Libro de Metodos Numericos Malasquez 1 PDF

UNMSM MÉTODOS NUMÉRICOS
UNIVERSIDAD NACIONAL MAYOR DE SAN

MARCOS
(Decana de América)
FACULTAD DE CIENCIAS MATEMATICAS
CURSO METODOS NUMERICOS I - II
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ.
--2012—
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 1

INDICE
Pág.
INDICE………………………………………………………………………………..…2
INTRODUCCIÓN…………………………………………..……………………...…... 4
ERROR ABSOLUTO…………………………………………..………..………………5
Teorema de Bolzano…………………………………………………….……….….……6
MÉTODO DE BISECCIÓN………………………………………………………….….7
MÉTODO DE REGULA FALSI O MÉTODO DE FALSA POSICIÓN……………….10
MÉTODO DE PUNTO FIJO O MÉTODO DE APROXIMACIONES SUCESIVA…..12
MÉTODO DE LA SECANTE…………………………………………………………...15
MÉTODO DE NEWTON – RAPHSON…………………………………..….…………17
MÉTODO DE NEWTON – RAPHSON EN DOS VARIABLES…………………..…..24
INTERPOLACIÓN………………………………………………………………..…….27
INTERPOLACIÓN DIRECTA DE NEWTON -PROGRESIVO………………..…….28
INTERPOLACIÓN DE NEWTON REGRESIVO (NR)…………………………..……31
INTERPOLACION DIRECTA CENTRAL……………………………………….……32
INTERPOLACIÓN PARA EL CASO DE DATOS NO EQUIDISTANTES…….….…35
INTERPOLACION Y APROXIMACION DE LAGRANGE………………….………38
PROBLEMAS RESUELTOS…………………………………………………….……..42
METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES……..…….48
Método Crout-Doolitle…………………………………………………………………..50
Método de Cholesquy……………………………………………..…………………….52
Método Tridiagonal para sistemas de ecuaciones lineales………………………………59

Método Pentadiagonal para sistemas de ecuaciones lineales…………………………..65
NORMA DE UNA MATRIZ………………………………………………………......73
SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES LINEALES………...75
Método de Jacobi……………………………………………………………………….75
Método de Gauss- Seidel……………………………………………………………….85
DIFERENCIA NUMERICA…………………………………………………………..99
INTEGRACIÓN NUMERICA…………………………………………….………….105
EXTRAPOLACION DE RICHARDSON- (E.R)……………………………………..113
INTEGRACION DE ROMBERG…………………………………………………….123
SOLUCIÓN NUMÉRICA DE E. D.O. CON VALOR INICIAL…………………….130
Método de Euler……………………………………………………………………….130
Método de Taylor de orden K…………………………………………………………133
Predictor – corrector…………………………………………………………………...138
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR………………………140
CONCLUSIONES……………………………………………………..……………...143

INTRODUCCIÓN
En la práctica de la ingeniería y ciencias es frecuente tener la necesidad de resolver un

sistema de ecuaciones lineales. Estos sistemas aparecen en muy diversos problemas, ya sea
como la solución completa de un problema ó al menos como parte de ella. Dada esta
necesidad frecuente, se requiere resolverlos en forma eficiente.
Para una mejor organización y búsqueda rápida de cada tema se ha implementados con un
índice al principio del trabajo para su fácil ubicación de los temas ya que el texto completo
se encuentra enumerada de principio a fin, además en el final se ha considerado incluir
problemas resueltos de los diferentes temas estudiados.
Como los algoritmos de los métodos ya están disponibles en la mayoría de los libros de texto
sobre la materia, se explicara en la medida de lo posible, detalles de implementación
(personales) de los métodos directos (que son mas difíciles de programar). El lenguaje de
programación idóneo para tal fin será matlab 6.0
Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para
completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud
de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua
superación en los próximos trabajos que se han de mostrar.

ERROR ABSOLUTO
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, según si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
DEFINICION DE CIFRAS SIGNIFICATIVAS EXACTAS:

Se define por la siguiente relación:
; Donde:
m=es la descomposición polinómica.
n= numero de cifras significativas exactas.
DEFINICION DE CIFRAS DECIMALES EXACTAS:
Se define por la siguiente relación:
; Donde:
t=numero de cifras decimales exactas.
Ahora sea:
P = ln(5)
Entonces:
P= ln(5) = 1.609437912
Y sea sus siguientes aproximaciones:
P1 = 1.60123456
P2 = 1.609413131
P3 = 1.6094372
Donde: m = 0
Ahora hallamos sus Ea de cada uno.
Ea1 = | p – p₁ | = 0.008203 = 0.008 = 0.8x10¯³ = 0.001 = 0.1x10¯²

Ea₂ = |p - p₁ | = 0.000025 = 0.00003 = 0.3x10¯⁴
Ea₃ = |p - p₃ | = 0.0000012 = 0.00001 = 0.1x10¯⁵
Ahora hallaremos el número de cifras significativas exactas:

Para p₁:
0.1x10¯² ≤ 0.5x10¯ⁿ⁺¹
-2 = -n+1
n = 3 ---> p₁ tiene 3 cifras significativas exactas.

Para p₂:
0.3x10¯⁴ ≤ 0.5x10¯ⁿ⁺¹
-4 = -n+1
n = 5 ---> p₂ tiene 5 cifras significativas exactas.
Para p₃:
0.1x10¯⁵ ≤ 0.5x10¯ⁿ⁺¹
-5 = -n+1
n = 6 ---> p₃ tiene 6 cifras significativas exactas.
Ahora hallaremos el número de cifras decimales exactos:

Para p₁:
0.1x10¯² ≤ 0.5x10¯™
K=2
Entonces p₁ tiene 2 cifras decimales exactas.
Para p₂:
0.3x10¯⁴ ≤ 0.5x10¯™
K=4
Entonces p₂ tiene 4 cifras decimales exactas.
Para p₃:
0.1x10¯⁵ ≤ 0.5x10¯™
K=5
Entonces p₃ tiene 5 cifras decimales exactas.
TEOREMA DE BOLZANO (TB)

Sea la ecuación no lineal f(x) =0;
Donde f(x) es función no trascendente (trigonométrica, exponencial, logarítmica o
polinomial),
Si ( ) ( ) ( )
Aplicación del Teorema de Bolzano:

Sea f(x) = x.cos(x) – 1
x f(x)
-2 -
-1 -
0 -
1 -
2 +

Como f(1).f(2) < 0 ---> existe x* que pertenece a [1,2]
MÉTODO DE BISECCIÓN
Dado la ecuación no lineal f(x) = 0 /. Existe la raíz X* [a, b] por T.B.
El método de bisección consiste en hallar el promedio simple de cada intervalo
[ ] X*.
Algoritmo de bisección:
P-1.- Dado la ecuación f(x) = 0 /. Existe la raíz X* [a, b] por T.B.
P-2.- Generar la sucesión {xi}  x* mediante la siguiente relación
; i = 0, 1, 2,3…….
P-3. – Hallar
( ) ( )
P-4. - Dejar de iterarse
Parar si | |
Caso contrario ir al paso numero 2.
Ejemplo 01.
( ) X* [-1,2]
Obtener una solución con 2 cifras ex
Se deja de iterar si | |
i=0
( ) ( )
i=1

| |
( ) ( )
i=2
| |
( ) ( )
i=3
| |
( ) ( )
i=4
| |
X* = -0.03125
Ejemplo 02.
( ) X* [-2,1]
i=0 ;
( ) ( )

i=1 ;
| |
( ) ( )
i=2
| |
( ) ( )
i=3
| |
( ) ( )
i=4
| |
( ) ( )
i=5
| |
X* = -1.953125

MÉTODO DE REGULA FALSI O MÉTODO DE FALSA POSICIÓN

Es un método similar al método de bisección en la que en vez de hallar el promedio simple
de dos intervalos --> X*. El método de R.F. determina el promedio ponderado
de los intervalos --> X*.
Algoritmo del método de R.F.
Paso 1: Dada la ecuación ( )=0
Paso 2: Generar la sucesión: {xn} x* mediante la relación:

( ) ( )
( ) ( )
Paso 3: Hallar
( ) ( )
Paso 4: Parar si | |
Ejercicio 1:
( ) , Con X* [1,3]
i=0
( ) ( )
( ) ( )
( ) ( )
i=1

( ) ( )
( ) ( )
| |
( ) ( )
i=2
( ) ( )
( ) ( )
| |
X*=0.804
Ejercicio 2
( ) ; Con X* [-2,2]
i=0
( ) ( )
( ) ( )
( ) ( )
i=1
( ) ( )
( ) ( )
| |
X*=-0.20713

MÉTODO DE PUNTO FIJO O MÉTODO DE APROXIMACIONES

SUCESIVAS
Algoritmo:
Paso 1: Dado la ecuación ( )=0 / exista la raíz X* [a, b] por el T.B.
De ( )=0 despejar de diferentes formas y obtener una ecuación de la siguiente forma:
= g (x)……….. (2)
Donde g(x) es llamado función de iteración.
Si x = x* es raíz o solución de (2) también lo será de ( )=0, X* que satisface (2) es

llamado punto fijo.
Paso 2: Generar la sucesión:
{xn} x*
Mediante la siguiente relación:
Xn+1 = g (Xn) ; Donde n= 0,1,2,3,…
Tomando como valor arbitrario / b]
Paso 3: Dejar de iterar si:
| |
Caso contrario ir al paso 2.
Condición de convergencia:
Existe {xn} x* Si se cumple lo siguiente:
a) g (x) b]
b) ∃ g´( ) | g´( )| L ; ∀ b>
L es llamado constante de Lipschitz

L = Max {| g´ (a) |, | g´ (b) |}

Donde también consideramos obvio ( ) es continua y diferenciable en [a, b].

L a, b]
Ejemplos:
Por el método del punto fijo obtener una solución con dos cifras significativas exactas.
F(x) = 10.sen(x). -1
Primero hallaremos el intervalo donde exístela raíz.
x F(x)
-1 -23.87
-0.5 -8.90
0 -1
0.5 1.91
1.5 1.23
Verificamos su condición de convergencia, veremos si cumple 1° condición.
F(x) = 10.sen(x). -1 = 0 ---> x = arcsen ( ) = g₁(x)
Análisis para g₁(x) = arcsen( )
1° condición:
g₁(x) I = [a,b] = [0,1]
g₁(0) = 0.10
g₁(1) = 0.28
Por lo tanto g₁(x) cumple la 1° condición
2° Condición:
∃ g´₁ | g´₁ ( )| L
∀ ≊

S g₁ ( ) arcsen( ) ---> g´₁ ( ) ( /√ )

| g´₁ ( ) | = 0.11 < 0.9 ∀
| g´₁ ( ) | = 0.25 < 0.9 ∀
L = max{| g´₁ ( ) | , | g´₁ ( ) | }

L L --- g´₁ ( ) , cumple 2° condición
Siendo su relación de recurrencia lo siguiente:

Xn+1 = g₁(Xn) = arcsen( ) ; n = 0,1,2,……
Obtener una solución con 2 cifras significativas exactas.
OBSERVACIÓN: x0 puede tomar cualquier valor /.x0 [a, b]

Sea x0=0.5
X₀ arbitrario;
Donde: X₀ = 0.5
n=0
X₁ = arcsen( )
X₁ = 0.1656
n =1
X₂ = arcsen( )
X₂= 0.1183
n =2
X₃ = arcsen( )
X₃ = 0.1128
| X₃ - X₂| = 0.05 = 0.5x10¯¹ ≤ 0.5x10¯¹
Por lo tanto x₃ = X* con 2 cifras significativas exactas.

MÉTODO DE LA SECANTE
Algoritmo:
Paso 1: Dado la ecuación ( ) =0. / ∃ x* b].
Paso 2: Generar la {xi} x* Mediante:

( )( ) ( )( )
= ( ) ( )
; Donde i =2, 3,4,…
| |
Ejemplos:
Por el método de la secante obtener una solución con dos cifras significativas exactas.
F(x) = 10.sen(x). -1
Primero hallaremos el intervalo donde exístela raíz.
x F(x)
-1 -23.87
-0.5 -8.90
0 -1
0.5 1.91
1.5 1.23
Se observa que: f (0).f (0.5) <0 ---> Existe x*
Entonces ahora:
Sea x₀ = 0 y x₁ = 0.5
Para i = 2:

x₂ = f(0.5).0 - f(0).0.5 = 0.551

f(0.5) - f(0)
Para i = 3:
x₃ = f(0.551).0.5 - f(0.5).0.551 = 0.022

f (0.551) - f(0.5)
Vemos que |x₃ - x₂| = 0.0529 = 0.5x10¯¹

Como: 0.5x10¯¹ ≤ 0.5x10¯¹
Donde m = 0 y n = 2
Entonces x* = x₃
Por lo tanto x₃ = 0.022 es la raíz con 2 cifras significativas exactas.
F(x) = 0.91X³ - 4.9X² + 11.9X – 5
x F(x)
-1 -22.71
-0.5 -12.29
0 -5.00
0.5 -0.16
1.5 4.89
Se observa que: f(0.5).f(1.5)<0 ---> Existe x*

Entonces ahora:
Sea x₀ = 0.5 y x₁ = 1.5
Para i = 2:
x₂ = f(1.5).0.5 - f(0.5).1.5 = 0.89

f(1.5) - f(0.5)
Para i = 3:

x₃ = f(0.596).1.5 - f(1.5).0.596 = 1.20

f(0.596) - f(1.5)
Vemos que |x₃ - x₂| =0.031 = 0.3x10¯¹

Como: 0.3x10¯¹ ≤ 0.5x10¯¹
Donde m = 0 y n = 2
Entonces x* = x₃
Por lo tanto x₃ = 1.20 es la raíz con 2 cifras significativas exactas.
MÉTODO DE NEWTON – RAPHSON

El Método de Newton-Raphson es ampliamente utilizado para encontrar las raíces de la
ecuación f(x)=0, ya que converge rápidamente, la contra es que uno debe conocer la
derivada de f(x) y se necesita una aproximación inicial muy cercana a la raíz.
Se requiere que f(x) sea doblemente continua y diferenciable en [a, b].
Algoritmo:
Paso 1: Dado la ecuación f(x) = 0 / Existe la raíz X* b] por T.B.
Paso 2: Generar la sucesión {xn} x* mediante la siguiente relación de recurrencia.

