TEMAS ANÁLISIS NUMERICO 1. INTERPOLACIÓN 2. METODO BISECRIZ 3. METODO DEL PUNTO FIJO 4. METODO NEWTON RAPHSON 5.

FUNCION CUADRATICA 6. NEWTON HACIA ADELANTE 7. NEWTON HACIA ATRÁS 8. METODO LAGRANGE 9. METODO MONTANTE 10.MÉTODO DE ELIMINACION GAUSSIANA 11.METODO GAUSS-JORDAN 12.NEWTON CON DIFERENCIAS DIVIDIDAS 13.METODO GRAFICO 14.METODO LA SECANTE 15.METODO DE FALSA POSICION 16.METODO DE GAUSS-SEIDEL 17.METODO DE JACOBI 18.METODOS DE MINIMOS CUADRADOS 19. REGLA TRAPEZOIDAL 20.LA REGLA DE SIMPSON 1/3 21.LA REGLA DE SIMPSON 3/8 22.NEWTON COTES CERRADAS 23.NEWTON-COTES ABIERTAS 24.MÉTODO DE RUNGE –KUTTA 25. MÉTODOS DE RUNGE-KUTTA DE SEGUNDO ORDEN 26. MÉTODOS DE RUNGE-KUTTA DE TERCER ORDEN

27.METODO DE RUNGE-KUTTA DE 4TO ORDEN

INTERPOLACIÓN
La interpolación lineal es un caso particular de la Interpolación general de Newton. Con el polinomio de interpolación de Newton se logra aproximar un valor de la función f(x) en un valor desconocido de x. El caso particular, para que una interpolación sea lineal es en el que se utiliza un polinomio de interpolación de grado 1, y se denota de la siguiente manera: Formula General de la interpolación lineal : G (x) = f(a) + f(b)-f(a) (x-a) b-a Ejemplo: F(x)= 3x2 x=1.5 a=1 b=2 0 1 2 3 x y 1 4 13 28

G (x) = f(a) + f(b)-f(a) (x-a) b-a

G (x) = f(4) +_3-4 _(1.5-1) (2-1) G(x) = 8.5

METODO BISECRIZ
El método de la bisectriz es un método numérico sencillo, muy versátil para encontrar una raíz real en un intervalo en el que existe una raíz. Su singular ventaja consiste en que funciona incluso con funciones no analíticas; sin embargo, sólo se debe utilizar el método después de un análisis gráfico. Supongáse que hay una raíz de f(x) = 0 en un intervalo entre; x = a y x = c, denotado por [a, c] o, de forma equivalente, por c ³ x ³ a. El método de la bisectriz se basa en el hecho de que, cuando un intervalo [a, c] tiene una raíz, el signo de y(x) en los extremos es distinto, o sea, f(a) f(c) < 0. 1º PASO . Elija valores Iniciales para “a” y “b” de forma tal que lea función cambie de signo sobre el intervalo. Esto se puede verificar asegurandose de que : f(a)*f(b) < 0 2º PASO La primera aproximación a la raíz se determina con la formula: xn = (a + b) / 2 3º PASO Realizar las siguientes evaluaciones para determinar en que subintervalo se encuentra la raíz: f(a)*f(xn ) < 0 Entonces b = xn f(a)*f(xn) > 0 Entonces a = xn f(a)*f(xn) = 0 Entonces xn Es la Raíz

Calcule la nueva aproximación xn+1 = (a + b) / 2 5º PASO Evaluar la aproximación relativa | (xn+1 . P). (Falso) Repetir el paso 3.xn ) / xn+1 | < Tolerancia No.2]. La función g tiene un único punto fijo El siguiente teorema proporciona condiciones suficientes para la existencia y unicidad de un punto fijo. b) y que existe una constante positiva k<1. Supóngase. (Verdadero) Entonces xn+1 Es la Raíz METODO DEL PUNTO FIJO Ejemplo: La función g(x) = (1+sen x)1/2 tiene un único punto fijo en el intervalo [0. b]. Vamos a comprobar la función g(x) = (1+sen x)1/2 que cumple las condiciones del teorema anterior: . además. tal que. b] es único. La técnica de iteración de punto fijo puede ilustrarse gráficamente teniendo en cuenta que P será solución del problema de punto fijo x=g(x) si la curva y=g(x) y la recta y=x se cortan en el punto (P. que g'(x) existe en (a. Interpretación gráfica de la iteración de punto fijo. Entonces el punto fijo en [a.4º PASO . 4 y 5 Si . Teorema 1: Si se cumple que Entonces g tiene un punto fijo en [a.

