Benemérita Universidad

Autónoma de Puebla
Facultad de ingeniería

Colegio de ingeniería civil

Materia: Métodos Numéricos
“Reporte de trabajos realizados durante
el semestre”
Maestro: Héctor Eduardo de Cos Cholula
Alumno: Manuel Alejandro Velázquez
Torres
Matrícula: 201620180
Periodo: Otoño 2017
Fecha de entrega: 24/11/17
 Índice
Unidad 1:
Descripción…………………………………………………………………………….pp.3
Conclusión……………………………………………………………………………..pp.5
Unidad 2
Descripción…………………………………………………………………………….pp.6
Referencias…………………………………………………………………………….pp.7
Ejercicios………………………………………………………………………………..pp.8
Programa con comentarios…………………………………………………….pp.10
Conclusión………………………………………………………………………………pp.17
Unidad 3
Descripción……………………………………………………………………………..pp.17
Referencias……………………………………………………………………………..pp.18
Ejercicios…………………………………………………………………………………pp.18
Conclusión……………………………………………………………………………….pp.20
Unidad 4
Descripción………………………………………………………………………………pp.20
Referencias……………………………………………………………………………...pp.24
Ejercicios…………………………………………………………………………………..pp.25
Conclusión………………………………………………………………………………..pp.29

1
Unidad 5
Descripción……………………………………………………………………………….pp.29
Referencias……………………………………………………………………………….pp.32
Ejercicios…………………………………………………………………………………..pp.33
Conclusión…………………………………………………………………………………pp.37

2
 a) Unidad 1: Introduccion
I. Descripción
Los metodos numericos son tecnicas mediante las cuales se puedan
expresar problemas matematicos, para que posteriormente se
puedan resolver haciendo uso de operaciones aritmeticas.
Mientras que el analisis numerico nos ayuda a diseñar metodos con
operaciones simples que nos aproximan de manera eficiente y
rapida a la solucion del problema que en este caso es complejo.
Los metodos numericos se clasifican en:
Calculo de valores de una funcion: se evalua la funcion con valores
especificos, obteniendo un nuevo valor de f(x)
Resolucion de una ecuacion y/o sistema de ecuaciones: calcular la
solucion a una ecuacion
Descomposicion espectral y en valores singulares: los problemas
pueden ser expresados en terminos de descomposicion espectral,
calculo de vectores y valores propios de una matriz, o de
descomposicion en valores singulares.
Optimización: con la optimizacion se busca el punto en el que una
función alcanza su máximo o mínimo
Evaluación de integrales: La integración numérica, también
conocida como cuadratura numérica, busca calcular el valor de una
integral definida.
Ecuaciones diferenciales: Se busca la solucion aproximada de
ecuaciones diferenciales (ordinarias o parciales).
Existen dos tipos de metodos: directo e iterativo

3
Directo: en este metodo se busca resolver el problema de una sola
vez, aplicando una formula directa o algun algoritmo
Iterativo: Se busca resolver el problema matematico a traves de
una serie de aproximaciones sucesivas, iniciando desde una
estimacion inicial.
A continuaciones presentare las definiciones que corresponden a la
aproximacion numerica
Exactitud: la exactitud es que tan cercano está el valor calculado
del valor verdadero.
La inexactitud (sesgo): que tanto nos estamos desviando del valor
verdadero.
Precisión: que tan cercanos se encuentran, unos de otros, todos los
valores calculados
La imprecisión (incertidumbre): que tanto se alejan unos de otros
los resultados
El error de redonde ocurre ya que los aparatos que haces
operaciones nos presentan x cantidad de decimales, pero de
acuerdo al criterio de cada quien, tomamos cierta cantidad de
decimales, error de redondeo se le llama a la omision de cifras
significativas
El error de truncamiento es cuando solo utilizamos una
aproximacion y no llegamos al resultado real a traves de un
procedimiento matematico
El error absoluto es igual a la diferencia entre el valor real y el valor
aproximado

