MÉTODOS NUMÉRICOS

Los errores asociados a los cálculos se pueden caracterizar observando su

exactitud y precisión, los métodos numéricos deben ser lo suficientemente exactos

para que cumplan los requisitos de un problema en particular; existen dos causas

principales de los errores en el cálculo numérico: lo primero es el error de truncamiento

y el segundo el error de redondeo.

El error de truncamiento se debe a las apreciaciones utilizadas en las fórmulas

matemáticas del modelo, la serie de TAYLOR es el medio más importante que se

emplea para obtener modelos numéricos y analizar los errores de truncamiento.

Los errores de redondeo se asocian con el número limitado de dígitos con lo

que se representa los números en una computadora, para comprender la naturaleza

de estos errores es necesario aprender las formas en que se almacenan los números

y como se lleva a cabo las sumas y restas dentro de una computadora.

Cifras Significativas.

O, 54 = 2 C.S

0,0001 = 4 C.S

0,023043 = 6 C.S

0,96000 = 2 C.S
 Dentro de los errores se especifica dos términos: exactitud y precisión; la

exactitud se refiere a que tan cerca está el valor individual medido con respecto

a otro.
 Para los dos tipos de errores (truncamiento y redondeo) la relación entre

el resultado exacto o verdadero y el aproximado esta dado por:

VALOR VERDADERO = Aproximación + Error º

ERROR VERDADERO (Valor exacto del error) = Valor Verdadero - Aproximación

| | | | | | | | | | | |
2 R-r 3
V.v = 3

Aproximación = 2 . 8

Ev = v . v – Aproximación

Ev = 3 – 2 – 8 = 0.2

Para señalar un valor relativo porcentual verdadero se expresa como:

𝑉. 𝑣 − 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛
𝐸 𝑉 (%) = × 100%
𝑉. 𝑣

𝐸 𝑉 : 𝐸𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜

Ejemplo.

Se tiene que medir la longitud de un puente y un ramucho obteniéndose

9999cm y 9cm respectivamente. Si los valores verdaderos son 10 000cm y

10cm. Calcule el error verdadero y el error verdadero relativo porcentual.

 Puente 9999cm 10 000cm

Ramucho 9cm 10cm

Puente :

𝐸𝑣 = 10000 − 9999 = 1 𝑐𝑚

10000 − 9999
𝐸𝑣(%) = ( ) × 100% = 0.01 %
10000

Ramucho :
INSTRUMENTO DE
MEDICION
10 − 9
𝐸𝑣 = × 100 % = 10 %
10
Por eso son diferentes
ERROR DE REDONDEO:

Se originan debido a que la computadora emplea un número

determinado de cifras significativa, durante un cálculo los números como 𝜋 , √7

no pueden expresarse como un número fijo de cifras significativas, por lo tanto

no pueden ser representadas exactamente por la computadora; además que

las computadoras utilizan una representación base 2 (binario) y no puede

representar exactamente algunos números base10, esta discrepancia por la

omisión de cifras significativas se llama error de redondeo.

ERRORES DE TRUNCAMIENTO Y LA SERIE DE TAYLOR:

Para obtener un conocimiento sobre las características de estos errores

debe considerar una formulación matemática que se utiliza ampliamente en los

métodos numéricos para expresar funciones de manera aproximada a la serie

de TAYLOR.

TEOREMA DE TAYLOR

Es una aproximación si la función “x” en sus primeras n + 1 derivadas

son continuas en un intervalo que contenga a “a” y “x” entonces el valor de la

función en “x” será

(𝑎)(𝑥−𝑎)2 (𝑎)(𝑥−𝑎)3 (𝑎)(𝑥−𝑎)𝑛

𝐹(𝑥) = 𝐹(𝑎) + 𝐹 ′ (𝑎)(𝑥 − 𝑎) + 𝐹 ′′ + 𝐹 ′′′ + 𝐹𝑛 + 𝑅𝑛
2! 3! 𝑛!

𝐷𝑜𝑛𝑑𝑒:

𝑅𝑛 = 𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑠𝑖𝑑𝑢𝑎𝑙
 𝑥
(𝑥 − 𝑡)𝑛 (𝑛+1)
𝑅𝑛 = ∫ 𝐹 (𝑡)𝑑𝑡
𝑎 𝑛!
𝑛
𝐹 𝑛 (𝑎)(𝑥 − 𝑎)𝑛
𝑇𝑛(𝑥) = ∑
𝑛!
𝑖=0

𝐹 ′ (𝑎)(𝑥 − 𝑎)1
𝑇1 (𝑥) = 𝐹(𝑎) + = 𝐹(𝑎) + 𝐹′(𝑎)(𝑥 − 𝑎)
1!

𝐹 ′ (𝑎)(𝑥 − 𝑎)1 𝐹 ′′ (𝑎)(𝑥 − 𝑎)2

𝑇2 (𝑥) = 𝐹(𝑎) + +
1! 2!

′ (𝑎)(𝑥
𝐹′′(𝑎)(𝑥 − 𝑎)2 𝐹 ′′′ (𝑎)(𝑥 − 𝑎)3
𝑇3 (𝑥) = 𝐹(𝑎) + 𝐹 − 𝑎) + +
2! 3!

E.R-> Error Desigual

Caso McLauren: Reemplazamos 0 con a

𝐹′′(0)𝑥 2 𝐹 ′′′ (0)(𝑥)3 𝐹 𝑛 (0)(𝑥)𝑛

𝑇𝑛 (𝑥) = 𝐹(0) + 𝐹 ′ (0)(𝑥) + + + ⋯+
2! 3! 𝑛!

