Es sistema es lineal porque todas las incógnitas 𝑥_1, 𝑥_2, … , 𝑥_𝑛 están todas elevadas a la potencia

1.

Los valores 𝒂_(𝒊, 𝒋) son conocidos (dados) y se llaman coeficientes del sistema.

Los valores 𝒃_𝒊 son conocidos y se llaman términos independientes.l

El problema consiste en encontrar el valor de cada incógnita para que se cumplan todas las
ecuaciones.

Casos posibles:

a) El sistema no tiene solución: sistema incompatible.

b) El sistema tiene un única solución.
c) El sistema tenga infinitas soluciones: sistema indeterminado
FORMULACIÓN MATRICIAL DE UN SISTEMA LINEAL DE ECUACIONES

MÉTODOS PARA RESOLVER UN SISTEMA DE ECUACIONES LINEALES

MÉTODO DE ELIMINACIÓN DE GAUSS CON SUSTITUCIÓN HACIA ATRÁS

 Consiste en transformar el sistema de modo que la matriz de coeficientes tenga solo ceros
debajo de la diagonal. Una matriz con esta forma se llama matriz triangular superior.

2. Sustitución hacia atrás

Consiste en que partiendo del sistema con matriz triangular superior se despejan las incógni-
tas en orden inverso: 𝑥_𝑛, 𝑥_(𝑛 − 1), 𝑥_(𝑛 − 2), … , 𝑥_2, 𝑥_1.

ELIMINACIÓN GAUSSIANA

Matriz extendida de un sistema de ecuaciones lineales

Es la matriz que se forma juntando la matriz de coeficientes 𝑨 con el vector de términos indepen-
dientes 𝒃 : [𝑨|𝒃].

Ejercicio: construir la matriz extendida del sistema de ecuaciones lineales

{█(2𝑥_1 + 𝑥_2 + 𝑥_3 = 6@𝑥_1 + 2𝑥_2 + 2𝑥_3 = 4@𝑥_1 + 𝑥_2 + 𝑥_3 = 4@)┤
Respuesta:

[█(2 1 1 6@1 2 2 4@1 1 1 4)]

Operaciones de filas que no alteran la solución de sistema de ecuaciones:

Multiplicación de una fila por un escalar

Suma de una fila con otra

 𝑎_2,1^((1) ) = 𝛼_2,1 𝑎_1,1 + 𝑎_2,1 = 0
𝛼_2,1 = −𝑎_2,1/𝑎_1,1

𝑎_(2, 𝑗)^((1)) = 𝛼_2,1 𝑎_(1, 𝑗) + 𝑎_(2, 𝑗) para 𝑗 = 1, 2, … 𝑛 (fila 2 transformada)

𝛼_3,1 = −𝑎_3,1/𝑎_1,1
𝑎_(3, 𝑗)^((1)) = 𝛼_3,1 𝑎_(1, 𝑗) + 𝑎_(3, 𝑗) para 𝑗 = 1, 2, … 𝑛 (fila 3 transformada)
:

𝛼_(𝑛, 1) = −𝑎_(𝑛, 1)/𝑎_1,1

𝑎_(𝑛, 𝑗)^((1)) = 𝛼_(𝑛, 1)𝑎1,𝑗 + 𝑎𝑛,𝑗 para 𝑗 = 1, 2, … 𝑛

𝑎1,1 es el pivote de las transformaciones para que la columna sea cero.

Así se logra que toda la columna 1 debajo de la diagonal tenga ceros.

Se quiere transformar la matriz para que toda la columna 2 debajo de la diagonal tenga ceros
(2) (1) (1)
𝑎3,2 = 𝛼3,2 𝑎2,2 + 𝑎3,2 = 0
(1) (1)
𝛼3,2 = −𝑎3,2 /𝑎2,2
(2) (1) (1)
𝑎3,𝑗 = 𝛼3,2 𝑎2,𝑗 + 𝑎3,𝑗 para 𝑗 = 2, … 𝑛 (fila 3 transformada por 2da vez)
:
:
De esta se logra que la columna 1 y la columna 2 tengan solo ceros.
Todo el proceso se debe realizar hasta la columna n-1, con lo que se obtiene un sistema con una ma-
triz de coeficientes triangular superior y ya se puede realizar la fase de sustitución hacia atrás.
Ejercicio:
Dado el sistema efectuar la eliminación gaussiana
2 1 1 2 𝑥1 12
2 2 3 3 𝑥2 22
[ ] [𝑥 ] = [ ]
4 3 5 7 3 43
2 3 6 8 𝑥4 47
 2 1 1 2 12
0 1 2 1 10
[ ]
0 1 3 3 19
0 2 5 6 35

2 1 1 2 12
0 1 2 1 10
[ ]
0 0 1 2 9
0 0 1 4 15

2 1 1 2 12
0 1 2 1 10
[ ]
0 0 1 2 9
0 0 0 2 6
Con esto se ha completado la fase de eliminación gaussiana.
2 1 1 2 𝑥1 12
0 1 2 1 𝑥2 10
[ ] [𝑥 ] = [ ]
0 0 1 2 3 9
0 0 0 2 𝑥4 6
Fase de sustitución hacia atrás.
𝑥4 = 3
𝑥3 = 9 − 2 × 3 = 3
𝑥2 = 10 − 2 × 3 − 3 = 1
𝑥1 = 12 − 1 − 3 − 2 × 3 = 1
Respuesta:
La solución del sistema es
𝑥1 = 1; 𝑥2 =1; 𝑥3 = 3; 𝑥4 = 3.
Pregunta: ¿Qué pasa si un pivote resulta 0?
Se debe buscar una fila que debajo del pivote (que es cero) una fila k que debajo del pivote
tiene valor distinto de 0, luego se un intercambio de la fila del pivote con la fila k y se conti-
núa con la eliminación.
Si todas las filas debajo del pivote tienen cero, quiere decir que el sistema no tiene solución
única, y el proceso termina.
SOLUCIÓN DE ECUACIONES CON FACTORIZACIÓN DE MATRI-
CES
Clase anterior: método de eliminación de Gauss, con dos fases: eliminación,
sustitución inversa (o hacia atrás).

Problema:
Resolver los 3 sistemas siguientes:
𝑨𝒙 = 𝒃(𝟏)
𝑨𝒙 = 𝒃(𝟐)
𝑨𝒙 = 𝒃(𝟑) .
Los 3 sistemas tienen la misma matriz de coeficientes
que es 𝑨.
¿Cómo resolver estos sistemas sin repetir cálculos inne-
cesariamente?

𝑨𝒙 = 𝒃(𝟏)
[𝑨|𝒃(𝟏) ] matriz aumentada
𝑨𝒙 = 𝒃(𝟐)
[𝑨|𝒃(𝟐) ] matriz aumentada
𝑨𝒙 = 𝒃(𝟑)
[𝑨|𝒃(𝟑) ] matriz aumentada
Las matrices aumentadas difieren solo en la última co-
lumna, por lo tanto, la mayor parte de los cálculos de la
eliminación se repiten.
 Una forma de evitar la repetición de la eliminación de
las columnas de A es trabajando con la matriz aumen-
tada
[𝑨|𝒃(𝟏) |𝒃(𝟐) |𝒃(𝟑) ] matriz aumentada con 3 columnas
¿Qué pasa si 𝒃(𝟏) , 𝒃(𝟐) , 𝒃(𝟑) no se conocen al mismo
tiempo? Se conoce un solo vector b a la vez.
No se puede construir la matriz aumentada con las 3
columnas b.
En este caso se debe usar la factorización de la matriz
A.
FACTORIZACIÓN DE UNA MATRIZ
Dada una matriz 𝑨, la factorización de A consiste en encontrar
2 matrices P y Q tales que P Q=A.

Las matrices P y Q se llaman factores de la matriz A.

¿Cómo resolver un sistema usando la factorización de
la matriz de coeficientes?

Se desea resolver

𝑨𝒙 = 𝒃(𝟏)
𝒂) 𝑭𝒂𝒄𝒕𝒐𝒓𝒊𝒛𝒂𝒓 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒛 𝑨 𝒄𝒐𝒏 𝒇𝒂𝒄𝒕𝒐𝒓𝒆𝒔 𝑳 𝒚 𝑼.
Se desean matrices 𝑳 𝑦 𝑼 tales que
𝑳𝑼 = 𝑨
Donde L es una matriz triangular inferior y U es una matriz
triangula superior.
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎
𝑳 = 𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 matriz triangula inferior (lower)
⋮ ⋮ ⋮ ⋱ 𝟎
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 ⋯ 𝒍𝒏,𝒏 ]
 𝒖𝟏,𝟐 𝒖𝟏,𝟐 𝒖𝟏,𝟐 ⋯ 𝒖𝟏,𝒏
𝟎 𝒖𝟐,𝟐 𝒖𝟐,𝟐 ⋯ 𝒖𝟐,𝒏
𝑼= 𝟎 𝟎 𝒖𝟑,𝟑 ⋯ 𝒖𝟑,𝒏 matriz triangular superior (upper).
⋮ ⋮ ⋮ ⋱ ⋮
[ 𝟎 𝟎 𝟎 ⋯ 𝒖𝒏,𝒏 ]

𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝒖𝟏,𝟐 𝒖𝟏,𝟐 𝒖𝟏,𝟐 ⋯ 𝒖𝟏,𝒏

𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝒖𝟐,𝟐 𝒖𝟐,𝟐 ⋯ 𝒖𝟐,𝒏
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝒖𝟑,𝟑 ⋯ 𝒖𝟑,𝒏 = 𝑨
⋮ ⋮ ⋮ ⋱ 𝟎 ⋮ ⋮ ⋮ ⋱ ⋮
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 ⋯ 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 ⋯ 𝒖𝒏,𝒏 ]

Como 𝑳𝑼 = 𝑨, el sistema

𝑨𝒙 = 𝒃(𝟏)
puede ser expresado como
𝑳𝑼𝒙 = 𝒃(𝟏)
b) Llamando a 𝑼𝒙 vector 𝒚 se tiene el sistema

𝑳𝒚 = 𝒃(𝟏) ,
que puede ser resuelto fácilmente por sustitución hacia ade-
lante:
𝒚𝟏 = ⋯
𝒚𝟐 = ⋯.
:
:
𝒚𝒏 = ⋯.

