1

METODOS NUMERICOS – FASE 1

COLABORATIVO 1

METODOS NUMERICOS

TUTOR

POR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA.

Abril de 2018
 2

METODOS NUMERICOS – FASE 1

INTRODUCCIÓN

Los sistemas no lineales representan sistemas cuyo comportamiento no es

expresable como la suma de los comportamientos de sus descripciones. La no
linealidad de las ecuaciones se debe precisamente al termino relacionado de la
derivada total.

Para la solución de este tipo de sistemas existe métodos numéricos, a continuación,

analizaremos dos métodos para la solución de este tipo de sistemas.

Punto fijo y Newton Raphson.

 3

METODOS NUMERICOS – FASE 1

DESARROLLO

1. Desde su campo de formación plantee y de solución a dos ejemplos sobre los tipos de
errores (error absoluto, relativo, error relativo aproximado, error por truncamiento y por
redondeo), teniendo en cuenta la precisión y exactitud del mismo

ERROR ABSOLUTO
Este tipo de error es la diferencia entre el valor real de una medida y el valor que se ha obtenido en la
medición de la cual se desea calcular su valor de error absoluto.
Ea = Medida Real – Medida Realizada.
Este puede ser un valor positivo si la medida es superior al valor real o negativo si es inferior al real.
Para calcular el error absoluto existen dos procedimientos:

- Si se realiza una sola medida y tenemos el valor de precisión del instrumento de medida, el error
absoluto será el valor de la medida realizada +- el valor de precisión del instrumento.

- Si se realizan varias medidas como medida real se toma la media de los valores obtenidos.

Ejemplo de Calculo Error Abosluto

Se toma el tiempo que dura un péndulo en llegar a su posición inicial. Para ello se utiliza un cronómetro
cuya precisión es de 0.1 s. Las medidas obtenidas tras repetir el experimento son: 3.1, 3.2, 3.7, 3.4, 3.5,
3.4, 3.1, 3.4, 3.5, 3.9.
Dado que tenemos varias medidas se debe realizar el calculo de la media entre las medidas:

Tiempo Veces Tiempo*Veces Error

3.1 s 2 6.2 s 0.32 s
3.2 s 1 3.2 s 0.22 s
3.4 s 3 10.2 s 0.02 s
3.5 s 2 7s -0.08 s
3.7 g 1 3.7 s -0.28 s
3.9 g 1 3.9 s -0.48 s
Total 34.2 s 1.4 s

Medida Real = 34.2 / 10 = 3.42 s

 4

METODOS NUMERICOS – FASE 1

Error Absoluto = 1.4 / 10 = 0.14 s
ERROR RELATIVO
Es el error que se calcula realizando la división entre el error absoluto y el valor que consideramos
como exacto (la media). Al igual que el error absoluto puede ser positivo o negativo porque se puede
producir por exceso o por defecto.
𝜀𝑎
𝜀𝑟 = 𝑋

Este valor puede llegar a representar en % el error relativo, solamente debemos multiplicarlo por 100.

Ejemplo de Calculo Error Relativo

Podemos usar los datos del ejemplo anterior:

𝜀𝑎 = 0.14 𝑠𝑔

0.14
𝜀𝑟 = = 0,0409356725146199 𝑥 100% = 4,09%
3.42
2. Usar el método de punto fijo para aproximar la raíz de 𝒇(𝒙) = 𝒙𝟐 − 𝟓𝒙 − 𝒆𝒙 , comenzando
con 𝒙𝟎 = 𝟎 con 5 iteraciones

𝑥 2 −𝑒 𝑥
Si se despeja la 𝑥 del término lineal, se nota que la ecuación equivale a =
5
𝑥
𝑥2 −𝑒𝑥 2𝑥−𝑒𝑥
De donde 𝑔(𝑥) en este caso, se tiene que 𝑔´(𝑥) como se muestra en
5 5
la figura. y puede observar que |𝑔´(𝑥)| < 1, para 𝑥𝜖|−1,1|, lo que es suficiente para
deducir qué el método si converge a la raíz buscada.
 5

