Análisis del error y resolución numérica

Programacin y Mtodos Numricos / BQH - 1020
Unidad
Anlisis del error y solucin de

ecuaciones
Competencia especfica a desarrollar: Resolver numricamente ecuaciones no lineales de

una variable. Resolver numricamente sistemas de ecuaciones no lineales simultneas.
Contenido
3.1. Anlisis del error.
3.1.1. Cifras significativas
3.1.2. Exactitud y precisin
3.1.3. Definicin de error y tipos de error.
3.1.4. Propagacin del error
3.1.5. Error de truncamiento y serie de Taylor
3.2. Races de ecuaciones
3.2.1. Mtodo grfico
3.2.2. Mtodos cerrados. Biseccin. Regla Falsa. Otros mtodos
3.2.3. Mtodos abiertos. Iteracin de punto fijo. Mtodo de la secante. Newton- Raphson
3.2.4. Races mltiples
3.2.5. Races de polinomios. Mtodo de Mller. Mtodo de Bairstow
3.3. Solucin de sistemas de ecuaciones lineales y no lineales.
3.3.1. Mtodos para solucin de ecuaciones lineales. Jacobi. Gauss- Seidel. Gauss-Jordan .
Otros mtodos
3.3.2. Mtodos de solucin de sistemas de ecuaciones no lineales. Iterativo secuencial.
Newton.
MTI. Ulises Girn Jimnez
Pgina | 108

3.1 Anlisis del error
3.1.1. Cifras significativas
La nocin intuitiva de cifras significativas de un nmero est directamente relacionada con la
precisin de los instrumentos o procesos que lo generan.
El nmero de cifras significativas de un nmero x corresponde al nmero de cifras en la
mantisa de su representacin en notacin cientfica.
Ya que 0.00123 = 1.23 x103 , decimos que 0.00123 tiene tres Cifras significativas.
El nmero 3210 = 3.210 x103 posee cuatro cifras significativas.
Note que en el ejemplo anterior, hemos mantenido el 0 de las unidades. Si el origen del
nmero no garantizara el valor de sus unidades, entonces deberamos escribir directamente
3.210 x103 lo que indicara que contamos con slo tres cifras significativas.
Sean xv y xc los valores verdadero y calculado de una cierta cantidad, con xv xc . Decimos
que xc aproxima a xv con t cifras significativas si t es el mayor entero no negativo para el cual
xv xc
5 x10t
xv
Para el caso xv = xc , xc aproxima xv con las cifras significativas propias.
Ejemplo
El nmero 3.1416 aproxima a 3.1415926 en 6 cifras significativas, ya que:
3.1415926 3.1416
3.1415926
2.3554932 x106 5 x106
Como se observa, no es necesario que coincidan los dgitos de las cifras significativas.
Pgina | 109
Ejercicio 1
Calcular el nmero de cifras significativas con que 9.99 aproxima a 10.
Ejercicio 2
Calcular el nmero de cifras significativas con que 1005 aproxima a 1000
El concepto de cifras o dgitos significativos se han desarrollado para designar formalmente la

confiabilidad de un valor numrico. El nmero de cifras significativas es el nmero de dgitos
ms un digito estimado que se pueda usar con confianza.
Estas cifras proporcionan informacin real relativa a la magnitud y precisin de las
mediciones de una cantidad. El aumento de la cantidad de cifras significativas incrementa la
precisin de una medicin. Los ceros no siempre son cifras significativas ya que pueden
usarse solo para ubicar el punto decimal. Los nmeros:
0.000 018 45
0.000 184 5
0.001 845
Tienen cuatro cifras significativas. La incertidumbre (duda) se puede desechar usando la
notacin cientfica en donde:
4.53 x 104
4.530 x 104
4.5300 x 104
Muestran que el nmero tiene tres, cuatro y cinco cifras significativas.
3.1.2. Exactitud y precisin
Los errores asociados con los clculos y medidas se pueden caracterizar observando su
precisin y exactitud.
La precisin es el grado de concordancia dentro de un grupo de mediciones o instrumentos.
Ya que el nmero de cifras significativas que representa una cantidad o la extensin en las
lecturas repetidas de un instrumento que mide alguna propiedad fsica. La precisin se
Pgina | 110

compone de dos caractersticas: conformidad y el nmero de cifras significativas con las
cuales se puede realizar la medicin.
La exactitud se refiere al grado de aproximacin o conformidad al valor real de la cantidad
medida.
Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al
blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura siguiente se
pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del
blanco de cada esquema representa la verdad.
La inexactitud (conocida tambin como sesgo) se define como un alejamiento sistemtico de
la verdad. Por lo tanto, aunque las balas en la figura c estn ms juntas que las de la figura a,
los dos casos son igualmente inexactos ya que ambos se centran en la esquina superior
izquierda del blanco.
La precisin, por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo
tanto, aunque las figuras b y d son igualmente exactas (esto es, igualmente centradas respecto
al blanco), la ltima es ms precisa ya que las balas estn en un grupo ms compacto.
Pgina | 111

Figura: Un ejemplo de un buen tirador ilustra el concepto de exactitud y precisin. a) Inexacto
e impreciso; b) exacto e impreciso; e) inexacto y preciso; d) exacto y preciso.
Llamamos incertidumbre o imprecisin a la falta de precisin, y sesgo o inexactitud, a la falta

sistemtica de exactitud, ya sea por debajo o bien por arriba de la cantidad exacta. El manejo
de la incertidumbre o imprecisin puede realizarse mediante distribuciones de probabilidad,
en tanto que el manejo de la inexactitud, mediante rangos o intervalos.
Ejemplo.
Si especificamos que el valor de una resistencia elctrica es de 100 5% , estamos indicando
que su valor real debe estar en el intervalo [95, 105].
Ejemplo
Supongamos que un profesor debe iniciar siempre sus clases a las 7:00 am. Si existe
incertidumbre, podra iniciar con una distribucin normal con media de 7:05 y desviacin
estndar de 1 minuto, lo cual indica que el 99.7% de las veces iniciara en el intervalo [7:02,
7:08]. Por otro lado, si existe (solamente) sesgo, entonces empezara sistemticamente (por
ejemplo) a las 7:07.
3.1.3. Definicin de error y tipos de error.
Error.
Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida. Si p * es
una aproximacin a p , el error se define como
E p p*
Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido como
EA p p *
y el error relativo como ER
p p*
p
si p 0
y cmo por ciento de error a
Pgina | 112

ERP (ER)100
Error aproximado
aproximacionactual aproximacionanterior
x100
aproximacionactual
Problema:
Suponga que el valor para un clculo debera ser
p 0.10 x10 2 Pero se obtuvo el resultado p* 0.08x10 2 , entonces

EA 0.10 x102 0.08 x102 2
ER
0.10 x102 0.08 x102

0.10 x102
0.2
ERP ERx100 20%

Error por redondeo.
Este error es el resultado de representar aproximadamente nmeros exactos. Es decir, se
debe a la omisin de algunas de las cifras significativas de algn valor especfico. Un ejemplo
de donde sucede se da en las computadoras o calculadoras, que solo guardan un nmero finito
de cifras significativas, cuyo mximo de dgitos o de cifras significativas son de 8 a 14 lo cual
obliga a redondear el valor real.
Los errores de redondeo se deben a que las computadoras solo guardan un nmero finito de
cifras significativas durante un clculo. Las computadoras realizan esta funcin de maneras
diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la computadora puede
almacenar y usar como = 3.141592, omitiendo los trminos restantes y generando un
error de redondeo.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los
errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del
porque pueden resultar crticos en algunos mtodos numricos:
Ciertos mtodos requieren cantidades extremadamente grandes para obtener una respuesta.
Adems, estos clculos a menudo dependen entre s. Estos es, los clculos posteriores son
Pgina | 113

dependientes de los anteriores. En consecuencia, aunque un error de redondeo individual
puede ser muy pequeo, el efecto de acumulacin en el transcurso de la gran cantidad de
clculos puede ser significativo.
El efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones algebraicas
que emplean nmeros muy pequeos y muy grandes al mismo tiempo. Ya que este caso se
presenta en muchos mtodos numricos, el error de redondeo puede resultar de mucha
importancia.
En el redondeo se conservan las cifras significativas y el resto se descarta.
El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es
5 , si no fuera
as, el dgito conserva su valor.

La importancia de las cifras significativas de los clculos algebraicos.
Determnese la diferencia de dos nmeros grandes: 32981108.1234
y 32981107.9989.
Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%.

Solucin:
La diferencia de los nmeros es:
32981108.1234
32981107.9989
0.1245
Ahora incrementando el minuendo en un 0.001 % se obtiene el nmero 32 981 437.934 5 y la
diferencia es:
Pgina | 114

32981437.9345
32981107.9989
329.3356
Que es considerable diferente de la primera. De aqu que una modificacin en el minuendo,
aparentemente insignificante, provoca una gran diferencia en el resultado.
Problema: Ilustraciones de las reglas de redondeo

Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo analizados.
1. Errores de redondeo
5.6723
5.67
3 cifras significativas
10.406
10.41
7.3500
7.4
88.21650 88.217 5 cifras significativas

1.25001
1.3
2. suma y resta
2.2 1.768 = 0.432 = 0.4
0.00468 x 10 -7 + 8.3 x 10 -4 228 x 10-6 =6.02468 x 10 4 = 6.0 x 10 -4 se redondea hasta el 3
porque nos indica que es el valor para redondeo
3. multiplicacin y divisin
Evalese
0.0642 x 4.8 = 0.30816 = 0.31
945/0.3185 = 2967.032967= 2967
Las siguientes reglas pueden aplicarse al redondear nmeros, cuando se realizan
clculos a mano.
Primera: En el redondeo, se conservan las cifras significativas y el resto se descarta.

El ltimo dgito que se conserva se aumenta en uno, si el primer dgito descartado es
mayor de 5; de otra manera se deja igual, pero si el primer dgito descartado es 5
5 seguido de ceros, entonces el ltimo dgito retenido se incrementa en uno, slo si
es par.
Pgina | 115
Segunda: En la suma y la resta, el redondeo se lleva a cabo de forma tal que, el ltimo
dgito retenido en la respuesta corresponda al ltimo dgito ms significativo de los
nmeros que estn sumando o restando. Ntese que un dgito en la columna de las
centsimas es ms significativo que uno de la columna de las milsimas.
Tercera: Para la multiplicacin y para la divisin, el redondeo es tal que, la cantidad

de cifras significativas del resultado es igual al nmero ms pequeo de cifras
significativas que contiene la cantidad en la operacin.
Cuarta: Para combinaciones de las operaciones aritmticas, existen dos casos

generales. Se puede sumar o restar el resultado de las multiplicaciones o de las
divisiones.
Error numrico total.

El error numrico total es la suma de los errores de truncamiento y de redondeo. ste es el
medio para poder lograr minimizar los errores debido a redondeo y esto se logra
incrementando el nmero de cifras significativas.
Los errores por truncamiento pueden ser disminuidos cuando los errores por redondeo se
incrementan.
Para poder disminuir un componente del error numrico total, se debe
incrementar otro valor.

Errores humanos
Errores por equivocacin. Las equivocaciones ocurren a cualquier nivel del proceso de
modelacin matemtica y puede contribuir con todas las otras componentes del error.
Se puede evitar nicamente con el conocimiento de los principios fundamentales y con
el cuidado sobre la aproximacin y diseo de la solucin a un problema.
Errores de formulacin. Los errores de formulacin o de modelamiento degeneran en

lo que se podran considerar como un modelo matemtico incompleto. Un ejemplo de
un error de formulacin imperceptible es el hecho de que la segunda ley de newton no
explica los efectos relativistas.
Incertidumbre en los datos. Algunas veces se introducen errores en un anlisis debido a

la incertidumbre de los datos fsicos sobre los que se basa el modelo.
Pgina | 116

3.1.4. Propagacin del error
Causas de errores graves en computacin
Existen muchas causas de errores en la ejecucin de un programa de cmputo. Para esto,
vamos a pensar en una computadora imaginaria que trabaja con nmeros en el sistema
decimal, en forma tal que tiene una mantisa de cuatro dgitos decimales, y una caracterstica
de dos dgitos decimales, el primero de los cuales es usado para el signo. Sumados estos seis al
bit empleado para el signo del nmero, se tendr una palabra de siete bits. Los nmeros que
se van a guardar deben normalizarse primero en la siguiente forma
3.0 0.3000 x101

7956000 0.7956 x107
0.0000025211 0.2521x105
Empleando esta computadora imaginaria, podemos estudiar algunos de los errores ms serios
que se cometen en su empleo.
Suma de nmeros muy distintos en magnitud.
Vamos a suponer que se trata de sumar 0.002 a 600 en la computadora decimal imaginaria.
0.002 0.2000 x102

600 0.6000 x103
Estos nmeros normalizados no pueden sumarse directamente y, por tanto, la computadora
debe normalizarlos antes de efectuar la suma
0.000002 x103
0.600000 x103
0.600002x103
Como slo puede manejar solo cuatro dgitos, los ltimos dos son eliminados y la respuesta es:
0.6000 x103
o bien 600
Por el resultado, la suma nunca se realiz.
Resta de nmeros casi iguales
Supngase que la computadora decimal va a restar 0.2144 de 0.2145
Pgina | 117

0.2145 x100
- 0.2144 x100
0.0001x100
Como la mantisa de la respuesta esta desnormalizada, la computadora automticamente la
normaliza y el resultado se almacena como 0.1000 x103 . Por lo tanto hasta aqu no hay error
pero en la respuesta solo hay un solo digito significativo, por el cual se sugiere no confiar en
su exactitud.
La propagacin de errores.
Una vez que se sabe cmo se produce los errores en un programa de cmputo, podra
pensarse en tratar de determinar el error cometido en cada paso, y conocer de esa manera el
error total en la respuesta final. Sin embargo, esto no es prctico. Resulta ms adecuado
analizar las operaciones individuales realizadas por la computadora para ver cmo se
propagan los errores de dichas operaciones.
Suma
Se espera que al sumar a y b, se obtenga el valor correcto de c = a + b ; no obstante, se tiene en
general un valor de c incorrecto debido a la longitud finita de palabra que se emplea. Puede
considerarse que este error fue causado por una operacin incorrecta de la computadora.
Entonces el error es:
Error (a b) (a b)
La magnitud de este error depende de las magnitudes relativas, de los signos de a y b, y de la

forma binaria en que a y b son almacenados en la computadora. Esto ltimo vara
dependiendo de la computadora, y por tanto es un error muy difcil de analizar.
Si por otro lado a y b de entrada son inexactos, hay un segundo error posible. Por ejemplo,
considrese que en lugar del valor verdadero de a, la computadora tiene el valor a * , el cual
presenta un error a
a* a a
b* b b
Pgina | 118
Como consecuencia se tendra, aun si no se cometiera error en la adicin, un error en el

resultado:
Error (a * b*) (a b)
Error (a a b b ) (a b) a a b b a b
Error a b c
o sea c* c c
El error absoluto es :
(a * b*) (a b) a b a b
o bien
c a b
Se dice que los errores
a y b se han extendido a c, y c se conoce como error de
propagacin, lo cual causa un error en el resultado final.

Resta
El error de propagacin ocasionado por valores inexactos iniciales a* y b* pueden darse de
manera similar que en la adicin, con un simple cambio de signo.
Multiplicacin
Si se multiplica los nmeros a* y b* se obtiene
(a * x b*) (aa ) x(bb ) (a x b) (a x b ) (b x a ) (a x b )
Si
a y b son suficientemente pequeos, puede considerarse que su producto es muy
pequeo en comparacin con otros trminos, y por tanto, eliminar el ultimo termino. Se
obtiene entonces el error del resultado final
(a * x b*) (a x b) (a x b ) (b x a )
Esto hace posible encontrar el valor absoluto del error relativo del resultado dividiendo
ambos lados entre a x b.
Pgina | 119

(a * x b*) (a x b) b a b a
axb
b a
b
a
El error de propagacin relativo en valor absoluto en la multiplicacin es aproximadamente
igual o menor a la suma de los errores relativos de a y b en valor absoluto.
Divisin
Puede considerarse la divisin de a* y b* como sigue
a * /b* (a a ) / (b b ) (a a )
1
(b b )
Multiplicando numerador y denominador por
(b b )
(a a )(b b ) ab a b a b a b
(b b )(b b )
b 2 b2
a * / b*
Si, como en la multiplicacin, se considera el producto
b2
razones, a
a * / b*
a b muy pequeo y por las mismas
y se desprecian, se tiene:
ab a b a b
a a a b
2 2
2
2
b
b
b
b
b
b
El error es entonces:
a*/b*
a a a b
2
b
b
b
Dividiendo entre a/b se obtiene el error relativo. Al tomar el valor absoluto del error relativo,
se tiene
a a b
a
2
b b
b a b a b
a/b
a/b
b
b
a
a
a*/b*
Se concluye que el error de propagacin relativo del cociente en valor absoluto es

aproximadamente igual o menor a la suma de los errores relativos en valor absoluto de a y b.
Pgina | 120

3.1.5. Error de truncamiento y serie de Taylor
Errores de truncamiento.
Los errores de truncamiento son aquellos que resultan al usar una sucesin finita o infinita de
pasos en el cual se realizan clculos para producir un resultado exacto, se trunca
prematuramente despus de un cierto nmero de pasos.
Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas:
7 2 . 645751311
2.64
Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de una
cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el nmero,
por lo que tambin cae en un error.
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de
un procedimiento matemtico exacto. Estos errores se regresan a la formulacin matemtica
usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial.
La serie de Taylor
La serie de Taylor da una formulacin para predecir el valor de la funcin en
de la funcin y de sus derivadas en una vecindad al punto
xi 1 en trminos
xi .
Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.
f ( xi 1 ) f ( xi )
Aproximacin de primer orden.
f ( xi 1 ) f ( xi ) f ( xi )h Donde h ( xi 1 xi )
Aproximacin de segundo orden.
f ( xi 1 ) f ( xi ) f ( xi )h
f ( xi ) 2
h
h ( xi 1 xi )
2!
Donde
De esta manera se puede agregar trminos adicionales para desarrollar la expansin completa
de la serie de Taylor.
Pgina | 121

f ( xi 1 ) f ( xi ) f ( xi )h
f ( xi ) 2 f ( n) ( xi ) n
h
h Rn
2!
n!
Se incluye un trmino residual para considerar todos los trminos desde n + 1 hasta el
infinito:
Rn
f ( n1) ( ) n1
h
(n 1)!
Donde el subndice n indica que el residuo es de la aproximacin a n-simo orden y es un

valor cualquiera de x que se encuentra en
xi y xi 1
Ejemplo:
Aproximaciones de un polinomio mediante la serie de Taylor.
Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para
aproximar la funcin:
f ( x) 0.1x4 0.15x3 0.5x2 0.25x 1.2 Desde el punto xi 0 y con h = 1. Esto es,
predecir el valor de la funcin en
xi 1 1.
Solucin:
Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1
Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta
f(1)=0.2. Por lo tanto el valor que se trata de predecir es 0.2.
Orden
Derivada
Aproximaciones
1.2
-0.25
0.95
-1
0.45
-0.9
0.3
-2.4
0.2
Ejemplo:
Pgina | 122

Uso de la serie de Taylor para aproximar una funcin que tiene un nmero infinito de
derivadas. sense los trminos de la serie de Taylor con n = 0 hasta 6 para aproximar:
f ( x) cos x
En x / 3 (60) con base al valor de f(x) y de sus derivadas alrededor del punto x / 4
(45) .Ntese que esto significa que
12
Solucin:
El valor exacto
f ( x) cos ( x)
f ( x) 0.5
3
Orden
Derivada
Aproximaciones
0.707106781
-Sen(x)
0.521986659
-cos(x)
0.497754491
Sen(x)
0.499869147
Cos(x)
0.500007551
-Sen(x)
0.500000304
-Cos(x)
0.499999988
Serie de Maclaurin
Los mtodos iterativos obtienen la solucin como resultado de una serie de aproximaciones
generadas sucesivamente a partir de una aproximacin inicial a la solucin.
Problema
La funcin exponencial se puede calcular usando:
x 2 x3 x 4
e 1 x
...
2! 3! 4!
x
Mientras ms trminos se le agreguen a la serie, la aproximacin se acercara ms y ms al

valor de x . La ecuacin anterior se le llama serie de Maclaurin.
Pgina | 123

Empezando con el primer trmino, e x = 1, y agregando un trmino a la vez, estmese el valor
de e 0.5 .
Despus que se agregue cada termin, calclense los ERP y a . Ntese que el valor real de
e 0.5 1.648721271 , agrguense trminos hasta que
a s
contempla tres cifras
significativas.
Solucin
s = (0.5 x 10 2 3 ) % = 0.05 %
Por lo tanto, se agregaran trminos a la serie hasta que a se menos que este nivel.
ER
p p*
p
si p 0
ERP (ER)100
aproximacionactual aproximacionanterior
x100
aproximacionactual
Ejemplo:
La expansin en serie de Maclaurin para el cos x es:
x2 x4 x6 x8
Cosx
2! 4! 6! 8!
Iniciando con el primer trmino Cos x = 1 , agrguense los trminos uno a uno para
Estimar
cos
3 . Despus que se agregue cada uno de los trminos, calclense los errores
porcentuales relativos, exactos y aproximados .sense una calculadora para determinar el

valor exacto. Agrguense trminos hasta el valor absoluto del error aproximado falle bajo
cierto criterio de error, considerando dos cifras significativas.
Solucin:
Pgina | 124

0.5
cos
s = (0.5 x 10 2 2 ) % = 0.5 %
3.2 Races de ecuaciones

3.2.1. Mtodo grfico
Es mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) = 0, consiste en
graficar y observar en donde cruza el eje x. Este punto, que representa el valor de x para el
cual f(x) = 0, proporciona una aproximacin inicial de la raz.
Ejemplo:
Emplese grficas para obtener una raz aproximada de la siguiente funcin:
f ( x) e x x
x 0.2 a 1.1
Solucin.
Usando matlab
>> x=-0.2:0.1:1.1;
>> y=(exp(-x))-x;
>> plot(x,y)
>> grid on
1.5
0.5
-0.5
-1
-0.2
0.2
0.4
0.6
0.8
1.2
Ejemplo: Grafquese el siguiente vector
Pgina | 125
Ejemplo: Grafquese el siguiente vector
Pgina | 126

Ttulos, etiquetas.
plot(x,y)
title(Experimento de laboratorio 1)
xlabel(Tiempo, seg)
ylabel(Distancia, pies)
grid on
ejemplo: Grafiquese la siguiente funcin f ( x) x2 con x = -5 hasta x = 5
Ejemplo: Grafquese los vectores
Pgina | 127
Ejemplo: Grafiquese las siguientes funciones sobre los mismos ejes. f ( x) x2 ;
g ( x) x3 con
x = -10 hasta x = 10, con h = 0.1

Usando MatLab:
>> clear
>> x=-10:0.1:10;
>> y=x.^2;
>> z=x.^3;
>> plot(x,y,x,z)
>> xlabel('Eje x')
>> ylabel('Eje y')
>> title('Grafica de dos funciones')
Grafica de dos funciones

1000
800
600
400
Eje y
200
0
-200
-400
-600
-800
-1000
-10
-8
-6
-4
-2
0
Eje x
10
Pgina | 128

Ejemplo: Graficar las dos funciones trigonometricas. y sin(t );
y cos(t ) con valor de x =0
hasta x = 2*pi, con h = pi/100
Usando MatLab:
>> t=0:pi/100:2*pi; %intervalo
>> y1=sin(t); %primera funcion
>> plot(t,y1,'g') % Grafica de la primera funcion, color verde
>> y2=cos(t); %segunda funcion
>> hold on %mantiene fija la grafica
>> plot(t,y2,'r') %grafica de la segunda funcion, color rojo
>> xlabel('Tiempo') % Etiqueta del eje x
>> ylabel('Magnitud') %etiqueta eje Y
>> title('Grafica de dos funciones trigonometricas')
Grafica de dos funciones trigonometricas
1
0.8
0.6
0.4
Magnitud
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
Tiempo
Ejemplo:
Emplese grficas para obtener una raz aproximada de la siguiente funcin:
f ( x) Sin(10 x) Cos(3x)
x 5, 4.9..5
Pgina | 129
Ejemplo.
Para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m =
68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t = 10 s. Nota la
aceleracin de la gravedad es 9.8 m/s 2 . Determine su grfica.
t
gm
vt
1 e m
Solucin:
Este problema se resuelve determinando la raz de la ecuacin usando los parmetros:
t = 10, g = 9.8, v = 40 y m = 68.1
t
gm
f c
1 e m v
10
9.8(68.1)
f (c)
1 e 68.1 40
3.2.2. Mtodos cerrados. Biseccin. Regla Falsa. Otros mtodos

Mtodo del intervalo
Cuando para encontrar la solucin a una ecuacin, digamos f(x) = 0 partimos de un intervalo
a, b dentro del cual sabemos que se encuentra la solucin, y paso a paso reducimos dicho
intervalo hasta obtener an , bn tal que bn an para 0 como la tolerancia, decimos que
hemos utilizado un mtodo de intervalo o mtodo cerrado.
A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos valores
inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o estar uno de
cada lado de la raz. Los mtodos particulares descritos sobre este punto emplean diferentes
estrategias para reducir sistemticamente el tamao del intervalo y as converger a la
respuesta correcta. Adems de la utilidad de los mtodos grficos para determinar valores
inciales, tambin son tiles para visualizar las propiedades de las funciones y el
comportamiento de los mtodos numricos.
Pgina | 130

Biseccin
Es un mtodo de bsqueda incremental se aprovechan de esta caracterstica para localizar un
intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de signo, se
logra ms exactamente dividiendo el intervalo en una cantidad definida de subintervalos.
El mtodo de biseccin conocido tambin como de corte binario, de particin en dos
intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el
intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se evala
el valor de la funcin en el punto medio. La posicin de la raz se determina situndola en el
punto medio del subintervalos dentro del cual ocurre un cambio de signo. El proceso se repite
hasta obtener una mejor aproximacin.
Criterio de convergencia.
Si el intervalo original es de tamao a y el criterio de convergencia aplicado al valor absoluto
de la diferencia de dos xr consecutivas es , entonces se requerirn n iteraciones, donde n se
calcula con la igualdad de la expresin
2n
Despejando el valor de n
a
ln
2n
ln a ln 2n ln
ln a ln n ln 2
ln
ln a ln ln xu x1 ln
ln 2
ln 2
Nos resulta:
ln a ln
ln 2
Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren. O bien se
puede utilizar el siguiente criterio de convergencia Ea
EA aproxactual aproxanterior
Pgina | 131

Algoritmo
Paso 1: Elija los valores inciales inferior x1 y xu de forma tal que la funcin cambie de signo
sobre el intervalo. Esto se puede verificar asegurndose de que:
f x1 f xu 0 Entonces hay al menos una raz entre x1 y xu , ir al paso 2.
f x1 f xu 0 Entonces, no tiene raz entre x1 y xu , cambiar el intervalo o pase al paso 4.

Paso 2: La primera aproximacin a la raz X, se determinan como:
xr
x1 xu
2
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalos cae la raz
a ) f x1 f xr 0 ; Entonces la raz se encuentra dentro del subintervalos inferior o

izquierdo. Por lo tanto, tome xu xr y continu en el paso 2.
b ) f x1 f xr 0 ; Entonces la raz se encuentra dentro del subintervalos superior o

derecho. Por lo tanto, tome x1 xr y continu en el paso 2.
c) f x1 f xr 0 ; La raz es igual a xr ; termina el clculo. Pase al paso 4

Paso 4: Fin del calculo
Problema
Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
x
f( x) e x
error
0.001
x1
xu
Solucin:
Usando excel
Problema:
Pgina | 132

Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
f( x) cos( x) ln( x)
error 0.001
x1 1
xu 2
Solucin:
Usando matlab
%Metodo de Biseccion
%Elaboro: MTI. Ulises Girn Jimnez
%Fecha: Marzo 18, 2014
clc; %Borrar
fprintf('\nCalculo de la raiz de una ecuacion por el metodo de
Biseccion\n\n');
Fx=input('Ingrese la funcion: ','s'); %funcin inicial f(x)
x1=input('Ingrese x1: '); %valor inicial X1
xu=input('Ingrese xu: '); %valor final Xu
e=input('Ingrese el error: '); %el valor del error
x=x1;
Fx1=eval(Fx); %funcion f(x1)
x=xu;
Fxu=eval(Fx); %funcion f(xu)
while abs(xu-x1)>e %criterio de paro
xr=(x1+xu)/2; %formula de biseccin
x=xr; %raiz aproximada
Fxr=eval(Fx); %funcin f(xr)
if Fx1*Fxr<0
xu=xr; %subintervalo izquierdo
Fxu=Fxr;
else
x1=xr;
Fx1=Fxr;
end
end
fprintf('\n La raiz real por el metodo de biseccion sera %.8f\n',xr);
ezplot(Fx);%graficamos la funcion
grid on;
Pgina | 133
Regla Falsa
Aunque el mtodo de biseccin es una tcnica perfectamente vlida para determinar races, su
enfoque es relativamente ineficiente. Una alternativa mejorada es la de del mtodo de la regla
falsa (falsa posicin) est basada en una idea para aproximarse en forma ms eficiente a la
raz. Un defecto del mtodo de biseccin es que al dividir el intervalo x1 a xu en mitades
iguales, no se toma en consideracin la magnitud de f ( x1 ) y de f ( xu ) .
Por ejemplo, si f ( x1 ) est mucho ms cerca de cero que f ( xu ) , es lgico que la raz se
encuentra ms cerca de x1 que de xu . Este mtodo alternativo aprovecha la idea de unir los
puntos con una lnea recta. La interseccin de la lnea con el eje de las x proporciona una
mejor estimacin de la raz. El reemplazamiento de la curva por una lnea recta da una
posicin falsa de la raz , de aqu el nombre de mtodo de la regla falsa o en latn , regula
falsi. Tambin se le conoce como mtodo de interpolacin lineal. Con el uso de tringulos
semejantes, la interseccin de la lnea recta y el eje de las x se puede calcular de la siguiente
manera:
f x1
f xu
xr x1 xr xu
Figura: esquema grafico del mtodo de la regla falsa. La frmula se deriva de los tringulos
semejantes (reas sombreadas)
Multiplicando en cruz la ecuacin se obtiene
f ( x1 )xr xu f xu xr x1
Agrupando trmino y reordenando
Pgina | 134

xr f x1 f xu xu f x1 x1 f xu
Dividiendo entre f x1 f xu
xr
xu f x1 x1 f xu
f x1 f xu
Se puede ordenar de una manera alternativa:
xr
f x1 xu
f xu x1
f x1 f xu f x1 f xu
Sumando y restando xu del lado derecho
xr xu
f x1 xu
f xu x1
xu
f x1 f xu
f x1 f xu
Agrupando trminos se obtiene
xr xu
f xu xu
f xu x1
f x1 f xu f x1 f xu
xr xu
f xu x1 xu
f x1 f xu
Esta es la frmula de la regla falsa. El algoritmo es idntico al de la biseccin con la excepcin

de que la ecuacin se usa en los pasos 2. Adems se usan los mismos criterios de paro para
detener los clculos.
Algoritmo
Paso 1: Elija los valores inciales inferior x1 y xu de forma tal que la funcin cambie de signo
sobre el intervalo. Esto se puede verificar asegurndose de que:
f x1 f xu 0 Entonces hay al menos una raz entre x1 y xu , ir al paso 2.
f x1 f xu 0 Entonces, no tiene raz entre x1 y xu , cambiar el intervalo o pase al paso 4.

Paso 2: La primera aproximacin a la raz X, se determinan como:
Pgina | 135

xr xu
f xu x1 xu
f x1 f xu
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalos cae la raz
a ) f x1 f xr 0 ; Entonces la raz se encuentra dentro del subintervalos inferior o

izquierdo. Por lo tanto, tome xu xr y continu en el paso 2.
b ) f x1 f xr 0 ; Entonces la raz se encuentra dentro del subintervalos superior o

derecho. Por lo tanto, tome x1 xr y continu en el paso 2.
c) f x1 f xr 0 ; La raz es igual a xr ; termina el clculo. Pase al paso 4

Paso 4: Fin del calculo
Ejemplo:
Utilice el mtodo de falsa posicin para encontrar la raz real de la siguiente funcin:
x
f( x) e x
error
0.01
x1
xu
Solucin:
Ejemplo:
Utilice el mtodo de falsa posicin para encontrar la raz real de la siguiente funcin:
f( x) cos( x) ln( x)
error 0.001
x1 1
xu 2
Solucin:
Usando matlab
%Metodo de Falsa posicin
%Elaboro: MTI. Ulises Girn Jimnez
clc;
fprintf('\nCalculo de la raiz de una ecuacion por el metodo de falsa
posicin\n\n');
Fx=input('Ingrese la funcion: ','s'); %Funcin f(x)
x1=input('Ingrese x1 : '); %valor inicial x1
xu=input('Ingrese xu : '); %valor final xu
e=input('Ingrese el error : ');%Error
Pgina | 136

x=x1;
Fx1=eval(Fx);
x=xu;
Fxu=eval(Fx);
while abs(xu-x1)>e %Criterio de paro
xr=xu-((Fxu*x1-Fxu*xu)/(Fx1-Fxu)); %formula de falsa posicion
x=xr; %raiz aproximada
Fxr=eval(Fx);
if Fx1*Fxr<0
xu=xr; %subintervalo izquierdo
Fxu=Fxr;
else
x1=xr;
Fx1=Fxr;
end
end
fprintf('\nEl resultado del metodo de falsa posicion sera %.8f\n',xr);
ezplot(Fx);%graficamos la funcion
grid on;
Otros mtodos
Condicin de Lipschitz
Definicin. Condicin de Lipschitz. Una funcin f(x) definida en el intervalo [a,b] se dice que
satisface una condicin de Lipschitz, si existe una constante L > 0 tal que
f x1 f x2 L x1 x2
Para cualquier par de nmeros x1 , x2 a, b .
Observamos que cualquier funcin f(x) donde la expresin
f x1 f x2
x1 x2
Se puede simplificar a
k
g x1 , x2
Donde K es una constante y el valor de g x1 , x2 se pueda hacer arbitrariamente pequeo
para x1 , x2 a, b , no puede satisfacer una condicin de Lipschitz.
Pgina | 137

Si f ( x) C1 a, b (es decir, si f ( x) existe y es continua) entonces f(x) satisface tambin una
condicin de Lipschitz. Esto se cumple ya que, por el teorema de valor medio para derivadas
una c entre x1 y x2 tal que:
f (c)
f ( x1 ) f ( x2 )
x1 x2
Y entonces
f x1 f x2 f (c)( x1 x2 ) L x1 x2
Para cualesquiera
x1 , x2 a, b
3.2.3. Mtodos abiertos. Iteracin de punto fijo. Mtodo de la secante. NewtonRaphson
Iteracin de punto fijo
El mtodo de aproximaciones sucesivas, mtodo iterativo y tambin conocido como mtodo
de punto fijo, es uno de los mtodos ms sencillos e ilustra (a diferencia del mtodo de
biseccin) el caso cuando no se tiene garanta de obtener la solucin. Por tal motivo, el tema
central aqu es el concepto de convergencia de una sucesin de aproximaciones.
Definicin. (Velocidad de convergencia). Sea
xn n1
una sucesin de aproximaciones que
convergen a s, de forma que lim xn s . Si la sucesin de errores n n 1 (donde n xn s )
satisface.
lim
n
n1
n
k, k 0
Para alguno nmeros fijos, K, entonces es el orden de convergencia para xn , y K es la

constante asinttica o factor de convergencia.
En base a la definicin anterior, destacamos los casos para cundo 1 y 2 que
corresponden a convergencia lineal, y convergencia cuadrtica respectivamente.
Pgina | 138
Mtodo de la Secante
Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin de
la derivada. Aunque esto no es un inconveniente para los polinomios y para muchas otras
funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de evaluar.
En estos casos la derivada se puede aproximar mediante una diferencia dividida, como la
figura
Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de Newton Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando una tangente
de la funcin hasta el eje x. Sin embargo, el mtodo de la secante usa una diferencia en vez de
la derivada para aproximar la pendiente.
Por lo tanto el mtodo de la secante
xi 1 xi
xi xi1 f xi
f xi f xi 1
xi 1 xi
Ejemplo.
Utilice el mtodo de la secante para obtener la raz real de la funcin
f ( x) x 3 2x 2 10 x 20
xi 1 xi 103
xi 1 0
xi 1
Solucin:
Pgina | 139
Usando matlab
%Mtodo de la secante
%MTI. Ulises Girn Jimnez
clear all;
clc;
fprintf('\nCalculo de la raiz de una ecuacion por el metodo de la
Secante\n\n');
f=input('Dame la funcion f(x) : ','s');
x0=input('Dame el valor del intervalo inferior de x : ');
x1=input('Dame el valor del intervalo superior de x : ');
e=input('Dame el porciento del error : ');
ea=1000;
c=1;
while ea>e
x=x0;
g=eval(f);
x=x1;
gg=eval(f);
xi=x1-((gg*(x0-x1))/(g-gg));
ea=abs((xi-x1)/xi)*100;
x0=x1;
x1=xi;
c=c+1;
end
fprintf('\n\n\n\nLa raiz exacta es: %d',xi)
fprintf('\n\nNumero de iteraciones: %d\n',c);
Newton Raphson
Es una de las frmulas ms ampliamente usadas para localizar races, si el valor inicial de la
raz es Xi, entonces se puede extender una tangente desde el punto [Xi, f (Xi) ]. El punto donde
esta tangente cruza el eje X, representa una aproximacin mejorada de la raz. El mtodo de
Newton-Raphson se puede obtener sobre la base de una interpretacin geomtrica, la primera
derivada en X es equivalente a la pendiente
Pgina | 140
f xi
f xi 0
xi xi 1
Que se puede ordenar para obtener
xi 1 xi
f xi
f xi
La cual es conocida como frmula de Newton - Raphson.
Ejemplo.
Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin
f ( x) x 3 2x 2 10 x 20 xi 1 xi 103
xi 0 i 0
Solucin:
Ejemplo.
Use
el
f ( x)
mtodo
de
Newton
Raphson
para
encontrar
la
raz
de
la
ecuacin
3x 2 18 x 15
, con un punto inicial de 8, con un error de aproximacin Ea 0.01 .
5
Solucin:
Pgina | 141

