LiMetNu2 PDF

METODOS NUMERICOS PARA
INGENIERIA
ING. RICARDO SEMINARIO VASQUEZ

METODOS NUMERICOS PARA INGENIERIA ING. RICARDO SEMINARIO VASQUEZ
INDICE DE MATERIAS
INTRODUCCION AL ANALISIS NUMERICO ............................................................... 3

Qu es un mtodo numrico? ....................................................................................... 4
ERRORES DE CLCULO .................................................................................................. 5
TIPOS DE ERRORES.......................................................................................................... 6
ALGORITMOS BASICOS .................................................................................................. 7
Ejercicios propuestos........................................................................................................... 8
INTERPOLACIN LINEAL............................................................................................... 9
INTERPOLACIN CON ESPACIOS EQUIDISTANTES O INTERPOLACION DE
NEWTON..................................................................................................................... 9
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES O INTERPOLACION DE
LAGRANGE .............................................................................................................. 18
APROXIMACIN LINEAL.............................................................................................. 21
Diagrama de flujo............................................................................................................. 23
CALCULO DE DERIVADAS........................................................................................... 24
Calculo de la primera derivada........................................................................................... 25
Formula de derivacin de dos puntos: ......................................................................... 26
SOLUCION DE ECUACIONES NO LINEALES ............................................................ 28
MTODO DE BISECCIN.............................................................................................. 28
MTODO DE PUNTO FIJO ........................................................................................... 37
MTODO DE NEWTON RAPHSON.............................................................................. 41
SOLUCION DE SISTEMAS DE ECUACIONES LINEALES MEDIANTE EL METODO
DE REDUCCION DE GAUSS-JORDAN ................................................................. 44
A) SISTEMAS CON SOLUCION UNICA ..................................................................... 44
B) SISTEMAS CON INFINIDAD DE SOLUCIONES.................................................. 46
C) SISTEMAS SIN SOLUCION..................................................................................... 49
D) SISTEMAS HOMOGENEOS .................................................................................... 49
METODOS DE INTEGRACION ...................................................................................... 52
MTODO DEL TRAPECIO O REGLA DEL TRAPECIO .............................................. 52
REGLA DE SIMPSON ...................................................................................................... 54
REGLA DE SIMPSON 1/3 ................................................................................................ 54
REGLA DE SIMPSON 3/8 .............................................................................................. 57
ECUACIONES DIFERENCIALES ORDINARIAS ......................................................... 60
MTODO DE EULER....................................................................................................... 61
MTODO DE RUNGE KUTTA .................................................................................. 66
BIBLIOGRAFIA Y WEBGRAFIA ................................................................................... 69
2
INTRODUCCION AL ANALISIS NUMERICO
PRESENTACION
Al momento de aplicar las Matemticas a situaciones del mundo real nos

encontramos a menudo con problemas que no pueden ser resueltos
analticamente o de manera exacta y cuya solucin debe ser abordada con ayuda
de algn procedimiento numrico. A continuacin consideramos algunos
problemas tpicos, ya formulados matemticamente, para los cuales
estudiaremos tcnicas numricas de solucin.
Este libro nace despus de una experiencia en la enseanza del curso del
mismo nombre en la Universidad Cesar Vallejo de Piura, durante cinco aos. En
la primera parte estudiamos la teora de errores, en la segunda parte la
interpolacin lineal y la interpolacin polinomial aplicada a la solucin de
derivadas.
Aplicamos a la solucin de ecuaciones no lineales, los mtodos de
biseccin, punto fijo y Newton Raphson y para las ecuaciones lineales los
mtodos de Gauss Jordan.
En el caso de las integrales definidas, aplicamos los mtodos del trapecio,
metodo de Simpson 1/3 y Simpson 3/8.
Concluyendo este libro con la solucin numrica de ecuaciones
diferenciales, mediante los mtodos de Euler y Runge Kutta.
EL AUTOR
3
Qu es un mtodo numrico?
Un mtodo numrico es un procedimiento mediante el cual se obtiene, casi

siempre de manera aproximada, la solucin de ciertos problemas realizando
clculos puramente aritmticos y lgicos (operaciones aritmticas elementales,
clculo de funciones, consulta de una tabla de valores, clculo preposicional,
etc.). Un tal procedimiento consiste de una lista finita de instrucciones precisas
que especifican una secuencia de operaciones algebraicas y lgicas (algoritmo),
que producen o bien una aproximacin de la solucin del problema (solucin
numrica) o bien un mensaje. La eficiencia en el clculo de dicha aproximacin
depende, en parte, de la facilidad de implementacin del algoritmo y de las
caractersticas especiales y limitaciones de los instrumentos de clculo (los
computadores). En general, al emplear estos instrumentos de clculo se
introducen errores llamados de redondeo.
4
ERRORES DE CLCULO
Notacin cientfica (punto flotante)

o Ejemplo :
2 * 102 = 200
5769 = 5.769 * 103
176936 = 1.77 * 105
0.00536 = 5.36 * 10-3
0.0000798 = 7.98 * 10-5
Ejercicios
Realizar las siguientes operaciones:
a) 0.5971 * 103 + 0.4268 * 10-5
5
expresar el resultado en base a 103 y 10-5
solucin
0.5971 * 103 + 0.4268 * 10-5 = 0.5971 * 103 + 0.000004268 * 10-5

b) 0.5971 * 10-3 + 0.4268 * 10-6
TIPOS DE ERRORES
error absoluto y error relativo

Sean las variables :
a = valor aproximado
a* = valor real
el valor absoluto = E
E = | a*- a |
El valor relativo = Er
Er = E/ a*
El cual es llamado error porcentual
Ejemplo :
Calcular el error absoluto y relativo de a* y a
o a =0.50 * 10-2
o a*=0.51 * 102
6
solucin
E = | a*- a |
0.51*102 - 0.50 * 102 = 0.01 * 102 = 1.00
Er = E/ a*
(0.01 * 102 )/0.50 *102 = 0.02 * 100 = 2%
ALGORITMOS BASICOS
Ejemplo programado en lenguaje C++
Programa clculo del promedio

