INTRODUCCION

La modelacin y desarrollos de los diferentes mtodos numricos, facilita el

calculo de muchos problemas que tal vez resultantes bastantes complejos de
solucionar.
A continuacin veremos siete mtodos numricos, expresados en un lenguaje
programable con el fin de encontrar las races de una ecuacin cualquiera.
Adems dos ejercicios de aplicacin a la ingeniera, utilizando dichos mtodos.




















METODOS NUMERICOS PARA HALLAR RAICES

Mtodo de Newton-Raphson
Definicin:
El mtodo de Newton es una extensin directa del mtodo del mismo nombre
para buscar ceros de funciones de una variable. La idea es realizar el
desarrollo de las series de Taylor de una funcin alrededor de una estimacin
de la raz



Truncando la serie a primer orden e igualando f (x) = 0 se tiene.




Este Mtodo es similar al de la Secante, la diferencia esencial radica en que en
la Secante se utiliza el Mtodo de diferencias divididas para aproximar f `(x) . El
Mtodo de Newton-Raphson asume que la funcin f (x) es derivable sobre un
intervalo cerrado [a,b]. Entonces f (x) tiene una pendiente definida y una nica
lnea tangente en cada punto dentro del intervalo [a,b].

La tangente en (x0, f (x0)) es una aproximacin a la curva de f (x) cerca del
punto (x0, f (x0)) .
En consecuencia, el cero de la lnea tangente es una aproximacin del cero de
f (x) o denominada raz de f(x).













Si ha intentado encontrar una raz de una funcin complicada algebraicamente
alguna vez, usted puede haber tenido alguna dificultad. Usando algunos
conceptos bsicos de clculo, se tienen maneras de evaluar races de
funciones complicadas numricamente. Normalmente, se usa el mtodo de
Newton-Raphson. Este proceso iterativo sigue una pauta fija para aproximar
una raz, considerado la funcin, su derivada, y un valor x inicial.


De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
SCILAB.

Mtodo Newton Raphson para ()

function f=lopez(x)
f = (x-(%e.^-x));
endfunction
x= input('Digite el valor de x')
error = 1e-3
h= 1e-6
while ( abs (lopez(x))>error)
a= lopez(x);
b=(lopez(x+h)-lopez(x))/h;
dx= x-(a/b);
x=dx;
end
disp(x)
x=0:0.1:2
y=lopez(x)
plot (x,y)
xgrid

Realizando todas las respectivas iteraciones el programa nos arroj la siguiente
raz: 0.566987
A continuacin la respectiva grafica de la ecuacin, que nos arroja el programa
SCILAB ploteando x contra y.
Cabe destacar que en los siguientes mtodos, no vamos a mostrar la grafica
porque vamos a trabajar con la misma ecuacin para todos los mtodos y
obviamente es la misma para todos.


















Mtodo de la Falsa Posicin
Definicin
El mtodo de la falsa posicin, (Basado en la interpolacin lineal) es anlogo al
mtodo de biseccin, puesto que el tamao del intervalo que contiene a la raz
se reduce mediante iteracin. Sin embargo, en vez de bisectar en forma
montona el intervalo, se utiliza una interpolacin lineal ajustada a dos puntos
extremos para encontrar una aproximacin a la raz. Este mtodo sirve para
encontrar la raz o solucin real de una ecuacin. Al decir que encuentra su
resultado hay que tomar en cuenta que no todas las ecuaciones tienen un solo
resultado, y que no todas tienen resultado, por lo que hay que tener una idea
de la forma de la curva de la ecuacin antes de aplicar el mtodo para que sea
efectivo.
Es un mtodo que consiste en encontrar una raz que se encuentra en medio
de dos valores iniciales, que son con los cuales el mtodo arranca a trabajar.
Cuando se hace lo anterior, el mtodo se denomina interpolacin lineal , mas
a menudo, mtodo de falsa posicin (en latn regula falsi).

Esta tcnica es similar a la biseccin, salvo que la siguiente iteracin se toma
en la interseccin de una recta entre el par de valores x y el eje x, en vez del
punto medio. Es necesario, para que el mtodo iterativo tenga xito al
momento de encontrar la raz, que la funcin a la cual se le desea encontrar
races, sea evaluada en los dos puntos, la evaluacin en un punto debe ser de
diferente signo su magnitud a la funcin evaluada en el otro punto.