Pero nuestra incógnita no es 𝒚, sino 𝒙.

c) Pero se sabe que
𝑼𝒙 = 𝒚,
sistema que puede resuelto por sustitución hacia atrás:
𝒙𝒏 = …
𝒙𝒏−𝟏 = …
⋮
𝒙𝟐 = …
 𝒙𝟏 = …
De este modo se tiene la solución del sistema original.
¿Cómo resolver el segundo sistema?
𝑨𝒙 = 𝒃(𝟐)
a ) Factorizar la matriz A ya no es necesario, se usa la factoriza-
ción que se hizo para resolver
𝑨𝒙 = 𝒃(𝟏)
Aquí está el ahorro en cálculo.
b ) Resolver el sistema
𝑳𝒚 = 𝒃(𝟐)
por sustitución hacia adelante
𝒚𝟏 = ⋯
𝒚𝟐 = ⋯
⋮
⋮
𝒚𝒏 = ⋯.
c ) Resolver el sistema
𝑼𝒙 = 𝒚
por sustitución hacia atrás:
𝒙𝒏 = ⋯
𝒙𝒏−𝟏 = ⋯
⋮
⋮
𝒙𝟏 = ⋯
Para los siguientes sistemas se siguen usando los mismos
factores 𝑳 y 𝑼 encontrados para resolver el primer sistema
𝑨𝒙 = 𝒃(𝟏) .

¿Cómo encontrar los factores 𝑳 y 𝑼?

Hay varios métodos:
Factorización Doolittle
Factorización Crout
Factorización Cholesky
FACTORIZACIÓN DOOLITTLE
Dada una matriz 𝑨 encontrar una matriz 𝑳 triangular inferior con 1
en la diagonal y una matriz triangular superior 𝑼 tales que 𝑳𝑼 = 𝑨 y
 𝟏 𝟎 𝟎 ⋯𝟎
𝒍𝟐,𝟏 𝟏 𝟎 ⋯𝟎
𝑳 = 𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝟏 ⋯𝟎
: : : : :
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟐 … 𝟏]

𝑼 puede ser cualquier matriz triangular superior.

𝒖𝟏,𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏
𝟎 𝒖𝟐,𝟐 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏
𝑼= 𝟎 𝟎 𝒖𝟑,𝟑 ⋯ 𝒖𝟑,𝒏
: : : ⋱ :
[ 𝟎 𝟎 𝟎 … 𝒖𝒏,𝒏 ]

Paso a) Hallar la matriz 𝑼:

La matriz 𝑼 es la matriz triangular superior que se obtiene al
realizar la eliminación de Gauss con la matriz A.
Ejercicio:
Hallar la matriz 𝑼 para la matriz
2 1 2 1
0 1 1 2
2 3 6 5
4 3 5 6

𝟐 𝟏 𝟐 𝟏
𝟎 𝟏 𝟏 𝟐
𝑼=[ ]
𝟎 𝟎 𝟐 𝟎
𝟎 𝟎 𝟎 𝟐

𝜶𝟐,𝟏 = 𝟎
𝜶𝟑,𝟏 = −𝟏
𝜶𝟒,𝟏 = −𝟐

𝜶𝟑,𝟐 = −𝟐
𝜶𝟒,𝟐 = −𝟏
 𝜶𝟒,𝟑 = 𝟎

𝟏 𝟎 𝟎 𝟎
𝟎 𝟏 𝟎 𝟎
𝑳=[ ]
𝟏 𝟐 𝟏 𝟎
𝟐 𝟏 𝟎 𝟏
Ejercicio:
Resolver los sistemas 𝑨𝒙 = 𝒃 y 𝑨𝒙 = 𝒄 donde
𝟐 𝟏 𝟐 𝟏 𝟗 𝟏𝟔
𝟎 𝟏 𝟏 𝟐 𝟔 𝟗
𝑨=[ ] 𝒃=[ ] 𝒄 = [ ].
𝟐 𝟑 𝟔 𝟓 𝟐𝟓 𝟒𝟎
𝟒 𝟑 𝟓 𝟔 𝟐𝟔 𝟒𝟓
𝟏
𝟐
𝒙 = [ ] del primer sistema
𝟐
𝟏
𝟑
𝟐
𝒙 = [ ] del segundo sistema
𝟑
𝟐
𝟏
𝟐
Respuesta: la solución del sistema 𝑨𝒙 = 𝒃 es 𝒙 = [ ]
𝟐
𝟏
𝟑
𝟐
y la solución del sistema 𝑨𝒙 = 𝒄 es 𝒙 = [ ].
𝟑
𝟐

FACTORIZACIÓN CROUT
Dada una matriz 𝑨 encontrar una matriz 𝑳 triangular inferior y una
matriz triangular superior 𝑼 con 1 en la diagonal tales que 𝑳𝑼 = 𝑨
y

𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎
𝑳 = 𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎
: : : : :
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟐 … 𝒍𝒏,𝒏 ]
 𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏
𝟎 𝟏 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏
𝑼= 𝟎 𝟎 𝟏 ⋯ 𝒖𝟑,𝒏
: : : ⋱ :
[𝟎 𝟎 𝟎 … 𝟏 ]

Se deben encontrar los coeficientes 𝑙𝑖,𝑗 y 𝑢,𝑗 .

Esos coeficientes se encuentran resolviendo la siguiente ecuación
matricial:
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝟏 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝟏 ⋯ 𝒖𝟑,𝒏 = 𝑨
: : : : : : : : ⋱ :
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟐 … 𝒍𝒏,𝒏 ] [𝟎 𝟎 𝟎 … 𝟏 ]
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏 𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂 ⋯ 𝒂𝟏,𝒏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝟏 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝟑 ⋯ 𝒂𝟐,𝒏
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝟏 ⋯ 𝒖𝟑,𝒏 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝟑,𝒏
: : : : : : : : ⋱ : : : : ⋱ :
𝒍
[ 𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟐 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝟏 ] [ 𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

Paso 1: encontrar columna 1 de L

Fila 1 de L ×Col 1 de U= 𝑙1,1 =𝑎1,1
Fila 2de L ×Col 1 de U = 𝑙2,1 = 𝑎2,1
:
Fila n de L × Col 1 de U= 𝑙𝑛,1 = 𝑎𝑛,1
La columna 1 de L es igual a la columna 1 de A.
La fila 1 de L ya es totalmente conocida.
Paso 2: encontrar la fila 1 de U
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏 𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂 ⋯ 𝒂𝟏,𝒏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝟏 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝟑 ⋯ 𝒂𝟐,𝒏
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝟏 ⋯ 𝒖𝟑,𝒏 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝟑,𝒏
: : : : : : : : ⋱ : : : : ⋱ :
[𝒍𝒏,𝟏 𝒍
𝒍𝒏,𝟐 𝒏,𝟐 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝟏 ] [ 𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

𝑎1,2
Fila 1 de L × columna 2 de U= 𝑙1,1 𝑢1,2 =𝑎1,2 → 𝑢1,2 =
𝑙1,1
 𝑎1,3
Fila 1 de L × columna 3 de U= 𝑙1,1 𝑢1,3 =𝑎1,3 → 𝑢1,3 =
𝑙1,1

:
Fila 1 de L× columna de U= 𝑙1,1 𝑢1,𝑛 =𝑎1,𝑛
Conclusión: la fila 1 de U es igual a la fila 1 de A dividida entre 𝑙1,1 .
Paso 3: encontrar la columna 2 de L
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏 𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂 ⋯ 𝒂𝟏,𝒏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝟏 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝟑 ⋯ 𝒂𝟐,𝒏
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝟏 ⋯ 𝒖𝟑,𝒏 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝟑,𝒏
: : : : : : : : ⋱ : : : : ⋱ :
[𝒍𝒏,𝟏 𝒍
𝒍𝒏,𝟐 𝒏,𝟐 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝟏 ] [ 𝒂 𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

Fila 2 de L×Columna2 de U= 𝒍𝟐,𝟏 ⋅ 𝒖𝟏,𝟐 + 𝒍𝟐,𝟐 = 𝒂𝟐,𝟐 → 𝑙2,2 = 𝑎2,2 − 𝒍𝟐,𝟏 ⋅ 𝒖𝟏,𝟐
Fila 3 de L×Columna2 de U= 𝒍𝟑,𝟏 ⋅ 𝒖𝟏,𝟐 + 𝒍𝟑,𝟐 = 𝒂𝟑,𝟐 → 𝑙3,2 = 𝑎3,2 − 𝒍𝟑,𝟏 ⋅ 𝒖𝟏,𝟐
:
Fila n de L×Columna2 de U= 𝒍𝒏,𝟏 ⋅ 𝒖𝟏,𝟐 + 𝒍𝒏,𝟐 = 𝒂𝒏,𝟐 → 𝑙𝑛,2 = 𝑎𝑛,2 − 𝒍𝒏,𝟏 ⋅
𝒖𝟏,𝟐

Conclusión: se ha calculado la columna 2 de L.

