Instituto Universitario Politcnico Santiago Mario Extensin Valencia

Ctedra de Programacin Numrica. Prof. Orlando Gmez. Curso de Verano 2014

Mtodos Numricos para Clculo Aproximado de Races. Versin 1.5

I)

Mtodos Cerrados: Su Objetivo es encontrar un Intervalo de Valores que contenga la raz buscada
( a+b )
Xe=
Mtodo de Biseccin: Punto de Ensayo
2
f (b) ( ab )
Mtodo de la Regla Falsa: Punto de Ensayo Xe=b
f ( a )f (b)
Requerimientos: a) La Funcin a evaluar
b) Un Intervalo de Trabajo [a;b] [Ext_Inf.; Ext_Sup.]
c) Un valor para la Precisin
Se construye una tabla con un encabezado similar al siguiente: (Esta columna se usa solo para el mtodo de la Regla Falsa)
Ensayo

Ext_Inf.

Ext_Sup.

F(EI)

F(ES)

Xe

Funcin(Xe)

F(Xe)*F(EI)

Ext_Inf.

Ext_Sup.

Tolerancia

1
2
:
N

Algoritmo de Resolucin: Para llenar la tabla con los ensayos requeridos y alcanzar la precisin deseada se desarrollan los siguientes
pasos: (Recuerde Intercambiar los valores de los extremos del Intervalo de Trabajo, en cada ensayo segn se indica)
1)
2)
3)
4)

Se evala la funcin en el punto de ensayo (Xe)

Se evala la funcin en el Extremo Inferior (EI)
Se calcula el producto F(Xe)*F(EI)
Se realiza la siguiente comparacin: Si el producto F(Xe)*F(EI) > 0 se hace que el Ext_Inf.= Xe y el Ext_Sup. Sigue igual
Si el producto F(Xe)*F(EI) < 0 se hace que el Ext_Sup.= Xe y el Ext_Inf. Sigue igual
Si el producto F(Xe)*F(EI) = 0 La Raz Buscada es Xe
Instituto Universitario Politcnico Santiago Mario Extensin Valencia
Ctedra de Programacin Numrica. Prof. Orlando Gmez. Curso de Verano 2014

Mtodos Numricos para Clculo Aproximado de Races. Versin 1.5

II) Mtodos Abiertos: Su Objetivo es encontrar Valor aproximado de la raz buscada

Mtodo del Punto Fijo: Se hace un despeje de la ecuacin (El ms conveniente)
Requerimientos: a) La Funcin a evaluar
b) Un Valor Inicial
c) Un Valor para la Tolerancia
Se construye una tabla con un encabezado similar al siguiente:
Iteracin
1
2
:
N

Punto Xi

Funcin(Xi)

Error P

Algoritmo de Resolucin: Para llenar la tabla con los ensayos requeridos y alcanzar la precisin deseada se desarrollan los siguientes
pasos: (Recuerde Intercambiar, en cada iteracin el valor del Punto de Inicio o Punto de Prueba segn se indica)
1) Se evala la funcin en el punto de inicio (Xi)
f (i)f (i1)

2) Se calcula el Error Porcentual Ep=

f (i)
3) Se realiza la siguiente comparacin: Si el Ep > Tolerancia, se contina con los ensayos
Si el Ep < = Tolerancia, se detienen los ensayos y se Reporta el valor obtenido como la
mejor aproximacin de la raz buscada.

Instituto Universitario Politcnico Santiago Mario Extensin Valencia

Ctedra de Programacin Numrica. Prof. Orlando Gmez. Curso de Verano 2014

Mtodos Numricos para Clculo Aproximado de Races. Versin 1.5

Mtodo de Newton Raphson y Mtodo de la Secante: Se determina la 1ra. Derivada de la Funcin

Requerimientos:

a) La Funcin a evaluar. b) Un Valor Inicial (Xi). c) Un Valor para la Tolerancia

Se construye una tabla con un encabezado similar al siguiente: (Estas columnas se usan solo en el Mtodo de la Secante)

Iteracin

Punto Xi-1

Punto Xi

Funcin(Xi-1)

Funcin(Xi)

Derivada(Xi)

Punto Xi+1

Error P

1
2
:
N

Algoritmo de Resolucin: Para llenar la tabla con los ensayos requeridos y alcanzar la precisin deseada se desarrollan los siguientes
pasos: (Recuerde Intercambiar, en cada iteracin el valor del Punto de Inicio o Punto de Prueba segn se indica)
1) a) Calculo del Punto de Ensayo, para Newton Raphson
b) Calculo del Punto de Ensayo, para la Secante

x i+1=x i

x i+1=x i

f ( Xi)
f ' ( Xi)

f ( xi) (x

i1

xi)

f ( x i1 )f ( xi)

X (i )X (i1)

X (i)
3) Se realiza la siguiente comparacin: Si el Ep > Tolerancia, se contina con los ensayos
Si el Ep < = Tolerancia, se detienen los ensayos y se Reporta el valor obtenido como la
2) Se calcula el Error Porcentual

Ep=

mejor aproximacin de la raz buscada.