CLASES MéT Num Hasta Parcial2 PDF

MÉTODOS NUMÉRICOS
NIVEL 5to
AREA FUNDAMENTO TEÓRICO
NºHORAS SEMANA 04
MÉTODOS NUMÉRICOS
1 GENERALIDADES Y CÁLCULO DE ERRORES
2 SOLUCIÓN DE ECUACIONES NO LINEALES
3 MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES
4 AJUSTES DE CURVAS E INTERPOLACIÓN
5 INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA
6 SOLUCIÓN DE ECUACIONES DIFERENCIALES

UNIDAD 1: GENERALIDADES Y CÁLCULO DE ERRORES
ANÁLISIS ERROR Y
APROXIMACIÓN
UNIDAD 2: SOLUCIÓN DE ECUACIONES NO LINEALES
Encontrar las
raíces de una
ecuación
UNIDAD 3: MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES.
SOLUCIÓN DE
SISTEMAS DE
ECUACIONES
UNIDAD 4: AJUSTES DE CURVAS E INTERPOLACIÓN
HALLAR VALORES
DESCONOCIDOS
EN FUNCIÓN DE
LOS CONOCIDOS
UNIDAD 5: INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA
Solución
aproximadas
de derivadas e
integrales
analíticamente
complicadas
UNIDAD 6: SOLUCIÓN DE ECUACIONES DIFERENCIALES
Proporcionar valores
numéricos de la
solución con una
aproximación
adecuada, en un
determinado
conjunto de puntos
MÉTODOS NUMÉRICOS
ACTIVIDADES A PRIMER SEGUNDO TERCER EVALUACIÓN
SUSPENSIÓN
EVALUAR PARCIAL PARCIAL PARCIAL PRINCIPAL
Exámenes 12 20
Lecciones 4 5 5
Tareas
2 2 1
Individuales
Trabajo equipo 1 2 2
Trabajo de
1 1 1
investigación
Aula virtual 1
TOTAL 8 PUNTOS 10 PUNTOS 10 PUNTOS 12 PUNTOS 20 PUNTOS

Bibliografía
BÁSICA
1. CHAPRA,S , RAYMOND, C. (2011). Métodos Numéricos para
Ingenieros: con aplicaciones en computadoras personales. Mc
Graw-Hill.
2. VAZQUEZ, C , DE BERDUGOS R.J. (2011). Análisis y Métodos
Numéricos: definición, teoremas y numéricos. Editorial García-
Maroto.
COMPLEMENTARIA
1. OLMOS, M. A. (2010). Análisis numérico. Editorial McGraw-Hill

Interamericana.
2. CABRERA RAUL. Métodos Numéricos.
ATENCIÓN A ESTUDIANTES:
Martes: 11h00-12h00
PERFIL DEL PROFESOR DE LA
ASIGNATURA
NOMBRE DEL PROFESOR MIGUEL ANGEL PÉREZ BAYAS
NÚMERO TELEFÓNICO 0999262941
CORREO ELECTRÓNICO miguel.perez@espoch.edu.ec
TÍTULOS ACADÉMICOS DE
Ingeniero Mecánico
TERCER NIVEL
TÍTULOS ACADÉMICOS DE Máster Universitario en
POSGRADO Automática y Robótica
PRUEBA DE DIAGNÓSTICO
1. Defina: Cifra significativa

2. ¿Qué es una linealización?
3. ¿Qué es un error?
4. ¿Qué implica obtener soluciones por métodos
numéricos y por métodos analíticos?
5. ¿Para qué sirve una regresión?
Tarea 1
Instalar:
- Látex:Miktex/Texmaker
https://www.youtube.com/watch?v=6akfDSf7omQ
- Matlab 2018ª
- Geogebra
UNIDAD I
Definición de los
métodos numéricos
y cálculo de errores
1. Consideraciones generales sobre los
métodos numéricos.
1. Consideraciones generales sobre los métodos numéricos.
Introducción
Historia
Los métodos numéricos como ciencia estructurada y rigurosa, tienen un estudio
relativamente joven, empezando a finales del siglo XIX inicios del siglo XX.
Sin embargo desde tiempos remotos se emplearon métodos de aproximación,
siendo un aprueba de esto el descubrimiento del Papiro de Rhind o Ahmes, que
data del año 1650 AC. Elemento de 6m por 33cm, representa la mejor fuente de
información sobre matemática egipcia, posee 80 ejercicios resueltos, de cálculo
de volumen de frutas, áreas, raíces cuadradas, Etc.
En contraste en 1984 Math Works desarrolla el lenguaje de programación
MatLab, orientado al trabajo de Matrices.
1.. Consideraciones generales sobre los métodos numéricos
Importancia de los Métodos Numéricos
Los métodos numéricos son técnicas mediante las

cuales es posible formular problemas matemáticos
de tal forma que puedan resolverse usando
operaciones aritméticas.
El objetivo principal es encontrar soluciones aproximadas a problemas

complejos utilizando las operaciones más simples de aritmética. Es decir
resolver problemas difíciles con muchos pasos fáciles. Permitiendo utilizar
calculadora o computadores para obtener resultados.
Por tanto no es extraño que con el desarrollo de las computadoras cada vez más
eficientes y rápidas, el papel de los MN haya aumentado considerablemente en
los últimos años.
Observación importante: Existen varios
tipos de MN pero comparten una
característica común, llevan a cabo un
proceso con cálculos matemáticos.
Los métodos numéricos pueden ser aplicados para resolver procedimientos

matemáticos en:
• Cálculo de derivadas
• Integrales
• Ecuaciones diferenciales
• Operaciones con matrices
• Interpolaciones
• Ajuste de curvas
• Polinomios
Los métodos numéricos se aplican en áreas como:
Ingeniería Industrial, Ingeniería Química, Ingeniería Civil, Ingeniería Mecánica,
Ingeniería eléctrica, etc...
Razones para estudiar MN

1.- Métodos Numéricos: son herramientas extremadamente poderosas, capaces
de manejar sistemas de ecuaciones grandes, no lineales y geométricas
complicadas comunes en la ingeniería e imposibles de resolver analíticamente.
2.- Existen varios software disponibles de Métodos Numéricos, para
aplicaciones de ingeniería.
3.-Con conocimientos de Métodos Numéricos y programación es posible
diseñar un programa propio que resuelva un problema particular,
aprovechando de mejor manera las computadoras.
4.-Los MN son un medio para reforzar su comprensión de las matemáticas, ya
que una de sus funciones es convertir las matemáticas superiores en
operaciones aritméticas básicas, de esta manera se puede profundizar en los
temas que de otro modo resultarían oscuros.
EN RESUMEN:
M.N. = algoritmo matemático + computadora

2. Aplicación de la computadora a los
métodos numéricos.
2. Aplicación de la computadora a los métodos numéricos.
Aunque existen muchos tipos de métodos numéricos, éstos comparten una

característica común: invariablemente requieren de un buen número de
tediosos cálculos aritméticos.
No es raro que con el desarrollo

de computadoras digitales
eficientes y rápidas, el papel de
los métodos numéricos en la
solución de problemas en
ingeniería haya aumentado de
forma considerable en los
últimos años.
Además de proporcionar un aumento en la potencia de cálculo, la disponibilidad

creciente de las computadoras y su asociación con los métodos numéricos han
influido de manera muy significativa en el proceso de la solución actual de los
problemas en ingeniería.
Antes de la era de la computadora los ingenieros sólo contaban con tres métodos para
la solución de problemas:
1. Se encontraban las soluciones de algunos problemas usando métodos exactos o
analíticos. Dichas soluciones resultaban útiles y proporcionaban una comprensión
excelente del comportamiento de algunos sistemas. No obstante, las soluciones
analíticas sólo pueden encontrarse para una clase limitada de problemas.
2. Para analizar el comportamiento de los sistemas se usaban soluciones gráficas, las
cuales tomaban la forma de gráficas o monogramas; aunque las técnicas gráficas se
utilizan a menudo para resolver problemas complejos, los resultados no son muy
precisos.
3. Para implementar los métodos numéricos se utilizaban calculadoras y reglas de
cálculo. Aunque dichas aproximaciones deberían ser perfectamente adecuadas para
resolver problemas complicados, en la práctica se presentan varias dificultades debido
a que los cálculos manuales son lentos y tediosos.
La amplia disponibilidad de las computadoras han llevado a una verdadera

explosión en el uso y desarrollo de los métodos numéricos. Al principio, este
crecimiento estaba limitado por el costo de procesamiento de las grandes
computadoras, por lo que muchos ingenieros seguían usando simples
procedimientos analíticos. La reciente evolución de computadoras personales
de bajo costo ha permitido el acceso, de mucha gente, a las poderosas
capacidades de cómputo.
Los métodos numéricos son un vehículo

eficiente para aprender a servirse de las
computadoras.
LAS TRES FACES EN SOLUCIÓN DE PROBLEMAS EN INGENIERÍA
Antes de la computadora La era de la computadora
FORMULACIÓN FORMULACIÓN
Leyes fundamentales Exposición profunda de la relación del

explicadas brevemente problema con las leyes fundamentales
SOLUCIÓN
SOLUCIÓN
Métodos muy elaborados y con
frecuencia complicados para ser Método de la computadora fácil
manejable el problema de usar
INTERPRETACIÓN
Análisis profundo limitado INTERPRETACIÓN

por una solución que
La facilidad de calcular permite pensar
consume tiempo
holísticamente y desarrollar la intuición;
es factible estudiar la sensibilidad y el
comportamiento del sistema
Programación y software
• Los programas computacionales son únicamente
conjuntos de instrucciones que dirigen a la computadora
para realizar una cierta tarea. Un ejemplo de programas
o software utilizados son el Excel, Geogebra y MATLAB.
Algoritmo
Es importante definir el término Algoritmo, y analizar sus principales
características.
• Algoritmo.- procedimiento que nos indica la serie de pasos y decisiones que
se va a tomar para la solución de un problema.
• Finito.- siempre debe terminar en un número determinado de pasos
• Definido.- las acciones deben definirse sin ambigüedad.
• Entrada.- puede tener una o varias entradas
• Salida.- debe tener una o varias salidas.
• Efectivo.- las operaciones deben ser básicas para q pueden hacerse en un
determinado tiempo. Tiempo no mayor al que le tome a una persona
empleado papel y lápiz.
Algoritmo
• Ej : algoritmo
que permita
leer dos valores
distintos,
determinar
cuál es el
mayor y
escribirlo
Diagrama de flujo
Los algoritmos por tanto son necesarios para poder potencializar la aplicación de recursos
tecnológicos (computadora) a los Métodos Numéricos, pues esta se convierte en una herramienta
útil, pero no resuelve problemas por sí sola, sino que necesita que alguien especifique una serie de
instrucciones para la solución de estos problemas.
Para lograr esto se requiere los siguientes pasos.

Especificación del problema.- identificar el problema con sus limitaciones, las variables implicadas,
resultados que se pretende encontrar.
Análisis.- formular la solución, definir el algoritmo, con una serie de pasos aritméticos que puedan
ser ejecutados por un computador.
Programación.- traducir el algoritmo, expresándolo como una serie de operaciones. Diagrama de
flujo-codificación, traduce el diagrama en lenguaje de computador.
Verificación.- se aplica para eliminar errores, para que el programa haga lo que es requerido,
comparar con resultados conocidos. Sintaxis-Lógicos
Documentación.- preparar un manual de usuario para que otros logren utilizar el programa.
Producción.- aquí se proporcionan los datos de entrada del programa y se obtienen los resultados.
LOS MÉTODOS NUMÉRICOS Y LA PRÁCTICA EN

INGENIERÍA
• En el transcurso de su carrera, es posible que el

ingeniero tenga la oportunidad de utilizar paquetes
disponibles comercialmente, o programas
«enlatados» que tengan métodos numéricos. El uso
eficiente de estos programas depende del buen
entendimiento de la teoría básica en los que se basan
tales métodos.
LOS MÉTODOS NUMÉRICOS Y LA PRÁCTICA EN

INGENIERÍA
• Hay muchos problemas que no se
pueden resolverse con programas
«enlatados». Si se conoce de los
métodos numéricos y se es hábil en
la programación de computadoras,
entonces tiene la capacidad de
diseñar sus propios programas para
resolver los problemas, sin tener
que comprar un software costoso.
MODELO MATEMÁTICO SIMPLE

Un modelo matemático se define, de manera general, como una formulación o una ecuación
que expresa las características esenciales de un sistema físico o de un proceso en términos
matemáticos. En general, el modelo se representa mediante una relación funcional de la
forma:
Variable dependiente= f (variable independiente, parámetros, funciones de fuerza)
Variable dependiente: es una característica que generalmente se refleja al comportamiento o

estado de un sistema.
Variable independiente: son por lo común dimensiones tales como tiempo y espacio a
través de las cuales se determina el comportamiento del sistema .
Parámetros: son el reflejo de las propiedades o la composición del sistema.
Funciones de Fuerza: son influencias externas que actúan sobre el sistema.
La expresión matemática, o el modelo, de la segunda ley de Newton es la ya conocida
ecuación: F fuerza neta que actúa sobre el objeto (N).
F=ma m masa del objeto Kg.
a aceleración (m/s2 ).
Dividiendo, simplemente, ambos lados entre m

a= F/m
donde:
a es la variable dependiente que refleja el comportamiento del sistema.
F es la función de la fuerza.
m es un parámetro que representa una propiedad del sistema.
Obsérvese que en este caso específico no existe variable independiente por que aún no se
predice como varía la aceleración con respecto al tiempo o al espacio.
Características típicas de los modelos matemáticos del mundo físico.

