UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS PECUARIAS

CARRERA DE INGENIERÍA EN ALIMENTOS

TEMA:

METODOS NUMERICOS

AUTOR:

ALAN JHON DAVILA TUFIÑO

DOCENTE:

ING. JOSE MACIAS

UNIDAD DE APRENDIZAJE:

METODOS NUMERICOS

MOCACHE -LOS RIOS - ECUADOR

2019– 2020
 Contenido
1. ¿QUÉ SON MÉTODOS NUMÉRICOS? ................................................................. 3

1.1. OBJETIVOS ...................................................................................................... 4

2. TIPOS DE METODOS NUMERICOS .................................................................... 5

2.1. METODO ITERATIVO GENERAL .................................................................... 5

2.2. METODO DE BISECCION .................................................................................. 5

2.3. METODO DE LAS APROXIMACIONES SUCESIVAS .................................... 6

2.4. METODO DE NEWTON ..................................................................................... 7

2.5. MÉTODO DE LA SECANTE .............................................................................. 8

2.6. METODO DE INTERVALO ................................................................................ 9

3. MODELAMIENTO MATEMATICO .................................................................... 10

6. BIBLIOGRAFÍA ..................................................................................................... 16
1. ¿QUÉ SON MÉTODOS NUMÉRICOS?

El hecho de que el Análisis Numérico sea tanto una ciencia como un arte es la opinión de
los especialistas en este campo pero, frecuentemente es mal entendido por los no
especialistas. ¿Se dice que es un arte, y a la vez una ciencia, ´únicamente como
eufemismo, para ocultar el hecho de que el Análisis Numérico no es una disciplina
suficientemente precisa para merecer el que se le considere como una ciencia? ¿Es cierto
que el nombre de análisis numérico se emplea erróneamente, porque el significado clásico
del análisis en matemáticas no es aplicable al trabajo numérico? De hecho, la respuesta a
ambas preguntas es “no”.

Más bien la yuxtaposición de ciencia y arte se debe a un principio de incertidumbre que

frecuentemente se presenta en la solución de problemas, es decir, el hecho de que para
determinar la mejor forma de resolver un problema, puede ser necesaria la solución del
problema en sí. En otros casos, la mejor forma de resolver un problema puede depender
de un conocimiento de las propiedades de las funciones involucradas, las que no se
pueden obtener ni teórica ni prácticamente. Como una ciencia, el Análisis Numérico está
interesado en los procesos por los cuales pueden resolverse los problemas matemáticos,
por las operaciones de la aritmética. Algunas veces esto involucrar ‘a el desarrollo de
algoritmos para resolver un problema que está ya en una forma en la cual pueda
encontrarse la solución por medio aritméticos (Bazán, 2006).

Frecuentemente involucrar ‘a la necesidad de sustituir cantidades que no pueden ser

calculadas aritméticamente, por aproximaciones que permiten que sea determinada una
solución aproximada. En este caso estaríamos interesados, naturalmente, en los errores
cometidos en nuestra aproximación. Pero, en cualquier caso, las herramientas que
usaríamos en el desarrollo de los procesos de análisis numérico, serán las herramientas
del análisis matemático exacto, tan conocidas clásicamente (Bazán, 2006).

Como un arte, el Análisis Numérico está interesado en la elección del procedimiento, y

conveniente aplicación del mismo, “más” adecuado a la solución de un problema
particular. Esto implica la necesidad de desarrollar la experiencia y con ello esperar que
se desarrolle la intuición del especialista. Así pues, el Análisis Numérico trata de diseñar
métodos para aproximar, de una manera eficiente, las soluciones de problemas
expresados matemáticamente. La eficiencia del método depende tanto de la precisión que
se requiera como de la facilidad con la que pueda implementarse. En una situación
práctica, el problema matemático se deriva de un fenómeno físico sobre el cual se han
hecho algunas suposiciones para simplificarlo y para poderlo representar
matemáticamente. Generalmente cuando se relajan las suposiciones físicas llegamos a un
modelo matemático más apropiado pero, al mismo tiempo, más difícil o imposible de
resolver explícitamente (Crisci, 1983).

1.1. OBJETIVOS

El Análisis Numérico es Matemática Aplicada en el sentido de que toca problemas

concretos, reales, de aplicación práctica, pero aprovechando los potentes métodos de la
matemática Pura. Por tanto no son materias opuestas, sino complementarias, lo que hace
que la importancia de ambas sea cada vez mayor. Algunos de los problemas que toca el
Análisis Numérico son los siguientes:

a) Problemas de interpolación, en los que se sustituye una función poco manejable por
otra más sencilla que cumple ciertas condiciones de coincidencia con la primera;

b) Problemas derivados de los anteriores, como pueden ser la integración aproximada

(cuadratura, cubertura), o derivación aproximada de funciones poco manejables;

c) Problemas de aproximación, análogos a los anteriores, pero en los que se sustituye una
función por otra que sea “próxima”, en cierto sentido, a la primera;

d) Resolución aproximada de ecuaciones diferenciales tanto ordinarias como en

derivadas parciales

e) Los problemas presentados anteriormente producen, en muchos casos, sistemas de

ecuaciones lineales con gran número de ecuaciones e incógnitas que por su coste de
cálculo son irresolubles por métodos clásicos como la regla de Carme;

f) Problemas de tipo matricial, (hallar valores propios, invertir matrices, etc...)

relacionados con los anteriores;

g) Problemas de optimización, en los que se maximiza o se minimiza un funcional;

h) Resolución aproximada de ecuaciones algebraicas y sistemas de ecuaciones no

lineales.
2. TIPOS DE METODOS NUMERICOS

2.1. METODO ITERATIVO GENERAL

Un método iterativo consta de los siguientes pasos.

1. Inicia con una solución aproximada (semilla).

2. Ejecuta una serie de cálculos para obtener o construir una mejor aproximación
partiendo de la aproximación semilla. La fórmula que permite construir la
aproximación usando otra se conoce como ecuación de recurrencia.
3. Se repite el paso anterior pero usando como semilla la aproximación obtenida.

2.2. METODO DE BISECCION

Este es uno de los métodos más sencillos y de fácil intuición para resolver ecuaciones en
una variable, también conocido como Método de Intervalo Medio. Se basa en el teorema
del valor intermedio (TVI), el cual establece que toda función continua f en
un intervalocerrado [a,b] toma todos los valores que se hallan entre f(a) y f(b). Esto es
que todo valor entre f(a) y f(b) es la imagen de al menos un valor en el intervalo [a,b]. En
caso de que f(a) y f(b) tengan signos opuestos, el valor cero sería un valor intermedio
entre f(a) y f(b), por lo que con certeza existe un p en [a,b] que cumple f(p)=0. De esta
forma, se asegura la existencia de al menos una solución de la ecuación f(x)=0 (Joyanes
Aguilar, 2003).

El método consiste en lo siguiente:

 Debe existir seguridad sobre la continuidad de la función f(x) en el intervalo [a,b]

 A continuación se verifica que

 Se calcula el punto medio m del intervalo [a,b] y se evalúa f(m) si ese valor es
igual a cero, ya hemos encontrado la raíz buscada

 En caso de que no lo sea, verificamos si f(m) tiene signo opuesto con f(a) o
con f(b)

 Se redefine el intervalo [a, b] como [a, m] ó [m, b] según se haya determinado en

cuál de estos intervalos ocurre un cambio de signo

 Con este nuevo intervalo se continúa sucesivamente encerrando la solución en un

intervalo cada vez más pequeño, hasta alcanzar la precisión deseada
Este método consiste en obtener una mejor aproximación de la raíz a partir de un intervalo
inicial (a,b) en el cual hay un cambio de signo en la función, es decir: f(a)f(b)<0 (Garcia-
Vergara, 2017).

Se obtiene el punto medio:

2.3. METODO DE LAS APROXIMACIONES SUCESIVAS

El método de las aproximaciones sucesivas es uno de los procedimientos más importantes

y más sencillos de codificar (Crisci, 1983).

Supongamos la ecuación

f(x)=0

donde f(x) es una función continua que se desea determinar sus raíces reales. Se
sustituye f(x) por la ecuación equivalente

x=φ(x)

Se estima el valor aproximado de la raíz x0, y se sustituye en el segundo miembro de la

ecuación para obtener x1.

x1=φ(x0)

Poniendo x1 como argumento de φ(x), obtendremos un nuevo número x2, y así

sucesivamente. Este proceso se puede sintetizar en la fórmula (Crisci, 1983).

xn=φ(xn-1) (1)

Si esta secuencia es convergente es decir, tiende hacia un límite, la solución ξ es

ξ=limn→∞xn
El método de iteración se explica geométricamente mediante el gráfico de la figura. Se
dibuja la curva y=φ(x), y la recta y=x, bisectriz del primer cuadrante. La abscisa ξ del
punto de intersección es la raíz buscada (Crisci, 1983).

2.4. METODO DE NEWTON

Este método parte de una aproximación inicial x0 y obtiene una aproximación mejor, x1,
dada por la fórmula:

La expresión anterior puede derivarse a partir de un desarrollo en serie de Taylor.

Efectivamente, sea r un cero de f y sea x una aproximación a r tal que r=x+h. Si f'' existe
y es continua, por el teorema de Taylor tenemos:

0 = f(r) = f(x+h) = f(x) + hf'(x) + O(h2)

en donde h=r-x. Si x está próximo a r (es decir hes pequeña), es razonable ignorar el
término O(h2):

0 = f(x) + hf'(x)

por lo que obtenemos la siguiente expresión para h:

A partir de la ecuación y teniendo en cuenta que r=x+h es fácil derivar la ecuación

El método de Newton tiene una interpretación geométrica sencilla, como se puede

apreciar del análisis de la figura. De hecho, el método de Newton consiste en
una linealización de la función, es decir, f se reemplaza por una recta tal que contiene al
punto (x0,f(x0)) y cuya pendiente coincide con la derivada de la función en el punto, f'(x0).
La nueva aproximación a la raíz, x1, se obtiene de la intersección de la función linear con
el eje X de ordenadas.

2.5. MÉTODO DE LA SECANTE

El principal inconveniente del método de Newton estriba en que requiere conocer el valor
de la primera derivada de la función en el punto. Sin embargo, la forma funcional de f(x)
dificulta en ocasiones el cálculo de la derivada. En estos casos es más útil emplear el
método de la secante (Font, 2010).

El método de la secante parte de dos puntos (y no sólo uno como el método de Newton)
y estima la tangente (es decir, la pendiente de la recta) por una aproximación de acuerdo
con la expresión:
2.6. METODO DE INTERVALO

MÉTODO DE FALSA POSICIÓN.

Este método también conocido como Regula-Falsi corresponde a realizar una

interpolación lineal entre los puntos a y , se busca, en la recta que pasa por los puntos [a;
f(a)] y [b; f(b)], el punto c tal que su imagen f(c) se anule . En esta expresión aparece la
relación (b - a)/ (f (b) – f(a)) que es equivalente al inverso de la derivada de primer orden
de la función f (Pita Fernández, 2003).

La ecuación resultante es:

La velocidad de convergencia de ese método es muy superior a la del método de la

bisección cuando ambos puntos están lejos de la solución. Sin embargo su eficiencia ya
no es tan evidente cuando un punto esta distante de la solución y el otro está muy cercano
a ella. Cabe señalar además, de uno de los principales defectos de este método es que en
la mayoría de los casos, uno de los límites del intervalo es utilizando como punto de apoyo
y solamente el otro se ve afectado por el procedimiento de cálculo, afectando así la
velocidad de convergencia (Pita Fernández, 2003).
3. MODELAMIENTO MATEMATICO

Un modelo matemático es un modelo que utiliza fórmulas matemáticas para representar

la relación entre distintas variables, parámetros y restricciones.

Un modelo matemático es una representación simplificada, a través de ecuaciones,

funciones o fórmulas matemáticas, de un fenómeno o de la relación entre dos o más
variables. La rama de las matemáticas que se encarga de estudiar las cualidades y
estructura de los modelos es la llamada “teoría de los modelos” (Font, 2010).

Un modelo matemático describe teóricamente un objeto que existe fuera del campo de las
Matemáticas. Las previsiones del tiempo y los pronósticos económicos, por ejemplo,
están basados en modelos matemáticos. Su éxito o fracaso depende de la precisión con la
que se construya esta representación numérica, la fidelidad con la que se concreticen
hechos y situaciones naturales en forma de variables relacionadas entre sí (Font, 2010).

3.1. ¿Para qué sirve un modelo matemático?

Los modelos matemáticos son utilizados para analizar la relación entre dos o más
variables. Pueden ser utilizados para entender fenómenos naturales, sociales, físicos, etc.
Dependiendo del objetivo buscado y del diseño del mismo modelo pueden servir para
predecir el valor de las variables en el futuro, hacer hipótesis, evaluar los efectos de una
determinada política o actividad, entre otros objetivos.

Aunque parezca un concepto teórico, en realidad hay muchos aspectos de la vida

cotidiana regidos por modelos matemáticos. Lo que ocurre es que no son modelos
matemáticos enfocados a teorizar. Al contrario, son modelos matemáticos formulados
para que algo funcione. Por ejemplo, un coche (Gascón, 2001).

Elementos básicos de un modelo matemático

Los modelos matemáticos pueden variar en cuanto a su complejidad, pero todos ellos
tienen un conjunto de características básicas:

 Variables: Son los conceptos u objetos que se busca entender o analizar. Sobre
todo con respecto a su relación con otras variables. Así por ejemplo, una variable
puede ser el salario de los trabajadores y lo que queremos analizar son sus
principales determinantes (por ejemplo: años de estudio, educación de los padres,
lugar de nacimientos, etc.).
  Parámetros: Se trata de valores conocidos o controlables del modelo.

 Restricciones: Son determinados límites que nos indican que los resultados del
análisis son razonables. Así por ejemplo, si una de las variables es el número de
hijos de una familia, una restricción natural es que este valor no puede ser negativo
(Gascón, 2001).

 Relaciones entre las variables: El modelo establece una determinada relación

entre las variables apoyándose en teorías económicas, físicas, químicas, etc.

 Representaciones simplificadas: Una de las características esenciales de un

modelo matemáticos es la representación de las relaciones entre las variables
estudiadas a través de elementos de las matemáticas tales como: funciones,
ecuaciones, fórmulas, etc.

Propiedades deseadas de un modelo matemático

Cuando se diseña un modelo matemático, se busca que este tenga un conjunto de

propiedades que ayude a asegurar su robustez y efectividad. Entre estas propiedades se
encuentran:

 Simplicidad: Uno de los objetivos principales de un modelo matemático es

simplificar la realidad para poder entenderla mejor.

 Objetividad: Que no tenga sesgos ni teóricos ni de los prejuicios o ideas de sus

diseñadores.

 Sensibilidad: Que sea capaz de reflejar los efectos de pequeñas variaciones.

 Estabilidad: Que el modelo matemático no se altere significativamente cuando

hay cambios pequeños en las variables.

 Universalidad: Que sea aplicable a varios contextos y no sólo a un caso

particular.

Básicamente, en un modelo matemático advertimos 3 fases:

* La construcción, proceso en el que se convierte el objeto a lenguaje matemático;

* el análisis o estudio del modelo confeccionado;
* la interpretación de dicho análisis, donde se aplican los resultados del estudio al objeto
del cual se partió (Gascón, 2001).
La utilidad de estos modelos radica en que ayudan a estudiar cómo se comportan
las estructuras complejas frente a aquellas situaciones que no pueden verse con
facilidad en el ámbito real. Existen modelos que funcionan en ciertos casos y que resultan
poco precisos en otros, como ocurre con la mecánica newtoniana, cuya fiabilidad fue
cuestionada por el propio Albert Einstein (Bazán, 2006).

Puede decirse que los modelos matemáticos son conjuntos con ciertas relaciones ya
definidas, que posibilitan la satisfacción de proposiciones que derivan de los axiomas
teóricos. Para ello, se sirven de diversas herramientas, como ser el álgebra lineal que, por
ejemplo, facilita la fase de análisis, gracias a la representación gráfica de las distintas
funciones.

Clasificaciones según diversos criterios

De acuerdo a la proveniencia de la información en que se basa el modelo, podemos

distinguir entre modelo heurístico, que se apoya en las definiciones de las causas o los
mecanismos naturales que originan el fenómeno en cuestión, y modelo empírico,
enfocado en el estudio de los resultados de la experimentación (Salett, 2004).

Asimismo, con respecto al tipo de resultado pretendido, existen dos clasificaciones

básicas:

* Modelos cualitativos, que pueden valerse de gráficos y que no buscan un resultado de

tipo exacto, sino que intentan detectar, por ejemplo, la tendencia de un sistema a
incrementar o disminuir un determinado valor;

* Modelos cuantitativos, que, por el contrario, necesitan dar con un número preciso, para
lo cual se apoyan en fórmulas matemáticas de variada complejidad.

Otro factor que divide los tipos de modelos matemáticos es la aleatoriedad de la situación
inicial; así distinguimos entre los modelos estocásticos, que devuelven la probabilidad de
que se obtenga un cierto resultado y no el valor en sí, y los deterministas, cuando
los datos y los resultados se conocen, por lo que no existe incertidumbre (Salett, 2004).

Según el objetivo del modelo, podemos describir los siguientes tipos:

* Modelo de simulación, que intenta adelantarse a un resultado en una determinada

situación, sea que ésta se pueda medir en forma precisa o aleatoria;
* Modelo de optimización, que contempla distintos casos y condiciones, alternando
valores, para encontrar la configuración más satisfactoria;

* Modelo de control, a través del cual se pueden determinar los ajustes necesarios para
obtener un resultado particular (Salett, 2004).

4. PROGRAMACION

Programación es la acción y efecto de programar. Este verbo tiene varios usos: se

refiere a idear y ordenar las acciones que se realizarán en el marco de un proyecto; al
anuncio de las partes que componen un acto o espectáculo; a la preparación de máquinas
para que cumplan con una cierta tarea en un momento determinado; a la elaboración de
programas para la resolución de problemas mediante ordenadores; y a la preparación de
los datos necesarios para obtener una solución de un problema a través de una calculadora
electrónica, por ejemplo.

En la actualidad, la noción de programación se encuentra muy asociada a la creación de

aplicaciones informáticas y videojuegos; es el proceso por el cual una persona desarrolla
un programa valiéndose de una herramienta que le permita escribir el código (el cual
puede estar en uno o varios lenguajes, tales como C++, Java y Python) y de otra que sea
capaz de «traducirlo» a lo que se conoce como lenguaje de máquina, el cual puede ser
entendido por un microprocesador (Ferrándiz, 2008).

Este último paso se conoce como compilación y es necesario para que el código pueda
ser ejecutado por la plataforma para la cual haya sido creado, que puede ser
un ordenador, una tableta, una consola o un teléfono móvil, por ejemplo. Existe también
una forma de traducir el código denominada interpretación, que consiste en analizar
línea a línea, hasta que se traduzca lo suficiente como para poder realizar una tarea. Cabe
mencionar que los lenguajes de programación se dividen en dos grandes grupos, donde
los que pueden ser compilados no pueden ser interpretados, y viceversa (Ferrándiz, 2008).

La totalidad del proceso de desarrollo abarca varias etapas y requiere del trabajo de
diferentes especialistas. En principio, partiendo de la base de un proyecto bien
organizado, es necesario dar con una idea atractiva, interesante, que justifique los meses
o años de esfuerzo que vendrán. Tan sólo esta primera parte puede tomar mucho tiempo,
dado que lo que comienza como un producto perfecto puede convertirse, luego de
cuestionarlo y observarlo desde diferentes ángulos, en un fracaso seguro.
Una vez hallada la idea, se debe establecer el diseño de la misma; en otras palabras, se
trata de formalizar todo aquello que se haya discutido durante la búsqueda inicial. Si bien
cada equipo trabaja a su manera, dado que no se puede estructurar la creación de una
forma rígida, es probable que el siguiente paso lógico sea comenzar a experimentar a
través de la programación, para facilitar a los diseñadores un contacto directo e interactivo
con su idea (Ferrándiz, 2008)

Los programadores tienen en sus manos el poder de dar vida a un sistema, a una
aplicación, a un videojuego. Es importante notar que todos estos productos pueden ser
definidos en absoluto detalle en un documento, incluyendo imágenes y gráficos que
expliquen cómo funciona cada milímetro de los mismos; sin embargo, hasta que un
desarrollador de software no entra en acción, no es posible verlos en movimiento,
probarlos, pasar de la teoría a la práctica.

En un plano más técnico, la programación se realiza mediante el uso de algoritmos, que

son secuencias finitas, ordenadas y no ambiguas de instrucciones que deben seguirse para
resolver un problema. Algunas de ellas pueden agruparse y recibir un nombre para poder
ser invocadas con facilidad tantas veces como sea necesario. Del mismo modo que los
seres humanos necesitamos respirar constantemente, una aplicación informática necesita
conocer la posición del puntero del ratón a cada momento, así como su actividad (si se ha
hecho clic y con qué botón, si se ha soltado o si se mantiene presionado, etcétera).

5. LENGUAJES DE PROGRAMACION PARA METODOS MATEMATICOS

Representaci´on binaria de la informaci´on Las operaciones que realiza internamente un

ordenador no son, en principio, demasiado complicadas. Desde hace siglos se sabe que
un conmutador al tener dos estados (abierto y cerrado) puede representar los n´umeros 0
y 1. Si disponemos de muchos conmutadores, podremos representar grandes cantidades
de ceros y unos (Joyanes Aguilar, 2003).

El estado en el que se encuentra el circuito puede medirse (lectura) o alterarse (escritura).

Gracias a la microelectrónica se pueden colocar varias decenas de miles de circuitos
dentro de un chip. Las técnicas que permiten un grado de empaquetamiento tan elevado
de denominan tecnología VLSI (Very Large Scale of Integration). El tamaño resultante
no suele superar el centímetro cuadrado, lo que da idea del grado de miniaturización del
proceso. Estos avances tecnológicos han hecho posible que los ordenadores actuales sean
mucho más rápidos, fiables, y baratos que sus antecesores. La memoria principal de un
ordenador consiste en varios millones de circuitos elementales inestables capaces de
almacenar un cero o un uno (Moroni, 2005).

Cada unidad de información binaria es un bit. Sin embargo, no suele accederse de forma
individual a un bit, sino que suelen agruparse de ocho en ocho, formando un byte. La
unidad de información que se transfiere a o desde la memoria principal recibe el nombre
de palabra. En los ordenadores personales la longitud de una palabra suele ser de 8, 16 ´o
32 bits, mientras que en los grandes puede oscilar entre 12 y 64, o más, bits. Los detalles
sobre la construcción y organización de la memoria principal de un ordenador no suelen
tener demasiada importancia a la hora de escribir un programa.

Los dos ´únicos puntos importantes a considerar son los siguientes: 1. Hay dos valores
asociados con cada elemento de memoria: Su contenido que ser ‘a su dato o instrucción
en código binario y la dirección de esa posición de memoria, que nos permite acceder a
ella. 2. El tamaño de la palabra de cualquier ordenador es finito (Romero-Rodríguez,
2015).

Esto significa que dispondremos solamente de un número finito de dígitos para

representar las cantidades durante su cálculo. Así los números cuya representación binaria
sea ilimitada, serán truncados al guardarse en una dirección de memoria. Nos estamos
refiriendo a los números cuya representación binaria (no decimal) tiene infinitos
decimales (Romero-Rodríguez, 2015).

Por ejemplo 0.1, tiene una representación periódica en base 2. La longitud de la memoria
ocupada por una dato nos limitar ‘a la precisión de los cálculos numéricos y es una
característica importante de cada ordenador.

El tiempo de acceso (tiempo necesario para leer información almacenada en una dirección
determinada) es un parámetro de importancia crucial en el funcionamiento de un
ordenador. Una suma se suele realizar en menos tiempo del necesario en buscar los
sumandos en memoria (Romero-Rodríguez, 2015).
 6. BIBLIOGRAFÍA

Bazán, J. &. (2006). Las actitudes hacia la Matemática-Estadística dentro de un modelo

de aprendizaje. Educación. Las actitudes hacia la Matemática-Estadística dentro
de un modelo de aprendizaje. Educación, 15(28), 7-20.

Crisci, J. V. (1983). Introducción a la teoría y práctica de la taxonomía numérica (No.

57.06 CRI). . Washington^ eD. CDC: OEA., ------.

Ferrándiz, C. B. (2008). Estudio del razonamiento lógico-matemático desde el modelo de

las inteligencias múltiples. Anales de Psicología/Annals of Psychology, 24(2),
213-222.

Font, V. P. (2010). Modelo para el análisis didáctico en educación matemática. Infancia

y aprendizaje, 33(1), 89-105.

Garcia-Vergara, M. D. (2017). Extracting an accurate model for permittivity from

experimental data: hunting complex poles from the real line. Optics letters, 42(6),
1145-1148.

Gascón, J. (2001). Incidencia del modelo epistemológico de las matemáticas sobre las
prácticas docentes. Revista Latinoamericana de Investigación en Matemática
Educativa, RELIME, 4(2), 129-159.

Joyanes Aguilar, L. (2003). Fundamentos de programación. Algoritmos y estructuras de

datos. Fundamentos de programación. Algoritmos y estructuras de datos.

Moroni, N. &. (2005). Estrategias para la enseñanza de la programación. Argentina:

Jornadas de Educación en Informática y TICs en Argentina.

Pita Fernández, S. P. (2003). La fiabilidad de las mediciones clínicas: el análisis de

concordancia para variables numéricas. . Cad Aten Primaria, , 10(4), 290-6.

Romero-Rodríguez, L. M. (2015). Estereotipos, tópicos y lenguaje de la programación

sensacionalista en la televisión: programa «Corazón» de TVE. Alteridad.
Estereotipos, tópicos y lenguaje de la programación sensacionalista en la
televisión: programa «Corazón» de TVE. Alteridad, 10(1), 31-43.

Salett, M. &. (2004). Modelación matemática y los desafíos para enseñar matemática. .
Educación matemática, 16(2), 105-125.