El programa en MATLAB respectivo es

% Mtodo de la biseccin
a=input('introduce el valor a = ');
b=input('introduce el valor b = ');
epsilon=input('introduce el valor epsilon = ');
xi=a;
xd=b;
Nmax=100;
n=0;
error=abs(b-a);
disp(' n xi xd f(xi) f(xd) error ')
while n<=Nmax && error>=epsilon
fi=xi+log(xi);
fd=xd+log(xd);
fprintf('%4.0f %4.6f %4.6f %4.6f %4.6f %4.6f\n',n, xi,xd,fi, fd, error)
xm=(xi+xd)/2;
fm=xm+log(xm);
if fm*fi <0
xd=xm;
else
if fm*fi > 0
xi=xm;
else
xi=xm;
xd=xm;
disp('la raiz es exacta')
end

end
error= abs(xd-xi);
n=n+1;
end
fprintf('la raz es xr = %4.6f, con error = %4.6f\n',xm, error)

28
Diagrama de flujo del mtodo de BISECCIN














































SI
NO
FIN
NO
La raiz exacta
xm
INICIO
a, b epsilon
SI
n<N
y
error>epsilon

xia
xdb
Nmax 100
n 0
error |xd-xi|
Error=abs(b-a)
fi f(xi)
fdf(xd)
n, xi, xd, fi,, fd
error
xm(xi+xd))/2
fmf(xm)
fm*fi < 0
SI
NO
fm*fi >0
xdxm

xixm
xixm
xdxm
La raiz es xm
error|xd-xi|
nn+1
29
La corrida del programa se realiza con los valores a = 0.5 ( ( ) ( ) 1932 . 0 5 . 0 ln 5 . 0 5 . 0 = + = f ), b =
1 ( ( ) ( ) 1 1 ln 1 1 = + = f ) y epsilon = 0.000001. Los resultados de la corrida son


introduce el valor a = 0.5
introduce el valor b = 1
introduce el valor epsilon = 0.000001


n xi xd f(xi) f(xd) error
0 0.500000 1.000000 0.193147 1.000000 0.500000
1 0.500000 0.750000 0.193147 0.462318 0.250000
2 0.500000 0.625000 0.193147 0.154996 0.125000
3 0.562500 0.625000 0.012864 0.154996 0.062500
4 0.562500 0.593750 0.012864 0.072453 0.031250
5 0.562500 0.578125 0.012864 0.030160 0.015625
6 0.562500 0.570313 0.012864 0.008742 0.007813
7 0.566406 0.570313 0.002037 0.008742 0.003906
8 0.566406 0.568359 0.002037 0.003358 0.001953
9 0.566406 0.567383 0.002037 0.000662 0.000977
10 0.566895 0.567383 0.000687 0.000662 0.000488
11 0.567139 0.567383 0.000013 0.000662 0.000244
12 0.567139 0.567261 0.000013 0.000325 0.000122
13 0.567139 0.567200 0.000013 0.000156 0.000061
14 0.567139 0.567169 0.000013 0.000072 0.000031
15 0.567139 0.567154 0.000013 0.000029 0.000015
16 0.567139 0.567146 0.000013 0.000008 0.000008
17 0.567142 0.567146 0.000002 0.000008 0.000004
18 0.567142 0.567144 0.000002 0.000003 0.000002

la raz es xr = 0.567143, con error = 0.000001

La convergencia se debe alcanzar en la iteracin

( ) ( )
( ) 2 ln
ln ln c
>
a b
n =
( ) ( )
( ) 2 ln
000001 . 0 ln 5 . 0 1 ln
> n =18.9316 ~ 19


MTODO DE NEWTON-RAPHSON

El mtodo de Newton-Raphson es uno de los ms poderosos y utilizados en resolver el problema
de encontrar races de ecuaciones de la forma f (x) = 0, adems, estas races pueden ser reales o
complejas; aunque, es necesario conocer en el caso de las races complejas si estas lo son.
La idea bsica del mtodo de Newton-Raphson es mostrado en la figura 9. Est basado en
aproximar la funcin f(x) mediante una recta tangente.