( )
= - ( )
; n=0, 1, 2,…
| |
Convergencia de N-R.
Existe {xn} x*
( ) ´´( )
Si: | |<1
( ´( ))

Ejemplo:
Sea f(x)= -3x; donde x*
Primero analizamos su convergencia:
( ) ´´( )
| | X₀ = 0 < 1  = 0.2479 <1
( ´( ))
Si:
( )= -3x
( )= -3
( )
( ) ´´( )
| | x₀ = 1 < 1  Existe {xn} x* Por el método de N-R con =0.1
( ´( ))
Obtendremos una solución con 4 cifras significativas exactas.
n=4
Se deja de iterar si | | =0.5*10¯⁴
n=0
( )
= - ( )
Entonces:
= - = 0.52493063
Observación: Si =0.5, estaría más cercano a la raíz.
n=1
= - =0.61315951
n =2
= - = 0.619033363

n =3
= - = 0.69001281
| | = 0.000027923 = 0.3*10¯⁴
Entonces:
x* = con 4 cifras significativas exactas.
METODO DE PUNTO FIJO O METODO DE APROXIMACIONES

SUCESIVAS PARA SISTEMAS DE ECUACIONES LINEALES EN
DOS VARIABLES
Dado el Sistema:
F(x, y) = 0…… (1)

G(x, y) = 0…… (2)
De (1) y (2), despejamos de alguna forma x e y para obtener un sistema de la siguiente forma:
x = f(x, y) = f…… (3)
y = g(x, y) = g…… (4)
La solución de (3) es solución de (1).

La solución de (4) es solución de (2).
* Algoritmo del Punto Fijo:

1º Paso:
Dado el sistema: F(x, y) = 0
G(x, y) = 0
Despejar x ^ y, y obtener el siguiente sistema.
x = f(x, y) = f
y = g(x, y) = g

2º Paso:
Generar la sucesión:
{Xn} xk
^
{yn} Yk
Mediante la siguiente relación de recurrencia:
n = 0, 1, 2,…
3º Paso:
Dejar de iterar si:
|𝑋𝑛 𝑋𝑛 | ℰ
ó
|𝑌𝑛 𝑌𝑛 ; | ℰ C.C. ir al 2º Paso.
Condición de convergencia del punto fijo:
∃ {Xn} xk
^
∃ {yn} Yk
Si se cumple lo siguiente:
| |( ) | |( )
^
| |( ) | |( )
Ejemplo:
Sea el sistema.
… (1)
⁄ ⁄
… (2)

Localizar el intervalo inicial (x0, y0) por el T.B.
De (1) y (2) se tiene:
( ) ⁄ ⁄
( )
Con intervalo de longitud = l = 1
x ( )
-2 -
-1 -
0 ∄
1 -
2 -
3 + 𝑓( ) 𝑓( ) ∃ 𝑥⬚
Con intervalo de longitud = l = 0.1
x ( )
2 -
2.1 -
2.2 -
2.3 -
2.4 -
2.5 -
2.6 -
2.7 - 𝑓( ) 𝑓( ) ∃𝑥
2.8 +
2.9 +
3 +
( ) ;
Verificar su condición de convergencia
De: ( )

⁄ ⁄ ⁄ ( )
De: ( )
⁄
Se requiere que se cumpla: ( )
| |( ) | |( )
0 + 1 =1 <1
⁄
⁄ ⁄
( )
⁄
⁄
( )
| | ⁄
| |( )
Como L = 1 ∢ 1 → la solución puede converger o no
^ | |( ) | |( )
0.9 + 0 = 0.9 < 1
| |( )
Obtener una solución con dos cifras significativas exactas (m = 2)

Se deja de iterar si:
| | 0.5*10m-n+1 /m=0, n=2
0.5*10-1
ó
| | 0.5*10-1
Sus relaciones de recurrencia son:

⁄
⁄
( ) ( )
^
( )
Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
⁄
⁄
( )
^

n = 1; PRMERA ITERACION; con X1 = ^ Y1 =

⁄
⁄
( )
n = 2; SEGUNDA ITERACION; con X2 = ^ Y2 =

⁄
⁄
( )
n = 3; TERCERA ITERACION; con X3 = ^ Y3 =

⁄
⁄
( )
n = 4; CUARTA ITERACION; con X4 = ^ Y4 =

⁄
⁄
( )
n = 5; QUINTA ITERACION; con X5 = ^ Y5 =

⁄
⁄
( )
n = 6; SEXTA ITERACION; con X6 = ^ Y6 =

⁄
⁄
( )

^
n = 7; SEPTIMA ITERACION; con X7 = ^ Y7 =

⁄
⁄
( )
Si:
| | = 0.02 = 0.2*10-1 0.5*10-1
^
| | = 0.1*10-1 0.5*10-1
Cumple con las condiciones dadas, por tanto deja de iterar.
METODO DE NEWTON – RAPSON (N.R)
El sistema debe de estar en la forma:

F = F(x, y) = 0
G = G(x, y) = 0
Para que tenga solución su Jacobiano = J(x, y) = J ≠ 0
𝐹𝑥 𝐹𝑦
𝐽 ≠
𝐺𝑥 𝐺𝑦
* Algoritmo de N.R.
1º Paso:
Dado el sistema:
F(x, y) = 0
G(x, y) = 0
2º Paso:
Generar la sucesión:
{Xn} xk
^

{yn} Yk
Mediante la siguiente relación de recurrencia:
𝐹 𝐹𝑦
𝐺 𝐺𝑦 (𝑥𝑛 𝑦𝑛 )
𝑋𝑛 𝑋𝑛 ; 𝑛 …
𝐽(𝑥 𝑦)(𝑥𝑛 𝑦𝑛)
𝐹𝑥 𝐹
𝐺𝑥 𝐺 (𝑥𝑛 𝑦𝑛 )
𝑌𝑛 𝑌𝑛 ; 𝑛 …
𝐽(𝑥 𝑦)(𝑥𝑛 𝑦𝑛 )
Parar si:
|𝑋𝑛 𝑋𝑛 | ℰ
ó
|𝑌𝑛 𝑌𝑛 | ℰ
C.C. ir al 2º Paso.
Ejemplo:
⁄ ⁄
( )
( )
( ) ⁄ ⁄

⁄ ⁄ ⁄ ⁄
⁄ ⁄ ⁄
⁄ ⁄ ⁄
( 𝑥 𝑦 𝑦 𝑥 )
𝐽(𝑥 𝑦)
*Obtener una solución con dos cifras significativas exactas (m = 2).
Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
n = 1; PRIMERA ITERACION; con X1 = 2.7629 ^ Y1 = 2.8937
| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )

| ⁄ ⁄ ⁄ |
⁄ ⁄ ⁄
( )
Si:
| | = 0.0003 = 0.3*10-3 0.5*10-3
^
| | = 0.0005 = 0.5*10-3 0.5*10-3
Cumple con las condiciones dadas, por tanto deja de iterar.
INTERPOLACIÓN
Supongamos que se conoce f0 , f1, f2, …….fn valores correspondientes a X0, X1, X2, ….., Xn
valores independientes de una variable independiente X.( X0<X1<…<Xn) entonces tenemos
dos tipos de interpolación.
a) Interpolación directa.- consiste en que dado un valor XP diferente de los Xi pero

correspondido entre X0 y Xn, se desea hallar el valor de su imagen fP
b) Interpolación inversa.- consiste en que dado el valor de la imagen fP se desea hallar

el valor XP que genera dicha imagen.

1.- INTERPOLACIÓN DIRECTA LINEAL

XP = valor a interpretar f
FP = f (XP) imagen de XP (X1,f1) F(X)
(X0,f0
)
(XP,fP)
Xo XP X1 X
INTERPOLACIÓN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON – REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados Interpolación consiste, en dado un valor no
considerado , en la tabla, se debe hallar su imagen . Hay dos tipos de Interpolación.
A) Interpolación Directa. Consiste en que dado se debe hallar su imagen .

B) Interpolación Inversa. Consiste en que dado el valor de la imagen , se debe hallar el valor .
1) Interpolación Directa de Newton Progresivo (IDNP)
Se utiliza cuando se desea interpolar un valor dado al principio de la tabla o sector de la tabla.
Utiliza la siguiente fórmula.
P(P ) P(P )(P )

𝑓𝑝 𝑓 P∆𝑓 ∆ 𝑓 ∆ 𝑓 ⋯
! !
P(P )…(P (n ))
∆n 𝑓
n!
Donde ,
Utiliza la siguiente Tabla de omisión de Términos (T.0.T)

∆ ∆ ∆ ∆
Newton Progresivo 4 8 12 16
Newton Regresivo
Observación:
Si |∆ |<4 Se tiene Inter. Directa Lineal y se utiliza la fórmula de N.P. hasta la Diferencia, o
sea; ∆ .
Si |∆ |<8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la fórmula de N.P. hasta la
P(P )
Diferencia, o sea; ∆ ∆ .
!
Si |∆ |<12 Se utiliza IDNL y en la formula de NP se utiliza hasta la diferencia, osea

P(P ) P(P )(P )
∆ ∆ + ∆ .
! !
(4) Tanto en (1),(2) y (3) solo se considera las cifras significativas.
Ejemplo 1: En la Sgte. Tabla si =1.05, hallar
1 1.1 1.2 1.3

( ) 4 4.3 4.6 4.9
Sol:
( ) ∆ ∆
1 4
xp=1.05 f p =? 3=∆ Como|∆ |<4 se aplica IDL y se
1.1 4.3 0=∆ utiliza de NP hasta la Diferencia anterior o sea hasta
3 la diferencia
1.2 4.6 0
3 |∆ |=0<4
1.3 4.9

→ P=0.5 <0,1>
∆ → ( )
Ejemplo 2: Si
Hallar en la Sgte. Tabla
6.2 6.4 6.6 6.8 7 7.2

( ) g( ) 0.79239 0.30618 0.81954 0.83251
x ( ) g( ) ∆ ∆ ∆
6.2 0.79239=
Xp=6.36 fp=? 1279=∆
6.4 0.30618= -43=∆
1336=∆ 4
6.6 0.8195 = -39=∆
1297=∆ 1
6.8 0.83251= -38=∆
1259=∆ 2
7 0.84510= -36=∆
1223=∆
7.2 0.85733=
P(P )
∆ ∆
!
( )( )
( )
!
Si ( ) ( )
( )

2) Interpolación de Newton Regresivo (NR)
Se utiliza cuando se quiere interpolar un valor en la parte final de la tabla. Su fórmula es
P(P ) P(P )(P )

𝑓𝑝 𝑓 P 𝑓 𝑓 𝑓 ⋯
! !
P(P )…(P (n )) n
𝑓
n!
Donde
Ejemplo Si =3.9 hallar
x ( )
3 20.08
4.45
3.2 24.53 0.98
5.43 .22
3.4 29.96 1.20 6
6.63 .28
3.6 36.59 1.48 2
8.11 .30
3.8 49.7 1.78
9.89
4.0 54.59
| |<12 Se aplica de NR hasta la diferencia
P(P ) P(P )(P )

P
! !
( )( ) ( )( )( )
( )( )
! !

INTERPOLACION DIRECTA CENTRAL
Se utiliza cuando se quiere interpolar un valor en la parte central de la tabla.

