Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. INTRODUCCIÓN
Los métodos numéricos son algoritmos que se utilizan para
resolver operaciones matemáticas complejas. Algunos de los
principales métodos numéricos son método de punto fijo,
método de Newton – Raphson, regresión polinomial,
interpolación, spline cúbico, spline cuadrático, integración
numérica, entre otros.
En el primer método se desea hallar d usando f (x0) = 0 Para hallar el valor de d se utilizaron tanto métodos
siendo x0 la raíz, por lo que se utiliza la ecuación 3 para hallar numéricos cerrados como abiertos.
los ceros de la función, esta raíz se halla cuando la gráfica de
la función cruza el eje x. Vale la pena aclarar que los métodos cerrados requieren de
dos valores que encierren la raíz, mientras que los métodos
En la figura 2 se observa que la gráfica de la función cruza abiertos se basan únicamente en un valor de inicio.
el eje x en 0, pero 0 no puede ser una raíz de la ecuación ya
Método de la bisección: Primero se debe hacer un análisis
que al tener un término independiente no se cumpliría la
para encontrar un intervalo que contenga la raíz usando f (a)f
conservación de la energía, esto se debe a que este método es
(b) < 0, este se pudo sacar de los métodos gráficos usados
muy impreciso y por eso requerimos de otros métodos para
obtener un valor más adecuado. previamente.
Se seleccionó los valores que encierran la raíz, un límite
inferior de 0 y superior de 2, se restringe el error relativo, se
coloca un tope máximo de iteraciones y se define la función
como lo muestra la figura 4.
f2(x)= 931.95*x
3. ECUACIONES NO LINEALES
(𝑥 − 4)2 + (𝑦 − 4)2 = 5
Figura 14. Iteraciones vs error relativo, método de la
𝑥 2 + 𝑦 2 = 16
bisección
Ecuación 6. Sistema de ecuaciones no lineales
Figura 18. Resultado del método iterativo de Newton – En la figura 22 se presenta una gráfica de dispersión a partir
Raphson para valores semilla xi = 1.5 y yi = 4.5 de los datos presentados en la tabla 1. Se decidió graficar los
datos de esta manera ya que brinda la posibilidad de estimar la
A partir de la figura 18 y 19 es posible observar que, para tendencia de los diferentes datos sin establecer a priori la
determinar las raíces del sistema de ecuaciones no lineales relación que tendrán los datos, evitando posibles errores por el
propuesto, fueron necesarias 5 iteraciones. Y las raíces ordenamiento de los datos y facilitando la interpretación de los
obtenidas fueron x = 1.80583 y y = 3.56917. mismos.
• Implemente en Python un método para ajustar una función Como los resultados obtenidos no fueron los esperados, lo
de potencias de la forma μ = aTb a los datos. cual se debió al valor de 0 en el primer dato, con el fin de
analizar el comportamiento de este método, se procedió a
En la figura 27 se presenta la respuesta obtenida para ajustar eliminar este primer dato. En la figura 30 podemos observar la
una función de potencias de la forma a los datos. nueva aproximación obtenida.
• Compare gráficamente todas las funciones obtenidas.
• Calcule para cada uno de los ajustes el coeficiente de • Analice los resultados.
determinación.
A partir de los resultados presentados en la figura 33 y 34
A partir de la ecuación presentada en la ecuación 7 se es posible observar que la función que mejor se ajusta a los
calcularon los coeficientes de determinación para los 3 datos se obtuvo mediante el segundo método de regresión
métodos utilizados. polinomial, lo cual se puede corroborar con los coeficientes de
𝑆𝑡 − 𝑆𝑟 determinación obtenidos y presentados anteriormente.
𝑅2 =
𝑆𝑡
Ecuación 7. Coeficiente de determinación 5. BORDES DE UNA IMAGEN
La grafica del conjunto de datos inferiores se presenta en Figura 37. Grafica completa
la figura 35.
• Ajuste un spline cuadrático a cada conjunto de datos
REFERENCIAS
[1] MateWiki. (2020). Métodos numéricos. Recuperado de
https://mat.caminos.upm.es/wiki/M%C3%A9todos_num
%C3%A9ricos
[2] Obando, F. (2020). Trabajo N°1. Programación
estructurada y métodos numéricos
[3] Obando, F. (2020). Métodos numéricos para ingeniería.
Raíces de ecuaciones
[4] Obando, F. (2020). Métodos numéricos para ingeniería.
Ajuste de Curvas: Interpolación.
[5] Obando, F. (2020). Métodos numéricos para ingeniería.
Ajuste de Curvas: Regresión por mínimos cuadrados.
[6] Chapra, S y Canalé R. (2015). Métodos numéricos para
ingenieros. Séptima edición. Recuperado de
https://drive.google.com/file/d/16RLRWdE8qR0h9IntPc
Xh3-oBuWZK4FkX/view