INSTITUTO POLITECNICO NACIONAL

ESIME Azcapotzalco
Nombre del alumno: Jafet Dael Viveros Zu
Nombre del maestro: Juan Carlos Guadar

Materia: Metodos Numericos

Fecha de entrega: 12/12 /2022

"Tercer departamental"
ACIONAL

ael Viveros Zuvirie

Carlos Guadarrama Zavala
ÍNDICE
1.- Método de tangente…................................
2.- Método de Bisección…...............................
3.- Método de Secante….................................
4.- Método de Gauss-Jordan…........................
5.- Método de Gauss- Seidel…........................
6.- Método de Newton…..................................
7.- Método de Lagrange…...............................
8.- Método del trapecio….................................
 ............................................... Hoja 3
................................................ Hoja 4
................................................. Hoja 5
................................................ Hoja 6
................................................. Hoja 7
................................................. Hoja 8
.................................................. Hoja 9
............................................... Hoja 10
Método de Tangente
Una breve explicacion:
El método de las tangentes o de Newton-Raphson proporciona un método para enc
pero  con una convergencia en general más rápida, para aquellos casos en los que
Esta convergencia no siempre se da para todas las ecuaciones, pero sí existen una

Fórmula:

Ejercicio: Encontrar la raiz o las raices de la siguiente funcion utilizando el metodo d

x^3- x^2 + 6

Tabla de iteraciones:

iteraciones Xi f(Xi) f´(Xi) f(Xi)/f´(Xi)

1 2 10 8 1.25
2 0.75 5.859375 0.1875 31.25
3 -30.5 -29296.875 2851.75 -10.2732970983
4 -20.2267029 -8678.2583 1267.81194 -6.84506750976
5 -13.3816354 -2569.29307 563.967768 -4.55574452258
6 -8.82589087 -759.401031 251.340831 -3.02139938304
7 -5.80449149 -223.257753 112.685347 -1.98124919377
8 -3.82324229 -64.5022086 51.4980295 -1.25251799517
9 -2.5707243 -17.5975722 24.9673188 -0.7048242669
10 -1.86590003 -3.97786861 14.1765488 -0.28059499209
11 -1.58530504 -0.49736811 10.7101863 -0.04643879154
12 -1.53886625 -0.01231284 10.1820605 -0.00120926762
13 -1.53765698 -8.2115E-06 10.1684809 -8.0754857E-07
14 -1.53765617 -3.6593E-12 10.1684719 -3.5986677E-13
15 -1.53765617 0 10.1684719 0
16 -1.53765617 0 10.1684719 0
17 -1.53765617 0 10.1684719 0
18 -1.53765617 0 10.1684719 0
19 -1.53765617 0 10.1684719 0
 n proporciona un método para encontrar las raíces de una función similar al de la bisección y al de la secante,
da, para aquellos casos en los que existe convergencia.
as ecuaciones, pero sí existen unas condiciones que si se cumplen, la garantizan.

Un video con una explicacion detalla

https://www.youtube.com/watch?v=v3e7It

ente funcion utilizando el metodo de la tangente:

Gráfica con programa sintético:

Error aproximado
166.666666666667
102.459016393443
50.7907648032731
51.1526977777035
51.6179566460291
52.0527834375429
51.8211779992446
48.7223774420465
37.7739565560529
17.6997477011872
3.01772760520569
0.0786435229319215
5.25181497939457E-05
2.34079836057179E-11
0
0
 0
0
#DIV/0!
y al de la secante,

n una explicacion detallada, mas un ejemplo:

outube.com/watch?v=v3e7ItsgEJI

Gráfica lineal
5000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

-5000

-10000

-15000

-20000

-25000

-30000

-35000

Xi f(Xi) f´(Xi)
f(Xi)/f´(Xi) Error aproximado
-25000

-30000

-35000

Xi f(Xi) f´(Xi)
f(Xi)/f´(Xi) Error aproximado
fica lineal

9 10 11 12 13 14 15 16 17 18 19

f(Xi) f´(Xi)
Error aproximado
f(Xi) f´(Xi)
Error aproximado
Método de Bisección
Una breve explicación:
El método de bisección se aplica a funciones algebraicas o trascendentes y proporc
Tiene su origen en un popular algoritmo de búsqueda de datos en arreglos vectoria
Es un método cerrado, es decir, requiere de un intervalo en el cual esté atrapada un

Fórmula (con ejemplo):

Ejercicio: Evaluar las iteraciones hasta llegar a un minimo de error al 0.5% de esta f

4x^3-7x^2-5 con un intervalo de [1.5,2.5]

Tabla de iteraciones:

Iteraciones Xi Xu Xr f(Xi)
1 1.5 2.5 2 -7.25
2 2 2.5 2.25 -1
3 2 2.25 2.125 -1
4 2 2.125 2.0625 -1
5 2 2.0625 2.03125 -1
6 2.03125 2.0625 2.046875 -0.35827637
7 2.046875 2.0625 2.0546875 -0.0247345
8 2.046875 2.0546875 2.05078125 -0.0247345
9 2.046875 2.05078125 2.04882813 -0.0247345
10 2.04882813 2.05078125 2.04980469 0.01755932
 11 2.04980469 2.05078125 2.05029297 0.03875653
12 2.04980469 2.05029297 2.05004883 0.03875653
13 2.04980469 2.05004883 2.04992676 0.03875653
14 2.04992676 2.05004883 2.04998779 0.04140854
15 2.04998779 2.05004883 2.05001831 0.04273474
16 2.04998779 2.05001831 2.05000305 0.04273474
17 2.04998779 2.05000305 2.04999542 0.04273474

Error aproximado
800

600

400

200

0
0 2 4 6 8 10 12 14
-200

-400

-600
 icas o trascendentes y proporciona únicamente raıces reales.
a de datos en arreglos vectoriales denominado búsqueda binaria.
alo en el cual esté atrapada una raız.

nimo de error al 0.5% de esta función

f(Xr) f(Xi)*f(Xr) Error aproximado

-1 7.25 725
5.125 -5.125 -512.5
1.7734375 -1.7734375 -177.34375
0.31738281 -0.3173828125 -31.73828125
-0.35827637 0.3582763671875 35.82763671875
-0.0247345 0.0088617857546 0.886178575456142
0.14524651 -0.003592599271 -0.359259927063249
0.05998731 -0.001483755859 -0.148375585922622
0.01755932 -0.000434320943 -0.0434320942531485
0.03875653 0.0006805383149 0.0680538314924539
 0.04936772 0.0019133216216 0.191332162161073
0.04406108 0.0017076544894 0.170765448942005
0.04140854 0.0016048514181 0.160485141809991
0.04273474 0.0017695834211 0.176958342112148
0.04339789 0.0018545978866 0.185459788661504
0.04306631 0.0018404279334 0.184042793344681
0.04290053 0.0018333430882 0.183334308820256

r aproximado
Un video con una explicacion detallada, y un e
https://www.youtube.com/watch?v=mdG6gpzE54k

8 10 12 14 16 18
Diagrama de flujo del método de bisección:

Gráfica con programa sintetico:

10

0
1 2 3 4 5 6
-2

-4
 4

0
1 2 3 4 5 6
-2

-4

-6

-8

Xi Xu

xplicacion detallada, y un ejemplo:

om/watch?v=mdG6gpzE54k
 Gráfica de linea

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Xi Xu Xr f(Xi) f(Xr) f(Xi)*f(Xr)

Método de Secante
Una breve explicación:
Es una variación del método de Newton-Raphson donde en vez de calcular la deriv
teniendo en mente la definición de derivada, se aproxima la pendiente a la recta que
y en el punto de la iteración anterior.

Fórmula:

Ejercio: Encontrar las raices utilizando el metodo de la secante obteniendo un error

x^3+5x-14
Xo=-3
Xi=-2

Tabla de iteraciones:

i Xi f(Xi) Xi-1 f(Xi-1) f(Xi+1)

0 -2 16 -3 -28 -2.36363636
1 -2.36363636 12.6130729 -2 -4 -2.08755427
2 -2.08755427 15.3404544 -2.36363636 -11.0232908 -2.24820006
3 -2.24820006 13.87769 -2.08755427 -5.53508825 -2.13335857
4 -2.13335857 14.9574113 -2.24820006 -8.60431065 -2.20626205
5 -2.20626205 14.2921263 -2.13335857 -6.37617437 -2.1558493
6 -2.1558493 14.7595354 -2.20626205 -7.77049418 -2.18887494
7 -2.18887494 14.4570951 -2.1558493 -6.79895759 -2.16641288
8 -2.16641288 14.6643419 -2.18887494 -7.43165437 -2.18132017
9 -2.18132017 14.5275355 -2.16641288 -6.99978692 -2.17126011
10 -2.17126011 14.620176 -2.18132017 -7.28566612 -2.17797429
11 -2.17797429 14.5584936 -2.17126011 -7.09242502 -2.17345954
12 -2.17345954 14.6000348 -2.17797429 -7.22124934 -2.17648024
13 -2.17648024 14.5722701 -2.17345954 -7.13456062 -2.17445238
14 -2.17445238 14.5909223 -2.17648024 -7.19253225 -2.17581067
15 -2.17581067 14.5784347 -2.17445238 -7.15360149 -2.17489949
16 -2.17489949 14.5868144 -2.17581067 -7.17967203 -2.17551012
17 -2.17551012 14.5811999 -2.17489949 -7.16218055 -2.17510063
18 -2.17510063 14.5849656 -2.17551012 -7.17390127 -2.17537511

Error aproximado
60

50

40

30

20

10

0
0 2 4 6 8 10 12 14 16
 en vez de calcular la derivada de la función en el punto de estudio,
la pendiente a la recta que une la función evaluada en el punto de estudio

ecante obteniendo un error minimo de o.5% de esta función.

Programa sintético
Error aproximado f(Xi-1-Xi)
50 -1
15.3846153846154 0.363636363636364
13.225145738144 -0.276082094461255
7.14552930863246 0.160645794464028
5.38313155109616 -0.114841498042638
3.30438897509588 0.072903479789459
2.33841685729725 -0.050412743493381
1.50879525074435 0.033025641185901
1.03683213501845 -0.022462064898152
0.683406731786819 0.0149072888634
0.463328211369826 -0.010060060615301
0.308276554587329 0.006714184102647
0.207721665745958 -0.004514746369447
0.138788095339766 0.003020695470031
0.0932583734288921 -0.002027858921236
 0.0624270231071254 0.001358293832564
0.0418952718561827 -0.000911180055814
0.0280682427311069 0.000610627461668
0.0188262220448991 -0.000409489274807
#VALUE!

roximado
Video con una explicacion detallada, mas ejemp
https://www.youtube.com/watch?v=YOHtIzPmfzE

10 12 14 16 18 20
 Diagrama de flujo:

Programa sintético

20

10

0
1 2 3 4 5

-10

-20

-30

-40

Xi
 -20

-30

-40

Xi

cacion detallada, mas ejemplos:

om/watch?v=YOHtIzPmfzE
 Grafico de iteraciones
20

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

-10

-20

-30

-40

Xi f(Xi) Xi-1 f(Xi-1) f(Xi+1)

-20

-30

-40

Xi f(Xi) Xi-1 f(Xi-1) f(Xi+1)

Método de Gauss-Jordan
Una breve explicación:
Se trata de una serie de algoritmos del álgebra lineal para determinar los resultados
de un sistema de ecuaciones lineales y así hallar matrices e inversas.
Este método permite resolver hasta 20 ecuaciones simultáneas. Lo que lo diferencia
es
se que cuando
eliminará de es eliminada
todas una incógnita,
las ecuaciones restantes, o sea, las que
anteceden a la ecuación principal así como de las que la siguen a continuación.

