MNUMv 1

Manual de programa Métodos Numéricos (MNUMv1.
0) – HP50g - 2017
MNUMv1.0
Nombre: MNUMv1.0
Autor: Adhemar Mizushima
Universidad Autónoma
Gabriel René Moreno
Plataforma: HP50G
Lenguaje: USER - RPL
Tipo: Librería
N° Librería: 977
Tamaño: 70 231 Kb
e-mail: adhemar.mm@gmail.com
MNUMv1.00 es una librería para los estudiantes que cursan la materia Métodos
Numéricos y Programación, desarrollado exclusivamente para ayudar a los estudiantes a
comprobar los resultados parciales de sus trabajos prácticos.
No está demás mencionar que el programa MNUMv1.0 opera automáticamente en

radianes y con domino de los números reales, el usuario debe prestar atención a los textos de
ayuda de cada recuadro al momento de iniciar algún método para evitar errores, caso
contrario el autor no se hace responsable por el uso inadecuado del programa, si Ud.
encontrase algún error hacérmelo saber a mi e-mail.
MNUMv1.00 inicia con la presentación del programa y posterior el menú:
La presente lista de selección se muestran los

25 métodos que contiene el programa y además la
aplicación extra GENERAR PUNTOS.
En esta lista de selección el usuario puede

desplazarse a libertad con los botones arriba y
abajo de la calculadora y para ejecutar algún
método pulsar el boto OK o bien ENTER .
Si el usuario desea salir del menú de

selección y finalizar el programa debe bajar hasta el
final de la lista y ejecutar la opción SALIR.
Manual de programa Métodos Numéricos (MNUMv1.0) – HP50g - 2017
CONTENIDO
1. GENERAR PUNTOS
1. GENERAR
2. GRAFICAR
2. POLINOMIO DE TAYLOR
3. MÉTODOS PARA LA RESOLVER ECUACIONES NO LINEALES

3.1. METODO DE LA BISECCION
3.2. ITERACION DEL PUNTO FIJO
3.3. METODO DE NEWTON
3.4. METODO DE LA SECANTE
3.5. METODO DE NEWTON PARA POLINOMIOS
3.6. METODO DE BERNOULLI PARA POLINOMIOS
4. MÉTODOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES

4.1. METODOS DIRECTOS
4.1.1. METODO DE ELIMINACION DE GAUSS
4.1.2. METODO DE GAUSS-JORDAN
4.1.3. DESCOMPOSICION [L] [U]
4.1.4. METODO DE THOMAS PARA SISTEMAS TRIDIAGONALES
4.1.5. DESCOMPOSICION DE CHOLESKY
4.2. METODOS ITERATIVOS
4.2.1. METODOS DE GAUSS-SEIDEL
4.2.2. METODO DE JACOBI
5. INTERPOLACION Y DERIVACION NUMERICA

5.1. INTERPOLACION POR EL METODO DE LAGRANGE
5.2. INTERPOLACION POR EL METODO DE ERIC H. NEVILLE
5.3. DIFERENCIAS FINITAS DE NEWTON (INTERPOLACION Y DERIVACION)
5.3.1. DIFERENCIAS FINITAS PROGRESIVAS
5.3.2. DIFERENCIAS FINITAS REGRESIVAS
5.3.3. DIFERENCIAS FINITAS CENTRALES Y MEDIAS
6. INTEGRACION NUMERICA
6.1. REGLA DEL TRAPECIO
6.2. REGLA DE SIMPSON 1/3
6.3. REGLA DE ROMBERG
7. ECUACIONES DIFERENCIALES
7.1. METODO DE EULER
7.2. METODO DE EULER MODIFICADO
7.3. METODO DE RUNGE - KUTTA
A continuación se detalla el uso de cada método numérico con ejemplos en el programa.
1. GENERAR PUNTOS
1.1. GENERAR
Es una aplicación para generar las tablas de

valores X, Y de cualquier función con respecto a la
variable X.
Ejemplo:
Sea f(x) = x2 generar la tabla de valores X, Y para puntos en X [a, b]: [1, 6] con
divisiones N = 5.
𝑏−𝑎
Aplicando la fórmula: 𝑁=
ℎ
6−1
Despejando “h” tenemos: ℎ= =1
5
Es decir que cada espaciamiento entre puntos en X será de 1.
Ingresamos los datos al programa:
Donde:
- F(x) es la función que deseamos evaluar
- a es el límite inferior del intervalo en X
- b es el límite superior del intervalo en X
- N es el número de divisiones que corresponde,
aplicando la formula anterior.
- Prec. Se refiere a los dígitos decimales con los que se
desea operar.
Presionar el botón ENTER para finalizar.

1.2. GRAFICAR
Es una aplicación para graficar puntos X, Y de las

tablas de valores que se desee.
Para cargar los datos al programa se debe ingresar en objeto de MATRIZ, para ello presionamos
los botones + . A continuación ingresamos los valores en dos columnas, la primera
columna para valores en X, la segunda para valores en Y:
Pero, si lo que queremos es graficar puntos anteriormente usados u obtenidos con la opción
GENERAR, estos puntos se guardan en la variable ‘XY’, lo que debemos hacer es escribir esta
variable en lugar de ingresarlo como matriz, de esta forma logramos ahorrar tiempo:
Presionamos el botón
CANCEL para finalizar.
2. POLINOMIO DE TAYLOR
Ejemplo:
Sea f(x) = 𝒔𝒊𝒏(𝒙) utilizar la serie de Taylor de grado n = 3 alrededor de X0 = 1.1 para X = 1 y
comparar con el resultado exacto ofrecido por la calculadora.
Ingresamos la función, necesariamente debe ser respecto a la variable X.

Ingresamos el grado n = 3, ingresamos X = 1, ingresamos X0 = 1.1
Presionamos OK o ENTER para continuar, a continuación nos va mostrando uno a uno las
derivadas de la función, pulsando OK cada vez para continuar:
A continuación se muestran los valores obtenidos de reemplazar Xo = 1.1 en la función y sus

derivadas:
Por último se muestra el valor del Polinomio, valor Residuo y el resultado exacto con el que
debemos comparar:
0.841467310472 + 3.71336400025𝑥10−6 ≅ 0.841470984808

3. MÉTODOS PARA LA RESOLVER ECUACIONES NO LINEALES
3.1. METODO DE LA BISECCION
Ejemplo:
Sea f(x) = 𝒙𝟑 − 𝟐 calcular la raíz real que se encuentra entre X[a, b] = [1, 1.5] con un error
de: Eadm = 0.001 y ocupando 4 dígitos decimales de operación.
Presionamos OK o también ENTER:
Entonces el último valor de la columna ci es la raíz con un error menor o igual a 0.001
Solución: X ≅ 1.2604
Є = 0.001 es el error mínimo que ingresamos al cargar los datos del problema.
I: 8.97 es la cantidad de iteraciones necesarias obtenidas mediante la fórmula:
𝑳𝒏(𝒃 − 𝒂) + 𝑳𝒏(𝑬) 𝑳𝒏(𝟏. 𝟓 − 𝟏) + 𝑳𝒏(𝟎. 𝟎𝟎𝟏)

𝑰= = ≅ 𝟖. 𝟗𝟔𝟓𝟕 …
𝑳𝒏(𝟐) 𝑳𝒏(𝟐)
3.2. ITERACION DEL PUNTO FIJO
Ejemplo:
Sea f(x) = 𝒙𝟑 − 𝟐 , calcular la raíz real que se encuentra en X [a, b] = [1, 1.5], con un error
de: Eadm = 0.001 y ocupando 4 dígitos decimales de operación.
Realizando los criterios de convergencia se tiene que:

𝟑
G(x) = √𝒙 + 𝟏 y X0 = 1
m tiene valor por defecto igual a 20, m es la cantidad de iteraciones máximas que se realizará,
esta puede ser modificada en el rango especificado en el texto de ayuda del recuadro, presionamos
OK o ENTER para continuar:
Se puede ver que m y Er que ingresamos en un principio siempre aparece en la última fila.
La columna Er(x) es el error relativo entre los valores de la columna Xi, siendo X5 = 1.3246 el
valor que se aproxima a la raíz con un error relativo: Er5 = 0.0002, dicho error es menor al
solicitado anteriormente al cargar los datos del problema, es decir menor a: Er = 0.001.
3.3. METODO DE NEWTON
Ejemplo:
Sea f(x) = sin(x), calcular la raíz real que se encuentra en X [a, b] = [3, 3.5] con un error de:
Eadm = 0.001 y ocupando 4 dígitos decimales de operación.
Recordemos que Sin(x) es una función trigonométrica que tiene infinitas soluciones, y una de
ellas es 𝜋 ≅ 3.14159 … , por lo que tomaremos un valor inicial Xi = 3 y su derivada es Cos(x)
Se puede ver que el método de Newton es de rápida convergencia.

La columna Fxi y F’xi muestra los resultados de reemplazar el Xi de la misma fila:
F(x) = Sin (x) ; F’(x) = Cos (x)

Si x=3 → 𝑆𝑖𝑛(3) ≅ 0.1411 … ∧ 𝐶𝑜𝑠(3) ≅ −0.990 …
Si x=3.1425 → 𝑆𝑖𝑛(3.1425) ≅ −0.0009 … ∧ 𝐶𝑜𝑠 ≅ −1.000 …
…
Er es el error relativo requerido, es decir el Eadm, que ingresamos al cargar los datos, su valor
siempre aparecerá en la última fila.
solicitado anteriormente al cargar los datos del problema, es decir menor a: Eadm = 0.001.
3.4. METODO DE LA SECANTE
Ejemplo:
Sea f(x) = sin(x), calcular la raíz real que se encuentra en X [a, b] = [3, 3.5] con un error de:
Eadm = 0.001 y ocupando 4 dígitos decimales de operación.
Recordemos que Sin(x) es una función trigonométrica que tiene infinitas soluciones, y una de
ellas es 𝜋 ≅ 3.14159 … , por lo que tomaremos un valor inicial Xi = 3
Se puede ver que el método de la Secante es de rápida convergencia.

La columna Fxi muestra los resultados de reemplazar el Xi de la misma fila:
F(x) = Sin (x)

Si x0=3 → 𝐹(𝑥0 ) = 𝑆𝑖𝑛(3) ≅ 0.1411 …
Si x1=3.5 → 𝐹(𝑥1 ) 𝑆𝑖𝑛(3.5) ≅ −0.3508 …
…
Er es el error relativo requerido, es decir el Eadm, que ingresamos al cargar los datos, su valor
siempre aparecerá en la última fila.
solicitado anteriormente al cargar los datos, es decir menor a: Eadm = 0.001.
3.5. METODO DE NEWTON PARA POLINOMIOS
Se trata de un método para polinomios de la forma:

𝑚
𝑓(𝑥) = ∑ 𝐴𝑚−𝑛 𝑋 𝑛
𝑛=0
𝐴0 𝑋 𝑛 + 𝐴1 𝑋 𝑛−1 + 𝐴2 𝑋 𝑛−2 + ⋯ + 𝐴𝑛−2 𝑋 2 + 𝐴𝑛−1 𝑋1 + 𝐴𝑛 𝑋 0
Ejemplo:
Sea f(x) = 𝒙𝟑 − 𝟐, calcular la raíz real que se encuentra entre X[a, b] = [1, 1.5] con una
precisión de Eadm = 0.001 y ocupando 4 dígitos decimales de operación.
En a(i) se debe ingresar un vector con los coeficientes del polinomio, es decir entre corchetes:
𝑓(𝑥) = 1 ∗ 𝑋 3 + 0 ∗ 𝑋 2 + 0 ∗ 𝑋1 − 2 ∗ 𝑋 0 → [ 1 0 0 − 2 ]
Debemos separar imaginariamente cada 3 columnas, pues así se muestran las iteraciones y los
resultados P, Q y Xi de factorizar, para continuar presionamos OK o ENTER:
La columna Er(x) es el error relativo entre los

valores de la columna Xi, siendo X4 = 1.2599 el
valor que se aproxima a la raíz con un error
relativo:
Er4 = 0.0000, dicho error es menor al solicitado
anteriormente al cargar los datos, es decir
menor a: Eadm = 0.0010.
3.6. METODO DE BERNOULLI PARA POLINOMIOS
Se trata de un método para polinomios de la forma:

𝑚
𝑓(𝑥) = ∑ 𝐴𝑚−𝑛 𝑋 𝑛
𝑛=0
𝐴0 𝑋 𝑛 + 𝐴1 𝑋 𝑛−1 + 𝐴2 𝑋 𝑛−2 + ⋯ + 𝐴𝑛−2 𝑋 2 + 𝐴𝑛−1 𝑋1 + 𝐴𝑛 𝑋 0
Ejemplo:
Sea f(x) = 𝟐𝒙𝟑 + 𝟓𝑿𝟐 + 𝟒𝑿 + 𝟑 calcular la raíz real que se encuentra entre X[a, b] =
[1, 1.5] con una precisión de Eadm = 0.001 y ocupando 4 dígitos decimales de operación.
En a(i) se debe ingresar un vector con los coeficientes del polinomio, es decir entre corchetes:
𝑓(𝑥) = 2 ∗ 𝑋 3 + 5 ∗ 𝑋 2 + 4 ∗ 𝑋1 − 3 ∗ 𝑋 0 → [ 2 5 4 3 ]
La columna Er(U) es el error relativo entre los valores

de la columna Ui, siendo U11 = -1.8569 el valor que se
aproxima a la raíz con un error relativo:
Er11 = 0.0001, dicho error es menor al solicitado
anteriormente al cargar los datos, es decir, menor a:
Eadm = 0.001.
4. MÉTODOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES

4.1. METODOS DIRECTOS
4.1.1. METODO DE ELIMINACION DE GAUSS
Ejemplo:
Resolver el siguiente sistema de ecuaciones lineales, utilizar 6 decimales de precisión:
2X1 + 2X2 + 2X3 = 6
-6X1 + 2X2 + 8X3 = 2
4X1 + 12X2 + 4X3 = 10
Llevamos a su forma matricial matriz aumentada:
2 2 2 6
(−6 2 8 2 )
4 12 4 10
Luego de ingresar la matriz con determinante distinto de cero, presionamos el botón OK o

ENTER para continuar, la matriz se guardará automáticamente en la variable MM:
1) Pivoteo parcial:
Se pivotea la fila 1 y la fila 2:
Con esta permutación de filas se logra tener el mayor elemento en valor absoluto de la primera
columna en la posición a(1,1) de la matriz.
2) Eliminación para la fila 2:

Se halla el coeficiente M para la eliminación en la fila 2:
𝑎(2,1) 2
𝑀=− = − ≅ 0.333333 … , seguidamente multiplicamos M por la Fila1 y le
𝑎(1,1) −6
sumamos a la Fila2, el resultado lo colocamos en la Fila2:
M*F1+F2→F2:
0.333333…*(-6) + 2 ≅ 0
0.333333…*(2) + 2 ≅ 2.666667
0.333333…*(8) + 2 ≅ 4.666667
0.333333…*(2) + 6 ≅ 6.666667

𝑎(3,1) 4
𝑀=− = − ≅ 0.666667 , seguidamente multiplicamos M por la Fila1 y le sumamos
𝑎(1,1) −6
a la Fila3, el resultado lo colocamos en la Fila3:
M*F1+F3→F3:
0.666667*(-6) + 4 ≅ 0
0.666667*(2) +12≅ 13.333333
0.666667*(8) + 4 ≅ 9.333333
0.666667*(2) +10≅ 11.333333
4) Pivoteo parcial:
Con esta permutación de filas se logra tener el mayor elemento en valor absoluto de la segunda
columna en la posición a(2,2) de la matriz.

𝑎(3,2) 2.666667
𝑀=− =− ≅ −0.2 , seguidamente multiplicamos M por la Fila2 y le
𝑎(2,2) 13.333333
M*F2+F3→F3:
-0.2*(13.333333) + 2.666667 ≅ 0
-0.2*(9.333333) + 4.666667 ≅ 2.8
-0.2*(11.333333) + 6.666667 ≅ 4.4
6) Solución abajo-arriba, cálculo de X, Y, Z:
Luego de haber llegado a la forma triangular superior se procede a

calcular directamente los valores de X, Y, Z, para entenderlo
mejor, llevaremos de la forma matricial al sistema de ecuaciones
lineales resultante:
-6X1 + 2X2 + 8X3 = 2

13.333333X2 + 9.333333X3 = 11.333333
2.8X3 = 4.4
Se le dice solución abajo-arriba porque vamos calculando las incógnitas partiendo desde la
última fila(primero X3) hacia arriba(por ultimo X1), despejando las incógnitas fila a fila:
4.4
En la fila 3: 𝑋3 = 2.8 ≅ 1.571429
11.333333−9.333333(1.571429)
En la fila 2: 𝑋2 = ≅ −0.25
13.333333
2−2(−0.25)−8(1.571429)
En la fila 1: 𝑋1 = −6
≅ 1.678572
4.1.2. METODO DE GAUSS-JORDAN
Ejemplo:
2X1 + 2X2 + 2X3 = 6
-6X1 + 2X2 + 8X3 = 2
4X1 + 12X2 + 4X3 = 10
2 2 2 6
(−6 2 8 2 )
4 12 4 10

ENTER para continuar, la matriz se guardara automáticamente en la variable MM:
1) Elemento a(1,1) debe ser igual a 1 :

El programa MUNUMv1.0 analiza casos que surgen en este paso, respetando el siguiente orden:
a) Si el elemento a(1,1) de la matriz fuese igual a 0, se deberá buscar elementos de la forma
descrita en los incisos c, d, e.
b) Si el elemento a(1,1) fuese igual a 1, este paso no se realiza.
c) Si el elemento a(1,1) no fuese igual a 1 o igual a 0, se debe buscar algún otro elemento
en la misma columna que sí sea igual a 1, y si lo hay, se permutan las filas.
d) Si el elemento a(1,1) no fuese igual a 1 o igual a 0, y no hubiese ningún elemento en la
misma columna que sea igual a 1, se deberá buscar en la misma columna algún elemento
que sea igual a -1, y si lo hay, se permutan las filas.
e) Si el elemento a(1,1) no fuese igual a 1 o igual a 0, y no hubiese ningún elemento en la
misma columna que sea igual a 1 o igual a -1, se deberá multiplicar la fila 1 por el valor
negativo de la inversa de a(1,1), es decir:
1
𝑀=−
𝑎(1,1)
Los mismos casos se aplican para convertir en “1” los demás elementos de la diagonal principal
de la matriz. En este ejercicio vamos analizando inciso a inciso, a) no cumple, luego pasamos al
inciso b) que tampoco cumple, luego al inciso c), etc. y concluimos de que el inciso e) es el que
cumple los requisitos, por lo tanto calculamos el coeficiente m, el cual no se debe confundir con
el coeficiente M para la eliminación:
1 1
𝑚= = = 0.5 𝐿𝑢𝑒𝑔𝑜: 𝑚 ∗ 𝐹𝑖𝑙𝑎1 → 𝐹1
𝑎(1,1) 2
0.5*(2) = 1
0.5*(2) = 1
0.5*(2) = 1
0.5*(6) = 3

Se calcula el coeficiente M para eliminación en la fila 2:
𝑀 = −𝑎(2,1) = −(−6) = 6 , seguidamente multiplicamos M por la Fila1 y le sumamos a la
Fila2, el resultado lo colocamos en la Fila2:
M*F1+F2→F2:
6*(1) + (-6) ≅ 0
6*(1) + 2 ≅ 8
6*(1) + 8 ≅ 14
6*(3) + 2 ≅ 20

𝑀 = −𝑎(3,1) = −(4) = −4 , seguidamente multiplicamos M por la Fila1 y le sumamos a la
M*F1+F3→F3:
-4*(1) + 4 ≅ 0
-4*(1) + 12 ≅ 8
-4*(1) + 4 ≅ 0
-4*(3) + 10 ≅ -2
4) Elemento a(2,2) debe ser igual a 1:

Ocupamos los mismos casos que en el paso 1), y concluimos que el caso e) es el que cumple, por
lo tanto calculamos el coeficiente m:
1 1
𝑚= = = 0.5
𝑎(2,2) 8
𝐿𝑢𝑒𝑔𝑜: 𝑚 ∗ 𝐹𝑖𝑙𝑎2 → 𝐹2
0.5*(2) = 1
0.5*(2) = 1
0.5*(2) = 1
0.5*(6) = 3

M*F2+F3→F3:
-8*(1) + 8 = 0
-8*(1.75) + 0 = -14
-8*(2.5) + (-2)= -22
6) Elemento a(3,3) debe ser igual a 1:

Ocupamos los mismos casos que en el paso 1), y concluimos que el caso e) es el que cumple, por
lo tanto calculamos el coeficiente m:
1 1
𝑚= = ≅ −0.071429
𝑎(3,3) −14
𝐿𝑢𝑒𝑔𝑜: 𝑚 ∗ 𝐹𝑖𝑙𝑎3 → 𝐹3
-0.071429*(-14) = 1
-0.071429*(-22) = 1.571429
Hasta aquí se ha conseguido escalonar la matriz de forma triangular superior y de elementos

unitarios en la diagonal principal, el siguiente paso es eliminar los elementos superiores de la
diagonal principal, para ello se prosigue de la siguiente manera:
A continuación vamos eliminando de abajo hacia arriba columna por columna:

7) Eliminación fila 2, columna 3:

𝑀 = −𝑎(2,3) = −(1.75) = −1.75 , seguidamente multiplicamos M por la Fila3 y le
M*F3+F2→F2:
-1.75*(1) + 1.75 = 0
-1.75*(1.571429) + 2.5 ≅ -0.250001

M*F3+F1→F1:
-1*(1) +1= 0
-1*(1.571429) + 3 ≅ 1.428571

M*F2+F1→F1:
-1*(1) + 1 = 0
-1*(-0.250001) + 1.428571 ≅ 1.678572
10) Resultados al llegar a la matriz identidad obtenemos los resultados:

X1 = 1.678572
X2 = -0.250001
X3 = 1.571429
Los resultados pueden diferir con los exactos que ofrecen
las calculadoras, esto se debe al error por redondeo que el
usuario escogió, por lo que se recomienda usar todos los
decimales que la calculadora permite para tener un error
mínimo por redondeo.
4.1.3. DESCOMPOSICION [L] [U]
Ejemplo:
2X1 + 2X2 + 2X3 = 6
-6X1 + 2X2 + 8X3 = 2
4X1 + 12X2 + 4X3 = 10
2 2 2 6
(−6 2 8 2 )
4 12 4 10

ENTER para continuar, la matriz se guardara automáticamente en la variable MM:
1) Pivoteo parcial:
columna en la posición U(1,1) de la matriz, también deben permutarse las filas de la matriz L y
de la matriz columna B:
Antes de pivotear Después de pivotear


Se calcula el coeficiente M para la eliminación en la fila 2:
𝑎(2,1) 2
𝑀=− =− ≅ 0.333333 …
𝑎(1,1) −6
Se coloca M con signo cambiado a la posición que le corresponde en la matriz L, es decir a la

posición L(2,1):
Se elimina en la fila 2:
Multiplicamos M por la Fila1 y le sumamos a la Fila2, el resultado lo colocamos en la Fila2
este paso no afecta en nada a la matriz columna B:
M*F1+F2→F2:
0.333333…*(-6) + 2 ≅ 0
0.333333…*(2) + 2 ≅ 2.666667
0.333333…*(8) + 2 ≅ 4.666667

𝑎(3,1) 4
𝑀=− =− ≅ 0.666667
𝑎(1,1) −6

posición L(3,1):
M*F1+F3→F3:
0.666667*(-6) + 4 ≅ 0
0.666667*(2) +12≅ 13.333333
0.666667*(8) + 4 ≅ 9.333333
4) Pivoteo parcial:
columna en la posición U(2,2) de la matriz, también deben permutarse las filas de la matriz L y
de la matriz columna B:
Antes de pivotear Después de pivotear

𝑎(3,2) 2.666667
𝑀 = −𝑎 = − 13.333333 ≅ −0.2
(2,2)

posición L(3,2):
M*F2+F3→F3:
-0.2*(13.333333) + 2.666667 ≅ 0
-0.2*(9.333333) + 4.666667 ≅ 2.8
6) Solución arriba-abajo: [L] {D} = {B}:
𝒅𝟏
∗ {𝒅𝟐} =
𝒅𝟑
𝑑1 = 2
𝑑2 = 10 − (−0.666667)(2) = 11.333334
𝑑3 = 6 − (−0.333333)(2) − (0.2)(11.333334) = 4.399999
7) Solución abajo-arriba: [U] {X} = {D}:
𝒙𝟏
*{𝒙𝟐} =
𝒙𝟑
4.399999
𝑥3 = = 1.571428
2.8
11.333334 − 9.333333(1.571428)
𝑥2 = = −0.25
13.333333
2 − 8(1.571428) − 2(−0.25)
𝑥1 = = 1.678571
−6
4.1.4. METODO DE THOMAS PARA SISTEMAS EC. TRIDIAGONALES
Ejemplo:

1X1 + 0.2X2 = 1
0.2X1 + 5X2 + 0.5X3 = 2
0.5X2 + 10X3 = 3
1 0.2 0 1
(0.2 5 0.5 2)
0 0.5 10 3
Luego de ingresar la matriz tri-diagonal de determinante distinto de cero, presionamos el botón

OK o ENTER para continuar, la matriz se guardara automáticamente en la variable MM:
1) Descomposición:
2) Matriz L:
Su construcción es sencilla, la diagonal principal tiene elementos unitarios y la diagonal inferior
tiene los mismos elementos de la diagonal inferior de la matriz A’ calculada anteriormente, el
resto de los elementos de la matriz son de valor 0.
Matriz U:
Su diagonal principal y su diagonal superior tiene los mismos elementos de la diagonal inferior
de la matriz A’ calculada anteriormente, el resto de los elementos de la matriz son de valor 0.
3) Solución arriba-abajo [L] {D} = {B}:
𝒅𝟏
*{𝒅𝟐} =
𝒅𝟑
𝑑1 = 1
𝑑2 = 2 − (0.2)(1) = 1.8
𝑑3 = 3 − 0(1) − (0.100806)(1.8) = 2.818549
4) Solución abajo-arriba [U] {X} = {D}:
𝒙𝟏
∗ {𝒙𝟐} =
𝒙𝟑
2.818549
𝑥3 = ≅ 0.283283
9.949597
1.8 − (0.5)(0.283283)
𝑥2 = ≅ 0.334346
4.96
1 − 0(0.283283) − (0.2)(0.334346)
𝑥1 = ≅ 0.933131
1
4.1.5. DESCOMPOSICION DE CHOLESKY
Ejemplo:

1X1 + 0.2X2 = 1
0.2X1 + 5X2 + 0.5X3 = 2
0.5X2 + 10X3 = 3
1 0.2 0 1
(0.2 5 0.5 2)
0 0.5 10 3
Luego de ingresar la matriz simétrica (determinante positiva: DET > 0), presionamos el botón
OK o ENTER para continuar, la matriz se guardara automáticamente en la variable MM:
1) Descomposición:
Se la obtiene de la siguiente manera:
De la cual se consiguen las fórmulas:
Realizando la descomposición finalmente tenemos la matriz L:
2) Solución arriba-abajo [L] {D} = {B}:

𝒅𝟏
∗ {𝒅𝟐} =
𝒅𝟑
1
𝑑1 = =1
1
2 − (0.2)(1)
𝑑2 = = 0.808224
2.227106
3 − (0)(1) − (0.224507)(0.808224)
𝑑3 = = 0.893558
3.154298
3) Obtenemos la traspuesta de la matriz [L]:
4) Solución abajo-arriba [L]T {X} = {D}:
𝒙𝟏
∗ {𝒙𝟐} =
𝒙𝟑
0.893558
𝑥3 = = 0.283283
3.154298
0.808224 − (0.224507)(0.283283)
𝑥2 = = 0.334346
2.227106
1 − 0(0.283283) − (0.2)(0.334346)
𝑥1 = = 0.933131
1
4.2. METODOS ITERATIVOS
4.2.1. METODOS DE GAUSS-SEIDEL
Ejemplo:
Resolver el siguiente sistema de ecuaciones lineales, con un Er = 0.001 utilizar 4 decimales de

precisión, ocupar valores iniciales x = x1 = x2 = x3 = 0:
1X1 + 0.2X2 = 1
0.2X1 + 5X2 + 0.5X3 = 2
0.5X2 + 10X3 = 3
Llevamos a su forma matricial matriz aumentada para cargar al programa:
1 0.2 0 1
(0.2 5 0.5 2)
0 0.5 10 3
Luego de ingresar la matriz de diagonal dominante o simétrica definida positiva, presionamos el

botón OK o ENTER para continuar, la matriz se guardara automáticamente en la variable MM:
Despejando:
1 − 0.2𝑥2 2 − 0.2𝑥1 − 0.5𝑋3 3 − 0.5𝑥2

𝑥1 = ; 𝑥2 = ; 𝑥3 =
1 5 10
Ocupando valores iniciales X1=X2=X3= 0:
1ra Iteración:
1−0.2(0)
𝑥1 = 1
=1
2−0.2(1)−0.5(0)
𝑥2 = ≅ 0.3600
5
3−0.5(0.36)
𝑥3 = 10
≅ 0.2820
2da Iteración:
1−0.2(0.36)
𝑥1 = ≅ 0.9280
1
2−0.2(0.928)−0.5(0.282)
𝑥2 = 5
≅ 0.3347
3−0.5(0.3347)
𝑥3 = 10
≅ 0.2833
1
𝐸𝑟(𝑋1) = |1 − 0.9280| ≅ 0.07759
0.360
𝐸𝑟(𝑋2) = |1 − 0.3347| ≅ 0.07559
0.2820
𝐸𝑟(𝑋3) = |1 − 0.2833| ≅ 0.00459
Repetimos el mismo procedimiento para el resto de las iteraciones:
Siendo 4 iteraciones necesarias para alcanzar el error relativo requerido:
X1=0.9331
X2=0.3343
X3=0.2833
4.2.2. METODO DE JACOBI
Ejemplo:
Resolver el siguiente sistema de ecuaciones lineales, con un Er = 0.001 utilizar 4 decimales de

precisión, ocupar valores iniciales x = x1 = x2 = x3 = 0:
1X1 + 0.2X2 = 1
0.2X1 + 5X2 + 0.5X3 = 2
0.5X2 + 10X3 = 3
Llevamos a su forma matricial matriz aumentada para cargar al programa:
1 0.2 0 1
(0.2 5 0.5 2)
0 0.5 10 3
Luego de ingresar la matriz de diagonal dominante o simétrica definida positiva, pulsamos el

botón OK o ENTER para continuar, la matriz se guardara automáticamente en la variable MM:
Despejando:
1 − 0.2𝑥2 2 − 0.2𝑥1 − 0.5𝑋3 3 − 0.5𝑥2

𝑥1 = ; 𝑥2 = ; 𝑥3 =
1 5 10
Ocupando valores iniciales X1=X2=X3= 0:
1ra Iteración:
1−0.2(0)
𝑥1 = 1
=1
2−0.2(0)−0.5(0)
𝑥2 = 5
≅ 0.4
3−0.5(0)
𝑥3 = 10
≅ 0.3
2da Iteración:
1−0.2(0.4)
𝑥1 = ≅ 0.920
1
2−0.2(1.)−0.5(0.3)
𝑥2 = 5
≅ 0.330
3−0.5(0.4)
𝑥3 = 10
≅ 0.280
1
𝐸𝑟(𝑋1) = |1 − 0.920| ≅ 0.08696
0.40
𝐸𝑟(𝑋2) = |1 − 0.330| ≅ 0.21212
0.280
𝐸𝑟(𝑋3) = |1 − 0.3
| ≅ 0.07143
Repetimos el mismo procedimiento para el resto de las iteraciones:
Siendo 5 iteraciones las necesarias para alcanzar el error relativo requerido:
X1=0.9331
X2=0.3344
X3=0.2833
5. INTERPOLACION Y DERIVACION NUMERICA
5.1. INTERPOLACION POR EL METODO DE LAGRANGE
Ejemplo:
Para el siguiente conjunto discreto de datos, usar el polinomio para interpolación de Lagrange,
si xp=1.65 hallar su correspondiente ordenada yp=__
Trabajar con 6 dígitos decimales de precisión
𝑿 𝒀
𝟎. 𝟕 𝟏. 𝟔𝟓
||𝟏. 𝟑 𝟏. 𝟏𝟎||
𝟐. 𝟏 𝟏. 𝟒𝟓
𝟑. 𝟑 𝟏. 𝟗𝟎
Cargamos los datos al programa, introduciendo los puntos X, Y en una matriz de dos columnas:
Finalizado los cálculos, los resultados se muestran de la siguiente forma:
En la última fila se observa que para Xp=1.65

entonces: Yp=1.158245
5.2. INTERPOLACION POR EL METODO DE ERIC H. NEVILLE
Ejemplo:
Para el siguiente conjunto discreto de datos, usar el polinomio para interpolación de Neville, si
Xp=1.65 hallar su correspondiente ordenada Yp=__
𝑿 𝒀
𝟎. 𝟕 𝟏. 𝟔𝟓
||𝟏. 𝟑 𝟏. 𝟏𝟎||
𝟐. 𝟏 𝟏. 𝟒𝟓
𝟑. 𝟑 𝟏. 𝟗𝟎
Finalizado los cálculos, los resultados se muestran de la siguiente forma:
En la última fila se observa que para

Xp=1.65 entonces: Yp=1.158244
5.3. DIFERENCIAS FINITAS DE NEWTON (INTERPOLACION Y DERIVACION)
5.3.1. DIFERENCIAS FINITAS PROGRESIVAS
Ejemplo:
Para el siguiente conjunto discreto de datos, usar las diferencias finitas progresivas para
interpolar Xp=0.87, hallar su correspondiente ordenada Yp=__? , y calcular la 2da, 3ra y 4ta
derivada cuando X=0.8
𝑿 𝒀
𝟎. 𝟖 𝟎. 𝟕𝟏𝟕𝟒
| 𝟏. 𝟎 𝟎. 𝟖𝟒𝟏𝟓|
| 𝟏. 𝟐 𝟎. 𝟗𝟑𝟐𝟎|
𝟏. 𝟒 𝟎. 𝟗𝟖𝟓𝟓
𝟏. 𝟔 𝟏. 𝟎𝟎𝟎𝟎
1) INTERPOLACION:
Al interpolar o derivar el programa muestra la planilla de resultados de las diferencias

progresivas:
2) DERIVACION:
En la entrada de datos se ingresan las derivadas que se desean en listas: {}.
Por ejemplo:
Si se desea calcular solamente la 2da y 4ta derivada: {2 4}
Si se desea calcular la 2da 4ta 5ta 6ta derivada: {2 4 5 6}
Si no se desea calcular nada se deja la lista con el número: {0}
En este problema nos piden calcular la 2da, 3ra, y 4ta derivada cuando x = 0.8:
A aparecerá en pantalla la planilla de los resultados de las diferencias progresivas:
Presionamos ENTER y nos irá mostrando una a una las derivadas que solicitamos:
5.3.2. DIFERENCIAS FINITAS REGRESIVAS
Ejemplo:
Para el siguiente conjunto discreto de datos, usar las diferencias finitas regresivas para
𝑿 𝒀
𝟎. 𝟖 𝟎. 𝟕𝟏𝟕𝟒
| 𝟏. 𝟎 𝟎. 𝟖𝟒𝟏𝟓|
| 𝟏. 𝟐 𝟎. 𝟗𝟑𝟐𝟎|
𝟏. 𝟒 𝟎. 𝟗𝟖𝟓𝟓
𝟏. 𝟔 𝟏. 𝟎𝟎𝟎𝟎
1) INTERPOLACION:

regresivas:
2) DERIVACION:
Por ejemplo:
A aparecerá en pantalla la planilla de los resultados de las diferencias regresivas:
5.3.3. DIFERENCIAS FINITAS CENTRALES Y MEDIAS
Ejemplo:
Para el siguiente conjunto discreto de datos, usar las diferencias finitas centrales y medias para
𝑿 𝒀
𝟎. 𝟖 𝟎. 𝟕𝟏𝟕𝟒
| 𝟏. 𝟎 𝟎. 𝟖𝟒𝟏𝟓|
| 𝟏. 𝟐 𝟎. 𝟗𝟑𝟐𝟎|
𝟏. 𝟒 𝟎. 𝟗𝟖𝟓𝟓
𝟏. 𝟔 𝟏. 𝟎𝟎𝟎𝟎
1) INTERPOLACION:

centrales y medias:
2) DERIVACION:
Por ejemplo:
A aparecerá en pantalla la planilla de los resultados de las diferencias progresivas:
6. INTEGRACION NUMERICA
6.1. REGLA DEL TRAPECIO
Ejemplo:
Para f(x) = sin(x)/x, con la regla del trapecio calcular el área aproximada bajo la curva
para el intervalo X [a, b]= [1, 2] con h = 0.2
Utilizar 11 decimales de operación
Calculo de N:
(𝑏−𝑎) 2−1
𝑁 = ℎ = 0.2 = 5, utilizamos N para cargar los datos a la ventana:
Presionamos OK o ENTER para continuar, seguidamente obtendremos la tabla de valores

X, Y de la función en el rango dado:
Se calculan las áreas parciales, de la siguiente manera:
A1 A2 A3 A4
Y finalmente la sumatoria de todas estas áreas parciales, es el área total bajo la curva:
6.2. REGLA DE SIMPSON 1/3
Ejemplo:
Para f(x) = sin(x)/x, con la regla de Simpson 1/3 calcular el área aproximada bajo la curva
Utilizar 11 decimales de operación
Calculo de N:
(𝑏−𝑎) 2−1
𝑁 = ℎ = 0.25 = 4, utilizamos N para verificar que ésta sea par, si no fuese par, la regla
de Simpson no puede aplicarse:

X, Y de la función en el rango dado:
Resultados parciales:
Resultado final:
6.3. REGLA DE ROMBERG
Ejemplo:
Para f(x) = sin(x)/x, con la regla de Romberg calcular el área aproximada bajo la curva
Utilizar 11 decimales de operación y P = 3 ciclos

X, Y con n-# espaciamientos para cada ciclo de ajuste:
Avance del ajuste de integración:

Finalmente el área bajo la curva es:

7. ECUACIONES DIFERENCIALES
7.1. METODO DE EULER

Ejemplo:
Para la f’(x) = -(x*y)+4*(x/y), resolver la ecuación diferencial mediante el método de
Euler:
Valores iniciales:
Si: X0 = 0
Y0 = 1
Resolver la ecuación diferencial cuando X = 1.
Utilizar 6 decimales de operación y N = 4
7.2. METODO DE EULER MODIFICADO

Ejemplo:
Euler Modificado:
Valores iniciales:
Si: X0 = 0
Y0 = 1
7.3. METODO DE RUNGE – KUTTA
Ejemplo:
Runge - Kutta:
Valores iniciales:
Si: X0 = 0
Y0 = 1

MNUMv 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

MNUMv 1

Uploaded by

Copyright:

Available Formats

Manual de programa Métodos Numéricos (MNUMv1.

No está demás mencionar que el programa MNUMv1.0 opera automáticamente en

MNUMv1.00 inicia con la presentación del programa y posterior el menú:

La presente lista de selección se muestran los

En esta lista de selección el usuario puede

Si el usuario desea salir del menú de

3. MÉTODOS PARA LA RESOLVER ECUACIONES NO LINEALES

4. MÉTODOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES

5. INTERPOLACION Y DERIVACION NUMERICA

A continuación se detalla el uso de cada método numérico con ejemplos en el programa.

Es una aplicación para generar las tablas de

Presionar el botón ENTER para finalizar.

Es una aplicación para graficar puntos X, Y de las

Ingresamos la función, necesariamente debe ser respecto a la variable X.

A continuación se muestran los valores obtenidos de reemplazar Xo = 1.1 en la función y sus

0.841467310472 + 3.71336400025𝑥10−6 ≅ 0.841470984808

3. MÉTODOS PARA LA RESOLVER ECUACIONES NO LINEALES

3.1. METODO DE LA BISECCION

Presionamos OK o también ENTER:

𝑳𝒏(𝒃 − 𝒂) + 𝑳𝒏(𝑬) 𝑳𝒏(𝟏. 𝟓 − 𝟏) + 𝑳𝒏(𝟎. 𝟎𝟎𝟏)

3.2. ITERACION DEL PUNTO FIJO

Realizando los criterios de convergencia se tiene que:

3.3. METODO DE NEWTON

Se puede ver que el método de Newton es de rápida convergencia.

F(x) = Sin (x) ; F’(x) = Cos (x)

3.4. METODO DE LA SECANTE

Se puede ver que el método de la Secante es de rápida convergencia.

F(x) = Sin (x)

3.5. METODO DE NEWTON PARA POLINOMIOS

Se trata de un método para polinomios de la forma:

𝐴0 𝑋 𝑛 + 𝐴1 𝑋 𝑛−1 + 𝐴2 𝑋 𝑛−2 + ⋯ + 𝐴𝑛−2 𝑋 2 + 𝐴𝑛−1 𝑋1 + 𝐴𝑛 𝑋 0

La columna Er(x) es el error relativo entre los

3.6. METODO DE BERNOULLI PARA POLINOMIOS

Se trata de un método para polinomios de la forma:

𝐴0 𝑋 𝑛 + 𝐴1 𝑋 𝑛−1 + 𝐴2 𝑋 𝑛−2 + ⋯ + 𝐴𝑛−2 𝑋 2 + 𝐴𝑛−1 𝑋1 + 𝐴𝑛 𝑋 0

La columna Er(U) es el error relativo entre los valores

4. MÉTODOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES

4.1.1. METODO DE ELIMINACION DE GAUSS

Llevamos a su forma matricial matriz aumentada:

Luego de ingresar la matriz con determinante distinto de cero, presionamos el botón OK o

2) Eliminación para la fila 2:

3) Eliminación para la fila 3:

5) Eliminación para la fila 3:

6) Solución abajo-arriba, cálculo de X, Y, Z:

Luego de haber llegado a la forma triangular superior se procede a

-6X1 + 2X2 + 8X3 = 2

4.1.2. METODO DE GAUSS-JORDAN

Luego de ingresar la matriz con determinante distinto de cero, presionamos el botón OK o

1) Elemento a(1,1) debe ser igual a 1 :

2) Eliminación para la fila 2:

3) Eliminación para la fila 3:

4) Elemento a(2,2) debe ser igual a 1:

5) Eliminación para la fila 3:

6) Elemento a(3,3) debe ser igual a 1:

Hasta aquí se ha conseguido escalonar la matriz de forma triangular superior y de elementos

A continuación vamos eliminando de abajo hacia arriba columna por columna:

Se calcula el coeficiente M para eliminación en la fila 2:

8) Eliminación fila 1, columna 3:

9) Eliminación fila 1, columna 2:

10) Resultados al llegar a la matriz identidad obtenemos los resultados:

4.1.3. DESCOMPOSICION [L] [U]

Luego de ingresar la matriz con determinante distinto de cero, presionamos el botón OK o

Antes de pivotear Después de pivotear