1

UNIVERSIDAD MAYOR DE SAN SIMON

FACULTAD DE CIENCIAS Y TECNOLOGIA
DEPARTAMENTO DE MATEMATICAS
EJERCICIOS Y PROBLEMAS
LIC. DEMETRIO JUCHANI B.
2009
2
CAPITULO 1
1 Introduccin.5
1.1 Sistemas de Nmeros de punto flotante5
1.2 Aritmtica de punto flotante.............................5
1.3 teora de Errores5
1.3.1 Error absoluto..............................5
1.3.2 Error Relativo......5
1.3.3 Error por redondeo..5
1.3.4 Error Significativo...5
1.3.5 Error Propagado.......5
1.3.6 Error por truncamiento.........5
1.4 Precisin del Computador...5
1.5 Condicin de un Problema..............................6
1.6 Ejercicios.6
CAPITULO 2
2 Interpolacin Polinomial...7
2.1 Polinomio de Interpolacin de Lagrange.7
2.1.1 Cota del Error.7
2.2 Diferencias Divididas...8
2.3 Polinomio de Interpolacin de Newton....8
2.4 Polinomio de Interpolacin por Diferencias Finitas Progresivas de grado n ..8
2.5 Polinomio de Interpolacin por Diferencias Finitas Retrgradas de grado n ..8
2.6 Interpolacin por Splines Cbicos.8
2.6.1 Construccin del spline Cbico...9
2.7 Ejercicios.....10
2.7.1 Polinomio de Lagrange...10
2.7.2 Polinomio de Newton.12
2.7.3 Splines Cbicos..13
CAPITULO 3
3 Ecuaciones No Lineales16
3.1 Introduccin.16
3.2 Mtodo de Biseccin16
3.2.1 Teorema de Biseccin16
3.2.2 Nmero de Iteraciones17
3.3 Ejercicios..17
3.4 Mtodo de Punto Fijo..19
3.4.1 Teorema de Convergencia de Punto fijo19
3.5 Ejercicios..19
3.6 Mtodo de Newton Raspn...22
3.7 Ejercicios..22
3.8 Sistemas de Ecuaciones No Lineales...23
3.9 Mtodo de Newton..24
3.10 Ejercicios...24
3.11 Mtodo de Punto Fijo.25
3.12 Ejercicios25
CAPITULO 4
4 Sistemas Lineales27
4.1 Introduccin.27
4.2 Norma para Vectores27
4.3 Norma para Matrices27
3
4.4 Estabilidad de un Algoritmo.27
4.5 Algoritmo estable para un Sistema Lineal27
4.6 Condicin de un Sistema Lineal28
4.7 Nmero de Condicin28
4.7.1 Propiedades.28
4.8 Mtodos Directos..29
4.8.1 Algoritmo de Gauss.29
4.8.2 Descomposicin LU.30
4.8.3 Mtodo de Cholesky.30
4.9 Mtodos Iterativos..31
4.9.1 Mtodo de Jacobi..31
4.9.2 Mtodo de Gauss Seidel31
4.9.3 Criterios de Convergencia32
4.10 Ejercicios..32
CAPITULO 5
5 Diferenciacin e Integracin Numrica.36
5.1 Diferenciacin Numrica36
5.1.1 Frmulas de Tres Puntos..36
5.1.2 Frmulas de Cinco Puntos36
5.1.3 Frmula para Derivada de Orden Superior..37
5.2 Ejercicios37
5.3 Integracin Numrica.39
5.3.1 Introduccin..39
5.4 Frmula de Cuadratura de Newton Cotes...40
5.5 Frmula de los Trapecios40
5.5.1 Error en la Frmula de los Trapecios41
5.6 Frmula de Simpson (1/3)..41
5.7 Frmula de Simpson (3/8)..41
5.8 Ejercicios.42
5.9 Mtodos Numricos para Integral doble.45
5.10 Ejercicios...46
CAPITULO 6
6 Problemas de Ecuaciones Diferenciales Ordinarias con valor nicial.47
6.1 Introduccin.47
6.2 Mtodo de Euler..48
6.3 Mtodo de Euler Modificado..48
6.4 Mtodo de Taylor de Orden n48
6.5 Mtodo de Runge Kutta de Orden Cuatro48
6.6 Problemas de Condicin Inicial de Orden Superior y Sistemas de Ecuaciones
diferenciales48
6.7 Ejercicios.49
ANEXO - CAPITULO 7
7 Ejemplos y Ejercicios en Matlab55
7.1 Representacin de un Polinomio55
7.1.1 Evaluacin de un Polinomio.55
7.1.2 Ajuste de Polinomios56
7.2 Grficos Bidimensionales..56
7.3 Interpolacin..56
7.4 Grficos, Splines con 3 y 5 Puntos56
7.4.1 Aplicacin de Spline, Grfica de una Pieza.57
4
7.5 Ecuaciones No Lineales..57
7.5.1 Algoritmo de Newton57
7.5.2 Sistema de Ecuaciones No Lineales.58
7.6 Sistemas Lineales59
7.7 Normas de Vectores y Matrices..59
7.8 Resolucin de Sistemas Lineales60
7.9 Integracin Numrica.60
7.9.1 Cuadratura de Simpson.60
7.9.2 Mtodo de Simpson (1/3).60
7.9.3 Mtodo de los Trapecios..61
7.10 Problemas de Condicin Inicial61
7.11 Prctica en Laboratorio de Matlab62
7.11.1 Interpolacin62
7.11.2 Ecuaciones No Lineales..62
7.11.3 Sistemas Lineales63
7.11.4 Integracin Numrica.64
7.11.5 Problemas de Condicin Inicial..65
7.12 Referencias Bibliogrficas65
5
CAPITULO 1
1.- INTRODUCCION:
1.1.- SISTEMA DE NUMEROS DE PUNTO FLOTANTE:
Sea F el conjunto de nmeros de punto flotante, cada nmero F x e tiene la forma:
n
a t
a b b b x ) ... . 0 (
2 1
= ; 1 1
1
s s a b ; 1 0 s s a b
i
; t i ,..., 2 =
Donde a es la base, n exponente, t longitud.
1.2.- ARITMETICA DE PUNTO FLOTANTE.-
Las operaciones de suma, resta, multiplicacin y divisin, se denota por:
)) ( ) ( ( y fl x fl fl y x + =
)) ( ) ( ( y fl x fl fl y x = O
)) ( * ) ( ( y fl x fl fl y x =
x 0 ; 0 ) ( )); ( ) ( ( = = = y y fl y fl x fl fl y
1.3.- TEORIA DE ERRORES:
1.3.1.- Error Absoluto.-
*
p p donde
*
p es un nmero aproximado de p .
1.3.2.- Error Relativo.- 0 ;
*
=

p
p
p p
1.3.3.- Error por redondeo.- Cuando se reemplaza un nmero por su forma de punto
flotante, independientemente si esta redondeado por exceso o por defecto.
1.3.4.- Error significativo.- Cuando se restan nmeros casi iguales o cuando se suman
nmeros casi iguales en magnitud pero de signos contrarios. Tambin cundo se divide
por un divisor relativamente pequeo.
1.3.5.- Error Propagado.- Es aquel error de salida, generado por un error en los datos
de entrada. Suponiendo que todos los clculos en el proceso se efectan exactamente
(sin error de redondeo).
1.3.6.- Error por Truncamiento.- Ocurre cuando un proceso que requiere un nmero
infinito de pasos, se detiene en un nmero finito de estos. (no depende del sistema
numrico que se utiliza). Ejm: el polinomio de Taylor.
1.4.- PRECISION DE UN COMPUTADOR.-
Definicin.- eps es un nmero positivo ms pequeo tal que: 1 ) 1 ( > + eps fl
eps se llama precisin del computador.
El valor de eps en base 10 con l cifras en la mantisa es:
6
1 10 * 1 ... 100 . 0 ) 10 * 05 ... 100 . 0 (
1 ) 10 * 049 ... 100 . 0 (
1 1
1
> =
=
fl
fl
De donde:
l
eps

= 10 * 5 y
l
eps

= 2 en base dos.
OBS: Un nmero real y su forma de punto flotante se puede escribir como:
) 1 ( ) ( + = x x fl con eps s
O como: ) 1 ( + = x x con eps s
1.5.- CONDICION DE UN PROBLEMA.- Sea ) (x P un problema dado por
R R P
n
: . La condicin k de ) (x P es el nmero mas pequeo positivo k , tal que:
eps
x
x x
i
i i
s

eps k
x P
x P x P
s

) (
) ( ) (
) (x P es bien condicionado si k no es demasiado grande, sino el problema es mal
condicionado.
1.6.- EJERCICIOS
1.- defina nmero de condicin de un problema.
2.- defina error absoluto. Error relativo . Error por truncamiento.
3.- describa los elementos del conjunto de nmeros de punto flotante.
4.- sabiendo que la ecuacin 1 01 . 2 = x x se resolvi por un mtodo numrico
obtenindose el resultado x = - 0.97
a) Hallar el error absoluto.
b) Hallar el error relativo.
5.- Sea R R P
2
: / y x y x P + = ) , ( Hallar la condicin del problema.
6.- Sea R R P
2
: / y x y x P = ) , ( Hallar la condicin del problema.
7.-Sea R R P
2
: / xy y x P = ) , ( Hallar la condicin del problema.
8.- Sea R R P
2
: / 0 ; ) , ( = = y
y
x
y x P Hallar la condicin del problema.
9.- Sea R R R P
n n
: /
_
=
=
n
i
i i
y x y x P
1
) , ( ; n i ,...., 1 = Hallar la condicin del
problema.
10.- Sea
2 2 2
) , ( / : y x y x P R R P = Hallar la condicin del problema.
7
11.- Encuentre el polinomio de Taylor de grado 2 para 3 ) (
2
= x x f expandido
alrededor de a) 1
0
= x ; b) 0
0
= x
R. 2 ) 1 ( 2 ) 1 (
2
+ x x
12.- Sea
2
) 1 ( ) (

+ = x x f , x
0
= 0 , x = 0.05 .Para un polinomio de grado tres hallar el
error por truncamiento.
13.- Sea
x
e x f

= ) ( , x
0
= 0 , x =- 0.99 .Para un polinomio de grado tres hallar el error
por truncamiento.
14.-Sea ) 1 ln( ) ( x x f + = . Encuentre el polinomio de Taylor de cuarto grado para f ,
alrededor de 0
0
= x y selo para aproximar ln(1.1). Encuentre el error por
truncamiento.
CAPITULO 2
INTERPOLACION POLINOMIAL
Si se desea ajustar una curva a un conjunto de datos, lo lgico y la mnima exigencia
que se hace a la curva es que pase por todos los puntos.
La principal diferencia que existe con los mnimos cuadrados, es que los ltimos buscan
un ajuste que minimiza distancias, pero no necesariamente exige que esta curva pase por
los puntos.
La interpolacin puede ser de dos formas:
Polinomial: Lagrange, diferencias divididas finitas
Interpolacin
Spline: funcin cbica por tramos
Teorema.- (de aproximacin de weierstrass). Sea f una funcin definida y continua en
[a, b], dado 0 > . Existe un polinomio P definida en [a, b] con la propiedad:
< ) ( ) ( x p x f ; ] , [ b a x e
2.1.- POLINOMIO DE INTERPOLACION DE LAGRANGE.
Teorema.- sean
n
x x x ,..., ,
1 0
; (n+1) puntos diferentes y f una funcin cuyos valores
estn dados en stos puntos, entonces existe un nico polinomio P de grado n con la
propiedad:
) ( ) (
k k
x P x f = ; n k ,..., 1 , 0 =
El polinomio es:
) ( ) ( ) (
0
k k
n
k
x f x L x P
_
=
= ; donde
[
=
=

=
n
k i
i i k
i
k
x x
x x
x L
0
) ( ; n k ,..., 1 , 0 =
2.1.1.- COTA DEL ERROR.
) )...( )( (
)! 1 (
)) ( (
) (
1 0
1
n
n
x x x x x x
n
x f
x e
+
=
+

;
n
x x x < < ) (
0

8
2.2.- DIFERENCIAS DIVIDIDAS.
Definicin.- Sean )) ( , ( )),..., ( , ( )), ( , (
1 1 0 0 n n
x f x x f x x f x , las
i
x diferentes entre si. Las
diferencias divididas de orden k se define como:
i k i
k i i k i i
k i k i i i
i i
i i
i i
i i
x x
x x f x x f
x x x x f
x x
x f x f
x x f
x f x f

=
=
+
+ + +
+ + +
+
+
+
] ,..., [ ] ,..., [
] , ,... , [
) ( ) (
] , [
) ( ] [
1 1
1 1
1
1
1

2.2.1.- POLINOMIO DE INTERPOLACION DE NEWTON.

Teorema.- El polinomio de interpolacin de newton por diferencias divididas de grado
n que pasa por
)) ( , (
i i
x f x ; n i ,..., 1 , 0 =
Esta dado por:
_
=

+ =
n
k
k k n
x x x x x x x x x f x f x P
1
1 1 0 1 0 0
) )...( )( ]( ,..., , [ ] [ ) (
2.2.2.- POLINOMIO DE INTERPOLACION POR DIFERENCIAS FINITAS
PROGRESIVAS DE GRADO n .
Para
n
x x x ,..., ,
1 0
_
=
A
|
|
.
|

\
|
=
n
k
k
n
x f
k
s
x p
0
0
) ( ) ( ; donde
h
x x
s
0

=
2.2.3.- PO LINOMIO DE INTERPOLACION POR DIFERENCIAS FINITAS
RETROGRADAS DE GRADO n .
Para
0 1 1
, ,..., , x x x x
n n
_
=
V
|
|
.
|

\
|
=
n
k
n
k
n
x f
k
s
x p
0
) ( ) ( ; donde
h
x x
s
n

=
2.3.- INTERPOLACION POR SPLINES.
Spline es una funcin cbica por tramos, es decir, hace un ajuste polinomial cbico
entre dos puntos. Este ajuste hace para todos los puntos que se dispongan. La ventaja es
que al ser de grado 3, no oscila como un polinomio de alto grado.
Definicin.- Dada una funcin R R f : y un conjunto de nmeros llamados nodos
b x x x a
n
= < < < = ...
1 0
, un spline cbico S para f es una funcin R R S : que
cumple las siguientes condiciones:
a)
j
S es un polinomio cbico en ] , [
1 + j j
x x ; 1 ,..., 1 , 0 = n j
b) ) ( ) (
j j
x f x S = ; n j ,..., 1 , 0 = ; pasa por todos los puntos.
c) ) ( ) (
1 1 1 + + +
=
j j j j
x S x S ; 2 ,..., 1 , 0 = n j ; es continua, no tiene cortes o esquinas.
d) ) ( ) (
1
'
1
'
1 + + +
=
j j j j
x S x S ; 2 ,..., 1 , 0 = n j ; es diferenciable en todos los puntos.
9
e) ) ( ) (
1
' '
1
' '
1 + + +
=
j j j j
x S x S ; 2 ,..., 1 , 0 = n j ; curvatura mnima.
f) Si ) ( ) (
' '
0
' '
n
x S x S = ; spline natural.
Si ) ( ) (
0
'
0
'
x S x S = y ) ( ) (
' '
n n
x f x S = spline con frontera fija.
2.3.1.- CONSTRUCCION DEL SPLINE CUBICO.
3 2
) ( ) ( ) ( ) (
j j j j j j j j
x x d x x c x x b a x S + + = ; 1 ,..., 1 , 0 = n j
Hacemos:
j j j
x x h =
+1
; 1 ,..., 1 , 0 = n j
Clculo de
j
a .-
) (
j j
x f a = ; n j ,..., 1 , 0 =
Clculo de
j
b .-
) 2 (
3
) (
1
1 1 + +
+ =
j j
j
j j
j
j
c c
h
a a
h
b ; 1 ,..., 1 , 0 = n j
Clculo de
j
d .-
j
j j
j
h
c c
d
3
1

=
+
; 1 ,..., 1 , 0 = n j
Clculo de
j
c .- la forma matricial de un spline cbico, con 0
0
= c , 0 =
n
c es:
A=
|
|
|
|
|
|
|
|
.
|

\
|
+
+
+

1 0 0 0
) ( 2 0
0 0
0 ) ( 2 0
0 ) ( 2
0 0 0 1
1 1 2 2
2 2 1 1
1 1 0 0

n n n n
h h h h
h h h h
h h h h
|
|
|
|
|
|
|
|
.
|

\
|



=


0
) ( ) (
) ( ) (
) ( ) (
0
2 1
3
1
3
1 2
3
2 3
3
0 1
3
1 2
3
2 1
1 2
0 1
n n h n n h
h h
h h
a a a a
a a a a
a a a a
b
n n

; X=
|
|
|
|
|
.
|

\
|
n
c
c
c

1
0
10
2.4.- EJERCICIOS
2.4.1.-POLINOMIO DE LAGRANGE.
Para los ejercicios 1 5. Use el polinomio de Lagrange apropiados de grado uno, dos,
tres y cuatro para aproximar:
1.- ) 5 . 2 ( f si:
4359160 . 0 8 . 2
4813306 . 0 6 . 2
5104147 . 0 4 . 2
5207843 . 0 2 . 2
5103757 . 0 0 . 2
) (x f x
R.
4980705 . 0 4
4980630 . 0 3 8 . 2 ; 6 . 2 ; 4 . 2 ; 2 . 2
4982120 . 0 2 6 . 2 ; 4 . 2 ; 2 . 2
4958727 . 0 1 6 . 2 ; 4 . 2
todos
on Aproximaci Grado Ptos
2.- ) 0 ( f si:
79845 . 0 5 . 0
39569 . 0 3 . 0
11007 . 0 1 . 0
08993 . 0 1 . 0
20401 . 0 3 . 0
) (


x f x
R.
00010625 . 0 4
00063250 . 0 3 3 . 0 ; 1 . 0 ; 1 . 0 ; 3 . 0
00063250 . 0 2 1 . 0 ; 1 . 0 ; 3 . 0
010070 . 0 1 1 . 0 ; 1 . 0
todos
on Aproximaci Grado Ptos



3.- ) 25 . 1 ( f si:
76155 . 3 4 . 1
59751 . 1 3 . 1
86160 . 0 2 . 1
48603 . 0 1 . 1
24255 . 0 0 . 1
) (x f x
11
R.
13745 . 1 4
11778 . 1 3 4 . 1 ; 3 . 1 ; 2 . 1 ; 1 . 1
18451 . 1 2 3 . 1 ; 2 . 1 ; 1 . 1
22956 . 1 1 3 . 1 ; 2 . 1
todos
on Aproximaci Grado Ptos
4.- ) 5 . 0 ( f si:
3843735 . 0 0 . 1
6386093 . 0 8 . 0
8080348 . 0 6 . 0
9177710 . 0 4 . 0
9798652 . 0 2 . 0
) (x f x
R.
8693047 . 0 4
8696111 . 0 3 8 . 0 ; 6 . 0 ; 4 . 0 ; 2 . 0
8688582 . 0 2 6 . 0 ; 4 . 0 ; 2 . 0
8629029 . 0 1 6 . 0 ; 4 . 0
todos
on Aproximaci Grado Ptos
5.- ) 2 . 0 ( f si:
6801169 . 3 6 . 0
9682818 . 2 5 . 0
3855409 . 2 4 . 0
9121188 . 1 3 . 0
2314028 . 1 1 . 0
) (x f x
R.
5316948 . 1 4
5325585 . 1 3 5 . 0 ; 4 . 0 ; 3 . 0 ; 1 . 0
5274061 . 1 2 4 . 0 ; 3 . 0 ; 1 . 0
5717608 . 1 1 3 . 0 ; 1 . 0
todos
on Aproximaci Grado Ptos
6.- Sea
x x
e xe x f 2 3 ) ( = . Aproxime f(1.03) usando el polinomio de Lagrange de
grado dos, con , 1
0
= x 05 . 1
1
= x y 07 . 1
2
= x . Hallar la cota del error.
7.- sea
x
e x f = ) ( , 2 0 s s x .Usando los valores dados, efecte los siguientes clculos:
a) Aproxime f(0.25) usando interpolacin lineal con 0
0
= x 5 . 0
1
= x .
b) Aproxime f(0.75) usando interpolacin lineal con 5 . 0
0
= x 1
1
= x .
12
c) Aproxime f(0.25) y f(0.75) usando el polinomio de interpolacin de segundo
grado con 0
0
= x , 1
1
= x , 2
2
= x .
R: 1.32436, 2.18350, 1.15277, 2.01191.
8.- a) use el polinomio de interpolacin de lagrange de segundo grado para aproximar
f(2.05), con 5 . 1
0
= x , 0 . 2
1
= x , 5 . 2
2
= x si x x f 7 ) ( =
b) Calcular la cota del error para el polinomio de a).
9.- Dada la funcin x sen x f 2 ) ( = definida en el intervalo [0 , 1]. Calcular la cota del
error sabiendo que se ha aproximado f(0.3) con un polinomio de lagrange de grado tres.
10.- Para los datos de la tabla:
226505 1980
203212 1970
179323 1960
150697 1950
131669 1940
123203 1930
) (miles
Poblacion
Ao
Hallar el polinomio de Lagrange de grado 5 que ajusta estos datos y use este polinomio
para estimar la poblacin en el ao 1965.
R. 192407000
2.4.2.- POLINOMIO DE NEWTON.
1.- Demostrar que:
] , [ ] , [
1 2 2 1
x x f x x f =
2.- demostrar que:
] , , [ ] , , [
2 0 1 2 1 0
x x x f x x x f =
3.- Con los datos:
28172 . 4 0 . 1
17788 . 5 6 . 0
65014 . 5 3 . 0
89483 . 5 1 . 0
00000 . 7 0 . 0
) (

x f x
a) Hallar f(0.2) con el polinomio de newton de grado dos
b) Hallar el polinomio de newton de grado cuatro.
R: -7+11.0517x-32.7608x(x-0.1)+55.7706x(x-0.1)(x-0.3)-55.4925x(x-0.1)(x-0.3)(x-0.6)
13
4.- Se tiene los datos:
22554 . 2 8 . 0
82212 . 1 6 . 0
49182 . 1 4 . 0
22140 . 1 2 . 0
00000 . 1 0 . 0
) (x f x
Hallar f(0.05) con el polinomio de newton de grado cuatro.
R. 1.05126
5.- Para los datos de la tabla:
226505 1980
203212 1970
179323 1960
150697 1950
131669 1940
123203 1930
) (miles
Poblacion
Ao
Use un polinomio de newton apropiado para aproximar la poblacin en el ao 1965.
6.- Hallar un polinomio de segundo grado tal que, f[2]=3 ; f[-1, 2, 5]=7 ; 20 ) 2 (
'
= f
R: 9 8 7
2
x x
7.- Construir un polinomio de grado tres si se conocen: 3
2
= x , 2
3
= x , 2
4
= x y
j 8
3
= x f , j 3 ,
3 2
= x x f , j 2 , ,
4 3 2
= x x x f y pasa por el punto (1, 10)
R: 99 . 4 67 . 2 75 . 9 58 . 2
2 3
+ + x x x
2.4.3.- TRAZADOR CUBICO (Splines Cbicos).
1.- Enuncie las propiedades de los splines cbicos.
Para los ejercicios 2 7. Use interpolacin de trazador cbico natural para aproximar:
2.- f(2.5) si:
X f(x)
2.2
2.4
2.6
0.5207843
0.5104147
0.4813306
R: 0.4976272
3.- f(5.3) si:
X f(x)
5.0
5.2
5.4
2.168861
1.797350
1.488591
R: 1.637087
14
4.- f(0) con:
X f(x)
-0.3
-0.1
0.1
0.3
-0.20431
-0.08993
0.11007
0.39569
R: -0.00277301
5.- f(1.25) si:
X f(x)
1.1
1.2
1.3
1.4
0.48603
0.86160
1.59751
3.76155
R: 1.09542
6.- f(0.5) si:
X f(x)
0.2
0.4
0.6
0.8
1.0
0.9798652
0.9177710
0.8080348
0.6386093
0.3843735
R: 0.8695049
7.- f(0.2) si:
X f(x)
0.1
0.3
0.4
0.5
0.6
1.2314028
1.9121188
2.3855409
2.9682818
3.6801169
R: 1.542323
8.- Sea:
X f(x)
2
2.5
3
0.5134
0.4346
0.3679
a) Construir los splines cbicos naturales.
b) Aproximar ) 3 . 2 (
'
f y ) 3 . 2 (
' '
f
c) comparar b) con los valores reales si:
3
) (
x
e x f

=
9.- Sea:
X f(x)
0.0
0.25
0.5
1.0
0.707
0.0
15
a) Construir los splines cbicos naturales.
b) Mediante spline de a) calcular la integral:
}
25 . 0
0
) ( dx x f
10.- a) Con los datos de la tabla construir un spline cbico para aproximar 34 . 0 sen
b) Usando el spline construido en a) aproxime 34 . 0 cos
c) Con el spline construido en a) aproximar
}
35 . 0
30 . 0
senxdx
x Senx
x senx D
x
cos ) ( =
0.30
0.32
0.35
0.29552
0.31457
0.34290
0.95534
0.94924
0.93937
R: a) 0.33348, b) 0.94270, c) 0.015964
11.- Sea x x f cos ) ( = , cuyos valores de x son:
X f(x)
0.0
0.25
0.5
0.75
1.0
a) Construir los splines cbicos naturales.
b) Integre los splines sobre el intervalo [0 , 1] y compare el resultado con
}
=
1
0
0 cos xdx
c) Use las derivadas de los splines para aproximar ) 5 . 0 (
'
f y ) 5 . 0 (
' '
f
Comparar estas aproximaciones con los valores reales.
R.
}
=
1
0
000000 . 0 ) ( dx x S ; 24264 . 3 ) 5 . 0 (
'
= S ; 000019 . 0 ) 5 . 0 (
' '
= S
12.- Para los datos de la tabla:
Ao Poblacin
(miles)
1930
1940
1950
1960
1970
1980
123203
131669
150697
179323
203212
226505
a) Hallar los splines cbicos
b) Predecir la poblacin en el ao 1965
R. 191844000
16
CAPITULO 3
ECUACIONES NO LINEALES.
3.1.- INTRODUCCION.- Sea f:RR El problema es calcular la solucin de la
ecuacin no lineal f(x)=0
Mas aun si f:RR n1 representa un sistema de ecuaciones no lineales (Las cuales
aparecen en la optimizacin y en la solucin numrica de problemas de frontera no
lineales).
Teorma (fundamental del lgebra).- Sea P(x) e C[x] de grado n, entonces P(x) tiene
exactamente n ceros contando con su multiplicidad.
Teorema (T.V.I.).- Sea f una funcin contnua en [a , b] y k un nmero cualquiera entre
f(a) y f(b). Entonces existe un nmero c e (a, b) tal que f(c) = k
Teorema (Existencia y unicidad para la solucin de una ecuacin).- Sea f:IR una
funcin contnua:
La ecuacin f(x)=0 tiene
una y solo una solucin - a,be I tal que f(a)f(b)<0
3.2.- METODO DE BISECCION.- el mtodo de biseccin se basa en el teorema del
valor intermedio y divide repetidamente los subintervalos de [a , b], hasta hacer lo mas
pequeo posible a la tolerancia.
algoritmo de biseccin.-
Sea x e[a , b] donde f(a)f(b)<0
hacemos: a a =
1
, b b =
1
,
2
1 1
1
b a
x
+
=
a) si 0 ) (
1
= x f termina el proceso y la solucin es
1
x x =
b) si 0 ) ( * ) (
1 1
< x f a f ] , [
1 1
x a x e
luego: :
1 2
a a = ,
1 2
x b = ,
2
2 2
2
b a
x
+
= continua el proceso.
c) si 0 ) ( * ) (
1 1
< b f x f ] , [
1 1
b x x e
luego: :
1 2
x a = ,
1 2
b b = ,
2
2 2
2
b a
x
+
= continua el proceso.
El proceso genera una sucesin { ;

=1 n n
x el cual se detiene cuando <
1 n n
x x , donde
>0 es la tolerancia
3.2.1.- TEOREMA DE LA BISECCION.- sea ] , [ b a C f e y 0 ) ( * ) ( < b f a f . El
algoritmo de biseccin genera una sucesin { ;

=1 n n
x que aproxima a x con la propiedad:
n
n
a b
x x
2

s , 1 > n
Cuya sucesin { ;

=1 n n
x converge a la raz x, es decir:
x x
n
n
=

lim
17
Demostracin.- Al principio
) (
2
1
0
1 1
a b a b = , ) , (
1 1
b a x e
) (
2
1
) (
2
1
1
1 1 2 2
a b a b a b = = , ) , (
2 2
b a x e
) (
2
1
) (
2
1
2
2 2 3 3
a b a b a b = = , ) , (
3 3
b a x e

x
) (
2
1
) (
2
1
1
1 1
a b a b a b
n
n n n n
= =


, ) , (
n n
b a x e
Puesto que ) (
2
1
n n n
b a x + = , 1 > n
) (
2
1
) (
2
1
a b a b x x
n
n n n
= s
3.2.2.- NUMERO DE ITERACIONES.- Para una tolerancia
< = s ) (
2
1
) (
2
1
a b a b x x
n
n n n
2 ln
ln

a b
n

>
3.3.- EJERCICIOS
1.- En que teorema se basa el mtodo de biseccin? Enunciar.
2.- Demuestre que 1 ) (
3
= x x x f tiene exactamente una raz en el intervalo [1 , 2].
Luego hallar dicha solucin con
2
10