METODOS NUMERICOS – FASE 1

𝑥𝑖2 −𝑒 𝑥𝑖
Aplicando la fórmula iterativa para la ecuación, 𝑥−𝑖+1 y con un valor
5
inicial para 𝑥0 = 0 se tiene 𝑥1 = 𝑔(𝑥0 ) = −0.2, con un error relativo aproximado del
100%
Aplicando de nuevo en la segunda iteración la formula, se tiene: 𝑥2 = 𝑔(𝑥1 ) =
−0.1557461506, con un error relativo aproximado del 28.41%
En este ejemplo, el método solo necesita 5 iteraciones para reducir el error
relativo menor al 1%. Se resumen los resultados en la siguiente tabla, con 𝑖
correspondiendo al número de la iteración; 𝑥𝑖 el valor asumido como raíz, 𝑥𝑖+1
como valor calculado aplicando el modelo y 𝑒𝑟 el error relativo para cada calculo o
iteración.

𝑖 𝑥𝑖 𝑥𝑖+1 𝑒𝑟
00 -0.2 100.0%
-0.2
1 -0.1557461506 28.41%
-0.1557461506
2 -0.1663039075 6.34%
-0.1663039075
3 -0.163826372 1.51%
-0.163826372
4 -0.164410064 0.35%

De lo anterior se puede concluir que la aproximación buscada es: 𝑥5 =

−0.164410064

3. Aproxime con 𝟏𝟎−𝟒 de precisión la raíz de la ecuación 𝒙 − 𝟎, 𝟖 − 𝟎, 𝟐 𝐬𝐢𝐧(𝒙) = 𝟎 en el

intervalo [𝟎, 𝟏/𝟐𝝅] utilizando el método de la secante
Solución:

El problema nos indica que debemos la raíz de la ecuación que se encuentra en el intervalo [0,1/2𝜋]
en primer lugar evaluamos la función en los extremos.
 6

METODOS NUMERICOS – FASE 1

𝑓(0) = 𝑓(1/2𝜋)
𝑥 − 0.8 − 0.2𝑠𝑒𝑛(𝑥) −1/2𝜋 − 0.8 − 0.2𝑠𝑒𝑛(1/2𝜋)

0 − 0.8 − 0.2𝑠𝑒𝑛(0) 1.57 − 0.8 − 0.2(1)

−0.8 1.57 − 0.8 − 0.2

1.57 − 0.1

0.57

Como la función 𝑓(𝑥) es una función continua en el intervalo [0,1/2𝜋] aplicando el teorema de
Bolzano llegamos a que:

∋ 𝑐 ∈ (0,1/2𝜋): 𝑓(𝑐) = 0

Es decir, existe una solución a la ecuación en el intervalo (0,1/2 𝜋)

A continuación, utilizamos el método de la secante para resolver la forma numérica de la ecuación
anterior:

1. Escogemos 𝑥∈ , 𝑥1 (𝑛𝑜 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒 𝑡𝑖𝑒𝑛𝑒 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑒𝑛𝑒𝑟 𝑎 𝑙𝑎 𝑟𝑎𝑖𝑧)

2. Para 𝑛 = 1,2,3 hallamos
𝑓(𝑥𝑛 )(𝑥𝑛−1 − 𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓(𝑥𝑛−1) − 𝑓(𝑥𝑛 )
𝑥4 − 𝑥3
𝑥5 = 𝑥4 − . 𝑓(𝑥4 ) 𝑓(0.96467) = 2.978 𝑥 10−4
𝑓(𝑥4 ) − 𝑓(𝑥3 )
0.96467 − 0.96739
𝑥5 = 0.96467 − 2.978 𝑥 10−4
2.978 𝑥 10−4 − 2.7083 𝑥 10−3
(−2.72 𝑥 10−3 )
𝑥5 = 0.96467 − 2.978 𝑥 10−4
−2.4105 𝑥 10−3
𝑥5 = 0.96467 − 1.12839 . 2.978 𝑥 10−4

𝑥5 = 0.96433 𝜀 = |0.96433 − 0.96467|

𝜀 = 3.4 𝑥 10−4
 7

METODOS NUMERICOS – FASE 1

4. Aproxime con 𝟏𝟎 de precisión la raíz de la ecuación 𝒙 − 𝟎, 𝟖 − 𝟎, 𝟐 𝐬𝐢𝐧(𝒙) = 𝟎 en el
−𝟒

intervalo [𝟎, 𝟏/𝟐𝝅] utilizando el método de la secante

Solución:

El problema nos indica que debemos la raíz de la ecuación que se encuentra en el intervalo [0,1/2𝜋]
en primer lugar evaluamos la función en los extremos.

𝑓(0) = 𝑓(1/2𝜋)
𝑥 − 0.8 − 0.2𝑠𝑒𝑛(𝑥) −1/2𝜋 − 0.8 − 0.2𝑠𝑒𝑛(1/2𝜋)

0 − 0.8 − 0.2𝑠𝑒𝑛(0) 1.57 − 0.8 − 0.2(1)

−0.8 1.57 − 0.8 − 0.2

1.57 − 0.1

0.57

Como la función 𝑓(𝑥) es una función continua en el intervalo [0,1/2𝜋] aplicando el teorema de
Bolzano llegamos a que:

∋ 𝑐 ∈ (0,1/2𝜋): 𝑓(𝑐) = 0

Es decir, existe una solución a la ecuación en el intervalo (0,1/2 𝜋)

A continuación, utilizamos el método de la secante para resolver la forma numérica de la ecuación
anterior:

5. Escogemos 𝑥∈ , 𝑥1 (𝑛𝑜 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒 𝑡𝑖𝑒𝑛𝑒 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑒𝑛𝑒𝑟 𝑎 𝑙𝑎 𝑟𝑎𝑖𝑧)

6. Para 𝑛 = 1,2,3 hallamos
𝑓(𝑥𝑛 )(𝑥𝑛−1 − 𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓(𝑥𝑛−1) − 𝑓(𝑥𝑛 )
𝑥4 − 𝑥3
𝑥5 = 𝑥4 − . 𝑓(𝑥4 ) 𝑓(0.96467) = 2.978 𝑥 10−4
𝑓(𝑥4 ) − 𝑓(𝑥3 )
0.96467 − 0.96739
𝑥5 = 0.96467 − 2.978 𝑥 10−4
2.978 𝑥 10−4 − 2.7083 𝑥 10−3
(−2.72 𝑥 10−3 )
𝑥5 = 0.96467 − 2.978 𝑥 10−4
−2.4105 𝑥 10−3
 8

METODOS NUMERICOS – FASE 1

𝑥5 = 0.96467 − 1.12839 . 2.978 𝑥 10−4

𝑥5 = 0.96433 𝜀 = |0.96433 − 0.96467|

𝜀 = 3.4 𝑥 10−4

5. Determine las raíces reales de 𝒇(𝒙) = −𝟐𝟔 + 𝟖𝟐, 𝟑𝒙 − 𝟖𝟖𝒙𝟐 + 𝟒𝟓, 𝟒𝒙𝟑 −𝟗𝒙𝟒 +
𝟎, 𝟔𝟓𝒙𝟓 usando el método de la regla falsa aproximar en el intervalo [0.5,1] con 𝜺𝒂 = 𝟎, 𝟏%

𝑎𝑓(𝑎) − 𝑏𝑓(𝑎)
𝑟=
𝑓(𝑏) − 𝑓(𝑎)

𝑓(𝑎) = −26 + 82,3(0,5) − 88(0,52 ) + 45,4(0,53 ) − 9(0,54 ) + 0,65(0,55 )

𝑓(𝑎) = −26 + 41,15 − 22 + 5,675 − 0,5625 + 0,0203125

𝑓(𝑎) = −1,7171875

𝑓(𝑏) = −26 + 82,3(1) − 88(12 ) + 45,4(13 ) − 9(14 ) + 0,65(15 )