• 1. Describe un proceso o sistemas naturales en término matemáticos.
• 2. Representa una idealización y una simplificación de la realidad. Es decir,

ignora los detalles insignificantes del proceso natural y se concentra en sus
manifestaciones esenciales. Por ende, la segunda ley de Newton no incluye los
efectos de la relatividad, que tiene una importancia mínima cuando se aplican a
objetos y fuerzas que interactúan sobre o alrededor de la superficie de la Tierra,
a velocidad y a escalas visibles a los seres humanos.
• 3. Finalmente, conduce a resultados reproducibles y, en consecuencia, llegada

a emplearse con la finalidad de predecir. Por ejemplo, dada la fuerza aplicada
sobre un objeto de masa conocida, la ecuación anterior se emplea para
calcular la aceleración.
3. Números exactos y aproximados.
En el proceso de resolución de un problema se deben tratar con diferentes clases
de números.
Los números exactos representan el valor verdadero del número:
Ejemplo: - El triángulo tiene 3 lados
- La carrera tiene 10 semestres
- La mano tiene 5 dedos
Los números aproximados representan un valor próximo al verdadero y su grado

de proximidad se determina por el error de cálculo.
Ejemplo: -El radio de la tierra es igual a 6000 Km
-La altura del Chimborazo es de 6268m
-La distancia de Riobamba a Ambato es de 59 Km
El error de cálculo se deriva de
la precisión de los
instrumentos (medios) de
medida que se usa y de la
capacidad visual del
observador.
No existen aparatos de
medida absolutamente
exactos, sino cada uno
tiene su precisión o sea
admiten cierto grado de
error en las mediciones
(tolerancia o
incertidumbre).
En otros casos , un mismo número puede ser exacto y aproximado:
Ejemplo:
-El número 3 es exacto si se trata del número de lados de un triángulo

-El número 3 es aproximado si se trata del número PI usado para calcular el
área del círculo mediante A=π R2 ,si se considera:
π =3,15 a>A aproximación por exceso (mayor)

π =3,1416… a=A
π =3,14 a<A aproximación por defecto (más pequeña)
a → número aproximado.
A → número exacto
Otras definiciones:
Exactitud
Precisión
Tolerancia o incertidumbre
•Exactitud: Aproximación
con la cual la lectura de un
instrumento se acerca al
valor real de la variable
medida.
De acuerdo a la norma ISO

5725-1, la exactitud está
compuesta por la veracidad
(proximidad de los
resultados al verdadero
valor)
Precisión: Medida de la
reproducibilidad de las
mediciones: i.e. dado el valor fijo
de la variable, la precisión es
una medida del grado con el cual
las mediciones sucesivas
difieren una de otra.
De acuerdo a la norma ISO 5725-1,

Precisión es la “repetibilidad o
reproducibilidad de la medición”
Rango = Xmax-Xmin
Ejemplo: suponiendo que de la medición de X
variable se obtiene los siguientes valores, obtenga la
exactitud, y la precisión del aparato de medición.
X1 75
X2 67
X3 72 =70,2
X4 69
X5 70
X6 74
X7 68
X8 72
X9 65
x10 70
s =3,12
TOLERANCIA O INCERTIDUMBRE
Es una estimación del posible error en una medida. Dicho de otra forma, es un estimación del rango de
valores que contienen el valor verdadero de una medida. La incertidumbre generalmente esta referida en
términos de la probabilidad de que el valor verdadero difiera de un rango establecido de valores.
Los valores verdaderos no existen, existen valores de alta precisión o probables.
La medida de un valor esta dada por:
R= x ± s
Donde:
x : Es la exactitud de la medida.
s : Es la precisión de la medida.
Ejemplo: Dadas las siguientes lecturas tomadas por un operador calcular la
incertidumbre R de la medida.
4. Redondeo de números.
4. Redondeo de números
En la práctica de métodos numéricos, surge a menudo la necesidad de
redondear un número, o sea, reemplazarlo con otro que tienen una menor
cantidad de cifras.
En este caso se conserva una o más

cifras, contando de la izquierda a la
derecha y se omiten todas las
sucesivas.
Se lo puede hacer considerando las

décimas, centésimas y milésimas.
Reglas:
a.- El último digito que se conserva se b.- Si el primer digito descartado es 5
aumenta en 1 si el primer dígito o 5 seguido de ceros, el último digito
descartado es mayor que 5 que se conserva se incrementa en 1,
solo si este es impar
847,469 → 4 cifras ó redondeo décim 39,75000 → 3 cifras
=847,5 =39.8
4931,367→ 5 cifras 563,45000 → 4cifras

=4931,4 = 563.4
563,4500001 → 4 cifras
= 563.5 por el 1
¿Cuál de los 2 números esta mas cerca de 4256?
¿Entre que unidades de mil se encuentra 16.867 ?

Truncamiento.-
Consiste en omitir todas las cifras a partir de cierta posición:

Ejem:
39,7500 → 3 cifras= 39.7
Se lo puede hacer considerando las décimas, centésimas y milésimas.

Se puede considerar el uso de funciones de redondeo de Excel.
Esta figura ilustra cómo el número 9.45 se ve afectada por el uso de

Round, Roundup, y Rounddown (REDONDEAR)
5. Cifras significativas.
5. Cifras significativas
RECORDEMOS:
Precisión.- relacionada con la cantidad de números.
Exactitud.- relacionado con la cercanía de un valor

aproximado con su valor real.
Concepto de cifra significativa:
Son todas las cifras de un número a excepción de los
ceros puestos a la izquierda de la primera cifra distinta
de cero.
0,000956 → 3 cifras
956,00 → 5 cifras
3,76*10 10 → 3 cifras
Condiciones:
1.- Cuando hay un entero todas las cifras son significativas.
2.- Cuando un cero se encuentra entre dos cifras distintas, este también es
considerado cifra significativa
Ej: 1,05 →3 cifras significativas
3.- Cuando los ceros se usan solo para la ubicación de la coma no son
significativas Ej: 0.009 → 1 cifras significativas
4.- cuando los ceros estas después de la coma, y antes de esta, están otras
cifras los ceros también son cifras significativas
Ej: 17.00 → 4 cifras significativas
5.-cuando tenemos cantidades grandes terminadas en ceros, estos pueden o
no ser cifras significativas.
Ej: 12300 → 5 o 3 cifras significativas
La función MULTIPLO.INTERIOR en Excel nos permite redondear

un número hacia abajo, hasta el múltiplo significativo más cercano
de la cifra especificada. La función MULTIPLO.INFERIOR acepta
dos argumentos y ambos son obligatorios.
•Número (obligatorio): El
número que será redondeado.
•Cifra_significativa
(obligatorio): La cifra significativa
hacia la que será redondeado el
número.
Ejemplo de la función MULTIPLO.INFERIOR
Si se tiene en Excel una lista de productos con sus respectivos precios.
Al aplicar un descuento a los productos, dará un nuevo precio para cada

uno de ellos:
Ejemplo de la función MULTIPLO.INFERIOR
Al observar los precios de la columna D me doy cuenta de que al pagar en efectivo,
los clientes necesitarán varias monedas de centavos para pagar el precio exacto. Sin
embargo, las monedas de centavos son cada vez menos utilizadas, a excepción de
las monedas de 50 centavos, por lo que se decide redondear todos los precios hacia
el múltiplo inferior más cercano de $0.50 y para ello se usa la función
MULTIPLO.INFERIOR.
Observe cómo la función MULTIPLO.INFERIOR hace el redondeo adecuado para

los precios de los productos.
6. Clasificación de los errores.
ERROR
En la literatura técnica y científica, el término error se utiliza
frecuentemente con dos significados bastante diferentes:
• En unos casos se utiliza para cuantificar la diferencia entre el

resultado de una medida y el considerado como valor de la
misma (valor verdadero, valor real o estándar)
• En otros casos se utiliza para

denominar la incertidumbre
del resultado de una medida,
es decir, para cuantificar la
imperfección del método e
instrumento de medida
empleado.
ERROR
• Pero los términos error e incertidumbre no son sinónimos, sino que representan
conceptos completamente distintos, y por tanto, no deben confundirse entre sí ni
utilizarse incorrectamente, uno en lugar del otro.
ERROR
ERROR
En todos los problemas es fundamental hacer un seguimiento de
los errores cometidos a fin de poder estimar el grado de
aproximación de la solución que se obtiene.
ERROR
ERROR ABSOLUTO
Es la diferencia entre el valor exacto “A” y el valor tomado como

aproximado “a” (o valor de la medida), y tiene unidades, las mismas
que las de la medida.
Δa ≥ |A-a|
Esta diferencia puede ser positiva o negativa, según si la medida es
superior al valor real o inferior (la resta sale positiva o negativa),
pero como tiene un definición ABSOLUTA, siempre será positivo.
ERROR
ERROR ABSOLUTO
Para obtener el número exacto A, se debe añadir el error absoluto

Δa al número aproximado a:
A= a±Δa
Se lo puede observar de otra manera, considerando que el error absoluto es
la cota superior de desviación de número exacto A respecto al aproximado a:
a- Δa ≤ A ≤ a+ Δa
En calidad de error absoluto se toma, en la medida de lo posible, el número
mínimo.
ERROR
ERROR ABSOLUTO
Ejemplo: determínese la cota del error absoluto del número a=3,14 utilizado en lugar del
número π .
a- Δa ≤ A ≤ a+ Δa a- Δa ≤ A ≤ a+ Δa
3,14 - Δa ≤ π ≤3,14+ Δa 3,14 - Δa ≤ π ≤3,14+ Δa
3,14< π < 3,15 supuesto 3,14< π < 3,142 supuesto
|π-a |<0,01 |π-a |<0,002
Por tanto: Δa=0,01 Por tanto: Δa=0,002
Para fines prácticos es conveniente tomar el número más pequeño de Δa.

ERROR
ERROR RELATIVO
Se puede definir como el cociente entre el error absoluto y el valor
verdadero:
𝐴−a
𝐸𝑟 ≥
a , a≠0
Y también se define el error relativo porcentual, como sigue:
𝐴−a
𝐸𝑣 ≥ x100%, a≠0
a
ERROR
ERROR RELATIVO
Ejemplo: el peso de 1 dm3 de agua a 0°C viene dado por p=999,847±0,001 (gramos
fuerza). Determine la cota del error relativo porcentual del resultado del peso del agua.
Δp=0,001
p≤ 999,846 gf
0,001
𝐸𝑣 ≥ x100%= 1x10-4 %
999,846
ERROR
EJERCICIO:
Si las medidas de tiempo de un recorrido efectuadas por diferentes alumnos son:
3,01s / 3,11s / 3,20 s / 3,15 s
Hallar los errores absoluto y relativo de cada medida.
Medidas Errores absolutos Errores relativos
3,01 s 3,01 - 3,12 = - 0,11 s -0,11 / 3,12 = - 0,036
(- 3,6%)
3,11 s 3,11 -3,12 = - 0,01 s -0,01 / 3,12 = - 0,003
(- 0,3%)
3,20 s 3,20 -3,12 = + 0,08 s +0,08 / 3,12 = + 0,026
(+ 2,6%)
3,15 s 3,15 - 3,12 = + 0,03 s +0,03 / 3,12 = + 0,010
(+ 1,0%)
ERROR
EJERCICIO:
Al medir la longitud de una varilla para construcción se obtiene el

resultado aproximado de 19999 cm. mientras que al medir la longitud
de un clavo, se obtiene el resultado de 9 cm. Suponiendo que los
valores verdaderos de la varilla y el clavo son de 20000 cm. y 10 cm.
respectivamente, calcular el error absoluto y el error relativo
porcentual en ambos casos.
6. Clasificación de los errores
ERROR
Los errores encontrados en problemas matemáticos se dividen fundamentalmente en 5
tipos:
1. Errores del problema