3.2.4. Races mltiples
Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje x. Por ejemplo,
una raz doble resulta de f ( x) ( x 3)( x 1)( x 1)
O, multiplicando trminos,
f ( x) x3 5x2 7 x 3
La ecuacin tiene una raz doble porque un valor de x hace que dos trminos de la ecuacin
Sean igual a cero. Grficamente, esto significa que la curva toca en forma tangencial al eje x en la
raz doble.
Figura: Ejemplos de races mltiples que son tangentes al eje x. obsrvese que la funcin no cruza
el eje en casos de races mltiples pares a) y c), mientras que para multiplicidad impar si lo hace b)
Vase la figura a en x = 1. Observe que la funcin toca al eje pero no la cruza en la raz.
Una raz triple corresponde al caso en que un valor x hace que tres trminos en una ecuacin sea
igual a cero, como en f ( x) ( x 3)( x 1)( x 1)( x 1)
O, multiplicando los trminos
f ( x) x4 6x3 12x2 10x 3

Advierta que el esquema grafico ( vase la figura b) indica otra vez que la funcin es tangente al
eje la raz, pero que en este caso si cruza el eje. En general la multiplicidad impar de races cruza el
Pgina | 142

eje, mientras que la multiplicidad par no la cruza. Por ejemplo, la raz cudruple en la figura c no
cruza el eje.
Las races mltiples ofrecen ciertas dificultades a los mtodos numricos expuestos en la parte
dos:
1. El hecho de que la funcin no cambia de signo en races mltiples pares impide el uso de
los Metodos confiables que usan intervalos. De esta manera, de los mtodos incluidos en
este texto, los abiertos tiene la limitacin de que pueden ser divergentes.
2. Otro posible se relaciona con el hecho de que no solo f(x), sino tambin f (x) se aproxima
a cero. Estos problemas afectan a los mtodos de Newton Raphson y al de la secante,
los cuales contienen derivadas en el denominador de sus respectivas formulas. Esto
provocara una divisin entre cero cuando la solucin converge muy cercana a la raz.
3. Se puede demostrar que el mtodo de Newton Raphson y el mtodo de la secante
convergen en forma lineal en vez de cuadrtica, cuando hay races mltiples:.
El Mtodo de Newton-Raphson es ampliamente utilizado para encontrar las races de la

ecuacin f(x) = 0, ya que converge rpidamente, la contra es que uno debe conocer la derivada
de f(x) y se necesita una aproximacin inicial a la raz.
Permite aproximar las primeras N iteraciones en el mtodo de Newton-Raphson modificado

aplicado a la funcin f tomando como aproximacin inicial x0. Observe que no requiere construir
la funcin M definida en el mtodo de Newton-Raphson modificado
xi 1 xi
f ( xi ) f ( xi )
f ( xi )2 f ( xi ) f ( xi )
Algoritmo
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta tangente. Sabemos que
tiene pendiente
Pgina | 143

m f ( xi )
Y por lo tanto la ecuacin de la recta tangente es:
y f ( xi ) f ( xi )( x xi )
Hacemos y=0:
f ( xi ) f ( xi )( x xi )
Y despejamos x:
x xi
f ( xi )
f ( xi )
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin:
xi 1 xi
f ( xi )
si f ( xi ) 0
f ( xi )
Se puede derivar la ecuacin.
xi 1 xi
f ( xi ) f ( xi )
f ( xi )2 f ( xi ) f ( xi )
Ejemplo:
Mtodo de Newton Raphson modificado para el clculo de races mltiples.
Enunciado del problema. Use los dos mtodos, el estndar y el modificado, de Newton Raphson
para evaluar la raz mltiple de la ecuacin con valor inicial de x0 0 con
.
E = 0.001, la funcin es f ( x) x3 5 x 2 7 x 3
Solucin
La derivada es:
f ( xi ) 3x 2 10 x 7
Y por lo tanto, el mtodo de Newton Raphson para este problema es
Pgina | 144

xi3 5 xi2 7 xi 3
xi 1 xi
3xi2 10 xi 7
Que se puede resolver iterativamente para obtener:
Como ya se haba anticipado, el mtodo converge en forma lineal hasta el valor verdadero de 1.0.
Para el caso del mtodo modificado, la segunda derivada es f ( xi ) 6x 10 y la relacin
iterativa es:
xi 1 xi
( xi3 5 xi2 7 xi 3)(3xi2 10 xi 7)

(3xi2 10 xi 7)2 ( xi3 5 xi2 7 xi 3)(6 xi 10)
Que se puede resolver para obtener :
3.2.5. Races de polinomios. Mtodo de Mller. Mtodo de Bairstow

Mtodo de Mller.
Un mtodo deducido por Mller, se ha puesto en prctica en las computadoras con xito
sorprendente. Se puede usar para encontrar cualquier tipo de raz, real o compleja, de una funcin
arbitraria. Converge casi cuadrticamente en un intervalo cercano a la raz y a diferencia del
mtodo de Newton Raphson, no requiere la evaluacin de la primera derivada de la funcin y
obtiene races reales y complejas aun cuando estas races sean repetidas.
Pgina | 145

La aplicacin del mtodo requiere valores iniciales y es una extensin del mtodo de la secante, el
cual aproxima la grfica de la funcin f(x) por una lnea recta que pasa por los puntos
( xi 1, f ( xi 1 )) y ( xi , f ( xi )).
El mtodo de la secante obtiene races de una funcin estimando una proyeccin de una lnea
recta en el eje de las x, a travs de los valores de la funcin. El mtodo de Mller, trabaja de
manera similar, pero en lugar de hacer la proyeccin de una recta utilizando dos puntos, requiere
de tres puntos para calcular una parbola.
Para esto necesitaremos de tres puntos
[X0, f(X0)], [X1, f(X1)] y [X2, f(X2)]. La aproximacin la
podemos escribir como:

f2(x) = A(x x2)2 + B(x x2) + C
Los coeficientes de la parbola los calculamos resolviendo el siguiente sistema de ecuaciones.
f2(x0) = A(x0 x2)2 + B(x0 x2) + C
f2(x1) = A(x1 x2)2 + B(x1 x2) + C
f2(x2) = A(x2 x2)2 + B(x2 x2) + C
De la ltima ecuacin podemos ver que el calor de C = f2(x2). Sustituyendo los valores de C en las
otras dos ecuaciones tenemos:
f2(x0)- f2(x2) = A(x0 x2)2 + B(x0 x2)
f2(x1) - f2(x2) = A(x1 x2)2 + B(x1 x2)
Si definimos
h0 = x1 - x0
h1 = x2 x1
d0 = [f(x1) f(x0)]/[x1 x0]
d1 = [f(x2) f(x1)]/[x2 x1]
Sustituyendo en las ecuaciones tenemos
-(d0* h0 + d1* h1)= A(h1 + h0 )2 - B(h1 + h0 )
-d1* h1 = A(h1)2 - Bh1
Pgina | 146

La solucin de este sistema de ecuaciones es:
A = (d1 d0)/(h1 + h0)

B = Ah1 + d1
C = f(x2)
Ahora para calcular la raz del polinomio de segundo grado, podemos aplicar la formula
general. Sin embargo, debido al error potencial de redondeo, usaremos una formulacin
alternativa.
Ejemplo.
Use el mtodo de Mller con los valores iniciales de 4.5, 5.5 y 5 para determinar la raz de la
ecuacin f(x) = x3 13x 12.
x0
x1
x2
f(x0)
f(x1)
f(x2)
x3
4.50000 5.50000 5.00000 20.62500 82.87500 48.00000 3.97649

