Reporte 1. Equipo 1. 3EM3

INSTITUTO POLITECNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA
INGENIERÍA ELÉCTRICA
GRUPO: 3EM3
METODOS NUMÉRICOS
PRACTICA 1: METODO DE BISECCIÓN
EQUIPO 01:
• Caballero Aguilar Ximena Jarem
• Cruz Gasca Oscar Israel
• Rodríguez Hernández Ingrid Itzel
• Valencia Caro Andrés
Objetivo.
Encontrar la raíz real de una función, ecuación algebraica o trascendente por
medio de dos puntos dados aproximados a la raíz exacta a través del método
de bisección o método de Bolzano aplicándolo en programación para obtener
dicha raíz de una forma más rápida, práctica y con un porcentaje de error nulo.
Marco teórico
Método de bisección (Bolzano)
El método de bisección es uno de los más versátiles para determinar una raíz
real en un intervalo de una ecuación dada, es fácil de comprender, aunque si
se desea una mayor exactitud el número de cálculos que hay que realizar
aumenta considerablemente.
Consiste en tomar un intervalo que encierre la raíz que deseamos calcular
(intervalo azul), luego subdivimos dicho intervalo por la mitad y tomamos el
sub-intervalo que contiene la raíz (intervalo verde), descartando la otra mitad
que no la contiene. Repitiendo este proceso podemos obtener el valor de la
raíz con la precisión que deseemos.
Es de hacer notar que este método no permite hallar raíces dobles, debido a
que este tipo de raíces toca de manera tangencial el eje de las x, por otra
parte este método, no es capaz de diferenciar entre una raíz y una
singularidad.
Una de sus ventajas es que funciona para ecuaciones algebraicas y
trascendentes, pero se recomienda utilizarlo después de un análisis gráfico.
El Teorema de Bolzano establece las condiciones necesarias para la existencia
de al menos un cero de una función continua.
Teorema de Bolzano
Si f(x) es continua en el
intervalo [a,b], con f(a)∙f(b)<0,
entonces existe al menos
un c∈]a,b[ tal que f(c)=0
El método de bisección se basa en
el Teorema de Bolzano, el cual
afirma que si se tiene una función
real y=f(x) continua en el intervalo
]a,b[ donde el signo de la función
en el extremo a es distinto al signo
de la función en el extremo b del
intervalo, entonces existe al menos
un c∈]a,b[ tal que f(c)=0, que es la
raíz buscada.
Suponga una ecuación f(x)=0
Para determinar la raíz en el intervalo ]a,b[ divida el intervalo por la mitad,
llame con m a ese punto donde m=a+b2.
Considere los siguientes casos:
1. Si f(m)=0, entonces m es la raíz buscada
2. Si f(a) y f(m) tienen signos diferentes, entonces la raíz buscada se
encuentra en el intervalo ]a,m[
3. Si f(m) y f(b) tienen signos diferentes, entonces la raíz buscada se
encuentra en el intervalo]m,b[
4. Ahora, divida por la mitad el nuevo intervalo que contiene la raíz y
repita el procedimiento.
5. Al continuar con el proceso, determinamos que la raíz se encuentra en
un intervalo tan pequeño como se desee y, entonces, se obtiene una
aproximación de la raíz buscada.
6. Observe que se va obteniendo una secuencia de intervalos cada vez más
pequeños ]a1,b1[,]a2,b2[,]a3,b3[,...,]an,bn[, tal que f(an)∙f(bn)→0,
entonces bn−an=12n(b−a).
7. Los puntos extremos a1,a2,a3,...,an forman una sucesión creciente y
acotada, mientras que los puntos extremos b1,b2,b3,...,bn una sucesión
decreciente y acotada, con un límite común igual 𝜀 que es la raíz
buscada.
8. El proceso puede ser continuado hasta lograr que |bn−an|< ∈, para un
valor ∈ establecido. Este procedimiento brinda la precisión requerida
para la raíz buscada.
9. Para determinar el error mínimo esperado del método, haga uso del
siguiente teorema:
10.Para determinar el número máximo de iteraciones aplique la siguiente
fórmula:
b−a/2^n<ε
Ventajas y desventajas del Método de Bisección

VENTAJAS DESVENTAJAS
Es siempre convergente. Converge muy lentamente.
Es óptimo para resolver una ecuación Permite encontrar solo una raíz,
f(x)=0 cuando no se sabe nada de f, aunque existan más en el intervalo.
excepto calcular su signo.
Requiere que f sea continua en el Algunas veces la determinación del
intervalo especificado. intervalo inicial no es muy fácil.
Se basa en el Teorema de Bolzano. A veces, no es obvio el criterio de
finalización del proceso iterativo.
Se puede establecer el límite de error. No puede determinar raíces
complejas.
Es fácil de implementar. Es difícil generalizarlo para
dimensiones superiores.
Sistema
Emplee el método de Bisección para determinar el coeficiente de arrastre c
necesario para que un paracaidista de masa m=68.1kg tenga una velocidad de
40 m/s, después de una caída libre de t=10s. La aceleración de la gravedad es
de 9.8m/s^2.
Este problema se resuelve determinando la raíz de la ecuación de la velocidad
del paracaidista. A partir de la segunda Ley de Newton esta ecuación es:
𝑔𝑚 𝑐
𝑣=( )(1 − 𝑒 −(𝑚)𝑡
𝑐
SOLUCIÓN:
Se convierte la ecuación dada en una función con respecto de c:
𝑔𝑚 𝑐
𝑓 (𝑐 ) = [1 − 𝑒 −(𝑚)𝑡 ] − 𝑣
𝑐
reemplazamos c con x para hallar el valor de dicha raíz.
𝑔𝑚 𝑥
𝑓(𝑥 ) = [1 − 𝑒 −(𝑚)𝑡 ] − 𝑣
𝑥
Colocamos los valores de las variables dadas en el problema quedando de la
siguiente forma:
667.38
𝑓(𝑥 ) = [1 − 𝑒 −0.146843𝑥 ] − 40
𝑥
GRAFICA:
𝑥𝑙 + 𝑥𝑢
𝑥𝑟 =
2
A) f(xl)*f(xr)<0 -> xr=xu
B) f(xl)*f(xr)>0 -> xr=xl
C) f(xl)*f(xr)=0 ->xr=raíz
|𝜀𝑎 | < 𝜀𝑠 𝑒𝑛 𝑑𝑜𝑛𝑑𝑒 𝜀𝑠 <0.3%
𝑥𝑟 𝑛𝑢𝑒𝑣𝑜 − 𝑥𝑟 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝜀𝑎 = | | ∗ 100
𝑥𝑟 𝑛𝑢𝑒𝑣𝑜
𝑥𝑙 = 12
𝑥𝑢 = 16
𝑓 (𝑥𝑙 ) = 𝑓 (12) = 6.06
𝑓 (𝑥𝑢) = 𝑓(16) = −2.26
𝑓 (𝑥𝑙 ) ∗ 𝑓 (𝑥𝑢) < 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑎í𝑧
𝑓 (12) ∗ 𝑓(16) = (6.06)(−2.26) = −13.69 < 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑎í𝑧
i=1
12+16 14−0
𝑥𝑟 = = 14 𝜀𝑎 = | | ∗ 100 = 100%
2 14
𝑓 (𝑥𝑟) = 𝑓 (14) = 1.568710

𝑓 (12) ∗ 𝑓(14) = (6.06)(1.568710) = 9.506383 > 0 ⋮ 𝑥𝑟 = 𝑥𝑙
i=2
14+16 15−14
𝑥𝑟 = = 15 𝜀𝑎 = | | ∗ 100 = 6.67%
2 15
𝑓 (𝑥𝑟) = 𝑓 (15) = −0.424832

𝑓 (14) ∗ 𝑓(15) = (1.568710)(−0.424832) = −0.666438 < 0 ⋮ 𝑥𝑟 = 𝑥𝑢
i=3
14+15 14.5−15
𝑥𝑟 = = 14.5 𝜀𝑎 = | | ∗ 100 = 3.44%
2 14.5
𝑓 (𝑥𝑟) = 𝑓 (14.5) = 0.552328

𝑓 (14) ∗ 𝑓(14.5) = (1.568710)(0.552328) = 0.552328 > 0 ⋮ 𝑥𝑟 = 𝑥𝑙
i=4
14.5+15 14.75−14.5
𝑥𝑟 = = 14.75 𝜀𝑎 = | | ∗ 100 = 1.69%
2 14.75
𝑓 (𝑥𝑟) = 𝑓 (14.75) = 0.058963

𝑓 (14.5) ∗ 𝑓 (14.75) = (0.552328)(0.058963) = 0.032567 > 0 ⋮ 𝑥𝑟 = 𝑥𝑙
i=5
14.75+15 14.875−14.75
𝑥𝑟 = = 14.875 𝜀𝑎 = | | ∗ 100 = 0.84%
2 14.875
𝑓 (𝑥𝑟) = 𝑓 (14.875) = −0.184117

𝑓 (14.75) ∗ 𝑓 (14.875) = (0.058963)(−0.184117) = −0.010856 < 0 ⋮ 𝑥𝑟 = 𝑥𝑢
i=6
14.75+14.875 14.8125−14.875
𝑥𝑟 = = 14.8125 𝜀𝑎 = | | ∗ 100 = 0.42%
2 14.8125
𝑓 (𝑥𝑟) = 𝑓 (14.8125) = −0.062874

