Documentos de Académico
Documentos de Profesional
Documentos de Cultura
12-FINAL-final - METODOS NUMERICOS
12-FINAL-final - METODOS NUMERICOS
INTRODUCCION
Antes de la invencin de la computadora slo contaban con tres mtodos para la solucin de
problemas:
Estas soluciones con frecuencia resultaban tiles y proporcionaba una comprensin excelente del
comportamiento de algunos sistemas, pero slo se encontraban en una clase limitada de
problemas, incluyendo a los que podramos aproximarlos mediante modelos lineales y aquellos que
tienen pocas dimensiones
Para analizar el comportamiento de los sistemas, se usaban grficas nomograma, aunque las
tcnicas grficas se emplean para resolver problemas complejos, los resultados no eran muy
precisos, eran tediosas y difciles de implementar.
FORMULACION FORMULACION
Leyes Exposicion profunda de la relacion del
fundamentales
brevemente problema con las leyes fundamentales
SOLUCION
SOLUCION Metodo de la
Metodos muy elaborados y computadora de facil
muy complicados uso
INTERPRETACION
Desarrollar la intuicion
INTERPRETACION
Anlisis limitado Estudiar el comportamiento del
sistema
1
Entonces los Mtodos Numricos son tcnicas que nos permiten formular modelos matemticos,
de tal forma que puedan resolverse usando operaciones aritmticas.
Hoy en da las computadoras y los Mtodos Numricos proporcionan una buena alternativa para
clculos muy complicados.
El uso de las computadoras nos permite hacer aproximaciones de clculo sin tener que recurrir a
suposiciones tcnicas lentas.
Nos preguntamos Por qu estudiar Mtodos Numricos?
1) Los Mtodos Numricos son herramientas muy poderosas para la solucin de problemas.
Pueden manejar ecuaciones grandes, no lineales y geometras complicadas; aumentando
la habilidad de resolver problemas.
2) Contar con la ocasin de usar software que contenga mtodos numricos, es por eso que
debe tenerse el conocimiento de la teora.
3) Ser capaces de disear sus propios programas para resolver los problemas que otros
software no lo realizan.
2
INTRODUCCION A LA TEORIA DE ERRORES
Es importante entender el concepto de ERROR, para usar en forma efectiva los Mtodos
Numricos.
Por ejemplo en la cada de un paracaidista, la velocidad de la cada puede determinarse
por mtodos analticos es decir; obtener los resultados exactos pero, tambin, se puede
determinar la velocidad de cada por mtodos numricos que son solo una aproximacin,
observando que aparece una cierta discrepancia error en los valores encontrados.
Pero en muchos problemas no podemos obtener la solucin analtica, por lo que no
podemos calcular con exactitud los errores asociados con nuestro mtodo numrico, en estos
casos debemos resolver por aproximaciones estimar los errores:
Generalmente se lucha por limitar los errores en los trabajos; pues as: cuando se realiza
un examen se realizan tareas son sancionadas ms no premiados por sus errores.
En la prctica profesional los errores pueden resultar costosos y en algunas ocasiones
catastrficos es decir; puede perderse la vida, si un dispositivo falla.
Entonces nos preguntamos si las aproximaciones numricas introducen errores Qu
tanto error se presenta en los clculos y qu tan tolerable es?
TIPOS DE ERRORES
1) ERROR ABSOLUTO
OBSERVACION
3
E1) Calcular los errores absolutos que se cometen al tomar = . con el
valor verdadero = .
= .
Entonces:
= .
= .
= . . = .
= . = .
a) b) c) d) +
= . . = . = .
= . . = . = .
= . . = . = .
= . . = . = .
E1) Calcular los errores absolutos que se cometen al tomar = . con el valor verdadero = .
= .
Entonces:
= .
= .
= . . = .
= . = .
b) b) c) d) +
= . . = . = .
= . . = . = .
= . . = . = .
= . . = . = .
4
E4) Calcular los errores absolutos que se cometen al tomar = . con el valor verdadero = .
= .
Entonces:
= .
= .
= . = .
= . = .
c) b) c) d) +
= . . = . = .
= . . = . = .
= . . = . = .
= . . = . = .
OBSERVACION:
a) El error absoluto que conviene tomar es el menor de estos nmeros, pues ms estrecho
ser el intervalo dentro del cual se asigna el nmero exacto.
2) ERROR RELATIVO
= ,
= ,
E1) Sea = . un valor aproximado de = = . ., hallar el error
relativo.
. .
= = . = .
.
5
E2) Sea, = . y sea el valor
) = . b) = . c ) = .
..
a) = = . = .
.
. .
b) = = . = .
.
. .
c) = = . = .
.
E1) Sea = . un valor aproximado de = = . .., hallar el error relativo.
. .
= = . = .
.
) = . b) = . c ) = .
..
d) = = . = .
.
..
e) = = . = .
.
f) =
..
.
= . = .
E3) Sea = . un valor aproximado de = = . ., hallar el error relativo.
. .
= = . = .
.
) = . b) = . c ) = .
..
g) = = . = .
.
..
h) = = . = .
.
..
i) = = . = .
.
% = | | % ,
E1) Sea = = . y sea = . . Calcular el valor relativo
porcentual.
. .
% = % = . %
.
6
E2) Sea = = . y = . . Calcular el valor relativo porcentual.
. .
% = % = . %
.
E1) Sea = = . y sea = . . Calcular el valor relativo porcentual.
. . .
% = % = . %
.
. .
% = % = . %
.
E3) Sea = = . y sea = . . Calcular el valor relativo porcentual.
. .
% = = . = . = . %
.
. .
% = = . = . %
.
OBSERVACION:
a) Si comparamos los dos resultados anteriores, veremos que la calidad de datos del E2) es
mejor que E1)
c) Cuando se maneja cantidades muy grandes o muy pequeas, el error absoluto puede ser
no tan significativo, mientras el error relativo si es significativo en muchos casos.
CIFRAS SIGNIFICATIVAS
EXACTITUD: Que tan cercano est el valor calculado medido con el valor verdadero.
PRECISION: Que tan cercano est un valor individual medido calculado respecto a los
otros.
EJEMPLO 1:
Son inexactos, pues estn alejados del centro que es el valor verdadero
7
IMPRESICION (SE CONOCE COMO INCERTIDUMBRE)
Ambas son exactas, pero la segunda es ms precisa que la primera, ya que los puntos estn en
un grupo ms compacto.
Entonces las cifras significativas de un nmero son todas sus cifras, a excepcin de los ceros que
estn a la izquierda.
DEFINICION
Se dice que un nmero se aproxima a V con t dgitos significativos, si t es el entero ms grande
no negativo para la cual se cumple:
<
8
E1) Aproxime al nmero 25 con dos cifras significativas.
Entonces:
<
<
<
< .
. < < .
. < < . . .
Por lo tanto, podemos decir que cualquier valor de en dicho intervalo cumple con la
condicin
E1) Aproxime al nmero 15 con dos cifras significativas.
Entonces:
<
<
<
< .
. < < .
. < < . . .
Por lo tanto, podemos decir que cualquier valor de en dicho intervalo cumple con la condicin
9
SERIES DE TAYLOR
ERROR DE TRUNCAMIENTO
Los errores de Truncamiento son aquellos que resultan al usar aproximaciones en lugar de un
procedimiento matemtico exacto.
La serie de Taylor es importante, pues es til para obtener modelos numricos, as como analizar
los errores de truncamiento.
TEOREMA
( ) 2 ( )3 ( )
() + ()( )
() = + () + () + + () + ()
2! 3! !
1
2
()+1
Donde () = (+1) () (+1)!
es el residuo u error, donde es algn punto
entre y .
OBSERVACION
1) 1 () = () + ()( )
( )2
2 () = () + ()( ) + ()
2!
Sea
() = (1) = 1 (1) = 0
1 1
() = (1) = 1 (1) = 1
Entonces :
1 () = () + ()( )
1 () = (1) + (1)( 1)
1 () = 0 + 1 ( 1)
1 () = 1 1
10
Luego:
Sea
() = (1) = 1 (1) = 0
1 1
() = (1) = 1 (1) = 1
1 1
() = (1) = (1) = 1
2 12
Entonces :
( )2
2 () = () + ()( ) + ()
2!
( 1)2
2 () = (1) + (1)( 1) + (1)
2!
1 2
2 () = 0 + 1( 1) ( 1)
2!
1 1
2 () = ( 1) ( 1)2 = ( 1) ( 1)2
2 2
Luego:
1
= ( 1) ( 1)2
2
1
(0.9) = (0.9 1) 2 (0.9 1)2 0.10536 0.105
1
(1.5) = (1.5 1) 2 (1.5 1)2 0.40546 0.375
11
E3) Use el polinomio de Taylor de orden 4 para = al calcular el valor
aproximado de (. ) y d una estimacin del mximo error cometido.
() = (1) = 1 (1) = 0
1 1
() = (1) = 1 (1) = 1
1 1
() = 2 (1) = 12 (1) = 1
2 2
() = 3 (1) = 13 (1) = 2
6 2 6
() = (1) = (1)4 (1) = 6
6
24 3 24 24
() = 8
() = ()5 () = 5
Sabemos que :
( )+1
() = (+1) ()
( + 1)!
24 (0.1)5
(0.9) =
5 5!
12
24 (0.1)5
(0.9) =
5 5 4 3 2 1
(0.1)5
(0.9) =
5 5
Por lo tanto :
(0.1)5
| (0.9) | <
5 5
(0.1)5
| (0.9) | < = 0.00000338
5 (0.9)5
Al decir esto suponemos que el error es insignificante o que el error de clculo fue
insignificante.
POLINOMIO DE MCLAURIN
En el caso = , el polinomio de Taylor de orden se simplifica para obtener el
polinomio de Mclaurin, dando una aproximacin particularmente til en una vecindad de
=
Tenemos:
(0)
(0) 2 (0) 3 (0)
() = (0) + + + + + ..+
2! 3! !
() = (0) = 1
() = (0) = 1
() = (0) = 1
() = (1) = 1
() = (1) = 1
13
Entonces:
1 2 1 3 1 4
= 1 + 1 + + +
2! 3! 4!
1 1 1
0.2 = 1 + 1(0.2) + (0.2)2 + (0.2)3 + (0.2)4
2! 3! 4!
1.2214 = 1.2214
b)
() = (0) = 0 (0) = 0
() = (0) = 0 (0) = 0
Entonces:
1 2 0 3 1 4
cos = 1 + 0 + +
2! 3! 4!
1 1
cos 0.2 = 1 (0.2)2 + (0.2)4
2! 4!
0.99999 = 0980066
1.2214 = 1.2214
14
SISTEMA NUMERICO
473 8
1 598
3 7
4578 = 4 82 + 5 81 + 7 80 = 30310
358 8
448
6528 = 6 82 + 5 81 + 2 80 = 42610
5748 = 5 82 + 7 81 + 4 80 = 38010 .
380 2
1902
952
472
22.
22
15
Entonces 38010 es equivalente a 1011111002
5 7 4
5748 = { { {
101 111 100
5 2
2 2 ..
5468 = 5 82 + 4 81 + 6 80 = 35810 .
358 2
1792
892
442
22.
22
5 4 6
5468 = { { {
101 100 110
5 2
2 2 ..
Este procedimiento se repite un nmero suficiente de veces o hasta que la parte decimal sea
CERO.
16
1.4) Conversin de un nmero fraccionario en sistema binario al sistema decimal
Debemos tomar en cuenta que se inicia la posicin -1 a partir del punto de decimal.
.
= + + + + + + + +
= .
17
REPRESENTACION DE NUMEROS EN LA COMPUTADORA
Generalmente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan en la memoria de la computadora.
1) NUMEROS ENTEROS
1 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0
0. 1 2 3 4 5 6 7 8 2 1 2 3 4 5 6 7
Luego:
18
Entonces: 15.324 = 1111. 010100101 . .2
15.324 = 1111 010100101 24
15.324 = 0.1111 010100101 2100
Donde
4 2
2 2 4 = 1002
1 0 0 0 0 1 0 0 1 1 1 1 0 1 0 1
19
RAICES DE UNA ECUACION
INTRODUCCIN
Nosotros desde hace tiempo aprendimos a utilizar la frmula:
2 4
=
2
A estos valores calculados del polinomio ya sea lineal o cuadrtico se les llama races; es
decir () = 0 es por eso que algunas races se les conocen como ceros del polinomio.
MTODO GRAFICO
Este mtodo es til para obtener una aproximacin a la raz de un polinomio y observar
donde cruza se intercepta en el eje de las X.
Este valor para la cual () = 0 proporciona una aproximacin inicial de la raz, aunque
los mtodos grficos son tiles para obtener estimaciones aproximadas de las races,
pero pocas precisas
Para aproximar debemos usar la tcnica de PRUEBA ERROR, que es escoger un valor
de x y evaluarla si es () = 0, sino no ocurre as, como en la mayora de los casos, se
hace otra conjetura y se evala nuevamente a () , hasta determinar la mejor
estimacin hasta encontrar un valor que genere un () cercano a CERO.
20
As tenemos:
a b a b
Vemos que el grfico (1) y (3) tienen el mismo signo pero, no hay races en la FIG(1) y la
FIG(3) tiene par de ellos entre los valores dados.
El grafico (2) nos da el resultado de una raz que est acotada por valores positivos y
negativos de () .
21
LOCALIZACION DE INTERVALOS DE RAICES DE f(x) =0
Cuando no hay informacin previa de acerca de los valores aproximados de las races;
una manera sencilla para hallar intervalos de x que contenga una raz es construir una
tabla de valores de x, con separacin uniforme.