Será la función F(x)=𝑒 𝑥 mediante el caso McLauren Aproximar 𝑒 0 , 𝑒 1 y 𝑒 2

𝑒0 = 1

𝑒 1 = 2,718281828 Error de redondeo

𝑒 2 = 7,389056099

Ejemplo:

𝐹(𝑥)𝑒 𝑥 , 𝑒 0 , 𝑒 1 𝑦 𝑒 2

𝑒0 = 1
 𝑒 1 = 2,718281828

𝑒 2 = 7,389056099
________________

𝐹(𝑥) = 𝐹 𝑥 + 𝐹 ′ (𝑥)

𝐹′(𝑥) = 𝑒 𝑥

𝑇1 (𝑥) = 1 + 𝑥

𝑇1 (0) = 1 + 0 = 1

𝑇1 (1) = 1 + 1 = 2

𝑇1 (2) = 1 + 2 = 3

1 + 𝑥2
𝑇2 (𝑥) = 1 + 1 + 𝑥 +
2

𝑇2 (0) = 1 + 0 + 0 = 1

𝑇2 (1) = 1 + 1 + 0.5 = 2.5

𝑇2 (2) = 1 + 2 + 2 = 5

𝐹′′(0)𝑥 2
𝑇2 (𝑥) = 𝐹(0) + 𝐹 ′ (0)(𝑥) +
2!

𝐹(𝑥) = 𝑒 𝑥

𝐹′(𝑥) = 𝑒 𝑥

𝐹′′(𝑥) = 𝑒 𝑥

𝐹′′′(𝑥) = 𝑒 𝑥
 𝐹′′′′(𝑥) = 𝑒 𝑥

𝐹′′′′′(𝑥) = 𝑒 𝑥

𝐹′′(0)𝑥 2 𝐹 ′′′ (0)(𝑥)3 𝐹′′′′(0)(𝑥)4 𝐹′′′′′(0)(𝑥)5

𝑇5 (𝑥) = 𝐹(0) + 𝐹 ′ (0)(𝑥) + + + +
2! 6 24 120

1𝑥 2 1𝑥 3 1𝑥 4 1𝑥 5
𝑇5 (𝑥) = 1 + 1 + + + +
2 6 24 120

𝑇5 (0) = 1

4 2 4
𝑇5 (2) = 1 + 2 + 2 + + + = 7.2666
3 3 15

Er= 0.122399499
Ejercicios

 Calcular al polinomio de grado 4° que se acerca a la función Seno en el punto

𝜋 𝜋
, estimar el valor de Seno de y mostrar el error.
2 3

 Calcular el polinomio de grado 7 de McLauren y graficar la aproximación de la

función Seno y el polinomio encontrado entre –π y π.

𝑇4 (𝑋), 𝐹(𝑥) = 𝑠𝑒𝑛𝑥

𝜋 𝜋 𝜋
𝑎= , ¿ 𝑆𝑒𝑛 ( 3 ) ? 𝑥=
2 3

𝐹′′(𝑎)(𝑥−𝑎)2 𝐹′′′ (𝑎)(𝑥−𝑎)3 𝐹′′′ (𝑎)(𝑥−𝑎)4

𝑇4 (𝑥) = 𝐹(𝑎) + 𝐹 ′ (𝑎)(𝑥 − 𝑎) + + +
2 6 24
𝜋
𝐹(𝑥) = 𝑠𝑒𝑛(𝑥) 𝐹( ) = 1
2
𝜋
𝐹′(𝑥) = 𝑐𝑜𝑠(𝑥) 𝐹′ ( ) = 0
2
𝜋
𝐹 ′′ (𝑥) = −𝑠𝑒𝑛(𝑥) 𝐹 ′′ ( ) = −1
2
𝜋
𝐹 ′′′ (𝑥) = −𝑐𝑜𝑠(𝑥) 𝐹 ′′′ ( ) = 0
2
𝜋
𝐹 ′′′′ (𝑥) = 𝑠𝑒𝑛(𝑥) 𝐹 ′′′′ ( ) = 1
2
𝜋 𝜋 4
(𝑥 − 2)2 (𝑥 − 2)
𝑇4 (𝑥) = 1 + 0 − +0+
2 24
𝜋 𝜋 4
(𝑥 − 2)2 (𝑥 − 2 )
𝑇4 (𝑥) = 1 − +
2 24
𝜋 𝜋 𝜋 𝜋 4
𝜋 ( 3 − 2 )2 ( 3 − 2 )
𝑇4 ( ) = 1 − +
3 2 24
𝜋 (𝜋)2 (𝜋)4
𝑇4 ( ) = 1 − +
3 72 31104
𝜋
Rad =𝑠𝑒𝑛 ( 3 ) = 𝑠𝑒𝑛 (180/3)
 𝜋
𝑇4 ( ) = 0.8660538834 𝐴𝑝𝑟𝑜𝑥
3
𝜋
𝑠𝑒𝑛 ( ) = 0.8660254038 𝑉. 𝑣
3
𝐸𝑣 = 0.0000284796

3).
Residuo en la expresión de la serie de Taylor.

Aproximación

Valor verdadero
Error

C a

Aproximación

(𝑎)(𝑥 − 𝑎)2 (𝑎)(𝑥 − 𝑎)𝑛

𝑇𝑛 = 𝐹(𝑎) + 𝐹 ′ (𝑎)(𝑥 − 𝑎) + 𝐹 ′′ + ⋯ + 𝐹𝑛 + 𝐸𝑟𝑟
2! 𝑛!

𝐹 𝑛+1 (𝑐)(𝑥 − 𝑎)𝑛+1

=| |
(𝑛 + 1)!

𝑐=𝑎

Mediante la serie de Taylor aproxima el valor de √1.1 de la función

𝐹(𝑥) = √𝑥 + 1 , 𝑇3 (𝑥, 𝑎)
  Hallar la serie de Taylor de grado (1) dando a=g de la función F(x)= √𝑥 ,
1
aproximar √10 < 55000

 Determinar el polinomio de Taylor de Y= 𝑒 𝑥 cuando se da el caso McLauren y

determinar 𝑒 2 , estimar el error que se cometa, y determinar el número de

términos necesarios para cometer un error de una centésima Y=𝑒 𝑥 , 𝑒 2 .