Se tienen las siguientes formulas:
a) Interpolación de Stirling:
Se aplica si p 〈 〉
Su formula es:
p= 0+ S1 ( -1/2 + 1/2) + S2 0 + S3 ( -1/2 + 1/2) + S4 0 +…
Donde:
( ) ( ) ( )( )
S1= ; S2= ; S3= ; S4= ; S5= ; …
! ! !
b) Interpolación de Bessel:
Su formula es:
p= 0+ 1 1/2 + 2( 0 + 1) + 5 1/2 +…
Donde:
( ) ( )( ) ( )( )( )
1= ; 2= ; 3= ; 4= ; …
! ! !

c) Interpolación de Everett:
Su formula es:
= …
Donde:
( )( ) ( )( )( )( )
; !
; !
; …
( )( ) ( )( ) ( )( )
; !
; !
; …
*Tabla de Omisión de Términos (T.O.T):
Bessel o Stirling 4 60 20 500 100
Everett 4 no existe 20 no existe 100
Ejemplos resueltos:
En la siguiente tabla se tiene:
X f(x)= + + x +1
0 1 0.111 0.026 0.006 0
0.1 1.111 0.137 0.032 0.006 0
0.2 1.248 0.169 0.038 0.006 0
0.3 1.417 0.207 0.044
0.4 1.624 0.251
0.5 1.875
Como:
; No cumple
; cumple con la T.O.T, según P se aplica Bessel, Stirling o Everett.

Entonces hallar: fp
a) Si ;
Solución a):
Se sabe que:
Entonces:
〈 〉
Como:
〈 〉 | |
Se aplica Stirling y Everett porque 〈 〉
Para Stirling su es hasta su 2ºdiferencia, como 〈 〉y| | se aplica Everett o hasta su

anterior pero como no existe la 3º diferencia; el de Everett es hasta la 2º diferencia.
*Solución según Stirling:
p= 0+ S1 ( -1/2 + 1/2) + S2 0
p= 1.248 + 0.12 (0.137 + 0.169) + 0.0288*0.032
p= 1.2856416 valor aproximado
Con calculadora:
p= 1.285415424
*Solución según Everett:
p =0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)
p =1.285415424

INTERPOLACIÓN PARA EL CASO DE DATOS NO EQUIDISTANTES
POLINOMIO DE APROXIMACIÓN DE LAGRANGE
Sean (X0, f0), (X1, f1),…, (Xn, fn) (n+1) ptos
Entonces existe un polinomio de grado que para por dichos puntos
(X0<X1<X2<………………………. <Xn)
F(X) = a0(X-X1) (X-X2)…..(X-Xn)+a1(X-X0)(X-X2)….(X-Xn)+……+an(X-X0)(X-X1)(X-X2)...(X-Xn-1)
OBS: en el primer termino falta (X-X0), en el 2º termino (X-X1), y así sucesivamente en el

ultimo termino falta (X-Xn) esto es una cualidad de dicho polinomio.
Como f(x) debe contener a los puntos dados
Si X = X0 ; f(X0)= a0(X0-X1) (X0-X2)……..(X0-Xn)
f(o)
a0=
(X0 X1)(X0 X2)(X0 X3)………(X0 Xn)
Si X = X1 ; f(X1)= a1(X1-X0) (X1-X2)……..(X1-Xn)
f(1)
a1=
(X1 X0)(X1 X2)(X1 X3)………(X1 Xn)
.
Si X = Xn ; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)……..(Xn-Xn-1)
(n)
an=
(Xn X1)(Xn X2)(Xn X3)………(Xn Xn 1)

Remplazando los así en el polinomio P(X)
(X X1)(X X2)…(X Xn) ( 1 0 )( 2 )…(X1 Xn) (X X0)(X X1)…(X Xn 1)

f(X)= f0+ f1+…+ fn
(X0 X1)(X0 X2)…(X0 Xn) (X1 X0)(X1 X2)…(X1 Xn) (Xn X0)(Xn X1)…(Xn Xn 1)
L0(X) L1(X) Ln(X)
F(X) = L0(X)fo + L1(X)f1 + ……………. + Ln(X)fn
Polinomio de Lagrange
Donde:
(X X0)…..(X Xi 1)(X Xi+1)…(X Xn)

i(X)=
(Xi X0)…..(Xi Xi 1)(Xi Xi+1)…(Xi Xn)
Función multiplicadora de Lagrange
TEOREMA.- Sean (X0, f0), (X1, f1),…, (Xn,fn) para los puntos (n+1) y además
(X0<X1<X2<……<Xn)
Entonces existe un único polinomio de grado que pasa por dichos puntos.
DEMOSTRACIÓN
i). La existencia del polinomio está generalizada por el `polinomio de aproximación de

Lagrange.
ii). La unicidad: supongamos que existen dos polinomios P(X) y Q(X) de
grado que pasan por los puntos dados.
Probaremos que P(X) =Q(X) , ∀ (X0,Xn)
Consideremos
R(X)= P(X) - Q(X)

R(X) es de grado (ya que el grado de P(X) y Q(X) es )
Además:
R(X0)= P(X0) - Q(X0)= f0-f0 =0
R(X1)= P(X1) - Q(X1)= f1-f1 =0
En general
R (Xi) = 0 ∀ i 0, 1, 2, 3,……n
Entonces.
X0, X1, X2,…., Xn son las raíces de R(X)
R(X) tiene (n+1) raíces (pero el grado de R(X) es menor o igual a n)
Entonces R(X) debe ser el polinomio nulo (el único que tiene más raíces que su grado)
R(X)= P(X) - Q(X)= 0
P(X) =Q(X) , ∀ ( 0 , Xn)
Ahora consideremos
X -1 0 2
Fx 2 1 5
El polinomio P(X) = X2 +1 pasa por estos puntos, también pasa por estos puntos el
polinomio Q(X) = X3-2X + 1
¿Contradice el teorema?
No contradice el teorema, ya que el teorema establece que son iguales para aquellos
que tengan grado , luego pueden muchos otros de grado >n que sean
diferentes al del grado grado

INTERPOLACION Y APROXIMACION DE LAGRANGE

Polinomio de Lagrange: Dado un conjunto de (n+1) puntos de la forma ( , ); i=0, 1, 2,…, n.
Se puede aproximar a un polinomio de grado n.
Sea el siguiente polinomio ( ) ( ) a determinar:
𝑃(𝑥) 𝑎 (𝑥 𝑥 )(𝑥 𝑥 )(𝑥 𝑥 ) … (𝑥 𝑥𝑛 ) 𝑎 (𝑥 𝑥 )(𝑥

𝑥 )(𝑥 𝑥 ) … (𝑥 𝑥𝑛 ) ⋯ 𝑎𝑛 (𝑥 𝑥 )(𝑥 𝑥 )(𝑥 𝑥 ) … (𝑥
𝑥𝑛 ) .
Observación:
El polinomio ( ) se caracteriza por:
En el 1º término falta el factor ( ), en el 2º término falta el factor ( ) , en el 3º termino falta

el factor ( ) y así sucesivamente, en el n-ésimo termino falta el factor ( ).
En el polinomio de Lagrange los puntos ( , ) no necesariamente son igualmente espaciados, es

decir h no es constante.
Para hallar el polinomio de Lagrange se debe hallar los ; … ; de la siguiente manera:
Si x=
( ) ( )( )( )…( ) ( )( )( )…( ) ⋯
( )( )( )…( )
( ) ( )( )( )…( )
( )
( )( )( )…( )
Si x=
( ) ( )( )( )…( ) ( )( )( )…( ) ⋯
( )( )( )…( )
( ) ( )( )( )…( )
( )
( )( )( )…( )
Si x=

( ) ( )( )( )…( ) ( )( )( )…( ) ⋯
( )( )( )…( )
( ) ( )( )( )…( )
( )
( )( )( )…( )
Remplazando los coeficientes en ( ) tenemos:
( )( )( )…( ) ( )( )( )…( )
( ) …
( )( )( )…( ) ( )( )( )…( )
( )( )( )…( )
( )( )( )…( )
El polinomio de Lagrange, también se puede expresar como:
( ) ∑ ( ) …
( ) ( ) ( ) ⋯ ( )
Ejemplo: 1
En la siguiente tabla:
a) Aproximar a un polinomio de Lagrange.
b) Si =1.1. Determinar por Lagrange.
Tenemos:
X ( )
26

a) Solución:
El polinomio de Lagrange ( ) ( ) … , será:
( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( )
( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( ) ( )( )( )( ) ( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
( )( )( )( ) ( )( )( )( )
Luego, resolviendo tenemos:
( )
b) Solución:
Como: ( )
( ) ( ) ( )
( ) ( )
( )
Aprox. E interpolación de un polinomio de newton.
( )( ) ∆ ( )( ) ∆ ( )( ) ∆ ( )( ) ∆
( ) ⋯
! ! ! !
Donde:
( )( )
( )
( )( )
( )( )
( )( )
( )( )( )
( )( )
( )( )( )( )

( )( ) | ( )( ) ( )( )( )
( )( ) | ( )( )( ) ( )( )( )
( )( )( )
Ejemplo: 2
Aproximar la siguiente tabla a un polinomio de newton
x ( ) ∆ ∆ ∆
1.1 1.04 =
0.04
1.2 1.08= -0.02
0.03 0.02
1.3 1.11= -0.01
0.04
1.4 1.15=
Donde: h=1.4-1.3=0.1
( )( )
( )
( )( ) ( )( )
( )( ) ( )( )( ( )( ) )
( ) ( )( ) ( )( )
( )
( )( ) ( )( ) ( )( )
( )

PROBLEMAS RESUELTOS
(Método de Newton – Raphson)
1
F(x)= / [0,1]
Cuantas cifras significativas exactas tiene la solución en la 2da iteración.
Solución:
F(x)=
F’(x)=
F’’(x)= = ( )
1ro Analizar el pto inicial xₒ optimo / xₒ [0,1]

Para xₒ :
F(xₒ).F‘’(xₒ)<0 ->xₒ no es valido.
Para x₁ =1:
F(1).F‘’(1)>0 ->x₁ =1 es valido para iterar.
( ) ( )
-> | |=0.47 = 0.5 < 1 ->∃ {xn} ->
( )
( n) n
n=0 Xn+₁=Xn- => Xn+1 = Xn –
( n) ( n )
Con X₀=1
X₁ = X₀ – ( )
X₁=0.683939
n= 1ra Iteración.
1
₁ ₁
X₂ = X₁ – ₁( ₁ )
X₂=0.5774544772
n= 2da Iteración.
2
X₃ = X₂ – ( )
|X₃ - X₂|=0.01=0.01*
n=1 -> X = con 1 cifra significativa.

2
(Método del Punto fijo)
Resolver por el método por el punto fijo con 1 cifra decimal exacta.
Solución:
{} X𝑒 𝑦 -1 =0 (1)
𝑋 𝑦 𝑦
X= (2)de (1)
Remplazando en (2)
F (y)=
Y F (y)
0 -
F (0).F(1)<0 ->∃𝑦
1 + [0,1]
2 +
Y F (y)
0 -
0.5 - F (0.5).F(0.6)<0 ->∃𝑦 ……(*)
𝑦
0.6 + 1er intervalo para F(y)=𝑒 𝑦
1
Según (*)
Sea Y₀=0.5 -> X₀=
Se tiene el punto inicial X₀=1.6 y Y₀=1.5 muy cercano a la raiz.
X= 2√ -> f
Y= LnX -> g
fx=0 fy=
√
gx= gy=0
fx(1.6;1.5)=0 fy(1.6;1.5)=0.5773502642
gx(1.6;1.5)=0.625 gy(1.6;1.5)=0
|fx(1.6;1.5)+fy(1.6;1.5)|=0.57785026 < 1
|gx(1.6;1.5)+gy(1.6;1.5)|=0.625 < 1
->∃{Xn} ->
∃{Yn} -> Mediante la Sgte. Relación.

Xn+₁=2√ n=0, 1, 2
Yn+₁ =Ln(Xn) n=0, 1, 2
Dejar de iterar
|Xn+₁-Xn| 0.5*
Iterando como punto inicial [Xₒ,Yₒ]=[1.6;1.5

n=0 X₁=2√ =1.732050
Y₁=0.4700036292
n=1 X₂=1.765328965
Y₂=0.5493061446
n=2
X₃=1.671242364
Y₃=0.5683370555
n=3
X₄=1.645591676
Y₄=0.5135672804
n=
4
X₅=1.716098655
Y₅=0.49810001
X₆=1.734239187
n=5
Y₆=0.5400534907
|X₆-X₅|=0.018 = 0.02 = 0.2* 0.5*

|Y₆-Y₅|=0.04 = 0.4* 0.5*
->-> X₀= y Y₀= son raices con una cifra significativa.

