SEGUNDO TRABAJO

MONOGRAFICO
ANÁLISIS NUMÉRICO

DOCENTE:
Gladys G Melgarejo Estremadoyro

Integrantes:
- Collazos Pardave Christian
- Castillo Anchivilca Daniel
- Gutierrez Rafael Bryson Daniel
- Huaraca Berrocal Luis Enrique

FACULTAD DE INGENIERIA GEOLÓGICA, MINAS, METALÚRGICA Y GEOGRÁFICA – EP

INGENIERÍA METALÚRGICA
Tabla de contenido
RESUMEN .................................................................................................................... 3
INTRODUCCION .......................................................................................................... 3
OBJETIVOS ................................................................................................................. 3
FUNDAMENTO TEÓRICO ........................................................................................... 3
METODO DE NEWTON-RAPHSON ......................................................................... 4
MÉTODO DE NEWTON MODIFICADO .................................................................... 6
MÉTODO DE LA SECANTE ..................................................................................... 7
INTERPRETACIÓN GRÁFICA .............................................................................. 8
METODO DE LA SECANTE MODIFICADO ............................................................. 8
PLANTEAMIENTO DEL PROBLEMA .......................................................................... 8
EJERCICIOS ................................................................................................................ 9
Metodo de Newton Raphson ..................................................................................... 9
Metodo de Newton Raphson Modificado ................................................................. 12
Metodo de la Secante ............................................................................................. 16
Metodo de la secante modificado ............................................................................ 19
CONCLUSIONES ....................................................................................................... 22
RECOMENDACIONES ............................................................................................... 22
REFERENCIAS .......................................................................................................... 22
RESUMEN

En el presente informe se desarrollan 2 tipos de métodos o formas de hallar las

raíces de una ecuación no lineal o ecuación compleja; por métodos abietos :
método de Newton Rhapson y método de la Secante cada uno con sus
modificaciones respectivas

INTRODUCCION

Resulta difícil no encontrar un área de ingeniería en donde las ecuaciones no

lineales no sean utilizadas: circuitos eléctricos y electrónicos, riego agrícola,
columnas empotradas y articuladas, tanques de almacenamiento, industria metal
mecánica, industria química, etc.
La razón principal para resolver ecuaciones no lineales por medio de métodos
computacionales es que estas ecuaciones carecen de solución exacta, excepto
para muy pocos problemas. La solución analítica de las ecuaciones polinomiales
existe solo hasta el orden cuatro, pero no existen soluciones de forma exacta
para órdenes superiores. Por lo tanto, las raíces de esas ecuaciones no lineales
se obtienen mediante métodos computaciones basados en procedimientos
iterativos
Los métodos numéricos diseñados para encontrar las raíces son poderosos,
aunque cada uno tiene sus propias limitaciones y defectos. Por lo tanto, los
estudiantes deben aprender los pros y contras de cada método, en particular sus
dificultades, y familiarizarse con los métodos mediante la practica en una
computadora

OBJETIVOS

El propósito de este informe es que el lector cuente con los elementos básicos y
el criterio apropiados para resolver ecuaciones complejas en donde las técnicas
algebraicas de despejar la raíz no sean aplicables como es el caso de cosx -3x
=0 o ex -3x=0 o bien resulten imprácticas. Por tanto, es importante señalar lo
difícil que resulta pensar en un tópico de matemáticas o ingeniería que no
involucre ecuaciones de esta naturaleza.

FUNDAMENTO TEÓRICO

Existen métodos para hallar raíces de ecuaciones que aprovechan el hecho de

que una función cambia de signo en la vecindad de una raíz. A estas técnicas se
les llama métodos cerrados, o de intervalos, porque se necesita de dos valores
iniciales para la raíz. Como su nombre lo indica, dichos valores iniciales deben
‘’encerrar’’, o estar a ambos lados de la raíz. Los métodos particulares descritos
aquí emplean diferentes estrategias para reducir sistemáticamente el tamaño del
intervalo y así converger a la respuesta correcta
En contraste, los métodos abiertos se basan en fórmulas que requieren
únicamente de un solo valor de inicio x o que empiecen con un par de ellos, pero
que no necesariamente encierran a la raíz. Estos algunas veces divergen o se
alejan de la raíz verdadera a medida que se avanza en el cálculo. Sin embargo,
cuando los métodos abiertos convergen, igual que los cerrados, en general lo
hacen mucho más rápido que los cerrados.

METODO DE NEWTON-RAPHSON

Este método es uno de los más utilizados para localizar raíces ya que en general
es muy eficiente y siempre converge para una función polinomial.

Se requiere que las funciones sean diferenciables, y, por tanto, continuas, para
poder aplicar este método.