E1) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms
races
= () = + + = . , =
x f(x)=0
4 +
3 +
2 +
1 +
0 +
1 ()() < [, ],
+
2
3
4
22
E2) Determinar el (los ) intervalos de tamao 1.0 , tal que cada una de ellas
contenga uno o ms races
= () = ( . )( ) + , < <
x f(x)=0
5
4
3
2
1 ()() < [, ],
0
1 +
2 ()() < [, ],
3
4
5
Encontramos dos intervalos [0, 1] , [1,2] cada una de los cuales contiene al menos una
raz.
= () = + = . , =
E4) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms
races
= () =
23
E5) Determinar el (los ) intervalos de tamao 1.0 , tal que cada una de ellas contenga uno o ms races
= () = ( . )( ) + , < <
x f(x)=0
10
9
8
7
6
5
4
3
2 ()() < [, ],
1
0
()() < [, ],
1 +
2
3
()() < [, ],
4
5
6
7 +
8 +
9 + Encontramos tres intervalos [0, 1] , [1,2], [6,7] cada una de los cuales
10 + contiene al menos una raz.
= () = = . , =
E7) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms races
= () =
24
MTODOS CERRADOS
INTRODUCCIN
Son aquellos que aprovechan que una funcin cambia de signo en una vecindad de una raz.
A estas tcnicas los llamamos Mtodos Cerrados o de Intervalos, pues son necesarios dos
puntos iniciales para la raz.
Esto implica que dichos valores iniciales deben encerrar a la raz.
Los mtodos que vamos a estudiar emplearan diferentes estrategias para reducir el tamao del
intervalo y converger a la respuesta correcta.
Entre ellos tenemos:
a) Mtodo de Biseccin
b) Mtodo de Regula Falsi
MTODO DE BISECCION
lados de la raz.
f(a)
a b
f(b)
signos opuestos , es decir f a f b 0 , entonces afirmamos que al menos hay una raz real
entre a y b en el intervalo a , b .
El mtodo de Biseccin conocido como corte binario, de particin en dos intervalos iguales
Mtodo de Bolzano es un tipo de bsqueda incremental en que el intervalo se divide siempre en
la mitad
25
MTODO DE BISECCION (BUSQUEDA BINARIA)
Este mtodo de Biseccin aplica los siguientes pasos para una raz con ciertas cifras significativas
exactas.
1) Sea a0 ,b0 un intervalo inicial donde existe la raz , para generar luego la sucesin
+
} , mediante la relacin : = , = , ,
=
2) Determinar
> + =
+ =
( ) ( ) = < + =
+ =
{=
3) Dejar de iterar s
Tolerancia
x x
i1
0.5 10
mn 1
4) Dejar de iterar s i
mn 1
E
A
0.5 10
OBSERVACION
m= Orden
26
Ejemplo 1
Sea i 0
[ 0 , 0 ] = [ 6 , 7 ]
0 + 0 6+7
0 = = = 6.5
2 2
0 = 6.5
1 = 0 = 6
(0 )(0 ) = (6)(6.5) < 0 {
1 = 0 = 6.5
Sea i 1
[ 1 , 1 ] = [ 6 , 6.5]
1 + 1 6 + 6.5
1 = = = 6.25
2 2
1 = 6.25
2 = 1 = 6.25
(1 )(1 ) = (6)(6.25) > 0 {
2 = 1 = 6.5
Sea i 2
[ 2 , 2 ] = [ 6.25 , 6.5 ]
2 + 2 6.25 + 6.5
2 = = = 6.375
2 2
2 = 6.375
= 2 = 6.375
(2 )(2 ) = (6.25)(6.375) > 0 { 3
3 = 2 = 6.5
Sea i 3
[ 3 , 3 ] = [ 6.375 , 6.5 ]
3 + 3 6.375 + 6.5
3 = = = 6.4375
2 2
3 = 6.4375
4 = 3 = 6.375
(3 )(3 ) = (6.375)(6.4375) < 0 {
4 = 3 = 6.4375
27
+1
0 6.5
1 6.25 0.25
2 6.375 0.125
3 6.4375 0.0625
4 6.40625 0.03125
5 6.390625 0.015625 .
6 6.3828125 0.0078125
Donde
+1 = 0.015625 .
28
Ejemplo 1
Sea
f x x3 x 1 x * 1 ,2 con un error de aproximacin de obtener102 , aplicar el mtodo de biseccin.
1) Sea
i0
a0 ,b0 1 ,2
a 0 , b 0 1 2
x0 1, 5
2 2
x 0 1, 5
f a f x 0 f
1 f
a1 a0 1
0 b x 1,5
1.5
0
1 0
2)
Sea
i1
a1 ,b1 1 , 1,5
a1 , b1 1 ,1,5
x1 1, 25
2 2
x 1 1, 25
3)
a x 1,25
2
f a f x1 f
1
1 f
1,25
1
0 b a 1,5
2 1
4)
Sea
i2
a 2 , b2 1,25 , 1,5
a 2 b 2 1,25 ,1,5
x2 1, 375
2 2
x 2 1, 375
5)
f a f x 2 f 1,25 f
2
1,375
a3 a2 1,25
0 b x 1,375
3 2
6)
Sea
i3
a 3 , b3 1,25 , 1,375 +1
0 1.5
a3 b3 1,25 ,1,375
x3 1, 3125
2 2 1 1.25 0.25
x 3 1, 3125
2 1.375 0.125
EJEMPLO 1
3 1.3125 0.0625
Sea
f x x 2 2x 4 0 4 1.34375 0.03125
5 1.328125 0.015625
a)
x* 1 ,2 obtener la solucin con dos cifras significativas
6 1.320312 0.0078125 < .
b)
x* 4, 3 obtener la solucin con dos cifras significativas
f x x 2 2x 4 0
Entonces resolveremos a)
7) Sea
i0
a0 ,b0 1 ,2
a 0 , b0 1 2
x0 1, 5
2 2
x 0 1, 5
a a 1
1
f a f x0 f
0
1 f1.5 0
0 b x 1,5
1 0
8)
Sea
i1
a1 ,b1 1 , 1,5
a , b1 1 ,1,5
x1 1 1, 25
2 2
x 1 1, 25
9)
f a f x 1 f
1 f1,25
a 2 a1 1
0 b x 1,25
1
2 1
10)
Sea i2
a2 ,b2 1 , 1,25
a b 2 1 ,1,25
x2 2 1, 125
2 2
x 2 1, 125
11)
f x
fa 2 f
1 f
1,125
0
a3 x 2 1,125
2
b3 b2 1,25
12)
i3
Sea
29
Ejemplo 2
1) Sea i 0
a 0 , b0 - 1 ,-2.5
a 0 b0 1 2.5
x0 1,7 5
2 2
x 0 1, 75
a a 1
1
f a f x 0 f1 f
1
.75
0
0
0
b x 1.75
1 0
2)
Sea i 1
a1 , b1 1, 1.75
a1 , b1 1 1,75
x1 1, 375
2 2
x1 1, 375
f a f x1 f
a 2 x1 1, 375
1 f 1, 375 0
1
b2 b1 1, 75
3)
Sea i 2
a 2 , b2 1, 375 , 1.75
a b2
x2 2 1, 5625
2
x 2 1, 5625
a a 1, 375
3
f a f x 2 f 1, 375
f1, 5625 0
2
2 b x 1,5625
3 2
|+ |
0 -1.750000000
1 -1.375000000 0.375000000
2 -1.562500000 0.187500000
3 -1.468750000 0.093750000
4 -1.51625000 0.046875000 .
30
Luego tenemos que la raz es:
x 4 - 1.51625000
Donde
x 4 x 3 0.04687500 0 0.05
Ejemplo 3
4) Sea i0
a0 ,b0 1 ,2
a 0 b 0 1 2
x0 1, 5
2 2
x 0 1, 5
5)
a1 x 0 1.5
f a 0 f x 0 f1 f
0 b b 2
1.5
1 0
6)
Sea i1
a1 , b1 1, 5 , 2
a1 , b1 1,5 ,2
x1 1, 75
2 2
x 1 1, 75
7)
f x
f a 1 f
1,5 f 1,75
0
a 2 x1 1,75
b 2
1
b
2 1
8)
Sea i2
a 2 , b2 1,75 , 2
a 2 b2 1,75 ,2
x2 1, 875
2 2
x 2 1, 125
9)
a3 a2 1,75
f a 2 f x 2 f
1,75
f
1,875
0 b x 1,875
3 2
10)
Sea
i3
a3 , b3 1,75 , 1,875
a 3 b3 1,75 ,1,875
x3 1, 8125
2 2
x 3 1, 8125
11) Sea
i0
a0 ,b0 1 ,2
a 0 b 0 1 2
x0 1, 5
2 2
x 0 1, 5
12)
a1 x 0 1.5
f a 0 f x 0 f1 f
0 b b 2
1.5
1 0
13)
Sea i1
a1 , b1 1, 5 , 2
a1 , b1 1,5 ,2
x1 1, 75
2 2
x 1 1, 75
14)
a 2 x1 1,75
f a1 f x 1 f
f
1,5 1,75
0 b b 2
2 1
15)
Sea i 2
a 2 , b2 1,75 , 2
a 2 b2 1,75 ,2
x2 1, 875
2 2
x 2 1, 125
16)
31
a3 a2 1,75
f a 2 f x 2 f
1,75
f
1,875
0
b3 x 2 1,875
17)
Sea i3
a3 , b3 1,75 , 1,875
a 3 b3 1,75 ,1,875
x3 1, 8125
2 2
x 3 1, 8125
Luego tenemos que la raz es :
x 9 1, 762695313
Donde
x 9 x 8 0.000976 0.001
32
MTODO DE REGULA FALSI
Dado que el Mtodo de Biseccin es una tcnica que permite determinar races, su enfoque no es
tan eficiente. La Falsa Posicin es una alternativa basada en la visualizacin grfica, pues la
interseccin de una lnea con el eje de las X, representa una mejor estimacin de la raz, de aqu
el nombre de Falsa Posicin, en Latn Regula Falsi mtodo de Interpolacin Lineal.
Sin embargo en vez de encontrar los puntos medios de los intervalos en forma montona ,
utiliza la interpolacin lineal ajustada a dos puntos extremos para encontrar una
aproximacin de la raz, siendo la funcin bien aproximada por la interpolacin lineal ,
entonces las races tendrn una buena precisin y la iteracin converger ms rpido que
usando el mtodo de biseccin.
GRAFICAS
33
Sabemos que la ecuacin de la recta es:
= ( )
= ( )
Entonces:
Despejando, 1 tenemos:
( = (0 ) )(1 0 )
+ 0 = 1
(1 ) (0 )
(1 0 )
1 = 0 (0 )
(1 ) (0 )
Entonces:
(2 1 )
2 = 1 (1 )
(2 ) (1 )
34
(3 2 )
3 = 2 (2 )
(3 ) (2 )
.......
( 1 )
= 1 (1 )
( ) (1 )
Si () () < , ; ( ) =
Tenemos la relacin:
( ) ( )
= = 0,1,2 .
( ) ( )
Determinamos:
> + =
+ =
( ) ( ) = < + =
+ =
{=
Donde =
35
Ejemplo 1
Sea () = | | , [ , ],
1) Sea
f 0 5
2) f 5 14.6687282 89
Por lo tanto
f 0 f 5 0 x * 0, 5 a , b
0 0
3) Sea i 0
f b 0 a 0 f a 0 b 0
x0
f b 0 f a 0
f 5 0 f 0 5
x0
f 5 f 0
x 0 1, 271053198
4) Luego
f a 0 f x 0 f 0 f 1,27105319 8 0
a1 x 0 1, 271053198
b1 b0 5
a , b 1, 271053198, 5
1 1
5)
i1
f b1 a 1 f a 1 b1
x1
f b1 f a 1
f 5 1, 27105319 f 1, 27105319 5
x1
f 5 f 1, 27105319
x 1 1,99611230 9
36
6) Luego
f a 1 f x 1 f 1, 271053198 f 1,99611230 9 0
a 2 x 1 1,99611230 9
b 2 b1 5
a , b 1,99611230 9 , 5
2 2
n
0 1.271053198
1 1.996112309 0.725059110
2 2.199467317 0.203355008
3 2.233593225 0.034125908
4 2.238406548 0.046875000
5 2.239064611 0.000658063 .