Solucionar Ecuaciones no Lineales

 Raíces de ecuaciones:

𝑎𝑥 2 + 𝑏𝑥 + 𝑐 = 0

2𝑥 2 + 2𝑥 + 1 = 0
x 1 = x
x 1 = x
2x
X= -1

−𝑏±√𝑏 2 −4𝑎𝑐
𝑟= 2𝑎

Utilice el método grafico para determinar el coeficiente de arrastre C, necesario para

que un paracaidista de masa 68.1

m = 68.1Kg

v = 40 m/s, después de una caída libre

t = 10 seg, considerando la gravedad

g = 9.8 m/𝑠 2
 𝑚𝑔 𝑐
𝐹(𝑥) = (1 − 𝑒 −𝑚.𝑇 ) − 𝑣
𝑐
(68.1)(9.8) 𝑐
𝐹(𝑥) = (1 − 𝑒 −68.1.10 ) − 40
𝑐
667.38
𝐹(𝑥) = (1 − 𝑒 −𝑐(0.1468428781) ) − 40
𝑐
c=0
667.38
𝐹(0) = = ∄
0
c=4
667.38
𝐹(4) = (1 − 𝑒 −4(0.1468428781) ) − 40
4
𝐹(4) = 34.11484417
c = 14
𝐹(14) = 1.567699313
c = 15
𝐹(15) = 0.4248408776
Si pasa (+)(-) o (-)(+) entonces ∄
raíz
c = 14.5
𝐹(14.5) = 0.5523
E = 14.78
𝐹(14.78) = 0.000397381

///////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
 METODO DE LA BISECCION
PASO 1:
Elija valores iniciales superiores a Xo e inferior a Xf que encierre a la raíz de forma tal que la
función cambie de signo en el intervalo esto se verifica comprobando que:

𝐹(𝑥0 )𝑥 𝐹(𝑥𝑓 ) < 0

PASO 2:
Una aproximación de la raíz X se determina mediante:
𝑥0 + 𝑥𝑓
𝑥𝑚 =
2
PASO 3:
Realice las siguientes evaluaciones para determinar en que su intervalo esta la raíz.
a) Si: 𝐹(𝑥0 )𝑥 𝐹(𝑥𝑚 ) < 0 entonces la raíz se encuentra en el sub intervalo inferior o

izquierdo por lo tanto 𝑋𝑓 = 𝑋𝑚 ; y vuelve al paso 2.

b) Si: 𝐹(𝑥0 )𝑥 𝐹(𝑥𝑚 ) > 0 entonces la raíz se encuentra en el sub intervalo superior o

derecho por lo tanto 𝑋𝑜 = 𝑋𝑚 ; y vuelve al paso 2.

c) Si: 𝐹(𝑥0 )𝑥 𝐹(𝑥𝑚 ) = 0 ; la raíz es igual a (𝑟 = 𝑋𝑚).

Y
INTERPRETACION GRAFICA:

f(Xf)
Xo Xm = Xo
f(Xm)
b
f(Xm) X
Xm=Xf Xf
f(X)

ERROR DE APROXIMACION:
 𝑿𝒎(𝒏𝒖𝒆𝒗𝒐) − 𝑿(𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓)
𝑬𝒂 = | 𝑿𝟏𝟎𝟎%|
𝑿𝒎(𝒏𝒖𝒆𝒗𝒐)

Ejemplo 01:
3 2
Determinar una raíz real del polinomio f ( x)  x  2 x  10 x  20 , con un intervalo
(1; 2) considerando un error de 10-2

Realizamos la primera iteración determinando

Xm = (2+1) / 2 = 1.5;

f (1.5)  (1.5) 3  2 * (1.5) 2  10 (1.5)  20  2.88

Observamos que f(c) = f (1.5) = 2.88 >0 distinto signo que f(a) = f (1) = -7 luego reemplazamos
el valor de b por el valor de c es decir se tiene el siguiente intervalo (1, 1.5), entonces
a = 1; f (1) = -7
b = 1.5; f(1.5) = 2.88
Segunda Iteración:

1  1.5
Xm   1.25;
2
f (1.25)  (1.25) 3  2 * (1.25) 2  10 * (1.25)  20  2.42
Observamos que f(Xm) = f (1.25) = -2.42 < 0 igual signo que f(a) = f (1) = -7 luego
reemplazamos el valor de a por el valor de c es decir se tiene el siguiente intervalo (1.25, 1.5),
entonces:
a = 1.25; f (1.25) = -2.42
b = 1.5; f (1.5) = 2.88
a seguir presentamos el siguiente cuadro que contiene las 9 iteraciones deseadas en donde
denotaremos a = Xo: b = Xf y Xm

i
t
X mi  X mi 1
X mi  X mi1
e Xo Xf Xm f (Xo) f (Xm) f ( Xo) f ( Xm)
x100
Xmi
m
0 1.00000 2.00000
1 1.00000 2.00000 1.50000 0.25000 -7 2.87500 <0
2 1.00000 1.50000 1.25000 0.12500 -7 -2.42188 >0 20%
3 1.25000 1.50000 1.25000 0.06250 -2.42 -2.42188 <0 9.45%
4 1.25000 1.37500 1.37500 0.03125 -2.42 0.13086 >0 4.56%
5 1,31250 1.37500 1,31250 0.01563 -1.02 0.52481 >0 2.22%
6 1.34375 1.37500 1.34375 0.00781 -0.39 0.19846 <0 1.46%
7 1.35938 1.37500 1.35938 0.00395 -0.39 0.03417 >0 0.74%
8 1.36719 1.37500 1.36719 0.00195 -0.19 0.04825 <0 0.73%
9 1.36719 1.37109 1.37109 0.00098

