Metodos Numericosa4

METODOS
NUMERICOS
Texto guía de aprendizaje para los estudiantes de Ingeniería
Autor:
Washington Medina G *
2013
*Ingeniero Civil
*Master en Docencia Universitaria e investigación educativa
*Master en Tecnología de la Información y Multimedia Educativa
CAPITULO I. Teoría del error y sistemas de ecuaciones lineales
1. Errores por apreciación........................................................................ 2

2.Errores por obtención de resultados..................................................... 2
3. Solución de sistemas de ecuaciones lineales....................................... 3
4. Método de solución de Gauss............................................................. 5
CAPITULO II. Solución numérica de ecuaciones no lineales.
5. Ecuaciones polinómicas.........................................................................8
6. Métodos de solución de ecuaciones.................................................... 8
6.1. Método de investigación................................................................8
6.2. Método de interpolación...............................................................11
6.3. Método de Newton Raphson.......................................................15
6.4. Método de Birge Vieta.................................................................20
CAPITULO III. Aproximación Polinomial
7. Interpolación matemática.....................................................................23
7.1. Interpolación de Newton..............................................................23
7.2. Interpolación de Lagrange...........................................................26
7.4. Interpolación inversa....................................................................27
8. Integración Numérica...........................................................................28
9. Métodos cálculo de integración numérica............................................30
9.1. Fórmula del trapecio....................................................................32
9.2. Fórmula de Simpson del 1/3........................................................32
9.3. Fórmula de Simpson del 3/8........................................................32
CAPITULO IV. Aproximación funcional (ajuste de curvas).....................34
10. Sugerencia de creación del sistema.. ..........................................37
CAPITULO V. Ecuaciones Diferenciales Ordinarias................................39
11. Solución numérica de una E.D.O.................................................39
12. Métodos de solución de EDO con valores iniciales......................40
12.1. Solución por integración..................................................40
12.2. Solución por serie de Taylor............................................41
12.3. Solución por el método de Runge Kutta...........................42
CAPITULO VI. Ejercicios generales...........................................................45
CAPITULO VII. Diagramas de flujo............................................................49
BIBLIOGRAFÍA............................................................................................60
ANEXOS.......................................................................................................61
Métodos Numèricos 1 Ing. Washington Medina MSc
METODOS NUMERICOS
Introducción.
Las matemáticas, desde las grandes culturas creadoras de los grandes teoremas
aplicados en la actualidad, han estado por lo general sujetas a procesos recursivos con
la demora que su calculo implica y el riesgo de cometer errores en el proceso numérico.
Considerando que los métodos numéricos son técnicas mediante las cuales es posible
formular problemas de tal forma que puedan resolverse usando operaciones. Aunque
hay muchos tipos de métodos numéricos, todos comparten una característica común:
llevan a cabo un buen número de tediosos cálculos aritméticos. Es por ello que la
computación es una herramienta que nos facilita el uso y desarrollo de ellos.
Los métodos numéricos, al ser material de apoyo en las diferentes profesiones,

específicamente en las carreras técnicas, deben volverse en el estudiante y futuro
profesional una herramienta de uso diario en sus diferentes aplicaciones, y hoy con
mucho más razón, cuando las exigencias buscan soluciones inmediatas a los diversos
problemas.
Ya lo menciona Nakamura: “La importancia de los métodos numéricos ha aumentado de
forma drástica en la enseñanza de la ingeniería y la ciencia, lo cual refleja el uso actual y
sin precedentes de las computadoras. Al aprender los métodos numéricos, nos
volvemos aptos para:
1. Entender esquemas numéricos a fin de resolver problemas matemáticos, de
ingeniería y científicos en una computadora;
2. Deducir esquemas numéricos básicos;
3. Escribir programas y resolverlos en una computadora, y,
4. Usar correctamente el software existente para dichos métodos.
El aprendizaje de los métodos numéricos no solo aumenta nuestra habilidad para el uso
de las computadoras, también amplía la pericia matemática y la comprensión de los
principios científicos básicos.” (Nakamura, 1993)
CAPITULO I
Teoría del error y Sistemas de ecuaciones lineales
Siempre que se desea dar solución a un problema matemático, se utilizan ciertos métodos
o procedimientos que implican obtener datos en procesos iterativos, los mismos que
desde su origen acarrean un error, error que se lo puede clasificar así.
1. Errores por apreciación
2. Errores por obtención de resultados
1. Errores por apreciación
Estos se presentan en la toma de datos o en los cálculos, ya sea por defectos de máquina
o por apreciación de valores, siendo estos
Errores inherentes: Estos se deben a la lectura, mediciones, toma de cifras

significativas que no se las puede evitar, es decir errores de carácter humano o
defectos de equipo.
Errores por redondeo Obedecen a un criterio matemático en el uso de cifras

significativas.
Errores por truncamiento Se presentan especialmente en una serie infinita, la

cual es suspendida o truncada con fines de obtener el resultado, este
truncamiento provoca un error en el resultado final.
2. Errores por obtención de resultados
Se presentan cuando al obtener un resultado, este está muy aproximado a la solución

real, se clasifican en
Errores absolutos Es el valor resultante de restar el valor verdadero con el valor

aproximado.
Ea  x  x (2.1)
Error relativo Representa el tanto por uno y se lo obtiene dividiendo el error

absoluto para el valor real o aproximado
a a
r    (2.2)
x x
3. Solución de sistemas de ecuaciones lineales

La solución de sistemas de ecuaciones se facilita si a estos sistemas los expresamos en
forma matricial y los resolvemos sobre la base del cálculo de matrices equivalentes por
medio del uso de las reglas de transformaciones elementales de fila.
La expresión matricial del sistema es Ax = b
Donde
A es la matriz de coeficientes,
b es el vector de términos independientes, y,
x es el vector solución.
Método de sustitución regresiva

Los métodos directos para la resolución de ecuaciones se basan en la obtención de un
sistema triangular superior, cuya resolución es más sencilla. Decimos que una matriz es
triangular superior cuando aij = 0 siendo i > j.
(3.1)
De la última ecuación del sistema equivalente obtenido, podemos despejar xn siempre que
se cumpla que ann  0. Una vez obtenido xn, podemos sustituirlo en la ecuación
inmediatamente superior para obtener x(n-1) y así sucesivamente hasta resolver el sistema
completo.
Concluyendo, las fórmulas para la sustitución inversa ó sustitución regresiva son:

n
b
bk  a ki xi
xn  n xk  i  k 1
(3.3)
a nn a kk
para k = n - 1, n - 2,......... , 1
Podemos ver que los sistemas triangulares son fáciles de tratar, por lo que se recomienda
buscar métodos para reducir cualquier sistema a un sistema triangular (superior o
inferior).
Ejemplo 1 Resolver el siguiente sistema triangular superior:
Las matrices de coeficientes y de términos independientes son:
El primer paso es obtener el valor de X3 . Se obtiene directamente de la última fila de la

matriz:
A continuación, comienza el bucle desde la fila k = 2 hasta la fila k = 1 sustituyendo las
demás variables, de lo que se obtiene los resultados: x = 1, y = 1, z = 1.
4. Método de eliminación de Gauss
Se lo conoce también como método de eliminación gaussiana, y consiste en formar la

matriz ampliada con los coeficientes y los términos independientes, transformar luego a
matriz triangular superior de preferencia y por eliminación calculamos las incógnitas,
recomendando tomar en cuenta las siguientes observaciones:
1. El primer coeficiente a11 debe ser diferente de cero.
2. multiplicación de una ecuación por una constante  0.
3. suma de un múltiplo de una ecuación a otra ecuación.
4. intercambio de ecuaciones.
5. Se obtendrá una matriz triangular superior, cuyos elementos de la diagonal deben ser
de preferencia iguales a UNO (1).
La idea general como se explicó anteriormente es hacer cero todos los elementos que se
encuentren debajo de la diagonal principal.
El algoritmo va recorriendo cada una de las filas de la matriz de coeficientes. Para cada
fila k, modifica todas las filas que están por debajo de manera que se obtengan ceros en
la columna k. El resto de los elementos de la fila (del elemento k + 1 hasta el final) se
verán afectados en el proceso de aplicación del siguiente algoritmo:
1. se divide a todos los coeficientes de la primera fila para el coeficiente a 11.

2. Se definen como multiplicadores a cada uno de los elementos bajo la diagonal que
serán transformados a ceros utilizando la siguiente fórmula:
aij = aij - D*aij
actual = anterior - multiplicador*referencia

los términos indicados tienen el siguiente significado:
tomando como ejemplo que se va a modificar la segunda fila
actual: nuevos coeficientes de la segunda fila

anterior: coeficientes originales de la segunda fila
multiplicador: primer coeficiente de la segunda fila (en general son los coeficientes bajo
cada número de la diagonal)
referencia: coeficientes de la primera fila (en general, son los coeficientes de la fila
anterior a la que se está analizando).
ejemplo 2
Sea el sistema de ecuaciones indicado, transformarlo a un sistema triangular superior por
el método de eliminación de Gauss y resolver el sistema:
3x + y + 4z = 2
x + 2y + 3z = 6
2x + y + 5z = 4
1. expresamos el sistema en forma matricial
3 1 4 2
1 2 3 6
2 1 5 4
2. Realizamos las siguientes iteracciones

k i J
1 1 1 a11 a12 1 a13 4 a 2
a a11  a  1 a12  a  3 a13  a  3 a14  14 
a11 3
11 11 11
4
Multiplicador = a21 = 1
2 1 a 21  a 21  a 21 * a11  0 5
a 23  a 23  a 21 * a13 
5 3
a a 22  a 22  a 21 * a12  16
3 a 24  a 24  a 21 * a14 
3
4
Multiplicador = a31 = 2
3 1 a31  a31  a31 * a11  0 7
a33  a33  a31 * a13 
1 3
a a32  a32  a31 * a12  8
3 a34  a34  a31 * a14 
3
4
k i J
2 2 2 a22 a23 a24 16
a a22  a  1 a23  a  1 a24  
a22 3
22 22
4
Multiplicador = a32 = 1/3
3 2 a32  a32  a32 * a 22  0 8
a a  a  a *a  2 a34  a34  a32 * a24 
33 33 32 23
5
k i J
3 3 3 a33 a34 8
a a33  a  1 a34  
a33 10
33
4
Luego de este proceso, la matriz triangular superior será:
1 1/3 4/3 2/3

0 1 1 16/5
0 0 1 8/10
Una vez obtenida la matriz triangular superior, se realiza un proceso regresivo para
calcular las soluciones, aplicando las siguientes fórmulas tomando en cuenta que el k de
inicio es: k = n y que la variable b corresponde a los términos independientes:
b
bk  a ki xi
xn  n xk  i  k 1
a nn a kk
La solución es: x1 = 0.8

X2 = 2.4
X3 = -1.2
CAPITULO II
SOLUCIÓN NUMÉRICA DE ECUACIONES NO LINEALES:
Uno de los problemas más conocidos y más utilizados de las matemáticas es la

determinación de las raíces o soluciones de una ecuación no lineal (polinomio)
Su proceso manual es bastante extenso aunque no tan complicado, por lo que es
conveniente acudir al uso de procesos iterativos que permitan su solución, y, a la vez
utilizar las computadoras para facilitar su solución por medio de la automatización de
dichos procesos.
Para aplicar los procesos iterativos es conveniente conocer algunos de los métodos
numéricos conocidos como de iteración sucesiva los mismos que parten de una solución
aproximada.
5. Ecuaciones polinómicas. Una ecuación o función polinómica se la expresa en la

siguiente forma:
a1 x n  a 2 x n 1 a3 x n  2  a 4 x n 3  ........  a n  0
este polinomio puede tener raíces reales e imaginarias o complejas.

Newton dedujo una fórmula que permite encontrar un valor muy aproximado a la solución
de mayor valor que tenga la polinómica, esta fórmula es aplicable siempre y cuando el
polinomio tenga exclusivamente raíces reales.
2
 
r   a 2   2 a3 (5.1)
 
 a1  a1
max
Divergencia. En el análisis de los métodos nos encontraremos con este término, por lo
que es conveniente entender que la divergencia de un método es la imposibilidad de
encontrar la solución con la aplicación de dicho método.
6. Métodos de solución de ecuaciones no lineales
6.1. Método de investigación
Siendo el polinomio:
a1 x n  a 2 x n 1 a3 x n  2  a 4 x n 3  ........  a n  0 (6.1)
en el desarrollo matemático del análisis, para gráficamente identificar las soluciones de un

polinomio, el método identifica el intervalo donde está la solución, recordando que su
solución es el punto de cruce de la gráfica con el eje x.
x1 x2 x3 x4 x5 x6
FIG. 6.1.1
De lo indicado se anota que: en una tabla de valores X-Y para graficar una función, la
solución del polinomio se encuentra entre loas valores de x cuyos valores respectivos de y
cambien de signo, como lo muestra la siguiente tabla:
X Y
1 4
3 7
6 -5
Al producirse un cambio de signo entre y = 7 a y = -5, la solución estará en el siguiente
intervalo: 3  x  6.
Una forma fácil de iniciar la construcción de las tablas de valores es contar con un valor
tentativo de x, el cual se lo puede calcular aplicando la fórmula indicada a continuación
que representa el valor máximo al que pueden llegar las soluciones del polinomio,
fórmula que presenta coherencia en los resultados si las raíces del polinomio son
reales..
2
r
 a2   a3 
    2  (5.1
máx  
a1  a1  )
Para una mejor organización del método, se sugiere el uso de una tabla de datos donde:
K número de iteraciones
x1, x2 valores de la variable x que pertenecen al intervalo
fx1, fx2 valores de la función o polinomio al reemplazar el valor de x
En la tabla se aplica el siguiente criterio: Si la multiplicación de dos valores fx1, fx2 da
como resultado un valor negativo, en el intervalo de sus correspondientes valores
de x se encuentra la solución.
ejemplo 3:
k X1 X2 F(X1) F(X2) F(X1)*F(X2) = "-"

1 20 19 1 -306 Si hay solución ("-")
2 19 18 -306 -544 No hay solución ("+")
TABLA 6.1.1
Causas de divergencia en el método
1. Cuando el intervalo es muy grande o muy pequeño.
2. Cuando el gráfico no corta el eje “x” (raíces imaginarias).
ejemplo 4: Encontrar los intervalos de solución del polinomio:

