Tarea 3.

1 Construyendo el Proyecto integrador

Dilan Israel Araujo Lara
UNIVER, Campus Tlaquepaque.

Métodos numéricos

Cuarto cuatrimestre

2022

Docente: Fabricio Rivera Izazaga

Índice
Justificación......................................................................................................................................3
Introducción......................................................................................................................................4
Unidad 1...........................................................................................................................................5
Métodos numéricos.....................................................................................................................5
1.2 Método de punto fijo.........................................................................................................5
Conclusión:...............................................................................................................................7
Referencias..............................................................................................................................7
1.3 Aproximaciones sucesivas..................................................................................................8
Conclusión:.............................................................................................................................10
Referencias:...........................................................................................................................11
1.4 Falsa posición.........................................................................................................................12
Ejemplo...................................................................................................................................13
Conclusión..............................................................................................................................14
Unidad 2.........................................................................................................................................15
2.1 Método secante...................................................................................................................15
Conclusiones..........................................................................................................................17
Referencias............................................................................................................................17
2.2 Solución de sistemas de ecuaciones...............................................................................18
Conclusión..............................................................................................................................21
Referencias............................................................................................................................21
2.3 Gauss-Jordan......................................................................................................................22
Conclusión..............................................................................................................................28
Referencias............................................................................................................................28
2.4 Método de Cramer..............................................................................................................29
Sistema 3x3............................................................................................................................30
Conclusión..............................................................................................................................31
Referencias............................................................................................................................31
2.5 Interpolación de Newton....................................................................................................32
Conclusión..............................................................................................................................37
Referencias............................................................................................................................37
Justificación

En métodos numéricos es posible obtener aproximaciones numéricas y acercarse

a la solución con cierto grado de aproximación tan cercana al valor exacto como
se desee. Los métodos numéricos son aplicaciones de algoritmos por las cuales
es posible formular y solucionar problemas matemáticos usando operaciones
aritméticas menos complejas.
Introducción

Métodos numéricos se define como un procedimiento mediante el cual se obtiene,

casi siempre de manera aproximada, la solución de ciertos problemas realizando
cálculos puramente aritméticos y lógicos como operaciones aritméticas
elementales, cálculo de funciones, consulta de una tabla de valores, cálculo
preposicional, etc. La eficiencia en el cálculo de dicha aproximación depende, en
parte, de la facilidad de implementación del algoritmo y de las características
especiales y limitaciones de los instrumentos de cálculo. En general, al emplear
estos instrumentos de cálculo se introducen errores llamados de redondeo.
Unidad 1

Métodos numéricos

1.2 Método de punto fijo

Pues el método del punto fijo es un método interactivo, que también se

denomina método de aproximación sucesiva y requiere volver a
escribir la ecuación F(x) = 0 en la forma x = g(x). Se puede utilizar
para determinar raíces de una función de la forma, siempre y cuando
se cumplan los criterios de convergencia. Una definición en general
del método de punto fijo es el método que se va encarga de buscar
una raíz de una función a partir de un valor inicial, una tolerancia y un
número "n". Y en este método no es necesario el uso de intervalos.
Particularmente estas pueden ser utilizadas para determinar las
raíces de una función que sea de la forma, claro que esta debe
cumplir una serie de criterios que son de convergencia.
¿Cuáles son los software o programas o apps que se pueden usar para métodos
numéricos?

Analítica: es una herramienta patentada ampliamente utilizada para crear y

analizar modelos numéricos. Es un lenguaje de programación declarativo y
visual basado en diagramas de influencia

FlexPro: es un programa para el análisis de datos y la presentación de

datos de medición. Proporciona una rica interfaz de usuario similar a Excel
y su lenguaje de programación vectorial integrado FPScript tiene una
sintaxis similar a MATLAB.

FreeMat: un entorno de código abierto similar a MATLAB con licencia GPL.