𝑓 (14.75) ∗ 𝑓 (14.8125) = (0.058936)(−0.062874) = −0.003707 < 0
⋮ 𝑥𝑟 = 𝑥𝑢
i=7
14.75+14.8125 14.78125−14.8125
𝑥𝑟 = = 14.78125 𝜀𝑎 = | | ∗ 100 = 0.21%
2 14.78125
La aproximación a la raíz es xr=14.78125 con un 𝜀𝑎 = 0.21%en este caso, xr

sería igual al coeficiente de arrastre “c”
ITERACIÓN 𝑋𝑙 𝑋𝑢 𝑋𝑟 𝐸𝑎 (%)
1 12 16 14 100%
2 14 16 15 6.67%
3 14 15 14.5 3.44%
4 14.5 15 14.75 1.69%
5 14.75 15 14.875 0.84%
6 14.75 14.875 14.8125 042%
7 14.75 14.8125 14.78125 0.21%
Pseudocódigo
Proceso METODO_BISECCION_paracaidista
// Se imprime el metodo y la funcion que se esta evaluando
Definir fxl,fxu,fes,fxr,i,xrant,ea Como Real
Escribir 'METODO BISECCION: '
Escribir 'f(x)= 667.38/x (1-e^-0.146843(x)) xl=12, xu=16, es=%%'
// Leer xl, xu y es
Escribir 'Dame el valor inicial del limite inferior xl:'
Definir xl como real
Leer fxl
Escribir 'Dame el valor inicial del limite superior xu:'
Leer fxu
Escribir 'Dame el el error porcentual deseadofijado es:'
Leer fes
// Evaluacion de la funcion
fxl <- (667.38/xl)*(1-(exp(-0.146843*xl)))-40
fxu <- (667.38/xu)*(1-(exp(-0.146843*xu)))-40
Borrar Pantalla
// Se evalua la condicion para ver si existe raíz
Si ((fxl*fxu)<0) Entonces
Escribir 'EXISTE RAIZ EN EL INTETRVALO DADO '
Escribir 'Iteracion Xl Xu Xr ea'
// Inicio del proceso iterativo
Repetir
Escribir ' ',i,' ',xl,' ',xu
xrant <- xr
xr <- xl+xu/2
fxr <- (667.38/xr)*(1-(exp(-0.146843*xr)))-40
// Evalua las condiciones de bisección
Si ((fxl*fxr)<0) Entonces
xu <- xr
FinSi
Si ((fxl*fxr)>0) Entonces
xl <- xr
FinSi
Si ((fxl*fxr)==0) Entonces
// Cálculo del error
ea <- abs(xr-xrant)/xr*100
// Muestra resultados
Escribir ' ',xr,' ',ea
i <- i+1 // Contador para las iteraciones
FinSi
Hasta Que (esp<ea) // condición de paro del proceso iterativo
SiNo // Si no existe raíz
Escribir 'NO EXISTE RAIZ EN EL INTERVALO'
FinSi
Escribir 'LA APROXIMACION A LA RAIZ ES xr= ',xr
Escribir 'CON UN ea= ',ea
FinProceso
Diagrama de flujo
Código
1 /*PRÁCTICA 1. MÉTODO DE BISECCIÓN
2 PARACAIDISTA
3 Equipo 1
7 #include <stdlib.h>
8 #include <stdio.h>
9 #include <math.h>
10
11
12 int main()
13 {
14 //Declaración de variables
15 double xl, xu, xr=0.0, fxl,xrant, fxu, fxr, es, ea;
16 int i=0;
17
18 //Se imprime el metodo y la funcion que se esta evaluando
19 printf("METODO DE BISECCION:\n");
20 printf("f(x)= 667.38/x[1-e^-0.146843*x]-40, xl=12, xu=16, es=0.3%% \n\n");
21
22 //Leer xl, xu y es
23 printf("Dame el valor inicial del limite inferior xl:\n");
24 scanf("%lf", &xl);
25 printf("Dame el valor inicial del limite superior xu:\n");
26 scanf("%lf",&xu);
27 printf("Dame el error porcentual deseado(fijado) es:\n");
28 scanf("%lf",&es);
29
30 //Evaluacion de la funcion
31 fxl= (667.38/xl)* (1-exp(-0.146843*xl))-40;

32 fxu= (667.38/xu)* (1-exp(-0.146843*xu))-40;
33
34 system("cls");
35 system("color 0A");
36
37 //Se evalua la condicion para ver si existe raíz
38 if((fxl*fxu)<0)
39 {
40 printf("EXISTE RAIZ EN EL INTERVALO DADO \n\n");
41
42 printf("Iteracion\t Xl\t\t Xu\t\t Xr\t\t ea(%%)\n\n");
43 //Inicio del proceso iterativo
44 do
45 {
46 printf(" %d \t\t %0.6lf \t %0.6lf", i, xl, xu);
47 xrant=xr;
48 xr=(xl+xu)/2;
49 fxr= (667.38/xr)* (1-exp(-0.146843*xr))-40;
50
51 //Evalua las condiciones de bisección
52 if((fxl*fxr)<0)
53 {
54 xu=xr;
55 }
56
57 if((fxl*fxr)>0)
58 { xl=xr;}
59
60 if((fxl*fxr)==0)
61 {/*No hace nada*/}
62
63 //Cálculo del error

64 ea=fabs((xr-xrant)/xr)*100;
65 //Muestra resultados
66 printf("\t %0.6lf \t %.6lf \n", xr, ea);
67 i=i+1;//Contador para las iteraciones
68 }
69 while(es<ea);//condición de paro del proceso iterativo
70 }
71 else //Si no existe raíz
72 {
73 printf("NO EXISTE RAIZ EN EL INTERVALO DADO\n");
74 }
75 printf("\n\nLA APROXIMACION A LA RAIZ ES xr=: %.6lf ", xr);
76 printf("CON UN ea= %.6lf %% \n\n", ea);
77
78 return 0;
79 }
Resultado
Codeblocks
PSeInt
Conclusiones
• Caballero Aguilar Ximena Jarem:
El método de bisección es un método numérico utilizado para encontrar
raíces de ecuaciones en una variable. El método consiste en dividir
iterativamente un intervalo en dos partes iguales y determinar en cuál de
las dos partes se encuentra la raíz. Este proceso se repite hasta que se
alcanza la precisión deseada.
En conclusión, el método de bisección es un método numérico sencillo y
robusto para encontrar raíces de ecuaciones. Aunque no es el método más
eficiente, es una buena opción cuando se dispone de pocos datos iniciales
sobre la función y se desea una solución aproximada con cierta precisión.
Además, el método siempre converge, siempre y cuando se aseguran
ciertas condiciones como que la función sea continua y tenga un cambio de
signo en el intervalo inicial.
• Cruz Gasca Oscar Israel:

En conclusión, el método de bisección es una herramienta útil para encontrar
aproximaciones de las raíces de una función en un intervalo dado, pero su uso
puede ser limitado en ciertos casos, por que con este método es necesario
hacer más interacciones a comparación de otros que rápidamente te dan una
aproximación más rápida a la raíz. Es importante considerar las características
de la función y las necesidades de tu problema propuesto en cada situación
antes de decidir qué método utilizar.
• Rodríguez Hernández Ingrid Itzel:

El método de bisección es uno de los métodos más sencillos y de fácil
intuición para resolver ecuaciones en una variable, también conocido como
Método de Intervalo Medio. El Método de Bisección es un método cerrado
de iteración que requiere que la función cambie de signo y por lo tanto este
enmarcada en un intervalo cerrado donde la raíz se encuentra dentro de
este. El método de la Bisección converge muy lentamente lo que da pie a la
propagación del error por la cantidad de iteraciones necesarias para dicha
convergencia.
• Valencia Caro Andrés:
El método de bisección es una técnica utilizada en cálculo numérico para
encontrar las raíces de una función. Este método se basa en la propiedad
de los números reales de que una función continua que cambia de signo
entre dos puntos debe tener una raíz en algún punto dentro de ese
intervalo. El método de bisección divide sucesivamente el intervalo en dos
partes iguales, reduciendo así el intervalo en el que se encuentra la raíz
hasta que se encuentra una aproximación suficientemente precisa.
Este método tiene diversas aplicaciones en la ingeniería y la programación.
En ingeniería, se utiliza para resolver ecuaciones y sistemas de ecuaciones
no lineales que modelan fenómenos físicos y químicos en diversas áreas. En
particular, el método de bisección es útil en situaciones donde la función no
es fácil de resolver analíticamente y se necesita una solución numérica.
En programación, el método de bisección se utiliza en la implementación de
algoritmos para la solución de problemas matemáticos y científicos, así
como en la optimización de funciones en áreas como el aprendizaje
automático y la inteligencia artificial
La comprensión y aplicación del método de bisección es esencial para
cualquier estudiante de ingeniería y programación que busque desarrollar
habilidades en el área del cálculo numérico y la resolución de problemas
numéricos.
Referencias
• (2021). Métodos Numéricos para la enseñanza. Descripción del método.
Método de Bisección (Bolzano). Recuperado de:
https://multimedia.uned.ac.cr/pem/metodos_numericos_ensenanza/mod
ulo2/descripcionmetodo.html
• Lizárraga A. F. (2003). Análisis Numérico. Método de Bisección.
Recuperado de:
http://www3.fi.mdp.edu.ar/analisis/temas/no_lineales_1/biseccion.htm
GRUPO: 3EM3
METODOS NUMÉRICOS
PRACTICA 2: METODO DE LA TANGENTE

(NEWTON-RAPHSON)
EQUIPO 01:
Objetivo
Al finalizar este proceso de aprendizaje, el estudiante será capaz de aplicar el método de la
tangente para encontrar la recta tangente a una curva en un punto determinado, resolver
problemas de optimización utilizando este método y comprender su importancia en el
cálculo diferencial.
Para lograr este objetivo, el estudiante deberá:
• Conocer la definición y el concepto de la recta tangente a una curva en un punto

dado.
• Aprender los pasos necesarios para encontrar la recta tangente a una curva
utilizando el método de la tangente.
• Practicar la aplicación del método de la tangente en diferentes ejercicios y
problemas haciendo uso de la programación para mejores resultados.
• Desarrollar la habilidad para reconocer cuándo es necesario aplicar el método de la
tangente en problemas de optimización y cómo hacerlo.
• Comprender la importancia del método de la tangente en el campo de la ingeniería
Marco Teórico
El método de la tangente es una técnica fundamental en el cálculo diferencial, que permite
encontrar la recta tangente a una curva en un punto determinado. Este método se basa en el
concepto de la derivada de una función, que representa la tasa de cambio instantánea de la
función en ese punto. También es de gran importancia en la programación, ya que se utiliza
en muchas aplicaciones para modelar la relación entre variables y para resolver problemas
de optimización.
La recta tangente a una curva en un punto dado es la recta que mejor aproxima la curva en
ese punto, es decir, es la recta que coincide con la dirección de la curva en ese punto. La
recta tangente se utiliza en muchas aplicaciones, como en la física para modelar la
velocidad de un objeto en un punto determinado o en la economía para modelar la tasa de
cambio de una variable en un momento dado.
El método de la tangente se puede aplicar para encontrar la recta tangente a una curva en
cualquier punto dado. Para esto, primero se debe calcular la derivada de la función en ese
punto. Luego, se utiliza esta derivada para encontrar la pendiente de la recta tangente en ese
punto. Finalmente, se utiliza la ecuación de la recta con la pendiente encontrada y el punto
dado para obtener la ecuación de la recta tangente.
El método de la tangente es especialmente útil en problemas de optimización, donde se

busca encontrar el máximo o el mínimo de una función. En estos casos, se puede utilizar la
recta tangente a la curva en un punto crítico (donde la derivada se anula) para aproximar la
curva y determinar si ese punto es un máximo o un mínimo.
La importancia del método de la tangente en el cálculo diferencial radica en que es una

herramienta fundamental para entender y aplicar muchos conceptos clave, como la
derivada, la tasa de cambio y la optimización. Además, el método de la tangente se puede
extender a curvas en dos y tres dimensiones, lo que lo convierte en una herramienta
esencial en el cálculo vectorial.
En la programación, el método de la tangente se utiliza a menudo en la simulación de

sistemas dinámicos y en la optimización de procesos. Por ejemplo, en la simulación de
sistemas mecánicos, la recta tangente a la curva de la velocidad de un objeto en un punto
determinado puede ser utilizada para modelar el comportamiento del sistema en ese punto.
En la optimización de procesos, la recta tangente se utiliza para aproximar la curva de una
función objetivo y determinar el punto de máximo o mínimo.
La implementación del método de la tangente en la programación puede ser realizada a

través de diferentes lenguajes de programación y herramientas matemáticas. En particular,
se pueden utilizar lenguajes como Python, MATLAB, R, y Octave, que ofrecen bibliotecas
de funciones y paquetes para el cálculo diferencial y la optimización.
Para implementar el método de la tangente en un programa, es necesario conocer la

definición y el concepto de la recta tangente y la derivada de una función. También es
importante tener en cuenta la sintaxis y las funciones disponibles en el lenguaje de
programación que se está utilizando.
En C, para implementar el método de la tangente, es necesario primero definir una función

que represente la curva que se desea analizar. Para calcular la recta tangente a la curva en un
punto determinado, se necesita calcular la derivada de la función en ese punto. En C, esto se
puede realizar utilizando el método de diferencia finita, que aproxima la derivada de la
función en un punto dado utilizando valores de la función en puntos cercanos. Una vez que
se ha calculado la derivada de la función en el punto deseado, se puede calcular la pendiente
de la recta tangente utilizando el valor de la derivada. Finalmente, se puede utilizar la
ecuación de la recta tangente para obtener la ecuación de la recta que mejor aproxima la curva
en el punto x.
El algoritmo de este método es el siguiente
1. Elija un número inicial x0.
2. Calcular f(xi) y f`’(xi) y sustituirlos en la fórmula de Newton-Raphson
3.Si |Ea| <Es, entonces xi+1 es la raíz, de lo contrario regresar al paso 2
En conclusión, el método de la tangente es una técnica matemática esencial en el cálculo

diferencial y tiene múltiples aplicaciones en la programación, especialmente en la
simulación de sistemas dinámicos y la optimización de procesos. La implementación del
método de la tangente en la programación puede ser realizada a través de diferentes
lenguajes y herramientas matemáticas, y requiere conocimientos básicos en la definición y
el concepto de la recta tangente y la derivada de una función, así como la sintaxis y las
funciones disponibles en el lenguaje de programación utilizado.
Sistema a resolver
Usar el método de la tangente para calcular la raíz de 𝑓(𝑥 ) = 𝑒 −𝑥 − 𝑥 en donde nuestro
valor inicial X0= 0 y el Error es Es=0
(𝑓𝑥𝑖 )
𝑥𝑖+1= 𝑥𝑖 −
𝑓´(𝑥𝑖 )
(𝑓𝑥𝑖 )
𝑥1 = 𝑥0 −
𝑓´(𝑥𝑖 )
𝑖=0
𝑓 (𝑥0 ) = 𝑓 (0) = 𝑒 −0 − 0 = 1
𝑓´(𝑥0 ) = 𝑓´(0) = 𝑒 −0 − 1 = −2
1
𝑥1 = 0 − = 0.5
2
0.5 − 0
𝐸𝑎 = | | 𝑥100% = 100%
0.5
𝑖=1
(𝑓𝑥1 )
𝑥2 = 𝑥1 −
𝑓´(𝑥1 )
𝑓 (𝑥1 ) = 𝑓(0.5) = 𝑒 −0.5 − 0.5 = 0.106531
𝑓´(𝑥1 ) = 𝑓´(0.5) = 𝑒 −0.5 − 0.5 = −1.606531
Sustituyendo en 𝑥2
0.106531
𝑥2 = 0.5 − = 0.566311
−1.606531
0.566311 − 0.5
𝐸𝑎 = | | 𝑥100% = 11.71%
0.566311
𝑖=2
(𝑓𝑥2 )
𝑥3 = 𝑥2 −
𝑓´(𝑥2 )
𝑓 (𝑥2 ) = 𝑓 (0.566311) = 𝑒 −0.566311 − 0.566311 = 0.001305
𝑓´(𝑥2 ) = 𝑓´(0.566311) = 𝑒 −0.566311 − 0.566311 = −1.567616
Sustituyendo en 𝑥3
0.001305
𝑥3 = 0.566311 − = 0.567143
−1.567616
0.567143 − 0.566311
𝐸𝑎 = | | 𝑥100% = 0.147%
0.567143
𝑖=3
(𝑓𝑥3 )
𝑥4 = 𝑥3 −
𝑓´(𝑥3 )
𝑓 (𝑥3 ) = 𝑓 (0.567143) = 𝑒 −0.567143 − 0.567143 = 0.000006455511
𝑓´(𝑥3 ) = 𝑓´(0.567143) = 𝑒 −0.567143 − 0.567143 = −1.567143
𝑥4 = 0.567143
𝐸𝑎 = 0%
Iteración (i) 𝒙𝒊 𝒙𝒊+𝟏 Ea%
0 0 0.5 100%
1 0.5 0.566311 11.71%
2 0.566211 0.567143 0.147%
3 0.567143 0.567143 0%
PSEUDOCÓDIGO
Proceso METODOdelaTANGENTE
Definir xo,eu,i,xo_1,err Como Real
Escribir 'METODO TANGENTE: '
Escribir 'Cálculo de la función:'
Escribir 'f(x)= (e^-x)-x, f´(x)=(-e^-x)-1, xo=0, eu=1%%'
// Leer xo
Escribir 'Ingrese el valor inicial de xo:'
Leer xo
Escribir 'Ingrese el valor de eu;'
Leer eu
Escribir ''
i <- 0
Borrar Pantalla
Repetir
xo_1 <- xo
xo <- xo-(euler^(-xo)-xo)/(-euler^(-xo)-1)
err <- ABS((xo-xo_1)/xo)*100
Escribir 'x',i,' = ',xo,' eu = ',err,'%'
i <- i+1
Hasta Que xo=xo_1 O i=100
Escribir ''
Si i=100 Entonces
Escribir 'La solución no es convergente.'
SiNo
Escribir 'La solución es ',xo
FinSi
FinProceso
DIAGRAMA DE FLUJO
CÓDIGO EN C
#include <stdlib.h>
#include <stdio.h>
#include <math.h>
double f(double x) {
return exp(-x) - x;
}
double df(double x) {
return -exp(-x) - 1;
}
int main() {
// Declaración de variables
double x0, xi, ea, es;
int i = 0;
// Se imprime el método y la función que se está evaluando

printf("METODO DE LA TANGENTE:\n");
printf("f(x) = e^(-x) - x\n\n");
// Leer X0, Es
printf("Dame el valor inicial X0:\n");
scanf("%lf", &x0);
printf("Dame el error porcentual deseado (Es):\n");
scanf("%lf", &es);
// Evaluación de la función y su derivada
xi = x0 - f(x0)/df(x0);
printf("Iteracion\t X0\t\t Xi\t\t Ea(%%)\n\n");

do {
printf(" %d \t\t %0.6lf \t %0.6lf", i, x0, xi);

ea = fabs((xi - x0) / xi) * 100;
// Muestra resultados
printf("\t %0.6lf \n", ea);
// Actualización de valores
x0 = xi;
xi = x0 - f(x0)/df(x0);
i = i + 1; // Contador para las iteraciones

} while (es < ea); // Condición de paro del proceso iterativo
printf("\n\nLA APROXIMACION A LA RAIZ ES Xi = %.6lf ", xi);

printf("CON UN Ea = %.6lf %% \n\n", ea);
return 0;
}
Resultado
Conclusiones
• Valencia Caro Andres
En conclusión, el método de la tangente es una herramienta útil en el cálculo diferencial
que nos permite encontrar la recta tangente a una curva en un punto determinado. Este
método se basa en el cálculo de la derivada de la función que representa la curva, lo que
nos permite encontrar la pendiente de la recta tangente y, posteriormente, la ecuación de la
recta. Nos permite analizar y entender mejor el comportamiento de las funciones y sus
relaciones con otras variables.
El método de la tangente tiene aplicaciones importantes en diferentes campos, como la
física, la ingeniería y las ciencias naturales. En la ingeniería, se utiliza para analizar el
comportamiento de estructuras y materiales, y para optimizar diseños y procesos.
En la programación, el método de la tangente se utiliza en la resolución de problemas de
optimización, en la modelización matemática de relaciones entre variables y en el análisis
de datos. Por ejemplo, en el aprendizaje automático, se utilizan algoritmos que utilizan el
método de la tangente para ajustar los modelos a los datos y optimizar los parámetros.
El conocimiento y la capacidad de aplicar el método de la tangente son esenciales para la
resolución de problemas y la creación de soluciones efectivas y eficientes en una amplia
variedad de campos.
El método de la tangente, también conocido como el método de Newton-Raphson, es un
método numérico utilizado para encontrar raíces de una función en una variable. El método
consiste en aproximar la raíz de la función mediante la recta tangente a la curva en un punto
inicial y repetir el proceso hasta alcanzar la precisión deseada.
En conclusión, el método de la tangente es un método numérico muy eficiente para
encontrar raíces de funciones en una variable, especialmente cuando la función tiene una
raíz única y esta es conocida o puede ser aproximada. Sin embargo, el método no puede
converger si se elige un punto inicial inadecuado o si la función tiene una curvatura muy
pronunciada

El método de Newton-Raphson, tiene la ventaja sobre el método de ascenso más rápido que
no requiere un proceso iterativo para determinar hasta donde moverse.
El Método de Newton-Raphson al ser un método abierto permite encontrar raíces a partir de
un único
valor inicial para la variable y la función, es decir, no se requiere un intervalo cerrado para
realizar el
computo matemático
El Método de Newton-Raphson al ser un método abierto permite encontrar raíces a partir de
un único valor inicial para la variable y la función, es decir, no se requiere un intervalo
cerrado para realizar el computo matemático
La fórmula de Newton-Raphson es una de las fórmulas más utilizadas para obtener la raíz
de un polinomio. Sin embargo, este método algunas veces no converge, sino que oscila.
Esto ocurre si no hay raíz real, si la raíz es un punto de inflexión o si el valor inicial está
muy alejado de la raíz buscada. Es un método aún más sencillo y fácil de comprender que
el de bisección. Descubrí que el método bisección tiende a fallar un poco más. Muy rara
vez el método de Newton-Raphson falla, claro que puede equivocarse de resultado cuando
su punto inicial está muy alejado de la raíz, pero aun así sigue siendo un método bastante
eficiente.
el método de Newton-Raphson, tiene la ventaja sobre el método de ascenso más rápido
que no requiere un proceso iterativo para determinar hasta donde moverse.
Concluimos que este método es ideal para solucionar ecuaciones no lineales, converge
rápidamente y los resultados obtenidos son bastante precisos.

En conclusión, el método de la tangente tiene una convergencia más rápida que el método
de bisección, especialmente para funciones continuamente diferenciables, sin embargo, el
método de la tangente también tiene algunas limitaciones por eso es recomendable verificar
que método nos funcionara dependiendo la función, el método puede fallar si el punto
inicial está muy lejos de la raíz buscada o si la derivada de la función se anula en algún
punto cercano a la raíz
Referencias
• Gutiérrez, A. (2013). Historia de la matemática: Una visión crítica, cronológica y cultural
(3ª ed.). México: Pearson.
• Larson, R., & Hostetler, R. P. (2010). Cálculo (8ª ed.). México: McGraw Hill.
• Stewart, J. (2011). Cálculo de una variable: Trascendentes tempranas (7ª ed.). México:
Cengage Learning.
• Thomas, G. B., & Finney, R. L. (2007). Cálculo: Una variable (11ª ed.). México:
Pearson.
• Simmons, G. F. (2010). Cálculo con geometría analítica (2ª ed.). México: McGraw-Hill.
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y

ELÉCTRICA
GRUPO: 3EM3
METODOS NUMÉRICOS
PRACTICA 3: METODO DE LA SECANTE
EQUIPO 01:
OBJETIVO
Uno de los objetivos de este método es eliminar el problema de la derivada de la
función, ya que existen funciones que describen fenómenos físicos en la vida
real, cuya derivada es muy compleja.
Podría considerarse como una variante del método Newton-Raphson por todas
las similitudes que tienen, ambas son métodos abiertos, funcionan a partir de
una fórmula que proviene de la pendiente de una gráfica, y tienen las mismas
ventajas y desventajas. A diferencia de Newton-Raphson, el método secante
necesita dos valores de entrada para funcionar y no se necesita evaluar la
derivada de la función en la cual se quiere encontrar la raíz.
MARCO TEÓRICO
En análisis numérico el método de la secante es un método para encontrar los
ceros de una función de forma iterativa. Es una variación del método de Newton-
Raphson donde en vez de calcular la derivada de la función en el punto de
estudio, teniendo en mente la definición de derivada, se aproxima la pendiente a
la recta que une la función evaluada en el punto de estudio y en el punto de la
iteración anterior.
Este método es de especial interés cuando el coste computacional de derivar la

función de estudio y evaluarla es demasiado elevado, por lo que el método de
Newton no resulta atractivo.
En otras palabras, el método de la secante es un algoritmo de la raíz de

investigación que utiliza una serie de raíces de las líneas secantes para
aproximar mejor la raíz de una función f. El método de la secante se puede
considerar como una aproximación en diferencias finitas del método de Newton-
Raphson. Sin embargo, este método fue desarrollado independientemente de
este último.
El método se define por la relación de recurrencia:
Como se puede ver, este método necesitará dos aproximaciones iniciales de la

raíz para poder inducir una pendiente inicial.
El método de la secante es un algoritmo numérico utilizado para encontrar las

raíces de una función no lineal. El objetivo principal del método de la secante es
encontrar el cero o raíz de una función f(x) en un intervalo [a, b], es decir, el valor
de x en el cual f(x) = 0.
A diferencia del método de la bisección que divide el intervalo en dos partes
iguales, el método de la secante utiliza una aproximación lineal de la función para
encontrar una mejor aproximación de la raíz. En lugar de calcular la pendiente
de la recta a partir de dos puntos f(a) y f(b), el método de la secante utiliza dos
puntos consecutivos de la función f(x) para encontrar la pendiente de la recta
secante que pasa por esos puntos.
La idea es que la recta secante intersecta el eje x en un punto que se acerque a

la raíz de la función. Este proceso se repite hasta que se alcanza una
aproximación suficientemente precisa de la raíz de la función.
El objetivo del método de la secante en la programación es encontrar las raíces

de una función no lineal de manera eficiente y precisa mediante la
implementación de un algoritmo iterativo en un lenguaje de programación, en
este caso, en pseudocódigo y en C.
La programación es una herramienta útil para la implementación del método de

la secante debido a que es un método iterativo que requiere la repetición de un
conjunto de cálculos matemáticos. Además, la programación permite la
automatización del proceso, lo que puede ser útil en la solución de problemas
que implican el análisis de grandes conjuntos de datos.
El objetivo de implementar el método de la secante en la programación es

proporcionar una solución numérica de alta precisión y eficiencia para encontrar
las raíces de una función no lineal. La implementación del método de la secante
en un lenguaje de programación puede ofrecer una solución rápida y precisa
para una amplia variedad de problemas que involucran la solución de ecuaciones
no lineales
Además, la implementación del método de la secante en la programación puede

permitir la exploración de diferentes valores iniciales para encontrar la raíz de la
función, lo que puede ser útil para mejorar la precisión y la velocidad de
convergencia del algoritmo.
En resumen, el objetivo del método de la secante en la programación es

proporcionar una solución numérica eficiente y precisa para encontrar las raíces
de una función no lineal utilizando un algoritmo iterativo en un lenguaje de
programación.
El método de bisección necesita de muchas iteraciones comparado con el

método de la secante, ya que el proceso que este sigue es mucho más preciso
que el de bisección, el cual solo divide por mitades sucesivamente hasta dar con
un valor aproximado al real y por consecuente conlleva un número
significativamente mayor de iteraciones.
El método de la regla falsa utiliza la misma fórmula que el método de la secante.

Sin embargo, no se aplica la fórmula en xn−1 y xn, como el método de la secante,
pero en xn y en la última iteración xk tal que f(xk) y f(xn) tiene un signo diferente.
Esto significa que el método de regla falsa siempre converge.
El método de la secante se detendrá cuando el error iterativo (ε) sea lo
suficientemente pequeño, para lograr un nivel de precisión lo suficientemente
aceptable.
CÁLCULOS
Utilice el Método de la Secante para aproximar la raíz de f(x)= arctg(x)-2x+1 con

xo=0 y x1=1 hasta que Ea < Es 1%.
→ i=0
𝑓(𝑥1)(𝑥0 − 𝑥1)
𝑥2 = 𝑥1 −
𝑓 (𝑥0) − 𝑓(𝑥1)
𝑓 (𝑥0) = 𝑓 (0) = 𝑎𝑟𝑐𝑡𝑔(0) − 2(0) + 1 = 1

𝑓 (𝑥1) = 𝑓 (1) = 𝑎𝑟𝑐𝑡𝑔(1) − 2(1) + 1 = −0.214602
(−0.214602)(0 − 1)
𝑥2 = 1 − = 0.823315
1 − (−0.214602)
0.823315 − 1
𝐸𝑎 = | | (100%) = 21.46%
0.823315
→ i=1
𝑓(𝑥2)(𝑥1 − 𝑥2)
𝑥3 = 𝑥2 −
𝑓 (𝑥1) − 𝑓(𝑥2)
𝑓 (𝑥1) = 𝑓 (1) = 𝑎𝑟𝑐𝑡𝑔(1) − 2(1) + 1 = −0.214602

𝑓 (𝑥2) = 𝑓 (0.823315) = 𝑎𝑟𝑐𝑡𝑔(0.823315) − 2(0.823315) + 1 = 0.042167
(0.042167)(1 − 0.823315)
𝑥3 = 0.823315 − = 0.853169
−0.214602 − (0.042167)
0.853169 − 0.823315
𝐸𝑎 = | | (100%) = 3.40%
0.853169
→ i=2
𝑓(𝑥3)(𝑥2 − 𝑥3)
𝑥4 = 𝑥3 −
𝑓 (𝑥2) − 𝑓(𝑥3)
𝑓 (𝑥2) = 𝑓 (0.823315) = 𝑎𝑟𝑐𝑡𝑔(0.823315) − 2(0.823315) + 1 = 0.042167
𝑓 𝑥3) = 𝑓 (0.853169) = 𝑎𝑟𝑐𝑡𝑔(0.853169) − 2(0.853169) + 1 = −0.00000704
(
(−0.00000704)(0.823315 − 0.853169)
𝑥4 = 0.853169 − = 0.853169
0.042167 − (−0.00000704)
0.853169 − 0.853169
𝐸𝑎 = | | (100%) = 0.09%
0.853169
La aproximación a la raíz es de x4=0.853169 con en Ea=0.09%
i Xi-1 Xi Xi-1 Ea%

0 0 1 0.823315 21.46%
1 1 0.823315 0.853169 3.40%
2 0.823315 0.853169 0.853169 0.09%
PSEUDOCODIGO
Algoritmo Secante
Definir x0,x1,Err,tem,Ea,i,xr,x2 Como Real
// Le damos valores a las variables
i <- 1
tem <- 1
Escribir ' METODO DE LA SECANTE:'
Escribir ' fx=arctanX-2x+1 x0=0, x1=1, es=1%% '
// Leer x0, x1 y ea
Escribir 'Digite el valor de x0: '
Leer x0
Escribir 'Digite el valor x1: '
Leer x1
Escribir 'Ingrese el error aproximado : '
Leer Ea
Err <- Ea+1
Escribir ' i Xn-1 Xn Error %'
Mientras Err>Ea Hacer
xr <- x1-((atan(x1)-2*x1+1)*(x0-x1))/((atan(x0)-2*x0+1)-(atan(x1)-
2*x1+1))
x2 <- x0
x0 <- x1
x1 <- xr
i <- i+1 // Contador para las iteraciones
Err <- abs((xr-tem)/xr)*100
tem <- xr
// Imprime resultados de la tabla
Escribir i-1,' ',x2,' ',x1,' ',Err,' %'
FinMientras
Escribir 'La raiz aproximada es: ',xr,' con un error de: ',Err
FinAlgoritmo
DIAGRAMA DE FLUJO
CODEBLOCKS
#include<stdio.h>
#include<math.h>
int main()
{
//declarar variables
float ea, ess,i, tem, x0, x1, xr;
i = 1;
tem = 1;
printf("\tMETODO DE LA SECANTE:\n");
printf(" fx=arctanX-2x+1 x0=0, x1=1, es=1%% \n");
//Pedir datos
printf("\nDigite el valor de x0: \n");
scanf("%f",&x0);
printf("Digite el valor x1: \n");
scanf("%f",&x1);
printf("Ingrese el error aproximado : \n");
scanf("%f",&ea);
ess = ea+1;
printf("\n i \t\tXi-1 \t\tXi \t\tXi+1 \t\t Error %%\n");
//Proceso iteartivo para calcular las aproximaciones a la raiz

while (ess>ea) {
xr = x1-((atan(x1)-2*x1+1)*(x0-x1))/((atan(x0)-2*x0+1)-
(atan(x1)-2*x1+1));
x0 = x1;
x1 = xr;
i = i+1;
ess = fabs((xr-tem)/xr)*100;
tem = xr;
//Imprime los valores de cada iteracion
printf("%1.f \t %.6f \t %.6f \t %.6f \t %.3f %%\n",i-
1,x0,xr, x1,ess);
}
printf("\nLa raiz aproximada es: %f con un error de: %f %%\n",xr,ess);
return 0;
}
RESULTADOS
PSEINT
CODEBLOCKS
CONCLUSIONES
El método de la secante es un método numérico iterativo para encontrar
raíces de una función. Es similar al método de Newton, pero en lugar de
usar la derivada de la función, utiliza una aproximación de la derivada
basada en dos puntos.
La ventaja del método de la secante es que no requiere conocer la
derivada de la función, lo que puede ser difícil de obtener o
computacionalmente costoso. Además, a diferencia del método de
Newton, la secante no puede "fallar" si la derivada de la función es cero
en algún punto.
Sin embargo, el método de la secante puede ser menos eficiente que el
método de Newton, ya que requiere más iteraciones para alcanzar la
convergencia. También puede tener problemas de convergencia si la
función tiene una raíz múltiple o si la función es muy irregular.
En general, el método de la secante es un método útil y ampliamente
utilizado para encontrar raíces de funciones, especialmente cuando no se
dispone de la derivada o cuando el método de Newton no es aplicable.

En conclusión, el método de la secante es más estable que el de la
tangente, como cuando la función tiene una derivada discontinua o cuando
la derivada es difícil de calcular, este método es útil para encontrar raíces
de funciones no lineales, especialmente cuando la función es difícil de
derivar o tiene una derivada discontinua. Sin embargo, como con cualquier
método numérico, se deben tener en cuenta las limitaciones y las
condiciones de convergencia.

El método de la secante está basado en el método de Newton-
Raphson, sin embargo, la ventaja es que no requiere calcular la
derivada, puesto que este parte de dos puntos y da una estimación
del valor de la tangente. Sin embargo, por ser un método iterativo,
corre el mismo riesgo de no converger al valor de la raíz.
Es un método muy eficaz y fácil de utilizar, ya que comparándolo
con otros métodos como el de Newton-Raphson es un método que
no requiere de realizar tantas iteraciones y pasos a seguir lo que nos
quita mucho tiempo para el desarrollo de obtener una raíz.
El método de la secante es una técnica numérica importante en el cálculo
numérico y en la resolución de problemas de ingeniería y científicos. Es
más eficiente que el método de bisección en problemas que tienen una
sola raíz y la función es suave. Además, su aplicación en la programación
es muy útil en la solución de problemas matemáticos y científicos,
especialmente en problemas de optimización y calibración de modelos
numéricos.
El poder entender el método de la secante es de suma importancia para
cualquier estudiante de ingeniería que busque desarrollar habilidades en
el área del cálculo numérico y a la hora de realizarlo sobre la programación
evitar algún error que se pueda tener a la hora de hacerlo de forma
analítica.
REFERENCIAS
Chapra S. & Canales R. / Métodos numéricos para ingenieros. / Edit. Mc Graw
Hill . N.Y. 1994, 641p.
Aljama C. Tomás , Cadena M. Miguel , Charleston V. , Miguel , Yañez S. Oscar

/ Procesamiento digital de señales. / Universidad Autónoma Metropolitana /
México 1998, páginas 244p.
GRUPO: 3EM3
METODOS NUMÉRICOS
PRACTICA 4: METODO DE GAUSS-JORDAN
EQUIPO 01:
Método de Gauss-Jordán
Objetivo
Implementar y tratar de convertir la parte de la matriz donde están los coeficientes
de las variables en una matriz identidad. Esto se logra mediante simples
operaciones de suma, resta y multiplicación con este método, siendo la base de
los métodos de Gauss, ya que nos ayuda a entender desde un inicio cómo
funcionan especialmente el método de Seidel ya que todos van de la mano y son
semejantes.
El objetivo del método de Gauss-Jordán es simplificar la resolución de un sistema
de ecuaciones lineales, llevándolo a una forma escalonada reducida y luego a una
forma diagonal, para encontrar las soluciones de manera más sencilla y eficiente.
Marco Teórico
El método de Gauss-Jordan es un algoritmo utilizado en álgebra lineal para
resolver sistemas de ecuaciones lineales y encontrar la inversa de una matriz. Fue
desarrollado por el matemático alemán Carl Friedrich Gauss y el matemático suizo
Johann Peter Gustav Lejeune Dirichlet.
El método se basa en la eliminación gaussiana, que consiste en transformar un

sistema de ecuaciones lineales en una forma escalonada mediante la eliminación
de variables. La eliminación gaussiana se realiza mediante una serie de
operaciones elementales de fila, que incluyen sumar o restar una fila a otra,
multiplicar una fila por una constante y cambiar la posición de dos filas.
Una vez que el sistema de ecuaciones lineales se ha transformado en una forma

escalonada, se utiliza la eliminación de Gauss-Jordan para convertirlo en una
forma reducida de escalón, donde cada elemento diagonal es igual a uno y todos
los demás elementos son cero.
El método de Gauss-Jordan también se utiliza para encontrar la inversa de una

matriz. Se comienza por concatenar la matriz de origen con la matriz identidad y
se realiza la eliminación de Gauss-Jordan para obtener una matriz escalonada en
la mitad izquierda. Luego, se continua la eliminación para obtener una matriz
reducida de escalón en la mitad derecha. La matriz reducida de escalón de la
mitad izquierda es la inversa de la matriz original.
El método de Gauss-Jordan es una técnica útil para resolver sistemas de

ecuaciones lineales. Para resolver un sistema de ecuaciones lineales usando el
método de Gauss-Jordan, se deben seguir los siguientes pasos:
1. Escribir el sistema de ecuaciones lineales en forma matricial, es decir, en la

forma Ax = b, donde A es la matriz de coeficientes, x es el vector de incógnitas y b
es el vector de términos independientes.
2. Concatenar la matriz de coeficientes A con el vector de términos independientes

b para formar una matriz ampliada [A|b].
3. Realizar operaciones elementales de fila en la matriz ampliada para convertirla
en una forma escalonada.
4. Realizar operaciones elementales de fila adicionales para convertir la forma

escalonada en una forma reducida de escalón.
5. Usar la forma reducida de escalón para obtener la solución del sistema de

ecuaciones lineales.
El matemático alemán Carl Friedrich Gauss es reconocido, con Newton y

Arquímedes, como uno de los tres matemáticos más importantes de la historia.
Gauss usó una forma de lo que ahora se conoce como Eliminación Gaussiana en
sus investigaciones. Aunque este método fue nombrado en honor a Gauss, los
chinos usaban un método casi idéntico 2000 años antes que él.
Este método debe su nombre a Carl Friedrich Gauss y a Wilhelm Jordan. 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.
El sistema de Gauss se utiliza para resolver un sistema de ecuaciones y obtener

las soluciones por medio de la reducción del sistema dado a otro que sea
equivalente en el cual cada una de las ecuaciones tendrá una incógnita menos
que la anterior. La matriz que resulta de este proceso lleva el nombre que se
conoce como forma escalonada. Este método permite resolver hasta 20
ecuaciones simultáneas.
Lo que lo diferencia del método Gaussiano es que cuando es eliminada una

incógnita, se eliminará de todas las ecuaciones restantes, o sea, las que
anteceden a la ecuación principal, así como de las que la siguen a continuación.
De esta manera el paso de eliminación forma una matriz identidad en vez de una
matriz triangular.
En resumen, el método de Gauss-Jordan es una técnica útil para resolver

sistemas de ecuaciones lineales y encontrar la inversa de una matriz. Su
implementación se basa en la eliminación gaussiana y en la eliminación de Gauss-
Jordan, que son operaciones elementales de fila en las matrices.
Sistema a resolver
Con el método de Gauss Jordan resuelva el siguiente sistema de ecuaciones
lineales simultaneas.
3x¹ -0.1x² -0.2x³ = 7.85

0.1¹ +7x² -0.3x³ = -19.3
0.3x¹ -0.2x² +10x³ = 71.4
3 −0.1 −0.2 7.85

(0.1 7 −0.3 −19.3)R1/3
0.3 −0.2 10 71.4
3 −0.033333 −0.666667 2.616667

(0.1 7 −0.3 −19.3 )R2=R1(-0.1)+R2
0.3 −0.2 10 71.4
1 −0.033333 −0.666667 2.616667

(0 7.003333 −0.293333 −19.561667)R3=R1(-0.3)+R3
0.3 −0.2 10 71.4
1 −0.033333 −0.666667 2.616667

(0 7.003333 −0.293333 −19.561667)
0 −0.190000 10.020000 70.615000
1 −0.033333 −0.666667 2.616667

(0 1 −0.041885 −2.793193)R1=R2(0.033333)+R1 y R3=R280.19.0000)+R3
0 −0.190000 10.020000 70.615000
1 0 −0.068063 2.523561
(0 1 −0.041885 −2.793193)R3/10.012042
0 0 10.012042 70.084293
1 0 −0.068063 2.523561
(0 1 −0.041885 −2.793193)R1=R3(0.068063)+R1 y R2=R3(0.041885)+R2
0 0 1 7
1 0 0 3.0
(0 1 0 −2.5)
0 0 1 7.0
X¹ = 3.0
X² = -2.5
X³ = 7.0
PSEUDOCÓDIGO
Algoritmo ProcesoGaussJordan
Escribir Sin Saltar "Ingrese el número de ecuaciones (n):";
Leer n;
Dimension matriz[n,n+1];
Dimension literales[n];
Para i<-1 Hasta n Con Paso 1 Hacer
Escribir Sin Saltar "Ingrese la literal de la variable ", i, ":";
Leer literales[i];
FinPara
Para j<-1 Hasta n Con Paso 1 Hacer
Escribir Sin Saltar "Ingrese el coeficiente de la variable ", literales[j], " de la
ecuación ", i, ":";
Leer matriz[i,j];
FinPara
Escribir Sin Saltar "Ingrese la constante de la ecuación ", i, ":";
Leer matriz[i,n+1];
FinPara
Escribir "";
Si matriz[i,i]=0 Entonces
Escribir "Error: división entre cero.";
Escribir "";
FinSi
Para k<-1 Hasta n Con Paso 1 Hacer
Si k<>i Entonces
termino <- matriz[k,i]/matriz[i,i];
Para j<-1 Hasta n+1 Con Paso 1 Hacer
matriz[k,j] <- matriz[k,j]-termino*matriz[i,j];
FinPara
FinSi
FinPara
FinPara
Escribir "Solución:";
Escribir "";
termino <- matriz[i,n+1]/matriz[i,i];
Escribir literales[i], " = ", termino;
FinPara
FinAlgoritmo
DIAGRAMA DE FLUJO
CODIGO C
#include<stdio.h>
// Subrutinas dentro del algoritmo,
// Que reciben datos de este y ejecutan un algoritmo por separado.
void imprimir(int filas, int columnas, float * );
void pivotear(int filas, int columnas, float , float,float*,int j);
main()
{
// Definicion de las dimensiones de la matriz y captura de los datos de esta
int filas = 0, columnas = 0;
printf("Ingresa el numero de filas: ");

scanf("%i",&filas);
printf("\nIngresa el numero de columanas: ");
scanf("%i",&columnas);
columnas = columnas + 1;
float MatrizA[filas][columnas];
printf("\nIngresa los valores de la matriz A:");

for(int j=0; j<columnas;j++)
{
for(int i = 0; i<filas; i++)
{
if (columnas - 1 == j)
{
printf("\nIngresa los datos del vector de resultados");
}
printf("\nIngresa el valor de en (%i,%i): ",i+1,j+1);
scanf("%f",&MatrizA[i][j]);
}
}
// Impresion de la matriz inicial
printf("Matriz Inicial\n");
imprimir(filas,columnas,&MatrizA[0][0]);
printf("\n");
//Metodo de gauss-jordan
float pivoteaux = 0;
float vectorPivote[columnas];
float vectorPivoteaux[columnas];
float n = 0;
for(int j =0; j<columnas-1;j++)

{
// Se necesita la posicion j, el vector pivote
pivotear(filas, columnas,&MatrizA[0][0], &vectorPivote[0],
&vectorPivoteaux[0], j);
for(int i = 0; i<filas; i++)

{
printf("\n(%d,%d)\n",i+1,j+1);
//Cuando i sea diferente de j se asigna el valor n, y se restringe para
evitar que tome el valor de columna de resultados
if (i != j && j < columnas-1)
{
n = MatrizA[i][j];
}
// Opera sobre toda la fila sin importar que esta contenga ya un pivote
for(int k = 0; k < columnas; k++)
{
MatrizA[i][k] = (-1*n*vectorPivote[k]) + MatrizA[i][k];
if(i == j )
{
// Para evitar que se altere la fila pivote se realizan las
siguientes asignaciones.
for(int l = 0; l < columnas; l++)
{
MatrizA[i][l] = vectorPivoteaux[l];
if(MatrizA[i][l] == -0)
{
MatrizA[i][l] = 0;
}
}
}
imprimir(filas,columnas,&MatrizA[0][0]);
}
// Se limpia la fila pivote para evitar arrastrar basura al igual que n

n = 0;
for(int k = 0; k < columnas; k++)
{
vectorPivote[k] = 0;
}
void imprimir(int filas, int columnas, float * MatrizA)

{
printf("\n\n");
int contar = 0;
for(int i = 0; i<filas*columnas; i++)

{
if(contar < columnas)
{
printf(" %f ",MatrizA[i]);
contar++;
}
else
{
contar = 0;
printf("\n");
printf(" %f ",MatrizA[i]);
contar++;
}
}
}
void pivotear(int filas, int columnas, float *MatrizA, float *vectorPivote, float
*vectorPivoteaux, int j)
{
float pivoteaux = 0;
float matrizTemporal[filas][columnas];
int sumi = 0;
//Copiamos los datos de la MatrizA a una matriz temporal porque al enviarla como
apuntador esta se convierte en un vector.
for (int i = 0; i < filas; i++)

{
for( int k = 0; k < columnas; k++)
{
matrizTemporal[i][k] = MatrizA[sumi];
sumi ++;
}
}
//Una vez copiados los datos en una matriz temporal operamos para obtener el
pivote y su fila asociada
for(int i = 0; i<filas;i++)
{
if(i == j )
{
// Suponemos que el pivote esta en la posicion (i,j) y lo
calculamos dividiendo el numero en esa posicion entre si mismo.
pivoteaux = matrizTemporal[i][j];
printf("Pivote: %f\n",pivoteaux);
// En la matriz temporal realizamos la divicion de toda la fila
donde se encuentra el pivote y la guardamos en la matriz temporal y en dos vectores que
usaremos mas tarde.
for(int l = 0; l < columnas; l++)
{
matrizTemporal[i][l] = matrizTemporal[i][l] /
pivoteaux;
vectorPivote[l] = matrizTemporal[i][l];
vectorPivoteaux[l] = matrizTemporal[i][l];
}
}
}
//Luego pasamos los datos de la matriz temporal a nuestra matriz de trabajo MA.
sumi = 0;
for (int i = 0; i < filas; i++)

{
for( int k = 0; k < columnas; k++)
{
MatrizA[sumi] = matrizTemporal[i][k];
sumi++;
}
}
}
RESULTADO
CONCLUSIONES
El método de Gauss-Jordan es un algoritmo numérico utilizado para
resolver sistemas de ecuaciones lineales mediante la eliminación de Gauss
y la eliminación de Gauss-Jordan. Este método se basa en la
transformación de la matriz de coeficientes del sistema en una matriz
escalonada reducida por filas.
La conclusión del método de Gauss-Jordan es que es un método muy
eficiente y preciso para resolver sistemas de ecuaciones lineales, ya que
proporciona soluciones exactas y puede manejar sistemas con un gran
número de variables. Sin embargo, su implementación es más compleja que
otros métodos como la eliminación de Gauss y requiere más operaciones
aritméticas, lo que puede aumentar su tiempo de ejecución. Además, en
algunos casos, la matriz del sistema no puede tener solución o tener
soluciones infinitas, lo que debe ser considerado al utilizar este método.
En conclusión, el método de Gauss-Jordan es un algoritmo utilizado para
resolver sistemas de ecuaciones lineales mediante la eliminación de Gauss,
este método es la base también del método de Seidel pero la diferencia entre
ambos es que este en este no importa el orden de las ecuaciones y en Seidel
si, a mi punto de vista este es más fácil porque no tienes necesidad de hacer
iteraciones, solo ocupas, las operaciones principales.