Se debe partir de un valor inicial para la raíz: xi, este puede ser cualquier valor,
el método convergirá a la raíz más cercana.

Si se extiende una tangente desde el punto(xi , f(xi)) , el punto donde esta

tangente cruza al eje x representa una aproximación mejorada de la raíz.

La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente

de una recta.

Pendiente de una recta:

Hay que determinar un número máximo de iteraciones

Normalmente esto se hace considerando una “tolerancia”, esto es:

El valor absoluto de la diferencia de la xi+1-xi debe ser menor que la tolerancia

o el resultado de alguna fórmula de error debe ser menor que la tolerancia dada.

Una de las fórmulas de error más útiles es la del error relativo porcentual
aproximado:

𝐸𝑎𝑐𝑡𝑢𝑎𝑙−𝐸𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
Er=| | 100 %
𝐸𝑎𝑐𝑡𝑢𝑎𝑙

El método de Newton-Raphson es convergente cuadráticamente, es decir, el

error es aproximadamente al cuadrado del error anterior.

Esto significa que el número de cifras decimales correctas se duplica

aproximadamente en cada interacción.

Cuando el método de Newton-Raphson converge, se obtienen resultados en

relativamente pocas interacciones, ya que para raíces no repetidas este método
converge con orden 2 y el error Ei+1 es proporcional al cuadrado del resultado
anterior Ei

Supóngase que el error en una iteración es 10-n el error en la siguiente, (que es

proporcional al cuadrado del error anterior) es entonces aproximadamente 10-2n,
el que sigue será aproximadamente 10-4n etc.

De esto puede afirmarse que de cada iteración duplica aproximadamente el

número de dígitos correctos.

Sin embargo, el método de Newton-Raphson algunas veces no converge, sino

que oscila. Esto ocurre si no hay raíz real, si la raíz es un punto de inflexión o si
el valor inicial está muy alejado de la raíz buscada y alguna otra parte de la
función “atrapa” la iteración.

MÉTODO DE NEWTON MODIFICADO

La dificultad del método de Newton Raphson en el comportamiento de una

función con raíces múltiples obliga a considerar una modificación del método
discutido por Ralston. Como primero se desean encontrar las raíces de una
función f(x). Definimos una función nueva U(x), dada por:

Se observa que la función U(x) tiene las mismas raíces que f(x), entonces U(x)
se vuelve cero en cualquier punto que f(x) es cero. Suponiendo ahora que f(x)
tiene una raíz múltiple en x = c de multicidad r. Esto podría ocurrir, por ejemplo,
si f(x) contiene un factor (x-c). Entonces, podría fácilmente demostrarse que U(x)
tiene una raíz en x = c de multicidad r, o una raíz simple. Puesto que el método
de Newton Raphson es efectivo para raíces simples, podemos aplicar el método
de Newton para resolver U(x) en lugar de f(x). De esta manera, la ecuación
recursiva de este método queda:

Derivando la función auxiliar U(x), queda:

MÉTODO DE LA SECANTE

Debemos recordar que una de las debilidades del método de Newton es

que utiliza la derivada de la función y se trata de encontrar un cero de
esta. Es en este sentido que surge una diversidad de métodos y uno de
ellos es el Método de la Secante que analizaremos en adelante.
Supongamos que estamos interesados en solucionar la debilidad de la
metodología de Newton, empecemos por reemplazar la derivada f’ (x) en
la secuencia que origina el método de Newton por un cociente de
diferencias es decir:
f ( x k )  f ( x k 1 )
f ( x k ) 
x k  x k 1

recordemos que esta relación tiene como fundamento la definición de la

derivada de f(x) en términos de un límite, realicemos tal sustitución
enunciada y así tendremos.
x k  x k 1
x k 1  x k  f ( x k ) ..... k  1,2,3,...
f ( x k )  f ( x k 1 )

Observemos que si calculamos xk+1 entonces se requiere conocer xk y xk-

1 esto quiere decir que se deben de dar en la problemática estos dos
valores.
Así también se observa que para determinar el valor de xk sólo se requiere
un cálculo de f(x)
INTERPRETACIÓN GRÁFICA

La interpretación gráfica es similar que la interpretación grafica del

método de Newton solo que en este caso se debe de considerar la línea
tangente como una línea secante

f(x)

f(Xk-1)

Línea secante a la función

f(Xk) f(x)

r Xk+1 Xk Xk-1

METODO DE LA SECANTE MODIFICADO

 Se aproxima la derivada de la función con un método de cambio

fraccionario de la variable.
 Se reemplaza en la ecuación de Newton-Raphson

f ( xi  xi )  f ( xi ) f ( xi )
f ( xi )  xi 1  xi 
xi f ( xi )

 Con lo que se obtiene la fórmula de la secante modificada:

xi f ( xi )
xi 1  xi 
f ( xi  xi )  f ( xi )

 Nótese que ahora solo se requiere un valor de x inicial y el valor del

cambio fraccionario.