30


















Figura 9. Ilustracin del mtodo de Newton-Raphson


La ecuacin de la recta tangente con pendiente m y que pasa por el punto ( )
0 0
, y x es
( )
0 0
y x x m y + =

La pendiente de la recta en el punto ( )
0 0
, y x se puede determinar a partir de ( )
0
x f m ' = , y
utilizando adems que
0
x es un punto tangente a ( ) x f , esto es, ( )
0 0
x f y = , la ecuacin queda
como

( )( ) ( )
0 0 0
x f x x x f y + ' =

Por otra parte, para 0 = y en la recta se tiene que
1
x x = , entonces

( )( ) ( )
0 0 0
0 x f x x x f + ' =

De donde, despejando a
1
x

( )
( )
0
0
0 1
x f
x f
x x
'
=


1
x se considera la primer aproximacin a la raz de la ecuacin ( ) 0 = x f . El proceso anterior se
puede repetir utilizando ahora el punto
1
x para obtener la siguiente aproximacin
2
x mediante la
ecuacin
1 1.5 2 2.5 3 3.5 4
-100
-50
0
50
100
150
200
0
x
1
x
( )
0 0
y x x m y + =
( ) x f y =
31

( )
( )
1
1
1 2
x f
x f
x x
'
= ,

generalizando el resultado se tiene la ecuacin recursiva

( )
( )
n
n
n n
x f
x f
x x
'
=
+1


EJEMPLO

Obtenga las cuatro primeras aproximaciones a la raz de la funcin ( ) ( ) x x x f ln + = utilizando
como punto inicial 1
0
= x

SOLUCION

Derivando de la funcin ( ) ( ) x x x f ln + = , se tiene ( )
x
x f
1
1+ = ' , entonces la frmula recursiva
para este problema particular es

( )
n
n
n n
x
x x
x x
1
1
ln
1
+
+
=
+

Evaluando

Para 0 = n y 1
0
= x
( )
500000 . 0
2
1
1
1
1
1 ln 1
1
1
= =
+
+
= x
1 = n y 500000 . 0
1
= x
( )
0.564382
5 . 0
1
1
5 . 0 ln 5 . 0
5 . 0
2
=
+
+
= x
2 = n y 0.564382
2
= x
( )
0.567139
0.564382
1
1
0.564382 ln 0.564382
0.564382
3
=
+
+
= x
3 = n y 0.567139
3
= x
( )
0.567143
0.567139
1
1
0.567139 ln 0.567139
0.567139
4
=
+
+
= x

Comparando los ltimos valores se observa que coinciden en las primeras 4 cifras decimales, los
cuales se pueden considerar como cifras correctas para la raz buscada, el error se considera como
0.00001/2=0.000005

EJEMPLO
32

Realice un programa para obtener la raz de la funcin ( ) ( ) x x x f ln + = con una exactitud de 7
cifras decimales correctos.

Para conseguir la aproximacin indicada(y tal vez ms) se propone un valor de control psilon
=0.000000001.

El cdigo del programa para MATLAB se muestra a continuacin

% programa Newton-Raphson funcin f(x)=x+ln(x)
x0=1;
n=0;
error=1;
epsilon=0.000000001;
f0=x0+log(x0);
disp(' n xn f(xn) error')
while error>epsilon
fprintf('%4.0f %3.12f %3.12f %3.12f \n',n, x0, f0,error);
x1=x0-(x0+log(x0))/(1+1/x0);
error=abs(x1-x0);
x0=x1;
f0=x0+log(x0);
n=n+1;
end
fprintf('%4.0f %3.12f %3.12f %3.12f \n',n, x0, f0,error);


La corrida del mtodo se muestra a continuacin


n xn f(xn) error
0 1.000000000000 1.000000000000 1.000000000000
1 0.500000000000 -0.193147180560 0.500000000000
2 0.564382393520 -0.007640861009 0.064382393520
3 0.567138987715 -0.000011889333 0.002756594195
4 0.567143290399 -0.000000000029 0.000004302684
5 0.567143290410 -0.000000000000 0.000000000010