En conclusión, el método de Gauss-Jordan es una técnica muy útil para
resolver sistemas de ecuaciones lineales. Este método permite
transformar una matriz ampliada en una matriz escalonada reducida, lo
que facilita la identificación de soluciones. El proceso se logra mediante
la aplicación de operaciones elementales de fila, incluyendo intercambios
de filas, multiplicaciones por un escalar y sumas de filas.
Una de las ventajas del método de Gauss-Jordan es que proporciona
una solución única para sistemas de ecuaciones consistentes. Además,
es una técnica bastante sencilla y fácil de implementar en cualquier
lenguaje de programación.
Sin embargo, el método de Gauss-Jordan también tiene algunas
limitaciones. En particular, la complejidad del algoritmo aumenta
significativamente para sistemas grandes, lo que puede ser problemático
para la computación en tiempo real. Además, si el sistema no tiene
solución o tiene infinitas soluciones, el algoritmo puede no converger.
En resumen, el método de Gauss-Jordan es un método útil y
ampliamente utilizado para resolver sistemas de ecuaciones lineales,
pero también es importante tener en cuenta sus limitaciones y considerar
otras técnicas cuando sea necesario.
El método de Gauss-Jordan es una técnica de álgebra lineal utilizada para
resolver sistemas de ecuaciones lineales y encontrar la inversa de una
matriz.
En la ingeniería, el método de Gauss-Jordan se utiliza en la resolución de
problemas que implican sistemas de ecuaciones lineales. Estos problemas
son muy comunes en ingeniería, y pueden involucrar la resolución de
ecuaciones diferenciales, la optimización de sistemas de control, entre
otros.
El uso del método de Gauss-Jordan es muy útil en la solución de sistemas
de ecuaciones grandes, que pueden involucrar muchas variables y
ecuaciones.
Además, el método de Gauss-Jordan es útil para encontrar la inversa de
una matriz. Esto es importante en muchas aplicaciones de ingeniería, como
en la solución de sistemas de ecuaciones lineales con matrices de
coeficientes y en la resolución de ecuaciones diferenciales lineales.
REFERENCIAS
• Marta, Superprof material didáctico. (Marzo, 2022) Método de Gauss para resolver
matrices. Recuperado el 24 de Abril de 2023
https://www.superprof.es/apuntes/escolar/matematicas/algebralineal/sistemas/met
odo-de-gauss.html
• Universidad de Guanajuato, Recursos educativos abiertos (2021). Clase digital 4:
Método de Gauss – Jordan. Recuperado el 24 de Abril de 2023
https://blogs.ugto.mx/rea/clase-digital-4-metodo-de-gauss-jordan/
• Requena Serra, Universo formulas (2023). Método de Gauss-Jordan Recuperado
el 24 de Abril de 2023
https://www.universoformulas.com/matematicas/algebra/metodo-gauss-jordan/
• Espinosa Guzmán, Alejandra; Espinosa Guzmán, Claudia; Roberto Rodríguez,
Miguel Ángel (2016) Comparativo de los Métodos de Mínimos Cuadrados y
Eliminación de Gauss-Jordan para la Resolución de Sistema de Ecuaciones en el
tema de Regresión Lineal. Recuperado el 24 de Abril de 2023
https://www.redalyc.org/journal/944/94451204007/94451204007.pdf
GRUPO: 3EM3
METODOS NUMÉRICOS
PRACTICA 5: METODO DE GAUSS-SEIDEL
EQUIPO 01:
Objetivo
Encontrar las aproximaciones de los valores de las variables de un sistema de
ecuaciones lineales, por medio de la realización de varios cálculos, los cuales
se realizan por etapas, obteniendo así aproximaciones por cada etapa.
El método de Gauss Seidel permite hallar las aproximaciones a una solución de
sistemas de ecuaciones lineales, utilizando los valores calculados en cada uno
de las etapas para hallar los nuevos valores, es decir, el método supone que
una vez que se conoce el nuevo valor de una de las variables se utiliza para
determinar el valor de las que faltan.
Marco Teórico
El método de eliminación para resolver ecuaciones simultáneas suministra
soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El número
exacto depende de las ecuaciones de que se trate, del número de dígitos que
se conservan en el resultado de las operaciones aritméticas, y del procedimiento
de redondeo. Utilizando ecuaciones de error, el número de ecuaciones que se
pueden manejar se puede incrementar considerablemente a más de 15 o 20,
pero este método también es impráctico cuando se presentan, por ejemplo,
cientos de ecuaciones que se deben resolver simultáneamente. El método de
inversión de matrices tiene limitaciones similares cuando se trabaja con números
muy grandes de ecuaciones simultáneas.
Sin embargo, existen varias técnicas que se pueden utilizar, para resolver
grandes números de ecuaciones simultáneas. Una de las técnicas más útiles es
el método de Gauss-Seidel. Ninguno de los procedimientos alternos es
totalmente satisfactorio, y el método de Gauss-Seidel tiene la desventaja de que
no siempre converge a una solución o de que a veces converge muy lentamente.
Sin embargo, este método convergirá siempre a una solución cuando la
magnitud del coeficiente de una incógnita diferente en cada ecuación del
conjunto, sea suficientemente dominante con respecto a las magnitudes de los
otros coeficientes de esa ecuación.
Es difícil definir el margen mínimo por el que ese coeficiente debe dominar a
los otros para asegurar la convergencia y es aún más difícil predecir la velocidad
de la convergencia para alguna combinación de valores de los coeficientes
cuando esa convergencia existe. No obstante, cuando el valor absoluto del
coeficiente dominante para una incógnita diferente para cada ecuación es mayor
que la suma de los valores absolutos de los otros coeficientes de esa ecuación,
la convergencia está asegurada. Ese conjunto de ecuaciones simultáneas lineales
se conoce como sistema diagonal.
Un sistema diagonal es condición suficiente para asegurar la convergencia pero
no es condición necesaria. Afortunadamente, las ecuaciones simultáneas lineales
que se derivan de muchos problemas de ingeniería, son del tipo en el cual
existen siempre coeficientes dominantes.
La secuencia de pasos que constituyen el método de Gauss-Seidel es la
siguiente:
▪ 1. Asignar un valor inicial a cada incógnita que aparezca en el conjunto.

Si es posible hacer una hipótesis razonable de estos valores, hacerla. Si
no, se pueden asignar valores seleccionados arbitrariamente. Los valores
iniciales utilizados no afectarán la convergencia como tal, pero afectarán
el número de iteraciones requeridas para dicha convergencia.
▪ 2. Partiendo de la primera ecuación, determinar un nuevo valor para la
incógnita que tiene el coeficiente más grande en esa ecuación, utilizando
para las otras incógnitas los valores supuestos.
▪ 3. Pasar a la segunda ecuación y determinar en ella el valor de la
incógnita que tiene el coeficiente más grande en esa ecuación, utilizando
el valor calculado para la incógnita del paso 2 y los valores supuestos
para las incógnitas restantes.
▪ 4. Continuar con las ecuaciones restantes, determinando siempre el
valor calculado de la incógnita que tiene el coeficniente más grande en
cada ecuación particular, y utilizando siempre los últimos valores
calculados para las otras incógnitas de la ecuación. (Durante la primera
iteración, se deben utilizar los valores supuestos para las incógnitas
hasta que se obtenga un valor calculado). Cuando la ecuación final ha
sido resuelta, proporcionando un valor para la única incógnita, se dice
que se ha completado una iteración.
▪ 5. Continuar iterando hasta que el valor de cada incógnita, determinado
en una iteración particular, difiera del valor obtenido en la iteración
previa, en una cantidad menor que cierto seleccionado
arbitrariamente. El procedimiento queda entonces completo.
Refiriéndonos al paso 5, mientras menor sea la magnitud del seleccionado,

mayor será la precisión de la solución. Sin embargo, la magnitud del epsilon no
especifica el error que puede existir en los valores obtenidos para las incógnitas,
ya que ésta es una función de la velocidad de convergencia. Mientras mayor sea
la velocidad de convergencia, mayor será la precisión obtenida en los valores de
las incógnitas para un dado.
El método de Gauss-Seidel surgio como una modificación del método de Jacobi
que acelera la convergencia de éste.
El método de Gauss-Seidel recorta sustancialmente el número de iteraciones a
realizar para obtener una cierta precisión en la solución. Evidentemente los
criterios de convergencia son similares a los de Jacobi.
Este criterio no solo se aplica a las ecuaciones lineales que se resuelven con el
método de Gauss-Seidel sino también para el método iterativo del punto fijo y
el método de jacobi.
Sistema a resolver
Emplee el método de Gauss-Seidel para solucionar el siguiente sistema
de ecuaciones lineales simultaneas, con un |𝜀𝑎 | < 𝜀𝑠 en donde 𝜀𝑠 = 1%
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 + 10.0 X3 = 71.40
Ordenando el sistema:
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 + 10.0 X3 = 71.40
𝑗 7.85+0.1𝑥2 +0.2𝑥3
𝑥1 = ………… (GS-1)
3.0
𝑗 −19.3−0.1𝑥1 +0.3𝑥3
𝑥2 = ………. (GS-2)
7.0
𝑗 7.4−0.3𝑥1 +0.2𝑥2
𝑥3 = …………. (GS-3)
10
Suponiendo valores iniciales 𝑥2 = 𝑥3 = 0, se calcula 𝑥1 :
𝑗=0
7.85 + 0.1(0) + 0.2(0)

𝑥10 = = 2.616667
3.0
−19.3 − 0.1(2.616667) + 0.3(0)

𝑥20 = = −2.794524
7.0
71.4 − 0.3(2.616667) + 0.2(−2.794524)

𝑥30 = = 7.005610
10
2.616667 − 0
𝐸𝑎, 1 = | | 𝑥100% = 100%
2.616667
𝐸𝑎, 2 = 100%
𝐸𝑎, 3 = 100%
𝑗=1
7.85 + 0.1(−2.794524) + 0.2(7.005610)
𝑥11 = = 2.990557
3.0
−19.3 − 0.1(2.990557) + 0.3(7.005610)

𝑥21 = = −2.499625
7.0
71.4 − 0.3(2.990557) + 0.2(−2.499625)

𝑥30 = = 7.000291
10
2.990557 − 2.616667
𝐸𝑎, 1 = | | 𝑥100% = 12.50%
2.990557
−2.499625 + 2.794524
𝐸𝑎, 2 = | | 𝑥100% = 11.80%
−2.499625
7.000291 − 7.005610
𝐸𝑎, 2 = | | 𝑥100% = 0.076%
7.000291
j=2
7.85+0.1(−2.499625)+0.2(7.000291)
x1²= = 3.000032
3.0
−19.3−0.1(3.000032)+0.3(7.000291)
x2²= = −2.499988
3.0
71.4−0.3(3.000032)+0.2(−2.499988)
x3²= = 6.999999
3.0
3.000032−2.990557
Ea¹= = 𝑥100% = 0.3159%
3.000032
−2.499988+2.499625
Ea²= = 𝑥100% = 0.01452%
−2.499988
6.999999−7.000291
Ea³= = 𝑥100% = 0.0042%
6.999999
x1= 3.000032 con Ea¹= 0.3159%
x2= -2.499988 con Ea²= 0.01452%
x3= 6.999999 con Ea³= 0.0042%

Conclusiones
En conclusión, el método de Gauss-Seidel es un algoritmo iterativo muy útil
para resolver sistemas de ecuaciones lineales. Es especialmente efectivo en
matrices que son diagonal dominante o cercanas a ser diagonal dominante.
También es útil para resolver sistemas grandes ya que el método solo necesita
trabajar con una fila de la matriz a la vez, lo que hace que el método sea
eficiente en términos de memoria.
Sin embargo, el método de Gauss-Seidel puede no converger en algunos
casos, como cuando la matriz del sistema no es diagonal dominante o cuando
hay coeficientes negativos en la diagonal principal. Además, el método de
Gauss-Seidel no siempre es el más rápido para converger a una solución
exacta y puede ser necesario ajustar el número de iteraciones para lograr la
precisión deseada. En general, el método de Gauss-Seidel es una herramienta
útil en la resolución de sistemas de ecuaciones lineales, pero su eficacia
depende de la matriz del sistema y de la precisión requerida.
En conclusión, el método de Gauss-Seidel es un algoritmo utilizado para
resolver sistemas de ecuaciones lineales mediante la iteración de valores
aproximados para las variables del sistema a diferencia del método de
eliminación de Gauss, que resuelve el sistema de ecuaciones en un solo paso,
este método sí importa el orden de las ecuaciones lineales que se acomoden
de mayor a menor, a mi punto de vista este método es un poco más tedioso
que el de Jordan porque tienes que hacer iteraciones y podrías equivocarte.
• Rodríguez Hernández Íngrid Itzel:
En conclusión, el método de Gauss-Seidel es una técnica iterativa muy útil para
resolver sistemas de ecuaciones lineales. Este método se basa en la
actualización sucesiva de las variables hasta que se alcanza una solución que
cumpla con un criterio de convergencia definido. A diferencia del método de
Gauss-Jordan, el método de Gauss-Seidel no requiere la eliminación de Gauss y
puede ser utilizado para sistemas grandes y complejos. Sin embargo, es
importante tener en cuenta que el método de Gauss-Seidel puede no
converger para algunos sistemas, especialmente si la matriz de coeficientes no
cumple con ciertas condiciones. Además, el método de Gauss-Seidel puede ser
sensible a la elección de la solución inicial y al criterio de convergencia.
En resumen, el método de Gauss-Seidel es un método útil y eficiente para
resolver sistemas de ecuaciones lineales, pero es importante tener en cuenta
sus limitaciones y considerar otras técnicas cuando sea necesario.
El método de Gauss-Seidel se utiliza para resolver sistemas de ecuaciones
lineales. Este método se ocupa en la ingeniería, ya que muchos problemas en
esta área se pueden reducir a la solución de un sistema de ecuaciones lineales.
El método de Gauss-Seidel es particularmente útil en la solución de sistemas
de ecuaciones grandes y complejos, donde otros métodos numéricos pueden
ser demasiado lentos o ineficientes.
El método de Gauss-Seidel se utiliza en problemas de modelado y simulación.
Por ejemplo, puede utilizarse para simular sistemas mecánicos, electrónicos o
hidráulicos por decir algunos.
Además, el método de Gauss-Seidel es un ejemplo de un algoritmo iterativo
que se utiliza en la programación para resolver problemas numéricos. Su
aplicación en la programación es muy útil en la implementación de algoritmos
numéricos para la solución de problemas matemáticos y científicos.
Comprenderlo y llevarlo a la práctica en la programación nos haría ahorrar
mucho más tiempo ya que el método es rápido y haciendo uso en la
programación habría un margen de error mínimo por decir casi nulo.
Referencias
• (2023). Métodos Numéricos. Recuperados de:
http://aniei.org.mx/paginas/uam/CursoMN/curso_mn_12.html

Reporte 1. Equipo 1. 3EM3

Cargado por

Información del documento

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

Reporte 1. Equipo 1. 3EM3

Cargado por

Copyright:

Formatos disponibles

INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA

PRACTICA 1: METODO DE BISECCIÓN

Ventajas y desventajas del Método de Bisección

𝑓 (𝑥𝑟) = 𝑓 (14) = 1.568710

𝑓 (𝑥𝑟) = 𝑓 (15) = −0.424832

𝑓 (𝑥𝑟) = 𝑓 (14.5) = 0.552328

𝑓 (𝑥𝑟) = 𝑓 (14.75) = 0.058963

𝑓 (𝑥𝑟) = 𝑓 (14.875) = −0.184117

𝑓 (𝑥𝑟) = 𝑓 (14.8125) = −0.062874

La aproximación a la raíz es xr=14.78125 con un 𝜀𝑎 = 0.21%en este caso, xr

15 double xl, xu, xr=0.0, fxl,xrant, fxu, fxr, es, ea;

18 //Se imprime el metodo y la funcion que se esta evaluando

20 printf("f(x)= 667.38/x[1-e^-0.146843*x]-40, xl=12, xu=16, es=0.3%% \n\n");

23 printf("Dame el valor inicial del limite inferior xl:\n");

25 printf("Dame el valor inicial del limite superior xu:\n");

27 printf("Dame el error porcentual deseado(fijado) es:\n");

31 fxl= (667.38/xl)* (1-exp(-0.146843*xl))-40;

37 //Se evalua la condicion para ver si existe raíz

40 printf("EXISTE RAIZ EN EL INTERVALO DADO \n\n");

42 printf("Iteracion\t Xl\t\t Xu\t\t Xr\t\t ea(%%)\n\n");

43 //Inicio del proceso iterativo

46 printf(" %d \t\t %0.6lf \t %0.6lf", i, xl, xu);

49 fxr= (667.38/xr)* (1-exp(-0.146843*xr))-40;

51 //Evalua las condiciones de bisección

61 {/*No hace nada*/}

63 //Cálculo del error

66 printf("\t %0.6lf \t %.6lf \n", xr, ea);

67 i=i+1;//Contador para las iteraciones

69 while(es<ea);//condición de paro del proceso iterativo

71 else //Si no existe raíz

73 printf("NO EXISTE RAIZ EN EL INTERVALO DADO\n");

75 printf("\n\nLA APROXIMACION A LA RAIZ ES xr=: %.6lf ", xr);

76 printf("CON UN ea= %.6lf %% \n\n", ea);

• Cruz Gasca Oscar Israel:

• Rodríguez Hernández Ingrid Itzel:

ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA

PRACTICA 2: METODO DE LA TANGENTE

Para lograr este objetivo, el estudiante deberá:

• Conocer la definición y el concepto de la recta tangente a una curva en un punto

El método de la tangente es especialmente útil en problemas de optimización, donde se

La importancia del método de la tangente en el cálculo diferencial radica en que es una

En la programación, el método de la tangente se utiliza a menudo en la simulación de

La implementación del método de la tangente en la programación puede ser realizada a

Para implementar el método de la tangente en un programa, es necesario conocer la

En C, para implementar el método de la tangente, es necesario primero definir una función

1. Elija un número inicial x0.

2. Calcular f(xi) y f`’(xi) y sustituirlos en la fórmula de Newton-Raphson

3.Si |Ea| <Es, entonces xi+1 es la raíz, de lo contrario regresar al paso 2

En conclusión, el método de la tangente es una técnica matemática esencial en el cálculo

Iteración (i) 𝒙𝒊 𝒙𝒊+𝟏 Ea%

// Se imprime el método y la función que se está evaluando

printf("Iteracion\t X0\t\t Xi\t\t Ea(%%)\n\n");

// Inicio del proceso iterativo

// Cálculo del error

i = i + 1; // Contador para las iteraciones

printf("\n\nLA APROXIMACION A LA RAIZ ES Xi = %.6lf ", xi);

• Rodríguez Hernández Ingrid Itzel

• Cruz Gasca Oscar Israel

ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y

PRACTICA 3: METODO DE LA SECANTE

Este método es de especial interés cuando el coste computacional de derivar la

En otras palabras, el método de la secante es un algoritmo de la raíz de

El método se define por la relación de recurrencia:

61 {/No hace nada/}