6 2.239168296 0.000103685
7 0.000000000 0.000000014
Ejemplo 2
1) Sea
f 2 2 2 2 1
3
f 2 3
2)
f 1 1 2 1 1
3
f 1 2
Por lo tanto
f 2 f 1 0 x * 2,1 a , b
0 0
3) Sea i 0
37
f b0 a 0 f a 0 b0
x0
f b0 f a 0
f 1 2 f 2 1
x0
f 1 f 2
7
x0
5
x 0 1, 4
4) Luego
f a0 f x 0 f 2 f 1,4 0
a1 a0 2
b x 1,4
1 0
a , b 2,1, 4
1 1
5)
i1
f b1 a1 f a1 b1
x1
f b1 f a1
f 1,4 2 f 2 1,4
x1
f 1,4 f 2
x1 1,556213018
6) Luego
f a1 f x1 f 2 f 1,55621301 8 0
a2 a1 2
b x 1,55621301 8
2 1
a , b 2,1,55621301 8
2 2
7)
i2
f b2 a2 f a2 b2
x2
f b2 f a2
f 1,556213018 2 f 2 1,556213018
x2
f 1,556213018 f 2
x 2 1,5601817041
8) Luego
38
f a 2 f x 2 f 2 f 1,60181704 1 0
a3 a2 2
b x 1,60181704 1
3 2
a , b 2,1,60181704 1
3 3
9)
i3
f b 3 a 3 f a 3 b 3
x3
f b 3 f a 3
f 1, 601817041 2 f 2 1, 601817041
x3
f 1, 601817041 f 2
x 3 1,61387237 7
10) Luego
f a 3 f x 3 f 2 f 1,61387237 7 0
a 4 a3 2
b x 1,61387237 7
4 3
a , b 2,1,61387237 7
4 4
Ejemplo 2
Sea () = 10 1 , [0 , 1,3]
1) Sea
f 0 1
2)
f 1,3 1,3 10 1
f 1,3 12 ,785849
f 0 f 1,3 0 x * 0 1,3 a 0 , b 0
Por lo tanto
3) Sea
i0
f b0 a0 f a0 b0
x0
f b0 f a0
f 1,3 0 f 01,3
x0
f 1,3 f 0
x 0 0, 094299
4) Luego
f a 0 f x 0 f 0 f 0.094299 0
a1 x 0 0,094299
b1 b0 1,3
a1, b1 0,094299,1, 3
5) i1
f b1 a1 f a1 b1
x1
f b1 f a1
f 1,3 0,094299 f 0,094299 1,3
x1
f 1,3 f 0,094299
x1 0,181758
39
6) Luego
f a1 f x1 f 0,094299 f 0,18758 0
a 2 x 1 0, 181758
b2 b1 1,3
a 2 , b2 0,181758, 1,3
7)
i2
f b2 a 2 f a 2 b2
x2
f b2 f a 2
f 1,3 0,181758 f 0,181758 1,3
x2
f 1,3 f 0,181758
x 2 0,262873
8) Luego
f a 2 f x 2 f 0,181758 f 0,262873 0
a 3 x 2 0,262873
b 3 b 2 1,3
a 3 , b3 0,262873 ,1,3
9)
i3
f b3 a 3 f a 3 b3
x3
f b3 f a 3
x 3 0. 338140
10) Luego
f a 3 f x 3 f 0 , 262873 f 0 ,338104 0
a 4 a 3 0,338104
b x 1,3
0 ,338104,1,3
4 3
a ,b
4 4
11)
i4
f b 4 a 4 f a 4 b 4
x4
f b 4 f a 4
x 4 0,407877
ORDEN DE UN NMERO
Ejemplo 1
0 -1 -2 -3 - 4
V 0.0 0 9 8
0 1 2 3 m 4
V 0 10
0
10
0
10
9 10 8 10
LOS CEROS A LA IZQUIERDA NO VALEN
Orden :
m3
Ejemplo 2
V 0.011070
2 m
V 0 10
0
0
10
1 10
1
1 10 3 0 10 4 7 10 5 0 10 6
LOS CER OS A LA IZQUIERDA N O VALEN
Orden :
m 2
Ejemplo 3
40
3 2 1 0 -1-2 -3 -4
V 1 9 0 5.0 7 7 8
V 1 10 3 m 9 10 2 0 10 1 5 10 0 0 10 1 7 10 2 7 103 8 10 4
Orden :
m3
Ejemplo 4
1 0 -1-2 -3
V 39.0 7 8
V 3 10 1m 9 10 0 0 10 -1 7 10 -2 8 10 3
Orden :
m 1
METODOS ABIERTOS
INTRODUCCION
Veremos que los Mtodos Abiertos se basan en frmulas que requieren un nico valor de inicio
un par de ellos, pero no necesariamente encierran a la raz; pues algunas veces divergen se
alejan de la verdadera raz a medida que aumenta el nmero de iteraciones.
Sea () una funcin de la que deseamos hallar sus races donde () se puede expresar de la
forma:
S se desea hallar un cero (raz) de () = 0 , se puede expresar como un problema de punto fijo,
haciendo:
() = ()
(La tarea es cuando una funcin tendr un punto fijo y cmo determinarlos)
E1) Las races ceros de () =
en un intervalo [ , ]?
Races = 1 () = =0
41
= 3 () = =0
() = ()
() = , [1 , 3]
(1) = 1 (1) = 1 = 1 . Es punto fijo.
(3) = 1 (1) = 1 = 3. Es punto fijo.
Races = 0 () = 0 = 0
= 1 () = 2 = 0
() = ()
() = 2 , [0, 1]
Races = 0 () = 0 = 0
= 1 () = = 0
1 1
Si = () = = 1 0 = , No es una raz
2 2 2
() = ()
() = , [0, 1]
Supongamos que [ ]
42
f() = cos es decreciente en [0,1 ] por lo que su imagen ([0,1] ) = [ (1), (0)]
radianes
2) Si 0, 1 | ()| = | sen |
= sen , cuando = 1
0.841470985 < 1
4) Si 0, 1 | ()| = |cos |
= cos , cuando = 1
0.540302306 < 1
: () = [, ] () = [(), ()]
: () = [, ] () = [(), ()]
E2) Sea () = + , probar si tiene un nico punto fijo en [ ,].
1) Existe ().
1 1
() = + () = cos
2 2 4 2
2) Los mximos y mnimos absolutos, para esto encontraremos los puntos crticos.
1
Si () = 0 cos = 0 cos =0 = 90 = 180 = () =
4 2 2 2
Entonces:
1 0
(0) = + () =
2 2
1 2
(2) = + () =
2 2
43
E3) Sea () = en [,]. Probar si se tiene un nico punto fijo.
4) Existe ().
2 2 2 (4)(8)
() = () =
8 8
1
() =
2
5) Los mximos y mnimos absolutos, para esto encontraremos los puntos crticos.
1
Si () = 0 =0 =0
2
Entonces:
2(0)2 2 1
(0) = (0) = Mnimo
8 4
2(1)2 2
(1) = (1) = 0
8
Mximo
2
2(1) 2
(1) = (1) = 0
8
1
6) Se tiene que () es continua y () < 1, [1, 1] , = 1
2
Tiene un nico punto fijo en [1, 1].
OBSERVACION
= 2 5 = 0.236 [1, 1]
44
= 2 + 5 = 4.236 [1, 1]
a) = 2 2 () = 2 2
b) = + 2 () = + 2
2 2 2
c) = 2 2 1 = 1 = () = 1 +
Cada una se denomina funcin de Iteracin para encontrar una raz de la ecuacin, al escoger
alguna de ellas se efecta el algoritmo.
E5) La ecuacin polinomial 2 2 5 = 0 , tiene races : 1.850781059 y -1.350781059, algunas posibilidades de x = g(x) son:
5
c) = factorizando x y despejando
21
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras
de convertirlas en = () , entre ellas tenemos:
1) = 3 4 2 + 10 1 () = 3 4 2 + 10
1 1
(10x3 )2 (10x3 )2
2) x = g 2 (x) =
2 2
1 1
10 2 10 2
3) 3 () = = ( ) 3 () = ( )
4+ 4+
1) 3)
0 1.3 1.3
1 2.3430 1.373605639
2 -22.477843610 1.364165634
3 9323.51644 1.365365454
4 -8.10824573 x 1011 1.365212782
5 5.33065009 x 1035 1.365232206
6 1.365229734
1) 0 = (0 ) = 1.3
45
1
10 2
1 = (0 ) = (1.3) = ( ) = 1.373605639
4 + 1.3
1
10 2
2 = (1 ) = (1.373605639) = ( ) = 1.364165634
4 + 1.373605639
1
10 2
3 = (2 ) = (1.364165634) = ( ) = 1.365365454
4 + 1.364165634
4 =.
5 =
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras de convertirlas en = () , entre ellas tenemos:
1) 1 () = = 3 4 2 + 10
1
(103 )2
2) 2 () = =
2
1
10 2
3) 3 () = = ( )
4+
3 +42 10
4) 4 () = =
32 +8
1) 2) 3) 4)
0 1.5 1.5 1.5 1.5
1 -0.875 1.286953 1.348399 1.3733
2 6.73242185 1.402541 1.367376 1.36502620
3 -469.71958 1.3454581 1.364957 1.365230014
4 1.375170 1.365264 1.365230013
5 1.360094 1.365225 1.365230013
6 1.367847 1.365230 1.365230013
Tenemos:
2) 0 = (0) = 1.5
1
10 2
1 = (0) = (1.5) = ( ) = 1.348399
4 + 1.5
1
10 2
2 = (1) = (1.3448399) = ( ) = 1.367376
4 + 1.348399
1
10 2
3 = (2) = (1.367376) = ( ) = 1.364957
4 + 1.367376
4 =.
5 =
COROLARIO
0 1 0 ,
1
1
OBSERVACION
46
3) La rapidez de la convergencia depender del factor :
1
Tenemos por ejemplo:
E1) () = +
1 () = 1 3 3 8 , 1 (), es continua en 1 2
1 () = 1 3 2 8 , 1, 2 ,
1 () 1, 1, 2.
E2) () = = ( )
+
2 () es continua en 1, 2
1 10 1/2 10
2 () = ( ) ((4+)2 ) , 1, 2
2 4+
5 (4 + )1/2
2 () = , 1, 2
(10)1/2 (4 + )2
3
5
2 () = 1 (4 + ) 2 , 1, 2
(10)2
x=1
1
3(1.8)2
Si = 1.8 3 (1.8) = (10 (1.8)3 ) 2
4
3 (1.8) = 1.190261588 1, 1, 2.
47
Si comparamos 3 () con = 0.598083621
2 () con = 0,1414
E4) Sea = () = ( ) con = . , = .
+
% %
0
1.5
9.874011134
1
1.348399725 11.242977306
1.230609074
2
1.367376372 1.387814464
0.159417814
3
1.364957015 0.177247823
0.017798462
4
1.365264748 0.022540149
0.004742757
5
1.365225594 0.002867947
0.001874755
6
1.365230576 0.000364884
0.002239648
7
1.365229942 0.000046424
0.002193223
8
1.365230023 0.000005907
0.002199129
9
1.365230012 0.000000751
0.002198378
10
1.365230014 0.000000096
0.002198474
OBSERVACION
% = % = % = %
% = % = %
OBSERVACION
% = % .
48
3) Tambin es posible relacionar estos errores con el nmero de cifras significativas en la
aproximacin es decir , que es posible afirmar que el criterio se cumple y que el resultado
es correcto en al menos n cifras significativas:
= (. ) %
E5) Utilice el mtodo de Punto Fijo para localizar la raz de () = con un valor
inicial es 0.5 e iterar hasta que el error aproximado porcentual sea menor o igual a
0.01%.
Tenemos que:
() = = () =
% =
0 0.5
1 0.649636939 23.03393327
2 0.721523797 9.963199869
3 0.750901166 3.912281713
4 0.762096851 1.469063281
5 0.766248143 0.541768621
6 0.767771654 0.198432827
7 0.768328659 0.072495669
8 0.768532021 0.026461097
9 0.768606231 0.009655139 0.01%
10 0.768633063
Tenemos () = :
0 = (0 ) = 0.5
0.649636939 0.5
% = | | 100% % = 23.3393330
0.649636939
0.721523797 0.649636939
% = | | 100% % = 9.963199869
0.721523797
49
ALGORITMO DEL PUNTO FIJO
50
EJEMPLO 1
2*sen(x)^(1/2) -
f(x)
x
Iteraciones #
X0 0,5 f(xi) a%
Xi iteraciones
8
2*sen(x)^(1/2) -
f(x) 0 0.5 1.972380486
x X8
3 1.950573917 6.840366928
4 1.969742513 0.973152375
5 1.972068881 0.117965856
6 1.972344178 0.013957858
7 1.972376656 0.001646628
8 1.972380486 0.000194187
EJEMPLO 2
f(x) 2*sen(sqr(x))-x
Funcin
iteracin 2*sen(sqr(x))-x
Xo 0.5
Error a 0.001%
Xi f(xi) a%
i
0 0.5
EJEMPLO 3
F(x) = x - (secx)/2
Xi f(xi)
a%
0.5
0
0.523598776
1 4.50703414
0.509863372
2 2.69393812
0.517885183
3 1.5489556
0.5132097
4 0.91102791
0.515937969
5 0.52879797
0.51434704
6 0.30931045
0.515275124
7 0.18011422
0.514733843
8 0.1051574
51
METODO DE NEWTON RAPHSON
Es uno de los mtodos numricos ms conocido y poderoso para encontrar las races de ().
( )2
() = () + ( ) () + (())
2!
( )2 (2)
() = () + ( ) (1) () + (())
2!
Donde esta entre y . ( =Error).
Entonces:
( )2 (2)
() = () + ( ) (1) () + (())
2!
( )2 (2)
0 = () + ( ) (1) () + (())
2!
2 0 Es despreciable, luego
0 () + ( ) (1) ()
() ( ) (1) ()
()
(1) ()
() ( 1 )
(1)
1 (1) , 1
() ( 1 )
(1 )
1 , 1
(1) (1 )
O tenemos que:
( )
+ = ,
( )
52
Nota
1) () 0 , pues la recta tangente que pasa por el punto (0 , (0 )) , no debe ser paralelo
al eje de las X.
2) 2 [, ].= Conjunto de todas las funciones que tienen segunda derivada, continua en x
53
E1) Resolver () = 2 cos 6 2 5, utilizando el mtodo de Newton
Raphson con un error estimado menor e igual a 0.01 cuando el valor
inicial es 0 = 24.
n +
0 24.000000000
1 24.461037243 0.461037243
2 24.528133326 0.067096083
3 24.530760419 0.002627093 0.01
4 24.530764667 0.000004248
5 24.530764667
Entonces:
( ) 2 cos 6 ln 25
+1 = +1 =
( ) 2 cos 2 6 ln 6
Tenemos:
1 2 cos 1 61 ln 1 25
2 = 1
2 1 cos 1 1 2 1 6 ln 1 6
2 = 24.528133326
Sea () = + 1
() = 1
() =
Tenemos que:
Empleando el mtodo:
n Xn
0 3.000000000
1 2.065885929
2 1.939820941
3 1.934572691
54
4 1.934563211
5 1.934563211
Entonces:
( ) + 1
+1 =
+1 =
( ) cos 1
Tenemos:
0 0 + 1 3 3 + 1
1 = 0 1 = 3 1 = 2.065885929
cos 0 1 cos 3 1
() = 2 3 + 2 + 5 10
() = 6 2 + 2 + 5
n +
0 0 = 1
1 1.153846154 0.153846154
2 1.142538313 0.011307841
3 1.142471489 0.000066824 0.001
Entonces:
( ) 2 3 + 2 + 5 10
+1 = +1 =
( ) 6 2 + 2 + 5
Tenemos:
55
https://www.youtube.com/watch?v=JGPKzxzXI_4
E1) Sea () = , calcular la raz de (), aplicando el mtodo de Newton Raphson , con 0 = 0 ,donde el valor verdadero es 0.56714329.