5.50000 5.00000 3.97649 82.87500 48.00000 -0.81633 4.00105
5.00000 3.97649 4.00105 48.00000 -0.81633 0.03678
4.00000
3.97649 4.00105 4.00000 -0.81633 0.03678
4.00000
0.00002
Mtodo de Bairstow
El mtodo de Bairstow es un mtodo iterativo, basado en el mtodo de Mller y de Newton
Raphson. Dado un polinonio fn(x) se encuentran dos factores, un polinomio cuadrtico f2(x) = x2
rx s y fn-2(x). El procedimiento general para el mtodo de Bairstow es:
Dado fn(x) y r0 y s0
Utilizando el mtodo de NR calculamos f2(x) = x2 r0x s0 y fn-2(x), tal que, el residuo

de fn(x)/ f2(x) sea igual a cero.
Se determinan la races f2(x), utilizando la formula general.
Se calcula fn-2(x)= fn(x)/ f2(x).
Hacemos fn(x)= fn-2(x)
Si el grado del polinomio es mayor que tres regresamos al paso 2
Pgina | 147
Si no terminamos
La principal diferencia de este mtodo, respecto a otros, es que permite calcular todas las races
de un polinomio (reales e imaginarias).
Para calcular la divisin de polinomios, hacemos uso de la divisin sinttica. As dado

fn(x) = anxn + an-1xn-1 + + a2x2 + a1x + a0
Al dividir entre f2(x) = x2 rx s, tenemos como resultado el siguiente polinomio
fn-2(x) = bnxn-2 + bn-1xn-3 + + b3x + b2
con un residuo R = b1(x-r) + b0, el residuo ser cero solo si b1 y b0 lo son.
Los trminos b, los calculamos utilizamos divisin sinttica, la cual puede resolverse utilizando la
siguiente relacin de recurrencia
bn = an
bn-1 = an-1 + rbn
bi = ai + rbi+1 + sbi+2
Una manera de determinar los valores de r y s que hacen cero el residuo es utilizar el Mtodo de
Newton-Raphson. Para ello necesitamos una aproximacin lineal de b1 y b0 respecto a r y s la cual
calculamos utilizando la serie de Taylor
donde los valores de r y s estn dados y calculamos los incrementos dr y ds que hacen a b1(r+dr,
s+ds) y b0(r+dr, s+dr) igual a cero. El sistema de ecuaciones que tenemos que resolver es:
Pgina | 148
Bairtow muestra que las derivadas parciales pueden obtener haciendo un procedimiento similar a
la divisin sinttica, as
cn = bn
cn-1 = bn-1 + rcn
ci = bi + rci+1 + sci+2
donde
Sustituyendo trmino
Ejemplo 1
Dado el polinomio f5(x) = x5 - 3.5x4 + 2.75x3 + 2.125x2 - 3.875x + 1.25, determinar los valores de r
y s que hacen el resido igual a cero. Considere r0 = -1 ys0 = 2.
Solucin.
Iteracin 1.
La divisin sinttica con el polinomio f2(x) = x2 -x + 2.0 da como resultado
f3(x) = x3 - 4.5x2 + 9.25x - 16.125
Residuo = {30.75, -61.75}
Aplicando el mtodo de Newton tenemos
-43.875
16.75
dr
-30.75
108.125
-43.875
ds
61.75
de donde
r1 = -1.0 + 2.7636812508572213 =1.7636812508572213
s1 = 2.0 + 5.403374022767796 =7.403374022767796
Pgina | 149
Iteracin 2.
La divisin sinttica con el polinomio f2(x) = x2 -1.7636812508572213x - 7.403374022767796 da
como resultado
f3(x) = x3 - 1.7363187491427787x2 + 7.091061199392814x - 1.776754563401905
Residuo = {51.75640698828836, 105.68578319650365}
27.628006
14.542693
dr
-51.75640
208.148405
27.62800
ds
-105.68578
de donde
r2 = 1.7636812508572213 - 0.04728019113442016 = 1.7164010597228012
s2 = 7.403374022767796 - 3.469106187802152 = 3.934267834965644
Iteracin 3.
La divisin sinttica con el polinomio f2(x)= x2 - 1.7164010597228012x - 3.934267834965644 da
como resultado
f3(x) = x3 - 1.7835989402771988x2 + 3.622896723753395x + 1.3261878347051992
Residuo = {12.654716254544885, 28.1881465309956}
13.83497
7.44182
dr
-12.65471
65.679212
13.83497
ds
-28.18814
de donde
r3 = 1.7164010597228012 - 0.11666951305731528 = 1.599731546665486

s3 = 3.934267834965644 - 1.4835870659929915 = 2.4506807689726524
Pgina | 150

En resumen
k
Residuo
-1
30.75
-61.75
1.76368
7.403374
51.756406
105.68578
1.71640
3.93426
12.65471
28.18814
1.599731
2.450680
2.89958
8.15467
1.33354
2.18666
0.760122
2.522228
1.11826
2.11302
0.271940
0.607688
1.02705
2.02317
0.04313
0.11185
1.00165
2.00153
0.00277
0.00634
1.00000
2.00000
1.13930E-5
2.67534E-5
La solucin es:
f3(x) = x3 - 2.53x2 + 2.25x - 0.625 y f2(x) = x2 - x - 2
Las races de f2(x) = x2 - x - 2, son
x1 = 2
x2 = -1
Si repetimos el ejemplo pero ahora considerando el polinomio f3(x) = x3 - 2.53x2 + 2.25x - 0.625 ,
podemos calcular el total de las races del polinomio original.
3.3 Solucin de sistemas de ecuaciones lineales y no lineales.

3.3.1. Mtodos para solucin de ecuaciones lineales. Jacobi. Gauss- Seidel. GaussJordn. Otros mtodos
Jacobi
El mtodo de Jacobi es un proceso simple de iteraciones de punto fijo en la solucin de races de

una ecuacin. La iteracin de punto fijo tiene dos problemas fundamentales:
Algunas veces no converge
Cuando lo hace, es a menudo, muy lento.
Pgina | 151

El mtodo Jacobi tambin puede tener esas fallas.
Esquema grafico que muestra el mtodo de iteracin de Jacobi, en la solucin de ecuaciones
algebraicas lineales simultaneas.
a,i
xik xik 1
*100 s
xik
Ejemplo: resuelva el siguiente sistema por el mtodo de Jacobi
4 x1 x2 1
x1 4 x2 x3 1
x 2 4 x3 x 4 1
x3 4 x 4 1
Con
s 0.01
a,i
xik xik 1
*100 s
xik
Despejando las ecuaciones
x1
x2 1
4
x2
x k 1 x k d1
x1 x3 1
4
d1
x3
k 1
1
x1k
x2 x4 1
4
x
2
k 1
2
x2k
x4
x3 1
4
... xnk 1 xnk
Pgina | 152
Problema: Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH, existen
tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin de estos
depsitos viene dada en la siguiente tabla. Cuantas m3 debe tomar de cada depsito para
cumplir con las necesidades requeridas?. Use el mtodo de Jacobi con E = 0.01
Solucin:
Solo se muestran una parte de la tabla de donde se realizaron los clculos, el motivo es porque es
muy extensa la tabla, por lo tanto, los datos que necesitbamos, son los siguientes:
3
Depsito 1: 3744.76489 m
Pgina | 153

3
Depsito 2: 7071.74137 m
3
Depsito 3: 5753.48.485772 m
Problemas
Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Jacobi con 10 2
x1 3x2 5x3 2 x4 10
x1 9 x2 8x3 4 x4 15
x2 x4 2
2 x1 x2 x3 x4 3
Gauss Seidel
Los mtodos iterativos o aproximados proveen una alternativa en los mtodos de eliminacin. El
mtodo de Gauss-Seidel es el mtodo iterativo ms comnmente usado. Suponga que se da un
conjunto de n ecuaciones:
Ax B
a,i
xik xik 1
*100 s
xik
Para toda la i, donde j y j-1 son las iteraciones actuales y previas.
Como cada nuevo valor de x se calcula con el mtodo de Gauss-Seidel, este se usa
inmediatamente en la siguiente ecuacin para determinar otro valor de x. De esta manera, si la
solucin es convergente, se empleara la mejor estimacin posible.
Pgina | 154
Ejemplo: resuelva el siguiente sistema por el mtodo de Gauss Seidel
4 x1 x2 1
x1 4 x2 x3 1
x 2 4 x3 x 4 1
x3 4 x 4 1
Con
s 0.01
a,i
xik xik 1
*100 s
xik
Despejando las ecuaciones
x1
x2 1
4
x2
x k 1 x k d1
x1 x3 1
4
d1
x3
x2 x4 1
4
x1k
k 1
1
x
2
k 1
2
x4
x2k
x3 1
4
... xnk 1 xnk
Problema: Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH, existen
tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin de estos
Pgina | 155

depsitos viene dada en la siguiente tabla. Cuantas m3 debe tomar de cada depsito para
cumplir con las necesidades requeridas ? . Use el mtodo de gauss Seidel con E = 0.01
Solucin:
0.52 x1 0.20 x2 0.25x3 4800

