3.

Obtenga las aproximaciones, con una exactitud de 10−4 a todos los ceros del polinomio
aplicando el método de Horner.

0 -1 Método de Horner
0.1 -0.969
2.5
0.2 -0.872
2
0.3 -0.703
1.5
0.4 -0.456
1
0.5 -0.125
0.6 0.296 0.5

0.7 0.813 0
0 0.2 0.4 0.6 0.8 1
0.8 1.432 -0.5
0.9 2.159 -1
0.1 -0.969 -1.5

Se tomó un conjunto de datos para realizar la gráfica, y a partir de este “determinar” cuál es
la raíz de la función dada, inmediatamente después se realizó la división sintética para
implementar el Método de Horner teniendo en cuenta el punto dado (más cercano).

1 3 0 -1
X0= 0.1 0.1 0.31 0.031
1 3.1 0.31 -0.969
X0= 0.1 0.1 0.32
1 3.2 0.63

X1= 1.6381

Como se puede ver al realizar la división sintética se obtiene un X1 el cual se utilizara en

un proceso cíclico, hasta obtener la aproximación deseada.
Ejemplo de Iteración
1 3 0 -1
X1= 1.6380952 1.638 7.598 12.446
1 4.638 7.598 11.446
X1= 1.6380952 1.6380952 10.280998
1 6.276 17.879
X2= 0.9979089

0.998 − 1,638
𝐸=| | × 100 = 64,13%
0.998

1 3 0 -1
X2= 0.9979089 0.9979089 3.9895489 3.9812063
1 3.9979089 3.9895489 2.9812063
X2= 0.9979089 0.9979089 4.985371
1 4.9958178 8.9749199

X3= 0.6657381
Ea= 49.90%

1 3 0 -1
X3= 0.6657381 0.6657381 2.4404215 1.6246816
1 3.6657381 2.4404215 0.6246816
X3= 0.6657381 0.6657381 2.8836287
1 4.3314762 5.3240503

X4= 0.5484061
Ea= 21.4%

1 3 0 -1
X4= 0.5484061 0.5484061 1.9459675 1.0671804
1 3.5484061 1.9459675 0.0671804
X4= 0.5484061 0.5484061 2.2467167
1 4.0968122 4.1926841

X5= 0.5323828
Ea 3.0%

1 3 0 -1
X5= 0.5323828 0.5323828 1.88058 1.0011885
1 3.5323828 1.88058 0.0011885
X5= 0.5323828 0.5323828 2.1640115
1 4.0647657 4.0445915
 X6= 0.532089
Ea= 0.055%

1 3 0 -1
X6= 0.532089 0.532089 1.8793856 1.0000004
1 3.532089 1.8793856 3.969E-07
X6= 0.532089 0.532089 2.1625043
1 4.064178 4.04189

X7= 0.5320889
Ea= 0.00002%

Como se puede evidenciar fueron necesarias 6 iteraciones para obtener la aproximación

establecida por el ejercicio.

4. Obtenga aproximaciones con un grado de exactitud de 10−4 a todos los polinomios, para
encontrar todos los ceros del polinomio usando el método de Muller.
𝑓(𝑥) = 𝑥 3 − 7𝑥 2 + 14𝑥 − 6
x f(x)
x f(x) x f(x)
-1.1 -31.201
-3 -138 1.2 2.448
-1 -28
-2.9 -129.859 1.3 2.567
-0.9 -24.999
-2.8 -122.032 1.4 2.624
-0.8 -22.192
-2.7 -114.513 1.5 2.625
-0.7 -19.573
-2.6 -107.296 1.6 2.576
-0.6 -17.136
-2.5 -100.375 1.7 2.483
-0.5 -14.875
1.8 2.352
-2.4 -93.744 -0.4 -12.784
1.9 2.189
-2.3 -87.397 -0.3 -10.857
2 2
-2.2 -81.328 -0.2 -9.088
2.1 1.791
-2.1 -75.531 -0.1 -7.471
2.2 1.568
-2 -70 1.527E-15 -6
2.3 1.337
-1.9 -64.729 0.1 -4.669
2.4 1.104
-1.8 -59.712 0.2 -3.472
2.5 0.875
-1.7 -54.943 0.3 -2.403
2.6 0.656
-1.6 -50.416 0.4 -1.456
2.7 0.453
0.5 -0.625
-1.5 -46.125 2.8 0.272
0.6 0.096
-1.4 -42.064 2.9 0.119
0.7 0.713
-1.3 -38.227 3 0
0.8 1.232
-1.2 -34.608
0.9 1.659
1 2
1.1 2.261
 Método de Muller
20

0
-4 -3 -2 -1 0 1 2 3 4
-20

-40

-60

-80

-100

-120

-140

-160

Se tomó un conjunto de datos, con los cuales se realizó una gráfica para lograr determinar
una aproximación de la raíz a partir de esta, inmediatamente después se les dieron valores a
X0, X1 y X2 teniendo como base el gráfico mencionado, logrando así la siguiente tabla de
iteraciones

