Universidad Nacional de San Departamento Académico

Cristóbal de Huamanga de Matemática y Fı́sica

1. Generalidades
1.1 Nombre de la asignatura : Métodos Numéricos para la Investigación.
1.2 Sigla : MA 345.
1.3 Créditos : 03.0
1.4 Requisito : MA - 242.
1.5 Escuela Profesional : Ing. Agrı́cola.
1.6 Facultad : Ciencias Agrarias.
1.7 Semestre Académico : 2021 - I
1.8 Horas teóricas y prácticas : 04 horas (Teor.: 02; Práct.: 02)
1.9 Plan de estudios : 2004.
1.10 Profesor Responsable : Teor.–Práct: MS.c. José Carlos Juárez Pulache
jose.juarez@unsch.edu.pe

2. Fundamentación
La matemática es un curso el cual nos permite estudiar el comportamiento de
fenómenos reales a través de modelos matemáticos, especialmente mediante ecua-
ciones no lineales, ecuaciones diferenciales y bases de datos; por ello el curso de
Métodos Numéricos para la Investigación, dirigido a los estudiantes de la E.P de
Ingenierı́a Agrı́cola tiene la finalidad de encontrar la solución numérica de modelos
matemáticos e interpretarlos y aplicarlos a problemas reales.
Para el desarrollo de curso se implementarán algoritmos y programas que permi-
tan comprender el comportamiento de solución. Se utilizará el software libre de
“Python v.3.8” para la programación de los diferentes métodos en estudio .

3. Sumilla
La asignatura de Métodos Numéricos para la Investigación consta de los
siguientes temas:
Teorı́a de Errores: errores por redondeo y truncamiento. Solución de Ecuaciones
no lineales, Análisis de datos: Interpolación Polinomial. Solución numérica de ecua-
ciones diferenciales ordinarias y parciales. Diferenciación e Integración Numérica.
Matrices y sistema de ecuaciones lineales: Valores y vectores propios. Aplicaciones
computacionales.

4. Capacidades
4.1. Capacidades Generales
Resolución de problemas que se presentan en la vida cotidiana.

Manejo de Herramientas tecnológicas en la toma de decisiones

4.2. Capacidades Especificas

Interpretar y comparar los resultados de solución.

Utilizar herramientas tecnologı́as para el trazado de gráficas y programación

de algoritmos
5. Programación de Contenidos
UNIDAD DE APRENDIZAJE I: “Introducción al curso y teorı́a de
errores”

sem. Contenidos de aprendizaje

Conocimiento
Conceptual
Introducción al curso:
* Introducción del software
libre a utilizar.
1 programación en python
* Diseño de diagramas de
flujo.
* Programación en python.
Teorı́a de errores:
* Teorı́a y tipos de errores.
2
* Fórmulas para el cálculo
de errores.
Desempeño
Procedimental Actitudinal
* Diseña diagramas de
* Participa activa-
flujo y realiza su respectiva
mente con sus comen-
tarios respetando a
para resolver un problema.
sus compañeros.
* LLega puntualmente
a clases.
* Encuentra error en una * Participa activa-
operación matemática. mente con sus comen-
tarios respetando a
sus compañeros.

UNIDAD DE APRENDIZAJE II: “Solución de ecuaciones no lineales”

sem. Contenidos de aprendizaje

Conocimiento Desempeño
Conceptual Procidimental Actitudinal
* Halla la raı́z de una
Métodos Cerrados: ecuación no lineal en forma
Método de bisección numérica aplicando el méto-
* Método de Bisección. do de bisección, mediante * Participa activa-
* Interpretación gráfica. un ejemplo práctico. mente con sus comen-
3
* Algoritmo del método de * Elabora el algoritmo del tarios respetando a
bisección. método de bisección. sus compañeros.
* Programación del método * Realiza la programación
de bisección. del método de bisección en
python.
* Halla la raı́z de una
Método de falsa posi- ecuación no lineal en forma * Presenta oportuna-
ción numérica aplicando el méto- mente sus tareas
* Método de Falsa Posición. do de falsa posición, medi- * Asiste puntualmente
* Interpretación gráfica. ante un ejemplo práctico. a sus clases
4
* Algoritmo del método de * Elabora el algoritmo del * Participa activa-
Falsa Posición. método de falsa posición. mente con sus comen-
* Programación del método * Realiza la programación tarios respetando a
de Falsa Posición. del método de falsa posición sus compañeros.
en python.
sem.
Conocimiento
Conceptual
Métodos Abier-
tos:Método del punto
fijo
* Método del punto fijo.
5 * Interpretación gráfica.
* Algoritmo del método del
punto fijo.
* Programación del método
del punto fijo.
Método Newton Rahp-
son
* Método de Newton Rahp-
son.
6 * Interpretación gráfica.
* Algoritmo del método del
Newton Rahpson.
* Programación del método
de Newton Rahpson.
Método de la secante
* Método de la secante.
* Interpretación gráfica.
7 * Algoritmo del método de
la secante.
* Programación del método
de la secante.
UNIDAD DE APRENDIZAJE III: “Análisis de datos: Interpolación”
sem.
Conocimiento
Conceptual
* Halla una función para
Regresión Polinomial:
ajustar un grupo de valores
8 * Regresión polinomial por
mediante mı́nimos cuadra-
Mı́nimos cuadrados
dos.
Contenidos de aprendizaje
Desempeño
Procidimental Actitudinal
* Halla la raı́z de una
ecuación no lineal en forma * Presenta oportuna-
numérica aplicando el méto- mente sus tareas
do del punto fijo, mediante * Asiste puntualmente
un ejemplo práctico. a sus clases
* Elabora el algoritmo del * Participa activa-
método del punto fijo. mente con sus comen-
* Realiza la programación tarios respetando a
del método del punto fijo en sus compañeros.
python.
* Halla la raı́z de una
ecuación no lineal en forma
* Presenta oportuna-
numérica aplicando el méto-
mente sus tareas
do de Newton Raphson, me-
* Asiste puntualmente
diante un ejemplo práctico.
a sus clases
* Elabora el algoritmo del
* Participa activa-
método de Newton Rahp-
mente con sus comen-
son.
tarios respetando a
* Realiza la programación
sus compañeros.
del método de Newton Rah-
pson en python.
* Halla la raı́z de una
ecuación no lineal en forma * Presenta oportuna-
numérica aplicando el méto- mente sus tareas
do de la secante, mediante * Asiste puntualmente
un ejemplo práctico. a sus clases
* Elabora el algoritmo del * Participa activa-
método de la secante. mente con sus comen-
* Realiza la programación tarios respetando a
del método de la secante en sus compañeros.
python.
Contenidos de aprendizaje
Desempeño
Procidimental Actitudinal
* Participa activa-
mente con sus comen-
tarios respetando a
sus compañeros.
sem. Contenidos de aprendizaje
Conocimiento Desempeño
Conceptual Procidimental Actitudinal
* Ajusta un conjunto de
datos mediante polinomios * Presenta oportuna-
Polinomio Lagrange
de Lagrange de 1◦ y 2◦ gra- mente sus tareas
* Interpolación mediante el
do. * Asiste puntualmente
polinomio de Lagrange.
* Diseña el diagrama de a sus clases
9 * Algoritmo de la interpo-
flujo del polinomio de La- * Participa activa-
lación de Lagrange.
grange. mente con sus comen-
* Programación de la inter-
* Realiza la programación tarios respetando a
polación de Lagrange.
en python para un poli- sus compañeros.
nomio de Lagrange.

* Ajusta un conjunto de
* Presenta oportuna-
Polinomio de Hermite datos mediante polinomios
mente sus tareas
* Interpolación mediante el de Hermite de 1◦ y 2◦ gra-
* Asiste puntualmente
polinomio de Hermite: do.
a sus clases
10 * Algoritmo de polinomo de * Diseña el diagrama de flu-
* Participa activa-
Hermite. jo del polinomio de Hermite.
mente con sus comen-
* Programación del poli- * Realiza la programación
tarios respetando a
nomio de Hermite. en python para un poli-
sus compañeros.
nomio de Hermite.

Polinomio de Newton
* Diferencias divididas
* Interpolación mediante el
11 polinomio de Newton
* Programación de poli-
nomio Newton en diferen-
cias divididas
* Ajusta un conjunto de
* Presenta oportuna-
datos mediante polinomios
mente sus tareas
de Newton de 1◦ y 2◦ grado
* Asiste puntualmente
con diferencias divididas.
a sus clases
* Diseña el diagrama de flu-
* Participa activa-
jo del polinomio de Newton.
mente con sus comen-
* Realiza la programación
tarios respetando a
en python para un poli-
sus compañeros.
nomio de Newton.

UNIDAD DE APRENDIZAJE IV: “Solución de Ecuaciones Diferen-

ciales Ordinarias”

sem. Contenidos de aprendizaje

Conocimiento Desempeño
Conceptual Procidimental Actitudinal
Ecuación Diferencial * Desarrolla la progra- * Participa activa-
Ordinaria(EDO): mación en python para mente con sus comen-
12
* Solución analı́tica. encontrar la solución tarios respetando a
* Solución Numérica. numérica de una EDO sus compañeros.
sem. Contenidos de aprendizaje
Conocimiento Desempeño
Conceptual Procidimental Actitudinal
* Presenta oportuna-
* Desarrolla la progra- mente sus tareas
Métodos de solución de
mación en python para * Asiste puntualmente
una E.D.O:
encontrar la solución a sus clases
13 * Método de Euler
numérica de una E.D.O * Participa activa-
* Método de Taylor
mediante el método de mente con sus comen-
* Método de Heun
Euler, Taylor y Heun. tarios respetando a
sus compañeros.

Métodos de Runge
Kutta(RK):
14
* Método de RK-2
* Método de RK-3
* Desarrolla la progra-
mación en python para
encontrar la solución
numérica de una E.D.O
mediante el método de
RK-2 y RK-3.
* Presenta oportuna-
mente sus tareas
* Asiste puntualmente
a sus clases
* Participa activa-
mente con sus comen-
tarios respetando a
sus compañeros.

* Desarrolla la progra-
* Presenta oportuna-
mación en python para
mente sus tareas
encontrar la solución
* Asiste puntualmente
Método Runge Kutta de numérica de una E.D.O
a sus clases
15 cuarto orden: mediante el método de
* Participa activa-
* Método de RK-4 RK-4.
mente con sus comen-
* Determina el método
tarios respetando a
numérico más apropiado
sus compañeros.
para resolver una EDO

UNIDAD DE APRENDIZAJE V: “ Introducción a la Diferenciación

e Integración Numérica”

sem. Contenidos de aprendizaje

Conocimiento
Conceptual
Diferenciación e Inte-
gración Numérica:
* Aproximación numérica
16 de la derivada.
* Integración Numérica
* Exposición de trabajos fi-
nales
Desempeño
Procidimental Actitudinal
* Presenta oportuna-
* Evalúa la derivada de una
mente sus trabajos
función en un punto apli-
finales
cando python.
* Asiste puntualmente
* Evalúa la integral de una
a sus evaluaciones fi-
función en un punto apli-
nales
cando python.
6. Metodologı́a
Las clases teóricas de Métodos Numéricos para la Investigación, el docente
expondra el fundamento teorico acompañado con ejemplos y recogiendo los saberes
previos de los estudiantes.

Las clases practicas consistirá en resolver ejemplos prácticos reforzando la parte

teórica los cuales serán resueltos en la pizarra digital. Se implemetarán algoritmos
de los diferentes métodos de solución estudiados y luego se programarán haciendo
uso de herramientas tecnológicas.

7. Cronograma
Las exposiciones serán grupales.

Semanas Tipo de evaluación

1,2,3,4 I Práctica calificada
1-8 Examen parcial y exposición de avance de trabajos
9,10, 11 y 12 II Práctica calificada
9-16 Examen final y exposición final

8. Evaluación de Aprendizaje
Para aprobar la asignatura, el estudiante deberá obtener la nota final de once
(11), la cual se obtiene de la siguiente manera:

P F = 0.30 × EP + 0.30 × EF + 0.40 × P P C

EP: Examen Parcial.

EF: Examen Final.

PPC : Promedio de prácticas calificadas y trabajo encargado.

Las fechas de las prácticas calificadas serán de mutuo acuerdo con los alumnos.

9. Bibliografı́a
9.1 Burden, R./Faires, J. : “Análisis Numérico”. International Thomson
Editores, S.A. México 2002. VII Edición.

9.2 Antonio Nieves Hurta- : “Métodos Numéricos”. Compañı́a Editorial

do Continental, S.A. México 2006. VII Edición.

9.3 Steven C, Chapra/ : “Métodos Numéricos para ingenieros”.

Raymond P. Canale McGraw-Hill/Interamericana Editores, S.A.
México.

9.4 Mathews, J./Fink, K. : “Métodos numéricos con MatLab”. Edit. Pren-

tice Hall. España 2000.
9.5 Jaan Kiusalaas : “Numerical Methods in Engineering with
Python”. Segunda Edición. Nueva York 2010.