2
x  4.25 x  4.75  0
1) Decidimos los valores de x con un intervalo de 0.5.
2) Calculamos rmáx para determinar el valor en el que se debe iniciar

2
 a 2   2 a3 
r max   a1   a1 
   
2
  4.25   2 4.75 
r   1   1 
máx    
r  2.93  3
máx
K x1 x2 f x1 fx2 fx1*fx2
1 3,00000 2,50000 1,00000 0,37500 +
2 2,50000 2,00000 0,37500 0,25000 +
3 2,00000 1,50000 0,25000 0,62500 +
4 1,50000 1,00000 0,62500 1,50000 +
5 1,00000 0,50000 1,50000 2,87500 +
6 0,50000 0,00000 2,87500 4,75000 +
7 0,00000 -0,50000 4,75000 7,12500 +
8 -0,50000 -1,00000 7,12500 10,00000 +
9 -1,00000 -1,50000 10,00000 13,37500 +
10 -1,50000 -2,00000 13,37500 17,25000 +
TABLA 6.1.2
En el ejemplo no existe solución alguna puesto que son raíces imaginarias y por ende el
método diverge.
rmáx no es aplicable porque funciona sólo para soluciones reales.

ejemplo 5: resolver
2
x  3.75 x  4.375  0 r max  4.78  5
k x1 x2 f x1 fx2 fx1*fx2
1 5,00000 4,50000 1,87500 -1,00000 -
2 4,50000 4,00000 -1,00000 -3,37500 +
3 4,00000 3,50000 -3,37500 -5,25000 +
4 3,50000 3,00000 -5,25000 -6,62500 +
5 3,00000 2,50000 -6,62500 -7,50000 +
6 2,50000 2,00000 -7,50000 -7,87500 +
7 2,00000 1,50000 -7,87500 -7,75000 +
8 1,50000 1,00000 -7,75000 -7,12500 +
9 1,00000 0,50000 -7,12500 -6,00000 +
10 0,50000 0,00000 -6,00000 -4,37500 +
11 0,00000 -0,50000 -4,37500 -2,25000 +
12 -0,50000 -1,00000 -2,25000 0,37500 -
TABLA 6.1.3
Las soluciones se encuentran en los intervalos:
4.5 < X < 5 -1 < X < -0.5
6.2 Método de interpolación
Una vez que se han determinado los intervalos donde se encuentran las soluciones de un
polinomio, se analiza cada intervalo por separado y, aplicando el método de interpolación,
se obtiene la solución aproximada. El método de interpolación permite encontrar la
solución de un polinomio bajo las siguientes condiciones:
1. Requiere de un intervalo donde se encuentre la solución, para esto nos ayudamos

del método de investigación.
2. Requiere calcular un valor x3 =  + x1 donde  se define así:
F(X2)
x1 x3 x2
F(x1)
FIG. 6.2.1
 F ( x1)( x 2  x1)     F ( x 2)

F ( x1) F ( x 2)

 ( x 2  x1)  
F ( x1)( x 2  x1)  F ( x1)  F ( x 2)  F ( x1)( x 2  x1)  F ( x 2)  F ( x1)
F ( x1) ( x 2  x1)
  (6.1)
F ( x 2)  F ( x1)
F(X2 F(x1
) )
x1 x3 x2
F(X2
)
F(x1
)
F(X2
) F(x1
)
F(x1
) F(X2
)
FIG 6.2.2
El valor x3 será el nuevo límite por lo tanto el intervalo ha sido reducido y se acerca a la
respuesta.
Análisis de concavidades.- Se debe considerar además la concavidad de la función en

el intervalo, esto se obtiene analizando el valor de la función Fx3 calculado al reemplazar
x3 en la función; asi, Fx3 nos indicará si es cóncavo hacia abajo o hacia arriba según su
signo:
Si Fx3 es positivo, la función en el intervalo es cóncava hacia abajo
Si Fx3 es negativo, la función en el intervalo es cóncava hacia arriba.
De este análisis se obtienen cuatro posibilidades (fig. 6.2.2) resueltas en el siguiente flujo
grama:
No Si
Fx3
>0
No Si No Si
F[1] Fx1
>0 >0
X1=X1+E X2=X1+E X2=X1+E X1=X1+E
FIG. 6.2.3
Para fines de programación podemos aplicar el siguiente criterio:
No Si
Fx1*Fx3
>0
X2=X1+E X1=X1+E
FIG. 6.2.4
Causas de divergencia del método
1.- En el intervalo escogido no se encuentre la solución.
2. Las soluciones estén muy cercanas entre sí que provoque por la mala selección del
intervalo, el no encontrar la solución.
Control del error.
Asumiendo por parte del calculista un error permisible (como sugerencia puede utilizarse 0.001 que
equivale al 0.1%), el resultado será aceptado si se cumple la siguiente condición:
  error asumido
Es recomendable también comparar con los valores absolutos de fx1 y fx2:
  |fx1| ó |fx2|
ejemplo 5.
2
x  3.75 x  4.375  0
Encontrar la solución del polinomio anterior en el intervalo: 4.5 < Xso l < 5.
k x x2 fx1 fx2 E
1 4.5000 5.0000 -1.0000 1.8750 0.1739

2 4.6739 5.0000 -0.0567 1.8750 0.0096
3 4.6835 5.0000 -0.0030 1.8750 0.0005
4 4.6840 5.0000 -0.0002 1.8750 0.0000
TABLA 6.2.1
Fx1< 0,001 => sol: x = 4,684
ejemplo 6. Del siguiente polinomio: x3 – 2.71x2 – 5.095x + 8.65 = 0
encontrar sus raíces calculando:
a) rmáx
b) Los intervalos por el método de investigación.
c) Las soluciones por el método de interpolación.
a) Cálculo de r máx.
2
 a 2   2 a3 
r   a1   a1 
máx    
2
  2.71   2  5.095 
r   1   
máx    1 
r  4.187  4.2
máx
b) Cálculo de los intervalos por el método de investigación
k x1 x2 fx1 fx2 fx1*fx2

1 4.2000 3.7000 13.5346 3.3516 45.3626
2 3.7000 3.2000 3.3516 -2.6364 -8.8362
3 3.2000 2.7000 -2.6364 -5.1794 13.6550
4 2.7000 2.2000 -5.1794 -5.0274 26.0389
5 2.2000 1.7000 -5.0274 -2.9304 14.7323
6 1.7000 1.2000 -2.9304 0.3616 -1.0596
7 1.2000 0.7000 0.3616 4.0986 1.4821
8 0.7000 0.2000 4.0986 7.5306 30.8649
9 0.2000 -0.3000 7.5306 9.9076 74.6102
10 -0.3000 -0.8000 9.9076 10.4796 103.8277

11 -0.8000 -1.3000 10.4796 8.4966 89.0410
12 -1.3000 -1.8000 8.4966 3.2086 27.2622
13 -1.8000 -2.3000 3.2086 -6.1344 -19.6828
14 -2.3000 -2.8000 -6.1344 -20.2824 124.4204
TABLA 6.2.2.
c)Cálculo de raices por el método de interpolación
k x x2 fx1 fx2 E
1 3.2000 3.7000 -2.6364 3.3516 0.2201
2 3.4201 3.7000 -0.4688 3.3516 0.0343
3 3.4545 3.7000 -0.0663 3.3516 0.0048
4 3.4592 3.7000 -0.0091 3.3516 0.0006
5 3.4599 3.7000 -0.0012 3.3516 0.0001
6 3.4600 3.7000 -0.0002 3.3516 0.0000
k x x2 fx1 fx2 E
1 1.2000 1.7000 0.3616 -2.9304 0.0549
2 1.2000 1.2549 0.3616 -0.0353 0.0500
3 1.2000 1.2500 0.3616 -0.0002 0.0500
k x x2 fx1 fx2 E
1 -2.3000 -1.8000 -6.1344 3.2086 0.3283
2 -2.3000 -1.9717 -6.1344 0.4950 0.3038
3 -2.3000 -1.9962 -6.1344 0.0669 0.3005
4 -2.3000 -1.9995 -6.1344 0.0089 0.3001
5 -2.3000 -1.9999 -6.1344 0.0012 0.3000
6 -2.3000 -2.0000 -6.1344 0.0002 0.3000
Soluciones: X1 = 3.4600
Se puede chequear el resultado al
mismo tiempo con  yf(x1) en la
X2 = 1.2500 primera solución y, con con  y
F(x2) que son los valores que en este
ejercicio sufren variaciones
X3 = -2.0000
6.3. Método de Newton Raphson
El método de NEWTON RAPHSON es uno de los más eficaces para la solución de

polinomios pues permite determinar claramente la solución en pocos pasos. Se basa en la
aplicación de la tangente a un punto. Definiendo la tangente del ángulo (en la siguiente
figura), se deduce la fórmula para el cálculo aproximado de una solución del polinomio,
sin necesidad de que se conozca el intervalo de solución proporcionado por el método de

investigación.
f(xo)
solución

x3 x2 x1 xO
FIG. 6.3.1
F ( x0 )
tg 
x0  x1 (6.2)
Como tg es igual a la pendiente, por lo tanto igual a la primera derivada de la función,
reemplazando tg po por la primera derivada:
F ( x0 )
F' 
x0  x1 (6.3)
despejando de la ecuación b la variable x1 tenemos:
F ( x0 )
x1  x0 
F ' ( x0 ) (6.4)
generalizando las variables, se concluye que:
Fórmula de Newton
F (x ) Raphson para el cálculo de
x n 1  xn  ' n (6.5) raíces aproximadas de un
F ( xn ) polinomio.
El valor de x aproximado para iniciar el análisis

(xn ) puede ser cualquier valor (generalmente
se utilizar x = 0.1), pero se recomienda utilizar
r màx indicado en la fòrmula 5.1
Causas de divergencia del método
1.- La ecuación planteada tiene soluciones imaginarias.
2. Las soluciones estén muy cercanas entre sí que provoque infinito número de cálculos
sin obtenerse la respuesta deseada.
Control del error:
Al ser el resultado una aproximación, es necesario imponernos un valor de error, que
permita a la vez acercarnos al resultado y delimitar las iteraciones, por lo que se podría
asumir la siguiente relación:
fx  er (6.6)
donde er es el error impuesto por el calculista, como recomendación se puede asumir un

error del 0,1% es decir 0,001.
El número de iteraciones se calcularán hasta cuando el valor absoluto de F(x) se acerque
al error establecido.
Para la solución es conveniente construir, por organización, una tabla de valores que nos
permita visualizar con facilidad los cálculos que vamos obteniendo, dicha tabla consta de
las siguientes columnas.
K número de iteraciones
x1 valor de la variable x con el cual se inicia el proceso de cálculo.
fx valor que toma la función o polinomio al reemplazar el valor de x
f´x valor que toma la primera derivada de la función al
reemplazar el valor de x
Xn+1 valor encontrado según el reemplazo en la fórmula
de Newton Raphson, siendo este el nuevo valor de xi
Ejemplo 7.
Del polinomio x4 - 1.3x3 - 10.24x2 + 4.83x + 19.42 , encontrar una de las soluciones
sabiendo que dicha solución está entre el siguiente intervalo: 3.25<x<3.75
Solución:
1. Derivamos la función
f(x) = x4 - 1.3x3 - 10.24x2 + 4.83x + 19.42
f´(x) =4x3 – 3.9x2 –20.48x + 4.83
K Xi Fx F ´x fx/f´x x(i+1)
1 3.75000 22.73172 84.12375 0.27022 3.47978
2 3.47978 4.08030 54.88455 0.07434 3.40544
3 3.40544 0.26479 47.82997 0.00554 3.39990
4 3.39990 0.00141 47.32110 0.00003 3.39987
5 3.39987 0.00000 47.31837 0.00000 3.39987
6 3.39987 0.00000 47.31837 0.00000 3.39987
TABLA 6.3.1
Se puede chequear el resultado al
mismo tiempo con fx/f´x y f(x)
La solución aproximada es 3.39990 ubicada en la cuarta iteración, sin embargo, al tener

más iteraciones, un resultado más aproximado es 3.39987.
Ejemplo8. Resolver el ejercicio anterior iniciando el cálculo con el intervalo menor.
K Xi fx f ´x fx/f´x x(i+1)
1 3.25000 -6.10266 34.38875 -0.17746 3.42746
2 3.42746 1.34056 49.87662 0.02688 3.40058
3 3.40058 0.03362 47.38351 0.00071 3.39987
4 3.39987 0.00002 47.31842 0.00000 3.39987
5 3.39987 0.00000 47.31837 0.00000 3.39987
6 3.39987 0.00000 47.31837 0.00000 3.39987
TABLA 6.3.2
La solución aproximada es 3.39987
Ejemplo 9. Calcular una de las soluciones del siguiente polinomio
x3 - 10.24x2 + 4.83x + 19.42 = 0
1.Encontramos el valor de rmax, aplicando la fórmula
2
a  a
rmax   2   2 3
 a1  a1
2
 10.24 
rmax     2(4.83)  9.76  10
 1 
En este caso el valor de rmax aproximo a 10,

2. Construimos una tabla de valores para obtener los intervalos de solución (usar el
método de investigación):
k x1 x2 f x1 fx2 fx1*fx2
1 10,00000 9,50000 43,72000 -1,48000 Solución
2 9,50000 9,00000 -1,48000 -37,55000 +
3 9,00000 8,50000 -37,55000 -65,24000 +
4 8,50000 8,00000 -65,24000 -85,30000 +
5 8,00000 7,50000 -85,30000 -98,48000 +
6 7,50000 7,00000 -98,48000 -105,53000 +
7 7,00000 6,50000 -105,53000 -107,20000 +
8 6,50000 6,00000 -107,20000 -104,24000 +
9 6,00000 5,50000 -104,24000 -97,40000 +
10 5,50000 5,00000 -97,40000 -87,43000 +
11 5,00000 4,50000 -87,43000 -75,08000 +
12 4,50000 4,00000 -75,08000 -61,10000 +
13 4,00000 3,50000 -61,10000 -46,24000 +
14 3,50000 3,00000 -46,24000 -31,25000 +
15 3,00000 2,50000 -31,25000 -16,88000 +
16 2,50000 2,00000 -16,88000 -3,88000 +
17 2,00000 1,50000 -3,88000 7,00000 Solución
18 1,50000 1,00000 7,00000 15,01000 +
19 1,00000 0,50000 15,01000 19,40000 +
20 0,50000 0,00000 19,40000 19,42000 +
21 0,00000 -0,50000 19,42000 14,32000 +
22 -0,50000 -1,00000 14,32000 3,35000 +
23 -1,00000 -1,50000 3,35000 -14,24000 Solución
24 -1,50000 -2,00000 -14,24000 -39,20000 +
25 -2,00000 -2,50000 -39,20000 -72,28000 +
TABLA 6.3.3
Como podemos observar en la tabla en x1, en la iteración 1 va el valor aproximado de rmax,

se ha aproximado el valor para que sea más sencillo ir restando el valor de 0.5, que ha
sido un valor escogido por conveniencia, no necesariamente tiene que ser este valor,
como tampoco era necesario aproximar el valor de rmax.
En x2 en la iteración 1 se coloca el valor de rmax – 0.5.