= por biseccin. R. 1.3203125

3.- Hallar la solucin por el mtodo de biseccin para
2
10

= si:
x x tan = en [4 , 4.5] ; R. 4.4921875
4.- Hallar la solucin por el mtodo de biseccin para
5
10

= si:
0 2 =
x
x para [0 , 1] R. 0.6411819
5.- Hallar la solucin por el mtodo de biseccin para
5
10

= si:
0 6 cos 2 2 = + +

x e
x x
para [1 , 2] R. 1.8293839
6.- Hallar la solucin por el mtodo de biseccin para
5
10

= si:
0 2 3
2
= + x x e
x
para [0 , 1] R. 0.2575302
7.- Aproximar
3
25 por el mtodo de biseccin. para
4
10

=
(sugerencia: considere 25 ) (
3
= x x f ) R. 2.924011
8.- Hallar el numero de iteraciones n para aproximar la solucin con
4
10

= si:
18
0 1
3
= x x en [1 ,2] R. 14 ; 1.324768
9.- Hallar el numero de iteraciones n para aproximar la solucin con
3
10

= si:
0 4
3
= + x x en [1 , 4]
10.- Resolver 0 1 2
3
= x x en [1 , 2] por el mtodo de biseccin para 005 . 0 =
11.- Hallar la solucin por el mtodo de biseccin con un error de
2
10

de la ecuacin
0 2 ) 2 3 ln(
2
= + x x x R:1.1992
12.- Dado 1 ) (
2
=
x
e x x f
a) Localice la o las soluciones de la ecuacin f(x)=0
b) Efecte tres iteraciones para aproximar la raz, por el mtodo de biseccin.
13.- El polinomio 0 1 2
3
= x x , tiene una raz entre 1 y 2. Usando el mtodo de
biseccin hallar esta raz con un error de 005 . 0 = . R: 1.6210937
14.- Encontrar las races del polinomio:
0 1 2
2 3
= + x x x
a) Cuntas races reales tiene?
b) Cuntas races imaginarias tiene?
c) Hallar una raz por biseccin para 0005 . 0 = .
R: a)3 b) 0 c) -1,246982 0,4450418 1,8019369
15.- Encuentre las races positivas por el mtodo de biseccin para 001 . 0 = .
(determine un intervalo apropiado para la raz)
0 1 tan = + x x ; 3 0 < < x
R. [3.14 , 4.71] ; 4.4283
[6.28 , 7.85] ; 7.7056
16.- Lo mismo que en el ejercicio 15. si:
0 3 . 0 =
x
e senx ; x>0
R. [0 , 1] ; 0.5419
[1 , 2] ; 1.0765
17.- Calcule los intervalos apropiados para la ecuacin y determine las soluciones por el
mtodo de biseccin para 001 . 0 = .
0 1 2 . 0 ln
2
= + x x
R. [0.3 , 0.4] ; 0.3786
[3.3 , 3.4] ; 3.3155
18.- Lo mismo que en el ejercicio 17. si:
0
) 3 (
1
=
+
+
x x
x
R. [-3.2 , -3.1] ; -3.1038
19
3.4.- METODO DE PUNTO FIJO
El mtodo determina la solucin de una ecuacin 0 ) ( = x f expresando en la forma:
x x g = ) (
a una solucin de esta ecuacin se llama punto fijo de g.
Ejm: 1 2 ) ( = x x g tiene un solo punto fijo en [0, 2] y es x = 1
x x g = ) ( tiene punto fijo en cada ] 2 , 1 [ e x
x sen x x g = ) ( tiene dos puntos fijos en [0, 1] y son x = 0 , x = 1
Convergencia y divergencia del mtodo de punto fijo: si
) (
'
x g >1 0< ) (
'
x g <1
diverge converge
-1< ) (
'
x g <0 ) (
'
x g <-1
converge diverge
Teorema (existencia y unicidad de punto fijo).-
Existencia.
Si ] , [ b a C g e y ] , [ ) ( b a x g e , ] , [ b a x e . Entonces g tiene un punto fijo x en [a, b].
Unicidad.
Si adems existe ) (
'
x g en (a, b) con: 1 ) (
'
< s k x g , ) , ( b a x e . Entonces g tiene un
punto fijo nico x en [a, b].
3.4.1.- TEOREMA DE CONVERGENCIA DE PUNTO FIJO.- Si ] , [
0
b a x e
entonces la sucesin definida por
) (
1
=
n n
x g x , 1 > n
converge al nico punto fijo ] , [ b a x e .
Demostracin.- Existe un punto fijo ] , [ b a x
n
e . Por el T.V.M. y la desigualdad anterior
x x k x x g x g x g x x
n n n n
< s =
1 1
'
1
) ( ) ( ) (
Tambin: x x k x x g x g x g x x
n n n n
< s =
2 2
'
2 1
) ( ) ( ) (
Luego: x x k x x k x x
n
n
n n
s s s

...
2
2
Como k<1 se tiene:
0 lim lim = s

x x k x x
n
n
n
n
n
o sea:
x x
n
x
=

lim
3.5.- EJERCICIOS
1.- Si 3 2 ) (
2 4
+ = x x x x f . Sean las funciones ) (x g :
i)
4
1
2
1
) 2 3 ( ) ( x x x g + =
ii)
2
1
4
2
)
2
3
( ) (
x x
x g
+
=
20
iii)
2
1
2
3
)
2
3
( ) (
+
+
=
x
x
x g
iv)
1 4 4
3 2 3
) (
3
2 4
4
+
+ +
=
x x
x x
x g
Efecte 4 iteraciones en cada una de las funciones ) (x g definidas anteriormente. Tome
1
0
= x y ) (
1 n n
x g x =
+
para 3 , 2 , 1 , 0 = n
2.- Use el mtodo de iteracin de punto fijo para determinar una solucin con
2
10

=
si:
0 2 = + x x sen en [1 , 2] y 1
0
= x
3.- Demostrar que
x
x g

= 2 ) ( tiene un punto fijo nico en ] 1 ,
3
1
[ . Use el mtodo de
iteracin de punto fijo para determinar una solucin con
4
10

= . R. 0.6412053
4.- Demostrar que senx x g 5 . 0 ) ( + = tiene un punto fijo nico en ] 2 , 0 [ . Use el
mtodo de iteracin de punto fijo para determinar una solucin con
2
10

= .
5.- Para la ecuacin 0 1
3
= x x . Por el mtodo de iteracin de punto fijo determinar
la solucin en [1 , 2] con
2
10

= . R. 3231 . 1
3
= x ;
x
x g
1
1 ) ( + = ; 5 . 1
0
= x
6.- Use el mtodo de iteracin de punto fijo para determinar una aproximacin a 3
para
4
10

=
7.- Use el mtodo de iteracin de punto fijo para determinar una aproximacin a
3
25
para
4
10

= . R. 92399 . 2
14
= x ;
x
x g
5
) ( = ; 5 . 2
0
= x
Para los ejercicios 8 13. Determinar un intervalo [a ,b] en el cual la iteracin de punto
fijo converja, luego por el mtodo de iteracin de punto fijo hallar la solucin para
5
10

=
8.-
3
2
2
x e
x
x
+
=
9.-
x
e x
3
1
=
10.-
x
x

= 5
21
11.-
x
x

= 6
12.-
2
7 4
75 . 1

+ =
x
x
x
13.-
2
5
2
+ =
x
x
Para los ejercicios 14 17. Determinar una funcin ) (x g y un intervalo [a , b] que
cumpla el teorema de existencia y unicidad de punto fijo. Por el mtodo de iteracin de
punto fijo hallar la solucin:
14.- Solucin positiva si:
0 3
2
=
x
e x ; para
5
10

=
R.
x
e x g
3
1
) ( = ; [0 , 1] ; 5 . 0
0
= x ; 91001 . 0
14
= x
15.- Solucin positiva si:
0 cos = x x ; para
5
10

=
R. x x g cos ) ( = ; [0 , 1] ; 5 . 0
0
= x ; 7390817 . 0
28
= x
16.- Solucin diferente a cero (5 iteraciones).
0
2
=
x
x sen
17.- Solucin (5 iteraciones):
0 6 2 = + x x
x
18.- Dada la ecuacin 0 1 2
2 3
= + x x x y sean las funciones ) (x g :
2
1
) (
2 3
+
=
x x
x g ;
3 2
1 2 ) ( + = x x x g
a) verificar cual de las ) (x g cumple el teorema de existencia y unicidad de punto fijo.
b) Por el mtodo de iteracin de punto fijo hallar la solucin para 01 . 0 =
19.- Encuentre los ceros de x x x f cos 10 ) (
2
+ = . Usando el mtodo de iteracin de
punto fijo para una funcin apropiada ) (x g encuentre los ceros para
4
10

= .
20.- Halle la solucin negativa ms cerca de cero, con un error de
2
10 * 5 . 0

= si la
ecuacin es:
0 1 cos 4 =

x e
x
Por el mtodo de iteracin de punto fijo. R: -1,5146348
22
3.6.- METODO DE NEWTON - RAPHSON
] , [
2
b a C f e y
*
x una aproximacin de x con 0 ) (
* '
= x f tal que pequeo x x
*
.
Consideremos el polinomio de Taylor de grado uno en una vecindad de x .
2 * ' ' * * ' *
) ))( ( (
2
1
) )( ( ) ( ) ( x x x f x x x f x f x f + + =
Como 0 ) ( = x f y despreciando el ltimo trmino se tiene:
) (
) (
* '
*
*
x f
x f
x x = ; y es una mejor aproximacin que
*
x
El mtodo de newton genera una sucesin

=1
} {
n n
x definida por:
) (
) (
1
'
1
1

=
n
n
n n
x f
x f
x x , 1 > n
El proceso de detiene cuando dado >0
<
1 n n
x x
3.7.- EJERCICIOS
Para los ejercicios 1 4. Hallar la solucin para
4
10

= en los intervalos dados

usando el mtodo de Newton.
1.-
0 5 2
2 3
= x x ; [1 , 4]
R. 5 . 2
0
= x ; 6906475 . 2
4
= x
2.-
0 1 3
2 3
= + x x ; [-4 , 0]
R. 1
0
= x ; 65270365 . 0
3
= x
3.-
0 cos = x x ; ]
2
, 0 [

R. 7854 . 0
0
= x ; 7390851 . 0
3
= x
4.-
0 2 . 0 8 . 0 = senx x ; ]
2
, 0 [

R. 7854 . 0
0
= x ; 9643339 . 0
3
= x
Para los ejercicios 5 8. Hallar la solucin para
5
10

= , usando el mtodo de
Newton.
5.-
3
2
2
x e
x
x
+
=
23
6.-
0 3
2
=
x
e x
7.-
0 6 cos 2 2 = + +

x e
x x
8.-
0 cos 10
2
= + x x
9.- Aproxime una raz por medio el mtodo de Newton, con un error de
5
10

= de la
ecuacin 0 1 10
3
= + x x en [0,1]. R: 0.1001002
10.- La ecuacin x e x x f
x
cos ) 1 ln( ) (
4 . 0 2
+ = , tiene una raz negativa e infinitas
positivas. Demostrarlo grficamente. Calcular por el mtodo de newton la raz positiva
ms prxima al origen (5 iteraciones).
11.- Sea la ecuacin 0 ) 1 ( cos
1 2
= + +

x x
a) cuantas soluciones tiene en el intervalo ) , 0 ( + ?
b) Por el mtodo de newton hallar la solucin mas cercana al origen (4 iteraciones).
12.- Calcular una aproximacin de 3 para
4
10

= , por el mtodo de newton con

2
0
= x .
13.- Resolver
x
e x = cos 4 para
4
10

= , por el mtodo de newton con 1

0
= x .
14.- Usando el mtodo de Newton hallar la raz real positiva del polinomio
0 1 3
3
= + x x con un error de
2
10 * 5 . 0

= . R: 0.3222223
15.- a) Deseamos calcular una solucin de la ecuacin 0 1 tan ) 3 ( = x x en el
intervalo [-6,9], con un error de 005 . 0 = , utilizando el mtodo de Newton, con
9 . 2
0
= x
b) El nmero de soluciones reales en el intervalo I = [-6, 9] es
R: a) -0.2946867, b) 5
3.8.- SISTEMAS NO LINEALES.
El sistema se representa por:
n n
R R F : ;
t
n
f f x F ) ,... ( ) (
1
= donde las R R f
n
i
: son funciones coordenadas
de F .
En notacin vectorial para las variables
n
x x ,...
1
el sistema asume la forma :
0 ) ( = x F
24
Osea:
0 ) ,... (
0 ) ,... (
0 ) ,... (
1
1 2
1 1
=
=
=
n n
n
n
x x f
x x f
x x f

3.8.1.- METODO DE NEWTON.

|
|
|
.
|

\
|
(
(
(
]
1

|
|
|
.
|

\
|

|
|
|
.
|

\
|
=
|
|
|
.
|

\
|

+
+
k
n
k
k
n
k
k
n
k
k
n
k
x
x
F
x
x
JF
x
x
x
x

1
1
1 1
1
1
1
donde
|
|
|
.
|

\
|
k
n
k
x
x
JF
1
es el jacobiano de F
El proceso termina cuando:
< . . <
1 1
1
k
1
... x
k
n
k
n
k
x x x
3.9.- EJERCICIOS
1.- Resolver para
5
10

< con ) 0 , 0 ( ) , (
0 0
= y x
0 8 10
0 8 10
2
2 2
= + +
= + +
y x xy
y x x
R: ) 1 , 1 (
2.- Resolver para
5
10

< con ) 0 , 0 ( ) , (
0 0
= y x
0
0
2 2
2 2
=
= +
y y x
x y x
R: ) 4196 . 0 , 7718 . 0 (
3.- Resolver para
5
10

< con ) 5 . 0 , 5 . 0 ( ) , (
0 0
= y x
0 1 3
0 3
3 2
2 2
=
=
x xy
y x
R: ) 8660 . 0 , 5 . 0 (
4.- Resolver para
5
10

< con ) 0 , 0 ( ) , (
0 0
= y x
0 2 ) )(
4
1
1 (
0
2 4
) (
2
1
2
= +
=
ex y
e
e e
x y
xy sen
x