Paso 4: encontrar la fila 2 de U
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝟏 𝒖𝟏,𝟐 𝒖𝟏,𝟑 ⋯ 𝒖𝟏,𝒏 𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂 ⋯ 𝒂𝟏,𝒏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝟏 𝒖𝟐,𝟑 ⋯ 𝒖𝟐,𝒏 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝟑 ⋯ 𝒂𝟐,𝒏
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝟏 ⋯ 𝒖𝟑,𝒏 = 𝟑,𝟏 𝒂𝟑,𝟐
𝒂 𝒂𝟑,𝟑 ⋯ 𝒂𝟑,𝒏
: : : : : : : : ⋱ : : : : ⋱ :
[𝒍𝒏,𝟏 𝒍
𝒍𝒏,𝟐 𝒏,𝟐 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝟏 ] [ 𝒂 𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

Fila 2 de L ×Columna3 de U= 𝒍𝟐,𝟏 ⋅ 𝒖𝟏,𝟑 + 𝒍𝟐,𝟐 𝒖𝟐,𝟑 = 𝒂𝟐,𝟑 → 𝑢2,3 = ⋯

:
Fila 2 de L ×Columnan de U= 𝒍𝟐,𝟏 ⋅ 𝒖𝟏,𝒏 + 𝒍𝟐,𝟐 𝒖𝟐,𝒏 = 𝒂𝟐,𝒏 → 𝑢2,𝑛 = ⋯

Paso 5: encontrar la columna 3 de L

:
Paso 2n-1: encontrar la columna n de L
EJERCICIO:

Efectuar la factorización Crout de la matriz

 1 2 1 1
1 4 1 3
𝐴=[ ].
2 5 5 3
1 4 1 5

1 0 0 0 1 2 1 1 1 2 1 1
1 2 0 0 0 1 0 1 1 4 1 3
𝐿=[ ] 𝑈=[ ] 𝐴=[ ]
2 1 3 0 0 0 1 0 2 5 5 3
1 2 0 2 0 0 0 1 1 4 1 5
FACTORIZACIÓN CHOLESKY
Dada una matriz simétrica 𝑨 simétrica se debe encontrar una matriz 𝑳 trian-
gular inferior tal que 𝑳𝑳𝑻 = 𝑨.

𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎
𝑳 = 𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 .
: : : : :
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 … 𝒍𝒏,𝒏 ]

Si una matriz
𝒂𝟏,𝟏 𝒂𝟐,𝟏 𝒂𝟑,𝟏 ⋯ 𝒂𝒏,𝟏
𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟑,𝟐 ⋯ 𝒂𝒏,𝟐
𝑨 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝒏,𝟑
: : : : :
[𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]
es simétrica, si sus filas son iguales a sus columnas.
Para encontrar 𝑳 hay que resolver la ecuación matricial
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝒍𝟏,𝟏 𝒍𝟐,𝟏 𝒍𝟑,𝟏 ⋯ 𝒍𝒏,𝟏 𝒂𝟏,𝟏 𝒂𝟐,𝟏 𝒂𝟑,𝟏 ⋯ 𝒂𝒏,𝟏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝒍𝟐,𝟐 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟐 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟑,𝟐 ⋯ 𝒂𝒏,𝟐
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟑 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝒏,𝟑
: : : : : : : : : : : : : : :
𝒍
[ 𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝒍𝒏,𝒏 ] [𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

Paso 1: encontrar columna 1 de L

𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝒍𝟏,𝟏 𝒍𝟐,𝟏 𝒍𝟑,𝟏 ⋯ 𝒍𝒏,𝟏 𝒂𝟏,𝟏 𝒂𝟐,𝟏 𝒂𝟑,𝟏 ⋯ 𝒂𝒏,𝟏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝒍𝟐,𝟐 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟐 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟑,𝟐 ⋯ 𝒂𝒏,𝟐
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟑 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝒏,𝟑
: : : : : : : : : : : : : : :
𝒍
[ 𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝒍𝒏,𝒏 ] [𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

𝟐
Fila 1 de L×Col 1 de LT = 𝒍𝟏,𝟏 = 𝒂𝟏,𝟏 → 𝒍𝟏,𝟏 = √𝒂𝟏,𝟏
𝒂𝟐,𝟏
Fila 2 de L×Col 1 de LT = 𝒍𝟐,𝟏 𝒍𝟏,𝟏 = 𝒂𝟐,𝟏 → 𝒍𝟐,𝟏 =
𝒍𝟏,𝟏
𝒂𝟐,𝟏
Fila 3 de L×Col 1 de LT = 𝒍𝟐,𝟏 𝒍𝟏,𝟏 = 𝒂𝟐,𝟏 → 𝒍𝟐,𝟏 =
𝒍𝟏,𝟏
⋮
⋮
𝒂𝒏,𝟏
Fila n de L×Col 1 de LT= 𝒍𝒏,𝟏 𝒍𝟏,𝟏 = 𝒂𝒏,𝟏 → 𝒍𝒏,𝟏 =
𝒍𝟏,𝟏
Paso 2: encontrar columna 2 de L
 𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝒍𝟏,𝟏 𝒍𝟐,𝟏 𝒍𝟑,𝟏 ⋯ 𝒍𝒏,𝟏 𝒂𝟏,𝟏 𝒂𝟐,𝟏 𝒂𝟑,𝟏 ⋯ 𝒂𝒏,𝟏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝒍𝟐,𝟐 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟐 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟑,𝟐 ⋯ 𝒂𝒏,𝟐
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟑 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝒏,𝟑
: : : : : : : : : : : : : : :
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝒍𝒏,𝒏 ] [𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

Fila 2 de L×Col 2 de LT de donde se despeja 𝒍𝟐,𝟐 = √𝒂𝟐,𝟐 − 𝒍𝟐𝟐,𝟏

Fila 3 de L×Col 2 de LT de donde se despeja
𝒍𝟑,𝟐 = (𝒂𝟑,𝟐 − 𝒍𝟑,𝟏 𝒍𝟐,𝟏 )/𝒍𝟐,𝟐
⋮
Fila n de L×Col 2 de LT de donde se despeja
𝒍𝒏,𝟐 = (𝒂𝒏,𝟐 − 𝒍𝒏,𝟏 𝒍𝟐,𝟏 )/𝒍𝟐,𝟐
Paso 3: encontrar columna 3 de L
𝒍𝟏,𝟏 𝟎 𝟎 ⋯ 𝟎 𝒍𝟏,𝟏 𝒍𝟐,𝟏 𝒍𝟑,𝟏 ⋯ 𝒍𝒏,𝟏 𝒂𝟏,𝟏 𝒂𝟐,𝟏 𝒂𝟑,𝟏 ⋯ 𝒂𝒏,𝟏
𝒍𝟐,𝟏 𝒍𝟐,𝟐 𝟎 ⋯ 𝟎 𝟎 𝒍𝟐,𝟐 𝒍𝟑,𝟐 ⋯ 𝒍𝒏,𝟐 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟑,𝟐 ⋯ 𝒂𝒏,𝟐
𝒍𝟑,𝟏 𝒍𝟑,𝟐 𝒍𝟑,𝟑 ⋯ 𝟎 𝟎 𝟎 𝒍𝟑,𝟑 ⋯ 𝒍𝒏,𝟑 = 𝒂𝟑,𝟏 𝒂𝟑,𝟐 𝒂𝟑,𝟑 ⋯ 𝒂𝒏,𝟑
: : : : : : : : : : : : : : :
[𝒍𝒏,𝟏 𝒍𝒏,𝟐 𝒍𝒏,𝟑 … 𝒍𝒏,𝒏 ] [ 𝟎 𝟎 𝟎 … 𝒍𝒏,𝒏 ] [𝒂𝒏,𝟏 𝒂𝒏,𝟐 𝒂𝒏,𝟑 … 𝒂𝒏,𝒏 ]

Fila 3 de L×Col 3 de LT de donde se despeja 𝒍𝟑,𝟑 = √𝒂𝟑,𝟑 − 𝒍𝟐𝟑,𝟏 − 𝒍𝟐𝟑,𝟐

⋮
⋮
Fila nde L×Col 3 de LT de donde se despeja 𝒍𝒏,𝟑

Paso n: encontrar la columna n de L

Fila n de L×Col n de LT de donde se despeja 𝒍𝒏,𝒏

EJERCICIO:

Efectuar la factorización Cholesky de la matriz

4 2 4 2
2 2 3 3
𝐴=[ ].
4 3 6 6
2 3 6 13

2 0 0 0
1 1 0 0
𝐿=[ ]
2 1 1 0
1 2 2 2
MÉTODOS ITERATIVOS PARA RESOLVER SISTEMAS DE ECUA-
CIONES LINEALES
Método iterativo:
Empieza con una aproximación dada 𝒙 ⃗ (𝟎) y se calcula una sucesión de
aproximaciones 𝒙⃗ (𝟏) , 𝒙
⃗ (𝟐) , 𝒙
⃗ (𝟑) , … , 𝒙
⃗ (𝒌) hasta que 𝒙 ⃗ (𝒌) cumpla el criterio de
terminación previamente fijado. Cada aproximación se calcula partiendo de
la aproximación anterior:
⃗ (𝟏) =𝑭(𝒙
𝒙 ⃗ (𝟎) )
⃗ (𝟐) =𝑭(𝒙
𝒙 ⃗ (𝟏) )
⃗ (𝟑) =𝑭(𝒙
𝒙 ⃗ (𝟐) )
⋮
⃗ (𝒌) = 𝑭(𝒙
𝒙 ⃗ (𝒌−𝟏) ) que cumple con la condición de terminación.