En las siguientes iteraciones el valor de x2 pasa a ser el valor de x1, y a la nueva x1 se le
resta 0.5 para colocar este valor en x2.
Este proceso se realiza hasta cuando en el producto F(x 1)* F(x2) sea negativo. Cada vez
que aparezca un producto negativo quiere decir que en este intervalo esta una de las
soluciones.
En este caso hemos encontrado tres intervalos para efectos de comprensión del lector,
aunque solo era necesario encontrar un intervalo, puesto que sólo necesitamos una de las
soluciones.
3. Escogemos uno de los intervalos donde está una de las soluciones.

En este caso vamos a elegir el primer intervalo y con estos valores realizamos el mismo
procedimiento descrito en el ejemplo 8.
F(x) =X3 – 10.24x2 + 4.83x + 19.42 = 0

F’(x)=3x2 - 20.48x + 4.83
K x1 f x1 F‘x fx/f ' x

1 10,00000 43,72000 100,03000 0,43707
2 9,56293 3,69124 83,33013 0,04430
3 9,51863 0,03611 81,70157 0,00044
TABLA 6.3.4
Solución: 9.51863 con un error del 3.6 %
6.4 Método de Birge Vieta .

Este método encuentra todas las soluciones reales que tenga un polinomio, es el
resultado de la combinación del método de Newton Raphson y la aplicación de la división
sintética doble (teoría de Ruffini para bajar de grado un polinomio con dos divisiones
continuas).
Recordando que Newton Raspón plantea:

F ( xn )
xn1  xn  (6.5)
F ' ( xn )
Se sugiere como punto de inicio un valor cercano a rmáx; aunque, para automatización
del método se puede iniciar con cualquier valor.
P R
Q
D D
P  QD  R
P( X )  ( X  Xn)Qx  R ( X  Xn  deno min ador ) (6.7)
si X  Xn  P( X )  R
P'( X )  Q( X )  ( X  Xn)Q'( X )
si x  xn Q( X )  R'
P'( X )  Q( X )
P'( X )  R'
El valor de x aproximado para iniciar el análisis puede ser

cualquier valor (generalmente se utilizar x = 0.1), pero se
recomienda utilizar r màx indicado en la fòrmula 5.1
Ejemplo 10. Calcular la solución de la siguiente ecuación:

X 3  2 X 2  5X  7  0
1 -2 5 -7
X=7 7 35 200
1 5 40 273
X=7 7 84
1 12 124
273
X 7
124
x  7  2.202  4.798
1 -2 5 -7
X=4.8 4.8 13.44 88.51
1 2.8 18.44 81.51

X=4.8 4.8 36.44
1 7.6 54.92
81.51
X  4.8 
54 .92
x  4.8  1.484  3.316
1 -2 5 -7
X=3.32 3.32 4.38 31.15
1 1.32 9.38 24.14

X=3.32 3.32 15.41
1 4.64 24.78
Se continua con el mismo proceso hasta lograr la solución, los valores los resumimos en
la siguiente tabla, misma que es factible obtenerla con mayor facilidad por el
método de Newton Rapshon:
K X R R’ R/R’
1 7 273 124 2.20
2 4.8 81.51 54.92 1.48
3 3.32 24.14 24.78 0.97
4 2.35 6.68 12.17 0.55
5 1.8 1.35 7.52 0.18
6 1.62 0.1 6.38 0.016
7 1.6 0.02 6.28 0.003
TABLA 6.4.1
Solución : 1.6 con un margen de error del 2%
Al dividir el polinomio original para (X – 1.6), se obtendrá un nuevo polinomio

bajado de grado respecto al original, y se aplicará nuevamente similar
procedimiento.
Si se llega a un polinomio de grado 2 , el cual puede tener soluciones imaginarias,

éste es factible resolverlo aplicando la fórmula algebraica para resolver
polinomios de segundo grado.
Existen muchos métodos más para la solución de polinomios, planteamos al estudiante

consultar los siguientes métodos:
Consulta, investigación:
1. Consultar y analizar los métodos de la Secante
y de VonMises.
2. Consultar el Método LIN para soluciones
imaginarias.
3. Realizar un ejercicio por cada método de
solución numérica de ecuaciones en ecuaciones
que involucren funciones trigonométricas.
CAPITULOIII
APROXIMACIÓN POLINOMIAL
7. Interpolación Matemática
En las aplicaciones en general, es frecuente trabajar con funciones expresadas en forma
tabular, o valores que provienen de un experimento.
Interpolar un valor implica calcular el valor de Y para una valor específico de X, este
problema es factible resolverlo aplicando métodos aproximados que permiten calcular el
valor a interpolarse a la vez definir la ecuación que contiene a todos y cada uno de
los puntos dados.
La interpolación polinomial se puede expresar por series de potencias, por interpolación
de Newton y por interpolación de Lagrange, concentraremos nuestro estudio en los dos
últimos métodos.
La aproximación polinomial tiene gran utilidad cuando los valores reflejados en la tabla
tienen el comportamiento de una función desconocida y que en muchas ocasiones el
encontrar la antiderivada de la misma resulta una imposibilidad matemática.
Y=f(x)
Y=P(x
)
y0 y1 y2 ..........yn
Xo X1 X2.............Xn
FIG. 7.1
7.1. Interpolación de newton (interpolación con incrementos constantes).
Considerando en el gráfico anterior incrementos constantes los pares ordenados son:
Xi yi
X0 yo
x1 = x0 + h y1
x2 = x0 + 2h y2
..... ..
....... ...
xn = x0 + nh yn
TABLA 7.1.1
La interpolación de Newton Se basa en el criterio de las diferencias finitas que pueden ser
de 1er , 2do , 3er , hasta enésimo orden según se especifica en la siguiente tabla.
Xi yi y 2y 3y
x0 yo
a0 = y1 – yo
x1 = x0 + h y1 b0 = a 1 – a0
a1 = y2 – y1 c0 = b1 – b0
x2 = x0 + 2h y2 b1 = a 2 - a1
a2 = y3 – y2 c1 = b2 – b1
x3 = x0 + 3h y3 b2 = a 3 – a2
a3 = y4 – y3 . .
x4 = x0 + 4h y4 . . c(n-3)=b(n-2)-b(n-3)
..... .. . .
....... ... . b(n-2)=a(n-1) - a(n-2)
.
a(n-1)=y(n) – y(n-1)
xn = x0 + nh yn
TABLA 7.1.2
Deducción de la fórmula en base a las diferencias finitas indicadas:

a0 = y1 – y0 b0 = a1 –a0
y1 = a0 + y0 (1) a1 = b0 + a0 (3)
y2 = a1 + y1 (2)
(1) y (3) en (2)

y2 = a0 + b0 + a0 + y0 (7.1)
y2 = y0 +2a0 + b0
y3 = a2 – y2
a2 = a 1 + b 1
b 1 = b 0 + c4
y3 = a1 + b1 + a2 + y1
y3 = a1 + b1 + (b0 + a0) + a0 + y0
y3 = (a0 + b0) + b0 + c0 + b0 + a0 + a0 + y0
y3 = yo + 3a0 + 3b0 + c0
.......
........
y4 = yo + 4a0 + 6b0 + 4c0 + d0 (7.2)
Podemos observar que las diferencias se ven afectadas por los coeficientes del binomio
de Newton, por lo que puede generalizarse con la siguiente fórmula:
k ( k  1) k ( k  1)( k  2) k ( k  1)( k  2)( k  3)
y k  y 0  kao  bo  co  d o  .....
2 3 4
h
x0 xk x1 = x0 + h
x k  xo
xk = x0 +kh k (7.3)
h
Recordando que: a0 = yo, b0 = 2yo, c0 = 3yo, ................. , la fórmula de interpolación de

Newton es:
k ( k  1) 2 k ( k  1)( k  2) 3
y k  y 0  ky o   yo   yo 
2 3
k ( k  1)( k  2)( k  3) 4 (7.4)
 y o  ...
4
El método se aplicará cuando los valores de la última diferencia

sean iguales entre si, siendo esta diferencia el grado del polinomio
representativo, si no se obtiene una diferencia finita con valores
iguales pueden haber errores en los datos tomados (x,y) o pueden
faltar datos.
Ejemplo 11.
Dada la función tabular (x,y) , calcular:
- el valor de y para x = 3.2
- la función representativa
X y y 2y 3y
0 1 12 56 48
2 13 68 104 48
4 81 172 152 48
6 253 324 200
8 577 524
10 1101
TABLA 7.1.3
Solución.
observamos que es un polinomio de tercer grado entonces aplicamos las formulas:
xk = 3.2
x0 = 2
h=2
k = (xk – x0) / h
k = (3.2 - 2) / 2
k = 0.6
0.6 * (0.6  1) 0.6 * (0.6  1)(0.6  2)

y k  13  0.6 * 68  *104  * 48
2 6
y k  44.008
Para calcular la función representativa de una tabla dada podemos utilizar el mismo
método de la forma siguiente
x2
k 
2
x2 x2 x2 x2 x2
( )(  1) ( )(  1)(  2)
x2 2 2 2 2 2
y  13  ( )68  * 104  * 48
2 2 6
el polinomio es y  x3  x 2  1
7.2. Interpolación de Lagrange ( interpolación con incrementos variables)

Esto método de interpolación conocido también como interpolación con incrementos
variables, nos permite: dada una función tabular (tabla de valores con incrementos
constantes o variables), interpolar un valor.
Para el cálculo se utiliza la siguiente fórmula
n (X  X J )
y
j 1
n
* yi donde ji (7.5)
i 1
(X
j 1
i  XJ)
x  x2 x  x3 x  x4 ...........x  xn 

y y 
x1  x2 x1  x3 x1  x4 .........x1  xn  1
x  x1 x  x3 x  x4 ...........x  xn 
y 
x2  x1 x2  x3 x2  x4 .........x2  xn  2
x  x1 x  x2 x  x4 ...........x  xn 
y  ....... 
x3  x1 x3  x2 x3  x4 .........x3  xn  3
x  x1 x  x2 x  x3 ...........x  xn1 
y (7.6)
xn  x1 xn  x2 xn  x3 .........xn  xn1  n
La fórmula se sustenta en los incrementos variables, al valor que vamos a encontrar le

restamos sucesivamente los valores de la tabla.
Ejemplo 12: Interpolar x=3.2 para la siguiente tabla
X Y
0 2
2 8
4 62
6 212
8 506
10 992
Solución:
y
3.2  23.2  43.2  63.2  83.2  10 * 2 
0  20  40  60  80  10
3.2  03.2  43.2  63.2  83.2  10 * 8 
2  02  42  62  82  10

3.2  03.2  23.2  63.2  83.2  10 * 62 
. 4  04  24  64  84  10
3.2  03.2  23.2  43.2  83.2  10 * 212 
6  06  26  46  86  10
3.2  03.2  23.2  43.2  63.2  10 * 506 
8  08  28  48  68  10
3.2  03.2  23.2  43.2  63.2  8 * 992  31.568
10  010  210  410  610  8
Recomendación: para interpolar por èste

método, se recomienda que el valor a
interpolar tenga por lo menos tres pares
ordenados superiores y tres pares ordenados
inferiores a èl , para garantizar el resultado
7.4 Interpolación inversa.

En el proceso de la interpolación se buscaba un valor de f(x) dado un valor de la variable
independiente, en la interpolación inversa es lo contrario: dado un valor de f(x) calcular
una valor de la variable independiente. Esta aplicación es útil para resolver un polinomio
recordando que las raíces de un polinomio se encuentran en los puntos donde la función
es cero ( f(x) = 0 ).
Ejemplo 13: Calcular una solución de la ecuación x2 + 3x – 5
y X
-5 0
-3 1
1.75 1.5
5 2
13 3
Se sugiere el siguiente procedimiento para la solución:
- La solución está entre 1 < x < 2 por lo que se trabaja en ese intervalo .
-3 1
Y=0
1.75 1.5
5 2
- Se asume Y = 0 como el valor a interpolarse.