R: ) 0 , 3812 . 0 (
5.- Resolver para
5
10

< con ) 0 , 0 ( ) , (
0 0
= y x
0 8 10
0 8 10
2
2 2
= + +
= + +
y x xy
y x x
R: ) 1 , 1 (
25
En los ejercicios 6 - 8. Primero localizar las soluciones, luego calcular la solucin
indicada, ( 4 iteraciones):
6.- Hallar la raz ms alejada del origen, del sistema:
1
2
=
=
x y
x x y
7.- Hallar al menos una raz del sistema:
1 2
2
2
2
=
= +
x y
x y
R: (2.0652 , -2.265)
8.- Hallar la raz positiva del sistema:
1
8 2
2
=
=
xy
y x
3.10.- METODO DE PUNTO FIJO.-
Definicin.- Una funcin
n n
R R D G c : tiene un punto fijo en D p e si
p p G = ) (
Teorema.- sea } : ) ,..., {(
1 i i i
t
n
b x a x x D s s = para cada n i ,..., 2 , 1 = donde
i i
b a , son
constantes. Supongamos que
n n
R R D G c : es una funcin continua con primeras
derivadas parciales continuas con la propiedad de que D x G e ) ( para D x e . Entonces
G tiene un punto fijo en D.
Adems, supongamos que existe una constante 1 < k con la propiedad:
n
K
x
x g
j
i
s
c
c ) (
siempre que: D x e , para cada n j ,..., 2 , 1 = y cada componente
i
g .
Entonces la sucesin

=0
} {
k
k
x definida por D x e
0
seleccionada arbitrariamente y
generada por: ) (
1
=
k k
x G x para 1 > k converge al punto fijo nico D p e .
3.11.- EJERCICIOS
1.- Demostrar que la funcin
3 3
: R R F definida por;
t
x x x x x x x x x F ) , cos , 2 ( ) , , (
3
2
2 2 1 3 1 3 2 1
+ + =
Es continua en cada punto de
3
R .
2.- El sistema no lineal:
0 8 10
0 8 10
2 1
2
2 1
2
2 1
2
1
= + +
= + +
x x x x
x x x
Puede transformarse al problema de punto fijo
10
8
) , (
10
8
) , (
1
2
2 1
2 1 2 2
2
2
2
1
2 1 1 1
+ +
= =
+ +
= =
x x x
x x g x
x x
x x g x
26
a) demostrar que ) , (
2 1
g g G = tiene un nico punto fijo en
} 5 . 1 , 0 : ) , {(
2 1 2 1
s s = x x x x D
t
b) aproximar la solucin por punto fijo.
R.
t t
x x ) 999329 . 0 , 999328 . 0 ( ; ) 0 , 0 (
6 0
= =
3.- demostrar que
3 3
: R R G tiene un nico punto fijo en D, y aproximar la
solucin para
4
10

= con la norma

} 3 , 2 , 1 ; 1 1 : ) , , {(
)
60
3 10
20
1
, 03 . 0 3125 . 0
25
1
,
3
5 . 0 ) cos(
( ) , , (
3 2 1
2
1
3 2
3 2 1
2 1
= s s =

+
+
=
i x x x x D
e x
x x
x x x G
i
t
t x x

R.
t t
x x ) 5235988 . 0 , 000000 . 0 , 5000000 . 0 ( ; ) 1 , 1 , 1 (
4 0
= =
4.- demostrar que
3 3
: R R G tiene un nico punto fijo en D, y aproximar la
solucin para
4
10

= con la norma

} 3 , 2 , 1 ; 5 . 1 0 : ) , , {(
)
7
631 . 7
,
10
54 . 11
,
12
4 3 17 . 7
( ) , , (
3 2 1
3
2
2
1 3 3
2
2
3 2 1
= s s =
+ + +
=
i x x x x D
x x x x x
x x x G
i
t
t
R.
t t
x x ) 9000712 . 0 , 100663 . 1 , 200425 . 1 ( ; ) 0 , 0 , 0 (
9 0
= =
5.- demostrar que
3 3
: R R G tiene un nico punto fijo en D, y aproximar la
solucin para
4
10

= con la norma

} 1 . 1 5 . 0 ; 3 . 0 1 . 0 ; 1 . 0 1 . 0 : ) , , {(
) 1 01 . 0 1 . 0 , 15 . 0 05 . 0 ) 1 ( 1 ), cos( 1 ( ) , , (
3 2 1 3 2 1
2
2
2
2
1 3
2
3
4
1
1 3 2 1 3 2 1
s s s s s s =
+ + + =
x x x x x x D
x x x x x x x x x x x x G
t
t
R.
t t
x x ) 000007 . 1 , 1001078 . 0 , 000000 . 0 ( ; ) 8 . 0 , 2 . 0 , 05 . 0 (
3 0
= =
6.- demostrar que
3 3
: R R G tiene un nico punto fijo en D, y aproximar la
solucin para
4
10

= con la norma

} 3 , 2 , 1 ; 1 1 : ) , , {(
)
60
3 10
20
1
, 1 . 0 06 . 1
9
1
,
6
1
) cos(
3
1
( ) , , (
3 2 1
3
2
1 3 2 3 2 1
2 1
= s s =

+ + + =

i x x x x D
e senx x x x x x x G
i
t
t x x

R.
t t
x x ) 5288248 . 0 , 1996048 . 0 , 4981453 . 0 ( ; ) 0 , 0 , 0 (
4 0
= =
CAPITULO 4
SISTEMAS LINEALES
4.1.- INTRODUCCION.- Los sistemas de ecuaciones lineales son una de las
herramientas matemticas de modelaje ms comunes en las aplicaciones. Una
clasificacin comn de los sistemas lineales es por su tamao. Los sistemas con O(100)
variables se consideran pequeos y usualmente se utilizan los llamados mtodos
directos para su solucin. Los sistemas de O(1000) ms variables se consideran
27
grandes o de gran escala y los mtodos de solucin ms eficientes por lo general son los
llamados mtodos iterativos o indirectos.
Otra clasificacin importante de los sistemas lineales es por la cantidad o densidad de
ceros de la matriz de coeficientes. Los sistemas con pocas entradas distintas de cero se
llaman escasos. De lo contrario decimos que el sistema es denso.
Definicin.- Una norma sobre
n
R es una aplicacin R R
n
: con las siguientes
propiedades:
a) 0 > x
b) 0 0 = = x x
c) R x x e = ;
d) y x y x + s +
4.2.- NORMAS PARA VECTORES.- Las ms usuales
n
R en son:
a)
_
=
=
n
i
i
x x
1
1
norma ciudad bloque
b)
_
=
=
n
i
i
x x
1
2
2
norma euclidiana
c)
i
n i
x x
,..., 0
max
=

= norma de convergencia uniforme

4.3.- NORMAS PARA MATRICES nxm.-
a)
_
=
=
=
n
i
ij
m j
a A
1
,..., 1
1
max
b) A deA grande mas propio valor A
t
. . . .
2
=
c)
_
=
=

=
m
j
ij
n i
a A
1
,..., 1
max
4.4.- ESTABILIDAD DE UN ALGORITMO.- Un algoritmo se dice estable en la
resolucin de un cierto problema, si la solucin computada
c
x est prxima a la
solucin exacta x del problema.
4.5.- ALGORITMO ESTABLE PARA UN SISTEMA LINEAL.- Un algoritmo para
la resolucin de un sistema lineal ser estable si la solucin computada
c
x es solucin
exacta de un problema prximo, es decir, de: b b x A A
c
A + = A + ) ( con b A A A ,
pequeos.
Para medir la pequeez de vectores y matrices utilizamos las normas ya vistas.
4.6.- CONDICION DE UN SISTEMA LINEAL.- Un problema con respecto a un
conjunto de datos se dice mal condicionado si una pequea modificacin relativa a
dichos datos causa una gran modificacin relativa en la solucin. Caso contrario el
problema es bien condicionado
28
Si un problema est mal condicionado, la estabilidad del algoritmo a utilizar no ser
garanta de buenos resultados. (los resultados malos no son culpa del mtodo si no del
problema).
Ejemplo: sea el sistema lineal
|
|
.
|

\
|
=
|
|
.
|

\
|
|
|
.
|

\
|
2
1
5
1
4
1
4
1
3
1
y
x
Cuya solucin exacta es: - 71.9997696 ; 99.999712
Perturbando el sistema se tiene
|
|
.
|

\
|
=
|
|
.
|

\
|
|
|
.
|

\
|
999 . 1
01 . 1
3 . 0 24 . 0
24 . 0 32 . 0
y
x
Cuya solucin es: - 4.603125 ; 10.3458 muy diferente ala solucin anterior. El
sistema es mal condicionado.
4.7.- NUMERO DE CONDICION.- sea b Ax = si perturbamos A por A A la solucin
es x x A +
A
A
A A
x x
x
x x A A x
x x A A x
x x A A x A A
x x A Ax Ax x A
b x x A A
A
s
A +
A
A + A s A
A + A = A
A + A = A
A + A = A
= A + A +

1
1
1
1 1
) (
) (
) (
) )( (
si perturbamos b por b A la solucin es x x A +
b b x x A A + = A + ) (
A
b
x b x A b Ax s > =
b
b
A A
x
x
b A x b A x b Ax
A
s
A
A s A A = A =

1
1 1
Luego: A A A Cond
1
) (

=
4.7.1.- PROPIEDADES.-
a) 1 ) ( > A Cond
b) 1 ) ( = I Cond
c) R A Cond A Cond e = ); ( ) (
29
4.8.- METODOS DIRECTOS.
4.8.1.- ALGORITMO DE GAUSS.- Consideremos el siguiente sistema lineal nxn
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
...
...
...
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

El algoritmo de gauss consiste en:

Primer paso:
Si:
0
11
= a
n i
a
a
l
i
i
,..., 2 ;
11
1
1
= =
j i ij ij
L l L L
1 1
* = ;
1 ,... 2
,..., 2
+ =
=
n j
n i
Cuando 0
11
= a se intercambian filas.
Obtenemos el sistema lineal equivalente:
1 1 2 12 1 11
... b x a x a x a
n n
= + + +
1
2 2 2
1
22
... b x a x a
n n
= + +

1 1
2
1
2
...
n n nn n
b x a x a = + +
Segundo paso:
Si:
0
1
22
= a
n i
a
a
l
i
i
,..., 3 ;
1
22
1
2
2
= =
j i ij ij
L l L L
2 2
* = ;
1 ,... 3
,..., 3
+ =
=
n j
n i
Cuando 0
1
22
= a se intercambian filas.
Se repite el procedimiento hasta obtener un sistema triangular de ecuaciones.
1 1 1 1 , 1 2 12 1 11
... c x r x r x r x r
n n n n
= + + + +

2 , 2 1 1 , 2 2 22
... c x r x r x r
n n n n
= + + +

1 , 1 1 1 , 1
= +
n n n n n n n
c x r x r
n n nn
c x r =
Por sustitucin hacia atrs se tiene:
nn
n
n
r
c
x =
30
1 , 1
, 1 1
1

=
n n
n n n n
n
r
x r c
x

11
2
1 1
1
r
x r c
x
n
j
j j _
=

=
4.8.2.- DESCOMPOSICION LU.-
Descomposicin LU A = de una matriz A de orden N :
NN N N
N
N
a a a
a a a
a a a

2 1
2 22 21
1 12 11
=
1
0
1
1
0 0 0 1
1 , 2 1
32
21
n n n n
l l l
l
l

NN
N
N
u
u u
u u u
0 0
0
2 22
1 12 11

Fila 1 de U.-
N j a u
j j
,..., 1 ;
1 1
= =
Columna 1 de L.-
N i
u
a
l
i
i
,..., 2 ;
11
1
1
= =
Fila 2 de U.-
N j u l a u
j j j
,..., 2 ;
1 21 2 2
= =
Columna 2 de L.-
N i
u
u l a
l
i i
i
,..., 3 ;
22
12 1 2
2
=

=
n-sima fila de U.-
N n j u l a u
kj
n
k
nk nj nj
,..., ;
1
1
= =
_

=
n-sima columna de L.-
N n i
u
u l a
l
nn
kn
n
k
ik in
in
,..., 1 ;
1
1
+ =

=
_

=
OBS: j i l
ij
= = ; 1
4.8.3.- METODO DE CHOLESKY.-
Sea
t
nxn
LL A = definida positiva donde L es triangular superior:
Paso 1.-
Tomar
11 11
a l =
Paso 2.-
31
11 1 1
l a l
j j
= para n j ,..., 2 =
Paso 3.-
Para n i ,..., 2 = seguir los pasos 4 y 5
Paso 4.-
2
1
1
1
2
] [
_

=
=
i
k
ik ii ii
l a l
Paso 5.-
Para n i j ,..., 1 + =
] [
1
1
1
_

=
=
i
k
ik jk ji
ii
ji
l l a
l
l
Paso 6.-
2
1
1
1
2
] [
_

=
=
i
k
nk nn nn
l a l
Los elementos de
t
L U = ;
ji ij
l u = ; n j i s s ; n i s s 1
4.9.- METODOS ITERATIVOS.-
4.9.1.- METODO DE JACOBI.- forma matricial
D matriz diagonal cuya diagonal es la misma que A
L la parte triangular estrictamente inferior de A
U la parte triangular estrictamente superior de A
Osea: b Ax = o b x U L D = ) ( se transforma en:
,... 2 , 1 ; ) (
1 1 1
= + + =

k b D x U L D x
k k
En la prctica el mtodo de jacobi consiste en resolver la i-sima ecuacin de b Ax =
para
i
x , si 0 =
ii
a el mtodo genera los vectores
k
i
x para 1 > k mediante:
n i
a
b x a
x
ii
n
i j
j
i
k
j ij
k
i
,..., 2 , 1 ;
1
1
=
+
=
_
=
=

Criterio de paro.- cuando dado 0 > cumple:

<

k
k k
x
x x
1
4.9.2.- METODO DE GAUSS SEIDEL.-
forma matricial.-
,... 2 , 1 ; ) ( ) (
1 1 1
= + =

k b L D Ux L D x
k k
En la prctica el mtodo de gauss-seidel consiste en resolver la i-sima ecuacin de
b Ax = para
i
x , si 0 =
ii
a el mtodo genera los vectores
k
i
x para 1 > k , utilizando los
valores calculados mas recientemente, mediante:
n i
a
b x a x a
x
ii
i
j
i
n
i j
k
j ij
k
j ij
k
i
,..., 2 , 1 ;
1
1 1
1
=
+
=
_ _

= + =

Criterio de paro.- cuando dado 0 > cumple:

32
<

k
k k
x
x x
1
4.9.3.- CRITERIOS DE CONVERGENCIA.-
Teorema.- Si A es estrictamente dominante diagonalmente, entonces, para cualquier
eleccin de
0
x ambos mtodos, el de jacobi o el de gauss-seidel, dan lugar a sucesiones

=0
} {
k
k
x que convergen a la solucin de b Ax = .
Teorema.- Si para cualquier
n
R x e
0
, la sucesin

=0
} {
k
k
x definida por b Tx x
k k
+ =
1
para 1 > k y 0 = b converge a la solucin nica de b Tx x + = si y solo si el radio
espectral de 1 ) ( < T .
4.10.- EJERCICIOS
Para los ejercicios 1 3. Hallar

y
2
1.-
t
x ) 30 , 0 , 15 , 20 ( =
2.-
t
x ) 1 , 5 , 10 , 10 , 20 ( =
3.-
t k
k senk x ) 2 , cos , ( = para un entero positivo fijo k
Para los ejercicios 4 6. Calcular el nmero de condicin:
4.-
|
|
.
|