1) () =
2) () = 1
( )
3) +1 = ( ) +1 = 1
n %
0 0 = 0 100
1 0.5 11.838
2 0.566311002 0.146
3 0.567143164 0.000022
4 0.567143290 108
Tenemos:
0 0 0 0 1
1 = 0 1 = 0 = 1 = 0.5
0 1 0 1 2
1 0.5
1 0.5
2 = 1 2 = 0.5 1 = 0.566311002
1 1 0.5 1
1 1
3 = 2 = 0.567143164
1 1
E2) Encuentre la raz real de la ecuacin () = 3 + 2 2 + 10 20, mediante el mtodo de Newton Raphson , con 0 = 1 , = 103 ,aplicado a +1
.
() = 3 + 2 2 + 10 20
() = 3 2 + 4 + 10
n +1
0 0 = 1
1 1.411764706 0.411764706
2 1.369343671 0.0424288
Entonces:
( ) 3 + 2 2 + 10 20
+1 = +1 =
( ) 3 2 4 + 10
E2) Sea () = 0.9 2 + 1.7 + 2.5 0 = 5. Calcular la raz de (), aplicando el mtodo de Newton Raphson, con 0.01%
= = |
= = +1 |
n +1 |
0 0 = 5
1 3.424657534 1.575342466
2 2.924356997 0.500300537
3 2.861146976 0.063210021
4 2.860104689 0.001042287
Tenemos:
|1 0| = 1.575342466
56
E4) Resolver () = , utilizando el mtodo de Newton Raphson con un error
estimado de 10-4, , cuando el valor inicial es 1.
1) () = 4 cos
2) () = 4 () = (4 + )
3)
( ) 4 cos
+1 = +1 =
( ) [4 sen + ]
( ) 4 cos
+1 = +1 = +
( ) [4 sen + ]
n + |
0 0 = 1
1 0.908438950 0.091561050
2 0.904793982 0.003644968
3 0.904788218 0.000005764 < 0.0001
( )
3) Hacer +1 =
( )
4) Si +1 <
Entonces :
57
OBSERVACION
3) El mtodo de Newton Raphson algunas veces no converge sino que oscila , esto ocurre si
no hay raz real , si la raz es un punto de inflexin est el valor inicial muy alejado de la
raz buscada se entrapa
DIBUJAR
4) Necesidad de conocer el valor de la derivada de () en cada aproximacin lo cual es una
dificultad del mtodo.
58
NEWTON RAPHSON MODIFICADO
Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje X.
En general, la multiplicidad impar de races cruza al eje X , mientras que la multiplicidad par no lo
cruza.
Ejemplo 1.-
Sea () = 3 5 2 + 7 3
() = ( 3)( 1)( 1)
Ejemplo 2.-
() = 4 6 3 + 12 2 10 + 3
Dibujo:
Raz doble
Raz triple
1 3
1 3
Segn Ralston y Rabinowitz (1978), propusieron una alternativa para probar que el mtodo de
Newton Raphson converge en forma cuadrtica en vez de lineal, cuando tiene races mltiples
para esto se ha propuesto las siguientes modificaciones:
()
() = (1)
()
( )
+1 = (2)
( )
( ) ( ) ( ) ( )
( ) = (3)
[ ( )]2
59
Reemplazando (3) en (2), tenemos:
( )
( )
+1 =
( ) ( ) ( ) ( )
[ ( )]2
( )[ ( )]2
+1 =
( )[ [ ( )]2 ( ) ( )]
Por lo tanto
( ) ( )
+1 =
[ ( )]2 ( ) ( )
1) () = 3 2 2 5
2) () = 3 2 4
3) () = 6 4
( ) ( )
4) +1 = [ ( )]2 ( ) ( )
n
0 2.000000000
1 2.357142857
2 2.620182267
3 2.687808886
4 2.690642977
5 2.690647448
PRIMERA ITERACION
1) (0 ) = (2) = 5
2) (0 ) = (2) = 4
3) (0 ) = (2) = 8
(0 ) (0 )
1 = 0
[ (0 )]2 (0 ) (0 )
1 = 2.357142857
SEGUNDA ITERACION
60
4) (1 ) = (2.357142857) = 3.015670554
5) (1 ) = (2.357142857) = 7.239795918
6) (1 ) = (2.357142857) = 10.142857143
2 = 2.620182267
5) () = 3 5 2 + 7 3
6) () = 3 2 10 + 7
7) () = 6 10
() ()
8) +1 = [ ()]2 () ()
n %
0 0 = 0 100
1 1.105263158 10.5263158
2 1.003081664 0.3081664
3 1.000002402 0.0002395
61
PRIMERA ITERACION
7) (0) = (0) = 3
8) (0) = (0) = 7
9) (0) = (0) = 10
(0) (0)
1= 0
[ (0)]2 (0) (0)
1 = 1.105263158
1 = 1.10526
SEGUNDA ITERACION
2 = 1.003081664
2 = 1.00308
n %
0 0 = 0
1 0.42857 57.143
2 0.68571 31.429
3 0.83286 16.714
4 0.91332 8.668
5 0.95577 4.423
6 0.97764 2.236
7 0.98875 1.125
E2) Aplicar el Metodo de Newton Raphson Modificado , de () = 3 + 2 2 5 + 3, donde 0 = 0.2 y tiene raz doble de = 1
1) () = 3 + 2 2 5 + 3
2) () = 3 2 + 4 5
3) () = 6 + 4
() ()
4) +1 = [ ()]2 () ()
n %
0 0 = 0.2 80
1 1.671641791 67.1641791
2 0.1588533963 84.11466037
3 1.505319031 50.5319031
4 -0.102188081 110.2188081
PRIMERA ITERACION
0 = 0.2
1 0.2
% = | | 100% = 80
1
SEGUNDA ITERACION
(0) (0)
1= 0
[ (0)]2 (0) (0)
(2.088)(4.080)
1 = 0.2
[4.080] 2 (2.088)(5.20)
1 = 1.671641791
1 1.671641791
% = | | 100% = 67.1641791
1
TERCERA ITERACION
2 = 0.1588533963
1 0.1588533963
% = | | 100% = 84.11466037
1
1) () = () 0.1
2) () = 2 0.1
3) () = 2 sec . = 2 2 tan
( ) ( )
5) +1 = [ ( )]2 ( ) ( )
62
(() 0.1) (2 2 0.1)
+1 =
[ ( 2 0.1)]2 (() 0.1) (2 2 0.1)
n + |
0 0 =
1 3.490658504 0349065850
2 3.476054580 0.014603924
3 3.476140306 0.000085726 < 0.001
METODO DE LA SECANTE
Puesto que Newton Raphson presenta la dificultad del conocimiento de la derivada en cada
iteracin, y en algunas ocasiones ser muy tediosa encontrar dicha derivada.
Entonces para evitar el problema de la evaluacin de la derivada en el mtodo de Newton
Raphson , podemos realizar una pequea variacin.
Por definicin tenemos:
63
() ( )
( ) = lim
( )
+1 =
( )
( )( 1 )
+1 =
( ) (1 )
Por lo tanto
( )( )
+ =
( ) ( )
El mtodo de la secante, requiere de dos puntos iniciales
PRIMERA ITERACION:
0 = 1.3 (0 ) = 2.533585061
1 = 1.4 (1 ) = 1.268004948
64
(1 )(1 0 ) (1.268004948)(1.4 1.3)
2 = 1 = 1.4 = 1.500191599
(1 ) (0 ) (1.268004948 2.533585061)
SEGUNDA ITERACION:
1 = 1.4 (1 ) = 1.268004948
2 = 1.500191599 (2 ) = 0.712535451
(2 )(2 1 )
3 = 2 = 1.464145848
(2 ) (1 )
TERCERA ITERACION:
2 = 1.500191599 (2 ) = 0.712535451
3 = 1.464145848 (3 ) = 0.035819742
(3 )(3 2 )
4 = 3 = 1.46223784
(3 ) (2 )
|4 3 | = 0.001907964
Luego:
0 1.3
1 1.4 0.1
2 1.500191599 0.100195199
3 1.464145848 0.036045751
4 1.462237884 0.001907964
5 1.462375327 0.000137443 0.0001
PRIMERA ITERACION:
0 = 0 (0 ) = 1
1 = 1 (1 ) = 0.632120559
(1 )(1 0 ) (0.63212)(1 0)
2 = 1 = 1 = 0.612699837
(1 ) (0 ) (0.63212 1)
SEGUNDA ITERACION:
65
1 = 1 (1 ) = 0.632120559
2 = 0.612699837 (2 ) = 0.070813948
(2 )(2 1 )
3 = 2 = 0.563838389
(2 ) (1 )
TERCERA ITERACION:
2 = 0.61270 (2 ) = 0.070813948
3 = 0.563838389 (3 ) = 0.005182355
(3 )(3 2 )
4 = 3 = 0.567170359
(3 ) (2 )
Luego:
%
0 0
1 1
2 0.61270 8.032634927
3 0.56384 0.582727691
4 0.56717 0.004772868
5 0.567143306 0.000002821
0.56714329
PRIMERA ITERACION:
0 = 0 (0 ) = 20
1 = 1 (1) = 7
(1 )(1 0 )
2 = 1 = 1.53846
(1 ) (0 )
+1
0 0
1 1 1.000
66
2 1.53846 0.53346
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881 0.00090 < 103
E3) Mediante el mtodo de la Secante aproximar a la raz = 2 real de la ecuacin polinomial () = 3 3 + 2 , con
0 = 2.6 1 = 2.4 .
PRIMERA ITERACION:
0 = 2.6 (0 ) = 7.7760
(1 )(1 0 )
2 = 1 = 2.106598985
(1 ) (0 )
+1
0 -2.6
1 -2.4 0.2000
2 -2.106598985 0.2934
3 -2.022641412 0.0840
4 -2.001511098 0.0211
5 -2.000022537 0.0015
6 -2.000000022 0.0000
7 -2.000000000 0.0000
ALGORITMO DE LA SECANTE
1) Hacer = 1
( )( 1 )
3) +1 =
( )(1 )
67
4) Si +1 <
68
( )
+1 =
( )
( )
+ =
( + ) ( )
OBSERVACION
0 = 1.7 (0 ) = 1.81
0 + 0 = 1.734 (0 + 0 ) = 1.727244000
0 (0 )
1 = 0
(0 + 0 ) (0 )
69
(0.02)(1.7)(1.81)
1 = 1.7 = 2.443631882
(1.727244000) (1.81)
SEGUNDA ITERACION:
1 = 2.443631882 (1 ) = 0.527704893
1 + 1 = 2.492504520 (1 + 1 ) = 0.720074262
1 (1 )
2 = 1
(1 + 1 ) (1 )
(0.02)(2.443631882 )(0.527704893)
2 = 2.443631882 = 2.309565163
( 0.720074262) (0.527704893)
%
0 1.7
1 2.443631882 0.743631882
2 2.309565163 0.134066719
3 2.302873778 0.006691385
4 2.302776878 0.000096900
5 2.302775653 0.000001225
Por lo tanto la raz se aproxima al valor: 2.302775653, pues su error se aproxima a CERO
a) El mtodo de la Secante.
b) El mtodo de la Secante Modificado donde 0 = 3 y = 0.01 (Tres iteraciones)
a)
PRIMERA ITERACION:
1 = 3 (1 ) = (3) = 3.2
70
0 = 4 (0 ) = (4) = 6.60
(0 )(0 1 )
1 = 0
(0 ) (1 )
(6.60)(4 3)
1 = 4 = 3.326530612
(1.60 [3.2])
SEGUNDA ITERACION:
0 = 4 (0 ) = (4) = 6.60
1 = 3.326530612 (1 ) = 1.96885315
(1 )(1 0 )
2 = 1
(1 ) (0 )
2 = 3.481272709
-1 3
0 4
1 3.32653012
2 3.481272709
3 3.586275385
4 3.561340209
PRIMERA ITERACION:
0 = 3 (0 ) = (3) = 3.2
0 + 0 = 3.03 (0 + 0 ) = 3.149276
0 (0 )
1 = 0 = 1 = 4.892595221
(0 + 0 ) (0 )
71
0 3
1 4.892595221
2 4.142949415
3 3.742315954
4 3.591054741
E2) Estime la raz de () = , donde = 0.01 0 = 1.0 , aplicando el mtodo de la Secante modificado. La raz verdadera es
0.56714329.
PRIMERA ITERACION:
0 = 1 (0 ) = 0.6321205588
0 + 0 = 1.01 (0 + 0 ) = 0.6457810204
0 (0 )
1= 0
(0 + 0 ) (0 )
(0.01)(1)(0.6321205588)
1= 1 = 0.53726
(0.6457810204) (0.6321205588)
0.56714329 0.53726
% = 100% = 100% = 5.269089933%
0.56714329
SEGUNDA ITERACION:
1 = 0.53726 (1 ) = 0.04708717211
1 + 1 = 0.5426326 (1 + 1 ) = 0.0385181522695
1 (1 )
2= 1
(1 + 1 ) (1 )
(0.01)(0.53726 )(0.047087172)
2 = 0.53726 = 0.56700
( 0.038578151) (0.047087172)
0 1
1 0.53726 5.269089933
2 0.566700 0.02526522001
3 0.56690 2.365x10-5
4
PRIMERA ITERACION:
0 = 3 (0 ) = 1.197951521
0 + 0 = 3.06 (0 + 0 ) = 1.509236736
72
0 (0 )
1 = 0
(0 + 0 ) (0 )
1 = 3.539846898
0 3
1 3.539846898
2 3.431458996
3 3.352858147
4 2.522518844
METODOS CONVENCIONALES
LSDLFLDSKFLSS CERRADOS
Al describir los mtodos para localizar races es obvio que el primer paso sera investigar o
averiguar la posibilidad de usar los METODOS CERRADOS y/0 ABIERTOS como primer
paso.