- Se aplica la fórmula de Lagrange para el cálculo
( 0  1.75)(0  5) ( 0  3)(0  5) ( 0  3)(0  1.75)

x *0 * 1.5  *2  1.25
( 3  1.75)(3  5) (1.75  3)(1.75  5) (5  3)(5  1.75)
El método de interpolación con intervalos constantes permite EXTRAPOLAR puesto que

se puede completar la tabla sin problemas y extenderla hasta el valor requerido para el
ejercicio propuesto.
8.- Integración numérica
Recordando que integración es sinónimo de área, se puede resolver una integral definida
por métodos aproximados,
Cuando se calcula una integral se acude a las fórmulas de integración , la integración

numérica nos permite calcular dicha integral definida, de una función expresada en forma
tabular o en forma algebraica, en los dos casos se debe disponer necesariamente de la
tabla de valores x-y .
ejemplo 14: Calcular la integral indicada

5
 (x  5)dx
2
Con la aplicación de las fórmulas de integración se obtiene como resultado:

8
 (x  5)dx  205.33
2
Ahora vamos a ver como de la misma función pero expresada en forma tabular,
calculamos el área aproximada, utilizando rectángulos y trapecios :
X Y
1 6
2 9
3 14
4 21
5 30
1 2 3 4 5
FIG. 8.1
Para conocer el área aproximada bajo la curva , tomamos en cuenta los rectángulos que
se forman entre cada intervalo de par ordenado
Entonces : A=B*h
A = 1( 6 + 9 + 14 + 21 ) = 50
Si a este dato le comparamos con el de la integral de la función .
Tenemos que existe un error no tolerable . 205.33  50
Esto ocurre porque no estamos tomando en cuenta las pequeñas áreas casi triangulares
que se forman entre los rectángulos y la grafica de la función.
Para solucionar este error no tolerable se recomienda deducir fórmulas con el criterio de
trapecios que se acercan más a la gráfica.
La fórmula del área del trapecio nos permite plantear varios métodos para el cálculo de
integrales definidas.
Area = ( Basemayor+ Basemenor ) * h (8.1)

2
9. Métodos de cálculo de integración numérica.
xo x1 x2 x3 x4 x5 x6
FIG. 9.1
Aplicando la fórmula del trapecio, y sumando todos los trapecios indicados en el gráfico se
obtiene:
A = h ( Y0 + Y1 ) / 2 + h ( Y1 + Y2 ) / 2 + h ( Y2 + Y3 ) / 2 + ..........(9.1)
Realizando las operaciones correspondientes no queda :
h
A ( y 0  y n  2 resto de ordenadas) (9.2)
2
Una forma sencilla de definir fórmulas más exactas es considerando que una función es
expresable como una serie (binomio de Newton) con diferencias finitas:
k ( k  1) 2 k ( k  1)( k  2) 3
f ( x )  y 0  ky o   yo   yo 
2 3
k ( k  1)( k  2)( k  3) 4
 y o  ... (9.3)
4
Si integramos la función entre xo y xn con los siguientes cambios:

x  xo
Siendo k  x  x0  hk (9.4)
h
Si x = xo entonces k = 0
Si x = xn = xo + hk entonces k = n
Si derivamos x con respecto a k dx = hdk
Reemplazando estos nuevos datos:

xn n 2 3 2
k k 2 k  3k  2k 3
 f ( x ) dx   (y
o
 ky o   yo   y o  .....) hdk
xo o 2 6
xn  n2 n3 n 2 2 n 4 n3 n 2 3 
 f ( x ) dx  h  ny 
o 2
y  (
o 6

4
) y  (
o 24

6

6
)  y  ......
o
(9.5)
xo  
Según las diferencias finitas, sus áreas se identifican en el siguiente gráfico:
FIG. 9.2
Si se escoge un trapecio la interpolación será de primer orden y por lo tanto se considera

la primera diferencia yo, si se escoge dos trapecios, será de segundo orden, así
sucesivamente.
Con lo indicado, se obtienen las siguientes fórmulas:
1. Considerando un solo trapecio (n = 1):

x1  n2 
 f ( x ) dx  h ny 
o 2
y 
o
como y  y  y
o 1 o
xo  
x1
h
 f ( x ) dx  ( yo  y1 ) (9.5)
2
xo
2. Considerando 2 trapecios (n = 2):

x2  n2 n3 n 2 2 
 f ( x ) dx  h  ny 
o 2
y  (
o 6

4
) y 
o
xo  
como y  y  y Y 2 y  y  2 y  y
o 1 o o 2 1 o
x2
h
 f ( x ) dx  ( yo  4 y1  y 2 ) (9.6)
3
xo
3. Considerando tres trapecios (n = 3)
x3  n2 n3 n 2 2 n 4 n3 n 2 3 
 f ( x ) dx  h  ny 
o 2
y  (
o 6

4
) y  (
o 24

6

6
) y 
o
xo  
3
como y  y  y Y 2 y  y  2 y  y  y o  y 3  3 y 2  3 y1  y o
o 1 o o 2 1 o
x3
3
 f ( x ) dx 
8
h( y
o
 3y  3y  y )
1 2 3
(9.7 )
xo
Si en cada uno de los análisis se considera los trapecios de cero a n, se definen tres
fórmulas:
9.1 Fórmula del trapecio.

Se considera n cualquier número de divisiones para o impar pues su análisis se lo hizo
con un solo trapecio
h
A ( y 0  y n  2 resto de ordenadas ) (9.8)
2
9.2 Fórmula de Simpson del 1/3.

Se considera que n debe ser siempre par pues el análisis se lo realizó con dos trapecios.
h
A ( y 0  y n  2 ordenadaspares  4 orden.impares ) (9.9)
3
9.3 Fórmula de Simpson del 3/8.

Se considera que n debe ser siempre múltiplo de 3 pues el análisis se lo realizó con tres
trapecios. (9.10)
3
A h ( y 0  y n  2  orden. multiplosd e3  3 resto.de.orden). (9.10)
8
Nota. Para la aplicación de estas fórmulas siempre se

contabilizará los pares ordenados desde el par cero.
Ejemplo 15.
Resolver la integral indicada utilizando todas las fórmulas y encontrar el error de cada una
de ellas en relación con la solución exacta.
8
 (x  5)dx  Sol  205.33

2
por int egración directa
1
Solución por la fórmula del trapecio

.i X Y
0 1 6
1 2 9
2 3 14
3 4 21 Sol 
1
6  69  2 * (9  14  21  30  41  54)  206.5
4 5 30 2
5 6 41
6 7 54
7 8 69
TABLA 9.1
Solución por la fórmula de Simpson del 1/3.

N debe ser par por lo tanto escogemos n = 6 intervalos, 7/8 = 0.875
.i X Y
0 1 6
1 1.875 8.516
2 2.75 12.56 0.875 6  69  2 * (12.56  25.25  44.06)  
Sol 
4 * (8.516  18.14  33.89  55.77) 
3 3.625 18.14 3  
4 4.5 25.25
5 5.375 33.89 Sol  205 .33
6 6.25 44.06
7 7.125 55.77
8 8 69
TABLA 9.2
Solución por la fórmula de Simpson de 3/8.

N debe ser múltiplo de 3 por lo tanto escogemos n = 9 intervalos, 7//9 = 0.778
.i X Y
0 1 6
1 1.778 8.16 3 6  69  2 * (16.16  37.13)  3 * (8.16  11.53  21.91  
Sol  * 0.778
28.91  46.6  57.13) 
2 2.556 11.53 8  
3 3.334 16.16
Sol  205.48
4 4.112 21.91
5 4.89 28.91
6 5.668 37.13
7 6.45 46.6
8 7.22 57.13
9 8 69
TABLA 9.3
Conclusión del ejercicio: se puede observar que las dos fórmulas de Simpson presentan
el menor error, en igual forma, el resultado es más cercano al real mientras más intervalos
existan.
Error con el trapecio: 0.6%

Error con Simpson 1/3: 0%
Error con Simpson 3/8: 0.1%
CAPITULO IV
APROXIMACIÓN FUNCIONAL (AJUSTE DE CURVAS)
Permite encontrar la ecuación de la curva que aunque no pase por todos los puntos de
una tabla de datos, tenga variaciones cercanas.La aproximación se basa en el método de
los mínimos cuadrados. La aproximación puede emplearse en muchos casos prácticos,
como por ejemplo en el tratamiento de resultados de observación, ya que ella compensa
las incorrecciones locales aisladas de la función f(x) (por ejemplo errores producidos en la
observación) y también proporciona una representación lo suficientemente exacta en el
transcurso del proceso correspondiente. la aproximación funcional permite definir una
función que esté cercana a una tabla de datos.
Una de las restricciones está en el hecho de conocer previamente a qué grado se acerca
la tabla de datos; por ello es que utilizamos el método de los mínimos cuadrados para
ajustar la curva y definir los coeficientes de la función
Para definir el grado del polinomio al que se desea ajustar el conjunto de puntos se puede
optar por construir el cuadro de diferencias finitas, pero, es más recomendable graficar los
puntos y observar que tipo de curvatura es para escoger el correspondiente grado,
también es recomendable que en lo posible se relacione a los puntos con una ecuación
de grado tres como máximo (aceptar este criterio como una recomendación, puesto que
con el uso de computadoras al facilitar los cálculos, la ecuación puede relacionarse con
un polinomio de n grado).
Aproximación polinomial
Aproximación funcional
FIG. 9.3
Se trata de obtener los coeficientes de la función:
y  f ( x)  ao  a1 x  a2 x 2  a3 x 3  ....  am x m (9.11)
Luego del proceso matemático basado en los residuos o faltantes localizado entre el
punto Y conocido y el punto de la función a calcularse, se obtiene el siguiente sistema de
ecuaciones:
Na0  a1 x  a2  x 2  ....am  m   y
a0  x  a1 x 2  a2  x 3  .....am  m 1   xy
a0  x 2  a1 x 3  a3  x 4  .....an1 n  2   x 2 y
...................................... (9.12)
.........................................
a0  x m 1  a1 x m 1  ....am  m  n 1   x m 1y
Donde n es el número de datos proporcionados en la tabla.

Recomendación: Debido a que la función puede presentarse en distintas formas,
recomendamos disponer de una serie de gráficos para ver a cual se parece el ejercicio.
Ejemplo 16.
Encontrar la ecuación de la curva que mejor se ajuste a la tabla de valores (ejercicio
tomado de Métodos Numéricos de Luthe. Edit. Limunsa)
x y
1 4
2 7
3 9
4 10
5 9
6 7
7 4
FIG. 9.4
Solución:
Para encontrar la función que mejor represente a la tabla de valores dada debemos saber
el grado de la función, para ello procedemos a graficar los valores de la tabla.
Como se puede observar, los datos obtenidos representar a una ecuación de segundo
grado, entonces para encontrar la solución formaremos tres ecuaciones:
Nao  a1 x  a2  x 2   y
ao  x  a1 x 2  a 2  x 3   xy
(9.13)
a0  x 2  a1 x 3  a2  x 4   x 2 y
Grado de la función: segundo grado

a continuación, procedemos a encontrar los valores de la tabla indicada:
n x y x² x3 x4 xy x²y
1 1 4 1 1 1 4 4
2 2 7 4 8 16 14 28
3 3 9 9 27 81 27 81
4 4 10 16 64 256 40 160
5 5 9 25 125 625 45 225
6 6 7 36 216 1296 42 252
7 7 4 49 343 2401 28 196
 28 50 140 784 4676 200 946
TABLA 9.4
7a0  28a  140a 2  50
28a0  140a1  784a2  200
140a0  784a1  4676a2  946
Resolviendo el sistema de ecuaciones obtenemos:
. a o
 0.57421 a  5.14286 a
1 2
 0.64285
de esta manera, nuestra función que representa en forma aproximada al conjunto de

puntos es:
f(x) = -0.64285x² + 5.14x –0.57
ejemplo 17.
Encontrar la ecuación que mejor se aproxime a la siguiente tabla, asumiendo que se
ajusta a un polinomio de grado tres.
x y Nao  a1 x  a2  x 2  a3  x 3   y
1 1
2 7
3 25 ao  x  a1 x 2  a2  x 3  a3  x 4   xy
4 61
5 121 a0  x 2  a1 x 3  a2  x 4  a3  x 5   x 2 y
6 211
7 337 a0x3 a1x4  a2x5  a3x6  x3y
8 505
Grado de la ecuación (tercero)

n x y x² x³ x4 x5 x6 xy x²y x³y
1 1 1 1 1 1 1 1 1 1 1
2 2 7 4 8 16 32 64 14 28 56
3 3 25 9 27 81 243 729 75 225 675
4 4 61 16 64 256 1024 4096 244 976 3904
5 5 121 25 125 625 3125 15625 605 3025 12125
6 6 211 36 216 1296 7776 46656 1266 7596 45576
7 7 337 49 343 2401 16807 117649 2359 16513 115591
8 8 505 64 512 4096 32708 262144 4040 32320 258560
 36 1268 204 1296 8772 61716 446964 8604 60684 436488
8a0  36a1  204a2  1296a3  1268
36a0  204a1  1296a2  8772a3  8604
204a0  1296a1  8772a2  61776a3  60684
1296ao 8772a1  61776a3  446964a3  439488

+
Resolviendo el sistema:
a0  0.944 a1  0.99 a2  0 a3  1
f(x) = 0.944 - 0.99x - 7.27x 10-11x² + x³
aproximadamente se tiene : f(x) = x³ - x + 1
10. Sugerencia para la creación del sistema de ecuaciones en la aproximación

funcional:
Una forma sencilla de optimizar la creación del sistema de ecuaciones es la siguiente:
Disponiendo de la tabla de valores x,y ; se sugiere el siguiente procedimiento:

1.organizar la matriz de incógnitas y términos independientes con la siguiente base:
 1 x1 x12 x13 . . x1m   y1 

  y 
 1 x2 x 22 x 23 x 2m   2
 1 x3 x32 x33 x3m   y3 
   
x . . . . . . .  y   (10.1)
 . . . . . . .   
   