De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
SCILAB.
Mtodo de la Falsa Posicin para ()

function f=juan(x)
f=(x-(%e.^-x));
endfunction
a= input('digite el limite inferior');
b= input('digite el limite superior ');
error = 1e-3

x=(a*juan(b)-b*juan(a))/(juan(b)-juan(a));
if (juan(a)*juan(x)>0) then
a=x;
else
b=x;
end

while ( abs (juan(x))>error)
x= (a*juan(b)-b*juan(a))/(juan(b)-juan(a));
if (juan(a)*juan(x)>0) then
a=x;
else
b=x;
end
end
disp(x);
x=0:0.1:2
y=juan(x)
plot (x,y)
xgrid

Realizando todas las respectivas iteraciones el programa nos arroj la siguiente
raz: 0.5672301
Mtodo de la Biseccin o Punto Medio
Definicin
Son mltiples los problemas en ciencia e ingeniera que se pueden modelar
matemticamente como una ecuacin f(x) = 0, siendo f una funcin
dependiente de la variable x. Los valores de x soluciones de dicha ecuacin
son llamados ceros de la funcin f denominados generalmente races de la
ecuacin o ceros de la funcin.
Es bien conocido que existen un sin nmero de ecuaciones de la forma f (x) = 0
que admiten una solucin expresable en funcin de los coeficientes de la
ecuacin, por ejemplo si f es un polinomio de segundo grado. Sin embargo,
existen otras ecuaciones que no admiten que su solucin pueda ser expresada
a travs de funciones elementales.
El mtodo biseccin o de mitad es uno de los mtodos numricos ms sencillos
de comprender y muy verstil para encontrar una raz real en un intervalo en el
que existe una raz de la ecuacin dada, sin embargo, el nmero de clculos
aumenta sustancialmente a medida que se desea mayor exactitud.
Su singular ventaja consiste en que funciona incluso con funciones no
analticas; sin embargo, slo se debe utilizar el mtodo despus de un anlisis
grfico.
El teorema de Bolzano estableca condiciones suficientes para la existencia de
al menos un cero de una funcin continua.
Teorema 1. (Teorema de Bolzano). Sea f (x) continua en cada punto del
intervalo cerrado [a; b] y suponga que f(a) y f(b) tienen signos opuestos ( f (a)* f
(b)) < 0. Existe entonces, al menos, un c(a,b) tal que f (c) = 0.

















El procedimiento mitad se basa en el teorema de Bolzano que dice que si se
tiene una funcin y = f (x) , de variable real y continua en el intervalo (a, b), y el
signo de la funcin en el extremo a es distinto al signo de la funcin en el
extremo b del intervalo, existe al menos un valor c dentro de dicho intervalo (a,
b) tal que f(c)=0, c es por tanto, la raz buscada, vase la figura.
Suponga una ecuacin f (x) = 0
Para hallar la raz de la funcin en el intervalo (a, b), se divide el intervalo en la
mitad m = (a + b) / 2 y se llega a la siguiente ecuacin:



De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
SCILAB.
Mtodo de la Biseccin para ()

function f=dairo(x)
f=(x-(%e.^-x));
endfunction
a= input('digite el limite inferior');
b= input('digite el limite superior ');
error = 1e-3

x=(a+b)/2;
if (dairo(a)*dairo(x)>0) then
a=x;
else
b=x;
end

while ( abs (dairo(x))>error)
x=(a+b)/2;
if (dairo(a)*dairo(x)>0) then
a=x;
else
b=x;
end
end
disp(x);
x=0:0.1:2
y=dairo(x)
plot (x,y)
xgrid

Despus de hacer las respectivas iteraciones el programa me arrojo el
siguiente valor: 0.5673828 , que corresponde a la raz de dicha ecuacin.