PLANTEAMIENTO DEL PROBLEMA

- Los métodos numéricos en el presente informe sirven para obtener

aproximaciones a las soluciones de ecuaciones no lineales cuando no es
posible obtener respuestas exactas con métodos algebraicos. A
continuación, se muestran los diferentes tipos de ejercicios para los
diversos métodos
EJERCICIOS

Metodo de Newton Raphson

1. Usar el método de NEWTON-RAPHSON para aproximar la raíz de

f(x)= arctan(x) + x – 1 comenzando con x0=0 y hasta que |𝐸𝑎| < 1%
Solucion:
En este caso, calculando la primera derivada de la funcion dada se tiene:
1
FI(X)=1+𝑋 2 + 1

La cual sustituimos para obtener,

arctan(𝑥i)+𝑥𝑖−1
Xi+1=xi - 1
+1
1+𝑥2

Primera iteración:
arctan(0)+0−1
Comenzamos sustituyendo x0=0 - 1 ; x0= 0.5
+1
1+02

En este caso tenemos un error aproximado de:

0.5−0
Eaprox= *100%= 100%
0.5

Segunda iteración:
Ahora, sustituyendo x0=0.5 como el valor anterior calculado para obtener:
arctan(0.5)+0.5−1
X2=0.5 - 1 = 0.5201957728
+1
1+0.52

En este caso tenemos un error aproximado de:

0.5201957728−0.5
Eaprox= *100%= 3.88%
0.5201957728

Continuamos el proceso hasta lograr el objetivo. Resumimos los resultados en

la siguiente tabla:
Aproximacion a la raiz Error aproximado
0
0.5 100%
0.5201957728 3.88%
0.5202689918 0.01%

Delo cuál concluimos que la aproximación obtenida es:

 X3=0.5202689918

2. En un laboratorio de ensayos de materiales, se hacen diversas pruebas

para determinar las propiedades mecánicas de un determinado material.
Se lleva para análisis de tracción, una probeta de acero 1010, de la cual
se desata saber su limite elástico. La grafica que nos muestra la pantalla
tiene la siguiente forma:
-x -x
f(x)=e

Hallar el valor de convergencia de dicha expresión con un valor inicial de

x0=0.5 con 6 iteraciones.
Solucion:
Derivando la funcion tenemos: fI(x)=-e-x-1
Luego aplicando el método de Newton-Raphson:
𝑓(𝑥𝑛)
Xn+1=xn - 𝑑𝐹
(𝑥𝑛)
𝑑𝑥

𝑒 −0.5 −0.5
X1=0.5 - =0.566311
𝑒 −0.5 −1
𝑥1−𝑥0 0.566311−0.5
Er=| | ∗ 100% = | | ∗ 100% = 11.7093
𝑥1 0.566311

𝑒 −0.566311 −0.566311
X2=0.566311 - ; x2= 0.569328025
𝑒 −0.566311 −1

𝑒 −0.569328025 −0.569328025
X3=0.569328025 - ; x3= 0.5614439345
𝑒 −0.569328025 −1

𝑒 −0.5614439345 −0.5614439345
X4=0.5614439345- ; x4= 0.582528554363
𝑒 −0.5614439345 −1

𝑒 −0.582528554363 −0.582528554363
X5=0.582528554363- ;
𝑒 −0.582528554363 −1

x5= 0.5880703788

𝑒 −0.5880703788 −0.5880703788
X6=0.5880703788- 𝑒 −0.5880703788 −1

X6= 0.5145834923
Iteracion Raiz Ea
primera 0.566311 0.066311
segunda 0.569328025 3.017025*10^-3
tercera 0.5614439345 7.8840905*10^-3
cuarta 0.582528554363 0.021084619
 quinta 0.5880703788 5.5418244*10^-3
sexta 0.5145834923 0.07348688865

3. La flotación es un proceso fisicoquímico que consta de tres fases sólido-

líquido-gaseoso que tiene por objetivo la separación de
especies minerales mediante la adhesión selectiva de
partículas minerales a burbujas de aire. La cantidad de sulfato de zinc( un
depresor muy utilizado en el proceso de flotación del zinc) que se requiere
para el proceso esta dada por la siguiente expresión:
F(x)=e-x-ln(x)
Usar el metodo de newton Raphson para aproximar la raíz de f(x) con x0=1
hasta que |𝐸𝑎| < 1%
Solucion:
Derivamos F(x)=e-x-ln(x) ; FI(x)=-e-x-1/x
Luego:
𝑓(𝑥𝑛)
Xn+1=xn - 𝑑𝐹
(𝑥𝑛)
𝑑𝑥

