Taller 2 - Métodos numéricos

Fecha: Octubre 17 de 2017

Información de los estudiantes: Moisés Santiago Barragán (1526689-3753) - Catherin
Julieth Bolaños Cartagena (1530211-3753) - María Jimena Trejos Usamá (1528577-3753)

RAÍCES DE ECUACIONES NO LINEALES

1.

𝑥
Gráfico 1. Comportamiento de la ecuación no lineal 3𝑥 3 + + 1 = 0.
2

𝑥
Gráfico 2. Acercamiento a la raíz de la ecuación no lineal 3𝑥 3 + + 1 = 0.
2

De acuerdo a lo observado en los gráficos 1 y 2 la raíz de la función es de -0,6131; es un

valor el cual al reemplazarlo en la ecuación para verificar da un valor pequeño cercano a
cero, que es el valor al que está igualada la función, es decir, que sí se tiene una
consistencia con este valor.
2. Por medio del método de la bisección, se obtuvo a través de 11 iteraciones para la
𝑥
función 𝑓(𝑥) = 4 − 13,9 entre el intervalo [1,2] la raíz con un valor de 𝑋𝑟 = 1,8987 con un
error relativo aproximado de 0,01%.

3. A través del método de falsa posición se obtuvo que a 7 iteraciones para la función
𝑓(𝑥) = 𝑠𝑒𝑛(2𝑥) + 𝑐𝑜𝑠(𝑥) − 1,4 en el intervalo [0,1], la raíz corresponde a 𝑋𝑟 = 0,21885049
con un error de aproximación relativo de 0,012 %.

4. Mediante el método de la secante se obtuvo que a través de 4 iteraciones para la función

𝑓(𝑥) = 3(𝑥 + 1)−1 − 1,8 en el intervalo [0,1], la raíz corresponde a 𝑋𝑖+1 = 0,66666662 con
un error de aproximación relativo de 0,005 %.

5.

Gráfico 3. Comportamiento de la ecuación no lineal 8𝑥 3 − 3𝑥 2 − 1 = 0

 Gráfico 4. Acercamiento a la raíz de la ecuación no lineal 8𝑥 3 − 3𝑥 2 − 1 = 0

Método de observación: al observar los gráficos 3 y 4 se puede deducir que la raíz se

encuentra en aproximadamente en el valor de 0,66 aproximadamente.

Método de bisección: al realizar 10 iteraciones se encuentra la raíz 0,6596 con un error

relativo de 0,22 %; un resultado congruente de acuerdo con el cálculo de la raíz por medio
del método de observación.

Método de Newton Raphson: al realizar 10 iteraciones a partir del punto 𝑋𝑖 = −1no se

logra encontrar una raíz congruente con el cálculo realizado a ojo ni con el método de
bisección, pero si cambiamos el 𝑋𝑖 por 𝑋𝑖 = 1se puede encontrar la raíz exacta, la cual
corresponde a 0,6610498 al cabo 7 iteraciones con un error relativo de 0%.

Al comparar la raíz calculada a ojo con la raíz calculada a través del método de bisección y
el método de Newton Raphson se puede afirmar que un gráfico resulta ser práctico y útil,
pero no exacto, ya que la precisión entra en juego y los métodos numéricos dan una mayor
veracidad de lo que estamos buscando.

SISTEMAS DE ECUACIONES LINEALES

9.
 Gráfico 5.
Línea roja: y=(3-5*x) /-6
Línea azul: y=(18-4*x) /3
De acuerdo con la gráfica las líneas se cortan en x=3, y reemplazando en las ecuaciones
anteriores el resultado de y es de y=2.

Gráfico 6.
Línea roja: y= (3-3*x) /2
Línea azul: y= y=(16-x) /5
De acuerdo a la gráfica las líneas se cortan en x=-1, y reemplazando en las ecuaciones
anteriores el resultado de y es de y=3.
 Gráfico 7.
Línea roja: y=(3-1/2*x) /3
Línea azul: y=(-6-x)/ -2/3
De acuerdo con la gráfica las líneas se cortan en x=-4.8, y reemplazando en las ecuaciones
anteriores el resultado de y es de y=1.8.