3
(Método del Punto fijo)
Por el método de N-R, resolver el sistema:

{} X𝑒 𝑦 -1 =0 (1)
𝑋 𝑦 𝑦
a)
(2) Localizar el intervalo donde existe la raíz
b) Verificar su condición de convergencia
c) Hallar una solución con 4 cifras decimales exactas.
Solución:
a) Y=Lnx de (1)
Remplazando en (2)
-> F(x)=
Utilizando el T.B. localizamos el intervalo donde existe la raiz.
x F(x)
1 - F (1).F(2)<0 ->∃𝑦 [1,2]
2 +
x F(x)
1.6 - F(1.6).F(1.7)<0 ->∃𝑦
1.7 + [1.6,1.7]
Sea X₀=1.6 ; Y₀?
De (1) -> Y=Lnx = Ln(1.6)=0.47 -> Y₀=0.47
Entonces:
{ X 1.6
Y 0.47 Pto más cercano de la raíz.
b) Sea
F(x,y)=X -1
G(x,y)=
Fx(x,y)= Fy(x,y)=-X.
Gx(x,y)=2X Gy(x,y)=8y

Fx(x,y) Fy(x,y) 𝑒 𝑦 X.𝑒 𝑦

J(x,y)=| Gx(x,y) Gy(x,y) |=| 2x 8y |
= 5.550020142 ≠ 0
Y como (X Y ) es muy cercano:

->->∃ {xn} -> y ->∃ {yn} ->
c) Dejamos de iterar si:
|Xn-Xn+₁| 0.5* =0.5*
|Yn-Yn+₁| 0.5* =0.5*
Ahora:
𝑦
| F Fy |=| X𝑒 -1 -X.𝑒 𝑦 |
G Gy 𝑋 𝑦 𝑦8y
8Y [X -1]+ X.
𝑦 𝑦
| Fx F |=| 𝑒 -X.𝑒 |= [ ]-2x [-X. ]
Gx G 𝑥 𝑋 𝑦
Veamos que la formula de recurrencia asi:
n n
Xn+₁=Xn - ;
n=0, 1, 2,..
[ ] n
Yn+₁=Yn -
n=0, 1, 2,…
Siendo Pₒ inicial: (1.6;0.47)=(Xₒ;Yₒ)
n=0 ( )
X₁=1.6 – =1.700250715
( )
Y₁=0.47- = 0.53265975

n=1
X₂=1.700250715 –
( )
=1.697250462
Y₂=0.53265975-
( )
= 0.52900931
n=2
X₃=1.697250462–
( )
=1.6972239658
Y₂=0.53265975-
( )
= 0.5290032
Luego
|X₃ - X₂|= 0.000026=0.00003=0.3* 0.5*
-> con 4 cifras significativas decimales exactas.
|Y₃ - Y₂|= 0.0000061=0.00001=0.1* 0.5*

-> con 4 cifras significativas decimales exactas.

METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES
La factorización matricial consiste en expresar una matriz cuadrada en el producto de

otras dos matrices.
FACTORIZACIÓN MATRICIAL “LU”
(Método de Crout – Doolitle)
Consiste en factorizar una matriz cuadrada “A” en un producto “LU”. Esto es:
𝐴 𝐿𝑈
Donde:
A: es la matriz a factorizar
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales
a 1. Se llama “L” porque viene de la palabra inglesa “low”, que significa “bajo”.
U : es una matriz triangular superior, cuyos elementos se hallan por el método de la

eliminación gaussiana. Se llama “U” porque viene de la palabra inglesa “up”, que significa
“arriba”.
NOTAS:
. Este tipo y todos los tipos de factorización matricial se basan en el “método de

eliminación gaussiana”.
. Aunque no todas las matrices admiten este tipo de representación, muchas de las que
aparecen frecuentemente en las aplicaciones de las técnicas numéricas sí la tienen.
. La factorización “LU” es especialmente útil cuando hay que resolver varios sistemas
lineales con la misma matriz de coeficientes “A”, puesto que el proceso de las
operaciones se realiza solamente una vez.

. Desde un punto de vista práctico, esta factorización sólo será útil cuando los
intercambios de filas no sean necesarios para controlar los errores que aparecen por
utilizar aritmética con un número finito de cifras.
. También se podría decir que la factorización “LU” solamente es aplicable cuando los
determinantes de las submatrices de “A” son todos distintos de cero.
Ejemplo
0 0
Sea la matriz ( ) =( 0 )=( )
El sistema tiene nueve ecuaciones con doce incógnitas, entonces existen infinitas
soluciones. Para que tenga solución debemos fijar tres variables libres, puede ser lii=1 o
uii=1
Sea uii=1 → u11= u22= u33=1,
0 0
( )=( 0 )( )
L U
Resolviendo la ecuación matricial se tiene los siguientes resultados:
l11=2, l21=4, l31=1
u12=0, l22=3, l32=2
u13= , u23=2, l33=
0 -1
( )=( 4)( )
L U

Observación.- El método Crout – Doolitle sirve para resolver un sistema de ecuaciones

usando la factorización L U mediante las siguientes igualdades:
A.x = B L.y = B
L.U.x = B U.x = y
PRIMER METODO DIRECTO:
MÉTODO CROUT-DOOLITLE.
Para un sistema lineal de la forma:
𝐴𝑋 𝐵
Donde A se factoriza de la forma:
𝐴 𝐿𝑈
L: Matriz Triangular Inferior

U: Matriz Triangular Superior
Sea:

Ejemplo:
Sea la matriz
( )( ) ( )
Para
( )( ) ( )
⁄
𝑦 ⁄ 𝑦 𝑦 ⁄
Para
⁄ ⁄
( )( ) ( )
⁄
𝑥 ⁄ 𝑥 ⁄ 𝑥 ⁄

SEGUNDO METODO DIRECTO

METODO DE CHOLESKY
También para resolver el sistema Ax = b para aplicar cholesky se debe cumplir lo siguiente:
Simetrico
1° que XtAX>0 / X=| | → Xt = (X1 X2 X3)
“A” definida Positiva 2° cada sub determinante sea positiva es decir: A33
| | | | | |
1º versión de cholesky
Ejemplo: 1
Aplicar cholesky al sistema siguiente:
| || | | |
A es simétrico
¿A es definida positiva?
Se debe de cumplir que XtAX>0
| || |
( ) ( ) ( )

Se puede aplicar cholesky
Ax = b
L*LtX = b L*Y = b
A = L*Lt
Y= Lt*X = Y
t
LX
| | | || |
l11=2
l21 = ½
l31 = 1
√
l22 =
√
l32 =
l33 =√
√ √ √
t
L*L = | || |
| || |
√
√ √
Ax = b
t Lt*X = Y
L*L X = b L*Y = b

Para L*Y = b
√
| || | | |
| |
√
√
Y1 = ½
√
Y2 =
Y3 = 4*√
Para Lt*X = Y
√ √ √
| || | | |
| | | |
√ √
X1 = 28/27 X2 = 35/27 X3 = -16/27

Ejemplo: 2
(Métodos de Cholesky para hallar el sistema Ax=B)
Resolver el siguiente sistemas por Cholesky.
 4 2 0  x1   2
     
 2 5 2    x2  =  3 
 0 2 6 x   5
   3  

Solución:
• A = At , entonces A es simétrica.
• xt Ax > 0 , luego A es definida positiva.
Factorizamos la matriz A = LLT
 4 2 0   l11 0 0   l11 l21 l31 

     
A =  2 5 2  =  l21 l22 0    0 l22 l32 
 0 2 6  l   
   31 l32 l33   0 0 u33 
Para la 1ra columna tenemos:
l112 = 4  l11 = 2
l 21l11 = 2  l 21 = 1
l31l11 = 0  l31 = 0
Para la 2 da columna tenemos:
l11l 21 = 2
2
l 21  l 22
2
= 5  l 22 = 2
l31l 21  l32l 22 = 2  l32 = 1
Para la 3ra columna tenemos:
l11l31 = 0
l 21l31  l 22l32 = 2
2
l31  l32
2
 l33
2
= 6  l33 = 2
 2 0 0  2 1 0
  t  
L =  1 2 0 , L =  0 2 1
 0 1 2  0 0 2
   

Del sistema Ax = b  LLt x = b , luego Ly = b y Lt x = y
Para Ly = b
 2 0 0   y1   2  1
       
 1 2 0    y2  =  3   y =  1 
 0 1 2  y   5  2
   3    
Para Lt x = y
1
 2 1 0   x1   1   
      2
 0 2 1   x2  =  1   x =  0 
 0 0 2  x   2 1
   3    
 
2. Segunda versión de cholesky



TERCER METODO DIRECTO:
MÉTODO TRIDIAGONAL PARA SISTEMAS DE ECUACIONES

LINEALES.
Sea el sistema de ecuaciones de la forma:
𝑎 … 𝑥 𝑏
( ⋱ )( ) ( )
… 𝑎𝑛 𝑥𝑛 𝑏𝑛
……………… ………. (1)
…………… ………. (2)
…… ………. (3)
………………………………………………………
… ………. (n-1)
……………… ………. (n)
ALGORITMO TRIDIAGONAL:
P-1: Del sistema , expresarlo como ̅
P-2: Sea ̅ , C es constante arbitraria / { }
De la Ec. (1) despejar ̅

………….
De la Ec. (n-1) despejar ̅
De la Ec. (n) despejar ̅
Pero como no existe ̅ se hace lo siguiente:
𝑎𝑛 𝑛 𝑥̅𝑛 𝑎𝑛 𝑛 𝑥̅𝑛 𝑏𝑛 𝑅
Tal que: ( … ) donde R: vector residual
Se tiene ( ̅ ̅ … ̅ )

Si es solución de
Si ≠ es solución de
P-3: Del sistema expresarlo como ̅ y sea ̅ , se procede como P-2,

llegando a lo siguiente:
𝑎𝑛 𝑛 𝑥̅̅𝑛 𝑎𝑛 𝑛 𝑥̅̅𝑛
𝑆
Tal que: ( … ) donde S: vector residual
Se tiene ( ̅ ̅ … ̅ )
Si es solución de
Si ≠ es solución de
Se tiene: …….. ( )
…….. ( )
() ( ) ( ) ( )
Se busca una relación:
Tal que: ( ) ⁄
Ejemplo:
Resolver:
2
2
Del sistema ̅
̅ ̅ ……… (1)
2 ̅ ̅ ̅ ….….. (2)
2 ̅ ̅ ̅ ……… (3)
̅ ̅ ……… (4)
Sea ̅ , { } ̅

De (1): ̅
De (2): ̅ 0
De (3): ̅
De la ec. (4) despejo ̅ , pero como no existe ̅
̅ ̅ 𝑟
( ̅ ̅ … ̅ )
( )
Del sistema ̅
Sea ̅ ̅ , luego se procede como P-2
̿ ̿
̿ , en ̿ ̿ ̿
̿ , en ̿ ̿ ̿
̿ , en ̿ ̿
𝑠
Observación: Si cambiar el valor inicial de ̿
( ̅ ̅ ̅ ̅ )
( )
Se busca una solución
Tal que: ⁄ 𝛼 ⁄

𝑥 𝑥 𝑥 𝑥
Verificando: 2
2( ) ( ) ( )
Ejemplo 2
(Solución de sistemas lineales en Tribanda)
Sea en Tribanda.
( )
( )
( )
( )
Algoritmo del sistema Tridiagonal
Solución:
Del sistema ̅
( ) ̅ ̅ ̅ ̅
( ) ̅ ̅ ̅ ̅
( ) ̅ ̅ ̅ ̅
( ) ̅ ̅ ̅ ̅
Sea ̅ , C vector arbitrario talque { }
Entonces:
𝑥̅
De (1) despejo ̅ :

( ) ̅ ̅
𝑥̅
De (2) despejo ̅ :
( ) ̅ ̅ ̅
𝑥̅
De (3) despejo ̅ :
( ) ̅ ̅ ̅
𝑥̅
De (4) despejar ̅ ; pero ∄ ̅ :
( ) ̅ ̅
Y se tiene que:
( ̅ ̅ ̅ ̅ )
( )
Ahora expresarlo como ̿ es un vector nulo.
( ) ̿ ̿
( ) ̿ ̿ ̿
( ) ̿ ̿ ̿
( ) ̿ ̿
Sea ̿ { }
𝑥̿
De (1) despejar ̿ :
( ) ̿ ̿
𝑥̿
( ) ̿ ̿ ̿
𝑥̿
( ) ̿ ̿ ̿
𝑥̿
( ̿ ̿ ̿ ̿ )
( )
De (4) despejar ̿ , pero∃ ̿ entonces:
( ) ̿ ̿
𝑠
Entonces:
( ) ( ) ( )
( ) ( )

Comprobación:
-46+24+13
-22+13=-9
CUARTO METODO DIRECTO
MÉTODO PENTADIAGONAL PARA

SISTEMAS DE ECUACIONES LINEALES.
Ec (1)
Ec (2)
⋯
( ⋱ ) = Ec (n)
⋯
( ) ( )
A x b
Algoritmo Pentadiagonal
P-1 Dado el sistema Ax=b , expresarlo en la forma A ̅ =b y definir ̅̅̅=C ̅̅̅=D
Donde C D son constantes arbitrarias.
P-2 De Ec (1) despejar ̅̅̅
De Ec (2) despejar ̅̅̅

De Ec (n-2) despejar ̅̅̅
De Ec (n-1) despejar ̅̅̅̅̅̅
De Ec (n) despejar ̅̅̅̅̅̅
Como no existe ̅̅̅̅̅̅ se hace lo siguiente :
̅̅̅̅̅̅ ̅̅̅̅̅̅
Como no existe ̅̅̅̅̅̅ se hace lo siguiente :
̅̅̅̅̅̅ ̅̅̅
Donde ( ) es un vector residual.
Si ̅ (̅̅̅ ̅̅̅ … ̅̅̅ ) es solución del sistema A.x = b
Si ≠ ̅
P-3 : La primera solución homogénea del sistema A.x = b se debe expresar como
̿ ; luego definir ̿̿̿ en la cual se
̿̿̿
considera C y D como constantes arbitrarias, finalmente se procede similar al paso
anterior (P-2) llegando a la siguiente solución
̿̿̿̿̿̿ ̿̿̿̿̿̿
̿̿̿̿̿̿ ̿̿̿ en donde ( ) es un vector residual.
Si ̅ (̿̿̿ ̿̿̿ … ̿̿̿) es solución del sistema A.x = b
Si ≠ ̅
P-4 : La segunda solución homogénea del sistema A.x = b se debe expresar como
̅̿ ; luego definir ̅̅̅
̿̿̿ ̅̅̅
̿̿̿ en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso P-2
llegando a la siguiente solución.