//programa para calcular el promedio de "m" nmeros ingresados
#include<conio.h>
#include<iostream.h>
#include<math.h>
void main()
{
int x,sum,m,cont;
int prom;
cont=0;
cout<<"ingrese el total de nmeros a sumar :";
cin>>m;
do
{
cont+=1;
cout<<"ingrese el numero a sumar :";
cin>>x;
7
sum+=x;
}
while (cont<m);
cout<<"la suma es :";
cout<< sum;
prom=sum/m;
cout<<"\a el promedio es : ";
cout<<prom;
getch();
}
Ejercicios propuestos
Calcular la suma de los N nmeros ingresados por teclado
Calcular la suma de los N primeros nmeros
Calcular el factorial de un numero
8
INTERPOLACIN LINEAL
Concepto : Interpolar significa encontrar un valor intermedio entre dos o mas

puntos base conocidos, los cuales se pueden aproximar mediante polinomios.
y F(x)
G(x)
f(b)
f(a)
Sea en el sistema de coordenadas de la grafica anterior, las ecuaciones F(x) y

G(x) en cuyo espacio a, b se pueden interpolar determinados valores.
Tipos de interpolacin
1. interpolacin con espacios equidistantes

2. interpolacin con espacios no equidistantes
INTERPOLACIN CON ESPACIOS EQUIDISTANTES O

INTERPOLACION DE NEWTON
DIFERENCIAS PROGRESIVAS : Son llamadas diferencias hacia delante y

se definen como :
o primeras diferencias : Yi = Yi+1 - Yi i=0,1,2,3...n

(1)
o segundas diferencias : 2Yi = Yi+1 - Yi i=0,1,2,3...n
(2)
o terceras diferencias : 3Yi = 2Yi+1 - 2Yi i=0,1,2,3...n
(3)
9
o k- cimas diferencias kYi = kk-1Yi+1 - k-1Yi

i=0,1,2,3...n (4)
k=0,1,2,3...n
donde :
es el operador de diferencias progresivas
Para i=0 en la ecuacin (1)
Y0 = Y1 Y0 Y1 = Y0 + Y0
(5)
Y1 = Y2 Y1 Y2 = Y1 + Y1
(6)
2Y0 = Y1 Y0 Y1 = 2Y0 + Y0 (7)
Sustituyendo las ecuaciones (7) y (5) en (6)
Y2 = Y1 + Y1
Y2 = (Y0 + Y0) + ( 2Y0 + Y0)
Y2 = Y0 + 2Y0 + 2Y0 (8)
De las ecuaciones (5) y (8)

10
Y1 = Y0 + Y0 sacando factor comun Y0 tenemos : Y1 = (1 + )1Y0

Y2 = Y0 + 2Y0 + 2Y0 sacando factor comun Y0 tenemos : Y2 = (1 + )2Y0
Entonces para Y3
Y3= (1 + )3Y0 (9)
Generalizando, tendremos :
Yk=(1 + )kY0 (10)
El Segundo miembro de la ecuacin (10) corresponde al Binomio de Newton

Elevado al exponente k, el cual puede desarrollarse del siguiente modo:
k k 2 k k
Yk = Y0 + Y0 + Y0 + ..... + Y0 (11)
1 2 k
Para : K= 1,2,3, ...n
k k 2 k k
Yk = Y0 + Y0 + Y0 + .... kY0+ 0
1 2 j j + 1
(12)
Para : K= 1,2,3, ...n
Si se toma un valor j cualquiera menor que k y si las j-esimas

diferencias son constantes, entonces todas las diferencias de orden superior a
j sern cero, por lo que la ecuacin (11) queda :
11
k k! k (k 1)(k 2)...(k j + 1)!

= =
j (k j )! j! j!
donde :
k
es un polinomio en K de grado j de la forma :
j
yk = a 0 + a1k + a22k2 + ..... .+ ajkj (14)
Si consideramos la funcin tabular con espaciamiento hconstante
X Y
X0 Y0
X1=X0+h Y1
X2=X0+2h Y2
... ...
Xk=X0+kh YK
Xn=X0+nh Yn
Donde :
X1-X0 = h Y=f(x)
X2-X0 =2h
................
XK-X0 = Kh
Xn-X0 = nh
X0 Xk X1
Xk X0
Donde queda la expresin: K= 15 h
h
Sustituyendo (15) en (14)

12
Yk = b 0 + b1x + b2x2 + ..... .+ bjxj
Se llama Polinomio de Newton con espaciamiento constante
Ejercicio 01
En base a la funcin tabular que se muestra, preparar la tabla de diferencias:
X Y
0 -5
1 1
2 9
3 25
4 55
5 105
Solucin
las primeras diferencias son :
1Y0 = Y1-Y0 = 1-(-5) = 6

1Y1 = Y2-Y1 =9 -1 =8
1Y2= Y3-Y2 = 25- 9 =16
1Y3= Y4-Y3 = 55-25 =30
1Y4 = Y5-Y4 = 105-55 =50
las segundas diferencias son :
2Y0 = Y1- Y0 = 8 -6 =2
2
Y1 = Y2- Y1 = 16 - 8 = 8
13
2Y2= Y3- Y2 = 30 - 16 =14

2Y3= Y4- Y3 = 50 -30 =20
las terceras diferencias son :
3Y0 = 2Y1- 2Y0 = 8 - 2 = 6

3Y1 = 2Y2- 2Y1 = 14 - 8 = 6
3Y2= 2Y3 - 2 Y2 = 20 - 14 = 6
Queda entonces la tabla de resultados:
X Y 1Y 2Y 3Y
0 -5
1 1 6
2 9 8 2
3 25 16 8 6
4 55 30 14 6
5 105 50 20 6
Por ser 3Y constante, corresponde a un polinomio de tercer grado y es un

polinomio exacto
En la ecuacin (12)
k k 2 k k
Yk = Y0 + 1Y0 + Y0 + .... kY0+ 0
1 2 j j + 1
Si hacemos J=1, entonces tendremos el polinomio de primer grado que se

aproxima a f(x)
k
Yk = Y0 + Y0
1
14
Siendo :
Xk X0
K=
h
Tendremos :
Xk X0
Yk = Y0 + ( )Y0
h
Que corresponde a un polinomio de primer grado
Ejercicio 02
De la tabla del ejercicio 01, hallar la funcin explicita, teniendo como condiciones
iniciales: X0 =1, Y0=1
solucin
Xk X0
K=
h
Como por dato tenemos X0=1, siendo los valores de X constantes, entonces h=1
1Y0=8, 2Y0=8, 3Y0=6
X 1
K=
1
Quedando :
K=x-1
15
Reemplazando en la ecuacin general :
k k 2 k k
Yk = Y0 + 1Y0 + Y0 + .... kY0+ 0
1 2 j j + 1
x 1 1 x 1 2 x 1 3
Yk = Y0 + Y0 + Y0 + Y0
1 2 3
Reemplazando en la ecuacin anterior:
1Y0=8, 2Y0=8, 3Y0=6
x 1 x 1 x 1
Yk = Y0 + 8 + 8 + 6
1 2 3
Conociendo por formula de permutaciones:
x 1 ( x 1)
=
1 1
x 1 ( x 1)( x 2)
=
2 2
x 1 ( x 1)( x 2)( x 3)
=
3 6
( x 1) ( x 1)( x 2) ( x 1)( x 2)( x 3)