4
Ya que la definicion anterior no toma en cuenta la magnitud de los
valores, llegamos a esta en la que se normaliza el error con
respecto al valor verdadero

y para sacar un
porcentaje solo se tene que multiplicar toda la ecuacion anterior
por *100
La convergencia es la garantia de que llegaremos al valor verdadero
con cierto numero de iteraciones
La estabilidad es el nivel de garantia de la convergencia, ya que
existen muchos problemas matematicos en los que en lugar de
converger divergen, es decir, conforme vamos iterando nos vamos
alejando del valor verdadero
II. Conclusion
Esta primera unidad, la cual fue totalmente de teoria, nos ayudo a
introducirnos en el tema de los metos numericos, ayudandonos a
entender cuales son los principales problemas que se pueden
presentar durante la solucion de problemas matematicos
(divergencia) o la discrepancia; esta suele pasar principalmente por
que las personas notoman en cuenta la importancia de las cifras
significativas, ocacionando que, aunque no se den cuenta, se alejen
de forma considerable del valor verdadero.

5
 b) Unidad 2: Raíces en funciones algebraicas y
trascendentes
I. Descripción
El objetivo de los metodos que vimos en esta unidad es la busqueda
de las raices, ya sean reales o complejas, de las funciones
algebraicas y trascendentes.
Las funciones trascendentes son aquellas ecuaciones en las que no
son algebraicas, sino que son exponenciales, trigonometricas o
logaritmicas
Uno de los metodos que vimos en esta unidad fue el metodo de
biseccion, el cual solo nos proporciona raices reales.
Se le conoce por ser un metodo cerrado, es decir, que necesita de
un intervalo y que este una raiz en el. Consiste en cortar ese
intervalo en n subintervalos hasta encontrar una raiz real a traves
de un proceso en el que se evalua la funcion, y en el caso de que
exista un cambio de signo, se determina que corresponde a una raiz
real. Este proceso se realiza hasta que el porcentaje de
aproximacion sea el que nos pida el problema.
La formula para hacer la particion del intervalo es
𝑥𝑖 + 𝑥
𝑥𝑟 =
2
La formula para poder sacar el error de aproximacion es:
𝑥𝑖+1 − 𝑥𝑖
𝐸𝑎 = | |
𝑥𝑖+1
Su criterio de convergencia es que el metodo convergera siempre y
cuando en toda iteracion se conserve: f(a)*f(b)<0

6
Otro metodo que vimos en esta unidad es el de punto fijo; este
corresponde a los tipos de metodos denominados cerrados ya que
no necesitan de un intervalo, sino que solo requieren de un valor
inicial denominado x0.
El metodo de punto fijo consiste en despejar una ecuacion la
variable independiente x, que despues de despejarlo se llamara
xi+1
Evaluamos nuestra funcion con el valor x0, y el valor que
obtenemos se enconvertira en nuestro nuevo valor de x0.
La formula para calcular el error de aproximacion es el mismo que
en biseccion.
El siguiente metodo que vimos fue el metodo de Newton-Raphson.
Este metodo consiste en que a partir de un valor xo que represente
una aproximacion a la raiz de la ecuacion, se trace una tangente en
el punto f(x0); esta recta tangente debera cortar al eje horizontal y
el punto donde lo corte sera la nueva aproximacion xi, de modo
que se repita el proceso y en el punto f(xi) se trace una nueva recta
tangente hasta que el corte de la tangente en el eje horizontal
coincida con la raiz de la ecuacion o cuando lleguemos al valor del
error de aproximacion que nos piden
𝑓(𝑥𝑖 )
𝑥𝑖+1 = − + 𝑥𝑖
𝑓 ′ (𝑥𝑖 )
Referencias:
 Solucion de ecuaciones algebraicas y trascendentes: metodo de biseccion. (2011). [ebook]
Cd. de Mexico. Available at: http://www.ingenieria.unam.mx/~pinilla/Tema1/Biseccion.pdf
[Accessed 19 Nov. 2017].
 Solucion de ecuaciones algebraicas y trascendentes: metodo de Aproximaciones
Sucesivas (2006). [ebook] Cd. de Mexico. Available at:
http://www.ingenieria.unam.mx/~pinilla/Tema1/Aproximacionessucesivas.pdf[Accessed
19Nov. 2017].

7
 Solucion de ecuaciones algebraicas y trascendentes: metodo Newton Rapshon(2011).
[ebook] Cd. de Mexico. [Accessed 19Nov. 2017].
II. Ejercicios
 Biseccion

8
 Punto Fijo

9
 Newton Rapshon

III. Programa con comentarios

 Biseccion

10
11
12
 Punto Fijo

13
 Newton Raphson

14
15
16
 IV. Conclusion
En lo que respecta a los metodos que vimos a lo largo del semestre,
los 3 metodos que vimos en esta unidad fueron en los que mas
usamos nuestras habilidadas de las matematicas en lo que respecta
a las funciones, la busqueda de raices, evaluar funciones, etc., lo
que puede ocasionar que para muchas personas pueda resultar
tedioso el uso de estos metodos, ademas de que existen metodos
que te aseguran que mas rapido llegaras al resultado y con un
menor margen de error
c) Unidad 3: Solucion de sistemas de ecuaciones lineales
I. Descripción
El metodo que vimos en esta unidad fue el metodo de Gauss Seidel,
el cual consiste en ir sustituyendo los nuevos valores de la
aproximacion siguiente conforme se vayan obteniendo.
Lo primero que se debe hacer en este metodo, cuando nos dieron
un sistema de ecuaciones primero, es despejar los valores de x1, x2,
x3…xi en cada ecuacion correspondiente; iniciando con un valor
igual a 0 de cada una de las variables antes mencionadas se van
sustituyendo en cada ecuacion y se van obteniendo nuevos valores.
El criterio de convergencia de este metodo consiste en que la
diagonal de la matriz tiene que tener los coeficientes mas altos de
entre todos los valores de la ecuacion.

17
Referencias:
 Solucion de sistemas de ecuaciones lineales: Metodo de jacobi y Gauss Seidel (2011).
[ebook] Cd. de Mexico. Available at: h
http://www.ingenieria.unam.mx/~pinilla/2011/Tema2/03Jacobi.pdf [Accessed 19Nov. 2017].
II. Ejercicios
 Gauss seidel

18
19
 III. Conclusion
Este es uno de los metodos que conllevan mas problemas, ya que
engloba una serie muy larga de operaciones, en la que todo se
complica ya que puede converger muy rapido o diverger, aparte de
que con un solo dato que pongas mal, todas tus operaciones son
erroneas debido a ese error.
d) Unidad 4: Ajuste de curvas
I. Descripción
El primer metodo que vimos en esta unidad fue el de regresion
lineal por minimos cuadrados. Este metodo permite desarrollar una
linea recta a lo largo de varios valores estudiados, esta linea recta
describe la relacion entre dos variables
En el metodo de regresion lineal por minimos cuadrados, la
ecuacion de la curva que pasa por todos los puntos evaluados esta
definida por

𝑛 𝑥𝑦− 𝑥 𝑦
y = a0 + a1x + e 𝑎1 = 2 𝑎0 = 𝑦̅ − 𝑎1 𝑥̅
𝑛 (𝑥 2 )− 𝑥

donde a0 corresponde a valores donde la recta intersecta al eje “y”,

a1 corresponde a la pendiente, n es el numero de datos y e
corresponde a la diferencia entre el modelo y las observaciones.
El error se puede calcular mediante la medida de dispersion de una
muestra, llamada desviacion estandar o Sy
𝑆𝑡
𝑆𝑦 = √ 𝑆𝑡 = ∑(𝑦𝑖 − 𝑦̅)2
𝑛−1

Donde St es la suma total de los cuadrados de las diferencias entre

los datos y la media

20
 𝑆𝑦 𝑆𝑟
𝑆𝑟 = ∑(𝑦𝑖 − 𝑎𝑜 − 𝑎𝑖 𝑥𝑖 )2
𝑥
=√𝑛−2

Sy/x se le llama error estandar de estimacion, la cual es la medida

de la dispersion de los valores observados con respecto a la linea de
regresion. La diferencia entre St y Sr nos da la mejora en lo que
respecta al error por describir los datos como una linea recta y no
como un promedio
𝑆𝑡 − 𝑆𝑟
𝑟2 =
𝑆𝑡
Donde r2 se conoce como el coeficiente de determinación y r es el
coeficiente de correlación
Otro metodo que vimos en esta unidad fue el de Regresion lineal
multiple, el cual nos permite establecer la relacion que se produce
entre una variable dependiente “y” y un conjunto de variables
independienes (x1, x2…xi)
La ecuacion de la curva estara determinada de esta forma:
y = a0 + b1x1 + b2x2 + . . . + bmxm + e
Las mejoras en los valores se determinan al realizar la suma de los
cuadrados de los residuos
𝑆𝑟 = ∑(𝑦𝑖 − 𝑎𝑜 − 𝑎1 𝑥1𝑖 − 𝑎2 𝑥2𝑖 )2
Si expresamos el modelo para todas las observaciones de la
muestra, se obtiene el siguiente sistema de ecuaciones

21
Expresamos el anterior sistema de ecuaciones de una manera mas
compacta a traves de notacion matricial

En este caso los valores de a0 y a1 se obtienen a traves de la

solucion del sistema de ecuaciones.
Otro metodo que vimos en esta unidad fue la Regresion polinomial,
donde esta difinida de esta forma la ecuacion de la curva

Aunque los valores estudiados pueden tener un patron

determinado, son pobremente representados por una linea recta,
pero existe la opcion de que sea representada de forma mas
adecuada por una curva para que se ajuste aun mas a los datos,
ajustando polinomios.
Una tecnica muy eficiente es reducir la suma de los cuadrados de
los residuos (sr) entre la y verdadera y la y calculada

22
 El error estandar de estimacion se calcula de esta forma

Podemos escribir el sistema de ecuaciones normales obteniendo en

la forma Sxa= Sxy
Donde Sx: matriz de sumatorias de potencias de x

23
El ultimo metodo que vimos en esta unidad fue el metodo de
interpolacion mediante poliniomo de Lagrange.
El polinomio por Lagrange se define de la forma

Donde L0, l2….,Ln son poliniomios que dependen solo de los nodos
tabulados x0, x2, …,xn, pero no de las ordenadas y0, y1, …,yn.
La formula general del polinomio Li es:

Referencias
 Tema 2: Regresion lineal. (2012). [ebook] Estado de Mexico. Available at:
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_2_regresion_l.pdf [Accessed
19 Nov. 2017].
 Ezequiel Uriel, U. (2013). 3 Regresión lineal múltiple: estimación y propiedades. [ebook]
Valencia, España. Available at:
 https://www.uv.es/=uriel/3%20Regresion%20lineal%20multiple%20estimacion%20y%20pro
piedades.pdf [Accessed 19 Nov. 2017].
 Ortiz Quintanilla, I. (2006). MÉTODOS NUMÉRICOS APLICADOS A LA INGENIERÍA.
[ebook] Available at: http://www.unjbg.edu.pe/coin2/pdf/c&d_9_art_16.pdf [Accessed 19
Nov. 2017].
 Diaz, Wladimiro (1998) Universitat de valencia [Pagina web] [Accessed 19 Nov. 2017].
Disponible en https://www.uv.es/~diaz/mn/node38.html

24
 II. Ejercicios
 Regresion lineal:

25
 Regresion lineal multiple

26
 Regresion polinomial

27
 Interpolacion mediante polinomio de Lagrange

28
 III. Conclusion
El generar curvas en el punto x0 supone una mayor aproximacion al
valor real de la funcion, ya que es una forma mas facil de obtener el
resultado deseado porque una curva abarca una mayor cantidad de
datos comparandolo con una linea recta.
e) Unidad 5: Derivación e integracion numerica
I. Descripción
El primer metodo que vimos en esta unidad fue el de derivacion por
polinomio de Lagrange en la que es basicamente la misma formula
que usamos en el metodo de interpolacion por medio del
polinomio de lagrange pero derivandolo, con lo q optenemos algo
asi

Los metodos que vimos a partir de este corresponden a los

llamados Newton-Cotes.
El primero de ellos se le conoce como la regla del trapecio, el cual
corresponde al caso en donde el polinomio es de primer orden

En el que f1(x) corresponde a una linea recta que se representa

como:

29
El area bajo la recta corresponde a la aproximacion de la integral de
f(x) en los limites de a y b

El error de aproximacion se saca de la siguiente manera

El segundo metodo que corresponde a los denominados Newton-

cotes es la regla del trapecio multiple la cual es una manera de
mejorar la exactitud del anterior metodo, dividiendo el intervalo de
a a b en subintervalos y aplicar el metodo en cada uno de ellos.
Para subdividir el intervalo usamos esa expresion sencilla

Despues de sacar la anchura de cada segmento, lo que sigue es

aplicar la formula general de este metodo

30
Y el error de aproximacion se saca de la siguiente manera

El siguiente metodo es el de las reglas de Simpson, en este caso el

de 1/3.
Otra forma de obtener una estimacion mas exacta de una integral
es con el uso de polinomios de orden superior para conectar los
puntos; las reglas de simpson son las formulas que resultan de
tomar las integrales bajo los polinomios que conectan los puntos.
La regla de simpson 1/3 consiste en tomar el area bajo la parabola
que conecta tres puntos
La formula de integracion de simpon 1/3 es la siguiente

En lo que respecta al metodo de la regla de simpson 1/3 multiple,

corresponde a dividir en mas segmentos el intervalo
La formula para este metodo es:

El siguiente metodo es el de Simpson 3/8, el cual consiste en tomar

el area bajo la ecuacion cubica que conecta cuatro puntos
31
La formula para realizar este metodo es:

Siendo el error aproximado determinado por:

El ultimo metodo que vimos en esta unidad fue uno en el que

combinamos los dos metodos de Simpson, el de 1/3 y 3/8, para
favorecer que se tenga un mayor grado de exactitud y lleguemos a
un resultado no tan lejano del valor real.
Referencias:
 DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA. (2009). [ebook] Available at:
https://cursos.aiu.edu/Metodos%20Numericos/PDF/Tema%204.pdf [Accessed 19 Nov. 2017].
 Gomez, Maria del Carmen, Universidad Autonoma Metropolitana, [Pagina Web], [Accessed 19 Nov.
2017], disponible en http://test.cua.uam.mx/MN/Methods/Integracion/Simpson13/Simpson13.php
 Otero, Dr. Jose A. (2014) [ebook] Curso de Metodos Numericos. Integracion Numerica. Las
reglas de Simpson. Disponible en
http://metodosnumericoscem.weebly.com/uploads/2/5/9/7/25971049/mn_clase21_inte
gracion.pdf [Accessed 19 Nov. 2017]
 Gomez, Maria del Carmen, Universidad Autonoma Metropolitana, [Pagina Web], [Accessed 19 Nov.
2017], disponible en http://test.cua.uam.mx/MN/Methods/Integracion/Simpson38/Simpson38.php

32
 II. Ejercicios
 Derivacion por polinomio de lagrange

 Regla del trapecio

33
 Regla del trapecio multiple

 Regla de Simpson 1/3

34
 Regla de Simpson 1/3 multiple

 Regla de simpson 3/8

35
 Regla de simpson 1/3 + 3/8

36
 III. Conclusion
Como conclusion de esta unidad, puedo decir que conforme fuimos
avanzando en aprender cada metodo, fuimos reduciendo
considerablemte el margen de error, ya que si de porsi con el
metodo de simpson 3/8 ya teniamos un resultado ligeramente
alejado del valor real, concluimos con un metodo que nos asegura
tener un resultado con un error de aproximacion por debajo del
5%, lo cual facilita las cosas en lo que respecta a la solucion de
problemas matematicos,

37