0.30 x1 0.50 x2 0.20 x3 5810
0.18x1 0.30 x2 0.55x3 5960
Gauss Jordn
Problema: Resolver el siguiente sistema de ecuaciones usando el mtodo de Gauss Jordn.
2 x1 3x2 x3 0
2 x2 x3 1
x1 x3 0
Solucin.
Pgina | 156
Donde los valores de x1 , x2 , x3 son:
x1
3
5
x2
1
5
x3
3
5
En mathcad
2 3 1 0
A 0 2 1 1
1 0 1 0
1 0 0 0.6
rref( A) 0 1 0 0.2
0 0 1 0.6
En matlab
Problema: Resolver el siguiente sistema de ecuaciones usando el mtodo de Gauss Jordn.
4 x1 9 x2 2 x3 5
2 x1 4 x2 6 x3 3
x1 x2 3x3 4
Pgina | 157
3.3.2. Mtodos de solucin de sistemas de ecuaciones no lineales. Iterativo

secuencial. Newton.
Mtodo iterativo secuencial
A continuacin se dan ejemplos:
a)
b)
f1 x1 , x2 x12 x22 4 0
f 2 ( x1 , x2 ) x2 x12 0
f1 ( x1, x2 ) 10( x2 x12 ) 0
f 2 ( x1 , x2 ) 1 x1 0
f ( x1 , x2, x3 ) x1 x2 x3 10 x13 x2 0
c) f ( x1 , x2, x3 ) x1 2 x2 x3 sen( x2 ) 15 0
f ( x1 , x2, x3 ) x22 5 x1 x3 3x33 3 0
Ejemplo:
Encuentre una solucin del sistema de ecuaciones no lineales
f1(x , y ) x 2 10x y 2 8 0
f 2 (x , y ) xy 2 x 10y 8 0
Solucin:
Despejar x
Despejar y
x2 y2 8
10
xy 2 x 8
10
Con la notacin de la ecuacin:
Pgina | 158

x
k 1
(x k )2 (y k )2 8
10
con los valores iniciales
k 1
x k (y k )2 (y k )2 8
10
x 0 0, y 0 0, se inicia el proceso iterativo
Primera iteracin
x1
02 02 8
0.8
10
y1
0(0)2 0 8
0.8
10
Segunda iteracin
x2
(0.8) 2 (0.8) 2 8
0.928
10
y2
0.8(0.8)2 0.8 8
0.9312
10
Al continuar el proceso iterativo, se muestra la siguiente sucesin de vectores:
xk
yk
0.00000
0.00000
0.80000
0.80000
0.92800
0.93120
0.97283
0.97327
0.98937
0.98944
0.99578
0.99579
0.99832
0.99832
0.99933
0.99933
0.99973
0.99973
0.99989
0.99989
10
0.99996
0.99996
11
0.99998
0.99998
Pgina | 159

12
0.99999
0.99999
13
1.00000
1.00000
Para observar la convergencia del proceso iterativo, se pudieron usar los criterios, como distancia
entre dos vectores consecutivos, o bien las distancias componente a componente de dos vectores
consecutivos.
Una condicin suficiente aunque no necesaria, para asegurar la convergencia es que
g1 g 2
g
g
M 1; 1 2 M 1
x
x
y
y
Por otro lado, si M es muy pequea en una regin de inters, la iteracin converge rpidamente; si
M es cercana a 1 en magnitud, entonces la iteracin puede converger lentamente.
g x
x k 1 g1 x k , y k
y
k 1
k 1
, yk
Sistemas de ecuaciones de Newton

El mtodo iterativo para sistemas de ecuaciones converge linealmente. Como en el mtodo de
una incgnita, puede crearse un mtodo de convergencia cuadrtica, es decir, el mtodo de
Newton Raphson multivariable, a continuacin se obtendr este procedimiento para dos
variables; la extensin a tres o ms variables es viable generalizando los resultados. Supngase
que se est resolviendo el sistema.
f 1 x, y 0
f 2 x, y 0
Pgina | 160

Donde ambas funciones son continuas y diferenciables, de modo que puedan expandirse en serie
de Taylor. Esto es:
f ( x, y) f (a, b)
f
f
1 2 f
2 f
2 f
( x a) ( y b) [
( x a) 2 2
( x a)( y b)
( y b) 2
x
x
2! xx
xy
xy
...
Donde f(x, y) se ha expandido alrededor del punto (a, b) y todas las derivadas parciales estn
evaluadas en (a, b).
Para simplificar an ms se cambia la notacin con
x k 1 x k h
y k 1 y k j
y as queda la ( k + 1) sima iteracin en trminos de la k sima , como se ve a continuacin:
x k 1 x k h
y k 1 y k j
la sustitucin de la ecuacin :
f1
f
h 1 j f1 ( x k , y k )
x
y
f 2
f
h 2 j f 2 (xk , y k )
x
y
El cual es un sistema de ecuaciones lineales en las incgnitas h y j.
Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el determinante
de la matriz de coeficiente o matriz j no sea cero; es decir, si
Pgina | 161

f1
x
J
f 2
x
f1
y
0
f 2
y
Interpretacin geomtrica del mtodo de Newton Raphson.

Desarrollemos en etapas esta interpretacin para un sistema de dos ecuaciones. Sea el sistema
f1 ( x, y) x 2 y 2 1
f 2 ( x, y) x 2 y 2 1
La grafica de f1 ( x, y) x y 1 se muestra en la figura 4.4.
2
Use el mtodo de Newton Raphson para encontrar una solucin aproximada del sistema:
f1(x , y ) x 2 10x y 2 8 0
f 2 (x , y ) xy 2 x 10y 8 0
f1
f1
2y
x 2 x 10
y
f
2
2 y2 1
2 xy 10
x
y
que aumentada en el vector de funciones resulta en:
Pgina | 162

f1
f1
2y
2
2
x 2 x 10
x 10 x y 8
y
2
f 2 y 2 1 f 2 2 xy 10 xy x 10 y 8
x
y
Primera iteracin
al evaluar la matriz en x 0 , y 0
se obtiene :
10 0 8
1 10 8
que al resolverse por eliminacin de Gauss da

h = 0.8, j = 0.88
al sustituir en la ecuacin se obtiene
x1 x 0 h 0 0.8 0.8
y1 y 0 j 0 0.88 0.88
Calculo de la distancia entre x 0 y x 1
x (1) x (0) (0.8 0) 2 (0.88 0) 2 1.18929
Segunda iteracin
al evaluar la matriz en x 1 , y 1
se obtiene :
8.400 1.7600 1.41440

1.7744 8.592 0.61952
Que al resolverse por eliminacin de Gauss da

h = 0.19179, j = 0.11171
al sustituir en la ecuacin se obtiene
x 2 x1 h 0.8 0.19179 0.99179

y 2 y 2 j 0.88 0.11171 0.99171
Calculo de la distancia entre x 1 y x 2
x (1) x (0) (0.99179 0.8) 2 (0.99171 0.88) 2 0.22190

Pgina | 163
Con la continuacin de este proceso iterativo se obtienen los resultados siguientes:
xk
yk
0.00000
0.00000
------
0.80000
0.88000
1.18929
0.99179
0.99171
0.22195
0.99998
0.99997
0.01163
1.00000
1.00000
0.00004
x k 1 x k
Problemas propuestos
Problema:
En una columna de cinco platos, se requiere absorber benceno contenido en una corriente de gas
V, con un aceite L que circula a contracorriente del gas. Considrese que el benceno transferido no
altera sustancialmente el nmero de moles de V y L, fluyendo a contracorriente, que la relacin de
equilibrio est dada por la ley de henry (y = mx) y que la columna opera a rgimen permanente.
Calcule la composicin del benceno en cada plato.
Datos: V = 100 moles / min;
L = 500 moles / min,
y0 0.09 Fraccin molar de benceno en V.
x0 0.0 Fraccin molar del benceno en L (el aceite entra por el domo sin benceno).
m = 0.12.
Pgina | 164

Solucin: los balances de materia para el benceno en cada plato son
Plato
Balance de benceno
5
4
3
2
1
L x 0 x5 V y 4 y 5 0
L x5 x 4 V y 3 y 4 0
L x 4 x3 V y 2 y 3 0
Lx3 x2 V y1 y 2 0
Lx2 x1 V y 0 y1 0
Al sustituir la informacin que se tiene, las consideraciones hechas y rearreglando las ecuaciones,
se llega a:
512 x1 - 500 x2 = 9
12 x1 - 512 x2 + 500 x3 = 0
12 x2 - 512 x3 + 500 x4 = 0
12 x3 - 512 x4 + 500 x5 = 0
- 12 x4 + 512 x5 = 0
Un sistema de cinco ecuaciones con cinco incgnitas, que se resuelve con mathcad como sigue:
0
0 9
512 500 0
12 512 500
0
0 0
A 0
12 512 500
0 0
0
0
12 512 500 0
0
0
12 512 0
0
rref( A) 0
0 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
4.32 10
5
1.037 10
7
2.487 10
9
5.829 10
0.018
Problema:
Con los datos del diagrama siguiente 8 donde los porcentajes estn dados en peso) , encuentre
posibles valores de la corriente M1 , M 2 , M 3 , si M 4 100kg
Solucin: Mediante balance de materia por componentes y global, se tiene:
Pgina | 165

Componente
Balance de materia
Etanol
0.83M 1 0M 2 0.55M 3 0.58M 4 0

0M 1 0.61M 2 0.24M 3 0.21M 4 0
0.17 M 1 0.39 M 2 0.21M 3 0.21M 4 0
M1 M 2 M 3 M 4 0
Metanol
Agua
Global
0.83M 1 0M 2 0.55M 3 58
0M 1 0.61M 2 0.24M 3 21
0.17 M 1 0.39M 2 0.21M 3 21
M1 M 2 M 3 M 4 0
0.83 0 0.55 58
A 0 0.61 0.24 21
0.17 0.39 0.21 21
1 0 0 19.014
rref( A) 0 1 0 4.225
0 0 1 76.761
Por lo tanto M1 19.014kg, M 2 4.225kg, M 3 76.761kg