10. La manera para encontrar la solución de cada sistema propuesto fue con hoja de
cálculo, así:

Para el sistema 𝑎 las raíces corresponden a: 𝑥 = −1/5, 𝑦 = 3/2 y 𝑧 = 11/10.

Figura 1. Aplicación de Gauss simple para el sistema 𝑎.

Para el sistema 𝑏 las raíces pueden tener infinitas soluciones, pues nos encontramos con la
situación 0 = 0.

Figura 2. Aplicación de Gauss simple para el sistema 𝑏.

11.
Figura 3. Aplicación de los métodos Jacobi y Gauss-Seidel para un sistema de ecuaciones
lineales 4x4.

De acuerdo a la anterior ilustración, se observa la tabla comparativa entre dos métodos

Jacobi y Gauss- seidel para conocer las soluciones de un sistema de ecuaciones 4*4, de
acuerdo a lo observado en esta, se concluyó por medio del método de Gauss-seidel es más
rapido solucionar el sistema, puesto que a la 7 iteración ya se había encontrado la
solución, mientras que por el método Jacobi se realizó a 15 iteraciones.

12.

A)

B)
C)

De acuerdo a las figuras se puede observar que por medio del método de Gauss-seidel se
llega a la solución más rápido con una cantidad menor de iteraciones, se observa en el
punto A y C para el punto B el algoritmo nunca llega a la solución, sus errores son muy
grandes, esto se puede deber a que la matriz no es diagonalmente dominante.

MÉTODOS NUMÉRICOS DE CONSULTA

Método de Taylor

Este método se aplica para resolver problemas de valor inicial a partir de una situación,
mediante el uso recursivo de ecuaciones diferenciales ordinarias.

Teorema de Taylor: Si la función 𝑓 y sus primeras 𝑛 + 1 derivadas son continuas en un

intervalo que contiene 𝑎 y 𝑥, entonces el valor de la función en un punto 𝑥 está dado por

𝑓′′(𝑎) 𝑓′′′(𝑎) 𝑓𝑛 (𝑎)

𝑓(𝑥) = 𝑓(𝑎) + 𝑓′(𝑎)(𝑥 − 𝑎) + (𝑥 − 𝑎)2 + (𝑥 − 𝑎)3 +. . . +
2! 3! 𝑛!
(C4.1.1)

donde el residuo 𝑅𝑛 se define como

𝑛 (𝑥−𝑡)𝑛
𝑅𝑛 = ∫0 𝑓 (𝑛+1) (𝑡)𝑑𝑡 (C4.1.2)
𝑛!
donde 𝑡 = 𝑎 es una variable muda. La ecuación (C4.1.1) se llama serie de Taylor o fórmula
de Taylor. Si se omite el residuo, el lado derecho de la ecuación (C4.1.1) es la aproximación
del polinomio de Taylor para 𝑓(𝑥). En esencia, el teorema establece que cualquier función
suave puede aproximarse mediante un polinomio. La ecuación (C4.1.2) es sólo una manera,
denominada la forma integral, mediante la cual puede expresarse el residuo. Se obtiene una
formulación alternativa basándose en el teorema del valor medio para integrales (Chapra &
Canale, 2006).

APLICACIONES

El método de Taylor es una herramienta matemática fundamental de los métodos

numéricos, algunos métodos numéricos se derivan de la serie de Taylor, como el método de
Newton raphson, el método de Taylor es utilizado para obtener soluciones numéricas de las
ecuaciones diferenciales (Aranda, 2003). También se puede utilizar para hallar la relativa
posición de las moléculas evidenciado por un informe creado por Acta Crystallographica

Ejemplo: Resuelva el siguiente PVI por el método de Taylor de segundo orden.