Ejemplo 02:

Se sabe que la raíz f(x) = e-x-2 está entre 0 y 2, hallar un valor aproximado con una tolerancia 0.01
mediante el método de la bisección.

i
t
X mi  X mi 1
X mi  X mi1
e Xo Xf Xm f (Xo) f (Xm) f ( Xo) f ( Xm)
x100
Xmi
m
0 0 2
1 0 2 1 -1 0.71 <0
2 0 1 0.5 -7 -2.42188 >0 100%
3 1.25000 1.50000 1.25000 0.06250 -2.42 -2.42188 <0 9.45%
4 1.25000 1.37500 1.37500 0.03125 -2.42 0.13086 >0 4.56%
5 1,31250 1.37500 1,31250 0.01563 -1.02 0.52481 >0 2.22%
6 1.34375 1.37500 1.34375 0.00781 -0.39 0.19846 <0 1.46%
7 1.35938 1.37500 1.35938 0.00395 -0.39 0.03417 >0 0.74%
8 1.36719 1.37500 1.36719 0.00195 -0.19 0.04825 <0 0.73%
9 1.36719 1.37109 1.37109 0.00098
///////////////////////////////////////////////////////////////////////////////////////////////////////

METODO DE LA SECANTE
 METODO DE LA FALSA POSICION

Cuando la bisección es una técnica perfectamente válida para determinar

raíces su método de aproximación por la fuerza bruta es relativamente
ineficiente el método de la falsa posición es una alternativa basada en una
visualización grafica que disminuye las interacciones y mejora de presicion. En
consecuencia, la iteración convergerá más rápido que cuando se utiliza el
método de convergencia.
𝑋2 − 𝑋1
𝑋 − 𝑋1 = 𝐹(𝑋1 ) ∗
𝐹(𝑋2 ) − 𝐹(𝑋1 )
𝐹(𝑋2 )(𝑋2 − 𝑋1 )
𝑋3 = 𝑋1 −
𝐹(𝑋2 ) − 𝐹(𝑋1 )
𝑌 − 𝑌 = 𝑚(𝑥 − 𝑥1 )
𝑦2 − 𝑦1
m=
𝑥2 − 𝑥1
𝑌1 = 𝐹(𝑋1 ) ∗ 𝑌2 = 𝐹(𝑋0 )
𝐹(𝑋2 ) − 𝐹(𝑋1 )
𝑌 − 𝐹(𝑋1 ) =
(𝑋2 ) − (𝑋1 )

𝑌=0

INTERPRETACION GRAFICA:

f(x)
B
X2; f(x2)

X3
X4

A X2
 X3; f(x3)

Ejemplo. Hallar la raíz de la ecuación con un intervalo de (1;2) :

f ( x)  x 3  2 x 2  10 x  20 , considerando un error de 10-4

Solución
1. Determinamos los valores de x1 y x2 para lo cual evaluamos la función en lo
puntos:
f(0)= -20; f(1) = -7 ; f(-1) = -29 ; f(2) = 16.
2. Considerando el razonamiento del método observamos que en el intervalo
[1,2] existe una raíz de la funcional. En este caso nuestros valores de
x1 = 1; f(1) = -7
x2= 2, f(2) = 16.

(1  2)( 7)
X 3 1  1.30435
 7  16
f(x3)=-1.33476
3. Determinamos con quien de los extremos del intervalo se intercambia, como
f(x3)<0 es decir tiene igual signo con f(x1) se intercambia el valor de x1, por
x3, lo que implica tener el nuevo intervalo [-1.33476,2],
4. Se continua de la misma manera hasta conseguir el objetivo trazado

i X1 X2 X3 f(x3) |x3-x1|
0 1.00000 2.00000
1 1.00000 2.00000 1.30435 -1.3357 0.3043
2 1.30435 2.00000 1.35791 -0.2293 0.0536
 3 1.35791 2.00000 1.36698 -0.0402 0.0090
4 1.36698 2.00000 1.36840 -0.0086 0.0015
5 1.36850 2.00000 1.36876 -0.0022 0.003
6 1.36876 2.00000 1.36870 -0.00022 0.0000

///////////////////////////////////////////////////////////////////////////////////////////////////////////
 método de Newton
el método de Newton (conocido también como el método de Newton-Raphson o
elmétodo de Newton-Fourier) es un algoritmo para encontrar aproximaciones de los
ceros o raíces de una función real.

𝑦 𝑦2 − 𝑦1
𝑚 = (tan 𝜃) = =
𝑥 𝑥2 − 𝑥1
𝑦2 − 𝑦1
𝑚=
𝑥2 − 𝑥1
𝑦2 − 𝑦1 = 𝑚(𝑥2 − 𝑥1)
𝑦 − 𝑦1 = 𝑚(𝑥 − 𝑥1)
𝑚 = 𝑓´(𝑥)
𝑦 = 0 , (𝑦1 = 𝑥1)
0 − 𝑓(𝑥1) = 𝑓´(𝑥1)(𝑥 − 𝑥1)
𝑓(𝑥1)
= 𝑥 − 𝑥1
𝑓´(𝑥1)
𝑓(𝑥1)
𝑥2 = 𝑥1 −
𝑓´(𝑥1)
EJEMPLO:

𝑓(𝑥) = 𝑥 3 + 2𝑥 2 + 10𝑥 − 20 𝑥 = 2

i x1 x2 f(x2) (x2-x1)
0 2 - - -
1 2 1.4666 2.1223 0.5334
2 1.4666 1.3715 0.0568 0.0951
3 1.3715 1.3688 -0.0007 0.0027
4 1.3688 1.3688 0 0
5 RAIZ=1.3688

TRABAJO °2
Determine las raíces reales de la

𝑓(𝑥) = −0.4𝑥 2 + 2.2𝑥 − 4.7

a) Gráficamente
b) Empleando la formula cuadrática
c) Usando el método de la bisección valores iniciales x1=5 y X2=10
𝑓(𝑥) = −0.4𝑥 2 + 2.2𝑥 − 4.7
a)
Y X Y
-3 -10.5
-2 -5.5
-1 -1.3
0 2.1
1 4.7
2 6.5
3 7.5
X 4 7.7
0
5 7.1
6 5.7
7 0.5
8 -3.3
 B) FORMULA CUADRATICA.

