Modulo Unidad2

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

CONTENIDO DIDCTICO DEL CURSO: 100401 MTODOS NUMRICOS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
100401 METODOS NUMERICOS

Elaborado Carlos Ivn Bucheli Chaves
Corregido por Ricardo Gmez Narvez
Revisado por Carlos Edmundo Lpez Sarasty
(Director Nacional)
PASTO
Enero de 2013

UNIDAD II:
Sistemas de Ecuaciones Lineales, No Lineales
e Interpolacin.
C
CA
APPIITTU
ULLO
O 33:: SSO
OLLU
UC
CII
N
ND
DEE SSIISSTTEEM
MA
ASS D
DEE EEC
CU
UA
AC
CIIO
ON
NEESS LLIIN
NEEA
ALLEESS
YY N
NO
O LLIIN
NEEA
ALLEESS..
Leccin 7 Mtodo de eliminacin de Gauss .. 131

Leccin 8 Mtodo de Gauss-Jordn... 134
Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo..... 138
C
CA
APPIITTU
ULLO
O 44:: IIN
NTTEER
RPPO
OLLA
AC
CIIO
ON
N
Leccin 10 Polinomio de Interpolacin de Lagrange... 148

Leccin 11 Polinomio de Interpolacin con diferencias divididas de newton
.... 151
Leccin 12 Interpolacin Polinomial de diferencias finitas de Newton. 156
Leccin 13 Ajuste de curvas.. 161
Leccin 14 Transformada discreta de Fourier y Ejercicios del Capitulo.. 169

ALCANCE DEL CURSO ACADEMICO
El estudiante comprender la importancia de los mtodos numricos y conocer Las

caractersticas operativas del software de cmputo numrico comercial.
Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con

apoyo de un lenguaje de programacin.
Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo

de un lenguaje de programacin.
Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e

integracin numrica, usando un lenguaje de programacin.
Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de

diferenciacin e integracin numrica, usando un lenguaje de programacin.
Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la

capacidad de:
Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las

ciencias.
Analizar en grupo los conceptos de cifra significativa, precisin, exactitud, sesgo e
incertidumbre, as como los diferentes tipos de error: absoluto y relativo por redondeo
por truncamiento numrico total humanos.
Buscar y diferenciar las caractersticas de un software de cmputo numrico.
Exponer por equipos, las caractersticas de un software de cmputo numrico.
Realizar prcticas del uso de un software de cmputo numrico, apoyndose en
tutoriales y manuales correspondientes.
Buscar y analizar la interpretacin grfica de una raz y la teora de alguno de los
mtodos iterativos.
Buscar y catalogar los diferentes mtodos numricos de solucin de ecuaciones.

Disear e implementar los mtodos numricos catalogados, utilizando la herramienta de

cmputo numrico.
Resolver ejercicios aplicando los mtodos implementados, validando sus resultados.
Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones lineales.
Identificar grficamente, los casos de sistemas de ecuaciones lineales mal
condicionadas y su relacin matemtica con el determinante.
Analizar en grupo la solucin de sistemas de ecuaciones, empleando los mtodos
iterativos de Jacobi y Gauss-Seidel.
Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
Buscar y clasificar los fundamentos matemticos de la solucin de sistemas de
ecuaciones no-lineales.
Analizar en grupo la solucin de sistemas de ecuaciones no-lineales, empleando
mtodos iterativos.
Implementar y evaluar los mtodos iterativos empleando un lenguaje de programacin.
Buscar y clasificar los mtodos numricos de diferenciacin.
Representar grficamente los mtodos clasificados.
Analizar en grupo la diferenciacin, empleando los mtodos clasificados.
Disear e implementar los mtodos de diferenciacin numrica.
Disear e implementar los mtodos de integracin numrica.
Buscar y clasificar los mtodos numricos de integracin.
Representar grficamente los mtodos clasificados.
Analizar en grupo la integracin, empleando los mtodos clasificados.
Buscar y clasificar los mtodos numricos de diferenciacin.
Aplicar los mtodos a la solucin de ejercicios, empleando una calculadora.
Disear, implementar y evaluar los mtodos numricos de Euler y de Runge-Kutta.
Investigar aplicaciones de estos mtodos numricos y mostrar resultados.

UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO LINEALES E
INTERPOLACION
ECUACIN ALGEBRICA LINEAL

Es aquella en donde en cada trmino de la ecuacin aparece nicamente una
variable o incgnita elevada a la primera potencia. Por ejemplo:
a11 x1 a12 x2 a13 x3 ... a1n xn c1
(1)
Es una ecuacin algebraica lineal en las variables X1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el trmino independiente C1, son constantes
reales.
Diagrama de flujo del clculo de cofactores.

SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los sucesivo se
considerarn nicamente sistemas de ecuaciones algebraicas lineales, o sea conjuntos
de ecuaciones de la forma:
a11 x1 a12 x 2 a13 x3 ... a1n x n c1 (a)

a x a x a x ... a x c (b)
21 1
22 2
23 3
2n n
2
.
a n1 x1 a n 2 x 2 a n 3 x3 ... a nn x n c n (c)
(2)
Aplicando la definicin de producto entre matrices, este sistema de n ecuaciones

algebraicas lineales con n incgnitas puede escribirse en forma matricial.
(3)
Este sistema de ecuaciones puede escribirse simblicamente como:

A X = C (4)
En donde A se llama Matriz del Sistema. La matriz formada por A, a la que se le ha

agregado el vector de trminos independientes como ltima columna, se le llama la Matriz
Ampliada del Sistema, que se representa con (A, C).
Entonces la matriz ampliada ser:
(5)

CAPITULO 3: SOLUCION DE SISTEMAS
DE ECUACIONES
Mtodo de eliminacin
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que puede
obtenerse de esa matriz. El rango de la matriz A se representa con la notacin r(A) y el de
la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si r(A) < n,
siendo n el nmero de variables en el sistema.
En general, hay dos tipos de tcnicas numricas para resolver ecuaciones

simultneas: Directas, que son finitas; e Indirectas, que son infinitas.
Naturalmente, ninguna tcnica prctica puede ser infinita. Lo que queremos decir
es que en un principio los mtodos directos (despreciando errores por redondeo)
producirn una solucin exacta, si la hay, en un nmero finito de operaciones
aritmticas.
Por otra parte, un mtodo indirecto requerir en principio un nmero infinito de
operaciones aritmticas para producir una solucin exacta. Dicho de otra manera,
un mtodo indirecto tiene un error por truncamiento mientras que un mtodo
directo no lo tiene.
7

Sin embargo, la expresin "en principio" del prrafo anterior es crucial: en realidad
se tienen errores por redondeo. Tendremos que considerar ms cuidadosamente
esta cuestin. En un sistema grande, mal comportado, los errores por redondeo de
un mtodo directo puede hacer que la "solucin" carezca de sentido. A pesar de
su error terico por truncamiento, un mtodo indirecto puede ser mucho ms
deseable porque en l los errores por redondeo no se acumulan.

Leccin 7 Mtodo de eliminacin
El primer mtodo que se presenta usualmente en lgebra, para la solucin de ecuaciones

algebraicas lineales simultneas, es aquel en el que se eliminan las incgnitas mediante
la combinacin de las ecuaciones. Este mtodo se conoce como Mtodo de Eliminacin.
Se denomina eliminacin Gaussiana si en el proceso de eliminacin se utiliza el esquema
particular atribuido a Gauss.
Utilizando el mtodo de Gauss, un conjunto de n ecuaciones con n incgnitas se reduce a
un sistema triangular equivalente (un sistema equivalente es un sistema que tiene iguales
valores de la solucin), que a su vez se resuelve fcilmente por "sustitucin inversa"; un
procedimiento simple que se ilustrar con la presentacin siguiente.
El esquema de Gauss empieza reduciendo un conjunto de ecuaciones simultneas, tal
como se muestra en (2), a un sistema triangular equivalente como:
(6)
En el cual los superndices indican los nuevos coeficientes que se forman en el proceso
de reduccin. La reduccin real se logra de la siguiente manera:
1. La primera ecuacin (2) se divide entre el coeficiente de X1 en esa ecuacin para
obtener:
(7)
2. La ec. (7) se multiplica entonces por el coeficiente de X1 de la segunda ecuacin

(2) y la ecuacin que resulta se resta de la misma, eliminando as X1. La ec. (7) se
9

multiplica entonces por el coeficiente de X1 de la tercera ecuacin (2), y la

ecuacin resultante se resta de la misma para eliminar X1 de esa ecuacin. En
forma similar, X1 se elimina de todas las ecuaciones del conjunto excepto la
primera, de manera que el conjunto adopta la forma:
(8)
3. La ecuacin utilizada para eliminar las incgnitas en las ecuaciones que la siguen
se denomina Ecuacin Pivote. En la ecuacin pivote, el coeficiente de la incgnita
que se va a eliminar de las ecuaciones que la siguen se denomina el Coeficiente
Pivote (a11 en los pasos previos).
4. Siguiendo los pasos anteriores, la segunda ecuacin (8) se convierte en la
ecuacin pivote, y los pasos de la parte 1 se repiten para eliminar X2 de todas las
ecuaciones que siguen a esta ecuacin pivote. Esta reduccin nos conduce a:
(9)
5. A continuacin se utiliza la tercer ecuacin (9) como ecuacin pivote, y se usa el

procedimiento descrito para eliminar X3 de todas las ecuaciones que siguen a la
tercer ecuacin (9). Este procedimiento, utilizando diferentes ecuaciones pivote, se
contina hasta que el conjunto original de ecuaciones ha sido reducido a un
conjunto triangular tal como se muestra en la ec. (6).
6. Una vez obtenido el conjunto triangular de ecuaciones, la ltima ecuacin de este
conjunto equivalente suministra directamente el valor de Xn (ver ec. 6). Este valor
se sustituye entonces en la antepenltima ecuacin del conjunto triangular para
obtener un valor de Xn-1, que a su vez se utiliza junto con el valor de Xn en la
penltima ecuacin del conjunto triangular para obtener un valor Xn-2 y asi
sucesivamente. Este es el procedimiento de sustitucin inversa al que nos
referimos previamente. Para ilustrar el mtodo con un conjunto numrico,
apliquemos estos procedimientos a la solucin del siguiente sistema de
ecuaciones:
10

x1 4 x2 x3 7
x1 6 x 2 x3 13
(10)
2 x1 x 2 2 x3 5
Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es unitario),
obtenemos:
x1 4 x 2 x3 7
2 x 2 2 x3 6
(11)
9 x 2 0 9
A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin pivote y
repitiendo el procedimiento, se obtiene el siguiente sistema triangular de ecuaciones:
x1 0 5 x3 5
2 x 2 2 x3 6
(12)
9 x2 0 9
De la tercera ecuacin del sistema (12) obtenemos el valor de
en las otras ecuaciones se obtienen los valores de x3
x2 1 , que al reemplazarlo
y x1
DESVENTAJAS DEL MTODO DE ELIMINACIN

1. Divisin entre cero
Una de sus desventajas es que durante el proceso en las fases de eliminacin y
sustitucin es posible que ocurra una divisin entre cero. Se ha desarrollado una
estrategia del pivoteo para evitar parcialmente estos problemas. sta se deja
como investigacin al alumno.
2. Errores de redondeo
La computadora maneja las fracciones en forma decimal con cierto nmero
limitado de cifras decimales, y al manejar fracciones que se transforman a
decimales que nunca terminan, se introduce un error en la solucin de la
computadora. Este se llama error por redondeo.
11

Cuando se va a resolver solamente un pequeo nmero de ecuaciones, el error

por redondeo es pequeo y generalmente no se afecta sustancialmente la
precisin de los resultados, pero si se van a resolver simultneamente muchas
ecuaciones, el efecto acumulativo del error por redondeo puede introducir errores
relativamente grandes en la solucin. Por esta razn el nmero de ecuaciones
simultneas que se puede resolver satisfactoriamente con el mtodo de
eliminacin de Gauss, utilizando de 8 a 10 dgitos significativos en las operaciones
aritmticas, se limita generalmente a 15 o 20.
3. Sistemas mal condicionados
La obtencin de la solucin depende de la condicin del sistema. En sentido
matemtico, los sistemas bien condicionados son aquellos en los que un cambio
en uno o ms coeficientes provoca un cambio similar en la solucin. Los sistemas
mal condicionados son aquellos en los que cambios pequeos en los coeficientes
provocan cambios grandes en la solucin.
Una interpretacin diferente del mal condicionamiento es que un rango amplio de
respuestas puede satisfacer aproximadamente al sistema. Ya que los errores de
redondeo pueden inducir cambios pequeos en los coeficientes, estos cambios
artificiales pueden generar errores grandes en la solucin de sistemas mal
condicionados.
12

Leccin 8 Mtodo de Gauss Jordan
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite
resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las
operaciones aritmticas de la computadora. Este procedimiento se distingue del mtodo
Gaussiano en que cuando se elimina una incgnita, se elimina de todas las ecuaciones
restantes, es decir, las que preceden a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como una
matriz aumentada.
Se normaliza el primer rengln dividiendo entre 3 para obtener:
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del
segundo rengln. De una manera similar, restando 0.3 veces el primero del tercer rengln
se elimina el trmino con X1 del tercer rengln.
13

En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:
Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:
El tercer rengln se normaliza dividindolo entre 10.010:
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin para
obtener:
Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

Las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al mtodo de
Gauss-Jordan.
14

Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer casi

idnticos, el primero requiere aproximadamente 50% menos operaciones. Por lo tanto, la
eliminacin gaussiana es el mtodo simple por excelencia en la obtencin de soluciones
exactas a las ecuaciones lineales simultneas. Una de las principales razones para incluir
el mtodo de Gauss-Jordan, es la de proporcionar un mtodo directo para obtener la
matriz inversa.
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea diferente de
cero
. Por definicin de matriz inversa, se tiene que
Es la inversa de A si:
(13)
Haciendo
y sustituyendo en la ecuacin anterior, se obtiene

A X = I (14)
Puede considerarse que esta ecuacin matricial representa un sistema de ecuaciones

simultneas, en donde no hay un solo vector de trminos independientes sino n, los n
vectores bsicos que forman la matriz unitaria I. Adems, no existe un solo vector de
incgnitas, sino n, los que corresponden a cada columna de la matriz unitaria.
Por lo anterior, es posible determinar la inversa de una matriz con el mtodo de GaussJordan de eliminacin completa. Para lograrlo, bastar con aplicar las operaciones
elementales sobre los renglones de la matriz ampliada (A, I) de manera de transformar A
en I. Cuando se haya hecho, se obtendr la matriz ampliada
tendr la inversa buscada.
, con lo que se
EJEMPLO
Invertir la matriz
15

Aumntese la matriz de coeficientes con una matriz identidad
Usando a11 como pivote, el rengln 1 se normaliza y se usa para eliminar a X1 de los otros
renglones.
En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.
Finalmente, se usa a33 como pivote y X3 se elimina de los renglones restantes:
Por lo tanto, la inversa es:
16

Se puede resolver un sistema de ecuaciones con la inversa de la matriz de coeficientes,

de la siguiente manera:
Donde C es el vector de trminos independientes.

Comparando ambos mtodos, es evidente que el mtodo de inversin de matrices no es
prctico para la solucin de un slo conjunto (o dos o tres conjuntos) de ecuaciones
simultneas, porque la cantidad de clculos que intervienen para determinar la matriz
inversa es muy grande. Sin embargo, si se desea resolver 20 conjuntos de 10 ecuaciones
simultneas que difieren nicamente en sus trminos independientes, una matriz
aumentada que contiene 20 columnas de constantes (que se utilizaran en el mtodo de
eliminacin) sera difcil de reducir, y se podra usar con ventaja el mtodo de inversin de
matrices.
17

Leccin 9 Mtodo de Gauss-Seidel y Ejercicios del Capitulo
El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones

suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende de
las ecuaciones de que se trate, del nmero de dgitos que se conservan en el resultado de
las operaciones aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de
error, el nmero de ecuaciones que se pueden manejar se puede incrementar
considerablemente a ms de 15 o 20, pero este mtodo tambin es imprctico cuando se
presentan, por ejemplo, cientos de ecuaciones que se deben resolver simultneamente.
El mtodo de inversin de matrices tiene limitaciones similares cuando se trabaja con
nmeros muy grandes de ecuaciones simultneas.
Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de
Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el
mtodo de Gauss-Seidel tiene la desventaja de que no siempre converge a una solucin o
de que a veces converge muy lentamente. Sin embargo, este mtodo convergir siempre
a una solucin cuando la magnitud del coeficiente de una incgnita diferente en cada
ecuacin del conjunto, sea suficientemente dominante con respecto a las magnitudes de
los otros coeficientes de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros
para asegurar la convergencia y es an ms difcil predecir la velocidad de la
convergencia para alguna combinacin de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente dominante para
una incgnita diferente para cada ecuacin es mayor que la suma de los valores
absolutos de los otros coeficientes de esa ecuacin, la convergencia est asegurada. Ese
conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal.
Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es
condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que se
derivan de muchos problemas de ingeniera, son del tipo en el cual existen siempre
coeficientes dominantes.
La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:
1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible
hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar
valores seleccionados arbitrariamente. Los valores iniciales utilizados no
18

2.
3.
4.
5.
afectarn la convergencia como tal, pero afectarn el nmero de iteraciones

requeridas para dicha convergencia.
Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que
tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras
incgnitas los valores supuestos.
Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene
el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la
incgnita del paso 2 y los valores supuestos para las incgnitas restantes.
Continuar con las ecuaciones restantes, determinando siempre el valor calculado
de la incgnita que tiene el coeficiente ms grande en cada ecuacin particular, y
utilizando siempre los ltimos valores calculados para las otras incgnitas de la
ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos
para las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin
final ha sido resuelta, proporcionando un valor para la nica incgnita, se dice que
se ha completado una iteracin.
Continuar iterando hasta que el valor de cada incgnita, determinado en una
iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad
menor que cierto
seleccionado arbitrariamente. El procedimiento queda
entonces completo.
Refirindonos al paso 5, mientras menor sea la magnitud del

seleccionado, mayor
ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el
error que puede existir en los valores obtenidos para las incgnitas, ya que sta es una
funcin de la velocidad de convergencia. Mientras mayor sea la velocidad de
convergencia, mayor ser la precisin obtenida en los valores de las incgnitas para un
dado.
19

EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un
0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30

3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCION:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estn los
coeficientes mayores para asegurar la convergencia.
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
Despejamos cada una de las variables sobre la diagonal:
20

Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1
Este valor junto con el de X3 se puede utilizar para obtener X2
La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados

obteniendo:
En la segunda iteracin, se repite el mismo procedimiento:
Comparando los valores calculados entre la primera y la segunda iteracin
21

Como podemos observar, no se cumple la condicin
Entonces tomamos los valores calculados en la ltima iteracin y se toman como

supuestos para la siguiente iteracin. Se repite entonces el proceso:
Comparando de nuevo los valores obtenidos
Como se observa todava no se cumple la condicin
22

As que hacemos otra iteracin
Comparando los valores obtenidos
Dado que se cumple la condicin, el resultado es:
X1 = 3.0
X2 = -2.5
X3 = 7.0
Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar

una solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan ms
iteraciones.
Se deja de investigacin al alumno alguna forma que haga que este mtodo converge
ms rpidamente.
23

EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
2. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
3. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
SOLUCION:
24

4. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
SOLUCION:
5. Calcula la matriz inversa de las siguientes matrices usando el mtodo de GaussJordan:
i)
ii)
Soluciones:
i)
ii)
6. Usa el mtodo de Gauss-Seidel hasta que

siguiente sistema de ecuaciones:
a 1%
para aproximar la solucin del

25

SOLUCION:
7. Usa el mtodo de Gauss-Seidel hasta que

siguiente sistema de ecuaciones:
a 1% para aproximar la solucin del
SOLUCION:
26

CAPITULO 4: INTERPOLACION
INTERPOLACION DE POLINOMIOS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:
(1)
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que pasa a
travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir un polinomio
de primer orden) que conecta dos puntos. El polinomio de interpolacin consiste en
determinar el nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados.
Este polinomio proporciona una frmula para calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n + 1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales se puede
expresar este polinomio. En esta unidad se estudian dos tcnicas alternativas que estn
bien condicionadas para implementarse en una computadora. Estos son los polinomios de
Newton y de Lagrange.
27

Leccin 10 Polinomios de interpolacin de Lagrange

../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos para
clase/tema2/interp04.html - atrasEl polinomio de interpolacin de Lagrange, simplemente es
una reformulacin del polinomio de Newton que evita los clculos de las diferencias
divididas. Este se puede representar concretamente como:
(21)
en donde:
(22)
En donde
denota el "producto de".
Por ejemplo, la versin lineal (n = 1) es:
(23)
y la versin de segundo orden es:
28

(24)
al igual que en el mtodo de Newton, la versin de Lagrange tiene un error

aproximado dado por:
(25)
La ecuacin (21) se deriva directamente del polinomio de Newton. Sin embargo, la

razn fundamental de la formulacin de Lagrange se puede comprender
directamente notando que cada trmino Li(X) ser 1 en X=Xi y 0 en todos los
dems puntos.
Por lo tanto, cada producto Li(X) f (Xi) toma un valor de f (Xi) en el punto Xi. Por
consiguiente la sumatoria de todos los productos, dada por la ecuacin (21) es el
nico polinomio de n-simo orden que pasa exactamente por los n+1 puntos.
Ejemplo 3.4
sese un polinomio de interpolacin de Lagrange de primer y segundo orden para
evaluar ln 2 en base a los datos:
i
f(X)
1.0
0.000 0000
4.0
1.386 2944
6.0
1.791 7595
Solucin:
El polinomio de primer orden es:
29

y, por lo tanto, la aproximacin en X = 2 es
de manera similar, el polinomio de segundo orden se desarrolla como:
Como se expresaba, ambos resultados son similares a los que se obtuvieron

previamente usando la interpolacin polinomial de Newton.
En resumen, para los casos en donde el orden del polinomio se desconozca, el
mtodo de Newton tiene ventajas debido a que profundiza en el comportamiento
de las diferentes frmulas de orden superior. Adems la aproximacin del error
dada por la ecuacin (20), en general puede integrarse fcilmente en los clculos
de Newton ya que la aproximacin usa una diferencia dividida. De esta forma,
desde el punto de vista de clculo, a menudo, se prefiere el mtodo de Newton.
Cuando se va a llevar a cabo slo una interpolacin, ambos mtodos, el de
Newton y el de Lagrange requieren de un esfuerzo de clculo similar. Sin
embargo, la versin de Lagrange es un poco ms fcil de programar. Tambin
existen casos en donde la forma de Newton es ms susceptible a los errores de
redondeo. Debido a esto y a que no se requiere calcular y almacenar diferencias
divididas, la forma de Lagrange se usa, a menudo, cuando el orden del polinomio
se conoce a priori.
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
30

digitales, estos mtodos tuvieron gran utilidad en la interpolacin de tablas con

datos igualmente espaciados. De hecho se desarrolla un esquema conocido como
tabla de diferencias divididas para facilitar la implementacin de estas tcnicas.
Sin embargo, y debido a que las frmulas son un subconjunto de los esquemas de
Newton y Lagrange compatibles con la computadora y ya que se dispone de
muchas funciones tabulares como rutinas de biblioteca, la necesidad de puntos
equidistantes se fue perdiendo. En particular, se puede emplear en la derivacin
de frmulas de integracin numrica que emplean comnmente datos
equidistantes.
La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango
de los puntos base conocidos X0, X1,..., Xn. La interpolacin ms exacta
usualmente se obtiene cuando las incgnitas caen cerca de los puntos base.
Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo
tanto, el error en la extrapolacin puede ser muy grande. La naturaleza abierta en
los extremos de la extrapolacin representa un paso en la incgnita porque el
proceso extiende la curva ms all de la regin conocida. Como tal, la curva
verdadera diverge fcilemte de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.
31

Leccin 11 Polinomios de interpolacin con diferencias divididas de

newton
Interpolacin lineal
La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea
recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura.
Fig. 1
Usando tringulos semejantes, se tiene:
(2)
Que se puede reordenar como:
32

(3)
La cul es la frmula de interpolacin lineal. La notacin f1(X) indica que se trata

de un polinomio de interpolacin de primer orden. Ntese que adems de
representar la pendiente de la lnea que conecta los dos puntos, el trmino [f(X1) f(X2)] / (X1 - X2) es una aproximacin de diferencias divididas finitas a la primera
derivada. En general, entre mas pequeo sea el intervalo entre los puntos, ms
exacta ser la aproximacin.
EJEMPLO 3.1
Calclese el logaritmo natural de 2 (ln 2) usando interpolacin lineal.
Primero, llvese a cabo los clculos interpolando entre ln 1 = 0 y ln 6 =
1.7917595.
Despus reptase el procedimiento, pero usando un intervalo ms pequeo desde
ln 1 a ln 4 = 1.3862944.
Ntese que el valor real de ln 2 = 0. 69314718
SOLUCIN:
Evaluando la frmula de interpolacin lineal (3) de X = 1 a X = 6 da:
La cual representa un error porcentual de e% = 48.3 %. Usando el intervalo ms

pequeo desde X = 1 a X = 4 da:
Por lo contrario, usando el intervalo ms pequeo reduce el error relativo

porcentual a e% = 33.3%
33

Interpolacin cuadrtica
clase/tema2/interp02.html - atras El error en el ejemplo 3.1 se debe a que se aproxima a
una curva mediante una lnea recta. Por consiguiente, una estrategia que mejora la
aproximacin es la de introducir cierta curvatura en a lnea que conecta a los puntos. Si se
dispone de tres puntos lo anterior se puede llevar a cabo con un polinomio de segundo
orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para
este caso es:
(4)
Ntese que aunque la ecuacin (4) parezca diferente de la ecuacin general de un

polinomio (1), las dos ecuaciones son equivalentes.
Esto se puede demostrar si se multiplican los trminos de la ecuacin (4) y
obtener:
(5)
O, agrupar trminos:
(6)
En donde:
(7)
34

De esta manera, las ecuaciones (1) y (4) son frmulas alternativas equivalentes
del nico polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores de los
coeficientes. Para b0, se usa la ecuacin (4) con X = X0, y se obtiene
b0 = f(X0) (8)
Sustituyendo la ecuacin (8) en la ecuacin (4) y evaluando en X = X1 se obtiene:
(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X = X2 y se obtiene:
(10)
Ntese que, al igual que en el caso de interpolacin lineal, b1 an representa la

pendiente de la lnea que une los puntos X0 y X1. Por lo tanto, los primeros dos
trminos de la ecuacin (4) son equivalentes a la interpolacin de X0 a X1, como
se especific anteriormente en la ecuacin (3). El ltimo trmino, b2(X-X0) (X-X1),
introduce la curvatura de segundo orden en la frmula.
Ejemplo 3.2
Ajstese el polinomio de segundo orden a los tres puntos usados en el ejemplo 3.1
X0 = 1 f (X0) = 0.0000 000
X1 = 4 f (X1) = 1.3862 944
X2 = 6 f (X2) = 1.7917 595
sese el polinomio para evaluar ln 2

35

SOLUCIN:
Aplicando la ecuacin (8) da:
b0 = 0
la ecuacin (9) genera:
Y la ecuacin (10) da:
Sustituyendo estos valores en la ecuacin (4) se obtiene la frmula cuadrtica:

f 2 ( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)
que se evala en X = 2 y se obtiene

f 2 ( 2 ) = 0.5658443
Lo que representa un error porcentual del e% = 18.4%. Por lo tanto, mejora la

interpolacin comparada con los resultados obtenidos al usar una lnea recta
(ejemplo 3.1).
36

Leccin 12 Interpolacin polinomial de las diferencias finitas de

newton
clase/tema2/interp03.html - atrasEl anlisis anterior se puede generalizar en el ajuste de un
polinomio de n-simo orden a los n+1 puntos. El polinomio de n-simo orden es:
(11)
Como se hizo anteriormente con las interpolaciones lineales y cuadrticas, se

usan los puntos en la evaluacin de los coeficientes b0, b1,..., bn.
Se requieren n + 1 puntos para obtener un polinomio de n-simo orden: X0, X1,...,
X n.
Usando estos datos, con las ecuaciones siguientes se evalan los coeficientes:
B0 = f (X0)
B1 = f [X1, X0]
B2 = f [X2, X1, X0]
(12)
...
bn = f [Xn, Xn-1, ..., X1, X0]
En donde las evaluaciones de la funcin entre corchetes son diferencias divididas

finitas.
Por ejemplo, la primera diferencia dividida finita se representa generalmente como:
37

(13)
La segunda diferencia dividida finita, que representa la diferencia de dos primeras

diferencias divididas finitas, se expresa generalmente como:
(14)
De manera similar, la n-sima diferencia dividida finita es:
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
f n (X) = f(X0) + (X-X0) f[X1, X0] + (X-X0)(X-X1) f[X2, X1, X0] +
(16)
...+ (X-X0)(X-X1)...(X-Xn-1) f[Xn, Xn-1,...,X1, X0]
Al cual se le llama Polinomio de Interpolacin con Diferencias Divididas de

Newton.
Se debe notar que no es necesario que los datos usados en la ecuacin (16) estn
igualmente espaciados o que los valores de la abscisa necesariamente se
encuentren en orden ascendente, como se ilustra en el ejemplo 3.3
Todas las diferencias pueden arreglarse en una tabla de diferencias divididas, en
donde cada diferencia se indica entre los elementos que la producen:
38

Xi
f(Xi)
Primera
Segunda
Tercera
X0
f(X0)
f(X1, X0)
f(X2, X1, X0)
f(X3, X2, X1, X0)
X1
f(X1)
f(X2, X1)
f(X3, X2, X1)
X2
f(X2)
f(X3,X2)
X3
f(X3)
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:
f(X)
0.000 0000
1.386 2944
1.791 7595
1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.
39

Las primeras diferencias divididas del problema son:
Las segundas diferencias divididas son:
La tercera diferencia dividia es:
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuacin da:
f 3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X-4)(X-6)
Arreglando la tabla de diferencias

X
f [X]
f1[]
f2[]
f3[]
40

1.0 0.00000000 0.46209813 - 0.051873116 0.0078655415

4.0 1.3862944
0.20273255 - 0.020410950
6.0 1.7917595
0.18232160
5.0 1.6094379
Con la ecuacin anterior se puede evaluar para X = 2

f 3 (2) = 0.62876869
Lo que representa un error relativo porcentual del e% = 9.3%.

Ntese que la estructura de la ecuacin (16) es similar a la expresin de la serie
de Taylor en el sentido de que los trminos agregados secuencialmente
consideran el comportamiento de orden superior de la funcin representada. Estos
trminos son diferencias divididas finitas, y por lo tanto, representan
aproximaciones a las derivadas de orden superior. En consecuencia, como sucede
con la serie de Taylor, si la funcin representativa es un polinomio de n-simo
orden, el polinomio interpolante de n-simo orden bajado en n + 1 llevar a
resultados exactos.
El error por truncamiento de la serie de Taylor es:
(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:
(18)
41

En donde es un punto cualquiera dentro del intervalo que contiene las incgnitas
y los datos. Para uso de esta frmula la funcin en cuestin debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
Rn = f [X, Xn, Xn-1,..., X1, X0] (X-X0) (X-X1)...(X-Xn) (19)
en donde f(X, Xn, Xn-1, ... , X0) es la (n+1)-sima diferencia dividida.

Ya que la ecuacin (19) contiene la incgnita f(X), sta no se puede resolver y
obtener el error. Sin embargo, si se dispone de un dato adicional f(Xn+1), la
ecuacin (19) da una aproximacin del error como:
(20)
42

Leccin 13 Ajuste de curvas
Supongamos que tenemos un conjunto de puntos que mostramos en la siguiente grfica
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un
polinomio de segundo grado de la forma:
(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3, etc.
Para determinar estos valores utilizamos el siguiente procedimiento:

1. Establecer el criterio para determinar la ecuacin que represente a los valores
(obtenidos experimentalmente).
2. Escribir la ecuacin que expresa el error o desviacin entre el valor observado y
los valores dados por la ecuacin.
3. Habiendo obtenido la ecuacin del error, minimizar dicho error.
43

Evaluacin del error

Si consideramos las parejas de datos, como se muestra en la grfica
donde:
d = distancia = Yobservada - Y obtenida por la ecuacin
Yobservada = Valor obtenido experimentalmente.
Y obtenida por la ecuacin = valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar el error,
pero habr distancias positivas y negativas, (como se puede observar la distancia d1 es
positiva y la distancia d2 es negativa) de modo que el error promedio para los puntos
como los mostrados ser pequeo aunque los errores individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin embargo
al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto elimina la
dificultad del signo. Por esta razn el mtodo se llama: Mtodo de Mnimos Cuadrados.
(2)
44

En donde S es la suma de los cuadrados de las diferencias entre el valor calculado y el

valor observado y por lo tanto es el valor que se debe minimizar
(3)
Siendo el caso de que la curva supuesta es una ecuacin de segundo grado, se tiene la
ecuacin:
(4)
Para minimizar la funcin anterior, derivando parcialmente con respecto a a 1, a 2 y a 3 e

igualando a cero:
(5)
(Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son constantes)
Las ecuaciones se pueden expresar de acuerdo como sigue:
(6)
45

Lo anterior lo podemos expresar en forma matricial:
(7)
La frmula general para un polinomio de grado n en donde hay m parejas de datos es:
46

(8)
Como se puede observar el problema consiste en lo siguiente:

1. Obtener la matriz de coeficientes.
2. Resolver el sistema de ecuaciones resultantes.
Recordando que:
1. Si n es el grado del polinomio, hay n+1 valores de la matriz de coeficientes y n+1
ecuaciones.
2. El mximo exponente de X en los trminos de la sumatoria de 2n puede ser que
los datos no representen un polinomio de 2o grado sino que representen uno de 3o
y 4o grados.
El ajuste de curvas es un procedimiento de tanteo y error, si una curva no representa los
datos, entonces se intenta con un polinomio de grado superior.
EJEMPLO:
X
0.00
0.0000
0.60
0.6367
0.10
0.1002
0.70
0.7586
0.20
0.2013
0.80
0.8881
47

0.30
0.3045
0.90
1.0265
0.40
0.4108
1.00
1.1752
0.50
0.5211
De la tabla de datos, usando Mnimos Cuadrados, determine los polinomios de 2o,

3o y 4o grado; graficar para determinar la curva ms aproximada.
SOLUCIN
Polinomio de segundo grado
../../../Documents
and
Settings/ESC.
AGRARIAS/Escritorio/para
clase
y
cuaciones/metodos para clase/tema4/minim02.html - atrasPrimero determinamos los
coeficientes de la matriz y los elementos constantes. Los elementos de la matriz
son:
M =11
Los trminos constantes son:
48

De acuerdo con esto, el sistema de ecuaciones a resolver es el siguiente:
Resolviendo por Gauss se obtienen los siguientes resultados.

a1 = 0.006727
a2 = 0.895462
a3 = 0.265963
y el polinomio de segundo grado es:
Polinomio de tercer grado

../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema4/minim02.html - atras Para el caso del polinomio de
3er grado se requiere:
M =11
49

y el sistema de ecuaciones a resolver es:
cuya solucin es:

a1 = - 0.000112
50

a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032
y el polinomio queda:
Polinomio de cuarto grado

../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y
cuaciones/metodos para clase/tema4/minim02.html - atras Repitiendo el procedimiento
anterior, se obtienen los siguientes resultados
a1 = - 0.000112
a2 = 0.994595
a3 = 0.028713
a4 = 0.113563
a5 = 0.038237
quedando el polinomio como se muestra:
51

Leccin 14 Transformadas discretas de fourier.
La transformada de Fourier
La transformada de Fourier de una funcin continua e integrable de una variable
real x se define por
Observemos que la transformada de una funcin real es una funcin compleja. Es

decir, F(u)=R(u)+I(u), donde R(u) e I(u) son la parte real e imaginaria de F(u),
respectivamente.
La variable u recibe el nombre de variable de frecuencia.
El mdulo de F(u), |F(u)|= (R(u)2+ I(u)2)1/2 recibe el nombre del espectro de
Fourier.
El cuadrado del espectro se denomina espectro de potencias o densidad
espectral de f(x).
Su ngulo P(u)=arctg(I(u)/R(u)) recibe el nombre de fase.
La inversa de la transformada se define como:
52

Anlogamente, se define la transformada de Fourier de una funcin continua e

integrable de 2 variables:
y su inversa como
Transformada de Fourier discreta

Sea f(x,y) una imagen en niveles de grises, tal que x=0,1,...,N-1
y=0,1,...,N-1;
f(x,y) toma valores discretos representando el nivel de gris del
pxel (x,y) entonces, la transformada discreta de Fourier de la imagen consiste en

una funcin F(u,v) tal que
u=0,1,...,N-1
v=0,1,...,N-1:
y su inversa como
53

Propiedades de la transformada de Fourier
En este apartado, nos vamos a centrar en las propiedades de la transformada de

Fourier discreta bidimensional (TFD).
La Separabilidad
Esta propiedad de la TFD esta relacionada con la posibilidad de calcular la TFD de
una funcin bidimensional como una combinacin de dos transformadas Fourier
discretas, calculando primero una TFD sobre la variable de uno de los ejes y al
resultado aplicarle de nuevo la TFD sobre la variable del otro eje.
La ventaja que aporta esta propiedad es el hecho de poder obtener la
transformada F(x,y) o la inversa f(x,y) en dos pasos, mediante la aplicacin de la
Transformada de Fourier 1-D o su inversa:
donde
Por tanto, la transformada de la matriz f(x,y) se ha realizado, calculando primero la

transformada unidimensional a cada una de sus filas y multiplicando el resultado
por N. Posteriormente, se calcula la transformada a cada una de las columnas de
la matriz F(x,v)
54

La linealidad
La transformada de Fourier y su inversa son transformaciones lineales, es decir,
poseen la propiedad distributiva respecto de la suma.
La traslacin
Tanto la transformada discreta de Fourier como la transformada inversa, son
peridicas de periodo N.
Un caso particular de esta propiedad consiste en mover el origen de la
transformada de Fourier de f(x,y) al centro de la matriz N X N que le corresponda,
es decir al punto (N/2,N/2). Para ello, podemos hacer uso de que:
f(x,y)(-1)x+y se hace corresponder con F(u-n/2,v-N/2)
Tambin cabe resaltar, que un desplazamiento en la funcin f(x,y), no provocar
un cambio en la magnitud de su transformada de Fourier. Vase esto
matemticamente en la siguiente expresin:
La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
55

Si rotamos la funcin f(x,y) un ngulo determinado, la transformada de Fourier

tambin ser afectada por una rotacin del mismo ngulo. Esta propiedad tambin
se da a la inversa, es decir, si la transformada se rota en un determinado ngulo,
la transformada inversa tambin se ver rotada ese mismo ngulo.
Valor promedio
Una definicin ampliamente utilizada del valor promedio de una funcin discreta de
dos dimensiones es:
Esta expresin se puede calcular a partir de la transformada de Fourier, sin ms

que sustituir en la funcin F(u,v) para el punto (0,0).Por tanto, el valor promedio se
puede expresar matemticamente en funcin de la transformada de Fourier, como
sigue:
Representacin del logaritmo del espectro

El espectro de Fourier suele tener un rango mucho mayor que los usuales para
mostrar una imagen. Una tcnica usual para evitar esto es considerar el logaritmo
del espectro usando la frmula
D(u,v)=C(log(1+|F(u,v)|))
donde C es una constante adecuada de reescalado de la imagen, que se aplica
para obtener valores dentro de la paleta de colores disponible.
56

EJERCICIOS
NOTA: Cuando sea necesario, redondea a cinco decimales.

1. Calcula el polinomio de interpolacin de Newton para los siguientes datos:
i)
x 2 2 1
4
y 0.5 3 2.4 7.8
ii)
x 0.3 0.6 0.9 1.2 1.5

y 3 0 6 9 12
Soluciones:
i) f ( x) 0.5 0.875( x 2) 0.925( x 2)(x 2) 0.4625( x 2)(x 2)(x 1)
ii) f ( x) 3 10( x 0.3) 50( x 0.3)(x 0.6) 185.18519( x 0.3)(x 0.6)(x 0.9)
447.53088( x 0.3)(x 0.6)(x 0.9)(x 1.2)
2. Calcula el polinomio de Lagrange para los siguientes datos:
i)
ii)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
x 1.5 0.5 1 2 4
y
9
2 5 33 0
Soluciones:
57

( x 2)( x 3)( x 5)
( x 1)( x 3)( x 5)
( x 1)( x 2)( x 5)
i ) p( x) 1.56
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8.9
144
( x 0.5)( x 1)( x 2)( x 4)

( x 1.5)( x 1)( x 2)( x 4)
ii) p( x) 9
2
3.125
7.875
( x 1.5)( x 0.5)( x 2)( x 4)

( x 1.5)( x 0.5)( x 1)( x 4)
5
33
56.25
4.5
3. Calcula las splines cbicas para los siguientes datos:
i)
x 2 1
3
y 40 5 20
i)
x 5 2 3
7
y 20 4 6 40
Soluciones:
i)
0.25x 3 1.5 x 2 14.25x 7.5

si
s ( x)
3
2
0.375x 3.375x 16.125x 8.125 si
x 2,1
x 1,3
58

ii)
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si x 3,7
526
789
263
1578
59

BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
2. Chapra Steven y Canale R. Mtodos Numricos para Ingenieros. Cuarta edicin

Ed. Mc Graw Hill. Mxico.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.
7. Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.

Cambridge University Press, 2nd ed., 1992.
(VER COMPLEMENTARIA EN GUIA DE MODULO).
DIRECCIONES DE SITIOS WEB:
60

1. http://www.mhhe.com/chapra que contiene recursos educativos adicionales que estn a la

vanguardia.
2. www.uacj.mx/gtapia/AN/Unidad2/regla.htm
3. www.mitecnologico.com/Main/ErroresDeRedondeo.
4. www.virtualum.edu.co/antiguo/.../error/deferror.htm
5. www.wikipedia.org/wiki/Mtodo_de_biseccin
6. www.monografias.com/.../descomposicion-lu.shtm
7. www.uaem.mx/posgrado/mcruz/cursos/mn/euler
8. html.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios
9. www.scribd.com/doc/2993252/branchandbound
61

Modulo Unidad2

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo Unidad2

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

100401 METODOS NUMERICOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 7 Mtodo de eliminacin de Gauss .. 131

Leccin 10 Polinomio de Interpolacin de Lagrange... 148

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ALCANCE DEL CURSO ACADEMICO

El estudiante comprender la importancia de los mtodos numricos y conocer Las

Implementar mtodos de solucin de ecuaciones algebraicas o trascendentales, con

Implementar los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo

Aplicar los mtodos numricos para la solucin de problemas de diferenciacin e

Por ultimo, Aplicar los mtodos numricos para la solucin de problemas de

Por tanto al finalizar la lectura y comprensin de este modulo el estudiante estar en la

Analizar en grupo la importancia de los mtodos numricos en la ingeniera y en las

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Disear e implementar los mtodos numricos catalogados, utilizando la herramienta de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ECUACIN ALGEBRICA LINEAL

a11 x1 a12 x2 a13 x3 ... a1n xn c1

Diagrama de flujo del clculo de cofactores.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

a11 x1 a12 x 2 a13 x3 ... a1n x n c1 (a)

Aplicando la definicin de producto entre matrices, este sistema de n ecuaciones

Este sistema de ecuaciones puede escribirse simblicamente como:

En donde A se llama Matriz del Sistema. La matriz formada por A, a la que se le ha

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CAPITULO 3: SOLUCION DE SISTEMAS

En general, hay dos tipos de tcnicas numricas para resolver ecuaciones

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 7 Mtodo de eliminacin

El primer mtodo que se presenta usualmente en lgebra, para la solucin de ecuaciones

2. La ec. (7) se multiplica entonces por el coeficiente de X1 de la segunda ecuacin

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

multiplica entonces por el coeficiente de X1 de la tercera ecuacin (2), y la

5. A continuacin se utiliza la tercer ecuacin (9) como ecuacin pivote, y se usa el

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

DESVENTAJAS DEL MTODO DE ELIMINACIN

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Cuando se va a resolver solamente un pequeo nmero de ecuaciones, el error

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Leccin 8 Mtodo de Gauss Jordan

Se normaliza el primer rengln dividiendo entre 3 para obtener:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:

Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:

El tercer rengln se normaliza dividindolo entre 10.010:

Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer casi

. Por definicin de matriz inversa, se tiene que

y sustituyendo en la ecuacin anterior, se obtiene

Puede considerarse que esta ecuacin matricial representa un sistema de ecuaciones

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Aumntese la matriz de coeficientes con una matriz identidad

En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.

Finalmente, se usa a33 como pivote y X3 se elimina de los renglones restantes:

Por lo tanto, la inversa es:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Se puede resolver un sistema de ecuaciones con la inversa de la matriz de coeficientes,

Donde C es el vector de trminos independientes.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD