METODOS

NUMERICOS

Profesor:

Dr. OLORTEGUI YUME, JORGE ANTONIO

Tema : TIPOS DE ERRORES Y METODOS DE LA FALSA

POSICIN.

Alumno:
Lujan Valverde, Carlos
Espinal Alfaro, Jhordan
Vsquez Cabanillas, Edward

2015

METODOS NUMERICOS
APROXIMACIONES Y ERRORES DE REDONDEO

1.-CIFRAS SIGNIFICATIVAS
El concepto de cifras o dgitos significativos se ha desarrollado
para designar formalmente la confiabilidad de un valor numrico. Las
cifras significativas de un nmero son aquellas que pueden utilizarse de
forma confiable. Se trata del nmero de dgitos que se ofrecen con
certeza, ms uno estimado.
2.-EXACTITUD Y PRECISIN
Los errores en clculos y medidas se pueden caracterizar con
respecto a su exactitud y precisin. La exactitud se refiere a que tan
cercano est el valor calculado o medido del valor verdadero .La
precisin se refiere a que tan cercanos se encuentran, unos de otros,
diversos valores calculados o medidos.
3.-DEFINICIONES DE ERROR
Los errores numricos surgen del uso de aproximaciones para
representar operaciones y cantidades matemticas exactas. stas
incluyen los errores de truncamiento, y los errores de redondeo que se
producen cuando se usan nmeros que tienen un lmite de cifras
significativas para representar nmeros exactos. Para ambos tipos de
errores, la relacin entre el resultado exacto, o verdadero, y el
aproximado est dada por:
Valor verdadero = valor aproximado + error
Reordenando la ecuacin Ec.1, se encuentra que el error
numrico es igual a la diferencia entre el valor verdadero y el valor
aproximado esto es:
Ev = valor verdadero valor aproximado
Donde Ev se usa para redondear el valor exacto del error. Se
incluye el subndice v para dar a entender que se trata del verdadero
error.
Un defecto es que muchas veces no se toma en consideracin el orden
de magnitud del valor que se est probando. Por ejemplo, un error de un
centmetro es mucho ms significativo si se est midiendo un remache
Ing. Mecatrnica

Pgina 1

METODOS NUMERICOS
que un puente. Una manera de medir las magnitudes de las cantidades
que se estn evaluando es normalizar el error respecto al valor
verdadero, como en:
Error relativo fraccional = error / valor verdadero
Donde:
Error = valor verdadero valor aproximado.
El error relativo tambin se puede multiplicar por el 100% para
expresarlo como Ev = (error verdadero/ valor verdadero) 100; Donde Ev
denota el error relativo porcentual. El subndice v significa la
normalizacin del error al valor verdadero.
Para los mtodos numricos el valor verdadero nicamente se
conocer cuando se habla de funciones que se pueden resolver
analticamente. Sin embargo, en aplicaciones reales, no se conoce la
respuesta verdadera. En estos casos, normalizar el error es una
alternativa usando la mejor estimacin posible del valor verdadero, esto
es a la aproximacin misma, como:
Ea = (error aproximado/ valor aproximado)/100
Donde el subndice a significa que el error est normalizado a
un valor aproximado. Uno de los retos a que se enfrentas los mtodos
numricos es el de determinar estimaciones del error en ausencia de
conocimiento de los valores verdaderos. El error se calcula como la
diferencia entre la aproximacin previa y la actual. Por lo tanto, el error
relativo
porcentual
est
dado
por
Ea =abs(((aproximacin actual- aproximacin previa )/ aproximacin
actual)
100)
Si se cumple la relacin anterior , entonces se considera que el resultado
obtenido est dentro del nivel aceptable, es decir, aun error previamente
fijado(Es):
Abs(Ea) <>
4.-ERRORES DE REDONDEO
El error de redondeo tiene que ver con el uso de mquinas que
tienen memoria finita para representar magnitudes que tienen precisin
infinita. Es tambin importante indicar que aunque el error de redondeo
es inevitable puede reducirse utilizando algoritmos adecuados y ciertos
trucos al momento de programarlos.