Método de Jacobi
Se desea resolver el sistema
𝒂𝟏,𝟏 𝒙𝟏 + 𝒂𝟏,𝟐 𝒙𝟐 + 𝒂𝟏,𝟑 𝒙𝟑 … + 𝒂𝟏,𝒏 𝒙𝒏 = 𝒃𝟏
𝒂𝟐,𝟏 𝒙𝟏 + 𝒂𝟐,𝟐 𝒙𝟐 + 𝒂𝟐,𝟑 𝒙𝟑 … + 𝒂𝟐,𝒏 𝒙𝒏 = 𝒃𝟐
𝒂𝟑,𝟏 𝒙𝟏 + 𝒂𝟑,𝟐 𝒙𝟐 + 𝒂𝟑,𝟑 𝒙𝟑 … + 𝒂𝟑,𝒏 𝒙𝒏 = 𝒃𝟑
⋮
𝒂𝒏,𝟏 𝒙𝟏 + 𝒂𝒏,𝟐 𝒙𝟐 + 𝒂𝒏,𝟑 𝒙𝟑 … + 𝒂𝒏,𝒏 𝒙𝒏 = 𝒃𝒏

De la ecuación i se despeja la incógnita 𝒙𝒊 :

𝟏
𝒙𝟏 = (𝒃 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏 𝒙𝒏 ) = 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒂𝟏,𝟏 𝟏

𝟏
𝒙𝟐 = (𝒃 − 𝒂𝟐,𝟏 𝒙𝟏 − 𝒂𝟐,𝟑 𝒙𝟑 … − 𝒂𝟐,𝒏 𝒙𝒏 ) = 𝒇𝟐 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒂𝟐,𝟐 𝟐

𝟏
𝒙𝟑 = (𝒃 − 𝒂𝟑,𝟏 𝒙𝟏 − 𝒂𝟑,𝟐 𝒙𝟐 … − 𝒂𝟑,𝒏 𝒙𝒏 ) = 𝒇𝟑 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒂𝟑,𝟑 𝟑

⋮
𝟏
𝒙𝒏 = (𝒃 − 𝒂𝒏,𝟏 𝒙𝟏 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏−𝟏 𝒙𝒏−𝟏 ) =
𝒂𝒏,𝒏 𝒏
𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒇 (𝒙 , 𝒙 , … , 𝒙𝒏 )
𝑭(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = [ 𝟐 𝟏 𝟐 ]
⋮
𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

𝒇𝟏 (𝒙⃗⃗⃗ )
⃗ ) = 𝒇𝟐 (𝒙 ⃗ )
𝑭(𝒙
⋮
[ 𝒇𝒏 (𝒙⃗ )]
⃗ (𝟎) cualquiera, la aproximación ⃗𝒙(𝟏) se cal-
Dada una aproximación inicial 𝒙
cula así:
(𝟏) (𝟎) (𝟎) (𝟎) (𝟎)
𝒙𝟏 = 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟎) (𝟎) (𝟎)
= (𝒃𝟏 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏 𝒙𝒏 )
𝒂𝟏,𝟏
(𝟏) (𝟎) (𝟎) (𝟎) (𝟎)
𝒙𝟐 = 𝒇𝟐 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟎) (𝟎) (𝟎)
= (𝒃𝟐 − 𝒂𝟐,𝟏 𝒙𝟏 − 𝒂𝟐,𝟑 𝒙𝟑 … − 𝒂𝟐,𝒏 𝒙𝒏 )
𝒂𝟐,𝟐

(𝟏) (𝟎) (𝟎) (𝟎) (𝟎)

𝒙𝟑 = 𝒇𝟑 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟎) (𝟎) (𝟎)
= (𝒃𝟑 − 𝒂𝟑,𝟏 𝒙𝟏 − 𝒂𝟑,𝟐 𝒙𝟐 … − 𝒂𝟑,𝒏 𝒙𝒏 )
𝒂𝟑,𝟑

⋮
(𝟏) (𝟎) (𝟎) (𝟎) (𝟎)
𝒙𝒏 = 𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )

⃗ (𝟏) = 𝑭(𝒙
Vectorialmente 𝒙 ⃗ (𝟎) )

⃗ (𝟏) ya calculado se calcula ⃗𝒙(𝟐) del siguiente modo:

A partir de 𝒙
(𝟐) (𝟏) (𝟏) (𝟏) (𝟏)
𝒙𝟏 = 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟏) (𝟏) (𝟏)
= (𝒃𝟏 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏 𝒙𝒏 )
𝒂𝟏,𝟏
(𝟐) (𝟏) (𝟏) (𝟏) (𝟏)
𝒙𝟐 = 𝒇𝟐 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟏) (𝟏) (𝟏)
= (𝒃𝟐 − 𝒂𝟐,𝟏 𝒙𝟏 − 𝒂𝟐,𝟑 𝒙𝟑 … − 𝒂𝟐,𝒏 𝒙𝒏 )
𝒂𝟐,𝟐

⋮
⋮
 (𝟐) (𝟏) (𝟏) (𝟏) (𝟏)
𝒙𝒏 = 𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )

⃗ (𝟐) = 𝑭(𝒙
Vectorialmente 𝒙 ⃗ (𝟏) )

⃗ (𝒊) , la siguiente aproximación, ⃗𝒙(𝒊+𝟏) , se

En general, dada la aproximación 𝒙
calcula así:
(𝒊+𝟏) (𝒊) (𝒊) (𝒊) (𝒊)
𝒙𝟏 = 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝒊) (𝒊) (𝒊)
= (𝒃𝟏 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏 𝒙𝒏 )
𝒂𝟏,𝟏
(𝒊+𝟏) (𝒊) (𝒊) (𝒊) (𝒊)
𝒙𝟐 = 𝒇𝟐 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝒊) (𝒊) (𝒊)
= (𝒃𝟐 − 𝒂𝟐,𝟏 𝒙𝟏 − 𝒂𝟐,𝟑 𝒙𝟑 … − 𝒂𝟐,𝒏 𝒙𝒏 )
𝒂𝟐,𝟐
(𝒊+𝟏) (𝒊) (𝒊) (𝒊) (𝒊)
𝒙𝟑 = 𝒇𝟑 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝒊) (𝒊) (𝒊)
= (𝒃𝟑 − 𝒂𝟑,𝟏 𝒙𝟏 − 𝒂𝟑,𝟐 𝒙𝟐 … − 𝒂𝟑,𝒏 𝒙𝒏 )
𝒂𝟑,𝟑
⋮
(𝒊+𝟏) (𝒊) (𝒊) (𝒊) (𝒊)
𝒙𝒏 = 𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝒊) (𝒊) (𝒊)
= (𝒃𝒏 − 𝒂𝒏,𝟏 𝒙𝟏 − 𝒂𝒏,𝟐 𝒙𝟐 … − 𝒂𝒏,𝒏−𝟏 𝒙𝒏−𝟏 )
𝒂𝒏,𝒏

⃗ (𝒊+𝟏) = 𝑭(𝒙
Vectorialmente 𝒙 ⃗ (𝒊) )

EJERCICIO:

𝟓 𝟏 𝟎 𝒙𝟏 𝟕
Resolver el sistema [𝟏 𝒙
𝟏𝟐 𝟏] [ 𝟐 ] = [𝟐𝟕] usando la aproximación
𝟎 𝟏 𝟗 𝒙𝟑 𝟐𝟎
⃗.
inicial el vector 𝟎

𝟎
(𝟎)
⃗
𝒙 = [𝟎]
𝟎
Iteración 1:

(𝟏) 𝟏 (𝟎) (𝟎) 𝟕

𝒙𝟏 = (𝟕 − 𝟏𝒙𝟐 − 𝟎𝒙𝟑 ̇) = = 𝟏, 𝟒
𝟓 𝟓
 (𝟏) 𝟏 (𝟎) (𝟎) 𝟐𝟕
𝒙𝟐 = (𝟐𝟕 − 𝟏𝒙𝟏 − 𝟏𝒙𝟑 ) = = 𝟐, 𝟐𝟓
𝟏𝟐 𝟏𝟐
(𝟏) 𝟏 (𝟎) (𝟎) 𝟐𝟎
𝒙𝟑 = (𝟐𝟎 − 𝟎𝒙𝟏 − 𝟏𝒙𝟐 ) = = 𝟐, 𝟐𝟐
𝟗 𝟗

𝟏, 𝟒𝟎
(𝟏)
⃗
𝒙 = [𝟐, 𝟐𝟓]
𝟐, 𝟐𝟐
Iteración 2:

(𝟐) 𝟏 (𝟏) (𝟏)

𝒙𝟏 = (𝟕 − 𝟏𝒙𝟐 − 𝟎𝒙𝟑 ̇) =
𝟓
(𝟐) 𝟏 (𝟏) (𝟏)
𝒙𝟐 = (𝟐𝟕 − 𝟏𝒙𝟏 − 𝟏𝒙𝟑 ) =
𝟏𝟐
(𝟐) 𝟏 (𝟏) (𝟏)
𝒙𝟑 = (𝟐𝟎 − 𝟏𝒙𝟏 − 𝟏𝒙𝟐 ) =
𝟗
𝟎, 𝟗𝟓
(𝟐)
⃗
𝒙 = [𝟏, 𝟗𝟓]
𝟏, 𝟗𝟕
Iteración 3:
𝟏, 𝟎𝟏
(𝟑)
⃗
𝒙 = [𝟐, 𝟎𝟎𝟔]
𝟐, 𝟎𝟎𝟔
𝑹𝒆𝒔𝒑𝒖𝒆𝒔𝒕𝒂:

Con cota de error residual menor que 10-2 la solución es

x1 1.000269
x2 2.000168
x3 2.000149
Método de Gauss-Seidel
Se desea resolver el sistema
𝒂𝟏,𝟏 𝒙𝟏 + 𝒂𝟏,𝟐 𝒙𝟐 + 𝒂𝟏,𝟑 𝒙𝟑 … + 𝒂𝟏,𝒏 𝒙𝒏 = 𝒃𝟏
𝒂𝟐,𝟏 𝒙𝟏 + 𝒂𝟐,𝟐 𝒙𝟐 + 𝒂𝟐,𝟑 𝒙𝟑 … + 𝒂𝟐,𝒏 𝒙𝒏 = 𝒃𝟐
𝒂𝟑,𝟏 𝒙𝟏 + 𝒂𝟑,𝟐 𝒙𝟐 + 𝒂𝟑,𝟑 𝒙𝟑 … + 𝒂𝟑,𝒏 𝒙𝒏 = 𝒃𝟑
⋮
𝒂𝒏,𝟏 𝒙𝟏 + 𝒂𝒏,𝟐 𝒙𝟐 + 𝒂𝒏,𝟑 𝒙𝟑 … + 𝒂𝒏,𝒏 𝒙𝒏 = 𝒃𝒏

De la ecuación i se despeja la incógnita 𝒙𝒊 :

 𝟏
𝒙𝟏 = (𝒃 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏 𝒙𝒏 ) = 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒂𝟏,𝟏 𝟏