GNU: Octave es un lenguaje de alto nivel, diseñado principalmente para

cálculos numéricos. Proporciona una interfaz de línea de comandos
conveniente para resolver problemas lineales y no lineales numéricamente,
y para realizar otros experimentos numéricos utilizando un lenguaje que es
principalmente compatible con MATLAB. Las versiones 4.0 y más recientes
de Octave incluyen una GUI. Varios programas Linux desarrollados de
forma independiente (Cantor , KAlgebra ) también ofrecen interfaces GUI
para Octave. Una comunidad activa brinda soporte técnico a los usuarios.

Jacket: una caja de herramientas de GPU patentada para MATLAB, que

permite descargar algunos cálculos de MATLAB a la GPU con fines de
aceleración y visualización de datos.

jLab: una plataforma de investigación para construir un entorno de código

abierto similar a MATLAB en Java puro y Groovy. Actualmente admite
scripts j-Scripts interpretados (tipo MATLAB) y scripts GroovySci
compilados (extensión de Groovy) que proporcionan una interfaz directa al
código Java y acceso de scripting a muchas bibliotecas científicas
populares de Java (por ejemplo, Weka y JSci ) y asistentes de aplicaciones.

LAPACK: proporciona rutinas Fortran 90 para resolver sistemas de

ecuaciones lineales simultáneas, soluciones de mínimos cuadrados de
sistemas lineales de ecuaciones, problemas de valores propios y problemas
de valores singulares y las factorizaciones matriciales asociadas (LU,
Cholesky, QR, SVD, Schur y Schur generalizado).

MATLAB: es un software propietario ampliamente utilizado para realizar

cálculos numéricos. Viene con su propio lenguaje de programación, en el
que se pueden implementar algoritmos numéricos.

GNU MCSim: es un paquete de simulación e integración numérica, con

capacidades rápidas de Monte Carlo y de cadena de Markov Monte Carlo.

[Link]: es una biblioteca de aprendizaje automático de software libre para

el lenguaje de programación.

NAG Library: es una extensa biblioteca de software de rutinas de análisis

numérico altamente optimizadas para varios entornos de programación.
Conclusión:

En conclusión, el método de punto fijo lo que busca es hallar las raíces

en funciones de la forma, a través de aproximaciones sucesivas que
convergen a la solución de la ecuación.
Referencias
 Método de punto fijo. (n.d.). [Link]. Retrieved September 18, 2022, from
[Link]
 Surhone, L. M., Tennoe, M. T., & Henssonow, S. F. (Eds.). (2011). Punto
Fijo. Betascript Publishing.
 1.4 Software de cómputo numérico - danaly7. (n.d.). [Link]. Retrieved
September 18, 2022, from [Link]
4-software-de-computo-numerico
1.3 Aproximaciones sucesivas

¿Qué es?
Aproximaciones sucesivas es un método abierto, es decir, no necesita de un
intervalo que atrape una raíz, sino que requiere de un valor x0 que representa una
aproximación a la raíz; de la cercanía de ésta a la raíz dependerá la velocidad en
que se cumpla con una tolerancia preestablecida.
¿Cómo hacer aproximaciones sucesivas?
Resultado de imagen para Aproximaciones sucesivas
Se estima el valor aproximado de la raíz x0, y se sustituye en el segundo miembro
de la ecuación para obtener x1. Poniendo x1 como argumento de φ(x),
obtendremos un nuevo número x2, y así sucesivamente. Este proceso se puede
sintetizar en la fórmula.

La Técnica de Aproximaciones Sucesivas se refiere a dar, supongamos, 5 pasos

hacia una determinada dirección, frenar, sacarse la venda de los ojos, medir la
distancia recorrida, definir una nueva dirección, volver a vendarse los ojos y
caminar 5 pasos más, volver a medir y corregir la dirección, y así sucesivamente
hasta llegar al destino.
Para ello se deben definir:
cantidad de pasos a dar antes de cada medición
frecuencia de las mediciones
tiempo de cada una
Este método es efectivo para resolver problemas complejos que son difíciles de
analizar con una metodología estándar.
A la hora de resolver un problema debemos tener muy claro dos aspectos
fundamentales: a dónde estamos parados y a dónde queremos ir. Es definir el
punto de partida y el destino, se trata de saber la situación actual real y el futuro
deseado. Son los dos elementos básicos e imprescindibles que necesitamos
conocer y estar de acuerdo para poder encarar la resolución de un problema o
conflicto.
De esta manera podemos interpretar que el punto de partida es el hoy, el ahora, la
situación actual, el problema en sí mismo mientras que el punto de llegada es el
problema resuelto o la misma realidad, pero sin el problema.