 . . . . . . .   
 2 3
x nm  y 
 1 xn x n x n   n
2. Se calcula la matriz traspuesta de x

3. Se calcula la matriz z  x T * x
4. Se calculan los coeficientes: w  xt * y
5. se resuelve el sistema z = w
ejemplo 18 resolver el ejemplo 16 con esta metodología
x0 x1 x2
1 1 1 4
1 2 4 7
1 3 9 9
1 4 16 10
X= 1 5 25 Y= 9
1 6 36 7
1 7 49 4
1 1 1 1 1 1 1
1 2 3 4 5 6 7
1 4 9 16 25 36 49
7 28 140
U=XT*X= 28 140 784
140 784 4676
50
V=X *Y T 200
946
Resolvemos el siguiente sistema y los resultados son los mismos que el ejercicio 16
a0 a1 a2
7 28 140 50
28 140 784 200
=
140 784 4676 946
a o
 0.57421 a  5.14286 a
1 2
 0.64285
CAPÌTULO V
ECUACIONES DIFERENCIALES ORDINARIAS
Ecuación diferencial es una ecuación que relaciona dos o más variables en términos de
derivadas o diferenciales.
Ecuación diferencial ordinaria es la que tiene una sola variable independiente.
Una ecuación diferencial esta resuelta cuando se ha obtenido el polinomio solución o
cuando se expresa en forma de integración. Gráficamente la ecuación representa una
familia de curvas, cada una correspondiente al valor respectivo de la constante de
integración.
Dependiendo de cómo se establezcan las condiciones, se presentan dos tipos de

problemas: con condiciones iniciales y con condiciones de frontera.
Un problema de valores iniciales está gobernado por una ecuación diferencial de orden n
y un conjunto de n condiciones independientes (x, y, y’, y’’, y’’, ...) todas ellas válidas para
el mismo punto inicial.
Un problema de valores a la frontera debe establecerse para condiciones iniciales y
finales.
y y
F(x,y)=0
G(x,y)
X1 X2 X3 ....... X X=a X=b X
Condiciones iniciales condiciones de frontera

FIG. 10.1
En este capitulo nos centraremos en tres métodos para poder resolver las ecuaciones
diferenciales ordinarias, estas son:
 Con Integración.
 Con la serie de Taylor.
 Método de Runge Kutta.
11. Solución numérica de una ecuación diferencial ordinaria.Básicamente consiste en

sustituir el dominio continuo de soluciones, por un dominio discreto formado por puntos
aislados espaciados igualmente entre sí y muy cercanos unos de otros.
12. Métodos de solución para ecuaciones diferenciales ordinarias con valores

iniciales
Para las ecuaciones diferenciales ordinarias, se debe analizar cada problema en

particular, ya que es muy difícil generalizar. Sin embargo se pueden tener pautas para la
solución.
Este estudio en particular se basará en un mismo ejercicio, con la finalidad de presentar
una mejor comprensión y al final comparar los resultados obtenidos; el problema modelo
es el siguiente :
y’ = ½ ( 1 + x ) y2 ; y(0) = 1
12.1. Solución por integración.-
Sin lugar a duda es el método más conocido y utilizado para la solución de ecuaciones
diferenciales ordinarias, pero su aplicación es válida si el proceso de integración por
fórmulas es factible.
Para resolver utilizando éste método, debemos separar las variables independientes de
las dependientes en la ecuación original.
Luego procedemos a integrar a ambos lados para obtener la solución general, en la cual
remplazaremos los valores iniciales para encontrar el valor de C y así obtener el resultado
general.
ejemplo 19: Resolver la siguiente ecuación diferencial ordinaria, utilizando integración.
y 1
 ( x  1) y 2
x 2
y 1
 ( x  1)x
y2 2
y 1
 y 2   2 ( x  1)x (12.1)
1 x2 x
   C
y 4 2
1 x 2  2x  C
 
y 4
4
y 2
x  2x  C
Reemplazando x = 0 ; y = 1 en la solución, se obtiene C = -4.

Por tanto la solución particular es:
4
y
4  2x  x 2
12.2. Solución con la serie de Taylor

En primer lugar debemos recordar como se resuelve la serie de Taylor, para poder
emplearlo en la solución de ecuaciones diferenciales ordinarias.
Recordemos la serie con un ejemplo:
Se tiene f(x) = ln(x) en potencias de ( x – 1 ); procedemos a realizar derivadas sucesivas a
f(x) y evaluamos en x = 1.
f(x) = ln(x) f(1) =0

f ‘ (x) = 1/x f‘ (1) =1
f ‘’ (x) = -1/x2 f ‘’ (1) = -1
f ‘’’ (x) = 2/x3 f ‘’’ (1) = 2
La serie de Taylor quedaría definida como:
( x  1) ( x  1) 2 ( x  1) 3
ln( x)  0  1 *  (1) *  2*  ..............
1! 2! 3!
1 1
ln( x)  x  1  ( x  1) 2  ( x  1) 3  ...........
2 3
Una vez que nos hemos familiarizado con la serie de Taylor, apliquemos estos criterios a
la solución de ecuaciones diferenciales ordinarias; con la siguiente formula:
( x  x0 ) ( x  x0 ) 2 ( x  x0 ) 3
y  y0  y'0  y' '0  y' ' ' 0 ........(12.2)
1! 2! 3!
Ejemplo 20
Resolver la siguiente ecuación diferencial ordinaria, utilizando la serie de Taylor.
y’ = ½ ( 1 + x ) y2 ; y(0) = 1
x=0
y=1
y’ = ½ (1+x)y2 = ½
y’’ = ½ y2 + (1+x)yy’ = 1
y’’’ = yy’ + yy’ + (1+x)(y’)2 + (1+x)yy’’ = 9/4
Por tanto la solución es:
Y = 1 + ½ x + ½ x2 + 3/8 x3
12.3. Solución por el método de Runge Kutta.- El método sugiere que mediante
procesos iteractivos, se encuentre la solución de una ecuación diferencial ordinaria,
expresada en forma tabular. La base teórica del método es el de aproximaciones
sucesivas; y, luego del correspondiente análisis se obtienen las siguientes formulas.
h
y (0) t  y (0) i  ( k1  2 k 2  2 k 3  k 4 )
6
k1  f ( x , y )
h kh
k2  f (x  , y  1 ) (12.3)
2 2
h k h
k3  f ( x  , y  2 )
2 2
k 4  f ( x  h, y  k 3 h)
Se debe tomar en cuenta que este proceso se lo puede hacer varias veces sin considerar
ningún valor límite.
Ejemplo 21.
Resolver la siguiente ecuación diferencial ordinaria, utilizando el método de Runge Kutta.
y’ = ½ ( 1 + x ) y2 ; y(0) = 1
para x0 y 1
1
k1  (1  0 )(1)
2
 0.5
2
k2 
1
2
1  (0 
0.1
2

) 1
0.1 * 0.5
2

2
 0.5516
k3 
1
2
1  (0 
0.1
2

) 1
0.1 * 0.5516
2
2
 0.5544
k3 
1
1  (0  0.1)1  0.1 * 0.55442  0.6127
2
Para el siguiente proceso, los valores iniciales serán:

x  0.1
y  1
0.1
0.5  2 * 0.5516  2 * 0.5544  0.6127   1.05541
6
Con estos datos se realiza el siguiente proceso:
1
f ( 0.1)  1.0554  k1  (1  0.1)(1.0554)
2
 0.6126
2
1 2
f ( 0.15)  1.086  k2  (1  0.15)(1.086)  0.6782
2
1 2
f ( 0.15,1.0893)  k3  (1  0.15)(1.0893)  0.6823
2
1 2
f ( 0.2,1.1236)  k4  (1  0.2 )(1.1236)  0.7575
2
0.1
y  1.05541 ( 0.6126  2 ( 0.6782)  2 ( 0.6823)  0.7575)  1.12392
6
Continuando en la misma forma se obtiene la solución mostrada en la siguiente tabla:
x y k1 k2 k3 k4
0 1,0000 0,5000 0,5516 0,5544 0,6127
0,1 1,0554 0,6126 0,6782 0,6823 0,7575
0,2 1,1236 0,7575 0,8431 0,8494 0,9494
0,3 1,2085 0,9492 1,0647 1,0745 1,2121
0,4 1,3158 1,2119 1,3735 1,3896 1,5872
0,5 1,4545 1,5868 1,8234 1,8517 2,1509
TABLA 12.3.1
12.4 Tabla comparativa para los tres métodos.

Como se dispone de las funciones por integración y Taylor, dando valores a x obtenemos
el valor de la función, y, comparando los resultados por las tres formas concluimos que el
método numérico propuesto por Runge-Kutta se aproxima a los resultados exactos.
Integració
n Taylor Runge k.
X Y Y Y
0 1,0000 1,0000 1,0000
0,1 1,0554 1,1375 1,0554
0,2 1,1236 1,2750 1,1236
0,3 1,2085 1,4125 1,2085
0,4 1,3158 1,5500 1,3185
0,5 1,4545 1,6875 1,4545
TABLA 12.3.2
Consultas e investigación:
1. Resolver tres ejercicios de integración cada uno con
los diferentes métodos involucrando en estos
ejercicios funciones trigonométricas, incluir
conclusiones (en caso de existir).
2. Resolver tres ejercicios de ecuaciones diferenciales
por todos los métodos involucrando en estos
ejercicios funciones trigonométricas, incluir
conclusiones (en caso de existir).
CAPITULO VI
Ejercicios Generales
Capítulo 1.
Construir las matrices correspondientes y resolver los siguientes ejercicios:
 Realizar 2 ejercicios básicos de suma y resta

 Multiplicar las siguientes matrices:
A(3*4), B(4*2)
A(3*2), B(2*3)
 Transformar dos matrices de 4*4 a matriz triangular superior
 Calcular el determinantes de dos matrices de 4*4
 Calcular las inversas de: una matriz de 3*3 y de una matriz de 4*4
 Resolver los siguientes sistemas de ecuaciones:
Sistema de 3 ecuaciones con 3 incógnitas
Sistema de 4 ecuaciones con 4 incógnitas
Capítulo 2. Resolver los siguientes polinomios
4 3 2
13 . x  5 x  15 .23 x  6.24 x  24 .84  0
Sol : x1  6.9806 x 2  1.2814 x 3 4  1.631  0.34 i
3 2
14 . x  14 x  56 x  64  0
Sol : x1  8 x2  4 x3  2
5 4 3 2
15 . x  8x  17 x  8 x  14 x  20  0
Sol : x1  5 x2  2 x  1 x 4 5  1  i
2
3 2
16 . 2 x  41 x  4 x  2  0
Sol : x1  20 .5947 x 2  0.1779 x 3  0.2727
3 2
17 . x  8 x  15 x  1  0
Sol : x1  5.0937 x 2  2.8370 x 3  0.0690
3 2
18 . x  5x  4x  2  0
Sol : x1  3.81 x 2  1.5293 x 3  0.3429
3 2
19 . x  4x  5x  7  0
Sol : x1  4.74 x 2  0.8989 x 3  1.6419
4 3 2
20 . x  2 x  3x  2 x  1  0
Sol : x1 2  0.5  1.732 i x   0.5  0.866 i
3  4
2
21 . x  2x  7  0
Sol : x1 2  1  2.449 i
3 2
22 . x  3x  7x  5  0
Sol : x  1 x 2 3  1  2i
1
Capítulo 3. Resolver los siguientes ejercicios sobre interpolación polinomial y

definir la función representativa.
23. Interpolar x = 3.75
X 0 1 2 3 4 5 6 7 8 9 10 11 12
Y -1 3 41 173 483 1079 2093 3681 6023 9323 13809 19733 27371
Sol. Y = 383.316
24. Interpolar x = 9
X 0 2 4 6 8 10 12 14 16
Y 5 8 43 158 401 820 1463 2378 3616
Sol. Y = 585.5
25. Interpolar x =5
X 1 3 4 7 10 12
Y 1.8 51.4 136.2 846.6 2619 4630.6
Sol. Y = 287.02
26. Interpolar x =11
X 0 1 4 7 10 13 16
Y -1 4 151 622 1579 3184 5599
Sol. Y = 2034
27. Interpolar x =3.35, x = 4.45, x = 6.75
X 0 1 2 3 4 5 6 7
Y 1 2 5 10 17 26 37 50
Sol. Y = 12.22
Y = 20.803
Y = 46.56
Capítulo 4. Resolver los siguientes ejercicios de integración numérica.
Resolver por métodos aproximados las siguientes integrales aplicando la fórmula de 3/8
de Simpson, tabulando datos para 6 intervalos.
2.67
 (x
1
28. 2
 2 x  1)dx Sol : 0.7762
2 1
10
 (x  3x  2)dx Sol  292.5

2
29.
5
20
 (x  3x 2  5 x  6)dx Sol  32880

3
30.
0
2
31. 2  (4 x  x 2 ) 1  (4  2 x) 2 dx Sol  5.4088
1.79
7
32.  cos x
1
1  sen 2 x dx Sol  0.1047
Capítulo 5. Ejercicios sobre aproximación funcional
Dados los pares ordenados indicados, encontrar la función que representa

aproximadamente a la tabla.
33.
X 0 1 2 3 4 5 6 7
Y 2 4 3 6 5 7 9 8
Solución : y  0.02 x 3  0.2002 x 2  0.4565x  2.3787
34.
X 0 1 3 4 7 9
Y 2 4 6 9 11 14
Solución : y  0.0365x 2  1.6115x  2.1687
35.
X 0 1 2 3 4 5 6
Y 3 6 9 15 18 21 25
Solución : y  0.011x 2  3.8214 x  2.5476
36.
X 0 1 2 3 4 5
Y -1 0 1 20 99 304
Solución : y  x 4  3x 3  2 x 2  x  1
37.
X 1 2 3 4 5 7
Y 3 19 53 111 304 323
Solución : y  6.95x 3  84.80 x 2  229.96 x  166.98
Capítulo 6. Ejercicios sobre ecuaciones diferenciales ordinarias
Resolver las siguientes ecuaciones diferenciales por :

 Integración
 Aplicando la serie de Taylor
 Por Runge Kutta
y comparar los resultados de los tres métodos en una tabla de valores.
38 y '  0.5(5  x) y 2 x  0, y  1, h  0.1

39 y '  ( x  3x  5 x  1)
3 2
x  1, y  2, h  1
40 y '  (3x  5 x  1) * y
2
x  0, y  1, h  0.5
41 y '  ( x  3x  5 x  1) * y
3 2 2
x  0, y  2, h  0.2
42. y '  (3x  5 x  1) y
2 2
x  0, y  1, h  0.1
CAPITULO VII
Diagramas de flujo
Cálculo del determinante de una matriz de N*N
inicio
M=N
i =1,N
J = 1, N
A[i,J]
i =1,N
C(i,i) = A (i,i)
J = i, N
A(i,j)= A(i,j)/ A(i,i)
no si
a i=N b
a b
k=i+ 1 DD = 1
L=k ,N i= 1,N
D = A(L, i)
J = i, M
J = i, M
DD = DD*C(i,i)
A(L,J) = A(L,J) –D*A(i,J)
Imprimir
DD
Sistemas de ecuaciones lineales de N*N
inicio El diagrama planteado

incluye el análisis para
definir si existe o no
solución de un sistema
de ecuaciones, por lo
N que se recomienda
incluir en un programa
final el cálculo del
determinante,
M = N+1 recordando que cuando
el determinante es
diferente de cero el
I=1,N sistema tiene solución.
J = 1, M
A[i,J]
I=1, M
C(i,i) = A (i,i)
J = i, M
A(i,j)= A(i,j)/ A(i, i )
no si
i=n
DD = 1
k=i+1
L=k ,N
i= 1,N
D = A(L, i )
J = i, N
J = i, M
DD = DD*C(i,i)
A(L,J) = A(L,J) –D*A(i,J)
BB
BB
NO SI
DD=0
X(N)=A(N,M)/A(N,N)
El sistema no tiene
solución o puede tener
i= N-1, infinito número de
1 soluciones
S(i) = 0
J = i+1, N
C(J) = X(J)*A(i,J)
S(i) = s(i) + c(J)
X(i) ={ A(iM) – s(i) } / A(ii)
i= 1, N
x(i)
Método de investigación para el cálculo de intervalos de solución de un polinomio.
inicio
N,
I=1,N+
1
A[i]
Rm(0)=0
X1(L)=Rmáx-Rm(L-1)
1 L=1,k
X2(L)=x1(L)-Rm
P=Q=A(N+1); J =N
I =1,N
P=P+A(i)*x1(L)J
Q=Q+A(i)*x2(L)J
J=N-1
F1(L)=P; F2(L)=Q
M(L)=F1(L)*F”(L)
1
si
M(L)
<0
No hay solución Si hay solución
X1(L)=X2(L)
L=1,
Imprimir:
K,x1,x2,f1,f2,solución
Método de interpolación. Para calcular una solución conociendo el intervalo por el

método de investigación.
N, x1, x2
i=1,N+1
METODO
DE
A(i) INTERPOLACION
J=N, P=Q=R=A(N+1)
i=1,N
P=P+A(i)*x1(1)J
Q=Q+A(i)*x2(1)J
P * x 2 (1)  x1(1) 

P Q
x 3  x1(1)   J  N
i=1,N
R=R+A(i)*x3(1)J
no si
P*Q>0
L=1,K L=1,K
P=Q=A(N+1), J=N P=Q=A(N+1), J=N
i=1,N i=1,N
A B
J=J-1 J=J-1
P=P+A(i)*x1(L)J P=P+A(i)*x1(L)J
Q=Q+A(i)*x2(L)J Q=Q+A(i)*x2(L)J
2
1
1 2
no si no si
E<=0.001 E<=0.001
x1(L)=x1(1) solución x2(L)=x2(1) solución

x2(L)=x1(L)+E(L) X2(L) x1(L)=x1(L)+E(L) X1(L)
A B
imprimir
no si
otro cálculo
f in inicio
Método de Newton Raphson Tomando como valor inicial de x el valor de Rmàx (fòrmula
5.1), o cualquier valor de x, incluyendo el concepto de derivada para su solución.
inicio
N,
I=1,N+
1
A[i]
1 Z=1,k
Fx=0; p=N
I=1,N+
1
Fx=Fx+A[i].x p
P=N-1
F<0.0
01
Xsol=x Fx1=0; n=N
J=1,
N
fin
si
Fx1=Fx1+n*A[J]x(n-1)
n=n-1
x=x - (Fx/Fx1)
1
Método de Birge V ieta

N (aplicación de la teoría
de Ruff ini
i=1,N+1
A (i)
 a 
2
a 
X (1)   2   2 3 
 a1   a1 
K=1
A
no si
K<soluciones
divergencia b(1)=a(1)
c(1)=b(1)
B i=2,N+1
b(i)=a(i)+b(i-1)*x(k)
J=2,N
c(J)=b(J)+b(J-1)*x(k)
E(k)=b(i) / c(j)
no si
K<0.001
K=K+1 X(k)=s oluc ión(N)
X(k)=X(k)-E(k-1) i=2,N+1
a(i)=b(i)
A
N=N-1
no si
N=1
B Soluc ión(1)=-a(2)/a(1)
imprimir s oluciones
f in
inicio
Interpolación de
Lagrange para
N, X
intervalos constantes
y variables
i=1,N+1
X(i), Y(i)
Y=0
Sugerencia:
i=1,N
c o mp l e t e e l
si
i=N pr ogra ma pa ra
que i ncluya en
NUM=1 los resultados el
DEN=1
p ol i no m i o
J=1,N r ep res entati vo
de lo s datos
si
J=N
tabulados
si
i=J
NUM=NUM*(X-X(J)
DEN=DEN*(X(i)-X(J)
NUM
Y Y  * Y (i )
DEN
Y=solución
f in
inicio
N, K
Integración numérica por
diversos métodos
i=0,N-1
X(i), Y(i)
h=X(2)-X(1)
si
Trapecios
si s=0
simpson 1/3
i=1,N-1
N es si
par S=S+y(i)
no es
aplicable
N es si SP=0,
Y (o)  Y ( N )
múltiplo de 3 SI P=0 A(  S) * h
i=2,N-2,2
2
no es
aplicable
SP=SP+y(i)
2 1 2 2
i=1,N-1,2
SI P=SIP+y(i)
h
A (Y (o)  Y ( N )  2 * SP  4 * SIP)
3
SP=0 ,
SIP=0
i=1,N-1
si
i es
múltiplo de 3
SIP=SIP+y(i
SP=SP+y(i)
)
3
A h(Y (o)  Y ( N)  2 * SP  3 * SIP)
8
imprimir resultados
fin
inic io
A prox imac ión

f unc ional
N, G
( G=gr ado escogido
para el pol inomio )
i=1,N
X(i), Y ( i)
J=0,G
i=1,N
X(i,J+1) =X( i)J
i=1,N
y (i,1)=y ( i )
i=1,N
J=1,G+1
XT(J,i) =X(i,J)
k=N
i=1,G+1
J=1,N
Z (i,J)=0
L=1,K
Z (L,J) =Z ( i,J)+XT(i,L)*X( L,J)
k=N
i=1,G+1
J=1,1
W( i,J)=0
L=1,K
W( L,J) =W(i,J)+XT( i,L) *Y ( L,J)
RESUELVA EL
SISTEM A DE
ECUACIONES
Z = W
i=1,G+1
a(i)
f in
inicio Solución de la ecuación

diferencial
y ' = 0.5(1+X)Y2
para X=0 , Y=1
por el método de Runge
Kutta
X,Y
i=1,5
x(i,1)=X , y(i,2)=Y ,
h=0.1
K1(i,3)=0.5*{1+X(i,1)}*Y(i,2) 2
K2(i,4)=0.5*{1+X(i,1)+0.5h}*{Y(i,2)+K1(i,3)*0.5h} 2
K3(i,5)=0.5*{1+X(i,1)+0.5h}*Y(i,2)+K2(i,4)*0.5h} 2
K4(i,6)=0.5*{1+X(i,1)}*{Y(i,2)+K3(i,5)*h} 2
X=X(i,1)+h
Y=Y(i,2)+(h/
6)*{K1(i,3)+2K2(i,4)+2K(i,5)+K(i,6)
i=1,5
X(i,1) , Y(i,2) , K1(i,3) ,

K2(i,4) , K3(i,5) , K(i,6)
fin El método de Runge Kutta por sus

car a cte rística s es ap l ica bl e a
problemas específicos, por lo que no
permite gene ralizar un proceso de
automatización, por esto se sugie re
utilizar una hoja electrónico para su
solución por la fa cilidad que esta
presenta
BIBLIOGRAFÍA.
GRANVILLE, Smith, Cálculo diferencial e integral, Edit. Hispano América, 1973, México
Rainville, Earl, Ecuaciones diferenciales, Edit. Trillas, 1974, México
Murray, Spiegel, Albebra superior, Edit. McGraw-Hill, Tercera edición, 1989, México.
LUTHE, Olivera, Métodos Numéricos, Edit. Limusa, 1978, México.
Nakamura, Métodos numéricos aplicados con software, Edit. Prentice Hall, 1993, México.
Andrade William, Lógica de programación y lenguaje pascal, Ecuador, 1996.
Medina Washington, Matrices y cálculo diferencial e integral, Ecuador, 2000.
Andrade William, anotaciones de asignatura Programación, FIC UTA 1986

ANEXOS
PROYECTO DE CURSO
1. OBJETIVO: Diseñar un software que permita la solución de ejercicios de conformidad a los

capítulos del presente texto.
2. REQUISITOS: Lenguaje de programación a utilizarse:_______________________
3. GRUPOS DE TRABAJO Y TEMA CORRESPONDIENTE
Grupo 1:
Tema: Determinantes, inversa
Integrantes(2): .........................................................................
.........................................................................
Grupo 2:
Tema: Sumar, resta, multiplicación de matrices, sistemas de ecuaciones lineales
Integrantes(2): .........................................................................
.........................................................................
3.3. Grupo 3:
Tema: Gráfica de un polinomio visualizando la tabla de valores
Integrantes(2): .........................................................................
.........................................................................
3.4.Grupo 4:
Tema: Método de investigación
Integrantes(1): .........................................................................
.........................................................................
3.5. Grupo 5
Tema: Método de interpolación
Integrantes(1): .........................................................................
.........................................................................
3.6. Grupo 6
Tema: Método de Newton Rapshon
Integrantes(1): .........................................................................
.........................................................................
3.7. Grupo 7
Tema: Método de Birge Vieta
Integrantes(2): .........................................................................
.........................................................................
3.8. Grupo 8
Tema: Aproximación Polinomial (Interpolación de Newton y Lagrange)
Integrantes(2): .........................................................................
.........................................................................
3.9. Grupo 9
Tema: Integración
Integrantes(2): .........................................................................
.........................................................................
3.10. Grupo 10
Tema: Aproximación funcional
Integrantes(2): .........................................................................
.........................................................................
3.11. Grupo 11
Tema: Ecuaciones diferenciales ordinarias (Runge Kutta)
Integrantes(1): .........................................................................
.........................................................................
3.12. Grupo 12
Tema: Método Lin (investigación)
Integrantes(3): .........................................................................
.........................................................................
Evaluación 1:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Calcular el determinante de la siguiente matriz, utilice dos decimales)
2 3 1 4
1 2 1
3 1 -2
1 1 4 3
2. Resolver el siguiente sistema de ecuaciones lineales por el método de Gauss, anote en la

tabla la matriz triangular superior y los términos independientes
X Y z w X y z w
1 2 4 1 = 3 =
1 2 -2 = 5 =
2 1 3 = 1 =
1 3 1 3 = 4 =
X=
Y=
Z=
W=
3. Realizar el diagrama de flujo o codificar exclusivamente la parte operativa del proceso para
resolver:
3.1. La matriz triangular superior
3.2. la multiplicación de dos matrices
Intercambio de filas de una matriz
La matriz triangular inferior
la multiplicación de una matriz por un escalar
La transpuesta de una matriz
Evaluación 2:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Del polinomio indicado calcule un intervalo de solución por el método de investigación,

iniciando el cálculo en el valor de Rmáx.
Y=
K X1 X2 Fx1 Fx2 Fx1*fx2

1
2
3
4
5
Del intervalo encontrado en la pregunta 1, encuentre la solución por el método de interpolación
K X1 X2 Fx1 Fx2 E
1
2
3
4
5
2. Codificar o realizar el diagrama de flujo de:
a. Generación de un tabla de datos X/Y de un polinomio

b. Cálculo de la primera fila de la tabla del método de investigación asumiendo
diagramado o codificado el ingreso del polinomio.
c. Cálculo de la primera fila de la tabla del método de interpolación asumiendo
3. Codificar o realizar el diagrama de flujo para :
a. calcular los coeficientes de la segunda derivada de un polinomio.

b. Definir la concavidad de del intervalo de un polinomio
Evaluación 3:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Del polinomio indicado calcule una solución por el método de VON MISES, iniciando el
cálculo en el valor de Rmáx.
Y=
K X Fx F’xo Fx/f’xo
1
2
3
4
5
2. De la función trigonométrica indicada, calcule una solución utilizando el método de Newton

Rapshon.
Y=
K X1 Fx F’x fx/f’x
1
2
3
4
5

b. Cálculo de la primera fila de la tabla del método de investigación asumiendo
c. Cálculo de la primera fila de la tabla del método de interpolación asumiendo
diagramaddo o codificado el ingreso del polinomio.
d. calcular los coeficientes de la segunda derivada de un polinomio.
e. Definir la concavidad de del intervalo de un polinomio
4. Codificar o realizar el diagrama de flujo para :
a. La matriz triangular superior

b. la multiplicación de dos matrices
c. Intercambio de filas de una matriz
d. la multiplicación de una matriz por un escalar
e. La transpuesta de una matriz
Evaluación 4:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Del polinomio indicado calcule todas las soluciones por el método de BIRGE VIETA.
Y=
K X Fx F’xo Fx/f’x
1
2
3
4
5
Solución: X1=
Polinomio bajado de grado: Y =
K X1 Fx F’x fx/f’x
1
2
3
4
5
Solución: X2 =
Polinomio bajado de grado: Y =

b. Calcular los coeficientes del polinomio bajado de grado
c. calcular los coeficientes de la segunda derivada de un polinomio.
d. Calcular las soluciones de un polinomio de segundo grado por la fórmula general
Evaluación 5:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Escriba cuatro pares ordenados, interpole un valor ubicado entre el segundo y tercer par ,
utilizando el método de Lagrange.
x y
Y=
2. Del polinomio indicado calcule una solución por el método de interpolación

Y=
k X1 X2 Fx1 Fx2 E
1
2
3
4
5
6
7
8
9
10
X=
3. Llene los datos en la tabla siguiente aplicando el método de Newton Rapshon para la
función indicada indicada.
Y=
K X Fx F’x Fx/F’x
1
2
3
4
5
a. El cuadro de diferencias finitas del método de interpolación de Newton

b. El cálculo del numerador de la fórmula del método de interpolación de Lagrange
c. El cálculo del denominador de la fórmula del método de interpolación de Lagrange
Evaluación 6:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Del polinomio indicado calcule todas la integral por el método del trapecio, considere n = 9
Y= x1 = x2 =
K X Y
0
1
2
3
4
5
6
7
8
9
2. De la función trigonométrica indicada calcule todas la integral por el método de simpson