\
|
2 0001 . 1
2 1
use
1
5.-
|
|
.
|

\
|
8 . 321 550 . 5
09 . 58 003 . 1
use
2
6.-
|
|
.
|

\
|
5 / 1 4 / 1
4 / 1 3 / 1
use

7.- Hallar la condicin del sistema lineal con

1
|
|
.
|

\
|
2 000011 . 1
2 1
|
|
.
|

\
|
2
1
x
x
=
|
|
.
|

\
|
00003 . 3
3
El sistema es mal condicionado?
33
8.- Hallar la condicin del sistema lineal con
2
|
|
.
|

\
|
2 000011 . 1
2 1
|
|
.
|

\
|
2
1
x
x
=
|
|
.
|

\
|
00003 . 3
00001 . 3
El sistema es mal condicionado?
9.- Hallar la condicin del sistema lineal con

|
|
.
|

\
|
2 000011 . 1
2 1
|
|
.
|

\
|
2
1
x
x
=
|
|
.
|

\
|
00003 . 3
00011 . 3
El sistema es mal condicionado?
10.- Para los ejercicios 7 9. Hallar la condicin del sistema lineal perturbando A , b ,
o ambos.
Para los ejercicios 1 4. Resolver por el algoritmo de Gauss:
11.-
3 2 5 2
6 4
11 4 2
3 2 1
3 2 1
3 2 1
= + +
= +
= + +
x x x
x x x
x x x
R. 2.2 , -1.6 , 2.9
12.-
9 2 4
9 3
5 4 2
3 2 1
3 2 1
3 2 1
= + +
= +
= +
x x x
x x x
x x x
R. 1.0 , -1.0 , 3.0
13.-
6 2 3
4 2
5 2
2 1
3 2 1
3 2 1
=
= + +
= +
x x
x x x
x x x
14.-
3 2 3
4 3 2
1 2
2
4 3 2 1
4 3 2 1
4 3 2 1
4 2 1
= +
= + +
= + +
= +
x x x x
x x x x
x x x x
x x x
Para los ejercicios 1 4. factorizar las matrices en la descomposicin LU.
15.-
5 3 3
9 3 3
1 1 2
34
R. L=
1 1 5 . 1
0 1 5 . 1
0 0 1
; U=
4 0 0
5 . 7 5 . 4 0
1 1 2

16.-
5 5 . 4 4
2 0 1
3 5 . 1 2

R. L=
1 2 5
0 1 5 . 0
0 0 1
; U=
8 0 0
5 . 3 75 . 0 0
3 5 . 1 2

17.-
1 1 2 2
0 5 . 0 3 0
0 0 5 . 1 1
0 0 0 2

R. L =
1 2 3333 . 1 1
0 1 2 0
0 0 1 5 . 0
0 0 0 1

; U =
1 0 0 0
0 5 . 0 0 0
0 0 5 . 1 0
0 0 0 2
Para los ejercicios 18 21. Resolver los sistemas lineales por descomposicin LU
18.-
4 5 3 3
0 9 3 3
1 2
3 2 1
3 2 1
3 2 1
= + +
= + +
= +
x x x
x x x
x x x
19.-
895 . 3 014 . 0 013 . 7 104 . 3
049 . 5 013 . 7 096 . 4 132 . 2
984 . 1 104 . 3 132 . 2 012 . 1
3 2 1
3 2 1
3 2 1
= +
= +
= +
x x x
x x x
x x x
20.-
5 . 1 2
1 2 4 2
0
3 2
3 2 1
2 1
= +
= +
=
x x
x x x
x x
35
21.-
25 . 2 2
5 . 0 5 . 0 25 . 0
77 . 0 4 . 0 8 . 0 35 . 0
35 . 0 25 . 0 5 . 0
4 3
4 3 2
3 2 1
2 1
=
= + +
= + +
= +
x x
x x x
x x x
x x
Para los ejercicios 22 25. Factorizar las matrices por Cholesky.
22.-
2 1 0
1 2 1
0 1 2

R. L =
154699 . 1 8164972 . 0 0
0 224743 . 1 7071069 . 0
0 0 41423 . 1

23.-
2 0 1 1
0 2 1 1
1 1 3 1
1 1 1 4

R. L =
240346 . 1 08362442 . 0 4522671 . 0 5 . 0
0 087113 . 1 7537785 . 0 5 . 0
0 0 658311 . 1 5 . 0
0 0 0 2

24.-
4 2 0 0
2 5 1 1
0 1 3 1
0 1 1 4

R. L =
766351 . 1 9380833 . 0 0 0
0 132006 . 2 4522671 . 0 5 . 0
0 0 658311 . 1 5 . 0
0 0 0 2

36
25.-
3 1 0 1
1 4 1 1
0 1 4 2
1 1 2 6

R. L =
606574 . 1 4678876 . 0 1825741 . 0 4082483 . 0
0 923538 . 1 3651483 . 0 4082483 . 0
0 0 825741 . 1 8164966 . 0
0 0 0 449489 . 2

Encontrar las cuatro primeras iteraciones por el mtodo de GAUSS-SEIDEL
26.-
5 . 1 2
1 2 4 2
0
3 2
3 2 1
2 1
= +
= +
=
x x
x x x
x x
27.-
25 . 2 2
5 . 0 5 . 0 25 . 0
77 . 0 4 . 0 8 . 0 35 . 0
35 . 0 25 . 0 5 . 0
4 3
4 3 2
3 2 1
2 1
=
= + +
= + +
= +
x x
x x x
x x x
x x
CAPITULO 5
DIFERENCIACION E INTEGRACION NUMERICA
5.1.- DIFERENCIACION NUMERICA.-
5.1.1.- FORMULAS DE TRES PUNTOS.-
a) ) (
3
)] 2 ( ) ( 4 ) ( 3 [
2
1
) (
0
3
2
0 0 0 0
'
f
h
h x f h x f x f
h
x f + + + + =
para h x x 2
0 0 0
+ < <
b) ) (
6
)] ( ) ( [
2
1
) (
1
3
2
0 0 0
'
f
h
h x f h x f
h
x f + =
para h x h x + < <
0 1 0

5.1.2.- FORMULAS DE CINCO PUNTOS.-
a) ) (
30
)] 2 ( ) ( 8 ) ( 8 ) 2 ( [
12
1
) (
5
4
0 0 0 0 0
'
f
h
h x f h x f h x f h x f
h
x f + + + + =
b)
) (
5
)] 4 ( 3 ) 3 ( 16 ) 2 ( 36 ) ( 48 ) ( 25 [
12
1
) (
5
4
0 0 0 0 0 0
'
f
h
h x f h x f h x f h x f x f
h
x f + + + + + + + =
para h x x 4
0 0
+ < <
37
5.1.3.- FORMULA PARA DERIVADA DE ORDEN SUPERIOR.-
) (
12
)] ( ) ( 2 ) ( [
1
) (
4
2
0 0 0
2
0
' '
f
h
h x f x f h x f
h
x f + + =
para h x h x + < <
0 0

5.2.- EJERCICIOS
1.- Con las frmulas de tres puntos completar las tablas siguientes
a)
x ) (x f
) (
'
x f
-0.3
-0.1
0.1
0.3
-0.20431
-0.08993
0.11007
0.39569
R.
64422 . 1 3 . 0
2141 . 1 1 . 0
78595 . 0 1 . 0
35785 . 0 3 . 0
) (
'

x f x
b)
x ) (x f
) (
'
x f
1.1
1.2
1.3
1.4
0.48603
0.86160
1.59751
3.76155
R.
781 . 28 4 . 1
500 . 14 3 . 1
5574 . 5 2 . 1
9540 . 1 1 . 1
) (
'
x f x
2.- Con las formulas de cinco puntos y los datos de la tabla:
X 0.2 0.4 0.6 0.8 1.0
f(x) 0.9798652 0.9177710 0.8080348 0.6386093 0.3843735
Calcular:
a) ) 2 . 0 (
'
f
b) ) 0 . 1 (
'
f
c) ) 6 . 0 (
'
f
38
3.- Se tiene los datos:
X 0.2 0.4 0.6 0.8 1.0
f(x) 0.9798652 0.9177710 0.8080348 0.6386093 0.3843735
a) Con las frmulas apropiadas calcular ) 4 . 0 (
'
f y ) 4 . 0 (
' '
f
b) Con las frmulas apropiadas calcular ) 6 . 0 (
'
f y ) 6 . 0 (
' '
f
R.
4295760 . 0 2 . 0
3994578 . 0 2 . 0
3104710 . 0 2 . 0
5486810 . 0 2 . 0
6979043 . 0 4 . 0
8889958 . 0 6 . 0
) 4 . 0 (
'
=
=
=
=
=
=
h
h
h
h
h
h
f
191050 . 1 2 . 0
) (
' '
= h
x f
R.
6824175 . 0 2 . 0
6979043 . 0 2 . 0
7443646 . 0 4 . 0
6677860 . 0 2 . 0
6351018 . 0 2 . 0
4295760 . 0 4 . 0
5486810 . 0 2 . 0
8471275 . 0 2 . 0
059153 . 1 4 . 0
) 6 . 0 (
'
=
=
=
=
=
=
=
=
=
h
h
h
h
h
h
h
h
h
f
492233 . 1 2 . 0
573943 . 1 4 . 0
) 6 . 0 (
' '
=
=
h
h
f
4.- Sea senx e x x f
x
=
2
3
) ( . Para 1 . 0 = h y 01 . 0 = h , hallar ) 19 . 2 (
'
f con las
frmulas de tres puntos.
5.- Sea x xe x f
x
cos 3 ) ( = . Para los datos de la tabla, calcular ) 3 . 1 (
' '
f con
1 . 0 = h y 01 . 0 = h .
X 1.20 1.29 1.30 1.31 1.40
f(x) 11.59006 13.78176 14.04276 14.30741 16.86187
Compare con los valores exactos.
6.- Sea senx x f
x
2 ) ( = . Para los datos de la tabla, calcular ) 05 . 1 (
'
f por la frmula de
tres puntos con 05 . 0 = h y 01 . 0 = h .
X 1.0 1.04 1.06 1.10
f(x) 1.6829420 1.7732994 1.8188014 1.9103448
R. 2.27403 ; 2.27510
7.- Suponga que los datos siguientes se han obtenido experimentalmente:
39
x 1.00 1.01 1.02
f(x) 1.27 1.32 1.38
a) Hallar ) 005 . 1 (
'
f y ) 015 . 1 (
'
f con la frmula de tres puntos.
b) Hallar ) 01 . 1 (
' '
f con la frmula de tres puntos y los resultados de a).
R. 0 . 5 ) 005 . 1 (
'
~ f 0 . 6 ) 005 . 1 (
'
~ f 100 ) 01 . 1 (
' '
~ f
5.3.- INTEGRACION NUMERICA.
5.3.1.- INTRODUCCION.- En este captulo estudiaremos algunos mtodos numricos
para estimar el valor de una integral definida
}
=
b
a
dx x f I ) (
Integral en la cual el intervalo de integracin ] , [ b a es finito, y f es una funcin de una
variable real y valor real continua en ] , [ b a .
Segn el teorema fundamental del clculo, para una funcin f con las caractersticas
indicadas antes, existe una antiderivada F de f en [a ,b], es decir, ) ( ) (
'
x f x F = para
todo ] , [ b a x e
) ( ) ( ) ( a F b F dx x f I
b
a
= =
}
El problema para usar los mtodos analticos de integracin es que, es posible que F
no se pueda expresar en trminos de funciones elementales, o aunque F se conozca
explcitamente, sta no se pueda evaluar fcilmente.
Algunos ejemplos de tales integrales:
}

1
0
3
1 dx x
}
+
1
0
5
1
1
dx
x
}
2
1
dx
x
e
x
}

5
1
2
dx e
x
}
+
2
1
1
ln
dx
x
x
}
4 /
0
tan

xdx x
}
3
2
ln
1
dx
x
}
2 /
0
2
) (

dx x sen
}
2 /
0
2
) cos(

dx x
}
+
1
0
3 3
1 dx x
}
2 /
0

dx senx
}
+
1
0
3 2
dx x x
}

1
0
3 / 1 2
) 9 ( dx x
}
1
0
tan dx x
}
1
0
dx
x
senx
}
+

0
2
1
1
dx
x sen
lo anterior motiva el uso de los mtodos de integracin numrica que estudiaremos en lo
que sigue; los primeros que consideraremos se basan en la aproximacin de la funcin
f mediante polinomios de interpolacin.
40
5.4.- FORMULA DE CUADRATURA (CERRADA) DE NEWTON COTES.-
Supongamos que queremos estimar el valor de:
}
=
b
a
dx x f I ) (
Empezamos dividiendo el intervalo ] , [ b a en N subintervalos de igual longitud, ] , [
1 0
x x ,
] , [
2 1
x x , , ] , [
1 + k k
x x ,, ] , [
1 N N
x x

, donde los N+1 puntos
N
x x x ,..., ,
1 0
de la particin
se obtienen a partir de la frmula: kh a x
k
+ = ; 1 ,... 1 , 0 = N k siendo
N
a b
h

=
donde h es el tamao de paso.
Ntese que a x =
0
; b x
N
= ; y que
k k
x x h =
+1
; para 1 ,... 1 , 0 = N k
Ahora bien si
_
=
=
N
j
j j N
x L x f x P
0
) ( ) ( ) ( es el polinomio de interpolacin de Lagrange
para la funcin f en los nodos
N
x x x ,..., ,
1 0
, entonces se obtiene:
} }
_ _
} }
= =
= = = =
b
a
b
a
N
j
N
j
b
a
j j j j N
b
a
dx x L x f dx x L x f dx x P dx x f I
0 0
) ( ) ( ) ( ) ( ) ( ) (
5.5.- FORMULA DE LOS TRAPECIOS.- La funcin f se aproxima en cada
subintervalo , ] , [
1 + k k
x x , 1 ,... 1 , 0 = N k mediante el polinomio de interpolacin lineal
de lagrange
Como el polinomio de interpolacin de lagrange es:
k k
k
k
k k
k
k
x x
x x
x f
x x
x x
x f x P

=
+
+
+
+
1
1
1
1
1
) ( ) ( ) ( , entonces:
} } } }
+ + + +

= =
+
+
+
+
1 1 1 1
1
1
1
1
1
) ( ) ( ) ( ) (
k
k
k
k
k
k
k
k
x
x
x
x
x
x
x
x k k
k
k
k k
k
k
dx
x x
x x
x f dx
x x
x x
x f dx x P dx x f
1
) ( 2
) (
) (
) ( 2
) (
) (
1
2
1
1
2
1
+
(
]
1

=
+
+
+
+
k
k
x
x
k k
k
k
k k
k
k
x x
x x
x f
x x
x x
x f
) ( 2
) (
) (
) ( 2
) (
) (
1
2
1
1
1
2
1
k k
k k
k
k k
k k
k
x x
x x
x f
x x
x x
x f

=
+
+
+
+
+
2
) ( ) (
) (
1
1
+
+
+
=
k k
k k
x f x f
x x
ancho * altura promedio
como
k k
x x h =
+1
as que:
}
+
+
+ =
1
)] ( ) ( [
2
) (
1
k
k
x
x
k k
x f x f
h
dx x f
generalizando la frmula de los trapecios se tiene:
j
}
_ _
}

=
+

=
+ = = =
+ b
a
N
k
k k
N
k
x
x
x f x f
h
dx x f dx x f I
k
k
1
0
1
1
0
) ( ) (
2
) ( ) (
1
}
_
(
]
1

+ + =

=
b
a
N
k
k
x f b f a f
h
dx x f
1
1
) ( 2 ) ( ) (
2
) (
41
5.5.1.- ERROR EN LA FORMULA DE LOS TRAPECIOS.- El error que se comete
al aplicar la frmula de los trapecios sobre todo el intervalo ] , [ b a , es:
) (
12
) (
12
' ' 2 ' '
3
f
a b
h Nf
h
E
T

= = para ) , ( b a e
El resultado anterior se indica escribiendo ) (
2
h O E
T
= .
La frmula del error indica que si f es una funcin lineal, entonces la frmula de los
trapecios es exacta.
5.6.- FORMULA DE SIMPSON (1/3).- Se aproxima la funcin f en un subintervalo
] , [
2 + k k
x x ,
2 ,... 2 , 0 = N k mediante un polinomio de interpolacin de lagrange de grado dos,
usando los nodos
2 1
, ,
+ + k k k
x x x . Observe que, en este caso, el nmero de
subintervalos N . debe ser par, 2 > N .
) )( (
) )( (
) (
) )( (
) )( (
) (
) )( (
) )( (
) ( ) (
1 2 2
1
2
2 1 1
2
1
2 1
2 1
2
+ + +
+
+
+ + +
+
+
+ +
+ +


+


+


=
k k k k
k k
k
k k k k
k k
k
k k k k
k k
k
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f x P
Entonces:
}
+
+ +
+ + =
2
)] ( ) ( 4 ) ( [
3
) (
2 1
k
k
x
x
k k k
x f x f x f
h
dx x f
Luego:
} } } }

+ + + = =
N
N
x
x
x
x
x
x
b
a
dx x f dx x f dx x f dx x f I
2
4
2
2
0
) ( ... ) ( ) ( ) (
j j j { ; ) ( ) ( 4 ) ( ... ) ( ) ( 4 ) ( ) ( ) ( 4 ) (
3
1 2 4 3 2 2 1 0 N N N
x f x f x f x f x f x f x f x f x f
h
+ + + + + + + + + =

(
(
(
]
1

+ + + = =
_ _
}

=

=
+
2
2
0
2
2
1
2 1 2
) ( 2 ) ( 4 ) ( ) (
3
) (
N
k
N
k
k k
b
a
x f x f b f a f
h
dx x f I
5.7.- FORMULA DE SIMPSON (3/8).- Se aproxima la funcin f en un subintervalo
] , [
3 + k k
x x ,
3 ,... 2 , 0 = N k mediante un polinomio de interpolacin de lagrange de grado tres,
usando los nodos
3 2 1
, , ,
+ + + k k k k
x x x x . Observe que, en este caso, el nmero de
subintervalos N , debe ser multiplo de tres.
) )( )( (
) )( )( (
) (
) )( )( (
) )( )( (
) (
) )( )( (
) )( )( (
) (
) )( )( (
) )( )( (
) ( ) (
2 3 1 3 3
2 1
3
3 2 1 2 2
3 1
2
3 1 2 1 1
3 2
1
3 2 1
3 2 1
3
+ + + + +
+ +
+
+ + + + +
+ +
+
+ + + + +
+ +
+
+ + +
+ + +


+


+
+


+


=
k K k k k k
k k k
k
k K k k k k
k k k
k
k K k k k k
k k k
k
k K k k k k
k k k
k
x x x x x x
x x x x x x
x f
x x x x x x
x x x x x x
x f
x x x x x x
x x x x x x
x f
x x x x x x
x x x x x x
x f x P
Entonces:
}
+
+ + +
+ + + =
2
)] ( ) ( 3 ) ( 3 ) ( [
8
3
) (
3 2 1
k
k
x
x
k k k k
x f x f x f x f
h
dx x f
Luego:
42
} } } }

+ + + = =
N
N
x
x
x
x
x
x
b
a
dx x f dx x f dx x f dx x f I
3
6
3
3
0
) ( ... ) ( ) ( ) (
j j ... ) ( ) ( 3 ) ( 3 ) ( ) ( ) ( 3 ) ( 3 ) ( {
8
3
6 5 4 3 3 2 1 0
+ + + + + + + + = x f x f x f x f x f x f x f x f
h
j } ) ( ) ( 3 ) ( 3 ) (
1 2 3 N N N N
x f x f x f x f + + + +

(
(
(
]
1

+ + + + = =
_ _ _
}

=

=
+ +
3
3
0
3
3
1
3
3
3
0
2 3 1 3
) ( 2 ) ( 3 ) ( 3 ) ( ) (
8
3
) (
N
k
N
k
k
N
k
k k
b
a
x f x f x f b f a f
h
dx x f I
5.8.- EJERCICIOS
Use las frmulas simples de trapecio y de simpson para calcular las siguientes
integrales. Compare las soluciones con los resultados exactos.
1.-
}
2
1
ln xdx
2.-
}
1 . 0
1
3
1
dx x
3.-
}
3
0
2
) (

dx senx
4.-
}
4 . 0
2 . 0
3
2 cos xdx e
x
5.-
}
4
0
tan

xdx
6.-
}
4
3
2
cot

xdx
43
R.
34657 . 0 34778 . 0 39270 . 0 6
34657 . 0 34778 . 0 39270 . 0 5
40376 . 0 40371 . 0 39914 . 0 4
30709 . 0 30543 . 0 39270 . 0 3
034812 . 0 032296 . 0 023208 . 0 2
38629 . 0 38583 . 0 34657 . 0 1
Re

al Simpson Trapecio
7. Con los datos de la tabla:
4817 . 4 5 . 1
6693 . 3 3 . 1
0042 . 3 1 . 1
x
e x
calcular:
}
5 . 1
1 . 1
dx e
x
; a) por trapecios con x
0
= 1.1 ; x
1
= 1.5
b) por simpson (1/3) con x
0
= 1.1 ; x
1
= 1.3; x
2
= 1.5 .
Para los ejercicios 8 13. Calcular las integrales usando las frmulas:
a) Trapecios ; 1 = n
b) Simpson 1/3; 2 = n
c) Simpson 3/8 ; 8 / 3 = n
8.-
}
+
1 . 0
0
1 dx x
R. b) 0.1024597 ; c) 0.1024596
9.-
}
2
0
2
) (

dx senx
R. b) 0.785397 ; c) 0.785397
10.-
}
5 . 1
1 . 1
dx e
x
R. b) 1.477534 ; c) 1.477526
11.-
}
10
1
1
dx
x
R. b) 2.740906 ; c) 2.563390
44
12.-
} }
+
10
5 . 5
5 . 5
1
1 1
dx
x
dx
x
R. b) 2.407900 ; c) 2.359771
13.-
}
1
0
3
1
dx x
R. b) 0.695800 ; c) 0.712603
Para los ejercicios 14 19. Calcular las integrales usando la frmula general de
trapecios. Compare las soluciones con los resultados exactos.
14.-
}
3
1
x
dx
; 4 = n
R. 1.1167 ; exacto. 1.09861
15.-
}
2
0
3
dx x ; 4 = n
R. 4.25 ; exacto. 4
16.-
dx x x
}
+
3
0
2
1 ; 6 = n
R. 10.3122 ; exacto. 10.20759
17.-
}
1
0
xdx sen ; 6 = n
R. 0.62201 ; exacto. 0.636620
18.-
}
2
0
xsenxdx ; 8 = n
R. -5.9568 ; exacto. -6.28319
19.-
}
1
0
2
dx e x
x
; 8 = n
R. 0.72889 ; exacto. 0.718282
20.- Use la frmula general de simpson 1/3 para los ejercicios 14 -19.
45
21.- Use la frmula general de simpson 3/8 para los ejercicios 16 y 17.
22.- Con los datos de la tabla:
46 . 10 6 . 2
030 . 8 4 . 2
042 . 6 2 . 2
425 . 4 0 . 2
120 . 3 8 . 1
) (x f x
Calcular:
}
6 . 2
8 . 1
) ( dx x f por trapecios y simpson (1/3).
23. Calcular el rea comprendida entre:
x y ln 2 + = ; eje X ; 2 = x
Por simpson 1/ 3 con N = 4, use cuatro decimales.
24. Calcular el valor de c si:
}
= +
4
1
2
27 ) ( dx c x , N = 6 Por simpson (1/3)
5.9.- METODOS NUMERICOS PARA INTEGRAL DOBLE:
Resolucin por el mtodo de simpson(1/3) para N = 2.
} }
=
b
a
x
x
dydx y x f I
) (
) (
2
1
) , (

Hacemos:
}
=
) (
) (
2
1
) , ( ) (
x
x
dydx y x f x G

luego:
}
+ + = =
b
a
x
x G x G x G
h
dx x G I )] ( ) ( 4 ) ( [
3
) (
2 1 0
N
a b
h
x

= paso en direccin del eje X

j
}
+ + = =
) (
) (
02 0 01 0 00 0 0 0
0 2
0 1
) , ( ) , ( 4 ) , (
3
) , ( ) (
x
x
y
y x f y x f y x f
h
dy y x f x G

N
x x
h
y
) ( ) (
0 1 0 2

= paso en direccin del eje Y , con el cual se calcula;
02 01 00
; ; y y y
j
}
+ + = =
) (
) (
12 1 11 1 10 1 1 1
1 2
1 1
) , ( ) , ( 4 ) , (
3
) , ( ) (
x
x
y
y x f y x f y x f
h
dy y x f x G

N
x x
h
y
) ( ) (
1 1 1 2

= paso en direccin del eje Y , con el cual se calcula;
12 11 10
; ; y y y
j
}
+ + = =
) (
) (
22 2 21 2 20 2 2 2
2 2
2 1
) , ( ) , ( 4 ) , (
3
) , ( ) (
x
x
y
y x f y x f y x f
h
dy y x f x G

46
N
x x
h
y
) ( ) (
2 1 2 2

= paso en direccin del eje Y , con el cual se calcula;
22 21 20
; ; y y y
OBS: Se procede de la misma forma para los mtodos de los trapecios y simpson 3/8.
5.10.- EJERCICIOS
Para los ejercicios 1 3. calcular las integrales dobles por Trapecios:
1.-
} }
2 . 2
1 . 2
4 . 1
3 . 1
2
dydx xy ; 2 = n
2.-
} }

5 . 1
3 . 1
1 . 0
1 . 0
2
dydx y x ; 2 = n
3.-
} }

+
1 . 0
1 . 0
1 . 0
0
2 2
dydx xye
y x
; 2 = n
Para los ejercicios 4 6. Calcular las integrales dobles por Simpson 1/3:
4.-
} }

1 . 0
0
1 . 0
0
dydx e
x y
; 2 = n
5.-
} }
+
2 . 2
0 . 2
2
2 2
) (
x
x
dydx y x ; 2 = n
6.-
} }
+
1 . 1
0 . 1
0
2
) (
x
dydx y x ; 2 = n
Para los ejercicios 7 y 8. Calcular las integrales dobles por Simpson 3/8:
7.-
} }
1
0
0
) (
x
dydx x ysen ; 3 = n
47
8.-
} }

+
2
3
2
0
) cos (
n
dydx y x ysenx

; 3 = n
9.- Use la frmula de simpson(1/3) para aproximar:
}}
+
R
y x
dA e
) (
; N=2
donde R es la regin acotada por las curvas
2
x y = ;
x y =
R: 0.1479099
10.- Use la frmula de los trapecios y aproxime la integral:
} }
1
0
1
0
) , ( dydx y x f
Usando los valores de f dados en la tabla:
y
x
0.00 0.25 0.50 0.75 1.00
0.00
0.25
0.50
0.75
1.00
0
0
0
0
0
0
8.113
7.005
4.921
0
0
8.994
10.722
6.779
0
0
8.113
8.704
5.184
0
0
0
0
0
0
11.- En la integral doble:
dA y xy
R
}}
+
2
; N = 6
donde R es la regin limitada por: 3 = x ; 2 3 = x y ; 2 3 = y x
Calcular ) (
3
x G por el mtodo de los trapecios,
12.- En la integral doble:
} }
+
1 . 1
0 . 1
0
2
) (
x
dydx y x ; 6 = n
Calcular ) (
4
x G por simpson (3/8)
CAPITULO 6
PROBLEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS CON
VALOR INICIAL.
6.1.- INTRODUCCION.-
Definicin.- la funcin ) , ( y x f satisface la condicin de Lipschitz para la variable
' ' ' '
y
en
2
R D c , si existe una constante 0 > L con la propiedad:
48
2 1 2 1
) , ( ) , ( y y L y x f y x f s
) , (
1
y x y ) , (
2
y x D e
L se llama condicin de lipschitz de f .
Teorema.- sea } , : ) , {( + < < s s = y b x a y x D y ) , ( y x f continua en D para
' ' ' '
y ,
entonces el problema de condicin inicial:
=
s s =
) (
); , (
'
a y
b x a y x f y
Tiene una nica solucin ) (x y para b x a s s
6.2.- METODO DE EULER.
) , (
1
0
k k k k
y x hf y y
y
+ =
=
+

; 1 ,..., 1 , 0 = n k
6.3.- METODO DE EULER MODIFICADO.
))] , ( , ( ) , ( [
2
1 1
0
k k k k k k k k
y x hf y x f y x f
h
y y
y
+ + + =
=
+ +

; 1 ,..., 1 , 0 = n k
6.4.- METODO DE TAYLOR DE ORDEN n .
) , (
1
0
k k
n
k k
y x hT y y
y
+ =
=
+

; 1 ,..., 1 , 0 = n k
Donde: ) , (
!
... ) , (
2
) , ( ) , (
1
1
'
k k
n
n
k k k k k k
n
y x f
n
h
y x f
h
y x f y x T

+ + + =
6.5.- METODO DE RUNGE KUTTA DE ORDEN CUATRO.
] 2 2 [
6
) , (
)
2
,
2
(
)
2
,
2
(
) , (
4 3 2 1 1
3 1 4
2
3
1
2
1
0
k k k k
h
y y
k y x f k
k
y
h
x f k
k
y
h
x f k
y x f k
y
k k
k k
k k
k k
k k
+ + + + =
+ =
+ + =
+ + =
=
=
+
+

1 ,..., 1 , 0 = n k
6.6.- PROBLEMAS DE CONDICION INICAIL DE ORDEN SUPERIOR Y
SISTEMAS DE ECUACIONES DIFERENCIALES:
' ' '
0
' ' ' ' '
0
' ' '
0
'
0
' ' ' ' ' ' ' ' ' '
) ( ; ) ( ; ) ( ; ) (
;
y a y y a y y a y y a y
b x a g Ey Cy By Ay Y
= = = =
s s = + + + +
Hacemos:
' ' ' ' ' '
; ; y w y v y u = = =
49
Se obtiene:
g Ey Cu Bv Aw w = + + + +
'
Luego se debe resolver el sistema de ecuaciones diferenciales con valor inicial:
u y =
'
;
0
) ( y a y =
v u =
'
;
'
0
) ( y a u =
w v =
'
;
' '
0
) ( y a v =
Ey Cu Bv Aw g w =
'
;
' ' '
0
) ( y a w =
6.7.- EJERCICIOS
Para los ejercicios 1 - 7. Hallar la condicin de Lipschitz en los problemas de valor
inicial.
1.-
x y y cos
'
= ; 1 0 s s x
1 ) 0 ( = y
2.-
x
e x
x
y
y
2 '
2
+ = ; 2 1 s s x
0 ) 1 ( = y
3.-
x
e x
x
y
y
2 '
2
+ = ; 2 1 s s x
e y 2 ) 1 ( =
4.-
xy x y cos
3 '
= ; 1 0 s s x
1 ) 0 ( = y
5.-
1
2 '
+ = y x y ; 1 0 s s x
1 ) 0 ( = y
6.-
xy y =
'
; 1 0 s s x
1 ) 0 ( = y
7.-
y y =1
'
; 1 0 s s x
1 ) 0 ( = y
50
Para los ejercicios 8 11. Use el mtodo de Euler con N = 4 para aproximar los
siguientes problemas de valor inicial, graficar la solucin y solucin exacta.
8.-
2
' x y = ; x [0 , 2]
0 ) 0 ( = y
9.-
xy y = ' ; x [0 , 4]
4 ) 0 ( = y
10.-
xy y = ' ; x [0 , 2]
1 ) 0 ( = y
11.-
x y 2 ' = ; x

[0 , 2]
1 ) 0 ( = y
Para los ejercicios 12 15. Use el mtodo de Euler para aproximar la solucin de los
siguientes problemas de valor inicial.
12.-
|
.
|

\
|
+ |
.
|

\
|
=
x
y
x
y
y
2
' ; x [1 , 1.2]
1 ) 1 ( = y ; 1 . 0 = h
R.
4281 . 1 2 . 1
2 . 1 1 . 1
i i
y x
13.-
x
e senx y

+ = ' ; x [0 , 1]
0 ) 0 ( = y ; 5 . 0 = h
R.
04298 . 1 0 . 1
5 . 0 5 . 0
i i
y x
14.-
x
y y
y
+
=
2
' ; x [1 , 3]
2 ) 1 ( = y ; 5 . 0 = h
51
R.
0 . 1 0 . 3
0 . 1 5 . 2
0 . 1 0 . 2
0 . 1 5 . 1

i i
y x
15.-
y
x
xy y
4
' + = ; x [0 , 1]
1 ) 0 ( = y ; 25 . 0 = h
R.
7000 . 1 00 . 1
4601 . 1 75 . 0
1875 . 1 50 . 0
0000 . 1 25 . 0
i i
y x
16.- Dado el problema de valor inicial
2
2
1
' y
x
y
x
y = , x [1 , 2]
1 ) 1 ( = y
cuya solucin exacta es:
x
x y
1
) ( = .
Use el mtodo de Euler Modificado con h = 0.2 para aproximar la solucin y comprela
con los valores reales de ) (x y .
17. Dado el problema inicial
x
e x y
x
y
2
2
' + = ; x [1 , 2]
0 ) 1 ( = y
cuya solucin exacta es: ) ( ) (
2
e e x x y
x
= .
Use el mtodo de Euler modificado, con h = 0.2 .graficar la solucin y solucin exacta.
Para los ejercicios 18 21. Use el mtodo de Taylor de orden dos para aproximar la
solucin:
18.-
|
.
|

\
|
+ |
.
|

\
|
=
x
y
x
y
y
2
' ; x [1 , 1.2]
1 ) 1 ( = y ; 1 . 0 = h
R.
465250 . 1 2 . 1
214999 . 1 1 . 1
i i
y x
52
19.-
x
e senx y

+ = ' ; x [0 , 1]
0 ) 0 ( = y ; 5 . 0 = h
R.
076858 . 1 0 . 1
50000 . 0 5 . 0
i i
y x
20.-
x
y y
y
+
=
2
' ; x [1 , 3]
2 ) 1 ( = y ; 5 . 0 = h
R.
458882 . 1 0 . 3
585732 . 1 5 . 2
777776 . 1 0 . 2
000000 . 2 5 . 1

i i
y x
21.-
y
x
xy y
4
' + = ; x [0 , 1]
1 ) 0 ( = y ; 25 . 0 = h
R.
720480 . 1 00 . 1
538468 . 1 75 . 0
312319 . 1 50 . 0
093750 . 1 25 . 0
i i
y x
Para los ejercicios 22 26. Use el mtodo de Taylor de orden cuatro, para aproximar la
solucin:
22.-
y x y + = ' ; x [0 , 2]
1 ) 0 ( = y ; 5 . 0 = h
23.-
y y = 1 ' ; x [0 , 2]
0 ) 0 ( = y ; 5 . 0 = h
24.-
1 ' + + = x y y ; x [0 , 2]
1 ) 0 ( = y ; 5 . 0 = h
25.-
y y + = 1 ' ; x [0 , 2]
0 ) 0 ( = y ; 5 . 0 = h
53
26.-
x
e x y + = cos ' ; x [1 , 2]
2 ) 1 ( = y , ; h = 0.2
(5 iteraciones)
En los ejercicios 27 30. Use el mtodo de Runge- Kutta de orden cuatro para
aproximar la solucin:
27.-
|
.
|

\
|
+ |
.
|

\
|
=
x
y
x
y
y
2
' ; x [1 , 1.2]
1 ) 1 ( = y ; 1 . 0 = h
R.
46755 . 1 2 . 1
21588 . 1 1 . 1
i i
y x
28.-
x
e senx y

+ = ' ; x [0 , 1]
0 ) 0 ( = y ; 5 . 0 = h
R.
09184 . 1 0 . 1
515898 . 0 5 . 0
i i
y x
29.-
x
y y
y
+
=
2
' ; x [1 , 3]
2 ) 1 ( = y ; 5 . 0 = h
R.
19850 . 1 0 . 3
24804 . 1 5 . 2
33056 . 1 0 . 2
49541 . 1 5 . 1

i i
y x
30.-
y
x
xy y
4
' + = ; x [0 , 1]
1 ) 0 ( = y ; 25 . 0 = h
R.
701786 . 1 00 . 1
513531 . 1 75 . 0
289921 . 1 50 . 0
087168 . 1 25 . 0
i i
y x
54
31.- Se tiene el problema de condicin inicial:
2
1
'
x
y = ; x [1 , 5]
1 ) 1 ( = y , N = 4
a) completar:
x
i
Mtodo de euler
y
i
Valor real
y
R
Error
R i
y y
1
2
3
4
5
b) graficar aproximadamente ambas soluciones.
32.- Sea el problema de condicin inicial:
y Ae y
x
+ = ' ; x [0 , 0.9]
2 ) 0 ( = y , 3 ) 0 (
'
= y ; h = 0.3
Por el mtodo de reunge-kutta. Hallar y
3
Para los ejercicios 33 39. Resolver las siguientes ecuaciones diferenciales de orden
superior, por el mtodo de Euler. (cinco iteraciones)
33.-
x
e y x xy y = + +
2 '
2 ' ' ; x [0 , 2]
1 ) 0 ( = y , 1 ) 0 (
'
= y ; h = 0.1
34.-
x x y xy y x ln 2 2 ' '
3 ' 2
= + ; x [1 , 2]
1 ) 1 ( = y , 0 ) 1 (
'
= y ; h = 0.2
35.-
x
e y y y y = + 2 2 ' ' '
' ' '
; x [0 , 3]
1 ) 0 ( = y , 2 ) 0 (
'
= y ; 0 ) 0 (
' '
= y ; h = 0.1
36.-
0 8
' '
= + y y ; x [0 , 3]
1 ) 0 ( = y , 0 ) 0 (
'
= y ; h = 0.1
37.-
senx y y y = + 2 ) ( 01 . 0
2 ' ' '
; x [0 , 3]
0 ) 0 ( = y , 1 ) 0 (
'
= y ; h = 0.1
38.-
0 2
' ' '
= + + xy xy y ; x [0 , 3]
1 ) 0 ( = y , 0 ) 0 (
'
= y ; h = 0.1
55
39.-
x y y e
x
= +
' '
) ( ; x [0 , 3]
1 ) 0 ( = y , 0 ) 0 (
'
= y ; h = 0.1
Resolver los siguientes sistemas de ecuaciones diferenciales de primer orden.
(cinco iteraciones)
40.-
2 1
1
'
2 3 u u u + = ; x [0 , 1] ; 0 ) 0 (
1
= u
2 1
2
'
4 u u u + = ; x [0 , 1] ; 1 ) 0 (
2
= u ; h = 0.1
41.- senx x u u u 4 cos 2 4
2 1
1
'
+ + = ; x [0 , 2] ; 0 ) 0 (
1
= u
senx u u u 3 3
2 1
2
'
+ = ; x [0 , 2] ; 1 ) 0 (
2
= u ; h = 0.1
42.-
2
1
'
u u = ; x [0 , 1] ; 3 ) 0 (
1
= u
1 2
1
2
'
+ + =
x
e u u ; x [0 , 1] ; 0 ) 0 (
2
= u
1
1
3
'
+ + =
x
e u u ; x [0 , 1] ; 1 ) 0 (
3
= u ; h = 0.1
ANEXO - CAPITULO 7
7 EJEMPLOS Y EJERCICIOS CON MATLAB
7.1.- REPRESENTACION DE UN POLINOMIO.
4 3 5
2 3
+ + + = x x x y
>> p = [5 1 3 4]
Races.
>> r = roots (p)
7.1.1.- EVALUACION DE UN POLINOMIO.
4 3 5
2 3
+ + + = x x x y
y(2.2) =?
>> p = [5 1 3 4]
xi = 2.2;
yi = polyval(p, xi)
7.1.2.- AJUSTE DE POLINOMIOS.
Sea : >> x = [1.1, 2.5, 3.6, 5.2]
y = [3.665, 4.367, 4.341, 2.017]
a = polyfit(x, y, length(x)-1)
a = aparecen los coeficientes del polinomio
56
7.2.- GRAFICOS BIDIMENCIONALES.
1. >> x = [3 6 1 5 8]
x = 3 6 1 5 8
plot(x)
2. >> x = [3 5 2 1 4]; y = [2 0 3 4 1];
plot(x, y)
3. >> x = [-10: 0.2 : 10]; y = sin(x);
>> close
>> plot(x, y)
>> grid
>> xlabel('x'); ylabel('y')
4. >> x = 0 : pi/20 : 4*pi;
>> y = sin(x); z = cos(x);
>> plot(x, y,'.', x, z, '-')
>> grid
5. Graficar: 1 ) cosh( ) cos( ) ( + = x x x f
clf; clear % o clg; clear
>> x = -5: 0.1:5;
>> y=cos(x).*cosh(x)+1;
>> plot(x, y);
>> grid
>> xlabel('x'); ylabel('y = cos(x)*cosh(x)+1') % esta lnea es optativa
7.3.- INTERPOLACION.
1. >>x = [0.0, 0.25, 0.5, 0.75, 1.0]';
>> y = [0.916, 0.8109, 0.6931, 0.5596, 0.4055]';
>> xi = [0.27 0.53 0.65 0.77]'; % hallamos las imgenes de xi
>> yi = interp1(x, y, xi, 'linear'); % usar solo linear o cubic
'cubic'
>> [xi,yi]
% aparece el resultado
2.- GRAFICAS , INTERPOLACION CON POLINOMIOS DE GRADO 5 Y 10
x=0:10;
>> xx=0:0.1:10;
>> y=sin(x);
>> p5=polyfit(x,y,5);
>> p10=polyfit(x,y,10);
>> plot(x,y,'o',xx,polyval(p5,xx),'-',x,y,'y',xx,polyval(p10,xx),'.')
7.4.- GRAFICA, SPLINES CON 3 y 5 PUNTOS
%spline cubico con 3 puntos
>> x = [2 3 5]; y = [1 0 4];
>> xx=2:0.1:5;
>> plot(xx,csapi(x,y,xx),'k-',x,y,'ro'), grid
>> title('spline con 3 puntos')
57
%spline cubico con 5 puntos
x = [1 1.5 2 4.1 5]; y = [1 -1 1 -1 1];
>> xx=1:0.1:5;
>> plot(xx,csapi(x,y,xx),'k-',x,y,'ro')
>> grid
>> title('spline cubico con 5 puntos')
7.4.1.- APLICACIN DEL SPLINE, GRAFICA DE UNA PIEZA
>> x1=[-2 -1.5 -1 -0.5 0 0.5 1 1.5 2];
>> y1=[0 0.4 0.8 1 1.4 1.8 2 2.5 5];
>> x2=[2 2.2 2.5 2.8 3];
>> y2=[5 4.5 4 3.5 3];
>> x3=[-2 -1 -0.5 0 1 1.5 2 2.5 3];
>> y3=[0 -0.2 -0.5 -1 0 1 1.5 1.6 3];
>> plot(x1,y1,'x',x2,y2,'+',x3,y3,'.') % dibujo del contorno
>> xx1=-2:0.1:2; %limites
>> xx2=2:0.1:3;
>< xx3=-2:0.1:3;
>> plot(xx1,csapi(x1,y1,xx1),'k-',x1,y1,'ro', xx2,csapi(x2,y2,xx2),'k-',x2,y2,'ro',
xx3,csapi(x3,y3,xx3),'k-',x3,y3,'ro')
%es una sola linea
7.5.- ECUACIONES NO LINEALES.
1. Ejemplo Grfica:
0 1 3
3
= + x x
x=-10:0.1:10;
f=x.^3-3*x+1;
close
plot(x,f)
grid
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
2. Calculo de la solucin:
Con la instruccin fzero
x=-10:0.1:10;
>> f=inline('x^3-3*x+1');
>> fzero(f,1.3)
ans =
1.5321
7.5.1.- ALGORITMO DE NEWTON.
1. Ejm: 0 sin 5 . 0
3
= x e
x
Instrucciones para graficar.
x=[0:0.2:2];
>> y=[-0.3:0.2:0.3];
>> y=0.5*exp(x/3)-sin(x);
>> close
>> plot(x,y)
58
>> grid
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
function newton(f,x0,tol)
sym x; %convierte a x en variable simblica para derivar f
df=diff(f,'x'); %deriva con respecto a x
f=inline(f);
df=inline(char(df)); %inline convierte a f y su derivada df en funcin que depende de x
%char transforma a la derivada como cadena de caracteres para poder
% definir como funcin
fprintf('\n it. x f(x)\n')
i=0;
fprintf('%3.0f %10.10f %10.10f\n',i,x0,f(x0))
x1=x0-f(x0)/df(x0);
while abs(x0-x1)>tol
i=i+1;
%contador de iteraciones
fprintf('%3.0f %10.10f %10.10f\n',i,x1,f(x1))
x0=x1;
x1=x0-f(x0)/df(x0);
end
fprintf('\n la aproximacion de la raiz es: %3.10f\n\n',x1)
NOTA. Abrir la ventana con New/New- file .Guardar la funcin como newton.m en la
ventana del editor.
Luego llamar desde la ventana commad Window la instruccin:
newton(0.5*exp(x/3)-sin(x),0,0.000001)
Donde la raz inicial es x0=0, error= 0.000001
Resultado:
>> newton('0.5*exp(x/3)-sin(x)',0,0.000001)
it. x f(x)
0 0.0000000000 0.5000000000
1 0.6000000000 0.0460589057
2 0.6740772595 0.0017921320
3 0.6772069270 0.0000034016
4 0.6772128900 0.0000000000
la aproximacin de la raz es: 0.6772128900
7.5.2.- SISTEMA DE ECUACIONES NO LINEALES
1. Con la instruccin fsolve
Ejemplo:
0 4
0
2 2
2
= +
=
y x
x y
Grfica del sistema:
59
a=-3:0.1:3; b=-3:0.1:3; [x,y]=meshgrid(a,b);
>> f1=y-x.^2; f2=x.^2+y.^2-4;
>> contour(x,y,f1,[0,0],'k'); hold on; grid on;
>> contour(x,y,f2,[0,0],'k');
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
2. Calculo de la solucin:
%Funcin como archivo, escribir en el editor
function f=experimento(x)
f=[x(2)-x(1).^2;x(1).^2+x(2).^2-4]
% guardar como experimento.m
% x(1) = x, x(2) = y
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
>> X0=[1.3,1.4]; % raz inicial (escribir en la ventana principal de windows)
>> X=fsolve('experimento',X0)
X =
1.2496 1.5616
3. Segunda forma con la instruccin fsolve
Ejemplo:
% funcin como inline (escribir en la ventana principal de windows)
f=inline('[x(2)-x(1)^2;x(1)^2+x(2)^2-4]')
f =
Inline function:
f(x) = [x(2)-x(1)^2;x(1)^2+x(2)^2-4]
>> x=fsolve(f,[1.41,1.41],optimset('fsolve'))
x =
1.2496 1.5616
7.6.- SISTEMAS LINEALES.
>> A = [3 2 1;5 4 6;7 8 9]
>> B = A

traspuesta de A
>> C = inv(A) inversa de A
>> D = det(A) determinante de A
>> E = A*B producto de matrices
>> r = rank(A) calcula el rango de A
nxn
>> x = [6 3 4 7 1] vector fila
>> y = [2 ; 4 ; 6 ; 1 ; 7] vector columna (tambin se puede escribir [ ]

)
7.7.- NORMAS DE VECTORES Y MATRICES.-
Sea el vector: x = (3 , -2, 5, 6, 7)
>> x = [ 3 -2 5 6 7]
>> norm(x, p) con p = 1 , 2 , inf
Sea una matriz de orden cuatro:
>> A = [4 3 2 1;5 -2 1 -1;4 5 6 7;-1 -2 -6 -8]
>> norm(A, p) con P = 1 , 2 , inf
60
7.8.- RESOLUCION DE SISTEMAS LINEALES:
E = rref(A) reduce a la forma escalonada por Gauss
[l,u]=lu(A) descomposicin L U
[ l, u, p] = lu(A) descomposicin L U
[Q, R]= qr(A) Descomposicin QR de una matriz rectangular.
Para sistemas con ms ecuaciones que incgnitas.
R = chol(A) factorizacin cholesky R R A
'
=
1. Ejm:
3x
1
+ 2x
2
= -1
x
1
- x
2
= 1
Resolvemos por Gauss:
>> A = [3 2;1 -1]
>> b = [-1 ; 1];
>> x = A\ b
Solucin: x
1
= 0.2 ; x
2
= 0.8
2. Por descomposicin L U:
>> [ l, u, p] = lu(A)
se obtiene: l = 1 0 u = 3 2 p = 1 0
0.3333 1 0 -1.6667 0 1
Luego: L = p*l
Se resuelve por gauss el sistema: z = L\ b se obtiene. z
1
, z
2
Finalmente se resuelve el sistema: x = u\ z se obtiene la solucin: x
1
, x
2
7.9.- INTEGRACION NUMERICA.
(puede usar cualquiera de los tres ejemplos para resolver)
Ejemplos:
7.9.1.-CUADRATURA DE SIMPSON.
}
=
3
0
2 2
) (sin dx x e I
x
function f = hcurve(x) % se grava en el editor con el nombre hcurve.m
f= exp(2*x).*(sin(x)).^2;
len = quad(@hcurve,0,3*pi) % se llama en la ventana principal de window
len =
17.2220
7.9.2.- METODO DE SIMPSON (1/3):
}
+
2
0
1
x
e
>> clear %simpson
>> Iexacta = 4.006994; %es la solucin exacta
>> a=0; b=2; %los lmites
>> fprintf('\n formula de simpson(1/3)\n');
>> fprintf('\n n I error\n');
61
>> n=1;
>> for k=1:4, n = 2*n;
h=(b-a)/n; i=1:n+1;
x=a+(i-1)*h; f=sqrt(1+exp(x)); %es la integral
I = (h/3)*(f(1) + 4*sum(f(2:2:n)) + f(n+1));
if n>2, I = I+(h/3)*2*sum(f(3:2:n)); end
fprintf(' %3.0f %10.5f %10.5f\n', n, I, Iexacta-I);
end
2 4.00791 -0.00092
4 4.00705 -0.00006
8 4.00700 -0.00000
16 4.00699 -0.00000
7.9.3.- METODO DE LOS TRAPECIOS:
}
+
2
0
1
x
e
>> clear; Iexacta=4.006994; % 'sol. exacta'
>> a=0; b=2; %los lmites
>> fprintf('\n formula de trapecios\n');
>> fprintf('\n n I error\n');
>> n=1;
>> for k=1:6
n=2*n;
h=(b-a)/n; i=1:n+1;
x=a+(i-1)*h; f=sqrt(1+exp(x)); %es la integral
I=trapez_v(f,h);
fprintf(' %3.0f %10.5f %10.5f \ n', n, I, Iexacta-I);
end
2 4.08358 -0.07659
4 4.02619 -0.01919
8 4.01180 -0.00480
16 4.00819 -0.00120
32 4.00729 -0.00030
64 4.00707 -0.00008
7.10.- PROBLEMAS DE CONDICION INICIAL.
Ejemplo de la grfica de la solucin y solucin exacta de una E.D.O.
>> clear, clf, hold off
t=1; n=0; y=1; z=1;
h=0.1; %es el paso
t_rec(1)=t; y_rec(1) =y; z_rec(1)=z;
while t<=30
n=n+1;
y=y+h*(3*t/y*y + 1/t.^3); %mtodo de euler
z=t.^2; %solucin exacta
t=t+h;
y_rec(n+1) = y;
62
t_rec(n+1) = t;
z_rec(n+1) = z;
end
plot(t_rec, y_rec, t_rec, z_rec,'-')
xlabel('tiempo (s)')
ylabel('velocidad (m/s)')
Nota. t es la variable independiente. Variables dependientes son y, z.
7.11.- PRACTICA EN LABORATORIO DE MATLAB
7.11.1 INTERPOLACION.
L 1.
X 0.0 0.25 0.5 0.75 1.0
F(x) 0.9162 0.8109 0.6931 0.5596 0.4055
a) usando la instruccin polyfit aproximar f(0.6)
b) graficar el polinomio de interpolacin.
c) Estime los valores de x que satisfacen f(x) = 0.4137, 0.7233, 0.8501 .
Utilizando interp1
L 2. Determinar la curva spline. Grafique la curva con los puntos dados.
xx = [-1.00, -0.86, -0.50, 0.00, 0.50, 0.86, 1.00, 1.00, 1.04, 1.15, 1.13, 1.54, 1.82, 2.17,
2.58, 3.06]
yy = [0.00, -0.25, -0.43, -0.50, -0.43, -0.25, 0.00, 0.00, 0.15, 0.25, 0.30, 0.30, 0.30, 0.30,
0.30, 0.30]
7.11.2 ECUACIONES NO LINEALES.
L 3. determine grficamente las soluciones de las siguientes ecuaciones:
a) 0 ; 0 ) sin( ) 3 / exp( 5 . 0 > = x x x
b) 0 ; 0 3 . 0 ) sin( > = x e x
x
c) 0 40 3
1 2
= + +

x x x
L.4. Resolver las siguientes ecuaciones con la instruccin fzero por el mtodo de
newton.
a) ) 1 (
435000
1000000 1564000 + =
x x
e
x
e para 0002 . 0 =
b) 0096 . 0 ) 1 /( ) 01 . 0 ( ) sin( ) 1 01 . 0 (
2
+ + = x x x x y para 0002 . 0 =
c) 0 ) 2 (ln 8 ln ) 2 (ln 3
3 4 2 2 6
= +
x x x
e e e para 0002 . 0 =
d)
2 5 5 . 1 5
10 * 15 . 1 10 * 4 . 1
1000
) 81 . 9 )( 2 (
v v

+ =
Determine v ( velocidad) usando fzero ( newton con un error de 0.001).
e)
)
35 . 9
( log 2 14 . 1
1
10
f R
D
e
f
e
+ =
Hallar f con la instruccin fzero. (newton con un error de 0.00001):
D = 0.1, 0025 . 0 = e ,
4
10 * 3 =
e
R
63
f)
D D h E
D sen D h C
l B
lsen A
donde
Esen C Bsen Asen
5 . 0 cos ) 5 . 0 (
tan 5 . 0 ) 5 . 0 (
cos
:
0 cos cos
1
1 1
1
1
2
+ =
+ =
=
=
= +

1. Cuando l = 89, h = 49, D = 55 y
0
1
5 . 11 = , El ngulo es aproximadamente
0
33 . Verifique este resultado.
2. Encuentre para la situacin en la que l , h,
1
,son los mismos que en a) pero
D = 30
7.11.3.- SISTEMAS LINEALES:
L 1.- Hallar la normas 1 , 2 , inf del siguiente vector:
x = ( 9 , 2, 8, -12, -9, 10, 20, 50, -100, -150 )
L 2.- La instruccin hilb(n) genera una matriz. Hallar la condicin de dicha matriz,
para n = 10 con la norma 1 , 2 e inf
L 3.- Para el sistema lineal: Ax = b
(
(
(
(
(
(
(
(
(
(
(
(
(
(
]
1

7 73 4 6 8 3 5 9 1 2
5 9 2 46 3 7 4 1 6 8
5 4 7 6 3 8 2 63 9 1
5 8 6 4 2 9 7 3 1 48
4 6 1 3 7 9 50 2 8 5
3 9 51 8 2 1 6 4 5 7
61 6 4 7 1 2 8 5 3 9
1 5 8 9 4 6 7 2 53 3
7 4 8 9 60 5 3 6 1 2
8 9 2 5 6 71 3 1 7 4
(
(
(
(
(
(
(
(
(
(
(
(
(
(
]
1

10
9
8
7
6
5
4
3
2
1
x
x
x
x
x
x
x
x
x
x
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
]
1

7
5
1
8
9
2
3
6
4
10
a) Hallar la condicin del sistema con la norma inf
b) Resolver por Gauss.
c) Resolver por L U
d) Resolver por Cholesky
64
L4.- Considere el sistema:
2x
1
x
2
= 1
- x
1
+ 2x
2
x
3
= 1
- x
2
+ 2x
3
x
4
= 1
- x
3
+ 2x
4
x
5
= 1
- x
4
+ 2x
5
x
6
= 1
- x
5
+ 2x
6
x
7
= 1
- x
6
+ 2x
7
x
8
= 1
- x
7
+ 2x
8
x
9
= 1
- x
8
+ 2x
9
x
10
= 1
- x
9
+ 2x
10
= 1
a) Hallar la condicin del sistema con la norma dos.
b) resolver por el mtodo de Gauss.
c) resolver por descomposicin L U
7.11.4.- INTEGRACIN NUMERICA.
Para los ejercicios L5 L7. Calcular las integrales por el mtodo de trapecios para
n = 2 , 4 , 8 y 16. Luego comparar con el valor exacto.
L5.-
}
4
0
) tan(

dx x
L6.-
}
1
0
) exp( dx x
L7.-
}
+
1
0
2
1
dx
x
Para los ejercicios L8 L11. Calcular las integrales por el mtodo simpson 1/ 3 para
n = 2 , 4 , 8 y 16.
L8.-
}
+

0
) cos( 2 x
dx
L9.-
}
+
2
1
) 1 log(
dx
x
x
65
L10.-
}

1
0
dx x
x
L11.-
}
2
0
2
) ( sin ) 2 exp( dx x x
NOTA. Tambin puede usar el mtodo directo del 1 ejemplo
7.11.5.- PROBLEMAS DE CONDICION INICIAL
Para los ejercicios L12 L14. Por el mtodo de Euler graficar la solucin numrica y la
solucin exacta.
L12.-
1 ) 1 (
1
2
'
=
=
y
t
y
t
y
; e t [ 1 , 20] ; h = 0.01
cuya solucin exacta es: y(t) = - 1/t
L13.-
1 ) 0 (
1
'
=
+ + =
y
t y y
; e t [ 0 , 20]; h = 0.01
cuya solucin exacta es: y(t) = e
-t
+ t
L14.-
0 ) 1 (
2
2 '
=
+ =
y
e t
t
y
y
t
; e t [ 1 , 20] ; h = 0.01
cuya solucin exacta es: y(t) = t
2
(e
t
-e)
BIBLIOGRAFIA
1 Anlisis Numrico Richard L. Burden Grupo Editorial Iberoamericana
2 Introduccin al Anlisis Numrico H.C. Muller S.C.
3 Mtodos Numricos con Software S. Nakamura
4 Mtodos Numricos con Matlab S. Nakamura