b].b-p0} Ejemplo: Aproximamos el punto fijo de la función g(x)=(1+sen x)1/2 el intervalo [0. el método de Newton-Raphson no trabaja sobre un intervalo sino que basa su fórmula en un proceso iterativo. Si el exponente de e es positivo. la función es creciente y tiende rápidamente a infinito. Tiende a cero cuando t tiene valores superiores a 1. En la función t es el tiempo. el cual es un método iterativo. A diferencia de los métodos anteriores. es uno de los más usados y efectivos. se lleva tanto sus factores como la función F(t) a dicho valor. y el intervalo de interés es t > 0. n≥1 converge al único punto fijo p en [a.Teorema 2: En las condiciones del teorema 1. esta función de conoce como función oscilatoria no amortiguada. Estas funciones son conocidas como oscilatorias amortiguadas. Ahora se dan algunos valores a t en la función: t f(t) . La función seno es oscilatoria. Además. una cota del error absoluto que se comete al aproximar el punto fijo p por pn. afectada de la función exponencial.4061 p3 = g(p2) = (1+sen p2)1/2 = 1. p0 = 1. al tender t a infinito.4094 p4 = g(p3) = (1+sen p3)1/2 = 1.0000 p1 = g(p0) = (1+sen p0)1/2 = 1. Esta técnica se llama iteración de punto fijo.2] mediante la iteración de punto fijo tomando como dato inicial p0=1. si p0 es cualquier número en [a. entonces la sucesión definida por pn=g(pn-1).3570 p2 = g(p1) = (1+sen p1)1/2 = 1. viene dada por: |p-pn|≤ kn máx{p0-a. con lo cual la gráfica de F(t) se confunde con el eje t para .4096 METODO NEWTON RAPHSON Este método. b].

1710133 -1. (0.1710133 4 1.6 0.8385E05 1.8 1 -1.1.06523934 8 0.1710133 -4.1 F(t) -0.8432E10 2.0.0.6.9291E-05 7 0.5398801 7.84918551 5.1048814 0.5643E06 2.0.623E-16 0 36.3653988 8 0.6626E09 1.1700092 -0.0).0058330 9 2 6.4 0.7756E17 0 3.0009974 0.52093195 4.0.46181422 4.46181422 4.4.2686E-09 4 0.7963E-17 4 .1575792 -0.45195045 F'(t) 7.46220075 4. aplicamos el método de Newton-Raphson para encontrar las raíces en cada uno de los intervalos.8) y (0.8.0124300 0.00106744 0. (0.623E-14 0 ea er Ep 0.31137024 0. Luego pues.6626E-07 1.7963E-17 4 0.04373517 -0.2485353 4.2281E-05 Así con estos valores graficamos para observar: Estos valores señalan la presencia de raíces reales en los intervalos (0.00450956 9 0.0575792 0.00477763 -4.1710133 -4.58330153 0.2) t 0. Utilizando la primera derivada de la función que es: Utilizando la fórmula: Intervalo (0.0731137 1 0.1710067 -2.0 0.0227016 0.2).46181422 0.2584E-16 0.0038385 1.46181423 4.2 0.6).

ahí tienes la representación gráfica de dos funciones cuadráticas muy sencillas: * f(x) = x2 * f(x) = -x2 Gráfica de La función x | -3 f(x) = x2 las funciones cuadráticas cuadrática más sencilla es f(x) = x2 cuya gráfica es: | -2 | -1 | -0'5 | 0 | 0'5 | 1 |2 |3 | |9 |4 |1 | 0'25 | 0 | 0'25 | 1 |4 |9 | . b y c son números reales cualesquiera y a distinto de cero. f(x)) de una función cuadrática.FUNCION CUADRATICA Una función cuadrática es aquella que puede escribirse de la forma: f(x) = ax2 + b x + c | Donde a. obtenemos siempre una curva llamada parábola. Si representamos "todos" los puntos (x. Como ejemplo.

x | -1 | 0 |1 |2 |3 |4 | f(x) | 0 | -3 | -4 | -3 | 0 |5 | Completando la gráfica obtengo: La función exponencial es del tipo: Sea a un número real positivo.3. La función que a cada número real x le hace corresponder la potencia ax se llama función exponencial de base a y exponente x. Dibujemos la gráfica de f(x) = x2 -2 x . x -3 -2 -1 0 1 2 3 x -3 -2 -1 0 1 2 3 | | | | | | | | | | | | | | | | y= 1/8 1/4 1/2 1 2 4 8 y= 8 4 2 1 1/2 1/4 1/8 2x | | | | | | | 2x | | | | | | | | | NEWTON HACIA ADELANTE Como los denominadores de las diferencias divididas siempre van a ser redefinir las diferentes diferencias divididas: . Funciones cuadráticas más complejas se dibujan de la misma forma.Esta curva simétrica se llama parábola. podemos .

pero ahora resulta que: El polinomio queda: Con. .Entonces el polinomio queda Esto también se puede escribir así: Donde NEWTON HACIA ATRÁS Hacemos algo parecido al caso anterior.

En la figura 2 la condición g(x. Este método reduce el problema restringido en n variables en uno sin restricciones de n + 1 variables cuyas ecuaciones pueden ser resueltas.Nótese que el caso hacia adelante usa fuertemente los datos de la primera fila de la tabla. Asi la condición g(x. y está sujeta a ciertas restricciones. . METODO LAGRANGE En los problemas de optimización. nombrados así en honor a Joseph Louis Lagrange. y) = x3 − xy +y2 +3 sujeta a la condición que los puntos (x. y aquí los del último. y) = 0 esta presentada por la elipse color violeta en el plano xy. y) = 0 esta dada por la ecuación g(x. Esto puede convenir para reordenarlos si se sabe donde están los menos confiables. Optimizar la función f (x. son un método para trabajar con funciones de varias variables que nos interesa maximizar o minimizar. y) satisfagan la ecuación de la elipse x2 + 2y2 = 1. y) = x2 + 2y2 − 1 = 0 Este problema esta representado en la figura 2. los multiplicadores de Lagrange.