2. Errores iniciales
3. Error numérico
a) Errores de truncamiento
b) Errores de redondeo
3. Errores de operación
4. Error residual
ERROR
1. Errores del problema.- aparecen durante la formulación o planteamiento del problema.
2. Errores iniciales.- debidos al uso de constantes en ecuaciones o fórmulas cuyos valores

son expresados aproximadamente.
Y=ex
me=9,104x10-28 , masa del electrón
NA=6.03x1023atom/mol, constante de Avogadro.
Número de Avogadro es el número de partículas
elementales (usualmente átomos o moléculas) en un mol de una sustancia cualquiera.
ERROR
3. Errores numéricos: Aparecen con el uso de aproximaciones para representar

cantidades. Estos errores incluyen los de truncamiento y de redondeo.
Ej, pi. 3.141592653589793238462643 → 3.1416
Error de truncamiento: Ej. Cuando una calculadora básica sólo toma en cuenta los dígitos
que cabe en la pantalla y no se analiza el primer dígito perdido.
Error de redondeo: Ej. Al usar 1/3 =0.333 se comete un error de redondeo.
ERROR
4. Errores de operación.- se originan durante las operaciones cuando utilizamos números

aproximados.
Área de un circulo diámetro 2: A= pi*d2/4
5. Errores residuales.- originado por la presencia de procesos infinitos en el análisis

matemático, ej serie de Taylor
7. Errores en las operaciones
Errores de la suma y resta.
Si se conocen los errores absolutos: ∆𝑎1 , ∆𝑎2 … … ∆𝑎𝑛 .
El error total de la suma y resta será:
∆𝑎 = ∆𝑎1 + ∆𝑎2 +. . . +∆𝑎𝑛
Ejm.
Hallar la suma exacta de A+B:
C= A+B= 325,21 + 32,43 = 357,64
A= 325,21 ± 0,02
Δc= 0,02+0,01= 0,03
B= 32,43 ± 0,01
Valor exacto = C= A+ B = 357,64 ± 0,03

Errores de la suma y resta.
Si se conocen los errores absolutos: ∆𝑎1 , ∆𝑎2 … … ∆𝑎𝑛 .
El error total de la suma y resta será:
∆𝑎 = ∆𝑎1 + ∆𝑎2 +. . . +∆𝑎𝑛
Ejm.
Hallar la resta exacta de A+B:
A= 325,21 ± 0,02 C= A- B= 325,21 - 32,43 = 292,78
B= 32,43 ± 0,01 Δc= 0,02+0,01= 0,03
Valor exacto = C= A- B = 292,78 ± 0,03

Errores del Producto: Se requiere la aplicación de errores relativos.
𝛿𝑎 = 𝛿𝑎1 + 𝛿𝑎2
0,02
A= 241,25 ± 0,02 𝛿a=241,25 = 8,29𝑥10−5
B= 19,74 ± 0,03 0,03

𝛿b=19,74 = 1,5197𝑥10−3
C= A.B= (241,25) (19,74)
𝛿c= 𝛿a+ 𝛿b= 1,6026 𝑥10−3
= 4762,275
Δc= (4762,275)(1,6026 𝑥10−3 )=7,632
Valor exacto = C=(A)(B)=4762,275 ± 7,632
C=(A)(B)=4762,28 ± 7,632
Errores del Cociente: Se requiere la aplicación de errores relativos.
𝛿𝑎 = 𝛿𝑎1 + 𝛿𝑎2
A= 241,25 ± 0,02 0,02
𝛿a=241,25 = 8,29𝑥10−5
B= 19,74 ± 0,03
0,03
𝛿b= = 1,5197𝑥10−3
C= A/B= (241,25) /(19,74) 19,74
= 12,2214 𝛿c= 𝛿a+ 𝛿b= 1,6026 𝑥10−3

Δc= (4762,275)(1,6026 𝑥10−3 )=7,632
Valor exacto = C=(A)/(B)=12,2214 ± 7,632
C=(A)/(B)=12,22 ± 7,632
UNIDAD 2:
SOLUCIÓN DE ECUACIONES NO
LINEALES
SOLUCIÓN DE ECUACIONES NO LINEALES
Una ecuación con 1 incógnita se puede representar de la forma:

ϕ(x)=g(x) ϕ(x)-g(x)=0
Definida sobre un conjunto numérico “x” llamado domino de valores
admisibles de la ecuación.
El conjunto de valores de “x” con los cuales la ecuación se transforma

en identidad se denomina solución de la ecuación, y cada valor de x
de este conjunto se denomina raíz de la ecuación.
Resolver una ecuación implica hallar el conjunto (finito o infinito) de

todas las raíces de dicha ecuación.
El conjunto de varias ecuaciones con varias incógnitas se llama

sistema de ecuaciones, y su solución es el conjunto de valores
(raíces) de estas incógnitas que convierten en identidad a cada
ecuación del sistema.
X2+y=5 x=2 22+1=5

X+y2=3 y=1 2+12=3
Las raíces de una ecuación pueden ser:

reales y no reales (complejas)
Ecuación algebraica: con una incógnita

a0xn + a1xn-1 + a2xn-2+…….+ an-1x+ an=0
Funciones trascendentes:
Exponencial ax
Logarítmica logax
Trigonométricas senx , cosx , tgx, ctgx
Ecuaciones algebraicas y funciones trascendentes cuyo grado

supera el primero suelen llamarse ecuaciones no lineales.
Este capítulo sobre raíces de ecuaciones se ocupa de métodos 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.
Como preámbulo de estas técnicas se analizarán los métodos

gráficos de separación de raíces para representar tanto las funciones
como sus raíces.
Además de la utilidad de los métodos gráficos para determinar

valores iniciales, también son útiles para visualizar las propiedades
de las funciones y el comportamiento de los diversos métodos
numéricos.
Así mismo, se tratarán los Métodos: Analíticos, de Bisección y de la

regla falsa.
MÉTODO DE SEPARACIÓN DE RAÍCES
SEPARACIÓN DE RAÍCES
Separar las raíces quiere decir partir todo el dominio de los valores
admisibles en segmentos en cada uno de los cuales existe una sola
raíz.
Método gráfico:
Un método simple para obtener una aproximación a la raíz de la
ecuación f(x) = 0 consiste en graficar la función y observar dónde
cruza el eje x.
Este punto, que representa el valor de x para el cual f(x) = 0, ofrece

una aproximación inicial de la raíz.
Método gráfico:
En la figura, se ve que la función tiene 2 raíces: una negativa en x1
entre [-1 y 0] y otra positiva en x2 entre [1 a 2].
Método gráfico:
Ejercicio:
Determinar gráficamente en Geogebra entre qué números enteros
están encerradas las raíces de la ecuación: x3 -3x-1=0
Método gráfico:
Ejercicio:
Determinar gráficamente en Geogebra,
entre qué números enteros están
encerradas las raíces de la ecuación:
x3 -3x-1=0
Método gráfico:
Ejercicio:
Utilice el método gráfico 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 después de una caída libre de t = 10 s.
Nota: La aceleración de la gravedad es 9.8 m/s2.
Ecuación obtenida a partir de la segunda ley de Newton, para la velocidad del

paracaidista:
Método gráfico:
Ejercicio:
Utilice el método gráfico 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 después de una
caída libre de t = 10 s.
Nota: La aceleración de la gravedad
es 9.8 m/s2.
Método gráfico:
Ejercicio:
Utilice el método gráfico 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 después de una
caída libre de t = 10 s.
Nota: La aceleración de la gravedad
es 9.8 m/s2. rpta= 14,8
Método Analítico:
Si una función f(x) es continua sobre el segmento [xa, xb], entonces
en este segmento siempre hay puntos en los cuales ella toma los
valores máximos y mínimos, y para determinarlos es necesario:
• Determinar los ptos críticos de la función

• Calcular los valores de la función en los ptos críticos y en los
extremos del segmento [a,b]
• El mayor de los valores hallados anteriormente, será el máximo de
la función en el segmento y el menor será el valor mínimo.
Método Analítico:
De acuerdo a esto se tiene el siguiente procedimiento a seguir:
• Hallar f ´(x), o sea, la primera derivada y calcular la raíz.

• Hacer una tabla de signos de f(x), suponiendo x igual a:
a) Los valores críticos (raíces) de la derivada o próximos a ellos
b) 3 valores de frontera (según dominio de valores admisibles x)
• Determinar los intervalos en cuyos extremos f(x) toma los valores
de signo contrario. Dentro de estos intervalos se analiza si
contiene, cada vez, una y solo una raíz o si representa el cambio de
pendiente.
Método Analítico:
Ejercicio:
Separar las raíces de la ecuación:
F(x)=x3-6x+2
• Hallar f ´(x), o sea, la primera 3𝑥 2 − 6 = 0
derivada y calcular la raíz.
𝑥 = 1.414
• Hacer una tabla de signos de f(x)

-2 -1 0 2 3 1.414
F(x)=x3-6x+2 +6 +7 +2 -2 -7 -3.655
3x2-6 = 0 +6 -3 -6 +6 +21 0
• Determinar los intervalos en

cuyos extremos f(x) toma los
valores de signo contrario.
Rpta 3 raíces
Método Analítico:
Lección:
F(x)= 2x-5x-3
F′(x)=2𝑥 𝑙𝑛2 − 5 = 0
MÉTODO DE BISECCIÓN
Método de Bisección
Base: Una función cambia de signo en
la proximidad de una raíz
•Una raíz está acotada en el intervalo

[a1,b1] si el signo de F(a1) es diferente al
signo de F(b1)
•La precisión del acercamiento a la raíz

se denota con , número positivo
suficientemente pequeño cercano a 0
Algoritmo:
1. Selecciona un intervalo [a1,b1] donde
exista un cero
2. Calcula el punto medio c1 como nuevo
punto: 𝑪𝟏 = 𝑎1+𝑏1 c1
2
c2 c3
3. Comprueba si hay cambio de signo en
[a1, c1] o en [c1, b1]. Comprobación:
f(a1)*f(c1)<0 ; b1=c1
Iteración 1 con c1
f(a1)*f(c1)>0; a1=c1 Iteración 2 con c2
Iteración 3 con c3
4. Si el producto es cero, entonces c1 es una Iteración n, donde:
raíz. Si no es cero volver al punto 2. f(cn) < 
Ejemplo 1: Determinar la menor raíz positiva de la

ecuación:
𝑓 𝑋 = 𝑋 4 − 2𝑋 3 − 4𝑋 2 + 4𝑋 + 4
con una precisión =0,00001
Ejemplo: Determinar la menor raíz positiva de la ecuación:

𝑓 𝑋 = 𝑋 4 − 2𝑋 3 − 4𝑋 2 + 4𝑋 + 4
con una precisión =0,00001
Iter a1 f(a1) b1 cn f(cn) f(a1)*f(cn)

1 1 3 1,8 1,4 0,1136 +
2 1,4 0,1136 1,8 1,6 -1,4784 -
3 1,4 0,1136 1,6 1,5 -0,6875 -
4 1,4 0,1136 1,5 1,45 -0,286744 -
5 1,4 0,1136 1,45 1,425 -0,086343 -
6 1,4 0,1136 1,425 1,4125 0,013707 +
7 1,4125 0,013707 1,425 1,41875 -0,036301 -
8 1,4125 0,013707 1,41875 1,415625 -0,041292 -
f(cn) < 
9 1,4125 0,013707 1,415625 1,4140625 0,0012084 +
--- --- --- --- --- --- --- 2,89x10-9<0.00001
19 1,414212 1,22x10-5 1,414215 1,414213562 2,89x10-9 +
f(cn) < 
2,89x10-9<0.00001
Iter a1 f(a1) b1 cn f(cn) f(a1)*f(cn)

19 1,414212 1,22x10-5 1,414215 1,414213562 2,89x10-9 +
Ejercicio: Determinar la menor raíz positiva de la ecuación:

𝑓 𝑋 = 𝑒𝑥 − 2 con una precisión =0,06
a1 cn b1 fa fc
0 1 2 -1 0,7182
0 0,5 1 -1 -0,3513
0,5 0,75 1 -0,3513 0,117
0,5 0,625 0,75 -0,3513 -0,132
0,625 0,6875 0,75 -0,132 -0,0113
0,6875 0,71875 0,75 -0,0113 0,05186
Matlab
Características.
 Lenguaje de alto nivel para cálculo numérico y desarrollo de
aplicaciones.
 Cuenta con funciones matemáticas para algebra lineal
estadística, integración numérica, resolución de ecuaciones
diferenciales ordinarias.
 gráficos integrados para visualización de datos y herramientas
para crear gráficos personalizados.
 Herramientas de desarrollo para mejorar la calidad del código.
 Herramientas para creación de aplicaciones con interfaces
graficas personalizadas.
 funciones para integrar algoritmos con aplicaciones externas
como c java Excel.
Matlab
Comand Window
Ventana donde se ejecutan interactivamente las
instrucciones, y donde se muestran los resultados
correspondientes. Es la ventana más importante.
Lo caracteriza el prompt o aviso. Programa
preparado para recibir instrucciones. Ingreso de variables.
a=3 enter
…b=6 enter….
c=3 enter….
d =a+b+c enter
a=3; enter… que sucede.?
a=3; b=6; c=9; d=a+b+c …. Enter
Matlab
WORKSPACE
En esta ventana se lista las
variables que en un
determinado momento se
están utilizando. Se pueden ver
las variables antes utilizadas.
Click derecho en una variable
se puede cambiar de nombre.
Característica importante,
MATLAB trata las variables
como arrays o matrices, en
este caso de 1x1
Matlab
Editor debugger.
Ventana en la que el usuario, puede escribir o crear sus propios programas en
archivos con extensión .m. New Script.
Contienen conjuntos de comandos o definición de funciones. Se logra
ejecutar uno tras otro todos los comandos contenidos en este tipo de fichero.
Limpiar variables.
Clear all
Clc
Matlab
Vectores o matrices.
Vectores fila elementos separados por espacios o coma. v= [2 3 4]
Vector columna.- separados por punto y coma; m= [3 4 5; 6 7 8; 9 10 11]
Crear dos matrices distintas, probar operaciones.
Matlab
Graficas
>> x=[-2:0.01:2];
>> y=sin(x)+cos(x)*2;
>> plot(x,y)
x=[-5:0.01:5];
y=3*x.^3+2*x-17;
z=zeros(size(x));
grid on
hold on
plot (x,y)
Matlab
ALGORITMOS
EJEMPLO:
Programa que calcula error absoluto, relativo y valor aproximado de las
cifras significativas
MÉTODO DE LA REGLA FALSA
Aún cuando la bisección es una técnica
perfectamente válida para determinar raíces, su
método de aproximación por "fuerza bruta" es
relativamente ineficiente. f(b1)
La falsa posición es una alternativa basada en
una visualización gráfica que consiste en unir
f(a1) y f(b1) con una línea recta. La intersección
de esta línea con el eje de las x representa una
a1 ai an
mejor aproximación de la raíz.
El hecho de que se reemplace la curva por una b1
línea recta de una "falsa posición" de la raíz da
el nombre de método de la falsa posición, o en f(a1)
latín, regula falsi. También se le conoce como
método de interpolación lineal.
Usando triángulos semejantes, y haciendo
algunos arreglos matemáticos, la intersección
de la línea recta con el eje de las x se estima
f(b1)
mediante: f(b1)
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎2 = 𝑏1 − a1 ai an
𝑓 𝑎1 − 𝑓(𝑏1ሻ
b1
f(a1)
Algoritmo:
1. Se escogen los valores iniciales a1 y b1, que
encierran la raíz f(b1)
f(b1)
2. Determinar la primera aproximación a2:
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
3. Realizar las evaluaciones (una sola vez, en la a1 ai an
primera iteración.)
b1
f(a1)*f(ai)<0 raíz en primer intervalo
f(a1)*f(ai)>0 raíz en segundo intervalo
f(a1)
f(a1)*f(ai)=0 raíz encontrada
4.- Se realiza una nueva aproximación hasta que se alcance la tolerancia especificada
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
Considerar un intervalo (a1, b1) en el que

se garantice que la función tiene raíz (y que
sea única), en este caso sirve [1, 1.5].
Se obtiene el punto de intersección de

esta recta con el eje de las abscisas:
(ai, 0); se toma ai como aproximación
de la raíz buscada.
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 1.5 . (1 − 1.5ሻ
𝑎i = 1.5 −
𝑓 1 − 𝑓(1.5ሻ
−0,182335 . (−0.5ሻ
𝑎i = 1.5 −
0,367879 − (−0,182335ሻ
𝑎i = 1.334306
-Se evalúa f(ai) y f(a1) para determinar en cuál

de los dos intervalos está la raíz:
𝑎i = 1.334306 𝑎1 = 1
f(1.334306) = e- (1.334306) - ln (1.334306) = -0.025070
f(1) = e- (1.334306) - ln (1) = 𝟎, 𝟑𝟔𝟕𝟖𝟕𝟗
f(a1)*f(ai)<0 raíz en primer intervalo
Dado que f(1) * f(1.334306) < 0

-0,009222< 0  La raíz está en el intervalo [ 1 , 1.334306 ].
En este punto, vemos que todavía no podemos

calcular ningún error relativo, puesto que
solamente tenemos la primera aproximación.
El valor ai se convierte en el nuevo b1.
Así, repetimos el proceso con el nuevo intervalo

[ 1 ,1.334306 ]
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 1.334306 . (1 − 1.334306ሻ
𝑎i = 1.334306 − = 1.312977
𝑓 1 − 𝑓(1.334306ሻ
Aquí podemos calcular el error relativo porcentual, puesto que contamos ya con la aproximación nueva
y la aproximación anterior:
ai nueva - ai anterior
Erp = * 100% = 1.62%
ai nueva
Puesto que no se ha logrado el objetivo, continuamos con el proceso
Se evalúa f(xr) para determinar en cuál de los dos intervalos está la raíz:
f(1.312977) = e- (1.312977) - ln (1.312977) = -0.003279
Dado que f(a1) * f(ai) < 0  La raíz está en el intervalo [ a1 ,ai].

f(1) * f(1.312977) < 0  La raíz está en el intervalo [ a1, ai].
Dado que (0.367879) * (-0.003279) < 0  La raíz está en el intervalo [ 1 , 1.312977 ].
El valor ai se convierte en el nuevo b1.

Así, repetimos el proceso con el nuevo intervalo [ 1 , 1.312977 ]
Con ese nuevo intervalo y aplicando la expresión, La nueva ai= 1.310211
y el nuevo Erp = 0,21% < 1% y aquí se termina el proceso.

Entonces se toma como aproximación a la raíz ai = 1.310211
Ejercicio. Obtener una solución única de 𝒇 𝑿 = 𝑿𝟑 + 𝟒𝑿𝟐 − 𝟏𝟎
en el intervalo [1,2] mediante el método de la regla falsa
Iteración a1 F(a1) b1 F(b1) ai F(ai)
1 1 -5 1,5 2,375 1,33898305 -0,4278675
2
3
4
5
6
7
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
Ejercicio. Obtener una solución única de 𝒇 𝑿 = 𝑿𝟑 + 𝟒𝑿𝟐 − 𝟏𝟎
en el intervalo [1,2] mediante el método de la regla falsa
Iteración a1 F(a1) b1 F(b1) ai F(ai)
1 1 -5 1,5 2,375 1,33898305 -0,4278675
2
3
4
5 1,36523002
6 1,36523001
7 1,36523001
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
Al inicio de éste tema referente a la solución de ecuaciones

no lineales, se mencionaron los Métodos que usan
intervalos cerrados como son los de Bisección y Regla falsa
Ventajas: siempre convergen

Desventajas: Son lentos
MÉTODOS ABIERTOS
Al contrario, los métodos abiertos se basan en fórmulas que requieren de un
solo valor de x, o de un par de ellos que no necesariamente encierran la raíz. A
veces divergen o se alejan de la raíz a medida que aumentan las iteraciones.
Pero cuando convergen en general lo hacen mucho más rápido que los
métodos que usan intervalos.
Método de Newton-Raphson.
Método de la Secante.
Aproximaciones sucesivas
Método 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.
𝒙𝒊 , 𝒇 𝒙𝒊
Se debe partir de un valor inicial para la raíz: 𝑥𝑖 ,
este puede ser cualquier valor, el método
convergirá a la raíz mas cercana, es decir se pude
trazar una tangente desde el punto 𝑥𝑖 , 𝑓 𝑥𝑖 de
la curva.
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 r.
• La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una recta.
Pendiente de una recta:
𝑓(𝑋𝑖 ሻ
𝑋𝑖+1 = 𝑋𝑖 − ′
𝑓 𝑋𝑖
Se conoce como fórmula de Newton – Rapshon.

𝑚 = 𝑓 ′ 𝑋𝑖
Ejercicio: precisar hasta = 0,000001 la raíz de la ecuación 𝑓 𝑋 = 𝑋 3 + 3𝑋 2 − 3𝑥, situada sobre el
segmento [0 ; 1].
-Escojo una coordenada en X dentro del intervalo y evaluo f(x): X=0,6f(x)=-0,504  punto 𝑥𝑖 , 𝑓 𝑥𝑖 =[0.6 ; -0,504]
-Se determina la primera derivada: 𝑓′ 𝑋 = 3𝑋 2 + 6𝑋 − 3
𝑓(𝑋𝑖ሻ (0,6ሻ3 +3(0,6ሻ2 −3(0,6ሻ

-Se aplica la fórmula: 𝑋𝑖+1 = 𝑋𝑖 − = 0,6 − =0,9
𝑓 ′ 𝑋𝑖 3(0,6ሻ2 +6(0,6ሻ−3
𝑓(𝑋𝑖ሻ (0,9ሻ3 +3(0,9ሻ2 −3(0,9ሻ

𝑋𝑖+1 = 𝑋𝑖 − = 0,9 − =0,80496894
𝑓 ′ 𝑋𝑖 3(0,9ሻ2 +6(0,9ሻ−3
Y así sucesivamente hasta alcanzar la precisión deseada.

Iteración Xi F(xi) F’(xi) Xi+1 F(xi+1)
1 0,6 -0,504 1,68 0,9 0,459
2 0,9 0,459 4,83 0,80496894 0,05061792
3
𝑥𝑖 , 𝑓 𝑥𝑖
4 0,79128795
5 0,79128785
Ejercicio: precisar hasta = 0,000001 la raíz de la ecuación 𝑓 𝑋 = 𝑋 3 + 3𝑋 2 − 3𝑥, situada sobre el
segmento [0 ; 1].
Iteración Xi F(xi) F’(xi) Xi+1 F(xi+1)
1 0,6 -0,504 1,68 0,9 0,459
2 0,9 0,459 4,83 0,80496894 0,05061792
4 0,79128795
5 0,79128785
• Se puede observar que |Xfinal5-Xfinal4|=|0,79128785-0,79128795|

= 0,0000001
Por lo tanto 0,0000001< 
𝑥𝑖 , 𝑓 𝑥𝑖
Método de la Secante
Un problema que presenta el
método de Newton Raphson es
que existen algunas derivadas
que no son muy fáciles de
evaluar.
El método de la secante, es otro
método para aproximar el cero
de una función en el que en
cada iteración se evalúa la
función y no la derivada.
Se puede aproximar la derivada
mediante una diferencia.
El método de la secante usa una
diferencia en vez de la derivada,
para aproximar la pendiente.
• Se deriva del método de f ( xi )

Newton-Raphson xi 1  xi 
f ( xi )
• Se aproxima la derivada
mediante diferencia
finita dividida hacia atrás
f ( xi 1 )  f ( xi )
f ( xi ) 
xi 1  xi
• Se obtiene la fórmula de la secante:

f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
• Se observa que este método requiere 2 valores
iniciales de x.
• Sin embargo, no se necesita que f(x) cambie de
signo, por lo que no es un método cerrado.
Algoritmo para la Secante

1) Se dan 2 valores: Xi y Xi-1
2) Se calcula f(xi) y f(xi-1)
3) Se obtiene Xi+1 mediante la fórmula de
la secante:
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
4) Se vuelve al paso 2 para encontrar una
nueva raíz
Diferencia entre Secante y Falsa Posición
• Si recordamos la fórmula f ( xu )( xl  xu )
de la falsa posición: xr  xu 
f ( xl )  f ( xu )
• Y vemos la fórmula de la
secante: f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
Diferencia entre Secante y Falsa Posición
• Se diferencian por
la forma en que
uno de los valores
iniciales se
reemplaza con la
aproximación.
Ejemplo:
-Determine la menor raíz real de:
f ( x)  11  22x  17 x  2.5x
2 3
a) Gráficamente
b) Usando el método de la secante para un valor
de Erpcon tres cifras significativas
a) Gráficamente: x  0.4
b) Por el método de la secante (Erp<0.05%): f ( x)  11  22 x  17 x 2  2.5 x 3
1) Se dan 2 valores: Xi y Xi-1  [Xi y Xi-1 ] = [-1 y 0]
2) Se calcula f(xi) y f(xi-1)  f[-1 y 0]=[30,5 y -11]
3) Se obtiene Xi+1 mediante  xi 1  xi  f ( xi )( xi 1  xi )
f ( xi 1 )  f ( xi )
la fórmula de la secante:
(30.5)(0  (1))
4) Se vuelve al  1   0.2651
(11  30.5)
paso 2 para
encontrar una Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 -1 0 30,5 -11 -0.2651 -
nueva raíz:
2 0 -0.2651 -0.4123 35.7
3 -0.2651 -0.4123 -0.3793 8.7
4 -0.4123 -0.3793 -0.3813 0.52
5 -0.3793 -0.3813 -0.3813 0.004
Ejercicio:
-Usando el método de la secante,
precisar hasta E=0,00001 la raíz de la
ecuación:
f ( x)  3x  3x 2  x 3
situada sobre el segmento [0;1]
-Se pueden tomar valores mayores o
menores aproximados a la raíz.
-Trabajar con 9 cifras significativas
aproximadas
Ejercicio:
Raíz en [0;1]  f ( x)  3x  3x 2  x 3
E=0,00001
Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 0,6 0,7
2
3
4
5
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
Ejercicio:
Raíz en [0;1]  f ( x)  3x  3x 2  x 3
E=0,00001
Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 0,6 0,7
2
3
4
5 0,79128785 -5,6268E-09
R=0,79128785
-0,000000056268 < 0,00001
Método de las Aproximaciones sucesivas

