Universidad del Valle de México

Métodos numéricos
Actividad #6

Proyecto integrador etapa 2

Gerardo Fabián Nava Cano

Matrícula: 010161972
Norberto Ortiz Nava
Matricula: 010163285
David Emmanuel Preciado Garcia
Matricula: 010163164
Campus: San Rafael
Domingo 18 de junio de 2023

Introducción:
En base al contenido aprendido y los conocimientos adquiridos en los módulos 1 y 2, seremos capaces de
programar métodos numéricos básicos para resolver sistemas de ecuaciones lineales de una variable,
derivadas e integrales, especificando ventajas y desventajas de cada método, permite la identificación de
soluciones prácticas al presentar modelos matemáticos precisos y transparentes.

Etapa 1 del proyecto

1. Programación de los métodos de bisección y Newton-Raphson en una aplicación
1.1 Conceptualización
Reproduce y completa el siguiente cuadro comparativo en el que describas los elementos sustantivos
de cada método numérico.
Método ¿En qué consiste?
numérico
El método de bisección o del
intervalo medio, es un
algoritmo de búsqueda de
raíces que trabaja dividiendo el
intervalo a la mitad y
seleccionando el subintervalo
que tiene la raíz. Esto se logra
llevar a cabo a través de varias
iteraciones que son aplicadas
en un intervalo para por medio
Bisección de ello encontrar la raíz de la
función.
Ventajas Desventajas
Siempre converger. No tiene en cuenta el valor
de la función en
Útil como aproximación aproximaciones, solo tiene
inicial para otros métodos. en cuenta el signo de la
función, lo que hace
Le permite establecer un imperceptible la
margen de error específico. aproximación intermedia.
Fácil de hacer.
Esto le permite encontrar
Fácil de entender y le una sola raíz incluso si hay
otras raíces en el intervalo.
permite responder
ecuaciones matemáticas No hay claridad sobre los
simples. criterios finales del
procedimiento repetido.
No es útil para grandes
medidas matemáticas.
convergencia lenta.

También conocido como Siempre convergerá.

irregularidad, se trata de un
método iterativo que, a
Regla falsa diferencia de la bisección, busca
el punto medio del intervalo,
uniendo una imagen recta de la
función en los dos extremos del
intervalo (f(a). y f(b)) cruce.
Esta nueva línea con el eje x
representa la mejor estimación
de la raíz de la función.
Convergencia lenta.
Estable. A veces el método genera
más errores que el
Fácil de hacer.
método Split y es mejor
Es útil cuando no sabes no utilizarlo.
nada sobre la función No existe una regla para
excepto cálculo de signos. saber cuándo es el mejor
momento para hacerlo.
 Método ¿En qué consiste?
numérico
También conocida como Simplicidad y flexibilidad
iteración de punto fijo o en la elección de la forma
aproximación consecutiva, f(x).
requiere reescribir la ecuación
f(x) = 0
en la forma x = g(x).
Sustitución sucesiva En particular, se puede utilizar
para determinar las raíces de
una función de forma si se
cumplen los criterios de
convergencia.
Este es un procedimiento
algorítmico que le permite
encontrar soluciones enteras
de funciones cuyos valores
numéricos conocidos están
cerca de la solución. Como
todas las aproximaciones
subsiguientes, comienza con
la primera aproximación y se
Newton-Raphson aproximará recursivamente a
la solución deseada de modo
que la nueva aproximación se
encuentre en la intersección
de la tangente a la curva de la
función en el punto y el eje x.
Este es un método iterativo
para encontrar los ceros de
una función. Esta es una
variación del método de
Secante Newton-Raphson, donde en
lugar de calcular la derivada
de la función en el punto de
prueba, la definición
derivada, pendiente que se
aproxima a la recta,
combina la funcionalidad
evaluada en el punto de
control anterior y el punto de
repetición.
Ventajas Desventajas
La iteración no siempre
converge a ninguna forma
elegida de f(x).
Este es el método más La convergencia es lenta
eficaz para resolver el debido a la naturaleza de la
problema de característica particular.
abastecimiento. Requiere pocas
repeticiones.
Eficaz en la resolución de
sistemas de ecuaciones no Cuando el punto de
lineales. inflexión f'(x) = 0, ocurre
en la vecindad de la
Converge rápidamente y solución.
proporciona muy buena
precisión de los resultados. No existe un criterio
común de convergencia.
Es aplicable cuando la
función f(x) es demasiado Convergencia más lenta
que otros métodos como
compleja para tomar la Newton-Raphson.
derivada.
La convergencia no está
garantizada si la
aproximación a la raíz no
es lo suficientemente
cercana o si hay múltiples
raíces.
 Es un método iterativo para Convergirá siempre a una
resolver sistemas de solución cuando la No siempre converge a una
ecuaciones lineales. Aunque solución.
magnitud del coeficiente de
este método se puede aplicar una incógnita diferente en A veces converge muy
a cualquier sistema de cada ecuación del conjunto lentamente.
ecuaciones lineales que sea suficientemente
produzca una matriz dominante con respecto a
(obviamente cuadrada, ya que
para tener una solución única las magnitudes de los otros
el sistema debe tener tantas coeficientes de esa
Método Gauss-Seidiel ecuaciones como incógnitas) ecuación.
los coeficientes tienen una
diagonal distinta de cero, la
convergencia del método está
garantizado solo si la matriz
es diagonalmente dominante
o si es simétrica y
simultáneamente positiva.
1.2 Métodos abiertos
Un método numérico abierto es un método que no requiere un intervalo para encontrar la raíz.
Se basan en fórmulas que requieren solo una semilla o un par de semillas, pero no necesariamente raí-
ces cuadradas. Estos métodos calculan una aproximación a la raíz en cada iteración. Estos se aplican utilizan
do una o dos aproximaciones iniciales. Estos métodos pueden converger o divergir en la raíz, por lo que es
importante elegir sabiamente qué puntos usar. Puede desviarse de la raíz, pero convergemás rápido que el m
étodo numérico cerrado. Los métodos numéricos abiertos incluyen:

• Sustitución sucesiva o punto fijo

• Newton-Raphson
• Secante
• Gauss - Seidel

Estos métodos se pueden utilizar para aproximar raíces complejas de ecuaciones polinómicas. Otra
aplicación a tener en cuenta es el tratamiento de los problemas actuales de la ingeniería eléctrica. Las
aplicaciones en mecánica también se pueden encontrar en la resolución de ecuaciones de posición en la
dinámica de un mecanismo o sistema.
 1.3 Métodos cerrados

El método cerrado o de intervalo se caracteriza por una función que cambia de signo en el intervalo que
incluye la raíz cuadrada, y para desarrollar un algoritmo que contenga la raíz cuadrada, se necesitan dos valores
iniciales (límite inferior y límite superior) entre los cuales son iguales. Entre los métodos numéricos cerrados se
pueden distinguir los siguientes:

• Bisección
• Regla falsa

1.4 Casos prácticos

Método de Bisección

Ejercicio 1

Raíz = 8.919 es donde la función f(x) = 0.

 f(x) = -185x + 1650.015

Ejercicio 2
 f(x) = (1 - 202)(3x) / (9.81x + (x2/2)

Método de la bisección en Python

Ejercicio 1

f(x) = 0.95x3 - 5.9x2 + 10.9x – 6 xi= 3.5

Derivada: f’(x) = 2.85x2 - 11.8x + 10.9
Método de la secante

Método de Newton Rapshon en Python

Conclusiones:
En particular, al implementar los diversos métodos numéricos mencionados en este módulo, encuentro
que el método de Newton-Raphson es el más fácil de implementar, la única dificultad para usarlo es la
dependencia del número de la función de ruta de una función primitiva. Esto ayuda a ver la diferencia con el
método de la secante, donde se necesitan menos iteraciones para encontrar el valor deseado. La parte más
difícil es organizar los datos en el modelo para obtener los valores. En cuanto al método de bisección, creo que
es un método en el que es posible que necesitemos muchas iteraciones para converger y encontrar la
aproximación más cercana al verdadero valor original, especialmente cuando hay una gran diferencia en
algunos ejercicios. entre los cuales hay un cambio de signo, a esto lo llamo el método de "ensayo y error", que
resulta en mucho desgaste, pero es más fácil de entender.
 Etapa 2 del proyecto
2.1 Conceptualización
Aspecto / Método Jacobi
En analisis numerico el metodo
de Jacobi es un metodo
iterativo, usado para resolver
sistemas de ecuaciones lineales
del tipo El algoritmo
toma su nombre del
matematico aleman Carl Gustav
Jakob Jacobi. El metodo de
Jacobi consiste en usar f6rmulas
como iteraci6n de punto fijo.
La base del metodo consiste en
lEn que consiste? construir una sucesi6n
convergente definida
iterativamente. El lfmite de esta
sucesi6n es precisamente la
soluci6n del sistema. A efectos
practicos si el algoritmo se
detiene despues de un numero
finito de pasos se llega a una
aproximaci6n al valor de x de la
soluci6n del sistema.
Gauss- Seidel
El metodo de Gauss-Seidel es
muy similar al metodo iterativo
de Jacobi. Similar al metodo de
Jacobi, Gauss-Seidel converge
solo si la matriz de coeficientes
es diagonalmente dominante.
En lugar de tomar las