Al comparar los ltimos dos valores se tiene que coinciden en 10 decimales, esto es, el valor de la
raz es xr =0.567143290 con un error mximo posible =0.0000000001

Como se observa, el mtodo de Newton Raspn tiene una gran velocidad de convergencia
comparado con los mtodos descritos anteriormente, sin embargo, la velocidad de convergencia
se ve alterada cuando la raz corresponde a un mnimo o cuando se interpone un mnimo entre el
valor de inicio
0
x y la raz buscada. La figura 10 muestra el caso en que el mtodo Newton
Raphson falla si no se tiene cuidado.
33





















Figura 10. Situacin donde el mtodo de Newton Raphson falla


MTODO DE LA SECANTE

El mtodo de Newton Raphson requiere conocer la pendiente m de la recta tangente en el punto
0
x , para obtenerla se utiliza la derivada ( )
0
x f m ' = , en algunos casos puede ser muy complicado
obtener la derivada, para estos casos se puede aproximar la derivada por la secante, esto es

( )
( ) ( )
1
1

= '
n n
n n
x x
x f x f
x f

Sustituyendo en la formula de Newton Raphson

( )
( )
n
n
n n
x f
x f
x x
'
=
+1
=
( )( )
( ) ( )
1
1

=
n n
n n n
n
x f x f
x x x f
x

Ahora no se requiere la derivada, pero es necesario dar dos puntos
0
x y
1
x como valores iniciales
que se encuentren del lado positivo ( negativo) para aplicar el mtodo de la secante. La figura 11
muestra el caso




0
x
2
x
1
x
-6 -5 -4 -3 -2 -1 0 1 2 3 4
-10
-5
0
5
10
15
20
25
30
35
40
34


















EJEMPLO

Aplique el Mtodo de la secante para encontrar la raz la funcin ( ) ( ) x x x f ln + = con una
exactitud de 7 cifras decimales correctos.

SOLUCIN

Para conseguir la aproximacin indicada (y tal vez ms) se propone un valor de control psilon
=0.000000001. los valores iniciales propuestos son x0=2, x1=1;

La tabla siguiente muestra los resultados de aplicar el mtodo de la secante

n xn-1 xn f(xn) error
0 2.000000000000 1.000000000000 1.000000000000 1.000000000000
1 1.000000000000 0.409383890850 -0.483718063870 1.000000000000
2 0.409383890850 0.601935082189 0.094329405805 0.590616109150
3 0.601935082189 0.570513373041 0.009294703998 0.192551191338
4 0.570513373041 0.567078828326 -0.000178129562 0.031421709148
5 0.567078828326 0.567143412375 0.000000337016 0.003434544715
6 0.567143412375 0.567143290414 0.000000000012 0.000064584049
7 0.567143290414 0.567143290410 .0.000000000000 0.000000121961
8 0.567143290410 0.567143290410 .0.000000000000 0.000000000004

Al comparar los ltimos dos valores se tiene que coinciden en 11 decimales, esto es, el valor de la
raz es xr =0.56714329041 con un error mximo posible =0.000000000005= 5 x 10
-12
.



-3 -2 -1 0 1 2 3 4
-2
0
2
4
6
8
10
12
14
16
18
0
x
2
x
1
x
35
USO DE COMANDOS DE MATLAB

A continuacin se describen algunos comandos que permiten manejar polinomios de forma muy
rpida, realizar algunas operaciones entre ellos, por ejemplo obtener sus races y grficas

Un polinomio se representa por un vector fila con sus coeficientes en orden descendente; se deben
incluir los trminos con coeficientes nulos.

El polinomio
0 1
2
2
1
1
..... a x a x a x a x a p
n
n
n
n
n
n
+ + + + + + =

se representa por el vector

p = [a
n
, a
n-1
, a
n-2
,..., a
1
, a
0
]

Las raices de un polinomio se encuentran utilizando la funcin roots(p).

MATLAB adopta el convenio de que los polinomios son vectores fila y las races son vectores
columna.

Dadas las races de un polinomio, es posible construir los polinomios asociados mediante la
funcin poly(r).