̅̅̅̅̅̅
̿̿̿̿̿̿ ̅̅̅̅̅̅
̿̿̿̿̿̿
̅̅̅̅̅̅
̿̿̿̿̿̿ ̅̅̅
̿̿̿ en donde ( ) es un vector residual.
Si ̅ (̅̅̅
̿̿̿ ̅̅̅
̿̿̿ … ̅̅̅
̿̿̿) es solución del sistema A.x = b
Si ≠ ̅
P-5 : Finalmente se llegará al siguiente sistema

………( )
………( )
……… ( )
Luego hacemos (1) – ( ) ( ) y se llega a lo siguiente
A( ( ) ( )) ( )
Se busca luego una solución en donde R = /
Entonces la solución del sistema A.x = b estará dado por
𝑋 𝑥 𝛼𝑥 𝛽𝑥

Ejemplo
Resolver el siguiente sistema pentadiagonal
2 +3 + = 8 Ec(1)
3 +2 +4 + = 15 Ec(2)
+4 + +4 +2 = 13 Ec(2)
+4 +2 + = 19 EC(4)
2 + +7 = 15 EC(5)
PASO DEL ALGORITMO
P-1: Expresar el sistema como A. = b
2 +3 + = 8 Ec(1)
3 +2 +4 + = 15 Ec(2)
+4 + +4 +2 = 13 Ec(3)
+4 +2 + = 19 Ec(4)
2 + +7 = 15 Ec(5)
Sea =0 =1 cte arbitrario
P-2:
DE Ec(1) despejar =5
pues 0 + 3(1) + =8
DE Ec(2) despejar = 7
pues 0 + 2(1) +4(8) + = 15
DE Ec(3) despejar = 16

pues 0 + 4(1) + 5 + 4( 7) + 2 = 13
DE Ec(4) despejar ; como ∄ , hacemos lo sgte. :
+4 +2 + = 19 +
1 + 4(5) + 2( 7) + 16 = 19 + = 45
De la Ec(5) despejar ; como ∄ hacemos
2 + + 7 = 15 +
2(5) + ( 7) +7(16) = 15 + = 100
R= ( ) , como R ≠ ; A. =b+R
Se tiene:
= = ó =( )
( )
( )
P-3:
Primera solución homogénea del sistema A.x = b, expresarlo
Como A. ̿ =
2̿̿̿+ 3̿̿̿+ ̿̿̿ = 0 Ec(1)
3̿̿̿+ 2̿̿̿+ 4̿̿̿+ ̿̿̿ = 0 Ec(2)
̿̿̿+ 4̿̿̿+ ̿̿̿+ 4̿̿̿+ 2̿̿̿ = 0 Ec(3)
̿̿̿+ 4̿̿̿+ 2̿̿̿+ ̿̿̿ = 0 Ec(4)
2̿̿̿+ ̿̿̿+ 7̿̿̿ = 0 Ec(5)
Sea ̿̿̿= 10 ̿̿̿= 20

De Ec(1) despejar ̿̿̿; ̿̿̿ = 80
pues 2(10) + 3(29) + ̿̿̿ = 0
De Ec(2) despejar ̿̿̿; ̿̿̿= 250
( )
pues 3(10) +2(20) + 4( 8) + ̿̿̿= 0
De Ec(3) despejar ̿̿̿; ̿̿̿=
pues 10 + 4(20) + ( 80) + 4(250) + 2̿̿̿ =0
De Ec(3) despejar ̿̿̿; como ∄ ̿̿̿ hacemos
̿̿̿+ 4̿̿̿+ 2̿̿̿+ ̿̿̿= 0 +
20 + 4( 80) + 2(250) + ( 505) = 0 + ; = 1445
De Ec(5) despejar ̿̿̿; como ∄ ̿̿̿ hacemos
2̿̿̿+ ̿̿̿+ 7̿̿̿= 0 + ;
S= ( )
2( )+ (250) + 7( )= 0 + =0
P-4: Segunda solución homogénea del sistema A.x = b
expresar A. ̿̅ = 0
̿̿̿+ 3̅̅̅
2̅̅̅ ̿̿̿+ ̅̅̅
̿̿̿ = 0 Ec(1)
3̿̿̿
̅̅̅+ 2̿̿̿
̅̅̅+ 4̿̿̿
̅̅̅+ ̿̿̿
̅̅̅ = 0 Ec(2)
̿̿̿+ 4̅̅̅
̅̅̅ ̿̿̿+ ̅̅̅
̿̿̿+4 ̅̅̅
̿̿̿+ 2̅̅̅
̿̿̿ = 0 Ec(3)
̿̿̿
̅̅̅+ 4̿̿̿
̅̅̅+2̿̿̿
̅̅̅+ ̿̿̿
̅̅̅ = 0 Ec(4)
̿̿̿+ ̅̅̅
2̅̅̅ ̿̿̿+ 7̅̅̅
̿̿̿ = 0 Ec(5)
Sea ̿̿̿
̅̅̅= 20 ̿̿̿= 10
̅̅̅

De Ec(1) despejar ̿̿̿

̅̅̅; ̿̿̿=
pues 2(20) + 3(10) + ̿̿̿= 0

̅̅̅ ̿̿̿=
̿̿̿+ 2̅̅̅
3̅̅̅ ̿̿̿+ 4̅̅̅
̿̿̿+ ̅̅̅
̿̿̿= 0
3(20) + 2(10) + 4( ) + ̿̿̿= 0

̅̅̅ ̿̿̿= 395
̿̿̿+ 4̅̅̅
̅̅̅ ̿̿̿+̅̅̅
̿̿̿+ 4̅̅̅
̿̿̿+ 2̅̅̅
̿̿̿= 0
20 + 4(10) + ( ̿̿̿= 0
)+ 4(200) + 2̅̅̅

̅̅̅ como ∄ ̿̿̿
̅̅̅, hacemos
̿̿̿
̅̅̅+ 4̿̿̿
̅̅̅+2̿̿̿
̅̅̅+ ̿̿̿
̅̅̅= 0 + = 1925
10 + 4( ) 2(200) + 395 = 0 +
De Ec(5) despejar ̿̿̿ ̿̿̿

̅̅̅; como ∄ ̅̅̅
2̿̿̿
̅̅̅+ ̿̿̿
̅̅̅+7̿̿̿
̅̅̅= 0 +
̿̿̿
̅̅̅
̿̿̿
̅̅̅
T = ( )= ( ); = ̿̿̿
̅̅̅
̿̿̿
̅̅̅
( )
( ̿̿̿
̅̅̅)
A. = +T
P-5: Y se llega a lo siguiente
A. = b + R
A. = 0 + S
A. = 0 + T

R– – =0 R= ( )
+ =R S=( )
( )+ ( )= ( ) T=( )
1445 + 1925 = ; = 0.025992507
2705 = 100 ; = 0.003865364
X=
X= = + 0.025992507 + 0.003865364
( ) ( ) ( ) ( )
X=
( ) ( )
Comprobación : Ec(1)
2 +3 + =8
0.6744647 + 4.67551134 + 2.65002396 = 8
8 = 8 Cumple!!!
Y tambien cumple tod …

NORMA DE UNA MATRIZ
La Norma de una matriz es un número real tal que satisface las siguientes condiciones
(𝑖) ‖𝐴‖ 𝑦 ‖𝐴‖ 𝑠𝑖 𝐴

(𝑖𝑖)
‖𝜏𝐴‖ |𝜏|‖𝐴‖ 𝑒𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑟 ‖ 𝐴‖ ‖𝐴‖ 𝑑𝑜𝑛𝑑𝑒 | |
(𝑖𝑖𝑖) ‖𝐴 𝐵‖ ‖𝐴‖ ‖𝐵‖

(𝑖𝑣) ‖𝐴𝐵‖ ‖𝐴‖‖𝐵‖
Principales Normas
-Norma “m” o Norma "∞" ‖𝐴‖ 𝑚𝑎𝑥𝑖 𝑗 |𝑎𝑖𝑗 |
-Norma “l”, ‖𝐴‖𝑙 𝑚𝑎𝑥𝑗 𝑖 |𝑎𝑖𝑗 |
-Norma “k”, ‖𝐴‖𝑘 √ 𝑖 𝑗 |𝑎𝑖𝑗 |
Ejemplo 1:
Sea
‖ ‖ {| | | | } { }
‖ ‖ {| | | | } { }
‖ ‖ √( ) ( ) √
Para el vector X = ‖ ‖ { }
‖ ‖ | | | | | |

‖ ‖ √| | | | | |
Ejemplo 2:
Sea X = ( )
‖ ‖ {| | | |}
‖ ‖ | | | |
‖ ‖ √( ) ( )

SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES

LINEALES
PRIMER METODO:
METODO DE JACOBI
Dado el sistema AX=b………… (1)

Despejamos X de la ecuación 1 obteniendo un sistema equivalente de la forma: X = β + αX……… (2)
De la siguiente manera.
Ec.(1) a11X1+a12X2+ …………………………………………………….. +a1mXm = b1
Ec.(1) a21X1+a22X2+ …………………………………………………….. +a2mXm = b2
Ec.(1) a31X1+a32X2+ …………………………………………………….. +a3mXm = b3

.
.
.
Ec.(1) am1X1+am2X2+ …………………………………………………….. +ammXm = b1
Donde:
𝑎 ⋯ 𝑎 𝑏
A= ⋱ b = | | y si aii ≠
𝑎 ⋯ 𝑎 𝑏
𝑋0
X =| |
𝑋
Despejamos X; de la Ec. (i); i=1,2,3, …. , m
X = β + αi-1X
X1 = …………
………. (2)
X2 = …………
.
.
.
Donde:
β = bi/aii ; aii ≠ 0 ; β = (β1,β2, … … … ,βm)t
𝛼 𝛼
⋯
α = αij = -aij/aii α= [𝛼 𝛼 ]
⋱
𝛼 𝛼 ⋯
El sistema (2) anterior se puede expresar en la siguiente forma X = β + αX
X = β + αX
⋯
| | | | [ ⋱
] | | … (2)
⋯
El Sistema (2) sugiere Jacobi la siguiente relación de recurrencia
X (k+1) = β + αX (k), k=0, 1, 2, … … …
Ó …………………….. (3)
X (k) = β + αX (k-1), k=1 , 2, … … …

De la relación (3) se obtiene la sucesión {Xk} ∞k=0 tomando como valor inicial X (0) arbitrario, que
generalmente X (0)=0 ó X (0)=β ó β=1
Obs. X (k+1) = (X1(k+1),X2(k+1), … … … … … … … … … … … … … , Xm(k+1))t
X (0) = (X1(0), X2(0),… … … … … … … … … … … … … …, Xm (0)) t

ALGORITMO DE JACOBI:
P-1 Dado el Sistema Ax = b………………………… (1)
Expresarlo en el sistema equivalente X = β + αx…………………… (2)
P-2 Tomando como solución inicial X (0) arbitrario generar la sucesión {X (k)} → X (*) mediante la
relación de recurrencia:
X (k+1) = β + αx (k) , k=0, 1, 2,… ….….…
X (k) = β + αX (k-1) , k=1,2,… … …
P-3 Dejar de iterar si
(|| X (k) – X (k-1) ||)/ || X (k) || <= ε = 10-m

C.C. ir al P-2
NOTACION MATRICIAL DEL METODO DE JACOBI
Sea el sistema Ax = b
Donde:
A=
𝑎 𝑎 … 𝑎
𝑎 𝑎 … 𝑎
⋱
𝑎 𝑎 … 𝑎
La matriz A se le puede descomponer en la forma A = D +L + U, donde
𝑎 𝛼 𝛼
⋯ ⋯ ⋯
𝑎 𝛼 𝛼
𝐷 [ ] 𝐿 ⋱ 𝑈 [ ]
⋱ ⋱
⋯ 𝑎 𝛼 … 𝑎 ( - ) ⋯
Matriz Diagonal Matriz Triangular inferior Matriz Triangular superior