𝑒 −1 −0
X1=1 - −𝑒 −1 −1/1=1.268941421

1.268941421−1
Ea= *100%= 21.19%
1.268941421

𝑒 −1.268941421 −ln(1.268941421)
X2=1.268941421 - −𝑒 −1.268941421 −1/1.268941421=1.309108403
1.309108403−1.268941421
Ea= *100%= 3.06%
1.309108403

𝑒 −1.309108403 −ln(1.309108403)
X3=1.309108403- −𝑒 −1.309108403 −1/1.309108403=1.309799389

1.309799389−1.309108403
Ea= *100%= 0.052%
1.309799389

Hacemos nuestra tabla de iteraciones:

Iteración Raíz Ea
0 1
1 1.268941421 21.19%
2 1.309108403 3.06%
3 1.309799389 0.052%
Metodo de Newton Raphson Modificado

1. Determine la raíz de la función f(x) = x 4 − 6x 3 + 12x 2 − 10x + 3 tomando

en cuenta que x0 = 0. Resolver con 8 cifras decimales.

Solución:
𝑓(𝑥) = 𝑥 4 − 6𝑥 3 + 12𝑥 2 − 10𝑥 + 3
𝑓´(𝑥) = 4𝑥 3 − 18𝑥 2 + 24𝑥 − 10
𝑓´´(𝑥) = 12𝑥 2 − 36𝑥 + 24

Primera iteración:

𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓´´(𝑥0 )

(3)(−10)
𝑥1 = 0 −
(−10)2 − (3)(24)

𝑥1 = 1.07142857

𝜀 s = |1.07142857 − 0|= 1.07142857

Segunda iteración:

𝑓(𝑥1 )𝑓´(𝑥1 )
𝑥2 = 𝑥1 −
[𝑓´(𝑥1 )]2 − 𝑓(𝑥1 )𝑓´´(𝑥1 )

(−0.00070283)(−0.02915452)
𝑥2 = 1.07142857 −
(−0.02915452)2 − (−0.00070283)(−0.79591837)

𝑥2 = 1.00091408

𝜀 s = |1.00091408 − 1.07142857|= 0.07051449

Tercera iteración:

𝑓(𝑥2 )𝑓´(𝑥2 )
𝑥3 = 𝑥2 −
[𝑓´(𝑥2 )]2 − 𝑓(𝑥2 )𝑓´´(𝑥2 )

(0.00000102)(−0.00215441)
𝑥3 = 1.00091408 −
(−0.00215441)2 − (0.00000102)(0.01095889)
 𝑥3 = 1.00000014

𝜀 s = |1.00000014 − 1.00091408|= 0.00091394

n xn 𝜀s
0 𝟎 --------
1 𝟏. 𝟎𝟕𝟏𝟒𝟐𝟖𝟓𝟕 𝟏. 𝟎𝟕𝟏𝟒𝟐𝟖𝟓𝟕
2 𝟏. 𝟎𝟎𝟎𝟗𝟏𝟒𝟎𝟖 𝟎. 𝟎𝟕𝟎𝟓𝟏𝟒𝟒𝟗
3 𝟏. 𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟒 𝟎. 𝟎𝟎𝟎𝟗𝟏𝟑𝟗𝟒
4 𝟏. 𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟒 0

Una raíz de la función es: 𝟏. 𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟒

2. Una mina ha comprado una máquina chancadora de rocas para la

separación de minerales, se desea saber cuántas toneladas por hora
puede operar, para esto se tiene la siguiente función f(x) = x 3 − 6x 2 +
11x − 6 si x0 = 3.6 εa <10-3
X: toneladas métricas por hora. Resolver con 5 cifras decimales.

Solución:
𝑓(𝑥) = 𝑥 3 − 6𝑥 2 + 11𝑥 − 6
𝑓´(𝑥) = 3𝑥 2 − 12𝑥 + 11
𝑓´´(𝑥) = 6𝑥 − 12

Primera iteración:

𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓´´(𝑥0 )

(2.496)(6.68)
𝑥1 = 3.6 −
(6.68)2 − (2.496)(9.6)

𝑥1 = 2.793

2.793−3.6
𝜀a = | |= 0.28894
2.793

Segunda iteración:

𝑓(𝑥1 )𝑓´(𝑥1 )
𝑥2 = 𝑥1 −
[𝑓´(𝑥1 )]2 − 𝑓(𝑥1 )𝑓´´(𝑥1 )

(−0.29432)(0.88655)
𝑥2 = 2.793 −
(0.88655)2 − (−0.29432)(4.758)
 𝑥2 = 2.91234

2.91234−2.793
𝜀a = | |= 0.04098
2.91234

Tercera iteración:

𝑓(𝑥2 )𝑓´(𝑥2 )
𝑥3 = 𝑥2 −
[𝑓´(𝑥2 )]2 − 𝑓(𝑥2 )𝑓´´(𝑥2 )

(−0.15294)(1.49709)
𝑥3 = 2.91234 −
(1.49709)2 − (−0.15294)(5.47404)

𝑥3 = 2.98672

2.98672−2.91234
𝜀a = | | = 0.02490
2.98672

n xn 𝜺a
0 𝟑. 𝟔 --------
1 𝟐. 𝟕𝟗𝟑 𝟎. 𝟐𝟖𝟖𝟗𝟒
2 𝟐. 𝟗𝟏𝟐𝟑𝟒 𝟎. 𝟎𝟒𝟎𝟗𝟖
3 𝟐. 𝟗𝟖𝟔𝟕𝟐 𝟎. 𝟎𝟐𝟒𝟗𝟎
4 𝟐. 𝟗𝟗𝟗𝟕𝟑 𝟎. 𝟎𝟎𝟒𝟑𝟒
5 𝟑. 𝟎𝟎𝟎𝟓𝟗 𝟎. 𝟎𝟎𝟎𝟐𝟗

Como 0.00029 < 10-3, tenemos que la solución de la función es

3.00059
Entonces, la chancadora puede operar con 3.00059 TM/h

3. Un ingeniero metalurgista se da cuenta que los reactivos que se usan en

la lixiviación de oro no cumplen con los requisitos, motivo por el cual están
perdiendo oro. El ingeniero desea saber cuánto de oro ha estado
perdiendo por hora, para lo cual obtiene la función f(x) = sen2 (x) −
ex +10
Además, x0 = 3, x en gramos por hora. εs < 0.001%. Operar con 6 cifras
decimales.

Solución:
𝑓(𝑥) = 𝑠𝑒𝑛2 (𝑥) − 𝑒 𝑥 + 10
𝑓´(𝑥) = 𝑠𝑒𝑛(2𝑥) − 𝑒 𝑥
𝑓´´(𝑥) = −2𝑠𝑒𝑛(𝑥) − 𝑒 𝑥
Primera iteración:

𝑓(𝑥0 )𝑓´(𝑥0 )
𝑥1 = 𝑥0 −
[𝑓´(𝑥0 )]2 − 𝑓(𝑥0 )𝑓´´(𝑥0 )

(−10.065622)(−20.364952)
𝑥1 = 3 −
(−20.364952)2 − (−10.065622)(−18.165193)

𝑥1 = 2.116011

𝜀 s = |2.116011 − 3|= 0.883990

Segunda iteración:

𝑓(𝑥1 )𝑓´(𝑥1 )
𝑥2 = 𝑥1 −
[𝑓´(𝑥1 )]2 − 𝑓(𝑥1 )𝑓´´(𝑥1 )

(2.433086)(−7.511511)
𝑥2 = 2.116011 −
(−7.511511)2 − (2.433086)(−9.222180)

𝑥2 = 2.347762

𝜀 s = |2.347762 − 2.116011|= 0.231750

Tercera iteración:

𝑓(𝑥2 )𝑓´(𝑥2 )
𝑥3 = 𝑥2 −
[𝑓´(𝑥2 )]2 − 𝑓(𝑥2 )𝑓´´(𝑥2 )

(0.046303)(−11.461987)
𝑥3 = 2.347762 −
(−11.461987)2 − (0.046303)(−10.495858)

𝑥3 = 2.351787

𝜀 s = |2.351787 − 2.347762|= 0.004025

n xn 𝜺s
0 𝟑 --------
1 𝟐. 𝟏𝟏𝟔𝟎𝟏𝟏 𝟎. 𝟖𝟖𝟑𝟗𝟗𝟎
2 𝟐. 𝟑𝟒𝟕𝟕𝟔𝟐 𝟎. 𝟐𝟑𝟏𝟕𝟓𝟎
3 𝟐. 𝟑𝟓𝟏𝟕𝟖𝟕 𝟎. 𝟎𝟎𝟒𝟎𝟐𝟓
4 𝟐. 𝟑𝟓𝟏𝟕𝟗𝟒 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟕

Como 0.000007 < 0.001%, solución de la función es: 2.351794

Por lo tanto, en la lixiviación se pierden 2.351794 gr/h
Metodo de la Secante

0. Usar el método de la secante para encontrar una raíz real de la

ecuación polinomial f ( x)  x 3  2 x 2  10 x  20 , considere x0 = 0; x1 = 1,
usar como criterio de convergencia la secuencia de distancias de
aproximación a la raíz.
Solución
a) Aplicamos la secuencia que determina la metodología:
x k  x k 1
x k 1  x k  f ( x k ) ..... k  1,2,3,...
f ( x k )  f ( x k 1 )

x1  x 0
x 2  x1  f ( x1) ..... k  1 Entonces x2 = 1.53846
f ( x1)  f ( x 0 )

b) X3 = 1.35031
c) X4 = 1.36792
d) X5 = 1.36881

A seguir presentamos el cuadro que se obtiene al realizar dicha

metodología en el cual observaremos que se trata de un método rápido
en convergencia casi tan igual que el Método de Newton pero mucho más
rápido que el Método de Punto Fijo

Iteraciones xk x k 1  x k
k
0 0.00000 0.00000
1 1.00000 1.00000
2 1.53856 0.53846
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881 0.00090

1. Usar el método de la secante para encontrar una raíz real de la ecuación

polinomial f(x) = x3 – senhx + 4x2 + 6x + 9 , considere x0 = 7; x1 = 8

Solución

𝑓(𝑋1)(𝑋1−𝑋0) 𝑓(8)(8−7)
X2 = X1 - = 8 - 𝑓(8)−𝑓(7) = 7.05895
𝑓(𝑋1)−𝑓(𝑋0)
 𝑓(𝑋2)(𝑋2−𝑋1) 𝑓(7.05895)(7.05895−8)
X3= X2 - = 7.05895 - = 7.11764
𝑓(𝑋2)−𝑓(𝑋1) 𝑓(7.05895)−𝑓(8)

𝑓(𝑋3)(𝑋3−𝑋2) 𝑓(7.11764)(7.11764−7.05895)
X4 = X3 - = 7.11764 - = 7.11289
𝑓(𝑋3)−𝑓(𝑋2) 𝑓(7.11764)−𝑓(7.05895)

𝑓(𝑋4)(𝑋4−𝑋3) 𝑓(7.11289)(7.11289−7.11764)
X5 = X4 - = 7.11289 - = 7.11306
𝑓(𝑋4)−𝑓(𝑋3) 𝑓(7.11289)−𝑓(7.11764)

I Xi Error estimado
0 7.00000
1 8.00000 1.00000
2 7.05895 0.94105
3 7.11764 0.05859
4 7.11289 0.00475
5 7.11306 0.00017
6 7.11306 0.00000

2. La ecuación de Van der Walls para un gas real es

𝑎
(𝑃 + ) (𝑉 − 𝑏) = 𝑅𝑇
𝑉2
Donde :
P = presión en atm
T = temperatura en K
R = constante universal de los gases en atm L / mol K = 0.08205
V = volumen molar del gas en L/mol
a , b = constantes particulares para cada gas
Para el gas SO2 producido en la tostación de menas sulfuradas , calcule el
volumen a 80ºC para una presión de 10 atm usando el método de la secante con
valores iniciales de V0 = 2.318077 y V1 = 3.477115 y un error estimado de 0
Gas a b
SO2 3.599 0.04267

Solucion
La ecuación dada también puede escribirse de la forma

f(V) = PV3 – (Pb + RT)V2 + aV – ab

Reemplazando los datos , tenemos

f(V) = 10V3 – (10*0.04267 + 0.08205*(80+273.15))V2 + 3.599V – 3.599*0.04267

f(V) = 10V3 – 29.4027V2 + 3.599V – 0.1536

Aplicamos el método de la secante

𝑓(𝑉1)(𝑉1−𝑉0) 𝑓(3.477115 )(3.477115 −2.318077) 89.55522934

V2 = V1 - 𝑓(𝑉1)−𝑓(𝑉0)
= 3.477115 - 𝑓(3.477115 )−𝑓(2.318077)
= 3.477115 - 102.5111255

V2= 2.603500
𝑓(𝑉2)(𝑉2−𝑉1) 𝑓(2.603500)(2.603500−3.477115) 11.89041462
V3 = V2 - = 2.603500 - = 2.603500 -
𝑓(𝑉2)−𝑓(𝑉1) 𝑓(2.603500 )−𝑓(3.477115) −91.12374861

V3= 2.733986
𝑓(𝑉3)(𝑉3−𝑉2) 𝑓(2.733986 )(2.733986 −2.603500) −0.748083041
V4 = V3 - 𝑓(𝑉3)−𝑓(𝑉2)
= 2.733986 - 𝑓(2.733986 )−𝑓(2.603500)
= 2.733986 - 7.877536755