OTRAS CARACTERSTICAS

MATLAB ofrece muchas capacidades para la manipulacin de polinomios:
- conv(a,b) multiplica los dos polinomios a y b.
- deconv(c,b) divide el polinomio b entre c.
- polyder(p) calcula la derivada del polinomio p.
- polyval(p,x) evala el polinomio p en todos los valores de x.
- residue(n,d) calcula el desarrollo en fracciones simples del cociente de n a d, donde n y d
son polinomios.
- polyder(n,d) calcula la derivada del cociente de n a d, donde n y d son polinomios.

MATLAB no tiene incorporada una funcin para sumar polinomios. Sin embargo, es fcil sumar
los polinomios con la creacin de una funcin.

EJEMPLO

>> p=[1 -12 0 25 116] % Incluimos t6rminos con coeficientes nulos. p=
p =
1 -12 0 25 116
> > r=roots(p) % races del polinomio p.
r =
11.7473
2.7028
-1.2251 + 1.4672i
-1.2251 - 1.4672i
>> pp=poly(r) % Polinomios asociados.
1.0000 -12.0000 -0.0000 25.0000 116.0000
36

EJEMPLO

>> a=[1 2 3 4]; b=[1 4 9 16]; % Introduccin de polinomios del mismo grado
>> c=conv(a,b) % Multiplicacin.
c =
1 6 20 50 75 84 64
>> d=a+b % Suma
d =
2 6 12 20
>> e=c+[0 0 0 d] % Se iguala primero el grado de los polinomios
e =
1 6 20 52 81 96 84
>> f=c+[0 0 0 -d] % Resta
f =
1 6 20 48 69 72 44
>> [q,r]=deconv(c,b) % Divisin
q =
1 2 3 4
r =
0 0 0 0 0 0 0
>> g=polyder(f) % Derivada del polinomio
g =
6 30 80 144 138 72

EJEMPLO

>> x=linspace(1,3); % Se generan 100 puntos de datos entre -1 y 3.
>> p=[1 4 -7 -10]; % Definimos el polinomio p.
>> v= polyval(p,x); % Evaluamos p(x) en los valores de x y se guarda en v
>> plot(x,v)
>> title('x^3 + 4x^2 - 7x - 10')
>> xlabel('x')















1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
-15
-10
-5
0
5
10
15
20
25
30
35
x
3
+ 4x
2
- 7x - 10
x
37
TAREA II
METODO GRFICO

1. Encuentre todas las races por el mtodo grafico para las siguientes funciones, con cuatro cifras
de precisin.

a) 0 3 = x e
x

b) 0 1 2
2 3
= + x x x
c) 0 3 3 4
2 3 4
= + + x x x x
d) ( ) 0 1 tan = + x x

METODO DE PUNTO FIJO
2. f(x) = e
x
-

3x
2
= 0, tiene tres races. Una agrupacin obvia es
3
x
e
x =
Muestre, comenzando con x
0
= 0, que convergir a una raz cercana a -0.5 si se utiliza un valor
negativo, y que convergir a una raz cercana a 1.0, si se utiliza el valor positivo. Mostrar, sin
embargo, que esta forma no converge a la tercera raz cercana a 4.0 aun cuando se utilice un valor
inicial casi exacto. Encuentre otra forma que converja a la raz cercana a 4.0.

3. Una raz de la ecuacin cuadrtica x
2
+ x 1 = 0 = x(x + 1) 1 esta en x = 0.6180. La forma
equivalente x = 1/(x + 1) converge a esta raz comenzando con x
0
= 1. Acarreando cuatro o cinco
decimales, cuantos pasos se requieren para llegar a la raz (con una precisin hasta de cuatro
decimales)?

4. La ecuacin cbica 2x
3
+ 4x- 2x 5 = 0 tiene una raz cercana a x = 1. Encuentre al menos
tres reordenaciones que converjan a esta raz comenzando con x
0
= 1.0.

METODO DE BISECCION

5. La ecuacin x
2
- 2 = 0 tiene las races obvias = 1.414214. Utilice seis iteraciones del mtodo
de la biseccin para evaluar la raz positiva comenzando con el intervalo [1, 2]. Cuantas
iteraciones se requerirn para evaluar las races correctas hasta con cinco dgitos significativos?
Despus de estas iteraciones, cual es el limite para el error medido por la mitad del ultimo
intervalo? (No tiene que realizar las iteraciones para responder las ultimas dos preguntas.)