Fórmulas:

Ejercicio 01:

x-y+3z=13
x+y+z=11
2x+2y-z=7

Procedimiento con matrices:

X Y Z
1 -1 3
1 1 1
2 2 -1

X Y Z
1 -1 3
0 2 -2
0 4 -7
X Y Z
1 -1 3
0 1 -1
0 4 -7

X Y Z
1 0 2
0 1 -1
0 0 -3

X Y Z
1 0 2
0 1 -1
0 0 1

X Y Z
1 0 0
0 1 0
0 0 1
para determinar los resultados
ices e inversas.
multáneas. Lo que lo diferencia del método Gaussiano
las que
la siguen a continuación.

Ejemplo:

Respuestas:
X=2
R Y=4
13 Z=5
11
7

R
11 gráfica con programa sintético
-2
-19
 R
13
-1
-19

R
12
-1
-15

R
12
-1
5

R
2
4
5
Diagrama de flujo:

Video con explicación detallada, mas ejemplos:

https://www.youtube.com/watch?v=dFmGzr1j6eY
Método de Gauss-Seidel
Una breve explicación
Los métodos iterativos de y Gauss-Seidel son los procesos de aproximaciones suce
para resolver sistemas de ecuaciones lineales compatibles determinados.
Ambos requieren de la verificación de un criterio de convergencia com´unmente con
Son alternativas interesantes para ser programadas por su relativa simplicidad.

Para resolver sistemas de ecuaciones lineales compatibles determinados que obed

Formulas:

Ejercicio 03:

Matriz de coeficientes A
x1
8
3
2

Tabla de iteraciones:
valores iniciales
iteraciones x1 x2 x3
1 0 0 0
2 3 0.66666667 1.88888888888889
3 3.13888889 0.91203704 1.92438271604938
4 3.02507716 0.97485854 1.98326045953361
5 3.00838585 0.99301715 1.99487710286161
6 3.0022107 0.99804083 1.99861004522595
7 3.00063209 0.99945229 1.99960673324529
8
9
10
 Errores porcentual
120

100

80

60

40

20

0
1 2 3 4 5 6

x2 x3 Errores po
x2 x3
sos de aproximaciones sucesivas
les determinados.
vergencia com´unmente conocido como diagonal pesada.
su relativa simplicidad.

bles determinados que obedecen a la forma :

Columna2 Columna3 vector
x2 x3 R
4 -2 24
6 -1 13
-2 6 16

valores nuevos Errores porcentuales

x1 x2 x3 x1 x2 x3
3 0.666666666666667 1.888888888889 100 100 100
3.1388888888889 0.912037037037037 1.924382716049 4.42477876 26.9035533 1.84442662
3.0250771604938 0.97485853909465 1.983260459534 3.76227522 6.44416595 2.9687348
3.0083858453361 0.993017153920896 1.994877102862 0.55482628 1.82863053 0.58232376
3.002210698755 0.998040834432791 1.998610045226 0.20568665 0.50335421 0.18677692
3.0006320940901 0.999452293825945 1.999606733245 0.05260907 0.14122329 0.0498442
3.0001755363984 0.999846687341707 1.999890383648 0.0152177 0.0394454 0.0141833
3 0.666666666666667 1.888888888889 0.00585121 49.9770031 5.87654972
3 0.666666666666667 1.888888888889 0 0 0
3 0.666666666666667 1.888888888889 0 0 0
 Errores porcentuales Video de una explicación detallada
https://www.youtube.com/watch?v=tX9

3 4 5 6 7 8 9 10

x2 x3 Errores porcentuales x1
x2 x3
Diaframa de flujo:
Gráfica de diagrama sintético
a explicación detallada, mas un ejemplo:
outube.com/watch?v=tX9ecFstUUk
a sintético
Método de Newton
Una breve explicación:
Es otro método que se utiliza para calcular los ceros de una función real de variable
Aunque no sea siempre el mejor método para un problema dado,
su simplicidad formal y su rapidez de convergencia hacen que, con frecuencia,
sea el primer algoritmo a considerar para esta tarea.