METODO MONTANTE El Método Montante. Aplique el algoritmo de Montante a la matriz: 3 2 -2 6 4 -3 -9 -8 4 3 0 -1 Solucion Debemos multiplicar el renglon 2 y 3 por el elemento (1. 1): 3 2 -2 6 4 -3 -9 -8 4 3 0 -1 3 R2 3R2 R3 3R3 6 6 -6-9 12 -9 3 -24 12 0 -3 . es un algoritmo del álgebra lineal para determinar las soluciones de un sistema de ecuaciones lineales. René Mario Montante Pardo. llamado así debido a su descubridor. encontrar matrices inversas. matrices de adjuntos y determinantes.

2): 9 0 0 18 3 0 -27 -6 -6 9 3 -6 9 R1 R1 (6)R2 0 0 0 0 9 3 -6 -9 -6 -6 3 Ahora el pivote es el elemento (3. 2): 3 0 0 6 3 0 -9 -6 -6 3 3 -6 9 R1 3R1 0 18 0 0 -27 3 -6 9 -6 -6 3 La cancelacion arriba del pivote (2.Ahora la cancelacion procede utilizando el renglon 1 con los elementos (2. 2): 3 0 0 6 0 3 -9 -6 -6 3 -6 3 3 R2$R3 0 6 0 0 -9 3 -6 3 -6 -6 3 Para eliminar el elemento arriba del pivote (2. 3) y debemos hacer cero arriba de _el. 1) anteriores a la multiplicacion: 3 6 -6 6 12 -9 -9 -24 12 3 0 -3 3 6 R2 R2 (2)R1 0 R3 R3 (2)R1 0 -9 0 0 3 -6 -6 -6 -6 Ahora deberemos intercambiar los renglones 2 y 3 para tener un pivote en (2. 2) procede restando al renglon 1 el renglon pivote por el contenido previo del elemento (1. Para ello el algoritmo procede multiplicando los renglones donde se hara la cancelacion por el elemento pivote: 9 0 0 0 3 0 9 -6 -6 -9 3 -6 R1 6R1 R2 6R2 -54 0 0 0 -54 -18 0 54 36 -6 -18 -6 La cancelacion procede restando los multiplos del renglon anteriores a la multiplicacion: -54 0 -54 54 -54 0 0 0 -18 36 -18 R1 R1 (9)R3 0 -18 0 0 -6 -6 R2 R2 (6)R3 0 0 Las unicas divisiones proceden al final: 3 usando los elementos 108 0 -54 -6 -6 . 1) y (3. 2) el algoritmo procede multiplicando el rengl_on 1 por el pivote (2.

encontrar matrices e inversas. Cuando se aplica este proceso. llamadas así debido a Carl Friedrich Gauss y Wilhelm Jordan. la matriz resultante se conoce como: "forma escalonada".-54 0 0 0 -18 0 0 0 -6 108 R1 1=(-54)R1 -54 R2 1=(-18)R2 -6 R3 1=(-6)R3 1 0 0 0 1 0 0 0 1 -2 3 1 MÉTODO DE ELIMINACION GAUSSIANA En matemáticas. Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus soluciones mediante la reducción del sistema dado a otro equivalente en el que cada ecuación tiene una incógnita menos que la anterior. son algoritmos del álgebra lineal para determinar las soluciones de un sistema de ecuaciones lineales. R2 = R2 – 7R1. R3 = R3 + 2R1 R1 R2 1 2/5 3/10 1/2 . eliminación de Gauss o eliminación de Gauss-Jordan. EJEMPLO 10x1 – 4x2 + 3x3 = 5 7x1 + 20x2 – 6x3 = 8 -2x1 – 10x2 + 20x3 = 4 10 –4 3 5 7 20 –6 8 R3 -2 –10 20 4 R1 = 1/10 R1. la eliminación Gaussiana.

Siguiente paso multiplicar 1/2 por (R3) sumarle (R1) y colocarlo en (R1) para obtener: 1 1/2 0 0 0 1 0 2 0 1 -32 -5 . El método de Gauss-Jordan continúa el proceso de transformación hasta obtener una matriz diagonal unitaria (aij=0 para cualquier i=j) Hacer ceros los de arriba. el método de Gauss transforma la matriz de coeficientes en una matriz triangular superior.. comenzamos multiplicando 9 por (R3) más (R2) colocándolo en (R3) obtenemos: 1 1/2 0 0 -1/2 1/2 1 0 0 1 -32 -5 8.0 0 114/5-81/10 -54/5 103/5 9/2 5 R2 = 5/114 R2 R3 = R3 + 54/5 R2 1 0 0 1 0 0 2/5 1 0 2/5 1 0 3/10 ½ R3 = 38/637 R3 -27/76 15/76 637/38 271/38 3/10 ½ x1 + 2/5x2 + 3/10x3 = 1/2 -27/76 15/76 x2 – 27/76x3 = 15/76 1 271/637 x3 = 271/637 X2 = 22/637 X1 = 326/637 METODO GAUSS-JORDAN Como hemos visto.

2-4.3956 . por parejas.47 D1 .375 .43 2.. respectivamente.25+.4)(4. a la imagen u ordenada y abcisa de los datos que se quieran interpolar.Solo nos queda un elemento para convertirlo en cero.0) (4.45 .375(4.28)(4.2-4.0)) +.9.2-4.225 .2-3.2-3.25 2.2706 -. tales que G (x) = D0+ D1 (x-x2)+ D2 (x-x)(x-x2)+ D3 (x-x2)(x-x2)(x-x3) Ejemplos : X= 4.8 4.0 4.2-3.8)+ (-.7) G (x) =2.1314 G (x) = 2.133 D2 D3 -.7 Y2 2.2 X2 3.2706(4.45(4.2-4.34 2. el cual lo obtenemos multiplicando -1/2 por (R2) sumarle (R1) para colocarlo en (R1) obteniendo entonces la matriz final: 1 0 0 0 0 1 0 14 0 1 -32 -5 Obteniendo finalmente la solución de ecuaciones: X1 = 14 X2 = -32 X3 = -5 NEWTON CON DIFERENCIAS DIVIDIDAS Sea una variable discreta de n-elementos y sea xotra variable discreta de elementos los cuales corresponden.4 4.8)(4.

las coordenadas del punto de corte son los únicos valores de las incógnitas x e y. Sistema compatible determinado. . Si ambas rectas son coincidentes. el sistema no tiene solución. c. la tabla de valores correspondientes. Si ambas rectas se cortan. Sistema incompatible. El proceso de resolución de un sistema de ecuaciones mediante el método gráfico se resume en las siguientes fases: • Se despeja la incógnita y en ambas ecuaciones. • Se construye. d.METODO GRAFICO METODO GRAFICO PARA LA RESOLUCION DE ECUACIONES LINEALES. • En este último paso hay tres posibilidades: a. • Se representan gráficamente ambas rectas en los ejes coordenados. Sistema compatible indeterminado. el sistema tiene infinitas soluciones que son las respectivas coordenadas de todos los puntos de esa recta en la que coinciden ambas. para cada una de las dos funciones de primer grado obtenidas. b. Si ambas rectas son paralelas.

Ambas ecuaciones juntas forman el siguiente sistema: x + y = 600 2x . pero Sergio tiene el doble de euros que Ana. . se use el método que se use. por última vez. la respuesta al problema planteado es que Ana tiene 200 euros y Sergio tiene 400 euros. esto nos proporciona la ecuación x + y = 600.Veamos. vemos claramente que las dos rectas se cortan en el punto (200. el mismo resultado. Por tanto. es decir. para poder representar ambas rectas. luego la solución del sistema es x = 200 e y = 400. tendremos que y = 2x. la misma solución. a calcular sus tablas de valores: y = -x + 600 | y = 2x | x |y |x |y | 200 | 400 | 100 | 200 | 600 | 0 | 200 | 400 | Con estas tablas de valores para las dos rectas y eligiendo las escalas apropiadas en los ejes OX y OY. podemos ya representar gráficamente: | Si observamos la gráfica. evidentemente. recordemos de nuevo el enunciado: Entre Ana y Sergio tienen 600 euros.y = 0 Para resolver el sistema por el método gráfico despejamos la incógnita y en ambas ecuaciones y tendremos: y = -x + 600 y = 2x Vamos ahora. Vamos a expresar las condiciones del problema mediante ecuaciones: Si los dos tienen 600 euros. ¿Cuánto dinero tiene cada uno?. 400). que habíamos obtenido con los tres métodos analíticos. el ejemplo visto en los métodos analíticos para resolverlo gráficamente y comprobar que tiene. Si Sergio tiene el doble de euros que Ana. Llamemos x al número de euros de Ana e y al de Sergio.

f (Xi) .f (Xi)= Xif (Xi) f `(Xi) f (Xi-1).METODO LA SECANTE Este método se basa en la fórmula de Newton-Raphson.xj Sustituyendo en la fórmula de Newton-Raphson. obtenemos: Xi+1 = Xi-1. pero evita el cálculo de la derivada usando la siguiente aproximación: F` (x) = f(Xi-1)-f(xj) Xi-1.