N° Iteración 𝑥 𝑓(𝑥 ) 𝑥 𝑓(𝑥 ) 𝑥2 𝑓(𝑥 2 )

1 3 0 3.2 -0.112 3.5 0.125 0.2
2 3.2 -0.112 3.5 0.125 3.4256543 0.0138296 0.3
3 3.5 0.125 3.4256543 0.0138296 3.4126038 -0.001878 -0.074346
4 3.4256543 0.0138296 3.4126038 -0.001878 3.4139516 -0.000307 -0.01305
5 3.4126038 -0.001878 3.4139516 -0.000307 3.4142528 4.596E-05 0.0013478
6 3.4139516 -0.000307 3.4142528 4.596E-05 3.4142201 7.604E-06 0.0003011
7 3.4142528 4.596E-05 3.4142201 7.604E-06 3.4142126 -1.17E-06 -3.27E-05

a b c 𝑥3 𝐸 (%)
0.3 -1.185 0.79 3.95 1.975 0.125 3.4256543 -
-0.07434571 0.3705681 1.4953173 4.984391 1.1247492 0.0138296 3.4126038 0.3824193
-0.01305046 -0.211271 1.2035664 -16.18878 1.4148373 -0.001878 3.4139516 0.0394792
0.0013478 0.1203692 1.1655069 -89.30775 1.0451377 -0.000307 3.4142528 0.0088203
0.00030115 -0.261609 1.1708508 868.71107 1.4324599 4.596E-05 3.4142201 0.0009587
-3.2733E-05 0.127358 1.1717211 3890.8703 1.0443631 7.604E-06 3.4142126 0.0002194
-7.4899E-06 -0.268084 1.1715907 -35792.86 1.439675 -1.17E-06 3.4142134 2.433E-05

Ejemplo de Iteración (2)

Como se puede evidenciar fueron necesarias 7 iteraciones para obtener una exactitud de
10−5, parámetro establecido por el ejercicio desarrollado.
2. Resuelva 𝑥 3 − 𝑥 − 1 para la raíz en [1,2] con una exactitud de 0,0001 aplicando el método
de Steffenson y compare los resultados con el método de la Secante.
Procedimiento
Se procede a desarrollar el método de punto Fijo para posteriormente ser acelerado por el
Método de Steffensen, por lo que se propone el siguiente g(x):

Teniendo el g(x), habiendo sido comprobado por el Teorema de punto fijo, se proceden a
hacer las iteraciones partiendo de P0=1.
Ejemplo de iteración (2)
3
𝑔(1) = √(1) + 1 = 1,2599
1,2599 − 1
𝐸𝑎 = = 20,63%
1,2599
Punto Fijo
Iteración Xo Ea
1 1 -
2 1,25992105 20,6299474
3 1,31229384 3,99093445
4 1,32235382 0,76076329
5 1,32426874 0,14460248
6 1,32463263 0,02747031
7 1,32470175 0,00521802
8 1,32471488 0,00099115
9 1,32471737 0,00018827
10 1,32471785 0,00003576

Implementando el Método del punto fijo de manera estándar se necesitaron 10 iteraciones

para lograr una aproximación de 6 cifras significativas, por lo tanto después de conocer estos
datos, se puede proceder a acelerar la convergencia de la función usando el método de
Steffenson.

Ejemplo de iteración (1)

𝑃1(0) = 𝑔(1) = 1,325509
𝑃2(0) = 𝑔(𝑃1(0)) = 1,312293
(1,325509 − 1)2
𝑃0(1) = 1 − = 1,3255096
(1,312293 − 2(1,325509) + 1

|1,3255096 − 1|
𝐸𝑎 = 𝑥100% = 24,55%
1,3255096
Método de Steffensen
Iteración P0 P1 (n) P2 (n) P0 (n+1) Ea
1 1 1,25992105 1,312293837 1,3255096 24,557317
2 1,32486831 1,324746516 1,32471796 0,059759
3 1,32471796 1,324717957 1,324718 0,0000003
Por la aceleración de Convergencia con el Método de Steffenson se obtiene un valor con
mayor cantidad de cifras significativas y con 4 iteraciones menos que en el Método anterior.
Ahora con el fin de realizar una comparación se hace el mismo ejercicio, pero con el método
de secante:
Ejemplo de iteración (1)
(5)(−1)
𝑋𝑖 + 1 = 2 − = 1,166667
−1 − 5
Método de Secante
(Xi-1)-
Xi-1 Xi f(xi) Xi f(xi-1) Xi+1 Er Ea
1,0000 2,0000 5,0000 -1,0000 -1,0000 1,166666667 11,9309 -
2,0000 1,1667 -0,5787 0,8333 5,0000 1,253112033 5,4054 6,8985
1,1667 1,2531 -0,2854 -0,0864 -0,5787 1,337206446 0,9427 6,2888
1,2531 1,3372 0,0539 -0,0841 -0,2854 1,323850096 0,0655 1,0089
1,3372 1,3239 -0,0037 0,0134 0,0539 1,324707937 0,0008 0,0648
1,3239 1,3247 0,0000 -0,0009 -0,0037 1,324717965 0,0000 0,0008
1,3247 1,3247 0,0000 0,0000 0,0000 1,324717957 0,0000 0,0000006