Ing. Mecatrnica

Pgina 2

METODOS NUMERICOS
Por ejemplo dependiendo del equipo que se est usando puede
ocurrir lo que se muestra en la segunda columna de la siguiente tabla

Nmero finito de cifras1

2
( 8 ) 8.00000000002

Infinitas cifras
2
( 8 ) =8

La representacin de doble precisin para los nmeros en punto

flotante fijada por la norma ANSI/IEEE (ANSI/IEEE Standard 754-1985 for
Binary Floating-Point Arithmetic), empleada tanto en MATLAB como en
OCTAVE por defecto es un formato de 64 bits para la representacin de
nmeros reales es de la siguiente forma, un bit para el signo, 11 bits
para el exponente y los otros 52 para la mantisa.

(1 ) s ( 1+ f )2e
Donde
1+f =( 1+1. a1 a2 a3 a4 a52 )2

e=( b 1 b 2 b 3 b 4 b11 )2 1023

Potencias decrecientes de dos.

Potencias decrecientes de dos

De tal modo que

52

1 1+ f 22

Recordemos que los valores de f pueden estn en el intervalo [0,1-2^52]

1023 e 1023+ 2111=1024
Los valores extremos de e se reservan para dos valores especiales, el
valor inferior para el cero y el superior para Inf
1
Ing. Mecatrnica

Pgina 3

METODOS NUMERICOS

Se tiene que para la representacin mencionada se cumple:

El nmero real positivo ms pequeo es

+ ( 1.000 0 )221022 2.225110308

De modo que cualquier resultado ms
pequeo (realmin en MATLAB) que est cantidad dar como
resultado un error de underflow (o cero segn el entorno)

El mayor numero representable (realmax en MATLAB ) es

+ ( 1.111 1 )221023 1.797710308

Cualquier resultado mayor a ste generar un error de overflow (o
Inf segn el entorno).

La distancia entre el 1 representado de forma exacta y el siguiente

numero tambin representable de forma exacta (eps en MATLAB)
se denomina generalmente psilon de la mquina esta dada por

252 2.22041016
El efecto que este tipo de error tiene sobre el resultado de un conjunto
de operaciones depende de:

Las operaciones que se realicen, existen operaciones ms

sensibles a los errores de redondeo.
Del orden de los clculos.

Por ejemplo una operacin sensible a los errores de redondeo es la resta

de dos cantidades muy cercanas. Debido a que el nmero de cifras
significativas del resultado es menor que el de las cantidades que
intervienen. Tambin es importante tener presente que la divisin por
cantidades muy pequeas genera prdidas de precisin importantes.
Para entender mejor el asunto concerniente a trabajar con una cantidad
finita de nmeros de mquina, para representar a todos los nmeros
reales, se supondr que los nmeros de mquina estn almacenados en
formato flotante decimal normalizado esto es
Ing. Mecatrnica

Pgina 4

METODOS NUMERICOS
n

0.d 1 d 2 d3 d 4 d k 10

1 d 1 9

0 di 9

Para cada i=2,3..k. Los nmero de esta forma se llaman nmeros de

maquina decimales con k dgitos.
Cualquier numero positivo real positivo dentro del intervalo de la
mquina se puede normalizar como
y=0. d 1 d 2 d 3 d 4 d k d k+1 d k+ 210n
La forma de longitud finita para representar cualquiera de esos nmeros
y denotada por fl(y), y que consisten en terminar la mantisa en k cifras
decimales se puede obtener de dos formas. Truncamiento que consiste
en cortar los ltimos dgitos de la mantisa con lo que se obtiene
fl ( y )=0. d 1 d 2 d 3 d 4 d k10n
La otra forma se llama redondeo y consiste en sumar 1 a
d k+1 5

dk

si

de y, y luego truncar el resultado para obtener

fl ( y )=0. 1 2 3 4 k10 n

Si p* es una aproximacin de un nmero p, el error absoluto se define

como |p-p*| y el error relativo es |p-p*|/|p| siempre que p sea diferente
de cero.
Por qu es ms significativo el error relativo al absoluto?
Es ms significativo al tomar en cuenta el tamao del valor que se desea
aproximar, para varios valores de errores absolutos se puede obtener el
mismo error relativo por ello para cuestiones de precisin es mejor usar
el error relativo.
El nmero p* se aproxima a p con t cifras significativas si t es el mayor
entero no negativo para el cual

Ing. Mecatrnica

Pgina 5

METODOS NUMERICOS
p p

Usando las anteriores definiciones en la representacin de nmeros en

punto flotante podemos notar que el error relativo de la representacin
fl(y) de y es

yfl( y )
y

Lo cual d como resultado para una aproximacin de k cifras y utilizando

truncamiento una cota de error 10^(-k+1).