Que es la fórmula del método de la secante. y hasta que .23% . Con un error aproximado de: Como todavía no se logra el objetivo. continuamos con el proceso. a la raíz 0 1 0. La diferencia entre una y otra es que mientras el método de la regla falsa trabaja sobre intervalos cerrados. necesitamos conocer los dos valores anteriores Xi.y Xi-1. Ejemplo 1 Usar el método de la secante para aproximar la raíz de comenzando con Solución Tenemos que y : . mientras que el método de la regla falsa va a la segura. . Resumimos los resultados en la siguiente tabla: Aprox.612699837 0. 100% 63. que sustituímos en la fórmula de la secante para calcular la aproximación . el método de la secante es un proceso iterativo y por lo mismo. Obsérvese tambien. Claro. Nótese que para poder calcular el valor de . corre el mismo riesgo de éste último de no converger a la raíz.653442133 Error aprox. encuentra la aproximación casi con la misma rapidez que el método de Newton-Raphson.2% 6. el gran parecido con la fórmula del método de la regla falsa.

X1 o Xu. El proceso se repite hasta que la aproximación a la raíz sea adecuada.652917265 0. El Valor de xr calculando con la ecuación reeplazara. después.0. y dar un valor ala función con el mismo signo de f(xr). 1º PASO Elija los valores iniciales X1 y su superior Xu que encierra la raíz de tal forma que la función cambie el signo en el intervalo. Xr= Xu-F(Xu )(X1-Xu) / F(X1)-F(Xu) Esta es la formula de Falsa posición. De esta manera los valores X1 y Xu Siempre encierran la verdadera raíz. a cualquiera de los dos valores iniciales.08% De lo cual concluímos que la aproximación a la raíz es: METODO DE FALSA POSICION El método de la falsa posición pretende conjugar la seguridad del método de la bisección con la rapidez del método de la secante. Esto se verifica comprobando F(X1)F(Xu) .

entonces la raíz se encuentra dentro del subintervalo superior o derecho. ña raíz al Xr. PROCEDIMIENTO Finalmente. Explicaremos este procedimiento mediante un ejemplo. Sea el sistema lineal de tres ecuaciones 10x0 + x1 + x2 = 12 2 x0 + 10 x1 + x2 = 13 2 x0 + 2 x1 + 10 x2 =14 . Por lo tanto haga Xu= Xr y vuelva al segundo paso b) Si F(X1) F(Xr )> 0. El método se llama así en honor a los matemáticos alemanes Carl Friedrich Gauss y Philipp Ludwig von Seidel y es similar al método de Jacobi. nos queda la tarea de resolver el sistema de n ecuaciones con n incógnitas (n es el grado del polinomio). El procedimiento empleando es el de Seidel. termina en calculo )(X1-Xu) / F(X1)-F(Xu) METODO DE GAUSS-SEIDEL En análisis numérico el método de Gauss-Seidel es un método iterativo utilizado para resolver sistemas de ecuaciones lineales. Entonces la raíz se encuentra dentro del subintervalo inferior o izquierdo. por lo tanto haga X1= Xr y vuelva al segundo paso c) Si F(X1) F(Xr )=0.2º PASO Una aproximación de la raíz Xr se dermina mediante : Xr= Xu-F(Xu 3º PASO Realizar las siguientes evaluaciones para determinar en que subintervalo esta la raíz a) Si F(X1) F(Xr )< 0 .

0.000000 .0.1 X10.1 X21 = 1. Tomemos como aproximación inicial X00 = 1. La segunda aproximación es X02 = 1.2 X02 +0.000000 2.0.4.3-0.00536 X12 = 1. X10 = 0. x0= 1.0 + 0.948 Se introduce la primera aproximación de x0 en la segunda ecuación.2 + 0.0 =0.2 X02 +0. Se introduce la primera aproximación de x0 y de x1 en la tercera ecuación.1 X21 = 0.000000 4.2x0 – 0.1 X21 = 1. De este modo el método de Seidel ofrece una mejor convergencia que la iteración simple.12 X12 + 0.12 X12 + 0.0.0. El algoritmo toma su nombre del matemático alemán Carl Gustav Jakob Jacobi.001000 Matriz de Coeficientes A 8.2 + 0. Reduciéndose el sistema a una forma conveniente para aplicar el procedimiento de iteración o de aproximaciones sucesivas.0.06 X21 = 1.000000 4.2x0+ 0.3-0.0.0.0 Como podemos apreciar.1x2 x2=1.Se despeja x1 en la primera ecuación.000000 1.0 + 0.999098 METODO DE JACOBI En análisis numérico el método de Jacobi es un método iterativo. y así sucesivamente.121+ 0.1x2 x1=1. El método de Jacobi consiste en usar fórmulas como iteración de punto fijo.3.9992 X12 = 1.0+ 0.4 -0.1 x1-0.2 X02 – 0. usado para resolver sistemas de ecuaciones lineales del tipo Ax = b.4 -0.2+0.. las diagonales de la matriz de los coeficientes de las x son ceros.2.2 X02 – 0. x2 en la segunda y x3 en la tercera.0 =0. Ejemplo con precision de 0.0 -0.2 X11 = 1. X 0 2 = 0.1 X21 = 1.000000 3.0 La primera aproximación se escribe X01 = 1.1 X10.0.

154806 0. B -1.000000 3.125000 1.001000 Solución x: -0.895394 1.165139 0.860677 Iteracion 6 -0.000000 20.000000 -2.750552 Iteracion 21 -0.000000 Iteracion 1 -0.002963 3.922514 1.781250 1.000000 -2.500000 Iteracion 2 -1.753669 Iteracion 28 -0.850661 1.638021 Iteracion 5 -0.000000 6.666667 .159920 0.807292 Iteracion 4 -1.000000 22.751531 Iteracion 23 -0.886358 1.000000 10.158889 0.756466 Iteracion 20 -0.754456 Iteracion 24 -0.893136 1.742499 Iteracion 15 -0.748989 Iteracion 19 -0.900060 1.000000 1.159286 0.515625 0.201280 0.816271 Iteracion 8 -0.755229 Iteracion 22 -0.176100 0.882770 1.000000 Matriz de Term.144291 0.136138 0.753972 Iteracion 26 -0.725117 Iteracion 11 -0.095483 0.000000 Iteracion 1 -22.787495 Iteracion 10 -0.890927 1.761638 Iteracion 16 -0.186791 0.891481 1.000000 3. Indep.000000 1.774250 Iteracion 12 -0.003392 2. B -44.894274 1.711677 Iteracion 9 -0.890041 1.000000 Matriz de Term.292643 0. Indep.222168 0.084635 1.156890 0.758453 Iteracion 18 -0.893574 1.158642 0.940152 1.000000 2.061849 0.3.312500 Iteracion 3 -0.157391 0.75214310 Iteracion 25 -0.000000 9.897183 1.911958 1.877032 1.152750 0.892044 1.157705 0.752765 Iteracion 29 -0.000000 -7.892044 1.158642 0.753480 Precision 0.867301 1.986491 1.162554 0.892862 1.122044 0.500000 0.829427 1.830743 1.156088 0.891827 1.752526 Iteracion 27 -0.735852 Iteracion 13 -0.149464 0.766623 Iteracion 14 -0.089844 0.000000 1.888622 1.753480 Comprobacion:-0.169302 0.160934 0.994823 6.699273 Iteracion 7 -0.333333 243.000000 10.156250 0.904706 1.746501 Iteracion 17 -0.000000 6.

000000 22.900000 -2.000000 METODOS DE MINIMOS CUADRADOS El metodo consiste en encontrar la ecuacion de curva aunque no pase por todos los puntos pase lo mas cerca possible de todos ellos.000043 2.998707 -1.666667 8646.+ AmX (donde m es el grado del polinomio). debo condicionar bien la matriz Matriz de Coeficientes A 10.555556 Iteracion 3 4335.999409 Iteracion 4 0.000000 -2.000000 3.000000 -2.051300 -1.2592511 No converge. Dado un conjunto de puntos en forma rectangular (x.998892 2.999980 Iteracion 5 1.y) determinar los coeficientes de la función f(x) = A0+A1X+A2X+A3X+A4X….000000 3.000000 -608.067000 Iteracion 2 1. Indep.0 -2. Cuya grafica representa uan curva suave que se acerca a la mayoría de los puntos X Y X1 Y1 X2 Y2 X3 Y3 .009789 Iteracion 3 0.000011 -2.000003 3.000000 20.998430 3. B 9.000003 Iteracion 6 1.000010 Solución x: 1.000000 2.000000 2.000000 -2.Iteracion 2 295.999999 -44.000000 Comprobacion:8.000000 10.000000 -2.000000 22.296296 -60640.000000 Precision 0.000000 Iteracion 1 0.222222 -1724.000000 3.000000 3.999837 -2.290000 3.000000 1.000000 Iteracion 7 1.000000 -44.000000 Matriz de Term.

An DE MANERA QUE HAGA MINIMA LA SUMA DE LOS CUADRADOS DE RESIDUOS. . . ∑ Ri = ∑(A0 + A1Xi+A2Xi+A3Xi + …… + AmX CASOS PARTICULARES a) PARA m = 1 (EC. . . LINEALES) f(X) = A0+ A1X j = 0 nA0 + A1∑X1 = ∑Y – i j = 1 A0∑X! + A1 ∑X = ∑X1 INCOGNITAS A0 Y A1 b) PARA m = 2 (EC.m EL METODO DE LOS MINIMOS CUADRADOS CONSITE EN DETERMINAR LOS COEFICIENTES. Xn Yn Xn X1 X2 X3 X4 .3. . . . SE LLAMA RESIDUO “R” A LA DIFERENCIA DE LAS CURVAS ORDENADAS PARA X = X1 MENOS LA DEL PUNTO (X1.. CUADRATICAS) f(X) = A0 + A1 X + A2X j = 0 nA0 + A1∑Xi + A2∑Xi = ∑Yi j = 1 A0∑Xi + A1∑Xi + A2∑Xi = ∑XiYi j = 2 A0∑Xi + A1∑Xi + A2∑Xi = ∑XiYi REGRESION EXPONENCIAL |X | |Y |Y |X |XY .A1. .. Y1) Ri = f(Xi) – Yi EN FORMA POLINOMICA QUEDA: F(X) = A0 + A1Xi + A2Xi + A3Xi + A4Xi + …… AmXi – Yi DONDE i = 1. A0.A3.A2..……. .2. . . . . . …….