V4 = 2.828950
𝑓(𝑉4)(𝑉4−𝑉3) 𝑓(2.828950 )(2.828950 −2.733986) 0.106255038
V5 = V4 - 𝑓(𝑉4)−𝑓(𝑉3)
= 2.828950 - 𝑓(2.828950 )−𝑓(2.733986)
= 2.828950 - 6.851950229

V5 = 2.813443

i Xi Error estimado
0 2.318077
1 3.477115 1.159038000
2 2.603500 0.873615000
3 2.733986 0.130486000
4 2.828950 0.094964000
5 2.813443 0.015507000
6 2.813443 0

Rpta : V6 =2.813443 litros

3. El voltaje de operación registrado en una celda electroquímica para la

electroobtencion de un componente disuelto en función de su pH (modelo
ideal), esta dada por V(pH) = epH – pH2 – pH – 1 (en voltios). Calcule el
voltaje necesario de operación usando el método de la secante con pH 0
= 1 y pH 1 = 2 .

Solucion
 𝑓(pH1)(pH1−pH0) 𝑓(2 )(2 −1)
pH 2 = pH 1 - =2- = 1.419990
𝑓(pH1)−𝑓(pH0) 𝑓(2)−𝑓(1)

𝑓(pH2)(pH2−pH1) 𝑓(1.419990)(1.419990 −2)

pH 3 = pH 2 - = 1.419990 - = 1.672172
𝑓(pH2)−𝑓(pH1) 𝑓(1.419990)−𝑓(2)

𝑓(pH3)(pH3−pH2) 𝑓(1.672172 )(1.672172−1.419990)

pH 4 = pH 3 - = 1.672172 - = 1.907957
𝑓(pH3)−𝑓(pH2) 𝑓(1.672172)−𝑓(1.419990)

i Xi Error estimado
0 1
1 2 1
2 1.419990 0.580010000
3 1.672172 0.252182000
4 1.907957 0.235785000
5 1.773755 0.134202000
6 1.790384 0.016662900
7 1.793364 0.002980000
8 1.793282 0.000082000
9 1.793282 0

Rpta : V9 =1.907957 voltios

Metodo de la secante modificado

1. Aplique el métodos de la Secante Modificado a:

𝑓(𝑥) = 𝑥 2 − 𝑥 − 3, 𝑥0 = 1.7, 𝛿 = 0.02

Sol:
Primera Iteración:
𝑥0 = 1.7 =>> 𝑓(𝑥0 ) = −1.81
𝑥0 + 𝛿𝑥0 = 1.734 =>>𝑓(𝑥0 + 𝛿𝑥0 ) = −1.727244000

𝛿𝑥0 𝑓(𝑥0 )
=>> 𝑥1 = 𝑥0 -𝑓( 𝑥
0 +𝛿𝑥0 )−𝑓(𝑥0 )

(0.02)(1.7)(−1.81)
=>> 𝑥1 = 1.7 − (−1.727244000)−(−1.81) = 2.443631882

𝐸𝐴𝑝𝑟𝑜𝑥% = |2.443631882 − 1.7| ∗ 100% = 0.743631882

Segunda Iteración
𝑥1 = 2.443631882 =>> 𝑓(𝑥1 ) = 0.527704893
𝑥1 + 𝛿𝑥1 = 2.492504520 =>>𝑓(𝑥1 + 𝛿𝑥1 ) = 0.720074262
(0.02)(2.443631882)(0.527704893)
=>>> 𝑥2 = 2.443631882 − (0.720074262)−(0.527704893)
= 2.309565163

n 𝑥𝑛 𝐸𝐴%
0 1.7
1 2.443631882 0.743631882
2 2.309565163 0.134066719
3 2.302776878 0.000096900
4 2.302776878 0.000096900
5 2.302775653 0.000001225

Por lo tanto la raíz se aproxima al valor 2.302775653, pues su error se

aproxima a CERO

2. El proceso de lixiviación es un proceso en el que un disolvente

líquido pasa a través de un sólido pulverizado para que se produzca
la disolución de uno o más de los componentes solubles del sólido, si
diario produce una cantidad de
𝑓(𝑥) = 2𝑥 3 − 11.7𝑥 2 + 17.7𝑥 − 5, 𝑑𝑜𝑛𝑑𝑒 𝛿 = 0.01 𝑦 𝑥0 = 3 ,hacer 3
iteraciones

Sol:
Primera iteración:
𝑥0 = 3 => 𝑓(𝑥0 ) = 𝑓(3) = −3.2
𝑥0 + 𝛿𝑥0 = 3.03 => 𝑓(𝑥0 + 𝛿𝑥0 ) = −3.149276