Adems de los errores propios de la representacin de los nmeros en

una mquina, la aritmtica realizada en ellas no es exacta y se puede
representar para su estudio como sigue.

x y=fl(fl ( x ) +fl ( y))

x y=fl(fl ( x )fl( y ))

x y=fl(fl ( x )fl( y ))

x y=fl(fl ( x ) fl( y ))

Lo anterior es, para saber el resultado de una suma de dos

nmeros en una mquina con punto flotante de k cifras, se suman las
representaciones y luego se realiza el truncamiento o el redondeo
necesario.
Es importante notar, que aunque para nuestra fortuna, los
errores debidos al redondeo son cada vez menos problemticos, debido
al uso de representaciones a 64 o incluso 80 bits, estos no deben
pasarse por alto, sobre todo en los procedimientos que involucren una
buena cantidad de clculos. A continuacin se muestran unos ejemplos
de lo que puede salir mal al momento de trabajar con aritmtica finita
(como para tener en cuenta!).
Falla del Misil Patriot

Ing. Mecatrnica

Pgina 6

METODOS NUMERICOS
El 25 de febrero de 1991, durante
la guerra del Golfo, una batera
de Misiles Patriot americana en
Dharan, Arabia Saudita, fall en
la intercepcin de un misil Scud
Iraqui.
El
Scud
bombarde
unas
barracas del ejercito americano,
matando a 28 soldados e hiriendo
a aproximadamente un centenar
de personas.

En el reporte GAO/IMTEC-92-26, titulado Patriot Missile

Defense: Software Problem Led to System Failure at Dhahran, Saudi
Arabia, presentado por The General Accounting office, se informa
sobre e la causa de la falla.
Un clculo mal aproximado del tiempo en que debi ser
disparado, debido a errores de redondeo en la computadora de tierra del
misil. Especficamente, el tiempo en dcimas de segundos que se mide
con el reloj interno del sistema, fue multiplicado por 1/10 = 0.1 para
producir el tiempo en segundos.
Este clculo fue realizado utilizando un registro de punto fijo de
24 bits el valor 1/10, el cual no tiene una expansin binaria finita, fue
truncado a 24 bits despus fijar el punto.
El pequeo error de redondeo cuando es multiplicado por un
nmero bastante grande, como el que proporciona el tiempo en dcimas
de un segundo, se convierte entonces en un error significante.
De hecho, la batera Patriot estuvo en uso alrededor de 100
horas, y un clculo muy sencillo muestra que el error resultante en el
tiempo se debi al incremento del error de truncamiento a cerca de 0.34
segundos.

Ing. Mecatrnica

Pgina 7

METODOS NUMERICOS

Un Scud viaja a aproximadamente 1,676 metros por segundo, por

lo que multiplicando esto por los 0.34 segundos, se tendra 569.84
metros, ms de medio kilmetro en este tiempo.
Lo suficiente para que la llegada del scud estuviera fuera del rango del
radar del patriot.

La explosin del Ariane 5

Ing. Mecatrnica

Pgina 8

METODOS NUMERICOS
El 4 de junio de 1996, un inmanejable cohete Ariana 5 lanzado
por la Agencia Espacial Europea explot justamente despus de 40
minutos
de
haber
sido
lanzado de Kourou, Guyana
Francesa.
El cohete estaba en su primer
viaje despus de 10 aos de
desarrollo, el cual cost siete
billones de dlares.
El costo de la destruccin del
cohete
fue
valuado
en
quinientos
millones
de
dlares.

El consejo que tuvo a su cargo hacer la investigacin de las

causas de la explosin, emiti despus de dos semanas un reporte
indicando que la causa de la falla fue un error de software en el sistema
de referencia inercial.
Especficamente un nmero de punto flotante de 64 bits
relacionado con la velocidad horizontal del cohete con respecto a la
plataforma fue convertido a un nmero entero de 16 bits y era mayor a
32,767.

ERRORES DE TRUNCAMIENTO Y LA SERIE DE TAYLOR

Son aquellas que resultan al usar una aproximacin en lugar de un
procedimiento matemtico exacto. La mayora de los mtodos
numricos se basan en aproximaciones de las funciones mediante
polinomios.
La serie infinita de potencias que representa de manera exacta a
una funcin dentro de un radio alrededor de un punto dado, es
denominada LA SERIE DE TAYLOR, el cual se usa para desarrollar
mtodos numricos; con excepcin de algunos pocos, se puede obtener
un polinomio que aproxime a la funcin verdadera.