Fórmulas:

Ejercicio: Obtener el polinomio de interpolacion usando la formula de interpolacion

xk 4 -6 Procedimiento con formula:

yk 15 -36

Tabla de iteraciones
X Y
N
1 4 15
2 -6 -36 5.1
3 -5 -104.5
4
5
6 Resultado:
Pn(x)= 20.1x -4
Video con una explicación detallada con ejemplos:
https://www.youtube.com/watch?v=tX9ecFstUUk
 Diagrama de fllujo
una función real de variable real.

n que, con frecuencia,

la formula de interpolacion de newton con los datos de la tabla, e interpolar en el punto x-5

Procedimiento con formula:

Resultado:
Pn(x)= 20.1x -4
Gráfica de diagrama sintético
Método de Lagrange
Una breve explicacion:
La técnica de los multiplicadores de Lagrange te permite encontrar el máximo o el m
cuando hay alguna restricción en los valores de entrada que puedes usar
El método consiste en convertir el problema con restricciones de igualdad en uno de
gracias a la incorporación de las restricciones a la función objetivo. Distinguimos do

Fórmula mas ejemplo:

Ejercicio: Obtener el polinomio de interpolacion usando la fórmula de interpolacion

Xk 3 2 -1
Yk 23 15 3 Procedimiento con fórmulas:

Tabla de iteraciones:

x y
n
1 5 45
 2 4 33
3 3 23
4 2 15
5 1 9
6 0 5
7 -1 3
8 -2 3
9 -3 5

Video con una explicacion detallada, con ejemplos:

https://es.khanacademy.org/math/multivariable-calculus/applications-of-multivariable-derivatives/
 encontrar el máximo o el mínimo de una función multivariable, f(x,y,...)
que puedes usar
ones de igualdad en uno de óptimos libres,
n objetivo. Distinguimos dos casos: Caso de una única restricción.

a fórmula de interpolacion de Lagrange con la siguiente tabla de valores, interpolar en el punto x=1.

Gráfica de diagrama sintétic

rocedimiento con fórmulas:
ns-of-multivariable-derivatives/constrained-optimization/a/lagrange-multipliers-single-constraint
 Diagrama de flujo:

punto x=1.

Gráfica de diagrama sintético

Método del trapecio
Una breve es
numérica, explicación
decir, un método para calcular aproximadamente el valor
de la integral definida

Ejercicio: Tabla de iteraciones

Ejercicio 1(6 segmentos) i

∫1_𝑎^𝑏▒𝑓(𝑥)𝑑𝑥 0
1
2
∫1_3^5▒ 〖 (8𝑥+6)^3𝑑𝑥 〗
3
𝐼=ℎ(𝑓(𝑥0)/
2+∑_(𝑖=1)^(𝑛−1)▒ 〖 +
(𝑓(𝑥𝑛))/2 〗 )
∫1_𝑎^𝑏▒𝑓(𝑥)𝑑𝑥
∫1_3^5▒ 〖 (8𝑥+6)^3𝑑𝑥 〗
𝐼=ℎ(𝑓(𝑥0)/
4
2+∑_(𝑖=1)^(𝑛−1)▒ 〖 + 5
(𝑓(𝑥𝑛))/2 〗 ) 6

h=(𝑏−𝑎)/𝑛 x1
xf
n
h

integral

Video con una explicacón d

https://www.youtube.com/watc
mente el valor

abla de iteraciones Gráfica de diagrama sintetico

x y
3 27000
3.3333333 6162.037
3.6666667 7606.6296
4 9261
 4.3333333 11139.37
4.6666667 13255.963
5 15625

3
5
6
0.33333333

22912.5

Video con una explicacón de un ejemplo

ttps://www.youtube.com/watch?v=odTLaEJqZDU
Diagrama de flujo

Gráfica de iteraciones
30000

25000

20000

15000
 Gráfica de iteraciones
30000

25000

20000

15000

10000

5000

0
0 1 2 3 4 5 6

x y
nes
nes

4 5 6