Mtodo de la Secante
Definicin
En anlisis numrico el mtodo de la secante es un mtodo para encontrar los
ceros de una funcin de forma iterativa.
Es una variacin del mtodo de Newton-Raphson donde en vez de calcular la
derivada de la funcin en el punto de estudio, teniendo en mente la definicin
de derivada, se aproxima la pendiente a la recta que une la funcin evaluada
en el punto de estudio y en el punto de la iteracin anterior. Este mtodo es de
especial inters cuando el coste computacional de derivar la funcin de estudio
y evaluarla es demasiado elevado, por lo que el mtodo de Newton no resulta
atractivo.
En otras palabras, el mtodo de la secante es un algoritmo de la raz de
investigacin que utiliza una serie de races de las lneas secantes para
aproximar mejor la raz de una funcin f. El mtodo de la secante se puede
considerar como una aproximacin en diferencias finitas del mtodo de
Newton-Raphson. Sin embargo, este mtodo fue desarrollado
independientemente de este ltimo.








Una forma de evitar el calculo de f(x) consiste en considerar como
aproximacin a la derivada la recta que pasa por los valores de las 2
iteraciones sucesivas (estima la tangente) es decir, la pendiente de la recta
.
Esta variante se conoce con el nombre de mtodo de la Secante. Sustituyendo
esta expresin en la ecuacin del mtodo de Newton, se obtiene la expresin
del mtodo de la secante que proporciona el siguiente punto de iteracin:



De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
SCILAB.
Mtodo de la Secante para ()

function y=alexis(x)
y=(x-(%e.^-x));
endfunction
error=1e-8;
a=input("Digite valor de a:");
b=input("Digite valor de b:");
xn=a
while(abs(alexis(xn))>error)
xn= ((a*alexis(b)-b*alexis(a))/(alexis(b)-alexis(a)))
b=a, a=xn
end
disp(xn)
X=0:0.1:2;
Y=(X-(%e.^-X));
plot(X,Y)
xgrid

Despus de hacer las respectivas iteraciones el programa me arrojo el
siguiente valor: 0.5671433, que corresponde a la raz de dicha ecuacin.













Mtodo del Punto Fijo o de las aproximaciones sucesivas
Definicin
El mtodo de las aproximaciones sucesivas es uno de los procedimientos ms
importantes y mas sencillos de codificar. Este mtodo se aplica para resolver
ecuaciones de la forma x=g(x)
Si la ecuacin es f(x)=0 , entonces puede despejarse x bien sumar x en
ambos lados de la ecuacin para ponerla en la forma adecuada.
Suponga la ecuacin f(x)=0, donde f(x) es una funcin continua a la cual se le
desea determinar sus races reales. Se sustituye f(x) por la
ecuacin equivalente Se estima el valor aproximado de la raz Xo , y se
sustituye en el segundo miembro de la ecuacin para obtener x1.
, tomando ahora x1, como argumento de j(x), se obtiene un numero
x2, y as sucesivamente. Este proceso se puede sintetizar en la formula:

Si esta secuencia es convergente es decir, tiende hacia un limite, la solucin x
es










De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
SCILAB.


Mtodo del Punto Fijo para ()

function y=f(x);
y=(x-(%e.^-x));
endfunction
xn=input('Digite el primer valor de x');
b= xn;
error = 1e-3
while abs(b)>= error
a=f(xn);
b=a-xn;
xn=a;
disp([xn])
end
disp (xn)
X=0:0.1:2
Y=(X-(%e.^-X))
plot (X,Y)
xgrid

Despus de hacer las respectivas iteraciones el programa me arrojo el
siguiente valor: 0.6321206, que corresponde a la raz de dicha ecuacin.



















Mtodo de Bairstow
Definicin
En anlisis numrico, el mtodo de Bairstow es un algoritmo eficiente
de bsqueda de las races de un polinomio real de grado arbitrario. Es un
mtodo iterativo, basado en el mtodo de Mller y de Newton Raphson. Dado
un polinomio se encuentran dos factores, un polinomio cuadrtico
y
El procedimiento general para el mtodo de Bairstow es:
Dado y y
1.-Utilizando el mtodo de Newton Raphson
calculamos y , tal que, el residuo
de sea igual a cero.
2.-Se determinan la races , utilizando la formula general.
3.-Se calcula
4.-Hacemos
5.-Si el grado del polinomio es mayor que tres regresamos al paso 2; en caso
contrario, terminamos.
La principal diferencia de este mtodo, respecto a otros, es que permite
calcular todas las races de un polinomio (reales e imaginarias).
Para calcular la divisin de polinomios, hacemos uso de la divisin sinttica.
As dado