¿Qué es?
• Es un método iterativo que permite resolver sistemas de ecuaciones no
necesariamente lineales.
• En particular se puede utilizar para determinar raíces de una función de la forma f(x),
siempre y cuando se cumplan los criterios de convergencia.
• El método de iteración de punto fijo, también denominado método de aproximación
sucesiva, requiere volver a escribir la ecuación f(x)=0 en la forma x=g(x).
• Si para cualquier función g(x) dada se puede encontrar un punto fijo, entonces cada
problema de búsqueda de las raíces de f(x) = 0 tiene soluciones que corresponden
precisamente a los puntos fijos de g(x)=x con g(x)=x-f(x).
• Esta transformación se lleva a cabo mediante operaciones algebraicas.
• Si g es una función continua en [a, b] y g(x) [a, b] para

todo x [a, b], entonces g tiene por lo menos un punto fijo
en [a, b].
• Si además, g’(x) existe para todo x [a, b], y |g’(x)| ≤ K < 1
para todo x [a, b], K constante, entonces g tiene un único
punto fijo x [a, b].
Algoritmo
• Para encontrar una solución de p = g(p) dada una aproximación inicial po:
• ENTRADA aproximación inicial po; tolerancia TOL; numero máximo de iteraciones No.
• SALIDA solución aproximada p o mensaje de fracaso.
• Paso 1 Tomar i=1

• Paso 2 Mientras que i<=No seguir Pasos 3-6
• Paso 3 Tomar p = g(po) (calcular pi)
• Paso 4 Si |p-po|<TOL entonces
• SALIDA(p); (procedimiento completado satisfactoriamente).
• PARAR
• Paso 5 Tomar i = i + 1
• Paso 6 Tomar po = p (Redefinir po)
• Paso 7 SALIDA ("El método fracaso después de No iteraciones, No = ", No);
• (procedimiento completado sin éxito)
• PARAR
Ejemplo:
• f(x) = x3 + 4x2 – 10 [a,b] = [1,2]
• Existen muchas maneras de cambiar la ecuación a la forma x = g(x)

• A) x=g1(x)=x - x3 - 4x2 + 10
• B) x=g2(x)=(10/x – 4x) ½
• C) x=g3(x)=[(10 – x3) ½]/2
• D) x=g4(x)= (10/(4 + x)) ½
• E) x=g5(x)=x – [(x3 + 4x2 – 10) / (3x2 + 8x)]
• Cabe la pena recalcar que NO TODAS estas funciones

transformadas son convergentes
n Pn(a) Pn(b) Pn(c) Pn(d) Pn(e)
1 -0.875 0.8165 1.286753768 1.348399725 1.373333333
Con p0 = 1:5, la tabla 2 6.732 2.9969 1.402540804 1.367376372 1.365262015
muestra los 3 -469.7 (-8.65) ½ 1.345458374 1.364957015 1.365230014
resultados del 4 1.03 * 108 1.375170253 1.365264748 1.365230013
método para las 5 1.360094193 1.365225594

cinco alternativas 6 1.367846968 1.365230576
para g. 7 1.363887004 1.365229942
La raíz real es 8 1.365916733 1.365230023
1.365230013 9 1.364878217 1.365230012
10 1.365140061 1.365230014
15 1.365223680 1.365230013
20 1.365230236
25 1.365230006
30 1.365230013
Ejercicio:
Obtener una solución única en
el intervalo [0;1] mediante este
método para la ecuación:
5 x  20 x  3  0
3
Iter x g(x) F(x)

5x3  3
Si se toma: x 1 0,75 0,25546875 -2,02601008
20 2
3
y como valor inicial x=0,75 4
5
Para 9 Cifras Significativas con aproximación
6
7
Ejercicio:
Obtener una solución única en
el intervalo [0;1] mediante este
método para la ecuación:
5 x  20 x  3  0
3
Iter x g(x) F(x)

5x3  3
Si se toma: x 1 0,75 0,25546875 -2,02601008
20 2
3
y como valor inicial x=0,75 4
5
Para 9 Cifras Significativas con aproximación
6 0,15085832
7 0,15085832
Aplicación al campo de la Ingeniería

En matemáticas, los sistemas no
lineales representan sistemas cuyo
comportamiento no es expresable como
la suma de los comportamientos de sus
descriptores. Más formalmente, un
sistema físico, matemático o de otro tipo
es no lineal cuando las ecuaciones de
movimiento, evolución o
comportamiento que regulan su
comportamiento son no lineales. En
particular, el comportamiento de
sistemas no lineales NO está sujeto
al PRINCIPIO DE SUPERPOSICIÓN,
como lo es un sistema lineal.
En matemáticas, los sistemas no
lineales representan sistemas cuyo
comportamiento no es expresable como
la suma de los comportamientos de sus
descriptores. Más formalmente, un
sistema físico, matemático o de otro tipo
es no lineal cuando las ecuaciones de
movimiento, evolución o
comportamiento que regulan su
comportamiento son no lineales. En
particular, el comportamiento de
sistemas no lineales NO está sujeto
al PRINCIPIO DE SUPERPOSICIÓN,
como lo es un sistema lineal.
“En un sistema no lineal, las entradas se combinan entre sí y producen
nuevos elementos en la salida que no estaban presentes en la entrada”.
EJEMPLO: acero-cromo-niquel. Resistencia a la tracción = 350 000 psi
ACERO Cr-Ni = Hierro + Niquel + Cromo + Carbono y otros elementos
350000 = 60000 + 80000 + 70000 + 50000 (psi)
350000 ≠ 260000 psi

-Material no lineales = C(e).e -Las ecuaciones de campo de Einstein que
-Mecánica del sólido describen el campo gravitatorio dentro de la
-Grandes desplazamientos y deformaciones teoría de la relatividad general.
-Modelación numérica -Las ecuaciones de Navier-Stokes de
-Resolución directa la dinámica de fluidos, cuya complejidad las
-Elementos Finitos ha convertido en un problema matemático
-Diferencias Finitas famoso (de hecho un problema peculiar
-Volúmenes finitos ligado a estas ecuaciones constituye uno de
-Ecuaciones no lineales en Ingeniería los problemas del milenio propuestos por
-Problema de contacto el Instituto Clay).
-Mecánica de los fluidos -El sistema del tiempo atmosférico en la
-Problema de superficie libre Tierra.
-La óptica no lineal. -La ecuación de transporte de Boltzmann.
El balanceo de un uniciclo robot. -La ecuación no lineal de Schrödinger.
-ETC.
EJERCICIO: El rendimiento de un motor
viene dado por la siguiente ecuación:
1 𝑟𝑝 𝑟𝑐𝑘−1
𝑒 =1−
𝑟𝑘𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝 𝑘 𝑟𝑐 − 1
Si las relaciones 𝑟𝑘 = 12; 𝑟𝑝 = 4; 𝑟𝑐 =
8 y si las pérdidas son del 20%. Cuál es
el valor de k?.
NOTA: Utilice el método de la secante
EJERCICIO: El rendimiento de un motor Reemplazando datos y graficando se
viene dado por la siguiente ecuación: tiene:
𝑒 =1−
𝑟𝑘𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝 𝑘 𝑟𝑐 − 1
Si las relaciones 𝑟𝑘 = 12; 𝑟𝑝 = 4; 𝑟𝑐 =
8 y si las pérdidas son del 20%. Cuál es
el valor de k?.
𝑒 =1−
𝑟𝑘𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝 𝑘 𝑟𝑐 − 1
Utilizando el método de la secante:
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
xi-1 F(xi-1) xi F(xi) Xi+1 F(xi+1)

0.12 0.15
𝑒 =1−
𝑟𝑘𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝 𝑘 𝑟𝑐 − 1
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
xi-1 F(xi-1) xi F(xi) Xi+1 F(xi+1)

0.12 -0.09859332 0.15 0.01583931 0.14584752 0.00162534
0.15 0.01583931 0.14584752 0.00162534 0.14537269 -2.9928*10-5
0.14584752 0.00162534 0.14537269 -2.9928*10-5 0.14538128 -2.5521*10-8
EJERCICIO: Una determinada sustancia
radiactiva se desintegra según la
ecuación
𝐴 = 𝑃𝑒 −0.0248 𝑡
Donde P es la cantidad inicial en el
tiempo t=0 y A es la cantidad
resultante en t años. Si inicialmente se
depositan 800 mg de dicha sustancia.
¿Cuánto tiempo habrá transcurrido
para que quede el 2% de ésta?

EJERCICIO: Una determinada sustancia
0.02 800 = 800 𝑒 −0.0248𝑡
ecuación 𝑓(𝑡ሻ = 𝑒 −0.0248𝑡 -0,02=0
𝐴 = 𝑃𝑒 −0.0248 𝑡
Donde P es la cantidad inicial en el
tiempo t=0 y A es la cantidad
resultante en t años. Si inicialmente se
depositan 800 mg de dicha sustancia.
¿Cuánto tiempo habrá transcurrido
para que quede el 2% de ésta?

0.02 800 = 800 𝑒 −0.0248𝑡
EJERCICIO: Una determinada sustancia 𝑓(𝑡ሻ = 𝑒 −0.0248𝑡 -0,02=0
ecuación
𝐴 = 𝑃𝑒 −0.0248 𝑡
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
ti-1 f(ti-1) ti f(ti) ti+1 f(ti+1)
150 200
0.02 800 = 800 𝑒 −0.0248𝑡
EJERCICIO: Una determinada sustancia 𝑓(𝑡ሻ = 𝑒 −0.0248𝑡 -0,02=0
ecuación
𝐴 = 𝑃𝑒 −0.0248 𝑡
f ( xi )( xi 1  xi )
xi 1  xi 
f ( xi 1 )  f ( xi )
ti-1 f(ti-1) ti f(ti) ti+1 f(ti+1)
150 0.00423396 200 -0.01298707 162.292995 -0.00213419
200 -0.01298707 162.292995 -0.00213419 154.87801 0.00147266
162.292995 -0.00213419 154.87801 0.00147266 157.90551 -8.0515*10-5
154.87801 0.00147266 157.90551 -8.0515*10-5 157.748567 -2.8337*10-6
157.90551 -8.0515*10-5 157.748567 -2.8337*10-6 157.742842 5.7198*10-9
Entonces, el tiempo para que la fuente se reduzca al 2% es t= 157,742842 años

UNIDAD 3: MÉTODOS PARA LA
SOLUCIÓN DE SISTEMAS LINEALES.
Algebra matricial.
Métodos de eliminación:
• Eliminación simple Gauss
• Gauss Jordan.
SOLUCIÓN DE SISTEMAS LINEALES
x+2=4
Los métodos numéricos vistos con
anterioridad nos sirven para
determinar el valor de x que satisface
a una sola ecuación, f(x) = 0.
Un momento, ¡¡ usted dijo ayer que la x valía 2!!
A continuación se usarán métodos para determinar los valores de x1, x2, …, xn, que
satisfagan simultáneamente un conjunto de ecuaciones.
Introducción Histórica
Los sistemas de ecuaciones lineales fueron ya resueltos por los babilonios, los cuales llamaban a las
incógnitas con palabras tales como longitud, anchura, área, o volumen , sin que tuvieran relación
con problemas de medida.
Un ejemplo tomado de una tablilla babilónica plantea la resolución de un sistema de ecuaciones en

los siguientes términos:
1/4 anchura + longitud = 7 manos
longitud + anchura = 10 manos
•Para resolverlo comienzan asignando el valor 5 a una mano y observaban que la solución
podía ser: anchura = 20, longitud = 30 . Para comprobarlo utilizaban un método parecido al de
eliminación.
En nuestra notación, sería:
y + 4x = 28
y + x = 10
Matrices
Una matriz consta de un arreglo rectangular de elementos
representados por un símbolo simple. [A] es la notación abreviada
para la matriz, y aij representa un elemento individual de la
matriz. Normalmente i se refiere a la fila del elemento, y j a la
columna.
Un sistema de ecuaciones se puede representar de varias formas.
a.- Forma desarrollada
𝑎11 𝑋1 + 𝑎12 𝑋2 + ⋯ … … … 𝑎1𝑛 𝑋𝑛 = 𝐶1
𝑎21 𝑋1 + 𝑎22 𝑋2 + ⋯ … … … 𝑎2𝑛 𝑋𝑛 = 𝐶2
𝑎𝑚1 𝑋1 + 𝑎𝑚2 𝑋2 + ⋯ … … … 𝑎𝑚𝑛 𝑋𝑛 = 𝐶𝑛
Donde: a=coeficientes de las incógnitas

c= términos independientes
X1, X2….. Xn= incógnitas
a.- Forma desarrollada
𝑎11 𝑋1 + 𝑎12 𝑋2 + ⋯ … … … 𝑎1𝑛 𝑋𝑛 = 𝐶1
𝑎21 𝑋1 + 𝑎22 𝑋2 + ⋯ … … … 𝑎2𝑛 𝑋𝑛 = 𝐶2
𝑎𝑚1 𝑋1 + 𝑎𝑚2 𝑋2 + ⋯ … … … 𝑎𝑚𝑛 𝑋𝑛 = 𝐶𝑛
Como paso previo a resolverlo necesitamos saber:

- si hay solución única (compatible determinado)
- si no hay solución (incompatible)
- si hay infinitas soluciones (compatible indeterminado)
𝑎11 𝑋1 + 𝑎12 𝑋2 + ⋯ … … … 𝑎1𝑛 𝑋𝑛 = 𝐶1

𝑎21 𝑋1 + 𝑎22 𝑋2 + ⋯ … … … 𝑎2𝑛 𝑋𝑛 = 𝐶2
𝑎𝑚1 𝑋1 + 𝑎𝑚2 𝑋2 + ⋯ … … … 𝑎𝑚𝑛 𝑋𝑛 = 𝐶𝑛
b.- Forma matricial

Matricialmente el
𝑎11 𝑎12 𝑎1𝑛 𝑋1 𝐶1 sistema se expresa:
M= 𝑎21 𝑎22 𝑎2𝑛 X= 𝑋2 C= 𝐶2
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛 M.X=C
𝑋3 𝐶𝑛
Matriz de coeficientes Vector incógnitas Vector términos independientes

Transformaciones elementales.
a.- Intercambio de filas o columnas
𝑥1 + 7𝑥2 − 3𝑥3 = −51
−4𝑥2 + 4𝑥1 + 9𝑥3 = 61
3𝑥3 − 𝑥2 + 12𝑥1 = 8
12𝑥1 − 𝑥2 + 3𝑥3 = 8
𝑥1 + 7𝑥2 − 3𝑥3 = −51
4𝑥1 − 4𝑥2 + 9𝑥3 = 61
Transformaciones elementales.
b.- Multiplicación de todos los elementos de una fila o
columna por un mismo número distinto de cero.
4 ∗ 𝑥1 + 7𝑥2 − 3𝑥3 = −51
4𝑥1 + 28𝑥2 − 12𝑥3 = −204
c.- Operaciones de suma o resta entre 2 filas o columnas.
4x1 + 28x2 - 12x3 = -204
- ( 4x1 - 4x2 + 9x3 = 61 )
32x2 - 21x3 = -265

Suma y Resta de Matrices
Se pueden efectuar suma y resta de matrices, si tienen las mismas dimensiones. Al sumar o
restar dos matrices [A] y [B], el resultado se mostrará en la matriz [C], y se calcula: cij = aij ± bij
Producto de Matrices
Para multiplicar una matriz [A] por un escalar g, se multiplica cada elemento de [A] por g.
Para multiplicar dos matrices [A] y [B], la dimensión de columnas de [A] debe ser igual a la
dimensión de filas de [B].
Producto de Matrices
Eliminación Gaussiana Simple
Se usa para resolver un conjunto de n
ecuaciones.
1. Se divide la 1ra fila entre el coeficiente de la 1ra
incógnita (Normalización)
2. Se multiplica la 1ra fila por el coeficiente de la 1ra
incógnita de la 2da fila.
3. Se resta la 1ra fila a la 2da fila.
4. El proceso se repite hasta que se elimina la 1ra
incógnita de las ecuaciones restantes.
5. Se repite para el resto de las ecuaciones.
6. Se repite para el resto de las incógnitas.
La fórmula general queda así:
• Ejm 1:
3x+2y+z=1
5x+3y+4z=2
X+y-z=1
Compatible determinado
• Ejm 2:
Compatible
indeterminado
• Ejm 3:
Incompatible
• Ejm 4:
4𝑥1 − 2𝑥2 + 2𝑥3 + 3𝑥4 = −9
2𝑥1 + 5𝑥2 + 2𝑥3 + 2𝑥4 = 6
3𝑥1 + 2𝑥2 + 4𝑥3 + 𝑥4 = −11
2𝑥1 − 3𝑥2 − 4𝑥3 + 5𝑥4 = 17
• Ejm 5:
x+y+z=1
2x+3y-4z=9
x-y+z=-1
• Ejm 6:
4x+y-2z=-3
3x-y+4z=-2
-x+y+z=5
• Ejm 7:
−3𝑥 + 𝑦 + 𝑧 = 1
X-2y+z=4
-x+y-3z=-7
• EJERCICIO 8 : Disponemos de tres lingotes de distintas aleaciones de tres
metales A, B y C. El primer lingote contiene 20 g del metal A, 20 g del B y 60
del C. El segundo contiene 10 g de A, 40 g de B y 50 g de C. El tercero
contiene 20 g de A, 40 g de B y 40 g de C. Queremos elaborar, a partir de
estos lingotes, uno nuevo que contenga 15 g de A, 35 g de B y 50 g de
C.¿Cuántos gramos hay que coger de cada uno de los tres lingotes?
• Resumimos en una tabla los datos que nos dan:
• Llamamos x a los gramos que tenemos que coger del primer lingote, y a los del segundo
lingote y z a los del tercero.
• EJERCICIO 8 :
Método de Gauss Jordan.
Es una variante de la eliminación Gaussiana. La diferencia consiste en que
en el método de Gauss Jordan cuando se elimina una incógnita no solo se
elimina de la ecuación siguiente sino de todas las otras ecuaciones. De
esta forma el paso de eliminación genera una matriz identidad en vez de
una matriz triangular. Por tanto no es necesario emplear la sustitución
hacia atrás para obtener la solución.
1 a12 a13 a14 a15 1 0 0 0 x1

0 1 a23 a24 a25 0 1 0 0 𝑥2
0 0 1 a34 a35 0 0 1 0 x3
0 0 0 a44 a45 0 0 0 1 x4
Es una variante de la eliminación Gaussiana. La diferencia consiste en que
en el método de Gauss Jordan cuando se elimina una incógnita no solo se
elimina de la ecuación siguiente sino de todas las otras ecuaciones. De
esta forma el paso de eliminación genera una matriz identidad en vez de
una matriz triangular. Por tanto no es necesario emplear la sustitución
hacia atrás para obtener la solución.
1 a12 a13 a14 a15 1 0 0 0 x1

0 1 a23 a24 a25 0 1 0 0 𝑥2
0 0 1 a34 a35 0 0 1 0 x3
0 0 0 a44 a45 0 0 0 1 x4
1 2 1 3
Paso 1. Se forma la  
matriz aumentada  2 5 1 4
 3 2 1 2 
Paso 2. Como se busca obtener una diagonal de “1” en el primer renglón ya

tenemos un número 1. Nuestro objetivo ahora será hacer obtener ceros
debajo de este número “1”
Al numero “1” de la diagonal se le denomina “elemento pivote”; sobre

éste vamos a apoyarnos para hacer ceros los números arriba y debajo de
dicho numero con operaciones de eliminación renglón
1 2 1 3 Renglón pivote
Identificamos  
Renglón, Columna  2 5 1 4
y elemento pivote  3 2 1 2 
Elemento pivote
Columna pivote
Seleccionamos el
renglón pivote [ 1 2 1 3 ]
 
Seleccionamos un  2 5 1 4 
renglón diferente  3 2 1 2 
al renglón pivote 0 Como el objetivo es hacer “0” el número
debajo del renglón pivote ¿Por qué número
debemos multiplicar el renglón pivote?
1 2 1 3
Modificamos el  
 2 5 1 4
segundo renglón  3 2 1 2 
con la operación
de eliminación (-2) [1 2 1 3 ]
renglón  
 2 5 1 4
 3 2 1 2 
0 1 -3 -2
Ahora modificamos
(-3) [1 2 1 3  ]
el tercer renglón  
¿Por qué número  32 5
-2 
-11 4
2 
multiplicamos el  3 2 1 2 
renglón pivote 0 -8 -4 -7
ahora? 1 2 1 3
¿Cómo queda la  
nueva matriz? 0 1 3 2 
0 8 4 7 
Ya transformamos la 11 2 1 3
primera columna, ahora  
vamos con la segunda; 0 11 3 2  Nuevo renglón pivote
afortunadamente ya 0 8 4 7 
hay un “1” como nuevo
elemento pivote
(-2) [ 0 1 -3 -2 ]
¿Qué hacemos 1 2 1 3
ahora? Hay que 1 0 7 7
transformar en
ceros los números (8) [ 0 1 -3 -2 ]
arriba y abajo del
0 -8 -4 -7
nuevo elemento
pivote 0 0 -28 -23
Se repite la
La siguiente matriz 1 0 7 7 
eliminación  
renglón
queda: 0 1 3 2 
0 0 28 23
El siguiente elemento 11 0 7 7 
pivote es “28”; el cual  
debe ser 0 11 3 2 
Convertimos el
0 0 28 23
transformado en “1” elemento pivote en
sin alterar la ecuación “1” para facilitar las
¿Cómo lo hacemos? operaciones;
dividimos todo el
renglón entre el
En otras palabras: 1 0 7 7  número pivote (-28)
Cada renglón  
0 1 3 2  obteniendo el
representa una 0 0 1 23 / 28 siguiente resultado
ecuación, si dividimos
todo el renglón entre
-28 obtenemos el “1”
que estamos
buscando
Realizamos la 1 0 7 7 
operación de  
0 1 3 2 
eliminación renglón 0 0 1 23 / 28 Nuevo renglón pivote
(-7) [ 0 0 1 23/28 ]
1 0 7 7
1 0 0 5/4
(3) [ 0 0 1 23/28 ]
0 1 -3 -2
0 1 0 13/28
Finalmente la matriz 1 0 0 5/ 4 
 
queda 0 1 0 13 / 28 
0 0 1 23 / 28
Leyéndose el siguiente resultado: x = 5/4 y = 13/28 z = 23/28

Sistema de x  2y  z  3
ecuaciones original 2x  5 y  z  4
3x  2 y  z  2
Respuestas: x = 5/4
y = 13/28
z = 23/28
EJERCICIO 1 : Resolver por Gauss Jordan el siguiente sistema:
2x + y - 3z = 5
3x - 2y + 2z = 6
5x – 3y – z = 16
X=18/13
Y=-5/2
Z=-41/26
EJERCICIO 2 : Resolver por Gauss Jordan el siguiente sistema:
4x1 – 2 x2 + 2x3 + 3x4 = -9
2x1 + 5 x2 + 2x3 + 2x4 = 6
3x1 + 2 x2 + 4x3 + x4 = -11
2x1 – 3 x2 - 4x3 + 5x4 = 17
X1=-2
X2=2
X3=-3
X4=3
Métodos iterativos:
Gauss- Seidel y Jacobi
.
Método de Jacobi
.
Método de Jacobi .
Es un método iterativo que se aplica solo a sistemas

cuadrados, es decir a sistemas con tantas incógnitas
como ecuaciones.
Similar a Gauss Seidel, pero los valores obtenidos en una

determinada iteración se utilizan para el cálculo de una
próxima iteración.
Método de Jacobi .
1. Primero se despeja de cada ecuación la incógnita

correspondiente.
2. Se evalúa cada ecuación despejada para Xi=0 en la primera

iteración .
3. Se itera en el ciclo que cambia la aproximación Xi+ 1 = C + BXi

Método de Jacobi .
Ejemplo: 1) Primero se despeja de cada ecuación la incógnita correspondiente.

Método de Jacobi .
Ejemplo: 2)Se evalúa cada ecuación despejada para Xi=0 en la primera iteración .
.
x2 y x3 = 0
x3 y x1 = 0
x2 y x1 = 0
Método de Jacobi .
Ejemplo: 3) Se itera en el ciclo que cambia la aproximación Xi+ 1 = C + BXi
X1=2.45
X2= -1,125
X3=5,555556
Desde la segunda iteración se repite el mismo proceso

trabajando con los valores obtenidos en la iteración anterior
Método de Jacobi .
Ejemplo:
Método de Jacobi .
Ejemplo:
Método de Jacobi .
Ejemplo:
Método de Jacobi .
Ejercicio: encontrar las tres primeras iteraciones del método de

Jacobi del sistema:
4x1+x2+x3=6
2x1-5x2+x3=-2
X1+2x2+7x3=10
X1=1,005
X2=0,994
X3=1,004
Sobre los métodos iterativos…… .
Hemos visto que son 2 los procedimientos iterativos para resolver

un sistema de ecuaciones lineales.
El primero de ellos conocido como el procedimiento de Jacobi
basado en la idea de punto fijo y un segundo procedimiento
conocido como método de Gauss-Seidel el cual es una
modificación simple del procedimiento de Jacobi.
La garantía de convergencia en la aplicación de estos métodos cual

se relaciona con el concepto de matriz diagonalmente dominante .
Veremos que en algunos casos es posible replantear el sistema

para garantizar la convergencia.
Uno de los principales problemas de los métodos iterativos es la

garantía de que el método va a converger, es decir, va a producir una
sucesión de aproximaciones cada vez efectivamente más próximas a
la solución. En el caso del método de Jacobi no existe una condición
exacta para la convergencia. Lo mejor es una condición que
garantiza la convergencia, pero en caso de no cumplirse, puede o no
haberla, es la siguiente:
Si la matriz de coeficientes original del sistema de
ecuaciones es diagonalmente dominante, el método de
Jacobi seguro converge.
Una matriz se dice matriz diagonalmente dominante, si en cada una

de las filas, el valor absoluto del elemento de la diagonal principal es
mayor que la suma de los valores absolutos de los elementos
restantes de la misma fila.
A veces la matriz de un sistema de ecuaciones no es diagonalmente
dominante pero cuando se cambian el orden de las ecuaciones y las
incógnitas el nuevo sistema puede tener matriz de coeficientes
diagonalmente dominante.
Ejemplo:
Son matrices diagonalmente dominantes:
4 1 1 −6 1 2
4 1
2 8 −3 1 3 0
3 8
3 2 9 3 2 −9
Ejemplo:
NO son matrices diagonalmente dominantes:
4 1 3 4 1 1
4 4
2 8 1 2 8 −7
3 8
3 − 10 2 3 − 10 20
En ciertas ocasiones al aplicar Jacobi la matriz no es diagonalmente

dominante y por tanto no existirá garantía de convergencia. Sin
embargo, en algunos casos será posible reordenar las incógnitas en
otra manera de forma que la nueva matriz de coeficientes sea
diagonalmente dominante. Esto se puede detectar revisando todos
los posibles ordenamientos de las incógnitas y ver cómo es la matriz
resultante. Claro que esto conlleva un buen número de pruebas pues
el número posible de ordenamientos en n variables es (n − 1)! pero
cuando n es reducido es sencillo.
Veamos algunos ejemplos.
Ejemplo:
Indique cuál es el orden conveniente para aplicar Jacobi al sistema:
3x + 12y − z = −2
11x − 4y + 3z = −3
−3 x − 2y − 12z = −2
Solución
Con el orden y → x → z el sistema y su matrizde coeficientes quedan:
12 y + 3x − z = −2 12 3 −1
− 4 y + 11 x + 3z = −3 → −4 11 3
− 2 y − 3 x − 12 z = −2 − 2 − 3 − 12
la matriz de coeficientes es diagonalmente dominante.
Ejercicio:
Dado el sistema: x1 + 3x2 − x3 = 6

4x1 − x2 + x3 = 5
x1 + x2 − 7x3 = −9
¿Es estrictamente la matriz del sistema diagonalmente dominante? En caso
negativo, indique si hay algún intercambio que permita pasar del sistema
dado a otro cuya matriz sea diagonalmente estrictamente dominante.
Método de Gauss-Seidel
.
Método de Gauss-Seidel .
El método de Gauss-Seidel es muy semejante al método de Jacobi.

Mientras que en el de Jacobi se utiliza el valor de las incógnitas para
determinar una nueva aproximación, en el de Gauss-Seidel se va
utilizando los valores de las incógnitas recién calculados en la misma
iteración, y no en la siguiente.
Por ejemplo, en el método de Jacobi se obtiene en el primer cálculo X ,

pero este valor de X no se utiliza sino hasta la siguiente iteración.
En el método de Gauss-Seidel en lugar de eso se utiliza Xi+1 en lugar
de Xi en forma inmediata para calcular el valor de Yi+1 de igual

manera procede con las siguientes variables; siempre se utilizan las
variables recién calculadas.
CRITERIO DE PARO
𝑗−1 𝑗
|𝑥𝑖 | − |𝑥𝑖 |
∈𝑎,𝑖 = 𝑗
𝑥100% < ∈𝑟𝑝
𝑥𝑖
Para toda i en donde j y j-1 denotan la iteración actual y anterior.
Ejemplo:
DIAGONALMENTE
DOMINANTE
Ejemplo:
Ejemplo:
Ejemplo:
Ejemplo:
Ejemplo:
Ejemplo: Para el criterio de paro
𝑗−1 𝑗
|𝑥𝑖 | |𝑥𝑖 |
0,96 0,99
0,42 0,49
5,95 5,99
Es difícil estimar el costo computacional de un método iterativo, pues
de antemano se desconoce cuántas iteraciones requerira para obtener
una respuestas que satisfaga al usuario.
Generalmente, se procede a calcular el costo computacional por
iteración.
En el caso del método de Jacobi la relación de recurrencia utilizada es:

x i+1 = c + B xi
Utilizando esta información podemos concluir que si el algoritmo toma

m iteraciones entonces el total de FLOPs será de:
2m n 2
Se recomienda utilizar el archivo de excel que se provee para ilustrar la
convergencia de los métodos, sobre todo los siguientes hechos:
• Que la convergencia se tiene siempre que la matriz es diagonalmente

dominante, sin importar cual sea la semilla o el vector de constantes.
• Que cuando la matriz de coeficientes no es diagonalmente dominante,
se puede tener convergencia ya sea por que la semilla es la adecuada
ya sea por el vector de constantes.
En términos formales, que la condicional Si la matriz de coeficientes es DD,

entonces Jacobi converge es cierta, mientras que su recíproca no lo es.
EJERCICIO:
Resolver el siguiente sistema de ecuaciones mediante el método
de Gauss-Seidel para Erp<10E-5 en X3, para 6 cifras significativas:
8x1+4x2-2x3=24
3x1+6x2-x3=13
2x1-2x2+6x3=16
Rpta=1,99999 en iter 10
EJERCICIO:
Resolver el siguiente sistema de ecuaciones mediante el método
de Gauss-Seidel para 7 iteraciones, para 5 cifras significativas:
4x1+10x2+8x3=142
2x1+6x2+7x3=13
9x1+2x2+3x3=16
9x1+2x2+3x3=16 Rpta=x1=3,0202
4x1+10x2+8x3=142 x2=11,1862
2x1+6x2+7x3=13 x3=2,3346
Métodos deFactorización:
Raíz Cuadrada y Choleski
Método de la Raíz Cuadrada
Se tiene un sistema de ecuaciones que tiene la forma: Ax=c
Hay que descomponer en dos matrices L y LT.
L matriz triangular superior
LT es la transpuesta de L
L11 L12 L13 L14 L11 0 0 0

0 L22 L23 L24 𝑇 L12 L22 0 0
𝐿= 𝐿 =
0 0 L33 L34 L13 L23 L33 0
0 0 0 L44 L14 L24 L34 L44
Elementos diagonales:
Primer elemento de L
𝑖−1
𝐿11 = 𝑎11
𝐿𝑖𝑖 = 𝑎𝑖𝑖 − ෍ 𝐿2𝑘𝑖
𝑘=1
Elementos de la primera fila: Demás elementos:

𝑎1𝑗 𝑎𝑖𝑗 −σ𝑖−1
𝐿1𝑗 = 𝑘=1 𝐿𝑘𝑖 𝐿𝑘𝑗
𝐿1𝑖 𝐿𝑖𝑗 =
𝐿𝑖𝑖
i=1 j=2,3,……,n
Ejemplo: 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
𝑎1𝑗
Primer elemento: Demás elementos de la primera fila: 𝐿1𝑗 =
𝐿1𝑖
𝐿11 = 𝑎11 𝑎12 −3
𝐿12 = = =− −1.641641
𝐿11 2.236068
𝐿11 = 5 = 2.236068
𝑎13 2
𝐿13 = = = 0.894427
𝐿11 2.236068
𝑎14 1
𝐿14 = = = 0.447214
𝐿11 2.236068
Ejemplo: Segundo elemento de la diagonal, y 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
resto de elementos de la próxima fila:
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
𝐿22 = 𝑎22 − 𝐿212 = 4 − (−1.341641ሻ2 = 1.483239
𝑎23 − 𝐿12 𝐿13 −1 − −1.341641 0.894427

𝐿23 = = = 1.48324
𝐿22 1.483239
𝑎24 − 𝐿12 𝐿14 2 − −1.341641 0.447214
𝐿24 = = = 1.752920
𝐿22 1.483239
Ejemplo: Tercer elemento de la diagonal 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
y próxima fila:
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
𝐿33 = 𝑎33 − (𝐿213 +𝐿223 ሻ = 5 − ((0.894427ሻ2 +(1.483240ሻ2 = 1.414214
𝑎34 − (𝐿13 𝐿14 + 𝐿23 𝐿24 ሻ

𝐿34 =
𝐿33
−1 − ( 0.894427 0.447214 + 1.483240 1.752920 =
= = −2.828427
1.414214
Ejemplo: Ultima diagonal: 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
𝐿44 = 𝑎44 − (𝐿214 +𝐿224 +𝐿234 ሻ
= 12 − (0.447214 2 + 1.752920 2 + −2.828427 2
= 0.852803
Ejemplo: Se obtienen las matrices L y LT: 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
L11 L12 L13 L14 𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20

0 L22 L23 L24
𝐿=
0 0 L33 L34 2.236068 −1.341641 0.894427 0.447214
0 0 0 L44
0 1.483239 1.483240 1.752920
𝐿=
0 0 1.414214 −2.828427
0 0 0 0.852803
L11 0 0 0
L12 L22 0 0
𝐿𝑇 = 2.236068 0 0 0
L13 L23 L33 0
L14 L24 L34 L44 −1.341641 1.483239 0 0
𝐿𝑇 =
0.894427 1.483240 1.414214 0
0.447214 1.752920 −2.828427 0.852803
Ejemplo: Se plantea el primer sistema (LT)*y = c 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
2.236068 0 0 0 𝑦1 7
−1.341641 1.483239 0 0 𝑦2 6
𝑦3 =
0.894427 1.483240 1.414214 0 29
0.447214 1.752920 −2.828427 0.852803 𝑦4 −20
Y1=3.1330495
Y2=6.876842
Y3=11.313701
Y4=-1.705643
Ejemplo: Segundo sistema Lx=y 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
2.236068 −1.341641 0.894427 0.447214 𝑥1 3.130495

0 1.483239 1.483240 1.752920 𝑥2 6.876842
𝑥3 =
0 0 1.414214 −2.828427 11.313701
0 0 0 0.852803 𝑥4 −1.705643
X4=-2
X3=4
X2=3
X1=2
Ejemplo: 16𝑥1 − 12𝑥2 + 8𝑥3 = 76
−12𝑥1 + 18𝑥2 − 6𝑥3 = −66
8𝑥1 − 6𝑥2 + 8𝑥3 = 46
Ejemplo: 16𝑥1 − 12𝑥2 + 8𝑥3 = 76
−12𝑥1 + 18𝑥2 − 6𝑥3 = −66
8𝑥1 − 6𝑥2 + 8𝑥3 = 46
Y3=4 X3=2
L Y2=-3 X2=-1
Y1=19 X1=3
Ejemplo: 4𝑥1 + 3𝑥2 − 2𝑥3 + 𝑥4 = 8
3𝑥1 + 2𝑥2 + 𝑥3 + 5𝑥4 = 30
−2𝑥1 + 3𝑥2 + 𝑥3 + 2𝑥4 = 15
−5𝑥1 + 𝑥3 + 𝑥4 = 2
X4=4
X3=3
X2=2
X1=1
Método de Cholesky
Método de Cholesky
Se tiene un sistema de ecuaciones que tiene la forma Ax=b
Se factora la matriz A, es decir se descompone en dos matrices B y C:
A=B*C
Donde: B matriz triangular inferior
C matriz triangular superior
b11 0 0 0 1 c12 c13 c14

b21 b22 0 0 0 1 c23 c24
𝐵= 𝐶=
b31 b32 b33 0 0 0 1 c34
b41 b42 b43 b44 0 0 0 1
Método de Cholesky
Primera columna de la matriz B Segunda columna de la matriz B:
𝑏𝑖𝑗 = 𝑎𝑖𝑗 𝑗−1
i=1,2,3,……,n 𝑏𝑖𝑗 = 𝑎𝑖𝑗 − ෍ 𝑏𝑖𝑘 𝑐𝑘𝑗

𝑘=1
Primera fila de la matriz C
Segunda fila de la matriz C:
𝑎1𝑗
𝑐1𝑗 =
𝑏11
j=2,3,…….,n 𝑖−1
1
𝑐𝑖𝑗 = 𝑎𝑖𝑗 − ෍ 𝑏𝑖𝑘 𝑐𝑘𝑗
𝑏𝑖𝑖
𝑘=1
Y así sucesivamente:
Método de Cholesky
Ejemplo: 4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
Primera fila de C
Primera columna de B 𝑎12 −3
𝑐12 = = = −0.75
𝑏11 4
𝑏11 = 𝑎11 = 4
𝑎13 1
𝑏21 = 𝑎21 = 7 𝑐13 = = = 0.25
𝑏11 4
𝑏31 = 𝑎31 = 3
𝑎14 −5
𝑏41 = 𝑎41 = 2 𝑐14 = = = −1.25
𝑏11 4
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
Segunda columna de B 3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0

2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
𝑏22 = 𝑎22 − 𝑏21 𝑐12 = −2 − 7 −0.75 = 3.25
𝑏32 = 𝑎32 − 𝑏31 𝑐12 = −2 − 3 −0.75 = 0.25
𝑏42 = 𝑎42 − 𝑏41 𝑐12 = 3 − 2 −0.75 = 4.5
Segunda fila de C
1 1
𝑐23 = 𝑎23 − 𝑏21 𝑐13 = −3 − (7ሻ(0.25ሻ = −1.461538
𝑏22 3.25
1 1
𝑐24 = 𝑎24 − 𝑏21 𝑐14 = −2 − (7ሻ(−1.25ሻ = 2.076923
𝑏22 3.25
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
Tercera columna de B
𝑏33 = 𝑎33 − (𝑏31 𝑐13 + 𝑏32 𝑐23 ሻ = 5 − 3 0.25 + 0.25 −1.461538 = 4.615385
𝑏43 = 𝑎43 − (𝑏41 𝑐13 + 𝑏42 𝑐23 ሻ = 5 − 2 0.25 + 4.5 −1.461538 = 11.076921
Tercera fila de C
1
𝑐34 = 𝑎34 − (𝑏31 𝑐14 + 𝑏32 𝑐24 ሻ
𝑏33
1
= −2 − ( 3 −1.25 + 0.25 2.076923 ሻ = 0.266667
4.615385
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
Cuarta columna de B
𝑏44 = 𝑎44 − 𝑏41 𝑐14 + 𝑏42 𝑐24 +𝑏43 𝑐34
= 4 − 2 −1.25 + 4.5 2.076923 + 11.076921 0.266667
= −5.800002
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
4 0 0 0 2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
7 3.25 0 0
𝐵=
3 0.25 4.615365 0
2 4.5 11.076921 −5.800002
1 −0.75 0.25 −1.25

0 1 −1.461538 2.076923
𝐶=
0 0 1 0.266667
0 0 0 1
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 4
7
0
3.25
0
0
0
0 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
𝐵=
3 0.25 4.615365 0
2 4.5 11.076921 −5.800002 3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
1 −0.75 0.25 −1.25
0 1 −1.461538 2.076923
𝐶=
0 0 1 0.266667
0 0 0 1
Se plantea el primer sistema By=b

4 0 0 0 𝑦1 7
7 3.25 0 0 𝑦2 6
𝑦3 =
3 0.25 4.615365 0 0
2 4.5 11.076921 −5.800002 𝑦4 −5
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 4
7
0
3.25
0
0
0
0 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
𝐵=
3 0.25 4.615365 0
2 4.5 11.076921 −5.800002 3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
1 −0.75 0.25 −1.25
0 1 −1.461538 2.076923 4 0 0 0 𝑦1 7
𝐶=
0 0 1 0.266667 7 3.25 0 0 𝑦2 6
𝑦3 =
0 0 0 1 3 0.25 4.615365 0 0
2 4.5 11.076921 −5.800002 𝑦4 −5
Se resuelve:
4𝑦1 = 7 → 𝑦1 = 1.75
7𝑦1 + 3.25𝑦2 = 6 → 𝑦2 = −1.923077
3𝑦1 + 0.25𝑦2 + 4.615385𝑦3 = 0 → 𝑦3 = −1.033333
2𝑦1 + 4.5𝑦2 + 11.076921𝑦3 − 5.800002𝑦4 = −5 → 𝑦4 = −2
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 4
7
0
3.25
0
0
0
0 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
𝐵=
3 0.25 4.615365 0
2 4.5 11.076921 −5.800002 3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
1 −0.75 0.25 −1.25
0 1 −1.461538 2.076923
𝐶=
0 0 1 0.266667
0 0 0 1
Se plantea el segundo sistema Cx=y

1 −0.75 0.25 −1.25 𝑥1 1.75
0 1 −1.461538 2.076923 𝑥2 −1.923077
𝑥 =
0 0 1 0.266667 3 −1.033333
0 0 0 1 𝑥4 −2
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
1 −0.75 0.25 −1.25 𝑥1 1.75
0 1 −1.461538 2.076923 𝑥2 −1.923077 2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
=
0 0 1 0.266667 𝑥3 −1.033333
0 0 0 1 𝑥4 −2
Se resuelve:
1𝑥4 = −2 → 𝑥4 = −2
𝑥3 + 0.266667𝑥4 = −1.033333 → 𝑥3 = −0.5
𝑥2 − 1.461538𝑥3 + 2.076923𝑥4 = −1.923077 → 𝑥2 = 1.5
𝑥1 − 0.75𝑥2 + 0.25𝑥3 − 1.25𝑥4 = 1.75 → 𝑥1 = 0.5
Método de Cholesky
Ejemplo: 4𝑥1 + 3𝑥2 − 2𝑥3 + 𝑥4 = 8
3𝑥1 + 2𝑥2 + 𝑥3 + 5𝑥4 = 30
−2𝑥1 + 3𝑥2 + 𝑥3 + 2𝑥4 = 15
−5𝑥1 + 𝑥3 + 𝑥4 = 2
X4=4
X3=3
X2=2
X1=1
Aplicación al campo de Ingeniería
En el sistema mostrado en la figura, determinar la tensión T y R en las
cuerdas y la aceleración .
20a-T=-148,9294
10a + T –R = -65,971
50a + R = 490
20a-T=-148,9294
10a + T –R = -65,971
50a + R = 490 A=3,4387 m/s2

T=217,7001 N
R=318,0619N
Determinar en el siguiente circuito las corrientes y voltajes :
Resolver el siguiente circuito:
I1=5,5 A
I2=4,625 A
I3=2,875 A
I4=1,75 A
I5 =2,625 A
I6= -0,875 A
la ley de kirchof y la ley de Ohm

UNIDAD 4:
AJUSTES DE CURVAS E
INTERPOLACIÓN .
AJUSTES DE CURVAS E INTERPOLACIÓN .
• Regresión lineal
• Regresión polinomial.
• Linealización de relaciones no lineales.
• Regresión lineal múltiple.
• Interpolación mediante polinomios de Lagrange.
• Interpolación segmentaria.
• Aplicación al campo de la Ingeniería.
AJUSTES DE CURVAS E INTERPOLACIÓN
Regresión lineal
Regresión lineal
Regresión lineal
Regresión lineal: Interpretación del Diagrama de dispersión

Regresión lineal: Modelo de Regresión Lineal Simple

Dada una función tabular,
se trata de obtener los
valores de los coeficientes
de la función. Es decir, el
ajuste de una línea recta a
un conjunto de parejas de
datos observados: (x1, y1);
(x2, y2), etc. Es decir, hacer
pasar una línea a través de
un cierto número de
puntos.
Reordenando:
𝜀 = 𝑦 − 𝑎0 − 𝑎1 𝑥
Error= diferencia entre el valor real o exacto, y el valor
aproximado.
Regresión lineal: Criterio para un mejor ajuste

Minimizar la suma de los Minimizar la suma de los Minimax: línea que
errores residuales de todos valores absolutos de las minimice la máxima
los datos disponibles. discrepancias. distancia a un punto con
gran error.
CRITERIOS INADECUADOS
𝑛 𝑛 𝑛
2 2 2
𝑆𝑟 = ෍ 𝜀𝑖 = ෍ 𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜 = ෍ 𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖
𝑖=1 𝑖=1 𝑖=1



Regresión lineal: Error de Regresión Lineal Simple







2.- Calculando el coeficiente de correlación:
PROBLEMA:
PROBLEMA:
PROBLEMA:
PROBLEMA:
EJERCICIO:
𝑦 = 74.5𝑥 − 147978
Sr = 13590
Sy = 242,62
Sy/x = 67,3 < 242,62 aceptable
r = ??
Regresión lineal:
Linealización de relaciones no lineales

FUNCIÓN EXPONENCIAL
FUNCIÓN EXPONENCIAL
LINEALIZACIÓN
FUNCIÓN POTENCIA
FUNCIÓN POTENCIA
LINEALIZACIÓN
FUNCIÓN POTENCIA
FUNCIÓN POTENCIA
FUNCIÓN RAZÓN DE CRECIMIENTO

FUNCIÓN RAZÓN DE CRECIMIENTO
LINEALIZACIÓN
FUNCIÓN LOGARÍTMICA
𝑦 = 𝑎0 + 𝑎1 l𝑛 𝑥
LINEALIZACIÓN
Regresión polinomial
El coeficente de correlación en la regresión polinomial :
2
𝑆𝑡 − 𝑆𝑟
𝑟 =
𝑆𝑡
Regresión polinomial:
Problema: Usando regresión polinomial, encontrar la
ecuación de ajuste de los siguientes datos, para un
polinomio de orden 3.
X 1 3 5 7 10
Y 2 4 7 11 18
Y=-0,00488x^3+0,181936x^2+0,317798x+1,51252

CLASES MéT Num Hasta Parcial2 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CLASES MéT Num Hasta Parcial2 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

MÉTODOS NUMÉRICOS

2 SOLUCIÓN DE ECUACIONES NO LINEALES

3 MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES

4 AJUSTES DE CURVAS E INTERPOLACIÓN

5 INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA

6 SOLUCIÓN DE ECUACIONES DIFERENCIALES

TOTAL 8 PUNTOS 10 PUNTOS 10 PUNTOS 12 PUNTOS 20 PUNTOS

1. OLMOS, M. A. (2010). Análisis numérico. Editorial McGraw-Hill

1. Defina: Cifra significativa

Importancia de los Métodos Numéricos

Los métodos numéricos son técnicas mediante las

El objetivo principal es encontrar soluciones aproximadas a problemas

Los métodos numéricos pueden ser aplicados para resolver procedimientos

Razones para estudiar MN

M.N. = algoritmo matemático + computadora

Aunque existen muchos tipos de métodos numéricos, éstos comparten una

No es raro que con el desarrollo

Además de proporcionar un aumento en la potencia de cálculo, la disponibilidad

La amplia disponibilidad de las computadoras han llevado a una verdadera

Los métodos numéricos son un vehículo

Leyes fundamentales Exposición profunda de la relación del

Análisis profundo limitado INTERPRETACIÓN

Para lograr esto se requiere los siguientes pasos.

LOS MÉTODOS NUMÉRICOS Y LA PRÁCTICA EN

• En el transcurso de su carrera, es posible que el

LOS MÉTODOS NUMÉRICOS Y LA PRÁCTICA EN

MODELO MATEMÁTICO SIMPLE

Variable dependiente= f (variable independiente, parámetros, funciones de fuerza)

Variable dependiente: es una característica que generalmente se refleja al comportamiento o

Dividiendo, simplemente, ambos lados entre m

Características típicas de los modelos matemáticos del mundo físico.

• 2. Representa una idealización y una simplificación de la realidad. Es decir,

• 3. Finalmente, conduce a resultados reproducibles y, en consecuencia, llegada

Los números aproximados representan un valor próximo al verdadero y su grado

-El número 3 es exacto si se trata del número de lados de un triángulo

π =3,15 a>A aproximación por exceso (mayor)

De acuerdo a la norma ISO

De acuerdo a la norma ISO 5725-1,

Los valores verdaderos no existen, existen valores de alta precisión o probables.

La medida de un valor esta dada por:

En este caso se conserva una o más

Se lo puede hacer considerando las

4931,367→ 5 cifras 563,45000 → 4cifras

¿Cuál de los 2 números esta mas cerca de 4256?

¿Entre que unidades de mil se encuentra 16.867 ?

Consiste en omitir todas las cifras a partir de cierta posición:

Se lo puede hacer considerando las décimas, centésimas y milésimas.

Esta figura ilustra cómo el número 9.45 se ve afectada por el uso de

Exactitud.- relacionado con la cercanía de un valor

La función MULTIPLO.INTERIOR en Excel nos permite redondear

Al aplicar un descuento a los productos, dará un nuevo precio para cada

Observe cómo la función MULTIPLO.INFERIOR hace el redondeo adecuado para

• En unos casos se utiliza para cuantificar la diferencia entre el

• En otros casos se utiliza para

Es la diferencia entre el valor exacto “A” y el valor tomado como

Para obtener el número exacto A, se debe añadir el error absoluto

Para fines prácticos es conveniente tomar el número más pequeño de Δa.

Y también se define el error relativo porcentual, como sigue:

Al medir la longitud de una varilla para construcción se obtiene el

1. Errores del problema

2. Errores iniciales.- debidos al uso de constantes en ecuaciones o fórmulas cuyos valores

3. Errores numéricos: Aparecen con el uso de aproximaciones para representar

4. Errores de operación.- se originan durante las operaciones cuando utilizamos números