Después de realizar el ejercicio por ambos Métodos podemos concluir que el de Steffenson
es mucho más efectivo, ya que con este únicamente fueron necesarias 3 iteraciones para
obtener una precisión menor al 0,0001, mientras que con el Método de Secante fue necesario
realizar 7 iteraciones. Esto demuestra la efectividad del método que tiene como objetivo
acelerar la convergencia a la raíz de la función.

1.Considere la función dada, aplique el método de Newton con un X0=0 para aproximar una
raíz de la función. Genere términos hasta que |Xn+1-Xn| < 0.0002. construya la sucesión del x
acelerado por medio del método de Aitken. ¿Mejoro la convergencia? Explique.
𝑓(𝑥) = 𝑒 8𝑥 + 3(ln(2))2 𝑒 2𝑥 − (ln(8))𝑒 4𝑥 − (ln(2))3
Método de Newton
Primera iteración
Para el cálculo de la primera iteración se procede a calcular la primera derivada de la función.
𝑓 ′ (𝑥) = 8𝑒 8𝑥 + 6(ln(2))2 𝑒 2𝑥 − 4(ln(8))𝑒 4𝑥
Ahora se procede a calcular el valor de estas dos funciones, reemplazando el valor de X por
el X0.
𝑓(0) = 𝑒 8∗ + 3(ln(2))2 𝑒 2∗ − (ln(8))𝑒 4∗ − (ln(2))3 = 0.028892848
 𝑓 ′ (0) = 8𝑒 8∗ + 6(ln(2))2 𝑒 2∗ − 4(ln(8))𝑒 4∗ = 2.564951917
Entonces se procede a calcular el Xi+1 utilizando la ecuación de Newton.
0.028892848
𝑋𝑖+ = 0 − = −0.011264479
2.564951917
Segunda Iteración
Para la segunda iteración se procede a calcular el valor de las dos funciones, reemplazando
el valor de X por el Xi+1.
𝑓(−0.011264479)
= 𝑒 8∗− . 264479 + 3(ln(2))2 𝑒 2∗− . 264479
− (ln(8))𝑒 4∗− . 264479

− (ln(2))3 = 0.002224705
𝑓 ′ (−0.011264479)
= 8𝑒 8∗− . 264479 + 6(ln(2))2 𝑒 2∗− . 264479
− 4(ln(8))𝑒 4∗− . 264479 = 2.177799182
Ahora se calcula el Xi+2 utilizando la ecuación de Newton.
0.002224705
𝑋𝑖+2 = −0.011264479 − = −0.012286018
2.177799182
Ahora se procede a calcular |Xn+1-Xn|.
|−0.012286018 + 0.011264479| = 0.001021538
Luego se procede a hacer la tercera iteración para obtener los siguientes datos.

ITERACIÓN Xi f(Xi) f'(Xi) Xi+1 |xn+1-xn|

1 0 0.028892848 2.56495192 -0.01126448
2 - 0.002224705 2.17779918 -0.01228602 0.00102154
0.01126448
3 - 1.67995E-05 2.14496958 -0.01229385 7.8320E-06
0.01228602

Método de Aitken
Primera Iteración
Se proceden a calcular las tres primeras iteraciones por el método de Newton, con esos
valores calculamos el Xi acelerado con la ecuación de Aitken.
(− . 26448+ . 2286 2)2
𝑋̂𝑖 = −0.01126448 − − = −0.01229391
. 229385−(2∗(− . 2286 2))− . 26448
 Con las iteraciones de la 2 a la 4 se procede a calcular el segundo valor de Xi acelerado con
la ecuación de Aitken.
(− . 2286 2+ . 229385)2
𝑋̂𝑖 = −0.01228602 − − = −0.01229385
. 229385 −(2∗(− . 229385))− . 2286 2

Ahora se procede a calcular |Xn+1-Xn|.

|−0.01229391 + 0.01229385| = 6.00543𝐸 − 08
ITERACIÓN Xi f(Xi) f'(Xi) Xi+1 Xi |xn+1-xn|
acelerado
1 0 0.028892848 2.56495192 -0.01126448 -
0.01229391
2 -0.01126448 0.002224705 2.17779918 -0.01228602 - 6.00543E-
0.01229385 08
3 -0.01228602 1.67995E-05 2.14496958 -0.01229385
4 -0.01229385 9.80159E-10 2.14471929 -0.01229385

Después de realizar ambos métodos podemos concluir que el método de Newton necesita de
menos iteraciones para obtener la aproximación requerida, aunque es más preciso el de
Aitken pero cabe destacar que para determinar la aproximación requerida se necesitó de una
iteración más.