Problema:
Un granjero desea preparar una formula alimenticia para engordar ganado, dispone maz,
desperdicios, alfalfa y cebada, cada uno con ciertas unidades de ingredientes nutritivos, de
acuerdo con la tabla siguiente:
Alimento
Maz
Desperdicios
Alfalfa
Cebada
Requerimientos
unidades / Kg.
Carbohidratos
80
15
35
60
230
Protenas
28
72
57
25
180
Vitaminas
20
20
12
20
80
Celulosa
50
10
20
60
160
Costo $
18
20
Pgina | 166

a) Determine los kilogramos necesarios de cada material para satisfacer el requerimiento
diario ( Presentado en la ltima columna)
b) Determine el costo de la mezcla.
( a)
80
28
A
20
50
15 35 60 230
1
0
rref( A)
0
0
72 57 25 180
10 20 60 160
20 12 20 80
0 0 0 1.852
1 0 0 1.032
0 1 0 0.618
0 0 1 0.745
1.852
1.032
kilogramos
0.618
0.745
( b)
Costo ( 18 5 7 20)
Total Costo kilogramos
Total ( 57.722)
Problema.
(Manufactura). R. S. C. L. S y Asociados fabrica tres tipos de computadora personal: Cicln, Cclope
y Cicloide. Para armar una Cicln se necesitan 10 horas, otras 2 para probar sus componentes y 2
horas ms para instalar sus programas. El tiempo requerido para la Cclope es 12 horas en su
ensamblado, 2.5 para probarla y 2 horas para instalarla. La Cicloide, la ms sencilla de la lnea,
necesita 6 horas de armado, 1.5 horas de prueba y 1.5 horas de instalacin. Si la fbrica de esta
empresa dispone de 1560 horas de trabajo por mes para armar, 340 horas para probar y 320 horas
para instalar, cuntas PC de cada tipo puede producir en un mes ?
Solucin:
Marcas
Ensamblado Pruebas Instalacin
Cicln
10
Cclope
12
2.5
Cicloide
1.5
1.5
1560
340
320
10 x 12 y 6 z 1560
2 x 2.5 y 1.5z 340
2 x 2 y 1.5z 320
Pgina | 167
Resuelta por el mtodo de Gauss Jordn
10 12 6 1560
A 2 2.5 1.5 340
2 2 1.5 320
1 0 0 60
rref( A) 0 1 0 40
0 0 1 80
Por consiguiente cada mes se pueden fabricar 60 Ciclones, 40 Cclopes y 80 Cicloides.
Problema.
(Cambio de moneda extranjera).Una empresaria internacional necesita, en promedio, cantidades
fijas de yenes japoneses, libras inglesas y marcos alemanes durante cada viaje de negocios. Este
ao viajo 3 veces. La primera vez cambio un total de $ 2550 dlar con las siguientes tasas: 100
yenes por dlar, 0.6 libras por dlar y 1.6 marcos por dlar. La segunda vez cambio $ 2840 dlar en
total con las tasas de 125 yenes, 0.5 libras y 1.2 marcos por dlar. La tercera vez, cambio un total
de $ 2800 dlar a 100 yenes, 0.6 libras y 1.2 marcos por dlar. Cuantos yenes, libras y marcos
compro cada vez?
Solucin:
1
1
1
x
y
z 2550
100
0.6
1.6
1
1
1
x
y
z 2840
125
0.5
1.2
1
1
1
x
y
z 2800
100
0.6
1.2
1
100
1
A
125
1
100
1
1
2550
0.6 1.6
1
1
2840
0.5 1.2
1
1
2800
0.6 1.2
1 0 0 80000
rref( A) 0 1 0 600
0 0 1 1200
En consecuencia, cada vez compro 80 000 yenes, 600 libras y 1200 marcos para viajar.
Pgina | 168

Problema:
(Clculo de una funcin demanda). Bikey, Inc., quiere fabricar un nuevo tipo de zapato deportivo,
poco costoso, e investiga el mercado de la demanda. Encuentra que si un par de zapatos nuevo
cuesta $ 20 en un rea de ingreso familiar promedio de $ 20000, y que si un competidor Trceps,
Inc., vende cada par de zapatos a $ 20, vendera 660 pares. Por otro lado, si el precio fuera igual y
Trceps bajara su precio a $10 el par, entonces, vendera 1130 pares en un rea de $ 30000 de
ingreso. Por ltimo, si el precio de los zapatos fuera $ 15 el par, y la competencia se queda en $ 20
el par, se vendera 1010 pares en un rea de $25000 de ingreso. Determine la funcin demanda,
suponiendo que depende linealmente de sus variables.
Solucin:
Sea D = a P + b I + c C . Deseamos conocer a, b y c.
20a 20000 b 20c 660

20a 30000 b 10c 1130
15a 25000 b 20c 1010
20 20000 20 660
A 20 30000 10 1130
15 25000 20 1010
1 0 0 20
rref( A) 0 1 0 0.05
0 0 1 3
Por consiguiente, la funcin demanda esta expresada por D 20 P 0.05I 3C
Problema:
(Soluciones qumicas). Se necesitan tres ingredientes distintos, A, B y C, para producir determinada
sustancia. pero deben disolverse primero en agua, antes de ponerlos a reaccionar para producir la
sustancia. La solucin que contiene A con 1.5 gramos por centmetros cbicos ( g / cm3 ),
combinada con la solucin B cuya concentracin es de 3.6 g / cm3 y con la solucin C con 5.3 g /
cm3 forma 25.07 g de la sustancia. si las proporciones de A, B y C en esas soluciones se cambian a
2.5, 4.3 y 2.4 g / cm3 , respectivamente ( permaneciendo iguales los volmenes ), se obtienen
22.36 g de la sustancia. Por ltimo, si las proporciones se cambian a 2.7, 5.5 y 3.2 g / cm 3 ,
respectivamente, se producen 28.14 g de la sustancia. Cules son los volmenes, en centmetros
cbicos, de las soluciones que contienen A, B y C?
Solucin:
Pgina | 169

1.5x 3.6 y 5.3z 25.07
2.5x 4.3 y 2.4 z 22.36
2.7 x 5.5 y 3.2 z 28.14
1.5 3.6 5.3 25.07

A 2.5 4.3 2.4 22.36
2.7 5.5 3.2 28.14
1 0 0 1.5
rref( A) 0 1 0 3.1
0 0 1 2.2
Por consiguiente, los volmenes correspondientes de las soluciones que contienen A, B y C son 1.5
cm3 , 3.1 cm3 y 2.2 cm3.
Problema.
Un ingeniero industrial supervisa la produccin de cuatro tipos de computadoras. Se requiere
cuatro clases de recursos horas-hombre, metales, plsticos y componentes electrnicos en la
produccin. En el cuadro siguiente se resumen las cantidades necesarias para cada uno de estos
recursos en la produccin de cada tipo de computadora. Si se dispone diariamente de 504 horashombre, 1970 Kg. de metal , 970 Kg. de plstico y 601 componentes electrnicos, Cuntas
computadoras de cada tipo se puede construir por da?
Solucin:
3
20
A
10
10
7 20 504
25 40 50 1970
15 20 22 970
8 10 15 601
1
0
rref( A)
0
0
0 0 0 10
1 0 0 12
0 1 0 18
0 0 1 15
Pgina | 170

3
20
M
10
10
7 20
25 40 50
15 20 22
8 10 15
soln lsolve ( M v)
504
1970
v
970
601
10
12
soln
18
15

Problema:
Determine las concentraciones molares de una mezcla de cinco componentes en solucin a partir
de los siguientes datos espectrofotomtricos
Asmase que la longitud de la trayectoria ptica es unitaria y que el solvente no absorbe a estas
longitudes de onda. Utilice el mtodo de Gauss Seidel. Utilizando como criterio de paro
0.002 ; C j es la concentracin molar del componente j en la mezcla.
Pgina | 171

Análisis del error y resolución numérica

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Análisis del error y resolución numérica

Uploaded by

Copyright:

Available Formats

Programacin y Mtodos Numricos / BQH - 1020

Anlisis del error y solucin de

Competencia especfica a desarrollar: Resolver numricamente ecuaciones no lineales de

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

El concepto de cifras o dgitos significativos se han desarrollado para designar formalmente la

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

Llamamos incertidumbre o imprecisin a la falta de precisin, y sesgo o inexactitud, a la falta

y el error relativo como ER

y cmo por ciento de error a

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

p 0.10 x10 2 Pero se obtuvo el resultado p* 0.08x10 2 , entonces

0.10 x102 0.08 x102

ERP ERx100 20%

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es

as, el dgito conserva su valor.

Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%.

La diferencia de los nmeros es:

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

Problema: Ilustraciones de las reglas de redondeo

88.21650 88.217 5 cifras significativas

Primera: En el redondeo, se conservan las cifras significativas y el resto se descarta.

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

Tercera: Para la multiplicacin y para la divisin, el redondeo es tal que, la cantidad

Cuarta: Para combinaciones de las operaciones aritmticas, existen dos casos

Error numrico total.

Para poder disminuir un componente del error numrico total, se debe

incrementar otro valor.

Errores de formulacin. Los errores de formulacin o de modelamiento degeneran en

Incertidumbre en los datos. Algunas veces se introducen errores en un anlisis debido a

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

3.0 0.3000 x101

0.002 0.2000 x102

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

La magnitud de este error depende de las magnitudes relativas, de los signos de a y b, y de la

Programacin y Mtodos Numricos / BQH - 1020

Como consecuencia se tendra, aun si no se cometiera error en la adicin, un error en el

a y b se han extendido a c, y c se conoce como error de

propagacin, lo cual causa un error en el resultado final.

(a * x b*) (aa ) x(bb ) (a x b) (a x b ) (b x a ) (a x b )

a y b son suficientemente pequeos, puede considerarse que su producto es muy

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

Multiplicando numerador y denominador por

Si, como en la multiplicacin, se considera el producto

a b muy pequeo y por las mismas

Se concluye que el error de propagacin relativo del cociente en valor absoluto es

MTI. Ulises Girn Jimnez

Programacin y Mtodos Numricos / BQH - 1020

MTI. Ulises Girn Jimnez