3/8, considere n = 9
Y= x1 = x2 =
K X Y
0
1
2
3
4
5
6
7
8
9
a. La integración por el método del trapecio

b. La integración por el método de simpson 1/3
c. La integración por el método de simpson 3/8
Evaluación 7:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Escriba cuatro pares ordenados, y, encuentre la función representativa de los pares

ordenados, utilice el método de Lagrange.
x y
Y=
2. De la función trigonométrica indicada calcule todas la integral por el método de simpson

3/8, considere n = 9
Y= x1 = x2 =
K X Y
0
1
2
3
4
5
6
7
8
9
a. La integración por el método del trapecio

b. La integración por el método de simpson 1/3
c. La integración por el método de simpson 3/8
a. El cuadro de diferencias finitas del método de interpolación de Newton

b. El cálculo del numerador de la fórmula del método de interpolación de Lagrange
c. El cálculo del denominador de la fórmula del método de interpolación de Lagrange
Evaluación 8:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. De la tabla de datos indicada, Encontrar la función representativa por aproximación

funcional, considerando el grado del polinomio igual a 3.
X Y
=
=
=
=
2. Codificar o realizar el diagrama de flujo para:
a. Construir la matriz X del método de aproximación funcional

b. Calcular la matriz u del método de aproximación funcional
c. Calcular la matriz v del método de aproximación funcional
Evaluación 9:
Universidad:...............................................................................................................
Facultad :....................................................................................................................
Nombre:......................................................................................................................
Curso:..........................................................................................................................
Fecha:..........................................................................................................................
1. Encontrar la solución de la ecuación diferencial indicada, por integración, aplicacndo la

serie de Taylortel y la solución numérica aplicando el método de Runge Kutta
Y’ =
Para las siguientes condiciones iniciales
Xo = Yo =
Por integración:
Por la serie de Taylor:
Por el método de Runge Kutta
X Y K1 K2 K3 K4
Evaluación 10:
Nombre: Universidad:
Curso: Fecha:
1. Encontrar la solución numérica de 2. Calcular el área bajo la curva de la la
la ecuación diferencial indicada, siguiente función:
por el método de Runge Kutta. .................................... X1 = , X2 =
para n = 9 .
Y’ =
X Y
Para las siguientes condiciones
iniciales
Xo =
Yo =
.h =
X Y K1 K2 K3 K4
Fórmula de aplicación:
Solución =
3. De la tabla de datos indicada, 4. Encontrar las soluciones del siguiente

Encontrar la función representativa polinomio de grado 3
por aproximación funcional, .......................................................
considerando el grado del
polinomio igual a 3. k X R R’ R/R’
1
2
X Y 3
4
5
6
7
8
9
= Polinomio bajado de grado:

=
=
= Soluciones:
X1 =
X2 =
Solución: X3 =
TALLERES DE APRENDIZAJE
DE MATLAB (V 6.5)
TALLER 1: Aplicación de matlab a cálculos matriciales
>> A =[1 2 3 ; 4 2 1 ; 4 3 1]
A=
1 2 3
4 2 1
4 3 1
>> B = [1 5 2]' % ingreso de una matriz y calculo de su transpuesta
B=
1
5
2
>> B = [1 ; 5 ; 2] % Ingreso de una matriz de 3*1
B=
1
5
2
>> C = det(A) % Calculo del determinante de la matriz A
C=
11
>> C = inv(A) % Calculo de la matriz inversa de A
C=
-0.0909 0.6364 -0.3636

0 -1.0000 1.0000
0.3636 0.4545 -0.5455
>> S = C*B % solucion de un sistema de ecuaciones con aplicacion de la inversa
S=
2.3636
-3.0000
1.5455
Código para el cálculo de un sistema de ecuaciones lineales: ARCHIVO sisecua

% Calculo de un sistema de ecuaciones

clc
clear
n=input('ingrese numero de ecuaciones');
for i=1:n
for j=1:n
fprintf('A(%d,%d)=',i,j);
A(i,j)=input('');
end
end
A
for i=1:n
fprintf('B(%d,%d)=',i,1);
B(i,1)=input('');
end
end
B
C=inv(A);
D=C*B;
for i=1:n
fprintf('X(%d)=',i);D(i)
end
EJERCICIOS DE PRACTICA:
Codificar el proceso para:
Suma de matrices
Resta de matrices
Multiplicación de matrices
Transpuesta de una matriz
Multiplicación de una matriz por un escalar
TALLER 2: Aplicación de matlab a la solución de una ecuación de segundo grado con uso de la formula
general.
Código para el cálculo de una ecuación de segundo grado por la fórmula general: ARCHIVO
ecuacionsegundogrado.m
clc
clear
a=input('Ingrese el coeficiente 1');
b=input('Ingrese el coeficiente 2');
c=input('Ingrese el coeficiente 3');
delta=b*b - 4*a*c;
if delta==0
x1=-b/(2*a);
x2=-b/(2*a);
fprintf('\n\nLa solucion 1 es: %2.2f\n\n',x1);
break;
else
if delta>0
x1=(-b+sqrt(delta))/(2*a);
x2=(-b-sqrt(delta))/(2*a);
break;
else
x1=(-b+sqrt(delta)*(-1))/2*a;
x2=(-b-sqrt(delta)*(-1))/2*a;
% disp. De las líneas siguientes visualizan la parte imaginaria de la respuesta
fprintf('\n\nLa solucion 1 es: %2.2f\n\n'),disp(x1)
fprintf('\n\nLa solucion 2 es: %2.2f\n\n'),disp(x2)
end
end
TALLER 3:
PARTE 1:
Aplicación de matlab para el cálculo de las raices de un polinomio y cálculo del polinomio para un valor de
x.
% INGRESO DE UN POLINOMIO
>>
>> p =[1 3 -4 5 6] % polinomio de 4 grado
p=
1 3 -4 5 6
>> polyval(p,5) % calculo de la funcion f(x) para x = 5
ans =
931
roots(p) % Cálculo de las raices de un polinomio
ans =
-4.1654
0.9235 + 1.1227i
0.9235 - 1.1227i
-0.6816
TAREA 2:
Código para el cálculo del valor de un polinomio para un valor de x: ARCHIVO poli
% Evaluacion de un polinomio en puntos dados por el usuario

clc
clear
n = input ('Grado del polinomio: ');
for j=n:-1:0
fprintf(1,'Coeficiente de x^%d : ',j);
coef(n-j+1)=input ('');
end
while 1
x = input ('Punto a evaluar: ');
if x == -999
break;
end
fprintf(1,'p(%f) = %f\n',x,polyval(coef,x));
end
TALLER 4:
PARTE 1: Gráfica de una función

x=-4:0.01:4; y =sin(x); plot(x,y), grid, title ('Funcion seno (x)')
PARTE 2: Preparacion de peliculas o "movies": ARCHIVO: movimiento
M =moviein(17);
x=[-2*pi:0.1:2*pi]';
for j=1:17
y=sin(x+j*pi/8);
plot(x,y);
M(:,j)=getframe;
End
PARTE 3: Código para la generación de tabla de datos de pares ordenados de una función
y = f(x): ARCHIVO funcionxy.m
clc
clear
f=input('ingrese la funcion:','s');
xo=input('ingrese el valor inicial de x:');
h=input('ingrese el intervalo');
n=input('ingrese el numero de pares ordenados:');
f1=inline(f);
fprintf('\t x\t\t y\n')

for k=1:n
y=feval(f1,xo);
fprintf('\t\t%4.2f\t\t%4.2f\n',xo,y)
xo=xo+h;
end
PARTE 4: Código para la graficación de un función algebraica ARCHIVO: grafico1

x=-5:0.01:5;
y=x.^3-5*x.^2+11;
plot(x,y)
TALLER 5: Gráfica de un polinomio por medio de la tabla de datos x,y
Código para la gráfica de un polinomio por medio de una tabla de datos x,y ARCHIVO:
funcionpolinomio.m
clc
clear
n=input('ingrese el numero de pares ordenados');
for i=1:n
fprintf('x(%d)=',i);
x(i)=input('');
end
for i=1:n
fprintf('y(%d)=',i);
y(i)=input('');
end
fprintf('\t\t x\t\t\t y\n')
for i=1:n
fprintf('\t\t%4.2f\t\t%4.2f\n',x(i),y(i))
end
plot(x,y)
end
x y
-1.00 6.00
0.00 5.00
1.00 3.00
2.00 7.00
3.00 1.00
4.00 2.00
5.00 3.00
TALLER 6: Método de investigación

utilizando ciclos for: ARCHIVO: investigacionFOR.m
clc
clear
f=input('Ingrese la funcion: ','s');
input('el ingreso de los siguientes datos permite el calculo de rmax')
a1=input('Ingrese el coeficiente 1: ');
delta=input('Ingrese el intervalo de disminucion');
n=input('Ingrese el numero de iteracciones');

rmax=sqrt((a2/a1)^2-2*a3/a1);
%x=5;
x=rmax;
x2=x-delta;
f1=inline(f);
fxl=f1(x);
f2=inline(f);
fx2=f2(x2);
fprintf('\t k\t\t\t x1\t\t\t\t x2\t\t\t\t fx1\t\t\t fx2\t\t fx1*fx2\n')
for k=1:n
fx1=f1(x);
fx2=f2(x2);
fxm=fx1*fx2;
fprintf('\t%3d\t\t%10.4f\t\t%10.4f\t\t%10.4f\t\t%10.4f\t\t%10.4f\n',k,x,x2,fx1,fx2,fxm)
x=x2;
x2=x-delta;
end
end
fplot(f,[-15 15],'r')
grid
TALLER 7: Método de investigación utilizando ciclos while: ARCHIVO: investigacionwhile.m

clc
clear
f= input('Ingrese la funcion: ','s');
delta=input('Ingrese el intervalo de disminucion');
rmax=sqrt((a2/a1)^2-2*a3/a1);
x=rmax;
x2=x-delta;
f1=inline(f);
f2=inline(f);
n=1;
fx1=f1(x);
fx2=f2(x2);
while fx1*fx2>=0
fprintf('\t\t%10.2f\t\t%10.2f\t\t%10.2f\t\t%10.2f\n',x,x2,fx1,fx2);
x=x2;
x2=x-delta;
if n<50
else
fprintf('\n\nno se encuentran intervalos solucion');break
end
fx1=f1(x);
fx2=f2(x2);
n=n+1;
end
fprintf('\t\t%10.2f\t\t%10.2f\t\t%10.2f\t\t%10.2f\n',x,x2,fx1,fx2);
fprintf('\n\nel numero de iteracciones fue: %d\n',n);
fprintf('hay solucion en el ultimo intervalo');break
end
TALLER 8: Método de Interpolación : ARCHIVO: interpolación.m

clc
clear
f= input ('Ingrese funcion: ','s');
x1= input ('Ingrese el limite izquierdo ');
x2= input ('Ingrese el limite drecho: ');
f1=inline(f);
fprintf('\t k\t\t x\t\t x2\t\t fx1\t\t fx2\t\t E\n');
fx1=f1(x1);
fx2=f1(x2);
e= (abs(fx1)*(x2-x1))/(abs(fx2)+abs(fx1));
x3=x1+e;
fx3=f1(x3);
fp=fx3*fx1;
k=1;
j=1;
if fp>0
while k<21
fprintf('\t%2d\t\t%4.4f\t\t%4.4f\t\t%4.4f\t\t%4.4f\t\t%4.4f\n',k,x1,x2,fx1,fx2,e)
x1=x1+e;
fx1= f1(x1);
if abs(fx1)<0.0001
fprintf('\n\n la solucion es ');disp(x1);break;
end
if k==20
fprintf('\n\n en el intervalo escogido no hay solucion ');break;
end
k=k+1;
end
end
if fp<0
while k<20
fprintf('\t%2d\t\t%4.4f\t\t%4.4f\t\t%4.4f\t\t%4.4f\t\t%4.4f\n',k,x1,x2,fx1,fx2,e)
x2=x1+e;
fx2= f1(x2);
if abs(fx2)<0.0001
fprintf('\n\n la solucion es ');disp(x2);break;
end
if k==20
fprintf('\n\n en el intervalo escogido no hay solucion ');break;
end
k=k+1;
end
end
x=-5:0.01:5;
fplot(f1,[-5 5],'b');
grid
end
TALLER 9: Método de Newton Raphson utilizando ciclos for: ARCHIVO: newtonconFOR.m
clc
clear
f=input('ingrese la funcion : ','s');
xo=input('ingrese el valor inicial de x : ');
n=input('ingrese las iteracciones : ');
f1=inline(f);
df=diff(f,'x');
fprintf('la derivada de la funcion es');disp(df);
df1=inline(df);
fprintf('\t\t k\t\t\t x\t\t\t\t fx\t\t\t\t dfx\t\t\t fx/dfx\n')
for k=1:n
fx=f1(xo);
dfx=df1(xo);
if dfx==0
fprintf('\n\n\n HAY DIVERGENCIA EN EL METODO PUES LA PRIMERA DERIVADA ES CERO')
break;
end
dfx=df1(xo);
w=fx/dfx;
fprintf('\t\t%2d\t\t%10.4f\t\t%10.4f\t\t%10.4f\t\t%10.4f\n',k,xo,fx,dfx,w)
x1=xo-w;
xo=x1;
end
if dfx>0
fprintf('\n\n la solucion x es');disp(xo)
fprintf('el valor de la funcion para la solucion es');disp(f1(xo))
end
if dfx<0
fprintf('\n\n la solucion x es');disp(xo)
fprintf('el valor de la funcion para la solucion es');disp(f1(xo))
end
fplot(f1,[-5 5],'b');
hold on
plot(xo,0,'*r')
grid
TALLER 10: Método de Newton Raphson utilizando ciclos while: ARCHIVO:

newtonconwhile.m
clc
clear
er=input('ingrese el error admisible : ');
%n=input('ingrese las iteracciones : ');
f1=inline(f);
df=diff(f,'x');
fprintf('la derivada de la funcion es');disp(df)
df1=inline(df);
fprintf('\t\t k\t\t x\t\t\t fx\t\t dfx\t\t\t fx/dfx\n')
fx=f1(xo);
k=1;
while abs(fx)>er
fx=f1(xo);
dfx=df1(xo);
if dfx==0
xo=xo+0.75 %sugerncia del programador
end
dfx=df1(xo);
w=fx/dfx;
x1=xo-w;
xo=x1;
k=k+1;
if k>50
fprintf('las soluciones son imaginarias');break
end
end
y=f1(xo);
fprintf('la solucion x es');disp(xo)
fprintf('el valor de la funcion para la solucion es');disp(y)
fplot(f1,[-15 15],'b');
grid
TALLER 11: Analice el siguiente programa tomado de Internet ARCHIVO: newtonraphson.m
Para su funcionamiento se requiere crear otro archivo con el nombre de mifuncion:

function y = mifuncion (x)
y = x^3-2.45*x^2-4*x+3.25;
newtonraphson.m:
% Script para aplicar Newton-Raphson a mifuncion
% Lectura de datos
% Tengo que leer la cota de error 'cota', el número de iteraciones máximo 'n'
% y el valor inicial 'xi'
cota = input ('Cota de error objetivo: ');

n = input ('Nº máximo de iteraciones: ');
xi = input ('Valor inicial de la x: ');
xanterior = xi;
x = xanterior;
eanterior = inf;
e = eanterior;
i = 1; % contador de iteraciones
% Voy a dibujar las tangentes mientras calculo

figure(1)
clf
hold on
fplot('mifuncion(x)',[-2 2],'b');
grid
% Debo realizar un procedimiento iterativo mientras el error sea mayor que la cota
% y el número de iteración sea menor que n
while (e>cota) & (i<n)

y = mifuncion (xanterior);
yd = mifuncion_derivada (xanterior);
x = xanterior - y/yd;
% Para dibujar
yant=mifuncion(xanterior);
plot ([xanterior x],[yant 0],'r')
e = abs (x - xanterior);
xanterior = x;
eanterior = e;
i=i+1;
end
hold off
% Comprobación de por cual de las dos (tres) condiciones salió
if (e<cota)
disp ('Se encontró la solución');

disp ('La solución hallada es: ');
x
disp ('La cota de error es: ');
e
disp ('El número de iteraciones utilizado es: ');
i
disp ('Y el valor de la función en dicho punto es: ');
mifuncion(x)
else
disp ('Se superó el número de iteraciones');
end
TAREA:
 Rectifique el programa con variables que sean más entendibles para ud.
 Rectifique el programa considerando el ingreso de una función sin acudir a otro archivo.
 Rectifique el programa para que pueda visualizarse la tabla de valores
TALLER 12: Código para la tabla de diferencias finitas del método de interpolación de Newton
ARCHIVO: INTERPOLACIONDENEWTON.m
clc
clear
n=input('Ingrese numero de datos');
for i=1:n
fprintf('A(%d,%d)=',i,1);
A(i,1)=input('');
end
%end
for i=1:n
% for j=1:n
fprintf('B(%d,%d)=',i,2);
A(i,2)=input('');
end
k=1;
%for i=1:n
for j=3:n
for i=1:n-k
A(i,j)=A(i+1,j-1)-A(i,j-1);
end
k=k+1;
end
A
%end
%for i=1:n
% for j=1:n
%fprintf('\t%3d\t\t%10.4f\t\t%10.4f\n',i,A,B)
% fprintf('\t\t%10.4f\t\t%10.4f\n',A(i,j))
%end
%end
TALLER 13: Código para integración numérica por el método del trapecio ARCHIVO:
integración1.m
clc
clear
x1=input('ingrese el valor inicial de x : ');
x2=input('ingrese el valor final de x : ');
n=input('ingrese pares ordenados: ');
x11=x1;
h=(x2-x1)/n;
f1=inline(f);
yo=f1(x1);
yn=f1(x2);
integral=int(f,'x')
fprintf('\t\t k\t\t x1\t\t\t fx\t\t \n')
area=0;
for k=1:n-1
x1=x1+h;
fx=f1(x1);
area=area+fx;
end
for k=0:n
fx=f1(x11);
x11=x11+h;
fprintf('\t\t%3d\t\t%4.2f\t\t%4.2f\t\n',k,x11,fx)
end
x=-5:0.01:5;
fplot(f1,[-5 5],'b');
grid
integral=(yo+yn+2*area)*h/2;
fprintf('el valor de la integral es' ),disp(integral)
TALLER 14: Código para integración numérica por el método de Simpson 1/3 ARCHIVO:
integración13.m
clc
clear
if mod(n,2);
n=n+1;
end
x11=x1;
h=(x2-x1)/n;
f1=inline(f);
integral=int(f,'x')
for k=0:n
fx=f1(x11);
x11=x11+h;
end
yo=f1(x1);
yn=f1(x2);
area=0;
area1=0;
for k=1:n-1
x1=x1+h;
fx=f1(x1);
if mod(k,2) == 0
area1=area1+fx;
else
area=area+fx;
end
end
x=-5:0.01:5;
fplot(f1,[-5 5],'b');
grid
integral=(yo+yn+2*area1+4*area)*h/3;
TALLER 15: Código para integración numérica por el método de Simpson 3/8 ARCHIVO:
integración38.m
clc
clear
if mod(n,3)
fprintf('el valor de n debe ser multiplo de 3, rectifique\n\n')
else
n=n;
end
x11=x1;
h=(x2-x1)/n;
f1=inline(f);
for k=0:n
fx=f1(x11);
x11=x11+h;
end
yo=f1(x1);
yn=f1(x2);
integral=int(f,'x')
area=0;
area1=0;
for k=1:n-1
x1=x1+h;
fx=f1(x1);
if mod(k,3) == 0
area1=area1+fx;
else
area=area+fx;
end
end
x=-5:0.01:5;
fplot(f1,[-5 5],'b');
grid
integral=(yo+yn+2*area1+3*area)*3*h/8;
TALLER 16: Código para integración numérica por el método de Simpson 3/8 para funciones
trigonométricas ARCHIVO: integración38contrigonometricas.m
clc
clear
if mod(n,3)
fprintf('el valor de n debe ser multiplo de 3, rectifique\n\n')
else
n=n;
end
x11=x1;
h=(x2-x1)/n;
f1=inline(f);
for k=0:n
fx=f1(x11*pi/180);
x11=x11+h;
end
yo=f1(x1*pi/180);
yn=f1(x2*pi/180);
%integral=int(f,'x')
area=0;
area1=0;
for k=1:n-1
x1=x1+h;
fx=f1(x1*pi/180);
if mod(k,3) == 0
area1=area1+fx;
else
area=area+fx;
end
end
x=-10:0.01:10;
fplot(f1,[-10 10],'b');
grid
integral=(yo+yn+2*area1+3*area)*3*h*(pi/180)/8;
TALLER 17: Desarrollar un solo programa que permita resolver la integración por
cualquiera de los tres métodos estudiados.
TALLER 18: Código para aproximación funcional ARCHIVO: APROXIMACIONfuncional.m
clc
clear
n=input('Ingrese numero de datos: ');
for i=1:n
fprintf('X(%d)=',i);
x(i)=input('');
%A(i,1)=input('');
A(i,1)=x(i);
end
for i=1:n
fprintf('Y(%d)=',i);
%A(i,2)=input('');
y(i)=input('');
A(i,2)=y(i);
end
spline(x,y);
plot(x,y)
grid
g=input('Ingrese grado: ');
e=0;
for i=1:g+1
for j=1:n
if A(j,1)==0
B(j,i)=0;
end
B(j,i)=A(j,1)^e;
end
e=e+1;
end
B
for i=1:n
C(i,1)=A(i,2);
end
C
U=B' * B;
V=B' * C;
U
V
S=inv(U)*V;
S
TALLER 19: Código para el método de Runge Kutta para una sola función ARCHIVO:rungekuttasimple.m
clc
clear
%g=input('ingrese la funcion : ','s');
x1=input('ingrese el valor de x : ');
y1=input('ingrese el valor y : ');
h=input('ingrese el valor de h : ');

f1=inline(f);
%g1=inline(g);
fprintf('\t\t\t x\t\t\t\t y\t\t\t\t k1\t\t\t\t k2\t\t\t\t k3\t\t\t k4\t\t \n')
for k=1:n
k1=f1(x1);
x2=x1+h/2;
y2=y1+k1*h/2;
k2=f1(x2);
x3=x1+h/2;
y3=y1+k2*h/2;
k3=f1(x3);
x4=x1+h;
y4=y1+k3*h;
k4=f1(x4);
fprintf('\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\n',x1,y1,k1,k2,k3,k4)
x1=x1+h;
y1=y1+h*(k1+2*k2+2*k3+k4)/6;
end
TALLER 20: Código para el método de Runge Kutta ARCHIVO:rungekutta.m
clc
clear
%g=input('ingrese la funcion : ','s');
x1=input('ingrese el valor de x : ');
y1=input('ingrese el valor y : ');
h=input('ingrese el valor de h : ');
f1=inline(f);
%g1=inline(g);
fprintf('\t\t\t x\t\t\t\t y\t\t\t\t k1\t\t\t\t k2\t\t\t\t k3\t\t\t k4\t\t \n')
for k=1:n
k1=f1(x1,y1);
x2=x1+h/2;
y2=y1+k1*h/2;
k2=f1(x2,y2);
x3=x1+h/2;
y3=y1+k2*h/2;
k3=f1(x3,y3);
x4=x1+h;
y4=y1+k3*h;
k4=f1(x4,y4);
fprintf('\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\t%9.4f\t\n',x1,y1,k1,k2,k3,k4)
x1=x1+h;
y1=y1+h*(k1+2*k2+2*k3+k4)/6;
end
TALLER 21: Código para el método de Newton Rahpson con funciones trigonométricas. ARCHIVO:
newtonconforTRIGONOMETRICAS
clc
clear
%xo=xo*pi/180;
er=input('ingrese el error admisible : ');
n=input('ingrese las iteracciones : ');
f1=inline(f);
df=diff(f,'x');
fprintf('la derivada de la funcion es');disp(df)
df1=inline(df);
fprintf('\t\t k\t\t\t x\t\t\t\t fx\t\t\t\t dfx\t\t\t fx/dfx\n')
for k=1:n
fx=f1(xo*pi/180);
dfx=df1(xo*pi/180);
if dfx==0
xo=xo+0.75; %sugerencia del programador
end
dfx=df1(xo*pi/180);
w=(fx/dfx);
if abs(fx)<er,break,end
x1=xo-w;
xo=x1;
end
y=f1(xo);
fprintf('la solucion x es');disp(xo)
fprintf('el valor de la funcion para la solucion es');disp(y)
fplot(f1,[-5 5],'b');
grid

Metodos Numericosa4

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

Metodos Numericosa4

Cargado por

Copyright:

Formatos disponibles

METODOS

1. Errores por apreciación........................................................................ 2

Los métodos numéricos, al ser material de apoyo en las diferentes profesiones,

1. Errores por apreciación

Errores inherentes: Estos se deben a la lectura, mediciones, toma de cifras

Errores por redondeo Obedecen a un criterio matemático en el uso de cifras

Errores por truncamiento Se presentan especialmente en una serie infinita, la

Se presentan cuando al obtener un resultado, este está muy aproximado a la solución

Errores absolutos Es el valor resultante de restar el valor verdadero con el valor

Error relativo Representa el tanto por uno y se lo obtiene dividiendo el error

3. Solución de sistemas de ecuaciones lineales

Método de sustitución regresiva

Concluyendo, las fórmulas para la sustitución inversa ó sustitución regresiva son:

Las matrices de coeficientes y de términos independientes son:

El primer paso es obtener el valor de X3 . Se obtiene directamente de la última fila de la

4. Método de eliminación de Gauss

Se lo conoce también como método de eliminación gaussiana, y consiste en formar la

1. se divide a todos los coeficientes de la primera fila para el coeficiente a 11.

aij = aij - D*aij

actual = anterior - multiplicador*referencia

actual: nuevos coeficientes de la segunda fila

1. expresamos el sistema en forma matricial

2. Realizamos las siguientes iteracciones

Luego de este proceso, la matriz triangular superior será:

1 1/3 4/3 2/3

La solución es: x1 = 0.8

Uno de los problemas más conocidos y más utilizados de las matemáticas es la

5. Ecuaciones polinómicas. Una ecuación o función polinómica se la expresa en la

este polinomio puede tener raíces reales e imaginarias o complejas.

6. Métodos de solución de ecuaciones no lineales

6.1. Método de investigación

en el desarrollo matemático del análisis, para gráficamente identificar las soluciones de un

k X1 X2 F(X1) F(X2) F(X1)*F(X2) = "-"

Causas de divergencia en el método

1. Cuando el intervalo es muy grande o muy pequeño.

2. Cuando el gráfico no corta el eje “x” (raíces imaginarias).

ejemplo 4: Encontrar los intervalos de solución del polinomio:

1) Decidimos los valores de x con un intervalo de 0.5.

2) Calculamos rmáx para determinar el valor en el que se debe iniciar

rmáx no es aplicable porque funciona sólo para soluciones reales.

Las soluciones se encuentran en los intervalos:

4.5 < X < 5 -1 < X < -0.5

6.2 Método de interpolación

1. Requiere de un intervalo donde se encuentre la solución, para esto nos ayudamos

2. Requiere calcular un valor x3 =  + x1 donde  se define así:

 F ( x1)( x 2  x1)     F ( x 2)

Análisis de concavidades.- Se debe considerar además la concavidad de la función en

Si Fx3 es positivo, la función en el intervalo es cóncava hacia abajo

Si Fx3 es negativo, la función en el intervalo es cóncava hacia arriba.

X1=X1+E X2=X1+E X2=X1+E X1=X1+E

Para fines de programación podemos aplicar el siguiente criterio:

Causas de divergencia del método

1.- En el intervalo escogido no se encuentre la solución.

Control del error.

Es recomendable también comparar con los valores absolutos de fx1 y fx2:

1 4.5000 5.0000 -1.0000 1.8750 0.1739

Fx1< 0,001 => sol: x = 4,684

ejemplo 6. Del siguiente polinomio: x3 – 2.71x2 – 5.095x + 8.65 = 0

encontrar sus raíces calculando:

b) Cálculo de los intervalos por el método de investigación

k x1 x2 fx1 fx2 fx1*fx2

10 -0.3000 -0.8000 9.9076 10.4796 103.8277

c)Cálculo de raices por el método de interpolación