Metodos Numericos

UNIDAD 1.
MÉTODOS NUMÉRICOS
UNIDAD I
MÉTODOS NUMÉRICOS
En el siguiente esquema se representan los contenidos temáticos

correspondientes a la Primera Unidad temática de la unidad de
aprendizaje Métodos Numéricos, cada uno de estos temas guardan
relación entre sí; compañero estudiante… sigue adelante, felicidades y
éxito en tu formación académico – profesional.
SECUENCIA DIDÁCTICA «UNIDAD I»

Figura 1. Mapa de contenidos didácticos de la unidad 1
Fuente: UDEMEX 2019
1
AV. JOSÉ MA. MORELOS PTE. NO. 905
SECRETARÍA DE EDUCACIÓN
TERCER PISO COLONIA LA MERCED
SUBSECRETARÍA DE EDUCACIÓN MEDIA SUPERIOR Y SUPERIOR
TOLUCA, ESTADO DE MÉXICO, C.P. 50080
UNIVERSIDAD DIGITAL DEL ESTADO DE MÉXICO
TELÉFONO 318-48-63
UNIDAD 1. MÉTODOS NUMÉRICOS
INTRODUCCIÓN
Durante el desarrollo de esta unidad, los estudiantes conocerán las

generalidades de los métodos numéricos, los problemas matemáticos y
sus soluciones, parte importante es la definición y tipo de errores (por
redondeo, por truncamiento, numérico total), así como los errores
humanos y las aplicaciones.
Un aspecto muy importante que se estudiará dentro de esta unidad, es la

solución de ecuaciones algebraicas, la teoría un método interactivo que
trata de resolver problemas que involucran un gran número de variables.
Se abordará el tema de raíz de una ecuación, que es uno de los problemas
más antiguos en matemáticas Su importancia radica en que si podemos
determinar las raíces de una ecuación también podemos determinar
máximos y mínimos, valores propios de matrices, resolver sistemas de
ecuaciones lineales y diferenciales, entre otros.
Se contemplan en esta unidad también los temas de los métodos de punto

fijo, el método de aproximaciones sucesivas, el método de la secante, así
como las aplicaciones que se derivan de estos métodos. Los métodos de
intervalo son parte importante de esta unidad, con sus dos vertientes: de
bisección y falsa posición.
En tal sentido, el propósito es potenciar la capacidad del estudiante en el

uso adecuado de los métodos numéricos, que son otro tema importante
dentro de esta unidad y no hay duda que esta tecnología va a tener una
gran influencia en el futuro de los estudiantes, tanto en su vida profesional
como en su vida personal.
Esta unidad se complementa con la incorporación de otras competencias

básicas y fortalece la formación integral del estudiante; preparándolo para
2
TELÉFONO 318-48-63
comprender los métodos numéricos, de modo general, se pretende hacer

un esfuerzo por evitar el uso de términos excesivamente especializados,
siendo necesario utilizar más la forma descriptiva y explicativa, sin
embargo, habrá definiciones que en los casos que no sea posible evitar.
En general, los temas desarrollados en esta unidad, serán un mecanismo

de mejora de las actitudes del estudiante como futuro profesional
comprometido con su sociedad.
COMPETENCIAS ESPECÍFICAS
Figura 2. Competencias Específicas
Fuente: UDEMEX 2019
Es momento de dar inicio a los temas de la unidad I.
3
TELÉFONO 318-48-63
1.1. Introducción
Los métodos numéricos son técnicas mediante las cuales es posible

formular problemas de tal forma que puedan resolverse usando
operaciones aritméticas.
Aunque hay muchos tipos de métodos numéricos, todos comparten una

característica común: invariablemente los métodos numéricos llevan a
cabo un buen número de tediosos cálculos aritméticos.
Con el desarrollo de computadoras digítales, eficientes y rápidas, el papel

de los métodos numéricos en la solución de problemas de ingeniería
aumentó considerablemente en los últimos años. Hoy en día, las
computadoras y los métodos numéricos proporcionan una alternativa para
cálculos complicados.
Los métodos numéricos representan alternativas que amplían

considerablemente la capacidad para confrontar y resolver los problemas;
como resultado, se dispone de más tiempo para aprovechar las
habilidades creativas personales.
Existe un buen número de razones por las cuales se deben estudiar los
métodos numéricos:
a) Los métodos numéricos son herramientas extremadamente

poderosas para la solución de problemas. Por lo tanto, amplían la
habilidad de quien los estudia para resolver problemas.
b) Es posible que se utilice en muchas ocasiones un software

disponible comercialmente que contenga métodos numéricos, para
resolver problemas.
c) Hay muchos problemas que no se pueden plantear al emplear

programas hechos, por lo cual se hará necesaria la programación.
d) Los métodos numéricos son un vehículo eficiente para aprender a

utilizar y usar las computadoras personales.
4
TELÉFONO 318-48-63
e) Los métodos numéricos son un medio para reforzar su comprensión

de las matemáticas.
El análisis numérico es una reflexión sobre los cursos tradicionales de

cálculo, álgebra lineal, ecuaciones diferenciales, entre otros, concretando
en una serie de métodos o algoritmos, cuya característica principal es la
posibilidad de obtener resultados numéricos de problemas matemáticos
de cualquier tipo a partir de números y un número finito de operaciones
aritméticas. (Chapra, S. y Canale, R., 2006).
La ciencia y la tecnología describen los fenómenos reales mediante

modelos matemáticos.
El estudio de estos modelos permite un conocimiento más profundo del

fenómeno, así como de su evolución futura. La matemática aplicada es la
rama de las matemáticas que se dedica a buscar y aplicar las
herramientas más adecuadas a los problemas basados en estos modelos.
Desafortunadamente, no siempre es posible aplicar métodos analíticos
clásicos por diferentes razones:
Figura 3. Razones de los métodos analíticos clásicos
No se
adecúan al
modelo
concreto
Su aplicación
resulta
excesivamen
te compleja
La solución
formal es tan
complicada que
hace imposible
cualquier
interpretación
posterior
Simplemente
no existen
métodos
analíticos
capaces de
proporcionar
soluciones al
problema
Fuente: UDEMEX 2019

5
TELÉFONO 318-48-63
En estos casos son útiles las técnicas numéricas, que mediante una labor
de cálculo más o menos intensa, conducen a soluciones aproximadas que
son siempre numéricas. Este importante esfuerzo de cálculo implica la
mayoría de estos métodos hace que su uso esté íntimamente ligado al
empleo de computadoras. De hecho, sin el desarrollo que se ha producido
en el campo de la informática resultaría difícilmente imaginable el nivel
actual de utilización de las técnicas numéricas en ámbitos cada día más
diversos. (Díaz, W., 1998).
Ilustración 1. Métodos Numéricos
Fuente: UDEMEX 2019
1.1.1. Problemas matemáticos y sus soluciones
El conocimiento y la comprensión son prerrequisitos para la aplicación

eficaz de cualquier herramienta. Si no sabemos cómo funcionan las
herramientas, tendremos serios problemas para resolverlos.
Ésta es una realidad, particularmente cuando se utilizan computadoras

para resolver problemas de ingeniería. Aunque las computadoras tienen
una gran utilidad, son prácticamente inútiles si no se comprende el
funcionamiento de los sistemas de ingeniería.
Esta comprensión inicialmente es empírica, se adquiere por observación

y experimentación. Sin embargo, aunque esta información obtenida de
manera empírica resulta esencial, sólo estamos a la mitad del camino.
Durante muchos años de observación y experimentación, los ingenieros y
los científicos han advertido que ciertos aspectos de sus estudios
6
TELÉFONO 318-48-63
empíricos ocurren una y otra vez. Este comportamiento general puede

expresarse como las leyes fundamentales que engloba, en esencia, el
conocimiento acumulado de la experiencia pasada. Así, muchos
problemas de ingeniería se resuelven con el empleo de un doble enfoque:
el empirismo y el análisis teórico. (Chapra, S. y Canale, R., 2006).
Debe destacarse que ambos están estrechamente relacionados. Conforme

se obtienen nuevas mediciones, las generalizaciones llegan a modificarse
o aun a descubrirse otras nuevas. De igual manera, las generalizaciones
tienen una gran influencia en la experimentación y en las observaciones.
Ilustración 2. Problemas matemáticos y sus soluciones
Fuente: UDEMEX 2019
En lo particular, las generalizaciones sirven para organizar principios que

se utilizan para sintetizar los resultados de observaciones y experimentos
en un sistema coherente y comprensible, del que se pueden obtener
conclusiones. Desde la perspectiva de la solución de un problema de
7
TELÉFONO 318-48-63
ingeniería, el sistema es aún más útil cuando el problema se expresa por

medio de un modelo matemático, descrito en la imagen anterior.
Los métodos numéricos pueden ser aplicados para resolver

procedimientos matemáticos en:
Figura 4. Métodos Numéricos
Cálculo de derivadas
Integrales
Ecuaciones diferenciales
Operaciones con matrices
Interpolaciones
Ajuste de curvas
Polinomios
Fuente: UDEMEX 2019
Los métodos numéricos son adecuados para la solución de problemas

comunes de ingeniería, ciencias y administración, utilizando
computadoras electrónicas. (Lhute, R., 1980).
En el proceso de solución de problemas por medio de computadoras se

requieren los pasos siguientes:
8
TELÉFONO 318-48-63
Figura 5. Pasos para la solución de un problema
Especificación del Con esto se indica que se debe identificar

problema perfectamente el problema y sus limitaciones,
las variables que intervienen y los resultados
deseados.
Análisis Es la formulación de la solución del problema
denominada también algoritmo, de manera que
se tenga una serie de pasos que resuelvan el
problema y que sean susceptibles de ejecutarse
en la computadora.
Programación Este paso consiste en traducir el método de
análisis o algoritmo de solución expresándole
como una serie detallada de operaciones.
Verificación Es la prueba exhaustiva del programa para
eliminar todos los errores que tenga de manera
que efectúe lo que desea los resultados de
prueba se comparan con soluciones conocidas
de problemas ya resueltos.
Documentación Consiste en preparar un instructivo del
programa de manera que cualquier persona
pueda conocer y utilizar el programa.
Producción Es la última etapa en la que solo se
proporcionan datos de entrada del programa
obteniéndose las soluciones correspondientes.
Fuente: UDEMEX 2019
Se puede concluir que es necesario un conocimiento completo del

problema, y de los campos de las matemáticas relacionados con el que es
precisamente el objeto de los métodos numéricos para computadora.
Si los métodos numéricos son los algoritmos (conjuntos detallados y

secuenciados de operaciones) que nos llevan hasta las soluciones
estimadas de los problemas, el estudio de éstos y del análisis de errores
que pueden llevar asociados constituye el Análisis Numérico.
1.1.2. Importancia de los métodos numéricos
La importancia de los métodos numéricos no radica en buscar la solución

exacta de un problema, sino la aproximada, pero con la precisión
9
TELÉFONO 318-48-63
requerida, con un error lo suficientemente pequeño y próximo a cero, de

ahí la utilidad de los métodos numéricos.
Figura 6. Método Numérico
¿Método Numérico?
Es un procedimiento mediante el cual se La solución de ciertos problemas realizando

obtiene, casi siempre de manera aproximada, cálculos puramente aritméticos y lógicos,
Operaciones aritméticas elementales, cálculo de funciones,

consulta de una tabla de valores, cálculo preposicional
Los métodos numéricos son procedimientos Son herramientas poderosas que se usan en
lógicos que se realizan a partir de los la formulación de problemas complejos que
problemas planteados matemáticamente y de requieren un conocimiento básico en
manera aritmética. matemáticas e ingeniería.
Fuente: UDEMEX 2019
Si conocemos bien los métodos numéricos podemos diseñar programas

propios y así no se compraría y utilizaría el software o programas
costosos.
Importa también el tiempo empleado en obtener una solución y en esto

ha jugado un papel importante en el desarrollo de la tecnología, la
velocidad actual de los equipos de cómputo ha reducido
considerablemente el tiempo de obtención de la solución, lo que ha
motivado su uso y aceptación que hoy tienen los métodos numéricos. Con
el apoyo de las computadoras, estas son capaces de dar solución con la
precisión requerida.
No es correcto pensar que el desarrollo de las tecnologías de la

información y comunicaciones es quien ha creado los métodos numéricos
ya que los orígenes de la matemática numérica son muy antiguos, datan
de miles de años atrás, cuando los babilonios construyeron tablas
10
TELÉFONO 318-48-63
matemáticas y elaboraron efemérides astronómicas. La mayoría de los

métodos numéricos requieren de un enorme volumen de cálculo que los
hacían engorrosos y tediosos de utilizar y esta dificultad vino a eliminarse
con el desarrollo de los equipos de cómputo, pero los métodos numéricos
existen mucho antes de ella.
Se necesita un conocimiento amplio de los problemas y de los campos de

las matemáticas relacionados con el objeto de los métodos numéricos
para computadora.
Ilustración 3. Métodos Numéricos para computadora
Fuente: UDEMEX 2019
Las soluciones que ofrecen los métodos numéricos son aproximaciones de

los valores reales y, por tanto, se tendrá un cierto grado de error que se
tiene que determinar.
Es importante mencionar que los métodos numéricos son herramientas

capaces de manejar sistemas de ecuaciones complicadas que son difíciles
de resolver analíticamente. Si se conocen los métodos numéricos y se
aplican los conocimientos de programación, se tiene la capacidad de
diseñar programas propios.
El uso inteligente de programas de cómputo depende del conocimiento de

la teoría en la que se basan estos métodos y estos son un medio para
reducir problemas de las matemáticas superiores mediante operaciones
aritméticas básicas.
11
TELÉFONO 318-48-63
1.1.3. Tipos de errores
Los errores en cálculos y medidas se pueden caracterizar con respecto a

su exactitud y su precisión. La exactitud se refiere a qué tan cercano está
el valor calculado o medido del valor verdadero. La precisión se refiere a
qué tan cercanos se encuentran, unos de otros, diversos valores
calculados o medidos. (Chapra, S. y Canale, R., 2006).
Los métodos numéricos deben ser lo suficientemente exactos o sin sesgo

para satisfacer los requisitos de un problema particular de ingeniería.
También deben ser suficientemente precisos para ser adecuados en el
diseño de la ingeniería. Se usa el término error para representar tanto la
inexactitud como la imprecisión en las predicciones.
Los errores numéricos se generan con el uso de aproximaciones para

representar las operaciones y cantidades matemáticas. El error numérico
es una medida del ajuste o cálculo de una magnitud con respecto al valor
real o teórico que dicha magnitud tiene. Un aspecto importante de los
errores numéricos es su estabilidad numérica. Dicha estabilidad se refiere
a como dentro de un algoritmo de análisis numérico el error de
aproximación es propagado dentro del propio algoritmo.
El concepto de error es consustancial con el cálculo numérico. 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.
1.1.3.1. Definición de error
Un error es una incertidumbre en el resultado de una medida. Se define

como la diferencia entre el valor real y una aproximación a este valor.
Los errores numéricos surgen del uso de aproximaciones para representar

operaciones y cantidades matemáticas exactas. Éstas incluyen los errores
de truncamiento que resultan del empleo de aproximaciones como un
procedimiento matemático exacto, y los errores de redondeo que se
producen cuando se usan números que tienen un límite de cifras
significativas para representar números exactos. Para ambos tipos de
errores, la relación entre el resultado exacto, o verdadero, y el
aproximado está dada por:
12
TELÉFONO 318-48-63
Valor verdadero = Valor aproximado + error
El concepto de error es consustancial con el cálculo numérico. 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 inherente:
En ocasiones, los datos que se inician los cálculos contienen un cierto

error debido a que se han obtenido mediante la medida experimental de
una determinada magnitud física. (Huerta, A., Sarrate-Ramos, J., y
Rodríguez, A., 1998).
Error absoluto:
Es la diferencia entre el valor de la medida y el valor tomado como exacto.

Puede ser positivo o negativo, según si la medida es superior al valor real
o inferior (la resta sale positiva o negativa). Tiene unidades, las mismas
que las de la medida.
El error absoluto de una medida no nos informa por sí solo de la bondad

de la misma. Es evidente, que no es igual de grave tener un error absoluto
de 1 cm al medir la longitud de una carretera que al medir la longitud de
un folio.
El error absoluto es el valor absoluto de la diferencia entre el valor exacto

y el valor aproximado. Hay autores que definen el error absoluto como la
diferencia entre el valor aproximado y el valor exacto, donde la diferencia
únicamente está en el signo ya que no se toma como valor absoluto. Sin
embargo, podríamos tomar como fórmula general la siguiente expresión:
∑ |(𝑥𝑖 − −𝑥)|
𝐸𝑎 = = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 − 𝑣𝑎𝑙𝑜𝑟 𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛
𝑛
Cuando el valor exacto no es conocido, por ejemplo, en cualquier medida

física, se habla de cota del error absoluto, que será un valor superior al
error absoluto que asegure que el error cometido nunca excederá a ese
valor. Si llamamos c a la cota del error absoluto de un número, se
cumplirá:
13
TELÉFONO 318-48-63
Error absoluto < c
Para facilitar el manejo y el análisis se emplea el error absoluto definido

como:
(Nieves, A., y Domínguez, F., 2006).
𝐸𝐴 = |𝑃 ∗ −𝑃|
Error relativo:
El error relativo es el cometido en la estimación del valor de un número,

es el valor absoluto del cociente entre su error absoluto y el valor exacto.
El error relativo da idea de la precisión de una medida, y se suele manejar
en forma de porcentaje (%).
Muchas veces conocemos el error absoluto (Ea), pero es imposible

conocer el valor exacto (A), en cuyo caso, para hallar el error relativo (Er)
dividimos el error absoluto entre el valor aproximado o considerado como
exacto.
También puede hablarse de cota del error relativo, que, si la

representamos como β, se cumplirá:
A–A)/A≤β
Error porcentual:
El error porcentual es fácil de definir, es el resultado de multiplicar el error

relativo por 100.
Y cómo por ciento de error a:
ERP = Er X 100
(Nieves, A., y Domínguez, F., 2006).
Al igual que el error absoluto puede ser positivo o negativo (según lo sea
el error absoluto) porque puede ser por exceso o por defecto, no tiene
unidades.
Y el error relativo como:
ER = |P* - P|/P, si P=/0

14
TELÉFONO 318-48-63
Ejemplo:
Supóngase que se tiene que medir la longitud de un puente y de un

remache, obteniéndose 9 999 y 9 cm, respectivamente. Si los valores son
10 000 y 10 cm, calcúlese a) el error y b) el error relativo porcentual de
cada caso.
Solución: a) El error de medición del puente es:
EA = 10 000 - 9 999 = 1cm
Y para el remache es de:
EA = 10 - 9 = 1cm
b) El error relativo porcentual para el puente es de:
ERP = 1/ 10 000 x 100% = 0.01%
Y para el remache es de:
ERP = 1/10 x 100% = 10%
Ambas medidas tienen un error de 1 cm, el error relativo porcentual del

remache es mucho más grande. Se puede concluir que se ha hecho un
buen trabajo en la medida del puente, mientras que la estimación para el
remache deja mucho que desear.
1.1.3.2. Error por redondeo
Los errores de redondeo se originan debido a que la computadora emplea

un número determinado de cifras significativas durante un cálculo. Los
números tales como  (pi), e (exponente), √7, no pueden expresarse con
un número fijo de cifras significativas. Por lo tanto, no pueden ser
representados exactamente por la computadora.
Los errores de redondeo surgen al usar una calculadora o computadora

para cálculos con números reales, pues la aritmética de la maquina solo
utiliza números con una cantidad finita de cifras, de modo que los cálculos
se realizan únicamente con representaciones aproximadas de los números
verdaderos. (Burden, R. y Douglas, J., 2008).
15
TELÉFONO 318-48-63
Además, debido a que las computadoras usan una representación en base

2, no pueden representar exactamente algunos números en base 10. Esta
discrepancia por la omisión de cifras significativas se llama error de
redondeo. (Chapra, S. y Canale, R., 2006).
Se originan al realizar los cálculos que todo método numérico o analítico

requieren y son debidos a la imposibilidad de tomar todas las cifras que
resultan de operaciones aritméticas como los productos y los cocientes,
teniendo que retener en cada operación el número de cifras que permita
el instrumento de cálculo que se esté utilizando.
Como no es posible guardar un numero binario de longitud infinita o un

numero de más dígitos de los que posee la mantisa de la computadora
que se está empleando, se almacena sólo un numero finito de estos
dígitos; como consecuencia, se comete automáticamente un pequeño
error, conocido como error de redondeo, que al repetirse muchas veces
puede llegar a ser considerable.
Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras

significativas, los errores de redondeo parecerían no ser muy importantes.
Sin embargo, hay dos razones del porqué pueden resultar críticos en
algunos métodos numéricos:
1. Ciertos métodos requieren cantidades extremadamente grandes

para obtener una respuesta. Además, estos cálculos a menudo
dependen entre sí. Los cálculos posteriores son dependientes de los
anteriores. En consecuencia, aunque un error de redondeo
individual puede ser muy pequeño, el efecto de acumulación en el
transcurso de la gran cantidad de cálculos puede ser significativo.
2. El efecto del redondeo puede ser exagerado cuando se llevan a cabo
operaciones algebraicas que emplean números muy pequeños y
muy grandes al mismo tiempo. Ya que en este caso se presenta en
muchos métodos numéricos, el error de redondeo puede resultar de
mucha importancia.
16
TELÉFONO 318-48-63
Ilustración 4. Errores de redondeo
Fuente: UDEMEX 2019
Por ejemplo, el valor de "e" se conoce como 2.718281828..., hasta el

infinito.
Si cortamos el número en 2.71828182 (8 cifras significativas luego del

punto decimal) estamos obteniendo u error de E = 2.718281828 -
2.71828182 = 0.000000008...
Sin embargo, como no consideramos que el número que seguía al corte

era mayor que 5, entonces nos convenía dejar el número como
2.71828183, caso en el cual el error sería solo de E = 2.118281828 -
2.11828183 = -0.000000002...
Que en términos absolutos es mucho menor que el anterior.
En general, el error de corte de las computadoras será muy inferior al

error introducido por un usuario, que generalmente corta a un menor
número de cifras significativas.
Dependiendo de la magnitud de los números con los que se trabaja, el

error de redondeo puede tener una incidencia muy grande o muy pequeña
en el cálculo final.
Por ejemplo, si tenemos un producto de 502,23 m y un precio en dólares

de US $ 7,52, el precio total nos dará US$ 3.776,7696.
Si introducimos una variación del 0.1% en los metros del producto y

calculamos el total, obtenemos 502,23 * 0.1 % = 507, 54, que en US$
equivalen a US$3.816,7008, lo que no deja de ser importante, ya que una
17
TELÉFONO 318-48-63
variación de 0.1% en el metraje del producto nos da un error superior a

1.5% en el precio final.
Reglas de Redondeo
Las siguientes reglas dan la pauta a seguir en el redondeo de números

cuando se realizan cálculos a mano.
Figura 7. Reglas de redondeo
1. En el redondeo, se conservan las cifras significativas y el resto se descarta. El último

dígito que se conserva se aumenta en uno si el primer dígito descartado es mayor de 5.
De otra manera se deja igual. Si el primer digito descartado es 5 o es 5 segundo de ceros.
entonces el último dígito retenido se incrementa en 1, sólo si es impar.
4. Para combinaciones de
las operaciones
3. Para la multiplicación y
aritméticas, existen dos
para la división el
casos generales. Se puede
redondeo es tal que la
2. En la suma y en la sumar o restar el
cantidad de cifras
resta, el redondeo se lleva resultado o de las
significativas del
acabo de forma tal que el divisiones. (Multiplicación
resultado es igual al
último dígito en la o División) +/-
número más pequeño de
columna de las milésimas. (multiplicación o división)
cifras significativas que
o también se pueden
contiene la cantidad en la
multiplicar o dividir los
operación.
resultados de las sumas y
las restas.
Fuente: UDEMEX 2019
Ejemplos:
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo.
5.6723 -------------------------- 5.67 3 Cifras Significativas
88.21650 ----------------------- 88.216 5 Cifras Significativas
1.25001 ------------------------ 1.3 2 Cifras Significativas
18
TELÉFONO 318-48-63
1.1.3.3. Error por truncamiento
Existen muchos procesos que requieren la ejecución de un número infinito

de instrucciones para hallar la solución exacta de un determinado
problema. Puesto que es totalmente imposible realizar instrucciones
infinitamente, el proceso debe truncarse. En consecuencia, no se halla la
solución exacta que se pretendía encontrar, sino una aproximación a la
misma.
Cuando una expresión matemática se remplaza por una fórmula más

simple, se introduce un error, conocido como error de truncamiento.
Los errores de truncamiento son aquellos que resultan al usar una

aproximación en lugar de un procedimiento matemático exacto. (Chapra,
S. y Canale, R., 2006).
Estos tipos de errores son evaluados con una formulación matemática: de

la serie de Taylor.
La serie de Taylor es una formulación para predecir el valor de la función

en Xi+1 en términos de la función y de sus derivadas en una vecindad del
punto Xi. Siendo el término final:
𝑓 𝑛+1 (𝜉) 𝑛+1

𝑅𝑛 = ℎ
(𝑛 + 1)
En general, la expansión en serie de Taylor de n-ésimo orden es exacta

para un polinomio de n-ésimo orden. Para otras funciones continuas
diferenciables, como las exponenciales o senoidales, no se obtiene una
estimación exacta mediante un número finito de términos.
Cada una de los términos adicionales contribuye, aunque sea un poco, al

mejoramiento de la aproximación.
Los errores de truncamiento tienen relación con el método de

aproximación, ya que generalmente frente a una serie infinita de
términos, se tenderá a cortar el número de términos, introduciendo en
ese momento un error, por no utilizar la serie completa (que se supone
es exacta).
19
TELÉFONO 318-48-63
La serie de Taylor provee un medio para predecir el valor de una función

en un punto en términos del valor de la función y sus derivadas en otro
punto.
Teorema de Taylor: Si la función f y sus primeras n+1 derivadas son

continuas en un intervalo que contiene a y x, entonces el valor de la
función en un punto x está dado por:
𝑓´´(𝑎)
𝑓(𝑥 ) = 𝑓 (𝑎) + 𝑓´(𝑎)(𝑥 − 𝑎) + (𝑥 − 𝑎)2
2!
𝑓 (3) (𝑎)
+ (𝑥 − 𝑎)3 + ⋯
3!
𝑓 (𝑛) (𝑎)
+ (𝑥 − 𝑎)𝑛 + 𝑅𝑛
𝑛!
El valor práctico de las series de Taylor radica en el uso de un número

finito de términos que darán una aproximación lo suficientemente cercana
a la solución verdadera para propósitos prácticos.
1.1.3.4. Error numérico total
El error numérico total se entiende como la suma de los errores de

redondeo y truncamiento introducidos en el cálculo.
En general, la única forma para minimizar los errores de redondeo

consiste en incrementar el número de cifras significativas en la
computadora. Adicionalmente, el error de redondeo aumentará debido a
la cancelación por resta o debido a que en el análisis aumente el número
de cálculos.
Mientras más cálculos se tengan que realizar para obtener un resultado,

el error de redondeo se irá incrementando, el error de truncamiento se
puede minimizar al incluir más términos en la ecuación, disminuir el paso
o proseguir la iteración (o sea mayor número de cálculos y seguramente
mayor error de redondeo).
Entonces, ¿qué criterio utilizamos? ...lo ideal sería determinar el punto en

que los errores de donde empiezan a ocultar la ventaja de considerar un
menor error de truncamiento.
20
TELÉFONO 318-48-63
En la práctica se debe considerar que las computadoras tienen un manejo

de cifras significativas mucho mayor que antes por lo que el error de
redondeo se minimiza enormemente, aunque no se debe dejar olvidar su
aporte al error total.
En la siguiente gráfica de las relaciones entre el error de redondeo y el

error de truncamiento que juegan un papel importante en el curso de
métodos numéricos. Se presenta el punto de regreso disminuido, donde
el error de redondeo no muestra los beneficios de la reducción del tamaño
del incremento.
Ilustración 5. Error numérico total
Fuente: UDEMEX 2019
Como una disminución al tamaño del incremento puede llevar a una

cancelación por resta o a un incremento de los cálculos, los errores de
truncamiento disminuyen conforme los errores de redondeo se
incrementan. En consecuencia, se debe afrontar el siguiente dilema: la
estrategia para disminuir un componente del error total conduce a un
incremento en el otro componente. En un cálculo, se podría disminuir el
tamaño del incremento para minimizar los errores de truncamiento
únicamente para descubrir que el error de redondeo empieza a dominar
la solución y el error total crece. Así, el remedio empieza a ser un
problema. Es un reto determinar el tamaño del incremento apropiado para
un cálculo en particular. Se deberá seleccionar un tamaño de incremento
21
TELÉFONO 318-48-63
grande con la finalidad de disminuir la cantidad de cálculos y errores de

redondeo para no tener como consecuencia grandes errores de
truncamiento. Si el error total es como se muestra en la gráfica
(Ilustración 5. Error numérico total), el reto es identificar un punto
llamado de regreso disminuido donde los errores de redondeo no
muestran los beneficios de la reducción del tamaño del incremento.
En casos reales, sin embargo, tales situaciones son relativamente poco

comunes, porque muchas computadoras utilizan suficientes cifras
significativas para que los errores de redondeo no predominen. Aunque,
algunas veces estos errores ocurren y surge una clase de “principio
numérico de incertidumbre” que da un límite absoluto sobre la exactitud
que puede obtenerse usando ciertos métodos numéricos computarizados.
1.1.3.5. Errores humanos
Son los errores por negligencia o equivocación humana. Las

computadoras pueden dar números erróneos por su funcionamiento.
Actualmente las computadoras son muy exactas y el error es atribuido a
los hombres. Se pueden evitar con un buen conocimiento de los principios
fundamentales y con la posesión de métodos y el diseño de la solución
del problema. Los errores humanos por negligencia son prácticamente
inevitables, pero se pueden minimizar.
Con el auge de las tecnologías de la información y comunicaciones es

evidente que los sistemas computacionales se han perfeccionado. Los
dispositivos digitales (computadoras y calculadoras) pueden realizar un
gran número de operaciones sin cometer errores, trabajan lo más exacto
posible. Pero a pesar de toda esta perfección al trabajar con estos
sistemas o dispositivos, suele resultar que dichos procesos u operaciones
den una respuesta equivocada, lo cual puede obedecer a errores de tipo
humanos (fórmulas incorrectas, errores de lógica en los programas,
tipográficos, etc.), errores subyacentes al diseño del método
(truncamiento de fórmulas (series)) y errores inherentes al
funcionamiento del dispositivo digital (aritmética finita).
Pueden ocurrir cuando se toman datos estadísticos o muestras, si estos

datos son mal recopilados los errores al utilizarlos serán obvios. Cuando
se calibran mal los equipos donde de harán lecturas de algunas
22
TELÉFONO 318-48-63
propiedades de los compuestos o resultados de un experimento. Cuando

se desarrollan modelos matemáticos y estos son mal formulados y no
describen correctamente el fenómeno o equipo en estudio.
Cada vez que se apliquen métodos numéricos es necesario minimizar los

errores que se pueden presentar. Se debe conocer porque se presentan,
que tanto se pueden tolerar y que tan buena son las aproximaciones que
se obtengan.
En los cálculos científicos por computadora, los datos de entrada pueden

ser imprecisos. Los errores en la entrada se propagan y dan lugar a
errores en la salida. También los errores de redondeo en cada paso de un
cálculo se propagan, provocando errores en el resultado final. Para
muchos algoritmos, un análisis de error de redondeo se puede hacer para
mostrar que pequeños cambios en los datos de entrada solo provocan
pequeños cambios en el resultado (el algoritmo está bien condicionado) y
de paso se puede estimar el efecto de los errores de redondeo en el
resultado final. (Mora, W., 2012).
Si la entrada de los datos, algoritmos, estructuras y otros elementos son

imprecisos, se propaga el error y modifica el resultado final.
Como todos los métodos numéricos tienen la importante característica de

que comenten errores, hay dos cosas que se deben tener en cuanta
fundamentalmente a la hora de aplicar un método numérico para resolver
un problema. La primera, y más obvia, es obtener la aproximación; es
decir, disponer de alguna medida, o por lo menos de una cierta idea, de
su grado de exactitud. También es importante destacar una de las
dificultades habituales que surgen cuando se usan técnicas para
aproximar la solución de un problema: ¿dónde y por qué se producen
errores en las operaciones aritméticas y como se pueden controlar? Es
fundamental entonces identificar, cuantificar y minimizar dichos errores.
(Ezquerro., J.A., 2012).
23
TELÉFONO 318-48-63
1.1.4. Aplicaciones
Es importante mencionar que las aplicaciones que se llevan a cabo por

medio de la utilización de los métodos numéricos, normalmente utilizan
herramientas computacionales.
Tres aspectos relevantes se pueden mencionar con respecto a las

aplicaciones que se pueden desarrollar por medio de los métodos
numéricos:
Figura 8. Aplicaciones
2. Conocer y aplicar los

1. Desarrollar la capacidad para
fundamentos de los métodos 3. Establecer las bases para la
el planteamiento y solución de
numéricos para solución de aplicación de los métodos
problemas mediante el uso de
problemas en Ingeniería, numéricos como herramienta
herramientas computacionales
implementando los algoritmos orientada la solución de
que impliquen la aplicación de
en un lenguaje de problemas en las ingenierías.
los métodos numéricos.
programación.
Fuente: UDEMEX 2019 con información de Botello., S., (2006)
En la actualidad, gracias a la gran evolución que han tenido los métodos

numéricos y su implementación en potentes computadoras, es posible,
por ejemplo, modelar el choque de un vehículo o hacer el análisis
aerodinámico estructural de un avión, resolviendo en cada caso sistemas
algebraicos de ecuaciones con varios cientos de miles (a veces de
millones) de incógnitas. Se presentan a continuación algunas aplicaciones
de los métodos numéricos a diversos problemas de ingeniería. (Botello.,
S., 2006).
Las aplicaciones prácticas en ingeniería de los métodos numéricos más

comunes son:
24
TELÉFONO 318-48-63
1. Mecánica de sólidos. Aquí los métodos numéricos pueden ser

utilizados para por ejemplo obtener los modos de vibración de una
edificación que pueden se excitados por un movimiento sísmico.
Ilustración 6. Mecánica de sólidos
Fuente: UDEMEX 2019
La imagen anterior nos muestra un modelo de una edificación. Existen

hoy en día, un gran número de estructuras en ingeniería civil, que son
modelados desde su concepción utilizando técnicas de elementos finitos.
2. Mecánica de fluidos. Aquí los métodos numéricos pueden usarse

por ejemplo para determinar la presión que ejerce un fluido sobre
una estructura.
Ilustración 7. Mecánica de fluidos
Fuente: UDEMEX 2019
En la imagen anterior, podemos observar que el aire se comporta como

un fluido y se muestran las líneas de corriente del viento. Un tipo de
25
TELÉFONO 318-48-63
problemas que es interesantes resolver es, por ejemplo, determinar las

presiones que provoca el viento sobre una estructura determinada.
3. Medios de transporte. Se determina por medio de los métodos

numéricos la reacción a situaciones extremas de un vehículo,
cuando ocurre un choque.
Ilustración 8. Medios de transporte
Fuente: UDEMEX 2019
La imagen anterior, muestra el modelado de un choque, aplicando o

utilizando los métodos numéricos. La simulación numérica del choque de
un coche. Los costos de las pruebas pueden bajarse y el número de
pruebas que se pueden hacer en un lapso de tiempo es mucho mayor.
Esto impacta significativamente en la seguridad que los usuarios reciben.
4. Procesamiento de señales. Se puede determinar las

características y el comportamiento de señales
Ilustración 9. Procesamiento de señales
26
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
La imagen anterior muestra la extracción de las características de una

señal.
5. Diseño de alta frecuencia. Determinación de los campos

generados por una antena o que atraviesan una guía de onda.
Ilustración 10. Diseño de alta frecuencia
Fuente: UDEMEX 2019
La imagen, muestra las líneas de campo en una guía de ondas.
Esas son algunas de las aplicaciones que se pueden mencionar que

utilizan métodos numéricos.
Los métodos numéricos también se utilizan para:
• Solución de sistemas de ecuaciones lineales

• Solución de ecuaciones no lineales y trascendentales
• Encontrar un valor por medio de tablas: interpolación
• Encontrar un comportamiento (un modelo) a partir de datos
ajustando una curva: ajuste de curvas
• Integración numérica de una función.
• Solución numérica de ecuaciones diferenciales.
27
TELÉFONO 318-48-63
1.2. Solución de Ecuaciones Algebraicas
Introducción
Uno de los problemas más frecuentes en el trabajo científico y técnico es

hallar raíces de ecuaciones de la forma:
𝑓 (𝑥 ) = 0
Donde f(x) está dada explícitamente (por ejemplo, f(x) un polinomio en

x).
En algunos casos es posible obtener las raíces exactas de la ecuación (una

ecuación de 2º grado, una bicuadrada), pero en la mayoría esto resulta
imposible. Además, incluso en casos resolubles no nos va a interesar tanto
la respuesta "exacta" como la PRECISIÓN con la que podamos calcular las
raíces.
Por ejemplo: supongamos que tenemos que construir una barra cuya
longitud l verifique la ecuación:
𝑙 2 − 2 = 0 ⇒ ! = ±√2
Luego, la barra habrá de medir:
𝑙 = √2
Es claro que esta respuesta no puede usarse para fines prácticos por ser
2 un número irracional (y por lo tanto con infinitos decimales). A la hora
de trabajar con 2 representamos este número en el sistema decimal de
cálculo tomando el número de decimales que nuestra precisión exija.
Además, la mayoría de las veces también los coeficientes han sido
obtenidos a partir de medidas experimentales, luego sujetos a error.
Aunque los métodos gráficos son útiles en la obtención de estimaciones

de las raíces, tienen el inconveniente de que son poco precisos.
1.2.1. Teoría de un método iterativo
Un método iterativo es un método que progresivamente va calculando

aproximaciones a la solución de un problema. En matemáticas, en un
método iterativo se repite un mismo proceso de mejora sobre una
28
TELÉFONO 318-48-63
solución aproximada: se espera que lo obtenido sea una solución más

aproximada que la inicial. El proceso se repite sobre esta nueva solución
hasta que el resultado más reciente satisfaga ciertos requisitos. A
diferencia de los métodos directos, en los cuales se debe terminar el
proceso para tener la respuesta, en los métodos iterativos se puede
suspender el proceso al término de una iteración y se obtiene una
aproximación a la solución. (Departamento de Matemáticas, CCIR/ITESM,
2009).
Ventajas y Desventajas:
Un elemento en contra que tienen los métodos iterativos sobre los

métodos directos es que calculan aproximaciones a la solución. Los
métodos iterativos se usan cuando no se conoce un método para obtener
la solución en forma exacta. También se utilizan cuando el método para
determinar la solución exacta requiere mucho tiempo de cálculo, cuando
una respuesta aproximada es adecuada, y cuando el número de
iteraciones es relativamente reducido.
Un método iterativo consta de los siguientes pasos:

Figura 9. Método iterativo
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.
29
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Los métodos iterativos incluyen fórmulas que tienen la propiedad de

producir un resultado más cercano a la respuesta a partir de un valor
estimado previo. El resultado obtenido se puede usar nuevamente como
valor previo y continuar mejorando la respuesta. Los métodos iterativos
se acercan a la respuesta mediante aproximaciones sucesivas. Para usar
estos métodos deben considerarse algunos aspectos tales como la
elección del valor inicial, la propiedad de convergencia de la fórmula y el
criterio para terminar las iteraciones. Estos métodos son auto-correctivos.
La precisión de la respuesta está dada por la distancia entre el último
valor calculado y la respuesta esperada. Este es el error de truncamiento.
Una dificultad que puede presentarse al resolver un sistema lineal de gran

dimensión es la capacidad de memoria de la computadora que puede
requerir para almacenar la propia matriz y las que surgen en su
factorización. En estas circunstancias, algunos métodos iterativos que
generan una sucesión que se aproxima a la solución, pueden ser una
buena alternativa.
La idea básica de esta clase de métodos es la de considerar la solución

como un punto fijo de una transformación:
𝑇𝑥 = 𝐻𝑥 + 𝑐
En matemática computacional, un método iterativo trata de resolver un

problema (como una ecuación o un sistema de ecuaciones) mediante
aproximaciones sucesivas a la solución, empezando desde una estimación
inicial. Esta aproximación contrasta con los métodos directos, que tratan
de resolver el problema de una sola vez (como resolver un sistema de
ecuaciones Ax=b encontrando la inversa de la matriz A). Los métodos
iterativos son útiles para resolver problemas que involucran un número
grande de variables (a veces del orden de millones), donde los métodos
directos tendrían un costo prohibitivo incluso con la potencia de la mejor
computadora disponible.
Si una ecuación puede ponerse en la forma f(x) = x, y una solución x es

un punto fijo atractivo de la función f, entonces puede empezar con un
30
TELÉFONO 318-48-63
punto x1 en la base de atracción de x, y sea xn+1 = f (xn) para n ≥ 1, y

la secuencia {xn} n ≥ 1 convergerá a la solución.
Los métodos iterativos son procedimientos para acercarse a la respuesta

mediante aproximaciones sucesivas. Estos métodos incluyen fórmulas
que tienen la propiedad de producir un resultado más cercano a la
respuesta a partir de un valor estimado inicial. El resultado obtenido se
puede usar nuevamente como valor anterior para continuar mejorando la
respuesta. (Rodríguez, L., 2011).
1.2.2. Raíz de una ecuación
El objeto del cálculo de las raíces de una ecuación es determinar los

valores de x para los que se cumple:
𝑓 (𝑥 ) = 0
La determinación de las raíces de una ecuación es uno de los problemas

más antiguos en matemáticas y se han realizado un gran número de
esfuerzos en este sentido. Su importancia radica en que si podemos
determinar las raíces de una ecuación también podemos determinar
máximos y mínimos, valores propios de matrices, resolver sistemas de
ecuaciones lineales y diferenciales, etc... (Díaz, W., 1998).
En general una ecuación se puede representar para el caso de una

variable independiente x por f(x) = 0, la solución de esta ecuación son los
valores de x que hacen que la función sea cero, a los valores de x que
solucionan la ecuación se les denomina raíces o ceros de la ecuación, y
gráficamente representan los puntos donde la función f(x) cruza el eje de
las x.
La determinación de las soluciones de la ecuación de la imagen f(x) = 0

puede llegar a ser un problema muy difícil. Si f(x) es una función
polinómica de grado 1 o 2, conocemos expresiones simples que nos
permitirán determinar sus raíces. Para polinomios de grado 3 ó 4 es
necesario emplear métodos complejos y laboriosos. Sin embargo, si f(x)
es de grado mayor de cuatro o bien no es polinómica, no hay ninguna
fórmula conocida que permita determinar los ceros de la ecuación
(excepto en casos muy particulares).
31
TELÉFONO 318-48-63
Existen una serie de reglas que pueden ayudar a determinar las raíces de
una ecuación:
 El teorema de Bolzano, que establece que si una función continua,

f(x), toma en los extremos del intervalo [a, b] valores de signo
opuesto, entonces la función admite, al menos, una raíz en dicho
intervalo.
 En el caso en que f(x) sea una función algebraica (polinómica) de
grado n y coeficientes reales, podemos afirmar que tendrá n raíces
reales o complejas.
 La propiedad más importante que verifican las raíces racionales de
una ecuación algebraica establece que si p/q es una raíz racional
de la ecuación de coeficientes enteros:
𝑎0 = 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛 = 0 (𝑎𝑖 ∈ Ƶ)
Entonces el denominador q divide al coeficiente an y el numerador p

divide al término independiente a0.
La mayoría de los métodos utilizados para el cálculo de las raíces de una

ecuación son iterativos y se basan en modelos de aproximaciones
sucesivas. Estos métodos trabajan del siguiente modo: a partir de una
primera aproximación al valor de la raíz, determinamos una aproximación
mejor aplicando una determinada regla de cálculo y así sucesivamente
hasta que se determine el valor de la raíz con el grado de aproximación
deseado.
Ejemplo: Pretendemos calcular las raíces racionales de la ecuación:
3𝑥 3 + 3𝑥 2 − 𝑥 − 1 = 0
Primero es necesario efectuar un cambio de variable x = y/3:
𝑦3 𝑦2 𝑦
3 + 3 − −1=0
33 32 3
Y después multiplicamos por 32:
𝑦 3 + 3𝑦 2 − 3𝑦 − 9 = 0
Con lo que los candidatos a raíz del polinomio son:
32
TELÉFONO 318-48-63
𝑦 = 9; 𝑦 = −9;
𝑦 = 3; 𝑦 = −3;
𝑦 = 1; 𝑦 = −1;
Sustituyendo en la ecuación, obtenemos que la única raíz real, es y = -

3, es decir:
−3
𝑥= = −1
3
(Que es además la única raíz racional de la ecuación).
Lógicamente, este método es muy poco potente, por lo que sólo nos
puede servir a modo de orientación.
1.2.2.1. Fundamento matemático
Recordar los principios matemáticos fundamentales para la evaluación de

la raíz de una ecuación. Aplica la teoría del método iterativo y obtendrá
la raíz de una ecuación.
En las matemáticas de ingeniería, generalmente tienen que hallarse

soluciones de ecuaciones de la forma:
𝑓 (𝑥 ) = 0
Es decir, números x0 tales que f (x0) = 0. En la mayoría de los casos

tienen que usarse métodos de aproximación para encontrar x 0 tal que
satisfaga f (x0)  0. (Pope., J. D., 2013).
El modelo matemático es la descripción matemática del problema que se

intenta resolver.
Esta formulación requiere conocer el ámbito del problema y los

instrumentos matemáticos para su definición.
Teoremas principales en la teoría de ecuaciones:
1) Teorema D’Alambert – Gauss (Teorema fundamental del álgebra).