𝛿𝑥0 𝑓(𝑥0 )
 𝑥1 = 𝑥0 − 𝑓(𝑥 = 4.892595221
0 +𝛿𝑥0 )−𝑓(𝑥0 )

Segunda iteración:

𝑥1 = 4.892595221 => 𝑓(𝑥1 ) = 𝑓(4.892595221) = 35.763205

𝑥1 + 𝛿𝑥1 = 4.941521 => 𝑓(𝑥1 + 𝛿𝑥1 ) = 38.097297
(0.048926)(35.763205)
 𝑥2 = 4.892595221 − (38.097297)−(35.763205) = 4.142949415

Tercera iteración:

𝑥2 = 4.142949415 => 𝑓(𝑥2 ) = 𝑓(4.142949415) = 9.730470235

𝑥2 + 𝛿𝑥2 = 4.184378509 => 𝑓(𝑥2 + 𝛿𝑥2 ) = 10.73668793
(0.041429094)(9.730470235)
 𝑥3 = 4.892595221 − (10.73668793)−(9.730470235) = 3.742315954
 n 𝑥𝑛
0 3
1 4.892595221
2 4.142949415
3 3.742315954
5 3.591054741

3. El tiempo de reacción de un baño electrolítico, usado para el proceso

de pureza del cobre está dado por la siguiente función
𝑓(𝑥) = 𝑒 −𝑥 − 𝑥, 𝑑𝑜𝑛𝑑𝑒 𝛿 = 0.01 𝑦 𝑥0 = 1 𝑐𝑜𝑛 𝑢𝑛 𝐸𝑅% < 0.0003 .La
verdadera raíz es 0.56714329.

S𝑜𝑙:
Primera iteración
𝑥0 = 1 => 𝑓(𝑥0 ) = 𝑓(1) = −0.632105588
𝑥0 + 𝛿𝑥0 = 1.01 => 𝑓(𝑥0 + 𝛿𝑥0 ) = −0.6457810204
𝛿𝑥0 𝑓(𝑥0 )
 𝑥1 = 𝑥0 − 𝑓(𝑥 = 0.53726
0 +𝛿𝑥0 )−𝑓(𝑥0 )

𝑣 − 𝑣𝐴 0.56714329 − 0.53726
𝐸𝑅% = | | ∗ 100 = | | ∗ 100 = 5.269089933%
𝑣 0.56714329

Segunda iteración
𝑥1 = 0.53726 => 𝑓(𝑥1 ) = 𝑓(0.53726) = 0.04708717211
𝑥1 + 𝛿𝑥1 = 0.5426326 => 𝑓(𝑥1 + 𝛿𝑥1 ) = 0.0385181522695
(0.01)(0.53726)(0.047087172)
 𝑥2 = 0.53726 − (0.038578151)−(0.047087172) = 0.56700

𝑣 − 𝑣𝐴 0.56714329 − 0.56700
𝐸𝑅% = | | ∗ 100 = | | ∗ 100 = 0.025265220%
𝑣 0.56714329
n 𝑥𝑛 𝐸𝑅%
0 1
1 0.53726 5.269089933
2 0.566700 0.02526522001
3 0.56690 2.365*10−5
CONCLUSIONES

 El método de la secante se basa en el método de Newton, donde no se

requiere calcular la derivada.
 El método de la secante es un método simple y muy utilizado, gracias a
su rapidez y al hecho de que no hay que hallar derivas como en el de
Newton.
 Se han comprobado las ventajas del método de Newton – Raphson
para la localización de equilibrios en sistemas dinámicos continuos. Del
mismo modo, y con la adecuada definición del sistema, este método ha
mostrado su utilidad en la detección de puntos fijos en sistemas
dinámicos discretos.

RECOMENDACIONES

- Poner en práctica los métodos aprendidos en programas como Matlab.

- Usar siempre una cantidad de números decimales mayor o igual a 6
dígitos.
- Cada vez que se presente una ecuación con razones trigonométricas
configurar la calculadora en ángulos radianes
- Practicar repetidamente para desarrollar la velocidad de cálculo de los
estudiantes al momento de plasmar los números en la calculadora a fin
de agilizar el proceso

REFERENCIAS

Antonio Nieves y Federico Domínguez0. Métodos Numéricos Aplicados a la

Ingeniería
Soichiro Nakamura. Analisis Numerico y Visualización Grafica con Matlab
Steven Chapra y Raymond Canale . Métodos Numéricos para ingenieros
http://lidis.usbcali.edu.co/Proyectos/metodosNumericos/2016-
2/MathPlus/pdf/Reglafalsa.pdf