Al dividir entre , tenemos como resultado el siguiente
polinomio
con un
residuo , el residuo ser cero solo si lo son.
Los trminos b, los calculamos utilizamos divisin sinttica, la cual puede
resolverse utilizando la siguiente relacin de recurrencia





Mtodo de Steffensen
Definicin
El mtodo de Steffensen es un algoritmo para obtener los ceros de una funcin.
Este se puede considerar como una combinacin del mtodo de punto fijo y del
mtodo de Aitken. Como el mtodo de Aitken esencialmente acelera la
convergencia de otro mtodo, se puede definir este mtodo como el mtodo de
punto fijo acelerado.
El mtodo de Steffensen presenta una convergencia rpida y no requiere,
como en el caso del mtodo de Newton, la evaluacin de derivada alguna.
Presenta adems, la ventaja adicional de que el proceso de iteracin slo
necesita un punto inicial.
Otra ventaja del mtodo de Steffensen es que -al igual que el de Newton- tiene
convergencia cuadrtica. Es decir, ambos mtodos permiten encontrar las
races de una funcin f "rpidamente" - en este caso rpidamente significa que
en cada iteracin, el nmero de dgitos correctos en la respuesta se duplica.
Pero la frmula para el mtodo de Newton requiere la evaluacin de la derivada
de la funcin, el mtodo de Steffensen no, por lo que este ltimo puede ser
programado para una funcin genrica, mientras que la funcin cumpla la
restriccin mencionada anteriormente.
El precio de la convergencia rpida es una doble evaluacin de la funcin:
tanto como deben ser calculadas, lo que podra llevar un
tiempo considerable dependiendo de la funcin f. Por comparacin, el mtodo
de la secante slo necesita una evaluacin de la funcin por cada paso, as
que con dos evaluaciones de la funcin del mtodo de la secante se pueden
hacer dos pasos, y esos dos pasos aumentan el nmero de dgitos correctos
en un factor de 1,6. En un solo paso de tiempo el mtodo de Steffensen (o de
Newton) aumenta los dgitos correctos en un factor de 2, lo que es slo un poco
mejor.
Al igual que el mtodo de Newton y otros mtodos cuadrticamente
convergentes, la debilidad fundamental en el mtodo de Steffensen es la
eleccin del valor inicial . Si el valor de no est "lo suficientemente cerca"
de la solucin, el mtodo puede fallar y la secuencia de
valores o bien puede oscilar entre dos valores, o bien
diverger hacia infinito (ambas alternativas pueden suceder).
Se calcula el siguiente punto de iteracin a partir de la expresin:






De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
SCILAB.
Mtodo de Graeffe para ()

function y=rodriguez(x)
y=(x-(%e.^-x));
endfunction
error =1e-3;
xn=input("Digite primer valor de x ")
while(abs(rodriguez(xn))>error)
xni=xn-(((rodriguez(xn))^2)/ (rodriguez(xn+(rodriguez(xn)))-rodriguez(xn)))
xn=xni
disp(xn)
end
X=0:0.1:2
Y=rodriguez(X)
plot (X,Y)
xgrid

Despus de hacer las respectivas iteraciones el programa me arrojo el
siguiente valor: 0.5671415, que corresponde a la raz de dicha ecuacin.















Mtodo de Graeffe
Definicin
En muchos campos de las matemticas es necesario hallar las races de un
polinomio, por ejemplo, para calcular la integral de una funcin racional, en
la transformada de Laplace, etc. Solamente existen frmulas si el polinomio
tiene un grado igual o inferior a cuatro. Excepto para los polinomios de primer
y segundo grado, las frmulas son complicadas, por lo que se emplean
procesos de aproximacin numrica. Entre los numerosos mtodos que
existen, el ms conocido es quiz el mtodo de Newton. Sin embargo,
describiremos un mtodo, realmente ingenioso, que nos proporciona gran
exactitud en las races de un polinomio. Sea el polinomio