𝑓(𝑏) = −26 + 82,3 − 88 + 45,4 − 9 + 0,65

𝑓(𝑏) = 5,35

Primera Iteración
(0,5)(5,35) − 1 (−1,7171875)
𝑟=
(5,35) − (−1,7171875)
1,957825
𝑟=
7,0671875
𝑟 = 0,277

𝑓(𝑟) = −26 + 82,3(0,277) − 88(0,2772 ) + 45,4(0,2773 ) − 9(0,2774 ) + 0,65(0,2775 )

𝑓(𝑟) = −26 + 22,7971 − 6,752152 + 0,9649285582 − 0,052986054969

+ 0,0010600154663521
𝑓(𝑟) = −9,042
 9

METODOS NUMERICOS – FASE 1

Segunda Iteración
(0,277)(5,35) − 1 (−9,04205447)
𝑟=
(5,35) − (−9,04205447)
10,5240045
𝑟=
14,3920545
𝑟 = 0,277
DEBE HABER UN VALOR EN NEGATIVO DE LO CONTRARIO NO SE PUEDE REALIZAR

6. Demostrar que 𝒇(𝒙) = 𝒙𝟑 + 𝟐𝒙𝟐 − 𝟔 tiene una raíz en [𝟏, 𝟐] y utilizando el método de
bisección determine una aproximación a la raíz con una precisión de al menos 𝟏𝟎−𝟒

Solución:

La función 𝑓(𝑥) = 𝑥 3 + 2𝑥 2 − 6 tiene una raíz en [1,2] ya que 𝑓(1) = −5 y 𝑓(2) = 14.
Es fácil ver que hay una sola raíz en [1,2]. El algoritmo de bisección da los valores
de la tabla 1.

Después de 13 iteraciones, podemos ver que 𝑝13 = 1.365112305 aproxima a la raíz

p

con un error de |𝑝 − 𝑝13 | < |𝑏14 − 𝑎14 | = |1.365234375 − 1.365112305| = 0.000122070 y

como |𝑎14 | < |𝑝|,
|𝑝 − 𝑝13 | |𝑏14 − 𝑎14 |
< ≤ 9.0 𝑋 104
|𝑝| |𝑎14 |

la aproximación es correcta al menos con cuatro cifras significativas. El valor

correcto de p, con nueve cifras decimales, es 𝑝 = 1.365230013

Es interesante notar que 𝑝9 está más cerca de 𝑝 que la aproximación final 𝑝13
pero no hay manera de determinar esto a menos que se conozca la respuesta
correcta.
 10

METODOS NUMERICOS – FASE 1

Tabla 1
 11

METODOS NUMERICOS – FASE 1

CONCLUSIONES

Podemos concluir que hay una variedad de métodos numéricos, pero

solo algunos proporcionan una convergencia en menor tiempo siendo
su aplicación mas eficaz. Uno de esos métodos es Newton Raphson
como se demuestra en el trabajo utilizándolo en aplicaciones de
ingeniería química, su desarrollo fue muy sencillo y al compararlo con
el método de interpolación lineal se demostró que usando el método de
Newton Raphson se hace menor iteraciones llegando más rápido a la
solución.
 12

METODOS NUMERICOS – FASE 1

REFERENCIAS BIBLIOGRÁFICAS

Nieves, H. A. (2014). Métodos numéricos: aplicados a la

ingeniería: aplicados a la ingeniería. México, D.F., MX: Larousse
- Grupo Editorial Patria. Pág. 57 – 60. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.actio
n?docID=11013582&p00=métodos+numéricos+tipos+error

Resolución numérica de ecuaciones no lineales. (2017, 1 de

diciembre). Wikipedia, La enciclopedia libre. Fecha de consulta:
15:56, marzo 1, 2018 desde
https://es.wikipedia.org/w/index.php?title=Resolución_numérica
_de_ecuaciones_no_lineales&oldid=103846480.