73
La eficacia de aplicar estos mtodos para localizar races, depende que el problema a
resolver tenga races complejas.
(Pues, si tuviera races reales se aplicara cualquiera de los mtodos abiertos o cerrados).
Por tal razn se ha desarrollado METODOS ESPECIALES para encontrar races reales
y complejas de polinomios
METODO DE MLLER
GRAFICA
OBSERVACIONES:
Encontrar un valor inicial complica tanto los mtodos abiertos como cerrados.
Los mtodos abiertos pueden ser susceptibles a problemas de divergencia.
Cuando existe races complejas , los mtodo cerrados , no se pueden usar ; ya que el
criterio de definir el intervalo (que es el cambio del signo), no puede darse en los
complejos.
De los mtodos abiertos, el mtodo de Newton Raphson, ofrece una aproximacin viable
que puede ser real o compleja pero tendra problemas de convergencia.
Sea la parbola:
f(x) a x - x 2 bx x2 c (1)
2
74
f(x0 ) a x 0 - x 2 2 b x 0 x 2 c ( 2 )
f(x1 ) a x 0 - x 2 2 b x 0 x 2 c ( 3 )
f(x2 ) a x 0 - x 2 2 b x 0 x 2 c ( 4 )
De (4 )
f(x2 ) c ( 5 )
f(x0 ) ax 0 - x 2 2 b x 0 x 2 f(x2 )
f(x0 ) f(x2 ) ax 0 - x 2 2 b x 0 x 2 6
f(x1 ) ax 1 - x 2 2 b x1 x 2 f(x2 )
f(x1 ) f(x2 ) ax 1 - x 2 2 b x1 x 2 7
INTERPOLACIN NUMERICA
75
Tenemos que cada 10 aos se toma un Censo de la poblacin en un pas, dndoles los
resultados siguientes:
Nos preguntamos: Podemos usar estos datos para estimar una poblacin en el 2025 o
2030?, algunas predicciones de este tipo pueden obtenerse usando una funcin que
ajuste a los datos dados y esto es lo que llamaremos INTERPOLACION.
Sabemos que la derivada en el punto x0 de una funcin analtica f(x) se tiene por:
76
f(x) f(x0 )
f (x) = lim
xx0 x x0
PUNTOS 0 1 2 3 n
x x0 x1 x2 xn
f(x) f(x0 ) f(x1 ) f(x2 ) f(xn )
Si deseamos que la derivada en el punto donde x0 < x < x1 , podemos estimarlo como
sigue:
f x 1 f x 0
() = , x0 < x < x1
x1 x0
Lo denotamos:
f(x0 , x 1 ) f x 1 f x 0
x1 x0
ARGUMENTOS PRIMERA DIFERENCIA
x0 , x1 DIVIDA DE f( x )
PRIMERA DIFERENCIA DIVIDA DE f( x )
RESPECTO A LOS ARGUMETOS
x0 , x1
La relacin entre la primera diferencia dividida y la primera derivada queda establecida por
el Teorema del Valor Medio
f x 1 f x 0
() = , donde x0 , x1
x1 x0
Siempre que f(x) , cumpla con las condiciones del teorema.
Para obtener aproximadamente derivadas de mayor orden, se extiende el concepto de
Diferencias Divididas a rdenes ms altos o mayores.
f x 1 , x 2 x 3 x i f x 0 , x 1 , x 2 x 3 x i-1
f(x0 , x 1 , x 2 x 3 xi )
x i x0
OBSERVACION
77
2) El numerador es la resta de dos diferencias de orden i y i 1 y el denominador es la
resta de los argumentos no comunes.
NOTAS
1)
Si, f C a, b y f es derivable en a, b Existe un nmero c en a, b tal que:
f b f a
f ' (c) , donde c
ba
PENDIENTE
78
TABLA DE DIFERENCIAS DIVIDIDAS FINITAS
Los Mtodos de Diferencias Divididas, se usaran para generar sucesivamente los polinomios por s mismos.
0 f x 0 f x 1 f x 0
f x 0 , x 1
x0
f x 1 , x 2 f x 0 , x 1
x1 x0 f x 0 , x 1 , x 2
x2 x0 f x 1 , x 2 , x 3 f x 0 , x 1 , x 2
f x 1
f x 0 , x 1 , x 2 , x 3
1 x1
f x 2 f x 1
f x 1 , x 2 x3 x0
x2 x1 f x 2 , x 3 f x 1 , x 2
2 x2 f x 2 f x 1 , x 2 , x 3
f x 3 f x 2 x3 x1 f x 2 , x 3 , x 4 f x 1 , x 2 , x 3
f x 2 , x 3 f x 1 , x 2 , x 3 , x 4
x3 x2 x 4 x1
3 x3 f x 3
f x 3 , x 4 f x 2 , x 3
f x 4 f x 3 f x 2 , x 3 , x 4
f x 3 , x 4 x 4 x2
4 x4 f x 4 x 4 x3
79
E1) Sea = 3 4 6 3 + 7 2 2 2
Puntos 0 1 2 3 4 5 6
2 1 0 2 3 6 8
( ) 126 16 2 22 136 2830 9646
Elaborar una tabla de diferencias divididas
6 8 9646 3408
DIFERENCIAS
DIVIDIDAS DE ORDEN CERO
CONCLUSIONES
PRIMERAS DIFERENCIAS
f x ,x
0 1
f xx1 fxx0
16 126
1 2
f x ,x
0 1
110
1 0
f x ,x
1 2
f xx2 fxx1 2 16
0 1
f x ,x
1 2
18
2 1
f x ,x
2 3
f xx3 fxx2 22 2
2 0
f x ,x
2 3
12
3 2
SEGUNDAS DIFERENCIAS
f x ,x ,x
0 1 2
f x1 , xx2 fxx0 , x1 18 110
0 ( 2 )
f x , x , x 46
0 1 2
2 0
f x ,x ,x
1 2 3
f x2 , xx3 fxx1 , x2 122 ( 18
1
)
f x ,x ,x
1 2 3
10
3 1
TERCERAS DIFERENCIAS
f x ,x ,x ,x
0 1 2 3
f x1 , x 2 , xx3 fxx 0 , x1 , x 2 102 462 f x 0 , x1 , x 2 , x 3 1
3 0
f x ,x ,x ,x
1 2 3 4
f x 2 , x 3 , xx4 fxx1 , x 2 , x 3 343 101 f x1 , x 2 , x 3 , x 4 1
4 1
E1) Sea = 3 2 2 2
Puntos 0 1 2 3 4 5
2 1 0 2 3 6
( ) 18 5 2 2 7 142
4 3 7 45 9
5 6 142
DIFERENCIAS
DIVIDIDAS DE ORDEN CERO
CONCLUSIONES
3) Las diferencias de 3ER orden tiene el mismo valor, independientemente de los argumentos que utilice para su clculo.
4) Las diferencias divididas de 4to orden son todos ceros , concordando que la 3 era derivada es una constante y la 4ta derivada es CERO
PRIMERAS DIFERENCIAS
f x 0
, x1 f xx1 fxx 0
5 18
1 2
f x 0
, x1 13
1 0
f x 1
, x2 f xx2 fxx 1
2 5
0 1
f x 1
, x2 3
2 1
f x 2
, x3 f xx3 fxx 2 2 2
2 0
f x 2
, x3 0
3 2
f x 3
, x4 f xx4 fxx 3 7 3 22 f x 3 , x 4 9
4 3
f x4 , x
5
f xx5 fxx 4 142 7
6 3
f x4 , x 5
45
5 4
SEGUNDAS DIFERENCIAS
f x ,x ,x
f x ,x
1 2
f x ,x
0 1 3 13 f x , x , x 5
0 1 2 x x
2 0
0 2 0 1 2
f x ,x ,x
f x ,x
2 3
f x ,x
1 2
0 3
f x ,x ,x
1
1 2 3 x x
3 1
2 1 1 2 3
f x ,x ,x
f x ,x
3 4
f x ,x
2 3
9 0
f x ,x ,x 3
2 3 4 x x
4 2
3 0 2 3 4
f x ,x ,x
f x ,x
5 4
f x ,x
4 3
45 9
f x ,x ,x 9
3 4 5 x x
5 3
6 2 3 4 5
TERCERAS DIFERENCIAS
f x1 , x 2 , x 3 f x 0 , x1 , x 2 1 5
f x 0 , x1 , x 2 , x 3 f x 0 , x1 , x 2 , x 3 1
x3 x0 2 2
f x2 , x 3 , x 4 f x1 , x 2 , x 3 3 1
f x1 , x 2 , x 3 , x 4 f x1 , x 2 , x 3 , x 4 1
x 4 x1 3 1
f x 3 , x 4 , x5 f x 2 , x 3 , x 4 93
f x 2 , x 3 , x 4 , x5 f x 2 , x 3 , x 4 , x5 1
x5 x 2 60
INTERPOLACION
Hemos mencionado que la interpolacin es estimar valores intermedios entre datos definidos
por puntos y el mtodo ms usado es la INTERPOLACION POLINOMIAL.
Entonces para una lnea recta el polinomio de primer grado es el que representa mejor, porque
une dos puntos y una parbola que une un conjunto de tres puntos para un polinomio de
Segundo grado.
Puntos 0 1 2 3 n
0 1 2 3 -..
( ) (0 ) (1 ) (2 ) (3 ) ( )
INTERPOLACION LINEAL
Consiste en unir dos puntos en una lnea recta es decir; deseamos aproximarlo a un polinomio
de 1er grado
p1 x a0 a1 x x0
Donde x 0 0 p x a0 a1 x
Debo determinar:
a0 ?
Hacemos x x 0
p 1 x a0 a1 x 0 x 0
p 1 x a0
p1 x f x 0
a1 ?
Hacemos x x1
p x 1 a0 a1 x 1 x0
p x 1 a0
a1
x1 x0
f x 1 f x 0
a1
x1 x0
Entonces:
p x a0 a1 x x 0
p x a0 x x 0 a1
f x 1 f x 0
p x f x 0 x x 0
x1 x0
p x f x 0 x x 0 f x 1 , x 0
INTERPOLACION CUADRATICA
p2 x a0 a1 x x 0 a2 x x 0 x x 1
Donde x0 0 , x1 1
p 2 x a0 a1 x 0 a2 x 0 x 1
p 2 x a0 a1 x 0 a2 x x 1
p 2 x a0 a1 x a2 x 2 a2 x
p 2 x a2 x 2 a1 a2 x a0
Debo determinar:
a0 ?
Hacemos x x0
p
2 x 0 a0 a1 x 0 x 0 a 2 x 0 x 0 x 0 x1
p
2 x a0
p
2 x f x0
a1 ?
Hacemos x x1
p 2 x 1 a0 a1 x 1 x 0 a2 x 1 x 0 x 1 x 1
p 2 x 1 a0 a1 x 1 x 0
p 2 x 1 a0
a1
x1 x0
a2 ?
Hacemos x x2
p2 x 2 a0 a1 x 2 x 0 a 2 x 2 x 0 x 2 x1
p2 x 2 a0 a1 x 2 x 0
a2
x 2 x 0 x 2 x1
f x1 f x 0
f x 2 f x 0
x1 x 0
a2
x 2 x 0 x 2 x1
Simplificando :
f x 2 f x 0 f x 1 f x 0
x 2 x0 x1 x0
a2
x 2 x0
Entonces:
p2 x a0
a1 x x 0 a2 x x0 x x1
p2 x a0
x x 0 a1 x x 0 x x 1 a2
f x 2 f x0
f x1 f x0
p 2 x f x 0 x x 0
f x1 f x0 x x0 x x1 x 2 x1
x1 x0
x1 x0 x 2 x0
p2 x f x 0 x
x0 f x1 , x0 x x0 x
x1 f x , x , x
0 1 2
p n x a a x x
0 1 0
a x x
2 0
x x ...an x x
1 0 1
x x ....x x n
Que pasa por los puntos 0,1,2,3,......,n
a0 f x
0
a1 f x , x
0 1
a2 f x 0 , x1 , x 2
an f x 0 , x 1 , x 2 ,.....xn
As, tenemos que la aproximacin de Newton, podemos expresarlo de la siguiente manera:
pn x
n
a
k
k 1
x x
i
k 0 i 0
pn x f x 0
n
f x0 , x1 , x 2 ,.....x k x x
0 x x
1 ..... x x k -1
k 1
Entonces:
0 0
1 0 0
p n x f x f x , x x x f x , x , x
1 2 10
1
2 n
x x .... f x , x , x ,... x x x x x x x ..... x x
0 1 2
n-
1
POLINOMIO DE INTERPOLAC ION POR DIFERENCIA S DIVIDIDAS DE NEWTON
O
DIFERENCIA S DIVIDIDAS DE NEWTON
E1) Sea la tabla siguiente que presenta la temperatura de ebullicin de acetona en diferentes
presiones
Puntos 0 1 2 3
1 7 22 44
( ) 61.3 125 186 218.5
a)
1) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del
polinomio de Newton
PRIMERAS DIFERENCIAS
f x ,x
0 1
f xx1 fxx0
125 61. 3
7 1
f x , x 10. 616
0 1
1 0
f x ,x
1 2
f xx2 fxx1 18622 125
7
f x , x 4. 066
1 2
2 1
f x ,x
2 3
f xx3 fxx2 21844.522186 f x2 , x3 1.477
3 2
SEGUNDAS DIFERENCIAS
f x ,x ,x
0 1 2
f x1 , xx2 fxx0 , x1 4.0662210
1
.616
f x , x , x 0.31190
0 1 2
2 0
f x ,x ,x
1 2 3
f x2, xx3 fxx1 , x2 1.4774447.066 f x1 , x2, x3 0.06997
3 1
TERCERAS DIFERENCIAS
f x ,x ,x ,x
0 1 2 3
f x1 , x2, xx3 fxx0 , x1 , x2 0.0699744 1 0.31190 f x0 , x1 , x2, x3 0
3 0
2)
Para =
1 () = 0 + ( 0 )1
1 () = (0 ) + ( 0 )(0 , 1 )
1 () = 61.3 + ( 1)10.616
1 () = 50.684 + 0.616
Para =
2 () = 0 + ( 0 )1 + ( 0 )( 1 )2
2 () = (0 ) + ( 0 )(0 , 1 ) + ( 0 )( 1 )(0 , 1 , 2 )
Para =
3 () = 0 + ( 0 )1 + ( 0 )( 1 )2 + ( 0 )( 1 )( 2 )3
Como
1 () = 61.3 + ( 1)10.616
1 () = 103.764
Si, = 5 ,
2 () =
Si, = 5 ,
3 () =
E1) Sea la tabla siguiente que presenta la temperatura de ebullicin de acetona en diferentes presiones
Puntos
0 1 2 3
1 5 20 40
( ) 56.5 113 181 214.5
c) Elaborar una aproximacion polinomial de Newton para la informacin tabular dada.
d) Interpole la temperatura para una presin de 2 atm.
b)
2) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del polinomio de Newton
1 5 113 4.533
0.50484
0.08165
0.01085
1.675
2 20 181
3 40 214.5
PRIMERAS DIFERENCIAS
f x
0
, x1 f xx1 fxx 0
113 56. 5
5 1
f x 0
, x1 14.. 125
1 0
f x , x2 2 f x 1 181 113
f x
f x , x2 4.533
1 x x 20 5 1
2 1
f x , x3 3 f x 2
f x 214. 5 181
f x , x3 1.675
2 x x 40 20 2
3 2
SEGUNDAS DIFERENCIAS
f x ,x ,x
0 1 2
f x1 , xx2 fxx 0 , x1 4.5332014
1
. 125
f x ,x ,x
0 1 2
0. 50484
2 0
f x ,x ,x
1 2 3
f x 2 , xx3 fxx1 , x 2 1.6754045.532
f x ,x ,x
1 2 3
0. 08165
3 1
TERCERAS DIFERENCIAS
f x ,x ,x ,x
0 1 2 3
f x1 , x2 , xx3 fxx0 , x1 , x2 0.0816540 1 0.5084 f x0 , x1 , x2 , x3 0.01085
3 0
Para = 1
1 () = 0 + ( 0 )1
1 () = (0 ) + ( 0 )(0 , 1 )
1 () = 56.5 + ( 1)14.125
1 () = 56.5 + 14.125( 1)
Para = 2
2 () = 0 + ( 0 )1 + ( 0 )( 1 )2
2 () = (0 ) + ( 0 )(0 , 1 ) + ( 0 )( 1 )(0 , 1 , 2 )
Para = 3
3 () = 0 + ( 0 )1 + ( 0 )( 1 )2 + ( 0 )( 1 )( 2 )3
c) Como
1 () = 56.5 + 14.125( 1)
1 () = 70.62
Si, = 2 ,
(2) = 2 () = 56.5 + (2 1)14.125 + (2 1)(2 5)(0.50484)
2 () = 72.1
Si, = 2 ,
3 () = 72.72
FORMULA DE INTERPOLACION DE NEWTON HACIA ADELANTE
DIFERENCIA PROGRESIVA
() = (0 ) + (0 , 1 , . ) ( 0 )( 1 )( 2 ) ( 1 )
=1
Podemos simplificarlos ms, para esto introduciremos un nuevo parmetro "" definido
= 0 + .
Sea 0 1 0 = 1 = 0 +
2 0 = 2 2 = 0 + 2
3 0 = 3 3 = 0 + 3
..
0 = = 0 +
..
0 = = 0 +
Como
() = 0 + 1 ( 0 ) +
2 ( 0 )( 1 ) + + ( 0 )( 1 ) ( 1 )
2 ( 0 )( 1 )= (0 , 1 , 2 )2 ( 1)
Pero:
0 =
1 0 =
1 [0 ] =
1 = +
1 = ( 1)
( 0 )( 1 ) = ( )[( 1)] = 2 ( 1)
() = ( 1)( 2) ( + 1) (0 , 1 , . ) (1)
=0
En ():
() = (0 + ) = ( ) ! (0 , 1 , . )
=0
Sea
(1 ) (0 )
(0 , 1 ) =
1 0
1
(0 , 1 ) = (0 )
1
(0 , 1 , 2 ) = [ (1 ) (0 )]
2
1
(0 , 1 , 2 ) = 2 (0 )
22
1
En general:(0 , 1 , 2 , . ) = (0 )
!
( 1) 2 ( 1)( 2) ( ( 1))
() = (0 + ) = (0 ) + (0 ) + (0 )+. . + (0 )
2! !
NOTA:
1) ( ) = +1 ( ) ( ) , 0 ( ) = (+1 ) ( ) , 0
( ) = 1 ( ( )) , 2 ( ) = 1 ( ( )) , 2
3) ( ) = ( + ) ( )
2 ( 0 )( 1 )= (0 , 1 , 2 )2 ( 1)
4)
Pero:
0 =
1 0 =
1 [0 ] =
1 = +
1 = ( 1)
( 0 )( 1 ) = ( )[( 1)] = 2 ( 1)
0 , 1 )
5) (
(1 )(0 )
a) (0 , 1 ) = , = DIFERENCIA PROGRESIVA
1 0
(0 )
(0 , 1 ) =
(0 , 1 ) = (0 )
b)
(1 , 2 ) (0 , 1 )
(0 , 1, , 2 ) =
2 0
(2 ) (1 ) (1 ) (0 )
2 0 1 0
(0 , 1, , 2 ) =
2 0
(2 ) (1 ) (1 ) (0 )
(0 , 1, , 2 ) =
2
(2 ) 2(1 ) + (0 )
(0 , 1, , 2 ) =
22
E1) Se sabe que la resistencia a la tensin de un plstico aumenta como una funcin del
tiempo cuando se calienta. Se dispone de los siguientes datos:
Puntos 0 1 2 3 4
Tiempo 10 15 20 25 40
Resistencia a
4 20 18 50 33
la tensin
Puntos () () 2 () 3 () 4 ()
0 10 4
16
1 15 20 18
2
52
2 20 18 34 -135
32 -83
3 25 50 49
-17
4 40 33
Solucin:
(0 ) = (1 ) (0 ) = 20 4 = 16
(1 ) = 18 20 = 2
(2 ) = 50 18 = 32
(3 ) = 33 50 = 17
2 (0 ) = (1 ) (0 ) = 2 (16) = 18
2 (1 ) = (2 ) (1 ) = 32 (2) = 34
2 (2 ) = (3 ) (2 ) = 17 (32) = 49
3 (0 ) = 2 (1 ) 2 (0 ) = 34 (18) = 52
3 (1 ) = 2 (2 ) 2 (1 ) = 49 (34) = 83
4 (0 ) = 3 (1 ) 3 (0 ) = 83 (52) = 135
b) Veremos
1 0 = = 15 10 = 5
Y el valor que tenemos que interpolar es: 20, entonces se obtiene el valor de
Es decir; = 0 + esto es:
=
2010
= 5
=2
Aproximaremos a un polinomio de 1er grado , entonces se toma los dos primeros trminos , es
decir 0 y 1
() = (0 ) + (0 )
(20) = 4 + 16(2)
(20) = 36
Vemos que estamos extrapolando, porque el valor de "" queda fuera del intervalo de los
puntos que se usaron para formar el polinomio de aproximacin
Que sucede si realizamos una aproximacin mejor con los puntos 1 y 2, para esto vamos a
modificar:
() = ( ) (0 )
=0
a
() = ( ) (1 )
=0
( 1) 2 ( 1)( 2) ( ( 1))
() = (1 ) + (1 ) + (1 )+. . + (1 )
2! !
1
() = (1 ) + (1 ) , =
20 15
() = 20 + (2)(2) , = =1
5
(20) = (20) = 16
Ahora se desea aproximar con un polinomio de 2do grado, se requiere 3 puntos, se aconseja
tomar los puntos 1,2 y 3 en lugar de 0,1 y 2, ya que el argumento por interpolar est ms al
centro de los primeros.
Entonces:
( 1)
2 () = (1 ) + (1 ) + 2 (1 )
2!
Donde:
1
=
20 15
= =1
5
34(1)(1 1)
2 () = 20 + (2)(1) +
2!
2 () = 18
E1) La siguiente tabla se proporciona las presiones de vapor en lb/pulg2 a diferentes temperaturas para el 1-3 butadieno.
Puntos 0 1 2 3 4 5
Temperatura ( o F) 50 60 70 80 90 100
Presin (lb/pulg2 ) 24.94 30.11 36.05 42.84 50.57 59.30
Aproxime la funcin tabulada por el polinomio de Newton en diferencias divididas hacia adelante e interpole la presin a la temperatura de 64F
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 50 24.94
5.17
0.77
1 60 30.11 5.94
0.08
0.85 0.01
6.79 0.09
2 70 36.05 0.94
-0.03
7.73 0.06
1.00
3 80 42.34 8.73
4 90 50.57
5 100 59.30
( )
(0 ) = (1 ) (0 ) = 30.11 24.94
(1 ) = (2 ) (1 ) = 36.05 30.11
(2 ) = (3 ) (2 ) = 42.84 36.05
(3 ) = (4 ) (3 ) = 50.57 42.84
(4 ) = (5 ) (4 ) = 59.30 50.57
2 ( )
3 ( )
Veremos que :
1 0 = 60 50 = 10 = 10
Y el valor que vamos a interpolar es : 64 y se obtiene del valor , es decir; = 0 + , esto es:
0
=
6450
= 10
= 1.4
Aproximaremos a un polinomio de 1er grado , entonces se toma los dos primeros trminos , es decir 0 y 1
() = (0 ) + (0 )
() = 24.94 + 5.17(1.4)
() = 32.178
Vemos que estamos extrapolando, porque el valor de "" queda fuera del intervalo de los puntos que se usaron para formar el polinomio de aproximacin
Que sucede si realizamos una aproximacin mejor con los puntos 1 y 2, para esto vamos a modificar:
() = ( ) (0 )
=0
() = ( ) (1 )
=0
( 1) 2 ( 1)( 2) ( ( 1))
() = (1 ) + (1 ) + (1 )+. . + (1 )
2! !
Los dos primeros trminos dan la aproximacin polinomial de 1er grado
1
() = (1 ) + (1 ) , =
64 60
() = 30.11 + 5.94(0.4) , = = 0.4
10
Ahora se desea aproximar con un polinomio de 2do grado, se requiere 3 puntos, se aconseja tomar los puntos 0,1 y 2 en lugar de 1,2 y 3 , ya que el argumento por interpolar est ms al
centro de los primeros.
Entonces:
( 1)
2 () = (0 ) + (0 ) + 2 (0 )
2!
Donde:
0
=
64 50
= = 1.4
10
0.77(1.4)(0.4)
2 () = 24.94 + 5.17(1.4) +
2!
2 () = 32.393
x= 0.05
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 0.0 1.00000
0.22140
1 0.2 1.22140 0.04902
0.01086
0.27042
2 0.4 1.49482 0.05988 0.00238
0.01324
0.3303
3 0.6 1.82212 0.07312
0.40342
4 0.8 2.2554
( )
(0 ) = (1 ) (0 ) = 1.22140 1 = 0.2214
(2 ) = (3 ) (2 ) = 1.82212 1.49182
(3 ) = (4 ) (3 ) = 2.22554 1.82212
2 ( )
4 ( )
Veremos :
= 0 +
0
=
0.05 0
= = 0.25
0.2
() = (0 ) + (0 )
() = 1 + 60.22140(0.25)
() = 1.05535
Entonces:
() = (1 ) + (1 )
() = 1.22140 + 0.27042(0.75) ,
() = 1.018555
Nota:
= 1 +
1
=
0.05 0.2
= = 0.75
0.2
Sabemos:
0 =
1 0 = 1 = 0 +
2 0 = 2 2 = 0 + 2
3 0 = 3 3 = 0 + 3
0 = = 0 +
Luego:
2 1 = (2 ) = (0 + 2)
2 0 = 2 (1 ) = (0 + )
Sabemos que:
(0 + 2) 2(0 + ) + (0 )
(0 , 1, , 2 ) =
22
[(0 + 2) (0 + )] [(0 + ) (0 )]
(0 , 1, , 2 ) =
22
[ (0 + + ) (0 + )] [(0 + ) (0 )]
(0 , 1, , 2 ) =
22
(0 + ) (0 )
(0 , 1, , 2 ) =
22
[(0 + ) (0 )]
(0 , 1, , 2 ) =
22
[(0 )]
(0 , 1, , 2 ) =
22
2 (0 )
(0 , 1, , 2 ) =
22
Sabemos:
1) ( ) = (+1 ) ( )
2) ( ) = ( + ) ()
(1 ,2 ,3 )(0 ,1, 2 )
c) (0 , 1, , 2 , 3 ) =
3 0
(1 , 2 , 3 ) (0 , 1, 2 )
(0 , 1, , 2 , 3 ) =
3
(2 , 3 ) (1 , 2 ) (1 , 2 ) (0, 1 )
3 1 2 0
(0 , 1, , 2 , 3 ) =
3 3
(2 , 3 ) (1 , 2 ) (1 , 2 ) (0, 1 )
(0 , 1, , 2 , 3 ) =
(3 1 )3 (2 0 )3
(2 , 3 ) (1 , 2 ) (1 , 2 ) (0, 1 )
(0 , 1, , 2 , 3 ) =
(2)3 (2)3
(2 , 3 ) 2 ( 1 , 2 ) + (0, 1 )
(0 , 1, , 2 , 3 ) =
(2)3
(3 ) (2 ) 2 [( 2 ) (1 )] + (1 ) (0 )
(0 , 1, , 2 , 3 ) =
(2)3
(3 ) (2 ) 2 ( 2 ) + 2( 1 ) + (1 ) (0 )
(0 , 1, , 2 , 3 ) =
(2)3
(3 ) 3(2 ) + 3 ( 1 ) (0 )
(0 , 1, , 2 , 3 ) =
(2)3
FRMULA DE INTERPOLACIN DE NEWTON HACIA ATRS
DIFERENCIA REGRESIVA
() = ( ) + ( , 1 )( ) + ( , 1 , 2 )( )( 1 )+. . +( , 1 , 2 , . 0 )( ) ( 1 )( 2 ) ( 1 )
() = ( + )
La cual nos servir para derivar la frmula de Diferencia Regresiva de Newton Polinomio de
Newton en Diferencias Finitas hacia atrs.
1
( , 1 ) = ( )
1
( , 1 , 2 ) = 2 ( )
2 ! 2
1
( , 1 , +1 , ) = ( )
!
Por lo tanto
( + 1) 2 ( + 1)( + 2) ( + 1)
() = ( ) + ( ) + ( )+. . + ( ) (2)
2! !
( 1)( 2)( 3) ( + 1)
( )=
!
En (2)
() = ( ) + (1)1 ( ) ( ) + (1)2 ( ) 2 ( )+. . +(1) ( ) ( )
1 2
Por lo tanto de (2)
() = (1) ( ) ( )
=0
NOTA:
1) ( ) = +1 ( ) ( ) , 1 ( ) = ( ) (1 ) , 1
( ) = 1 ( ( )) , 2 ( ) = 1 ( ( )) , 2
E1) Interpole el valor de la presin a una temperatura de 95 F, empleando la tabla
anterior y el polinomio de Newton en Diferencias Divididas hacia atrs
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 50 24.94
5.17
1 60 30.11 0.77
5.94
0.08
2 70 36.05 0.85 0.01
6.79 0.09
3 80 42.34 0.94
-0.03
7.73 0.00
4 90 50.57 1.00
8.73
5 100
59.30
1 (95) = (5 ) + (5 )
Donde
5 95 100
= = = = 0.5
10
Entonces:
1 (98) = 54.9350
Usando un polinomio de 2do grado, se emplea los tres primeros trminos de abajo hacia arriba
( + 1) 2
2 (95) = (5 ) + (5 ) + (5 )
2!
(0.5)(0.5 + 1)
2 (95) = 59.30 + 8.73(0.5) + (1)
2!
2 (95) =54.81000
Conforme pasa el tiempo de lixiviacin de un mineral, la concentracin de la parte valiosa de
ste aumenta. Con el ajuste correcto del mtodo de diferencial para determinar el tiempo, se
obtuvieron los datos experimentales de t(min) [Cu] en g/L
puntos 0 1 2 3 4
T(min) 10 20 30 40 50
[Cu] g/L 0.756827 0.993118 1.164202 1.308180 1.422306
Resolucin:
Puntos () () 2 () 3 () 4 ()
0 10 0.756827
0.236291
1 20 0.993118 -0.065207
0.171084 0.033101
2 30 1.164202 -0.032106 -0.020847
0.138978 0.012254
3 40 1.308180 -0.019852
0.119126
4 50 1.422306
Solucin:
= 0 + . , = 1 0 = 20 10 = 10 = 10
60 20
= = =4
10
4. (4 1). 0.032106 4. (4 1)(4 2). 0.012254
(60) = 0.993118 + 4(0.171084) + +
2! 3!
(60) = 1.601474
|1.577679 1.601474|
% = 100
1.601474
% = 1.486665
E2) Interpole el valor de la presin a una temperatura de 98 F, empleando la tabla anterior y el polinomio de Newton en Diferencias Divididas hacia atrs
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 50 24.94
5.17
0.77
1 60 30.11 5.94
0.08
0.85 0.01
6.79 0.09
2 70 36.05 0.94
-0.03
7.73 0.00
1.00
3 80 42.34 8.73
4 90 50.57
5 100
59.30
1 (98) = (5 ) + (5 )
Donde
5 98 100
= = = = 0.2
10
Entonces:
1 (98) = 57.554
Usando un polinomio de 2do grado, se emplea los tres primeros trminos de abajo hacia arriba
( + 1) 2
2 (98) = (5 ) + (5 ) + (5 )
2!
(0.2)(0.2 + 1)
2 (98) = 59.30 + 8.73(0.2) + (1)
2!
2 (98) =57.474
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES
POLINOMIO DE LAGRANGE
X Y
0 0
1 = 0 + 0 1 1 0 = 0
2 = 1 + 1 2 2 1 = 1
= 1 + 1 1 = 1
No necesariamente se cumple:
0 = 1 = . . = 1
Entonces
() = 0 ( 1 ) + 1 ( 0 ) (1)
0 =?
(0 ) = 0 (0 1 ) + 1 (0 0 )
(0 )
= 0
(0 1 )
(0 )
0 =
(0 1 )
(0 )
0 =
(0 1 )
1 =?
(1 ) = 0 (1 1 ) + 1 (1 0 )
(1 )
= 1
(1 0 )
(1 )
1 =
(1 0 )
(1 )
1 =
(1 0 )
Reemplazando en (1):
() = 0 ( 1 ) + 1 ( 0 )
(0 ) (1 )
() = ( 1 ) + ( 0 )
0 1 1 0
() = 0 ()(0 ) + 1 ()(1 )
donde
1 0
0 () = , 1 () =
0 1 1 0
2 () = 0 ( 1 )( 2 ) + 1 ( 0 )( 2 ) + 2 ( 0 )( 1 ) (2)
0 =?
2 (0 ) = 0 (0 1 )(0 2 ) + 1 (0 0 )(0 2 ) + 2 (0 0 )( 1 )
2 (0 )
= 0
(0 1 )(0 2 )
(0 )
0 =
(0 1 )(0 2 )
1 =?
2 (1 ) = 1 (1 0 )(1 2 )
2 (1 )
= 1
(1 0 )(1 2 )
2 (1 )
1 =
(1 0 )(1 2 )
(1 )
1 =
(1 0 )(1 2 )
2 =?
2 (2 ) = 2 (2 0 )(2 1 )
donde
( 1 )( 2 ) ( 0 )( 2 )
0 () = , 1 () =
(0 1 )(0 2 ) (1 0 )(1 2 )
( 0 )( 1 )
2 () =
(2 0 )(2 1 )
(0 , (0 )) , (1 , (1 ) ), (2 , (2 ) ) . . . ( , ( ) )
( 1 )( 2 ) ( )
0 () =
(0 1 )(0 2 ). . (0 )
( 0 )( 2 )( 3 ). . ( )
1 () =
(1 0 )(1 2 )(1 3 ). . (1 )
( 0 )( 1 ) . . ( 1 )
() =
( 0 )( 1 ) ( 1 )
() = () ( )
=0
donde
() =
=0
E1) Para los datos a continuacin
0 1 2 3
0 1 3 6
( ) -3 0 5 7
a) Observamos que hay 4 puntos en la tabla, por lo que el polinomio ser de tercer grado.
3
=3 () = () ( )
=0
3
() =
=0
( 1 )( 2 )( 3 ) ( 0 )( 2 )( 3 )
3 () = (0 ) + (1 )
(0 1 )(0 2 )(0 3 ) (1 0 )(1 2 )(1 3 )
( 0 )( 1 )( 3 ) ( 0 )( 1 )( 2 )
+ (2 ) + (3 )
(2 0 )(2 1 )(2 3 ) (3 0 )(3 1 )(3 2 )
1 15 5 5 7
3 () = ( 3 10 2 + 27 18) ( ) ( ) + ( 3 7 2 + 6) ( ) ( ) + ( 3 4 2 + 3) ( )
6 15 18 5 90
3 3 3 2 276
3 () = + 3
90 90 90
1 3 1 2 92
3 () = + 3
30 30 30
3 3 276
3 (1.8) = (1.8) = (1.8)3 (1.8)2 + (1.8) 3
90 90 90
Entonces:
(1.8) = 2.2176
INTERPOLACION INVERSA
Hemos observado que los valores () y en la mayora de los contextos de interpolacin son
las variables dependientes e independientes, en forma respectiva.
1
E1) Sea la tabla de valores para () =
1 2 3 4 5 6 7
( ) 1 0.5 0.3 0.25 0.2 0.1667 0.1429
Supongamos que dado el valor de () , deseamos encontrar el valor de
1
() =
1
0.33 =
= 3. 03
INTRODUCCION
Gracias a los computadores hoy en da podemos resolver sistemas casi de cualquier nmero
de ecuaciones, lo cual proporciona un atractivo especial a las tcnicas de solucin Directas e
Interactivas.
MATRICES
11 1
[ ]
1
Los elementos son nmeros reales, complejos o funciones de una o varias variables.
11 1 + 12 2 + 1 = 1
21 1 + 22 2 + 2 = 2
31 1 + 32 2 + 3 = 3
1 1 + 2 2 + =
{
11 12 1 1 1
21 22 2 2 2
=
1
( 2 ) (
) (
)
Donde:
Un sistema es consistente, si tiene solucin, esta solucin es nica puede tener un nmero
infinito de soluciones.
41 92 + 23 = 5
{21 42 + 63 = 3
1 2 + 33 = 4
a) La matriz aumentada
4 9 2 5
2 4 6| 3
1 1 3 4
b) Triangulizacin
4 9 2 5
0 1/2 5 | 1/2
0 0 10 3/2
2
b1) Para esto multiplicar la 1era fila por ( ) y sumarle a la 2da fila.
4
1
b2) La 1era fila multiplicar por ( ) y sumarle a la 3era fila.
4
Obtendremos la siguiente matriz
4 9 2 5
0 1/2 5 | 1/5
0 5/4 10/4 11/4
5
B3) La 2da fila multiplicar por ( ) y sumarle a la 3era fila.
2
Obtendremos la siguiente matriz
4 9 2 5
0 1/2 5 | 1/2
0 0 10 3/2
Quedando en trminos de sistema de ecuaciones como:
41 92 + 23 = 5
1 1
2 + 53 =
2 2
3
{ 103 =
2
En proceso regresivo nos produce el siguiente resultado:
3 3 1
103 = 3 = ( )
2 2 10
3
3 =
20
3 = 0.15
41 = 5 + 92 23
25 3
41 = 5 + 9 ( ) 2 ( )
10 20
139
1 =
20
1 = 6.95
OBSERVACION
1
|| = (4) ( ) (10) = 20
2
1 1 2 1 8
0 0 1 1
( |4)
0 2 1 1 6
0 0 2 4 12
1 1 2 1 8
0 2 1 1
( |6)
0 0 1 1 4
0 0 2 4 12
FACTORIZACION DE MATRICES
Teorema
()
= 1,2, . ,
= {0 = + 1, + 2, . ,
()
Donde = Es el elemento , de la matriz final obtenida por el mtodo de
ELIMINACION GUASSIANA
0 = 1,2, 3, , . , 1
= { 1 =
= + 1, + 2, ,
Donde es el multiplicador
41 92 + 23 = 5
{21 42 + 63 = 3
1 2 + 33 = 4
La triangulacin de la matriz es :
4 9 2
1
= (0 5 )
2
0 0 10
1 0 0
1
1 0
= 2
1 5
1
(4 4 )
Tal que, se cumple:
1 0 0
1 4 9 2
4 9 2 1
1 0
(2 4 6) = 2 (0 5 )
1 1 3 1 5 2
1 0 0 10
(4 4 )
TENEMOS:
1 0 0 4 9 2
1
(21 1 0) (0 2
5 )
31 32 1 0 0 10
4 21 = 2 21 = 1/2
431 = 11 31 = 1/4
1
931 + 32 = 1 32 = 5/2
2
11 12 13 11 12 13 11 12 13
(21 22 23 ) (21 22 23 ) = (21 22 23 )
v
33 31 32 33 31 32 33
31 32
Anlisis:
a) Primera fila por las tres columnas de
11 11 = 11
11 12 = 12
11 13 = 13
21 11 = 21
21 12 + 22 22 = 22
21 13 + 22 23 = 23
31 12 + 32 22 = 32
31 13 + 32 23 + 33 33 = 33
Se llega a un sistema de ecuaciones con 12 incgnitas para lo cual, ser necesaria establecer
tres condiciones para resolver dicho sistema.
Asi, tenemos:
METODO DE DOOLITLE
Si se considera 11 = 22 = 33 = 1
METODO DE CROUT
Si considera 11 = 22 = 33 = 1
OBSERVACION
METODO DE DOOLITLE
41 92 + 23 = 5
{21 42 + 63 = 3
1 2 + 33 = 4
4 9 2 11 0 0 11 12 13
(2 4
6) = ( 21 22 0) ( 0 22 23 )
1 1 3 31 32 33 0 0 33
a) Sea
11 = 1
22 = 1
33 = 1
11 11 = 4 11 = 4 = 11
11 12 = 9 13 = 4 = 12
11 13 = 2 13 = 2 = 13
21 =?
2 1
21 11 = 2 21 = 21 =
4 2
31 =?
1
31 11 = 1 31 =
4
1 1
21 12 + 22 22 = 4 (9) + (1)22 = 4 22 =
2 2
1
21 13 + 22 23 = 6 (2) + (1)23 = 6 23 = 5
2
1 1 5
31 12 + 32 22 = 1 (9) + 32 ( ) = 1 32 =
4 2 2
1 5
31 13 + 32 23 + 33 33 = 3 (2) + (5) + (1) 33 = 3 33 = 10
4 2
1 0 0 4 9 2
1
= (2 1 0) = (0
1
5 )
1 5 2
1 0 0 10
4 4
Donde =
1 0 0
1 1 5
1 0
2 (2 ) = (3)
1 5 3 4
1
(4 4 )
Entonces:
1 = 5
1 1 1
+ 2 = 3 ( ) 5 + 2 = 3 2 = = 2 = 0.5
2 1 2 2
1 5 1 5 1 6
+ + 3 = 4 ( ) 5 + ( ) ( ) + 3 = 4 3 = = 2 = 1.5
4 1 2 2 4 2 2 4
Entonces:
1 = 5
1
2 =
2
6
3 =
4
4 9 21 5
1
(0
5 ) ( 2 ) = (1/2)
2 3 6/4
0 0 10
Entonces:
6 3
103 = 3 = 3 = 0.15
4 20
1 1 1 3 1 5
+ 53 = 3 = 2 + 5 ( ) = 2 = 2 = 2.5
2 2 2 2 20 2 2
5 3 139
4 1 92 + 23 = 5 4 1 9 ( ) + 2 ( ) = 5 1 = 1 = 6.95
2 20 20
Por lo tanto :
1 3 =/20
2 = 5/2
3 = 139/20
3) METODO DE CHOLESKY
OBSERVACIONES
1) TEOREMA.-
Sea una matriz de orden n es positive definida entonces, tiene una
factorizacin de la forma = , donde es una matriz triangular inferior.
11 12 1
11 12 21 22 2
|11 | > 0 , |
21 22 | > 0 | | > 0
1 2
4 1 2 1 1
(1 2 0) (2 ) = (2)
2 0 5 3 4
11 0 0 11 12 13 4 1 2
( 21 22 0) (0 22 23 ) = (1 2 0)
31 32 33 0 0 33 2 0 5
2
11 = 4 = 11 11 = 2 11 = 2
1
11 21 = 1 = 12 2 21 = 1 21 =
2
11 31 = 2 = 13 2 31 = 2 31 = 1
2 2 1 22 7
21 + 22 = 2 = 22 ( ) + 22 = 2 22 = = 1.22875656
2 2
1 7 1
21 31 + 2 2 32 = 0 = 23 ( ) 1 + = 0 32 = = 0.377964473
2 2 32 7
31 11 = 2
31 21 + 32 22 = 0
2
2 2 2
1 27
31 + 32 + 33 = 5 = 33 (1)2 + ( 2
) + 33 = 5 33 = = 1.963961012
7 7
3) Al resolver el sistema =
2 0 0
1 7 1 1
0
2 2 (2 ) = (2)
1 27 3 4
1
7 7
( )
1
21 = 1 1 =
2
1 7 1 1 7 7
+ = ( )( )+ = 2 2 = = 1.322875656
2 1 2 2 2 2 2 2 27
1 27 1 1 7 27 47
1 2 + = 4 ( )( ) + 3 = 4 3 = = 2.06700309
7 7 3 2 7 27 7 27
Resolviendo
1
2 1 1
2
7 1
1 2
7
0 (2 ) =
2 7 27
27
3 47
0 0 (27)
( 7 )
Tenemos:
1 1
21 + 2 + 3 =
2 2
7 1 7
2 3 =
2 7 27
27 7
3 = 4
7 27
Entonces:
7 7 28
3 = 4 3 =
= 1. 037
27 27 27
7 1 28
2 = + ( )
27 7 27
245
2 =
= 1. 296
189
1 245 28 1
1 = ( )
2 378 27 2
448
1 =
= 0. 592
756
1 = 448/756
2 = 245/189
3 = 28/27
METODO ITERATIVOS
1) METODO DE JACOBI
41 2 =5
1 + 42 3 =1
{
2 + 4 3 4 =1
3 + 4 4 =1
2 de la segunda ecuacin
3 de la tercera ecuacin
2 1
1 = +
4 4
1 3 1
2 = +
() 4 4 4
2 4 1
3 = +
4 4 4
3 1
{ 4 = 4
+
4
2) Vector inicial : como primera aproximacin al vector solucin
(0) = [0, 0, 0, 0]
(+1) = () + , = 0,1,2, .
Donde
() () ()
() = [1 , 2 , 3 . ]
(1) 0 1 1
(1)
1 = + 1 =
4 4 4
(1) 0 0 1 (1) 1
2 = + 2 =
4 4 4 4
(1) 0 0 1 (1) 1
3 = + 3 =
4 4 4 4
(1) 0 1 (1) 1
4 = + 4 =
4 4 4
Entonces:
1 1 1 1
(1) = [ , , , ]
4 4 4 4
(1)
(2) 1 1 (2) 1 1 (2) 5
1 = + 1 = + 1 = = 0.3125
4 4 16 4 16
(2) 1 1 1 (2) 6
2 = + 2 = = 0.3750
16 16 4 16
(2) 1 1 1 (2) 6
3 = + 3 = = 0.3750
16 16 4 16
(2) 1 1 (2) 5
4 = + 4 = = 0.3125
16 4 16
Entonces:
5 6 6 5
(2) = [ , , , ]
16 16 16 16
(2)
(3) 2 1 (3) 1 1 1 (3) 22
1 = + 1 = + 1 = = 0.34375
4 4 16 4 4 64
(3) 5 1 6 1 1 (3) 27
2 = + 2 = = 0.421875
16 4 16 4 4 64
(3) 6 1 5 1 1 (3) 27
3 = + 3 = = 0.421875
16 4 16 4 4 64
(2) 6 1 1 (3) 22
4 = + 4 = = 0.34375
16 4 4 64
Entonces:
22 27 27 22
(3) = [ , , , ]
64 64 64 64
(3)
(4) 2 1 (4) 27 1 1 (4) 91
1 = + 1 = + 1 = = 0.355468
4 4 64 4 4 256
(4) 27 1 1 (4) 91
4 = + 4 = = 0.355468
256 4 4 256
Entonces:
91 113 113 91
(4) = [ , , , ]
256 256 256 256
(4) (4) (4) (4)
(4) = [1 , 2 , 3 4 . ]
(4)
(5) 2 1 (5) 113 1 1 (5) 369
1 = + 1 = + 1 = = 0.36035
4 4 256 4 4 1024
Entonces:
369 460 460 369
(5) = [ , , , ]
1024 1024 1024 1024
() () () ()
1 2 3 4
0 0 0 0 0
1 1 1 1 1
4 4 4 4
2 5 6 6 5
16 16 16 16
3 22 27 27 22
64 64 64 64
4 91 113 113 91
256 256 256 256
41 2 =1
1 + 42 3 =1
{
2 + 4 3 4 = 1
3 + 4 4 = 1
2 de la segunda ecuacin
3 de la tercera ecuacin
4 de la cuarta ecuacin
2 1
1 = +
4 4
1 3 1
2 = +
() 4 4 4
2 4 1
3 = + + +
4 4 4
3 1
{ 4 = 4
+
4
(0) = [0, 0, 0, 0]
(0) = [1 (0) (0), 2 (0) (0), 3 (0) (0), 4 (0) (0), ]
Luego para calcular (1) se obtiene reemplazando (0) en cada una de las ecuaciones
anteriores ()
(1) =?
(1) 0 1 1
(1)
1 = + 1 =
= 0.25
4 4 4
(1) 1 1 0 1 (1) 5
2 = + 2 = = 0.3125
4 4 4 4 16
(1) 5 1 0 1 (1) 21
3 = + 3 = = 0.323125
16 4 4 4 64
(1) 21 1 1 (1) 85
4 = + 4 = = 0.33203125
64 4 4 256
Entonces:
1 5 21 85
(1) = [ , , , ]
4 16 64 256
(1)
(2) 2 1 (2) 5 1 1 (2) 21
1 = + 1 = + 1 = = 0.328125
4 4 16 4 4 64
(3) =?
(2)
(3) 2 1 (3) 106 1 1 (3) 181
1 = + 1 = + 1 = = 0.353515
4 4 256 4 4 512
() () () ()
1 2 3 4
0 0 0 0 0
1 1 5 21 85
4 16 64 256
Ejercicios:
1) Obtenga las tres primeras iteraciones del mtodo de Jacobi , para los sgtes sistemas
lineales, use (0) = 0
a)
31 2 + 3 =1
3 1 + 62 + 2 3 =0
{
3 1 + 3 2 + 7 3 =4
b)
101 2 =9
1 + 102 2 3 =7
{
2 2 + 10 3 =6
2) Obtenga las tres primeras iteraciones del mtodo de Gauss Seidel , para los sgtes
sistemas lineales, use (0) = 0
a)
41 + 2 3 = 5
1 + 32 + 3 = 4
{
2 1 + 2 2 + 5 3 = 1
b)
3
21 + 2 + =4
2
3
1 22 = 4
2
2 + 2 3 = 0
{
La integracin Numrica son maneras o formas de obtener una estimacin ms exacta de una
integracin, empleando polinomios. As tenemos:
= () ()
Donde () =
0 + 1 1 + 2 2 + .
REGLA TRAPEZOIDAL
() + ()
= ( )
2
Geomtricamente la Regla Trapezoidal es equivalente al aproximar el area del trapezoide bajo
la lnea recta que une (), ()
Observacin
Al emplear la integral bajo un segmento de una lnea recta para aproximar la integral bajo la
curva, se puede incurrir en un error.
Una estimacin para el error de truncamiento local de una sola aplicacin de la regla
trapezoidal est dada por:
1
= ()( )3
12
OBSERVACION
ANALITICAMENTE
0.8
= 0 (0.2 + 25 200 2 + 675 3 900 4 + 400 5 ) ()
0.8
25 2 200 3 675 4 900 5 400 6
= 0.2 + + + ]
2 3 4 5 6 0
= 1.640533367
El cual, es el valor exacto o verdadero de la integral
(0) = 0.2
(0.8) = 0.232
() + ()
= ( )
2
0.2 + 0.232
= (0.8 0)
2
= 0.1728
= | |
= |1.640533367 0.1728|
= 1.467733367
El cual tiene un
% = | | 100%
1.4647733367
% = | | 100%
1.640533367
% = 89.4668401 89.50
El error tan grande se debe a que no se considera una gran parte de la regin por encima de la
recta.
Pero,
Puede suceder que podramos no conocer previamente el valor real por lo tanto se requiere
del error estimado.
Entonces para obtener dicha estimacin la segunda derivada de la funcin sobre el intervalo
podra calcularse al derivar dos veces ()
() = 60
Donde
1
= (60)(0.8 0)3
12
Donde las reas de cada segmento pueden sumarse para obtener la integral de todo el
intervalo.
Tenemos que :
1 2 4
= () + () + () + . ()
0 1 3 1
(0 ) (1 ) (1 ) (2 ) (1 ) ( )
= +
2 2 2
1
= [(0 ) + 2 ( ) + ( )]
2
=1
(0 ) + 2 1
=1 ( ) + ( )
( )
=
2
( )3
= ()
122
1
=1 ( )
Pues el Valor medio de 2da derivada= () =
E1) Utilizar dos segmentos de la regla trapezoidal para estimar la integral de:
(0) = 0.2 = (0 )
(0.4) = 2.456 = (1 )
(0.8) = 0.232 = (2 )
= 1.0688
1
=1 ( )
b) Como () =
() = 1
=1 ( )
Se reemplaza en :
( )3
= ()
123
( )3
= ()
122
= | |
= |1.640533367 1.0688|
= 0.57175336
El cual tiene un
% = | | 100%
0.57175336
% = | | 100%
1.640533367
% = 34.8516737
(0.80)3
= (60)
12(22 )
= 0.64
donde () = 2
OBSERVACION
%
2 0.4 1.0688 34.85167
3 0.2667 1.3695 16.5
4 0.2 1.4848 9.5
5 0.16 1.5399 6.1
REGLAS DE SIMPSON
Es otro mtodo para obtener una estimacin ms exacta de una integral, es con el uso de
polinomios de orden superior.
As, por ejemplo si hay un punto a la mitad del camino entre f(a) y f(b) los tres puntos pueden
sugerir una parbola (1)
Si hay dos puntos igualmente espaciados entre f(a) y f(b) los cuatro puntos pueden
considerarse como un polinomio de tercer grado (2).
La frmulas que resultan al tomar las integrales bajo esos polinomios son conocidos como las
LAS REGLAS DE SIMPSON
REGLA DE SIMPSON
La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de 2do orden es
sustituida en:
= () ()
= 0
= 2
(2 ) = 2
donde
( 1 )( 2 ) ( 0 )( 2 )
0 () = , 1 () =
(0 1 )(0 2 ) (1 0 )(1 2 )
( 0 )( 1 )
2 () =
(2 0 )(2 1 )
Entonces:
1
= [0 ()(0 ) + 1 ()(1 ) + 2 ()(2 )]
0
1 ( 1 )( 2 ) ( 0 )( 2 ) ( 0 )( 1 )
= [ (0 ) + (1 ) + (2 )]
0 (0 1 )(0 2 ) (1 0 )(1 2 ) (2 0 )(2 1 )
[(0 ) + 4(1 ) + (2 )] donde =
=
3 3
1
3
OBSERVACION
(0 ) + 4(1 ) + (2 )
( )
=
6
( )5 4
= ()
2880
0.8 0
= = 0.4 = 0.4
2
Luego:
(0) = 0.2 = (0 )
(0.4) = 2.456 = (1 )
(0.8) = 0.232 = (2 )
= 1.367466667
Entonces, el Error de Truncamiento estimado es :
(0.8)5
= (2400)
2880
= 0.273066667
= | |
= |1.6405333 1.367466667|
= 0.2730667
El cual tiene un
% = | | 100%
0.2730667
% = | | 100%
1.6405333
% = 16.6491519
() = 21600 + 48000
()
() =
21600 + 48000
() =
0.8 0
17280 + 15360
() =
0.8
() = 2400
Donde
() = ()