Formulario de Anlisis Numrico

ERROR ABSOLUTO
ERROR RELATIVO

E A = valor exacto - valor absoluto

= valor

actual - valor anterior

ER =

valor

exacto - valor obtenido

valor exacto

DESCARTES
Contamos los cambios de signo de f(x) para races positivas; para las negativas contamos los
cambios en f(x) (-1).
BISECCION (Mtodo cerrado que localiza solo races reales)
xi =

a+b
2
5. Aplicar el modelo

1. Dar f(x)

xi =

2. Tolerancia
3. Intervalo
4. f(a)f(b)<
Se cumple seguimos.
No se cumple, cambiamos lmites.
si=
esa es la raz

a+b
2

n n(b - a) -
n2

no. iteraciones=

6. f ( xi) T ?
Si se cumple ya chingamos.
Si no se cumple paso 7.
REGRESAR AL
PASO 5

f (a) f ( xi) >

7.

Si se cumple a = xi
Si no se cumple b = xi
Tabla

SERIES DE TAYLOR Y McLAURIN

1
= 1 - (x - 1) + (x - 1)2 - (x - 1)3 + ( x - 1) 4 - ...
x

<x<2

REGLA FALSA O FALSA POSICIN

Mismas condiciones que biseccin.

xi =

af (b) - bf(a)
f (b) - f(a)

NEWTON RAPHSON

f(xi - 1)
f' (xi - 1)

f(a)

f(b)

xi

f(xi)

ni

f(a)

f(b)

xi

f(xi)

Localiza races reales y a veces complejas,

mtodo abierto alta velocidad de convergencia.

xi = xi - 1 -

Error xi - xi - 1 T
No se aplica cuando f(x)=

SECANTE
i
n

xi-1

f(xi)

f(xi
)

xi

xi - xi - 1

x = g( x )

PUNTO FIJO
Localiza races reales y consiste en
transformar algebraicamente una funcin
f(x) en arreglos g(x) esto es:
MTODO DE MUELLER
Localiza races reales y complejos
Valores iniciales

x2 =

+ 2a o
- a1 (a12 - 4a 2a 2 )

1
2

Error xi - xi - 1

Seleccionamos uno a unos los arreglos y a

partir de xo localizar su raz
Error xi - xi - 1 T

5. Calcular error

ELIMINACIN GAUSSANA
transforma r

1. Obtener funciones de valores iniciales

xo = f (xo)
x1 = f (x1)
x2 = f (x2)

a11 x1 + a12 x 2 + a13 x 3 + ... + a1n x n = c 1

a 21x1 + a 22 x 2 + a 23 x 3 + ... + a 2n x n = c 2
a 31x 1 + a 32 x 2 + a 33 x 3 + ... + a 3n x n = c 3
.
.

2. Obtener diferencias divididas

f1 - fo
f [ x 1, x o ] =
x1 - x o
f [x 2 , x1 ] =
f [ x 2 , x 1, x o ] =

.
a n1x1 + a n 2 x 2 + an 3 x 3 + ... + a nn x n = c n

f 2 - f1
x 2 - x1
f [ x 2 , x 1 ] - f[x 1, x o ]
x2 - xo

3. Obtener a2, a1, y ao.

n
a11 x1 + a12 x 2 + a13 x 3 + ... + a1n x n = c 1
a 22 x 2 + a 23 x 3 + ... + a 2n x n = c 2
a 33 x 3 + ... + a 3 n x n = c 3
.

a 2 = f [ x 2 , x 1, x o ]

a1 = f [ x 2 , x 1 ] - (x 2 + x 1 )a 2

a o = f2 - x 2 ( f [ x 2 , x 1 ] - x1a 2 )

a nn x n = c n

4. Calcular denominador y utilizar el signo

de mayor magnitud (mayor valor absoluto)
entonces aplicamos el modelo.

GAUSS-SEIDEL
Tenemos un sistema como el anterior
Se obtienen los modelos despejando
variables

Los coeficientes deben quedar en la

diagonal

x1 = x1 actual - x1 anterior

x1 =

c 1 - a12 x 2 - a13 x 3 - ... - a1n x n

a11

x2 =

c 2 - a11x1 - a13 x 3 - ... - a1n x n

a12

x3 =

c 3 - a11x1 - a12 x 2 - ... - a1n x n

a13

JACOBI

xn =

c n - an1x1 - an2 x 2 - ... - ann-1x n-1

ann

Igual a gauss-seidel, con la diferencia de

que los valores obtenidos en una iteracin
se utilizan hasta la siguiente.

x 2 = x 2 actual - x 2 anterior
x 3 = x 3 actual - x 3 anterior

NEWTON RAPHSON
MULTIVARIABLE
f(xi - 1)
f' (xi - 1)
despejando tendriamos que
( xi - xi - 1)f' (xi - 1) = -f(xi - 1)
xi = xi - 1 -

ERROR
xi - xi - 1 t
yi - yi - 1 T
si tenemos dos ecuaciones la 1ra f ( x ), 2da g( x )
( xi - xi - 1)f' (xi - 1) + (yi - yi - 1)g' (yi - 1) = f(xi - 1, yi - 1)
( xi - xi - 1)g' (xi - 1) + (yi - yi - 1)f' (yi - 1) = -g(xi - 1, yi - 1)
si
entonces
xi - xi - 1 = x
x f(xi - 1) + y f' (yi - 1) = f(xi - 1, yi - 1)
yi - yi - 1 = y
1.
2.
3.
4.
5.
6.
7.
8.
9.

x g(xi - 1) + y g' (yi - 1) = -g(xi - 1, yi - 1)

PASOS
f(x, y), g(x, y)
Valores iniciales
Tolerancia
Obtener derivadas
Aplicar modelo
Eliminar una de las 2 variables (suma, resta, sustitucin, etc.)
Resolver el sistema de ecuaciones
Encontrar valores de x y y
Encontrar valores de x, y
Calcular errores

PUNTO FIJO
MULTIVARIABLE
Aplicar criterio de convergencia

dg1 dg2
+
1
dx
dx
g1 g2
+
1
dy
dy

Se despeja x y y respectivamente
x= g1 (x, y)
y= g2 (x, y)
VER SI CUMPLE
Si se cumple se sustituyen los valores en g1
y g2, sino, no es correcto.