2.22 − 4(4.7)(−0.4)
(𝑥1,2) = −2 − 2 − √
2(−0.4)
𝑋1 = −1.6446
𝑋2 = 7.144598

C) METODO DE LA BISECCION

i x1 x2 x3 F(x1) F(x2) |x3-x1|

1 5.000000 10.000000 7.500000 1.300000 7.410000 2.500000
2 7.500000 10.000000 4.596101 -5.293986 -9.851639 2.903899
3 4.596101 10.000000 6.002026 3.464423 -9.851639 1.405925
4 6.002026 10.000000 -2.868058 -6.790836 -9.851639 8.870085
5 -2.868058 10.000000 -0.141503 2.648625 -9.851639 2.726555
6 -0.141503 10.000000 -0.684822 -0.500952 -9.851639 0.543319
7 -0.684822 10.000000 -1.417068 -0.631846 -9.851639 0.732246
8 -1.417068 10.000000 -16.066275 -5.536606 -9.851639 14.649207
9 -16.066275 10.000000 -0.254005 15.191798 -9.851639 15.812270
10 -0.254005 10.000000 -0.808733 -0.505607 -9.851639 0.554728
11 -0.808733 10.000000 -1.685357 -0.739060 -9.851639 0.876624
12 -1.685357 10.000000 4.164587 9.876171 -9.851639 5.849944
13 4.164587 10.000000 1.578236 -3.025470 -9.851639 2.586351
-
14 1.578236 10.000000 10.655198 136.482273 -9.851639 9.076962
15 10.655198 10.000000 14.246498 -8.331615 -9.851639 3.591300
16 14.246498 10.000000 7.012841 -23.856573 -9.851639 7.233657

RAIZ: 7.012841
 2: DETERMINE LA RAIZ DE:
𝑓(𝑥) = −0.2 + 7𝑋 − 5𝑥 2 + 63
A) grafica
B) utilizando el método de la bisección valores iniciales x1=0 y x2 =1 es=10%
SOLUCION:
a)

Y X Y
-5 -192
-4 -494
-3 -230
-2 -84
-1 -20
0 -2
1 6
2 40
X
0 3 136
4 330
5 658

|XmN-
i Xi Xm Xf f(xi) F(xm) f(Xi).f(xm) E%
XmA|
1 0.00000 0.50000 1.00000 -2.00000 -1.56250 3.12500 - 33.33333
2 0.50000 0.75000 1.00000 -1.56250 -0.41797 0.65308 0.25000 14.28571
3 0.75000 0.87500 1.00000 -0.41797 0.59595 -0.24909 0.12500 7.69231
4 0.75000 0.81250 0.87500 -0.41797 0.04494 -0.01878 0.06250 4.00000
 5 0.75000 0.78125 0.81250 -0.41797 -0.19696 0.08232 0.03125 1.96078
6 0.78125 0.79688 0.81250 -0.19696 -0.07869 0.01550 0.01563 0.97087
7 0.79688 0.80469 0.81250 -0.07869 -0.01756 0.00138 0.00781 0.48309
8 0.80469 0.80859 0.81250 -0.01756 0.01352 -0.00024 0.00391 0.24213
9 0.80469 0.80664 0.80859 -0.01756 -0.00206 0.00004 0.00195 0.12092
10 0.80664 0.80762 0.80859 -0.00206 0.00572 -0.00001 0.00098 0.06050
11 0.80664 0.80713 0.80762 -0.00206 0.00183 0.00000 0.00049 0.03026
12 0.80664 0.80688 0.80713 -0.00206 -0.00012 0.00000 0.00024 0.01513
13 0.80688 0.80701 0.80713 -0.00012 0.00085 0.00000 0.00012 0.00756
14 0.80688 0.80695 0.80701 -0.00012 0.00037 0.00000 0.00006 0.00378
15 0.80688 0.80692 0.80695 -0.00012 0.00012 0.00000 0.00003 0.00189
16 0.80688 0.80690 0.80692 -0.00012 0.00000 0.00000 0.00002 0.00095
17 0.80688 0.80689 0.80690 -0.00012 -0.00006 0.00000 0.00001 0.00047

LA RAIZ: 0.80689

//////////////////////////////////////////////////////////
 METODOS ABIERTOS
En los métodos cerrados la raíz se encuentra dentro de un intervalo predeterminado,
por un límite inferior y otro superior. La aplicación repetitiva de estos métodos siempre
genera aproximados cada vez más cercana a la raíz.
Se dice que tales métodos son convergentes, porque se acerca progresivamente a la
raíz a medida que se avanza en el cálculo. En constante los métodos abiertos se basan
en fórmulas que requieren únicamente un solo valor de inicio X0 o que empiece con un
par de ellos pero no necesariamente encierre a la raíz.
Estas algunas vez convergen el otro divergen o se alejan de la raíz verdadera a
medida que avance el cálculo, sin embargo los métodos abiertos convergen en general
lo hace más rápido que los cerrados. Los métodos abiertos emplean una forma para
predecir la raíz esta fórmula puede llamarse iteración de punto fijo o método del punto
fijo.

METODO DEL PUNTO FIJO

Sea una función F(x)=0 a lo cual puede producir otra de manera x=g(x) y el resultado
pasa por los siguientes casos:
CASO 1: Si X0 =X1 -> X0 =X1 = Raíz
CASO 2: Si X0 = X1 -> X1 se convierte en X0 y se vuelve a analizar en la función g(x).
Se analiza hasta que Xi+1 = Xi
Ejemplo:
2X2 –X-5=0 F(x) =0
0
x.x = 2x2 -5 X= 0 (x)

x+5
X= √ 2

X =(2x-1) =5
X F(x)
5 1 -4
X= 2x−1
2 1

X0= 2
x+5
X1 = √ 2

1) X1 =2(2)2-5 1) X0 = 2
 2+5
X1 = 3 X1 = √ = 1.8708
2

¿X0 = X1? X X1 ≠ X0
X1 -> X0 2) X0 = 1.8708

1.8708+5
2) X0 = 3 X1 = √ = 1.8534
2

X1 =2(3)2-5 3) X0 = 1.8534

1.8534+5
X1 = 13 X1 = √ = 1.8511
2

X1 ≠ X0 4) X0 = 1.8511

1.8511+5
3) X0 = 13 X1 = √ = 1.8508
2

X1 =2(3)2-5
X1 = 333  DIVERGENTE 5) X0 = 18508

1.8508+5
X1 = √ = 1.8507
2

6) X0 = 1.8507

1.8507+5
X1 = √ = 1.8507
2

‫؞‬ X1 = X0  RAIZ

│g´(X0) │ < 1
X3 +2X2 + 10X – 20 = 0
20−X−2X 1
X = (0-3X2-4X)
10 10
−3X−4X
g’ (X) = 10

│g´(2) │ = │-2 │ =2 < 1  divergente

X (X2 + 2X +10) = 20
 20
X= X X+2X+10
0−20(2X+2) −40X−40
g’ (X) = =
(X+2X+10) (X+2X+10)

│g´(2) │ = │-0.37703 │ =0.3703 < 1  Convergente

//////////////////////////////////////////////////////////
INTERPOLACION POLINOMIAL
Una función de interpolación es aquella que pasa por puntos dados se muestran
comúnmente por una tabla de valores o se toma directamente de una función dada.
La interpolación de los datos puede hacerse mediante un polinomio. La interpolación
polinomica (ajustar un polinomio a los puntos dados) es uno de los temas más
importantes en métodos numéricos ya que la mayoría de modelos numéricos de basan
en la interpolación polinomial, por ejemplo los modelos de diferenciación numérica,
etc.
Los datos medidos pueden interpolarse, pero en la mayoría de los casos no es
recomendable una interpolación directa dado a los errores aleatorios implicados en la
medición.
APROXIMACIÓN POLINOMICA SIMPLE:

PUNTO 1 2 3 4 5 6 7
f(x) TºC 56.5 78.6 113.0 114.5 181.8 205.0 214.5
x P(atm) 1 2 3 4 5 6 7

INTERPOLACION POLINOMIAL:
P(x)= 𝐴0 𝑋 0 +𝐴1 𝑋1 +𝐴2 𝑋 2 +……𝐴𝑛 𝑋 𝑛

X y y
1 56,5 250
2 78,6
3 113 200
4 114,5
150
5 181,8
6 205 100
7 214,5
50

0
0 1 2 3 4 5 6 7 8
INTERPOLACION POLINOMIAL:
P(x) = 𝐴0 𝑋 0 +𝐴1 𝑋1 +𝐴2 𝑋 2 +……𝐴𝑛 𝑋 𝑛
F1(x) = 𝐴0 + 𝐴1 𝑋
X=2
1 2
F(x) 56.5 113.0
X 1 3

56.5 = 𝐴0 + 𝐴1 …… (1) F1(x) = 𝐴0 +𝐴1 𝑥

113.0 = 𝐴0 + 𝐴1 …...(2) F1(x) = 28.25+2825x
-56.5 = -2𝐴1 F1(x) = 28.25+25.25 (2)
28.25 = 𝐴1 = 84.75
28.25 = 𝐴0 F2(x) = 78.6

Aproximación: F1 (2) = 84.75

EA = 6.15
F2(x) = 𝐴0 + 𝐴1 𝑋 + 𝐴2 𝑥 2
X=2
F2(x) 56.5 113.0 114.5
x 1 3 4

56.5 = 𝐴0 + 𝐴1 1 + 𝐴2 12
113.0 = 𝐴0 + 𝐴1 3 + 𝐴2 32
114.5 = 𝐴0 + 𝐴1 4 + 𝐴2 42
𝐴0 + 𝐴1 + 𝐴2 = 56.5
𝐴0 + 3𝐴1 + 9𝐴2 = 113.0
𝐴0 + 4𝐴1 + 16𝐴2 = 114.5
 1 1 1 𝑎0 56.5
|1 3 9| |𝑎1 | |113.0|
1 4 16 𝑎2 114.5

𝐴0 = 𝐷00 / D ; 𝐴3 = 𝐷𝑎1 / D ; 𝐴2 = 𝐷𝑎2 /D

1 1 1 56.5 1 1 3 56.5 1
D=1 3 9 = 6 ; 𝐷𝑎0 = 113.0 3 9 = 9 ; 𝐷𝑎1 = 1 113.0 9 = 383.5
1 4 16 114.5 4 16 1 114.5 16

1 1 56.5
𝐷𝑎2 = 1 3 113.0 = -53.5
1 4 114.5

𝐴0 = 9/6 = 1.5 ; 𝐴1 = 393.5/6 = 63.916 ; 𝐴0 = -53.5/6 = -8.916

F(x) = 1.5 + 63.916X - 8.916X2
F(2) = 1.5 + 63.916(2) – 8.916(2)2
Aprox. F(2) – F(2) = 93.68 F(2) = 78.6 ; EA = 15.068

POLINOMIO:
Pn(x) = L0(x) Fx0 + L1(x) Fx1 + ……. Ln(x) Fxn
(𝑋−𝑋0 )(𝑋−𝑋2 ) 𝐹𝑥0
 L0 (x) = (𝑋 𝐴0 = (𝑋
0 −𝑋1 )(𝑋0 −𝑋2 ) 0 −𝑋2 )(𝑋−𝑋2 )

(𝑋−𝑋0 )(𝑋−𝑋2 ) 𝐹𝑥1

 L1 (x) = (𝑋 𝐴1 = (𝑋
1 −𝑋0 )(𝑋1 −𝑋2 ) 1 −𝑋0 )(𝑋1 −𝑋2 )

(𝑋−𝑋0 )(𝑋−𝑋2 ) 𝐹𝑥2

 L2 (x) = 𝐴1 =
(𝑋2 −𝑋0 )(𝑋2 −𝑋1 ) (𝑋2 −𝑋0 )(𝑋2 −𝑋1 )

Pn(x) = A0(X-X1)( X-X2)+ A1(X-X2)+ A2(X-X0)( X-X1)

Pn(X) = ∑𝑛𝑖=0 𝑙1 (𝑥), 𝐹𝑥
𝑛𝑛 (𝑋−𝑋1 )
L1 (x) = 𝑖=0(𝑋
1 −𝑋𝑖 )

n=1 n=2
Pix = ¿? i = 0 , F(x01
i= 0 , F(x0) i=0
𝑋−𝑋1 𝑋−𝑋1
i=1 , i=1 , (𝑋 )
𝑋0 −𝑋1 0 −𝑋1

(𝑋−𝑋2 )
i=1 i=2 𝑋0 − 𝑋1

𝑋−𝑋0
i=0 , i = 1 , F(x1)
𝑋1 −𝑋0

𝑋−𝑋0
i = 0 (𝑋 )
1 − 𝑋1

i=1
i = 2 , x – x2
x – x2
i=2, 2Fx2
0𝑋−𝑋0
i= 𝑋2 −𝑋0

(𝑋−𝑋1 )
i=1 , (𝑋2 −𝑋1 )

i = 2x

POLINOMIO DE LAGRANGE

𝑃𝑛(𝑥) = 𝐿0 (𝑥)𝐹(𝑥0 ) + 𝐿1 𝑥 … … … + 𝐿𝑛 𝐹(𝑥𝑛)

(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝐿0 (𝑥) =
(𝑥0 − 𝑥1 ) (𝑥0 − 𝑥2 )
(𝑥 − 𝑥0 ) (𝑥 − 𝑥1 )
𝐿1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 ) (𝑥 − 𝑥2 )
𝐿2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )

Ademas
𝐹(𝑥0 )
𝑎0 =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )
𝐹(𝑥1 )
𝑎1 =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
 𝐹(𝑥2 )
𝑎2 =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
𝑃2 = 𝑎0 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + 𝑎1 (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )

𝑃𝑛 (𝑥) = ∑ 𝐿𝑖 (𝑥) 𝐹(𝑥𝑖 )

𝑖=𝑥

𝑥 − 𝑥𝑗
𝐿𝑖 (𝑥) = 𝜋 𝑛 , 𝑗 = 0, 𝑖 ≠ 𝑗
𝑥𝑖 − 𝑥𝑗

𝑁=1

−𝑖 = 0 ; 𝐹(𝑥0 )

 𝑗=0
𝑥− 𝑥1
 𝑗 = 1; (𝑥 )
0 − 𝑥1

−𝑖 = 1; 𝐹(𝑥1 )
𝑥− 𝑥0
 𝑗 = 0; (𝑥 )
1 − 𝑥0
 𝑗=1

𝑥 − 𝑥1 𝑥 − 𝑥0
𝑃1 (𝑥) = 𝐹(𝑥0 ) ( ) + 𝐹(𝑥1 ) ( )
𝑥0 − 𝑥1 𝑥1 − 𝑥2

𝑛=2

−𝑖 = 1; 𝐹(𝑥0 )

 𝑗 = 0 𝑛𝑜 𝑠𝑒 𝑡𝑜𝑚𝑎
𝑥− 𝑥1
 𝑗 = 1: (𝑥 )
0 − 𝑥1
𝑥− 𝑥
 𝑗 = 2: (𝑥 − 𝑥2 )
0 2

−𝑖 = 1; 𝐹(𝑥1 )
 𝑥− 𝑥0
 𝑗 = 1: (𝑥 )
1 − 𝑥0
 𝑗 = 1 𝑛𝑜 𝑠𝑒 𝑡𝑜𝑚𝑎
𝑥− 𝑥2
 𝑗 = 2 ∶ (𝑥 )
1 − 𝑥2

−𝑖 = 2; 𝐹(𝑥2 )
𝑥− 𝑥0
 𝑗 = 0: (𝑥 )
1 − 𝑥0
𝑥− 𝑥
 𝑗 = 1: (𝑥 − 𝑥0 )
2 1
 𝑗 = 2: x 𝑛𝑜 𝑠𝑒 𝑡𝑜𝑚𝑎

𝑥 − 𝑥1 𝑥 − 𝑥2 𝑥 − 𝑥0 𝑥 − 𝑥2
𝐹2 (𝑥) = 𝐹(𝑥0 ) ( )( ) + 𝐹(𝑥1 ) ( )( )
𝑥0 − 𝑥1 𝑥0 − 𝑥2 𝑥1 − 𝑥2 𝑥1 − 𝑥2
𝑥 − 𝑥1 𝑥 − 𝑥1
+ 𝐹(𝑥2 ) ( )( )
𝑥0 − 𝑥1 𝑥2 − 𝑥1

Ejemplo:

𝑖=0
𝑥 − 𝑥1 𝑥 − 𝑥2 𝑥 − 𝑥3 𝑥 − 𝑥4
𝑃3 (𝑥) = 𝐹(𝑥0 ) ( )( )( )( )
𝑥0 − 𝑥1 𝑥0 − 𝑥2 𝑥0 − 𝑥3 𝑥0 − 𝑥4
𝑖=1
𝑥 − 𝑥0 𝑥 − 𝑥2 𝑥 − 𝑥3 𝑥 − 𝑥4
+ 𝐹(𝑥1 ) ( )( )( )( )
𝑥2 − 𝑥1 𝑥1 − 𝑥2 𝑥1 − 𝑥3 𝑥1 − 𝑥4
𝑖=2
𝑥 − 𝑥0 𝑥 − 𝑥1 𝑥 − 𝑥3 𝑥 − 𝑥4
+ 𝐹(𝑥2 ) ( )( )( )( )
𝑥2 − 𝑥0 𝑥2 − 𝑥1 𝑥2 − 𝑥3 𝑥2 − 𝑥4

𝑖=3
𝑥 − 𝑥0 𝑥 − 𝑥1 𝑥 − 𝑥2 𝑥 − 𝑥4
+ 𝐹(𝑥3 ) ( )( )( )( )
𝑥3 − 𝑥0 𝑥3 − 𝑥1 𝑥3 − 𝑥2 𝑥3 − 𝑥4
𝑖=4
𝑥 − 𝑥0 𝑥 − 𝑥1 𝑥 − 𝑥2 𝑥 − 𝑥3
+ 𝐹(𝑥4 ) ( )( )( )( )
𝑥4 − 𝑥1 𝑥4 − 𝑥1 𝑥4 − 𝑥2 𝑥4 − 𝑥3
Ejemplo 2

F(x) 56.5 113 114.5

x 1 3 4
 𝑥 − 𝑥1 𝑥 − 𝑥2 𝑥 − 𝑥0 𝑥 − 𝑥2
𝑃2 (𝑥) = 𝐹(𝑥0 ) ( )( ) + 𝐹(𝑥1 ) ( )( )
𝑥0 − 𝑥1 𝑥0 − 𝑥2 𝑥2 − 𝑥1 𝑥1 − 𝑥2
𝑥 − 𝑥0 𝑥 − 𝑥1
+ 𝐹(𝑥2 ) ( )( )
𝑥2 − 𝑥0 𝑥2 − 𝑥1
𝑥− 3 𝑥− 4 𝑥− 1 𝑥− 4
𝑃2 (𝑥) = 56.5 ( )( ) + 113.0 ( )( )
1− 3 1− 4 3− 1 3− 4
𝑥− 1 𝑥− 3
+ 𝐹(𝑥2 ) ( )( )
4− 1 4− 3
(2 − 3)(2 − 4) (2 − 1)(2 − 4) (2 − 1)(2 − 3)
𝑃2 (𝑥) = 56,5 + 113.0 + 114
(1 − 3)(1 − 4) (3 − 1)(3 − 4) (4 − 1)(4 − 3)

𝑃2 (2) = 93.666
𝑃2 (2) = 78.6 𝑣𝑣
𝐸 = 15.06

DIFERENCIAS DIVIDIDAS:
Este método se aplica cuando los datos de “X” no son uniformes, se trabaja mediante
𝐹(𝑋)−𝐹(𝑋0 )
una pendiente derivada que es igual a F(x0) = . El lado derecho de la ecuación
𝑋− 𝑋0
se le conoce como la primera diferencia dividida de F(x) respecto a los argumentos
“X0”, “X1”.
𝐹(𝑥1 )−𝐹(𝑥0 )
F(x0, x1) = , para varios argumentos de F(x) debe ser:
𝑋1 −𝑋0

𝐹(𝑋0 ,𝑋1, 𝑋2,….. 𝑋𝑛 )

F(x0, x1, x2, x3, x4, x5….. xn) = F(x0, x1, x2,…. xn) - 𝑋𝑛− 𝑋0

Ejemplo:
La información de la siguiente tabla se obtuvo del polinomio. A partir de ello elabore
una tabla de diferencias divididas.
Y = x3 – 2x2 – 2
Nº 0 1 2 3 4 5
X -2 -1 0 2 3 6
F(X) -18 -5 -2 -2 7 142

 Primera D.D.
−5−(−18)
F(X0, X1) = = 13
−1−(−2)

 Segunda D.D.
 𝐹(𝑥1, 𝑥2 )−𝐹(𝑋0 −𝑋1 )
F(X0, X1, X2) = 𝑋2 −𝑋0
𝐹(𝑋2 )−𝐹(𝑋1 ) −2−(−5)
F(X1, X2) = = =3
𝑋2 −𝑋1 0−(−1)

3−13
F(X0, X1, X2) = 0−(−2) = -5

 Tercera D.D.

𝐹(𝑥1, 𝑥2, 𝑥3 )−𝐹(𝑋0 −𝑋1 ,𝑥2 )

F(X0, X1, X2, X3)=
𝑋3 −𝑋0

0−3
F(X0, X1, X2, X3)= 2−(−1)= -1

−1−(−5)
F(X0, X1, X2, X3)= =1
2−(−2)
.
.
.
F(X0, X1, X2, X3, X4, X5)

Aproximación Polinomial de Newton:

P(x)= f(X0)+ f(X0,X1)(X-X0)+ f(X0,X1,X2)(X-X0)(X-X1)+ f(X0,X1,X2,X3)(X-X0)(X-X1)(X-X2)+

f(X0,X1,X2,X3,X4)(X-X0)(X-X1)(X-X2)(X-3)+ f(X0,X1,X2,X3,X4,X5)(X-X0)(X-X1)(X-X2)(X-3)(X-4)

P(X)= -18+13(X+2)-5(X+2)(X+1)+1(X+2)(X+1)(X-0)
``X=1``
P(1)= -18+13(1+2)-5(1+2)(1+1)+1(1+2)(1+1)(1-0)
P(1)= -3