𝑑𝑦
= (𝑥 − 𝑦)
𝑑𝑥

Al utilizar cinco intervalos de nuevo se tiene

ℎ = 0.2 𝑥0 = 0.0, 𝑥1 = 0.2, 𝑥2 = 0.4
𝑥3 = 0.6, 𝑥4 = 0.8, 𝑥5 = 1.0
Se aplica la ecuación 7.23 con 𝑦0 = 2 y con

𝑑𝑓(𝑥,𝑦) 𝛿𝑓(𝑥,𝑦) 𝛿𝑓(𝑥,𝑦) 𝑑𝑦

= + (𝑥 − 𝑦) = 1 − 𝑥 + 𝑦 ya que 𝑑𝑥 =
𝑑𝑥 𝛿𝑥 𝛿𝑦
𝑥−𝑦

2
ℎ
𝑦1 = 𝑦 (0.2) = 𝑦0 + ℎ (𝑥0 − 𝑦0 ) + (1 − 𝑥0 + 𝑦0 )
2¡
2
0.2
= 2 + 0.2(0 − 2) + (1 −
2
0 + 2) = 1.66

2
ℎ
𝑦2 = 𝑦 (0.4) = 𝑦1 + ℎ (𝑥1 − 𝑦1 ) + (1 − 𝑥1 + 𝑦1 )
2

2
0. 2
= 1.66 + 0.2(0.2 − 1.66) + (1 − 0.2 + 1.66)
2
= 1.4172
al continuar este procedimiento se llega a

𝑦5 = 𝑦(1.0) = 1.11222
Método de Müller

Este método se puede usar para encontrar cualquier tipo de raíz, real o compleja, de una
función arbitraria.Converge casi cuadráticamente en un intervalo cercano a la raíz y es una
extensión del método de la secante, pero en lugar de aproximar 𝑓(𝑥) por una función lineal
(línea recta o polinomio de grado 1), resulta natural tratar de obtener una convergencia más
rápida aproximando 𝑓(𝑥) por un polinomio 𝑝(𝑥) de grado n >1 que coincida con 𝑓(𝑥) en los
puntos de abscisas 𝑥𝑖 , 𝑥𝑖−1 , . . . , 𝑥𝑖−𝑛 y determinar 𝑥𝑖+1como una de las raíces de 𝑝(𝑥).

Cuando 𝑛 = 2, se toman tres valores iniciales 𝑥0 , 𝑥1 , 𝑥2 y se halla el polinomio 𝑝(𝑥)de

segundo grado que pasa por los puntos (𝑥0 , 𝑓(𝑥0 )), (𝑥1 , 𝑓(𝑥1 )) y (𝑥2 , 𝑓(𝑥2 )) y se toma una de
las raíces de 𝑝(𝑥), la más cercana a, como la siguiente aproximación. Se repite la
operaciones con los nuevos valores iniciales 𝑥1 , 𝑥2 , 𝑥3 y se termina el proceso tan pronto
como satisfaga algún criterio de convergencia.

Sean 𝑥𝑖 , 𝑥𝑖−1 , 𝑥𝑖−2 tres aproximaciones distintas a una raíz de 𝑓(𝑥) = 0. Usando la siguiente
notación.
𝑓𝑖 = 𝑓(𝑥𝑖 )
𝑓𝑖−1 = 𝑓(𝑥𝑖−1 )
𝑓𝑖−2 = 𝑓(𝑥𝑖−2 )

Se pueden utilizar las funciones (2.28) y la función (2.29), respectivamente.