𝟏
𝒙𝟐 = (𝒃 − 𝒂𝟐,𝟏 𝒙𝟏 − 𝒂𝟐,𝟑 𝒙𝟑 … − 𝒂𝟐,𝒏 𝒙𝒏 ) = 𝒇𝟐 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒂𝟐,𝟐 𝟐

𝟏
𝒙𝟑 = (𝒃 − 𝒂𝟑,𝟏 𝒙𝟏 − 𝒂𝟑,𝟐 𝒙𝟐 … − 𝒂𝟑,𝒏 𝒙𝒏 ) = 𝒇𝟑 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒂𝟑,𝟑 𝟑

⋮
𝟏
𝒙𝒏 = (𝒃 − 𝒂𝒏,𝟏 𝒙𝟏 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏−𝟏 𝒙𝒏−𝟏 ) =
𝒂𝒏,𝒏 𝒏
𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
𝒇 (𝒙 , 𝒙 , … , 𝒙𝒏 )
𝑭(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = [ 𝟐 𝟏 𝟐 ]
⋮
𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

𝒇𝟏 (𝒙⃗⃗⃗ )
⃗ ) = 𝒇𝟐 (𝒙 ⃗ )
𝑭(𝒙
⋮
[ 𝒇𝒏 (𝒙⃗ )]
⃗ (𝟎) cualquiera, la aproximación ⃗𝒙(𝟏) se cal-
Dada una aproximación inicial 𝒙
cula así:
(𝟏) (𝟎) (𝟎) (𝟎) (𝟎)
𝒙𝟏 = 𝒇𝟏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟎) (𝟎) (𝟎)
= (𝒃𝟏 − 𝒂𝟏,𝟐 𝒙𝟐 − 𝒂𝟏,𝟑 𝒙𝟑 … − 𝒂𝟏,𝒏 𝒙𝒏 )
𝒂𝟏,𝟏
(𝟏) (𝟏) (𝟎) (𝟎) (𝟎)
𝒙𝟐 = 𝒇𝟐 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟏) (𝟎) (𝟎)
= (𝒃𝟐 − 𝒂𝟐,𝟏 𝒙𝟏 − 𝒂𝟐,𝟑 𝒙𝟑 … − 𝒂𝟐,𝒏 𝒙𝒏 )
𝒂𝟐,𝟐

(𝟏) (𝟏) (𝟏) (𝟎) (𝟎)

𝒙𝟑 = 𝒇𝟑 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟏) (𝟏) (𝟎)
= (𝒃𝟑 − 𝒂𝟑,𝟏 𝒙𝟏 − 𝒂𝟑,𝟐 𝒙𝟐 … − 𝒂𝟑,𝒏 𝒙𝒏 )
𝒂𝟑,𝟑

(𝟏) (𝟏) (𝟏) (𝟏) (𝟎)

𝒙𝟒 = 𝒇𝟒 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )
𝟏 (𝟏) (𝟏) (𝟎)
= (𝒃𝟑 − 𝒂𝟑,𝟏 𝒙𝟏 − 𝒂𝟑,𝟐 𝒙𝟐 … − 𝒂𝟑,𝒏 𝒙𝒏 )
𝒂𝟑,𝟑
 ⋮
(𝟏) (𝟏) (𝟏) (𝟏) (𝟎)
𝒙𝒏 = 𝒇𝒏 (𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 … 𝒙𝒏 )

EJERCICIO:

𝟓 𝟏 𝟎 𝒙𝟏 𝟕
Resolver el sistema [𝟏 𝟏𝟐 𝟏] [𝒙𝟐 ] = [𝟐𝟕] usando la aproximación
𝟎 𝟏 𝟗 𝒙𝟑 𝟐𝟎
⃗
inicial el vector 𝟎.
𝟎
(𝟎)
⃗
𝒙 = [𝟎]
𝟎
Iteración 1:

(𝟏) 𝟏 (𝟎) (𝟎) 𝟕

𝒙𝟏 = (𝟕 − 𝟏𝒙𝟐 − 𝟎𝒙𝟑 ̇) = = 𝟏, 𝟒
𝟓 𝟓
(𝟏) 𝟏 (𝟏) (𝟎) 𝟏
𝒙𝟐 = (𝟐𝟕 − 𝟏𝒙𝟏 − 𝟏𝒙𝟑 ) = (𝟐𝟕 − 𝟏, 𝟒) = 𝟐, 𝟏𝟑
𝟏𝟐 𝟏𝟐

(𝟏) 𝟏
𝒙𝟑 = (𝟐𝟎 − 𝟐, 𝟏𝟑) = 𝟏, 𝟗𝟖
𝟗

𝟏, 𝟒𝟎
(𝟏)
⃗
𝒙 = [𝟐, 𝟏𝟑]
𝟏, 𝟗𝟖
Iteración 2:

(𝟐) 𝟏 (𝟏) (𝟏) 𝟏

𝒙𝟏 = (𝟕 − 𝟏𝒙𝟐 − 𝟎𝒙𝟑 ̇) = (𝟕 − 𝟐, 𝟏𝟑) = 𝟎, 𝟗𝟕𝟑
𝟓 𝟓
(𝟐) 𝟏 (𝟐) (𝟏) 𝟏
𝒙𝟐 = (𝟐𝟕 − 𝟏𝒙𝟏 − 𝟏𝒙𝟑 ) = (𝟐𝟕 − 𝟎, 𝟗𝟕𝟑 − 𝟏, 𝟗𝟖) = 𝟐, 𝟎𝟎𝟑
𝟏𝟐 𝟏𝟐
(𝟐) 𝟏 (𝟐) (𝟐) 𝟏
𝒙𝟑 = (𝟐𝟎 − 𝟎𝒙𝟏 − 𝟏𝒙𝟐 ) = (𝟐𝟎 − 𝟐, 𝟎𝟎𝟑) = 𝟏, 𝟗𝟗𝟗
𝟗 𝟗
𝟎, 𝟗𝟕𝟑
(𝟐)
⃗
𝒙 = [𝟐, 𝟎𝟎𝟑]
𝟏, 𝟗𝟗𝟗
Iteración 3:
 ⃗ (𝟑) = [ ]
𝒙

CRITERIOS DE TERMINACIÓN

CONDICIÓN DE CONVERGENCIA
Se dice que el método de Jacobi converge a la solución del sistema si el
límite de la sucesión de aproximaciones es la solución del sistema.

Condición de Dominación diagonal estricta

Una matriz A tiene la condición de dominación diagonal estricta, si todo ele-
mento de la diagonal en valor absoluto es mayor que la suma de los valores
absolutos de los elementos de la misma fila.
𝟓 𝟏 𝟎
[𝟏 𝟏𝟐 𝟏]
𝟎 𝟏 𝟗
La matriz anterior cumple la condición de dominación diagonal estricta.

Teorema: Si se tiene un sistema de ecuaciones donde la matriz de coeficien-

tes cumple la condición de dominación diagonal estricta, los méto-
dos de Jacobi y Gauss-Seidel convergen a la solución del sistema
⃗ (𝒐) .
para cualquier aproximación inicial 𝒙

Ejercicio:

𝟓 𝟏 𝟎 𝟕
Resolver el sistema 𝑨𝒙 = 𝒃 donde 𝑨 = [𝟏 𝟏𝟐 𝟏]y 𝒃 = [𝟐𝟖].
𝟎 𝟏 𝟗 𝟐𝟗
INTERPOLACIÓN

Problema de la interpolación
Se tiene dada una tabla 𝑻
𝒙𝟎 𝒚𝟎
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
⋮ ⋮
𝒙𝒏−𝟏 𝒚𝒏−𝟏
𝒙𝒏 𝒚𝒏
que relaciona a una magnitud 𝒙 con una magnitud 𝒚. La magnitud 𝒙 se considera la
magnitud independiente y la magnitud 𝒚 la magnitud dependiente.

La tabla 𝑻 hace corresponder a cada 𝒙𝒊 el valor 𝒚𝒊 , pero no da ningún valor para 𝒙

que no esté en {𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 , ⋯ , 𝒙𝒏−𝟏 , 𝒙𝒏 }.

Se busca una función continúa 𝒇 que para cualquier 𝒙 del intervalo [𝒙𝟎 ; 𝒙𝒏 ] le haga
corresponder un valor real 𝒇(𝒙), pero satisfaciendo las restricciones
𝒇(𝒙𝟎 ) = 𝒚𝟎
𝒇(𝒙𝟏 ) = 𝒚𝟏
𝒇(𝒙𝟐 ) = 𝒚𝟐
⋮
⋮
𝒇(𝒙𝒏−𝟏 ) = 𝒚𝒏−𝟏
𝒇(𝒙𝒏 ) = 𝒚𝒏

Interpolación de Lagrange
Dada la tabla 𝑻
 𝒙𝟎 𝒚𝟎
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
⋮ ⋮
𝒙𝒏−𝟏 𝒚𝒏−𝟏
𝒙𝒏 𝒚𝒏

La función 𝒇 tiene la siguiente forma

𝒇(𝒙) = 𝒚𝟎 𝑳𝟎 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) +
𝒚𝟏 𝑳𝟏 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) +
𝒚𝟐 𝑳𝟐 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) +
⋮
𝒚𝒏 𝑳𝒏 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ),

y tiene que cumplir

𝒇(𝒙𝟎 ) = 𝒚𝟎
𝒇(𝒙𝟏 ) = 𝒚𝟏
𝒇(𝒙𝟐 ) = 𝒚𝟐
⋮
⋮
𝒇(𝒙𝒏−𝟏 ) = 𝒚𝒏−𝟏
𝒇(𝒙𝒏 ) = 𝒚𝒏

Para esto las funciones 𝑳𝒊 deben ser

𝒙−𝒙𝟏 𝒙−𝒙𝟐 𝒙−𝒙𝟑 𝒙−𝒙𝒏
𝑳𝟎 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) = 𝒙 ⋯ , que cumple
𝟎 −𝒙𝟏 𝒙𝟎 −𝒙𝟐 𝒙𝟎 −𝒙𝟑 𝒙𝟎 −𝒙𝒏
𝑳𝟎 (𝒙𝟎 , … . ) = 𝟏,
𝑳𝟎 (𝒙𝒊 , … . ) = 𝟎, para i distinto de 0.
𝒙−𝒙𝟎 𝒙−𝒙𝟐 𝒙−𝒙𝟑 𝒙−𝒙𝒏
𝑳𝟏 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) = 𝒙 ⋯𝒙 , que cumple
𝟏 −𝒙𝟎 𝒙𝟏 −𝒙𝟐 𝒙𝟏 −𝒙𝟑 𝟏 −𝒙𝒏
𝑳𝟏 (𝒙𝟏 , … ) = 𝟏
𝑳𝟏 (𝒙𝒊 , … . ) = 𝟎, para i distinto de 1.
𝒙−𝒙𝟎 𝒙−𝒙𝟑 𝒙−𝒙𝟒 𝒙−𝒙𝒏
𝑳𝟐 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) = 𝒙 ⋯𝒙 , que cumple
𝟐 −𝒙𝟎 𝒙𝟐 −𝒙𝟑 𝒙𝟐 −𝒙𝟒 𝟐 −𝒙𝒏
𝑳𝟐 (𝒙𝟐 , … ) = 𝟏
𝑳𝟐 (𝒙𝒊 , … . ) = 𝟎, para i distinto de 2.
En general,
𝒙−𝒙 𝒙−𝒙𝟐 𝒙−𝒙 𝒙−𝒙𝒊+𝟏 𝒙−𝒙
𝑳𝒊 (𝒙, 𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏−𝟏 , 𝒙𝒏 ) = 𝒙 −𝒙𝟏 𝒙 −𝒙
⋯ 𝒙 −𝒙𝒊−𝟏 ⋯ ⋯ 𝒙 −𝒙𝒏 , que cumple
𝒊 𝟎 𝒊 𝟏 𝒊 𝒊−𝟏 𝒙 𝟐 −𝒙 𝒊+𝟏 𝟐 𝒏
𝑳𝒊 (𝒙𝒊 , … ) = 𝟏
𝑳𝒌 (𝒙𝒊 , … . ) = 𝟎, para k distinto de i.

Ejercicio: construir la función interpolante de Lagrange para la tabla

x y
2 3
5 15
7 9
(𝒙−𝒙𝟏 )(𝒙−𝒙𝟐 )
𝒇(𝒙) = 𝟑 (𝒙 +
𝟎 −𝒙𝟏 )(𝒙𝟎 −𝒙𝟐 )
 (𝒙−𝒙𝟎 )(𝒙−𝒙𝟐 )
15(𝒙 +
𝟏 −𝒙𝟎 )(𝒙𝟏 −𝒙𝟐 )

(𝒙−𝒙𝟎 )(𝒙−𝒙𝟏 )
9(𝒙
𝟐 −𝒙𝟎 )(𝒙𝟐 −𝒙𝟏 )

(𝒙−𝟓)(𝒙−𝟕)
𝒇(𝒙) = 𝟑 (𝟐−𝟓)(𝟐−𝟕)+

(𝒙−𝟐)(𝒙−𝟕)
15(𝟓−𝟐)(𝟓−𝟕)+

(𝒙−𝟐)(𝒙−𝟓)
9(𝟕−𝟐)(𝟕−𝟓)

(𝒙−𝟓)(𝒙−𝟕)
𝒇(𝒙) = 𝟓
+

(𝒙−𝟐)(𝒙−𝟕)
5 −𝟐
+

(𝒙−𝟐)(𝒙−𝟓)
9
𝟏𝟎

Con la función f se puede calcular cualquier valor entre 2 y 7.

Luego construir la tabla siguiente

x y
2 3
3 9,8
4 13,8
5 15
6 13,4

x y
2 3
3 f(3)
4 f(4)
5 15
6 f(6)

(𝑥 − 𝑥1 ) (𝑥 − 𝑥2 )
𝑓(𝑥) = 3 +
𝑥0 − 𝑥1 𝑥0 − 𝑥2

(𝑥 − 𝑥0 ) (𝑥 − 𝑥2 )
15 +
𝑥1 − 𝑥0 𝑥1 − 𝑥2

(𝑥 − 𝑥0 ) (𝑥 − 𝑥1 )
9
𝑥2 − 𝑥0 𝑥2 − 𝑥1
reemplazando datos
(𝒙 − 𝟓) (𝒙 − 𝟕)
𝒇(𝒙) = 𝟑 +
𝟐−𝟓 𝟐−𝟕

(𝒙 − 𝟐) (𝒙 − 𝟕)
𝟏𝟓 +
𝟓−𝟐 𝟓−𝟕

(𝒙 − 𝟐) (𝒙 − 𝟕)
𝟗
𝟕−𝟐 𝟕−𝟓
 (𝒙 − 𝟓) (𝒙 − 𝟕)
𝒇(𝒙) = 𝟑 +
−𝟑 −𝟓

(𝒙 − 𝟐) (𝒙 − 𝟕)
𝟏𝟓 +
𝟑 −𝟐

(𝒙 − 𝟐) (𝒙 − 𝟓)
𝟗
𝟓 𝟐

Interpolación de Newton
Dada la tabla 𝑻
𝒙𝟎 𝒚𝟎
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
⋮ ⋮
𝒙𝒏−𝟏 𝒚𝒏−𝟏
𝒙𝒏 𝒚𝒏
La función interpolante tiene la forma

𝒇(𝒙) = 𝒃𝟎 +
𝒃𝟏 (𝒙 − 𝒙𝟎 ) +
𝒃𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) +
𝒃𝟑 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 ) +

⋮
𝒃𝒏 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) ⋯ (𝒙 − 𝒙𝒏−𝟏 )

Los coeficientes 𝒃𝟎 , 𝒃𝟏 , ⋯, 𝒃𝒏 deben ser calculados aplicando las condiciones de

interpolación
𝒇(𝒙𝟎 ) = 𝒚𝟎
𝒇(𝒙𝟏 ) = 𝒚𝟏
𝒇(𝒙𝟐 ) = 𝒚𝟐
⋮
𝒇(𝒙𝒏−𝟏 ) = 𝒚𝒏−𝟏
𝒇(𝒙𝒏 ) = 𝒚𝒏
𝒇(𝒙𝟎 ) = 𝒃𝟎 = 𝒚𝟎
𝒚 −𝒃
𝒇(𝒙𝟏 ) = 𝒃𝟎 + 𝒃𝟏 (𝒙𝟏 − 𝒙𝟎 ) = 𝒚𝟏 de donde se despeja 𝒃𝟏 = 𝒙𝟏 −𝒙𝟎
𝟏 𝟎
𝒇(𝒙𝟐 ) = 𝒃𝟎 + 𝒃𝟏 (𝒙𝟐 − 𝒙𝟎 ) + 𝒃𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 ) = 𝒚𝟐
𝒚𝟐 −𝒚𝟎
−𝒃𝟏
𝒙𝟐 −𝒙𝟎
de donde se despeja 𝒃𝟐 = 𝒙𝟐 −𝒙𝟏
𝒇(𝒙𝟑 ) = 𝒃𝟎 + 𝒃𝟏 (𝒙𝟑 − 𝒙𝟎 ) + 𝒃𝟐 (𝒙𝟑 − 𝒙𝟎 )(𝒙𝟑 − 𝒙𝟏 ) +
𝒃𝟑 (𝒙𝟑 − 𝒙𝟎 )(𝒙𝟑 − 𝒙𝟏 )(𝒙𝟑 − 𝒙𝟐 ) = 𝒚𝟑
de donde se despeja 𝒃𝟑 = ⋯
Dada la tabla hallar la función interpolante de Newton.
X Y
𝑥0 2 5
𝑥1 4 15
𝑥2 6 20
𝑥3 7 12
 𝒇(𝒙) = 𝒃𝟎 + 𝒃𝟏 (𝒙 − 𝟐) + 𝒃𝟐 (𝒙 − 𝟐)(𝒙 − 𝟒) + 𝒃𝟑 (𝒙 − 𝟐)(𝒙 − 𝟒)(𝒙 − 𝟔)

Tabla de diferencias divididas

Permite calcular ordenadamente los coeficientes 𝒃𝟎 , 𝒃𝟏 , 𝒃𝟐 y 𝒃𝟑 de la fun-
ción interpolante de Newton.
X Y
𝑥0 𝑦0
𝑥1 𝑦1
𝑥2 𝑦2
𝑥3 𝑦3

X Y 1ra dif 2da dif 3ra dif

𝒙𝟎 𝒚𝟎 = 𝒃 𝟎 𝒚𝟏 − 𝒚𝟎 𝒅𝟏,𝟏 − 𝒅𝟎,𝟏 𝒅𝟏,𝟐 − 𝒅𝟎,𝟐
𝒅𝟎,𝟏 = = 𝒃𝟏 𝒅𝟎,𝟐 = = 𝒃𝟐 𝒅𝟎,𝟑 = = 𝒃𝟑
𝒙𝟏 − 𝒙𝟎 𝒙𝟐 − 𝒙𝟎 𝒙𝟑 − 𝒙𝟎
𝒙𝟏 𝒚𝟏 𝒚𝟐 − 𝒚𝟏 𝒅𝟐,𝟏 − 𝒅𝟏,𝟏
𝒅𝟏,𝟏 = 𝒅𝟏,𝟐 =
𝒙𝟐 − 𝒙𝟏 𝒙𝟑 − 𝒙𝟏
𝒙𝟐 𝒚𝟐 𝒚𝟑 − 𝒚𝟐
𝒅𝟐,𝟏 =
𝒙𝟑 − 𝒙𝟐
𝒙𝟑 𝒚𝟑
Con esto se construye la función interpolante de Newton.