Así el sistema Ax = b se le puede expresar como:
(D + L + U)X = b
DX + (L + U) X = b
DX = b – (L + U) X
X = D-1b – D-1(L + U) X
X = D-1b + [-D-1(L + U)] X → β = D-1b ^ α = -D-1(L + U)
Si el método de Jacobi es X = β + αX
Matricialmente es: → X = D-1b – D-1(L + U) X
Su relación de recurrencia es X (k+1)= D-1b – D-1 (L + U) X (k) , k=0, 1, 2 …
Ejemplo. 1
Sea el sistema siguiente:
Con un ε = 10-1
Verificar su convergencia
Ǝ {X (k)} → X (+) Si ||α | |∞ < 1
Obs. Para que se cumpla ||α | | < 1 es necesario que del sistema Ax = b, A sea diagonalmente
dominante.
De (1) → X1: X1 = 12/10 ó (-1/10) X2-(1/10)X3
(2) → X2: X2 = 12/10 – (1/10)X1 ó (-1/10)X3
(3) → X3: X3 = 12/10 – (1/10)X1 – (1/10)X2
𝛽 𝛼 ( )

||α | |∞ = ||α | |m = Max {0 + |-0.1| + |-0.1|, |-0.1| + 0 + |-0.1|, |-0.1| + |-0.1| + 0}
= Max {0.2, 0.2, 0.2} → ||α | | = 0.2 <= 1 → Ǝ {X (k)} → X (+)
POR EL MÉTODO DE JACOBI
Obs. Se toma como valor inicial X(0) arbitrario
X (0) = 0
X (0) X (0) = β
X (0) = 1
K=0 Iteración Inicial:
X (k+1) = β + αX (k)
X (1) = β + αX (0)
Donde y sea X(0) = β = ( X(0)1 X(0)2 X(0)3 )t
( )
X (1)
=| ( )| | | [ ] | | | |
( )
Donde
X1(1) = 1.2 + (0 -0.1-0.1)( ) ( )( ) ( )( )
X2(1) = 1.2 + ( -0.1 0 -0.1)( )
K=1 1° Iteración:
X (2) = β + αX (1)
( )
X (2)
=| ( )| | | [ ] | | | |
( )

Donde:
X2(2) = 1.2 + (0 -0.1 -0.1)( ) = 1.008
K=2 2° iteración:
X (3) = β + αX(2)
( )
( )
X (3)= | | | | [ ] | | | |
( )
Donde:
X (3) = 1.2 + (0 -0.1 -0.1)( ) = 0.9984
Veremos si ya se consiguió la solución:
{| |}
( ) ( )
|| ||
|| ( ) ||
{| |}
{| |}
10-1 = ε → X (3) = X (*) con ε=10-1
Ejemplo 2:
Sea el siguiente sistema
Ec (1) 20x1 + 5x3 =2

Ec (2) x1 + 20x2 + 2x3 = 4
Ec (3) x1 + 9x2 + 20x3 = 6

Por Jacobi verificar su convergencia
CONVERGENCIA DE JACOBI
( )
{ }  X* Si ||α|| < 1 …………….. (i)
Observación
Para que se cumpla (i)
Es necesario que A del sistema original Ax = b sea diagonalmente dominante, es decir
aii > ∑ |aij| de su fila y de su columna
Así: a11 = 20 > = 0 + 5 de su fila
a11 = 20 > = 1 +1 de su columna
a22 = 20 > = 1 + 2 de su fila
a22 = 20 > = 0 + 9 de su columna
Igual para a33
x1 = +0+0-
x2 = - +0-
x3 = - - +0
… …. . ………………….
x = β+ α
α | | = | |
| |
|| α ||∞ máx.{ 0 + 0 + | |,| |+0+| |,| |+| |+0}
|| α ||∞ máx.{0.25, 0.15, 0.5 }
|| α ||∞ 0.5 < 1
{ }  X* por jacobi
Por jacobi obtener una solución con €
Si la relación de jacobi es =β+α ,k 0, 1,2…
Para k = 0
Interacción inicial
=β+α
Observación  es arbitraria
Sea =
= = +
….. ……………………. …
β + α
Para k = 1
Primera iteración  β+α
= = +
Donde
= 0.1 +
= 0.1 + (0)(0.1) + (0)(0.2) + (-0.25)(0.3) = 0.025\
= 0.2 +

= 0.2 + (-0.05)(0.1) + (0)(0.2) + (-0.1)(0.3) = 0.165
= 0.205
Para k = 2
Segunda iteración  β+α
= = + =
….. ………………….... ……… …………
β α
k =3
Tercera iteración β+α
= = + =
….. ………………….... ……… …………
β α
Verificamos si se llego a la solución
= = 0.03289625 < =
* con € <

SOLUCION MATRICIAL DE JACOBI
Del sistema Ax = b
 la relación matricial de jacobi
Sea A = D + L + U
= b + [- ( L + U )]
( D + L + U )x = b k = 0, 1, 2…
Dx + ( L + U)x = b Observación
α=- ( L + U ) es igual al despejar
Dx = b + [-( L + U)x]
xi de la ecuación (i), i = 1, 2, 3…
x= b + [- ( L + U )]x
…… ………………..
x=β + α

SEGUNDO METODO:
METODO DE GAUSS- SEIDEL
También determina la solución del sistema iterativamente.
De la relación matricial del sistema :
( )
( ) ( ) … ( )
De ( ) se obtiene la relación matricial de G-S , siguiente:
𝑥 (𝑘 )
𝐷 𝑏 ( 𝐷 𝐿)𝑥 (𝑘 ) ( 𝐷 𝑈)𝑥 (𝑘)
Observación:
*Si ( )
*La relación ( ) se puede obtener al igual que Jacobi del sistema , de la ecuación
despejar la variable , para obtener la Matriz .
Algoritmo del método de Gauss-Seidel:
Paso1: Dado el sistema obtener su sistema .

( ) ( ) ( )
Paso 2: Para un punto inicial arbitrario generar la sucesión { } mediante la
siguiente relación:
( ) ( ) ( ) ( ) ( )
; …
( ) ( )
Paso 3: Dejar de iterar si ‖ ( )
‖ ; caso contrario ir al paso 2.

Observación:
En la convergencia del método de Gauss-Seidel también se cumple que:
‖ ‖
) ( )
{ }
Ejercicios resueltos:
1) Dados:
( )
( ) ( ), ( )
Resuelva el sistema Ax = b por el método de Gauss-Seidel.
Solución:
Utilizando Gauss-Seidel:
( ) ( ) ( )
( ) ( )
Operando obtenemos la secuencia:
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Claramente converge a la solución exacta ( ) .
La tasa de convergencia del método de Gauss-Seidel viene dada por la norma de:
( ) ( )

Cuyas normas son: ‖ ‖ = 227/500 = 0.454 y ‖ ‖ = 2/5 = 0.4.
2) Considere el siguiente sistema de ecuaciones:
( ) ( )
¿Puede resolver este sistema por el método de Gauss-Seidel? ¿Por qué? Si lo puede hacer,
haga solo dos iteraciones a partir de la solución nula y determine la tasa numérica de
convergencia. Además calcula la tasa exacta de convergencia. ¿Cuántas iteraciones
necesitará para alcanzar un error absoluto de .
Solución:
El método de Gauss-Seidel es aplicable porque por que la matriz es simétrica definida

positiva. Dos iteraciones conducen a:
( )
( )
( )
( )
( )
( )
Y la tasa de convergencia numérica la podemos calcular como (en norma infinito)

( )
‖ ( )
‖
Que se parece poco a la tasa de convergencia exacta:
(( ) )
NOTA: Calculando con más iteraciones nos acercamos a la tasa teórica, por ejemplo:
( )
‖ ( )
‖
Para alcanzar (en norma infinito) un error absoluto menor que se requieren 13
iteraciones.

Ejemplo 1
Sea el sistema:
Por el método de Gauss-Seidel
Analizar su divergencia
Hallar su solución con
Solución:
[ ]
L [ ]
Luego:
(L )
[ ][ ] [ ]
[ ]
‖ ‖ { }
∃ {X (k)} X*

[ ][ ] [ ]
( ) ( ) ( )
De L[ ]
( )
( ) ( )
Sea [ ]
( )
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
[ ]
( )

: 1era Iteración
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
: 2da Iteración
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
[ ]
( ) ( )
( )
( )
( )
( )
[ ]

: 3era Iteración
( ) ( ) ( )
L[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
[ ]
| |
‖ ( ) ( )‖
‖ ( )‖
| |
( )

Ejemplo 2
Sea el sistema:
Solución:
[ ]
[ ]
Luego:
( )
[ ][ ] [ ]
‖ ‖ { }
∃ {X (k)} X*
[ ][ ] [ ]
( ) ( ) ( )
De [ ]
( )
( ) ( )
Sea [ ]
( )
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
( )
[ ]
: 1era Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )

( )
( )
( )
( )
[ ]
: 2da Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
( )
( )
[ ]
‖ ( ) ( )‖
‖ ( )‖
( )

Ejemplo 3
Sea el sistema:
Solución:
[ ]
[ ]
Luego:
( )
[ ][ ] [ ]
[ ]
‖ ‖ { }
∃ {X (k)} X*
[ ][ ] [ ]

( ) ( ) ( )
De [ ]
( )
( ) ( )
Sea [ ]
( )
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
: 1era Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )

( )
( )
( )
( )
( )
( ) ( )
[ ]
( )
: 2da Iteración
( ) ( ) ( )
[ ]
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ][ ]
( ) ( )
( )
( )
[ ]
( ) ( )
( )
( )
( )
( )
[ ]
: 3era Iteración
( ) ( ) ( )
[ ]

( ) ( )
( ) ( ) ( )
[ ] [ ]
( ) ( )
[ ][ ]
( )
( )
( )
( )
[ ]
| |
‖ ( ) ( )‖
‖ ( )‖
| |
( )

DIFERENCIA NUMERICA
 Aproximaciones a la Derivada
 Generación de Formulas de Diferenciación Numérica
 Primera y Segunda Derivada Aplicando los Métodos de Newton Progresivo y

Regresivo y Métodos Centrales.
Diferenciación numérica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:

(X0, f0), (X1, f1),… (Xn, fn) continua y diferenciable en [X0, Xn]. El problema de la
Diferenciación Numérica es que dado un valor Xp [X0, Xn] se desea hallar el valor tal que
( ) , donde:
P …( )
( ) ( P )
( )
… ( )
Fórmula de Newton Progresivo (N P):
Si Xp = X0 en (i) P = 0
fórmula de NP es:
P(P )∆ P(P )(P )∆ P(P )(P )(P )∆

P∆
! ! !
Según (ii)
(P P) ∆ (P P P) ∆ (P P P P) ∆
[∆ ! ! !
]

( P )∆ ( P P )∆ ( P P P )∆
[∆ ! ! !
]( )
Si XP=X0 en (i) → P=0 en (iii)
∆ ∆ ∆
∆ ⋯
DIFERENCIACION DE ORDEN SUPERIOR
Se desea hallar ( ) ( ) en forma aproximada
( ) . Además P
( ( ))
( ) Si se sabe
n
En general se tiene
Para Newton Progresivo - hacia adelante
P P
[∆ (P )∆ ( )∆ …]
Si XP=X0 → P=0
[∆ ∆ ( )∆ …]
Formula de Newton Regresivo (NR). Su formula de interpolación es:
P(P ) P(P )(P ) P(P )(P )(P )

P
! ! !
Según (ii)
(P P) (P P P) (P P P P)
! ! !
( P ) ( P P ) ( P P P )
⋯
! ! !
Si XP=0 → P=0
[ ⋯]
Nota: Para determinar la 1ra derivada se debe tomar una diferencia más que la que indica la
T O T en el caso de interpolación.
DIFERENCIACION DE ORDEN SUPERIOR PARA NEWTON REGRESIVO
P P
P [ (P ) ( ) …]
P [ ( ) …]
Ejemplo: En la siguiente tabla determinar (a) y (b) ( ) por NP
X f(X) ∆ ∆2 ∆3
0.00 1.0000 513 26 1
0.05 1.0513 539 27 3
0.10 1.1052 566 30 0
0.15 1.1618 596 30
0.20 1.2214 626
0.25 1.2840
Solución(a):
∆ ∆
[∆ ]
[ ]
Solución (b)
( es una derivada que esta al principio de la tabla → se emplea la formula de Newton

)
Progresivo, como XP=0.055 es un punto intermedio → XP [0.05,0.10], → X0=0.05. Se halla
su valor de P de:P .