𝑓𝑖 − 𝑓𝑖−1
𝑓 [𝑥𝑖 , 𝑥𝑖−1 ] =
𝑥𝑖 − 𝑥𝑖−1

𝑓𝑖−1 − 𝑓𝑖−2
𝑓 [𝑥𝑖−1 , 𝑥𝑖−2 ] =
𝑥𝑖−1 − 𝑥𝑖−2

𝑓 [𝑥𝑖 , 𝑥𝑖−1 ] − 𝑓 [𝑥𝑖−1 , 𝑥𝑖−2 ]

𝑓 [𝑥𝑖 , 𝑥𝑖−1 , 𝑥𝑖−2 ] =
𝑥𝑖 − 𝑥𝑖−2
La función (2.30)

𝑝(𝑥) = 𝑓𝑖 + 𝑓 [𝑥𝑖 , 𝑥𝑖−1 ](𝑥 − 𝑥𝑖 ) + 𝑓 [𝑥𝑖 , 𝑥𝑖−1 , 𝑥𝑖−2 ](𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖−1 )

es la parábola única que pasa por los puntos (𝑥𝑖 , 𝑓𝑖 ), (𝑥𝑖−1 , 𝑓𝑖−1 ) y (𝑥𝑖−2 , 𝑓𝑖−2 ). La manera
usual de escribir un polinomio de segundo grado o parábola es

𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
Al comparar esta última expresión con la ecuación 2.30 se establece la siguiente
identificación
𝑎2 = 𝑓 [𝑥𝑖 , 𝑥𝑖−1 , 𝑥𝑖−2 ]

𝑎1 = 𝑓 [𝑥𝑖 , 𝑥𝑖−1 ] − (𝑥𝑖 + 𝑥𝑖−1 )𝑎2

𝑎0 = 𝑓𝑖 − 𝑥𝑖 (𝑓 [𝑥𝑖 , 𝑥𝑖−1 ] − 𝑥𝑖−1 𝑎2 )

Una vez calculados los valores de 𝑎0 , 𝑎1 y 𝑎2 , las raíces de 𝑝(𝑥)se determinan a partir de la
fórmula cuadrática 2.31
2𝑎0
𝑥𝑖+1 = 1
−𝑎1 ± (𝑎12 − 4𝑎0 𝑎2 )2
Puede ocurrir que la raíz cuadrada en la ecuación sea compleja. Si 𝑓(𝑥) no está definida
para valores complejos, el algoritmo deberá reiniciarse con nuevos valores iniciales. Si 𝑓(𝑥)
es un polinomio, la posibilidad de raíces complejas es latente y el valor de 𝑥 puede
considerarse como aproximación a alguna de estas raíces y, por tanto, deberá emplearse
en la siguiente iteración (Nieves-Hurtado & Domínguez-Sánchez, 1998).

Diferencias.
La diferencia que existe de este método a los otros vistos en clase es que este se resuelve
de forma cuadrática, en vez de resolverlo de forma linea o n^1 intenta aproximar 𝑓(𝑥) por un
polinomio 𝑝(𝑥) de grado n >1 que coincida con 𝑓(𝑥) en los puntos de abscisas
𝑥𝑖 , 𝑥𝑖−1 , . . . , 𝑥𝑖−𝑛 y determinar 𝑥𝑖+1como una de las raíces de 𝑝(𝑥).

A diferencia del método de Newton-Raphson, no requiere la evaluación de la primera

derivada de la función y obtiene raíces reales y complejas aun cuando estas raíces sean
repetidas.

Ejemplo:
Utilizando el método de müller se encontra una raíz real de la ecuación polinomial

3 2
𝐹(𝑥) = 𝑥 + 2𝑥 + 10𝑥 − 20 = 0

Primera iteración
Al seleccionar como valores iniciales a

𝑋0 = 0; 𝑋1 = 1; 𝑋2 = 2
Después evaluando la función F(x) en estos puntos, se tiene
𝑓0 = −20 𝑓1 − 7 𝑓2 = 16
Se calculan ahora los coeficientes del polinomio de segundo grado