DIFERENCIACIÓN NUMÉRICA
′(
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 𝑥0 ) = lim
ℎ→0 ℎ
Calcular una aproximación para 𝒔𝒆𝒏𝒐′(𝟎, 𝟖) suponiendo que no se conoce que
′
𝒔𝒆𝒏𝒐 = 𝒄𝒐𝒔.
(𝑠𝑒𝑛𝑜(0,8 + ℎ) − 𝑠𝑒𝑛𝑜(0,8))
𝒔𝒆𝒏𝒐′ (𝟎, 𝟖) = lim
ℎ→0 ℎ
Como el límite es cuando h tiende a cero, para una aproximación tomamos un h
cercano a 0, por ejemplo 𝒉 = 𝟏𝟎−𝟓
𝑠𝑒𝑛𝑜(0,8 + 10−5 ) − 𝑠𝑒𝑛𝑜(0,8)
𝒔𝒆𝒏𝒐′ (𝟎, 𝟖) ≅ = 0,6967031
10−5
𝒔𝑒𝑛𝑜′ (0,8) = 𝑐𝑜𝑠(0,8) = 0,696706709
Error=3.6x10-6

Se desea una aproximación para 𝒇′ (𝒙𝟎 ) sin hallar el límite.

𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥0 ) ≅
ℎ
Como se desea el límite cuando h tiende a 0, nos aproximaremos al límite calcu-
lando la razón con un h cercano a 0.

Calcular una aproximación a 𝒔𝒆𝒏𝒐′(𝟎, 𝟖) sin saber que 𝒔𝒆𝒏𝒐′ = 𝒄𝒐𝒔.

Tomando ℎ = 10−5 .
𝑠𝑒𝑛𝑜(0,8+10−5 )−𝑠𝑒𝑛𝑜(0,8)
=0,696703122
10−5

𝑠𝑒𝑛𝑜′ (0,8) = 0,696706709

Hay un error absoluto de 0,000003587 y error relativo de 5,14x10-6

La derivada de 𝒇 en 𝒙𝟎 es aproximada por la pendiente de la recta 𝑺

La derivada de 𝒇 en 𝒙𝟎 es aproximada por la pendiente de la recta 𝑺𝟐 y se

obtiene una mejor aproximación a la pendiente de la recta tangente a la
curva de 𝒇 en 𝒙𝟎

𝑓 (𝑥0 +ℎ)−𝑓(𝑥0 −ℎ)

𝑓 ′ (𝑥0 ) ≅ 2ℎ
fórmula central de 3 puntos.

Calcular una aproximación a 𝒔𝒆𝒏𝒐′(𝟎, 𝟖) sin saber que 𝒔𝒆𝒏𝒐′ = 𝒄𝒐𝒔. Tomando
ℎ = 10−5 .
𝑠𝑒𝑛𝑜′(0,8) ≅ 0,6967067093
𝑠𝑒𝑛𝑜′ (0,8) = 0,696706709
Error absoluto 1,719x10-11
Fórmula de 3 puntos hacia adelante
Para calcular la derivada en 𝒙𝟎 se usan los puntos 𝒙𝟎 , 𝒙𝟎 + 𝒉 y 𝒙𝟎 + 𝟐𝒉

−3𝑓(𝑥0 ) + 4𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)

𝑓 ′ (𝑥0 ) ≅
2ℎ
La fórmula se obtiene hallando y derivando el polinomio interpolante de Lagrange
para la tabla.
x y
x0 y0=f(x0)
x0+h y1=f(x0+h)
x0+2h y2=f(x0+2h)

Se obtiene el polinomio de Lagrange p(x), luego f´(x) es aproximado por p´(x).

𝑠𝑒𝑛𝑜′(0,8) ≅ 0,6967067096
𝑠𝑒𝑛𝑜′ (0,8) = 0,696706709
Error absoluto 5,0x10-12

Fórmula de 3 puntos hacia atrás

Para calcular la derivada en 𝒙𝟎 se usan los puntos 𝒙𝟎 , 𝒙𝟎 − 𝒉 y 𝒙𝟎 − 𝟐𝒉
La fórmula se obtiene poniendo -h en vez de h en la fórmula de 3 puntos ha-
cia adelante.

−3𝑓(𝑥0 ) + 4𝑓(𝑥0 − ℎ) − 𝑓(𝑥0 − 2ℎ)

𝑓 ′ (𝑥0 ) ≅
2(−ℎ)

3𝑓(𝑥0 ) − 4𝑓(𝑥0 − ℎ) + 𝑓(𝑥0 − 2ℎ)

𝑓 ′ (𝑥0 ) ≅
2ℎ

𝑠𝑒𝑛𝑜′(0,8) ≅ 0,6967067094
𝑠𝑒𝑛𝑜′ (0,8) = 0,696706709
Error absoluto 5x10-12

Siempre que sea posible se debe usar la fórmula central porque en la mayoría de casos
produce menor error.

Las fórmulas hacia adelante y hacia atrás se usan para aproximar la derivada cuando la fun-
ción está dada en forma de tabla. La fórmula hacia adelante se usa para aproximar la deri-
vada en el primer punto de la tabla y la otra (hacia atrás) para aproximar la derivada en el
último punto de la tabla.

x f(x)
𝒙𝟎 𝒚𝟎
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
𝒙𝟑 𝒚𝟑
ℎ = 𝑥𝑖+1 − 𝑥𝑖
−𝟑𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 + 𝟐𝒉) −𝟑𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟐 )
𝒇′ (𝒙𝟎 ) ≅ =
𝟐𝒉 𝟐𝒉

𝒇(𝒙𝟏 + 𝒉) − 𝒇(𝒙𝟏 − 𝒉) 𝒇(𝒙𝟐 ) − 𝒇(𝒙𝟎 )

𝒇′ (𝒙𝟏 ) ≅ =
𝟐𝒉 𝟐𝒉
 𝒇(𝒙𝟐 + 𝒉) − 𝒇(𝒙𝟐 − 𝒉) 𝒇(𝒙𝟑 ) − 𝒇(𝒙𝟏 )
𝒇′ (𝒙𝟐 ) ≅ =
𝟐𝒉 𝟐𝒉

𝟑𝒇(𝒙𝟑 ) − 𝟒𝒇(𝒙𝟐 ) + 𝒇(𝒙𝟏 )

𝒇′ (𝒙𝟑 ) ≅
𝟐𝒉

Ejercicio:
Hallar 𝒇′(𝟎. 𝟖) para 𝒇(𝒙) = 𝒄𝒐𝒔(𝒙)𝒆𝒔𝒆𝒏𝒐(𝒙)⋅𝒄𝒐𝒔(𝒙) (usando la fórmula central de 3
puntos, con h= 10-5)
𝒇′ (𝟎. 𝟖) =
𝒔𝒆𝒏𝒐(𝟎,𝟖+𝟏𝟎−𝟓 )⋅𝒄𝒐𝒔(𝟏𝟎−𝟓 ) 𝒔𝒆𝒏𝒐(𝟎,𝟖−𝟏𝟎−𝟓 )⋅𝒄𝒐𝒔(𝟎,𝟖−𝟏𝟎−𝟓 )
𝒄𝒐𝒔(𝟎,𝟖+𝟏𝟎−𝟓 )𝒆 −𝒄𝒐𝒔(𝟎,𝟖−𝟏𝟎−𝟓 )𝒆
𝟐⋅𝟏𝟎−𝟓

Ejercicio: Dada la tabla hallar las derivadas en cada uno de los puntos

x F(x) F´(x)
0,2 8,2 15,5
0,3 9,8 16,5
0,4 11,5 21,0
0,5 14,0 29,0

Aproximación de la segunda derivada.

Usando la serie de Taylor
𝒉𝟐 ′′
𝒇(𝒙𝟎 + 𝒉) = 𝒇(𝒙𝟎 ) + 𝒉𝒇′ (𝒙𝟎 ) + 𝒇 (𝒙𝟎 ) + 𝑹𝒆𝒔𝒕𝒐.
𝟐

Despreciando el resto por ser bastante pequeño se tiene

𝒉𝟐
𝒇(𝒙𝟎 + 𝒉) = 𝒇(𝒙𝟎 ) + 𝒉𝒇′ (𝒙𝟎 ) + 𝒇′′ (𝒙𝟎 )
𝟐
despejando de la ecuación anterior se tiene

𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 ) − 𝒉𝒇′ (𝒙𝟎 )

𝒇′′ (𝒙𝟎 ) = 𝟐
𝒉𝟐

donde 𝒇′ (𝒙𝟎 ) es reemplazado por la aproximación central de 3 puntos

𝒇(𝒙𝟎 + 𝒉) + 𝒇(𝒙𝟎 − 𝒉) − 𝟐𝒇(𝒙𝟎 )

𝒇′′ (𝒙𝟎 ) ≅
𝒉𝟐

Calcular la aproximación para 𝒔𝒆𝒏𝒐′′(𝟎, 𝟖), con 𝒉 = 𝟏𝟎−𝟓 , y el error.

Valor aproximado: -0,7173572847

Valor exacto: -0,71735609
Error= -1,19x10-6
INTEGRACIÓN NUMÉRICA
Por definición, dada una función 𝒇,

𝑛
𝒃 𝒃−𝒂
∫𝒂 𝒇(𝒙) 𝒅𝒙 = lim ∑ 𝒇(𝒙𝒊 )
𝑛→∞ 𝑖=1 𝒏

Donde 𝒙𝟎 = 𝒂 ,

𝒃−𝒂
𝒉=
𝒏
𝒙𝒊 = 𝒙𝒊−𝟏 + 𝒉 para 𝑖 = 1, 2, … 𝑛.

Geométricamente
𝑏
∫ 𝑓(𝑥) 𝑑𝑥
𝑎
es el área de la región entre la curva de la función 𝒇 y el eje x en el intervalo [a, b].

Método analítico o exacto

• Encontrar 𝑭 , la antiderivada de 𝒇, tal que 𝑭′ = 𝒇.

𝑏
• ∫𝑎 𝑓(𝑥) 𝑑𝑥 = 𝐹(𝑏) − 𝐹(𝑎)

Encontrar 𝑭 no siempre es fácil, a veces extremadamente difícil.

Método aproximado por rectángulos

El área S de la región entre el eje x y la curva de la función f en el intervalo [a, b] puede ser
aproximado sumando las áreas de los rectángulos con
base 𝒙𝒊−𝟏 , 𝒙𝒊 y
altura 𝒇(𝒙𝒊 ) para i=1,2, … , n
Ejercicio:
Calcular aproximadamente
𝟏,𝟖
∫ 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙
𝟎
utilizando 6 segmentos y analizar el error.

h= 0.3
 x f(x)=seno(x) Area Rec
0 0 0
1 0.3 0.295520207 0.088656
2 0.6 0.564642473 0.169393
3 0.9 0.78332691 0.234998
4 1.2 0.932039086 0.279612
5 1.5 0.997494987 0.299248
6 1.8 0.973847631 0.292154
int. aprox. 1.364061
int. exacta 1.227202
error absoluto 0.136859

𝟏,𝟖
∫𝟎 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙 ≅ 𝟏, 𝟑𝟔𝟒 (aproximado)
𝟏,𝟖
∫𝟎 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙 = 𝟏, 𝟐𝟐𝟕 (exacto)

Error: 0,1368
En general, la integral
𝑛
𝑏 𝑏−𝑎
∫𝑎 𝑓(𝑥) 𝑑𝑥 = lim ∑ 𝑓(𝑥𝑖 )
𝑛→∞ 𝑖=1 𝑛
𝑛
𝑏−𝑎
puede ser aproximada calculando ∑ 𝑓(𝑥𝑖 ) tomando como 𝒏 un valor
𝑖=1 𝑛
“grande”. Cada
𝑏−𝑎
𝑓(𝑥𝑖 )
𝑛
de la sumatoria puede ser interpretado como el área de un rectángulo cuya base empieza
𝑏−𝑎
en 𝒙𝒊−𝟏 y termina en 𝒙𝒊 y su longitud es y su altura es 𝑓(𝑥𝑖 ).
𝑛
Método aproximado por trapecios

En general, la integral
𝑛
𝑏 𝑏−𝑎
∫𝑎 𝑓(𝑥) 𝑑𝑥 = lim ∑ 𝑓(𝑥𝑖 )
𝑛→∞ 𝑖=1 𝑛
𝑛
𝑏−𝑎
en la sumatoria ∑ 𝑓(𝑥𝑖 ) tomando como 𝒏 un valor “grande”. El área del rec-
𝑖=1 𝑛
𝑏−𝑎
tángulo 𝑓(𝑥𝑖 ) del rectángulo cuya base empieza en 𝒙𝒊−𝟏 y termina en 𝒙𝒊 se reem-
𝑛
plaza por el área del trapecio con la misma base y lados 𝑓(𝑥𝑖−1 ) y 𝑓(𝑥𝑖 )es decir

𝑏 − 𝑎 𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖 )
𝑛 2
𝑛
𝑏
𝑏 − 𝑎 𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖 )
∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∑
𝑎 𝑛 2
𝑖=1

𝑏 𝑛
𝑏−𝑎
∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∑(𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖 ))
𝑎 2𝑛
𝑖=1

𝑏−𝑎
ℎ=
𝑛
𝑛
𝑏
ℎ
∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∑(𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖 ))
𝑎 2
𝑖=1

Ejercicio:
Calcular aproximadamente con el método del trapecio
 𝟏,𝟖
∫ 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙
𝟎
utilizando 6 segmentos y analizar el error.
1,8
∫0 𝑠𝑒𝑛𝑜(𝑥) 𝑑𝑥 ≅ 1,2179
1,8
∫0 𝑠𝑒𝑛𝑜(𝑥) 𝑑𝑥 = 1,2272
Error: 0.0092

x f(x)=seno(x) Area Rec Area trap

0 0 0
1 0.3 0.295520207 0.088656 0.044328
2 0.6 0.564642473 0.169393 0.129024
3 0.9 0.78332691 0.234998 0.202195
4 1.2 0.932039086 0.279612 0.257305
5 1.5 0.997494987 0.299248 0.28943
6 1.8 0.973847631 0.292154 0.295701
int. aprox. 1.364061 1.217984
int. exacta 1.227202 1.227202
error absoluto 0.136859 0.009218
Método aproximado Simpson 1/3

El intervalo de integración se divide en un número par de segmentos n. Cada segmento tiene longi-
tud
𝒃−𝒂
𝒉=
𝒏
Se toma cada par de segmentos
𝒙𝟎 , 𝒙𝟏 ; 𝒙𝟏 , 𝒙𝟐
𝒙𝟐 , 𝒙𝟑 ; 𝒙𝟑 , 𝒙𝟒

𝒙𝒊 , 𝒙𝒊+𝟏 ; 𝒙𝒊+𝟏 , 𝒙𝒊+𝟐

Para cada par de segmentos se calcula el área aproximada considerando un rectángulo de base 2h
y una altura como el promedio ponderado de los lados 𝒇(𝒙𝒊 ), 𝒇(𝒙𝒊+𝟏 ), 𝒇(𝒙𝒊+𝟐 ):
Longitud de la base: 2ℎ

𝑓(𝑥𝑖 )+4𝑓(𝑥𝑖+1 )+𝑓(𝑥𝑖+2 )

Altura promedio:
6
Área de un par de segmentos
𝑓(𝑥𝑖 )+4𝑓(𝑥𝑖+1 )+𝑓(𝑥𝑖+2 ) ℎ
𝟐𝒉 = (𝑓(𝑥𝑖 ) + 4𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖+2 ))
6 3

𝑏 𝑛−2
ℎ
∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∑ (𝑓(𝑥𝑖 ) + 4𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖+2 ))
𝑎 3
𝑖=0,2,4,…

Fórmula de Simpson 1/3.

Ejercicio:
Calcular aproximadamente con el método del Simpson 1/3
𝟏,𝟖
∫ 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙
𝟎
utilizando 6 segmentos y analizar el error.
 𝟏,𝟖
∫ 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙 ≅ 𝟏, 𝟐𝟐𝟕𝟐𝟕𝟐𝟓𝟕
𝟎
𝟏,𝟖
∫ 𝒔𝒆𝒏𝒐(𝒙) 𝒅𝒙 = 𝟏, 𝟐𝟐𝟕𝟐𝟎𝟐
𝟎
Error= 5,5x10-5

Ejercicio:
Calcular aproximadamente con los métodos del trapecio y Simpson 1/3
𝟏,𝟖 𝒙
∫ 𝒔𝒆𝒏𝒐(𝒙)𝒆𝟐𝒄𝒐𝒔(𝒙) 𝒅𝒙
𝟎

Ejercicio:
Calcular aproximadamente

utilizando 8 segmentos y analizar el error.

h= 0.1875
x f=cos(x) Aera Rec Area Trap Simpson 1/3
0 0.00 1
1 0.19 0.982473 0.184214 0.185857
2 0.38 0.930508 0.17447 0.179342 0.366275055 x0,x1;x1,x2
3 0.56 0.845924 0.158611 0.166541
4 0.75 0.731689 0.137192 0.147901 0.315368405 x2, x3;x3,x4
5 0.94 0.591805 0.110963 0.124078
6 1.13 0.431177 0.080846 0.095905 0.220630355 x4, x5;x5,x6
7 1.31 0.255434 0.047894 0.06437
8 1.50 0.070737 0.013263 0.030579 0.095228049 x6, x7;x7,x8
i. aprox 0.907453 0.994571 0.997501865
i. exacta 0.997
error abs 0.089547 0.002429 0.000501865

Método aproximado Simpson 3/8

Para cada terna de segmentos se calcula el área aproximada considerando un rectángulo de base
3h y una altura como el promedio ponderado de los lados 𝒇(𝒙𝒊 ), 𝒇(𝒙𝒊+𝟏 ), 𝒇(𝒙𝒊+𝟐 ), 𝒇(𝒙𝒊+𝟑 ):

Longitud de la base: 3ℎ
𝑓(𝑥𝑖 )+3𝑓(𝑥𝑖+1 )+3𝑓(𝑥𝑖+2 )+𝑓(𝑥𝑖+3 )
Altura promedio:
8
Área de una terna de segmentos
𝑓(𝑥𝑖 )+3𝑓(𝑥𝑖+1 )+3𝑓(𝑥𝑖+2 )+𝑓(𝑥𝑖+3 )
𝟑𝒉 =
8
3
ℎ(𝑓(𝑥𝑖 ) + 3𝑓(𝑥𝑖+1 ) + 3𝑓(𝑥𝑖+2 ) + 𝑓(𝑥𝑖+3 ))
8

3ℎ
𝐴𝑜 = (𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3 ))
8
3ℎ
𝐴3 = (𝑓(𝑥3 ) + 3𝑓(𝑥4 ) + 3𝑓(𝑥5 ) + 𝑓(𝑥6 ))
8
⋮

3ℎ
𝐴𝑛−3 = (𝑓(𝑥𝑛−3 ) + 3𝑓(𝑥𝑛−2 ) + 3𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 ))
8
𝒃
∫ 𝒇(𝒙) 𝒅𝒙 ≅ 𝑨𝟎 + 𝑨𝟑 + ⋯ + 𝑨𝒏−𝟑
𝒂

Ejercicio:
Calcular aproximadamente con el método del Simpson 3/8
𝟏,𝟖 𝒙
∫ 𝒔𝒆𝒏𝒐(𝒙)𝒆𝟐𝒄𝒐𝒔(𝒙) 𝒅𝒙
𝟎
utilizando 6 segmentos y analizar el error.