Yk = 1 + *8 + *8 + *6
1 2 6
Y = 1+(x-1)*8 + (x-1)(x-2)*4 + (x-1)(x-2)(x-3)*1
16
Simplificando queda :
Y = X3 2X2 + 7 X - 5 SOLUCION PEDIDA
17
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES

O INTERPOLACION DE LAGRANGE
Si se presenta una funcin tabulada de la forma :
X Y
X0 Y0
X1=X0+h0 Y1
X2=X1+h1 Y2
... ...
Xk=X0+kh YK
Xn=Xn- Yn
1+hn-1
Entonces el polinomio :
Yk = b 0x1 + b1xn-1 + b2xn-2 + ..... .+ bn-1xj + bn
O bien :
Y = a0 (x- x1)(x-x2)(x-x3) ... (x-xn)

+ a1 (x- x0)(x-x2)(x-x3) ... (x-xn)
+ a0 (x- x0)(x-x1)(x-x3) ... (x-xn)
....+ an (x- x0)(x-x1)(x-x2) ... (x-xn-1)
los coeficientes a0, a1, a2 , ........ an , se determinan de tal modo que el polinomio
pase por todos y cada uno de los puntos conocidos de la funcin, entonces si se
evala la funcin anterior para x= x0 se tiene :
Y0 = a0 (x- x1)(x-x2)(x-x3) ... (x-xn) donde :

18
y0
a0 =
( x0 x1 )( x 0 x 2 )( x0 x3 )...( x0 x n )
y1
a1 =
( x1 x 0 )( x1 x 2 )( x1 x3 )...( x1 x n )
..
yn
an =
( x n x0 )( x n x1 )( x n x 2 )...( x n x n 1 )
Sustituyendo en la ecuacin de Lagrange
( x x1 )( x x 2 )( x x3 ).....( x x n )
Y= y0
( x0 x1 )( x 0 x 2 )( x0 x3 )...( x0 x n )
( x x0 )( x x 2 )( x x3 ).....( x x n )
+ y1
( x1 x 0 )( x1 x 2 )( x1 x3 )...( x1 x n )
( x x0 )( x x1 )( x x3 ).....( x x n )
+ y2
( x 2 x 0 )( x 2 x1 )( x 2 x3 )...( x 2 x n )
.......................................
( x x0 )( x x1 )( x x 2 ).....( x x n 1 )
y1 ............(2)
( x n x 0 )( x n x1 )( x n x 2 )...( x n x n 1 )
o simplemente :
x xj
x j =0 xj
yi
i
j i
19
Ejercicio 01
dada la siguiente funcin tabular, encontrar el valor de la funcin para x=3
X Y
0 5
1 7
2 9
5 15
Solucin
Reemplazando en la ecuacin (2) :
( x x1 )( x x 2 )( x x3 ) ( x x0 )( x x 2 )( x x3 )
Y= y0 + y1
( x0 x1 )( x0 x 2 )( x0 x3 ) ( x1 x 0 )( x1 x 2 )( x1 x3 )
( x x0 )( x x1 )( x x3 ) ( x x0 )( x x1 )( x x 2 )
+ y2 + y3
( x 2 x 0 )( x 2 x1 )( x 2 x3 ) ( x3 x0 )( x3 x1 )( x3 x 2 )
haciendo x=3
(3 1)(3 2)(3 5) (3 0)(3 2)(3 5)
Y= *5 + *7
(0 1)(0 2)(0 5) (1 0)(1 2)(1 5)
(3 0)(3 1)(3 5) (3 0)(3 1)(3 2)
+ *9 + 15
(2 0)(2 1)(2 5) (5 0)(5 1)(5 2)
Y= 11 solucin buscada
20
APROXIMACIN LINEAL
y
F(x)
Si tenemos una nube de puntos, a los cuales queremos aproximar a una linea
recta, esta se obtiene mediante formulas.
Sea la funcin genrica:
Y = B + A*X
Donde:
N ( XY ) X Y
A=
N X 2 ( X ) 2
B =
Y A X
N
EJEMPLO
F(x) = 5 + 3x
21
Solucin
2
x y xy x
1 1 1 1
1.8 1.5 2.7 3.24
2 2.5 5 4
2.5 2.8 7 6.25
3 4 12 9
5 6 30 25
15.3 17.8 57.7 48.49
234.1
donde :
( x ) =234.1
2
y =17.8
x =15.3 xy =57.7
(x) =48.49
2
aplicando los resultados de la tabla a la formula :

N ( XY ) X Y
A=
N X 2 ( X ) 2
B =
Y A X
N
6(57.7) (15.3)(17.8)
A = = 1.299
6(48.49) 234.09
17.8 1.299(15.3)
B = = 0.346
6
Entonces la recta es:
Y = 0.346 + 1.299 X
22
la nueva tabla seria :

Y
5
x y 4
1 0.953
1.8 1.992 3
2 2.252
2.5 2.902 2
3 3.551 1 2 3 4 5
1
5 6.149
inicio
Diagrama de flujo
Read(N)
For I=1 to N
Read ((x,y)
X1=X1+X
Y1=Y1+Y
X2=X2 + X^2
Z = Z + X*Y
NEXT
23
A = N ( XY ) X Y
N X 2 ( X ) 2
B =
Y A X
N
CALCULO DE DERIVADAS
Sea la funcin: y= f(x)

Se desea calcular la derivada de la funcin f(x), para lo cual lo expresamos
grficamente asi:
y = yo + k yo
y1
yo y= f(x)

y0

xo
d
tg = f ( x)
dx
xo h x1
h
24
yo
tg =
h
d 1 2k 1 2 3k 2 6k + 2 3
f ( x ) = y 0 + y0 + y 0 + ...
dx h 2 6
Calculo de la primera derivada

1
f ( x) = [y 0 ]
d
donde: yo = y1 y 0
dx h
El problema de la derivada consiste en obtener el valor de las derivadas en una
funcin tabulada en algunos puntos:
x= x0 , x1, x2 , x3...............xn
k k 2 k 3 k j
si : yk = f(xk) yk = y0 + y0 + y0 + y0 ..... + y0
1 2 3 j
La primera derivada es :
d d k k k k
f ( x) = y 0 + y 0 + 2 y 0 + 3 y 0 + ....... + j y 0 .(1)
dx dx 1 2 3 j
x x0 dk 1
considerando que : k = y = ..(2)
h dx h
k k (k 1)
= =k .(3)
1 k 1
k k (k 1)(k 2) k (k 1)
= = . (4)
2 (k 2)2! 2
k k (k 1)(k 2)
= (5)
3 6
Reemplazando en (2),(3),(4),(5) en (1), y derivando, tenemos:
1 d k (k 1) 2 k (k 1)(k 2) 3
y 0 + (k )y 0 +
d
f ( x) = y0 + y 0 + .......
dx h dk 2 6
25
d 1 (2k 1) 2 3k 2 6k + 2) 3
f (x) = y 0 + y0 + y 0 + .......
dx h 2 6
Formula de derivacin de dos puntos:
1
f (x) = [y 0 .] + e
d
donde : e es un error por truncamiento y
dx h
yo = y1 y 0
1
f (x) = [ y1 y 0 .] + e
d
dx h
Esta formula permite encontrar la funcin tabular x = x0 mediante un
polinomio interpolante de primer grado, tenemos:

d
f (x) x= x0 y '0 = 1 [ y 0 + y1 .] + e
dx h
si deseamos encontrar la derivada de la funcin tabular en x = x1 mediante un

polinomio interpolante de primer grado, tenemos:
d
f (x) x= x1 y '0 = 1 [ y1 + y 2 .] + e y as sucesivamente.
dx h
Formula de derivacin de tres puntos: (polinomio interpolante de segundo

grado)
d 1 (2k 1) 2
dx
f (x) =
h y 0 + 2
y0 + e

donde: 2Y0 = y1- y0
: yo = y1 y 0 y1 = y 2 y1 haciendo K=0
Reemplazando nos queda:
26
d
dx
f (x) =
1
h
1) 2
y 0 + 2 y 0 + e
d
dx
f ( x) =
1
2h
[ ]
2y 0 2 y 0 + e
1 1
d
f (x) = [2y0 (y1 y 0 )]+ e d
f (x) = [2y0 y1 + y0 ] + e
dx 2h dx 2h
1 1
d
f (x) = [3y0 y1 ] + e = [3( y1 y0 ) ( y 2 y1 )]
dx 2h 2h
1 1
= [3 y1 3 y 0 y 2 + y1 )] = [4 y1 3 y0 y 2 )]
2h 2h
1
d
f (x) = [ 3 y 0 + 4 y1 y 2 )] + e
dx 2h
27
SOLUCION DE ECUACIONES NO LINEALES
METODO DE BISECCION
METODO DEL PUNTO FIJO
METODO DE NEWTON RAPHSON
MTODO DE BISECCIN
El mtodo de biseccin se basa en el siguiente teorema de Clculo:

Teorema del Valor Intermedio
Sea contnua en un intervalo y supongamos que .
Entonces para cada tal que , existe un tal que
. La misma conclusin se obtiene para el caso que .

Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin contnua
en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del
intervalo, entonces debe alcanzar todos los valores intermedios.
En particular, si y tienen signos opuestos, entonces un valor

intermedio es precisamente , y por lo tanto, el Teorema del Valor
Intermedio nos asegura que debe existir tal que , es decir,
debe haber por lo menos una raz de en el intervalo .

El mtodo de biseccin sigue los siguientes pasos:
Sea contnua,
i) Encontrar valores iniciales , tales que y tienen signos

opuestos, es decir,
ii) La primera aproximacin a la raz se toma igual al punto medio entre y :
iii) Evaluar . Forzosamente debemos caer en uno de los siguientes casos:

28
En este caso, tenemos que y tienen signos opuestos, y por lo
tanto la raz se encuentra en el intervalo .
En este caso, tenemos que y tienen el mismo signo, y de aqu
que y tienen signos opuestos. Por lo tanto, la raz se encuentra en
el intervalo .
En este caso se tiene que y por lo tanto ya localizamos la raz.

El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
es decir,
Ejemplo 1
Aproximar la raz de hasta que .

Solucin
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
se localiza en el intervalo . As que este intervalo es nuestro punto

de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos
checar que y tengan signos opuestos.

En efecto, tenemos que
mientras que
29
Cabe mencionar que la funcin s es contnua en el intervalo . As

pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de
biseccin. Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a
la raz):
ii) Evaluamos
iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos
la siguiente tabla:
Por lo tanto, vemos que la raz se encuentra en el intervalo .

En este punto, vemos que todava no podemos calcular ningn error aproximado,
puesto que solamente tenemos la primera aproximacin. As, repetimos el
proceso con el nuevo intervalo .

Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con
la aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso.
Evaluamos , y hacemos la tabla:
As, vemos que la raz se encuentra en el intervalo .

Calculamos el punto medio,
30
Y calculamos el nuevo error aproximado:
El proceso debe seguirse hasta cumplir el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz Error
aprox.
1.25
1.375 9.09%
1.3125 4.76%
1.28125 2.43%
1.296875 1.20%
1.3046875 0.59%
As, obtenemos como

aproximacin a la raz
Ejemplo 2
Aproximar la raz de hasta que .

Solucin
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de se
localiza en el intervalo . Para poder aplicar el mtodo de biseccin, es

importante checar que s se cumplen las hiptesis requeridas.
Sabemos que es contnua en el intervalo , y checamos que y
tengan signos opuestos.

En efecto,
Mientras que,
Por lo tanto, s podemos aplicar el mtodo de biseccin.

31
Calculamos el punto medio del intervalo ,
Que es la primera aproximacin a la raz de .
Evaluamos .
Y hacemos nuestra tabla de signos,
Puesto que y tienen signos opuestos, entonces la raz se localiza en
el intervalo .
En este punto, solo contamos con una aproximacin, a saber, , que

es el primer punto medio calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
Que es la nueva aproximacin a la raz de .

Aqu podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo, continuamos con el proceso.
Evaluamos .
Y hacemos la tabla de signos:
Puesto que y tienen signos opuestos, entonces la raz se
localiza en el intervalo .
Calculamos el punto medio,
32
Y el nuevo error aproximado:
El proceso se debe continuar hasta que se logre el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz Error
aprox.
0.5
0.75 33.33%
0.625 20%
0.5625 11.11%
0.53125 5.88%
0.515625 3.03%
0.5234375 1.49%
0.51953125 0.75%
De lo cual, vemos que la aproximacin buscada es

El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente
grfica, puede ser demasiado lento.
En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de

forma muy lenta, ya que el mtodo solamente toma en cuenta que la raz se
encuentra dentro del intervalo, sin importar si se encuentra ms cerca de alguno
33
de los extremos del intervalo. Sera bueno implementar un mtodo que tome en
cuenta este detalle.
Esto da lugar al siguiente mtodo de aproximacin de races.
Ejercicio sobre el mtodo de biseccin (otra forma de calcular )
1. Calcular la 5 , si 2 x 2.5 a=2 c=2.5
Solucin:
Si : x = f(x) . (1) y x= 5 (2)
Elevando al cuadrado ambos miembros en (2), tendremos:
x2 = 5 .. (3)
Luego hacemos:
x2 5 = 0 ...(4)
Entonces comparamos: (1) y (4):
f(x) = x 2 5 La misma que debe cumplir con la siguiente condicin :
f(a). f(c) 0 reemplazando con a y c tenemos :
f(2)= -1 f(2.5)= 1.25 -1*1.25 = -1.25 lo cual es < que cero
de la restriccin dada, en el ejemplo tenemos:
a+c 2 + 2.5
b= = = 2.25
2 2
34
los mismos que podemos colocar en tablas:
01 x F(x) 02 x F(x)
a 2 -1 a 2 -1
b 2.25 0.0625 b 2.125 -0.4843
c 2.5 6.5 c 2.25 0.0625
03 x F(x) 04 x F(x)
a 2.125 -0.4843 a 2.1875 -0.2148
b 2.1875 -0.2148 b 2.21875 -0.07715
c 2.25 0.0625 c 2.25 0.0625
05 x F(x) 06 x F(x)
a 2.21875 - a 2.2344 -
0.07715 0.00757
b 2.2344 - b 2.2422 -
0.00757 0.0.2747
c 2.25 0.0625 c 2.25 0.0625
07 x F(x) 08 x F(x)
a 2.125 -0.4843 a 2.1875 -0.2148
b 2.1875 -0.2148 b 2.21875 -0.07715
c 2.25 0.0625 c 2.25 0.0625
35
09 x F(x)
a 2.2344 -
0..00757
b 2.2354 0.003210
c 2.2365 0.00625
Podemos concluir que la raz cuadrada de 5 es : 2.2354 con un error

de 10-3
36
MTODO DE PUNTO FIJO
Ejemplos:
1) La ecuacin se puede transformar en .
2) La ecuacin se puede transformar en
Teorema de punto fijo. Supongamos que
g , g ' C [ a, b ] ,
(i)
(ii) K es una constante positiva,
(iii) p0 (a, b)
g ( x ) [ a, b ] x [ a, b ]
(iv) para todo .
Entonces hay un punto fijo P de g en [a,b].
g '( x) K < 1 x [ a, b ]
Si para todo , entonces P es el nico punto fijo de g en
[a,b] y la iteracin pn = g ( pn 1 ) converge a dicho punto fijo P. En este caso, se

dice que P es un punto fijo atractivo.
37
Si
g '( x) > 1
y p0 P entonces la iteracin
pn = g ( pn 1 ) no converge a P. En
este caso se dice que P es un punto fijo repulsivo y la iteracin presenta
divergencia local.
En el ejemplo 1, claramente se cumple la condicin de que
. Por lo tanto el mtodo s converge a la raz.
En el ejemplo 2, y en este caso,
. Por lo tanto, el mtodo no converge a la raz.
Interpretacin grafica de la iteracin de punto fijo:
38
Ejemplo: Para la funcin g ( x) = 1/ 2(10 x )

3 1/ 2
39
g(x)<0 en [1,2] ,
g '(2) 2.12
no hay convergencia a punto fijo.
Empezando con p0=1.5 y cambiando intervalo a [1,1.5]. Aqu g siga decreciente y

adems
g '(1.5) 0.66
hay convergencia.
Ejercicio. Hallar las races de la ecuacin x=2cosx partiendo desde x=1 por el
mtodo de punto fijo, estudiar el valor de la derivada.
Ejercicio: Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con . Hacer 5 iteraciones.
Ejercicio: Averiguar si hay convergencia a punto fijo para la funcin
g ( x) = (10 /(4 + x))1/ 2 en intervalo [1,2]
40
MTODO DE NEWTON RAPHSON
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y

efectivos. A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson
no trabaja sobre un intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin a la raz de ,
Trazamos la recta tangente a la curva en el punto ; sta cruza al eje
en un punto que ser nuestra siguiente aproximacin a la raz .
Para calcular el punto , calculamos primero la ecuacin de la recta tangente.

Sabemos que tiene pendiente
Y por lo tanto la ecuacin de la recta tangente es:
Hacemos :
Y despejamos :
41
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente

aproximacin:
,
si
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos

asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta de
que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde este
mtodo no converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin
embargo, en los casos donde si converge a la raz lo hace con una rapidez
impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
Tambin observe que en el caso de que , el mtodo no se puede

aplicar. De hecho, vemos geomtricamente que esto significa que la recta
tangente es horizontal y por lo tanto no intersecta al eje en ningn punto, a
menos que coincida con ste, en cuyo caso mismo es una raz de !
Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz de ,
comenzando con y hasta que .
Solucin
En este caso, tenemos que
De aqu tenemos que:
42
Comenzamos con y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.

1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
43
SOLUCION DE SISTEMAS DE ECUACIONES LINEALES

MEDIANTE EL METODO DE REDUCCION DE GAUSS-
JORDAN
En esta parte el lector hallar la solucin de sistemas de ecuaciones lineales

usando el
Mtodo de Gauss-Jordan. El tema se presenta en 4 secciones: A) sistemas con
solucin nica, B) sistemas con infinidad de soluciones, C) sistemas sin solucin
y D) sistemas homogneos.
A) SISTEMAS CON SOLUCION UNICA
1) Resolver el siguiente sistema de ecuaciones lineales mediante el mtodo de

Gauss-Jordan.
Solucin.
a) Escribimos la matriz aumentada del sistema.
Debemos llevar a dicha matriz a su forma escalonada reducida mediante

operaciones elementales en los renglones de la matriz, para sto, escribiremos la
matriz y a continuacin una flecha. Encima de esta flecha indicaremos la(s)
operacin(es) que estamos efectuando para que el lector pueda seguir el
desarrollo.
Notacin para las operaciones elementales en renglones
cRi nuevo rengln i de la matriz aumentada.
Ri R j intercambio del rengln i con el rengln j.
44
aRi + R j nuevo rengln j de la matriz aumentada.
b) Desarrollo para obtener la forma escalonada reducida.
2) Resuelva el siguiente sistema de ecuaciones lineales
Solucin.
Escribiendo la matriz aumentada del sistema y reduciendo de acuerdo a la
operacin indicada tenemos:
45
B) SISTEMAS CON INFINIDAD DE SOLUCIONES
1) Obtener la solucin del siguiente sistema de ecuaciones lineales.
Solucin.
La ltima matriz est en su forma escalonada reducida, ya no se puede reducir

ms, de donde obtenemos:
Despejando x, y
Luego x, y dependen de z, si z = t, t R, tenemos

46
Es decir, el sistema de ecuaciones tiene una infinidad de soluciones ya que para

cada valor de t habr un valor para x, y, z.
Por ejemplo:
3 1
Si T=0 entonces x = , y = , z = 0 , es una solucin para el sistema de
2 4
ecuaciones.
7 5
Si T=1 entonces x = , y = , z = 1 es otra solucin para el sistema de
8 16
ecuaciones.
5
Si T=4 entonces x = 4, y = , z = 4 tambin es solucin para el sistema de
2
ecuaciones.
As una vez ms, remarcamos, el sistema tiene una infinidad de soluciones.
2) Resolver el sistema de ecuaciones:
Solucin.
47
Si w = t, tenemos:
Hay infinidad de soluciones.
48
C) SISTEMAS SIN SOLUCION
1) Resolver el siguiente sistema de ecuaciones.
Solucin.
No hay necesidad de seguir reduciendo, del segundo rengln se tiene

0 x + 0 y + 0 z = 4 que da la igualdad 0 = 4 (contradiccin!), por lo tanto, el
sistema no tiene solucin.
2) Resolver el siguiente sistema de ecuaciones.
Solucin.
Del tercer rengln se tiene 0a + 0b + 0c + 0d = 3 que da la igualdad 0=3, luego el

sistema no tiene solucin.
D) SISTEMAS HOMOGENEOS
49
Un sistema de ecuaciones lineales se dice HOMOGENEO si cada una de las

ecuaciones est igualada a cero es decir
Los sistemas homogneos SIEMPRE tienen solucin ya que
Es solucin del sistema, sta solucin es llamada la solucin trivial, as un

sistema homogneo de ecuaciones lineales tiene solucin nica o tiene una
infinidad de soluciones.
1) Resolver el siguiente sistema de ecuaciones
Solucin.
Luego x=y=z=0, el sistema tiene solucin nica, la solucin trivial.
50
Algo ms para agregar
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 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 mas 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 fcilmente de la prediccin. Por lo tanto, se debe tener cuidado
extremo en casos donde se deba extrapolar.
51
METODOS DE INTEGRACION
Mtodo del trapecio

Mtodo de Simpson 1/3
Mtodo de Simpson 3/8
MTODO DEL TRAPECIO O REGLA DEL TRAPECIO
La regla del trapecio o regla trapezoidal es una de las frmulas cerradas de

Newton-Cotes.
Corresponde al caso donde n = 1, es decir:
donde es un polinomio de interpolacin (obviamente de grado 1) para los

datos:
Del captulo anterior, sabemos que este polinomio de interpolacin es:
Integrando este polinomio, tenemos que:
52
Por lo tanto, tenemos que:
Que es la conocida Regla del Trapecio. Este nombre se debe a la interpretacin

geomtrica que le podemos dar a la frmula. El polinomio de interpolacin para
una tabla que contiene dos datos, es una lnea recta. La integral, corresponde al
rea bajo la lnea recta en el intervalo , que es precisamente el rea del

trapecio que se forma.
Ejemplo1:
Utilizar la regla del trapecio para aproximar la integral:
Solucin.
Usamos la frmula directamente con los siguientes datos:
Por lo tanto tenemos que:
53
REGLA DE SIMPSON
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, otra
manera de obtener una estimacin ms exacta de una integral, es la de usar
polinomios de orden superior para conectar los puntos. Por ejemplo, si hay un
punto medio extra entre f(a) y f(b), entonces los tres puntos se pueden conectar
con un polinomio de tercer orden.
A las frmulas resultantes de calcular la integral bajo estos polinomios se les
llaman Reglas de Simpson.
REGLA DE SIMPSON 1/3
La Regla de Simpson de 1/3 proporciona una aproximacin ms precisa, ya que

consiste en conectar grupos sucesivos de tres puntos sobre la curva mediante
parbolas de segundo grado, y sumar las reas bajo las parbolas para obtener
el rea aproximada bajo la curva.
Suponemos que tenemos los datos:
donde es el punto medio entre y .

En este caso se tiene que:
donde es el polinomio de interpolacin para los datos en la tabla anterior.

Usaremos el polinomio de Lagrange.
As, tenemos que:
Si denotamos, entonces:
54
Simplificando trminos:
Vemos que cada uno de los trminos anteriores, es esencialmente de la misma

forma, es decir, una constante por
As, calculamos la siguiente integral por partes:

Sea:
por lo tanto,
Usamos esta frmula para calcular la integral de cada uno de los tres trminos de
55
Debido al factor se le conoce como la regla de Simpson de un tercio.
En la prctica, sustituimos el valor de para obtener nuestra frmula

final:
Ejemplo1.
Usar la regla de Simpson de 1/3 para aproximar la siguiente integral:
Solucin.
Aplicamos la frmula directamente, con los siguientes datos:
Por lo tanto, tenemos que:
56
REGLA DE SIMPSON 3/8
La derivacin de la Regla de los Tres Octavos de Simpson es similar a la regla de

un tercio, excepto que se determina el rea bajo una parbola de tercer grado
que conecta 4 puntos sobre una curva dada. La forma general de la parbola de
tercer grado es:
Este caso corresponde a , es decir,
donde es un polinomio de interpolacin para los siguientes datos:
Y donde , y , son los puntos que dividen en tres partes
iguales al intervalo .
Igual que en el caso anterior, se usa el polinomio de interpolacin de Lagrange, y
usando el mtodo de integracin por partes se llega a la siguiente frmula:
donde . Debido al factor es que se le di el nombre de Regla de

Simpson de 3/8. En la prctica, se sustituye el valor de h para obtener:
Ejemplo1.
Aproximar la siguiente integral, usando la regla de Simpson de 3/8:
Solucin.
En este caso, tenemos los siguientes datos:
57
Los cuales sustituimos en la frmula, para obtener:
Al igual que en los dos casos anteriores, la regla de Simpson de 3/8, se puede
extender si subdividimos el intervalo en intervalos de la misma longitud
Sea la particin determinada de esta forma. Cada sub intervalo
lo dividimos en tres partes iguales, y sean y los puntos

determinados as:
Aplicando la regla de 3/8 en cada uno de los intervalos tenemos:
58
Esta ltima, es la regla de Simpson de 3/8 para n subintervalos todos de la

misma longitud.
59
ECUACIONES DIFERENCIALES ORDINARIAS
Las ecuaciones diferenciales tienen importancia fundamental en las aplicaciones,

ya que muchas leyes y relaciones fsicas pueden idealizarse matemticamente
en la forma de estas ecuaciones. En particular, el estudio de problemas de
equilibrio de sistemas continuos se encuentra dentro de este contexto.
SOLUCIN DE UNA ECUACIN DIFERENCIAL.
Dada una ecuacin diferencial ordinaria de orden n y cualquier grado, cuya forma
general es:
(1)
Se establece en matemticas que en su solucin general deben aparecer n

constantes arbitrarias. Entonces, puede aceptarse que la solucin general de (1)
es:
G(X, Y, C1, C 2, ... , C n) = 0 (2)
Se distinguen dos tipos de problemas: los llamados de Valores Iniciales y los de

Valores en la Frontera.
Un problema de valores iniciales est gobernado por una ecuacin diferencial de
orden n y un conjunto de n condiciones independientes todas ellas, vlidas para
el mismo punto inicial. Si la ecuacin (1) es la ecuacin diferencial que define el
problema, y X = a es el punto inicial, puede aceptarse que las n condiciones
independientes son:
(3)
Por el contrario, en los problemas de valores en la frontera deben establecerse

condiciones de frontera en todos y cada uno de los puntos que constituyen la
frontera del dominio de soluciones del problema. En particular en el espacio de
60
una dimensin, hay dos puntos frontera, por ejemplo, X = a y X = b, si el dominio

de soluciones es el intervalo cerrado
Bsicamente la solucin numrica de ecuaciones diferenciales consiste en

sustituir el dominio continuo de soluciones por uno discreto formado por puntos
aislados igualmente espaciados entre s.
As, en un problema de valores iniciales, el dominio de definicin de soluciones
se sustituye por el conjunto infinito numerable de puntos,
X0 = a, X 1 = X 0 + h, X 2 = X 0 + 2h, X 3 = X 0 + 3h, ...
y en el caso de valores en la frontera se sustituye el intervalo por

el conjunto finito de puntos
X0 = a, X 1 = X 0 + h, X 2 = X 0 + 2h, ... , X n = X 0 + nh = b
Obtenidos, al dividir el intervalo en n partes iguales.
MTODO DE EULER
Se llama mtodo de Euler al mtodo numrico consistente en ir incrementando

paso a paso la variable independiente y hallando la siguiente imagen con la
derivada.
Calculemos la ecuacin de la recta tangente a la curva solucin de la ecuacin
diferencial dada en el punto . De los cursos de Geometra Analtica,

sabemos que la ecuacin de la recta es:
donde m es la pendiente. En este caso, sabemos que la pendiente de la recta

tangente se calcula con la derivada:
61
Por lo tanto, la ecuacin de la recta tangente es :
Ahora bien, suponemos que es un punto cercano a , y por lo tanto estar
dado como . De esta forma, tenemos la siguiente aproximacin:
De aqu, tenemos nuestra frmula de aproximacin:
Esta aproximacin puede ser suficientemente buena, si el valor de h es realmente

pequeo, digamos de una dcima menos. Pero si el valor de h es ms grande,
entonces podemos cometer mucho error al aplicar dicha frmula. Una forma de
reducir el error y obtener de hecho un mtodo iterativo, es dividir la distancia
en n partes iguales (procurando que estas partes sean de longitud

suficientemente pequea) y obtener entonces la aproximacin en n pasos,
aplicando la frmula anterior n veces de un paso a otro, con la nueva h igual a
En una grfica, tenemos lo siguiente:
Ahora bien, sabemos que:
Para obtener nicamente hay que pensar que ahora el papel de lo
toma el punto , y por lo tanto, si sustituimos los datos adecuadamente,

obtendremos que:
62
De aqu se ve claramente que la frmula recursiva general, est dada por:
Esta es la conocida frmula de Euler que se usa para aproximar el valor de
aplicndola sucesivamente desde hasta en pasos de longitud h.
Ejemplo1
Dada la siguiente ecuacin diferencial con la condicin inicial:
Aproximar .
NOTA
Primero observamos que esta ecuacin s puede resolverse por mtodos
tradicionales de ecuaciones diferenciales. Por ejemplo, podemos aplicar el
mtodo de separacin de variables. Veamos las dos soluciones.
Solucin Analtica.
Sustituyendo la condicin inicial:
Por lo tanto, tenemos que la curva solucin real est dada:
Y por lo tanto, el valor real que se pide es:
63
Solucin Numrica
Aplicamos el mtodo de Euler y para ello, observamos que la distancia entre
y no es lo suficientemente pequea. Si didimos esta distancia

entre cinco obtenemos un valor de y por lo tanto, obtendremos la
aproximacin deseada en cinco pasos.
De esta forma, tenemos los siguientes datos:
Sustituyendo estos datos en la formula de Euler, tenemos, en un primer paso:
Aplicando nuevamente la formula de Euler, tenemos, en un segundo paso:
Y as sucesivamente hasta obtener . Resumimos los resultados en la siguiente

tabla:
0 0 1
1 0.1 1
2 0.2 1.02
3 0.3 1.0608
4 0.4 1.12445
5 0.5 1.2144
64
Concluimos que el valor aproximado, usando el mtodo de Euler es:
Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para
calcular el error relativo porcentual que se cometi al aplicar la formula de Euler.
Tenemos que:
65
MTODO DE RUNGE KUTTA
Sin entrar en mucho detalle, mencionamos solamente que el mtodo de Runge-

Kutta cambia la direccin en el sentido de que no sigue la misma lnea de los
mtodos de Euler. De hecho est basado en una aplicacin de los polinomios de
Taylor. Comentamos sin embargo, que el mtodo de Runge-Kutta si contiene
como casos especiales los de Euler.
Las frmulas
donde
Se conocen como las reglas o frmulas de Runge-Kutta de orden cuatro para la

ecuacin diferencial:
Ejemplo1
Usar el mtodo de Runge-Kutta para aproximar dada la siguiente ecuacin

diferencial:
66
Solucin
Primero, identificamos el mismo ejemplo 1 de los dos mtodos anteriores.
Segundo, procedemos con los mismos datos:
Para poder calcular el valor de , debemos calcular primeros los valores de
, , y . Tenemos entonces que:
Con el fin de un mayor entendimiento de las frmulas, veamos la siguiente

iteracin:
67
El proceso debe repetirse hasta obtener . Resumimos los resultados en la

siguiente tabla:
n
0 0 1
1 0.1 1.01005
2 0.2 1.04081
3 0.3 1.09417
4 0.4 1.17351
5 0.5 1.28403
Concluimos que el valor obtenido con el mtodo de Runge-Kutta es:
Finalmente, calculamos el error relativo verdadero:
Con lo cual vemos que efectivamente se ha reducido muchsimo el error relativo.

De hecho observamos que tenemos 6 cifras significativas en la aproximacin!
68
BIBLIOGRAFIA Y WEBGRAFIA
Prawda Witenberg, Juan, Mtodos y Modelos de Investigacin de

Operaciones, Edit. Limusa, 1976
Nakamura, Mtodos numricos
Carrasco Venegas, Luis, Editorial Amrica, Lima Per, 1era. Edic. 2002
http://www.unalmed.edu.co/~metnum/integracion.pdf
http://docentes.uacj.mx/gtapia/AN/Unidad2/Newton.htm
69

LiMetNu2 PDF

Cargado por

Información del documento

Título original

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

LiMetNu2 PDF

Cargado por

Copyright:

Formatos disponibles

METODOS NUMERICOS PARA

ING. RICARDO SEMINARIO VASQUEZ

INTRODUCCION AL ANALISIS NUMERICO ............................................................... 3

INTRODUCCION AL ANALISIS NUMERICO

Al momento de aplicar las Matemticas a situaciones del mundo real nos

Un mtodo numrico es un procedimiento mediante el cual se obtiene, casi

Notacin cientfica (punto flotante)

Realizar las siguientes operaciones:

a) 0.5971 * 103 + 0.4268 * 10-5

expresar el resultado en base a 103 y 10-5

0.5971 * 103 + 0.4268 * 10-5 = 0.5971 * 103 + 0.000004268 * 10-5

error absoluto y error relativo

El cual es llamado error porcentual

Calcular el error absoluto y relativo de a* y a

0.51*102 - 0.50 * 102 = 0.01 * 102 = 1.00

(0.01 * 102 )/0.50 *102 = 0.02 * 100 = 2%

Ejemplo programado en lenguaje C++

Programa clculo del promedio

Concepto : Interpolar significa encontrar un valor intermedio entre dos o mas

Sea en el sistema de coordenadas de la grafica anterior, las ecuaciones F(x) y

1. interpolacin con espacios equidistantes

INTERPOLACIN CON ESPACIOS EQUIDISTANTES O

DIFERENCIAS PROGRESIVAS : Son llamadas diferencias hacia delante y

o primeras diferencias : Yi = Yi+1 - Yi i=0,1,2,3...n

o k- cimas diferencias kYi = kk-1Yi+1 - k-1Yi

es el operador de diferencias progresivas

Para i=0 en la ecuacin (1)

Para i=1 en la ecuacin (1)

Para i=0 en la ecuacin (2)

2Y0 = Y1 Y0 Y1 = 2Y0 + Y0 (7)

Sustituyendo las ecuaciones (7) y (5) en (6)

Y2 = (Y0 + Y0) + ( 2Y0 + Y0)

Y2 = Y0 + 2Y0 + 2Y0 (8)

De las ecuaciones (5) y (8)

Y1 = Y0 + Y0 sacando factor comun Y0 tenemos : Y1 = (1 + )1Y0

Y3= (1 + )3Y0 (9)

Yk=(1 + )kY0 (10)

El Segundo miembro de la ecuacin (10) corresponde al Binomio de Newton

Para : K= 1,2,3, ...n

Si se toma un valor j cualquiera menor que k y si las j-esimas

k k! k (k 1)(k 2)...(k j + 1)!

Si consideramos la funcin tabular con espaciamiento hconstante

Sustituyendo (15) en (14)

Yk = b 0 + b1x + b2x2 + ..... .+ bjxj

Se llama Polinomio de Newton con espaciamiento constante

En base a la funcin tabular que se muestra, preparar la tabla de diferencias:

las primeras diferencias son :

1Y0 = Y1-Y0 = 1-(-5) = 6

las segundas diferencias son :

2Y2= Y3- Y2 = 30 - 16 =14

las terceras diferencias son :

3Y0 = 2Y1- 2Y0 = 8 - 2 = 6

Queda entonces la tabla de resultados:

Por ser 3Y constante, corresponde a un polinomio de tercer grado y es un

Si hacemos J=1, entonces tendremos el polinomio de primer grado que se

Que corresponde a un polinomio de primer grado

Reemplazando en la ecuacin general :

Reemplazando en la ecuacin anterior:

1Y0=8, 2Y0=8, 3Y0=6

Conociendo por formula de permutaciones:

( x 1) ( x 1)( x 2) ( x 1)( x 2)( x 3)

Y = 1+(x-1)*8 + (x-1)(x-2)*4 + (x-1)(x-2)(x-3)*1

Y = X3 2X2 + 7 X - 5 SOLUCION PEDIDA

0.51102 - 0.50 102 = 0.01 * 102 = 1.00

(0.01 * 102 )/0.50 102 = 0.02 100 = 2%

Y = 1+(x-1)8 + (x-1)(x-2)4 + (x-1)(x-2)(x-3)*1