Se tiene que los factores de un polinomio (x + f1)(x + f2 )...(x + fn )
Y la relacin entre factores y los nmeros delante de las x (como se
llamaban?)
a0 = f1 + f2 + f3 + ... + fn Suma de factores
a1 = ( f1 f2 ) + ( f1 f3 )...Suma de factores multiplicado de 2 en 2
a2 = ( f1 f2 f3 ) + ( f1 f2 f4 )...Suma de factores multiplicados de 3 en 3
As hasta la multiplicacin de todos los factores = an
Segn este mtodo, eleva al cuadrado el polinomio cuantas ms veces
mejores. Esto seria el a elevar al cuadrado las mismas veces los factores (ya
que se multiplican) Si se supone que los factores no son iguales, a mesura que
los va elevando sus diferencias aumentan significativamente. Como,
suponiendo que los factores son diferentes, f1 > f2 > f3... . Se tiene que si
elevan la funcin a un nmero muy grande, esta diferencia es tan grande que
f1 + f2 = f1 (aprox). Contando esto, la relacin factores y "a_k" se simplifica
muchsimo, y puede calcularse fcilmente, aunque da un resultado aproximado.
De otro lado se hace el polinomio ms simple dividiendo todos los coeficientes
por el primer trmino de modo que a0 es siempre 1. Suponga que sus races
reales y distintas son r1,r2 ,r3 ,...,rn .Al elevar al cuadrado el polinomio y
agrupar los trminos se obtiene un polinomio de grado 2n

Cuyas races sern

Se ha construido as una nueva ecuacin cuyas races son numricamente
iguales a los cuadrados de las races de la ecuacin original. Repitiendo el
proceso, se pueden obtener ecuaciones cuyas races sean numricamente
iguales a las potencias cuarta, octava, decimosexta, etc. de las races de la
ecuacin original. El efecto de este proceso de elevar al cuadrado es el de
producir ecuaciones cuyas races estn cada vez ms separadas. Por ejemplo,
si dos races de la ecuacin original estn entre s como 5 : 4 sus potencias
128 estn en la razn 5128 : 4128, o sea, 2.54 1012: 1, lo que es muy deseable
ya que las ecuaciones cuyas races estn muy separadas se pueden resolver
rpidamente con exactitud considerable. Supngase ahora, que reiterando el
proceso de elevacin al cuadrado se llega a un polinomio
De acuerdo a esta definicin del mtodo, se realizo el respectivo cdigo en
MATLAB.
Mtodo de Graeffe para ()

function p = evalm(p)
format bank;
n = length(p);
for i=n-1 : -2 : 1
p(i) = (-1)*p(i);
end
end
-----------------------------------------------------------
function T = Graeffe(p,m)
format bank;
r = length(p);
for i=1 : 1 : m
p = conv(p,evalm(p));
n = lenght(p);
for j=1 : 1 : (n+1)/2
q(j) = p(2*j - 1);
end
p = q;
aux = p(1);
for k=1 : 1 : length(p)
p(k) = p(k)/-aux;
end
end
for i = 2 : 1 : r
T(i-1) = power(-p(i)/p(i-1),1/(2*m));
end
end





EJERCICIOS DE APLICACIN
64. Un objeto cayendo verticalmente a travs del aire est sujeto tanto a
resistencia viscosa como a la fuerza de gravedad. Suponiendo que un objeto
con masa m es dejado caer desde una altura y0, y que la altura del objeto
despus de t segundos es






Donde g = -32.17 ft/s2 y k representa el coeficiente de resistencia del aire en
lb-s/ft. Suponga y0 = 300ft, m = 0.25lb, y k = 0.1 lb-s/ft. Encuentre, con un error
de hasta 0.01s, el tiempo que le toma a est masa tocar el suelo.

Solucin:
Para resolver el siguiente ejercicio de aplicacin empleamos el mtodo de
Newton Raphson, insertando un valor inicial del tiempo que tarda en caer el
objeto, para que el programa empiece a iterar y buscar la raz de la ecuacin.
Insertamos las constantes de la gravedad, la masa y la gravedad del objeto.
A continuacin el cdigo modificado a la ecuacin de la cada libre del objeto.

function y=garcia(T)
y = (y0+(((m*g)/k)*T))-((((m*m)*g)/(k*k))*(1-(%e.^((g*k*T)/(m)))));
endfunction
y0=300;
g=-32.17;
k=0.1;
m=0.25;
T= input('digite el valor inicial de T')
error = 1e-3
h= 1e-6
while ( abs (garcia(T))>error)
a= garcia(T);
b=(garcia(T+h)-garcia(T))/h;
pT= T-(a/b);
T=pT;
end
disp(T)
T=0:0.1:10;
yy= garcia(T);
plot (T,yy)
xgrid

Despus de hacer todas las iteraciones el programa nos arroj el siguiente
dato: 6.2301834 en segundos, que es el tiempo que tarda el objeto en tocar el
suelo.
Y obtuvimos la siguiente grafica, que nos muestra claramente el
comportamiento de la funcin de cada libre.
53. LEYES DE LOS GASES IDEALES Y NO IDEALES: La ley de los gases
ideales est dada por: Pv=nRT, En donde p es la presin absoluta, v es el
volumen y n es el nmero de moles. R es la constante universal de los gases y
T es la temperatura absoluta.
Aunque esta ecuacin la usan ampliamente los ingenieros y cientficos, solo es
exacta sobre un rango limitado de presin y temperatura. Ms aun, la ecuacin
anterior es ms apropiada para algunos gases que para otros.
Una ecuacin alternativa del estado de los gases est dada por:
a la que se le conoce con el nombre de ecuacin
de Van Der Walls. v=V/n, es el volumen molal y a,b son constantes empricas
que dependen de un gas en particular.
Un proyecto de ingeniera requiere que se calcule exactamente el volumen
molal (v) del bixido de carbono y del oxgeno para combinaciones diferentes
de temperatura y de presin, de tal forma que se pueda seleccionar una vasija
apropiada que los contenga. Asimismo, es importante examinar que tan bien se
apega cada gas a la ley de los gases ideales, comparando los volmenes
molales calculados con las ecuaciones. Se proporcionan los siguientes datos:
R=0.0820541 atm/(mol*k)
A=3.592 B=0.04267 Bixido de carbono
A=1.360 B=0.03183 Oxgeno
Las presiones de inters en el diseo son 1,10 y 100 atm. Para combinaciones
de la temperatura de 300,500 y 700k.

Solucin:

Para este problema un grupo de ingenieros trata de saber el volumen molar del
Oxigeno y del Bixido de Carbono, y buscar un recipiente que las contenga.
Utilizando el mtodo de la falsa posicin, podemos encontrar el volumen molar
de cualquiera de esos compuestos.
Pero para facilidad y mayor empleo de este programa, lo hicimos de manera
generalizada de tal manera que sirviera no solo para estos dos compuestos,
sino para cualquiera que el usuario este interesado en hallar.

El cdigo modificado y utilizado en scilab para este respectivo ejercicio, es el
siguiente:

function f=rodriguez(v)
f = ((P+(A/(v*v)))*(v-B))-(R*T);
endfunction
P= input ('Digite el valor de la presion del sistema');
T= input ('Digite el valor de la temperatura del sistema');
R=0.0829541;
A= input ('Digite el valor de la constante A del gas');
B= input ('Digite el valor de la constante B del gas');
a= input('digite el limite inferior');
b= input('digite el limite superior ');
error = 1e-3

v=(a*rodriguez(b)-b*rodriguez(a))/(rodriguez(b)-rodriguez(a));
if (rodriguez(a)*rodriguez(v)>0) then
a=v;
else
b=v;
end

while ( abs (rodriguez(v))>error)
v= (a*rodriguez(b)-b*rodriguez(a))/(rodriguez(b)-rodriguez(a));
if (rodriguez(a)*rodriguez(v)>0) then
a=v;
else
b=v;
end
end
disp(v);
x=0:0.1:2
y=rodriguez(v)
plot (v,y)
xgrid
En este caso para el Bixido de Carbono, despus de hacer las debidas
iteraciones obtuvimos el siguiente valor de su volumen molar: 22.559749 en
litros sobre mol por ejemplo.















































CONCLUSIONES


El valor de cada raz vara en algunos decimales en cada mtodo de
acuerdo al margen de error utilizado.

Los mtodos numricos facilitan los clculos de problemas que se nos
presentan a nosotros como futuros ingenieros.












































BIBLIOGRAFIA


Recopilacin de datos en archivo PDF, Ing. Yamil Armando Cerquera.
Universidad Surcolombiana. Mtodos Numericos.