40983 |8.|28 218. .267448958 |8.78738 |8.651199 |41.483318 |2410 | |3033 | |3895 | |4491 | |5717 | | | |7.8258156 |35 294.04664 |30 240.52125 |33 272.34405 |38 328.745562 |164 1354.0117375 |8. La regla del trapecio o regla trapezoidal es la primera de las fórmulas cerradas de Newton-Cotes.13323296 |784 |900 |1089 |1225 |1444 |5442 | | | | | | REGLA TRAPEZOIDAL La regla del trapecio o regla trapezoidal es una de las fórmulas cerradas de Newton-Cotes.

Corresponde al caso en donde el polinomio de aproximación es de primer orden. En donde f1(x) corresponde a una línea recta que se representa como: El área bajo la línea recta es una aproximación de la integral de f(x) entre los límites a y b: El resultado de la integración es: LA REGLA DE SIMPSON 1/3 Las reglas de Simpson son parte de las formulas de integración de Newton-Cotes. que se basan en el reemplazo de una función complicada o datos tabulados con una función aproximada que sea fácil de integrar: b b .

640533.2 +25x – 200x2 + 675x3 – 900x4 + 400x5 Desde a = 0 hasta b = 0.8 0.8) = 0.232 Sustituimos los valores en la ecuación: I ≈ (b-a) f(x0) + 4f(x1) + f(x2).2 + 4(2. La integral exacta es 1.8.367467 LA REGLA DE SIMPSON 3/8 La derivación de la Regla de los Tres Octavos de Simpson es similar a la regla de un tercio.I ≈ ∫a f(x)dx = ∫a fn(x)dx Donde fn(x) es un polinomio de la forma: f(x) Ejemplo: Use la regla de Simpson 1/3 para integrar la siguiente función: f(x) = 0.2 f(x1) = f(0.8)/2 = 0.456 f(x2) = f(0. excepto que se determina el área bajo una parábola de tercer grado que conecta 4 puntos sobre una curva dada. I ≈ 1.8 x1 = (0 + 0. Por Simpson 1/3 x0 = 0 x2 = 0.4 f(x0) = f(0) = 0. I ≈ 0. La forma general de la parábola de tercer grado es: Ejemplo: Use la regla de Simpson 3/8 para integrar la siguiente función: .232.456) + 0.4) = 2.

2667) = 1. b).8 0.2667) = 0. 1.487177 f(0.519170 NEWTON COTES CERRADAS F´ORMULAS CERRADAS DE NEWTON-COTES h = (b − a)/n xi = a + ih.8) = 0. Cada separación va a tener: x = (0 + 0.f(x) = 0. I ≈ 0. . .8)/3 = 0.487177) + 0.432724 f(0. i = 0.5333 0.2667 + 0. y donde _ 2 (a.2667) = 0. La integral exacta es 1.2667 (0.2667 x0 x1 x2 x3 = = = = 0 (0 + 0.2 + 3(1.8.232.8 = = = = f(0) = 0.432724) + 3(3.232 f(x0) f(x1) f(x2) f(x3) Sustituimos los valores en la ecuación: I ≈ (b-a) f(x0) + 3f(x1) + 3f(x2) + f(x3). . . . I ≈ 1.5333) = 3.640533.2 +25x – 200x2 + 675x3 – 900x4 + 400x5 Desde a = 0 hasta b = 0.2 f(0. n con p = 2 si n es par y p = 1 si n es impar.

66667 NEWTON-COTES ABIERTAS F´ORMULAS ABIERTAS DE NEWTON-COTES h = (b − a)/(n + 2) xi = (a + h) + ih.EJEMPLO : ∫10 15 (x2 + 2 ) dx n= 5 h= 15-10 =1 5 a b I = 5/288 (1) [19 f(x=10)+ 75 f(x =11)+ 50 f(x =12)+ 50 f(x =13)+75 f(x =14)+19 f(x =15)] I = 5/288 (1) [1938+9225+7300+8550+14850+4313] I = 5/288 (1) [46176] I = 801. i = −1. . . . . n + 1 con p = 2 si n es par y p = 1 si n es impar. n. b). y donde _ 2 (a. 1. . 0.

25)+2 (191. lo que permite valuar Yi+1 tan pronto se conozcan los valores Yi. es aplicable a ecuaciones de primer orden y no requiere conocer la solución en los pivotes anteriores.75) +0 f(x=15)] I= 4/3 (1.5)+2 f(x=13. El más simple de estos métodos.EJEMPLO: ∫10 15 (x2 + 2 ) dx n= 2 h= 15-10 = 1. Dado el problema de valores iniciales se debe integrar la ecuación diferencial en el intervalo y evaluar la integral aplicando la fórmula de integración numérica: (4) entonces .25) [0 (102)+ 2 (128.0625) +0 (227)] I= 801. Yi-1 de Y en uno o más pivotes anteriores.25 5+1 I= 4/3 (1. debido a Euler.5625)+(-1) (158.25)+(-1) f(x=12.666667 MÉTODO DE RUNGE -KUTTA El método de Runge-Kutta es un refinamiento del método de Euler La solución de un problema de valores iniciales se obtiene generalmente paso a paso por métodos de integración hacia adelante.25) [0 (x=10)+ 2 f(x=11.

(9) (5) MÉTODOS DE RUNGE-KUTTA DE SEGUNDO ORDEN La versión de segundo orden de la ecuación yi + 1 = yi + φ(xi. Yi) METODO DE RUNGE-KUTTA En la introducción se estableció que el método de Euler para resolver la ecuación diferencial de primer orden Y' = f(X. 2.. 3. X3.yi) k2 = f(xi + pih.. Yn) donde n = 1. para determinar la solución de la ecuación diferencial en X = X1. (7) Y) con la condición inicial Y(X0) = (8) Y0 consiste en aplicar repetidamente la fórmula de recurrencia Yn+1 = Yn + h f(Xn. X2.de donde se obtiene la siguiente expresión aproximada llamada fórmula de Euler Yi+1 = Yi + h f(Xi..yi.h)h es yi + 1 = yi + (a1k1 + a2k2)h donde k1 = f(xi.yi + q11k1h) . . ..

donde: donde k1 = f(xi.yi) k2 = f(xi + h.yi) a2 = 2 / 3: Método de Ralston. lineal o una constante. hay un número infinito de métodos Runge-Kutta de segundo orden. Se desarrollan tres ecuaciones para evaluar cuatro constantes desconocidas. a2. p1 y q11 son evaluados al igualar el término de segundo orden de la ecuación dada con la expansión de la serie de Taylor. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática. Las tres ecuaciones son: a1 + a2 = 1 a2p1 = 1 / 2 a2q11 = 1 / 2 Como se tienen tres ecuaciones con cuatro incógnitas se tiene que suponer el valor de una de ellas.Los valores de a1. se puede resolver de manera simultánea el sistema de ecuaciones obtenido: a1 = 1 − a2 Como se puede elegir un número infinito de valores para a2. donde k1 = f(xi. a2 = 1 / 2: Método de Heun con un solo corrector.yi) .yi + k1h) a2 = 1 : Método del punto medio. Suponiendo que se especificó un valor para a2. yi + 1 = yi + k2h donde k1 = f(xi.

de uso tan frecuente que en la literatura sobre métodos numéricos se le llama el Método de Runge-Kutta de 4to orden.yi) k3 = f(xi + h. Una versión ampliamente usada es: donde k1 = f(xi. . por lo tanto se deben suponer dos valores con antelación para poder desarrollar el sistema de ecuaciones. se dará a conocer sin demostrar y consiste en aplicar la ecuación de recurrencia (12) en donde la función está dada por la expresión: i +1) *y i +1(x = y i +{ h /6 *[K1 +(2 * K2) +(2 * K3) + K4] } (16) en el cual: * K1 =f [x * K2 =f [x i . y i] +(h /2) y i +(h *K1 /2)] i .MÉTODOS DE RUNGE-KUTTA DE TERCER ORDEN Para n = 3 el resultado son seis ecuaciones con ocho incógnitas.yi − k1h + 2k2h) METODO DE RUNGE-KUTTA DE 4TO ORDEN Para resolver ecuaciones diferenciales ordinarias de primer orden con error del orden de .

5 * 2.088243 K3 =f [0 +0. y(0.05) – (0.15) K2 =3.8*0. 0.1) =2.178846]} y1(0. en el intervalo de interés [0.1/2.308790 .5) utilizando el método de Runge-Kutta de cuarto orden.1.1/2. K3 y K4 a la curva integral.8*0.308603] K4 =4e(0. y0 =2 K1 =f [0.1 por lo tanto x0 =0.1.1 *3.086037 K4 =f [0 +0. 2 +(0.5 * 2.05.05. x5 =0. en 5 intervalos. 2 +(0. 2 +(0.5) =? } h =0.1) – (0.308603) K4 =3. i .15] =4e(0.1 *3) /2] =f [0.1. en forma semejante a como se procedió con las pendientes de las tangentes T1 y T2 que dieron lugar a (11). y(0) =2 .* K3 =f [x * K4 =f [x i +(h /2) y i +(h *K2 /2)] +h y i +(h *K3)] . 2.088243) +(2 *3.1 /6 [3 +(2 *3. 2.086037)] =f [0.5]. 2] =4e(0.8x – 0.5 – 0 / 5 h =0. PVI { y’ =4e0.086037) +3.4.05) – (0.178846 y1(0. La ecuación (16) se obtiene haciendo un promedio de las cuatro pendientes. x2 =0.8*0.5 * 2) K1 =3 K2 =f [0 +0.8*0) – (0.088243) /2] =f [0. EJEMPLO: Determine y (0.3.154412) K3 =3. K1. x0 =0 . 2.1) =2 +{0. x1 =0.5y .154412] K3 =4e(0. x4 =0.5 ITERACIÓN I i =0 . K2.1 *3.5 * 2.

Sign up to vote on this title
UsefulNot useful