Ing. Mecatrnica

Pgina 9

METODOS NUMERICOS
La comparacin del desarrollo polinomial de la solucin numrica
con la serie de Taylor de la solucin exacta nos permite evaluar el
ERROR DE TRUNCAMIENTO.

SERIE DE TAYLOR
La serie de Taylor proporciona un medio para predecir el valor de una
funcin en un punto en trminos del valor de la funcin y sus derivadas
en otro punto. Es decir: cualquier funcin suave puede aproximarse por
un polinomio.
DESARROLLO DE LA SERIE DE TAYLOR
Funcin analtica: una funcin f(x) se dice analtica en x=a si f(x) se
puede representar mediante una serie de potencias en trminos de c =
x-a dentro de un radio de convergencia 0< | x-a | < D.
Condicin necesaria de analiticidad de un punto: debe existir todas las
derivadas de la funcin y ser continuas tanto en el punto como en un
entorno alrededor de l. Un punto donde f(x) no es analtica recibe el
nombre de un punto singular. Si f(x) es derivable en un entorno de x o
excepto en xo es un punto singular de f(x).
Desarrollo de una funcin f(x) en serie de taylor alrededor de

REPRESENTACION GRAFICA DE LA SERIE DE TAYLOR , h=x-a

Ing. Mecatrnica

Pgina 10

x=c :

METODOS NUMERICOS

TEOREMA DE TAYLOR
Teorema 1. Si f E cn+1 [a,b] entonces :

Donde x, c E [a, b], (x) E Intervalo entre x y c.

Adems:
La aplicacin de este teorema requiere f E C(x) y f E Ck(x)
Error
La serie de Taylor : reconstruccin exacta para un polinomio de
orden n
F(x) reconstruccin no exacta, cada termino contribuye
RESIDUO DE TAYLOR
La prediccin de orden cero se obtiene al truncar la serie de Taylor :
F(Xi+1) = F (Xi)
Por lo tanto el termino residual est dado por :

Ing. Mecatrnica

Pgina 11

METODOS NUMERICOS
R0 =f(Xi)h +

f ' '( Xi) 2 f ' ' '( Xi) 3

h+
h +
2!
3!

DESARROLLO DE UNA FUNCION EN SERIE DE MAC LAURIN

Es el desarrollo de Taylor de la funcin alrededor del origen (a=0):
F(x)= f(0) + xf(0) +

2 ''
3 '' '
x f ( 0 ) + x f ( 0 )+

Ejemplos:
1.

e x =1+ x +

x2 x 3
+ +
2 3!

2. Sen(x)= x +

x3 x4
+ +
3! 5!

Dado que solo podemos incluir un nmero finito de trminos, en la

prctica se procede a truncar o cortar la serie
F(x) = f(a) + hf(a) +
h2 ' ' ( ) h 3 ' ' ' ( )
hN ( N ) ( )
f a + f a + +
f a +O(h N +1)
2!
3!
N!
Donde

Ing. Mecatrnica

h = x-a

Pgina 12

METODOS NUMERICOS

h
O( N +1)representa el error que se comete debido altrunca miento de losterminos de orden N +1 y superiores

ERRORES DE TRUNCAMIENTO
1. Supongamos que se requiere determinar la velocidad de un objeto
en el futuro a partir de la medida de la velocidad en el presente.
Para esto desarrollaremos la velocidad usando la serie de Taylor:
V(ti+1) = V(ti) + V(ti)(ti+1 ti) +
''
V ( ti )
( ti+1ti )+ + Rn
2!

2. Si truncamos la expresin anterior solo hasta la primera derivada:

V(ti+1) = V(ti) + V (ti)(ti+1 ti) + R1
Y despejando la derivada:
v ' ( ti )=

v ( ti+1 )v (ti)
R1

ti+ 1ti
ti+ 1ti

Donde:
Aproximacion de orden 1 =

Error de truncamiento =

v (ti+ 1 )v(ti)
ti+1ti

R1
ti+ 1ti

3. De acuerdo con la serie de Taylor el error de truncamiento para la

primera derivada de la velocidad est dado por:
''
v ( )
R1
=
(ti+ 1ti)
ti+ 1ti
2!
Es decir:
R1
=O ( ti+1ti )=O(h)
ti+ 1ti

Ing. Mecatrnica

Pgina 13

METODOS NUMERICOS
Donde O() se emplea para indicar el orden. Es decir, el error de
truncamiento de la primera derivada es del orden (o proporcional) del
incremento empleado para calcularla.
4. La derivada en un punto se puede determinar con la diferencia
finita hacia atrs:
f ( xi1 ) =f ( xi )f ' ( xi ) h+

''
f ( xi ) 2
h
2!

Truncando la serie y despejando la primera derivada se tiene:

'
f ( xi )=

f ( xi )f (xi1) f '' ( xi )
f ( x i )f ( xi1 )

h=
O(h)
h
2!
h

5. Otra forma alternativa de calcular la derivada es hacerlo mediante

la diferencia finita central, para lo cual se resta:
f ( xi+1 )=f ( xi ) + f ' ( xi ) h+

'
f ( xi1 ) =f ( xi )f ( xi ) h+

f ' ' (xi) 2

h +
2!
''
f ( xi ) 2
h
2!

Con lo cual se obtiene:

2 f 3 ( xi) 3
f ( xi+1 )=f ( xi1 )+ 2 f ( xi ) h+
h +
3!
'

6. Se despeja f(x) y se obtiene:

f ' ( xi )=

f ( xi+ 1 )f ( xi1) f ( xi) 2

h
2h
6

Ing. Mecatrnica

f ( xi+1 ) f (xi1)
O(h2)
2h

Pgina 14

METODOS NUMERICOS
Ejemplo: sea f(x)

x2 +3

, calcular f(1.01) con un error de

e=0.00005
Hacemos xi=1 y h=.01
1
2
2
3
3
f ( 1 ) (.01) f ( 1 ) (.01) f (1)(.01)
f ( 1.01 )=f ( 1 )+
+
+
+
1!
2!
3!

Tenindose las derivadas:

x
3

( 2+3) 2
x
3
f ( 1) ( x ) = 2 ; f ( 2) ( x ) =

x +3

Asi que:

3(.01)2 f 3 (1)(.01)3
1
f ( 1.01 )=f ( 1 )+ ( .01 ) +
+
+
3
2
6
42

MTODO DE LA FALSA POSICIN

El mtodo de la falsa posicin aprovecha la visualizacin grfica,
consiste en unir f ( xl ) y f ( xu ) con una lnea recta. La interseccin de
esta lnea con el eje de las x representa una mejor aproximacin de la
raz. El hecho de que se reemplace la curva por una lnea recta da una
falsa posicin de la raz; de aqu el nombre de mtodo de la falsa
posicin, o en latn, regula falsi. Tambin se le conoce como mtodo de
interpolacin lineal. Usando tringulos semejantes, la interseccin de la
lnea recta con el eje de las x se estima mediante:
f ( x l ) f (x u)
=
x r x l x r xu

Del cual podemos despejar

x r=x u

xr

f (x u)(x lx u )
f ( xl ) f (x u)

sta es la frmula de la falsa posicin. El valor de

xr

calculado con la

ecuacin anterior reemplazar a cualquiera de los dos valores iniciales,

Ing. Mecatrnica

Pgina 15

METODOS NUMERICOS
xl

xu

,y da un valor de la funcin

con el mismo signo de

manera, los valores

xl

f (xr ) . De esta
y

xu

siempre

encierran la verdadera raz. El proceso se

repite hasta que la aproximacin a la raz
sea adecuada. El algoritmo es idntico al
de la biseccin, excepto en que la
ecuacin ya que ahora no se divide en
dos al segmento si no se traza un recta
uniendo las dos imgenes como lo
podemos apreciar en la siguiente imagen.

Ejemplo:
Utilice el mtodo de la falsa posicin 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/s2.
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
No haremos la descripcin como hallamos la siguiente ecuacin ya
que la intensin es saber la el desarrollo del mtodo de la falsa posicin.
f ( c )=

(
)10 40
9.868.1
1e 68.1
c

Ing. Mecatrnica

Pgina 16

METODOS NUMERICOS
Podemos observar la grfica de la ecuacin de
la cual nos podemos dar cuenta que la raz es
en un rango entre 12 y 16, siguiendo un poco
ms minuciosos nos damos cuenta que la raz
es aproximadamente 14.5, ahora aplicaremos
el mtodo de la falsa posicin para hallar la
raz con un poco ms de exactitud.
Definimos los puntos entre los cuales puede
x 1=12
estar la raz que deseamos obtener
y
x u=16 .
Primera iteracin:
x l=12 f ( x l)=6.0699
xu=16 f (xu)= 2.2688

x r=16

2.2688 ( 1216 )
=14.9113
6.0699(2.2688 )

Que tiene un error relativo verdadero de 0.89 por ciento.

Segunda iteracin:
f ( xl ) f (x r )= 1.5426
Por lo tanto, la raz se encuentra en el primer subintervalo y
vuelve ahora el lmite superior para la siguiente iteracin entonces
xu
14.9113 .
x l=12 f ( x l)=6.0699

Ing. Mecatrnica

Pgina 17

xr

se

METODOS NUMERICOS
x u=14.9113 f ( xu)= 0.2543

x r=14.9113

0.2543 ( 1214.9113 )
=14.7942
6.0699(0.2543 )

Ahora vemos que cada vez se acerca para

la raz es posible realizar iteraciones
adicionales
para
hacer
una
mejor
aproximacin de las races.
Se obtiene una idea ms completa
de la eficiencia de los mtodos de
biseccin y de falsa posicin al observar la
siguiente figura, donde se muestra el error
relativo porcentual verdadero de unos
ejemplos,
se
puede
apreciar
la
comparacin de dicho errores. Observe
cmo el error decrece mucho ms
rpidamente en el mtodo de la falsa posicin que en el de la biseccin,
debido a un esquema ms eficiente en el mtodo de la falsa posicin
para la localizacin de races.
Desventajas del mtodo de la falsa posicin
Aunque el mtodo de la falsa posicin parecera ser siempre la
mejor opcin entre los mtodos cerrados, hay casos donde funciona de
manera deficiente. En efecto, como en el ejemplo siguiente, hay ciertos
casos donde el mtodo de biseccin ofrece mejores resultados.
Un caso en el que la biseccin es preferible a la falsa posicin:
Con los mtodos de biseccin y de falsa posicin localice la raz de
f ( x )=x 101 entre 0 y 1.3.
Usando biseccin, los resultados se resumen como sigue:

Ing. Mecatrnica

Pgina 18

METODOS NUMERICOS

10
Grfica de la funcin f ( x )=x 1 , ilustrando la

lentitud de convergencia del mtodo de la falsa

posicin.
De esta manera, despus de cinco iteraciones, el
error verdadero se reduce a menos del 2%. Con la
falsa posicin se obtienen resultados muy
diferentes:

Despus de
cinco iteraciones,
el error verdadero
slo
se
ha
reducido al 59%. El ejemplo anterior ilustra que, por lo comn, no es
posible realizar generalizaciones con los mtodos de obtencin de
races. Aunque un mtodo como el de la falsa posicin casi siempre es
superior al de biseccin, hay algunos casos que violan esta conclusin
general. Por lo tanto, adems de usar las ecuaciones para hallar la raz,
los resultados se deben verificar sustituyendo la raz aproximada en la
ecuacin original y determinar si el resultado se acerca a cero. Esta
prueba se debe incorporar en todos los programas que localizan races.
El ejemplo ilustra tambin una importante desventaja del mtodo
de la falsa posicin: su unilateralidad. Es decir, conforme se avanza en
las iteraciones, uno de los puntos limitantes del intervalo tiende a
permanecer fijo. Esto puede llevar a una mala convergencia,
especialmente en funciones con una curvatura importante.
Falsa posicin modificada
Una forma de disminuir la naturaleza unilateral de la falsa posicin
consiste en obtener un algoritmo que detecte cuando se estanca uno
de los lmites del intervalo. Si ocurre esto, se divide a la mitad el valor de
Ing. Mecatrnica

Pgina 19

METODOS NUMERICOS
la funcin en el punto de estancamiento. A este mtodo se le llama
mtodo de la falsa posicin modificado.
El algoritmo dado en la siguiente figura lleva a cabo dicha
estrategia. Observe cmo se han usado contadores para determinar si
uno de los lmites del intervalo permanece fijo estancado durante dos
iteraciones. Si ocurre as, el valor de la funcin en este valor de
estancamiento se divide a la mitad.
La efectividad de este algoritmo se demuestra aplicndolo al
10
ejemplo anterior de la funcin f ( x )=x 1 . Si se utiliza un criterio de
terminacin de 0.01% el mtodo de biseccin y el mtodo estndar de
falsa posicin convergern, respectivamente, despus de 14 y 39
iteraciones. En cambio el mtodo de la falsa posicin modificado
converger despus de 12 iteraciones.
De manera que para este ejemplo el mtodo de la falsa posicin
modificado es ms eficiente que el de biseccin y muchsimo mejor que
el mtodo de la falsa posicin no modificado. A continuacin tendremos
el seudocdigo del mtodo de falsa posicin modifica, el seudocdigo
para el mtodo de falsa posicin sera parecido al de biseccin solo
cambiaremos la ecuacin halla mediante tringulos semejantes a
diferencia del mtodo de biseccin que fue partiendo en dos partes
iguales al intervalo.

Ing. Mecatrnica

Pgina 20

METODOS NUMERICOS

Adems de verificar una respuesta individual, se debe determinar

si se han localizado todas las races posibles. Como se mencion
anteriormente, por lo general una grfica de la funcin ayudar a
realizar dicha tarea. Otra opcin es incorporar una bsqueda
incremental al inicio del programa.
Esto consiste en empezar en un extremo del intervalo de inters y
realizar evaluaciones de la funcin con pequeos incrementos a lo largo
del intervalo. Si la funcin cambia de signo, se supone que la raz est
dentro del incremento. Los valores de x, al principio y al final del
incremento, pueden servir como valores iniciales.
Un problema potencial en los mtodos de bsqueda por
incremento es el de escoger la longitud del incremento. Si la longitud es
muy pequea, la bsqueda llega a consumir demasiado tiempo.
Por otro lado, si la longitud es demasiado grande, existe la
posibilidad de que races muy cercanas entre s pasen inadvertidas. El
problema se complica con la posible existencia de races mltiples. Un
Ing. Mecatrnica

Pgina 21

METODOS NUMERICOS
remedio parcial para estos casos consiste en calcular la primera
derivada de la funcin al inicio y al final de cada intervalo. Cuando la
derivada cambia de signo, puede existir un mximo o un mnimo en ese
intervalo, lo que sugiere una bsqueda ms minuciosa para detectar la
posibilidad de una raz.
Aunque estas modificaciones o el empleo de un incremento muy
fino ayudan a resolver el problema, se debe aclarar que mtodos tales
como el de la bsqueda incremental no siempre resultan sencillos.
Ser prudente complementar dichas tcnicas automticas con
cualquier otra informacin que d idea de la localizacin de las races.
Esta informacin se puede encontrar graficando la funcin y
entendiendo el problema fsico de donde proviene la ecuacin.

Programa hecho en matlab:

function root = falsepos(func,xl,xu,es,maxit)
% falsepos(xl,xu,es,maxit):
% utilizacin del metodo de la falsa posicin para hallar la raiz
% de la funcin "func"
% input"entradas":
% func = ingresar la funcin
% xl, xu = intervalos menor y mayor
% es = (opcional) detener el programa con el criteior del error (%)...
Ing. Mecatrnica

Pgina 22

METODOS NUMERICOS
%...si no se coloca nada sera por defaul default = 0.001
% maxit = (opcional) maximo numero de iteraciones...
% si no se coloca nada sera por default = 50
% output"saldias":
% root = la raiz
if func(xl)*func(xu)>0 %si en el intervalo no hay cambio se signo...
%...significa que no hay ninguna raiz en el intervalo
error('no hay raiz') %mostrar el mensaje y fin del programa
end
% valores por default
if nargin<5, maxit=50; end
if nargin<4, es=0.001; end
% metodo de la falsa posicin
iter = 0;
xr = xl;
while (1)
xrold = xr;
xr = xu - func(xu)*(xl - xu)/(func(xl) - func(xu));
iter = iter + 1;
if xr ~= 0, ea = abs((xr - xrold)/xr) * 100; end
test = func(xl)*func(xr);
if test < 0
xu = xr;
elseif test > 0
xl = xr;
else
ea = 0;
end
if ea <= es | iter >= maxit, break, end
end
root = xr;

Ing. Mecatrnica

Pgina 23