6. Por supuesto, la ecuacin cuadrtica (x -0.4)(x - 0.6) = .x
2
-x+ 0.24, tiene ceros en x = 0.4 y x =
0.6. Observe que los puntos extremos del intervalo [0,1] no son satisfactorios al comenzar el
mtodo de la biseccin. Haga la grfica de la funcin, y de esto dedzcanse los limites de los
intervalos que van a converger a cada uno de los ceros. Si los puntos extremos del intervalo [0.5,
1.0] se utilizan para comenzar la bsqueda, cul es un lmite para el error, despus de cinco
iteraciones? Cul es el error real despus de cinco repeticiones del mtodo de biseccin de
intervalos?

7 El mtodo de biseccin del intervalo se aplica a cualquier funcin continua, no solo a
polinomios. Encuentre en donde se intersecan las graficas de y = 3x y de y = e
x
, encontrando la
raz de e
x
-3x = 0 hasta cuatro decimales.
38

8. Utilcese el mtodo de la biseccin para encontrar la raz positiva ms pequea de estas
ecuaciones. En cada caso, determnese primero un intervalo adecuado y luego calcule la raz con
una precisin del 0.5%.
a) tanx-x-1
=
0 b) x
3
-x
2
-2x+1
=
0
c) 2e
-x
- sen x = 0 d) 3x
3
+ 4x
2
- 8x - 1 = 0

METODO DE NEWTON RAPHSON Y SECANTE

9. Escriba el algoritmo para el, mtodo de la secante, siguiendo el modelo de otros algoritmos
presentados en este capitulo.

10. Encuentre una raz cercana a x = -0.5 de la ecuacin e
x
-

3x
2
= 0 por medio del mtodo de
Newton, con precisin hasta de seis dgitos.

11 La ecuacin e
x
-

3x
2
= 0, no solo tiene una raz cercana a x = -0.5, sino tambin cercana a x =
4.0. Encuentre la raz positiva por medio del mtodo de Newton y de la secante, con una precisin
relativa de 0.01%.

12. Grafique cada uno de los siguientes polinomios para contar con los valores iniciales y
localizar las races utilizando el mtodo de Newton para encontrar las races de los siguientes
polinomios:
a) x
3
2x+1
=
0 b) x
4
+x
3
4x
2
3x+3=0
c) x
4
-

4.4x
3
+ 9.43 x
2
-14.86x + 7.15 = 0

13. (x 1)
3
( x 2) = x
4
- 5x
3
+ 9x
2
- 7x + 2 = 0 tiene obviamente una raz en x = 2, y una raz
triple en x = 1. Comenzando con x = 2.1, utilice el mtodo de Newton una vez, y observe el grado
de mejora. Luego comience con x = 0.9, y observe la convergencia mucho mas lenta a la raz
triple, aunque el error inicial es de solo 0.1 en cada caso. Utilice el mtodo de la secante
comenzando con f(0.9) y f(1.1) y observe que solo una aplicacin conduce a un valor muy
cercano a la raz en contraposicin al mtodo de Newton. Explique.

USO DE COMANDOS DE MATLAB

Obtenga las grficas y races correspondientes para cada uno de los polinomios siguientes.

14.. Encuentre los ceros de los polinomios de Legendre de sexto orden:
P
6
(x) = (1/48 )(693x
6
- 945x
4
+ 315x
2
- 15).

(Nola. Todos los ceros de los polinomios de Legendre son menores que uno en valor absoluto y,
para los polinomios de orden son simtricos alrededor del origen.)

15. Los polinomios de Legendre del problema 51 son un conjunto de una clase de polinomios
conocidos como polinomios ortogonales. Otro conjunto son los polinomios de Leguerre.
Encuentre los ceros de los siguientes polinomios:
a) L
3
(x) = x
3
- 9x
2
+ 18x - 6 b) L
4
(x) = x
4
- 16x
3
+ 72 x
2
96 x + 24