H=0.05 → P
f0 ∆f0
X0 ∆2f0 ∆3f0
0.05 1.0513 539 27 3
( P )∆ ( P P )∆
S P [∆ ! !
]
( )( ) ( ) ( )
( ) [ [ ]( )]
Ejemplo de la Fórmula Newton Regresivo
Hallar(a) ( ) y (b) ( )
Solución (a)
Para P=0 y | | se utiliza →
P [ ] P ( ) porque X0=0.25 en la tabla de NR
( ) [ ]
Solucion(b)
P P P
( P ) ( P P )
P [ ! !
]
( ) ( ) ( )
( ) [ [ ]( ) [ ]( )]
( )

FÓRMULA DE DIFERENCIACIÓN DE BESSEL
P ( ) ⋯
P [ ( ) ⋯]
P
S P
P(P ) P P P
P(P )(P ) P P P P P
Si XP es un punto tabulado XP=X0 → P=0
( )
[ ⋯]
FÓRMULA DE DIFERENCIACIÓN DE STIRLING
( ) ( ) ⋯
P [ ( ) ( ) ⋯]
P P(P )(P ) P
S S ( !)
P P (P )(P ) P P
S P S !
( P )
P [ ] P ( ) ⋯
En XP=X0 → P=0
( ) ( )
[ ⋯]

Ejemplo 3: Hallar(a) ( ), (b) ( )
Solución(a)
( ) ( )
Como 0.10 [0.10, 0.15] →
P P S g
g |∆ | S g
P [ ( ) ]…( )
P
P () P
( )
[ ]
En la tabla se tiene:
( )
( )
( )
[ ]
Solución (b)
( ) P
|∆ | ()
P ( ) P P
()

( ) ( )( ) ( ) ( )( )
INTEGRACIÓN NUMERICA
Para intervalos Simples
Método del trapecio
∫ ( ) ( )
( ) , m є [X0, X1]
Donde ( )= max { | ( )| | ( )| }
Método de Simpson de 1/3

∫ ( )
( ) , m є [X0, X1]
Donde ( ) {| ( )| | ( )| }
Método de Simpson de 3/8
∫ ( )
( )
( ) {| ( )| | ( )| }
Ejemplo:
∫ ( )
Por el trapecio Simple

Solución:
X f(x)
X0=1 f0=0.841471
X0+h=X1=2 f1=1.818595
Obs: Los puntos Xi son dela forma Xi=X0+hi
Determinación del
Si ( )
( )
( )
( ) {| ( )| | ( )| }
( ) {| | | |}
( ) ( )
Entonces
∫ ( )
Solución por el método Simpson de 1/3 para intervalo simple

Sol:

X f(x)
X0=1 f0=0.841471
X0+h=1.5 f1=1.496242
X0+2h=2 f2=1.818595
Determinación del
Si ( )
( )
( ) {| ( )| | ( )| }
( ) { }
( ) ( )
Entonces:
∫ ( ) ( )
Por Simpson 3/8 para intervalo Simple

Sol:
∫ ( )
, es igual al ejemplo anterior
X f(X)
X0=1 f0=0.841471
X1=4/3 f1=1.295917
X2=5/3 f2=1.659013
X3=2 f3=1.818595

( ) { }
( ) ( )
∫ ( )
Integración Numérica para intervalos compuestos
Método del trapecio compuesto
m veces h
Demostración:
∫ ( ) ( )
∫ ( ) ( )
∫ ( ) ( )
…
…

∫ ( ) ( )
Entonces la suma todas las integrales seria:
∫ ( ) ( ) ( …… )
Determinación del del trapecio
( )
( )
Método de Simpson de 1/3 compuesta.
Demostración:
∫ ( )
∫ ( )
∫ ( )
…
∫ ( )

Entonces la suma de todas las integrales seria:
∫ ( ) ( ) ( ⋯ ) ( ⋯ )
Determinación del de Simpson de 1/3 compuesta
( )
( )
…
…
( )
( ) ( )
Ejemplo:
Por trapecio compuesto con m=5

Sol:
X f(X)
X0=1 f0
X1=1.2 f1
X2=1.4 f2
X3=1.6 f3
X4=1.8 f4
Es igual al ejemplo
X5=2 f5 del trapecio simple
( ) ( )
( ) ( )
∫ ( ) ( ) ( ) = 1.436070589 +

Simpson de 1/3 compuesto con m=3
X f(X)
X0=1 f0
X1=7/5 f1
X2=8/6 f2
X3=9/6 f3
X4=10/6 f4 Es igual al ejemplo
X5=11/6 f5 de Simpson de 1/3
X6=2 f6=fm
( ) ( )
( ) ( )
∫ ( ) ( ) ( ) 2.493614005 +

EXTRAPOLACION DE RICHARDSON- (E.R)

Definición ER: Consiste en que a partir de dos estimación (o aproximaciones) de una integral, obtener
una tercera aproximación (muchas veces la mejor).
Se tiene los siguientes casos:
Para intervalos simples:
ER entre la Regla del trapecio y la 1º formula abierta (Integración abierta) “ambas de precisión uno”
porque ( )
Sea ∫ ( ) por dos métodos anteriores se tiene:
Regla Trapecio (RT):
(𝑏 𝑎)
𝐸 𝑓 𝑖𝑖 ( ) (𝑥 𝑥 ) 𝐸 𝑓 𝑖𝑖 ( )
(𝑎 𝑏)
1º Regla Abierta de Newton – Cotes:
𝑖𝑖 (
𝑏 𝑎 𝑓 𝑖𝑖
𝐸 𝑓 ) (𝑥 𝑥 ) 𝐸 ( ) ( )
(𝑎 𝑏)
El valor de la integral I* (generalmente es el mejor).
Que se cumple:
……… ( )
Tomando el cociente de errores
( )
( )
( )
( )
( )
Supongamos que:
( ) ( ) ……… ( )

(2) en (1)
( )
(3) en (1)
( )
ó …………… ( )
E.R. entre la R. trapecio Simple y la primera formula abierta
𝟏 𝟐 FORMULA EXTRAPOLACION -(ER) ENTRE TRAPECIO SIMPLE

𝑰 𝑰 𝑰 Y 1RA FORMULA ABIERTA.
𝟑 𝟏 𝟑 𝟐
Ejemplo:
Calcular ∫ ( ) ( )
Aplicando: 4 es decir:
= 1 + 1(1)
=2
= 1 + 2(1)
=3
( ) ( )

( )
f(X)
f1
( )( )
Aplicando (4)
x0 x1 x2
( ) ( )
( )
E.R. ENTRE LAS FORMULAS DE SIMPSON DE 1/3 Y 3/8 SIMPLE
Se sabe que para Simpson de 1/3 para intervalo simple es:
∫ ( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
Y que para Simpson de 3/8 es:

∫ ( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
……( )
Sea el siguiente cociente de errores:
( )
( )
≠ ( )
( )
( )
Si ( ) ( ) … ( )
(2)’ en (1)’:
( )……( )
(3)’ en (1)’:
( )
Formula De Extrapolación entre

𝟗 𝟒 Simpson de 1/3 y Simpson de 3/8
𝐈 𝐈 𝐈
𝟓 𝟐 𝟓 𝟏 … (4)` para Intervalo Simple
Ejemplo:
Aplicando la fórmula para hallar:
∫ ( )
Solución:
( )
( )
𝑓(𝑥)
∫ ( ) ( ) 𝑋 𝑓
X0+1h = 𝑋 𝑓
( ( ) ) 𝑋 𝑓
𝑓(𝑥)
𝑋 𝑓
𝑋 𝑓
( )
𝑋 𝑓
𝑋 𝑓
∫ ( ) ( )
∫ ( ) ( ( ) ( ) )
{ ( ) ( )}
(E.R) PARA EL TRAPECIO COMPUESTO
Sea:
…… ( )
Para aplicaciones de la Regla Del Trapecio Compuesto, análogamente:
Para aplicaciones de la Regla Del Trapecio Compuesto tomando el cociente de errores:

( )
( )
; ≠ ( )
( )
( )
Si:
( ) ( ) ( ) ( ) …… ( )
(2)” en (1)”:
( )
( )
[ ( ) ]
…… ( )
( )
(3)” en (1)”:
Para en (3)”. Se tiene:
( ) ⁄
…… ( )
(4)” en (1)”
( )
𝟒 𝟏 Extrapolación de Richardson (E.R.)

𝐈 𝐈 𝐈
𝟑 𝐧𝟐 𝟑 𝐧𝟏 para el Trapecio Compuesto para n1 y
n2.

Ejemplo 1:
Calcular ∫ ( ) usando “1º dos aplicaciones” ( ) y despues “cuatro

aplicaciones” ( ) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
3º aproximacion (que es la mejor).
Solución:
( ⋯ ( )
Se tiene:
Para:
( )
Como
𝑓(𝑥) ( ( ))
1 1 𝑓
2 9 𝑓
2.5 𝑓
Para:
( )
Como
𝑓(𝑥)
1 1 𝑓
1.5 4 𝑓
9 𝑓 ( )
2.5 15 𝑓
3 25 𝑓

( ( ))
( ( ))
Aplicando:
( ) ( )
Ejemplo 2:
Evaluar ∫ igual a la pregunta anterior.
Solución:
Para:
𝑓(𝑥) ∫ ( ) ( )
1 1 𝑓
2 1/2 𝑓 ( ( ))
1/3 𝑓
Para:

𝑓(𝑥)
1 1 𝑓 ∫ ( ) ( )
1.5 2/3 𝑓
1/2 𝑓 ( ( ))
2.5 2.5 𝑓
3 1/3 𝑓
( ) ( )
E.R. PARA LAS REGLAS DE SIMPSON DE 1/3 COMPUESTO
Sea
…… ( )
( ⋯ ) ( ⋯
Donde ^ son aproximaciones de
Aplicando ^ aplicaciones de la R. de Simpson de 1/3 compuesto y su cociente de errores,

donde:
( )
( )
; ≠ ( )……( )
( )
( )
Si ( ) ( ) ( ) ( ) ……( )
( ) ( )
( )

( ) …… ( )
( )
Para:
en ( )
( )
( )…… ( )
( ) ( )
( )
Extrapolación de Richardson (E.R.) 𝟒 𝟏

entre las reglas de Simpson de 1/3 𝐈 𝐈 𝐈
𝟑 𝐧𝟐 𝟑 𝐧𝟏 …… ( )
compuesto para 𝒏𝟏 y 𝒏𝟐
aplicaciones.
Ejemplo (1):
Para :
X f(X)
X0=1 f0
X1=2 f1
( ) ( )
Para :
X f(X)
X0=1 f0
X1=1.5 f1
X2=2 f2

( )( )
Entonces:

INTEGRACION DE ROMBERG
Es un método que combina la convergencia de las reglas del Trapecio o Simpson con las técnicas de
extrapolación de Richardson para retener una sucesión que converge hacia el verdadero valor de la
integral.
Descripción de la técnica de integración de Romberg
Vamos a introducir la , la aproximacion de la integral ∫ ( ) utilizando la regla del

Trapecio Compuesto para y .
Para: y ; se sugiere la siguiente tabla:
1 2 3 4 … n
1 2 4 8
La integración de Romberg da su respuesta en forma matricial:
. . . . .
. . . . .
. . . . .
. . .
Se sugiere hallar con la siguiente formula.
(𝑘 )
𝐾
𝑅 𝐾 𝑓(𝑎) 𝑓(𝑏) ∑ 𝑓(𝑎 𝑖 𝐾)
𝑖
Nos generamos las siguientes sucesiones …

∫ ( ) ( ( ) ( ))
Obs: Para las demás filas y columnas se sugiere hallar con la siguiente formula
𝑅𝐾 𝑅(𝐾 ) 𝐾 ∑ 𝑓(𝑎 (𝑖 ) 𝐾 )
𝑖
De la segunda columna hacia adelante se calculara con la siguiente fórmula:
𝑗 i = 2, 3, 4,…n
𝑅𝑖 𝑗 𝑅𝑖 𝑗
𝑅𝑖𝑗 𝑗 j = 2, 3, 4,…n
Para la segunda columna se utilizara:
𝑅𝑘 𝑅𝑘
𝑅𝑘 k = 2,3,…
Para la tercera columna k=3 será:

𝑅𝑘 𝑅𝑘 k = 3,4,…
𝑅𝑘
Para la cuarta columna k=4 será:
𝑅𝑘 𝑅𝑘 k = 4,5,…
𝑅𝑘
Para la quinta columna k=5 será:
𝑅𝑘 𝑅𝑘
𝑅𝑘 k = 5,6,…
Para la sexta columna k=6 será:
𝑅𝑘 𝑅𝑘
𝑅𝑘 k = 6,7,…

Ejercicio 1
Hallar ∫ ; con n=6 por Romberg
Solución:
Tenemos de datos:
a=0
b=0.8
n=6
( )
Realizando la tabla
1 2 3 4 5 6
1 2 4 8 16 32
0.8 0.4 0.2 0.1 0.05 0.025
Hallamos la primera fila y columna
( ) ( ) ∑ ( )
Cuando K = 1
[ ( ) ( ) ( )]
( ) ( )
( )
( )
( )
Calculando la primera columna y demás filas.
( ) ∑ ( ( ) )

Cuando K = 2
[ ( ) ( ( ) )]
Cuando K = 3
[ ( ) ( ( ) )]
Cuando K = 4
[ ( ) ( ( ) )]
Cuando K = 5
[ ( ) ( ( ) )]
Cuando K = 6
[ ( ) ( ( ) )]
PARA LOS VALORES DE LA SEGUNDA COLUMNA:
Cuando K = 2
Cuando K = 3
Cuando K = 4
Cuando K = 5

Cuando K = 6
PARA LOS VALORES DE LA TERCERA COLUMNA:
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA CUARTA COLUMNA:
Cuando K = 4
Cuando K = 5
Cuando K = 6