𝑓 −𝑓 −7+20
𝑓 [𝑋1 , 𝑋0 ] = 𝑥1 −𝑥0 = = 13
1 0 1−0

𝑓 −𝑓 23−13
𝑓 [𝑋2 , 𝑋1 ] = 𝑥2 −𝑥1 = = 23
2 1 2−0

𝑓[𝑥2 −𝑥1 ]−𝑓[𝑥1 −𝑥0 ] 23−13

𝑓 [𝑋2 , 𝑋1 , 𝑋0 ] = = = 5
𝑥2 −𝑥0 2−0

Por lo tanto

𝑎2 = 𝑓 [𝑥2 , 𝑥1 , 𝑥0 ] = 5

𝑎1 = 𝑓[𝑥2 , 𝑥1 ] − (𝑥2 + 𝑥1 ) 𝑎2 = 23 − (2 + 1)5= 8

𝑎0 = 𝑓2 − 𝑥2 (𝑓 [𝑥2 , 𝑥1 ] − 𝑥1 𝑎2 ) = 16 − 2(23 − 1(5))

= −20
Se calculan los denominadores de la ecuación 2,31

1/2 1/2
−𝑎1 + (𝑎12 − 4𝑎0 𝑎2 ) = −8 + (64 + 400)
= 13.54066
1/2 1/2
−𝑎1 − (𝑎12 − 4𝑎0 𝑎2 ) = −8 + (64 + 400)
= −29.54066
Como el segundo es mayor en valor absoluto, se usa en la ecuación 2,31, de donde
 2𝑎0 2(−20)
𝑥3 = 1/2
= = 1.35407
−𝑎1 − (𝑎12 − 4𝑎0 𝑎2 ) −29.54

Segunda iteración
Recorriendo ahora los subíndices de x, se tiene

𝑋0 = 0; 𝑋1 = 1; 𝑋2 = 2

𝑓0 = −20 𝑓1 − 7 𝑓2 = 16

En consecuencia

𝑓1 − 𝑓0 16 + 7
𝑓 [𝑋1 , 𝑋0 ] = = = 23
𝑥1 − 𝑥0 2−1
𝑓 −𝑓 −0.30968−16
𝑓 [𝑋2 , 𝑋1 ] = 𝑥2 −𝑥1 = = 25.24999
2 1 1.355407−2
De donde
𝑎2 = 𝑓 [𝑥2 , 𝑥1 , 𝑥0 ] = 6.35407

𝑎1 = 𝑓[𝑥2 , 𝑥1 ] − (𝑥2 + 𝑥1 ) 𝑎2 = 25.2499 − (1.35407 + 2) 6.35407

= 3.9378

𝑎0 = = −0.30968 − 1.35407 (25.2499 − 2(6.35407)) = −17.29187

Calculando los denominadores de la ecuación 2.31

1/2
−𝑎1 + (𝑎12 − 4𝑎0 𝑎2 ) = 17.39295
1/2
−𝑎1 − (𝑎12 − 4𝑎0 𝑎2 ) = −25.26855
Como el segundo es mayor en valor absoluto, se usa en la ecuación 2,31, en donde

2𝑎0 2(−20)
𝑥3 = 1/2
= = 1.36865
−𝑎1 − (𝑎12 − 4𝑎0 𝑎2 ) −29.54
la tabla 2.5 se obtiene repitiendo el procedimiento

i 𝑥𝑖 |𝑥𝑖+1 − 𝑥𝑖 |

0 0

1 1 1.00000

2 2 1.00000

3 1.35407 0.64593

4 1.36865 0.01458

5 1.36881 0.00016

BIBLIOGRAFÍA

Aranda, D. F. (2003). Introducción a los métodos numéricos: software en basic y

aplicaciones en hidrología superficial. Universidad potosina.

Chapra, S & Canale, R. (2006). Errores de truncamiento y serie de Taylor. En Métodos

numéricos para ingenieros (p. 79). México: McGraw-Hill Interamericana.

Nieves-Hurtado, A & Domínguez-Sánchez, F. (1998). Solución de ecuaciones no lineales.

En Métodos numéricos aplicados a la Ingeniería (pp. 74-78). México: Compañía editorial
continental, S.A de C.V México.

Nieves-Hurtado, A & Domínguez-Sánchez, F. (1998). Ecuaciones diferenciales ordinarias.

En Métodos numéricos aplicados a la Ingeniería (pp. 473, 475-476). México: Compañía
editorial continental, S.A de C.V México.