Conclusión:

El proceso de conversión para este tipo de convertidores se basa en la realización

de comparaciones sucesivas y de manera descendente o ascendente, hasta que
se encuentra la combinación que iguala la tensión entregada por el D/A y la de
entrada.

Y este tipo de convertidor es el más utilizado cuando se requieren velocidades de

conversión entre medias y altas del orden de algunos microsegundos a décimas
de microsegundos.
Referencias:

 Rosas, C., Javier, J., Cárdenas, G., Pinilla, M. E., Damián, M. V., Moreno,
S., Tovar Pérez, A., & Hugo, V. (s/f). Métodos abiertos para la solución
numérica de ecuaciones algebraicas y trascendentes. [Link].
Recuperado el 27 de septiembre de 2022, de
[Link]
2_metodos_abiertos.pdf
 (S/f). [Link]. Recuperado el 27 de septiembre de 2022, de
[Link]
 Cané, M. (2021, marzo 1). Técnica de las Aproximaciones Sucesivas para
resolver Problemas. Ser Líder - Management y Creatividad.
[Link]
resolver-problemas
1.4 Falsa posición

El método de la falsa posición pretende conjugar la seguridad del método de la

bisección con la rapidez del método de la secante. Este método, como en el
método de la bisección, parte de dos puntos que rodean a la raíz f(x) = 0, es decir,
dos puntos x0 y x1tales que f(x0)f(x1) < 0.
El método une f(a) con f(b) con una línea recta, la intersección de la recta con el
eje x representaría una mejor aproximación hacia la raíz. Al reemplazar la curva
de f(x) por una línea recta, se genera el nombre de «posición falsa» de la raíz. El
método también se conoce como interpolación lineal.
Ejemplo
Conclusión

En conclusión, el método de la falsa posición, pretende conjugar la

seguridad del método de la bisección con la rapidez del método de la
secante. Este método, como en el método de la bisección, parte de dos puntos
que rodean a la raíz f(x) = 0, es decir, dos puntos x0 y x1tales que f(x0)f(x1) < 0.
Unidad 2

2.1 Método secante

El método de la secante es un método para encontrar los ceros de una función de

forma iterativa. Uno de los objetivos de este método es eliminar el problema de la
derivada de la función, ya que existen funciones que describen fenómenos físicos
en la vida real, cuya derivada es muy compleja.
Es una variación del método de Newton-Raphson donde en vez de calcular la
derivada de la función en el punto de estudio, teniendo en mente la definición de
derivada, se aproxima la pendiente a la recta que une la función evaluada en el
punto de estudio y en el punto de la iteración anterior.

Ejemplo

Usar el método de la secante para aproximar la raíz de   , comenzando

con   ,     y hasta que   . 

Solución
Tenemos que     y   , que sustituimos en la fórmula de la
secante para calcular la aproximación   :

Con un error aproximado de:

Como todavía no se logra el objetivo, continuamos con el proceso. Resumimos los

resultados en la siguiente tabla:

Aprox. a la raíz Error aprox.

0  
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%

De lo cual concluimos que la aproximación a la raíz es:

Pruebas y resultados:

Casos de éxito:

f(x) = x2 – 4 | x0 = 4 | x1 = 3 | Iteraciones: 8 | Raíz: 2

f(x) = exp(x) – x | x0 = –1 | x1 = 1 | Iteraciones: 18 | Raíz: 3.518882

Casos frontera:

f(x) = x1/3 | x0 = 1 | x1 = 0 | Iteraciones: 1 | Raíz: 0.000000

f(x) = x3 – x -11 | x0 = –10 | x1 = 5 | Iteraciones: 10 | Raíz: 2.373650

Casos de falla:

f(x) = x1/3 | x0 = –20 | x1 = 20 | Iteraciones: 1 | Raíz: NaN

f(x) = x2 | x0 = –1 | x1 = 1 | Iteraciones: 2 | Raíz: NaN

Conclusiones

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

requiere calcular la derivada. Este método casi nunca falla ya que solo requiere de
dos puntos al principio, y después el mismo método se va retroalimentando, es
decir, se va acomodando hasta que encuentra la raíz. Dado a que el método es un
proceso iterativo, encuentra la aproximación casi con la misma rapidez que el
método de Newton-Raphson. Este método cuenta con la desventaja de que
debido a que es un proceso iterativo, corre el mismo riesgo que el método de
Newton-Raphson de no converger a la raíz. Resulta sencillo calcular las raíces
con este método ya que parte de dos puntos y estima la tangente (es decir, la
pendiente de la recta).

Referencias
 De jorgeyfloreth, L. T. las E. (2017, marzo 6). Método Secante. Métodos
Numéricos. [Link]
secante/
2.2 Solución de sistemas de ecuaciones

Un sistema de ecuaciones es un conjunto de ecuaciones (en nuestro caso serán

dos ecuaciones) y varias incógnitas (en nuestro caso dos) que aparecen en una o
varias de las ecuaciones. Una ecuación que tiene más de una incógnita nos
informa de la relación que existe entre éstas.
Una solución de un sistema es una asignación de valores para las incógnitas que
hace verdadera cada una de las ecuaciones. Resolver un sistema significa hallar
todas las soluciones del sistema.

 Se despeja una incógnita en una de las ecuaciones.

 Se sustituye la expresión de esta incógnita en la otra ecuación, obteniendo
una ecuación con una sola incógnita.
 Se resuelve la ecuación.
 El valor obtenido se sustituye en la ecuación en la que aparecía la incógnita
despejada.

Ejemplo
Conclusión

Un sistema de ecuaciones puede tener una, ninguna o infinitas soluciones. Hemos

cambiado nuestro sistema inicial haciendo combinaciones lineales de las
ecuaciones. El nuevo sistema es más sencillo en el sentido que: Cada ecuación
tiene menos incógnitas. Las soluciones quedan descriptas explícitamente. Las
soluciones del nuevo sistema son las soluciones de nuestro sistema original. En el
proceso de cambiar de sistema sólo hemos operado con los coeficientes. Para
escribir menos podemos obviar x, y, z, y escribir sólo los coeficientes de una forma
ordenada y sistemática.

Referencias

 de Educación, C., & de Extremadura, J. (2008, octubre). Métodos para

resolver sistemas de ecuaciones. [Link].
[Link]
47867239413126227467/page_43.htm
2.3 Gauss-Jordan

El método de Gauss consiste en transformar un sistema de ecuaciones en otro

equivalente de forma que este sea escalonado.
El método de Gauss – Jordan consiste en aplicar operaciones elementales para
obtener una matriz triangular superior.
Los pasos generales son:

Divide todo el primer renglón entre la componente a11.

Convierte todos los demás valores de esa columna en ceros:
Al segundo renglón (R2) se le restará el primer renglón multiplicado por la
componente a21.
Al tercer renglón (R3) se le restará el primer renglón multiplicado por la
componente a31.
Divide todo el segundo renglón entre la componente a22.
Repite todo el proceso para las demás columnas hasta obtener la forma deseada.
Teniendo la matriz triangular superior, podemos convertirla a la forma tradicional y
resolver de forma escalonada para determinar el valor de las incógnitas:

Ejemplo
 Poseemos un sistema de 3 ecuaciones y 3 incógnitas y lo convertimos a su
representación matricial:
Antes que nada, revisemos la nomenclatura:

Como primer paso dividimos el primer renglón R 1 entre la componente a11 :

Como segundo paso se requiere «convertir» las componentes inferiores de la
componente a11 en ceros (0):

Al tercer renglón (R3) se le restará el primer renglón multiplicado por la

componente a31.
Se procede a dividir el segundo renglón R2 entre la componente a22 :

Ahora se repite todo el proceso para las demás columnas hasta obtener la forma
deseada. 
Finalmente, convertimos al sistema convencional de ecuaciones:

Se observa que una vez que nos encontramos en esta forma triangular es posible
obtener los resultados de forma escalonada, es decir, el valor de Z se obtiene
directamente y su valor se sustituye en la ecuación superior, obteniendo el valor
de Y. Ambos valores (Z y Y) se sustituyen en la primera ecuación y se obtiene el
valor de X.
Conclusión

En conclusión, hemos visto que el método de Gauss – Jordan consiste en aplicar

operaciones elementales para obtener una matriz triangular superior.
Referencias
 Grossman, S. I. (2004). Algebra Lineal y sus Aplicaciones. (5a ed.). México:
McGraw-Hill.
 Anton, H. (2011). Introducción al Algebra Lineal. (5a ed.). México: Limusa
Wiley.
 Campbell, H. G. (1980). Linear Algebra with Applications. Atlanta: Prentice-
Hall.
2.4 Método de Cramer

La regla de Cramer nos permite resolver sistemas de ecuaciones lineales

(SEL) compatibles determinados, es decir, con una única solución.
El sistema tiene que ser cuadrado (tantas ecuaciones como incógnitas) y la matriz
de coeficientes debe ser regular (determinante distinto de 0).
Recordad que podemos escribir el sistema de ecuaciones en forma matricial
como:
A⋅X=bA·X=b
donde AA es la matriz de coeficientes, XX es la matriz columna con las incógnitas
y bb es la matriz columna con los términos independientes.
Bajo estas condiciones, la regla de Cramer es la siguiente:
La incógnita xixi del sistema AX=bAX=b es
xi=|Ai||A|xi=|Ai||A|
donde AiAi es la matriz AA, pero cambiando la columna ii de AA por la columna de
términos independientes, bb.
Ejemplo
Sistema 3x3

Calculamos el determinante de la matriz de coeficientes del sistema (aplicamos las

propiedades de los determinantes):

Resolvemos el sistema por Cramer:

Conclusión

El método de Cramer sirve para resolver sistemas de ecuaciones lineales. Se

aplica a sistemas que cumplan diversas condiciones, como, por ejemplo; el
numero de ecuaciones es igual al número de incógnitas y el determinante de la
matriz del coeficiente es distinto a cero.
Referencias
 Varela, R. M. G. (s/f). Regla de Cramer. 248.48.64. Recuperado el 20 de
noviembre de 2022, de
[Link]
id=722&redirect=1
 Gabriel Cramer y la regla de Cramer (resolución de sistemas de
ecuaciones). (s/f). [Link]. Recuperado el 20 de noviembre de
2022, de [Link]
[Link]
2.5 Interpolación de Newton

Interpolación es, a partir de una serie de puntos, obtener una ecuación cuya curva
pase por todos ellos o lo más cerca posible.
El método de interpolación de Newton es un poco más complicado que el de
LaGrange, pero como todo lo de Newton, es más preciso.
Este método es útil para situaciones que requieran un número bajo de puntos para
interpolar, ya que a medida que crece el número de puntos, también lo hace el
grado del polinomio.
La ecuación general para la obtención de la función por este método es:

Donde las “bi” se obtienen mediante la aplicación de una serie de funciones

incluidas en una tabla de diferencias.
Ejemplos
INTERPOLACIÓN DE NEWTON
FORMULA:

EJEMPLO:
Queremos conocer de la siguiente tabla la temperatura en los intervalos de
medición en:
a) 10.3 hrs, 
b) 14.15 hrs
TIEMPO hrs TEMPERATURA
9 15.299
10 15.300
11 15.109
12 15.391
13 15.205
14 15.317
15 15.320
16 15.210
17 15.321
18 15.321
19 15.327
20 15.333
Conclusión

La interpolación polinómica de newton sería útil o más útil para funciones de

primer grado ya que es de esta forma en la que está más simple llegar a el
resultado, pero al ir subiendo de grado al polinomio esta se vuelve cada vez más
larga y tediosa lo cual complica su utilización.

Referencias

 Interpolación de Newton. (2014, mayo 8). Eloradana.

[Link]

 Diiegosoto, P. (2016, marzo 9). Interpolación de Newton. Laboratorio de

métodos numéricos.
[Link]