Toda ecuación racional y entera en una variable tiene al menos una
solución o raíz en el campo de los números complejos.
33
TELÉFONO 318-48-63
2) Corolario. Una ecuación racional y entera de grado "n" tiene cuando

más "n" soluciones diferentes.
3) Teorema del Factor. Si r1, r2, r3..., rn son las raíces de una ecuación
entonces esta puede factorizarse en la forma (x – r1) (x – r2) (x-
r3) ... (x - rm) = 0.
4) Regla de Ruffini (División sintética). Si rI es la raíz de una ecuación

de grado n entonces esta puede degradarse hacia otra de grado n
– 1....
5) Regla de Descartes. Una ecuación racional y entera no podrá tener

más raíces positivas, que cambio de signo en sus términos.
6) Teorema de Abel–Galois. En general es imposible resolver un

número infinito de operaciones racionales, las ecuaciones de grado
superior al cuarto.
7) Teorema de Weierstrass–Bolzano. Si f(x) es una función continua

en el intervalo (a, b) y ocurre que f(a) f(b) < 0 entonces
necesariamente existe un valor a (a,b) tal que f(a ) = 0 (alfa es un
cero de la función).
8) Ecuación. Es una proposición abierta que involucra una relación de

equivalencia y que no se cumple para cualquier valor de la(s)
variable(s).
9) Raíces o soluciones de una ecuación. Es el conjunto de todos los

valores que verifiquen la ecuación. (Soluciones de Ecuaciones
Algebraicas, 2012).
34
TELÉFONO 318-48-63
Ahora es momento de resolver la actividad complementaria 1.1 que te

permitirá reforzar los aprendizajes adquiridos hasta el momento para
posteriormente realizar la actividad de aprendizaje 1.1., correspondiente
a este tema.
ACTIVIDAD
COMPLEMENTARIA 1.1
ACTIVIDAD DE
APRENDIZAJE 1.1
35
TELÉFONO 318-48-63
1.3. Métodos de Intervalo
Definición
Métodos cerrados (o de intervalo). Son aquellos que requieren de un

intervalo cerrado de valores de la variable independiente en el cual están
incluidas una o más raíces. Entre los métodos cerrados destacan Bisección
e interpolación línea o regla falsa. (Cortes, J.J., González, M.E., y Pinilla,
V.D., 2011).
Los siguientes métodos requieren que las funciones sean diferenciales, y

por lo tanto continuas, en un intervalo donde se apliquen aquéllas, por lo
tanto, estos tipos de métodos son llamados Métodos de Intervalos.
También se puede intentar utilizarlos para funciones no diferenciales o
discontinuas en algunos puntos, pero en este caso el llegar al resultado
dependerá, aleatoriamente, de que durante la aplicación del método no
se toquen esos puntos.
Se puede definir a la raíz de una ecuación como el valor de x que hace a

f(x) = 0. Así, que un método simple para obtener a la raíz de la ecuación
f(x)=0, consiste en graficar la función y observar donde cruza el eje x.
Por eso estos tipos de métodos, son llamados métodos gráficos.
Método de aproximación de raíces
Cuando se trata de hallar las raíces de una función f(x), se debe resolver
la ecuación f(x)=0. En algunos casos, esto es una tarea sencilla, por
ejemplo, con las funciones lineales o cuadráticas, pero en otros no es
nada fácil. Para estos casos, existen métodos útiles que permiten, si no
determinar, aproximar las raíces buscadas. (Matemática, 2011).
a) Método de Rolle
Se halla la derivada primera y luego se estudian sus ceros y su signo.
Por ejemplo, si el signo de f'(x) es:
36
TELÉFONO 318-48-63
Ilustración 11. Método de Rolle
Fuente: UDEMEX 2019
En el intervalo (a, b) la función es creciente. Si el signo de f en a y b es

el mismo (positivo o negativo), f no cruza el eje 0x en (a, b).
Si el signo de f en a es distinto del signo de f en b, entonces por el

teorema de Bolzano, f tiene una raíz en (a, b), y es una sola por ser
creciente.
Para hallar esa raíz se va partiendo el intervalo hasta que se llega a ella
o a una aproximación.
La interpretación gráfica del teorema de Rolle nos dice que hay un punto
en el que la tangente es paralela al eje de abscisas.
Ilustración 12. Gráfica del Teorema de Rolle
Fuente: UDEMEX 2019
37
TELÉFONO 318-48-63
Ejercicio 1:
¿Cuántas raíces tiene la ecuación x3 + 6x2 + 15x − 25 = 0?
Solución:
La función f(x) = x3 + 6x2 + 15x − 25 es continua y derivable en ·
Teorema de Bolzano.
f (0) = −25
f (2) = 37
Por tanto, la ecuación tiene al menos una solución en el intervalo (0, 2).
Teorema de Rolle.
f' (x) = 3x2 + 12x +15
Dado que la derivada no se anula, ya que su discriminante es negativo,

la función es estrictamente creciente y posee una única raíz.
Ejercicio 2:
Verifica el Teorema de Rolle en el intervalo [0, 3] de la función:
Ilustración 13. Ejemplo Teorema de Rolle 1.1
Fuente: UDEMEX 2019
38
TELÉFONO 318-48-63
En primer lugar, comprobamos que la función es continua en x = 1.
𝑓 (𝑥 ) = 2
lim 2𝑥 = 2
𝑛→1−
lim (−𝑥 + 3) = 2
𝑛→1+
En segundo lugar, comprobamos si la función es derivable en x = 1.
2 𝑠𝑖 0<𝑥≤1
𝑓´(𝑥) = {
−1 𝑠𝑖 1 <𝑥<3
𝑓´(1− ) ≠ 𝑓´(3+ )
Como las derivadas laterales no coinciden, la función no es derivable en

el intervalo (0, 3) y por tanto no se cumple el teorema de Rolle.
b) Método de Ábacos
Se utiliza cuando la función puede expresarse como diferencia de dos

funciones fáciles de graficar:
Ilustración 14. Método de Ábacos
Fuente: UDEMEX 2019
39
TELÉFONO 318-48-63
Ejercicio:
f(x) = L |x| + x
f(x) puede expresarse como f(x) = L |x| - (-x)
Graficamos sobre el mismo sistema de ejes ambas funciones: g(x) = L
|x| y h(x) = -x.
Ilustración 15. Gráfico del método de ábacos
Fuente: UDEMEX 2019
En el punto donde se cortan las curvas, ambas funciones tienen el mismo

valor numérico, g (α) = h (α).
Entonces α es un cero de f(x), pues f (α) = g (α) - h(α) = 0
Para valores menores que α, la recta correspondiente a -x está por encima

de la curva correspondiente a L |x|, así que la resta da negativo.
Para valores de x mayores que α, L |x| es mayor que -x, así que la resta
da positivo. Observando la gráfica vemos que α está entre 0 y 1.
Ilustración 16. Métodos de ábacos
Fuente: UDEMEX 2019
40
TELÉFONO 318-48-63
f (0.5) ≡ -0.19 | f (0.56) ≡ -0.02 |

| => | => α ≡ 0.565
f (0.6) ≡ 0.089 | f (0.57) ≡ 0.008 |
1.3.1. Método de bisección
La primera y más elemental técnica que consideramos es el método de

bisección, que está basado en una propiedad bien conocida de las
funciones continuas: el teorema del valor medio. Este método se emplea
para determinar una raíz de f (x) = 0 en un intervalo [a, b], supuesto que
f es continua en dicho intervalo y que f(a) y f(b) tienen signos distintos.
(Ezquerro. J.A. 2012).
El método de bisección, conocido también como de corte binario, de

partición de intervalos o de Bolzano, es un tipo de búsqueda incremental
en el que el intervalo se divide siempre a la mitad. Si la función cambia
de signo sobre un intervalo, se evalúa el valor de la función en el punto
medio. (Chapra S. y Canale R., 2006).
Ilustración 17. Teorema de Bolzano
Fuente: UDEMEX 2019 con información de Chapra, S. y Canale, R. (2006)
El Teorema de Bolzano afirma que, si una función es continua en un

intervalo cerrado y acotado y en los extremos del mismo ésta toma
valores con signos opuestos, entonces existe al menos una raíz de la
función en el interior del intervalo.
Si f es una función continua sobre el intervalo [a, b] y si f(a) f(b) < 0,

entonces f debe tener un cero en (a, b). Dado que f(a) f(b) < 0, la función
cambia de signo en el intervalo [a,b] y por lo tanto tiene por lo menos un
cero en el intervalo. (MÉTODO DE BISECCIÓN, 2011).
41
TELÉFONO 318-48-63
Ilustración 18. Método de Bisección
Fuente: UDEMEX 2019
Esta es una consecuencia del teorema del valor intermedio para funciones
continuas, que establece que si f es continua en [a,b] y si k es un número
entre f(a) y f(b) , entonces existe por lo menos un c (a,b) tal que f(c)=k.
(para el caso en que f(a) f(b)<0 se escoge k=0, luego f(c)=0, c (a,b)).
El método de bisección consiste en dividir el intervalo en 2 subintervalos

de igual magnitud, reteniendo el subintervalo en donde f cambia de signo,
para conservar al menos una raíz o cero, y repetir el proceso varias veces.
Por ejemplo, suponga que f tiene un cero en el intervalo [a, b].
Primero se calcula el punto medio del intervalo:
𝑎+𝑏
𝑐=
2
Después se averigua sí f(a) f(c) < 0. Si lo es, entonces f tiene un cero en

[a, c].
A continuación, se renombra a c como b y se comienza una vez más con

el nuevo intervalo [a, b], cuya longitud es igual a la mitad del intervalo
original.
Si f(a) f(c) > 0, entonces f(c) f(b) < 0 y en este caso se renombra a c
como a.
42
TELÉFONO 318-48-63
En ambos casos se ha generado un nuevo intervalo que contiene un cero

de f, y el proceso puede repetirse.
Ejercicio 1:
Aproximar la raíz de 𝑓 (𝑥 ) = 𝑒 −𝑥 − ln 𝑥 hasta que: |𝑅 | < 1%
Solución
Sabemos por lo visto en el ejemplo 1 de la sección anterior, que la única

raíz de se localiza en el intervalo . Así que este intervalo es
nuestro punto de partida; sin embargo, para poder aplicar el método de
bisección debemos checar que y tengan signos opuestos.
En efecto, tenemos que:
𝑓 (𝑥 ) = 𝑒 −1 − 𝑙𝑛 1 = 𝑒 −1 > 0
Mientras que:
𝑓 (1.5) = 𝑒 −1.5 − ln(1.5) = −0.18233 < 0
Cabe mencionar que la función sí es continua en el intervalo

. Así pues, tenemos todos los requisitos satisfechos para poder aplicar el
método de bisección.
Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera

aproximación a la raíz):
1 + 1.5
𝑥𝑟1 = = 1.25
2
ii) Evaluamos:𝑓 (1.25) = 𝑒 −1.25 − ln(1.25) = 0.0636 > 0

iii) Para identificar mejor en que nuevo intervalo se encuentra la raíz,
hacemos la siguiente tabla:
43
TELÉFONO 318-48-63
Ilustración 19. Intervalo
Fuente: UDEMEX 2019
Por lo tanto, vemos que la raíz se encuentra en el intervalo .

En este punto, vemos que todavía no podemos calcular ningún error
aproximado, puesto que solamente tenemos la primera aproximación.
Así, repetimos el proceso con el nuevo intervalo .
Calculamos el punto medio (que es nuestra segunda aproximación a la

raíz):
1.25 + 1.5
𝑥𝑟2 = = 1.375
2
Aquí podemos calcular el primer error aproximado, puesto que contamos

ya con la aproximación actual y la aproximación previa:
Ilustración 20. Intervalo 1.1
Fuente: UDEMEX 2019
Puesto que no se ha logrado el objetivo, continuamos con el proceso.

Evaluamos , y hacemos la tabla:
Ilustración 21. Intervalo 1.2
44
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Así, vemos que la raíz se encuentra en el intervalo .

Calculamos el punto medio,
1.25 + 1.375
𝑥𝑟1 = = 1.3125
2
Y calculamos el nuevo error aproximado:
𝑥𝛾3 −𝑥𝑦2
|∈𝑅 | = | 𝑥100%| = 4.76%
𝑥𝑦3
El proceso debe seguirse hasta cumplir el objetivo.
Resumimos los resultados que se obtienen en la siguiente tabla:
Figura 10. Resultados obtenidos
Aprox. a la raíz Error aprox.

1.25
1.375 9.09%
1.3125 4.76%
1.28125 2.43%
1.296875 1.20%
1.3046875 0.59%
Fuente: UDEMEX 2019
Así, obtenemos como aproximación a la raíz:
xr6 = 1.3046875
Ejercicio 2:
Aproximar la raíz de hasta que: .
45
TELÉFONO 318-48-63
Solución:
Como vimos en el ejemplo 2 de la sección anterior, la única raíz

de se localiza en el intervalo . Para poder aplicar el método de
bisección, es importante checar que sí se cumplen las hipótesis
requeridas. Sabemos que es continua en el intervalo , y
checamos que y tengan signos opuestos.
En efecto:
𝑓 (0) = arctan 0 + 0 − 1 = −1 < 0
Mientras que:
𝑓(1) = arctan 1 + 1 − 1 = 0.7853 > 0
Por lo tanto, sí podemos aplicar el método de bisección.

Calculamos el punto medio del intervalo :
1+0
𝑥𝑛 = = 0.5
2
Que es la primera aproximación a la raíz de .
Evaluamos 𝑓 (0.5) = arctan(0.5) + 0.5 − 1 = −0.0363 < 0
Y hacemos nuestra tabla de signos:
Ilustración 22. Tabla de signos
Fuente: UDEMEX 2019
Puesto que y tienen signos opuestos, entonces la raíz se

localiza en el intervalo .
46
TELÉFONO 318-48-63
En este punto, solo contamos con una aproximación, a saber,

que es el primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del

intervalo :
1 + 0.5
𝑥𝑟2 = = 0.75
2
Que es la nueva aproximación a la raíz de .
Aquí podemos calcular el primer error aproximado:
0.75 − 0.5
|∈𝑅 | = | 𝑥100%| = 33.33%
0.75
Puesto que no se cumple el objetivo, continuamos con el proceso.

Evaluamos .
Y hacemos la tabla de signos:
Fuente: UDEMEX 2019
Puesto que y tienen signos opuestos, entonces la raíz

se localiza en el intervalo .
Calculamos el punto medio:
0.5 + 0.75
𝑥𝑟3 = = 0.625
2
47
TELÉFONO 318-48-63
Y el nuevo error aproximado:
0.625 − 0.75
|∈𝑅 | = | 𝑥100%| = 20%
0.625
El proceso se debe continuar hasta que se logre el objetivo. Resumimos

los resultados que se obtienen en la siguiente tabla:
Figura 11. Tabla de resultados
Aprox. a la raíz Error

aprox.
0.5
0.75 33.33%
0.625 20%
0.5625 11.11%
0.53125 5.88%
0.515625 3.03%
0.5234375 1.49%
0.51953125 0.75%
Fuente: UDEMEX 2019
De lo cual, vemos que la aproximación buscada es:
𝑥𝑟8 = 0.51953125
El método de bisección por lo general es lento, y en casos como el de la

siguiente gráfica, puede ser demasiado lento.
48
TELÉFONO 318-48-63
Ilustración 24. Gráfico método de bisección
Fuente: UDEMEX 2019
En un caso como éste, el proceso de bisección comienza a acercarse a la

raíz de forma muy lenta, ya que el método solamente toma en cuenta que
la raíz se encuentra dentro del intervalo, sin importar si se encuentra más
cerca de alguno de los extremos del intervalo.
1.3.2 Método de Falsa Posición
El método de la falsa posición (regula falsi). Un inconveniente del método

de bisección es que al dividir los intervalos [a, b] en mitades iguales no
se tienen en cuenta las magnitudes de f(a) y f(b). Por ejemplo, si f(a)
está mucho más cerca del cero que f(b), parece lógico que la raíz de la
ecuación f(x)=0 esté más cerca de a que dé b. Un método alternativo que
aprovecha esta mejora es el método de la falsa posición y consiste en unir
f(a) y f(b) mediante una recta, de manera que la intersección de esta
recta con el eje de las x suele dar una mejor aproximación de la raíz. El
nombre de la falsa posición viene de hecho que, al reemplazar la función
por una recta, obtenemos una falsa posición de la raíz. Ezquerro., J.A.,
2012).
Aun cuando la bisección es una técnica perfectamente válida para

determinar raíces, su método de aproximación por “fuerza bruta” es
relativamente ineficiente. La falsa posición es una alternativa basada en
una visualización gráfica. (Chapra, S. y Canale, R., 2006).
49
TELÉFONO 318-48-63
El método de falsa posición (regula falsi), es un método iterativo que a

diferencia del método bisección, este se basa en una visualización gráfica
y consiste en unir f(a0) y f(b0) con una línea recta, la intersección de esta
recta con el eje de coordenadas x representa una mejor aproximación de
la raíz que por el método bisección, aunque esto no ocurre siempre.
Ilustración 25. Método de Falsa Posición
Fuente: UDEMEX 2019
Hallaremos la pendiente de la gráfica de la recta trazada entre los puntos

(a, f(a)) y (b, f(b)), donde la intersección con el eje de abscisas o línea
horizontal será nuestra aproximación a la raíz xi.
𝑓 (𝑏) ∗ 𝑥𝑖 − 𝑓 (𝑏) ∗ 𝑎 = 𝑓 (𝑎) ∗ 𝑥𝑖 − 𝑓 (𝑎) ∗ 𝑏
𝑓 (𝑎 ) ∗ 𝑏 − 𝑓 (𝑏 ) ∗ 𝑎
∴ 𝑥𝑖 =
𝑓 (𝑎) − 𝑓(𝑏)
La falsa posición (regula falsi). Determina el promedio ponderado de los

extremos del intervalo.
No es posible realizar generalizaciones con los métodos de obtención de

raíces. Aunque un método como el de la falsa posición casi siempre es
superior al de bisección, hay algunos casos que esta proposición no se
cumple.
50
TELÉFONO 318-48-63
Ejercicio 1:
Usar el método de la regla falsa para aproximar la raíz de
, comenzando en el intervalo y hasta que .
Solución:
Este es el mismo ejercicio 1 del método de la bisección. Sabemos

que es continua en el intervalo dado y que toma signos opuestos
en los extremos de dicho intervalo. Por lo tanto, podemos aplicar el
método de la regla falsa.
Calculamos la primera aproximación:

Ilustración 26. Primera aproximación
Fuente: UDEMEX 2019
Puesto que solamente tenemos una aproximación, debemos seguir con el

proceso. Evaluamos:
𝑓(𝑥𝛾𝑙 ) = 𝑒 −1.397410482 − ln(1.397410482 = −0.087384509 < 0

Fuente: UDEMEX 2019
De donde vemos que la raíz se encuentra en el intervalo .

Con este nuevo intervalo, calculamos la nueva aproximación:
51
TELÉFONO 318-48-63
Ilustración 28. Nuevo intervalo
Fuente: UDEMEX 2019
En este momento, podemos calcular el primer error aproximado:
1.321130513 − 1.397410482
|∈ 𝑅 | = | 𝑥100%| = 5.77%
1.321130513
Puesto que no se cumple el objetivo seguimos con el proceso.
Evaluamos , y hacemos la tabla de

signos:
Fuente: UDEMEX 2019
De donde vemos que la raíz se encuentra en el intervalo ,

con el cual, podemos calcular la nueva aproximación:
Ilustración 30. Nueva aproximación
Fuente: UDEMEX 2019
Y el error aproximado:
52
TELÉFONO 318-48-63
1.311269556 − 1.321130513
|∈ 𝑅 | = | 𝑥100%| = 0.75%
1.311269556
Como se ha cumplido el objetivo, concluimos que la aproximación buscada

es:
𝑥𝛾3 = 1.311269556
Observe la rapidez con la cual converge el método de la regla falsa a la

raíz, a diferencia de la lentitud del método de la bisección.
Ejercicio 2:
Usar el método de la regla falsa para aproximar la raíz

de , comenzando en el intervalo y hasta
que .
Solución:
Este es el mismo ejemplo 2 del método de la bisección. Así pues, ya

sabemos que se cumplen las hipótesis necesarias para poder aplicar el
método, es decir, que sea continua en el intervalo dado y
que tome signos opuestos en los extremos de dicho intervalo.
Calculamos pues, la primera aproximación:

Ilustración 31. Primera aproximación
Fuente: UDEMEX 2019
Como solamente tenemos una aproximación, debemos avanzar en el

proceso.
Evaluamos:
𝑓(𝑥𝛾𝑙 ) = arctan(0.5600991535) + 0.5600991535 = 0.070662953 > 0
53
TELÉFONO 318-48-63

Fuente: UDEMEX 2019
De lo cual vemos que la raíz se localiza en el intervalo
Calculamos la nueva aproximación:
𝑓(0.5600991535 ∙ [0.5600991535]
𝑥𝛾2 = 0.5600991535 − = 0.5231330281
𝑓 (0) − 𝑓 (0.5600991535)
Y calculamos el error aproximado:
0.5231330281 − 0.5600991535
|∈𝑅 | = | 𝑥100%| = 7.06%
0.5231330281
Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.
Evaluamos:
𝑓(𝑥𝛾2 ) = arctan(0.5231330281) + 0.5231330281 − 1 = 0.00511533 > 0

Fuente: UDEMEX 2019
De los cual vemos que la raíz se localiza en el intervalo ,

con el cual podemos calcular la siguiente aproximación:
54
TELÉFONO 318-48-63
𝑓(0.5231330281 ∙ [0.5231330281]
𝑥𝛾3 = 0.5231330281 − = 0.5204706484
𝑓 (0) − 𝑓 (0.5231330281)
Y el siguiente error aproximado:
0.5204706484 − 0.523133081
|∈𝑅 | = | 𝑥100%| = 0.51%
0.5204706484
Como se ha cumplido el objetivo, concluimos que la aproximación buscada

es:
𝑥𝛾3 = 0.5204706484
Nuevamente observamos el contraste entre la rapidez del método de la

regla falsa contra la lentitud del método de la bisección. Por supuesto que
puede darse el caso en el que el método de la regla falsa encuentre la
aproximación a la raíz de forma más lenta que el método de la bisección.
Desventajas del método de la falsa posición
Aunque el método de la falsa posición parecería ser siempre la mejor

opción entre los métodos cerrados, hay casos donde funciona de manera
deficiente. Hay ciertos casos donde el método de bisección ofrece mejores
resultados.
Otra importante desventaja del método de la falsa posición: su

unilateralidad. Es decir, conforme se avanza en las iteraciones, uno de los
puntos limitantes del intervalo tiende a permanecer fijo.
Falsa posición modificada
Una forma de disminuir la naturaleza unilateral de la falsa posición

consiste en obtener un algoritmo que detecte cuando se estanca o
permanece fijo uno de los límites del intervalo. Si ocurre esto, se divide a
la mitad el valor de la función en el punto fijo o de estancamiento. A este
método se le llama método de la falsa posición modificado. (Chapra S. y
Canale R., 2006).
Para reforzar el tema antes visto, te invitamos estudiante a que visualices

el siguiente video donde tendrás un mejor panorama sobre el tema:
55
TELÉFONO 318-48-63
1.4 Métodos de punto fijo
Una iteración de punto fijo es un esquema iterativo de la forma:
𝑃𝑛+1 = 𝑔(𝑝𝑛 )
Para n = 0, 1,2…
El Método de Punto Fijo (también conocido como iteración de punto fijo),

es otro método para hallar los ceros de f(x). Para resolver f(x) = 0, se
reordena en una forma equivalente:
𝑓 (𝑥 ) = 0
𝑥 − 𝑔 (𝑥 ) = 0
𝑥 = 𝑔(𝑥)
Observe que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre que se

tenga c=g(c) se dice que c es un punto fijo de la función g). Para
aproximar un cero de f se utiliza la iteración de punto fijo (1) xn+1 =
g(xn), n = 0, 1, 2, 3, . . . donde x0 es una aproximación inicial del cero
de f. A continuación, se presenta un teorema que da condiciones
suficientes para la existencia y unicidad del punto fijo de una función.
56
TELÉFONO 318-48-63
Figura 12. Métodos de punto fijo
Teorema 1 Si g es continua [a, b] y g(x) [a, b] para toda x [a,b],

entonces g tiene un punto fijo en [a,b].
Y si además g’(x) existe en (a, b) y existe una constante
positiva K < 1 con |g'(x)| K, para todo x (a, b),
entonces el punto fijo en [a, b] es único.
Teorema 2 Sea g una función continua en [a,b] tal que g(x) ⋲[a,b]
para toda x en [a,b].Además suponga que existe g' en
(a,b) y una constante positiva K<1 tal que |g'(x)|≤ K,
para toda x (a,b), entonces para cualquier número x0
en (a,b), la sucesión definida por xn+1=g(xn), converge
al único punto fijo x en [a,b]
Fuente: UDEMEX 2019
Corolario
Si g satisface las hipótesis del teorema 2, una cota para el error al

aproximar el punto fijo x de g por xn es:
|𝑥𝑛 − 𝑥| ≤ 𝐾 𝑛 max{𝑥0 − 𝑎, 𝑏 − 𝑥0 }
1.4.1. Método de aproximaciones sucesivas
El método de aproximaciones sucesivas consiste en generar funciones

convergentes bajo un esquema iterativo partiendo de la función original,
lo cual se soporta con el siguiente teorema:
Teorema de convergencia
La raíz de cualquier sub función extraída de una función f(x) obtenida por
una iteración convergente, es también una raíz de f(x).
Definición
Un esquema iterativo en Métodos Numéricos es una técnica fundamental

que consiste en repetir un proceso aritmético o algebraico hasta que se
obtenga un resultado
En esta definición se aplica el proceso de iteración que consiste en

sustituir repetidamente en una expresión (o fórmula) el valor previamente
obtenido.
57
TELÉFONO 318-48-63
En este método se requiere de una regla, fórmula o sub función g(x), con
la que se calculan los términos sucesivos junto con un valor de partida P0,
esto produce una sucesión de valores {PK} obtenida mediante el proceso
iterativo:
𝑝𝑘+1 = 𝑔(𝑝𝑘 )
La sucesión se aplica al siguiente patrón:
Ilustración 34. Sucesión
Fuente: UDEMEX 2019
En una sucesión interminable de números, se dice que el esquema

iterativo converge si los números tienden a un límite.
Ejercicio 1:
Se desea determinar, aplicando el método de aproximaciones sucesivas,

una de las raíces de la ecuación x2 - 4x + 2=0, existen muchas formas
de cambiar la ecuación a la forma x=g(x).
Si se despeja x de la ecuación se tiene:

𝑥2 + 2
𝑥=
4
Por lo tanto, la ecuación de recurrencia o iteración es:
(𝑥𝑖 )2 + 2
𝑥𝑖+1 =
4
En la tabla siguiente se muestran los valores obtenidos, se comienza con

una aproximación X0=1. El valor real de la raíz (0.586) se alcanza luego
de cinco iteraciones.
58
TELÉFONO 318-48-63
Ilustración 35. Iteraciones
Fuente: UDEMEX 2019
La ventaja de este método es simple y flexible y las desventajas son que

no siempre es convergente, depende de la forma de la función g(x).
Ejercicio 2:
Sea la iteración convergente

−𝑝
𝑝0 = 0.5 𝑦 𝑝𝑘+1 = 𝑒𝑘 𝑝𝑎𝑟𝑎 𝑘 = 0, 1, 2, …
Calculando los 10 primeros términos:

Ilustración 36. Cálculo de términos
Fuente: UDEMEX 2019
La sucesión converge los cual da:
lim 𝑝𝑛 = 0.567143 …
𝑛→∞
59
TELÉFONO 318-48-63
1.4.2. Método de la Secante
Es un método de tipo abierto, el cual requiere de dos puntos iniciales, los

cuales pueden ser arbitrarios. Lo que hace básicamente, es trazar rectas
secantes a la curva de la ecuación que se está analizando, y verificar la
intersección de dichas rectas con el eje de las x para conocer si es la raíz
que se busca.
Al ser un método abierto, converge con la raíz con una velocidad

semejante a la de Newton-Raphson, aunque de igual forma corre el riesgo
de no converger con esta nunca.
Su principal diferencia con el método de Newton-Raphson es que no se

requiere obtener la derivada de la función para realizar las
aproximaciones, lo cual facilita las cosas al momento de crear un código
para encontrar raíces por medio de este método.
Debido a que el método de la secante se basa en el método de Newton-

Raphson, pero evitando el usar la derivada de la función. Lo anterior lo
logra haciendo uso de la siguiente aproximación:
𝑓 (𝑥𝑖 ) − 𝑓(𝑥𝑖 )
𝑓´(𝑥𝑖 ) ≈
𝑥𝑖−1 − 𝑥𝑖
Sustituyendo en la fórmula de Newton-Raphson, obtenemos:
𝑓 (𝑥𝑖 ) 𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − ≈ 𝑥𝑖 −
𝑓´(𝑥𝑖 ) 𝑓 (𝑥𝑖−1 ) − 𝑓(𝑥𝑖 )
𝑥𝑖−1 − 𝑥𝑖
𝑓(𝑥𝑖 )(𝑥𝑖−1 − 𝑥𝑖 )
∴ 𝑥𝑖−1 ≈ 𝑥𝑖 −
𝑓(𝑥𝑖−1 ) − 𝑓(𝑥𝑖 )
Que es la fórmula del método de la secante. Nótese que para poder

calcular el valor de xi+1, necesitamos conocer los dos valores anteriores:
𝑥 + 𝑥𝑖−1
Obsérvese también, el gran parecido con la fórmula del método de la regla

falsa. La diferencia entre una y otra es que mientras el método de la regla
falsa trabaja sobre intervalos cerrados, el método de la secante es un
60
TELÉFONO 318-48-63
proceso iterativo y por lo mismo, encuentra la aproximación casi con la

misma rapidez que el método de Newton-Raphson. Corre el mismo riesgo
de éste último de no converger a la raíz, mientras que el método de la
regla falsa va a la segura.
El método de la secante es casi idéntico al de regula falsi salvo por un

detalle: no se tiene en cuenta el signo de la función para estimar el
siguiente punto. Se procede independientemente de los signos de la
función.
Ilustración 37. Método de la secante
Fuente: UDEMEX 2019
Ejercicio 1:
Efectúe tres iteraciones del método de la secante para la función f(x)

= xsenx - 1 con x0=1 y x1=2.
Solución:
𝑓 (𝑥1 )(𝑥1 − 𝑥0 ) (2 𝑠𝑒𝑛 2 − 1)(2 − 1)

𝑥2 = 𝑥1 − = 2− = 1.162240449
𝑓 (𝑥1 ) − 𝑓(𝑥0 ) (2 𝑠𝑒𝑛 2 − 1)(𝑠𝑒𝑛 1 − 1)
𝑓(𝑥2 )(𝑥2 −𝑥1 )
𝑥3 = 𝑥2 − = 1.236422098
𝑓(𝑥2 )−𝑓(𝑥1 )
𝑓 (𝑥3 )(𝑥3 − 𝑥2 )
𝑥4 = 𝑥3 − = 1.113511445
𝑓 (𝑥3 ) − 𝑓 (𝑥1 )
Para este caso f(x4) = -0.000896772969

61
TELÉFONO 318-48-63
|f(x4) | < 0.0009.
Ejercicio 2:
f (x) = x2 - 2x - 3 = 0, tiene dos ceros. x = 3 y x = -1
Supóngase que se reordena para lograr la forma equivalente:
𝑥 2 − 2𝑥 − 3 = 0
𝑥 2 = 2𝑥 + 3
𝑥 = √2𝑥 + 3
𝑥 = 𝑔(𝑥 ) = √2𝑥 + 3
Si se comienza con x0 = 4 y se itera con la iteración de punto fijo (1), los

valores sucesivos de x son:
𝑥0 = 4
𝑥1 = 𝑔(𝑥0 ) = √2(4) + 3 = 3.31662
𝑥2 = 𝑔(𝑥1 ) = √2(3.31662) + 3 = 3.10375
𝑥3 = 𝑔(𝑥2 ) = √2(3.10375) + 3 = 3.03439
𝑥4 = 𝑔(𝑥3 ) = √2(3.03439) + 3 = 3.01144
𝑥5 = 𝑔(𝑥4 ) = √2(3.01144) + 3 = 3.00381
Los valores convergen a x = 3.
Otro reordenamiento de f(x) = 0 es:
𝑥 2 − 2𝑥 − 3 = 0
𝑥(𝑥 − 2) − 3 = 0
3
𝑥= = 𝑔(𝑥)
𝑥−2
Si nuevamente se comienza con x0 = 4, los valores sucesivos de x son:
𝑥0 = 4
62
TELÉFONO 318-48-63
3
𝑥1 = 𝑔(𝑥0 ) = = 1.5
4−2
3
𝑥2 = 𝑔(𝑥1 ) = = −6
1.5 − 2
3
𝑥3 = 𝑔(𝑥2 ) = = −0.375
−6 − 2
𝑥4 = −1.263158
𝑥5 = −0.919355
𝑥6 = −1.02762
𝑥7 = −0.990877
𝑥8 = −1.00305
Ahora x converge al otro cero de f, x = -1
1.4.3. Método de Newton-Raphson
Un método muy conocido de solución de ecuaciones en una variable es el

de Newton-Raphson, en el que se utiliza la interpretación geométrica de
la derivada de una función. (Fuentes O. y Martínez P.1998).
Los métodos numéricos para optimizar funciones surgen para dar

respuesta a los problemas con que usualmente se topan los mecanismos
tradicionales de optimización simbólica, como suelen ser los casos en que
la función objetivo no pueda ser derivable por una vía simbólica, o cuando
la ecuación resultante de la condición de primer orden no puede
resolverse por una vía algebraica.
Dentro de los métodos numéricos para resolver este tipo de problemas se

encuentra el desarrollado por Newton-Raphson. El algoritmo consiste en
buscar los valores de la variable independiente que hacen mínima a la
función a través de sucesivas iteraciones. (Oviedo J. 2006).
El método de Newton-Raphson es un método iterativo que nos permite

aproximar la solución de una ecuación del tipo f(x) = 0. Este método, el
cual es un método iterativo, es uno de los más usados y efectivos. A
diferencia de los métodos anteriores, el método de Newton-Raphson no
63
TELÉFONO 318-48-63
trabaja sobre un intervalo, sino que basa su fórmula en un proceso

iterativo.
Supongamos que tenemos la aproximación:
𝑥𝑖 𝑎 𝑙𝑎 𝑟𝑎í𝑧 𝑥𝛾 𝑑𝑒 𝑓(𝑥)
Ilustración 38. Aproximación
Fuente: UDEMEX 2019
Trazamos la recta tangente a la curva en el punto:
(𝑥𝑖 , 𝑓(𝑥𝑖 ))
Ésta cruza al eje x en un punto xi+1, que será nuestra siguiente

aproximación a la raíz xy .
Para calcular el punto xi+1, calculamos primero la ecuación de la recta
tangente. Sabemos que tiene pendiente
𝑚 = 𝑓´(𝑥𝑖 )
Y por lo tanto la ecuación de la recta tangente es:
𝑦 − 𝑓(𝑥𝑖 ) = 𝑓´(𝑥𝑖 )(𝑥 − 𝑥𝑖 )
Hacemos y = 0:
−𝑓 (𝑥𝑖 ) = 𝑓´(𝑥𝑖 )(𝑥 − 𝑥𝑖 )
Y despejamos x:
𝑓(𝑥𝑖 )
𝑥 = 𝑥𝑖 −
𝑓´(𝑥𝑖 )
64
TELÉFONO 318-48-63
Que es la fórmula iterativa de Newton-Raphson para calcular la

siguiente aproximación:
𝑓 (𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − 𝑠𝑖 𝑓´(𝑥𝑖 ) ≠ 0
𝑓´(𝑥𝑖 )
Note que el método de Newton-Raphson no trabaja con intervalos donde

nos asegure que encontraremos la raíz, y de hecho no tenemos ninguna
garantía de que nos aproximaremos a dicha raíz. Donde este método no
converge a la raíz, en cuyo caso se dice que el método diverge. Sin
embargo, en los casos donde si converge a la raíz lo hace con una rapidez
impresionante, por lo cual es uno de los métodos preferidos por
excelencia.
También observe que en el caso de que f ´ (xi) = 0, el método no se

puede aplicar. De hecho, vemos geométricamente que esto significa que
la recta tangente es horizontal y por lo tanto no intersecta al eje x en
ningún punto, a menos que coincida con éste, en cuyo caso xi mismo es
una raíz de f (x).
Ejercicio1:
Se desea determinar, aplicando el método Newton-Raphson, una de las

raíces de la ecuación x2 - 4x + 2=0, se calcula la derivada primera de la
función dada.
Como f(xI)= x2 - 4x + 2, su derivada primera es: f¨(x I)= 2x - 4. Por lo

tanto, la fórmula de recurrencia es:
𝑓 (𝑥𝑖 ) 𝑥𝑖2 − 4𝑥 + 2
𝑥𝑖+1 = 𝑥𝑖 − = 𝑥𝑖 −
𝑓´(𝑥𝑖 ) 2𝑥𝑖 − 4
En la siguiente tabla se muestran los valores obtenidos, se comienza con

una aproximación x0=1. El valor real de la raíz (0.586) se alcanza luego
de dos iteraciones.
65
TELÉFONO 318-48-63
Ilustración 39. Tabla de valores
Fuente: UDEMEX 2019
La ventaja de este método es que converge más rápido que cualquiera

otro método. Las desventajas son las siguientes, No siempre es
convergente, depende de la naturaleza de la función, no es conveniente
en el caso de raíces múltiples, puede alejarse del área de interés si la
pendiente es cercana a cero.
Ejercicio 2:
Usar el método de Newton-Raphson, para aproximar la raíz
de: comenzando con y hasta que .
Solución:
En este caso, tenemos que:
1
𝑓´(𝑥 ) = −𝑒 −𝑥 −
𝑥
De aquí tenemos que:

Ilustración 40. Aproximación de la raíz
Fuente: UDEMEX 2019
66
TELÉFONO 318-48-63
Comenzamos con y obtenemos:
𝑒 −𝑥0 − ln(𝑥0 )
𝑥1 = 𝑥0 + = 1.268941421
−𝑥 1
𝑒 0 +𝑥
0
En este caso, el error aproximado es,
1.268941421 − 1
|∈ 𝑅 | = | 𝑥100%| = 21.19%
1.268941421
Continuamos el proceso hasta reducir el error aproximado hasta donde se

pidió. Resumimos los resultados en la siguiente tabla:
Figura 13. Método de Newton-Raphson.
Aprox. a la raíz Error aprox.

1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
Fuente: UDEMEX 2019
De lo cual concluimos que , la cual es correcta en todos

sus dígitos!
La misma idea puede aplicarse para crear algoritmos que aproximen
raíces -ésimas de números reales positivos.
Cuando el método de Newton-Raphson converge a la raíz, lo hace de una

forma muy rápida y, de hecho, observamos que el error aproximado
disminuye a pasos agigantados en cada paso del proceso.
1.4.4. Otros métodos
Método de Von Mises
El método de Newton tiene algunas variantes que dan origen a otros

métodos, un caso especial en el cual el método de Newton puede
presentar problemas en su aplicación, es cuando los puntos xi están muy
alejados de la solución o bien f (xi) es cercana a cero. Para resolver este
67
TELÉFONO 318-48-63
problema Von Mises propuso sustituir el denominador f`(xi) por f`(xo).

(Pope. J. D. 2013).
Por lo tanto, la ecuación del método es:
𝑓(𝑥𝑝 )
𝑥𝑅 = 𝑥𝑝 −
𝑓´(𝑥0 )
Existen para resolver sistemas de ecuaciones con dos o más variables, de

una manera muy sencilla. Como su nombre lo indica, el método usa como
su principal herramienta, el álgebra, que ligada a un proceso de lógica
matemática dio como resultado el método algebraico.
Usando métodos algebraicos como los métodos de resolución de

problemas (sustitución, igualación y reducción)
1) Sustitución
En este método lo primero que se debe hacer es despejar una incógnita

y sustituirla en la otra ecuación. Así, la ecuación reemplazada, que se
queda con una sola incógnita, se resuelve, permitiendo averiguar esa
incógnita. Finalmente, el valor de la otra incógnita se obtiene
reemplazando el valor obtenido.
2) Igualación
Este método consiste en una pequeña variante del método de sustitución.

Para resolver un sistema de ecuaciones usando este método se debe
despejar una incógnita o letra, la misma, en ambas ecuaciones e igualar
las expresiones resultantes, se obtiene una ecuación de primer grado.
Para resolver un sistema por el método de igualación debemos:
 Despejar la misma incógnita en las dos ecuaciones.

 Igualar las expresiones, obteniendo la tercera ecuación que tiene
solo una incógnita.
 Resolver las operaciones.
 Sustituir el valor hallado, en cualquiera de las dos expresiones en
las que estaría despejada la otra incógnita.
 Una vez conocido el valor de una de las dos incógnitas se sustituyen
en una de las ecuaciones iniciales y calculamos la segunda.
68
TELÉFONO 318-48-63
3) Reducción
Este es el último método analítico para resolver sistemas de dos funciones

con dos incógnitas o letras. En este método se preparan las ecuaciones
multiplicando una o ambas ecuaciones por cualquier número para obtener
un sistema equivalente a la inicial en el que los coeficientes de las
variables (x, y) sean iguales, pero con signo contrario. Después se suman
las ecuaciones del sistema y se obtiene una ecuación de primer grado con
una sola incógnita. Después, se tienen dos opciones para hallar la
segunda incógnita: la primera es volver a aplicar el mismo método, o
sustituir la incógnita hallada en cualquier ecuación del sistema y despejar
la otra.
Ejercicio:
f(x) = x3 - 2x - 1 f (x) = 3x2 - 2
Entrada: aproximación inicial alejada de la raíz xp = 5, tolerancia s =

0.005, NMI = 5
Primera Iteración:
Paso 1 i = 1.
Paso 2 i  5 Si
f 5 114
xa  5  5  3.4384
Paso 3 f 5 73
3.4384  5
 100  0.005
Paso 4 3.4384 No
Paso 5 xp = 3.4384
Paso 6 i = 2.
Segunda Iteración:
Paso 2 25 Si
f 3.4384  32.7740
xa  3.4384   3.4384   2.9894
Paso 3 f 5
 73
2.9894  3.4384
 100  0.005
Paso 4 2.9894 No
Paso 5 xp = 2.9894
69
TELÉFONO 318-48-63
Paso 6 i = 3.
Tercera Iteración
Paso 2 3  5 Si
f 2.9894  19.7360
xa  2.9894   2.9894   2.7190
Paso 3 f 5 73
2.7190  2.9894
 100  0.005
Paso 4 2.7190 No
Paso 5 xp = 2.7190
Paso 6 i=4
Cuarta Iteración
Paso 2 4  5 Si
f 2.7190  13.6635
xa  2.7190   2.7490   2.5318
Paso 3 f 5 73
2.5318  2.7190
 100  0.005
Paso 4 2.5318 No
Paso 5 xp = 2.5318
Paso 6 i=5
Quinta Iteración
Paso 2 5  5 Si
f 2.5318  10.1653
xa  2.5318   2.5318   2.3925
Paso 3 f 5
 73
2.3925  2.5318
 100  0.005
Paso 4 2.3925 No
Paso 5 xp = 2.3925
Paso 6 i=6
No se alcanza la convergencia en cinco iteraciones, se observa que la

convergencia es muy lenta utilizando este método, se requieren
aproximadamente ochenta iteraciones para alcanzar convergencia con la
tolerancia deseada.
1.4.5. Aplicaciones
Conocer y aplicar los fundamentos de los métodos numéricos para

solución de problemas en Ingeniería, implementando los algoritmos en un
lenguaje de programación. Establecer las bases para la aplicación de los
70
TELÉFONO 318-48-63
métodos numéricos como herramienta orientada la solución de problemas

en las Ingenierías.
Aplicación al cálculo
En el curso de cálculo se estudiaron los valores máximos y mínimos

relativos de una función f x). El método para encontrar dichos valores era
el siguiente: se calcula la derivada, se iguala a cero y se resuelve la
ecuación, siendo las raíces los valores críticos de la función, los cuales se
analizan por alguno de los métodos correspondientes (criterios de la
primera y segunda derivada). (INETE, Ramírez., E., 2007).
Aplicación a las probabilidades
Uno de los problemas típicos en el estudio de las probabilidades consiste

en calcular la mediana de una variable aleatoria x con función de densidad
f (x). Dicho valor se obtiene por definición de mediana.
Aplicación a la cinemática
Una partícula se mueve con una velocidad (en metros/segundo) dada en

función del tiempo por medio de la función:
𝑣(𝑡) = 𝑡 3 − 2𝑡 2
Utilizando el método de Newton–Raphson, aproxima el tiempo en el que

la partícula alcanza una velocidad de 1m/s, a partir del reposo.
Aplicación a la electricidad
La carga en un circuito eléctrico constituido por una resistencia, una

bobina y un capacitor está dada por:
Ilustración 41. Aplicación a la electricidad
Fuente: UDEMEX 2019
71
TELÉFONO 318-48-63
En donde t, es el tiempo en segundos, R la resistencia en ohm’s, L la

inductancia en henries, C la capacitancia en faradios y q la carga en
coulombios. Encuentra el tiempo que tiene que pasar para que la carga
del circuito sea igual a la mitad del valor de la carga inicial.
Aplicación a la ingeniería agrícola.
Se han hecho estudios sobre una plaga que ataca los árboles de guayaba,
obteniendo una función que describe el comportamiento de su
reproducción en días, dada por:
0.35𝑒 0.75𝑡
𝑐 (𝑡 ) = , 𝑝𝑎𝑟𝑎 𝑡 > 1
𝑡
En donde t es el tiempo en días. Se pide determinar cuánto tiempo pasará

hasta que se tengan 50 insectos de la plaga.
Aplicación a la ingeniería civil.
En ingeniería civil se trabaja constantemente con los desplazamientos de

estructuras, los cuales están determinados por oscilaciones
amortiguadas. Así, en cierta estructura se encontró bajo experimentos la
función que describe el desplazamiento, dada por:
𝑓 (𝑥 ) = 10𝑒 −0.45𝑡 cos(2𝑡)
En donde t es el tiempo. Se pide determinar cuánto tiempo pasará para

que el desplazamiento disminuya hasta la mitad del desplazamiento inicial
(cuando t = 0).
Aplicación a la ingeniería química.
La razón de crecimiento específico de una fermentación que produce un

antibiótico es una función de la concentración de comida x, dada por:
2𝑥
𝑔 (𝑥 ) =
4 + 0.8𝑥 + 𝑥 2 + 0.2𝑥 3
Se pide determinar para qué valor de x por primera vez la razón de

crecimiento alcanza 20% de fermentación que produce el antibiótico.
72
TELÉFONO 318-48-63
Por último, te invito a resolver la actividad complementaria 1.2 que te

a este tema.
ACTIVIDAD
COMPLEMENTARIA 1.2
ACTIVIDAD DE
APRENDIZAJE 1.2
73
TELÉFONO 318-48-63
RESUMEN UNIDAD 1
Ilustración 42. Resumen Unidad 1
Fuente: UDEMEX 2019

74
TELÉFONO 318-48-63
CRITERIOS DE EVALUACIÓN DE LA UNIDAD 1
Figura 14. Criterios de Evaluación Unidad 1
Fuente: UDEMEX 2019
75
TELÉFONO 318-48-63
REFERENCIAS ANEXAS AL PROGRAMA
1. Botello., S., (2006). Ejemplos de Aplicación de los Métodos

Numéricos a Problemas de Ingeniería. Centro de Investigación
en Matemáticas A.C. Guanajuato, México. Recuperado: el día 26 de
febrero del 2019:
http://www.cimat.mx/Eventos/tallermn/img/botello_rionda.pdf
2. Burden, R. y Douglas, J., (2008). Análisis Numérico. Séptima

Edición MATH. Recuperado: el día 26 de febrero del 2019.
http://www.freelibros.org/matematicas/analisis-numerico-7ma-
edicion-richard-l-burden-j-douglas-faires.html
3. Chapra, S. y Canale, R. (2006). Métodos Numéricos para

Ingenieros. 5ª ed., Mc Graw Hill. México, D. F. Recuperado el día
26 de febrero del 2019:
http://www.freelibros.org/matematicas/metodos-numericos-para-
ingenieros-5ta-edicion-steven-c-chapra-y-raymond-p-canale.html
4. Cortes, J.J., González, M.E., y Pinilla, V.D., (2011). Solución de

ecuaciones algebraicas y trascendentes. Conceptos
Generales. Recuperado: el día 26 de febrero del 2019:
http://www.ingenieria.unam.mx/~pinilla/2011/Tema1/01Concepto
sgenerales.pdf
5. Departamento de Matemáticas, CCIR/ITESM, (2009). Métodos

Iterativos para Resolver Sistemas Lineales. 17 de julio de
2009. México. Recuperado: el día 26 de febrero del 2019:
http://www.mty.itesm.mx/dmti/materias/ma2008/lecturas/ma200
8-09a.pdf
6. Díaz, W., (1998). Métodos Numéricos. 1998-05-11. Consultado

el día: el día 26 de febrero del 2019:
http://www.uv.es/~diaz/mn/fmn.html
7. El método de bisección, (2008). Teorema de Bolzano.

Recuperado: el día 26 de febrero del 2019:
76
TELÉFONO 318-48-63
http://www.ma3.upc.edu/users/carmona/teaching/clases/08-
09/trabajos/metodo%20biseccion.pdf
8. Ezquerro., J.A., (2012). Material Didáctico Matemáticas.

Iniciación a los Métodos Numéricos. Universidad de la Rioja.
Iberus. España. Recuperado: el día 26 de febrero del 2019.
https://publicaciones.unirioja.es/catalogo/monografias/mdm07.sht
ml
9. Fuentes, O., y Martínez P., (1998). Introducción a los métodos

numéricos aplicados a la hidráulica. IMTA. Instituto Mexicano
de Tecnología del Agua. Departamento de Investigación.
http://repositorio.imta.mx:8080/cenca-
repositorio/bitstream/123456789/823/1/IMTA_011.pdf
10. Huerta, A., Sarrate-Ramos, J., y Rodríguez, A., (1998).

Métodos numéricos. Introducción, aplicaciones y
propagación. Primera edición: septiembre de 1998. Edicions de la
Universitat Politècnica de Catalunya, SL Jordi Girona Salgado 31,
08034 Barcelona. Recuperado: el día 26 de febrero del 2019:
http://mmc.geofisica.unam.mx/acl/edp/Herramientas/Fortran/Met
odosNumericosIntroduccionAplicacionesYProgramacionEnFortran.p
df
11. INETE, Ramírez, E., (2007). Métodos numéricos. Taller.

Instituto Investigador de Tecnología Educativa. Recuperado: el día
http://www.eva.com.mx/sia/pdfs/inge/L00M130202METNUM-
MCI123.pdf
12. Lhute, R., (1980). Métodos Numéricos. Consultado: el día

https://arturoguillen90.wordpress.com/category/metodos-
numericos/
77
TELÉFONO 318-48-63
13. Matemática, (2011). Matemática: Métodos de

aproximación de raíces. Consultado: e el día 26 de febrero del
2019: http://matematica.50webs.com/rolle.html
14. Método de Bisección, (2011). Consultado: el día 26 de

febrero del 2019:
http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capi
tulo5/5.htm
15. Mora, W., (2012). Introducción a los Métodos Numéricos.

Escuela de Matemática. Instituto Tecnológico de Cost Rica. Revista
Digital de Matemática. Educación e Internet. Febrero del 2013.
http://tecdigital.tec.ac.cr/revistamatematica/Libros/WMora_Metod
osNumericos/WMora-ITCR-MetodosNumericos.pdf
16. Nieves, A., y Domínguez, F., (2006). Métodos Numéricos

aplicados a la Ingeniería. Segunda Edición. CECSA. Quinta
Reimpresión México. Compañía Editorial Continental. Recuperado:
el día 26 de febrero del 2019:
https://www.academia.edu/8617368/M%C3%89TODOS_NUM%C3
%89RICOS_APLICADOS_A_LA_INGENIER%C3%8DA_M%C3%89T
ODOS_NUM%C3%89RICOS
17. Oviedo, J., (2006). Métodos Numéricos en optimización y

resolución de ecuaciones. Argentina. Recuperado: el día 26 de
febrero del 2019:
http://blogs.eco.unc.edu.ar/jorgeoviedo/files/2011/09/oviedo_Ne
wtonRaphson.pdf
18. Pope., J. D., (2013). Métodos Numéricos con Enfoque en

Competencias. Instituto Tecnológico de Durango. Departamento
de Desarrollo Académico. Recuperado: el día 26 de febrero del
2019:
http://mood.itdurango.edu.mx/mod/resource/view.php?id=8203
78
TELÉFONO 318-48-63
19. Rodríguez, L., (2011). Análisis Numérico Básico. Un

Enfoque Algorítmico con el soporte de MATLAB.
79
TELÉFONO 318-48-63
UNIDAD I1. SOLUCIÓN DE SISTEMAS DE ECUACIONES ALGEBRÁICAS LINEALES
Y NO LINEALES
UNIDAD II
SOLUCIÓN DE SISTEMAS DE ECUACIONES ALGEBRÁICAS
LINEALES Y NO LINEALES
correspondientes a la unidad II, cada uno de estos temas son importantes
para iniciar el estudio de la Solución de Sistemas de Ecuaciones
Algebraicas Lineales y no Lineales.
SECUENCIA DIDÁCTICA «UNIDAD II»

Figura 15. Mapa de contenidos didácticos de la unidad II
Fuente: UDEMEX 2019
80
TELÉFONO 318-48-63
Y NO LINEALES
INTRODUCCIÓN
La primera parte de la unidad 2 comprende la solución de sistemas de

ecuaciones algebraicas lineales, es importante que los estudiantes
conozcan el álgebra matricial, que se define como un sistema que puede
ser descrito por un arreglo rectangular, con frecuencia es conveniente
utilizar matrices para describir o formular problemas y representar o
exhibir datos.
Un aspecto muy importante que se verá dentro de esta unidad, serán los
métodos de solución de sistemas de ecuaciones lineales: eliminación
Gaussiana que consiste en forma general propone la eliminación
progresiva de variables en el sistema de ecuaciones, hasta tener sólo una
ecuación con una incógnita. Se abordará el método de matriz inversa,
Gauss-Jordán y la regla de Cramer.
Se contemplan dentro de esta unidad los métodos iterativos, que

progresivamente van calculando aproximaciones hasta la solución de un
problema. Se desarrollarán los siguientes: Jacobi que consiste en usar
fórmulas como iteración de punto fijo; El otro método es el de Gauss-
Jordán, que se define como una serie de algoritmos del algebra lineal para
determinar resultados de un sistema de ecuaciones lineales.
En tal sentido, el propósito es potenciar la capacidad del estudiante en el

uso adecuado de otros métodos mejorados y de aplicaciones, no hay duda
que va a tener una gran influencia en el futuro de los estudiantes, tanto
en su vida profesional como en su vida personal.
Esta unidad se complementa con la incorporación de ejercicios que

fortalezcan la formación integral del estudiante; preparándolo para
81
TELÉFONO 318-48-63
Y NO LINEALES
comprender las ecuaciones algebraicas lineales y no lineales, se pretende

hacer un esfuerzo por evitar el uso de términos excesivamente
especializados o técnicos, sin embargo, se utilizarán de forma descriptiva
y explicativa.
En general, los temas de la unidad 2 servirán como un mecanismo de

mejora en las actitudes del estudiante como futuro profesional
Figura 16. Competencias Específicas Unidad II
Fuente: UDEMEX 2019
Es momento de dar inicio a los temas del contenido de la unidad II.

82
TELÉFONO 318-48-63
Y NO LINEALES
2.1. Solución de Sistemas de Ecuaciones Algebraicas Lineales
Una ecuación algebraica lineal es aquella en donde en cada término de la

ecuación aparece únicamente una variable o incógnita elevada a la
primera potencia.
Ilustración 1. Ecuación algebraica lineal
Fuente: UDEMEX 2019
Un sistema de ecuaciones lineales algebraicas, es un conjunto de

ecuaciones que deben resolverse simultáneamente. En lo sucesivo se
considerarán únicamente sistemas de ecuaciones algebraicas lineales, o
sea conjuntos de ecuaciones de la forma:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + … + 𝑎𝑛1 𝑥𝑛 = 𝐶1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + … + 𝑎𝑛2 𝑥𝑛 = 𝐶2
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + … + 𝑎𝑛𝑛 𝑥𝑛 = 𝐶𝑛
Este sistema de ecuaciones puede escribirse simbólicamente como:
𝐴𝑋 =𝐶
En donde A se llama Matriz del Sistema. La matriz formada por A, a la

que se le ha agregado el vector de términos independientes como última
columna, se le llama la matriz ampliada del sistema, que se representa
con (A, C). (Nieves, A. y Domínguez, F. 2006).
Entonces la matriz ampliada será:
83
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 2. Matriz ampliada
Fuente: UDEMEX 2019
2.1.1 Algebra Matricial
El álgebra matricial es una parte importante en muchas áreas del

conocimiento, las matrices representan herramientas que consideran un
arreglo de muchos números mediante un solo símbolo, la sistematización
de cálculos arduos y laboriosos, ya que proveen una notación simplificada
para almacenar información y describir relaciones complicadas. (Pope. J.
D. 2013).
Una matriz es un conjunto de números ubicados como arreglos

rectangulares y encerrados entre paréntesis, a los componentes
individuales de la matriz se les denomina elementos.
Definición: una matriz es un arreglo ordenado de números (llamados

elementos o componentes) distribuidos en m filas y n columnas (matriz
de orden m por n).
Al conjunto horizontal de elementos se le llama renglón. Al conjunto

vertical de elementos se le llama columna.
En general a las matrices se les designará por una letra mayúscula A, B,

C, M etc. y sus elementos con las correspondientes letras minúsculas. Así
una matriz A de orden m x n se escribe:
84
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 3. Matriz A de orden m x n
Fuente: UDEMEX 2019
El primer subíndice corresponde al número de la fila el segundo al

número de la columna.
El número 𝑎𝑖𝑗 está en el renglón o fila 𝑖 y en la columna 𝑗
Muchas veces para evitar escribir la matriz general en la forma como se

hizo se abrevia 𝑎 como:
𝐴 = (𝑎𝑖𝑗 )
Las matrices con dimensiones 𝑚 = 𝐼 en el renglón se les llama vectores

renglón
[𝐵] = [𝑏1 , 𝑏2 , … , 𝑏𝑛 ]
Las matrices con dimensión n = 1, se les conoce como vector columna.

𝐶1
[𝐶 ] = [ 𝐶2. ] ..
𝐶𝑁
A las matrices donde 𝑚 = 𝑛 se les llama cuadradas.
Se llama diagonal principal de la matriz a la diagonal que tiene los
elementos𝑎11 , 𝑎22 , 𝑎33 , 𝑎44 …
85
TELÉFONO 318-48-63
Y NO LINEALES
Operación de Matrices (Algebra de Matrices)
Suma
La suma de dos matrices [A] y [B], se realiza sumando los elementos

correspondientes de cada matriz. Los elementos de la matriz [C]
resultante se calcula como:
𝐶𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗
Para i=1, 2, 3, …, m j=1, 2, 3, …, n
Multiplicación
Para multiplicar dos matrices se requiere que el número de columnas sea

igual al número de renglones de la otra, la dimensión de la matriz
resultante será el número de renglones y el número de columnas de la
otra.
[𝐴][𝐵] = [𝐶 ] [𝐴]𝑚∗𝑛 [𝐵]𝑛∗𝑝 = [𝐶]𝑚∗𝑝
𝑛
𝐶𝑖𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗
𝑘=1
Traspuesta
Comprende la transformación de sus renglones en columnas.
𝐶11
𝐶21
[𝐶 ] = [ ]
𝐶31
𝐶41
Por lo tanto, se tiene:
[𝐶]𝑇 = [𝐶11 , 𝐶21 , 𝐶31 , 𝐶41 , ]
86
TELÉFONO 318-48-63
Y NO LINEALES
Igualdad
La igualdad de matrices se da como: 𝐴 = (𝑎𝑖𝑗 )𝑚∗𝑛 𝐵 = (𝑏𝑖𝑗 )𝑚∗𝑛 (mismo

orden) y si son iguales, si sus elementos respectivos son iguales:
𝑎𝑖𝑗 = 𝑏𝑖𝑗 ⇔ 𝑏𝑖𝑗 = 𝑎𝑖𝑗
Resta
Restar dos matrices del mismo orden es restara sus elementos

respectivos. 𝐴 = (𝑎𝑖𝑗 )
𝐵 = (𝑏𝑖𝑗 )
𝐴 − 𝐵 = 𝐴 + (−𝐵) = (𝑎𝐼𝑗 ) + (−𝑏𝑖𝑗 ) = (𝑎𝑖𝑗 − 𝑏𝑖𝑗 )
La matriz 0 (cero) es aquella donde todos los elementos son cero.
Propiedades de las matrices
𝐴+𝐵 =𝐵+𝐴 Conmutatividad
𝐴 + (𝐵 + 𝐶 ) = (𝐴 + 𝐵) + 𝐶 Asociatividad
𝐴+0=𝐴 La matriz 0 es la matriz idéntica para la suma
A+(-A) =0 Toda matriz tiene una matriz inversa para la

suma
𝐴(𝐵𝐶 ) = (𝐴𝐵)𝐶 Asociatividad
𝐴(𝐵 + 𝐶 ) = 𝐴𝐵 + 𝐴𝐶 Distributividad
(𝐵 + 𝐶 )𝐴 = 𝐵𝐴 + 𝐶𝐴 Distributividad
87
TELÉFONO 318-48-63
Y NO LINEALES
Tipos de matrices
Tabla 1. Tipos de matrices
Simétrica Para toda i y para toda j 𝒂𝒊𝒋 = 𝒂𝒋𝒊
𝟏 𝟐
𝑨=( )
𝟐 𝟏
Diagonal Todos los elementos fuera de la diagonal principal son

iguales a cero.
Ilustración 4. Igualdad a 0
Fuente: UDEMEX 2019

Identida Es una matriz diagonal donde todos los elementos de la
d diagonal principal son igual a 1.
Ilustración 5. Igualdad a 1
Fuente: UDEMEX 2019

Triangular Todos los elementos bajo la diagonal principal son cero.
Superior
Derecha
88
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 6. Diagonal principal
Fuente: UDEMEX 2019
Aumentada Es el resultado de aumentarle una columna (o más

columnas) a la matriz original.
Ilustración 7. Aumento de columnas
Fuente: UDEMEX 2019
Fuente: UDEMEX 2019
Ejercicio 1:
Dadas las siguientes matrices:

2 0 1 1 0 1
𝑎 = (3 0 0) ; 𝐵 = (1 2 1)
5 1 1 1 1 0
89
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 8. Ejercicio 1
Fuente: UDEMEX 2019
90
TELÉFONO 318-48-63
Y NO LINEALES
Ejercicio 2: Resolver en forma matricial, el sistema:
𝒙+𝒚+𝒛 = 𝟔
𝒙 + 𝟐𝒚 + 𝟓𝒛 = 𝟏𝟐
𝒙 + 𝟒𝒚 + 𝟐𝟓𝒛 = 𝟑𝟔
𝟏 𝟏 𝟏 𝒙 𝟔
(𝟏 𝟐 𝟓 ) (𝒚) = (𝟏𝟐)
𝟏 𝟒 𝟐𝟓 𝒛 𝟑𝟔
Ilustración 9. Solución ejercicio 2
Fuente: UDEMEX 2019
2.1.1.1 Teoría de los Sistemas Lineales
La forma general de un sistema de ecuaciones algebraicas lineales es de

la forma siguiente:
91
TELÉFONO 318-48-63
Y NO LINEALES
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝐶1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝐶2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝐶3
𝑎𝑛1 𝑥𝑛 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝐶𝑛
Donde las 𝑎𝑖𝑗 son coeficientes constantes, las C son constantes y n es el

número de ecuaciones.
Un sistema de ecuaciones algebraicas lineales se puede representar en

forma matricial como se muestra a continuación:
Ilustración 10. Forma matricial
Fuente: UDEMEX 2019
En donde [𝐴] es una matriz cuadrada de n por n.
 [𝑪] es un vector columna n x 1 de constantes:
[𝑪]𝑻 = [𝑪𝟏 𝑪𝟐 𝑪𝟑 𝑪𝟒 ]
 [𝑋] es un vector columna de n x 1 incógnitas:
[𝑋]𝑇 = [𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 ]
Si 𝑪𝟏 , 𝑪𝟐 , 𝑪𝟑 , 𝑪𝒏 son cero, entonces se dice que el sistema es homogéneo y
tiene por lo menos la solución trivial 𝑥1 = 𝑥2 = 𝑥3 = 𝑥𝑛 = 0, tiene más
soluciones si y solo si, 𝐷 = 0.
92
TELÉFONO 318-48-63
Y NO LINEALES
Si por lo menos 𝑪𝟏 o cualquier otra 𝑪𝒏 no es cero, se dice que el sistema

es no homogéneo. Entonces si D es distinto de cero, el sistema tiene
precisamente una solución que puede obtenerse por algún método
analítico o numérico.
2.2 Métodos de Solución de Sistemas de Ecuaciones Lineales
Estos generalmente son de dos tipos: métodos directos y métodos que

usan técnicas iterativas.
2.2.1 Eliminación Gaussiana
El primer método que se presenta usualmente en álgebra, para la solución

de ecuaciones algébricas lineales simultáneas, es aquel en el que se
eliminan las incógnitas mediante la combinación de las ecuaciones. Este
método se conoce como método de eliminación. Se denomina eliminación
Gaussiana si en el proceso de eliminación se utiliza el esquema particular
atribuido a Gauss.
Utilizando el método de Gauss, un conjunto de "n" ecuaciones con

"n" incógnitas se reduce a un sistema triangular equivalente (un sistema
equivalente es un sistema que tiene iguales valores de la solución), que
a su vez se resuelve fácilmente por sustitución inversa.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones

simultáneas, tal como se muestra, en un sistema triangular equivalente:
93
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 11. Eliminación Gaussiana paso 1
Fuente: UDEMEX 2019
Fuente: UDEMEX 2019
94
TELÉFONO 318-48-63
Y NO LINEALES
3) La ecuación utilizada para eliminar las incógnitas en las ecuaciones

que la siguen se denomina Ecuación Pivote. En la ecuación pivote, el
coeficiente de la incógnita que se va a eliminar de las ecuaciones que la
siguen se denomina el coeficiente pivote.
Fuente: UDEMEX 2019
5) A continuación se utiliza la tercera ecuación como ecuación pivote, y

se usa el procedimiento descrito para eliminar 𝑋3 de todas las ecuaciones
que siguen a la tercera ecuación. Este procedimiento, utilizando diferentes
ecuaciones pivote, se continua hasta que el conjunto original de
ecuaciones se ha reducido a un conjunto triangular como se muestra en
la ecuación.
6) Una vez obtenido el conjunto triangular de ecuaciones, la última

ecuación se este conjunto equivalente suministra directamente el valor
de 𝑋𝑛 . Este valor se sustituye entonces en la antepenúltima ecuación del
conjunto triangular para obtener un valor 𝑋𝑛−1 , que a su vez se utiliza
junto con el valor de 𝑋𝑛 en la penúltima ecuación del conjunto triangular
para obtener un valor 𝑋𝑛−2 y así sucesivamente.
Para ilustrar el método con un conjunto numérico, apliquemos estos
procedimientos a la solución del siguiente sistema de ecuaciones:
𝑋1 + 4𝑋2 + 𝑋3 = 7
95
TELÉFONO 318-48-63
Y NO LINEALES
𝑋1 + 6𝑋2 − 𝑋3 = 13
2𝑋1 − 𝑋2 + 2𝑋3 = 5
Utilizando como Ecuaciones Pivote la primera ecuación (el coeficiente
pivote es unitario), obtenemos:
𝑋1 + 4𝑋2 + 𝑋3 = 7
2𝑋2 − 2𝑋3 = 6
9𝑋2 + (0)𝑋3 = −9
A continuación, utilizando la segunda ecuación del sistema como ecuación
pivote y repitiendo el procedimiento, se obtiene el siguiente sistema
triangular de ecuaciones:
𝑋1 + 4𝑋2 + 𝑋3 = 7
2𝑋2 − 2𝑋3 = 6
−9𝑋3 = 18
Finalmente, mediante sustitución inversa, comenzando con la última de
las ecuaciones se obtienen los siguientes valores:
𝑋3 = −2
𝑋2 = 1
𝑋1 = 5
Ejercicio 1
Resolver los sistemas siguientes por el método de Eliminación Gaussiana
2𝑥 + 6𝑥 + 𝑧 = 7
𝑥 + 2𝑦 − 𝑧 = −1
5𝑥 + 7𝑦 − 4𝑧 = 9
96
TELÉFONO 318-48-63
Y NO LINEALES
Fuente: UDEMEX 2019
97
TELÉFONO 318-48-63
Y NO LINEALES
Ejercicio 2:
𝟐𝒙 − 𝒚 = 𝟎
−𝒙 + 𝟐𝒚 − 𝒛 = 𝟎
−𝒚 + 𝟐𝒛 − 𝒕 = 𝟎
−𝒛 + 𝟐𝒕 = 𝟓
Fuente: UDEMEX 2019
98
TELÉFONO 318-48-63
Y NO LINEALES
Desventajas del método de eliminación Gaussiana.

Figura 17. Desventajas del método de eliminación Gaussiana
División entre cero
Errores de redondeo
Una de sus desventajas es
que durante el proceso en Sistemas Mal
las fases de eliminación y La computadora maneja las fracciones en
forma decimal con cierto número limitado de
Condicionados
sustitución es posible que cifras decimales, y al manejar fracciones que
se transforman a decimales que nunca
ocurra una división entre terminan, se introduce un error en la
La obtención de la solución depende de la
condición del sistema. En sentido matemático, los
solución de la computadora. Este se llama
cero. Se ha desarrollado error por redondeo. Cuando se va a resolver
Sistemas Bien Condicionados son aquellos en los
que un cambio en uno o más coeficientes provoca
una estrategia del pivoteo solamente un pequeño número
ecuaciones, el error por redondeo es
de un cambio similar en la solución. Los sistemas
mal condicionados son aquellos en los que
para evitar parcialmente pequeño y generalmente no se afecta cambios pequeños en los coeficientes provocan
sustancialmente la precisión de los cambios grandes en la solución. Una
estos problemas. resultados, pero si se van a resolver interpretación diferente del mal condicionamiento
simultáneamente muchas ecuaciones, el es que un rango amplio de respuestas puede
satisfacer aproximadamente al sistema. Ya que
efecto acumulativo del error por redondeo los errores de redondeo pueden inducir cambios
puede introducir errores relativamente pequeños en los coeficientes, estos cambios
grandes en la solución. artificiales pueden generar errores grandes en la
solución de sistemas mal condicionados. (Nieves,
A., y Domínguez, F., 2006).
Fuente: UDEMEX 2019 con información de Nieves, A., y Domínguez, F., (2006)
2.2.2 Matriz Inversa

Si una matriz A es cuadrada no singular (A=0), hay otra matriz 𝐴−1
llamada inversa A tal que:
𝐴 𝐴−1 = 𝐴−1 𝐴 = 𝐼
Pope., J. D., (2013).
La inversa se puede calcular en forma de columna por columna,

generando soluciones con vectores unitarios como las constantes del lado
derecho. Por ejemplo, si las constantes del lado derecho de la ecuación
tienen un número 1 en la primera posición, y ceros en las otras.
99
TELÉFONO 318-48-63
Y NO LINEALES
1
{𝑏} = {0}
0
La solución resultante será la primera columna de la matriz inversa. En

forma similar, si se emplea un vector unitario que tiene un número 1 en
el segundo renglón:
0
{𝑏} = {1}
0
El resultado será la segunda columna de la matriz inversa.

(Chapra&Canale, 2006).
2.2.3 Gauss-Jordán
La estrategia de este método consiste en transformar la matriz A del

sistema AX=B y reducirla a la matriz idéntica I. esto es posible si |𝐴| ≠ 0
Aplicando simultáneamente las mismas transformaciones al vector B,
este se convertirá en el vector solución 𝐴−1 𝐵.
En caso de que la solución exista, el procedimiento debe transformar las

ecuaciones mediante operaciones lineales que no modifiquen la solución
del sistema original, estas pueden ser:
a) Intercambiar ecuaciones.
b) Multiplicar ecuaciones por alguna constante nula.
c) Sumar alguna ecuación a otra ecuación.
Formulación del método.
Para establecer la descripción, conviene definir la matriz aumentada A con

el vector B se deben realizarse simultáneamente las mismas operaciones:
100
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 16. Formulación del método
Fuente: UDEMEX 2019
En donde se ha agregado la columna n + 1 con el vector de las

constantes:
𝑎𝑖,𝑛+1 = 𝑏𝑖, 𝑖 = 1,2,3, … , 𝑛
(Columna n+1 de la matriz aumentada)
El objetivo es transformar esta matriz y llevarla a la forma de la matriz

identidad I:
Ilustración 17. Matriz identidad I
Fuente: UDEMEX 2019
Si es posible realizar esta transformación, entonces los valores que

quedan en la última columna constituirán el vector solución X. Las
transformaciones deben ser realizadas en forma sistemática en n etapas,
obteniendo sucesivamente en cada etapa, cada columna de la matriz
identidad, de izquierda a derecha.
En cada etapa, primero se hará que el elemento en el diagonal tome el

valor 1. Luego se hará que los demás elementos de la columna tomen el
valor 0.
101
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 18. Toma de valores
Fuente: UDEMEX 2019
Ilustración 19. Etapa 1
Fuente: UDEMEX 2019
102
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 20. Etapa 2
Fuente: UDEMEX 2019
La última columna contendrá el vector solución. (Rodríguez, L., 2011).
Teorema de Rouché-Frobenius
Sea 𝐴 ∙ 𝑋 = 𝐵 es un sistema de 𝑚 ecuaciones lineales con 𝑛 incógnitas

(sobre un cuerpo en general), siendo 𝑚 y 𝑛 naturales (no nulos);
 𝐴 ∙ 𝑋 = 𝐵 es compatible si, y solo si, rango(A)=rango(A|B).

 𝐴∙𝑋 =𝐵 es compatible determinado si, y solo si,
rango(A)=n=rango(A|B).
Ejercicio 1:
Aplicamos el método de eliminación de Gauss-Jordán: obtener

la forma escalonada reducida de la matriz ampliada del sistema de
ecuaciones mediante operaciones elementales fila (o columna). Una
vez obtenida la matriz, aplicaremos el Teorema de Rouché-
Frobenius para determinar el tipo de sistema.
5𝑥 + 2𝑦 = 3
103
TELÉFONO 318-48-63
Y NO LINEALES
−3𝑥 + 3𝑦 = 15
La matriz ampliada del sistema es:
5 2 3
( | )
−3 3 15
Realizamos operaciones elementales fila por obtener la matriz en

forma escalonada reducida:
Multiplicamos la primera fila por 1/5 y la segunda por 1/3
5 2 3 1 2/5 3/5
( | )→( | )
−3 3 15 −1 1 5
Sumamos a la segunda fila la primera:
1 2/5 3/5 1 2/5 3/5

( | )→( | )
−1 1 5 0 7/5 28/5
Multiplicamos la segunda fila por 5/7:
1 2/5 3/5 1 2/5 3/5

( | )→( | )
0 7/5 28/5 0 1 4
Sumamos a la primera fila la segunda fila multiplicada por -2/5:
1 2/5 3/5 1 0 −1
( | )→( | )
0 1 4 0 1 4
Calculamos los rangos:
1 0 −1 1 0
𝑟𝑎𝑛𝑔𝑜 ( | ) = 2 = 𝑟𝑎𝑛𝑔𝑜 ( )
0 1 4 0 1
Por el Teorema de Rouché-Frobenius, el sistema es compatible

determinado. La matriz obtenida representa el sistema.
𝑦 = −1
𝑦=4
Que son las soluciones del sistema inicial.
104
TELÉFONO 318-48-63
Y NO LINEALES
Ejercicio 2:
𝑥 + 2𝑦 + 3𝑧 = 1
−3𝑥 − 2𝑦 − 𝑧 = 2
4𝑥 + 4𝑦 + 4𝑧 = 3
La matriz ampliada del sistema es:
1 2 3 1
(−2 −2 −1| 2)
4 4 4 3
Realizamos operaciones elementales fila para obtener la matriz en forma
escalonada reducida.
Multiplicamos la segunda fila por -1/3 y la tercera por ¼:
1 2 3 1 1 2 3 1
(−2 −2 −1| 2) → (1 2/3 1/3| −2/3 )
4 4 4 3 1 1 1 3/4
Sumamos a las filas segunda y tercera la primera multiplicada por -/:
1 2 3 1 1 2 3 1
(1 2/3 1/3| −2/3 ) → (0 −4/3 −8/3| −5/3 )
1 1 1 3/4 0 −1 −2 −1/4
Multiplicamos la segunda fila por -3/4 y la tercera por -/:
1 2 3 1 1 2 3 1
(0 −4/3 −8/3| −5/3 ) → (0 1 2| 5/4)
0 −1 −2 −1/4 0 1 2 1/4
Sumamos a la tercera fila la segunda multiplicada por -/:
1 2 3 1 1 2 3 1
(0 1 2| 5/4) → (0 1 2| 5/4)
0 1 2 1/4 0 0 0 −1
No se continua ya que:
1 2 3 1 1 2 3
𝑟𝑎𝑛𝑔𝑜 (0 1 2| 5/4) = 3 ≠ 2 = 𝑟𝑎𝑛𝑔𝑜 (0 1 2)
0 0 0 −1 0 0 0
Por el Teorema de Rouché-Frobenius, el sistema es incompatible
2.2.4 Regla de Cramer
La regla de Cramer se aplica para resolver sistemas de ecuaciones lineales

que cumplan las siguientes condiciones:
1. El número de ecuaciones es igual al número de incógnitas.

2. El determinante de la matriz de los coeficientes es distinto de cero.
105
TELÉFONO 318-48-63
Y NO LINEALES
Se define un determinante de tercer orden para el sistema:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
Sea ∆ el determínate de la matriz de coeficientes:
Ilustración 21. Determinante de matriz
Fuente: UDEMEX 2019
La regla de Cramer tiene una solución (es un sistema compatible

determinante) y está dado por las siguientes expresiones:
∆1 ∆2 ∆3 … ∆𝑛
∆1 = ∆2 = ∆3 = ∆𝑛 =
∆ ∆ ∆ ∆
106
TELÉFONO 318-48-63
Y NO LINEALES
∆1, ∆2,∆3, … ∆𝑛 , son los determinantes que se obtiene al sustituir los

coeficientes del 2° miembro (los términos independientes) en la 1ª
columna, en la 2ª columna, en la 3ª columna y en la enésima columna.
Ilustración 22. Regla de Cramer
Fuente: UDEMEX 2019
Fuente: UDEMEX 2019
107
TELÉFONO 318-48-63
Y NO LINEALES
Fuente: UDEMEX 2019
108
TELÉFONO 318-48-63
Y NO LINEALES

a este tema.
ACTIVIDAD
COMPLEMENTARIA 2.1
ACTIVIDAD DE
APRENDIZAJE 2.1
109
TELÉFONO 318-48-63
Y NO LINEALES
2.3 Métodos iterativos
Un método iterativo es un método que progresivamente va calculando

aproximaciones a la solución de un problema. En Matemáticas, en un
método iterativo se repite un mismo proceso de mejora sobre una
solución aproximada: se espera que lo obtenido sea una solución más
aproximada que la inicial. El proceso se repite sobre esta nueva solución
hasta que el resultado más reciente satisfaga ciertos requisitos. A
diferencia de los métodos directos, en los cuales se debe terminar el
proceso para tener la respuesta, en los métodos iterativos se puede
suspender el proceso al término de una iteración y se obtiene una
aproximación a la solución. (Departamento de Matemáticas, CCIR/ITESM,
2009).
Un elemento en contra que tienen los métodos iterativos sobre los

métodos directos es que calculan aproximaciones a la solución. Los
métodos iterativos se usan cuando no se conoce un método para obtener
la solución en forma exacta. También se utilizan cuando el método para
determinar la solución exacta requiere mucho tiempo de cálculo, cuando
una respuesta aproximada es adecuada, y cuando el número de
iteraciones es relativamente reducido.
Un método iterativo consta de los siguientes pasos.
Figura 18. Pasos del método iterativo
1. Inicia con una solución

aproximada (semilla).
2. Ejecuta una serie de cálculos

para obtener o construir una mejor
aproximación partiendo de la
3. Se repite el paso anterior, pero
aproximación semilla. La fórmula
usando como semilla la
que permite construir la
aproximación obtenida.
aproximación usando otra se
conoce como ecuación de
recurrencia.
Fuente: UDEMEX 2019
110
TELÉFONO 318-48-63
Y NO LINEALES
2.3.1 Jacobi
El método Jacobi es el método iterativo para resolver sistemas de

ecuaciones lineales más simple y se aplica sólo a sistemas cuadrados, es
decir a sistemas con tantas incógnitas como ecuaciones.
1. Primero se determina la ecuación de recurrencia. Para ello, se

ordenan las ecuaciones y las incógnitas. De la ecuación 𝑖 se despeja
la incógnita 𝑖. En notación matricial se escribe como:
𝑥 = 𝑐 + 𝐵𝑥
Donde 𝑥 es el vector de incógnita.
2. Se toma una aproximación para las soluciones y a ésta se le designa
por 𝑥0 .
3. Se itera en el ciclo que cambia la aproximación. (Departamento de
Matemáticas, CCIR/ITESM, 2009).
En este método la matriz tangente que interviene en cada iteración

[𝐽𝑓 (𝑥 (𝑖) )] se sustituye por otra con la misma diagonal pero con todos sus
demás elementos nulos. Más concretamente, denotando por [𝐷𝑓 (𝑥 (𝑖) )] a la
matriz.
Ilustración 25. Método Jacobi
Fuente: UDEMEX 2019
Se utilizará el esquema iterativo:

−1
𝑥 (𝑖+1) = 𝑥 (𝑖) − [𝐷𝑓 (𝑥 (𝑖) )] ∙ 𝑓(𝑥 (𝑖) )(𝑖 = 0,1, … )
Esta forma de proceder efectivamente reduce de forma notable el número

de operaciones (sólo conlleva evaluar n funciones derivadas en lugar de
n2 y además la inversión de una matriz diagonal sólo implica n
operaciones). Pero sólo es válida si los elementos no diagonales de la
111
TELÉFONO 318-48-63
Y NO LINEALES
matriz jacobiana son pequeños comparados con los términos diagonales.

(Conde, C. y Schiavi, E., 2010).
Ejercicio 1:
Resolver el siguiente sistema de tres ecuaciones por el Método de Jacobi:
17𝑥1 − 2𝑥2 − 3𝑥3 = 500
−5𝑥1 + 21𝑥2 − 2𝑥3 = 200
−5𝑥1 − 5𝑥2 + 22𝑥3 = 30
Resuelva este problema para un 𝜀𝑎 = 5%
Si lo pasamos al formato de una matriz y su vector de resultados,

obtenemos lo siguiente:
17 −2 −3 𝑥1 500
[−5 21 −2] {𝑥2 } = [200]
−5 −5 22 𝑥3 30
Las siguientes formulas las utilizamos para encontrar 𝑥1 , 𝑥2 𝑦 𝑥3 , en cada

una de las iteraciones:
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
Para la primera iteración el valor de 𝑥1 , 𝑥2 𝑦 𝑥3 a sustituir en cada una se

asumirá como cero. Entonces para 𝑥1 :
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
500 − (−2) ∙ 𝑥2 − (−3) ∙ 𝑥3

𝑥1 =
17
112
TELÉFONO 318-48-63
Y NO LINEALES
500 − (−2) ∙ 0 − (−3) ∙ 0

𝑥1 =
17
𝑥1 = 29.41176
Para 𝑥2 :
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
200 − (−5) ∙ 𝑥1 − (−2) ∙ 𝑥3

𝑥2 =
21
200 − (−5) ∙ 0 − (−2) ∙ 0

𝑥2 =
21
𝑥2 = 9.52381
Para 𝑥3 :
𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
30 − (−5) ∙ 𝑥1 − (−5) ∙ 𝑥2
𝑥3 =
22
30 − (−5) ∙ 0 − (−5) ∙ 0
𝑥3 =
22
𝑥3 = 1.36364
Entonces en la primera iteración:
𝑥1 = 29.41176
𝑥2 = 9.52381
𝑥3 = 1.36364
Para calcular los nuevos valores de la segunda iteración se utilizarán los

resultados de 𝑥1 , 𝑥2 𝑦 𝑥3 obtenidos en la primera iteración. Entonces 𝑥1 :
113
TELÉFONO 318-48-63
Y NO LINEALES
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
500 − (−2) ∙ 𝑥2 − (−3) ∙ 𝑥3

𝑥1 =
17
500 − (−2) ∙ 9.52381 − (−3) ∙ 1.36364

𝑥1 =
17
𝑥1 = 30.77285
Para 𝑥2 :
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
200 − (−5) ∙ 𝑥1 − (−2) ∙ 𝑥3

𝑥2 =
21
200 − (−5) ∙ 29.41176 − (−2). 36364

𝑥2 =
21
𝑥2 = 16.65648
Para 𝑥3 :
𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
30 − (−5) ∙ 𝑥1 − (−5) ∙ 𝑥2
𝑥2 =
22
30 − (−5) ∙ 29.41176 − (−5) ∙ 9.52381

𝑥2 =
22
𝑥3 = 10.21263
Por tanto, en la segunda iteración:
𝑥1 = 30.77285
𝑥2 = 16.65648
114
TELÉFONO 318-48-63
Y NO LINEALES
𝑥3 = 10.21263
Una vez obtenidos estos resultados se deben calcular el error aproximado

porcentual para cada uno, para ello se utilizará la siguiente formula:
𝑥1𝑛𝑢𝑒𝑣𝑜 − 𝑥1𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝜀𝑎 = [ ] ∙ 100%
𝑥1𝑛𝑢𝑒𝑣𝑜
Para 𝑥1 :
𝜀𝑎𝑥1 = [ ] ∙ 100%
30.77285 − 29.41176
𝜀𝑎𝑥1 = [ ] ∙ 100%
30.77285
𝜀𝑎𝑥1 = 4.423% < 5%
Para 𝑥2 :
𝜀𝑎𝑥2 = [ ] ∙ 100%
16.65648 − 9.52381
𝜀𝑎𝑥2 = [ ] ∙ 100%
16.65648
𝜀𝑎𝑥2 = 42.822% > 5%
Para 𝑥3 :
𝜀𝑎𝑥3 = [ ] ∙ 100%
10.21263 − 1.36364
𝜀𝑎𝑥3 = [ ] ∙ 100%
10.21263
𝜀𝑎𝑥3 = 86.648% > 5%
115
TELÉFONO 318-48-63
Y NO LINEALES
Dado que en dos de las incógnitas el error aproximado porcentual es

mayor a un 5% se debe hacer una nueva iteración. Se continúa
realizando el mismo procedimiento con los nuevos valores de X obtenidos
hasta que los errores aproximados porcentuales en las tres incógnitas
sean menores que el 5%. El resultado de estas iteraciones se presenta
en la siguiente imagen:
Ilustración 26. Resultado de iteraciones
Fuente: UDEMEX 2019
Se resaltan los datos donde los errores obtenidos son menores que 5%,
se logra un error aproximado porcentual menor en las tres incógnitas
hasta la quinta iteración. Por lo tanto, los resultados aproximados que
cumplen con la condición establecida son:
𝑥1 = 33.88347
𝑥2 = 18.76977
𝑥3 = 13.23415
Si sustituimos estos valores en las ecuaciones originales para verificar los

resultados tenemos:
17 ∗ (33.88347) − 2 ∗ (18.76977) − 3 ∗ (13.23415) = 498.77703
−5 ∗ (33.88347) + 21 ∗ (18.76977) − 2 ∗ (13.23415) = 198.27957
−5 ∗ (33.88347) − 5 ∗ (18.76977) ∓ 22 ∗ (13.23415) = 27.88613
Al calcular los porcentajes de erro de estos resultados se obtiene lo

siguiente:
116
TELÉFONO 318-48-63
Y NO LINEALES
500 − 498.77703
𝐸𝑟𝑟𝑜𝑟𝐸𝐶1 = ∙ 100% = 0.03%
500
200 − 198.27957
𝐸𝑟𝑟𝑜𝑟𝐸𝐶2 = ∙ 100% = 0.10%
200
30 − 27.88613
𝐸𝑟𝑟𝑜𝑟𝐸𝐶3 = ∙ 100% = 0.88%
30
De acuerdo con estos datos se puede observar que los resultados

obtenidos son una aproximación muy buena de los valores verdaderos.
Ejercicio 2:
Considere el sistema lineal:
6𝑥1 − 𝑥2 + 2𝑥3 = 21
4𝑥1 − 8𝑥2 + 𝑥3 = 5
−3𝑥1 + 4𝑥2 + 10𝑥3 = 48
El procedimiento consiste en despejar 𝑥1 de la 𝑖 − é𝑠𝑖𝑚𝑎 ecuación así:
𝑥2 − 2𝑥3 + 21 1 1 7
𝑥1 = = 𝑥2 − 𝑥3 +
6 6 3 2
−4𝑥1 − 𝑥3 + 5 1 1 5
𝑥2 = = 𝑥1 − 𝑥3 −
−8 2 8 8
3𝑥1 − 4𝑥2 + 48 3 2 24
𝑥3 = = 𝑥1 − 𝑥2 +
10 10 5 5
Este sistema se puede establecer en la forma matricial 𝑋 = 𝑇 𝑋 + 𝐶
𝑥1 0 1/6 −1/3 𝑥1 7/2

𝑥
[ 2 ] = [ 1/2 0 𝑥
1/8 ] [ 2 ] + [−5/8]
𝑥3 3/10 −2/5 0 𝑥3 24/5
La sucesión de vectores {𝑥 (𝑘) } estaría dada por lo siguiente:
117
TELÉFONO 318-48-63
Y NO LINEALES
(𝑘−1) (𝑘−1)
(𝑘) 𝑥2 − 2𝑥3 + 21
𝑥1 =
6
(𝑘−1) (𝑘−1)
(𝑘) −4𝑥1 − 𝑥3 +5
𝑥2 =
−8
(𝑘−1) (𝑘−1)
(𝑘) 3𝑥1 − 4𝑥2 + 48
𝑥3 =
10
𝑘 = 1, 2, 3, …
(0) (0) (0)
Si se toma como aproximación inicial 𝑥 (0) = (𝑥1 , 𝑥2 , 𝑥3 ) = (0,0,0)
entonces la primera aproximación 𝑥 (1) es:
(0) (0)
(1) 𝑥 − 2𝑥3 + 21 0 − 2(0) + 21
𝑥1 = 2 = = 3.5
6 6
(0) (0)
(1) −4𝑥1 − 𝑥3 + 5 −4(0) − 0 + 5
𝑥2 = = = 0.625
−8 −8
(0) (0)
(1) 3𝑥 − 4𝑥2 + 48 3(0) − 4(0) + 48
𝑥3 = 1 = = 4.8
10 10
(1)
𝑥1 3.5
𝑥 (1)
= (𝑥2(1) ) = (−0.625)
𝑥3
(1) 4.8
La segunda aproximación 𝑥 (2) es:

(1) (1)
(2) 𝑥 − 2𝑥3 + 21 −0.625 − 2(4.8) + 21
𝑥1 = 2 = = 1.79583
6 6
(1) (1)
(2) −4𝑥1 − 𝑥3 + 5 −4(3.5) − (4.8) + 5
𝑥2 = = = 1.725
−8 −8
(1) (1)
(2) 3𝑥 − 4𝑥2 + 48 3(3.5) − 4(−0.625) + 48
𝑥3 = 1 = = 6.1
10 10
118
TELÉFONO 318-48-63
Y NO LINEALES
(2)
𝑥1 1.79583
𝑥 (2) = (𝑥2(2)) = ( 1.725 )
𝑥
(2) 6.1
3
A continuación, se muestran los resultados de las 5 primeras iteraciones,

como se muestra en la siguiente imagen:
Ilustración 27. Resultados obtenidos
Fuente: UDEMEX 2019
El procedimiento o método de Jacobi, inicialmente se elige 𝑥 0 como la

mejor suposición disponible o simplemente se toma el vector 0. El
procedimiento se repite un número prescrito de veces o hasta que se
alcance lo que se considera una buena precisión en el vector 𝑥 (𝑘) o hasta
que:
‖𝑥 (𝑘) − 𝑥 (𝑘−1) ‖
<𝜀
‖𝑥 (𝑘) ‖
119
TELÉFONO 318-48-63
Y NO LINEALES
Donde 𝜀 es una tolerancia o margen de error previamente establecido, se

iteró hasta que:
‖𝑥 (𝑘) − 𝑥 (𝑘−1) ‖
≤ 0.05
‖𝑥 (𝑘) ‖
En general cuando se aplica el método de Jacobi a un sistema lineal de

tamaño 𝑛𝑥𝑛, se despeja 𝑥𝑖 en la 𝑖 − é𝑠𝑖𝑚𝑎 ecuación.
2.3.2 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 𝑥𝑖+1 , 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 de 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.
En esta variante del método de Newton-Raphson, la matriz tangente de

cada iteración es sustituida por otra triangular inferior en la que los
elementos de la diagonal y los que están por debajo de ella coinciden con
los de la matriz Jacobiana.
Más concretamente, siendo [𝐺𝑓 (𝑥 (𝑖) )] la matriz:
Ilustración 28. Método de Gauss-Seidel
Fuente: UDEMEX 2019
El esquema que se emplea es:

−1
𝑥 (𝑖+1) = 𝑥 (𝑖) − [𝐺𝑓 (𝑥 (𝑖) )] ∙ 𝑓(𝑥 (𝑖) ) (𝑖 = 0, 1, … )
120
TELÉFONO 318-48-63
Y NO LINEALES
En esta variante del método de Newton-Raphson también se reduce de

forma notable el numeroo deoperaciones (solo conlleva evaluar 𝑛 ∙ (𝑛 +
1)/2), funciones derivadas en lugar de 𝑛2 y además la inversión de una
matriz triangular solo implica del oren de 𝑛2 operaciones. Pero también
su límite de validez lo marcara la pequeñez de los términos que se están
despreciando en el matriz triangular (CondE & Schiavi, 2010).
El método de Gauss-Seidel es un método iterativo y por lo mismo resulta

ser bastante eficiente. Se comienza planteando el sistema de ecuaciones
con el que se va a trabajar.
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
De la ecuación anterior, despejamos 𝑥1 , de la misma ecuación,

despejamos 𝑥2 , de la ecuación 𝑛 despejamos 𝑥𝑛 . Esto da el siguiente
conjunto de ecuaciones:
𝑏1 − 𝑎22 𝑥2 − ⋯ − 𝑎1𝑛 𝑥𝑛
𝑥1 =
𝑎11
𝑏2 − 𝑎21 𝑥1 − ⋯ − 𝑎2𝑛 𝑥𝑛
𝑥2 =
𝑎22
𝑏𝑛 − 𝑎11 𝑥1 − ⋯ − 𝑎𝑛𝑛 𝑥𝑛−1

𝑥𝑛 =
𝑎𝑛𝑛
Este último conjunto de ecuaciones son las que forman las formulas
iterativas con las que se va a trabajar. Para comenzar el proceso iterativo,
se le da el valor de cero a las variables 𝑥2 , 𝑥𝑛 ; esto dará un primer valor
para 𝑥1 . Se tiene lo siguiente:
𝑏1
𝑥1 =
𝑎11
Enseguida, se sustituye este valor de 𝑥1 en la ecuación de 𝑥2 , y las
variables 𝑥3 , 𝑥𝑛 siguen teniendo el valor de cero. Esto da el siguiente valor
para 𝑥2 :
121
TELÉFONO 318-48-63
Y NO LINEALES
𝑏
𝑏2 − 𝑎21 (𝑎 1 )
11
𝑥2 =
𝑎22
Estos últimos valores de 𝒙𝟏 y 𝒙𝟐 se sustituyen en la ecuación 𝒙𝟑 mientras
que 𝒙𝟒 , 𝒙𝒏 siguen teniendo el valor de cero; y así sucesivamente hasta
llegar a la última ecuación. Todo este paso arrojará una lista de primeros
valores para las incógnitas, la cual conforma el primer paso en el proceso
iterativo. Para una mejor comprensión esto se simbolizará de esta forma:
𝑥1 = 𝑎1
𝑥2 = 𝑎2
⋮
𝑥𝑛 = 𝑎𝑛
Se vuelve a repetir el proceso, pero ahora sustituyendo estos últimos

datos en vez de ceros como al inicio. Se obtendrá una segunda lista de
valores para cada una de las incógnitas, lo cual se simbolizará así:
𝑥1 = 𝛽1
𝑥2 = 𝛽2
𝑥𝑛 = 𝛽𝑛
Se pueden calcular los errores aproximados relativos, respecto a cada una

de las incógnitas. La lista de errores se presenta a continuación:
𝛽 − 𝑎1
|∈𝑅1 | = | 1 ∙ 100%|
𝛽1
𝛽 − 𝑎2
|∈𝑅2 | = | 2 ∙ 100%|
𝛽2
𝛽 − 𝑎𝑛
|∈𝑅𝑛 | = | 𝑛 ∙ 100%|
𝛽𝑛
El proceso se vuelve a repetir hasta que:
|∈𝑅𝑖 | <∈5´ ∀𝑖 = 1, 2, … , 𝑛
122
TELÉFONO 318-48-63
Y NO LINEALES
Donde ∈5 se debe prefijar convenientemente.
Ejercicio 1:
Desarrolla el siguiente ejercicio del método de Gauss-Seidel:
6𝑥1 − 𝑥2 + 2𝑥3 = 21 𝑥2 − 2𝑥3 + 21

𝑥1 =
6
4𝑥1 − 8𝑥2 + 𝑥3 = 5 −4𝑥1 − 𝑥3 + 5
𝑥2 =
−8
−3𝑥1 + 4𝑥2 + 10𝑥3 𝑥3
= 48 3𝑥1 − 4𝑥2 + 48
=
10
Con la siguiente representación:
(0)
𝑥1 0
𝑥 (0) = (𝑥2(0) ) = (0)
(0) 0
𝑥 3
La primera aproximación 𝑥 (1) que resulta con la modificación es:

(0) (0)
(1) 𝑥 − 2𝑥3 + 21 0 − 2(0) + 21
𝑥1 = 2 = = 3.5
6 6
(1) (0)
(1) −4𝑥1 − 𝑥3 + 5 −4(3.5) − 0 + 5
𝑥2 = = = 1.125
−8 −8
(1) (1)
(1) 3𝑥 − 4𝑥2 + 48 3(3.5) − 4(1.125) + 48
𝑥3 = 1 = = 5.4
10 10
(1)
𝑥1 3.5
(1) (1)
𝑥 (
= 𝑥2 ) = 1.125)
(
𝑥
(1) 5.4
3
La segunda aproximación es:

(1) (1)
(2) 𝑥 − 2𝑥3 + 21 1.125 − 2(5.4) + 21
𝑥1 = 2 = = 1.8875
6 6
123
TELÉFONO 318-48-63
Y NO LINEALES
(2) (1)
(2) −4𝑥1 − 𝑥3 + 5 −4(1.8875) − 5.4 + 5
𝑥2 = = = 0.99375
−8 −8
(2) (2)
(2) 3𝑥 − 4𝑥2 + 48 3(1.8875) − 4(0.99375) + 48
𝑥3 = 1 = = 4.96875
10 10
(2)
𝑥1 1.8875
𝑥 (2) = (𝑥2(2)) = (0.99375)
𝑥
(2) 4.96875
3
De la misma forma la tercera aproximación es:
2.00937
(3)
𝑥 = (1.00077)
5.00250
El error relativo entre 𝑥 (3)y 𝑥 (2) usando la norma infinito es 𝑥 (3) − 𝑥 (2) =
(0.12187,0.00702,0.03375)
‖𝑥 (3) − 𝑥 (2) ‖∞ 0.12187

= = 0.0243618
‖𝑥 (3) ‖ ∞ 5.00250
La solución exacta del sistema 𝑥 = (2,1,5), el error relativo entre 𝑥 (3) y 𝑥

usando la norma infinita es:
‖𝑥 − 𝑥 (3)‖∞ 0.00937
= = 0.001874
‖𝑥 ‖∞ 5
Para este sistema el método de Gauss-Seidel converge a la solución más

rápido que el método de Jacobi.
Ejercicio 2:
Resolver el siguiente sistema de tres ecuaciones por el Método de Gauss-

Seidel:
17𝑥1 − 2𝑥2 − 3𝑥3 = 500
−5𝑥1 + 21𝑥2 − 2𝑥3 = 200
124
TELÉFONO 318-48-63
Y NO LINEALES
−5𝑥1 − 5𝑥2 + 22𝑥3 = 30
Resuelve este problema para un ∈2 = 5%. Si lo pasamos al formato de una

matriz y su vector de resultados, obtenemos lo siguiente:
17 −2 −3 𝑥1 500
𝑥
[−5 21 −2] { 2 } = {200}
−5 −5 22 𝑥3 30
Las siguientes formulas las utilizamos para encontrar 𝑥1 , 𝑥2 y 𝑥3 en cada

una de las iteraciones:
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
Para calcular el primer valor de 𝑥1 se asumirán 𝑥2 y 𝑥3 con valores cero.

Entonces para 𝑥1 :
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
500 − (−2) ∙ 𝑥2 − (−3) ∙ 𝑥3

𝑥1 =
17
500 − (−2) ∙ 0 − (−3) ∙ 0

𝑥1 =
17
𝑥1 = 29.41176
Para calcular el valor de 𝑥2 , se utilizará el valor encontrado de 𝑥1 , y el

valor de 𝑥3 se asumirá como cero
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
125
TELÉFONO 318-48-63
Y NO LINEALES
200 − (−5) ∙ 𝑥1 − (−2) ∙ 𝑥3

𝑥2 =
21
200 − (−5) ∙ 29.41176 − (−2) ∙ 0

𝑥2 =
21
𝑥2 = 16.52661
Para calcular el valor de 𝑥3 se utilizará el valor encontrado de 𝑥1 y 𝑥2 en

los pasos anteriores:
𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
30 − (−5) ∙ 𝑥1 − (−5) ∙ 𝑥2
𝑥3 =
22
30 − (−5) ∙ 29.41176 − (−5) ∙ 16.52661

𝑥3 =
22
𝑥3 = 11.80418
Entonces en la primera iteración:
𝑥1 = 29.41176
𝑥2 = 16.52661
𝑥3 = 11.80418
Para la segunda iteración, en el cálculo de 𝑥1 , el valor de 𝑥2 y 𝑥3 , serán los

calculados anteriormente. Entonces para 𝑥1 tenemos:
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
500 − (−2) ∙ 𝑥2 − (−3) ∙ 𝑥3

𝑥1 =
17
500 − (−2) ∙ 16.52661 − (−3) ∙ 11.880418

𝑥1 =
17
𝑥1 = 33.43916
126
TELÉFONO 318-48-63
Y NO LINEALES
Para 𝑥2 , se utiliza el valor de 𝑥3 de la primera iteración y el valor de 𝑥1 de

la segunda iteración tenemos:
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
200 − (−5) ∙ 𝑥1 − (−2) ∙ 𝑥3

𝑥2 =
21
200 − (−5) ∙ 33.43916 − (−2) ∙ 11.80418

𝑥2 =
21
𝑥2 = 18.60972
Para 𝑥3 se utiliza el valor de 𝑥1 y 𝑥2 calculamos en la segunda iteración

tenemos:
𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
30 − (−5) ∙ 𝑥1 − (−5) ∙ 𝑥2
𝑥2 =
22
30 − (−5) ∙ 33.43916 − (−5) ∙ 18.60972

𝑥2 =
22
𝑥3 = 13.19293
Entonces para la segunda iteración tenemos lo siguiente:
𝑥1 = 33.43916
𝑥2 = 18.60972
𝑥3 = 13.19293
Una vez obtenidos estos resultados, se debe calcular el error aproximado

porcentual para cada uno de los resultados, para ello utilizamos la
siguiente fórmula:
𝜀𝑎 = [ ] ∙ 100%
127
TELÉFONO 318-48-63
Y NO LINEALES
Para 𝑥1 tenemos:
𝜀𝑎𝑥1 =[ ] ∙ 100%
33.43916 − 29.41176
𝜀𝑎𝑥1 = [ ] ∙ 100%
33.43916
𝜀𝑎𝑥1 = 12.04% > 5%
Para 𝑥2 :
𝜀𝑎𝑥2 =[ ] ∙ 100%
18.60972 − 16.65648
𝜀𝑎𝑥2 = [ ] ∙ 100%
18.60972
𝜀𝑎𝑥2 = 11.194% > 5%
Para 𝑥3 :
𝜀𝑎𝑥3 = [ ] ∙ 100%
13.19293 − 11.80418
𝜀𝑎𝑥3 = [ ] ∙ 100%
13.19293
𝜀𝑎𝑥3 = 10.526% > 5%
Dado que en las tres incógnitas el error aproximado porcentual es mayor

a un 5% se debe hacer una nueva iteración. Se continúa realizando el
mismo procedimiento con los nuevos valores de X obtenidos hasta que
los errores aproximados porcentuales en las tres incógnitas sean menores
que el 5%.
El resultado de estas iteraciones siguiendo el mismo procedimiento, se

presenta en la tabla imagen:
128
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 29. Resultados de iteraciones
Fuente: UDEMEX 2019
Se resaltan los datos donde los errores obtenidos son menores que 5%,
se logra un error aproximado porcentual menor en las tres incógnitas en
la tercera iteración. Por lo tanto, los resultados aproximados que cumplen
con la condición establecida son:
𝑥1 = 33.92931
𝑥2 = 18.85869
𝑥3 = 13.36091
Si sustituimos estos valores en las ecuaciones originales para verificar los

resultados obtenemos que:
17 ∗ (33.92931) − 2 ∗ (18.85869) − 3 ∗ (13.36091) = 498.99813
−5 ∗ (33.92931) + 21 ∗ (18.85869) − 2 ∗ (13.36091) = 199.66404
−5 ∗ (33.92931) − 5 ∗ (18.85869) ∓ 22 ∗ (13.36091) = 30.00000
Al calcular los porcentajes de error de estos resultados se tiene lo

siguiente:
500 − 498.99813
𝐸𝑟𝑟𝑜𝑟𝐸𝐶1 = ∙ 100% = 0.20%
500
200 − 199.66404
𝐸𝑟𝑟𝑜𝑟𝐸𝐶2 = ∙ 100% = 0.17%
200
30 − 30
𝐸𝑟𝑟𝑜𝑟𝐸𝐶3 = ∙ 100% = 0.00%
30
129
TELÉFONO 318-48-63
Y NO LINEALES
De acuerdo con estos datos se puede observar que los resultados

obtenidos son una aproximación muy buena de los valores verdaderos.
2.4 Solución de Sistemas de Ecuaciones no Lineales
En general, no es posible determinar los ceros de una función, es decir,

valores 𝑥 ∗ tal que: 𝑓 (𝑥 ∗ ) = 0, en un numero finito de pasos. Tenemos que
usar métodos de aproximación.
Los métodos son usualmente iterativos y tienen la forma: iniciando con

una aproximación inicial 𝑥 ∗ (o un intervalo [𝑎, 𝑏]), e calculan
aproximaciones sucesivas 𝑥1 , 𝑥2 , … y elegimos 𝑥𝑛 como aproximación 𝑥 ∗
cuando se cumpla un criterio de parada dado. A los ceros de un polinomio
se le conoce también como raíces. (Mora, W., 2012).
Los sistemas de ecuaciones no lineales son pesados y complejos,

requieren un volumen importante de cálculo y el éxito depende tanto del
método elegido como de los problemas numéricos involucrados y la
habilidad del analista. (Ferrante, J., 2011).
Un sistema de ecuaciones es no lineal, cuando al menos una de sus

ecuaciones no es de primer grado.
Como se muestra en el siguiente ejemplo:

𝑥 2 + 𝑦 2 = 25
{
𝑥+𝑦 = 7
2.4.1 Teoría de Sistemas de Ecuaciones no Lineales
La forma general de un sistema de ecuaciones no lineales es:

𝑓1(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
⋮
𝑓𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
La solución de este sistema consta de un conjunto de 𝑥𝑖 que

simultáneamente hacen que todas las ecuaciones sea iguales a cero.
Definiendo una función F:

130
TELÉFONO 318-48-63
Y NO LINEALES
𝐹 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ) = [𝑓1 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ), 𝑓2 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ), 𝑓3 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ), … , 𝑓𝑛 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 )]
Usando notación vectorial para representar las variables 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ; el

sistema se puede representar por:
𝐹 (𝑥 ) = 0
La solución a este sistema, es el vector 𝑥 =[𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ] que hace que

simultáneamente todas las ecuaciones sean iguales a cero.
Una ecuación no lineal la representaremos genéricamente en la forma

𝑓 (𝑥 ) = 0. Lo anterior no quiere decir que la función 𝑓(𝑥) sea la función
idénticamente nula. Simplemente es una forma de representar la
ecuación a la que nos enfrentemos. Concretamente tras la expresión
𝑓 (𝑥 ) = 0 se ocultara el siguiente problema: Dada una función 𝑓 (𝑥 )
determínese, si es posible, algún valor 𝑥 ∗ para el que se verifique que
𝑓 (𝑥 ∗ ) = 0 (Conde, C. y Schiavi, E., 2010).
2.4.2 Métodos de solución
La búsqueda de soluciones de los sistemas de ecuaciones no lineales es

un problema antiguo y difícil con amplias aplicaciones en matemáticas e
ingeniería. Los métodos de resolución más comúnmente utilizados son
iterativos: a partir de una o varias aproximaciones iniciales, se construye
una secuencia, de tal manera que converge a una solución de las
ecuaciones. (Penkova M., 2011).
2.4.2.1 Iterativo secuencial
El método iterativo secuencial resuelve sistemas de ecuaciones no

lineales, este va calculando aproximaciones a la solución del problema.
La principal ventaja es que te puedes detener en cualquier iteración y

obtener una aproximación del problema propuesto, es un procedimiento
relativamente sencillo.
131
TELÉFONO 318-48-63
Y NO LINEALES
El primer método iterativo tal vez apareció en una carta de Gauss a un

alumno, este proponía resolver un sistema de ecuaciones de 4 por 4 por
medio de la repetición de la solución del componente donde el residuo era
mayor.
Los métodos iterativos son utilizados para obtener resultados

aproximados de un conjunto de sistemas de ecuaciones. Suelen ser en un
inicio muy complejas y exigen un gran desempeño y trabajo matemático,
cuando se comete un error de signo o un despeje mal efectuado afecta el
resultado que se obtiene, en el número de iteraciones.
El método de iteración de punto fijo para resolver la ecuación 𝑓 (𝑥 ) = 0,

transformando esta ecuación en una ecuación de la forma 𝑥 = 𝑔(𝑥),
usando el criterio de convergencia |𝑔´(𝑥)| <∣ en el intervalo [a, b] donde
𝑔(𝑥) ∈ [𝑎, 𝑏] para 𝑥 ∈ [𝑎, 𝑏].
Para el caso de un conjunto de ecuaciones no lineales utilizaremos un

procedimiento similar, extendiéndolo a todas las ecuaciones, usando el
criterio de convergencia:
Ilustración 30. Criterio de convergencia
Fuente: UDEMEX 2019
132
TELÉFONO 318-48-63
Y NO LINEALES
2.4.2.2. Método de Newton
El método de Newton es uno de los métodos que muestra mejor velocidad

de convergencia llegando (bajo ciertas condiciones) a duplicar, en cada
iteración, los decimales exactos.
Si 𝑓 es una función tal que 𝑓, 𝑓´ y 𝑓´´ existen y son continuas en un

intervalo 𝐼 y si un cero 𝑥 ∗ de 𝑓 está en 𝐼, se puede construir una sucesión
{𝑥𝑛 } de aproximaciones, que converge a 𝑥 ∗ (bajo ciertas condiciones) de
la manera que se describe a continuación:
Si 𝑥0 está suficientemente cercano al cero 𝑥0 , entonces supongamos que

ℎ es la corrección que necesita 𝑥0 para alcanzar a 𝑥 ∗, es decir, 𝑥0 + ℎ = 𝑥 ∗
y 𝑓(𝑥0 + ℎ) = 0 (Mora, W., 2012).
Como:
0 = 𝑓(𝑥0 + ℎ) ≈ 𝑓(𝑥0 + ℎ𝑓´(𝑥0 )
Entonces despejamos la corrección ℎ:

𝑓(𝑥0 )
ℎ≈−
𝑓´(𝑥0 )
de esta manera, una aproximación corregida de 𝑥0 sería:
𝑓(𝑥0 )
𝑥1 = 𝑥0 −
𝑓´(𝑥0 )
Aplicando el mismo razonamiento a 𝑥1 obtendríamos la aproximación:
𝑓(𝑥1 )
𝑥2 = 𝑥1 −
𝑓´(𝑥1 )
Y así sucesivamente.
El método de Newton es veloz, pero necesita el cálculo de la derivada (no

todas las funciones derivables tienen derivadas que se pueden expresar
en términos de funciones elementales o funciones especiales) y podría
colapsar si la derivada toma valores muy pequeños en el proceso.
El método de Newton para sistemas de ecuaciones no lineales.

133
TELÉFONO 318-48-63
Y NO LINEALES
El método de Newton para sistemas de ecuaciones no lineales es una

extensión del método utilizado para resolver una sola ecuación, por tanto,
sigue la misma estrategia que se emplea para el caso de una sola ecuación
lineal y resolver, repitiendo los pasos con la frecuencia necesaria.
(Ezquerro. J.A. (2012).
Consideramos, por sencillez, e caso de dos ecuaciones con dos variables:
𝑓 (𝑥, 𝑦) = 0
{
𝑔(𝑥, 𝑦) = 0
Si definimos la función 𝐹 (𝑥, 𝑦) = (𝑓 (𝑥, 𝑦), 𝑔(𝑥, 𝑦), transformaremos el

sistema o formula anterior en lo siguiente:
𝐹 (𝑥, 𝑦) = 0
Ejercicio 1:
Para aproximar una solución de la ecuación 3𝑥 + 𝑠𝑒𝑛𝑥 − 𝑒 𝑥 , se puede tomar

𝑓 (𝑥 ) = 3𝑥 + 𝑠𝑒𝑛𝑥 − 𝑒 𝑥 . Observe que 𝑓 (0) = −1 y 𝑓 (1) = 1.123189, según el
teorema del valor intermedio existe un cero de 𝑓 en el intervalo [0,1].
Se aplica el método de Newton comenzando con 𝑥0 = 0 se tiene lo

siguiente:
𝑓 (𝑥 ) = 3𝑥 + 𝑠𝑒𝑛𝑥 − 𝑒 𝑥
𝑓´(𝑥 ) = 3 + 𝑐𝑜𝑠𝑥 − 𝑒 𝑥
𝑓 (𝑥0 ) −1 1
𝑥1 = 𝑥0 − =0− =
𝑓´(𝑥0 ) 3 3
𝑓 (𝑥1 ) 1 −0.068417728
𝑥2 = 𝑥1 − = − = 0.360170713
𝑓´(𝑥1 ) 3 2.549344521
134
TELÉFONO 318-48-63
Y NO LINEALES
𝑓 (𝑥2 ) −6.2798651 ∙ 10−4

𝑥3 = 𝑥2 − = 0.360170713 − = 0.33357967
𝑓´(𝑥2 ) 2.502262549
𝑥3 −𝑥2
Para esta función | | ≅ 6.96 ∙ 10−4 < 10−3 , |𝑓 (𝑥3 )| = 5.744 ∙ 10−8 <
𝑥3
10−7 𝑦 |𝑥3 − 𝑥2 | = 2.50867 ∙ 10−4 < 10−3
Ejercicio 2:
Halle una expresión para aproximar la raíz cuadrada de un numero 𝑅 > 0.

Use la expresión para aproximar √5.
Solución:
𝑥 = √𝑅
𝑥2 = 𝑅
𝑥 2 − 𝑅 = 0, 𝑥 𝑒𝑠 𝑙𝑎 𝑟𝑎𝑖𝑧 𝑐𝑢𝑑𝑟𝑎𝑑𝑎 𝑑𝑒 𝑅
Se puede aplicar el método de Newton a la función 𝑓 (𝑥 ) = 𝑥 2 − 𝑅
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓´(𝑥𝑛 )
𝑥𝑛2 − 𝑅
𝑥𝑛+1 = 𝑥𝑛 −
2𝑥𝑛
1 𝑅
𝑥𝑛+1 = (𝑥𝑛 + )
2 𝑥𝑛
Para aproximar √5, se usa la formula 𝑅 = 5 y si se toma 𝑥0 = 2 entonces:
1 5
𝑥1 = (𝑥0 + ) = 2.25
2 𝑥0
1 5
𝑥2 = (𝑥1 + ) = 2.236111111 …
2 𝑥1
135
TELÉFONO 318-48-63
Y NO LINEALES
1 5
𝑥3 = (𝑥2 + ) = 2.236067978 …
2 𝑥2
En una calculadora √5 = 2.236067977.
2.4.2.3 Otros métodos mejorados
El método de Newton requiere de una gran cantidad de operaciones en

cada iteración por lo cual se han propuesto modificaciones a este método;
El método de la secante el cual puede implementarse también para un
sistema de ecuaciones no lineales. La otra modificación se plantea de la
siguiente forma:
Método de Newton Modificado
Esta modificación consiste en aplicar el método de Newton desarrollado

para una variable, a cada variable del sistema, manteniendo sin cambio
las otras, hasta alcanzar convergencia, lo cual no siempre ocurre,
representado esto una de las desventajas de la modificación.
Ecuación del método:
𝑓𝑖 (𝑥 𝑘+1 , 𝑥 𝑘 )
𝑥𝑖𝑘+1 = 𝑥𝑖𝑘 −
𝜕𝑓𝑖 (𝑥 𝑘+1 , 𝑥 𝑘
𝜕𝑥𝑖
Ejercicio 1:
Encuentra una solución al siguiente sistema no línea usando el método de

Newton modificado.
𝑥 0 = [0,0]𝑇
Itere hasta que:
‖𝑥 (𝑖) − 𝑥 (𝑗+1) ‖∞ < 2.5 ∙ 10−3
𝑓1(𝑥1 , 𝑥2 ) = 𝑥15 − 10𝑥1 + 𝑥22 + 8 = 0
𝑓2 (𝑥1 , 𝑥2 ) = 𝑥1 𝑥22 + 𝑥1 − 10𝑥2 + 8 = 0

136
TELÉFONO 318-48-63
Y NO LINEALES
𝑥1𝑘+1 𝑥2𝑘+1
𝑓1 (𝑥1𝑘 , 𝑥2𝑘 ) 𝑓2 (𝑥1𝑘+1 , 𝑥2𝑘 )
= 𝑥1𝑘 − = 𝑥2𝑘 −
𝜕𝑓1(𝑥1𝑘 , 𝑥2𝑘 ) 𝜕𝑓2 (𝑥1𝑘+1 , 𝑥2𝑘 )
𝜕𝑥1 𝜕𝑥2
𝜕𝑓1 (𝑥1 , 𝑥2 ) 𝜕𝑓2 (𝑥1 , 𝑥2 )
= 2𝑥1 − 10 = 2𝑥1 𝑥2 − 10
𝜕𝑥1 𝜕𝑥2
Primera iteración:
𝑓1 (𝑥10 , 𝑥20 ) 8 𝑓2 (𝑥11 , 𝑥20 ) 8.8

𝑥11 = 𝑥10 − 0 0 =0− = 0.8 𝑥21 = 𝑥21 − 1 0 = 0− = 0.88
𝜕𝑓1 (𝑥1 , 𝑥2 ) −10 𝜕𝑓2 (𝑥1 , 𝑥2 ) −10
𝜕𝑥1 𝜕𝑥2
Segunda iteración:
𝑓1 (𝑥11 , 𝑥21 ) 1.4144

𝑥12 = 𝑥11 − 1 1 = 0.8 − = 0.9684
𝜕𝑓1 (𝑥1 , 𝑥2 ) −8.4
𝜕𝑥1
2 2
𝑓2 (𝑥12 , 𝑥21 ) 0.9183
𝑥2 = 𝑥2 − = 0.88 −
𝜕𝑓2 (𝑥12 , 𝑥21 ) −8.2957
𝜕𝑥2
= 0.9907
Tercera iteración:
𝑓1 (𝑥12 , 𝑥22 ) 0.2353

𝑥13= − 𝑥12 2 2 = 0.9684 −
𝜕𝑓1 (𝑥1 , 𝑥2 ) −8.0632
𝜕𝑥1
= 0.99976
3 2
3 3
𝑓2 𝑥1 , 𝑥2 )
( 0.0697
𝑥2 = 𝑥2 − = 0.9907 −
𝜕𝑓2 (𝑥13 , 𝑥22 ) −8. .0234
𝜕𝑥2
= 0.9994
Cuarta iteración:
𝑓1(𝑥13 , 𝑥23 ) 0.0180

𝑥14 = 𝑥13 − 3 3 = 0.9976 − = 0.9998
𝜕𝑓1 (𝑥1 , 𝑥2 ) −8.0048
𝜕𝑥1
4 3
4 4
𝑓2 1 , 𝑥2 )
( 𝑥 0.0044
𝑥2 = 𝑥2 − = 0.9994 − = 0.9999
𝜕𝑓2 (𝑥14 , 𝑥23 ) −8.0016
𝜕𝑥2
137
TELÉFONO 318-48-63
Y NO LINEALES
2.4.3 Aplicaciones
Sistemas de Ecuaciones no Lineales en Astronomía
Astronomía General: "Sistemas de Referencia Horizontal de Coordenadas

Celestes", que será abordado mediante un modelo de ecuaciones no
lineales. La apropiación de nuevos términos, conceptos y la búsqueda de
técnicas de resolución de sistemas no lineales, como también el
aprendizaje y uso de nuevos comandos del software seleccionado para
dar respuesta al problema, y el análisis, en el contexto de astronomía
general, de la solución obtenida, son algunas de las instancias propuestas
en esta experiencia educativa.
Para la solución de problemas científico - tecnológicos, es necesario

realizar un modelo matemático a veces, simplificador del problema, pero
que, para obtener la solución del mismo, necesita de formulaciones
simbólicas: planteo de fórmulas, aplicando conceptos de trigonometría
plana y esférica; y resolución de gran volumen de cálculos, para hallar el
par de coordenadas horizontales de una estrella.
Tomando en cuenta que desde el Álgebra se abordan diferentes

situaciones reales, modeladas a través de “sistemas de ecuaciones
lineales”, pareció oportuno incorporar como trabajo de investigación y
aplicación de resultados un “sistema de ecuaciones no lineal”, en un
modelo de posicionamiento de cuerpos celestes. Las fórmulas que
permiten pasar de un sistema de referencia a otro, las coordenadas de un
cuerpo celeste, vinculan: senos y cosenos, generando un sistema no lineal
de ecuaciones trascendentes.
138
TELÉFONO 318-48-63
Y NO LINEALES
Ilustración 31. Sistemas de Ecuaciones no Lineales en Astronomía
Fuente: UDEMEX 2019
Otras aplicaciones
El método de Newton es eficiente en la solución de sistemas de ecuaciones

no lineales, converge muy rápidamente y proporciona una muy buena
precisión en los resultados. El método se emplea en la solución de
problemas académicos y en problemas propios del mundo real. (Bravo,
J., Botero, A. y Botero, M., 2005).
El Problema del Flujo de Potencia
El problema consiste en determinar la magnitud y el ángulo del voltaje en

cada barra de la red de potencia.
Ilustración 32. El Problema del Flujo de Potencia
Fuente: UDEMEX 2019
139
TELÉFONO 318-48-63
Y NO LINEALES
Aplicación a un Canal de Descarga de Flujo
Para calcular la forma de un canal de descarga de flujo gravitacional que

minimice el tiempo de tránsito de partículas granulares descargadas.
Ilustración 33. Aplicación a un Canal de Descarga de Flujo
Fuente: UDEMEX 2019

Aproximación a la solución de sistemas de ecuaciones no lineales
mediante la implementación del Algoritmo de Enjambre de Partículas.
Se desarrolló e implementó un algoritmo, basado en el algoritmo de

enjambre de partículas, para el cómputo numérico de aproximaciones a
las soluciones de sistemas de ecuaciones no lineales sin restricciones
donde cada una de las funciones constituyentes son funciones reales y
continúas. Se reformula este problema como un problema de optimización
no lineal. (Centeno, A. y Niño, Z., 2009).
Ilustración 34. Optimización no lineal
Fuente: UDEMEX 2019

140
TELÉFONO 318-48-63
Y NO LINEALES

a este tema.
ACTIVIDAD
COMPLEMENTARIA 2.2
ACTIVIDAD DE
APRENDIZAJE 2.2
141
TELÉFONO 318-48-63
Y NO LINEALES
RESUMEN UNIDAD II
Ilustración 35. Resumen Unidad II
Fuente: UDEMEX 2019

142
TELÉFONO 318-48-63
Y NO LINEALES
CRITERIOS DE EVALUACIÓN DE LA UNIDAD II

Figura 19. Criterios de Evaluación Unidad II
Fuente: UDEMEX 2019
143
TELÉFONO 318-48-63
Y NO LINEALES
1. Bravo, J., Botero, A. y Botero, M., (2005). El método de newton-

Raphson - la alternativa del ingeniero para resolver sistemas
de ecuaciones no lineales. Cientia Et Technical, vol. XI, núm. 27,
abril, 2005, pp. 221-224. Universidad Tecnológica de Pereira.
Pereira, Colombia. Recuperado el día 26 de febrero del 2019:
http://www.redalyc.org/articulo.oa?id=84911698041
2. Centeno, A. y Niño, Z., (2009). Aproximación a la solución de

sistemas de ecuaciones no lineales mediante la
implementación del Algoritmo de Enjambre de Partículas.
Revista INGENIERÍA UC, vol. 16, núm. 1, enero-abril, 2009, pp. 19-
23. Universidad de Carabobo Valencia, Venezuela. Recuperado el
día 26 de febrero del 2019.
http://www.redalyc.org/articulo.oa?id=70717292004
3. Ciancio, M.I., Oliva, E. y Molina, S., (2014). Sistemas de

Ecuaciones no lineales en Astronomía. Universidad Nacional de
San Juan- Facultad de Ciencias Exactas, Físicas y Naturales.
Departamento de Geofísica y Astronomía. San Juan. Prov. de San
Juan. (Argentina).
Ingenieros. 5ª ed., Mc Graw Hill. México, D. F. Recuperado el día
5. Conde, C. y Schiavi, E., (2010). Métodos Numéricos de

Resolución de Ecuaciones no Lineales. Universidad Politécnica
de Madrid. Escuela Técnica Superior de Ingenieros de Minas.
Departamento de Matemática Aplicada y Métodos Informáticos.
España.
6. Departamento de Matemáticas, CCIR/ITESM, (2009). Métodos

Iterativos para Resolver Sistemas Lineales. 17 de julio de
2009. México. Recuperado: el día 26 de febrero del 2019:
144
TELÉFONO 318-48-63
Y NO LINEALES
http://www.mty.itesm.mx/dmti/materias/ma2008/lecturas/ma200
8-09a.pdf
7. Ezquerro., J.A., (2012). Material Didáctico Matemáticas.

Iniciación a los Métodos Numéricos. Universidad de la Rioja.
Iberus. España. Recuperado: el día 26 de febrero del 2019.
https://publicaciones.unirioja.es/catalogo/monografias/mdm07.sht
ml
8. Ferrante, J., (2011). Sistemas de Ecuaciones no Lineales.

Facultad Regional General Pacheco. Departamento de Ciencias
Básicas Unidad Docente Básica Matemática. Recuperado el día 26
de febrero del 2019.
http://www.edutecne.utn.edu.ar/calculo-
numerico/sist_ecuac_no_lineales.pdf
9. Mora, W., (2012). Introducción a los Métodos Numéricos.

Escuela de Matemática. Instituto Tecnológico de Cost Rica.
Revista Digital de Matemática. Educación e Internet. Febrero del
2013. Recuperado: el día 26 de febrero del 2019:
http://tecdigital.tec.ac.cr/revistamatematica/Libros/WMora_Metod
osNumericos/WMora-ITCR-MetodosNumericos.pdf
10. Nieves, A., y Domínguez, F., (2006). Métodos Numéricos

aplicados a la Ingeniería. Segunda Edición. CECSA. Quinta
Reimpresión México. Compañía Editorial Continental. Recuperado:
el día 26 de febrero del 2019:
https://www.academia.edu/8617368/M%C3%89TODOS_NUM%C3%89R
ICOS_APLICADOS_A_LA_INGENIER%C3%8DA_M%C3%89TODOS_NUM
%C3%89RICOS
11. Penkova M., (2011). Métodos Iterativos Eficientes para la

Resolución de Sistemas no Lineales. Departamento de
Matemática Aplicada. Universitat Politècnica de Valencia.
Recuperado el día 26 de febrero del 2019.
145
TELÉFONO 318-48-63
Y NO LINEALES
https://riunet.upv.es/bitstream/handle/10251/12892/tesisUPV367
6.pdf?sequence=1

de Desarrollo Académico. Recuperado: el día 26 de febrero del
2019:

Enfoque Algorítmico con el soporte de MATLAB. Instituto de
Ciencias Matemáticas. Escuela Superior Politécnica del Litoral.
ESPOL. Guayaquil, Ecuador, 2011. Recuperado. el día 26 de febrero
del 2019:
http://es.slideshare.net/marlonvillacis/analisis-numerico-basico-
libro
146
TELÉFONO 318-48-63
UNIDAD III. DIFERENCIACIÓN E
INTEGRACIÓN NUMERICA
UNIDAD III
DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA
correspondientes a la unidad III, cada uno de estos temas son
importantes para iniciar el estudio de la Diferenciación e Integración
Numérica.
SECUENCIA DIDÁCTICA «UNIDAD III»

Figura 20. Secuencia Didáctica Unidad III
Fuente: UDEMEX 2019
147
TELÉFONO 318-48-63
INTRODUCCIÓN
La primera parte de la unidad 3 comprende como parte introductoria los

fundamentos de estadística, y como parte principal la interpolación que
consiste en hallar un dato dentro de un intervalo en el que conocemos los
valores en los extremos. Se define lo que es la interpolación lineal y
cuadrática, así mismo esta descrita la parte de polinomios de interpolación
de Newton y de LaGrange.
Otro aspecto importante que se verá dentro de esta unidad, será la parte
de la regresión definida como la asignación del valor que toma la variable
Y de la que conocemos que toma un determinado valor para la variable X
(para las variables X1, X2, …, Xn). Dentro de este punto se define la
regresión de mínimos cuadrados, así como el algoritmo solicitado. Se
menciona y describe también la regresión lineal, polinomial y lineal
múltiple, como parte de esta unidad.
Se contemplan dentro de esta unidad la diferenciación y la integración

numérica, se define la derivación numérica, las aplicaciones del cálculo
diferencial, la integración numérica, y parte importante también la
definición del área bajo la curva. Se abordan los temas del método de
Simpson, la integración de Romberg, así como el método aleatorio. Para
terminar esta parte con las aplicaciones del cálculo integral.
La cuarta parte comprende la integración múltiple y dentro de esta las

aplicaciones del cálculo integral múltiple.
Esta unidad se complementa la incorporación de ejercicios que fortalezcan

la formación integral del estudiante; preparándolo para comprender la
diferenciación e integración numérica, la interpolación lineal y cuadrática,
la regresión de mínimos cuadrados, la regresión lineal, polinomial, lineal
múltiple.
En general, los temas de la unidad 3 trataran de ser un mecanismo de

mejora continua en las actitudes del estudiante como futuro profesional
148
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Es momento de dar inicio a los temas del contenido de la unidad III.
149
TELÉFONO 318-48-63
3.1. Ajuste de Funciones
El método más simple para ajustar una curva a los datos consiste en
ubicar los puntos y después trazar una curva que visualmente se acerque
a los datos. Aunque ésta es una operación válida cuando se requiere una
estimación rápida, los resultados dependen del punto de vista subjetivo
de la persona que dibuja la curva.
Tres intentos para ajustar una mejor curva con cinco puntos dados.
Ilustración 36. Ajuste de Funciones

a) Regresión por mínimos
cuadrados
b) interpolación lineal
c) interpolación curvilínea
Fuente: UDEMEX 2019 con información de Chapra, S. y Canale, R. (2006).
Es común que los datos se den como valores discretos a lo largo de un

continuo. Sin embargo, se requiere la estimación de un punto entre
valores discretos. Las técnicas para ajustar curvas a estos datos para
obtener estimaciones intermedias. Además, se puede necesitar la versión
simplificada de una función complicada. (Chapra & Canale 2006).
150
TELÉFONO 318-48-63
Una manera de hacerlo es calcular valores de la función en un número

discreto de valores en el intervalo de interés. Después, se obtiene una
función más simple para ajustar dichos valores. Estas aplicaciones se
conocen como ajuste de curvas.
Existen dos métodos generales para el ajuste de curvas que se distinguen

entre sí al considerar la cantidad de error asociado con los datos:
Figura 22. Métodos generales
•Si los datos exhiben un grado significativo de error o "ruido",

la estrategia será obtener una sola curva que represente la
tendencia general de los datos. como cualquier dato individual
puede ser incorrecto, no se busca intersecar todos los puntos.
en lugar de esto, se construye una curva que siga la tendencia
Primero de los puntos tomados como un grupo. un procedimiento de
este tipo se llama regresión por mínimo.
•Si se sabe que los datos son muy precisos, el procedimiento

básico será colocar una curva o una serie de curvas que pasen
por cada uno de los puntos en forma directa. Usualmente, tales
datos provienen de tablas. La estimación de valores entre
Segundo puntos discretos bien conocidos se llama interpolación.
Fuente: UDEMEX 2019
3.1.1. Fundamentos de Estadística
Después de que se han recopilado un grupo de datos, ha de ser

representado en una forma que permita manejarlo e interpretarlo con
facilidad. Mediante la estadística descriptiva, podemos encontrar varios
métodos para describir un conjunto de datos numéricos, los cuales se
pueden clasificar como métodos gráficos y métodos numéricos.
151
TELÉFONO 318-48-63
Los métodos gráficos son sumamente útiles para obtener una descripción
general rápida de los datos recolectados y para su representación, sin
embargo, presentan limitaciones, que pueden ser superadas utilizando
medidas descriptivas numéricas, la cuales utilizan los datos de la muestra
para calcular un conjunto de números que transmitan al estadístico una
buena imagen mental de la distribución de frecuencias y que sean útiles
para hacer inferencias respecto a la población. (Quintana, Villalobos &
Cornejo 2005).
Distribución de frecuencias
Para construir una tabla de distribución de frecuencias, lo primero que

debe hacerse es determinar una distribución de frecuencias, ya que a
partir de ella es posible trazar una gráfica y emplearla para interpretar
datos y ponerla a consideración de otras personas.
Figura 23. Histograma
Histograma Una gráfica usada

frecuentemente en estadística
es el histograma que es una
especie de grafica de barras
que ayuda a visualizar mejor el
comportamiento del conjunto
de datos.
Fuente: UDEMEX 2019
3.1.1.1. Conjunto de mediciones experimentales
En la mayoría de los procedimientos experimentales se gasta mucho

esfuerzo para reunir los datos y hoy en día la mayoría se han convertido
en datos cuantitativos; esto quiere decir que se derivan de mediciones.
Cuando se realiza cualquier medición es necesario considerar que se
152
TELÉFONO 318-48-63
pueden cometer errores y es importante desarrollar habilidades para

evaluar los datos y sacar conclusiones que estén realmente justificadas.
La mayoría de las técnicas que consideramos para dicha evaluación de

datos están basadas en conceptos estadísticos. Cada vez más se reconoce
que los métodos estadísticos son eficaces en la planificación de los
experimentos que darán la mayor información a partir del mínimo número
de mediciones, y para “abreviar” los datos en tal forma que su significado
se presente en forma concisa. Por otro lado, y como punto muy
importante, no debe esperarse que la estadística disminuya la necesidad
de obtener buenas mediciones, tomando en cuenta que los métodos
estadísticos son más poderosos cuando se aplican a datos válidos.
En la práctica es imposible examinar los fundamentos de la teoría de

probabilidad, en la cual se basa gran parte de la estadística que se
aplicará. Debemos aceptar las conclusiones matemáticas y probabilísticas
y luego intentar ver como pueden ser útiles.
Errores
El término error se utiliza para referirse a la diferencia numérica entre el

valor medido y el valor real. El valor real de cualquier cantidad es en
realidad una abstracción filosófica, algo que el hombre no está destinado
a conocer, aunque los científicos sienten que existe y piensan que pueden
tener acceso a él, más y más estrechamente, cuando sus medicines llegan
a ser más refinadas.
Errores determinados
Los errores que pueden ser atribuidos a causas definidas, se llaman

errores determinados o sistemáticos. De acuerdo con su origen, tienen
lugar debido a:
153
TELÉFONO 318-48-63
Ilustración 37. Errores determinados
Fuente: UDEMEX 2019
Errores indeterminados
Los errores que se clasifican como indeterminados son aquellos que

ocurren a pesar de ser muy cuidadoso y meticuloso. Son errores fortuitos
que no pueden reducirse más.
Exactitud y precisión
Los términos exactitud y precisión que en una conversación ordinaria se

utilizan muchas veces como sinónimos, se deben distinguir con cuidado
en relación con los datos científicos ya que no significan lo mismo.
Ilustración 38. Exactitud y precisión
Fuente: UDEMEX 2019
154
TELÉFONO 318-48-63
La importancia de la estadística matemática está aumentando, en

particular en el análisis de los datos experimentales. Es importante en la
evaluación de experimentos y algunos parámetros importantes en el
análisis estadístico de datos, obtenidos a partir de experimentos.
3.1.1.2. Media y desviación estándar
Los fundamentos matemáticos de la interpolación se encuentran en el

conocimiento sobre las expansiones de la serie de Taylor y las diferencias
finitas divididas. La regresión por mínimos cuadrados requiere además de
la información en el campo de la estadística. Los conceptos de la media,
desviación estándar, suma residual de los cuadrados, distribución normal
e intervalos de confianza, son temas que servirán como introducción.
El valor medio de una muestra x1, x2, ..., xn, o brevemente, media de la
muestra se denota por y se define por la fórmula
Ilustración 39. Valor medio
Fuente: UDEMEX 2019 con información de Pope., J. D., (2013).
Es la suma de todos los valores de la muestra, dividido entre el tamaño

de la muestra (Pope 2013).
La variancia de una muestra x1, x2, ..., xn, o brevemente, variancia de

la muestra se denota por s2 y se define por la fórmula
Ilustración 40. Variancia de muestra
Es la suma de los cuadrados de las desviaciones de los valores de la

muestra respecto a la media, dividido entre n-1.
155
TELÉFONO 318-48-63
La desviación estándar es la raíz cuadrada positiva de la variancia s2 y se

denota por s.
Ilustración 41. Desviación estándar
3.1.2. Interpolación
La interpolación consiste en encontrar el valor de la función F(x), de la

cual sólo se conocen algunos puntos, para un valor de x que se encuentre
entre dos valores consecutivos conocidos. Se puede decir que:
"La interpolación consiste en hallar un dato dentro de un intervalo en el

que conocemos los valores en los extremos".
El problema general de la interpolación se presenta cuando nos dan una

función y de la cual solo conocemos una serie de puntos:
Ilustración 42. Interpolación
Fuente: UDEMEX 2019 con información de Aguilar, M.A., (2012)
Y se pide el valor de un punto x (intermedio de 𝑥0 𝑦 𝑦0) de esta función.
Elección de la interpolación más adecuada.
Consideremos una función de la cual solo conocemos una serie de puntos:
Ilustración 43. Elección de interpolación

156
TELÉFONO 318-48-63
Deseamos encontrar la expresión analítica de dicha función para poder

estudiarla en otros puntos.
Para n+1 puntos pasan infinitas funciones, ¿con cuál de ellas nos
quedamos? Lo más lógico es recurrir a la más sencilla. La familia de
funciones más sencillas es la de los polinomios, por tanto, buscaremos el
polinomio de menor grado que pase por los n+1 puntos dados.
La función polinómica de menor grado que pasa por los puntos es en

principio de grado n:
Ilustración 44. Función polinómica
Y se obtiene resolviendo el sistema de n+1 ecuaciones con n+1 incógnitas

(sistema que tiene solución única ya que el determinante de la matriz de
los coeficientes es de Vandermonde y por lo tanto distinto de cero).
Se les llama polinomio interpolador correspondiente a esos puntos. Una

vez obtenida su expresión dando valores en él se pueden encontrar
nuevos puntos de la función. Los resultados obtenidos son naturalmente
estimaciones aproximadas. (Aguilar 2012).
La interpolación se dirá lineal cuando sólo se tomen dos puntos y

cuadrática cuando se tomen tres.
3.1.2.1. Polinomios de interpolación con diferencias divididas de

Newton
El método de las diferencias divididas de Newton consiste en definir:
157
TELÉFONO 318-48-63
Ilustración 45. Método de Newton
Fuente: UDEMEX 2019 con información de Parnisari, M. I., (2013)
El método de las diferencias divididas regresivas de Newton de grado 3

consiste en:
Ilustración 46. Diferencias divididas regresivas de Newton
Donde 𝑥0 > 𝑥1 > 𝑥2 > 𝑥3 (Parnisari 2013).

Todas las diferencias se acomodan en un arreglo, como se muestra en la
tabla de diferencias divididas, en donde cada diferencia se indica entre
los elementos que la producen:
Ilustración 47. Tabla de diferencias divididas
158
TELÉFONO 318-48-63
Ejercicio 1
Obtener la interpolación del valor x = 3.

Obtener por interpolación el valor para 𝑥 = 3 conocidos los valores 𝑥0 =
0, 𝑦0 = −1; , 𝑥1 = 1, 𝑦1 = 0; 𝑥2 = 2, 𝑦2 = 7; 𝑥3 = 4, 𝑦3 = 63
Ejercicio 2.
Usando la siguiente imagen de datos, calcule el polinomio de interpolación

de Newton con diferencias divididas:
Solución:
El polinomio de tercer orden con n= 3 es:
159
TELÉFONO 318-48-63
Ilustración 50. Polinomio de tercer orden
Las primeras diferencias divididas del problema son las siguientes:
Ilustración 51. Primeras diferencias
Las segundas diferencias divididas son:
Ilustración 52. Segundas diferencias
La tercera diferencia dividida es:
Ilustración 53. Tercera diferencia
160
TELÉFONO 318-48-63
Ilustración 54. Resultados
El resultado de la tabla de diferencias es la siguiente:
Ilustración 55. Resultado de tabla de diferencias
Fuente: UDEMEX 2019 con información de Parnisari, M. I., (2013).
3.1.2.1.1. Interpolación Lineal
Cuando las variaciones de la función son proporcionales (o casi

proporcionales) a los de la variable independiente se puede admitir que
dicha función es lineal y usar para estimar los valores la interpolación
lineal.
Ilustración 56. Estimación de valores de interpolación lineal
Fuente: UDEMEX 2019 con información de Arias, M.M., Cameras, G.J. y Guerrero, G.,
(2008).
Sean dos puntos (xo, yo), (x1, y1), la interpolación lineal consiste en
hallar una estimación del valor y, para un valor x tal que x0<x<x1. (Arias,
Cameras, & Guerrero 2008).
161
TELÉFONO 318-48-63
Obtenemos la fórmula de la interpolación lineal.
Ilustración 57. Interpolación lineal
(2008).
Con una tabla de diferencias.

Si observamos la siguiente formula la expresión del termino lineal que
vamos a designar como 𝑓[𝑥0 , 𝑥1 ] y llamaremos diferencia dividida de 1 u
orden 𝐷𝐷1.
Ilustración 58. Diferencias
(2008).
𝑓 −𝑓
La diferencia dividida de 1° orden para 𝑥1 , 𝑥2 será 𝑓[𝑥1 ,𝑥2 ] = 𝑥1 −𝑥2
1 2
Ilustración 59. Diferencia dividida
(2008).
162
TELÉFONO 318-48-63
Ejercicio 1
Una empresa en distintos años obtiene unos ingresos cuando realiza los
siguientes gastos.
(2008).
En primer lugar, lo representamos en los ejes coordenados.
Ilustración 61. Ejes coordenados
(2008).
Y ¿Que ingresos se deben obtener si se tienen gastos de 4 mil pesos?,

¿Qué ingresos se pueden esperar si se tienen gastos de 6 mil pesos? Se
puede responder que no hay una respuesta definitiva, pero con el apoyo
de las matemáticas, se puede obtener una respuesta razonable.
En primer lugar, podemos hallar rectas o funciones lineales que pasen por
los puntos AB y BC y con ellas estimar el valor de los ingresos a partir de
los gastos. Esto se conoce como: interpolación lineal.
163
TELÉFONO 318-48-63
Ilustración 62. Gráfica de interpolación lineal
(2008).
Recta AB. La ecuación de dicha recta es:
y=2x+4
Si tomamos el valor de x = 4 obtenemos unos ingresos de:
y (4) = 2 (4) + 4 = 12
Recta BC. La ecuación de dicha recta es:

y=4x−6
Si tomamos el valor de x = 6 obtenemos unos ingresos de:
y (6) = 4 (6) + 6 = 18
Resultado:
164
TELÉFONO 318-48-63
(2008).
Ejercicio 2
Una empresa en distintos años obtiene unos ingresos cuando realiza los
siguientes gastos.
(2008).
Hallar por interpolación lineal los ingresos cuando los gastos son x = 4 y
cuando x = 6.
En primer lugar, realizamos la tabla de diferencias de primer orden:
Ilustración 65. Tabla de diferencias
(2008).
165
TELÉFONO 318-48-63
Ilustración 66. Solución Ejercicio 2
(2008).
Resultado:
(2008).
3.1.2.1.2. Interpolación cuadrática
Cuando el polinomio que conviene es de segundo grado la interpolación

recibe el nombre de cuadrática. El polinomio interpolador es único, luego
como se encuentre da igual, sin embargo, a veces los cálculos son muy
laboriosos y es preferible utilizar un método que otro. Al momento de la
revisión de los datos se toma la decisión.
También podemos utilizar la expresión del polinomio interpolador así:
166
TELÉFONO 318-48-63
Ilustración 68. Interpolación cuadrática
Fuente: UDEMEX 2019
Con lo que la búsqueda de los coeficientes es muy sencilla.
Ilustración 69. Búsqueda de coeficientes
Fuente: UDEMEX 2019
Con una tabla de diferencias, se calcula el polinomio de segundo grado

que pasa por tres puntos que se disponen en la tabla:
Fuente: UDEMEX 2019
Buscamos un polinomio de segundo grado que se escribe de la siguiente

forma:
Ilustración 71. Búsqueda de polinomio de segundo grado
Fuente: UDEMEX 2019
167
TELÉFONO 318-48-63
Ilustración 72. Sustitución de valores
Fuente: UDEMEX 2019
Se obtiene así un sistema triangular fácil de resolver:
Ilustración 73. Sistema triangular
Fuente: UDEMEX 2019
168
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Ejercicio 1
Hallar el polinomio de segundo grado que pasa por los puntos dado con
una tabla en diferencias divididas:
Fuente: UDEMEX 2019
Observar con atención la tabla de diferencias divididas, con sencillez se

calculan los coeficientes del polinomio de interpolación:
Ilustración 76. Tabla de diferencias divididas
Fuente: UDEMEX 2019
Siendo el polinomio buscado o resultado:
Ilustración 77. Resultado
Fuente: UDEMEX 2019
169
TELÉFONO 318-48-63
Ejercicio 2
En la siguiente tabla se indica el tiempo en días y el peso en gramos de

tres especies de un animal:
Fuente: UDEMEX 2019
 Obtener el polinomio de interpolación de los datos de la tabla.

 Hallar, a partir de dicho polinomio, el peso correspondiente de una
especie de 6,5 días.
La solución es la siguiente:
Ilustración 79. Solución Ejercicio 2
Fuente: UDEMEX 2019
3.1.2.2. Polinomios de interpolación de Lagrange
Empezamos con un conjunto de n+1 puntos en el plano (que tengan

diferentes coordenadas x):
170
TELÉFONO 318-48-63
Ilustración 80. Polinomios de interpolación de Lagrange
Fuente: UDEMEX 2019 con información de Cardil, R., (2012).
El objetivo es encontrar una función polinómica que pase por esa n+1
puntos y que tengan el menor grado posible. Un polinomio que pase por
varios puntos determinados se llama un polinomio de interpolación.
La forma de la solución que es el llamado polinomio de interpolación de

Lagrange. (Lagrange publicó su fórmula en 1795 pero ya había sido
publicada en 1779 por Waring y redescubierta por Euler en 1783). (Cardil
2012).
La fórmula general para el polinomio de interpolación de Lagrange es:
Ilustración 81. Fórmula general para el polinomio de interpolación de Lagrange
Donde usamos polinomios básicos de Lagrange:

Ilustración 82. Polinomios básicos de Lagrange
A continuación, se muestra el desarrollo del producto para verlo mejor:
171
TELÉFONO 318-48-63
Ilustración 83. Desarrollo del producto
Estos polinomios básicos de Lagrange se construyen con una propiedad:
Ilustración 84. Propiedad de polinomios de Lagrange
Fuente: UDEMEX 2019 con información de Cardil, R., (2012)
Entonces es sencillo comprobar que estos polinomios pasan por todos los
n+1 puntos dados (es decir, es un polinomio de interpolación):
Ilustración 85. Comprobación
El grado del polinomio de interpolación de Lagrange es igual o menor

que n. Es el menor grado posible. El polinomio encontrado es único. La
forma de Lagrange es sencilla y se comprueba con facilidad que es un
polinomio de interpolación y su grado. Pero para conocer los coeficientes
del polinomio hay que simplificar los términos. Otra característica de esta
forma de encontrar el polinomio es que si añadimos o quitamos puntos
hay que recalcularlo otra vez.
172
TELÉFONO 318-48-63
Ilustración 86. Recta dados dos puntos
Ilustración 87. Gráfico dado 2 puntos
Ilustración 88. Recta dados tres puntos
173
TELÉFONO 318-48-63
Si tenemos 4 puntos, podemos encontrar un polinomio de grado 3 (o

quizás una parábola o una línea recta en algunos casos) que pasa por
esos 4 puntos:
174
TELÉFONO 318-48-63
Una función polinómica de grado 4 pasa a través de 5 puntos:
Ejercicio 1.
Dada la siguiente tabla donde y es la amplitud de la oscilación de un

péndulo largo, en cm. y x es el tiempo medido en minutos, desde que
inició la oscilación. Encuentra el polinomio de LaGrange de segundo grado
que pasa por los puntos 1, 2 y 3 y el valor de x correspondiente a y = 2
cm.
Fuente: UDEMEX 2019
175
TELÉFONO 318-48-63
Utilizar la siguiente formula:
Ilustración 93. Fórmula
Fuente: UDEMEX 2019
Tomar los siguientes valores y sustituirlos:
Ilustración 94. Valores a sustituir
Fuente: UDEMEX 2019
Desarrollo:
Ilustración 95. Desarrollo de Ejercicio 1
Fuente: UDEMEX 2019
Solución:
Para 𝑦 = 2 𝑥 = 5.84
Resultado:
Ilustración 96. Resultado Ejercicio 1
176
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Ejercicio 2.
Fuente: UDEMEX 2019
Fórmulas utilizadas en este ejercicio:
Ilustración 98. Fórmulas para Ejercicio 2
Fuente: UDEMEX 2019
Desarrollo y sustitución de valores:
Ilustración 99. Desarrollo y sustitución de valores
177
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Resultado:
Ilustración 100. Resultado
Fuente: UDEMEX 2019
3.2. Regresión
La dependencia entre dos (o más) variables puede ser tal que se base en
una relación funcional (matemática) exacta, como la existente entre la
velocidad y la distancia recorrida por un móvil; o puede ser estadística.
La dependencia estadística es un tipo de relación entre variables tal que
conocidos los valores de la (las) variable (variables) independiente(s) no
puede determinarse con exactitud el valor de la variable dependiente,
aunque si se puede llegar a determinar un cierto comportamiento (global)
de la misma. (Ejemplo: la relación existente entre el peso y la estatura
de los individuos de una población es una relación estadística).
El análisis de la dependencia estadística admite dos planteamientos:
Figura 24. Análisis estadísticos y sus planteamientos
El estudio del grado de La determinación de la estructura de

dependencia existente entre las dependencia que mejor exprese la
variables que queda recogido en relación, lo que es analizado a través
la teoría de la correlación. de la regresión.
(2008).
178
TELÉFONO 318-48-63
Una vez determinada la estructura de esta dependencia la finalidad última

de la regresión es llegar a poder asignar el valor que toma la variable Y
en un individuo del que conocemos que toma un determinado valor para
la variable X (para las variablesX1, X2,..., Xn ). (Arias, Cameras &
Guerrero 2008).
En el caso bidimensional, dadas dos variables X e Y con una distribución

conjunta de frecuencias (xi, yj ,nij ), llamaremos regresión de Y sobre X
( Y/X) a una función que explique la variable Y para cada valor de X, y
llamaremos regresión de X sobre Y (X/Y) a una función que nos explique
la variable X para cada valor de Y.
Las técnicas de regresión permiten hacer predicciones sobre los valores

de cierta variable Y (dependiente), a partir de los de otra X
(independiente), entre las que intuimos que existe una relación.
El análisis de regresión sirve para predecir una medida en función de otras

o varias medidas.
 El análisis de regresión sirve para predecir una medida en función

de otra medida (o varias).
o Y = Variable independiente
 Predicha
 Explicada
o X = Variable independiente
 Predictora
 Explicativa
o ¿Es posible descubrir una relación?
 Y=f(X) + error
 f es una función de un tipo determinado
 el error es aleatorio, pequeño y no depende de x
179
TELÉFONO 318-48-63
Ilustración 101. Análisis de regresión
(2008).
3.2.1. Regresión de mínimos cuadrados
Consiste en explicar que una de las variables en función de la otra a través

de un determinado tipo de función (lineal, aleatorio, exponencial, etc.),
de forma que la función de regresión se obtiene ajustando las
observaciones a la función elegida, mediante el método de mínimos-
cuadrados (M.C.O.).
La función de regresión concreta se obtendrá minimizando la expresión:
180
TELÉFONO 318-48-63
Ilustración 102. Función de regresión concreta
(2008)
Puede probarse que es equivalente ajustar por mínimos cuadrados la

totalidad de las observaciones (toda la nube de puntos) que realizar el
ajuste de los puntos obtenidos por la regresión de la media; de forma que
la regresión mínimo-cuadrática viene ser, en cierto modo, la consecución
de una expresión analítica operativa para la regresión en sentido estricto.
Coeficientes de regresión.
Se llama coeficiente de regresión a la pendiente de la recta de regresión:
en la regresión Y/X: b = Sxy / Sx2
en la regresión X/Y b' = Sxy / Sy2
El signo de ambos coincidirá con el de la covarianza, indicándonos la

tendencia (directa o inversa a la covariación). Es interesante hacer notar
que b. b'= r2
Bondad del ajuste: (Varianza residual, varianza de la regresión y

coeficiente de determinación).
Por bondad del ajuste se entiende el grado de acoplamiento que existe

entre los datos originales y los valores teóricos que se obtienen de la
regresión. Cuanto mejor sea el ajuste, más útil será la regresión a la
pretensión de obtener los valores de la variable.
181
TELÉFONO 318-48-63
Obtener indicadores de esta bondad de ajuste es fundamental a la hora

de optar por una regresión de un determinado tipo u otro.
Puesto que la media de los residuos se anula, el primer indicador de la

bondad del ajuste (no puede ser el error medio) será el error cuadrático
medio, o varianza del residuo, o varianza residual:
Considerando la regresión Y/X:
Ilustración 103. Regresión Y/X
(2008).
Que será una cantidad mayor o igual que cero. De forma que cuanto más
baja sea mejor será el grado de ajuste. Si la varianza residual vale cero
el ajuste será perfecto (ya que no existirá ningún error).
Del hecho de que yi=y*i + ei, y de que las variables y* ý e están

incorrelacionadas se tiene que:
Ilustración 104. Interrelación
(2008)
Donde S2y* es la llamada varianza de la regresión y supone la varianza

de la variable regresión:
182
TELÉFONO 318-48-63
Ilustración 105. Variable regresión
(2008)
La igualdad fundamental anterior de la que se deduce que la varianza

total de la variable y puede descomponerse en dos partes una parte
explicada por la regresión (la varianza de la regresión) y otra parte no
explicada (la varianza residual).
Considerando que la varianza nos mide la dispersión de los datos este

hecho hay que entenderlo como que la dispersión total inicial queda, en
parte explicada por la regresión y en parte no. Cuanto mayor sea la
proporción de varianza explicada (y menor la no explicada) tanto mejor
será el ajuste y tanto más útil la regresión. (Arias, Cameras, & Guerrero
2008).
A la proporción de varianza explicada por la regresión se le llama

coeficiente de determinación:
Ilustración 106. Coeficiente de determinación
(2008).
Que evidentemente estará siempre comprendido entre 0 y 1 y, en

consecuencia, da cuenta del tanto por uno explicado por la regresión.
Una consecuencia importante en la práctica es que la varianza residual

será obviamente
183
TELÉFONO 318-48-63
Ilustración 107. Varianza residual
(2008)
Es sencillo probar que, en el caso lineal, el coeficiente de determinación

coincide con el cuadrado del coeficiente de correlación:
𝑅2 = 𝑟 2
Con lo cual la varianza residual y la varianza debida a la regresión pueden

calcularse a partir del coeficiente de correlación.
Ilustración 108. Coeficiente de correlación
(2008)
3.2.1.1. Algoritmo de mínimo cuadrado
Dados los puntos (xi, fi), i= 1, 2, ..., n, que corresponden a observaciones

o mediciones. Si se considera que estos datos contienen errores y que es
de interés modelar únicamente su tendencia, entonces el polinomio de
interpolación no es una buena opción. Una alternativa es el polinomio de
mínimos cuadrados. Estos polinomios tienen mejores propiedades para
realizar predicciones o extrapolaciones. (Rodríguez 2011).
Si los datos tienen una tendencia lineal, la mejor recta será aquella que
se coloca entre los puntos de tal manera que se minimizan las distancias
de los puntos dados a esta recta, la cual se denomina recta de mínimos
cuadrados y se la obtiene con el siguiente procedimiento:
Para cada valor 𝑥𝑖 , se tiene el dato 𝑓𝑖 , y el valor (𝑥𝑖 ), obteniendo con la
recta de mínimos cuadrados.
184
TELÉFONO 318-48-63
Sea 𝑝(𝑥 ) = 𝑎1 + 𝑎2 𝑥 la recta de mínimos cuadrados.

Si 𝑒𝑖 − 𝑝)𝑥𝑖 ) es la diferencia entre el dato y el punto de la recta de mínimos
cuadrados, entonces, el objetivo es minimizar 𝑒 2 , para todos los puntos.
El cuadrado es para considerar distancia, o importa si el punto está sobre
o debajo de la recta.
Criterio para obtener la recta de mínimos cuadrados. Minimizar.
Ilustración 109. Criterio para obtener la recta de mínimos cuadrados
Fuente: UDEMEX 2019 con información de Rodríguez, L., (2011)
Para minimizar esta función S cuyas variables son 𝑎1 , 𝑎2 , se debe derivar

con respecto a cada variable e igualar a cero:
Ilustración 110. Minimizar función
De esta manera se obtiene el sistema de ecuaciones lineales:
Ilustración 111. Ecuaciones lineales
De donde se obtienen los coeficientes 𝑎1 , 𝑎2 , para la recta de mínimos

cuadrados:
𝑝(𝑥 ) = 𝑎1 + 𝑎2 𝑥
185
TELÉFONO 318-48-63
3.2.1.2. Regresión Lineal
Se ha enfatizado sobre la importancia de las representaciones gráficas y

se ha visto la utilidad de las versiones linealizadas de los gráficos (X, Y)
junto a las distintas maneras de llevar a cabo la linealización. A menudo
nos confrontamos con situaciones en las que existe o suponemos que
existe una relación lineal entre las variables X e Y.
Surge de modo natural la pregunta: ¿cuál es la relación analítica que

mejor se ajusta a nuestros datos? El método de cuadrados mínimos es un
procedimiento general que nos permite responder esta pregunta. Cuando
la relación entre las variables X e Y es lineal, el método de ajuste por
cuadrados mínimos se denomina también método de regresión lineal.
Observamos o suponemos una tendencia lineal entre las variables y nos

preguntamos sobre cuál es la mejor recta:
𝑦(𝑥 ) = 𝑎𝑥 + 𝑏
Que representa este caso de interés. Es útil definir la función.
Ilustración 112. Función regresión lineal
186
TELÉFONO 318-48-63
Actualmente, la mayoría de los programas de análisis de datos y planillas

de cálculo, realizan el proceso de minimización en forma automática y dan
los resultados de los mejores valores de a y b, o sea los valores indicados
por las ecuaciones.
Ilustración 113. Gráfico de datos asociados a un modelo lineal
Gráfico de datos asociados a un modelo lineal. La cantidad 𝑦𝑖 − 𝑦(𝑥𝑖 )

representa la desviación de cada observación de 𝑦𝑖 respecto del valor
predicho por el modelo 𝑦(𝑥).
El criterio de mínimos cuadrados reemplaza el juicio personal de quien

mire los gráficos y defina cuál es la mejor recta. En los programas como
Excel, se realiza usando la herramienta regresión lineal o ajuste lineal.
Los resultados se aplican en el caso lineal cuando todos los datos de la
variable dependiente tienen la misma incertidumbre absoluta y la
incertidumbre de la variable independiente se considera despreciable.
Ejercicio 1.
Tenemos dos variables en una muestra en algunos países desarrollados:
 X, como consumo anual de vino (en litros por habitante).
187
TELÉFONO 318-48-63
 Y, como número de muertes por enfermedad cardíaca, por cada

100.000 habitantes.
¿Qué podemos decir sobre la relación entre las dos variables?

¿Podemos afirmar que a mayor consumo de vino menor número de
muertes por enfermedad cardíaca?
¿Podemos predecir aproximadamente el valor de la variable Y si sabemos
el valor de X?
Ilustración 115. Gráfico ejercicio 1
188
TELÉFONO 318-48-63
Pregunta: ¿Implica esta asociación causalidad?
Ilustración 116. Asociación
Representación gráfica:
Ilustración 117. Representación gráfica
189
TELÉFONO 318-48-63
Ejercicio 2.
Resolver el ejercicio de regresión lineal con los datos de la tabla siguiente:

Desarrollo:
Ilustración 119. Desarrollo ejercicio 2
Resultado:
La recta de regresión es: 𝑦 = 3.7467 + 0.288𝑥
190
TELÉFONO 318-48-63
Gráfico:
Ilustración 120. Gráfico ejercicio 2
3.2.1.3. Regresión polinominal
Se desarrolla un procedimiento para obtener la ecuación de una línea

recta por medio del criterio de mínimos cuadrados. En la ingeniería,
aunque algunos datos exhiben un patrón marcado, como el que se
muestra en la figura siguiente, son pobremente representados por una
línea recta, entonces, una curva podrá ser más adecuada para ajustarse
a los datos.
La alternativa es ajustar polinomios a los datos mediante regresión

polinomial. El procedimiento de mínimos cuadrados se puede extender
fácilmente al ajuste de datos con un polinomio de grado superior. Por
ejemplo, suponga que ajustamos un polinomio de segundo grado o
cuadrático:
𝑦 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑒
En este caso, la suma de los cuadrados de los residuos es:
𝑆𝑟 = ∑(𝑦𝑖 − 𝑎0 − 𝑎𝑖 𝑥𝑖 − 𝑎2 𝑥𝑖2 )2
𝑖=1
Al seguir el procedimiento obtenemos la derivada de la ecuación con

respecto a cada uno de los coeficientes desconocidos del polinomio:
191
TELÉFONO 318-48-63
Ilustración 121. Derivada de la ecuación
Estas ecuaciones se igualan a cero y se reordenan para desarrollar el

siguiente conjunto de ecuaciones normales:
Ilustración 122. Ecuaciones normales
De todas las sumatorias van desde 𝑖 = 1 hasta 𝑛. Observe que las tres
ecuaciones anteriores son lineales y tienen tres incógnitas: 𝜕0 , 𝜕1 𝑦 𝜕2 . Los
coeficientes de las incógnitas se evalúan de manera directa, a partir de
los datos observados.
En este caso, observamos que el problema de determinar un polinomio
de segundo grado por mínimos cuadrados es equivalente a resolver un
sistema de tres ecuaciones lineales simultáneas. En la parte tres se
estudiaron las técnicas para resolver tales ecuaciones.
El caso bidimensional se extiende con facilidad a un polinomio de m-

ésimo grado como se muestra a continuación:
𝑦 = 𝑎0 + 𝑎1𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑚 𝑥 𝑚 + 𝑒
192
TELÉFONO 318-48-63
El análisis anterior se puede extender fácilmente a este caso más general.

Así, se reconoce que la determinación de los coeficientes de un polinomio
de m-ésimo grado es equivalente a resolver un sistema de m + 1
ecuaciones lineales simultáneas. En este caso, el error estándar se
formula como sigue:
𝑆𝑟
𝑆𝑦/𝑥 = √
𝑛 − (𝑚 + 1
Esta cantidad se divide entre 𝑛 − (𝑚 + 1), ya que (𝑚 + 1) coeficientes
obtenidos de los datos, 𝑎0 , 𝑎1 , … , 𝑎𝑚 , se utilizaron para calcular 𝑆𝑟 ; hemos
perdido 𝑚 + 1 grados de libertad. Además del error estándar, también se
calcula un coeficiente de determinación para regresión polinomial con
ecuación:
𝑆𝑡 − 𝑆𝑟
𝑟2 =
𝑆𝑡
Ejercicio 1.
A partir de los datos de la tabla que se presenta a continuación, ajuste un

polinomio de segundo grado, utilizando regresión polinomial.
193
TELÉFONO 318-48-63
194
TELÉFONO 318-48-63
Ilustración 124. Suma de cuadrados
Ejercicio 2.
Ajustar a un polinomio de segundo grado los datos dados en las dos

primeras columnas de la tabla:

195
TELÉFONO 318-48-63
A partir de los datos proporcionados tenemos:

Ilustración 127. Ecuaciones lineales simultaneas
196
TELÉFONO 318-48-63
Ilustración 128. Ajuste de un polinomio de segundo grado
3.2.1.4. Regresión Lineal múltiple.
El modelo de regresión lineal múltiple es idéntico al modelo de regresión

lineal simple, con la única diferencia de que aparecen más variables
explicativas:
Modelo de regresión simple:
𝑦 = 𝑏0 + 𝑏1 ∙ 𝑥 + 𝑢
Modelo de regresión multiple:
𝑦 = 𝑏0 + 𝑏1 ∙ 𝑥1 + 𝑏2 ∙ 𝑥2 + 𝑏3 ∙ 𝑥3 + ⋯ + 𝑏𝑘 ∙ 𝑥𝑘 + 𝑢
Para realizar un análisis de regresión lineal múltiple se hacen las

siguientes consideraciones sobre los datos:
197
TELÉFONO 318-48-63
Figura 25. Regresión lineal múltiple
Los valores de la variable

dependiente están
Linealidad
Regresión Lineal
generados por el siguiente

modelo lineal
Todas las perturbaciones

múltiple
Homocedasticidad tienen las mismas

varianzas.
Las perturbaciones
Independencia aleatorias son
independientes entre sí.
La distribución de la
Normalidad perturbación aleatoria
tiene distribución normal
Las variables explicativas Xk se obtienen sin errores de medida.
Una extensión útil de la regresión lineal es el caso en el que 𝑦 es una

función lineal de dos o más variables independientes. Por ejemplo, 𝑦
podría ser una función lineal de 𝑥1 𝑦 𝑥2 como en:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑒
En particular, tal ecuación es útil cuando se ajustan datos experimentales

donde la variable sujeta a estudio es una función de otras dos variables.
En este caso, bidimensional, la “línea” de regresión se convierte en un
“plano”, como se muestra en la descripción gráfica de una regresión lineal
múltiple donde 𝑦 es una función lineal de 𝑥1 𝑦 𝑥2 . (Chapra & Canale 2006).
198
TELÉFONO 318-48-63
Ilustración 129. Regresión Lineal múltiple
Los mejores valores para los coeficientes se determinan al realizar la

suma de los cuadrados de los residuos:
Ilustración 130. Suma de los cuadrados de los residuos
199
TELÉFONO 318-48-63
Y derivando con respecto a cada uno de los coeficientes desconocidos:
Ilustración 131. Coeficientes desconocidos
Los coeficientes que dan la suma mínima de los cuadrados de los residuos
se obtienen al igualar a cero las derivadas parciales y expresando el
resultado en forma matricial:
Ilustración 132. Resultado en forma matricial
200
TELÉFONO 318-48-63
Ejercicio 1.
Los siguientes datos se calcularon con la ecuación y = 5 + 4x1 – 3x2:
Las sumatorias requeridas para la ecuación se calculan y el resultado es

el siguiente:
6 16.5 14 𝑎0 54
[16.5 76.25 48] { 𝑎1 } = { 243.5}
14 48 54 𝑎2 100
Que se resuelve mediante un método como el de eliminación de Gauss,

obteniéndose:
𝑎0 = 5 𝑎1 = 4 𝑎2 = −3
Que es consiente con la ecuación original, de la cual se obtienen los
datos.
Tabla requerida para desarrollar las ecuaciones normales:
Ilustración 134. Valores para las ecuaciones normales
201
TELÉFONO 318-48-63
El caso bidimensional anterior fácilmente se extiende a 𝑚 dimensiones

así:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑚 𝑥𝑚 + 𝑒
Donde el error estándar se formula como:
𝑆𝑟
𝑆𝑦/𝑥 =
𝑛 − (𝑚 + 1)
Ejercicio 2.
Proceso de producción (especificación del modelo de regresión lineal

múltiple).
EI director de producción de una empresa ha pedido ayuda para estudiar

un proceso de producción. De rollos continuos de resina flexible que lleva
adherida a su superficie una fina película de material conductor hecho de
cobre. El cobre se adhiere a la resina pasando la resina por una solución
de cobre. EI grosor del cobre es fundamental para que los circuitos sean
de buena calidad.
Depende en parte de la temperatura de la solución de cobre, de la

velocidad de la línea de producción, de la densidad de la solución y del
grosor de la resina flexible. Para controlar el grosor del cobre adherible a
la superficie, el director de producci6n necesita saber que efecto produce
cada una de estas variables. Le ha pedido ayuda para desarrollar un
modele de regresión lineal múltiple.
Propuesta de Solución.
La regresión múltiple puede utilizarse para hacer estimaciones del efecto

que produce cada variable en combinación con las demás. El desarrollo
del modelo inicia con un análisis detenido del contexto del problema. El
primer paso en este ejemplo será una reunión extensa con los ingenieros
responsables del desafío del producto y de la producción, con el fin de
comprender detalladamente el proceso del que se pretende desarrollar el
modelo. En algunos casos, se documenta de la información disponible
(manuales y procedimientos) existentes sobre el proceso.
202
TELÉFONO 318-48-63
Este debe ser comprendido y aceptado per todos los interesados antes de
poder desarrollar un modelo útil utilizando el análisis de regresión lineal
múltiple.
En este ejemplo, se pueden definir:
La variable dependiente, Y, es el grosor del cobre.
Las variables independientes son la temperatura de 1a solución de cobre,

X1;
La velocidad de la línea de producción, X2;
La densidad de la solución, X3;
El grosor de la resina flexible, X4;
Los ingenieros, participantes y los científicos que comprendían la

tecnología del proceso de recubrimiento identificaron estas variables
como posibles predictores del grosor del cobre, Y. Basándose en el
estudio del proceso, la especificación del modelo resultante es:
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝛽4 𝑋4
3.2.2. Aplicaciones
Líneas de tendencia
Una línea de tendencia representa una tendencia en una serie de datos

obtenidos a través de un largo período. Este tipo de líneas puede decir si
un conjunto de datos en particular (como, por ejemplo, el PBI, el precio
del petróleo o el valor de las acciones) han aumentado o decrementado
en un determinado período. Las líneas de tendencia son generalmente
líneas rectas, aunque algunas variaciones utilizan polinomios de mayor
grado dependiendo de la curvatura deseada en la línea. (EcuRed 2011).
Medicina
En Medicina, las primeras evidencias relacionando la mortalidad con el

fumar tabaco vinieron de estudios que utilizaban la regresión lineal. Los
203
TELÉFONO 318-48-63
investigadores incluyen una gran cantidad de variables en su análisis de

regresión en un esfuerzo por eliminar factores que pudieran producir
correlaciones espurias.
En el caso del Tabaquismo, los investigadores incluyeron el estado socio-

económico para asegurarse que los efectos de mortalidad por tabaquismo
no sean un efecto de su educación o posición económica. No obstante, es
imposible incluir todas las variables posibles en un estudio de regresión.
En el ejemplo del tabaquismo, un hipotético gen podría aumentar

la Mortalidad y aumentar la propensión a adquirir enfermedades
relacionadas con el consumo de tabaco.
Industria
En la industria tiene aplicación para investigar la relación entre el

rendimiento de la producción y uno o más factores del (o de los) que
depende, como la Temperatura, la humedad ambiental, la presión, la
cantidad de insumos, etc.; con base en este análisis se puede pronosticar
el comportamiento de una variable que se desea estimar.
En los negocios
La regresión lineal se utiliza en la creación de líneas de tendencia, la cual

utiliza los datos del pasado para predecir el rendimiento o "tendencias"
en el futuro. Por lo general, las líneas de tendencia se utilizan en el
negocio para mostrar el movimiento de atributos financieros o de
producto a través del tiempo. Los precios de acciones, del petróleo o las
especificaciones del producto pueden analizarse utilizando líneas de
tendencia.
Control de calidad total
Los métodos de control de calidad utilizan con frecuencia la regresión

lineal para analizar las especificaciones claves de un producto y otros
parámetros medibles de la calidad del producto u organización (como el
204
TELÉFONO 318-48-63
número de quejas de los clientes a través del tiempo, etc.). (Keener

2012).
Regresión lineal en recursos humanos
Los métodos de regresión lineal también se utilizan para predecir los datos
demográficos y tipos de fuerzas laborales futuras para las grandes
empresas. Esto ayuda a las empresas a prepararse para las necesidades
de la fuerza laboral a través del desarrollo de buenos planes de
contratación y planes de formación para los empleados existentes.
Análisis de riesgos para inversionistas
El modelo de precios de activos de capital se desarrolló utilizando el

análisis de regresión lineal y la medida común de volatilidad de una acción
o de una inversión es su beta (el cual se determina utilizando la regresión
lineal). La regresión lineal y su uso es fundamental para evaluar el riesgo
asociado con la mayoría de los vehículos de inversión.

a este tema.
ACTIVIDAD
COMPLEMENTARIA 3.1
ACTIVIDAD DE
APRENDIZAJE 3.1
205
TELÉFONO 318-48-63
3.3. Diferenciación e Integración Numérica
Para calcular la derivada de una función de la que sólo conocemos un

número finito de datos. Dos métodos son los más usuales a la hora de
resolver tal problema.
Derivar un polinomio de interpolación construido mediante algún método,

permite el cálculo de las sucesivas derivadas en un punto dado del
polinomio interpolante asociado a nuestros datos.
Calcular directamente la derivada utilizando para ello aproximaciones de

la función mediante los polinomios de Taylor. Las fórmulas obtenidas de
esta manera reciben el nombre de fórmulas de diferencias finitas.
Los métodos de integración numérica nos permiten integrar funciones que

están definidas analíticamente o de las que sólo conocemos su tabla en
un número finito de puntos.
Consideremos el cao en que tenemos un conjunto de puntos 𝑎 = 𝑥0 < 𝑥1 <
⋯ < 𝑥𝑛 = 𝑏 equiespaciados 𝑦 que queremos calcular la integral de
determinada función 𝑓 definida sobre el intervalo [𝑎; 𝑏]. Podemos entonces
considerar el polinomio interpolador 𝑓 respecto a los nodos 𝑥𝑖 .
3.3.1. Derivación numérica

En parte nos ocupamos de aproximar las derivadas de orden arbitrario ν
en un punto cualquier α de una función f de la cual solo conocemos sus
valores en los (n + 1) nodos distintos x0, x1, . . . , xn.
Para ello, buscaremos fórmulas de derivación del tipo:
Ilustración 135. Derivación numérica
Fuente: UDEMEX 2019 con información de Álvarez, L. y Martínez, A., (2004).
206
TELÉFONO 318-48-63
Se hace referencia al estudio de las fórmulas de tipo de interpolación

polinómico, esto es, se aproxima f por el polinomio de interpolación de
Lagrange, se deriva y se evalúa en el punto:
Ilustración 136. Aproximación de f por el polinomio de interpolación de Lagrange
Por tanto, los coeficientes de la fórmula son:
Ilustración 137. Coeficientes de la fórmula
Teorema 1
Una fórmula de derivación:
Ilustración 138. Teorema 1 fórmula de derivación
Es de tipo interpolatorio polinómico si y solo si es exacta en Pn(R).
Entonces, para el cálculo de los coeficientes 𝐴𝑖 impondremos la exactitud

de la formula sobre los polinomios x k , 0 ≤ k ≤ n, de la base de Pn(R) :
207
TELÉFONO 318-48-63
Ilustración 139. Exactitud de la formula sobre los polinomios
O equivalentemente:
Ilustración 140. Equivalencia
Este S.E.L. de (n + 1) ecuaciones y (n + 1) incógnitas con matriz de

Vandermonde (por tanto, inversible) tiene solución única. Resolviendo el
sistema se obtienen los valores de los coeficientes 𝐴𝑖 , i = 0, . . . , n.
(Álvarez & Martínez, 2004).
Teorema 2: Formula para el error de derivación
Si f ∈ C n+1([a, b]), donde [a, b] es un intervalo que contiene los nodos

x0, x1, . . . , xn, entonces se tiene que el error cometido para la primera
derivada en los nodos verifica la acotación:
Se pueden obtener también, aunque son mucho más complejas, las
fórmulas de error para las derivadas de orden superior y para puntos α
que no sean nodos.
Ilustración 141. Fórmula para el error de derivación
208
TELÉFONO 318-48-63
3.3.2. Aplicaciones al cálculo diferencial
1. El cálculo diferencial es un método universal, que se puede aplicar

en física, química, biología, contabilidad, etc. En cualquier proceso
que puede ser traducido a una ecuación y ahí se puede aplicar.
2. Su aplicación más conocida es la determinación de los máximos y

mínimos de una función (variable dependiente en una ecuación), en
otras palabras, sirve para determinar: las coordenadas del punto
más alto o más bajo de una curva (o ambos), es decir, donde la
pendiente es cero.
Ilustración 142. Aplicaciones al cálculo diferencial
Fuente: UDEMEX 2019 con información de Aplicación del Cálculo Diferencial en

la Vida Diaria de un Ingeniero, (2014).
3. Para cálculo de probabilidades, existen funciones de distribución de

probabilidad y también funciones de densidad de probabilidad. Para
obtener las segundas se debe obtener la derivada de la distribución.
Y estas funciones son útiles para calcular seguros de vida, daños,
tasas de interés, etc. De manera resumida cualquier tipo de riesgo
que se comporte de forma continua en el tiempo.
4. Para maximizar o minimizar cosas. Por ejemplo, si se quiere reducir

costos en una empresa que se dedica a empacar productos X, pero
209
TELÉFONO 318-48-63
se descubre que se puede seguir empacando la misma cantidad de

X con cajas más pequeñas.
5. Se puede crear un modelo de ecuaciones diferenciales para

proponer un modelo de crecimiento poblacional, crecimiento de
activos de empresas, comportamiento de partes mecánicas de un
automóvil, y muchas aplicaciones más en ingeniería y física.
El cálculo diferencial tiene un importante campo de aplicación en esta

área:
Figura 26. Aplicaciones del cálculo diferencial
Fabricación de chips (obleas de

microprocesadores)
Miniaturización de componentes
internos
Administración de las compuertas

de los circuitos integrados
Compresión y digitalización de
imágenes, sonidos y videos
Han coadyuvado a aumentar la

inteligencia artificial
Fuente: UDEMEX 2019 con información de Aplicación del Cálculo Diferencial en

la Vida Diaria de un Ingeniero, (2014).
El cálculo diferencial se aplica a todo, por comenzar a dar ejemplos, se

aplica a la velocidad de los coches ya que la velocidad es la derivada del
espacio con respecto al tiempo, la aceleración es el cambio de velocidad.
6. Noción de derivada, las derivadas se definen tomando el límite de

la pendiente de las rectas secantes conforme se van aproximando
a la recta tangente. Es difícil hallar directamente la pendiente de la
recta tangente de una función porque sólo conocemos un punto de
ésta, el punto donde ha de ser tangente a la función. Por ello,
aproximamos la recta tangente por rectas secantes. Cuando
210
TELÉFONO 318-48-63
tomemos el límite de las pendientes de las secantes próximas,

obtendremos la pendiente de la recta tangente.
7. La derivada se utilizó, en principio, para el cálculo de la tangente en

un punto, y también servía para el cálculo de velocidades, y en
consecuencia para el estudio de la variación de una función. Desde
los primeros pasos en el cálculo diferencial, de todos es conocido
que dada una función y = f(x), su derivada, en forma de diferencial
de una función de una sola variable, es también una función que se
puede encontrar mediante ciertas reglas como el Teorema
Fundamental del Cálculo Integral. (Nueva-era 2014).
3.3.3. Integración numérica
Hay muchas situaciones en las que es preciso aplicar procedimientos

numéricos para obtener la integral definida de una función.
La aproximación numérica de la integral definida se conoce como

integración o cuadratura numérica. El segundo nombre procede de la
antigüedad en relación con el cálculo de las ·áreas de las figuras curvas,
cuyo ejemplo más notorio es el problema de la cuadratura del círculo
(encontrar el cuadrado de ·rea coincidente con la de un círculo dado). En
este tema nos ocuparemos del cálculo aproximado del ·rea bajo la curva
f (x) definida sobre un intervalo [a, b] de la recta real, es decir:
𝑏
𝐼 (𝑓 ) = ∫ 𝑓(𝑥 )𝑑𝑥
𝑎
La integración numérica es una herramienta de gran utilidad para obtener
valores aproximados de integrales definidas que no pueden calcularse
analíticamente, ya sea porque el integrando no tiene primitiva expresable
analíticamente, o bien porque dicho integrando no se conoce en forma
analítica sino en forma discreta (tabulada) por ejemplo, datos
procedentes de un experimento. Dado que una integral es el límite de una
suma infinita, es natural que su aproximación consista en una suma finita
de muestras, ponderadas con pesos wi, del integrando f (xi). Dicha suma
se denomina fórmula de cuadratura. (UNAM 2014).
211
TELÉFONO 318-48-63
3.3.3.1. Área bajo una curva
De acuerdo con la definición del diccionario, integrar significa “juntar

partes en un todo; unir; indicar la cantidad total...”. Matemáticamente,
la integración se representa por:
𝑏
𝐼 = ∫ 𝑓 (𝑥 )𝑑𝑥
𝑎
Que representa la integral de la función f(x) con respecto a la variable
independiente x, evaluada entre los límites x = a y x = b. La función f(x)
se llama integrando.
La definición del diccionario y el “significado” de la ecuación anterior es el

valor total, o sumatoria, de f(x) dx sobre el intervalo desde x = a hasta
x = b. De hecho, el símbolo ∫ es en realidad una letra S estilizada,
antigua, que intenta representar la estrecha relación entre integración y
suma. (Chapra & Canale, 2006).
La figura siguiente representa una manifestación gráfica del concepto.

Para funciones que están por encima del eje x, la integral, expresada por
la ecuación y corresponde al área bajo la curva de f(x) entre x = a y b.
Ilustración 143. Área bajo una curva
212
TELÉFONO 318-48-63
Dad una función 𝑓 (𝑥 ) > 0 en un intervalo [𝑎, 𝑏], para encontrar el área bajo
la curva procedemos como sigue:
1. Hacemos una partición (dividimos) del intervalo [𝑎, 𝑏] en n-

subintervalos iguales de longitud 𝑥 = (𝑏 − 𝑎)/𝑛. Esta será la longitud
de la base de cada uno de los 𝑛 rectángulos.
2. En cada subintervalo escogemos un valor especial de 𝑥 para evaluar
la función. A este valor lo denotamos como 𝑥 ∗ y entonces 𝑓(𝑥 ∗ ) es
la altura del rectángulo en ese subintervalo. (NTEFP, 1999).
1. Ahora sumamos las áreas de los n rectángulos. El área de los n

rectángulos es entonces:
𝑛 𝑛
∑ ∆𝑖 = ∑ 𝑓(𝑥)∆𝑥
𝑖=1 𝑖=1
La suma de Riemann consiste básicamente en trazar un número finito de

rectángulos dentro de un área irregular, calcular el área de cada uno de
los rectángulos y sumarlos. El problema de este método de integración
numérica es que al sumar las áreas se obtiene un margen de error muy
grande.
Ilustración 144. Suma de Riemann
Fuente: UDEMEX 2019 con información de Aplicaciones de Matemáticas, (1999).
213
TELÉFONO 318-48-63
Ejercicio 1.
Para 2𝑥, hallar el área bajo la curva de 4 a 10:
Las áreas se miden en unidades cuadradas (u2), por lo que es necesario

indicar así el resultado.
Ejercicio 2.
Para 3𝑥 2 , hallar el área bajo la curva desde cero hasta cinco:
Ilustración 146. Ejercicio 2 para 3𝑥 2
Para 2𝑥 + 5, hallar el área bajo la curva entre 10 y 20:
Ilustración 147. Ejercicio 2 para 2𝑥 + 5
3.3.3.2. Método del punto medio
El método del punto medio es muy fácil de entender, ya que aproxima la

integral definida:
214
TELÉFONO 318-48-63
𝑏
∫ 𝑓(𝑥) 𝑑𝑥
𝑎
Por la suma de pequeños rectángulos. Como se muestra en la imagen
siguiente, el área de cada rectángulo es 𝑓(𝑥𝑚 ) ∙ ∆𝑥𝑖 , donde 𝑥𝑚 = 𝑥𝑖+1 + 𝑥𝑖 )/2
es la posición intermedia entre 𝑥𝑖 y 𝑥𝑖+1 .
Ilustración 148. Método del punto medio
Sea f una función continua en [a, b]. La regla del punto medio para
aproximar su integral viene dada por:
Ilustración 149. Función continua
Donde x i es el punto medio del i-ésimo subintervalo [x i-1, x i], es

decir, x i = 1/2(x i-1, x i)
215
TELÉFONO 318-48-63
Ejercicio 1.
Utilizar la regla del punto medio para aproximar 𝑒 ˄ (𝑥˄2) en intervalo [0,1]
y en 4 partes iguales:
Ejercicio 2.
1
Aproximar ∫1 3𝑥 2 𝑑𝑥 usando la regla del punto medio con 𝑛 = 4
Con 𝑛 = 4, la partición regular del intervalo [0,1]
Con los puntos medios de cada una es el soporte:
216
TELÉFONO 318-48-63
1
1 𝑥3
Si obtenemos la integral algebraicamente ∫0 3𝑥 2 𝑑𝑥 = 3 ∗ | = 𝑥 3 |10 = 1
3 0
Mientras mayor sea el número de intervalos mejor es la aproximación.
3.3.3.3. Método del trapecio
La regla del trapecio es la primera de las fórmulas cerradas de integración

de Newton- Cotes. Corresponde al caso donde el polinomio de la ecuación
de primer grado:
𝑏 𝑏
𝐼 = ∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∫ (𝑥) 𝑑𝑥
𝑎 𝑎
217
TELÉFONO 318-48-63
Una línea recta se puede representar como:

𝑓 (𝑏 ) − 𝑓 (𝑎 )
𝑓1 (𝑥 ) = 𝑓 (𝑎) + (𝑥 − 𝑎)
𝑏−𝑎
El área bajo esta línea recta es una aproximación de la integral de f(x)

entre los límites a y b: (Chapra & Canale 2006).
𝑏
𝑓 (𝑏 ) − 𝑓 (𝑎 )
𝐼 = ∫ [𝑓(𝑎) + (𝑥 − 𝑎)] 𝑑𝑥
𝑎 𝑏−𝑎
El resultado de la integración es la denominada regla del trapecio:
𝑓 (𝑎) + 𝑓(𝑏)
𝐼 = (𝑏 − 𝑎)
2
Para calcular la integral definida de la función f(x) en el intervalo

comprendido entre 𝑥0 y 𝑥, dividimos este intervalo en pequeños intervalos
de longitud ℎ = 𝑥𝑖+1 − 𝑥𝑖 . Sustituimos la función por la recta que une los
puntos (𝑥𝑖 , 𝑥𝑖 ) y (𝑥𝑖+1 , 𝑦𝑖+1 ). El área sombreada en la imagen siguiente es
la suma del área de un rectángulo más el área de un triángulo.
Ilustración 152. Suma del área de un rectángulo más el área de un triángulo
218
TELÉFONO 318-48-63
El área total aproximada bajo la curva lo muestra la siguiente formula:
Ilustración 153. Área total aproximada bajo la curva
Definimos en la función trapecio el procedimiento. Donde 𝑓 es la función

integrando, y 𝑥 el vector de 𝑛 + 1 datos comprendidos entre la abscisa
inicial 𝑥0 y la final 𝑥𝑓 ambas incluidas, si el número de intervalos es 𝑛.
Ejercicio 1.
Calcular usando la regla del trapecio con 𝑛 = 6.
219
TELÉFONO 318-48-63
Ejercicio 2.
Integre la siguiente ecuación:
220
TELÉFONO 318-48-63
Representación gráfica del empleo de una sola aplicación de la regla del

trapecio para aproximar la integral de 𝑓 (𝑥 ) = 0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 −
900𝑥 4 + 400𝑥 5 𝑑𝑒 𝑥 = 0 𝑎 0.8
Ilustración 156. Representación gráfica del empleo de una sola aplicación de la regla del
trapecio
3.3.3.4. Método de Simpson
En este procedimiento, se toma el intervalo de anchura 2ℎ, comprendido

entre 𝑥𝑖 y 𝑥𝑖+2 , y se sustituye la función 𝑓(𝑥) por la parábola que pasa
por tres puntos (𝑥𝑖 , 𝑦𝑖 ), (𝑥𝑖+1 , 𝑦𝑖+1 ), 𝑦 (𝑥𝑖+2 , 𝑦𝑖+2 ).
221
TELÉFONO 318-48-63
Ilustración 157. Método de Simpson
Calculamos la contribución a la integral del primero intervalo (𝑥0 , 𝑥0 + 2ℎ)

y generalizaremos para el resto de los intervalos.
Ilustración 158. Contribución a la integral del primero intervalo
222
TELÉFONO 318-48-63
Sustituimos la curva por la porción de parábola en el intervalo (x0, x0+2h).

Ilustración 159. Sustitución de la curva por la porción de parábola en el intervalo (x0, x0+2h)
Ilustración 160. Área de aproximación
223
TELÉFONO 318-48-63
El primer paréntesis, contiene la suma de los extremos, el segundo, la

suma de los términos de índice impar, y el tercero la suma de los términos
de índice par. En el método de Simpson, el número de divisiones n debe
de ser par.
Definimos en la función Simpson el procedimiento. Donde 𝑓 es la función
integrando, y 𝑥 el vector 𝑛 + 1 datos comprendidos entre la abscisa inicial
𝑥0 y la final 𝑥𝑓 ambas incluidas, si el número de intervalos es 𝑛 que tiene
que ser un número PAR.
Ejercicio 1.
1 2
Utilizar la regla de Simpson para aproximar la integral: ∫0 𝑒 𝑥 𝑑𝑥
Usando la formula directamente con los siguientes datos:
𝑎=0
𝑏=1
2
𝑓 (𝑥 ) = 𝑒 𝑥
Si se asume el área a calcular como un solo arco de parábola, se tendría

𝑏−𝑎 𝑑𝑥
entonces que 𝑑𝑥 = = 1 o ℎ = ( 2 ) = 0.5 y aplicando la ecuación:
1
224
TELÉFONO 318-48-63
Resultado:
𝟏
𝟐
∫ 𝒆𝒙 𝒅𝒙 = 𝟏. 𝟒𝟕𝟓𝟕
𝟎
Ejercicio 2.
𝟏 𝟐
Aplicar la regla de Simpson para la aproximación la integral ∫𝟎 𝒆𝒙 𝒅𝒙 si se
subdivide el área total en 5 intervalos.
Solución: en este caso, se identifica 𝑛 = 5, y las particiones generadas
estarían delimitadas por los puntos 𝑃 = {0.0, 0.2, 0.4, 0.6, 0.8, 1.0} sobre el eje
𝑥.
Así, aplicando la fórmula:
225
TELÉFONO 318-48-63
Ilustración 163. Ejercicio 2, arco de parábola
Ilustración 164. Arco de parábola

226
TELÉFONO 318-48-63
3.3.3.5. Integración de Romberg
La integración de Romberg es una técnica diseñada para obtener

integrales numéricas de funciones de manera eficiente, que se basa en
aplicaciones sucesivas de la regla del trapecio; sin embargo, a través de
las manipulaciones matemáticas, se alcanzan mejores resultados con
menos trabajo.
Solo funciona si se conoce la función (ecuación) que se desea integrar.

Requiere del uso de la regla del trapecio multiple. Este método usa dos
estimaciones de una integral para calcular una tercera más exacta. (Cruz
2011).
El valor de la integral exacta es la suma del valor estimado con un paso

h más el error generado:
𝐼 = 𝐼 (ℎ) + 𝐸(ℎ)
Se parte del hecho de que la integración de Romberg requiere de dos

estimaciones:
𝐼 = (𝐼(ℎ1 ) + 𝐸(ℎ1 ) = 𝐼 (ℎ2 ) + 𝐸(ℎ2 )
El error de la aplicación múltiple de la regla del trapecio se obtiene por:

𝑏−𝑎 2
𝐸≅− ̅
ℎ 𝑓 ´´
12
La razón de los errores de las dos estimaciones es:

𝐸 (ℎ1 ) ℎ12
≅
𝐸 (ℎ2 ) ℎ22
Si se despeja 𝐸 (ℎ1 ) se puede conocer el error 𝑓´´:
ℎ1 2
𝐸 (ℎ1 ) ≅ 𝐸 (ℎ2 ) ( )
ℎ2
Sustituyendo 𝐸 (ℎ1 ) y despejando 𝐸 (ℎ2 ) tenemos:
𝐼 (ℎ2 ) − 𝐼(ℎ1 )
𝐸 (ℎ2 ) ≅ 2
ℎ
( 1⁄ℎ ) − 1
2
227
TELÉFONO 318-48-63
Con esto se tiene una estimación del error de truncamiento en términos

de los tamaños de paso y las estimaciones de las integrales sustituyendo:
𝐼 = 𝐼(ℎ2 ) + 𝐸(ℎ2 ) tenemos:
𝐼 (ℎ2 ) − 𝐼(ℎ1 )
𝐼 ≅ 𝐼 (ℎ2 ) + 2
ℎ
( 1⁄ℎ ) − 1
2
La ecuación anterior es una estimación mejorada a la integral en base a
dos estimaciones anteriores.
Para el caso donde el intervalo de una estimación es la mitad de intervalo
de la otra estimación, esto es, ℎ2 = ℎ1 /2, sustituyendo esta relación en la
ecuación anterior, se tiene:
4 1
𝐼 ≅ 𝐼 (ℎ2 ) − 𝐼(ℎ1 )
3 3
A continuación, se muestra la integral del método de Romberg:
Ilustración 165. Integral del método de Romberg
Fuente: UDEMEX 2019 con información de Cruz, M.A., (2011).
228
TELÉFONO 318-48-63
Ejercicio1.
Ilustración 166. Aproximar la integral
229
TELÉFONO 318-48-63
Con estos datos tenemos:
Ilustración 167. Segundo nivel de aproximación
230
TELÉFONO 318-48-63
Ilustración 168. Tercer nivel de aproximación
En el siguiente nivel (nivel 4) se tiene la formula.
Ilustración 169. Cuarto nivel de aproximación
231
TELÉFONO 318-48-63
Ejercicio 2.
Aproximar la siguiente integral:
232
TELÉFONO 318-48-63
Solución.
Igual que arriba, primero usamos la regla del trapecio (con los valores de
h indicados) para llenar el nivel 1. Tenemos entonces que:
3.3.3.6. Método aleatorio
El método de Montecarlo permite resolver problemas matemáticos

mediante la simulación de variables aleatorias.
John Von Neumann, en los años 40 y con los primeros ordenadores, aplica
la simulación para resolver problemas complejos que no podían ser
resueltos de forma analítica.
233
TELÉFONO 318-48-63
Montecarlo y su casino están relacionados con la simulación. La ruleta,

juego estrella de los casinos, es uno de los aparatos mecánicos más
sencillos que nos permiten obtener números aleatorios para simular
variables aleatorias. (Rodríguez 2011).
Ilustración 172. Método aleatorio
Fuente: UDEMEX 2019 con información de Rodríguez, L., (2011).
Una aplicación importante de este método es al cálculo de integrales,

especialmente de alta dimensión, ya sea porque no es posible calcularlas
en forma exacta o es muy difícil su cómputo con el grado de precisión
deseado. La idea de la integración por Monte Carlo es evaluar la integral:
234
TELÉFONO 318-48-63
Ilustración 173. Cálculo de integrales
Ilustración 174. Muestreo aleatorio
235
TELÉFONO 318-48-63
Ejercicio 1.
236
TELÉFONO 318-48-63
Ejercicio 2.
Consideramos el caso más sencillo, que se muestra a continuación:
237
TELÉFONO 318-48-63
3.3.4. Aplicaciones al cálculo integral
Mostraremos los métodos de integración para afrontar una gran variedad

de problemas que pueden ser resueltos con integrales.
1. Área entre curvas:

a) Área entre curvas.
b) Área entre curvas con múltiples fronteras.
Ilustración 177. Área entre curvas con múltiples fronteras
Fuente: UDEMEX 2019
c) Área entre dos curvas
2. Valor promedio de una función:
a) Valor promedio de una función en intervalo cerrado.

b) Calculando el valor promedio de una función sobre un
intervalo.
c) Aceleración promedio sobre intervalo.
238
TELÉFONO 318-48-63
d) Teorema del valor promedio para integrales.

e) Valor promedio de una función.
3. Longitud de arco:
a) Demostración no rigurosa de la fórmula de longitud de arco.

b) Ejemplo de integración de longitud de arco.
Ilustración 178. Ejemplo de integración de longitud de arco
Fuente: UDEMEX 2019
c) Longitud de arco de funciones de una variable.
4. Volumen de solidos con secciones transversales conocidas:
a) Secciones transversales de semicírculo con base triangular.

b) Volumen de un sólido con secciones transversales conocidas.
c) Volumen de sólidos con una sección transversal conocida.
5. Sólidos en revolución – método de disco:
a) Método de los discos alrededor del eje x.
239
TELÉFONO 318-48-63
Ilustración 179. Método de los discos alrededor del eje x
Fuente: UDEMEX 2019
b) Método generalizado del disco alrededor del eje x.

c) Método de los discos alrededor del eje y.
d) Método de discos para la rotación alrededor del eje x.
e) Generalizando el método de las arandelas.
f) Rotación alrededor de una línea horizontal mediante el
método de discos.
g) Método de arandela giratoria alrededor de ningún eje.
h) Método de los discos alrededor de una línea vertical.
i) Calculando la integral que resulta del método de los discos
alrededor de una recta vertical.
j) Método e anillos para la rotación alrededor de una línea
vertical.
k) Volúmenes de solidos de revolución, discos y anillos.
6. Sólidos en revolución – método de cascarones:
a) Método de cascarones para la rotación alrededor de una línea

vertical.
b) Evaluando la integral para el método de cascarones.
c) Método de cascarones para girar alrededor de una línea
horizontal.
d) Método de cascarones con dos funciones x.
e) Calculando la integral con el método de cascarones.
f) Método de cascarones con dos funciones y.
7. Volumen de un sólido de revolución:
240
TELÉFONO 318-48-63
a) Método de disco: función que rota alrededor del eje x.

b) Método de disco (rotación de f(x) sobre el eje x).
c) El volumen de una esfera.
Ilustración 180. Volumen de una esfera
Fuente: UDEMEX 2019
d) Método de los discos de fronteras internas y externas.

e) Método de cascarones para rotar alrededor del eje y.
f) Método de disco (rotación de x=f(y) sobre el eje y).
g) Método de cascarones alrededor de una recta paralela a
alguno de los ejes cartesianos.
8. Área definida por gráficas polares:
a) Deducción de la fórmula del área dentro de un gráfico polar.

b) El área dentro de un cardiodie.
241
TELÉFONO 318-48-63
Ilustración 181. Área dentro de un cardiodie
Fuente: UDEMEX 2019
c) El área entre dos gráficas polares.

d) Evaluando una integral definida con calculadora.
e) Área delimitada por gráficas polares.
9. Longitud de arco de gráficas polares:
a) Demostración de la fórmula para la longitud de arco polar.

b) Longitud de arco de un pétalo de una gráfica polar.
c) Longitud de arco de curvas polares.
3.4. Integración múltiple
Es la herramienta natural para el cálculo de volúmenes en el espacio

tridimensional. Se introduce el concepto de integral múltiple, el cual
incluye los casos en un contexto general.
Las aplicaciones no se limitan al cálculo de áreas y volúmenes, sino que

se extienden a otros problemas físicos y geométricos.
Las integrales múltiples se utilizan a menudo en la ingeniería. Por ejemplo,

una ecuación general para calcular el promedio de una función
bidimensional puede escribirse como se muestra a continuación:
𝑑 𝑏
∫𝑐 (∫𝑎 𝑓(𝑥, 𝑦) 𝑑𝑥 ) 𝑑𝑥
𝑓̅ =
(𝑑 − 𝑐)(𝑏 − 𝑎)
242
TELÉFONO 318-48-63
Al numerador se le llama integral doble. Integral doble sobre el área bajo

la superficie de la función.
Las técnicas estudiadas se utilizan para evaluar integrales múltiples. Un

ejemplo sencillo sería obtener la integral doble de una función sobre un
área rectangular de la imagen siguiente:
Ilustración 182. Integración múltiple
Recuerde del cálculo que dichas integrales se pueden calcular como

integrales iteradas.
𝑑 𝑏 𝑏 𝑑
∫ (∫ 𝑓(𝑥, 𝑦) 𝑑𝑥 ) 𝑑𝑦 = ∫ (∫ 𝑓(𝑥, 𝑦) 𝑑𝑦) 𝑑𝑥
𝑐 𝑎 𝑎 𝑐
Primero se evalúa la integral en una de las dimensiones y el resultado de

esta primera integración se incorpora en la segunda dimensión. La
ecuación anterior establece que no importa el orden de integración.
(Chapra & Canale 2006).
243
TELÉFONO 318-48-63
Una integral numérica doble estará basada en la misma idea. Primero se

aplican métodos, como la regla de Simpson o del trapecio para segmentos
múltiples, a la primera dimensión manteniendo constantes los valores de
la segunda dimensión. Después, se aplica el método para integrar la
segunda dimensión.
Integrales Dobles.
La integral definida para funciones de una variable se la definió de la
siguiente manera:
𝑏 𝑛
∫ 𝑓 (𝑥 ) 𝑑𝑥 = lim [∑ 𝑓(𝑥̅𝑖 )∆𝑥𝑖 ]

𝑛→∞
𝑎 𝑖=1
La cual se llama integral (suma) de Riemann, que significa el área bajo la
curva 𝑦 = 𝑓(𝑥) en un intervalo [a, b]. Para obtener una integral definida
para una función de dos variables; primero deberíamos suponer que
ahora la región de integración sería de la forma [𝑎, 𝑏] ∗ [𝑐, 𝑑], es decir un
rectángulo de 𝑅2 , la cual la denotamos como R. (Villena 2009).
Ilustración 183. Integrales Dobles
244
TELÉFONO 318-48-63
Haciendo particiones de la región R, de dimensiones no necesariamente

iguales:
Ilustración 184. Particiones de la región R
La 𝑖𝑗 − 𝑒𝑛é𝑠𝑖𝑚𝑎 partición tendrá forma rectangular. Ahora cabe referirse

al área de esta partición, que estaría dad por:
∆𝐴𝑖𝑗 = ∆𝑥𝑖 ∆𝑦𝑗
Podemos definir una función de dos variables 𝑧 = 𝑓(𝑥, 𝑦) en la región R,
para 𝑖𝑗 − 𝑒𝑛é𝑠𝑖𝑚𝑎 partición sería:
𝑓(𝑥̅𝑖 , 𝑦̅𝑗 )∆𝑥𝑖 ∆𝑦𝑗
245
TELÉFONO 318-48-63
Definición de integral doble:
Ilustración 185. Integral doble
Ejercicio 1.
246
TELÉFONO 318-48-63
Ilustración 187. Identificación de región R
Haciendo primero un barrido vertical.
Ilustración 188. Barrido vertical
247
TELÉFONO 318-48-63
Haciendo primero un barrido horizontal.
Ilustración 189. Barrido horizontal
248
TELÉFONO 318-48-63
Calculando la integral doble, resulta:
Ilustración 190. Integral doble
249
TELÉFONO 318-48-63
Ejercicio 2.
250
TELÉFONO 318-48-63
Ilustración 192. Barrido vertical
Integraciones Triples
Para una integral para una función de tres variables, análogamente a

integrales dobles, deberíamos pensar que nuestra región de integración
se extendería a la forma: a, b x c, d x e, g; es decir, ahora se tendría
un paralelepípedo, una región de R3, la cual se la denota como Q:
251
TELÉFONO 318-48-63
Ilustración 193. Integraciones Triples
Ilustración 194. Particiones de Q
Una función de tres variables 𝑤 = 𝑓(𝑥, 𝑦, 𝑧) definida en Q, para esta

partición sería de la forma:
252
TELÉFONO 318-48-63
Ilustración 195. Función de tres variables
La definición de integrales triples es la siguiente:
Ilustración 196. Integrales triples
253
TELÉFONO 318-48-63
Ejercicio 1.
Encontramos el volumen de la región acotada por 𝑧 = 𝑥 2 + 3𝑦 2 y 𝑧 = 12 −

1
𝑥2
3
254
TELÉFONO 318-48-63
La integral triple para el volumen sería:
Ilustración 198. Integral triple
255
TELÉFONO 318-48-63
Ilustración 199. Gráfica de Integral triple
256
TELÉFONO 318-48-63
Poniendo límites, tenemos:
Ilustración 200. Límites
257
TELÉFONO 318-48-63
Remplazando:
Ilustración 201. Remplazando sustitución trigonométrica
258
TELÉFONO 318-48-63
Ejercicio 2.
Empleando integrales triples para calcular el volumen de la esfera que

tiene por ecuación 𝑥 2 + 𝑦 2 + 𝑧 2 = 𝑎2
El volumen del paralelepípedo diferencial sería: 𝑑𝑉 = 𝑑𝑧𝑑𝐴 (altura por área

de la base), será mejor plantearlo de esta forma para que el 𝑑𝐴 sea
planteado igual que en integrales dobles.
El volumen total sería:
Ilustración 203. Volumen total
259
TELÉFONO 318-48-63
Los demás límites se los obtiene observando la proyección de la superficie

en el plano 𝑥𝑦.
Ilustración 204. Proyección de la superficie en el plano xy
Pensando a polares y evaluando la integral:
Ilustración 205. Evaluación de la integral
260
TELÉFONO 318-48-63
3.4.1. Aplicaciones al cálculo integral múltiple
Entre las aplicaciones de las integrales dobles, se tienen las aplicaciones

geométricas y las físicas. En el primer grupo se encuentran:
1. Cálculo del área de una figura plana, se define el cálculo del área
de una región plana:
Ilustración 206. Área de una figura plana
Fuente: UDEMEX 2019 con información de Aplicaciones de Matemáticas,

(1999).
2. Cálculo de volúmenes de sólidos en el espacio, la integral doble

también puede emplearse para determinar el volumen de un sólido
más general.
Ilustración 207. Volumen de sólidos en el espacio
261
TELÉFONO 318-48-63

(1999).
Entre las aplicaciones físicas están el cálculo de:
1. Masa, el cálculo de la masa de una figura plana se obtiene

mediante:
Ilustración 208. Masa de una figura plana

(1999).
262
TELÉFONO 318-48-63
2. Momentos estáticos de figuras planas, es el momento estático de

una partícula alrededor de un eje se define como el producto de su
masa y la distancia que la separa de ese eje.
Ilustración 209. Momentos estáticos de figuras planas

(1999).
3. Centros de mesa, es el centro de gravedad de una figura D, es un

punto P de coordenadas (𝑥̅ , 𝑦̅) ∈ 𝐷, en el cual la región se equilibra
horizontalmente. Las coordenadas de este punto se obtienen de las
ecuaciones:
𝑀𝑦
𝑥̅ =
𝑚
𝑀𝑥
𝑦̅ =
𝑚
Donde tanto la masa de la placa plana como los momentos estáticos se

calculan por medio de integrales dobles:
263
TELÉFONO 318-48-63
Ilustración 210. Centro de mesa

(1999).
264
TELÉFONO 318-48-63
4. Momentos de inercia para una región bidimensional, es el momento de

inercia de una partícula alrededor de un eje se define como el producto
de su masa y el cuadrado de la distancia que la separa de ese eje y se
considera como una medida de la oposición a girar del cuerpo cuando
actúa sobre él una fuerza de rotación. Los segundos momentos más
importantes son los momentos de inercia alrededor de los ejes
coordenados y del origen.
Ilustración 211. Momentos de inercia de figuras planas
Las aplicaciones de las integrales triples, son similares a las aplicaciones

de las dobles. Sus definiciones se obtienen a partir de la triple suma de
Riemann; sin embargo, a continuación, se presentan de una vez con la
integral triple correspondiente para cada una de ellas. Las aplicaciones
que se mencionan a continuación son:
265
TELÉFONO 318-48-63
1. Volúmenes de sólidos en el espacio.
Ilustración 212. Volúmenes de sólidos en el espacio

(1999).
2. Masa: la masa se obtiene como la integral triple de la función

densidad sobre la región B, tal como se define a continuación:
Ilustración 213. Masa de un sólido en el espacio

(1999).
3. Momentos estáticos: El momento estático de una región B

tridimensional respecto a los planos coordenados xy, yz y xz, se
definen de la siguiente manera:
266
TELÉFONO 318-48-63
Ilustración 214. Momentos estáticos de un sólido en el espacio

(1999).
4. Centros de masa: se define el centro de masa para un sólido

tridimensional como un punto P (x, y, z), donde las coordenadas de
este punto se obtienen de las ecuaciones:
𝑀𝑦𝑧
𝑥̅ =
𝑚
𝑀𝑥𝑧
𝑦̅ =
𝑚
𝑀𝑥𝑦
𝑧̅ =
𝑚
267
TELÉFONO 318-48-63
Entonces:
Ilustración 215. Centro de masa de un sólido del espacio

(1999).
268
TELÉFONO 318-48-63
5. Momentos de inercia de cuerpos en el espacio: Los momentos de

inercia del sólido B respecto a los planos coordenados, se obtienen
como sigue:
Ilustración 216. Momentos de inercia de figuras planas

(1999).
269
TELÉFONO 318-48-63

a este tema.
ACTIVIDAD
COMPLEMENTARIA 3.2
ACTIVIDAD DE
APRENDIZAJE 3.2
270
TELÉFONO 318-48-63
RESUMEN UNIDAD III

Ilustración 217. Resumen Unidad III
Fuente: UDEMEX 2019
271
TELÉFONO 318-48-63
CRITERIOS DE EVALUACIÓN DE LA UNIDAD III

Figura 27. Criterios de evaluación de la Unidad III
Fuente: UDEMEX 2019
272
TELÉFONO 318-48-63

1. Aguilar, M.A., (2012). Métodos Numéricos. DEPARTAMENTO DE
METAL-MECÁNICA. DEPARTAMENTO DE CIENCIAS BASICAS.
INGENIERÍA MECÁNICA. INSTITUTO TECNOLÓGICO DE TUXTLA
GUTIÉRREZ. México.
Consultado el día 26 de febrero del 2019:
https://sites.google.com/site/metalnumericos/home
2. Álvarez, L. y Martínez, A., (2004). Métodos Numéricos. Tema 6:

Derivación numérica. España. Consultado el día 26 de febrero del
2019: http://www.dma.uvigo.es/~lino/Tema6.pdf
3. Aplicación del Cálculo Diferencial en la Vida Diaria de un

Ingeniero, (2014). Nueva-era. Consultado el día 26 de febrero del
2019:
http://es.slideshare.net/nueva-era/aplicacin-del-clculo-diferencial-
en-la-vida-diaria-de-un-ingeniero
4. Aplicaciones de Matemáticas, (1999). Calculo Integral. Áreas

entre la curva. Algunas aplicaciones visuales. Instituto Nacional
de Tecnologías Educativas y de Formación del Profesorado
(INTEFP), España. Consultado el día 26 de febrero del 2019:
http://centros5.pntic.mec.es/ies.de.melilla/area_entre_curvas.htm
5. Arias, M.M., Cameras, G.J. y Guerrero, G., (2008). Métodos

Numéricos. Instituto Tecnológico de Tuxtla Gutiérrez.
Numerictron. México. Consultado el día 26 de febrero del 2019:
https://sites.google.com/site/numerictron/home
6. Cardil, R., (2012). Matemáticas Visuales. Diseño gráfico de

matemáticas visuales. España. Consultado el día 26 de febrero
del 2019:
http://www.matematicasvisuales.com/html/analisis/interpolacion/l
agrange.html
273
TELÉFONO 318-48-63

Ingenieros, 5ª ed., Mc Graw Hill. México, D. F. Consultado el día
8. Cruz, M.A., (2011). Integración de Romberg. Licenciatura en

Electrónica y Computación. Métodos Numéricos. GRIDUAEM.
Universidad Autónoma del Estado de Morelos. Consultado el día 26
de febrero del 2019:
http://www.ing.unne.edu.ar/assets/pdf/academica/departamentos
/computacion/comp/IN.pdf
9. EcuRed, (2011). Regresión lineal. Conocimiento con todos y

para todos. Disponible en la Web "sc.ehu.es". Consultado el día 26
de febrero del 2019:
http://www.ecured.cu/index.php?title=Regresi%C3%B3n_lineal&o
ldid=696714
10. Keener, B., (2012). Aplicación del análisis de regresión

en los negocios. Consultado el día 26 de febrero del 2019:
http://www.ehowenespanol.com/aplicacion-del-analisis-regresion-
negocios-sobre_164162/
11. Parnisari, M. I., (2013). Métodos Numéricos I. Universidad

de Buenos Aires. Facultad de Ingeniería. Buenos Aires Argentina.
http://web.fi.uba.ar/~mparnisari/

de Desarrollo Académico. Consultado: el día 26 de febrero del 2019:
274
TELÉFONO 318-48-63
13. Quintana P., Villalobos E., y Cornejo M. del C., (2005).

Métodos Numéricos: con aplicaciones de Excel. Instituto
Tecnológico de Celaya, Guanajuato. México. 2005. Editorial
Reverté. Impreso en Mexico. Consultado el día 26 de febrero del
2019:
https://books.google.com.mx/books?id=wXP3VzSa-
HIC&pg=PA121&lpg=PA121&dq=ajuste+de+funciones+metodos+
numericos&source=bl&ots=jaN9nE2XYO&sig=rofTN4d0qM0FLxaTs
_gfAQ2IlkI&hl=es&sa=X&ved=0CBkQ6AEwADgUahUKEwj1t9i6hPjI
AhVIHT4KHQrLDQ8#v=onepage&q=ajuste%20de%20funciones%
20metodos%20numericos&f=false

Enfoque Algorítmico con el soporte de MATLAB. Instituto de
Ciencias Matemáticas. Escuela Superior Politécnica del Litoral.
ESPOL. Guayaquil, Ecuador, 2011. Consultado el día 26 de febrero
del 2019: http://es.slideshare.net/marlonvillacis/analisis-
numerico-basico-libro
15. Rodríguez, L., (2011). Simulación, Método de Montecarlo.

Área de estadística e Investigación Operativa. Aragón. Marzo del
2011. Consultado el día 26 de febrero del 2019.
https://previa.uclm.es/profesorado/licesio/Docencia/mcoi/Tema4_
guion.pdf
16. Villena, M., (2009). Integración Multiple. Ecuador.

https://www.dspace.espol.edu.ec/bitstream/123456789/7287/5/5
-Integraci%C3%B3n%20M%C3%BAltiple.pdf
275
TELÉFONO 318-48-63
UNIDAD IV. SOLUCIÓN DE
ECUCIONES DIFERENCIALES Y DIFERENCIALES PARCIALES
UNIDAD IV
SOLUCIÓN DE ECUACIONES DIFERENCIALES Y DIFERENCIALES
PARCIALES
correspondientes a la unidad IV, cada uno de estos temas son importantes
para iniciar el estudio de la Solución de Ecuaciones Diferenciales y
Diferenciales Parciales.
SECUENCIA DIDÁCTICA «UNIDAD IV»

Figura 28. SECUENCIA DIDÁCTICA UNIDAD IV
Fuente: UDEMEX 2019
276
TELÉFONO 318-48-63
INTRODUCCIÓN
La unidad comprende de 4 temas: la solución de ecuaciones diferenciales,

el método de pasos múltiples, la clasificación de ecuaciones y las
ecuaciones parciales parabólicas.
El primer tema comprende los principios fundamentales de la solución de

sistemas de ecuaciones diferenciales por los métodos de un paso, el
método de Euler y Euler mejorado, el método de Runge-Kutta y se hace
referencia también las aplicaciones más importantes.
Otro aspecto importante que se estudiará dentro de esta unidad en el

segundo apartado, será la parte del método de pasos múltiples, sistemas
de ecuaciones diferenciales ordinarias y sus respectivas aplicaciones.
Se contempla dentro del tercer tema de esta unidad, la clasificación de

ecuaciones y dos métodos importantes: el método de diferencias finitas y
el método de diferencias para la ecuación de Poisson.
Es parte importante de esta unidad el tema cuarto que comprende las

ecuaciones parciales parabólicas y sus aplicaciones.
Esta unidad se complementa con una serie de ejercicios que fortalezcan

la formación integral del estudiante; preparándolo para que comprenda,
los principios fundamentales de la solución de sistemas de ecuaciones, el
método de pasos múltiples en la solución de sistemas de ecuaciones
diferenciales ordinarias, el método de diferencias finitas en la solución de
ecuaciones y el método de ecuaciones parciales parabólicas en la solución
de problemas. El propósito es potenciar la capacidad del estudiante en el
uso adecuado de la tecnología ya que va a tener una gran influencia en el
futuro, tanto en su vida profesional como en la personal.
277
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
278
TELÉFONO 318-48-63
4.1. Solución de ecuaciones diferenciales
La solución general, es una solución de tipo genérico, expresada con una

o más constantes. La solución general es un haz de curvas. Tiene un orden
de infinitud de acuerdo a su cantidad de constantes (una constante
corresponde a una familia simplemente infinita, dos constantes a una
familia doblemente infinita, etc.). En caso de que la ecuación sea lineal,
la solución general se logra como combinación lineal de las soluciones
(tantas como el orden de la ecuación), de la ecuación homogénea (que
resulta de hacer el término no dependiente de Y(x) ni de sus derivadas
igual a 0) más una solución particular de la ecuación completa.
La solución particular, es si fijando cualquier punto 𝑃(𝑋0 , 𝑌0 ) por donde

debe pasar necesariamente la solución de la ecuación diferencial, existe
un único calor C, y por lo tanto, de la curva integral que satisface la
ecuación, éste recibirá el nombre de solución particular de la ecuación en
el punto 𝑃(𝑋0 , 𝑌0 ), que recibe el nombre de condición inicial.
Es un caso particular de la solución general, en donde la constante (o

constantes) recibe un valor específico.
En el caso de la solución singular es una función que verifica la ecuación,

pero que no se obtiene particularizando la solución general.
Un Sistema de Ecuaciones Lineales (S.E.l.) es un conjunto de m

ecuaciones con n incógnitas de la forma:
𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏
4.1.1. Fundamentos Matemáticos
Se llama ecuación diferencial a aquella ecuación que contiene derivadas.

Si la ecuación solo tiene una sola variable independiente recibe el nombre
de Ecuaciones Diferenciales Ordinarias (EDO). Si la ecuación contiene
más de una variable independiente, apareciendo así sus
derivadas Parciales, recibe el nombre de ecuaciones diferenciales en
derivadas parciales.
279
TELÉFONO 318-48-63
Se llama orden de una ecuación diferencial al orden de la mayor derivada
que aparezca en ella.
Se llama grado de una ecuación diferencial al grado de la derivada de

mayor orden que aparezca en ella.
Se llama solución general de una ecuación diferencial a toda relación entre

las variables, libres de derivadas, que satisface dicha ecuación
diferencial. Por lo común, la solución general de una ecuación diferencial
de orden n tiene n constante. Integrar o resolver una ecuación diferencial
es hallar su solución general.
Se llama solución particular de una ecuación diferencial a aquella solución

que se obtienen a partir de la solución general, dando valores a las
constantes.
Una ecuación diferencial es una ecuación en la que intervienen

derivadas de una o más funciones desconocidas. Dependiendo del
número de variables independientes respecto de las que se deriva, las
ecuaciones diferenciales se dividen en:
Figura 30. División de ecuaciones diferenciales
Ecuaciones diferenciales ordinarias

Ecuaciones derivadas parciales
Aquellas que contienen
derivadas respecto a una sola
variable independiente Aquellas que contienen
derivadas respecto a dos o
más variables
Fuente: UDEMEX 2019
280
TELÉFONO 318-48-63
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
Donde 𝑎𝑖𝑗 son los coeficientes 𝑥1 las incógnitas, 𝑏𝑖 son los términos
independientes. De forma que 𝑎𝑖𝑗 = 𝑎11 , 𝑥𝑖 = 𝑥1 𝑦 𝑏𝑖 = 𝑏1
 Representación matricial
El anterior sistema se puede expresar en forma matricial, usando e

producto de matrices de la forma:
Ilustración 218. Representación matricial
Fuente: UDEMEX 2019
De modo simplificado sele escribirse 𝐴𝑚∙𝑛 ∙ 𝑋𝑛∙1 = 𝐵𝑚∙1 donde la matriz A de

orden 𝑚 𝑥 𝑛 se denomina matriz de coeficiente.
También usaremos la matriz ampliada, que representaremos por 𝐴´ que

es la matriz de coeficiente a la cual le hemos añadido la columna del
termino independiente:
Ilustración 219. Matriz ampliada
Fuente: UDEMEX 2019
281
TELÉFONO 318-48-63
4.1.2. Métodos de un paso
Los métodos de un paso tienen por objetivo obtener una aproximación de

la solución de un problema bien planteado de valor inicial en cada punto
de la malla, basándose en el resultado obtenido para el punto anterior.
Se hace referencia al método de Taylor y se desarrollan los métodos de

Euler y de Runge Kutta. Para ver el detalle de cada uno de ellos:
 Método de Euler ( ver subtema 4.1.2.1)

 Métodos de Runge Kutta. (ver subtema 4.1.2.1)
Conceptos aplicados a este método: consistencia, estabilidad y

convergencia
Hay algunas propiedades importantes de las ecuaciones en diferencias

para problemas de valor inicial de EDOs (Ecuaciones Diferenciales
Ordinarias) de primer orden que deben considerarse antes de que se
pongan en práctica los métodos numéricos. Ellas son consistencia,
estabilidad y convergencia.
Se dice que una ecuación en diferencias es consistente con una EDO

(Ecuaciones Diferenciales Ordinarias) si la diferencia entre ambas (el error
de truncamiento) se acerca a cero a medida que el paso h tiende a cero.
En símbolos, si llamamos ti (h) al error local de truncamiento, podemos

decir:
lim 𝑚𝑎𝑥 |𝜏𝑖 (ℎ)| = 0
ℎ→0
Con este concepto se analiza la relación entre la ecuación diferencial y su

formulación discreta. Cuando se conoce el error de truncamiento, es fácil
probar la consistencia.
Cuando no se conoce, debe analizarse la ecuación en diferencias completa

para probar la consistencia, utilizando el desarrollo de Taylor.
282
TELÉFONO 318-48-63
Un método es estable si produce soluciones acotadas cuando la solución
exacta es acotada y es inestable cuando produce una solución no acotada
cuando la solución exacta es acotada.
Hay varias definiciones de estabilidad, se dice que un método es

inestable si los errores en las aproximaciones crecen en forma
exponencial a medida que el cálculo avanza.
Por último, se dice que un método de la ecuación en diferencias de un
paso es convergente respecto a la ecuación diferencial que aproxima, si
lim max |𝑤𝑖 − 𝑦(𝜏𝑖 )| = 0
ℎ→0 𝑖=1..𝑁
Con la convergencia se analiza la relación entre la solución numérica y la

solución exacta de la ecuación diferencial. Si se cumplen las condiciones
de estabilidad y consistencia en un problema bien planteado, entonces
podremos asegurar la convergencia.
Ejercicio:
Por ejemplo, utilicemos método de Euler para resolver el problema:
𝑦´ = −𝑦
{
𝑦(0) = 1
La solución exacta de esta ecuación está dada por 𝑦(𝑡) = 𝑒 𝜏 , siendo una
función acotada. La ecuación del método de Euler resulta:
𝑦𝑛+1 = 𝑦𝑛 + ℎ(−𝑦𝑛 ) = (1 − ℎ)𝑦𝑛 = 𝐺𝑦𝑛

Aplicando reiteradamente esta fórmula podemos expresar entonces la
solución aproximada en función de 𝑦0 :
𝑦𝑛+1 = (1 − ℎ)𝑛+1 𝑦0, 𝑛 = 1, … , 𝑁
Se ve en esta ecuación que la solución discreta va a ser acotada siempre

que la constante 1-h sea menor a uno en valor absoluto. Esto implica que
h debe ser menor a 2, aunque el comportamiento óptimo se da para
valores de h entre 0 y 1. Por lo tanto, la solución obtenida con el método
de Euler será estable siempre que h sea menor que 2. El hecho de que la
283
TELÉFONO 318-48-63
estabilidad del método dependa del valor de h, hace que el método sea
condicionalmente estable.
Este análisis de estabilidad puede hacerse sólo para ecuaciones

diferenciales lineales. En el caso de ecuaciones diferenciales no lineales,
deben primero linealizarse localmente, y realizar un análisis de estabilidad
en la ecuación de diferencias que aproxima a la ecuación diferencial
linealizada.
4.1.2.1. Método de Euler y Euler mejorado

En matemáticas e informática, el método de Euler, llamado así en honor
de Leonard Euler, es un procedimiento de integración numérica para
resolver ecuaciones diferenciales ordinarias a partir de un valor inicial
dado.
El método de Euler es el más simple de los métodos numéricos resolver

un problema del siguiente tipo:
𝑑𝑦
= 𝑓(𝑥, 𝑦)
𝑑𝑥
𝑃𝑉𝐼 = {
𝑦(𝑥0 ) = 𝑑0
𝑦(𝑥𝑖 ) =?
Consiste en multiplicar los intervalos que va de 𝑥0 𝑎 𝑥0 𝑒𝑛 𝑛 subintervalos
de ancho o sea:
𝑥𝑓 − 𝑥0
ℎ=
𝑛
de manera que se obtiene un conjunto discreto de 𝑛 + 1 puntos:
𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 del intervalo de interés: [𝑥1 , 𝑥2 ]. Para cualquiera de estos
puntos se cumple que:
𝑥𝑖 = 𝑥0 + 𝑖ℎ, 𝜌 ≤ 𝑖 ≤ 𝑛
La condición inicial 𝑦(𝑥0 ) = 𝑦0 , representa el punto 𝑃0 = (𝑥0 , 𝑦0 ), por donde
pasa la curva solución de la ecuación del planteamiento inicial, la cual se
denotará como: 𝑓(𝑥).
Ya teniendo el punto 𝑃0 se puede evaluar la primera derivada de 𝑓(𝑥), en
ese punto, por lo tanto:
𝑑𝑦
𝐹´(𝑥 ) = = 𝑓(𝑥0 , 𝑦0 )
𝑑𝑥 |𝑃0
284
TELÉFONO 318-48-63
Ilustración 220. Método de Euler y Euler mejorado
Fuente: UDEMEX 2019
Con esta información se traza una recta, aquella que pasa por 𝑃0 y de
pendiente f(Xo, Yo). Esta recta aproxima F(x), en una vecinidad de Xo.
Tómese la recta como reemplazo de F(x), y localícese en ella (la recta) el
valor de y correspondiente a Xo. Entonces, podemos deducir según la
Ilustración 3:
𝑦1 − 𝑦0
= 𝑓(𝑥0 − 𝑦𝑜 )
𝑥1 − 𝑥0
Se resuelve para y:
𝑦1 = 𝑦0 + (𝑥1 − 𝑥0 )𝑓 (𝑥0 , 𝑦0 ) = 𝑦0 + ℎ𝑓(𝑥0 , 𝑦0 )
Es evidente que la ordenada calculada de esta manera no es igual

a , pues existe un pequeño error. Sin embargo, el valor sirve
para que se aproxime en el punto y repetir el
procedimiento anterior a fin de generar la sucesión de aproximaciones
siguiente:
285
TELÉFONO 318-48-63
Ilustración 221. Sucesión de aproximaciones
Fuente: UDEMEX 2019
Ejercicio.
Dado el problema de valor inicial:
𝑦´ + 𝑦 − 𝑥 − 1 = 0,
{
𝑦(0) = 1, 𝑥 ∈ [0, 0.5]
Aproxima la solución usando el método de Euler de 5 puntos.
Solución:
Formulación del método:
 En primer lugar, escribimos la ecuación diferencial en forma normal:
𝑦´ = 𝑓(𝑥, 𝑦)
𝑦´ = 𝑥 − 𝑦 + 1
A partir de la forma normal, Identificamos 𝑓(𝑥, 𝑦):
𝑓 (𝑥, 𝑦) = 𝑥 − 𝑦 + 1
Para 𝑛 = 5 el tamaño de paso es:
0.5 − 0
ℎ= = 0.1
5
los nodos son:
𝑥0 = 0, 𝑥1 = 0.1, 𝑥2 = 0.2, 𝑥3 = 0.3, 𝑥4 = 0.4, 𝑥5 = 0.5
El método de Euler es:
286
TELÉFONO 318-48-63
𝑦̅0 = 1,
{
𝑦̅𝑗+1 = 𝑦̅𝑗 + 0.1(𝑥𝑗 − 𝑦̅𝑗 + 1), 𝑗 = 0,1, … ,4
 Iteraciones:
Ilustración 222. Iteraciones
Fuente: UDEMEX 2019
287
TELÉFONO 318-48-63
Se resumen los resultados en una tabla:
Fuente: UDEMEX 2019
Ejercicio:
Aplicar el método de Euler para aproximar y = 1.3, dada la ecuación

diferencial.
𝑦 𝜏 = 𝑥 2 + 0.5𝑦 2
𝑦(1) = 2
Solución:
Es conveniente dividir en pasos la aproximación. Así, elegimos

nuevamente h= 0.1 para obtener el resultado final en tres pasos. Por lo
tanto, aplicamos el método de Euler con los siguientes datos:
Ilustración 224. Solución
Fuente: UDEMEX 2019
288
TELÉFONO 318-48-63
En un primer paso, tenemos que:
Ilustración 225. Primer paso
Fuente: UDEMEX 2019
Resumimos los resultados en la siguiente tabla:
Fuente: UDEMEX 2019
Se concluye que la aproximación buscada es la siguiente:
Y (1.3)  3.1901
Método de Euler Mejorado

Este método se basa en la misma idea del método anterior, pero hace un
refinamiento en la aproximación, tomando un promedio entre ciertas
pendientes.
La fórmula es la siguiente:
∗
𝑓 (𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1, 𝑦𝑛+1 )
𝑦𝑛+𝑞 = 𝑦𝑛 + ℎ [ ]
2
∗
𝑦𝑛+1 = 𝑦𝑛 + ℎ ∙ 𝑓(𝑥𝑛 , 𝑦𝑛 )
Dado el problema de valor inicial, tenemos la siguiente notación:

𝑑𝑦
= 𝑓(𝑥, 𝑦),
{ 𝑑𝑥
𝑦(𝑎) = 𝑦𝑎 , 𝑥 ∈ [𝑎, 𝑏],
El método de Euler modificado de n pasos queda definido por:
289
TELÉFONO 318-48-63
Ilustración 227. Método de Euler modificado de n pasos
Fuente: UDEMEX 2019
Para entender esta fórmula, analicemos el primer paso de la

aproximación, con base en la siguiente gráfica:
Ilustración 228. Gráfica de aproximación
Fuente: UDEMEX 2019
En la gráfica anterior, vemos que la pendiente promedio corresponde a la

pendiente de la recta bisectriz de la recta tangente a la curva en el punto
de la condición inicial y la "recta tangente" a la curva en el punto (x1,
y1), donde y1, es la aproximación obtenida con la primera fórmula de
Euler.
290
TELÉFONO 318-48-63
Finalmente, esta recta bisectriz se traslada paralelamente hasta el punto
de la condición inicial, y se considera el valor de esta recta en el punto x
= x1 como la aproximación de Euler mejorada.
Ejercicio.
Dado el problema de valor inicial:
𝑦´ + 𝑦 − 𝑥 − 1 = 0
{
𝑦(0) = 1, 𝑥 ∈ [0,0.5]
Aproxima la solución usando el método de Euler modificado de 5 puntos:
 El problema en forma normal es:
𝑦´ + 𝑦 − 𝑥 − 1 = 0,
{
𝑦(0) = 1, 𝑥 ∈ [0, 0.5]
Tenemos:
𝑓 (𝑥, 𝑦) = 𝑥 − 𝑦 + 1
0.5 − 0
ℎ= = 0.1
5
𝑥0 = 0, 𝑥1 = 0.1, 𝑥2 = 0.2, 𝑥3 = 0.3, 𝑥4 = 0.4, 𝑥5 = 0.5
 Iteraciones:
Ilustración 229. Iteraciones Fase 0, 1
Fuente: UDEMEX 2019
291
TELÉFONO 318-48-63
Ilustración 230. Iteraciones Fase 2
Fuente: UDEMEX 2019
Fuente: UDEMEX 2019
292
TELÉFONO 318-48-63
Fuente: UDEMEX 2019
Fuente: UDEMEX 2019
293
TELÉFONO 318-48-63
Se resumen los resultados en la siguiente tabla:
Fuente: UDEMEX 2019

Ejercicio.
Aplicar el método de Euler mejorado para aproximar 𝑦(1.3) si tenemos:
𝑦𝜏 = 𝑥 − 𝑦 + 5
𝑦(1) = 2
Solución:
Tenemos los siguientes datos:
ℎ = 0.1
𝑓 (𝑥, 𝑦) = 𝑥 − 𝑦 + 5
𝑥0 = 1
𝑦0 = 2
En una primera iteración, tenemos lo siguiente:
Ilustración 235. Primera iteración
Fuente: UDEMEX 2019
294
TELÉFONO 318-48-63
Resumimos los resultados en la siguiente tabla:
Fuente: UDEMEX 2019
Concluimos entonces que la aproximación que buscamos es la siguiente:
𝑦(1.3) ≈ 3.07635
4.1.2.2. Método de Runge-Kutta
El método de Runge-Kutta es un método genérico de resolución numérica

de ecuaciones diferenciales. Este conjunto de métodos fue inicialmente
desarrollado alrededor del año 1900 por los matemáticos C. Runge y M.
W. Kutta.
Los métodos de Runge-Kutta (RK) son un conjunto de métodos iterativos
(implícitos y explícitos) para la aproximación de soluciones de ecuaciones
diferenciales ordinarias, concretamente, del problema de valor inicial.
Sea:
𝑦´ = 𝑓(𝑡, 𝑡(𝑡))
Una ecuación diferencial ordinaria con:
𝑓: 𝜴 ⊂ ℝ 𝒙 ℝ𝒏 → ℝ𝒏
Donde  es un conjunto abierto, junto con la condición de que el valor
inicial de ƒ sea:
(𝑡0 , 𝑦0 ) ∈ 𝛺
Entonces el método RK (de orden s) tiene la siguiente expresión, en su
forma más general:
295
TELÉFONO 318-48-63
𝑠
𝑦𝑛+1 = 𝑦𝑛 + ℎ ∑ 𝑏𝑖 𝑘𝑖
𝑖=0
Donde ℎ es el paso por iteración, o lo que es lo mismo, el incremento ∆𝑡𝑛

entre los sucesivos punto 𝑡𝑛 𝑦 𝑡𝑛+1 los coeficientes 𝑘𝑖 son términos de
aproximación intermedios, evaluados en 𝑓 de manera local.
𝑠
𝑘𝑖 = 𝑓 (𝑡𝑛 + ℎ𝑐𝑖 , 𝑦𝑛 + ℎ ∑ 𝑎𝑖𝑗 𝑘𝑗 ) 𝑖 = 1

𝑗=1
Con 𝑎𝑖𝑗 , 𝑏𝑖 , 𝑐𝑖 coeficientes propios del esquema numérico elegido,

dependiente de la regla de cuadratura utilizada. Los esquemas Runge-
Kutta pueden ser explícitos o implícitos dependiendo de las constantes 𝑎𝑖𝑗
del esquema. Si esta matriz es triangular inferior con todos los elementos
de la diagonal principal iguales a cero; es decir, 𝑎𝑖𝑗 = 0para 𝑗 = 1, … , 𝑠, los
esquemas son explícitos.
Fórmulas de Runge-Kutta:
𝑘1 = ℎ𝑓 (𝑥𝑛 , 𝑦𝑛 )
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑥𝑛 + , 𝑦𝑛 + )
2 2
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑥𝑛 + , 𝑦𝑛 + )
2 2
𝑘4 = ℎ𝑓 (𝑥𝑛 + ℎ, 𝑦𝑛 + 𝑘3 )
296
TELÉFONO 318-48-63
Ejercicio.
Ilustración 237. Método de Runge - Kutta
Fuente: UDEMEX 2019

a este tema.
ACTIVIDAD
COMPLEMENTARIA 4.1
ACTIVIDAD DE
APRENDIZAJE 4.1
297
TELÉFONO 318-48-63
4.2. Método de pasos múltiples
Los métodos de un paso utilizan información en un solo punto 𝑥𝑖 para

predecir un valor de la variable dependiente 𝑦𝑖+1 en un punto futuro 𝑥𝑖+1 .
Procedimientos alternativos, llamados métodos multipaso, se basan en el
conocimiento de que una vez empezado el cálculo, se tiene información
valiosa de los puntos anteriores y está a nuestra disposición.
La curvatura de las líneas que conectan esos valores previos proporciona

información con respecto a la trayectoria de la solución. Los métodos
multipaso que exploraremos aprovechan esta información para resolver
las EDO (Ecuaciones Diferenciales Ordinarias). Antes de describir las
versiones de orden superior, presentaremos un método simple de
segundo orden que sirve para demostrar las características generales de
los procedimientos multipaso.
Ilustración gráfica de la diferencia fundamental entre los métodos para

resolver métodos de un paso y de pasos múltiples:
Ilustración 238. Métodos de un paso y de pasos múltiples
Fuente: UDEMEX 2019
298
TELÉFONO 318-48-63
4.2.1. Sistemas de ecuaciones diferenciales ordinarias
Muchos problemas de la física, la ingeniería y muchas otras ramas del

saber humano conducen de forma natural a ecuaciones diferenciales:
problemas de la mecánica, problemas dinámicos, problemas de
estructuras, problemas de circuitos eléctricos y electromagnetismo,
modelos poblacionales, etc.
En el caso más sencillo se desea obtener una función 𝑦 = 𝑦(𝑥) en un

intervalo [𝑎, 𝑏], cuya derivada 𝑦´(𝑥) es conocida como función de 𝑥. Es
decir, se trata del problema:
𝑦(𝑥 ): 𝑦´(𝑥 ) = 𝑓 (𝑥 ), 𝑥 ∈ [𝑎, 𝑏]
Del cálculo elemental se sabe si 𝑦𝑝 (𝑥) es una solución de (PI), también lo
es 𝑦(𝑥 ) = 𝑦𝑝 (𝑥 ) + 𝑘, para cada real 𝑘. Las técnicas elementales de
integración permiten obtener en algunos casos una primitiva de 𝑓(𝑥), que
posibilita la construcción de la solución general de la ecuación.
𝑦(𝑥 ) = ∫ 𝑓(𝑥 ) 𝑑𝑥 + 𝑘
Y conociendo el valor de y en algún punto, por ejemplo, a, puede

determinarse una de entre las infinitas soluciones del problema:
𝑥
𝑦(𝑥 ) = 𝑦(𝑎) + ∫ 𝑓 (𝑡)𝑑𝑡

𝑎
Sin embargo, no siempre es posible, con los métodos elementales,
obtener una primitiva de f(x). Este es el caso de f(x) = senx/x, entre
otros. La teoría del Cálculo Integral asegura, no obstante, la existencia de
primitivas para esta función. El problema es que no se conocen
expresiones, ‘fórmulas’, al menos sencillas, para expresar tales
primitivas. Pero la ‘sencillez’ es un concepto relativo. Hay personas para
las que todo lo que no son sumas y restas no es sencillo (también éste es
el caso del ordenador). Otras pueden operar con productos, divisiones,
potencias, radicales. Otras, con funciones transcendentes.
299
TELÉFONO 318-48-63
4.2.2. Aplicaciones
Las ecuaciones diferenciales son muy utilizadas en todas las ramas de la

ingeniería para el modelado de fenómenos físicos. Su uso es común tanto
en ciencias aplicadas, como en ciencias fundamentales (física, química,
biología) o matemáticas, como en economía.
En dinámica estructural, la ecuación diferencial que define el movimiento

de una estructura es:
𝑀𝑥´´(𝑡) + 𝐶𝑥´(𝑡) + 𝐾𝑥 (𝑡) = 𝑃(𝑡)
Donde M es la matriz que describe la masa de la estructura, C es la

matriz que describe el amortiguamiento de la estructura, K es la matriz
de rigidez que describe la rigidez de la estructura, x es vector de
desplazamientos [nodales] de la estructura, P es el vector de fuerzas
(nodales equivalentes), y t indica tiempo. Esta es una ecuación de
segundo orden debido a que se tiene el desplazamiento x y su primera y
segunda derivada con respecto al tiempo.
 La vibración de una cuerda está descrita por la siguiente ecuación

diferencial en derivadas parciales de segundo orden:
𝜕2𝑢 2
𝜕2𝑢
=𝑐
𝜕𝑡 2 𝜕𝑥 2
Donde t es el tiempo y x es la coordenada del punto sobre la cuerda. A
esta ecuación se le llama ecuación de onda.
En la práctica los problemas modelizados con ecuaciones diferenciales se

presentan con una información n adicional que, a veces, permite
determinar una de entre todas las soluciones. Por ejemplo, para
determinar el espacio 𝑥(𝑦) recorrido por un móvil que se desplaza a
velocidad 𝑣(𝑡) se integra la velocidad; pero es necesario conocer el punto
de partida 𝑥(𝑡0 ), lo que generalmente es un dato; así, si se conoce una
primitiva, 𝑥(𝑡), de 𝑣(𝑡), el espacio recorrido es 𝑥 (𝑡) − 𝑥(𝑡0 ).
300
TELÉFONO 318-48-63
Aplicaciones de las ecuaciones diferenciales en la ingeniería
La aplicación de las ecuaciones diferenciales abarca a una serie de áreas

entre las que tenemos las siguientes:
1. Aplicaciones de las ecuaciones diferenciales de primer orden
 Aplicaciones a la Biología: uno de los campos más fascinante

del conocimiento al cual los métodos matemáticos han sido
aplicados es el de la Biología. La posibilidad de que las
matemáticas pudieran aun ser aplicadas exitosamente el
estudio de varios procesos naturales de los seres vivos desde
los microorganismos más elementales hasta la misma
humanidad sorprende a la imaginación.
 Crecimiento Biológico: Un problema fundamental en la
biología es el crecimiento, sea este el crecimiento de una
célula, un organismo, un ser humano, una planta o una
población.
 Problemas de epidemiología: Un problema importante de la
biología y de la medicina trata de la ocurrencia, propagación
y control de una enfermedad contagiosa, esto es, una
enfermedad que puede transmitirse de un individuo a otro. La
ciencia que estudia este problema se llama epidemiología K,
y si un porcentaje grande no común de una población
adquiere la enfermedad, decimos que hay una epidemia. Los
problemas que contemplan la propagación de una
enfermedad pueden ser algo complicados; para ello presentar
un modelo matemático sencillo para la propagación de una
enfermedad, tenemos que asumir que tenemos una población
grande pero finita.
 Aplicaciones a la Economía: en años recientes ha habido un
interés creciente por la aplicación de las matemáticas a la
economía. Sin embargo, puesto que la economía involucra
muchos factores impredecibles, tales como decisiones
psicológicas o políticas, la formulación matemática de sus
problemas es difícil. Se debería hacer énfasis que, como en
los problemas de ciencia e ingeniería, cualquier resultado
obtenido teóricamente debe finalmente ser probado a la luz
301
TELÉFONO 318-48-63
de la realidad. Se pueden crear ecuaciones basándose en los
siguientes parámetros: Oferta y Demanda, Inventarios.
 Aplicaciones a la Química: Hay muchas aplicaciones de
ecuaciones diferenciales a los procesos químicos, como, por
ejemplo: Mezclas químicas.
2. Aplicaciones de las ecuaciones diferenciales de segundo

orden
 Aplicaciones a la física: en donde encontramos aplicaciones
en ·movimiento armónico simple, que viene dado por la ley
de Hooke: movimiento vibratorio amortiguado.
 Dinámica de población: la suposición de que la rapidez a la
que crece la población de un país en cierto tiempo es
proporcional a la población total del país en ese momento.
 Desintegración radiactiva: para modelar el fenómeno de
desintegración radiactiva se supone que la rapidez de dA/dt a
la que se desintegra los núcleos de una sustancia es
proporcional a la cantidad (con más precisión, el número de
núcleos).
 Ley de enfriamiento de newton: de acuerdo con la ley de la
rapidez que cambian la temperatura de un cuerpo es
proporcional a la diferencia entre la temperatura del medio y
la temperatura del medio circundante.
 Propagación de una enfermedad: una gripe se disemina en
una comunidad por medio de la gente que entra en contacto
con otras personas. Sea x (t) el número de personas que se
han contagiado con la enfermedad y y (t) el número de
personas que aún no se contagian.
 Reacciones químicas: estas se usan para ver la rapidez del
compuesto cuándo estos mismos se combinan; ·
 Circuitos en serie: este circuito contiene resistores,
capacitores y un inductor. La corriente en un circuito después
de que se cierra un conmutador se detona mediante i(t) la
carga de un capacitor en el tiempo t se detona por q(t), ahora
de acuerdo con la segunda ley de Kirchhoff el voltaje
impreso(t) en un circuito cerrado de ser igual a la suma de
sus caídas de voltaje.
302
TELÉFONO 318-48-63
 Cables colgantes: sé acuerda examinar solo una parte o
elemento de los cables entre un punto mínimo p1 y algún
punto arbitrario p2. Siempre cuando los cables se ponen en
una línea de transmisión que da una curva de un sistema
coordenado rectangular donde se elige que el eje y pase por
el punto mínimo p1 sobre la curva y el eje x elegido a
unidades debajo de p1.
3. Aplicaciones de las ecuaciones diferenciales en la Ingeniería

civil
Las ecuaciones diferenciales son muy interesantes en cuanto a la

posibilidad que presentan para indagar sobre variedad de problemas de
las ciencias físicas, biológicas y sociales.
A partir de la formulación matemática de distintas situaciones se
describen procesos reales aproximados. Dentro de los diversos campos
de acción de la ingeniería civil, una de las múltiples aplicaciones de
ecuaciones diferenciales está relacionada con el estudio de las flexiones,
tenemos algunos ejemplos:
 Flexión de una viga en voladizo para pequeñas flexiones: Una viga

o una barra delgada son sólidos homogéneos e isótropos cuya
longitud es grande comparada con las dimensiones de su sección
trasversal. Cuando una viga flexiona debido a las fuerzas exteriores
que se aplican, existen algunas partes de la viga que se acortan y
hay otras zonas que se alargan.
 Cálculo de la raíz de una ecuación y la integral definida:

Supongamos que ·una barra tiene una longitud L mucho mayor que
las dimensiones de su sección trasversal, y que la deformación
debida a su propio peso es despreciable. ·Que la sección de la barra
no cambia cuando se dobla. Cuando el espesor de la barra es
pequeño comparado con el radio de curvatura, la sección trasversal
cambia muy poco. En estas condiciones es aplicable la ecuación de
Euler-Bernoulli que relaciona el momento flector M de la fuerza
aplicada y el radio de curvatura ρ de la barra deformada.
303
TELÉFONO 318-48-63
4.3. Clasificación de ecuaciones
Los métodos numéricos son útiles para resolver problemas de

transferencia de calor, dinámica de fluidos, y otras ecuaciones
diferenciales en derivadas parciales que modelan problemas físicos; sobre
todo cuando los mencionados problemas no pueden ser resueltos por
medio de técnicas de análisis exacto ya que presentan complejas
geometrías, complicadas condiciones de contorno o iniciales, o bien,
involucran ecuaciones diferenciales no lineales.
En la actualidad, la cantidad de problemas que se abordan numéricamente

aumentan día a día ya que los resultados se ajustan cada vez más a la
realidad.
El proceso por medio del cual se obtiene la solución aproximada de un

problema gobernado por una ecuación diferencial en derivadas parciales,
está constituido por dos etapas que esquemáticamente se muestran en el
siguiente esquema. La primera etapa, llamada discretización, consiste en
trasformar el dominio continuo en una malla de nodos, para luego
convertir a la ecuación diferencial parcial continua y a las condiciones
auxiliares, ya sean de frontera o iniciales, en un sistema de ecuaciones
algebraicas.
Figura 31. Etapa 1
Ecuaciones
difereniales parciales. Sistema de
Discretización ecuaciones
Condiciones iniciales algebraicas
y de frontera
Resolución del
sistema de
Solución aproximada
ecuaciones
algebraicas
Fuente: UDEMEX 2019 con información de Métodos Numéricos. Conceptos.
304
TELÉFONO 318-48-63
La segunda etapa del proceso de aproximación requiere un método
adecuado para obtener la solución del sistema de ecuaciones algebraicas
planteado.
Existe una gran variedad de métodos numéricos para resolver las

ecuaciones diferenciales parciales. No obstante, los más usados en la
actualidad son:
Figura 32. Etapa 2
Método de Método de
diferencias elementos
finitas finitos
Se explicará la forma en que se aplica el método de diferencias finitas y

para obtener una solución aproximada de las ecuaciones de Poisson.
4.3.1. Método de diferencias finitas.
La aproximación por medio de diferencias finitas es el método más

antiguo aplicado para obtener la solución numérica de ecuaciones
diferenciales. Se considera que la primera aplicación ha sido desarrollada
por Euler en 1768.
Las bases del método de diferencias finitas (MDF) consisten en la

construcción de una malla de una manera estructurada, donde los nodos
de la misma, en un espacio n dimensional, están localizados en las
intersecciones de n familias de líneas rectas, el reemplazo de las
derivadas continuas de la ecuación diferencial por las expresiones
equivalentes en diferencias finitas y la resolución del sistema de
ecuaciones que queda planteado como consecuencia de la anterior
sustitución.
305
TELÉFONO 318-48-63
El MDF es, tal vez, el método más simple para aplicar, particularmente
para mallas con una geometría uniforme. Su mayor desventaja consiste
en su incapacidad para tratar efectivamente la solución de problemas
sobre formas geométricas irregulares.
Discretización del dominio.
Para obtener la solución numérica de una ecuación diferencial en

derivadas parciales utilizando el MDF se debe, como primer paso,
discretizar el dominio.
Para ello, el dominio continuo del problema en estudio es reemplazado

por una malla. Las intersecciones de las líneas que constituyen la malla
son denominadas nodos y es en donde se calcula la solución numérica de
la ecuación diferencial parcial.
Ilustración 239. Discretización del dominio
Así, por ejemplo, para discretizar el dominio 𝐷(𝑥, 𝑡) de un problema de

propagación unidimensional se deberá definir los tamaños de paso tanto
temporal como espacial. Estos tamaños de paso son determinados por
medio de las expresiones:
𝐿 𝑡𝑓
ℎ𝑥 = ℎ𝑡 =
𝑁𝑥 + 1 𝑁𝑡 + 1
donde 𝑁𝑥 y 𝑁𝑡 , son dos números enteros positivos, 𝐿 es la longitud del

dominio espacial y 𝑡𝑓 indica el tiempo final en que se estudia el problema
en cuestión.
306
TELÉFONO 318-48-63
La división del dominio espacial en 𝑁𝑥 + 1 partes iguales de ancho ℎ𝑥, y
del dominio temporal en 𝑁𝑡 + 1 partes iguales de “ancho” ℎ𝑡, da como
resultado la discretización del dominio al trazar líneas verticales y
horizontales a través de los puntos de coordenadas (𝑥𝑖 ; 𝑡𝑘 ), donde:
𝑥𝑖 = 𝑖 ∙ ℎ𝑥 𝑖 = 0,1, … , 𝑁𝑥 + 1
𝑡𝑗 = 𝑗 ∙ ℎ𝑡 𝑗 = 0,1, … , 𝑁𝑡 + 1
Aproximaciones en diferencias finitas
El próximo paso para la resolución numérica de una ecuación diferencial

parcial utilizando el MDF es el reemplazo de las derivadas continuas de la
ecuación diferencial por las expresiones equivalentes en diferencias
finitas. Esto se logra utilizando el desarrollo en serie de Taylor de la
variable dependiente alrededor de un punto particular de la malla. Para
ello, la variable dependiente en un nodo de la malla es indicada utilizando
como subíndice y superíndice los índices que se utilizan para denotar
dicho nodo.
Así, por ejemplo, la función 𝑇(𝑥, 𝑡) en el nodo (𝑖; 𝑗) es expresada de la

siguiente manera:
𝑇(𝑥𝑖 , 𝑡𝑗 ) = 𝑇𝑖𝑗
Para ejemplificar el procedimiento de aproximación, se considerará la

derivada parcial de primer orden de la función 𝑇 con respecto al tiempo.
Para ello, se utilizará el desarrollo en serie de Taylor de 𝑇 en (𝑥𝑖 ; 𝑡𝑗 ) y se
lo evaluará en (𝑥𝑖 ; 𝑡𝑗+1 ). De esta manera se obtiene:
𝑗
𝜕𝑇 𝑗 1 𝜕2𝑇 1 𝜕𝑚𝑇 𝑗
𝑇𝑖𝑗+1 = 𝑇𝑖𝑗 2
+ [ ] ∙ ℎ𝑡 + ∙ [ 2 ] ℎ𝑡 + ⋯ + ∙[ ] ∙ ℎ𝑡 𝑚 + 𝑅𝑚+1
𝜕𝑡 𝑖 2 𝜕𝑡 𝑖 𝑚! 𝜕𝑡 𝑚 𝑖
Donde 𝑅𝑚+1 es el término residual que está dado por:

Ilustración 240. Término residual
307
TELÉFONO 318-48-63
El termino residual 𝑅 𝑚+1 es el error asociado con el truncamiento de la
serie de Taylor. Es importante conocer el orden de dicho erro, es decir,
conocer la forma en que el error tiende a cero cuando ℎ𝑡 → 0. Como se
puede observar, el termino residual 𝑅𝑚+1 depende de ℎ𝑡 𝑚+1 , por lo tanto,
cuando ℎ𝑡 → 0, el error tenderá a cero comoℎ𝑡 𝑚+1 .
En consecuencia, el orden de truncamiento de la serie de Taylor para

aproximar 𝑇𝑖𝑗+1 es 𝑚 + 1. Esto es indicado como el símbolo Ο(ℎ𝑡 𝑚+1 ).
Si se despeja la derivada parcial de primer orden de la función 𝑇 con

respecto al tiempo resulta:
Ilustración 241. Despejando la derivada parcial de primer orden
Dónde:
Ilustración 242. Derivación
En particular, si se escribe el desarrollo en serie de Taylor de primer

orden, entonces, la expresión anterior está dada por:
Ilustración 243. Serie de Taylor de primer orden
308
TELÉFONO 318-48-63
Donde el término de error es:
Ilustración 244. Término de error
Una aproximación en diferencias finitas para la derivada temporal de

primer orden se obtiene despreciando el término de error:
𝑗+1 𝑗
𝜕𝑇 𝑗 𝑇𝑖 − 𝑇𝑖
[ ] ≈
𝜕𝑡 𝑖 ℎ𝑡
El término de error, que fue despreciado, se denomina error de

truncamiento de la aproximación en diferencias finitas para la derivada
temporal de primer orden de la función T. La aproximación recién
obtenida es de primer orden y es llamada aproximación de diferencias
progresivas.
Del mismo modo, puede conseguirse una aproximación de diferencias
regresivas de primer orden. Para ello, se escribe el desarrollo en serie de
Taylor de 𝑇 en (𝑥𝑖 ; 𝑡𝑗 ) y se lo evalúa en (𝑥𝑖 ; 𝑡𝑗+1 ).
𝑗 𝑗−1
𝜕𝑇 𝑗 𝑇𝑖 − 𝑇𝑖
[ ] ≈
𝜕𝑡 𝑖 ℎ𝑡
Para poder obtener una aproximación en diferentes finitas para la
derivada parcial de segundo oren de la función 𝑇 con respecto al espacio,
es necesario escribir el desarrollo en serie de Taylor de 𝑇 de orden tres
en (𝑥𝑖 ; 𝑡𝑗 ). Evaluando dicho desarrollo en (𝑥𝑖∙1 ; 𝑡𝑗 ) y en (𝑥𝑖+1 ; 𝑡𝑗 ) se obtiene:
Ilustración 245. Aproximación en diferentes finitas
309
TELÉFONO 318-48-63
Despreciando el término de error, se obtiene una aproximación de

diferencias finitas de segundo orden:
𝑗 𝑗
− 2 ∙ 𝑇𝑖𝑗 + 𝑇𝑖−1
𝑗
𝜕2𝑇 𝑇𝑖+1
[ 2] ≈
𝜕𝑥 𝑖 ℎ𝑥 2
Esta aproximación es denominada de diferencias centradas. Trabajando

de manera similar, es posible obtener las siguientes aproximaciones en
diferencias finitas:
𝑗 𝑗+1
𝜕2𝑇 𝑇 − 2 ∙ 𝑇𝑖𝑗 + 𝑇𝑖𝑗−1
[ 2] ≈ 𝑖
𝜕𝑦 𝑖 ℎ𝑦 2
𝑗 𝑗+1
𝜕2𝑇 𝑇 − 2 ∙ 𝑇𝑖𝑗 + 𝑇𝑖𝑗−1
[ 2] ≈ 𝑖
𝜕𝑡 𝑖 ℎ𝑡 2
Existen diferentes métodos para resolver Ecuaciones Diferenciales

Parciales (EDP) y Ecuaciones Diferenciales Ordinarias (EDO), entre ellos
se encuentra el Método de las Diferencias Finitas (MDF), el cual consiste
en introducir una malla 1 sobre una región Ω y aproximar las derivadas
del problema planteado por medio de técnicas de aproximación de las
derivadas como lo es, por ejemplo, la descomposición en serie de Taylor
de la función. Ahora tomemos la descomposición en serie de Taylor de la
función U en los puntos x + h y x − h, después sumamos como es
habitual en estos casos para hallar una expresión tanto de la primera
como de la segunda derivada de la función, entre otras, así tenemos lo
siguiente:
ℎ2 ℎ2
𝑈(𝑥 + ℎ) ≈ 𝑈(𝑥 ) + ℎ𝑈´(𝑥 ) + 𝑈´´ 𝑥 + 𝑈´´´(𝑥 ) + ⋯
( )
2! 3!
ℎ2 ℎ2
𝑈(𝑥 − ℎ) ≈ 𝑈(𝑥 ) + ℎ𝑈´(𝑥 ) + 𝑈´´(𝑥 ) − 𝑈´´´(𝑥 ) + ⋯
2! 3!
𝑈(𝑥 + ℎ) + 𝑈(𝑥 − ℎ) = 2𝑈(𝑥 ) + ℎ2 𝑈´´(𝑥 ) + Ο(ℎ4 )
En (3) el error es de al menos ℎ4 .
De lo anterior podemos deducir que al sumar (1) y (2) tenemos:
310
TELÉFONO 318-48-63
1
𝑈´´(𝑥 ) = [𝑈(𝑥 + ℎ) − 2𝑈(𝑥 ) + 𝑈(𝑥 + ℎ)]
ℎ2
Con un error de ℎ2 .
Ahora de (2) restemos (3), obtenemos la denominada diferencia central:
1
𝑈´(𝑥 ) = [𝑈(𝑥 + ℎ) − 𝑈(𝑥 + ℎ)]
2ℎ
También con un error de ℎ2 .
Definimos la “diferencia para adelante” por:
1
𝑈´(𝑥 ) = [𝑈(𝑥 + ℎ) − 𝑈(𝑥 )]
ℎ
Y la diferencia “diferencia para atrás” por:
1
𝑈´(𝑥 ) = [𝑈(𝑥 ) − 𝑈(𝑥ℎ)]
ℎ
El Método consiste en una aproximación de las derivadas parciales por

expresiones algebraicas con los valores de la variable dependiente en un
limitado número de puntos seleccionados. (Hernández, 2010).
Solución en diferencias finitas
La solución en diferencias finitas de una ecuación diferencial parcial se

obtiene al reemplazar cada una de las derivadas parciales exactas en la
ecuación diferencial por su correspondiente aproximación en diferencias
finitas. De esta manera, es posible discretizar la ecuación diferencial
parcial.
Al aplicar la ecuación discretizada en cada punto de la malla se obtiene

un sistema de ecuaciones denominado sistema de ecuaciones de
diferencias finitas. El proceso de aproximación requiere de la selección de
un método adecuado para obtener la solución del sistema de ecuaciones
algebraicas planteado. Una vez resuelto el sistema de ecuaciones de
diferencias finitas se obtiene el valor de la función en los nodos de la
malla, es decir, que al emplear el método de diferencias finitas se obtiene
una solución aproximada discreta.
311
TELÉFONO 318-48-63
4.3.2. Método de diferencias para la ecuación de Poisson
El origen de las Ecuaciones Diferenciales Parciales (EDP) Elípticas en dos

dimensiones espaciales es la ecuación de Poisson:
𝑢𝑥𝑥 + 𝑢𝑦𝑦 = 𝑓(𝑥, 𝑦)
En un dominio 𝛺. Equivalentemente, la ecuación anterior puede ser

escrita como:
∇2 𝑢 = 𝑓(𝑥, 𝑦)
Donde ∇2 es el operador Laplaciano:
𝜕2 𝜕2
+
𝜕𝑥 2 𝜕𝑦 2
La ecuación homogénea correspondiente a la ecuación (1) es la ecuación

de Laplace:
∇2 𝑢 = 0
Las soluciones a la ecuación de Laplace son llamadas funciones armónicas

y están íntimamente relacionadas con el área de análisis complejo. Para
determinar completamente la solución a (1), es necesario especificar una
condición de frontera en la solución. Esta condición debe ser de uno de
los dos tipos siguientes:
Condición de tipo Dirichlet:
𝑢 = 𝑏1 , 𝑒𝑛 𝜕𝛺
Condición de tipo Newmann:
𝜕𝑢
= 𝑏2 , 𝑒𝑛 𝜕𝛺
𝜕𝑛
Con 𝑛 el vector normal en 𝜕𝛺.
Las EDP´s con condiciones de frontera son llamados problemas de valores

en la frontera. En un contexto físico, la ecuación (1) describe el estado
estable de distribución de temperatura de un objeto ocupando el dominio
𝛺. La solución 𝑢(𝑥, 𝑦) representa la temperatura estable del dominio 𝛺 con
fuentes de calor y cuencas dados por 𝑓(𝑥, 𝑦). La condición de Dirichlet
312
TELÉFONO 318-48-63
representa una temperatura fija en la frontera 𝜕𝛺, mientras que la
condición de tipo Newmann representa el flujo de calor. La condición
Newmann con 𝑏2 = 0 representa una frontera perfectamente aislada.
Observación: la EDP (1) con condición Newmann (ecuación anterior) debe
cumplir la condición de integridad:
Ilustración 246. Condición de integridad
Fuente: UDEMEX 2019 con información de Palafox, A. & Alonzo, J.L., (2013).
La condición de integrabilidad tiene la interpretación física de que las

fuentes de calor en la región se deben balancear con el flujo de calor en
la frontera para que exista una temperatura estable. Cabe señalar que la
solución a (1) con condición Newmann está determinada hasta una
constante arbitraria. Esto significa, físicamente, que la temperatura
promedio de un cuerpo no puede ser determinada a partir de los flujos de
calor en la frontera y las fuentes de calor y cuencas solamente. (Palafox,
A. & Alonzo, J.L., 2013).
Definición: La ecuación diferencial elíptica general (cuasilineal) de

segundo orden en dos dimensiones, es una ecuación que puede ser escrita
de la forma:
𝑎(𝑥, 𝑦)𝑢𝑥𝑥 + 2𝑏(𝑥, 𝑦)𝑢𝑥𝑦 + 𝑐 (𝑥, 𝑦)𝑢𝑦𝑦 + 𝑑(𝑥, 𝑦, 𝑢, 𝑢𝑥 , 𝑢𝑦 ) = 𝑓(𝑥, 𝑦)
Donde 𝑎, 𝑐 > 0 𝑦 𝑏2 < 𝑎𝑐. Observemos que la definición requiere que la

forma cuadrática
Ilustración 247. Forma cuadrática
Fuente: UDEMEX 2019 con información de Palafox, A. & Alonzo, J.L., (2013).
313
TELÉFONO 318-48-63
Sea positiva para todos valores de (ξ, η) y todos los valores de (x, y) en
Ω. Notemos que la solución a (1) tiene dos derivadas más que f. Esta
propiedad (que la solución sea más diferenciable que los datos y que esta
ganancia en diferenciabilidad de la solución es igual al orden del operador
diferencial) caracteriza a una ecuación o sistema de EDP’s elípticas.
Una de las utilidades de la ecuación de Poisson se aprecia tanto en

electrodinámica, como la gravitación, esta describe la variación potencial
eléctrico o gravitacional en el interior de distribuciones eléctricas o de
masa:
∇2 𝜑 = −𝑘𝑝
Esta es la llamada ecuación de Poisson, donde 𝑘 = 1/∈0 , para el caso de

la electrodinámica y 𝑘 = 4𝜋𝐺 para el caso de gravitación.
La solución para la ecuación anterior para 𝑝 en cierta región 𝑉 está dada

por:
Ilustración 248. Solución para la ecuación
Fuente: UDEMEX 2019 con información de Valdés. S., (2009).
4.4. Ecuaciones parciales parabólicas
En la discretización de las EDP’s usamos fórmulas de diferencias finitas

para las s que se derivan de las fórmulas de Taylor con error. A
continuación, resumimos las diferencias finitas que estaremos usando,
formuladas para una función f de una variable.
Más adelante las usamos para las derivadas parciales de una función de
varias variables.
Primera derivada.
Dos puntos hacia adelante, O (h):
314
TELÉFONO 318-48-63
𝑓 (𝑥 + ℎ) − 𝑓(𝑥)
𝑓´(𝑥 ) = + Ο(ℎ)
ℎ
Dos puntos hacia atrás, O (h):
𝑓 (𝑥 ) − 𝑓(𝑥 − ℎ)
𝑓´(𝑥 ) = + Ο(ℎ)
ℎ
Tres puntos centrados (de punto medio), Ο(ℎ2 ):
𝑓 (𝑥 + ℎ) − 𝑓(𝑥 − ℎ)
𝑓´(𝑥 ) = + Ο(ℎ2 )
ℎ
Segunda derivada.
Tres puntos centrados (de punto medio), Ο(ℎ2 )
𝑥 + ℎ) − 2𝑓 (𝑥 ) + 𝑓(𝑥 − ℎ)
𝑓´´(𝑥 ) = + Ο(ℎ2 )
ℎ
EDP’s (Ecuaciones Diferenciales Parciales) Parabólicas
Consideramos como ejemplo la ecuación de difusión del calor en una

barra de longitud l. La temperatura u (x, t) como función del tiempo
satisface la ecuación diferencial parcial:
𝜕𝑢 2
𝜕2𝑢
(𝑥, 𝑦) =∝ (𝑥, , 𝑡) 𝑝𝑎𝑟𝑎 0 < 𝑥 < ℓ, 𝑡 > 0
𝜕𝑡 𝜕𝑥 2
Con condiciones iniciales y de frontera:

𝑢(0, 𝑡) = 𝑇0 , 𝑢(ℓ, 𝑡) = 𝑇1 𝑝𝑎𝑟𝑎 𝑡 > 0
𝑢(𝑥, 0) = 𝑓 (𝑥 ) 𝑝𝑎𝑟𝑎 0 < 𝑥 < ℓ
Esto significa que la barra se mantiene con temperaturas 𝑇0 y 𝑇1, en los
extremos durante todo el tiempo, y tiene una distribución de temperatura
𝑓(𝑥) a lo largo de la barra en tiempo 𝑡 = 0. Por simplicidad, en lo que sigue
asumimos 𝑇0 = 𝑇1 = 0.
Discretización
La longitud 1 se divide en 𝑚 intervalos de longitud ℎ = 1/𝑚 y los puntos
que los determinan son 𝑥𝑖 = 𝑖ℎ para 𝑖 = 0, 1, 2, 3, … Entonces la ecuación
diferencial en (𝑥𝑖 , 𝑡𝑗 ) es:
315
TELÉFONO 318-48-63
𝜕𝑢 𝜕2𝑢
(𝑥𝑖 , 𝑡𝑗 ) =∝2 2 (𝑥𝑖 , 𝑡𝑗 )
𝜕𝑡 𝜕𝑥
Estas derivadas se reemplazan entonces por diferencias finitas
correspondientes. Diferentes posibilidades resultan en diferentes
métodos.
Diferencias Progresivas
La derivada temporal usa la aproximación de primer orden hacia adelante

mientras que la derivada espacial usa la aproximación de segundo orden
centrado:
𝑢(𝑥𝑖 , 𝑡𝑗 + ℎ) − 𝑢(𝑥𝑖 , 𝑡𝑗 ) 𝑢(𝑥𝑖 + ℎ, 𝑡𝑗 − 2𝑢(𝑥𝑖 , 𝑡𝑗 ) + 𝑢(𝑥𝑖 − ℎ, 𝑡𝑗 )
+ Ο(𝑘 ) =∝2 + Ο(ℎ)2
𝑘 ℎ2
Usando la variable 𝑤𝑖,𝑗 para la aproximación de 𝑢(𝑥𝑖 , 𝑡𝑗 ). El método resulta
de reemplazar las variables 𝑤𝑖𝑗 correspondientes en la ecuación e
ignorando el error Ο(ℎ2 + 𝑘). Así se obtiene:
𝑤𝑖,𝑗+1 − 𝑤𝑖,𝑗 𝑤𝑖−1,𝑗 − 2𝑤𝑖,𝑗 + 𝑤𝑖+1,𝑗
=∝2
𝑘 ℎ2
Para 𝑖 = 1, 2, … , 𝑚 − 1 𝑦 𝑗 = 0,1,2, … Reemplazando 𝜆 =∝2 𝑘/ℎ2 y dejando la
variable 𝑤𝑖,𝑗+1 sola en el lado izquierdo, obtenemos:
𝑤𝑖,𝑗+1 = 𝑤𝑖,𝑗 + 𝜆(𝑤𝑖−1,𝑗 − 2𝑤𝑖,𝑗 + 𝑤𝑖+1,𝑗 ) = 𝜆𝑤𝑖−1,𝑗 + (1 − 2𝜆)𝑤𝑖,𝑗 + 𝜆𝑤𝑖+1,𝑗
Las ecuaciones para 𝑖 = 1 y 𝑖 = 𝑚 − 1 son especiales porque involucran las
variables 𝑤0,𝑗 y 𝑤𝑚,𝑗 en la frontera 𝑥 = 0,1. En el caso de 𝑇0 = 𝑇1 = 0, estas
son cero y las ecuaciones son:
Ilustración 249. Diferencias Progresivas
Fuente: UDEMEX 2019
Se dice que este es un método explicito porque las ecuaciones resultantes

expresan una sola variable en tiempo 𝑡𝑗+1 en términos de variables en 𝑡𝑗 .
Para 𝑗 = 0, las variables 𝑤𝑖,0 están determinadas por la función 𝑓(𝑥):
𝑤𝑖,0 = 𝑓(𝑥𝑖 )
Con 𝑤 = [𝑤1,𝑗 𝑤2,𝑗 … 𝑤𝑚−1,𝑗 ] , se pueden exprear las ecuaciones de la
(𝑗) 𝑇
siguiente forma vectorial:

𝑤 (𝑗+1) = 𝐴𝑤 (𝑗)
316
TELÉFONO 318-48-63
Para j = 1, 2, 3, . . ., donde A es la matriz tridiagonal (m − 1) × (m −
1):
Ilustración 250. Matriz tridiagonal
Fuente: UDEMEX 2019
Y con 𝑤0 determinado por la condición inicial:

El método con diferencias progresivas es condicionalmente estable porque
requiere que 𝜆 ≤ 1/2, es decir:
𝑘 ∝2 1
𝜆= 2 ≤
ℎ 2
Para estabilidad. Esto se discute en la última sección. Tal restricción es

indeseable porque restringe los valores de h y k para los cuales se puede
obtener estabilidad. En particular, note que, si h se reduce a la mitad,
para mantener la condición k se debe reducir a la cuarta parte, y así la
computación requiere más tiempo.
Diferencias Regresivas
Usando para la derivada temporal la diferencia finita de dos puntos hacia

atrás, y reemplazando por las variables 𝑤𝑖𝑗 , ignorando el error Ο(ℎ2 + 𝑘)
se obtienen las ecuaciones:
Ilustración 251. Diferencias Regresivas 1
Fuente: UDEMEX 2019
317
TELÉFONO 318-48-63
Y de aquí que:
Ilustración 252. Diferencias Regresivas 2
Fuente: UDEMEX 2019
Para i = 1, 2, . . ., m − 1 y j = 0, 1, 2, ... De nuevo, las ecuaciones para

i = 1, m − 1 son especiales porque involucran la frontera:
Ilustración 253. Frontera
Fuente: UDEMEX 2019
Se dice que este es un método explicito porque para determinar las

variables para 𝑡𝑗 se necesita resolver un sistema lineal entre ellas,
términos de las variables para 𝑡𝑗−1. Vectorialmente tenemos:
𝐵𝑤 (𝑗) = 𝑤 (𝑗−1)
Para 𝑗 = 1, 2, 3, …, donde 𝐴 es la matriz tridiagonal (𝑚 − 1) ∙ (𝑚 − 1):
Ilustración 254. Matriz tridiagonal
Fuente: UDEMEX 2019
Y con condición 𝑤0 . Este método es incondicionalmente estable.
318
TELÉFONO 318-48-63
Diferencias Centradas (Método de Richardson)
Con el objetivo de obtener un método con error Ο(ℎ2 + 𝑘 2 ) se usa para la

derivada temporal la fórmula de diferentes finitas de tres puntos
centrada. Se obtiene la siguiente ecuación ya reescrita en términos de
las variables 𝑤𝑖𝑗 :
Ilustración 255. Derivada temporal
Fuente: UDEMEX 2019
Y de aquí que:
𝑤𝑖,𝑗+1 = 𝑤𝑖,𝑗−1 + 2 𝜆(𝑤𝑖,𝑗−1 − 2𝑤𝑖,𝑗 + 𝑤𝑖,𝑗+1 )
Para 𝑖 = 2, … , 𝑚 − 1 𝑦 𝑗 = 1,1,2, … Note que es un método explicito, y de

segundo orden en cuanto 𝑤𝑖,𝑗+1 depende de las variables en 𝑡𝑗 y 𝑡𝑗−1 .
Esto significa que además de los valores de 𝑤𝑖,𝑜 determinados por la
condición inicial, el método necesita los valores de 𝑤𝑖,1 para determinar
sucesivamente los 𝑤𝑖,2 , 𝑤𝑖,3 , etc. Así que se debe usar otro método para
obtener los 𝑤𝑖+1 . Se puede usar, por ejemplo, uno de los métodos
descritos, pero entonces se perjudica el error Ο(ℎ2 + 𝑘 2 ).
Vectorialmente estas relaciones se pueden escribir como:
𝑤 (𝑗+1) = 𝐶𝑤 (𝑗) + 𝑤 (𝑗−1)
Dónde:
Ilustración 256. Diferencias Centradas (Método de Richardson)
Fuente: UDEMEX 2019
Este método resulta ser incondicionalmente inestable.
319
TELÉFONO 318-48-63
Esquema de IDA
El esquema implícito de dirección alternante, o esquema IDA, proporciona

un medio para resolver ecuaciones parabólicas en dos dimensiones
espaciales usando matrices tridiagonales. (Chapra, S. & Canale, R. 2006).
Para ello, cada incremento de tiempo se ejecuta en dos pasos:
Ilustración 257. Esquema de IDA
Fuente: UDEMEX con información de Chapra, S. & Canale, R. (2006).
La ecuación se aproxima mediante:
Ilustración 258. Ecuación de aproximación
Así, la aproximación de 𝜕 2 𝑇/𝜕𝑥 2 se escribe explícitamente (es decir, en el

punto base 𝑡 1 , donde se conocen los valores de la temperatura. En
consecuencia, solo se desconocen tres términos de la temperatura en
la aproximación de 𝜕 2 𝑇/𝜕𝑦 2 . En el caso de una malla cuadrada (∆𝑦 =
∆𝑥), esta ecuación se expresa como:
320
TELÉFONO 318-48-63
Ilustración 259. Malla cuadrada
El método IDA da como resultado ecuaciones tridiagonales solamente si

se aplica a lo largo de la dimensión que es implícita. En el primer paso a),
se aplica a lo largo de la dimensión y; en el segundo paso b), a lo largo
de la dimensión x. Estas direcciones alternantes son la razón del nombre
del método.
Ilustración 260. Método IDA
Que, cuando se escribe para el sistema, da como resultado un sistema

tridiagonal de ecuaciones simultáneas. En el segundo paso, que va desde
𝑡 𝑙+1/2 hasta 𝑡 𝑙+1, la ecuación que se aproxima por:
Ilustración 261. Sistema tridiagonal de ecuaciones simultáneas
321
TELÉFONO 318-48-63
A diferencia de la ecuación 1, la aproximación de 𝜕 2 𝑇/𝜕𝑥 2 es ahora
implícita. Así, el sesgo introducido por la ecuación se corregirá
parcialmente. Para una malla cuadrada, la ecuación 2 se escribe como:
Ilustración 262. Malla cuadrada
De nuevo, cuando se escribe para una malla bidimensional, la ecuación

da como resultado un sistema tridiagonal.
El método IDA es una de las técnicas de un grupo conocido como métodos

de división. Algunos de éstos representan mejoras que evitan las
desventajas del IDA. En muchas referencias se encuentran análisis de
otros métodos de división, así como mayor información sobre el IDA.
4.4.1. Aplicaciones
Las ecuaciones diferenciales son muy utilizadas en todas las ramas de la

ingeniería para el modelamiento de fenómenos físicos.
Las ecuaciones diferenciales parciales aparecieron en el contexto de la

modelación matemática de fenómenos de la física del medio continuo en:
322
TELÉFONO 318-48-63
Figura 33. Aplicaciones
Cuerdas
vibrantes, El campo Conducción del
ecuación de la gravitacional calor
onda Newtoniano (parabólica)
(hiperbólica)
Dinámica de
Elasticidad Electrostática
fluidos
Electricidad y
magnetismo
Se describirán a continuación la conducción de calor y la ecuación de la

onda, que describe la propagación de una perturbación a través del
espacio tiempo.
Conducción de calor
En la ecuación de la conducción del calor. La constante C, llamada

difusivilidad, es igual a 1 donde la conductividad térmica K, el calor
específico, la densidad (masa por unidad de volumen) se toma como
constantes.
𝜕2𝑢 2
𝜕2𝑢
=𝑐 ∙ 2
𝜕𝑡 2 𝜕𝑥
Las ecuaciones parabólicas son las que tienen primera derivada con
respecto al tiempo y es la ecuación de onda unidimensional, que describe
fenómenos de tipo oscilatorio y es de segundo orden, lineal, homogénea
y de coeficientes constantes.
323
TELÉFONO 318-48-63
Calculo de la distribución de temperatura.
La ecuación de conducción del calor se puede aplicar a más de una

dimensión espacial.
Para dos dimensiones, su forma es:
𝜕𝑇 𝜕2𝑇 𝜕2𝑇
= 𝑘 ( 2 + 2)
𝜕𝑡 𝜕𝑥 𝜕𝑦
Una aplicación de esta ecuación consiste en modelar la distribución de

temperatura sobre la superficie de una placa calentada. Sin embargo, más
que caracterizar su distribución en estado estacionario, ofrece un medio
para calcular la distribución de temperatura de la placa conforme cambia
con el tiempo. (Chapra, S. & Canale, R. 2006).
La ecuación del calor es de importancia fundamental en diversos campos
científicos.
Figura 34. Campos científicos
En matemáticas, es el prototipo de
ecuación diferencial parcial parabólica
En estadística, la ecuación del calor está

conectada con el estudio de movimiento
browniano
La ecuación de la difusión, se presenta con

respecto al estudio de la difusión química
y de otros procesos relacionados
324
TELÉFONO 318-48-63
Ecuación de Onda.
Es un tipo de ecuación diferencial que describe la propagación de una

perturbación a través del espacio tiempo. Se deduce de la siguiente
manera. Supongamos una cuerda en el eje x. Esta ecuación es aplicable
a las pequeñas vibraciones transversales de una cuerda flexible y tensa
como la cuerda de un violín, que inicialmente se ha colocado sobre el eje
y se ha hecho vibrar. La función es la elongación de un punto cualquiera
de la cuerda en el instante. La constante, donde c la tensión de la cuerda.
Ilustración 263. Ecuación de Onda
Limitaciones de la cuerda ideal
Con objeto de aplicar la ecuación de onda a las ondas en una cuerda, se

deben cumplir ciertas condiciones. En una cuerda ideal se asume que:
1. La cuerda es perfectamente uniforme con una masa constante por

unidad de longitud, y es perfectamente elástica sin ofrecer
resistencia a la flexión.
2. La tensión de la cuerda es lo suficientemente grande para poder
despreciar los efectos de la gravedad.
3. Se supone que los pequeños segmentos de la cuerda se mueven
transversalmente en un plano perpendicular a la cuerda, y que los
desplazamientos y pendientes de segmentos son pequeños.
Aunque estrictas, estas idealizaciones permiten el desarrollo de una

ecuación de onda que describe así las vibraciones de las cuerdas finas
reales.
325
TELÉFONO 318-48-63
a este tema.
ACTIVIDAD
COMPLEMENTARIA 4.2
ACTIVIDAD DE
APRENDIZAJE 4.2
326
TELÉFONO 318-48-63
RESUMEN UNIDAD IV
Ilustración 264. Resumen Unidad IV
Fuente: UDEMEX 2019
327
TELÉFONO 318-48-63
CRITERIOS DE EVALUACIÓN DE LA UNIDAD IV
Figura 35. CRITERIOS DE EVALUACIÓN DE LA UNIDAD IV
Fuente: UDEMEX 2019
328
TELÉFONO 318-48-63
1. Chapra, S. & Canale, R. (2006). Métodos Numéricos para

Ingenieros. 5ª ed., Mc Graw Hill. México, D. F.
2. Hernández G., (2010). El método de diferencias finitas.
http://mmc2.geofisica.unam.mx/cursos/hidrogeologia/NotasCurso
/1-MDF1_1-10.pdf
3. Palafox, A. & Alonzo, J.L., (2013). Métodos Numéricos para Solución
de Ecuaciones Diferenciales Parciales Elípticas. Recuperado el día
https://jaerazcuammx.files.wordpress.com/2013/01/alonzo_palafo
x_reporte_ultimo.pdf
4. Valdés. S., (2009). Métodos Numéricos. Tesis sobre las diferencias
finitas (MDF) y métodos espectrales (ME). Supercomputo.
Recuperado el día 26 de febrero del 2019:
http://pelusa.fis.cinvestav.mx/tmatos/LaSumA/LaSumA2_archivos
/Supercomputo/S_Valdez.pdf
5. Ecuaciones en derivadas parciales. Consultado: el día 26 de
febrero del 2019: https://es.slideshare.net/edvinogo/2-
ecuaciones-en-derivadas-parciales
6. Fundamentos de Ecuaciones Diferenciales. Consultado el día
https://sites.google.com/site/metalnumericos/home/unidad-6/6-
1-fundamentos-de-ecuaciones-diferenciales
7. Método de un paso. Consultado el día 26 de febrero del 2019:
http://www.frsn.utn.edu.ar/gie/an/mnedo/met_1paso.html
8. Métodos Numéricos. Conceptos. Consultado el día 26 de febrero
del 2019: http://www.frsn.utn.edu.ar/GIE/AN/EDP/Conceptos.html
329
TELÉFONO 318-48-63

Metodos Numericos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

UNIDAD 1.

En el siguiente esquema se representan los contenidos temáticos

SECUENCIA DIDÁCTICA «UNIDAD I»

Fuente: UDEMEX 2019

Durante el desarrollo de esta unidad, los estudiantes conocerán las

Un aspecto muy importante que se estudiará dentro de esta unidad, es la

Se contemplan en esta unidad también los temas de los métodos de punto

En tal sentido, el propósito es potenciar la capacidad del estudiante en el

Esta unidad se complementa con la incorporación de otras competencias

comprender los métodos numéricos, de modo general, se pretende hacer

En general, los temas desarrollados en esta unidad, serán un mecanismo

Figura 2. Competencias Específicas

Fuente: UDEMEX 2019

Es momento de dar inicio a los temas de la unidad I.

Los métodos numéricos son técnicas mediante las cuales es posible

Aunque hay muchos tipos de métodos numéricos, todos comparten una

Con el desarrollo de computadoras digítales, eficientes y rápidas, el papel

Los métodos numéricos representan alternativas que amplían

a) Los métodos numéricos son herramientas extremadamente

b) Es posible que se utilice en muchas ocasiones un software

c) Hay muchos problemas que no se pueden plantear al emplear

d) Los métodos numéricos son un vehículo eficiente para aprender a

e) Los métodos numéricos son un medio para reforzar su comprensión

El análisis numérico es una reflexión sobre los cursos tradicionales de

La ciencia y la tecnología describen los fenómenos reales mediante

El estudio de estos modelos permite un conocimiento más profundo del

Fuente: UDEMEX 2019

Fuente: UDEMEX 2019

1.1.1. Problemas matemáticos y sus soluciones

El conocimiento y la comprensión son prerrequisitos para la aplicación

Ésta es una realidad, particularmente cuando se utilizan computadoras

Esta comprensión inicialmente es empírica, se adquiere por observación

empíricos ocurren una y otra vez. Este comportamiento general puede

Debe destacarse que ambos están estrechamente relacionados. Conforme

Fuente: UDEMEX 2019

En lo particular, las generalizaciones sirven para organizar principios que

ingeniería, el sistema es aún más útil cuando el problema se expresa por

Los métodos numéricos pueden ser aplicados para resolver

Operaciones con matrices

Fuente: UDEMEX 2019

Los métodos numéricos son adecuados para la solución de problemas

En el proceso de solución de problemas por medio de computadoras se

Figura 5. Pasos para la solución de un problema

Especificación del Con esto se indica que se debe identificar

Se puede concluir que es necesario un conocimiento completo del

Si los métodos numéricos son los algoritmos (conjuntos detallados y

1.1.2. Importancia de los métodos numéricos

La importancia de los métodos numéricos no radica en buscar la solución

requerida, con un error lo suficientemente pequeño y próximo a cero, de

Es un procedimiento mediante el cual se La solución de ciertos problemas realizando

Operaciones aritméticas elementales, cálculo de funciones,

Fuente: UDEMEX 2019

Si conocemos bien los métodos numéricos podemos diseñar programas

Importa también el tiempo empleado en obtener una solución y en esto

No es correcto pensar que el desarrollo de las tecnologías de la

matemáticas y elaboraron efemérides astronómicas. La mayoría de los

Se necesita un conocimiento amplio de los problemas y de los campos de

Fuente: UDEMEX 2019

Las soluciones que ofrecen los métodos numéricos son aproximaciones de

Es importante mencionar que los métodos numéricos son herramientas

El uso inteligente de programas de cómputo depende del conocimiento de

1.1.3. Tipos de errores

Los errores en cálculos y medidas se pueden caracterizar con respecto a