aproximaciones iniciales para
x1, x2 y x3 como 0, toma x2 y x3
como 0 para encontrar una
aproximaci6n para x1 en la
primera iteraci6n. Utiliza el
valor x1 actualizado y x3 = 0
para determinar x2. Luego,
toma estos valores actualizados
de x1 y x2 para determinar el
valor de x3. El metodo de Jacobi
Considera los valores
actualizados solo del segundo
incremento. El primer
incremento se basa puramente
en los valores de aproximaci6n
iniciales proporcionados. Pero
Gauss-Seidel tambien considera
los valores actualizados desde el
primer incremento {x2
considera x1 actualizado y x3
considera x1 y x2 actualizados).
Debido a esto, la tasa de
convergencia de Gauss-Seidel es
mucho mas rápida que la técnica
de Jacobi.
 Es fácil de programar. Converge con mayor rapidez
▪ Si la matriz es diagonalmente ▪ que Jacobi.

▪ dominante el metodo Si la matriz es diagonalmente

converge.
ventajas Si el radio espectral de la ▪ dominante el metodo
converge.
▪ matriz es menor a uno, Si el radio espectral de la
el
metodo converge. ▪ matriz es menor a uno,
el
metodo converge.
Menorrequerimiento de
▪ almacenamiento
respecto a
Jacobi, ya que no necesita dos
vectores para la soluci6n
{㕥㕚+1 , 㕥㕚).

Es de convergencia lenta. No esta asegurada su

▪ No esta asegurada su ▪ convergencia.

▪ convergencia. Calcular el radio espectral de la

Desventajas Calcular el radio espectral de la ▪ matriz puede ser un proceso
▪ matriz puede ser un proceso extenso
extenso. Suele converger muy
El sistema de ecuaciones debe ▪ lentamente. {Universidad de
los
▪ ser cuadrado, es Andes, 2020)
decir, el
numero de ecuaciones debe ser
igual al numero de inc6gnitas.
Método de Gauss Seidel
Método de Gauss Seidel en Python
Conclusiones.
De hecho, fue un verdadero desafío. El método de Gauss-Seidel converge mucho más rápido que el
método de Jacobi, y cuando una matriz dada es mucho más dominante, el método siempre convergerá, sin
embargo, si no lo hace, también existe la posibilidad de que lo haga. El método de Gauss-Seidel usa valores
obtenidos de iteraciones pasadas desconocidas para reemplazar los valores actuales, mientras que el método
de Jacobi toma los valores en una iteración y los usa hasta la siguiente iteración para obtener los valores más
cercanos.

Entonces, en resumen, ambos métodos son útiles cuando tenemos un sistema de ecuaciones con una
diagonal completamente dominante y no se conoce ningún otro método.

Referencias.
Eduardo. (22 de Mayo de 2011). La guía matemática. Recuperado el 12 de Junio de 2021,
https://matematica.laguia2000.com/general/metodo-de-la- regla-falsa
Fuerte, R. V. (2016 de Noviembre de 2016). Scientific Electronic Library Online Chile.
https://scielo.conicyt.cl/pdf/infotec/v28n1/art19.pdf
Mariles, O. F. (Septiembre de 1988). Instituto Mexicano de Tecnología del Agua.
http://repositorio.imta.mx/bitstream/handle/20.500.12013/823/IMTA_011.pdf? sequence=1&isAllowed=y
Universidad Autónoma Metropolitana. (2021). UAM Cuajimalpa. Recuperado el 26 de Junio de 2021, de
http://test.cua.uam.mx/MN/Methods/EcLineales/Jacobi/Jacobi.php