PARA LOS VALORES DE LA QUINTA COLUMNA:
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA SEXTA COLUMNA:
Cuando K = 6
LA MATRIZ FINAL SERÁ:
0.712173
0.594777 0.55545
0.564899 0.554939 0.554891
0.557395 0.554889 0.554889 0.554888
0.555517 0.554890 0.554890 0.554890 0.554890
0.555047 0.554890 0.554889 0.554889 0.554889 0.554889

SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES

ORDINARIAS CON VALOR INICIAL.
I) De un solo paso:
Dada la Ecuación Diferencial Ordinaria:
𝑑𝑦
𝑦´ 𝑓(𝑥 𝑦) / 𝑦´ 𝑑𝑥
Con la condición inicial:
𝑦(𝑥 ) 𝑦
a) Método de Euler:
Es de la forma:
𝑦𝑖 𝑦𝑖 𝑦´𝑖
𝑦𝑖 𝑦𝑖 𝑓(𝑥 𝑦)
Observación:
Euler es un caso particular de Taylor de orden 1.
Ejemplos resueltos:
1º forma de pregunta
1) Dado:
Con:
( )
Hallar: ( )

Solución:
Como:
Entonces:
Para i=0 , ´
Donde:
( ) ( )
Luego:
´ …( )
Donde:
Reemplazando en ( ):
( )( )( )( )
( )

2) Dado:
Con:
( )
Hallar: ( ) para , con n=4
Solución:
Como:
0 1 2 3 4
1 1.25 1.5 1.75 2
( )
( )
( )
( )
Para i=0, con ( ) ( )
Para i=1, con ( ) ( )
Para i=2, con ( ) ( )

Para i=3, con ( ) ( )
Para i=4, con ( ) ( )
b) Método de Taylor de orden K:
Es de la siguiente forma:
´´ ´´´ ( )
´
⋯
! ! ! !
O
´ ´´ ´´´ ( )
( ) ( ) ( ) ( )
( ) ( ) ⋯
! ! ! !
Donde:
El error local es de la forma:

( )
( )
!
Ejemplos resueltos:
Dado:
´
…( )
Con:
( )

Por Taylor de orden 3 hallar: ( )
Solución:
Como:
Y de ( ) se sabe que:
Luego, Taylor de orden 3 es de la forma:
´´ ´´´
´
! ! !
Para i=0 con ( ) ( )

´´ ´´´
´
! ! !
Se requiere hallar:
´´ ´´´
´
( )
´
…( )
´
Derivando ( )
´´ ´
…( )
´´ ´
´´
( ) ( )( )
´´
Derivando ( )
´´´ ´´ ´ ´
( )
´´´ ´´ ´ ´
( )
´´´
(( )( ) ( )( ))

´´´
Por último, reemplazando:
)( ) ( ) ( ) ( ) ( )
! ! !
( ) …
Dado:
´
…( )
Con:
( )
Por Taylor de orden 3 en el segmento con n=2, hallar: ( )
Solución:
Como:
Determinamos los puntos: /

´´ ´´´
´
! ! !
… (Resuelto anteriormente)

´´ ´´´
´
! ! !
´´ ´´´
Se requiere hallar: ´
De ( )
´
…( )
´
…
´
…
Derivando ( ):
´´ ´
…( )
´´ ´
´´
( ) ( … )( …)
´´
Derivando ( )
´´´ ´´ ´ ´
( )
´´´ ´´ ´ ´
( )
´´´
(( … )( ) ( … )( … ))
´´´
Luego, reemplazando:
´´ ´´´
´
! ! !
( )( …) ( ) ( ) ( ) ( )
…
! ! !

´´ ´´´
´
! ! !
´´ ´´´
Se requiere hallar: ´
De ( )
´
…( )
Derivando ( ):
´´ ´
…( )
´´ ´
´´
( ) ( )( )
´´
Derivando ( )
´´´ ´´ ´ ´
( )
´´´ ´´ ´ ´
( )
´´´ )( ) ( )( ))
((
´´´
Luego, reemplazando:
´´ ´´´
´
! ! !
( )( ) ( ) ( ) ( ) ( )
! ! !

PREDICTOR – CORRECTOR
Como su nombre lo indica se predice un valor , después se usa una formula diferente para
corregir este valor.
Los métodos Predictor-Corrector hallar el valor del pto( ) utiliza información del
pto( ) y sus precedentes donde cada pto precedente indica un paso, de aquí su nombre como
método de múltiples pasos. A diferencia de los métodos de Runge-Kuta, Taylor, Euler, que son
métodos de un solo paso (Para utiliza la información de )
Ejemplo:
Usando el método predictor – corrector
Predictor: 𝑦𝑖 𝑦𝑖
Corrector: 𝑦𝑖 𝑦𝑖 ( )
Con h=0.5, hallar ( ) sabiendo que satisface:
Solución:
( ) ; Y h=0.5
Por condición del problema.
( )
( )
Para aplicar el predictor corrector, se necesita hallar por un método no menor de orden
(puede ser Taylor, o RK), Sea RK-4.
( )
( ) ( )
( ) ( )( )
( ) ( ( ))
( ) ( )( ) ( )( )

( ) ( ( )( ))
( )
( ) ( )( )
( )
( ( ))
( )
( ) ( )( )
( )
(… )
( )( ) ( )( )
Aplicando el predictor:
( ) ( )( )
( )
( ) ( ) ( )( )
Aplicando el corrector:
( )
( ) ( )
( ) → este es el corrector

ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
Una ecuación diferencial ordinaria de orden n se puede transformar en un sistema de EDO de orden
1.
Así se tiene una EDO de orden n:
𝑦 (𝑛) 𝑓(𝑥 𝑦 𝑦 𝑦 𝑦 … 𝑦 (𝑛 )
)
( )
con las condiciones iniciales ( ) n condiciones iniciales
Sea las sgtes transformaciones
.
(n )
n
Se tiene
.
n ( … ( )
)
Sea ( )= ( ) → ( ) ( )
( ) ( )
… …
n( ) ( )
Ejemplo 1: La Sgte. EDO de orden

Con ( ) ( ) ( )
Como un conjunto de ecuaciones de orden
Solución: De
Sea
( ) ( )
( ) ( )
( ) ( )

La EDO de orden se expresa como un conjunto de 3 ecuaciones de orden sgte:
Matricialmente se tiene:
=
Con las Sgts. condiciones iniciales
( ) ( ) =
( )
( )
Ejemplo 2:
Dado con ( ) ( )
( ) ( )
Expresar como un sistema de EDO de orden
Solución
Sea
El sistema de EDO de orden es:
( ) ( ) ( ) ( )

Matricialmente
= = ( )
,i=0,1,2
( )
( )
( )
Sea
( ) ( ) ( ) =
( )
( )
( )

CONCLUSIONES
Ventajas y desventajas de los métodos iterativos comparados con los métodos directos
Ventajas:
 Probablemente son más eficientes que los métodos directos para sistemas de orden
muy alto.
 Más simples de programar.
 Pueden aprovecharse una aproximación a la solución, si tal aproximación existe.
 Se obtiene fácilmente bajo aproximaciones burdas de la solución.
 Son menos sensibles a los errores de redondeo (valiosos en sistemas mal
condicionados).
 Se requiere menos memoria de maquina. Generalmente, las necesidades de
memoria son proporcionales al orden de la matriz.
Desventajas:
 Si se tiene varios sistemas que comparten la matriz coeficiente, esto no representara

ahorro de cálculos ni tiempo de maquina, ya que por cada vector a la derecha de A
tendrá que aplicarse el método seleccionado.
 Aun cuando la convergencia este asegurada, puede ser lenta y, por; lo tanto, los
cálculos requeridos para obtener una solución particular no son predecibles.
 El tiempo de maquina y la exactitud del resultado dependen del criterio de
convergencia.
 Si la convergencia es lenta, los resultados deben interpretarse con cautela.
 No se tiene ventaja particular alguna (tiempo de maquina por iteración) si la matriz
coeficiente es simétrica.
 No se obtiene la inversa de A ni el determinante de A.

INTEGRANTES
1. ALARCON MONRROY, ALEXANDER…………….. 08190032

2. ALVARADO LACMA, MARCIAL…………………………09190023
3. CORREA GALLUFFE, BORIS……………………………..08190144
4. CESPEDES BURGOS, JUAN……………………………….04190205
5. CAQUI PINTADO, GABRIEL……………………………...09190107
6. CASTILLO VELASQUEZ, JUAN………………………….09190026
7. CALDERON HUAMAN, DAVID JESUS………………..10190264
8. DELGADO ARPITA, MIGUEL…………………………….07190020
9. GOMERO GOMERO, CARLOS J………………………….09100168
10. HUAMANI QUISPE, JUAN PABLO…………………….03190038
11. LOPEZ PORRAS, JUAN JOSE……………………………..09190116
12. MARIANO CABELLO, ISIDRO…………………………...09190118
13. MENDOZA GUZMAN, JORGE……………………………07190151
14. MEJIA SANCHEZ, JOSE EDUARDO……………………08190173
15. ROSALES LEON, FERNANDO JESUS…………………09190171
16. RODRIGUEZ ALVARADO, JORGE……………………...08190051
17. RIVERA YANAC, VLADIMIR……………………………..09190139
18. SUEROS ZARATE, JONATHAN………………………….08190094
19. TUÑOQUE MEZA, JOB JOSUE……………………………05190041
20. VILLA FLORES, DANIEL…………………………………..06190148
21. ZAMORA MONTENEGRO, RONEL…………………….09190020
22. ZELADA LOPEZ, ROYBHER FRANK………………….09190153

Libro de Metodos Numericos Malasquez 1 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro de Metodos Numericos Malasquez 1 PDF

Cargado por

Copyright:

Formatos disponibles

UNMSM MÉTODOS NUMÉRICOS

UNIVERSIDAD NACIONAL MAYOR DE SAN

CURSO METODOS NUMERICOS I - II

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 1

MÉTODO DE REGULA FALSI O MÉTODO DE FALSA POSICIÓN……………….10

MÉTODO DE PUNTO FIJO O MÉTODO DE APROXIMACIONES SUCESIVA…..12

MÉTODO DE NEWTON – RAPHSON…………………………………..….…………17

MÉTODO DE NEWTON – RAPHSON EN DOS VARIABLES…………………..…..24

INTERPOLACIÓN DIRECTA DE NEWTON -PROGRESIVO………………..…….28

INTERPOLACIÓN DE NEWTON REGRESIVO (NR)…………………………..……31

INTERPOLACION DIRECTA CENTRAL……………………………………….……32

INTERPOLACIÓN PARA EL CASO DE DATOS NO EQUIDISTANTES…….….…35

INTERPOLACION Y APROXIMACION DE LAGRANGE………………….………38

METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES……..…….48

Método Tridiagonal para sistemas de ecuaciones lineales………………………………59

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 2

NORMA DE UNA MATRIZ………………………………………………………......73

SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES LINEALES………...75

Método de Gauss- Seidel……………………………………………………………….85

EXTRAPOLACION DE RICHARDSON- (E.R)……………………………………..113

SOLUCIÓN NUMÉRICA DE E. D.O. CON VALOR INICIAL…………………….130

Método de Taylor de orden K…………………………………………………………133

ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR………………………140

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 3

En la práctica de la ingeniería y ciencias es frecuente tener la necesidad de resolver un

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 4

DEFINICION DE CIFRAS SIGNIFICATIVAS EXACTAS:

Y sea sus siguientes aproximaciones:

Ahora hallamos sus Ea de cada uno.

Ea1 = | p – p₁ | = 0.008203 = 0.008 = 0.8x10¯³ = 0.001 = 0.1x10¯²

Ahora hallaremos el número de cifras significativas exactas:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 5

Ahora hallaremos el número de cifras decimales exactos:

TEOREMA DE BOLZANO (TB)

Aplicación del Teorema de Bolzano:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 6

Como f(1).f(2) < 0 ---> existe x* que pertenece a [1,2]

P-4. - Dejar de iterarse

Caso contrario ir al paso numero 2.

Obtener una solución con 2 cifras ex

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 7

Obtener una solución con 2 cifras ex

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 8

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 9

MÉTODO DE REGULA FALSI O MÉTODO DE FALSA POSICIÓN

Algoritmo del método de R.F.

Paso 1: Dada la ecuación ( )=0

Paso 2: Generar la sucesión: {xn} x* mediante la relación:

Obtener una solución con 2 cifras ex

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 10

Obtener una solución con 2 cifras ex

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 11

MÉTODO DE PUNTO FIJO O MÉTODO DE APROXIMACIONES

Paso 1: Dado la ecuación ( )=0 / exista la raíz X* [a, b] por el T.B.

De ( )=0 despejar de diferentes formas y obtener una ecuación de la siguiente forma:

Donde g(x) es llamado función de iteración.

Si x = x* es raíz o solución de (2) también lo será de ( )=0, X* que satisface (2) es

Paso 2: Generar la sucesión:

Mediante la siguiente relación:

Xn+1 = g (Xn) ; Donde n= 0,1,2,3,…

Tomando como valor arbitrario / b]

Paso 3: Dejar de iterar si: