Ejercicios Resueltos de Metodos Numericos Segunda Parte

Universidad Nacional Autónoma de Chota
Facultad de Ciencias de la Ingeniería

Departamento Académico de Ingeniería Civil
CONJUNTO DE EJERCICIOS DE ANÁLISIS NUMÉRICO DE

RICHARD L. BURDEN Y J. DOUGLAS FAIRES
ING. JAVIER RUBEN SABINO NORABUENA
MÉTODOS NUMÉRICOS
MARZO - 2021
INTEGRANTES
ACUÑA VASQUEZ MARITZA YOEMI

BANDA CUBAS LILER
BARBOZA MIRANDA MOISES
BAUTISTA C JESUS
BAUTISTA VASQUEZ CRISTIAN JHOVI
BRAVO TORRES JOSE WILLAM
BUSTAMANTE RUIZ JOSE ELVER
CABRERA TERRONES ROYNER JOELI
CIEZA TANTALEAN EVER JHOEL
COLLANTES FONSECA LUIS FREDY
COLUNCHE TARRILLO JOSELITO
DIAZ NAUCA JENRRI ISAI
DIAZ SANTA CRUZ ALEXIS AUGUSTO
GONZALEZ TAFUR CLEBER
GUAMURO DELGADO JUAN ALEXANDER
GUERRERO COLLANTES JOSE GABRIEL
MEJIA RUBIO YAN FERRARI
MONDRAGON HERRERA CLODOMIRO
MUÑOZ QUIROZ YONEL
NARVA ZAMORA TITO WILIAN
OCSA CUBAS ROBBIE WILLIAMS
PERALTA FERNANDEZ YONER ROIBAN
PEREZ ALARCON JOSE MISAEL
QUINTANA MENDOZA NELDER JOSELITO
QUISPE DIAZ ROISER JAIRO
REQUEJO LLATAS VICTOR YANGUIR
RIVERA DIAZ JEAN CARLO DENILSON
RIVERA GUAMURO JHENSIN
ROJAS FONSECA WILSER
SANCHEZ QUINTANA LUIS ALBERTO
SANCHEZ VEGA EIVER STALIN
SILVA BUSTAMANTE JOSE ANGEL
TAPIA CORONADO ELVIS HERNAN
VASQUEZ HERRERA JOSELITO
VASQUEZ NUÑEZ NEYSER
VASQUEZ VASQUEZ DEINER
ZORRILLA LEIVA LEYSER
PERSONAS QUE TRABAJAMOS
GUERRERO COLLANTES JOSE GABRIEL
OCSA CUBAS ROBBIE WILLIAMS
SANCHEZ VEGA EIVER STALIN
MUÑOZ QUIROZ YONEL
CONJUNTO
DE
EJERCICIOS
3.1
1.a. Para las funciones dadas f(x), sean x0 = O, x1 = 0.6 y x2 = 0.9. Construya polinomios de
interpolación de grado dos a lo máximo para aproximar f (0.45), y calcule el error real
Para grado 1
a) f(x) = cos x
solución
x0 = O, x1 = 0.6 y x2 = 0.9.
para x0 = O
f (0) = cos 0 = 1
para x1 = 0.6
f (0.6) = cos 0.6 = 0.82534
para x1 = 0.9
f (0.9) = cos 0.9 = 0.62161
𝑥−𝑥1 𝑥−0.6
𝐿0 (𝑥) = 𝑥 =𝑥 =-1.66667x +1
0 −𝑥1 0 −0.6
𝑥−𝑥0 𝑥−0
𝐿1 (𝑥) = 𝑥 = 0.6 −0 =-1.66667x
1 −𝑥0
Ahora Construyamos los polinomios de interpolación de grado como máximo dos.
Para
f (0) = 1, f (0.6) = 0.82534, f (0.9) = 0.62161
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.6)(𝑥 − 0.9)
𝐿 0 (𝑥 ) = = = 1.85185𝑥 2 − 277778𝑥 + 1
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 0.6)(0 − 0.9)
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9)

𝐿1 (𝑥 ) = = = −5.55556𝑥 2 + 5𝑥
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.6 − 0)(0.6 − 0.9)
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6)

𝐿 2 (𝑥 ) = = = 3.70370𝑥 2 − 2.22222𝑥
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.9 − 0)(0.9 − 0.6)
Los polinomios de interpolación de grado como máximo dos son

𝑃(𝑥 ) = 𝑓 (0)𝐿0 (𝑥) + 𝑓 (0.6)𝐿1 (𝑥 ) + 𝑓 (0.9)𝐿2 (𝑥 )
= 1(1.85185𝑥 2 − 277778𝑥 + 1) + 0.82534(−5.55556𝑥 2 + 5𝑥 ) +
0.62161(3.70370𝑥 2 − 2.22222𝑥 )
= −0.43112𝑥 2 − 0.03243𝑥 + 1
Entonces cuando f (0.45) será
𝑓(0.45) = −0.43112𝑥 2 − 0.03243𝑥 + 1
𝑓(0.45) = −0.43112(0.45)2 − 0.03243(0.45) + 1 = 0.89810

El error será
E =0.9004571-0. 0.89810=0.00235.
Finalmente decimos que el valor aproximado de 𝑓(0.45) = 0.89810 y el error será 0.00235
1. Para las funciones dadas f(x), sean x0 =0, x1 =0.60, x2 =0.9, construya polinomios de
interpolación de grados uno y dos a lo máximo para aproximar f(0.45), y calcular el error
real.
A) F(x) = cos x
Solución
Polinomio de interpolación de grado uno
F(x) = cos x → x0 =0, x1 =0.60
n
p ( x)   f ( xk ) * Ln ,k
k 0
n
( x  xi )
Ln ,k  
i 0 ( xk  xi )
i 0
p ( x)  f ( x0 ) * L1,0 ( x)  f ( x1 ) * L1,1 ( x)
1
( x  xi ) ( x  x1 ) x  0.6 x  0.6
L1,0     
i 0 ( xk  xi ) ( x0  x1 ) 0  0.6 0.6
i0
1
( x  xi ) ( x  x0 ) x0 x
L1,1     
i 0 ( xk  xi ) ( x1  x0 ) 0.6  0 0.6
i 1
f ( x)  cos( x)
f ( x0 )  cos(0)  1
f ( x1 )  cos(0, 6)  0.8253356
p ( x)  f ( x0 ) * L1,0 ( x)  f ( x1 ) * L1,1 ( x)
x  0.6 x
p ( x)  1*( )  0.8253356*( )
0.6 0.6
p ( x)  1.6666667 x  1  1.3755593 x
p ( x)  0.2911074 x  1
Valor real
f ( x)  f (0.45)  cos(0.45)  0.9004471
Valor aproximado
p( x)  p(0.45)  0.2911074*0.45  1  0.8690017
Error
f ( x)  p( x)  0.9004471  0.8690017  0.0314454
Grado de interpolación de grado dos

F(x) = cos x → x0 =0, x1 =0.60 x2 =0.9
2
( x  xi ) ( x  x1 )( x  x2 ) ( x  0.6)( x  0.9) x 2  1.5 x  0.54
L2,0     
i 0 ( xk  xi ) ( x0  x1 )( x0  x2 ) (0  0.6)(0  0.9) 0.54
i0
2
( x  xi ) ( x  x0 )( x  x2 ) ( x  0)( x  0.9) x 2  0.9 x
L2,1     
i 0 ( xk  xi ) ( x1  x0 )( x1  x2 ) (0.6  0)(0.6  0.9) 0.18
i 1
2
( x  xi ) ( x  x0 )( x  x1 ) ( x  0)( x  0.6) x 2  0.6 x
L2.2     
i 0 ( xk  xi ) ( x2  x0 )( x2  x1 ) (0.9  0)(0.9  0.6) 0.27
i2
f ( x)  cos( x)
f ( x0 )  cos(0)  1
f ( x1 )  cos(0, 6)  0.8253356
f ( x2 )  cos(0.9)  0.62161
p( x)  f ( x0 ) * L1,0 ( x)  f ( x1 ) * L1,1 ( x)
x 2  1.5 x  0.54 x 2  0.9 x x 2  0.6 x
p( x)  1* ( )  0.8253356 * ( )  0.62161* ( )
0.54 0.18 0.27
p( x)  1.8518519 * ( x 2  1.5 x  0.54)  4.5851978 * ( x 2  0.9 x)  2.3022593( x 2  0.6 x)
p( x)  0.4310866 x 2  0.0324554 x  1
Valor real
f ( x)  f (0.45)  cos(0.45)  0.9004471
Valor aproximado
p( x)  p(0.45)  0.4310866 * 0.452  0.010.45  1  0.8981
Error
f ( x)  p( x)  0.9004471  0.8981  0.0023471
Ejercicio 1
Ítem b)
Para la función dada 𝑓 (𝑥 ) = √1 + 𝑥 sean 𝑥0 = 0, 𝑥1 = 0.6, 𝑥2 = 0.9. Construya polinomios de

interpolación de grado uno y dos máximos para aproximar 𝑓(0.45), y calcule el error real.
Solución
El polinomio interpolante de grado 1 es
𝑃1 (𝑥 ) = 𝐿1,0 (𝑥 )𝑓(𝑥0 ) + 𝐿1,1 (𝑥 )𝑓(𝑥1 ). . . . . . . . . . . . . . . . . . . . 𝛼
Debemos determinar los coeficientes polinómicos 𝐿1,0 (𝑥 ), 𝐿1,1 (𝑥 ).

(𝑥 − 𝑥1 ) 𝑥 − 0.6
𝐿1,0 (𝑥 ) = = = −1.67𝑥 + 1
(𝑥0 − 𝑥1 ) 0 − 0.6
(𝑥 − 𝑥0 ) 𝑥−0
𝐿1,1 (𝑥 ) = = = 1.67𝑥
(𝑥1 − 𝑥0 ) 0.6 − 0
Debemos determinar 𝑓 (𝑥0 ), 𝑓 (𝑥1 ).
𝑓(𝑥0 ) = 𝑓 (0) = √1 + 0 = 1
𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.26491

Reemplazamos los valores encontrados en 𝛼
𝑃1 (𝑥 ) = (−1.67𝑥 + 1) ∗ 1 + (1.67𝑥) ∗ 1.26491
→ 𝑃1 (𝑥 ) = 0.44239𝑥 + 1
Finalmente hallamos el valor aproximado de 𝑓(0.45)
𝑓(0.45) ≈ 𝑃1 (0.45) = 0.44239𝑥 + 1 = 0.44239(0.45) + 1 = 1.19908
El valor real es 𝑓 (0.45) = √1 + 0.45 = 1.20416

∴ 𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑠 |𝑓 (𝑥) − 𝑃1 (𝑥 )| = |𝑓 (0.45) − 𝑃2 (0.45)| = |1.20416 − 1.19908| = 0.00571
El polinomio interpolante de grado 2 es
𝑃2 (𝑥) = 𝐿2,0 (𝑥 )𝑓(𝑥0 ) + 𝐿2,1 (𝑥 )𝑓(𝑥1 ) + 𝐿2,2 (𝑥)𝑓(𝑥2 ). . . . . . . . . . . . . . . . 𝛽
Debemos determinar los coeficientes polinómicos 𝐿2,0 (𝑥 ), 𝐿2,1 (𝑥 ), 𝐿2,2 (𝑥 ).

(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.6)(𝑥 − 0.9)
𝐿2,0 (𝑥 ) = = = 1.85185𝑥 2 − 2.78𝑥 + 1
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 0.6)(0 − 0.9)
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9)
𝐿2,1 (𝑥 ) = = = −5.56𝑥 2 + 5𝑥
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.6 − 0)(0.6 − 0.9)
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6)
𝐿2,2 (𝑥 ) = = = 3.70370𝑥 2 − 2.2𝑥
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.9 − 0)(0.9 − 0.6)
Debemos determinar 𝑓 (𝑥0 ), 𝑓 (𝑥1 ), 𝑓 (𝑥2 ).
𝑓(𝑥0 ) = 𝑓 (0) = √1 + 0 = 1
𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.26491
𝑓(𝑥2 ) = 𝑓 (0.9) = √1 + 0.9 = 1.37840

Reemplazamos los valores encontrados en 𝛽
𝑃2 (𝑥 ) = (1.85185𝑥 2 − 2.78𝑥 + 1) ∗ 1 + (−5.56𝑥 2 + 5𝑥) ∗ 1.26491 + (3.70370𝑥 2 − 2.2𝑥)
∗ 1.37840
→ 𝑃2 (𝑥 ) = −0.075869𝑥 2 + 0.51207𝑥 + 1
Finalmente hallamos el valor aproximado de 𝑓(0.45)
𝑓(0.45) ≈ 𝑃2 (0.45) = −0.075869(0.45)2 + 0.51207(0.45) + 1 = 1.21506
El valor real es 𝑓 (0.45) = √1 + 0.45 = 1.20416

∴ 𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑠 |𝑓 (𝑥) − 𝑃2 (𝑥 )| = |𝑓(0.45) − 𝑃2 (0.45)| = |1.20416 − 1.21506| = 0.01090
1.b Para las funciones dadas f(x) = cos (X) → 𝑥0 =0, 𝑥1 = 0.6, 𝑥2 =0.9. Construya polinomios de
interpolación de grado uno y dos a lo máximo para aproximar f (0. 45), y calcule el error real.
b). f (x) = √1 + 𝑥
polinomio de interpolación de grado 1: f (x) = √1 + 𝑥 → 𝑥0 = 0, 𝑥1 = 0.6

(𝑥 − 𝑥𝑖 )
𝑃(𝑥) = ∑1𝑘=0 𝑓 (𝑥𝑘 )𝐿1,𝑘 (𝑥 ); 𝐿1,𝑘 = ∏1𝑖=0 (𝑥𝑘 − 𝑥𝑖 )
𝑖≠𝑘
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1 (𝑥 )

1 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 ) 𝑥 − 0.6 𝑥 − 0.6
𝐿1,0 (𝑥 ) = ∏𝑖=0 = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 ) (0 − 0.6) − 0.6
𝑖≠0
1 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 ) 𝑥 − 0 𝑥
𝐿1,1 (𝑥 ) = ∏𝑖=0 = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 ) 0.6 − 0 0.6
𝑖≠1
𝑓 (𝑥) = √1 + 𝑥 → 𝑥0 = 0, 𝑥1 = 0.6
𝑓 (𝑥) = 𝑓(𝑥0 ) = 𝑓(0) = √1 + 𝑥 = 1
𝑓 (𝑥) = 𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.265
𝑃 (𝑥) = 𝑓(𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 ) 𝐿1,1 (𝑥 )

𝑥 − 0.6 𝑥
𝑃 (𝑥) = 1 ( ) + 1.265 ( )
− 0.6 0.6
𝑃 (𝑥) = 1.667 (𝑥 − 0.6) + 2.265 (𝑥)
𝑃 (𝑥) = 0.441𝑥 + 1
Aproximación y error real.
𝑓 (𝑥) = 𝑓(0.45) = √1 + 0.45 = 1.204159

𝑃 (𝑥) = 𝑃(0.45) = 0.441(0.45) + 1 = 1.198450
𝐸𝑟𝑟𝑜𝑟 = |𝑓 (0.45) − 𝑃(0.45)| = |1.204159 − 1.198450| = 0.005709
Polinomio de interpolación de grado 2: 𝑓 (𝑥) = √1 + 𝑥 → 𝑥0 = 0, 𝑥1 = 0.6, 𝑥2 = 0.9

𝑃 (𝑥) = 𝑓 (𝑥0 )𝐿2,0 (𝑥) + 𝑓 (𝑥1 )𝐿2,1 (𝑥) + 𝑓 (𝑥2 )𝐿2,2
2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.6)(𝑥 − 0.9)
𝐿2,0 (𝑥 ) = ∏𝑖=0 = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 0.6)(0 − 0.9)
𝑖≠0
𝑥 2 − 1.5𝑥 + 0.54
=
− 0.54
2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9) 𝑥 2 − 0.9𝑥
𝐿2,1 (𝑥 ) = ∏𝑖=0 = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.6 − 0)(0.6 − 0.9) − 0.18
𝑖≠1
2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6) 𝑥 2 − 0.6𝑥

𝐿2,2 (𝑥 ) = ∏𝑖=0 = = =
(𝑥2 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.9 − 0)(0.9 − 0.6) − 0.27
𝑖≠2
𝑓(𝑥 ) = 𝑐𝑜𝑠(𝑥 ) → 𝑥0 = 0.6, 𝑥2 = 0.9
𝑓(𝑥 ) =→ 𝑓(𝑥0 ) = 𝑓(0) = √1 + 0 = 1
𝑓(𝑥 ) =→ 𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.265
𝑓(𝑥 ) =→ 𝑓(𝑥2 ) = 𝑓(0.9) = √1 + 0.9 = 1.378

𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2,2
𝑥 2 − 1.5𝑥 + 0.54 𝑥 2 − 0.9𝑥 𝑥 2 − 0.6𝑥

𝑃 (𝑥 ) = 1 ( ) + 1.265 ( ) + 1.378 ( )
0.54 −0.18 0.27
𝑃(𝑥 ) = 1.852(𝑥 2 − 1.5𝑥 + 0.54) − 7.028 (𝑥 2 − 0.9𝑥) + 5.104(𝑥 2 − 0.6𝑥)

𝑃(𝑥 ) = −0.072𝑥 2 + 0.485𝑥 + 1
Aproximación y error real.
𝑓(𝑥 ) = 𝑓(0.45) = √1 + 0.45 = 1.204159

𝑓(𝑥 ) = 𝑃(0.45) = −0.072(0.45)2 + 0.485(0.45) + 1 = 1.203670
𝑓(𝑥 ) = |𝑓(0.45) − 𝑃(0.45)| = |1.204150 − 1.203670 = 0.000489|
1.c Para las funciones dadas f(x), sean x0 = O, x1 = 0.6 y x2 = 0.9. Construya polinomios de
interpolación de grados uno y dos a lo máximo para aproximar f (0.45), y calcule el error real
Para grado 1
c) . f (x) = ln (x + l)
solución
El objetivo es construir los polinomios de interpolación de grado como máximo uno.

x0 = O, x1 = 0.6 y x2 = 0.9.
para x0 = O
f (0) = ln (0 + l) =0
para x1 = 0.6
f (0.6) = ln (0.6 + l) =0.47
para x1 = 0.9
f (0.9) = ln (0.9 + l) =0.64185
𝑥−𝑥1 𝑥−0.6
𝐿0 (𝑥) = 𝑥 =𝑥 =-1.66667x +1
0 −𝑥1 0 −0.6
𝑥−𝑥0 𝑥−0
𝐿1 (𝑥) = 𝑥 = 0.6 −0 =-1.66667x
1 −𝑥0
Los polinomios de interpolación de grado como máximo uno es

𝑃(𝑥 ) = 𝑓 (0)𝐿0 (𝑥) + 𝑓 (0.6)𝐿1 (𝑥 )
𝑃(𝑥 ) = 0(−1.66667x + 1) + 0.47(−1.66667x )
P(𝑥 ) = 0.78333𝑥
Valor aproximado de f (0.45) es

𝑓(0.45) = 0.78333(0.45) = 0.35250
ln (x + l) = ln (0.45 + l) =0.37156
El error es E=0.37156-0.35250 =0.01906
Construya los polinomios de interpolación de grado como máximo dos.
Para
f (0) = 0, f (0.6) = 0.47, f (0.9) = 0.64185
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.6)(𝑥 − 0.9)
𝐿 0 (𝑥 ) = = = 1.85185𝑥 2 − 277778𝑥 + 1
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 0.6)(0 − 0.9)
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9)

𝐿1 (𝑥 ) = = = −5.55556𝑥 2 + 5𝑥
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.6 − 0)(0.6 − 0.9)
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6)

𝐿 2 (𝑥 ) = = = 3.70370𝑥 2 − 2.22222𝑥
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.9 − 0)(0.9 − 0.6)

𝑃(𝑥 ) = 𝑓 (0)𝐿0 (𝑥) + 𝑓 (0.6)𝐿1 (𝑥 ) + 𝑓 (0.9)𝐿2 (𝑥 )
= 0(1.85185𝑥 2 − 277778𝑥 + 1) + 0.47(−5.55556𝑥 2 + 5𝑥 ) + 0.64185(3.70370𝑥 2 −

2.22222𝑥)
= −0.23389𝑥 2 − 0.92367𝑥
Entonces cuando f (0.45) será

𝑓(0.45) = 0.23389𝑥 2 − 0.92367𝑥
𝑓(0.45) = 0.23389(0.45)2 − 0.92367(0.45) = 0.36829
ln (x + l) = ln (0.45 + l) =0.37156
El error es. 0.37156-0.36829 = 0.00327

Finalmente decimos que el valor aproximado de 𝑓 (0.45) = 0.36829 y el error será
1.c. Para las funciones dadas Construya polinomios de interpolación de grado uno y dos a lo
máximo para aproximar f (0.45),ycalcule el error real.
c) f (x) ln (x 1)
Polinomio de interpolación de grado 1:x0 0, x1 0.9
(𝑥 − 𝑥𝑖 )
𝑝(𝑥 ) = ∑𝑘=0 𝐹 (𝑥𝑘 )𝐿𝑁,𝐾.(𝑋),𝐿𝑁,𝐾 ∏1𝑖=0
(𝑥𝑘 − 𝑥𝑖 )
𝑖≠𝑘
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1 (𝑥 )
1 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 ) 𝑥 − 0.6 𝑥 − 0.9
𝐿1,0 (𝑥 ) = ∏𝑖=0 = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 ) (0 − 0.6) − 0.9
𝑖≠0
1 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 ) 𝑥 − 0 𝑥
𝐿1,1 (𝑥 ) = ∏𝑖=0 = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 ) 0.9 − 0 0.9
𝑖≠1
F(x)=ln(x+1);𝑥0 =0, 𝑥1 =0.9
f(𝑥0)=ln(1)=0
f(𝑥1 )=f(0.9)= ln(0.9,1)=0.64185
𝑥−0.9 𝑥
p(x)=0.[ −0.9 ]+0.64[ ]
0.9
p(x)=0+0.71x
p(x)=0.71x
p (0.45) =0.71*0.45
p (0.45) =0.3195
F(x)=ln(x+1)
F (0.45) =ln (0.45+1)
F (0.45) =0.3715
𝐸𝑟𝑟𝑜𝑟 = |𝑓 (0.45) − 𝑃(0.45)|

𝐸𝑟𝑟𝑜𝑟 = |𝑓 (0.45) − 𝑃(0.45)|
𝐸𝑟𝑟𝑜𝑟 = |0.3715 − 0.3195|
𝐸𝑟𝑟𝑜𝑟 = 0.052
Polinomio de interpolación de grado 2: 𝑥0 =0 𝑥1 =0.6 𝑥2 =0.9
𝑃(𝑥) = ∑2𝑘=0 𝑓 (𝑥𝑘 )𝐿𝑛,𝑘 (𝑥 )
𝑥 2−1⋅5𝑥−0⋅54
𝑃(𝑥 ) = 𝑓(𝑥0 ). 𝐿2,0 (𝑥 ) + 𝑓(𝑥1 )𝐿2,1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2,2 (x)
0⋅ⅆ𝐸
2 (𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥1 ) (𝑥 − 𝑥2 ) (𝑥 − 0.6) (𝑥 − 0.9)
𝐿2,0 (𝑥 ) = ∏𝑖=0 = . = .
(𝑥 0 − 𝑥 𝑖 ) (𝑥0 − 𝑥1 ) (𝑥0 − 𝑥2 ) (0 − 0.6) (0 − 0.9)
𝑖≠0
𝑥 2 −1⋅5𝑥−0⋅54
= 0⋅54
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2,2
2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1) (𝑥 − 𝑥2) (𝑥 − 0.6) (𝑥 − 0.9) 𝑥 2−1⋅5𝑥−0⋅54

𝐿2,0 (𝑥 ) = ∏𝑖=0 (𝑥0 − 𝑥𝑖 )
= .
(𝑥0 − 𝑥1) (𝑥0 − 𝑥2)
= (0 − 0.6)
. (0 − 0.9) = 0⋅54
𝑖≠0
2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1) (𝑥 − 𝑥2) (𝑥 − 0.6) (𝑥 − 0.9) 𝑥 2−0.9𝑥

𝐿2,0 (𝑥 ) = ∏𝑖=0 (𝑥0 − 𝑥𝑖 )
= (𝑥0 − 𝑥1
.
) (𝑥
= . (0 − 0.9) =
0 − 𝑥2 ) (0 − 0.6) −0⋅18
𝑖≠0
2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1) (𝑥 − 𝑥2) (𝑥 − 0) (𝑥 − 0.6) 𝑥 2−0.6𝑥

𝐿2,2 (𝑥 ) = ∏𝑖=0 (𝑥2 − 𝑥𝑖 )
= (𝑥2 − 𝑥1
.
) (𝑥
= . (0.9 − 0.6) =
2 − 𝑥2 ) (0.9 − 0) 0⋅27
𝑖≠2
F(x)=ln(x+1);𝑥0 =0, 𝑥1 =0.6, 𝑥2 =0.9
f (x) ln (x 1), 𝑥0 =0 𝑥1 =0.6 𝑥2 =0.9

f (𝑥0 ) ln (0 1) ln (1)=0
f (𝑥1 ) ln (0.6 1)=0.470003
f (𝑥2 ) ln (0.9 1)=0.641853

𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2,2(𝑥)
𝑥 2 −1⋅5𝑥−0⋅54 𝑥 2−0.9𝑥 𝑥 2 −0.6𝑥

p(x)=0.[ ]+0.470003*[ ]+0.641853*[ ]
0⋅54 −0.18 0.27
𝑃(𝑥 ) = 0 − 2.6111(𝑥 2 − 0.9𝑥) + 2.3772 (𝑥 2 − 0.6𝑥)
𝑃(𝑥 ) = −0.2339𝑥 2 + 0.92399𝑥
p(0.45) = −0.2339 ∗ 0. 452 + 0.92399 ∗ 0.45

p(0.45)=0.3684355
f (x) ln (x+1)
f (0.45) ln (0.45+1)
f (0.45) 0.3715
𝐸𝑟𝑟𝑜𝑟 = |𝑓 (0.45) − 𝑃(0.45)|
𝐸𝑟𝑟𝑜𝑟 = |𝑓 (0.3715) − 0.3684355|
𝐸𝑟𝑟𝑜𝑟 = 0.0030645
Ejercicio 1d
Para la función dada 𝑓 (𝑥 ), sean x0 = 0, x1 = 0.6 y x2 = 0.9. Construya polinomios de interpolación

de grados uno y dos a lo máximo para aproximar 𝑓(0.45), y calcule el error real.
𝑓(𝑥) = tan(𝑥)
SOLUCIÓN
Reemplazando los valores en la función se tiene:

 x0 = 0 𝑓 (0) = tan(0) = 0
 x1 = 0.6 𝑓 (0.6) = tan(0.6) = 0.68413681
 x2 = 0.9 𝑓 (0.9) = tan(0.9) = 1.26015822
 Para el polinomio de interpolación de grado 1.
𝑷𝟏 (𝒙) ≈ 𝑳𝟎 (𝒙). 𝒇(𝒙𝟎 ) + 𝑳𝟏 (𝒙). 𝒇(𝒙𝟏 )
Para determinar el polinomio de grado 1 se procede a calcular 𝐿0 (𝑥 ) y 𝐿1 (𝑥 ).

(𝑥 − 𝑥1 ) (𝑥 − 0.6) (𝑥 − 0.6)
𝐿 0 (𝑥 ) = = =
(𝑥0 − 𝑥1 ) (0 − 0.6) (−0.6)
(𝑥 − 𝑥 0 ) (𝑥 − 0) (𝑥 )
𝐿1 (𝑥 ) = = =
(𝑥1 − 𝑥0 ) (0.6 − 0) (0.6)
Reemplazando los valores se tiene.
𝑷𝟏 (𝒙) ≈ 𝑳𝟎 (𝒙). 𝒇(𝒙𝟎 ) + 𝑳𝟏 (𝒙). 𝒇(𝒙𝟏 )

(𝑥 − 0.6) (𝑥 )
𝑃1 (𝑥 ) ≈ ∗0+ ∗ 0.68413681
(−0.6) (0.6)
𝑷𝟏 (𝒙) ≈ 𝟏. 𝟏𝟒𝟎𝟐𝟐𝟖𝟎𝟐𝒙
Aproximando 𝑓(0.45) en el polinomio se tiene:
𝑃1 (0.45) ≈ 𝑓(0.45) ≈ 1.14022802(0.45)
𝑷𝟏 (𝟎. 𝟒𝟓) ≈ 𝟎. 𝟓𝟏𝟑𝟏𝟎𝟐𝟔𝟏 Valor aproximado.
𝒇(𝟎. 𝟒𝟓) = 𝐭𝐚𝐧(𝟎. 𝟒𝟓) = 𝟎. 𝟒𝟖𝟑𝟎𝟓𝟓𝟎𝟕 Valor exacto.
 Calculando el error
|𝑬| = |𝒇(𝒙) − 𝑷𝟏 (𝒙)|
E = |f(0.45) − P1 (0.45)|
E = |0.48305507 − 0.51310261|
𝐄 = 𝟎. 𝟎𝟑𝟎𝟎𝟒𝟕𝟓𝟒
 Para el polinomio de interpolación de grado 2.
𝑷𝟐 (𝒙) ≈ 𝑳𝟎 (𝒙). 𝒇(𝒙𝟎 ) + 𝑳𝟏 (𝒙). 𝒇(𝒙𝟏 ) + 𝑳𝟐 (𝒙). 𝒇(𝒙𝟐 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.6)(𝑥 − 0.9) (𝑥 − 0.6)(𝑥 − 0.9)

𝐿 0 (𝑥 ) = = =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 0.6)(0 − 0.9) 0.54
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9) (𝑥 )(𝑥 − 0.9)
𝐿1 (𝑥 ) = = =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.6 − 0)(0.6 − 0.9) −0.18
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6) (𝑥 )(𝑥 − 0.6)
𝐿 2 (𝑥 ) = = =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.9 − 0)(0.9 − 0.6) 0.27
Remplazando los valores en el polinomio.
𝑷𝟐 (𝒙) ≈ 𝑳𝟎 (𝒙). 𝒇(𝒙𝟎 ) + 𝑳𝟏 (𝒙). 𝒇(𝒙𝟏 ) + 𝑳𝟐 (𝒙). 𝒇(𝒙𝟐 )
(x − 0.6)(x − 0.9) (x)(x − 0.9)

P2 (x) ≈ ∗0+ ∗ 0.68413681
0.54 −0.18
(x)(x − 0.6)
+ . 1.26015822
0.27
𝑃2 (𝑥 ) ≈ −3.80076006𝑥 2 + 3.42068405𝑥 + 4.66725267𝑥 2 − 2.80035160𝑥
𝑷𝟐 (𝒙) ≈ 𝟎. 𝟖𝟔𝟔𝟒𝟗𝟐𝟔𝟏𝒙𝟐 + 𝟎. 𝟔𝟐𝟎𝟑𝟑𝟐𝟒𝟓𝒙
Aproximando 𝑓(0.45) en el polinomio se tiene:
𝑃2 (0.45) ≈ 𝑓(0.45) ≈ 0.86649261(0.45)2 + 0.62033245(0.45)
𝑷𝟐 (𝟎. 𝟒𝟓) ≈ 𝟎. 𝟒𝟓𝟒𝟔𝟏𝟒𝟑𝟔 Valor aproximado
𝒇(𝟎. 𝟒𝟓) = 𝐭𝐚𝐧(𝟎. 𝟒𝟓) = 𝟎. 𝟒𝟖𝟑𝟎𝟓𝟓𝟎𝟕 Valor exacto.
 Calculando el error
|𝑬| = |𝒇(𝒙) − 𝑷𝟐 (𝒙)|
E = |f(0.45) − P2 (0.45)|
E = |𝟎. 𝟒𝟖𝟑𝟎𝟓𝟓𝟎𝟕 − 𝟎. 𝟒𝟓𝟒𝟔𝟏𝟒𝟑𝟔|
𝐄 = 𝟎. 𝟎𝟐𝟖𝟒𝟒𝟎𝟕𝟏
1. Aplique el teorema 3.3 para calcular la cota de error en las aproximaciones del ejercicio 1
donde x0 =0, x1 =0.60, x2 =0.9
X = 0.45
D) F(x) = tan x
Solución
Teorema 3.3
f ( n 1) ( x )
E * ( x  x0 ) * ( x  x1 ) * ( x  x2 ) *...* ( x  xn )
(n  1)!
f ( x)  tan( x)
f ´( x)  sec 2 ( x)
f ´´( x)  2 * sec 2 ( x) * tan( x)
f ´´´( x)  4 * sec 2 ( x)  6 * sec 4 ( x)
Error para grado uno
f ( n 1)( x )
E * ( x  x0 ) * ( x  x1 )
(n  1)!
f (2) ( x1 )
E * ( x  x0 ) * ( x  x1 )
2!
2 * sec2 (0.6) * tan(0.6)
E * (0.45  0) * (0.45  0.6)
2
E  0.0677931
Error para grado dos
f ( n 1) ( x )
E * ( x  x0 ) * ( x  x1 ) * ( x  x2 )
(n  1)!
f (3) x2
E * ( x  x0 ) * ( x  x1 ) * ( x  x2 )
3!
4 * sec 2 (0.9)  6 * sec 4 (0.9)
E( ) * (0.45  0) * (0.45  0.6) * (0.45  0.9)
6
E  0.1510368
1.d. Para las funciones dadas f(x), sean x0 = 0, x1 = 0,6 y x2 = 0,9. Construya polinomios de
interpolación de grado uno y dos a lo máximo para aproximar f(0.45), y calcule el error real.
d. f(x) = tan x
SOLCIÓN
- El objetivo es construir los polinomios de interpolación de grado como máximo uno.
X0 = 0, X1 =0.6, x2 = 0.9
f (0) = tan (0) = 0
f (0.6) = tan (0.6) = 0.68414
f (0.9) = tan (0.9) = 1.26016
L0 (x) = -1.66667x + 1
L1(x) = 1.66667x
Los polinomios de interpolación de grado como máximo uno son:
P(x)= f (0) L0 (x)+f (0.6) L1 (x)
P(x)= (0) ( -1.66667x + 1) +( 0.68414) (1.66667x)
P(x)= 1.14024x
Valor aproximado de f (0.45) es:
f (0.45) = (1.14024) (0.45) = 0.51311
tan (0.45) = 0.48306
ERROR = 0.51331 – 0.48306 = 0.03005
- Ahora construimos los polinomios de interpolación de grado como máximo dos.

X0 = 0, X1 =0.6, x2 = 0.9
f (0) = tan (0) = 0
f (0.6) = tan (0.6) = 0.68414
f (0.9) = tan (0.9) = 1.26016
L0 (x) = 1.85185x2 – 2.77778x + 1
L1(x) = -5.55556x2 + 5x
L2(x) = 3.70370x2 – 2.22222x
P(x) = f (0) L0 (x)+f (0.6) L1 (x)+ f (0.9) L2 (x)
P(x)= (0) (1.85185x2 – 2.77778x + 1) +( 0.68414) (-5.55556x2 + 5x) +(1.26016) (3.70370x2 –

2.22222x)
P(x)= 0.86647x2 + 0.62035x
Aproximado de f (0.45) es.
f (0.45) = 0.86647(0.45)2 + 0.62035(0.45)
f (0.45) = 0.45462
tan x = tan (0.45) = 0.48306
ERROR = 0.48306 – 0.45462 = 0.02844
2a. Aplique el teorema 3.3 para calcular la cota de error en las aproximaciones del ejercicio 1.
𝑓 (𝑥 ) = cos 𝑥 ; 𝑥0 = 0, 𝑥1 = 0.6 𝑦 𝑥2 = 0.9 ; 𝑒𝑛 𝑓(0.45)
SOLUCION
Tenemos:
𝑓 (𝑥 ) = cos 𝑥
𝑓 (𝑥 0 ) = 𝑓 (0 ) = 1
𝑓(𝑥1 ) = 𝑓 (0.6) = 0.8253356
𝑓 (𝑥2 ) = 𝑓(0.9) = 0.6216100
𝑓 (0.45) = 0.9004471
𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=0 𝑓(𝑥𝑘 )𝐿𝑛,𝑘 (𝑥)
(𝑥−𝑥𝑖 )
𝐿𝑛,𝑘 (𝑥 ) = ∏𝑛𝑖=0 (𝑥 ;𝑖 ≠ 𝑘
𝑘 −𝑥𝑖 )
(𝑛+1) (ᵹ)
𝑓
𝑓 (𝑥 ) = 𝑃𝑛 (𝑥 ) + (𝑛+1)!
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) ⋯ (𝑥 − 𝑥𝑛 ); ᵹ ∈ (𝑀𝑖𝑛 𝑥0 , 𝑥1 , … ; 𝑀𝑎𝑥𝑥0 , 𝑥1 , … )
 El primer polinomio interpolante es:
𝑃1 (𝑥 ) = ∑1𝑘=0 𝑓 (𝑥𝑘 )𝐿1,𝑘 (𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1 (𝑥 )
𝑃1 (𝑥 ) = (1)𝐿1,0 (𝑥 ) + (0.8253356)𝐿1,1 (𝑥 )
(𝑥−𝑥𝑖 )
o 𝐿1,0 (𝑥 ) = ∏1𝑖=0 (𝑥 ;𝑖 ≠ 0
0 −𝑥𝑖 )
(𝑥−𝑥1 ) 𝑥−0.6 0.6−𝑥
𝐿1,0 (𝑥 ) = (𝑥 = 0−0.6 =
0−𝑥1) 0.6
(𝑥−𝑥𝑖 )
o 𝐿1,1 (𝑥 ) = ∏1𝑖=0 ;𝑖 ≠1
(𝑥1 −𝑥𝑖 )
(𝑥−𝑥0 ) 𝑥−0 𝑥
𝐿1,1 (𝑥 ) = (𝑥 = 0.6−0 = 0.6
1−𝑥0)
Entonces:
0.6−𝑥 𝑥
𝑃1 (𝑥 ) = + +(0.8253356) 0.6 = 1 − 0.2911073𝑥
0.6
𝑃1 (0.45) = 0.8690017
Cota de error:
𝑓(𝑛+1)(ᵹ)
𝑓 (𝑥 ) = 𝑃𝑛 (𝑥 ) + (𝑛+1)!
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) ⋯ (𝑥 − 𝑥𝑛 )
𝑓" (ᵹ)
𝑓 (0.45) − 𝑃1 (0.45) = (0.45 − 0)(0.45 − 0.6)
2
𝑓" (ᵹ)
0.9004471 − 0.8690017 = (0.45 − 0)(0.45 − 0.6)
2
𝑓" (ᵹ)
𝑒𝑟𝑟𝑜𝑟 = | (0.45 − 0)(0.45 − 0.6)| ≤ 0.0314454
2
 El segundo polinomio interpolante es:

𝑃2 (𝑥 ) = ∑2𝑘=0 𝑓 (𝑥𝑘 )𝐿2,𝑘 (𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓(𝑥1 )𝐿2,1 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,2 (𝑥)
𝑃2 (𝑥 ) = (1)𝐿2,0 (𝑥 ) + 0.8253356𝐿2,1 (𝑥 ) + (0.6216100)𝐿2,2 (𝑥 )

(𝑥−𝑥𝑖 )
o 𝐿2,0 (𝑥 ) = ∏2𝑖=0 (𝑥 ;𝑖 ≠ 0
0 −𝑥𝑖 )
(𝑥−𝑥1 )(𝑥−𝑥2) (𝑥−0.6)(𝑥−0.9) 𝑥 2−1.5𝑥+0.54
𝐿2,0 (𝑥 ) = (𝑥 = (0−0.6)(0−0.9) =
0−𝑥1 )(𝑥0−𝑥2 ) 0.54
2
𝐿2,0 (𝑥 ) = 1.8518519𝑥 − 2.7777778𝑥 + 1
(𝑥−𝑥𝑖 )
o 𝐿2,1 (𝑥 ) = ∏2𝑖=0 (𝑥 ;𝑖 ≠ 1
1 −𝑥𝑖 )
(𝑥−𝑥0 )(𝑥−𝑥2) (𝑥−0)(𝑥−0.9) 𝑥 2−0.9𝑥
𝐿2,1 (𝑥 ) = (𝑥 = (0.6−0)(0.6−0.9) =
1−𝑥0 )(𝑥1−𝑥2 ) −0.18
2
𝐿2,1 (𝑥 ) = −5.5555556𝑥 + 5𝑥
(𝑥−𝑥𝑖 )
o 𝐿2,2 (𝑥 ) = ∏2𝑖=0 (𝑥 ;𝑖 ≠ 2
2 −𝑥𝑖 )
(𝑥−𝑥0 )(𝑥−𝑥1) (𝑥−0)(𝑥−0.6) 𝑥 2−0.6𝑥
𝐿2,2 (𝑥 ) = (𝑥 = (0.9−0)(0.9−0.6) =
2−𝑥0 )(𝑥2−𝑥1 ) 0.27
𝐿2,2 (𝑥 ) = 3.7037037𝑥 2 − 2.22222222𝑥
Entonces:
𝑃2 (𝑥 ) = (1)(1.8518519𝑥 2 − 2.7777778𝑥 + 1) + (0.8253356)(−5.5555556𝑥 2 + 5𝑥 ) +
(0.6216100)(3.7037037𝑥 2 − 2.22222222𝑥)
𝑃2 (𝑥 ) = −0.4310867𝑥 2 − 0.0324553𝑥 + 1
𝑃2 (0.45) = 0.8981001
Cota de error:
𝑓(𝑛+1)(ᵹ)
𝑓 (𝑥 ) = 𝑃𝑛 (𝑥 ) + (𝑛+1)!
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) ⋯ (𝑥 − 𝑥𝑛 )
𝑓´´´ (ᵹ)
𝑓 (0.45) − 𝑃2 (0.45) = (0.45 − 0)(0.45 − 0.6)(0.45 − 0.9)
6
𝑓 ´´´ (ᵹ)
0.9004471 − 0.8981001 = (0.45 − 0)(0.45 − 0.6)(0.45 − 0.9)
6
𝑓 ´´´ (ᵹ)
𝑒𝑟𝑟𝑜𝑟 = | (0.45 − 0)(0.45 − 0.6)(0.45 − 0.9)| ≤ 0.0023470
6
𝑓" (ᵹ)
 𝑒𝑟𝑟𝑜𝑟 𝑃1 (𝑥 ) = | (0.45 − 0)(0.45 − 0.6)| ≤ 0.0314454
2
𝑓´´´ (ᵹ)
 𝑒𝑟𝑟𝑜𝑟 𝑃2 (𝑥 ) = | (0.45 − 0)(0.45 − 0.6)(0.45 − 0.9)| ≤ 0.0023470
6
𝟐. 𝒃 𝐴𝑝𝑙𝑖𝑞𝑢𝑒 𝑒𝑙 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 3.3 𝑝𝑎𝑟𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝑒𝑛 𝑙𝑎𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 1.
𝒃). 𝒇(𝒙) = √𝟏 + 𝒙
𝟏 𝟏 𝟑
𝒇´(𝒙) = ; 𝒇´´(𝒙) = 𝟑/𝟐
; 𝒇´´´(𝒙) =
𝟐√ 𝟏 + 𝒙 𝟒( 𝟏 + 𝒙 ) 𝟖(𝟏 + 𝒙)𝟓/𝟐
Cuando:
𝑓 ′ (0) = 0.5; 𝑓 ′′(0) = −0.25; 𝑓 ′′′(0) = 0.375
𝑓 ′ (0.6) = 0.395285 ; 𝑓 ′′0.6) = −0.123526; 𝑓 ′′′(0.6) = 0.115806
𝑓 ′ (0.9) = 0.362738 ; 𝑓 ′′(0.9) = −0.095457 ; 𝑓 ′′′(0.9) = 0.075361
𝐼𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝐺𝑟𝑎𝑑𝑜 1
𝑓 (1+1) (𝜉(𝑥))
𝐸= (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
(1 + 1)
𝑓 (1+1) (0.6)
𝐸= (0.45 − 0)(0.45 − 0.6)
(1 + 1)
𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 0,004169
𝐼𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝐺𝑟𝑎𝑑𝑜 2
𝑓 (2+1) (𝜉(𝑥))
𝐸= (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
(1 + 1)
𝑓 (3) (0.9)
𝐸= (0.45 − 0)(0.45 − 0.9)
(6)
𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 0,000382
2.b Aplique el teorema 3.3 para calcular la cota de error del ejercicio 1.
b. 𝒇(𝒙) = √𝟏 + 𝒙
Teorema 3.3
𝑓 𝑛+1 (𝜉(𝑥))
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) ⋯ (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
En el ejercicio 1:
𝑥0 = 0, 𝑥1 = 0,6, cuando 𝑛 = 1
𝑥0 = 0, 𝑥1 = 0,6, 𝑥2 = 0,9, cuando 𝑛 = 2
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = 0.45(0.45 − 0.6) = −0.0675
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) = 0.45(0.45 − 0.6)(0.45 − 0.9) = 0.030375
En este caso (ítem b) las derivadas de f son:
𝑓(𝑥 ) = √1 + 𝑥
1
𝑓 ′ (𝑥 ) =
2 √1 + 𝑥
1
𝑓 ′′ (𝑥 ) = − (1 + 𝑥 )−3∕2
4
3
𝑓 ′′′ (𝑥 ) = (1 + 𝑥 )−5∕2
8
Esto significa que, para el polinomio de interpolación de primer orden, el límite de error es:
𝑓 ′′ (𝜉 )
𝜀≤| (𝑥 − 0)(𝑥 − 0.6)|
2
−0.25(1 + 𝜉 )−3∕2
𝜀≤| (0.0675)|
2
0.25
𝜀≤ (0.0675) = 0.0084375
2
Y para el segundo polinomio de interpolación, es:
𝑓 ′′′ (𝜉 )
𝜀≤| (𝑥 − 0)(𝑥 − 0.6)(𝑥 − 0.9)|
6
0.375(1 + 𝜉 )−5∕2
𝜀≤| (0.030375)|
6
0.375
𝜀≤ (0.030375) = 0.00189843
6
2.C
𝐴𝑝𝑙𝑖𝑞𝑢𝑒 𝑒𝑙 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 3.3 para calcular la cota de error en las aproximaciones del ejercicio 1
Ejercicio 1: Para las funciones dadas f(x), sean 𝑿𝑶 = 𝟎 ; 𝑿𝟏 = 𝟎. 6 ; 𝑿𝟐 = 𝟎. 9, 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑦𝑎

Polinomios de interpolación de grados uno, dos a lo máximo para aproximar f (0.45), y calcule el
error real
𝑓 (𝑥 ) = 𝑙𝑛(𝑥 + 1)
 𝑓 (𝑥0 ) = 𝑓 (0) = 𝑙𝑛(𝑥 + 1) = 𝑙𝑛(0 + 1) = 0
 𝑓 (𝑥𝟏 ) = 𝑓 (0.6) = 𝑙𝑛(0.6 + 1) = 0.4700036
 𝑓(𝑥2 ) = 𝑓 (0.9) = 𝑙𝑛(0.9 + 1) = 0.6418538
Vamos aplicar por medio de las fórmulas de diferencias divididas
 𝑷𝟏 (𝒙)= 𝒂𝟎 + 𝒂𝟏 (𝒙 − 𝒙𝟎 ) = 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝒙 − 𝒙𝟎 ) …………ecuación de grado (1)


Ahora vamos hallar, 𝑓 [𝑥0 , 𝑥1 ]
𝑓(𝑥1 )−𝑓(𝑥0 ) 0.47000−0

𝑓[𝑥0 , 𝑥1 ]= = = 0.783333
𝑥1−𝑥0 0.6−0
Formalizando la ecuación: 𝑃1 (𝑥)= 0+0.783333 (𝑥 − 0)= 0.783333 𝒙
Valor aproximado de f(0.45) es
F(x) = 0.783333 𝒙=0.783333(0.45)
F (0.45) =0.3524998
𝑙𝑛(𝑥 + 1)=ln (0.45+1) =0.3715635
Ahora hallamos el error: 0.3715635 −0.3524998 = 0.0190637
ERROR: 0.0190637
𝑷𝟐 (𝒙)= 𝒂𝟎 + 𝒂𝟏 (𝒙 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )----------- ecuación de grado (2)
𝑷𝟐 (𝒙)= 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝒙 − 𝒙𝟎 )+ 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ] (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )
De este polinomio solo falta hallar; 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ] y 𝒇[𝒙𝟏 , 𝒙𝟐 ]
𝑓(𝑥2 )−𝑓(𝑥1 ) 0.6418538−0.47000

𝒇[𝒙𝟏 , 𝒙𝟐 ] = = = 0.5728
𝑥2−𝑥1 0.9−0.3
𝒇[𝒙𝟏 ,𝒙𝟐 ]−𝒇[𝒙𝟎 ,𝒙𝟏 ] 0.5728−0.78333

𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ]= = = − 0.2339222
𝒙𝟐 −𝒙𝟎 0.9−0
Ahora formamos el polinomio
𝑷𝟐 (𝒙)= 𝟎 + 𝟎. 𝟕𝟖𝟑𝟑𝟑(𝒙 − 𝟎)- 0.2339222 (𝒙 − 𝟎)(𝒙 − 𝟎. 𝟔)
𝑷𝟐 (𝒙) = −0.2339222 𝑥 2 + 0.9236833𝑥
𝑎ℎ𝑜𝑟𝑎 𝑣𝑎𝑚𝑜𝑠 ℎ𝑎𝑙𝑙𝑎𝑟 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 𝑑𝑒 𝑓(0.45)
𝑷𝟐 (𝒙) = −0.2339222 𝑥 2 + 0.9236833𝑥
F(0.45) = − 0.2339222 (0.45)2 + 0.9236833(0.45)
F (0.45) = 0.36828823
𝑙𝑛(𝑥 + 1)=ln (0.45+1) =0.3715635
Hallamos el error: 0.3715635 −0.36828823
ERROR: 0.0032752
Ejercicio 2.c
Aplique el teorema 3.3 para calcular la cota de error en las aproximaciones del ejercicio 1.
𝒄) 𝒇(𝒙) = 𝒍𝒏(𝒙 + 𝟏)
Datos:
𝒙𝟎 = 𝟎 ; 𝒙𝟏 = 𝟎. 𝟔 ; 𝒙𝟐 = 𝟎. 𝟗 ;
𝒇(𝒙) = 𝟎. 𝟒𝟓 𝒙 = 𝟎. 𝟒𝟓
Solución:
 Formula.
𝒇(𝒏+𝟏) ((x))
𝒇(𝒙) = 𝑷(𝒙) + (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒏 )
( 𝒏 + 𝟏) !
 Derivamos
1
𝑓´(𝑥 ) =
𝑥+1
1
𝑓´´(𝑥 ) = −
(𝑥 + 1)2
2
𝑓´´´(𝑥 ) = → 𝑓 3 (𝑥 ) = 2(𝑥 + 1)−3
(𝑥 + 1)3
Sub índice máximo 2
𝒇𝟑 ((x))
𝒇(𝒙) = 𝑷(𝒙) + (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 )
( 𝒏 + 𝟏) !
𝐸(𝑥)
𝑬(𝒙) = 𝒇(𝒙) − 𝑷(𝒙)
𝑓 3 ((x))
𝐸 (𝑥 ) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
(𝑛 + 1)!
2(𝑥 + 1)3
𝐸 (𝑥 ) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
(3)!
2(𝑥 + 1)3
𝐸 (𝑥 ) = (𝑥 − 0)(𝑥 − 0.6)(𝑥 − 0.9)
6
1
𝐸 (𝑥 ) = ( + 1)−3 (𝑥 − 0)(𝑥 − 0.6)(𝑥 − 0.9)
3
 ( + 1)−3 ; [0; 0.9]
𝟏
( + 1)−3 ≤ (0 + 1)−3 = 1
(+1)3
|( + 𝟏)−𝟑 | ≤ 𝟏
1
𝐸 (0.45) = |( + 1)−3 ||(0.45 − 0)(0.45 − 0.6)(0.45 − 0.9)|
3
𝐸 (0.45) = |( + 1)−3 |*0.010125
𝐸 (0.45) = 0.010125
∴ 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠: 0.010125
2.d. Aplique el teorema 3.3 para calcular la cota de error en las aproximaciones del ejercicio 1.
𝑥0 = 0, 𝑥1 = 0,6, 𝑥2 = 0,9
𝑥 = 0,45
Teorema 3.3
F(n+1) (ε(x))
E= (n+1)!
(𝑥 − 𝑥0) (𝑥 − 𝑥1) … (𝑥 − 𝑥𝑛)
𝐝) (𝑥) = 𝑡𝑎𝑛 𝑥; 𝑓′(𝑥) = sec2 𝑥; 𝑓′′(𝑥) = 2 sec2 (𝑥) tan(𝑥);

𝑓 ′′′(𝑥) = −4𝑠𝑒𝑐2 (𝑥) + 6𝑠𝑒𝑐4 (𝑥)
𝑓′′′ (0) = 2; 𝑓′′′ (0,45) = 4,19342 …; 𝑓′′′ (0,6) = 7,05873 …; 𝑓 ′′′ (0,9) = 29.83442
29,83442
Cota superior= × (0,45)(−0,15)(−0,45)
6
= 0.151036
∴ 𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 0,0151036
3.a. Use los polinomios interpolantes de Lagrange apropiados de grado 1,2 y 3 para
aproximar lo siguiente:
3A
f (8.4) si f (8.1) =16.9441, f (8.3) =17.56492, f (8.6) =18.50515, f (8.7) =18.82091
𝑥0 = 8.1 → 16.9441𝑥1 = 8.3 → 17.56492𝑥2 = 8.6 → 18.50515𝑥3 = 8.7 → 18.82091𝐺𝑟𝑎𝑑𝑜1𝑝1 (𝑥)

𝑓(𝑥0 ) 16.9441 𝑓 (𝑥1 ) 17.56492
= 𝑎0 (𝑥 − 𝑥1 ) + 𝑎1 (𝑥 − 𝑥0 )𝑎0 = = = −84.7205𝑎1 = =
𝑥0 − 𝑥1 8.1 − 8.3 𝑥1 − 𝑥0 8.3 − 8.1
= 87.8246𝑝1 (𝑥) = −84.7205 (𝑥 − 8.3) + 87.8246 (𝑥 − 8.1)𝑝1 (8.4)
= −84.7205(8.4 − 8.3) + 87.8246 (8.4 − 8.1) = 17.87533
𝐺𝑟𝑎𝑑𝑜2𝑝2 (𝑥) = 𝑎0 (𝑥 − 8.3)(𝑥 − 8.6) + 𝑎1 (𝑥 − 8.1)(𝑥 − 8.6) + 𝑎2 (𝑥 − 8.1)(𝑥 − 8.3)𝑎0

𝑓 (𝑥0 ) 16.9441 𝑓 (𝑥1 )
= = = 169.441𝑎1 =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (8.1 − 8.3)(8.1 − 8.6) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
17.56492 𝑓 (𝑥2 )
= = −292.748667𝑎2 =
(8.3 − 8.1)(8.3 − 8.6) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
18.50515
= = 123.367667𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠𝑝2 (8.4) = 17.87713
(8.6 − 8.1)(8.6 − 8.3)
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )

𝐺𝑟𝑎𝑑𝑜3𝑝3 (𝑥) = 𝑓(𝑥0 ) + 𝑓(𝑥1 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑓(𝑥2 ) + 𝑓(𝑥3 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
(8.4 − 8.3)(8.4 − 8.6)(8.4 − 8.7)

𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 (16.4441)
(8.1 − 8.3)(8.1 − 8.6)(8.1 − 8.7)
(8.4 − 8.1)(8.4 − 8.6)(8.4 − 8.7)
+ (17.56492)
(8.3 − 8.1)(8.3 − 8.6)(8.3 − 8.7)
(8.4 − 8.1)(8.4 − 8.3)(8.4 − 8.7)
+ (18.50515)
(8.6 − 8.1)(8.6 − 8.3)(8.6 − 8.7)
(8.4 − 8.1)(8.4 − 8.3)(8.4 − 8.6)
+ (18.50515)
(8.7 − 8.1)(8.7 − 8.3)(8.7 − 8.6)
𝑝(8.4) = 17.877142
3.a.Use los polinomios interpolantes de Lagrange apropiados de grados uno, dos y tres para
f (8.4) si f(8.1)=16.94410, f(8.3)=17.56492, f(8.6)=18.50515, f(8.7)=18.82091
Teniendo en cuenta lo anteriormente descrito, nuestro polinomio de Lagrange de grado 1 es de la

siguiente forma:
1
𝑥 − 𝑥1 𝑥 − 𝑥0
𝑓1 (𝑥 ) = ∑ 𝑦𝑗 𝑙(𝑥) = 𝑓 (𝑥 0 ) + 𝑓(𝑥1 )
𝑥0 − 𝑥1 𝑥1 − 𝑥0
𝑗=0
De grado 2 es:
2
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑓2 (𝑥 ) = ∑ 𝑦𝑗 𝑙𝑗 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓(𝑥1 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
𝑗=0
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
+ 𝑓 (𝑥 2 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
De grado 3 es:
3
𝑓3 (𝑥 ) = ∑ 𝑦𝑘 𝑙𝑗 (𝑥)
𝑗=0
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
= 𝑓 (𝑥 0 ) + 𝑓(𝑥1 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑓 (𝑥 2 ) + 𝑓(𝑥3 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
Nuestros puntos serán (dadas anteriormente):
(8.1,16.94410), (8.3,17.56492), (8.6,18.50515), (8.7, 18.82091)
Usando las fórmulas obtenemos:

𝑥 − 𝑥1 𝑥 − 𝑥0 𝑥 − 8.3 𝑥 − 8.1
𝑓1 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓 (𝑥1 ) = 16.94410 + 17.56492
𝑥0 − 𝑥1 𝑥1 − 𝑥0 8.1 − 8.3 8.3 − 8.1
= 3.1041𝑥 − 8.1991
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )

𝑓2 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓 (𝑥1 ) + 𝑓 (𝑥 2 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
(𝑥 − 8.3)(𝑥 − 8.6) (𝑥 − 8.1)(𝑥 − 8.6)
= 16.94410 + 17.56492
(8.1 − 8.3)(8.1 − 8.6) (8.3 − 8.1)(8.3 − 8.6)
(𝑥 − 8.1)(𝑥 − 8.3)
+ 18.50515
(8.6 − 8.1)(8.6 − 8.3)
= 0.060𝑥 2 + 2.1201𝑥 − 4.1653
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑓3 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓 (𝑥1 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑓 (𝑥 2 ) +
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
(𝑥 − 8.3)(𝑥 − 8.6)(𝑥 − 8.7)
= 16.94410
(8.1 − 8.3)(8.1 − 8.6)(8.1 − 8.7)
(𝑥 − 8.1)(𝑥 − 8.6)(𝑥 − 8.7)
+ 17.56492
(8.3 − 8.1)(8.3 − 8.6)(8.3 − 8.7)
(𝑥 − 8.1)(𝑥 − 8.3)(𝑥 − 8.7)
+ 18.50515
(8.6 − 8.1)(8.6 − 8.3)(8.6 − 8.7)
(𝑥 − 8.1)(𝑥 − 8.3)(𝑥 − 8.6)
+ 18.82091
(8.7 − 8.1)(8.7 − 8.3)(8.7 − 8.6)
= −0.0020𝑥 3 + 0.1120𝑥 2 + 1.687𝑥 − 2.96
Teniendo como aproximación del punto 𝑥 = 8.4 es

𝑓1 (8.4) = 3.1041(8.4) − 8.1991 = 17.87533 - Grado 1
𝑓2 (8.4) = 0.060(8.4)2 + 2.1201(8.4) − 4.1653 = 17.87713 - Grado 2
𝑓3 (8.4) = −0.0020(8.4)3 + 0.1120(8.4)2 + 1.687(8.4) − 2.96 = 17.87714 – Grado 3
Ejercicio 3B
Use los polinomios interpolantes de Lagrange apropiados de grados uno, dos y tres para
𝟏
𝒇 (− 𝟑) si 𝒇(−𝟎. 𝟕𝟓) = −𝟎. 𝟎𝟕𝟏𝟖𝟏𝟐𝟓𝟎, 𝒇(−𝟎. 𝟓) = −𝟎. 𝟎𝟐𝟒𝟕𝟓𝟎𝟎𝟎,
𝒇(−𝟎. 𝟐𝟓) = 𝟎. 𝟑𝟑𝟒𝟗𝟗𝟑𝟕𝟓𝟎, 𝒇(𝟎) = 𝟏. 𝟏𝟎𝟏𝟎𝟎𝟎𝟎𝟎
Solución:
𝑥0 = −0.75 𝑓(𝑥0 ) = −0.07181250
𝑥1 = −0.5 𝑓(𝑥1 ) = −0.02475000
𝑥2 = −0.25 𝑓(𝑥2 ) = 0.334993750
𝑥3 = 0 𝑓(𝑥3 ) = 1.10100000
Para el grado 1
𝑷𝟏 (𝒙) = 𝒂𝟎 (𝒙 − 𝒙𝟏 ) + 𝒂𝟏 (𝒙 − 𝒙𝟐 )
𝑓 (𝑥 2 )
𝑎0 =
𝑥2 − 𝑥1
0.33499375
𝑎0 = = 1.339975
−0.25 − (−0.5)
𝑓 (𝑥1 )
𝑎1 =
𝑥1 − 𝑥2
−0.02475
𝑎1 = = 0.099
−0.5 − (−0.25)
Reemplazando en la fórmula se tiene.
𝑃1 (𝑥 ) = 1.339975(𝑥 + 0.5) + 0.099(𝑥 + 0.25)
1 1 1
𝑃1 (− ) = 1.339975 (− + 0.5) + 0.099 (− + 0.25)
3 3 3
1
𝑃1 (− ) = 0.2150792
3
Para el grado 2
𝑷𝟐 (𝒙) = 𝒂𝟎 (𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 ) + 𝒂𝟏 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟐 ) + 𝒂𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )
𝑓 (𝑥 0 ) −0.0718125
𝑎0 = = = −0.5745
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (−0.75 + 0.5)(−0.75 + 0.25)
𝑓 (𝑥1 ) −0.02475
𝑎1 = = = 0.396
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (−0.5 + 0.75)(−0.5 + 0.25)
𝑓 (𝑥 2 ) 0.33499375
𝑎2 = = = 2.67995
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (−0.25 + 0.75)(−0.25 + 0.5)
Reemplazando en la fórmula tenemos.
𝑃2 (𝑥 ) = −0.5745(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + 0.396(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) + 2.67995(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
1
𝑃2 (− ) = 0.1803368
3
Para el grado 3
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑃3 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓 (𝑥1 )
(−0.75 + 0.5)(−0.75 − 𝑥2 )(−0.75 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑓 (𝑥 2 ) + 𝑓 (𝑥 3 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
1 1 1
(− 3 + 0.5) (− 3 + 0.25) (− 3 − 0)
𝑃3 (𝑥 ) = (−0.0718125)
(−0.75 + 0.5)(−0.75 + 0.25)(−0.75 − 0)
1 1
(− 3 + 0.75) (− 3 + 0.25) (−1/3 − 0)
+ (−0.02475)
(−0.5 + 0.75)(−0.5 + 0.25)(−0.5 − 0)
1 1
(− 3 + 0.75) (− 3 + 0.5) (−1/3 − 0)
+ (0.33499375)
(−0.25 + 0.75)(−0.25 + 0.5)(−0.25 − 0)
1 1 1
(− 3 + 0.75) (− 3 + 0.5) (− 3 + 0.25)
+ (1.101)
(0 + 0.75)(0 + 0.5)(0 + 0.25)
1
𝑃3 (− ) = 0.17456
3
𝟑. 𝒃. 𝑼𝒔𝒆 𝒍𝒐𝒔 𝒑𝒐𝒍𝒊𝒏𝒐𝒎𝒊𝒐𝒔 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒏𝒕𝒆𝒔 𝒅𝒆 𝑳𝒂𝒈𝒓𝒂𝒏𝒈𝒆 𝒂𝒑𝒓𝒐𝒑𝒊𝒂𝒅𝒐𝒔 𝒅𝒆 𝒈𝒓𝒂𝒅𝒐𝒔 𝒖𝒏𝒐, 𝒅𝒐𝒔

𝒚 𝒕𝒓𝒆𝒔 𝒑𝒂𝒓𝒂 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒓 𝒍𝒐 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆:
1
𝑓 (− ) 𝑠𝑖 𝑓(−0.75) = −0.07181250, 𝑓 (0.5) = −0.02475000, 𝑓(−0.25) = 0.334993750, 𝑓(0)
3
= 1.10100000
𝑥0 = −0.75 → −0.0718125
𝑥1 = −0.5 → −0.02475
𝑥2 = −0.25 → 0.33499375
𝑥3 = 0 → 1.101
𝐺𝑅𝐴𝐷𝑂 1
𝑝1 (𝑥 ) = 𝑎0 (𝑥 − 𝑥1 ) + 𝑎1 (𝑥 − 𝑥2 )
𝑓(𝑥2 ) 0.33499375
𝑎0 = = = 1.339975
𝑥2 − 𝑥1 −0.25 + 0.5
𝑓(𝑥1 ) −0.02475
𝑎0 = = = 0.099
𝑥1 − 𝑥2 −0.5 + 0.25
𝑝1 (𝑥 ) = 1.339975(𝑥 + 0.5) + 0.099(−𝑥 + 0.25)
1 1 1
𝑝1 (− ) = 1.339975 (− + 0.5) + 0.099 (− + 0.25) = 0.2150792
3 3 3
𝑝2 (𝑥 ) = 𝑎0 (𝑥 + 0.5) + (𝑥 + 0.25) + 𝑎1 (𝑥 + 0.75) + (𝑥 + 0.25) + 𝑎2 (𝑥 + 0.75) + (𝑥 + 0.5)
𝑓(𝑥0 ) −0.0718125
𝑎0 = = = −0.5745
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (−0.75 + 0.5)(−0.75 + 0.25)
𝑓(𝑥1 ) 17.56492
𝑎1 = = = −292.748667
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (8.3 + 8.1)(8.3 − 8.6)
𝑓(𝑥2 ) −0.0718125
𝑎2 = = = 2.67995
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (−0.25 + 0.755)(−0.25 + 0.5)
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠
1
𝑝2 (− ) = 0.164378
3
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑝3 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓 (𝑥1 ) +
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑓 (𝑥2 ) + 𝑓 (𝑥 3 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜
1 1 1
(− 3 + 0.5) (− 3 − 0.25) (− 3 − 0)
(−0.0718125) +
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
1 1 1
(− 3 + 0.75) (− 3 − 0.25) (− 3 − 0)
(−0.02475) +
(−0.5 + 0.75)(−0.75 − 0.25)(−0.75 − 0)
1 1 1
(− + 0.75) (− + 0.5) (− − 0)
3 3 3 (0.33499375) +
(−0.25 + 0.75)(−0.25 − 0.5)(−0.25 − 0)
1 1 1
(− 3 + 0.75) (− 3 − 0.25) (− 3 − 0)
(1.101)
(0 + 0.75)(0 + 0.5)(0 + 0.25)
𝟏
𝒑 (− ) = 𝟎. 𝟏𝟕𝟒𝟓𝟔
𝟑
3.c. Use los polinomios interpolantes de Lagrange apropiados de grado 1,2 y 3 para aproximar
lo siguiente:
C) f (0.25) si f (0.1) = 0.62049958, f (0.2) = -0.28398668, f (0.3) = 0.00660095, f (0.4) =
0.28842440
𝑋0 = 0.1⟶ 0.62049958 𝑋2 = 0.3 ⟶ 0.00660095
𝑋1 = 0.2 ⟶−0.28398668 𝑋3 = 0.4 ⟶ 0.28842440
GRADO 1
𝑃1(𝑥) = a0(𝑥−𝑥1) +𝑎1(𝑥−𝑥0)
𝑓(𝑥0) 0.62049958
a0 = 𝑥 = = - 6.2509958
0 −𝑥1 0.1−0.2
𝑓(𝑥1) −0.28398668
a1 = 𝑥 = = 2.8398668
1 −𝑥0 0.2−0.1
𝑃1 (𝑥 ) = −6,2409958(𝑥 − 0.2) − 6.2409958(x − 0.1)
𝑃1 (0,25) = −6,2409958(0,25 − 0.2) − 6.2409958(0.25 − 0.1) = −1.24819916
GRADO 2
𝑃1 (𝑥 ) = 𝑎0 (𝑥 − 0.2)(x − 0.3) + 𝑎1 (𝑥 − 0.1)(x − 0.3) + 𝑎2 (𝑥 − 0.1)(x − 0.2)
𝑓(𝑥0 ) 0.62049958
a0 = (𝑥 = (0.1−0.2)(0.1−0.3) = 31.024979
0−𝑥1 )(𝑥0−𝑥2)
𝑓(𝑥1 ) −0.28398668
a1 = (𝑥 = (0.2−0.1)(0.2−0.3) = 28.398668
1−𝑥0 )(𝑥1−𝑥2)
𝑓(𝑥2 ) 0.00660095
a2 = (𝑥 = (0.3−0.1)(0.3−0.2) = 0.3300475
2−𝑥0 )(𝑥2−𝑥1)
Entonces
P1(0.25) =31.024979(0.25−0.2) (0.25−0.3) +28.398668(0.25−0.1) (0.25−0.3) +0.3300475(0.25−0.1)
(0.25−0.2) = −𝟎.𝟐𝟖𝟖𝟎𝟕𝟕𝟏
GRADO 3
(𝒙 − 𝒙𝟏 ) (𝒙 − 𝒙𝟐 )(𝒙 − 𝒙𝟏 ) (𝒙 − 𝒙𝟎 ) (𝒙 − 𝒙𝟐 )(𝒙 − 𝒙𝟑 )
𝑷𝟏 (𝒙) = F( x 0 ) + F(x1 )
(𝑿𝟎 − 𝑿𝟏 )(𝑿𝟎 − 𝑿𝟐 )(𝑿𝟎 − 𝑿𝟐 ) (𝑿𝟏 − 𝑿𝟎 )(𝑿𝟏 − 𝑿𝟐 )(𝑿𝟏 − 𝑿𝟑 )
(𝒙 − 𝒙𝟎 ) (𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟑 ) (𝒙 − 𝒙𝟎 ) (𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 )
+ F( x 2 ) + F( x 2 )
(𝑿𝟐 − 𝑿𝟎 )(𝑿𝟐 − 𝑿𝟏 )(𝑿𝟐 − 𝑿𝟑 ) (𝑿𝟑 − 𝑿𝟎 )(𝑿𝟑 − 𝑿𝟏 )(𝑿𝟑 − 𝑿𝟐 )
(𝟐. 𝟓 − 𝟎. 𝟐) (𝟐. 𝟓 − 𝟎. 𝟑)(𝟐. 𝟓 − 𝟎. 𝟒)

𝑷𝟏 (𝟐. 𝟓) = (0.62049958)
(𝟎. 𝟏 − 𝟎. 𝟐)(𝟎. 𝟏 − 𝟎. 𝟑)(𝟎. 𝟏 − 𝟎. 𝟒)
(𝟐. 𝟓 − 𝟎. 𝟏) (𝟐. 𝟓 − 𝟎. 𝟑)(𝟐. 𝟓 − 𝟎. 𝟒)
+ (−0.28398668)
(𝟎. 𝟏 − 𝟎. 𝟐)(𝟎. 𝟏 − 𝟎. 𝟑)(𝟎. 𝟏 − 𝟎. 𝟒)
(𝟐. 𝟓 − 𝟎. 𝟏) (𝟐. 𝟓 − 𝟎. 𝟐)(𝟐. 𝟓 − 𝟎. 𝟒)
+ (0.00660095)
(𝟎. 𝟑 − 𝟎. 𝟏)(𝟎. 𝟑 − 𝟎. 𝟐)(𝟎. 𝟑 − 𝟎. 𝟒)
(𝟐. 𝟓 − 𝟎. 𝟏) (𝟐. 𝟓 − 𝟎. 𝟐)(𝟐. 𝟓 − 𝟎. 𝟑)
+ (0.2884244)
(𝟎. 𝟒 − 𝟎. 𝟏)(𝟎. 𝟒 − 𝟎. 𝟐)(𝟎. 𝟒 − 𝟎. 𝟑)
-1098.904765 - 1574.422154 - 38.2591062 + 583.770176 = - 2127.8158492
3d. Use los polinomios interpolantes de Lagrange apropiados de grados uno, dos y tres para
aproximar lo siguiente.
d).𝑓 (0.9) 𝑠𝑖 𝑓(0.6) = −0.17694460, 𝑓(0.7) = 0.01375227, 𝑓(0.8) =
0.22363362, 𝑓(1.0) = 0.65809197
SOLUCIÓN
𝑛
𝑃𝑛 (𝑋) = ∑ 𝑓(𝑥𝑘 ) ∗ 𝑙𝑛 (𝑥)

𝑘=0
𝑋0 = 0.6 → −0.17694460
𝑋1 = 0.7 → 0.01375227
𝑋2 = 0.8 → 0.22363362
𝑋3 = 1.0 → 0.65809197
GRADO 1
𝑃1 (𝑋) = 𝑎0 (𝑥 − 𝑥1 ) + 𝑎1 (𝑥 − 𝑥0 )
𝑓(𝑥0 ) −0.17694460
𝑎0 = = = 1.7694460
𝑥0 − 𝑥1 0.6 − 0.7
𝑓(𝑥1 ) 0.01375227
𝑎1 = = = 0.13752270
𝑥1 − 𝑥0 0.7 − 0.6
𝑃1 (𝑥 ) = 1.7694460 ∗ (𝑥 − 0.7) + 0.13752270 ∗ (𝑥 − 0.6)
Evaluamos para x=0.9
𝑃1 (0.9) = 1.7694460 ∗ (0.9 − 0.7) + 0.13752270 ∗ (0.9 − 0.6) = 0.39514601
GRADO 2
𝑃2 (𝑋) = 𝑎0 (𝑥 − 0.7) ∗ (𝑥 − 0.8) + 𝑎1 (𝑥 − 0.6) ∗ (𝑥 − 0.8) + 𝑎2 (𝑥 − 0.6) ∗ (𝑥 − 0.7)
𝑓(𝑥0 ) −0.17694460
𝑎0 = = = −8.847230
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0.6 − 0.7)(0.6 − 0.8)
𝑓(𝑥1 ) 0.01375227
𝑎1 = = = −1.3752270
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.7 − 0.6)(0.7 − 0.8)
𝑓(𝑥2 ) 0.22363362
𝑎2 = = = 11.1816810
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.8 − 0.6)(0.8 − 0.7)
Evaluamos para x=0.9
𝑃2 (𝑋) = −8.847230 ∗ (0.9 − 0.7) ∗ (0.9 − 0.8) + −1.3752270 ∗ (0.9 − 0.6) ∗ (0.9 − 0.8)
+ 11.1816810 ∗ (0.9 − 0.6) ∗ (0.9 − 0.7) = 0.45269945
GRADO 3
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑃3 (𝑥 ) = 𝑓 (𝑥 0 ) + 𝑓 (𝑥1 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0− 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1− 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑓 (𝑥 2 ) + 𝑓 (𝑥 3 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2− 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3− 𝑥2 )
(0.9 − 0.7)(0.9 − 0.8)(0.9 − 1)
𝑃3 (𝑥 ) = (−0.17694460)
(0.6 − 0.7)(0.6 − 0.8)(0.6 − 1)
(0.9 − 0.6)(0.9 − 0.8)(0.9 − 1)
+ (0.01375227)
(0.7 − 0.6)(0.7 − 0.8)(0.7 − 1)
(0.9 − 0.6)(0.9 − 0.7)(0.9 − 1)
+ (0.22363362)
(0.8 − 0.6)(0.8 − 0.7)(0.8 − 1)
(0.9 − 0.6)(0.9 − 0.7)(0.9 − 0.8)
+ (0.65809197)
(1 − 0.6)(1 − 0.7)(1 − 0.8)
𝑃3 (𝑥 ) = −0.04423615 − 0.01375227 + 0.33545043 + 0.16452299 = 0.441985
3D
f(0.9) si f(0.6)=-0.17694460, f(0.7)=0.013375227, f(0.8)=0.22363362, f(1.0)=0.65809197

Prob.4: Aplique el método de Neville para obtener las aproximaciones del polinomio del ejercicio
:3
𝑎. 𝑓 (8.4), 𝑠𝑖 𝑓 (8.1) = 16.94410; 𝑓(8.3) = 17.564492;

𝑓 (8.6) = 18.50515; 𝑓 (8.7) = 18.82091
Para la solución se utilizó el Método de Neville la cual se denota con la siguiente fórmula:
(𝒙 − 𝒙𝒊−𝒋 )𝑸𝒊,𝒋−𝟏 − (𝒙 − 𝒙𝒊 )𝑸𝒊−𝟏,𝒋−𝟏

𝑸𝒊,𝒋 =
𝒙𝒊 − 𝒙𝒊−𝒋
ahora hacemos aproximaciones
𝑷𝑨𝑹𝑨 𝑮𝑹𝑨𝑫𝑶 𝟏
Para interpolar i =0;1 y j=0;1, se construye un polinomio de grado uno 𝑄1,1 , se toman los
siguientes datos:
𝑥𝑜 = 8.3 ∧ 𝑓 (𝑥0 )= 𝑄0,0 =17.56 492 y 𝑥1 = 8.6 ∧ 𝑓(𝑥1 )= 𝑄1,0 =18.50515
para obtener la aproximación de 𝑓 (8.4) ≈ 𝑄1,1 =?
Entonces, reemplazando los datos en la fórmula de Neville se tiene:
(𝒙−𝒙𝟏−𝟏 )𝑸𝟏,𝟏−𝟏 −(𝒙−𝒙𝟏 )𝑸𝟏−𝟏,𝟏−𝟏 (𝒙−𝒙𝟎 )𝑸𝟏,𝟎 −(𝒙−𝒙𝟏 )𝑸𝟎,𝟎

𝑸𝟏,𝟏 = =
𝒙𝟏 −𝒙𝟏−𝟏 𝒙𝟏 −𝒙𝟎
(𝟖.𝟒−𝟖.𝟑)𝟏𝟖.𝟓𝟎𝟓𝟏𝟓−(𝟖.𝟒−𝟖.𝟔)𝟏𝟕.𝟓𝟔𝟒𝟗𝟐
𝑸𝟏,𝟏 = =17.87833
𝟖.𝟔−𝟖.𝟑
La aproximación de f (8.4) en el polinomio construido es de 17.87833.
𝑷𝑨𝑹𝑨 𝑮𝑹𝑨𝑫𝑶 : 𝟐
Para interpolar, i=0;1;2 y j=0;1;2, se construye los polinomios hasta llegar a grado dos y luego se
observa si hay convergencia o no.
Se toman los siguientes datos, algunos obtenidos del ejercicio anterior, ya que se toman datos en
ese mismo orden
𝑥𝑜 = 8.3 y 𝑄1,1 = 17.87833; 𝑥1 = 8.6 ∧ 𝑓 (𝑥1 )= 𝑄1,0 =18.50515
𝑥2 = 8.7 ∧ 𝑓 (𝑥2 )= 𝑄2,0 =18.82 091; para obtener la aproximación de f (8.4)
Entonces, reemplazando los datos en la fórmula de Neville tenemos:
(𝒙−𝒙𝟐−𝟐 )𝑸𝟐,𝟐−𝟏 −(𝒙−𝒙𝟐 )𝑸𝟐−𝟏,𝟐−𝟏 (𝒙−𝒙𝟎 )𝑸𝟐,𝟏 −(𝒙−𝒙𝟐 )𝑸𝟏,𝟏

𝑸𝟐,𝟐 = =
𝒙𝟐 −𝒙𝟐−𝟐 𝒙𝟐 −𝒙𝟎
Necesitamos hallar 𝑸𝟐,𝟏 =?

(𝒙 − 𝒙𝟐−𝟏 )𝑸𝟐,𝟏−𝟏 − (𝒙 − 𝒙𝟐 )𝑸𝟐−𝟏,𝟏−𝟏 (𝒙 − 𝒙𝟏 )𝑸𝟐,𝟎 − (𝒙 − 𝒙𝟐 )𝑸𝟏,𝟎
𝑸𝟐,𝟏 = =
𝒙𝟐 − 𝒙𝟐−𝟏 𝒙 𝟐 − 𝒙𝟏
(8.4−8.6)18.82091−(8.4−8.7)18.50515
𝑸𝟐,𝟏 = = 17.87363
8.7−8.6
Reemplazamos el 𝑸𝟐,𝟏 = 17.87363 en la ecuación, 𝑸𝟐,𝟐
(𝒙−𝒙𝟎 )𝑸𝟐,𝟏 −(𝒙−𝒙𝟐 )𝑸𝟏,𝟏 (8.4−8.3)17.87363−(8.4−8.7)17.87833

𝑸𝟐,𝟐 = = =17.877155
𝒙𝟐 −𝒙𝟎 8.7−8.3
Con la respuesta de: 𝑸𝟐,𝟐 =17.877155, asumimos que es la aproximación de f (8.4)
𝑷𝑨𝑹𝑨 𝑮𝑹𝑨𝑫𝑶: 𝟑
Para esta interpolación se usa los siguientes datos: 𝑥0 = 8.1 ∧ 𝑓 (𝑥0 )= 𝑄0,0 =16.9441
𝑥1 = 8.3 ∧ 𝑓(𝑥1 )= 𝑄1,0 =17.56492 ; 𝑥2 = 8.6 ∧ 𝑓 (𝑥2 )= 𝑄2,0 =18.50515 y
𝑥3 = 8.7 ∧ 𝑓 (𝑥3 )= 𝑄3,0 =18.82091
para encontrar una aproximación de f (8.4)
Necesitamos hallar, 𝑄1,1
(𝒙−𝒙𝟏−𝟏 )𝑸𝟏,𝟏−𝟏 −(𝒙−𝒙𝟏 )𝑸𝟏−𝟏,𝟏−𝟏 (𝒙−𝒙𝟎 )𝑸𝟏,𝟎 −(𝒙−𝒙𝟏 )𝑸𝟎,𝟎

𝑸𝟏,𝟏 = =
𝒙𝟏 −𝒙𝟏−𝟏 𝒙𝟏 −𝒙𝟎
(8.4−8.1)17.56492−(8.4−8.3)16.9441
= 8.3−8.1
𝑸𝟏,𝟏 = 17.87533
ahora encontramos, 𝑸𝟐,𝟏
(𝒙 − 𝒙𝟐−𝟏 )𝑸𝟐,𝟏−𝟏 − (𝒙 − 𝒙𝟐 )𝑸𝟐−𝟏,𝟏−𝟏 (𝒙 − 𝒙𝟏 )𝑸𝟐,𝟎 − (𝒙 − 𝒙𝟐 )𝑸𝟏,𝟎

𝑸𝟐,𝟏 = =
𝒙𝟐 − 𝒙𝟐−𝟏 𝒙 𝟐 − 𝒙𝟏
(8.4−8.3)18.50515−(8.4−8.6)17.56492
𝑸𝟐,𝟏 = = 17.87833
8.6−8.3
Ahora hallamos 𝑸3,𝟏

(𝒙−𝒙𝟐 )𝑸𝟑,𝟎 −(𝒙−𝒙𝟑 )𝑸𝟐,𝟎 (8.4−8.6)18.82901−(8.4−8.7)18.50515
𝑸𝟑,𝟏 = = = 17.87363
𝒙𝟑 −𝒙𝟐 8.7−8.6
Luego conseguimos 𝑸𝟐,𝟐 ?
(𝒙−𝒙𝟐 )𝑸𝟐,𝟏 −(𝒙−𝒙𝟐 )𝑸𝟏,𝟏 (8.4−8.1)17.87833−(8.4−8.6)17.87533

𝑸𝟐,𝟐 = = = 17.87443
𝒙𝟐 −𝒙𝟎 8.6−8.1
𝑸𝟐,𝟐 = 17.87443
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑚𝑜𝑠 𝑸𝟑,𝟐 ?
(𝒙−𝒙𝟏 )𝑸𝟑,𝟏 −(𝒙−𝒙𝟑 )𝑸𝟐,𝟏 (8.4−8.3)17.87363−(8.4−8.7)17.87833

𝑸𝟑,𝟐 = = =17.877155
𝒙𝟑 −𝒙𝟏 8.7−8.3
Finalmente resolvemos , 𝑄3,3
(𝒙−𝒙𝟏 )𝑸𝟑,𝟐 −(𝒙−𝒙𝟑 )𝑸𝟐,𝟐

𝑸𝟑,𝟑 = 𝒙𝟑 −𝒙𝟎
(8.4−8.1)17.877155−(8.4−8.7)17.87422
𝑸𝟑,𝟑 = =17.8756875
8.7−8.1
𝑸𝟑,𝟑 = 17.8756875
La aproximación de f (8.4) es, 𝑸𝟑,𝟑 =17.8756875

4.a Aplique el método de Neville para obtener las aproximaciones del ejercicio 3.
a. f (8.4), si f (8.1) =16.94410; f (8.3) =17.56492; f (8.6) =18.50515; f (8.7) =18.82091
SOLUCIÓN:
Mediante el método de Neville utilizaremos la siguiente formula:
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖,𝑗 =
𝑥𝑖 − 𝑥𝑖−𝑗
Se realizará aproximaciones para polinomios interpolantes de grado 1, de grado 2 y de grado 3.
Construcción del polinomio interpolante de grado 1:
Para interpolar; i= 0,1 y j= 0,1 se tiene que construir un polinomio 𝑄1,1 que es de grado 1.
Para dicha construcción del polinomio se tiene los siguientes datos:
𝑥𝑖 𝑦𝑖 = 𝑄𝑖,0
𝑥0 =8.3 𝑦0 = 𝑄0,0 =17.56492
𝑥1 =8.6 𝑦2 = 𝑄1,0 =18.50515
Nos piden una aproximación de f (8.4)
(𝑥 − 𝑥0 )𝑄1.0 − (𝑥 − 𝑥1 )𝑄0,0
𝑄1,1 (8.4) =
𝑥1 − 𝑥0
(8.4 − 8.3)(18.50515) − (8.4 − 8.6)(17.56492)

𝑄1,1 (8.4) = = 17.87833
8.6 − 8.3
Finalmente, el valor de la aproximación de f (8.4)
f (8.4)≈ 𝑸𝟏,𝟏 (8.4) = 𝟏𝟕. 𝟖𝟕𝟖𝟑𝟑
Para interpolar; i= 0,1,2 y j= 0,1,2 se tiene que construir un polinomio 𝑄2,2 que es de grado 2.

𝒙𝒊 𝑸𝒊,𝟎 𝑸𝒊,𝟏
𝑥0 =8.3 𝑦0 = 𝑄0,0 =17.56492
𝑥1 =8.6 𝑦1 = 𝑄1,0 =18.50515 𝑄1,1 = 17.87833
𝑥2 =8.7 𝑦2 = 𝑄2,0 =18.82091
Para encontrar, 𝑄2,2 primero necesitamos encontrar 𝑄2,1
(𝑥 − 𝑥1 )𝑄2,0 − (𝑥 − 𝑥2 )𝑄1,0
𝑄2,1 (8.4) =
𝑥2 − 𝑥1
(8.4 − 8.6)(18.82091) − (8.4 − 8.7)(18.50515)

𝑄2,1 (8.4) = = 17.87363
8.7 − 8.6
Luego encontramos 𝑄2,2 :
(𝑥 − 𝑥0 )𝑄2,1 − (𝑥 − 𝑥2 )𝑄1,1
𝑄2,2 (8.4) =
𝑥2 − 𝑥0
(8.4 − 8.3)(17.87363) − (8.4 − 8.7)(17.87833)

𝑄2,2 (8.4) = = 17.877155
8.7 − 8.3
f (8.4) ≈ 𝑸𝟐,𝟐 (8.4) = 𝟏𝟕. 𝟖𝟕𝟕𝟏𝟓𝟓
Para interpolar; i= 0,1,2,3 y j= 0,1,2,3 se tiene que construir un polinomio que es de grado 3 = 𝑄3,3 .
𝒊 𝒙𝒊 𝑸𝒊,𝟎
0 8.1 16.94410
1 8.3 17.56492
2 8.6 18.50515
3 8.7 18.82091
Nos piden aproximar f (8.4):
Para 𝑄𝑖,1 ; i=1,2,3
(𝑥 − 𝑥0 )𝑄1.0 − (𝑥 − 𝑥1 )𝑄0,0
𝑄1,1 (8.4) =
𝑥1 − 𝑥0
(8.4 − 8.1)(17.56492) − (8.4 − 8.3)(16.9441)
𝑄1,1 (8.4) = = 17.87533
8.3 − 8.1
(𝑥 − 𝑥1 )𝑄2,0 − (𝑥 − 𝑥2 )𝑄1,0
𝑄2,1 (8.4) =
𝑥2 − 𝑥1
(8.4 − 8.3)(18.50515) − (8.4 − 8.6)(17.56492)

𝑄2,1 (8.4) = = 17.87833
8.6 − 8.3
(𝑥 − 𝑥2 )𝑄3,0 − (𝑥 − 𝑥3 )𝑄2,0
𝑄3,1 (8.4) =
𝑥3 − 𝑥2
(8.4 − 8.6)(18.82091) − (8.4 − 8.7)(18.50515)

𝑄3,1 (8.4) = = 17.87363
8.7 − 8.6
Para 𝑄𝑖,2 ; i=2,3
(𝑥 − 𝑥0 )𝑄2,1 − (𝑥 − 𝑥2 )𝑄1,1
𝑄2,2 (8.4) =
𝑥2 − 𝑥0
(8.4 − 8.1)(17.87833) − (8.4 − 8.6)(17.87533)

𝑄2,2 (8.4) = = 17.87713
8.6 − 8.1
(𝑥 − 𝑥1 )𝑄3,2 − (𝑥 − 𝑥3 )𝑄2,1
𝑄3,2 (8.4) =
𝑥3 − 𝑥1
(8.4 − 8.3)(17.87363) − (8.4 − 8.7)(17.87833)

𝑄3,2 (8.4) = = 17.877155
8.7 − 8.3
Para 𝑄𝑖,3 ; i=3
(𝑥 − 𝑥0 )𝑄3,2 − (𝑥 − 𝑥3 )𝑄2,2
𝑄3,3 (8.4) =
𝑥3 − 𝑥0
(8.4 − 8.1)(17.877155) − (8.4 − 8.7)(17.87713)

𝑄3,3 (8.4) = = 17.8771425
8.7 − 8.1
f (8.4)≈ 𝑸𝟑,𝟑 (8.4) = 𝟏𝟕. 𝟖𝟕𝟕𝟏𝟒𝟐𝟓
𝒊 𝒙𝒊 𝑸𝒊,𝟎 𝑸𝒊,𝟏 𝑸𝒊,𝟐 𝑸𝒊,𝟑

0 8.1 16.94410
1 8.3 17.56492 17.87533
2 8.6 18.50515 17.87833 17.87713
3 8.7 18.82091 17.87363 17.877155 17.8771425
EJERCICIO (4B)
Grado 1
Para interpolar, i=0;1 y j=0;1, se construye un polinomio de grado uno Q 1,1.
Se toman los siguientes datos: y
para obtener la aproximación de
Entonces tenemos reemplazando los datos en la fórmula de Neville:
La aproximación de en el polinomio construido es de 0.215079171.

Grado 2
Se toman los siguientes datos:
y para obtener la aproximación de

Entonces tenemos reemplazando los datos en la fórmula de Neville:
Hallamos
Encontramos
Obtenemos
La aproximación de es
Grado 3
Para esta interpolación se usa los siguientes
datos:
para
encontrar una aproximación de
4b
1
𝑓 (− ) 𝑠𝑖 𝑓 (−0.75) = −0.07181250, 𝑓(0.5) = −0.02475, 𝑓(−0.25) = 0.334993750, 𝑓 (0)
3
= 1.101
Grado1
Para interpolar, i= 0;1 y j=0;1, se construye un polinomio de grado Q1,1.
Tomamos los siguientes datos: X0 = -0.5 ʌ f(x0) = Q0.0 =-0.02475 y
1
X1= -0.25 ʌ f(x1)= Q1,0 = 0.33499375, para obtener la aproximación de f(− 3) ≈ Q1,1=?.
Reemplazando en la fórmula de Neville:

(𝑋−𝑋1−1)𝑄1,1−1−(𝑋−𝑋1 )𝑄1−1,1−1 (𝑋−𝑋0 )𝑄1,0 −(𝑋−𝑋1 )𝑄0,0
𝑄1,1 = =
𝑋1 −𝑋1−1 𝑋1 −𝑋0
1 1
[− − (−0.5)] (0.33499375) − [− − (−0.25)](−0.02475)
𝑄1,1 = 3 3
(−0.25) − (−0.5)
= 0.215079171
1
La aproximación en 𝑓(− 3) en el polinomio es de 0.215079171
Grado 2
Tomamos los datos :𝑋0 = −0.75 ʌ f(𝑥0 ) = 𝑄0.0 = −0.0718125 ;
1
𝑋1 = −0.25 ʌ 𝑓(𝑥 ) = 𝑄1,0 = 0.33499375 ,para obtener la aproximación de 𝑓(− 3) ≈
𝑄2,2 =?.
Reemplazando en la formula de Neville:
(𝑋 − 𝑋0 )𝑄1,0 − (𝑋 − 𝑋1 )𝑄0,0
𝑄1,1 =
𝑋1 − 𝑋0
1 1
[− − (−0.75)] (−0.02475) − [− − (−0.5)](−0.0718125)
𝑄1,1 = 3 3
(−0.5) − (−0.75)
𝑄1.1 = 0.006625
Encontrando Q2.1
(𝑋 − 𝑋1 )𝑄1,0 − (𝑋 − 𝑋2 )𝑄1,0
𝑄2,1 =
𝑋2 − 𝑋1
1 1
[− − (−0.5)] (−0.33499375) − [− − (−0.25)](−0.02475)
𝑄2,1 = 3 3
(−0.25) − (−0.5)
𝑄2.1 = 0.21507917
Obtenemos Q2.2
(𝑋 − 𝑋0 )𝑄2,1 − (𝑋 − 𝑋2 )𝑄1,1
𝑄2,2 =
𝑋2 − 𝑋0
1 1
[− − (−0.75)] (−021507917) − [− − (−0.25)](−0.006625)
𝑄2,2 = 3 3
(−0.25) − (−0.75)
𝑄2.2 = 0.18033681
1
La aproximación de en 𝑓(− 3) es Q2.2 = 17.877155.
Grado 3
Tenemos los siguientes datos 𝑋0 = −0.75 ʌ f(𝑥0 ) = 𝑄0.0 = −0.0718125
𝑋1 = −0.5 ʌ 𝑓 (𝑋1 ) = 𝑄1,0 = 0.02475; 𝑋2 = −0.25 ʌ 𝑓(𝑋2 ) = 𝑄2,0 = 0.33499375;
1
𝑋3 = 0 ʌ 𝑓(𝑋3 ) = 𝑄3,0 = 1.101, para encontrar una aproximación de 𝑓(− 3)
Necesitamos hallar Q1.1

(𝑋 − 𝑋0 )𝑄1,0 − (𝑋 − 𝑋1 )𝑄0,0
𝑄1,1 =
𝑋1 − 𝑋0
1 1
[− − (−0.75)] (−0.02475) − [− − (−0.5)](−0.0718125)
𝑄1,1 = 3 3
(−0.5) − (−0.75)
𝑄1.1 = 0.006625
Hallamos Q2.1
(𝑋 − 𝑋1 )𝑄2,0 − (𝑋 − 𝑋2 )𝑄1,0
𝑄2,1 =
𝑋2 − 𝑋1
1 1
[− − (−0.5)] (−0.33499375) − [− − (−0.25)](−0.02475)
𝑄2,1 = 3 3
(−0.25) − (−0.5)
𝑄2.1 = 0.21507917
Hallamos Q3.1
(𝑋 − 𝑋2 )𝑄3,0 − (𝑋 − 𝑋3 )𝑄2,0
𝑄3,1 =
𝑋3 − 𝑋2
1 1
[− − (−0.25)] (1.101) − [− − (0)](0.33499375)
𝑄3,1 = 3 3
(0) − (−0.25)
𝑄3.1 = 0.07965834
Hallamos Q2.2
(𝑋 − 𝑋0 )𝑄2,1 − (𝑋 − 𝑋2 )𝑄1,1
𝑄2,2 =
𝑋2 − 𝑋0
1 1
[− − (−0.75)] (−0.21507917) − [− − (−0.25)](−0.006625)
𝑄2,2 = 3 3
(−0.25) − (−0.75)
𝑄2.2 = 0.18033681
Hallamos Q3.2
(𝑋 − 𝑋1 )𝑄3,1 − (𝑋 − 𝑋3 )𝑄2,1
𝑄3,2 =
𝑋3 − 𝑋1
1 1
[− − (−0.5)] (0.07965834) − [− − (0)](0.21507917)
𝑄3,2 = 3 3
(0) − (−0.5)
𝑄3.2 = 0.16993889
Resolvemos Q3.3
(𝑋 − 𝑋0 )𝑄3,2 − (𝑋 − 𝑋3 )𝑄2,2
𝑄3,3 =
𝑋3 − 𝑋0
1 1
[− − (−0.75)] (−0.16993889) − [− − (0)](0.18033681)
𝑄3,3 = 3 3
(0) − (−0.75)
𝑄3.3 = 0.17456019
1
La aproximación de 𝑓(− 3) es Q3.3 = 0.17456019
4.b Use el algoritmo 3.2 para construir el polinomio interpolante de grado cinco con los puntos
desigualmente espaciados que aparecen en la tabla anexa.
b)
x f(x) a1 a2 a3 a4 a5
0.0 6.00000 ______ _________ ____________ _____________
________________
0.1 -5.89483 f (x0, x1) _________ ____________ _____________
________________
0.3 -5.65014 f (x1, x2) f (x0, x1, x2) ____________ _____________
________________
0.6 -5.17788 f (x2, x3) f (x1, x2, x3) f (x0, x1, x2, x3) ______________
________________
1.0 -4.28172 f (x3, x4) f (x2, x3, x4) f (x1, x2, x3, x4) f (x0, x1, x2, x3, x4)
________________
1.1 -3.99583 f (x4, x5) f (x3, x4, x5) f (x2, x3, x4, x5) f (x1, x2, x3, x4, x5) f (x0, x1, x2, x3,
x4, x5)
 Algoritmo 3.2
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓 (𝑥0 , 𝑥1 ) =
𝑥1 − 𝑥0
x f(x) a1 a2 a3 a4 a5
0.0 6.00000 ______ _________ ____________ _____________
________________
0.1 -5.89483 1.0517 _________ ____________ _____________
________________
0.3 -5.65014 1.2235 0.5727 ____________ _____________
________________
0.6 -5.17788 1.5742 0.7014 0.2145 _____________ ________________
1.0 -4.28172 2.2404 0.9517 0.2521 0.0376 ________________
1.1 -3.99583 2.8589 1.2370 0.3566 0.0
785 -0.1236
 Fórmula
𝑃𝑛 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

+ 𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
+ 𝑎5 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥3 )
𝑃 (𝑥) = −6 + 1.1(𝑥) + 0.6(𝑥)(𝑥 − 0.1) + 0.2(𝑥 )(𝑥 − 0.1)(𝑥 − 0.3)

+ 0.04(𝑥)(𝑥 − 0.1)(𝑥 − 0.3)(𝑥 − 0.6) − 0.1236(𝑥)(𝑥 − 0.1)(𝑥 − 0.3)(𝑥 − 0.6)(𝑥
− 10)
𝑷(𝒙) = −𝟎. 𝟏𝟐𝒙𝟓 + 𝟎. 𝟐𝟔𝒙𝟒 + 𝟎. 𝟎𝟔𝒙𝟑 + 𝟎. 𝟓𝒙𝟐 + 𝟏. 𝟏𝒙 − 𝟔
4.c Aplique el método de Neville para obtener las aproximaciones del ejercicio 3.
c. 𝑓(0.25) si 𝑓(0.1) = 0.62049958, 𝑓 (0.2) = −0.28398668, 𝑓(0.3) = 0.00660095,
𝑓(0.4) = 0.24842440
𝑥0 = 0.1 𝑓(𝑥0 ) = 0.62049958
𝑥1 = 0.2 𝑓(𝑥1 ) = −0.28398668
𝑥2 = 0.3 𝑓(𝑥2 ) = 0.00660095
𝑥3 = 0.4 𝑓(𝑥3 ) = 0.24842440
Donde 𝑃(𝑥) = 𝑄𝑛,𝑛
𝑄0,0 = 0.62049958
𝑄1,0 = −0.28398668
𝑄2,0 = 0.00660095
𝑄3,0 = 0.24842440
Aplicando la formula
(𝑥 − 𝑥𝑖−𝑗 )(𝑄𝑖,𝑗−1 ) − (𝑥 − 𝑥𝑖 )(𝑄𝑖−1,𝑗−1 )
𝑄𝑖,𝑗 =
(𝑥𝑖 − 𝑥𝑖−𝑗 )
 Cuando 𝒊 = 𝟏 𝒚 𝒋 = 𝟏
(𝑥 − 𝑥0 )(𝑄1,0 ) − (𝑥 − 𝑥1 )(𝑄0,0 )
𝑄1,1 =
(𝑥1 − 𝑥0 )
Remplazamos x=0.25
(0.25 − 0.1)(−0.28398668) − (0.25 − 0.2)(0.62049958)
𝑄1,1 (0.25) = = −2.28747876
(0.2 − 0.1)
 Cuando 𝒊 = 𝟐 𝒚 𝒋 = 𝟏
(𝑥 − 𝑥1 )(𝑄2,0 ) − (𝑥 − 𝑥2 )(𝑄1,0 )
𝑄2.1 =
(𝑥2 − 𝑥1 )
(0.25 − 0.2)(0.00660095) − (0.25 − 0.3)(−0.28398668)
𝑄2.1 (0.25) = = −0.138692865
(0.3 − 0.2)
 Cuando 𝒊 = 𝟑 𝒚 𝒋=𝟏
(𝑥 − 𝑥2 )(𝑄3,0 ) − (𝑥 − 𝑥3 )(𝑄2,0 )
𝑄3,1 =
(𝑥3 − 𝑥2 )
(0.25 − 0.3)(0.24842440) − (0.25 − 0.4)(0.00660095)
𝑄3,1 (0.25) = = −0.114310775
(0.4 − 0.3)
 Cuando 𝒊 = 𝟐 𝒚 𝒋=𝟐
(𝑥 − 𝑥0 )(𝑄2,1 ) − (𝑥 − 𝑥2 )(𝑄1,1 )
𝑄2,2 =
(𝑥2 − 𝑥0 )
(0.25 − 0.1)(−0.138692865) − (0.25 − 0.3)(−2.28747876)
𝑄2,2 (0.25) = = −0.6758893388
(0.3 − 0.1)
 Cuando 𝒊 = 𝟑 𝒚 𝒋=𝟐
(𝑥 − 𝑥1 )(𝑄3,1 ) − (𝑥 − 𝑥3 )(𝑄2,1 )
𝑄3,2 =
(𝑥3 − 𝑥1 )
(0.25 − 0.2)(−0.114310775) − (0.25 − 0.4)(−0.138692865)
𝑄3,2 (0.25) =
(0.4 − 0.2)
= −0.1325973425
 Cuando 𝒊 = 𝟑 𝒚 𝒋=𝟑
(𝑥 − 𝑥0 )(𝑄3,2 ) − (𝑥 − 𝑥3 )(𝑄2,2 )
𝑄3,3 =
(𝑥3 − 𝑥0 )
(0.25 − 0.1)(−0.1325973425) − (0.25 − 0.4)(−0.6758893388)
𝑄3,3 (0.25) =
(0.4 − 0.1)
= −0.4042433407
𝐸0 = |𝑄3,3 − 𝑄2,2 | = |−0.4042433407 − (−0.6758893388)| = 0.2716459981
4.c Aplique el método de Neville para obtenerlas aproximaciones del ejercicio 3.
c. 𝒇(𝟎. 𝟐𝟓) 𝒔𝒊:

𝒇(𝟎. 𝟏) = 𝟎. 𝟔𝟐𝟎𝟒𝟗𝟗𝟓𝟖
𝒇(𝟎. 𝟐) = −𝟎. 𝟐𝟖𝟑𝟗𝟖𝟔𝟔𝟖
𝒇(𝟎. 𝟑) = 𝟎. 𝟎𝟎𝟔𝟔𝟎𝟎𝟗𝟓
𝒇(𝟎. 𝟒) = 𝟎. 𝟐𝟒𝟖𝟒𝟐𝟒𝟒𝟎
𝑥0 = 0.1 𝑦0 = 0.62049958
𝑥1 = 0.2 𝑦1 = −0.28398668
𝑥2 = 0.3 𝑦2 = 0.00660095
𝑥3 = 0.4 𝑦3 = 0.24842440
𝑄0,0 = 0,62049958
𝑄1,0 = −0.28398668
𝑄2,0 = 0.00660095
𝑄3,0 = 0,24842440
𝑓(0.25); 𝑥𝛼 = 0,25
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖,𝑗 =
𝑄𝑖,1 ; 𝑖 = 1; 2; 3
(𝑥 − 𝑥0 )𝑄1,0 − (𝑥 − 𝑥1 )𝑄0,0
𝑄1,1 =
𝑥1 − 𝑥0
(0.25 − 0.1)(−0.28398668) − (0.25 − 0.2)(0.62049958)
𝑄1,1 (0,25) =
(0.2 − 0.1)
𝑄1,1 (0,25) = −0.73622981
(𝑥 − 𝑥1 )𝑄2,0 − (𝑥 − 𝑥2 )𝑄1,0
𝑄2,1 =
𝑥2 − 𝑥1
(0.25 − 0.2)(0.00660095) − (0.25 − 0.3)(−0.28398668)
𝑄2,1 (0,25) =
(0.3 − 0.2)
𝑄2,1 (0,25) = −0.13869286
(𝑥 − 𝑥2 )𝑄3,0 − (𝑥 − 𝑥3 )𝑄2,0
𝑄3,1 =
𝑥3 − 𝑥2
(0.25 − 0.3)(0.24842440) − (0.25 − 0.4)(0.00660095)
𝑄3,1 =
(0.4 − 0.3)
𝑄3,1 = −0.11431077
𝑄𝑖,2 ; 𝑖 = 2; 3
(𝑥 − 𝑥0 )𝑄2,1 − (𝑥 − 𝑥2 )𝑄1,1
𝑄2,2 =
𝑥1 − 𝑥0
(0.25 − 0.1)(−0.13869286) − (0.25 − 0.3)(−0.73622981)
𝑄2,2 =
(0.2 − 0.1)
𝑄2,2 = −0.57615419
(𝑥 − 𝑥1 )𝑄3,1 − (𝑥 − 𝑥3 )𝑄2,1
𝑄3,2 =
𝑥3 − 𝑥1
(0.25 − 0.2)(−0.11431077) − (0.25 − 0.4)(−0.13869286)
𝑄3,2 =
0.4 − 0.1
𝑄3,2 = −0.13259733
(𝑥 − 𝑥0 )𝑄3,2 − (𝑥 − 𝑥3 )𝑄2,2
𝑄3,3 =
𝑥3 − 𝑥0
(0.25 − 0.1)(−0.13259733) − (0.25 − 0.4)(−0.57615419)
𝑄3,3 =
0.4 − 0.1
𝑄3,3 = −0.35437576
𝜉0 = |𝑄3,3 − 𝑄2.2 |
𝜉0 = |(−0.35437576) − (−0.57615419)|
𝜉0 = 0.22177843
4.d Aplique el método de Neville para obtener las aproximaciones del ejercicio.
d.- 𝑓(0.9) 𝑠𝑖 𝑓(0.6) = −0.17694460, 𝑓(0.7) = 0.01375227, 𝑓(0.8) =
0.22363362, 𝑓(1) =0.65809197
SOLUCIÓN
(𝑋−𝑋𝑖−𝑗)𝑄𝑖𝑗−1 −(𝑋−𝑋𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖𝑗 = 𝑋𝑗− 𝑋𝑖−𝑗
𝑋0 = 0.6 𝑌0 = 0.17694460
𝑋1 = 0.7 𝑌1 = 0.01375227
𝑋2 = 0.8 𝑌2 = 0.22363362
𝑋2 = 1 𝑌3 = 0.65809197
𝑄0,0 = 0.17694460 𝑄1,0 = 0.01375227
𝑄2,0 = 0.22363362 𝑄3,0 = 0.65809197
(𝑋 − 𝑋0 )𝑄1−0 − (𝑋 − 𝑋𝑖 )𝑄0,0
𝑄11 =
𝑋1− 𝑋0
(0.9 − 0.6)(0.01375227) − (0.9 − 0.7) (0.17694460)
𝑄11 =
0.7 − 0.6
𝑄11 = 0.3951488
(𝑋 − 𝑋1 )𝑄2−0 − (𝑋 − 𝑋2 )𝑄1,0
𝑄21 =
𝑋2− 𝑋1
(0.9 − 0.7)(0.22363362) − (0.9 − 0.8) (0.01375227)
𝑄21 =
0.8 − 0.7
𝑄21 = 0.4335150
(𝑋 − 𝑋2 )𝑄3−0 − (𝑋 − 𝑋3 )𝑄2,0
𝑄31 =
𝑋2− 𝑋1
(0.9 − 0.8)(0.65809197) − (0.9 − 1) (0.22363362)
𝑄31 =
1 − 0.8
𝑄31 = 0.4408641
(𝑋 − 𝑋0 )𝑄2−1 − (𝑋 − 𝑋2 )𝑄1,1
𝑄22 =
𝑋2− 𝑋1
(0.9 − 0.6)(0.4335150) − (0.9 − 8) (0.3951488)
𝑄22 =
0.8 − 0.6
𝑄22 = 0.4528
(𝑋 − 𝑋1 )𝑄3−1 − (𝑋 − 𝑋3 )𝑄2,1
𝑄32 =
𝑋3− 𝑋1
(0.9 − 0.7)(0.4408641) − (0.9 − 1) (0.4335150)
𝑄32 =
1 − 0.7
𝑄32 = 0.4383
(𝑋 − 𝑋1 )𝑄3−1 − (𝑋 − 𝑋3 )𝑄2,1
𝑄33 =
𝑋3− 𝑋1
(0.9 − 0.6)(0.4383) − (0.9 − 1) (0.4528)
𝑄33 =
1 − 0.6
𝑄33 = 0.44198
𝑒𝑜 =/ 0.44198 − 0.4528/= 0.01082 < 10−1
Ejercicio 4.d: Aplique el método de Neville para obtener las aproximaciones del ejercicio 3 parte d.
d). 𝑓(0.9) 𝑠𝑖 𝑓(0.6) = −0.17694460, 𝑓 (0.7) = 0.01375227, 𝑓 (0.8) = 0.22363362 , 𝑓(1.0) =
0.65809197
Solución
Para poder aproximar con este método he creado una tabla la cual nos ayudara en el procedimiento
del método.
i 𝒙𝒊 𝑸𝒊,𝟎 𝑸𝒊,𝟏 𝑸𝒊,𝟐 𝑸𝒊,𝟑
i=0,1,…3 i=1,2,3 i= 2,3 i= 3
0 𝑥0 = 0.6 𝑄0,0 = −0.17694460
1 𝑥1 = 0.7 𝑄1,0 = 0.01375227 𝑄1,1
2 𝑥2 = 0.8 𝑄2,0 = 0.22363362 𝑄2,1 𝑄2,2
3 𝑥3 = 1 𝑄3,0 = 0.65809197 𝑄3,1 𝑄3,2 𝑄3,3
Para aproximar utilizaremos la formula
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖,𝑗 =
Además:
𝑄0,0 = 𝑦0
𝑄1,0 = 𝑦1
𝑄2,0 = 𝑦2
𝑄3,0 = 𝑦3
𝑦0 = 𝑓𝑥0
𝑦1 = 𝑓𝑥1
𝑦2 = 𝑓𝑥2
𝑦3 = 𝑓𝑥3
Ahora procedemos a encontrar nuestros polinomios según lo hecho en la tabla:
(𝑥−𝑥0 )𝑄1,0−(𝑥−𝑥1)𝑄0,0
𝑄1,1 = Y como nos piden aproximar 𝑓(0.9) ; por lo tanto x=0.9
𝑥1−𝑥0
(0.9−0.6)0.01375227−(0.9−0.7)−0.17694460
𝑄1,1 (0.9) = 0.7−0.6
𝑄1.1 = 0.39514601
(𝑥−𝑥1 )𝑄2,0 −(𝑥−𝑥2)𝑄1,0

𝑄2,1 = 𝑥2 −𝑥1
(0.9−0.7)0.22363362−(0.9−0.8)0.01375227
𝑄2,1 (0.9) = 0.8−0.7
𝑄2.1 = 0.43351497
(𝑥−𝑥2 )𝑄3,0 −(𝑥−𝑥3)𝑄2,0

𝑄3,1 = 𝑥3 −𝑥2
(0.9−0.8)0.65809197−(0.9−1.0)0.22363362
𝑄3,1 (0.9) = 1.0−0.8
𝑄3.1 = 0.44086280
(𝑥−𝑥0 )𝑄2,1 −(𝑥−𝑥2)𝑄1,1

𝑄2,2 = 𝑥2 −𝑥0
(0.9−0.6)0.43351997−(0.9−0.8)0.39514601
𝑄2,2 (0.9) = 0.8−0.6
𝑄2,2 = 0.45269945
(𝑥−𝑥1 )𝑄3,1 −(𝑥−𝑥3)𝑄2,1

𝑄3,2 = 𝑥2 −𝑥0
(0.9−0.7)0.44086280−(0.9−1.0)0.43351497
𝑄3,2 (0.9) = 1.0−0.7
𝑄3,2 = 0.43841352
(𝑥−𝑥0 )𝑄3,2 −(𝑥−𝑥3)𝑄2,2

𝑄3,3 = 𝑥3 −𝑥0
(0.9−0.6)0.43841352−(0.9−1.0)0.45269945
𝑄3,3 (0.9) = 1.0−0.6
𝑄3,3 = 0.44198500
Error
|𝑄3,3 − 𝑄2,2 | = |0.44198500 − 0.45269945| = 0.01071445
Respuesta: por lo tanto nuestra función evaluada en x= 0.9 sería equivalente a 0.44198500
𝑓(0.9) ≈ 0.44198500
5. Aplique el método de Neville para aproximar 3 con la función f ( x)  3x y los valores

x0  2, x1  1, x2  0, x3  1, x4  2 .
Solución.
( x  xi  j )Qij 1  ( x  xi )Qi 1, j 1

Qij 
xi  xi  j
Definimos la tabla de Neville
Reemplazamos los valores X i
x0  2, x1  1, x2  0, x3  1, x4  2 .
La parte Y o Xi,0 se define mediante f ( x)  3x
Q(0,0)  0.1111111; Q(1,0)  0.3333333; Q(2,0)  1; Q(3,0)  3; Q(4,0)  9
Para los siguientes polinomios se utiliza la fórmula de Neville.
( 3  x0 )Q(1,0)  ( 3  x1 )Q(0,0) ( 3  (2))*0.3333333  ( 3  (1))*0.1111111

Q(1,1)    0.9404556
X1  X 0 1  (2)
( 3  x1 )Q(2,0)  ( 3  x2 )Q(1,0) ( 3  (1))*1  ( 3  (0))*0.3333333
Q(2,1)    2.1547006
X 2  X1 0  (1)
( 3  x2 )Q(3,0)  ( 3  x3 )Q(2,0) ( 3  (0))*3  ( 3  (1))*1

Q(3,1)    4.4641016
X3  X2 1 0
( 3  x3 )Q(4,0)  ( 3  x4 )Q(3,0) ( 3  (1))*9  ( 3  2)*3

Q(4,1)    7.3923048
X4  X3 2 1
( 3  x0 )Q(2,1)  ( 3  x2 )Q(1,1) ( 3  (2))*2.1547006  ( 3  0)*0.9404556

Q(2,2)    3.2062673
X2  X0 0  (2)
( 3  x1 )Q(3,1)  ( 3  x3 )Q(2,1) ( 3  (1))*4.4641016  ( 3  1)*21547006

Q(3,2)    5.3094010
X 3  X1 1  (1)
( 3  x2 )Q(4,1)  ( 3  x4 )Q(3,1) ( 3  (1))*7.3923048  ( 3  1)*4.4641016

Q(4,2)   7
X4  X2 20
Q(3,3)  8.226012
Q(4,3)  6.8490018
Q(4,4)  6.7802460
5. Aplique el método de Neville para aproximar √𝟑 con la función 𝒇(𝒙) = 𝟑𝒙 y los

valores.
𝑥0 = −2, 𝑥1 = −1, 𝑥2 = 0, 𝑥3 = 1, 𝑥4 = 2
Solución:
Primero definimos la fórmula de Neville
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖,𝑗 =
i Xi Y o Xi,0 Xi,1 Xi,2 Xi,3 Xi,4
0 𝑋0 𝑄(0,0)
1 𝑋1 𝑄(1,0) 𝑄(1,1)
2 𝑋2 𝑄(2,0) 𝑄(2,1) 𝑄(2,2)
3 𝑋3 𝑄(3,0) 𝑄(3,1) 𝑄(3,2) 𝑄(3,3)
4 𝑋4 𝑄(4,0) 𝑄(4,1) 𝑄(4,2) 𝑄(3,3) 𝑄(4,4)
Reemplazamos los valores Xi

𝑥0 = −2, 𝑥1 = −1, 𝑥2 = 0, 𝑥3 = 1, 𝑥4 = 2
La parte Y o Xi,0 se define mediante 𝒇(𝒙) = 𝟑𝒙
𝑄(0,0) = 0.1111111 𝑄(3,0) = 3
𝑄(1,0) = 0.3333333 𝑄(4,0) = 9
𝑄(2,0) = 1
Para hallar los siguientes polinomios se utiliza la fórmula de Neville
(√3 − 𝑥0 )𝑄1,0 − (√3 − 𝑥1 )𝑄0,0

𝑄1,1 =
𝑥1 − 𝑥0
(√3 − (−2))0.3333333 − (√3 − (−1)) 0.1111111

𝑄1,1 = = 0.9404556
1 − (−2)
(√3 − 𝑥1 )𝑄2,0 − (√3 − 𝑥2 )𝑄1,0

𝑄2,1 = = 2.1547006
𝑥2 − 𝑥1
(√3 − 𝑥2 )𝑄3,0 − (√3 − 𝑥3 )𝑄2,0

𝑄3,1 = = 4.4641016
𝑥3 − 𝑥2
(√3 − 𝑥3 )𝑄4,0 − (√3 − 𝑥4 )𝑄3,0

𝑄4,1 = = 7.4641016
𝑥4 − 𝑥3
(√3 − 𝑥0 )𝑄2,1 − (√3 − 𝑥2 )𝑄1,1

𝑄2,2 = = 3.2062673
𝑥2 − 𝑥0
(√3 − 𝑥1 )𝑄3,1 − (√3 − 𝑥3 )𝑄2,1

𝑄3,2 = = 5.3094010
𝑥3 − 𝑥1
(√3 − 𝑥2 )𝑄4,1 − (√3 − 𝑥4 )𝑄3,1
𝑄4,2 = = 7.0621778
𝑥4 − 𝑥2
(√3 − 𝑥0 )𝑄3,2 − (√3 − 𝑥3 )𝑄2,2

𝑄3,3 = = 8.7339019
𝑥3 − 𝑥0
(√3 − 𝑥1 )𝑄4,2 − (√3 − 𝑥4 )𝑄3,2

𝑄4,3 = = 6.9056261
𝑥4 − 𝑥1
(√3 − 𝑥0 )𝑄4,3 − (√3 − 𝑥4 )𝑄3,3

𝑄4,4 = = 7.0280974
𝑥4 − 𝑥0
i Xi Y o Xi,0 Xi,1 Xi,2 Xi,3 Xi,4

0 −2 0.1111111
1 −1 0.3333333 0.9404556
2 0 1 2.1547006 3.2062673
3 1 3 4.4641016 5.3094010 8.7339019
4 2 9 7.4641016 7.0621778 6.9056261 7.0280974
Ejercicio 5
Aplique en método de Neville para aproximar √3 con la función 𝑓(𝑥 ) = 3𝑥 y los valores
𝑥0 = −2; 𝑥1 = −1; 𝑥2 0; 𝑥3 = 1; 𝑥4 = 2.
SOLUCIÓN
Como nos pide hacer coincidir; entonces vamos a igualar, y al final poder verificar el error
con el valor real.
√3 = 3𝑥 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 0.5
Método de Neville. Fórmula.
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖,𝑗 =
Para esto tenemos:
i 𝒙𝒊 𝒚𝒊 j
0 1 2 3 4
0 -2 0.11111 = 𝑄0.0
= 0.11111
1 -1 0.33333 = 𝑄1.0 𝑄1.1
= 0.33333
2 0 1= 𝑄2.0 = 1 𝑄2.1 𝑄2.2
3 1 3= 𝑄3.0 = 3 𝑄3.1 𝑄3.2 𝑄3,3
4 2 9= 𝑄4.0 = 9 𝑄4.1 𝑄4.2 𝑄4.3 𝑄4.4
Como sabemos x = 0.5

Vamos encontrando todos los valores hasta llegar al de 𝑄4,4
(𝑥 − 𝑥0 )𝑄1,0 − (𝑥 − 𝑥1 )𝑄0,0 (0.5 + 2)0.33333 − (0.5 + 1)0.11111
𝑄1,1 = =
𝑥1 − 𝑥0 −1 + 2
= 𝟎. 𝟔𝟔𝟔𝟔𝟔
(𝑥 − 𝑥1 )𝑄2,.0 − (𝑥 − 𝑥2 )𝑄1,0 (0.5 + 1)1 − (0.5 − 0)0.33333

𝑄2,1 = = = 𝟏. 𝟑𝟑𝟑𝟑𝟒
𝑥2 − 𝑥1 0+1
(𝑥 − 𝑥2 )𝑄3,0 − (𝑥 − 𝑥3 )𝑄2,0 (0.5 − 0)3 − (0.5 − 1)1

𝑄3,1 = = =𝟐
𝑥3 − 𝑥2 1−0
(𝑥 − 𝑥3 )𝑄4,0 − (𝑥 − 𝑥4 )𝑄3,0 (0.5 − 1)9 − (0.5 − 2)3

𝑄4,1 = = =𝟎
𝑥4 − 𝑥3 2−1
(𝑥 − 𝑥0 )𝑄2,1 − (𝑥 − 𝑥2 )𝑄1,1 (0.5 + 2)1.33334 − (0.5 − 0)0.66666

𝑄2,2 = =
𝑥2 − 𝑥0 0+2
= 𝟏. 𝟓𝟎𝟎𝟎𝟏
(𝑥 − 𝑥1 )𝑄3,1 − (𝑥 − 𝑥3 )𝑄2,1 (0.5 + 1)2 − (0.5 − 1)1.33334
𝑄3,2 = = = 𝟏. 𝟖𝟑𝟑𝟑𝟒
𝑥3 − 𝑥1 1+1
(𝑥 − 𝑥2 )𝑄4,1 − (𝑥 − 𝑥4 )𝑄3,1 (0.5 − 0)0 − (0.5 − 2)2

𝑄4,2 = = = 𝟏. 𝟓
𝑥4 − 𝑥2 2−0
(𝑥 − 𝑥0 )𝑄3,2 − (𝑥 − 𝑥3 )𝑄2,2 (0.5 + 2)1.83334 − (0.5 − 1)1.50001

𝑄3,3 = =
𝑥3 − 𝑥0 1+2
= 𝟏. 𝟕𝟕𝟕𝟕𝟗
(𝑥 − 𝑥1 )𝑄4,2 − (𝑥 − 𝑥4 )𝑄3,2 (0.5 + 1)1.5 − (0.5 − 2)1.83334

𝑄4,3 = = = 𝟏. 𝟔𝟔𝟔𝟔𝟕
𝑥4 − 𝑥1 2+1
(𝑥 − 𝑥0 )𝑄4,3 − (𝑥 − 𝑥4 )𝑄3,3 (0.5 + 2)1.66667 − (0.5 − 2)1.77779

𝑄4,4 = =
𝑥4 − 𝑥0 2+2
= 𝟏. 𝟕𝟎𝟖𝟑𝟒
El valor real de √𝟑 es 1,73205. En el ejercicio (5), el error absoluto fue | 1.70834 - √𝟑 |

= 0.02371, y en el ejercicio (6), el error absoluto fue | 1.69061 - √𝟑 | = 0.04144, entonces
decimos que el ejercicio (5) fue más preciso.
6. Aplique el método de Neville para aproximar √3 con la función 𝑓 (𝑥 ) = √𝑥 y los valores

𝑥0 = 0 , 𝑥1 = 1 , 𝑥2 = 2 , 𝑥3 = 4 𝑦 𝑥4 = 5. Compare la exactitud con la del ejercicio 5.
SOLUCIÓN
Formula de Neville
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1

𝑄𝑖,𝑗 =
𝑓 ( 𝑥 ) = √𝑥
𝑥0 = 0 → 𝑄0,0 = 0
𝑥1 = 1 → 𝑄1,0 = 1
𝑥2 = 2 → 𝑄2,0 = 1.41421356
𝑥3 = 4 → 𝑄3,0 = 2
𝑥4 = 5 → 𝑄4,0 = 2.23606798
(𝑥 − 𝑥0 )𝑄1,0 − (𝑥 − 𝑥1 )𝑄0,0
−𝑄1,1 =
𝑥1 − 𝑥0
(√3 − 0) ∗ 1 − (√3 − 1) ∗ 0
𝑄1,1 = → = 1.73205081
1−0
(𝑥 − 𝑥1 )𝑄2,0 − (𝑥 − 𝑥2 )𝑄1,0
−𝑄2,1 =
𝑥2 − 𝑥1
(√3 − 1) ∗ 1.41421356 − (√3 − 2) ∗ 1

𝑄2,1 = → = 1.30322537
2−1
(𝑥 − 𝑥2 )𝑄3,0 − (𝑥 − 𝑥3 )𝑄2,0
−𝑄3,1 =
𝑥3 − 𝑥2
(√3 − 2) ∗ 2 − (√3 − 4) ∗ 1.41421356

𝑄3,1 = → = 1.33573306
4−2
(𝑥 − 𝑥3 )𝑄4,0 − (𝑥 − 𝑥4 )𝑄3,0
−𝑄4,1 =
𝑥4 − 𝑥3
(√3 − 4) ∗ 2.23606798 − (√3 − 5) ∗ 2

𝑄4,1 = → = 1.46460982
5−4
(𝑥 − 𝑥0 )𝑄2,1 − (𝑥 − 𝑥2 )𝑄1,1
−𝑄2,2 =
𝑥2 − 𝑥0
(√3 − 0) ∗ 1.30322537 − (√3 − 2) ∗ 1.73205081

𝑄2,2 = → = 1.36067709
2−0
(𝑥 − 𝑥1 )𝑄3,1 − (𝑥 − 𝑥3 )𝑄2,1
−𝑄3,2 =
𝑥3 − 𝑥1
(√3 − 1) ∗ 1.33573306 − (√3 − 4) ∗ 1.30322537

𝑄3,2 = → = 1.31115780
4−1
(𝑥 − 𝑥2 )𝑄4,1 − (𝑥 − 𝑥4 )𝑄3,1
−𝑄4,2 =
𝑥4 − 𝑥2
(√3 − 2) ∗ 1.46460982 − (√3 − 5) ∗ 1.33573306
𝑄4,2 = → = 1.32422225
5−2
(𝑥 − 𝑥0 )𝑄3,2 − (𝑥 − 𝑥3 )𝑄2,2
−𝑄3,3 =
𝑥3 − 𝑥0
(√3 − 0) ∗ 1.31115780 − (√3 − 4) ∗ 1.36067709

𝑄3,3 = → = 1.33923461
4−0
(𝑥 − 𝑥1 )𝑄4,2 − (𝑥 − 𝑥4 )𝑄3,2
−𝑄4,3 =
𝑥4 − 𝑥1
(√3 − 1) ∗ 1.32422225 − (√3 − 5) ∗ 1.31115780

𝑄4,3 = → = 1.31354876
5−1
(𝑥 − 𝑥0 )𝑄4,3 − (𝑥 − 𝑥4 )𝑄3,3
−𝑄4,4 =
𝑥4 − 𝑥0
(√3 − 0) ∗ 1.31354876 − (√3 − 5) ∗ 1.33923461

𝑄4,4 = → = 1.33033677
5−0
Tabla de valores según Neville

i Xi 𝑄𝑖0 𝑄𝑖1 𝑄𝑖2 𝑄𝑖3 𝑄𝑖4
0 0 0
1 1 1 1.73205081
2 2 1.41421356 1.30322537 1.36067709
3 4 2 1.33573306 1.31115780 1.33923461
4 5 2.23606798 1.46460982 1.32422225 1.31354876 1.33033677
EJERCICIO 6. Aplique en método de Neville para aproximar √3 con la función 𝑓 (𝑥) = √𝑥

y los valores 𝑥0 = 0; 𝑥1 = 1; 𝑥2 = 2; 𝑥3 = 4; 𝑥4 = 5. Compare la exactitud con con la
del ejercicio 5.
SOLUCIÓN
Como nos pide hacer coincidir; entonces vamos a igualar, y al final poder verificar el error
con el valor real.
√3 = √𝑥 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 3
Método de Neville. Fórmula.
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1
𝑄𝑖,𝑗 =
Para esto tenemos:

i 𝒙𝒊 𝒚𝒊 j
0 1 2 3 4
0 0 0= 𝑄0.0 = 0
1 1 1= 𝑄1.0 = 1 𝑄1.1
2 2 1.41421= 𝑄2.0 𝑄2.1 𝑄2.2
= 1.414421
3 4 2= 𝑄3.0 = 2 𝑄3.1 𝑄3.2 𝑄3,3
4 5 2.23607= 𝑄4.0 𝑄4.1 𝑄4.2 𝑄4.3 𝑄4.4
= 2.23607
Como sabemos x = 3
Vamos encontrando todos los valores hasta llegar al de 𝑄4,4
(𝑥 − 𝑥0 )𝑄1,0 − (𝑥 − 𝑥1 )𝑄0,0 (3 − 0)1 − (3 − 1)0
𝑄1,1 = = =𝟑
𝑥1 − 𝑥0 1−0
(𝑥 − 𝑥1 )𝑄2,.0 − (𝑥 − 𝑥2 )𝑄1,0 (3 − 1)1.41421 − (3 − 2)1

𝑄2,1 = = = 𝟏. 𝟖𝟐𝟖𝟒𝟐
𝑥2 − 𝑥1 2−1
(𝑥 − 𝑥2 )𝑄3,0 − (𝑥 − 𝑥3 )𝑄2,0 (3 − 2)2 − (3 − 4)1.41421

𝑄3,1 = = = 𝟏. 𝟕𝟎𝟕𝟏𝟏
𝑥3 − 𝑥 2 4−2
(𝑥 − 𝑥3 )𝑄4,0 − (𝑥 − 𝑥4 )𝑄3,0 (3 − 4)2.23607 − (3 − 5)2

𝑄4,1 = = = 𝟏. 𝟕𝟔𝟑𝟗𝟑
𝑥4 − 𝑥 3 5−4
(𝑥 − 𝑥0 )𝑄2,1 − (𝑥 − 𝑥2 )𝑄1,1 (3 − 0)1.82842 − (3 − 2)3

𝑄2,2 = = = 𝟏. 𝟐𝟒𝟐𝟔𝟑
𝑥2 − 𝑥 0 2−0
(𝑥 − 𝑥1 )𝑄3,1 − (𝑥 − 𝑥3 )𝑄2,1 (3 − 1)1.70711 − (3 − 4)1.82842
𝑄3,2 = = = 𝟏. 𝟕𝟒𝟕𝟓𝟓
𝑥3 − 𝑥1 4−1
(𝑥 − 𝑥2 )𝑄4,1 − (𝑥 − 𝑥4 )𝑄3,1 (3 − 2)1.76393 − (3 − 5)1.70711

𝑄4,2 = = = 𝟏. 𝟕𝟐𝟔𝟎𝟓
𝑥4 − 𝑥2 5−2
(𝑥 − 𝑥0 )𝑄3,2 − (𝑥 − 𝑥3 )𝑄2,2 (3 − 0)1.74755 − (3 − 4)1.24263

𝑄3,3 = = = 𝟏. 𝟔𝟐𝟏𝟑𝟐
𝑥3 − 𝑥0 4−0
(𝑥 − 𝑥1 )𝑄4,2 − (𝑥 − 𝑥4 )𝑄3,2 (3 − 1)1.72605 − (3 − 5)1.74755

𝑄4,3 = = = 𝟏. 𝟕𝟑𝟔𝟖𝟎
𝑥4 − 𝑥1 5−1
(𝑥 − 𝑥0 )𝑄4,3 − (𝑥 − 𝑥4 )𝑄3,3 (3 − 0)1.73680 − (3 − 5)1.62132

𝑄4,4 = = = 𝟏. 𝟔𝟗𝟎𝟔𝟏
𝑥4 − 𝑥0 5−0
Nos damos cuenta que está cerca al valor real de √3 = 1.73205. Hay una aproximación
7a
Los datos del ejercicio 3 se generan usando las siguientes funciones. use la formula
correspondiente para encontrar una cota de error y compare la cota con el error real
cuando n=1 y n=2
𝑓 (𝑥 ) = 𝑥𝑙𝑛(𝑥) 𝑓 (𝑥 ) = (8.4)
𝑥0 = 8.1 𝑥1 = 8.3 𝑥2 = 8.6 𝑥3 = 8.7
𝑓 (8.1) = 16.9440989 𝑓(8.3) = 17.5649208 𝑓(8.6) = 18.5051549
𝑓(8.7) = 18.8209103
Cuando n=1
1
𝑝(𝑥 ) = ∑ 𝑓(𝑥𝑘 )𝐿1.𝑘 (𝑥)

𝑘=0
𝑝(𝑥 ) = 𝑓 (𝑥0 )𝐿1.0 (𝑥 ) + 𝑓 (𝑥1 )𝐿1.1 (𝑥 )

1
(𝑥 − 𝑥𝑖 )
𝐿𝑛,𝑘 (𝑥 ) = ∏
𝑖=0
𝑖≠𝑘
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥𝑖 ) 𝑥 − 8.3 𝑥 − 8.3
𝐿1,0 (𝑥 ) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥𝑖 ) 8.1 − 8.3 −0.2
𝑖=0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥𝑖 ) 𝑥 − 8.1 𝑥 − 8.1
𝐿1,1 (𝑥 ) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥𝑖 ) 8.3 − 8.1 0.2
𝑖=0
𝑖≠1
𝑝(𝑥 ) = 𝑓 (𝑥0 )𝐿1.0 (𝑥 ) + 𝑓 (𝑥1 )𝐿1.1 (𝑥 )

𝑥−8.3 𝑥−8.1
𝑝(𝑥 ) = 16.9440989 ( −0.2 ) + 17.5649208 ( )
0.2
𝑝(𝑥 ) = (−84.7204945𝑥 + 703.1801044) + (87.8246040𝑥 − 711.3792924)

𝑝(𝑥 ) = 3.1041095𝑥 − 8.1991880
𝑝(8.4) = 17.8753318
Error real:
𝐸 = |𝑓 (𝑥 ) − 𝑝(𝑥)| = |𝑓 (8.4) − 𝑝(8.4)|
𝑬 = |𝟏𝟕. 𝟖𝟕𝟕𝟏𝟒𝟔𝟑 − 𝟏𝟕. 𝟖𝟕𝟓𝟑𝟑𝟏𝟖| =0.0018145
Cota de error
𝑓 𝑛+1 (𝜀 )
|𝑓 (𝑥 ) − 𝑝(𝑥)| = | (𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ) … … (𝑥 − 𝑥𝑖+𝑛 )|
(𝑛 + 1)
𝑓´(𝑥 ) = ln(𝑥 ) + 1
1 1
𝑓´´(𝑥 ) = ≤ = 0.1234568
𝑥 8.1
0.1234568
|𝑓 (8.4) − 𝑝(8.4)| = | (8.4 − 8.1)(8.4 − 8.3)|
2!
|𝒇(𝟖. 𝟒) − 𝒑(𝟖. 𝟒)| = 𝟎. 𝟎𝟎𝟏𝟖𝟓𝟏𝟗
Entonces observamos el valor real es mayor que la cota de error
Cuando n=2
𝑥0 = 8.1 𝑥1 = 8.3 𝑥2 = 8.6 𝑥3 = 8.7
𝑝(𝑥 ) = 𝑓 (𝑥0 )𝐿2.0 (𝑥 ) + 𝑓(𝑥1 )𝐿2.1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2.2 (𝑥 )
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 8.3)(𝑥 − 8.6) 𝑥 2 − 16.9𝑥 + 71.38
𝐿2,0 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (8.1 − 8.3)(8.1 − 8.6) 0.1
𝑖=0
𝑖≠0
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 8.1)(𝑥 − 8.6) 𝑥 2 − 16.7𝑥 + 69.66
𝐿2,1 (𝑥 ) = ∏ = =
(𝑥1 − 𝑥𝑖 ) (8.3 − 8.1)(8.3 − 8.6) −0.06
𝑖=0
𝑖≠1
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 8.1)(𝑥 − 8.3) 𝑥 2 − 16.4𝑥 + 67.23
𝐿2,2 (𝑥 ) = ∏ = =
(𝑥2 − 𝑥𝑖 ) (8.6 − 8.1)(8.6 − 8.3) 0.15
𝑖=0
𝑖≠2
𝑝(𝑥 ) = 𝑓 (𝑥0 )𝐿2.0 (𝑥 ) + 𝑓(𝑥1 )𝐿2.1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2.2 (𝑥 )

𝑥 2 − 16.9𝑥 + 71.38 𝑥 2 − 16.7𝑥 + 69.66
𝑝(𝑥 ) = 16.9440989 ( ) + 17.5649208 ( )+
0.1 −0.06
𝑥 2−16.4𝑥+67.23
18.5051549 ( )
0.15
𝑝(𝑥 ) = (169.4409890𝑥 2 − 2863.552714𝑥 + 12094.69779)

(-292.7486800𝑥 2 + 4888.902956𝑥 − 20392.87305)
(123.3676993𝑥 2 − 2023.230269𝑥 + 8294.010426
𝑝(𝑥 ) = 0.0600083𝑥 2 +2.1199730x-4.1648340
𝑝(𝑥 ) = 17.8771248
Error real:
𝐸 = |𝑓 (𝑥 ) − 𝑝(𝑥)| = |𝑓 (8.4) − 𝑝(8.4)|
𝑬 = |𝟏𝟕. 𝟖𝟕𝟕𝟏𝟒𝟔𝟑 − 𝟏𝟕. 𝟖𝟕𝟕𝟏𝟐𝟒𝟖| = 𝟎. 𝟎𝟎𝟎𝟎𝟐𝟏𝟓
Cota de error
𝑓 𝑛+1 (𝜀 )
|𝑓 (𝑥 ) − 𝑝(𝑥)| = | (𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ) … … (𝑥 − 𝑥𝑖+𝑛 )|
(𝑛 + 1)
𝑓´(𝑥 ) = ln(𝑥 ) + 1
1
𝑓´´(𝑥 ) =
𝑥
1 1
𝑓´´´(𝑥 ) = ≤− =-0.0152416
𝑥2 8.12
−0.0152416
|𝑓 (8.4) − 𝑝(8.4)| = | (8.4 − 8.1)(8.4 − 8.3)(8.4 − 8.6)|
2!
|𝒇(𝟖. 𝟒) − 𝒑(𝟖. 𝟒)| = 𝟎. 𝟎𝟎𝟎𝟎𝟏𝟓𝟐
Observamos que el error real es menor que la cota de error
7.a. Los datos del ejercicio 3 se generaron usando las siguientes funciones. Use la
fórmula correspondiente para encontrar una cota de error y compare la cota con el
error real cuando n= 1 y n = 2.
a) f (x) x ln(x) f (8.4)
x0 8.1 x1 8.3 x2 8.6
x3 8.7
f (8.1) 16.94410; f (8.3) = 17.56492; f (8.6) = 18.50515; f (8.7)
= 18.82091
 Cuando n=1:
1
P(x)=∑𝑘=0(𝑓(𝑥𝑘 ) )𝐿1, 𝑘 (𝑥)
(𝑥−𝑥𝑖 )
𝐿𝑛,𝑘 = ∏1𝑖=0 (𝑥
𝑖≠𝑘 𝑘 −𝑥𝑖 )
P(x)= f (x0 )L1,0 (x) f (x1 )L1;1 (x)

3
(𝑥 − 𝑥𝑖 )(𝑥 − 𝑥1 ) 𝑥 − 8.3 𝑥 − 8.3
𝐿1,0 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 )(𝑥0 − 𝑥1 ) 8.1 − 8.3 −0.2
𝑖=0
𝑖≠0
3
(𝑥 − 𝑥𝑖 )(𝑥 − 𝑥1 ) 𝑥 − 8.1 𝑥 − 8.1
𝐿1,0 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 )(𝑥0 − 𝑥1 ) 8.3 − 8.1 0.2
𝑖=0
𝑖≠1
P(x) f (x0 )L1,0 (x) f (x1 )L1;1 (x)
𝑥−8.3 𝑥−8.1
P(x) (16.94410) ( ) + (17.56492) ( )
−0.2 0.2
P(x) ( 84.7205x 703.18015) (87.8246x 711.37926)
P(x) 3.1041x 8.19911
ERROR REAL:
E | f (x) P(x)| f (8.4) P (8.4) |
E |17.8771463 17.8753400| 0.0018063
𝑓𝑛+1 (𝜀)
| f (x) P(x)|= | (𝑥 − 𝑥1 )(𝑥 − 𝑥𝑖+1 ) … . . (𝑥 − 𝑥𝑖+𝑛 )|
(𝑛+1)!
1 1
f (x) ln(x) 1 f (x) ≤ = 0.1234568
𝑥 8.1
0.1234568
| f (8.4) P (8.4) |= | (8.4 − 8.1)(8.4 − 8.3)|
2!
| f (8.4) P (8.4) |= 0.000000

Comparando E 0.0018063 y | f (8.4) P (8.4) | 0.0000000
notamos que el error real es mayor a la cota de error
 Cuando n 2:
f (x) x ln(x) x0 8.1, x1 8.3, x2 8.6, x2 8.7
x0 8.1 x1 8.3 x2 8.6 x3

8.7
P(x) f (x0 )L2,0 (x) f (x1 )L2;1 ( x) f (x2 )L2, 2
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 8.3)(𝑥 − 8.6) 𝑥 2 − 16.9𝑥 + 71.38
𝐿2,0 (𝑥 ) = ∏ = =
(𝑥 0 − 𝑥 𝑖 ) (8.1 − 8.3)(8.1 − 8.6) 0.1
𝑖=0
𝑖≠0
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 8.1)(𝑥 − 8.6) 𝑥 2 − 16.7𝑥 + 69.66
𝐿2,1 (𝑥 ) = ∏ = =
(𝑥1 − 𝑥𝑖 ) (8.3 − 8.1)(8.3 − 8.6) −0.06
𝑖=0
𝑖≠1
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 8.1)(𝑥 − 8.3) 𝑥 2 − 16.4𝑥 + 67.23
𝐿2,1 (𝑥 ) = ∏ = =
(𝑥 2 − 𝑥 𝑖 ) (8.6 − 8.1)(8.6 − 8.3) 0.15
𝑖=0
𝑖≠2
P(x) f (x0 )L2,0 (x) f (x1 )L2;1 ( x) f (x2 )L2, 2

𝑥 2 −16.9𝑥+71.38 𝑥 2−16.7𝑥+69.66
P(x) (16.94410) ( ) + (17.56492) ( )
0.1 −0.06
𝑥 2−16.4𝑥+67.23
+ (18.50515) ( )
0.15
P(x) (169.441𝑥 2 − 2863.5529𝑥 + 12094.69858) (-

292.748667𝑥 2 +
4888.9027339𝑥 − 20392.87212) (123.367667𝑥 2 −
2023.2297333𝑥 +
8294.0082300)
P(x) = 0,06𝑥 2 + 2.1201006𝑥 − 4.1653100
ERROR REAL
E=|𝑓 (𝑥 ) − 𝑃(𝑥)|=|𝑓(8.4) − 𝑃(8.4)|
E=|17.8771463-17.8771350|=0.0000113
COTA DE ERROR
𝑓𝑛+1 (𝜀)
| f (x) P(x)|= | (𝑥 − 𝑥1 )(𝑥 − 𝑥𝑖+1 ) … . . (𝑥 − 𝑥𝑖+𝑛 )|
(𝑛+1)!
1 1 1
f (x) ln(x) 1 f (𝑥 ) = f (x) − 𝑥 2 ≤ − 8.12 = -
𝑥
0.0152416
−0.0152416
| f (8.4) P(8.4)|= | (8.4 − 8.1)(8.4 − 8.3)(8.4 − 8.6)|
3!
|𝑓 (8.4) − 𝑃(8.4)|= 0.0000152

Comparando E 0.0000113 y | f (8.4) P (8.4)| 0.0000152
notamos que el error real es menor a la cota de error.
7. 𝐿𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 3 𝑠𝑒 𝑔𝑒𝑛𝑒𝑟𝑎𝑟𝑜𝑛 𝑢𝑠𝑎𝑛𝑑𝑜 𝑙𝑎𝑠 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒𝑠 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑠. 𝑈𝑠𝑒 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎
𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑝𝑎𝑟𝑎 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑢𝑛𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑜𝑟 𝑦 𝑐𝑜𝑚𝑝𝑎𝑟𝑒 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛
=1𝑦𝑛=2
1
𝒃. 𝒇(𝒙) = 𝒙𝟑 + 𝟒. 𝟎𝟎𝟏𝒙𝟐 + 𝟒. 𝟎𝟎𝟐𝒙 + 𝟏. 𝟏𝟎1 𝑓 (− 3)
1
𝑏. 𝑓 (− ) 𝑠𝑖 𝑓 (−0.75) = −0.07181250, 𝑓(−0.5) = −0.02475000, 𝑓(−0.25)
3
= 0.334993750
𝑓 (0) = 1.10100000
𝑥0 = −0.75 𝑥1 = −0.5 𝑥2 = −0.25 𝑥3 = 0
𝒇(−𝟎. 𝟕𝟓) = −0.07181250 𝒇(−𝟎. 𝟓) = −0.02475000
𝒇(−𝟎. 𝟐𝟓) = 0.334993750 𝒇(𝟎) = 1.10100000
𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 = 1
1 1
(𝑥 − 𝑥𝑖 )
𝑃(𝑥 ) = ∑ 𝑓(𝑥𝑘 )𝐿1,𝑘 (𝑥) ; 𝐿𝑛,𝑘 = ∏
𝑘=0 𝑘=0
𝑖≠𝑘
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1 (𝑥)
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 ) 𝑥 − (−0.5) 𝑥 + 0.5
𝐿1,0 (𝑥 ) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 ) −0.75 − (−0.5) −0.25
𝑖=0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 ) 𝑥 − (−0.75) 𝑥 + 0.75
𝐿1,1 (𝑥 ) = ∏ = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 ) −0.5 − (−0.75) 0.25
𝑖=0
𝑖≠1
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1 (𝑥)

𝑥+0.5 𝑥+0.75
𝑃(𝑥 ) = (−0.07181250) (−0.25 ) + (−0.02475000) ( )
0.25
𝑃(𝑥 ) = 0.28725𝑥 + 0.143625 + (−0.099𝑥 − 0.07425)

𝑷(𝒙) = 𝟎. 𝟏𝟖𝟖𝟐𝟓𝒙 + 𝟎. 𝟎𝟔𝟗𝟑𝟕𝟓
1 1
𝐸𝑅𝑅𝑂𝑅 𝑅𝐸𝐴𝐿 = |𝑓(𝑥 ) − 𝑃(𝑥)| = |𝑓 (− 3) − 𝑃 (− 3)|
𝒇(𝒙) = 𝒙𝟑 + 𝟒. 𝟎𝟎𝟏𝒙𝟐 + 𝟒. 𝟎𝟎𝟐𝒙 + 𝟏. 𝟏𝟎1

1 1 3 1 2 1
𝑓 (− ) = (− ) + 4.001 (− ) + 4.002 (− ) + 1.101 = 𝟎. 𝟏𝟕𝟒𝟓𝟏𝟖𝟓𝟏𝟖𝟓
3 3 3 3
𝑷(𝒙) = 𝟎. 𝟏𝟖𝟖𝟐𝟓𝒙 + 𝟎. 𝟎𝟔𝟗𝟑𝟕𝟓
1 1
𝑃 (− 3) = 0.18825 (− 3) + 0.069375 = 0.006625
1 1
𝐸𝑅𝑅𝑂𝑅 𝑅𝐸𝐴𝐿 = |𝑓(𝑥 ) − 𝑃(𝑥)| = |𝑓 (− 3) − 𝑃 (− 3)|
𝐸𝑅𝑅𝑂𝑅 𝑅𝐸𝐴𝐿 = |𝟎. 𝟏𝟕𝟒𝟓𝟏𝟖𝟓𝟏𝟖𝟓 − 0.006625| = 0.1678935185

𝑐𝑎𝑙𝑐𝑢𝑙𝑒𝑚𝑜𝑠 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
𝑓𝑛+1 (𝜉)
𝐶𝑂𝑇𝐴 𝐷𝐸 𝐸𝑅𝑅𝑂𝑅 = | (𝑛+1)! (𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ) … … … . . (𝑥 − 𝑥𝑖+𝑛 )|
𝒇(𝒙) = 𝒙𝟑 + 𝟒. 𝟎𝟎𝟏𝒙𝟐 + 𝟒. 𝟎𝟎𝟐𝒙 + 𝟏. 𝟏𝟎𝟏

𝐷𝑒𝑟𝑖𝑣𝑎𝑚𝑜𝑠 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛
𝒇′ (𝒙) = 𝟑𝒙𝟐 + 𝟐(𝟒. 𝟎𝟎𝟏)𝒙 + 𝟒. 𝟎𝟎𝟐 ; 𝒇′′ (𝒙) = 𝟔𝒙 + 𝟐(𝟒. 𝟎𝟎𝟏) ≤ 𝟔𝒙 + 𝟖. 𝟎𝟎𝟐
𝑓1+1(𝜉) 𝑓2 (𝜉)
| (1+1)! (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )| = | [−0.333 − (−0.75)][−0.333 − (−0.5)]| =
(2)!
|0.0348195𝑓 2 (𝜉)|
= |0.0348195𝑓 2 (𝜉)| ≤ 0.0348195[6(−0.5) + 8.002] = 0.26814513

 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 = 2
𝑓 (𝑥 ) = 𝑥 3 + 4.001𝑥 2 + 4.002𝑥 + 1.101
𝑥0 = −0.75 𝑥1 = −0.5 𝑥2 = −0.25
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓(𝑥2 )𝐿2,2 (𝑥)
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) [(𝑥 − (−0.5))(𝑥 − (−0.25))]
𝐿2,0 (𝑥 ) = ∏ = =
(𝑥 0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) [(−0.75 − (−0.5)(−0.75 − (−0.25)]
𝑖=0
𝑖≠0
𝑥 2 + 0.75𝑥 + 0.125
=
0.125
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) [(𝑥 − (−0.75))(𝑥 − (−0.25))]
𝐿2,1 (𝑥) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) [(−0.5 − (−0.75)(−0.5 − (−0.25)]
𝑖=0
𝑖≠1
𝑥 2 + 𝑥 + 0.1875
=
−0.0625
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) [(𝑥 − (−0.75))(𝑥 − (−0.5))]
𝐿2,2 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) [(−0.25 − (−0.75)(−0.25 − (−0.5)]
𝑖=0
𝑖≠2
𝑥 2 + 1.25𝑥 + 0.375
=
0.125
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓(𝑥2 )𝐿2,2 (𝑥)
𝑥 2 + 0.75𝑥 + 0.125 𝑥 2 + 𝑥 + 0.1875

𝑃(𝑥 ) = (−0.07181250) ( ) + (−0.02475) ( )
0.125 −0.0625
𝑥 2 + 1.25𝑥 + 0.375
+ (0.33499375) ( )
0.125
𝑃(𝑥 ) = −0.5745𝑥 2 − 0.430875𝑥 − 0.07181250 + 0.396𝑥 2 + 0.396𝑥 + 0.07425

+ 2.67995𝑥 2 + 3.3499375𝑥 + 1.00498125
𝑃(𝑥 ) = 2.50145𝑥 2 + 3.3150625𝑥 + 1.00741875
1 1
𝐸𝑅𝑅𝑂𝑅 = |𝑓(𝑥 ) − 𝑃(𝑥 )| = |𝑓 (− 3) − 𝑃 (− 3)|
𝒇(𝒙) = 𝒙𝟑 + 𝟒. 𝟎𝟎𝟏𝒙𝟐 + 𝟒. 𝟎𝟎𝟐𝒙 + 𝟏. 𝟏𝟎1

1 1 3 1 2 1
𝑓 (− 3) = (− 3) + 4.001 (− 3) + 4.002 (− 3) + 1.101 = 𝟎. 𝟏𝟕𝟒𝟓𝟏𝟖𝟓𝟏𝟖𝟓
𝑃(𝒙) = 𝟐. 𝟓𝟎𝟏𝟒𝟓𝒙𝟐 + 𝟑. 𝟑𝟏𝟓𝟎𝟔𝟐𝟓𝒙 + 𝟏. 𝟎𝟎𝟕𝟒𝟏𝟖𝟕𝟓

𝟏 𝟏 𝟐 𝟏
𝑃 (− 𝟑) = 𝟐. 𝟓𝟎𝟏𝟒𝟓 (− 𝟑) + 𝟑. 𝟑𝟏𝟓𝟎𝟔𝟐𝟓 (− 𝟑) + 𝟏. 𝟎𝟎𝟕𝟒𝟏𝟖𝟕𝟓 = 𝟎. 𝟏𝟖𝟎𝟑𝟑𝟔𝟖𝟎𝟔𝟓
𝐸𝑅𝑅𝑂𝑅 𝑅𝐸𝐴𝐿 = |𝟎. 𝟏𝟕𝟒𝟓𝟏𝟖𝟓𝟏𝟖𝟓 − 0.1803368065| = 0.0058182865

𝑐𝑎𝑙𝑐𝑢𝑙𝑒𝑚𝑜𝑠 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
𝑓𝑛+1 (𝜉)
𝐶𝑂𝑇𝐴 𝐷𝐸 𝐸𝑅𝑅𝑂𝑅 = | (𝑛+1)! (𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ) … … … . . (𝑥 − 𝑥𝑖+𝑛 )|
𝒇(𝒙) = 𝒙𝟑 + 𝟒. 𝟎𝟎𝟏𝒙𝟐 + 𝟒. 𝟎𝟎𝟐𝒙 + 𝟏. 𝟏𝟎𝟏

𝐷𝑒𝑟𝑖𝑣𝑎𝑚𝑜𝑠 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛
𝒇′ (𝒙) = 𝟑𝒙𝟐 + 𝟐(𝟒. 𝟎𝟎𝟏)𝒙 + 𝟒. 𝟎𝟎𝟐 ; 𝒇′′ (𝒙) = 𝟔𝒙 + 𝟐(𝟒. 𝟎𝟎𝟏) 𝒇′′′ (𝒙) = 𝟔
𝑓2+1(𝜉) 𝑓3 (𝜉)
| (2+1)! (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )| = | [−0.333 − (−0.75)][−0.333 −
(3)!
(−0.5)][−0.333 − (−0.25)]| = |−0.0009633395𝑓 3 (𝜉)|
= |−0.0009633395𝑓 3 (𝜉)| ≤ 0.0009633395 = 0.0009633395
7c Use la fórmula correspondiente para encontrar una cota de error y compare la cota con
el error real cuando n = 1 y n = 2.
C) 𝒇(x) = xcosx - 2𝑥 2 +3x – 1
𝑥0 = 0.65 𝑥1 = -0.4 𝑥2 = - 0.35 𝑥3 = 0
f (-0.65) = - 4.444966 𝒇 (-0.4) = -2.919992 𝒇 (-0.35) = -2.644995 𝒇 (0) = -1
cuando n=1
1 1
(𝑥 − 𝑥𝑖 )
𝑃(𝑋) = ∑ 𝑓 (𝑥𝑘 )𝐿1,𝑘 (x) ; 𝐿𝑛,𝑘 = ∏
𝑘−0 𝑖−0
𝑖≠𝑘
p(x) = 𝑓(𝑥0) 𝐿1,0 (x) + 𝑓(𝑥1) 𝐿1,1 (x)

1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 ) 𝑥 − (−0.5) 𝑥 + 0.5
𝐿1,0 (x) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 ) −0.75 − (−0.5) −0.25
𝑖−0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 ) 𝑥 − (−0.75) 𝑥 + 0.75
𝐿1,1 (x) = ∏ = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 ) −0.5 − (−0.75) 0.25
𝑖−0
𝑖≠1
p(x) = 𝑓(𝑥0) 𝐿1,0 (x) + 𝑓(𝑥1) 𝐿1,1 (x)

𝑥+0.5 𝑥+0.75
p(x) = (-0.07181250)⟮ −0.25 ⟯ +(0.02475000)⟮ ⟯
0.25
P(X) = (0.28725000) +(0.143625) -0.09900000x – 0.07425000

P(x) = -0.70275000x – 0.06937500
ERROR REAL
1 1
E = ⎸ 𝒇(x) - P(x) ⎸= ⎸𝒇(− 3 ) – P(-3 ) ⎸
E = ⎸0.24451852 – 0.16485800 ⎸= 0.00854452
COTA DE ERROR
𝑓𝑛+1 (↋)
⎸ 𝒇(x) - P(x) ⎸= ⎸( (𝑛+1)! )(x- 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ) …( 𝑥 − 𝑥𝑖+𝑛 )⎸
→ 𝑓 ′ (x) = 3𝑥 2 +8.002x + 4.002 𝑓 ′ ′ (x) =6x + 8.002 ≤ 6(- 0.75)+8.002 = 4.302
3.502 1 1
⎸ 𝒇 (8.4) - P (8.4) ⎸= ⎸ ((− ) − (−0.75))((- )-(-0.5))⎸
2! 3 3
⎸ 𝒇 (8.4) - P (8.4) ⎸= 0.14239722
C0mprovando E= 0.00964352 y ⎸ 𝒇 (8.4) - P (8.4) ⎸=0.14239722

Notamos que el error real es menor que la cota de error
7.d Los datos del ejercicio 3 se generaron usando las siguientes funciones. Use la
fórmula correspondiente para encontrar una cota de error y compare la cota con el
error real cuando n = 1 y n = 2.
d. 𝑓 (𝑥 ) = 𝑠𝑖𝑛(𝑒 𝑥 − 2) 𝑓(0.9)
𝑥0 = 0.6 𝑥1 = 0.7 𝑥2 = 0.8 𝑥3 = 1.0
𝑓 (0.6) = −0.17694460 𝑓 (0.7) = 0.01375227 𝑓(0.8) = 0.22363362 𝑓(1.0) =
0.65809197
Cuando n=1:
1
(𝑥 − 𝑥𝑖 )
𝐿𝑛,𝑘 = ∏
𝑖=0
𝑖≠𝑘
𝑃(𝑥 ) = ∑1𝑘=0 𝑓 (𝑥𝑘 )𝐿1,𝑘 (𝑥)
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿1,1 (𝑥)
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 ) (𝑥 − 0.7) (𝑥 − 0.7)
𝐿1,0 (𝑥) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 ) (0.6 − 0.7) −0.1
𝑖=0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 ) (𝑥 − 0.6) (𝑥 − 0.6)
𝐿1,1 (𝑥) = ∏ = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 ) (0.7 − 0.6) 0.1
𝑖=0
𝑖≠1
(𝑥−0.7) (𝑥−0.6)
𝑃(𝑥 ) = −0.17694460 ( ) + 0.01375227( )
−0.1 0.1
𝑃(𝑥 ) = 1.7694460𝑥 − 1.2386122 + 0.1375227𝑥 − 0.0825136

𝑃(𝑥 ) = 1.9069687𝑥 − 1.3211258
ERROR REAL:
𝐸 = |𝑓(𝑥) − 𝑃(𝑥)| = |𝑓(0.9) − 𝑃(0.9)|
𝐸 = |0.0080215 − 0.3951460| = 0.3871245
COTA DE ERROR
𝑓 𝑛+1 (𝜖)
|𝑓(𝑥) − 𝑃(𝑥)| = | (𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ). . . . (𝑥 − 𝑥𝑖+𝑛 )|
(𝑛 + 1)!
 𝑓´(𝑥) = 𝑒 𝑥 𝑐𝑜𝑠(𝑒 𝑥 − 2)𝑓´´(𝑥) = 𝑒 𝑥 𝑐𝑜𝑠(𝑒 𝑥 − 2) − 𝑒 2𝑥 𝑠𝑒𝑛(𝑒 𝑥 − 2) ≤ 2.6254386

2.6254386
|𝑓(0.9) − 𝑃(0.9)| = | (0.9 − 0.6)(0.9 − 0.7)|
(2)!
|𝑓(0.9) − 𝑃(0.9)| = 0.0787632
𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑛𝑑𝑜 𝐸 = 0.3871245 𝑦 |𝑓(0.9) − 𝑃(0.9)| = 0.0787632

𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑑𝑒𝑐𝑖𝑟 𝑞𝑢𝑒 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑠 𝑚𝑎𝑦𝑜𝑟 𝑞𝑢𝑒 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
𝑓 (𝑥 ) = 𝑠𝑖𝑛(𝑒 𝑥 − 2) 𝑓(0.9)
𝑥0 = 0.6 𝑥1 = 0.7 𝑥2 = 0.8 𝑥3 = 1.0
𝑓 (0.6) = −0.17694460 𝑓 (0.7) = 0.01375227 𝑓(0.8) = 0.22363362 𝑓(1.0) =
0.65809197
Cuando n=2:
𝑃(𝑥 ) = ∑1𝑘=0 𝑓 (𝑥𝑘 )𝐿1,𝑘 (𝑥)
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥) + 𝑓 (𝑥2 )𝐿2,2 (𝑥)
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.7)(𝑥 − 0.8) 𝑥 2 − 1.5𝑥 + 0.56
𝐿2,0 (𝑥) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0.6 − 0.7)(0.6 − 0.8) 0.02
𝑖=0
𝑖≠0
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0.6)(𝑥 − 0.8) 𝑥 2 − 1.4𝑥 + 0.48
𝐿2,1 (𝑥) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.7 − 0.6)(0.7 − 0.8) −0.01
𝑖=0
𝑖≠1
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0.6)(𝑥 − 0.7) 𝑥 2 − 1.3𝑥 + 0.42
𝐿2,2 (𝑥) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.8 − 0.6)(0.8 − 0.7) 0.02
𝑖=0
𝑖≠2
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥) + 𝑓 (𝑥2 )𝐿2,2 (𝑥)

𝑥 2−1.5𝑥+0.56 𝑥 2−1.4𝑥+0.48
𝑃(𝑥 ) = −0.17694460 ( ) + 0.01375227( )+
0.02 −0.01
𝑥 2−1.3𝑥+0.42
0.22363362( )
0.02
𝑃(𝑥 ) = (−8.8472300𝑥 2 + 13.2708450𝑥 − 4.9544488) + (−1.3752270𝑥 2 +

1.9253178𝑥 − 0.6601090) + (11.1816810𝑥 2 − 14.5361853𝑥 + 4.6963060)
𝑃(𝑥 ) = 0.9592240𝑥 2 + 0.6599775𝑥 − 0.9182518

ERROR REAL:
𝐸 = |𝑓(𝑥) − 𝑃(𝑥)| = |𝑓(0.9) − 𝑃(0.9)|
𝐸 = |0.0080215 − 0.4526994| = 0.4446779

COTA DE ERROR
𝑓 𝑛+1 (𝜖)
|𝑓(𝑥) − 𝑃(𝑥)| = | (𝑥 − 𝑥𝑖 )(𝑥 − 𝑥𝑖+1 ). . . . (𝑥 − 𝑥𝑖+𝑛 )|
(𝑛 + 1)!
 𝑓´(𝑥) = 𝑒 𝑥 𝑐𝑜𝑠(𝑒 𝑥 − 2) 𝑓´´(𝑥) = 𝑒 𝑥 𝑐𝑜𝑠(𝑒 𝑥 − 2) − 𝑒 2𝑥 𝑠𝑒𝑛(𝑒 𝑥 − 2)

 𝑓´´´(𝑥) = 𝑒 𝑥 𝑐𝑜𝑠(𝑒 𝑥 − 2)(1 − 𝑒 2𝑥 ) − 3𝑒 2𝑥 𝑠𝑒𝑛(𝑒 𝑥 − 2) ≤ −17.6437792
−17.6437792
|𝑓(0.9) − 𝑃(0.9)| = | (0.9 − 0.6)(0.9 − 0.7)(0.9 − 0.8)|
(3)!
|𝑓(0.9) − 𝑃(0.9)| = 0.0176438
𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑛𝑑𝑜 𝐸 = 0.4446779 𝑦 |𝑓(0.9) − 𝑃(0.9)| = 0.0176438
𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑑𝑒𝑐𝑖𝑟 𝑞𝑢𝑒 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑠 𝑚𝑎𝑦𝑜𝑟 𝑞𝑢𝑒 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
8. Sean 𝑓(𝑥 ) = √𝑥 − 𝑥 2 y 𝑃2 (𝑥 ) el polinomio interpolante en 𝑥0 = 0, 𝑥1 𝑦 𝑥2 = 1.

Calcular el valor más grande de 𝑥1 en (0,1) para el cual 𝑓(0.5) − 𝑃2 (0.5) = −0.25.
SOLUCION
Tenemos:
𝑓 (𝑥0 ) = √𝑥0 − 𝑥0 2 = √(0) − (0)2 = 0
𝑓 (𝑥1 ) = √𝑥1 − 𝑥1 2
𝑓 (𝑥2 ) = √𝑥2 − 𝑥2 2 = √(1) − (1)2 = 0
𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=0 𝑓(𝑥𝑘 )𝐿𝑛,𝑘 (𝑥)

(𝑥−𝑥𝑖 )
𝐿𝑛,𝑘 (𝑥 ) = ∏𝑛𝑖=0 (𝑥 ;𝑖 ≠ 𝑘
𝑘 −𝑥𝑖 )
 El segundo polinomio interpolante es:

𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=0 𝑓(𝑥𝑘 )𝐿𝑛,𝑘 (𝑥) = 𝑃2 (𝑥 ) = ∑2𝑘=0 𝑓(𝑥𝑘 )𝐿2,𝑘 (𝑥)
𝑃2 (𝑥 ) = 𝑓(𝑥0 )𝐿2,0 (𝑥 ) + 𝑓(𝑥1 )𝐿2,1 (𝑥 ) + 𝑓(𝑥2 )𝐿2,2 (𝑥)
Reemplazamos los valores obtenidos inicialmente:
𝑃2 (𝑥 ) = (0)𝐿2,0 (𝑥 ) + (√𝑥1 − 𝑥1 2 )𝐿2,1 (𝑥) + (0)𝐿2,2 (𝑥)
𝑃2 (𝑥 ) = (√𝑥1 − 𝑥1 2 )𝐿2,1 (𝑥 )
 Hallamos el polinomio interpolante de Lagrange:
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 1) 𝑥(𝑥 − 1)
𝐿2,1 (𝑥 ) = ∏ = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (𝑥1 − 0)(𝑥1 − 1) 𝑥1 (𝑥1 − 1)
𝑖=0
 Entonces el polinomio interpolante es:
𝑥 (𝑥 − 1)
𝑃2 (𝑥 ) = (√𝑥1 − 𝑥1 2 ) 𝐿2,1 (𝑥 ) = 𝑃2 (𝑥 ) = (√𝑥1 − 𝑥1 2 )
𝑥1 (𝑥1 − 1)
𝑥 (1 − 𝑥 ) 𝑥 − 𝑥2
𝑃2 (𝑥 ) = (√𝑥1 − 𝑥1 2 ) =
𝑥1 (1 − 𝑥1 ) √𝑥1 − 𝑥1 2
0.5 − (0.5)2 0.25
𝑃2 (0.5) = =
√𝑥1 − 𝑥1 2 √𝑥1 − 𝑥1 2
 Reemplazamos en el dato inicial del problema:

𝑓(0.5) − 𝑃2 (0.5) = −0.25.
0.25
0.5 − = −0.25
√𝑥1 − 𝑥1 2
0.25
= 0.75
√𝑥1 − 𝑥1 2
1
=3
√𝑥1 − 𝑥1 2
√𝑥1 − 𝑥1 2 = 0.333333
𝑥1 − 𝑥1 2 = 0.1111111
𝑥1 2 − 𝑥1 + 0.1111111 = 0
𝑥1 = 0.8726780 ; 𝑥1 = 0.1273220
El valor más grande de 𝑥1 en (0,1) es 𝑥1 = 0.8726780.
9. Sea P3(x) el polinomio interpolante para los datos (0,0) ;(0.5, y) ;(1,3) y (2,2).
Encuentre y si el coeficiente de 𝒙𝟑 en 𝒑𝟑 es 6.
(𝑥−𝑥𝑖 )
𝐿𝑛,𝑘 (𝑥 ) = ∏1𝑖=0 (𝑥 para k=0,1,2,3
𝑖≠𝑘 𝑘 −𝑥𝑖 )
(𝑥 − 0.5)(𝑥 − 1)(𝑥 − 2)
𝐿3,0 (𝑥 ) = = −(𝑥 − 0.5)(𝑥 − 1)(𝑥 − 2)
(0 − 0.5)(0 − 1)(0 − 2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2) 8
𝐿3,1 (𝑥 ) = = (𝑥)(𝑥 − 1)(𝑥 − 2)
(0.5 − 0)(0.5 − 1)(0.5 − 2) 3
(𝑥 − 0)(𝑥 − 0.5)(𝑥 − 2)
𝐿3,2 (𝑥 ) = = −2(𝑥)(𝑥 − 0.5)(𝑥 − 2)
(1 − 0)(1 − 0.5)(0.5 − 2)
(𝑥 − 0)(𝑥 − 0.5)(𝑥 − 1) 1
𝐿3,3 (𝑥 ) = = (𝑥)(𝑥 − 0.5)(𝑥 − 1)
(2 − 0)(2 − 0.5)(2 − 1) 3
𝑓(𝑥0 ) = 0
𝑓(𝑥1 ) = 𝑦
𝑓(𝑥2 ) = 3
𝑓(𝑥3 ) = 2
3
𝑝3 (𝑥 ) = ∑ 𝑓(𝑥𝑘 )𝐿𝑛.𝑘 (𝑥) 𝑓 (𝑥0 )𝐿0 (𝑥 ) + 𝑓 (𝑥1 )𝐿1 (𝑥) + 𝑓(𝑥2 )𝐿2 (𝑥 ) + 𝑓(𝑥3 )𝐿3 (𝑥)
𝑘=0
8
𝑝3 (𝑥 ) = 0[−(𝑥 − 0.5)(𝑥 − 1)(𝑥 − 2)] + 𝑦 [ (𝑥)(𝑥 − 1)(𝑥 − 2)]
3
1
+3[−2(𝑥)(𝑥 − 0.5)(𝑥 − 2)] + 2 [ (𝑥)(𝑥 − 0.5)(𝑥 − 1)]
3
8
𝑝3 (𝑥 ) = 𝑦 [ (𝑥)(𝑥 − 1)(𝑥 − 2)] + 3[−2(𝑥)(𝑥 − 0.5)(𝑥 − 2)]
3
1
+ 2 [ (𝑥)(𝑥 − 0.5)(𝑥 − 1)]
3
Observamos que el coeficiente de 𝒙𝟑 𝒆𝒏 𝒑𝟑 (𝒙) 𝒆𝒔 𝟔
8 3 2
𝑝3 (𝑥 ) = 𝑥 𝑦 − 6𝑥 3 + 𝑥 3 = 6𝑥 3
3 3
8𝑦 + 2
𝑥3 [ − 6] = 6𝑥 3
3
8y+2=36
34
𝑦=
8
𝑦 = 4.25
10).- Use el polinomio interpolante de lagrande de grado tres o menos y la aritmética de

corte a cuatro dígitos para aproximar 0.750 por medio de los siguientes valores. calcule una
cota de error para la aproximación.
Cos (0.698) = 0.7661 ; cos (0.733) = 0.7432 ; cos (0.768) =0.7193 ; cos (0.803) =
0.6946
El valor de cos (0.750) es 0.7317 (con una exactitud de cuatro cifras decimales). Explique
la discrepancia existente entre el error real y la cota de error.
SOLUCION.
𝒙𝟎 = 0.698 ; 𝒙𝟏 = 0.733 ; 𝒙𝟐 = 0.768 ; 𝒙𝟑 = 0.803
Para n =3 ; k=0, 1, 2, 3.
𝑃(𝑥) = 𝑓(𝑋0 )∗3,𝑛(𝑥) = 𝑓(𝑋0 )𝐿3,0(𝑥) + 𝑓(𝑋1)𝐿3,1(𝑥) + 𝑓(𝑋2 )𝐿3,2(𝑥) + 𝑓(𝑋3 )𝐿3,3(𝑥)
3
(𝑥 − 𝑥1 )
𝐿𝑛,𝑘 = ∏
(𝑥𝑘 − 𝑥1 )
𝑖=0
1≠1
3
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿3,0 = ∏
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
𝑖=0
1≠1
(𝑥 − 0.733)(𝑥 − 0.768)(𝑥 − 0.803)

cos(0.698) =
(0.698 − 0.733)(0.698 − 0.768)(0.698 − 0.803)
(𝑥 − 0.733)(𝑥 − 0.768)(𝑥 − 0.803)
cos(0.698) =
(−0.000257)
3
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿3,1 = ∏
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
𝑖=1
1≠1
(𝑥 − 0.698)(𝑥 − 0.768)(𝑥 − 0.803)
cos(0.733) =
(0.733 − 0.698)(0.733 − 0.768)(0.733 − 0.803)
(𝑥 − 0.698)(𝑥 − 0.768)(𝑥 − 0.803)
cos(0.733) =
(0.000086)
3
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 )
𝐿3,2 = ∏
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥2 )(𝑥2 − 𝑥3 )
𝑖=2
1≠2
(𝑥 − 0.698)(𝑥 − 0.733)(𝑥 − 0.803)

cos(0.768) =
(0.768 − 0.698)(0.768 − 0.768)(0.768 − 0.803)
(𝑥 − 0.698)(𝑥 − 0.733)(𝑥 − 0.803)
cos(0.768) =
(−0.000086)
3
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝐿3,3 = ∏
(𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
𝑖=3
1≠3
(𝑥 − 0.698)(𝑥 − 0.733)(𝑥 − 0.768)

cos(0.803) =
(0.803 − 0.698)(0.803 − 0.733)(0.803 − 0.868)
(𝑥 − 0.698)(𝑥 − 0.733)(𝑥 − 0.768)

cos(0.803) =
(0.000257)
Ahora mediante el corte de 4 dígitos.
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑃(𝑥) = 𝑌(0) + 𝑌(1)
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑌(2) + 𝑌(3)
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
𝑃(0,1,2,3) (0.750)
(0.0170)(−0.018)(−0.0530) (0.520)(−0.0180)(−0.0530)
= 0.7661 + 0.7432
(0.0350)(−0.070)(−0.0105) (0.0530)(−0.0350)(−0.0700)
(0.0520)(0.0170)(−0.0530) (0.520)(0.0170)(−0.0180)
+0.7193 + 0.6946
(0.0700)(0.07350)(−0.0350) (0.1050)(−0.0700)(−0.0350)
𝑃(0,1,2,3) (0.750) = −0.0483 + 0.4298 + 0.3928 − 0.0429

𝑃(0,1,2,3) (0.750) = 0.7313
para hallar la diferencia entre error real y la cota de error.

𝑓(0.750) = 0.7317
𝑝(0.750 = 0.7313
𝐸𝑅𝑅𝑂𝑅 = |𝑓 (0.750) − 𝑝(0.750)|
𝐸𝑅𝑅𝑂𝑅 = |0.7317 − 0.7313|
𝐸𝑅𝑅𝑂𝑅 = 0.0004
11.c Use los siguientes valores y la aritmética de redondeo a cuatro dígitos para construir
una aproximación del tercer polinomio de Lagrange af( l .09). La función que va a ser
aproximada es 𝑙𝑜𝑔10 (𝑡𝑎𝑛(𝑥 ) ) . Conociendo lo anterior, calcule una cota del error en la
aproximación.
f(1 .00) = 0. 1924 f(1 .05) = 0.2414 f(1 . 10) = 0.2933 f( 1 . 15) = 0.3492
SOLUCIÓN.
Para construir un polinomio de interpolación de grado tres, consideramos los cuatro puntos,
es decir:
𝑥0 = 1.00; 𝑥1 = 1.05; 𝑥2 = 1.10; 𝑥3 = 1.15.
Luego:
𝑦0 = 𝑓(1 .00) = 0. 1924 ; 𝑦1 =; 𝑓 (1 .05) = 0.2414
𝑦2 = 𝑓(1 . 10) = 0.2933 ; 𝑦3 = 𝑓 (1.15) = 0.3492
El polinomio de interpolación de LaGrange grado tres esta dado por:

Determine el polinomio de coeficientes de la siguiente manera: 𝐿0 = (𝑥 ); 𝐿1 = (𝑥); 𝐿2 =
(𝑥 ) 𝑦 𝐿3 = (𝑥 ).
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15)
𝐿0 (𝑥) =
(1 − 1.05)(1 − 1.10)(1 − 1.15)
𝑥 3 − 3.3𝑥 2 + 3.6275𝑥 − 1.32825

𝐿0 (𝑥) =
(−0.05)(−0.10)(−0.15)
𝑥 3 − 3.3𝑥 2 + 3.6275𝑥 − 1.32825

𝐿0 (𝑥) =
−0.00075
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 1)(𝑥 − 1.10)(𝑥 − 1.15)
𝐿1 (𝑥) =
(1.05 − 1)(1.05 − 1.10)(1.05 − 1.15)
𝑥 3 − 3.25𝑥 2 + 3.515𝑥 − 1.265

𝐿1 (𝑥) =
(0.05)(−0.05)(−0.1)
𝑥 3 − 3.25𝑥 2 + 3.515𝑥 − 1.265

𝐿1 (𝑥) =
0.00025
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 )
𝐿2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 )
(𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.15)
𝐿2 (𝑥) =
(1.10 − 1)(1.10 − 1.05)(1.05 − 1.15)
𝑥 3 − 3.2𝑥 2 + 3.4075𝑥 − 1.2075

𝐿2 (𝑥) =
(0.10)(0.05)(−0.05)
𝑥 3 − 3.3𝑥 2 + 3.6275𝑥 − 1.32825

𝐿2 (𝑥) =
−0.00025
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝐿3 (𝑥) =
(𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
(𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)
𝐿3 (𝑥) =
(1.15 − 1)(1.15 − 1.05)(1.15 − 1.10)
𝑥 3 − 3.15𝑥 2 + 3.305𝑥 − 1.155

𝐿3 (𝑥) =
(0.15)(0.1)(0.05)
𝑥 3 − 3.15𝑥 2 + 3.305𝑥 − 1.155

𝐿3 (𝑥) =
0.00075
Ponemos todos los valores de, 𝐿0 = (𝑥 ); 𝐿1 = (𝑥 ); 𝐿2 = (𝑥 ) 𝑦 𝐿3 = (𝑥 ), en la ecuación

(1) y encontramos el polinomio de interpolación de grado tres de la siguiente manera.
𝑃3 (𝑥 ) = 𝐿0 (𝑥 ) × 𝑦0 + 𝐿1 (𝑥 ) × 𝑦1 + 𝐿2 (𝑥) × 𝑦2 + 𝐿3 (𝑥 ) × 𝑦3
𝑥 3 − 3.3𝑥 2 + 3.6275𝑥 − 1.32825 𝑥 3 − 3.25𝑥 2 + 3.515𝑥 − 1.265

𝑃3 (𝑥 ) = × 0.1924 +
−0.00075 0.00025
𝑥 3 − 3.3𝑥 2 + 3.6275𝑥 − 1.32825
× 0.2414 + × 0.2933
−0.00025
𝑥 3 − 3.15𝑥 2 + 3.305𝑥 − 1.155
+ × 0.3492
0.00075
𝑃3 (𝑥 ) = 1.466667𝑥 3 − 4.0400011𝑥 2 + 4.63833𝑥 − 1.87260
Sustituyendo 𝑥 = 1.09 obtenemos 𝑓(𝑥 ) ≈ 0.28263069

El error real al aproximar el 𝑓(1.09) uso de la interpolación de Lagrange es:
𝑓 (𝑛+1) × 𝜉
𝐸𝑟𝑟𝑜𝑟 = │ (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )│
(𝑛 + 1)!
Tomando 𝑛 = 3; 𝑥 = 1.09; 𝑦 𝑓 (𝑥 ) = 𝑙𝑜𝑔10 (tan(𝑥))
Hallamos las derivadas de la función.
ln (b)
Aplicamos una propiedad de los logaritmos 𝑙𝑜𝑔𝑎 𝑏 = para modificar la función y
ln (𝑎)
poder derivar aplicando el cálculo.
ln(tan(𝑥))
𝑓 (𝑥 ) = 𝑙𝑜𝑔10 (𝑡𝑎𝑛(𝑥 ) ) =
ln(10)
1 𝑑
𝑓 ′ (𝑥) = × [ln(tan(𝑥 ))]
ln(10) 𝑑𝑥
𝑑
1 tan(𝑥)
𝑓 ′ (𝑥) = × 𝑑𝑥
ln(10) tan(𝑥)
′
1 sec 2 (𝑥) ′
sec 2 (𝑥)
𝑓 (𝑥) = × ⟹ 𝑓 =
ln(10) tan(𝑥) tan(𝑥) × ln(10)
𝑑 sec 2 (𝑥 ) 1 𝑑 sec 2 (𝑥 )
𝑓 ′′ (𝑥) = [ ] ⟹ × [ ]
𝑑𝑥 tan(𝑥 ) × ln(10) ln(10) 𝑑𝑥 tan(𝑥 )
2sec 2 (𝑥) sec 4 (𝑥)

𝑓 ′′ (𝑥) = −
ln(10) ln(10) × 𝑡𝑎𝑛2 (𝑥)
′′
𝑑 2sec 2 (𝑥 ) sec 4 (𝑥 )
𝑓 ′(𝑥) = [ − ]
𝑑𝑥 ln(10) ln(10) × 𝑡𝑎𝑛2 (𝑥)
2 𝑑 2sec 2 (𝑥 ) 1 𝑑 sec 4 (𝑥)

𝑓′′′(𝑥) = × [ ]− × [ ]
ln(10) 𝑑𝑥 ln(10) ln(10) 𝑑𝑥 ln(10) × 𝑡𝑎𝑛4 (𝑥)
4 tan(𝑥) × 𝑠𝑒𝑐 4 (𝑥) 4𝑠𝑒𝑐 4 (𝑥 ) 2𝑠𝑒𝑐 6 (𝑥)

𝑓 ′′′ (𝑥) = − +
ln(10) tan(𝑥 ) × ln(10) 𝑡𝑎𝑛3 (𝑥) × ln(10)
𝑑 4 tan(𝑥 ) × 𝑠𝑒𝑐 4 (𝑥 ) 4𝑠𝑒𝑐 4 (𝑥 ) 2𝑠𝑒𝑐 6 (𝑥 )
𝑓 ′′′′ (𝑥) = [ − + ]
𝑑𝑥 ln(10) tan(𝑥 ) × ln(10) 𝑡𝑎𝑛3 (𝑥 ) × ln(10)
4 𝑑 4 𝑑 𝑠𝑒𝑐 4 (𝑥 ) 2
𝑓 ′′′′ (𝑥) = × [tan(𝑥 ) × 𝑠𝑒𝑐 4 (𝑥 )] − × [ ]+
ln(10) 𝑑𝑥 ln(10) 𝑑𝑥 tan(𝑥 ) ln(10)
𝑑 𝑠𝑒𝑐 6 (𝑥 )
× [ ]
𝑑𝑥 𝑡𝑎𝑛3 (𝑥 )
12sec 4 (𝑥 ) 8𝑡𝑎𝑛2 (𝑥) × 𝑠𝑒𝑐 2 (𝑥) 16𝑠𝑒𝑐 6 (𝑥) 6 𝑠𝑒𝑐 8 (𝑥)

𝑓 ′′′′ (𝑥 ) = − + + −
ln(10) ln(10) 𝑡𝑎𝑛2 (𝑥) × ln(10) 𝑡𝑎𝑛4 (𝑥) × ln(10)
Calculamos 𝑓(1.09) de la siguiente manera.
′′′′ (
12sec 4 (𝑥 ) 8𝑡𝑎𝑛2 (𝑥) × 𝑠𝑒𝑐 2 (𝑥) 16𝑠𝑒𝑐 6 (𝑥) 6 𝑠𝑒𝑐 8 (𝑥)
𝑓 𝑥) = − + + −
ln(10) ln(10) 𝑡𝑎𝑛2 (𝑥) × ln(10) 𝑡𝑎𝑛4 (𝑥) × ln(10)
Punto x = 1.09
12sec 4 (1.09) 8𝑡𝑎𝑛2 (1.09) × 𝑠𝑒𝑐 2 (1.09) 16𝑠𝑒𝑐 6 (1.09)

𝑓 ′′′′ (1.09) = − + +
ln(10) ln(10) 𝑡𝑎𝑛2 (1.09) × ln(10)
6 𝑠𝑒𝑐 8 (1.09)
−
𝑡𝑎𝑛4 (1.09) × ln(10)
𝑓 ′′′′ (1.09) = 46.8279676
Ponemos todo el valor correspondiente para calcular el error y proceda de la siguiente

manera:
𝑓 (𝑛+1) × 𝜉
𝐸𝑟𝑟𝑜𝑟 = │ (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15)│
(𝑛 + 1)!
Aquí, 𝜉 es el punto donde (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15) alcanza el valor

máximo.
Encontramos el punto en el que la función (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15)

alcanza el valor absoluto máximo, utilizando la prueba de la primera derivada, como sigue:
Considere la función 𝑔(𝑥 ) = (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15)
Encontramos los puntos críticos mediante la prueba la prueba de la primera derivada.

Para ello, buscamos 𝑔′(𝑥) = (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15) y coloque 𝑔′ (𝑥 ) =
0, y procedemos de la siguiente manera.
𝑔(𝑥 ) = (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15)
𝑔(𝑥 ) = 𝑥 4 − 4.3𝑥 3 + 6.9275𝑥 2 − 4.95575𝑥 + 1.32825
𝑑
𝑔′(𝑥) = (𝑥 4 − 4.3𝑥 3 + 6.9275𝑥 2 − 4.955575𝑥 + 1.32825)
𝑑𝑥
𝑔′(𝑥) = 4𝑥 3 − 12.95𝑥 2 + 13.855𝑥 − 4.955575
𝑔′(𝑥) = 0
4𝑥 3 − 12.95𝑥 2 + 13.855𝑥 − 4.955575 = 0
Los puntos críticos son.
𝑥 = 1.0191
𝑥 = 1.075
𝑥 = 1.1309
Los intervalos de aumento o de disminución monótonos se dan en la siguiente tabla:

Utilizamos estos puntos críticos y encontramos los valores máximo y mínimo de la
siguiente manera.
𝑥 = 1.01910
𝑔(1.01910) = (1.01910 − 1)(1.01910 − 1.05)(1.01910 − 1.10)(1.01910 − 1.15)
𝑔(1.01910) = −6.25 × 10−6
𝑥 = 1.01910
𝑔(1.075) = (1.075 − 1)(1.075 − 1.05)(1.075 − 1.10)(1.075 − 1.15)
𝑔(1.075) = 3.51562 × 10−6
𝑥 = 1.13090
𝑔(1.13090) = (1.13090 − 1)(1.13090 − 1.05)(1.13090 − 1.10)(1.13090 − 1.15)
𝑔(1.13090) = −6.25 × 10−6
Por lo tanto el valor absoluto máximo de 𝑔(𝑥 ) = (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 −

1.15), se alcanza en 𝑥 = 1.01910, │𝑔(𝑥)│ = 6.25 × 10−6
Por lo tanto:
𝑓 (4) × 𝜉
𝐸𝑟𝑟𝑜𝑟 = │ (𝑥 − 1)(𝑥 − 1.05)(𝑥 − 1.10)(𝑥 − 1.15)│
(4 )!
𝐸𝑟𝑟𝑜𝑟 = 7.74 × 10−6

Entonces comprobamos que el limite de error es de 7.74 × 10−6 .
Ejercicio 12
11. Use los siguientes valores y la aritmética de redondeo a cuatro dígitos para construir
una aproximación del tercer polinomio de Lagrange a 𝑓 (1.09). La función que va a ser
aproximada es 𝑓 (𝑥) = 𝑙𝑜𝑔10 (𝑡𝑎𝑛 𝑥 ). Conociendo lo anterior, calcule el error en la
aproximación.
𝑓 (1.00) = 0.1924 𝑓 (1.05) = 0.2414 𝑓 (1.10) = 0.2933 𝑓(1.15) = 0.3492
12. Repita el ejercicio 11 usando Maple y la aritmética de redondeo a diez dígitos.
SOLUCIÓN
Para este ejercicio se a empleado el programa maple y se ha desarrollado como sigue:
Se observa que hay una buena aproximación en los resultados.
14. el método de Neville sirve para aproximar f (0.4), se cuenta con la siguiente tabla:
X0 = 0 P0 = 1 = f(x0)
X1 = 0.25 P1 = 2 P01 =2.6
X2 = 0.5 P2 = P12 = P023=
X3 = 0.75 P3= 8 P23=2.4 P123= 2.96 P0123=3.016
Determine P2 = f(0.5)
SOLUCIÓN:
X0 = 0 P0 = Q0.0 = 1
X1 = 0.25 P1 = Q1.0 = 2 P01= Q1.1 = 2.6
X2 = 0.5 P2 = Q2.0 = Y P12 = Q2.1 = P023 = Q2.2 =
X3 = 0.75 P3 = Q3.1 = 2.4 P23 = Q 3.1 = 2.4 P123=Q3.2 = 2.96 P0123 = Q3.3 =3.016
P2 = f(0.5) = Q2.0 = Y
Nota;
(𝑥 − 𝑥𝑖−𝑗 )𝑄𝑖,𝑗−1 (𝑥) − (𝑥 − 𝑥𝑖 )𝑄𝑖−1,𝑗−1 (𝑥)

𝑄𝑖,𝑗 (𝑥 ) =
𝑋𝑖 − 𝑋𝑖−𝑗
→𝑓(0.5) = 𝑄2.0 = 𝑌
(𝑥 − 𝑥2 )𝑄3.0 (𝑥) − (𝑥 − 𝑥3 )𝑄2.0 (𝑥)
𝑄3,1 (𝑥) =
𝑋3 − 𝑋2
(0.4 − 0.5)8 − (0.4 − 0.75)𝑄2.0

𝑄3,1 (0.4) =
0.75 − 0.5
(0.1)8 − (0.35)𝑌
2.4 =
0.25
Y=4
→ P2 = f(0.5) = Q2.0 = Y= 4
15.a construya los polinomios interpolantes de Lagrange para las siguientes funciones y
obtenga una cota de error absoluto en el intervalo [𝑥0 , 𝑥𝑛 ].
a. 𝑓(𝑥 ) = 𝑒 2𝑥 cos(3𝑥 ), 𝑥0 = 0, 𝑥1 = 0.3, 𝑥2 = 0.6, 𝑛=2
Solución
Formula del polinomio interpolante de Lagrange.
𝑛
𝑃(𝑥 ) = ∑ 𝑓(𝑥𝑘 )𝐿𝑛,𝑘 (𝑥)

𝑘=0
Calculamos el valor de la función 𝑳𝒏,𝒌 (𝒙)

𝑛
(𝑥 − 𝑥𝑖 )
𝐿𝑛,𝑘 (𝑥) = ∏
𝑖=0
𝑖≠𝑘
Hallamos cada polinomio interpolante de Lagrange.

Valores de k =0,1 y 2
 cuando k = 0 entonces i = 1 y 2
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0.3)(𝑥 − 0.6)
𝐿 0 (𝑥 ) = ∏ = =
(𝑥𝑘 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 0.3)(0 − 0.6)
𝑖=0
𝑖≠0
100 ∗ 𝑥 2
= −5∗𝑥+1
18
 cuando k =1 entonces i=0 y 2
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.6)
𝐿1 (𝑥 ) = ∏ = =
(𝑥𝑘 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0.3 − 0)(0.3 − 0.6)
𝑖=0
𝑖≠1
−100 ∗ 𝑥 2 + 60 ∗ 𝑥
=
9
 cuando k =2 entonces i=0 y 1
2
(𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.3) 5 ∗ 𝑥2 𝑥
𝐿 2 (𝑥 ) = ∏ = = = −
(𝑥𝑘 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (0.6 − 0)(0.6 − 0.3) 9 6
𝑖=0
𝑖≠2
Calculamos los valores de la función 𝒇(𝒙𝒌 ).
 Cuando 𝑘 = 0
𝑓 (𝑥0 ) = 𝑓 (0) = 𝑒 2∗0 ∗ cos(3 ∗ 0) = 1

 Cuando 𝑘 = 1
𝑓 (𝑥1 ) = 𝑓 (0.3) = 𝑒 2∗0.3 ∗ cos(3 ∗ 0.3) = 1.1326472

 Cuando 𝑘 = 2
𝑓 (𝑥2 ) = 𝑓 (0.6) = 𝑒 2∗0.6 ∗ cos(3 ∗ 0.6) = −0.7543375

Remplazamos los valores obtenidos en la fórmula para hallar el polinomio interpolante:
𝑛
𝑃(𝑥) = ∑ 𝑓(𝑥𝑘 ) 𝐿𝑛,𝑘 (𝑥)

𝑘=0
100 ∗ 𝑥 2 −100 ∗ 𝑥 2 + 60 ∗ 𝑥
𝑃2 (𝑥 ) = (1) ( ( )
− 5 ∗ 𝑥 + 1) + 1.1326472 ( )
18 9
5 ∗ 𝑥2 𝑥
+ (−0.7543375) ( − )
9 6
𝑃2 (𝑥 ) = −11.22017718 ∗ 𝑥 2 + 3.8082105 ∗ 𝑥 + 1
 Calculamos el error absoluto.
Cuando 𝑥 = 0.6
𝑓 (𝑥 ) = 𝑒 2𝑥 cos(3𝑥 ) → 𝑓 (0.6) = 𝑒 2∗0.6 cos(3 ∗ 0.6) = −0.754337519
𝑃2 (0.6) = −11.22017718 ∗ 0.62 + 3.8082105 ∗ 0.6 + 1 = −0.754337485
𝑛
𝑓 𝑛+1 (𝜉)
𝑒=| ∏(𝑥 − 𝑥𝑖 )| = |𝑓(𝑥 ) − 𝑃(𝑥)| = |−0.754337519 + (−0.754337485)|
(𝑛 + 1)!
𝑖=0
= 3.4 ∗ 10−8
15.b Construya los polinomios interpolantes de Lagrange para las siguientes funciones
y obtenga una cota de error absoluto en el intervalo [𝒙𝟎 , 𝒙𝒏 ].
b. f(x)=sen (ln(x)), 𝒙𝟎 = 𝟐; 𝒙𝟏 = 𝟐. 𝟒; 𝒙𝟎 = 𝟐. 𝟔;
𝒏=𝟐
SOLUCIÓN:
El segundo polinomio interpolante es:

2
𝑃2 (𝑥) = ∑ 𝑓(𝑥𝑘 ) ∗ 𝐿2,𝑘 (𝑥)

𝑘=0
= 𝑓(𝑥0 ) ∗ 𝐿2,0 (𝑥 ) + 𝑓(𝑥1 ) ∗ 𝐿2,1 (𝑥) + 𝑓(𝑥2 ) ∗ 𝐿2,2 (𝑥) … … … … . . 𝛼
Ahora vamos a encontrar cada polinomio interpolante de Lagrange:
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 2.4)(𝑥 − 2.6)
𝐿2,0 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (2 − 2.4)(2 − 2.6)
𝑖=0
𝑖≠0
25𝑥 2 − 125𝑥 + 156

=
6
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 2)(𝑥 − 2.6)
𝐿2,1 (𝑥 ) = ∏ = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (2.4 − 2)(2.4 − 2.6)
𝑖=0
𝑖≠1
−25𝑥 2 + 115𝑥 − 130

=
2
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 2)(𝑥 − 2.4)
𝐿2,2 (𝑥 ) = ∏ = =
(𝑥2 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (2.6 − 2)(2.6 − 2.4)
𝑖=0
𝑖≠2
25𝑥 2 − 110𝑥 + 120

=
3
Ahora encontramos los valores de cada 𝒙𝒊 en la función:
f(x)=sen (ln(x)), 𝑥0 = 2; 𝑥1 = 2.4; 𝑥0 = 2.6
f (𝑥0 )= f (2)= sen (ln (2)) = 0.638961276
f (𝑥1 )= f (2.4)= sen (ln (2.4)) = 0.767843877
f (𝑥2 )= f (2.6)= sen (ln (2.6)) = 0.816609049
Reemplazamos estos valores en 𝜶:
25𝑥 2 − 125𝑥 + 156 −25𝑥 2 + 115𝑥 − 130

𝑃2 (𝑥 ) = 0.638961276 ( ) + 0.767843877 ( )
6 2
25𝑥 2 − 110𝑥 + 120
+ 0.816609049 ( )
3
𝑷𝟐 (𝒙) = −𝟎. 𝟏𝟑𝟎𝟔𝟑𝟒𝟒𝟏𝟎𝟔𝒙𝟐 + 𝟎. 𝟖𝟗𝟔𝟗𝟗𝟕𝟗𝒙 − 𝟎. 𝟔𝟑𝟐𝟒𝟗𝟔𝟗
Ahora vamos a determinar la cota de error absoluto en el intervalo [𝒙𝟎 , 𝒙𝒏 ].
Para ello se utilizará la siguiente formula que determina la cota de error:
𝑓𝑛+1 (𝜉)
𝑛
|𝑓(𝑥) − 𝑃𝑛 (𝑥 )| ≤ | (𝑛+1)! ∗ ∏𝑖=0(𝑥 − 𝑥𝑖 )| …………𝛽
𝑓 Є 𝐶 𝑛+1 [𝑎, 𝑏], 𝜉 Є (𝑎, 𝑏)
Derivamos la función f en n+1 veces. n=2
𝑓(𝑥 ) = sen (ln(x))
1
𝑓 ′ (𝑥 )= 𝑥cos (ln(x))
1 1
𝑓 ′′ (𝑥 )= − 𝑥 2 cos (ln(x)) − 𝑥 2sen (ln(x))
2 1 2 1
𝑓 ′′′ (𝑥 )= cos (ln(x))+ 3sen (ln(x)) + sen (ln(x))− 3 cos (ln(x))
𝑥3 𝑥 𝑥3 𝑥
1
𝑓 ′′′ (𝑥 ) = 𝑥 3 (cos (ln(x)) +3 sen (ln(x)))
Ahora acotamos la función obtenida después de haber derivado, en el intervalo

[𝒙𝟎 , 𝒙𝒏 ].
Para este caso la acotación se realizará tal que 𝑓 𝑛+1 (𝜉 ) ∈ [2, 2.6], donde 𝜉 Є (2, 2.6)
La función derivada es decreciente, y como deseamos encontrar la cota de error máximo,

entonces del intervalo dado elegimos 𝑥0 = 2.
1 1
| 𝑥 3 (cos (ln(x)) + 3 sen (ln(x)))| ≤ | 23 (cos (ln(2)) + 3 sen (ln(2)))| ………….𝛿
Por otro lado, tenemos que:
∏(𝑥 − 𝑥𝑖 ) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) = 𝑔(𝑥)

𝑖=0
Entonces:
𝑔(𝑥 ) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑔(𝑥 ) = (𝑥 − 2)(𝑥 − 2.4)(𝑥 − 2.6)
𝑔(𝑥 ) = 𝑥 3 − 7𝑥 2 + 16.24𝑥 − 12.48
Luego derivamos 𝑔(𝑥 ) para encontrar las raíces.
𝑔′ (𝑥 ) = 3𝑥 2 − 14𝑥 + 16.24 = 0
14 ± √142 − 4 ∗ 3 ∗ 16.24
𝑥=
2∗3
𝑥𝑎 = 2.509716754
𝑥𝑏 = 2.156949913
Las raíces encontradas reemplazaremos en 𝑔(𝑥 ) para encontrar un valor máximo.

|𝑔(𝑥𝑎 )| = |(2.509716754)3 − 7(2.509716754)2 + 16.24(2.509716754) − 12.48|
|𝑔(𝑥𝑎 )| = | − 0.005049042|
|𝑔(𝑥𝑏 )| = |(2.156949913)3 − 7(2.156949913)2 + 16.24(2.156949913) − 12.48|
|𝑔(𝑥𝑏 )| = |0.016900894|………𝛼.
Elegimos |𝑔(𝑥𝑏 )| 𝑝𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜.
Finalmente reemplazamos 𝛼, 𝛿 𝑒𝑛 𝛽
1
3 (cos (ln(2)) + 3 sen (ln(2)))
|𝑓(𝑥) − 𝑃𝑛 (𝑥 )| ≤ |2 ∗ 𝑔 (𝑥 𝑏 )|
(2 + 1)!
1
2 3 (cos(ln(2)) + 3 sen (ln(2)))
|𝑓(𝑥) − 𝑃𝑛 (𝑥 )| ≤ | ∗ 0.016900894| = 0. 00094578
6
La cota de error absoluto en el intervalo [𝑥0 , 𝑥𝑛].
|𝒇(𝒙) − 𝑷𝒏 (𝒙)| = 𝟎. 𝟎𝟎𝟎𝟗𝟒𝟓𝟕𝟖
15c. construya los polinomios interpolantes de LaGrange para las siguientes funciones y
obtenga una cota de error absoluto en el intervalo [𝑥0 , 𝑥𝑛 ]
C) 𝑓(𝑥 ) = 𝑙𝑛𝑥 𝑥0 = 1 𝑥1 = 1.1 𝑥2 = 1.3 𝑥3 = 1.4 𝑛 = 3
𝑛
𝑃𝑛 (𝑥) = ∑ 𝑓(𝑥𝑘 )𝑙𝑛 , 𝑘(𝑥 ) 𝑑𝑜𝑛𝑑𝑒 𝑘 = 0,1 …

𝑘=0
𝑛
(𝑥 − 𝑥𝑖 )
𝑙𝑛 , 𝑘(𝑥) = ∏
𝑖=0
𝑖≠𝑘
3
𝑃3 (𝑥) = ∑ 𝑓 (𝑥𝑘 )𝑙3 , 𝑘(𝑥) = 𝑓(𝑥0 )𝑙3 0(𝑥) + 𝑓 (𝑥1 )𝑙3 1(𝑥 ) + 𝑓(𝑥2 )𝑙3 2(𝑥) + 𝑓(𝑥3 )𝑙3 3(𝑥)
𝑘=0
Vamos hallar los polinomios interpolantes de LaGrange

3
(𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑙3 , 0(𝑥 ) = ∏ =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
𝑖=0
𝑖≠0
250𝑥 3 950𝑥 2 2395𝑥 1001
=− + − +
3 3 6 6
3
(𝑥 − 𝑥 𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑙3 , 1 (𝑥 ) = ∏ =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
𝑖=0
𝑖≠0
5000𝑥 3 18500𝑥 2 22600𝑥 9100
=− + − +
9 9 9 9
3
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) 175𝑥 2 27
𝑙3 , 2 (𝑥 ) = ∏ = = −25𝑥 3 + − 101𝑥 +
(𝑥2 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) 2 2
𝑖=0
𝑖≠0
3
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) 250𝑥 3 850𝑥 2 1915𝑥 715
𝑙3 , 3 (𝑥 ) = ∏ = = − + −
(𝑥3 − 𝑥𝑖 ) (𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 ) 3 3 6 6
𝑖=0
𝑖≠0
𝑓 (𝑥0 ) = 0
𝑓 (𝑥1 ) = 0.09537
𝑓 (𝑥2 ) = 0.26256
𝑓 (𝑥3 ) = 0.33647
250𝑥 3 950𝑥 2 2395𝑥 1001 5000𝑥 3 18500𝑥 2 22600𝑥 9100
𝑃(𝑥 ) = 0[ + − + + 0.09537 [− + − + ]+
3 3 6 6 9 9 9 9
175𝑥 2 27 250𝑥 3 850𝑥 2 1915𝑥 715
0.26256[−25𝑥 3 + − 101𝑥 + ] + 0.33647[ − + − ]
2 2 3 3 6 6
𝑃(𝑥 ) = −31.50817𝑥 3 + 314.3455𝑥 2 − 158.61322𝑥 + 59.87822

𝑓 𝑛+1 𝑐
𝑒𝑟𝑟𝑜𝑟 = | (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … … … (𝑥 − 𝑥𝑛 )|
(𝑛 + 1)!
6
𝑒𝑟𝑟𝑜𝑟 = | ∗ 0.0004| = 0.0001
4!
𝟏𝟔. 𝒂. 𝑺𝒆𝒂 𝒇(𝒙) = 𝒆𝒙 , 𝒑𝒂𝒓𝒂 𝟎 ≤ 𝒙 ≤ 𝟐

𝑨𝒑𝒓𝒐𝒙𝒊𝒎𝒆 𝒇(𝟎. 𝟐𝟓) 𝒎𝒆𝒅𝒊𝒂𝒏𝒕𝒆 𝒍𝒂 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒄𝒊ó𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒄𝒐𝒏 𝒙𝟎 = 𝟎 𝒚 𝒙𝟏 = 𝟎. 𝟓
𝑛
(𝑥 − 𝑥 𝑖 )
𝐿𝑛,𝑘 (𝑥) = ∏
(𝑥 𝑘 − 𝑥 𝑛 )
𝑖=0
𝑖≠0
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 1)(𝑥 − 2) 𝑥 2 − 3𝑥 + 2
𝐿2,0 (𝑥 ) = ∏ = = =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (0 − 1)(0 − 2) 2
𝑖=0
𝑖≠0
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 2) 𝑥 2 − 2𝑥
𝐿2,1 (𝑥 ) = ∏ = = =
(𝑥1 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (1 − 0)(1 − 2) −1
𝑖=0
𝑖≠1
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 1) 𝑥 2 − 𝑥
𝐿2,2 (𝑥 ) = ∏ = = =
(𝑥2 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (2 − 0)(2 − 1) 2
𝑖=0
𝑖≠2
𝐸𝑣𝑎𝑙𝑢𝑎𝑚𝑜𝑠 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛

𝑓 ( 𝑥 0 ) = 𝑓 (0) = 1 𝑓(𝑥1 ) = 2.718282 𝑓(𝑥2 ) = 7.389056
𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑜𝑟𝑑𝑒𝑛 𝑠𝑒𝑟á:
𝑝2 (𝑥 ) = 𝑓 (𝑥0 ). 𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 ). 𝐿2,1 (𝑥 ) + 𝑓 (𝑥2 ). 𝐿2,2 (𝑥)
𝑥 2 − 3𝑥 + 2 𝑥 2 − 2𝑥 𝑥2 − 𝑥
𝑝2 (𝑥 ) = 1 [ ] + 2.718282 [ ] + 7.38056 [ ]
2 −1 2
𝑝2 (𝑥 ) = 1.476246𝑥 2 + 0.242036𝑥 + 1
𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑓(0.25)
𝑓 (0.25) = 1.284025 𝑝(𝑥 ) = 𝑝(0.25) = 𝟏. 𝟏𝟓𝟐𝟕𝟕𝟒
𝐸𝑟𝑟𝑜𝑟: |1.284025 − 1.152774| = 0.131251
16. b sea 𝒇(𝒙) = 𝒆𝒙 , 𝒑𝒂𝒓𝒂 𝟎 ≤ 𝒙 ≤

𝟐. 𝑨𝒑𝒓𝒐𝒙𝒊𝒎𝒆 𝒇(𝟎. 𝟕𝟓)𝒎𝒆𝒅𝒊𝒂𝒏𝒕𝒆 𝒍𝒂 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒄𝒊𝒐𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒄𝒐𝒏 𝒙𝒐 = 𝟎, 𝒙𝟏 = 𝟏
SOLUCIÓN
𝑋0 = 0
𝑋1 = 1
Interpolación 1
(−0.6)(0.01589) − (1 − 0) (0.224)
𝑓 0.75 =
1−0
𝑓𝑄0.75 = 0.1734
Interpolación 2
(−0.6)(0.01589) − (1 − 0) (0.17134)
𝑓0.75 =
1−0
𝑓𝑄0.75 = 0.228134
Interpolación 3
(−0.6)(0.01589) − (1 − 0) (0.228134)
𝑓0.75 =
1−0
𝑓0.75 = 0.325677
Interpolación 4
(−0.6)(0.01589) − (1 − 0) (0.325777)
𝑓 0.75 =
1−0
𝑓0.75 = 0.3289893
Interpolación 5
(−0.6)(0.01589) − (1 − 0) (0.3289893)
𝑓0.75 =
1−0
𝑓0.75 = 0.328967933
Interpolación 6
(−0.6)(0.01589) − (1 − 0) (0.32886773)
𝑄0.75 =
1−0
𝑓0.75 = 0.328967863
La aproximación de f(0.75) es:

𝑄0.75 = 0.328967863
16c interpolación y aproximación polinomial
f  x   et para 0  x  2
16.c Aproxime f (0.25) y f (0.75) mediante el segundo polinomio interpolante con:
x 0  0, x1  1 y x 2  2
n
(x  x i )
f  x   et para 0  x  2 Ln ,k  
i 0 ( xk  xn )
i 0
2
( x  xi ) ( x  x1 )( x  x2 ) ( x  1)( x  2) x 2  3x  2
L2,0 ( x)     
i 0 ( x0  xi ) ( x0  x1 )( x0  x2 ) (0  1)(0  2) 2
i 0
2
( x  xi ) ( x  x0 )( x  x2 ) ( x  0)( x  2) x 2  2 x
L2,1 ( x)     
i 0 ( x1  xi ) ( x1  x0 )( x1  x2 ) (1  0)(1  2) 1
i 1
2
( x  xi ) ( x  x0 )( x  x1 ) ( x  0)( x  1) x 2  x
L2,2 ( x)     
i 0 ( x2  xi ) ( x2  x0 )( x2  x1 ) (2  0)(2  1) 2
i2
Evaluamos los nodos en la función:

f ( x0 )  f (0)  1 f ( x1 )  f (1)  2.7182818 f  x2   f (2)  7.3890561
Luego el polinomio interpolante se segundo grado es:
P2 ( x).  f  x0  .L2,0  x   f  x1  .L2,1  x   f  x2  .L2.2  x 
 x 2  3x  2   x2  2 x   x2  x 
P2  x   1    2.718282  1   7.389056  2 
 2     
P2  x   1.476246 x2  0.242036 x  1
Aproximar f  0.25 y f  0.75
f  0.25  1.284025 P  x   P  0.25  1.152774
Error : 1.284025  1.152774  0.1312510
f  0.75  2.117000 P  x   P  0.75  2.011915
Error : 2.117000  2.011915  0.1050850
Ejercicio 16-D) Sea f(x) = ℯ 𝑥 , 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 ≤ 2.

a. Aproxime f(0.25) mediante la interpolación lineal con x0 = 0 y x1 = 0.5
b. Aproxime f(0.75) mediante la interpolación lineal con x0 = 0.5 y x1 = 1
c. Aproxime f(0.25) y f(0.75) mediante el segundo polinomio interpolante con x0 = 0 y
x1 = 1 y x2 = 2.
d. ¿Cuáles aproximaciones son mejores y por qué?
SOLUCIÓN:
Por lo tanto.
𝑎 0 0 1 −1 1
𝑏
{ } = |1 1 1| {2.718281828}
𝑐 4 2 1 7.389056099
Es decir
𝑎 1.4762246221
{𝑏} = { 0.242035607 }
𝑐 1
Por lo tanto, la función de interpolación de segundo orden es:
f(x) = 1.476246221𝑥 2 + 0.242035607x + 1
Por tanto, el valor aproximado de f(x)
f(0.5) = 1.476246221*(0.5)2 + 0.242035607*(0.5) + 1 = 1.490079359
f(0.75) = 1.476246221*(0.75)2+ 0.242035607*(0.75) + 1 = 2.011915205
por lo tanto, usando la función de interpolación de segundo orden.
f(0.5) =
1.490079359
f(0.75) =
2.011915205
(D) considerando las siguientes aproximaciones.
Interpolación Error
Valor actual Lineal Segundo orden Lineal Segundo
orden
f(0.5) 1.648721271 1.324360635 1.490079359 0.324360636 0.158641912
F(0.75) 2.117000017 2.183501549 2.011915205 0.066501532 0.105084812
A partir del error absoluto calculado se observa que f(0.5) y f(0.75) son más precisos al
interpolar utilizando la interpolación Liner.
17
Supongamos que necesita construir tablas de ocho lugares decimales para la función
logarítmica común, o de base 10, x a x =1 a x=10 , de modo que la interpolación lineal
tenga una exactitud de 10 6 .Determine una cota del tamaño de paso para esta tabla.
¿ Qué tamaño de paso escogerá ?, para asegurarse de que la tabla incluya a x  10.
Nuestra función a aproximar es 𝑓 (𝑥 ) = 𝑙𝑜𝑔10 (𝑥 ), nosotros sabemos que esta función no es

lineal, sin embargo, si dividimos el intervalo [1,10] en 𝑛 pedazos, podemos calcular la
recta que pasa por esos dos puntos y así, tomando dos puntos sucesivos de la partición.
Para obtener un error aproximado, podemos tomar el punto medio de estos puntos y
calcular el margen de error entre el real y el aproximado e ir sumándolos.
# Función que realiza la interpolación lineal por cada dos puntos
def interpollineal(x, y):
n, error = len(x), 0
# Tomamos cada dos puntos y realizamos la recta que pasa por ellos dos
for i in range(1, n):
f = lambda z: y[i-1] + (y[i]-y[i-1])*(z-x[i-1])/(x[i]-x[i-1])
# Realizamos un vector con los dos puntos y el punto medio

xi = np.linspace(x[i-1], x[i], 3, endpoint=True)
yi = [f(h) for h in xi]
# Calculamos el error por medio del valor real del punto medio y el aproximado por la re
cta
error += np.log10(xi[1]) - yi[1]
# Imprimimos el error
print(error)
# Aquí haremos la prueba para saber que tal grande debe ser la partición del
# Intervalo [1,10] para que el error sea de por lo menos 10^-6
n = 10 # Número prueba
x = np.linspace(1, 10, n, endpoint=True)
y = np.log10(x)
interpollineal(x,y)
𝑛 nuestro número prueba para el número de particiones del intervalo es quien nos ayudará
para minimizar el error a través de la interpolación lineal.
A continuación, con ayuda de Python podemos ver tanto el 𝑛, como el respectivo error.
𝑛 𝐸𝑟𝑟𝑜𝑟
10 0.047028633508484546
100 0.004439954560291198
1000 0.00044016167402888186
10000 4,40𝑥10−5
100000 4,40𝑥10−6
Entonces, podemos ver que necesitamos más de 100.000 iteraciones para que nuestra
aproximación de 𝑓(𝑥 ) = 𝑙𝑜𝑔10 (𝑥 ) tenga un error de 10−6
__
𝒏 𝑬𝒓𝒓𝒐𝒓
𝟏𝟎 0.047028633508484546
𝟏𝟎𝟎 0.004439954560291198
𝟏𝟎𝟎𝟎 0.00044016167402888186
𝟏𝟎𝟎𝟎𝟎 4,40𝑥10−5
𝟏𝟎𝟎𝟎𝟎𝟎 4,40𝑥10−6
19. Suponga que 𝒙𝒋 = 𝒋 𝒑𝒂𝒓𝒂 𝒋 = 𝟎, 𝟏, 𝟐, 𝟑 𝒚 𝒒𝒖𝒆 𝒔𝒆 𝒔𝒂𝒃𝒆 𝒒𝒖𝒆.
𝑃0,1 (x) = 2x + 1 , 𝑃0,2 (x) = x + 1 y 𝑃0,1,2,3 (x) = 2x + 1
𝑂𝑏𝑡𝑒𝑛𝑔𝑎 𝑃0,1,2,3 (2.5)
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑃0,1,2,3 (2.5) 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛𝑎𝑛 𝑎 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑐𝑖𝑜𝑛 .
𝑃0,1 (x) = 2x + 1
{ 𝑃0,2 (x) = x + 1
𝑃0,1,2,3 (2.5) = 2x + 1
𝐏𝐚𝐬𝐨 𝟏: construya la tabla de interpolacion de Neville.

𝑿𝟎 𝑷𝟎
𝑿𝟏 𝑷𝟏 𝑃0,1 (x) {
𝑿𝟐 𝑷𝟐 𝑃0,2 (x) 𝑃1,2,3 (x)
𝑿𝟑 𝑷𝟑 𝑃2,3 (x) 𝑃1,2,3 (x) 𝑃o,1,2,3 (x)
Paso 2: calcule las entradas respectivas en la tabla anterior.

(𝑥 − 𝑥0 )𝑃1 − (𝑥 − 𝑥1 )𝑃0 (𝑥 − 0)𝑃1 − (𝑥 − 1)𝑃0
𝑃0,1 (x) = [ ]= [ ] = 𝑥𝑃1 − (𝑥 − 1)𝑃0
(𝑥1 − 𝑥0 ) (1 − 0)
𝐴 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑐𝑖ó𝑛
2𝑥 + 1 = (𝑃1 − 𝑃0 )𝑥 + 𝑃 0
𝑃1 − 𝑃0 = 2 𝑃1 − 1 = 2
( ) 𝑦 ( )
𝑃0 = 1 𝑃1 = 3
(𝑥 − 𝑥0 )𝑃2 − (𝑥 − 𝑥2 )𝑃0 (𝑥 − 0)𝑃2 − (𝑥 − 2)𝑃0
𝑃0,2 (x) = [ ]= [ ]
(𝑥 2 − 𝑥 0 ) (2 − 0)
𝑥𝑃2 − (𝑥 − 2)𝑃0
=⌈ ⌉
2
𝑥(𝑃2 − 𝑃0 ) − 2𝑃0
x +1=
2
𝑥(𝑃2 − 1) − 2(1)
x +1=
2
𝑃 −1 =2
{ 2 }
𝑃2 = 3
(𝑥 − 𝑥2 )𝑃3 − (𝑥 − 𝑥3 )𝑃2 (𝑥 − 2)𝑃3 − (𝑥 − 3)𝑃2
𝑃2,3 (x) = [ ]= [ ]
(𝑥 3 − 𝑥 2 ) (3 − 2)
= (𝑋 − 2)𝑃3 − (𝑥 − 3)𝑃2
= 𝑥(𝑃3 − 𝑃2 ) − 2𝑃3 − 3𝑃2 = 𝑥(𝑃3 − 3) − 2𝑃3 − 3(3) = 𝑥(𝑃3 − 3) − 2𝑃3 − 9
(𝑥 − 𝑥0 )𝑃1,2 − (𝑥 − 𝑥2 )𝑃0,1 (𝑥 − 0)𝑃1 − (𝑥 − 1)𝑃0
𝑃0,1,2 (x) = [ ]= [ ]
(𝑥 2 − 𝑥 0 ) (2 − 0)
(𝑥 − 𝑥0 )𝑃2,3 (𝑥 ) − (𝑥 − 𝑥1 )𝑃1,2 (𝑥 ) (𝑥 − 0)𝑃2,3 (𝑥 ) − (𝑥 − 1)𝑃1,2 (𝑥 )
𝑃1,2,3 (x) = [ ]= [ ]
(𝑥3 − 𝑥1 ) (3 − 1)
1
= 2 [(𝑥 − 0)𝑃2,3 (𝑥 ) − (𝑥 − 1)𝑃1,2 (𝑥 )]
1
= 2 [(𝑥 − 0)𝑃2,3 (𝑥 ) − (𝑥 − 1)𝑃1,2 (𝑥 )]
(2.5 − 𝑥0 )𝑃1,2,3 (2.5) − (2.5 − 𝑥1 )𝑃0,1,2
𝑃0,1,2,3 (2.5) = [ ]
(𝑥3 − 𝑥0 )
1 (𝑥 − 0)𝑃1,2,3 (2.5) − (𝑥 − 1)𝑃0,1,2 (2.5)
= [ ]
2 (3 − 0 )
Respuesta
𝑃0,1,2,3 (2.5) = 2.875.
20. El algoritmo de Neville sirve para aproximar 𝒇(𝟎) por medio de 𝒇(−𝟐), 𝒇(−𝟏), 𝒇(𝟏) y
𝒇(𝟐). Suponga que 𝒇(−𝟏) se sobre expresó por 𝟐 y que 𝒇(𝟏) se sobre expresó en 𝟑.
Determine el error del cálculo original del valor del polinomio interpolante al aproximar
𝒇(𝟎).
Desarrollo:
x0  2 x1  1 x2  1 x3  2
f  2 f  1 f 1 f 2 
Diferencia dividida cero
f  2 f  1 f 1 f 2 
Primera diferencia dividida
f  x0 , x1  
 x  x0  f  x1    x  x1  f  x0    x  2  f  1   x  1 f  2   x  2 f 1  x  1 f 2
       
x1  x0 1   2 
f  x1 , x2  
 x  x1  f  x2    x  x2  f  x1    x  1 f 1   x  1 f  1   x  1 f 1   x  1 f  1
x2  x1 1   1 2
f  x2 , x3  
 x  x2  f  x3    x  x3  f  x2    x  1 f  2    x  2  f 1 
 x  1 f  2    x  2  f 1
x3  x2 2 1
Segunda diferencia dividida
f  x0 , x1 , x2  
 x  x0  f  x1 , x2    x  x2  f  x0 , x1 
x2  x0
  x  1 f 1   x  1 f  1 
 x  2     x  1  x  2  f  1   x  1 f  2  
f  x0 , x1 , x2    2 
3
f  x1 , x2 , x3  
 x  x1  f  x2 , x3    x  x3  f  x1 , x2 
x3  x1
  x  1 f 1   x  1 f  1 
 x  1  x  1 f  2    x  2  f 1   x  2   
f  x1 , x2 , x3    2 
3
Tercera diferencial dividida
 x  x0  f  x1 , x2 , x3    x  x3  f  x0 , x1 .x2 
f  x0 , x1 , x2 , x3  
x3  x0
   x  1 f 1   x  1 f  1  
  x  1 ( x  1) f  2    x  2  f 1    x  2   
    x  1  x  2 f 1  x  1 f 2 
 x  2  
2
3           
 
 
f  x0 , x1 , x2 , x3  
4
  x  1 f 1   x  1 f  1 
   x  1  x  2  f  1   x  1 f  2   
 x  2  2 
 3 
 

4
f  x0 , x1 , x2 , x3  
 x  x0  f  x1 , x2 , x3    x  x3  f  x0 , x1.x2    f  2  2 f 1  2 f  1  f  2 
x3  x0 6 3 3 6
2
El error respecto al cálculo original es más grande
3
21. construya un sucesión de valores interpolantes y 𝑓(1 + √10) donde 𝑓(𝑥 ) =

(1 + 𝑥 2 )−1 para -5<x<5 como sigue N=1,2…, 10 se h= 10/π y v Yn= 𝑃𝑛(1 + √10) donde
Pn(x) es un polinomio interpolantes de f(x) en modos 𝑥0𝑛 , 𝑥1𝑛 , … . . 𝑥𝑛4 y 𝑥𝑗𝑛 = −5 + 𝑗ℎ
j=1,2,3,… n ¿parece que sucesión convergente en 𝑓(1 + √10)?
Resolución:
𝑥0 = 0 𝑃0 = 𝑄0,0 = 1
𝑥1 = 0,25 𝑃1 = 𝑄1,0 = 2 𝑃01 = 𝑄1,1 = 2,6

𝑥2 = 0,5 𝑃2 = 𝑄2,0 = 𝑦 𝑃12 = 𝑄2,1 = 𝑃023 = 𝑄2,2 =
𝑥3 = 0,75 𝑃3 = 𝑄3,0 = 8 𝑃23 = 𝑄3,1 = 2,4 𝑃123 = 𝑄3,2 = 2.96

𝑃023 = 𝑄3,3 = 3.016
𝑓 (0.5) = 𝑄2,0 = 𝑦
(𝑥 − 𝑥1 ) (𝑥 − 𝑥 0 )
𝑝1 (𝑥 ) = ∗ 𝑓 (𝑥 0 ) + ∗ 𝑓 (𝑥1 )
(𝑥0 − 𝑥1 ) (𝑥1 − 𝑥0 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑝2 (𝑥 ) = ∗ 𝑓 (𝑥 0 ) + ∗ 𝑓(𝑥1 ) +
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
∗ 𝑓 (𝑥 2 )
(0.5 − 𝑥1 )(0.5 − 𝑥2 ) (0.5 − 0)(0.5 − 1) (0.5 − 0)(0.5 − 𝑥1 )
𝑝2 (0.5) = ∗0+ ∗ 𝑓 (𝑥1 ) +
(0 − 𝑥1 )(0 − 𝑥2 ) (𝑥1 − 0)(𝑥1 − 1) (1 − 0)(1 − 𝑥1 )
∗0
(0.5 − 0)(0.5 − 1)
𝑝2 (0.5) = ∗ √𝑥1 − (𝑥1 )2
(𝑥1 − 0)(𝑥1 − 1)
𝑓 (0.5) − 𝑝2 (0.5) = −0.25

𝑓 (0.5) + 0.25 = 𝑝2 (0.5)
√0.5 − (0.5)2 + 0.25 = 𝑝2 (0.5)

𝑝2 (0.5) = 0.75
(0.5 − 0)(0.5 − 1) −0.25
0.75 = ∗ √𝑥1 − (𝑥1 )2 → 0.75 = ∗ √𝑥1 − (𝑥1 )2
(𝑥1 − 0)(𝑥1 − 1) (𝑥1 )(𝑥1 − 1)
(𝑥1 )(𝑥1 − 1) = −0.333 ∗ √𝑥1 − (𝑥1 )2 → (𝑥1 )2 − 𝑥1 = −0.333 ∗ √𝑥1 − (𝑥1 )2

2
(𝑥1 2 − 𝑥1 )2 = (−0.333 ∗ √𝑥1 − (𝑥1 )2 ) → (𝑥1 )4 − 2(𝑥1 )3 + (𝑥1 )2 = 0.111(𝑥1 − (𝑥1 )2 )
(𝑥1 )4 − 2(𝑥1 )3 + (𝑥1 )2 = 0.111𝑥1 − 0.111(𝑥1 )2

→ (𝑥1 )4 − 2(𝑥1 )3 + 1.111(𝑥1 )2 − 0.111𝑥1 = 0
(𝑥1 )4 − 2(𝑥1 )3 + 1.111(𝑥1 )2 − 0.111𝑥1 = 0
50 + √1390 50 − √1390
𝑥1 = 0, 𝑥1 = 1, 𝑥1 = = 0.873, 𝑥1 = = 0.127
100 100
22. 𝑈𝑠𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑖𝑡𝑒𝑟𝑎𝑑𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑝𝑎𝑟𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛𝑎 𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑑𝑒
"𝑥" 𝑒 −𝑥 = 0, 𝑝𝑜𝑟 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠
𝑥 0.3 0.4 0.5 0.6
𝑒 −𝑥 0.740818 0.670320 0.606531 0.548812
𝑥 0.740818 0.670320 0.606531 0.548812

ln 𝑥 0.3 0.4 0.5 0.6
SOLUCIÓN
𝑦0 = 0.740818 ; 𝑦1 = 0.670320 ; 𝑦2 = 0.606531 ; 𝑦3 = 0.548812
Determinamos la inversa de la función 𝑒 −𝑥
𝑦 = 𝑒 −𝑥
𝑥 = 𝑒 −𝑦
𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝐥𝐧 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑥𝑡𝑟𝑒𝑚𝑜𝑠
ln 𝑥 = ln 𝑒 −𝑦 → ln 𝑥 = −𝑦 ∴ 𝑓 −1 (𝑥) = − ln 𝑥
𝐸𝑣𝑎𝑙𝑢𝑎𝑚𝑜𝑠 𝑐𝑎𝑑𝑎 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑖𝑛𝑣𝑒𝑟𝑠𝑎
𝑥0 = 0.740818 → 𝑓 (𝑥) = − ln 𝑦 → 𝑓 (𝑥0 ) = − 𝑙𝑛 𝑥 → 𝑓(0.740818) =
− ln( 0.740818)
𝑥1 = 0.670320 → 𝑓(𝑥 ) = − ln 𝑦 → 𝑓 (𝑥1 ) = − ln 𝑥 → 𝑓(0.670320) =
− ln(0.670320)
𝑥2 = 0.606531 → 𝑓 (𝑥) = − ln 𝑦 → 𝑓 (𝑥2 ) = − ln 𝑥 → 𝑓(0.606531) =
− ln( 0.606531)
𝑥3 = 0.548812 → 𝑓 (𝑥 ) = − ln 𝑦 → 𝑓(𝑥3 ) = − ln 𝑥 → 𝑓(0.548812) =
− ln(0.548812)
𝒙𝟎 = 𝟎. 𝟑𝟎𝟎𝟎𝟎𝟎𝟐𝟗𝟕𝟗
𝒙𝟏 = 𝟎. 𝟒𝟎𝟎𝟎𝟎𝟎𝟎𝟔𝟖𝟕
𝒙𝟐 = 𝟎. 𝟒𝟗𝟗𝟗𝟗𝟗𝟒𝟑𝟗𝟎
𝒙𝟑 = 𝟎. 𝟓𝟗𝟗𝟗𝟗𝟗𝟑𝟑𝟔𝟗
𝑷𝑨𝑹𝑨 𝒏=𝟏
𝑃(𝑥 ) = 𝑓(𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1
𝑛 𝑛
(𝑥 − 𝑥𝑖 )
𝑃(𝑥 ) = ∑ 𝑓(𝑥𝑘 )𝐿𝑛,𝑘 (𝑥) ; 𝐿𝑛,𝑘 = ∏
𝑘=0 𝑘=0
𝑖≠𝑘
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )
𝐿1,0 (𝑥 ) = ∏ =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )
𝑖=0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 0.670320 ) (𝑥 − 0.670320)
𝐿1,0 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (0.740818 − 0.670320) 0.070498
𝑖=0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )
𝐿1,1 (𝑥 ) = ∏ =
(𝑥0 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )
𝑖=0
𝑖≠0
1
(𝑥 − 𝑥𝑖 ) (𝑥 − 0.740818) (𝑥 − 0.740818)
𝐿1,1 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (0.670320 − 0.740818) −0.070498
𝑖=0
𝑖≠0
𝑃1 (𝑥 ) = 𝑓(𝑥0 )𝐿1,0 (𝑥 ) + 𝑓 (𝑥0 )𝐿1,0 (𝑥 )

(𝑥 − 0.670320) (𝑥 − 0.740818)
= (𝟎. 𝟑𝟎𝟎𝟎𝟎𝟎𝟐𝟗𝟕𝟗) + (𝟎. 𝟒𝟎𝟎𝟎𝟎𝟎𝟎𝟔𝟖𝟕)
0.070498 −0.070498
𝑃2 (𝑥) = −1.42𝑥 + 1.35
𝑷𝑨𝑹𝑨 𝒏=𝟐
𝑃2 (𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓(𝑥2 )𝐿2,2 (𝑥 )

2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝐿2,0 (𝑥) = ∏ =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )
𝑖=0
𝑖≠0
(𝑥 − 0.670320)(𝑥 − 0.606531) (𝑥 2 − 1.276851𝑥 + 0.406569)

= =
(0.740818 − 0.670320)(0.740818 − 0.606531) 0.0094669
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝐿2,1 (𝑥 ) = ∏ =
(𝑥0 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
𝑖=0
𝑖≠0
[(𝑥 − 0.740818)(𝑥 − 0.606531)] (𝑥 2 − 1.347349𝑥 + 0.449329)

= =
[(0.670320 − 0.740818)(0.670320 − 0.606531)] −0.0044969
2
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝐿2,1 (𝑥 ) = ∏ = =
(𝑥0 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
𝑖=0
𝑖≠0
[(𝑥 − 0.740818)(𝑥 − 0.670320)] 𝑥 2 − 1.411138𝑥 + 0.496585

= =
[(0.606531 − 0.740818)(0.606531 − 0.670320)(] 0.008566
(𝟎. 𝟑𝟎𝟎𝟎𝟎𝟎𝟐𝟗𝟕𝟗)(𝑥 2 − 1.276851𝑥 + 0.406569)
𝑃2 (𝑥 ) =
0.0094669
(𝟎. 𝟒𝟎𝟎𝟎𝟎𝟎𝟎𝟔𝟖𝟕)(𝑥 2 − 1.347349𝑥 + 0.449329)
+
−0.0044969
(𝟎. 𝟒𝟗𝟗𝟗𝟗𝟗𝟒𝟑𝟗𝟎)(𝑥 2 − 1.411138𝑥 + 0.496585)
+
0.008566
𝑃2 (𝑥 ) = 31.68𝑥 2 − 40.46𝑥 + 12.88 − 88.95𝑥 2 + 119.84𝑥 − 39.96 + 58.37𝑥 2 − 82.36𝑥
+ 28.98
𝑃2 (𝑥 ) = 1.1𝑥 2 − 2.98𝑥 + 1.9
𝑷𝑨𝑹𝑨 𝒏=𝟑
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿3,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿3,1 (𝑥 ) + 𝑓(𝑥2 )𝐿3,2 (𝑥 ) + 𝑓(𝑥3 )𝐿3,3 (𝑥)
3
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿3,0 (𝑥 ) = ∏ =
(𝑥0 − 𝑥𝑖 ) (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
𝑖=0
𝑖≠0
𝑥0 = 0.740818 ; 𝑥1 = 0.670320 ; 𝑥2 = 0.606531 ; 𝑥3 = 0.548812

[(𝑥 − 0.670320)(𝑥 − 0.606531)(𝑥 − 0.548812)]
= =
[(0.740818 − 0.670320)(0.740818 − 0.606531)(0.740818 − 0.548812)]
𝑥 3 − 1.825663𝑥 2 + 1.10732𝑥 − 0.223129

0.001817
𝒇(𝒙𝟎 ). 𝑳𝟑,𝟎 (𝒙) = (𝟎. 𝟑𝟎𝟎𝟎𝟎𝟎𝟐𝟗𝟕𝟗)(𝟓𝟓𝟎. 𝟑𝟓𝒙𝟑 − 𝟏𝟎𝟎𝟒. 𝟕𝟔𝒙𝟐 + 𝟔𝟎𝟗. 𝟒𝟔𝒙 − 𝟏𝟐𝟐. 𝟖𝟎)
𝒇(𝒙𝟎 ). 𝑳𝟑,𝟎 (𝒙) = 𝟏𝟔𝟓. 𝟏𝟎𝒙𝟑 − 𝟑𝟎𝟏. 𝟒𝟑𝒙𝟐 + 𝟏𝟖𝟐. 𝟖𝟐𝒙 − 𝟑𝟔. 𝟖𝟒)
3
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿3,1 (𝑥 ) = ∏ =
(𝑥 − 𝑥𝑖 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
𝑖=0
𝑖≠1
𝑥0 = 0.740818 ; 𝑥1 = 0.670320 ; 𝑥2 = 0.606531 ; 𝑥3 = 0.548812

[(𝑥 − 0.740818)(𝑥 − 0.606531)(𝑥 − 0.548812)]
= =
[(0.670320 − 0.740818)(0.670320 − 0.606531)(0.670320 − 0.548812)]
𝑥 3 − 1.896161𝑥 2 + 1.18277𝑥 − 0.246597

−0.0005495
𝒇(𝒙𝟏 ). 𝑳𝟑,𝟏 (𝒙) = (𝟎. 𝟒𝟎𝟎𝟎𝟎𝟎𝟎𝟔𝟖𝟕)(−𝟏𝟖𝟑𝟎. 𝟏𝟔𝒙𝟑 + 𝟑𝟒𝟕𝟎. 𝟐𝟖𝒙𝟐 − 𝟐𝟏𝟕𝟓. 𝟔𝟒𝒙
+ 𝟒𝟓𝟏. 𝟑𝟏)
𝒇(𝒙𝟏 ). 𝑳𝟑,𝟏 (𝒙) = −𝟕𝟐𝟕. 𝟗𝟑𝒙𝟑 + 𝟏𝟑𝟖𝟎. 𝟐𝟖𝒙𝟐 − 𝟖𝟔𝟎. 𝟗𝟕𝒙 + 𝟏𝟕𝟗. 𝟓)
3
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑦0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 )
𝐿3,2 (𝑥 ) = ∏ =
(𝑥2 − 𝑥𝑖 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 )
𝑖=0
𝑖≠2
𝑥0 = 0.740818 ; 𝑥1 = 0.670320 ; 𝑥2 = 0.606531 ; 𝑥3 = 0.548812

[(𝑥 − 0.740818)(𝑥 − 0.670320)(𝑥 − 0.548812)]
= =
[(0.606531 − 0.740818)(0.606531 − 0.670320)(0.606531 − 0.548812)]
𝑥 3 − 1.95995𝑥 2 + 1.271034𝑥 − 0.272531

0.0005003
𝒇(𝒙𝟐 ). 𝑳𝟑,𝟐 (𝒙) = (𝟎. 𝟒𝟗𝟗𝟗𝟗𝟗𝟒𝟑𝟗𝟎)(𝟐𝟎𝟐𝟑. 𝟑𝟒𝒙𝟑 − 𝟑𝟗𝟔𝟓. 𝟔𝟔𝒙𝟐 + 𝟐𝟓𝟕𝟏. 𝟕𝟒𝒙
− 𝟓𝟓𝟏. 𝟒𝟔)
𝒇(𝒙𝟐 ). 𝑳𝟑,𝟐 (𝒙) = 𝟗𝟗𝟗. 𝟑𝟗𝒙𝟑 − 𝟏𝟗𝟓𝟖. 𝟕𝟕𝒙𝟐 + 𝟏𝟐𝟕𝟎. 𝟐𝟕𝒙 − 𝟐𝟕𝟓. 𝟑𝟔)
3
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝐿3,3 (𝑥 ) = ∏ =
(𝑥3 − 𝑥𝑖 ) (𝑥3 − 𝑥1 )(𝑥3 − 𝑥1 )(𝑥0 − 𝑥2 )
𝑖=0
𝑖≠3
𝑥0 = 0.740818 ; 𝑥1 = 0.670320 ; 𝑥2 = 0.606531 ; 𝑥3 = 0.548812

[(𝑥 − 0.740818)(𝑥 − 0.670320)(𝑥 − 0.606531)]
= =
[(0.548812 − 0.740818)(0.548812 − 0.670320)(0.548812 − 0.606531)]
𝑥 3 − 2.017669𝑥 2 + 1.352488𝑥 − 0.301194

−0.001362
𝒇(𝒙𝟑 ). 𝑳𝟑,𝟑 (𝒙) = (𝟎. 𝟓𝟗𝟗𝟗𝟗𝟗𝟑𝟑𝟔𝟗)(−𝟕𝟒𝟐. 𝟗𝟗𝒙𝟑 + 𝟏𝟒𝟗𝟗. 𝟏𝟐𝒙𝟐 − 𝟏𝟎𝟎𝟔. 𝟖𝟗𝒙
+ 𝟐𝟐𝟑. 𝟕𝟖)
𝒇(𝒙𝟑 ). 𝑳𝟑,𝟑 (𝒙) = −𝟒𝟒𝟎. 𝟓𝟐𝒙𝟑 + 𝟖𝟖𝟖. 𝟖𝟑𝒙𝟐 − 𝟓𝟗𝟓. 𝟖𝒙 + 𝟏𝟑𝟒. 𝟔𝟖
𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿3,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿3,1 (𝑥 ) + 𝑓(𝑥2 )𝐿3,2 (𝑥 ) + 𝑓(𝑥3 )𝐿3,3 (𝑥)
𝑷𝟑 (𝒙) = −𝟑. 𝟗𝟔𝒙𝟑 + 𝟖. 𝟗𝟏𝒙𝟐 − 𝟑. 𝟔𝟖𝒙 + 𝟏. 𝟗𝟖
25.a. Se sospecha que las elevadas concentraciones de tanina en las hojas de los robles
maduros inhiben el crecimiento de las larvas de la polilla invernal (Operophtera
bromat L. Geometridae) que tanto dañan a los árboles en algunos años. La tabla
anexa contiene el peso promedio de dos muestras de larva, tomadas en los primeros 28
días después del nacimiento. La primera muestra se crio en hojas de robles jóvenes,
mientras que la segunda lo hizo en hojas maduras del mismo árbol.
a. Use la interpolación de Lagrange para aproximar la curva del peso promedio

de las muestras.
Día 0 6 10 13 17 20 28
Peso promedio de la muestra 1 6.67 17.33 42.67 37.33 30.10 29.31 28.74
(mg)
Peso promedio de la muestra 2 6.67 16.11 18.89 15.00 10.56 9.44 8.89
(mg)
SOLUCIÓN
 El polinomio de interpolación de grado seis de la muestra de la muestra 1 es:

P6 (X) = L0 (x).y0 + L1 (x).y1 + L2 (x)y2 + L3 (x).y3 + L4 (x).y4 + L5 (x).y5 + L6 (x).y6
(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−20)(𝑥−28)
P6 (X) = . (6.67) −
7425600
𝑥(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−20)(𝑥−28) 𝑥(𝑥−6)(𝑥−13)(𝑥−17)(𝑥−20)(𝑥−28)
. (17.33) + . (42.67) −
569184 151200
𝑥(𝑥−6)(𝑥−10)(𝑥−17)(𝑥−20)(𝑥−28) 𝑥(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−20)(𝑥−28)
. (37.33) + . (30.10) −
114660 172788
𝑥(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−28) 𝑥(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−28)
. (29.31) + . (28.74)
470400 14636160
P6 (X) = 6.67 – 42.3434x + 16.1427x2 – 2.09464x3 + 012690x4 – 0.00367168x5
+0.0000409458x6
 El polinomio de interpolación de grado seis de la muestra de la muestra 2 es:

P6 (X) = L0 (x).y0 + L1 (x).y1 + L2 (x)y2 + L3 (x).y3 + L4 (x).y4 + L5 (x).y5 + L6 (x).y6
(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−20)(𝑥−28)
P6 (X) = . (6.67) −
7425600
𝑥(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−20)(𝑥−28) 𝑥(𝑥−6)(𝑥−13)(𝑥−17)(𝑥−20)(𝑥−28)
. (16.11) + . (18.89) −
569184 151200
𝑥(𝑥−6)(𝑥−10)(𝑥−17)(𝑥−20)(𝑥−28) 𝑥(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−20)(𝑥−28)
. (15.00) + . (10.56) −
114660 172788
𝑥(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−28) 𝑥(𝑥−6)(𝑥−10)(𝑥−13)(𝑥−17)(𝑥−28)
. (9.44) + . (8.89)
470400 14636160
P6 (X) = 6.67 – 5.67821x + 2.91281x2 – 0.413799x3 + 0.0258413x4 – 0.000752546x5

+0.00000836160x6
25b. Se sospecha que las elevadas concentraciones de tanina en las hojas de los robles maduros
inhiben el crecimiento de las larvas de la polilla invernal que tanto dañan a los árboles en
algunos años. La tabla anexa contiene el peso promedio de dos muestras de larva, tomadas en
los primeros 28 días después del nacimiento. La primera muestra se crio en hojas de robles
jóvenes, mientras que la segunda lo hizo en hojas maduras del mismo árbol.
b. Para calcular un peso promedio máximo aproximado de cada muestra, determine el máximo
del polinomio interpolante.
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛
𝑑𝑎𝑡𝑜𝑠
𝑚𝑢𝑒𝑠𝑡𝑟𝑎 1 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 2
𝑥0 = 0 𝑓(𝑥0 ) = 6.67 𝑥0 = 0 𝑓(𝑥0 ) = 6.67
𝑥1 = 6 𝑓(𝑥1 ) = 17.33 𝑥1 = 6 𝑓(𝑥1 ) = 16.11
𝑥2 = 10 𝑓(𝑥2 ) = 42.67 𝑥2 = 10 𝑓(𝑥2 ) = 18.89
𝑥3 = 13 𝑓(𝑥3 ) = 37.33 𝑥3 = 13 𝑓(𝑥3 ) = 15.00
𝑥4 = 17 𝑓(𝑥4 ) = 30.10 𝑥4 = 17 𝑓(𝑥4 ) = 10.56
𝑥5 = 20 𝑓(𝑥5 ) = 29.31 𝑥5 = 20 𝑓(𝑥5 ) = 9.44
𝑥6 = 28 𝑓(𝑥6 ) = 28.74 𝑥6 = 28 𝑓(𝑥6 ) = 8.89
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜, 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑔𝑟𝑎𝑑𝑜 6
𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑙𝑎𝑔𝑟𝑎𝑛𝑔𝑒
𝑛
𝑃(𝑥) = ∑ 𝑓 (𝑥𝑘 )𝑙𝑛 , 𝑘(𝑥 )

𝑘=0
𝑃 (𝑥 ) = 𝑓(𝑥0 )𝑙𝑛 , 0(𝑥 )+ 𝑓(𝑥1 )𝑙𝑛 , 1(𝑥 ) + ⋯ … … . +𝑓(𝑥𝑘 )𝑙𝑛 , 𝑘(𝑥 )

𝑛
(𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … … … (𝑥 − 𝑥𝑛 )
𝑙𝑛 , 𝑘(𝑥) = ∏ =
(𝑥𝑘 − 𝑥𝑖 ) (𝑥𝑘 − 𝑥0 )(𝑥𝑘 − 𝑥2 ) … … … (𝑥𝑘 − 𝑥𝑛 )
𝑖=0
𝑖≠𝑘
Ejercicio 26-A) En el ejercicio 24 de la sección 1.1 se integró una serie de Maclaurin para
aproximar erf(1), donde erf(x) es la distribución normal de la función de error definida por:
2 𝑥 2
erf(𝑥 ) = ∫ ℯ −𝑡 𝑑𝑡.
𝜋 0
√
a. Use la serie de Maclaurin para construir una tabla de erf(x) con una exactitud de
10−4 para: erf(x) donde x1= 0.2i, para i= 0, 1,…, 5.
SOLUCIÓN:
2
Considerando la función 𝑓 (𝑥 ) = ℯ −𝑥
Encuentre la serie de Maclaurin hasta los primeros cuatro términos de f(x), está dada por
𝑥 2 ′′ 𝑥3 𝑥4
𝑓 (𝑥) = 𝑓(0) + 𝑥𝑓′(0) + 𝑓 (0) + 𝑓 ′′′ (0) + 𝑓 ′′′′ (0) … … . (1)
2! 3! 4!
Donde 𝑓 (0) = 1
2
. 𝑓′(𝑥 ) = −2𝑥ℯ −𝑥 ⟹ 𝑓′(0) = 0
2
. 𝑓′′(𝑥 ) = −2𝑥ℯ −𝑥 [2𝑥 2 − 1] ⟹ 𝑓 ′′ (0) = −2
2
. 𝑓 ′′′(𝑥) = 4ℯ −𝑥 [3𝑥 − 2𝑥 3 ] ⟹ 𝑓 ′′′ (0) = 0
2
. 𝑓 ′′′′(𝑥) = 4ℯ −𝑥 [−2𝑥 2 (3 − 2𝑥 2 ) + (3 − 6𝑥 2 )] ⟹ 𝑓 ′′′′ (0) = 0
Sustituyendo los valores anteriores en (1)
𝑥2 𝑥3 𝑥4
. 𝑓(𝑥 ) = 1 + 𝑥(0) + (−2) + (0) + (0)
2! 3! 4!
. 𝑓 (𝑥 ) = 1 − 𝑥 2
2
Así, la serie de Maclaurin ℯ −𝑥 es 1-𝑥 2
Ahora calculamos la función de error de distribución normal erf(x) dada por
2 𝑥 −𝑡 2
. erf(𝑥 ) = ∫ ℯ 𝑑𝑥
√𝜋 0
2 𝑥 𝑥4
.= ∫ (1 − 𝑥 2 +
𝜋 0 2
)𝑑𝑥
√
2 𝑥3
.= (𝑥 − )……….. (2)
√ 𝜋 3
Sustituyendo los valores x1 = 0.2𝔦, 𝔦=0, 1, 2, 3, 4, 5 obtenemos la siguiente tabla para erf(x)
𝔦 Xi = 0.2𝔦 2 𝑥𝑖 3
erf(xi) = (xi- )
√ 𝜋 3
0 0 0
1 0.2 2 (0.2)3
(0.2- ) = 0.2227
√𝜋 3
2 0.4 2 (0.4)3
(0.4- ) = 0.4273
√𝜋 3
3 0.6 2 (0.6)3
(0.6- ) = 0.5958
√𝜋 3
4 0.8 2 (0.8)3
(0.8- ) = 0.7101
√𝜋 3
5 1.0 2 (1.0)3
(1.0- ) = 0.7523
√𝜋 3
Ejercicio 26 parte b: En el ejercicio 24 de la sección 1.1 se integró una serie de Maclaurin

para aproximar erf (1), donde erf(x) es la distribución normal de la función de error
definida por
𝒙
𝟐 𝟐
𝒆𝒓𝒇(𝒙) = ∫ 𝒆−𝒕 𝒅𝒕
√𝝅 𝟎
Use la interpolación lineal y cuadrática para obtener una aproximación de erf (1/3). ¿Qué
método le parece más adecuado?
Solución
Calculamos el valor real de esa función evaluada en 1/3
𝟏
𝟏 𝟐 𝟑 −𝒕𝟐
𝒆𝒓𝒇 ( ) = ∫ 𝒆 𝒅𝒕 = 0.3626481
𝟑 √𝝅 𝟎
Para la solución tomaremos puntos

𝑥0 = 0.31
𝑥1 = 0.34
Ya tomados los puntos procedemos a construir el polinomio interpolante de grado 1:
𝑃1 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) = 𝑓[𝑥0] + 𝑓[𝑥0 ,𝑥1 ] (𝑥 − 𝑥0 )
Luego la tabla de es
x 𝑓(𝑥)
𝑥0 =0.31 𝑓[𝑥0 ] = 𝑓(𝑥0) 𝑓[𝑥1 ]−𝑓[𝑥
0]
𝑥1 =0.34 𝑓[𝑥1 ] = 𝑓(𝑥1) 𝑓[𝑥0 ,𝑥1 ] =
𝑥1 − 𝑥0
𝑓(𝑥0) =0.3389082
𝑓(𝑥1) = 0.3693645
0.3693645 − 0.3389082
𝑓[𝑥0 ,𝑥1 ] = = 1.0152100
0.34 − 0.31
Entonces el polinomio interpolante es:
𝑃1 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) = 0.3389082 + 1.0152100(𝑥 − 0.31) = 1.0152100𝑥 +
0.0241931
1
𝑃1 (3) = 0.3625964
Además el valor aproximado 𝑓(1) =0.3625964

3
Ahora para construir el polinomio de grado 2 tomaremos otro punto y lo evaluaremos en la
función
𝑥0 = 0.31
𝑥1 = 0.34
𝑥2 = 0.35

𝑃2 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = 𝑓[𝑥0 ] + 𝑓[𝑥0 ,𝑥1 ] (𝑥 − 𝑥0 ) +
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] (𝑥 − 𝑥0 )(𝑥 − 𝑥0 )
Luego la tabla de es:
x 𝑓(𝑥)
𝑥0 =0.31 𝑓[𝑥0] = 𝑓(𝑥0) 𝑓[𝑥1 ]−𝑓[𝑥
0]
𝑓[𝑥0 ,𝑥1 ] =
𝑥1 =0.34 𝑓[𝑥1] = 𝑓(𝑥1) 𝑥1 − 𝑥0 𝑓[𝑥1 ,𝑥2 ] −𝑓[𝑥0 ,𝑥1 ]
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] =
𝑓[𝑥2 ]−𝑓[𝑥 𝑥2 − 𝑥0
1]
𝑓[𝑥1 ,𝑥2 ] =
𝑥2 = 0.35 𝑓[𝑥1] = 𝑓(𝑥1) 𝑥2 − 𝑥1
𝑓(𝑥0) =0.3389082
𝑓(𝑥1) = 0.3693645
𝑓(𝑥2) = 0.3793821
0.3693645 − 0.3389082
𝑓[𝑥0 ,𝑥1 ] = = 1.0152100
0.34 − 0.31
0.3793821 − 0.3693645
𝑓[𝑥1 ,𝑥2 ] = = 1.0017600
0.35 − 0.34
1.0017600 − 1.0152100
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] = = −0.3362500
0.35 − 0.31
𝑃2 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = 0.3389082 + 1.0152100(𝑥 − 0.31) −
0.3362500(𝑥 − 0.31)(𝑥 − 0.34)
𝑃2 = −0.33625𝑥 2 + 1.2337725𝑥 − 0.0112477
1
𝑃2 ( ) = 0.3626487
3
Además el valor aproximado 𝑓(1) = 0.3626487
3
Respuesta: el valor aproximado de la función evaluado en 1/3 con el método de polinomio
cuadrado es más aproximado que utilizando el polinomio lineal.
ejercicio 29 El polinomio de Bernstein de grado n para 𝑓 ∈ [0,1] está dado por

Ejercicio 29
Ítem a)
𝑛
𝑛 𝑘
𝐵𝑛 (𝑥) = ∑ ( ) 𝑓 ( ) 𝑥 𝑘 (1 − 𝑥 )𝑛−𝑘
𝑘 𝑛
𝑘=0
𝑛!
Donde (𝑛𝑘) denota 𝑘!(𝑛−𝑘)!. Estos polinomios pueden usarse en una demostración
constructiva del teorema de aproximación de Weierstrass 3.1 (véase [𝑩𝒂𝒓𝒕]), ya que
lim 𝐵𝑛 ( 𝑥) = 𝑓 (𝑥 ), para cada 𝑥 ∈ [0,1].
𝑛→∞
Demuestre 𝐵3 (𝑥 ) para las funciones

i. 𝑓 (𝑥 ) = 𝑥 ii. 𝑓 (𝑥 ) = 1
Solución
Si 𝑓 (𝑥 ) = 𝑥 y 𝑓 (𝑥 ) = 1 sus polinomios de Bernstein son:
𝑛 𝑛
1 𝑘 1 𝑘 (𝑛 − 1)! 𝑘
∑ 𝑘 ( ) 𝑥 𝑘 (1 − 𝑥)𝑛−𝑘 = ∑ 𝑘 ( ) 𝑥 (1 − 𝑥)𝑛−𝑘
𝑛 𝑛 𝑛 𝑛 𝑘! (𝑛 − 𝑘)!
𝑘=0 𝑘=1
𝑛
(𝑛 − 1)!
=𝑥 ∑ 𝑥 𝑘−1 (1 − 𝑥)[(𝑛−𝑘) − (𝑘 − 1]
(𝑘 − 1)! [(𝑛 − 1) − (𝑘 − 1)]!
𝑘=1
𝑛−1
(𝑛 − 1)!
=𝑥 ∑ 𝑥 𝑗 (1 − 𝑥)(𝑛−1) − 𝑗
(𝑗)! [(𝑛 − 1) − (𝑗)]!
𝑗 =0
𝑛−1
𝑛−1 𝑗
=𝑥 ∑( ) 𝑥 (1 − 𝑥)(𝑛−1) − 𝑗
𝑗
𝑗 =0
= 𝑥[𝑥 + (1 − 𝑥 ]𝑛−1 = 𝑥
Con lo que terminamos de comprobar que el polinomio de Bernstein de una función nos
resulta 𝑓 (𝑥 ) = 𝑥 y 𝑓 (𝑥 ) = 1
29. b
𝑛
Por definición ( ) como sigue:
𝑘
𝑛 𝑛!
( )=
𝑘 𝑘! (𝑛 − 𝑘)!
Incluso cuando (𝑘 ≤ 𝑛)
𝑛 𝑛(𝑛 − 1)!
( )=
𝑘 𝑘(𝑘 − 1)! ((𝑛 − 1) − (𝑘 − 1))!
𝑛 𝑛 (𝑛 − 1)!
( ) = ( )( )
𝑘 𝑘 (𝑘 − 1)! ((𝑛 − 1) − (𝑘 − 1))
𝑛 𝑛 𝑛−1
( ) = ( )( )
𝑘 𝑘 𝑘−1
𝑘 𝑛 𝑛−1
( )( ) = ( )
𝑛 𝑘 𝑘−1
𝑛−1
Entonces concluimos que para cada 𝑘 ≤ 𝑛, los valores de la combinatoria ( ), es
𝑘−1
𝑘 𝑛
igual a ( ) ( ).
𝑛 𝑘
Ejercicio 24.a
En la introducción de este capítulo se incluyó una tabla con la población de Estados
Unidos, entre los años 1940 y 1990. Use la interpolación de Lagrange para aproximar la
población en los años, 1930, 1965 y 2010.
intervalos 0 10 20 30 40 50
año 1940 1950 1960 1970 1980 1990
población 132165 151326 179323 203302 226542 249633
 Año (1965)
𝒙 − 𝒙𝟏 𝒙 − 𝒙𝟎
𝑷(𝒙) = ∗ 𝒇(𝒙𝟎 ) + ∗ 𝒇 ( 𝒙𝟏 )
𝒙𝟎 − 𝒙𝟏 𝒙 𝟏 − 𝒙𝟎
𝑥0 = 20 𝑓(𝑥0 ) = 179323
𝑥1 = 30 𝑓(𝑥1 ) = 203302
𝑥 =25
𝑥 − 30 𝑥 − 20
𝑃 (𝑥 ) = ∗ (179323) + ∗ (203302)
20 − 30 30 − 20
𝑃(𝑥 ) = −17932.3 ∗ 𝑥 + 537969 + 20330.2 ∗ 𝑥 − 406604
𝑷(𝒙) = 𝟐𝟑𝟗𝟕. 𝟗 ∗ 𝒙 + 𝟏𝟑𝟏𝟑𝟔𝟓
𝑃𝑎𝑟𝑎 𝑥 = 25
𝑃(25) = 2397.9 ∗ 25 + 131365
𝑷(𝟐𝟓) = 𝟏𝟗𝟏𝟑𝟏𝟐. 𝟓 𝑯𝒂𝒃𝒊𝒕𝒂𝒏𝒕𝒆𝒔
 Año (2010)
𝒙 − 𝒙𝟏 𝒙 − 𝒙𝟎
𝑷(𝒙) = ∗ 𝒇(𝒙𝟎 ) + ∗ 𝒇 ( 𝒙𝟏 )
𝒙𝟎 − 𝒙𝟏 𝒙 𝟏 − 𝒙𝟎
𝑥0 = 0 𝑓 (𝑥0 ) = 132165
𝑥1 = 50 𝑓(𝑥1 ) = 249633
𝑥 =70
𝑥 − 50 𝑥−0
𝑃 (𝑥 ) = ∗ (132165) + ∗ (249633)
0 − 50 50 − 0
𝑃(𝑥 ) = −26432.3 ∗ 𝑥 + 132165 + 4992.66 ∗ 𝑥
𝑃(𝑥 ) = 2349.36 ∗ 𝑥 + 132165
→ 𝑃𝑎𝑟𝑎 𝑥 = 70
𝑃(70) = 2349.36 ∗ 70 + 132165
𝑷(𝟕𝟎) = 𝟐𝟗𝟔𝟔𝟐𝟎. 𝟐 𝑯𝒂𝒃𝒊𝒕𝒂𝒏𝒕𝒆𝒔
 Año (1930)
𝒙 − 𝒙𝟏 𝒙 − 𝒙𝟎
𝑷(𝒙) = ∗ 𝒇(𝒙𝟎 ) + ∗ 𝒇 ( 𝒙𝟏 )
𝒙𝟎 − 𝒙𝟏 𝒙 𝟏 − 𝒙𝟎
𝑥0 = 0 𝑓 (𝑥0 ) = 132165
𝑥1 = 50 𝑓(𝑥1 ) = 249633
𝑥 = −10
𝑥 − 50 𝑥−0
𝑃 (𝑥 ) = ∗ (132165) + ∗ (249633)
0 − 50 50 − 0
𝑃(𝑥 ) = −26432.3 ∗ 𝑥 + 132165 + 4992.66 ∗ 𝑥
𝑃(𝑥 ) = 2349.36 ∗ 𝑥 + 132165
→ 𝑃𝑎𝑟𝑎 𝑥 = 70
𝑃(10) = 2349.36 ∗ (−10) + 132165
𝑷(𝟏𝟎) = 𝟏𝟎𝟖𝟔𝟕𝟏. 𝟒 𝑯𝒂𝒃𝒊𝒕𝒂𝒏𝒕𝒆𝒔
EJERCICIO (29C)
Utilice la parte (b) y el hecho de que, según (ii) de la parte (a).
SOLUCIÓN
CONJUNTO
DE
EJERCICIOS
3.2
1.aUse la fórmula de diferencias divididas interpolantes de Newton o el algoritmo 3.2 para
construir polinomios interpolantes de grado uno, dos y tres con los siguientes datos. Use
cada uno de los polinomios para aproximar el valor especificado.
𝑎. 𝑓 (8.4) 𝑠𝑖 𝑓 (8.1) = 16.94410, 𝑓 (8.3) = 17.56492, 𝑓(8.6) = 18.50515,
𝑓 (8.7) = 18.82091
Solución.
Construcción del polinomio interpolante del grado 1.
𝑃1 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) = 𝑓 (𝑥0 ) + 𝑓(𝑥0 ; 𝑥1 ) × (𝑥 − 𝑥0 )
La tabla de diferencias divididas es.
𝑥 𝑓(𝑥)
𝑥0 = 8.1 𝑎0 = 𝑓 [𝑥0 ] = 𝑓 (𝑥0 ) = 𝑓(8.1) = 16.94410
𝑥1 = 8.3 𝑓[𝑥1 ] = 𝑓 (𝑥1 ) = 𝑓 (8.3) = 17.56492
𝑓 (𝑥1 ) − 𝑓(𝑥0 ) 17.56492 − 16.94410

𝑎1 = 𝑓 (𝑥0 ; 𝑥1 ) = = = 3.1041
𝑥1 − 𝑥0 8.3 − 8.1
El polinomio interpolante de grado 1 es:
𝑃1 (𝑥 ) = 16.94410 + 3.1041(𝑥 − 8.1) ⟹ 𝑃1 (𝑥 ) = 3.1041𝑥 − 8.19911
𝑃1 (8.4) = 3.1041 × 8.4 − 8.19911 ⟹ 𝑃1 (8.4) = 17.87533

Además, el valor aproximado es: 𝑃1 (8.4) ≈ 17.87533
𝑃2 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
= 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ; 𝑥1 ) × (𝑥 − 𝑥0 ) + 𝑓(𝑥0 ; 𝑥1 ; 𝑥2 ) × (𝑥 − 𝑥0 ) × (𝑥 − 𝑥1 )
𝑥 𝑓(𝑥)
𝑥0 = 8.1 𝑎0 = 𝑓 [𝑥0 ] = 𝑓 (𝑥0 ) = 𝑓(8.1) = 16.94410
𝑥1 = 8.3 𝑓[𝑥1 ] = 𝑓 (𝑥1 ) = 𝑓 (8.3) = 17.56492

𝑥2 = 8.6 𝑓 (𝑥2 ) = 𝑓 (8.6) = 18.50515
𝑓 (𝑥1 ) − 𝑓(𝑥0 ) 17.56492 − 16.94410

𝑎1 = 𝑓 (𝑥0 ; 𝑥1 ) = = = 3.1041
𝑥1 − 𝑥0 8.3 − 8.1
𝑓 (𝑥1 ; 𝑥2 ) − 𝑓(𝑥0 ; 𝑥1 )
𝑎2 = 𝑓 (𝑥0 ; 𝑥1 ; 𝑥2 ) =
𝑥2 − 𝑥0
𝑓 (𝑥2 ) − 𝑓(𝑥1 ) 18.50515 − 17.56492
𝑓 (𝑥1 ; 𝑥2 ) = = = 3.1341
𝑥2 − 𝑥1 8.6 − 8.3
3.1341 − 3.1041
𝑎2 = 𝑓 (𝑥0 ; 𝑥1 ; 𝑥2 ) = = 0.06
8.6 − 8.1
El polinomio del grado interpolante de grado 2 es:

𝑃2 (𝑥 ) = 16.94410 + 3.1041(𝑥 − 8.1) + 0.06(𝑥 − 8.1)(𝑥 − 8.3)
𝑃2 (𝑥 ) = 16.94410 + 3.1010𝑥 − 25.14621 + 0.06𝑥 2 − 0.984𝑥 + 4.0338
𝑃2 (𝑥 ) = 0.06𝑥 2 + 2.117𝑥 − 4.16831
𝑃2 (8.4) = 0.06 × 8.42 + 2.117 × 8.4 − 4.16831
𝑃2 (8.4) = 17.84809
𝑃3 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

= 𝑓 (𝑥0 ) + 𝑓 (𝑥0 ; 𝑥1 )(𝑥 − 𝑥0 ) + 𝑓(𝑥0 ; 𝑥1 ; 𝑥2 )(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
+ 𝑓(𝑥0 ; 𝑥1 ; 𝑥2 ; 𝑥3 )(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑥 𝑓(𝑥)
𝑥0 = 8.1 𝑎0 = 𝑓 [𝑥0 ] = 𝑓 (𝑥0 ) = 𝑓(8.1) = 16.94410
𝑥1 = 8.3 𝑓[𝑥1 ] = 𝑓 (𝑥1 ) = 𝑓 (8.3) = 17.56492
𝑥2 = 8.6 𝑓 [𝑥2 ] = 𝑓 (𝑥2 ) = 𝑓(8.6) = 18.50515
𝑥3 = 8.7 𝑓 [𝑥3 ] = 𝑓 (𝑥3 ) = 𝑓(8.7) = 18.82091

𝑓 (𝑥1 ) − 𝑓(𝑥0 ) 17.56492 − 16.94410
𝑎1 = 𝑓 (𝑥0 ; 𝑥1 ) = = = 3.1041
𝑥1 − 𝑥0 8.3 − 8.1
𝑓 (𝑥1 ; 𝑥2 ) − 𝑓(𝑥0 ; 𝑥1 )
𝑎2 = 𝑓 (𝑥0 ; 𝑥1 ; 𝑥2 ) =
𝑥2 − 𝑥0
𝑓 (𝑥2 ) − 𝑓(𝑥1 ) 18.50515 − 17.56492
𝑓 (𝑥1 ; 𝑥2 ) = = = 3.1341
𝑥2 − 𝑥1 8.6 − 8.3
3.1341 − 3.1041
𝑎2 = 𝑓 (𝑥0 ; 𝑥1 ; 𝑥2 ) = = 0.06
8.6 − 8.1
𝑓 (𝑥1 ; 𝑥2 ; 𝑥3 ) − 𝑓(𝑥0 ; 𝑥1 ; 𝑥2 )
𝑎3 = 𝑓 (𝑥0 ; 𝑥1 ; 𝑥2 ; 𝑥3 ) =
𝑥3 − 𝑥0
𝑓 (𝑥2 ; 𝑥3 ) − 𝑓(𝑥1 ; 𝑥2 )
𝑓 (𝑥1 ; 𝑥2 ; 𝑥3 ) =
𝑥3 − 𝑥1
𝑓 (𝑥3 ) − 𝑓(𝑥2 ) 18.82091 − 18.50515
𝑓 (𝑥2 ; 𝑥3 ) = = = 3.1576
𝑥3 − 𝑥2 8.7 − 8.6
3.1576 − 3.1341
𝑓 (𝑥1 ; 𝑥2 ; 𝑥3 ) = = 0.05875
8.7 − 8.3
0.05875 − 0.06
𝑎3 = 𝑓 (𝑥0 ; 𝑥1 ; 𝑥2 ; 𝑥3 ) = = −0.00208333
8.7 − 8.1
El polinomio del grado interpolante de grado 3 es:
𝑃3 (𝑥 ) = 16.94410 + 3.1041(𝑥 − 8.1) + 0.06(𝑥 − 8.1)(𝑥 − 8.3)

− 0.00208333(𝑥 − 8.1)(𝑥 − 8.3)(𝑥 − 8.6)
𝑃3 (𝑥 ) = 16.94410 + 3.1010𝑥 − 25.14621 + 0.06𝑥 2 − 0.984𝑥 + 4.0338 + 006𝑥 3

− 1.5𝑥 2 + 12.4962𝑥 − 34.69068
𝑃3 (𝑥 ) = 0.06𝑥 3 − 1.44𝑥 2 + 14.6132𝑥 − 38.85899
𝑃3 (8.4) = 0.06 × 8.43 − 1.44 × 8.42 + 14.6132 × 8.4 − 38.85899
𝑃3 (8.4) = 17.84809
1a. Use la fórmula de diferencias divididas interpolantes de Newton o el algoritmo 3.2 para
a. 𝑓(8.4) = 𝑠𝑖 𝑓(8.1) = 16.94410, 𝑓(8.3) = 17.56492, 𝑓(8.6) =
18.50515 𝑓(8.7) = 18.82091
SOLUCIÓN
𝑋0 = 8.1 → 16.94410
𝑋1 = 8.3 → 17.56492
𝑋2 = 8.6 → 18.50515
𝑋3 = 8.7 → 18.82091
𝐿𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎𝑠 𝑐𝑒𝑟𝑜 𝑓[𝑥𝑖 ] = 𝑓(𝑥𝑖 )
𝑓 [𝑥0 ] = 𝑓(𝑥0 ) = 𝑓 (8.1) = 16.94410
GRADO 1
𝑓 [𝑥1 ] − 𝑓 [𝑥0 ] 17.56492 − 16.94410
𝑓 [𝑥0 , 𝑥1 ] = = = 3.10410
𝑥1 − 𝑥0 8.3 − 8.1
𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] 18.50515 − 17.56492
𝑓 [𝑥1 , 𝑥2 ] = = = 3.13410
𝑥2 − 𝑥1 8.6 − 8.3
𝑓 [𝑥3 ] − 𝑓 [𝑥2 ] 18.82091 − 18.50515
𝑓 [ 𝑥2 , 𝑥3 ] = = = 3.15760
𝑥3 − 𝑥2 8.7 − 8.6
Polinomio interpolante de grado 1
𝑃1 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 8.1)
𝑃1 (𝑥 ) = 16.94410 + 3.10410(𝑥 − 8.1) → 𝑃1 (8.4) = 17.87533
El valor aproximado es 𝑓(8.4) ≈ 𝑃1 (8.4) = 17.87533
GRADO 2
𝑓 [𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ] 3.13410 − 3.10410
𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] = = = 0.06
𝑥2 − 𝑥0 8.6 − 8.1
𝑓 [𝑥2 , 𝑥3 ] − 𝑓 [𝑥1 , 𝑥2 ] 3.15760 − 3.13410
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = = = 0.05875
𝑥3 − 𝑥1 8.7 − 8.3
Polinomio interpolante de grado 2
𝑃2 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 8.1) + 𝑎2 (𝑥 − 8.1)(𝑥 − 8.3)
𝑃2 (𝑥 ) = 16.94410 + 3.10410(𝑥 − 8.1) + 0.06(𝑥 − 8.1)(𝑥 − 8.3)
→ 𝑃2 (8.4) = 17.87713
GRADO 3
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] 0.05875 − 0.06
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] = = = −0.00208
𝑥 3 − 𝑥0 8.7 − 8.1
Polinomio de interpolante de grado 3
𝑃3 (𝑥 ) = 𝑎0 + 𝑎1 (𝑥 − 8.1) + 𝑎2 (𝑥 − 8.1)(𝑥 − 8.3) + 𝑎3 (𝑥 − 8.1)(𝑥 − 8.3)(𝑥 − 8.6)
Tomamos x=8.4, obtenemos el valor aproximado de 𝑓(8.4), esto es
𝑃3 (𝑥 ) = 16.94410 + 3.10410(8.4 − 8.1) + 0.06(8.4 − 8.1)(8.4 − 8.3) − 0.00208(8.4
− 8.1)(8.4 − 8.3)(8.4 − 8.6)
𝑃3 (𝑥 ) = 17.87533 + 0.00180 + 0.00001 = 17.87714
1.- Use la fórmula de diferencias divididas interpolantes de newton o el algoritmo 3.2 para
B). - 𝑓(0.9)𝒔𝒊 𝑓(0.6) = −0.17694460; 𝑓 (0.7) = −0.01375227; 𝑓(0.8) =
0.22363362; 𝑓(1.0) = 0.65809197.
Construcción del polinomio interpolante de Grado 1:
𝑷𝟏 (𝒙) = 𝒂𝟎 + 𝒂𝟏 (𝒙 − 𝒙𝟎 ) = 𝒇(𝒙𝟎 ) + 𝒇[𝒙𝟎 , 𝒙𝟏 ]. (𝒙 − 𝒙𝟏 )
La tabla de diferencias divididas es:
X 𝒇(𝒙)
𝒙𝟎 = 𝟎. 𝟔 𝒇[𝒙𝟎 ] = 𝒇(𝒙𝟎 ) = 𝒇(𝟎. 𝟔) = − 𝟎. 𝟏𝟕𝟔𝟗𝟒𝟒𝟔𝟎
𝒙𝟏 = 𝟎. 𝟕 𝒇[𝒙𝟏 ] = 𝒇(𝒙𝟏 ) = 𝒇(𝟎. 𝟕) = 𝟎. 𝟎𝟏𝟑𝟕𝟓𝟐𝟐𝟕
𝒇[𝒙𝟏 ] − 𝒇[𝒙𝟎 ] 𝟎. 𝟎𝟏𝟑𝟕𝟓𝟐𝟐𝟕 − (−𝟎. 𝟏𝟕𝟔𝟗𝟒𝟒𝟔𝟎)

𝒇(𝒙𝟎 , 𝒙𝟏 ) = = = 𝟏. 𝟗𝟎𝟔𝟗𝟔𝟖𝟕
𝒙𝟏 − 𝒙𝟎 𝟎. 𝟕 − 𝟎. 𝟔
𝑷𝟏 (𝒙) = − 𝟎. 𝟏𝟕𝟔𝟗𝟒𝟒𝟔𝟎 + 𝟎. 𝟏𝟗𝟎𝟔𝟗𝟔𝟖𝟕(𝒙 − 𝟎. 𝟔)
= 𝟎. 𝟏𝟗𝟎𝟔𝟗𝟔𝟖𝟕𝒙 − 𝟎. 𝟐𝟗𝟏𝟑𝟔𝟐𝟕𝟐𝟐
𝑷𝟏 (𝟎. 𝟗) = 𝟎. 𝟑𝟗𝟓𝟏𝟒𝟔
𝑷𝟏 (𝒙) = 𝒂𝟎 + 𝒂𝟏 (𝒙 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙 − 𝒙𝟎 ). (𝒙 − 𝒙𝟏 )
= 𝒇(𝒙𝟎 ) + 𝒇[𝒙𝟎 , 𝒙𝟏 ]. (𝒙 − 𝒙𝟏 ) + 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ]. (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )
X 𝒇(𝒙)
𝒙𝟎 = 𝟎. 𝟔 𝒇(𝒙𝟎 ) = 𝒇(𝒙𝟎 ) = 𝒇(𝟎. 𝟔) = − 𝟎. 𝟏𝟕𝟔𝟗𝟒𝟒𝟔𝟎
𝒙𝟏 = 𝟎. 𝟕 𝒇(𝒙𝟏 ) = 𝒇(𝒙𝟏 ) = 𝒇(𝟎. 𝟕) = 𝟎. 𝟎𝟏𝟑𝟕𝟓𝟐𝟐𝟕
𝒙𝟐 = 𝟎. 𝟖 𝒇(𝒙𝟐 ) = 𝒇(𝒙𝟐 ) = 𝒇(𝟎. 𝟕) = 𝟎. 𝟐𝟐𝟑𝟔𝟑𝟑𝟔𝟐
𝒇(𝒙𝟏 , 𝒙𝟐 ) − 𝒇(𝒙𝟎 , 𝒙𝟏 )
𝒇(𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ) = = 𝟎. 𝟗𝟓𝟗𝟐𝟐𝟒
𝒙𝟐 − 𝒙𝟎
𝑷𝟐 (𝒙) = 𝑷𝟏 (𝒙) + 𝟎. 𝟗𝟓𝟗𝟐𝟐𝟒(𝒙 − 𝟎. 𝟔). (𝒙 − 𝟎. 𝟕)
= 𝟎. 𝟑𝟗𝟓𝟏𝟒𝟔 + 𝟎. 𝟗𝟓𝟗𝟐𝟐𝟒. 𝒙𝟐 − 𝟏. 𝟐𝟒𝟔𝟗𝟗𝟏𝟐. 𝒙 + 𝟎. 𝟒𝟎𝟐𝟖𝟕𝟒𝟎𝟖
𝑷𝟏 (𝟎. 𝟗) = 𝟎. 𝟒𝟓𝟐𝟔𝟗𝟗𝟒𝟒

𝑷𝟏 (𝒙) = 𝒂𝟎 + 𝒂𝟏 (𝒙 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙 − 𝒙𝟎 ). (𝒙 − 𝒙𝟏 ) = 𝒇(𝒙𝟎 ) + 𝒇[𝒙𝟎 , 𝒙𝟏 ]. (𝒙 − 𝒙𝟏 ) +
𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ]. (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )+ 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐, 𝒙𝟑 ]. (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 )
X 𝒇(𝒙)
𝒙𝟎 = 𝟎. 𝟔 𝒇(𝒙𝟎 ) = 𝒇(𝒙𝟎 ) = 𝒇(𝟎. 𝟔) = − 𝟎. 𝟏𝟕𝟔𝟗𝟒𝟒𝟔𝟎
𝒙𝟏 = 𝟎. 𝟕 𝒇(𝒙𝟏 ) = 𝒇(𝒙𝟏 ) = 𝒇(𝟎. 𝟕) = 𝟎. 𝟎𝟏𝟑𝟕𝟓𝟐𝟐𝟕
𝒙𝟐 = 𝟎. 𝟖 𝒇(𝒙𝟐 ) = 𝒇(𝒙𝟐 ) = 𝒇(𝟎. 𝟖) = 𝟎. 𝟐𝟐𝟑𝟔𝟑𝟑𝟔𝟐
𝒙𝟑 = 𝟏. 𝟎 𝒇(𝒙𝟑 ) = 𝒇(𝒙𝟑 ) = 𝒇(𝟏. 𝟎) = 𝟎. 𝟔𝟓𝟖𝟎𝟗𝟏𝟗𝟕
𝒇(𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 ) − 𝒇(𝒙𝟎 , 𝒙𝟏 , 𝒙𝟑 )
𝒇(𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ) = = −𝟏. 𝟕𝟖𝟓𝟕𝟒𝟏
𝒙𝟑 − 𝒙𝟎
𝑷𝟑 (𝒙) = 𝑷𝟏 (𝒙) + 𝑷𝟐 (𝒙) − 𝟏. 𝟕𝟖𝟓𝟕𝟒𝟏(𝒙 − 𝟎. 𝟔)(𝒙 − 𝟎. 𝟕)(𝒙 − 𝟎. 𝟖)
= 𝟎. 𝟑𝟗𝟓𝟏𝟒𝟔 + 𝟎. 𝟒𝟓𝟐𝟔𝟗𝟗𝟒𝟒 + 𝒙𝟑 − 𝟐. 𝟏 ∗ 𝒙𝟐 + 𝟏. 𝟒𝟔𝒙 − 𝟎. 𝟑𝟑𝟔
𝑷𝟏 (𝟎. 𝟗) = 𝟎. 𝟒𝟓𝟐𝟔𝟗𝟗𝟒𝟒
Ejercicio 1 parte b: use la fórmula de las diferencias divididas interpolares de newton o el

algoritmo 3.2 para construir polinomios interpolares de grado uno, dos y tres con los
siguientes datos. Use cada uno de los polinomios para aproximar el valor especificado.
b). 𝑓(0.9) 𝑠𝑖 𝑓 (0.6) = −0.17694460, 𝑓(0.7) = 0.01375227, 𝑓(0.8) = 0.22363362,
𝑓 (1.0) = 0.65809197
Solución
Procedemos a construir el polinomio interpolante de grado 1; para eso tomaremos solo 2
puntos:
𝑥0 = 0.6
𝑥1 = 0.7
𝑃1 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) = 𝑓[𝑥0] + 𝑓[𝑥0 ,𝑥1 ] (𝑥 − 𝑥0 )
Luego la tabla de es
x 𝑓(𝑥)
𝑥0 =0.6 𝑓[𝑥0 ] = 𝑓(𝑥0 ) 𝑓[𝑥1 ]−𝑓[𝑥
0]
𝑥1 =0.7 𝑓[𝑥1 ] = 𝑓(𝑥1 ) 𝑓[𝑥0 ,𝑥1 ] =
𝑥1 − 𝑥0
𝑓(𝑥0) =-0.17694460
𝑓(𝑥1) = 0.01375227
0.01375227 − (−0.17694460)
𝑓[𝑥0 ,𝑥1 ] = = 1.90696870
0.7 − 0.6
Entonces el polinomio interpolante e grado 1 es:
𝑃1 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) = −0.17694460 + 1.90696870(𝑥 − 0.6) = 1.90696870𝑥 −
1.32112582
𝑃1 (0.9) = 0.39514601
Además el valor aproximado 𝑓(09) = 0.39514601
Ahora para construir el polinomio de grado 2 tomaremos otro punto más para poder trabajar
en nuestro polinomio.
𝑥0 = 0.6
𝑥1 = 0.7
𝑥2 = 0.8

𝑃2 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = 𝑓[𝑥0 ] + 𝑓[𝑥0 ,𝑥1 ] (𝑥 − 𝑥0 ) +
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
x 𝑓(𝑥)
𝑥0 =0.6 𝑓[𝑥0] = 𝑓(𝑥0) 𝑓[𝑥1 ]−𝑓[𝑥
0]
𝑓[𝑥0 ,𝑥1 ] =
𝑥1 =0.7 𝑓[𝑥1] = 𝑓(𝑥1) 𝑥1 − 𝑥0 𝑓[𝑥1 ,𝑥2 ] −𝑓[𝑥0 ,𝑥1 ]
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] =
𝑓[𝑥2 ]−𝑓[𝑥 𝑥2 − 𝑥0
1]
𝑓[𝑥1 ,𝑥2 ] =
𝑥2 = 0.8 𝑓[𝑥2] = 𝑓(𝑥2) 𝑥2 − 𝑥1
𝑓(𝑥0) = −0.17694460
𝑓(𝑥1) = 0.01375227
𝑓(𝑥2) = 0.22363362
0.01375227 − (−0.17694460)
𝑓[𝑥0 ,𝑥1 ] = = 1.90696870
0.7 − 0.6
0.22363362 − 0.01375227
𝑓[𝑥1 ,𝑥2 ] = = 2.09881350
0.8 − 0.7
2.09881350 − 1.90696870
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] = = 0.959224
0.8 − 0.6
𝑃2 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = −0.17694460 + 1.90696870(𝑥 −
0.6) + 0.959224(𝑥 − 0.6)(𝑥 − 0.7)
𝑃2 = 0.959224𝑥 2 + 0.65997750𝑥 − 0.91825174
𝑃2 (0.9) = 0.45269945
Además el valor aproximado 𝑓(0.9) = 0.45269945
Ahora para construir el polinomio de grado 3 tomaremos otro punto más para poder trabajar
en nuestro polinomio.
𝑥0 = 0.6
𝑥1 = 0.7
𝑥2 = 0.8
𝑥3 = 1.0
𝑃2 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) = 𝑓[𝑥0 ] +
𝑓[𝑥0 ,𝑥1 ] (𝑥 − 𝑥0 ) + 𝑓[𝑥0 ,𝑥1 ,𝑥2 ] (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑓[𝑥0 ,𝑥1 ,𝑥2 ,𝑥3 ] (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
x 𝑓(𝑥)
𝑥0 =0.6 𝑓[𝑥0 ] = 𝑓(𝑥0) 𝑓[𝑥1 ]−𝑓[𝑥
0]
𝑓[𝑥0 ,𝑥1 ] =
𝑥1 =0.7 𝑓[𝑥1 ] = 𝑓(𝑥1) 𝑥1 − 𝑥0 𝑓[𝑥1 ,𝑥2 ] −𝑓[𝑥0,𝑥1]
𝑓[𝑥0,𝑥1,𝑥2] = 𝑓[𝑥0 ,𝑥1 ,𝑥2 ,𝑥3 ]
𝑓[𝑥2 ]−𝑓[𝑥 𝑥2 − 𝑥0
𝑥2 1]
𝑓[𝑥1 ,𝑥2 ] = 𝑓[𝑥1 ,𝑥2 ,𝑥3 ] −𝑓[𝑥0 ,𝑥1 ,𝑥2 ]
= 0.8 𝑓[𝑥2 ] = 𝑓(𝑥2) 𝑥2 − 𝑥1 =
𝑓[𝑥3 ]−𝑓[𝑥 ] 𝑓[𝑥2 ,𝑥3 ] −𝑓[𝑥1,𝑥2] 𝑥3 − 𝑥0
𝑥3 𝑓[𝑥2 ,𝑥3 ] = 2 𝑓[𝑥1,𝑥2,𝑥3] =
𝑓[𝑥3 ] = 𝑓(𝑥3) 𝑥3 − 𝑥2 𝑥3 − 𝑥1
= 1.0
𝑓(𝑥0) = −0.17694460
𝑓(𝑥1) = 0.01375227
𝑓(𝑥2) = 0.22363362
𝑓(𝑥3) = 0.65809197
0.01375227 − (−0.17694460)
𝑓[𝑥0 ,𝑥1 ] = = 1.90696870
0.7 − 0.6
0.22363362 − 0.01375227
𝑓[𝑥1 ,𝑥2 ] = = 2.09881350
0.8 − 0.7
0.65809197 − 0.22363362
𝑓[,𝑥2 ,𝑥3 ] = = 2.17229175
1.0 − 0.8
2.09881350 − 1.90696870
𝑓[𝑥0 ,𝑥1 ,𝑥2 ] = = 0.959224
0.8 − 0.6
2.17229175 − 2.09881350
𝑓[𝑥1 ,𝑥2 ,𝑥3 ] = = 0.24492750
1.0 − 0.7
0.24492750 − 0.959224
𝑓[𝑥0 ,𝑥1 ,𝑥2 ,𝑥3 ] = = −1.78574125
1.0 − 0.6

𝑃2 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) =
−0.17694460 + 1.90696870(𝑥 − 0.6) + 0.959224(𝑥 − 0.6)(𝑥 − 0.7) −
1.78574125(𝑥 − 0.6)(𝑥 − 0.7)(𝑥 − 0.8)
𝑃2 = −1.78574125𝑥 3 + 4.70928063𝑥 2 − 1.94720473𝑥 − 0.31824268
𝑃2 (0.9) = 0.441985
Además el valor aproximado 𝑓(0.9) = 0.441985
Respuesta: nuestro valor mas aproximado seria el que obtuvimos en e3l polinomio
interpolante de grado 3; cuyo valor es de 𝑓(0.9) = 0.441985
2.a Use la formula de diferencia progresiva de Newton para construir polinomios
interpolantes de grado uno, dos y tres con los siguientes datos. Aproxime el valor
especificado usando cada uno de los polinomios.
𝟏
a. 𝒇 (− 𝟑) si 𝒇(−𝟎. 𝟕𝟓) = −𝟎. 𝟎𝟕𝟏𝟖𝟏𝟐𝟓𝟎, 𝒇(−𝟎. 𝟓) = −𝟎. 𝟎𝟐𝟒𝟕𝟓𝟎𝟎, 𝒇(−𝟎. 𝟐𝟓) =
𝟎. 𝟑𝟑𝟒𝟗𝟑𝟕𝟓𝟎, 𝒇(𝟎) = 𝟏. 𝟏𝟎𝟏𝟎𝟎𝟎𝟎𝟎
i x f(x) 𝜟𝒚𝒊 𝜟 𝟐 𝒚𝒊 𝜟 𝟑 𝒚𝒊
0 -0.75 -
0.0470625 0.312625 0.09375
0.07181250
1 -0.5 -0.0247500 0.3596875 0.406375
2 -0.25 0.33493750 0.7660625
3 0 1.10100000
𝑛
𝑠
𝑃𝑛 (𝑥 ) = 𝑓 (𝑥0 ) + ∑ ( ) 𝛥𝑘 𝑓 (𝑥0 )
𝑘
𝑘=1
Para grado 1:
𝑎 = −0.5
1
𝑥=−
3
ℎ = 0,25
1
𝑥 − 𝑎 − 3 − (−0.5)
𝑢= = = 0.6667
ℎ 0.25
→ 𝑓(𝑎 + 𝑢ℎ) = 𝑓(𝑎) + 𝑢(𝛥𝑓(𝑎))
𝑓(𝑥 ) = 𝑓 (−0.5) + 0.6667(𝑓 (𝑎 + ℎ) − 𝑓 (𝑎))
𝑓(𝑥 ) = 𝑓 (−0.5) + 0.6667(0.3349375 + 0.02475)

𝑓(𝑥 ) = 0.21504
Para grado 2:
𝑎 = −0.5
1
𝑥=−
3
ℎ = 0,25
1
𝑥 − 𝑎 − 3 − (−0.5)
𝑢= = = 0.6667
ℎ 0.25
𝑢(𝑢−1)
→ 𝑓(𝑎 + 𝑢ℎ) = 𝑓(𝑎) + 𝑢(𝛥𝑓(𝑎)) + (𝛥2 𝑓 (𝑎))
2
(0⋅6667)(0.6667−1)
𝑓(𝑥 ) = 𝑓 (−0.5) + 0.6667(𝛥𝑓(𝑎)) + (𝛥2 𝑓 (𝑎))
2
(0.6667)(0⋅6667−1)
𝑓(𝑥 ) = 𝑓 (−0.5) + 0.6667(0.35969) + (0.406375)
2
𝑓(𝑥 ) = 0.16989
Para grado 3:
𝑎 = −0.75
1
𝑥=−
3
ℎ = 0,25
1
𝑥 − 𝑎 − 3 − (−0.75)
𝑢= = = 1.6667
ℎ 0.25
𝑢(𝑢−1) 𝑢(𝑢−1)(𝑢−2)
→ 𝑓(𝑎 + 𝑢ℎ) = 𝑓(𝑎) + 𝑢(𝛥𝑓(𝑎)) + (𝛥2 𝑓 (𝑎)) + (𝛥3 𝑓(𝑎))
2 3!
1.6667(1.6667−1)
𝑓(𝑥 ) = 𝑓 (−0.75) + 1.6667(𝛥𝑓(−0.75)) + (𝛥2 𝑓(−0.75)) +
2
1.6667(1.6667−1)(1.6667−2)
(𝛥3 𝑓 (−0.75))
6
𝑓(𝑥 ) = −0.0718125 + 1.6667(0.04706) + 0.5555(0.312625) −

0.06172(0.09375)
𝑓(𝑥 ) = 0.17452
2.Use la fórmula de diferencia progresiva de Newton para construir polinomios interpolantes de
grado uno, dos y tres con los siguientes datos. Aproxime el valor especificado usando cada uno
de los polinomios.
 1
a. f    = si f(-0.75)=-0.07181250. f(-0.5)=-0.2475000, f(-0.25)=0.33493750,
 3
f(0)=1.10100000
b. f(0.25)= si f(0.1)=-0.62049958. f(0.2)=-0.28398668, f(0.3)=0.00660095,
f(0)=1.10100000
Recordemos primero la interpolación de Newton: Es un método de interpolación

polinómica, es útil para situaciones que requieran un número bajo de puntos para interpolar.
Existe una forma sucesiva de ver el polinomio de la interpolación de Newton.
Para esto debemos definir los términos 𝑓𝑖 las cuales están dadas por una sucesión de la
siguiente forma:
𝑓0 (𝑥𝑖 ) imagen de 𝑥𝑖
𝑓0 (𝑥1 ) − 𝑓0 (𝑥0 )
𝑓1 (𝑥0 , 𝑥1 ) =
𝑥1 − 𝑥0
𝑓1 (𝑥1 , 𝑥2 ) − 𝑓1 (𝑥0 , 𝑥1 )
𝑓2 (𝑥0 , 𝑥1 , 𝑥2 ) =
𝑥2 − 𝑥0
𝑓2 (𝑥1 , 𝑥2 , 𝑥3 ) − 𝑓2 (𝑥0 , 𝑥1 , 𝑥2 )
𝑓3 (𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ) =
𝑥3 − 𝑥0
Así sucesivamente podemos obtener 𝑓𝑖 de la siguiente forma:

𝑓𝑖−1 (𝑥1 , … , 𝑥𝑖 ) − 𝑓𝑖−1 (𝑥0 , … , 𝑥𝑖−1 )
𝑓𝑖 (𝑥0 , 𝑥1 , … , 𝑥𝑖 ) =
𝑥𝑖 − 𝑥0
Esto se hace para obtener los polinomios de Newton los cuales se definen de manera
sucesiva como lo anterior.
𝑝0 (𝑥 ) = 𝑓0 (𝑥0 )
𝑝1 (𝑥 ) = 𝑝0 (𝑥 ) + 𝑓1 (𝑥0 , 𝑥1 ) ∗ (𝑥 − 𝑥0 )
𝑝2 (𝑥) = 𝑝1 (𝑥 ) + 𝑓2 (𝑥0 , 𝑥1 , 𝑥2 ) ∗ (𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 )
𝑝3 (𝑥 ) = 𝑝2 (𝑥 ) + 𝑓3 (𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ) ∗ (𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥2 ) ∗ (𝑥 − 𝑥2 )
Sucesivamente podemos obtener el polinomio de grado 𝑛 de la siguiente forma:
𝑛−1
𝑝𝑛 (𝑥 ) = 𝑝𝑛−1 (𝑥 ) + 𝑓𝑛 (𝑥0 , … , 𝑥𝑛 ) ∏(𝑥 − 𝑥𝑖 )

𝑖=0
Así, realizando las operaciones correspondientes podemos obtener los polinomios de

Newton de grado uno, dos y tres:
𝑓0 (−0.5) − 𝑓0 (−0.75) −0.2475 − 0.07181250
𝑓1 (−0.75, −0.5) = = = −0.70275
−0.5 − −0.75 −0.5 − −0.75
𝑓0 (−0.25) − 𝑓0 (−0.5) 0.33493750 − −0.2475
𝑓1 (−0.5, −0.25) = = = 2.32975
−0.25 − −0.5 −0.25 − −0.5
𝑓0 (0) − 𝑓0 (−0.25) 1.101 − 0.33493750
𝑓1 (−0.25, 0 ) = = = 3.06425
0 − −0.25 0 − −0.25
𝑓1 (−0.5, −0.25) − 𝑓1 (−0.75, −0.5) 2.32975 − −0.70275
𝑓2 (−0.75, −0.5, −0.25) = =
−0.25 − −0.75 −0.25 − −0.75
= 6.065
𝑓1 (−0.25,0) − 𝑓1 (−0.5, −0.25) 3.06425 − 2.32975
𝑓2 (−0.5, −0.25,0) = = = 1.469
0 − −0.5 0.5
𝑓2 (−0.5, −0.25,0) − 𝑓2 (−0.75, −0.5, −0.25)
𝑓3 (−0.75, −0.5, −0.25,0) =
0 − −0.75
1.469 − 6.065
= = −6.128
0.75
Para polinomio de grado 1:

𝑝1 (𝑥 ) = 𝑝0 (𝑥 ) + 𝑓1 (𝑥0 , 𝑥1 ) ∗ (𝑥 − 𝑥0 )
= −0.07181250 + −0.70275(𝑥 − −0.75) =
0.70275𝑥 + 0.598875
De igual forma, para el polinomio de grado 2:

𝑝2 (𝑥 ) = −𝑝1 (𝑥 ) + 𝑓2 (𝑥0 , 𝑥1 , 𝑥2 ) ∗ (𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 )
−0.70275𝑥 − 0.598875 + 6.065(𝑥 − −0.75)(𝑥 − −0.5) =
= 6.065x 2 + 6.8785x + 1.6755
Y por último, el polinomio de grado 3

= 6.065𝑥 2 + 6.8785𝑥 + 1.6755 − 6.128(x − −0.75)(x − −0.5)(x − −0.25)
= −0.706𝑥 2 − 0.17975𝑥 + 0.334125 + −6.128(𝑥 − −0.5)(𝑥 − −0.75)(𝑥 − −0.25)
= 6.128x 3 − 3.127x 2 + 2.6655x + 1.101
1
Teniendo como aproximación del punto 𝑥 = − 3 al evaluar en cada polinomio anterior nos
𝑝1(−1) = 0.36463 𝑔𝑟𝑎𝑑𝑜 1
3
da 𝑝2(−1) = 0.3156 𝑔𝑟𝑎𝑑𝑜 2

3
𝑝 1 = 0.26826 𝑔𝑟𝑎𝑑𝑜 3
{ 3(−3)
Para
𝑓 (0) = 1.101
De nuevo, realizando las operaciones correspondientes podemos obtener los polinomios de
Newton de grado uno, dos y tres:
𝑓0 (0.2) − 𝑓0 (0.1) −0.28398668 − −0.62049958
𝑓1 (0.1,0.2) = = = 3.365129
0.2 − 0.1 0.2 − 0.1
𝑓0 (0.3) − 𝑓0 (0.2) 0.00660095 − −0.28398668
𝑓1 (0.2,0.3) = = = 2.9058763
0.3 − 0.2 0.3 − 0.2
𝑓0 (0) − 𝑓0 (0.3) 1.101 − 0.00660095
𝑓1 (0.3,0) = = = −3.647996
0 − −0.3 0 − 0.3
𝑓2 (0.2,0.3) − 𝑓2 (0.1,0.2) 2.9058763 − 3.365129
𝑓2 (0.1,0.2,0.3) = = = −2.2962635
0.3 − 0.1 0.3 − 0.1
𝑓2 (0.3,0) − 𝑓2 (0.2,0.3) −3.647996 − 2.9058763
𝑓2 (0.2,0.3,0) = = = 32.7693615
0 − 0.2 −0.2
𝑓2 (0.2,0.3,0) − 𝑓2 (0.1,0.2,0.3) 32.7693615 − −2.2962635
𝑓3 (0,1.0,2,0.3,0) = =
0 − 0.1 −0.1
= −350.65625
Para el polinomio de grado 1

𝑝1 (𝑥 ) = 𝑝0 (𝑥 ) + 𝑓1 (𝑥0 , 𝑥1 ) ∗ (𝑥 − 𝑥0 )
= −0.62049958 + 3.365129(𝑥 − 0.1)
= 3.36513 𝑥 − 0.957012
De igual forma, para el polinomio de grado 2

𝑝2 (𝑥) = 𝑝1 (𝑥 ) + 𝑓2 (𝑥0 , 𝑥1 , 𝑥2 ) ∗ (𝑥 − 𝑥0 ) ∗ (𝑥 − 𝑥1 )
= 3.36513𝑥 − 0.957012 − 2.2962635(𝑥 − 0.1)(𝑥 − 0.2)
= −2.29626𝑥 2 + 4.05401𝑥 − 1.00294
Por último, el polinomio de grado 3

= −2.29626𝑥 2 + 4.05401𝑥 − 1.00294 − 350.65625(𝑥 − 0.1)(𝑥 − 0.2)(𝑥 − 0.3)
= −350.656𝑥 3 + 208.097𝑥 2 − 34.5182𝑥 + 1.101
Teniendo como aproximación del punto 𝑥 = 0.25 al evaluar en cada polinomio anterior
𝑝1(0.25) = −0.11573 𝑔𝑟𝑎𝑑𝑜 1
nos da {𝑝2(0.25) = −0.13295 𝑔𝑟𝑎𝑑𝑜 2
𝑝3(0.25) = −0.00146 𝑔𝑟𝑎𝑑𝑜 3
2b. Use la fórmula de diferencia progresiva de Newton para construir polinomios

interpolantes de grado uno, dos y tres con los siguientes datos. Aproxime el valor
especificado usando cada uno de los polinomios.
1
𝑓 (− ) 𝑠𝑖 𝑓(−0.75) = −0.07181250. 𝑓 (−0.5) = −0.02475000. 𝑓 (−0.25) = 0.33493750.
3
𝑓 (0) = 1.10100000
SOLUCION
Tenemos:
𝑋0 = −0.75
𝑋1 = −0.5
𝑋2 = −0.25
𝑋3 = 0
𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=1(𝑘𝑆 ) ∆𝑘 𝑦0
ℎ = 𝑋1 − 𝑋0 = −0.5 − (−0.75) = 0.25
𝑥−𝑋0 𝑥−(−0.75)
𝑠= = = 4𝑥 + 3
ℎ 0.25
X Y
-0.75 -0.07181250
0.04706250
-0.5 -0.02475000 0.31262500
0.35968750 0.09375000
-0.25 0.33493750 0.40637500
0.76606250
0 1.10100000
 Para el polinomio interpolante de grado 1.

𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=1(𝑘𝑆 ) ∆𝑘 𝑦𝑛
𝑃1 (𝑥 ) = 𝑦0 + 𝑆∆𝑦1 = −0.07181250 + (4𝑥 + 3)(0.04706250)
𝑃1 (𝑥 ) = 0.1882500𝑥 + 0.06937500
Aproximando
1
𝑃1 (− 3) = 0.00662500
𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=1(𝑘𝑆 ) ∆𝑘 𝑦0
𝑠(𝑠−1)∆𝑦2
𝑃2 (𝑥 ) = 𝑦0 + 𝑆∆𝑦1 + 2!
0.31262500
𝑃2 (𝑥 ) = 𝑃1 (𝑥) + (4𝑥 + 3)(4𝑥 + 3 − 1) 2
𝑃2 (𝑥 ) = 𝑃1 (𝑥 ) + (4x + 3)(2x + 1)(0.31262500)

𝑃2 (𝑥 ) = 𝑃1 (𝑥 ) + (8𝑥 2 + 10𝑥 + 3)(0.31262500)
Aproximando
1
𝑃2 (− 3) = 0.1803056

𝑃𝑛 (𝑥 ) = ∑𝑛𝑘=1(𝑘𝑆 ) ∆𝑘 𝑦0
𝑠(𝑠−1)∆𝑦2 𝑠(𝑠−1)(𝑠−2)∆𝑦3
𝑃3 (𝑥 ) = 𝑦0 + 𝑆∆𝑦1 + +
2! 3!
0.0937500
𝑃3 (𝑥 ) = 𝑃2 (𝑥 ) + (4𝑥 + 3)(4𝑥 + 3 − 1)(4𝑥 + 3 − 2) 6
2 0.0937500
𝑃3 (𝑥 ) = 𝑃2 (𝑥 ) + (8𝑥 + 10𝑥 + 3)(4𝑥 + 1) 3
3 2 0.0937500
𝑃3 (𝑥 ) = 𝑃2 (𝑥 ) + (32𝑥 + 48𝑥 + 22𝑥 + 3) 3
Aproximando
1
𝑃3 (− 3) = 0.1745186
Ejercicio 3b
Use la fórmula de diferencias regresivas de Newton para construir polinomios interpolantes
de grado uno, dos y tres con los siguientes datos. Por medio de cada uno de los polinomios
aproxime el valor especificado.
𝑓 (0.25) si
𝑓 (0.1) = −0.62049958,
𝑓 (0.2) = −0.28398668
𝑓 (0.3) = −0.00660095
𝑓 (0.4) = −0.24842440
SOLUCIÓN
Organizando los datos.
X Y 𝛻1 𝛻2 𝛻2
X0 = 0.1 - 0.62049958
X1 = 0.2 - 0.28398668 0.33651290
X2 = 0.3 - 0.00660095 0.27738573 -0.05912717
X3 = 0.4 - 0.24842440 - 0.24182345 - 0.51920918 - 0.46008201
 Para el polinomio de grado 1.
X Y 𝛻1
X0 = 0.1 - 0.62049958
X1 = 0.2 - 0.28398668 0.33651290
𝑷𝟏 (𝒙) = 𝒚𝒏 + 𝒖𝜵𝟏 𝒚𝒏
Donde
(𝑥 − 𝑥 𝑛 )
𝑢=
(ℎ )
(𝑥 − 0.2)
𝑢= = 10𝑥 − 2
(0.2 − 0.1)
 Reemplazando se tiene:
𝑷𝟏 (𝒙) = −𝟎. 𝟐𝟖𝟑𝟗𝟖𝟔𝟔𝟖 + (𝟏𝟎𝒙 − 𝟐)(𝟎. 𝟑𝟑𝟔𝟓𝟏𝟐𝟗𝟎)
𝑃1 (𝑥 ) = 3.36512900𝑥 − 0.95701248
 Aproximando 𝑓 (0.25) se tiene:
𝑓(0.25) = 𝑃1 (0.25) = 3.36512900(0.25) − 0.95701248
𝑷𝟏 (𝟎. 𝟐𝟓) = −𝟎. 𝟏𝟏𝟓𝟕𝟑𝟎𝟐𝟑 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑷𝟏 (𝟎. 𝟏) = −𝟎. 𝟔𝟐𝟎𝟒𝟗𝟗𝟓𝟖 𝑪𝒐𝒎𝒑𝒓𝒐𝒃𝒂𝒅𝒐
 Para el polinomio de grado 2
X Y 𝛻1 𝛻2
X0 = 0.1 - 0.62049958
X1 = 0.2 - 0.28398668 0.33651290
X2 = 0.3 - 0.00660095 0.27738573 -0.05912717
𝑢 (𝑢 + 1) 𝟐
𝑷𝟐 (𝒙) = 𝒚𝒏 + 𝒖𝜵𝟏 𝒚𝒏 + 𝜵 𝒚𝒏
2!
(𝑥 − 0.3)
𝑢= = 10𝑥 − 3
0.1
𝑃2 (𝑥 ) = −0.00660095 + (10𝑥 − 3)(0.277385573)
(10𝑥 − 3)(10𝑥 − 2)
+ (−0.05912717)
2
𝑃2 (𝑥 ) = −0.00660095 + 2.77385730𝒙 − 0.83215719 − 0.05912717(10𝑥 − 3)(5𝑥
− 1)
𝑃2 (𝑥 ) = −0.83875814 + 2.77385730𝒙 − 2.95635850𝒙𝟐 + 1.47817925𝑥

− 0.17738151
𝑃2 (𝑥 ) = −2.95635850𝑥 2 + 4.25203655𝑥 − 1.01613965
𝑷𝟐 (𝟎. 𝟐𝟓) = −𝟎. 𝟏𝟑𝟕𝟗𝟎𝟐𝟗𝟐 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑷𝟐 (𝟎. 𝟑) = −𝟎. 𝟎𝟎𝟔𝟔𝟎𝟎𝟗𝟓 𝑪𝒐𝒎𝒑𝒓𝒐𝒃𝒂𝒅𝒐

 Para el polinomio de grado 3
X Y 𝛻1 𝛻2 𝛻2
X0 = 0.1 - 0.62049958
X1 = 0.2 - 0.28398668 0.33651290
X2 = 0.3 - 0.00660095 0.27738573 -0.05912717
X3 = 0.4 - 0.24842440 - 0.24182345 - 0.51920918 - 0.46008201
𝑢 (𝑢 + 1) 𝟐 𝑢(𝑢 + 1)(𝑢 + 2) 𝟑
𝑷𝟑 (𝒙) = 𝒚𝒏 + 𝒖𝜵𝟏 𝒚𝒏 + 𝜵 𝒚𝒏 + 𝜵 𝒚𝒏
2! 3!
𝑃3 (𝑥 ) = −024842440 + (10𝑥 − 4)(−0.24182345)

(10𝑥 − 4)(10𝑥 − 3)
+ (−0.51920918)
2
(10𝑥 − 4)(10𝑥 − 3)(10𝑥 − 2)
+ (−0.46008201)
6
 (10𝑥 − 4)(−0.24182345) = −2.41823450𝑥 + 0.96729380
(10𝑥−4)(10𝑥−3)
 (−0.51920918) = (5𝑥 − 2)(10𝑥 − 3)(−0.51920918) =
2
(50𝑥 2 − 35𝑥 + 6)(−0.51920918) = −25.96045900𝑥 2 + 18.17232130𝑥 −
3.11525508
(10𝑥−4)(10𝑥−3)(10𝑥−2)
 (−0.46008201) =
6
(10𝑥 − 4)(10𝑥 − 3)(5𝑥 − 1)(−0.15336067)
(50𝑥 2 − 10𝑥 − 20𝑥 + 4)(10𝑥 − 3)(−0.15336067)
(50𝑥 2 − 30𝑥 + 4)(10𝑥 − 3)(−0.15336067)
(500𝑥 3 − 450𝑥 2 + 130𝑥 − 12)(−0.15336067)
−76.68033500𝑥 3 + 69.01230150𝑥 2 − 19.93688710𝑥 + 1.8403280
𝑃3 (𝑥 ) = −76.68033500𝑥 3 + 69.01230150𝑥 2 − 19.93688710𝑥 + 1.8403280
− 25.96045900𝑥 2 + 18.17232130𝑥 − 3.11525508 − 2.41823450𝑥
+ 0.96729380 − 024842440
𝑷𝟑 (𝒙) = −𝟕𝟔. 𝟔𝟖𝟎𝟑𝟑𝟓𝟎𝟎𝒙𝟑 + 𝟒𝟑. 𝟎𝟓𝟏𝟖𝟒𝟐𝟓𝟎𝒙𝟐 − 𝟒. 𝟏𝟖𝟐𝟖𝟎𝟎𝟑𝟎𝒙 − 𝟎. 𝟓𝟓𝟔𝟎𝟓𝟕𝟔𝟒
𝐏𝟑 (𝟎. 𝟐𝟓) ≈ −𝟎. 𝟏𝟎𝟗𝟏𝟒𝟕𝟕𝟗 𝐕𝐚𝐥𝐨𝐫 𝐚𝐩𝐫𝐨𝐱𝐢𝐦𝐚𝐝𝐨

𝐏𝟑 (𝟎. 𝟒) = −𝟎. 𝟐𝟒𝟖𝟒𝟐𝟒𝟒𝟎 𝐜𝐨𝐦𝐩𝐫𝐨𝐛𝐚𝐝𝐨
3a. Use la fórmula de diferencias regresivas de newton para construir polinomios

interpolantes de grado uno, dos y tres con los siguientes datos. Por medio de cada uno de
los polinomios aproxime el valor especificado.
1
a) 𝑓 (− 3) 𝑠𝑖 𝑓 (−0.75) = −0.07181250, 𝑓(−0.5) = −0.02475000, 𝑓(−0.25) =
0.33493750, 𝑓(0) = 1.10100000
𝑖 𝑥𝑖 𝑓 (𝑥𝑖 ) 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎

𝑓 (𝑥2 ) − 𝑓(𝑥3 )
3 0 1.10100000 𝑓 (𝑥 3 , 𝑥 2 ) = = 3,06425
𝑥2 − 𝑥3
2 − 0.25 0.33493750
𝑓(𝑥1 ) − 𝑓 (𝑥2 )
1 − 0.5 − 0.02475000 𝑓(𝑥2 , 𝑥1 ) = = 1.43875
𝑥1 − 𝑥2
𝑓(𝑥0 ) − 𝑓(𝑥1 )
0 − 0.75 − 0.07181250 𝑓(𝑥1 , 𝑥0 ) = = 0.18825
𝑥0 − 𝑥1
𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎
𝑓(𝑥2 , 𝑥1 ) − 𝑓(𝑥3 , 𝑥2 )
𝑓(𝑥3 , 𝑥2 , 𝑥1 ) = = 3.2510
𝑥1 − 𝑥3
𝑓(𝑥1 , 𝑥0 ) − 𝑓 (𝑥2 , 𝑥1 )
𝑓(𝑥2 , 𝑥1 , 𝑥0 ) = = 2.5010
𝑥0 − 𝑥2
𝑡𝑒𝑟𝑐𝑒𝑟𝑎 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎
𝑓 (𝑥2 , 𝑥1 , 𝑥0 ) − 𝑓(𝑥3 , 𝑥2 , 𝑥1 )
𝑓(𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ) = = 1.00000
𝑥0 − 𝑥3
𝐹𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛 𝑅𝑒𝑔𝑟𝑒𝑠𝑖𝑣𝑎
𝑃𝑁 = 𝑓[𝑥𝑛 ] + 𝑓 [𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛 ) + ⋯ + 𝑓 [𝑥𝑛 , 𝑥𝑛−1 , 𝑥0 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 ) … (𝑥
− 𝑥1 )
𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑔𝑟𝑎𝑑𝑜

𝑃1 = 𝑓 [𝑥3 ] + 𝑓 [𝑥3 , 𝑥2 ](𝑥 − 𝑥3 )
1
𝑃1 (𝑥 ) = 1.101 + 3.06425(𝑥 − 0) 𝑃1 (− ) = 0.079583
3
𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑔𝑟𝑎𝑑𝑜
𝑃2 = 𝑃1 + 𝑓[𝑥3 , 𝑥2 , 𝑥1 ](𝑥 − 𝑥3 )(𝑥 − 𝑥2 )
1
𝑃2 (𝑥 ) = 𝑃1 (𝑥 ) + 3.2510(𝑥 − 0)(𝑥 − (−25)) 𝑃2 (− ) = 0.16988889
3
𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑡𝑒𝑟𝑐𝑒𝑟 𝑔𝑟𝑎𝑑𝑜
𝑃3 = 𝑃2 + 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ](𝑥 − 𝑥3 )(𝑥 − 𝑥2 )(𝑥 − 𝑥1 )
1
𝑃3 (𝑥 ) = 𝑃2 (𝑥 ) + 1.000(𝑥 − 0)(𝑥 − (−25))(𝑥 − (−0.5)) 𝑃3 (− )
3
= 0.17451852
3a) Use la fórmula de diferencias regresivas de Newton para construir polinomios

interpolantes de grado uno, dos y tres con los siguientes datos. Por medio de cada uno de
los polinomios aproxime el valor especificado.
f(-1/3) si f(-0.75) = -0.07 181250, f(-0.5) = -0.02475000, f(-0.25) = 0.33493750,
f(O) = 1 .10100000
Consideramos los siguientes datos
𝑓 (𝑥0 ) = 𝑓 (−0.75) = −0.07181250
𝑓 (𝑥1 ) = 𝑓 (−0.5) = −0.02475000
𝑓 (𝑥2 ) = 𝑓 (−0.25) = −0.33493750
𝑓 (𝑥3 ) = 𝑓 (0) = 1.10100000
La formula de diferencia hacia delante de newton es .
Dado que el espacio h es
0 − (−0.75) 0.75
= = 0.25
3 3
Entonces
𝑥 − (−0.75) 𝑥 + 0.75
𝑠= = = 4𝑥 + 3
0.25 0.25
Calculamos las diferencias hacia adelante 𝛥𝑟 𝑓(𝑥0 ) para k=1,2,3, lo siguiente.
𝛥𝑓 (𝑥0 ) = 𝑓 (𝑥1 ) − 𝑓(𝑥0 )

= 𝑓(−0.5) − 𝑓 (−0.75)
= −0.022475000 − (−0.07181250)
=-0.04706250
𝛥2 𝑓 (𝑥0 ) = 𝑓 (𝑥2 ) − 2𝑓(𝑥1 ) + 𝑓 (𝑥0 )
= 𝑓 (−0.25) − 2𝑓 (0.5) + 𝑓(−0.75)
= 0.33493750 − 2(−0.02475000) + (−0.07181250)
=0.3126250
𝛥3 𝑓 (𝑥0 ) = 𝑓 (𝑥3 ) − 3𝑓(𝑥2 ) + 3𝑓(𝑥1 ) − 𝑓 (𝑥0 )
= 𝑓 (0) − 3𝑓 (−0.25) + 3𝑓(−0.5) − 𝑓 (−0.75)
= 1.10100000 − 3(0.3349375) + 3(−0.02475000) − (−0.07181250)
=0.009375
Entonces
𝑛
𝑠
𝑝𝑛 (𝑥) = 𝑓 𝑥0 ] + ∑ ( ) 𝛥𝑘 𝑓(𝑥0 )
′[
𝑘
𝑘=1
𝑝1 (𝑠) = 𝑓 ′ (𝑥0 ) + 𝑠𝛥 𝑓 (𝑥0 )

=-0.71181250 - 0.0470625s
1 1
𝑃1 (3) = −0.7181250 − 0.0470625 (4 (− 3) + 3) =-0.006625
𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)
𝑝2 (𝑠) = 𝑝1 (𝑠) + 𝛥 𝑓(𝑥0 ) = 𝑝1 (𝑠) + 0.312652
2 2
1 1
(4 (− 3) + 3) ((4 (− 3) + 3) − 1)
1
𝑝2(−1) = 𝑝1 (− ) + (0.312652)
3 3 2
=-0.18030556
𝑠(𝑠 − 1)(𝑠 − 2) 3
𝑝3 (𝑠) = 𝑝1 (𝑠) + 𝛥 𝑓 (𝑥 0 )
6
1
𝑝3(−1) = 𝑝2 (− )
3 3
1 1 1
(4 (− 3) + 3) ((4 (− 3) + 3) − 1) ((4 (− 3) + 3) − 2)
+ (0.09375)
6
=0.1745185
3.b use la fórmula de diferencias regresivas de Newton para construir polinomios

interpolares de grado uno, dos y tres con los siguientes datos. Por medio de cada uno
de los polinomios aproxime el valor especificado.
b. f (0.25), si f (0.1) =-0.62049958; f (0.2) =-0.28398668; f (0.3) =0.00660095; f (0.4)

=0.24842440
SOLUCIÓN:
La fórmula de diferencias regresivas de Newton es la siguiente:
𝑃𝑛 (𝑥) = 𝑓[𝑥𝑛 ] + 𝑓 [𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛 )

+ ⋯ . + 𝑓 [𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥0 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 ) … (𝑥 − 𝑥1 )
En primer lugar, tenemos los siguientes datos:
i x f(x)
3 𝑥3 = 0.4 𝑓 [𝑥3 ] = f (0.4) = 0.24842440
2 𝑥2 = 0.3 𝑓 [𝑥2 ] = 𝑓 [𝑥2 ]=f (0.3) =0.00660095
1 𝑥1 = 0.2 𝑓 [𝑥1 ] = 𝑓[𝑥1 ]= f (0.2) =-0.28398668
0 𝑥1 = 0.1 𝑓 [𝑥0 ] = 𝑓 [𝑥0 ]= f (0.1) =-0.62049958
Calculamos las primeras diferencias divididas:
𝑓 [𝑥2 ] − 𝑓 [𝑥3 ] 0.00660095 − 0.24842440

𝑓 [ 𝑥3 , 𝑥2 ] = = = 2.41823450
𝑥2 − 𝑥3 0.3 − 0.4
𝑓 [𝑥1 ] − 𝑓 [𝑥2 ] −0.28398668 − 0.00660095

𝑓 [𝑥2 , 𝑥1 ] = = = 2.90587630
𝑥1 − 𝑥2 0.2 − 0.3
𝑓 [𝑥0 ] − 𝑓 [𝑥1 ] −0.62049958 + 0.28398668

𝑓 [𝑥1 , 𝑥0 ] = = = 3.3651290
𝑥0 − 𝑥1 0.1 − 0.2
Segundas diferencias divididas:
𝑓 [𝑥2 , 𝑥1 ] − 𝑓 [𝑥3 , 𝑥2 ] 2.90587630 − 2.41823450

𝑓 [𝑥3 , 𝑥2 , 𝑥1 ] = = = −2.4382090
𝑥1 − 𝑥3 0.2 − 0.4
𝑓 [𝑥1 , 𝑥0 ] − 𝑓 [𝑥2 , 𝑥1 ] 2.90587630 − 2.41823450

𝑓 [𝑥2 , 𝑥1 , 𝑥0 ] = = = −2.29626350
𝑥0 − 𝑥2 0.1 − 0.3
Tercera diferencia dividida:
𝑓[𝑥2 , 𝑥1 , 𝑥0 ] − 𝑓[𝑥3 , 𝑥2 , 𝑥1 ] −2.29626350 + 2.4382090

𝑓 [𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] = =
𝑥0 − 𝑥3 0.1 − 0.4
= −0.47315167
Ahora los valores encontrados lo ubicamos en una tabla de diferencias divididas:
i x f(x) PRIMERAS SEGUNDAS TERCERAS

DIFERENCIAS DIFERENCIAS DIFERENCIAS
DIVIDIDAS DIVIDIDAS DIVIDIDAS
3 𝑥3 = 0.4 𝑓 [𝑥3 ] = f (0.4)
= 0.24842440
𝑓 [𝑥3 , 𝑥2 ]
= 2.41823450
2 𝑥2 = 0.3 𝑓 [𝑥2 ]=f (0.3) 𝑓[𝑥3 , 𝑥2 , 𝑥1 ]
=0.00660095 = −2.4382090
𝑓 [𝑥2 , 𝑥1 ] 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]
= 2.90587630 = −0.47315167
1 𝑥1 = 0.2 𝑓 [𝑥1 ]= f (0.2) =- 𝑓 [𝑥2 , 𝑥1 , 𝑥0 ]
0.28398668 = −2.29626350
𝑓[𝑥1 , 𝑥0 ]
= 3.3651290
0 𝑥0 = 0.1 𝑓 [𝑥0 ]= f (0.1) =-
0.62049958
Ahora realizaremos la construcción de los polinomios:
Primero: construcción del polinomio interpolante de grado 1:
𝑃1 (𝑥 ) = 𝑓[𝑥3 ] + 𝑓 [𝑥3 , 𝑥2 ](𝑥 − 𝑥3 )
𝑃1 (𝑥 ) = 0.24842440 + 2.41823450(𝑥 − 0.4)
𝑃1 (𝑥 ) = 2.41823450𝑥 − 0.71886940 → 𝑃1 (0.25) = −0.11431078
Además, el valor aproximado para f (0.25) ≈ 𝑷𝟏 (𝟎. 𝟐𝟓) = −𝟎. 𝟏𝟏𝟒𝟑𝟏𝟎𝟕𝟖
Segundo: construcción del polinomio interpolante de grado 2.
𝑃2 (𝑥 ) = 𝑓 [𝑥3 ] + 𝑓 [𝑥3 , 𝑥2 ](𝑥 − 𝑥3 ) + 𝑓 [𝑥3 , 𝑥2 , 𝑥1 ](𝑥 − 𝑥3 )(𝑥 − 𝑥2 )
Entonces:
𝑃2 (𝑥 ) = 𝑃1 (𝑥 ) − 2.4382090(𝑥 − 0.4)(𝑥 − 0.3)
𝑃2 (𝑥 ) = −2.4382090 𝑥 2 + 4.12498080𝑥 − 1.01145448

→ 𝑃2 (0.25) = −0.13259734
Además, el valor aproximado para f (0.25) ≈ 𝑷𝟐 (𝟎. 𝟐𝟓) = −𝟎. 𝟏𝟑𝟐𝟓𝟗𝟕𝟑𝟒
Tercero: construcción del polinomio interpolante de grado 3.
𝑃3 (𝑥 ) = 𝑓 [𝑥3 ] + 𝑓 [𝑥3 , 𝑥2 ](𝑥 − 𝑥3 ) + 𝑓 [𝑥3 , 𝑥2 , 𝑥1 ](𝑥 − 𝑥3 )(𝑥 − 𝑥2 ) + 𝑓 [𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ](𝑥

− 𝑥3 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥1 )
𝑃3 (𝑥 ) = 𝑃2 (𝑥 ) + −0.47315167(𝑥 − 0.4)(𝑥 − 0.3)(𝑥 − 0.2)
𝑃3 (𝑥 ) = −0.47315167𝑥 3 − 2.01237250𝑥 2 + 4.00196137𝑥 − 1.00009884

→ 𝑃3 (0.25) = −0.13277477
Además, el valor aproximado para f (0.25) ≈ 𝑷𝟑 (𝟎. 𝟐𝟓) = =−𝟎. 𝟏𝟑𝟐𝟕𝟕𝟒𝟕𝟕
Ejercicio – 4a
Use el algoritmo 3.2 para construir el polinomio interpolante de grado cuatro con los puntos
desigualmente espaciados que aparecen en la tabla anexa.
a)
X 𝑓(𝑋) 𝑎1 𝑎2 𝑎3 𝑎4
0.0 -6.00000 -------------- ------------- ------------ -------------
0.1 -5.89483 𝑓(𝑥0 , 𝑥1 ) ------------- ------------- -----------------
0.3 -5.65014 𝑓(𝑥1 , 𝑥2 ) 𝑓(𝑥0 , 𝑥1 , 𝑥2 ) ------------- ------------------
0.6 -5.17788 𝑓(𝑥2 , 𝑥3 ) 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) 𝑓(𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ) ---------------
1.0 -4.28172 𝑓(𝑥3 , 𝑥4 ) 𝑓(𝑥2 , 𝑥3 , 𝑥4 ) 𝑓(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) 𝑓(𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 )
 Algoritmo 3.2
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓(𝑥0 , 𝑥1 ) =
𝑥1 − 𝑥0
X 𝑓(𝑋) 𝑎1 𝑎2 𝑎3 𝑎4
0.0 -6.00000 -------------- ------------- ------------ -------------
0.1 -5.89483 1.0517 ------------- ------------- -----------------
0.3 -5.65014 1.2235 0.5727 ------------- ------------------
0.6 -5.17788 1.5742 0.7014 0.2145 ---------------
1.0 -4.28172 2.2404 0.9283 0.2521 0.0376
 Formula
𝑃𝑛 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑃(𝑥 ) = −6 + 1.1(𝑥) + 0.6(𝑥 )(𝑥 − 0.1) + 0.2(𝑥 )(𝑥 − 0.1)(𝑥 − 0.3) + 0.04(𝑥)(𝑥
− 0.1)(𝑥 − 0.3)(𝑥 − 0.6)
𝑷(𝒙) = −𝟎. 𝟎𝟒𝒙𝟒 + 𝟎. 𝟏𝟕𝒙𝟑 + 𝟎. 𝟓𝟓𝒙𝟐 + 𝟏. 𝟎𝟒𝒙 − 𝟔
4. a. Use el algoritmo 3.2 para construir el polinomio interpolante de grado cuatro con los
puntos desigualmente espaciados que aparecen en la tabla anexa:
SOLUCIÓN
 El objetivo es construir el polinomio de interpolación de grado cuatro.
La fórmula de diferencia dividida de Newton para el polinomio de interpolación de 4to

grado es.
Pn(x)= f(x0) +( x – x0) f[x0, x1] +(x – x0 )(x – x1 )f[x0, x1, x2]+(x – x0 )(x – x1 )(x – x2)f[x0,x1, x2 ,
x3] + (x – x0 )(x – x1 )(x – x2)(x – x3)f[x0,x1, x2 ,x3 ,x4] ………….ecuación 1
Construyamos la tabla de diferencia dividida de Newton correspondiente a x y f(x)

como se muestra en la tabla 1.
Primeras Segundas Tercero Cuarto
x f(x) diferencias diferencias diferencias diferencias
divididas divididas divididas divididas
(K =1) (K =2) (K =3) (K =4)
X0 f[x0]
f[x0, x1]
X1 f[x1] f[x0, x1, x2]
f[x1, x2] f[x0,x1, x2 , x3]
X2 f[x2] f[ x1, x2, x3] f[x0,x1, x2 ,x3 ,x4]
f[x2, x3] f[x1, x2 , x3,x4]
X3 f[x3] f[x2, x3, x4,]
f[x3, x4]
X4 f[x3]
Tabla 1
Considerando los puntos desigualmente espaciados en los X y f(x) valores dados que se
muestran en la tabla 2.
x X0 X1 X2 X3 X4
0.0 0.1 0.3 0.6 1.0
f(x) f[x0] f[x1] f[x2] f[x3] f[x4]
-6.0000 -5.89483 -5.65014 -5.17788 -4.28172
Tabla 2.
1. Calculamos las primeras diferencias divididas:
 La primera diferencia dividida de f[x0, x1].

𝑓[𝑥1]− 𝑓[𝑥0] −5.89483−(−6.0000)
f[x0, x1] = = = 1.0517.
𝑥1−𝑥0 0.1−0.0
 La primera diferencia dividida de f[x1, x2]

𝑓[𝑥2]− 𝑓[𝑥1] −5.65014−(−5.89483)
f[x1, x2] = = = 1.22345
𝑥2−𝑥1 0.3−0.1

𝑓[𝑥3]− 𝑓[𝑥2] −5.17788−(−5.65014)
f[x2, x3] = = = 1.5742
𝑥3−𝑥2 0.6−0.3
𝑓[𝑥4]− 𝑓[𝑥3] −4.28172−(−5.17788)
f[x3, x4]= = =2.2404
𝑥4−𝑥3 1.0−0.6
2. Calculamos las segundas diferencias divididas:
 La segunda diferencia dividida de f[x0, x1, x2]

𝑓[𝑥1,𝑥2]− 𝑓[𝑥0,𝑥1] 1.22345− 1.0517
f[x0, x1, x2] = = = 0.5725
𝑥2−𝑥0 0.3−0.0

𝑓[𝑥2,𝑥3]− 𝑓[𝑥1,𝑥2] 1.5742− 1.22345
f[x1, x2, x3] = = = 0.7015
𝑥3−𝑥1 0.6−0.1

𝑓[𝑥3,𝑥4]− 𝑓[𝑥2,𝑥3] 2.2404− 1.5742
f[x2, x3, x4] = = = 0.951714
𝑥4−𝑥2 1.0−0.3
3. calculamos la tercera diferencia dividida
 La tercera diferencia dividida de f[x0,x1, x2 , x3]

𝑓[𝑥1,𝑥2,𝑥3]− 𝑓[𝑥0,𝑥1,𝑥2] 0.7015− 0.5725
f[x0,x1, x2 , x3]= = =0.215
𝑥3−𝑥0 0.6−0.0
 La tercera diferencia dividida de f[x1,x2, x3 , x4]

𝑓[𝑥2,𝑥3,𝑥4]− 𝑓[𝑥1,𝑥2,𝑥3] 0.951714− 0.7015
f[x1,x2, x3 , x4]= = = 0.278016
𝑥4−𝑥1 1.0−0.1
4. calculamos la cuarta diferencia dividida
 La cuarta diferencia dividida de f[x0,x1,x2, x3 ,x4]

𝑓[𝑥1,𝑥2,𝑥3,𝑥4]− 𝑓[𝑥0,𝑥1,𝑥2,𝑥3] 0.278016− 0.215
f[x0,x1,x2, x3 ,x4] = = =0.063015
𝑥4−𝑥0 1.0−0.0
Sustituimos todos los valores de diferencia divididos en la ecuación (1) para obtener el
polinomio de interpolación de cuarto grado.
Pn(x)= f(x0) +( x – x0) f[x0, x1] +(x – x0 )(x – x1 )f[x0, x1, x2]+(x – x0 )(x – x1 )(x – x2)f[x0,x1, x2 ,
x3] + (x – x0 )(x – x1 )(x – x2)(x – x3)f[x0,x1, x2 ,x3 ,x4]
P4(x) = (-6.00000) + (1.0517)(x) + (0.5725)(x)(x-0.1) + (0.215)(x)(x-0.1)(x-0.3) +

(0.063015)(x)(x-0.1)(x-0.3)(x – 0.6)
P4(x) = (-6.00000) + (1.0517x) + (0.5725)(x2-0.1x) + (0.215)(x3-0.4x2+0.3x) +
(0.063015)(x4 – x3 + 0.27x2 - 0.18x)
P4(x) =0.063015x4 + 0.151985x3 + 0.503514x2 + 0.999766x – 6.00000
4.b. Use el algoritmo 3.2 para construir el polinomio interpolante de grado cinco con
los puntos desigualmente espaciados que aparecen en la tabla anexa.
b)
x f(x) a1 a2 a3 a4 a5
0.0 6.00000 ______ _________ ____________ _____________
________________
0.1 -5.89483 f (x0, x1) _________ ____________ _____________
________________
0.3 -5.65014 f (x1, x2) f (x0, x1, x2) ____________ _____________
________________
0.6 -5.17788 f (x2, x3) f (x1, x2, x3) f (x0, x1, x2, x3) ______________
________________
1.0 -4.28172 f (x3, x4) f (x2, x3, x4) f (x1, x2, x3, x4) f (x0, x1, x2, x3, x4)
________________
1.1 -3.99583 f (x4, x5) f (x3, x4, x5) f (x2, x3, x4, x5) f (x1, x2, x3, x4, x5) f (x0,
x1, x2, x3, x4, x5)
 Algoritmo 3.2
𝑓 (𝑥1 ) − 𝑓(𝑥0 )
𝑓 (𝑥0 , 𝑥1 ) =
𝑥1 − 𝑥0
x f(x) a1 a2 a3 a4 a5
0.0 6.00000 ______ _________ ____________ _____________
________________
0.1 -5.89483 1.0517 _________ ____________ _____________
________________
0.3 -5.65014 1.2235 0.5727 ____________ _____________
________________
0.6 -5.17788 1.5742 0.7014 0.2145 _____________
________________
1.0 -4.28172 2.2404 0.9517 0.2521 0.0376
________________
1.1 -3.99583 2.8589 1.2370 0.3566 0.0
785 -0.1236
 Fórmula
𝑃𝑛 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

+ 𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
+ 𝑎5 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥3 )
𝑃 (𝑥 ) = −6 + 1.1(𝑥) + 0.6(𝑥)(𝑥 − 0.1) + 0.2(𝑥)(𝑥 − 0.1)(𝑥 − 0.3)

+ 0.04(𝑥)(𝑥 − 0.1)(𝑥 − 0.3)(𝑥 − 0.6) − 0.1236(𝑥)(𝑥 − 0.1)(𝑥 − 0.3)(𝑥
− 0.6)(𝑥 − 10)
𝑷(𝒙) = −𝟎. 𝟏𝟐𝒙𝟓 + 𝟎. 𝟐𝟔𝒙𝟒 + 𝟎. 𝟎𝟔𝒙𝟑 + 𝟎. 𝟓𝒙𝟐 + 𝟏. 𝟏𝒙 − 𝟔
Ejercicio 5
Ítem a)
Aproxime 𝑓(0.05) mediante los siguientes datos y la fórmula de diferencias divididas
progresivas de Newton.
𝑥0 = 0.0 𝑥1 = 0.2 𝑥2 = 0.4 𝑥2 = 0.6 𝑥4 = 0.8
𝑓 (𝑥0 ) = 1 𝑓(𝑥1 ) = 1.2214 𝑓(𝑥2 ) = 1.49182 𝑓(𝑥3 ) = 1.82212 𝑓 (𝑥 4 )
= 2.22554
Solución
Se sabe que 𝑓(𝑥𝑖 ) = 𝑓 [𝑥𝑖 ], por lo tanto, las diferencias divididas son:
𝑓 [𝑥0 ] = 1 𝑓[𝑥1 ] = 1.2214 𝑓[𝑥2 ] = 1.49182 𝑓[𝑥3 ] = 1.82212 𝑓[𝑥4 ] = 2.22554
Se sabe que
𝑓[𝑥𝑖+1 ] − 𝑓[𝑥𝑖 ]
𝑓 [𝑥𝑖 , 𝑥𝑖+1 ] =
𝑥𝑖+1 − 𝑥𝑖
→
𝑓[𝑥1 ] − 𝑓[𝑥0 ] 1.2214 − 1
𝑓 [𝑥0 , 𝑥1 ] = = = 1.10700
𝑥1 − 𝑥0 0.2 − 0
𝑓[𝑥2 ] − 𝑓 [𝑥1 ] 1.49182 − 1.2214
𝑓 [𝑥1 , 𝑥2 ] = = = 1.35210
𝑥2 − 𝑥1 0.4 − 0.2
𝑓 [𝑥3 ] − 𝑓[𝑥2 ] 1.82212 − 1.49182
𝑓 [ 𝑥2 , 𝑥3 ] = = = 1.65150
𝑥3 − 𝑥2 0.6 − 0.4
𝑓 [𝑥4 ] − 𝑓[𝑥3 ] 2.22554 − 1.82212
𝑓 [ 𝑥3 , 𝑥4 ] = = = 2.01710
𝑥4 − 𝑥3 0.8 − 0.6
𝑓[𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ] 1.35210 − 1.10700
𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] = = = 0.61275
𝑥2 − 𝑥0 0.4 − 0.0
𝑓[𝑥2 , 𝑥3 ] − 𝑓 [𝑥1 , 𝑥2 ] 1.65150 − 1.35210
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = = = 0.74850
𝑥3 − 𝑥1 0.6 − 0.2
𝑓 [𝑥3 , 𝑥4 ] − 𝑓 [𝑥2 , 𝑥3 ] 1.01710 − 1.65150
𝑓 [ 𝑥2 , 𝑥3 , 𝑥4 ] = = = 0.91400
𝑥4 − 𝑥2 0.8 − 0.4
Tercera diferencia dividida
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] 0.74850 − 0.61275
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] = = = 0.22625
𝑥3 − 𝑥0 0.6 − 0.0
𝑓[𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] 0.91400 − 0.74850
𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = = = 0.27583
𝑥4 − 𝑥1 0.8 − 0.2
Cuarta diferencia dividida
𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] 0.27583 − 0.22625
𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3, 𝑥4 ] = =
𝑥4 − 𝑥0 0.8 − 0.0
= 0.06198
La fórmula de las diferencias divididas progresivas de Newton es
𝒏
𝒔
𝑷𝒏 (𝒙) = 𝑷𝒏 (𝒙𝟎 + 𝒔𝒉) = 𝒇[𝒙𝟎 ] + ∑ ( ) 𝒌! 𝒉𝒌 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 , 𝒙𝟒 , 𝒙𝟓 , . . . , 𝒙𝒌 ]
𝒌
𝒌=𝟏
Donde:
𝒉 = 𝒙𝒊+𝟏 − 𝒙𝒊 = 𝒙𝟏 − 𝒙𝟎 = 𝟎. 𝟐 ⋀ 𝒙 = 𝒙𝟎 + 𝒔𝒉 → 𝒔𝒉 = 𝒙 − 𝒙𝟎 = 𝒙 −
𝟎=𝒙
Reemplazando los valores en 𝑷𝒏 (𝒙)
𝑃4 (𝑥 ) = 1 + (𝑠ℎ)1.10700 + 𝑠(𝑠 − 1)ℎ2 0.61275 + 𝑠(𝑠 − 1)(𝑠 − 2)ℎ3 0.22625 + 𝑠(𝑠
− 1)(𝑠 − 2)(𝑠 − 3)ℎ4 0.06918
𝑃4 (𝑥 ) = 1 + 1.1070(𝑠ℎ) + 0.61275(𝑠ℎ)2 − 0.61275(𝑠ℎ)ℎ + 0.22625(𝑠ℎ)3
− 0.67875(𝑠ℎ)2 ℎ + 0.4525(𝑠ℎ)ℎ2 + 0.06918(𝑠ℎ)4 − 0.41508(𝑠ℎ)3 ℎ
+ 0.76098(𝑠ℎ)2 ℎ2 − 0.41508(𝑠ℎ)ℎ3
𝑃4 (𝑥 ) = 1 + 1.1070(𝑥) + 0.61275(𝑥)2 − 0.61275(𝑥)0.2 + 0.22625(𝑥)3
− 0.67875(𝑥)2 0.2 + 0.4525(𝑥)0.22 + 0.06918(𝑥 )4 − 0.41508(𝑥)3 0.2
+ 0.76098(𝑥)2 0.22 − 0.41508(𝑥)0.23
𝑃4 (𝑥 ) = 0.06918𝑥 4 − 0.14323𝑥 3 + 0.50744𝑥 2 − 0.99923𝒙 + 1
Hallamos la aproximación para 𝑓 (0.05)
𝑃4 (0.05) = 0.06918(0.05)4 + 0.14323(0.05)3 + 0.50744(0.05)2 − 0.99923(0.05)
+1
𝑷𝟒 (𝟎. 𝟎𝟓) = 𝟎. 𝟗𝟓𝟏𝟐𝟖
5. a. Aproxime f(0.05) mediante los siguientes datos y la fórmula de diferencias divididas

progresivas de Newton:
𝑥0 = 0.0 𝑥1 = 0.2 𝑥2 = 0.4 𝑥3 = 0.6 𝑥4 = 0.8
𝑓(𝑥0 ) = 1 𝑓(𝑥1 ) = 1.2214 𝑓(𝑥2 ) = 1.49182 𝑓(𝑥3 ) = 1.82212 𝑓(𝑥4 ) =
2.22554
Solución
𝑓 [ 𝑥0 ] = 1 𝑓 [𝑥1 ] = 1.2214 𝑓[𝑥2 ] = 1.49182 𝑓[𝑥3 ] = 1.82212 𝑓[𝑥4 ] =
2.22554
𝑓 [𝑥1 ] − 𝑓 [𝑥0 ] 1.2214 − 1
𝑓 [𝑥0 , 𝑥1 ] = = = 1.107
𝑥1 − 𝑥0 0.2 − 0.0
𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] 1.49182 − 1.2214
𝑓 [𝑥1 , 𝑥2 ] = = = 1.3521
𝑥2 − 𝑥1 0.4 − 0.2
𝑓[𝑥3 ] − 𝑓 [𝑥2 ] 1.82212 − 1.49182
𝑓 [ 𝑥2 , 𝑥3 ] = = = 1.6515
𝑥3 − 𝑥2 0.6 − 0.4
𝑓[𝑥4 ] − 𝑓 [𝑥3 ] 2.22554 − 1.82212
𝑓 [ 𝑥3 , 𝑥4 ] = = = 2.0171
𝑥4 − 𝑥3 0.8 − 0.6
𝑓 [𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ] 1.3521 − 1.107
𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] = = = 0.61275
𝑥2 − 𝑥0 0.4 − 0.0
𝑓 [𝑥2 , 𝑥3 ] − 𝑓 [𝑥1 , 𝑥2 ] 1.6515 − 1.3521
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = = = 0.7485
𝑥3 − 𝑥1 0.6 − 0.2
𝑓 [𝑥3 , 𝑥4 ] − 𝑓 [𝑥2 , 𝑥3 ] 2.0171 − 1.6515
𝑓 [ 𝑥2 , 𝑥3 , 𝑥4 ] = = = 0.914
𝑥4 − 𝑥2 0.8 − 0.4
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓 [𝑥0 , 𝑥1 𝑥2 ] 0.7485 − 0.61275
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] = = = 0.22625
𝑥 3 − 𝑥0 0.6 − 0.0
𝑓[𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥1 , 𝑥2 𝑥3 ] 0.914 − 0.7485
𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = = = 0.2758333
𝑥4 − 𝑥1 0.8 − 0.2
𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] 0.2758333 − 0.22625
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = =
𝑥4 − 𝑥0 0.8 − 0.0
= 0.0619791
Aplicamos la formula del polinomio
𝑃𝑛 = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑎0 = 𝑓 [𝑥0 ] 𝑎1 = 𝑓 [𝑥0 , 𝑥1 ] 𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] 𝑎3 = 𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ]
𝑎4 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ]
Remplazando valores
𝑃𝑛 = 1 + 1.107(𝑥 − 0.0) + 0.61275(𝑥 − 0.0)(𝑥 − 0.2) + 0.22625(𝑥 − 0.0)(𝑥 −
0.2)(𝑥 − 0.4) + 0.0619791(𝑥 − 0.0)(𝑥 − 0.2)(𝑥 − 0.4)(𝑥 − 0.6)
𝑃𝑛 = 1 + 1.107(𝑥) + 0.61275(𝑥)(𝑥 − 0.2) + 0.22625(𝑥)(𝑥 − 0.2)(𝑥 − 0.4) +
0.0619791(𝑥 )(𝑥 − 0.2)(𝑥 − 0.4)(𝑥 − 0.6)
Hallar la aproximación de f(0.05)
𝑃(0.05) = 1 + 1.107(0.05) + 0.61275(0.05)(0.05 − 0.2) + 0.22625(0.05)(0.05 −
0.2)(0.05 − 0.4) + 0.0619791(0.05)(0.05 − 0.2)(0.05 − 0.4)(0.05 − 0.6)
𝑓 (0.05) = 1.0512588
EJERCICIO (5B)
Use la fórmula de la diferencia dividida regresiva de Newton para aproximar f (0.65)
5B
Use la fórmula de la diferencia dividida regresiva de Newton para aproximar f (0.65)
x0  0.0
x1  0.2
x2  0.4
x3  0.6
x4  0.8
f (x0 )  1
f (x1 )  1.2214
f (x )  1.49182
2
f (x3 )  1.82212 f (x4 )  2.22554
P(n)  a0  a1 (x  x4 )  a2 (x  x4 )(x  x3 )  a3 (x  x4 )(x  x3 )(x  x2 ) a4 (x  x4 )(x  x3 )(x  x2

)(x  x1 )
a0 f x4 a1 f x3 , x4 a2 f x2 , x3 , x4 a3 f x1, x2 , x3 , x4 
a4 f x , x , x , x , x 
0 1 2 3 4
Polinomio interpolante diferencia dividida regresiva
P(n)  2.22554  2.017100(x  0.8)  0.914000(x  0.8)(x  0.6)
0.2758333(x  0.8)(x  0.6)(x  0.4)  0.0619791(x  0.8)(x  0.6)(x  0.4)(x  0.2)

5.c
P(n)Aplique la fórmula
 2.22554 de Stirling
 2.017100(x para
 0.8) aproximar 𝒇 (0.43)
 0.914000(x 0.8)(x  0.6)
5.c 0.2758333(x  0.8)(x  0.6)(x  0.4)  0.0619791(x  0.8)(x  0.6)(x  0.4)(x  0.2)
Hallar la aproximación de f (0.65)
P(0.65)  2.22554  2.017100(0.65  0.8)  0.914000(0.65  0.8)(0.65  0.6)
0.2758333(0.65  0.8)(0.65  0.6)(0.65  0.4) 
0.0619791(0.65  0.8)(0.65  0.6)(0.65  0.4)(0.65  0.2)
P(0.65)  2.225540  0.3025650  0.0068550  0.0005172  0.0000523
P(0.65)  1.9155505 RSPTA
Construcción de la tabla de Stirling

Valore para la tabla de Stirling
6. demuestra que el polinomio que se interpola los siguientes datos es de grado 3.
x -2 -1 0 1 2 3
f(x) 1 4 11 16 13 -4
𝑥0 = −2 𝑥1 = −1 𝑥2 = 0 𝑥3 = 1 𝑥4 = 2
𝑓 (𝑥0 ) = −1 𝑓( 𝑥1 ) = 3 𝑓 (𝑥 2 ) = 1 𝑓(𝑥3 ) = −1 𝑓 (𝑥 4 ) = 3

𝑓 [𝑥0 ] = −1 𝑓 [ 𝑥1 ] = 3 𝑓[𝑥2 ] = 1 𝑓[𝑥3 ] = −1 𝑓 [𝑥4 ] = 3
𝑓 [ 𝑥1 ] − 𝑓 [𝑥0 ] 3+1
𝑓 [𝑥0 , 𝑥1 ] = = =4
𝑥1 − 𝑥0 −1 + 2
𝑓 [ 𝑥2 ] − 𝑓 [𝑥1 ] 1 − 3
𝑓 [𝑥1 , 𝑥2 ] = = = −2
𝑥2 − 𝑥1 0+1
𝑓[ 𝑥3 ] − 𝑓[𝑥2 ] −1 − 1
𝑓 [ 𝑥2 , 𝑥3 ] = = = −2
𝑥3 − 𝑥2 1−0
𝑓 [ 𝑥4 ] − 𝑓 [𝑥3 ] 3 + 1
𝑓 [ 𝑥3 , 𝑥4 ] = = =4
𝑥4 − 𝑥3 2−1
𝑓 [ 𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ] −2 − 4
𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] = = = −3
𝑥2 − 𝑥 0 0 − (−2)
𝑓 [ 𝑥2 , 𝑥3 ] − 𝑓 [𝑥1 , 𝑥2 ] −2 + 2
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = = =0
𝑥3 − 𝑥1 1 − (−1)
𝑓 [ 𝑥3 , 𝑥4 ] − 𝑓 [𝑥2 , 𝑥3 ] 4 − (−2)
𝑓 [ 𝑥2 , 𝑥3 , 𝑥4 ] = = =3
𝑥4 − 𝑥 2 2−0
𝑓[ 𝑥1 ,𝑥2 ,𝑥3 ]−𝑓[𝑥0 ,𝑥1 ,𝑥2 ] 0−(−3)
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] = = 1−(−2) = 1
𝑥3−𝑥0

𝑓 [ 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] −1.5 − (−1.66667)
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = =
𝑥4 − 𝑥0 2−0
= 0.0833357
𝑓 [ 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ] − 𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] −1.16667 − (−1.5)
𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ] = =
𝑥5 − 𝑥1 3 − (−1)
= 0.083335
Quinta diferencia dividida
𝑓[ 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ]
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ] =
𝑥5 − 𝑥0
0.0833357 − 0.083335
= =0
3−2
EJERCICIO 6. Demuestre que el polinomio que interpola los siguientes datos es de grado
3.
X -2 -1 0 1 2 3
f(x) 1 4 11 16 13 -4
SOLUCIÓN
Vamos aplica la. FORMULA DE LAS DIFERNCIAS DIVIDIDAS INTERPOLANTES

DE NEWTON:
Formula: 𝑃𝑛 (𝑥 ) = 𝑎𝑜 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯ + 𝑎𝑛 (𝑥 − 𝑥0 )(𝑥 −
𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
DATOS:
n=6
j = 0, 1, 2, …, n-1
𝑥0 = −2 𝑓 (𝑥 0 ) = 1
𝑥1 = −1 𝑓 (𝑥1 ) = 4
𝑥2 = 0 𝑓 (𝑥2 ) = 11
𝑥3 = 1 𝑓 (𝑥) = 16
𝑥4 = 2 𝑓 (𝑥) = 13
𝑥5 = 3 𝑓(𝑥) = −4
TABLA DE DIFERENCIAS DIVIDIDAS

j 𝒙𝒋 𝒇(𝒙𝒋 ) Primeras Segundas Terceras Cuartas Quintas
D. D D. D D. D D. D D. D
0 -2 1
1 -1 4 3
2 0 11 7 2
3 1 16 5 -1 -1
4 2 13 -3 -4 -1 0
5 3 -4 -17 -7 -1 0 0
Como obtenidos para cada diferencia dividida:

Primeras diferencias divididas:
j 𝒙𝒋 𝒇(𝒙𝒋 ) Primeras D. D
0 -2 1 -------------------------------------
---------
1 -1 4 𝑓(𝑥1 ) − 𝑓(𝑥0 ) 4−1
𝑓(𝑥0 , 𝑥1 ) = = =3
𝑥1 − 𝑥2 −1 + 2
2 0 11 𝑓(𝑥2 ) − 𝑓(𝑥1 ) 11 − 4
𝑓(𝑥1 , 𝑥2 ) = = =7
𝑥2 − 𝑥3 0 − −1
3 1 16 𝑓(𝑥3 ) − 𝑓(𝑥2 ) 16 − 11
𝑓 (𝑥 2 , 𝑥 3 ) = = =5
𝑥3 − 𝑥2 1−0
4 2 13 𝑓 (𝑥4 ) − 𝑓(𝑥3 ) 13 − 16
𝑓(𝑥3 , 𝑥4 ) = = = −3
𝑥4 − 𝑥3 2−1
5 3 -4 𝑓(𝑥5 ) − 𝑓(𝑥4 ) −4 − 13
𝑓 (𝑥 4 , 𝑥 5 ) = =
𝑥5 − 𝑥 4 3−2
= −17
Segundas diferencias divididas:

j 𝒙𝒋 𝒇(𝒙𝒋 ) Primeras Segundas D. D
D. D
0 -2 1 --------- -------------------------
----
1 -1 4 𝑓 (𝑥0 , 𝑥1 ) -------------------------
2 0 11 𝑓 (𝑥1 , 𝑥2 ) 𝑓(𝑥1 , 𝑥2 ) − 𝑓(𝑥0 , 𝑥1 ) 7 − 3
𝑓(𝑥0 , 𝑥1 , 𝑥2 ) = =
𝑥2 − 𝑥0 2
=2
3 1 16 𝑓 (𝑥 2 , 𝑥 3 ) 𝑓(𝑥2 , 𝑥3 ) − 𝑓 (𝑥1 , 𝑥2 ) 5 − 7
𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = =
𝑥3 − 𝑥1 1+1
= −1
4 2 13 𝑓 (𝑥 3 , 𝑥 4 ) 𝑓 (𝑥 3 , 𝑥 4 ) − 𝑓 (𝑥 2 , 𝑥 3 )
𝑓 (𝑥 2 , 𝑥 3 , 𝑥 4 ) =
𝑥4 − 𝑥2
−3 − 5
= = −4
2−0
5 3 -4 𝑓 (𝑥 4 , 𝑥 5 ) 𝑓 (𝑥 4 , 𝑥 5 ) − 𝑓 (𝑥 3 , 𝑥 4 )
𝑓 (𝑥 3 , 𝑥 4 , 𝑥 5 ) =
𝑥5 − 𝑥3
−17 + 3
= = −7
3−1
Así sucesivamente vamos hasta encontrar el valor de la quinta diferencia dividida.
Entonces tenemos:
𝑎0 = 1
𝑎1 = 3
𝑎2 = 2
𝑎3 = −1
𝑎4 = 0
𝑎5 = 0
Reemplazamos en la fórmula:
𝑃𝑛 (𝑥) = 𝑎𝑜 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯ + 𝑎𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 −
𝑥𝑛−1 )
𝑃𝑛 (𝑥) = 𝑎𝑜 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) +

𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) + 𝑎5 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 )
𝑃𝑛 (𝑥 ) = 1 + 3(𝑥 + 2) + 2(𝑥 + 2)(𝑥 + 1) − 1(𝑥 + 2)(𝑥 + 1)(𝑥 − 0) + 0(𝑥 + 2)(𝑥
+ 1)(𝑥 − 0)(𝑥 − 1) + 0(𝑥 + 2)(𝑥 + 1)(𝑥 − 0)(𝑥 − 1)(𝑥 − 2)
= 1 + 3𝑥 + 6 + 2(𝑥 2 + 3𝑥 + 2) − 1(𝑥 2 + 3𝑥 + 2)(𝑥)
= 1 + 3𝑥 + 6 + 2𝑥 2 + 6𝑥 + 4 − (𝑥 3 + 3𝑥 2 + 2𝑥 )
= 1 + 3𝑥 + 6 + 2𝑥 2 + 6𝑥 + 4 − 𝑥 3 − 3𝑥 2 − 2𝑥
= −𝑥 3 − 𝑥 2 + 7𝑥 + 11
Por lo tanto, tenemos 𝑷(𝒙) = −𝒙𝟑 − 𝒙𝟐 + 𝟕𝒙 + 𝟏𝟏 podemos comprobar que dicho
polinomio es de grado 3.
7.a. Demuestre que los polinomios de diferencias progresivas de Newton 𝑃(𝑥 ) = 3 −
2(𝑥 + 1) + 0(𝑥 + 1)(𝑥 ) + (𝑥 + 1)(𝑥)(𝑥 − 1).
𝑄(𝑥 ) = −1 + 4(𝑥 + 2) − 3(𝑥 + 2)(𝑥 + 1) + (𝑥 + 2)(𝑥 + 1)(𝑥)
x -2 -1 0 1 2
F(x) -1 3 1 -1 3
Solución
𝑥0 = −2 𝑥1 = −1 𝑥2 = 0 𝑥3 = 1 𝑥4 = 2
𝑓 (𝑥0 ) = −1 𝑓 (𝑥1 ) = 3 𝑓 (𝑥 2 ) = 1 𝑓 (𝑥3 ) = −1 𝑓 (𝑥 4 ) = 3
Diferencia definida cero

𝑓 [𝑥0 ] = −1.00000
𝑓 [𝑥1 ] = 3.00000
𝑓 [𝑥2 ] = 1.00000
𝑓 [𝑥3 ] = −1.00000
𝑓 [𝑥4 ] = 3.00000
𝑓 [𝑥1 ] − 𝑓 [𝑥0 ] 3.00000 − (−1.00000)
𝑓 [𝑥0 , 𝑥1 ] = = = 4.00000
𝑥1 − 𝑥0 1 − (−2)
𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] 1.00000 − (3.00000)
𝑓 [𝑥1 , 𝑥2 ] = = = −2.00000
𝑥2 − 𝑥1 0 − (−1)
𝑓[𝑥3 ] − 𝑓 [𝑥2 ] −1.00000 − (1.00000)
𝑓 [ 𝑥2 , 𝑥3 ] = = = −2.00000
𝑥3 − 𝑥2 1−0
𝑓[𝑥4 ] − 𝑓 [𝑥3 ] 3.00000 − (−1.00000)
𝑓 [ 𝑥3 , 𝑥4 ] = = = 4.00000
𝑥4 − 𝑥3 2−1
𝑓 [𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ] −2.00000 − (4.00000)

𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] = = = −3.00000
𝑥2 − 𝑥0 0 − (−2)
𝑓 [𝑥2 , 𝑥3 ] − 𝑓 [𝑥1 , 𝑥2 ] −2.00000 − (−2.00000)
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = = = 0.00000
𝑥3 − 𝑥1 1 − (−1)
𝑓 [𝑥3 , 𝑥4 ] − 𝑓 [𝑥2 , 𝑥3 ] 4.00000 − (−2.00000)
𝑓 [ 𝑥2 , 𝑥3 , 𝑥4 ] = = = 3.00000
𝑥4 − 𝑥2 2 − (0)

𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] (0.00000) − (−3.00000)
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] = = = −3.00000
𝑥 3 − 𝑥0 0 − (−2)
𝑓[𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] (3.00000) − (0.00000)

𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = = = 1.00000
𝑥4 − 𝑥1 2 − (−1)
𝑓 [𝑥0 , 𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] (1.00000) − (1.00000)

𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = =
𝑥4 − 𝑥0 2 − (−2)
𝑓 [𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] = 0.00000
polinomio interpolante
𝑝(𝑛) = 𝑎0 + 𝑎1 (𝑥 − 𝑥4 ) + 𝑎2 (𝑥 − 𝑥4 )(𝑥 − 𝑥3 ) + 𝑎3 (𝑥 − 𝑥4 )(𝑥 − 𝑥3 )(𝑥 − 𝑥2 )
+ 𝑎4 (𝑥 − 𝑥4 )(𝑥 − 𝑥3 )(𝑥 − 𝑥2 )(𝑥 − 𝑥1 )
𝑎0 = 𝑓[𝑥4 ]
𝑎1 = 𝑓 [𝑥3 , 𝑥4 ]
𝑎2 = 𝑓 [𝑥2 , 𝑥3 , 𝑥4 ]
𝑎3 = 𝑓 [𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ]
𝑎4 = 𝑓 [, 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ]
𝟕𝒂 𝒚 𝒃. 𝐷𝑒𝑚𝑢𝑒𝑠𝑡𝑟𝑒 𝑞𝑢𝑒 𝑙𝑜𝑠 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜𝑠 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑖𝑣𝑎𝑠 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛

𝑃(𝑥 ) = 3 − (𝑥 + 1) + 0(𝑥 + 1)(𝑥) + (𝑥 + 1)(𝑥)(𝑥 − 1) 𝑦
𝑄(𝑥 ) = −1 + 4(𝑥 + 2) − 3(𝑥 + 2)(𝑥 + 1) + (𝑥 + 2)(𝑥 + 1)(𝑥 ) 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑛 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠
𝑥 −2 −1 0 1 2
𝑓(𝑥) −1 3 1 −1 3
𝑛
𝑠
𝑃𝑛 (𝑥 ) = 𝑓(𝑥0 ) + ∑ ( ) ∆𝑘 𝑓(𝑥0 )
𝑘
𝑘=1
𝑠 𝑠 𝑠 𝑠
𝑃𝑛 (𝑥 ) = 𝑓(𝑥0 ) + ( ) ∆1 𝑦0 + ( ) ∆2 𝑦0 + ( ) ∆3 𝑦0 + ( ) ∆4 𝑦0
𝑘 𝑘 𝑘 𝑘
𝑥𝑠 − 𝑥0 −1.5 − (−2)
𝑠= = = 0.5
ℎ 1
𝑠 𝑠 ∗ (𝑠 − 1) ∗ (𝑠 − 2) … . . (𝑠 − 𝑘 + 1)
( )=
𝑘 1 ∗ 2 ∗ 3 … … . 𝑘 = 𝑘!
𝑘=1
𝑠 0.5 𝑠 0.5
𝑠 − 𝑘 + 1 = 0.5 − 1 + 1 = 0.5 ⇒ ( ) = ( ) = 1! = 1 = 0.5
𝑘 1
𝑠 −0.5 𝑠∗(𝑠−1) 0.5∗(−0.5)
𝑠 − 𝑘 + 1 = 0.5 − 2 + 1 = −0.5 ⇒ ( ) = ( ) = 2! = = −0.125
𝑘 2 2
𝑠 −1.5 𝑠∗(𝑠−1)(𝑠−2) 0.5∗(−0.5)∗(−1.5)

𝑠 − 𝑘 + 1 = 0.5 − 3 + 1 = −1.5 ⇒ ( ) = ( )= = =
𝑘 3 3! 6
0.0625
𝑠 −2.5 𝑠∗(𝑠−1)(𝑠−2)∗(𝑠−3)
𝑠 − 𝑘 + 1 = 0.5 − 4 + 1 = −2.5 ⇒ ( ) = ( )= =
𝑘 4 4!
0.5∗(−0.5)∗(−1.5)∗(−2.5)
= 0.0391
16
𝑖 𝑥𝑖 𝑦𝑖 ∆1 𝑦𝑖 ∆2 𝑦𝑖 ∆3 𝑦𝑖 ∆4 𝑦𝑖
0 −2 −1 4 −6 6 0
1 −1 3 −2 0 6
2 0 1 −2 6
3 1 −1 4
4 2 3
𝑠 𝑠 𝑠 𝑠
𝑃𝑛 (𝑥 ) = 𝑓(𝑥0 ) + ( ) ∆1 𝑦0 + ( ) ∆2 𝑦0 + ( ) ∆3 𝑦0 + ( ) ∆4 𝑦0
𝑘 𝑘 𝑘 𝑘
𝑃𝑛 (𝑥 ) = −1 + (0.5)(4) + (−0.125)(−6) + (0.0625)(6) + (0.0391)(0) = 2.125
9. se tienen los siguientes datos para un polinomio P(x) de grado desconocido

Determine el coeficiente de x2 en P(x) si todas las diferencias divididas de tercer orden son
1.
Solución
x0  0, x1  1, x2  2
P( x0 )  2, P( x1 )  1, P( x2 )  4
xi f  xi   P  x 
0 2
-3
1 -1 8
5
2 4
0  2 , 1  3 , 2  8 , 3  1
 0   x  x0    x  x0  x  x1    x  x0  x  x1  x  x2 
1 2 3
P  x    
0! 1! 2! 3!
3x 8 x  x  1 x  x  1 x  2 
 P  x  2   
1! 2! 3!
x3  3x 2  2 x
P( x)  2  3x  4 x  4 x 
2
20 x 7 x 2 x3
P  x  2   
3 2 6
7
 El coeficiente de x 2 es
2
𝟏𝟎. 𝑆𝑒 𝑑𝑎𝑛 𝑙𝑜𝑠 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒𝑠 𝑑𝑎𝑡𝑜𝑠 𝑝𝑎𝑟𝑎 𝑢𝑛 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑃(𝑥 )𝑑𝑒 𝑔𝑟𝑎𝑑𝑜 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜:
x 0 1 2 3
P(x) 4 9 15 18
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑒𝑙 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑥 3 𝑐𝑜𝑛 𝑃(𝑥 ) 𝑒𝑛 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑖𝑣𝑎𝑠

𝑑𝑒 𝑐𝑢𝑎𝑟𝑡𝑜 𝑜𝑟𝑑𝑒𝑛 𝑠𝑜𝑛 1.
𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑖𝑣𝑎𝑠 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛
𝑛
𝑠
𝑃𝑛 (𝑥) = 𝑓[𝑥0 ] + ∑ ( ) ∆𝑘 𝑓(𝑥0 )
𝑘
𝑘=1
𝑥 𝑓(𝑥𝑛 ) ∆𝑓(𝑥𝑛 ) ∆2 𝑓(𝑥𝑛 ) ∆3 𝑓(𝑥𝑛 ) ∆4 𝑓(𝑥𝑛 )

0 4
− 5
1 9 − 1
− 6 − −4
2 15 − −3 − 1
− 3 − ¡
3 18 − ¡
− ¡
4 ¡
𝐸𝑙 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑒𝑠:
4 5 1 −4
𝑃(𝑥 ) = 0!10 + 1!11 (𝑥 − 0) + 2!12 (𝑥 − 0)(𝑥 − 1) + 3!13 (𝑥 − 0)(𝑥 − 1)(𝑥 − 2) +
1
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2)(𝑥 − 3)
4! 14
1 2
𝑃(𝑥 ) = 4 + 5(𝑥 − 0) + (𝑥 − 0)(𝑥 − 1) − (𝑥 − 0)(𝑥 − 1)(𝑥 − 2) +
2 3
1
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2)(𝑥 − 3)
24
1 4 11 3 71 2 35
𝑃 (𝑥 ) = 𝑥 − 𝑥 + 𝑥 + 𝑥+4
24 12 24 12
11
∴ 𝐸𝑙 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑥 3 𝑑𝑒𝑙 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑒𝑠 − .
12
Ejercicio 11
La fórmula de las diferencias divididas progresivas de Newton sirve para aproximar 𝑓(0.3)
si se cuenta con los siguientes datos.
𝑥 0.0 0.2 0.4 0.6
𝑓(𝑥) 15.0 21.0 30.0 51.0
Suponga que se descubre que 𝑓(0.4) fue subexpresado en 10 y que 𝑓(0.6) fue
subexpresado en 5. ¿Cuánto deberá modificarse la aproximación a 𝑓 (0.3)?
Ejercicio: 12
Con una función f la fórmula de las diferencias divididas interpolantes de newton da el
polinomio interpolante
𝟏𝟔
𝑷𝟑 (𝑿) = 𝟏 + 𝟒𝑿 + 𝟒𝑿(𝑿 − 𝟎. 𝟐𝟓) + 𝑿(𝑿 − 𝟎. 𝟐𝟓)(𝑿 − 𝟎. 𝟓)
𝟑
En los nodos 𝑿𝑶 = 𝟎 ; 𝑿𝟏 = 𝟎. 𝟐𝟓 ; 𝑿𝟐 = 𝟎. 𝟓 ; 𝑿𝟑 = 0.75. obtenga f (0.75)
X Y
𝑿𝑶 = 𝟎 𝑌0 = 𝟎
𝑿1 = 𝟎. 25 𝑌1 = 𝑎0 = 1
𝑋2 = 0.5 𝑌2 = 𝑎0 + 𝑎1 (𝑋2 − 𝑋1 ) = 1 + 4(0.5 − 0.25) = 2
𝑋3 = 0. 75 𝑌3 = 𝑎0 + 𝑎1 (𝑋3 − 𝑋1 ) + 𝑎2 (𝑋3 − 𝑋1 )(𝑋3 − 𝑋2 )
= 1 + 4(0.75) + 4(0.75)(0.75 − 0.25)+4(0.75-0.25) (0.75-0.5) =6
13. Con una función f las diferencias divididas progresivas están dadas por.
𝑥𝑜 = 0.0 𝑓[𝑥𝑜 ] = 1 𝑓[𝑥𝑜 , 𝑥1] = 5

50
𝑥1 = 0.4 𝑓[𝑥1 ] = 3 𝑓[𝑥1 ,𝑥 ] = 10 𝑓[𝑥2 ,𝑥1 ,𝑥 ] =
2 2 7
𝑥2 = 0.7 𝑓[𝑥2] = 6
Determine los datos que faltan en la tabla.

𝑃𝑎𝑟𝑎 𝑓[𝑥𝑜 ] 𝑃𝑎𝑟𝑎 𝑓[𝑥𝑜 , 𝑥1 ]
𝑓[𝑥2 ] −𝑓[𝑥1 ] 𝑓[𝑥1 ,𝑥2 ]− 𝑓[𝑥𝑜 ,𝑥1 ]

𝑓[𝑥1 , 𝑥2 ]
= 𝑓[𝑥2,𝑥1 ,𝑥 =
𝑥2 −𝑥1 2] 𝑥2 −𝑥0
7 − 𝑓[𝑥1] 50 10 − 𝑓[𝑥𝑜 ,𝑥1]
10 = =
0.7 − 0.4 7 0.7 − 0.0
(50)(0.7)
10(0.7 − 0.4) = 6 − 𝑓[𝑥1 ] = 10 − 𝑓[𝑥𝑜 ,𝑥1 ]
7
(50)(0.7)
𝑓[𝑥1 ] = 6 − 10(0.7 − 0.4) 𝑓[𝑥𝑜 ,𝑥1] = 10 − 7
𝑓[𝑥1 ] = 3 𝑓[𝑥𝑜 ,𝑥1 ] = 5
𝑷𝒂𝒓𝒂 = 𝒇[𝒙𝒐 ]
𝑓[𝑥1 ] −𝑓[𝑥0 ]
𝑓[𝑥0 ,𝑥1] = 𝑥1 −𝑥0
3 − 𝑓[𝑥0 ]
5=
0.4 − 0.0
5(0.4 − 0.0) = 3 − 𝑓[𝑥0 ]
𝑓[𝑥0 ] = 3 − 5(0.4)
𝑓[𝑥0 ] = 1
14. a En la introducción de este capítulo se incluyó una tabla que contiene la población de
estados unidos de 1940 a 1990. Utilice las diferencias divididas adecuadas para aproximar
la población de los años 1930, 1965 y 2010.
SOLUCIÓN
X F(x) Primeras Segundas terceras terceras diferencias

diferencias diferencias diferencias divididas
divididas divididas divididas
x-2 𝒇(𝒙
− 𝟐)
x-1 𝒇(𝒙 𝒇(𝒙 − 𝟐)
− 𝟏) + (𝒙 − 𝟏)
X0 𝒇(𝒙𝟎) 𝒇(𝒙 𝒇(𝒙 − 𝟐 ∗ 𝒙)𝟏
− 𝟏)(𝒙𝒐) ∗ 𝒙𝒐)
X1 𝒇(𝒙𝟏) 𝒇(𝒙𝒐 − 𝟏) 𝒇(𝒙 − 𝟏 ∗ 𝒙𝒐 𝒇(𝒙 − 𝟐 ∗ 𝒙 − 𝟏
∗ 𝒙𝟏) ∗ 𝒙𝒐 ∗ 𝒙𝟏)
X2 𝒇(𝒙𝟐) 𝒇(𝒙𝟏 𝒇(𝒙𝒐 − 𝒙𝟏 𝒇(𝒙 − 𝟏 ∗ 𝒙𝒐 𝒇(𝒙 − 𝟐 ∗ 𝒙 − 𝟏 ∗ 𝒙𝒐
− 𝒙𝟐(𝒙𝟏) ∗ 𝒙𝟐) − 𝒙𝟏 ∗ 𝒙𝟐) ∗ 𝒙𝟏
∗ 𝒙𝟐)
X F(x) Primeras Segundas terceras terceras diferencias
diferencias diferencias diferencias divididas
divididas divididas divididas
1940 𝟎. 𝟕𝟔𝟓𝟏
1990 𝟎. 𝟔𝟐𝟎𝟎 −𝟎. 𝟒𝟖𝟑𝟕
1930 𝟎. 𝟒𝟓𝟓𝟒 −𝟎𝟓𝟒𝟖𝟗 −𝟎. 𝟏𝟎𝟖𝟕
1965 𝟎. 𝟐𝟖𝟏𝟖 −𝟎. 𝟓𝟕𝟖𝟔 −𝟎. 𝟎𝟒𝟗𝟒 𝟎. 𝟎𝟔𝟓𝟖
2010 𝟎. 𝟏𝟏𝟎𝟑 −𝟎. 𝟓𝟕𝟏𝟓 𝟎. 𝟎𝟏𝟏𝟖 𝟎. 𝟎𝟔𝟖𝟏 𝟎. 𝟎𝟎𝟏𝟖𝟐𝟓𝟏
𝟏
𝒇(𝟏𝟗𝟑𝟎) = 𝑷𝟒 (𝟏. 𝟔 + (− ) (𝟎. 𝟑))
𝟑
𝟏 𝟎. 𝟎𝟑
𝒇(𝟏𝟗𝟑𝟎) = 𝟎. 𝟒𝟓𝟓𝟒 + (− ) ( ) ((𝟎. 𝟓𝟒𝟖𝟗 + (−𝟎. 𝟓𝟕𝟖𝟔))
𝟑 𝟐
𝟏𝟐 𝟏 𝟏 𝟏
+ (− )(𝟎. 𝟑)𝟐 (−𝟎. 𝟎𝟒𝟗) + (− )((− )
𝟑 𝟐 𝟑 𝟑
𝟏
− 𝟏)(𝟎. 𝟑)𝟐 (𝟎. 𝟎𝟔𝟓𝟖 + 𝟎. 𝟎𝟔𝟖𝟎) + (− ) − 𝟏)(𝟎. 𝟑)𝟒 (𝟎. 𝟎𝟎𝟏𝟖)
𝟑
𝒇(𝟏𝟗𝟑𝟎) = 𝟐𝟒𝟖𝟗𝟎𝟑𝟒
Se sigue el mismo procedimiento y se estima la población para 1965 y 2010.
𝒇(𝟏𝟗𝟔𝟓) = 𝟓𝟐𝟓𝟐𝟗𝟎𝟎
𝒇(𝟐𝟎𝟏𝟎) = 𝟓𝟐𝟓𝟐𝟗𝟎𝟎
14
a. En 1930 la población fue aproximadamente de 123203000. ¿cuál es a su juicio la
exactitud de las cifras correspondientes a los años de 1965 y 2010?
La exactitud está dada de la siguiente manera:

F(x) = p (1930) ≈ p5 (1930)
año 1940 1950 1960 1970 1980 1990

población
en 132165 151326 179323 203302 226542 249633
miles de
habitantes
I xa a0 a1 a2 a3
0 x0 = 1940 f[x0 ] = 132165

f[x0 .x1] = 1916.1
1 x1 = 1950 f[x1 ] = 151326 f[x0 .x1.x2] = 44.18
f[x1 .x2] = 2799.7 f[x0 .x1.x2.x3] = -2.1423333
2 x2 = 1960 f[x2 ] = 179323 f[x1 .x2.x3] = -20.09
f[x2 .x3] = 2397.9 f[x1 .x2.x3.x4] = 0.5465
3 x3 = 1970 f[x3 ] = 203302 f[x2 .x3.x4] = -3.695
f[x3 .x4] = 2324 f[x1 .x2.x3.x4] = 0.0983333
4 x4 = 1980 f[x4 ] = 226542 f[x3 .x4.x5] = -0.745
f[x4 .x5] = 2309.1
5 x5 = 1970 f[x5 ] = 249633
a3 a4 a5
f[x0 .x1.x2.x3] = -2.1423333

f[x0 .x1.x2.x3.x4] = 0.0672208
f[x1 .x2.x3.x4] = 0.5465 f[x0 .x1.x2.x3.x4] = -0.0015685
f[x1 .x2.x3.x4] = -2.1423333
f[x1 .x2.x3.x4] = 0.0983333
Pn  a0  a1  x  x0   a2  x  x0  x  x1   a3  x  x0  x  x1  x  x2  
a4  x  x0  x  x1  x  x2  x  x3   a5  x  x0  x  x1  x  x2  x  x3  x  x4 
Pn 1930   132165  1961.1(1930  1940)  44.18(1930  1940)(1930  1950)

2.14233338(1930  1940)(1930  1950)(1930  1960)
0.0672208(1930  1940)(1930  1950)(1930  1960)(1930  1970)
0.001569(1930  1940)(1930  1950)(1930  1960)(1930  1970)(1930  1980)
 169204.99228
P5  x   132165  1961.1( x  1940)  44.18( x  1940)( x  1950)

2.14233338( x  1940)( x  1950)( x  1960)
0.0672208( x  1940)( x  1950)( x  1960)( x  1970)
0.001569( x  1940)( x  1950)( x  1960)( x  1970)( x  1980)
p5 1965   132165  1961.1(1965  1940)  44.18(1965  1940)(1965  1950)

2.14233338(1965  1940)(1965  1950)(1965  1960)
0.0672208(1965  1940)(1965  1950)(1965  1960)(1965  1970)
0.001569(1965  1940)( x  1950)(1965  1960)(1965  1970)(1965  1980)
p5 1965   192892.2894
P5  2010   132165  1961.1(2010  1940)  44.18(2010  1940)(2010  1950)

2.14233338(2010  1940)(2010  1950)(2010  1960)
0.0672208(2010  1940)(2010  1950)(2010  1960)(2010  1970)
0.001569(2010  1940)(2010  1950)(2010  1960)(2010  1970)(2010  1980)
P5  2010   174374.727
Ejercicio 15
Si se tiene 𝒑𝒏 (𝒙) = 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝒙 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) + 𝒂𝟑 (𝒙 − 𝒙𝟎 )(𝒙 −

𝒙𝟏 )(𝒙 − 𝒙𝟐 ) + ⋯ + 𝒂𝒏 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒏−𝟏 ), use 𝒑𝒏 (𝒙𝟐 ) para demostrar que
𝒂𝟐 = 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ].
Solución:
𝒑𝒏 (𝒙𝟐 ) = 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝒙𝟐 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )
+ 𝒂𝟑 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )(𝒙𝟐 − 𝒙𝟐 ) + ⋯
+ 𝒂𝒏 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )(𝒙𝟐 − 𝒙𝟐 ) … (𝒙 − 𝒙𝒏−𝟏 )
𝒑𝒏 (𝒙𝟐 ) = 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝒙𝟐 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 ) + 𝟎 … + 𝟎
𝒑𝒏 (𝒙𝟐 ) = 𝐟[𝒙𝟐 ] = 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝒙𝟐 − 𝒙𝟎 ) + 𝒂𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )
De la ecuación despejamos 𝑎2 :
𝑓 [𝑥2 ] − 𝑓 [𝑥0 ] 𝑓 [𝑥0 , 𝑥1 ]
𝑎2 = −
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥1 )
Determinar 𝑎2 = 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ].
𝑓 [𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ] 𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] 𝑓 [𝑥0 , 𝑥1 ]
𝑎2 = 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ] = = −
(𝑥 2 − 𝑥 0 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥0 )
Igualando los dos valores de 𝑎2 tenemos.

𝑎 2 = 𝑎2
𝑓 [𝑥2 ] − 𝑓 [𝑥0 ] 𝑓[𝑥0 , 𝑥1 ] 𝑓[𝑥2 ] − 𝑓[𝑥1 ] 𝑓 [𝑥0 , 𝑥1 ]
− = −
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥1 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥0 )
𝑓 [𝑥2 ] − 𝑓 [𝑥0 ] 𝑓[𝑥2 ] − 𝑓 [𝑥1 ] 𝑓[𝑥0 , 𝑥1 ] 𝑓 [𝑥0 , 𝑥1 ]
− = −
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥1 ) (𝑥2 − 𝑥0 )
𝑓 [𝑥2 ] − 𝑓 [𝑥0 ] − 𝑓 [𝑥2 ] + 𝑓 [𝑥1 ] 𝑓 [𝑥0 , 𝑥1 ](𝑥2 − 𝑥0 ) − 𝑓[𝑥0 , 𝑥1 ](𝑥2 − 𝑥1 )
=
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥1 )(𝑥2 − 𝑥0 )
𝑓 [𝑥1 ] − 𝑓 [𝑥0 ] = 𝑓[𝑥0 , 𝑥1 ]((𝑥2 − 𝑥0 ) − (𝑥2 − 𝑥1 ))

𝑓 [𝑥1 ] − 𝑓 [𝑥0 ]
= 𝑓[𝑥0 , 𝑥1 ]
(𝑥1 − 𝑥0 )
𝑓 [𝑥0 , 𝑥1 ] = 𝑓[𝑥0 , 𝑥1 ]
1=1
Finalmente podemos concluir que la igualdad existe, por lo tanto, queda demostrado que
𝑎2 = 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ].
16. Demuestre que:
f n1 ( ( x))
f  x0 , x1.....xn , x   para alguna  (x) (sugerencia: según la ecuación 3.3)
(n  1!)
f n1 ( ( x))
f ( x)  Pn ( x)  ( x  x0 )...( x  xn )
(n  1!)
Si consideramos el polinomio interpolante de grado n  1en x0 , x1.....xn , x tenemos
f ( x)  Pn 1 ( x)  Pn ( x)  f  x0 , x1.....xn , x  ( x  x0 )...( x  xn ) 
Solución:
Si f ( x)  Pn1 ( x)
f n1 ( ( x))
Pn ( x)  ( x  x0 )...( x  xn )  Pn ( x)  f  x0 , x1.....xn , x  ( x  x0 )...( x  xn ) 
(n  1!)
f n1 ( ( x))
f  x0 , x1.....xn , x  
(n  1!)
Ejercicio 17. Sea i0, i1,…, in un arreglo de los enteros 0, 1,…, n. Demuestre que f[xi.0,
xi.1,…, xi.n] = f[x0, x1,…,xn]. [sugerencia considere el coeficiente principal del polinomio de
Lagrange de grado n en los datos {x0, x1,…,xn}= {xi.o, xi.1,…, xi.n}.]
SOLUCIÓN:
Expanciendo los dos polinomios de interpolación
.𝑓(𝑥 ) = ci n 𝑥 𝑛 + 𝑂(𝑥 𝑛−1 )
.𝑔(𝑥 ) = cn 𝑥 𝑛 + 𝑂(𝑥 𝑛−1 )
Considerando algunos puntos nodales x = xi
Como loa polinomios de interpolación en algunos puntos nodales son únicos, por lo tanto.
f(xi) = g(x1)
por lo tanto, los coeficientes de las mismas potencias de x deben ser iguales
Ci.n = Cn
Como f(x), g(x) son los polinomios en deferencias divididas de Newton, por lo tanto
Ci.n = f[xi.0, xi.1,…, xi.n]
Cn = f[x0, x1,…,xn]
Por lo tanto, el resultado es:
f[ xi.0, xi.1,…, xi.n ] = f[ x0, x1,…,xn ]
CONJUNTO
DE
EJERCICIOS
4.1
1.a
Use las fórmulas de diferencia progresiva y de diferencia regresiva para determinar
las aproximaciones con que se completaran las siguientes tablas:
a.
x f (x) 𝒇′ (𝒙)
0.5 0.4794
0.6 0.5646
0.7 0.6442
SOLUCIÓN:
Para aproximar 𝒇′ (𝟎. 𝟓) vamos a usar la fórmula de diferencia progresiva:
𝑓 (𝑥 0 + ℎ ) − 𝑓 (𝑥 0 ) ℎ
𝑓 ′ (𝑥 ) = − ∗ 𝑓 ′′ (ξ),
ℎ 2
Tal que 𝑥0 Є (𝑎, 𝑏) 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝑒𝑥𝑖𝑠𝑡𝑎 𝑓 ′ (𝑥0 ),

𝑑𝑜𝑛𝑑𝑒 𝑓 Є 𝐶 2 [𝑎, 𝑏] 𝑝𝑎𝑟𝑎 𝑢𝑛 ξ(x) Є [𝑎, 𝑏]
Si h=0.1
𝑓(0.5 + 0.1) − 𝑓(0.5) 𝑓(0.6) − 𝑓(0.5) 0.5646 − 0.4794

𝑓 ′ (0.5) = = = = 0.8520
0.1 0.1 0.1
El valor aproximado para 𝑓 ′ (0.5) = 0.8520
Para aproximar 𝒇′ (𝟎. 𝟔) vamos a usar la fórmula de diferencia regresiva:
𝑓 (𝑥 0 + ℎ ) − 𝑓 (𝑥 0 ) ℎ
𝑓 ′ (𝑥 ) = − ∗ 𝑓 ′′ (ξ)
ℎ 2
Si h= - 0.1
𝑓(0.6 − 0.1) − 𝑓(0.6) 𝑓(0.5) − 𝑓(0.6) 0.4794 − 0.5646

𝑓 ′ (0.6) = = = = 0.8520
−0.1 −0.1 −0.1
Para aproximar 𝒇′ (𝟎. 𝟕) vamos a usar la fórmula de diferencia regresiva:
𝑓 (𝑥 0 + ℎ ) − 𝑓 (𝑥 0 ) ℎ
𝑓 ′ (𝑥 ) = − ∗ 𝑓 ′′ (ξ)
ℎ 2
Si h= - 0.1
𝑓(0.7 − 0.1) − 𝑓(0.7) 𝑓 (0.6) − 𝑓 (0.7) 0.5646 − 0.6442

𝑓 ′ (0.7) = = = = 0.7960
−0.1 −0.1 −0.1
x f (x) 𝒇′ (𝒙)
0.5 0.4794 0.8520
0.6 0.5646 0.8520
0.7 0.6442 0,7960
1.b
Use las fórmulas de diferencia progresiva y de diferencia regresiva para determinar las
aproximaciones con que se completarán las siguientes tablas.
Solución
𝑥0 = 0.0 𝑓 (0.0) = 0.0
𝑥1 = 0.2 𝑓 (0.2) = 0.74140
𝑥2 = 0.4 𝑓 (0.4) = 1.3718
Formula de diferencia progresiva y diferencia regresiva
𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 ) 𝒉
𝒇′ (𝒙𝟎 ) = − 𝒇"(𝝃)
𝒉 𝟐
Cuando h = 0.2
𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 ) 𝒇(𝟎. 𝟎 + 𝟎. 𝟐) − 𝒇(𝟎. 𝟎) 𝟎. 𝟕𝟒𝟏𝟒 − 𝟎. 𝟎
𝒇′ (𝒙𝟎 ) = 𝒇′ (𝟎. 𝟎) = = =
𝒉 𝟎. 𝟐 𝟎. 𝟐
= 𝟑. 𝟕𝟎𝟕𝟎
Cuando h = 0.2
𝒇(𝒙𝟏 + 𝒉) − 𝒇(𝒙𝟏 ) 𝒇(𝟎. 𝟐 + 𝟎. 𝟐) − 𝒇(𝟎. 𝟐)
𝒇′ (𝒙𝟏 ) = 𝒇′ (𝟎. 𝟐) = =
𝒉 𝟎. 𝟐
𝟏. 𝟑𝟕𝟏𝟖 − 𝟎. 𝟕𝟒𝟏𝟒
= = 𝟑. 𝟏𝟓𝟐𝟎
𝟎. 𝟐
Cuando h = -0.2
𝒇(𝒙𝟐 + 𝒉) − 𝒇(𝒙𝟐 ) 𝒇(𝟎. 𝟒 + (−𝟎. 𝟐)) − 𝒇(𝟎. 𝟒)
𝒇′ (𝒙𝟐 ) = 𝒇′ (𝟎. 𝟒) = =
𝒉 −𝟎. 𝟐
𝟎. 𝟕𝟒𝟏𝟒 − 𝟏. 𝟑𝟕𝟏𝟖
= = 𝟑. 𝟏𝟓𝟐𝟎
−𝟎. 𝟐
2.a
𝑳𝒐𝒔 𝒅𝒂𝒕𝒐𝒔 𝒅𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒐 𝟏 𝒔𝒆 𝒕𝒐𝒎𝒂𝒓𝒐𝒏 𝒅𝒆 𝒍𝒂𝒔 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆𝒔 𝒇𝒖𝒏𝒄𝒊𝒐𝒏𝒆𝒔. 𝑪𝒂𝒍𝒄𝒖𝒍𝒆 𝒍𝒐𝒔
𝒆𝒓𝒓𝒐𝒓𝒆𝒔 𝒓𝒆𝒂𝒍𝒆𝒔 𝒅𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒐 𝟏 𝒚 𝒐𝒃𝒕𝒆𝒏𝒈𝒂 𝒍𝒂𝒔 𝒄𝒐𝒍𝒂𝒔 𝒅𝒆 𝒆𝒓𝒓𝒐𝒓 𝒑𝒐𝒓 𝒎𝒆𝒅𝒊𝒐 𝒅𝒆 𝒍𝒂𝒔
𝒇ó𝒓𝒎𝒖𝒍𝒂𝒔 𝒅𝒆 𝒆𝒓𝒓𝒐𝒓. 𝒂. 𝒇(𝒙) = 𝒔𝒆𝒏(𝒙)
𝐿𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑜𝑠 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛 𝑒𝑛 𝑙𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠
𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑜𝑠 𝑢𝑠𝑎𝑛𝑑𝑜 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑎 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑑𝑒𝑙𝑎𝑛𝑡𝑒 𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎
𝑎𝑡𝑟𝑎𝑠 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒𝑠:
𝑥 𝑓(𝑐)
0.5 0.4794
0.6 0.5646
0.7 0.6442
𝑓 (𝑥 0 + ℎ ) − 𝑓 (𝑥 0 )
𝑃𝑎𝑟𝑎 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑒𝑞𝑢𝑒ñ𝑜𝑠 𝑑𝑒 ℎ, 𝑠𝑒 𝑢𝑠𝑎𝑟á 𝑝𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑓´(𝑥0 )𝑐𝑜𝑛 𝑢𝑛
ℎ
𝑀ℎ
𝑙í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 , 𝑑𝑜𝑛𝑑𝑒 𝑀 𝑒𝑠 𝑢𝑛 𝑙í𝑚𝑖𝑡𝑒 𝑒𝑛 |𝑓 (−2) (𝑥 )|𝑝𝑜𝑟 𝑥
2
∈ [𝑎, 𝑏]. 𝐸𝑠𝑡𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑠𝑒
𝑐𝑜𝑛𝑜𝑐𝑒 𝑐𝑜𝑚𝑜 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑑𝑒𝑙𝑎𝑛𝑡𝑒 𝑠𝑖 ℎ > 0 𝑦 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒
𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑡𝑟á𝑠 𝑠𝑖 ℎ < 0. 𝐴ℎ𝑜𝑟𝑎, 𝑠𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑑𝑒𝑙𝑎𝑛𝑡𝑒 𝑐𝑜𝑛
𝑥0 = 0.5 𝑐𝑜𝑛 ℎ = 0.1 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 𝑂(ℎ)𝑢𝑠𝑎𝑛𝑑𝑜:
𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 ) 𝑓(0.5 + 0.1) − 𝑓(0.5) 𝑓 (0.6) − 𝑓(0.5)
𝑓´(𝑥0 ) = = =
ℎ 0.1 0.1
0.5646 − 0.4794
𝑓´(𝑥0 ) = = 0.852
0.1
𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑑𝑒 𝑡𝑟𝑢𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑎𝑙 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛 (𝑦𝑎 𝑠𝑒𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎

ℎ𝑎𝑐𝑖𝑎 𝑎𝑡𝑟á𝑠 𝑜 ℎ𝑎𝑐𝑖𝑎 𝑎𝑑𝑒𝑙𝑎𝑛𝑡𝑒)𝑐𝑜𝑛 𝑝𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 𝑂(ℎ)𝑒𝑠:
ℎ
| 𝑓 (2) (𝜉 )| , 𝜉 ∈ [𝑎 + ℎ ] 𝑦 𝑒𝑙 𝑙í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠 𝑑𝑎𝑑𝑜 𝑐𝑜𝑚𝑜:
2
ℎ ℎ 𝑚𝑎𝑥 (2) 0.1
| 𝑓 (2) (𝜉 )| ≤ ( 𝜉∈[𝑎+ℎ] |𝑓 (𝜉 )|) ⟹≤ ( 𝑚𝑎𝑥|𝑓 (2) (𝜉 )|) ⟹
2 2 2 𝜉∈[𝑎+ℎ]
𝑚𝑎𝑥 (2)
≤ 0.05( 𝜉∈[𝑎+ℎ] |𝑓 (𝜉 )|)
𝐴𝑞𝑢í 𝑓(𝑥 ) = sin(𝑥 ) , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜:
𝑓 (1) (𝑥) = cos(𝑥 ) 𝑦 𝑓 (2) (𝑥 ) = − sin(𝑥 )

ℎ 𝑚𝑎𝑥
| 𝑓 (2) (𝜉 )| ≤ 0.05( 𝜉∈[𝑎+ℎ]| − sin(𝜉)|)
2
𝐷𝑎𝑑𝑜 𝑞𝑢𝑒 sin(𝑥 ) 𝑒𝑠 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑐𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜, [0.5,0.7]𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜:
𝑚𝑎𝑥
0.05 ∗ 𝜉∈[0.5,0.6] | − sin(𝜉)| = 0.05 ∗ 0.5646 = 0.0282
𝑌 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜 𝑐𝑜𝑛 𝑙𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑒𝑛 𝑥0 = 0.5 𝑒𝑠:

|0.852 − cos(0.5)| = |0.852 − 0.8776| = 0.0256
𝐷𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑚𝑜𝑑𝑜, 𝑒𝑙 𝑢𝑠𝑜 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑑𝑒𝑙𝑎𝑛𝑡𝑒 𝑒𝑛 𝑥0 = 0.6 𝑟𝑒𝑠𝑢𝑙𝑡𝑎:
𝑓 (0.6 + 0.1) − 𝑓 (0.6) 𝑓 (0.7) − 𝑓(0.6) 0.6442 − 0.5646
𝑓´(0.6) = = =
0.1 0.1 0.1
⇒ 𝑓´(0.6) = 0.7960
𝑚𝑎𝑥
0.05 ∗ 𝜉∈[0.6,0.7] | − sin(𝜉)| = sin(0.7) = 0.6442
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝑒𝑙 𝑙í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜 𝑐𝑜𝑛 𝑙𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑒𝑛

𝑥0 = 0.6 𝑒𝑠:
𝑚𝑎𝑥
0.05 ∗ 𝜉∈[0.6,0.7] | − sin(𝜉)| = 0.05 ∗ 0.6442 = 0.03221
𝑌, 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜 𝑐𝑜𝑛 𝑙𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑒𝑛 𝑥0 = 0.6 𝑒𝑠:

|0.796 − cos(0.6)| = |0.796 − 0.8253| = 0.0293
𝑈𝑠𝑎𝑛𝑑𝑜 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑡𝑟á𝑠 𝑒𝑛 𝑥0 = 0.6 𝑟𝑒𝑠𝑢𝑙𝑡𝑎:
𝑓 (0.6) − 𝑓 (0.6 − 0.1) 𝑓 (0.6) − 𝑓(0.5) 0.5646 − 0.4794
𝑓´(0.6) = = =
0.1 0.1 0.1
⇒ 𝑓´(0.6) = 0.8520
𝑚𝑎𝑥
𝜉∈[0.5,0.6]| − sin(𝜉)| = sin(0.6) = 0.5646

𝑥0 = 0.6 𝑒𝑠:
𝑚𝑎𝑥
0.05 ∗ 𝜉∈[0.5,0.6] | − sin(𝜉)| = 0.05 ∗ 0.5646 = 0.0282

|0.852 − cos(0.6)| = |0.852 − 0.8253| = 0.0267
𝐴ℎ𝑜𝑟𝑎 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑡𝑟á𝑠 𝑥0 = 0.7 𝑝𝑜𝑟 ℎ = 0.1 𝑑𝑒
𝑝𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 𝑂(ℎ) 𝑢𝑠𝑎𝑛𝑑𝑜:
𝑓 (𝑥 0 ) − 𝑓 (𝑥 0 − ℎ )
𝑓´(𝑥0 ) =
ℎ
𝑓(0.7) − 𝑓(0.7 − 0.1) 𝑓 (0.7) − 𝑓(0.6) 0.6442 − 0.5646
𝑓 (0.7) = = =
0.1 0.1 0.1
⇒ 𝑓´(0.7) = 0.7960
𝐷𝑎𝑑𝑜 𝑞𝑢𝑒 sin(𝑥 ) 𝑒𝑠 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑐𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜, [0.5,0.7] 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜:
𝑚𝑎𝑥
𝜉∈[0.6,0.7]| − sin(𝜉)| = sin(0.7) = 0.6442

𝑥0 = 0.7 𝑒𝑠:
𝑚𝑎𝑥
0.05 ∗ 𝜉∈[0.6,0.7] | − sin(𝜉)| = 0.05 ∗ 0.6442 = 0.03221

|0.796 − cos(0.7)| = |0.796 − 0.7648| = 0.0312
∴ 𝑙𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛 𝑒𝑛 𝑙𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠 𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑜𝑠 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑙𝑎
𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑑𝑒𝑙𝑎𝑛𝑡𝑒 𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 ℎ𝑎𝑐𝑖𝑎 𝑎𝑡𝑟á𝑠 𝑒𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒:
𝑥 𝑓(𝑥) 𝑓´(𝑥) 𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
0.5 0.4794 0.8520 2.56 ∗ 10−2 2.82 ∗ 10−2
0.6 0.5646 0.8520 2.67 ∗ 10−2 2.82 ∗ 10−2
0.7 0.6442 0.7960 3.12 ∗ 10−2 3.22 ∗ 10−2
2.b
Los datos del ejercicio 1 se tomaron de las siguientes funciones. Calcule los errores reales
del ejercicio 1 y obtenga las cotas de error por medio de las fórmulas de error.
B) f (x) = ex - 2x2 + 3x – 1.
Los datos necesarios para estimar la derivada de primer orden en los puntos tabulados
usando la fórmula de diferencia hacia adelante y diferencia hacia atrás son los siguiente
x f(X)
0.0 0.000
0,2 0.74140
0,4 1.3718
Ahora calculamos la diferencia . 𝑥0 = 0.0 𝑝𝑎𝑟𝑎 ℎ = 0.2 de precisión hacia adelante 0(h)
usando
𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥 0 ) ≈
𝑛
𝑓(0.0 + 0.2) − 𝑓(0.0)
𝑓 ′ (0.0) =
0.2
𝑓(0.2) − 𝑓(0.0)
𝑓 ′ (0.0) =
0.2
0.74140 − 0
𝑓 ′ (0.0) =
0.2
𝑓 ′ (0.0) = 3.7070
Entonces el error de truncamiento al aproximar la derivada de primer orden ( diferencia

hacia atrás o hacia adelante) con precisión 0(h) es
ℎ
| 𝑓 (2) 𝜉| , 𝜉𝜖 [𝑎, 𝑎 + ℎ]
2
Y el límite de este error se da como
ℎ ℎ max
| 𝑓 (2) 𝜉| ≤ (𝜉𝜖 [𝑎, 𝑎 + ℎ]) |𝑓 (2) (𝜉)|
2 2
0.2 max
≤ (𝜉𝜖 [𝑎, 𝑎 + ℎ]) |𝑓 (2) (𝜉)|
2
max
≤ 0.1 (𝜉𝜖 [𝑎, 𝑎 + ℎ]) |𝑓 (2) (𝜉)|
Aquí f (x) =𝑒 𝑥 − 2𝑥 2 + 3𝑥 − 1, por lo tanto.
𝑓 (1) (𝑥)=𝑒 𝑥 − 4𝑥 + 3 , y 𝑓 (2) (𝑥 )=𝑒 𝑥 − 4 𝑥0 = 0.0 es
ℎ max
| 𝑓 (2) 𝜉| ≤ 0.1 (𝜉𝜖 [𝑎, 𝑎 + ℎ]) |𝑒 𝜉 − 4|;
2
Dato que 𝑒 𝑥 es una función creciente en el intervalo, [0.0 0.4]por lo tanto

max 𝜉 0.0
𝜉𝜖 [0.0 0.4] |𝑒 − 4|= 4 - 𝑒
max 𝜉
𝜉𝜖 0.0 0.4] |𝑒 − 4|= 3
[
Entonces, el límite de error asociado con la aproximación de la derivada en 𝑥0 = 0.0 es
max
0.1𝑥𝜉𝜖 [0.0 0.4] |𝑒 𝜉 − 4|= 0.1x3
max
0.1𝑥𝜉𝜖 [0.0 0.4] |𝑒 𝜉 − 4|= 0.3
Y, el error real asociado con la aproximación de la derivada en 𝑥0 = 0.0 es

|3.707 − (𝑒 0 − 4𝑥0 + 3)| = |3.707 − 4|
|3.707 − (𝑒 0 − 4𝑥0 + 3)| = 0.293
Del mismo modo , utilizando la diferencia hacia adelante en 𝑥0 = 0.2 es

𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥 0 ) ≈
ℎ
𝑓(0.2 + 0.2) − 𝑓(0.2)
𝑓 ′ (0.2) =
0.2
𝑓(0.4) − 𝑓(0.2)
𝑓 ′ (0.2) =
0.2
1.3718 − 0.74140
=
0.2
𝑓 ′ (0.2) = 3.152
max 𝜉 0.2
𝜉𝜖 0.2 0.4] |𝑒 − 4|= 4 - 𝑒
[
max 𝜉
𝜉𝜖 [0.2 0.4] |𝑒 − 4|= 2.7786
max
0.1𝑥𝜉𝜖 [0.2 0.4] |𝑒 𝜉 − 4|= 0.1x 2.7786
max
0.1𝑥𝜉𝜖 [0.2 0.4] |𝑒 𝜉 − 4|= 0.27786

|3.152 − (𝑒 0.2 − 4𝑥0.2 + 3)| = |3.152 − 3.4214|
|3.152 − (𝑒 0.2 − 4𝑥0.2 + 3)| = 0.2694
Ahora , la diferencia hacia atrás en 𝑥0 = 0.2 es

𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥 0 ) ≈
ℎ
𝑓(0.2) − 𝑓 (0.2 − 0.2)
𝑓 ′ (0.2) =
0.2
𝑓(0.2) − 𝑓(0.0)
𝑓 ′ (0.2) =
0.2
0.74140 − 0.0
=
0.2
𝑓 ′ (0.2) = 3.707
max 𝜉 0.0
𝜉𝜖 [0.0 0.2] |𝑒 − 4|= 4 - 𝑒
max 𝜉
𝜉𝜖 0.0 0.2] |𝑒 − 4|= 3
[
Entonces, el limite de error asociado con la aproximación de la derivada en 𝑥0 = 0.2 es
max
0.1𝑥𝜉𝜖 [0.0 0.2] |𝑒 𝜉 − 4|= 0.1x 3
max
0.1𝑥𝜉𝜖 [0.0 0.2] |𝑒 𝜉 − 4|= 0.3

|3.707 − (𝑒 0.2 − 4𝑥0.2 + 3)| = |3.707 − 3.2144|
|3.707 − (𝑒 0.2 − 4𝑥0.2 + 3)| = 0.2856
Ahora calculamos la diferencia hacia atrás 𝑥0 = 0.4 para h =0.2 de precisión 0(h) usando
𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥 0 ) ≈
ℎ
𝑓(0.4) − 𝑓(0.4 − 0.2)
𝑓 ′ (0.2) =
0.2
𝑓(0.4) − 𝑓(0.2)
𝑓 ′ (0.2) =
0.2
1.3718 − 0.74140
=
0.2
𝑓 ′ (0.2) = 3.152
max 𝜉 0.2
𝜉𝜖 [0.2 0.4] |𝑒 − 4|= 4 - 𝑒
max 𝜉
𝜉𝜖 [0.2 0.4] |𝑒 − 4|= 2.7786
max
0.1𝑥𝜉𝜖 [0.2 0.4] |𝑒 𝜉 − 4|= 0.1x 2.7786
max
0.1𝑥𝜉𝜖 [0.2 0.4] |𝑒 𝜉 − 4|= 0.27786

|3.152 − (𝑒 0.2 − 4𝑥0.4 + 3)| = |3.152 − 2.8198|
|3.152 − (𝑒 0.2 − 4𝑥0.4 + 3)| = 0.2602
Por lo tanto , la estimación de la derivada de primer orden en los puntos tabulados
utilizando la formula de diferencia hacia adelante y hacia atrás es la siguiente .
error
x f(X) f'(X) error real aproximado
0 0 3.707 2.93x10-1 3x10-1
0.2 0.7414 3.152 2.69x10-1 2.78x10-2
0.4 1.3718 3.152 2.60x10-1 2.78x10-1
3.a
3.b
Use la fórmula de tres puntos más más conveniente para determinar las aproximaciones con
que se completaría las siguientes tablas
x f(x) f´(x)
8.1 16.94410 3.0920500
8.3 17.56492 3.1164250
8.5 18.19056 3.1399750
8.7 18.82091
 Aplicaremos la fórmula de tres puntos para h=0.2

𝟏 𝒉𝟐
 𝒇´(𝒙𝟎 ) = 𝟐𝒉 [−𝟑𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 + 𝟐𝒉)] + 𝒇𝟑 (𝜹)
𝟑
𝟏 𝒉𝟐
 𝒇´(𝒙𝟎 ) = 𝟐𝒉 [𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 − 𝒉)] − 𝒇𝟑 (𝜹)
𝟔
Aproximación 𝒙𝟎 =8.1 mediante la fórmula de tres puntos

𝟏 𝒉𝟐
 𝒇´(𝒙𝟎 ) = 𝟐𝒉 [−𝟑𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 + 𝟐𝒉)] + 𝒇𝟑 (𝜹)
𝟑
1
𝑓´(8.1) = [−3𝑓 (8.1) + 4𝑓(8.1 + 0.2) − 𝑓(8.1 + 2(0.2))]
2(0.2)
1
𝑓´(8.1) = [−3𝑓 (8.1) + 4𝑓(8.3) − 𝑓(8.5)]
2(0.2)
1
𝑓´(8.1) = [−3(16.94410) + 4(17.56492) − (18.19056)]
2(0.2)
1
𝑓´(8.1) = [−50.8323000 + 70.2596800 − 18.19056]
2(0.2)
𝑓´(8.1) = 3.0920500 solución aproximada

1
𝑓´(8.3) = [−3𝑓 (8.3) + 4𝑓(8.3 + 0.2) − 𝑓(8.3 + 2(0.2)]
2(0.2)
1
𝑓´(8.3) = [−3𝑓 (8.3) + 4𝑓(8.5) − 𝑓(8.7)]
2(0.2)
1
𝑓´(8.3) = [−3(17.56492) + 4(18.19056) − 18.82091]
2(0.2)
1
𝑓´(8.3) = [−52.6947600 + 72.7622400 − 18.82091]
0.4
𝟏 𝒉𝟐
 𝒇´(𝒙𝟎 ) = 𝟐𝒉 [𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 − 𝒉)] − 𝒇𝟑 (𝜹)
𝟔
1
𝑓´(8.3) = [𝑓 (8.3 + 0.2) − 𝑓(8.3 − 0.2)]
2(0.2)
1
𝑓´(8.3) = [𝑓(8.5) − 𝑓(8.1)]
0.4
1
𝑓´(8.3) = [18.19056 − 16.94410]
0.4
1
𝑓´(8.3) = [18.19056 − 16.94410]
0.4
𝑓´(8.3) = 3.1161500

𝟏 𝒉𝟐
 𝒇´(𝒙𝟎 ) = 𝟐𝒉 [𝒇(𝒙𝟎 + 𝒉) − 𝒇(𝒙𝟎 − 𝒉)] − 𝒇𝟑 (𝜹)
𝟔
1
𝑓´(8.5) = [𝑓 (8.5 + 0.2) − 𝑓(8.5 − 0.2)]
2(0.2)
1
𝑓´(8.5) = [𝑓(8.7) − 𝑓(8.3)]
0.4
1
𝑓´(8.5) = [18.82091 − 17.56492]
0.4
3.c
Use la fórmula de tres puntos más conveniente para determinar las aproximaciones con que
se completaran las siguientes tablas:
c.
x f(x) f’(x)
2.9 -4.827866 5.101375
3.0 -4.240058 6.654785
3.1 -3.496909 8.21633
3.2 -2.596792 9.78601
𝑆𝑖 ℎ = 0.1
1
𝑓′(2.9) = [−3𝑓(2.9) + 4𝑓 (3.0) − 𝑓(3 ⋅ 1)]
2(0.1)
𝑓 ′ (2.9) = 5.101375
𝑆𝑖 ℎ = 0.1
1
𝑓′(3.0) = [𝑓(3.1) − 𝑓 (2.9)]
2(0.1)
𝑓 ′ (3.0) = 6.654785
𝑆𝑖 ℎ = 0.1
1
𝑓′(3.1) = [𝑓(3.2) − 𝑓 (3.0)]
2(0.1)
𝑓 ′ (3.1) = 8.21633
𝑆𝑖 ℎ = −0.1
1
𝑓′(3.2) = [−3𝑓 (3.2) + 4𝑓(3.1) − 𝑓 (3.0)]
2(−0.1)
𝑓 ′ (3.2) = 9.78601
3.d
4.a
Los datos del ejercicio 3 se tomaron de las siguientes funcione. Calcule los errores reales
del ejercicio 3 y obtenga las cotas de error por medio de las fórmulas de error.
a. f  x   e2t
x0  1.2 f  x0   11.02318
x1  1.3 f  x1   13.46374
x2  1.4 f  x2   16.4445
f 1.1  9.025013
1 h2 3
) f '  x0   3 f  x0   4 f  x0  h   f  x0  2h    f  
2h 3
3 f 1.2   4 f 1.2  0.1  f 1.2  2  0.1 
1
f ' 1.2  
2  0.1 
1
f ' 1.2    3 f 1.2   4 f 1.3  f 1.4  
0.2 
1
f ' 1.2    3 f 1.2   4 f 1.3  f 1.4  
0.2 
1
f ' 1.2    3 11.02318   4 13.46374   164445 
0.2 
f ' 1.2  21.7046
1 h2
) f '  x0    f  x0  h   f  x0  h    f 3   
2h 6
1
f ' 1.2    f 1.2  0.1  f 1.2  0.1
2  0.1 
1
f ' 1.2    f 1.3  f 1.1 
0.2 
f ' 1.2  22.193635
4.b
Use la fórmula de tres puntos más conveniente para determinar las aproximaciones. Calcule
el error real y obtenga las cotas de error por medio de fórmulas de error.
𝑓𝑥 = 𝑥 𝑙𝑛 (𝑥 )
x 𝒇𝒙 𝒇′ 𝒙
8.1 16.94410
8.3 17.56492
8.5 18.19056
8.7 18.82091
Solución
Primero calcularemos la derivada de nuestra función:
𝑓(𝑥) = 𝑥. 𝑙𝑛(𝑥 )
′
𝑓 ′ (𝑥) = (𝑥 )′ 𝐿𝑛(𝑥 ) + 𝑥(𝐿𝑛(𝑥 ))
𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
Ahora procederemos a aproximar la derivada de la función en x= 8.1 con h=0.2

1 ℎ2
𝑓 ′ (𝑥 0 ) = [−3𝑓(𝑥0) + 4𝑓(𝑥0+ℎ) − 𝑓(𝑥0+2ℎ) ] + 𝑓 3 (𝛿 ); Dónde 𝛿 ∈ (𝑥0, 𝑥0+2ℎ )
2ℎ 3
1
𝑓 ′ (𝑥 0 ) = [−3𝑓(𝑥0) + 4𝑓(𝑥0+0.2) − 𝑓(𝑥0+0.4) ]
2ℎ
1
𝑓 ′ (8.1) ≈ [−3𝑓(8.1) + 4𝑓(8.3) − 𝑓(8.5) ]
2 ∗ 0.2
1
𝑓 ′ (8.1) ≈ [−3 ∗ 16.94410 + 4 ∗ 17.56492 − 18.19056]
0.4
𝑓 ′ (8.1) ≈ 3.09205
Ahora obtendremos el valor real de la derivada de nuestra función evaluada en x= 8.1
𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
𝑓 ′ (8.1) = 𝐿𝑛(8.1) + 1
𝑓 ′ (8.1) = 3.09186
El error real seria la el valor real de la función menos el valor obtenido por la regla de los
tres puntos:
𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = 3.09186 − 3.09205 = −0.00019
Las cotas de error lo obtendré a partir del error generado en la regla de los 3 puntos
ℎ2 3
𝐸𝑎 = 𝑓 (𝛿 )
3
𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
1
𝑓 ′′ (𝑥) =
𝑥
1
𝑓 3 (𝑥) = −
𝑥2
1
𝑓 3 (𝛿 ) = −
𝛿2
ℎ2
𝐸𝑎 = −
3𝛿 2
𝑥0 < 𝛿 < 𝑥0+2ℎ
8.1 < 𝛿 < 8.5
8.1−2 < 𝛿 −2 < 8.5−2
1 1 1
2
< 2<
8.1 𝛿 8.52
ℎ2 ℎ2 ℎ2
< <
8.12 𝛿 2 8.52
ℎ2 ℎ2 ℎ2
< <
3 ∗ 8.12 3 ∗ 𝛿 2 3 ∗ 8.52
ℎ2 ℎ2 ℎ2
− < − < −
3 ∗ 8.12 3 ∗ 𝛿2 3 ∗ 8.52
0.22 ℎ2 0.22
− <− <−
3 ∗ 8.12 3 ∗ 𝛿2 3 ∗ 8.52
0.22 0.22
− < 𝐸𝑎 < −
3 ∗ 8.12 3 ∗ 8.52
−0.00020 < 𝐸𝑎 < −0.00018

1 ℎ2
2ℎ 3
1
𝑓 ′ (𝑥 0 ) = [−3𝑓(𝑥0) + 4𝑓(𝑥0+0.1) − 𝑓(𝑥0+0.2) ]
2ℎ
1
𝑓 ′ (8.3) ≈ [−3𝑓(8.3) + 4𝑓(8.4) − 𝑓(8.5) ]
2 ∗ 0.1
1
𝑓 ′ (8.3) ≈ [−3 ∗ 17.56492 + 4 ∗ 17.87716 − 18.19056]
0.2
𝑓 ′ (8.3) ≈ 3.11631

𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
𝑓 ′ (8.3) = 𝐿𝑛(8.3) + 1
𝑓 ′ (8.3) = 3.11626
tres puntos:
𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = 3.11626 − 3.11631 = −0.00005
ℎ2 3
𝐸𝑎 = 𝑓 (𝛿 )
3
𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
1
𝑓 ′′ (𝑥) =
𝑥
1
𝑓 3 (𝑥) = −
𝑥2
1
𝑓 3 (𝛿 ) = −
𝛿2
ℎ2
𝐸𝑎 = −
3𝛿 2
𝒙𝟎 < 𝜹 < 𝒙𝟎+𝟐𝒉

8.3 < 𝛿 < 8.5
8.3−2 < 𝛿 −2 < 8.5−2
1 1 1
2
< 2<
8.3 𝛿 8.52
ℎ2 ℎ2 ℎ2
< <
8.32 𝛿 2 8.52
ℎ2 ℎ2 ℎ2
< <
3 ∗ 8.32 3 ∗ 𝛿 2 3 ∗ 8.52
ℎ2 ℎ2 ℎ2
− < − < −
3 ∗ 8.32 3 ∗ 𝛿2 3 ∗ 8.52
0.22 ℎ2 0.22
− <− <−
3 ∗ 8.32 3 ∗ 𝛿2 3 ∗ 8.52
0.12 0.12
− < 𝐸𝑎 < −
3 ∗ 8.32 3 ∗ 8.52
−0.00005 < 𝐸𝑎 < −0.00005
1 ℎ2
2ℎ 3
1
𝑓 ′ (𝑥 0 ) = [−3𝑓(𝑥0) + 4𝑓(𝑥0+0.1) − 𝑓(𝑥0+0.2) ]
2ℎ
1
𝑓 ′ (8.5) ≈ [−3𝑓(8.5) + 4𝑓(8.6) − 𝑓(8.7) ]
2 ∗ 0.1
1
𝑓 ′ (8.3) ≈ [−3 ∗ 18.19056 + 4 ∗ 18.50515 − 18.82091]
0.2
𝑓 ′ (8.3) ≈ 3.14011

𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
𝑓 ′ (8.3) = 𝐿𝑛(8.3) + 1
𝑓 ′ (8.3) = 3.14007
tres puntos:
𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = 3.14007 − 3.14011 = −0.00004
ℎ2 3
𝐸𝑎 = 𝑓 (𝛿 )
3
𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
1
𝑓 ′′ (𝑥) =
𝑥
1
𝑓 3 (𝑥) = −
𝑥2
1
𝑓 3 (𝛿 ) = −
𝛿2
ℎ2
𝐸𝑎 = −
3𝛿 2
𝑥0 < 𝛿 < 𝑥0+2ℎ

8.5 < 𝛿 < 8.7
8.5−2 < 𝛿 −2 < 8.7−2
1 1 1
< <
8.52 𝛿 2 8.72
ℎ2 ℎ2 ℎ2
< <
8.52 𝛿 2 8.72
ℎ2 ℎ2 ℎ2
< <
3 ∗ 8.52 3 ∗ 𝛿 2 3 ∗ 8.72
ℎ2 ℎ2 ℎ2
− <− <−
3 ∗ 8.52 3 ∗ 𝛿2 3 ∗ 8.72
0.22 ℎ2 0.22
− < − < −
3 ∗ 8.52 3 ∗ 𝛿2 3 ∗ 8.72
0.12 0.12
− < 𝐸𝑎 < −
3 ∗ 8.52 3 ∗ 8.72
−0.00005 < 𝐸𝑎 < −0.00004

1 ℎ2
2ℎ 3
1
𝑓 ′ (𝑥 0 ) = [−3𝑓(𝑥0) + 4𝑓(𝑥0+0.2) − 𝑓(𝑥0+0.4) ]
2ℎ
1
𝑓 ′ (8.7) ≈ [−3𝑓(8.7) + 4𝑓(8.9) − 𝑓(9.1) ]
2 ∗ 0.2
1
𝑓 ′ (8.3) ≈ [−3 ∗ 18.82091 + 4 ∗ 19.45586 − 20.09530]
0.4
𝑓 ′ (8.3) ≈ 3.16349

𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
𝑓 ′ (8.7) = 𝐿𝑛(8.7) + 1
𝑓 ′ (8.7) = 3.16332
tres puntos:
𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = 3.16332 − 3.16349 = −0.0017
ℎ2 3
𝐸𝑎 = 𝑓 (𝛿 )
3
𝑓 ′ (𝑥) = 𝐿𝑛(𝑥 ) + 1
1
𝑓 ′′ (𝑥) =
𝑥
1
𝑓 3 (𝑥) = −
𝑥2
1
𝑓 3 (𝛿 ) = −
𝛿2
ℎ2
𝐸𝑎 = −
3𝛿 2
𝑥0 < 𝛿 < 𝑥0+2ℎ
8.7 < 𝛿 < 9.1
8.7−2 < 𝛿 −2 < 9.1−2
1 1 1
2
< 2<
8.7 𝛿 9.12
ℎ2 ℎ2 ℎ2
< <
8.72 𝛿 2 9.12
ℎ2 ℎ2 ℎ2
< <
3 ∗ 8.72 3 ∗ 𝛿 2 3 ∗ 9.12
ℎ2 ℎ2 ℎ2
− < − < −
3 ∗ 8.72 3 ∗ 𝛿2 3 ∗ 9.12
ℎ2 ℎ2 0.22
− <− <−
3 ∗ 8.72 3 ∗ 𝛿2 3 ∗ 9.12
0.12 0.12
− < 𝐸𝑎 < −
3 ∗ 8.72 3 ∗ 9.112
−0.00018 < 𝐸𝑎 < −0.00016
4.c
4.d
5.a
5.b
6.a
6.b
Ejercicio 6
Ítem b)
Los datos del ejercicio 5 se tomaron de las funciones dadas. Calcule los errores reales
del ejercicio 5 y obtenga las cotas de error usando las fórmulas de error y Maple.
𝑓 (𝑥 ) = 𝑒 𝑥/3 + 𝑥 2
Los datos del ejercicio 5 son:
𝑥 𝑓(𝑥 ) = 𝑒 𝑥/3 + 𝑥 2 𝑒 𝑥/3

𝑓´(𝑥 ) = + 2𝑥
3
→ 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
𝑥0 = −3 𝑓 (𝑥0 ) = 9.367879 𝑓´(−3) = −5.877374
𝑥1 = −2.8 𝑓 (𝑥1 ) = 8.233241 𝑓´(−2.8) = −5.46892
𝑥2 = −2.6 𝑓 (𝑥2 ) = 7.180350 𝑓´(−2.6) = −5.059883
𝑥3 = −2.4 𝑓 (𝑥3 ) = 6.209329 𝑓´(−2.4) = −4.650224
𝑥4 = −2.2 𝑓 (𝑥4 ) = 5.320305 𝑓´(−2.2) = −4.239898
𝑥5 = −2 𝑓 (𝑥5 ) = 4.513417 𝑓´(−2) = −3.828861
Solución
Las fórmulas de errores son
[𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 )] ℎ
𝑓´(𝑥0 ) = − 𝑓´´(𝜉 )
ℎ 2
[𝑓 (𝑥0 − 2ℎ) − 4 𝑓 (𝑥0 − ℎ ) + 3𝑓(𝑥0 )] ℎ
𝑓´(𝑥0 ) = − 𝑓´´(𝜉 )
2ℎ 2
[−3𝑓 (𝑥0 ) + 4𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ) ] ℎ2 3
𝑓´(𝑥0 ) = + 𝑓 (𝜉 )
2ℎ 3
[𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)] ℎ2 3
𝑓´(𝑥0 ) = − 𝑓 (𝜉 )
2ℎ 6
[𝑓 (𝑥0 − 2ℎ) − 8𝑓 (𝑥0 − ℎ) + 8𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)] ℎ4 5
𝑓´(𝑥0 ) = + 𝑓 (𝜉 )
12ℎ 30
𝑓´(𝑥0 )
[−25𝑓(𝑥0 ) + 48𝑓 (𝑥0 + ℎ) − 36𝑓(𝑥0 + 2ℎ) + 16𝑓 (𝑥0 + 3ℎ) − 3𝑓 (𝑥0 + 4ℎ)]
=
12ℎ
ℎ4 5
+ 𝑓 (𝜉 )
5
Parra ℎ = 0.2
Hallamos valor aproximado para:
[𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )] [8.23241 − 9.367879]
𝑓´(−3) = =
ℎ 0.2
𝒇´(−𝟑) = −𝟓. 𝟔𝟕𝟑𝟏𝟗𝟎
[−3𝑓 (𝑥0 ) + 4𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 + 2ℎ) ]
𝑓´(−3) =
2ℎ
[−3(9.367879) + 4(8.233241) − 7.18035 ]
=
2 ∗ 0.2
𝒇´(−𝟑) = −𝟓. 𝟖𝟕𝟕𝟓𝟓𝟖
𝑓´(−3)
[−25𝑓(𝑥0 ) + 48𝑓 (𝑥0 + ℎ) − 36𝑓(𝑥0 + 2ℎ) + 16𝑓 (𝑥0 + 3ℎ) − 3𝑓 (𝑥0 + 4ℎ)]
=
12ℎ
𝑓´(−3)
[−25 ∗ 9.367879 + 48 ∗ 8.233241 − 36 ∗ 7.18035 + 16 ∗ 6.209329 − 3 ∗ 5.320305]
=
12 ∗ 0.2
𝒇´(−𝟑) = −𝟓. 𝟖𝟕𝟕𝟑𝟓𝟖
∴ 𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑠 |𝑉𝑎𝑙𝑜𝑟 𝑅. −𝑉𝑎𝑙𝑜𝑟 𝐴. | = |−5.877374 − (−5.877358)| = 0.000016
𝑒 𝜉/3 𝑒 𝜉/3
𝑓 (𝑥 ) = 𝑒 𝑥/3 + 𝑥 2 = 𝑓 (𝜉 ) = 𝑒 𝜉/3 + 𝜉 2 = 𝑓 5 (𝜉 ) = → |𝑓 5 (𝜉 )| =
243 243
ℎ4 ℎ4 ℎ 4 𝑒 𝜉/3 0.24 𝑒 −3/3
La cota de error sería | 𝑓 5 (𝜉 )| = |𝑓 5 (𝜉 )| = ( )< ( ) = 0.0000001
5 5 5 243 5 243
𝑓´(−2.8)
[−25𝑓(𝑥0 ) + 48𝑓 (𝑥0 + ℎ) − 36𝑓(𝑥0 + 2ℎ) + 16𝑓 (𝑥0 + 3ℎ) − 3𝑓 (𝑥0 + 4ℎ)]
=
12ℎ
𝑓´(−2.8)
[−25 ∗ 8.233241 + 48 ∗ 7.18035 − 36 ∗ 6.209329 + 16 ∗ 5.320305 − 3 ∗ 4.513417]
=
12 ∗ 0.2
𝑓´(−2.8) = −5.46893
[𝑓 (𝑥0 − 2ℎ) − 8𝑓 (𝑥0 − ℎ) + 8𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)]
𝑓´(−2.6) =
12ℎ
[9.367879 − 8 ∗ 8.233241 + 8 ∗ 6.209329 − 5.320305]
𝑓´(−2.6) =
12 ∗ 0.2
𝒇´(−𝟐. 𝟔) = −𝟓. 𝟎𝟓𝟗𝟖𝟗
ℎ4 ℎ4 ℎ 4 𝑒 𝜉/3 0.24 𝑒 −2.6/3
La cota de error sería |30 𝑓 5 (𝜉 )| = 30 |𝑓 5 (𝜉 )| = 30 ( 243 ) < ( ) = 0.0000001
30 243

[𝑓 (𝑥0 − 2ℎ) − 8𝑓 (𝑥0 − ℎ) + 8𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)]
𝑓´(−2.4) =
12ℎ
[8.233241 − 8 ∗ 7.180350 + 8 ∗ 5.320305 − 4.513417]
𝑓´(−2.4) =
12 ∗ 0.2
𝒇´(−𝟐. 𝟒) = −𝟒. 𝟔𝟓𝟎𝟐𝟐
[𝑓 (𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)] [4.513417 − 6.209329]
𝑓´(−2.2) = =
2ℎ 2 ∗ 0.2
𝒇´(−𝟐. 𝟐) = −𝟒. 𝟐𝟑𝟗𝟕𝟖
𝑒 𝜉/3 𝑒 𝜉/3
𝑓 (𝑥 ) = 𝑒 𝑥/3 + 𝑥 2 = 𝑓 (𝜉 ) = 𝑒 𝜉/3 + 𝜉 2 = 𝑓 3 (𝜉 ) = | 2 ( )|
→ 𝑓 𝜉 =
27 27
−ℎ 2 ℎ2 ℎ 2 𝑒 𝜉/3 0.22 𝑒 −2.2/3
La cota de error sería | 𝑓 3 (𝜉 )| = |𝑓 3 (𝜉 )| = ( )< ( ) = 0.000119
6 6 6 27 6 27

[𝑓(𝑥0 − 2ℎ) − 4 𝑓(𝑥0 − ℎ ) + 3𝑓 (𝑥0 )]
𝑓´(−2) =
2ℎ
[6.209329 − 4 ∗ 5.320305 + 3 ∗ 4.513417]
=
2 ∗ 0.2
𝒇´(−𝟐) = −𝟑. 𝟖𝟑𝟗𝟏
𝑒 𝜉/3 𝑒 𝜉/3
𝑓 (𝑥 ) = 𝑒 𝑥/3 + 𝑥 2 = 𝑓 (𝜉 ) = 𝑒 𝜉/3 + 𝜉 2 = 𝑓 2 (𝜉 ) = ( | 2 ( )|
+ 2) → 𝑓 𝜉 = ( + 2)
9 9
−ℎ ℎ ℎ 𝑒 𝜉/3 0.2 𝑒 −2/3
La cota de error sería | 2 𝑓 2 (𝜉 )| = 2 |𝑓 2 (𝜉 )| = 2 ( + 2) < ( + 2) =
9 2 9
0.205705
7
4.1 EJERCICIO 7. Use los siguientes datos y el hecho de que las primeras cinco derivadas
de 𝑓 estaban acotadas en [1, 5] por 2, 3, 6, 12 y 23, respectivamente, para aproximar 𝑓´(3)
con la mayor exactitud posible. Obtenga una cota del error.
x 1 2 3 4 5
𝑓(𝑥) 2.4142 2.6734 2.8974 3.0976 3.2804
Como queremos el menor error vamos a utilizar la primera formula de los 5 puntos:
1
𝑓´(𝑥0 ) = [𝑓 (𝑥0 − 2ℎ) − 8𝑓(𝑥0 − ℎ) + 8𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 + 2ℎ)]
12ℎ
ℎ4 5
+ 𝑓 (𝜉 );
30
𝑑𝑜𝑛𝑑𝑒 𝜉 𝜖 (𝑥0 − 2ℎ, 𝑥0 + 2ℎ)
Para este ejercicio vamos a dar el valor de h = 1, por el hecho que de esa manera vamos a
obtener valores que tenemos en la tabla, al momento de reemplazar.
𝑥0 = 3
1
𝑓´(3) ≈ [𝑓(3 − 2(1)) − 8𝑓(3 − 1) + 8𝑓(3 + 1) − 𝑓 (3 + 2(1))]
12(1)
1
𝑓´(𝑥 ) ≈ [𝑓 (1) − 8𝑓 (2) + 8𝑓(4) − 𝑓(5)]
12
1
𝑓´(𝑥) ≈ [2.4142 − 8(2.6734) + 8(3.0976) − 3.2804]
12
𝒇´(𝒙) ≈ 𝟎. 𝟐𝟏𝟎𝟔𝟐
Límite de error
|𝑓 (5) (𝜉 )ℎ4 |
30
Dado en la definición del problema: 𝑓 (5) (𝜉 ) = 23
|23(1)4 | 23
=
30 30
Respuesta 𝒇´(𝟑) ≈ 𝟎. 𝟐𝟏𝟎𝟔𝟐
𝟐𝟑
Límite de error < 𝟑𝟎
8
9.a
Repita el ejercicio 1 usando la aritmética de redondeo a cuatro dígitos, y después compare los
errores con los del ejercicio 2
𝑓 (𝑥 ) = sin 𝑥
x
0.5 0.4794
0.6 0.5646
0.7 0.6442
SOLUCION
𝑓(𝑥0+ℎ)−𝑓(𝑥0) ℎ
𝑓 ′ (𝑥 0 ) = − 2 ∗ 𝑓′′(ᵹ)
ℎ
𝑓 ′ (𝑥 ) = cos 𝑥
Para x=0.5
Valor exacto de 𝑓 ′ (0.5) = cos(0.5) = 0.8775826 ≅ 0.8776
El valor aproximado de 𝑓 ′ (0.5) será:
0.5 < ᵹ < 0.5 + ℎ
ℎ = 𝑥1 − 𝑥0 = 0.6 − 0.5 = 0.1
𝑓(𝑥0+ℎ)−𝑓(𝑥0)
𝑓 ′ (𝑥 0 ) =
ℎ
𝑓(0.5+0.1)−𝑓(0.5) 𝑠𝑒𝑛(0.6)−𝑠𝑒𝑛(0.5)
𝑓 ′ (0.5) = = = 0.8521693 ≅ 0.8522
0.1 0.1
Para x=0.6
0.6 < ᵹ < 0.6 + ℎ
𝑓(𝑥0)−𝑓(𝑥0−ℎ)
𝑓 ′ (𝑥 0 ) = ℎ
𝑓(0.6) − 𝑓(0.5) 𝑠𝑒𝑛(0.6) − 𝑠𝑒𝑛(0.5)

𝑓 ′ (0.6) = = = 0.8521693 ≅ 0.8522
0.1 0.1
Para x=0.7
0.7 < ᵹ < 0.7 + ℎ
𝑓(𝑥0)−𝑓(𝑥0−ℎ)
𝑓 ′ (𝑥 0 ) = ℎ
𝑓(0.7)−𝑓(0.6) 𝑠𝑒𝑛(0.7)−𝑠𝑒𝑛(0.6)
𝑓 ′ (0.7) = = = 0.7957521 ≅ 0.7958
0.1 0.1
9.b
𝑈𝑠𝑒 𝑙𝑎𝑠 𝑓ó𝑟𝑚𝑢𝑙𝑎𝑠 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑖𝑣𝑎 𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑣𝑎 𝑝𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎𝑠
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑐𝑜𝑛 𝑞𝑢𝑒 𝑠𝑒 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑎𝑟𝑎´ 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑡𝑎𝑏𝑙𝑎
𝑥 𝑓 (𝑥 ) 𝑓′(𝑥 )
0.0 0.00000 3.9845
0.2 0.74140 3.3522
0.4 1.37180 3.0689
9. 𝑅𝑒𝑝𝑖𝑡𝑎 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 1 𝑢𝑠𝑎𝑛𝑑𝑜 𝑙𝑎 𝑎𝑟𝑖𝑡𝑚𝑒𝑡𝑖𝑐𝑎 𝑑𝑒 𝑟𝑒𝑑𝑜𝑛𝑑𝑒𝑜 𝑎 𝑐𝑢𝑎𝑡𝑟𝑜 𝑑𝑖𝑔𝑖𝑡𝑜𝑠, 𝑦 𝑑𝑒𝑠𝑝𝑢𝑒𝑠 𝑐𝑜𝑚𝑝𝑎𝑟𝑒

𝑙𝑜𝑠 𝑒𝑟𝑟𝑜𝑟𝑒𝑠 𝑐𝑜𝑛 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 2
𝑓 (𝑥 ) = 𝑒 𝑥 − 2𝑥 2 + 3𝑥 − 1 ⟹ 𝑓 ′ (𝑥 ) = 𝑒 𝑥 − 4𝑥 + 3 ⟹ 𝑓 ′ (𝑥 ) = 𝑒 𝑥 − 4
𝐴𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑖𝑣𝑎
ℎ>0 ; ℎ = 0.2
′(
1 ℎ2
𝑓 𝑥) = [−3𝑓 (𝑥0 ) + 4𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)] + ∗ 𝑓 ′′ ′(𝜉)
2ℎ 3
1
𝑓 ′ (𝑥 ) = [−3𝑓(0.0) + 4𝑓(0.0 + 0.2) − 𝑓 (0.0 + 2 ∗ 0.2)] = 3.9845
2 ∗ 0.2
𝑓 ′ (𝑥) = 𝑒 𝑥 − 4𝑥 + 3 ⇒ 𝑒 0.0 − 4(0.0) + 3 = 4
𝑥0 < 𝜉 < 𝑥0 + 2ℎ ⇒ 0.0 < 𝜉 < 0.0 + 2(0.2) ⇒ 0.0 < 𝜉 < 0.4 ⇒ (0.0)2 < 𝜉
< (0.4)2
1 1 ℎ2 (0.2)2 (𝑒 𝑥 − 4) (0.04)(𝑒 0.0 − 4)
𝐸𝑅𝑅𝑂𝑅 = <𝜉< ⇒ | ∗ 𝑓′′′(𝜉 )| = < = 0.04
0.16 0.0 3 3 3
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.2) + 4𝑓 (0.2 + 0.2) − 𝑓(0.2 + 2 ∗ 0.2)] =
2 ∗ 0.2
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.2) + 4𝑓(0.4) − 𝑓 (0.6)] = 3.3522
2 ∗ 0.2
𝑓 ′ (𝑥 ) = 𝑒 𝑥 − 4𝑥 + 3 ⇒ 𝑒 0.2 − 4(0.2) + 3 = 3.4214
𝑥0 < 𝜉 < 𝑥0 + 2ℎ ⇒ 0.2 < 𝜉 < 0.2 + 2(0.2) ⇒ 0.2 < 𝜉 < 0.6 ⇒ (0.2)2 < 𝜉
< (0.4)2
1 1 ℎ2 (0.2)2 (𝑒 𝑥 − 4) (0.04)(𝑒 0.04 − 4)
𝐸𝑅𝑅𝑂𝑅 = <𝜉< ( )|
⇒ | ∗ 𝑓′′′ 𝜉 = <
0.36 0.04 3 3 3
= 0.0394
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.4) + 4𝑓 (0.4 + 0.2) − 𝑓(0.4 + 2 ∗ 0.2)] =
2 ∗ 0.2
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.4) + 4𝑓(0.6) − 𝑓 (0.8)] = 2.8686
2 ∗ 0.2
𝑓 ′ (𝑥 ) = 𝑒 𝑥 − 4𝑥 + 3 ⇒ 𝑒 0.4 − 4(0.4) + 3 = 2.8918
𝑥0 < 𝜉 < 𝑥0 + 2ℎ ⇒ 0.4 < 𝜉 < 0.4 + 2(0.2) ⇒ 0.4 < 𝜉 < 0.8 ⇒ (0.4)2 < 𝜉
< (0.8)2
1 1 ℎ2 (0.2)2 (𝑒 𝑥 − 4) (0.04)(𝑒 0.16 − 4)
𝐸𝑅𝑅𝑂𝑅 = <𝜉< ⇒ | ∗ 𝑓′′′(𝜉 )| = <
0.64 0.16 3 3 3
= 0.0377
𝐴𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑣𝑎
′(
1 ℎ2
𝑓 𝑥) = [−3𝑓 (𝑥0 ) + 4𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)] + ∗ 𝑓 ′′′ (𝜉)
2ℎ 3
𝑥 𝑓 (𝑥 ) 𝑓′(𝑥 )
0.0 0.00000 3.9885
0.2 0.74140 3.4073
0.4 1.37180 2.8745
ℎ<0 ; ℎ = −0.2
1 ℎ2
𝑓 ′ (𝑥 ) = [−3𝑓 (𝑥0 ) + 4𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)] + ∗ 𝑓 ′′ (𝜉)
2ℎ 3
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.0) + 4𝑓 (0.0 − 0.2) − 𝑓(0.0 + 2 ∗ −0.2)] =
2 ∗ −0.2
1
𝑓 ′ (𝑥 ) = [−3(0) − 4(0.861269) + 1.849679] = 3.9885
2 ∗ −0.2
𝑓 ′ (𝑥) = 𝑒 𝑥 − 4𝑥 + 3 ⇒ 𝑒 0.0 − 4(0.0) + 3 = 4
𝑥0 < 𝜉 < 𝑥0 + 2ℎ ⇒ 0.0 < 𝜉 < 0.0 − 2(0.2) ⇒ 0.0 < 𝜉 < −0.4 ⇒ (0.0)2 < 𝜉
< (−0.4)2
1 1 ℎ2 (−0.2)2 (𝑒 𝑥 − 4) (0.04)(𝑒 0.0 − 4)
𝐸𝑅𝑅𝑂𝑅 = <𝜉< ⇒ | ∗ 𝑓′′′(𝜉 )| = <
0.16 0.0 3 3 3
= 0.04
1
𝑓 ′ (𝑥 ) = [−3𝑓(0.2) + 4𝑓(0.2 − 0.2) − 𝑓 (0.2 + 2 ∗ −0.2)]
2 ∗ −0.2
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.2) + 4𝑓(0) − 𝑓(−0.2)] =
2 ∗ −0.2
1
𝑓 ′ (𝑥 ) = [−3(0.74140) + 0.861269] = 3.4073
2 ∗ −0.2
𝑓 ′ (𝑥 ) = 𝑒 𝑥 − 4𝑥 + 3 ⇒ 𝑒 0.2 − 4(0.2) + 3 = 3.4214
𝑥0 < 𝜉 < 𝑥0 + 2ℎ ⇒ 0.2 < 𝜉 < 0.2 − 2(0.2) ⇒ 0.2 < 𝜉 < −0.2 ⇒ (−0.2)2 < 𝜉
< (0.2)2
1 1 ℎ2 (0.2)2 (𝑒 𝑥 − 4) (0.04)(𝑒 0.4 − 4)
𝐸𝑅𝑅𝑂𝑅 = <𝜉< ⇒ | ∗ 𝑓′′′(𝜉 )| = <
0.04 0.04 3 3 3
= 0.0334
1
𝑓 ′ (𝑥 ) = [−3𝑓 (0.4) + 4𝑓 (0.4 − 0.2) − 𝑓(0.4 + 2 ∗ −0.2)] =
2 ∗ −0.2
1
𝑓 ′ (𝑥 ) = [−3𝑓(0.4) + 4𝑓 (0.2) − 𝑓(0)] =
2 ∗ −0.2
1
𝑓 ′ (𝑥 ) = [−3(1.37180) + 4(0.74140)] = 2.8745
2 ∗ −0.2
𝑓 ′ (𝑥 ) = 𝑒 𝑥 − 4𝑥 + 3 ⇒ 𝑒 0.4 − 4(0.42) + 3 = 2.8918
𝑥0 < 𝜉 < 𝑥0 + 2ℎ ⇒ 0.4 < 𝜉 < 0.4 − 2(0.2) ⇒ 0.4 < 𝜉 < 0.0 ⇒ (0.4)2 < 𝜉
< (0.0)2
1 1 ℎ2 (0.2)2 (𝑒 𝑥 − 4) (0.04)(𝑒 0.16 − 4)
𝐸𝑅𝑅𝑂𝑅 = <𝜉< ⇒ | ∗ 𝑓′′′(𝜉 )| = <
0.0 0.16 3 3 3
= 0.03768
10.a
10.b
11.a
Repita el ejercicio 5 usando la aritmética de redondeo a cuatro dígitos, y después compare
los errores con los del ejercicio 6.
Solución
Referencia: ejercicio 5.
Use la fórmula más precisa posible de esta sección para determinar las aproximaciones con
que se completarán las siguientes tablas.
Los datos del ejercicio 5 se tomaron de las funciones dadas. Calcule los errores reales del
ejercicio 5 y obtenga las cotas de error usando las fórmulas de error y Maple.
a. f (x) = tan x
a). consideremos los siguientes puntos.
x f(x)
2.1 - 1.709
2.2 -1.373
2.3 -1.119
2.4 -0.9160
2.5 -0.7470
2.6 -0.6015
 Para aproximar f´(x) al x = 2.1usamos la fórmula de punto final de cinco
puntos.
1
f´(x0) = 12ℎ [−25𝑓(𝑥0 ) + 48𝑓(𝑥0 + ℎ) − 36𝑓(𝑥0 + 2ℎ) + 16𝑓(𝑥0 + 3ℎ) − 3𝑓(𝑥0 + 4ℎ)]
Tomando x0 =2.1 y h= 0.1, luego sustituimos los valores en:
1
f´(2.1) = 12(0.1) [−25𝑓(2.1) + 48𝑓(2.1 + 0.1) − 36𝑓(2.1 + 2(0.1) + 16𝑓(2.1 +
3(0.1) − 3𝑓(2.1 + 4(0.1)]
1
f´(2.1) = 1.2 [−25𝑓(2.1) + 48𝑓(2.2) − 36𝑓(2.3) + 16𝑓(2.4) − 3𝑓(2.5)]
1
f´(2.1) = [−25(−1.709) + 48(−1.373) − 36(−1.119) + 16(−0.9160) −
1.2
3(−0.7470)]
1
f´(2.1) = 1.2 [4.69]
f´(2.1) ≈ 3.908
 Para aproximar f´(x) al x = 2.3 usamos la fórmula de punto final de cinco

puntos.
1
1
f´(2.2) = 12(0.1) [−25𝑓(2.2) + 48𝑓(2.2 + 0.1) − 36𝑓(2.2 + 2(0.1) + 16𝑓(2.2 + 3(0.1) −
3𝑓(2.2 + 4(0.1)]
1
f´(2.2) = 1.2 [−25𝑓(2.2) + 48𝑓(2.3) − 36𝑓(2.4) + 16𝑓(2.5) − 3𝑓(2.6)]
1
f´(2.2) = 1.2 [−25(−1.373) + 48(−1.119) − 36(−0.9160) + 16(−0.7470) −
3(−0.6015)]
1
f´(2.2) = 1.2 [3.4415]
f´(2.2) ≈ 2.868
 Para aproximar f´(x) al x = 2.3 usamos la fórmula de punto medio de cinco
puntos.
1
f´(x0) = 12ℎ [𝑓(𝑥0 − 2ℎ) − 8𝑓(𝑥0 − ℎ) + 8𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)]
1
f´(2.3) = 12(0.1) [𝑓 (2.3 − 2(0.1) − 8𝑓(2.3 − 0.1) + 8𝑓(2.3 + 0.1) − 𝑓(2.3 + 2(0.1)]
1
f´(2.3) = 1.2 [𝑓(2.1) − 8𝑓 (2.2) + 8𝑓 (2.4) − 𝑓(2.5)]
1
f´(2.3) = 1.2 [(−1.709) − 8(−1.373) + 8(−0.9160) − (−0.7470)]
1
f´(2.3) = 1.2 [2.694]
f´(2.3) ≈ 2.249
 Para aproximar f´(x) al x = 2.4 usamos la fórmula de punto medio.

1
f´(x0) = 12ℎ [𝑓(𝑥0 − 2ℎ) − 8𝑓(𝑥0 − ℎ) + 8𝑓 (𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)]
1
f´(2.4) = 12(0.1) [𝑓 (2.4 − 2(0.1) − 8𝑓(2.4 − 0.1) + 8𝑓(2.4 + 0.1) − 𝑓(2.4 + 2(0.1)]
1
f´(2.4) = 1.2 [𝑓(2.2) − 8𝑓 (2.3) + 8𝑓 (2.5) − 𝑓(2.6)]
1
f´(2.4) = 1.2 [(−1.373) − 8(−1.119) + 8(−0.747) − (−0.6015)]
f´(2.4) ≈ 1.836

puntos.
1
Tomando x0 =2.5 y h= -0.1, luego sustituimos los valores en:

1
f´(2.5) = 12(−0.1) [−25𝑓(2.5) + 48𝑓(2.5 + (−0.1)) − 36𝑓(2.5 + 2(−0.1) +
16𝑓(2.5 + 3(−0.1) − 3𝑓(2.5 + 4(−0.1)]
1
f´(2.5) = −1.2 [−25𝑓(2.5) + 48𝑓(2.4) − 36𝑓(2.3) + 16𝑓(2.2) − 3𝑓(2.1)]
1
f´(2.5) = − 1.2 [−25(−0.747) + 48(−0.9160) − 36(−1.119) + 16(−1.373) −
3(−1.709)]
1
f´(2.5) = − [− 1.85]
1.2
f´(2.5) ≈ 1.550

puntos.
1
Tomando x0 =2.6 y h= -0.1, luego sustituimos los valores en:
1
f´(2.6) = 12(−0.1) [−25𝑓(2.6) + 48𝑓(2.6 + (−0.1)) − 36𝑓(2.6 + 2(−0.1) +
16𝑓(2.6 + 3(−0.1) − 3𝑓(2.6 + 4(−0.1)]
1
f´(2.6) = −1.2 [−25𝑓(2.6) + 48𝑓(2.5) − 36𝑓(2.4) + 16𝑓(2.3) − 3𝑓(2.2)]
1
f´(2.6) = − 1.2 [−25(−0.6015) + 48(−0.747) − 36(−0.9160) + 16(−1.119) −
3(−1.373)]
f´(2.6) ≈ 1.348
por lo tanto, las derribadas aproximadas son:
x f(x) f´(x)
2.1 - 1.709 3.908
2.2 -1.373 2.868
2.3 -1.119 2.249
2.4 -0.9160 1.836
2.5 -0.7470 1.550
2.6 -0.6015 1.348
11.b
Repita el ejercicio 5 usando la aritmética de redondeo a cuatro dígitos, y después compare
los errores con los del ejercicio 6
Consideramos los siguientes datos.

x f(x)
-3 9.367879
-2.8 8.233241
-2.6 7.18035
-2.4 6.209329
-2.2 5.320305
-2 4.513417
- Para aproximar 𝑓 ′ (𝑥) 𝑎𝑙 𝑥 = −3.0 ; usamos la fórmula del punto final de cinco
puntos.
1
𝑓 ′ (𝑥 0 ) = [−25𝑓(𝑥0 ) + 48𝑓(𝑥0 + ℎ) − 36𝑓(𝑥0 + 2ℎ) + 16𝑓(𝑥0 + 3ℎ) − 3𝑓(𝑥0
12ℎ
+ 4ℎ)
Tomando 𝑥0 = −3.0 y h = 0.2, sustituyamos los valores.
Luego:
1
𝑓 ′ (−3.0) = 12(0.2) [−25𝑓(−3.0) + 48𝑓(−3.0 + 0.2) − 36𝑓(−3.0 + 2(0.2)) +
16𝑓(−3.0 + 3(0.2)) − 3𝑓 (−3.0 + 4(0.2))]

1
𝑓 ′ (−3.0) = 2.4 [−25𝑓(−3.0) + 48𝑓(−2.8) − 36𝑓(−2.6) + 16𝑓 (−2.4) − 3𝑓(2.2)]
1
𝑓 ′ (−3.0) = [−25 × 9.367879 + 48 × 8.233241 − 36 × 7.18035 + 16 × 6.209329
2.4
− 3 × 5.320305]
1
𝑓 ′ (−3.0) = (−14.105658) ⟹ 𝑓 ′ (−3.0) ≈ −5.8774
2.4
puntos.
1
12ℎ
+ 4ℎ)
Luego:
1
𝑓 ′ (−2.8) = 12(0.2) [−25𝑓(−2.8) + 48𝑓(−2.8 + 0.2) − 36𝑓(−2.8 + 2(0.2)) +
16𝑓(−2.8 + 3(0.2)) − 3𝑓 (−2.8 + 4(0.2))]

1
𝑓 ′ (−2.8) = 2.4 [−25𝑓(−2.8) + 48𝑓(−2.6) − 36𝑓(−2.4) + 16𝑓 (−2.2) − 3𝑓(2.0)]
1
𝑓 ′ (−2.8) = [−25 × 8.233241 + 48 × 7.180350 − 36 × 6.209329 + 16 × 5.320305
2.4
− 3 × 4.513417]
1
𝑓 ′ (−2.8) = (−13.12544) ⟹ 𝑓 ′ (−2.8) ≈ −5.4689
2.4
- Para aproximar 𝑓 ′ (𝑥) 𝑎𝑙 𝑥 = −2.6 ; usamos la fórmula de punto medio de cinco

puntos.
1
𝑓 ′ (𝑥 0 ) = [𝑓(𝑥0 − 2ℎ) + 8𝑓(𝑥0 − ℎ) + 8𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)
12ℎ
Luego:
1
𝑓 ′ (𝑥 0 ) = [𝑓(−2.6 − 2 × 0.2) + 8𝑓(−2.6 − 0.2) + 8𝑓 (−2.6 + 0.2)
12 × 0.2
− 𝑓(−2.6 + 2 × 0.2)]
1
𝑓 ′ (−2.8) = [𝑓(−3.0) − 8𝑓 (−2.8) + 8𝑓 (−2.4) − 𝑓(−2.2)]
2.4
1
𝑓 ′ (−2.8) = [9.367879 − 8 × 8.233241 + 8 × 6.209329 − 5.320305]
2.4
1
𝑓 ′ (−2.8) = (−12.143722) ⟹ 𝑓 ′ (−2.8) ≈ −5.0599
2.4
- Para aproximar 𝑓 ′ (𝑥) 𝑎𝑙 𝑥 = −2.4 ; usamos la fórmula de punto medio de cinco
puntos.
1
𝑓 ′ (𝑥 0 ) = [𝑓(𝑥0 − 2ℎ) + 8𝑓(𝑥0 − ℎ) + 8𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 + 2ℎ)
12ℎ
Luego:
1
𝑓 ′ (𝑥 0 ) = [𝑓(−2.4 − 2 × 0.2) + 8𝑓(−2.4 − 0.2) + 8𝑓 (−2.4 + 0.2)
12 × 0.1
− 𝑓(−2.4 + 2 × 0.2)]
1
𝑓 ′ (−2.8) = [𝑓(−2.8) − 8𝑓 (−2.6) + 8𝑓 (−2.2) − 𝑓(−2.0)]
2.4
1
𝑓 ′ (−2.8) = [8.233241 − 8 × 7.180350 + 8 × 5.320305 − 4.513417]
2.4
1
𝑓 ′ (−2.8) = (−11.160536) ⟹ 𝑓 ′ (−2.8) ≈ −4.6502
2.4
puntos.
1
12ℎ
+ 4ℎ)
Tomando 𝑥0 = −2.2 y h = - 0.2, sustituyamos los valores.
Luego:
1
𝑓 ′ (−2.2) = 12×−0.2 [−25𝑓 (−2.2) + 48𝑓(−2.2 − 0.2) − 36𝑓(−2.2 + 2(−0.2)) +
16𝑓(−2.2 + 3(−0.2)) − 3𝑓(−2.2 + 4(−0.2))]

1
𝑓 ′ (−2.2) = − 2.4 [−25𝑓(−2.2) + 48𝑓(−2.4) − 36𝑓(−2.6) + 16𝑓(−2.8) − 3𝑓(3.0)]
1
𝑓 ′ (−2.2) = − [−25 × 5.320305 + 48 × 6.209329 − 36 × 7.180350 + 16
2.4
× 8.233241 − 3 × 9.367879]
1
𝑓 ′ (−2.2) = − (10.175786) ⟹ 𝑓 ′ (−3.0) ≈ −4.2399
2.4
puntos.
1
12ℎ
+ 4ℎ)
Tomando 𝑥0 = −2.0 y h = - 0.2, sustituyamos los valores.
Luego:
1
𝑓 ′ (−2.0) = 12×−0.2 [−25𝑓 (−2.0) + 48𝑓(−2.0 − 0.2) − 36𝑓(−2.0 + 2(−0.2)) +
16𝑓(−2.0 + 3(−0.2)) − 3𝑓(−2.0 + 4(−0.2))]

1
𝑓 ′ (−2.0) = − [−25𝑓(−2.0) + 48𝑓(−2.2) − 36𝑓 (−2.4) + 16𝑓(−2.6) − 3𝑓(2.89]
2.4
1
𝑓 ′ (−2.0) = − [−25 × 4.513417 + 48 × 5.320305 − 36 × 6.209329 + 16
2.4
× 7.180350 − 3 × 8.233241]
1
𝑓 ′ (−2.0) = − (9.1892483) ⟹ 𝑓 ′ (−2.0) ≈ −3.8289
2.4
Las derivadas aproximadas se muestran en forma de tabla.
x f(x) f'(x)
-3 9.367879 -5.8774
-2.8 8.233241 -5.4689
-2.6 7.18035 -5.0599
-2.4 6.209329 -4.6502
-2.2 5.320305 -4.2399
-2 4.513417 -3.8289
Primero calculamos los errores reales al aproximar 𝑓 ′ (𝑥 ) usamos dos métodos la formula
del punto final de cinco putos y la formula del punto medio de cinco puntos.
𝑥 𝑥
1
Tenemos: 𝑓 (𝑥 ) = 𝑒 3 + 𝑥 2 implica 𝑓 ′ (𝑥 ) = 3 𝑒 3 + 2𝑥
Ahora para:
1 −3
𝑥 = −3.0 ; 𝑓 ′ (3.0) = 𝑒 3 + 2(−3) = −5.8774
3
1 −2.8
𝑥 = −2.8 ; 𝑓 ′ (2.8) = 𝑒 3 + 2(−2.8) = −5.4689
3
1 −2.6
𝑥 = −2.6 ; 𝑓 ′ (2.8) = 𝑒 3 + 2(−2.6) = −5.0599
3
1 −2.4
𝑥 = −2.4 ; 𝑓 ′ (2.8) = 𝑒 3 + 2(−2.4) = −4.6502
3
1 −2.2
𝑥 = −2.2 ; 𝑓 ′ (2.8) = 𝑒 3 + 2(−2.2) = −4.2399
3
1 −2
𝑥 = −2.0 ; 𝑓 ′ (2.8) = 𝑒 3 + 2(−2.0) = −3.8289
3
Entonces el error real = │𝑣𝑎𝑙𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜│
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑥 = 3.0 𝑒𝑠 │ − 5.8774 − (−5.8774)│ = 0
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑥 = 2.8 𝑒𝑠 │ − 5.4689 − (−5.4689)│ = 0
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑥 = 2.6 𝑒𝑠 │ − 5.0599 − (−5.0599)│ = 0
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑥 = 2.4 𝑒𝑠 │ − 4.6502 − (−4.6502)│ = 0
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑥 = 2.2 𝑒𝑠 │ − 4.2399 − (−4.2399)│ = 0
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑥 = 2.0 𝑒𝑠 │ − 3.8289 − (−3.8289)│ = 0
Comparamos lo errores reales con el ejercicio 11 y 5.
Errores en el ejercicio 11
x Error real
-3 0
-2.8 0
Errores en el ejercicio 5
x Error real
-3 1.55x10^-5 0.0000155
-2.8 1.32x10^-5 0.0000132
-2.6 0 -2.6 7.95x10^-5 0.0000795
-2.4 0 -2.4 6.79x10^-5 0.000679
-2.2 0 -2.2 1.28x10^-5 0.0000128
-2 0 -2 7.96x10^-5 0.0000796
12.a
estudie los siguientes datos
x 0.2 0.4 0.6 0.8 1.0
f(x) 0.9798652 0.9177710 0.808038 0.6386093 0.3843735
a) Aplique las fórmulas adecuadas para aproximar 𝑓 ´ (0.4)𝑦 𝑓 ´´ (0.4)
𝑝𝑎𝑟𝑎 𝑓 ´ (0.4) 𝑎𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑡𝑟𝑒𝑠 𝑝𝑢𝑛𝑡𝑜𝑠 ℎ = 0.2

1 ℎ2
→ 𝑓 ´ (0.4) = [−3𝑓 (𝑥0 ) + 4𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 + 2ℎ) + 𝑓 (3) (𝜀)
2ℎ 3
1
𝑓 ´ (0.4) = [−3𝑓 (0.4) + 4𝑓 (0.6) − 𝑓 (0.8)
2(0.2)
1
𝑓 ´ (0.4) = [−3(0.9177710) + 4(0.808038) − (0.6386093)
2(0.2)
𝑓 ´ (0.4) = −0.39943
1
→ 𝑓 ´ (0.4) = [𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)
2ℎ
1
𝑓 ´ (0.4) = [𝑓 (0.6) − 𝑓(0.2)
2(0.2)
1
𝑓 ´ (0.4) = [0.808038 − 0.9798652]
2(0.2)
𝑓 ´ (0.4) = −0.42957
𝑝𝑎𝑟𝑎 𝑓 ´´ (0.4)𝑎𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑓𝑖𝑛𝑎𝑙𝑒𝑠 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑖𝑣𝑎𝑠 ℎ
= 0.2
𝑓 (𝑥0 ) − 2𝑓(𝑥0 + ℎ) + 𝑓(𝑥0 + 2ℎ)
𝑓 ´´ (0.4) =
ℎ2
𝑓 (0.4) − 2𝑓(0.6) + 𝑓(0.8)
𝑓 ´´ (0.4) =
0.04
0.9177710 − 2(0.808038) + 0.6386093)
𝑓 ´´ (0.4) =
0.04
𝑓 ´´ (0.4) = −1.49239
12.b
13
Sea f(x)=cos x. Use la ecuación (4.9) y los valores de f(x) en x=0.25, 0.5 y 0.75 para aproximar
f''(0.5). Compare este resultado con el valor exacto y con la aproximación que se obtuvo en el
ejercicio 11 de la sección 3.4, explique por qué este método resulta tan exacto en este problema,
obtenga una cota de error.
1 ℎ2
Ec 4.9 𝑓 ′′ (𝑥0 ) = ℎ2 [𝑓 (𝑥0 − ℎ) − 2𝑓 (𝑥0 ) + 𝑓(𝑥0 + ℎ)] − 12 𝑓 (4) (ξ), donde
𝑥0 − ℎ < ξ < 𝑥0 + ℎ
Usando 4.9 con ℎ = 0.1:
 Para 𝑥 = 0.25
1
𝑓 ′′ (0.25) = [𝑐𝑜𝑠(π(0.25 − 0.1)) − 2𝑐𝑜𝑠(π ∗ 0.25) + 𝑐𝑜𝑠(π(0.25 + 1))]
0.12
0.12 (4)
− 𝑓 (0.28)
12
0.12
= −6.9216 − 62.0909 = −6.973342
12
Valor exacto: −6.97886, es un valor muy cercano al real.
 Para 𝑥 = 0.5
1
𝑓 ′′ (0.5) = [𝑐𝑜𝑠(π(0.5 − 0.1)) − 2𝑐𝑜𝑠(π ∗ 0.5) + 𝑐𝑜𝑠(π(0.5 + 0.1))]
0.12
0.12 (4)
− 𝑓 (0.51)
12
= 0 − 0.0305969 = −0.03056969
Valor exacto: −6.04339 × 10−16 , el valor es muy lejano al real.
 Para 𝑥 = 0.75
1
𝑓 ′′ (0.75) = [𝑐𝑜𝑠(π(0.75 − 0.1)) − 2𝑐𝑜𝑠(π ∗ 0.75) + 𝑐𝑜𝑠(π(0.75 + 0.1))]
0.12
0.12 (4)
− 𝑓 (0.78)
12
= 6.921653 − −0.075055 = 6.996708
Valor exacto: 6.97886, se acerca mucho al valor real, error de 10−2
14
15.a
15.b
Ejercicio 15b
Examine detenidamente la siguiente tabla de datos:
x 0.2 0.4 0.6 0.8 1.0

f(x) 0.9798652 0.9177710 0.8080348 0.6386093 0.3843735
Use la
ecuación (4.7) para aproximar 𝑓 ′ (1.0)
SOLUCIÓN
Según el programa GeoGebra al importar los puntos de la tabla genera una función que
pasa por dichos puntos.
El programa GeoGebra redondea a dos decimales
La función de cuarto grado que el programa brinda es más precisa y abarca a todos los
puntos y es como sigue
 𝒇(𝒙) = −𝟎. 𝟑𝟒𝒙𝟒 + 𝟎. 𝟒𝟑𝒙𝟑 − 𝟎. 𝟕𝟕𝒙𝟐 + 𝟎. 𝟎𝟕𝒙 + 𝟎. 𝟗𝟗
A continuación se muestra el gráfico y su función respectiva

a) Procedimiento 1
La fórmula 4.7 corresponde a una de las fórmulas de 5 puntos y es la siguiente:
𝟏
𝒇′ (𝒙𝟎 ) ≈ 𝟏𝟐𝒉 [−𝟐𝟓 ∗ 𝒇(𝒙𝟎 ) + 𝟒𝟖 ∗ 𝒇(𝒙𝟎 + 𝒉) − 𝟑𝟔 ∗ 𝒇(𝒙𝟎 + 𝟐𝒉) + 𝟏𝟔 ∗ 𝒇(𝒙𝟎 + 𝟑𝒉) −
𝒉𝟒
𝟑 ∗ 𝒇(𝒙𝟎 + 𝟒𝒉)]+ 𝟓 𝒇(𝟓) (𝝃)
Donde 𝜉 se encuentra entre 𝑥0 y 𝑥0 + 4ℎ

𝒙𝟎 = 𝟏. 𝟎
Asumiendo que: 𝒉 = 𝟎. 𝟏
Reemplazando los valores se tiene:
1
𝑓 ′ (1) ≈ [−25 ∗ 𝑓 (1) + 48 ∗ 𝑓(1 + 0.1) − 36 ∗ 𝑓(1 + 0.2) + 16 ∗ 𝑓 (1 + 0.3))
12 ∗ (0.1)
− 3 ∗ 𝑓 (1 + 0.4)]
1
𝑓 ′ (1) ≈ [−25 ∗ 𝑓 (1) + 48 ∗ 𝑓(1.1) − 36 ∗ 𝑓(1.2) + 16 ∗ 𝑓(1.3)) − 3 ∗ 𝑓(1.4)]
1.2
Para calcular los valores que faltan se hace uso de la función.
𝒇(𝒙) = −𝟎. 𝟑𝟒𝒙𝟒 + 𝟎. 𝟒𝟑𝒙𝟑 − 𝟎. 𝟕𝟕𝒙𝟐 + 𝟎. 𝟎𝟕𝒙 + 𝟎. 𝟗𝟗
𝑓 (𝑥 ) = 𝑓 (1.1) = −0.34(1.1)4 + 0.43(1.1)3 − 0.77(1.1)2 + 0.07(1.1) + 0.99

= 0.20983600
𝑓 (𝑥 ) = 𝑓 (1.2) = −0.34(1.2)4 + 0.43(1.2)3 − 0.77(1.2)2 + 0.07(1.2) + 0.99
= 0.00321600
𝑓 (𝑥 ) = 𝑓 (1.3) = −0.34(1.3)4 + 0.43(1.3)3 − 0.77(1.3)2 + 0.07(1.3) + 0.99
= −0.24666400
𝑓 (𝑥 ) = 𝑓 (1.4) = −0.34(1.4)4 + 0.43(1.4)3 − 0.77(1.4)2 + 0.07(1.4) + 0.99
= −0.54742400
1
𝑓 ′ (1) = [−25 ∗ 𝑓 (1) + 48 ∗ 𝑓 (1.1) − 36 ∗ 𝑓(1.2) + 16 ∗ 𝑓(1.3)) − 3 ∗ 𝑓(1.4)]
1.2
Reemplazando
1
𝑓 ′ (1) ≈ [−25 ∗ 0.3843735 + 48 ∗ 0.20983600 − 36 ∗ 0.00321600 + 16
1.2
∗ −0.24666400 − 3 ∗ −0.54742400]
𝒇′ (𝟏) ≈ −𝟏. 𝟔𝟑𝟏𝟏𝟏𝟒𝟓𝟖 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
b) Procedimiento 2
 La fórmula 4.7 corresponde a una de las fórmulas de 5 puntos y es la siguiente:
𝟏
𝒇′ (𝒙𝟎 ) ≈ 𝟏𝟐𝒉 [−𝟐𝟓 ∗ 𝒇(𝒙𝟎 ) + 𝟒𝟖 ∗ 𝒇(𝒙𝟎 + 𝒉) − 𝟑𝟔 ∗ 𝒇(𝒙𝟎 + 𝟐𝒉) + 𝟏𝟔 ∗ 𝒇(𝒙𝟎 + 𝟑𝒉) −
𝒉𝟒
𝟑 ∗ 𝒇(𝒙𝟎 + 𝟒𝒉)]+ 𝟓 𝒇(𝟓) (𝝃)
𝒙𝟎 = 𝟏. 𝟎
Asumiendo que: 𝒉 = −𝟎. 𝟐
Para este caso 𝜉 se encuentra entre 𝑥0 + 4ℎ y 𝑥0
Reemplazando los valores se tiene:
1
𝑓 ′ (1) ≈ [−25 ∗ 𝑓 (1) + 48 ∗ 𝑓(1 + (−0.2)) − 36 ∗ 𝑓(1 + 2 ∗ (−0.2)) + 16
12 ∗ (−0.2)
∗ 𝑓 (1 + 3(−0.2)) − 3 ∗ 𝑓 (1 + 4 ∗ (−0.2))]
1
𝑓 ′ (1) ≈ [−25 ∗ 𝑓(1) + 48 ∗ 𝑓(0.8) − 36 ∗ 𝑓(0.6) + 16 ∗ 𝑓(0.4)) − 3 ∗ 𝑓 (0.2))]
−2.4
1
𝑓 ′ (1) ≈ [−25 ∗ 0.3843735 + 48 ∗ 0.6386093 − 36 ∗ 0.8080348 + 16
−2.4
∗ 0.9177710 − 3 ∗ 0.9798652]
𝒇′ (𝟏) ≈ −𝟏. 𝟓𝟒𝟏𝟒𝟏𝟓𝟐𝟏 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
15.c
16
Ejercicio 16). Derive una fórmula de cinco puntos O(ℎ4 ) para aproximar 𝑓′(x0) que utilice
𝑓(x0-h), 𝑓(x0), 𝑓(x0+h), 𝑓(x0+2h) y 𝑓(x0+3h). [Sugerencia: considere la expresión
𝐴𝑓(x0-h)+B𝑓(x0+h)+C𝑓(x0+2h)+D𝑓(x0+3h). Desarrollo en términos del quinto polinomio
de Taylor y seleccione A, C y D aproximadamente.]
SOLUCIÓN:
El objetivo es aproximar la derivada 𝑓′(x0) derivando una O(ℎ4 ) fórmula de cinco puntos
que use 𝑓(x0-h), 𝑓(x0), 𝑓(x0+h), 𝑓(x0+2h), 𝑓(x0+3h)
Tenga en cuenta las siguientes expresiones de Taylor de las funciones: 𝑓(x0-h), 𝑓(x0+h),
𝑓(x0+2h), 𝑓(x0+3h).
1 1 1 1
𝑓(x0 - h) = 𝑓(x0) - 1! ℎ𝑓′(x0)+ 2! ℎ2 𝑓′′(x0) - 3! ℎ3 𝑓′′′(x0)+ 4! ℎ4 𝑓′′′′(x0)+ O(ℎ5 )
1 1 1 1
𝑓(x0 + h) = 𝑓(x0) - 1! ℎ𝑓′(x0)+ 2! ℎ2 𝑓′′(x0) - 3! ℎ3 𝑓′′′(x0)+ 4! ℎ4 𝑓′′′′(x0)+ O(ℎ5 )
4 2
𝑓(x0 + 2h) = 𝑓(x0) + 2ℎ𝑓′(x0)+ 2ℎ2 𝑓′′(x0) - 3 ℎ3 𝑓′′′(x0)+ 3 ℎ4 𝑓′′′′(x0)+ O(ℎ5 )
9 9 27
𝑓(x0 + 3h) = 𝑓(x0) + 3ℎ𝑓′(x0)+ 2 ℎ2 𝑓′′(x0) - 2 ℎ3 𝑓′′′(x0)+ ℎ4 𝑓′′′′(x0)+ O(ℎ5 )
8
Deja x = 𝐴𝑓(x0 - h)+B𝑓(x0 + h)+C𝑓(x0 + 2h)+D𝑓(x0 + 3h).

luego
X = ( A + B + C +D ) 𝑓(x0) + ( - A + B + 2C + 3D ) ℎ𝑓′(x0)+
1 1 9 1 1 4 9
( 2𝐴 + 𝐵 + 2𝐶 + ) ℎ2 𝑓′′(x0) + (- 6 𝐴 + 𝐵 + 3𝐶 + ) ℎ3 𝑓′′′(x0)+
2 2 6 2
1 1 2 27
(24 𝐴 + 𝐵 +3𝐶 + ) ℎ4 𝑓′′′′(x0)+ O(ℎ5 )
24 8
Resolviendo esta ecuación 𝑓′(x0) estableciendo el coeficiente de 𝑓′(x0) en 1 y 0 para el resto

de todos los términos. Luego
- A + B + 2C + 3D = 1,
1 1 9
𝐴+ 𝐵 + 2𝐶 + = 0,
2 2 2
1 1 4 9
- 6𝐴+ 𝐵 +3𝐶 + = 0,
6 2
1 1 2 27
𝐴+ 𝐵+ 𝐶+ = 0.
24 24 3 8
Realizando los cálculos respectivamente de estas ecuaciones obtenemos:

1 3 1 1
A=-4 ,B= , C = - 2 , D = 12
2
1 3 1 1
Sustituyendo: A = - 4 , B = , C = - 2 , D = 12, y 𝑓′ = 1, 𝑓′′, 𝑓′′′, 𝑓′′′′ = 0 en X se obtiene:
2
𝐴𝑓(x0 - h)+B𝑓(x0 + h)+C𝑓(x0 + 2h)+D𝑓(x0 + 3h) = ( A + B + C +D ) 𝑓(x0) +

( - A + B + 2C + 3D ) ℎ𝑓′(x0) + O(ℎ5 )
1 3 1 1 1 3 1 1
− 4 𝑓(x0 - h)+2 𝑓(x0 + h)-2 𝑓(x0 + 2h)+12 𝑓(x0 + 3h) = (- 4 + - 2 + 12) 𝑓(x0)+
2
(1) ℎ𝑓′(x0)+O(ℎ5 )
1 3 1 1 10
− 4 𝑓(x0 - h)+2 𝑓(x0 + h)-2 𝑓(x0 + 2h)+12 𝑓(x0 + 3h) = (12) 𝑓(x0)+ (1) ℎ𝑓′(x0)+O(ℎ5 )
Resolviendo la ecuación 𝑓′(x0) como:

10 1 3 1 1
ℎ𝑓′(x0)= (12) 𝑓(x0) + 4 𝑓(x0 - h)- 2 𝑓(x0 + h)+ 2 𝑓(x0 + 2h)- 12 𝑓(x0 + 3h)+ O(ℎ4 )
1 10 1 3 1 1
𝑓′(x0)= ℎ [12 𝑓(x0) + 4 𝑓(x0 - h)- 2 𝑓(x0 + h)+ 2 𝑓(x0 + 2h)- 12 𝑓(x0 + 3h)+ O(ℎ4 )]
Por eso finalmente obtenemos:

1 10 1 3 1 1
𝑓′(x0)= ℎ [12 𝑓(x0) + 4 𝑓(x0 - h)- 2 𝑓(x0 + h)+ 2 𝑓(x0 + 2h) - 12 𝑓(x0 + 3h)+ O(ℎ4 )]
17.a
17.b
Aplique la fórmula derivada en el ejercicio 16 y los datos del ejercicio 15 para
aproximar 𝒇´ (𝟎. 𝟒) y 𝒇´ (𝟎. 𝟖)
𝑥 0.2 0.4 0.6 0.8 1.0
𝑓(𝑥) 0.9798652 0.9177710 0.8080348 0.6386093 0.3843735
Derive una fórmula de 5 puntos o( ℎ5 )par aproximar 𝑓 ′ (𝑥0 )𝑞𝑢𝑒 𝑢𝑡𝑖𝑙𝑖𝑐𝑒 𝑓(𝑥0 − ℎ)
, 𝑓(𝑥0 ), 𝑓(𝑥0 + ℎ),
𝑓(𝑥0 + 2ℎ), 𝑓(𝑥0
+ 3ℎ)⟦𝑆𝑢𝑔𝑒𝑟𝑒𝑛𝑐𝑖𝑎: 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑒 𝑙𝑎 𝑒𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝐴𝑓(𝑥0 − ℎ) , +𝐵𝑓(𝑥0 + ℎ) + 𝐶𝑓(𝑥0 + 2ℎ)
+ 𝐷𝑓(𝑥0
+ 3ℎ)Desarrolle en términos del quinto polinomio de Taylor y seleccione A,C Y D aproximadamente ⟧
1 10 1 3 1 1
𝑓′(𝑥0 )= ℎ [12 𝑓(𝑥0 ) + 4 𝑓(𝑥0 - h)- 2 𝑓(𝑥0 + h)+ 2 𝑓(𝑥0 + 2h) - 12 𝑓(𝑥0 + 3h)+
O(ℎ4 )]….formación polinomio
1
𝑓′(𝑥0 )= 12ℎ [3𝑓(𝑥0 - h) + 10𝑓(𝑥0 ) - 18 𝑓(𝑥0 + h) +6 𝑓(𝑥0 + 2h) - 𝑓(𝑥0 + 3h) +
O(ℎ4 )]….
𝑇𝑜𝑚𝑎𝑛𝑑𝑜 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑥0 = 0.4 ∧ ℎ = 0.2
Sustituimos los valores
1
𝑓′(𝑥0 )= 12ℎ [3𝑓(𝑥0 - h) + 10𝑓(𝑥0 ) - 18 𝑓(𝑥0 + h) + 6 𝑓(𝑥0 + 2h) − 𝑓(𝑥0 + 3h)]
1
𝑓′(0.4)= 12(0.2) [3𝑓(0.4- 0.2) + 10𝑓(0.4) - 18 𝑓(0.4 + 0.2) +6 𝑓(0.4+ 2(0.2)) −
𝑓(0.4 + 3(0.2)]
1
𝑓 ′ (0.4)= 2.4 [3𝑓(0.2) + 10𝑓(0.4) - 18 𝑓(0.6) +6 𝑓(0.8) − 𝑓(1)]
1
𝑓 ′ (0.4)= [3(0.9798652) + 10(0.9177710) - 18(0.8080348) +6 (0.6386093) −
2.4
0.3843735]
1
𝑓 ′ (0.4)= 2.4 (1.0199615)= 0.4249839
Ahora aproximamos con 𝒙𝟎 = 𝟎. 𝟖 ∧ 𝒉 = −𝟎. 𝟐
1
𝑓′(𝑥0 )= [3𝑓(𝑥0 - h) + 10𝑓(𝑥0 ) - 18 𝑓(𝑥0 + h) + 6 𝑓(𝑥0 + 2h) − 𝑓(𝑥0 + 3h)]
12ℎ
aproximamos con 𝒙𝟎 = 𝟎. 𝟖 ∧ 𝒉 = −𝟎. 𝟐
1
𝑓′(0.8)= 12ℎ [3𝑓(𝑥0 - h) + 10𝑓(𝑥0 ) - 18 𝑓(𝑥0 + h) + 6 𝑓(𝑥0 + 2h) − 𝑓(𝑥0 + 3h)]
1
𝑓′(0.8)= 12ℎ [3𝑓(0.8 - (-0.2)) + 10𝑓(0.8) - 18 𝑓(0.8 + (-0.2)) + 6 𝑓(0.8 + 2(-0.2)) −
𝑓(0.8 + 3(-0.2))]
1
𝑓′(0.8)= 12(−0.2) [3𝑓(1) + 10𝑓(0.8) - 18 𝑓(0.6) + 6 𝑓(0.4) − 𝑓(0.2)]
1
𝑓′(0.8)= [3(0.3843735 ) + 10(0.6386093) - 18 (0.8080348) + 6 𝑓(0.9177710) −
12(−0.2)
𝑓(0.9798652)]
1
𝑓′(0.8)= 12(−0.2) [3(0.3843735 ) + 10(0.6386093) - 18 (0.8080348) + 6 (0.9177710) −
(0.9798652)]
1
𝑓′(0.8)= 12(−0.2) [-2.4786521]=1.0327717
17.c
Aplique la formula derivada del ejerciciio16 y los datos del ejercicio 15 para aproximar f´
(0.4) y f´ (0.8).
18
use los valores de la tabla para aproximar 𝑓 ´ (0.900) donde f(x)= senx el valor verdadero es
cos(0.900) = 0.62161
x 𝐬𝐢𝐧 𝒙 x 𝐬𝐢𝐧 𝒙
0.800 0.71736 0.901 0.78395
0.850 0.75128 0.902 0.78457
0.880 0.77074 0.905 0.78643
0.890 0.77077 0.910 0.78950
0.895 0.78021 0.920 0.79560
0.898 0.78208 0.950 0.81342
0.899 0.78270 1.000 0.84347
Al aplicar la formula
f(0.900+h)−f(0.900−h)
𝒇(0.900) = 2ℎ
Con diferentes valores de h, obtenemos las siguientes aproximaciones, analizando el

termino de error.
↋ ℎ2
𝓔(h) = ℎ + 𝑀.
6
h Aproximación a 𝒇(0.900) error
0.001 0.62500 0.00339
0.002 0.62250 0.00089
0.005 0.62200 0.00039
0.010 0.62150 -0.00011
0.020 0.62150 -0.00011
0.050 0.62140 -0.00021
0.100 0.62055 -0.00106
Podemos utilizar el calculo para verificar que el mínimo de error ocurre.

3
√3ℰ/𝑀, donde.
Como los valores de f se dan en cinco cifras decimales es razonable suponer que el error de
redondeo este acotado por ↋ = 0.00005, por tanto, la elección optima de h es
aproximadamente.
3 3 (0.0005)
h= √ =0.028
0.69671
el valor aproximado de h =0.0028
19
Ejercicio 19
En el ejercicio 7 de la sección 3.3 se incluyen datos que describen un automóvil que recorre
una carretera recta. En el problema se podía predecir su posición y velocidad cuando 𝑡 =
10 𝑠. Use los siguientes tiempos y posiciones para predecir su velocidad del automóvil en
cada momento incluido en la tabla.
Tiempo 0 3 5 8 10 13
Distancia 0 225 383 623 742 993
𝒑𝒂𝒓𝒂 𝒉 = 𝟓
 𝑣𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑 𝑝𝑎𝑟𝑎 𝑡 = 0 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑡𝑟𝑒𝑠 𝑝𝑢𝑛𝑡𝑜𝑠:
1
f′(t 0 ) = [−3f(t 0 ) + 4f(t 0 + h) − f(t 0 + 2h)]
2h
𝑡0 = 0
1
𝑓′(0) = [−3𝑓(0) + 4𝑓(0 + 5) − 𝑓(0 + 2 ∗ 5)]
2ℎ
1
𝑓′(0) = [−3𝑓(0) + 4𝑓(5) − 𝑓 (10)]
2ℎ
1
𝑓′(0) = [−3 ∗ 0 + 4 ∗ 383 − 742]
10
𝑓′(0) = 78.7
𝟏
𝒇′(𝒕𝟎 ) = [−𝟑𝒇(𝒕𝟎 ) + 𝟒𝒇(𝒕𝟎 + 𝒉) − 𝒇(𝒕𝟎 + 𝟐𝒉)]
𝟐𝒉
𝑡0 = 3
1
𝑓′(3) = [−3𝑓(3) + 4𝑓(3 + 5) − 𝑓(3 + 2 ∗ 5)]
2ℎ
1
𝑓′(3) = [−3𝑓 (3) + 4𝑓(8) − 𝑓 (13)]
10
𝑓′(3) = 82.4

𝟏
𝒇′(𝒕𝟎 ) = [𝒇(𝒕𝟎 + 𝒉) − 𝒇(𝒕𝟎 − 𝒉)]
𝟐𝒉
𝑡0 = 5
1
𝑓′(5) = [𝑓 (5 + 5) − 𝑓 (5 − 5)]
2ℎ
1
𝑓′(5) = [𝑓(10) − 𝑓 (0)]
10
𝒇′(𝟓) = 𝟕𝟒. 𝟐
Ahora para: 𝒉 = −𝟓
𝟏
𝒇′(𝒕𝟎 ) = [𝒇(𝒕𝟎 + 𝒉) − 𝒇(𝒕𝟎 − 𝒉)]
𝟐𝒉
𝑡0 = 8
1
𝑓′(8) = [𝑓 (8 − 5) − 𝑓 (8 + 5)]
2ℎ
1
𝑓′(8) = − [𝑓 (3) − 𝑓 (13)]
10
𝒇′(𝟖) = 𝟕𝟔. 𝟖

𝟏
𝒇′(𝒕𝟎 ) = [−𝟑𝒇(𝒕𝟎 ) + 𝟒𝒇(𝒕𝟎 + 𝒉) − 𝒇(𝒕𝟎 + 𝟐𝒉)]
𝟐𝒉
𝑡0 = 10
1
𝑓′(10) = [−3𝑓 (10) + 4𝑓 (10 + 5) − 𝑓 (10 + 2(−5))]
2ℎ
1
𝑓′(10) = [−3𝑓 (10) + 4𝑓 (15) − 𝑓 (0)]
2ℎ
𝒇′(𝟏𝟎) = 𝟔𝟗. 𝟒
𝟏
𝒇′(𝒕𝟎 ) = [−𝟑𝒇(𝒕𝟎 ) + 𝟒𝒇(𝒕𝟎 + 𝒉) − 𝒇(𝒕𝟎 + 𝟐𝒉)]
𝟐𝒉
𝑡0 = 13
1
𝑓′(13) = [−3𝑓 (13) + 4𝑓 (13 − 5) − 𝑓 (13 + 2(−5))]
2ℎ
1
𝑓′(13) = − [−3𝑓(13) + 4𝑓(8) − 𝑓(3)]
10
𝒇′(𝟏𝟑) = 𝟕𝟏. 𝟐
Nos queda la siguiente tabla:
Tiempo - Rapidez
Tiempo 0 3 5 8 10 13
Rapidez 79 82.4 74.2 76.8 69.4 71.2
CONJUNTO
DE
EJERCICIOS
4.2
EJERCICIO 1ª. Use las técnicas de extrapolación que se describe en el ejemplo 1 para
determinar 𝑵𝟑(𝒉) una aproximación de 𝒇′(𝒙𝟎), para las siguientes funciones y
tamaños de paso.
1
a) f(x) = lnx, x0 = 1.0, h = 0.4 f ′ (x) =
x
1
 𝑁1 (ℎ ) = 𝑁(ℎ ) ⟹ ∗ (𝑓 (1.0 + 0.4) − 𝑓(1.0 − 0.4))
2∗(0.4)
1 1
𝑁1 (0.4) = ∗ (𝑓(1.4) − 𝑓 (0.6)) ⟹ ∗ (0.3364722 − (−0.5108256))
0.8 0.8
𝑁1 (0.4) = 1.0591223
ℎ ℎ 1
𝑁1 ( ) = 𝑁 ( ) ⟹ (𝑓 (1.0 + 0.2) − 𝑓 (1.0 − 0.2))
2 2 2(0.2)
1 1
𝑁1 (0.2) = ∗ (𝑓 (1.2) − 𝑓(0.8)) ⟹ ∗ (0.1821236 − (−0.2231436))
0.4 0.4
𝑁1 (0.2) = 1.0136628
ℎ ℎ 1
𝑁1 ( ) = 𝑁 ( ) ⟹ ∗ (𝑓 (1.0 + 0.1) − 𝑓 (1.0 − 0.1))
4 2 2(0.1)
1 1
𝑁1 (0.1) = ∗ (𝑓(1.1) − 𝑓 (0.9)) ⟹ ∗ (0.0953102 − (−0.1053605))
2(0.1) 0.2
𝑁1 (0.1) = 1.0335348
ℎ
ℎ 𝑁1( )−𝑁1(ℎ) 𝑁1 (0.2)−𝑁1 (0.4)
 𝑁2 (ℎ ) = 𝑁1 ( 2 ) + 2
3
⟹ 𝑁1 (0.2) + 3
1.0136628 − 1.0591223
𝑁2 (0.4) = 1.0136628 +
3
𝑁2 (0.4) = 0.9985096
ℎ 𝑁1 (0.1) − 𝑁1 (0.2)
𝑁2 ( ) = 𝑁2 (0.2) = 𝑁1 (0.1) +
2 3
ℎ 1.0335348 − 1.0136628
𝑁2 ( ) = 𝑁2 (0.2) = 1.0335348 + = 0.9999170
2 3
ℎ
ℎ 𝑁2 ( )−𝑁2(ℎ) 𝑁2(0.2)−𝑁2 (0.4)
 𝑁3 (ℎ ) = 𝑁2 ( 2 ) + 2
15
⟹ 𝑁3 (0.4) = 𝑁2 (0.2) + 15
0.9999170 − 0.9985096
𝑁3 (0.4) = 0.9999170 + = 1.0000109
15
1 1
𝑓 ′ (𝑥) = = = 1.0000000
𝑥 1
EJERCICIO 1b. Use las técnicas de extrapolación que se describe en el ejemplo 1 para
determinar N 3 (h) una aproximación de f '( x0 ) , para las siguientes funciones y tamaños de
paso.
b). f ( x)  x  e x ; x0  0.0; h  0.4 f '( x)  1  e x
1
N1 (h)  N (h)  *( f (0.0  0.4)  f (0.0  0.4)
2*(0.4)
1 1
N1 (0.4)  *( f (0.4)  f (0.4)  *(1.8918247  0.2703200)  2.0268808
0.8 0.8
h h 1
N1 ( )  N ( )  *( f (0.0  0.2)  f (0.0  0.2))
2 2 2(0.2)
1 1
N1 (0.2)  ( f (0.2)  f (0.2))  *(1.4214028  0.6187308)  2.0066800
0.4 0.4
h h 1
N1 ( )  N ( )  *( f (0.0  0.1)  f (0.0  0.1)
4 2 2(0.1)
1 1
N1 (0.1)  ( f (0.1)  f (0.1)  *(1.2051709  0.8048374)  2.00116675
2(0.1) 0.2
h
N1 ( )  N1 (h)
h 2 N (0.2)  N1 (0.4)
N 2 (h)  N1 ( )   N1 (0.2)  1
2 3 3
2.00668  2.0268808
N 2 (0.4)  2.00668   1.999964
3
h N (0.1)  N1 (0.2) 2.0016675  2.00668
N 2 ( )  N 2 (0.2)  N1 (0.1)  1  2.0016675   1.9999967
2 3 3
h
N 2 ( )  N 2 ( h)
h 2 N (0.2)  N 2 (0.4)
N 3 ( h)  N 2 ( )   2
2 15 15
1.9999967  1.9999464
N3 (h)  1.9999967   2.000000
15
f ´( x)  1  e x  1  e0  2.000000
EJERCICIO 1c. Use las técnicas de extrapolación que se describe en el ejemplo 1 para
determinar 𝑵𝟑(𝒉) una aproximación de 𝒇′(𝒙𝟎), para la siguiente función y tamaños de
paso.
c)
𝑓(𝑥 ) = 2𝑥 𝑠𝑒𝑛𝑥 , 𝑥0 = 1,05 , ℎ = 0.4
SOLUCIÓN
𝑁1 (ℎ) = 𝑁(ℎ)
1
𝑁1 (ℎ) = [𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)]
2ℎ
1
𝑥0 = 1.05, ℎ = 0.4𝑁1 (0.4) = [ 𝑓 (1.05 + 0.4) − 𝑓(1.05 − 0.4)]
2(0.4)
1
𝑁1 (0.4) = [ 𝑓 (1.45) − 𝑓 (0.65)]
0.8
Para obtener 𝑓 (1.45) y 𝑓 (0.65) reemplazamos en la ecuación 𝑓 (x) = 2𝑥 𝑠𝑒𝑛𝑥

1
𝑁1 (0.4) = [ 2.7121718 − 0.9496393]
0.8
𝑁1 (0.4) = 2.2031653
ℎ ℎ
𝑁1 ( ) = 𝑁 ( )
2 2
1
𝑁1 (0.2) = [ 𝑓(1.05 + 0.2) − 𝑓(1.05 − 0.2)]
2(0.2)
1
𝑁1 (0.2) = [ 𝑓 (1.25) − 𝑓 (0.85)]
0.4
1
𝑁1 (0.2) = [ 2.2570785 − 1.3541836]
0.4
𝑁1 (0.2) = 2.2572373
ℎ ℎ
𝑁1 ( ) = 𝑁 ( )
4 4
1
𝑁1 (0.1) = [ 𝑓(1.05 + 0.1) − 𝑓(1.05 − 0.1)]
2(0.1)
1
𝑁1 (0.1) = [ 𝑓 (1.15) − 𝑓 (0.95)]
0.2
1
𝑁1 (0.1) = [ 2.02555 − 1.5714152]
0.2
𝑁1 (0.2) = 2.270674
𝑁1 (ℎ/ 2) − 𝑁1 (ℎ)
𝑁2 (ℎ) = 𝑁1 (ℎ ∕ 2) +
3
𝑁1 (0.2) − 𝑁1 (0.4)
𝑁2 (0.4) = 𝑁1 (0.2) +
3
2.2572373 − 2.2031656
𝑁2 (0.4) = 2.2572373 +
3
𝑁2 (0.4) = 2.2752612
𝑁1 (ℎ/ 4) − 𝑁1 (ℎ/ 2)
𝑁2 (ℎ/ 2) = 𝑁1 (ℎ ∕ 4) +
3
𝑁1 (0.1) − 𝑁1 (0.2)
𝑁2 (0.2) = 𝑁1 (0.1) +
3
2.270674 − 2.2031656
𝑁2 (0.2) = 2.270674 +
15
𝑁2 (0.2) = 2.2751529
𝑁2 (ℎ/ 2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 (ℎ ∕ 2) +
3
𝑁2 (0.2) − 𝑁2 (0.4)
𝑁3 (0.4) = 𝑁2 (0,2) +
15
2.2751529 − 2.2752612
𝑁3 (0.4) = 2.2751529 +
15
 𝑁3 (0.4) = 2.2751457 → 𝑓(𝑥 ) = 2𝑥 𝑠𝑒𝑛𝑥 , 𝑥0 = 1.05
𝑓 ′ (𝑥) = 2𝑥 ln(2𝑠𝑒𝑛𝑥) + 2𝑥 𝑐𝑜𝑥

𝑓 ′ (1.05) = 2.2751458
EJERCICIO 1d. Use se las técnicas de extrapolación que se describe en el ejemplo 1 para
determinar N3(h) una aproximación de f´(x0 ), para las siguientes funciones y tamaños de
paso.
d). f  x   x3 cos x x 0  2.3 , h  0.4
Solución
N1  h   N  h 
1
N1  h    f  x0  h   f  x0  h   x 0  2.3, h=0.4
2h 
1
N1  0.4    f  2.3  0.4   f  2.3  0.4 
2  0.4  
1
N1  0.4    f  2.7   f 1.9  
0.8 
Para obtener f  2.7  y f 1.9 remplazamos en la ecuación f  x   x3 cos x
f  2.7   2.73 cos  2.7   17.7948520
f 1.9  1.93 cos 1.9  2.2174431
1
N1  0.4    17.7948520    2.2174431 
0.8 
N1  0.4  19.6062230
h h
N1    N   x 0  2.3, h  0.4
2 2
1
N1  0.2    f  2.3  0.2   f  2.3  0.2 
2  0.2  
1
N1  0.2    f  2.5   f  2.1 
0.4 
f  2.5  2.53 cos 2.5  12.5178690
f  2.1  2.13 cos 2.1  4.6573798
1
N1  0.2    12.517869    4.6753798  
0.4 
N1  0.2  19.6062230
h h
N1    N   x 0  2.3, h  0.4
4 4
1
N1  0.1   f  2.3  0.1  f  2.3  0.1
2  0.1 
1
N1  0.1   f  2.4   f  2.2  
0.2 
1
N1  0.1   10.1937307   6.2663599  
0.2 
N1  0.1  19.6368540
h
N1    N1  h 
h
N 2  h   N1     
2
h  0.4
2 3
N1  0.2   N1  0.4 
N 2  0.4   N1  0.2  
3
19.6062230   19.4717611
N 2  0.4   19.6062230 
3
N2  0.4  19.6510436
h h
N1    N1  
h h
N 2    N1      2
4
h  0.4
2 4 3
N1  0.1  N1  0.2 
N 2  0.2   N1  0.1 
3
19.6368540   19.6062230 
N 2  0.2   19.6368540 
3
N2  0.2  19.6470643
h
N2    N2  h 
h
N3  h   N 2     
2
h  0.4
2 15
N 2  0.2   N 2  0.4 
N3  0.4   N 2  0.2  
15
19.6368540   19.6510436 
N3  0.4   19.6368540 
15
N3  0.4  19.6467990
 f  x   x3 cos x , x 0  2.3
f '  x   3x2 cos x  x3senx
f '  2.3  19.6467958
EJERCICIO 2b. Agregue otra línea a la tabla de extrapolación para el ejercicio 1 para
obtener la aproximación N4(h).
𝑓 (𝑥 ) = 𝑥 + 𝑒 𝑥 (𝑥 ) = 0.00 ℎ = 0.4
SOLUCION.
𝑁1 (ℎ) = 𝑁(ℎ)
1
𝑁1 (ℎ) = [𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)]
2∗ℎ
1 1
𝑁1 (ℎ) = [𝑓(0 + 0.4) − 𝑓(0 − 0.4)] → [0.4 + 𝑒 0.4 − (−0.4 + 𝑒 −0.4 ]
2 ∗ 0.4 2 ∗ 0.4
= 2.026880815
ℎ ℎ
𝑁1 ( ) = 𝑁( )
2 2
ℎ 1
𝑁1 ( ) = [𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)]
2 2∗ℎ
1 1
𝑁1 (0.2) = [𝑓(0 + 0.2) − 𝑓(0 − 0.2)] → [0.2 + 𝑒 0.2 − (−0.2 + 𝑒 −0.2 )]
2 ∗ 0.2 2 ∗ 0.2
= 2.006680013
ℎ ℎ
𝑁1 ( ) = 𝑁( )
4 4
ℎ 1
𝑁1 ( ) = [𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)]
4 2∗ℎ
1 1
𝑁1 (0.1) = [𝑓(0 + 0.1) − 𝑓(0 − 0.1)] → [0.1 + 𝑒 0.2 − (−0.1 + 𝑒 −0.2 )]
2 ∗ 0.2 2 ∗ 0.1
= 2.001667500
ℎ ℎ
𝑁1 ( ) = 𝑁( )
8 8
ℎ 1
𝑁1 ( ) = [𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)]
8 2∗ℎ
1 1
𝑁1 (0.1) = [𝑓(0 + 0.05) − 𝑓(0 − 0.05)] → [0.05 + 𝑒 0.05 − (−0.05 + 𝑒 −0.05 )]
2 ∗ 0.05 2 ∗ 0.05
= 2.000416719
Calculamos 𝑵𝟐 (𝒉)
ℎ
ℎ 𝑁𝑗−1 (2) − 𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( ) +
2 4𝑓−1 − 1
ℎ
ℎ 𝑁1 (2) − 𝑁1 (ℎ)
𝑁2 (ℎ) = 𝑁1 ( ) +
2 3
2.006680013 − 2.02668808135
𝑁2 (ℎ) = 2.006680013 + = 1.999946411
3
ℎ ℎ
ℎ ℎ 𝑁1 (4) − 𝑁1 (2)
𝑁2 ( ) = 𝑁1 ( ) +
2 4 3
ℎ 2.001667500 − 2.006680013
𝑁2 ( ) = 2.001667500 + = 1.999996662
2 3
ℎ ℎ
ℎ ℎ 𝑁1 (8) − 𝑁1 (4)
𝑁2 ( ) = 𝑁1 ( ) +
4 8 3
ℎ 2.000416719 − 2.001667500
𝑁2 ( ) = 2.000416719 + = 1.999999791
2 3
Calculamos 𝑵𝟑 (𝒉)
ℎ
ℎ 𝑁𝑗−1 (2) − 𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( ) +
2 4𝑓−1 − 1
ℎ
ℎ 𝑁2 (2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 ( ) +
2 15
999996662 − 1.999946411
𝑁3 (ℎ) = 1.999996662 + = 2.00000012
15
ℎ ℎ
ℎ ℎ 𝑁2 (4) − 𝑁2 (2)
𝑁3 ( ) = 𝑁2 ( ) +
2 4 15
ℎ 1.999999791 − 1.99999662
𝑁3 ( ) = 1.999999791 + = 2.000000000
2 15
Calculamos 𝑵𝟒 (𝒉)
ℎ
ℎ 𝑁𝑗−1 (2) − 𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( ) +
2 4𝑓−1 − 1
ℎ
ℎ 𝑁3 (2) − 𝑁3 (ℎ)
𝑁4 (ℎ) = 𝑁2 ( ) +
2 63
2.000000000 − 2.00000012
𝑁4 (ℎ) = 2.000000000 + = 2.000000000
63
𝑁4 (ℎ) = 2.000000000
ℎ
ℎ 𝑁3 (2) − 𝑁3 (ℎ)
𝑁4 (ℎ) = 𝑁2 ( ) +
2 63
𝑓(𝑥) = 𝑥 + 𝑒 𝑥 → 𝑓 ′ (𝑥) = 𝑥 ′ + 𝑥 ′ ∗ 𝑒 𝑥 → 1 + 𝑒 𝑥 → 1 + 𝑒 0 = 2.0000000000
ERROR = 2 – 2 = 0
EJERCICIO 2c. Agregue otra línea a la tabla extrapolación del ejercicio 1 para obtener la
aproximación N4(h).
Referencia: Ejercicio 1
c) f(x) = 2𝑥 sin 𝑥 , X0 = 1.05, h = 0.4
SOLUCIÓN:
c) Considerando la siguiente función como tamaño de paso
f(x) = 2𝑥 sin 𝑥 , X0 = 1.05 y h = 0.4
O(h) La aproximación para 𝑓′(x0) usar la fórmula de diferencia directa viene dada por
𝑓(X0+h)−𝑓(X0)
𝑓′(𝑋𝑜) = ℎ
𝑓(1.05+0.4)−𝑓(1.05)
= 0.4
𝑓(1.45)−𝑓(1.05)
=
0.4
= 2. 290365348
Esto implica que 𝒇′(x0) = N4(h) = 2.290365348
0.4
Tomando ℎ = = 0.2. Usando la fórmula de diferencia hacia adelante está dado por
2
𝑓(X0+h)−𝑓(X0)
.𝑓′(𝑋𝑜) = ℎ
𝑓(1.05+0.2)−𝑓(1.05)
=
0.4
𝑓(1.25)−𝑓(1.05)
= 0.4
= 2. 305264218
Llevar N1(0.2) = 2.305264218

Extrapolar estos dos resultados da una nueva aproximación
ℎ ℎ
N2(h) = N1(2 ) + [ N1(2 ) – N1(h) ]
Por lo tanto:
N2(0.4) = N1(0.2) + [ N1(0.2) – N1(0.4) ]

= 2.305264218 + [ 2.305264218 - 2.290365348]
= 2.320163088
Esto da una O(ℎ2 ) aproximación para 𝑓′(𝑋𝑜)
Para determinar la O(ℎ2 ) fórmula necesitamos otro O(ℎ2 ) resultado, que requiere que
encontremos la tercera O(h) aproximación.
ℎ 0.4
N1(4 ) = N1( 4 ) = N1(0.1)
𝑓(1.05+0.1)−𝑓(1.05)
= 0.1
𝑓(1.15)−𝑓(1.05)
= 0.4
= 2. 2952432275
ℎ ℎ ℎ ℎ
N2(2 ) = N1(4 ) + [ N1(4 ) – N1(2 ) ]
Por lo tanto:
N2(0.2) = N1(0.1) + [ N1(0.1) – N1(0.2) ]
= 2. 2952432275+ [ 2. 2952432275 - 2.305264218]
= 2.285222332
Combinando estos para producir una O(ℎ3 ) aproximación

1 ℎ
N3(h) = 3[4N2 (2 ) – N2(h) ]
Por lo tanto:
1
N3(0.4) = 3[4N2 (0.2) – N2(0.4) ]
= 2.273575413
Para determinar la O(ℎ4 ) fórmula necesitamos otro O(ℎ3 ) resultado, que requiere que
encontremos la tercera O(h) aproximación.
ℎ 0.4
N1(8 ) = N1( 8 ) = N1(0.05)
𝑓(1.05+0.05)−𝑓(1.05)
= 0.1
𝑓(1.10)−𝑓(1.05)
= 0.4
= 2. 286382342
ℎ ℎ ℎ ℎ
N2( ) = N1( ) + [ N1( ) – N1( ) ]
4 8 8 4
Por lo tanto:
N2(0.1) = N1(0.05) + [ N1(0.05) – N1(0.1)]
= 2. 286382342 + [ 2. 286382342 – 2.2952432275]
= 2.277521456

ℎ 1 ℎ ℎ
N3(2 ) = 3[4N2 (4 ) – N2(2 ) ]
Por lo tanto:
1
N3(0.2) = 3[4N2 (0.1) – N2(0.2) ]
= 2.2749544998

ℎ ℎ
N4(h) = N3(2 ) + [ N3(2 ) – N3(h) ]
Por lo tanto:
1
N4(0.4) = N3(0.2) + 7 [ N3(0.2) – N3(0.4) ]
1
= 2.2749544998 + 7 [ 2.2749544998 – 2.273575413 ]
= 2.27515151
En forma tabular
N1(0.4) = 2.290365348
N1(0.2) = 2.305264218 N2(0.4) = 2.320163088
N1(0.1) = 2.295243227 N2(0.2) = 2.320163088 N3(0.4) = 2.273575413

N1(0.05) = 2.286382342 N2(0.1) = 2.277521456 N3(0.2) = 2.274954498 N4(0.4) =
2.27515151
2.d
Agregue otra línea a la tabla de extrapolación del ejercicio 1 para obtener la aproximación
𝑁4 (ℎ)
𝑓 (𝑥 ) = 𝑥 3 cos(𝑥 ) , 𝑥0 = 2.3, ℎ = 0.4
 El valor real es:

𝑓 ′ (𝑥) = 3𝑥 3 cos(𝑥 ) − 𝑥 3 𝑠𝑒𝑛 (𝑥)
𝑓 ′ (𝑥 ) = −19.64679483
Solución
𝑁1 (ℎ) = 𝑛(ℎ)
1
𝑁1 (ℎ) = ∗ [𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)]
2ℎ
1
𝑁1 (0.4) = ∗ [𝑓(2.3 + 0.4) − 𝑓(2.3 − 0.4)]
2 ∗ (0.4)
1
𝑁1 (0.4) = ∗ [𝑓 (2.7) − 𝑓(1.9)]
0.8
Para obtener 𝑓 (2.7) 𝑦 𝑓 (1.9) remplazamos en la ecuación 𝑓 (𝑥 ) = 𝑥 3 cos(𝑥 )
1
𝑁1 (0.4) = ∗ [−17.7948520 − (−2.2174431)]
0.8
𝑁1 (0.4) = −19.4717611
ℎ ℎ
𝑁1 ( ) = 𝑁 ( )
2 2
1
𝑁1 (0.2) = ∗ [𝑓(2.3 + 0.2) − 𝑓(2.3 − 0.2)]
2 ∗ (0.2)
1
𝑁1 (0.2) = ∗ [𝑓 (2.5) − 𝑓(2.1)]
0.4
1
𝑁1 (0.2) = ∗ [−12.517869 − (−4.6753798)]
0.4
𝑁1 (0.2) = −19.6062230
ℎ ℎ
𝑁1 ( ) = 𝑁 ( )
4 4
1
𝑁1 (0.1) = ∗ [𝑓(2.3 + 0.1) − 𝑓(2.3 − 0.1)]
2 ∗ (0.1)
1
𝑁1 (0.1) = ∗ [𝑓 (2.4) − 𝑓(2.2)]
0.2
1
𝑁1 (0.1) = ∗ [−10.1937307 − (−6.2663599)]
0.2
𝑁1 (0.1) = −19.6368540
ℎ ℎ
𝑁1 ( ) = 𝑁 ( )
8 8
1
𝑁1 (0.05) = ∗ [𝑓 (2.3 + 0.05) − 𝑓(2.3 − 0.05)]
2 ∗ (0.05)
1
𝑁1 (0.05) = ∗ [𝑓(2.35) − 𝑓(2.25)]
0.1
1
𝑁1 (0.05) = ∗ [−9.11972247 − (−7.15529017)]
0.1
𝑁1 (0.05) = −19.64432300
ℎ
ℎ 𝑁1 ( ) − 𝑁1 (ℎ)
𝑁2 (ℎ) = 𝑁1 ( ) + 2
2 3
𝑁1 (0.2) − 𝑁1 (0.4)
𝑁2 (0.4) = 𝑁1 (0.2) +
3
−19.6062230 − (−19.4717611)
𝑁2 (0.4) = −19.6062230 + = −19.651043
3
ℎ ℎ
ℎ ℎ 𝑁1 (4) − 𝑁1 (2)
𝑁2 ( ) = 𝑁1 ( ) +
2 4 3
𝑁1 (0.1) − 𝑁1 (0.2)
𝑁2 (0.2) = 𝑁1 (0.1) +
3
−19.6368540 − (−19.6062230)
𝑁2 (0.2) = −19.6368540 + = −19.6470643
3
ℎ ℎ
ℎ ℎ 𝑁1 (8) − 𝑁1 (4)
𝑁2 ( ) = 𝑁1 ( ) +
4 8 3
𝑁1 (0.05) − 𝑁1 (0.1)
𝑁2 (0.1) = 𝑁1 (0.05) +
3
−19.64432300 − (−19.6368540)
𝑁2 (0.1) = −19.64432300 + = −19.6468117
3
ℎ
ℎ 𝑁2 (2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 ( ) +
2 15
𝑁2 (0.2) − 𝑁2 (0.4)
𝑁3 (0.4) = 𝑁2 (0.2) +
15
−19.6368540 − (−19.6510436)
𝑁3 (0.4) = −19.6368540 + = −19.6467990
15
ℎ ℎ
ℎ ℎ 𝑁2 (4) − 𝑁2 (2)
𝑁3 ( ) = 𝑁2 ( ) +
2 4 15
𝑁2 (0.1) − 𝑁2 (0.2)
𝑁3 (0.2) = 𝑁2 (0.1) +
15
−19.6468117 − (−19.6470643)
𝑁3 (0.2) = −19.6468117 + = −19.6467949
15
ℎ
ℎ 𝑁𝑗−1 (2) − 𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( ) +
2 4𝑗−1 − 1
ℎ
ℎ 𝑁3 (2) − 𝑁3 (ℎ)
𝑁4 (ℎ) = 𝑁3 ( ) +
2 63
𝑁3 (0.2) − 𝑁3 (0.4)
𝑁4 (0.2) = 𝑁3 (0.2) +
63
−19.6467949 − (−19.6467990)
𝑁4 (0.2) = −19.6467949 + = −19.6467948
63
Ejercicio 3 parte a: repita el ejercicio 1 usando una aritmética de redondeo a cuatro
dígitos.
Use la técnica de redondeo de extrapolación que se describe en el ejercicio 1 para
determinar 𝑁3 (ℎ) una aproximación de 𝑓 ′ (𝑥0 ) para la siguiente función y tamaño de paso.
a). 𝑓(𝑥) = 𝐿𝑛(𝑥 ) ; 𝑥0 = 1.0 ; ℎ = 0.4
Solución
Para la solución del ejercicio construiremos una tabla de extrapolación:
Oh2
1) 𝑁1 (ℎ) = 𝑁(ℎ)
ℎ ℎ
2) 𝑁1 ( ) = 𝑁 ( ) 3) 𝑁2 (ℎ)
2 2
ℎ ℎ ℎ
4) 𝑁1 ( ) = 𝑁 ( ) 5) 𝑁2 ( ) 6) 𝑁3 (ℎ)
4 4 2
1
𝑁 (ℎ ) = [𝑓 − 𝑓(𝑥0−ℎ) ]
2ℎ (𝑥0+ℎ)
ℎ
ℎ 𝑁𝑗−1 (2) − 𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( ) +
2 4𝑗−1 + 1
Ahora con la ayuda de la tabla y las fórmulas de interpolación procesigueremos a calcular
cada valor hasta llegar a 𝑁3 (ℎ)
1) 𝑁1 (ℎ) = 𝑁(ℎ)
1
𝑁1 (ℎ) = [𝑓 − 𝑓(𝑥0−ℎ) ]
2ℎ (𝑥0+ℎ)
1
𝑁1 (0.4) = [𝑓 − 𝑓(0.6) ]
2 ∗ 0.4 (1..4)
1
𝑁1 (0.4) = [𝑓 − 𝑓(0.6) ]
0.8 (1..4)
𝑁1 (0.4) = 1.0591
ℎ ℎ
2) 𝑁1 (2 ) = 𝑁 ( 2 )
0.4 1
𝑁1 ( ) = 𝑁1 (0.2) = [𝑓 − 𝑓(0.8) ]
2 2 ∗ 0.2 (1..2)
1
𝑁1 (0.2) = [𝑓 − 𝑓(0.8) ]
0.4 (1..2)
𝑁1 (0.2) = 1.0137
3) 𝑁2 (ℎ)
𝑁1 (0.2) − 𝑁1 (0.4)
𝑁2 (0.4) = 𝑁1 (0.2) +
3
1.0137 − 1.0591
𝑁2 (0.4) = 1.0137 +
3
𝑁2 (0.4) = 0.9986
ℎ ℎ
4) 𝑁1 ( 4 ) = 𝑁 (4 )
0.4 1
𝑁1 ( ) = 𝑁1 (0.1) = [𝑓 − 𝑓(1−0.1) ]
4 2 ∗ 0.1 (1+0.1)
1
𝑁1 (0.1) = [𝑓 − 𝑓(0.9) ]
0.2 (1.1)
𝑁1 (0.1) = 1.0034
ℎ
5) 𝑁2 ( )
2
0.4 𝑁1 (0.1) − 𝑁1 (0.2)

𝑁2 ( ) = 𝑁2 (0.2) = 𝑁1 (0.1) +
2 3
𝑁2 (0.2) = 1.0000
5) 𝑁3 (ℎ)
𝑁2 (0.2) − 𝑁2 (0.4)
𝑁3 (0.4) = 𝑁2 (0.2) +
15
1.0000 − 0.9986
𝑁3 (0.4) = 1.0000 +
15
𝑁3 (0.4) = 1.0001
Calculando el valor real de la derivada de la función en x=1
𝑓(𝑥) = 𝐿𝑛(𝑥 )
1
𝑓 ′ (𝑥) =
𝑥
1
𝑓 ′ (1) = = 1.0000
1
Error en el cálculo
𝐸𝑐𝑥 = 𝑉𝑟 − 𝑉𝑎 = 1.0000 − 1.0001 = −0.0001
EJERCICICO 3. b. Repita el ejercicio 1 usando una aritmética de redondeo a cuatro
dígitos.
𝒇(x) = x + 𝑒 𝑥
𝑥0 = 0
H = 0.4
1
f ′ (𝑥0 ) = 2ℎ⟮𝒇 (𝑥0 + ℎ) - 𝒇 (𝑥0 − ℎ)⟯
1
𝑁1 (h) = 2(0.4)⟮𝒇 (0 + 0.4) - 𝒇 (0 - 0.4)⟯
𝑁1 (h)= 2.028
ℎ 1
𝑁1 (2 ) = 2(0.2)⟮𝒇 (0 + 0.2) - 𝒇 (0 - 0.2)⟯
ℎ
𝑁1 (2 ) = 2.005
ℎ 1
𝑉(4 ) = 2(0.1)⟮𝒇 (0 + 0.1) - 𝒇 (0 - 0.1)⟯
ℎ
𝑁1 ( ) = 2.000
4
ℎ
ℎ 𝑁1 ( )−𝑁1 (h)
2
𝑁2 (h) = 𝑁1 ( 2 ) + 3
2.005−2.028
𝑁2 (h) = 2.005 + 3
𝑁2 (h) = 1.997
ℎ ℎ
ℎ ℎ 𝑁1 ( )−𝑁1 ( )
4 2
𝑁2 (2 ) = 𝑁1 ( 4 ) + 3
ℎ 2.000−2.005
𝑁2 (2 ) = 2.000 + 3
ℎ
𝑁2 (2 ) = 1.998
ℎ
ℎ 𝑁2 ( )−𝑁2 (h)
2
𝑁3 (h) = 𝑁2 ( 2 ) + 3
𝑁3 (h) = 1.999
𝑓 ′ (x) = 1 + 𝑒 𝑥
𝑓 ′ (0) = 1 + 𝑒 0 = 2.000
→2 – 0.001 = 1.999 ⸫
𝒇′ (1) = 1.999
EJERCICIO
𝟑. 𝒄. 𝑅𝑒𝑝𝑖𝑡𝑎 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 1 𝑢𝑠𝑎𝑛𝑑𝑜 𝑢𝑛𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑑𝑒 𝑟𝑒𝑑𝑜𝑛𝑑𝑒𝑜 𝑎 𝑐𝑢𝑎𝑡𝑟𝑜 𝑑í𝑔𝑖𝑡𝑜𝑠
𝑆𝑒 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑓(𝑥 ) = 2𝑥 𝑠𝑖𝑛𝑥
ℎ ℎ
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑟𝑒𝑚𝑜𝑠 𝑓´(𝑥0 )𝑢𝑠𝑎𝑛𝑑𝑜 𝑒𝑙 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒𝑙 𝑝𝑎𝑠𝑜 ℎ = 0.4, = 0.2, = 0.1 𝑦
2 4
𝑥0 = 1.05
𝑃𝑎𝑟𝑎 𝑒𝑠𝑡𝑜 𝑠𝑒 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎:
𝑓 (1.05 + 0.4) − 𝑓(1.05) 2.7122 − 1.7960
𝑁1 (ℎ) = = = 2.2905,
0.4 0.4
ℎ 𝑓 (1.05 + 0.2) − 𝑓 (0.05) 2.2571 − 1.7960
𝑁1 ( ) = = = 2.3055 𝑦
2 0.2 0.2
ℎ 𝑓 (1.05 + 0.1) − 𝑓(1.05) 2.0256 − 1.7960
𝑁1 ( ) = = = 2.2960
4 0.1 0.1
⇒ 𝑐𝑜𝑛 𝑒𝑠𝑡𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑡𝑒𝑛𝑑𝑟𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑅𝑖𝑐ℎ𝑎𝑟𝑑𝑠𝑜𝑛 𝑒𝑠:
𝑂(ℎ2 ) 𝑂(ℎ4 ) 𝑂(ℎ6 )
2.2905
2.3055 2.3205
2.2960 2.2865 2.2225
∴ 𝑡𝑒𝑛𝑑𝑟𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑁3 (0.4) = 2.2751
EJERCICIO 3d. Repita el ejercicio 1 usando una aritmética de redondeo a cuatro dígitos.
 Use la técnica de extrapolación para determinar 𝑵𝟑 (𝒉) una aproximación de

𝒇′ (𝒙𝟎 ) para la siguiente función y tamaño de paso.
d. 𝒇(𝒙) = 𝒙𝟑 𝐜𝐨𝐬(𝒙) , 𝒙𝟎 = 𝟐. 𝟑, 𝒉 = 𝟎. 𝟒
SOLUCIÓN:
Primero construimos la tabla de extrapolación:
𝑂(ℎ2 ) 𝑂(ℎ4 ) 0(ℎ6 )

1. 𝑁1 (ℎ)
2. 𝑁1 (ℎ/2) 3. 𝑁2 (ℎ)
4. 𝑁1 (ℎ/4) 5. 𝑁2 (ℎ/2) 6. 𝑁3 (ℎ)
Mediante el método de extrapolación utilizaremos la expresión:
1 ℎ2 ℎ4
𝑓 ′ (𝑥 ) = 2ℎ [𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)] − 𝑓 (3) (𝑥0 ) − 120 𝑓 (5) (𝑥0 ) para una aproximación
6
𝑂(ℎ2 )
Para 𝑂(ℎ2 ), 𝑥0 = 2.3, ℎ = 0.4
1
𝑁1 (ℎ) = [𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)]
2ℎ
1
𝑁1 (ℎ) = [𝑓 (2.3 + 0.4) − 𝑓(2.3 − 0.4)]
2(0.4)
1
𝑁1 (ℎ) = [𝑓 (2.7) − 𝑓 (1.9)]
2(0.4)
1
𝑁1 (ℎ) = [(2.7)3 cos(2.7) − (1.9)3 cos(1.9)]
2(0.4)
𝑵𝟏 (𝒉) = −𝟏𝟗. 𝟒𝟕
ℎ 1
𝑁1 ( ) = [𝑓(2.3 + 0.2) − 𝑓(2.3 − 0.2)]
2 2(0.2)
ℎ 1
𝑁1 ( ) = [𝑓(2.5) − 𝑓 (2.1)]
2 2(0.2)
ℎ 1
𝑁1 ( ) = [(2.5)3 cos(2.5) − (2.1)3 cos(2.1)]
2 2(0.2)
𝒉
𝑵𝟏 ( ) = −𝟏𝟗. 𝟔𝟏
𝟐
ℎ 1
𝑁1 ( ) = [𝑓(2.3 + 0.1) − 𝑓(2.3 − 0.1)]
4 2(0.1)
ℎ 1
𝑁1 ( ) = [𝑓(2.4) − 𝑓 (2.2)]
4 2(0.1)
ℎ 1
𝑁1 ( ) = [(2.4)3 cos(2.4) − (2.2)3 cos(2.2)]
4 2(0.1)
𝒉
𝑵𝟏 ( ) = −𝟏𝟗. 𝟔𝟒
𝟒
para 𝑶(𝒉𝟒 ), ℎ = 0.4
ℎ
ℎ 𝑁𝑗−1 ( )−𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( 2 ) + 2
para j ≥ 2. Aproximación de 𝑂(ℎ4 )
4𝑗−1−1
ℎ
ℎ 𝑁1 ( )−𝑁1 (ℎ)
2
𝑁2 (ℎ) = 𝑁1 ( 2 ) + 41 −1
−19.61 + 19.47
𝑁2 (ℎ) = −19.61 +
3
𝑵𝟐 (𝒉) = −𝟏𝟗. 𝟔𝟔
ℎ ℎ
ℎ ℎ 𝑁1 (4) − 𝑁1 (3)
𝑁2 ( ) = 𝑁1 ( ) +
2 4 41 − 1
ℎ −19.64 + 19.61
𝑁2 ( ) = −19.64 +
2 3
𝒉
𝑵𝟐 ( ) = −𝟏𝟗. 𝟔𝟓
𝟐
para 𝑶(𝒉𝟔 ), ℎ = 0.4
ℎ
ℎ 𝑁𝑗−1 ( )−𝑁𝑗−1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( 2 ) + 2
para j ≥ 2
4𝑗−1−1
ℎ
ℎ 𝑁2 (2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 ( ) +
2 42 − 1
−19.65 + 19.67
𝑁3 (ℎ) = −19.65 +
15
𝑵𝟑 (𝒉) = −𝟏𝟗. 𝟔𝟓
La solución aproximada de 𝒇′ (𝟐. 𝟑) ≈ 𝑵𝟑 (𝒉) = −𝟏𝟗. 𝟔𝟓
Calculamos la solución exacta de 𝒇′ (𝟐. 𝟑):
𝒇(𝑥 ) = 𝑥 3 cos(𝑥 )
𝑓 ′ (𝑥 ) = 3𝑥 2 cos(𝑥 ) − 𝑥 3 sen(𝑥 )
𝑓 ′ (2.3) = 3(2.3)2 cos(2.3) − (2.3)3 sen(2.3)
𝒇′ (𝟐. 𝟑) = −𝟏𝟗. 𝟔𝟓
EJERCICIO 4ª. Repita el ejercicio 2 usando una aritmética de redondeo a cuatro dígitos
a). 𝑓 (𝑥 ) = ln 𝑥 , 𝑥0 = 1.0 , ℎ = 0.4
Determinar 𝑁4 (ℎ) para una aproximación de 𝑓 ′ (𝑥0 )
SOLUCIÓN
𝒉 𝑵𝒋−𝟏 (𝒉⁄𝟐) − 𝑵𝒋−𝟏 (𝒉)
𝑵𝒋 (𝒉) = 𝑵𝒋−𝟏 ( ) +
𝟐 𝟒𝒋−𝟏 − 𝟏
𝒋 = 𝟐, 𝟑, 𝟒, … … , 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒄𝒊ó𝒏 𝑶(𝒉𝟐𝒋 )
𝑁1 (ℎ) = 𝑁(ℎ)
1
1. 𝑁1 (ℎ) = [𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)]
2ℎ
1
𝑁1 (0.4) = [𝑓 (1.4) − 𝑓(0.6)] → 1.25[0.3365 − (−0.5108)]
2 ∗ 0.4
𝑁1 (0.4) = 1.0591
ℎ ℎ
2. 𝑁1 ( ) = 𝑁 ( )
2 2
1
𝑁1 (0.2) = [𝑓 (1.2) − 𝑓(0.8)] → 2.5[0.1823 − (−0.2231)]
2 ∗ 0.2
𝑁1 (0.2) = 1.0135
ℎ ℎ
3. 𝑁1 ( ) = 𝑁 ( )
4 4
1
𝑁1 (0.1) = [𝑓 (1.1) − 𝑓(0.9)] → 5[0.0953 − (−0.1054)]
2 ∗ 0.1
𝑁1 (0.1) = 1.0035
ℎ ℎ
4. 𝑁1 ( ) = 𝑁 ( )
8 8
1
𝑁1 (0.05) = [𝑓(1.05) − 𝑓(0.95)] → 10[0.0488 − (−0.0513)]
2 ∗ 0.05
𝑁1 (0.05) = 1.0010
5. 𝑁2 (ℎ)
𝑁1 (0.2) − 𝑁1 (0.4) 1.0135 − 1.0591
𝑁2 (0.4) = 𝑁1 (0.2) + → 1.0135 +
3 3
𝑁2 (0.4) = 0.9983
ℎ
6. 𝑁2 ( )
2
𝑁1 (0.1) − 𝑁1 (0.2) 1.0035 − 1.0135
𝑁2 (0.2) = 𝑁1 (0.1) + → 1.0035 +
3 3
𝑁2 (0.2) = 1.0002
ℎ
7. 𝑁2 ( )
4
𝑁1 (0.05) − 𝑁1 (0.1) 1.0010 − 1.0035
𝑁2 (0.1) = 𝑁1 (0.05) + → 1.0010 +
3 3
𝑁2 (0.1) = 1.0002
8. 𝑁3 (ℎ)
𝑁2 (0.2) − 𝑁2 (0.4) 1.0002 − 0.9983
𝑁3 (0.4) = 𝑁2 (0.2) + → 1.0002 +
15 15
𝑁3 (0.4) = 1.0003
ℎ
9. 𝑁3 ( )
2
𝑁2 (0.1) − 𝑁2 (0.2) 1.0002 − 1.0002
𝑁3 (0.2) = 𝑁2 (0.1) + → 1.0002 +
15 15
𝑁3 (0.2) = 1.0002
10. 𝑁4 (ℎ)
𝑁3 (0.2) − 𝑁3 (0.4) 1.0002 − 1.0003
𝑁4 (0.4) = 𝑁3 (0.2) + → 1.0002 +
63 63
𝑁4 (0.4) = 1.0002 ≈ 𝑓 ′ (1.0) 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
1
𝑓 (𝑥 ) = ln 𝑥 → 𝑓 ′ (𝑥) =
𝑥
1
𝑓 ′ (1.0) = = 1 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
1.0
𝐸𝑅𝑅𝑂𝑅 = 0.0002
Ejercicio 4b. Repita el ejercicio 2 usando la aritmética de redondeo a cuatro dígitos
Ejercicio 2
𝑓 (𝑥 ) = 𝑥 + 𝑒 𝑥 𝑥0 = 0 ℎ = 0.4
Solución
Se sabe que
𝑁1 (ℎ) = 𝑁(ℎ)
[𝑓 (𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)] [𝑓(0 + 0.4) − 𝑓(0 − 0.4)]
𝑁1 (ℎ) = 𝑁(ℎ) = =
2ℎ 2 ∗ 0.4
[𝑓 (0.4) − 𝑓 (−0.4)] (1.8918 − 0.2703)
𝑁1 (0.4) = =
0.8 0.8
𝑵𝟏 (𝟎. 𝟒) = 𝟐. 𝟎𝟐𝟔𝟗
ℎ ℎ [𝑓(0 + 0.2) − 𝑓(0 − 0.2)]
𝑁1 ( ) = 𝑁 ( ) =
2 2 2 ∗ 0.2
[𝑓 (0.2) − 𝑓 (−0.2)] ( 1.4214 − 0.6187)
𝑁1 (0.2) = =
0.4 0.4
𝑵𝟏 (𝟎. 𝟐) = 𝟐. 𝟎𝟎𝟔𝟖
ℎ ℎ [𝑓(0 + 0.1) − 𝑓(0 − 0.1)]
𝑁1 ( ) = 𝑁 ( ) =
4 4 2 ∗ 0.1
[𝑓 (0.1) − 𝑓 (−0.1)] ( 1.2052 − 0.8048)
𝑁1 (0.1) = =
0.2 0.2
𝑵𝟏 (𝟎. 𝟏) = 𝟐. 𝟎𝟎𝟎𝟐
ℎ ℎ [𝑓(0 + 0.05) − 𝑓(0 − 0.05)]
𝑁1 ( ) = 𝑁 ( ) =
8 8 2 ∗ 0.05
[𝑓(0.05) − 𝑓 (−0.05)] ( 1.1013 − 0.9012)
𝑁1 (0.05) = =
0.1 0.1
𝑵𝟏 (𝟎. 𝟎𝟓) = 𝟐. 𝟎𝟎𝟏
Se sabe que para cada 𝑗 = 2, 3, 4, . . . , 𝑚 , tendremos una aproximación 𝑂(ℎ2𝑗 ) de la forma
ℎ
ℎ 𝑁𝑗 − 1 (2) − 𝑁𝑗 − 1 (ℎ)
𝑁𝑗 (ℎ) = 𝑁𝑗 − 1 ( ) +
2 4𝑗 − 1 − 1
Para 𝑗 = 2
𝑁2 (ℎ) = 𝑁2 (0.4)
𝑁1 (0.2) − 𝑁1 (0.4) 2.0068 − 2.0269
𝑁2 (0.4) = 𝑁1 (0.2) + 1
= 2.0068 +
4 − 1 3
𝑵𝟐 (𝟎. 𝟒) = 𝟐. 𝟎𝟎𝟎𝟏
ℎ
𝑁2 ( ) = 𝑁2 (0.2)
2
𝑁1 (0.1) − 𝑁1 (0.2) 2.002 − 2.0268
𝑁2 (0.2) = 𝑁1 (0.1) + 1
= 2.002 +
4 − 1 3
𝑵𝟐 (𝟎. 𝟐) = 𝟐. 𝟎𝟎𝟎𝟒
ℎ
𝑁2 ( ) = 𝑁2 (0.1)
4
𝑁1 (0.05) − 𝑁1 (0.1) 2.001 − 2.002
𝑁2 (0.1) = 𝑁1 (0.05) + = 2.001 +
41 − 1 3
𝑵𝟐 (𝟎. 𝟏) = 𝟐. 𝟎𝟎𝟎𝟕
Para 𝑗 = 3
𝑁3 (ℎ) = 𝑁3 (0.4)
𝑁2 (0.2) − 𝑁2 (0.4) 2.0004 − 2.0001
𝑁3 (0.4) = 𝑁2 (0.2) + 2
= 2.0004 +
4 − 1 15
𝑵𝟐 (𝟎. 𝟒) = 𝟐. 𝟎𝟎𝟎𝟒
ℎ
𝑁3 ( ) = 𝑁3 (0.2)
2
𝑁2 (0.1) − 𝑁2 (0.2) 2.0007 − 2.0004
𝑁3 (0.2) = 𝑁2 (0.1) + = 2.0007 +
41 − 1 15
𝑵𝟐 (𝟎. 𝟐) = 𝟐. 𝟎𝟎𝟎𝟕
Para 𝑗 = 4
𝑁4 (ℎ) = 𝑁4 (0.4)
𝑁3 (0.2) − 𝑁3 (0.4) 2.0007 − 2.0004
𝑁4 (0.4) = 𝑁2 (0.2) + 4
= 2.0007 +
4 − 1 63
𝑵𝟒 (𝟎. 𝟒) = 𝟐. 𝟎𝟎𝟎𝟕 ≈ 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂
𝑆𝑒𝑎 𝑓 (𝑥 ) = 𝑥 + 𝑒 𝑥 → 𝑓´(𝑥 ) = 1 + 𝑒 𝑥 = 1 + 𝑒 0 = 2 ≈ 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
∴ 𝐸𝑟𝑟𝑜𝑟 = 0.0007
EJERCICIO 4C.
4.c. Agregue otra linea de tabla de extrapolación del ejercicio, para obtener N4 ( h)
 Use la técnica de extrapolación que se describe en el ejemplo 1, para determinar N3 (h)
una aproximación de f'(x0 ), para las siguientes funciones y tamaños de paso.
c. f(x)=2 x senx1 x2  1.05, h  0.4
1
Tenemos : [ f ( x0  h)  f ( x0  h)]
2(h)
1
Tomemos 2ℎ [𝑓 (𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)]
𝒉 𝒇(𝟏. 𝟎𝟓 + 𝒉) 𝒇′(𝟏. 𝟎𝟓) |𝒉|/𝟐(𝟏. 𝟎𝟓)^𝟐

0,4 1,985425982 0,62644883 0,181405896
0,1 1,825527881 0,90681429 0,045351474
0,001 1,735840726 0,99427451 0,000453515
0,0001 1,734945957 0,99505535 4,53515E-05
Es fácil ver que mientras ℎ → 0 se tendrá menos error y se acercará más al valor real de la
derivada.
EJERCICIO 4d.
𝑓 (𝑥 ) = 𝑥 3 cos x
𝑥0 = 2.3
ℎ = 0.4
1
Usando la expresión: 2(ℎ) [𝑓(𝑥0 + ℎ) − 𝑓 (𝑥0 − ℎ)]
 𝑜(ℎ2 )
 𝑁1 (ℎ) = 𝑁1 (0.4)
1
 𝑁1 (0.4) = 2(0.4) [𝑓(2.70) − 𝑓(2.90)]
 𝑁1 (0.4) = 1.2500[(−17.7949) − 𝑓(−2.2174)] = −19.4719
 𝑁1 (ℎ⁄2) = 𝑁1 (0.2)
1
 𝑁1 (0.2) = [𝑓(2.50) − 𝑓(2.10)]
2(0.2)
 𝑁1 (0.2) = 1.2500[(−12.5179) − (−4.6754)] = −19.6063
 𝑁1 (ℎ⁄4) = 𝑁1 (0.1)
1
 𝑁1 (0.1) = 2(0.1) [𝑓(2.50) − 𝑓(2.10)]
 𝑁1 (0.1) = 5.0000[(−10.1937) − (−6.2664)] = −19.6365
 𝑁1 (ℎ⁄8) = 𝑁1 (0.05)
1
 𝑁1 (0.05) = 2(0.05) [𝑓(2.35) − 𝑓(2.25)]
 𝑁1 (0.05) = 10.0000[(−9.1197) − (−7.1553)] = −19.6440
ℎ 𝑁𝑗−1 (ℎ ⁄2)−𝑁𝑗−1 (ℎ)
Usando la expresión: 𝑁𝑗 (ℎ) = 𝑁𝑗−1 ( 2 ) + 4𝑗−1 −1
 𝑜(ℎ4 )
𝑁1 (ℎ⁄2) − 𝑁1 (ℎ)
𝑁2 (ℎ) = 𝑁2 (0.4) → 𝑁1 (ℎ⁄2) +
3
1
𝑁2 (0.4) = (−19.6063) + [(−19.6063) − (−19.4719)] = −19.6511
3
𝑁1 (ℎ⁄4) − 𝑁1 (ℎ⁄2)
𝑁2 (ℎ⁄2) = 𝑁2 (0.2) → 𝑁1 (ℎ⁄4) +
3
1
𝑁2 (0.2) = (−19.6365) + [(−19.6365) − (−19.6063)] = −19.6466
3
𝑁1 (ℎ⁄8) − 𝑁1 (ℎ⁄4)
𝑁2 (ℎ⁄4) = 𝑁2 (0.1) → 𝑁1 (ℎ⁄8) +
3
1
𝑁2 (0.1) = (−19.6440) + [(−19.6440) − (−19.6365)] = −19.6465
3
 𝑜(ℎ6 )
𝑁2 (ℎ⁄2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁3 (0.4) → 𝑁2 (ℎ⁄2) +
15
1
𝑁3 (0.4) = (−19.6466) + [(−19.6466) − (−19.6511)] = −19.6463
15
𝑁2 (ℎ⁄4) − 𝑁2 (ℎ⁄2)
𝑁3 (ℎ⁄2) = 𝑁3 (0.2) → 𝑁1 (ℎ⁄4) +
15
1
𝑁3 (0.2) = (−19.6465) + [(−19.6465) − (−19.6466)] = −19.6465
15
 𝑜(ℎ8 )
𝑁3 (ℎ⁄2) − 𝑁3 (ℎ)
𝑁4 (ℎ) = 𝑁4 (0.4) → 𝑁3 (ℎ⁄2) +
63
1
𝑁4 (0.4) = (−19.6465) + [(−19.6465) − (−19.6463)] = −19.6465
63
El valor aproximado de 𝑁4 (ℎ) ≈ −19.6465
EJERCICIO 5. En los siguientes datos se dan las aproximaciones de la integral.
𝜋
𝑀 = ∫ 𝑠𝑒𝑛𝑥 𝑑𝑥
0
ℎ ℎ ℎ
𝑁1 (ℎ) = 1.570796 ; 𝑁1 ( ) = 1.896119 ; 𝑁1 ( ) = 1.974232 ; 𝑁1 ( ) = 1.99357.
2 4 8
Suponiendo que: 𝑀 = 𝑁1 × ℎ + 𝐾1 × ℎ2 + 𝐾2 × ℎ4 + 𝐾3 × ℎ6 + 𝐾4 × ℎ8 + 𝑂(ℎ10 );

construya una tabla de extrapolación para determinar 𝑁4 ℎ.
Solución:
Tomamos j = 2.
ℎ
ℎ 𝑁1 (2) − 𝑁1 (ℎ)
𝑁2 (ℎ) = 𝑁1 ( ) +
2 41 − 1
1.896119 − 1.5770796
𝑁2 (ℎ) = 1.896119 + ⟹ 𝑁2 (ℎ) = 2.00456
3
ℎ ℎ
ℎ ℎ 𝑁1 (4) − 𝑁1 (2)
𝑁2 ( ) = 𝑁1 ( ) +
2 4 41 − 1
ℎ 1.974232 − 1.896119 ℎ
𝑁2 ( ) = 1.974232 + ⟹ 𝑁2 ( ) = 2.00026967
2 3 2
ℎ ℎ
ℎ ℎ 𝑁1 (8) − 𝑁1 (8)
𝑁2 ( ) = 𝑁1 ( ) +
4 8 41 − 1
ℎ 1.993570 − 1.974232 ℎ
𝑁2 ( ) = 1.993570 + ⟹ 𝑁2 ( ) = 2.000016
4 3 4
Ahora tomamos j = 3
ℎ
ℎ 𝑁2 ( ) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 ( ) + 2
2 42 − 1
2.00026967 − 2.00456
𝑁3 (ℎ) = 2.00026967 + ⟹ 𝑁2 (ℎ) = 1.99998365
15
ℎ ℎ
ℎ ℎ 𝑁2 (4) − 𝑁2 (2)
𝑁3 ( ) = 𝑁2 ( ) +
2 4 42 − 1
ℎ 2.000016 − 2.00026967 ℎ
𝑁3 ( ) = 2.000016 + ⟹ 𝑁2 ( ) = 1.99999909
2 15 2
Ahora tomamos j = 4
ℎ
ℎ 𝑁3 (2) − 𝑁3 (ℎ)
𝑁4 (ℎ) = 𝑁3 ( ) +
2 42 − 1
1.99999909 − 1.99998365
𝑁4 (ℎ) = 1.99999909 + ⟹ 𝑁2 (ℎ) = 2.00000012
15
𝜋
Por lo tanto el resultado aproximado será ∫0 𝑠𝑒𝑛𝑥 𝑑𝑥 ≈ 2.00000012
- Calculamos la solución exacta mediante el cálculo integral.

𝜋
𝑀 = ∫ 𝑠𝑒𝑛𝑥 𝑑𝑥
0
𝑀 = −𝑐𝑜𝑠𝑥│𝜋0
𝑀 = − cos(𝜋) + cos(0)
𝑀 = − cos(180) + cos(0)
𝑀=2
 Entonces el valor del error de la solución aproximada será.
𝐸𝑟𝑟𝑜𝑟 = │𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑖𝑚𝑎𝑑𝑜│
𝐸𝑟𝑟𝑜𝑟 = │2 − 2.00000012│
𝐸𝑟𝑟𝑜𝑟 = 0.00000012
EJERCICIO 6. En los siguientes datos se dan las

aproximaciones a la integral
Suponga que existe una formula como la que viene en el ejercicio 5 determine N4 (h).
SOLUCIÓN
Para la construcción de la tabla de interpolación y hallar 4N (h) se va usar el método de
Richardson expresada de la siguiente manera:
dado que ya se tienen los datos expresados
inicialmente.
El cuadro que se llenará tiene la siguiente forma.
- Encontramos N2 (h), j=2 y reemplazamos en la fórmula:

- Ahora completamos el cuadro con los datos obtenidos anteriormente:
Como vemos en el cuadro se ha hallado𝑁4(ℎ) = −0.99040859, y es el aproximado del valor

M.
EJERCICIO 7. Demuestre que la fórmula de cinco puntos de la ecuación (4.6) aplicada a

𝒇(𝒙) = 𝒙𝒆𝒙 a 𝒙𝟎 = 𝟐. 𝟎 da 𝑵𝟐 (𝟎. 𝟐) en la tabla 4.6 cuando h=0.1 y 𝑵𝟐 (𝟎. 𝟏) cuando
h=0.05.
Formula de los cinco puntos:

1
𝑓 (𝑥 0 ) = [𝑓(𝑥0 − 2ℎ) − 8𝑓(𝑥0 − ℎ) + 8𝑓 (𝑥0 + ℎ) − 𝑓 (𝑥0 + 2𝑛)]
12ℎ
Para ℎ = 0.1
1
𝑓 (2) = [𝑓(1.8) − 8𝑓(1.9) + 8𝑓 (2.1) − 𝑓(2.2)]
12ℎ
1
𝑓 (2) = [(1.8𝑒1.8 ) − 8(1.9𝑒1.9 ) + 8(2.1𝑒 2.1 ) − (2.2𝑒 2⋅2 )]
1.2
1
𝑓 (2) = [(10.8893654) − 8(12.7031994) + 8(17.1489568) − (19.8550297)]
1.2
𝑓 (2) = 22.1669958
Para hallar 𝑁2(0.2) remplazamos en la formula
𝑁2−1 (ℎ) − 𝑁2−1 (0.2)
𝑁2 (0.2) = 𝑁2−1 (ℎ) +
42−1 − 1
𝑁1 (0.1) − 𝑁2−1 (0.2)
𝑁2 (0.2) = 𝑁1 (0.1) +
3
22.228787 − 22.4141608
𝑁2 (0.2) = 22.228787 +
3
𝑁2 (0.2) = 22.1669957
Para ℎ = 0.05
1
𝑓 (2) = [𝑓(1.8) − 8𝑓(1.9) + 8𝑓 (2.1) − 𝑓(2.2)]
12ℎ
1
𝑓 (2 ) = [(1.9𝑒 1.9 ) − 8(1.95𝑒1.95 ) + 8(2.05𝑒 2.05 ) − (2.1𝑒 2⋅1 )]
0.6
1
𝑓 (2) = [(12.7031994) − 8(13.7059408) + 8(15.9241973) − (17.1489568)]
0.6
𝑓 (2) = 22.1671577
Para hallar 𝑁2(0.1) remplazamos en la formula
𝑁2−1 (ℎ) − 𝑁2−1 (0.1)
𝑁2 (0.1) = 𝑁2−1 (ℎ) +
42−1 − 1
𝑁1 (0.05) − 𝑁2−1 (0.1)
𝑁2 (0.1) = 𝑁1 (0.05) +
3
22.182565 − 22.228787
𝑁2 (0.1) = 22.182565 +
3
𝑁2 (0.1) = 22.1671577
EJERCICIO 8.-La fórmula de la diferencia progresiva puede expresarse como:
′(𝑥𝑜 )
1 ℎ ′′ ℎ2 ′′′
𝑓 = [𝑓(𝑋0 + ℎ − 𝑓(𝑋0 )] − 𝑓 (𝑋𝑜 ) − 𝑓 (𝑋0 ) + 𝑜(ℎ3 )
ℎ 2 6
Utilice la extrapolación para derivar una formula 𝑜(ℎ3 )𝑝𝑎𝑟𝑎 𝑓′(𝑥0 )
SOLUCION
Definiendo:
1
𝑁1 (ℎ) = ℎ [𝑓(𝑥0 ) + ℎ − 𝑓(𝑥0 )], 𝑇𝑒𝑛𝑒𝑚𝑜𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑜(ℎ2 )𝑒𝑠𝑡𝑜 𝑒𝑠:
ℎ ℎ2
𝑓′𝑥𝑜 = 𝑁1 (ℎ) − 𝑓 ′′ (𝑋0 ) − 𝑓 ′′′ (𝑋0 ) + 𝑜(ℎ3 ) … … … … … … … … … … … … … … .1
2 6
ℎ
𝐴𝑙 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑟 ℎ 𝑝𝑜𝑟 𝑒𝑛 1 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑙𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛.
2
ℎ ℎ ′′ ℎ2 ′′′
𝑓′(𝑥𝑜 ) = 𝑁1 ( ) − 𝑓 (𝑋0 ) − 𝑓 (𝑋0 ) + 𝑜(ℎ3 )
2 4 24
ℎ ℎ2
4𝑓′(𝑥𝑜 ) = 4𝑁1 ( ) − ℎ𝑓 ′′(𝑋0 ) − 𝑓 ′′′ (𝑋0 ) + 𝑜(ℎ3 ) … … … … … … … … … … … … … … … 2
2 6
Restando 2-1
ℎ ℎ
3𝑓′(𝑥𝑜 ) = 4𝑁1 ( ) − 𝑁1 (ℎ) − 𝑓 ′′ (𝑋0 ) + 4𝑜(ℎ3 )
2 2
ℎ ℎ
3𝑓′(𝑥𝑜 ) = 3𝑁1 ( ) − [𝑁1 (ℎ) − 𝑓 ′′ (𝑋0 )] + 4𝑜(ℎ3 )
2 2
ℎ
ℎ 𝑁1 (ℎ) − 2 𝑓 ′′ (𝑋0 )
𝑓′(𝑥𝑜 ) = [𝑁1 ( ) − ] + 4𝑜(ℎ3 )
2 3
EJERCICIO 9. suponga que N(h) es una aproximación de M para toda h>0 y que
M = N(h) + k1h + k2h2 + k3h3 + …,
Para algunas constantes, k1, k2, k3, …. Utilice los valores N(h), N(h/3) y N(h/9) para
producir una aproximación O(h3) de M.
Solución
M 1  N (h)  K1 h  K 2 h 2  K 3 h3 ...........................I
h
2 3
h h h
M 1  N    K1  K 2  K3 .........
3 3 9 27
 h h h
2
h 
3
3*  M 1  N    K1  K 2  K3  ......
 3 3 9 27 
h
2 3
h h
3M 1  3 N    K1 h  K 2  K 3 ........................II
3 3 9
restamos  II  I
h  h
2
  h3 
2 M 1  3 N    N (h)   K1 h  K1 h    K 2  K 2 h    K3
2
 K3 h3 
3  3   9 
h 2 8
2 M 1  3 N    N ( h)  K 2 h 2  K 3 h 3
3 3 9
 h  h  2 8
2 M 1   2 N     N    N ( h)    K 2 h 2  K 3 h 3
 3  3  3 9
  h 
  N  3   N ( h)  
h  
M1   N        1 K h 2  4 K h3
 3 2  3 2 9
3
 
 
Definimos N1 (h) = N (h)
 h 
  N1    N1 (h)  
h 3
N 2  h   N1      
 
3  2 
 
 
Tenemos la fórmula O(h 2 ) con la cual vamos aproximar M
K2 h2 4
M  N 2 ( h)   K 3 h3
3 9
h
Si ahora remplazamos h por
9
K 2 h2 4
M  N 2 ( h)   K 3 h3 ..........III
3 9
h K h 2
4 K 3 h3
M  N2 ( )  2 
9 3*81 9 * 729
 h K 2 h 2 4 K 3 h3 
81  M  N 2 ( )   
 9 3*81 9 * 729 
h K h 2 4 K 3 h3
81M  81N 2 ( )  2  ...............IV
9 3 81
Restamos IV – III
   K h  K h    4 K 3 h3  4 
2 2
h
81M  M   81N 2 ( )  N 2 (h)     2    2         K 3 h3  
 9   3  3   81  9 
 h  h   32 K 3 h
3
80 M  80 N 2 ( )   N 2 ( )  N 2 (h)   
 9  9  81
  h 
  N 2 ( )  N 2 ( h)  
h  9  5 K 3 h3

M  N2 ( )   
 9 80  162
 
 
Definimos N 3 (h) = N 2 (h)
 h 
 N 2 ( )  N 2 ( h) 
N 3 ( h)  N 2 ( )   
h 9
9 80
Tenemos la formula O(h3)
5 K 3 h3
M  N3  h  
162
𝑬𝑱𝑬𝑹𝑪𝑰𝑪𝑰𝑶 𝟏𝟎. Suponga que N (h) es una aproximación de M para toda h ≫ 0 y que
ℎ ℎ
𝑃𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛𝑎𝑠 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠𝐾1 , 𝐾2 , 𝐾3 , 𝑈𝑡𝑖𝑙𝑖𝑐𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑁(ℎ), 𝑁 ( ) 𝑦 𝑁 ( ) 𝑝𝑎𝑟𝑎
3 9
𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑙𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑂( ℎ6 ) 𝑑𝑒 𝑀.
Solución
𝑀1 = 𝑁1 (ℎ) + 𝐾1 ℎ + 𝐾1 ℎ + 𝐾3 ℎ2 + 𝐾ℎ3
ℎ ℎ ℎ2 ℎ3
𝑀1 = 𝑁1 ( ) + 𝐾1 + 𝐾1 ( ) + 𝐾3 ( ) + ⋯
3 3 9 27
ℎ ℎ2 ℎ3
2𝑀 = [3𝑁 ( ) − 𝑁(ℎ)] + [𝐾1 ℎ + 𝑘(ℎ)] + [𝐾1 − 𝐾2 ℎ2 ] + [𝐾3 − 𝐾3 ℎ3 ]
3 3 9
ℎ
3𝑁 (3) − 𝑁1 (ℎ) ℎ2 4ℎ3
𝑀= − 𝐾2 − 𝐾 +⋯
2 3 9
ℎ
3𝑁 (3) − 𝑁1 (ℎ)
𝑁2 (ℎ) =
2
ℎ2 4ℎ 3
𝑀1 = 𝑁2 (ℎ) − 𝐾2 ( 3 ) − 𝐾3 ( )+…
9
ℎ 𝐾2 ℎ2 4𝐾3 ℎ3
𝑀2 = 𝑁2 ( ) + − +
3 3𝑥9 9 27
ℎ 𝐾2 𝐾2 2 −4 𝐾3
𝑀1 8𝑀 = [9𝑁2 ( ) − 𝑁2 (ℎ)] + [ ℎ2 + ℎ ] + ( ) [ ℎ3 − 𝐾3 ℎ3 ] + ⋯
3 3 3 9 9
ℎ
9𝑁2 ( ) − 𝑁2 (ℎ) 4 8𝐾3 3
𝑀= 3 +( ) ℎ
8 9 9
ℎ
9𝑁2 (3) − 𝑁2 (ℎ)
𝑁3 (ℎ) =
8
ℎ
1 2 1 4 1 6 𝑁5 (5) − 𝑁5 (ℎ)
𝑀3 = 𝑁(ℎ) + 𝐾1 ( ) + 𝐾2 ( ) + 𝐾3 ( ) + ⋯ 0ℎ2 =
9 9 9 11
1 1 1
𝑀3 = 𝑁(ℎ1 ) + 𝐾1 ( ) + 𝐾2 ( 4 ) + 𝐾3 ( 6 ) + ⋯
81 9 9
1⁄
EJERCICIO 11.a. En cálculo aprendimos que 𝑒 = lim (1 + ℎ) ℎ
ℎ→0
a. Determine las aproximaciones de e correspondientes a h = 0.04, 0.02 y 0.01
solución
consideremos la aproximación de e por:
𝟏⁄
N1(h) = (𝟏 + 𝒉) 𝒉
1⁄
 Sustituir h = 0.04 en la formula N1(h) = (1 + ℎ) ℎ para obtener
𝟏⁄
N1(0.04) = (𝟏 + 𝟎. 𝟎𝟒) 𝟎.𝟎𝟒
𝟏⁄
N1(0.04) = (𝟏. 𝟎𝟒) 𝟎.𝟎𝟒
N1(0.04) = 2.665836331
1⁄
𝟏⁄
N1(0.02) = (𝟏 + 𝟎. 𝟎𝟐) 𝟎.𝟎𝟐
𝟏⁄
N1(0.02) = (𝟏. 𝟎𝟐) 𝟎.𝟎𝟐
N1(0.02) = 2.691588029
1⁄
𝟏⁄
N1(0.01) = (𝟏 + 𝟎. 𝟎𝟏) 𝟎.𝟎𝟏
𝟏⁄
N1(0.01) = (𝟏. 𝟎𝟏) 𝟎.𝟎𝟏
N1(0.01) = 2.7048133829
1
EJERCICIO 11. C). En cálculo aprendimos que 𝑒 = 𝑙𝑖𝑚(1 + ℎ)ℎ ¿Piensa que el
ℎ→0
supuesto de la parte (b) es correcto?
Use la extrapolación en las aproximaciones, suponiendo que existen las constantes Kl' K2 ,
••• , con
1
𝑒 = (1 + ℎ)ℎ + 𝑘1 ℎ + 𝑘2 ℎ2 + 𝑘3 ℎ3 +…
Supongamos que 𝑘1 , 𝑘2 , 𝑘3 , 𝑘4, … existen constantes con

1
𝑒 = (1 + ℎ)ℎ + 𝑘1 ℎ + 𝑘2 ℎ2 + 𝑘3 ℎ3 +…
Utilizando la técnica de extrapolación, la 0(h3)aproximación a e es
ℎ 1 ℎ
𝑁3 (ℎ) = 𝑁2 ( ) + (𝑁2 ( ) − 𝑁2 (ℎ))
2 3 2
1
ℎ
Donde 𝑁2 (ℎ) = 2𝑁1 ( 2 ) − 𝑁1 (ℎ) 𝑌 𝑁1 (ℎ) = (1 + ℎ)ℎ
Ahora tomamos h=0.04 y obtenemos

Que
𝑁1 (ℎ) = 𝑁1 (0.04) =2.665836331
ℎ 0.04
𝑁1 ( 2 ) = 𝑁1 ( ) =𝑁1 (0.2) = 2.691588029
2
ℎ 0.04
𝑁1 ( 4 ) = 𝑁1 ( ) =𝑁1 (0.01) = 2.7048133829
4
Ahora
𝑁2 (ℎ) = 𝑁2 (0.04) = 2𝑁1 (0.02) − 𝑁1 (0.04)
= 2(2.691588029) – 2.665836331 =2.717339727
Para
ℎ
𝑁2 ( ) = 𝑁2 (0.02) = 2𝑁1 (0.01) − 𝑁1 (0.02)
2
= 2(2.7048133829) – 2.691588029 = 2.718039629
Por lo tanto, la 0(h3) aproximación a e , es
ℎ 1 ℎ
𝑁3 (ℎ) = 𝑁2 ( ) + (𝑁2 ( ) − 𝑁2 (ℎ))
2 3 2
1
𝑁3 (0.04) = 𝑁2 (0.02) + (𝑁 (0.02) − 𝑁2 (0.04))
3 2
1
= 2.718039629 + (2.718039629 − 2.717339727)
3
= 2.718272931
Finalmente, como vemos que los errores parecen proporcionados a h para 𝑁1 (ℎ) , a h2 para
𝑁2 (ℎ) y a h3 para 𝑁3 (ℎ) por lo tanto la respuesta es sí .
EJERCICIO 12ª.
a) Determine que:
2 + ℎ 1/ℎ
lim ( ) =𝑒
ℎ→0 2 − ℎ
Propiedad:
𝑙𝑖𝑚 𝑔(𝑥)∗(𝑓(𝑋)−1)
𝑙𝑖𝑚(𝑓(𝑥 ))𝑔(𝑥) = 𝑒 𝑥→𝑎
𝑥→𝑎
2 + ℎ 1/ℎ 1 2+ℎ
lim ∗( −1)
lim ( ) = 𝑒 ℎ→0ℎ 2−ℎ
ℎ→0 2−ℎ
2 + ℎ 1/ℎ 1 2ℎ
lim ∗( )
lim ( ) = 𝑒 ℎ→0ℎ 2−ℎ
ℎ→0 2−ℎ
2
lim ( )
= 𝑒 ℎ→0 2−ℎ
2
= 𝑒 (2−0)
=𝑒 1 = 𝑒
Por lo tanto.
2 + ℎ 1/ℎ
lim ( ) =𝑒
ℎ→0 2 − ℎ
1⁄
2+ℎ ℎ
𝟏𝟐. 𝒃 𝐶𝑎𝑙𝑐𝑢𝑙𝑒 𝑙𝑎𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑒 𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑐𝑜 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑁(ℎ) = ( ) ,
2−ℎ
𝑃𝑎𝑟𝑎 ℎ = 0.04; 0.02; 𝑦 0.01

1⁄
2+ℎ ℎ
𝑁(ℎ) = (2−ℎ)
𝐶𝑢𝑎𝑛𝑑𝑜 ℎ = 0.04
1⁄
2+0.04 0.04
𝑁(ℎ) = (2−0.04) = 2.178644377
1⁄
2+0.02 0.02
𝑁(ℎ) = (2−0.02) = 2.718372445
1⁄
2+0.01 0.01
𝑁(ℎ) = (2−0.01) = 2.718304481
Ejercicio 12c. Suponga que 𝑒 = 𝑁(ℎ) + 𝑘1 ℎ + 𝑘2 ℎ2 + 𝑘3 ℎ3 + ⋯ Utilice una

extrapolación, de al menos con 16 dígitos de precisión, para calcular una aproximación
O(h3) de e con h = 0.04.
SOLUCIÓN
Se tiene la siguiente fórmula:
1
2+ℎ ℎ
𝑁 (ℎ ) = ( ) =𝑒
2−ℎ
𝑁1 (ℎ) = 𝑁(ℎ)
1
2+0.04 0.04
 𝑁1 (0.04) = (2−0.04 ) = 2.718644377221240
1
2+0.02

0.02
𝑁1 (0.02) = (2−0.02 ) = 2.718372444800610
1
2+0.01

0.01
𝑁1 (0.01) = (2−0.01 ) = 2.718304481241740
Calculando 𝑁2 (ℎ)
ℎ ℎ
𝑁2 (ℎ) = 𝑁1 ( ) + [𝑁1 ( ) − 𝑁1 (ℎ)]
2 2
 𝑁2 (0.04) = 2 ∗ 𝑁1 (0.02) − 𝑁1 (0.04)
𝑁2 (0.04) = 2 ∗ 2.718372444800610 − 2.718644377221240 = 2.718100512379980
 𝑁2 (0.02) = 2 ∗ 𝑁1 (0.01) − 𝑁1 (0.02)
𝑁2 (0.02) = 2 ∗ 2.718304481241740 − 2.718372444800610 = 2.718236517682870
ℎ
ℎ 𝑁2 (2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 ( ) +
2 3
𝑁2 (0.02) − 𝑁2 (0.04)
𝑁3 (0.04) = 𝑁2 (0.02) +
3
2.718236517682870 − 2.718100512379980
𝑁3 (0.04) = 2.718236517682870 +
3
𝑵𝟑 (𝟎. 𝟎𝟒) = 𝟐. 𝟕𝟏𝟖𝟐𝟖𝟏𝟖𝟓𝟐𝟕𝟖𝟑𝟖𝟑𝟎
 Por lo tanto, se puede decir que 𝑁3 (0.04) es una aproximación O(h3).
Además |𝑒 − 𝑁3 (0.04)| ≤ 0,5 × 10−7 = 0.00000005

0.000000024324790 ≤ 0,5 × 10−7
Ejercicio .12 d
1
2 − ℎ 1−ℎ 2+ℎ ℎ
𝑁(−ℎ) = ( ) =( ) = 𝑁 (ℎ )
2+ℎ 2−ℎ
𝑁(−0.04) = 𝑁(0.04) = 2.7186444
𝑁(−0.02) = 𝑁(0.02) = 2.71183724
𝑁(−0.01) = 𝑁(0.01) = 2.7183045
EJERCICIO 12.e. Use la parte (d) para demostrar que 𝐾1 = 𝐾3 = 𝐾5 = ⋯ =
0 𝑒𝑛 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎.
𝑒 = 𝑁(ℎ) + 𝐾1 ℎ + 𝐾2 ℎ2 + 𝐾3 ℎ3 + 𝐾4 ℎ4 + 𝐾5 ℎ5 + ⋯,
De modo que la fórmula se reduce a:
𝑒 = 𝑁(ℎ) + 𝐾2 ℎ2 + 𝐾4 ℎ4 + 𝐾6 ℎ6 + ⋯.
PARTE (d). Demuestre que N(-h) = N(h)
Ecuación inicial de la parte (a).

1
2+ℎ ℎ
lim ( ) =𝑒
ℎ→0 2 − ℎ
Entonces tenemos:
2 − ℎ −1⁄ 2 − ℎ −11⁄ℎ 2 + ℎ 1⁄
𝑁(−ℎ) = ( ) ℎ = (( ) )=( ) ℎ = 𝑁(ℎ)
2+ℎ 2+ℎ 2−ℎ
Entonces ahora tenemos para la parte (e).

𝑒 = 𝑁(+ℎ) + 𝐾1 ℎ + 𝐾2 ℎ2 + 𝐾3 ℎ3 + 𝐾4 ℎ4 + 𝐾5 ℎ5 + ⋯
𝑒 = 𝑁(−ℎ) − 𝐾1 ℎ + 𝐾2 ℎ2 − 𝐾3 ℎ3 + 𝐾4 ℎ4 − 𝐾5 ℎ5 + ⋯
así que, sumando, usando el hecho de que N (h) = N (−h), y dividiendo por 2 da como
resultado.
𝑒 = 𝑁(ℎ) + 𝐾2 ℎ2 + 𝐾4 ℎ4 + 𝐾6 ℎ6 + ⋯.
Estada dada la demostración.

Que los valores 𝐾1 = 𝐾3 = 𝐾5 = ⋯ = 0 ( todos los valores de 𝐾𝑛 , “n” números naturales
impares)
Ejercicio 12f. Use los resultados de la parte c y una extrapolación para calcular una
aproximación O(h6) de e con h = 0.04.
SOLUCIÓN
Al tomar los resultados obtenidos en la parte c se tiene:

ℎ
ℎ 𝑁( )−𝑁(ℎ)
 𝑁2 (ℎ) = 𝑁 ( 2 ) + 2
3
𝑁(0.02) − 𝑁(0.04)
𝑁2 (0.04) = 𝑁(0.02) +
3
2.718372444800610 − 2.718644377221240
𝑁2 (0.04) = 2.718372444800610 +
3
𝑁2 (0.04) = 2.718281800660400
ℎ
ℎ 𝑁( )−𝑁(ℎ)
 𝑁2 (ℎ) = 𝑁 ( 2 ) + 2
3
𝑁(0.01) − 𝑁(0.02)
𝑁2 (0.02) = 𝑁(0.01) +
3
2.718304481241740 − 2.718372444800610
𝑁2 (0.02) = 2.718304481241740 +
3
𝑁2 (0.02) = 2.718281826722120
ℎ
ℎ 𝑁2 (2) − 𝑁2 (ℎ)
𝑁3 (ℎ) = 𝑁2 ( ) +
2 15
𝑁2 (0.02) − 𝑁2 (0.04)
𝑁3 (0.04) = 𝑁2 (0.02) +
15
2.718281826722120 − 2.718281800660400
𝑁3 (0.04) = 2.718281826722120 +
15
𝑵𝟑 (𝟎. 𝟎𝟒) = 𝟐. 𝟕𝟏𝟖𝟐𝟖𝟏𝟖𝟐𝟖𝟒𝟓𝟗𝟓𝟕𝟎

El valor de e = 2.718281828459045
 Por lo tanto, se puede decir que 𝑁3 (0.04) es una aproximación satisfactoria O(h6).
Además |𝑒 − 𝑁3 (0.04)| ≤ 0,5 × 10−13 = 0.00000000000005

0.000000000000530 ≤ 0,5 × 10−13
EJERCICIO
14. Suponga que N1(h) es una fórmula que produce las aproximaciones O(h) a un
número M y que:
𝑀 = 𝑁1 (ℎ) + 𝐾1 ℎ + 𝐾2 ℎ2 + ⋯
Para un conjunto de constantes positivas. 𝑘1 , 𝑘2 ∙∙∙∙∙∙∙∙∙∙∙∙entonces 𝑁1 (ℎ), 𝑁1 (ℎ/2) ,

𝑁1 (ℎ/4) ∙∙∙∙∙son todas las cosas inferiores de M. ¿Qué puede decirse sobre las
aproximaciones extrapoladas 𝑁1 (ℎ) + 𝑁3 (ℎ) … … . ?
𝑀 = 𝑁1 (ℎ) + 𝐾1 ℎ + 𝐾2 ℎ2 + 𝐾3 ℎ3 +………………… (1)
Suponiendo que la formula se aplica para cualquier h positivo, reemplazando el parámetro

h por h/2 en la ecuación (1).
ℎ ℎ ℎ 2 ℎ 3
𝑀 = 𝑁1 ( 2 ) + 𝐾1 (2 ) + 𝐾2 (2 ) + 𝐾3 ( 2 ) +……………… (2)
Multiplicamos la ecuación (2) por 2
ℎ ℎ2 ℎ3
2𝑀 = 2𝑁1 (2 ) + 𝐾1 (ℎ) + 𝐾2 ( 2 ) + 𝐾3 ( 4 ) +……………… (3)
Ahora restaremos la ecuación … … (3) menos la ecuación … .( 1)
ℎ ℎ2 ℎ3
𝑀 = 2𝑁1 ( 2 ) − 𝑁1 (ℎ) + 𝐾2 ( 2 − ℎ2 ) + 𝐾3 ( 4 − ℎ3 ) +…………
ℎ ℎ ℎ2 ℎ3
𝑀 = [(𝑁1 ( ) + 𝑁1 ( ) − 𝑁1 (ℎ))] − 𝐾2 ( ) − 𝐾3 ( )
2 2 2 2
ℎ ℎ
𝑁2 (ℎ)= 𝑁1 (ℎ) ; 𝑁3 = [(𝑁1 ( 2 ) + 𝑁1 ( 2 ) − 𝑁1 (ℎ))]
EJERCICIO 15a. En el año 200 antes de Cristo. Arquímedes utilizo los semiperímetros de
polígonos regulares con k lados que inscriben y circunscriben el círculo unitario para
aproximar π, es decir, la circunferencia de un semicírculo. Se puede usar la geometría para
demostrar que la secuencia de semiperímetros inscritos y circunscritos (𝐏𝐤) 𝐲 (𝐏𝐤),
respectivamente, satisfacen.
𝜋 𝜋
𝑃𝑘 = 𝑘𝑠𝑒𝑛 ( ) 𝑃𝑘 = 𝑘 tan ( )
𝑥 𝑘
𝑐𝑜𝑛 𝑃𝑘 < 𝜋 < 𝑃𝑘 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 𝑘 ≥ 4
Demuestre 𝑃4 = 2√2 y 𝑃4 = 4
Para: k = 4 Para: k = 4
P4 = 2√2 P4 = 4
𝜋 𝜋
2√2 = 𝑠𝑒𝑛 ( ) 4 = 4tan ( )
𝑥 𝑥
√2 4 𝜋
= 𝑠𝑒𝑛(45°) = 4tan (𝑥 )
2 4
√2 √2
= 2 4 = 4tan 45°
2
1=1
Ejercicio 15b. En el año 200 antes de cristo. Arquímedes utilizo los semiperímetros de
polígonos regulares con los k lados que inscriben y circunscriben el circulo unitario para
aproximar 𝜋, es decir, la circunferencia de un semicírculo. Se puede usar la geometría para
demostrar que la secuencia de semiperímetros inscritos y circunscritos (𝑝𝑘 ) y (𝑃𝑘 ),
respectivamente, satisfacen.
𝝅 𝝅
𝒑𝒌 = 𝒌 𝐬𝐢𝐧 ( 𝒌 ) y 𝑷𝒌 = 𝒌 𝐭𝐚𝐧 ( 𝒌 ). Con 𝒑𝒌 < 𝝅 < 𝑷𝒌 siempre que 𝒌 ≥ 𝟒.
Demuestre que para 𝒌 ≥ 𝟒, las sucesiones satisfacen las relaciones de recurrencia.

𝟐𝒑𝒌 𝑷𝒌
𝑷𝟐𝒌 = 𝒑 y 𝒑𝟐𝒌 = √𝒑𝒌 𝑷𝟐𝒌
𝒌 +𝑷𝒌
Solución:
𝟐𝒑𝒌 𝑷𝒌
𝑷𝟐𝒌 = 𝒑 si: 𝒌 = 𝟒
𝒌 +𝑷𝒌
𝜋 𝜋
𝜋 2 [𝑘 sin ( 𝑘 )] [𝑘 tan ( 𝑘 )]
2𝑘 tan ( ) = 𝜋 𝜋
2𝑘 𝑘 sin ( 𝑘 ) + 𝑘 tan ( 𝑘 )
𝜋 𝜋
𝜋 2 [4 sin ( )] [4 tan ( )]
8 tan ( ) = 𝑘 𝑘
8 𝜋 𝜋
4 sin (4 ) + 4 tan ( 4 )
3.3137085 = 3.3137085
𝒑𝟐𝒌 = √𝒑𝒌 𝑷𝟐𝒌 si: 𝒌 = 𝟒

𝜋 𝜋 𝜋
2𝑘 sin ( ) = √[𝑘 sin ( ) × 2𝑘 tan ( )]
2𝑘 𝑘 2𝑘
𝜋 𝜋 𝜋
8 sin ( ) = √[4 sin ( ) × 8 tan ( )]
8 4 8
3.0614675 = 3.0614675
De acuerdo al ejercicio planteado deducimos que si 𝑘 ≥ 4 las sucesiones si satisfacen las
relaciones de recurrencia.
EJERCICO 15c. En el año 200 antes de Cristo, Arquímedes utilizó los semiperímetros de
polígonos regulares con k lados que inscriben y circunscriben el circulo unitario para aproximar
𝜋, es decir, la circunferencia de un semicírculo. Se puede usar la geometría para demostrar que la
secuencia de semiperímetros inscritos y circunscritos (𝑝𝑘 ) y (𝑃𝑘 ), respectivamente satisfacen:
𝜋 𝜋
𝑝𝑘 = 𝑘 sin ( 𝑘 ) y 𝑃𝑘 = 𝑘 tan( 𝑘 ) ; con 𝑝𝑘 < 𝜋 < 𝑃𝑘 siempre que 𝑘 ≥ 4
Demuestre que 𝑝4 = 2√2 y 𝑃4 = 4

SOLUCION
 Para 𝑝4
𝑝4 = 2√2
𝜋
2√2 = 4 sin ( )
4
2.8284271 = 2.8284271
 Para 𝑃4
𝑃4 = 4
𝜋
4 = 4 tan( 4 )
4=4
CONJUNTO
DE
EJERCICIOS
4.3
1.a
. Aproxime las siguientes integrales aplicando la regla del Trapecio
1
∫ 𝑥 4 𝑑𝑥
0.5
SOLUCIÓN
𝑥1
ℎ ℎ3 ′′
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑥0 ) + 𝑓(𝑥1 )] − 𝑓 (𝛿 )
𝑥0 2 12
𝑥0 = 𝑎 = 0.5 ; 𝑥1 = 𝑏 = 1 ; ℎ = 𝑥1 − 𝑥0 = 0.5 𝑑𝑜𝑛𝑑𝑒 𝛿 𝜖 (0.5; 1)

1
0.5 0.5
∫ 𝑥 4 𝑑𝑥 = [𝑓(0.5) + 𝑓(1)] → [(0.5)4 + (1)4 ] = 0.2656250 𝑠𝑜𝑙 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
0.5 2 2
1 1
𝑥5
4
1 5
∫ 𝑥 𝑑𝑥 = | → [1 − 0.55 ] = 0.1937500 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
0.5 5 0.5
5
1.b
Ejercicio 1b
Aproxime la siguiente integral aplicando la regla del trapecio.
𝟎.𝟓
𝟐
∫ 𝒅𝒙
𝟎 𝒙−𝟒
SOLUCIÓN
 Calculando el valor exacto de la integral
0.5
2 −3.5
∫ 𝑑𝑥 = 2. ln(𝑥 − 4) = 2(ln(−3.5) − ln(−4)) = 2. ln( )
0 𝑥−4 −4
𝟎.𝟓
𝟐
∫ 𝒅𝒙 = −𝟎. 𝟐𝟔𝟕𝟎𝟔𝟐𝟕𝟗 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟎 𝒙−𝟒
 Aplicando la regla del trapecio

x0 = 0
x1 = 0.5
h = x1 - x0 = 0.5
Fórmula de la regla del trapecio.

𝒙𝟏
𝒉 𝒉𝟑
∫ 𝒇(𝒙) 𝒅𝒙 ≈ (𝒇(𝒙𝟎 ) + 𝒇(𝒙𝟏 )) − ⋅ 𝒇′′ (𝝃), donde 𝝃 ∈ (𝒙𝟎 , 𝒙𝟏 )
𝟐 𝟏𝟐
𝒙𝟎
0.5
2 0.5
∫ 𝑑𝑥 ≈ (𝑓(0) + 𝑓(0.5))
0 𝑥−4 2
0.5
2 0.5 2 2
∫ 𝑑𝑥 ≈ ( + )
0 𝑥−4 2 −4 0.5 − 4
0.5
2 1 2
∫ 𝑑𝑥 ≈ 0.25 (− − )
0 𝑥−4 2 3.5
𝟎.𝟓
2
∫ 𝒅𝒙 ≈ −𝟎. 𝟐𝟔𝟕𝟖𝟓𝟕𝟏𝟒 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟎 𝑥−4
𝑬𝒓𝒓𝒐𝒓 = |(−𝟎. 𝟐𝟔𝟕𝟎𝟔𝟐𝟕𝟗) − (−𝟎. 𝟐𝟔𝟕𝟖𝟓𝟕𝟏𝟒)| = 𝟎. 𝟎𝟎𝟎𝟕𝟗𝟒𝟑𝟓
1.c
Aproxime la siguiente integral aplicando la regla del trapecio:
1.5
∫1 𝑥 2 ln 𝑥 𝑑𝑥
SOLUCION
𝑋 ℎ
∫𝑋0 𝑓(𝑥) 𝑑𝑥 = 2 [𝑓(𝑋0 ) + 𝑓(𝑋1 )]
𝑋0 = 1 ; 𝑋1 = 1.5; ℎ = 𝑋1 − 𝑋0 = 1.5 − 1 = 0.5

1.5 0.5
∫1 𝑥 2 ln 𝑥 𝑑𝑥 ≈ 2
[12 ln 1 + 1.52 ln 1.5] = 0.2280741 → 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
Calculamos la solución exacta:

1.5
Utilizamos la integración por partes:

1
ln 𝑥 = 𝑢 → 𝑑𝑢 = 𝑥 𝑑𝑥
𝑥3
𝑑𝑣 = 𝑥 2 𝑑𝑥 → 𝑣 = 3
𝑥 3 ln 𝑥 𝑥3 1 𝑥 3 ln 𝑥 𝑥3
𝐼 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢 = −∫ 𝑑𝑥 = −
3 3 𝑥 3 9
] 1.5 = 0.1922594 → 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎.

1.5 𝑥 3 ln 𝑥 𝑥3
∫1 𝑥 2 ln 𝑥 𝑑𝑥 = [ −
3 9 1
1.d
1d. Aproxime las siguientes integrales aplicando la regla del Trapecio
1
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥
0
Solución
𝑏 ℎ ℎ3
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 12 𝑓"(𝜀); 𝑑𝑜𝑛𝑑𝑒 𝜀 ∈ (𝑥0 , 𝑥1 )
ℎ = 𝑏−𝑎
ℎ = 1−0
ℎ=1
Aplicando la regla del trapecio para 𝑥0 = 0 𝑦 𝑥1 = 1

1
1 1
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(0) + 𝑓 (1)] = [(0)2 𝑒 −0 + (1)2 𝑒 −1 ] = 0.1839397
0 2 2
Cálculo del valor real:
1
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 𝑒 −𝑥 (−𝑥 2 − 2𝑥 − 2)|12 = 0.16066028
0
1.e
aproxime la siguiente integral aplicando la regla del trapecio
1.6
2𝑥
𝑒. ∫ 𝑑𝑥
1 𝑥2 −4
Solución
Aplicando la regla del trapecio tenemos:
𝑥1
ℎ ℎ3
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓 (𝑥1 )] − 𝑓 ′′ (𝛿 )
𝑥0 2 12
𝑥0 = 1; 𝑥1 = 1.6; ℎ = 𝑥1 − 𝑥0 = 0.6 ; 1 < 𝛿 < 1.6

1.6
2 0.6
∫ 𝑑𝑥 ≈ [𝑓 (1) + 𝑓(1.6)]
1 𝑥2 − 4 2
1.6
2 0.6 −2 20
∫ 𝑑𝑥 ≈ [ − ]
1 𝑥2 −4 2 3 9
1.6
2
∫ 𝑑𝑥 ≈ −0.8666667
1 𝑥2 −4
Ahora calcularemos el valor real
1.6
2
∫ 𝑑𝑥
1 𝑥2 − 4
1.6
2
∫ 𝑑𝑥 = − 0.5493061
1 𝑥2 − 4
Error real seria:
𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = −0.5493061 − (−0.8666667) = 0.317360
Error aproximado
ℎ3
𝐸𝑎 = | 𝑓 ′′ (𝛿 )|
12
ℎ3 ′′
𝐸𝑎 = |𝑓 (𝛿 )|
12
2
𝑓(𝑥) =
𝑥2 − 4
2(𝑥 2 + 4)
𝑓 ′ (𝑥 ) = −
(𝑥 2 − 4)2
4𝑥(𝑥 2 + 12)
𝑓 ′′ (𝑥 ) =
(𝑥 2 − 4)3
4𝛿 (𝛿 2 + 12)
𝑓 ′′ (𝛿 ) =
(𝛿 2 − 4)3
4 ∗ 1(12 + 12)
𝑓 ′′ (1) = = −1.9259259
(12 − 4)3
4 ∗ 1.6(1.62 + 12)
𝑓 ′′ (1.6) = = −31.2071331
(1.62 − 4)3
ℎ3 ′′
𝐸𝑎 = |𝑓 (𝛿 )|
12
ℎ3 ′′ ℎ3 ′′
|𝑓 (1)| < 𝐸𝑎 < |𝑓 (1.6)|
12 12
ℎ3 ℎ3
|−1.9259259| < 𝐸𝑎 < |−31.2071331|
12 12
0.63 0.63
|−1.9259259| < 𝐸𝑎 < |−31.2071331|
12 12
0.0346667 < 𝐸𝑎 < 0.5617284
quintana
1.f
Aproxime las siguientes integrales aplicando la regla del trapecio.
0.35
2 𝑏
ℎ ℎ3
𝑓) ∫ ( ) 𝑑𝑥𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛: ∫ 𝑓(𝑥) 𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 𝑓•• (𝐸)ℎ = 𝑏 − 𝑎ℎ = 0.35 − 0
0 𝑥2 − 4 𝑎 2 12
0.35
2 0.35
= 0.35𝐴𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜𝑙𝑎𝑟𝑒𝑔𝑙𝑎𝑑𝑒𝑙𝑡𝑟𝑎𝑝𝑒𝑐𝑖𝑜𝑝𝑎𝑟𝑎: 𝑥0 = 0𝑥1 = 0.35 ∫ ( ) 𝑑𝑥 ≈ [𝑓(0) + 𝑓(0.35)]
0 𝑥2 − 4 2
2 2
= 0.175 [ 2 + ] = −0.177643
0 −4 0.352 − 4
0.35
2
𝐶𝑎𝑙𝑐𝑢𝑙𝑜𝑑𝑒𝑙𝑣𝑎𝑙𝑜𝑟𝑟𝑒𝑎𝑙: ∫ ( ) 𝑑𝑥 = −0.1768200
0 𝑥2 −4
1.g
Aproxime las siguientes integrales aplicando la regla del trapecio.

𝜋⁄
4
g. ∫0 𝑥𝑠𝑒𝑛𝑥𝑑𝑥
𝑥 1 ℎ ℎ3
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 12 𝑓"(𝜉), 𝑥0 < 𝜉 < 𝑥1
𝜋
𝜋 𝑥1 −𝑥0 −0 𝜋
4
𝑥0 = 0 , 𝑥1 = , n=1 ℎ= = =
4 𝑛 1 4
𝜋
𝜋⁄ 𝜋 𝜋 𝜋 𝜋
∫0 4 𝑥𝑠𝑒𝑛𝑥𝑑𝑥 = 4
2
[𝑓(0) + 𝑓( )] = [0 + sin ( )] = 0.2180895 (valor aproximado)
4 8 4 4
𝜋 𝜋⁄
4 𝜋 𝜋 𝜋
∫04 𝑥𝑠𝑒𝑛𝑥𝑑𝑥 = (sin 𝑥 − 𝑥 cos 𝑥 )0 = sin ( 4 ) − 4 cos ( 4 )=0.1517464 (valor exacto)
𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 = |0.2180895 − 0.1517464| = 0.0663431

Aplicando la formula del error
𝜋 3
ℎ3 (4 ) 𝜋3
𝑓"(𝜉) = 𝑓 ξ =
( ) f"(𝜉)
12 12 768
𝑥1
1
𝑓"(𝜉) = ∫ 𝑓"(𝑥)𝑑𝑥
𝑥1 − 𝑥0 𝑥0
𝑓"(𝑥) = 2 cos 𝑥 − 𝑥 sin 𝑥

𝜋⁄
1 4 4 𝜋⁄
𝑓"(𝜉) = 𝜋 ∫ (2 cos 𝑥 − 𝑥 sin 𝑥)𝑑𝑥 = (sin 𝑥 + 𝑥 cos 𝑥 )0 4 = 1.6074231
− 0 0 𝜋
4
𝜋 3
ℎ 3 ( 4 ) (1.6074231)
𝑒𝑟𝑟𝑜𝑟 = |− 𝑓"(𝜉)| = = 0.0648961
12 12
1.h
Aproxime las siguientes integrales usando el método del trapecio.

h. 
0
4
x 2e x sin(2 x)dx
h h5
 f ( x0 )  4 f ( x1 )  f ( x2 )  * f (4) ( )
b
a
f ( x)dx 
3 90

x0  a  0 x2  b 
4

0
ba   
h h 4 h x1  a  h  0  
2 2 8 8 8
  
1   30 3*  3  
4 3x
0
e *sin(2 x)dx  * e
3 8
*sin(2*0)  4e 8
*sin(2* )  e
8
4
*sin(2* )   2.583696403
4 
Calculamos el valor real de la función.


0
4
e3 x *sin(2 x)dx  2.588628633
Error  2.588628633  2.583696403  0.004932230
2.a
Obtenga una cota del error en el ejercicio 1 aplicando la fórmula de error y compárela con
el error real.
1
a. ∫0.5 𝑥 4 𝑑𝑥
solución
Recordamos que la formula de error en la regla del trapecio viene dada por:
ℎ3 ′′
𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 𝑓 (𝜉 ), 𝑑𝑜𝑛𝑑𝑒 ℎ = 𝑥0 − 𝑥1 ; 𝜉 𝑑𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 (𝑥0 ; 𝑥1 )
12
Consideramos la integral:
1
∫ 𝑥 4 𝑑𝑥
0.5
Dejemos 𝑓(𝑥 4 ); 𝑥0 = 0.5 𝑦 𝑥1 = 1; entonces, que el periodo sea.

ℎ = 𝑥0 − 𝑥1
ℎ = 1 − 0.5 ⟹ ℎ = 0.5
Ahora calculamos el valor real de la integral dada.
1 𝑥5 𝑥 𝑛+1
∫0.5 𝑥 4 𝑑𝑥 = │10.5 desde ∫ 𝑥 𝑛 𝑑𝑥 =
5 𝑛+1
1
1 1 1
∫ 𝑥 4 𝑑𝑥 = [1 − (0.5)5 ] = [1 − 0.03125] = (0.96875)
0.5 5 5 5
1
∫ 𝑥 4 𝑑𝑥 = 0.19375
0.5
1
Entonces el valor real de ∫0.5 𝑥 4 𝑑𝑥 es 0.19375
Por lo tanto, calculamos el valor estimado para la integral dad, usando la regla del
trapecio:
𝑏
ℎ
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑎) + 𝑓(𝑏)], 𝑑𝑜𝑛𝑑𝑒 ℎ = 𝑏 − 𝑎 ⟹ ℎ = 0.5
𝑎 2
𝑓 (𝑥 ) = 𝑥 4
1
0.5 1
∫ 𝑥 4 𝑑𝑥 = [𝑓 (0.5) + 𝑓 (1)] = (0.0625 + 1)
0.5 2 4
1 1
1.0625
∫ 𝑥 4 𝑑𝑥 = ⟹ ∫ 𝑥 4 𝑑𝑥 = 0.265625
0.5 4 0.5
Por lo tanto el valor aproximado de la integral dad es de 0.265625

1
Aquí, el valor real para la integral dad ∫0.5 𝑥 4 𝑑𝑥 es de 0.19375, pero el valor estimado
usando la regla del trapecio es de 0.265625, entonces el error real es:
Error real = 2.265625 – 0.19375 ⟹ Error real = 0.071875
Y una cota para el error será:
ℎ3 ′′
𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 𝑓 (𝜉 )
12
(0.5)3
𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = [12(𝜉 )2 ]0.5<𝜉<1
12
𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 0.125 ; 𝑙𝑙𝑒𝑣𝑎𝑟 ; 𝜉 = 1
Por lo tanto él; Error real = 0.071875 y de la 𝐶𝑜𝑡𝑎 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 0.125
2.b
obtenga una cota del error en el ejercicio 1 aplicando la fórmula de error y compárela con el
error real.
0.5 2
b. ∫0 𝑑𝑥
𝑥−4
aplicando la regla del trapecio.

𝑥1
ℎ ℎ3 h3
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓 (𝑥1 ) − 𝑓 " (𝜉)] − f"(𝜉 )
𝑥0 2 12 12
2
𝑓(𝑥) =
𝑥−4
𝑥0 = 0 𝑥1 = 0.5 donde ℎ = 𝑥1 − 𝑥0 = 0.5 − 0 = 0.5
0.5 2 ℎ 0.5 2 2
∫0 𝑑𝑥 = 2 [𝑓(0) + 𝑓(0.5)] = [ + 0.5−4] = −0.2678571 (solución
𝑥−4 2 0−4
aproximada)
0.5 2
∫0 𝑥−4 𝑑𝑥 = [2 ∗ ln|𝑥 − 4|]0.5
0 = 2 ∗ (𝑙𝑛|0.5 − 4| − 𝑙𝑛|0 − 4|) = −0.2670628
(solución exacta)
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 = ⎸ − 0.2670628 − (−0.2678571)⎸ = 7.943 × 10−4
Aplicando la fórmula de la cota de error
 𝑠𝑒 𝑠𝑎𝑣𝑒 𝑞𝑢𝑒 0 < 𝜉 < 0.5 ; 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝜉 = 𝑥
2 4
𝑓 " (𝑥−4) 𝑑𝑥 = (𝑥−4)3
h3 2 0.53 4
𝑒𝑟𝑟𝑜𝑟 = 12 f" (𝑥−4) 𝑑𝑥 = ((0.5−4)3 ) = ⎸ − 9.718 × 10−4 ⎸ = 9.718 × 10−4
12
2.c
Obtenga una cota de error del ejercicio 1 aplicada la formula del error y compárela con el
valor real.
x2  ln x  dx  valor real = 0.1922594
1.5
c) 1
Solución
Regla del trapecio
b  a 1.5  1
Para n  1  h    0.5
1 1
h h3
f  x  dx   f  x0   f  x1   f n   
x1
x0 2 12
h 0.5 0.5
 x 2  ln x  dx   f  x0   f  x1     f 1  f 1.5     0  0.9122965 
1.5
1 2 2 2
x2  ln x  dx  0.2280741
1.5
1
Error real =0.2280741-0.1922594=0.0358147
 Se sabe que 1<  <1.5 ;  =x

La segunda derivada de f ( x (ln x))  2ln( x)  3
n 2
h3 n 2
f ( (ln  ))d 
12
0.53
(2 ln( x)  3
12
ERROR  0.0366972
2.d
2.d
Obtenga una cota del error en el ejercicio 1 aplicando la fórmula de error y compárela con
el error real.
1
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥
0
5
Valor real es = − + 2 = 0.1606028
𝑒
Regla del trapecio.
Para 𝑛 = 1
𝑏−𝑎 1−0
ℎ= = =1
1 1
𝑥1
ℎ ℎ3
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑥0 ) + 𝑓 (𝑥1 )] − 𝑓′′()
𝑥0 2 12
1
ℎ 1
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = [𝑓 (𝑥0 ) + 𝑓 (𝑥1 )] = [𝑓(0) + 𝑓 (1)]
0 2 2
1
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 0.1839397
0
Error real:
0.1839397 − 0.1606028 = 0.0233369
Sabemos que:
0<<1 ; =x
La segunda derivada de: 𝑓´´(𝑥 2 𝑒 −𝑥 ) = 𝑒 −𝑥 𝑥 2 − 4𝑒 −𝑥 𝑥 + 2𝑒 −𝑥
ℎ3 13
𝑓´´(2 𝑒 − )𝑑 = 𝑓´´(𝑥 2 𝑒 −𝑥 )𝑑𝑥
12 12
13 −𝑥 2
(𝑒 𝑥 − 4𝑒 −𝑥 𝑥 + 2𝑒 −𝑥 )
12
13 −0 2
(𝑒 (0) − 4𝑒 −0 (0) + 2𝑒 −0 )
12
13
(2) = 0.1666667
12
𝐸𝑟𝑟𝑜𝑟 = 0.1666667
2.e
Obtenga una cota del error en el ejercicio 1 aplicando la formula de error y compárela con
el error real.
1.6
2𝑥
e. ∫ 𝑑𝑥, 𝑉𝑎𝑙𝑜𝑟 𝑅𝑒𝑎𝑙 = −0.7339692
𝑥 2−4
1
Regla del Trapecio:

𝑏−𝑎 1.6−1
Para 𝑛 = 1 → ℎ = = = 0.6
1 1
𝑥1
ℎ ℎ3
∫ 𝑓 (𝑥) 𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓 (𝑥1 )] − 𝑓 ′′ (𝜉 )
𝑥0 2 12
1.6
2𝑥 ℎ
∫ 𝑑𝑥 = [𝑓 (𝑥0 ) + 𝑓(𝑥1 )]
1 𝑥2−4 2
0⋅6
= [𝑓(1) − 𝑓(1.6)]
2
= −0.8666667
𝐸𝑟𝑟𝑜𝑟 𝑅𝑒𝑎𝑙 = |−0.8666667 − (−0.7339692 )| = 0.1326975
(𝑏−𝑎)3
Error para la Regla del Trapecio: |− 𝑓 ′′ (𝜉 )|, 1 < 𝜉 < 1.6
12
2𝑥
𝑓 (𝑥 ) =
𝑥2 − 4
2(−4 − 𝑥 2 )
𝑓 ′ (𝑥 ) =
(−4 + 𝑥 2 )2
4𝑥(−12 − 𝑥 2 )
𝑓′′(𝑥) = −
(−4 + 𝑥 2 )3
Punto máximo de la 𝑓′′(𝑥), es cuando x=1:
4(1)(−12 − 12 )
𝑓 ′′ (1) = − = −1.9259259
(−4 + 12 )3
|𝑓 ′′ (𝑥 )| ≤ 1.9259259, ∀𝑥 ∈]1; 1.6[
(𝑏−𝑎)3 (0.6)3
|− 𝑓 ′′ (𝜉 )|=|− 1.9259259| = 0.0346667
12 12
2.f
Obtenga una cota de error del ejercicio 1 aplicada la formula del error y compárela con el
valor real.
𝟎.𝟑𝟓
𝟐
∫ 𝟐
𝒅𝒙 → 𝒗𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍 = −0.1768200
𝟎 𝒙 −𝟒
𝑹𝒆𝒈𝒍𝒂 𝒅𝒆𝒍 𝒕𝒓𝒂𝒑𝒆𝒄𝒊𝒐
𝑏−𝑎 0.35 − 0
𝑷𝒂𝒓𝒂 𝑛 = 1 → ℎ = = = 0.35
1 1
𝑥1
ℎ ℎ3
∫ 𝑓(𝑥)ⅆ𝑥 = [𝑓(𝑥0) + 𝑓(𝑥1) ] − 𝑓´´(𝜉 )
𝑥2 2 12
0.35
2 ℎ 0.35
∫ 𝑑𝑥 = [𝑓(𝑥0) + 𝑓(𝑥1) ] = [𝑓(0) + 𝑓(0.35) ] = −0.1777643
0 𝑥2 −4 2 2
0.35
2
∫ 𝑑𝑥 = −0.1777643
0 𝑥2 − 4
𝑬𝒓𝒓𝒐𝒓 𝒓𝒆𝒂𝒍 = −0.1777643 − (−0.1768200) = 9.443x10−4
 𝑠𝑒 𝑠𝑎𝑏𝑒 𝑞𝑢𝑒 0 < 𝜉 > 0.35 ; 𝜉=𝑥
2 4(−3𝑥 2 −4)
 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑑𝑒 𝑓´´ 𝑥 2−4 𝑑𝑥 = − (𝑥 2−4)3
ℎ3 2 0.53 2 0.353 4(−3(𝑥 )2 − 4

𝑓´´ ( 2 ) 𝑑𝜉 = 𝑓´´ ( 2 ) 𝑑𝑥 = ( )
12 𝜉 −4 12 𝑥 −4 12 (𝑥 2 − 4)3
0.353 4(−3(0.35)2 − 4
= ( )
12 (0.352 − 4)3
𝐸𝑟𝑟𝑜𝑟 = |−0.0010707| = 1.0707𝑥10−3

2.g
𝑂𝑏𝑡𝑒𝑛𝑔𝑎 𝑢𝑛𝑎 𝑐𝑜𝑡𝑎 𝑑𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 1 aplicando la fórmula de error y compárela con el error
real
𝜋⁄
4
∫ 𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥 = ( 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙) :
0
𝜋⁄ 𝜋⁄
4 4
Propiedad: ∫ 𝜇𝑑𝑣 = 𝜇𝑣 − ∫ 𝑑𝜇𝑣 ∫0 𝑠𝑒𝑛(𝑥) − ∫0 𝑥𝑐𝑜𝑠(𝑥 )
𝜋⁄
4 1 𝜋
∫ 𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥 = − = 0.1517464139
0 √2 4√2
Aplicamos la regla del trapecio:

𝑏−𝑎 (𝜋⁄4)−0 𝜋
Para n=1 → h = = =
1 1 4
𝑥1 ℎ ℎ3
∫𝑥0 𝑓 (𝑥 )𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 12 𝑓 " (𝜁 )
𝜋⁄ ℎ (𝜋⁄4)
∫0 4
𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓(𝑥1 )]= [𝑓(0) + (𝑓(𝜋⁄4)] = 0.2180895062
2 2
𝜋⁄
4
∫0 𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥 =0.2180895
Error real: 0.2180895062 – 0.1517464 =0.066343106
Se sabe que 0<𝜉 < 𝜋⁄4 ; 𝜉=x 𝑓 ∗ (𝑥 ) = 𝑥𝑠𝑒𝑛(𝑥 ) = 𝑠𝑒𝑛(𝑥 ) + 𝑥𝑐𝑜𝑠(𝑥 )
𝑓 ∗∗ (𝑥 ) = 𝑐𝑜𝑠(𝑥 ) − 𝑠𝑒𝑛(𝑥 ) + 𝑐𝑜𝑠(𝑥 ) = 2 𝑐𝑜𝑠(𝑥 ) − 𝑠𝑒𝑛(𝑥)
la segunda derivada de 𝑓 " (𝑥𝑠𝑒𝑛(𝑥))𝑑𝑥 = 2𝑐𝑜𝑠(𝑥 ) − 𝑥𝑠𝑖𝑛(𝑥)

3
ℎ3 " (𝜋⁄4) 𝜋3
𝑓 (𝜉 )𝑑𝜉 = 𝑓 " (𝑥𝑠𝑒𝑛(𝑥))𝑑𝑥 = (2 𝑐𝑜𝑠(𝑥 ) − 𝑥𝑠𝑖𝑛(𝑥))
12 12 768
𝜋3
= 768 (2 𝑐𝑜𝑠(0) − 0𝑠𝑖𝑛(0))= 0.080745512
ERROR= 0.080745512
2.h
2. Obtenga una cota de error en el ejercicio 1 aplicando la formula de error y compárela con
el error real.
𝜋/4 3𝑒 3𝜋/4+2
h. ∫0 𝑒 3𝑥 𝑠𝑒𝑛(2𝑥)𝑑𝑥 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 = = 2.5886286
13
Regla del trapecio

𝑏−𝛼 (𝜋/4)−0 𝜋
Para 𝑛 = 1 → ℎ = = =
1 1 4
𝜋/4 ℎ ℎ3
∫0 𝑓(𝑥) 𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 12 𝑓´´(𝜉)
𝜋/4 ℎ (𝜋/4)
∫0 𝑒 3𝑥 𝑠𝑒𝑛(2𝑥)𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] = [𝑓(0) + 𝑓(𝜋/4)]
2
𝜋/4
∫ 𝑒 3𝑥 𝑠𝑒𝑛(2𝑥)𝑑𝑥 = 4.1432597
0
Error real = 4.1432597 − 2.5886286 = 1.5546311

Se sabe que 0 < 𝜉 < 𝜋/4 ; 𝜉=𝑥
La segunda derivada de 𝑓´´𝑒 3𝑥 𝑠𝑒𝑛(2𝑥)𝑑𝑥 = 5𝑒 3𝑥 𝑠𝑖𝑛(2𝑥) + 12𝑒 3𝑥 𝑐𝑜𝑠(2𝑥)
ℎ3 (𝜋/4)3
𝑓´´(𝑒 3𝜉 𝑠𝑒𝑛(2𝜉))𝑑𝜉 = (5𝑒 3𝑥 𝑠𝑒𝑛(2𝑥) + 12𝑒 3𝑥 𝑐𝑜𝑠(2𝑥))
12 12
Error = 2.1298090
3.a
Repita el ejercicio 1 aplicando la regla de Simpson
1
A) →∫0.5 𝑥 4 dx
𝑏 ℎ ℎ5
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 3 ⟮𝒇(𝑥0 ) +4 𝒇(𝑥1 ) + 𝒇(𝑥2 )⟯ - 90 𝑓 4 (↋)
𝑏−𝑎
𝑥0 = a = 0.5 ; 𝑥2 =b =1 ; h = = 0.25 ; 𝑥1 = 𝑥0 + h = 0.75
2
1 0.25
∫0.5 𝑥 4 dx = 3
⟮𝒇(0.5) +4 𝒇(0.75) + 𝒇(1)⟯
1 0.25
∫0.5 𝑥 4 dx = 3
⟮(0.5)4 +4 (0.75)4 + (1)4 ⟯
1
∫0.5 𝑥 4 dx= 0.1940104
1
Valor real ∫0.5 𝑥 4 dx = 0.1937500
Error: ⎸0.1937500 – 0.1940104 ⎸= 0.0003
3.b
aplicar la regla de Simpson.
0.5 2
b. ∫0 𝑑(𝑥)
𝑥−4
𝑏
ℎ ℎ5 (4)
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓 (𝑥1 ) + 𝑓 (𝑥2 )] − 𝑓 (𝜁)
𝑎 3 90
𝑏−𝑎
𝑥0 = 𝑎 = 0 𝑥2 = 𝑏 = 0.5 ℎ = = 0.25 𝑥1 = 𝑥0 + ℎ = 0.25
2
0.5 2 0.25
∫0 𝑑 (𝑥 ) = [𝑓(0) + 4𝑓(0.25) + 𝑓(0.5)]
𝑥−4 3
0.5 2 0.25 2 2 2
∫0 𝑑 (𝑥 ) = [ + 4 (0.25−4) + 0.5−4]
𝑥−4 3 0−4
0.5 2
∫0 𝑑(𝑥 ) = −0.2670635
𝑥−4
0.5 2
𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 ∫0 𝑑(𝑥 ) = −0.2670628
𝑥−4
𝑒𝑟𝑟𝑜𝑟: |−0.2670628 − (−0.2670635)| = 0.0000007
3.c
3.d
Repita el ejercicio I aplicando la regla de Simpson.

Ejercicio 3d.
𝟏
∫ 𝒙𝟐 𝓮−𝒙 𝒅𝒙
𝟎
Solución:
𝒃
𝒉 𝒉𝟓 (𝟒)
∫ 𝒇(𝒙)𝒅𝒙 = [𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 )] − 𝒇 (Ę )
𝒂 𝟑 𝟗𝟎
𝒃−𝒂 𝟏−𝟎
𝒂 = 𝒙𝟎 = 𝟎 𝒉= = = 𝟎. 𝟓
𝒏 𝟐
𝒃 = 𝒙𝟐 = 𝟏 𝒏 = 𝒑𝒂𝒓 = 𝟐
𝒙𝟏 = 𝒙𝟎 + 𝒉 = 𝟎 + 𝟎. 𝟓 = 𝟎. 𝟓 𝒇(𝒙) = 𝒙𝟐 𝓮−𝒙
Reemplazando se obtiene.
𝟏 𝟎.𝟓
∫𝟎 𝒙𝟐 𝓮−𝒙 𝒅𝒙 = 𝟑
[𝒇(𝟎) + 𝟒𝒇(𝟎. 𝟓) + 𝒇(𝟏)]
𝟏 𝟎.𝟓
∫𝟎 𝒙𝟐 𝓮−𝒙 𝒅𝒙 = 𝟑
[𝟎𝟐 𝓮−𝟎 + 𝟒(𝟎. 𝟓𝟐 𝓮−𝟎.𝟓 ) + 𝟏𝟐 𝓮−𝟏 ]
𝟏
∫𝟎 𝒙𝟐 𝓮−𝒙 𝒅𝒙 = 𝟎. 𝟏𝟔𝟐𝟒𝟎𝟏𝟕
3.f
𝑹𝒆𝒑𝒊𝒕𝒂 𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒄𝒐 𝟏 𝒂𝒑𝒍𝒊𝒄𝒂𝒏𝒅𝒐 𝒍𝒂 𝒓𝒆𝒈𝒍𝒂 𝒅𝒆 𝑺𝒊𝒎𝒑𝒔𝒐𝒏
0.35
2
∫ 𝑑𝑥
0 𝑥2 − 4
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑎𝑑𝑎:
𝑑𝑥 1 1
∫ = ln|𝑥 − 𝑎| − ln|𝑥 + 𝑎| + 𝑐
𝑥2 −𝑎 2 2𝑎 2𝑎
0.35 0.35
2𝑑𝑥 2𝑑𝑥 2 ln|𝑥 − 2| 2 ln|𝑥 + 2| 0.35
∫ = ∫ = [ − ]
0 𝑥2 − 4 0 𝑥 2 − 22 2(2) 2(2) 0
ln|0.35 − 2| ln|0.35 + 2| ln|0 − 2| ln|0 + 2|

[ − ]−[ − ] = −0.1768200201
2 2 2 2
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑙𝑎 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛

𝑥0 = 𝑎 = 0 𝑥1 = 𝑏 = 0.35
𝑏 − 𝑎 0.35 − 0
ℎ= = = 0.175 ; 𝑥1 = 𝑥0 + ℎ → 𝑥1 = 0 + 0.175 → 𝑥1 = 0.175
2 2
𝑏
ℎ ℎ(4)
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(0) + 4𝑓 (𝑥1 ) + 𝑓(𝑥2 )] − ∗ 𝑓 (4) (𝜉)
𝑎 3 90
0.35
2 0.175 2 2 2
∫ 𝑑𝑥 = [ 2 +4∗ + ]
0 𝑥2 −4 3 0 −4 0.175 − 4 0.352 − 4
2
0.35
2
∫ 𝑑𝑥 = −0.1768215692
0 𝑥2 −4
𝐸𝑅𝑅𝑂𝑅 = |−0.1768200201 − (−0.1768215692)| = 0.0000015491
3.g
3.h
𝑹𝒆𝒑𝒊𝒕𝒂 𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒐 𝟏 𝒂𝒑𝒍𝒊𝒄𝒂𝒏𝒅𝒐 𝒍𝒂 𝒓𝒆𝒈𝒍𝒂 𝒅𝒆 𝑺𝒊𝒎𝒑𝒔𝒐𝒏
𝑆𝑒 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙:
𝜋
4
∫ 𝑒 3𝑥 𝑠𝑖𝑛2𝑥𝑑𝑥
0
𝜋
𝐷𝑒𝑗𝑒𝑚𝑜𝑠 𝑓(𝑥 ) = 𝑒 𝑥 𝑠𝑖𝑛2𝑥, 𝑥0 = 0 𝑦 𝑥2 = ; 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑠𝑒𝑟á:
4
𝜋
𝑥2 − 𝑥0 4 − 0 𝜋
ℎ= = = = 0.3925
2 2 8
⇒ 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙 𝑠𝑒 𝑐𝑜𝑛𝑣𝑖𝑒𝑟𝑡𝑒 𝑒𝑛:
𝜋
4
0.3925 𝜋 𝜋
∫ 𝑒 3𝑥 𝑠𝑖𝑛2𝑥𝑑𝑥 = [𝑓(0) + 4𝑓 ( ) + 𝑓 ( )]
3 8 4
0
= (0.13083333)[0 + 4.969141964 + 10.53812886]

= (0.13083333)(15.50727082)
= 2.028867928
𝜋
4
∴ 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 𝑑𝑒 𝑙𝑎 ∫ 𝑒 3𝑥 𝑠𝑖𝑛2𝑥𝑑𝑥 𝑒𝑠 𝟐. 𝟎𝟐𝟖𝟖𝟔𝟕𝟗𝟐𝟖

0
4.a
4. a. repita el ejercicio 1 usando la regla de Simpson.
1
∫ 𝑥 4 𝑑𝑥
0.5
SOLUCIÓN
𝑋2
ℎ ℎ5
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑋0 ) + 4𝑓(𝑋1 ) + 𝑓(𝑋2 )] − . 𝑓 4 (𝐸𝑠)
𝑋𝑂 3 90
𝑋2 −𝑋𝑂 1−0.5
𝑋0= 0.5 ; 𝑋2 = 1; ℎ = = = 0.25; 𝑋1 = 𝑋𝑜 + ℎ = 0.5 + 0.25 = 0.75
2 2
1
0.25 4
∫ 𝑋 4 𝑑𝑥 = [𝑋 𝑑𝑥 + 4(0.75)4 + 14 ] = 0.194010
0.5 3
4.b
aproxime la siguiente integral aplicando la regla de Simpson, obtenga una cota de error del
ejercicio aplicando la fórmula de error y compárela con el valor real.
0.5
2
𝑏. ∫ 𝑑𝑥
0 𝑥−4
Solución
Aplicando la regla de Simpson
𝑥2
ℎ ℎ5 4
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓 (𝑥1 ) + 𝑓(𝑥2 )] − 𝑓 (𝛿 )
𝑥0 3 90
𝑥2 − 𝑥0 0.5 − 0
𝑥0 = 0; 𝑥2 = 0.5; ℎ = = = 0.25 ; 𝑥1 = 𝑥0 + ℎ = 0.25
2 2
0.5
2 ℎ
∫ 𝑑𝑥 = [𝑓(0) + 4𝑓(0.25) + 𝑓(0.5)]
0 𝑥−4 3
0.5
2 0.25 −2 32 4
∫ 𝑑𝑥 = [ − − ]
0 𝑥−4 3 4 15 7
0.5
2
∫ 𝑑𝑥 = −0.267063
0 𝑥−4
Ahora obtendré el valor real de nuestra integral
0.5
ℎ5 4
∫ 𝑓 (𝛿 )𝑑𝑥
0 90
𝐿𝑛(𝑥 )
2𝐿𝑛(𝑥 − 4) = = −0.2670628
𝐿𝑛(4)
Ahora calcularemos el error real

𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = −0.2670628 − (−0.2670635) = 0.0000007
Ahora calcularemos el error aproximado
ℎ5
𝐸𝑎 = | 𝑓 4 (𝛿 )|
90
2
𝑓(𝑥) =
𝑥−4
2
𝑓 ′ (𝑥 ) = −
(𝑥 − 4)2
4
𝑓 ′′ (𝑥 ) =
(𝑥 − 4 )3
12
𝑓 ′′′ (𝑥 ) = −
(𝑥 − 4)4
48
𝑓 4 (𝑥 ) =
(𝑥 − 4 )5
48
𝑓 4 (𝛿 ) = (𝛿−4)5
Por lo tanto
ℎ5 ∗ 48
𝐸𝑎 = | |
90 ∗ (𝛿 − 4)5
Si, 𝑥0 < 𝛿 < 𝑥2

0 < 𝛿 < 0.5
0 − 4 < 𝛿 − 4 < 0.5 − 4
−4 < 𝛿 − 4 < −3.5
−4−5 < (𝛿 − 4)−5 < −3.5−5
1 1 1
5
< 5
<
−3.5 (𝛿 − 4 ) −45
48 48 48
< <
−3.55 (𝛿 − 4)5 −45
48 ∗ ℎ5 48 ∗ ℎ5 48 ∗ ℎ5
| |<| |<| |
90 ∗ −45 90 ∗ (𝛿 − 4)5 90 ∗ −3.55
48 ∗ ℎ5 48 ∗ ℎ5
| | < 𝐸𝑎 < | |
90 ∗ −45 90 ∗ −3.55
0.0000005 < 𝐸𝑎 < 0.0000010
4.c
𝑅𝑒𝑝𝑖𝑡𝑎 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 2 𝑢𝑠𝑎𝑛𝑑𝑜 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛 𝑦 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 3.
1,5
Valor real
1,5
c) ∫1 𝑥 2 ln 𝑥 𝑑𝑥 = 0,1922594
Método de Simpson para n=0

𝑏
ℎ ℎ5
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] − 𝑓 4 (𝐸); 𝐸 𝜖 (𝑥0 , 𝑥2 )
𝑎 3 90
𝑓 (𝑥 ) = 𝑥 2 ln 𝑥
𝑏−𝑎
𝑥0 = 𝑎 = 1 𝑥2 = 𝑏 = 1.5 ℎ=
𝑛
1.5−1
ℎ= = 0.25
𝑎
𝑥1 = 𝑥0 + ℎ → 𝑥1 = 1 + 0.250 = 1.250
1,5
ℎ 0.25
∫ 𝑥 2 ln 𝑥 𝑑𝑥 → [𝑓(𝑥0 ) + 4𝑓 (𝑥1 ) + 𝑓 (𝑥2 )] = ]𝑓(1) + 4𝑓(1.25) + 𝑓(1.5)]
1 3 3
𝑓 (1) = 12 ln(1) = 0 𝑓(1.25) = (1.25)2 ln(1.25) = 0.34866

𝑓 (1.5) = (1.5)2 = 0.9122965
1,5
0.25
∫ 𝑥 2 ln 𝑥 𝑑𝑥 ≈ [0 + 4(0.3486618 + 0.912265] = 0.1922453
1 3
𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 = 0.1922594 − 0.1922453 = 0.0000141

𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑠𝑢 𝑡𝑒𝑟𝑚𝑖𝑛𝑜 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
ℎ5 4
𝑓 (𝐸 ) ; 𝐸 = 𝑥 ; 1 < 𝐸 < 1.5 ; 𝑓(𝑥 ) = 𝑥 2 𝑙𝑛𝑥
90
2 2
𝑓 4 (𝑥 ) = − → 𝑓 4( )
𝐸 =
𝑥2 𝐸2
1 < 𝐸 < 1.5 = 12 < 𝐸 < 1.52 = 1 < 𝐸 2 < 2.25
2 2
𝑓 4 (𝐸 ) = − = − = −0.8888889
𝐸2 2.25
𝑟𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑚𝑜𝑠
ℎ5 4 0.255
− 𝑓 (𝐸 ) = − (−0.8888889)
90 90
= 0.0000096
∴ 𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 𝑚𝑒𝑡𝑜𝑑𝑜 𝑑𝑒 𝑠𝑖𝑚𝑠𝑜𝑛 𝑒𝑠 0.0000096
→ 0.1922453 + 0.0000096 = 0.1922549
𝐸𝑟𝑟𝑜𝑟 = 0.1922594 − 0.1922549 = 0.0000045
4.d
Repita el ejercicio 2 usando la regla de Simpson y los resultados del ejercicio 3.
1
d) ∫0 𝑥 2 𝑒 −𝑥 𝑑𝑥
𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
1
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 0.1606028
0
𝑀𝑒𝑡𝑜𝑑𝑜 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛 𝑝𝑎𝑟𝑎 𝑛 = 2

𝑏
ℎ ℎ5
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] − 𝑓 4 (𝜉 ); 𝜉𝜖 (𝑥0 , 𝑥2 )
𝑎 3 90
𝑓 (𝑥 ) = 𝑥 2 𝑒 −𝑥
𝑏−𝑎 1−0
𝑥0 = 𝑎 = 0 𝑥2 = 𝑏 = 1 ℎ= ℎ= = 0.5
𝑛 2
𝑥1 = 𝑥0 + ℎ 𝑥1 = 0.5
1
0.5
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 ≈ [𝑓(0) + 4𝑓(0.5) + 𝑓 (1)]
0 3
1
0.5
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 ≈ [0 + 4(0.1516327) + 0.3678794] = 0.1624017
0 3
𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 = 0.1606028 − 0.1624017 = −0.0017989

𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑛𝑑𝑜 𝑠𝑢 𝑡𝑒𝑟𝑚𝑖𝑛𝑜 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟
ℎ5 4
− 𝑓 (𝜉 ) ; 𝜉=𝑥 ; 0<𝜉<1 ; 𝑓(𝑥 ) = 𝑥 2 𝑒 −𝑥
90
𝑓 4 (𝑥 ) = 12𝑒 −𝑥 + 8𝑥𝑒 −𝑥 + 𝑥 2 𝑒 −𝑥 → 𝑓 4 (𝜉 ) = 12𝑒 −𝜉 + 8𝜉𝑒 −𝜉 + 𝜉 2 𝑒 −𝜉
𝑓 4 (1) = 12𝑒 −1 + 8(1)𝑒 −1 + (1)2 𝑒 −1 = 7.7254683
𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜:
ℎ5 4 0.55
− 𝑓 (𝜉 ) = − (7.7254683) = −0.0026825
90 90
∴ 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 𝑚𝑒𝑡𝑜𝑑𝑜 𝑑𝑒 𝑠𝑖𝑚𝑝𝑠𝑜𝑛 𝑒𝑠 − 0.0026825
→ 0.1624017 − 0.0026825 = 0.1597192
𝑒𝑟𝑟𝑜𝑟 = |0.1606028 − 0.1597192| = 0.000886
4.e
MÉTODO SIMPSON
4.f
4f) Repita el ejercicio 2 usando la regla de Simpson y los resultados del ejercicio 3
Considerando la integración
0.35
2
𝐼= ∫ 𝑑𝑥
𝑥2 −4
0
Entonces tomamos
𝑥0 = 0 , 𝑥1 = 0.175 , 𝑥2 = 0.35 𝑐𝑜𝑛 ℎ = 0,175
Por lo tanto según la regla de Simpson,
0.35
2
𝐼=∫ 𝑑𝑥 = -0.7391053391
𝑥 2−4
0
Ahora consideramos a
4(
768𝑥 4 576𝑥 2 48
𝑓 𝑥) = − +
(𝑥 2 − 4)5 (𝑥 2 − 4)4 (𝑥 2 − 4 )3
Por lo tanto, el error limite es
ℎ5
Error límite = 90 𝑓 4 (𝑥1 ) = 0.0000015306
Ahora calculamos la integración real analítica
0.35
2 1 𝑥 0⋅35
𝐼= ∫ 𝑑𝑥 = ( )| = −0.1768200201
𝑥2 − 4 tanh 2 0
0
Por lo tanto
regla de
Simpson valor actual error real límite de error
-0.1768216 -0.17682002 0.0000015491 0.0000015306
4.g
4.h
Referencia: ejercicio 2h; obtenga una cota de error en el ejercicio 1 aplicando la fórmula de
error y compárala con el error real.
Referencia: ejercicio 1h.
𝜋
4
∫ 𝑒 3𝑥 sin 2𝑥𝑑𝑥
0
La grafica nos ayuda a ver cómo está determinada nuestra integral
REGLA SE SIMPSON
termino de error
𝑥2
ℎ ℎ5 (4)
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] − 𝑓 (𝜉)
𝑥0 3 90
𝜋 𝜋
Sea: 0 = 𝑥0 ; = 𝑥2 ; 𝑥1 = 0 + ℎ ; ℎ = (𝑥2 − 𝑥0 )/2 ; 𝑥1 = ; ℎ = (𝜋⁄4 −
4 8
0)/2 = 𝜋⁄8
𝜋
4 𝜋 𝜋 𝜋
∫ 𝑒 3𝑥 sin(2𝑥 )𝑑𝑥 ≈ [𝑓(0) + 4𝑓 ( ) + 𝑓 ( )]
0 24 8 4
𝜋
= [0 + 4(2.296816) + 10.550724]
24
𝜋
𝜋
∫0 𝑒 3𝑥 sin(2𝑥 )𝑑𝑥 ≈
4
24
[19.737988] = 𝟐. 𝟓𝟖𝟑𝟔𝟗𝟕 solución aproximada
Valor real de la integral:
𝜋
∫04 𝑒 3𝑥 sin(2𝑥 )𝑑𝑥 = 𝟐. 𝟓𝟖𝟖𝟔𝟐𝟗 solución exacta
Error real = |valor real -valor aproximado| = |2.588629 – 2.583697| = 0.004932
Calculando su termino de error o cota de error.

ℎ5 (4) 𝜋
− 𝑓 (𝜉 ) 𝜉=𝑥 0<𝜉> 𝑓(𝑥) = 𝑒 3𝑥 sin(2𝑥)
90 4
𝑓 4 (𝑥) = −119𝑒 3𝑥 sin(2𝑥)
+ 120𝑒 3𝑥 cos(2𝑥 ) 𝑓 4 (𝑥 )
= −119𝑒 3𝜉 sin(2𝜉 ) + 120𝑒 3𝜉 cos(2𝜉)
𝜋 𝜋 𝜋 𝜋 𝜋
𝑓 4 ( ) = −119𝑒 34 sin (2 ) + 120𝑒 34 cos (2 ) = −1255.536165
4 4 4
Reemplazando:
ℎ5 4 (𝜋⁄8)^5
− 𝑓 (𝜉 ) = − ∗ −1255.536165 = 𝟎. 𝟏𝟑𝟎𝟐𝟖𝟑
90 90
La cota de error 0.130283.

Ejercicio 3. Repita el ejercicio 1 aplicando la regla de Simpson.
El error del ejercicio 3h: es 0.004932
5.a
5. Repita el ejercicio 1 aproxime aplicando la regla del punto medio.
𝟏
a. ∫𝟎.𝟓 𝒙𝟒 𝒅𝒙
𝑆𝑂𝐿𝑈𝐶𝐼𝑂𝑁:
Para resolver el ejercicio utilizaremos la fórmula del punto medio de Newton- Cotes, que se
expresa de la siguiente manera:
𝑛=0
𝑥1 ℎ3
∫𝑥−1 𝑓 (𝑥 ) 𝑑𝑥 = 2ℎ𝑓 (𝑥0 ) + 𝑓 ′′ (ξ), donde 𝑥−1 <ξ< 𝑥1
3
Tenemos los siguientes datos:

𝑥1 = 𝑏 = 1, 𝑥−1 = 𝑎 = 0.5
𝑏−𝑎
Además: 𝑥0 = 𝑎 + ℎ ; ℎ = 𝑛+2 ; 𝑓(𝑥 )𝑑𝑥 = 𝑥 4
Entonces:
1 − 0.5
ℎ= = 0.25 ; 𝑥0 = 0.5 + 0.25 = 0.75
0+2
Por lo tanto:
1
∫0.5 𝑥 4 𝑑𝑥 ≈ 2(0.25)𝑓(0.75) = 2(025)(0.75)4 = 0.15820313
1
Finalmente, la aproximación de ∫0.5 𝑥 4 𝑑𝑥 = 0.15820313
5.b
Aproxime las siguientes integrales aplicando la regla del punto medio.
0.5 2
0 x  4 dx
Sea 𝑓(𝑥) una función continua en un intervalo [𝑎, 𝑏], la regla del punto medio para
aproximar su integral en el mismo intervalo está dada por:
𝑏 𝑛
b−a
∫ 𝑓 (𝑥 )𝑑𝑥 ≈ ∑ 𝑓 (𝑥 𝑖 )
𝑎 n
𝑖=1
Donde cada 𝑥𝑖 es el punto medio del i-ésimo subintervalo [𝑥𝑖−1 , 𝑥𝑖 ] es decir:

(𝑥𝑖−1 + 𝑥𝑖 )
𝑥𝑖 =
2
Ahora sí, realizando nuestra integral definida por la regla del punto medio con 𝑛 = 2
obtenemos
0.5 2
2 0.5 − 0 0.5 0 + 1/4 1/4 + 1/2
∫ dx ≈ ∑ 𝑓 (𝑥 𝑖 ) = [𝑓 ( )+𝑓( )]
0 𝑥−4 2 2 2 2
𝑖=1
0.5 2 2
= [ + ]
2 2 ∗ 1/8 − 4 2 ∗ 3/8 − 4
56
=−
195
5.c
Repita el ejercicio 1 aplicando la regla del punto medio
Ejercicio 1
1.5
∫ 𝑥 2 𝑙𝑛𝑥 𝑑𝑥
1
Solución
𝑛=0
1 𝑥 ℎ3
∫𝑥−1 𝑓 (𝑥 ) 𝑑𝑥 = 2ℎ𝑓 (𝑥0 ) + 3
𝑓´´(𝜉 )
𝑏 − 𝑎 1.5 − (1)
𝑥−1 = 𝑎 = 1 𝑥1 = 𝑏 = 1.5 ℎ = = = 0.25 𝑥0 = 𝑎 + ℎ = 1.25
𝑛+2 0+2
𝑓 (𝑥0 ) = 𝑥 2 𝑙𝑛𝑥 = 𝑥0 2 𝑙𝑛𝑥0 = 0.3486618
Utilizamos la fórmula del punto medio
1.5
∫ 𝑥 2 𝑙𝑛𝑥 𝑑𝑥 ≈ 2ℎ𝑓(𝑥0 ) = 2(0.25)(0.3486618) = 𝟎. 𝟏𝟕𝟒𝟑𝟑𝟎𝟗
1
1.5
De la integral se obtuvo su aproximación ∫1 𝑥 2 𝑙𝑛𝑥 𝑑𝑥 = 0.1743309
5.d
Repita el ejercicio 1 usando la regla de Simpson.
Referencia: ejercicio 1
Aproxime las siguientes integrales usando la regla trapezoidal.
1
d. ∫0 𝑥 2 ℯ −𝑥 𝑑𝑥
SOLUCIÓN
La regla de Simpson viene dada por
𝑋1 ℎ
∫𝑋𝑜 𝑓(𝑥) 𝑑𝑥 = 3 [𝑓(𝑋𝑜) + 4𝑓 (𝑋1) + 𝑓(𝑋2)],
𝑋2−𝑋𝑜
donde ℎ = en el intervalo [ a, b].
2
1
Considerando la integral. ∫0 𝑥 2 ℯ −𝑥 𝑑𝑥
Dejemos 𝑓 (𝑥 ) = 𝑥 2 ℯ −𝑥 , Xo = 0, y X2 = 0
Entonces, que el periodo sea:
X2−Xo
h= 2
1−0
h= 2
1
h= 2
h = 0.5
Por lo tanto, la integral se convierte en:
1 0.5
∫0 𝑥 2 ℯ −𝑥 𝑑𝑥 = 3
[𝑓 (0) + 4𝑓(0.5) + 𝑓(1)]
1
= 6 [0 + 0.606530659 + 0.367879441]
0.97744101
= 6
= 0.16240168
Por lo tanto, el valor aproximado de la integral dada
1
∫0 𝑥 2 ℯ −𝑥 𝑑𝑥 es 0.16240168
5.e
repita el ejercicio 1 aplicando la regla del punto medio
𝑥1 ℎ3
𝑛=0 ∫𝑥−1 𝑓 (𝑥 )𝑑𝑥 = 2ℎ𝑓 (𝑥0 ) + 𝑓´´(), 𝑑𝑜𝑛𝑑𝑒  ∈ (𝑥−1 , 𝑥1 )
3
𝑥1 − 𝑥−1
𝑥0 = 𝑥−1 + ℎ 𝑦 ℎ=
2
1.6
2𝑥
∫ 𝑑𝑥
1 𝑥2−4
Si 𝑥1 = 1.6 𝑥−1 = 1 entonces ℎ = 0.3 y 𝑥0 = 1 + 0.3=1.3
2𝑥
𝑓 (𝑥1 ) =
𝑥2 −4
2(1.3)
𝑓 (𝑥0 ) = = −1.1255411
1.32 − 4
Aplicándolo en la formula
1.6 2𝑥
∫1 𝑑𝑥= 2ℎ𝑓 (𝑥0 ) = 2(0.3)( −1.1255411) = −0.6753247
𝑥 2−4
𝟏.𝟔 𝟐𝒙
de la integral se obtuvo su aproximación∫𝟏 𝒅𝒙=−𝟎. 𝟔𝟕𝟓𝟑𝟐𝟒𝟕
𝒙𝟐 −𝟒
5.f
repita el ejercicio 1 aplicando la regla del punto medio.
0.35
2
F) 
0 x 4
2
dx
Solución
Usamos la formula del punto medio
n=0
h3
f ´( ), donde    x1 , x1 
x1
x1
f ( x)dx 2hf ( x0 ) 
3
X 0  x1  h
x1  x1
h
2
Si x1  0.35  x1  0, entonces h  0.175 y x0  0  0.175  0.175
2 2
f ( x0 )   f ( x0 )   0.5038577
x 4
2
0 0.1752  4
Aplicando la formula del punto medio tenemos :
0.35 2
0 x 2  4 dx 2hf ( x0 )  2(0.175)(0.5038577)  0.1763502
De la integral se obtuvo su aproximación
0.35 2
0 x 2  4 dx  0.1763502
5.g
𝜋/4
∫ 𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥
0
𝜋
𝑆𝑖 𝑥1 = 𝑦 𝑥−1 = 0, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 ℎ = 1.57079633 y 𝑥0 = 0 + 1.57079633
4
= 1.57079633
𝑓(𝑥0) = (𝑥0 )𝑠𝑒𝑛(𝑥0 ) → 𝑓(1.57079633 ) = (1.57079633 )𝑠𝑒𝑛(1.57079633 )
𝑓(𝑥0) = 1.50823196
Aplicando la fórmula del punto medio tenemos:

𝜋/4
∫ 𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥 = 2ℎ𝑓(𝑥0 ) = 2(1.57079633)(1.50823196) = 4.73825046
0
𝜋/4
De la integral se obtuvo su aproximación ∫ 𝑥𝑠𝑒𝑛(𝑥 )𝑑𝑥 = 4.73825046
0
𝜋/4
De la integral se obtuvo su aproximación ∫ 𝑒 3𝑥 𝑠𝑒𝑛(2𝑥)𝑑𝑥 ≈ 1.803914777
0
5.h
Ejercicio 5-H) Repita el ejercicio 1 usando la regla de Simpson.
Aproxime las siguientes integrales usando la regla trapezoidal.
𝜋
h. ∫04 ℯ 3𝑥 sin 2𝑥 𝑑𝑥
SOLUCIÓN
La regla de Simpson viene dada por:
𝑋1 ℎ
∫𝑋𝑜 𝑓(𝑥) 𝑑𝑥 = 3 [𝑓(𝑋𝑜) + 4𝑓 (𝑋1) + 𝑓(𝑋2)]
𝑋2−𝑋𝑜
donde ℎ = en el intervalo [ a, b].
2
𝜋
Considerando la integral. ∫04 ℯ 3𝑥 sin 2𝑥 𝑑𝑥
𝜋
Dejemos 𝑓 (𝑥 ) = ℯ 3𝑥 sin 2𝑥, X0 = 0, y X2 = 4
Entonces, que el periodo sea:
X2−Xo
h= 2
𝜋
−0
4
h= 2
𝜋
4
h= 2
𝜋
h=
8
h = 0.3925
Por tanto, la integral se convierte en:
𝜋
ℎ 𝜋 𝜋
∫04 ℯ 3𝑥 sin 2𝑥 𝑑𝑥 = 3 [𝑓(0) + 4𝑓 ( 8 ) + 𝑓( 4 )]
= (0.13083333)[0 + 4.969141964 + 10.53812886]

= (0.13083333)(15.50727082)
= 2.028867928
Por lo tanto, el valor aproximado de la integral dada
𝜋
∫0 ℯ 3𝑥 sin 2𝑥 𝑑𝑥 𝑒𝑠 2.028867928
4
6.a
6.b
𝑹𝒆𝒑𝒊𝒕𝒂 𝒆𝒍 𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒐 𝟐 𝒖𝒔𝒂𝒏𝒅𝒐 𝒍𝒂 𝒓𝒆𝒈𝒍𝒂 𝒅𝒆 𝒑𝒖𝒏𝒕𝒐 𝒎𝒆𝒅𝒊𝒐 𝒚 𝒍𝒐𝒔 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒔 𝒅𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒐
0.5
2 2
∫ 𝑑𝑥, 𝑑𝑜𝑛𝑑𝑒 𝑓 (𝑥 ) =
𝑥−4 𝑥−4
0
⇒ 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙 𝑒𝑠:

0.5
2 0.5
∫ 𝑑𝑥 = 2 ln(𝑥 − 4) │
𝑥−4 0
0
0.5−4
= 2 ln ( ) = −0.26706278524
−4
𝑏
𝑎+𝑏
𝐴ℎ𝑜𝑟𝑎 𝑢𝑠𝑎𝑛𝑑𝑜 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 " ∫ 𝑓(𝑥 )𝑑𝑥 = (𝑏 − 𝑎) [𝑓 ( )]
2
𝑎
0.5
2
𝑇𝑒𝑛𝑖𝑒𝑛𝑑𝑜 𝑙𝑎 ∫ 𝑑𝑥, 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 𝑠𝑒𝑟í𝑎: −0.2666667
𝑥−4
0
𝐸𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙 = |𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 |

= |−0.26706278524 − (−0.2666667)|
= 0.00039608524
(𝑏 − 𝑎 )3
𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 𝑚𝑎𝑥 | ∗ 𝑓 𝑛 (𝜉)|
24
(0.5−0)3 4
= ∗ |(−4)3 |
24
= 0.0003255
⇒ 𝑎 𝑚𝑒𝑑𝑖𝑑𝑎 𝑞𝑢𝑒 𝑓 𝑛 (𝜉 )𝑑𝑖𝑠𝑚𝑖𝑛𝑢𝑦𝑒 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 [0,0.5], 𝑒𝑙 𝑚á𝑥𝑖𝑚𝑜 𝑜𝑐𝑢𝑟𝑟𝑒 𝑒𝑛 0.
𝐴𝑠í 𝑞𝑢𝑒 𝑒𝑙 𝑙í𝑚𝑖𝑡𝑒 𝑑𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠 0.0003255 𝑦 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜 𝑒𝑠 0.00039608524
6.c
Repita el ejercicio 2 usando la regla del punto medio y los resultados del ejercicio 5.
𝟏.𝟓
∫ 𝒙𝟐 𝒍𝒏𝒙 𝒅𝒙
𝟏
Valor real:
Integración por partes:
Derivamos Integramos
∫ 𝒖𝒅𝒗 = 𝒖𝒗 − ∫ 𝒗𝒅𝒖 , 𝒖 = 𝐥𝐧(𝒙) , 𝒅𝒗 = 𝒙𝟐 𝒅𝒙
1 ∫ 𝑑𝑣 = ∫ 𝑥2 dx
Remplazamos 𝑑𝑢 = 𝑑𝑥
𝑥
𝑥3
𝑣=
3
1.5
2
𝑥3 𝑥3 1
∫ 𝑥 𝑙𝑛𝑥 𝑑𝑥 = ln(𝑥 ) − ∫ ∗ 𝑑𝑥
1 3 3 𝑥
𝒙𝟑 𝟏
[𝐥𝐧(𝒙) − 𝟑 ∫ 𝒙𝟐 𝒅𝒙] /𝟏.𝟓
𝟏 = 0.1922594
𝟑
𝑏−𝑎
ℎ=
𝑛+2
1.5 − 1
ℎ= = 0.25
𝑝𝑢𝑛𝑡𝑜 𝑚𝑒𝑑𝑖𝑜 𝑛 = 0,
𝑥1 = 1.5 , 𝑥−1 = 1, → ℎ = 0.25
𝑥0 = 𝑎 + ℎ = 1 + 0.25 = 1.25
P.M.
𝟏.𝟓
∫ 𝒙𝟐 𝒍𝒏𝒙 𝒅𝒙 ≈ 𝟐𝒉𝒇(𝒙𝟎 ) = 𝟐(𝟎. 𝟐𝟓)(𝟏. 𝟐𝟓)𝟐 𝐥𝐧(𝟏. 𝟐𝟓) = 𝟎. 𝟏𝟕𝟒𝟑𝟑𝟎𝟗
𝟏
𝑬𝒓𝒓𝒐𝒓 = |𝟎. 𝟏𝟗𝟐𝟐𝟓𝟗𝟒 − 𝟎. 𝟏𝟕𝟒𝟑𝟑𝟎𝟗| = 𝟎. 𝟎𝟏𝟕𝟗𝟐𝟗𝟒
6.d
Repita el ejercicio 2 usando la regla del punto medio.

1
∫0 𝑥 2 𝑒 −𝑥 𝑑(𝑥) n=0
𝑥1 ℎ3
∫𝑥−1 𝑥 𝑑 (𝑥 ) = 2ℎ 𝑓 (𝑥 ) + 3
∗ 𝑓′′(ℰ)
1−0
𝑥−1 = 0 𝑥1 = 1 ℎ= = 0.5 𝑥0 = 0 + 0.5 = 0.5
0+2
𝑥1
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 2 ∗ 0.5 (0.52 𝑒 −0.5 ) = 0.1516327 ç
𝑛=1
𝑥2 3ℎ 3ℎ 3
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 2
(𝐹(𝑥0 ) + 𝑓(𝑥1 )) +
4
∗ 𝑓′′(ℰ)
1−0
𝑥−1 = 0 ; 𝑥2 = 1 ; ℎ= = 0.33 ; 𝑥0 = 0 + 0.33 = 0.33 ;
1+2
𝑥𝑖 = 𝑥0 + 𝑖ℎ = 𝑥1 = 0.33 + 1 ∗ 0.33 = 0.66
𝑥1 3∗0.33
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 2
(0.332 𝑒 −0.33 + 0.662 𝑒 −0.66 ) = 0.1501985
𝑛=2
𝑥3 4ℎ 14ℎ 5
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 3
(2 𝑓 (𝑥0 ) − 𝑓(𝑥1 ) + 2𝑓 (𝑥2)) +
45
∗ 𝑓 4 (ℰ)
1−0
𝑥−1 = 0 ; 𝑥3 = 1 ; ℎ= = 0.25 ; 𝑥0 = 0 + 0.25 = 0.25 ;
2+2
𝑥𝑖 = 𝑥0 + 𝑖ℎ = 𝑥1 = 0.50 ; 𝑥2 = 0.75
𝑥3 4∗0.25
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 3
(2 ∗ 0.252 𝑒 −0.25 − (0.502 𝑒 −0.50 ) + 2 ∗ 0.752 𝑒 −0.75 )
𝑥3
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 0.1590433
𝑛=3
𝑥4 5ℎ 95ℎ 5
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑 (𝑥 ) = 24
(11 𝑓 (𝑥0 ) + 𝑓(𝑥1 ) + 𝑓 (𝑥2 ) + 11𝑓(𝑥3 )) +
144
∗ 𝑓 4 (ℰ)
1−0
𝑥−1 = 0 ; 𝑥3 = 1 ; ℎ= = 0.20 ; 𝑥0 = 0 + 0.20 = 0.20 ;
3+2
𝑥𝑖 = 𝑥0 + 𝑖ℎ = 𝑥1 = 0.40 ; 𝑥2 = 0.60 ; 𝑥3 = 0.80
𝑥4 5∗0.20
∫𝑥−1 𝑥 2 𝑒 −𝑥 𝑑(𝑥 ) = 24
(11 ∗ (0.202 𝑒 −0.20 ) + (0.402 𝑒 −0.40 ) + (0.602 𝑒 −0.60 )
+ 11 ∗ (0.802 𝑒 −0.80 )) = 0.1595142
6.e
1.6 2𝑥
e) ∫1 (𝑥 2−4) 𝑑𝑥
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛:
𝑏
ℎ ℎ3 ´´
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓 (𝑥1 )] − 𝑓 (𝐸)
𝑎 2 12
ℎ = 𝑏 − 𝑎 ℎ = 1.6 − 1 = 0.6
𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒𝑙 𝑡𝑟𝑎𝑝𝑒𝑐𝑖𝑜 𝑝𝑎𝑟𝑎:
𝑥0 = 1 𝑥1 = 1.6
1.6
2𝑥 0.6
∫ ( ) 𝑑𝑥 ≈ [𝑓 (1) + 𝑓 (1.6)]
1 𝑥2 − 4 2
2(1) 2(1.6)
= 0.3 [ 2 + ] = −0.8666667
1 − 4 1.62 − 4
𝑐𝑎𝑙𝑐𝑢𝑙𝑜 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙:

1.6
2𝑥
∫ ( ) 𝑑𝑥 = −0.7339692
1 𝑥2−4
6.f
a.
f
1,5 2
∫1 (𝑥 2−4) 𝑑𝑥
Solución
𝑏
ℎ ℎ3 ′′
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓(𝑥1 )] − 𝑓 (𝐸)
𝑎 2 12
H = b-a
H = 0.35 – 0 = 0.35
Aplicando la regla del trapecio para:
X0 = 0 X1 = 0.35
1,5
2 0.35
∫ ( ) 𝑑𝑥 ≈ [𝑓(0) + 𝑓(0.35)]
1 𝑥2 −4 2
2 2
= 0.175[02 −4 + 0.352 −4] =-0.177643
Cálculo del valor real:

1,5 2
∫1 (𝑥 2−4) 𝑑𝑥 = −0.177643
6.g
6.h
Repita del ejercicio 2 usando de la regla del punto medio y los resultados del ejercicio 5.
π
h.  4
e3x sen  2x  dx
0
π
si x1 = x = 0 , entonces h = 0.392699082 y x0 = 0+0.392699082 = 0.392699082
4 -1
f ( x0 )  e3 x0 sen(2 x0 )  f  0.392699082   e3 0.392699082 sen   2  0.392699082   2.29681563
Aplicando la formula del punto medio tenemos:

 4
e3 x sen  2 x dx  2h. f  x0   2  0.392699082  2.29681563  1.803914777
0

De la integral se obtuvo su aproximación  4
e3 x sen  2 x dx  1.803914777
0
Regla del trapecio


 4
e3 x sen  2 x dx
0
1 
valor real    0.1517464
2 4 2
b  a  / 4   0 
para n  1  h   
1 1 4
h h3
f  x  dx   f  x0   f  x1   f n  E 
x1
 x0 2 12

xsen  x  
h
 f  x0   f  x1   
 / 4   f 0    
 4
  f     0.2180895
0 2 2   4 

 4
xsen  x   0.2180895
0
Error real = 0.2180895-0.1517464 = 0.00663431
Se sabe que 0 <  < 4 

𝜋
; =x
La segunda derivada de f n  xsenx  dx  2cos  x    xsen  x 
 / 4  f n xsen x dx   3 2cos x  xsen x

3
h3 n 2  E
f  E e  dE      768     
12 12
h3 n 2  E 3
f  E e  dE   2cos  0  0sen  0  0.0807455
12 768
Error = 0.0807455
7
2
La regla del trapecio aplicada a 0
f ( x)dx nos da el valor 4
y la regla de Simpson nos da el valor 2. ¿Qué es f(1)?
Para esto podemos tener en cuenta la definición geométrica tanto de la regla del trapecio
como la regla de Simpson. La regla del trapecio usa, como su nombre lo indica, el área de
un trapecio de la siguiente forma:
(Imágenes extraída de Wikipedia)
En cambio, la regla de Simpson usa un punto de más, como se muestra en la figura este
punto termina siendo el punto medio del intervalo el cual juega un papel importante en esta
regla.
Entonces, teniendo en cuenta esto, 𝑓(1) más que significar la imagen del punto medio de
toda la curva se puede representar por 𝑓(0) y 𝑓 (2) de la siguiente forma:
Ya que la regla del trapecio es 4 esto es
𝑏−𝑎
[𝑓 (𝑎) + 𝑓(𝑏)] = 4
2
𝑎+𝑏
Y la regla de Simpson es 2, (donde 𝑚 = )
2
𝑏−𝑎
[𝑓(𝑎) + 4𝑓(𝑚) + 𝑓(𝑏)] = 2
6
Podemos multiplicar por 2 la regla de Simpson e igualarlas para obtener una fórmula para
𝑓 ( 1).
𝑏−𝑎 𝑏−𝑎
[𝑓(𝑎) + 4𝑓(𝑚) + 𝑓(𝑏)] = [𝑓(𝑎) + 𝑓(𝑏)]
3 2
Cancelando 𝑏 − 𝑎 en ambos lados y multiplicando por 2, tenemos
2/3𝑓(𝑎) + 8/3𝑓(𝑚) + 2/3𝑓(𝑏) = 𝑓(𝑎) + 𝑓(𝑏)
8/3𝑓(𝑚) = 𝑓(𝑎)/3 + 𝑓 (𝑏)/3
𝑓 (𝑚) = 𝑓 (𝑎)/8 + 𝑓 (𝑏)/8
Como 𝑚 es el punto medio de [0,2], podemos ver que 𝑚 = 1 y así podemos obtener una
fórmula para 𝑓(1):
𝑓 (0) + 𝑓 (2)
𝑓 (1) =
8
8
𝟐
La regla del trapecio aplicada a ∫𝟎 𝒇(𝒙)𝒅𝒙 nos da el valor de 5 y la regla del punto
medio nos da el valor de 4. ¿Qué valor nos da la regla de Simpson?
Solución
Regla del Trapecio
𝑏−𝑎 2−0
𝑠𝑖 𝑛 = 1 ⟹ ℎ = = =2 𝑥0 = 𝑎 = 0 𝑥1 = 𝑏 = 2
𝑛 1
𝑥1
ℎ[𝑓(𝑥0 ) + 𝑓(𝑥1 )] ℎ3
∫ 𝑓(𝑥 )𝑑𝑥 = − 𝑓´´(𝜉 )
𝑥0 2 12
2
2[𝑓(0) + 𝑓 (2)]
∫ 𝑓 (𝑥 )𝑑𝑥 = ⟹ 𝑓 (0) + 𝑓 (2) = 5 … … … … … … … (𝛽 )
0 2
Regla del punto medio
𝑏−𝑎 2−0
𝑠𝑖 𝑛 = 0 ⟹ ℎ = = =1 𝑥0 = 𝑎 + ℎ = 0 + 1 = 1
𝑛+2 2
𝑥1
ℎ3
∫ 𝑓(𝑥 ) 𝑑𝑥 = 2ℎ𝑓(𝑥0 ) + 𝑓´´(𝜉 )
𝑥−1 3
2
∫ 𝑓 (𝑥 ) 𝑑𝑥 = 2(1)𝑓(1) = 4 ⟹ 𝑓 (1) = 2
0
Regla de Simpson
𝑏−𝑎 2−0
𝑠𝑖 𝑛 = 2 ⟹ ℎ = = =1 𝑥1 = 𝑥1 + 𝑖ℎ = 0 + 1(1) = 1
𝑛 2
𝑥1
ℎ[𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] ℎ5 (4)
∫ 𝑓(𝑥 )𝑑𝑥 = − 𝑓 (𝜉 )
𝑥0 3 90
𝟐
𝟏 ∗ [𝒇(𝟎) + 𝟒𝒇(𝟏) + 𝒇(𝟐)] 𝟓 + 𝟒(𝟐)
∫ 𝒇(𝒙)𝒅𝒙 = = ̂
= 𝟒. 𝟑
𝟎 𝟑 𝟑
9
10
Sean 𝒉 = (𝒃 − 𝒂)/𝟑, 𝒙𝟎 = 𝒂, 𝒙𝟏 = 𝒂 + 𝒉 y 𝒙𝟐 = 𝒃 obtenga el grado de precisión de la

fórmula de la cuadratura.
𝒃
𝟗 𝟑
∫ 𝒇(𝒙)𝒅𝒙 = 𝒉𝒇(𝒙𝟏 ) + 𝒉𝒇(𝒙𝟐 )
𝒂 𝟒 𝟒
Solución.
𝒃
∫ 𝒇(𝒙)𝒅𝒙 = 𝜶𝟏 𝒇(𝒙𝟏 ) + 𝜶𝟐 𝒇(𝒙𝟐 ) + 𝜶𝟑 𝒇(𝒙𝟑 ) + ⋯ + 𝜶𝒏 𝒇(𝒙𝒏 )
𝒂
𝒑𝟎 (𝒙) = 𝟏, 𝒑𝟏 (𝒙) = 𝒙, 𝒑𝟐 (𝒙) = 𝒙𝟐 , 𝒑𝟑 (𝒙) = 𝒙𝟑 …

𝑏
9 𝑏−𝑎 (𝑏 − 𝑎) 3 𝑏−𝑎
∫ 𝑓 (𝑥 )𝑑𝑥 = ( ) 𝑓 (𝑎 + )+ ( ) 𝑓(𝑏)
𝑎 4 3 3 4 3
𝑏
3 2𝑎 + 𝑏 1
∫ 𝑓 (𝑥 )𝑑𝑥 = (𝑏 − 𝑎 ) 𝑓 ( ) + (𝑏 − 𝑎)𝑓(𝑏)
𝑎 4 3 4
𝑏
 ∫𝑎 1𝑑𝑥 = 𝑥]𝑏𝑎 = 𝑏 − 𝑎
3 1
𝑓 (1) = 4 (𝑏 − 𝑎 )𝑓 (1) + 4 (𝑏 − 𝑎 )𝑓 ( 1)
3 1
𝑓 (1) = 4 ( 𝑏 − 𝑎 ) + 4 (𝑏 − 𝑎 ) = 𝑏 − 𝑎
𝑏 𝑥2 𝑏 𝑏2 𝑎2
 ∫𝑎 𝑥𝑑𝑥 = ] = −
2 𝑎 2 2
3 2𝑎+𝑏 1
𝑓 (𝑥 ) = ( 𝑏 − 𝑎 )𝑓 ( ) + 4 (𝑏 − 𝑎 )𝑓 (𝑏 )
4 3
1 1 𝑏2 𝑎2
𝑓 (𝑥 ) = (𝑏 − 𝑎)(2𝑎 + 𝑏) + (𝑏 − 𝑎)(𝑏) = −
4 4 2 2
 ∫𝑎 𝑥 2 𝑑𝑥 = ] = −
3 𝑎 3 3
3 2𝑎+𝑏 2 1
𝑓 (𝑥 2 ) = (𝑏 − 𝑎 )𝑓 ( ) + 4 (𝑏 − 𝑎 )𝑓 (𝑏 )2
4 3
3 (2𝑎+𝑏)2 1 𝑏3 𝑎3
𝑓 (𝑥 2 ) = (𝑏 − 𝑎 )
(3)2
+ 4 (𝑏 − 𝑎)(𝑏)2 = −
4 3 3
 ∫𝑎 𝑥 3 𝑑𝑥 = ] = −
4 𝑎 4 4
3 2𝑎+𝑏 3 1
𝑓 (𝑥 3 ) = (𝑏 − 𝑎 )𝑓 ( ) + 4 (𝑏 − 𝑎 )𝑓 (𝑏 )3
4 3
3 (2𝑎+𝑏)3 1 2𝑎𝑏3 −2𝑎 3𝑏+3𝑎 2 𝑏2 +5𝑏4 −4𝑎 4

𝑓 (𝑥 3 ) = (𝑏 − 𝑎 )
(3)3
+ (𝑏 − 𝑎)(𝑏)3 =
4 4 18
La fórmula de cuadratura tiene grado de precisión 3.
11
1
La fórmula de la cuadratura ∫−1 𝑓(𝑥) 𝑑𝑥 = 𝑐𝑜 𝑓(−1) + 𝑐1 𝑓(0) +
𝑐2 𝑓 (1) 𝑒𝑠 𝑒𝑥𝑎𝑐𝑡𝑎 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜𝑠 𝑑𝑒 𝑢𝑛 𝑔𝑟𝑎𝑑 𝑚𝑒𝑛𝑜𝑟 𝑜 𝑖𝑔𝑢𝑎𝑙 𝑎 2. 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑐𝑜 +
𝑐1 𝑦 𝑐2 .
SOLUCIÓN
Para f(x)=1
1
∫ 𝑓(1) 𝑑𝑥 = 1 = 𝑐𝑜 𝑓(−1) + 𝑐1 𝑓(0) + 𝑐2 𝑓(1) = 𝑐𝑜 (1) + 𝑐1 (1) + 𝑐2 (1) = 𝑐𝑜 + 𝑐1 + 𝑐2
−1
=1
Para f(x)=x
1
∫ 𝑓(𝑥) 𝑑𝑥 = 12 𝑐𝑜 𝑓(−1) + 𝑐1 𝑓 (0) + 𝑐2 𝑓(1) = 𝑐𝑜 (0) + 𝑐1 (1) + 𝑐2 (2) = 𝑐1 + 2𝑐2 = 1
−1
Para f(x)=𝑥 2
1
1 2
∫ 𝑓(𝑥 2 ) 𝑑𝑥 = 𝑥 𝑐𝑜 𝑓(−1) + 𝑐1 𝑓(0) + 𝑐2 𝑓 (1) = 𝑐𝑜 (0) + 𝑐1 (12 ) + 𝑐2 (22 ) = 𝑐1 + 4𝑐2
−1 3
1
=
3
1 4 1
𝐶0 = 3 𝐶1 = 3 𝐶2 = 3
12
2
La fórmula de la cuadratura ∫0 𝑓(𝑥 ) 𝑑𝑥 = 𝑐0 𝑓(0) + 𝑐1 𝑓 (1) + 𝑐2 𝑓(2) es exacta para
todos los polinomios de un grado menor o igual a 2. Determine 𝑐0 , 𝑐1 𝑦 𝑐2
Supongamos que la formula de cuadratura

2
∫0 𝑓 (𝑥 ) 𝑑𝑥 = 𝑐0 𝑓(0) + 𝑐1 𝑓(1) + 𝑐2 𝑓 (2)
Es exacta para todos los polinomios de grado menor o igual a 2 los polinomios de grado
menor o igual a 2 son 𝑓 (𝑥 ) = 1 , 𝑋 𝑦 𝑋 2
Suponiendo que 𝑓 (𝑥 ) = 1
𝑓 (0) = 𝑓(1) = 𝑓(2) = 1 dado que 𝑓 (𝑥 ) es una función constante ahora ,la formula de
cuadratura será
2
∫0 𝑓 (𝑥 ) 𝑑𝑥 = 𝑐0 𝑓(0) + 𝑐1 𝑓(1) + 𝑐2 𝑓 (2)
Reemplazando los valores queda así.

2
∫0 1 𝑑𝑥 = 𝑐0 . 1 + 𝑐1 . 1 + 𝑐2 . 1
𝑥 |20 = 𝑐0 + 𝑐1 + 𝑐2
2-0 =𝑐0 + 𝑐1 + 𝑐2
2 =𝑐0 + 𝑐1 + 𝑐2
Luego para 𝑓(𝑥 ) = 𝑥
𝑓 ( 0) = 0 , 𝑓 (1) = 1 , 𝑓 (2) = 2 y 𝑓 (𝑥 ) = x ,
Entonces la fórmula de cuadratura será
2
∫0 𝑓(𝑥) 𝑑𝑥 = 𝑐0 𝑓(0) + 𝑐1 𝑓(1) + 𝑐2 𝑓 (2)

2
∫0 𝑥 𝑑𝑥 = 𝑐0 (0) + 𝑐1 (1) + 𝑐2 . (2)
2
𝑥2
| = 𝑐1 + 2𝑐2
2 0
4 0
− ( ) = 𝑐1 + 2. 𝑐2
2 2
2 = 𝑐1 + 2𝑐2
Luego para 𝑓(𝑥 ) = 𝑥 2

luego
𝑓 (1) = 1, 𝑓 (0) = 0 , 𝑓 (2) = 4 y 𝑓 (𝑥 ) = 𝑥 2
Entonces la fórmula de cuadratura será
2
∫0 𝑓(𝑥) 𝑑𝑥 = 𝑐0 𝑓(0) + 𝑐1 𝑓(1) + 𝑐2 𝑓 (2)

2
∫0 𝑥 2 𝑑𝑥 = 𝑐0 (1) + 𝑐1 (0) + 𝑐2 . (4)
2
𝑥3
| = 𝑐1 + 4𝑐2
3 0
8 0
− ( ) = 𝑐1 + 4𝑐2
3 3
8
= 𝑐1 + 4𝑐2
3
8
Como 𝑐1 + 4𝑐2 = 3 𝑦 𝑐1 + 2𝑐2 = 2 obtenemos
8
(𝑐1 + 4𝑐2 ) − (𝑐1 + 2𝑐2 ) = 3 − 2
2
2𝑐2 =
3
1
𝑐2 =
3
1 8
Utilizando 𝑐2 = 3 en 𝑐1 + 4𝑐2 = 3 , 𝑝𝑎𝑟𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟
1 8
𝑐1 + 4 ( ) =
3 3
8 4
𝑐1 = 3 − 3
4
𝑐1 = 3
4 1
Utilizando 𝑐1 = 3 , 𝑐2 = 3 𝑦 𝑐0 + 𝑐1 + 𝑐2 = 2
Con ello obtenemos que
4 1
𝑐0 + + = 2
3 3
5
𝑐0 = 2 − 3
1
𝑐0 = 3
Por lo tanto , los valores requeridos son

1 4 1
𝑐0 = 3 , 𝑐1 = 3 , 𝑐2 = 3
13
Encuentre las constantes c0, c1 y x1 de modo que la fórmula de la cuadratura
𝟏
∫𝟎 𝒇(𝒙)𝒅𝒙=c0.f(0) + c1 f(x1), tenga el grado de precisión más alto posible.
Solución
1
Consideremos la siguiente formula de la cuadratura ∫0 𝑓 (𝑥 )𝑑𝑥=c0.f(0) + c1 f(x1), para
determinar las constantes c0, c1 y x1 requerimos tres condiciones, supongamos que la
formula anterior tiene un grado de precisión 2, es decir lo anterior es exacto para xk , k=0,
1, 2.
Para k = 0 tomar f(x) = x0 = 1
𝟏 𝟏
LHS =∫𝟎 𝒇(𝒙)𝒅𝒙 = ∫𝟎 𝟏 𝒅𝒙
=1–0
=1
Y RHS = c0.(1) + c1 (1)
RHS = c0 +c1
Como LHS = RHS, obtenemos c0 +c1 = 1 ……(1)
Para k = 1 tomar f(x) = x1 = x
𝟏 𝟏
LHS =∫𝟎 𝒇(𝒙)𝒅𝒙 = ∫𝟎 𝒙 𝒅𝒙
𝟏
=𝟐
Y RHS = c0.(0) + c1 (x1)
RHS = c1.x1
𝟏
Como LHS = RHS, obtenemos c1.x1= 𝟐 ……(2)
Para k = 2 tomar f(x) = x2
𝟏 𝟏
LHS =∫𝟎 𝒇(𝒙)𝒅𝒙 = ∫𝟎 𝒙𝟐 𝒅𝒙
𝟏
=𝟑
Y RHS = c0.(0) + c1 (𝑥12 )
RHS = c1. 𝑥12
𝟏
Como LHS = RHS, obtenemos c1. 𝑥12 = 𝟑 …… (3)
𝟏 𝟑 𝟐
Resolviendo (2), (3) y (4), obtenemos c0= , c1 = y x1 =
𝟒 𝟒 𝟑
LHS = lado izquierdo de la ecuación.
RHS = lado derecho de la ecuación.
14
15.a
Aproxime las siguientes integrales mediante las fórmulas 4.23 a 4.30 ¿Es compatible la
exactitud de las aproximaciones con las fórmulas de error? ¿Qué partes de ( d) y de (e) dan
la mejor aproximación?
0.1
a. ∫0 √1 + 𝑥𝑑𝑥
solución.
El valor exacto de la integral definida es:
0.1
∫0 √1 + 𝑥𝑑𝑥 ⟹ 𝑑𝑒𝑗𝑎𝑚𝑜𝑠 (1 + 𝑥) = 𝑡
𝑑𝑥 = 𝑑𝑡
Por lo tanto la integral queda:
1 3
0.1
𝑡 2+1 0.1 0.1
𝑡2
∫ √𝑡𝑑𝑡 ⟹ 3 │0 ⟹ ∫ √1 + 𝑥𝑑𝑥 = 2 × │0.1
0 0 3 0
2
3
0.1 (1 + 𝑥 )2 0.1 2 3 3
∫ √1 + 𝑥 𝑑𝑥 = 2 × │0 = [(1 + 0.1)2 − (1 + 0)2 ]
0 3 3
0.1 0.1
2 3 2
∫ √1 + 𝑥 𝑑𝑥 = [(1.1)2 − 1)] ⟹ ∫ √1 + 𝑥 𝑑𝑥 = (0.15368973)
0 3 0 3
0.1
∫ √1 + 𝑥 𝑑𝑥 = 0.10245982
0
Aproximamos la integral usando las fórmulas cerradas.

De la fórmula de la regla trapezoidal.
𝐴𝑞𝑢𝑖 𝑥0 = 0 ; 𝑥1 = 0.1 𝑦 ℎ = 𝑥1 − 𝑥0 = 0.1
𝑛=1
𝑥1
ℎ ℎ3
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 𝑓 ′′ (𝜉 ); 𝜉 𝜖 (𝑥0 ; 𝑥1 )
𝑥0 2 12
0.1
ℎ 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [(1 + 𝑥0 )2 + (1 + 𝑥1 )2 ]
0 2
0.1
0.1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [(1 + 0)2 + (1 + 0.1)2 ] ≈ 0.10244044
0 2
Hallamos el error:
ℎ3 ′′
𝐸𝑟𝑟𝑜𝑟 = │𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 − 𝑣𝑎𝑣𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑖𝑚𝑎𝑑𝑜│ = 𝑓 (𝜉 )
12
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.20244044│
𝐸𝑟𝑟𝑜𝑟 = 0.00001938
De la formula de la regla Simpson.
𝑥2 − 𝑥0
𝐴𝑞𝑢𝑖 𝑥0 = 0 ; 𝑥1 = 0.05 ; 𝑥2 = 0.1 𝑦 ℎ = = 0.05
2
𝑛=2
𝑥1
ℎ ℎ5
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] − 𝑓 (4) (𝜉 ); 𝜉 𝜖 (𝑥0 ; 𝑥1 )
𝑥0 3 90
0.1
ℎ 1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [(1 + 𝑥0 )2 + 4(1 + 𝑥1 )2 + (1 + 𝑥2 )2 ]
0 3
0.1
0.05 1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [(1 + 0)2 + 4(1 + 0.05)2 + (1 + 0.1)2 ]
0 3
0.1
0.05
∫ √1 + 𝑥𝑑𝑥 ≈ (1 + 4.09878031 + 1.04880885)
0 3
0.1
∫ √1 + 𝑥𝑑𝑥 ≈ 0.10245982
0
Hallamos el error:
ℎ5 (4)
90
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10245982│
𝐸𝑟𝑟𝑜𝑟 = 0.00000000
De la formula de las tres octavas reglas de Simpson.
𝐴𝑞𝑢𝑖 𝑥0 = 0 ; 𝑥1 = 0.033 ; 𝑥2 = 0.066 ; 𝑥3 = 0.1
𝑥3 − 𝑥0
ℎ= = 0.03333333
3
Para 𝑛 = 3
𝑥1
3ℎ 3ℎ5 (6)
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓 (𝑥2 ) + 𝑓(𝑥3 )] − 𝑓 (𝜉 ); 𝜉 𝜖 (𝑥0 ; 𝑥1 )
𝑥0 8 80
0.1
3ℎ 1 1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [(1 + 𝑥0 )2 + 3(1 + 𝑥1 )2 + 3(1 + 𝑥2 )2 + (1 + 𝑥3 )2 ]
0 8
0.1
3 × 0.03333333 1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [(1 + 0)2 + 3(1 + 0.033)2 + 3(1 + 0.066)2
0 3
1
+ (1 + 0.1)2 ]
0.1
3 × 0.03333333
∫ √1 + 𝑥𝑑𝑥 ≈ (1 + 3.04909823 + 3.097418281 + 1.04880885)
0 8
0.1
∫ √1 + 𝑥𝑑𝑥 ≈ 0.10244156
0
Hallamos el error:
3ℎ5 (6)
𝐸𝑟𝑟𝑜𝑟 = │𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 − 𝑣𝑎𝑣𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑖𝑚𝑎𝑑𝑜 = 𝑓 (𝜉 )
80
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10244156│
𝐸𝑟𝑟𝑜𝑟 = 0.00001826
Ahora trabajamos con 𝑛 = 4
𝐴𝑞𝑢𝑖 𝑥0 = 0 ; 𝑥1 = 0.025 ; 𝑥2 = 0.050 ; 𝑥3 = 0.075 ; 𝑥4 = 0.1
𝑥4 − 𝑥0 0.1
ℎ= = = 0.025
4 4
𝑥1
2ℎ
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [7𝑓(𝑥0 ) + 32𝑓(𝑥1 ) + 12𝑓(𝑥2 ) + 32𝑓(𝑥3 ) + 7𝑓(𝑥4 )]
𝑥0 45
8ℎ7 (6)
− 𝑓 (𝜉 ); 𝜉 𝜖 (𝑥0 ; 𝑥1 )
94
0.1
2ℎ 1 1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [7(1 + 𝑥0 )2 + 32(1 + 𝑥1 )2 + 12(1 + 𝑥2 )2 + 32(1 + 𝑥3 )2
0 45
1
+ 7(1 + 𝑥 4 )2 ]
0.1
2 × 0.025 1 1 1
∫ √1 + 𝑥𝑑𝑥 ≈ [7(1 + 0)2 + 32(1 + 0.025)2 + 12(1 + 0.05)2
0 45
1 1
+ 32(1 + 0.075)2 + 7(1 + 0.1)2 ]
0.1
2 × 0.025
∫ √1 + 𝑥𝑑𝑥 ≈
0 45
× [7 + 32.39753077 + 12.29634092 + 33.17830617 + 7.34166194]
0.1
∫ √1 + 𝑥 𝑑𝑥 ≈ 0.10245982
0
Hallamos el error:
8ℎ7 (6)
94
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10245992│
𝐸𝑟𝑟𝑜𝑟 = 0.00000000
Aproxima la integral usando formulas abiertas:
De la fórmula de la regla de punto medio.
Para n = 0
𝐴𝑞𝑢𝑖 𝑥−1 = 0 ; 𝑥0 = 0.05 ; 𝑥1 = 0.1
𝑏 − 𝑎 𝑥1 − 𝑥0 0.1
ℎ= = = = 0.05
𝑛+2 0+2 2
𝑥1
ℎ3 ′′
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ 2ℎ 𝑓(𝑥 ) + 𝑓 (𝜉 ); 𝜉 𝜖 (𝑥−1 ; 𝑥1 )
𝑥−1 3
𝑥1 1
∫ √1 + 𝑥 𝑑𝑥 ≈ 2 × 0.05 × (1 + 0.05)2
𝑥−1
𝑥1
∫ √1 + 𝑥 𝑑𝑥 ≈ 0.10246951
𝑥−1
Hallamos el error:
ℎ3 ′′
3
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10246951│
𝐸𝑟𝑟𝑜𝑟 = 0.00000969
Para n = 1
𝐴𝑞𝑢𝑖 𝑥−1 = 0 ; 𝑥0 = 0.033 ; 𝑥1 = 0.066 ; 𝑥2 = 0.1
𝑏 − 𝑎 𝑥2 − 𝑥0 0.1
ℎ= = = = 0.03333333
𝑛+2 1+2 3
𝑥2
3ℎ 3ℎ3 ′′
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [𝑓(𝑥0 ) + 𝑓 (𝑥1 )] + 𝑓 (𝜉 ) ; 𝜉 𝜖 (𝑥−1 ; 𝑥2 )
𝑥−1 2 4
𝑥2
3 × 0.03333333 1 1
∫ √1 + 𝑥 𝑑𝑥 ≈ × [(1 + 0.03333333)2 + (1 + 0.06666666)2 ]
𝑥−1 2
𝑥2
∫ √1 + 𝑥 𝑑𝑥 ≈ 0.10246627
𝑥−1
Hallamos el error:
3ℎ3 ′′
4
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10246627│
𝐸𝑟𝑟𝑜𝑟 = 0.00000645
Para n = 2
𝐴𝑞𝑢𝑖 𝑥−1 = 0 ; 𝑥0 = 0.025 ; 𝑥1 = 0.05 ; 𝑥2 = 0.75 ; 𝑥3 = 0.1
𝑏 − 𝑎 𝑥3 − 𝑥0 0.1
ℎ= = = = 0.025
𝑛+2 2+2 4
𝑥3
4ℎ 14ℎ5 (4)
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [2𝑓(𝑥0 ) − 𝑓 (𝑥1 ) + 2𝑓(𝑥2 )] + 𝑓 (𝜉 ) ; 𝜉 𝜖 (𝑥−1 ; 𝑥3 )
𝑥−1 3 45
𝑥3
4 × 0.025 1 1 1
∫ √1 + 𝑥 𝑑𝑥 ≈ × [2 × (1 + 0.025)2 − (1 + 0.05)2 + 2 × (1 + 0.075)2 ]
𝑥−1 3
𝑥3
∫ √1 + 𝑥 𝑑𝑥 ≈ 0.10245982
𝑥−1
14ℎ5 (4)
45
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10245982│
𝐸𝑟𝑟𝑜𝑟 = 0.00000000
Para n = 3
𝐴𝑞𝑢𝑖 𝑥−1 = 0 ; 𝑥0 = 0.02 ; 𝑥1 = 0.04 ; 𝑥2 = 0.6 ; 𝑥3 = 0.8 ; 𝑥4 = 0.1
𝑏 − 𝑎 𝑥4 − 𝑥0 0.1
ℎ= = = = 0.02
𝑛+2 3+2 5
𝑥4
5ℎ 95ℎ5 (4)
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [11𝑓(𝑥0 ) + 𝑓(𝑥1 ) + 𝑓(𝑥2 ) + 11𝑓 (𝑥3 )] + 𝑓 (𝜉 ) ; 𝜉 𝜖 (𝑥−1 ; 𝑥4 )
𝑥−1 24 144
𝑥4
5 × 0.02
∫ √1 + 𝑥 𝑑𝑥 ≈
𝑥−1 24
1 1 1 1
× [11 × (1 + 0.02)2 + (1 + 0.04)2 + (1 + 0.06)2 + 11(1 + 0.08)2 ]
𝑥4
∫ √1 + 𝑥 𝑑𝑥 ≈ 0.10245991
𝑥−1
95ℎ5 (4)
144
𝐸𝑟𝑟𝑜𝑟 = │0.10245982 − 0.10245991│
𝐸𝑟𝑟𝑜𝑟 = 0.00000009
Norte 0 1 2 3 4
Formula
0.10244044 0.10245982 0.10244156 0.10245982
cerrada
Error 0.00001938 0 0.00001826 0
formula abierta 0.10246951 0.10246627 0.10245982 0.10245991
Error 0.00000969 0.00000645 0 0.000000009
15.b
𝜋
2
𝐵 = ∫ (𝑠𝑒𝑛𝑥 )2 𝑑𝑥
0
Regla del Trapecio. N=1

𝑥 1 ℎ ℎ3 𝜋
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 2
[𝑓(𝑥0 ) + 𝑓 (𝑥1 )] −
12
. 𝑓"(𝜉 ), 𝜉𝜖(𝑥0,𝑥1 ) ℎ =𝑏−𝑎 = 2
𝜋 2
2 ℎ 𝜋 𝜋 2 𝜋
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(0) + 𝑓 ( )] = [(𝑠𝑒𝑛(0)) + (𝑠𝑒𝑛 ( )) ] = 0.7853982
0 4 2 4 2
Regla de Simpson. N=2

𝑥1
ℎ ℎ5 4
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑥0 ) + 4𝑓 (𝑥1 ) + 𝑓 (𝑥2 )] − . 𝑓 (𝜉 ), 𝜉𝜖(𝑥0, 𝑥2 )
𝑥0 3 90
𝜋 2
2
2
ℎ 𝜋 𝜋 2 𝜋 𝜋
∫ 𝑓(𝑠𝑒𝑛𝑥) 𝑑𝑥 = [𝑓(0) + 𝑓 ( )] = [(𝑠𝑒𝑛(0)) + 4 (𝑠𝑒𝑛 ( )) + 𝑠𝑒𝑛 ( )]
0 12 2 4 2 2
= 0.7853982
𝜋⁄2−0 𝜋 𝜋
ℎ= 𝑥0 = 𝑎 = 0 𝑥1 = 𝑥0 + ℎ = 0 + 4 =
2 4
Regla de 3 Octavos de Simpson. N=3

𝑥3
3ℎ 3ℎ5 4
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓 (𝑥1 ) + 3𝑓 (𝑥2 ) + 𝑓 (𝑥3 )] − . 𝑓 (𝜉 ), 𝜉𝜖(𝑥0, 𝑥3 )
𝑥0 8 80
𝜋 2
2
2
𝜋 2 𝜋 𝜋 𝜋
∫ 𝑓(𝑠𝑒𝑛𝑥) 𝑑𝑥 = [(𝑠𝑒𝑛(0)) + 3 (𝑠𝑒𝑛 ( )) + 3𝑠𝑒𝑛 ( ) + 𝑠𝑒𝑛 ( )]
0 16 6 3 2
= 0.7853982
𝑏−0 𝜋⁄ −0 𝜋 𝜋 𝜋 2𝜋 𝜋
2
ℎ= = = 𝑥1 = 0 + 6 = 𝑥2 = 0 + =
𝑛 3 6 6 6 3
N=4
𝑥4
2ℎ
∫ 𝑓 (𝑥 )𝑑𝑥 = [7𝑓(𝑥0 ) + 32𝑓(𝑥1 ) + 12𝑓(𝑥2 ) + 32𝑓(𝑥3 ) + 17𝑓(𝑥4 )]
𝑥0 45
8ℎ7 6
− . 𝑓 (𝜉 ), 𝜉𝜖(𝑥0, 𝑥4 )
945
𝜋
2
∫ 𝑓(𝑠𝑒𝑛𝑥)2 𝑑𝑥
0
2
2(𝜋⁄8) 2 𝜋 𝜋 3𝜋
= [(𝑠𝑒𝑛(0)) + 32 (𝑠𝑒𝑛 ( )) + 12𝑠𝑒𝑛 ( ) + 32𝑠𝑒𝑛 ( )
45 8 4 8
2
𝜋
+ (𝑠𝑒𝑛 ( )) ] = 0.7853982
2
𝜋⁄ −0 𝜋 𝜋 𝜋 𝜋 3𝜋
2
ℎ= = 𝑥1 = 0 + 8 = 𝑥2 = 𝑥3 =
4 8 8 4 8
Regla del Punto Fijo: N=0

𝑥1
ℎ3 "
∫ 𝑓(𝑥 )𝑑𝑥 = 2ℎ 𝑓 (𝑥0 ) + . 𝑓 (𝜉 ), 𝜉𝜖(𝑥 − 1, 𝑥1 )
𝑥−1 3
𝜋 2
2 2𝜋
2
𝜋
∫ (𝑠𝑒𝑛𝑥) 𝑑𝑥 = (𝑠𝑒𝑛 ( )) = 0.7853982
0 12 4
𝑏−𝑎 𝜋 𝜋 𝜋
ℎ = 𝑛+2 = 𝑥0 = 𝑎 + ℎ = 0 + 4 =
4 4
N=1
𝑥2
3ℎ 3ℎ3 "
∫ 𝑓 (𝑥 )𝑑𝑥 = [ 𝑓 (𝑥0 ) + 𝑓(𝑥1 )] + . 𝑓 (𝜉 ), 𝜉𝜖(𝑥 − 1, 𝑥2 )
𝑥−1 2 4
𝜋 2 2
2 3𝜋
2
𝜋 𝜋
∫ (𝑠𝑒𝑛𝑥) 𝑑𝑥 = (𝑠𝑒𝑛 ( )) + (𝑠𝑒𝑛 ( )) = 0.7853982
0 12 6 3
𝜋⁄2 −0 𝜋 𝜋 𝜋 𝜋 𝜋 𝜋
ℎ= = 𝑥0 = 𝑎 + ℎ = 0 + 6 = 𝑥1 = 6 + 6 =
1+2 6 6 3
N=2
𝑥3
4ℎ 14ℎ5 4
∫ 𝑓 (𝑥 )𝑑𝑥 = [ 2𝑓(𝑥0 ) − 𝑓 (𝑥1 ) + 2𝑓(𝑥2 )] + . 𝑓 (𝜉 ), 𝜉𝜖(𝑥 − 1, 𝑥3 )
𝑥−1 3 45
𝜋
2 4(𝜋⁄8) 𝜋 2 𝜋 2 3𝜋 2
∫ (𝑠𝑒𝑛𝑥)2 𝑑𝑥 = [2𝑠𝑒𝑛 ( ) − 𝑠𝑒𝑛 ( ) + 2𝑠𝑒𝑛 ( ) ] = 0.7853982
0 3 8 4 8
𝜋⁄2 −0 𝜋 𝜋 𝜋 𝜋 𝜋 𝜋 𝜋 3𝜋
ℎ= = 𝑥0 = 𝑥1 = 8 + 8 = 𝑥2 = 8 + 4 =
2+2 8 8 4 8
N=3
𝑥4
5ℎ 95ℎ5 4
∫ 𝑓 (𝑥 )𝑑𝑥 = [ 11𝑓(𝑥0 ) + 𝑓 (𝑥1 ) + 𝑓 (𝑥2 ) + 11𝑓(𝑥3 )] + . 𝑓 (𝜉 ), 𝜉𝜖(𝑥 − 1, 𝑥4 )
𝑥−1 24 144
𝜋
2 4(𝜋⁄10)
𝜋 2 𝜋 2 3𝜋 2 2𝜋 2
∫ (𝑠𝑒𝑛𝑥) 𝑑𝑥 = 2 [11𝑠𝑒𝑛 ( ) − 𝑠𝑒𝑛 ( ) + 𝑠𝑒𝑛 ( ) + 11𝑠𝑒𝑛 ( ) ]
0 24 10 5 10 5
= 0.7853982
𝜋 𝜋 𝜋 𝜋 𝜋 𝜋 𝜋 3𝜋 𝜋 𝜋 2𝜋
ℎ = 10 𝑥0 = 10 𝑥1 = 10 + 10 = 𝑥2 = 10 + 5 = 𝑥3 = 10 + 10 =
5 10 5
15.c
Aproxime las siguientes integrales mediante las fórmulas (4.23) a (4.30) ¿Es compatible la
exactitud de las aproximaciones con las fórmulas de error ¿qué parte de (d) y de (c) dan la
mejor aproximación
C)
1.5
 e dx
x
1.1
solución
Valor real
1.5
 e dx  e  e1.1  1.4775230
x 1.5
1.1
I) Fórmulas cerradas comunes de Newton – cotes

x1  x0
h
n
xi  x0  ih
N  1: Regla del trapecio
x1
h
 f  x  dx  2  f  x   f  x 
x0
0 1
1.5  1.1
1.5
 e dx X 0  1.1 x1  1.5 h   0.4

x
1.1
1
0.4
  f 1.1  f 1.5  
2 
0.4 1.1 1.5
 e  e 
2 
 1.497171
N = 2: Regla de Simpson
x2
h
 f  x  dx  3  f  x   4 * f ( x )  f  x 
x0
0 1 2
xi  x0  ih
1.5  1.1
1.5
 e dx  0.2 xi  1.1  i * 0.2

x
X0 = 1.1 x2 = 1.5 h=
1.1
2
0.2
  f 1.1  4 * f (1.3)  f 1.5  
3 
0.2 1.1
 e  4 * e1.3  e1.5 
3
 1.4775361
N = 3: Regla de Tres Octavos De Simpson
x3
3h
 f  x  dx 
x0
 f  x0   3* f ( x1 )  3* f  x2   f ( x3 ) 
8 
xi  x0  ih
1.5  1.1
1.5
 e dx  0.13 xi  1.1  i * 0.13

x
X0 = 1.1 x3 = 1.5 h=
1.1
3
3h
  f 1.1  3* f (1.23)  3* f 1.36   f (1.5) 
8 
3* 0.13 1.1
 e  3* e1.23  3* e1.36  e1.5 
8
 1.4719062
N= 4:
x4
2h
 f  x  dx  45 7 * f  x   32 * f ( x )  12 * f  x   32 * f ( x )  7 * ( x ) 
x0
0 1 2 3 4
xi  x0  ih
1.5  1.1
1.5
 e dx  0.1 xi  1.1  i * 0.13

x
X0 = 1.1 x4 = 1.5 h=
1.1
4
2 * 0.1
 7 * f 1.1  32 * f (1.2)  12 * f 1.3   32 * f (1.4)  7 * f (1.5) 
45 
2 * 0.1
 7 * e1.1  32 * e1.2  12 * e1.3  32 * e1.4  7 * e1.5 
45
 1.4775230
I) Fórmulas abiertas comunes de Newton – cotes

x  xa
h b
n2
x0  a  h
xi  x0  ih
N = 0: Regla del del punto medio

x1
 f  x  dx  2 * h * f  x 
xx 1
0
1.5
1.5  1.1 x0  X x 1  h
 e dx  0.2
x
Xx-1 = 1.1 x1 = 1.5 h =
1.1
02 x0  1.1  h
 2 * h * f  x0 
 2 * 0.2 * f 1.3
 0.4 * e1.3
 1.4677187
N=1
x2
3h
 f  x  dx  2  f  x   f ( x ) 
xx 1
0 1
1.5
1.5  1.1 x0  X x 1  h
 e dx  0.13
x
Xx-1 = 1.1 x2 = 1.5 h =
1.1
1 2 x0  1.1  h
3* 0.13
  f 1.23  f (1.36) 
2 
3* 0.13 1.23 1.36
 e  e 
2 
 1.4634846
N=2
x3
4h
 f  x  dx  3 2 * f  x   f ( x )  2 * f  x 
x1
0 1 2
1.5
1.5  1.1 x0  X x 1  h
 e dx  0.1
x
Xx-1 = 1.1 x3 = 1.5 h =
1.1
22 x0  1.1  h
4 * 0.1
  2 * f 1.2   f (1.3)  2 * f 1.4  
3 
4 * 0.1
  2 * e1.2  e1.3  2 * e1.4 
3
 1.4775116
N= 3:
x4
5h
 f  x  dx  24 11* f  x   f ( x )  f  x   11* f ( x ) 
x1
0 1 2 3
1.5
1.5  1.1 x0  X x 1  h
 e dx  0.08
x
Xx-1 = 1.1 x4 = 1.5 h=
1.1
3 2 x0  1.1  h
5 * 0.08
 11* f 1.18  f (1.26)  f 1.34   11* f (1.42) 
24 
5 * 0.08
 11* e1.18  e1.26  e1.34  11* e1.42 
24
 1.4775151
15.d
Aproxime la siguiente integral mediante las fórmulas (4.23) a (4.30). ¿Es compatible la
exactitud de las aproximaciones con las fórmulas de error? ¿Qué partes de (d) y de (e) dan
la mejor aproximación?
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
SOLUCIÓN
Fórmulas cerradas de Newton - Cotes

Fórmula 4.23
 Regla del trapecio (n = 1)
𝒙𝟏
𝒉 𝒉𝟑 ′′
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝒇(𝒙𝟎 ) + 𝒇(𝒙𝟏 )) − 𝒇 (𝝃), 𝝃 ∈ (𝒙𝟎 , 𝒙𝟏 )
𝒙𝟎 𝟐 𝟏𝟐
10
1
∫ 𝑑𝑥
1 𝑥
𝑥0 = 1 𝑥1 = 10 ℎ = 𝑥1 − 𝑥0 = 10 − 1 = 9
10
1 9 1
∫ 𝑑𝑥 ≈ ∗ (𝑓(1) + 𝑓(10)) = 4.5 ∗ (1 + ) = 4.95000000 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
1 𝑥 2 10
10
1
∫ 𝑑𝑥 = ln(𝑥 ) 𝐼110 = ln(10) − ln(1) = 2.30258509 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
1 𝑥
No es compatible porque presentan distinto valor dando lugar a un error en la

aproximación.
Formula 4.24
 Regla de Simpson (n = 2)
𝒙𝟐
𝒉 𝒉𝟓 (𝟒)
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 )) − 𝒇 (𝝃), 𝝃 ∈ (𝒙𝟎 , 𝒙𝟐 )
𝒙𝟎 𝟑 𝟗𝟎
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑥2−𝑥0 10−1
𝑥0 = 1 𝑥2 = 10 ℎ= = = 4.5 𝑥1 = 𝑥0 + ℎ = 1 + 4.5 = 5.5
2 2
10
1 4.5
∫ 𝑑𝑥 ≈ ∗ (𝑓(1) + 4𝑓(5.5) + 𝑓(10))
1 𝑥 3
𝟏𝟎
𝟏 𝟒. 𝟓 𝟏 𝟏
∫ 𝒅𝒙 ≈ ∗ (𝟏 + 𝟒 ∗ + ) = 𝟐. 𝟕𝟒𝟎𝟗𝟎𝟗𝟎𝟗 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏 𝒙 𝟑 𝟓. 𝟓 𝟏𝟎
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 = 𝐥𝐧 (𝟏𝟎) − 𝐥𝐧(𝟏) = 𝟐. 𝟑𝟎𝟐𝟓𝟖𝟓𝟎𝟗 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟏 𝒙
aproximación.
Fórmula 4.25
 Regla de tres octavos de Simpson (n = 3)
𝒙𝟑
𝟑𝒉 𝟑𝒉𝟓 (𝟒)
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝒇(𝒙 ) ( ) ( ) (
𝟎 + 𝟑𝒇 𝒙𝟏 + 𝟑𝒇 𝒙𝟐 + 𝒇 𝒙𝟑 )) − 𝒇 (𝝃), 𝝃 ∈ (𝒙𝟎 , 𝒙𝟑 )
𝒙𝟎 𝟖 𝟖𝟎
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑥3−𝑥0 10−1
𝑥0 = 1 ℎ= = =𝟑
𝟑 𝟑
𝑥1 = 𝑥0 + ℎ = 1 + 3 = 4
𝑥2 = 𝑥1 + ℎ = 4 + 3 = 7
𝑥3 = 10
10
1 3∗3
∫ 𝑑𝑥 ≈ ∗ (𝑓(1) + 3𝑓(4) + 3𝑓 (7) + 𝑓(10))
1 𝑥 8
10
1 9 1 1 1
∫ 𝑑𝑥 ≈ ∗ (1 + 3 ∗ + 3 ∗ + )
1 𝑥 8 4 7 10
𝟏𝟎
𝟏
∫ 𝒅𝒙 ≈ 𝟐. 𝟓𝟔𝟑𝟑𝟗𝟐𝟖𝟔 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏 𝒙
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 𝒙
aproximación.
Fórmula 4.26
n=4
𝒙𝟒
𝟐𝒉
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝟕 ∗ 𝒇(𝒙𝟎 ) + 𝟑𝟐 ∗ 𝒇(𝒙𝟏 ) + 𝟏𝟐 ∗ 𝒇(𝒙𝟐 ) + 𝟑𝟐 ∗ 𝒇(𝒙𝟑 ) + 𝟕 ∗ 𝒇(𝒙𝟒 ))
𝒙𝟎 𝟒𝟓
𝟖𝒉𝟕 (𝟔)
− 𝒇 (𝝃) , 𝝃 ∈ (𝒙𝟎 , 𝒙𝟒 )
𝟗𝟒𝟓
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑥4−𝑥0 10−1
𝑥0 = 1 ℎ= = = 2.25
4 4
𝑥1 = 𝑥0 + ℎ = 1 + 2.25 = 3.25
𝑥2 = 𝑥1 + ℎ = 3.25 + 2.25 = 5.50
𝑥3 = 𝑥2 + ℎ = 5.50 + 2.25 = 7.75
𝑥4 = 10
10
1 2 ∗ 2.25
∫ 𝑑𝑥 ≈
1 𝑥 45
∗ (7 ∗ 𝑓 (1) + 32 ∗ 𝑓 (3.25) + 12 ∗ 𝑓 (5.50) + 32 ∗ 𝑓(7.75) + 7 ∗ 𝑓 (10))
10
1 4.5 1 1 1 1
∫ 𝑑𝑥 ≈ ∗ (7 + 32 ∗ + 12 ∗ + 32 ∗ +7∗ )
1 𝑥 45 3.25 5.50 7.75 10
𝟏𝟎
𝟏
∫ 𝒅𝒙 ≈ 𝟐. 𝟑𝟖𝟓𝟕𝟎𝟎𝟒𝟑 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏 𝒙
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 𝒙

aproximación.
Formulas abiertas de Newton - Cotes

Fórmula 4.27
 Regla del punto medio
𝒃
𝒉𝟑 ′′
∫ 𝒇(𝒙) 𝒅𝒙 ≈ 𝟐𝒉 ∗ 𝒇(𝒙𝟎 ) + 𝒇 (𝝃), 𝝃 ∈ (𝒂, 𝒃)
𝒂 𝟑
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑏−𝑎 10−1
𝑎=1 𝑏 = 10 ℎ = 𝑛+2 = = 4.5
0+2
𝑥0 = 𝑎 + ℎ = 5.5
𝟏𝟎
𝟏 𝟏
∫ 𝒅𝒙 ≈ 𝟐 ∗ 𝟒. 𝟓 ∗ 𝒇(𝟓. 𝟓) = 𝟗 ∗ = 𝟏. 𝟔𝟑𝟔𝟑𝟔𝟑𝟔𝟒 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏 𝒙 𝟓. 𝟓
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 𝒙
aproximación.
Fórmula 4.28
n=1
𝒃
𝟑𝒉 𝟑𝒉𝟑 ′′
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ( ) ( )
∗ (𝒇 𝒙𝟎 + 𝒇 𝒙𝟏 ) + 𝒇 (𝝃), 𝝃 ∈ (𝒂, 𝒃)
𝒂 𝟐 𝟒
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑏−𝑎 10−1
𝑎=1 𝑏 = 10 ℎ = 𝑛+2 = =3
1+2
𝑥0 = 𝑎 + ℎ = 4
𝑥1 = 𝑥0 + ℎ = 4 + 3 = 7
𝟏𝟎
𝟏 𝟑∗𝟑 𝟏 𝟏
∫ 𝒅𝒙 ≈ ∗ (𝒇(𝟒) + 𝒇(𝟕)) = 𝟒. 𝟓 ∗ ( + )
𝟏 𝒙 𝟐 𝟒 𝟕
= 𝟏. 𝟕𝟔𝟕𝟖𝟓𝟕𝟏𝟒 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒎𝒊𝒂𝒅𝒐
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 𝒙
aproximación.
Fórmula 4.29
n=2
𝒃
𝟒𝒉 𝟏𝟒𝒉𝟓 (𝟒)
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝟐 ∗ 𝒇(𝒙𝟎 ) − 𝒇(𝒙𝟏 ) + 𝟐 ∗ 𝒇(𝒙𝟐 )) + 𝒇 (𝝃), 𝝃 ∈ (𝒂, 𝒃)
𝒂 𝟑 𝟒𝟓
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑏−𝑎 10−1
𝑎=1 𝑏 = 10 ℎ = 𝑛+2 = = 2.25
2+2
𝑥0 = 𝑎 + ℎ = 1 + 2.25 = 3.25
𝑥1 = 𝑥0 + ℎ = 3.25 + 2.25 = 5.5
𝑥2 = 𝑥1 + ℎ = 5.5 + 2.25 = 7.75
10
1 4 ∗ 2.25
∫ 𝑑𝑥 ≈ ∗ (2 ∗ 𝑓 (3.25) − 𝑓(5.5) + 2 ∗ 𝑓 (7.75))
1 𝑥 3
10
1 1 1 1
∫ 𝑑𝑥 ≈ 3 ∗ (2 ∗ − +2∗ )
1 𝑥 3.25 5.5 7.75
𝟏𝟎
𝟏
∫ 𝒅𝒙 ≈ 𝟐. 𝟎𝟕𝟒𝟖𝟗𝟐𝟖𝟓 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏 𝒙
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 𝒙

aproximación.
Fórmula 4.30
n=3
𝒃
𝟓𝒉 𝟗𝟓𝒉𝟓 (𝟒)
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝟏𝟏 ∗ 𝒇(𝒙𝟎 ) + 𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 ) + 𝟏𝟏 ∗ 𝒇(𝒙𝟑 )) + 𝒇 (𝝃),
𝒂 𝟐𝟒 𝟏𝟒𝟒
𝝃 ∈ (𝒂, 𝒃)
𝟏𝟎
𝟏
∫ 𝒅𝒙
𝟏 𝒙
𝑏−𝑎 10−1
𝑎=1 𝑏 = 10 ℎ = 𝒏+𝟐 = = 1.8
𝟑+𝟐
𝑥0 = 𝑎 + ℎ = 1 + 1.8 = 2.8
𝑥1 = 𝑥0 + ℎ = 2.8 + 1.8 = 4.6
𝑥2 = 𝑥1 + ℎ = 4.6 + 1.8 = 6.4
𝑥3 = 𝑥2 + ℎ = 6.4 + 1.8 = 8.2
10
1 5 ∗ 1.8
∫ 𝑑𝑥 ≈ ∗ (11 ∗ 𝑓 (2.8) + 𝑓(4.6) + 𝑓(6.4) + 11 ∗ 𝑓(8.2))
1 𝑥 24
10
1 1 1 1 1
∫ 𝑑𝑥 ≈ 0.375 ∗ (11 ∗ + + + 11 ∗ )
1 𝑥 2.8 4.6 6.4 8.2
𝟏𝟎
𝟏
∫ 𝒅𝒙 ≈ 𝟐. 𝟏𝟏𝟔𝟑𝟕𝟖𝟓𝟔 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏 𝒙
𝟏𝟎
𝟏
∫ 𝒅𝒙 = 𝐥𝐧(𝒙) 𝑰𝟏𝟎
𝟏 𝒙

aproximación.
Vamos a aproximar las siguientes integrales para ver si tiene mejor aproximación que
la integral anterior.
𝟓,𝟓 𝟏𝟎
𝟏 𝟏
e) ∫ 𝒅𝒙 + ∫ 𝒅𝒙
𝒙 𝒙
𝟏 𝟓,𝟓
 Regla del trapecio

𝒙𝟏
𝒉 𝒉𝟑 ′′
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∗ (𝒇(𝒙𝟎 ) + 𝒇(𝒙𝟏 )) − 𝒇 (𝝃), 𝝃 ∈ (𝒙𝟎 , 𝒙𝟏 )
𝒙𝟎 𝟐 𝟏𝟐
𝟓,𝟓
𝟏
 ∫ 𝒅𝒙
𝒙
𝟏
𝑥0 = 1 𝑥1 = 5.5 ℎ = 𝑥1 − 𝑥0 = 5.5 − 1 = 4.5
5.5
1 4.5
∫ 𝑑𝑥 ≈ ∗ (𝑓(1) + 𝑓(5.5))
1 𝑥 2
5.5
1 1
∫ 𝑑𝑥 = 2.25 ∗ (1 + ) ≈ 2.65909091 … … . 𝑖
1 𝑥 5.5
𝟏𝟎
𝟏
 ∫ 𝒅𝒙
𝒙
𝟓,𝟓
𝑥0 = 5.5 𝑥1 = 10 ℎ = 𝑥1 − 𝑥0 = 10 − 5.5 = 4.5
10
1 4.5 1 1
∫ 𝑑𝑥 = ∗ (𝑓(5.5) + 𝑓 (10)) ≈ 2.25 ∗ ( + ) = 0.63409091 … … … 𝑖𝑖
5.5 𝑥 2 5.5 10
𝒊 + 𝒊𝒊
𝟓,𝟓 𝟏𝟎
𝟏 𝟏
∫ 𝒅𝒙 + ∫ 𝒅𝒙 ≈ 𝟐. 𝟔𝟓𝟗𝟎𝟗𝟎𝟗𝟏 + 𝟎. 𝟔𝟑𝟒𝟎𝟗𝟎𝟗𝟏
𝟏 𝒙 𝟓,𝟓 𝒙
≈ 𝟑. 𝟐𝟗𝟑𝟏𝟖𝟏𝟖𝟐 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
5,5 10
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = ln(𝑥 ) 𝐼15.5 + ln(𝑥 ) 𝐼5.5
10
= 𝑙𝑛(5.5) − 0 + 𝑙𝑛(10) − 𝑙𝑛(5.5)
1 𝑥 5,5 𝑥
𝟓,𝟓 𝟏𝟎
𝟏 𝟏
∫ 𝒅𝒙 + ∫ 𝒅𝒙 = 𝐥𝐧(𝟏𝟎) = 𝟐. 𝟑𝟎𝟐𝟓𝟖𝟓𝟎𝟗 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟏 𝒙 𝟓,𝟓 𝒙
En comparación con la aproximación anterior de la integral, al aproximar de esta manera si
es más preciso el resultado.
 Regla de Simpson
𝒙𝟐
𝒉 𝒉𝟓 (𝟒)
∫ 𝒇(𝒙) 𝒅𝒙 ≈ ) ( ) ( ))
∗ (𝒇(𝒙𝟎 + 𝟒𝒇 𝒙𝟏 + 𝒇 𝒙𝟐 − 𝒇 (𝝃), 𝝃 ∈ (𝒙𝟎 , 𝒙𝟐 )
𝒙𝟎 𝟑 𝟗𝟎
𝟓,𝟓 𝟏𝟎
𝟏 𝟏
∫ 𝒅𝒙 + ∫ 𝒅𝒙
𝟏 𝒙 𝟓,𝟓 𝒙
𝟓,𝟓
𝟏
 ∫ 𝒅𝒙
𝒙
𝟏
𝑥2−𝑥0 5.5−1
𝑥0 = 1 ℎ= = = 2.25
2 2
𝑥1 = 𝑥0 + ℎ = 1 + 2.25 = 3.25
𝑥2 = 5.5
5.5
1 2.25
∫ 𝑑𝑥 ≈ ∗ (𝑓(1) + 4 ∗ 𝑓(3.25) + 𝑓(5.5))
1 𝑥 3
10
1 2.25 1 1
∫ 𝑑𝑥 ≈ ∗ (1 + 4 ∗ + ) = 1.80944056 … … … 𝑖
1 𝑥 3 3.25 5.5
𝟏𝟎
𝟏
 ∫ 𝒅𝒙
𝒙
𝟓,𝟓
𝑥2−𝑥0 10−5.5
𝑥0 = 5.5 ℎ= = = 2.25
2 2
𝑥1 = 𝑥0 + ℎ = 5.5 + 2.25 = 7.75

𝑥2 = 10
10
1 2.25
∫ 𝑑𝑥 ≈ ∗ (𝑓(5.5) + 4 ∗ 𝑓 (7.75) + 𝑓 (10))
5.5 𝑥 3
10
1 2.25 1 1 1
∫ 𝑑𝑥 ≈ ∗( +4∗ + ) = 0.59846041 … … … 𝑖𝑖
5.5 𝑥 3 5.5 7.75 10
𝒊 + 𝒊𝒊
𝟓,𝟓 𝟏𝟎
𝟏 𝟏
∫ 𝒅𝒙 + ∫ 𝒅𝒙 ≈ 𝟏. 𝟖𝟎𝟗𝟒𝟒𝟎𝟓𝟔 + 𝟎. 𝟓𝟗𝟖𝟒𝟔𝟎𝟒𝟏
𝟏 𝒙 𝟓,𝟓 𝒙
≈ 𝟐. 𝟒𝟎𝟕𝟗𝟎𝟎𝟗𝟕 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
5,5 10
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = ln(𝑥 ) 𝐼15.5 + ln(𝑥 ) 𝐼5.5
10
= 𝑙𝑛(5.5) − 0 + 𝑙𝑛(10) − 𝑙𝑛(5.5)
1 𝑥 5,5 𝑥
𝟓,𝟓 𝟏𝟎
𝟏 𝟏
∫ 𝒅𝒙 + ∫ 𝒅𝒙 = 𝐥𝐧(𝟏𝟎) = 𝟐. 𝟑𝟎𝟐𝟓𝟖𝟓𝟎𝟗 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟏 𝒙 𝟓,𝟓 𝒙
En comparación con la aproximación anterior de la integral, al aproximar de esta manera si

es más preciso el resultado.
15.e
Aproxime las siguientes integrales mediante las fórmulas (4.23) a (4.30) ¿es
compatible la exactitud aproximaciones con las fórmulas de error? ¿qué partes de (d)
y de (e) dan la mejor aproximación?
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥
𝟏 𝑥 𝟓.𝟓 𝑥
A). Calculamos el valor real

𝟓.𝟓 1 𝟏𝟎 1
∫𝟏 𝑑𝑥 + ∫𝟓.𝟓 𝑥 𝑑𝑥=ln(5.5) − ln(1) + ln(10) + ln(5.5) = 2.3025851
𝑥
B). aplicación de las fórmulas cerradas de Newton-cortes:
N=1 regla del trapecio
𝑥 ℎ ℎ3
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] − 12 𝑓´´(),  ϵ(𝑥0 , 𝑥1 )
1
𝑥 1 ℎ 𝑏−𝑎
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 2 [𝑓(𝑥0 ) + 𝑓(𝑥1 )] 𝑥0 = 𝑎 𝑥𝑛 = 𝑏 ℎ= 𝑛
5.5 − 1
ℎ1 = = 4.5 ; 𝑥0 = 1 ; 𝑥1 = 𝑥0 + ℎ = 5.5
1
10 − 5.5
ℎ2 = = 4.5 ; 𝑥0 = 5.5 ; 𝑥1 = 𝑥0 + ℎ = 10
1
𝟓.𝟓 𝟏𝟎
1 1 4.5 4.5
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = [𝑓(1) + 𝑓(4.5)] + [𝑓 (5.5) + 𝑓(10)]
𝟏 𝑥 𝟓.𝟓 𝑥 2 2
𝟓.𝟓 1 𝟏𝟎 1 4.5 4.5 4.5 4.5
∫𝟏 𝑑𝑥 + ∫𝟓.𝟓 𝑥 𝑑𝑥 = [ 2 + 11 )] + [ 2 + 20 )] =3.2931818
𝑥
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 3.2931818
𝟏 𝑥 𝟓.𝟓 𝑥
N=2 REGLA DE SIMPSON

𝑥 ℎ ℎ5
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 3 [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] − 90 𝑓 4 () ϵ(𝑥0 , 𝑥1 )
2
5.5 − 1
ℎ1 = = 2.25; 𝑥0 = 1 ; 𝑥1 = 𝑥0 + ℎ = 1 + 2.25 = 3.25 ; 𝑥2 = 𝑥0 + 2ℎ
1
= 5.5
10−5.5
ℎ2 = = 2.25 ; 𝑥1 = 𝑥0 + ℎ = 5.5 + 2.25 = 7.75 ; 𝑥2 = 𝑥0 + 2ℎ = 10
1
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥
𝟏 𝑥 𝟓.𝟓 𝑥
2.25 2.25
= [𝑓(1) + 4𝑓 (3.25) + 𝑓(5.5)] + [𝑓(5.5) + 4𝑓(7.75) + 𝑓 (10)]
3 3
𝟓.𝟓 𝟏𝟎
1 1 2.25 9 2.25 2.25 9 2.25
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = [ + + )] + [ + + )]
𝟏 𝑥 𝟓.𝟓 𝑥 3 9.75 16.5 16.5 7.75 30
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 3.1830945
𝟏 𝑥 𝟓.𝟓 𝑥
N=3 REGLA DE TRES OCTAVOS DE SIMPSON

𝑥 3ℎ ℎ5
3
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓 (𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3 )] − 𝑓 4 (),  ϵ(𝑥0 , 𝑥1 )
8 80
5.5−1
ℎ= = 1.5 ; 𝑥0 = 1 ; 𝑥1 = 𝑥0 + ℎ = 1 + 1.5 = 2.5
3
𝑥2 = 𝑥0 + 2ℎ = 1 + 2(1.5) = 4 ; 𝑥3 = 𝑥0 + 3ℎ = 1 + 3(1.5) = 5.5

10−5.5
ℎ= = 1.5 ; 𝑥0 = 5.5 ; 𝑥1 = 𝑥0 + ℎ = 5.5 + 1.5 = 7.5
3
𝑥2 = 𝑥0 + 2ℎ = 5.5 + 2(1.5) = 8.5 ; 𝑥3 = 𝑥0 + 3ℎ = 5.5 + 3(1.5) = 10

𝟓.𝟓 𝟏𝟎
1 1 4.5
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = [𝑓(1) + 3𝑓 (2.5) + 3𝑓(8.5) + 𝑓 (5.5)] +
𝟏 𝑥 𝟓.𝟓 𝑥 8
4.5
[𝑓 (5.5) + 3𝑓 (7) + 3𝑓(8.5) + 𝑓 (10)]
8
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2.27986058
𝟏 𝑥 𝟓.𝟓 𝑥
N=4
𝑥 4 2ℎ
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 45 [7𝑓(𝑥0 ) + 32𝑓(𝑥1 ) + 12𝑓(𝑥2 ) + 32𝑓(𝑥3 ) + 17(𝑥4 )]
5.5−1
ℎ= = 1.125 ; 𝑥0 = 1 ; 𝑥1 = 𝑥0 + ℎ = 1 + 1.125 = 2.125
4
𝑥2 = 𝑥0 + 2ℎ = 1 + 2(1.125) = 3.25 ; 𝑥3 = 𝑥0 + 3ℎ = 1 + 3(1.125) = 4.375

10−5.5
ℎ= = 1.5 ; 𝑥0 = 5.5 ; 𝑥1 = 𝑥0 + ℎ = 5.5 + 1.125 = 6.625
4
𝑥2 = 𝑥0 + 2ℎ = 5.5 + 2(1.125) = 7.75 ; 𝑥3 = 𝑥0 + 3ℎ = 5.5 + 3(1.125) = 8.875

𝑥4 = 𝑥0 + 4ℎ = 5.5 + 4(1.125) = 10
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2.3466271
𝟏 𝑥 𝟓.𝟓 𝑥
C). Aplicación de las fórmulas abiertas comunes de Newton-Cortes

N=0 regla de punto medio
𝑥1
ℎ3
∫ 𝑓(𝑥 )𝑑𝑥 = 2ℎ𝑓(𝑥0 ) + 𝑓´´(), 𝑑𝑜𝑛𝑑𝑒  ∈ (𝑥−1 , 𝑥1 )
𝑥−1 3
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥
𝟏 𝑥 𝟓.𝟓 𝑥
𝑏−𝑎 5.5−1
ℎ = 𝑛+2 ℎ= = 2.25 𝑥0 = 𝑎 + ℎ = 1 + 2.25 = 3.25
2
𝑏−𝑎 10−5.5
ℎ = 𝑛+2 ℎ= = 2.25 𝑥0 = 𝑎 + ℎ = 5.5 + 2.25 = 7.75
2
𝑥1 1
∫𝒙−𝟏 𝑥 (𝑥 )𝑑𝑥 = 2ℎ𝑓(𝑥0 )
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2(2.25)𝑓(3.25) + 2(2.25)𝑓(7.75) = 1.9652605
𝟏 𝑥 𝟓.𝟓 𝑥
N=1
𝑥2
3ℎ ℎ3
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓 (𝑥1 )] + 3 𝑓´´(), 𝑑𝑜𝑛𝑑𝑒  ∈ (𝑥−1 , 𝑥2 )
𝑥−1 2 4
𝑏−𝑎 5.5−1
ℎ = 𝑛+2 ℎ= = 1.5 𝑥0 = 𝑎 + ℎ = 2.5 ; 𝑥1 = 𝑥0 + ℎ = 4
3
𝑏−𝑎 5.5−1
ℎ = 𝑛+2 ℎ= = 1.5 𝑥0 = 𝑎 + ℎ = 7; 𝑥1 = 𝑥0 + ℎ = 8.5
3
𝟓.𝟓 1 𝟏𝟎 1 3∗1.5 3∗1.5

∫𝟏 𝑑𝑥 + ∫𝟓.𝟓 𝑥 𝑑𝑥= [𝑓(2.5) + 𝑓(4)]+ [𝑓 (7) + 𝑓(8.5)]
𝑥 2 2
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2.048634
𝟏 𝑥 𝟓.𝟓 𝑥
N=2
3
4ℎ 14ℎ5 4
∫ 𝑓(𝑥 )𝑑𝑥 = [2𝑓(𝑥𝑑 ) − 𝑓 (𝑥1 ) + 2𝑓(𝑥2 )] + 𝑓 (), 𝑑𝑜𝑛𝑑𝑒  ∈ (𝑥−1 , 𝑥3 )
𝑥−1 3 45
5.5−1
ℎ= = 1.125 𝑥0 = 1 + 1.125 = 2.125 ; 𝑥1 = 2.125 + 1.125 =
4
3.25
𝑥2 = 3.25 + 2.125 = 4.375
10−5.5
ℎ= = 1.125 𝑥0 = 5.5 + 1.125 = 6.625 ; 𝑥1 = 6.625 + 1.125 =
4
7.25
𝑥2 = 7.25 + 1.125 = 8.75
𝟓.𝟓 1 𝟏𝟎 1 4∗1.125
∫𝟏 𝑑𝑥 + ∫𝟓.𝟓 𝑥 𝑑𝑥= [2𝑓(2.125) − 𝑓 (3.25) + 2𝑓(4.375)]
𝑥 3
4∗1.125
+ [2𝑓(6.625) − 𝑓(7.75) + 2𝑓(8.875)]
3
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2.233251
𝟏 𝑥 𝟓.𝟓 𝑥
N=3
4
5ℎ 95ℎ5 4
∫ 𝑓(𝑥 )𝑑𝑥 = [11𝑓(𝑥𝑑 ) + 𝑓 (𝑥1 ) + 𝑓(𝑥2 ) + 11𝑓(𝑥3 )] + 𝑓 (), 𝑑𝑜𝑛𝑑𝑒 
𝑥−1 24 144
∈ (𝑥−1 , 𝑥4 )
5.5−1
ℎ= = 0.9 𝑥0 = 1 + 0.9 = 1.9 ; 𝑥1 = 1.9 + 0.9 = 2.8
5
𝑥2 = 2.8 + 0.9 = 3.7 𝑥3 = 3.7 + 0.9 = 4.6
10−5.5
ℎ= = 0.9 𝑥0 = 5.5 + 0.9 = 6.4 ; 𝑥1 = 6.4 + 0.9 = 7.3
5
𝑥2 = 7.3 + 0.9 = 8.2 𝑥3 = 8.2 + 0.9 = 9.1
𝟓.𝟓 1 𝟏𝟎 1 5∗0.9
∫𝟏 𝑑𝑥 + ∫𝟓.𝟓 𝑥 𝑑𝑥= [11𝑓(1.9) + 𝑓 (2.8) + 𝑓(3.7) + 11𝑓(4.6)]+
𝑥 24
5∗0.9
[11𝑓(6.4) + 𝑓(7.3) + 𝑓(8.2) + 11𝑓(9.1)]
24
𝟓.𝟓 𝟏𝟎
1 1
∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2.249001
𝟏 𝑥 𝟓.𝟓 𝑥
15.f
Aproxime las siguientes integrales mediante las fórmulas (4.23) a (4.30) ¿es compatible
la exactitud aproximaciones con las fórmulas de error? ¿qué partes de (d) y de (e) dan la
mejor aproximación?
1
1⁄
f. ∫ 𝑥 3 𝑑𝑥
0
Formulas cerradas de Newton Cotes

n=1; Regla del trapecio
𝑥1
ℎ 𝑏−𝑎
∫ 𝑓(𝑥 ) 𝑑𝑥 = [𝑓(𝑥0 ) + 𝑓 (𝑥1 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑦0 = 𝑎; 𝑥𝑛 = 𝑏; ℎ=
2 𝑛
𝑥0
1−0
𝑥0 = 0; 𝑥1 = 1; ℎ= =1
1
1
1 1
∫ 𝑥 1∕3 𝑑𝑥 = [𝑓(0) + 𝑓 (1)] = [(0)1∕3 + (1)1∕3 ] = 0.5
2 2
0
n=1; Regla del Simpson

𝑥2
ℎ
∫ 𝑓(𝑥 ) 𝑑𝑥 = [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑥0 = 𝑎; 𝑥𝑛 = 𝑏; ℎ
3
𝑥0
𝑏−𝑎
=
𝑛
1−0
𝑥0 = 0; 𝑥2 = 1; ℎ= = 0.5; 𝑥1 = 0 + 0.5 = 0.5
2
1
0.5 0.5
∫ 𝑥 1∕3 𝑑𝑥 = [𝑓(0) + 4𝑓 (0.5) + 𝑓(1)] = [(0)1∕3 + 4(0.5)1∕3 + (1)1∕3 ]
3 3
0
= 0.6958004
n=1; Regla de tres octavos de Simpson
𝑥3
3ℎ
∫ 𝑓(𝑥 ) 𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑥0 = 𝑎; 𝑥𝑛 = 𝑏; ℎ
8
𝑥0
𝑏−𝑎
=
𝑛
1−0
𝑥0 = 0; 𝑥3 = 1; ℎ= = 0.33; 𝑥1 = 0 + 0.33 = 0.33; 𝑥2 = 0 + 2(0.33) =
3
0.66
𝑥3
3(0.33)
∫ 𝑥 1∕3 𝑑𝑥 = [𝑓(0) + 3𝑓(0.33) + 3𝑓(0.66) + 𝑓(0.99)]
8
𝑥0
𝑥3
∫ 𝑥 1∕3 𝑑𝑥 = 0.12375[(0)1∕3 + 3(0.33)1∕3 + 3(0.66)1∕3 + (1)1∕3 ] = 0.7035315

𝑥0
n=4
𝑥4
2ℎ
∫ 𝑓(𝑥 ) 𝑑𝑥 = [7𝑓(𝑥0 ) + 32𝑓(𝑥1 ) + 12𝑓(𝑥2 ) + 32𝑓(𝑥3 ) + 7𝑓(𝑥4 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑥0
45
𝑥0
𝑏−𝑎
= 𝑎; 𝑥𝑛 = 𝑏; ℎ =
𝑛
1−0
𝑥0 = 0; 𝑥4 = 1; ℎ= = 0.25; 𝑥1 = 0 + 0.25 = 0.25;
4
𝑥2 = 0 + 2(0.25) = 0.5; 𝑥3 = 0 + 3(0.25) = 0.75

𝑥4
1⁄ 2ℎ
∫𝑥 3 𝑑𝑥 = [7𝑓(0) + 32𝑓(0.25) + 12𝑓(0.5) + 32𝑓(0.75) + 7𝑓(1)]
45
𝑥0
𝑥4
1⁄ 0.5
∫𝑥 3 𝑑𝑥 = [7(0)1⁄3 + 32(0.25)1⁄3 + 12(0.5)1⁄3 + 32(0.75 )1⁄3 + 7(1)1⁄3 ]
45
𝑥0
= 0.7306341
Formulas abiertas de Newton Cotes
n = 0; Regla del punto medio
𝑥1
𝑏−𝑎
∫ 𝑓 (𝑥 ) 𝑑𝑥 = 2ℎ𝑓 (𝑥0 ); 𝑥1 = 𝑥0 + 𝑖ℎ; 𝑥0 = 𝑎 + ℎ; ℎ =
𝑛+2
𝑥−1
1−0
ℎ= = 0.5; 𝑥0 = 0 + 0.5 = 0.5
0+2
1
∫ 𝑥 1∕3 𝑑𝑥 = 2(0.5)𝑓(0.5) = (0.5)1∕3 = 0.7937005

0
n =1
𝑥1
3ℎ 𝑏−𝑎
∫ 𝑓 (𝑥 ) 𝑑𝑥 = [𝑓 (𝑥0 ) + 𝑓 (𝑥1 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑦0 = 𝑎 + ℎ; ℎ =
2 𝑛+2
𝑥−1
1−0
ℎ= = 0.33; 𝑥𝑖 = 0.33 + 0.33 = 0.66; 𝑥0 = 0 + 0.33 = 0.33
1+2
1
3(0.33) 1
∫ 𝑥 1∕3 𝑑𝑥 = [𝑓(0.33) + 𝑓(0.66)] = 0.4935 [(0.33)1∕3 + (0.66) ⁄3 ]
2
0
= 0.7730420
n=2
𝑥0
4ℎ 𝑏−𝑎
∫ 𝑓(𝑥 ) 𝑑𝑥 = [2𝑓(𝑥0 ) − 𝑓(𝑥1 ) + 2𝑓 (𝑥2 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑥0 = 𝑎 + ℎ; ℎ =
3 𝑛+2
𝑥−1
1−0
𝑛= = 0.25; 𝑥1 = 0.25 + 0.25 = 0.5; 𝑥2 = 0.25 + 2(0.25) = 0.75; 𝑥0 = 0 + 0.25
2+2
= 0.25
1
4(0.25)
∫ 𝑥 1∕3 𝑑𝑥 = [2𝑓(0) − 𝑓 (0.5) + 2𝑓(0.75)]
3
0
1⁄ 1⁄
= 0.33 [2(0 ⋅ 25) 3 − (0.5)1∕3 + 2(0.75) 3] = 0 ⋅ 7535026
n=3
𝑥1
5ℎ
∫ 𝑓 (𝑥 ) 𝑑𝑥 = [11𝑓(𝑥0 ) + 𝑓(𝑥1 ) + 𝑓 (𝑥2 ) + 11𝑓 (𝑥3 )]; 𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑥0 = 𝑎 + ℎ; ℎ
24
𝑥−1
𝑏−𝑎
=
𝑛+2
1−0
𝑛= = 0.2; 𝑥1 = 0.2 + 0.2 = 0.4; 𝑥2 = 0.2 + 2(0.2) = 0.6; 𝑥3 = 0.2 + 3(0.2)
3+2
= 0.8;
𝑥0 = 0 + 0.2 = 0.2
1
5(0.2)
∫ 𝑥 1∕3 𝑑𝑥 = [11𝑓(0.2) + 𝑓(0 ⋅ 4) + 𝑓(0 ⋅ 6) + 11𝑓(0.8)]
24
0
1
= [11(0.2)1∕3 + (0 ⋅ 4)1∕3 + (0.6)1∕3 + 11(0.8)1∕3 ] = 0.739352
24
16
Dada la función f en los siguientes valores
𝑥 1.8 2.0 2.2 2.4 2.6
𝑓(𝑥) 3.12014 4.42569 6.04241 8.03014 10.46675
Aproxime
2.6
𝑓(𝑥 )𝑑𝑥 𝑢𝑠𝑎𝑛𝑑𝑜 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑠 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑡𝑢𝑟𝑎 𝑖𝑛𝑐𝑙𝑢𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑠𝑡𝑎 𝑠𝑒𝑐𝑐𝑖ó𝑛
∫
1.8 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑎𝑛 𝑎𝑝𝑙𝑖𝑐𝑎𝑟𝑠𝑒
1. REGLA DEL TRAPECIO
2.6 − 1.8
ℎ= = 0.8
1
2.6 ℎ 0.8
∫1.8 𝑓 (𝑥 )𝑑𝑥 = 2 (𝑓 (1.8) + 𝑓(2.6))= 2
(3.12014 + 10.46675)
2.6
∫ 𝑓(𝑥 )𝑑𝑥 ≈ 5.4357
1.8
𝒏 = 𝟐. 𝑹𝑬𝑮𝑳𝑨 𝑫𝑬 𝑺𝑰𝑴𝑷𝑺𝑶𝑵
2.6−1.8
ℎ= = 0.4
2
2.6 ℎ
∫1.8 𝑓(𝑥 )𝑑𝑥 = 3
(𝑓(1.8) + 4 ∗ 𝑓(2.2) + 𝑓(2.6))
2.6 0.4
∫1.8 𝑓 (𝑥 )𝑑𝑥 = = 3
(3.12014 + 4 ∗ 6.04241 + 10.46675)= 5.034204
n=3. REGLA DE 3 OCTAV0S DE SIMPSON
2.6 − 1.8 0.8
ℎ= =
3 3
por diferencias divididas de Newton
1.246667𝑥 3 − 3.590375𝑥 2 + 6.657308𝑥 − 4.50076
Reemplazamos en
2.6 3ℎ
∫1.8 𝑓(𝑥 )𝑑𝑥 = 8
(𝑓(1.8) + 3 ∗ 𝑓(2.06667) + 3 ∗ 𝑓 (2.3333) + 𝑓(2.6))
2.6 0.8
∫1.8 𝑓(𝑥 )𝑑𝑥 = 8
(3.12014 + 3 ∗ 4.927327 + 3 ∗ 7.322304 + 10.46675) ≈
5.033578
𝑝𝑎𝑟𝑎 𝑛 = 4
2.6 − 1.8
ℎ= = 0.4
4
𝒙𝟒 𝟐𝒉
∫𝒙𝟎 𝒇(𝒙)𝒅𝒙 = 𝟒𝟓
[𝟕 ∗ 𝒇(𝒙𝟎 ) + 𝟑𝟐 ∗ 𝒇(𝒙𝟏 ) + 𝟏𝟐 ∗ 𝒇(𝒙𝟐 ) + 𝟑𝟐 ∗ 𝒇(𝒙𝟑 ) + 𝟕 ∗ 𝒇(𝒙𝟒 )]
2.6
2ℎ
∫ 𝑓(𝑥 )𝑑𝑥 = [7 ∗ 𝑓1.8) + 32 ∗ 𝑓(2.0) + 12 ∗ 𝑓2.2) + 32 ∗ 𝑓(2.4) + 7 ∗ 𝑓(2.6)]
1.8 45
2.6
2ℎ
∫ 𝑓(𝑥 )𝑑𝑥 = [7 ∗ 𝑓1.8) + 32 ∗ 𝑓(2.0) + 12 ∗ 𝑓2.2) + 32 ∗ 𝑓(2.4) + 7 ∗ 𝑓(2.6)]
1.8 45
2.6
0.4
∫ 𝑓(𝑥 )𝑑𝑥 = [7 ∗ 3.12014 + 32 ∗ 4.42569 + 12 ∗ 6.04241 + 32 ∗ 8.03014 + 7
1.8 45
∗ 10.46676]
2.6
∫ 𝑓(𝑥 )𝑑𝑥 = 𝟓. 𝟎𝟑𝟐𝟗𝟑𝟏
1.8
17
Dada la función f en los siguientes valores
x 1.8 2.0 2.2 2.4 2.6
f(x) 3,12014 4,42569 6,04241 8,03014 10,46675
Suponga que los datos tienen errores de redondeo contenidos en la tabla siguiente:
x 1.8 2.0 2.2 2.4 2.6
Error f(x) 2 x 10-6 2 x 10-6 -0,9 x 10-6 -0,9 x 10-6 2 x 10-6
Calcule los errores de redondeo.

Solución:
𝐸 = 𝑃∗ − 𝑃 donde E es el error de redondeo, P* la aproximación calculada y p el valor del
número redondeado
Se calculará el error relativo para obtener el porcentaje de error
2 x 10-6 = 0,000001
-0,9 x 10-6 = -0,000009
Aprox. 3,120141 4,425691 6,042409 8,030139 10,466751
calculada
Valor 3,12014 4,42569 6,04241 8,03014 10,466751
redondeo
Error relativo porcentual:

x 1.8 2.0 2.2 2.4 2.6
ERP 0,000032% 0,000023% 0,000017% 0,000012% 0,000010%
18
Deduzca la regla de Simpson con el termino de error por medio de
𝑥2
∫𝑥0 𝑓 (𝑥 )𝑑𝑥 = 𝑎0 𝑓 (𝑥0 ) + 𝑎1 𝑓(𝑥1 ) + 𝑎2 𝑓 (𝑥2 ) + 𝑘𝑓 (4) (ᵹ)
Obtenga 𝑎0 , 𝑎1 , 𝑦 𝑎2 tomando como base el hecho de que la regla de Simpson es exacta para
𝑓 (𝑥 ) = 𝑥 𝑛 cuando 𝑛 = 1, 2 𝑦 3. Después obtenga k aplicando la fórmula de integración con
𝑓 (𝑥 ) = 𝑥 4 .
SOLUCION
𝑥 2 ℎ ℎ5
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 3 [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] − 90 𝑓 (4) (ᵹ)
𝑥 2
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 𝑎0 𝑓(𝑥0 ) + 𝑎1 𝑓 (𝑥1 ) + 𝑎2 𝑓(𝑥2 ) + 𝑘𝑓 (4) (ᵹ)
Como las soluciones son exactas entonces no consideramos el error.

Con:
 𝑓 (𝑥 ) = 𝑥
𝑓 (𝑥 0 ) = 𝑥 0
𝑓(𝑥1 ) = 𝑥1
𝑓 (𝑥 2 ) = 𝑥 2
ℎ
𝑎0 𝑥0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 = 3 [𝑥0 + 4𝑥1 + 𝑥2 ]
Resolviendo obtenemos:
ℎ 4ℎ ℎ
𝑎0 = 3 ; 𝑎1 = ; 𝑎2 =
3 3
𝑓 (𝑥 ) = 𝑥 4
𝑓 (𝑥 0 ) = 𝑥 0 4
𝑓(𝑥1 ) = 𝑥1 4
𝑓 (𝑥 2 ) = 𝑥 2 4
𝑓 ′ (𝑥 ) = 4𝑥 3
𝑓 ′′ (𝑥 ) = 12𝑥 2
𝑓 (3) (𝑥) = 24𝑥
𝑓 (4) (𝑥) = 24
𝑓 (4) (ᵹ) = 24
𝑥 2 ℎ
∫𝑥0 𝑓(𝑥 )𝑑𝑥 = 3 [𝑥0 4 + 4𝑥1 4 + 𝑥2 4 ] + 𝑘𝑓 (4) (ᵹ)
ℎ ℎ5 ℎ
[𝑥0 4 + 4𝑥1 4 + 𝑥2 4 ] − 𝑓 (4) (ᵹ) = 3 [𝑥0 4 + 4𝑥1 4 + 𝑥2 4 ] + 𝑘𝑓 (4) (ᵹ)
3 90
ℎ5
− (24) = 𝑘(24)
90
ℎ5
𝑘 = − 90
19
Demuestre el enunciado posterior a la definición 4.1: es decir, demuestre que la
fórmula de cuadratura tiene un grado de precisión n, y solo si el error 𝑬(𝑷(𝒙)) = 𝟎
para todos los polinomios 𝑷(𝒙) de grado 𝒌 = 𝟎, 𝟏, 𝟐, … , 𝒏, pero 𝑬(𝑷(𝒙)) ≠ 𝟎 para
algún polinomio 𝑷(𝒙) de grado 𝒏 + 𝟏.
La definición 4.1. dice: El grado de precisión de una formula cuadratura es el entero

positivo mas grande 𝑛, tal que la formula sea exacta para 𝑥 𝑘 , cuando 𝑘 = 0,1,2, … , 𝑛
Entonces:
Si 𝐸(𝑥 𝑘 ) = 0 para todo 𝑘 = 0,1,2, … , 𝑛 y 𝐸(𝑥 𝑛+1 ) ≠ 0, entonces con 𝑃𝑛+1 (𝑥 ) = 𝑥 𝑛+1
tenemos un polinomio de grado 𝑛 + 1 para lo cual 𝐸(𝑃𝑛+1 (𝑥 )) ≠ 0.
Ahora construimos el polinomio:

Sea 𝑃(𝑥 ) = 𝑎𝑛 𝑥 𝑛 + ⋯ + 𝑎1 𝑥 + 𝑎0 para cualquier polinomio de grado menor o igual que 𝑛.
Por lo tanto 𝐸(𝑃(𝑥 )) = 𝑎𝑛 𝐸(𝑥 𝑛 ) + ⋯ + 𝑎1 𝐸 (𝑥 ) + 𝑎0 𝐸 (1) = 0. Consecuentemente, si
𝐸(𝑃 (𝑥 )) = 0, para todos los polinomios menores o iguales a 𝑛, llegamos a la deducción
que 𝐸(𝑥 𝑘 ) = 0 para todo 𝑘 = 0,1,2, … , 𝑛.
Por otro lado, sea 𝑃𝑛+1 (𝑥 ) = 𝑎𝑛+1 𝑥 𝑛+1 + ⋯ + 𝑎1 𝑥 + 𝑎0 , tendremos 𝐸(𝑃𝑛+1 (𝑥 )))) ≠ 0,
dado que 𝑎𝑛+1 ≠ 0.
Finalmente tenemos:
1 𝑎𝑛 𝑛 𝑎0
𝑥 𝑛+1 = 𝑃𝑛+1 (𝑥 ) − 𝑥 −⋯−
𝑎𝑛+1 𝑎𝑛+1 𝑎𝑛+1
1 𝑎𝑛 𝑎0 1
𝐸(𝑥 𝑛+1 ) = 𝐸(𝑃𝑛+1 (𝑥 )) − 𝐸(𝑥 𝑛 ) − ⋯ − 𝐸(1) = 𝐸(𝑃𝑛+1 (𝑥 )) ≠ 0
𝑎𝑛+1 𝑎𝑛+1 𝑎𝑛+1 𝑎𝑛+1
Finalmente llegamos a la conclusión que la formula de cuadratura tiene un grado de
precisión 𝑛.
20
Construya lo polinomios interpolares de Lagrange de la siguiente función Ln (x)
𝑥0 = 1 𝑥1 = 1.1 𝑥2 = 1.3 𝑥3 = 1.4 𝑛=3

𝑓 (𝑥 ) = 𝑙0 + 𝑙1 (𝑥 − 𝑥0 ) + 𝑙2 (𝑥 − 𝑥1 ) + 𝑙3 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
(𝑥 − 1.1)(𝑥 − 1.3)(𝑥 − 1.4) 𝑥 3 − 3.8𝑥 2 + 4.79𝑥 − 2.002
𝑙0 (𝑥) = =
(1 − 1.1)(1 − 1.3)(1 − 1.4) −0.012
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
(𝑥 − 1)(𝑥 − 1.3)(𝑥 − 1.4) 𝑥 3 − 3.7𝑥 2 + 1.92𝑥 − 1.82
𝑙1 (𝑥) = =
(1.1 − 1)(1.1 − 1.3)(1.1 − 1.4) 0.006
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 )
(𝑥 − 1)(𝑥 − 1.1)(𝑥 − 1.4) 𝑥 3 − 3.5𝑥 2 + 1.84𝑥 − 1.56
𝑙2 (𝑥) = =
(1.3 − 1)(1.3 − 1.1)(1.3 − 1.4) −0.006
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑙3 (𝑥) =
(𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
(𝑥 − 1)(𝑥 − 1.1)(𝑥 − 1.3) 𝑥 3 − 3.4𝑥 2 + 3.83𝑥 − 1.42
𝑙3 (𝑥) = =
(1.4 − 1)(1.4 − 1.1)(1.4 − 1.3) 0.012
𝑛=3
𝑝(𝑥 ) = 𝑙𝑛(𝑥)
𝑓 𝑛+1 (𝑥 ) = 𝑙𝑛(𝑥)
1 1 −2 6
𝑓 𝐼 (𝑥 ) = 𝑥 𝑓 𝐼𝐼 (𝑥 ) = 𝑥 2 𝑓 𝐼𝐼𝐼 (𝑥 ) = 𝑓 𝐼𝑉 (𝑥) = 𝑥 4
𝑥3
𝐹(𝑋0 ) = 1
𝐹(𝑋1 ) = 0.095
𝐹(𝑋2 ) = 0.262
𝐹(𝑋3 ) = 0.336
𝑓 (𝑥 ) = 𝑙0 𝑓(𝑥0 ) + 𝑙1 𝑓(𝑥1 ) + 𝑙2 𝑓(𝑥2 ) + 𝑙3 (𝑥3 )
6 −(𝑥 3 − 3.8𝑥 2 + 4.79𝑥 − 2.002) (𝑥 3 − 3.7𝑥 2 + 1.92𝑥 − 1.82)0.0095

𝑝3 (𝑥) = [ +
𝑥4 0.012 0.006
(𝑥 3 − 3.5𝑥 2 + 1.84𝑥 − 1.56)0.262

−
0.006
(𝑥 3 − 3.4𝑥 2 + 3.83𝑥 − 1.42)0.336

+ ]
0.012
21
Utilice el teorema 4.3 para reducir la ecuación (4.28) con un término de error.
n
Teorema 4.3 Supongamos que  a f ( x ) denota la formula abierta de (n  1)
i 0
1 1 puntos de
(b  a)
Newton Cotes, con xn 1  a; xn 1  b; h  por tanto, existe   (a, b) para el cual.
(n  2)
n
hn 2 f ( n1) ( ) n1
f ( x)dx  a1 f ( x1 ) 
b
a
i 0 (n  1!) 1
t (t  1)....(t  n)dt
Si n es impar y si f  cn1  a, b
Ecuación (4.28)
n 1

3h 3h3
 4
f ( x)dx   f ( x0 )  f ( x1 )  f "( ) , donde x1    x2
x|1 2 2
Aplicando fórmulas en el siguiente ejercicio sale el valor aproximado de:

2
0
4
sen( x)dx  1 
2
 0.29299322
Para las fórmulas cerradas, tenemos:
   

4 sen( 4 )  sen( )   0.27768018 y

 
2 2 4 
 
Y para fórmulas abiertas tenemos:

   
n  1 ; 4  sen( )  sen( )   0.29798754
2 12 6 
CONJUNTO
DE
EJERCICIOS
4.4
Ejercicio 1ª. Aplique la regla compuesta del trapecio con los valores indicados de n para
aproximar las siguientes integrales.
𝟐
∫𝟏 𝒙 𝐥𝐧 𝒙 𝒅𝒙, 𝒏 = 𝟒
Solución.
𝒃 𝒏−𝟏
𝒉
∫ 𝒇(𝒙)𝒅𝒙 = [𝒇(𝒂) + 𝟐 ∑(𝒇(𝒙𝒋 ) + 𝒇(𝒃))]
𝒂 𝟐
𝒋=𝟏
𝒃−𝒂 𝟐−𝟏
𝒉= = = 𝟎. 𝟐𝟓
𝒏 𝟒
𝒙𝒋 = 𝒂 + 𝒋𝒉 = 𝟏 + 𝒋𝟎. 𝟐𝟓
𝟐 𝒏−𝟏
𝟎. 𝟐𝟓
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = [𝒇(𝟏) + 𝟐 ∑ (𝒇(𝟏 + 𝒋(𝟎. 𝟐𝟓)) + 𝒇(𝟐))]
𝟏 𝟐
𝒋=𝟏
𝟐
𝟎. 𝟐𝟓
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = [𝟎 + 𝟐(𝟏. 𝟖𝟔𝟔𝟒𝟓𝟒𝟕 + 𝟎. 𝟔𝟗𝟑𝟏𝟒𝟕𝟐]
𝟏 𝟐
𝟐
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = 𝟎. 𝟔𝟑𝟗𝟗𝟎𝟎𝟓
𝟏
EJERCICICO 1b. Aplique la regla compuesta del trapecio en los valores indicados de n
para aproximar las siguientes integrales:
𝑏 𝑛−1
ℎ −(𝑏 − 𝑎) 2 "
∫ 𝑓 (𝑥 ) = [𝑓 (𝑎) + 2 ∑ (𝑓(𝑥𝑗 ) + 𝑓(𝑏))] + ℎ 𝑓 (𝜇 )
𝑎 2 12
𝑗=1
2
b. ∫−2 𝑥 3 𝑒 𝑥 𝑑𝑥 𝑛 =4
Solución
𝑏 𝑛−1
ℎ
∫ 𝑓 (𝑥)𝑑𝑥 = [𝑓(𝑎) + 2 ∑ (𝑓(𝑥𝑗 ) + 𝑓 (𝑏))] ; 𝑑𝑜𝑛𝑑𝑒 ∶
−𝑎 2
𝑗=1
(𝑏 − 𝑎) (2 − (−2)
ℎ= = =1
𝑛 4
𝑥𝑗 = 𝑎 + 𝑗ℎ = −2 + 𝑗(1) = −2 + 𝑗
2 3
1
3 𝑥
∫ 𝑥 𝑒 𝑑𝑥 = [𝑓 (−2) + 2 ∑(𝑓 (−2 + 𝑗)) + 𝑓 (2)]
−2 2
𝑗=1
2
1
∫ 𝑥 3 𝑒 𝑥 𝑑𝑥 = [−1.0826823 + 2(2.3504024) + 59.1124488]
−2 2
2
∫ 𝑥 3 𝑒 𝑥 𝑑𝑥 = 31.3652857
−2
Ejercicio 1. C. Aplicando la regla compuesta del trapecio con los valores indicados de n
para aproximar la siguiente integral.
1.6
2
𝑐. ∫ 𝑑𝑥; 𝑛 = 6
1 𝑥2 −4
Solución
Aplicando la regla compuesta del trapecio
𝑏 𝑛−1
ℎ 𝑏 − 𝑎 2 ′′
∫ 𝑓 (𝑥 ) 𝑑𝑥 = [𝑓 (𝑎) + 2 (∑ 𝑓(𝑥𝑗 )) + 𝑓(𝑏)] − ℎ 𝑓 (𝑢 )
𝑎 2 12
𝑗=1
𝑏 − 𝑎 1.6 − 1
𝑎 = 1; 𝑏 = 1.6; ℎ = = = 0.1 ; 𝑥𝑗 = 𝑎 + 𝑗ℎ → 𝑥𝑗 = 1 + 0.1𝑗
𝑛 6
1.6 5
2 0.1
∫ 2
𝑑𝑥 = [𝑓 (1) + 2 ∑ 𝑓(𝑥𝑗 ) + 𝑓(1.6)]
1 𝑥 −4 2
𝑗=1
1.6
2 0.1
∫ 𝑑𝑥 = [𝑓(1) + 2(𝑓 (𝑥1 ) + 𝑓 (𝑥2 ) + 𝑓(𝑥3 ) + 𝑓(𝑥4 ) + 𝑓 (𝑥5 )) + 𝑓(1.6)]
1 𝑥2 −4 2
1.6
2 0.1
∫ 𝑑𝑥 = [𝑓(1) + 2(𝑓 (1.1) + 𝑓(1.2) + 𝑓(1.3) + 𝑓(1.4) + 𝑓 (1.5)) + 𝑓 (1.6)]
1 𝑥2 − 4 2
1.6
2 0.1
∫ 𝑑𝑥 = [−0.6666667 + 2(−4.4871460) + (−1.3888889)]
1 𝑥2 −4 2
1.6
2 0.1
∫ 𝑑𝑥 = [−0.6666667 − 8.9742921 − 1.3888889]
1 𝑥2 −4 2
1.6
2 0.1
∫ 𝑑𝑥 = [−11.0298477]
1 𝑥2 − 4 2
1.6
2
∫ 𝑑𝑥 = −0.5514924
1 𝑥2 −4
Valor real de la integral
1.6
2
∫ 𝑑𝑥 = −0.5493061
1 𝑥2 −4
Error real
𝐸𝑟 = 𝑉𝑟 − 𝑉𝑎 = −0.5493061 − (−0.5514924) = 0.0021863
EJERCICIO 1c. Aplique la regla compuesta del trapecio con los valores indicados de n
para aproximar las
siguientes integrales:
2
2
∫ 𝑑𝑥 𝑛=6
0 𝑥2 + 4
𝑏 𝑛−1
ℎ
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑎) + 2 ∑ (𝑓(𝑥𝑗 ) + 𝑓 (𝑏))]
𝑎 2
𝑗=1
(𝑏 − 𝑎) 2 − 0 1
ℎ= = =
𝑛 6 3
1 𝑗
𝑥𝑗 = 𝑎 + 𝑗ℎ = 0 + 𝑗 ( ) =
3 3
2 5
2 1 1
∫ 2 𝑑𝑥 = [𝑓 (0) + 2 ∑ (𝑓 ( 𝑗) + 𝑓(2))]
0 𝑥 +4 6 3
𝑗=1
2
2 1
∫ 𝑑𝑥 = [0.5 + 3.955444 + 0.25]
0 𝑥2 + 4 6
𝟐
𝟐
∫ 𝒅𝒙 = 𝟎. 𝟕𝟖𝟒𝟐𝟒𝟏
𝟎 𝒙𝟐 +𝟒
EJERCICIO 1.d
1.d . Aplique la regla compuesta del trapecio con los valores indicados de n para aproximar
las siguientes integrales.

0
x 2 cos xdx, n=6
h n 1 

b
a
f ( x)dx  
2
f ( a )  2
j 1
( f ( x j )  f (b)) 

(b  a) (  0) 
h  
n 6 6
(b  a)    
xj   a  jh  0  j   j 
n 6 6
   5
   
 x 2 cos xdx   f (0)  2  f j    f ( ) 
0 12  j 1  6  
 
 x 2 cos xdx   2(7.343153  9.869604)
0 12

0
x 2 cos xdx  6.428722
La regla compuesta del trapecio es una forma de aproximar una integral por medio de 𝑛
trapecios. Para esto debemos considerar una función 𝑓 (𝑥 ) la cual es continua en el intervalo
[𝑎, 𝑏] de tal modo que el área bajo 𝑓(𝑥 ) está dada por
𝑏 𝑛−1
𝑏 − 𝑎 𝑓 (𝑎 ) + 𝑓 (𝑏 ) 𝑏−𝑎
∫ 𝑓(𝑥 )𝑑𝑥 ≈ [ + ∑ 𝑓 (𝑎 + 𝑘 )]
𝑎 𝑛 2 𝑛
𝑘=1
π
Aplicando lo anterior a la siguiente integral ∫0 𝑥 2 𝑐𝑜𝑠(𝑥 )𝑑𝑥 con 𝑛 = 6
π 𝑛−1
π − 0 𝑓 (π) + 𝑓(0) π−0
∫ 𝑥 2 𝑐𝑜𝑠(𝑥 )𝑑𝑥 ≈ [ + ∑ 𝑓 (0 + 𝑘 )]
0 6 2 6
𝑘=1
π −1 + 1 π 2 π 𝜋 2 𝜋 𝜋 2 𝜋 2𝜋 2 2𝜋
= [ + ( ) 𝑐𝑜𝑠 ( ) + ( ) 𝑐𝑜𝑠 ( ) + ( ) 𝑐𝑜𝑠 ( ) + ( ) 𝑐𝑜𝑠 ( )
6 2 6 6 3 3 2 2 3 3
2
5𝜋 5𝜋
+ ( ) 𝑐𝑜𝑠 ( )]
6 6
π π2 π2
= (− − )
6 6 √3
Ejercicio. 1e. Aplique la regla compuesta del Trapecio con los valores indicados de n para
aproximar las siguientes integrales
2
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 , 𝑛=8
0
SOLUCIÓN
𝑏 𝑛−1 (𝑏 − 𝑎) 2 ′′
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥𝑗 ) + 𝑓(𝑏)] − ℎ 𝑓 (𝑢) 𝑢 ∈ (𝑎; 𝑏); 𝑑𝑜𝑛𝑑𝑒
𝑎 2 𝑗=1 12
(𝑏 − 𝑎 ) 2−0
ℎ= → = 0.25
𝑛 8
𝑥𝑗 = 𝑎 + 𝑗ℎ → 0 + 𝑗(0.25) = 0.25𝑗 𝑗 = 1,2,3,4 … … 𝑛
2
− ∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥
0
1
= [𝑓(0) + 2(𝑓 (0.25) + 𝑓 (0.5) + 𝑓(0.75) + 𝑓(1) + 𝑓 (1.25) + 𝑓(1.5) + 𝑓(1.75))
8
+ 𝑓(2)]
2
1
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 = [0 + 2(−46.6761329) − 15.2555693)]
0 8
2
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 = −13.5759794 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
0
2 2
1
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 = [−3𝑒 2𝑥 cos 3𝑥 + 2𝑒 2𝑥 sin 3𝑥 ]| = −14.2139771 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
0 13 0
Error =0.6379977
Ejercicio 1e.
𝟐
∫ 𝒆𝟐𝒙 𝐬𝐢𝐧(𝟑𝒙)𝒅𝒙
𝟎
𝒃−𝒂
a=0 b=2 n=8 h= 𝒏
𝟐−𝟎
𝒉=
𝟖
𝟐
𝒉=
𝟖
𝒉 = 𝟎. 𝟐𝟓
x F(x)
0.25
0.5 0.0711563
0.75 0.0711563
1 0.1422639
1.5 1.5758931
1.75 3.3011746
2 5.7070607
𝒃
𝒉
∫ 𝒇 ( 𝒙) = [𝒇(𝒙𝟎 ) + 𝟐𝒇(𝒙𝟏 ) + 𝟐𝒇(𝒙𝟐 ) … 𝟐𝒇(𝒙𝒏−𝟏 ) + 𝟐𝒇(𝒙𝒏 )]
𝒂 𝟐
𝟐
𝟎. 𝟐𝟓 𝟎. 𝟎𝟕𝟏𝟏𝟓𝟔𝟑 + 𝟎. 𝟎𝟕𝟏𝟏𝟓𝟔𝟑 + 𝟎. 𝟏𝟒𝟐𝟐𝟔𝟑𝟗
∫ 𝒆𝟐𝒙 𝐬𝐢𝐧(𝟑𝒙)𝒅𝒙 = [𝟎 + 𝟐 ( )]
𝟎 𝟐 +𝟏. 𝟓𝟕𝟓𝟖𝟗𝟑𝟏 + 𝟑. 𝟑𝟎𝟏𝟏𝟕𝟒𝟔 + 𝟓. 𝟕𝟎𝟕𝟎𝟔𝟎𝟕
𝟐
𝟎. 𝟐𝟓
∫ 𝒆𝟐𝒙 𝐬𝐢𝐧(𝟑𝒙)𝒅𝒙 = (𝟏𝟕. 𝟏𝟕𝟒𝟐𝟏𝟏𝟗)
𝟎 𝟐
2.1467765
Ejercicio 1-F). Aplique la regla compuesta del trapecio con los valores indicados de n para
aproximar las siguientes integrales.
3 𝑥
F. ∫1 𝑑𝑥, n = 8
𝑥 2+4
SOLUCIÓN:
3 𝑥
Considerando la integral ∫1 𝑑𝑥
𝑥 2 +4
𝑏
Campare esta integral con la integral ∫𝑎 𝑓(𝑥) 𝑑𝑥
𝑥
Aquí, a = 1, b = 3, 𝑓 (𝑥) = 𝑥 2 +4,
y dado n = 8
Encontrando h con n = 8
b−a
h= 𝑛
3−1
h= 8
1
h=
4
h = 0.25
Tabulando el conjunto de todos los valores Xj′s conrrespondientes 𝑓(xj).

Xj 1 1.25 1.5 1.75 2 2.25 2.5 2.75 3
𝑓(xj) 0.2 0.22471901 0.24 0.24778761 0.25 0.24827586 0.243902439 0.237837837 0.23076923
Introduzca todos estos valores en la regla trapezoidal compuesta.

3 𝑥 0.25 𝑓(1.25)+𝑓(1.5)+𝑓(1.75)+
∫1 𝑑𝑥 = [𝑓(1) + 𝑓(3) + 2 (𝑓(2)+𝑓(2.25)+𝑓(2.5)+𝑓(2.75) )]
𝑥 2 −4 2
0.25 0.2+0.22471901+0.24+0.24778761+0.25+
= [(0 + 0.23076923) + 2(0.24827586+0.24390244+0.23783784+0.23076923 )]
2
0.25
= [4.03735303]
2
= 0.50466915
EJERCICIO 1g. Aplique la regla compuesta del trapecio con los valores indicados de n
para aproximar las siguientes integrales.
5 𝑥
G. ∫3 𝑑𝑥, n = 8
√𝑋 2 −4
SOLUCIÓN:
5 𝑥
Considerando la integral ∫3 𝑑𝑥
√𝑋 2 −4
𝑏
Campare esta integral con la integral ∫𝑎 𝑓(𝑥) 𝑑𝑥
𝑥
Aquí, a = 3, b = 5, 𝑓 (𝑥) = √𝑋 2
−4
y dado n = 8
Encontrando h con n = 8
b−a
h= 𝑛
5−3
h=
8
1
h= 4
h = 0.25
Tabulando el conjunto de todos los valores Xj′s conrrespondientes 𝑓(xj).

Xj 𝑓(xj)
3 0.44721359
3.25 0.39036003
3.5 0.34815531
3.75 0.31524416
4 0.28867513
4.25 0.26666666
4.5 0.24806947
4.75 0.23210354
5 0.21821787
Introduzca todos estos valores en la regla trapezoidal compuesta.

5 𝑥 0.25 𝑓(3.25)+𝑓(3.5)+𝑓(3.75)+
.∫3 𝑑𝑥 = [𝑓(3) + 𝑓(5) + 2 (𝑓(4)+𝑓(4.25)+𝑓(4.5)+𝑓(4.75) )]
√𝑋 2 −4 2
0.25
= [(0 + 0.44721359 + 0.21821789) +
2
0.39036003+0.34815531+0.31524416+0.28867513+
2( 0.26666666+0.24806947+0.23210354+0.21821787 )]
0.25
= [4.84398003]
2
= 0.60549750
EJERCICIO 1h. Aplique la regla compuesta del trapecio con los valores indicados de n
para aproximar las siguientes integrales:
𝑏 𝑛−1
ℎ −(𝑏 − 𝑎) 2
∫ 𝑓 (𝑥 ) 𝑑𝑥 = [𝑓 (𝑎) + 2 ∑(𝑓(𝑥𝑗 ) + 𝑓(𝑏))] + ℎ 𝑓¨´(𝑢)
𝑎 2 12
𝑗=1
3𝜋/8
h) ∫0 𝑡𝑎𝑛𝑥𝑑𝑥 n=8
𝑏 𝑛−1
ℎ
∫ 𝑓 (𝑥 ) 𝑑𝑥 = [𝑓 (𝑎) + 2 ∑(𝑓(𝑥𝑗 ) + 𝑓 (𝑏))] ; 𝑑𝑜𝑛𝑑𝑒:
𝑎 2
𝑗=1
3𝜋
(𝑏 − 𝑎) ( 8 − 0)
(ℎ ) = = = 0.15
𝑛 8
𝑥𝑗 =a + jh = 0+j (0.15) = 0.15j
3𝜋/8 7
∫ 𝑡𝑎𝑛𝑥. 𝑑𝑥 = 0.075 [𝑓 (0) + 2 ∑(𝑓(𝑗(0.15)) + 𝑓(3𝜋/8))]

0 𝑗=1
3𝜋/8 7
∫ 𝑡𝑎𝑛𝑥. 𝑑𝑥 = 0.075 [0 + 2 ∑(𝑓(𝑗(0.15)) + 0.02056457]

0 𝑗=1
3𝜋/8 7
∫ 𝑡𝑎𝑛𝑥. 𝑑𝑥 = 0.075 [0.02056457 + 2 ∑(𝑓(𝑗(0.15))]

0 𝑗=1
3𝜋/8
∫ 𝑡𝑎𝑛𝑥. 𝑑𝑥 = 0.075(0.0206457) + 2(0.0733085)
0
3𝜋/8
∫ 𝑡𝑎𝑛𝑥. 𝑑𝑥 = 0.075(0.02056457 + 2(0.0733085))
0
3𝜋/8
∫ 𝑡𝑎𝑛𝑥. 𝑑𝑥 = 0.01259862
0
EJERCICICIO 1.h. Aplique la regla compuesta del trapecio con los valores indicados de
n para aproximar las siguientes integrales:
𝟑𝛑/𝟖
h: ∫𝟎 𝒕𝒂𝒏𝒙𝒅𝒙 n=8
𝑛−1
𝑏 ℎ
∫𝑎 𝑓(𝑥)𝑑𝑥 = 2 [𝑓(𝑎) + 2 ∑ (𝑓(𝑥𝑗 + 𝑓(𝑏))] ; 𝑑𝑜𝑛𝑑𝑒:
𝑗=1
𝟑𝛑
(𝑏−𝑎) ( −𝟎)
𝟖
h= = = 0.15
𝑛 8
1
xj = a + jh = 0 + j ( 4) = 0.15j
3π/8 7
∫0 𝑡𝑎𝑛𝑥𝑑𝑥 = 0.075 [𝑓(0) + 2 ∑𝑗=1(𝑓(𝑗(0.15)) + 𝑓 (3π/8)]
3π/8 7
∫0 𝑡𝑎𝑛𝑥𝑑𝑥 = 0.075 [0 + 2 ∑𝑗=1(𝑓(3 + 𝑓(0.15)) + 0.02056457]
3π/8 7
∫0 𝑡𝑎𝑛𝑥𝑑𝑥 = 0.075 [0.02056457 + 2 ∑𝑗=1(𝑓(𝑗 (0.15))]
3π/8
∫0 𝑡𝑎𝑛𝑥𝑑𝑥 = 0.075 (0.02056457 + 2 (0.0733085)
3π/8
∫0 𝑡𝑎𝑛𝑥𝑑𝑥 = 0.075 (0.02056457 + 2 (0.0733085)
3π
8
∫ 𝑡𝑎𝑛𝑥𝑑𝑥 = 0.01259862
0
EJERCICIO 2ª. Aplique la regla compuesta de Simpson para aproximar la integral:

2
∫1 𝑥 ln 𝑥 𝑑𝑥, 𝑛 = 4
SOLUCION
𝑓(𝑥) = 𝑥 ln 𝑥
𝑏 = 2; 𝑎 = 1; 𝑛 = 4
𝑏−𝑎 2−1
ℎ= = = 0.25
𝑛 4
𝑥0 = 1; 𝑥1 = 1.25; 𝑥2 = 1.5; 𝑥3 = 1.75; 𝑥4 = 2

𝑓 (𝑥0 ) = 0; 𝑓 (𝑥1 ) = 0.2789294; 𝑓 (𝑥2 ) = 0.6081977; 𝑓(𝑥3 ) = 0.9793276; 𝑓(𝑥4 )
= 1.3862944
aplicamos la regla compuesta de Simpson:
𝑏 𝑏−𝑎
∫𝑎 𝑓 (𝑥 )𝑑𝑥 ≈ [𝑓(𝑎) + 4 ∑𝑛−1 𝑛−2
𝑖=1,3,5… 𝑓 (𝑥𝑖 ) + 2 ∑𝑗=2,4,6… 𝑓(𝑥𝑗 ) + 𝑓(𝑏)]
3𝑛
2 2−1
∫1 𝑥 ln 𝑥 𝑑𝑥 ≈ 3(4) [𝑓 (𝑥0 ) + 4(𝑓(𝑥1 ) + 𝑓(𝑥3 )) + 2(𝑓(𝑥2 )) + 𝑓(𝑥4 )]
2 1
∫1 𝑥 ln 𝑥 𝑑𝑥 ≈ 12 [0 + 4(0.2789294 + 0.9793276) + 2(0.6081977) + 1.3862944]
2
∫1 𝑥 ln 𝑥 𝑑𝑥 ≈ 0.6363098 → 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
Valor exacto
2
∫1 𝑥 ln 𝑥 𝑑𝑥 Realizamos una integración por partes:
1
ln 𝑥 = 𝑢 → 𝑑𝑢 = 𝑥 𝑑𝑥
𝑥2
𝑑𝑣 = 𝑥𝑑𝑥 → 𝑣 =
2
𝑥2 𝑥2 1 𝑥2 𝑥2
𝐼 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢 = ln 𝑥 − ∫ 𝑑𝑥 = ln 𝑥 −
2 2 𝑥 2 4
2 𝑥2 𝑥2 2
∫1 𝑥 ln 𝑥 𝑑𝑥 = [ 2 ln 𝑥 − ] = 0.6362944 → 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
4 1
EJERCICIO 2b. Aplique la regla compuesta de Simpson para aproximar las integrales del
ejercicio Fórmula de la regla compuesta de Simpson es:
2
3 x
∫ . x e dx, n=4
−2
Solución
Reemplazamos los datos que tenemos en la fórmula de Simpson.
Encontramos los datos que nos faltan:
2.c
Aplique la regla compuesta de Simpson para aproximar las integrales del ejercicio 1.
2
2
∫ 𝑑𝑥 , 𝑛=6
0 𝑥2 +4
𝑛 𝑛
−1
𝑏 2 2
ℎ
∫ 𝑓 (𝑥 )𝑑𝑥 = (𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏))
𝑎 3
𝑗=1 𝑗=1
Valores:
𝑏−𝑎 2−0 1
ℎ= = =
𝑛 6 3
𝑗 𝑗
𝑥𝑗 = 𝑎 + 𝑗ℎ = 0 + =
3 3
2𝑗
𝑥2𝑗 =
3
2𝑗 − 1
𝑥2𝑗−1 =
3
Remplazando:
2
2 ℎ 1
∫ 𝑑𝑥 = [𝑓(0) + 2(𝑓 (𝑥2 ) + 𝑓(𝑥4 )) + 4(𝑓(𝑥1 ) + 𝑓(𝑥3 ) + 𝑓 (𝑥5 )) + ]
0 𝑥2 +4 3 4
1 1 2 4 1 5 1
= [ + 2 (𝑓 ( ) + 𝑓 ( )) + 4 (𝑓 ( ) + 𝑓(1) + 𝑓 ( )) + ]
9 4 3 3 3 3 4
2
2 1 1 9 9 18 2 18 1
∫ 𝑑𝑥 = [ + 2 (( ) + ( )) + 4 (( ) + + ( )) + ]
0 𝑥2 +4 9 4 20 26 37 5 61 4
2
2
∫ 𝑑𝑥 = 0.7576202
0 𝑥2 + 4
2 2
2 1
∫ 2 𝑑𝑥 = 2 ∫ 2 2
𝑑𝑥
0 𝑥 +4 0 𝑥 +2
1 1 𝑥
Usando: ∫ 𝑥 2+𝑎2 = 𝑎 𝑎𝑟𝑐𝑡𝑎𝑛 (𝑎)
Valor real de la expresión:

2
2 2 1 𝑥
∫0 𝑑𝑥 = 2 ∗ 2 𝑎𝑟𝑐𝑡𝑎𝑛 (2)
𝑥 2 +4 0
2
2
∫ 𝑑𝑥 = arctan(1) − arctan(0)
0 𝑥2 +4
2
2
∫ 𝑑𝑥 = 0.7853982
0 𝑥2 +4
𝐸𝑟𝑟𝑜𝑟 = |0.7853982 − 0.7576202| = 0.027778
EJERCICIO 2d. Aplique la regla compuesta de Simpson para aproximar las integrales del
ejercicio 1.
𝜋
d. ∫0 𝑥 2 𝑐𝑜𝑠(𝑥 )𝑑𝑥 ; 𝑛=6
Reemplazamos los datos que tenemos en la fórmula de Simpson.

𝜋
∫ 𝑥 2 𝑐𝑜𝑠(𝑥 )𝑑𝑥
0
2 3
ℎ
= [02 𝑐𝑜𝑠(0) + 2 ∑(𝑥2 𝑗 )2 𝑐𝑜𝑠(𝑥2 𝑗 ) + 4 ∑(𝑥2 𝑗−1 )2 𝑐𝑜𝑠(𝑥2 𝑗−1 ) + 𝜋 2 𝑐𝑜𝑠(𝜋)]
3
1 1
𝑏−𝑎 𝜋
ℎ= =
𝑛 6
𝜋𝑗
𝑥𝑗 = 𝑎 + 𝑗ℎ =
6
𝜋2 𝑗 𝜋𝑗
𝑥2 𝑗 = =
6 3
𝜋(2 𝑗 − 1)
𝑥2 𝑗−1 =
3
2 3
𝜋
2
𝜋 2 𝜋𝑗 2 𝜋𝑗 (2 𝑗 − 1)𝜋 2 (2 𝑗 − 1)𝜋
∫ 𝑥 𝑐𝑜𝑠(𝑥 )𝑑𝑥 = [0 𝑐𝑜𝑠(0) + 2 ∑ ( ) 𝑐𝑜𝑠 ( ) + 4 ∑ ( ) 𝑐𝑜𝑠 ( ) + 𝜋 2 𝑐𝑜𝑠
0 18 3 3 3 3
1 1
2
𝜋𝑗 2 𝜋𝑗 𝜋 2 𝜋 2𝜋 2 2𝜋
∑ ( ) 𝑐𝑜𝑠 ( ) = ( ) 𝑐𝑜𝑐 ( ) + ( ) 𝑐𝑜𝑠 ( ) = −1.6449341
3 3 3 3 3 3
1
3
(2 𝑗 − 1)𝜋 2 (2 𝑗 − 1)𝜋 𝜋 2 𝜋 3𝜋 2 3𝜋 5𝜋 2 5𝜋
∑( ) 𝑐𝑜𝑠 ( ) = ( ) 𝑐𝑜𝑐 ( ) + ( ) 𝑐𝑜𝑠 ( ) + ( ) 𝑐𝑜𝑠 ( )
3 3 6 6 6 6 6 6
1
= −5.6982188
𝜋
𝜋
∫ 𝑥 2 𝑐𝑜𝑠(𝑥 )𝑑𝑥 = (2(−1.6449341) + 4(−5.6982188) + 𝜋 2 𝑐𝑜𝑠(𝜋))
0 18
𝜋
∫ 𝑥 2 𝑐𝑜𝑠(𝑥 )𝑑𝑥 = −6.2831853
0
EJERCICIO 2d. Aplique la regla compuesta de Simpson para aproximar las integrales del
ejercicio 1.
x
d. 
0
x2 cos xdx
h 2 
 2j   2j   x2 j 1    2 cos  
2 3
   
x

2
x 2 cos xdx   0 cos 0  2 x cos x  4
0 3 1 1 
ba 
h 
n 6
j
x j  a  jh 
6
2 j  j
x2 j  
6 3
2  2 j  1   2 j  1
x2 j 1  
6 3
   j   j    2 j  1   
2 2 3
   
x
 x 2 cos dx        cos  
2 2
0 cos 0 2   cos   4 
18  1  3   3  1  3  
0
 j   j        2   2 
2 2 2 2
1  3  cos  3    3  cos  3    3  cos  3   1.644941

  2 j  1     2 j  1 
2
       3   3   5   5 
3 2 2 2
1  3  cos  3     cos      cos      cos    5.6982188

    6 6  6   6   6   6 

 2  1.6449341  4  5.6982188    cos     6.2748684

 x 2 cos xdx  2
0 18

El valor real de la expresión: 0
x2 cos xdx  6.2831853
Error: 0.0083169
EJERCICIO 2e. Aplique la regla compuesta de Simpson para aproximar las integrales del
ejercicio 1
2
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 , 𝑛=8
0
𝑏 𝑛 𝑛
ℎ 2
−1
2 (𝑏 − 𝑎 ) 4 4
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)] − ℎ 𝑓 (𝑢 )
𝑎 3 𝑗=1 𝑗=1 180
(𝑏 − 𝑎 ) 2−0
ℎ= → = 0.25
𝑛 8
𝑥𝑗 = 𝑎 + 𝑗ℎ → 0 + 𝑗(0.25) = 0.25𝑗 𝑗 = 1,2,3,4 … … 𝑛
𝑥2𝑗 = 0 + 0.5𝑗 = 0.5𝑗
𝑥2𝑗−1 = 0 + (2𝑗 − 1)0.25 = (2𝑗 − 1)0.25

2
− ∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥
0
1
= [𝑓(0) + 2 ∗ (𝑓(0.5) + 𝑓(1) + 𝑓(1.5)) + 4 ∗ (𝑓(0.25) + 𝑓 (0.75) + 𝑓(1.25)
12
+ 𝑓(1.75)) + 𝑓(2)]
2
1
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 = [0 − 31.7600022 − 123.1845272 − 15.2555693]
0 12
2
∫ 𝑒 2𝑥 sin 3𝑥 𝑑𝑥 = −14.1833416 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
0
2 2
2𝑥
1 2𝑥 2𝑥
∫ 𝑒 sin 3𝑥 𝑑𝑥 = [−3𝑒 cos 3𝑥 + 2𝑒 sin 3𝑥 ]| = −14.2139771 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
0 13 0
Error =0.0306355
Ejercicio 2e. Aplique la regla compuesta de Simpson para aproximar las integrales del
ejercicio 1.
𝟐
∫𝟎 𝒆𝟐𝒙 𝒔𝒊𝒏 𝟑𝒙 𝒅𝒙 = 𝑰,
n=8
SOLUCIÓN
 Calculando el valor exacto
2
𝐼 = ∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥
0
 Integración por partes
𝐼 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢
𝑢 = 𝑒 2𝑥 ∫ 𝑑𝑣 = ∫ 𝑠𝑖𝑛 3𝑥 𝑑𝑥
1
𝑑𝑢 = 2 ∗ 𝑒 2𝑥 𝑑𝑥 𝑣 = − 3 ∗ cos(3𝑥)
 Reemplazando
1 1
𝐼 = 𝑒 2𝑥 (− ∗ cos(3𝑥 )) − ∫ − ∗ cos(3𝑥)2 ∗ 𝑒 2𝑥 𝑑𝑥
3 3
1 2
𝐼 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥) + ∫ 𝑒 2𝑥 ∗ cos(3𝑥) 𝑑𝑥 − − − − − − − −𝐸1
3 3
 Ahora integramos la nueva integral del desarrollo
𝐼2 = ∫ 𝑒 2𝑥 ∗ cos(3𝑥)𝑑𝑥
𝐼2 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢
𝑢 = 𝑒 2𝑥 ∫ 𝑑𝑣 = ∫ 𝑐𝑜𝑠(3𝑥) 𝑑𝑥
1
𝑑𝑢 = 2 ∗ 𝑒 2𝑥 𝑑𝑥 𝑣 = 3 ∗ sen(3𝑥)
 Reemplazando
1 1
𝐼2 = 𝑒 2𝑥 ( ∗ sen(3𝑥 )) − ∫ ∗ sen(3𝑥) ∗ 2 ∗ 𝑒 2𝑥 𝑑𝑥
3 3
1 2𝑥 2
𝐼2 = ∗ 𝑒 ∗ sen(3𝑥) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥 )𝑑𝑥 − − − − − − − 𝐸2
3 3
 Sustituyendo E2 en E1
1 2 1 2
𝐼 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥) + ( ∗ 𝑒 2𝑥 ∗ sen(3𝑥) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥 )𝑑𝑥)
3 3 3 3
1 2 4
𝐼 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥) + (𝑒 2𝑥 ∗ sen(3𝑥)) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥) 𝑑𝑥)
3 9 9
1 2 4
∫ 𝑒 2𝑥 ∗ sen(3𝑥) = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥)) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥 ) 𝑑𝑥)
3 9 9
4 1 2
∫ 𝑒 2𝑥 ∗ sen(3𝑥) + ∫ 𝑒 2𝑥 ∗ sen(3𝑥 ) 𝑑𝑥 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥))
9 3 9
13 1 2
∫ 𝑒 2𝑥 ∗ sen(3𝑥 ) 𝑑𝑥 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥 ))
9 3 9
2
3 2
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 = [− ∗ 𝑒 2𝑥 ∗ cos(3𝑥) + (𝑒 2𝑥 ∗ sen(3𝑥))]|20
0 13 13
Reemplazando los límites de integración

2
3 2 3
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 = [− ∗ 𝑒 2∗2 ∗ cos(3 ∗ 2) + (𝑒 2∗2 ∗ sen(3 ∗ 2))] − [− ∗ 𝑒 0
0 13 13 13
∗ cos(0) + 0]
𝟐
∫ 𝒆𝟐𝒙 𝒔𝒊𝒏 𝟑𝒙 𝒅𝒙 = −𝟏𝟒. 𝟐𝟏𝟑𝟗𝟕𝟕𝟏𝟑 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟎
 La fórmula de Simpson compuesto para calcular el valor aproximado de la integral

es como sigue:
𝐧−𝟐 𝐧−𝟐
𝟐 𝟐
𝐡 (𝐱 𝐧 − 𝐱 𝟎 )𝒉𝟒 (𝟒)
𝐈≈ 𝐟(𝐱 𝟎 ) + 𝐟(𝐱 𝐧 ) + 𝟒 ⋅ ∑ 𝐟(𝐱 𝟐𝐤+𝟏 ) + 𝟐 ⋅ ∑ 𝐟(𝐱 𝟐𝐤 ) − 𝒇 (𝒖)
𝟑 𝟏𝟖𝟎
𝐤=𝟎 𝐤=𝟏
[ ]
𝑎 = 0, 𝑏=2
𝑏−𝑎 2−0 1
ℎ= = =
𝑛 8 4
 A continuación, se observa la función en la que se van a evaluar los puntos:
𝒇(𝒙) = 𝒆𝟐𝒙 𝒔𝒊𝒏 𝟑𝒙
 xn = x0 + 𝑛. ℎ
x0 = 0
1 1
 x1 = 0 + 1. 4 = 4
1 1
 x2 = 0 + 2. 4 = 2
1 3
 x3 = 0 + 3. 4 = 4
1
 x4 = 0 + 4. 4 = 1
1 5
 x5 = 0 + 5. 4 = 4
1 3
 x6 = 0 + 6. 4 = 2
1 7
 x7 = 0 + 7. 4 = 4
1
 x8 = 0 + 8. 4 = 2
Por ejemplo
𝑓 (0) = 𝑒 0 𝑠𝑖𝑛 0 = 0
1 1 1
𝑓 ( ) = 𝑒 2∗4 𝑠𝑖𝑛 3 ∗ = 1.12383232
4 4
1 1 1
𝑓 ( ) = 𝑒 2∗2 𝑠𝑖𝑛 3 ∗ = 2.71147250
2 2
3 3 3
𝑓 ( ) = 𝑒 2∗4 𝑠𝑖𝑛 3 ∗ = 3.48708214
4 4
𝑓 (1) = 𝑒 2 𝑠𝑖𝑛 3 = 1.04274366
5 5 5
𝑓 ( ) = 𝑒 2∗4 𝑠𝑖𝑛 3 ∗ = −6.96304231
4 4
6 6 6
𝑓 ( ) = 𝑒 2∗4 𝑠𝑖𝑛 3 ∗ = −19.63421727
4 4
7 7 7
𝑓 ( ) = 𝑒 2∗4 𝑠𝑖𝑛 3 ∗ = −28.44400395
4 4
𝑓 (2) = 𝑒 2∗2 𝑠𝑖𝑛 3 ∗ 2 = −15.25556929
Organizándolo en la siguiente tabla
n 𝐱𝐧 𝐟( 𝐱 𝐧 )
0 0 0
1 1 1.12383232
4
2 1 2.71147250
2
3 3 3.48708214
4
4 1 1.04274366
5 5 -6.96304231
4
6 6 -19.63421727
4
7 7 -28.44400395
4
8 2 -15.25556929
𝐧−𝟐 𝐧−𝟐
𝟐 𝟐
𝐡
𝐈≈ 𝐟(𝐱 𝟎 ) + 𝐟(𝐱 𝐧 ) + 𝟒 ⋅ ∑ 𝐟(𝐱 𝟐𝐤+𝟏 ) + 𝟐 ⋅ ∑ 𝐟(𝐱 𝟐𝐤 )
𝟑
𝐤=𝟎 𝐤=𝟏
[ ]
Reemplazando los valores en la fórmula se tiene:
𝟑 𝟑
𝟏
𝐈≈ [𝟎 + 𝐟(𝐱 𝟖 ) + 𝟒 ⋅ ∑ 𝐟(𝐱 𝟐𝐤+𝟏 ) + 𝟐 ⋅ ∑ 𝐟(𝐱 𝟐𝐤 )]
𝟏𝟐
𝐤=𝟎 𝐤=𝟏
1
I≈ [0 + (−15.25556929) + 4 ∗ (1.12383232 + 3.48708214 − 6.96304231
12
− 28.44400395) + 2 ∗ (2.71147250 + 1.04274366 − 19.63421727)]
1
I≈ [(−15.25556929) + (−123.1845272) + (−31.76000222)]
12
𝐈 ≈ −𝟏𝟒. 𝟏𝟖𝟑𝟑𝟒𝟏𝟓𝟔 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑬 = (𝑽𝑬 − 𝑽𝑨) = |−𝟏𝟒. 𝟐𝟏𝟑𝟗𝟕𝟕𝟏𝟑 − (−𝟏𝟒. 𝟏𝟖𝟑𝟑𝟒𝟏𝟓𝟔)| = 𝟎. 𝟎𝟑𝟎𝟔𝟑𝟓𝟓𝟕
EJERCICIO 2f. Aplique la regla compuesta de Simpson para aproximar la integral:

3 𝑥
∫1 𝑑𝑥, 𝑛 = 8
𝑥 2 +4
SOLUCION
𝑥
𝑓(𝑥) = 𝑥 2+4
𝑏 = 3; 𝑎 = 1; 𝑛 = 8
𝑏−𝑎 3−1
ℎ= = = 0.25
𝑛 8
𝑥0 = 1; 𝑥1 = 1.25; 𝑥2 = 1.5; 𝑥3 = 1.75; 𝑥4 = 2; 𝑥5 = 2.25; 𝑥6 = 2.5; 𝑥7 = 2.75; 𝑥8 = 3

𝑓 (𝑥0 ) = 0.2; 𝑓 (𝑥1 ) = 0.2247191; 𝑓(𝑥2 ) = 0.24; 𝑓 (𝑥3 ) = 0.2477876; 𝑓(𝑥4 ) = 0.25
𝑓 (𝑥5 ) = 0.2482759; 𝑓 (𝑥6 ) = 0.2439024; 𝑓(𝑥7 ) = 0.2378378; 𝑓(𝑥8 ) = 0.2307692
aplicamos la regla compuesta de Simpson:
𝑏 𝑏−𝑎
∫𝑎 𝑓 (𝑥 )𝑑𝑥 ≈ [𝑓(𝑎) + 4 ∑𝑛−1 𝑛−2
𝑖=1,3,5… 𝑓 (𝑥𝑖 ) + 2 ∑𝑗=2,4,6… 𝑓(𝑥𝑗 ) + 𝑓(𝑏)]
3𝑛
3 𝑥 3−1
∫1 𝑑𝑥 ≈ 3(8) [𝑓(𝑥0 ) + 4(𝑓(𝑥1 ) + 𝑓(𝑥3 ) + 𝑓(𝑥5 ) + 𝑓(𝑥7 )) + 2(𝑓(𝑥2 ) + 𝑓(𝑥4 ) + 𝑓(𝑥6 )) +
𝑥 2 +4
𝑓 (𝑥8 )]
3 𝑥 2
∫1 𝑑𝑥 ≈ 24 [0.2 + 4(0.2247191 + 0.2477876 + 0.2482759 + 0.2378378) + 2(0.24 +
𝑥 2 +4
0.25 + 0.2439024) + 0.2307692]
3 𝑥
∫1 𝑑𝑥 ≈ 0.4777546 → 𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
𝑥 2 +4
Valor exacto
3 𝑥
∫1 𝑑𝑥
𝑥 2 +4
Realizamos un cambio de variable:
𝑥
∫ 𝑥 2+4 𝑑𝑥
𝑥2 + 4 = 𝑢
ⅆ𝑢
𝑑𝑢 = 2𝑥𝑑𝑥 → 𝑑𝑥 = 2𝑥
𝑥 𝑥 ⅆ𝑢 1 1
∫ 𝑥 2+4 𝑑𝑥 = ∫ 𝑢 2𝑥 = 2 ln 𝑢 = 2 ln|𝑥 2 + 4|
3 𝑥 1 3
∫1 𝑑𝑥 = [2 ln|𝑥 2 + 4|] = 0.4777557 → 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
𝑥 2 +4 1
EJERICICIO 2.G. Aplique la regla compuesta de Simpson para aproximar las integrales
del ejercicio 1. Fórmula de la regla compuesta de Simpson es:
𝑛 𝑛
−1
𝑏 2 2
ℎ (𝑏 − 𝑎) 4 (4)
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)) − ℎ 𝑓 (𝜇)
𝑎 3 180
𝑗=1 𝑗=1
(𝑏 − 𝑎)
ℎ= , 𝑥𝑗 = 𝑎 + 𝑗ℎ, 𝑗 = 0,1,2,3. . . . . . . . 𝑛
𝑛
Ejercicio 2.G
5
1
∫ 𝑑𝑥
3 √𝑥 2 − 4
𝑛 𝑛
−1
𝑏 2 2
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏))
𝑎 3
𝑗=1 𝑗=1
Hallar.
(𝑏 − 𝑎) (5 − 3) 1
ℎ= = =
8 8 4
𝑗 𝑗
𝑥𝑗 = 𝑎 + 𝑗ℎ = 3 + =
4 4
𝑗
𝑥𝑗 =
2
1 2𝑗 − 1
𝑥2𝑗−1 = (2𝑗 − 1) =
4 4
5
1
∫ 𝑑𝑥
3 √𝑥 2 − 4
3 4
1 1 1
= 𝑓(3) + 2 ∑ 𝑓 + 4∑𝑓 + 𝑓(5)
12 𝑗 2
2𝑗 − 1 2
𝑗=1 √ 𝑗=1 √
[ ( ( 2) − 4) ( ( 4 ) − 4) ]
1
= (0.44721360 + 021821789) ≅ 0.05545262
12
Obtenemos un resultado de0.05545262.
EJERCICIO 2.h. Aplique la regla compuesta de Simpson para aproximar las

integrales del ejercicio 1.
3𝜋 ⁄8
∫0 𝑡𝑎𝑛𝑥 𝑑𝑥 , n = 8
Solución
(3𝜋⁄8)
Cuando n = 8, entonces h = , la aproximación es:
8
𝟑𝝅⁄𝟖
∫ 𝒕𝒂𝒏𝒙 𝒅𝒙
𝟎
(𝟑𝝅⁄𝟔𝟒) 𝟑𝝅
≈ [𝒇(𝟎) + 𝒇 ( )
𝟑 𝟖
𝟑𝝅 𝟗𝝅 𝟏𝟓𝝅 𝟐𝟏𝝅
+ 𝟒 {𝒇 ( + 𝒇( )+ 𝒇( ) + 𝒇( ))}
𝟔𝟒 𝟔𝟒 𝟔𝟒 𝟔𝟒
𝟔𝝅 𝟏𝟐𝝅 𝟏𝟖𝝅
+ 𝟐 {𝒇 ( ) + 𝒇( )+ 𝒇( )}]
𝟔𝟒 𝟔𝟒 𝟔𝟒
𝟑𝝅⁄𝟖 𝟑𝝅
∫𝟎 𝒕𝒂𝒏𝒙 𝒅𝒙 = 𝟏𝟗𝟐 x 19.57844
𝟑𝝅⁄𝟖
∫𝟎 𝒕𝒂𝒏𝒙 𝒅𝒙 = 0.961054
EJERCICIO 2.g Aplique la regla compuesta de Simpson para aproximar las integrales
5 1
del ejercicio 1. ∫3 √𝑥 2−4dx
𝑛 𝑛
−1
𝑏 2 2
ℎ
∫ 𝑓(𝑥) = (f(a) + 2 ∑ f(𝑥2𝑗 ) + 4 ∑ f(𝑥2𝑗−1 ) + f(b))
𝑎 3
𝑗=1 𝑗=1
Hallamos valores:
𝑏−𝑎 5−3 1
h= = =4
8 8
𝑗 𝑗
𝑥𝑗 = a +jh = 3 +4 = 4
𝑗
𝑥2𝑗 = 2
1 (2𝑗−1)
𝑥2𝑗−1 = (2j-1) 4 = 4
5
1
∫ dx
3 √𝑥 2 − 4
3 4
1 1 1
= 𝑓 (3) + 2 ∑ 𝑓 + 4∑𝑓 + 𝑓(5)
12 𝑗 2
2𝑗 − 1 2
𝑗=1 √ 𝑗=1 √
[ ( ( 2) − 4) ( ( 4 ) − 4) ]
1
= 12 (0.44721360 + 0.21821789) = 0.05545262
EJERCICIO 3b. Aplique la regla compuesta del punto medio con n+2 subintervalos para
aproximar los integrales del ejercicio 1
2
b) ∫−2 𝑥 3 𝑒 𝑥 𝑑𝑥 𝑑𝑥 𝜂=4
solución
𝑛
𝑏 2
(𝑏 − 𝑎 ) 2
∫ 𝑓 (𝑥) 𝑑 (𝑥) = 2ℎ ∑ 𝑓(2𝑗) + ℎ 𝑓′′(𝑢)
𝑎 6
𝑗=0
Datos: a = -2 b=2 n=6 n+2=6

𝑏−𝑎
ℎ = 𝑛+2 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ
2−(−2)
ℎ= 𝑥𝑗 = −2 + (𝑗 + 1)2/3
6
4 2 2𝑗−4 4𝑗 4
ℎ= = 𝑥𝑗 = → 𝑥2𝑗 = −3
6 3 3 3
Reemplazando en la fórmula
2
2
3 𝑥
1 2 4𝑗 4 3 (4𝑗 −4)
∫ 𝑥 𝑒 𝑑𝑥 ≈ ( ) ∑ ( − ) 𝑒 3 3
−2 2 3 3 3
𝑗=0
2
4
∫ 𝑥 3 𝑒 𝑥 𝑑𝑥 ≈ [8.367575] = 11.156767
0 3
El valor real es:
2
∫ 𝑥 3 𝑒 𝑥 𝑑𝑥 = |2−2 = 𝑜. 7853982
0
EJERCICIO 3.C. Aplique la regla compuesta del punto medio con n+2 subintervalos para
aproximar los integrales del ejercicio 1.
𝟐 𝟐
∫𝟎 𝒅𝒙 ; n=6
𝒙𝟐 +𝟒
SOLUCIÓN
𝑛
𝑏 2
(𝑏 − 𝑎) 2
∫ 𝑓(𝑥)𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) + ℎ 𝑓 ′′(𝑢)
𝑎 6
𝑗=0
Datos: a = 0 , b = 2 , n = 6 , n+2 = 8.
𝑏 − ℎ
ℎ = 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ
𝑛+2
2 − 0 1
ℎ = 𝑥𝑗 = 0 + (𝑗 + 1)
8 4
1 1+1 𝑗 1
ℎ = 𝑥𝑗 = → 𝑥2𝑗 = +
4 4 2 4
reemplazando en la fórmula.
2 3
2 1 2
∫ 2 dx ≈ 2 ( ) ∑
0 x +4 4 𝑗 1 2
𝑗=0 ( +
2 4) + 4
2
2 1
∫ dx ≈ [1.5734003] = 0.7867001
0 x2 +4 2
El valor real es:
2
2 1 1
∫ dx = 2. 𝑡𝑔−1 ( ) |20 = 0.7853982
0 x2 +4 2 2
Obtenemos un resultado de 0.7853982.
EJERCICIO 3d.
𝜋
d) ∫0 𝑥 2 cos 𝑥 𝑑𝑥 𝑛 = 6.
Solución
𝑛
𝑏 2
(𝑏 − 𝑎) 2
∫ 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) + ℎ 𝑓"(𝑢)
𝑎 6
𝑗=0
Datos: 𝑎 = 0 𝑏=𝜋 𝑛=6 𝑛+2= 8
𝑏−𝑎
ℎ = 𝑛+2 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ
𝜋−0 𝜋
ℎ= 𝑥𝑗 = 0 + (𝑗 + 1) 8
8
𝜋 𝜋𝑗+𝜋 𝜋𝑗 𝜋
ℎ= 𝑥𝑗 = → 𝑥2𝑗 = +8
8 8 4
Reemplazando fórmula
𝜋 3
𝜋 𝜋𝑗 𝜋 𝜋𝑗 𝜋
∫ 𝑥 2 cos 𝑥𝑑𝑥 ≈ 2( ) ∑( + )2 cos( + )
0 8 4 8 4 8
𝑗=0
𝜋 𝜋
∫0 𝑥 2 cos 𝑥𝑑𝑥 ≈ 4 [−7.7829776] = −6.1127363 rpt.
El valor real es:

𝜋
∫ 𝑥 2 cos 𝑥𝑑𝑥 = 𝑥 2 𝑠𝑒𝑛𝑥 + 2𝑥𝑐𝑜𝑠𝑥 − 2𝑠𝑒𝑛𝑥 |20 = −6.2831853
0
EJERCICIO 3.e
SOLUCIÓN
EJERCICIO 3f. Aplique la regla compuesta del punto medio con n+2 subintervalos para
aproximar los integrales del ejercicio 1
3
𝑥
f.∫ 𝑑𝑥 ; n=8
𝑥 2 +4
1
𝑛∕2
𝑏
(𝑏 − 𝑎) 2 ′′
∫ 𝑓 (𝑥) 𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) ℎ 𝑓 (𝑢 )
8
𝑎
𝑗−0
𝑎=1
𝑏=3
𝑛=8
𝑛 + 2 = 10
𝑏−𝑎
ℎ=
𝑛+2
3−1
ℎ=
10
1
ℎ=
5
𝑥𝑗 = 𝑎 + (𝑗 + 1)𝑛
1
𝑥𝑗 = 1 + (𝑗 + 1)
5
𝑗+2
𝑥𝑗 =
5
𝑗 1
𝑥2𝑗 = +
2.5 5
Reemplazamos:
3
3
𝑥 1 2
∫ 𝑑𝑥 ≈ 2 ( ) ∑
𝑥2 + 4 5 𝑗 1
1 (2.5 + 5) + 4
𝑗=0
3
𝑥 2
∫ 𝑑𝑥 ≈ [0.45871559] = 0.18348623
𝑥2 +4 5
1
Valor Real :
3
𝑥 1 −1 𝑥 2
∫ 𝑑𝑥 = 2 ⋅ 𝑡9 ( )| = 0.18349435
𝑥2 + 𝜑 2 2 0
1
EJERCICIO 3g. Aplique la regla compuesta de medio punto con 𝑛 + 2 subintervalos para
aproximar la integral.
𝟓 𝟏
g. ∫𝟑 𝒅𝒙, 𝒏 = 𝟖
√𝒙𝟐 −𝟒
SOLUCIÓN:
La regla compuesta de medio punto con 𝒏 + 𝟐 subintervalos se denota con su termino de
error de la siguiente manera:
𝑏 𝒏/𝟐 𝒃−𝒂
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑𝒋=𝟎 𝒇(𝒙𝟐𝒋 ) + 𝒉𝟐 𝒇′′ (ξ), dado que ξ Є (𝐚, 𝐛)
𝟔
Se asume que 𝐣 = 𝟎, 𝟏, 𝟐, 𝟑, 𝟒
Definimos:
𝑎=3 𝑏=5 𝑛=8
𝑏−𝑎 5−3 𝟏
𝒉= = =
𝑛+2 8+2 𝟓
1 𝑗 16
𝒙𝒋 = 𝑎 + ( 𝑗 + 1 ) ℎ = 3 + ( 𝑗 + 1 ) ( ) = +
5 5 5
2𝑗 16
𝒙𝟐𝒋 = +
5 5
Reemplazando en la fórmula:
n
5 2 𝟒
1 1 1
∫ 𝑑𝑥 ≈ 2ℎ ∑ f(x2j ) = 2( ) ∑
2
3 √𝑥 − 4 5
j=0 𝐣=𝟎 √(𝐱 𝟐𝐣 )2 − 4
5 𝟒
1 𝟏 1
∫ 𝑑𝑥 ≈ 𝟐( ) ∑
2
3 √𝑥 − 4 𝟓
𝒋=𝟎 √(2𝑗 + 16)2 − 4
5 5
5
1 1 1 1 1
∫ dx ≈ 2( ) [ + +
√x 2 − 4 5
3
√(2 ∗ 0 + 16)2 − 4 √(2 ∗ 1 + 16)2 − 4 √(2 ∗ 2 + 16)2 − 4
5 5 5 5 5 5
1 1
+ + ]
√(2 ∗ 3 + 16)2 − 4 √(2 ∗ 4 + 16)2 − 4
5 5 5 5
5 1
∫3 dx ≈ 0.602960751 (Aproximación de la integral)
√x2 −4
Pasamos a calcular el valor real de la integral.
ⅆ𝑥
Por formula tenemos: ∫ = 𝑙𝑛 ⎸𝑥 + √𝑥 2 − 𝑎2 ⎸ + 𝑐
√𝑥 2−𝑎 2
5
1
∫ 𝑑𝑥 = 𝑙𝑛 ⎸5 + √52 − 22 ⎸ − 𝑙𝑛 ⎸3 + √32 − 22 ⎸
3 √𝑥 2 −4
5
1
∫ 𝑑𝑥 = 0.604375587
3 √𝑥 2 − 4
Error= 𝜀 = |0.604375587 − 0.602960751| = 0.001414836
EJERCICIO 3h.
3. 𝐴𝑝𝑙𝑖𝑞𝑢𝑒 𝑙𝑎 𝑅𝑒𝑔𝑙𝑎 𝐶𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒𝑙 𝑃𝑢𝑛𝑡𝑜 𝑀𝑒𝑑𝑖𝑜 𝑐𝑜𝑛 𝑛 + 2 𝑠𝑢𝑏𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠 𝑝𝑎𝑟𝑎

𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙𝑒𝑠 𝑑𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 1
3𝜋⁄
8
ℎ. ∫ tan 𝑥𝑑𝑥 ; 𝑛=8
0
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
3𝜋⁄ 3𝜋⁄
8 = [− ln |cos 3𝜋| − [− ln|cos 0|]] = 0.9605471788
8
∫ tan 𝑥𝑑𝑥 = − ln|cos 𝑥 |
0 0 8
𝐴𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑅𝑒𝑔𝑙𝑎 𝐶𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝑃𝑢𝑛𝑡𝑜 𝑀𝑒𝑑𝑖𝑜

𝑛
𝑏 2
(𝑏 − 𝑎)
∫ 𝑓 (𝑥 ) 𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) + ∗ ℎ2 ∗ 𝑓 ′′ (𝜇)
𝑎 6
𝑗=0
𝒃 − 𝒂 3𝜋⁄8 3𝜋
𝑎=0 𝑏 = 3𝜋⁄8 𝒉= = = 𝒙 𝒋 = 𝒂 + ( 𝒋 + 𝟏) 𝒉
𝒏 + 𝟐 8 + 2 80
8
3𝜋⁄ 2 4
8 3𝜋
∫ tan 𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) = 2 ( ) ∑ 𝑓(𝑥2𝑗 )
0 80
𝑗=0 𝑗=0
3𝜋
𝑐𝑢𝑎𝑛𝑑𝑜 𝑗 = 0 ⇒ 𝑓(𝑥2(0) ) = 𝑓 (𝑥0 ) 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ ⇒ 𝑥0 = 0 + (0 + 1) ( )
80
𝟑𝝅
=
𝟖𝟎
3𝜋
80
𝟗𝝅
=
𝟖𝟎
3𝜋
80
𝟏𝟓𝝅
=
𝟖𝟎
3𝜋
80
𝟐𝟏𝝅
=
𝟖𝟎
3𝜋
80
𝟐𝟕𝝅
=
𝟖𝟎
4
3𝜋 9𝜋 15𝜋 21𝜋 27𝜋
∑ 𝑓(𝑥2𝑗 ) = tan + tan + tan + tan + tan = 4.022878305
80 80 80 80 80
𝑗=0
8
3𝜋⁄ 2 4
8 3𝜋
∫ tan 𝑥 ≈ 2ℎ ∑ 𝑓(𝑥2𝑗 ) ≈ 2 ( ) ∑ 𝑓(𝑥2𝑗 )
0 80
𝑗=0 𝑗=0
3𝜋⁄
8 3𝜋
∫ tan 𝑥 ≈ 2 ( ) (4.022878305) ≈ 0.9478683697
0 80
𝐸𝑅𝑅𝑂𝑅 = |0.9605471788 − 0.9478683697| = 0.012678809
2 2
EJERCICIO 4a. Aproxime ∫0 𝑥 2 𝑒 −𝑥 𝑑𝑥 por medio de h=0.25
 Regla compuesta del trapecio.
𝑏 𝑛−1
ℎ (𝑏 − 𝑎 )
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑎) + ∑ 𝑓 (𝑥𝑗) + 𝑓(𝑏)] − ∗ ℎ2 ∗ 𝑓 4 (𝑢)
𝑎 2 12
𝑗=1
𝐻 = 0.25 𝑎=0 𝑏=2 𝑛=8 𝑥1 = 𝑎 + 𝑗(ℎ) = 0 + 𝑗(0.25) = 0.25𝑗
2 8−1
−𝑥 2
0.25
∫ 𝑥 2𝑒 𝑑𝑥 = [𝑓(0) + 2 ∑ 𝑓(0.25𝑗) + 𝑓(2)]
0 2
𝑗=1
2 8−1
2 −𝑥 2
0.25 2 −02 2
∫ 𝑥 𝑒 𝑑𝑥 = [0 𝑒 + 2 ∑ 𝑓 (0.25𝑗) + 22 𝑒 −2 )] = 0.42158204
0 2
𝑗=1
 regla compuesta de Simpson.
𝑛 𝑛
−1 −1
𝑏 2 2
2 ℎ (𝑏 − 𝑎 )
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)] − ∗ ℎ4
𝑎 3 1180
𝑗=1 𝑗=1
∗ 𝑓 4 (𝑢)
𝐻 = 0.25 𝑎=0 𝑏=2 𝑛=8 𝑥1 = 𝑎 + 𝑗(ℎ) = 0 + 𝑗(0.25) = 0.25𝑗
8 8
−1
2 2 2
2 0.25 2 −02 2 2 2
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 0 𝑒 + 2 ∑ 𝑥 2 𝑒 −𝑥 0.125𝑗 + 4 ∑ 𝑥 2 𝑒 −𝑥 (2𝑗−1)0.25 + 22 𝑒 −2 )
0 3
𝑗=1 𝑗=1
[ ]
2 3 4
2 −𝑥 2
0.25 2 −02 2 2 2
∫ 𝑥 𝑒 𝑑𝑥 = 0 𝑒 + 2 ∑ 𝑥 2 𝑒 −𝑥 0.125𝐽 + 4 ∑ 𝑥 2 𝑒 −𝑥 (2𝑗−1)0.25 + 22 𝑒 −2 )
0 3
⏟𝑗=1 ⏟𝑗=1
[ 𝐴 𝐵 ]
3
2 2 2 2
𝐴 = 2 ∑ 𝑥 2 𝑒 −𝑥 0.125𝐽 = 0.1252 𝑒 −0.125 + 0.252 𝑒 −0.25 + 0.3752 𝑒 −0.375
𝐽=1
= 0.19627319
4
2
𝐵 = ∑ 𝑥 2 𝑒 −𝑥 (2𝑗−1)0.25
𝐽=1
2 2 2 2
= 0.252 𝑒 −0.25 + 0.752 𝑒 −0.75 + 0.1252 𝑒 −0.125 + 0.1752 𝑒 −0.175
4
2
𝐵 = ∑ 𝑥 2 𝑒 −𝑥 (2𝑗−1)0.25 = 0.84996898
𝐽=1
remplazamos los valores

2 2 0.25 2
∫0 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 2
[02 𝑒 0 + 2(0.19627319) + 4(0.84996898)]= 0.32214040
 también aplicamos la regla compuesta del punto medio
𝑛
𝑏 2
(𝑏 − 𝑎) 4
∫ 𝑓(𝑥)𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗) + ℎ + 𝑓 4 (𝑢)
𝑎 6
𝑗=0
𝑯 = 0.25 𝑎=0 𝑏=2 𝑛=8 𝑥1 = 𝑎 + 𝑗(ℎ) = 0 + 𝑗(0.25) = 0.25𝑗

8
2 2
2 2
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 = 2 ∗ 0.25 ∑ 𝑥 2 𝑒 −𝑥 2𝑗 = 0.4708979
0 𝑗=0
Ejercicio 4b
𝑏) 𝐴𝑝𝑙𝑖𝑞𝑢𝑒 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝑠𝑖𝑚𝑝𝑜𝑛.
𝑏
∫𝑎 𝑥 2 𝑒 −2 𝑑𝑥 x por medio de h = 0.25
𝑛 𝑛
−1
𝑏 ℎ 2 2 (𝑏−𝑎)
∫𝑎 𝑥 2 𝑒 −2
𝑑𝑥 = 3 [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)] − 180
∗ 𝑓 4 (𝜇)
𝑗=0 𝑗=0
H = 0.25 a = 0 b=2 n = 8 𝑥𝑗 = 𝑎 + 𝑗 ∗ 0.25 = 0.25𝑗

8 8
−1
𝑏 2 2
0.25 2 −02 2
∫ 𝑥 2 𝑒 −2 𝑑𝑥 = 0 𝑒 + 2 ∑ 𝑥 2 𝑒 −2 (0.125𝑗) + 4 ∑ 𝑥 2 𝑒 −2 (2𝑗 − 1) + 22 𝑒 −2
𝑎 3
𝑗=0 𝑗=0
[ ]
8 8
−1
𝑏 2 2
0.25 2 −02 2
∫ 𝑥 2 𝑒 −2 𝑑𝑥 = 0 𝑒 + 2 ∑ 𝑥 2 𝑒 −2 (0.125𝑗) + 4 ∑ 𝑥 2 𝑒 −2 (2𝑗 − 1) + 22 𝑒 −2
𝑎 3
𝑗=0 𝑗=0
[ ]
4
2
𝐴=∑ 𝑥 2 𝑒 −𝑋 (0.125𝑗) = 0.12522 𝑒 −0.1252 + 0.252𝑒 −0.252 + 0.3752𝑒 −0.3752 =
𝑗=0
0.19627319
4
2
𝐵 = ∑ 𝑥 2 𝑒 −𝑋 (2𝑗 − 1)(0.125𝑗) = 0.12522 𝑒 −0.1252 + 0.252𝑒 −0.252 + 0.3752𝑒 −0.3752
𝑗=0
= 0.19627319
𝑏
0.25 2 −02
∫ 𝑥 2 𝑒 −2 𝑑𝑥 = [0 e 2 ∗ 0.19627319 + 4 ∗ 0.84996898] = 0.32214040
𝑎 3
2 2
EJERCICIO 4.c. Aproxime ∫0 𝑥 2 𝑒 −𝑥 𝑑𝑥 por medio de ℎ = 0.25
C) Aplique la regla compuesta del punto medio.

𝑏−𝑎
sea 𝑓 ∈ 𝑐 2 [𝑎, 𝑏], 𝑛 𝑝𝑎𝑟, ℎ = 𝑛+2 𝑦 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑗 = −1, 0, 1, … , 𝑛 +
1. 𝐸𝑥𝑖𝑠𝑡𝑒 𝑢𝑛𝑎 𝑢 ∈ (𝑎, 𝑏)
𝑛 ⁄2
𝑏 (𝑏 − 𝑎 )
∫ 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) + ∗ ℎ2 ∗ 𝑓´´(𝑢).
𝑎 6
𝑗=0
Entonces podemos determinar nuestros valores para poder reemplazar en la regla

compuesta del punto medio.
2
ℎ = 0.25 ; 𝑛=6 ; 𝑏=2 ; 𝑎 = 0 ; 𝑓(𝑥 ) = 𝑥 2 𝑒 −𝑥
determinamos los valores de 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ 𝑝𝑎𝑟𝑎 𝑗 =

−1, 0, 1, … ,7
𝑥−1 = 0
𝑥0 = 0.25
𝑥1 = 0.50
𝑥2 = 0.75
𝑥3 = 1.00
𝑥4 = 1.25
𝑥5 = 1.50
𝑥6 = 1.75
𝑥7 = 2.00
Entonces ahora reemplazamos
2 3
∫ 𝑥 2𝑒 −𝑥 2
𝑑𝑥 ≈ 2(0.25) ∑ 𝑓(𝑥2𝑗 ) = 2(0.25)[𝑓(𝑥0 ) + 𝑓(𝑥2 ) + 𝑓(𝑥4 ) + 𝑓(𝑥6 )]
0 𝑗=0
2
2
∫ 𝑥 2 𝑒 −𝑥 𝑑𝑥 ≈ 2(0.25)[𝑓(0.25) + 𝑓(0.75) + 𝑓(1.25) + 𝑓 (1.75)]
0
= 0.5[0.058713 + 0.320503 + 0.327518 + 0.143235]
2 2
∫0 𝑥 2 𝑒 −𝑥 𝑑𝑥 ≈ 0.5[0.849969] = 𝟎. 𝟒𝟐𝟒𝟗𝟖𝟓 solución aproximada
2 2
∫0 𝑥 2 𝑒 −𝑥 = 𝟎. 𝟒𝟐𝟐𝟕𝟑𝟓 solución exacta
1
EJERCICIO 6. la regla del punto medio con que se aproxima ∫−1 𝑓 (𝑥 )𝑑𝑥 da el valor 12,
la regla compuesta del punto medio con 𝑛 = 2 da 5 y la regla compuesta de Simpson da 6.
Aplique el hecho de que 𝑓(−1) = 𝑓(1) y 𝑓(−0.5) = 𝑓(0.5) − 1 para determinar
𝑓 (−1), 𝑓 (−0.5), 𝑓 (0), 𝑓(0.5) 𝑦 𝑓(1).
Regla del punto medio: cuando n=0
𝑥1 ℎ3
∫𝑥−1 𝑓 (𝑥 )𝑑𝑥 = 2ℎ𝑓(𝑥0 ) + 3
𝑓"(𝜉) , 𝜉 ∈ (𝑥−1 , 𝑥1 )
1
∫ 𝑓 (𝑥 )𝑑𝑥 = 2ℎ𝑓(𝑥0 ) = 12
−1
𝑏−𝑎 1−(−1)
ℎ = 𝑛+2 = =1 𝑥0 = 𝑎 + ℎ = −1 + 1 = 0
0+2
1
∫ 𝑓 (𝑥 )𝑑𝑥 = 2(1)𝑓(𝑥0 ) = 12 → 𝑓(𝑥0 ) = 𝑓(0) = 6
−1
Regla compuesta del punto medio

ℎ
𝑏 2
(𝑏 − 𝑎)
∫ 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) + ∗ ℎ2 𝑓"(𝑢)
𝑎 6
𝑗=0
𝑏−𝑎 1−(−1)
n=2 ℎ = 𝑛+2 = = 0.5 𝑥𝑗 = 𝑎 + (𝑗 + 1)ℎ
2+2
𝑗 = 0 → 𝑥0 = −1 + (0 + 1)0.5 = −0.5 𝑗 = 2 → 𝑥2 = −1 + (2 + 1)0.5 = 0.5

Remplazamos en la formula
2
𝑏 2 1
∫ 𝑓 (𝑥 )𝑑𝑥 = 2(0.5) ∑ 𝑓(𝑥2𝑗 ) = ∑ 𝑓(𝑥2𝑗 ) = 5

𝑎 𝑗=0 𝑗=0
𝑓 (𝑥0 ) + 𝑓 (𝑥2 ) = 5 → 𝑓 (−0.5) + 𝑓 (0.5) = 5

𝑓 (0.5) − 1 + 𝑓 (0.5) = 5 → 2𝑓 (0.5) = 6 → 𝑓(0.5) = 3
por dató
𝒇(−𝟎. 𝟓) = 𝒇(𝟎. 𝟓) − 𝟏 → 𝒇(−𝟎. 𝟓) = 𝟑 − 𝟏 = 𝟐
regla compuesta de Simpson
𝑛 𝑛
−1
𝑏 2 2
ℎ 𝑏−𝑎
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)] − ∗ ℎ4 ∗ 𝑓 4 (µ)
𝑎 3 180
𝑗=1 𝑗=1
𝑏−𝑎 1−(−1)
𝑛=4 ℎ= = = 0.5 𝑥𝑗 = 𝑎 + 𝑗ℎ
𝑛 4
j = 0 → 𝑥0 = −1 + 0 = −1 𝑗 = 1 → 𝑥1 = −1 + 1(0.5) = −0.5 𝑗=2→

𝑥2 = −1 + 2(0.5) = 0
𝑗 = 3 → 𝑥3 = −1 + 3(0.5) = 0.5 𝑗 = 4 → 𝑥4 = −1 + 4(0.5) = 1
Remplazando en la formula
4
−1
1 2 2
0.5
∫ 𝑓 (𝑥 )𝑑𝑥 = 𝑓 (𝑥0 ) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑥4 )
−1 3
𝑗=1 𝑗=1
[ ]
1
0.5
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑥0 ) + 2𝑓(𝑥2 ) + 4[𝑓(𝑥1 ) + 𝑓(𝑥3 )] + 𝑓(𝑥4 )]
−1 3
1
0.5
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (−1) + 2𝑓(0) + 4[𝑓(−0.5) + 𝑓(0.5)] + 𝑓(1)]
−1 3
1
1
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (−1) + 2(6) + 4[2 + 3] + 𝑓(1)] = 6
−1 6
1
[2f(1) + 32] = 6 → f(1) = 2 𝑓(−1) = 2
6
∴ 𝑓 (−1) = 2 𝑓(−0.5) = 2 𝑓(0) = 6 𝑓(0.5) = 3 𝑓(1) = 2
Ejercicio 7ª. Determine los valores de n y h que se requieren para aproximar:

2
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥
0
Con una exactitud de 10-4.

Aplique la regla compuesta del trapecio.
SOLUCIÓN
 Calculando el valor exacto.

2
𝐼 = ∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥
0
 Integración por partes
𝐼 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢
𝑢 = 𝑒 2𝑥 ∫ 𝑑𝑣 = ∫ 𝑠𝑖𝑛 3𝑥 𝑑𝑥
1
𝑑𝑢 = 2 ∗ 𝑒 2𝑥 𝑑𝑥 𝑣 = − 3 ∗ cos(3𝑥)
 Reemplazando
1 1
𝐼 = 𝑒 2𝑥 (− ∗ cos(3𝑥 )) − ∫ − ∗ cos(3𝑥)2 ∗ 𝑒 2𝑥 𝑑𝑥
3 3
1 2
𝐼 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + ∫ 𝑒 2𝑥 ∗ cos(3𝑥) 𝑑𝑥 − − − − − − − −𝐸1
3 3
 Ahora integramos la nueva integral del desarrollo
𝐼2 = ∫ 𝑒 2𝑥 ∗ cos(3𝑥)𝑑𝑥
𝐼2 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢
𝑢 = 𝑒 2𝑥 ∫ 𝑑𝑣 = ∫ 𝑐𝑜𝑠(3𝑥) 𝑑𝑥
1
𝑑𝑢 = 2 ∗ 𝑒 2𝑥 𝑑𝑥 𝑣 = 3 ∗ sen(3𝑥)
 Reemplazando
1 1
𝐼2 = 𝑒 2𝑥 ( ∗ sen(3𝑥 )) − ∫ ∗ sen(3𝑥) ∗ 2 ∗ 𝑒 2𝑥 𝑑𝑥
3 3
1 2𝑥 2
𝐼2 = ∗ 𝑒 ∗ sen(3𝑥) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥 )𝑑𝑥 − − − − − − − 𝐸2
3 3
 Sustituyendo E2 en E1
1 2 1 2
𝐼 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥) + ( ∗ 𝑒 2𝑥 ∗ sen(3𝑥) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥 )𝑑𝑥)
3 3 3 3
1 2 4
𝐼 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥) + (𝑒 2𝑥 ∗ sen(3𝑥)) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥) 𝑑𝑥)
3 9 9
1 2 4
∫ 𝑒 2𝑥 ∗ sen(3𝑥) = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥)) − ∫ 𝑒 2𝑥 ∗ sen(3𝑥 ) 𝑑𝑥)
3 9 9
4 1 2
∫ 𝑒 2𝑥 ∗ sen(3𝑥) + ∫ 𝑒 2𝑥 ∗ sen(3𝑥 ) 𝑑𝑥 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥))
9 3 9
13 1 2
∫ 𝑒 2𝑥 ∗ sen(3𝑥 ) 𝑑𝑥 = − ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥 ))
9 3 9
2
3 2
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 = [− ∗ 𝑒 2𝑥 ∗ cos(3𝑥 ) + (𝑒 2𝑥 ∗ sen(3𝑥))]|20
0 13 13
Reemplazando los límites de integración
2
3 2 3
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 = [− ∗ 𝑒 2∗2 ∗ cos(3 ∗ 2) + (𝑒 2∗2 ∗ sen(3 ∗ 2))] − [− ∗ 𝑒 0
0 13 13 13
∗ cos(0) + 0]
𝟐
𝟎
 La fórmula de la regla compuesta del trapecio es como sigue:
𝑏 𝑛−1
ℎ (𝑏 − 𝑎)ℎ2 ′′
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [𝑓 (𝑎) + 2 ∗ ∑ 𝑓(𝑥𝑗 ) + 𝑓 (𝑏)] − 𝑓 (𝑢 )
𝑎 2 12
𝑗=1
2
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥
0
𝑏−𝑎 2−0 2
𝑎=0 ℎ= = =𝑛
𝑛 𝑛
𝑏=2
 Calculando la segunda derivada de la función
𝑓 (𝑥 ) = 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥
𝑓 ′ (𝑥 ) = 2𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 + 3𝑒 2𝑥 𝑐𝑜𝑠 3𝑥
𝑓 ′′ (𝑥 ) = 4𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 + 6𝑒 2𝑥 𝑐𝑜𝑠 3𝑥 +6𝑒 2𝑥 𝑐𝑜𝑠 3𝑥 − 9𝑒 2𝑥 𝑠𝑖𝑛 3𝑥
𝑓 ′′ (𝑥 ) = 12𝑒 2𝑥 𝑐𝑜𝑠 3𝑥 − 5𝑒 2𝑥 𝑠𝑖𝑛 3𝑥
𝒇′′ (𝒖) = 𝟏𝟐𝒆𝟐𝒖 𝒄𝒐𝒔 𝟑𝒖 − 𝟓𝒆𝟐𝒖 𝒔𝒊𝒏 𝟑𝒖
(𝑏 − 𝑎)ℎ2 ′′ (2 − 0)ℎ 2
|− 𝑓 (𝑢)| = | ∗ (12𝑒 2𝑢 𝑐𝑜𝑠 3𝑢 − 5𝑒 2𝑢 𝑠𝑖𝑛 3𝑢)|
12 12
(𝑏 − 𝑎)ℎ2 ′′ ℎ2
|− 𝑓 (𝑢)| = | ∗ (12𝑒 2𝑢 𝑐𝑜𝑠 3𝑢 − 5𝑒 2𝑢 𝑠𝑖𝑛 3𝑢)|
12 6
(𝑏 − 𝑎)ℎ2 ′′ ℎ2
|− 𝑓 (𝑢)| = (|12𝑒 2𝑢 ||𝑐𝑜𝑠 3𝑢| − |5𝑒 2𝑢 ||𝑠𝑖𝑛 3𝑢|)
12 6
Por teoría se sabe que:
|𝑐𝑜𝑠 3𝑢| ≤ 1
|𝑠𝑖𝑛 3𝑢| ≤ 1
Además:
0<𝑢<2 0<𝑢<2
𝑒0 < 𝑒𝑢 < 𝑒2 𝑒0 < 𝑒𝑢 < 𝑒2
1 < 𝑒 2𝑢 < 𝑒 4 1 < 𝑒 2𝑢 < 𝑒 4
12 < 12𝑒 2𝑢 < 12𝑒 4 5 < 5𝑒 2𝑢 < 5𝑒 4
12𝑒 2𝑢 ≤ 12𝑒 4 5𝑒 2𝑢 ≤ 5𝑒 4
(𝑏 − 𝑎)ℎ2 ′′ ℎ2
|− 𝑓 (𝑢)| ≤ (|12𝑒 2𝑢 ||𝑐𝑜𝑠 3𝑢| − |5𝑒 2𝑢 ||𝑠𝑖𝑛 3𝑢|)
12 6
Por dato del problema el error absoluto es menor a 10−4 , entonces al reemplazar e igualar
queda de la siguiente manera.
(𝑏 − 𝑎)ℎ2 ′′ ℎ2 4
|− 𝑓 (𝑢)| ≤ (12𝑒 4 ∗ 1 − 5𝑒 4 ∗ 1) = 2 (7𝑒 4 ) < 10−4
12 6 6𝑛
4
(7𝑒 4 ) < 10−4
6𝑛2
4
(7𝑒 4 ) < 𝑛2
6 ∗ 10−4
𝟏𝟓𝟗𝟔. 𝟐𝟏𝟖𝟓𝟓𝟑 < 𝒏
Como n pertenece a los enteros positivos entonces tomamos el valor de 1597
𝒏 = 𝟏𝟓𝟗𝟕
Entonces
𝟐 𝟐
𝒉= =
𝒏 𝟏𝟓𝟗𝟕
Ya encontramos lo valores de n y h que nos pedía el problema cuyos valores son:
𝒏 = 𝟏𝟓𝟗𝟕
𝟐
𝒉=
𝟏𝟓𝟗𝟕
Ahora si se quiere aproximar la integral solo se procede a reemplazar los valores
calculados.
Para ello
𝑥𝑗 = ℎ𝑗, ∀𝑗 = 0,1,2,3,4 ⋯ 1597
𝑏 𝑛−1
ℎ (𝑏 − 𝑎)ℎ2 ′′
∫ 𝑓(𝑥 ) 𝑑𝑥 ≈ [𝑓 (𝑎) + 2 ∗ ∑ 𝑓(𝑥𝑗 ) + 𝑓 (𝑏)] − 𝑓 (𝑢 )
𝑎 2 12
𝑗=1
2𝑗
𝑥𝑗 =
1597
1596
2
2 4𝑗 6𝑗
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 ≈ [𝑓(0) + 2 ∗ ∑ 𝑒 (1597 ) ∗ 𝑠𝑖𝑛( ) + 𝑓(2)]
0 2 ∗ 1597 1597
𝑗=1
2
1
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 ≈ [0 + 2 ∗ (−11342.22004) + 𝑒 2∗2 𝑠𝑖𝑛 3 ∗ 2]
0 1597
2
1
∫ 𝑒 2𝑥 𝑠𝑖𝑛 3𝑥 𝑑𝑥 ≈ [−22684.44008 + (−15.25556929)]
0 1597
𝟐
∫ 𝒆𝟐𝒙 𝒔𝒊𝒏 𝟑𝒙 𝒅𝒙 ≈ −𝟏𝟒. 𝟐𝟏𝟑𝟗𝟔𝟎𝟗𝟔 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟎
𝟐
𝟎
𝐸 = (𝑉𝐸 − 𝑉𝐴) = |−14.21397713 − (−14.21396096)| = 0.00001617
𝟎. 𝟎𝟎𝟎𝟎𝟏𝟔𝟏𝟕 < 𝟏𝟎−𝟒

𝟎. 𝟎𝟎𝟎𝟎𝟏𝟔𝟏𝟕 < 𝟎. 𝟎𝟎𝟎𝟏
El resultado es correcto ya que al calcular el error nos sale menor al error brindado como
dato en el problema y el valor aproximado si tiene una buena aproximación.
EJERICICIO 7.c. Determine los valores de n y h necesarios para aproximarse
2
∫0 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥. Dentro de 10-4.
Solución:
Calculamos el valor real.
𝑓 (𝑥 ) = 𝑒 2𝑥 𝑠𝑒𝑛3𝑥
1
𝑢 = 𝑒 2𝑥 ⟹ 𝑑𝑢 = 2𝑒 2𝑥 𝑑𝑥 ; 𝑣 = ∫ 𝑠𝑒𝑛(3𝑥 )𝑑𝑥 ⟹ 𝑣 = − cos(3𝑥)
3
∫ 𝑓 (𝑥)𝑑𝑥 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢
2 2
1 1
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − 𝑒 2𝑥 cos(3𝑥) − ∫ − cos(3𝑥) × 2𝑒 2𝑥 𝑑𝑥
3 3
0 0
2 2
1 2
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − × 𝑒 2𝑥 cos(3𝑥) + ∫ cos(3𝑥) × 𝑒 2𝑥 𝑑𝑥
3 3
0 0
1
𝑢 = 𝑒 2𝑥 ⟹ 𝑑𝑢 = 2𝑒 2𝑥 𝑑𝑥 ; 𝑣 = ∫ 𝑐𝑜𝑠(3𝑥 )𝑑𝑥 ⟹ 𝑣 = sen(3𝑥)
3
2 2
1 2 1 1
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − × 𝑒 2𝑥 cos(3𝑥) + [ 𝑒 2𝑥 𝑠𝑒𝑛(3𝑥) − ∫ sen(3x)2𝑒 2𝑥 𝑑𝑥]
3 3 3 3
0 0
2 2
1 2 4
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − × 𝑒 2𝑥 cos(3𝑥) + × 𝑒 2𝑥 𝑠𝑒𝑛(3𝑥) − × ∫ sen(3x) × 𝑒 2𝑥 𝑑𝑥
3 9 9
0 0
2
13 1 2
× ∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − × 𝑒 2𝑥 cos(3𝑥 ) + × 𝑒 2𝑥 × 𝑠𝑒𝑛(3𝑥 )
9 3 9
0
2
2
2𝑥
3 2𝑥
2 2𝑥
∫𝑒 ( )
𝑠𝑒𝑛3𝑥 𝑑𝑥 = [− × 𝑒 cos 3𝑥 + ( )
× 𝑒 × 𝑠𝑒𝑛 3𝑥 ]
13 13 0
0
2
3 2
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − × 𝑒 2×2 cos(3 × 2) + × 𝑒 2×2 × 𝑠𝑒𝑛(3 × 2)
13 13
0
2
3 2
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − × 𝑒 4 × cos(6) + × 𝑒 4 × 𝑠𝑒𝑛(6)
13 13
0
2
∫ 𝑒 2𝑥 𝑠𝑒𝑛3𝑥 𝑑𝑥 = − 11.6254196
0
c. Regla del punto medio compuesto.

Lo resolvemos utilizando la formula del punto compuesto medio.
(𝑏−𝑎)
El termino de error de la regla del punto compuesto medio es: | ℎ2 𝑓 ′′ (𝜉 )|
6
Calculamos la segunda derivada para calcular el error máximo.
𝑑 2𝑥 𝑑
𝑓 ′ (𝑥 ) = (𝑒 ) × 𝑠𝑒𝑛3𝑥 + (𝑠𝑒𝑛3𝑥) × 𝑒 2𝑥
𝑑𝑥 𝑑𝑥
𝑓 ′ (𝑥 ) = 2 × (𝑒 2𝑥 ) × 𝑠𝑒𝑛3𝑥 + 3 × (𝑐𝑜𝑠3𝑥) × 𝑒 2𝑥
𝑑 2𝑥 𝑑
𝑓(𝑥)′′ = 2 [ (𝑒 ) × 𝑠𝑒𝑛3𝑥 + (𝑠𝑒𝑛3𝑥) × 𝑒 2𝑥 ]
𝑑𝑥 𝑑𝑥
𝑑 2𝑥 𝑑
+3[ (𝑒 ) × 𝑐𝑜𝑠3𝑥 + (𝑐𝑜𝑠3𝑥) × 𝑒 2𝑥 ]
𝑑𝑥 𝑑𝑥
𝑓 ′′ (𝑥 ) = 2[2 × (𝑒 2𝑥 ) × 𝑠𝑒𝑛3𝑥 + 3 × (𝑐𝑜𝑠3𝑥 ) × 𝑒 2𝑥 ]
+ 3[2 × (𝑒 2𝑥 ) × 𝑐𝑜𝑠3𝑥 − 3 × (𝑠𝑒𝑛3𝑥 ) × 𝑒 2𝑥 ]
𝑓′′(𝑥 ) = 4 × (𝑒 2𝑥 ) × 𝑠𝑒𝑛3𝑥 + 6 × (𝑐𝑜𝑠3𝑥) × 𝑒 2𝑥 + 6 × (𝑒 2𝑥 ) × 𝑐𝑜𝑠3𝑥 − 9 × (𝑠𝑒𝑛3𝑥)
× 𝑒 2𝑥
𝑓 ′′(𝑥) = 12(𝑐𝑜𝑠3𝑥) × 𝑒 2𝑥 − 5(𝑠𝑒𝑛3𝑥) × 𝑒 2𝑥
𝑓(𝑥)′′ = 𝑒 2𝑥 (12𝑐𝑜𝑠3𝑥 − 5𝑠𝑒𝑛3𝑥)
Por lo tanto el valor absoluto máximo de 𝑓(𝜉)′′ en el intervalo [0,2] ocurre en 2.
Entonces el error máximo ocurre en 2.
Remplazamos x=2
𝑓(2)′′ = 𝑒 4 [12 cos(6) − 5𝑠𝑒𝑛(6)]
𝑓(2)′′ = 705.3601029
(𝑏 − 𝑎) 2 ′′ 2
| ℎ 𝑓 (𝜉 )| < | ℎ2 (705.3601029)| < 0.0001
6 6
|ℎ2 (705.3601029)| < 0.0003
0.0003
ℎ2 <
705.3601029
0.0003
ℎ< √ = 0.00065216
705.3601029
𝑎−𝑏 2−0 2
𝑛> = = = 3066.73209
ℎ 0.00065216 0.00065216
𝑛 ≥ 3066.544005
La regla del punto medio compuesto ℎ < 0.00065216 ; 𝑛 ≥ 3066.73209
EJERCICIO 8 a. Determine los valores de n y h que se requieren para aproximar

𝜋
∫ 𝑥 2 𝑐𝑜𝑠 𝑥 𝑑𝑥
0
con una exactitud de 10-4.

a. Aplique la regla compuesta del trapecio
Solución
𝜋
considerando la integral ∫0 𝑥 2 𝑐𝑜𝑠 𝑥 𝑑𝑥 , el objetivo entonces será calcular los valores
de n y h que se utilizan para aproximar la integral correcta 10 -4. Para esto debemos
calcular hasta la quinta derivada de la función 𝑓(𝑥 ) = 𝑥 2 𝑐𝑜𝑠 𝑥 así .
𝑓 ′ (𝑥 ) = 2𝑥 ⋅ cos 𝑥 − 𝑥 2 ⋅ 𝑠𝑒𝑛𝑥
𝑓 ′′ (𝑥 ) = 2 ⋅ 𝑐𝑜𝑠 𝑥 − 2𝑥 ⋅ 𝑠𝑒𝑛𝑥 − 2𝑥 ⋅ 𝑠𝑒𝑛𝑥 − 𝑥 2 𝑐𝑜𝑠 𝑥 = (2 − 𝑥 2 )𝑐𝑜𝑠𝑥 − 4𝑥𝑠𝑒𝑛𝑥
𝑓 ′′′ (𝑥 ) = −2𝑥 ⋅ cos 𝑥 − (2 − 𝑥 2 )𝑠𝑒𝑛𝑥 − 4𝑠𝑒𝑛𝑥 − 4𝑥𝑐𝑜𝑠𝑥 = (𝑥 2 − 6)𝑠𝑒𝑛𝑥 − 6𝑥𝑠𝑒𝑛𝑥
𝑓 (4) (𝑥 ) = (𝑥 2 − 12)𝑐𝑜𝑠𝑥 + 8𝑥𝑠𝑒𝑛𝑥

𝑓 (5) (𝑥 ) = (20 − 𝑥 2 )𝑠𝑒𝑛𝑥 + 10𝑥𝑐𝑜𝑠𝑥
Ahora tenemos que encontrar los valores usando la regla compuesta del trapecio para ello
debemos calcular el limite de error .
La regla compuesta viene dada por
(𝑏−𝑎)3
|𝐸̅ | ≤ max |𝑓 ′ (𝑥 )|
12𝑛 2 𝑥[𝑎,𝑏]
Para el valor máximo absoluto 𝑓 ′ (𝑥 ) calculamos las raíces de𝑓 ′′ (𝑥 ) en el intervalo [0. 𝜋].
Entonces para 𝑓 ′′ (𝑥 ) = 0 calculando (𝑥 2 − 6)𝑠𝑒𝑛𝑥 − 6𝑥𝑠𝑒𝑛𝑥 = 0 se obtiene
0 y 1.814535 como raices ahora remplazamos en la derivada
𝑓 ′ ′( 0 ) = 2
𝑓 ′ ′(1.814535 ) = −6.731676
𝑓 ′ ′( 𝜋 ) = 7.8696040 entonces
max |𝑓 ′ (𝑥 )| = 7.8696040
𝑥[𝑎,𝑏]
Entonces decimos que la integral debe ser correcta hasta 10-4 por lo que
|𝐸̅ | ≤10-4
(𝑏−𝑎)3
max |𝑓 ′′ (𝑥 )| ≤10-4
12𝑛 2 𝑥[𝑎,𝑏]
(𝜋−0)3
(7.8696040) ≤10-4
12𝑛 2
Ahora resolvemos la desigualdad para encontrar n
2
𝜋 3 7.8696040
4
𝑛 ≥ 10
12
𝑛2 ≥ 203339.28
𝑛 ≥ 451
𝑏−𝑎
Como h= remplazando los valores encontrados en h
𝑛
𝜋−0
h= 451
h=6.9658x10−3
por lo tanto concluimos diciendo que n = 451 y h =6.9658x10−3
EJERCICIO 8.b. Repita el ejercicio 7 con la integral

𝜋
f(x)= ∫0 𝑥 2 𝑐𝑜𝑠𝑥 𝑑(𝑥)
Problema n°7: determine los valores de n y h que se requieren para aproximar con una
exactitud de 10−4
b) Aplique la regla compuesta de Simpson
𝑛 𝑛
−1
𝑏 2 2
ℎ 𝑏 − 𝑎 4 (4)
∫ 𝑓 (𝑥 )𝑑 ( 𝑥 ) = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 4] − ℎ 𝑓 (𝑢)
𝑎 3 180
𝑗=1 𝑗=1
𝜋
∫ 𝑥 2 𝑐𝑜𝑠𝑥 𝑑(𝑥 )
0
𝑛 𝑛
−1
2 2
ℎ 2
= [0 𝑐𝑜𝑠(0) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝜋 2 𝑐𝑜𝑠(𝜋)]
3
𝑗=1 𝑗=1
𝜋 − 0 4 (4)
− ℎ 𝑓 (𝑢)
180
𝜋
∫ 𝑥 2 𝑐𝑜𝑠𝑥 𝑑(𝑥 )
0
𝑛 𝑛
−1
2 2
ℎ 𝜋 4 (4)
= [0 + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) − 9.8696044] − ℎ 𝑓 (𝑢)
3 180
𝑗=1 𝑗=1
, 2
𝑓 (𝑥)=2𝑥 𝑐𝑜𝑠(𝑥 ) − 𝑥 𝑐𝑜𝑠(𝑥)
𝑓 ,, (𝑥)=2 𝑐𝑜𝑠(𝑥 ) − 2𝑥𝑠𝑒𝑛(𝑥 ) − 2𝑥𝑠𝑒𝑛(𝑥 ) − 𝑥 2 𝑐𝑜𝑠(𝑥 ) = 2𝑐𝑜𝑠𝑥 − 4𝑥𝑠𝑒𝑛𝑥 − 𝑥 2 𝑐𝑜𝑠(𝑥 )
𝑓 ,,, (𝑥)= −6𝑠𝑒𝑛(𝑥 ) − 6𝑥𝑐𝑜𝑠 𝑥 + 𝑥 2 𝑠𝑒𝑛(𝑥 )
𝑓 (𝐼𝑉) (𝑥)= −12 𝑐𝑜𝑠(𝑥) + 8𝑥𝑠𝑒𝑛(𝑥) + 𝑥 2 𝑐𝑜𝑠(𝑥)
(𝑏−𝑎)ℎ 4 𝜋ℎ 4 𝜋5
| 𝑓 (4) (𝑢)|= 180 |𝑓 (4) (𝑢)| ≤ 180𝑛4 (12+8𝜋) ≤ 10−4
180
|(𝑢2 − 12)𝑐𝑜𝑠(𝜇) + 8𝜇𝑠𝑒𝑛(𝜋)| ≤ |(𝑢2 − 12)𝑐𝑜𝑠(𝜇)| + |8𝜇𝑠𝑒𝑛𝜋 |

|𝑢2 − 12||𝑐𝑜𝑠𝑢|+ 8𝜇|𝑠𝑒𝑛 𝑢| ≤ |𝑢2 − 12|.1+8𝜋. 1 ≤ 12 +8𝜋
𝑏−𝑎 𝜋−0 𝜋 𝜋
donde: ℎ = 𝑛 = 𝑛 = 𝑛 𝛬 𝑥𝑗 = 𝑎 + 𝑗ℎ = 0 + 𝑗ℎ 𝑥𝑗 = 30 𝑗
En el teorema 4.4 de Richard I. Burden , el error absoluto debe ser menor que 0.0001
𝜋ℎ4 (4)
| 𝑓 (𝑢)| ≤ 0.0001
180
𝜋
𝜋ℎ4 (4) 𝜋(𝑛 )4 𝜋5 1.70010936(37.1327412)
| 𝑓 (𝑢)| = = 4
(12 + 8𝜋) = < 0.0001
180 180 180𝑛 𝑛4
4 1.70010936(37.1327412)
=√ <𝑛
0.0001
Al completar los cálculos obtenemos, n>28.1876 donde n tomaría el valor de n= 30
𝜋 𝜋
𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑛𝑑𝑜 𝑛 = 30, 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 ℎ = = 0.10471975 𝑥𝑗 = 𝑗
30 30
30 30
𝜋 𝜋 −1
∫0 𝑥 2 𝑐𝑜𝑠𝑥 𝑑(𝑥)=90 [0 + 2 ∑𝑗=1
2
𝑓(𝑥2𝑗 ) + 4 ∑𝑗=1
2
𝑓(𝑥2𝑗−1 ) − 9.8696044]
𝜋 𝜋𝑗 𝜋𝑗 𝜋2 (2𝑗−1)2 𝜋
= 90 [2 ∑14 2 15
𝑗=1(30) ∗ 𝑐𝑜𝑠 (30) + 4 ∑𝑗=1 ∗ 𝑐𝑜𝑠((2𝑗 − 1) 30) − 9.8696044]
900
Valores de j: 1,2,3,4,5,6……
𝜋
[0 + 2((𝑓(𝑥2 ) + 𝑓(𝑥4 ) + 𝑓(𝑥6 ) + 𝑓(𝑥8 ) + 𝑓(𝑥10 ) + 𝑓𝑥12 + 𝑓𝑥14 + 𝑓𝑥16 + 𝑓𝑥18
36
+ 𝑓𝑥20 + 𝑓𝑥22 + 𝑓𝑥24 + 𝑓𝑥26 + 𝑓(𝑥28 ))
+ 4[𝑓(𝑥1 ) + 𝑓(𝑥3 ) + 𝑓(𝑥5 ) + 𝑓(𝑥7 ) + 𝑓𝑥9 + 𝑓𝑥11 + 𝑓(𝑥13 ) + 𝑓(𝑥15 )
+ 𝑓𝑥17 + 𝑓𝑥19 + 𝑓𝑥21 + 𝑓𝑥23 + 𝑓(𝑥25 ) + 𝑓(𝑥27 ) + 𝑓(𝑥29 )]
− 9.8696044]
14 15
𝜋 𝜋𝑗 𝜋𝑗 𝜋 2 (2𝑗 − 1)2 𝜋
[2 ∑( )2 ∗ 𝑐𝑜𝑠 ( ) + 4 ∑ ∗ 𝑐𝑜𝑠((2𝑗 − 1) ) − 9.8696044]
90 30 30 900 30
𝑗=1 𝑗=1
𝜋
= [2 ∑14 15
𝑗=1(22.256762) + 4 ∑𝑗=1(43.006237 ∗ 0.000002) − 9.8696044]
90
𝜋
= 90 [44.513524 + 0.00034404 − 9.8696044]
𝜋
= 90 [44.513524 + 0.00034404 − 9.8696044]
𝜋
∫0 𝑥 2 𝑐𝑜𝑠𝑥 𝑑(𝑥) = 1.209312935

x
2
EJERCICIO 8C. Repita el ejercicio 7 con la integral cos xdx
0
C) aplique la regla compuesta del punto medio.

Determine los valores de n y h que se requiere para aproximar con una exactitud de 10 -4
ba 2
f  x dx  2 * h *  f  x2 j  
b m /2
 a
j 0 6
* h f ´´(  )
ba  0 
h h h
n2 n2 n2
j 1
xj  a 
n

x b= 
2
cos xdx a = 0;
0
f  x   x 2 cos x
f ´ x   2 x cos x  x 2 senx
f ´´ x   2 cos x  2 senx  2 senx  x 2 cos x
 2 cos x  4 xsenx  x 2 cos x
 (2  x 2 ) cos x  4 xsenx
   0;  
0  
0  2   2 sen   1
0    2   2 cos   1
2  2  2  2   2
2  2  2
f ´´(  )   2   2  cos   4 sen   2   2  cos  |  | 4 sen
  2   2  | * | cos  | 4 | sen
  2   2  | *1  4 *1
 2  4
b  a 2 ´´
* h f (  )  104
6
 0   
2
*  *  2  4   0.0001
6 n2
   
2
*  *  2  4   0.0001
6 n2
  
2
0.0001* 6
   
n2  2  4  *  h
n2
   0.0001* 6 
  h
n2  2  4  *  866  2
 h  0.0036193
n 2
0.0001* 6
 2  4  * 
n  865.6106245
n  866
2 1
9 a. Determinar los valores de n y h que se requieren para aproximar ∫0 𝑑𝑥, con una
𝑥+4
−5
exactitud de 10
a. aplique la regla compuesta del trapecio.
SOLUCIÓN
𝑋1
ℎ ℎ3
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑋0 ) + 𝑓 (𝑋1 ) + 𝑓(𝑋2 )] − . 𝑓 ′′ (𝐸𝑠)
𝑋𝑂 2 12
𝑋0= 0 ; 𝑋2 = 2; ℎ = 𝑋1 + 𝑋0 = 2 − 0 = 2
2
1 2 1 1
∫ 𝑑𝑥 = [𝑓 (𝑋0 ) + 𝑓 (𝑋2 )] = + = 0.4166
0 𝑥+4 2 0+4 2+4
La aproximación es 0.4166 y el valor de h=2 y n=46
EJERCICIO 9 b. Determine los valores de n y h que se requieren para aproximar con una
exactitud de 10−5 y calcule la aproximación.
-Aplique la regla compuesta de Simpson.
2
1
∫ 𝑑𝑥 𝑎=0 , 𝑏=2
0 𝑥+4
Método de Simpson
𝑛 𝑛
−1
𝑏 2 2
ℎ (𝑏 − 𝑎)ℎ4 𝑓 4 (𝛿)
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)] −
𝑎 3 180
𝑗=1 𝑗=1
𝑛 𝑛
−1
2 2 2
1 ℎ 1 1 1 1 (2 − 0)ℎ4 𝑓 4 (𝛿)
∫ 𝑑𝑥 = [ +2∑ +4∑ + ]−
0 𝑥+4 3 0+4 𝑥2𝑗 + 4 𝑥2𝑗−1 + 4 2 + 4 180
𝑗=1 𝑗=1
2
1
∫ 𝑑𝑥 = 0.4054651 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
0 𝑥+4
1 −1 2(𝑥 + 4) −6
𝑓 (𝑥 ) = → 𝑓 ′ (𝑥 ) = 2
→ 𝑓 ′′ ( )
𝑥 = 4
→ 𝑓 ′′′ (𝑥 ) =
𝑥+4 (𝑥 + 4) (𝑥 + 4) (𝑥 + 4 )4
24 24
𝑓 ′′′′ (𝑥 ) = 5
→ 𝑓 4 (𝑥 ) =
(𝑥 + 4) (𝑥 + 4) 5
𝑏−𝑎 2−0 2
ℎ= = = → 𝑥𝑗 = 𝑎 + 𝑗ℎ
𝑛 𝑛 𝑛
ℎ4 𝑓 4 (𝑢)
| | < 0.00001
180
8 1
| 4 | < 0.00001 → 𝑛 > 363.14 𝑛 ≥ 12 → ℎ=
𝑛 45 6
Tenemos
2 5 6
1 1 5 1 1
∫ 𝑑𝑥 = [ +2∑ +4∑ ]
0 𝑥+4 18 12 𝑗 2𝑗 − 1
𝑗=1 + 4
5 𝑗=1
10 + 4
1
A=∑5𝐽=1 𝑗 = 1.0090255
+4
5
1
B=∑6𝑗=1 2𝑗−1 = 1.2159139
+4
10
Remplazamos
2
1 5
∫ 𝑓 (𝑥 )𝑑𝑥 = [ + 2(1.0090255) + 4(1.2159139)]
0 18 12
= 0.4054652 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
Ejercicio 9c.
Solución
𝟐 𝟏
La fórmula de error para la regla del punto medio compuesto ∫𝟎 𝒅(𝒙)dentro de
𝒙+𝟒
𝟏𝟎−𝟓
𝟐𝒉𝟐
En el intervalo (0,2) en 𝒇𝟐 (𝒖) donde U se encuentra entre 0 y2 .
𝟔
𝟏
𝒇(𝒙) =
(𝒙 + 𝟒)
𝟏
𝒇´ (𝒙) =
(𝒙 + 𝟒)𝟐
𝟏
𝒇´´ (𝒙) =
(𝒙 + 𝟒)𝟑
El error al aproximar la integral definida es:
𝟐𝒉𝟐 𝟐
| 𝒇 (𝒖)|
𝟔
𝟐𝒉𝟐 𝟐
| . |
𝟔 ( 𝒖 + 𝟒) 𝟑
𝟐𝒉𝟐 𝟏
| | donde u=(0,2)
𝟑 (𝒖+𝟒)𝟑
Para tener una suficiente presicion en la aproximación de la integral el error debe ser
menor que el 𝟏𝟎−𝟓
𝟐𝒉𝟐 𝟏
| 𝟑
| < 𝟏𝟎−𝟓
𝟑 (𝒖 + 𝟒)
𝟐𝒉𝟐 𝟏
𝒎𝒂𝒙𝒖∈(𝟎,𝟐) | | < 𝟏𝟎−𝟓
𝟑 (𝒖 + 𝟒)𝟑
𝟏
| |es una función decreciente ene l intervalo[𝟎, 𝟐] por lo tanto.
(𝒖+𝟒)𝟑
𝟏 𝟏
𝒎𝒂𝒙𝒖∈(𝟎,𝟐) | 𝟑
|=
(𝒖 + 𝟒) (𝟎 + 𝟒)𝟑
𝟏
= = 𝟏/𝟔𝟒
𝟒𝟑
entonces
𝟐𝒉𝟐 𝟏
𝒎𝒂𝒙𝒖∈(𝟎,𝟐) | | < 𝟏𝟎−𝟓 𝒊𝒎𝒑𝒍𝒊𝒄𝒂 𝒒𝒖𝒆
𝟑 (𝒖 + 𝟒)𝟑
𝟐 𝟐 𝟏
𝒉 ( 𝟑 ) < 𝟏𝟎−𝟓
𝟑 𝟒
𝟐𝒉𝟐 < 𝟑𝒙𝟒𝟑 𝒙𝟏𝟎−𝟓
𝟑𝒙𝟒𝟑 𝒙𝟏𝟎−𝟓
𝒉<√
𝟐
𝒉 < 𝟎. 𝟎𝟑𝟎𝟗𝟖𝟑𝟗
𝒃−𝒂
Dado que 𝒉 = , done n es el un ero de su intervalos y a,b son los límites de
𝒏
𝟐
integración , por lo tanto a=0 y b=2 𝒉 = 𝒏
Sustituimos h en la ecuación anterior para obtener
𝟐 𝟑𝒙𝟒𝟑 𝒙𝟏𝟎−𝟓
<√
𝒏 𝟐
𝟐
𝒏=
𝟎. 𝟎𝟑𝟎𝟗𝟖𝟑𝟗
𝒏 = 𝟔𝟒. 𝟓𝟒𝟗𝟔𝟓
La regla compuesta requiere un tamaño de paso de 𝒏 ≤ 𝟔𝟔
entonces la regla del punto medio compuesto para n sub intervalos pares para
integrar se puede escribir como.
𝒏/𝟐
𝒃
∫ 𝒇(𝒙)𝒅(𝒙) = 𝟐𝒉 ∑ 𝒇(𝒙𝟐𝒋 )𝒅𝒐𝒏𝒅𝒆
𝒂 𝒋=𝟎
𝒃−𝒂
𝒉=
𝒏
𝒙𝒋 = 𝒂 + 𝒋𝒉, 𝒑𝒂𝒓𝒂 𝒄𝒂𝒅𝒂 𝒋 = 𝟎, 𝟏, 𝟐 … 𝒏
𝟏
𝒂𝒒𝒖𝒊 𝒇(𝒙) = , 𝒂 = 𝟐𝟎 𝒃 = 𝟐 𝒏 = 𝟔𝟔
𝒙+𝟒
𝟐
𝒉=
𝒏
𝟐
𝒉= = 𝟏/𝟑𝟑
𝟔𝟔
2
10. Repita el ejercicio 9 con la integral∫1 𝑥𝑙𝑛(𝑥 )𝑑𝑥.
2
Determine los valores de n y h que se requieren para aproximar ∫1 𝑥𝑙𝑛(𝑥 )𝑑𝑥. Con una
exactitud de 𝟏𝟎−𝟓 y calcule la aproximación.

a) Aplique la regla compuesta del trapecio
𝑏 𝑛−1
ℎ (𝑏 − 𝑎 ) 2 2
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑎) + 2 ∑ 𝑓(𝑥𝑗 ) + 𝑓(𝑏)] − ℎ 𝑓 ()
𝑎 2 12
𝑗=1
2 𝑛−1
ℎ (2 − 1) 2 2
∫ 𝑥ln(𝑥)𝑑𝑥 = [1 ln(𝑥 ) + 2 ∑ 𝑓(𝑥𝑗 ) + 2 ln(𝑥 )] − ℎ 𝑓 ()
1 2 12
𝑗=1
2 𝑛−1
ℎ (2 − 1) 2 2
∫ 𝑥ln(𝑥)𝑑𝑥 = [1ln(𝑥) + 2 ∑ 𝑓(𝑥𝑗 ) + 1.3862944] − ℎ 𝑓 ()
1 2 12
𝑗=1
Donde:
𝑏−𝑎 2−1 1
ℎ= = →ℎ=
𝑛 𝑛 𝑛
𝑥𝑗 = 𝑎 + 𝑗ℎ = 1 + 𝑗ℎ
ℎ2
Por dato, el error absoluto |12 𝑓 (2) ()| < 0.00001
ℎ2 ℎ2 (2) ℎ2 1 ℎ2 1 1 2 1
| 𝑓 (2) ()| = |𝑓 ()| = | |≤ = ( ) =
12 12 12 𝑥 12 12 𝑛 12𝑛2
Luego:
1
≤ 0.00001 → 91.29 ≤ 𝑛 → 𝑛 ≥ 92 → 𝑛 = 92
12𝑛2
1
Considerando 𝑛 = 92, → ℎ = 92 = 0.0108696 𝑦 𝑥𝑗 = 1 + 0.0108696 𝑗
2 91
ℎ
∫ 𝑥ln(𝑥 )𝑑𝑥 = [2 ∑(1 + 0.0108696𝑗) ln(1 + 0.0108696𝑗) + 1.3862944]
1 2
𝑗=1
2 91
ℎ
∫ 𝑥ln(𝑥 )𝑑𝑥 = [2 ∑(1 + 0.0108696𝑗) ln(1 + 0.0108696𝑗) + 1.3862944]
1 2
𝑗=1
= 0.63630119
Calculando el Valor real
2
𝑥2 1 22 1 12 1
∫ 𝑥ln(𝑥)𝑑𝑥 = [ (ln(𝑥) − )] /12 → [ (ln(2) − )] − [ (ln(1) − )]
1 2 2 2 2 2 2
= 0.6362944
Calculo de la aproximación:
| 0.63630119 − 0.6362944| = 0.0000068
𝟐
Ejercicio 10a. Repita el ejercicio 9 con la integral ∫𝟏 𝒙 𝐥𝐧 𝒙 𝒅𝒙.
𝟐
Determine los valores de n y h que se requieren para aproximar ∫𝟏 𝒙 𝐥𝐧 𝒙 𝒅𝒙 con una
exactitud de 10-5 y calcule la aproximación.
Aplicar la regla compuesta del trapecio.
Solución.
𝒃−𝒂 𝟐−𝟏 𝟏
𝒉= = =
𝒏 𝒏 𝒏
𝒙𝒋 = 𝒂 + 𝒋𝒉 = 𝟏 + 𝒋𝒉
𝒃 𝒏−𝟏
𝒉 (𝒃 − 𝒂) 𝟐
∫ 𝒇(𝒙)𝒅𝒙 = [𝒇(𝒂) + 𝟐 ∑(𝒇(𝒙𝒋 ) + 𝒇(𝒃))] − 𝒉 𝒇′′(𝝁)
𝒂 𝟐 𝟏𝟐
𝒋=𝟏
𝟐 𝒏−𝟏
𝒉 ( 𝟐 − 𝟏) 𝟐
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = [𝟏𝐥𝐧( 𝒙) + 𝟐 ∑(𝒇(𝒙𝒋 ) + 𝟐 𝐥𝐧( 𝒙))] − 𝒉 𝒇´´(𝝁)
𝟏 𝟐 𝟏𝟐
𝒋=𝟏
𝟐 𝒏−𝟏
𝒉 𝒉𝟐
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = [𝟎 + 𝟐 ∑(𝒇(𝒙𝒋 ) + 𝟏. 𝟑𝟖𝟔𝟐𝟗𝟒𝟒)] − 𝒇´´(𝝁)
𝟏 𝟐 𝟏𝟐
𝒋=𝟏
𝒉𝟐
Error absoluto = |𝟏𝟐 𝒇´´(𝝁)| < 𝟏𝟎−𝟓
𝒉𝟐 𝒉𝟐 𝒉𝟐 𝟏 𝒉𝟐 𝟏
| 𝒇´´(𝝁)| = |𝒇´´(𝝁)| = | |= =
𝟏𝟐 𝟏𝟐 𝟏𝟐 𝒙 𝟏𝟐 𝟏𝟐𝒏𝟐
𝟏
≤ 𝟎. 𝟎𝟎𝟎𝟎𝟏
𝟏𝟐𝒏𝟐
𝒏 ≥ 𝟗𝟏. 𝟐𝟖𝟕𝟎𝟗𝟐𝟗
Considerando 𝒏 = 𝟗𝟐
𝟏 𝟏
𝒉= = = 𝟎. 𝟎𝟏𝟎𝟖𝟔𝟗𝟔
𝒏 𝟗𝟐
𝒙𝒋 = 𝒂 + 𝒋𝒉 = 𝟏 + 𝟎. 𝟎𝟏𝟎𝟖𝟔𝟗𝟔𝒋
𝟐 𝟗𝟏
𝟎. 𝟎𝟏𝟎𝟖𝟔𝟗𝟔
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = [𝟐 ∑((𝟏 + 𝟎. 𝟎𝟏𝟎𝟖𝟔𝟗𝟔𝒋) 𝐥𝐧(𝟏 + 𝟎. 𝟎𝟏𝟎𝟖𝟔𝟗𝟔𝒋)
𝟏 𝟐
𝒋=𝟏
+ 𝟏. 𝟑𝟖𝟔𝟐𝟗𝟒𝟒)]
𝟐
𝟎. 𝟎𝟏𝟎𝟖𝟔𝟗𝟔
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = [𝟏𝟏𝟓. 𝟔𝟗𝟑𝟏𝟐𝟑𝟖 + 𝟏. 𝟑𝟖𝟔𝟐𝟗𝟒𝟒]
𝟏 𝟐
𝟐
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = 𝟎. 𝟔𝟑𝟔𝟑𝟎𝟑𝟐
𝟏
Calculo del valor real

𝟐 𝟐
𝒙𝟐 𝒙𝟐 𝟐𝟐 𝟐𝟐 𝟏𝟐 𝟏𝟐
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = ∫ ( 𝐥𝐧( 𝒙) − ) = [( 𝐥𝐧(𝟐) − ) − ( 𝐥𝐧(𝟏) − )]
𝟏 𝟏 𝟐 𝟒 𝟐 𝟒 𝟐 𝟒
𝟐 𝟐
𝒙𝟐 𝒙𝟐 𝟏 𝟏
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = ∫ ( 𝐥𝐧( 𝒙) − ) = [(𝟐 𝐥𝐧(𝟐) − 𝟏) − ( 𝐥𝐧(𝟏) − )]
𝟏 𝟏 𝟐 𝟒 𝟐 𝟒
𝟐
∫ 𝒙 𝐥𝐧 𝒙 𝒅𝒙 = 𝟎. 𝟔𝟑𝟔𝟐𝟗𝟒𝟒
𝟏
Para calcular la aproximación.

|𝟎. 𝟔𝟑𝟔𝟑𝟎𝟑𝟐 − 𝟎. 𝟔𝟑𝟔𝟐𝟗𝟒𝟒| = 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟖𝟖
Los valores que toma n serían. 𝑛 ≥ 92
Los valores que toma h serían. Según sea el valor de n.
2
EJERCICIO .10.c Repita el ejercicio 9 con la integral ∫1 𝑥𝑙𝑛𝑥 𝑑𝑥.
2
Determine los valores de n y h que se requiere para aproximar ∫1 𝑥𝑙𝑛𝑥 𝑑𝑥 con una
exactitud de 10−5 y calcule la aproximación.
𝑓 (𝑥 ) = 𝑥𝑙𝑛𝑥
Calculamos el valor real de la integral.
∫ 𝑓 (𝑥)𝑑𝑥 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢
1 1
𝑢 = 𝑙𝑛𝑥 ⟹ 𝑑𝑢 = 𝑑𝑥 ; 𝑣 = ∫ 𝑥 𝑑𝑥 ⟹ 𝑣 = 𝑥 2
𝑥 2
2 2
1 1 1
∫ 𝑥𝑙𝑛𝑥 𝑑𝑥 = × 𝑥 2 × ln(𝑥 ) − × ∫ 𝑥 2 × 𝑑𝑥
1 2 2 0 𝑥
2 1 1 2
∫1 𝑥𝑙𝑛𝑥 𝑑𝑥 = × 𝑥 2 × ln(𝑥 ) − 2 × ∫0 𝑥 𝑑𝑥0.
2
2 2
1 1
∫ 𝑥𝑙𝑛𝑥 𝑑𝑥 = [ × 𝑥 2 × ln(𝑥 ) − × 𝑥 2 ]
1 2 4 1
2
1 1 1 1
∫ 𝑥𝑙𝑛𝑥 𝑑𝑥 = × 22 × ln(2) − × 22 − × 12 × ln(1) + × 12
1 2 4 2 4
2
∫ 𝑥𝑙𝑛𝑥 𝑑𝑥 = 0.63629436
1
c). Aplique la regla compuesta del punto medio.
Lo resolvemos utilizando la formula del punto compuesto medio.
(𝑏−𝑎)
El termino de error de la regla compuesta del punto medio es: | ℎ2 𝑓 ′′ (𝜉 )|
6
Calculamos la segunda derivada para calcular el error máximo.
𝑓 (𝑥 ) = 𝑥𝑙𝑛𝑥
𝑑 𝑑
𝑓 ′ (𝑥 ) = (𝑥 ) × 𝑙𝑛𝑥 + (𝑙𝑛𝑥) × 𝑥
𝑑𝑥 𝑑𝑥
1
𝑓 ′ (𝑥 ) = 𝑙𝑛𝑥 + × 𝑥 ⟹ 𝑓 ′ (𝑥 ) = 𝑙𝑛𝑥 + 1
𝑥
𝑑
𝑓 ′′ (𝑥 ) = (𝑙𝑛𝑥 + 1)
𝑑𝑥
1
𝑓(𝑥)′′ = 𝑥
Como 𝑓 ′′ (𝜉 ) disminuye continuamente en el intervalo [1,2], el máximo ocurre en 1.
Entonces el error máximo ocurre en 1.
1
𝑓(1)′′ = 1
𝑓(1)′′ = 1
(𝑏 − 𝑎) 2 ′′ (2 − 1) 2
| ℎ 𝑓 (𝜉 )| < | ℎ (1)| < 0.00001
6 6
1
| ℎ2 (1)| < 0.00001
6
1 2
ℎ (1) < 0.00001
6
ℎ2 < 0.00006
ℎ < √0.00006 = 0.00774597
𝑎−𝑏 2−1
𝑛> = > 129.0993897
ℎ 0.00774597
𝑏−𝑎 2−1
ℎ= ⟹ℎ= ⟹ ℎ = 0.00774597
𝑛 129.0993897
Aproximamos 𝑛 ≥ 130
Para n = 130 tendremos:
𝑏−𝑎 2−1
ℎ= ⟹ℎ= ⟹ ℎ = 0.00769231
𝑛 130
Conocemos la regla del punto medio, por lo que calcularemos la aproximación de la

integral.
𝑛
𝑏 2 2 65
∫ 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 ) ⟹ ∫ 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑ 𝑓(𝑥2𝑗 )

𝑎 𝑖=0 1 𝑖=0
2
2 132 258
∫ 𝑓 (𝑥)𝑑𝑥 = [𝑓 (0) + 𝑓 ( )+ ⋯+ 𝑓( )]
130 130 130
1
2
1
∫ 𝑓 (𝑥)𝑑𝑥 = [0 + 0.01550235631 + ⋯ + 1.36030526686]
65
1
∫ 𝑓 (𝑥)𝑑𝑥 = 0.6362875
1
La regla del punto medio compuesto requiere ℎ < 0.00774597

EJERCICIO 11.a. Suponga que f está definido por :
𝑓 (𝑥 )
𝑥3 + 1 0 ≤ 𝑥 ≤ 0.1
= {1.001 + 0.03(𝑥 − 0.1) + 0.3(𝑥 − 0.1)2 + 2(𝑥 − 0.1)3 0.1 ≤ 𝑥 ≤ 0.2
1.009 + 0.15(𝑥 − 0.2) + 0.9(𝑥 − 0.2)2 + 2(𝑥 − 0.2)3 0.2 ≤ 𝑥 ≤ 0.3
Investigue la continuidad de las derivadas de f
𝑓(𝑥)′ = ( 𝑥 3 )′ = 3𝑥 2
𝑓(𝑥)′′ = ( 3𝑥 2 )′ =6x
𝑓(𝑥)′′′ = ( 6𝑥)′ =6 ( 𝟎 ≤ 𝒙 ≤ 𝟎. 𝟏)
𝑓 (𝑥 ) = [1.001 + 0.03(𝑥 − 0.1) + 0.3(𝑥 − 0.1)2 + 2(𝑥 − 0.1)3 ]′ =0.03+0.6(x-0.1) +6

(𝑥 − 0.1)2
𝑓(𝑥)′′ = (0.03+0.6(x-0.1) +6 (𝑥 − 0.1)2 )′ =0.6+12(𝑥 − 0.1)
𝑓(𝑥)′′′ = ( 0.6+12(𝑥 − 0.1) )′ =12 ( 𝟎. 𝟏 ≤ 𝒙 ≤ 𝟎. 𝟐)
𝑓 (𝑥 ) = [1.009 + 0.15(𝑥 − 0.2) + 0.9(𝑥 − 0.2)2 + 2(𝑥 − 0.2)3 ]′ = 0.15 +1.8 (𝑥 −

0.2)+6 (𝑥 − 0.2)2
𝑓(𝑥)′′ = (0.15+1.8(x-0.2) + 6 (𝑥 − 0.2)2 )′ = 1.8+12(𝑥 − 0.2)
𝑓(𝑥)′′′ = ( 1.8+12(𝑥 − 0.2) )′ =12 (𝟎. 𝟐 ≤ 𝒙 ≤ 𝟎. 𝟑)
6 ; 0 ≤ 𝑥 ≤ 0.1
12 ; 0.1 ≤ 𝑥 ≤ 0.2
𝑓(𝑥)′′′ ={
12 ; 0.2 ≤ 𝑥 ≤ 0.3
EJERCICIO 11.b
Solución
 En 𝑓(𝑥) = 𝑥 3 + 1
Formula de la regla compuesta del trapecio
𝑏 𝑛−1
ℎ (𝑏 − 𝑎) ∗ ℎ2 ∗ 𝑓"(µ)
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑎) + 2 ∗ ∑ 𝑓(𝑥𝑗 ) + 𝑓(𝑏)] −
𝑎 2 12
𝑗=1
Remplazando datos
𝑏−𝑎 0.3−0
𝑎=0 𝑏 = 0.3 𝑛=6 ℎ= = = 0.05
𝑛 6
𝑥𝑗 = 𝑎 + 𝑗ℎ = 0 + 0.05𝑗 → 𝑥𝑗 = 0.05𝑗
Remplazamos 𝑗 = 0,1,2,3,4,5 𝑦 6
𝑥 0 = 𝑎 = 0 → 𝑓 (𝑥 0 ) = 𝑓 (0 ) = 03 + 1 = 1
𝑥1 = 0.05 → 𝑓 (𝑥1 ) = 𝑓 (0.05) = 0.053 + 1 = 1.000125
𝑥2 = 0.1 → 𝑓 (𝑥2 ) = 𝑓(0.1) = 0.13 + 1 = 1.001
𝑥3 = 0.15 → 𝑓 (𝑥3 ) = 𝑓 (0.15) = 0.153 + 1 = 1.003375
𝑥4 = 0.2 → 𝑓 (𝑥4 ) = 𝑓(0.2) = 0.23 + 1 = 1.008
𝑥5 = 0.25 → 𝑓 (𝑥5 ) = 𝑓 (0.25) = 0.253 + 1 = 1.015625
𝑥6 = 𝑏 = 0.3 → 𝑓 (𝑥6 ) = 𝑓 (0.3) = 0.33 + 1 = 1.027
Remplazamos los datos obtenidos en la formula

0.3
∫ (𝑥 3 + 1)𝑑𝑥
0
0.05
= [𝑓(𝑥0 ) + 2 ∗ (𝑓(𝑥1 ) + 𝑓(𝑥2 ) + 𝑓 (𝑥3 ) + 𝑓(𝑥4 ) + 𝑓(𝑥5 )) + 𝑓(𝑥6 )]
2
0.3
∫ (𝑥 3 + 1)𝑑𝑥
0
0.05
= [1 + 2 ∗ (1.000125 + 1.001 + 1.003375 + 1.008 + 1.015625)
2
+ 1.027] = 0.30208
Calculamos la cota de error
(𝑏 − 𝑎) ∗ ℎ2 ∗ 𝑓"(µ)
𝑒 = |− |
12
𝑓 (𝑥 ) = 𝑥 3 + 1 → 𝑓"(𝑥) = 𝑓"(µ) = 6𝑥
𝑥 = 0.3 → 𝑓"(µ) = 6 ∗ 0.3 = 1.8
Remplazamos datos
(0.3 − 0) ∗ (0.05)2 ∗ 1.8
𝑒 = |− | = 1.125 ∗ 10−4
12
 En 𝑓(𝑥 ) = 1.001 + 0.03(𝑥 − 0.1) + 0.3(𝑥 − 0.1)2 + 2(𝑥 − 0.1)3
Datos
𝑏−𝑎 0.3−0
𝑎=0 𝑏 = 0.3 𝑛=6 ℎ= = = 0.05
𝑛 6
𝑥𝑗 = 𝑎 + 𝑗ℎ = 0 + 0.05𝑗 → 𝑥𝑗 = 0.05𝑗
𝑥0 = 𝑎 = 0 → 𝑓 (𝑥0 ) = 𝑓 (0) = 1.001 + 0.03(0 − 0.1) + 0.3(0 − 0.1)2 + 2(0 − 0.1)3
= 0.999
𝑥1 = 0.05 → 𝑓 (𝑥1 ) = 𝑓 (0.05)
= 1.001 + 0.03(0.05 − 0.1) + 0.3(0.05 − 0.1)2 + 2(0.05 − 0.1)3 = 1
𝑥2 = 0.1 → 𝑓 (𝑥2 ) = 𝑓(0.1)
= 1.001 + 0.03(0.1 − 0.1) + 0.3(0.1 − 0.1)2 + 2(0.1 − 0.1)3 = 1.001
𝑥3 = 0.15 → 𝑓 (𝑥3 ) = 𝑓 (0.15)
= 1.001 + 0.03(0.15 − 0.1) + 0.3(0.15 − 0.1)2 + 2(0.15 − 0.1)3
= 1.0035
𝑥4 = 0.2 → 𝑓 (𝑥4 ) = 𝑓(0.2)
= 1.001 + 0.03(0.2 − 0.1) + 0.3(0.2 − 0.1)2 + 2(0.2 − 0.1)3 = 1.009
𝑥5 = 0.25 → 𝑓 (𝑥5 ) = 𝑓 (0.25)
= 1.001 + 0.03(0.25 − 0.1) + 0.3(0.25 − 0.1)2 + 2(0.25 − 0.1)3
= 1.019
𝑥6 = 𝑏 = 0.3 → 𝑓 (𝑥6 ) = 𝑓 (0.3)
= 1.001 + 0.03(0.3 − 0.1) + 0.3(0.3 − 0.1)2 + 2(0.3 − 0.1)3 = 1.035

0.3
0.05
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 2 ∗ (𝑓(𝑥1 ) + 𝑓 (𝑥2 ) + 𝑓 (𝑥3 ) + 𝑓 (𝑥4 ) + 𝑓(𝑥5 )) + 𝑓(𝑥6 )]
0 2
0.3
0.05
∫ 𝑓(𝑥)𝑑𝑥 = [0.999 + 2 ∗ (1 + 1.001 + 1.0035 + 1.009 + 1.019) + 1.035]
0 2
= 0.302475
(𝑏 − 𝑎) ∗ ℎ2 ∗ 𝑓"(µ)
𝑒 = |− |
12
𝑓 (𝑥 ) = 1.001 + 0.03(𝑥 − 0.1) + 0.3(𝑥 − 0.1)2 + 2(𝑥 − 0.1)3 → 𝑓"(𝑥) = 𝑓"(µ)

= 12𝑥 − 0.6
𝑥 = 0.3 → 𝑓"(µ) = 12 ∗ 0.3 − 0.6 = 3
Remplazamos datos
(0.3 − 0) ∗ (0.05)2 ∗ 3
𝑒 = |− | = 1.875 ∗ 10−4
12
 En 𝑓(𝑥 ) = 1.009 + 0.15(𝑥 − 0.2) + 0.9(𝑥 − 0.2)2 + 2(𝑥 − 0.2)3
Datos
𝑏−𝑎 0.3−0
𝑎=0 𝑏 = 0.3 𝑛=6 ℎ= 𝑛
= 6
= 0.05
𝑥𝑗 = 𝑎 + 𝑗ℎ = 0 + 0.05𝑗 → 𝑥𝑗 = 0.05𝑗
𝑥0 = 𝑎 = 0 → 𝑓 (𝑥0 ) = 𝑓 (0) = 1.009 + 0.15(0 − 0.2) + 0.9(0 − 0.2)2 + 2(0 − 0.2)3
= 0.999
𝑥1 = 0.05 → 𝑓 (𝑥1 ) = 𝑓 (0.05)
= 1.009 + 0.15(0.05 − 0.2) + 0.9(0.05 − 0.2)2 + 2(0.05 − 0.2)3 = 1
𝑥2 = 0.1 → 𝑓 (𝑥2 ) = 𝑓(0.1)
= 1.009 + 0.15(0.1 − 0.2) + 0.9(0.1 − 0.2)2 + 2(0.1 − 0.2)3 = 1.001
𝑥3 = 0.15 → 𝑓 (𝑥3 ) = 𝑓 (0.15)
= 1.009 + 0.15(0.15 − 0.2) + 0.9(0.15 − 0.2)2 + 2(0.15 − 0.2)3
= 1.0035
𝑥4 = 0.2 → 𝑓 (𝑥4 ) = 𝑓(0.2)
= 1.009 + 0.15(0.2 − 0.2) + 0.9(0.2 − 0.2)2 + 2(0.2 − 0.2)3 = 1.009
𝑥5 = 0.25 → 𝑓 (𝑥5 ) = 𝑓 (0.25)
= 1.009 + 0.15(0.25 − 0.2) + 0.9(0.25 − 0.2)2 + 2(0.25 − 0.2)3
= 1.019
𝑥6 = 𝑏 = 0.3 → 𝑓 (𝑥6 ) = 𝑓 (0.3)
= 1.009 + 0.15(0.3 − 0.2) + 0.9(0.3 − 0.2)2 + 2(0.3 − 0.2)3 = 1.035

0.3
0.05
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 2 ∗ (𝑓(𝑥1 ) + 𝑓 (𝑥2 ) + 𝑓 (𝑥3 ) + 𝑓 (𝑥4 ) + 𝑓(𝑥5 )) + 𝑓(𝑥6 )]
0 2
0.3
0.05
∫ 𝑓(𝑥)𝑑𝑥 = [0.999 + 2 ∗ (1 + 1.001 + 1.0035 + 1.009 + 1.019) + 1.035]
0 2
= 0.302475
(𝑏 − 𝑎) ∗ ℎ2 ∗ 𝑓"(µ)
𝑒 = |− |
12
𝑓 (𝑥 ) = 1.009 + 0.15(𝑥 − 0.2) + 0.9(𝑥 − 0.2)2 + 2(𝑥 − 0.2)3 → 𝑓"(𝑥) = 𝑓"(µ)

= 12𝑥 − 0.6
𝑥 = 0.3 → 𝑓"(µ) = 12 ∗ 0.3 − 0.6 = 3
Remplazamos datos
(0.3 − 0) ∗ (0.05)2 ∗ 3
𝑒 = |− | = 1.875 ∗ 10−4
12
Ejercicio 13 parte b: demuestre que el error 𝐸(𝑓) de la regla compuesta del punto medio
puede aproximarse por medio de
𝒉𝟒
− (𝒇′′′ (𝒃) − 𝒇′′′ (𝒂))
𝟏𝟖𝟎
𝒏
𝒃
Sugerencia: ∑𝒋=𝟏
𝟐
𝒇𝟒 (𝝐𝒋 )(𝟐𝒉) es una suma de Riemann para ∫𝒂 𝒇𝟒 (𝒙)𝒅𝒙
EJERCICIO 14. a. Use las estimaciones de error de los ejercicios 12 y 13 para estimar los
errores del ejercicio 8.
Referencias ejercicios 12 y 13(a):
Ejercicio 12. Demuestre que el error E(f) de la regla compuesta de Simpson puede
aproximarse por medio de
ℎ4
− [𝑓´´´(𝑏) − 𝑓´´´(𝑎)]
180
𝑛 2 (4)⁄ 𝑏
[sugerencia: ∑𝑗=1 𝑓 (𝜉𝑗 )(2ℎ) 𝑒𝑠 𝑢𝑛𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑅𝑖𝑒𝑚𝑎𝑛 𝑝𝑎𝑟𝑎 ∫𝑎 𝑓 (4) (𝑥 )𝑑𝑥]
Ejercicio 12:
Definición que se derivada del teorema Newton-Cotes.
Al intervalo [𝑋2𝑗−2 , 𝑋2𝑗 ] y también en el término correspondiente al intervalo [𝑋2𝑗 , 𝑋2𝑗+2 ],
podemos reducir esta suma a.
(𝑛 ⁄2)−1 𝑛 ⁄2 𝑛 ⁄2
𝑏
ℎ ℎ5
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑥𝑛 )] − ∑ 𝑓 (4) (𝜉𝑗 ).
𝑎 3 90
𝑗=1 𝑗=1 𝑗=0
El error asociado con esta aproximación es

𝑛 ⁄2
ℎ5
𝐸 (𝑓) = − ∑ 𝑓 (4) (𝜉𝑗 ).
90
𝑗=1
Donde 𝑋2𝑗−2 < 𝜉𝑗 < 𝑋2𝑗 para cada 𝑗 = 1, 2, 3, … , 𝑛⁄2,

Si 𝑓𝜖 𝐶 4 [𝑎, 𝑏]. El teorema de valor extremo implica que 𝑓 (4) asume su máximo y mínimo
en [a, b].
Entonces:
𝑛 ⁄2
ℎ5
𝐸 (𝑓) = − ∑ 𝑓 (4) (𝜉𝑗 )
90
𝑗=1
𝑛 ⁄2
2 ∗ ℎ ∗ ℎ4
𝐸 (𝑓 ) = − ∑ 𝑓 (4) (𝜉𝑗 )
2 ∗ 90
𝑗=1
𝑛 ⁄2
ℎ4
𝐸 (𝑓 ) = − ∑ 𝑓 (4) (𝜉𝑗 ) ∗ 2ℎ
180
𝑗=1
Por dato del problema.

𝑛 ⁄2
𝑏
(4)
∑𝑓 (𝜉𝑗 ) ∗ 2ℎ ; 𝑒𝑠 𝑢𝑛𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑅𝑖𝑒𝑚𝑎𝑛 𝑝𝑎𝑟𝑎 ∫ 𝑓 (4) (𝑥 )𝑑𝑥 = 𝑓 ´´´ (𝑏) − 𝑓 ´´´ (𝑎),
𝑗=1 𝑎
Entonces:
ℎ4 ´´´
𝐸 (𝑓 ) ≈ − [𝑓 (𝑏) − 𝑓 ´´´ (𝑎)]
180
Ejercicio 13(a): Con el método usado en el ejercicio 12, derive una estimación para E(f) en
la regla compuesta del trapecio.
𝑛
ℎ3
𝐸 𝑓 = − ∑ 𝑓 (´´) (𝜉𝑗 ).
( )
12
𝑗=1
Por lo tanto, tenemos:

ℎ2 ´
𝐸 (𝑓 ) ≈ − [𝑓 (𝑏) − 𝑓 ´ (𝑎)]
12
𝜋
Ejercicio 8: Repita el ejercicio 7 con la integral ∫0 𝑥 2 cos 𝑥 𝑑𝑥 .
Ejercicio 7(a). Determine los valores de n y h que se requieren para aproximar con una
exactitud de 10−4 .
a) Aplique la regla compuesta del trapecio.
El error absoluto es
(𝑏 − 𝑎) 2 ´´ 𝜋 2 ´´
|𝐸 | = ℎ |𝑓 (𝜉 )| = ℎ |𝑓 (𝜉)|
12 12
Donde 𝜉 𝜖 (0, 𝜋) sabiendo que:
|𝑓 ´´ (𝜉 )| = |(−𝑥 2 + 2) cos(x) − 4xsen(x)|
≤ |(−𝑥 2 + 2) cos(x) − 4xsen(x)| + |4xsen(x)| desigualdad triangular

= (−𝑥 2 + 2)|cos(𝑥)| + 4𝑥|𝑠𝑒𝑛(𝑥)|
≤ (−𝑥 2 + 2) + 4𝑥 = −𝑥 2 + 4𝑥 + 2
Que aumenta en (0, 𝜋)
|𝑓 ´´ (𝜉 )| ≤ −𝜋 2 + 4𝜋 + 2
Por lo tanto:
𝜋 2 ´´ 𝜋 2
|𝐸 | = ℎ |𝑓 (𝜉)| ≤ ℎ (−𝜋 2 + 4𝜋 + 2) ≤ 10−4
12 12
1⁄2
10−4 ∗ 12
ℎ≤[ ] ≈ 90.1 ∗ 10−4
𝜋(−𝜋 2 + 4𝜋 + 2)
𝜋 𝜋
𝑛≥ = ≈ 348.6784
ℎ 90.1 ∗ 10−4
ℎ ≤ 90.1 ∗ 10−4 ; 𝑛 ≥ 348.6784
Ahora vamos a estimar el error del ejercicio 8, mediante el ejercicio 13(a):
ℎ2 ´
𝐸 (𝑓 ) ≈ − [𝑓 (𝑏) − 𝑓 ´ (𝑎)]
12
Donde ℎ = 90.1 ∗ 10−4 𝑦 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑑𝑒𝑟𝑖𝑣𝑑𝑎 𝑑𝑒 𝑓(𝑥 ) 𝑒𝑠: 2𝑥𝑐𝑜𝑠(𝑥) −

𝑥 2 𝑠𝑒𝑛(𝑥)
(90.1 ∗ 10−4 )2 𝜋
𝐸 (𝑓 ) ≈ − [2𝑥𝑐𝑜𝑠(𝑥 ) − 𝑥 2 𝑠𝑒𝑛(𝑥)| ]
12 0
(90.1 ∗ 10−4 )2
𝐸 (𝑓 ) ≈ − ∗ 2𝜋
12
𝑬(𝒇) ≈ −𝟎. 𝟎𝟎𝟎𝟎𝟒𝟐𝟓
El error aproximado es razonable y bien pequeño.
Ahora vamos a estimar el error del ejercicio 8, mediante el ejercicio 12:

ℎ4 ´´´
𝐸 (𝑓 ) ≈ − [𝑓 (𝑏) − 𝑓 ´´´ (𝑎)]
180
Donde ℎ = 90.1 ∗ 10−4 𝑦 𝑙𝑎 𝑡𝑒𝑟𝑐𝑒𝑟𝑎 𝑑𝑒𝑟𝑖𝑣𝑑𝑎𝑑 𝑑𝑒 𝑓 (𝑥)𝑒𝑠: (𝑥 2 − 12) cos(𝑥 ) +
8𝑥𝑠𝑒𝑛(𝑥)
ℎ4 𝜋
𝐸 (𝑓 ) ≈ − [(𝑥 2 − 12) cos(𝑥 ) + 8𝑥𝑠𝑒𝑛(𝑥)| ]
180 0
ℎ4
𝐸 (𝑓 ) ≈ − [(𝜋 2 − 12)(−1) + 12]
180
(90.1 ∗ 10−4 )4
𝐸 (𝑓 ) ≈ − [14.1303956]
180
𝑬(𝒇) ≈ −𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏
El error aproximado es razonable y demasiado pequeño.
EJERCICIO 14c. Use las estimaciones de error de los ejercicios 12 y 13 para estimar los
El ejercicio 8 dice: Determinar los valores de 𝑛 𝑦 ℎ que se requieren para aproximar con
una exactitud de 10−4 .
П
∫ 𝒙𝟐 𝒄𝒐𝒔𝒙𝒅𝒙
𝟎
c. Use la regla compuesta del punto medio.
SOLUCIÓN:
Aplicando la regla compuesta del punto medio:
𝑏 𝒏/𝟐 𝒃−𝒂
∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 2ℎ ∑𝑗=0 𝑓(𝑥2𝑗 ) + ℎ2 𝑓 ′′ (ξ); ξ Є (0, П)
𝟔
𝑏−𝑎 П
𝒉= = 𝑎=0 𝑏=П
𝑛+2 n+2
Encontramos la segunda derivada de 𝒇(𝒙)

𝑓 (𝑥 ) = 𝑥 2 𝑐𝑜𝑠𝑥
𝑓 ′ (𝑥) = 2𝑥𝑐𝑜𝑠𝑥 − 𝑥 2 𝑠𝑒𝑛𝑥
𝑓 ′′(𝑥) = 2𝑐𝑜𝑠𝑥 − 2𝑥𝑠𝑒𝑛𝑥 − 2𝑥𝑠𝑒𝑛𝑥 − 𝑥 2 𝑐𝑜𝑠𝑥
𝑓 ′′(𝑥) = 2𝑐𝑜𝑠𝑥 − 4𝑥𝑠𝑒𝑛𝑥 − 𝑥 2 𝑐𝑜𝑠𝑥
𝒇′′(µ) = 𝟐𝒄𝒐𝒔ξ − 𝟒ξ𝒔𝒆𝒏ξ − ξ𝟐 𝒄𝒐𝒔ξ
Por el dato del problema, el error absoluto es menor que 10−4 :
𝒃−𝒂 П П(П)𝟐 П(П)𝟐

⎸ ℎ2 𝑓 ′′ (ξ) ⎸ = 𝟔 ℎ2 ⎸𝑓 ′′ (ξ) ⎸ = 𝟔(𝐧+𝟐)𝟐 ⎸𝑓 ′′ (ξ) ⎸ = ⎸2𝑐𝑜𝑠ξ − 4ξ𝑠𝑒𝑛ξ −
𝟔 𝟔(𝐧+𝟐)𝟐
ξ2 𝑐𝑜𝑠ξ ⎸
П(П)𝟐
⎸2𝑐𝑜𝑠ξ − 4ξ𝑠𝑒𝑛ξ − ξ2 𝑐𝑜𝑠µ ⎸ < 10−4
6(n + 2)2
П(П)𝟐
⎸7.8696 ⎸ < 10−4
6(n + 2)2
(П)𝟑
(7.8696 ) < (n + 2)𝟐
6 ∗ 10−4
(П)𝟑
√ (7.8696 ) − 2 < 𝑛
6 ∗ 10−4
𝒏 ˃ 𝟔𝟑𝟓. 𝟕𝟏
𝒏 ≥ 𝟔𝟑𝟔
Nos interesa encontrar h:

𝑏−𝑎 П
𝒉= = = 𝟎. 𝟎𝟎𝟒𝟗𝟐𝟒𝟏
𝑛 + 2 636 + 2
Las estimaciones de los ejercicios 12 y 13 nos pide derivar una estimación para 𝑬(𝑓)
en la regla compuesta del punto medio usando como método la suma de Riemann.
⁄
𝑛 2 (2) 𝑏
[sugerencia: ∑𝑗=1 𝑓 (𝜉𝑗 )(2ℎ) 𝑒𝑠 𝑢𝑛𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑅𝑖𝑒𝑚𝑎𝑛𝑛 𝑝𝑎𝑟𝑎 ∫𝑎 𝑓 (2) (𝑥 )𝑑𝑥]
𝑛 ⁄2 𝑛 ⁄2
∑ 𝑓 (2) (𝜉𝑗 )(∆𝒙𝟐𝒋 ) = ∑ 𝑓 (2) (𝜉𝑗 )(2ℎ)
𝑗=1 𝑗=1
Donde: ∆𝑥2𝑗 = 𝑥2𝑗+2 − 𝑥2𝑗 = 2ℎ

𝑛
𝑥2𝑗−3 ≤ 𝜉𝑗 ≤ 𝑥2𝑗+1 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑗 = 1,2, … , 2
Partiendo de la fórmula de punto medio de Newton-Cotes.

𝒏 𝒏
𝟐 𝟐
3 2
ℎ ℎ
𝐸 (𝑓 ) = − ∑ 𝑓 ′′ (ξ) = − ∑ 𝑓 ′′ (ξ)2h
3 6
𝒋=𝟏 𝒋=𝟏
𝒏
𝑏
Dado que ∑𝒋=𝟏
𝟐
𝑓 ′′ (ξ) 2ℎ es una suma de Riemann para ∫𝑎 𝑓′′(𝑥 )𝑑𝑥 = [𝑓′(𝑏) − 𝑓′(𝑎)]
Entonces reemplazando en la fórmula de error:

ℎ2
𝐸 (𝑓 ) = − [𝑓′(𝑏) − 𝑓′(𝑎)]
6
Ahora además de conocer el valor de h, necesitamos determinar la primera derivada de la

función:
𝑓 (𝑥 ) = 𝑥 2 𝑐𝑜𝑠𝑥
𝑓 ′ (𝑥) = 2𝑥𝑐𝑜𝑠𝑥 − 𝑥 2 𝑠𝑒𝑛𝑥
Finalmente, reemplazamos los datos en la fórmula:

0.00492412
𝐸 (𝑓 ) = − [2П𝑐𝑜𝑠П − П2 𝑠𝑒𝑛П − 0]
6
0.00492412
𝐸 (𝑓 ) = − (−2П)
6
𝑬(𝒇) = 𝟎. 𝟎𝟎𝟎𝟎𝟐𝟓𝟒
Entonces 𝑬(𝒇)=𝟎.𝟎𝟎𝟎𝟎𝟐𝟓𝟒 para un h=𝟎.𝟎𝟎𝟒𝟗𝟐𝟒𝟏
EJERCICIO 15.a
15.a.Use las estimaciones de error de los ejercicios 12 y 13 para estimar los errores del ejercicio 10
2
10: ∫1 𝑥 𝐿𝑛(𝑥 )𝑑𝑥
Regla del Trapecio compuesta:

Primero debemos hallar el 𝑛 indicado para esto seguimos la fórmula:
(𝑏 − 𝑎 )3
∗ 𝑚𝑎𝑥(𝑓 ′′ (𝑥 )) ≤ 𝐸
12𝑛2
Ahora sí, hallemos 𝑛:
Para esto, necesitamos 𝑓 ′′ (𝑥 ). Entonces:
𝑓 (𝑥) = 𝑥𝑙𝑛(𝑥 )
𝑓 ′ (𝑥 ) = 𝑙𝑜𝑔(𝑥 ) + 1
1
𝑓 ′′ (𝑥 ) =
𝑥
Aquí podemos darnos cuenta que el máximo de 𝑓 ′′ (𝑥) es 𝑓 (1) = 1

(2 − 1)3
∗1 ≤𝐸
12𝑛2
Teniendo en cuenta que el error debe ser menor que 10−5
13
≤ 𝑛2
12 ∗ 10−5
8333.33 ≤ 𝑛2
91.28 ≤ 𝑛
Entonces debemos tomar, por ejemplo, 𝑛 = 92.
La fórmula del trapecio compuesta es la siguiente:
Trapecio.xlsx
Usaremos esta fórmula en Excel para aproximar su valor con 𝑛 = 92 en donde
nos podemos dar cuenta que se aproxima al valor: 0,63630119
Calculemos su error:
(𝑏 − 𝑎 )3
𝐸= ∗ 𝑚𝑎𝑥(𝑓 ′′ (𝑥 ))
12𝑛2
(2 − 1)3
= ∗ 1 = 9.84562𝑥10−6
12(92)2
Regla de Simpson compuesta:
Primero hallemos el 𝑛 indicado para que el error sea menor que 10−5
(𝑏 − 𝑎 )5
𝑚𝑎𝑥 (𝑓 (4) (𝑥 )) ≤ 𝐸
180𝑛4
Anteriormente llegamos a la segunda derivada, por tanto, debemos derivar dos veces más.
1
𝑓 (3) (𝑥 ) = −
𝑥2
2
𝑓 (4) (𝑥 ) =
𝑥3
De donde gracias a la imagen podemos ver que 𝑚𝑎𝑥 (𝑓 (4) (𝑥 )) = 𝑓 (4) (1) = 2
Ahora sí, obtengamos 𝑛

(2 − 1 )5
∗ 2 ≤ 10−5
180𝑛4
15
∗ 2 ≤ 𝑛4
180 ∗ 10−5
1111.111 ≤ 𝑛4
5.77 ≤ 𝑛
Además, como 𝑛 debe ser par, tomemos 𝑛 = 6.
Para la regla de Simpson tenemos la anterior fórmula la cual nos ayudará en el Excel:
Simpson.xlsx
a 1
f(x)=
b 2
xLn(x)
N 6
h 0.16666667
h x f(x)
0.16666667 1 0
0.16666667 1.16666667 0.17984246
0.16666667 1.33333333 0.3835761
0.16666667 1.5 0.60819766
0.16666667 1.66666667 0.85137604
0.16666667 1.83333333 1.11124897
0.16666667 2 1.38629436
sum(f(x_2j-
h/3 ( f(x0) + 2 sum(f(x_2j)) + 4 + f(xn) )
1)
0.05555556 ( 0 + 2 1.234952136 + 4 1.899289095 + 1.38629436 )
INTEGRAL:
0.6362975
Aquí vemos que la integral no da 0,6362975, mucho más cercana al valor real de la
integral.
Calculemos su respectivo error
(𝑏 − 𝑎 )5
𝐸=− ∗ 𝑚𝑎𝑥 (𝑓 (4) (𝑥 ))
180𝑛4
(2 − 1)5
=− 4
∗ 2 = 8.573388𝑥10−6
(
180 6 )
Regla del punto medio:
Primero hallemos el 𝑛 necesario:
(𝑏 − 𝑎 )2
∗ 𝑚𝑎𝑥(𝑓 ′′ (𝑥 )) ≤ 𝐸
24𝑛2
Teniendo en cuenta que 𝐸 = 10−5
(2 − 1 )2
∗ 1 ≤ 10−5
24𝑛2
12
≤ 𝑛2
24 ∗ 10−5
4166.66 ≤ 𝑛2
64.54 ≤ 𝑛
Así tomemos 𝑛 = 65.
Con la fórmula dicha en puntos anteriores, podemos realizar un Excel y calcular su
Punto medio.xlsx
aproximación
a 1
b 2
f(X) = x
n 65 Ln(X)
h 0.01538462
f(punto
h x Punto medio medio)
0.01538462 1
0.01538462 1.01538462 1.007692308 0.007721818
0.01538462 1.03076923 1.023076923 0.02334117
0.01538462 1.04615385 1.038461538 0.039191879
0.01538462 1.06153846 1.053846154 0.055270516
0.01538462 1.07692308 1.069230769 0.071573755
0.01538462 1.09230769 1.084615385 0.088098362
0.01538462 1.10769231 1.1 0.104841198
0.01538462 1.12307692 1.115384615 0.12179921
0.01538462 1.13846154 1.130769231 0.138969431
0.01538462 1.15384615 1.146153846 0.156348973
0.01538462 1.16923077 1.161538462 0.173935026
0.01538462 1.18461538 1.176923077 0.191724854
0.01538462 1.2 1.192307692 0.209715795
0.01538462 1.21538462 1.207692308 0.227905252
0.01538462 1.23076923 1.223076923 0.246290696
0.01538462 1.24615385 1.238461538 0.264869663
0.01538462 1.26153846 1.253846154 0.283639749
0.01538462 1.27692308 1.269230769 0.302598607
0.01538462 1.29230769 1.284615385 0.32174395
0.01538462 1.30769231 1.3 0.341073544
0.01538462 1.32307692 1.315384615 0.360585209
0.01538462 1.33846154 1.330769231 0.380276815
0.01538462 1.35384615 1.346153846 0.400146282
0.01538462 1.36923077 1.361538462 0.420191576
0.01538462 1.38461538 1.376923077 0.440410712
0.01538462 1.4 1.392307692 0.460801747
0.01538462 1.41538462 1.407692308 0.481362781
0.01538462 1.43076923 1.423076923 0.502091956
0.01538462 1.44615385 1.438461538 0.522987455
0.01538462 1.46153846 1.453846154 0.544047498
0.01538462 1.47692308 1.469230769 0.565270344
0.01538462 1.49230769 1.484615385 0.586654289
0.01538462 1.50769231 1.5 0.608197662
0.01538462 1.52307692 1.515384615 0.629898829
0.01538462 1.53846154 1.530769231 0.651756188
0.01538462 1.55384615 1.546153846 0.673768169
0.01538462 1.56923077 1.561538462 0.695933233
0.01538462 1.58461538 1.576923077 0.718249872
0.01538462 1.6 1.592307692 0.740716607
0.01538462 1.61538462 1.607692308 0.763331989
0.01538462 1.63076923 1.623076923 0.786094593
0.01538462 1.64615385 1.638461538 0.809003026
0.01538462 1.66153846 1.653846154 0.832055917
0.01538462 1.67692308 1.669230769 0.855251923
0.01538462 1.69230769 1.684615385 0.878589724
0.01538462 1.70769231 1.7 0.902068027
0.01538462 1.72307692 1.715384615 0.925685558
0.01538462 1.73846154 1.730769231 0.94944107
0.01538462 1.75384615 1.746153846 0.973333336
0.01538462 1.76923077 1.761538462 0.997361151
0.01538462 1.78461538 1.776923077 1.021523331
0.01538462 1.8 1.792307692 1.045818713
0.01538462 1.81538462 1.807692308 1.070246154
0.01538462 1.83076923 1.823076923 1.094804528
0.01538462 1.84615385 1.838461538 1.119492733
0.01538462 1.86153846 1.853846154 1.14430968
0.01538462 1.87692308 1.869230769 1.169254302
0.01538462 1.89230769 1.884615385 1.194325548
0.01538462 1.90769231 1.9 1.219522384
0.01538462 1.92307692 1.915384615 1.244843793
0.01538462 1.93846154 1.930769231 1.270288774
0.01538462 1.95384615 1.946153846 1.295856344
0.01538462 1.96923077 1.961538462 1.321545532
0.01538462 1.98461538 1.976923077 1.347355385
0.01538462 2 1.992307692 1.373284964
SUMA 41.35868915
La cual nos da como aproximación 0,63628753.

Y calculando su error:
(𝑏 − 𝑎 )2
𝐸=− ∗1
24(𝑛)2
12
= = 9.86193𝑥10−6
24(65)2
Entonces, pudimos obtener un 𝑛 adecuado en cada caso el cual nos hace el error menor que
10−5 .
EJERCICIO 15c. Use las estimaciones de error de los ejercicios 12 y 13 para estimar los
C. Aplique la regla compuesta del Punto medio (Ejercicio 8)
2
Ref. ∫1 𝑥 𝑙𝑛 𝑥 𝑑𝑥 (Ejercicio 10)
ℎ2
Limite de error del ejercicio 13: 𝐸 (𝑓) ≈ [𝑓 ′ (𝑏) − 𝑓 ′ (𝑎)]
6
Datos del ejercicio 10:

2
𝐼 = ∫ 𝑥 𝑙𝑛 𝑥 𝑑𝑥
1
→
𝑓 (𝑥 ) = 𝑥 𝑙𝑛 𝑥
𝑎=1
𝑏=2
ℎ = 0.0077460
𝑓 ′ (𝑥 ) = 𝑙𝑛(𝑥 ) + 1
Límite de error:
ℎ2 ′
𝐸 (𝑓 ) ≈ [𝑓 (𝑏) − 𝑓 ′ (𝑎)]
6
(0.0077460)2
𝐸 (𝑓 ) ≈ [𝑙𝑛(2) + 1 − (𝑙𝑛(1) + 1)]
6
𝐸 (𝑓) ≈ 6.9315 ⋅ 10 − 6
EJERCICIO 16. En los cursos de cálculo de varias variables y de estadísticas se

demuestra que
∞ 1
∫−∞ 𝜎 𝑒 −(1/2)(𝑥/𝜎)2 𝑑𝑥 = 1 , para cualquier 𝜎 positiva. La función
√2𝜋
1 2
𝑓 (𝑥 ) = 𝑒 −(1/2)(𝑥/𝜎)
𝜎√2𝜋
Es la función de densidad normal con la medida 0 y la desviación estándar . La

probabilidad de que un valor aleatoriamente seleccionado descrito por esta distribución
se encuentre en [a, b] está dada por a f (x)dx. Con una exactitud de 10 5
aproximar la probabilidad de que un valor aleatoriamente seleccionado descrito por esta
distribución se encuentra en:
a. [−𝜎, 𝜎] b. [−2𝜎, 2𝜎] c. [−3𝜎, 3𝜎]
Aplicamos la Regla Compuesta de Simpson:

𝑛 𝑛
−1
𝑏 2 2
ℎ −(𝑏 − 𝑎) 4 4
∫ 𝑓(𝑥) 𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1−1 ) + 𝑓(𝑏))] + ℎ 𝑓 (𝑢)
𝑎 3 180
𝑗=1 𝑗=1
𝑏−𝑎
Donde, h= y 𝑥𝑗 = 𝑎 + 𝑗ℎ 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑗 = 0, 1, … , 𝑛.
𝑛
a. [−𝜎, 𝜎]
𝑅𝑒𝑔𝑙𝑎 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛
𝑛 1 𝑥
∞ 1 ℎ 1 2 −1 1
∫−∞ 𝜎 2𝜋 𝑒 −(1/2)(𝑥/𝜎)2 𝑑𝑥 = 3 (𝜎 𝑒 −(1/2)(𝑥/𝜎) + 2 ∑𝑗=1
2
𝑒 −(2)(𝜎)2 +
√ √ 2𝜋 𝜎 √ 2𝜋
𝑛
1 1 (𝜎−(−𝜎)
4 ∑𝑗=1 𝜎2
𝑒 −(1/2)(𝑥/𝜎)2 + 𝜎 𝑒 −(1/2)(𝑥/𝜎)2 ) - ℎ4 𝑓 4 (𝑢)
√2𝜋 √2𝜋 180
Por dato:
(2𝜎)
| ℎ4 𝑓 4 (𝑢)| < 0.00001 → 𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑛𝑑𝑜 𝜎 = 1
180
𝑏−𝑎 2𝜎 2𝑗
Donde, h= = 𝑦 𝑥𝑗 = 𝑎 + 𝑗ℎ = 𝜎( 𝑛 − 1)
𝑛 𝑛
Luego:
(25 𝜎 5 0.5 25 15 0.5
→| | < 0.00001 → √180𝑥0.00001 < 𝑛
180𝑛 4
𝑛 > 9.7 → 𝑛 ≥ 10
2𝜎 2𝜎 1 𝑗
Considerando n=10: h= 𝑛 = = 𝑦 𝑥𝑗 = (5 − 1)
10 5
1 2𝑗
∞ 1 1 2 1 −( )( −1)2
∫−∞ 𝜎 2𝜋 𝑒 −(1/2)(𝑥/𝜎)2
𝑑𝑥 = [( 𝑒 −(1/2)
+ 2 ∑4𝑗=1 𝑒 2 5 +
√ 15 √2𝜋 √2𝜋
2𝑗
1 −(1/2)( −1)2
4 ∑5𝑗=1 𝑒 5 )]
√2𝜋
2𝑗
1 2
1 −(1/2)(( −1))2 1 2
→ ∑5𝑗=1 𝑒 5 )]= 𝑒 −(2)((5−1)) +
√ 2𝜋 √ 2𝜋
1 4 2 1 8 2
1 1
𝑒 −(2)((5−1)) +…+ 𝑒 −(2)((5−1)) =1.4485346
√ 2𝜋 √ 2𝜋
5 2𝑗
1 −(1/2)(( −1))2 1 1 1 2 1 1 2
→∑ 𝑒 5 ) = 𝑒 −(2)((5−1)) + 𝑒 −(2)((3−1)) + ⋯ +
𝑗=1
𝜎√2𝜋 √2𝜋 √2𝜋
1 1 9 2
𝑒 −(2)((5−1)) = 1.7148657
√2𝜋
Reemplazamos:
∞ 1 1 2
 ∫−∞ 𝜎 𝑒 −(1/2)(𝑥/𝜎)2 𝑑𝑥 = 15 [( 𝑒 −(1/2) + 2(1.4485346) + 4(1.1714657)]
√2𝜋 √2𝜋
∞
1
∫ 𝑒 −(1/2)(𝑥/𝜎)2 𝑑𝑥 = 0.6826982 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
−∞ 𝜎√2𝜋
EJERCICIO 17. Determinar con una exactitud de, la longitud de la gráfica de la

elipse que sigue la ecuación.
Ejercicio 18
Un automóvil completa una vuelta del circuito de carreras en 84 segundos. La velocidad
de este automóvil en cada intervalo de 6 segundos se determina con una pistola radar y se
da desde el principio de la vuelta, en pies por segundo, por las entradas en la siguiente
tabla.
Tiempo 0 6 12 18 24 30 36 42 48 54 60 66 72 78 84
Velocida 12 13 14 15 14 13 12 10 9 8 7 8 10 11 12
d 4 4 8 6 7 3 1 9 9 5 8 9 4 6 3
¿Cuánto mide la pista?

Regla del trapecio.
ℎ
𝐼 = 2 [𝑓(𝑥0 ) + 2𝑓(𝑥1 ) + 2𝑓(𝑥2 ) … +𝑓(𝑥𝑛−1) − 𝑓(𝑥2 )]
𝑏 𝑛−1
ℎ
∫ 𝑓(𝑥) = (𝑓(𝑎) + 2 ∑ 𝑓(𝑥𝑗 ) + 𝑓(𝑏) )
𝑎 2
𝑗=0
𝑬𝒍 𝒑𝒂𝒔𝒐 𝒉 = 𝟔
ℎ
𝑓(𝑎) = (𝑓 + 2 ∑ 𝑓(𝑥𝑗) + 𝑓(𝑏) ) ; 𝑐𝑜𝑚𝑜 = 6
2 (𝑎)
𝒚 𝒗𝒆𝒍𝒐𝒄𝒊𝒅𝒂𝒅 = 𝑓(𝑥𝑗) = 124, 134, 148, 156, 147, 133, 121, 109, 99, 85, 78,
89, 104, 116, 123.
ℎ 6
(𝑓(𝑎) + 2 ∑ 𝑓(𝑥𝑗 ) + 𝑓(𝑏) ) = (124 + 2 ∑ 𝑓(𝑥𝑗) + 123)
2 2
= 𝟑(124+2(134 + 148 + 156 + 147 + 133 + 121 + 109 + 99 + 85 + 78 + 89 +
104 + 116)+ 123)
= 9855𝑓𝑡
EJERCICIO 19. Una partícula de masa m que se desplaza por un fluido está sujeta a una
resistencia viscosa R, el cual es una función de la velocidad v. La relación entre la
resistencia R, la velocidad v y el tiempo t está dada por la ecuación.
𝑣(𝑡)
𝑚
𝑡=∫ 𝑑𝑢
𝑣(𝑡𝑜) 𝑅(𝑢)
Suponga que R(v)= −𝑣 √𝑣 para determinado fluido, donde R se da en newtons y v se da

en metros /segundo. Si m= 10kg y si v (0) =10 m/s. aproxime el tiempo que la partícula
tarda en reducir su velocidad a v= 5 m/s.
SOLUCIÓN
La integral a aproximar la solución exacta es:
5
10
𝑡=∫ 𝑑𝑢
10 −𝑣√𝑣
10
10
𝑡=∫ 𝑑𝑢
5 𝑣 √𝑣
𝑡 = 2(2√5 − √10) = 2.6197

EJERCICIO 20. Para simular las características térmicas de los frenos de disco, D.A.
secrist y R.W. Hornbeck (SH) tuvieron que aproximar numéricamente la ‘’temperatura
exterior promediada del área’’, T, en el cojín del freno, basándose para ello en la ecuación.
T  r  r p dr
r0
T
 re
r0
re
r p dr
Donde re representa el radio donde comienza el contacto entre cojín y disco, r 0 representa
el radio exterior de dicho contacto, θp representa el ángulo subtendido por los cojines del
freno del sector y T(r) es la temperatura en cada punto del cojín, la cual se obtuvo
numéricamente al analizar la ecuación del calor. Si r e = 0.308 pies, r0 = 0.478 pies, θp =
0.7051 radianes y se las temperaturas dadas en la tabla siguiente se calcularon en varios
puntos del disco, obtenga una aproximación de T.
𝑟(𝑓𝑡) 𝑇(𝑟)(°𝐹 ) 𝑟(𝑓𝑡) 𝑇(𝑟)(°𝐹 ) 𝑟(𝑓𝑡) 𝑇(𝑟)(°𝐹 )
0.308 640 0.376 1034 0.444 1204
0.325 794 0.393 1064 0.461 1222
0.342 885 0.410 1114 0.461 1222
0.359 943 0.427 1152
Solución:
Utilizamos el método de Simpson Compuesto, utilizamos su siguiente formula:
h
 f  x  dx  3  f  x   4 f  x   f  x 
b
a 0 1 2
 n n

h
f  x0   2 f  x2i 2   4 f  x2i 1   f  xn  
b 2 2
a
f ( x)dx 
3  i 1 i 1

 
Cálculo de la integral 1:
 T r 
r0
r p dr
re
Como el valor θp es constante lo sacamos de la integral:

 p  T  r  rdr
r0
re
Calculamos los valores
r(ft) T(r)(F) T(r)r

0.308 640 197.120
0.325 794 258.050
0.342 885 302.670
0.359 943 338.537
0.376 1034 388.784
0.393 1064 418.152
0.410 1114 456.740
0.427 1152 491.904
0.444 1204 534.576
0.461 1222 563.342
0.478 1239 592.242
Usando el código de Simpson con los siguientes datos:

ba
h xi  a  ih  para i  0.12,....., n
n
 x j 1 , x j 1   1,3,5...., n  1
 n n

h
f  x0   2 f  x2i  2   4 f  x2i 1   f  xn  
2 2
f  x  dx 
b
a 3  i 2 i 1

 
a = 0.308 b = 0.475 n = 11
obtenemos:
T  r  rdr  0.7051x70.464
0.475
p 
0.308
= 49.684
Cálculo de la integral 2:
r0
 re
r p dr
Como el valor θp es constante lo sacamos de la integral

r0
 p  r p dr
re
Calculando los valores

r(ft)
0.308
0.325
0.342
0.359
0.376
0.393
0.410
0.427
0.444
0.461
0.478
Dando como resultado en la regla compuesta de Simpson

0.475
p  rdr  0.7051x0.066810  0.047107731
0.308
Remplazando los valores en la formula obtenemos:
 T  r  r dr
r0
p 49.684
T
re
r0
T=
 r dr re p
0.047107731
T  1054.688879
EJERCICIO 21. Con una exactitud de 10−4 , obtenga una aproximación del valor de la
integral que se incluye en la aplicación con que inicia este capítulo.
𝟒𝟖
∫ √𝟏 + 𝒄𝒐𝒔𝟐 (𝒙) 𝒅𝒙
𝟎
Solución
Utilizamos la regla compuesta de Simpson
𝑛 𝑛
−1
𝑏 2 2
ℎ 𝑏 − 𝑎 4 (4)
∫ 𝑓(𝑥 )𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)] − ℎ 𝑓 (𝜇 )
𝑎 3 180
𝑗=1 𝑗=1
Necesitamos calcular N con una exactitud de 0.0001

𝑏 − 𝑎 4 (4)
|− ℎ 𝑓 (𝜇 )|
180
𝑏 − 𝑎 48 48
𝑎=0 𝑏 = 48 ℎ= = 𝑥𝑗 = 𝑎 + 𝑗ℎ = 𝑗
𝑛 𝑛 𝑛
Necesitamos encontrar la cuarta derivada de 𝑓(𝑥 ) = √1 + 𝑐𝑜𝑠 2 (𝑥)
− 𝑠𝑖𝑛( 2𝑥)
𝑓´(𝑥 ) =
2√1 + 𝑐𝑜𝑠 2 (𝑥)
− 4𝑐𝑜𝑠( 2𝑥) (1 + 𝑐𝑜𝑠 2 (𝑥)) + 𝑠𝑖𝑛2 (𝑥)

𝑓´´(𝑥 ) =
4(1 + 𝑐𝑜𝑠 2 (𝑥))√1 + 𝑐𝑜𝑠 2 (𝑥)
− 𝑠𝑖𝑛( 2𝑥) (3 (𝑠𝑖𝑛2 (2𝑥) + 4𝑐𝑜𝑠( 2𝑥)(1 + 𝑐𝑜𝑠 2 (𝑥)) − 16(1 + 𝑐𝑜𝑠 2 (𝑥)2 )
𝑓 (3) (𝑥) = 5
8(1 + 𝑐𝑜𝑠 2 (𝑥))2
(4) (
𝑐𝑜𝑠 8 (𝑥 ) + 4 𝑐𝑜𝑠 6 (𝑥 ) − 14 𝑐𝑜𝑠 4 (𝑥 ) + 36𝑐𝑜𝑠 2 (𝑥 ) − 7
𝑓 𝑥) = 7 = 𝑓 (4) (𝜇)
(1 + 𝑐𝑜𝑠 2 (𝑥 ))2
Reemplazamos para
𝑥 = 0 → 𝑓 (4) (𝜇) = 1.77
𝑥 = 48 → 𝑓 (4) (𝜇) = 1.71

Calculamos los valores de N
𝑏 − 𝑎 4 (4) 48 − 0 48 4
|− ℎ 𝑓 (𝜇)| = 0.0001 → ( ) ( ) ∗ 1.77 = 0.0001
180 180 𝑛
𝑛 = 397.8567558 ≈ 398
48 48
→ℎ= = 0.1206030 𝑥𝑗 = 𝑗 = 0.1206030𝑗
398 398
Calculamos el valor aproximado de la integral mediante Simpson
𝑛 𝑛
−1
48 2 2
ℎ
∫ √1 + 𝑐𝑜𝑠 2 (𝑥) 𝑑𝑥 ≈ [𝑓(𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−1 ) + 𝑓(𝑏)]
0 3
𝑗=1 𝑗=1
48
∫ √1 + 𝑐𝑜𝑠 2 (𝑥) 𝑑𝑥
0
0.1206030
≈ [√1 + 𝑐𝑜𝑠 2 (0)
3
198
+ 2 ∑ √1 + 𝑐𝑜𝑠 2 (2 ∗ 0.1206030𝑗)
𝑗=1
199
+ 4 ∑ √1 + 𝑐𝑜𝑠 2 (2 ∗ 0.1206030𝑗 − 1) + √1 + 𝑐𝑜𝑠 2 (48)]

𝑗=1
48
∫ √1 + 𝑐𝑜𝑠 2 (𝑥) 𝑑𝑥 ≈ 0.0402010(1.4141214 + 482.1993667 + 969.6395475
0
+ 1.1873438)
𝟒𝟖
∫ √𝟏 + 𝒄𝒐𝒔𝟐 (𝒙) 𝒅𝒙 ≈ 𝟓𝟖. 𝟒𝟕𝟎𝟔𝟔𝟗𝟖
𝟎
Calculamos el valor real de la integral

𝟒𝟖
∫ √𝟏 + 𝒄𝒐𝒔𝟐 (𝒙) 𝒅𝒙 = 𝟓𝟖. 𝟒𝟕𝟎𝟒𝟔𝟗𝟐
𝟎
∴ 𝑬𝒓𝒓𝒐𝒓 = |𝟓𝟖. 𝟒𝟕𝟎𝟒𝟔𝟗𝟐 − 𝟓𝟖. 𝟒𝟕𝟎𝟔𝟔𝟗𝟖| = 𝟎. 𝟎𝟎𝟎𝟐𝟎𝟎𝟏
𝑬𝑱𝑬𝑹𝑪𝑰𝑪𝑰𝑶 𝟐𝟐. 𝒂. obtenga la solución de f(x)

= 0 con una exactitud de 10−5 𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑒𝑙
𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛 𝑐𝑜𝑛 𝑝0 = 0.5 𝑦 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛
𝑥
1 𝑡2
∫ 𝑒 2 𝑑𝑡 = 0.45
2𝜋
0
𝐸𝑠 𝑑𝑒𝑐𝑖𝑟, 𝑒𝑠 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑜 𝑒𝑛𝑐𝑜𝑛𝑡𝑎𝑟 𝑎𝑙𝑔𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑝𝑖𝑎𝑑𝑜 𝑥 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑠𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑔𝑎
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢𝑠𝑎𝑚𝑜𝑠 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛 𝑅𝑎𝑝ℎ𝑠𝑜𝑛 𝑝𝑎𝑟𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟𝑙𝑜.
𝑥
1 𝑡2
𝑆𝑒 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛: 𝑓 (𝑥 ) = ∫ 𝑒 2 𝑑𝑡 − 0.45
2𝜋
0
𝑥2
1
𝑌 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑐𝑖ó𝑛 𝑐𝑜𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑥: 𝑓´(𝑥 ) = 2𝜋 𝑒 2
𝑃𝑜𝑟 𝑡𝑎𝑛𝑡𝑜, 𝑠𝑒𝑔ú𝑛 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛 𝑅𝑎𝑝ℎ𝑠𝑜𝑛; 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑖𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛

𝑝𝑘
2
𝑝𝑘 𝑡2
𝑝𝑘+1 = 𝑝𝑘 − 𝑒 2 {∫ 𝑒 2 𝑑𝑡 − 0.45}
0
𝐿𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑣𝑎 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑒 𝑢𝑛𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑐𝑖ó𝑛, 𝐴𝑠í 𝑞𝑢𝑒 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑢𝑠𝑎𝑟 𝑢𝑛𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒
𝑆𝑖𝑚𝑝𝑠𝑜𝑛 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎:
𝑛 𝑛
𝑏 2−𝐼 2
ℎ
∫ 𝑓 (𝑥 )𝑑𝑥 = [𝑓 (𝑎) + 2 ∑ 𝑓(𝑥2𝑗 ) + 4 ∑ 𝑓(𝑥2𝑗−𝐼 ) + 𝑓(𝑏)]
3
𝑎 𝑗=𝐼 𝑗=𝐼
𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑢𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛 𝑅𝑎𝑝𝑡𝑜𝑛

𝑝0 = 0.5; 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜:
𝑝0
𝑝02 𝑡2
𝑝1 = 𝑝0 − 𝑒 2 {∫ 𝑒 2 𝑑𝑡 − 0.45}
0
0.5
𝑡2 𝑝0 − 0
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 ∫ 𝑒2 𝑑𝑡 𝑢𝑠𝑎𝑛𝑑𝑜 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑐𝑜𝑛 ℎ =
10
0
= 0.05
𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛:
𝑡2
𝑔(𝑡 ) = 𝑒2
𝑛 𝑡𝑖 𝑔(𝑡𝑖 )
0 0 1
1 0.05 0.998751
2 0.1 0.995012
3 0.15 0.988813
4 0.2 0.980199
5 0.25 0.969233
6 0.3 0.955997
7 0.35 0.940588
8 0.4 0.923116
9 0.45 0.903707
10 0.5 0.882497
𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑠𝑒𝑔ú𝑛 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛:
0.5
𝑡2
∫ 𝑒 2 𝑑𝑡 = 0.4799252612; 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 𝑡𝑒𝑛𝑑𝑟𝑒𝑚𝑜𝑠:
0
0.52
𝑝1 = 0.5 − 𝑒 2 {0.4799252612 − 0.45}
𝑝1 = 0.4660902366; 𝑑𝑒 𝑎ℎí 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑠𝑒𝑟á:
|𝑝1 − 𝑝0 | = |0.4660902366 − 0.45| = 0.016 > 10−5
𝐸𝑠𝑜 𝑖𝑛𝑑𝑖𝑐𝑎 𝑞𝑢𝑒 𝑑𝑒𝑏𝑒𝑚𝑜𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑟 𝑐𝑜𝑛 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 ℎ𝑎𝑠𝑡𝑎:
|𝑝𝑘+1 − 𝑝𝑘 | ≤ 10−5
𝑝𝑛
𝑛 𝑝𝑛 𝑡2
𝑝𝑛+1 |𝑝𝑛+1 − 𝑝𝑛 |
∫ 𝑒 2 𝑑𝑡
0
0 0.5000000000 0.4799252612 0.4660902366 0.0339097634
1 0.4660902366 0.4497506663 0.4663681785 0.0002779419
2 0.4663681785 0.4499999839 0.4663681964 0.0000000179
𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑙𝑎 𝑟𝑎í𝑧 𝑑𝑒 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑓(𝑥 ) = 0 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎 𝑎 𝑙𝑎 10−5 𝑝𝑟𝑒𝑠𝑖𝑐𝑖ó𝑛 𝑒𝑠:

𝑥 = 0.4663681964
𝒙 𝒕𝟐
𝟏
∴ 𝒍𝒂 ∫ 𝒆 𝟐 𝒅𝒕 = 𝟎. 𝟒𝟓 ⇒ 𝒙 = 𝟎. 𝟒𝟔𝟔𝟑𝟔𝟖𝟏𝟗𝟔𝟒
𝟎 √𝟐𝝅
EJERCICIO 22.b) . Obtenga una solución de f (x) = O con una exactitud de 10 -5

aplicando la regla compuesta del trapecio con p0 = 0.5
considerando
la ecuación
se puede resolver para x aplicando el método de newton con
𝑥
1 𝑡2
−
𝑓 (𝑥 ) = ∫ 𝑒 2 𝑑𝑡 − 0.45
√2𝜋
0
Y con
1 𝑥2
𝑓 ′ (𝑥 ) = 𝑒− 2
√2𝜋
Si queremos evaluar f en la aproximación pk, necesitamos una fórmula de la cuadratura
para aproximar
𝑝𝑘
1 𝑡2
∫ 𝑒 − 2 𝑑𝑡
√2𝜋
0
solución
consideramos la regla trapezoidal compuesta para calcular la
0.5
𝑡2
∫ 𝑒 − 2 𝑑𝑡
0
ahora utilizamos la regla trapezoidal compuesta

𝑏 𝑛−1
ℎ
∫ 𝑓(𝑥) 𝑑𝑥 = [𝑓(𝑎) + 2 ∑ 𝑓 (𝑥𝑖 ) + 𝑓(𝑏)]
2
𝑎 𝑖=1
Luego calculamos la relación iterativa de Newton Raphson con la suposición inicial

pk=0.5
𝑏
𝑝𝑘 2 𝑡2
𝑝𝑘+1 = 𝑝𝑘 − 𝑒 − 2 {∫ 𝑒 − 2 𝑑𝑡 − 0.45}
0
𝑝𝑘
Teniendo en cuenta que h= 2 calculamos la integración usando la regla trapezoidal
continuando con el proceso hasta |𝑃𝑘+1 −𝑃𝑘 | ≤ 10−5
𝑃𝑛
𝑡2
∫ 𝑒 − 2 𝑑𝑡
n 𝑃𝑛 0 𝑃𝑛+1 |𝑃𝑘+1 −𝑃𝑘 |
1 0.5 0.4798331 0.4661945 0.0338055
2 0.4661945 0.4497684 0.4664527 0.0002582
3 0.4664567 0.4499999 0.4664528 0.0000001
Por lo tanto ,la raíz de la ecuación de f (x) = O con una exactitud de 10-5 es
X=0.4664528
CONJUNTO
DE
EJERCICIOS
5.2
𝑬𝑱𝑬𝑹𝑪𝑰𝑪𝑰𝑶 𝟏. 𝑨𝒑𝒍𝒊𝒒𝒖𝒆 𝒆𝒍 𝒎é𝒕𝒐𝒅𝒐 𝒅𝒆 𝑬𝒖𝒍𝒆𝒓 𝒑𝒂𝒓𝒂 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒓 𝒍𝒂 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒅𝒆𝒍 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆 𝒑𝒓𝒐𝒃
𝒅𝒆 𝒗𝒂𝒍𝒐𝒓 𝒊𝒏𝒊𝒄𝒊𝒂𝒍:
a.
𝑦´ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 0, cos ℎ = 0.5
𝐿𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑣𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝐸𝑢𝑙𝑒𝑟 𝑒𝑠:
𝑤0 =∝
𝑤𝑖+1 = 𝑤𝑖 + ℎ. 𝑓(𝑡𝑖 . 𝑤𝑖 ), 𝑖 = 0,1,2, … , 𝑛
𝐸𝑛 𝑒𝑠𝑡𝑎 𝑠𝑖𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑒𝑠 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑜 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑦(1)𝑐𝑜𝑛 ℎ = 0.5
𝐸𝑛 𝑒𝑠𝑒 𝑐𝑎𝑠𝑜 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑠𝑜𝑠 𝑠𝑒𝑟í𝑎:
𝑏−𝑎 1−0
𝑁= = =2
ℎ 0.5
𝐷𝑒 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑦(0) = 0, 𝑠𝑒 𝑜𝑏𝑡𝑖𝑒𝑛𝑒 𝑡0 = 0, 𝑤0 = 0
𝐴ℎ𝑜𝑟𝑎 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑚𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑣𝑎:
𝑃𝑎𝑟𝑎 𝑖 = 0, 𝑡𝑒𝑛𝑑𝑟𝑖𝑎𝑚𝑜𝑠
𝑤1 = 𝑤0 + ℎ. 𝑓 (𝑡0 , 𝑤0 ) = 𝑤0 + ℎ(𝑡0 𝑒 3𝑡0 − 2𝑤0 ) = 0 + (0.5). ((0)𝑒 3.0 − 2𝑥0) = 0
𝐸𝑠 𝑑𝑒𝑐𝑖𝑟 𝑤1 = 𝑦(0.5) = 0
𝐴ℎ𝑜𝑟𝑎 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑤2 𝑑𝑒 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑚𝑎𝑛𝑒𝑟𝑎
𝑡1 = 𝑡0 + ℎ = 0 + 0.5 = 0.5
𝑃𝑎𝑟𝑎 𝑖 = 1
𝑤2 = 𝑤1 + ℎ. 𝑓 (𝑡1 . 𝑤1 ) = 0 + (0.5). 𝑓(0.5,0) = 0 + (0.5). ((0.5)𝑒 3(0.5) − 2𝑥0)
𝑤2 = (0.5)2 𝑒 1.5 − 0 = 1.1204223

𝐸𝑠 𝑑𝑒𝑐𝑖𝑟, 𝑤2 = 𝑦(1) = 1.1204223
𝐿𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑑𝑒𝑙 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑑𝑎𝑑𝑜 𝑒𝑠:
1 1 1
𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠 𝑒𝑛 𝑡1 𝑠𝑜𝑛:
1 1 1 1 1
𝑦(0) = 0𝑒 3(0) − 𝑒 3(0) + 𝑒 −2(0) = 0 − + =0
5 25 25 25 25
1 1 1
𝑦(0.5) = (0.5)𝑒 3(0.5) − 𝑒 3(0.5) + 𝑒 −2(0.5)
5 25 25
𝑦(0.5) = 0.448168907 − 0.1792675628 + 0.01471517765 = 0.28636165219
1 1 3(1) 1 −2(1)
𝑦(1) = (1)𝑒 3(1) − 𝑒 + 𝑒
5 25 25
𝑦(1) = 4.017107385 − 0.8034214769 + (5.4134113290)−3 = 3.219079319
𝑀𝑜𝑠𝑡𝑟𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑡𝑎𝑏𝑙𝑎 𝑝𝑎𝑟𝑎 𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑟 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝐸𝑢𝑙𝑒𝑟 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑒𝑥𝑎𝑐𝑡𝑜𝑠:
𝑖 𝑡𝑖 𝑤𝑖 𝑦(𝑡𝑖 )
1 0.5 0 0.28636165219
2 1 1.1204223 3.219079319
1.a. (Colunche Tarrillo Joselito)

𝑦 ‘ = 𝑡𝑒 3𝑡 − 2𝑦 ; 0 ≤ 𝑡 ≤ 1 ;y (0) =0 ℎ = (0.5)
𝑌0 =𝑌𝑎
𝒀𝒋+𝟏 = 𝒀𝒋 + 𝒉𝒇(𝑿𝒋 ∗ 𝒀𝒋 )
𝑗 = 0,1, … … … 𝑛 − 1
𝑦 (0) = 0
ℎ = (0.5)
n t_n y_n
0 0 0
1 0.5 1.12042227
2 1 8.92234619
1.d.
 ´ cos 2t  sen3t ,
0  t 1
y (0)  1
h  0.25
Solución exacta
1 1
y sen2t  cos 3t
2 3
ba 1 0
h  0.25  N 4
N N
ti  a  ih  0  i * 0.2  0.2i
w0  1
wi 1  wi  hf (ti , wi ) i  0,1, 2,3.
para i0
w1  w0  hf (t0 , w0 )
w1  1  0.25 f (0.2,1)
w1  1  0.25 *1  1.25
1 1
y1  y (t1 )  sen 2t  cos 3t
2 3
1 1
y1  y (1)  sen  2 *1  cos  3*1
2 3
y1  0.7846462
error
y1  w1  0.4653538
para i 1
w2  w1  hf (t1 , w1 )
w2  1.25  0.25 * f (0.2,1.25)
w2  1.25  0.25 *  cos 2 * 0.2  sen3* 0.2 
w2  1.6214259
1 1
y2  y (t2 ) sen 2 * 0.4  cos 3* 0.4
2 3
y2  0.2378921
error
y2  w2  1.3835338
para i2
w3  w2  hf (t2 , w2 )
w3  1.6214259  0.25 *  cos 2 * 0.4  sen3* 0.4 
w3  2.0286123
1 1
y3  y (t3 ) sen 2 * 0.6  cos 3* 0.6
2 3
y3  0.5417536
error
y3  w3  1.4868587
para i3
w4  w3  hf (t3 , w3 )
w4  2.0286123  0.25 *  cos 2 * 0.6  sen3* 0.6 
w4  2.3626626
1 1
y4  y (t4 ) sen 2 * 0.8  cos 3* 0.8
2 3
y4  0.7455847
error
y4  w4  1.6170779
para i4
w5  w4  hf (t4 , w4 )
w5  2.3626626  0.25 *  cos 2 * 0.8  sen3* 0.8 
w5  2.5242285
1 1
y5  y (t5 ) sen 2 * 2  cos 3* 2
2 3
y5  0.698458
error
y5  w5  1.8257705
EJERCICIO 2. A continuación se dan las soluciones reales de los problemas de valor

inicial del ejercicio 1 En cada paso, compare el error real con la cota de error.
1 1 1
a. 𝑦(𝑡) = 5 𝑡𝑒 3𝑡 − 25 𝑒 3𝑡 + 25 𝑒 −2𝑡
Ref. 𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦
𝜕𝑓
𝑓 (𝑡, 𝑦) = 𝑡𝑒 3𝑡 − 2𝑦 → | | = |−2| = 2 = 𝐿
𝜕𝑦
𝐿 = 2, 𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑒 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛 𝑑𝑒 𝐿𝑖𝑠𝑐ℎ𝑖𝑡𝑧
1 1 1
La solución exacta es: 𝑦 = 5 𝑡𝑒 3𝑡 − 25 𝑒 3𝑡 + 25 𝑒 −2𝑡
9 21 4 −2𝑡 9 21 4 −2
→ |𝑦 ′′ | = | 𝑡𝑒 3𝑡 + ̅ 𝑒 3𝑡 + 𝑒 | ≤ | 𝑒3 + 𝑒3 + 𝑒 | = 53,0475 = 𝑀, ∀𝑡
5 2𝑏 25 5 25 25
∈ [0,1]
Error (Teorema 5.9):
ℎ𝑀 𝐿(𝑡 −𝑎)
|𝑦(𝑡𝑖 ) − 𝑤𝑖 | ≤ (𝑒 𝑖 − 1)
2𝐿
𝐿=2
𝑀 = 53,0475
ℎ = 0.5
𝑎=0
0.5(53.0475) 2(0.5−0)
|𝑦(0.5) − 𝑤1 | ≤ (𝑒 − 1) = 11.3938
4
2 0.5(53.0475) 2(1−0)
|𝑦(1) − 𝑤2 | (𝑒 − 1) = 42.3654
2 4
Error Real:
1 1 1
|𝑦(0.5) − 𝑤1 | = | (0.5)𝑒 3(0.5) − 𝑒 3(0.5) + 𝑒 −2(0.5) | = |0.283617 − 0.00|
5 25 25
= 0.283617
1 1 1
|𝑦(1) − 𝑤2 | = | (1)𝑒 3(1) − 𝑒 3(1) + 𝑒 −2(1) | = |3.2191 − 1.1204223| = 2.09868
5 25 25
2.b. A continuación, se dan las soluciones reales de los problemas de valor inicial del
ejercicio 1. En cada paso, compare el error real con la cota de error.
𝟏
b. y(t) = t + 𝟏−𝒕
Utilice el método de Euler para aproximar las soluciones de cada uno de los siguientes
problemas con valores iniciales.
b. y´ = 1 + (t – y)2 , 2 ≤ 𝒕 ≤ 𝟑, y(2) = 1, con h = 0.5
 para el problema de valor inicial.

y´ = 1 + (t – y)2 , 2 ≤ 𝒕 ≤ 𝟑, y(2) = 1, con h = 0.5 ……. (1)
 la solución real es
𝟏
b. y(t) = t + 𝟏−𝒕 ………. (2)
Teorema 1
Suponga que f es continua y satisface una condición de Lipschitz con L constante en:
D = {(𝑡, 𝑦) 𝑎 ≤ 𝑡 ≤ 𝑏 𝑦 − ∞ < 𝑦 < ∞}
Y que existe una constante M con
|𝑦"(𝑡)| ≤ 𝑀, 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑡 ∈ [𝑎, 𝑏]
Y sean 𝑤0 , 𝑤1 , … , 𝑤𝑁 las aproximaciones generadas con el método de Euler para algún

entero positivo N. Entonces para cada i = 0, 1, 2, …, N.
|𝑦(𝑡𝑖 ) − 𝑤𝑖 | ≤ [𝑒 𝑖 − 1]
2𝐿
ℎ𝑀
Aquí [𝑒 𝐿(𝑡𝑖 −𝑎) − 1], se denomina limite de error para el error real |𝑦(𝑡𝑖 ) − 𝑤𝑖 |, en
2𝐿
cualquier punto 𝑡𝑖 .
Teorema 2
Suponga que f(t, y) se define en un conjunto convexo 𝐷 ⊂ ℝ2 , si L > 0, existe una

𝜕
constante con |𝜕𝑦 (𝑓(𝑡, 𝑦))| ≤ 𝐿, para todos (t , y) ∈ 𝐷, entonces f satisface una condición
de Lipschitz en D en la variable y con constante de Lipschitz L
 comparamos la ecuación diferencial dada, con la forma general del problema de

valor inicial 𝑦´ = 𝑓 (𝑡, 𝑦) 𝑎 ≤ 1 ≤ 𝑏, 𝑦(𝑎) =∝
Llegar:
𝝏
f(t , y) = 1 + (t – y)2, 𝝏𝒚 (𝒇(𝒕, 𝒚)) = -2(t – y)
Por lo tanto, por el teorema 2
𝜕
| (𝑓(𝑡, 𝑦))|= |−2(t – y)|
𝜕𝑦
1
= |−2(t – (𝑡 + 1−𝑡 ))|
2
= |1−𝑡|
≤ 2 (= 𝐿)
𝜕
Aquí es el valor máximo de |𝜕𝑦 (𝑓(𝑡, 𝑦))| para 2 ≤ 𝑡 ≤ 3.
Luego
|𝑦"(𝑡)|= |−2(t – y)(1 − y´)|
1
= |−2(t – (t + ))(1 − (1 + (t − y)2 ))|
1−𝑡
1 1
= |−2(t – (t + ))(1 − (1 + (t − (t + ))2 )|
1−𝑡 1−𝑡
−2
= |(1−2)3 |
−2
≤ |(1−2)3 |
≈2
Dado que |𝑦"(𝑡)| ≤ 2, por el teorema 1 M = 2
Usando el teorema 1 para encontrar el error limitado en t 1 = 2.5 para h = 0.5, L= 2, M= 2

obtenemos:
|𝑦(𝑡𝑖 ) − 𝑤𝑖 | ≤ [𝑒 𝑖 − 1]
2𝐿
(0.5).(2)
= [𝑒 2(2.5−2) − 1]
2.(2)
≈ 0.42957046
De manera similar al usar el teorema 1 para encontrar el error limitado en t 2 =3 para h=0.5,
L = 2, M = 2
|𝑦(𝑡𝑖 ) − 𝑤𝑖 | ≤ [𝑒 𝑖 − 1]
2𝐿
(0.5).(2)
= [𝑒 2(3−2) − 1]
2.(2)
≈ 1.59726
La siguiente tabla produce la comparación entre los errores reales con los límites de error
en cada paso.
l ti wi y[t1] error[i]=|𝑦[𝑡𝑖 ] − 𝑤𝑖 | ti
1 2.5 2 1.83333 0.166667 0.42957046
2 3 2.625 2.5 0.125 1.59726
2 c.
𝒂. 𝑦´ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≥ 1, 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5
Datos:
𝑎 = 0; 𝑏 = 1; 𝑛=2
𝑡𝑖 = 𝑎 + 𝑖ℎ = 0 + 0.5𝑖 = 0.5𝑖
𝑊0 = 0
 { .
𝑊𝑖+1 = 𝑊0 + ℎ𝑓 𝑡𝑖 , 𝑤𝑖 )
( ∀𝑖 = 0, 1, 2, 3
𝑓(𝑡, 𝑦) = 𝑡𝑒 3𝑡 − 2𝑦 𝑓(𝑡𝑖 , 𝑤𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖

Encontramos el valor de y:
Para esto aplicamos la Transformada de Laplace.
𝑦´ = 𝑡𝑒 3𝑡 − 2𝑦
𝑦´ + 2𝑦 = 𝑡𝑒 3𝑡
𝐿{𝑦´ + 2𝑦} = 𝐿{𝑡𝑒 3𝑡 }
𝐿{𝑦´} + 2𝐿{𝑦} = 𝐿{𝑡𝑒 3𝑡 }
1!
𝑠𝑌(𝑠) − 𝑌 (0) + 2𝑌(𝑠) =
(𝑠 − 3)2
1
𝑌(𝑠)(𝑠 + 2) =
(𝑠 − 3)2
1
𝑌 (𝑠 ) =
(𝑠 − 3)2 (𝑠 + 2)
Ahora vamos aplicar Transformada inversa de Laplace.
1
𝐿−1 {𝑌 (𝑠)} = 𝐿−1 { }
(𝑠 − 3) 2 (𝑠 + 2)
Aplicando fracciones parciales.
−1 1 1
𝑌 = 𝐿−1 { + 2
+ }
25(𝑠 − 3) 5(𝑠 − 3) 25(𝑠 + 2)
1 1 1
𝑌 = −𝐿−1 { } + 𝐿−1 { 2
} + 𝐿−1 { }
25(𝑠 − 3) 5(𝑠 − 3 ) 25(𝑠 + 2)
𝟏 𝟑𝒕 𝟏 𝟑𝒕 𝟏 −𝟐𝒕
𝒀= − 𝒆 + 𝒕𝒆 + 𝒆
𝟐𝟓 𝟓 𝟐𝟓
Para i = 0
𝒇(𝒕𝒊 , 𝒘𝒊 ) = 𝒕𝒊 𝒆𝟑𝒕𝒊 − 𝟐𝒘𝒊
𝑊1 = 𝑊0 + ℎ𝑓 (𝑡0 , 𝑤0 )
Solución aproximada
𝑊1 = 0 + 0.5 (0 ∗ 𝑒 3(0) − 2(0)) = 𝑾𝟏 = 𝟎
1 3𝑡 1 3𝑡 1 1 1 1
𝑌1 = 𝑌(𝑡1 ) = − 𝑒 + 𝑡𝑒 + 𝑒 −2𝑡 = − 𝑒 3(0.5) + 0.5𝑒 3(0.5) + 𝑒 −2(0.5)
25 5 25 25 5 25
𝒀𝟏 = 𝟎. 𝟐𝟖𝟑𝟔𝟏𝟕 Solución exacta
ERROR |𝒀𝟏 − 𝑾𝟏 | = 0.283617

Para i = 1
𝑊2 = 𝑊1 + ℎ𝑓(𝑡1 , 𝑤1 )
𝑊2 = 0 + 0.5 (0.5 ∗ 𝑒 3(0.5) − 2(0)) = 𝑾𝟐 = 𝟏. 𝟏𝟐𝟎𝟒𝟐𝟐
1 3𝑡 1 3𝑡 1 1 1 1 −2(1)
𝑌2 = 𝑌(𝑡2 ) = − 𝑒 + 𝑡𝑒 + 𝑒 −2𝑡 = − 𝑒 3(1) + ∗ 1 ∗ 𝑒 3(1) + 𝑒
25 5 25 25 5 25
𝒀𝟏 = 𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗 Solución exacta
ERROR |𝒀𝟐 − 𝑾𝟐 | = 2.098677

Para i = 2
𝑊3 = 𝑊2 + ℎ𝑓 (𝑡2 , 𝑤2 )
𝑊3 = 1.120422 + 0.5 (1 ∗ 𝑒 3(1) − 2(1.120422)) = 𝑾𝟑 = 𝟏𝟎. 𝟎𝟒𝟐𝟕𝟔𝟖
1 3𝑡 1 3𝑡 1 1 1 1
𝑌3 = 𝑌 (3) = − 𝑒 + 𝑡𝑒 + 𝑒 −2𝑡 = − 𝑒 3(1.5) + ∗ 1.5 ∗ 𝑒 3(1.5) + 𝑒 −2(1.5)
25 5 25 25 5 25
𝒀𝟏 = 𝟐𝟑. 𝟒𝟎𝟔𝟒𝟒𝟔
Solución exacta
ERROR |𝒀𝟑 − 𝑾𝟑 | = 13.363678
Para i = 3
𝑊4 = 𝑊3 + ℎ𝑓 (𝑡3 , 𝑤3 ) Solución aproximada
𝑊4 = 10.042768 + 0.5 (1.5 ∗ 𝑒 3(1.5) − 2(10.042768)) = 𝑾𝟒 = 𝟔𝟕. 𝟓𝟏𝟐𝟖𝟒𝟖
1 3𝑡 1 3𝑡 1 1 1 1 −2(2)
𝑌4 = 𝑌(𝑡4 ) = − 𝑒 + 𝑡𝑒 + 𝑒 −2𝑡 = − 𝑒 3(2) + ∗ 2 ∗ 𝑒 3(2) + 𝑒
25 5 25 25 5 25
𝒀𝟒 = 𝟏𝟒𝟓. 𝟐𝟑𝟓𝟎𝟗𝟖 Solución exacta
ERROR |𝒀𝟒 − 𝑾𝟒 | = 77.722250
2.d. A continuación se dan las soluciones reales de los problemas de valor inicial del
ejercicio 1 en cada paso, compare el error real con la cota de error.
1 1 4
𝑑) 𝑦(𝑡) = 𝑠𝑒𝑛(2𝑡) − cos(3𝑡) +
2 3 3
0≤𝑡≤1 𝑦 (0) = 1 ℎ = 0.25
𝑏−𝑎 1
ℎ= 𝑛= =4
𝑛 0.25
𝑦 ′ (𝑡) = cos(2𝑡) + 𝑠𝑒𝑛(3𝑡)
𝑓(𝑡𝑖 ) = cos(2𝑡𝑖 ) + 𝑠𝑒𝑛(3𝑡𝑖 )
𝑤0 = 1
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 )
𝑡𝑖 = 𝑎 + 𝑖ℎ
𝑝𝑎𝑟𝑎 𝑖 = 0
𝑡0 = 0 + 0 ∗ 0.25 = 0
𝑤1 = 𝑤0 + ℎ𝑓 (𝑡0 )
𝑤1 = 1 + 0.25 = 1.25
𝑒𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = |1 − 1.25| = 0.25
𝑡1 = 0 + 1 ∗ 0.25 = 0.25
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 )
𝑤2 = 1.25 + 0.25(1.01305159) = 1.50326288
𝑒𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = |1.004391825 − 1.50326288| = 0.498871055
𝑡2 = 0 + 2 ∗ 0.25 = 0.5
𝑤3 = 𝑤2 + ℎ𝑓 (𝑡2 )
𝑤3 = 1.50326288 + 0.25(1.026024643) = 1.759769041
𝑒𝑟𝑟𝑜𝑟 = |𝑦3 − 𝑤3 | = |1.008840428 − 1.759769041| = 0.750928613
𝑡3 = 0 + 3 ∗ 0.25 = 0.75
𝑤4 = 𝑤3 + ℎ𝑓 (𝑡3 )
𝑤4 = 1.759769041 + 0.25(1.038917141) = 2.019498326
𝑒𝑟𝑟𝑜𝑟 = |𝑦4 − 𝑤4 | = |1.013345462 − 2.019498326| = 1.006152864
EJERCICIO 3. Aplique el método de Euler para aproximar las soluciones de los

siguientes problemas de valor inicial.
3 a.
2
y  y
a) y '    , 1 t  2 , y 1  1 , con h  0.1
t  t
ba 2 1
h  0.1   N  10
N N
ti  a  ih  ti  1  0.1i
wi 1  wi  hf  ti  wi 
Para i = 0
w0  1 t0  1
2
1 1
f  t0 , w0       0
1 1
wi 1  wi  hf  ti , wi   w1  w0  hf  t0 , w0 
w1  1  0.1 0   1
Para i = 1
w1  1 t1  1.1
f  t1 , w1   0.082645
w2  1  0.1 0.082645  1.0082265
Para i = 2
w2  1.0082265 t1  1.2
f  t2 , w2   0.134272
w3  1.0082265  0.1 0.134272   1.021654
Para i = 3
w3  1.021654 t1  1.3
f  t3 , w3   0.168268
w4  1.021654  0.1 0.168268   1.038481
Para i = 4
w4  1.038481 t1  1.4
f  t4 , w4   0.191546
w5  1.038481  0.1 0.191546   1.057636
Para i = 5
w5  1.057636 t1  1.5
f  t5 , w5   0.207938
w6  1.057636  0.1 0.207938  1.078430
Para i = 6
w6  1.078430 t1  1.6
f  t6 , w6   0.219717
w7  1.078430  0.1 0.219717   1.100402
Para i = 7
w7  1.100402 t1  1.7
f  t6 , w6   0.228304
w8  1.100402  0.1 0.228304   1.123232
Para i = 8
w8  1.123232 t1  1.8
f  t8 , w8   0.234620
w9  1.123232  0.1 0.234620   1.146694
Para i = 10
w9  1.146694 t1  1.9
f  t9 , w9   0.239283
w10  1.146694  0.1 0.239283  1.170622
 la solución aproximada es de 1.170622
3.b.
𝑦 𝑦 2
𝑏) 𝑦 ′ = 1 + + ( ) ; 1 ≤ 𝑡 ≤ 3; 𝑦(1) = 0; 𝑐𝑜𝑛 ℎ = 0.2
𝑡 𝑡
Solución.
𝑦 𝑦 2
𝑦′ = 1 + 𝑡 + (𝑡 ) 1≤𝑡≤3
𝑦 (1) = 0 𝑛 = 10
ℎ = 0.2 𝑎=1 𝑦 𝑏=3
𝑥𝑛 = 𝑎 + ℎ. 𝑛
n 𝑥𝑛 = 𝑎 + 0.2𝑛
0 1+0.2(0) = 1
1 1+0.2(1) = 1.2
2 1+0.2(2) =1.4
3 1+0.2(3) = 1.6
4 1+0.2(4) = 1.8
5 1+0.2(5) =2
6 1+0.2(6) =2.2
7 1+0.2(7) = 2.4
8 1+0.2(8) = 2.6
9 1+0.2(9) = 2.8
10 1+0.2(10) =3
n X= 𝑦 = 𝑦𝑛−1 + ℎ𝑓 (𝑥𝑛−1 , 𝑦𝑛−1 ) 𝑦 𝑦 2

𝑓 =1+ +( )
t 𝑡 𝑡
0 1 𝑦0 = 0 0 0 2
= 1+ +( ) =1
1 1
1 1.2 𝑦1 = 0 + 0.2(1) = 0.2 0.2 0.2 2
= 1+ + ( ) = 1.1944444
1.2 1.2
2 1.4 𝑦2 = 0.2 + 0.2(1.1944444) = 0.4388889 0.4388889 0.4388889 2
=1+ +( )
1.4 1.4
= 1.4117694
3 1.6 𝑦3 = 0.4388889 + 0.2(1.4117694) 0.7212428 0.7212428 2
= 0.7212428 =1+ +( )
1.6 1.6
= 1.6539764
4 1.8 𝑦4 = 0.7212428 + 0.2(1.6539764) 1.0520381 1.0520381 2
= 1.0520381 =1+ +( )
1.8 1.8
= 1.9260657
5 2 𝑦5 = 1.0520381 + 0.2(1.9260657) 1.4372512 1.4372512 2
= 1.4372512 =1+ +( )
2 2
= 2.2350484
6 2.2 𝑦6 = 1.4372512 + 0.2(2.2350484) 1.8842609 1.8842609 2
= 1.8842609 =1+ +( )
2.2 2.2
= 2.5900440
7 2.4 𝑦7 = 1.8842609 + 0.2(2.5900440) 2.4022697 2.4022697 2
= 2.4022697 =1+ +( )
2.4 2.4
= 3.0028380
8 2.6 𝑦8 = 2.4022697 + 0.2(3.0028380) 3.0028373 3.0028373 2
= 3.0028373 =1+ +( )
2.6 2.6
= 3.4888179
9 2.8 𝑦9 = 3.0028373 + 0.2(3.4888179) 3.7006009 3.7006009 2
= 3.7006009 =1+ +( )
2.8 2.8
= 4.0683839
10 3 𝑦10 = 3.7006009 + 0.2(4.0683839)
= 4.5142777
3.d) aplique el método de Euler para aproximar el siguiente problema de valor.

1
𝑦 ∗ = -5y +5𝑟 2 +2r; 0≤ r ≤ 1 y(0) = 3 h = 0.1
SOLUCIÓN
1 1
y(0) = 3 →r = x = 0 ; y = 3
h= variación de la amplitud = 0.1

condición inicial x = 0; y = valor de aproximación para y (1) =? x = 1; y =?
x y
a→ 0 1
b→ 3
1 ?
formula
𝑏−𝑎 1−0
h= → 0.1 = = 10 = 𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑛 𝑛
𝑦𝑛 = 𝑦𝑛−1 + h 𝒇(𝑥𝑛−1 ; 𝑦𝑛−1 ) formula de euler.
𝑥𝑛 A+n*h=
0 0 + 0(0.1) = 0
1 0 + 1(0.1) = 0.1
2 0 + 2(0.1) = 0.2
3 0 + 3(0.1) = 0.3
4 0 + 4(0.1) = 0.4
5 0 + 5(0.1) = 0.5
6 0 + 6(0.1) = 0.6
7 0 + 7(0.1) = 0.7
8 0 + 8(0.1) = 0.8
9 0 + 9(0.1) = 0.9
10 0 + 10(0.1) = 1
n x 𝑦𝑛 = 𝑦𝑛−1 + h 𝒇(𝑥𝑛−1 ; 𝑦𝑛−1 ) F = -5y + 5𝑥 2 + 2x

1
0 0 𝑦0 =3 = 0.333333 -5(0.333333) +5(0)2 + 2(0) = -1.666667
1 0.1 𝑦1 =0.3333333+(0.1)( 0.1666667) -5(0.16666) +5(0.1)2 + 2(0.1) = -0.583330

=0.166666
2 0.2 𝑦2 =0.166666+(0.1) )(-0.583330 () -5(0108333.) +5(0.2)2 + 2(0.2) = 0.058335
= 0.108333
3 0.3 𝑦3 =0.108333+ (0.1)( 0.058335) = -5(0. 114167) +5(0.3)2 + 2(0.3) = 0.479165
0.114167
4 0.4 -5( 0.162084) +5(0.4)2 + 2(0.4) = 0.789583
𝑦4 =0.114167+ (0.1)(0.479165)
=0.162084
5 0.5 𝑦5 =0.162084+ (0.1)(0.789583) -5(0.241042.) +5(0.5)2 + 2(0.5) = 1.044790
=0.241042
6 0.6 𝑦6 =0.241042 + (0.1)(1.044790) -5(0.345521) +5(0.6)2 + 2(0.6) = 1.272395
=0.345521
7 0.7 𝑦7 =0.345521+ (0.1)(1.272395)= -5(0.472761) +5(0.7)2 + 2(0.7) = 1.486198
0.472761
8 0.8 𝑦8 = 0.472761 + (0.1)(1.486198) -5(0.621381.) +5(0.8)2 + 2(0.8) = 1.693096
=0.621381
9 0.9 𝑦9 =0.621381+ (0.1)(1.693096) -5(0.790691) +5(0.9)2 + 2(0.9) = 1.896547
=0.790691
10 1
𝑦10 =0.790691 + (0.1)(1.896547)
=0.980346
El valor aproximado para y con diez iteraciones es = 0.980346
𝐄𝐉𝐄𝐑𝐂𝐈𝐂𝐈𝐎 𝟒. 𝐀 𝐜𝐨𝐧𝐭𝐢𝐧𝐮𝐚𝐜𝐢ó𝐧 𝐬𝐞 𝐝𝐚𝐧 𝐥𝐚𝐬 𝐬𝐨𝐥𝐮𝐜𝐢𝐨𝐧𝐞𝐬 𝐫𝐞𝐚𝐥𝐞𝐬 𝐚 𝐥𝐨𝐬 𝐩𝐫𝐨𝐛𝐥𝐞𝐦𝐚𝐬 𝐝𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐢𝐧𝐢𝐜𝐢𝐚𝐥 𝐝𝐞
𝐂𝐚𝐥𝐜𝐮𝐥𝐞 𝐞𝐥 𝐞𝐫𝐫𝐨𝐫 𝐞𝐧 𝐥𝐚𝐬 𝐚𝐩𝐫𝐨𝐱𝐢𝐦𝐚𝐜𝐢𝐨𝐧𝐞𝐬 𝐝𝐞𝐥 𝐞𝐣𝐞𝐫𝐜𝐢𝐜𝐢𝐨 𝟑.
a.
𝟑. 𝐀𝐩𝐥𝐢𝐪𝐮𝐞 𝐞𝐥 𝐦é𝐭𝐨𝐝𝐨 𝐝𝐞 𝐄𝐮𝐥𝐞𝐫 𝐩𝐚𝐫𝐚 𝐚𝐩𝐫𝐨𝐱𝐢𝐦𝐚𝐫 𝐥𝐚𝐬 𝐬𝐨𝐥𝐮𝐜𝐢𝐨𝐧𝐞𝐬 𝐝𝐞 𝐥𝐨𝐬 𝐬𝐢𝐠𝐮𝐢𝐞𝐧𝐭𝐞𝐬 𝐩𝐫𝐨𝐛𝐥𝐞𝐦𝐚𝐬
𝐝𝐞 𝐯𝐚𝐥𝐨𝐫 𝐢𝐧𝐢𝐜𝐢𝐚𝐥
𝑦 𝑦 2
𝑦′ = 𝑡 − (𝑡 ) , 1 ≤ 𝑡 ≤ 2 , 𝑦(1) = 1, 𝑐𝑜𝑛 ℎ = 0.1 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦 ′ (𝑡) =
𝑡
1+𝑙𝑛𝑡
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 )
𝑏−𝑎 2−1
𝑎 =1; 𝑏 =2 ℎ= ⇒𝑛= = 𝟏𝟎 ⇒ 𝑛 = #𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑛 0.1.
𝑡𝑖 = 𝑎 + 𝑖ℎ ; 𝑤𝑖 = 1
𝒊=𝟎
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡0 = 1 + 0(0.1) = 1 ; 𝑤0 = 1
𝑦 𝑦 2 1 1 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 𝑡 − ( 𝑡 ) = 1 − (1) = 0
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) 𝑤0+1 = 1 + 0.1(0) = 1 ⇒ 𝑤1 = 𝟏

𝑡 𝑡 𝑡 1
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦 ′ (𝑡) = 1+𝑙𝑛𝑡 = 1+ln(𝑡
𝑖
)
0
= 1+𝑙𝑛(𝑡 )
= 1+ln(1) = 1
𝑖 0
𝑬𝒓𝒓𝒐𝒓 = |𝟏 − 𝟏| = 𝟎
𝒊=𝟏
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡1 = 1 + 1(0.1) = 1.1 ; 𝑤1 = 1
𝑦 𝑦 2 1 1 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 𝑡 − ( 𝑡 ) = 1.1 − (1.1) = 0.0826446
𝑤1+1 = 𝑤1 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) 𝑤2 = 1 + 0.1(0.0826446) = 𝟏. 𝟎𝟎𝟖𝟐𝟔𝟒𝟒𝟔

𝑡 1.1
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦 ′ (𝑡) = 1+𝑙𝑛𝑡 = 1+ln(1.1) = 1.0042817
𝑬𝒓𝒓𝒐𝒓 = |1.0042817 − 1.00826446| = 𝟎. 𝟎𝟎𝟑𝟗𝟖𝟐𝟕

𝒊=𝟐
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡2 = 1 + 2(0.1) = 1.2 ; 𝑤2 = 1.00826446
𝑦 𝑦 2 1.00826446 1.00826446 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 𝑡 − ( 𝑡 ) = −( ) = 0.1342501
1.2 1.2
𝑤𝟐+1 = 𝑤2 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤3 = 1.00826446 + 0.1(0.1342501) = 𝟏. 𝟎𝟐𝟏𝟔𝟖𝟗𝟓

𝑡 1.2
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦 ′ (𝑡) = 1+𝑙𝑛𝑡 = 1+ln(1.2) = 1.01495231
𝑬𝒓𝒓𝒐𝒓 = |1.01495231 − 1.0216895| = 𝟎. 𝟎𝟎𝟔𝟕𝟑𝟕𝟐
𝒊=𝟑
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡3 = 1 + 3(0.1) = 1.3 ; 𝑤3 = 1.0216895
𝑦 𝑦 2 1.0216895 1.0216895 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 𝑡 − ( 𝑡 ) = −( ) = 0.1682526
1.3 1.3
𝑤𝟑+1 = 𝑤3 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤4 = 1.0216895 + 0.1(1.0216895 ) = 𝟏. 𝟎𝟑𝟖𝟓𝟏𝟒𝟖

𝑡 1.3
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦 ′ (𝑡) = = = 1.0298137
1 + 𝑙𝑛𝑡 1 + ln(1.3)
𝑬𝒓𝒓𝒐𝒓 = |1.0298137 − 1.0385148| = 𝟎. 𝟎𝟎𝟖𝟕𝟎𝟏𝟏
𝒊=𝟒
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡4 = 1 + 4(0.1) = 1.4 ; 𝑤4 = 1.0385148
𝑦 𝑦 2 1.0385148 1.0385148 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = − ( ) = −( ) = 0.1915346
𝑡 𝑡 1.4 1.4
𝑤𝟒+1 = 𝑤4 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤5 = 1.0385148 + 0.1(0.1915346 ) = 𝟏. 𝟎𝟓𝟕𝟔𝟔𝟖𝟑
𝑡 1.4
1 + 𝑙𝑛𝑡 1 + ln(1.4)
𝑬𝒓𝒓𝒐𝒓 = |1.0475339 − 1.0576683| = 𝟎. 𝟎𝟏𝟎𝟏𝟑𝟒𝟑
𝒊=𝟓
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡5 = 1 + 5(0.1) = 1.5 ; 𝑤5 = 1.0576683
𝑦 𝑦 2 1.0576683 1.0576683 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = − ( ) = −( ) = 0.2079289
𝑡 𝑡 1.5 1.5
𝑤𝟓+1 = 𝑤5 + 𝑓(𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤6 = 1.0576683 + 0.1(0.2079289 ) = 1.0784612
𝑡 1.5
1 + 𝑙𝑛𝑡 1 + ln(1.5)
𝑬𝒓𝒓𝒐𝒓 = |1.0672624 − 1.0784612| = 𝟎. 𝟎𝟏𝟏𝟏𝟖𝟗𝟕
𝒊=𝟔
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡6 = 1 + 6(0.1) = 1.6 ; 𝑤6 = 1.0784612
𝑦 𝑦 2 1.0784612 1.0784612 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = −( ) = 0.2197107
𝑡 𝑡 1.6 1.6
𝑤𝟔+1 = 𝑤6 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤7 = 1.0784612 + 0.1(0.2197107) = 1.004323
𝑡 1.6
1 + 𝑙𝑛𝑡 1 + ln(1.6)
𝑬𝒓𝒓𝒐𝒓 = |1.0884327 − 1.004323| = 𝟎. 𝟎𝟏𝟏𝟗𝟗𝟗𝟓
𝒊=𝟕
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡7 = 1 + 7(0.1) = 1.7 ; 𝑤7 = 1.004323
𝑦 𝑦 2 1.004323 1.004323 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = − ( ) = −( ) = 0.2282988
𝑡 𝑡 1.7 1.7
𝑤𝟕+1 = 𝑤7 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤8 = 1.004323 + 0.1(0.2282988) = 1.1232622
𝑡 1.7
1 + 𝑙𝑛𝑡 1 + ln(1.7)
𝑬𝒓𝒓𝒐𝒓 = |1.1106551 − 1.1232622| = 𝟎. 𝟎𝟏𝟐𝟔𝟎𝟕
𝒊=𝟖
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡8 = 1 + 8(0.1) = 1.8 ; 𝑤8 = 1.1232622
𝑦 𝑦 2 1.1232622 1.1232622 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = −( ) = 0.2346154
𝑡 𝑡 1.8 1.8
𝑤𝟖+1 = 𝑤8 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤9 = 1.1232622 + 0.1(0.2346154) = 1.1467237
𝑡 1.8
1 + 𝑙𝑛𝑡 1 + ln(1.8)
𝑬𝒓𝒓𝒐𝒓 = |1.1336536 − 1.1467237| = 𝟎. 𝟎𝟏𝟑𝟎𝟕𝟎𝟎
𝒊=𝟗
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡9 = 1 + 9(0.1) = 1.9 ; 𝑤9 = 1.1467237
𝑦 𝑦 2 1.1467237 1.1467237 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = −( ) = 0.2392797
𝑡 𝑡 1.9 1.9
𝑤𝟗+1 = 𝑤9 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) ⇒ 𝑤10 = 1.1467237 + 0.1(0.2392797) = 1.1706516
𝑡 1.9
1 + 𝑙𝑛𝑡 1 + ln(1.9)
𝑬𝒓𝒓𝒐𝒓 = |1.1572284 − 1.1706516| = 𝟎. 𝟎𝟏𝟑𝟒𝟐𝟑𝟏
4.b.
A continuación, se dan las soluciones reales a los problemas de valor inicial del
ejercicio 3. Calcule el error en las aproximaciones del ejercicio 3
Solución real
𝒚(𝒕) = 𝒕 𝒕𝒂𝒏(𝒍𝒏 𝒕)
𝑦 𝑦 2
Problema de valor inicial 3 𝑦´ = 1 + + ( ) 1 ≤ 𝑡 ≤ 3 𝑦(1) = 0 ℎ = 0.2
𝑡 𝑡
Conocemos que
ℎ
𝑦(𝑡𝑖+1 ) = 𝑦(𝑡𝑖 ) + ℎ𝑓(𝑡1 , 𝑦(𝑡1 )) + 𝑦´´(𝜉𝑖 )
2
𝜔𝑖 ≈ 𝑦(𝑡𝑖 ) = 𝑦𝑖
𝜔0 = 𝑦𝑖 = 0
𝜔𝑖+1 = 𝜔𝑖 + ℎ𝑓(𝑡𝑖 , 𝜔𝑖 )
𝑓(𝑡𝑖 , 𝜔𝑖 ) = 𝑦´(𝑡𝑖 ) = 𝑓(𝑡1 , 𝑦(𝑡1 ))
solución
𝑦´ = 𝑓(𝑡, 𝑦)
𝑦 𝑦 2 𝝎𝒊 𝝎𝒊 𝟐
𝑦´ = 𝑓(𝑡𝑖 , 𝜔𝑖 ) = 1 + +( ) =𝟏+ +( )
𝑡 𝑡 𝒕𝒊 𝒕𝒊
a = 1; b = 3; h = 0.2; N = 10; t i = a + ih = 1 + 0.2i para i = 0, 1, 2, … , N.
La solución exacta 𝑦(𝑡) = 𝑡 𝑡𝑎𝑛(𝑙𝑛 𝑡) = 𝒚(𝒕𝒊 ) = 𝒕𝒊 𝒕𝒂𝒏(𝒍𝒏 𝒕𝒊 )
Para 𝑖 = 0
𝜔0+1 = 𝜔0 + ℎ𝑓(𝑡0 , 𝜔0 )
0 0 2
𝜔1 = 0 + 0.2 (1 + + ( ) ) = 0.2 → 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑑𝑎
1 1
𝑦1 = 𝑦(𝑡1 ) = 1.2 𝑡𝑎𝑛(𝑙𝑛1.2) = 0.2212428 → 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎

Error |𝟎. 𝟐𝟐𝟏𝟐𝟒𝟖 − 𝟎. 𝟐| = 𝟎. 𝟎𝟐𝟏𝟐𝟒𝟐𝟖
Para 𝑖 = 1
𝜔1+1 = 𝜔1 + ℎ𝑓 (𝑡1 , 𝜔1 )
0.2 0.2 2
𝜔2 = 0.2 + 0.2 (1 + + ( ) ) = 0.4388889 → 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑑𝑎
1.2 1.2

Error |𝟎. 𝟒𝟖𝟗𝟔𝟖𝟏𝟕 − 𝟎. 𝟒𝟑𝟖𝟖𝟖𝟖𝟗| = 𝟎. 𝟎𝟓𝟎𝟕𝟗𝟐𝟖
Para 𝑖 = 2
𝜔2+1 = 𝜔2 + ℎ𝑓(𝑡2 , 𝜔2 )
0.4388889 0.4388889 2
𝜔3 = 0.4388889 + 0.2 (1 + +( ) ) = 0.7212428
1.4 1.4
→ 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑑𝑎
Error |𝟎. 𝟖𝟏𝟐𝟕𝟓𝟐𝟕 − 𝟎. 𝟕𝟐𝟏𝟐𝟒𝟐𝟖| = 𝟎. 𝟎𝟗𝟏𝟓𝟏
Para 𝑖 = 3
𝜔3+1 = 𝜔3 + ℎ𝑓(𝑡3 , 𝜔3 )
0.7212428 0.7212428 2
𝜔4 = 0.7212428 + 0.2 (1 + +( ) ) = 1.0520381
1.6 1.6
Error |𝟏. 𝟏𝟗𝟗𝟒𝟑𝟖𝟔 − 𝟏. 𝟎𝟓𝟐𝟎𝟑𝟖𝟏| = 𝟎. 𝟏𝟒𝟕𝟒𝟎𝟎𝟔
Para 𝑖 = 4
𝜔4+1 = 𝜔4 + ℎ𝑓(𝑡4 , 𝜔4 )
1.0520381 1.0520381 2
𝜔5 = 1.0520381 + 0.2 (1 + +( ) ) = 1.4372512
1.8 1.8
𝑦5 = 𝑦(𝑡5 ) = 2 𝑡𝑎𝑛(𝑙𝑛 2) = 1.6612818 → 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
Error |𝟏. 𝟔𝟔𝟏𝟐𝟖𝟏𝟖 − 𝟏. 𝟎𝟓𝟐𝟎𝟑𝟖𝟏| = 𝟎. 𝟐𝟐𝟒𝟎𝟑𝟎𝟓
Para 𝑖 = 5
𝜔5+1 = 𝜔5 + ℎ𝑓(𝑡5 , 𝜔5 )
1.4372512 1.4372512 2
𝜔6 = 1.4372512 + 0.2 (1 + +( ) ) = 1.8842609
2 2
𝑦6 = 𝑦(𝑡6 ) = 2 . 2𝑡𝑎𝑛(𝑙𝑛 2.2) = 2.2135018 → 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
Error |𝟐. 𝟐𝟏𝟑𝟓𝟎𝟏𝟖 − 𝟏. 𝟖𝟖𝟒𝟐𝟔𝟎𝟗| = 𝟎. 𝟑𝟐𝟗𝟐𝟒𝟎𝟗
Para 𝑖 = 6
𝜔6+1 = 𝜔6 + ℎ𝑓(𝑡6 , 𝜔6 )
1.8842609 1.8842609 2
𝜔7 = 1.8842609 + 0.2 (1 + +( ) ) = 2.4022697
2.2 2.2
Error |𝟐. 𝟖𝟕𝟔𝟓𝟓𝟏𝟒 − 𝟐. 𝟒𝟎𝟐𝟐𝟔𝟗𝟕| = 𝟎. 𝟒𝟕𝟒𝟐𝟖𝟏𝟕
Para 𝑖 = 7
𝜔7+1 = 𝜔7 + ℎ𝑓(𝑡7 , 𝜔7 )
2.4022697 2.4022697 2
𝜔8 = 2.4022697 + 0.2 (1 + +( ) ) = 3.0028373
2.4 2.4
Error |𝟑. 𝟔𝟕𝟖𝟒𝟕𝟓𝟑 − 𝟑. 𝟎𝟎𝟐𝟖𝟑𝟕𝟑| = 𝟎. 𝟔𝟕𝟓𝟔𝟑𝟖
Para 𝑖 = 8
𝜔8+1 = 𝜔8 + ℎ𝑓(𝑡8 , 𝜔8 )
3.0028373 3.0028373 2
𝜔9 = 3.0028373 + 0.2 (1 + +( ) ) = 3.7006009
2.6 2.6
Error |𝟒. 𝟔𝟓𝟖𝟔𝟔𝟓𝟏 − 𝟑. 𝟕𝟎𝟎𝟔𝟎𝟎𝟗| = 𝟎. 𝟗𝟓𝟖𝟎𝟔𝟒𝟐
Para 𝑖 = 9
𝜔9+1 = 𝜔9 + ℎ𝑓(𝑡9 , 𝜔9 )
3.7006009 3.7006009 2
𝜔10 = 3.7006009 + 0.2 (1 + +( ) ) = 4.5142777
2. .8 2.8
𝑦10 = 𝑦(𝑡10 ) = 3 𝑡𝑎𝑛(𝑙𝑛 3) = 5.8741 → 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
Error |𝟓. 𝟖𝟕𝟒𝟏 − 𝟒. 𝟓𝟏𝟒𝟐𝟕𝟕𝟕| = 𝟏. 𝟑𝟓𝟗𝟖𝟐𝟐𝟑
4.c. A continuación, se dan las soluciones reales de los problemas de valor inicial del
ejercicio 3. Calcule el error en las aproximaciones del ejercicio 3.
c. 𝑦 ′ = −(𝑦 + 1) (𝑦 + 3) 0 ≤ 𝑡 ≤ 2 𝑦(0) = −2 𝑐𝑜𝑛 ℎ = 0.2

2
c. 𝑦(𝑡) = −3 + 1+𝑒 2𝑡
SOLUCIÓN
𝑏−𝑎
ℎ=
𝑛
𝑏−𝑎 2−0
𝑛= = = 10
ℎ 0.2
𝑓 (𝑡, 𝑦) = −(𝑦 + 1)(𝑦 + 3)
𝑡𝑖 = 𝑎 + ℎ𝑖; 𝑖 = 0,1,2
𝑡𝑜 = 0 + 0.2 ∗ 0 = 0
𝑡1 = 0 + 0.2 ∗ 1 = 0.2
𝑡2 = 0 + 0.2 ∗ 2 = 0.4
𝑊𝑜 = 1
𝑤𝑖+1= 𝑤𝑖 + ℎ𝑓(𝑡𝑖 ; 𝑤0 )
i=0
𝑤0+1= 𝑤0 + ℎ𝑓(𝑡𝑜 ; 𝑤0 )
𝑤1 = 1 + 0.2 (2 + 1)(2 + 3) = 4
𝑊1 = 2
𝑖=1
𝑤1+1= 𝑤1 + 0.2𝑓(𝑡1 ; 𝑤1 )
𝑤2 = 2 + 0.2(2 + 1)(2 + 3) = 5
Cálculo Del Error:

2
𝑦(𝑡) = −3 +
1 + 𝑒 2𝑡
2
𝑦(𝑡1 ) = −3 + 1+𝑒 2(0.2) = 2.197
2
(𝑡2 ) = −3 + = 2.3799
1 + 𝑒 2(0.4)
/𝑤𝑖− 𝑦(𝑡𝑖 )/
/ 4 − 2.197/= 1.103
/ 5 − 2.3799/= 2.62
4d.
A continuación, se dan las soluciones reales a los problemas de valor inicial del ejercicio 3.
Calcule el error en las aproximaciones del ejercicio 3.
1
𝑦(𝑡) = 𝑟 2 + 𝑒 5𝑡
3
EJERCICIO 5. Dado el problema de valor inicial

a.
2
}𝑦 ′ = 𝑡 𝑦 + 𝑡 2 𝑒 𝑡 , 1 ≤ 𝑡 ≤ 2, 𝑦(1) = 0,
𝑐𝑜𝑛 𝑙𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑥𝑎𝑐𝑡𝑎𝑠 𝑦(𝑡) = 𝑡 2 (𝑒 𝑡 − 𝑒)

Use el método de Euler con h=0.1 para aproximar la solución y compárela con los valores
reales de y.
SOLUCIÓN
𝑎 =1, 𝑏=2
Calculamos N
𝑏−𝑎 2−1
ℎ= → 0.1 = → 𝑁 = 10
𝑁 𝑁
𝑡𝑖 = 𝑎 + 𝑖ℎ = 1 + 𝑖 (0.1) = 1 + 0.1𝑖
𝑤0 = 𝛼 𝑦(𝑎) = 𝛼
𝑤0 = 0
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ), ∀𝑖 = 0,1
2 2
𝑓 (𝑡, 𝑦) = 𝑦 + 𝑡 2 𝑒 𝑡 → 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 𝑤𝑖 + 𝑡𝑖 2 𝑒 𝑡𝑖
𝑡 𝑡𝑖
𝑠𝑜𝑙 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 2 (𝑒 𝑡 − 𝑒) → 𝑦(𝑡𝑖 ) = 𝑡𝑖 2 (𝑒 𝑡𝑖 − 𝑒)
Para i=0
𝑤1 = 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 )
2
𝑤1 = 0 + 0.1 ( ∗ 0 + 12 𝑒 1 ) = 0.2718282 ← 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
1
𝑦1 = 𝑦(𝑡1 ) = 𝑡1 2 (𝑒 𝑡1 − 𝑒) = 1.12 (𝑒 1.1 − 𝑒)
𝑦1 = 𝑦(𝑡1 ) = 0.3459199 ← 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.0740917
Para i=1
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 )
2
𝑤2 = 0.2718282 + 0.1 ( ∗ 0.2718282 + 1.12 𝑒 1.1 ) = 0.6847556 ← 𝑠𝑜𝑙𝑢 𝑎𝑝𝑟𝑜𝑥𝑖
1.1
𝑦2 = 𝑦(𝑡2 ) = 𝑡2 2 (𝑒 𝑡2 − 𝑒) = 1.22 (𝑒 1.2 − 𝑒)
𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 0.1818869
i 𝑡𝑖 Sol aprox Sol exacta Error
0 1 0.2718282 0.3459199 0.0740917
1 1.1 0.6847556 0.8666425 0.1818869
2 1.2 1.2081571 1.6072151 0.3990580
3 1.3 2.0141386 2.6203596 0.6062210
4 1.4 3.0966919 3.9676663 0.8709744
5 1.5 4.5179642 5.7209615 1.2029973
6 1.6 6.3506860 7.9638735 1.6131875
7 1.7 8.6797963 10.7936247 2.1138284
8 1.8 11.6043039 14.3230815 2.7187776
9 1.9 15.2394175 18.6830971 3.4436796
5c: Dado el problema con valor inicial

2
𝑦 ′ = 𝑦 + 𝑡 2 𝑒 𝑡 ; 1 ≤ 𝑡 ≤ 2; 𝑦(1) = 0, 𝑐𝑜𝑛 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦(𝑡) = 𝑡 2 (𝑒 𝑡 − 𝑒)
𝑡
Por medio de la ecuación (5.10), calcule el valor h necesario para que |𝑦(𝑡) − 𝑤𝑖 | ≤ 0.1
Ecuación 5.10:
|𝑦(𝑡𝑖 ) − 𝑤𝑖 | ≤ [𝑒 𝑖 − 1]
2𝐿
Supongamos que f es continua y que satisface la condición de Lipschitz con la constante L
en:
(𝑡, 𝑦)
𝐷={ ≤ 𝑡 ≤ 𝑏, −∞ < 𝑦 < ∞ +}
𝑎
2
𝜕𝑓(𝑡,𝑦) 𝜕( 𝑦+𝑡 2 𝑒 𝑡 ) 2 2
Entonces = 𝑡
= para toda “y”; y por lo mismo 𝐿 = 𝑡
𝜕𝑦 𝜕𝑦 𝑡
Y que existe un M con la propiedad de que:

|𝑦 ′′ (𝑡)| ≤ 𝑀, 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑡 ∈ (𝑎, 𝑏)
𝑦 ( 𝑡 ) = 𝑡 2 (𝑒 𝑡 − 𝑒 )
𝑦 ′ (𝑡) = 2𝑡(𝑒 𝑡 − 𝑒) + 𝑡 2 (𝑒 𝑡 )
𝑦 ′′ (𝑡) = 2(𝑒 𝑡 − 𝑒) + 2𝑡(𝑒 𝑡 ) + 2𝑡(𝑒 𝑡 ) + 𝑡 2 (𝑒 𝑡 )
𝑦 ′′ (𝑡) = 2𝑒 𝑡 − 2𝑒 + 4𝑡(𝑒 𝑡 ) + 𝑡 2 (𝑒 𝑡 )
𝑦 ′′ (𝑡) = 𝑒 𝑡 (𝑡 2 + 4𝑡 + 2) − 2𝑒
Por lo tanto t=2
2 2
𝐿= = =1
𝑡 2
|𝑦 ′′ (𝑡)| ≤ 𝑀
𝑒 𝑡 (𝑡 2 + 4𝑡 + 2) − 2𝑒 ≤ 𝑀
𝑀 = 𝑒 2 (14) − 2𝑒
𝑀 = 14𝑒 2 − 2𝑒
También a=1 y 𝑡𝑖 = 𝑎 + ℎ𝑖 = 1 + ℎ𝑖
𝑡1 = 1 + ℎ
Ahora en la ecuación 5.10 reemplazaremos los valores obtenidos

|𝑦(𝑡𝑖 ) − 𝑤𝑖 | ≤ [𝑒 𝑖 − 1]
2𝐿
|𝑦(𝑡) − 𝑤𝑖 | ≤ 0.1
Por lo tanto igualaremos las ecuaciones
[𝑒 𝑖 − 1] = 0.1
2𝐿
0.1 ∗ (2𝐿 )
ℎ[𝑒 𝐿(𝑡𝑖 −𝑎) − 1] =
𝑀
0.1 ∗ (2 ∗ 1)
ℎ[𝑒 1(1+ℎ−1) − 1] =
14𝑒 2 − 2𝑒
ℎ[𝑒 ℎ − 1] = 0.0020406
ℎ = 0.045
6.b.
1 𝑦
Dado el problema valor inicial 𝑦´ = 𝑡 2 − 𝑡 − 𝑦 2 1≤𝑡≤2 𝑦(1) = −1
−1
Con solución exacta. y(t)= 𝑡
a). use el método de Euler con un h=0.05 para aproximar la solución y compare los valores
reales de y.
b9 aproxime la respuestas obtenidas en el inciso a)y la interpolación lineal para aproxilar
los siguientes valores y compare con reales
y(1.052) y(1.555) y(1.978)
tenemos
2−1 2−1
ℎ= 𝑛= = 20
𝑛 0.05
𝑡𝑖 = 𝑎 + ℎ𝑖 𝑡𝑖 = 1 + ℎ𝑖
𝑡0 = 1.1 𝑡10 = 1.5
𝑡1 = 1.05 𝑡11 = 1.55
𝑡2 = 1.1 𝑡12 = 1.60
𝑡3 = 1.15 𝑡13 = 1.65
𝑡4 = 1.2 𝑡14 = 1.70
𝑡5 = 1.25 𝑡15 = 1.75
𝑡6 = 1.30 𝑡16 = 1.80
𝑡7 = 1.35 𝑡17 = 1.85
𝑡8 = 1.40 𝑡18 = 1.90
𝑡9 = 1.45 𝑡19 = 1.95
𝑡20 = 2.00
Método de Euler
𝑤0 = 𝛼 𝑦(𝑎) = 𝛼
𝑤0 = −1
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ) ∀𝑖 = 0,1,2,3,4,5,6 … . .19
i=0
1 𝑤𝑖
𝑤1 = 𝑤0 + 0.05 [( 2) − − 𝑤𝑖 2 ]
𝑡𝑖 𝑡𝑖
𝑤1 = 𝑤0 + 0.05(1, −1)
𝑤1 = −1 + 0.05(1)
𝑤1 = −0.95 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 este
−1 −1
𝑦(𝑡1 ) = 𝑦(𝑡1 ) = 1.05 𝑦(𝑡1 ) = −0.9523810
𝑡1
i=1
𝑤2 = 𝑤1 + 0.05 (𝑡1 , 𝑤1 )
𝑤2 = 𝑤1 + 0.05(1.05, −0.95)
𝑤2 = −0.95 + 0.05(1.05, −0.95)
𝑤2 = −0.9045354 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐

−1
𝑦(𝑡2 ) =
𝑡2
−1
𝑦(𝑡2 ) = 𝑦(𝑡2 ) = −0.9090909 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
1.1
i=2
𝑤3 = 𝑤2 + 0.05 (𝑡2 , 𝑤2 )
𝑤3 = 𝑤2 + 0.05(1.1, −0.9045354)
𝑤3 = −0.9045354 + 0.05(1.1, −0.9045354)
𝑤3 = −0.8630071 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
−1
𝑦(𝑡3 ) = 𝑡3
−1
𝑦(𝑡3 ) = 𝑦(𝑡3 ) = −0.8695652 𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜
1.15
i=3
𝑤4 = 𝑤3 + 0.05 (𝑡3 , 𝑤3 )
𝑤4 = 𝑤3 + 0.05(1.15, −0.8630071)
𝑤4 = −0.8630071 + 0.05(1.1, −0.9045354)
−1
𝑦(𝑡4 ) = 𝑡4
−1
1.2
i=4
𝑤5 = 𝑤4 + 0.05 (𝑡4 , 𝑤4 )
𝑤5 = 𝑤4 + 0.05(1.2, −0.8249169)
𝑤5 = −0.8249169 + 0.05(1.2, −0.8249169)
−1
𝑦(𝑡5 ) = 𝑡5
−1
1.25
i=5
𝑤6 = 𝑤5 + 0.05 (𝑡5 , 𝑤5 )
𝑤6 = 𝑤5 + 0.05(1.25, −0.7898475)
𝑤6 = −0.7898475 + 0.05(1.25, −0.7898475)
−1
𝑦(𝑡6 ) = 𝑡6
−1
1.30
i=6
𝑤7 = 𝑤6 + 0.05 (𝑡6 , 𝑤6 )
𝑤7 = 𝑤6 + 0.05(1.30, −0.7574466)
𝑤7 = −0.7574466 + 0.05 (1.30, −0.7574466)
−1
𝑦(𝑡7 ) = 𝑡7
−1
1.35
i=7
𝑤8 = 𝑤7 + 0.05 (𝑡7 , 𝑤7 )
𝑤8 = 𝑤6 + 0.05(1.35, −0.7274145)
𝑤8 = −0.7274145 + 0.05 (1.35, −0.7274145)
−1
𝑦(𝑡8 ) = 𝑡8
−1
1.40
i=8
𝑤9 = 𝑤8 + 0.05 (𝑡8 , 𝑤8 )
𝑤9 = 𝑤8 + 0.05(1.40, −0.6994950)
𝑤9 = −0.6994950 + 0.05 (1.40, −0.6994950)
−1
𝑦(𝑡9 ) = 𝑡9
−1
1.45
i=9
𝑤10 = 𝑤9 + 0.05 (𝑡9 , 𝑤9 )
𝑤10 = 𝑤9 + 0.05(1.45, −0.6734675)
𝑤10 = −0.6734675 + 0.05(1.45, −0.6734675)
−1
𝑦(𝑡10 ) = 𝑡
10
−1
𝑦(𝑡10 ) = 𝑦(𝑡10 ) = −0.6666667𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜
1.50
i=10
𝑤11 = 𝑤10 + 0.05 (𝑡10 , 𝑤10 )
𝑤11 = 𝑤10 + 0.05(1.50, −0.6491412)
𝑤11 = −0.6491412 + 0.05(1.50, −0.6491412)
−1
𝑦(𝑡11 ) = 𝑡
11
−1
1.55
i=11
𝑤12 = 𝑤11 + 0.05 (𝑡11 , 𝑤11 )
𝑤12 = 𝑤11 + 0.05(1.55, −0.6152390)
𝑤12 = −0.6152390 + 0.05(1.55, −0.6152390)
−1
𝑦(𝑡12 ) = 𝑡
12
−1
1.60
i=12
𝑤13 = 𝑤12 + 0.05 (𝑡12 , 𝑤12 )
𝑤13 = 𝑤12 + 0.05(1.60, −0.5935069)
𝑤13 = −0.5935069 + 0.05(1.60, −0.5935069)
−1
𝑦(𝑡13 ) = 𝑡
13
−1
1.65
i=13
𝑤14 = 𝑤13 + 0.05 (𝑡13 , 𝑤13 )
𝑤14 = 𝑤13 + 0.05(1.65, −0.5730411)
𝑤14 = −0.5730411 + 0.05(1.65, −0.5730411)
−1
𝑦(𝑡14 ) = 𝑡
14
−1
1.70
i=14
𝑤15 = 𝑤14 + 0.05 (𝑡14 , 𝑤14 )
𝑤15 = 𝑤14 + 0.05(1.70, −0.5537296)
𝑤15 = −0.5537296 + 0.05(1.70, −0.5537296)
−1
𝑦(𝑡15 ) = 𝑡
15
−1
1.75
i=15
𝑤16 = 𝑤15 + 0.05 (𝑡15 , 𝑤15 )
𝑤16 = 𝑤15 + 0.05(1.75, −0.5354732)
𝑤16 = −0.5354732 + 0.05(1.75, −0.5354732)
−1
𝑦(𝑡16 ) =
𝑡16
−1
1.80
i=16
𝑤17 = 𝑤16 + 0.05 (𝑡16 , 𝑤16 )
𝑤17 = 𝑤16 + 0.05(1.80, −0.5181840)
𝑤17 = −0.5181840 + 0.05(1.80, −0.5181840)
−1
𝑦(𝑡17 ) = 𝑡
17
−1
1.85
i=17
𝑤18 = 𝑤17 + 0.05 (𝑡17 , 𝑤17 )
𝑤18 = 𝑤17 + 0.05(1.85, −0.5017836)
𝑤18 = −0.5017836 + 0.05(1.85, −0.5017836)
−1
𝑦(𝑡18 ) = 𝑡
18
−1
1.90
i=18
𝑤19 = 𝑤18 + 0.05 (𝑡18 , 𝑤18 )
𝑤19 = 𝑤18 + 0.05(1.90, −0.4862020)
𝑤19 = −0.4862020 + 0.05(1.90, −0.4862020)
−1
𝑦(𝑡19 ) = 𝑡
19
−1
1.95
i=19
𝑤20 = 𝑤19 + 0.05 (𝑡19 , 𝑤19 )
𝑤20 = 𝑤19 + 0.05(1.95, −0.4713764)
𝑤20 = −0.4713764 + 0.05(1.95, −0.4713764)
𝒘𝟐𝟎 = −𝟎. 𝟒𝟓𝟕𝟐𝟓𝟎𝟒 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
−1
𝑦(𝑡20 ) = 𝑡
20
−1
2.00
b)
Para aproximar (1.052), necesitamos una interpolación lineal entre dos puntos
(1.05, −0.95) y (1.1, −0.9045354), que es. (obtenidos en el ejercicio 6a.
−0.9045354 ± 0.95
𝑦 + 0.95 = (𝑡 − 1.05) ( )
1.1 − 1.05
𝑌 (𝑡) = −0.95 + 0.909292(𝑡 − 1.05)
𝑌 (1.052) = −0.95 + 0.909292(1.052 − 1.05)
𝒀(𝟏. 𝟎𝟓𝟐) = −𝟎. 𝟗𝟑𝟏𝟖𝟏𝟒 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
ahora vamos a usar la definición real de y:
−1
y(t)= 𝑡
t = 1.052
−1
𝑌(1.052) =
1.052
𝒀(𝟏. 𝟎𝟓𝟐) = −𝟎. 𝟗𝟓𝟎𝟓𝟕𝟎 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐

ERROR |−𝟎. 𝟗𝟓𝟎𝟓𝟕𝟎 + 𝟎. 𝟗𝟑𝟏𝟖𝟏𝟒| = 𝟎. 𝟎𝟏𝟖𝟕𝟓𝟔
(1.55, −0.6152390) y (1.6, -0.5935069), que es. (obtenidos en el ejercicio 6a).
−0.5935069 + 0.6152390
𝑦 + 0.6152390 = (𝑡 − 1.5) ( )
1.6 − 1.55
𝑌(𝑡) = −0.6152390 + 0.434642(𝑡 − 1.55)
𝑌(1.555) = −0.6152390 + 0.434642(1.555 − 1.55)
𝒀(𝟏. 𝟓𝟓𝟓) = −𝟎. 𝟓𝟗𝟑𝟓𝟎𝟕𝟎 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏
𝒚( 𝒕 ) = −
𝒕
t = 1.555
−1
𝑌(1.555) =
1.555
𝒀(𝟏. 𝟗𝟑) = −𝟎. 𝟔𝟒𝟑𝟎𝟖𝟔𝟖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
ERROR |−𝟎. 𝟔𝟒𝟑𝟎𝟖𝟔𝟖 + 𝟎. 𝟓𝟗𝟑𝟓𝟎𝟕𝟎| = 𝟎. 𝟎𝟒𝟗𝟓𝟏𝟔𝟖
(1.95, −0.4713764) y (2, -0.4572504), que es. (obtenidos en el ejercicio 6a).
−0.4572504 + 0.4713764
𝑦 + 0.4713764 = (𝑡 − 1.95) ( )
2 − 1.95
𝑌 (𝑡) = −0.4713764 + 0.2825200(𝑡 − 1.95)
𝑌 (1.978) = −0.4713764 + 0.2825200(1.978 − 1.95)
𝒀(𝟏. 𝟗𝟕𝟖) = −𝟎. 𝟒𝟔𝟑𝟒𝟔𝟓𝟖 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐

𝟏
𝒚( 𝒕 ) = −
𝒕
t = 1.555
−1
𝑌(1.978) =
1.978
𝒀(𝟏. 𝟗𝟕𝟖) = −𝟎. 𝟓𝟎𝟓𝟓𝟔𝟏𝟐 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
ERROR |−𝟎. 𝟓𝟎𝟓𝟓𝟔𝟏𝟐 + 𝟎. 𝟒𝟔𝟑𝟒𝟔𝟓𝟖| = 𝟎. 𝟎𝟒𝟐𝟎𝟗𝟓𝟒
EJERCICIO 7. Dado el problema de valor inicial

𝒀′ = −𝒚 + 𝒕 + 𝟏 , 𝟎 ≤ 𝒕 ≤ 𝟓, 𝒚(𝟎)=1
Con la solución exacta 𝒚(𝒕) = 𝒆−𝒕 + 𝒕
a.
Aproxime 𝒚(𝟓) 𝒂𝒑𝒍𝒊𝒄𝒂𝒏𝒅𝒐 𝒆𝒍 𝒎é𝒕𝒐𝒅𝒐 𝒅𝒆 𝒆𝒖𝒍𝒆𝒓, 𝒄𝒐𝒏 𝒉 = 𝟎. 𝟐

ⅆ𝑦
𝑌 ′ = −𝑦 + 𝑡 + 1 = ⅆ𝑡 = 𝑓(𝑡, 𝑦)
𝑦 ′ = −𝑦 + 𝑡 + 1 = 𝒇(𝒕𝒊 , 𝒘𝒊 ) = −𝒘𝒊 + 𝒕𝒊 + 𝟏
𝑦 (0) = 1
ⅆ𝑦
PVI 𝑦(5) =? { 𝑦′ = =
ⅆ𝑡
𝑐𝑜𝑛 ; ℎ = 0.2
{𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑑𝑒𝑙 𝑃𝑉𝐼 = 𝑦(𝑡) = 𝑒 −𝑡 + t ; 𝑦(𝑡𝑖 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖
𝑓(𝑡, 𝑦),
a≤ 𝑡 ≤ 𝑏 ; {𝑦(𝑎) = ∝
𝒘𝟎 = 𝟏
{ ∀𝑖 = 0,1,2, … . 𝑛 − 1.
𝑤𝑖+1 = 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ),
𝑡𝑖 = 𝑎 + 𝑖ℎ=0+i(0.2)
𝒑𝒂𝒓𝒂 𝒊 = 𝟎
𝑤𝑖+1 = 𝑤𝑖 + ℎ ∗ 𝑓 (𝑡𝑖 , 𝑤𝑖 ) 𝑤1 = 𝑤0 + ℎ ∗ 𝑓 (𝑡0 , 𝑤0 ) ; hallamos 𝒇(𝒕𝟎 , 𝒘𝟎 )=?
𝑓 (𝑡0 , 𝑤0 ) = −𝒘𝟎 + 𝒕𝟎 + 𝟏 = −𝟏 + 𝟎 + 𝟏 = 0; 𝒇(𝒕𝟎 , 𝒘𝟎 ) = 𝟎

𝑤1 = 𝑤0 + ℎ ∗ 𝑓 (𝑡0 , 𝑤0 ) = 1 + 0.2 ∗ (0) ; 𝒘𝟏 = 1
5−0
0.2 = ; 𝑛 = 25
𝑛
𝒚𝟏 = 𝑦(𝑡𝑖 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −0.2 + 0.2 = 1.0187307 ; 𝒕𝒊 = 𝒂 + 𝒊𝒉=0+i(0.2)

𝒚𝟏 = 𝟏. 𝟎𝟏𝟖𝟕𝟑𝟎𝟕
ERROR: 𝒚𝟏 − 𝒘𝟏 = 𝟎. 𝟎𝟏𝟖𝟕𝟑𝟎𝟕
| |
Para i=1
𝑤2 = 𝑤1 + ℎ ∗ 𝑓 (𝑡1 , 𝑤1 )= 1+0.2(-1+0.2+1) = 1.04 ; 𝒘𝟐 =1.04
𝒚𝟐 = 𝑦(𝑡2 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −0.4 + 0.4 = 1.070320
ERROR: |𝒚𝟐 − 𝒘𝟐 | = 𝟎. 𝟎𝟑𝟎𝟑𝟐
Para i=2
𝑤3 = 𝑤2 + ℎ ∗ 𝑓 (𝑡2 , 𝑤2 )= 1.04+0.2(-1.04+0.4+1)= 1.112 ; 𝒘𝟑 =1.112
𝒕𝒊 = 𝒂 + 𝒊𝒉=0+i(0.2)
𝒚𝟑 = 𝑦(𝑡3 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −0.6 + 0.6 = 1.14881163
ERROR: |𝒚𝟑 − 𝒘𝟑 | = 𝟎. 𝟎𝟑𝟔𝟖𝟏𝟏

𝒇(𝒕𝒊 , 𝒘𝒊 ) = −𝒘𝒊 + 𝒕𝒊 + 𝟏
Para i=3
𝑤4 = 𝑤3 + ℎ ∗ 𝑓 (𝑡3 , 𝑤3 )= 1.112+0.2(-1.112+0.6+1)= 1.2096 ; 𝒘𝟒 =1.2096
𝒕𝒊 = 𝒂 + 𝒊𝒉=0+i(0.2)
𝒚𝟒 = 𝑦(𝑡4 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −0.8 + 0.8 = 1.2493289
ERROR: |𝒚𝟒 − 𝒘𝟒 | = 𝟎. 𝟎𝟑𝟗𝟕𝟐𝟖
Para i=4
𝑤5 = 𝑤4 + ℎ ∗ 𝑓 (𝑡4 , 𝑤4 )= 1.2096+0.2(-1.2096+0.8+1)= 1.32768 ; 𝒘𝟓 =1.32768 ;
𝒕𝒊 = 𝒂 + 𝒊𝒉=0+i(0.2)
𝒚𝟓 = 𝑦(𝑡5 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −1 + 1 = 1.36787944
ERROR: |𝒚𝟓 − 𝒘𝟓 | = 𝟎. 𝟎𝟒𝟎𝟏𝟗𝟗𝟒
Para i=5
𝑤6 = 𝑤5 + ℎ ∗ 𝑓 (𝑡5 , 𝑤5 )= 1.32768+0.2(-1.32768+1+1)= 1.462144 ; 𝒘𝟔 =1.462144
𝒚𝟔 = 𝑦(𝑡6 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −1.2 + 1.2 = 1.5011942 ;

ERROR: |𝒚𝟔 − 𝒘𝟔 | = 𝟎. 𝟎𝟑𝟗𝟎𝟓𝟎𝟐
Para i=6
𝑤7
= 𝑤6 + ℎ
∗ 𝑓(𝑡6 , 𝑤6 )=1.462144+0.2(-1.462144+1.2+1)= 1.6097152 ; 𝒘𝟕 =1.6097152 ;
𝒕𝒊 = 𝒂 + 𝒊𝒉=0+i(0.2)
𝒚𝟕 = 𝑦(𝑡7 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −1.4 + 1.4 = 1.6465969
ERROR: |𝒚𝟕 − 𝒘𝟕 | = 𝟎. 𝟎𝟑𝟔𝟖𝟖𝟏𝟕
Para i=7
𝑤8
= 𝑤7 + ℎ
∗ 𝑓 (𝑡7 , 𝑤7 )= 1.6097152+0.2(-1.697142+1.4+1)= 1.7502868 ; 𝒘𝟖 =1.7502868
𝒚𝟖 = 𝑦(𝑡8 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −1.6 + 1.6 = 1.8018965 ;
ERROR: |𝒚𝟖 − 𝒘𝟖 | = 𝟎. 𝟎𝟑𝟗𝟎𝟓𝟎𝟐
Para i=8
𝑤9
= 𝑤8 + ℎ
∗ 𝑓(𝑡8 , 𝑤8 )=1.7502868+0.2(-1.7502868+1.6+1)= 1.9202294 ; 𝒘𝟕 =1.9202294 ;
𝒕𝒊 = 𝒂 + 𝒊𝒉=0+i(0.2)
𝒚𝟗 = 𝑦(𝑡9 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −1.8 + 1.8 = 1.9652988
ERROR: |𝒚𝟕 − 𝒘𝟕 | = 𝟎. 𝟎𝟒𝟓𝟎𝟔𝟗𝟒
Para i=9
𝑤10 = 𝑤9 + ℎ ∗ 𝑓 (𝑡9 , 𝑤9 )= 1.9202294+0.2(-1.9202294+1.8+1)= 2.09618352 ;
𝒘𝟏𝟎 =2.09618352
𝒚𝟏𝟎 = 𝑦(𝑡10 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −2 + 2 = 2.1353352 ;
ERROR: |𝒚𝟏𝟎 − 𝒘𝟏𝟎 | = 𝟎. 𝟎𝟑𝟗𝟏𝟓𝟏𝟕𝟔

Para i=10
𝑤11 = 𝑤10 + ℎ ∗ 𝑓 (𝑡10 , 𝑤10 )
2.09618352+0.2(-2.09618352+2+1)= 2.2769468
𝒘𝟏𝟏 =2.276946816
𝒚𝟏𝟏 = 𝑦(𝑡11 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −2.2 + 2.2=2.31080
ERROR: |𝒚𝟏𝟏 − 𝒘𝟏𝟏 | = 𝟎. 𝟎𝟑𝟑𝟖𝟓𝟔𝟑𝟓
Para i=11
𝑤12 = 𝑤11 + ℎ ∗ 𝑓 (𝑡11 , 𝑤11 )
2.27694682+0.2(-2.27894682+2.2+1)= 2.4615574
𝒘𝟏𝟐 =2.4615574
𝒚𝟏𝟐 = 𝑦(𝑡12 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −2.4 + 2.4=2.49071795
ERROR: |𝒚𝟏𝟐 − 𝒘𝟏𝟐 | = 𝟎. 𝟎𝟐𝟗𝟏𝟔𝟎𝟓𝟓
Para i=12
𝑤13 = 𝑤12 + ℎ ∗ 𝑓 (𝑡12 , 𝑤12 )
2.4615574+0.2(-2.4615574+2.4+1)= 2.6492459
𝒘𝟏𝟑 =2.6492459
𝒚𝟏𝟑 = 𝑦(𝑡13 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −2.6 + 2.6=2.6742735
ERROR: |𝒚𝟏𝟑 − 𝒘𝟏𝟑 | = 𝟎. 𝟎𝟐𝟓𝟎𝟐𝟕𝟔
Para i=13
𝑤14 = 𝑤13 + ℎ ∗ 𝑓 (𝑡13 , 𝑤13 )
2.6492459+0.2(-2.6492459+2.6+1)= 2.8393967
𝒘𝟏𝟒 =2.8393967
𝒚𝟏𝟒 = 𝑦(𝑡14 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −2.8 + 2.8=2.8608100
ERROR: |𝒚𝟏𝟒 − 𝒘𝟏𝟒 | = 𝟎. 𝟎𝟐𝟏𝟒𝟏𝟑𝟑𝟔
Para i=14
𝑤15 = 𝑤14 + ℎ ∗ 𝑓 (𝑡14 , 𝑤14 )
2.8393967+0.2(-2.8393967+2.8+1)= 3.03151736
𝒘𝟏𝟓 =3.03151736
𝒚𝟏𝟓 = 𝑦(𝑡15 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −3 + 3=3.04978706
ERROR: |𝒚𝟏𝟓 − 𝒘𝟏𝟓 | = 𝟎. 𝟎𝟏𝟖𝟐𝟔𝟗𝟕𝟎
Para i=15
𝑤16 = 𝑤15 + ℎ ∗ 𝑓 (𝑡15 , 𝑤15 )
3.03151736+0.2(-3.03151736+3+1)= 3.22521388
𝒘𝟏𝟔 =3.22521388
𝒚𝟏𝟔 = 𝑦(𝑡16 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −3.2 + 3.2=3.24076220
ERROR: |𝒚𝟏𝟔 − 𝒘𝟏𝟔 | = 𝟎. 𝟎1554832
Para i=16
𝑤17 = 𝑤16 + ℎ ∗ 𝑓 (𝑡16 , 𝑤16 )
3.2252138 +0.2(-3.2252138+3.2+1)= 3.42017104
𝒘𝟏𝟕 =3.42017104
𝒚𝟏𝟕 = 𝑦(𝑡17 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −3.4 + 3.4=3.4333732
ERROR: |𝒚𝟏𝟕 − 𝒘𝟏𝟕 | = 𝟎. 𝟎𝟏𝟑𝟐𝟎𝟐𝟐
Para i=17
𝑤18 = 𝑤17 + ℎ ∗ 𝑓 (𝑡17 , 𝑤17 )
3.42017104+0.2(-3.4017104+3.4+1)= 3.6198289
𝒘𝟏𝟖 =3.61982896
𝒚𝟏𝟖 = 𝑦(𝑡18 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −3.6 + 3.6=3.627323722
ERROR: |𝒚𝟏𝟖 − 𝒘𝟏𝟖 | = 𝟎. 𝟎𝟎𝟕𝟒𝟗𝟒𝟖
Para i=18
𝑤19 = 𝑤18 + ℎ ∗ 𝑓 (𝑡18 , 𝑤18 )
3.61982896+0.2(-3.61982896+3.6+1)= 3.81586316
𝒘𝟏𝟗 =3.81586316
𝒚𝟏𝟗 = 𝑦(𝑡19 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −3.8 + 3.8=3.82237077

ERROR: |𝒚𝟏𝟗 − 𝒘𝟏𝟗 | = 𝟎. 𝟎𝟎𝟔𝟓𝟎𝟕𝟔𝟏𝟏
Para i=19
𝑤20 = 𝑤19 + ℎ ∗ 𝑓 (𝑡19 , 𝑤19 )
3.81586316+0.2(-3.81586316+3.8+1)= 4.01269052
𝒘𝟐𝟎 =4.01269052
𝒚𝟐𝟎 = 𝑦(𝑡20 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −4 + 4=4.01831563
ERROR: |𝒚𝟐𝟎 − 𝒘𝟐𝟎 | = 𝟎. 𝟎𝟎𝟓𝟔𝟐𝟓𝟏𝟏
Para i=20
𝑤21 = 𝑤19 + ℎ ∗ 𝑓 (𝑡20 , 𝑤20 )
4.01269052+0.2(-4.01269052+4+1)= 4.2101524
𝒘𝟐𝟏 =4.2101524
𝒚𝟐𝟏 = 𝑦(𝑡21 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −4.2 + 4.2=4.21499557
ERROR: |𝒚𝟐𝟏 − 𝒘𝟐𝟏 | = 𝟎. 𝟎𝟎𝟒𝟖𝟒𝟑𝟏𝟕
Para i=21
𝑤22 = 𝑤21 + ℎ ∗ 𝑓 (𝑡21 , 𝑤21 )
4.2101524+0.2(-4.2101524+4.2+1)= 4.40812192
𝒘𝟐𝟐 =4.40812192
𝒚𝟐𝟐 = 𝑦(𝑡22 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −4.4 + 4.4=4.41227734
ERROR: |𝒚𝟐𝟐 − 𝒘𝟐𝟐 | = 𝟎. 𝟎𝟎𝟒𝟏𝟓𝟓𝟒𝟏
Para i=22
𝑤23 = 𝑤22 + ℎ ∗ 𝑓 (𝑡22 , 𝑤22 )
4.40812192+0.2(-4.40812192+4.4+1)= 4.60649753
𝒘𝟐𝟑 =4.60649753
𝒚𝟐𝟑 = 𝑦(𝑡23 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −4.6 + 4.6=4.6100518
ERROR: |𝒚𝟐𝟑 − 𝒘𝟐𝟑 | = 𝟎. 𝟎𝟎𝟑𝟓𝟓𝟒𝟑𝟎𝟓

Para i=23
𝑤24 = 𝑤23 + ℎ ∗ 𝑓 (𝑡23 , 𝑤23 )
4.60649753+0.2(-4.60649753+4.6+1)= 4.8051980
𝒘𝟐𝟒 =4.8051980
𝒚𝟐𝟒 = 𝑦(𝑡24 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −4.8 + 4.8=4.8082297
ERROR: |𝒚𝟐𝟑 − 𝒘𝟐𝟑 | = 𝟎. 𝟎𝟎𝟑𝟎𝟑𝟏𝟕𝟒𝟕
Para i=24
𝑤25 = 𝑤24 + ℎ ∗ 𝑓 (𝑡24 , 𝑤24 )
4.8051980+0.2(-4.8051980+4.8+1)= 5.0041584
𝒘𝟐𝟓 =5.0041584
𝒚𝟐𝟓 = 𝑦(𝑡25 ) = 𝑒 −𝑡𝑖 + 𝑡𝑖 = 𝑒 −5 + 5=5.0067379
ERROR: |𝒚𝟐𝟓 − 𝒘𝟐𝟓 | = 𝟎. 𝟎𝟎𝟐𝟓𝟕𝟗𝟓𝟒
EJERCICIO 8. Use los resultados del ejercicio 3 y la interpolación lineal para

aproximar los siguientes valores de y(t). Compare las aproximaciones obtenidas con
los valores reales obtenidos por medio de las funciones del ejercicio 4.
a) y (1.25) y y (1.93)
SOLUCIÓN
Para poder aproximar los valores pedidos en el ejercicio 8a primeramente vamos a calcular
los ejercicios 3a y 4a
Ejercicio 3a
Aplique el método de Euler para aproximar las soluciones de los siguientes problemas de
valor inicial.
𝑦 𝑦 2
𝑦′ = −( ) 1 ≤ 𝑡 ≤ 2, 𝑦 (1) = 1 𝑐𝑜𝑛 ℎ = 0.1
𝑡 𝑡
SOLUCIÓN
 Encontrando el número de iteraciones a realizar.
𝑎=1 𝑏=2
𝑏−𝑎 2−1
𝑁= = = 10
ℎ 0.1
El número de iteraciones a realizar son 10.
La función es la siguiente:
𝑤 𝑤 2
𝑓(𝑡, 𝑤) = −( )
𝑡 𝑡
Para este caso: 𝑤0 = 𝑦(1) = 1
𝑡𝑖 = 𝑎 + 𝑖 ∗ ℎ
 Iteración 1 (𝑖 = 0)
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡0 = 1 + 0 ∗ 0.1 = 1
𝑤1 ≈ 𝑤0 + ℎ ∗ 𝑓(𝑡0 , 𝑤0 )
𝑤1 ≈ 1 + 0.1 ∗ 𝑓(𝑡0 = 1, 𝑤0 = 1)
1 1 2
𝑓 (1,1) = 1 − (1) = 0
𝒘𝟏 ≈ 𝟏 + 𝟎. 𝟏 ∗ 𝟎 = 𝟏
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡1 = 1 + 1 ∗ 0.1 = 1.1
𝑤2 ≈ 𝑤1 + ℎ ∗ 𝑓(𝑡1 , 𝑤1 )
𝑤2 ≈ 1 + 0.1 ∗ 𝑓(𝑡1 = 1.1, 𝑤1 = 1)

1 1 2
𝑤2 ≈ 1 + 0.1 ∗ (1.1 − (1.1) )
𝒘𝟐 ≈ 𝟏. 𝟎𝟎𝟖𝟐𝟔𝟒𝟓
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡2 = 1 + 2 ∗ 0.1 = 1.2
𝑤3 ≈ 𝑤2 + ℎ ∗ 𝑓(𝑡2 , 𝑤2 )
𝑤3 ≈ 1.0082645 + 0.1 ∗ 𝑓(𝑡2 = 1.2, 𝑤2 = 1.0082645)

1.0082645 1.0082645 2
𝑤3 ≈ 1.0082645 + 0.1 ∗ ( −( ) )
1.2 1.2
𝒘𝟑 ≈ 𝟏. 𝟎𝟐𝟏𝟔𝟖𝟗𝟓
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡3 = 1 + 3 ∗ 0.1 = 1.3
𝑤4 ≈ 𝑤3 + ℎ ∗ 𝑓(𝑡3 , 𝑤3 )
𝑤4 ≈ 1.0216895 + 0.1 ∗ 𝑓(𝑡3 = 1.3, 𝑤3 = 1.0216895)

1.0216895 1.0216895 2
𝑤4 ≈ 1.0216895 + 0.1 ∗ ( −( ) )
1.3 1.3
𝒘𝟒 ≈ 𝟏. 𝟎𝟑𝟖𝟓𝟏𝟒𝟖
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡4 = 1 + 4 ∗ 0.1 = 1.4
𝑤5 ≈ 𝑤4 + ℎ ∗ 𝑓(𝑡4 , 𝑤4 )
𝑤5 ≈ 1.0385148 + 0.1 ∗ 𝑓(𝑡4 = 1.4, 𝑤4 = 1.0385148)

1.0385148 1.0385148 2
𝑤5 ≈ 1.0385148 + 0.1 ∗ ( −( ) )
1.4 1.4
𝒘𝟓 ≈ 𝟏. 𝟎𝟓𝟕𝟔𝟔𝟖𝟑
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡5 = 1 + 5 ∗ 0.1 = 1.5
𝑤6 ≈ 𝑤5 + ℎ ∗ 𝑓(𝑡5 , 𝑤5 )
𝑤6 ≈ 1.0576683 + 0.1 ∗ 𝑓(𝑡5 = 1.5, 𝑤5 = 1.0576683)
1.0576683 1.0576683 2
𝑤6 ≈ 1.0576683 + 0.1 ∗ ( −( ) )
1.5 1.5
𝒘𝟔 ≈ 𝟏. 𝟎𝟕𝟖𝟒𝟔𝟏𝟐
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡6 = 1 + 6 ∗ 0.1 = 1.6
𝑤7 ≈ 𝑤6 + ℎ ∗ 𝑓(𝑡6 , 𝑤6 )
𝑤7 ≈ 1.0784612 + 0.1 ∗ 𝑓(𝑡6 = 1.6, 𝑤6 = 1.0784612)

1.0784612 1.0784612 2
𝑤7 ≈ 1.0784612 + 0.1 ∗ ( −( ) )
1.6 1.6
𝒘𝟕 ≈ 𝟏. 𝟏𝟎𝟎𝟒𝟑𝟐𝟑
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡7 = 1 + 7 ∗ 0.1 = 1.7
𝑤8 ≈ 𝑤7 + ℎ ∗ 𝑓(𝑡7 , 𝑤7 )
𝑤8 ≈ 1.1004323 + 0.1 ∗ 𝑓(𝑡7 = 1.7, 𝑤7 = 1.1004323)

1.1004323 1.1004323 2
𝑤8 ≈ 1.1004323 + 0.1 ∗ ( −( ) )
1.7 1.7
𝒘𝟖 ≈ 𝟏. 𝟏𝟐𝟑𝟐𝟔𝟐𝟐
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡8 = 1 + 8 ∗ 0.1 = 1.8
𝑤9 ≈ 𝑤8 + ℎ ∗ 𝑓(𝑡8 , 𝑤8 )
𝑤9 ≈ 1.1232622 + 0.1 ∗ 𝑓(𝑡8 = 1.8, 𝑤8 = 1.1232622)

1.1232622 1.1232622 2
𝑤9 ≈ 1.1232622 + 0.1 ∗ ( −( ) )
1.8 1.8
𝒘𝟗 ≈ 𝟏. 𝟏𝟒𝟔𝟕𝟐𝟑𝟕
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡9 = 1 + 9 ∗ 0.1 = 1.9
𝑤10 ≈ 𝑤9 + ℎ ∗ 𝑓(𝑡9 , 𝑤9 )
𝑤10 ≈ 1.1467237 + 0.1 ∗ 𝑓(𝑡9 = 1.9, 𝑤9 = 1.1467237)

1.1467237 1.1467237 2
𝑤10 ≈ 1.1467237 + 0.1 ∗ ( −( ) )
1.9 1.9
𝒘𝟏𝟎 ≈ 𝟏. 𝟏𝟕𝟎𝟔𝟓𝟏𝟕
En este caso se va a realizar una iteración más debido a que el primer término ya se daba
como dato, pero igual se procedió a iterar.
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ) 𝑡10 = 1 + 10 ∗ 0.1 = 2
𝑤11 ≈ 𝑤10 + ℎ ∗ 𝑓(𝑡10 , 𝑤10 )
𝑤11 ≈ 1.1706517 + 0.1 ∗ 𝑓(𝑡10 = 2, 𝑤9 = 1.1706517)

1.1706517 1.1706517 2
𝑤11 ≈ 1.1706517 + 0.1 ∗ ( −( ) )
2 2
𝒘𝟏𝟏 ≈ 𝟏. 𝟏𝟗𝟒𝟗𝟐𝟑𝟔
EJERCICIO 4. A continuación, se dan las soluciones reales a los problemas de valor

inicial del ejercicio 3.
Calcule el error en las aproximaciones del ejercicio 3.

a.
𝒕
𝒚(𝒕) =
𝟏 + 𝐥𝐧(𝒕)
SOLUCIÓN
Gracias a que nos dan la solución real del ejercicio 3a solo voy a proceder a aproximar los
valores calculados.
𝑡
𝑦(𝑡) =
1 + ln(𝑡)
 𝑡0 = 1
1
𝑦 (1) = =1
1 + ln(1)
 𝑡1 = 1.1
1.1
𝑦(1.1) = = 1.0042817
1 + ln(1.1)
 𝑡2 = 1.2
1.2
𝑦(1.2) = = 1.0149523
1 + ln(1.2)
 𝑡3 = 1.3
1.3
𝑦(1.3) = = 1.0298137
1 + ln(1.3)
 𝑡4 = 1.4
1.4
𝑦(1.4) = = 1.0475339
1 + ln(1.4)
 𝑡5 = 1.5
1.5
𝑦(1.5) = = 1.0672624
1 + ln(1.5)
 𝑡6 = 16
1.6
𝑦(1.6) = = 1.0884327
1 + ln(1.6)
 𝑡7 = 1.7
1.7
𝑦(1.7) = = 1.1106551
1 + ln(1.7)
 𝑡8 = 1.8
1.8
𝑦(1.8) = = 1.1336536
1 + ln(1.8)
 𝑡9 = 1.9
1.9
𝑦(1.9) = = 1.1572284
1 + ln(1.9)
 𝑡10 = 2
2
𝑦 (2) = = 1.1812322
1 + ln(2)
 Una vez obtenido los resultados del ejercicio 3a y 4a procedemos a comparar los
resultados y utilizar una interpolación lineal para aproximar:
y (1.25) y
y (1.93)
t Método de Euler (w) Valor real Error

y(t) |𝑦(𝑡) − 𝑤|
1 1 1 0
1.1 1.0082645 1.0042817 0.0039828
1.2 1.0216895 1.0149523 0.0067372
1.3 1.0385148 1.0298137 0.0087011
1.4 1.0576683 1.0475339 0.0101344
1.5 1.0784612 1.0672624 0.0111988
1.6 1.1004323 1.0884327 0.0119996
1.7 1.1232622 1.1106551 0.0126071
1.8 1.1467237 1.1336536 0.0130701
1.9 1.1706517 1.1572284 0.0134233
2 1.1949236 1.1812322 0.0136914
 Haciendo uso de la interpolación lineal vamos a aproximar y (1.25)

t Método de Euler (w)
1.2 1.0216895
1.25 w
1.3 1.0385148
1.0385148 − 1.0216895
𝑤 = 1.0216895 + ∗ (1.25 − 1.2)
1.3 − 1.2
→ 𝒚(𝟏. 𝟐𝟓) ≈ 𝟏. 𝟎𝟑𝟎𝟏𝟎𝟐𝟐 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏. 𝟐𝟓
𝒚(𝟏. 𝟐𝟓) = = 𝟏. 𝟎𝟐𝟏𝟗𝟓𝟔𝟗 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟏 + 𝐥𝐧(𝟏. 𝟐𝟓)
𝑬𝒓𝒓𝒐𝒓 = |𝒚(𝒕) − 𝒘| = |𝟏. 𝟎𝟐𝟏𝟗𝟓𝟔𝟗 − 𝟏. 𝟎𝟑𝟎𝟏𝟎𝟐𝟐| = 𝟎. 𝟎𝟎𝟖𝟏𝟒𝟓𝟑
 Haciendo uso de la interpolación lineal para aproximar y (1.93).
t Método de Euler (w)

1.9 1.1706517
1.93 w
2 1.1949236
1.1949236 − 1.1706517
𝑤 = 1.1706517 + ∗ (1.93 − 1.9)
2 − 1.9
→ 𝒚(𝟏. 𝟗𝟑) ≈ 𝟏. 𝟏𝟕𝟕𝟗𝟑𝟑𝟑 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝟏. 𝟗𝟑
𝒚(𝟏. 𝟗𝟑) = = 𝟏. 𝟏𝟔𝟒𝟑𝟗𝟎𝟐 𝑽𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
𝟏 + 𝐥𝐧(𝟏. 𝟗𝟑)
𝑬𝒓𝒓𝒐𝒓 = |𝒚(𝒕) − 𝒘| = |𝟏. 𝟏𝟔𝟒𝟑𝟗𝟎𝟐 − 𝟏. 𝟏𝟕𝟕𝟗𝟑𝟑𝟑 | = 𝟎. 𝟎𝟏𝟑𝟓𝟒𝟑𝟏
EJERCICIO 8. Use los resultados del ejercicio 3 y la interpolación lineal para

aproximar los siguientes valores de y(t). compare las aproximaciones obtenidas con los
valores reales obtenidos por medio de las funciones del ejercicio 4.
b) y(2.1) y y(2.75)
SOLUCIÓN
Aplicando el método del punto medio o el método de Euler para aproximar la solución del
problema de valor inicial
𝑦 𝑦 2
y′ = 1 + ( 𝑡 ) + ( 𝑡 ) , 1 ≤ 𝑡 ≤ 3, 𝑦(𝑡) = 0
Con el tamaño del paso h =0.2 y compare los resultados con la solución real
y(𝑡) = t ∗ tan(𝑙𝑛 𝑡) utilizando la tecnología Maple como se muestra a continuación
𝑏−𝑎
Ingrese los valores de 𝑎, 𝑏, ℎ, 𝑁 = ( ) , 𝑡1 =𝑎 + 𝑖 ∗ ℎ, 𝑦 𝑤 0= 𝜶
ℎ
>= 𝑟𝑒𝑠𝑡𝑎𝑟𝑡:
>𝐷𝑖𝑔𝑖𝑠𝑡𝑠: = 8 ; 𝑅𝑜𝑢𝑛𝑑𝑖𝑛𝑔: = 𝑛𝑒𝑎𝑟𝑒𝑠𝑡 ∶
>𝑤𝑖𝑡ℎ(𝑆𝑡𝑢𝑑𝑒𝑛𝑡[𝑁𝑢𝑚𝑒𝑟𝑖𝑐𝑎𝑙𝐴𝑛𝑎𝑙𝑦𝑠𝑖𝑠 ]) ∶
𝑏−𝑎
>𝑎: = 1: 𝑏: = 3: ℎ: = 0.2; 𝑁: = ( )
ℎ
h: = 0.2
N: = 10.000000
>𝑡𝑖 : = 𝑎 + 𝑖 ∗ ℎ
𝑡𝑖 : = 0.2𝑖 + 1
>𝑤0 : = 0
𝑤0 : = 0
Continuando con los comandos de arce anteriores, calcule

ℎ
𝑤𝑖+1 = 𝑤1 + ℎ ∗ 𝑓 (𝑡1 + 2 , 𝑤𝑖 + 𝑓(𝑡𝑖 , 𝑤𝑖 ))
𝑤 𝑤 2
>𝑓 (𝑡𝑖 , 𝑤𝑖 ): = 1 + ( 𝑡 𝑖) + ( 𝑡 𝑖)
𝑖 𝑖
𝑖 𝑤 𝑖 𝑤2
𝑓 (0.2𝑖 + 1, 𝑤𝑖 ): = 1 + 0.2𝑖+1 + (0.2𝑖+1) 2
ℎ
>𝑣𝑖 : = 𝑤𝑖 + 2 ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 )
0.1000000𝑤𝑖 0.1000000𝑤𝑖 2
𝑣𝑖 : = 𝑤𝑖 + 0.1000000 + + (0.2𝑖+1)2
0.2𝑖+1
A continuación de lo anterior
ℎ
>𝑢𝑖 : = 𝑡𝑖 + 2
𝑢𝑖 : = 0.2𝑖 + 1.1000000
𝑣 𝑣 2
>𝑓 (𝑢𝑖 , 𝑣𝑖 ): = 1 + (𝑢𝑖 ) + (𝑢𝑖 ) :
𝑖 𝑖
>𝑀𝑖𝑑𝑝𝑜𝑖𝑛𝑡𝑀𝑒𝑡ℎ𝑜𝑑: = 𝑤𝑖+1 = 𝑤𝑖 + ℎ ∗ 𝑓(𝑢𝑖 , 𝑣𝑖 ) ∶

𝑓𝑜𝑟 𝑖 𝑓𝑟𝑜𝑚 0 𝑡𝑜 (𝑁 − 1) 𝑑𝑜 𝑤𝑖+1 : = 𝑤𝑖 + ℎ ∗ (1 +
0.1000000𝑤𝑖 0.1000000𝑤𝑖 2 0.1000000𝑤𝑖 0.1000000𝑤𝑖 2

2
𝑤𝑖 +0.1000000+ + 𝑤𝑖 +0.1000000+ +
0.2𝑖+1 (0.2𝑖+1)2 0.2𝑖+1 (0.2𝑖+1)2
( )+( ) ) 𝑒𝑛𝑑 𝑑𝑜
0.2𝑖+1.1000000 0.2𝑖+1.1000000
𝑤1 ≔ 0.21983472
𝑤2 ≔ 0.48617706
𝑤3 ≔ 0.80617706
𝑤4 ≔ 1.1884393
𝑤5 ≔ 1.6438890
𝑤6 ≔ 2.1868610
𝑤7 ≔ 2.8364359
𝑤8 ≔ 3.6184928
𝑤9 ≔ 4.5688947
𝑤10 ≔ 5.7386479
Calcule las soluciones reales utilizando la tecnología de arce como se muestra a
continuación.
>= 𝑟𝑒𝑠𝑡𝑎𝑟𝑡:
>𝐷𝑖𝑔𝑖𝑠𝑡𝑠: = 8 ; 𝑅𝑜𝑢𝑛𝑑𝑖𝑛𝑔: = 𝑛𝑒𝑎𝑟𝑒𝑠𝑡 ∶
>𝑤𝑖𝑡ℎ(𝑆𝑡𝑢𝑑𝑒𝑛𝑡[𝑁𝑢𝑚𝑒𝑟𝑖𝑐𝑎𝑙𝐴𝑛𝑎𝑙𝑦𝑠𝑖𝑠 ]) ∶
𝑦(𝑡) 𝑦(𝑡) 2
>𝑑𝑒𝑞: = 𝑑𝑖𝑓𝑓 (𝑦(𝑡), 𝑡) = 1 + ( )+( )
𝑡 𝑡
ⅆ 𝑦(𝑡) 𝑦(𝑡)2
𝑑𝑒𝑞: = ⅆ𝑡 𝑦(𝑡) = 1 + +
𝑡 𝑡
>𝑖𝑛𝑖𝑡: = 𝑦(1) = 0
𝑖𝑛𝑖𝑡: = 𝑦(1) = 0
>𝑑𝑒𝑞𝑠𝑜𝑙: = 𝑑𝑠𝑜𝑙𝑣𝑒({𝑑𝑒𝑞, 𝑖𝑛𝑖𝑡 }, 𝑦(𝑡))
𝑑𝑒𝑞𝑠𝑜𝑙: = 𝑦(𝑡) = 𝑡 ∗ tan(ln(𝑡))
>𝒇𝒐𝒓 𝑡 𝒇𝒓𝒐𝒎 1 𝒃𝒚 0.2 𝒕𝒐 3 𝒅𝒐 𝑦(𝑡): = (𝑡 ∗ tan(𝑙𝑛(𝑡))) 𝒆𝒏𝒅 𝒅𝒐
𝑦 (1) ≔ 0
𝑦(1.2) ≔ 0.22124278
𝑦(1.4) ≔ 0.48968167
𝑦(1.6) ≔ 0.81275274
𝑦(1.8) ≔ 1.1994386
𝑦(2.0) ≔ 1.6612818
𝑦(2.2) ≔ 2.2135018
𝑦(2.4) ≔ 2.8765514
𝑦(2.6) ≔ 3.6784753
𝑦(2.8) ≔ 4.6586649
𝑦(3.0) ≔ 5.8741002
Resultado las soluciones aproximadas al problema del valor inicial dado e algunos
Los puntos se muestran a continuación.
Nodos Método de punto Soluciones
𝑡𝑖 medio reales
𝑤𝑖 𝑦(𝑡𝑖 )
1.6 0.80618490 0.81275274
2.0 1.6438890 1.6612818
2.4 2.8364359 2.8765514
2.8 4.5688947 4.6586649
Ahora aplicando la interpolación lineal para aproximar los valores de y(t) y comparando
los resultados con el valor real para y(2.1).
Calculando una aproximación a un punto intermedio en la tabla t = 2.1 usando
interpolación lineal en las aproximaciones del método del punto medio en t = 2.0 y t = 2.2
Con la tecnología Maple como se muestra a continuación
𝑥−2.2 𝑥−2.0
>𝑦(𝑥 ): = (2.0−2.2) ∗ 𝑤5 + (2.2−2.0) ∗ 𝑤6
(𝑥−2.2)𝑤5 (𝑥−2.0)𝑤6
𝑦: = 𝑥 → +
2.0−2.2 2.2−2.0
>𝑦(2.1)
1.9153750
Ahora aplicando la interpolación lineal para aproximar los valores de y(t) y comparando
los resultados con el valor real para y(2.75)
Calculando una aproximación a un punto intermedio en la tabla t = 2.75 usando
interpolación lineal en las aproximaciones del método de punto medio en la t =2.6 y t = 2.8
tecnología Maple como se muestra a continuación
𝑥−2.8 𝑥−2.6
>𝑦(𝑥 ): = (2.6−2.8) ∗ 𝑤8 + (2.8−2.6) ∗ 𝑤9
(𝑥−2.8)𝑤8 (𝑥−2.6)𝑤9
𝑦: = 𝑥 → +
2.6−2.8 2.8−2.6
>𝑦(2.75)
4.3312942
Calcule las soluciones reales y(2.1) y y(2.75) utilizando la tecnología Maple como se
muestra a continuación:
>𝑟𝑒𝑠𝑡𝑎𝑟𝑡:
>𝐷𝑖𝑔𝑖𝑡𝑠: = 8: 𝑅𝑜𝑢𝑛𝑑𝑖𝑛𝑔: = 𝑛𝑒𝑎𝑟𝑒𝑠𝑡:
>𝑤𝑖𝑡ℎ(𝑆𝑡𝑢𝑑𝑒𝑛𝑡[𝑁𝑢𝑚𝑒𝑟𝑖𝑐𝑎𝑙𝐴𝑛𝑎𝑙𝑦𝑠𝑖𝑠 ]):
𝑦(𝑡) 𝑦(𝑡) 2
>𝑑𝑒𝑞: = 𝑑𝑖𝑓𝑓 (𝑦(𝑡), 𝑡) = 1 + ( )+( )
𝑡 𝑡
𝑑𝑒𝑞: = ⅆ𝑡 𝑦(𝑡) = 1 + +
𝑡 𝑡
>𝑖𝑛𝑖𝑡: = 𝑦(1) = 0
𝑖𝑛𝑖𝑡: = 𝑦(1) = 0
>𝑑𝑒𝑞𝑠𝑜𝑙: = 𝑑𝑠𝑜𝑙𝑣𝑒({𝑑𝑒𝑞, 𝑖𝑛𝑖𝑡 }, 𝑦(𝑡))
𝑑𝑒𝑞𝑠𝑜𝑙: = 𝑦(𝑡) = 𝑡 ∗ tan(ln(𝑡))
>𝑣: = 𝑟ℎ𝑠(𝑑𝑒𝑞𝑠𝑜𝑙 ): 𝑒𝑣𝑎𝑙𝑓(𝑠𝑢𝑏𝑠(𝑡 = 2.1, 𝑣))
= 1.9249616
>𝑣: = 𝑟ℎ𝑠(𝑑𝑒𝑞𝑠𝑜𝑙 ): 𝑒𝑣𝑎𝑙𝑓(𝑠𝑢𝑏𝑠(𝑡 = 2.75, 𝑣))
= 4.3941697
Resultado. Por lo tanto, los valores de interpolación lineal utilizando el método de punto
medio.
Los valores están dados por
Valores Valores de interpolación de línea Valores
intermedios 𝑦(𝑡) actuales
𝑡 𝑦(𝑡)
1.25 1.0227862 1.0219569

1.93 1.1649246 1.1643902
8.c. 𝒚(𝟏. 𝟒)𝒚 𝒚(𝟏. 𝟗𝟑)

Solución:
El ejercicio 3 nos pide aproximar el problema de valor inicial mediante el método de Euler
y el ejercicio 4 nos brinda la solución real.
Por lo tanto, tenemos lo siguiente:
3.c. 𝑦 ′ = −(𝑦 + 1)(𝑦 + 3); 0 ≤ 𝑡 ≤ 2 ; 𝑦(0) = −2; ℎ = 0.2
2
4.c. 𝒔𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙: 𝑦(𝑡) = −3 + 1+𝑒 −2𝑡
Ahora, el método de Euler se denota de la siguiente manera:

𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )
Ahora definimos:
𝑏 = 2; 𝑎=0
𝑏−𝑎 2
ℎ= = → 𝑛 = 10 𝑝𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟𝑒𝑚𝑜𝑠 10 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠.
𝑛 𝑛
𝑦 ′ = −(𝑦 + 1)(𝑦 + 3) → 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −(𝑤𝑖 + 1)(𝑤𝑖 + 3)
2 2
𝑦(𝑡) = −3 + → 𝑦 ( 𝑡𝑖 ) = −3 +
1 + 𝑒 −2𝑡 1 + 𝑒 −2𝑡𝑖
Para 𝒊 = 𝟎; 𝑡𝑖 = 0.2𝑖 = 0; 𝑤0 = −2
𝑤1 = 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 )
𝑤1 = −2 + 0.2 ∗ 𝑓(0 , −2)
𝑤1 = −2 + 0.2[−(−2 + 1)(−2 + 3)]
𝑤1 = −1.8
La solución exacta es:
2
𝑦1 = 𝑦(𝑡1 ) = −3 + = −1.8026247
1 + 𝑒 −2∗.0.2
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | =0.0026247
Para 𝒊 = 𝟏; 𝑡𝑖 = 0.2𝑖 = 0; 𝑤1 = −1.8
𝑤2 = 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 )
𝑤2 = −1.8 + 0.2 ∗ 𝑓(0.2 , −1.8)
𝑤2 = −1.8 + 0.2[−(−1.8 + 1)(−1.8 + 3)]
𝑤2 = −1.6080

2
𝑦2 = 𝑦(𝑡2 ) = −3 + = −1.6200510
1+𝑒 −2∗.0.4
𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 0.0120510
Para 𝒊 = 𝟐; 𝑡𝑖 = 0.2𝑖 = 0; 𝑤2 = −1.6080

𝑤3 = 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 )
𝑤3 = −1.6080 + 0.2 ∗ 𝑓(0.4 , −1.6080)
𝑤3 = −1.6080 + 0.2[−(−1.6080 + 1)(−1.6080 + 3)]
𝑤3 = −1.4387328

2
𝑦3 = 𝑦(𝑡3 ) = −3 + 1+𝑒 −2∗.0.6 = −1.4629504
𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 0.0242176

El procedimiento es el mismo para encontrar todas las aproximaciones. La siguiente tabla
nos muestra los resultados obtenidos de las aproximaciones mediante el método de Euler,
así como también las soluciones exactas.
Para aproximar 𝑦(1.4), necesitamos una interpolación lineal entre dos puntos, los cuales
son: (1.2 , −1.1274909) y (1.6 , −1.0491191).
El método de interpolación lineal se denota de la siguiente manera:
𝑦(𝑡1 ) − 𝑦(𝑡0 )
𝑦(𝑡) = 𝑦(𝑡0 ) + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
𝑦(𝑡1 ) = −1.0491191
𝑦(𝑡0 ) = −1.1274909
𝑥1 = 1.6
𝑥0 = 1.2
Entonces:
−1.0491191 − (−1.1274909)
𝑦(1.4) = −1.1274909 + (𝑥 − 1. .2)
1.6 − 1.2
𝑦(1.4) = −1.1274909 + 0.1959295(1.4 − 1.2)
𝑦(1.4) = −𝟏. 𝟎𝟖𝟖𝟑𝟎𝟓
2 2
𝑦(1.4) = −3 + = −3 + = −𝟏. 𝟏𝟏𝟒𝟔𝟒𝟖𝟒
1 + 𝑒 −2𝑡 1 + 𝑒 −2∗1.4
Finalmente:
−𝟏. 𝟏𝟏𝟒𝟔𝟒𝟖𝟒 = 𝑦(1.4) ≈ −𝟏. 𝟎𝟖𝟖𝟑𝟎𝟓
Para aproximar 𝑦(1.93), necesitamos una interpolación lineal entre dos puntos, los cuales
son: (1.8 , −1.0299540) y (2 , −1.0181518).
El método de interpolación lineal se denota de la siguiente manera:
𝑦(𝑡1 ) − 𝑦(𝑡0 )
𝑦(𝑡) = 𝑦(𝑡0 ) + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
𝑦(𝑡1 ) = −1.0181518
𝑦(𝑡0 ) = −1.0299540
𝑥1 = 2
𝑥0 = 1.8
Entonces:
−1.0181518 − (−1.0299540)
𝑦(1.93) = −1.0299540 + (𝑥 − 1. .8)
2 − 1.8
𝑦(1.93) = −1.0299540 + 0.0590110(1.93 − 1.8)
𝑦(1.93) = −𝟏. 𝟎𝟐𝟐𝟐𝟖𝟐𝟔
2 2
𝑦(1.93) = −3 + −2𝑡
= −3 + = −𝟏. 𝟎𝟒𝟏𝟐𝟔𝟔𝟔
1+𝑒 1 + 𝑒 −2∗1.4
Finalmente:
−𝟏. 𝟎𝟒𝟏𝟐𝟔𝟔𝟔 = 𝑦(1.93) ≈ −𝟏. 𝟎𝟐𝟐𝟐𝟖𝟐𝟔
EJERCICIO 9.
ℎ𝑀 𝛿
Sea E(ℎ) = +
2 ℎ
𝑎) En el problema de valor inicial
y'=-y+1, 0 ≤ 𝑡 ≤ 1, y(0)=0
calcule el valor de h con el que E(ℎ) se reduce al mínimo, suponga 𝛿 = 5 ∗ 10−(𝑛+1) ,
𝑠𝑖 está empleando la aritmética de n dígitos en el inciso(𝑐).
𝑏) para el h óptimo calculado en el inciso (𝑎) determine, con la ecuación
1 ℎ𝑀 𝛿
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ ( + ) [𝑒 𝐿(𝑡𝑖 −𝑎) ], 𝑒𝑙 error mínimo obtenible.
𝐿 2 ℎ
𝑐) Compare el error real obtenido al utilizar h=0.1 y h=0.01 con el error mínimo del inciso
(𝑏).
¿Puede explicar los resultados?
1 ℎ𝑀 δ
Ecuación 5.13: |𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ 𝐿 ( + ℎ) [𝑒 𝐿(𝑡𝑖 −𝑎) ]
2
a. Para esto, minimicemos 𝐸 (ℎ) por medio de sus derivadas.

𝑀 𝛿
𝐸 ′ (ℎ ) = −
2 ℎ2
E igualemos a 0, esto es:
𝑀 δ δ δ
= 2 → ℎ2 = →ℎ=√
2 ℎ 2𝑀 2𝑀
Y veamos si es máximo o mínimo, evaluándolo en la segunda derivada:
δ 2δ
𝐸 ′′ (√ )= 3
2𝑀 ℎ
2δ √2𝑀2δ
= = = √8𝑀δ
√δ √δ
√2𝑀
δ
Entonces, si 𝑀δ > 0 vamos a obtener que ℎ = √2𝑀 es un mínimo, de lo contrario no
tiene sentido, ya que entra en el campo de los números complejos.
Ahora, solucionemos la ecuación diferencial 𝑦 ′ = −𝑦 + 1 por variables separables, esto

es, separaremos nuestras variables 𝑥 y 𝑦 e integraremos respectivamente.
𝑑𝑦
= −𝑦 + 1
𝑑𝑡
𝑑𝑦
= 𝑑𝑡
1−𝑦
𝑑𝑦
∫ = ∫ 𝑑𝑡
1−𝑦
−𝑙𝑜𝑔(𝑦 − 1) = 𝑡 + 𝐶
𝑒 𝑙𝑜𝑔(𝑦−1) = 𝑒 −𝑡+𝐶
𝑦 = 𝑐𝑒 −𝑡 + 1
Ahora, evaluemos en nuestra condición inicial 𝑦(0) = 0
𝑦(0) = 𝑐𝑒 −0 + 1
0 = 𝑐+1
𝑐 = −1
Teniendo como solución:
𝑦 = 1 − 𝑒 −𝑡
1 ℎ𝑀 𝛿
b. Ec. 5.13: |𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ 𝐿 ( + ℎ) [𝑒 𝐿(𝑡𝑖 −𝑎) ]
2
δ
Para obtener el error mínimo sostenible debemos evaluar ℎ por nuestra √2𝑀
δ
1 √2𝑀 𝑀 𝛿
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ + [𝑒 𝐿(𝑡𝑖 −𝑎) ]
𝐿 2
√ δ
( 2𝑀)
1 𝑀√δ δ√2𝑀
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ ( + ) [𝑒 𝐿(𝑡𝑖 −𝑎) ]
𝐿 2√2𝑀 √δ
1 √δ𝑀
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ ( + √2δ𝑀) [𝑒 𝐿(𝑡𝑖 −𝑎) ]
𝐿 2√2
Aquí obtenemos un error mínimo sostenible que depende de las variables 𝐿, δ, 𝑀, 𝑡𝑖 , 𝑢𝑖 , 𝑎
c. Comparemos el error real con el error mínimo sostenible

 Cuando ℎ = 0.1
1 (0.1)𝑀 𝛿
|𝒚(𝒕𝒊 ) − 𝒖𝒊 | ≤ ( + ) [𝑒 𝐿(𝑡𝑖−𝑎) ]
𝐿 2 (0.1)
 Cuando ℎ = 0.01
1 (0.01)𝑀 𝛿
|𝒚(𝒕𝒊 ) − 𝒖𝒊 | ≤ ( + ) [𝑒 𝐿(𝑡𝑖 −𝑎) ]
𝐿 2 (0.01)
9b.
b) Determine, con la ecuación (5.13), el error mínimo obtenible.
Solución:
1 ℎ⋅𝑀 𝛿
Ec. (5.13): |𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ ( + ) [𝛿 𝐿(𝑡𝑖 −𝑎) ]
𝐿 2 ℎ
𝛿
Para obtener error mínimo sostenible debemos evaluar h por nuestra √2𝑀
𝛿
1 √2𝑀 𝛿
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ + [𝛿 𝐿(𝑡𝑖 −𝑎) ]
2 2
√ 𝛿
( 2𝑀)
1 𝑀√𝛿 𝛿√2𝑀
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ ( + ) [𝛿 𝐿(𝑡𝑖−𝑎) ]
2 2√2𝑀 √𝛿
1 √𝛿𝑀
|𝑦(𝑡𝑖 ) − 𝑢𝑖 | ≤ ( + √2𝛿𝑀) [𝛿 𝐿(𝑡𝑖 −𝑎) ]
2 2√2
Aquí obtenemos un error mínimo sostenible que depende de las variables L, 𝛿, M, ti, ui, a.
EJERCICIO 11. En un libro titulado Looking at History Through Mathematics, Rushevsky.

Se propone un modelo de un problema referente a la aparición de no conformistas de la
sociedad. Suponga que una sociedad tiene una población de x(t) individuos en el tiempo t, en
años, y que todos los no conformistas que tienen relaciones sexuales con otros no
conformistas engendran hijos que también son no conformistas, mientras que una
proporción fija r del resto de los hijos también son nos conformistas. Si supone que las tasas
de natalidad y mortalidad de todos los individuos son las constantes b y d, respectivamente,
y si los conformistas y no conformistas tienen relaciones sexuales al azar, el problema se
puede expresar mediante las ecuaciones diferenciales:
𝑑𝑥(𝑡) 𝑑𝑥𝑛 (𝑡)

= (𝑏 − 𝑑 )𝑥 (𝑡 ) = (𝑏 − 𝑑 )𝑥𝑛 (𝑡) + 𝑟𝑏(𝑥(𝑡) − 𝑥𝑛 (𝑡))
𝑑𝑡 𝑑𝑡
a.
Solución.
Consideramos el problema del modelo matemático que involucra la producción de

inconformistas en una sociedad como se indica a continuación:
La sociedad tiene una población 𝑥(𝑡) individuos en el tiempo t, en años y todos los
inconformistas que se aparean con otros inconformistas tienen descendientes que son todos
inconformistas mientras que una proporción fija r de todos los demás también son
inconformistas.
Dado que se supone que las tasas de natalidad y muerte de todos los individuos son las
constantes b y d, respectivamente. Si conformistas e inconformistas se aparecen al azar ,
entonces el modelo.
El problema se puede representar en forma de ecuaciones diferenciales como se muestra a

continuación.
𝑑𝑥(𝑡) 𝑑𝑥(𝑡)
= (𝑏 − 𝑑 )𝑥 (𝑡 ) 𝑦 = (𝑏 − 𝑑 )𝑥𝑛 (𝑡) + 𝑟𝑏(𝑥 (𝑡) − 𝑥𝑛 (𝑡))
𝑑𝑡 𝑑𝑡
Donde 𝑥𝑛 (𝑡) denota el numero de inconformistas en la población en el momento t.
𝑛 𝑥 (𝑡)
Si la variable 𝑝(𝑡) = ( 𝑥(𝑡) ), se introduce para representar la población de los
inconformistas de la sociedad en t, ese momento demuestran que las ecuaciones diferenciales

dadas se pueden combinar y simplificar a la ecuación diferencial única.
𝑑𝑝(𝑡)
= 𝑟𝑏(1 − 𝑝(𝑡))
𝑑𝑡
El proceso de simplificación se muestra a continuación.
𝑑𝑥(𝑡)
= (𝑏 − 𝑑 )𝑥(𝑡) − − − − − − − − − − − − − − − − − − − −(1)
𝑑𝑡
ⅆ𝑥𝑛 (𝑡)
= (𝑏 − 𝑑 )𝑥𝑛 (𝑡) + 𝑟𝑏(𝑥(𝑡) − 𝑥𝑛 (𝑡)) − − − − − − − − − (2)
ⅆ𝑡
Continuación de lo anterior.
𝑥 𝑛 (𝑡 )
𝑝( 𝑡 ) = ( ) {𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑟 𝑝(𝑡)}
𝑥 (𝑡 )
𝑑𝑝(𝑡)
= (𝑡 ) × 𝑥 (𝑡 ) {𝑝𝑜𝑟 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑑𝑒 𝑐𝑟𝑜𝑜𝑠}
𝑑𝑡
𝑑𝑝(𝑡) 𝑑(𝑝(𝑡) × 𝑥(𝑡))
= {𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑟 𝑐𝑎𝑑𝑎 𝑙𝑎𝑑𝑜 𝑐𝑜𝑛
𝑑𝑡 𝑑𝑡
𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 (𝑇)}
b. Suponiendo que p(0)=0.01, b=0.02, d=0.015 y r=0.1, aproxime la solución p(t) de t=0
a t=50 cuando el tamaño de paso es h=1 año.
SOLUCION
Reemplazamos los datos en las ecuaciones diferenciales:
ⅆ𝑥(𝑡)
ⅆ𝑡
= (0.02 − 0.015)𝑥(𝑡) = 0.005𝑥(𝑡)
ⅆ𝑥𝑛 (𝑡)
= (0.02 − 0.015)𝑥𝑛 (𝑡) + (0.1)(0.02)(𝑥(𝑡) − 𝑥𝑛 (𝑡)) = 0.005𝑥𝑛 (𝑡) + 0.002𝑥(𝑡) −
ⅆ𝑡
0.002𝑥𝑛 (𝑡)
ⅆ𝑥𝑛 (𝑡)
= 0.003𝑥𝑛 (𝑡) + 0.002𝑥(𝑡)
ⅆ𝑡
La solución exacta del PVI es 𝑥 (𝑡) = 𝑒 0.005𝑡−4.6051702

Esta solución la reemplazamos en la segunda ecuación diferencial:
ⅆ𝑥𝑛 (𝑡)
= 0.003𝑥𝑛 (𝑡) + 0.002𝑥 (𝑡) = 0.003𝑥𝑛 (𝑡) + 0.002𝑒 0.005𝑡−4.6051702
ⅆ𝑡
ⅆ𝑥𝑛 (𝑡)
= 0.003𝑥𝑛 (𝑡) + 0.002𝑥(𝑡) = 0.003𝑥𝑛 (𝑡) + 0.002𝑒 0.005𝑡−4.6051702
{ ⅆ𝑡
𝑝(0) = 0.01 = 𝑥(0) = 𝛼
ⅆ𝑥
= 𝑓 (𝑡; 𝑥 ) = 0.003𝑥 + 0.002𝑒 0.005𝑡−4.6051702 → 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 0.003𝑤𝑖 + 0.002𝑒 0.005𝑡𝑖 −4.6051702
ⅆ𝑡
 h=1
 𝑡𝑖 = 𝑎 + 𝑖ℎ = 0 + 𝑖 ∗ 1 = 𝑖
 𝑤 0 = 𝛼 = 0.01
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) ; 𝑖 = 0,1,2 ⋯ ,49
 Para i=0
𝑤1 = 𝑤0 + ℎ𝑓(𝑡0 ; 𝑤0 ) = 0.01 + 1(0.003 ∗ 0.01 + 0.002𝑒 0.005∗0−4.6051702 )
= 0.0100500
 Para i=1
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 ; 𝑤1 )
= 0.0100500 + 1(0.003 ∗ 0.0100500 + 0.002𝑒 0.005∗1−4.6051702 )
= 0.0101003
 Para i=2
𝑤3 = 𝑤2 + ℎ𝑓(𝑡2 ; 𝑤2 )
= 0.0101003 + 1(0.003 ∗ 0.0101003 + 0.002𝑒 0.005∗2−4.6051702 )
= 0.0101508
 Para i=3
𝑤4 = 𝑤3 + ℎ𝑓 (𝑡3 ; 𝑤3 )
= 0.0101508 + 1(0.003 ∗ 0.0101508 + 0.002𝑒 0.005∗3−4.6051702 )
= 0.0102016
i 𝑡𝑖 𝑤𝑖
0 0 0.01 i 𝑡𝑖 𝑤𝑖
1 1 0.0100500 26 26 0.0116884
2 2 0.0101003 27 27 0.0117462
3 3 0.0101508 28 28 0.0118043
4 4 0.0102016 29 29 0.0118627
5 5 0.0102526 30 30 0.0119214
6 6 0.0103039 31 31 0.0119804
7 7 0.0103554 32 32 0.0120397
8 8 0.0104072 33 33 0.0120993
9 9 0.0104592 34 34 0.0121592
10 10 0.0105115 35 35 0.0125477
11 11 0.0105641 36 36 0.0126092
12 12 0.0106169 37 37 0.0126710
13 13 0.0106700 38 38 0.0127291
14 14 0.0107234 39 39 0.0127915
15 15 0.0107770 40 40 0.0128542
16 16 0.0108309 41 41 0.0129172
17 17 0.0108851 42 42 0.0129805
18 18 0.0109395 43 43 0.0130441
19 19 0.0109942 44 44 0.0131080
20 20 0.0110492 45 45 0.0131172
21 21 0.0111045 46 46 0.0132368
22 22 0.0114598 47 47 0.0133017
23 23 0.0115165 48 48 0.0133669
24 24 0.0115735 49 49 0.0137933
25 25 0.0116308 50 50 0.0138602
 𝑤50 = 𝑤49 + ℎ𝑓 (𝑡49 ; 𝑤49 ) = 0.0137933 + 1(0.003 ∗ 0.0137933 +

0.002𝑒 0.005∗49−4.6051702 ) = 0.0138602
𝑥50 = 𝑥(𝑡50 ) = 𝑒 0.005𝑡50 −4.6051702 = 𝑒 0.005∗50−4.6051702 = 0.0128403
𝑒𝑟𝑟𝑜𝑟 = |𝑤50 − 𝑥50 | = 0.0010199
CONJUNTO
DE
EJERCICIOS
5.4
EJERCICIO 1
Aplique el método modificado de Euler para aproximar las soluciones de los siguientes
problemas de valor inicial y compare después los resultados con los valores reales.
(Collantes Fonseca Luis Fredy)
1
a. y' = te3t – 2y, 0≤ 𝑡 ≤ 1, y(0) = 0, con h = 0.5; solución real y(t)=5te3t +
1 1
𝑒 3𝑡 +25 𝑒 −2𝑡
25
 para el problema del valor inicial

y' = te3t – 2y, 0≤ 𝑡 ≤ 1, y(0) = 0, con h = 0.5 …….(1)
La solución exacta dada es
𝑡𝑒 3𝑡 𝑒 3𝑡 𝑒 −2𝑡
y(t)= + + …… (2)
5 25 25
 comparamos la ecuación diferencial dada con la forma general del problema de

valor inicial.
𝑦´ = 𝑓 (𝑡, 𝑦) 𝑎 ≤ 1 ≤ 𝑏, 𝑦(𝑎) =∝
Llegar
f(t , y) = te3t – 2y, ∝ = 𝑤0 = 𝑦0 = 0, 𝑡0 = 𝑎 = 0, 𝑏 = 1
aquí:
𝑡𝑖 = 𝑡0 + ℎ ∗ 𝑖
= 0 + 0.5*i
= 0.5i
El método de Euler Modificado de orden dos es:
𝑤0 =∝
ℎ
𝑤0+𝑖 = 𝑤𝑖 + 2 [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ 𝑥 𝑓(𝑡𝑖 , 𝑤𝑖 ))], para cada i = 0, 1, …, N-1
Ahora dado que
𝑤0 = 0
Entonces
0.5
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(0.5𝑖, 𝑤𝑖 ) + 𝑓((0.5𝑖 + 1), 𝑤𝑖 + 0.5 𝑓(0.5𝑖, 𝑤𝑖 ))]
2
0.5
𝑤1 = 𝑤0 + [𝑓(0.5(0),0) + 𝑓(0.5(0 + 1),0 + 0.5 𝑓 (0.5(0),0))]
2
0.5
𝑤1 = [𝑓(0,0) + 𝑓(0.5,0.5𝑥𝑓(0.0))]
2
0.5
𝑤1 = [0 + 𝑓 (0.5,0.5𝑥(0)]
2
0.5
𝑤1 = [0 + 𝑓 (0.5,0)]
2
0.5
𝑤1 = [0 + 2.240844535]
2
𝑤1 = 0.560211
Para:
0.5
𝑤2 = 𝑤1 + [𝑓(0.5(1), 𝑤𝑖 ) + 𝑓((0.5(1 + 1), 𝑤𝑖 + 0.5 𝑓(0.5(1), 𝑤𝑖 ))]
2
0.5
𝑤2 = 0.560211 + [𝑓(0.5,0.560211) + 𝑓(1,0.560211 + 0.5 𝑓 (0.5,0.560211))]
2
𝑤2 = 5.30149
La siguiente tabla muestra la comparación entre la solución aproximada y la solución

exacta
l ti wi y[t1] error[i]=|𝑦[𝑡𝑖 ] − 𝑤𝑖 |
1 0.5 0.560211 0.283617 0.276595
2 1 5.30149 3.2191 2.08239
a. Aplique el método modificado de Euler para aproximar las soluciones de los
siguientes problemas de valor inicial y compare después los resultados con los
valores reales. (Silva Bustamante José Ángel)
𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5
1 3𝑡 1 1
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑒 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
Tenemos que
ℎ = 0.1
𝑏−𝑎 1−0
ℎ= →𝑁= =2
𝑁 0.5
𝑡𝑖 = 𝑎 + ℎ𝑖
𝑡𝑖 = 0 + 0.5𝑖
𝑡𝑖 = 0.5𝑖
Cambio de variable “y” por “w”
𝑤0 = 𝑦(𝑡0 ) = 𝑦(0) = 0
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖
Formula modificada de Euler
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 ))]
2
𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑖 = 0, 1, … 𝑁 − 1; 𝑝𝑒𝑟𝑜 𝑐𝑜𝑚𝑜 𝑁 𝑒𝑠 2 , 𝑖 𝑣𝑎𝑟𝑖𝑎 𝑑𝑒𝑠𝑑𝑒 0 ℎ𝑎𝑠𝑡𝑎 1
𝐏𝐚𝐫𝐚 𝐢 = 𝟎, 𝐭𝟎 = 𝟎
ℎ
𝑤1 = 𝑤0 + [𝑓(𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 ))]
2
0.5
𝑤1 = 0 + [𝑓(𝑡0 , 𝑤0 ) + 𝑓(0.5 ,0 + 0.5𝑓 (𝑡0 , 𝑤0 ))]
2
𝑓 (𝑡0 , 𝑤0 ) = 𝑓 (0 , 0) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖 = 0

0.5
𝑤1 = [0 + 𝑓 (0.5 , 0 + 0.5 ∗ 0)]
2
0.5
𝑤1 = [𝑓(0.5,0)]
2
𝑓 (0.5 , 0) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖 = 0.5 ∗ 𝑒 3∗0.5 − 2 ∗ 0 = 2.2408445
0.5
𝑤1 = [2.2408445]
2
𝑤1 = 0.5602111
1 1 1
𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
𝑦(𝑡1 ) = 0.2836165
Error
|0.2836165 − 0.5602111| = 0.2765946
𝐏𝐚𝐫𝐚 𝐢 = 𝟏, 𝐭 𝟏 = 𝟎. 𝟓
ℎ
𝑤2 = 𝑤1 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
0.5
𝑤2 = 0.5602111 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(1 ,0.5602111 + 0.5𝑓(𝑡1 , 𝑤1 ))]
2
𝑓 (𝑡1 , 𝑤1 ) = 𝑓(0.5 , 0.5602111) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖 = 1.1204223
0.5
𝑤2 = 0.5602111 + [1.1204223 + 𝑓 (1 , 0.5602111 + 0.5 ∗ 1.1204223)]
2
0.5
𝑤2 = 0.5602111 + [1.1204223 + 𝑓 (1 , 1.1204223)]
2
𝑓 (1 , 1.1204223) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖 = 1 ∗ 𝑒 3∗1 − 2 ∗ 1.1204223 = 17.8446923
0.5
𝑤2 = 0.5602111 + [1.1204223 + 17.8446923]
2
𝑤2 = 5.3014898
1 1 1
𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
𝑦(𝑡2 ) = 3.2190993
Error
|3.2190993 − 5.3014898| = 2.0823905
a. Aplique el método modificado de Euler para aproximar las soluciones de los

siguientes problemas de valor inicial y compare después los resultados con los
valores reales. (Vásquez Vásquez Deiner)
𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5
Solución real:
𝑦 (𝑡 ) = − +
5 25 25
SOLUCIÓN
Haciendo un cambio de variable nos queda:
𝑡=𝑥
𝑦 ′ = 𝑥𝑒 3𝑥 − 2𝑦, 0 ≤ 𝑥 ≤ 1, 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5
Solución real:
𝑥𝑒 3𝑥 𝑒 3𝑥 𝑒 −2𝑥
𝑦 (𝑥 ) = − +
5 25 25
Primeramente, vamos a calcular el número de iteraciones que se va a realizar.

𝑏−𝑎
ℎ=
𝑛
0≤𝑥≤1 𝑎=0 𝑏=1
ℎ = 0.5
1−0
𝑛= =2 2 𝐼𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑒 𝑣𝑎 ℎ𝑎 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟.
0.5
 Empleando el método modificado de Euler
Para el método modificado de Euler se van a utilizar las siguientes fórmulas.
𝑥𝑖+1 = 𝑥𝑖 + ℎ
𝑦̅𝑖+1 = 𝑦𝑖 + ℎ ∗ 𝑓(𝑥𝑖 , 𝑦𝑖 )
ℎ
𝑦𝑖+1 = 𝑦𝑖 + ∗ [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦̅𝑖+1 )]
2
Iteración 1 (i = 0)
𝑥0 = 0
𝑥𝑖+1 = 𝑥𝑖 + ℎ
𝑥1 = 0 + 0.5 = 0.5
 Calculando el valor real
𝑦 (𝑥 ) = − +
5 25 25
0.5𝑒 3∗0.5 𝑒 3∗0.5 𝑒 −2∗0.5

𝑦(0.5) = − + = 𝟎. 𝟐𝟖𝟑𝟔𝟏𝟔𝟓𝟐 𝑽𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍.
5 25 25
La función es 𝑓 (𝑥, 𝑦) = 𝑥𝑒 3𝑥 − 2𝑦
 Predicción
𝑦̅𝑖+1 = 𝑦𝑖 + ℎ ∗ 𝑓 (𝑥𝑖 , 𝑦𝑖 )
𝑦̅1 = 𝑦0 + ℎ ∗ 𝑓 (𝑥0 , 𝑦0 )
𝑦̅1 = 0 + 0.5 ∗ 𝑓 (𝑥 = 0, 𝑦 = 0)
𝑦̅1 = 0.5 ∗ (0 − 2 ∗ 0)
𝑦̅1 = 0
 Corrección
ℎ
𝑦𝑖+1 ≈ 𝑦𝑖 + ∗ [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦̅𝑖+1 )]
2
0.5
𝑦1 ≈ 𝑦0 + ∗ [𝑓 (𝑥0 , 𝑦0 ) + 𝑓(𝑥1 , 𝑦̅1 )]
2
𝑦1 ≈ 0 + 0.25 ∗ [0 + 𝑓 (𝑥1 = 0.5, 𝑦̅1 = 0)]
𝑦1 ≈ 0.25 ∗ [0.5 ∗ 𝑒 3∗0.5 − 2 ∗ 0]
𝒚𝟏 ≈ 𝟎. 𝟓𝟔𝟎𝟐𝟏𝟏𝟏𝟑 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑥1 = 0.5
𝑥2 = 𝑥1 + ℎ
𝑥2 = 0.5 + 0.5 = 1
𝑦 (𝑥 ) = − +
5 25 25
1 ∗ 𝑒 3 𝑒 3 𝑒 −2
𝑦 (1) = − + = 𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗𝟑𝟐 𝑽𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍.
5 25 25
La función es 𝑓 (𝑥, 𝑦) = 𝑥𝑒 3𝑥 − 2𝑦
 Predicción
𝑦̅2 = 𝑦1 + ℎ ∗ 𝑓(𝑥1 , 𝑦1 )
𝑦̅2 = 0.56021113 + 0.5 ∗ 𝑓 (𝑥 = 0.5, 𝑦 = 0.56021113)
𝑦̅2 = 0.56021113 + 0.5 ∗ (0.5𝑒 3∗0.5 − 2 ∗ 0.56021113)
𝑦̅2 = 1.12042227
 Corrección
ℎ
𝑦𝑖+1 ≈ 𝑦𝑖 + ∗ [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦̅𝑖+1 )]
2
0.5
𝑦2 ≈ 𝑦1 + ∗ [𝑓 (𝑥1 , 𝑦1 ) + 𝑓(𝑥2 , 𝑦̅2 )]
2
𝑦2 ≈ 0.56021113 + 0.25
∗ [𝑓(𝑥 = 0.5, 𝑦 = 0.56021113) + 𝑓(𝑥 = 1, 𝑦̅2 = 1.12042227)]
𝑦1 ≈ 0.56021113 + 0.25
∗ [0.5 ∗ 𝑒 3∗0.5 − 2 ∗ 0.56021113 + 1 ∗ 𝑒 3 − 2 ∗ 1.12042227]
𝒚𝟏 ≈ 𝟓. 𝟑𝟎𝟏𝟒𝟖𝟗𝟕𝟗 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
 Comparando
x Método de Euler Valor exacto Error

modificado (y) y(x) |𝑦 (𝑥 ) − 𝑦 |
0 0 0 0
0.5 0.56021113 0.28361652 0.27659461
1 5.30148979 3.21909932 2.08239047
a. Aplique el método de Euler para aproximar las soluciones de los siguientes

(Vásquez Núñez Neyser)
𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5;
1 1 1
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
SOLUCIÓN
𝑎 =0, 𝑏=1
Calculamos N
𝑏−𝑎 1−0
ℎ= → 0.5 = → 𝑁=2
𝑁 𝑁
𝑡𝑖 = 𝑎 + 𝑖ℎ = 0 + 𝑖 (0.5) = 0.5𝑖
𝑤0 = 𝛼 𝑦(𝑎) = 𝛼
𝑤0 = 0
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ), ∀𝑖 = 0,1
𝑓 (𝑡, 𝑦) = 𝑡𝑒 3𝑡 − 2𝑦 → 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖
1 1 1 1 1 1
𝑠𝑜𝑙 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡 → 𝑦(𝑡𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 𝑒 3𝑡𝑖 + 𝑒 −2𝑡𝑖
5 25 25 5 25 25
Para i=0
𝑤1 = 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 )
𝑤1 = 0 + 0.5(0𝑒 3∗0 − 2 ∗ 0) = 0 ← 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
1 1 1 1 1 3∗0.5 1
𝑦1 = 𝑦(𝑡1 ) = 𝑡1 𝑒 3𝑡1 − 𝑒 3𝑡1 + 𝑒 −2𝑡1 = 0.5𝑒 3∗0.5 − 𝑒 + 𝑒 −2∗0.5
5 25 25 5 25 25
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.2836165
Para i=1
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 )
𝑤2 = 0 + 0.5(0.5𝑒 3∗0.5 − 2 ∗ 0) = 1.1204223 ← 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
1 1 3𝑡 1 1 1 1
𝑦2 = 𝑦(𝑡2 ) = 𝑡2 𝑒 3𝑡2 − 𝑒 2 + 𝑒 −2𝑡2 = 1𝑒 3∗1 − 𝑒 3∗1 + 𝑒 −2∗1
5 25 25 5 25 25
𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 2.0986770
1.b. Aplique el método modificado de Euler para aproximar las soluciones de los
siguientes problemas de valor inicial y compare después los resultados con los valores
reales. (José Gabriel G)
𝟏
𝒃. 𝒚´ = 𝟏 + (𝒕 − 𝒚)𝟐 , 𝟐 ≤ 𝒕 ≤ 𝟑, 𝒚(𝟐) = 𝟏, 𝒄𝒐𝒏 𝒉 = 𝟎. 𝟓; 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒓𝒆𝒂𝒍 𝒚(𝒕) = 𝒕 + 𝟏−𝒕.
𝑦´ = 1 + (𝑡 − 𝑦)2 1
𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙: 𝑦(𝑡) = 𝑡 +
1−𝑡
𝑦(2) = 1
𝑦(3) =?
ℎ = 0.5
𝑪𝒂𝒎𝒃𝒊𝒐 𝒅𝒆 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒑𝒂𝒓𝒂 𝒖𝒏 𝒎𝒆𝒋𝒐𝒓 𝒂𝒏𝒂𝒍𝒊𝒔𝒊𝒔𝑳(𝒕 = 𝒙)
𝑦´ = 1 + (𝑥 − 𝑦)2
𝑦(2) = 1
𝑦(3) =?
ℎ = 0.5
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑛
𝑥𝑓 − 𝑥0 3−2
ℎ= → 0.5 = → 𝑛=2
𝑛 𝑛
𝑰𝒕𝒆𝒓𝒂𝒄𝒊ó𝒏 𝑵°𝟏 𝑰𝒕𝒆𝒓𝒂𝒄𝒊ó𝒏 𝑵°𝟐
𝒊=𝟎 𝒊=𝟏
𝑥1 = 𝑥0 + ℎ 𝑥1 = 𝑥1 + ℎ
𝑥1 = 2 + 0.5 𝑥1 = 2.5 + 0.5
𝑥1 = 2.5 𝑥1 = 3
𝑷𝒓𝒆𝒅𝒊𝒄𝒄𝒊ó𝒏: 𝑷𝒓𝒆𝒅𝒊𝒄𝒄𝒊ó𝒏:
̅ = 𝒚𝟎 + 𝒉𝒇(𝒙𝟎, 𝒚𝟎 ) ̅ = 𝒚𝟏 + 𝒉𝒇(𝒙𝟏, 𝒚𝟏 )
𝒀
𝒀
𝑌̅ = 1 + 0.5𝑓(𝑥0 = 2, 𝑦0 = 1) 𝑌̅ = 1.8125 + 0.5𝑓(𝑥1 = 0.5, 𝑦1 = 11.8125)
𝑌̅ = 1 + 0.5(2) 𝑌̅ = 1.8125 + 0.5(1.4726563)
𝑌̅ = 2 𝑌̅ = 2.5488282
𝑪𝒐𝒓𝒓𝒆𝒄𝒄𝒊ó𝒏: 𝑪𝒐𝒓𝒓𝒆𝒄𝒄𝒊ó𝒏:
𝒉 𝒉
̅ 𝟏 )] ̅ 𝟐 )]
𝒚𝟐 = 𝒚𝟏 + [𝒇(𝒙𝟏 , 𝒚𝟏 ) + 𝒇(𝒙𝟐 , 𝒀
𝒚𝟏 = 𝒚𝟎 + [𝒇(𝒙𝟎 , 𝒚𝟎 ) + 𝒇(𝒙𝟏 , 𝒀 𝟐
𝟐
0.5 0.5
𝑦1 = 1 + [2 + 𝑓(𝑥1 = 2.5, 𝑌̅1 = 2)] 𝑦2 = 1.8125 + [1.4726563 + 𝑓(𝑥1 = 3, 𝑌̅2 = 2.5488282)]
2 2
𝑦1 = 1 + 0.25[2 + 1.25] 𝑦2 = 1.8125 + 0.25[1.2035560]
𝑦1 = 1.8125 𝑦2 = 2.113389
𝑽𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍
𝒀(𝒙) = 𝟑. 𝟓
b. Aplique el método modificado de Euler para aproximar las soluciones de los

siguientes problemas de valor iniciales y compare después de los resultados con los
valores reales. (Barboza Miranda Moises).
b. 𝑌 ′ = 1 + (𝑡 − 𝑦)2 , 2 ≤ 𝑡 ≤ 3 𝑦(2) = 1, 𝑐𝑜𝑛 ℎ =

1
0.5, 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 + 1−𝑡
formula del método modificado de Euler y para el proceso iterativo
𝑥𝑖+1 = 𝑥𝑖 + ℎ
𝑦̅𝑖+1 = 𝑦𝑖 + ℎ ∗ 𝑓(𝑥𝑖 , 𝑦𝑖 )
ℎ
𝑦𝑖+1 = 𝑦𝑖 + [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓 (𝑥𝑖+1 , 𝑦̅𝑖+1 )]
2
𝑦 ′ = 1 + (𝑡 − 𝑦)2
( )
{ 𝑦 2 =1
1
solución real 𝑦(𝑡) = 𝑡 + 1−𝑡
𝑦(3) =?
ℎ = 0.5
𝑝𝑎𝑟𝑎 𝑝𝑜𝑑𝑒𝑟 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑟 𝑚𝑒𝑗𝑜𝑟 𝑐𝑜𝑛 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑐𝑖𝑜 ℎ𝑎𝑐𝑒𝑚𝑜𝑠 𝑢𝑛 𝑐𝑎𝑚𝑏𝑖𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 (𝑡 = 𝑥 )
𝑦 ′ = 1 + (𝑥 − 𝑦)2 = 𝒇(𝒙𝒊 , 𝒚𝒊 ) = 𝟏 + (𝒙𝒊 −𝒚𝒊 )𝟐

PVI { 𝑦 (2) = 1 1
solución real 𝑦(𝑥 ) = 𝑥 + 1−𝑥
𝑦(3) =?
ℎ = 0.5
𝑋𝑓 −𝑋0 𝑏−𝑎 3−2

Calculamos la variable 𝑛 = = 0.5 = =2 𝑛 = 2iter.
𝑛 𝑁 𝑛
Empezamos a iterar, hasta hallar y(3) 𝑥𝑖+1 = 𝑥𝑖 + ℎ ; 𝑥𝑖 = 𝑎 + 𝑖ℎ

𝑦0 = 𝟏
 Para i=0
𝑥𝑖+1 = 𝑥𝑖 + ℎ
𝑥1 = 𝑥0 + ℎ = 2 + 0.5 = 2.5 𝒙𝟏 = 𝟐. 𝟓
Predicción : 𝑦̅𝑖+1 = 𝑦1 + ℎ ∗ 𝑓(𝑥𝑖 , 𝑦𝑖 ) 𝑦̅1 = 𝑦0 + ℎ ∗ 𝑓 (𝑥0 , 𝑦0 )

= 1+0.5 (2 − 1)2 =2
𝐲̅𝟏 =2
𝑪𝒐𝒓𝒓𝒆𝒄𝒄𝒊ó𝒏
ℎ
𝑦𝑖+1 = 𝑦𝑖 + [𝑓 (𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦̅𝑖+1 )]
2
ℎ𝑎𝑙𝑙𝑎𝑚𝑜𝑠: 𝑓 (𝑥𝑖+1 , 𝑦̅𝑖+1 )= 𝑓(𝑥1 , 𝑦̅1 )= 𝟏 + (𝒙𝒊 − 𝑦̅1 )𝟐 = 𝟏 + (𝟐. 𝟓 − 2)𝟐 = 1.25
̅𝟏 )= 1.25
𝒇(𝒙𝟏 , 𝒚
ℎ
𝑦1 = 𝑦0 + [𝑓(𝑥0 , 𝑦0 ) + 𝑓 (𝑥1 , 𝑦̅1 )]
2
0.5
𝑦1 = 1+ [2 + 1.25 ]= 1.8125
2
𝒚𝟏 = 1.8125
𝒇(𝒙𝒊 , 𝒚𝒊 ) = 𝟏+ (𝒙𝒊 −𝒚𝒊 )𝟐
𝒇(𝒙𝟎 , 𝒚𝟎 ) = 𝟏+ (𝟐 − 𝟏)𝟐 =2
Solución real:
1
𝑦(𝑥 ) = 𝑥 + 1−𝑥
1
𝑦(𝑥𝑖 ) = 𝑋𝑖 + ; 𝒙𝟏 = 𝟐. 𝟓
1−𝑋𝑖
1 1
𝑦(𝑥𝑖 ) = 𝑥𝑖 + 1−𝑋 = 2.5+ 1−2.5=1.83333
𝑖
ERROR: |𝒇(𝒙𝟏 ) − 𝒚𝟏 | = 𝟎. 𝟎𝟐𝟎𝟖𝟑
𝑷𝒂𝒓𝒂 𝒊 = 𝟏
𝑥𝑖+1 = 𝑥𝑖 + ℎ ; 𝑥1 = 2 + 𝑖 ∗ 0.5 = 2 + 1 ∗ 0.5 = 2.5
; 𝑥2 = 𝑥1 + ℎ = 2.5 + 0.5 = 3 ; 𝑥2 =3
Predicción:
𝒇(𝒙𝒊 , 𝒚𝒊 ) = 𝟏+ (𝒙𝒊 −𝒚𝒊 )𝟐 = 1+ (𝟐. 𝟓 − 𝟏. 𝟖𝟏𝟐𝟓)𝟐 =1.47265625
𝑦̅𝑖+1 = 𝑦𝑖 + ℎ ∗ 𝑓 (𝑥𝑖 , 𝑦𝑖 ) ; 𝑦̅2 = 𝑦1 + ℎ ∗ 𝑓(𝑥𝑖 , 𝑦𝑖 ); 𝑦̅2 = 1.8125 + 0.5 ∗

1.47265625
̅𝟐 =2.5488281
𝒚
ℎ
𝑦𝑖+1 = 𝑦𝑖 + [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓 (𝑥𝑖+1 , 𝑦̅𝑖+1 )]
2
̅𝒊+𝟏 ) = 𝑓 (𝑥2 , 𝑦̅2 )= 𝟏 + (𝒙𝟐 − 𝑦̅2 )𝟐

𝒇(𝒙𝒊+𝟏 , 𝒚
= 𝟏 + (𝟑 − 2. 𝟓48828)𝟐 = 1.203556
0.5
Corrección: 𝑦2 = 1.8125 + [1.4726563 + 1.203556] =2.481553
2
𝒚𝟐 = 𝟐. 𝟒𝟖𝟏𝟓𝟓𝟑
Solución real:
1
𝑦(𝑥 ) = 𝑥 + 1−𝑥
1
𝑦(𝑥2 ) = 𝑥 + 1−𝑋 ; 𝒙𝟐 = 𝟑
𝑖
1 1
𝑦(𝑥2 ) = 𝑥 + 1−𝑋 = 3+ 1−3=2.5
2
ERROR: |𝒇(𝒙𝟐 ) − 𝒚𝟐 | = 𝟎. 𝟎𝟏𝟖𝟒𝟒𝟕
1.b (Bautista Vásquez Cristian)

𝒊𝒏𝒕𝒆𝒓𝒂𝒄𝒄𝒊𝒐𝒏 𝑵° 𝟐 … . 𝒊 = 𝟏
𝒙𝟏 = 𝑥1 + ℎ
𝒙𝟏 = 0.5 + 0.5
𝒙𝟏 = 𝑥1 + ℎ
𝒙𝟏 = 1
𝑷𝒓𝒆𝒅𝒊𝒄𝒄𝒊𝒐𝒏:
̅ 𝟐 = 𝑦1 + ℎ𝑓(𝑥1 , 𝑦1 )
𝒀
̅ 𝟐 = 0.5602111 + 0.5𝑓(𝑥1 = 0.5, 𝑦1 = 0.5602111)
𝒀
̅ 𝟐 = 0.5602111 + 0.5(1.1204223)
𝒀
̅ 𝟐 = 𝟏. 1204223
𝒀
𝑪𝒐𝒓𝒓𝒆𝒄𝒄𝒊ó𝒏
𝒉
𝒚𝟐 = 𝒚𝟏 + ̅ 𝟐 )]
[𝒇(𝒙𝟏 , 𝒚𝟏 ) + 𝒇(𝒙𝟐 , 𝒀
𝟐
𝟎. 𝟓
𝒚𝟐 = 𝟎. 5602111 + ̅ 𝟐 = 1.1204223)]
[1.1204223 + 𝒇(𝒙𝟐 = 𝟏, 𝒀
𝟐
𝒚𝟐 = 0.5602111 + 0.5(1.1204223)
𝒚𝟐 = 5.3014898
𝒚𝟐 = 5.3014898
𝑽𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍:
𝒀(𝒙) = 𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗𝟑
1.c (Ocsa Cubas Robi Willams)
1. c. Aplique el método modificado de Euler para aproximar las soluciones de los siguientes problemas
de valor inicial y compare después los resultados con los valores reales.
c. y'=1+y/t, 2  t  3 y(t)=2, con h=0.25; solución real y(t)=tlnt+2t
Ahora, podemos aplicar el método de Euler modificado para solucionar 𝑦 ′ = 1 + 𝑦/𝑡.
En nuestro caso, 𝑓 (𝑡, 𝑦) = 1 + 𝑦/𝑡 y se usará Python 3.9.5, para el cálculo rápido
# Importamos paqueterias
import math
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
# Definimos nuestra función f(x,y)
def fxy(t,y):
return 1+y/t
# Definimos nuestra función real, dada en el problema
def real(t):
return t*math.log(t) + 2*t
# Vectorizamos la solución real
yasol = np.vectorize(real)
# Datos iniciales h, x_0 y y_0
h = 0.25
t0 = 2
y0 = 2
# Creamos un arreglo base para poder dibujar
t = np.arange(2, 3.1, h)
y = np.zeros(t.size)
y[0] = y0
# Realizamos el método dado por la formula
for i in range(1, t.size):
y_intermediate = y[i-1] + h*fxy(t[i-1],y[i-1])
y[i] = y[i-1] + (h/2.0)*(fxy(t[i-1],y[i-1]) + fxy(t[i],y_intermediate))
# Se muestran en pantalla las soluciones
print("Valores de x: ",t)
print("Valores de y: ",y)
# Se pintan las soluciones aproximadas y la real
plt.plot(t,y,'r', label="Aprox")
plt.plot(t,yasol(t),'b', label="Real")
plt.legend()
# Se muestra
plt.savefig("4.svg")
plt.show()
El código anterior es usado en Python 3.9.5.
Y nos da como resultado:

𝑥 = 2, 2.25, 2.5, 2.75, 3
𝑦 = 2, 2.51388889,3.05570988, 3.6226445 , 4.21239249
Donde 𝑦 son las aproximaciones para el 𝑥 dado.
c. Tito Willan Narva Zamora
1≤𝑡≤2
𝑦
𝑦′ = 1 + 𝑡
𝑦(1) = 2 solución real: 𝑦(𝑡) = 𝑡𝑙𝑛(𝑡) + 2𝑡
𝑦(2) =?
{ ℎ = 0.25
Cambiamos de variable para un mejor análisis (t = x).
𝑦
𝑦′ = 1 + 𝑥
𝑦(1) = 2 solución real: 𝑦(𝑥) = 𝑥𝑙𝑛(𝑥) + 2𝑥
𝑦(2) =?
{ ℎ = 0.25
Calculamos n.
𝑥𝑓 − 𝑥𝑜
ℎ=
𝑛
2−1
0.25 =
𝑛
𝑛=4
𝐼𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑁º 1: 𝑖=0 𝐼𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑁º 2: 𝑖=1

𝑥1=𝑥𝑜 +ℎ 𝑥2 =𝑥1 +ℎ
𝑥1 =1+0.25 𝑥2 =1.25+0.25
𝑥1 =1.25 𝑥2 =1.5
𝑃𝑟𝑒ⅆ𝑖𝑐𝑐𝑖𝑜𝑛: 𝑃𝑟𝑒ⅆ𝑖𝑐𝑐𝑖𝑜𝑛:
𝑦̅1 =𝑦0 +ℎ𝑓(𝑥0,𝑦0 ) 𝑦̅2 =𝑦1 +ℎ𝑓(𝑥1,𝑦1 )
𝑦̅1 =2+0.25𝑓(𝑥0 =1,𝑦0 =2) 𝑦̅2 =2.625+0.25𝑓(𝑥1 =1.25,𝑦1 =2.625)
𝑦̅1 =2+0.25(2) 𝑦̅2 =2.625+0.25(3.1)
𝑦̅1 =2.5 𝑦̅2 =3.4
𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛: 𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛:
ℎ ℎ
𝑦1 =𝑦𝑜 + [𝑓(𝑥0 ,𝑦0 )+𝑓(𝑥1 ,𝑦̅1 )] 𝑦2 =𝑦1 + [𝑓(𝑥1,𝑦1 )+𝑓(𝑥2,𝑦̅2 )]
2 2
0.25 0.25
𝑦1 =2+ [2+𝑓(𝑥1 =1.25,𝑦̅1 =2.5)] 𝑦2 =2.625+ [3.1+𝑓(𝑥2=1.5,𝑦̅2 =3.4)]
2 2
0.25 0.25
𝑦1 =2+ [2+3] 𝑦2 =2.625+ [3.1+3.2666667]
2 2
𝑦1 =2.625 𝑦2 =3.4208333
𝐼𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑁º 3: 𝑖=2 𝐼𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑁º 4: 𝑖=3

𝑥3 =𝑥2 +ℎ 𝑥4 =𝑥3 +ℎ
𝑥3 =1.5+0.25 𝑥4 =1.75+0.25
𝑥3 =1.75 𝑥4 =2
𝑃𝑟𝑒ⅆ𝑖𝑐𝑐𝑖𝑜𝑛: 𝑃𝑟𝑒ⅆ𝑖𝑐𝑐𝑖𝑜𝑛:
𝑦̅3 =𝑦2 +ℎ𝑓(𝑥2 ,𝑦2 ) 𝑦̅4 =𝑦3 +ℎ𝑓(𝑥3,𝑦3 )
𝑦̅3 =3.4208333+0.25𝑓(𝑥2 =1.5,𝑦2 =3.4208333) 𝑦̅4 =4.2588293+0.25𝑓(𝑥3 =1.75,𝑦3 =4.2588293)
𝑦̅3 =3.4208333+0.25(3.2805555) 𝑦̅4 =4.2588293+0.25(3.4336167)
𝑦̅3 =4.2409722 𝑦̅4 =5.1172335
𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛:
ℎ
𝑦3 = 𝑦2 + 2 [𝑓(𝑥2 , 𝑦2 ) + 𝑓 (𝑥3 , 𝑦̅3 )]
0.25
𝑦3 = 3.4208333 + 2 [3.2805555 + 𝑓 (𝑥3 = 1.75, 𝑦̅3 = 4.2409722)]
0.25
𝑦3 = 3.4208333 + 2 [3.2805555 + 3.4234127]
𝑦3 = 4.2588293
𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛:
ℎ
𝑦4 = 𝑦3 + [𝑓(𝑥3 , 𝑦3 ) + 𝑓(𝑥4 , 𝑦̅4 )]
2
0.25
𝑦4 = 4.2588293 + 2 [3.4336167 + 𝑓(𝑥4 = 2, 𝑦̅4 = 5.1172335)]
0.25
𝑦4 = 4.2588293 + 2 [3.4336167 + 3.5586168]
𝑦4 = 5.1328585
Valor real
𝑦(𝑥) = 5.3862944
error absoluto:
5.3862944 − 5.1328585 = 0.2534359
c) Rojas Fonseca Wilser
𝑦
𝑦 ′ = 1 + , 1 ≤ 𝑡 ≤ 2,
𝑡
𝑦(1) = 2, 𝑐𝑜𝑛 ℎ = 0.25; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 ∗ ln(𝑡) + 2𝑡.
SOLUCIÓN:
Para el problema del valor inicial

𝑦
𝑦 ′ = 1 + 𝑡 , 1 ≤ 𝑡 ≤ 2, 𝑦(1) = 2, 𝑐𝑜𝑛 ℎ = 0.25 … … (1)
La solución exacta dada (como se indica en el ejercicio)
𝑦(𝑡) = 𝑡 ∗ log(𝑡) + 2𝑡 … … . . (2)
Compare la ecuación diferencial dada (1) con la forma general del problema de valor
inicial
𝑦 ′ = 𝑓(𝑡, 𝑦), 𝑎 ≤ 𝑡 ≤ 𝑏, 𝑦(𝑎) = 𝛼
Luego:
𝑦
𝑓 (𝑡, 𝑦) = 1 + 𝑡 , 𝛼 = 𝑤0 = 𝑦0 = 2, 𝑡0 = 𝑎 = 1, 𝑏 = 2
Aquí
𝑡𝑖 = 𝑡0 + ℎ ∗ 𝑖
= 1 + 0.25 ∗ 𝑖
El método de Euler modificado de orden dos es:
𝑤0 = 𝛼
ℎ
𝑤𝑖+1 = 𝑤𝑖 + 2 [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤1 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ))], 𝑓𝑜𝑟 𝑒𝑎𝑐ℎ 𝑖 = 0,1, … , 𝑁 − 1
Ahora dado que: 𝑤0 = 2
Entonces:
ℎ
𝑤𝑖+1 = 𝑤𝑖 + 2 [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤1 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ))]
0.25
= 𝑤𝑖 + [𝑓(1 + 0.25 ∗ 𝑖, 𝑤𝑖 ) + 𝑓(1 + 0.25(𝑖 + 1), 𝑤1 + 0.25 ∗ 𝑓 (1 + 0.25 ∗
2
𝑖, 𝑤𝑖 ))]
Por eso.
0.25
𝑤1 = 𝑤0 + [𝑓(1 + 0.25 ∗ 0, 𝑤0 ) + 𝑓(1 + 0.25(0 + 1), 𝑤0 + 0.25 ∗ 𝑓(1 + 0.25 ∗
2
0, 𝑤0 ))]
0.25
=2+ [𝑓(1,2) + 𝑓(1 + 0.25(1), 2 + 0.25 ∗ 𝑓 (1,2))]
2
=2.775
0.25
𝑤2 = 𝑤𝑖 + [𝑓(1 + 0.25 ∗ 1, 𝑤𝑖 )
2
+ 𝑓(1 + 0.25(1 + 1), 𝑤1 + 0.25 ∗ 𝑓(1 + 0.25 ∗ 1, 𝑤𝑖 ))]
0.25
= 2.775 + [𝑓(1.25, 2.775) + 𝑓(1.5, 2.775 + 0.25 ∗ 𝑓(1.25, 2.775))]
2
=3.60083
De manera similar, utilizando el método de Euler modificado, podemos encontrar 𝑤3 y 𝑤4
La siguiente tabla muestra la comparación entre la solución aproximada y la solución

exacta.
I 𝑡𝑖 𝑤𝑖 (𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜𝑠) 𝑦[𝑡𝑖 ] 𝐸𝑟𝑟𝑜𝑟[𝑖]

(valores = |𝑦[𝑡𝑖 ]
exactos) − 𝑤𝑖 |(𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙)
1 1.25 2.775 2.77893 0.00392944
2 1.5 3.60083 3.6082 0.00736433
3 1.75 4.46883 4.47933 0.0104983
4 2 5.37286 5.38629 0.0134358
1d. (Sánchez Quintana Luis Alberto)
1.Aplique el método modificado de Euler para aproximar la solución de los siguientes

problemas de valor inicial y compare después con los valores reales.
𝑦′ = 1 + ℎ𝑦
𝑦 (0) = 0
𝑦(1) =?
𝑦(3)= ?
{ ℎ = 0.25
Solución real: Y(x)=xlnx+2x
Calculamos n.
𝑋(𝑓) − 𝑋(0) 2− 1
ℎ= 0.25= n=4
𝑛 𝑛
ITERACIÓN N° 1…i = 0
X (1) =x (0) +h
X(1) = 0+0.25
X(1) = 0.25
PREDICCIÓN
Ῡ(1) = Y(0)+HF(X(0),Y(0)
Ῡ(1) =0+0.25f(x(0)=0, Y(0)=0
Ῡ(1) =0+0.25(0)
Ῡ(1) =0
ℎ
Corrección 𝑦1 = 𝑦0 + [𝐹(𝑥0 , 𝑦0 ) + 𝐹 (𝑥1 , Ῡ1 )]
2
0.25
𝑦1 = 0 + [𝐹(𝑥0 = 0 , 𝑦0 = 0) + 𝐹 (𝑥1 = 0.25 , Ῡ1 = 0)]
2
𝑦1 = 0 + 0.125 [0 + 2.778294]
𝑦1 = 2.7750000
X(2)=X(2) +h
X(2) = 0.25+0.25
X(2) = 0.50
PREDICCIÓN
Ῡ(2) = Y(1)+HF(X(1),Y(1)
Ῡ(2) =2.7750000+0.25 F(x(2)=0.5 , Y(1)=2.7789294)
Ῡ(2) =2.7750000 + 0.5(2.7789294)
Ῡ(2) =3.6081977
Corrección
ℎ
𝑦2 = 𝑦1 + 2 [𝐹 (𝑥0 , 𝑦0 ) + 𝐹 (𝑥1 , Ῡ1 )]
0.25
𝑦2 = 2.7750000 + [2.7750000 + 𝐹 (𝑥2 = 2.7750000 , Ῡ(2) = 3.6081977)]
2
𝑦2 = 2.7750000 + 0.25[2.7750000 + (3.6081977)]
𝑦2 = 3.6008333
X(3)=X(2) +h
X(3) = 0.5+0.25
X(3) = 0.75
PREDICCIÓN
Ῡ(3) = Y(2)+hF(X(1),Y(1))
Ῡ(3) =3.6008333+0.25 F(x(1)=0.75 , Y(2)=(2.360033)
Ῡ(3) =3.6008333+ 0.25(2.360033)
Ῡ(3) =4.4793276
Corrección
ℎ
𝑦3 = 𝑦2 + [𝐹 (𝑥3 , 𝑦3 ) + 𝐹 (𝑥3 , Ῡ3 )]
2
0.25
𝑦3 = 3.6008333 + [3.6008333 + 𝐹 (𝑥3 = 0.75 , Ῡ(3) = 4,4793276)]
2
𝑦3 = 4.4688294
ITERACIÓN N° …i = 3
X(4)=X(3) +h
X(4) = 0.75+0.25
X(4) = 1.0
PREDICCIÓN
Ῡ(4) = Y(3)+hF(X(4),Y(4))
Ῡ(4) =4.4688294+0.25 F(x(4)=1.0 , Y(4)=(4.4688294)
Ῡ(4) =4.4688294+ 0.25(4688294)

Ῡ(4) =5.386294
Corrección
ℎ
𝑦4 = 𝑦3 + 2 [𝐹 (𝑥3 , 𝑦3 ) + 𝐹 (𝑥3 , Ῡ3 )]
0.25
𝑦4 = 4,4688294 + [4,4688294 + 𝐹 (𝑥3 = 0.75 , Ῡ(3) = 4,4793276)]
2
𝑦4 = 5.3728586
Valor real:
Y(x)=0.9040292
1d. (Cabrera Terrones Royner Joeli)
problemas de valores iniciales y compare después os resultados con los valores reales
𝑑) 𝑦 ′ (𝑡) = cos(2𝑡) + 𝑠𝑒𝑛(3𝑡) 0≤𝑡≤1 𝑦 (0) = 1 ℎ = 0.25
1 1 4
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑠𝑒𝑛(2𝑡) − cos(3𝑡) +
2 3 3
𝑏−𝑎 1
ℎ= 𝑛= =4
𝑛 0.25
𝑐𝑎𝑚𝑏𝑖𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑡 = 𝑥
𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛 𝑁°1 𝑖 = 0
𝑥1 = 𝑥0 + ℎ
𝑥1 = 0 + 0.25 = 0.25
𝑝𝑟𝑒𝑑𝑖𝑐𝑐𝑖𝑜𝑛
𝑌1 = 𝑦0 + ℎ𝑓(𝑥0 = 0, 𝑦0 = 0)
𝑌1 = 0 + 0.25 ∗ 0 = 0
𝑐𝑜𝑟𝑟𝑒𝑐𝑐𝑖𝑜𝑛
ℎ
𝑦1 = 𝑦0 + [𝑓(𝑥0 = 0, 𝑦0 = 0) + 𝑓(𝑥1 = 0.25, 𝑦1 = 0)]
2
0.25
𝑦1 = 0 + [0 + 1.3291498]
2
𝑦1 = 1.3199027
𝑥2 = 𝑥1 + ℎ
𝑥2 = 0.25 + 0.25 = 0.5
𝑌2 = 𝑦0 + ℎ𝑓(𝑥2 = 0.5, 𝑦1 = 1.3291498)
𝑌2 = 1.3199027 + 0.25 ∗ 1.3291498
𝑌2 = 1.7304898
ℎ
𝑦2 = 𝑦1 + [𝑓(𝑥1 , 𝑦1 ) + 𝑓(𝑥2 , 𝑦2 )]
2
0.25
𝑌2 = 1.3199027 + [1.7070300 + 𝑓 (𝑥2 = 0.5, 𝑦1 = 1.7304898)
2
0.25
𝑦2 = 1.3199027 + [1.7070300 + 1.7304898]
2
𝑦2 = 1.7070300
𝑥3 = 𝑥2 + ℎ
𝑥3 = 0.5 + 0.25 = 0.75
𝑌3 = 𝑦2 + ℎ𝑓(𝑥3 = 0.75, 𝑦2 = 1.7070300)
𝑌3 = 1.7070300 + 0.25 ∗ 1.7304898

𝑌3 = 2.0414720
ℎ
𝑦3 = 𝑦2 + [𝑓(𝑥3 , 𝑦3 ) + 𝑓 (𝑥3 , 𝑦3 )]
2
0.25
𝑌3 = 1.7070300 + [1.7070300 + 𝑓 (𝑥2 = 0.75, 𝑦3 = 2.0414720)
2
0.25
𝑦3 = 1.7070300 + [1.7070300 + 2.0414720]
2
𝑦3 = 2.0053560
𝑥4 = 𝑥3 + ℎ
𝑥4 = 0.75 + 0.25 = 1.0
𝑌3 = 𝑦3 + ℎ𝑓(𝑥4 = 1.0, 𝑦4 = 2.0053560)
𝑌3 = 2.0053560 + 0.25 ∗ 2.0053560
𝑌3 = 2.1179795
ℎ
𝑦4 = 𝑦3 + [𝑓(𝑥3 , 𝑦3 ) + 𝑓 (𝑥3 , 𝑦3 )]
2
0.25
𝑌4 = 2.0053560 + [2.0053560 + 𝑓 (𝑥3 = 0.75, 𝑦3 = 2.1179795)
2
0.25
𝑦3 = 2.0053560 + [2.0053560 + 2.1179795]
2
𝑦3 = 2.0770789
𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 ∶ 𝑦(𝑥 ) = 0.0717229

2. Repite el ejercicio 1 aplicando el método de Heun.
a. (Yonel Muñoz Quiroz)
𝒚′ = 𝒕𝒆𝟑𝒕 − 𝟐𝒚; 𝟎 ≤ 𝒕 ≤ 𝟏 ; 𝒚(𝟎) = 𝟎; 𝒉 = 𝟎. 𝟓 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏 𝒓𝒆𝒂𝒍: 𝒚(𝒕) =

𝟏 𝟏 𝟏
𝒕 𝒆𝟑𝒕 − 𝒆𝟑𝒕 + 𝟐𝟓 𝒆−𝟐𝒕
𝟓 𝒊 𝟐𝟓
Solución:
La fórmula del método de Heun se denota de la siguiente manera:
ℎ 2ℎ 2ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 3𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑓(𝑡𝑖 , 𝑤𝑖 )] ; 𝑝𝑎𝑟𝑎 𝑖 = 0,1,2, … , 𝑛 − 1
4 3 3
Definimos:
𝑏 = 1; 𝑎=0
𝑏−𝑎 1
ℎ= = 𝑛 → 𝑛 = 2 𝑝𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟𝑒𝑚𝑜𝑠 2 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠.
𝑛
𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦 → 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖
1 1 3𝑡 1 1 1 3𝑡 1
𝑦(𝑡) = 𝑒 3𝑡 − 𝑒 + 𝑒 −2𝑡 → 𝑦(𝑡𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 𝑒 𝑖 + 𝑒 −2𝑡𝑖
5 25 25 5 25 25
Para 𝒊 = 𝟎; 𝑡𝑖 = 0.5𝑖 = 0; 𝑤𝑖 = 0
ℎ 2ℎ 2ℎ
𝑤1 = 𝑤0 + [𝑓(𝑤0 , 𝑡0 ) + 3𝑓(𝑡0 + , 𝑤0 + 𝑓(𝑡0 , 𝑤0 )]
4 3 3
0.5 2 ∗ 0.5 2 ∗ 0.5
𝑤1 = 0 + [𝑓(0 , 0) + 3𝑓(0 + ,0 + 𝑓(0 , 0)]
4 3 3
0.5 2 ∗ 0.5 2 ∗ 0.5

𝑤1 = 0 + [0 ∗ 𝑒 3∗0 − 2 ∗ 0 + 3𝑓(0 + ,0+ 𝑓(0 ∗ 𝑒 3∗0 − 2 ∗ 0)]
4 3 3
0.5 2 ∗ 0.5 2 ∗ 0.5

𝑤1 = 0 + [0 ∗ 𝑒 3∗0 − 2 ∗ 0 + 3𝑓(0 + ,0+ 𝑓(0 ∗ 𝑒 3∗0 − 2 ∗ 0)]
4 3 3
0.5 1
𝑤1 = 0 + [0 + 3𝑓( , 0)]
4 3
0.5 1 1
𝑤1 = 0 + [0 + 3 ( ∗ 𝑒 3∗3 − 2 ∗ 0)]
4 3
0.5
𝑤1 = 0 + ∗ 𝑒
4
𝒘𝟏 = 𝟎. 𝟑𝟑𝟗𝟕𝟖𝟓𝟐
Calculamos la solución exacta: 𝑡1 = 0.5
1 1 3∗0.5 1 −2∗0.5
𝑦1 = 𝑦(𝑡1 ) = − ∗ 0.5 ∗ 𝑒 3∗0.5 − 𝑒 + 𝑒
5 25 25
𝒚𝟏 = 𝟎. 𝟐𝟖𝟑𝟔𝟏𝟔𝟓
𝐸𝑟𝑟𝑜𝑟 = [𝑦1 − 𝑤1 ] = 0.0561687
Para 𝒊 = 𝟏; 𝑡1 = 0.5𝑖 = 0.5; 𝑤1 = 0.3397852
ℎ 2ℎ 2ℎ
𝑤2 = 𝑤1 + [𝑓(𝑡1 , 𝑤1 ) + 3𝑓(𝑡1 + , 𝑤1 + 𝑓(𝑡1 , 𝑤1 )]
4 3 3
𝑤2 = 0.3397852
0.5 2 ∗ 0.5
+ [𝑓(0.5 , 0.3397852) + 3𝑓(0.5 + , 0.3397852
4 3
2 ∗ 0.5
+ 𝑓(0.5 , 0.3397852))]
3
0.5 5
𝑤2 = 0.3397852 + [1.5612741 + 3𝑓( , 0.8602099) ]
4 6
0.5
𝑤2 = 0.3397852 + [1.5612741 + 3(8.4316585) ]
4
𝒘𝟐 = 𝟑. 𝟔𝟗𝟔𝟖𝟏𝟔𝟒
Calculamos la solución exacta: 𝑡1 = 1.0
1 1 3∗1 1 −2∗1
𝑦2 = 𝑦(𝑡2 ) = − ∗ 1 ∗ 𝑒 3∗1 − 𝑒 + 𝑒
5 25 25
𝒚𝟐 = 𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗𝟑
𝐸𝑟𝑟𝑜𝑟 = [𝑦2 − 𝑤2 ] = 0.4777717
Ejercicio 5.4 – 2a (Carlos Rivera Diaz)
Repita el ejercicio 1 aplicando el método de Heun.

 y '  te  2 y
3t
0  t  1 ; h  0.5 1 1 1 2t
a.  solucion real: y  t   te3t  e3t  e
 y  0  =0
 5 25 25
solucion:
f  ti , wi   ti e3ti  2wi
para i = 0
h  2 2 
ti  0.5i  0 wi 1  wi   f  ti ; wi   3 f  ti  h ; wi  hf  ti ; wi   
4  3 3 
0.5   2 2 
wi  0 w1  0   f  0 ; 0   3 f  0  0.5 ; 0  0.5 f  0 ; 0   
4   3 3 
w1  0.125 0  3 f  0.3333333 ; 0  
w1  0.1253x0.9060938  0.3397852
para i = 1
0.5   2 2 
ti  0.5i  0.5 w2  0.3397852   f  0.5 ; 0.3397852   3 f  0.5  0.5 ; 0.3397852  0.5 f  0.5 ; 0.3397852   
4   3 3 
0.5
w2  0.3397852  1.5612741  3 f  0.8333333 ; 0.8602099  
4 
0.5
w2  0.3397852  1.5612741  3x8.4316571  3.6968159
4
valor real: 3.2190993
E  3.6968159  3.2190993  0.4777166
2.a
(Guamuro Delgado Alexander)
𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦 , 0 ≤ 𝑡 ≤ 1 , 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)

1 1 1
= 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
Considerando el problema con valor inicial, 𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦 , 0 ≤ 𝑡 ≤ 1 con las

condiciones iniciales
Y(0)=0
Consideramos entonces el método de Heun para resolver el problema del valor inicial
𝑦 ′ = 𝑓(𝑡, 𝑦), 𝑎 ≤ 𝑡 ≤ 𝑏 , 𝑦(𝑎) = 𝛼 es
𝑦0 = 𝛼
ℎ 2ℎ 2ℎ ℎ ℎ
𝑦𝑖+1 = 𝑦𝑖 + [𝑓 (𝑡𝑖 , 𝑦𝑖 ) + +3𝑓 (𝑡𝑖 + , 𝑦𝑖 + 𝑓 (𝑡𝑖 + , 𝑦𝑖 + 𝑓 (𝑡𝑖 , 𝑦𝑖 )))]
4 3 3 3 3
Entonces calculamos 𝑦𝑛 = 𝑦(𝑡𝑛 ) con 𝑡𝑛 =nh , h=0.5 , 0 ≤ 𝑛 ≤ 2 con el método de Heun

Queda así 𝑦𝑛 = 𝑦0 + 𝑓(𝑡𝑖 , 𝑦𝑖 )ℎ
En la siguiente tabla resumimos los resultados
n 𝑡𝑛 𝑦𝑛𝐻𝑒𝑢𝑛 𝑦𝑛𝑒𝑥𝑎𝑐𝑡𝑎 |𝑦𝑛𝐻𝑒𝑢𝑛

− 𝑦𝑛𝑒𝑥𝑎𝑐𝑡𝑎 |
0 0 0 -0.08 0.08
1 0.5 0.27109 0.25419 0.01690
2 1 3.13273 3.20827 0.07555
b. (Quispe Diaz Jairo)
𝑦 , − 1 + (𝑡 − 𝑦)2 1
{ 2≤t≤3 h= 0.5 solución real: y(t) = t+⌊1−𝑡 ⌋
𝑦 (2) − 1
ⅆ𝑦
− 𝑓(𝑡, 𝑏) ; a ≤ t ≤ b
{ ⅆ𝑡 𝑡𝑖 = a +ih
𝑌 (𝑎 ) = 𝑎
𝑡𝑖 = 2+0.5i = 2 𝑤0 = 1
ℎ 2 2
𝑤𝑖+1 = 𝑤𝑖 +4 [𝑓(𝑡𝑖 ; 𝑤𝑖 ) + 3𝑓 (𝑡𝑖 + 3 ℎ) ; 𝑤𝑖 + 3 ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 )]
0.5 2 2
𝑤1 = 1 + 4 [𝑓(2; 1) + 3𝑓 (2 + 3 ∗ 0.5) ; 1 + 3 ∗ 0.5𝑓(2 ; 1)]
0.5
𝑤1 = 1 + 4 [2 + 3𝑓(2.333333; 1.666667]
0.5
𝑤1 = 1 + 4 [2 + 3 ∗ 1.4444435]
𝑤1 = 1.7916663
Para i =1
𝑡𝑖 = 2+0.5i = 2.50 𝑤0 = 1.7916663
0.5 2 2
𝑤1 = 1.7916663 + 4 [𝑓(2.50; 1.7916663) + 3𝑓 (2.50 + 3 ∗ 0.5) ; 1.7916663 + 3 ∗
0.5𝑓(2.5 ; 1.7916663)]
𝑤1 = 2.4641747
𝑡𝑖 = 2+ 0.5*2 = 3
Valor real = 2.5000000
b. (Rivera Guamuro Jhensin)
1
𝑦 ′ = 1 + (𝑡 − 𝑦)2 ; 2 ≤ 𝑡 ≤ 3. 𝑦(2) = 1; 𝑐𝑜𝑛 ℎ = 0.5; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 +
1−𝑡
SOLUCION
Tenemos:
𝑦 ′ = 1 + (𝑡 − 𝑦)2 1
{ 2≤𝑡≤3 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 + 1−𝑡
𝑦 (2) = 1
ⅆ𝑦
= 𝑓 (𝑡, 𝑦) ; 𝑎 ≤ 𝑡 ≤ 𝑏
{ ⅆ𝑡
𝑦(𝑎) = 𝛼 = 𝑤0
𝑡𝑖 = 𝑎 + 𝑖ℎ = 2 + 0.5𝑖 → 𝑖 = 0; 1; 2 … ; 𝑛 − 1
ℎ 2 2
𝑤𝑖+1 = 𝑤𝑖 + 4 [𝑓(𝑡𝑖 ; 𝑤𝑖 ) + 3𝑓(𝑡𝑖 + 3 ℎ; 𝑤𝑖 + 3 ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ))]
𝑏−𝑎 3−2
ℎ= = = 0.5 → 𝑛 = 2
𝑛 𝑛
ⅆ𝑦
= 𝑓 (𝑡, 𝑦) = 1 + (𝑡 − 𝑦)2
ⅆ𝑡
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 1 + (𝑡𝑖 − 𝑤𝑖 )2
 Para i=0
ℎ 2 2
𝑤1 = 𝑤0 + 4 [𝑓(𝑡0 ; 𝑤0 ) + 3𝑓(𝑡0 + 3 ℎ; 𝑤0 + 3 ℎ𝑓(𝑡0 ; 𝑤0 ))]
0.5 2 2
𝑤1 = 1 + [𝑓(2; 1) + 3𝑓(2 + ∗ 0.5; 1 + ∗ 0.5 ∗ 𝑓(2; 1))]
4 3 3
0.5
𝑤1 = 1 + [2 + 3𝑓(2.3333333; 1.6666667)]
4
0.5
𝑤1 = 1 + [2 + 3 ∗ 1.4444444]
4
𝑤1 = 1.7916667 ← 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎

1
𝑦1 = 𝑦(𝑡1 ) = 2.5 + 1−2.5 = 1.8333333 ← 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
 Para i=1
ℎ 2 2
𝑤2 = 𝑤1 + 4 [𝑓(𝑡1 ; 𝑤1 ) + 3𝑓(𝑡1 + 3 ℎ; 𝑤1 + 3 ℎ𝑓 (𝑡1 ; 𝑤1 ))]
0.5 2
𝑤2 = 1.7916667 + [𝑓(2.5; 1.7916667) + 3𝑓(2.5 + 0.5; 1.7916667 +
4 3
2
0.5𝑓(2.5; 1.7916667))]
3
0.5 2
𝑤2 = 1.7916667 + [1.5017361 + 3𝑓(2.8333333; 1.7916667 + 0.5 ∗
4 3
1.5017361)]
0.5
𝑤2 = 1.7916667 + [1.5017361 + 3𝑓(2.8333333; 2.2922454)]
4
0.5
𝑤2 = 1.7916667 + [1.5017361 + 3 ∗ 1.2927761]
4
𝑤2 = 2.4641748 ← 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎

1
𝑦2 = 𝑦(𝑡2 ) = 3 + 1−3 = 2.5 ← 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
2.c (Ocsa Cubas Robi Willams)
2.c. Aplique el método de Heun para aproximar las soluciones de los siguientes problemas
de valor inicial y compare después los resultados con los valores reales.
c. y'=1+y/t, 2  t  3 y(t)=2, con h=0.25; solución real y(t)=tlnt+2t
Ahora, podemos aplicar el método de Euler modificado para solucionar 𝑦 ′ = 1 + 𝑦/𝑡.
En nuestro caso, 𝑓 (𝑡, 𝑦) = 1 + 𝑦/𝑡 y se usará Python 3.9.5, para el cálculo rápido
import math
import numpy as np
%matplotlib inline
def fxy(t,y):
return 1+y/t
def real(t):
return t*math.log(t) + 2*t

h = 0.25
t0 = 2
y0 = 2
y[0] = y0
plt.legend()
# Se muestra
plt.show()
El código anterior es usado en Python 3.9.5.
Y nos da como resultado:
𝑥 = 2, 2.25, 2.5, 2.75, 3
𝑦 = 2, 2.51388889,3.05570988, 3.6226445 , 4.21239249
Donde 𝑦 son las aproximaciones para el 𝑥 dado.

EJERCICIO 5.4 (2D) (José Misael Pérez Alarcón)
Repita el ejercicio 1 aplicando el método de Heun.

2d) (Cabrera Terrones Royner Joeli)
Repita el ejercicio 1 utilizando el método de Heun
𝑑) 𝑦 ′ (𝑡) = cos(2𝑡) + 𝑠𝑒𝑛(3𝑡) 0≤𝑡≤1 𝑦 (0) = 1 ℎ = 0.25
1 1 4
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑠𝑒𝑛(2𝑡) − cos(3𝑡) +
2 3 3
ℎ 2 2
𝑡𝑖 = 0 𝑤𝑖+1 = 𝑤𝑖 + [𝑓 (𝑡𝑖 ; 𝑤𝑖 ) + 3𝑓 (𝑡𝑖 + ℎ; 𝑤𝑖 + 𝑓 (𝑡𝑖 ; 𝑤𝑖 ))]
4 3 3
0.25 2 2
𝑤0 = 1 𝑤1 = 1 + [𝑓(0; 1) + 3𝑓 (0 + 0.25; 1 + 𝑓(0; 1))]
4 3 3
𝑤1 = 1.3295717
𝑡𝑖 = 0.25 𝑤1 = 1.3295717
0.25
𝑤2 = 1.32957171 + [𝑓(0.25; 1.3295717)
4
2 2
+ 3𝑓 (0.25 + 0.25; 1.3295717 + 𝑓(0.25; 1.3295717))]
3 3
𝑤2 = 1.7310350
𝑡𝑖 = 0.5 𝑤2 = 1.7310350
0.25 2 2
𝑤3 = 1.7310350 + [𝑓(0.5; 1.7310350) + 3𝑓 (0.5 + 0.25; 1.7310350 + 𝑓(0.5; 1.7310350))]
4 3 3
𝑤3 = 2.0417476
𝑡𝑖 = 0.75 𝑤3 = 2.0417476
0.25
𝑤4 = 2.0417476 + [𝑓 (0.75; 2.0417476)
4
2 2
+ 3𝑓 (0.75 + 0.25; 2.0417476 + 𝑓(0.75; 2.0417476))]
3 3
𝑤4 = 2.1176975
𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 = 2.1179795
EJERCICIO 3.
Repita el ejercicio 1 aplicando el método del punto medio.
a. (Deiner Vásquez Vásquez)
𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 0, 𝑐𝑜𝑛 ℎ = 0.5
Solución real:
𝑦 (𝑡 ) = − +
5 25 5
SOLUCIÓN
 Primeramente, vamos a calcular el número de iteraciones que se va a realizar.
𝑏−𝑎
ℎ=
𝑛
0≤𝑡≤1 𝑎=0 𝑏=1

ℎ = 0.5
1−0
𝑛= =2 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 = 2
0.5
 Para el método del punto medio se tiene en cuenta la siguiente fórmula:
ℎ ℎ
𝑤𝑖+1 ≈ 𝑤𝑖 + ℎ ∗ 𝑓 [𝑡𝑖 + , 𝑤𝑖 + 𝑓(𝑡𝑖 , 𝑤𝑖 )]
2 2
𝑤0 = 𝛼
𝑤0 = 𝑦(0) = 0
0.5 0.5
𝑤1 ≈ 𝑤0 + 0.5 ∗ 𝑓 [𝑡0 + , 𝑤0 + 𝑓 (𝑡0 , 𝑤0 )]
2 2
𝑤1 ≈ 𝑤0 + 0.5 ∗ 𝑓 [𝑡0 + 0.25, 𝑤0 + 0.25 ∗ 𝑓(𝑡0 , 𝑤0 )]
𝑡0 = 0
𝑡1 = 0.5
 La función es la siguiente:
𝑓(𝑡, 𝑦) = 𝑡𝑒 3𝑡 − 2𝑦
 Reemplazando por partes
 𝑓(𝑡0 , 𝑤0 ) = 𝑓 (0,0) = 0 ∗ 𝑒 0 − 2 ∗ 0 = 0
 𝑓[𝑡0 + 0.25, 𝑤0 + 0.25 ∗ 𝑓 (𝑡0 , 𝑤0 )] = 𝑓 [0.25, 0] = 0.25 ∗ 𝑒 3∗0.25 − 2 ∗ 0 =
0.52925
𝑤1 ≈ 0 + 0.5 ∗ 0.52925
𝑤1 ≈ 0.26462500
→ 𝒚(𝟎. 𝟓) ≈ 𝟎. 𝟐𝟔𝟒𝟔𝟐𝟓𝟎𝟎 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑦 (𝑥 ) = − +
5 25 25
0.5𝑒 3∗0.5 𝑒 3∗0.5 𝑒 −2∗0.5

𝑦(0.5) = − + = 𝟎. 𝟐𝟖𝟑𝟔𝟏𝟔𝟓𝟐 𝑽𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍.
5 25 25
0.5 0.5
𝑤2 ≈ 𝑤1 + 0.5 ∗ 𝑓 [𝑡1 + , 𝑤1 + 𝑓 (𝑡1 , 𝑤1 )]
2 2
𝑤2 ≈ 𝑤1 + 0.5 ∗ 𝑓 [𝑡1 + 0.25, 𝑤1 + 0.25 ∗ 𝑓 (𝑡1 , 𝑤1 )]
𝑡1 = 0.5
𝑡2 = 1
 La función es la siguiente:
𝑓 (𝑡, 𝑦) = 𝑡𝑒 3𝑡 − 2𝑦
 Reemplazando por partes
 𝑓(𝑡1 , 𝑤1 ) = 𝑓 (0.5, 0.26462500) = 0.5 ∗ 𝑒 1.5 − 2 ∗ 0.26462500 = 1.71159454
 𝑓[𝑡1 + 0.25, 𝑤1 + 0.25 ∗ 𝑓 (𝑡1 , 𝑤1 )] = 𝑓(0.75, 0.26462500 + 0.25 ∗

1.71159454) = 𝑓(0.75, 0.69252364)
 𝑓(0.75, 0.69252364) = 0.75 ∗ 𝑒 3∗0.75 − 2 ∗ 0.69252364 = 5.73075460
𝑤2 ≈ 0.26462500 + 0.5 ∗ 5.73075460
𝑤2 ≈ 3.13000230
→ 𝒚(𝟏) ≈ 𝟑. 𝟏𝟑𝟎𝟎𝟎𝟐𝟑𝟎 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑦 (𝑥 ) = − +
5 25 25
1𝑒 3 𝑒 3 𝑒 −2
𝑦 (1) = − + = 𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗𝟑𝟐 𝑽𝒂𝒍𝒐𝒓 𝒓𝒆𝒂𝒍.
5 25 25
 Comparando
t Punto medio (w) Valor exacto Error

y(t) |𝒘 − 𝒚(𝒕)|
0 0 0 0
0.5 0.26462500 0.28361652 0.01899152
1 3.13000230 3.21909932 0.08909702
3.b (Mejía Rubio Yan Ferrari)
Repita el ejercicio 1 aplicando el método del punto medio.
𝑦 ′ = 1 + (𝑡 + 𝑦 )2 , 2 ≤ 𝑡 ≤ 3, 𝑦(2) = 1, 𝑐𝑜𝑛 ℎ = 0.5; 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)

1
=𝑡+
1−𝑡
Solución:
El objetivo es aproximar las soluciones del problema del valor inicial usando el método del
punto medio y comparar los resultados con los valores reales.
El problema del valor inicial es:
𝑦 ′ = 1 + (𝑡 − 𝑦 )2 , 2 ≤ 𝑡 ≤ 3
𝑦(2) = 1 = 𝑤0 , 𝑐𝑜𝑛 ℎ = 0.5
1
La solución es 𝑦(𝑡) = 𝑡 + 1−𝑡
El método del punto medio es:
𝑤0 = 𝛼
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡0 + ; 𝑤𝑖 + 𝑓 (𝑡𝑖 ; 𝑤𝑖 )) , 𝑓𝑜𝑟 𝑖 = 0.1,1, … , 𝑁 − 1
2 2
𝐴𝑞𝑢𝑖 𝑤0 = 1 , 𝑡0 = 2 , ℎ = 0.5 , 𝑓(𝑡, 𝑦) = 1 + (𝑡 − 𝑦)2 .
𝑇𝑎𝑚𝑏𝑖𝑒𝑛 𝑡1 = 𝑡0 + 𝑖 × ℎ
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑚𝑜𝑠 𝑙𝑜𝑠 𝑤𝑖+1 𝑡𝑒𝑟𝑚𝑖𝑛𝑜𝑠
Para i = 0
ℎ ℎ
𝑤0+1 = 𝑤0 + ℎ𝑓 (𝑡0 + ; 𝑤0 + 𝑓 (𝑡0 ; 𝑤0 ))
2 2
ℎ ℎ
𝑤0+1 = 𝑤0 + ℎ𝑓 (𝑡0 + ; 𝑤0 + 𝑓 (𝑡0 ; 𝑤0 ))
2 2
0.5 0.5
𝑤1 = 1 + (0.5)𝑓 (2 + ; 1+ 𝑓 (2 ; 1))
2 2
𝑓 (2; 1) = 1 + (2 − 1)2 = 2
𝑤1 = 1 + (0.5)𝑓(2.25 ; 1 + 0.25 × 2)
𝑤1 = 1 + 0.5 × 𝑓(2.25 ; 1.5) ⟹ 𝑓 (2; 1) = 1 + (2.25 − 1.5)2 = 1.5625
𝑤1 = 1 + 0.5 × 1.5625 ⟹ 𝑤1 = 1.78125
𝑃𝑎𝑟𝑎 𝑖 = 1; 𝑡1 = 𝑡0 + 1 × 0.5 = 2 + 0.5 = 2.5
ℎ ℎ
𝑤1+1 = 𝑤1 + ℎ𝑓 (𝑡1 + ; 𝑤1 + 𝑓 (𝑡1 ; 𝑤1 ))
2 2
0.5 0.5
𝑤2 = 1.78125 + 0.5 × 𝑓 (2.5 + ; 1.78125 + 𝑓 (2.5 ; 1.78125))
2 2
0.5
𝑤2 = 1.78125 + (0.5)𝑓 (2.5 + ; 2.03125𝑓(2 .5; 1.78125))
2
𝑓 (2; 1) = 1 + (2.5 − 1.78125)2 = 1.5166016
𝑤2 = 1.78125 + (0.5)𝑓(2.75 ; 1.78125 + 0.25 × 1.5166016)
𝑤2 = 1.78125 + 0.5 × 𝑓 (2.75 ; 2.1604004)

𝑓 (2.75; 2.1604004) = 1 + (2.75 − 2.1604004)2 = 1.3476277
𝑤2 = 1.78125 + 0.5 × 1.3476277 ⟹ 𝑤1 = 2.4550239
Determinamos el valor exacto de y(t).
1
𝑦(𝑡1 ) = 𝑦(2.5) ⟹ 𝑦(𝑡1 ) = 2.5 + ⟹ 𝑦(𝑡1 ) = 1.83333333
1 − 2.5
1
𝑦(𝑡2 ) = 𝑦(3) ⟹ 𝑦(𝑡2 ) = 3 + ⟹ 𝑦(𝑡2 ) = 2.5
1−3
Tabulamos los valores para comparar
t Punto medio y(t)

2.5 1.78125 1.83333
3 2.4550239 2.5
b). (Colunche Tariilo Joselito)

𝟏
𝒀′ = 𝟏 + (𝒕 − 𝒚)𝟐 , 𝟐 ≤ 𝒕 ≤ 𝟑, 𝒚(𝒕) = 𝟏, 𝒄𝒐𝒔(𝒉) = 𝟎. 𝟓; 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏 𝒓𝒆𝒂𝒍𝒚 (𝒕) = 𝒕 +
𝟏−𝒕
solución real:
𝟏
( 𝒕) = 𝒕 +
𝟏−𝒕
𝒚′ = 𝟏 + (𝒕 − 𝒚)𝟐
𝑤0 = 1
𝑡1 = 0 + 0.5𝑖
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖+ ℎ𝑓(𝑡1 + ; 𝑤𝑖 + 𝑓(𝑡1 ; 𝑤𝑖 ))
2 2
𝑤𝑖+1 = 𝑤𝑖+ (0.5)𝑓(0.5𝑖 + 0.25; 𝑤𝑖 + 0.25𝑓(0.5𝑖; 𝑤𝑖 ))
Para i=0
𝑤𝑖+1 = 𝑤𝑖+ (0.5)𝑓(0.5𝑖 + 0.25; 𝑤𝑖 + 0.25𝑓(0.5𝑖; 𝑤𝑖 ))

𝑤1 = 1 + (0.5)𝑓(0.25; 1 + 0.25𝑓(0.1))
𝑤1 = 1 + (0.5)𝑓(0.25; 1 + 0.25𝑓(02))
𝑤1 = 1 + (0.5)𝑓(0.25; 1.5)
𝑤1 = 1 + (0.5)(2.5625)
𝑤1 = 2.28125
Para i=1
𝑤𝑖+1 = 𝑤𝑖+ (0.5)𝑓(0.5𝑖 + 0.25; 𝑤𝑖 + 0.25𝑓(0.5𝑖; 𝑤𝑖 ))
𝑤2 = 2.28125 + (0.5)𝑓(0.25; 2.28125 + 0.25𝑓(0.5,2.28125))
𝑤2 = 2.28125 + (0.5)𝑓(0.75; 3.324463)
𝑤2 = 32.56848
𝟏
𝒚(𝟎. 𝟓) = 𝟎. 𝟓 + = 𝟐. 𝟓
(𝟏 − 𝟎. 𝟓)
𝐸𝑟𝑟𝑜𝑟 = 2.28125 − 2.5 = 0.2187
3.C. Willan Bravo Torres)
𝒚
𝑪. 𝒚′ = , 𝟏 ≤ 𝒕 ≤ 𝟐, 𝒚(𝟏) = 𝟐𝒄𝒐𝒏𝒉 = 𝟎. 𝟐𝟓
𝒕
Solución real 𝑦(𝑡) = 𝑡𝑙𝑛𝑡 + 2𝑡
Solución
𝑦 ′ = 𝑡 + 2𝑡
𝑦 (0) = 2 1 ≤𝑡 ≤2 →𝑎 =1𝑦𝑏 =2
→ 𝑤0 = 2 ∶ ℎ = 0.25
→ 𝑡1 = 0.1𝑖
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ))
2 2
0.25 0.25 1
𝑤𝑖+1 = 𝑤𝑖 + (0.25)𝑓(0.1𝑖 + , 𝑤𝑖 + 𝑓(0.1i, 3))
2 2
Para i = 0
0.25 0.25
𝑤1 = 2 + (0.25)𝑓 ( ,2 + ∗ (−5 ∗ 2 + 5 ∗ 0.25𝑖 2 + 2 ∗ 0.25𝑖 )) ; 𝑡 + 2𝑡
2 2
0.25 0.25 5
𝑤1 = 2 + (0.25)𝑓 ( , ∗ (− ))
2 2 3
0.25 0.25
𝑤1 = 2 + (0.25)𝑓 ( , )
2 244
5 0.252 0.25
𝑤1 = 2 + (0.25) (−5 ∗ +5( )+2∗ )
24 2 2
𝒘𝟏 = 𝟎. 𝟐𝟎𝟓𝟒𝟑𝟔
Para i=1 𝑡1 = 0.1𝑖 → 𝑡1 = 0.1 ; 𝑡 2 + 2𝑡
0.25 0.25
𝑤𝑖+1 = 𝑤𝑖 + (0.1)𝑓 (0.1 + , 𝑤𝑖 + ∗ (0.1,2))
2 2
𝒘𝟐 = 𝟎. 𝟐𝟎𝟓𝟒𝟑𝟔𝟐 + (0.1)𝑓(12.5,0.2195833 + 0.1 ∗ (−1 ∗ 2 + 5 ∗ 0.12 + 2 ∗ 0.1))
𝒘𝟐 = 𝟎. 𝟐𝟎𝟓𝟒𝟑𝟔𝟐 + (0.1)𝑓(12.5,0.0779166)
𝒘𝟐 = 𝟎. 𝟐𝟎𝟓𝟒𝟑𝟔𝟐 + (0.1)(−5 ∗ 0.0452 ∗ 5 + 22 + 2 ∗ 2)
𝒘𝟐 = 𝟎. 𝟐𝟓𝟖𝟐𝟖𝟑𝟔
Solución real 𝑦(𝑡) = 𝑡𝑙𝑛𝑡 + 2𝑡
𝑦(0.1) = 𝑡𝑙𝑛𝑡 + 2𝑡 = 0.1302585
Punto medio
𝑡𝑖 𝑤𝑖 𝑦(𝑡𝑖 )
0.3 0.0611918 0.8365235
0.2 0.1218875 0.7236537
0.4 0.0334837 0.0724576
1.0 1.0000007 1.0000569
3C) (Sánchez Quintana Luis Alberto)
Repita el ejercicio 1 aplicando el método de punto medio:
c. y’ = 1 + y/t, 1≤ t ≤ 2, y(1) = 2, con h = 0.25,

solución real y(t) = tlnt + 2t
Solución
y’ = t + 2t
y(0) =2 , 1≤ t ≤ 2 → a=1yb=2
→ wo = 2 ; h = 0.25
→ t1 = 0.1i
ℎ ℎ
wi + 1 = wi + hf (ti + , wi + 2 f(ti wi))
2
0.25 0.25 1
wi + 1 = wi + (0.25) f(0.1) f(0.1i + , wi + f (0.1𝑖, + )
2 2 3𝑛
Para i = 0
0.25 0.25
wi = 2 + (0.25) f ( ,2 + ∗ ( −5 ∗ 2 + 5 ∗ 0.25𝑖 2 + 2 ∗ 0.25𝑖)) ; 𝑡 + 2𝑡
2 2
0.25 0.25 5
wi = 2 + (0.25) f( ,2 + ∗ (− 3 ))
2 2
0.25 5
wi = 2 + (0.25) f ( , )
2 244
5 0.25 2 0.25
wi = 2 + (0.25) (-5 * 24 + 5 ∗ ( ) +2∗ )
2 2
wi = 0.2054362
Para i =1
t1 = 0.1i → t1 = 0.1 ; t2 + 2t
0.25 0.25
wi+1 = w1 + (0.1) f (0.1 + , 𝑤𝑖 + ∗ (0.1,2 ))
2 2
w2 = 0.2054362 + (0.1) f (12.5,0.2195833 + 0.1 * (-5 * 2 + 5 * 0.12 + 2 * 0.1))
w2 = 0.2054362 + (0.1) f (12.5, 0.0779166)
w2 = 0.2054362 + (0.1) (-5 * 0.0452 + 5 * 22 + 2 *2)
w2 = 0.2582836
solución real y (t) = tlnt + 2t
y(0.1) = tlnt + 2t = 0.1302585
PUNTO MEDIO
fi wi y(ti)
0.3 0.0611918 0.8365235
0.2 0.1218875 0.7236537
0.4 0.0334837 0.0724576
1.0 1.0000007 1.0000569
d. Jenrri Diaz Nauca
. 𝑦 , = cos 2𝑡 + sin 3𝑡, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 1, 𝑐𝑜𝑛 ℎ = 0.25
1 1 4
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = sin 2𝑡 − cos 3𝑡 +
2 3 3
Solución
𝑏−𝑎 1−0
ℎ= → 0.25 = →𝑛=4
𝑛 𝑛
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 , 𝑤𝑖 )) 𝑝𝑎𝑟𝑎 𝑖 = 1,2,3 𝑦 4
2 2
ℎ ℎ
𝑤1 = 𝑤0 + ℎ𝑓 (𝑡0 + , 𝑤0 + 𝑓 (𝑡0 , 𝑤0 ))
2 2
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡0 = 0 + (0)(0.25) = 0
𝑤0 = 𝑦(𝑡0 ) = 𝑦(0) = 1
Remplazamos valores
0.25 0.25
𝑤1 = 1 + 0.25𝑓 (0 + ,1+ 𝑓(0,1))
2 2
𝑓 (0,1) = cos(2 ∗ 0) + sin(3 ∗ 0) = 1
0.25 0.25
𝑤1 = 1 + 0.25𝑓 (0 + ,1+ (1)) → 𝑤1 = 1 + 0.25𝑓(0.125,1.125)
2 2
𝑤1 = 1 + 0.25(cos(2 ∗ 0.125) + sin(3 ∗ 0.125))
𝑤1 = 1.3337962
1 1 4
𝑦(𝑡1 ) = sin(2 ∗ 0.25) − cos(3 ∗ 0.25) +
2 3 3
𝑦(𝑡1 ) = 1.3291498
ℎ ℎ
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 + , 𝑤1 + 𝑓(𝑡1 , 𝑤1 ))
2 2
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡1 = 0 + (1)(0.25) = 0.25
𝑤1 = 1.3337962
Remplazamos valores
0.25 0.25
𝑤2 = 1.3337962 + 0.25𝑓 (0.25 + , 1.3337962 + 𝑓(0.25,1.3337962))
2 2
𝑓 (0.25,1.3337962) = cos(2 ∗ 0.25) + sin(3 ∗ 0.25) = 1.5592213
0.25 0.25
𝑤2 = 1.3337962 + 0.25𝑓 (0.25 + , 1.3337962 + (1.5592213))
2 2
𝑤2 = 1.3337962 + 0.25𝑓(0.375,1.5286989)
𝑤2 = 1.3337962 + 0.25(cos(2 ∗ 0.375) + sin(3 ∗ 0.375))
𝑤2 = 1.7422853
1 1 4
𝑦(𝑡2 ) = sin(2 ∗ 0.5) − cos(3 ∗ 0.5) +
2 3 3
𝑦(𝑡2 ) = 1.7304898
ℎ ℎ
𝑤3 = 𝑤2 + ℎ𝑓 (𝑡2 + , 𝑤2 + 𝑓 (𝑡2 , 𝑤2 ))
2 2
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡2 = 0 + (2)(0.25) = 0.5
𝑤2 = 1.7422853
Remplazamos valores
0.25 0.25
𝑤3 = 1.7422853 + 0.25𝑓 (0.5 + , 1.7422853 + 𝑓(0.5,1.7422853))
2 2
𝑓 (0.5,1.7422853) = cos(2 ∗ 0.5) + sin(3 ∗ 0.5) = 1.5377973
0.25 0.25
𝑤3 = 1.7422853 + 0.25𝑓 (0.5 + , 1.7422853 + (1.5377973))
2 2
𝑤3 = 1.7422853 + 0.25𝑓(0.625,1.93451)
𝑤3 = 1.7422853 + 0.25(cos(2 ∗ 0.625) + sin(3 ∗ 0.625))
𝑤3 = 2.0596373
1 1 4
𝑦(𝑡3 ) = sin(2 ∗ 0.75) − cos(3 ∗ 0.5) +
2 3 3
𝑦(𝑡3 ) = 2.041472
ℎ ℎ
𝑤4 = 𝑤3 + ℎ𝑓 (𝑡3 + , 𝑤3 + 𝑓 (𝑡3 , 𝑤3 ))
2 2
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡3 = 0 + (3)(0.25) = 0.75
𝑤3 = 2.0596373
Remplazamos valores
0.25 0.25
𝑤4 = 2.0596373 + 0.25𝑓 (0.75 + , 2.0596373 + 𝑓 (0.75,2.0596373))
2 2
𝑓 (0.75,2.0596373) = cos(2 ∗ 0.75) + sin(3 ∗ 0.75) = 0.8488104
0.25 0.25
𝑤4 = 2.0596373 + 0.25𝑓 (0.75 + , 2.0596373 + (0.8488104))
2 2
𝑤4 = 2.0596373 + 0.25𝑓(0.875,2.1657386)
𝑤4 = 2.0596373 + 0.25(cos(2 ∗ 0.875) + sin(3 ∗ 0.875))
𝑤4 = 2.1385559
1 1 4
𝑦(𝑡4 ) = sin(2 ∗ 1) − cos(3 ∗ 1) +
2 3 3
𝑦(𝑡4 ) = 2.1179795
ℎ ℎ
𝑤5 = 𝑤4 + ℎ𝑓 (𝑡4 + , 𝑤4 + 𝑓 (𝑡4 , 𝑤4 ))
2 2
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡4 = 0 + (4)(0.25) = 1
𝑤4 = 2.1385559
Remplazamos valores
0.25 0.25
𝑤4 = 2.1385559 + 0.25𝑓 (1 + , 2.1385559 + 𝑓(1,2.1385559))
2 2
𝑓 (0.75,2.0596373) = cos(2 ∗ 1) + sin(3 ∗ 1) = −0.2750268
0.25 0.25
𝑤4 = 2.1385559 + 0.25𝑓 (1 + , 2.1385559 + (−0.2750268))
2 2
𝑤4 = 2.1385559 + 0.25𝑓(1.125,2.1041776)
𝑤4 = 2.1385559 + 0.25(cos(2 ∗ 1.125) + sin(3 ∗ 1.125))
𝑤4 = 1.923689
3.d. (Bautista C. Jesus)
d) y '  cos 2t  sen3t; 0  t  1; y (0)  1; h  0.1
1 1 4
solución real: y (t )  sen 2t  cos 3t 
2 3 3
W0  1
t1  0  0.1i
h
Wi 1  Wi  hf (t1  f (ti ,Wi ))
2
Wi 1  Wi  (0.1) f (0.1i  0.05;Wi  0.05 f (0.1i,Wi ))
Para i  0
Wi 1  Wi  (0.1) f (0.1i  0.05;Wi  0.05 f (0.1i, Wi ))

W1  1  (0.1) f (0.05;1  0.05 f (0.1))
W1  1  (0.1) f (0.05;1  0.05(1))  1  (0.1 f (0.05;1.05))  1  (0.1)(1.144443)  1.14444
Para i  1
Wi 1  Wi  (0.1) f (0.1i  0.05;Wi  0.05 f (0.1i,Wi ))

W2  1.114444  (0.1) f (0.1  0.05;1.114444  0.05 f (0.1,1.114444))  1.114444  (0.5) f (0.15;1.178223)  1.809595
1 1 4
y (0.1)  sen2(0.1)  cos 3(0.1)   1.114225
2 3 3
Error  1.114444  1.114225  0.000215
EJERCICIO 4.
Aplique el método modificado de Euler para aproximar las soluciones de los

siguientes problemas de valor inicial y compare los resultados con los valores
reales.
a) Gonzales Tafur Cleber)
𝑦 𝑦 2
𝑦′ = − ( ) ; 1 ≤ 𝑡 ≤ 2; 𝑦(1) = 1; 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
𝑡 𝑡
𝑡
=
(1 + ln 𝑡)
SOLUCIÓN
𝑦 𝑦 2
𝒚′ = −( ) 1≤𝑡≤2
𝑡 𝑡
𝑦 (1) = 1
𝑤0 = 0
ℎ = 0.1
𝑡𝑖 = 1 + 0.1𝑖
Solución exacta.
𝑡
𝑦 (𝑡 ) =
(1 + ln 𝑡)
Método de Euler.
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 + 𝑤𝑖 ))]
2
𝒑𝒂𝒓𝒂 𝒊 = 𝟎
ℎ
𝑤1 = 𝑤0 + [𝑓(𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 ))]
2
𝑡0 = 1; 𝑡1 = 1.1; 𝑤0 = 1
𝑤0 𝑤0 2
𝑓 (𝑡0 , 𝑤0 ) = −( ) =0
𝑡0 𝑡0
𝑤0 𝑤0 2
𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ) = 𝑤0 + ℎ [ − ( ) ] = 1
𝑡0 𝑡0
𝑓(𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 )) = 𝑓(𝑡1 , 1) = 0.0826466
ℎ ℎ
𝑤1 = 𝑤0 + 2 [𝑓(𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓 (𝑡0 + 𝑤0 ))] = 𝑤0 + 2 (0 + 0.0826466) =
1.0041322
Solución exacta.
𝑡
𝑦 (𝑡 ) =
(1 + ln 𝑡)
𝑡1
𝑦(𝑡1 ) = = 1.0042817
(1 + ln 𝑡1 )
𝐸𝑟𝑟𝑜𝑟 = |1.0042817 − 1.0041322| = 0.0001495
𝒑𝒂𝒓𝒂 𝒊 = 𝟏
ℎ
𝑤2 = 𝑤1 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
𝑡1 = 1.1; 𝑡2 = 1.2; 𝑤1 = 1.0041322
𝑤1 𝑤1 2
𝑓 (𝑡1 , 𝑤1 ) = − ( ) = 0.0795570
𝑡1 𝑡1
𝑤1 𝑤1 2
𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 ) = 𝑤1 + ℎ [ − ( ) ] = 1.0120879
𝑡1 𝑡1
𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 )) = 𝑓(𝑡2 , 1.0120879) = 0.1320729

ℎ ℎ
𝑤2 = 𝑤1 + 2 [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 ))] = 𝑤1 + 2 (0.0795570 +
0.1320729) = 1.0147137
Solución exacta.
𝑡
𝑦 (𝑡 ) =
(1 + ln 𝑡)
𝑡2
𝑦(𝑡2 ) = = 1.0149523
(1 + ln 𝑡2 )
𝐸𝑟𝑟𝑜𝑟 = |1.0149523 − 1.0147137| = 0.0002386
𝒑𝒂𝒓𝒂 𝒊 = 𝟐
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 ))]
2
𝑡2 = 1.2; 𝑡3 = 1.3; 𝑤2 = 1.0147137
𝑤2 𝑤2 2
𝑓 (𝑡2 , 𝑤2 ) = − ( ) = 0.1305643
𝑡2 𝑡2
𝑤2 𝑤2 2
𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ) = 𝑤2 + ℎ [ − ( ) ] = 1.0277701
𝑡2 𝑡2
𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 )) = 𝑓(𝑡3 , 1.0277701) = 0.1655561
ℎ ℎ
𝑤3 = 𝑤2 + 2 [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 ))] = 𝑤2 + 2 (0.1305643 +
0.1655561) = 1.0295197
Solución exacta.
𝑡
𝑦 (𝑡 ) =
(1 + ln 𝑡)
𝑡3
𝑦(𝑡3 ) = = 1.0298137
(1 + ln 𝑡3 )
𝐸𝑟𝑟𝑜𝑟 = |1.0298137 − 1.0295197| = 0.0002940
Cuadro de resumen.
Método
i ti Modificado De Solución exacta Error
Euler
0 1 1.0041322 1.0042817 0.0001495
1 1.1 1.0147137 1.0149523 0.0002386
2 1.2 1.0295197 1.0298137 0.0002940
3 1.3 1.0472044 1.0475339 0.0003295
4 1.4 1.0669093 1.0672624 0.0003530
5 1.5 1.0880637 1.0884327 0.0003690
6 1.6 1.1102751 1.1106551 0.0003800
7 1.7 1.1332657 1.1336536 0.0003878
8 1.8 1.1568349 1.1572284 0.0003935
9 1.9 1.1806758 1.4295161 0.2488403
10 2
a. (Banda Cubas Liler)
𝑦 𝑦 2
𝑦´ = 𝑦´ = − ( ) ; 1 ≤ 𝑡 ≤ 2; 𝑦(1) = 1; 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
𝑡 𝑡
1
=
(1 + 𝑙𝑛𝑡)
Solución:
𝑦 𝑦 2
𝑦´ = 𝑡 − (𝑡 ) ; 1≤𝑡≤2
𝑦 (𝑡 ) = 1
𝑤0 = 0
ℎ = 0.1
𝑡1 = 1 + 0.1𝑖
Solución exacta
𝑡
𝑦 (𝑡 ) =
(1 + 𝑙𝑛𝑡)
Método modificado de Euler
ℎ
2
Solución
ℎ
𝑤1 = 𝑤0 + [𝑓 (𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ))]
2
𝑡0 = 1; 𝑡1 = 1.1; 𝑤0 = 1
𝑤0 𝑤0 2
𝑓(𝑡0 , 𝑤0 ) = − ( ) =0
𝑡0 𝑡0
𝑤0 𝑤0 2
( )
𝑤0 + ℎ𝑓 𝑡0 , 𝑤0 = 𝑤0 + ℎ [ −( ) ]=1
𝑡0 𝑡0
𝑓(𝑡1 , 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 )) = 𝑓 (𝑡1 , 1) = 0.0826446
ℎ ℎ
𝑤1 = 𝑤0 + [𝑓 (𝑡0 , 𝑤0 ) + 𝑓 (𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ))] = 𝑤0 + (0 + 0.0826446)
2 2
= 1.0041322
Solución exacta
𝑡
𝑦 (𝑡 ) =
(1 + 𝑙𝑛𝑡)
𝑡1
𝑦(𝑡1 ) = = 1.0042817
(1 + 𝑙𝑛𝑡1 )
ℎ
𝑤2 = 𝑤1 + [𝑓 (𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
𝑡1 = 1.1; 𝑡2 = 1.2; 𝑤1 = 1.0041322
𝑤1 𝑤1 2
𝑓(𝑡1 , 𝑤1 ) = − ( ) = 0.0795570
𝑡1 𝑡1
𝑤1 𝑤1 2
𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 ) = 𝑤1 + ℎ [ − ( ) ] = 1.0120879
𝑡1 𝑡1
𝑓(𝑡2 , 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 )) = 𝑓 (𝑡1 , 1.0120879) = 0.1320719
ℎ
𝑤2 = 𝑤1 + [𝑓 (𝑡1 , 𝑤1 ) + 𝑓 (𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
ℎ
= 𝑤1 + (0.0795570 + 0.1320719) = 1.0147137
2
Solución exacta
𝑡2
𝑦(𝑡2 ) = = 1.0149523
(1 + 𝑙𝑛𝑡2 )
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ))]
2
𝑡2 = 1.2; 𝑡3 = 1.3; 𝑤2 = 1.0147137
𝑤2 𝑤2 2
𝑓(𝑡2 , 𝑤2 ) = − ( ) = 0.13056443
𝑡2 𝑡2
𝑤2 𝑤2 2
( )
𝑤2 + ℎ𝑓 𝑡2 , 𝑤2 = 𝑤2 + ℎ [ − ( ) ] = 1.0277701
𝑡2 𝑡2
𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 )) = 𝑓(𝑡3 , 1.0277701) = 0.1655561
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ))]
2
ℎ
= 𝑤2 + (0.1305643 + 0.1655561) = 1.0295197
2
Solución exacta
𝑡3
𝑦(𝑡3 ) = = 1.0298137
(1 + 𝑙𝑛𝑡3 )
4.b (Ocsa Cubas Robi Willams)

4.b. Aplique el método modificado de Euler para aproximar las soluciones de los siguientes
b. y'=1+y/t+(y/t)2 , 1  t  3 y (1)  1, con h = 0,1; solución real y(t)=t*tan(lnt)
Usando el mismo código:
import math
import numpy as np
%matplotlib inline
def fxy(t,y):
return 1+y/t+(y/t)**2
def real(t):
return t * np.tan(np.log(t) + np.pi/4)
h = 0.1
t0 = 1
y0 = 1
y[0] = y0
plt.legend()
# Se muestra
plt.show()
Teniendo como resultados:
𝑥 = 2, 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9, 3
𝑦 = 1.00000000, 1.32892562, 1.73280129, 2.23466603,
2.86872455, 3.68786348, 4.77813539, 6.28900829,
8.50341895, 1.20239867, 1.837382810, 3.259865240
8.201948800,6.3618114500,6.0477587400000,3.22633176𝑥1017
2.05163155𝑥10^{64}, 2.65917279𝑥10^{251}, 𝑖𝑛𝑓, 𝑖𝑛𝑓, 𝑖𝑛𝑓
Donde 𝑦 son las aproximaciones dados los 𝑥.
Como podemos ver los números son TAN grandes que la aproximación se va hacia
infinito.
b. (Jose Elver Bustamante Ruiz)
𝑦 𝑦
𝑦′ = 1 + + ( )2 , 1 ≤ 𝑡 ≤ 3, 𝑦(1) = 0, 𝑐𝑜𝑛 ℎ = 0.2: 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
𝑡 𝑡
= 𝑡 tan(𝑙𝑛 𝑡)
SOLUCIÓN
𝑏−𝑎
ℎ=
𝑛
𝑏−𝑎 3−2
𝑛= = =2
ℎ 0.5
𝑦 𝑦
𝑓 (𝑡, 𝑦) = 1 + + ( )2
𝑡 𝑡
𝑡𝑖 = 𝑎 + ℎ𝑖; 𝑖 = 0,1,2
𝑡𝑜 = 1 + 0.2 ∗ 0 = 1
𝑡1 = 1 + 0.2 ∗ 1 = 1.2
𝑡2 = 2 + 0.2 ∗ 2 = 2.4
𝑊𝑜 = 1 i=0
𝑤𝑖+1= 𝑤𝑖 + ℎ𝑓(𝑡𝑖 ; 𝑤0 )
𝑤0+1= 𝑤0 + ℎ𝑓(𝑡𝑜 ; 𝑤0 )
0 0
𝑤1 = 1 + 0.2( 1 + + ( )2 ) = 1.2
1 1
𝑊1 = 2 𝑖=1
𝑤1+1= 𝑤1 + 0.2𝑓(𝑡1 ; 𝑤1 )
0 0
𝑤2 = 2 + 0.2( 1 + 1.2 + (1.2)2 ) = 2.2
𝟒. 𝒄. 𝑨𝒑𝒍𝒊𝒒𝒖𝒆 𝒆𝒍 𝒎é𝒕𝒐𝒅𝒐 𝒎𝒐𝒅𝒊𝒇𝒊𝒄𝒂𝒅𝒐 𝒅𝒆 𝑬𝒖𝒍𝒆𝒓 𝒑𝒂𝒓𝒂 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒓
𝒍𝒂𝒔 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒅𝒆𝒍 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆 𝒑𝒓𝒐𝒃𝒍𝒆𝒎𝒂 𝒅𝒆 𝒗𝒂𝒍𝒐𝒓 𝒊𝒏𝒊𝒄𝒊𝒂𝒍
𝒚 𝒄𝒐𝒎𝒑𝒂𝒓𝒆 𝒅𝒆𝒔𝒑𝒖𝒆𝒔 𝒍𝒐𝒔 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒔 𝒄𝒐𝒏 𝒍𝒐𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒓𝒆𝒂𝒍𝒆𝒔:
(Requejo Llatas Víctor)
𝑦´ = −(𝑦 + 1)(𝑦 + 3), 𝑦 ≤ 𝑡 ≤ 2, 𝑦(0) = −2, 𝑐𝑜𝑛 ℎ = 0.2 … (1)
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1 … (2)
𝐶𝑜𝑚𝑝𝑎𝑟𝑎𝑚𝑜𝑠 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑑𝑎𝑑𝑎 (1) 𝑐𝑜𝑛 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎 𝑔𝑒𝑛𝑒𝑟𝑎𝑙 𝑑𝑒𝑙 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟 𝑖𝑛𝑖𝑐𝑖𝑎𝑙
𝑦´ = 𝑓(𝑡, 𝑦), 𝑎 ≤ 𝑡 ≤ 𝑏, 𝑦(𝑎) = 𝛼
𝑙𝑙𝑒𝑔𝑎𝑚𝑜𝑠 𝑎: 𝑓 (𝑡, 𝑦) = −(𝑦 + 1)(𝑦 + 3), 𝛼 = 𝑤0 = 𝑦0 = −2, 𝑡0 = 𝑎, 𝑏 = 2
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎𝑞𝑢í 𝑡𝑒𝑛𝑑𝑟𝑖𝑎𝑚𝑜𝑠 𝑞𝑢𝑒:
𝑡𝑖 = 𝑡0 + ℎ ∗ 𝑖 = 0 + 0.2 ∗ 𝑖 = 0.2𝑖
𝑇𝑒𝑛𝑖𝑒𝑛𝑑𝑜 𝑐𝑜𝑚𝑜 𝑑𝑎𝑡𝑜 𝑤0 = 𝛼
= 0 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝐸𝑢𝑙𝑒𝑟 𝑚𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑑𝑜 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑑𝑜𝑠 𝑠𝑒𝑟á:
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓 (𝑡𝑖+1 , 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ))], 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑖 = 0,1, … , 𝑁 − 1:
2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 ))]
2
0.2
= 𝑤𝑖 + [𝑓(0.2 ∗ 𝑖, 𝑤𝑖 ) + 𝑓(0.2 ∗ (𝑖 + 1), 𝑤𝑖 + 0.2 ∗ 𝑓(0.2 ∗ 𝑖, 𝑤𝑖 ))]
2
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑡𝑒𝑛𝑑𝑟𝑒𝑚𝑜𝑠 𝑞𝑢𝑒:
0.2
𝑤1 = 𝑤0 + [𝑓(0.2 ∗ 0, 𝑤0 ) + 𝑓(0.2 ∗ (0 + 1), 𝑤0 + 0.2 ∗ 𝑓 (0.2 ∗ 0, 𝑤0 ))]
2
0.2
𝑤1 = −2 + [𝑓(0, −2) + 𝑓(0.2,1 + 0.2 ∗ 𝑓(0, −2))]
2
𝑤1 = −1.804, 𝑙𝑢𝑒𝑔𝑜:
0.2
𝑤2 = 𝑤1 + [𝑓(0.2 ∗ 1, 𝑤1 ) + 𝑓(0.2 ∗ (1 + 1), 𝑤1 + 0.2 ∗ 𝑓 (0.2 ∗ 1, 𝑤1 ))]
2
0.2
𝑤2 = −1.804 + [𝑓(0.2, −1.804) + 𝑓(0.4, −1.804 + 0.2 ∗ 𝑓(0.2, −1.804))]
2
𝑤2 = −1.62292
𝐷𝑒 𝑚𝑎𝑛𝑒𝑟𝑎 𝑠𝑖𝑚𝑖𝑙𝑎𝑟, 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝐸𝑢𝑙𝑒𝑟 𝑚𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑑𝑜, 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑒𝑙
𝑟𝑒𝑠𝑡𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑠. 𝐿𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑡𝑎𝑏𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑙𝑎 𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛
𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑠 𝑦 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎:
𝐼 𝑡𝑖 𝑤𝑖 (𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜𝑠)𝑦(𝑡1 )(𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑒𝑥𝑎𝑐𝑡𝑜𝑠) 𝐸. 𝑟𝑒𝑎𝑙[𝑖 ] = |𝑦[𝑡𝑖 ] − 𝑤𝑖 |

1 0,2 −1.804 −1.80262 0.00137532
2 0,4 −1.62292 −1.62005 0.00286956
3 0,6 −1.46724 −1.46295 0.00428981
4 0,8 −1.34132 −1.33596 0.00535699
5 1.0 −1.24429 −1.23841 0.00588447
6 1,2 −1.17221 −1.16635 0.00586522
7 1,4 −1.12008 −1.11465 0.00542798
8 1,6 −1.08308 −1.07833 0.004747
9 1,8 −1.05717 −1.05319 0.0039759
10 2.0 −1.03919 −1.03597 0.0032214
𝟒. 𝒄. (𝑽𝒂𝒔𝒒𝒖𝒆𝒛 𝑯𝒆𝒓𝒓𝒆𝒓𝒂 𝑱𝒐𝒔𝒆𝒍𝒊𝒕𝒐)
𝑌 ′ = −(𝑦 + 1)(𝑦 + 3), 0 ≤ 𝑡 ≤ 2, 𝑦(1) = −2, 𝑐𝑜𝑛 ℎ = 0.2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 ; 𝑤𝑖 ) + 𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 )]
2
𝑏−𝑎 2−0
𝑡𝑖 = 𝑎 + 𝑖ℎ¸ ℎ= ⇒𝑛= = 10 𝑑𝑜𝑛𝑑𝑒 𝑛 𝑒𝑠 # 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑛 0.2
𝒊=𝟎
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡0 = 0 + 0(0.2) = 0 ; 𝑤0 = −2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(𝑦 + 1)(𝑦 + 3) = −(−2 + 1)(−2 + 3) = 1
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 0 + 0.2 = 0.2
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −2 + 0.2(1) = −1.8
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(𝑦 + 1)(𝑦 + 3) = −(−1.8 + 1)(−1.8 + 3) = 0.96
ℎ 0.2
𝑤𝑖+1 = 𝑤𝑖 + 2 [𝑓(𝑡𝑖 ; 𝑤𝑖 ) + 𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 )] = −2 + [1 + 0.96] = −1.804
2
𝒊=𝟏
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡1 = 0 + 1(0.2) = 0.2 ; 𝑤1 = −1.804
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −(−1.804 + 1)(−1.804 + 3) = 0.961584
𝑡𝑖+1 = 𝑡1 + ℎ ⇒ 0.2 + 0.2 = 0.4
𝑤𝑖+1 = 𝑤1 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.804 + 0.2(0.961584) = −1.6116832
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.6116832 + 1)(−1.6116832 + 3) = 0.8492101

0.2
𝑤𝑖+1 = −1.804 + [0.961584 + 0.8492101 ] = −1.6229206
2
𝒊=𝟐
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡2 = 0 + 2(0.2) = 0.4 ; 𝑤2 = −1.6229206
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.6229206 + 1)(−1.6229206 + 3) = 0.8578111
𝑡𝑖+1 = 𝑡2 + ℎ ⇒ 0.4 + 0.2 = 0.6
𝑤𝑖+1 = 𝑤2 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.6229206 + 0.2(0.8578111) = −1.4513584
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.4513584 + 1)(−1.4513584 + 3) = 0.6989924
0.2
𝑤𝑖+1 = −1.6229206 + [0.8578111 + 0.6989924 ] = −1.4672403
2
𝒊=𝟑
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡3 = 0 + 3(0.2) = 0.6 ; 𝑤3 = −1.4672403
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.4672403 + 1)(−1.4672403 + 3) = 0.7161671
𝑡𝑖+1 = 𝑡3 + ℎ ⇒ 0.6 + 0.2 = 0.8
𝑤𝑖+1 = 𝑤3 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.4672403 + 0.2(0.7161671 ) = −1.3240069
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −( −1.3240069 + 1)( −1.3240069 + 3) = 0.5430333
0.2
𝑤𝑖+1 = −1.3240069 + [0.7161671 + 0.5430333] = −1.3413203
2
𝒊=𝟒
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡4 = 0 + 4(0.2) = 0.8 ; 𝑤4 = −1.3413203
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.3413203 + 1)(−1.3413203 + 3) = 0.5661411
𝑡𝑖+1 = 𝑡4 + ℎ ⇒ 0.8 + 0.2 = 1
𝑤𝑖+1 = 𝑤4 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −1.3413203 + 0.2( 0.5661411) = −1.2280921
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.2280921 + 1)( −1.2280921 + 3) = 0.4041582
0.2
𝑤𝑖+1 = −1.3413203 + [0.5661411 + 0.4041582] = −1.2442904
2
𝒊=𝟓
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡5 = 0 + 5(0.2) = 1 ; 𝑤5 = −1.2442904
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.2442904 + 1)(−1.2442904 + 3) = 0.428903
𝑡𝑖+1 = 𝑡5 + ℎ ⇒ 1 + 0.2 = 1.2
𝑤𝑖+1 = 𝑤5 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.2442904 + 0.2(0.428903 ) = −1.1585098
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.1585098 + 1)( −1.1585098 + 3) = 0.291842
0.2
𝑤𝑖+1 = −1.2442904 + [0.428903 + 0.291842] = −1.1722107
2
𝒊=𝟔
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡6 = 0 + 6(0.2) = 1.2 ; 𝑤6 = −1.1722107
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.1722107 + 1)(−1.1722107 + 3) = 0.3147649
𝑡𝑖+1 = 𝑡6 + ℎ ⇒ 1.2 + 0.2 = 1.4
𝑤𝑖+1 = 𝑤6 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.1722107 + 0.2( 0.3147649 ) = −1.1092577
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.1092577 + 1)( −1.1092577 + 3) = 0.2065782
0.2
𝑤𝑖+1 = −1.1722107 + [0.3147649 + 0.2065782] = −1.1200764
2
𝒊=𝟕
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡7 = 0 + 7(0.2) = 1.4 ; 𝑤7 = −1.1200764
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.1200764 + 1)(−1.1200764 + 3) = 0.2257345
𝑡𝑖+1 = 𝑡7 + ℎ ⇒ 1.4 + 0.2 = 1.6
𝑤𝑖+1 = 𝑤7 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.1200764 + 0.2(0.2257345 ) = −1.0749295
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.0749295 + 1)( −1.0749295 + 3) = 0.1442446
0.2
𝑤𝑖+1 = −1.1200764 + [0.2257345 + 0.1442446] = −1.0830785
2
𝒊=𝟖
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡8 = 0 + 8(0.2) = 1.6 ; 𝑤8 = −1.0830785
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.0830785 + 1)( −1.0830785 + 3) = 0.1592540

𝑡𝑖+1 = 𝑡8 + ℎ ⇒ 1.6 + 0.2 = 1.8
𝑤𝑖+1 = 𝑤8 + ℎ𝑓(𝑡𝑖 ; 𝑤𝑖 ) = −1.0830785 + 0.2(0.1592540 ) = −1.0512277
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.0512277 + 1)(−1.0512277 + 3) = 0.0998311
0.2
𝑤𝑖+1 = −1.0830785 + [0.1592540 + 0.0998311] = −1.0571699
2
𝒊=𝟗
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡9 = 0 + 9(0.2) = 1.8 ; 𝑤9 = −1.0571699
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −(−1.0571699 + 1)(−1.0571699 + 3) = 0.1110714
𝑡𝑖+1 = 𝑡9 + ℎ ⇒ 1.8 + 0.2 = 1.8
𝑤𝑖+1 = 𝑤9 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −1.0571699 + 0.2( −1.0571699 ) = −1.0349556
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = −(−1.0349556 + 1)( −1.0349556 + 3) = 0.0686893
0.2
𝑤𝑖+1 = −1.0571699 + [0.1110714 + 0.0686893] = −1.0391938
2
d. (Liler Banda Cubas)
1
. 𝑦 ´ = −5𝑦 − 5𝑡 2 + 2𝑡; 0 ≤ 𝑡 ≤ 1; 𝑦(0) = 3 ; 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) =
1
𝑡 2 + 3 𝑒 −5𝑡
Solución:
𝑦 ´ = −5𝑦 − 5𝑡 2 + 2𝑡; 0≤𝑡≤1
1
𝑦 (0) = 3
ℎ = 0.1
𝑡1 = 0.1𝑖
Solución exacta
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
Método modificado de Euler
ℎ
2
Solución
ℎ
𝑤1 = 𝑤0 + [𝑓 (𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ))]
2
1
𝑡0 = 1; 𝑡1 = 0.1; 𝑤0 =
3
𝑓(𝑡0 , 𝑤0 ) = −5𝑤0 + 5𝑡0 2 + 2𝑡0 = −1.6666667
𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ) = 𝑤0 + ℎ[−5𝑤0 + 5𝑡0 2 + 2𝑡0 ] = 0.1666667
𝑓(𝑡1 , 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 )) = 𝑓 (𝑡0 , 0.1666667) = −0.5833333
ℎ
𝑤1 = 𝑤0 + [𝑓 (𝑡0 , 𝑤0 ) + 𝑓 (𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ))]
2
ℎ
= 𝑤0 + (−1.6666667 + 0.5833333) = 0.2208333
2
Solución exacta
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡1 ) = 𝑡1 2 + 𝑒 −5𝑡 = 0.2121769
3
ℎ
𝑤2 = 𝑤1 + [𝑓 (𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
𝑡1 = 0.1; 𝑡2 = 0.2; 𝑤1 = 0.2208333
𝑓(𝑡1 , 𝑤1 ) = −5𝑤1 + 5𝑡1 2 + 2𝑡1 = −0.8541667
𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 ) = 𝑤1 + ℎ[−5𝑤1 + 5𝑡1 2 + 2𝑡1 ] = 0.13541667
𝑓(𝑡2 , 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 )) = 𝑓 (𝑡2 , −0.0770833) = −0.0770833
ℎ
𝑤2 = 𝑤1 + [𝑓 (𝑡1 , 𝑤1 ) + 𝑓 (𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
ℎ
= 𝑤1 + (−0.8541667 − 0.0770833) = 0.1742708
2
Solución exacta
1
𝑦(𝑡1 ) = 𝑡2 2 + 𝑒 −5𝑡 = 0.1626265
3
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ))]
2
𝑡2 = 0.2; 𝑡3 = 0.3; 𝑤2 = 0.1742708
𝑓(𝑡2 , 𝑤2 ) = −5𝑤2 + 5𝑡2 2 + 2𝑡2 = −0.2713542
𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ) = 𝑤2 + ℎ[−5𝑤2 + 5𝑡2 2 + 2𝑡2 ] = 0.1471354
𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 )) = 𝑓(𝑡3 , 0.1471354) = 0.3143229
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ))]
2
ℎ
= 𝑤2 + (−0.2713542 + 0.3143229) = 0.1764193
2
Solución exacta
1
𝑦(𝑡1 ) = 𝑡3 2 + 𝑒 −5𝑡 = 0.1643767
3
d. (Tapia Coronado Elvis)
1
y´ = −5y + 5t 2 + 2t ; 0 ≤ t ≤ 1; y(0) = : con h = 0.1 solución real y(t)
3
1
= t 2 + e−5t
3
Solución
1
𝑦(0) = 0≤𝑡≤1
3
𝑦´ = −5𝑦 + 5𝑡 2 + 2𝑡
𝑡𝑖 = 𝑎 + 𝑖ℎ
ℎ = 0.1
𝑎 = 0; 𝑏 = 1
Solución exacta
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
Se sabe que
ℎ
𝑤1 = 𝑤0 + [𝑓(𝑡0 , 𝑤0 ) + 𝑓(𝑡0 , 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 ))]
2
Para 𝑖 = 0
1
𝑡0 = 0; 𝑡1 = 0.1; 𝑤0 =
3
𝑦´ = 𝑓(𝑡0 , 𝑤0 ) = −5𝑦 + 5𝑡 2 + 2𝑡 = −5𝑤0 + 5𝑡0 2 + 2𝑡0 = −1.6666667
𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ) = 𝑤0 + ℎ[−5𝑤0 + 2𝑡02 + 2𝑡0 ] = 0.1666667
𝑓(𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 )) = 𝑓 (𝑡1 , 0.1666667) = −0.5833333
h h
w1 = w0 + [f(t 0 , w0 ) + f(t1 , w0 + hf(t 0 , w0 ))] = w0 + [−1.6666667 − 0.5833333]
2 2
= 0.2208333
Solución exacta
1
𝑦(𝑡1 ) = 𝑡 21 + 𝑒 −5𝑡1 = 0.2121769
3
Para i=1
ℎ
𝑤2 = 𝑤1 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
𝑡1 = 0.1; 𝑡2 = 0.2; 𝑤1 = 0.220833
𝑓 (𝑡1 , 𝑤1 ) = −5𝑤1 + 5𝑡 21 + 2𝑡1 = −0.8541667
𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 ) = 𝑤1 + ℎ[−5𝑤1 + 5𝑡 21 + 2𝑡1 ] = 0.13541667
𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 )) = 𝑓(𝑡2 , −0.0770833 = −0.0770833
ℎ
𝑤2 = 𝑤1 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
ℎ
= 𝑤1 + [−0.8541667 − 0.0770833] = 0.1742708
2
Solución exacta
1
𝑦(𝑡2 ) = 𝑡 2 2 + 𝑒 −5𝑡2 = 0.1626265
3
Para i=2
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 ))]
2
𝑡2 = 0.2; 𝑡3 = 0.3; 𝑤2 = 0.1742708
𝑓 (𝑡2 , 𝑤2 ) = −5𝑤2 + 5𝑡 2 2 + 2𝑡2 = −02713542
𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ) = 𝑤2 + ℎ[−5𝑤2 + 5𝑡 2 2 + 2𝑡2 ] = 0.1471354
𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 )) = 𝑓 (𝑡3 , 0.1471354) = 0.3143229
ℎ ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 )) = 𝑤2 + [−02713542 + 0.3143229]
2 2
= 0.1764193
SOLUCIÓN EXACTA
1
𝑦(𝑡3 ) = 𝑡 2 3 + 𝑒 −5𝑡3 = 0.1643767
3
El desarrollo de las siguientes aproximaciones se resume en el siguiente cuadro donde

también se incluye las cotas de error.
i Ti Método Modificado de Solución Error

Euler exacta
0 0 0.2208333 0.2121769 0.0086564
1 0.1 0.1742708 0.1626265 0.0116444
2 0.2 0.1764193 0.1643767 0.0120426
3 0.3 0.2165120 0.2051118 0.0114003
4 0.4 0.2878200 0.2773617 0.0104584
5 0.5 0.3861375 0.3765957 0.0095418
6 0.6 0.5088359 0.5000658 0.0087702
7 0.7 0.6542725 0.6461052 0.0081673
8 0.8 0.8214203 0.8137030 0.0077173
9 0.9 1.0096377 1.0022460 0.0073917
10 1 1.2185236 1.2113623 0.0071613
4.d. (Yonel Muñoz Quiroz)
𝟏
𝒚′ = −𝟓𝒚 + 𝟓𝒕𝟐 + 𝟐𝒕, 𝟎 ≤ 𝒕 ≤ 𝟏; 𝒚( 𝟎) = ; 𝒉 = 𝟎. 𝟏 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏 𝒓𝒆𝒂𝒍: 𝒚(𝒕)
𝟑
𝟏
= 𝒕𝟐 + 𝒆−𝟓𝒕
𝟑
Solución:
El método modificado de Euler se denota de la siguiente manera:
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )]; 𝑝𝑎𝑟𝑎 𝑖 = 0,1,2, … , 𝑛 − 1
2
Ahora definimos:
𝑏 = 1; 𝑎=0
𝑏−𝑎 1
𝑛 𝑛
𝑦 ′ = −5𝑦 + 5𝑡 2 + 2𝑡 → 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −5𝑤𝑖 + 5𝑡𝑖 2 + 2𝑡𝑖
1 1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡 → 𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3 3
1
Para 𝒊 = 𝟎; 𝑡𝑖 = 0.1𝑖 = 0; 𝑡1 = 0.1𝑖 = 0.1 𝑤𝑖 = 3
ℎ
𝑤1 = 𝑤0 + [𝑓(𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 )]
2
1 0.1 1 1 1
𝑤1 = + [𝑓(0 , ) + 𝑓(0 , + 0.1 𝑓(0 , )]
3 2 3 3 3
Calculamos por partes:
1 1
𝑓 (𝑡0 , 𝑤0 ) = 𝑓 (0 , ) == −5𝑤0 + 5𝑡0 2 + 2𝑡0 = −5 ∗ + 5(0)2 + 2 ∗ 0
3 3
= −1.6666667
1 1 1
𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ) = + 0.1 𝑓(0 , ) = + 0.1(−1.6666667) = 0.1666667
3 3 3
1 1
𝑓(𝑡1 , 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 ) = 𝑓(0 , + 0.1 𝑓 (0.1 , ) = 𝑓 (0 , 0.1666667) = −0.58333333
3 3
1 0.1
𝑤1 = + [−1.6666667 − 0.58333333] = 𝟎. 𝟐𝟐𝟎𝟖𝟑𝟑𝟑
3 2
1
𝑦1 = 𝑦(𝑡1 ) = −0.12 + 𝑒 −5∗0.1 = 𝟎. 𝟐𝟏𝟐𝟏𝟕𝟔𝟗
3
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.0086564
Para 𝒊 = 𝟏; 𝑡1 = 0.1𝑖 = 0.1; 𝑡2 = 0.1𝑖 = 0.2; 𝑤1 = 0.2208333

ℎ
𝑤2 = 𝑤1 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 )]
2
𝑤2 = 0.2208333
0.1
+ [𝑓(0.1 ,0.2208333) + 𝑓(0.2 , 0.2208333 + 0.1
2
∗ 𝑓(0.1 ,0.2208333)]
𝑓(𝑡1 , 𝑤1 = 𝑓 (0.1 ,0.2283333) = −5 ∗ 0.22083333 + 5(0.1)2 + 2 ∗ 0.1 = −0.8541665
𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ) = 0.22083333 + 0.1 ∗ 𝑓(0.1 ,0.22083333) = 0.1354167
𝑓(𝑡2 , 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 ) = 𝑓(0.1 , 0.1354167) = −0.0770834
0.1
𝑤2 = 0.2083333 + [= −0.7916665 − 0.3958335] = 0.1742708
2
1
𝑦2 = 𝑦(𝑡2 ) = −0.22 + 𝑒 −5∗0.2 = 0.1626265
3
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.0116442
Para 𝒊 = 𝟐; 𝑡2 = 0.1𝑖 = 0.2; 𝑡3 = 0.1𝑖 = 0.3; 𝑤2 = 0.1742708
ℎ
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 )]
2
𝑤3 = 0.1742708
0.1
+ [𝑓(0.2 , 0.1489583) + 𝑓(0.3 , 0.1742708 + 0.1
2
∗ 𝑓(0.2 , 0.1489583)]
𝑓 (𝑡2 , 𝑤2 ) == −5 ∗ 0.1742708 + 5(0.2)2 + 2 ∗ 0.2 = −0.2713540
𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ) = 0.1471354
𝑓(𝑡3 , 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 ) = 0.3143230

0.1
𝑤3 = 0.1742708 + [−0.2713540 + 0.3143230] = 0.1764193
2
1
𝑦3 = 𝑦(𝑡3 ) = −0.32 + 𝑒 −5∗0.3 = 0.1643767
3
𝐸𝑟𝑟𝑜𝑟 = |𝑦3 − 𝑤3 | = 0.0120625
Para 𝒊 = 𝟑; 𝑡3 = 0.1𝑖 = 0.3; 𝑡4 = 0.1𝑖 = 0.4; 𝑤3 = 0.1764193
ℎ
𝑤4 = 𝑤3 + [𝑓(𝑡3 , 𝑤3 ) + 𝑓(𝑡4 , 𝑤3 + ℎ𝑓(𝑡3 , 𝑤3 )]
2
𝑓 (𝑡3 , 𝑤3 ) = 0.1679035
𝑤3 + ℎ𝑓(𝑡3 , 𝑤3 ) = 0.1932097
𝑓(𝑡4 , 𝑤3 + ℎ𝑓 (𝑡3 , 𝑤3 ) = 0.6339518
0.1
𝑤4 = 0.1764193 + [0.1679035 + 𝑓(𝑡4 , 𝑤3 + ℎ𝑓(𝑡3 , 𝑤3 )] = 0.2165121
2
1
𝑦4 = 𝑦(𝑡4 ) = −0.42 + 𝑒 −5∗0.4 = 0.2051118
3
𝐸𝑟𝑟𝑜𝑟 = |𝑦4 − 𝑤4 | = 0.01114003
Y así sucesivamente se encuentran las demás aproximaciones hasta realizar 10 iteraciones.

La siguiente tabla muestra las aproximaciones obtenidas en cada iteración.
Ejercicio 5.4 – 5a (Carlos Rivera Diaz)
Use los resultados del ejercicio 4 y la interpolación lineal para aproximar los valores de
y(t) y después compare lo resultados con los valores reales.
a. Y(1.25) y y(1.93)
Solución:
Para aproximar y(1.25), necesitamos una interpolación lineal entre dos puntos
(1.2,1.01471) y(1.3,1.02952), que es.
 1.02952  1.01471 
y  1.01471   t  1.2   
 1.3  1.2 
y  t   1.01471  0.1481 t  1.2 
y 1.25   1.01471  0.1481 t  1.2 
y 1.25   1.022115 valor aproximado
t
nuevamente usando la solución exacta y  t  
1  ln t
1.25
y 1.25 
1  ln(1.25)
y 1.25  1.0219569 Evaluación Exacta
Ahora por formula

E.R  V .P  E.E
E.R  1.022115 1.0219569
E.R  0.0001581
Para aproximar y(1.93), necesitamos una interpolación lineal entre dos puntos
(1.9,1.15683) y (2.1,1.18083), que es.
 1.18083  1.15683 
y  1.15683   t  1.9   
 2  19 
y  t   1.15683  0.24  t  1.9 
y 1.93  1.15683  0.24 1.93  1.9 
y 1.93  1.164030 valor aproximado
t
nuevamente usando la solución exacta y  t  
1  ln t
1.93
y 1.93 
1  ln(1.93)
y 1.93  1.1643902 Evaluación Exacta
Ahora por formula
E.R  V .P  E.E
E.R  1.164030 1.1643902
E.R  0.0003602
5a. (Bautista Vasquez Cristian)
𝑦 𝑦 2
𝑎) 𝑦 ′ = − ( ) , 1 ≤ 𝑡 ≤ 2, 𝑦(1) = 1, 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
𝑡 𝑡
= 𝑡/(1 + 𝑙𝑛𝑡).
𝑃𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑦(1.25), 𝑛𝑒𝑐𝑒𝑠𝑖𝑡𝑎𝑚𝑜𝑠 𝑢𝑛𝑎 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠 (1.2,1.01471) 𝑦
(1.3,1.02952), 𝑞𝑢𝑒 𝑒𝑠.

𝑦(𝑡) = 1.01471 + 0.1481(𝑡 − 1.2)
𝑦(1.25) = 1.01471 + 0.1481(1.25 − 1.2)
𝑦(1.25) = 1.022115 𝑉𝑎𝑙𝑜𝑟 𝑃𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝑡
Nuevamente usando la solución exacta dada y(t) =
1 + 𝑙𝑛𝑡
y(1.25) = 1.0219569 Evaluación Exacta
𝑨𝒉𝒐𝒓𝒂
(𝐸. 𝑅 = |𝑉. 𝑃 − 𝐸. 𝐸|
𝐸. 𝑅 = |1.022115 − 1.0219569 |
𝐸. 𝑅 = 0.0001581
(2,1.18083), 𝑞𝑢𝑒 𝑒𝑠.
1.18083 − 1.15683
𝑦 − 1.15683 = (𝑡 − 1.9) − ( )
2 − 19
𝑦(𝑡) = 1.15683 + 0.24(𝑡 − 1.9)
𝑦(1.93) = 1.15683 + 0.24(1.93 − 1.9)
𝑡
1 + 𝑙𝑛𝑡
1.93
y(1.93) =
1 + ln(1,93)
y(1.93) = 1.1643902 Evaluación Exact𝑎
𝐀𝐡𝐨𝐫𝐚
E. R = |V. P − E. E|
𝐸. R = |1.164030 − 1.1643902 |
E. R = 0.0003602
5.b (Mejía Rubio Yan Ferrari)
5. Use los resultados del ejercicio 4 y la interpolación lineal para aproximar los valores de
y(t) y después compare los resultados con los valores reales.
𝑦 𝑦
𝒃 . 𝑦′ = 1 + + ( )2 ; 0 ≤ 𝑡 ≤ 3 ; 𝑦(1) = 0 ; 𝑐𝑜𝑛 ℎ = 0.2 ; 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑐𝑡𝑢𝑎𝑙 𝑦(𝑡)
𝑡 𝑡
= 𝑡 × tan(𝑙𝑛𝑡)
Resultados de ejercicio 4.b

Interpolación lineal
La interpolación lineal entre dos puntos (𝑥0 ; 𝑦0 ) 𝑦 (𝑥0 ; 𝑦0 ) es la línea recta entre dos
puntos.
b) Para aproximar y (2.1), necesitamos una interpolación lineal entre dos puntos (2 ;
1.63842) y (2.2 ; 2.17888) que es:
2.17888 − 1.63842
𝑦 − 1.63842 = ( ) (𝑡 − 2)
2.2 − 2
𝑦(𝑡) = 1.63842 + 2.7023 × (𝑡 − 2)
𝑦(2.1) = 1.63842 + 2.7023 × (2.1 − 2)
𝑦(2.1) = 1.90865 (𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜)
Usamos la solución exacta dada 𝑦(𝑡) = 𝑡 × tan(𝑙𝑛𝑡)
𝑦(2.1) = 2.1 × tan(𝑙𝑛2.1) ⟹ 𝑦(2.1) = 1.9249617(𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜)
Calculamos el error:
𝐸𝑟𝑟𝑜𝑟 = │(𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜) − (𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜)│
𝐸𝑟𝑟𝑜𝑟 = │1.90865 − 1.9249617│ ⟹ 𝐸𝑟𝑟𝑜𝑟 = 0.0163117
Para aproximar y(2.75), necesitamos una interpolación lineal entre dos puntos (2.6 ;
3.60252) y (2.8 ; 4.54661); que es.
4.54661 − 3.60252
𝑦 − 3.60252 = ( ) (𝑡 − 2.6)
2.8 − 2.6
𝑦(𝑡) = 3.60252 + 4.72045 × (𝑡 − 2.6)
𝑦(2.75) = 3.60252 + 4.72045 × (2.75 − 2.6)
Usamos la solución exacta dada 𝑦(𝑡) = 𝑡 × tan(𝑙𝑛𝑡)
𝑦(2.75) = 2.75 × tan(𝑙𝑛2.75) ⟹ 𝑦(2.75) = 4.3941697 (𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜)
𝐸𝑟𝑟𝑜𝑟 = │4.3105875 − 4.3941697│ ⟹ 𝐸𝑟𝑟𝑜𝑟 = 0.0835822
𝟓. 𝑼𝒔𝒆 𝒍𝒐𝒔 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒔 𝒅𝒆𝒍 𝒆𝒋𝒆𝒓𝒄𝒊𝒄𝒊𝒐 𝟒 𝒚 𝒍𝒂 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒄𝒊𝒐𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒑𝒂𝒓𝒂 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒓
𝒍𝒐𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒅𝒆 𝒚(𝒕) 𝒚 𝒅𝒆𝒔𝒑𝒖𝒆𝒔 𝒄𝒐𝒎𝒑𝒂𝒓𝒆 𝒍𝒐𝒔 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒔 𝒄𝒐𝒏 𝒍𝒐𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒓𝒆𝒂𝒍𝒆𝒔.
𝑏. 𝑦(2.1) 𝑦 𝑦(2.75) (Vasquez Herrera Joselito)
4. 𝐴𝑝𝑙𝑖𝑞𝑢𝑒 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝐸𝑢𝑙𝑒𝑟 𝑀𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑙𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒𝑠
𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦 𝑐𝑜𝑚𝑝𝑎𝑟𝑒 𝑑𝑒𝑠𝑝𝑢é𝑠 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
𝑦 𝑦 2
𝑌′ = 1 + +( ) , 1 ≤ 𝑡 ≤ 3, 𝑦(1) = 0, 𝑐𝑜𝑛 ℎ = 0.2
𝑡 𝑡
𝑡 tan 𝑡
𝑦 (𝑡 ) =
ln 𝑡
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 ; 𝑤𝑖 ) + 𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 )]
2
𝑏−𝑎 3−1
𝑡𝑖 = 𝑎 + 𝑖ℎ¸ ℎ= ⇒𝑛= = 10 𝑑𝑜𝑛𝑑𝑒 𝑛 𝑒𝑠 # 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑛 0.2
𝒊=𝟎
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡0 = 1 + 0(0.2) = 1 ; 𝑤0 = 0
𝑦 𝑦 2 0 0 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + 𝑡 + ( 𝑡 ) = 1 + 1 + (1) = 1
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 1 + 0.2 = 1.2
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 0 + 0.2(1) = 0.2
𝑦 𝑦 2 0.2 0.2 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + 𝑡 + ( 𝑡 ) = 1 + 1.2 + (1.2) = 1.1944444
ℎ 0.2
𝑤𝑖+1 = 𝑤𝑖 + 2 [𝑓(𝑡𝑖 ; 𝑤𝑖 ) + 𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 )] = 0 + [1 + 1.1944444] = 0.2194444
2
𝒊=𝟏
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡1 = 1 + 1(0.2) = 1.2 ; 𝑤1 = 0.2194444
0.2194444 0.2194444 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 1.2163118
1.2 1.2
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 1.2 + 0.2 = 1.4
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 0.2194444 + 0.2(1.2163118 ) = 0.4627068
0.4627068 0.4627068 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + +( ) = 1.4397383
1.4 1.4
0.2
𝑤𝑖+1 = 0.2194444 + [1.2163118 + 1.4397383] = 0.4850494
2
𝒊=𝟐
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡2 = 1 + 2(0.2) = 1.4 ; 𝑤2 = 0.4850494
0.4850494 0.4850494 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 1.4665011
1.4 1.4
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 1.4 + 0.2 = 1.6
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 0.4850494 + 0.2(1.4665011 ) = 0.7783496
0.7783496 0.7783496 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + 1.6
+( 1.6
) = 1.7231201
0.2
𝑤𝑖+1 = 0.4850494 + [1.4665011 + 1.7231201] = 0.8040115
2
𝒊=𝟑
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡3 = 1 + 3(0.2) = 1.6 ; 𝑤3 = 0.8040115
0.8040115 0.8040115 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 1.7550207
1.6 1.6
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 1.6 + 0.2 = 1.8
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 0.8040115 + 0.2(1.7550207 ) = 1.1550156
1.1550156 1.1550156 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + 1.8
+( 1.8
) = 2.0534226
0.2
𝑤𝑖+1 = 0.8040115 + [1.7550207 + 2.0534226] = 1.1848558
2
𝒊=𝟒
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡4 = 1 + 4(0.2) = 1.8 ; 𝑤4 = 1.1848558
1.1848558 1.1848558 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 2.0915505
1.8 1.8
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 1.8 + 0.2 = 2
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.1848558 + 0.2( 2.0915505) = 1.6031659
1.6031659 1.6031659 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + +( ) = 2.4441182
2 2
0.2
𝑤𝑖+1 = 1.1848558 + [2.0915505 + 2.4441182] = 1.6384227
2
𝒊=𝟓
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡5 = 1 + 5(0.2) = 2 ; 𝑤5 = 1.6384227
1.6384227 1.6384227 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 2.4903186
2 2
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 2 + 0.2 = 2.2
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.6384227 + 0.2(2.4903186 ) = 2.1364864
2.1364864 2.1364864 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + +( ) = 2.9142240
2.2 2.2
0.2
𝑤𝑖+1 = 1.6384227 + [2.4903186 + 2.9142240] = 2.1788772
2
𝒊=𝟔
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡6 = 1 + 6(0.2) = 2.2; 𝑤6 = 2.1788772
2.1788772 2.1788772 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 2.9712884
2.2 2.2
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 2.2 + 0.2 = 2.4
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 2.1788772 + 0.2( 2.9712884) = 2.7731349
2.7731349 2.7731349 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + 2.4
+( 2.4
) = 3.4905904
0.2
𝑤𝑖+1 = 2.1788772 + [2.9712884 + 3.4905904] = 2.8250651
2
𝒊=𝟕
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡7 = 1 + 7(0.2) = 2.4; 𝑤7 = 2.8250651
2.8250651 2.8250651 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 3.5626995
2.6 2.6
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 2.4 + 0.2 = 2.6
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 2.8250651 + 0.2( 3.5626995) = 3.537605
3.537605 3.537605 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + +( ) = 4.2118968
2.6 2.6
0.2
𝑤𝑖+1 = 2.8250651 + [3.5626995 + 4.2118968] = 3.6025247
2
𝒊=𝟖
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡8 = 1 + 8(0.2) = 2.6; 𝑤8 = 3.6025247
3.6025247 3.6025247 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 4.0354362
2.6 2.6
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 2.6 + 0.2 = 2.8
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 3.6025247 + 0.2( 4.0354362) = 4.4636119
4.4636119 4.4636119 2
𝑓 (𝑡𝑖+1 ; 𝑤𝑖+1 ) = 1 + +( ) = 5.1354521
2.8 2.8
0.2
𝑤𝑖+1 = 3.6025247 + [4.0354362 + 5.1354521] = 4.5466135
2
𝒊=𝟗
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡9 = 1 + 9(0.2) = 2.8; 𝑤9 = 4.5466135
4.5466135 4.5466135 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + +( ) = 5.2604862
2.8 2.8
𝑡𝑖+1 = 𝑡𝑖 + ℎ ⇒ 2.8 + 0.2 = 3
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 4.5466135 + 0.2(5.2604862 ) = 5.5987107
5.5987107 5.5987107 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + 3
+( 3
) = 6.3490771
0.2
𝑤𝑖+1 = 4.5466135 + [5.2604862 + 6.3490771] = 5.7075698
2
𝑃𝑎𝑟𝑎 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑦(2.1) 𝑛𝑒𝑐𝑒𝑠𝑖𝑡𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑓ó𝑟𝑚𝑢𝑙𝑎
𝑦1 − 𝑦0
𝑦 = 𝑦0 + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
2.1788772 − 1.6384229
𝑦 = 1.6384229 + ( ) (𝑡 − 2.0)
2.2 − 2.0
𝑦(𝑡) = 1.6384229 + (2.7022715)(𝑡 − 2.0)
𝑦(𝑡) = 1.6384229 + (2.7022715)(2.1 − 2.0) = 1.9086501
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦(𝑡) = 𝑡 tan(𝑙𝑛𝑡) = 2.1 tan(ln(2.1)) = 1.9249617
𝐸𝑅𝑅𝑂𝑅 = |1.9249617 − 1.9086501| = 0.0163116
𝑃𝑎𝑟𝑎 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑦(2.75) 𝑛𝑒𝑐𝑒𝑠𝑖𝑡𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑓ó𝑟𝑚𝑢𝑙𝑎
𝑦1 − 𝑦0
𝑦 = 𝑦0 + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
4.5466135 − 3.6025247
𝑦 = 3.6025247 + (𝑡 − 2.6)
2.8 − 2.6
𝑦(𝑡) = 3.6025247 + 4.7204440(𝑡 − 2.6)
𝑦(2.75) = 3.6025247 + 4.7204440(2.75 − 2.6) = 4.3105913
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑦(𝑡) = 𝑡 tan(𝑙𝑛𝑡) = 2.75 tan(ln(2.75)) = 4.3941697
𝐸𝑅𝑅𝑂𝑅 = |4.3941697 − 4.3105913| = 0.0835784
c. (Collantes Fonseca Luis)

c. y (1.3) y y (1.93)
Aplique el método modificado de Euler para aproximar las soluciones de los

siguientes problemas de valor inicial y compare después los resultados con los valores
reales.
La interpolación lineal entre los dos puntos (x0, y0) y (x1, y1) es la línea recta entre estos
puntos
b. para aproximar y (1.3), necesitamos una interpolación lineal entre dos puntos (1.2, -
1.17221) y (1.4, -1.12008), que es:
−1.2008−(−1.17221)
y – (-1.17221) = ( ) (𝑡 − 1.2)
1.4−1.2
y(t)= -1.17221+0.26065(t – 1.2)
y(1.3) = (-1.17221 + 0.26065(1.3 – 1.2)
= -1.146145 (valor aproximado)
utilizando la solución exacta dada y(t) = -3 + 2(1 + 𝒆−𝟐𝒕 )−𝟏
y(t) = -3 + 2(1 + 𝑒 −2𝑡 )−1
y(1.3) = -3 + 2(1 +𝑒 −2(1.3) )−1
y(1.3) = -1.138276841 (valor exacto)
Error = |𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜 |
Error = |(−1.146145) − (−1.13827684)|
Error = 0.007868159
c. para aproximar y(1.93), necesitamos una interpolación lineal entre dos puntos (1.8,
-1.05717) y (2, -1.03919), que es.
−1.03919−(−1.05717)
y – (-1.05717) = ( ) (𝑡 − 1.8)
2−1.8
y(t) = -1.05717 + 0.0899(t – 1.8)
y(1.93) = -1.05717 + 0.0899(1.93 – 1.58)
y(1.93) = -1.045483 (valor aproximado)
Nuevamente utilizando la solución exacta dada y(t) = -3 + 2(1 + 𝒆−𝟐𝒕 )−𝟏
Y(1.93) = -3 + 2(1 + 𝒆−𝟐(𝟏.𝟗𝟑) )−𝟏
Y(1.93) = -1.041266594 (valor exacto)
Error = |𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜 |
Error = |−1.045483 − (−1.041266594)|
Error = 0.0042164
d. (Silva Bustamante José Ángel)
d). 𝑦(0.54), 𝑦(0.94)
Ejercicio 4d
1
𝑦 ′ = −5𝑦 + 5𝑡 2 + 2𝑡, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = , 𝑐𝑜𝑛 ℎ = 0.1
3
1
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
ℎ = 0.1
𝑏−𝑎 𝑏−𝑎 1−0

ℎ= →𝑁= = = 10
𝑁 ℎ 0.1
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −5𝑤𝑖 + 5𝑡𝑖 2 + 2𝑡𝑖
Ahora usaremos el método de Euler
1
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ) 𝑤0 = 𝑦(𝑡0 ) = 𝑦(0) =
3
𝑡𝑖 = 𝑎 + ℎ𝑖 → 𝑡𝑖 = 0 + 0.1𝑖 → 𝑡𝑖
= 0.1𝑖
Para i=0
𝑤1 = 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 )
1 1
𝑤1 = + 0.1𝑓 (0, )
3 3
1 5
𝑤1 = + 0.1 ∗ (− )
3 3
𝑤1 = 0.1666667
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −5𝑤𝑖 + 5𝑡𝑖 2 + 2𝑡𝑖
1 1
𝑓 (0, ) = −5 ∗ + 5 ∗ 02 + 2 ∗ 0
3 3
1 5
𝑓 (0, ) = −
3 3
𝑦(𝑡1 ) = 0.2121769
𝑃𝑎𝑟𝑎 𝑖 = 1 , 𝑡1 = 0.1
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 , 𝑤1 )
𝑤2 = 0.1666667 + 0.1𝑓 (0.1 , 0.1666667)
𝑤2 = 0.1083334
𝑦(𝑡2 ) = 0.1626265
𝑃𝑎𝑟𝑎 𝑖 = 2 , 𝑡2 = 0.2
𝑤3 = 𝑤2 + ℎ𝑓 (𝑡2 , 𝑤2 )
𝑤3 = 0.1083334 + 0.1𝑓 (0.2 , 0.1083334)
𝑤3 = 0.1141667
𝑦(𝑡3 ) = 0.1643767
𝑃𝑎𝑟𝑎 𝑖 = 3 , 𝑡3 = 0.3
𝑤4 = 𝑤3 + ℎ𝑓 (𝑡3 , 𝑤3 )
𝑤4 = 0.1141667 + 0.1𝑓(0.3 , 0.1141667)
𝑤4 = 0.1620834
𝑦(𝑡4 ) = 0.2051118
𝑃𝑎𝑟𝑎 𝑖 = 4 , 𝑡4 = 0.4
𝑤5 = 𝑤4 + ℎ𝑓 (𝑡4 , 𝑤4 )
𝑤5 = 0.1620834 + 0.1𝑓 (0.4 , 0.1620834)
𝑤5 = 0.2410417
𝑦(𝑡5 ) = 0.2773617
𝑃𝑎𝑟𝑎 𝑖 = 5 , 𝑡5 = 0.5
𝑤6 = 𝑤5 + ℎ𝑓 (𝑡5 , 𝑤5 )
𝑤6 = 0.2410417 + 0.1𝑓 (0.5 , 0.2410417)

𝑤6 = 0.3455209
𝑦(𝑡6 ) = 0.3765957
𝑃𝑎𝑟𝑎 𝑖 = 6, 𝑡6 = 0.6
𝑤7 = 𝑤6 + ℎ𝑓 (𝑡6 , 𝑤6 )
𝑤7 = 0.3455209 + 0.1𝑓 (0.6 , 0.3455209)
𝑤7 = 0.4727605
𝑦(𝑡7 ) = 0.5000658
𝑃𝑎𝑟𝑎 𝑖 = 7, 𝑡7 = 0.7
𝑤8 = 𝑤7 + ℎ𝑓 (𝑡7 , 𝑤7 )
𝑤8 = 0.4727605 + 0.1𝑓 (0.7 , 0.4727605)
𝑤8 = 0.6213803
𝑦(𝑡8 ) = 0.6461052
𝑃𝑎𝑟𝑎 𝑖 = 8, 𝑡8 = 0.8
𝑤9 = 𝑤8 + ℎ𝑓 (𝑡8 , 𝑤8 )
𝑤9 = 0.6213803 + 0.1𝑓 (0.8 , 0.6213803)
𝑤9 = 0.7906902
𝑦(𝑡9 ) = 0.8137030
𝑃𝑎𝑟𝑎 𝑖 = 9, 𝑡9 = 0.9
𝑤10 = 𝑤9 + ℎ𝑓(𝑡9 , 𝑤9 )
𝑤10 = 0.7906902 + 0.1𝑓(0.9 , 0.7906902)
𝑤10 = 0.9803451
𝑦(𝑡10 ) = 1.0022460
Ya calculados los valores del ejercicio 4d pasaremos a hacer la interpolación lineal para
𝑦(0.54)
Para esto tomaremos 2 valores en el cual se encuentre el 0.54
𝑡5 = 0.5
𝑡6 = 0.6
𝑓 [𝑡5 ] = 𝑤5 = 0.2410417
𝑓 [𝑡6 ] = 𝑤6 = 0.3455209
𝑓 [𝑡6 ] − 𝑓 [𝑡5 ]
𝑓 [𝑡5 , 𝑡6 ] = = 1.0447920
0.6 − 0.5
Por lo tanto nuestro polinomio de grado 1 seria:
𝑃(𝑥) = 0.2410417 + 1.0447920(𝑥 − 0.5)
𝑃(0.54) = 0.2410417 + 1.0447920(0.54 − 0.5)
𝑃(0.54) = 0.2828331
El valor real de la función en 0.54 es
1
𝑦(0.54) = 0.542 + 𝑒 −5∗0.54
3
𝑦(0.54) = 0.3140018
Ya calculados los valores del ejercicio 4d pasaremos a hacer la interpolación lineal para
𝑦(0.94)
Para esto tomaremos 2 valores en el cual se encuentre el 0.94
𝑡9 = 0.9
𝑡10 = 1
𝑓 [𝑡9 ] = 𝑤9 = 0.7906902
𝑓 [𝑡10 ] = 𝑤10 = 0.9803451
𝑓[𝑡10 ] − 𝑓 [𝑡9 ]
𝑓 [𝑡9 , 𝑡10 ] = = 1.8965490
1 − 0.9
Por lo tanto nuestro polinomio de grado 1 seria:
𝑃(𝑥) = 0.7906902 + 1.8965490(𝑥 − 0.9)

𝑃(0.94) = 0.7906902 + 1.8965490(0.94 − 0.9)
𝑃(0.94) = 0.8665522
El valor real de la función en 0.94 es
1
𝑦(0.94) = 0.542 + 𝑒 −5∗0.54
3
𝑦(0.94) = 0.8866318
d. (Tapia Coronado Elvis)
𝒅. 𝒚 (𝟎. 𝟓𝟒) 𝒚 𝒚 (𝟎. 𝟗𝟒)
𝟏
𝐲´ = −𝟓𝐲 + 𝟓𝐭 𝟐 + 𝟐𝐭 ; 𝟎 ≤ 𝐭 ≤ 𝟏; 𝐲(𝟎) = 𝟑 : 𝐜𝐨𝐧 𝐡 = 𝟎. 𝟏 𝐬𝐨𝐥𝐮𝐜𝐢ó𝐧 𝐫𝐞𝐚𝐥 𝐲(𝐭) = 𝐭 𝟐 +
𝟏
𝐞−𝟓𝐭
𝟑
Solución
por formula de interpolación lineal tenemos:
𝑤1 − 𝑤0
𝑦 − 𝑤0 = (𝑡 − 𝑡0 )
𝑡1 − 𝑡0
Para aproximar y(0.54), se necesita una interpolación lineal entre dos puntos (0.5, 0.3861375)
y (0.6, 0.5088359), que es.
0.5088359 − 0.3861375
𝑦 − 0.3861375 = (𝑡 − 0.5)
0.6 − 0.5
y(t) = 0.3861375 + 1.226984(𝑡 − 0.5)
y(0.54) = 0.3861375 + 1.226984(0.54 − 0.5)
𝐲(𝟎. 𝟓𝟒) = 𝟎. 𝟒𝟑𝟓𝟐𝟔𝟏𝟗 → 𝐕𝐚𝐥𝐨𝐫 𝐚𝐩𝐫𝐨𝐱𝐢𝐦𝐚𝐝𝐨
Solución real
1
y(t) = t 2 + e−5t
3
1
y(0.54) = 0.542 + e−5(0.54)
3
𝐲(𝟎. 𝟓𝟒) = 𝟎. 𝟑𝟏𝟒𝟎𝟎𝟏𝟖 → 𝐕𝐚𝐥𝐨𝐫 𝐫𝐞𝐚𝐥
Error |𝟎. 𝟒𝟑𝟓𝟐𝟔𝟏𝟗 − 𝟎. 𝟑𝟏𝟒𝟎𝟎𝟏𝟖| = 𝟎. 𝟏𝟐𝟏𝟐𝟔𝟎𝟏
Error de ejercicio 4 |𝟎. 𝟓𝟎𝟖𝟖𝟑𝟓𝟗 − 𝟎. 𝟑𝟖𝟔𝟏𝟑𝟕𝟓| = 𝟎. 𝟏𝟐𝟐𝟔𝟗𝟖𝟒
Para aproximar y(0.94), se necesita una interpolación lineal entre dos puntos (0.9, 1.0096377)
y (1, 1.2185236), que es.
1.2185236 − 1.0096377
𝑦 − 1.0096377 = (𝑡 − 0.9)
1 − 0.9
y(t) = 1.0096377 + 2.088859(𝑡 − 0.9)
y(0.94) = 1.0096377 + 2.088859(0.94 − 0.9)
𝐲(𝟎. 𝟗𝟒) = 𝟏. 𝟎𝟗𝟑𝟏𝟗𝟐𝟏 → 𝐕𝐚𝐥𝐨𝐫 𝐚𝐩𝐫𝐨𝐱𝐢𝐦𝐚𝐝𝐨
Solución real
1
y(t) = t 2 + e−5t
3
1
y(0.94) = 0.942 + e−5(0.94)
3
𝐲(𝟎. 𝟗𝟒) = 𝟎. 𝟖𝟖𝟔𝟔𝟑𝟏𝟖 → 𝐕𝐚𝐥𝐨𝐫 𝐫𝐞𝐚𝐥
Error |𝟏. 𝟎𝟗𝟑𝟏𝟗𝟐𝟏 − 𝟎. 𝟖𝟖𝟔𝟔𝟑𝟏𝟖| = 𝟎. 𝟐𝟎𝟔𝟓𝟔𝟎𝟑
Error de ejercicio 4 |𝟏. 𝟐𝟏𝟖𝟓𝟐𝟑𝟔 − 𝟏𝟎𝟎𝟗𝟔𝟑𝟕𝟕| = 𝟎. 𝟐𝟎𝟖𝟖𝟖𝟓𝟗

6A (LEYSER ZORRILLA LEIVA)
Repita en ejercicio 4 utilizando en método de Heun. Para aproximar las soluciones de

los siguientes problemas de valor inicial y compare después con los resultados con los
valores reales.
6. Repita el ejercicio 4 aplicando el método de Heun
b. (Willam Bravo Torres)
𝒚 𝒚 𝟐
b. 𝒚′ = 𝟏 + +( ) , 𝟏 ≤ 𝒕 ≤ 𝟑, 𝒚(𝟏) = 𝟎𝒄𝒐𝒏 𝒉 = 𝟎. 𝟐; 𝒔𝒐𝒍𝒖𝒄𝒊ò𝒏 𝒓𝒆𝒂𝒍 𝒚(𝒕) = 𝒕 𝐭𝐚𝐧(𝒍𝒏𝒕)
𝒕 𝒕
solución
 Fórmula de Heun.
𝑏−𝑎 2
𝑤0 = 0, ℎ = 0.2; 𝑡𝑖 = 1 + 0.2; ℎ = →𝑁= → 𝑁 = 10; 𝑖 = 0,1,2,3,4,5,6,7,8,9.
𝑁 0.2
ℎ 2 2
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 3𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ))]
4 3 3
 𝑠𝑖 𝑖 = 0 → 𝑡0 = 1 + 0.2(0) = 1; 𝑤0 = 0
ℎ 2 2
 𝑤𝑖+1 = 𝑤𝑖 + 4 [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 3𝑓 (𝑡𝑖 + 3 ℎ, 𝑤𝑖 + 3 ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ))]
ℎ 2 2
𝑤𝑖 = 𝑤0 + [𝑓(𝑡0 , 𝑤0 ) + 3𝑓 (𝑡0 + ℎ, 𝑤0 + ℎ𝑓 (𝑡0 , 𝑤0 ))]
4 3 3
0.2 2 2
𝑤𝑖 = 0 + [𝑓 (1.0) + 3𝑓 (1 + (0.2), 0 + (0.2)𝑓(1.0))]
4 3 3
0.2
𝑤𝑖 = 0 + [1 + 3𝑓(1.1333333,0.1333333)]
4
𝑤𝑖 = 0.05[1.3.3944637]
𝑤𝑖 = 0.2197232
 𝑦(𝑡𝑖 ) → 𝑖 = 1 → 𝑡𝑖 = 1 + 0.2(1) = 1.2 → 𝑦(1.2) = 1.2tan(ln(1.2))
𝑦(1.2) = 0.2212428
 𝑦(𝑡𝑖 ) → 𝑖 = 1 → 𝑡𝑖 = 1 + 0.2(1) = 1.2𝑤𝑖 = 0.2197232

ℎ 2 2
𝑤2 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 3𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 ))]
4 3 3
𝑤2 = 0.2197232
0.2
+ [𝑓 (1.2,0.2197232)
4
2 2
+ 3𝑓 (1.2 + (0.2), 0.2197232 + (0.2)𝑓(1.2,0.2197232))]
3 3
0.2
𝑤2 = 0.2197232 + [(1.2166292) + 3𝑓(1.3333333,0.3819404)]
4
𝑤2 = 0.2197232 + 0.05[1.2166292 + 4.1055359]

𝑤2 = 0.4858314
 𝑦(𝑡2 ) → 𝑖 = 2 → 𝑡2 = 1 + 0.2(2) = 1.4 → 𝑦(1.4) = 1.4tan(ln(1.4))

𝑦(1.4) = 0.4896817
 𝑠𝑖 𝑖 = 2 → 𝑡2 = 1 + 0.2(2) = 1.4; 𝑤2 = 0.4858314
ℎ 2 2
𝑤3 = 𝑤2 + [𝑓(𝑡2 , 𝑤2 ) + 3𝑓 (𝑡2 + ℎ, 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ))]
4 3 3
𝑤3 = 0.4858314
0.2
+ [𝑓(1.4,0.4858314)
4
2 2
+ 3𝑓 (1.4 + (0.2), 0.4858314 + (0.2)𝑓(1.4,0.4858314))]
3 3
0.2
𝑤3 = 0.4858314 + [1.4674470 + 3𝑓(1.5333333,0.6814910)]
4
𝑤3 = 0.4858314 + 0.05[1.4674470 + 4.9259613]
𝑤3 = 0.8055019
 𝑦(𝑡3 ) → 𝑖 = 2 → 𝑡3 = 1 + 0.2(3) = 1.6 → 𝑦(1.6) = 1.6tan(ln(1.6))

𝑦(1.6) = 0.8127527
 𝑠𝑖 𝑖 = 3 → 𝑡3 = 1 + 0.2(3) = 1.6; 𝑤3 = 0.8127527

ℎ 2 2
 𝑤4 = 𝑤3 + 4 [𝑓(𝑡3 , 𝑤3 ) + 3𝑓 (𝑡3 + 3 ℎ, 𝑤3 + 3 ℎ𝑓 (𝑡3 , 𝑤3 ))]
𝑤4 = 0.8127527
0.2
+ [𝑓(1.6,0.8127527)
4
2 2
+ 3𝑓 (1.6 + (0.2), 0.8127527 + (0.2)𝑓(1.6,0.8127527))]
3 3
0.2
𝑤4 = 0.8127527 + [1.7568891 + 3𝑓(1.7333333,1.0397537)]
4
𝑤4 = 0.8127527 + 0.05[1.7568891 + 5.8790624]
𝑤4 = 1.1872994
 𝑦(𝑡4 ) → 𝑖 = 4 → 𝑡4 = 1 + 0.2(4) = 1.8 → 𝑦(1.8) = 1.8tan(ln(1.8))

𝑦(1.8) = 1.1994386
A continuación, se muestra la tabla de datos obtenido.
I 𝑤(𝑖 + 1) = 𝑤𝑖 Solución exacta

ℎ
+ ( ) {𝑓(𝑡𝑖, 𝑤𝑖 )
4
2
+ 3𝑓 [𝑡(𝑖 ) + (2/3)ℎ; 𝑤𝑖 → ( ) ℎ𝑓(𝑡𝑖, 𝑤𝑖)]}
3
0 0.2197232 0.2212428
1 0.4858314 0.4896817
2 0.8055019 0.8127527
3 1.1872994 1.1994386
4 1.6421387 1.6612818
5 2.1842947 2.2135018
6 2.8327728 2.8765514
7 3.6133428 3.6784753
8 4.5617061 4.6586651
9 5.7286247 5.8741000
6.c. (Rojas Fonseca Wilser)

Ejercicio 6-C) Repita el ejercicio 4 aplicando el método de Heun.
REFERENCIA: Ejercicio 4
Utilice el método de Euler modificado para aproximar las soluciones a cada uno de los
siguientes problemas con valores iniciales y compare los resultados con los valores reales.
c) 𝑦 ′ = −(𝑦 + 1)(𝑦 + 3), 0 ≤ 𝑡 ≤ 2, 𝑦(0) = −2 𝑐𝑜𝑛 ℎ = 0.2; 𝑎𝑐𝑡𝑢𝑎𝑙 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑦(𝑡) =

−3 + 2(1 + ℯ −2𝑡 )−1 .
SOLUCIÓN
Considerando el problema del valor inicial
𝑦 ′ = −(𝑦 + 1)(𝑦 + 3), 0 ≤ 𝑡 ≤ 2
Con las condiciones iniciales
𝑦(0) = −2
El objetivo es resolver el problema del valor inicial con el uso del problema de valor inicial.
𝑦(𝑡) = −3 + 2(1 + ℯ −2𝑡 )−1
Calcular 𝑦𝑛 = 𝑦(𝑡𝑛 )𝑐𝑜𝑛 𝑡𝑛 = 𝑛ℎ, ℎ = 0.2, 0 ≤ 𝑛 ≤ 10 el uso de métodos de Heun. La

segunda columna de la tabla representa el 𝑦𝑛 , cálculo utilizando los métodos de Heun y la
cuarta columna representará la diferencia con las soluciones exactas.
n 𝑡𝑛 𝑦𝑛𝐸𝑢𝑙𝑒𝑟 𝑦𝑛𝐸𝑥𝑎𝑐𝑡𝑜 |𝑦𝑛𝐸𝑢𝑙𝑒𝑟

− 𝑦𝑛𝐸𝑥𝑎𝑐𝑡𝑜 |
0 0,00 -2.000000 -2.000000 0.000000
1 0,20 -1.802643 -1.802625 0.000018
2 0,40 -1.620102 -1.620051 0.000051
3 0,60 -1.463007 -1.462950 0.000057
4 0,80 -1.335979 -1.335963 0.000015
5 1,00 -1.238350 -1.238406 0.000056
6 1,20 -1.166219 -1.166345 0.000126
7 1,40 -1.114474 -1.114648 0.000174
8 1,60 -1.078137 -1.078331 0.000194
9 1,80 -1.053003 -1.053194 0.000191
10 2,00 -1.035799 -1.035972 0.000174
6. Repita el ejercicio 4 aplicando el método de Heun
C. (Acuña Vasquez Yoemi)
 ´ ( y  1)( y  3)
0t 2
y (0)  2
h  0.2
Solución real
y(t )  3  2(1  e2t )1
Solución
Formula de Heun
h  2 2 
wi 1  wi  f  ti , wi   3 f  ti  h, wi  hf  ti , wi   
4   3 3 
w0  y (1)
ba
h
N
ti  w0  hi
i  0,1, 2,3,..., n  1
Solución
Si i = 0
20
a  0 b  2 w0  2 h  0.2 t0  2  0.2(0)  2 0.2   N  10
N
h  2 2 
4   3 3 
h  2 2 
w1  w0  f  t0 , w0   3 f  t0  h, w0  hf  t0 , w0   
4   3 3 
0.2   2 2 
w1  2  f  2, 2   3 f  2  * 0.2, 2  * 0.2 f  2, 2   
4   3 3 
0.2   2 2 
w1  2  1 3 f  2  * 0.2, 2  * 0.2 *1 
4   3 3 
0.2
w1  2  1  3 f  1.8666667, 1.8666667  
4 
0.2
w1  2  1  3* (0.9822222)
4
w1  1.8026667
y (t1 )  i  1  t1  2  0.2(1)  1.8
 
1
y (t1 )  3  2 1  e 2 1.8
y (t1 )  2.946806
Si i = 1
w1  1.8026667 h  0.2 t1  2  0.2(1)  1.8
h  2 2 
4   3 3 
h  2 2 
w2  w1  f  t1 , w1   3 f  t1  h, w1  hf  t1 , w1   
4   3 3 
0.2   2 2 
w2  1.8026667  f  1.8, 1.8026667   3 f  1.8  0.2, 1.8026667  * 0.2 f  1.8, 1.8026667  
4   3 3 
0.2   2 2 
w2  1.8026667  0.9610596  3 f  1.8  0.2, 1.8026667  * 0.2 * 0.9610596  
4   3 3 
0.2
w2  1.8026667  0.9610596  3 f  1.6666667, 1.6745254  
4 
0.2
w2  1.8026667  0.9610596  3* 0.8940663
4
w2  1.5617828
y (t2 )  i  2  t1  2  0.2(2)  1.6
 
1
y (t2 )  3  2 1  e 2 1.6
y (t2 )  2.9216686
Si i = 2
w2  1.5617828 h  0.2 t2  2  0.2(2)  1.6
h  2 2 
4   3 3 
h  2 2 
w3  w2   f  t2 , w2   3 f  t2  h, w2  hf  t2 , w2   
4  3 3 
0.2   2 2
w3  1.5617828  f  1.6, 1.5617828   3 f  1.6  * 0.2, 1.5617828  * 0.2 f  1.6, 1.5617828
4   3 3
0.2   2 2 
w3  1.5617828  0.8079657  3 f  1.6  * 0.2, 1.5617828  * 0.2 * 0.8079657  
4   3 3 
0.2
w3  1.5617828  0.8079657  3* 0.701943
4
w3  1.4160931
y (t3 )  i  2  t1  2  0.2(3)  1.4
 
1
y (t3 )  3  2 1  e 2 1.4
y (t3 )  2.8853516
Si i = 3
w3  1.4160931 h  0.2 t3  2  0.2(3)  1.4

h  2 2 
4   3 3 
h  2 2 
w4  w3  f  t3 , w3   3 f  t3  h, w3  hf  t3 , w3   
4   3 3 
0.2   2 2
w4  1.4160931  f  t  1.4, 1.4160931  3 f  1.4  * 0.2, 1.4160931  * 0.2 f  1.4, 1.4160931
4   3 3
0.2   2 2 
w4  1.4160931  0.6590527  3 f  1.4  * 0.2, 1.4160931  * 0.2 * 0.6590527  
4   3 3 
0.2
w4  1.4160931  0.6590527  3 f  1.2666667, 1.3282194  
4 
0.2
w4  1.4160931  0.6590527  3* 0.5487108
4
w4  1.3008338
y (t4 )  i  2  t1  2  0.2(4)  1.2
 
1
y (t4 )  3  2 1  e 2 1.2
y (t4 )  2.8336546
Si i = 4
w4  1.3008338 h  0.2 t4  2  0.2(4)  1.2
h  2 2 
wi 1  wi   f  ti , wi   3 f  ti  h, wi  hf  ti , wi   
4  3 3 
h  2 2 
w5  w4  f  t4 , w4   3 f  t4  h, w4  hf  t4 , w4   
4   3 3 
0.2   2 2
w5  1.3008338  f  1.2, 1.3008338   3* f  1.2  * 0.2, 1.3008338  * 0.2 * f  1.2, 1.30083
4   3 3
0.2   2 2 
w5  1.3008338   0.5111666  3* f  1.2  * 0.2, 1.3008338  * 0.2 * 0.5111666  
4   3 3 
0.2
w5  1.3008338  0.5111666  3* f  1.0666667, 1.2326783  
4 
0.2
w5  1.3008338  0.5111666  3* 0.4112174
4
w5  1.2135929
y (t5 )  i  2  t1  2  0.2(5)  1
 
1
y (t5 )  3  2 1  e 2 1
y (t5 )  2.7615942
Si i = 5
w5  1.2135929 h  0.2 t5  2  0.2(5)  1
h  2 2 
4   3 3 
h  2 2 
w6  w5  f  t5 , w5   3 f  t5  h, w5  hf  t5 , w5   
4   3 3 
0.2   2 2 
w6  1.2135929  f 1, 1.2135929   3* f 1  * 0.2, 1.2135929  * 0.2 f 1, 1.2135929   
4   3 3 
0.2   2 2 
w6  1.2135929  0.3815639  3* f 1  * 0.2, 1.2135929  * 0.2 * 0.3815639  
4   3 3 
0.2
w6  1.2135929  0.3815639  3* 0.2989584
4
w6  1.1496709
y (t6 )  i  2  t1  2  0.2(6)  0.8
 
1
y (t6 )  3  2 1  e 2 0.8
y (t6 )  2.6640368
Si i = 6
w6  1.14966709 h  0.2 t6  2  0.2(6)  0.8

h  2 2 
4   3 3 
h  2 2 
w7  w6  f  t6 , w6   3* f  t6  * h, w6  * h * f  t6 , w6   
4   3 3 
0.2   2 2
w7  1.14966709  f  0.8, 1.14966709   3* f  0.8  * 0.2, 1.14966709  * 0.2 * f  0.8, 1.14
4   3 3
0.2   2 2 
w7  1.14966709  0.2769404  3* f  0.8  * 0.2, 1.14966709  * 0.2 * 0.2769404  
4   3 3 
0.2
w7  1.14966709  0.2769404  3* f  0.6666667, 1.1127455  
4 
0.2
w7  1.14966709  0.2769404  3* 0.2127795
4
w7  1.103907
y (t7 )  i  2  t1  2  0.2(7)  0.6
 
1
y (t7 )  3  2 1  e 2 0.6
y (t7 )  2.5370496
Si i = 7
w7  1.1003907 h  0.2 t7  2  0.2(7)  0.6
h  2 2 
4   3 3 
h  2 2 
w8  w7  f  t7 , w7   3* f  t7  * h, w7  * h * f  t7 , w7   
4   3 3 
0.2   2 2
w8  1.103907  f  0.6, 1.103907   3* f  0.6  * 0.2, 1.103907  * 0.2 * f  0.6, 1.103907 
4   3 3
0.2   2 2 
w8  1.103907   0.1970173  3* f  0.6  * 0.2, 1.103907  * 0.2 * 0.1970173  
4   3 3 
0.2
w8  1.103907  0.1970173  3* f  0.4666667, 1.077638  
4 
0.2
w8  1.103907  0.1970173  3* f  0.4666667, 1.077638  
4 
0.2
w8  1.103907  0.1970173  3* 0.1492483
4
w8  1.0716689
y (t8 )  i  2  t1  2  0.2(7)  0.4
 
1
y (t8 )  3  2 1  e 2 0.4
y (t8 )  2.379949
Si i =8
w8  1.0716689 h  0.2 t8  2  0.2(8)  0.4
h  2 2 
4   3 3 
h  2 2 
w9  w8  f  t8 , w8   3* f  t8  * h, w8  * h * f  t8 , w8   
4   3 3 
0.2   2 2
w9  1.0716689  f  0.4, 1.0716689   3* f  0.4  * 0.2, 1.0716689  * 0.2 * f  0.4, 1.07166
4   3 3
0.2   2 2 
w9  1.0716689  0.1382014  3* f  0.4  * 0.2, 1.0716689  * 0.2 * 0.1382014  
4   3 3 
0.2
w9  1.0716689  0.1382014  3* f  0.2666667, 1.053242  
4 
0.2
w9  1.0716689   0.1382014  3* 0.1036493
4
w9  1.0492114
y (t9 )  i  2  t1  2  0.2(9)  0.2
 
1
y (t9 )  3  2 1  e 2 0.2
y (t9 )  2.1973753
Si i =9
w9  1.0492114 h  0.2 t9  2  0.2(9)  0.2

h  2 2 
4   3 3 
h  2 2 
w10  w9  f  t9 , w9   3* f  t9  * h, w9  * h * f  t9 , w9   
4   3 3 
0.2   2 2
w10  1.04922114  f  0.2, 1.04922114   3* f  0.2  * 0.2, 1.04922114  * 0.2 * f  0.2, 1.0
4   3 3
0.2   2 2 
w10  1.04922114  0.096001  3* f  0.2  * 0.2, 1.04922114  * 0.2 * 0.096001 
4   3 3 
0.2
w10  1.04922114  0.096001  3* f  0.3333333, 1.0364113 
4 
0.2
w10  1.04922114   0.096001  3* 0.0714968
4
w10  0.8908365
y (t10 )  i  2  t1  2  0.2(10)  0
 
1
y (t10 )  3  2 1  e 2 0
y (t10 )  2
Si i =10
w10  0.8908365 h  0.2 t10  2  0.2(10)  0
h  2 2 
wi 1  wi   f  ti , wi   3 f  ti  h, wi  hf  ti , wi   
4  3 3 
h  2 2 
w11  w10  f  t10 , w10   3* f  t10  * h, w10  * h * f  t10 , w10   
4   3 3 
0.2   2 2 
w11  0.8908365  f  0, 0.8908365   3* f  0  * 0.2, 0.8908365  * 0.2 * f  0, 0.8908365   
4   3 3 
0.2
w11  0.8908365  0.2302437  3* f  0.1333333, 0.9215357  
4 
0.2
w11  0.8908365  0.2302437  3* 0.1630852
4
w11  0.9268115
y (t11 )  i  2  t1  2  0.2(11)  0.2
 
1
y (t11 )  3  2 1  e 2 0.2
y (t11 )  1.8026247
6d. (Quintana Mendoza Nelder Joselito)
Para aproximar las soluciones de los siguientes problemas de valor inicial y compare después
con los resultados con los valores reales.
1
𝑦´ = −5𝑦 + 5𝑡 2 + 2𝑡 ; 0 ≤ 𝑡 ≤ 1 ; 𝑦(0) = 𝑐𝑜𝑛 ℎ = 0.1 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
2
1
= 𝑡 2 + 𝑒 −5𝑡
3
Solución
𝒙𝒌+𝟏 = 𝒙𝒌 + 𝒉𝒇(𝒕𝒌 , 𝒙𝒌 )
𝒉
𝒙𝒌+𝟏 = 𝒙𝒌 + [𝒇(𝒕𝒌 , 𝒙𝒌 ) + 𝒇(𝒕𝒌+𝟏 , 𝒙𝒌+𝟏 )]; 𝒌 = 𝟎, 𝟏, 𝟐, … , 𝒏 − 𝟏
𝟐
1
ℎ = 0.1, 𝑛 = 10, 𝑥0 = , 𝑡𝑘 = 0 + 0.1𝑘
3
k=0
𝑥𝑘+1 = 𝑥𝑘 + ℎ𝑓(𝑡𝑘 , 𝑥𝑘 )
1 1
𝑥1 = + 0.1𝑓 (0, )
3 3
1
𝑥1 = + 0.1(−1.666667)
3
𝑥1 = 0.16666667
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓 (𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥1 = 𝑥0 + [𝑓(𝑡0 , 𝑥0 ) + 𝑓 (𝑡1 , 𝑥1 )]
2
1 0.1 1
𝑥1 = + [𝑓 (0, ) + 𝑓 (0.1,0.1666667 )]
3 2 3
1 0.1
𝑥1 = + [−1.666667 − 0.5833335]
3 2
𝑥1 = 0.22080333
1
𝑦(𝑡1 ) = 𝑡1 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡1 ) = 0.12 + 𝑒 −5(0.1)
3
𝑦(𝑡1 ) = 0.212177
K=1
𝑥𝑘+1 = 𝑥1 + ℎ𝑓(𝑡1 , 𝑥1 )
𝑥2 = 0.22080333 + 0.1𝑓(0.1, 0.22080333 )
𝑥2 = 0.22080333 + 0.1(−0.8540167)
𝑥2 = 0.1354017
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓 (𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥2 = 𝑥1 + [𝑓(𝑡1 , 𝑥1 ) + 𝑓(𝑡2 , 𝑥2 )]
2
0.1
𝑥2 = 0.22080333 + [𝑓(0.1,0.22080333 ) + 𝑓(0.2,0.1354017 )]
2
1 0.1
𝑥2 = + [−0.8540167 − 0.0770085]
3 2
𝑥2 = 0.2867821
1
𝑦(𝑡2 ) = 𝑡2 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡2 ) = 0.22 + 𝑒 −5(0.2)
3
𝑦(𝑡2 ) = 0.162626
K=2
𝑥𝑘+1 = 𝑥2 + ℎ𝑓(𝑡2 , 𝑥2 )
𝑥3 = 0.2867821 + 0.1𝑓 (0.2,0.2867821 )
𝑥3 = 0.2867821 + 0.1(−0.8339105)
𝑥3 = 0.2033911
ℎ
𝑥3 = 𝑥2 + [𝑓(𝑡2 , 𝑥2 ) + 𝑓 (𝑡3 , 𝑥3 )]
2
0.1
𝑥2 = 0.2867821 + [𝑓(0.2,0.2867821 ) + 𝑓(0.3, 0.2033911 )]
2
0.1
𝑥3 = 0.2867821 + [−0.8339105 + 0.330445]
2
𝑥3 = 0.2616088
1
𝑦(𝑡3 ) = 𝑡3 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡3 ) = 0.32 + 𝑒 −5(0.3)
3
𝑦(𝑡3 ) = 0.164377
K=3
𝑥𝑘+1 = 𝑥3 + ℎ𝑓(𝑡3 , 𝑥3 )
𝑥4 = 0.2616088 + 0.1𝑓 (0.3,0.2616088 )

𝑥4 = 0.2616088 + 0.1(−0.2580440)
𝑥4 = 0.2358044
ℎ
𝑥4 = 𝑥3 + [𝑓(𝑡3 , 𝑥3 ) + 𝑓 (𝑡4 , 𝑥4 )]
2
0.1
𝑥4 = 0.2616088 + [𝑓(0.3,0.2616088 ) + 𝑓(0.4,0.2358044 )]
2
0.1
𝑥4 = 0.2616088 + [−0.2580440 + 0.4209780]
2
𝑥4 = 0.2697555
1
𝑦(𝑡4 ) = 𝑡4 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡4 ) = 0.42 + 𝑒 −5(0.4) = 𝑦(𝑡4 ) = 0.2051118
3
K=4
𝑥𝑘+1 = 𝑥4 + ℎ𝑓(𝑡4 , 𝑥4 )
𝑥5 = 0.2697555 + 0.1𝑓 (0.4,0.2697555 )
𝑥5 = 0.2697555 + 0.1(−0.2512225)
𝑥5 = 0.2446333
ℎ
𝑥5 = 𝑥4 + [𝑓(𝑡4 , 𝑥4 ) + 𝑓 (𝑡5 , 𝑥5 )]
2
0.1
𝑥5 = 0.2697555 + [𝑓(0.4,0.2697555 ) + 𝑓 (0.5,0.2446333 )]
2
0.1
𝑥5 = 0.2697555 + [−0.2512225 + 1.0268335]
2
𝑥5 = 0.3085361
1
𝑦(𝑡5 ) = 𝑡5 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡5 ) = 0.52 + 𝑒 −5(0.5)
3
𝑦(𝑡5 ) = 0.2773617
K=5
𝑥𝑘+1 = 𝑥5 + ℎ𝑓(𝑡5 , 𝑥5 )
𝑥6 = 0.3085361 + 0.1𝑓 (0.5, 0.3085361 )
𝑥6 = 0.3085361 + 0.1(0.7073195)
𝑥6 = 0.3792680
ℎ
𝑥6 = 𝑥5 + [𝑓(𝑡5 , 𝑥5 ) + 𝑓 (𝑡6 , 𝑥6 )]
2
0.1
𝑥6 = 0.3085361 + [𝑓(0.5,0.3085361 ) + 𝑓 (0.6,0.3792680 )]
2
0.1
𝑥6 = 0.3085361 + [0.7073195 + 1.1036600]
2
𝑥6 = 0.3990851
1
𝑦(𝑡6 ) = 𝑡6 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡6 ) = 0.62 + 𝑒 −5(0.6) = 𝑦(𝑡6 ) = 0.3765957
3
𝑦(𝑡6 ) = 0.3765957
K=6
𝑥𝑘+1 = 𝑥6 + ℎ𝑓(𝑡6 , 𝑥6 )
𝑥7 = 0.3990851 + 0.1𝑓 (0.6,0.3990851 )
𝑥7 = 0.3990851 + 0.1(1.0045745)
𝑥7 = 0.4995426
ℎ
𝑥7 = 𝑥6 + [𝑓(𝑡6 , 𝑥6 ) + 𝑓 (𝑡7 , 𝑥7 )]
2
0.1
𝑥7 = 0.3990851 + [𝑓(0.6, 0.3990851 ) + 𝑓 (0.7, 0.4995426 )]
2
0.1
𝑥7 = 0.3990851 + [1.0045745 + 1.3522870]
2
𝑥7 = 0.5169282
1
𝑦(𝑡7 ) = 𝑡7 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡7 ) = 0.72 + 𝑒 −5(0.7) = 𝑦(𝑡7 ) = 0.5000658
3
K=7
𝑥𝑘+1 = 𝑥7 + ℎ𝑓(𝑡7 , 𝑥7 )
𝑥8 = 0.5169282 + 0.1𝑓 (0.7,0.5169282 )
𝑥8 = 0.5169282 + 0.1(1.2653590)
𝑥8 = 0.6434641
ℎ
𝑥8 = 𝑥7 + [𝑓(𝑡7 , 𝑥7 ) + 𝑓 (𝑡8 , 𝑥8 )]
2
0.1
𝑥8 = 0.5169282 + [𝑓(0.7,0.5169282 ) + 𝑓(0.8, 0.6434641 )]
2
0.1
𝑥8 = 0.5169282 + [1.2653590 + 1.5826795]
2
𝑥8 = 0.6593301
1
𝑦(𝑡8 ) = 𝑡8 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡8 ) = 0.82 + 𝑒 −5(0.8) = 𝑦(𝑡8 ) = 0.6461052
3
K=8
𝑥𝑘+1 = 𝑥8 + ℎ𝑓(𝑡8 , 𝑥8 )
𝑥9 = 0.6593301 + 0.1𝑓 (0.8,0.6593301 )
𝑥9 = 0.6593301 + 0.1(1.5033495)
𝑥9 = 0.8096651
ℎ
𝑥9 = 𝑥8 + [𝑓 (𝑡8 , 𝑥8 ) + 𝑓 (𝑡9 , 𝑥9 )]
2
0.1
𝑥9 = 0.6593301 + [𝑓 (0.8, 0.6593301 ) + 𝑓 (0.9, 0.8096651 )]
2
0.1
𝑥9 = 0.6593301 + [1.5033495 + 1.8016745]
2
𝑥9 = 0.8245813
1
𝑦(𝑡9 ) = 𝑡9 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡9 ) = 0.92 + 𝑒 −5(0.9) = 𝑦(𝑡9 ) = 0.8161052
3
K=9
𝑥𝑘+1 = 𝑥9 + ℎ𝑓(𝑡9 , 𝑥9 )
𝑥10 = 0.8245813 + 0.1𝑓(0.9, 0.8245813 )
𝑥10 = 0.8245813 + 0.1(1.7270935)
𝑥10 = 0.9972907
ℎ
𝑥10 = 𝑥9 + [𝑓(𝑡9 , 𝑥9 ) + 𝑓(𝑡10 , 𝑥10 )]
2
0.1
𝑥10 = 0.8245813 + [𝑓 (0.9, 0.8245813 ) + 𝑓(1, 0.9972907 )]
2
0.1
𝑥10 = 0.8245813 + [1.7270935 + 2.0135465]
2
𝑥10 = 1.0116133
1
𝑦(𝑡10 ) = 𝑡10 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡10 ) = 12 + 𝑒 −5(1) = 𝑦(𝑡10 ) = 1.0022460
3
6d. (Colunche Tarrilo Joselito)
1 1 5t
Y   5Y  5t 2  2t , 0  t  1, y (0)  con h  0.1 , solución real y (t )  t  e
2
2 3
Solución
1) Evaluar yn
2) Calcular y  yn * h
xi 0
3) Modificar " x " y "t "
xf 1
yn 1  yn  h
tn 1  tn  y N 10
h 0.1
4) Evaluar yn1
i y y* t
0 0 0.5
5) Encontrar
1 0.1 -0.2 0.34
2 0.2 -0.111 0.20948025
3 0.3 -0.0237921 0.10987249
4 0.4 0.061051 0.04194128
5 0.5 0.14322349 0.00590655
6 0.6 0.22263738 0.0015855
7 0.7 0.2993658 0.02853068
8 0.8 0.37358773 0.08614873
9 0.9 0.44554051 0.17379218
10 1 0.51548313 0.29082316
1
y prom   yn  yn1  
2
6) Calcular ycorr  y prom * h
7) Encontrar el nuevo punto

yn 1  yn  h
tn 1  tn  ycorr
Solución real
1
y (0.5)  0.52  e5*0.5
3
y (0.5)  0.28
EJERCICIO 7. Repita el ejercicio 5 utilizando los resultados del ejercicio 6:

a. (Stalin Sanchez Vega)
REFERENCIA EJERCICIO 5. A:
Use los resultados del ejercicio 4 y la interpolación lineal para aproximar los valores de y(t) y
después compare los resultados con los valores reales.
a) Y(1.25) y Y(1.93).
REFERENCIA EJERCICIO 4. A:
𝑦 𝑦 2
a) 𝑦´ = 𝑡 − ( 𝑡 ) , 1 ≤ 𝑡 ≥ 2, 𝑦(1) = 1, 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡/(1 +
𝑙𝑛𝑡).
METODO MODIFICADO DE EULER:
𝑾𝟎 = 𝜶
𝒉
𝑾𝒊+𝟏 = 𝑾𝒊 + [𝒇(𝒕𝒊 , 𝒘𝒊 ) + 𝒇(𝒕𝒊+𝟏 , 𝒘𝒊 + 𝒉𝒇(𝒕𝒊 , 𝒘𝒊 ))] 𝒑𝒂𝒓𝒂 𝒊 = 𝟎, 𝟏, 𝟐, … . . 𝑵 − 𝟏
𝟐
para nuestro ejercicio tenemos
𝑦 𝑦 2
𝑌′ = −( ) ; 1 ≤ 𝑡 ≥ 2; 𝑌(1) = 1; ℎ = 0.1
𝑡 𝑡
𝑎 = 1; 𝑏 = 2; 𝑁 = 10
𝑡𝑖 = 𝑎 + ℎ𝑖 = 1 + 0.1𝑖
El valor real de 𝑌(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )
𝑤0 = 1
𝑤𝑖 𝑤𝑖 2
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −( )
𝑡𝑖 𝑡𝑖
i=0
ℎ
𝑊1 = 𝑊0 + [𝑓(𝑡0 , 𝑤0 ) + 𝑓(𝑡1 , 𝑤0 + ℎ𝑓(𝑡0 , 𝑤0 ))]
2
0.1
𝑊1 = 1 + [0 + 𝑓 (𝑡1 , 1 + 0)]
2
𝟎. 𝟏
𝑾𝟏 = 𝟏 + [𝟎 + 𝒇(𝟏. 𝟏, 𝟏)]
𝟐
𝟎. 𝟏
𝑾𝟏 = 𝟏 + [𝟎 + 𝟎. 𝟎𝟖𝟐𝟔𝟒𝟓]
𝟐
𝑾𝟏 = 𝟏. 𝟎𝟎𝟒𝟏𝟑𝟐
1.1 Solución exacta

𝑌(𝑡𝑖+1 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡1 ) = = 𝟏. 𝟎𝟎𝟒𝟐𝟖𝟐
1 + ln(1)
i=1
ℎ
𝑊2 = 𝑊1 + [𝑓(𝑡1 , 𝑤1 ) + 𝑓(𝑡2 , 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 ))]
2
0.1
𝑊2 = 1.004132 + [𝑓(1.1, 1.004132) + 𝑓 (1.2, 1.004132 + 0.1𝑓(1.1, 1.004132))]
2
0.1
𝑊2 = 1.004132 + [0.079557 + 𝑓 (1.2, 1.012088)]
2
𝑾𝟐 = 𝟏. 𝟎𝟏𝟒𝟕𝟏𝟑
1.2
𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡2 ) = = 𝟏. 𝟎𝟏𝟒𝟗𝟓𝟐 Solución exacta
1 + ln(1.2)
i=2
ℎ
𝑊3 = 𝑊2 + [𝑓(𝑡2 , 𝑤2 ) + 𝑓(𝑡3 , 𝑤2 + ℎ𝑓(𝑡2 , 𝑤2 ))]
2
0.1
𝑊2 = 1.014713 + [𝑓(1.2, 1.014713) + 𝑓 (1.3, 1.014713 + 0.1𝑓(1.2, 1.014713))]
2
0.1
𝑊2 = 1.014713 + [0.130565 + 𝑓 (1.3, 1.027770)]
2
𝑾𝟑 = 𝟏. 𝟎𝟐𝟗𝟓𝟏𝟗
1.3
𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡3 ) = Solución exacta
= 𝟏. 𝟎𝟐𝟗𝟖𝟏𝟒
1 + ln(1.3)
i =3
ℎ
𝑊4 = 𝑊3 + [𝑓(𝑡3 , 𝑤3 ) + 𝑓(𝑡4 , 𝑤3 + ℎ𝑓(𝑡3 , 𝑤3 ))]
2
𝑾𝟒 = 𝟏. 𝟎𝟒𝟕𝟒𝟓𝟒

𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(4) = = 𝟏. 𝟎𝟒𝟕𝟓𝟑𝟒
1 + ln(1.4)
i=4
ℎ
𝑊5 = 𝑊4 + [𝑓(𝑡4 , 𝑤4 ) + 𝑓(𝑡5 , 𝑤4 + ℎ𝑓(𝑡4 , 𝑤4 ))]
2
𝑾𝟓 = 𝟏. 𝟎𝟔𝟕𝟏𝟓𝟏

𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡5 ) = = 𝟏. 𝟎𝟔𝟕𝟐𝟔𝟐
1 + ln(1.5)
i=5
ℎ
𝑊6 = 𝑊5 + [𝑓(𝑡5 , 𝑤5 ) + 𝑓(𝑡6 , 𝑤5 + ℎ𝑓(𝑡5 , 𝑤5 ))]
2
𝑾𝟔 = 𝟏. 𝟎𝟖𝟖𝟐𝟗𝟗

𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡6 ) = = 𝟏. 𝟎𝟖𝟖𝟒𝟑𝟑
1 + ln(1.6)
i=6
ℎ
𝑊7 = 𝑊6 + [𝑓(𝑡6 , 𝑤6 ) + 𝑓(𝑡7 , 𝑤6 + ℎ𝑓(𝑡6 , 𝑤6 ))]
2
𝑾𝟕 = 𝟏. 𝟏𝟏𝟎𝟓𝟎𝟔
Solución exacta
1.7
𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡7 ) = = 𝟏. 𝟏𝟏𝟎𝟔𝟓𝟓
1 + ln(1.7)
i=7
ℎ
𝑊8 = 𝑊7 + [𝑓(𝑡7 , 𝑤7 ) + 𝑓(𝑡8 , 𝑤7 + ℎ𝑓(𝑡7 , 𝑤7 ))]
2
𝑾𝟖 = 𝟏. 𝟏𝟑𝟑𝟒𝟗𝟑
1.8
𝑌 (𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡8 ) = = 𝟏. 𝟏𝟑𝟑𝟔𝟓𝟒
1 + ln(1.8) Solución exacta
i=8
ℎ
𝑊9 = 𝑊8 + [𝑓(𝑡8 , 𝑤8 ) + 𝑓(𝑡9 , 𝑤8 + ℎ𝑓(𝑡8 , 𝑤8 ))]
2
𝑾𝟗 = 𝟏. 𝟏𝟓𝟕𝟎𝟓𝟗
Solución exacta
1.9
𝑌(𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡9 ) = = 𝟏. 𝟏𝟓𝟕𝟐𝟐𝟖
1 + ln(1.9)
i=9
ℎ
𝑊10 = 𝑊9 + [𝑓(𝑡9 , 𝑤9 ) + 𝑓(𝑡10 , 𝑤9 + ℎ𝑓(𝑡9 , 𝑤9 ))]
2
𝑾𝟏𝟎 = 𝟏. 𝟏𝟖𝟏𝟎𝟓𝟔
Solución exacta
2
𝑌(𝑡𝑖+1 ) = 𝑡𝑖+1 /(1 + ln(𝑡𝑖+1 ) ; 𝑌(𝑡10 ) = = 𝟏. 𝟏𝟖𝟏𝟐𝟑𝟐
1 + ln(2)
REFERENCIA EJERCICIO 5.A
(1.2,1.014713) y (1.3,1.029519), que es. (obtenidos en el ejercicio 4).
1.029519 − 1.014713
𝑦 − 1.014713 = (𝑡 − 1.2) ( )
1.3 − 1.2
𝑌 (𝑡) = 1.014713 + 0.148060(𝑡 − 1.2)
𝑌(1.25) = 1.014713 + 0.148060(1.25 − 1.2)
𝒀(𝟏. 𝟐𝟓) = 𝟏. 𝟎𝟐𝟐𝟏𝟏𝟔 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑦(𝑡) = 𝑡/(1 + 𝑙𝑛𝑡).
t = 1.25
1.25
𝑌 (1.25) =
1 + ln 1.25
𝒀(𝟏. 𝟐𝟓) = 𝟏. 𝟎𝟐𝟏𝟗𝟓𝟕 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐

ERROR |𝟏. 𝟎𝟐𝟏𝟗𝟓𝟕 − 𝟏. 𝟎𝟐𝟐𝟏𝟏𝟔| = 𝟎. 𝟎𝟎𝟎𝟏𝟓𝟗
(1.9,1.157059) y (2,1.181056), que es. (obtenidos en el ejercicio 4).
1.181056 − 1.157059
𝑦 − 1.157059 = (𝑡 − 1.9) ( )
2 − 1.9
𝑌 (𝑡) = 1.157059 + 0.239970(𝑡 − 1.9)
𝑌(1.93) = 1.157059 + 0.239970(1.93 − 1.9)
𝒀(𝟏. 𝟗𝟑) = 𝟏. 𝟏𝟔𝟒𝟐𝟓𝟖 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑦(𝑡) = 𝑡/(1 + 𝑙𝑛𝑡).
t = 1.93
1.93
𝑌 (1.93) =
1 + ln 1.93
𝒀(𝟏. 𝟗𝟑) = 𝟏. 𝟏𝟔𝟒𝟑𝟗𝟎 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
ERROR |𝟏. 𝟏𝟔𝟒𝟑𝟗𝟗𝟎 − 𝟏. 𝟏𝟔𝟒𝟐𝟓𝟖| = 𝟎. 𝟎𝟎𝟎𝟏𝟑𝟐
REFERENCIA EJERCICIO 6.A. Repita el ejercicio 4a aplicando el método de Heun.
𝑦 𝑦 2
a) 4) 𝑦´ = 𝑡 − ( 𝑡 ) , 1 ≤ 𝑡 ≥ 2, 𝑦(1) = 1, 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) =
𝑡/(1 + 𝑙𝑛𝑡).
Método de Heun:
𝒙𝒌+𝟏 = 𝒙𝒌 + 𝒉𝒇(𝒕𝒌 , 𝒙𝒌 )
𝒉
𝒙𝒌+𝟏 = 𝒙𝒌 + [𝒇(𝒕𝒌 , 𝒙𝒌 ) + 𝒇(𝒕𝒌+𝟏 , 𝒙𝒌+𝟏 )]; 𝒌 = 𝟎, 𝟏, 𝟐, … , 𝒏 − 𝟏
𝟐
Para nuestro ejemplo tenemos:

ℎ = 0.1, 𝑛 = 10, 𝑥0 = 1, 𝑡𝑘 = 1 + 0.1𝑘
𝑦 𝑦 2 𝒙𝒌 𝒙𝒌
𝑦´ = − ( ) 𝑠í 𝑒𝑠𝑡𝑜 𝑎𝑑𝑎𝑝𝑡𝑎𝑚𝑜𝑠 𝑎 𝑙𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑡𝑒𝑛𝑑𝑟𝑖𝑎𝑚𝑜𝑠 − ( ) ^𝟐
𝑡 𝑡 𝒕𝒌 𝒕𝒌
k=0
𝒙𝟏 = 𝟏 + 𝟎. 𝟏𝒇(𝟏, 𝟏)
𝑥1 = 1
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥1 = 𝑥0 + [𝑓(𝑡0 , 𝑥0 ) + 𝑓(𝑡1 , 𝑥1 )]
2
0.1
𝑥1 = 1 + [𝑓(1, 1) + 𝑓 (1.1,1)]
2
0.1
𝑥1 = 1 + [0 + 0.082645]
2
𝒙𝟏 = 𝟏. 𝟎𝟎𝟒𝟏𝟑𝟐
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡1 ) = 1.1/(1 + 𝑙𝑛1.1).
𝒚(𝒕𝟏 ) = 𝟏. 𝟎𝟎𝟒𝟐𝟖𝟐
K=1
𝒙𝟐 = 𝟏. 𝟎𝟎𝟒𝟏𝟑𝟐 + 𝟎. 𝟏𝒇(𝟏. 𝟏, 𝟏. 𝟎𝟎𝟒𝟏𝟑𝟐)
𝑥2 = 1.012088
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥2 = 𝑥1 + [𝑓 (𝑡1 , 𝑥1 ) + 𝑓(𝑡1 , 𝑥2 )]
2
0.1
𝑥2 = 1.004282 + [𝑓 (1.1, 1.004132) + 𝑓(1.1,1.012088)]
2
0.1
𝑥2 = 1.0044282 + [0.079557 + 0.073533]
2
𝒙𝟐 = 𝟏. 𝟎𝟏𝟏𝟗𝟑𝟕
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡2 ) = 1.2/(1 + 𝑙𝑛1.2).
𝒚(𝒕𝟐 ) = 𝟏. 𝟎𝟏𝟒𝟗𝟓𝟐
K=2
𝒙𝟑 = 𝟏. 𝟎𝟏𝟏𝟗𝟑𝟕 + 𝟎. 𝟏𝒇(𝟏. 𝟐, 𝟏. 𝟎𝟏𝟏𝟗𝟑𝟕)
𝑥3 = 1.025152
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥3 = 𝑥2 + [𝑓 (𝑡2 , 𝑥2 ) + 𝑓(𝑡2 , 𝑥3 )]
2
0.1
𝑥3 = 1.011937 + [𝑓 (1.2, 1.011937) + 𝑓(1.2,1.025152)]
2
0.1
𝑥3 = 1.011937 + [0.079557 + 0.124476]
2
𝒙𝟑 = 𝟏. 𝟎𝟐𝟒𝟕𝟔𝟗
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡3 ) = 1.3/(1 + 𝑙𝑛1.3).
𝒚(𝒕𝟑 ) = 𝟏. 𝟎𝟐𝟗𝟖𝟏𝟒
K=3
𝒙𝟒 = 𝟏. 𝟎𝟐𝟒𝟕𝟔𝟗 + 𝟎. 𝟏𝒇(𝟏. 𝟑, 𝟏. 𝟎𝟐𝟒𝟕𝟔𝟗)
𝑥4 = 1.041458
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥4 = 𝑥3 + [𝑓 (𝑡3 , 𝑥3 ) + 𝑓(𝑡3 , 𝑥4 )]
2
0.1
𝑥4 = 1.024769 + [𝑓 (1.3, 1.024769) + 𝑓(1.3,1.041458)]
2
0.1
𝑥4 = 1.024769 + [0.079557 + 0.159326]
2
𝒙𝟒 = 𝟏. 𝟎𝟒𝟏𝟎𝟖𝟎
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡4 ) = 1.4/(1 + 𝑙𝑛1.4).
𝒚(𝒕𝟒 ) = 𝟏. 𝟎𝟒𝟕𝟓𝟑𝟒
K=4
𝒙𝟓 = 𝟏. 𝟎𝟒𝟏𝟎𝟖𝟎 + 𝟎. 𝟏𝒇(𝟏. 𝟒, 𝟏. 𝟎𝟒𝟏𝟎𝟖𝟎)
𝑥5 = 1.060144
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥5 = 𝑥4 + [𝑓 (𝑡4 , 𝑥4 ) + 𝑓(𝑡4 , 𝑥5 )]
2
0.1
𝑥5 = 1.041080 + [𝑓 (1.4, 1.041080) + 𝑓(1.4,1.060144)]
2
0.1
𝑥5 = 1.024769 + [0.190645 + 0.183824]
2
𝒙𝟓 = 𝟏. 𝟎𝟓𝟗𝟖𝟎𝟑
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡5 ) = 1.5/(1 + 𝑙𝑛1.5).
𝒚(𝒕𝟓 ) = 𝟏. 𝟎𝟔𝟕𝟐𝟔𝟐
K=5
𝒙𝟔 = 𝟏. 𝟎𝟓𝟗𝟖𝟎𝟑 + 𝟎. 𝟏𝒇(𝟏. 𝟓 , 𝟏. 𝟎𝟓𝟗𝟖𝟎𝟑)
𝑥6 = 1.080537
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥6 = 𝑥5 + [𝑓 (𝑡5 , 𝑥5 ) + 𝑓(𝑡5 , 𝑥6 )]
2
0.1
𝑥6 = 1.059803 + [𝑓 (1.5, 1.059803) + 𝑓(1.5,1.080537)]
2
0.1
𝑥6 = 1.059803 + [0.207343 + 0.201442]
2
𝒙𝟔 = 𝟏. 𝟎𝟖𝟎𝟐𝟒𝟐
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡6 ) = 1.6/(1 + 𝑙𝑛1.6).
𝒚(𝒕𝟔 ) = 𝟏. 𝟎𝟖𝟖𝟒𝟑𝟑
K=6
𝒙𝟕 = 𝟏. 𝟎𝟖𝟎𝟐𝟒𝟐 + 𝟎. 𝟏𝒇(𝟏. 𝟔, 𝟏. 𝟎𝟖𝟎𝟐𝟒𝟐)
𝑥7 = 1.102174
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥7 = 𝑥6 + [𝑓 (𝑡6 , 𝑥6 ) + 𝑓(𝑡6 , 𝑥7 )]
2
0.1
𝑥7 = 1.080242 + [𝑓 (1.6, 1.080242) + 𝑓(1.6,1.102174)]
2
0.1
𝑥7 = 1.080242 + [0.219322 + 0.214332]
2
𝒙𝟕 = 𝟏. 𝟏𝟎𝟏𝟗𝟐𝟓
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡7 ) = 1.7/(1 + 𝑙𝑛1.7).
.
𝒚(𝒕𝟕 ) = 𝟏. 𝟏𝟏𝟎𝟔𝟓𝟓
K=7
𝒙𝟖 = 𝟏. 𝟏𝟎𝟏𝟗𝟐𝟓 + 𝟎. 𝟏𝒇(𝟏. 𝟕, 𝟏. 𝟏𝟎𝟏𝟗𝟐𝟓)
𝑥8 = 1.124729
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥8 = 𝑥7 + [𝑓 (𝑡7 , 𝑥7 ) + 𝑓(𝑡7 , 𝑥8 )]
2
0.1
𝑥8 = 1.101925 + [𝑓 (1.7, 1.101925) + 𝑓(1.7,1.124729)]
2
0.1
𝑥8 = 1.101925 + [0.228039 + 0.223884]
2
𝒙𝟖 = 𝟏. 𝟏𝟐𝟒𝟓𝟐𝟏
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡8 ) = 1.8/(1 + 𝑙𝑛1.8).
𝒚(𝒕𝟖 ) = 𝟏. 𝟏𝟑𝟑𝟔𝟓𝟒
K=8
𝒙𝟗 = 𝟏. 𝟏𝟐𝟒𝟓𝟐𝟏 + 𝟎. 𝟏𝒇(𝟏. 𝟖, 𝟏. 𝟏𝟐𝟒𝟓𝟐𝟏)
𝑥9 = 1.147965
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥9 = 𝑥8 + [𝑓 (𝑡8 , 𝑥8 ) + 𝑓(𝑡8 , 𝑥9 )]
2
0.1
𝑥9 = 1.124521 + [𝑓(1.8, 1.124521) + 𝑓 (1.8,1.147965)]
2
0.1
𝑥9 = 1.124521 + [0.234441 + 0.231023]
2
𝒙𝟗 = 𝟏. 𝟏𝟒𝟕𝟕𝟗𝟒
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡9 ) = 1.9/(1 + 𝑙𝑛1.9).
𝒚(𝒕𝟗 ) = 𝟏. 𝟏𝟓𝟕𝟐𝟐𝟖
K=9
𝒙𝟏𝟎 = 𝟏. 𝟏𝟒𝟕𝟕𝟗𝟒 + 𝟎. 𝟏𝒇(𝟏. 𝟗, 𝟏. 𝟏𝟒𝟕𝟕𝟗𝟒)
𝑥10 = 1.171710
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥10 = 𝑥9 + [𝑓 (𝑡9 , 𝑥9 ) + 𝑓(𝑡9 , 𝑥10 )]
2
0.1
𝑥10 = 1.147794 + [𝑓(1.9, 1.147794) + 𝑓(1.9,1.171710)]
2
0.1
𝑥10 = 1.147794 + [0.239163 + 0.236383]
2
𝒙𝟏𝟎 = 𝟏. 𝟏𝟕𝟏𝟓𝟕𝟏
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).

𝑦(𝑡10 ) = 2/(1 + 𝑙𝑛2).
𝒚(𝒕𝟏𝟎 ) = 𝟏. 𝟏𝟖𝟏𝟐𝟑𝟐
K = 10
𝒙𝟏𝟏 = 𝟏. 𝟏𝟕𝟏𝟓𝟕𝟏 + 𝟎. 𝟏𝒇(𝟐, 𝟏. 𝟏𝟕𝟏𝟓𝟕𝟏)
𝑥11 = 1.195835
ℎ
𝑥𝑘+1 = 𝑥𝑘 + [𝑓(𝑡𝑘 , 𝑥𝑘 ) + 𝑓(𝑡𝑘+1 , 𝑥𝑘+1 )]
2
ℎ
𝑥11 = 𝑥10 + [𝑓(𝑡10 , 𝑥10 ) + 𝑓 (𝑡10 , 𝑥11 )]
2
0.1
𝑥10 = 1.171571 + [𝑓(2, 1.171571) + 𝑓(2,1.195835)]
2
0.1
𝑥10 = 1.171571 + [0.242641 + 0.240412]
2
𝒙𝟏𝟎 = 𝟏. 𝟏𝟗𝟓𝟕𝟐𝟒
𝑦(𝑡𝑖 ) = 𝑡𝑖 /(1 + ln(𝑡𝑖 )).
𝑦(𝑡11 ) = 2.1/(1 + 𝑙𝑛2.1).
𝒚(𝒕𝟏𝟎 ) = 𝟏. 𝟐𝟎𝟓𝟓𝟓𝟒
REFERENCIA EJERCICIO 5.A
(1.2,1.011937) y (1.3,1.024769), que es. (obtenidos en el ejercicio 6.)
𝑌1 − 𝑌0
𝑌 = 𝑌0 + ( ) (𝑋 − 𝑋0 )
𝑋1 − 𝑋0
1.024769 − 1.011937
𝑦 − 1.011937 = (𝑡 − 1.2) ( )
1.3 − 1.2
𝑌 (𝑡) = 1.011937 + 0.128320(𝑡 − 1.2)
𝑌(1.25) = 1.011937 + 0.128320(1.25 − 1.2)
𝒀(𝟏. 𝟐𝟓) = 𝟏. 𝟎𝟏𝟖𝟑𝟓𝟑 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑦(𝑡) = 𝑡/(1 + 𝑙𝑛𝑡).
t = 1.25
1.25
𝑌 (1.25) =
1 + ln 1.25
𝒀(𝟏. 𝟐𝟓) = 𝟏. 𝟎𝟐𝟏𝟗𝟓𝟕 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
ERROR |𝟏. 𝟎𝟐𝟏𝟗𝟓𝟕 − 𝟏. 𝟎𝟏𝟖𝟑𝟓𝟑| = 𝟎. 𝟎𝟎𝟑𝟔𝟎𝟒
(1.9, 0.147794) y (2, 1.171571), que es. (obtenidos en el ejercicio 6).
1.171571 − 1.147794
𝑦 − 1.147794 = (𝑡 − 1.9) ( )
2 − 1.9
𝑌 (𝑡) = 1.147794 + 0.237770(𝑡 − 1.9)
𝑌(1.93) = 1.147794 + 0.237770(1.93 − 1.9)
𝒀(𝟏. 𝟗𝟑) = 𝟏. 𝟏𝟓𝟒𝟗𝟐𝟕 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝑦(𝑡) = 𝑡/(1 + 𝑙𝑛𝑡).
t = 1.93
1.93
𝑌 (1.93) =
1 + ln 1.93
𝒀(𝟏. 𝟗𝟑) = 𝟏. 𝟏𝟔𝟒𝟑𝟗𝟎 𝒗𝒂𝒍𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒐
ERROR |𝟏. 𝟏𝟔𝟒𝟑𝟗𝟎 − 𝟏. 𝟓𝟒𝟗𝟐𝟕| = 𝟎. 𝟎𝟎𝟗𝟒𝟔𝟑
Podemos decir que, el método modificado de Euler es más exacto que el método de
Heun.
7B. Repita el ejercicio 5 usando los resultados del ejercicio 6 (LEYSER ZORRILLA
LEIVA)
b. (Barboza Miranda Moises)
Problema 4 : Aplique el método modificado de Euler para aproximar las soluciones se los
siguientes problemas de valor inicial y compare después los resultados con los valores reales
Problema 6 : Repita el ejercicio 4 aplicando el método de Heun (inciso b)
problema 5: use los resultados del ejercicio 4 y la interpolación lineal para aproximar los
valores de y(t) y compare las aproximaciones con los valores reales y(2.1) ∧ 𝑦(2.75)
Repita el ejercicio 5 utilizando los resultados del ejercicio 6: y(2.1) ∧ y(2.75)
𝑦 ′ =, 1≤𝑡≤3 𝑦(1) = 0 , 𝑐𝑜𝑛 ℎ = 0.2 ; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 ∗ 𝑡𝑎𝑛(𝑙𝑛𝑡)
𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛:
Fórmula de Heun
𝑦 𝑦 𝑤𝑖 𝑤 2
𝑦 ′ = 1 + 𝑡 + ( 𝑡 )2 = 𝒇(𝒙𝒊 , 𝒘𝒊 ) = 𝟏 + + ( 𝑡 𝑖)
𝑡𝑖 𝑖
PVI 𝑦 (1) = 0 solución real 𝑦( 𝒕𝒊 ) = 𝒕𝒊 ∗
1≤𝑡≤3
{ ℎ = 0.2
𝑡𝑎𝑛(ln 𝒕𝒊 )
𝑋𝑓 −𝑋0 𝑏−𝑎
Calculamos la variable 𝑛 = =
𝑛 𝑁
3−1
0.2 = = 10 ……….n=10 ; i= 0, 1,2……9
𝑛
ℎ 𝟐 𝟐
𝑊𝑖+1 = 𝑤𝑖 + ⌈𝑓 (𝒕𝒊 , 𝒘𝒊 ) + 3𝑓 (𝒕𝒊 + 𝒉, 𝒘𝒊 + ℎ ∗ 𝑓 (𝒕𝒊 , 𝒘𝒊 ))⌉
4 𝟑 𝟑
 Sí i=0
𝒕𝒊 = 𝟏 + 𝒊𝒉=1+i (0.2)
𝒕𝟎 = 𝟏 + 𝒊𝒉=1+0(0.2) = 1 ------------------------- 𝒕𝟎 = 𝟏 y 𝒘𝟎 = 𝟎
ℎ 𝟐 𝟐
𝑊𝑖+1 = 𝑤𝑖 + ⌈𝑓 (𝒕𝒊 , 𝒘𝒊 ) + 3𝑓 (𝒕𝒊 + 𝒉, 𝒘𝒊 + ℎ ∗ 𝑓 (𝒕𝒊 , 𝒘𝒊 ))⌉
4 𝟑 𝟑
ℎ 𝟐 𝟐
𝑊1 = 𝑤0 + ⌈𝑓 (𝒕𝟎 , 𝒘𝟎 ) + 3𝑓 (𝒕𝒊 + 𝒉, 𝒘𝟎 + ℎ ∗ 𝑓(𝒕𝟎 , 𝒘𝟎 ))⌉
4 𝟑 𝟑
0.2 𝟐 𝟐
𝑊1 = 0 + ⌈𝑓 (𝟏, 𝟎) + 3𝑓 (𝟏 + (0.2), 0 + (0.2) ∗ 𝑓 (𝟏, 𝟎))⌉
4 𝟑 𝟑
0.2
𝑊1 = 0 + ⌈1 + 3𝑓 (𝟏. 133333, 0. 𝟏𝟑𝟑𝟑𝟑𝟑)⌉
4
𝑊1 = 0 + 0.05⌈1 + 3.3944637⌉
𝑾𝟏 = 𝟎. 𝟐𝟏𝟗𝟕𝟐𝟐𝟖
𝑦(𝑡1 ) i=1 entonces 𝒕𝟏 = 𝟏+0.2(1)=1.2
Y(1.2) =1.2*tan(ln1.2))= 0.221242772
Y (1.2) =0.221242772
𝒑𝒂𝒓𝒂 𝒊 = 𝟏 𝑡1 = 1 + 𝑖ℎ=1+1*(0.2)=1.2 ; 𝑊1 = 0.2197228
ℎ 𝟐 𝟐
𝑊2 = 𝑤1 + ⌈𝑓 (𝒕𝟏 , 𝒘𝟏 ) + 3𝑓 (𝒕𝟏 + 𝒉, 𝒘𝟏 + ℎ ∗ 𝑓(𝒕𝟏 , 𝒘𝟏 ))⌉
4 𝟑 𝟑
𝑊2 = 0.2197228
0.2
+ ⌈𝑓 (𝟏. 𝟐, 𝟎. 𝟐𝟏𝟗𝟕𝟐𝟐𝟖)
4
𝟐 𝟐
+ 3𝑓 (𝟏. 𝟐 + (0.2), 0.2197228 + 0.2 ∗ 𝑓(𝟏. 𝟐, 𝟎. 𝟐𝟏𝟗𝟕𝟐𝟐𝟖))⌉
𝟑 𝟑
0.2
𝑊2 = 0.2197228 + ⌈1.2166292 + 3𝑓(1.3333333,0.3819404)⌉
4
𝑊2 = 0.2197228 + 0.05⌈1.2166292 + 4.1055359⌉
𝑾𝟐 = 𝟎. 𝟒𝟖𝟓𝟖𝟑𝟏𝟒
𝑦(𝑡2 ) i=2 entonces 𝒕2 = 𝟏+0.2(2)=1.4

Y(1.4) =1.4*tan(ln1.4))= 0.48968166 ;
Y(1.4)=0.48968166
𝒑𝒂𝒓𝒂 𝒊 = 2 𝑡2 = 1 + 𝑖ℎ=1+2*(0.2)=1.4 ; 𝑊2 = 𝟎. 𝟒𝟖𝟓𝟖𝟑𝟏𝟒
ℎ 𝟐 𝟐
𝑊3 = 𝑤2 + ⌈𝑓 (𝒕𝟐 , 𝒘𝟐 ) + 3𝑓 (𝒕𝟐 + 𝒉, 𝒘𝟐 + ℎ ∗ 𝑓(𝒕𝟐 , 𝒘𝟐 ))⌉
4 𝟑 𝟑
𝑊3 = 0.4858314
0.2
+ ⌈𝑓 (𝟏. 𝟒, 𝟎. 4858314)
4
𝟐 𝟐
+ 3𝑓 (𝟏. 𝟒 + (0.2), 0.4858314 + (0.2) ∗ 𝑓(𝟏. 𝟒, 𝟎. 𝟒𝟖𝟓𝟖𝟑𝟏𝟒))⌉
𝟑 𝟑
0.2
𝑊3 = 0.4858314 + ⌈1.4674470 + 3𝑓(1.53333333,0.6814910)⌉
4
𝑊3 = 0.4858314 + 0.05⌈1.4674470 + 4.9259613⌉
𝑾𝟑 = 𝟎. 𝟖𝟎𝟓𝟓𝟎𝟏𝟖
𝑦(𝑡3 ) i=3 entonces 𝒕𝟏 = 𝟏+0.2(3)=1.6

Y(1.6) =1.6*tan(ln1.6))= 0. ; Y(1.6)=0.8127527
𝒑𝒂𝒓𝒂 𝒊 = 3 𝑡3 = 1 + 𝑖ℎ=1+(0.2)*3=1.6 ; 𝑊3 = 𝟎.8055018
ℎ 𝟐 𝟐
𝑊4 = 𝑤3 + ⌈𝑓 (𝒕𝟑 , 𝒘𝟑 ) + 3𝑓 (𝒕𝟑 + 𝒉, 𝒘𝟑 + ℎ ∗ 𝑓 (𝒕𝟑 , 𝒘𝟑 ))⌉
4 𝟑 𝟑
𝑊4 = 0.8055018
0.2
+ ⌈𝑓 (𝟏. 𝟔, 𝟎. 8055018)
4
𝟐 𝟐
+ 3𝑓 (𝟏. 𝟔 + (0.2), 0.8055018 + (0.2) ∗ 𝑓(𝟏. 𝟔, 𝟎. 𝟖𝟎𝟓𝟓𝟎𝟏𝟖))⌉
𝟑 𝟑
0.2
𝑊4 = 0.8055018 + ⌈1.7568890 + 3𝑓(1.7333333,1.0397537)⌉
4
𝑊4 = 0.8055018 + 0.05⌈1.7568890 + 5.8790624⌉
𝑾𝟒 = 𝟏. 𝟏𝟖𝟕𝟐𝟗𝟗𝟑𝟕
𝑦(𝑡4 ) i=4 entonces 𝒕4 = 𝟏+0.2(4)=1.8
Y(1.8) =1.8*tan(ln1.8))= 0. ;
Y(1.8)=1.1994386
𝒑𝒂𝒓𝒂 𝒊 = 4 𝑡4 = 1 + 𝑖ℎ=1+(0.2)*4=1.8 ; 𝑊4 = 1.18729937
ℎ 𝟐 𝟐
𝑊5 = 𝑤4 + ⌈𝑓 (𝒕𝟒 , 𝒘𝟒 ) + 3𝑓 (𝒕𝟒 + 𝒉, 𝒘𝟒 + ℎ ∗ 𝑓(𝒕𝟒 , 𝒘𝟒 ))⌉
4 𝟑 𝟑
𝑊5 = 1.18729937
0.2
+ ⌈𝑓 (𝟏. 𝟖, 1.18729937)
4
𝟐 𝟐
+ 3𝑓 (𝟏. 𝟖 + (0.2), 1.18729937 + (0.2) ∗ 𝑓 (𝟏. 𝟖, 𝟏. 𝟏𝟖𝟕𝟐𝟗𝟗𝟑𝟕))⌉
𝟑 𝟑
0.2
𝑊5 = 1.18729937 + ⌈2.09469711 + 3𝑓(1.9333333,1.4665923)⌉
4
𝑊5 = 1.18729937 + 0.05⌈2.09469711 + 7.0020877⌉
𝑾𝟓 = 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏
𝑦(𝑡5 ) i=5 entonces 𝒕5 = 𝟏+0.2(5)=2
Y (2) = 2*tan(ln2)) = 0. ; Y(2)=1.66128175
𝒑𝒂𝒓𝒂 𝒊 = 5 𝑡5 = 1 + 𝑖ℎ=1+(0.2)*5=2 ; 𝑊5 =1.642138611

ℎ 𝟐 𝟐
𝑊6 = 𝑤5 + ⌈𝑓 (𝒕𝟓 , 𝒘𝟓 ) + 3𝑓 (𝒕𝟓 + 𝒉, 𝒘𝟓 + ℎ ∗ 𝑓(𝒕𝟓 , 𝒘𝟓 ))⌉
4 𝟑 𝟑
𝑊6 = 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏
0.2
+ ⌈𝑓 (𝟐, 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏)
4
𝟐 𝟐
+ 3𝑓 (𝟐 + (0.2), 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏 + (0.2) ∗ 𝑓(𝟐, 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏))⌉
𝟑 𝟑
0.2
𝑊6 = 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏 + ⌈2.49522411 + 3𝑓(2.1333333,1.9748351)⌉
4
𝑊6 = 𝟏. 𝟔𝟒𝟐𝟏𝟑𝟖𝟔𝟏𝟏 + 0.05⌈2.49522411 + 8.3478954⌉
𝑾𝟔 = 𝟐. 𝟏𝟖𝟒𝟐𝟗𝟒𝟓𝟖𝟕
𝑦(𝑡6 ) i=6 entonces 𝒕6 = 𝟏+0.2(6)=2.2
Y (2.2) =2.2*tan(ln2.2))= 0. ;
Y (2.2) =2.2135018
𝒑𝒂𝒓𝒂 𝒊 = 6 𝑡6 = 1 + 𝑖ℎ=1+(0.2)*6=2.2 ; 𝑊6 = 2.184294587
ℎ 𝟐 𝟐
𝑊7 = 𝑤7 + ⌈𝑓 (𝒕𝟔 , 𝒘𝟔 ) + 3𝑓 (𝒕𝟔 + 𝒉, 𝒘𝟔 + ℎ ∗ 𝑓(𝒕𝟔 , 𝒘𝟔 ))⌉
4 𝟑 𝟑
𝑊7 = 2.184294587
0.2
+ ⌈𝑓 (𝟐. 𝟐, 2.184294587)
4
𝟐 𝟐
+ 3𝑓 (𝟐. 𝟐 + (0.2), 2.184294587 + (0.2) ∗ 𝑓(𝟐. 𝟐, 2.184294587))⌉
𝟑 𝟑
0.2
𝑊7 = 2.184294587 + ⌈2.9786344 + 3𝑓(2.3333333,2.581445852)⌉
4
𝑊7 = 2.184294587 + 0.05⌈2.9796344 + 10.44949519⌉
𝑾𝟕 = 𝟐. 𝟖𝟓𝟓𝟕𝟓𝟏𝟎𝟔𝟕
𝑦(𝑡7 ) i=7 entonces 𝒕7 = 𝟏+0.2(7)=2.4
Y(2.4)=2.4*tan(ln2.4))= 0. ;
Y(2.4)=2.87655142
𝒑𝒂𝒓𝒂 𝒊 = 7 𝑡7 = 1 + 𝑖ℎ=1+(0.2)*7=2.4 ; 𝑊7 = 2.855751076
ℎ 𝟐 𝟐
𝑊8 = 𝑤7 + ⌈𝑓 (𝒕𝟕 , 𝒘𝟕 ) + 3𝑓 (𝒕𝟕 + 𝒉, 𝒘𝟕 + ℎ ∗ 𝑓(𝒕𝟕 , 𝒘𝟕 ))⌉
4 𝟑 𝟑
𝑊8 = 2.855751076
0.2
+ ⌈𝑓 (𝟐. 𝟒, 2.855751076)
4
𝟐 𝟐
+ 3𝑓 (𝟐. 𝟒 + (0.2), 2.855751076 + (0.2) ∗ 𝑓(𝟐. 𝟒, 2.855751076))⌉
𝟑 𝟑
0.2
𝑊8 = 2.855751076 + ⌈3.874878556 + 3𝑓(2.53333333,3.37240155)⌉
4
𝑊8 = 2.855751076 + 0.05⌈3.874878556 + 12.31000289⌉
𝑾𝟖 = 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏𝟒𝟖
𝑦(𝑡8 ) i=8 entonces 𝒕8 = 𝟏+0.2(8)=2.6
Y(2.6)=2.6*tan(ln2.6))= 0. ;
Y (2.6) =3.678475331
𝒑𝒂𝒓𝒂 𝒊 = 8 𝑡8 = 1 + 𝑖ℎ=1+(0.2)*8=2.6 ; 𝑊8 = 2.855751076
ℎ 𝟐 𝟐
𝑊9 = 𝑤8 + ⌈𝑓 (𝒕𝟖 , 𝒘𝟖 ) + 3𝑓 (𝒕𝟖 + 𝒉, 𝒘𝟖 + ℎ ∗ 𝑓(𝒕𝟖 , 𝒘𝟖 ))⌉
4 𝟑 𝟑
𝑊9 = 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏𝟒𝟖
0.2
+ ⌈𝑓 (𝟐. 𝟔, 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏5)
4
𝟐 𝟐
+ 3𝑓 (𝟐. 𝟔 + (0.2), 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏5, + (0.2) ∗ 𝑓(𝟐. 𝟒, 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏5))⌉
𝟑 𝟑
0.2
𝑊9 = 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏𝟒𝟖 + ⌈4.396623793 + 3𝑓 (2.7333333,4.251211656)⌉
4
𝑊9 = 𝟑. 𝟔𝟔𝟒𝟗𝟗𝟓𝟏𝟒𝟖 + 0.05⌈4.396623793 + 14.92303764⌉
𝑾𝟗 = 𝟒. 𝟔𝟑𝟎𝟗𝟕𝟖𝟐𝟏𝟗
𝑦(𝑡9 ) i=9 entonces 𝒕9 = 𝟏+0.2(9)=2.8
Y (2.8) =2.8*tan(ln2.8))= 0. ;
Y (2.8) =4.658665058
 Fórmula de interpolación lineal : Y(2) ≤ 𝒚(𝟐. 𝟏) ≤ Y(2.2)
X= 2,1
Y(2)=1.66128175 ; 𝑥0 = 2 ; Y(2.2)=2.21350181 ; 𝑥1 =2.2
𝑓(𝑥1 )−𝑓(𝑥0 )
𝑓1 (𝑥 ) = 𝑓 (𝑥0 ) + (𝑥 − 𝑥0 ) [ ]
𝑥1−𝑥0
2.21350181−(1.66128175)
y(2.1) = 1.6612815 + (2.1 − 2) [ ]= 1.93739153
2.2−2
 Fórmula de interpolación lineal : Y(2.6) ≤ 𝒚(𝟐. 𝟕𝟓) ≤ Y(2.8)

Y(2.6)= 3.678475331 ; 𝑥0 = 2 .6 ;
Y(2.8)= 4.658665058 ; 𝑥1 =2.8
4.658665058 − (3.678475331)
𝑦(2.75) = 3.678475331 + (2.75 − 2.6) [ ] == 4.4136176
2.8 − 2.6
𝟕. 𝒄. (𝑹𝒆𝒒𝒖𝒆𝒋𝒐 𝑳𝒍𝒂𝒕𝒂𝒔 𝑽𝒊𝒄𝒕𝒐𝒓)
𝑦(1.3) 𝑦 𝑦(1.93)
𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 6. 𝑐.
𝑡𝑖 𝐻𝑒𝑢𝑛
0 −2
0.2 −1.8026667
0.4 −1.6205037
0.6 −1.4642548
0.8 −1.3382939
1.0 −1.2415866
1.2 −1.1699932
1.4 −1.1183618
1.6 −1.0818054
1.8 −1.0562506
2.0 −1.0385425
𝑃𝑎𝑟𝑎 𝑦(1.3)
𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙
𝑓 (𝑥1 ) − 𝑓 (𝑥0 )
𝑓1 (𝑥 ) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 ) [ ]
𝑥1 − 𝑥0
−1.1183618 − (−1.6999932)
𝑓1 (𝑥 ) = −1.1699932 + (1.3 − 1.2) [ ] = −𝟏. 𝟏𝟒𝟒𝟏𝟕𝟕𝟓
1.4 − 1.2
𝑉𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙:
−1
𝑦(1.3) = −3 + 2(1 + 𝑒 −2(1.3) ) = −𝟏. 𝟏𝟑𝟖𝟐𝟕𝟔𝟖
𝑃𝑎𝑟𝑎 𝑦(1.93)
𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙
𝑓 (𝑥1 ) − 𝑓 (𝑥0 )
𝑓1 (𝑥 ) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 ) [ ]
𝑥1 − 𝑥0
−1.0385425 − (−1.0562506)
𝑓1 (𝑥 ) = −1.0562506 + (1.93 − 1.8) [ ] = −𝟏. 𝟎𝟒𝟒𝟒𝟕𝟒𝟎𝟑
2 − 1.8
𝑉𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
−1
𝑦(1.93) = −3 + 2(1 + 𝑒 −2(1.93) ) = −𝟏. 𝟎𝟒𝟏𝟐𝟔𝟔𝟔
7c. (Bautista Vásquez Cristian)
Repita el ejercicio 5 usando los resultados del ejercicio 6.

𝑦 𝑦 2
𝑎) 𝑦 ′ = − ( ) , 1 ≤ 𝑡 ≤ 2, 𝑦(1) = 1, 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
𝑡 𝑡
= 𝑡/(1 + 𝑙𝑛𝑡).
(1.3,1.02952), 𝑞𝑢𝑒 𝑒𝑠.
𝑦(𝑡) = 1.011371 + 1.011371(𝑡 − 1.22)
𝑦(1.25) = 1.011371 + 1.011371(1.25 − 1.22)
𝑡
1 + 𝑙𝑛𝑡

𝑨𝒉𝒐𝒓𝒂
(𝐸. 𝑅 = |𝑉. 𝑃 − 𝐸. 𝐸|
𝐸. 𝑅 = |1.041712 − 1.0219569 |
𝐸. 𝑅 = 0.0197551
(2,1.07895), 𝑞𝑢𝑒 𝑒𝑠.
1.07895 − 1.16793
𝑦 − 1.16793 = (𝑡 − 1.9) − ( )
2 − 19
𝑦(𝑡) = 1.14793 + 0.24(𝑡 − 1.9)
𝑦(𝑡) = 1.16793 + 0.24(𝑡 − 1.9)
y(1.93) = 1.16793 + 0.24(1.93 − 1.9)
𝑦(1.93) = 1.17513 Valor Proximado
𝑡
1 + lnt
1.93
y(t) =
1 + ln(1,93)
Ahora
𝐸. R = |V. P − E. E|
𝐸. R = | 1.17513 − 1.1643902 |
E. R = 0.0107397
7.d. (Bravo Torres Willam)
𝒅) 𝒚(𝟎. 𝟓𝟒) 𝑦 𝒚(𝟎, 𝟗𝟒)

1
𝑦 ′ = −5𝑦 + 5𝑡 2 + 2𝑡; 0 ≤ 𝑡 ≤ 1; 𝑦(0) = ; 𝑐𝑜𝑛 ℎ = 0.1; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)−
3
1
= 𝑡 2 + 𝑒 −5𝑡
3
Resultados del ejercicio 6 inciso d
ti Heum
0 0.3333333
0.1 0.22
0.2 0.1729167
0.3 0.1747396
0.4 0.2146289
0.5 0.2858097
0.6 0.3840477
0.7 0.5066965
0.8 0.652102
0.9 0.8192304
1 1.0074357
SOLUCIÓN
Para y (0.54)
Fórmula de interpolación lineal
𝑓 (𝑥1 ) − 𝑓 (𝑥0 )
𝑓1 (𝑥 ) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 ) [ ]
𝑥1 − 𝑥0
0.3840447 − 0.2858097
𝑓1 (𝑥 ) = 0.2858097 + (0.54 − 0.5) [ ] = 0.3251037
0.6 − 0.5
Valor real
1
y (0.54) = (0.54)2 + 3 𝑒 (−5)(0.54) = 0.3140018
Para y (0.94)
Fórmula de interpolación lineal
𝑓 (𝑥1 ) − 𝑓 (𝑥0 )
𝑓1 (𝑥 ) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 ) [ ]
𝑥1 − 𝑥0
1.0074357 − 0.8192304
𝑓1 (𝑥 ) = 0.8192304 + (0.94 − 0.9) [ ] = 0.8945125
1 − 0.9
Valor real
1
y (0.94) = (0.94)2 + 3 𝑒 (−5)(0.94) = 0.8866318
7.d. (Jose Bustamante Ruiz)

𝟏 𝟏
d. 𝒚′ = −𝟓𝒚 + 𝟓𝒕𝟐 + 𝟐𝒕, 𝟏 ≤ 𝒕 ≤ 𝟎, 𝒚(𝟎) = 𝟑, con h=0.1; solución real y(t)=𝒕𝟐 +𝟑 𝒆−𝟓𝒕
SOLUCIÓN
1
𝑌1 = 𝑦0 + 2 (𝑓 (𝑥1 + 𝑦1 ) + 𝑓 (𝑥1 , 𝑦1 )ℎ
1
𝑦 ′ = −5𝑦 + 5𝑡 2 + 2𝑡, 1 ≤ 𝑡 ≤ 1, 𝑦(0) =
3
1
𝑦 (0) =
3
Reemplazando en las formulas se obtiene la siguiente respuesta:
i y Y’ 1
0 0 -0.14676 0.73455
1 0.1 -0.09789 0.24345
2 0.2 -0.00354 0.20345
3 0.3 0.05636 0.09334
4 0.4 0.78974 0.23478
5 0.5 0.35645 0.24567
6 0.6 0.46755 0.56478
7 0.7 0.33674 0.44664
8 0.8 0.56644 0.54636
9 0.9 0.23455 0.11119
10 1 0.34556 0.36464
La Solución real:
1
y(t)=𝑡 2 +3 𝑒 −5𝑡 = 0.32783
EJERCICIO 8. Use el método del punto medio.
a. (Silva Bustamante Angel)
𝑦 𝑦 2
𝑦′ = 𝑡 − (𝑡 ) , 1 ≤ 𝑡 ≤ 2, 𝑐𝑜𝑛 ℎ = 0.1
𝑡
Solución real 𝑦(𝑡) = 1+𝑙𝑛(𝑡)
Tenemos que
ℎ = 0.1
𝑏−𝑎 2−1
ℎ= →𝑁= = 10
𝑁 0.1
𝑡𝑖 = 𝑎 + ℎ𝑖
𝑡𝑖 = 1 + 0.1𝑖
𝑤𝑖 𝑤𝑖 2
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −( )
𝑡𝑖 𝑡𝑖
𝑤0 = 𝑦(𝑡0 ) = 𝑦(1)01
Formula general del punto medio
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ) )
2 2
Como N=10, por lo que i= 0, 1, 3…9
𝑃𝑎𝑟𝑎 𝑖 = 0, 𝑡0 = 1
ℎ ℎ
𝑤1 = 𝑤0 + ℎ𝑓 (𝑡0 + , 𝑤0 + 𝑓 (𝑡0 , 𝑤0 ) )
2 2
𝑤0 𝑤0 2 1 1 2
𝑓 (𝑡0 , 𝑤0 ) = −( ) = −( ) =0
𝑡0 𝑡0 1 1
0.1 0.1
𝑤1 = 1 + 0.1𝑓 (1 + ,1 + ∗ 0)
2 2
𝑤1 = 1 + 0.1𝑓(1.05 ,1)
1 1 2
𝑓 (1.05,1) = −( ) = 0.0453515
1.05 1.05
𝑤1 = 1 + 0.1 ∗ 0.0453515
𝑤1 = 1.0045352
𝑦(𝑡1 ) = 1.0042817
Error
1.0042817-1.0045352=0.0002535
𝑃𝑎𝑟𝑎 𝑖 = 1, 𝑡1 = 1.1
ℎ ℎ
𝑤2 = 𝑤1 + ℎ𝑓 (𝑡1 + , 𝑤1 + 𝑓 (𝑡1 , 𝑤1 ) )
2 2
𝑤1 𝑤1 2 1.0045352 1.0045352 2
𝑓 (𝑡1 , 𝑤1 ) = −( ) = −( ) = 0.0792543
𝑡1 𝑡1 1.1 1.1
0.1 0.1
𝑤2 = 1.0045352 + 0.1𝑓 (1.1 + ,1.0045352 + ∗ 0.0792543)
2 2
𝑤2 = 1 + 0.1𝑓 (1.15 ,1.0084979)
1.0084979 1.0084979 2
𝑓 (1.15,1.0084979) = −( ) = 0.1079052
1.15 1.15
𝑤2 = 1 + 0.1 ∗ 0.1079052
𝑤2 = 1.0153257
𝑦(𝑡2 ) = 1.0149523
Error
1.0149523-1.0153257=0.0003734
𝑃𝑎𝑟𝑎 𝑖 = 2, 𝑡2 = 1.2
ℎ ℎ
𝑤3 = 𝑤2 + ℎ𝑓 (𝑡2 + , 𝑤2 + 𝑓(𝑡2 , 𝑤2 ) )
2 2
𝑤2 𝑤2 2 1.0153257 1.0153257 2
𝑓 (𝑡2 , 𝑤2 ) = −( ) = −( ) = 0.1302115
𝑡2 𝑡2 1.2 1.2
0.1 0.1
𝑤3 = 1.0153257 + 0.1𝑓 (1.2 + ,1.0153257 + ∗ 0.1302115)
2 2
𝑤3 = 1 + 0.1𝑓 (1.25 ,1.0218363)
1.0218363 1.0218363 2
𝑓 (1.25,1.0218363) = −( ) = 0.1492134
1.25 1.25
𝑤3 = 1 + 0.1 ∗ 0.1492134
𝑤3 = 1.0302470
𝑦(𝑡3 ) = 1.0298037
Error
1.0298037-1.0302470=0.0004333
𝑃𝑎𝑟𝑎 𝑖 = 3, 𝑡3 = 1.3
ℎ ℎ
𝑤4 = 𝑤3 + ℎ𝑓 (𝑡3 + , 𝑤3 + 𝑓 (𝑡3 , 𝑤3 ) )
2 2
𝑤3 𝑤3 2 1.0302470 1.0302470 2
𝑓 (𝑡3 , 𝑤3 ) = −( ) = −( ) = 0.1644451
𝑡3 𝑡3 1.3 1.3
0.1 0.1
𝑤4 = 1.0302470 + 0.1𝑓 (1.3 + ,1.0302470 + ∗ 0.1644451)
2 2
𝑤4 = 1 + 0.1𝑓(1.35 ,1.0384693)
1.0384693 1.0384693 2
𝑓 (1.35,1.0384693) = −( ) = 0.1775117
1.35 1.35
𝑤4 = 1 + 0.1 ∗ 0.1775117
𝑤4 = 1.0479982
𝑦(𝑡4 ) = 1.0475339
Error
1.0475339-1.0479982=0.0004643
𝑃𝑎𝑟𝑎 𝑖 = 4, 𝑡4 = 1.4
ℎ ℎ
𝑤5 = 𝑤4 + ℎ𝑓 (𝑡4 + , 𝑤4 + 𝑓 (𝑡4 , 𝑤4 ) )
2 2
𝑤4 𝑤4 2 1.0479982 1.0479982 2
𝑓 (𝑡4 , 𝑤4 ) = −( ) = −( ) = 0.1882129
𝑡4 𝑡4 1.4 1.4
0.1 0.1
𝑤5 = 1.0479982 + 0.1𝑓 (1.4 + ,1.0479982 + ∗ 0.1882129)
2 2
𝑤5 = 1 + 0.1𝑓 (1.45 ,1.0574088)
1.0574088 1.0574088 2
𝑓 (1.45,1.0574088) = −( ) = 0.1974456
1.45 1.45
𝑤5 = 1 + 0.1 ∗ 0.1974456
𝑤5 = 1.0677428
𝑦(𝑡5 ) = 1.0672624
Error
1.0672624-1.0677428=0.0004804
𝑃𝑎𝑟𝑎 𝑖 = 5, 𝑡5 = 1.5
ℎ ℎ
𝑤6 = 𝑤5 + ℎ𝑓 (𝑡5 + , 𝑤5 + 𝑓(𝑡5 , 𝑤5 ) )
2 2
𝑤5 𝑤5 2 1.0677428 1.0677428 2
𝑓 (𝑡5 , 𝑤5 ) = −( ) = −( ) = 0.2051287
𝑡5 𝑡5 1.5 1.5
0.1 0.1
𝑤6 = 1.0677428 + 0.1𝑓 (1.5 + ,1.0677428 + ∗ 0.2051287)
2 2
𝑤6 = 1 + 0.1𝑓 (1.55 ,1.0779992)
1.0779992 1.0779992 2
𝑓 (1.55,1.0779992) = −( ) = 0.2117863
1.55 1.55
𝑤6 = 1 + 0.1 ∗ 0.2117863
𝑤6 = 1.0889214
𝑦(𝑡6 ) = 1.0884327
Error
1.0884327-1.0889214=0.0004887
𝑃𝑎𝑟𝑎 𝑖 = 6, 𝑡6 = 1.6
ℎ ℎ
𝑤7 = 𝑤6 + ℎ𝑓 (𝑡6 + , 𝑤6 + 𝑓(𝑡6 , 𝑤6 ) )
2 2
𝑤6 𝑤6 2 1.0889214 1.0889214 2
𝑓 (𝑡6 , 𝑤6 ) = −( ) = −( ) = 0.2173924
𝑡6 𝑡6 1.6 1.6
0.1 0.1
𝑤7 = 1.889214 + 0.1𝑓 (1.6 + ,1.889214 + ∗ 0.2173924)
2 2
𝑤7 = 1 + 0.1𝑓 (1.65 ,1.0997910)
1.0997910 1.0997910 2
𝑓 (1.65,1.0997910) = −( ) = 0.2222644
1.65 1.65
𝑤7 = 1 + 0.1 ∗ 0.2222644
𝑤7 = 1.1111478
𝑦(𝑡7 ) = 1.1106551
Error
1.1106551-1.1111478=0.0004927
𝑃𝑎𝑟𝑎 𝑖 = 7, 𝑡7 = 1.7
ℎ ℎ
𝑤8 = 𝑤7 + ℎ𝑓 (𝑡7 + , 𝑤7 + 𝑓(𝑡7 , 𝑤7 ) )
2 2
𝑤7 𝑤7 2 1.1111478 1.1111478 2
𝑓 (𝑡7 , 𝑤7 ) = −( ) = −( ) = 0.2264020
𝑡7 𝑡7 1.7 1.7
0.1 0.1
𝑤8 = 1.1111478 + 0.1𝑓 (1.7 + ,1.1111478 + ∗ 0.2264020)
2 2
𝑤8 = 1 + 0.1𝑓 (1.75 ,1.1224679)
1.1224679 1.1224679 2
𝑓 (1.75,1.1224679) = −( ) = 0.2300031
1.75 1.75
𝑤8 = 1 + 0.1 ∗ 0.2300031
𝑤8 = 1.1341481
𝑦(𝑡8 ) = 1.1336536
Error
1.1336536-1.1341481=0.0004945
𝑃𝑎𝑟𝑎 𝑖 = 8, 𝑡7 = 1.8
ℎ ℎ
𝑤9 = 𝑤8 + ℎ𝑓 (𝑡8 + , 𝑤8 + 𝑓 (𝑡8 , 𝑤8 ) )
2 2
𝑤8 𝑤8 2 1.1341481 1.1341481 2
𝑓 (𝑡8 , 𝑤8 ) = −( ) = −( ) = 0.2330786
𝑡8 𝑡8 1.8 1.8
0.1 0.1
𝑤9 = 1.1341481 + 0.1𝑓 (1.8 + ,1.1341481 + ∗ 0.2330786)
2 2
𝑤9 = 1 + 0.1𝑓(1.85 ,1.1458020)
1.1458020 1.1458020 2
𝑓 (1.85,1.1458020) = −( ) = 0.2357550
1.85 1.85
𝑤9 = 1 + 0.1 ∗ 0.2357550
𝑤9 = 1.1577236
𝑦(𝑡9 ) = 1.1572289
1.1.1 Error
1.1572289-1.1577236=0.0004947
𝑃𝑎𝑟𝑎 𝑖 = 9, 𝑡7 = 1.9
ℎ ℎ
𝑤10 = 𝑤9 + ℎ𝑓 (𝑡9 + , 𝑤9 + 𝑓 (𝑡9 , 𝑤9 ) )
2 2
2
𝑤9 𝑤9 2 1.1577236 1.1577236
𝑓 (𝑡9 , 𝑤9 ) = −( ) = −( ) = 0.2380473
𝑡9 𝑡9 1.9 1.9
0.1 0.1
𝑤10 = 1.1577236 + 0.1𝑓 (1.9 + ,1.1577236 + ∗ 0.2380473)
2 2
𝑤10 = 1 + 0.1𝑓(1.95 ,1.1696260)
1.1696260 1.1696260 2
𝑓 (1.95,1.1696260) = −( ) = 0.2400383
1.95 1.95
𝑤10 = 1 + 0.1 ∗ 0.2400383
𝑤10 = 1.1817274
𝑦(𝑡10 ) = 1.1812322
1.1.2 Error
1.1812322-1.1817274=0.0004952
8.b. (Collantes Fonseca Luis)
Para el problema del valor inicial´.
𝒚 𝒚
y´= 1+ 𝒕 + ( 𝒕 )𝟐 , 𝟏 ≤ 𝒕 ≤ 𝟑, 𝒚(𝟏) = 𝟎, 𝒄𝒐𝒏 𝒉 = 𝟎. 𝟐…… (1)
La solución exacta dada es
y(t) = t x tan (ln t) …… (2)
Comparamos la ecuación diferencial dada 1 con la forma general del problema de valor
inicial
𝑦´ = 𝑓 (𝑡, 𝑦) 𝑎 ≤ 1 ≤ 𝑏, 𝑦(𝑎) =∝
Llegar
𝑦 𝑦
f(t, y) = 1+ 𝑡 + ( 𝑡 )2 , ∝ = 𝑤0 = 𝑦0 = 0, 𝑡0 = 𝑎 = 1, 𝑏 = 3
aquí:
𝑡𝑖 = 𝑡0 + ℎ ∗ 𝑖
= 1 + 0.2*i
= 1 + 0.2i
El método del punto medio es:
𝑤0 =∝
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑥 𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑥 𝑓 (𝑡𝑖 , 𝑤𝑖 )), para cada i = 0, 1, …, N-1
2 2
Dado que
𝒘𝟎 = 𝟎
Entonces
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑥 𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑥 𝑓 (𝑡𝑖 , 𝑤𝑖 ))
2 2
0.2 0.2
= 𝑤𝑖 + 0.2𝑥 𝑓(1 + 0.2𝑥0 + , 𝑤𝑖 + 𝑥 𝑓 (1 + 0.2𝑥0, 𝑤𝑖 ))
2 2
Por eso
0.2 0.2
𝑤1 = 𝑤0 + 0.2𝑥 𝑓(1 + 0.2𝑥0 + , 𝑤0 + 𝑥 𝑓 (1 + 0.2𝑥0, 𝑤0 ))
2 2
0.2 0.2
𝑤1 = 0 + 0.2𝑥 𝑓(1 + 0.2𝑥0 + ,0+ 𝑥 𝑓(1 + 0.2𝑥0,0))
2 2
𝑤1 = 0.219835
𝒘𝟎 = 𝟏
0.2 0.2
𝑤2 = 𝑤1 + 0.2𝑥 𝑓(1 + 0.2𝑥1 + , 𝑤1 + 𝑥 𝑓(1 + 0.2𝑥1, 𝑤1 ))
2 2
0.2 0.2
𝑤2 = 0.219835 + 0.2𝑥 𝑓(1 + 0.2𝑥1 + , 0.219835 + 𝑥 𝑓(1 + 0.2𝑥1,0.219835))
2 2
𝑤2 = 0.486177
l ti wi y[t1] error[i]=|𝑦[𝑡𝑖 ] − 𝑤𝑖 |
1 1.2 0.219835 0.221243 0.00140806
2 1.4 0.486177 0.489682 0.00350462
3 1.6 0.806185 0.812753 0.00656785
4 1.8 1.18844 1.19944 0.0109994
5 2 1.64389 1.66128 0.0173928
6 2.2 2.18686 2.2135 0.0266409
7 2.4 2.83644 2.87655 0.0401157
8 2.6 3.61849 3.67848 0.0599828
9 2.8 4.56889 4.65867 0.0897707
10 3 5.73865 5.8741 0.135453
8.b. (Quispe Diaz Jairo)

𝑦 ∗ = 1+y/t +(𝑦/𝑡)2 ; 1≤ t ≤ 3 ; y(1)= 0 con h=0.2; solución real y(t) = (t)tan(ln(t))
SOLUCIÓN
ℎ
𝑤𝑖+1 = 𝑤𝑖 + 2 (𝑘1 + 𝑘2 ) formula general
ℎ
𝑦𝑖+1 = 𝑦𝑖 + 2 (𝑘1 + 𝑘2 ) formula cambiada a términos de x e y
T = x, w = y
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 )
ℎ ℎ
𝑘2 = 𝑓 (𝑥𝑖 + , 𝑦𝑖 + 𝑘1 )
2 2
Primera iteración (i= 0)
𝑥0 = 1 ; 𝑦0 = 0
𝑦0 𝑦 2 0 0 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥0 ) = 1 + + = (1) = 1
𝑥0 0 1
ℎ ℎ 0.2 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1 + ,0 + (1)) = 𝑓 (1.1, ) = 0.100000
2 2
ℎ 0.2
𝑦1 = 𝑦1 + (𝑘1 + 𝑘2 ) = 0 + (1 + 0.1) = 0.110000
2 2
𝑦1 = 0.110000 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
solución real y(t) = (t)tan(ln(t)) = 0
segunda iteración (i= 1)
𝑥1 = 𝑥0 + h = 1.2
𝑦1 = 0.11
𝑦0 𝑦 2 0.11 0.11 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥0 ) = 1 + + = ( 1.2 ) = 1.183333
𝑥0 0 1.2
ℎ ℎ 0.2 0.2
𝑘2 =𝑓 (𝑥𝑖 + , 𝑦𝑖 + 𝑘1 ) = 𝑓 (1.2 + , 0.11 + (1.183333)) = 𝑓 (1.3,0.228333) =
2 2 2 2
1.206490
ℎ 0.2
𝑦2 = 𝑦1 + (𝑘1 + 𝑘2 ) = 0.11 + (1.183333 + 1.206490) = 0.026288
2 2
solución real y(t) = (1.2)tan(ln(1.2)) = 0.003437
tercera iteración (i= 2)
𝑥2 = 𝑥1 + h = 1.4
𝑦2 = 0.0226288
𝑦2 𝑦 2 0.026288 0.026288 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥2 ) = 1 + +( ) = 1.019130
𝑥2 2 1.4 1.4
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1.4 + , 0.0226288 +
2
0.2
(1.019130)) = 𝑓(1.5,0.124542) =1.089922
2
ℎ 0.2
𝑦3 = 𝑦2 + (𝑘1 + 𝑘2 ) = 0.226288 + (1.019130 + 1.089922) = 0.437193
2 2
cuarta iteración (i= 3)
𝑥3 = 𝑥2 + h = 1.6
𝑦3 = 0.437193
𝑦3 𝑦 2 0.437193 0.437193 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥3 ) = 1 + +( ) = 1.347909
𝑥3 3 1.6 1.6
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1.6 + , 0.437193 +
2
0.2
(1.347909)) = 𝑓(1.7,0.571984) =1.449667
2
ℎ 0.2
𝑦4 = 𝑦3 + (𝑘1 + 𝑘2 ) = 0.437193 + (1.347909 + 1.449667) = 0.716951
2 2

quinta iteración (i= 4)
𝑥4 = 𝑥3 + h = 1.8
𝑦4 = 0.716951
𝑦4 𝑦 2 0.716951 0.716951 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + ( 4) = 1 + +( ) = 1.556954
𝑥4 𝑥4 1.8 1.8
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1.8 + , 0.716951 +
2
0.2
(1.556954)) = 𝑓(1.9,0.872646) =1.670232
2
ℎ 0.2
𝑦5 = 𝑦4 + (𝑘1 + 𝑘2 ) = 0.716951 + (1.556954 + 1.670232) = 1.039670
2 2
𝑦5 = 1.039670 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
sexta iteración (i= 5)
𝑥5 = 𝑥4 + h = 2
𝑦5 = 1.039670
𝑦5 𝑦 2 1.039670 1.039670 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥5 ) = 1 + +( ) = 1.790063
𝑥5 5 2 2
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (2 + , 1.039670 +
2
0.2
(1.790063)) = 𝑓(2.1,1.218676) =1.917095
2
ℎ 0.2
𝑦6 = 𝑦5 + (𝑘1 + 𝑘2 ) = 1.039670 + (1.790063 + 1.917095) = 1.410386
2 2
solución real y(t) = (2)tan(ln(2)) = 0.021777
séptima iteración (i= 6)
𝑥6 = 𝑥5 + h = 2.2
𝑦6 = 1.410386
𝑦6 𝑦 2 1.410386 1.410386 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥6 ) = 1 + +( ) = 1.263479
𝑥6 6 2.2 2.2
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (2.2 + , 1.410386 +
2
0.2
(1.263479)) = 𝑓(2.3,1.536734) =2.114563
2
ℎ 0.2
𝑦7 = 𝑦6 + (𝑘1 + 𝑘2 ) = 1.410386 + (1.263479 + 2.114563) = 1.745321
2 2
0ctava iteración (i= 7)
𝑥7 = 𝑥6 + h = 2.4
𝑦7 = 1.745321
𝑦7 𝑦 2 1.745321 1.745321 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥7 ) = 1 + +( ) = 2.256062
𝑥7 7 2.4 2.4
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (2.4 + , 1.745321 +
2
0.2
(2.225062)) = 𝑓(2.5,1.970927) =2.409899
2
ℎ 0.2
𝑦8 = 𝑦7 + (𝑘1 + 𝑘2 ) = 1.745321 + (2.256062 + 2.409889) = 2.211916
2 2
novena iteración (i= 8)
𝑥8 = 𝑥7 + h = 2.6
𝑦8 = 2.211916
𝑦8 𝑦 2 2.211916 2.211916 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥8 ) = 1 + +( ) = 2.574490
𝑥8 8 2.6 2.6
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (2.6 + , 2.211916 +
2
0.2
(2.574490)) = 𝑓(2.7,2.469365) =2.751036
2
ℎ 0.2
𝑦9 = 𝑦8 + (𝑘1 + 𝑘2 ) = 2.211916 + (2.574490 + 2.751036) = 2.744469
2 2
solución real y(t) = (2.6) tan (ln (2.6)) = 0.039027
decima iteración (i= 9)
𝑥9 = 𝑥8 + h = 2.8
𝑦9 = 2.744469
𝑦9 𝑦 2 2.744469 2.744469 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + + (𝑥9 ) = 1 + +( ) = 2.940896
𝑥9 9 2.8 2.8
ℎ ℎ 0.2
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (2.8 + , 2.744469 +
2
0.2
(2.940896)) = 𝑓(2.9,1.3.038559) =3.145620
2
ℎ 0.2
𝑦10 = 𝑦9 + (𝑘1 + 𝑘2 ) = 2.744469 + (2.940896 + 3.145620) = 2.986242
2 2
𝑦10 = 2.986242𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
solución real y(t) = (2.8) tan (ln (2.8)) = 0.045289
8.c. (Diaz Santa Cruz Alexis)
c. 𝑦 ′ = −(𝑦 + 1)(𝑦 + 3), 0 ≤ 𝑡 ≤ 2, 𝑦(0) = −2, 𝑐𝑜𝑛 ℎ = 0.2
𝑦(𝑡) = −3 + 2(1 + 𝑒 2𝑡 )−1

→
𝑦 ′ = −(𝑦 + 1)(𝑦 + 3) = −𝑦 2 − 4𝑦 − 3
𝑦(0) = −2
0≤𝑡≤2
𝑎=0
𝑏=2
𝑤0 = −2
ℎ = 0.2
𝑡1 = 0 + 0.2𝑖
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 , 𝑤𝑖 ))
2 2
𝑤𝑖+1 = −2 + (0.2)𝑓(0.2𝑖 + 0.1 , 𝑤𝑖 + 0.1𝑓 (0.2𝑖, −2))
Para i=0
𝑤1 = −2(0.2)𝑓(0.1, −2 + 0.1(−(−2)2 − 4(−2) − 3)); −𝑦 2 − 𝑢𝑦 − 3
𝑤1 = −2 + (0.2)𝑓(0.1, −2 + 0.1(1))
𝑤1 = −2 + (0.2)𝑓 (0.1, −1,9)
𝑤1 = −2 + (0.2)(−(−1.9)2 − 4(1.9) − 3)
𝑤1 = −2 + (0.2)(0.12 − 4(0.1) − 3)
𝑤1 = −1,802
Para i=1
𝑡1 = 0.2𝑖; −𝑦 2 − 4𝑦 − 3
𝑤𝑖+1 = 𝑤𝑖 + (0.2)𝑓(0.2 + 0.1, 𝑤𝑖 + 0.1𝑓 (0.2, 𝑤𝑖 ))
𝑤𝑖+1 = 𝑤𝑖 + (0.2)𝑓(0.2 + 0.1, −1.802 + 0.1𝑓(0.2, −2))
𝑤2 = −1.802 + (0.2)𝑓(0.3, −1.802 + 0.1(−(−2)2 − 4(−2) − 3))
𝑤2 = −1.802 + (0.2)𝑓(0.3, −1.702)
𝑤2 = −1.802 + (0.2)(−(−1.702)2 − 4(−1.702) − 3)

𝑤2 = −1.6197608
Solución real: 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦(0.2) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦(0.2) = −1.802625
𝒕𝒊 𝒘𝒊 𝒚 ( 𝒕𝒊 )
0.4 -1.6192966 -1.6200510
1.0 -1.2402470 -1.2384058
1.4 -1.1175165 -1.1146484
2.0 -1.03822227 -1.0359724
8.d. (Elvis Tapia Coronado)
1
𝑦′ = −5𝑦 + 5𝑡 2 + 2𝑡, 0 ≤ 𝑡 ≤ 1, 𝑦(0) = 3 , 𝑐𝑜𝑛 ℎ = 0.1;
1
Solución real 𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
SOLUCIÓN
𝑦′ = −5𝑦 + 5𝑡 2 + 2𝑡
1
𝑦 (0) = 3 ,0 ≤ 𝑡 ≤ 1 → 𝑎 = 0𝑦 𝑏 = 1
→ 𝑤0 = 1/3 ; ℎ = 0.1
→ 𝑡1 = 0.1𝑖
Fórmula del punto medio
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 , 𝑤𝑖 )) 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑖 = 0, 1, 2, . . . , 𝑁 − 1.
2 2
0.1 0.1 1
𝑤𝑖+1 = 𝑤𝑖 + (0.1)𝑓(0.1𝑖 + , 𝑤𝑖 + (0.1𝑖, )
2 2 3
Para i=0
1 0.1 1 0.1 1
𝑤1 = + (0.1)𝑓 ( , + ∗ (−5 ∗ + 5 ∗ 0.1𝑖 2 + 2 ∗ 0.1𝑖))
3 2 3 2 3
1 0.1 1 0.1 5
𝑤1 = + (0.1)𝑓 ( , + ∗ (− ))
3 2 3 2 3
1 0.1 1
𝑤1 = + (0.1)𝑓 ( , )
3 2 4
1 1 0.1 2 0.1
𝑤1 = + (0.1) (−5 ∗ + 5 ∗ ( ) ∗ )
3 4 2 2
𝒘𝟏 = 𝟎. 𝟐𝟏𝟗𝟓𝟖𝟑𝟑
Para i=1 t1 = 0.1i → t1 = 0.1 ; −5𝑦 + 5𝑡 2 + 2𝑡
0.1 0.1 1
w𝑖+1 = w1 + (0.1) (0.1 + ,w 𝑖 + ∗ (0.1, ))
2 2 3
3 1 0.1
w2 = 0.2195833 + (0.1)f ( , 0.2195833 + 0.1 ∗ (−5 ∗ + 5 ∗ + 2 ∗ 0.1))
20 3 2
3
w2 = 0.2195833 + (0.1)f ( , 0.0779166)
20
32 3
w2 = 0.2195833 + (0.1) (−𝟓 ∗ 0.0779166 + 5 ∗ +2∗ )
20 20
𝐰𝟐 = 𝟎. 𝟐𝟐𝟏𝟖𝟕5
1
SOLUCIÓN REAL y(t) = t 2 + 3 𝑒 −5𝑡
𝟏
𝒚(𝟎, 𝟏) = 𝟎. 𝟏𝟐 + 𝒆−𝟓∗𝟎.𝟏 = 𝟎. 𝟐𝟏𝟐𝟏𝟕𝟕
𝟑
PUNTO MEDIO
𝒕𝒊 𝒘𝒊 𝒚(𝒕𝒊 )
0.2 0.1722396 0.1626265
0.5 0.2848046 0.2773617
0.7 0.5056268 0.5000658
1.0 1.0063347 1.0022460
8.d. (Guamuro Delgado Alexander)
1
𝑦 ′ = −5𝑦 + 5𝑡 2 + 2𝑡 ,0 ≤ 𝑡 ≤ 1, 𝑦(0) = 𝑐𝑢𝑎𝑛𝑑𝑜 ℎ = 0.1 , 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)
3
1
= 𝑡 2 + 𝑒 −5𝑡
3
2 Solución
Para el problema tenemos el valor inicial
1
𝑦 ′ = −5𝑦 + 5𝑡 2 + 2𝑡 ,0 ≤ 𝑡 ≤ 1, 𝑦(0) = 𝑐𝑢𝑎𝑛𝑑𝑜 ℎ = 0.1
3
Y la solución exacta dada es
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
Entonces comparamos la ecuación diferencial dada con la forma general del problema de
valor inicial
𝑦 ′ = 𝑓 (𝑡, 𝑦), 𝑎 ≤ 𝑡 ≤ 𝑏, 𝑦(𝑎) = 𝛼
Para llegar
1
𝑓(𝑡, 𝑦) = −5𝑦 + 5𝑡 2 + 2𝑡, 𝛼 = 𝜔0= 𝑦0= , 𝑡 𝑎 = 0, 𝑏 = 1
3 0=
Sabiendo que
𝑡𝑖= 𝑡0 + ℎ𝑥𝑖
= 0 + 0.1𝑥𝑖
= 0.1𝑖
Aplicando el método de punto medio tenemos que
𝑤0 = 𝛼
ℎ ℎ
𝜔𝑖+1 = 𝜔𝑖 + ℎ𝑥𝑓 (𝑇𝑖 + , 𝜔𝑖 + 𝑥𝑓(𝑇𝑖 , 𝜔𝑖 )) , 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑖 = 0,1, … . . 𝑛 − 1
2 2
Ahora empezamos con
𝑤0 = 1
Reemplazando los datos en la fórmula queda así
ℎ ℎ
𝜔𝑖+1 = 𝜔𝑖 + ℎ𝑥𝑓 (𝑇𝑖 + , 𝜔𝑖 + 𝑥𝑓(𝑇𝑖 , 𝜔𝑖 ))
2 2
0.1 0.1
= 𝜔𝑖 + 0.1𝑥𝑓 (0.1𝑥0 + , 𝜔0 + 𝑥𝑓(0.1𝑥0, 𝜔0 ))
2 2
Entonces
0.1 0.1
𝜔1 = 𝜔0 + 0.1𝑥𝑓 (0.1𝑖 + , 𝜔𝑖 + 𝑥𝑓 (0.1𝑖, 𝜔𝑖 ))
2 2
1 0.1 1 0.1 1
= + 0.1𝑥𝑓 (0.1𝑖 + , + 𝑥𝑓 (0.1𝑥0, ))
3 2 3 2 3
= 0.219583
0.1 0.1
𝜔2 = 𝜔1 + 0.1𝑥𝑓 (0.1𝑥1 + , 𝜔1 + 𝑥𝑓(0.1𝑥1, 𝜔1 ))
2 2
0.1 0.1
= 0.219583 + 0.1𝑥𝑓 (0.1𝑥1 + , 0.219583 + 𝑥𝑓(0.1𝑥1,0.219583))
2 2
= 0.17224
De manera similar, utilizando el método de punto medio, podemos encontrar el resto de las
soluciones aproximadas. la siguiente tabla muestra la comparación entre la solución
aproximada y la solución exacta.
𝑙 𝑡𝑖 𝜔𝑖 (𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑎𝑝𝑟𝑜𝑥) 𝑦[𝑡𝑖 ] (𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡) 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑎𝑙 = |𝑦[𝑡𝑖 ] − 𝜔𝑖 |

1 0.1 0.219583 0.212177 0.0074065
i 𝑥𝑖 𝑦𝑖
0 1 0
1 1.2 0.21983471
2 1.4 0.48617705
3 1.6 0.80618449
4 1.8 1.18843926
5 2 1.64388892
6 2.2 2.18686089
7 2.4 2.83643571
8 2.6 3.61849255
9 2.8 4.56889438
2 0.2 0.17224 0.162626 0.0096131

3 0.3 0.1739 0.162377 0.0095230
4 0.4 0.213687 0.205112 0.0085756
5 0.5 0.284805 0.277362 0.0074429
6 0.6 0.383003 0.376596 0.0064072
7 0.7 0.505627 0.500066 0.005561
8 0.8 0.651017 0.646105 0.004912
9 0.9 0.818135 0.813703 0.004433
10 1 0.00633 0.00225 0.004089
9. repita el ejercicio 5 usando los resultados del ejercicio 8.

a. (Vasquez Herrera Joselito)
8. 𝑅𝑒𝑝𝑖𝑡𝑎 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 4 𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑒𝑙 𝑀é𝑡𝑜𝑑𝑜 𝑑𝑒𝑙 𝑃𝑢𝑛𝑡𝑜 𝑀𝑒𝑑𝑖𝑜
5. 𝑈𝑠𝑒 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜 4 𝑦 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑝𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠
𝑑𝑒 𝑦(𝑡) 𝑦 𝑑𝑒𝑠𝑝𝑢𝑒𝑠 𝑐𝑜𝑚𝑝𝑎𝑟𝑒 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠 𝑦(1.25)𝑦 𝑦 𝑦(1.93)
𝑀é𝑡𝑜𝑑𝑜 𝑑𝑒𝑙 𝑃𝑢𝑛𝑡𝑜 𝑀𝑒𝑑𝑖𝑜
𝑦 𝑦 2 𝑡
𝑦′ = − ( ) ; 1 ≤ 𝑡 ≤ 2; 𝑦(1) = 1; 𝑐𝑜𝑛 ℎ = 0.1 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) =
𝑡 𝑡 1 + ln 𝑡
ℎ ℎ 𝑏−𝑎 2−1
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 [𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓(𝑡𝑖 ; 𝑤𝑖 )] ℎ= ⇒𝑛= = 10 𝑛 =
𝑛 0.1
#𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝒊=𝟎
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡0 = 1 + 0(0.1) = 1 ; 𝑤0 = 1
𝑦 𝑦 2 1 1 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 𝑡 − ( 𝑡 ) = 1 − (1) = 0
ℎ 0.1
𝑡𝑖 + 2 = 1 + = 1.05
2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1 + ∗0 =1
2
ℎ ℎ 1 1 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.05 − (1.05 ) = 0.0453515
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 [𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓(𝑡𝑖 ; 𝑤𝑖 )] = 1 + 0.1[0.0453515] = 1.0045352
𝒊=𝟏
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡1 = 1 + 1(0.1) = 1.1 ; 𝑤1 = 1.0045352
1.0045352 1.0045352 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.0792543
1.1 1.1
ℎ 0.1
𝑡𝑖 + 2 = 1.1 + = 1.15
2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.0045352 + ∗ 0.0792543 = 1.0084979
2
ℎ ℎ 1.0084979 1.0084979 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.1079052
1.15 1.15
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 [𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓(𝑡𝑖 ; 𝑤𝑖 )] = 1.0045352 + 0.1[0.1079052] = 1.0153257
𝒊=𝟐
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡2 = 1 + 2(0.1) = 1.2 ; 𝑤2 = 1.0153257
1.0153257 1.0153257 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.1302105
1.2 1.2
ℎ 0.1
𝑡𝑖 + 2 = 1.2 + = 1.25
2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.0153257 + ∗ 0.1302105 = 1.0218362
2
ℎ ℎ 1.0218362 1.0218362 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.1492135
1.25 1.25
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 [𝑡𝑖 + ; 𝑤𝑖 + 𝑓(𝑡𝑖 ; 𝑤𝑖 )] = 1.0153257 + 0.1[0.1492135] = 1.0302471
2 2
𝒊=𝟑
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡3 = 1 + 3(0.1) = 1.3 ; 𝑤3 = 1.0302471
1.0302471 1.0302471 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.1644451
1.3 1.3
ℎ 0.1
𝑡𝑖 + 2 = 1.3 + 2
= 1.35
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.0302471 + ∗ 0.1644451 = 1.0384694
2
ℎ ℎ 1.0384694 1.0384694 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.1775117
1.35 1.35
ℎ ℎ
𝒊=𝟒
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡4 = 1 + 4(0.1) = 1.4 ; 𝑤4 = 1.0479983
1.0479983 1.0479983 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.1882128
1.4 1.4
ℎ 0.1
𝑡𝑖 + 2 = 1.4 + = 1.45
2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.0479983 + ∗ 0.1882128 = 1.0574089
2
ℎ ℎ 1.0574089 1.0574089 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.1974456
1.45 1.45
ℎ ℎ
𝒊=𝟓
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡5 = 1 + 5(0.1) = 1.5 ; 𝑤5 = 1.0677429
1.0677429 1.0677429 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.2051286
1.5 1.5
ℎ 0.1
𝑡𝑖 + 2 = 1.5 + = 1.55
2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.0677429 + ∗ 0.2051286 = 1.0779993
2
ℎ ℎ 1.0779993 1.0779993 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.2117862
1.55 1.55
ℎ ℎ
𝒊=𝟔
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡6 = 1 + 6(0.1) = 1.6 ; 𝑤6 = 1.0889215
1.0889215 1.0889215 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.2173923
1.6 1.6
ℎ 0.1
𝑡𝑖 + = 1.6 + = 1.65
2 2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.0889215 + ∗ 0.2173923 = 1.0997911
2
ℎ ℎ 1.0997911 1.0997911 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.2222644
1.65 1.65
ℎ ℎ
𝒊=𝟕
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡7 = 1 + 7(0.1) = 1.7 ; 𝑤7 = 1.1111479
1.1111479 1.1111479 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.2264019
1.7 1.7
ℎ 0.1
𝑡𝑖 + 2 = 1.7 + = 1.75
2
ℎ 0.1
𝑤𝑖 + 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.1111479 + ∗ 0.2264019 = 1.1224679
2 2
ℎ ℎ 1.1224679 1.1224679 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.2300031
1.75 1.75
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 [𝑡𝑖 + ; 𝑤𝑖 + 𝑓(𝑡𝑖 ; 𝑤𝑖 )] = 1.1111479 + 0.1[0.2300031] = 1.1341482
2 2
𝒊=𝟖
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡8 = 1 + 8(0.1) = 1.8 ; 𝑤8 = 1.1341482
1.1341482 1.1341482 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.2330786
1.8 1.8
ℎ 0.1
𝑡𝑖 + 2 = 1.8 + = 1.85
2
ℎ 0.1
𝑤𝑖 + 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.1341482 + ∗ 0.2330786 = 1.1458021
2 2
ℎ ℎ 1.1458021 1.1458021 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.2357549
1.85 1.85
ℎ ℎ
𝒊=𝟗
𝑡𝑖 = 𝑎 + 𝑖ℎ ⇒ 𝑡9 = 1 + 9(0.1) = 1.9 ; 𝑤9 = 1.1577237
1.1577237 1.1577237 2
𝑓 (𝑡𝑖 ; 𝑤𝑖 ) == −( ) = 0.2380473
1.9 1.9
ℎ 0.1
𝑡𝑖 + 2 = 1.9 + 2
=2
ℎ 0.1
𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = 1.1577237 + ∗ 0.2380473 = 1.1696261
2
ℎ ℎ 1.1696261 1.1696261 2
𝑡𝑖 + 2 ; 𝑤𝑖 + 2 𝑓 (𝑡𝑖 ; 𝑤𝑖 ) = −( ) = 0.2400383
1.95 1.95
ℎ ℎ
𝐼𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑝𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑦(1.25) 𝑦 𝑦(1.93)
𝑦1 − 𝑦0
𝑦(𝑥 ) = 𝑦0 + ( ) (𝑥 − 𝑥 0 )
𝑥1 − 𝑥0
1.0302469 − 1.0153257
𝑦(𝑡) = 1.0153257 + ( ) (𝑡 − 1.2)
1.3 − 1.2
𝑦(𝑡) = 1.0153257 + (0.149212)(𝑡 − 1.2)
𝑦(𝑡) = 1.0153257 + (0.149212)(1.25 − 1.2) = 1.0227863
𝑡 1.25
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = ⇒ 𝑦(1.25) = = 1.0219569
1 + ln 𝑡 1 + ln 1.25
𝐸𝑅𝑅𝑂𝑅 = |1.0219569 − 1.0227863| = 0.0008294
𝐼𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑝𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑦(1.93)
𝑦1 − 𝑦0
𝑦(𝑥 ) = 𝑦0 + ( ) (𝑥 − 𝑥 0 )
𝑥1 − 𝑥0
1.1817275 − 1.1577237
𝑦(𝑡) = 1.1577234 + ( ) (𝑡 − 1.9)
2 − 1.9
𝑦(1.93) = 1.1577234 + (0.2400410)(1.93 − 1.9)
𝑦(1.93) = 1.1649246
𝑡 1.93
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = ⇒ 𝑦(1.93) = = 1.1643902
1 + ln 𝑡 1 + ln(1.93)
𝐸𝑅𝑅𝑂𝑅 = |1.1643902 − .1649246| = 0.0005344

a. (Diaz Santa Cruz Alexis)
a. 𝒚 (𝟏. 𝟐𝟓) 𝒚, 𝒚 (𝟏. 𝟗𝟑)
Para aproximar 𝑦(1.25), necesitamos una interpolación lineal entre dos puntos (1.2,
1.0153257) (1.3, 1.0302469):
(1.0302469 − 1.0153257)
𝑦(𝑡) = 1.0153257 + (𝑡 − 1.2)
1.3 − 1.2
𝑦(𝑡) = 1,0153257 + 0,1492120(𝑡 − 1.2)
𝑦(1.25) = 1.0153257 + 0,1492120(1.25 − 1.2)
𝑦(1.25) = 1.0227863 , 𝑉𝑎𝑙𝑜𝑟 ap𝑟𝑜𝑥𝑖𝑚𝑎𝑑o
𝑡
Solución exacta dada: 𝑦(𝑡) = 1+ln 𝑡
1.25
𝑦(1.25) =
1 + ln(1.25)
𝑦(1.25) = 1.0219569
Error Real:
𝐸. 𝑅 = |1.0227863 − 1.0219569 |
𝐸. 𝑅 = 0.0008294
Para aproximar 𝑦(1.93), necesitamos una interpolación lineal entre dos puntos
(1.9,1.1577234) y (2, 1,1817275):
1.1817275 − 1.1577234
𝑦 − 1.1577234 = (𝑡 − 1.9)
2 − 1.9
𝑦(𝑡) = 1.1577234 + 0.2400410(𝑡 − 1.9)
𝑦(1.93) = 1.1577234 + 0.2400410(1.93 − 1.9)

𝑦(1.93) = 1.1649246
𝑡
Solución exacta: 𝑦(𝑡) = 1+ln 𝑡
1.93
𝑦(1.93) =
1 + ln(1.93)
𝑦(1.93) = 1.1643902
Error Real:
𝐸. 𝑅 = |1.1649246 − 1.1643902 |
𝐸. 𝑅 = 0.0005344
b. Y(2.1) y y(2.75) (Tito Narva Zamora)
𝑦 𝑦 2
b. 𝑦′ = 1 + 𝑡 + ( 𝑡 ) 1≤𝑡≤3 𝑦(1) = 0, con ℎ = 0.2; solución real 𝑦(𝑡) =
𝑡. 𝑡𝑎𝑛(𝑙𝑛𝑡).
Para aproximar y(2.1) necesitamos una interpolación lineal entre dos puntos (2;1
.64388892) y (2.2; 2.18686089).
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓(𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
2.18686089 − 1.64388892
𝑓(𝑡) = 1.64388892 + (𝑡 − 2)
2.2 − 2
𝑓(𝑡) = 1.64388892 + (2.1 − 2)2.7148599
𝑓(𝑡) = 1.9153749 Valor Aproximado
Ahora usamos la solución exacta dada 𝒚(𝒕) = 𝒕. 𝒕𝒂𝒏(𝒍𝒏𝒕)
𝑦(2.1) = (2.1)𝑡𝑎𝑛(𝑙𝑛(2.1))
𝑦(2.1) = 1.9249617 valor Exacto

Ahora el error
𝐸 = |𝑉𝐴 − 𝑉𝐸 |
𝐸 = |1.9153749 − 1.9249617|
𝐸 = 0.0095868
Para aproximar y(2.75) necesitamos una interpolación lineal entre dos puntos (2.6;
3.61849255) y (2.8; 4.56889438).
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓(𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
4.56889438 − 3.61849255
𝑓(𝑡) = 3.61849255 + (𝑡 − 2.6)
2.8 − 2.6
𝑓(𝑡) = 3.61849255 + (2.75 − 2.6)4.7520092
𝑓(𝑡) = 4.3312939 Valor Aproximado
Ahora usamos la solución exacta dada 𝒚(𝒕) = 𝒕. 𝒕𝒂𝒏(𝒍𝒏𝒕)
𝑦(2.1) = (2.75)𝑡𝑎𝑛(𝑙𝑛(2.75))
𝑦(2.1) = 4.3941697 valor Exacto
Ahora el error
𝐸 = |𝑉𝐴 − 𝑉𝐸 |
𝐸 = |4.3312939 − 4.3941697|
𝐸 = 0.0628758
9b. (Neyser Vasquez Nuñez)
𝒚(𝟐. 𝟏) 𝒚 𝒚(𝟐. 𝟕𝟓)
𝑦 𝑦 2
𝑦′ = 1 + − ( ) , 1 ≤ 𝑡 ≤ 3 , 𝑦 (1) = 0 ℎ = 0.2 𝑦(𝑡) = 𝑡𝑡𝑎𝑛(𝑙𝑛𝑡)𝑆𝑜𝑙 𝑟𝑒𝑎𝑙
𝑡 𝑡
Para aproximar 𝑦 (2.1), necesitamos una interpolación lineal entre dos puntos
(2.0 ,1.6438889) y (2.2 ,2.1868610), que es.
𝑦1 − 𝑦0
𝑦 = 𝑦0 + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
2.1868610 − 1.6438889
𝑦 − 1.6438889 = (𝑡 − 2.0) ( )
2.2 − 2.0
𝑦(𝑡) = 1.6438889 + (𝑡 − 2)(2.7148605)
𝑦(2.1) = 1.6438889 + (2.1 − 2)(2.7148605) = 1.9153750 Solución aproximada
Nuevamente usando la solución exacta dada 𝒚(𝒕) = 𝒕. 𝒕𝒂𝒏(𝒍𝒏 𝒕)
𝑦(2.1) = (2.1) tan(ln(2.1))
𝑦(2.1) = 1.9249617 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
𝐸𝑟𝑟𝑜𝑟 = |𝑆𝐸 − 𝑆𝐴| = 0.0095867
Para aproximar 𝑦 (2.75), necesitamos una interpolación lineal entre dos puntos
(2.6 ,3.6906402) y (2.8, 4.6127643), que es
4.6127643 − 3.6906402
𝑦 − 3.6906402 = (𝑡 − 2.6) ( )
2.8 − 2.6
𝑦(𝑡) = 3.6906402 + (𝑡 − 2.6)(4.6106205)
𝑦(2.1) = 3.6906402 + (2.75 − 2.6)(4.6106205) = 4.3312939 Solución aproximada
Nuevamente usando la solución exacta dada 𝒚(𝒕) = 𝒕. 𝒕𝒂𝒏(𝒍𝒏 𝒕)
𝑦(2.75) = (2.75) tan(ln(2.75))
𝑦(2.1) = 4.3941697 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎
𝐸𝑟𝑟𝑜𝑟 = |𝑆𝐸 − 𝑆𝐴| = 0.0628758

9.c (Bautista C. Jesus)
c) y (1.3) y y (1.93)
y '  ( y  1)( y  3), o  t  2 ; y (0)  2, h  0.2
Solución real
y(t )  3  2(1  e2t )1
Para aproximar y (1.3) necesitamos una interpolación entre dos puntos (1.2; 1.1688975) y
(1.4;1.1175165) ; que es:
1.1175165  (1.1688975)
y  (1.1688975)  (t  1.2)( )
1.4  1.2
y (t )  1.1688975  0.256905(t  1.2)
y (1.3)  1.168875  0.256905(1.3  1.2)
y (1.3)  1.143207 valor aproximado
Nuevamente usando solución exacta dada:
y(t )  3  2(1  e2t )1
y(1.3)  3  2(1  e2(1.3) )1
y (1.3)  1.1382768
Error  1.143207 1.1382768  0.0049302
Para aproximar y (1.93) necesitamos una interpolación lineal entre dos puntos
(1.8; 1.0557987) y (2.0; 1.0382227) ; que es:
1.0382227  (1.0557987)
y  (1.0557987)  (t  1.8)( )
2.0  1.8
y (t )  1.0557987  0.08788(t  1.8)
y (1.93)  1.0557987  0.08788(1.93  1.8)  1.0443743

Obtenemos la solución exacta.
y(t )  3  2(1  e2t )1
y(1.93)  3  2(1  e2(1.93) )1  1.0412666
Error  1.0447743 1.0412666  0.0031077
9.c. (Colunche Tarrillo Joselito)
c. (1.3) y (1.93)
𝑦 ‘ = −(𝑦 + 1)(𝑦 + 3) ; 0 ≤ 𝑡 ≤ 1 ;y (0) =-2 ℎ = (0.2)
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙. 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1
Para aproximar (1.3) necesitamos una interpolación lineal entre dos puntos
(1.2, −1.1688975)𝑦 (1.4, −1.1175165); 𝑞𝑢𝑒 𝑒𝑠
−1.1175165−(−1.1688975)
𝑦 − ( −1.1688975) = (𝑡 − 1.2) ∗ ( )
1.4−1.2
𝑦(𝑡) = −1.1688975 + 0.2569050(𝑡 − 1.2)
𝑦(1.3) = −1.1688975 + 0.2569050(1.3 − 1.2)
𝑦(1.3) = −1.1432070 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎. 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦(1.3) = −3 + 2(1 + 𝑒 −2∗1.3 )−1
𝑦(1.3) = −1.1382768
𝐸𝑅𝑅𝑂𝑅 = |1.1432070 − 1.1382768| = 0.0049302

Para aproximar (1.93) necesitamos una interpolación lineal entre dos puntos
(1.8, −1.0557987)𝑦 (2.0, −1.0382227); 𝑞𝑢𝑒 𝑒𝑠
−1.0382227−(−1.0557987)
𝑦 − ( −1.0557987) = (𝑡 − 1.8) ∗ ( )
2.0−1.8
𝑦(𝑡) = −1.0557987 + 0.08788(𝑡 − 1.8)
𝑦(1.93) = −1.1688975 + 0.08788(1.93 − 1.2)
𝑦(1.3) = −1.0443743 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎. 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦(1.93) = −3 + 2(1 + 𝑒 −2∗1.93 )−1
𝑦(1.3) = −1.0412666
𝐸𝑅𝑅𝑂𝑅 = |1.0443743 − 1.0412666| = 0.0031077
9.Repita el ejercicio 5 usando los resultados del ejercicio 8 (José Gabriel)

𝒅. 𝒚(𝟎. 𝟓𝟒)𝒚 𝒚(𝟎. 𝟗𝟒)
𝟏
𝒚´ = −𝟓𝒚 + 𝟓𝒕𝟐 + 𝟐𝒕 , 𝟎 ≤ 𝒕 ≤ 𝟏, 𝒚(𝟎) = , 𝒄𝒐𝒏 𝒉 = 𝟎. 𝟏
𝟑
𝟏
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒓𝒆𝒂𝒍 𝒚(𝒕) = 𝒕𝟐 + 𝒆−𝟓𝒕
𝟑
𝑃𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑦(0.54) 𝑛𝑒𝑐𝑒𝑠𝑖𝑡𝑎𝑚𝑜𝑠 𝑢𝑛𝑎 𝑖𝑛𝑡𝑒𝑟𝑚𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠
(0.5,0.2773617)𝑦 (0.6,0.3765957)
Hacemos uso de la siguiente formula:

𝒚𝟏 − 𝒚𝟎
𝒚= (𝒕 − 𝒕𝟎 ) + 𝒚𝟎
𝒕𝟏 − 𝒕𝟎
𝒚𝟏 − 𝒚𝟎
𝒚 − 𝒚𝟎 = (𝒕 − 𝒕𝟎 )
𝒕𝟏 − 𝒕𝟎
0.3765957 − 0.2773617
𝑦 − 0.2773617 = (𝑡 − 0.5) ( )
0.6 − 0.5
𝑦(𝑡) = 0.2773617 + 0.99234(𝑡 − 0.5)
𝑦(0.54) = 0.2773617 + 0.99234(0.54 − 0.5)
𝒚(𝟎. 𝟓𝟒) = 𝟎. 𝟑𝟏𝟕𝟎𝟓𝟓𝟑 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝒖𝒔𝒂𝒏𝒅𝒐 𝒍𝒂 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒆𝒙𝒂𝒄𝒕𝒂

𝟏
𝒚(𝒕) = 𝒕𝟐 + 𝒆−𝟓𝒕
𝟑
1
𝑦(0.54) = 0.542 + 𝑒 −5(0.54)
3
𝑦(0.54) = 0.3140018
𝐸𝑟𝑟𝑜𝑟 = |𝟎. 𝟑𝟏𝟕𝟎𝟓𝟓𝟑 − 0.3140018| = 0.0030535
𝑃𝑎𝑟𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑦(0.94)𝑛𝑒𝑐𝑒𝑠𝑖𝑡𝑎𝑚𝑜𝑠 𝑢𝑛𝑎 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠

(0.9,0.8137023) 𝑦 (1.0,1.0022459) ; 𝑞𝑢𝑒 𝑒𝑠:
Hacemos uso de la siguiente formula:

𝒚𝟏 − 𝒚𝟎
𝒚= (𝒕 − 𝒕𝟎 ) + 𝒚𝟎
𝒕𝟏 − 𝒕𝟎
𝒚𝟏 − 𝒚𝟎
𝒚 − 𝒚𝟎 = (𝒕 − 𝒕𝟎 )
𝒕𝟏 − 𝒕𝟎
1.0063347 − 0.8181355
𝑦 − 0.8181355 = (𝑡 − 0.9) ( )
1.0 − 0.9
𝑦(𝑡) = 0.8181355 + 1.881992(𝑡 − 0.9)
𝑦(0.94) = 0.8181355 + 1.881992 (0.94 − 0.9)
𝒚(𝟎. 𝟗𝟒) = 𝟎. 𝟖𝟗𝟑𝟒𝟏𝟓𝟐 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝒖𝒔𝒂𝒏𝒅𝒐 𝒍𝒂 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒆𝒙𝒂𝒄𝒕𝒂

𝟏
𝒚(𝒕) = 𝒕𝟐 + 𝒆−𝟓𝒕
𝟑
1
𝑦(0.94) = 0.942 + 𝑒 −5(0.94)
3
𝑦(0.94) = 0.8866318
𝐸𝑟𝑟𝑜𝑟 = |0.8934152 − 0.8866318| = 0.0067834
9. d. (Mejía Rubio Yan Ferrari)

Repita el ejercicio 5 usando los resultados del ejercicio 8.
Referencia: Ejercicio 5.d
Use los resultados del ejercicio 4 y la interpolación lineal para aproximar los valores de y(t) y
después compare los resultados con los valores reales.
d. y(0.54) y y(0.94)
resultados de 8d.
referencia: ejercicio 3.
Solución.
La interpolación lineal entre dos puntos (𝑥0 ; 𝑦0 ) 𝑦 (𝑥0 ; 𝑦0 ) es la línea recta entre dos puntos.
b) Para aproximar y (0.54), necesitamos una interpolación lineal entre dos puntos (0.4 ;
0.213687) y (0.6 ; 0.383003) que es:
0.383003 − 0.213687
𝑦 − 0.213687 = ( ) (𝑡 − 0.4)
0.6 − 0.4
𝑦(𝑡) = 0.213687 + 0.168316 × (𝑡 − 2)
𝑦(0.54) = 0.213687 + 0.168316 × (0.54 − 0.4)
1
Usamos la solución exacta dada 𝑦(𝑡) = 𝑡 + 3 × 𝑒 −5𝑡
1
𝑦(0.54) = 0.54 + × 𝑒 −5×0.54 ⟹ 𝑦(0.54) = 0.5624018(𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜)
3
𝐸𝑟𝑟𝑜𝑟 = │0.2372512 − 0.5624018│ ⟹ 𝐸𝑟𝑟𝑜𝑟 = 0.3251506
Para aproximar y(0.94), necesitamos una interpolación lineal entre dos puntos (0.8 ;
0.651017) y (1 ; 1.00633); que es.
1.00633 − 0.651017
𝑦 − 0.651017 = ( ) (𝑡 − 0.8)
1 − 0.8
𝑦(𝑡) = 0.651017 + 1.776565 × (𝑡 − 0.8)
𝑦(0.94) = 0.651017 + 1.776565 × (0.94 − 0.8)
1
Usamos la solución exacta dada 𝑦(𝑡) = 𝑡 + 3 × 𝑒 −5𝑡
1
𝑦(0.94) = 0.94 + × 𝑒 −5×0.94 ⟹ 𝑦(0.94) = 0.0028499(𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑎𝑐𝑡𝑜)
3
𝐸𝑟𝑟𝑜𝑟 = │0.0028499 − 0.8997361│ ⟹ 𝐸𝑟𝑟𝑜𝑟 = 0.8968862
EJERCICIO 10. Repita el ejercicio 1 aplicando el método de Runge- Kutta de cuarto

orden.
a. (Stalin Sánchez Vega)
REFERENCIA EJERCICIO 1a.
a) 𝑦´ = 𝑡𝑒 3𝑡 − 2𝑦, 0 ≤ 𝑡 ≥ 1, 𝑦(𝑜) = 0, 𝑐𝑜𝑛 ℎ = 0.5; 𝑠𝑜𝑙𝑢𝑖𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) =

1 1 1
𝑡𝑒 3𝑡 − 25 𝑒 3𝑡 + 25 𝑒 −2𝑡
5
Método de Runge-Kutta:
𝒘𝟎 = 𝜶
𝒌𝟏 = 𝒉𝒇(𝒕𝒊 , 𝒘𝒊 )
𝒉 𝒌𝟏
𝒌𝟐 = 𝒉𝒇 (𝒕𝒊 + , 𝒘𝒊 + )
𝟐 𝟐
𝒉 𝒌𝟐
𝒌𝟑 = 𝒉𝒇 (𝒕𝒊 + , 𝒘𝒊 + )
𝟐 𝟐
𝒌𝟒 = 𝒉𝒇(𝒕𝒊+𝟏 , 𝒘𝒊 + 𝒌𝟑 )
𝟏
𝒘𝒊+𝟏 = 𝒘𝒊 + (𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ),
𝟔
𝒑𝒂𝒓𝒂 𝒊 = 𝟎, 𝟏, … , 𝑵 − 𝟏
Del problema tenemos:
𝑁 = 2, 𝑤0 = 0, 𝑡𝑖 = 𝑎 + ℎ𝑖; 𝑡𝑖 = ℎ𝑖
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 𝑡𝑖 𝑒 3𝑡𝑖 − 2𝑤𝑖
Aplicando método Runge-Kutta.
i=0
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.5𝑓(0,0)
𝒌𝟏 = 𝟎
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.5 0
𝑘2 = 0.5𝑓 (0 + ,0+ )
2 2
𝑘2 = 0.5𝑓(0.25,0)
𝒌𝟐 = 𝟎. 𝟐𝟔𝟒𝟔𝟐𝟓
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.5 0.264625
𝑘3 = 0.5𝑓 (0 + ,0+ )
2 2
𝑘3 = 0.5𝑓 (0.25,0.132313)
𝒌𝟑 = 𝟎. 𝟏𝟑𝟐𝟑𝟏𝟐
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.5𝑓 (𝑡1 , 0 + 0.132313)

𝑘4 = .0.5𝑓 (0.5,0.132313)
𝒌𝟒 = 𝟎. 𝟗𝟖𝟖𝟏𝟏𝟎
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤1 = 0 + (0 + 2(0.264625) + 2(0.132312) + 0.988110),
6
𝒘𝟏 = 𝟎. 𝟐𝟗𝟔𝟗𝟗𝟕
1 1 1
𝑦(𝑡) = 𝑡𝑒 𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
1 1 1 −2𝑡
𝑦(𝑡1 ) = 𝑡1 𝑒 3𝑡1 − 𝑒 3𝑡1 + 𝑒 1
5 25 25
1 1 1 −2∗0.5
𝑦(𝑡1 ) = 0.5𝑒 3∗0.5 − 𝑒 3∗0.5 + 𝑒
5 25 25
𝒚(𝒕𝟏 ) = 𝟎. 𝟐𝟖𝟑𝟔𝟏𝟕
ERROR |𝟎. 𝟐𝟖𝟑𝟔𝟏𝟕 − 𝟎. 𝟐𝟗𝟔𝟗𝟗𝟕| = 𝟎. 𝟎𝟏𝟑𝟑𝟖𝟎
i=1
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.5𝑓 (0.5,0.296997)
𝒌𝟏 = 𝟎. 𝟖𝟐𝟑𝟒𝟐𝟓
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.5 0.823425
𝑘2 = 0.5𝑓 (0.5 + , 0.296997 + )
2 2
𝑘2 = 0.5𝑓(0.75; 0.708710)
𝒌𝟐 = 𝟐. 𝟖𝟒𝟗𝟏𝟗𝟏
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.5 2.849191
𝑘3 = 0.5𝑓 (0.5 + , 0.296997 + )
2 2
𝑘3 = 0.5𝑓 (0.75,1.721592)
𝒌𝟑 = 𝟏. 𝟖𝟑𝟔𝟑𝟎𝟗
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.5𝑓 (𝑡2 , 0.296997 + 1.836309)
𝑘4 = .0.5𝑓 (1; 2.133306)
𝒌𝟒 = 𝟕. 𝟗𝟎𝟗𝟒𝟔𝟑
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤1 = 0.296997 + (0.823425 + 2(2.849191) + 2(1.836309) + 7.909463),
6
𝒘𝟐 = 𝟑. 𝟑𝟏𝟒𝟑𝟏𝟐
1 1 1
𝑦(𝑡) = 𝑡𝑒 𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
5 25 25
1 1 1 −2𝑡
𝑦(𝑡2 ) = 𝑡2 𝑒 3𝑡2 − 𝑒 3𝑡2 + 𝑒 2
5 25 25
1 1 1 −2
𝑦(𝑡2 ) = 𝑒 3 − 𝑒 3 + 𝑒
5 25 25
𝒚(𝟐) = 𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗
ERROR |𝟑. 𝟐𝟏𝟗𝟎𝟗𝟗 − 𝟑. 𝟑𝟏𝟒𝟑𝟏𝟐| = 𝟎. 𝟎𝟗𝟓𝟐𝟏𝟑
10 a) (Cabrera Terrones Royner Joeli)
Repita el ejercicio 1aplixando el método de runge- kutta de cuarto orden
𝑎) 𝑦 ′ = 𝑡𝑒 3𝑡 − 2𝑦 , 0 ≤ 𝑡 ≤ 1 , 𝑦(0) = 0 , 𝑐𝑜𝑛 ℎ = 0.5
1 1 1
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
3 25 25
𝑏−𝑎
ℎ = 0.5 = 𝑛=2
𝑛
1
𝑦𝑖+1 = 𝑦𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ] 𝑝𝑎𝑟𝑎 𝑖 = 0,1,1 …
6
0.5
𝑝𝑎𝑟𝑎 𝑖 = 0 → 𝑦1 = 𝑦0 + [𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6 1
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡𝑜 = 0 + 0 ∗ 0.5 = 0 ; 𝑡1 = 0.5 ; 𝑡2 = 1
𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛 1
𝑘1 = 𝑓 (𝑡0 ; 𝑦0 ) = 𝑓 (0; 0) = (0)𝑒 3(0) − 2(0) = 0
ℎ 𝑘1
𝑘2 = 𝑓(𝑡0 + ; 𝑦0 + ℎ ) = 𝑓 (0.25; 0) = (0.25)𝑒 3(0.25) − 2(0) = 0.52925000042
2 2
ℎ 𝑘2
𝑘3 = 𝑓 (𝑡0 + ; 𝑦0 + ℎ ) = 𝑓 (0.25; 0.1323125001) = (0.25)𝑒 3(0.25) − 2(0.13231250010)
2 2
= 0.264625004
ℎ
𝑘4 = 𝑓 (𝑡0 + ; 𝑦0 + ℎ𝑘3 ) = 𝑓 (0.25; 0.132312502) = (0.25)𝑒 3(0.25) − 2(0.132312502)
2
= 0.26466250002
0.5
𝑦1 = 𝑦0 + [𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6 1
0.5
=0+ [0 + 2 ∗ 0.52925000042 + 2 ∗ 0.264625004 + 0.26466250002
6
= 𝟎. 𝟎𝟐𝟐𝟎𝟓𝟓𝟐𝟎𝟖𝟑𝟒
1 1 1
𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
3 25 25
1 1 1
𝑦(0.5) = 0.5𝑒 3∗0.5 − 𝑒 3∗0.5 + 𝑒 −2∗0.5 = 0.5823957932
3 25 25
𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛 2
𝑘1 = 𝑓 (𝑡1 ; 𝑦1 ) = 𝑓 (0.5; 0.0220552) = (0.5)𝑒 3(0.5) − 2(0.0220552) = 2.1967341

ℎ 𝑘1
𝑘2 = 𝑓(𝑡1 + ; 𝑦1 + ℎ ) = 𝑓 (0.75; 0.5712387) = (0.75)𝑒 3(0.75) − 2(0.5712387)
2 2
= 5.97332447
ℎ 𝑘2
𝑘3 = 𝑓 (𝑡1 + ; 𝑦0 + ℎ ) = 𝑓(0.75; 1.5153863) = (0.75)𝑒 3(0.75) − 2(1.5153863)
2 2
= 4.0850293
ℎ
𝑘4 = 𝑓 (𝑡1 + ; 𝑦1 + ℎ𝑘3 ) = 𝑓 (0.75; 2.0425146) = (0.75)𝑒 3(0.75) − 2(2.0425146)
2
= 3.0307726
0.5
𝑦2 = 𝑦1 + [𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6 1
0.5
= 0.02205520834 + [2.1967341 + 2 ∗ 5.97332447 + 2 ∗ 4.0850293 + 3.0307726
6
= 𝟐𝟓. 𝟑𝟒𝟒𝟐𝟏𝟒𝟐
1 1 1
𝑦(𝑡) = 𝑡𝑒 3𝑡 − 𝑒 3𝑡 + 𝑒 −2𝑡
3 25 25
1 1 1
𝑦(1) = 1𝑒 3∗1 − 𝑒 3∗1 + 𝑒 −2∗1 = 5.897170909
3 25 25
b. (Cleber Gonzales Tafur)
𝑏. 𝑦 ′ = 1 + (𝑡 − 𝑦)2 ; 2 ≤ 𝑡 ≤ 3; 𝑦(2) = 1; 𝑐𝑜𝑛 ℎ = 0.5; 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡)

1
=𝑡+
1−𝑡
Solución.
1
𝑦 (𝑡 ) = 𝑡 +
1−𝑡
𝑏−𝑎 3−2
ℎ = 0.5 = 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑛𝑑𝑜 "𝑛" 𝑡𝑒𝑛𝑒𝑚𝑜𝑠: 𝑛 = =2
𝑛 0.5
1
𝑦𝑖+1 = 𝑦𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]. ℎ
6
 𝑘1 = 𝑓 (𝑥𝑖 ; 𝑦𝑖 )
ℎ 𝑘
 𝑘2 = 𝑓 (𝑥𝑖 + 2 ; 𝑦𝑖 + ℎ 21 )
ℎ 𝑘
 𝑘3 = 𝑓 (𝑥𝑖 + 2 ; 𝑦𝑖 + ℎ 22 )
 𝑘4 = 𝑓 (𝑥𝑖 + ℎ ; 𝑦𝑖 + ℎ. 𝑘3 )
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡0 = 2 + 0(0.5) = 2; 𝑡1 = 2 + 1(0.5) = 2.5; 𝑡2 = 2 + 2(0.5) = 3
Ahora procedemos a iterar.
Iteración 1 (para i = 0)
𝑥0 = 𝑡0 = 2 𝑦0 = 1
𝑘1 = 𝑓 (𝑡0 ; 𝑦0 ) = 𝑓(2; 1) = 1 + (2 − 1)2 = 2
ℎ 𝑘1
𝑘2 = 𝑓 (𝑡0 + ; 𝑦0 + ℎ ) = 𝑓 (2.25; 1.5) = 1 + (2.25 − 1.5)2 = 1.5625
2 2
ℎ 𝑘2
𝑘3 = 𝑓 (𝑡0 + ; 𝑦0 + ℎ ) = 𝑓(2.25; 1.3906250) = 1 + (2.25 − 1.3906250)2
2 2
= 1.7385254
𝑘4 = 𝑓 (𝑡0 + ℎ ; 𝑦0 + ℎ. 𝑘3 ) = 𝑓(2.5 ; 1.8692627) = 1 + (2.5 − 1.8692627)2

= 1.3978295
1
𝑦1 = 𝑦0 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]. ℎ
6
0.5
𝑦1 = 1 + [2 + 2(1.5625) + 2(1.7385254) + 1.3978295] = 1.8333234
6
1
𝑦 (𝑡 ) = 𝑡 +
1−𝑡
1
𝑦 (2) = 2 + =1
1−2
𝐸𝑟𝑟𝑜𝑟 = |1.8333234 − 1| = 0.8333234

Iteración 2 (para i = 1)
𝑥1 = 𝑡1 = 2.5 𝑦1 = 1.8333234
𝑘1 = 𝑓 (𝑡1 ; 𝑦1 ) = 𝑓 (2.5; 1.8333234) = 1 + (2.5 − 1.8333234)2 = 1.4444577
ℎ 𝑘1
𝑘2 = 𝑓 (𝑡1 + ; 𝑦1 + ℎ ) = 𝑓 (2.75; 2.1944378) = 1 + (2.75 − 2.1944378)2
2 2
= 1.3086494
ℎ 𝑘2
𝑘3 = 𝑓 (𝑡1 + ; 𝑦1 + ℎ ) = 𝑓 (2.75; 1.7716201) = 1 + (2.75 − 1.7716201)2
2 2
= 1.9572272
𝑘4 = 𝑓 (𝑡1 + ℎ ; 𝑦1 + ℎ. 𝑘3 ) = 𝑓(3 ; 2.8119370) = 1 + (3 − 2.8119370)2 = 1.0353677
1
𝑦2 = 𝑦1 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]. ℎ
6
0.5
𝑦2 = 1.8333234 + [1.4444577 + 2(1.3086494) + 2(1.9572272) + 1.0353677]
6
= 2.5842883
1
𝑦 (𝑡 ) = 𝑡 +
1−𝑡
1
𝑦(2.5) = 2.5 + = 1.8333333
1 − 2.5
𝐸𝑟𝑟𝑜𝑟 = |2.5842883 − 1.8333333| = 0.7509550
C. (Neyser Vasquez Nuñez)
𝑦
𝑦 ′ = 1 + , 1 ≤ 𝑡 ≤ 2 , 𝑦(1) = 2, 𝑐𝑜𝑛 ℎ = 0.25; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑙𝑛(𝑡) + 2𝑡
𝑡
SOLUCIÓN
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ ← 𝐹𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑐𝑢𝑎𝑟𝑡𝑜 𝑜𝑟𝑑𝑒𝑛
6
𝑤0 = 0
ℎ ℎ
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ) 𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘1 )
2 2
ℎ ℎ
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘2 ) 𝑘4 = ℎ𝑓(𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑘3 )
2 2
𝑎 =1, 𝑏=2
Calculamos N
𝑏−𝑎 2−1
ℎ= → 0.25 = → 𝑁=4
𝑁 𝑁
𝑡𝑖 = 𝑎 + 𝑖ℎ = 1 + 𝑖 (0.25) = 1 + 0.25𝑖
Para i=0
𝑡0 = 1 𝑤0 = 2 ℎ = 0.25
𝑘1 = 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = (3) = 3
ℎ ℎ 2.375
𝑘2 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘1 ) = 𝑓 (1.125,2.375) = (1 + ) = 3.1111111
2 2 1.125
ℎ ℎ 2.3888889
𝑘3 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘2 ) = 𝑓(1.125,2.3888889) = (1 + ) = 3.1234568
2 2 1.125
2.7808642
𝑘4 = 𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑘3 ) = 𝑓 (1.25,2.7808642) = (1 + ) = 3.2246914
1.25
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
0.25
=2+ (3 + 2 ∗ 3.1111111 + 2 ∗ 3.1234568 + 3.2246914) = 2.7789095𝑠𝑜𝑙 𝑎𝑝𝑟𝑜𝑥
6
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑙𝑛(𝑡) + 2𝑡
𝑦(𝑡1 ) = 1.25𝑙𝑛(1.25) + 2(1.25) = 2.7789294𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.0000199
Para i=1
𝑡1 = 1.25 𝑤1 = 2.7789095 ℎ = 0.25
𝑘1 = 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 3.2231276
ℎ ℎ 3.1818005
𝑘2 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘1 ) = 𝑓 (1.375,3.1818005) = (1 + ) = 3.3140367
2 2 1.375
ℎ ℎ 3.1931641
𝑘3 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘2 ) = 𝑓(1.375,3.1931641) = (1 + ) = 3.3223012
2 2 1.375
3.6094848
𝑘4 = 𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑘3 ) = 𝑓 (1.5,3.6094848) = (1 + ) = 3.4063232
1.5
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
0.25
= 2.7789095 + (3.2231276 + 2 ∗ 3.3140367 + 2 ∗ 3.3223012 + 3.4063232)
6
= 3.6081648 𝑠𝑜𝑙𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 0.0000329
Para i=2
𝑡2 = 1.5 𝑤2 = 3.6081648 ℎ = 0.25
𝑘1 = 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 3.4054432
ℎ ℎ 4.0338452
𝑘2 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘1 ) = 𝑓 (1.625,4.0338452) = (1 + ) = 3.4823663
2 2 1.625
ℎ ℎ 4.0434606
𝑘3 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘2 ) = 𝑓(1.625,4.0434606) = (1 + ) = 3.4882834
2 2 1.625
4.4802357
𝑘4 = 𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑘3 ) = 𝑓 (1.75,4.4802357) = (1 + ) = 3.5601347
1.75
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
0.25
= 3.6081648 + (3.4054432 + 2 ∗ 3.4823663 + 2 ∗ 3.4882834 + 3.5601347)
6
= 4.4792847 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎

𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 0.0000429
Para i=3
𝑡3 = 1.75 𝑤3 = 4.4792847 ℎ = 0.25
𝑘1 = 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = 3.5595913
ℎ ℎ 4.9242336
𝑘2 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘1 ) = 𝑓 (1.875,4.9242336) = (1 + ) = 3.6262579
2 2 1.875
ℎ ℎ 4.9325669
𝑘3 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘2 ) = 𝑓(1.875,4.9325669) = (1 + ) = 3.6307024
2 2 1.875
5.3869603
𝑘4 = 𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + ℎ𝑘3 ) = 𝑓 (2,5.3869603) = (1 + ) = 3.6934801
2
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
0.25
= 4.4792847 + (3.5595913 + 2 ∗ 3.6262579 + 2 ∗ 3.6307024 + 3.6934801)
6
= 5.3862427 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎
𝑦(𝑡3 ) = 2𝑙𝑛(2) + 2(2) = 5.3862944𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙
𝐸𝑟𝑟𝑜𝑟 = |𝑦2 − 𝑤2 | = 0.0000517
10.c. (Quispe Diaz Jairo)
𝑦
𝑦 ′ = 1 + , 1 ≤ 𝑡 ≤ 2 , 𝑦(1) = 2, 𝑐𝑜𝑛 ℎ = 0.25; 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡𝑙𝑛(𝑡) + 2𝑡
𝑡
SOLUCIÓN
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ ← 𝐹𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑐𝑢𝑎𝑟𝑡𝑜 𝑜𝑟𝑑𝑒𝑛
6
Cambio a términos de x e y
T= x; w=y
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ ← 𝐹𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑐𝑢𝑎𝑟𝑡𝑜 𝑜𝑟𝑑𝑒𝑛
6
ℎ ℎ
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) 𝑘2 = 𝑓 (𝑥𝑖 + , 𝑦𝑖 + 𝑘1 )
2 2
ℎ ℎ
𝑘3 = 𝑓 (𝑥𝑖 + , 𝑦𝑖 + 𝑘2 ) 𝑘4 = 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 𝑥ℎ)
2 2
Primera iteración (i= 0)
𝑥0 = 1 ; 𝑦0 = 2
𝑦0 2
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + = 1+ = 3
𝑥0 1
ℎ ℎ 0.25 0.25
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1 + ,2+ (3)) =3.111111
2 2
ℎ ℎ 0.25 0.25
𝑘3 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘2 ) =𝑓 (1 + ,2+ (3.111111)) = 3.123457
2 2
𝑘4 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 𝑥ℎ) = 𝑓 (1 + 0.25,2 + 3.123457𝑥(0.25)) = 3.224691
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
1
𝑦1 = 2 + (3 + 2(3.111111) + 2(3.123457) + 3.224691)(0.25)
6
𝑦1 = 1.278909 solución aproximada
𝑦(𝑡1 ) = 1𝑙𝑛(1) + 2(1) = 0.278909𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙
Segunda iteración (i = 1)
𝑥1 = 𝑥0 + h = 1.25
𝑦1 = 1.278909
𝑦1 1.278909
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + = 1+ = 2.023128
𝑥1 1.25
ℎ ℎ 0.25 0.25
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1.25 + 2
, 1.278909 + 2
(2.023128 )) =
𝑓 (1.375,1.531800) 2.114036
ℎ ℎ 0.25 0.25
𝑘3 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘2 ) =𝑓 (1.25 + , 1.278909 + (3.2.114036)) =
2 2
𝑓 (1.375,1.543164) =2.122301
𝑘4 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 𝑥ℎ) = 𝑓 (1.25 + 0.25,1.278909 + 2.122301𝑥(0.25)) =

𝑓 (1.5,1.809484) = 2.206323
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
1
𝑦2 = 1.278909 + (2.023128 + 2(2.114036) + 2(2.122301) + 2.206323)(0.25)
6
Tercera iteración = (i =2)
𝑥2 = 𝑥1 + h = 1.5
𝑦2 = 1.808164
𝑦2 1.808164
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + = 1+ = 2.205443
𝑥2 1.5
ℎ ℎ 0.25 0.25
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1.5 + , 1.808164 + (2.205443 )) =
2 2
𝑓 (1.625,2.083844) = 2.282366
ℎ ℎ 0.25 0.25
𝑘3 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘2 ) = 𝑓 (1.5 + , 1.808164 + (2.282366 )) =
2 2
𝑓 (1.625,2.093460) = 2.288283
𝑘4 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 𝑥ℎ) = 𝑓 (1.5 + 0.25,1.808164 + 0.25(2.288283 )) =

𝑓(1.75,2.380235) = 2.360134
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
1
𝑦3 = 1.808164 + (2.205443 + 2(2.282366) + 2(2.288283) + 2.360134)(0.25)
6
Solución real 𝑦(𝑡) = 𝑡𝑙𝑛(𝑡) + 2𝑡 =
Cuarta iteración (i = 3)
𝑥3 = 𝑥2 + h = 1.75
𝑦3 = 2.379284
𝑦3 2.379284
𝑘1 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ) = 1 + = 1+ = 2.359591
𝑥3 1.75
ℎ ℎ 0.25 0.25
𝑘2 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘1 ) = 𝑓 (1.75 + , 2.379284 + (2.359591 )) =
2 2
𝑓 (1.875,2.674233) = 2.426258
ℎ ℎ 0.25 0.25
𝑘3 =𝑓 (𝑥𝑖 + 2 , 𝑦𝑖 + 2 𝑘2 ) = 𝑓 (1.75 + , 2.379284 + (2.426258 )) =
2 2
𝑓 (1.875,2.682566) = 2.430702
𝑘4 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 𝑥ℎ) = 𝑓 (1.75 + 0.25,2.379284 + 0.25(2.430702 )) =

𝑓(2,2.986960) = 2.493480
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ
6
1
𝑦4 = 2.379284 + (2.359591 + 2(426258) + 2(2.430702) + 2.493480)(0.25)
6

EJERCICIO 5.4 (10D)
(José Misael Pérez Alarcón)
Repita el ejercicio 1 aplicando el método de Runge_Kutta de cuarto orden.

10d). (Sánchez Quintana Luis Alberto)
Repita el ejercicio 1 aplicando el método de Runge_Kutta de cuarto orden.
𝑦 ′ = cos(2𝑡) + sin(3𝑡) 0≤ t ≤1 Y(0)=1 H=0.25
1 1 4
Solución real: y(t)= sen(2t)- cos(3t) +
2 3 3
Para: i=0 t0=0 y0=1
1
Y1= y0+6 (k1 + 2k2 + 2k3 + k4) ∗ h
k1= f(𝑡𝑖; 𝑦𝑖 ) = (0,1) =cos2(0) +sen3(0) =1
k2= f(𝑡𝑖+ℎ/2; 𝑦𝑖 + ℎ ∗ 𝑘1/2) = 0.125,1.125 = 𝑐𝑜𝑠2(0.125) + 𝑠𝑒𝑛3(0.125) = 1.3351850
k3= f(𝑡𝑖+ℎ/2; 𝑦𝑖 + ℎ ∗ 𝑘2/2) = 0.125,1.1258169 = 𝑐𝑜𝑠2(0.125) + 𝑠𝑒𝑛3(0.125) =

1.3351850
k4= f(𝑡𝑖+ℎ; 𝑦𝑖 + ℎ ∗ 𝑘3) = 0.25,1.2516339 = 𝑐𝑜𝑠2(0.25) + 𝑠𝑒𝑛3(0.25) = 1.5592213
1
por lo tanto: Y1= y0+6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ ≈
y1=1+0.25/6(1+2*1.3351850+2*1.3351850+1.5592213)
t1=a+ ih ≈ t1=0+0.25*1≈ 𝑡1=0.25 y1=1.3291651
para: i=1 t1=0.25 y1=1.3291651
1
Y2= Y1= y0+6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ
k1= f(𝑡𝑖; 𝑦𝑖 ) = (0,25,1.3291651) =cos2(0.25) +sen3(0.25) =15592213
k2= f(𝑡𝑖+ℎ/2; 𝑦𝑖 + ℎ ∗ 𝑘1/2) = (0.375,1.5240678) = 𝑐𝑜𝑠2(0.375) + 𝑠𝑒𝑛3(0.375) =

1.6339565
1. .6339565
k4= f(𝑡𝑖+ℎ; 𝑦𝑖 + ℎ ∗ 𝑘3) = (0.5,1.7376542) = 𝑐𝑜𝑠2(0.5) + 𝑠𝑒𝑛3(0.5) = 1.5377973
por lo tanto:
1
Y2= Y1= y0+6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ ≈
y2=1.3291651+0.25/6(1.5592213+2*1.639565+2*1.6339565+1.5377973)
T2=a+ ih ≈ t2=0+0.25*2 ≈ 𝑡 2=0.5 y2=1.7305336
para: i=2 t2=0.5 y2=1. 7305336
1
Y3= Y2= y0+6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ
k1= f(𝑡𝑖; 𝑦𝑖 ) = (0,5, 1. 7305336) =cos2(0.5) +sen3(0.5) =1.5377973
k2= f(𝑡𝑖+ℎ/2; 𝑦𝑖 + ℎ ∗ 𝑘1/2) = (0.625,1.8227583) = 𝑐𝑜𝑠2(0.62𝑡5) + 𝑠𝑒𝑛3(0.625) =

1.2694081

1. 2694081
k4= f(𝑡𝑖+ℎ; 𝑦𝑖 + ℎ ∗ 𝑘3) = (0.75,2.047856) = 𝑐𝑜𝑠2(0.75) + 𝑠𝑒𝑛3(0.75) = 0.84888104
por lo tanto:
1
Y3= Y3= y0+ (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ ≈ y3=1.
6
7305336+0.25/6(1.5377973+2*1.2694081+2*1.26940881+0.8488104)
t3=a+ ih ≈ t3=0+0.25*3≈ 𝑡3=0.75 y3=2.0415436
para: i=3 t3=0.75 y3=2.0415436
1
Y4= Y3= y0+6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ
k1= f(𝑡𝑖; 𝑦𝑖 ) = (0.75, 2.0415436) =cos2(0.75) +sen3(0.75) =0.8488104

0.3156742

0.3156742
k4= f(𝑡𝑖+ℎ; 𝑦𝑖 + ℎ ∗ 𝑘3) = (1,2.1204622) = 𝑐𝑜𝑠2(1) + 𝑠𝑒𝑛3(1) = −0.2750268
por lo tanto:
1
Y4= Y3= y0+6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4) ∗ ℎ ≈
y4=2.0415436+025/6(0.8488104+2*0.3156742+2*0.3156742-0.2750268)
t4=a+ ih ≈ t4=0+0.25*4≈ 𝑡4=1 y4=2.1180636
solución real: y(t)=1/2sen (2t)-1/3cos(3t)+1/4 ≈ y(t4)=1/2 sen 2*1-1/3cos3*1+4/3
y(t4) =2.1179795
error: |2.1180636 - 2.1179795|= 0.0000841

EJERCICIO 11. Repita el ejercicio 4 aplicando el método de Runge-Kutta de cuarto
orden.
a. (Yonel Muñoz Quiroz)
𝒚 𝒚 𝟐
𝒂. 𝒚′ = −( ) 𝟏 ≤ 𝒕 ≤ 𝟐, 𝒚(𝟏) = 𝟏,
𝒕 𝒕
𝒕
𝒉 = 𝟎. 𝟏, 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏 𝒂𝒄𝒕𝒖𝒂𝒍: 𝒚(𝒕) =
𝟏 + 𝒍𝒏𝒕
Solución:
𝑦 𝑦 2 𝑤𝑖 𝑤𝑖 2
𝑦′ = − ( ) → 𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −( )
𝑡 𝑡 𝑡𝑖 𝑡𝑖
𝑡 𝑡𝑖
𝑦 (𝑡 ) = → 𝑦𝑖 =
1 + 𝑙𝑛𝑡 1 + 𝑙𝑛𝑡𝑖
𝑏 = 2; 𝑎=1
𝑏−𝑎 1
𝑛 𝑛
𝑡1 = 1 + ℎ𝑖
El método de Runge – Kutta de cuarto orden se denota de la siguiente manera:
1
𝑤𝑖+1 = 𝑤𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]; 𝑝𝑎𝑟𝑎 𝑖 = 0,1,2, … , 9
6
𝑤0 = 𝛼
𝑘1 = ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )
ℎ 1
𝑘2 = ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑘1 )
2 2
ℎ 1
𝑘3 = ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑘2 )
2 2
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
Para 𝒊 = 𝟎 𝑡0 = 1 + 0.1 ∗ 0 = 1, 𝑡1 = 1.1, 𝑤0 = 1
1 1 2
𝑘1 = ℎ𝑓 (𝑡0 , 𝑤0 ) = 0.1𝑓(1 , 1) = 0.1 [ − ( ) ] = 0
1 1
ℎ 1 1 1 2
𝑘2 = ℎ𝑓 (𝑡0 + , 𝑤0 + 𝑘1 ) = 0.1𝑓 (1.05 , 1) = 0.1 [ −( ) ] = 0.0045351
2 2 1.05 1.05
ℎ 1 0.0045351
𝑘3 = ℎ𝑓 (𝑡0 + , 𝑤0 + 𝑘2 ) = 0.1𝑓 (1.05 , )
2 2 2
1.0022676 1.0022676 2
= 0.1 [ −( ) ] = 0.0043393
1.05 1.05
1.0043393 1.00433936 2
𝑘4 = ℎ𝑓 (𝑡1 , 𝑤0 + 𝑘3 ) = 0.1𝑓 (1.1 , 1 + 0.0043393) = 0.1 [ −( ) ]
1.1 1.1
= 0.0079401
1
𝑤1 = 𝑤0 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤1 = 1 + [0 + 2 ∗ 0.0045351 + 2 ∗ 0.0043393 + 0.0079401] = 1.0042815
6
1.1
𝑦1 = 𝑦(𝑡1 ) = − = 1.0042817
1 + ln(1.1)
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.0000002

Para 𝒊 = 𝟏 𝑡1 = 1.1, 𝑡2 = 1.2, 𝑤1 = 1.0042815
1.0042815 1.0042815 2
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 ) = 0.1𝑓 (1.1 , 1.0042815) = 0.1 [ −( ) ]
1.1 1.1
= 0.0079445
ℎ 1 0.0079445
𝑘2 = ℎ𝑓 (𝑡1 + , 𝑤1 + 𝑘1 ) = 0.1𝑓 (1.15 , 1.0042815 + )
2 2 2
1.0082538 1.0082538 2
= 0.1 [ −( ) ] = 0.0108065
1.15 1.15
ℎ 1 0.0108065
𝑘3 = ℎ𝑓 (𝑡1 + , 𝑤1 + 𝑘2 ) = 0.1𝑓 (1.15 , 1.0042815 + )
2 2 2
1.0096848 1.0096848 2
= 0.1 [ −( ) ] = 0.0107126
1.15 1.15
𝑘4 = ℎ𝑓 (𝑡2 , 𝑤1 + 𝑘3 ) = 0.1𝑓 (1.2 , 1.0042815 + 0.0107126)

1.0149941 1.0149941 2
= 0.1 [ −( ) ] = 0.0130403
1.2 1.2
1
𝑤1 = 𝑤1 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤1 = 1.0042815 + [0.0079445 + 2 ∗ 0.0108065 + 2 ∗ 0.0107126 + 0.0130403]
6
= 1.0149520
1.2
𝑦2 = 𝑦(𝑡2 ) = − = 1.0149523
1 + ln(1.2)
𝐸𝑟𝑟𝑜𝑟 = |𝑦1 − 𝑤1 | = 0.0000003
Y así sucesivamente encontramos las mas aproximaciones hasta llegar a la décima iteración.
La siguiente tabla muestra las aproximaciones mediante el método de Runge – Kutta de
cuarto orden, así como también las soluciones exactas para cada iteración.
b. (Jenri Diaz Nauca)
𝒚 𝒚 𝟐 𝒕
a. 𝒚, = 𝒕 − ( 𝒕 ) , 𝟏 ≤ 𝒕 ≤ 𝟐, 𝒚(𝟏) = 𝟏, 𝒄𝒐𝒏 𝒉 = 𝟎. 𝟏; 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒓𝒆𝒂𝒍 𝒚(𝒕) = (𝟏+𝐥𝐧 𝒕)
solución
𝑏−𝑎 2−1
ℎ= → 0.1 = → 𝑛 = 10
𝑛 𝑛
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) 𝑝𝑎𝑟𝑎 𝑖 = 1,2,3 … ,10
6
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡0 = 1 + (0)(0.1) = 1
𝑤0 = 𝑦(𝑡0 ) = 𝑦(1) = 1
1 1 2
𝑘1 = ℎ𝑓 (𝑡0 , 𝑤0 ) = 0.1𝑓 (1,1) = 0.1 ( − ( ) ) = 0
1 1
ℎ 𝑘1 0.1 0
𝑘2 = ℎ𝑓 (𝑡0 + , 𝑤0 + ) = 0.1𝑓 (1 + , 1 + ) = 0.1𝑓(1.05,1)
2 2 2 2
1 1 2
𝑘2 = 0.1 ( −( ) ) = 0.0045351
1.05 1.05
ℎ 𝑘2 0.0045351
𝑘3 = ℎ𝑓 (𝑡0 + , 𝑤0 + ) = 0.1𝑓 (1.05,1 + )
2 2 2
𝑘3 = 0.1𝑓(1.05,1.0022676) = 0.0043393
𝑘4 = ℎ𝑓(𝑡0 + ℎ, 𝑤0 + 𝑘3 ) = 0.1𝑓(1.1, 1 + 0.0043393)
1.0043393 1.0043393 2
𝑘4 = 0.1𝑓(1.1, 1.0043393) = 0.1 ( −( ) ) = 0.0079401
1.1 1.1
Remplazamos en la fórmula:
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤1 = 1 + (0 + 2(0.0045351) + 2(0.0043393) + 0.0079401) = 1.0042815
6
1.1
𝑦(𝑡1 ) = (1+ln 1.1) = 1.0042817
Para i=1
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡1 = 1 + (1)(0.1) = 1.1
𝑤1 = 1.0042815
2
1.0042815 1.0042815
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 ) = 0.1𝑓 (1.1, 1.0042815) = 0.1 ( −( ) )
1.1 1.1
𝑘1 = 0.0079445
ℎ 𝑘1 0.1 0.0079445
𝑘2 = ℎ𝑓 (𝑡1 + , 𝑤1 + ) = 0.1𝑓 (1.1 + , 1.0042815 + )
2 2 2 2
1.0082537 1.0082537 2
𝑘2 = 0.1𝑓(1.15, 1.0082537) = 0.1 ( −( ) ) = 0.0108065
1.15 1.15
ℎ 𝑘2 0.0108065
𝑘3 = ℎ𝑓 (𝑡1 + , 𝑤1 + ) = 0.1𝑓 (1.15,1 + )
2 2 2
𝑘3 = 0.1𝑓(1.15, 1.0096848) = 0.0107126
𝑘4 = ℎ𝑓 (𝑡1 + ℎ, 𝑤1 + 𝑘3 ) = 0.1𝑓(1.1 + 0.1, 1.0042815 + 0.0108065)
1.0149941 1.0149941 2
𝑘4 = 0.1𝑓(1.2, 1.0149941) = 0.1 ( −( ) ) = 0.0130403
1.2 1.2
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤2 = 1.0042815 + (0.0079445 + 2(0.0108065) + 2(0.0107126) + 0.0130403)
6
𝑤2 =1.014952
1.2
𝑦(𝑡2 ) = = 1.0149523
(1 + ln 1.2)
Para i =2
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡2 = 1 + (2)(0.1) = 1.2
𝑤2 = 1.014952
1.014952 1.014952 2
𝑘1 = ℎ𝑓 (𝑡2 , 𝑤2 ) = 0.1𝑓 (1.2, 1.014952) = 0.1 ( −( ) )
1.2 1.2
𝑘1 = 0.0130427
ℎ 𝑘1 0.1 0.0130427
𝑘2 = ℎ𝑓 (𝑡2 + , 𝑤2 + ) = 0.1𝑓 (1.2 + , 1.014952 + )
2 2 2 2
1.0214734 1.0214734 2
𝑘2 = 0.1𝑓(1.25, 1.0214734) = 0.1 ( −( ) ) = 0.0149398
1.25 1.25
ℎ 𝑘2 0.0149398
𝑘3 = ℎ𝑓 (𝑡2 + , 𝑤2 + ) = 0.1𝑓 (1.25,1.014952 + )
2 2 2
𝑘3 = 0.1𝑓(1.25, 1.0224219) = 0.0148916
𝑘4 = ℎ𝑓 (𝑡2 + ℎ, 𝑤2 + 𝑘3 ) = 0.1𝑓(1.2 + 0.1, 1.014952 + 0.0148916)
1.0298436 1.0298436 2
𝑘4 = 0.1𝑓(1.3, 1.0298436) = 0.1 ( −( ) ) = 0.0164627
1.3 1.3
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤3 = 1.014952 + (0.0130427 + 2(0.0149398) + 2(0.0148916) + 0.0164627)
6
𝑤3 =1.0298134
1.2
𝑦(𝑡2 ) = = 1.0149523
(1 + ln 1.2)
Para i=3
1
𝑤4 = 𝑤3 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡3 = 1 + (3)(0.1) = 1.3
𝑤3 = 1.0298134
1.0298134 1.0298134 2
𝑘1 = ℎ𝑓 (𝑡3 , 𝑤3 ) = 0.1𝑓 (1.3, 1.0298134) = 0.1 ( −( ) )
1.3 1.3
𝑘1 = 0.016464
ℎ 𝑘1 0.1 0.016464
𝑘2 = ℎ𝑓 (𝑡3 + , 𝑤3 + ) = 0.1𝑓 (1.3 + , 1.0298134 + )
2 2 2 2
1.0380454 1.0380454 2
𝑘2 = 0.1𝑓(1.35, 1.0380454) = 0.1 ( −( ) ) = 0.0177681
1.35 1.35
ℎ 𝑘2 0.0177681
𝑘3 = ℎ𝑓 (𝑡3 + , 𝑤3 + ) = 0.1𝑓 (1.35,1.0298134 + )
2 2 2
𝑘3 = 0.1𝑓(1.35, 1.0386974) = 0.0177421
𝑘4 = ℎ𝑓 (𝑡3 + ℎ, 𝑤3 + 𝑘3 ) = 0.1𝑓(1.3 + 0.1, 1.0298134 + 0.0177421)
1.0475555 1.0475555 2
𝑘4 = 0.1𝑓(1.4, 1.0475555) = 0.1 ( −( ) ) = 0.018837
1.4 1.4
1
𝑤4 = 𝑤3 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤4 = 1.0298134 + (0.016464 + 2(0.0177681) + 2(0.0177421) + 0.018837)
6
𝑤4 = 1.0475336
1.4
𝑦(𝑡4 ) = = 1.0475339
(1 + ln 1.4)
Para i=4
1
𝑤5 = 𝑤4 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡4 = 1 + (4)(0.1) = 1.4
𝑤4 = 1.0475336
2
1.0475336 1.0475336
𝑘1 = ℎ𝑓 (𝑡4 , 𝑤4 ) = 0.1𝑓 (1.4, 1.0475336) = 0.1 ( −( ) )
1.4 1.4
𝑘1 = 0.0188378
ℎ 𝑘1 0.1 0.0188378
𝑘2 = ℎ𝑓 (𝑡4 + , 𝑤4 + ) = 0.1𝑓 (1.4 + , 1.0475336 + )
2 2 2 2
1.0569525 1.0569525 2
𝑘2 = 0.1𝑓(1.45, 1.0569525) = 0.1 ( −( ) ) = 0.019759
1.45 1.45
ℎ 𝑘2 0.019759
𝑘3 = ℎ𝑓 (𝑡4 + , 𝑤4 + ) = 0.1𝑓 (1.45,1.0475336 + )
2 2 2
𝑘3 = 0.1𝑓(1.45, 1.0574131) = 0.0197444
𝑘4 = ℎ𝑓 (𝑡4 + ℎ, 𝑤4 + 𝑘3 ) = 0.1𝑓(1.4 + 0.1, 1.0475336 + 0.0197444)
1.067278 1.067278 2
𝑘4 = 0.1𝑓(1.5, 1.067278) = 0.1 ( −( ) ) = 0.020526
1.5 1.5
1
𝑤5 = 𝑤4 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤5 = 1.0475336 + (0.0188375 + 2(0.019759) + 2(0.0197444) + 0.020526)
6
𝑤5 = 1.067262
1.5
𝑦(𝑡5 ) = = 1.0475339
(1 + ln 1.5)
Para i=5
1
𝑤6 = 𝑤5 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡5 = 1 + (5)(0.1) = 1.5
𝑤5 = 1.067262
1.067262 1.067262 2
𝑘1 = ℎ𝑓 (𝑡5 , 𝑤5 ) = 0.1𝑓 (1.5, 1.067262) = 0.1 ( −( ) )
1.5 1.5
𝑘1 = 0.0205264
ℎ 𝑘1 0.1 0.0205264
𝑘2 = ℎ𝑓 (𝑡5 + , 𝑤5 + ) = 0.1𝑓 (1.4 + , 1.067262 + )
2 2 2 2
1.0775252 1.0775252 2
𝑘2 = 0.1𝑓(1.55, 1.0775252) = 0.1 ( −( ) ) = 0.0211906
1.55 1.55
ℎ 𝑘2 0.0211906
𝑘3 = ℎ𝑓 (𝑡5 + , 𝑤5 + ) = 0.1𝑓 (1.55,1.067262 + )
2 2 2
𝑘3 = 0.1𝑓(1.55, 1.0778573) = 0.0211822
𝑘4 = ℎ𝑓 (𝑡5 + ℎ, 𝑤5 + 𝑘3 ) = 0.1𝑓(1.5 + 0.1, 1.067262 + 0.0211822)
1.0884442 1.0884442 2
𝑘4 = 0.1𝑓(1.6, 1.0884442) = 0.1 ( −( ) ) = 0.02175
1.6 1.6
1
𝑤6 = 𝑤5 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤6 = 1.067262 + (0.025264 + 2(0.0211906) + 2(0.0211822) + 0.02175)
6
𝑤6 = 1.0884323
1.6
𝑦(𝑡6 ) = = 1.0884327
(1 + ln 1.6)
Para i=6
1
𝑤7 = 𝑤6 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡6 = 1 + (6)(0.1) = 1.6
𝑤6 = 1.0884323
1.0884323 1.0884323 2
𝑘1 = ℎ𝑓 (𝑡6 , 𝑤6 ) = 0.1𝑓 (1.6, 1.0884323) = 0.1 ( −( ) )
1.6 1.6
𝑘1 = 0.0217503
ℎ 𝑘1 0.1 0.0217503
𝑘2 = ℎ𝑓 (𝑡6 + , 𝑤6 + ) = 0.1𝑓 (1.6 + , 1.0884323 + )
2 2 2 2
1.0993074 1.0993074 2
𝑘2 = 0.1𝑓(1.65, 1.0993074) = 0.1 ( −( ) ) = 0.0222362
1.65 1.65
ℎ 𝑘2 0.0222362
𝑘3 = ℎ𝑓 (𝑡6 + , 𝑤6 + ) = 0.1𝑓 (1.65,1.0884323 + )
2 2 2
𝑘3 = 0.1𝑓(1.65, 1.0995504) = 0.0222313
𝑘4 = ℎ𝑓 (𝑡6 + ℎ, 𝑤6 + 𝑘3 ) = 0.1𝑓(1.6 + 0.1, 1.0884323 + 0.0222313)
1.1106636 1.1106636 2
𝑘4 = 0.1𝑓(1.7, 1.1106636) = 0.1 ( −( ) ) = 0.0226489
1.7 1.7
1
𝑤7 = 𝑤6 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤7 = 1.0884323 + (0.0217503 + 2(0.0222362) + 2(0.02222313) + 0.0226489)
6
𝑤7 = 1.11066547
1.7
𝑦(𝑡7 ) = = 1.1106551
(1 + ln 1.7)
Para i=7
1
𝑤8 = 𝑤7 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡7 = 1 + (7)(0.1) = 1.7
𝑤7 = 1.11066547
1.11066547 1.11066547 2
𝑘1 = ℎ𝑓 (𝑡7 , 𝑤7 ) = 0.1𝑓 (1.7, 1.11066547) = 0.1 ( −( ) )
1.7 1.7
𝑘1 = 0.0226491
ℎ 𝑘1 0.1 0.0226491
𝑘2 = ℎ𝑓 (𝑡6 + , 𝑤6 + ) = 0.1𝑓 (1.7 + , 1.1106547 + )
2 2 2 2
1.1219793 1.1219793 2
𝑘2 = 0.1𝑓(1.75, 1.1219793) = 0.1 ( −( ) ) = 0.0230082
1.75 1.75
ℎ 𝑘2 0.0230082
𝑘3 = ℎ𝑓 (𝑡6 + , 𝑤6 + ) = 0.1𝑓 (1.75,1.1106547 + )
2 2 2
𝑘3 = 0.1𝑓(1.75, 1.1221588) = 0.0230053
𝑘4 = ℎ𝑓 (𝑡6 + ℎ, 𝑤6 + 𝑘3 ) = 0.1𝑓(1.7 + 0.1, 1.1106547 + 0.0230053)
1.13366 1.13366 2
𝑘4 = 0.1𝑓(1.8, 1.13366) = 0.1 ( −( ) ) = 0.0233149
1.8 1.8
1
𝑤8 = 𝑤7 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤8 = 1.1106547 + (0.0226491 + 2(0.0230082) + 2(0.0230053) + 0.0233149)
6
𝑤8 = 1.1336532
1.8
𝑦(𝑡8 ) = = 1.1336536
(1 + ln 1.8)
Para i=8
1
𝑤9 = 𝑤8 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡8 = 1 + (8)(0.1) = 1.8
𝑤8 = 1.1336532
1.1336532 1.1336532 2
𝑘1 = ℎ𝑓 (𝑡8 , 𝑤8 ) = 0.1𝑓 (1.8, 1.1336532) = 0.1 ( −( ) )
1.8 1.8
𝑘1 = 0.23315
ℎ 𝑘1 0.1 0.23315
𝑘2 = ℎ𝑓 (𝑡8 + , 𝑤8 + ) = 0.1𝑓 (1.8 + , 1.1336532 + )
2 2 2 2
1.1453107 1.1453107 2
𝑘2 = 0.1𝑓(185, 1.1453107) = 0.1 ( −( ) ) = 0.0235818
1.85 1.85
ℎ 𝑘2 0.0235818
𝑘3 = ℎ𝑓 (𝑡8 + , 𝑤8 + ) = 0.1𝑓 (1.85,1.1336532 + )
2 2 2
𝑘3 = 0.1𝑓(1.85, 1.1454441) = 0.0235801
𝑘4 = ℎ𝑓 (𝑡8 + ℎ, 𝑤8 + 𝑘3 ) = 0.1𝑓(1.8 + 0.1, 1.1136532 + 0.0235801)
1.1572333 1.1572333 2
𝑘4 = 0.1𝑓(1.9, 1.1572333) = 0.1 ( −( ) ) = 0.0238104
1.9 1.9
1
𝑤9 = 𝑤8 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤9 = 1.1336532 + (0.023315 + 2(0.0235818) + 2(0.0235801) + 0.238104)
6
𝑤9 = 1.1572281
1.9
𝑦(𝑡9 ) = = 1.1572284
(1 + ln 1.9)
Para i=9
1
𝑤10 = 𝑤9 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡9 = 1 + (9)(0.1) = 1.9
𝑤9 = 1.1572281
1.1572281 1.1572281 2
𝑘1 = ℎ𝑓 (𝑡9 , 𝑤9 ) = 0.1𝑓(1.9, 1.1572281) = 0.1 ( −( ) )
1.9 1.9
𝑘1 = 0.238104
ℎ 𝑘1 0.1 0.238104
𝑘2 = ℎ𝑓 (𝑡9 + , 𝑤9 + ) = 0.1𝑓 (1.9 + , 1.1572281 + )
2 2 2 2
1.1691333 1.1691333 2
𝑘2 = 0.1𝑓(1.95, 1.1691333) = 0.1 ( −( ) ) = 0.0240089
1.95 1.95
ℎ 𝑘2 0.0240089
𝑘3 = ℎ𝑓 (𝑡9 + , 𝑤9 + ) = 0.1𝑓 (1.85,1.1572281 + )
2 2 2
𝑘3 = 0.1𝑓(1.95, 1.1692325) = 0.0240079
𝑘4 = ℎ𝑓 (𝑡9 + ℎ, 𝑤9 + 𝑘3 ) = 0.1𝑓(1.9 + 0.1, 1.1572281 + 0.0240079)
1.181236 1.181236 2
𝑘4 = 0.1𝑓(2.0, 1.181236) = 0.1 ( −( ) ) = 0.0241788
2.0 2.0
1
𝑤10 = 𝑤9 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤10 = 1.1572281 + (0.0238104 + 2(0.0240089) + 2(0.0240079) + 0.0241788)
6
𝑤10 = 1.1812319
2.0
𝑦(𝑡10 ) = = 1.1812322
(1 + ln 2.0)
Para i=10
1
𝑤11 = 𝑤10 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡10 = 1 + (10)(0.1) = 2
𝑤10 = 1.1812319
1.1812319 1.1812319 2
𝑘1 = ℎ𝑓 (𝑡10 , 𝑤10 ) = 0.1𝑓 (2.0, 1.1812319) = 0.1 ( −( ) )
2.0 2.0
𝑘1 = 0.0241789
ℎ 𝑘1 0.1 0.0241789
𝑘2 = ℎ𝑓 (𝑡10 + , 𝑤10 + ) = 0.1𝑓 (2.0 + , 1.1812319 + )
2 2 2 2
1.1933214 1.1933214 2
𝑘2 = 0.1𝑓(2.05, 1.1933214) = 0.1 ( −( ) ) = 0.0243258
2.05 2.05
ℎ 𝑘2 0.0243258
𝑘3 = ℎ𝑓 (𝑡10 + , 𝑤10 + ) = 0.1𝑓 (2.05,1.1812319 + )
2 2 2
𝑘3 = 0.1𝑓(2.05, 1.1933948) = 0.243252
𝑘4 = ℎ𝑓 (𝑡10 + ℎ, 𝑤10 + 𝑘3 ) = 0.1𝑓(2.0 + 0.1, 1.1812319 + 0.0243252)
1.255571 1.255571 2
𝑘4 = 0.1𝑓(2.1, 1.255571) = 0.1 ( −( ) ) = 0.0240417
2.1 2.1
1
𝑤11 = 𝑤10 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤11 = 1.1812319 + (0.0241789 + 2(0.0243258) + 2(0.0243252) + 0.0240417)
6
𝑤11 =1.2054857
11. Repita el ejercicio 4 aplicando el método de Runge – Kutta de cuarto orden. José
Gabriel)
𝒚 𝒚
𝒃. 𝒚´ = 𝟏 + ⁄𝒕 + ( ⁄𝒕)𝟐 , 𝟏 ≤ 𝒕 ≤ 𝟑, 𝒚(𝟏) = 𝟎,
𝒄𝒐𝒏 𝒉 = 𝟎. 𝟐; 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒓𝒆𝒂𝒍 𝒚(𝒕) = 𝒕 𝐭𝐚𝐧(𝒍𝒏𝒕).

𝑏−𝑎 3−1
ℎ = 0.2 = 𝑛= → 𝑛 = 10
𝑛 0.2
𝟏
𝒘𝒊+𝟏 = 𝒘𝒊 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ 𝑷𝒂𝒓𝒂 𝒊 = 𝟏, 𝟐, 𝟑 … 𝟗
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 0 → 𝒘𝟏 = 𝒘𝟎 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡0 = 1 + (0)(0.2) → 𝑡0 = 1 , 𝑡1 = 1 + (1)(0.2) → 𝑡1 = 1.2

𝑤0 = 𝑦(𝑡0 ) = 𝑦(1) = 0
0 0 2
𝒌𝟏 = 𝒉𝒇(𝒕𝟎 , 𝒘𝟎 ) = 0.2𝑓(0,1) = 0.2 (1 + + ( ) )
1 1
𝑘1 = 0.2
𝒉 𝒌𝟏 0.2 0.2
𝒌𝟐 = 𝒉𝒇 (𝒕𝟎 + , 𝒘𝟎 + ) = 0.2𝑓 (1 + ,0 + )
𝟐 𝟐 2 2
𝑘2 = 0.2198347
𝒉 𝒌𝟐 0.2 0.2198347
𝒌𝟑 = 𝒉𝒇 (𝒕𝟎 + , 𝒘𝟎 + ) = 0.2𝑓 (1 + ,0 + )
𝟐 𝟐 2 2
𝑘3 = 0.2219820
𝒌𝟒 = 𝒉𝒇(𝒕𝟎 + 𝒉, 𝒘𝟎 + 𝒌𝟑 ) = 0.2𝑓 (1 + 0.2,0 + 0.2219820)
𝑘4 = 0.2438409
𝑹𝒆𝒆𝒎𝒑𝒍𝒂𝒛𝒂𝒎𝒐𝒔 𝒆𝒏 𝒍𝒂 𝒇ó𝒓𝒎𝒖𝒍𝒂:
𝟏
𝒘𝟏 = 𝒘𝟎 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡1 = 1 + 1(0.2) = 1.2
𝟔
1
𝑤1 = 0 + ⌈0.2 + 2(0.2198347) + 2(0.2219820) + 0.2438409⌉
6
𝑤1 = 0.2212457
𝒚𝟏 = 𝒚(𝒕𝟏 ) = 𝒚(𝟏. 𝟐) = (𝟏. 𝟐) 𝐭𝐚𝐧(𝐥𝐧(𝟏. 𝟐))
𝑦1 = 0.2212428
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 1 → 𝒘𝟐 = 𝒘𝟏 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤1 = 0.2212457 , 𝑡1 = 1.2
0.2212457 0.2212457 2
𝒌𝟏 = 𝒉𝒇(𝒕𝟏 , 𝒘𝟏 ) = 0.2𝑓(1.2,0.2212457) = 0.2 (1 + +( ) )
1.2 1.2
𝑘1 = 0.2436728
𝒉 𝒌𝟏 0.2 0.2436728
𝒌𝟐 = 𝒉𝒇 (𝒕𝟏 + , 𝒘𝟏 + ) = 0.2𝑓 (1.2 + , 0.2212457 + )
𝟐 𝟐 2 2
𝑘2 = 0.2𝑓(1.3,0.3430821) = 0.2667115
𝒉 𝒌𝟐 0.2 0.2667115
𝒌𝟑 = 𝒉𝒇 (𝒕𝟏 + , 𝒘𝟏 + ) = 0.2𝑓 (1.2 + , 0.2212457 + )
𝟐 𝟐 2 2
𝑘3 = 0.2𝑓(1.3,0.3546014) = 0.2694348
𝒌𝟒 = 𝒉𝒇(𝒕𝟏 + 𝒉, 𝒘𝟏 + 𝒌𝟑 ) = 0.2𝑓 (1.2 + 0.2,0.2212457 + 0.2694348)
𝑘4 = 0.2𝑓(1.4,0.4906805) = 0.2946653
𝟏
𝒘𝟐 = 𝒘𝟏 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡2 = 1 + 2(0.2) = 1.4
𝟔
1
𝑤2 = 0.2212457 + ⌈0.2436728 + 2(0.2667115) + 2(0.2694348) + 0.2946653⌉
6
𝑤2 = 0.4896842
𝒚𝟐 = 𝒚(𝒕𝟐 ) = 𝒚(𝟏. 𝟒) = (𝟏. 𝟒) 𝐭𝐚𝐧(𝐥𝐧(𝟏. 𝟒))
𝑦2 = 0.4896817
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 2 → 𝒘𝟑 = 𝒘𝟐 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤2 = 0.4896842 , 𝑡2 = 1.4
0.4896842 0.4896842 2
𝒌𝟏 = 0.2𝑓 (1.4,0.4896842) = 0.2 (1 + +( ) )
1.4 1.4
𝑘1 = 0.2944233
0.2 0.2944233
𝒌𝟐 = 0.2𝑓 (1.4 + , 0.4896842 + )
2 2
𝑘2 = 0.2𝑓(1.5,0.6368959) = 0.3209760
0.2 0.3209760
𝒌𝟑 = 0.2𝑓 (1.4 + , 0.4896842 + )
2 2
𝑘3 = 0.2𝑓(1.5,0.6501722) = 0.3242651
𝒌𝟒 = 0.2𝑓 (1.4 + 0.2,0.4896842 + 0.3242651)
𝑘4 = 0.2𝑓(1.6,0.8139493) = 0.3535025
𝟏
𝒘𝟑 = 𝒘𝟐 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡3 = 1 + 3(0.2) = 1.6
𝟔
1
𝑤3 = 0.4896842 + ⌈0.2944233 + 2(0.3209760) + 2(0.3242651) + 0.3535025⌉
6
𝑤3 = 0.8127522
𝒚𝟑 = 𝒚(𝒕𝟑 ) = 𝒚(𝟏. 𝟔) = (𝟏. 𝟔) 𝐭𝐚𝐧(𝐥𝐧(𝟏. 𝟔))
𝑦3 = 0.8127527
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 3 → 𝒘𝟒 = 𝒘𝟑 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤3 = 0.8127522 , 𝑡3 = 1.6
0.8127522 0.8127522 2
𝒌𝟏 = 0.2𝑓 (1.6,0.8127522) = 0.2 (1 + +( ) )
1.6 1.6
𝑘1 = 0.3532008
0.2 0.3532008
𝒌𝟐 = 0.2𝑓 (1.6 + , 0.8127522 + )
2 2
𝑘2 = 0.2𝑓(1.7,0.9893526) = 0.3841327
0.2 0.3841327
𝒌𝟑 = 0.2𝑓 (1.6 + , 0.8127522 + )
2 2
𝑘3 = 0.2𝑓(1.7,0.1.0048186) = 0.3880866
𝒌𝟒 = 0.2𝑓 (1.6 + 0.2,0.8127522 + 0.3880866)
𝑘4 = 0.2𝑓(1.8,1.2008388) = 0.4224397
𝟏
𝒘𝟒 = 𝒘𝟑 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡4 = 1 + 4(0.2) = 1.8
𝟔
1
𝑤4 = 0.8127522 + ⌈0.3532008 + 2(0.3841327) + 2(0.3880866) + 0.4224397⌉
6
𝑤4 = 1.1994321
𝒚𝟒 = 𝒚(𝒕𝟒 ) = 𝒚(𝟏. 𝟖) = (𝟏. 𝟖) 𝐭𝐚𝐧(𝐥𝐧(𝟏. 𝟖))
𝑦4 = 1.1994321
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 4 → 𝒘𝟓 = 𝒘𝟒 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤4 = 1.1994321 , 𝑡4 = 1.8
𝒌𝟏 = 0.2𝑓 (1.8,1.1994321 )
𝑘1 = 0.4220750
0.2 0.4220750
𝒌𝟐 = 0.2𝑓 (1.8 + , 1.1994321 + )
2 2
𝑘2 = 0.2𝑓(1.9,1.4104696) = 0.4586879
0.2 0.4586879
𝒌𝟑 = 0.2𝑓 (1.8 + , 1.1994321 + )
2 2
𝑘3 = 0.2𝑓(1.9,1.4287761) = 0.4634945
𝒌𝟒 = 0.2𝑓 (1.8 + 0.2,1.1994321 + 0.4634945)
𝑘4 = 0.2𝑓(2.0,1.6629266) = 0.5045589
𝟏
𝒘𝟓 = 𝒘𝟒 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡5 = 1 + 5(0.2) = 2.0
𝟔
1
𝑤5 = 1.1994321 + ⌈0.4220750 + 2(0.4586879) + 2(0.4634945) + 0.5045589⌉
6
𝑤5 = 1.6612652
𝒚𝟓 = 𝒚(𝒕𝟓 ) = 𝒚(𝟐. 𝟎) = (𝟐. 𝟎) 𝐭𝐚𝐧(𝐥𝐧(𝟐. 𝟎))
𝑦5 = 1.6612818
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 5 → 𝒘𝟔 = 𝒘𝟓 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤5 = 1.6612652 , 𝑡5 = 2.0
𝒌𝟏 = 0.2𝑓 (2.0,1.6612652 )
𝑘1 = 0.5041166
0.2 0.5041166
𝒌𝟐 = 0.2𝑓 (2.0 + , 1.6612652 + )
2 2
𝑘2 = 0.2𝑓(2.1,1.9133235) = 0.5482443
0.2 0.5482443
𝒌𝟑 = 0.2𝑓 (2.0 + , 1.6612652 + )
2 2
𝑘3 = 0.2𝑓(2.1,1.9353873) = 0.5541967
𝒌𝟒 = 0.2𝑓 (2 + 0.2,1.6612652 + 0.5541967)
𝑘4 = 0.2𝑓(2.2,2.2154619) = 0.6042268
𝟏
𝒘𝟔 = 𝒘𝟓 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡6 = 1 + 6(0.2) = 2.2
𝟔
1
𝑤6 = 1.6612652 + ⌈0.5041166 + 2(0.5482443) + 2(0.5541967) + 0.6042268⌉
6
𝑤6 = 2.2134694
𝒚𝟔 = 𝒚(𝒕𝟔 ) = 𝒚(𝟐. 𝟐) = (𝟐. 𝟐) 𝐭𝐚𝐧(𝐥𝐧(𝟐. 𝟐))
𝑦6 = 2.2135018
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 6 → 𝒘𝟕 = 𝒘𝟔 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤6 = 2.2134694, 𝑡6 = 2.2
𝒌𝟏 = 0.2𝑓 (2.2,2.2134694)
𝑘1 = 0.6036810
0.2 0.6036810
𝒌𝟐 = 0.2𝑓 (2.2 + , 2.2134694 + )
2 2
𝑘2 = 0.2𝑓(2.3,2.5153099) = 0.6579205
0.2 0.6579205
𝒌𝟑 = 0.2𝑓 (2.2 + , 2.2134694 + )
2 2
𝑘3 = 0.2𝑓(2.3,2.5424296) = 0.6654645
𝒌𝟒 = 0.2𝑓 (2.2 + 0.2,2.2134694 + 0.6654645)
𝑘4 = 0.2𝑓(2.4,2.8789339) = 0.7276980
𝟏
𝒘𝟕 = 𝒘𝟔 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡7 = 1 + 7(0.2) = 2.4
𝟔
1
𝑤7 = 2.2134694 + ⌈0.6036810 + 2(0.6579205) + 2(0.6654645) + 0.7276980⌉
6
𝑤7 = 2.8764942
𝒚𝟕 = 𝒚(𝒕𝟕 ) = 𝒚(𝟐. 𝟒) = (𝟐. 𝟒) 𝐭𝐚𝐧(𝐥𝐧(𝟐. 𝟒))
𝑦7 = 2.8765514
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 7 → 𝒘𝟖 = 𝒘𝟕 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤7 = 2.8764942 , 𝑡7 = 2.4
𝒌𝟏 = 0.2𝑓 (2.2,2.2134694)
𝑘1 = 0.7270071
0.2 0.7270071
𝒌𝟐 = 0.2𝑓 (2.4 + , 2.8764942 + )
2 2
𝑘2 = 0.2𝑓(2.5,3.2399978) = 0.7951226
0.2 0.7951226
𝒌𝟑 = 0.2𝑓 (2.4 + , 2.8764942 + )
2 2
𝑘3 = 0.2𝑓(2.5,3.2740555) = 0.8049465
𝒌𝟒 = 0.2𝑓 (2.4 + 0.2,2.8764942 + 0.8049465)
𝑘4 = 0.2𝑓(2.6,3.6814407) = 0.8841642
𝟏
𝒘𝟖 = 𝒘𝟕 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡8 = 1 + 8(0.2) = 2.6
𝟔
1
𝑤8 = 2.8764942 + ⌈0.7270071 + 2(0.7951226) + 2(0.8049465) + 0.8841642⌉
6
𝑤8 = 3.6783791
𝒚𝟖 = 𝒚(𝒕𝟖 ) = 𝒚(𝟐. 𝟔) = (𝟐. 𝟔) 𝐭𝐚𝐧(𝐥𝐧(𝟐. 𝟔))
𝑦8 = 3.6784753
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 8 → 𝒘𝟗 = 𝒘𝟖 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤8 = 3.6783791 , 𝑡8 = 2.6
𝒌𝟏 = 0.2𝑓 (2.6,3.6783791)
𝑘1 = 0.8832621
0.2 0.8832621
𝒌𝟐 = 0.2𝑓 (2.6 + , 3.6783791 + )
2 2
𝑘2 = 0.2𝑓(2.7,4.1200101) = 0.9708782
0.2 0.9708782
𝒌𝟑 = 0.2𝑓 (2.6 + , 3.6783791 + )
2 2
𝑘3 = 0.2𝑓(2.7,4.1638182) = 0.9840793
𝒌𝟒 = 0.2𝑓 (2.6 + 0.2,3.6783791 + 0.9840793)
𝑘4 = 0.2𝑓(2.8,4.6624584) = 1.0875868
𝟏
𝒘𝟗 = 𝒘𝟖 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡9 = 1 + 9(0.2) = 2.8
𝟔
1
𝑤9 = 3.6783791 + ⌈0.8832621 + 2(0.9708782) + 2(0.9840793) + 1.0875868⌉
6
𝑤9 = 4.6585064
𝒚𝟗 = 𝒚(𝒕𝟗 ) = 𝒚(𝟐. 𝟖) = (𝟐. 𝟖) 𝐭𝐚𝐧(𝐥𝐧(𝟐. 𝟖))
𝑦9 = 4.6585064
𝟏
 𝑃𝑎𝑟𝑎 𝑖 = 9 → 𝒘𝟏𝟎 = 𝒘𝟗 + 𝟔 ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉
𝑤9 = 4.6585064 , 𝑡9 = 2.8
𝒌𝟏 = 0.2𝑓 (2.8,4.6585064)
𝑘1 = 1.0863648
0.2 1.0863648
𝒌𝟐 = 0.2𝑓 (2.8 + , 4.6585064 + )
2 2
𝑘2 = 0.2𝑓(2.9,5.2016888) = 1.2021989
0.2 1.2021989
𝒌𝟑 = 0.2𝑓 (2.8 + , 4.6585064 + )
2 2
𝑘3 = 0.2𝑓(2.9,5.2596059) = 1.2206019
𝒌𝟒 = 0.2𝑓 (2.8 + 0.2,4.6585064 + 1.2206019)
𝑘4 = 0.2𝑓(3,5.8791083) = 1.3600275
𝟏
𝒘𝟏𝟎 = 𝒘𝟗 + ⌈𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 ⌉ , 𝑡10 = 1 + 10(0.2) = 3
𝟔
1
𝑤10 = 4.6585064 + ⌈1.0863648 + 2(1.2021989) + 2(1.2206019) + 1.3600275⌉
6
𝑤10 = 5.8738387
𝒚𝟏𝟎 = 𝒚(𝒕𝟏𝟎 ) = 𝒚(𝟑) = (𝟑) 𝐭𝐚𝐧(𝐥𝐧(𝟑))
𝑦10 = 5.87410000
EJERCICIO 5.4 (11B)
(José Misael Pérez Alarcón)
Repita el ejercicio 4 aplicando el método de Runge-Kutta de cuarto orden.

11.c. (Jenri Diaz Nauca)
c. 𝒚, = −(𝒚 + 𝟏)(𝒚 + 𝟑), 𝟎 ≤ 𝒕 ≤ 𝟐, 𝒚(𝟎) = −𝟐, 𝒄𝒐𝒏 𝒉 = 𝟎. 𝟐;
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1
solución
𝑏−𝑎 2−0
ℎ= → 0.2 = → 𝑛 = 10
𝑛 𝑛
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) 𝑝𝑎𝑟𝑎 𝑖 = 1,2,3 … ,10
6
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡0 = 0 + (0)(0.2) = 0
𝑤0 = 𝑦(𝑡0 ) = 𝑦(0) = −2
𝑘1 = ℎ𝑓 (𝑡0 , 𝑤0 ) = 0.2𝑓 (0, −2) = 0.2(−(−2 + 1)(−2 + 3)) = 0.2
ℎ 𝑘1 0.2 0.2
𝑘2 = ℎ𝑓 (𝑡0 + , 𝑤0 + ) = 0.2𝑓 (0 + , −2 + ) = 0.2𝑓(0.1, −1.9)
2 2 2 2
𝑘2 = 0.2(−(−1.9 + 1)(−1.9 + 3)) = 0.198
ℎ 𝑘2 0.198
𝑘3 = ℎ𝑓 (𝑡0 + , 𝑤0 + ) = 0.2𝑓 (0.1, −2 + )
2 2 2
𝑘3 = 0.2𝑓(0.1, −1.901) = 0.1980398
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 ) = 0.2𝑓(0 + 0.2, −2 + 0.1980398)
𝑘4 = 0.2𝑓(0.2, − 1.8019602) = 0.2(−(−1.8019602 + 1)(−1.8019602 + 3))

= 0.192156
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤1 = −0.2 + (0.2 + 2(0.198) + 2(0.1980398) + 0.192156) = −0.0026274
6
𝑦(𝑡1 ) = −3 + 2(1 + 𝑒 −2∗0.2 )−1 = −1.8026247
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡1 = 0 + (1)(0.2) = 0.2
𝑤1 = −0.0026274
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 ) = 0.2𝑓 (0.2, −0.0026274)

= 0.2(−(−0.0026274 + 1)(−0.0026274 + 3)) = −0.5978995
ℎ 𝑘1 0.2 −0.5978995
𝑘2 = ℎ𝑓 (𝑡1 + , 𝑤1 + ) = 0.2𝑓 (0.2 + , −0.0026274 + )
2 2 2 2
𝑘2 = 0.2𝑓(0.3, −0.3015772) = 0.2(−(−0.3015772 + 1)(−0.3015772 + 3))

= −0.376928
ℎ 𝑘2 −0.376928
𝑘3 = ℎ𝑓 (𝑡1 + , 𝑤1 + ) = 0.2𝑓 (0.3, −0.0026274 + )
2 2 2
𝑘3 = 0.2𝑓(0.3, −0.1910914) = −0.4544301
𝑘4 = ℎ𝑓 (𝑡1 + ℎ, 𝑤1 + 𝑘3 ) = 0.2𝑓(0.2 + 0.2, −0.0026274 + (−0.4544301))
𝑘4 = 0.2𝑓(0.4, −0.4570575 ) = 0.2(−(−0.4570575 + 1)(−0.4570575 + 3))

= −0.2761343
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑤2 = −0.0026274
1
+ (−0.5978995 + 2(−0.376928) + 2(−0.4544301) + (−0.2761343))
6
𝑤2 = −0.4254191
𝑦(𝑡2 ) = −3 + 2(1 + 𝑒 −2∗0.4 )−1 = −1.9600213
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡2 = 0 + (2)(0.2) = 0.4
𝑤2 = −0.4254191
𝑘1 = ℎ𝑓 (𝑡2 , 𝑤2 ) = 0.2𝑓 (0.4, −0.4254191)

= 0.2(−(−0.4254191 + 1)(−0.4254191 + 3))
𝑘1 = −0.295861
ℎ 𝑘1 0.2 −0.295861
𝑘2 = ℎ𝑓 (𝑡2 + , 𝑤2 + ) = 0.2𝑓 (0.4 + , −0.4254191 + )
2 2 2 2
𝑘2 = 0.2𝑓(0.5, −0.5733496) = 0.2(−(−0.5733496 + 1)(−0.5733496 + 3))

= −0.7635939
ℎ 𝑘2 −0.7635939
𝑘3 = ℎ𝑓 (𝑡2 + , 𝑤2 + ) = 0.2𝑓 (0.5, −0.4254191 + )
2 2 2
𝑘3 = 0.2𝑓(0.5, −0.8072161) = −0.845467
𝑘4 = ℎ𝑓 (𝑡2 + ℎ, 𝑤2 + 𝑘3 ) = 0.2𝑓(0.4 + 0.2, −0.4254191 + (−0.845467))
𝑘4 = 0.2𝑓(0.6, −1.2708861 ) = 0.2(−(−1.2708861 + 1)(−1.2708861 + 3))
𝑘4 = 0.0936786
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤3 = −0.4254191 + (−0.295861 + 2(−0.7635939) + 2(−0.845467) + (0.0936786))
6
𝑤3 = −0.9954698
𝑦(𝑡3 ) = −3 + 2(1 + 𝑒 −2∗0.6 )−1 = −0.3976116
1
𝑤4 = 𝑤3 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡3 = 0 + (3)(0.2) = 0.6
𝑤3 = −0.9954698
𝑘1 = ℎ𝑓 (𝑡3 , 𝑤3 ) = 0.2𝑓 (0.6, −0.9954698)

= 0.2(−(−0.9954698 + 1)(−0.9954698 + 3))
𝑘1 = −0.0018162
ℎ 𝑘1 0.2 −0.0018162
𝑘2 = ℎ𝑓 (𝑡3 + , 𝑤3 + ) = 0.2𝑓 (0.6 + , −0.9954698 + )
2 2 2 2
𝑘2 = 0.2𝑓(0.7, −0.9963779) = 0.2(−(−0.9963779 + 1)(−0.9963779 + 3))

= −0.0014515
ℎ 𝑘2 −0.0014515
𝑘3 = ℎ𝑓 (𝑡3 + , 𝑤3 + ) = 0.2𝑓 (0.7, −0.9954698 + )
2 2 2
𝑘3 = 0.2𝑓(0.7, −0.9961956) = −0.2015218
𝑘4 = ℎ𝑓 (𝑡3 + ℎ, 𝑤3 + 𝑘3 ) = 0.2𝑓(0.6 + 0.2, −0.9954698 + (−0.2015218))
𝑘4 = 0.2𝑓(0.8, −0.9954698 ) = 0.2(−(−0.9954698 + 1)(−0.9954698 + 3))
𝑘4 = −0.001816
1
𝑤4 = 𝑤3 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑤4 = −0.9954698
1
+ (−0.0018162 + 2(−0.0014515) + 2(−0.2015218) + (−0.001816))
6
𝑤4 = −1.0637329
𝑦(𝑡4 ) = −3 + 2(1 + 𝑒 −2∗0.8 )−1 = −1.3359632
1
𝑤5 = 𝑤4 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡4 = 0 + (4)(0.2) = 0.8
𝑤4 = −1.0637329
𝑘1 = ℎ𝑓 (𝑡4 , 𝑤4 ) = 0.2𝑓 (0.8, −1.0637329)

= 0.2(−(−1.0637329 + 1)(−1.0637329 + 3))
𝑘1 = 0.0246808
ℎ 𝑘1 0.2 −0.0018162
𝑘2 = ℎ𝑓 (𝑡4 + , 𝑤4 + ) = 0.2𝑓 (0.8 + , −1.0637329 + )
2 2 2 2
𝑘2 = 0.2𝑓(0.9, −1.064641) = 0.2(−(−1.064641 + 1)(−1.064641 + 3)) = 0.0250207
ℎ 𝑘2 0.0250207
𝑘3 = ℎ𝑓 (𝑡4 + , 𝑤4 + ) = 0.2𝑓 (0.9, −1.0637329 + )
2 2 2
𝑘3 = 0.2𝑓(0.9, −1.0512226) = 0.0199643
𝑘4 = ℎ𝑓 (𝑡4 + ℎ, 𝑤4 + 𝑘3 ) = 0.2𝑓(0.8 + 0.2, −1.0637329 + (0.0199643))
𝑘4 = 0.2𝑓(1, −1.0437686 ) = 0.2(−(−1.0437686 + 1)(−1.0437686 + 3))
𝑘4 = 0.0171243
1
𝑤5 = 𝑤4 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤5 = −1.0637329 + (0.0246808 + 2(0.0250207) + 2(0.0199643) + 0.0171243)
6
𝑤5 = −1.0417704
𝑦(𝑡5 ) = −3 + 2(1 + 𝑒 −2∗1.0 )−1 = −1.2384058
1
𝑤6 = 𝑤5 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡5 = 0 + (5)(0.2) = 1.0
𝑤5 = −1.0417704
𝑘1 = ℎ𝑓 (𝑡5 , 𝑤5 ) = 0.2𝑓 (1.0, −1.0417704)

= 0.2(−(−1.0417704 + 1)(−1.0417704 + 3))
𝑘1 = 0.0163592
ℎ 𝑘1 0.2 0.0163592
𝑘2 = ℎ𝑓 (𝑡5 + , 𝑤5 + ) = 0.2𝑓 (1.0 + , −1.0417704 + )
2 2 2 2
𝑘2 = 0.2𝑓(1.1, −1.0335908) = 0.2(−(−1.0335908 + 1)(−1.0335908 + 3))

= 0.0132107
ℎ 𝑘2 0.0132107
𝑘3 = ℎ𝑓 (𝑡5 + , 𝑤5 + ) = 0.2𝑓 (1.1, −1.0417704 + )
2 2 2
𝑘3 = 0.2𝑓(1.1, −1.0351651) = 0.0138187
𝑘4 = ℎ𝑓 (𝑡5 + ℎ, 𝑤5 + 𝑘3 ) = 0.2𝑓(1.0 + 0.2, −1.0417704 + 0.0138187)
𝑘4 = 0.2𝑓(1.2, −1.0279517 ) = 0.2(−(−1.0279517 + 1)(−1.0279517 + 3))
𝑘4 = 0.0110244
1
𝑤6 = 𝑤5 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤6 = −1.0417704 + (0.0163592 + 2(0.0132107) + 2(0.0138187) + 0.0110244)
6
𝑤6 = −1.0281967
𝑦(𝑡6 ) = −3 + 2(1 + 𝑒 −2∗1.2 )−1 = −1.1663454
1
𝑤7 = 𝑤6 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡6 = 0 + (6)(0.2) = 1.2
𝑤6 = −1.0281967
𝑘1 = ℎ𝑓 (𝑡6 , 𝑤6 ) = 0.2𝑓 (1.2, −1.0281967)

= 0.2(−(−1.0281967 + 1)(−1.0281967 + 3))
𝑘1 = 0.0111197
ℎ 𝑘1 0.2 0.0111197
𝑘2 = ℎ𝑓 (𝑡6 + , 𝑤6 + ) = 0.2𝑓 (1.2 + , −1.0281967 + )
2 2 2 2
𝑘2 = 0.2𝑓(1.3, −1.0226369) = 0.2(−(−1.0226369 + 1)(−1.0226369 + 3))

= 0.0089523
ℎ 𝑘2 0.0089523
𝑘3 = ℎ𝑓 (𝑡6 + , 𝑤6 + ) = 0.2𝑓 (1.3, −1.0281967 + )
2 2 2
𝑘3 = 0.2𝑓(1.3, −1.0237206) = 0.0093757
𝑘4 = ℎ𝑓 (𝑡6 + ℎ, 𝑤6 + 𝑘3 ) = 0.2𝑓(1.2 + 0.2, −1.0281967 + 0.0093757)
𝑘4 = 0.2𝑓(1.4, −1.018821 ) = 0.2(−(−1.018821 + 1)(−1.018821 + 3))
𝑘4 = 0.0074576
1
𝑤7 = 𝑤6 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤7 − 1.0281967 + (0.0111197 + 2(0.0089523) + 2(0.0093757) + 0.0074576)
6
𝑤7 = −1.0189912
𝑦(𝑡7 ) = −3 + 2(1 + 𝑒 −2∗1.4 )−1 = −1.1146484

1
𝑤8 = 𝑤7 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡7 = 0 + (7)(0.2) = 1.4
𝑤7 = −1.0189912
𝑘1 = ℎ𝑓 (𝑡7 , 𝑤7 ) = 0.2𝑓 (1.4, −1.0189912)

= 0.2(−(−1.0189912 + 1)(−1.0189912 + 3))
𝑘1 = 0.0075243
ℎ 𝑘1 0.2 0.0075243
𝑘2 = ℎ𝑓 (𝑡7 + , 𝑤7 + ) = 0.2𝑓 (1.4 + , −1.0189912 + )
2 2 2 2
𝑘2 = 0.2𝑓(1.5, −1.0152291) = 0.2(−( −1.0152291 + 1)( −1.0152291 + 3))

= 0.0060453
ℎ 𝑘2 0.0060453
𝑘3 = ℎ𝑓 (𝑡7 + , 𝑤7 + ) = 0.2𝑓 (1.5, −1.0189912 + )
2 2 2
𝑘3 = 0.2𝑓(1.5, −1.0159686) = 0.0063364
𝑘4 = ℎ𝑓 (𝑡7 + ℎ, 𝑤7 + 𝑘3 ) = 0.2𝑓(1.4 + 0.2, −1.0189912 + 0.0063364)
𝑘4 = 0.2𝑓(1.6, −1.0126548 ) = 0.2(−(−1.0126548 + 1)(−1.0126548 + 3))
𝑘4 = 0.0050297
1
𝑤8 = 𝑤7 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤8 = −1.0189912 + (0.0075243 + 2(0.0060453) + 2(0.0063364) + 0.0050297)
6
𝑤8 = −1.0127716
𝑦(𝑡8 ) = −3 + 2(1 + 𝑒 −2∗1.6 )−1 = −1.0783314

1
𝑤9 = 𝑤8 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡8 = 0 + (8)(0.2) = 1.6
𝑤8 = −1.0127716
𝑘1 = ℎ𝑓 (𝑡8 , 𝑤8 ) = 0.2𝑓 (1.6, −1.0127716)

= 0.2(−(−1.0127716 + 1)(−1.0127716 + 3))
𝑘1 = 0.005076
ℎ 𝑘1 0.2 0.005076
𝑘2 = ℎ𝑓 (𝑡8 + , 𝑤8 + ) = 0.2𝑓 (1.6 + , −1.0127716 + )
2 2 2 2
𝑘2 = 0.2𝑓(1.7, −1.0102336) = 0.2(−( −1.0102336 + 1)( −1.0102336 + 3))

= 0.0040725
ℎ 𝑘2 0.0040725
𝑘3 = ℎ𝑓 (𝑡8 + , 𝑤8 + ) = 0.2𝑓 (1.7, −1.0127716 + )
2 2 2
𝑘3 = 0.2𝑓(1.7, −1.0107354) = 0.0042711
𝑘4 = ℎ𝑓 (𝑡8 + ℎ, 𝑤8 + 𝑘3 ) = 0.2𝑓(1.6 + 0.2, −1.0127716 + 0.0042711)
𝑘4 = 0.2𝑓(1.8, −1.0085005 ) = 0.2(−(−1.0085005 + 1)(−1.0085005 + 3))
𝑘4 = 0.0033857
1
𝑤9 = 𝑤8 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤9 = −1.0127716 + (0.005076 + 2(0.0040725) + 2(0.0042711) + 0.0033857)
6
𝑤9 = −1.0085801
𝑦(𝑡9 ) = −3 + 2(1 + 𝑒 −2∗1.8 )−1 = −1.053194
1
𝑤10 = 𝑤9 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡9 = 0 + (9)(0.2) = 1.8
𝑤9 = −1.0085801
𝑘1 = ℎ𝑓 (𝑡9 , 𝑤9 ) = 0.2𝑓(1.8, −1.0085801)

= 0.2(−(−1.0085801 + 1)(−1.0085801 + 3))
𝑘1 = 0.0034173
ℎ 𝑘1 0.2 0.0034173
𝑘2 = ℎ𝑓 (𝑡9 + , 𝑤9 + ) = 0.2𝑓 (1.8 + , −1.0085801 + )
2 2 2 2
𝑘2 = 0.2𝑓(1.9, −1.0068715) = 0.2(−( −1.0068715 + 1)( −1.0068715 + 3))

= 0.0027392
ℎ 𝑘2 0.0027392
𝑘3 = ℎ𝑓 (𝑡9 + , 𝑤9 + ) = 0.2𝑓 (1.9, −1.0085801 + )
2 2 2
𝑘3 = 0.2𝑓(1.9, −1.0072105) = 0.0028738
𝑘4 = ℎ𝑓 (𝑡9 + ℎ, 𝑤9 + 𝑘3 ) = 0.2𝑓(1.8 + 0.2, −1.0085801 + 0.0028738)
𝑘4 = 0.2𝑓(2.0, −1.0057063 ) = 0.2(−(−1.0057063 + 1)(−1.0057063 + 3))
𝑘4 = 0.002276
1
𝑤10 = 𝑤9 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤10 = −1.0085801 + (0.0034173 + 2(0.0027392) + 2(0.0028738) + 0.002276)
6
𝑤10 = −1.0057602
𝑦(𝑡10 ) = −3 + 2(1 + 𝑒 −2∗2.0 )−1 = −1.0359724
1
𝑤11 = 𝑤10 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑡𝑖 = 𝑎 + 𝑖ℎ → 𝑡10 = 0 + (10)(0.2) = 2
𝑤10 = −1.0057602
𝑘1 = ℎ𝑓 (𝑡10 , 𝑤10 ) = 0.2𝑓 (2.0, −1.0057602)

= 0.2(−(−1.0057602 + 1)(−1.0057602 + 3))
𝑘1 = 0.0022974
ℎ 𝑘1 0.2 0.0022974
𝑘2 = ℎ𝑓 (𝑡10 + , 𝑤10 + ) = 0.2𝑓 (2.0 + , −1.0057602 + )
2 2 2 2
𝑘2 = 0.2𝑓(2.1, −1.0046115) = 0.2(−( −1.0046115 + 1)( −1.0046115 + 3))

= 0.0018403
ℎ 𝑘2 0.0018403
𝑘3 = ℎ𝑓 (𝑡10 + , 𝑤10 + ) = 0.2𝑓 (2.1, −1.0057602 + )
2 2 2
𝑘3 = 0.2𝑓(2.1, −1.0048401) = 0.0019314
𝑘4 = ℎ𝑓 (𝑡10 + ℎ, 𝑤10 + 𝑘3 ) = 0.2𝑓(2.0 + 0.2, −1.0057602 + 0.0019314)
𝑘4 = 0.2𝑓(2.2, −1.0038288 ) = 0.2(−(−1.0038288 + 1)(−1.0038288 + 3))
𝑘4 = 0.0015286
1
𝑤11 = 𝑤10 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
1
𝑤11 = −1.0057602 + (0.0022974 + 2(0.0018403) + 2(0.0019314) + 0.0015286)
6
𝑤11 = −1.0038653
𝟏𝟏. 𝒄. (𝑹𝒆𝒒𝒖𝒆𝒋𝒐 𝑳𝒍𝒂𝒕𝒂𝒔 𝑽𝒊𝒄𝒕𝒐𝒓)
𝑦´ = −(𝑦 + 1)(𝑦 + 3), 𝑦 ≤ 𝑡 ≤ 2, 𝑦(0) = −2, 𝑐𝑜𝑛 ℎ = 0.2 … (1)
𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1 … (2)
𝐶𝑜𝑚𝑝𝑎𝑟𝑎𝑚𝑜𝑠 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑙 𝑑𝑎𝑑𝑎 (1) 𝑐𝑜𝑛 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎 𝑔𝑒𝑛𝑒𝑟𝑎𝑙 𝑑𝑒𝑙 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎
𝑑𝑒 𝑣𝑎𝑙𝑜𝑟 𝑖𝑛𝑖𝑐𝑖𝑎𝑙
𝑦´ = 𝑓 (𝑡, 𝑦), 𝑎 ≤ 𝑡 ≤ 𝑏, 𝑦(𝑎) = 𝛼
𝑙𝑙𝑒𝑔𝑎𝑚𝑜𝑠 𝑎: 𝑓 (𝑡, 𝑦) = −(𝑦 + 1)(𝑦 + 3), 𝛼 = 𝑤0 = 𝑦0 = −2, 𝑡0 = 𝑎, 𝑏 = 2
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎𝑞𝑢í 𝑡𝑒𝑛𝑑𝑟𝑖𝑎𝑚𝑜𝑠 𝑞𝑢𝑒:
𝑡𝑖 = 𝑡0 + ℎ ∗ 𝑖 = 0 + 0.2 ∗ 𝑖 = 0.2𝑖
𝐸𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑅𝑢𝑛𝑔𝑒 − 𝐾𝑢𝑡𝑡𝑎 𝑑𝑒 𝑐𝑢𝑎𝑟𝑡𝑜 𝑜𝑟𝑑𝑒𝑛 𝑒𝑠:
𝑤0 = 𝛼
𝑘1 = ℎ ∗ 𝑓(𝑡𝑖 , 𝑤𝑖 )
ℎ 𝑘1
𝑘2 = ℎ ∗ 𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
ℎ 𝑘2
𝑘3 = ℎ ∗ 𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘4 = ℎ ∗ 𝑓 (𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
1
𝑤𝑖+1 = 𝑤𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ], 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑖 = 0,1, … , 𝑁 − 1
6
𝐴ℎ𝑜𝑟𝑎 𝑑𝑎𝑑𝑜 𝑞𝑢𝑒 𝑤0 = −2, 𝑡𝑒𝑛𝑑𝑟𝑒𝑚𝑜𝑠 𝑞𝑢𝑒:
𝑘1 = ℎ ∗ 𝑓(𝑡0 , 𝑤0 ) = 0.2 ∗ 𝑓 (0, −2) = 0.2
ℎ 𝑘1 0.2 0.198
𝑘2 = ℎ ∗ 𝑓 (𝑡0 + , 𝑤0 + ) = 0.2 ∗ 𝑓 (0 + , −2 + ) = 0.198
2 2 2 2
ℎ 𝑘2 0.2 0.198
𝑘3 = ℎ ∗ 𝑓 (𝑡0 + 2 , 𝑤0 + )= 0.2 ∗ 𝑓 (0 + , −2 + ) =0.19804
2 2 2
𝑘4 = ℎ ∗ 𝑓 (𝑡1 , 𝑤0 + 𝑘3 ) = 0.2 ∗ 𝑓 (0.2,2 + 0.19804) = 0.192156
𝐸𝑠 𝑑𝑒𝑐𝑖𝑟 𝑛𝑜𝑠 𝑞𝑢𝑒𝑑𝑎 𝑞𝑢𝑒:
ℎ 0.2
𝑤1 = 𝑤0 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ] = −2 + [0.2 + 2 ∗ 0.198 +
6 6
2 ∗ 0.19804 + 0.192156] = −1.80263
𝐷𝑒 𝑚𝑎𝑛𝑒𝑟𝑎 𝑠𝑖𝑚𝑖𝑙𝑎𝑟 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑅𝑢𝑛𝑔𝑒

− 𝐾𝑢𝑡𝑡𝑎 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑐𝑢𝑎𝑡𝑟𝑜, 𝑝𝑜𝑑𝑒𝑚𝑜𝑠
𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑠. 𝐿𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑡𝑎𝑏𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑙𝑎
𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎 𝑦 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑎𝑐𝑡𝑎:
𝐼 𝑡𝑖 𝑤𝑖 (𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜𝑠)𝑦[𝑡𝑖 ](𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑒𝑥𝑎𝑐𝑡𝑜𝑠) 𝐸. 𝑟𝑒𝑎𝑙[𝑖 ] = |𝑦[𝑡𝑖 ]

− 𝑤𝑖 ]
1 0.2 −1.80263 −1.80262 2.7123 ∗ 10−6
2 0.4 −1.62006 −1.62005 6.60106 ∗ 10−6
3 0.6 −1.46296 −1.46295 0.0000124058
4 0.8 −1.33598 −1.33596 0.000019153
5 1.0 −1.23843 −1.23841 0.0000248941
6 1.2 −1.16637 −1.16635 0.0000281499
7 1.4 −1.11468 −1.11465 0.0000285862
8 1.6 −1.07836 −1.07833 0.0000267598
9 1.8 −1.05322 −1.05319 0.00002356
10 2.0 −1.03599 −1.03597 0.0000198032
11d. (Acuña Vasquez Yoemi)

y´ 5 y  5t 2  2t
0  t 1
1
y (0) 
3
h  0.1
Solución real
1
y (t )  t 2  e 5t
3
Solución
ba 1 0
a0 b 1 h  0.1 h n  10
n 0.1
1
wi 1  wi   k1  2k2  2k3  k4  para i  1, 2,...,9
6
para i  0
1
w1  w0   k1  2k2  2k3  k4 
6
ti  a  ih t0  0  (0)0.1  0 t1  0  (1)0.1  0.1
w0  y (t0 )  y (0)  0
k1  hf (t0 , w0 )  0.1 f (0, 0)  0.1(5(0)  5(0) 2  2(0))
k1  0
 h k 
k2  hf  t0  , w0  1 
 2 2
 0.1 0
k2  0.1 f  0  , 0    0.1 f (0.05, 0)  0.1(5(0)  5(0.05) 2  2(0.05)
 2 2
k2  0.01125
 h k 
k3  hf  t0  , w0  2 
 2 2
 0.1 0.01125 
k3  0.1 f  0  ,0    0.1 f (0.05, 0.005625)  0.1(5(0.005625)  5(0.05)  2(0.05)
2
 2 2 
k3  00084375
k4  hf (t0  h, w0  k3 )  0.1 f (0  0.1, 0  0.0084375)  0.1 f (0.1, 0.0084375)
k4  0.1(5(0.0084375)  5(0.1) 2  2(0.1))
k4  0.022578
1
w1  w0   k1  2k2  2k3  k4 
6
1
w1  0  0  2(0.01125)  2(0.00843755)  0.022578  0.0091255
6
1
y1  y (t1 )  y (0.1)  t 2  e 5t
3
1
y1  0.12  e 5(0.1)  0.2121769
3
1
Para i  1  k1  2k2  2k3  k4 
w2  w1
6
t1  0.1 w1  0.0091255
k1  hf (t1 , w1 )  0.1 f (0.1, 0.0091255)  0.1(5(0.0091255)  5(0.1) 2  2(0.1))
k1  0.0204337
h k
k2  hf (t1  , w1 1 )
2 2
 0.1 0.0204337 
k2  0.1 f  0.1  , 0.0091255 
 2 2 
k2  0.1 f (0.15, 0.0194023)  0.1(5(0.0194023)  5(0.15) 2  2(0.15))
k2  0.0315488
h k
k3  hf (t1  , w1  2 )
2 2
0.1 0.0315488
k3  0.1 f (0.1  , 0.0091255  )
2 2
k3  0.1 f (0.15, 0.024959)  0.1(5(0.024959)  5(0.15)2  2(0.15))
k3  0.028775
k4  hf (t1  h, w1  k3 )  0.1 f (0.2,0.037896)

k4  0.041052
1
w2  w1   k1  2k2  2k3  k4  ti  a  ih t2  0  2 * 0.1  0.2
6
1
w2  0.0091255   0.0204337  2 * 0.0315488  2 * 0.028775  0.041052
6
w2  0.0298893
1
y2  y (t2 )  y (0.2)  t 2  e 5t
3
1
y2  0.22  e 5*0.2  0.1626265
3
1
Para i  2 w3  w2  k1  2k2  2k3  k4 
6
t1  0.12 w1  0.0298893
k1  hf (t1 , w1 )  0.1 f (0.2, 0.0298893)  0.1(5(0.0298893)  5(0.2) 2  2(0.2))
k1  0.0450553
h k
k2  hf (t2  , w2 1 )
2 2
 0.2 0.0450553 
k2  0.1 f  0.2  , 0.0298893 
 2 2 
k2  0.1 f (0.3, 0.05241695)  0.1(5(0.05241695)  5(0.3) 2  2(0.3))
k2  0.0787915
h k
k3  hf (t1  , w1  2 )
2 2
0.1 0.0787915
k3  0.1 f (0.1  , 0.029889  )
2 2
k3  0.1 f (0.3, 0.069205)  0.1(5(0.069205)  5(0.3) 2  2(0.3))
k3  0.0703975
k4  hf (t1  h, w1  k3 )  0.1 f (0.4, 0.1002865)
k4  0.10985675
1
w3  w2   k1  2k2  2k3  k4  ti  a  ih t3  0  3* 0.1  0.3
6
1
w3  0.0298893   0.0450553  2 * 0.0703975  2 * 0.0703975  0.10985675
6
w3  0.10443764
1
y3  y (t3 )  y (0.3)  t 2  e 5t
3
1
y3  0.32  e 5*0.3  0.1643767
3
1
Para i  3 w4  w3  k1  2k2  2k3  k4 
6
t1  0.3 w3  0.10443764
k1  hf (t3 , w3 )  0.1 f (0.3, 0.10443764)
k1  0.0522778
h k
k2  hf (t3  , w3 1 )
2 2
 0.2 0.0522778 
k2  0.1 f  0.3  , 0.10443764  
 2 2 
k2  0.1 f (0.4, 0.0658266)
k2  0.12700867
h k
k3  hf (t3  , w3  2 )
2 2
0.2 0.12700867
k3  0.1 f (0.3  , 0.029889  )
2 2
k3  0.1 f (0.4, 0.0933933)
k3  0.1133033
k4  hf (t1  h, w1  k3 )  0.1 f (0.5, 0.2177094)
k4  0.1161453
1
w4  w3   k1  2k2  2k3  k4  ti  a  ih t3  0  4 * 0.1  0.4
6
1
w4  0.10443764   0.0522778  2 * 0.12700867  2 * 0.1133033  0.1161453
6
w4  0.2103031
1
y4  y (t4 )  y (0.3)  t 2  e 5t
3
1
y4  0.42  e 5*0.4  0.2051118
3
1
Para i  4 w5  w4 k1  2k2  2k3  k4 
6
t1  0.4 w4  0.2103031
k1  hf (t4 , w4 )  0.1 f (0.4, 0.2103031)
k1  0.0548484
h k
k2  hf (t4  , w4 1 )
2 2
 0.2 0.0548484 
k2  0.1 f  0.4  , 0.2103031  
 2 2 
k2  0.1 f (0.5, 0.2377273)
k2  0.10613635
0.2 0.10613635
k3  0.1 f (0.4  , 0.2103031  )
2 2
k3  0.1 f (0.4, 0.02633712)
k3  0.2183144
k4  hf (t4  h, w4  k3 )  0.1 f (0.6, 0.4286175)
k4  0.08569125
1
w5  w4   k1  2k2  2k3  k4  ti  a  ih t3  0  5 * 0.1  0.5
6
1
w5  0.2103031   0.0548484  2 * 0.10613635  2 * 0.2183144  0.08569125
6
w5  0.3418766
1
y5  y (t5 )  y (0.5)  t 2  e 5t
3
1
y5  0.52  e 5*0.5  0.2773617
3
1
Para i  5 w6  w5 k1  2k2  2k3  k4 
6
t1  0.5 w4  0.3418766
k1  hf (t5 , w5 )  0.1 f (0.5, 0.3418766)
k1  0.05480617
h k
k2  hf (t5  , w5 1 )
2 2
 0.2 0.0540617 
k2  0.1 f  0.5  , 0.3418766  
 2 2 
k2  0.1 f (0.6, 0.36890745)
k2  0.1155462
0.2 0.1155462
k3  0.1 f (0.5  , 0.3418766  )
2 2
k3  0.1 f (0.6, 0.3418766)
k3  0.1001751
k4  hf (t5  h, w5  k3 )  0.1 f (0.7, 0.4205175)
k4  0.1747412
1
w6  w5   k1  2k2  2k3  k4  ti  a  ih t3  0  6 * 0.1  0.6
6
1
w6  0.2103031   0.0540617  2 * 0.1155462  2 * 0.1001751  0.1747412
6
w6  0.3203514
1
y6  y (t6 )  y (0.6)  t 2  e5t
3
1
y6  0.62  e 5*0.6  0.3765957
3
1
Para i  6 w7  w6 k1  2k2  2k3  k4 
6
t1  0.6 w4  0.3203514
k1  hf (t6 , w6 )  0.1 f (0.6, 0.3203514)
k1  0.1398243
h k
k2  hf (t5  , w5 1 )
2 2
 0.2 0.1398243 
k2  0.1 f  0.6  , 0.3203514  
 2 2 
k2  0.1 f (0.7, 0.3902635)
k2  0.1048682
0.2 0.1048682
k3  0.1 f (0.6  , 0.320314  )
2 2
k3  0.1 f (0.7, 0.3727855)
k3  0.19860725
k4  hf (t6  h, w6  k3 )  0.1 f (0.8, 0.44895865)
k4  0.2558207
1
w7  w6   k1  2k2  2k3  k4  ti  a  ih t3  0  7 * 0.1  0.7
6
1
w7  0.3203514   0.1398243  2 * 0.1048682  2 * 0.19860725  0.2558207 
6
w7  0.48784843
1
y7  y (t7 )  y (0.7)  t 2  e 5t
3
1
y7  0.7 2  e 5*0.7  0.5000658
3
1
Para i  7  k1  2k2  2k3  k4 
w8  w7
6
t1  0.7 w4  0.48784843
k1  hf (t7 , w7 )  0.1 f (0.7, 0.48784843)
k1  0.14107576
h k
k2  hf (t7  , w7 1 )
2 2
 0.2 0.14107578 
k2  0.1 f  0.7  , 0.48784843  
 2 2 
k2  0.1 f (0.8, 0.5583863)
k2  0.200806
0.2 0.200806
k3  0.1 f (0.7  , 0.48784843  )
2 2
k3  0.1 f (0.8, 0.5882518)
k3  0.1858741
k4  hf (t7  h, w7  k3 )  0.1 f (0.9, 0.6737225)
k4  0.2481387
1
w8  w6   k1  2k2  2k3  k4  ti  a  ih t3  0  8 * 0.1  0.8
6
1
w8  0.48784843   0.14107578  2 * 0.200806  2 * 0.1858741  0.2481387 
6
w8  0.68159984
1
y8  y (t7 )  y (0.8)  t 2  e5t
3
1
y8  0.82  e 5*0.8  0.6461052
3
1
Para i  8  k1  2k2  2k3  k4 
w9  w8
6
t1  0.8 w8  0.68159984
k1  hf (t8 , w8 )  0.1 f (0.7, 0.68159984)
k1  0.13922001
h k
k2  hf (t8  , w8 1 )
2 2
 0.2 0.1392001 
k2  0.1 f  0.8  , 0.68159984  
 2 2 
k2  0.1 f (0.9, 0.7511998)
k2  0.2094001
0.2 0.2094001
k3  0.1 f (0.8  , 0.68159984  )
2 2
k3  0.1 f (0.9, 0.7862998)
k3  0.19185006
k4  hf (t8  h, w8  k3 )  0.1 f (1, 0.8734499)
k4  0.263275505
1
w9  w8   k1  2k2  2k3  k4  ti  a  ih t3  0  8 * 0.1  0.8
6
1
w9  0.68159984   0.1392001  2 * 0.2094001  2 * 0.19185006  0.26275505
6
w9  0.88455926
1
y9  y (t8 )  y (0.9)  t 2  e 5t
3
1
y9  0.92  e 5*0.9  0.813703
3
11.D. (Narva Zamora Willam)
𝟏
𝒚′ = −𝟓𝒚 + 𝟓𝒕𝟐 + 𝟐𝒕 𝟎≤𝒕≤𝟏 𝒚(𝟎) = 𝟑
𝟏
𝒉 = 𝟎. 𝟏 solucion real: 𝒚(𝒕) = 𝒕𝟐 + 𝟑 𝒆−𝟓
𝑏−𝑎 𝑏−𝑎
ℎ= 𝑛=
𝑛 ℎ
1−0
𝑛= = 10
0.1
1
𝑤𝑖+1 = 𝑤𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
 Para: 𝒊 = 𝟎
1
𝑤1 = 𝑤0 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡𝑖 = 𝑎 + 𝑖ℎ 𝑡0 = 0 + (0)0.1 𝑡𝑖 = 0.1
𝑤0 = 𝑦(𝑡0 ) = 𝑦(0) = 0
𝑘1 = ℎ𝑓 (𝑡0 , 𝑤0 ) = 0.1𝑓 (0,0) = 0.1(−5(0) + 5(0)2 + 2(0))
𝑘1 = 0
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡0 + , 𝑤0 + )
2 2
0.1 0
𝑘2 = 0.1𝑓 (0 + , 0 + 2) 𝑘2 = 0.1𝑓(0.05,0)
2
𝑘2 = 0.01125
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡0 + , 𝑤0 + )
2 2
0.1 0.01125
𝑘3 = 0.1𝑓 (0 + ,0 + )
2 2
𝑘3 = 0.0084375
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.1𝑓(0 + 0.1,0 + 0.0084375)
𝑘4 = 0.022578
Reemplazando en la formula
1
𝑤1 = 𝑤0 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤1 = 0 + [0 + 2(0.01125) + 2(0.0084375) + 0.022578]
6
𝑤1 = 0.0091255
1
𝑦1 = 𝑦(𝑡) = 𝑡 2 + 𝑒 −5
3
1
𝑦1 = 𝑦(𝑡1 ) = 𝑡 2 + 𝑒 −5 = 0.212176
3
para 𝒊 = 𝟏
1
𝑤2 = 𝑤1 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡1 = 0.1 𝑤1 = 0.0091255
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 ) = 0.1𝑓 (0.1,0.0091255)
𝑘1 = 0.0204337
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + ) 𝑘2 = 0.1𝑓(0.15,0.0194023)
2
𝑘2 = 0.0315488
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + , 𝑤1 + ) 𝑘3 = 0.1𝑓(0.15,0.024959)
2 2
𝑘3 = 0.0084375
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 ) 𝑘4 = 0.1𝑓(0.2,0.037896)
𝑘4 = 0.041052
1
𝑤2 = 𝑤1 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤2 = 0.0298893
1
𝑦2 = 𝑦(𝑡2 ) = 𝑡 2 + 𝑒 −5
3
𝑦2 = 0.3226264
para 𝒊 = 𝟐
1
𝑤3 = 𝑤2 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡2 = 0.2
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.0450553
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.0787915
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.0703975
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.10985675
1
𝑤3 = 𝑤2 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤3 = 0.10443764
1
𝑦3 = 𝑦(𝑡3 ) = 𝑡 2 + 𝑒 −5
3
𝑦3 = 0.3743767
para 𝒊 = 𝟑
1
𝑤4 = 𝑤3 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡3 = 0.3
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.0522778
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.12700867
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.1133033
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.1161453
1
𝑤4 = 𝑤3 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤4 = 0.2103031
1
𝑦4 = 𝑦(𝑡4 ) = 𝑡 2 + 𝑒 −5
3
𝑦4 = 0.445111
para 𝒊 = 𝟒
1
𝑤5 = 𝑤4 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡4 = 0.4
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.0548484
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.10613635
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.2183144
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.08569125
1
𝑤5 = 𝑤4 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤5 = 0.3418766
1
𝑦5 = 𝑦(𝑡5 ) = 𝑡 2 + 𝑒 −5
3
𝑦5 = 0.52733616
para 𝒊 = 𝟓
1
𝑤6 = 𝑤5 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡5 = 0.5
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.0540617
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.10613635
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.1155462
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.1747412
1
𝑤6 = 𝑤5 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤6 = 0.3203514
1
𝑦6 = 𝑦(𝑡6 ) = 𝑡 2 + 𝑒 −5
3
𝑦6 = 0.6165956
para 𝒊 = 𝟔
1
𝑤7 = 𝑤6 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡6 = 0.6
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.1398243
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.1048682
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.19860725
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.2558207
1
𝑤7 = 𝑤6 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤7 = 0.48784843
1
𝑦7 = 𝑦(𝑡7 ) = 𝑡 2 + 𝑒 −5
3
𝑦7 = 0.007046
para 𝒊 = 𝟕
1
𝑤8 = 𝑤7 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡7 = 0.7
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.14107578
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.200806
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.1858741
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.2481387
1
𝑤8 = 𝑤7 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤8 = 0.68159984
1
𝑦8 = 𝑦(𝑡8 ) = 𝑡 2 + 𝑒 −5
3
𝑦8 = 0.8061052
para 𝒊 = 𝟖
1
𝑤9 = 𝑤7 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑡8 = 0.8
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.1392001
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘2 = 0.2094001
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡1 + 2 , 𝑤1 + )
2
𝑘3 = 0.19185006
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + 𝑘3 )
𝑘4 = 0.2632755
1
𝑤9 = 𝑤8 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
𝑤9 = 0.88455926
1
𝑦9 = 𝑦(𝑡9 ) = 𝑡 2 + 𝑒 −5
3
𝑦9 = 0.90370299
Ejercicio 12. Use los resultados del ejercicio 11 y la interpolación de Hermite para
aproximar los valores de y(t) y compare las aproximaciones con los valores reales.
a. 𝒚(𝟏. 𝟐𝟓) 𝒚 𝒚(𝟏. 𝟗𝟑) (Rojas Fonseca Wilser)
Repita el ejercicio 4 usando el método de Rung-kutta de orden cuatro.
Utilice el método de Euler modificado para aproximar las soluciones a cada uno de los
siguientes problemas con valores iniciales y compare los resultados con los valores reales.
𝑦 𝑦 2 𝑡
a) 𝑦 ′ = 𝑡 − ( 𝑡 ) , 1 ≤ 𝑡 ≤ 2, 𝑦(1) = 1 𝑐𝑜𝑛 ℎ = 0.1; 𝑎𝑐𝑡𝑢𝑎𝑙 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑦(𝑡) = (1+ln(𝑡)).
SOLUCIÓN:
Considerando el problema del valor inicial como se muestra a continuación
y ′ = f(t, y), a ≤ t ≤ b, y(a) = α
Para aproximar la solución al problema de valor inicial dado, el Runge-Kutta orden-cuatro es

el método numérico más importante y está dado por.
𝑤0 = 𝛼
 𝑘1 = ℎ ∗ 𝑓 (𝑡𝑖 , 𝑤𝑖 )
ℎ 1
 𝑘2 = ℎ ∗ 𝑓 (𝑡𝑖 + 2 , 𝑤𝑖 + 2 𝑘1 )
ℎ 1
 𝑘3 = ℎ ∗ 𝑓 (𝑡𝑖 + 2 , 𝑤𝑖 + 2 𝑘2 )
 𝑘4 = ℎ ∗ 𝑓 (𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
1
𝑤𝑖+1 = 𝑤𝑖 + 6 [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
Para cada 𝑖 = 0,1,2, … , 𝑁 − 1
Aplicar el orden cuatro de Runge-kutta para aproximar la solución del valor inicial.
Problema:
𝑦 𝑦 2
𝑦 ′ = 𝑡 − ( 𝑡 ) , 1 ≤ 𝑡 ≤ 2, 𝑦(1) = 1
Con el tamaño del paso ℎ = 0.1 y compare los resultados con la solución real
𝑡
𝑦(𝑡) = (1+ln(𝑡))
A continuación, tenemos:
𝑦(𝑡)
𝑦(𝑡)(1−( ))
ⅆ 𝑡
𝑦(𝑡) =
ⅆ𝑡 𝑡
 A continuación de lo anterior.
>problema de valor inicial y(1) = 1.0 , t = 2 por método de Runge −
𝐾𝑢𝑡𝑡𝑎, 𝑠𝑢𝑏𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑟𝑘4
A continuación tenemos.
>para k 𝑑𝑒 1 𝑎 12: 𝑓([𝐶 [𝑘, 1], 𝐶 [𝑘, 2], 𝐶 [𝑘, 3], 𝐶 [𝑘, 4]])
[𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑚𝑢𝑚é𝑟𝑖𝑐𝑎 𝑑𝑒 𝑅𝑢𝑛𝑔𝑒 − 𝑘𝑢𝑡𝑡𝑎 𝑑𝑒 𝑐𝑢𝑎𝑟𝑡𝑜 𝑜𝑟𝑑𝑒𝑛 (𝑒𝑟𝑟𝑜𝑟) ]
[1. , 1.0, 1.0, 0. ]
[1.1000000, 1.0042817, 1.0042815, 1.9621045 10−7 ]
[1.2000000, 1.0149523, 1.0149520, 2.9672573 10−7 ]
[1.3000000, 1.0298137, 1.0298133, 3.5741080 10−7 ]
[1.4000000, 1.0475339, 1.0475336, 3.4173332 10−7 ]
[1.5000000, 1.0672624, 1.0672620, 4.1219995 10−7 ]
[1.6000000, 1.0884327, 1.0884323, 3.8066515 10−7 ]
[1.7000000, 1.1106551, 1.1106547, 4.1484345 10−7 ]
[1.8000000, 1.1336536, 1.1336532, 4.0889413 10−7 ]
[1.9000000, 1.1572284, 1.1572281, 3.3101302 10−7 ]
[2. , 1.1812322, 1.1812319, 3.4427719 10−7 ]
Calculamos las soluciones reales como se muestra a continuación:
Utilizando la siguiente formula:
𝑦(𝑡) = 1 + +
ⅆ𝑡 𝑡 𝑡
.𝑦(1) = 1
𝑡
𝑦(𝑡) = 𝑙𝑛(𝑡)+1
Para T que esta 1 ≤ 𝑡 ≤ 2:

𝑡
Reemplazamos en: 𝑦(𝑡): = (𝑙𝑛(𝑡)+1)
𝑦(1.0) ≔ 1
𝑦(1.1) ≔ 1.0042817
𝑦(1.2) ≔ 1.0149523
𝑦(1.3) ≔ 1.0298137
𝑦(1.4) ≔ 1.0475339
𝑦(1.5) ≔ 1.0672624
𝑦(1.6) ≔ 1.0884327
𝑦(1.7) ≔ 1.1106551
𝑦(1.8) ≔ 1.1336535
𝑦(1.9) ≔ 1.1572284
𝑦(2.0) ≔ 1.1812322
Resultado: las soluciones aproximadas al problema del valor inicial dado en algunos puntos.
Que se muestran a continuación.
Nodos Runge-Kutta método de orden Soluciones

𝑡𝑖 cuatro reales
𝑤𝑖 𝑦(𝑡𝑖 )
1.2 1.0149520 1.0149523

1.4 1.0475336 1.0475339
1.6 1.0884323 1.0884327
1.8 1.1336532 1.1336535
Calculando el 𝑦(1.25) 𝑦 𝑦(1.93) aplicando la interpolación cúbica de Hermite.
Tecnología de arce como se muestra a continuación
𝑡
. 𝑦(𝑡): = (𝑙𝑛(𝑡)+1)
>𝑦(1.2); 𝑦(1.3); 𝑦(1.9); 𝑦(2.0):
𝑦(1.2) ≔ 1.0149520
𝑦(1.3) ≔ 1.0298133
𝑦(1.9) ≔ 1.1572281
𝑦(2.0) ≔ 1.1812319
 Seguidamente tenemos:
𝑦(𝑡) 𝑦(𝑡)
>𝑓(𝑡): = ( ) ∗ (1 − ( ))
𝑡 𝑡
𝒚(𝒕)
𝒚(𝒕)(𝟏−( ))
𝒕
𝒇(𝒕) = 𝒕
>𝑓(1.2); 𝑓 (1.3); 𝑓 (1.9); 𝑓 (2.0);
𝑓 (1.2) = 0.13042698
𝑓 (1.3) = 0.16464015
𝑓 (1.9) = 0.23810430
𝑓 (1.9) = 0.24178875
A continuación de lo anterior.
>𝑥𝑦1 : = [[1.2, 𝑦(1.2), 𝑓(1.2)], [1.3, 𝑦(1.3), 𝑓(1.3)]]
𝑥𝑦1 : = [[1.2, 1.0149520, 0.13042698], [1.3, 1.0298133, 0.16464015]]
𝑃1
≔ 𝐼𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑥𝑦1, 𝑚𝑒𝑡ó𝑑𝑜 𝑑𝑒 𝐻𝑒𝑟𝑚𝑖𝑡𝑒, 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 ′ 𝑡 ′ , 𝑑𝑒 8 𝑑𝑖𝑔𝑖𝑡𝑜𝑠)
.𝑇1 ≔ 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎𝑠(𝑃1)
1.0149520 0 0 0
1.0149520 0.13042698 0 0
𝑇1 : = [ ]
1.0298133 0.14861300 0.18186020 0
1.0298133 0.16464015 0.16027150 −0.21588700
>𝑥𝑦2 : = [[1.9, 𝑦(1.9), 𝑓(1.9)], [2.0, 𝑦(2.0), 𝑓(2.0)]]

. 𝑥𝑦2: = [[1.9, 1.1572281, 0.23810430], [2.0,1.1812319, 0.24178875]]
𝑃2: =
𝐼𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑥𝑦2, 𝑚𝑒𝑡ó𝑑𝑜 𝑑𝑒 𝐻𝑒𝑟𝑚𝑖𝑡𝑒, 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 ′ 𝑡 ′ , 𝑑𝑒 8 𝑑𝑖𝑔𝑖𝑡𝑜𝑠)
.𝑇1 ≔ 𝑇𝑎𝑏𝑙𝑎 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑑𝑖𝑣𝑖𝑑𝑖𝑑𝑎𝑠(𝑃2)
1.1572281 0 0 0
1.1572281 0.23810430 0 0
𝑇2 : = [ ]
1.1812319 0.24003800 0.019337000 0
1.1812319 0.24178875 0.017507500 −0.01829500
Continuación de lo anterior.
𝐻1 : = 1.5244588 − 1.2904822𝑡 + 0.98064210𝑡 2 − 0.21588700𝑡 3
.𝐻1 : = 1.5244588 − 1.2904822(1.25) + 0.98064210(1.25)2 − 0.21588700(1.25)3
1.0219550
𝐻2 : = 0.90672640 − 0.040463250𝑡 + 0.12544800𝑡 2 − 0.01829500𝑡 3
𝐻2 : = 0.90672640 − 0.040463250(1.93) + 0.12544800(1.93)2 − 0.01829500(1.93)3
1.1643898
Calcule las soluciones reales y(1.25) y y(1.93).
Como se muestra a continuación
𝑦(𝑡) = −
ⅆ𝑡 𝑡 𝑡
.𝑦(1) = 1
Nos queda que:
𝑡
𝑦(𝑡) = 𝑙𝑛(𝑡)+1
>(𝑡 = 1.25)= 1.0219569
>(𝑡 = 1.93)= 1,643902
Resultado: Por lo tanto, los valores de interpolación de Hermite cúbico utilizando el orden
cuarto de Runge-Kutta.
Para aproximar la solución del problema del valor inicial y los valores reales, son dadas por.
Valores Valores de interpolación Hermite de Valores actuales
intermedios cubica 𝑦(𝑡)
𝑡 𝑦(𝑡)
1.25 1.02195550 1.0219569
1.93 1.1643898 1.16439002
12.a, (Acuña Vasquez Yoemi)
A. y(1.25) y y(1.93)
t
y t   1 t  2
1  ln t
Tenemos:
1
f (1)  1
1  ln(1)
ln(1)
f ´(1)  0
1  ln(1) 2
2
f (2)   1.18123222
1  ln(2)
ln(2)
f ´(2)   0.24178872
(1  ln(2)) 2
Tabla de datos
X x0  1 x1  2
Y 1 1.18123222
Y´ 0 0.24178872
Tabla de diferencias :
X0  1 f  x0   1
X0  1 f  x0   1 f  x0 , x0   0
X1  2 f  x1   1.18123222 f  x0 , x1   1.18123222 f  x0 , x0 , x1   0.18123222
X1  2 f  x1   1.18123222 f  x1 , x1   0.24178872 f  x0 , x1 , x1   0.06055649 f  x0 , x0 , x1 , x1   0.12067573
El polinomio interpolador tiene la forma
H 3  x   x  0.18123222  x  1  0.06055649  x  2   0.12067573  x  1  x  2 
2 2
El valor aproximado para x  1.25 es

H 3  1.25  1.30474951
Cota de error
M4
e3 ( x)  f ( x)  H 3 ( x)   x  x0   x  x1 
2 2
4!
M 4  max f 4 (t )  31.74059232
te 1,2
31.74059232
e3 ( x)  f ( x)  H 3 ( x)  1.25  1 1.25  2   0.0464501
2 2
24
Error exacto
1.25
 1.02195691
1  ln 1.25 
Error real
e3 (1.25)  f (1.25)  H 3 (1.25)  0.28279260
El valor aproximado para x  1.93
H 3 1.93  2.15822734
Cota de error
31.73059232
e3 ( x)  f ( x)  H 3 ( x)  1.93  1 1.93  2 
2 2
24
Error exacto
1.93
 1.164390171
1  ln 1.93
Error real
e3 (1.93)  f (1.93)  H 3 (1.93)  0.993833717
12.c. (Quintana Mendoza Joselito)
c. 𝒚´ = −(𝒚 + 𝟏)(𝒚 + 𝟑) 𝟎≤𝒕≤𝟐 𝒂≤𝒕≤𝒃 𝒚(𝟎) = −𝟐
(𝟏. 𝟑) 𝒚 𝒚(𝟏. 𝟗𝟑)
𝑦´ = −𝑦 2 − 4𝑦 − 3
𝑠𝑖 ℎ = 0.2 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑏−𝑎 2
ℎ = 0.2 = 𝑛= = 10
𝑛 0.2
𝑊0 = −2 ; 𝑡𝑖 = 𝑎 + 𝑖ℎ
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −𝑤𝑖 2 − 4𝑤𝑖 − 3
𝑡𝑖 = 𝑎 + 𝑖ℎ = 0
1
𝑤𝑖+1 = 𝑤𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ] 𝑝𝑎𝑟𝑎 𝑖 = 1,2,3,4 … … 9
6
Para i=0
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 𝑓 (0, −2)
𝑘1 = 0.2
ℎ ℎ
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (0 + , −2 + (0.2))
2 2
𝑘2 = 0.1999200
ℎ ℎ. 𝑘2
𝑘3 = 𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.2 0.2
𝑘3 = ℎ𝑓 (0 + , −2 + ∗ 0.1999200)
2 2
𝑘3 =0.1920064
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤0 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(0 + 0.2, −2 + 0.2(0.1920064)) = 0.2(0.9985253 )
𝑘4 = 0.1997051
Emplazamos en la formula
1
𝑤1 = 𝑤0 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
0.2
𝑤1 = −2 + [0.2 + 2(0.1999200 ) + 2(0.1920064) + 0.1997051]
6
𝑤1 = −1.8027404 valor aproximado
𝑦1 = 𝑦(𝑡1 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦1 = 𝑦(𝑡1 ) = −1.8026247 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=1
𝑡1 = 𝑎 + 𝑖ℎ = 𝑡1 = 0 + 1 ∗ 0.2 = 0.2
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 )
𝑘1 = 0.2𝑓 (0.2, −1.8027404)
𝑘1 =0.1922177
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡1 + , 𝑤1 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (0.2 + , −1.8027404 + (0.1922177))
2 2
𝑘2 = 0.1906272
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (0.2 + , −1.8027404 + ∗ 0.1906272)
2 2
𝑘3 = 0.1906409
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑤1 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(0 + 0.2, −1.8027404 + 0.2(0.1906409))
𝑘4 = 0.1889185
1
𝑤2 = 𝑤1 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤2 = −1.8027404 + [0.1922177 + 2( 0.1906272) + 2(0.1906409) + 0.1889185]
6
𝑦2 = 𝑦(𝑡2 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦2 = 𝑦(𝑡2 ) = −1.6200510 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=2
𝑡2 = 𝑎 + 𝑖ℎ = 𝑡1 = 0 + 2 ∗ 0.2 = 0.4
𝑘1 = ℎ𝑓 (𝑡2 , 𝑤2 )
𝑘1 = 0.2𝑓 (0.4, −1.6121283)
𝑘1 =0.1699111
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡2 + , 𝑤2 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (0.4 + , −1.6121283 + (0.1699111))
2 2
𝑘2 = 0.1672172
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡2 + , 𝑤2 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (0.4 + , −1.6121283 + ∗ 0.1672172)
2 2
𝑘3 = 0.1672608
𝑘4 = ℎ𝑓 (𝑡2 + ℎ, 𝑤2 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(0.4 + 0.2, −1.6121283 + 0.2(0.1672608)) = 𝑓(−1.6193038 )
𝑘4 = 0.1644972
1
𝑤3 = 𝑤2 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤3 = −1.6121283 + [0.1699111 + 2( 0.1672172) + 2(0.1672608) + 0.1644972]
6
𝑦3 = 𝑦(𝑡3 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦3 = 𝑦(𝑡3 ) = −1.4629504 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙

Para i=3
𝑡2 = 𝑎 + 𝑖ℎ = 𝑡1 = 0 + 3 ∗ 0.2 = 0.6
𝑘1 = ℎ𝑓 (𝑡3 , 𝑤3 )
𝑘1 = 0.2𝑓 (0.6, −1.4449009)
𝑘1 =0.1383730
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡3 + , 𝑤3 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (0.4 + , −1.4449009 + (0.1383730))
2 2
𝑘2 = 0.1352623
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡3 + , 𝑤3 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (0.6 + , −1.4449009 + ∗ 0.1352623)
2 2
𝑘3 = 0.1353331
𝑘4 = ℎ𝑓 (𝑡3 + ℎ, 𝑤3 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(0.4 + 0.2, −1.4449009 + 0.2(0.1353331))
𝑘4 = 0.1322166
1
𝑤4 = 𝑤3 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤4 = −1.4449009 + [0.1383730 + 2(0.1352623 ) + 2(0.1353331) + 0.1322166]
6
𝑦4 = 𝑦(𝑡4 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦4 = 𝑦(𝑡4 ) = −1.3359632 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=4
𝑡4 = 𝑎 + 𝑖ℎ = 𝑡1 = 0 + 4 ∗ 0.2 = 0.8
𝑘1 = ℎ𝑓 (𝑡4 , 𝑤4 )
𝑘1 = 0.2𝑓 (0.8, −1.3096042)
𝑘1 =0.1046707
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡4 + , 𝑤4 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (0.8 + , −1.3096042 + (0.1046707))
2 2
𝑘2 = 0.2𝑓(−1.2991371)
𝑘2 = 0.1017582
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡4 + , 𝑤4 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (0.8 + , −1.3096042 + ∗ 0.1017582)
2 2
𝑘3 = 0.2𝑓(−1.2994284)
𝑘3 = 0.1018399
𝑘4 = ℎ𝑓 (𝑡4 + ℎ, 𝑤4 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(0.8 + 0.2, −1.3096042 + 0.2(0.1018399))

𝑘4 = 0.2𝑓(−1.2892362)
𝑘4 = 0.0989630
1
𝑤5 = 𝑤5 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤5 = −1.3096042 + [0.1046707 + 2(0.1017582 ) + 2(0.1018399) + 0.0989630]
6
𝑤5 = −1.2077992aproximado
𝑦5 = 𝑦(𝑡5 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦5 = 𝑦(𝑡5 ) = −1.2384058 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=5
𝑡5 = 𝑎 + 𝑖ℎ = 𝑡1 = 0 + 5 ∗ 0.2 = 1
𝑘1 = ℎ𝑓 (𝑡5 , 𝑤5 )
𝑘1 = 0.2𝑓 (1, −1.2077992)
𝑘1 =0.0744836
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡5 + , 𝑤5 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (1 + , −1.2077992 + (0.0744836))
2 2
𝑘2 = 0.2𝑓(−1.2003508)
𝑘2 = 0.0721122
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡5 + , 𝑤5 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (1 + , −1.2077992 + ∗ 0.0721122)
2 2
𝑘3 = 0.2𝑓(−1.2005880)
𝑘3 = 0.0721881
𝑘4 = ℎ𝑓 (𝑡5 + ℎ, 𝑤5 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(1 + 0.2, −1.2077992 + 0.2(0.0721881))
𝑘4 = 0.2𝑓(−1.1933616)
𝑘4 = 0.0698669
1
𝑤5 = 𝑤5 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤6 = −1.2077992 + [0.0744836 + 2(0.0721122 ) + 2(0.0721881) + 0.0698669]
6
𝑦6 = 𝑦(𝑡6 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦6 = 𝑦(𝑡6 ) = −1.1663454𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=6
𝑡6 = 𝑎 + 𝑖ℎ = 𝑡6 = 0 + 6 ∗ 0.2 = 1.2
𝑘1 = ℎ𝑓 (𝑡6 , 𝑤6 )
𝑘1 = 0.2𝑓 (1.2, −1.1356407)
𝑘1 =0.0505766
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡6 + , 𝑤6 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (1.2 + , −1.1356407 + (0.0505766))
2 2
𝑘2 = 0.2𝑓(−1.1406984)
𝑘2 = 0.0523202
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡6 + , 𝑤6 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (1.2 + , −1.1356407 + ∗ 0.0523202)
2 2
𝑘3 = 0.2𝑓(−1.1304087)
𝑘3 = 0.0487622
𝑘4 = ℎ𝑓 (𝑡6 + ℎ, 𝑤6 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(1.2 + 0.2, −1.1356407 + 0.2(0.0487622))
𝑘4 = 0.2𝑓(−1.1258883)
𝑘4 = 0.0471857
1
𝑤7 = 𝑤5 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤7 = −1.1356407 + [0.0505766 + 2(0.0523202 ) + 2(0.0487622) + 0.0471857]
6
𝑦7 = 𝑦(𝑡7 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦7 = 𝑦(𝑡7 ) = −1.1146484𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=7
𝑡7 = 𝑎 + 𝑖ℎ = 𝑡7 = 0 + 7 ∗ 0.2 = 1.4
𝑘1 = ℎ𝑓 (𝑡7 , 𝑤7 )
𝑘1 = 0.2𝑓 (1.4, −1.0856529)
𝑘1 =0.0327939
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡7 + , 𝑤7 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (1.4 + , −1.0856529 + (0.0327939))
2 2
𝑘2 = 0.2𝑓(−1.0823735)
𝑘2 = 0.0315923
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡7 + , 𝑤7 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (1.4 + , −1.0856529 + ∗ 0.0315923)
2 2
𝑘3 = 0.2𝑓(−1.0824937)
𝑘3 = 0.0316364
𝑘4 = ℎ𝑓 (𝑡7 + ℎ, 𝑤7 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(1.4 + 0.2, −1.0856529 + 0.2(0.0316364))
𝑘4 = 0.2𝑓(−1.0793256)
𝑘4 = 0.0304717
1
𝑤8 = 𝑤6 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤8 = −1.0856529 + [0.0327939 + 2(0.0315923 ) + 2(0.0316364) + 0.0304717]
6
𝑤8 = −1.0540324 aproximado
𝑦8 = 𝑦(𝑡8 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦8 = 𝑦(𝑡8 ) = −1.0783314 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=8
𝑡8 = 𝑎 + 𝑖ℎ = 𝑡8 = 0 + 8 ∗ 0.2 = 1.6
𝑘1 = ℎ𝑓 (𝑡8 , 𝑤8 )
𝑘1 = 0.2𝑓 (1.6, −1.0540324)
𝑘1 =0.0210291
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡8 + , 𝑤8 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (1.6 + , −1.0540324 + (0.0210291))
2 2
𝑘2 = 0.2𝑓(−1.0519295)
𝑘2 = 0.0202325
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡8 + , 𝑤8 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (1.6 + , −1.0540324 + ∗ 0.0202325)
2 2
𝑘3 = 0.2𝑓(−1.0520092)
𝑘3 = 0.0202627
𝑘4 = ℎ𝑓 (𝑡8 + ℎ, 𝑤8 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(1.4 + 0.2, −1.0540324 + 0.2(0.0202627))
𝑘4 = 0.2𝑓(−1.0499799)
𝑘4 = 0.0194924
1
𝑤9 = 𝑤8 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤9 = −1.0540324 + [0.0210291 + 2(0.0202325 ) + 2(0.0202627) + 0.0194924]
6
𝑦9 = 𝑦(𝑡9 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦9 = 𝑦(𝑡9 ) = −1.0531940𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
Para i=9
𝑡9 = 𝑎 + 𝑖ℎ = 𝑡9 = 0 + 9 ∗ 0.2 = 1.8
𝑘1 = ℎ𝑓 (𝑡9 , 𝑤9 )
𝑘1 = 0.2𝑓 (1.8, −1.0337804 )
𝑘1 =0.0132839
ℎ ℎ
𝑘2 = 0.2𝑓 (𝑡9 + , 𝑤9 + 𝑘1 )
2 2
0.2 0.2
𝑘2 = 0.2𝑓 (1.6 + , −1.0337804 + (0.0132839))
2 2
𝑘2 = 0.2𝑓(−1.0324520)
𝑘2 = 0.0144246
ℎ ℎ. 𝑘2
𝑘3 = ℎ𝑓 (𝑡9 + , 𝑤9 + )
2 2
0.2 0.2
𝑘3 = 0.2𝑓 (1.6 + , −1.0337804 + ∗ 0.0144246)
2 2
𝑘3 = 0.2𝑓(−1.0323379)
𝑘3 = 0.0127260
𝑘4 = ℎ𝑓 (𝑡9 + ℎ, 𝑤9 + ℎ. 𝑘3 )
𝑘4 = 0.2𝑓(1.8 + 0.2, −1.0337804 + 0.2(0.0127260))
𝑘4 = 0.2𝑓(−1.0312352)
𝑘4 = 0.0122990
1
𝑤10 = 𝑤9 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
1
𝑤10 = −1.0337804 + [0.0132839 + 2(0.0144246 ) + 2(0.0127260) + 0.0122990]
6
𝑦10 = 𝑦(𝑡10 ) = −3 + 2(1 + 𝑒 −2𝑡 )−1
𝑦10 = 𝑦(𝑡10 ) = −1.0359724𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙
12.c. (Rivera Guamuro Jhensin)
c. 𝒚(𝟏. 𝟑) 𝒚 𝒚(𝟏. 𝟗𝟑)
SOLUCION
Tenemos:
0≤𝑡≤2
4𝑒 −2𝑡
𝑓 (𝑡) = −3 + 2(1 + 𝑒 −2𝑡 )−1 𝑓 ′ (𝑡) = (1+𝑒 −2𝑡)2
𝑓 (0) = −2 𝑓 ′ (0) = 1
𝑓 (2) = −1.0359724 𝑓 ′ (2) = 0.0706508
N=4 K=0,1,2,3.
Polinomio de Hermite:
𝐻 (𝑥 ) = ∑𝑛−1
𝑘=0 𝑓 (𝑧0 , 𝑧1 , … , 𝑧𝑘 )(𝑥 − 𝑧0 )(𝑥 − 𝑧1 ) … (𝑥 − 𝑧𝑘−1 )
DIFERENCIAS DIVIDIDAS
k Zk F(Zk ) F’(Zk)
0 Z0 =0 F(Z0) =-2
1 Z1 =0 F(Z1) =-2 F(Z0, Z1)=1
2 Z2 =2 F(Z2) =-1.0359724 F(Z1, Z2)=0.4820138 F(Z0, Z1, Z2)=-0.2589931
3 Z3 =2 F(Z3) =-1.0359724 F(Z2, Z3)=0.0706508 F(Z1, Z2, Z3)= -0.2056815 F(Z0, Z1, Z2, Z3)= 0.0266558
𝐻 (𝑥) = 𝑓 (𝑧0 ) + 𝑓(𝑧0 , 𝑧1 )(𝑥 − 𝑧0 ) + 𝑓(𝑧0 , 𝑧1, 𝑧2 )(𝑥 − 𝑧0 )(𝑥 − 𝑧1 ) + 𝑓(𝑧0 , 𝑧1, 𝑧2 , 𝑧3 )(𝑥 − 𝑧0 )(𝑥 − 𝑧1 )(𝑥 −
𝑧2 )
𝐻 (𝑥 ) = −2 + 1(𝑥 − 0) + (−0.2589931)(𝑥 − 0)(𝑥 − 0) + 0.0266558(𝑥 − 0)(𝑥 − 0)(𝑥 − 2)
𝐻 (𝑥 ) = −2 + 𝑥 − 0.2589931𝑥 2 + 0.0266558𝑥 3 − 0.0533116𝑥 2
𝐻 (𝑥 ) = 0.0266558𝑥 3 − 0.3123047𝑥 2 + 𝑥 − 2
El valor aproximado para x=1.3
𝐻 (1.3) = −1.1692322
Valor exacto para x=1.3
𝑓 (1.3) = −1.1382768
𝐻 (1.93) = −1.0416737
𝑓 (1.93) = −1.0412666
12.d. (Sánchez Vega Stalin)
d) Y(0.54) y Y(0.94)
REFERENCIA EJERICICIO 11. Ejercicio 4, aplicando método Runge-Kutta de cuarto orden
1
d). 𝑦´ = −5𝑦 + 5𝑡 2 + 2𝑡, 0 ≤ 𝑡 ≥ 1, 𝑦(𝑜) = 3 , 𝑐𝑜𝑛 ℎ = 0.1, 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 2 +
1
𝑒 −5𝑡
3
tenemos:
1
𝑁 = 10; ℎ = 0.1, , 𝑖 = 0, 1, 2, … . , 9, 𝑡𝑖 = ℎ𝑖 , 𝑊0 =
3
𝑓(𝑡𝑖 , 𝑤𝑖 ) = −5𝑤𝑖 + 5𝑡𝑖 2 + 2𝑡𝑖
1
𝑊𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
i=0
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0,0.333333)
𝒌𝟏 = −𝟎. 𝟏𝟔𝟔𝟔𝟔𝟕
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.1 −0.166667
𝑘2 = 0.1𝑓 (0 + ,0+ )
2 2
𝑘2 = 0.1𝑓(0.05, −0.083333)
𝒌𝟐 = 𝟎. 𝟎𝟓𝟐𝟗𝟏𝟕
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.1 1 0.052917
𝑘3 = 0.1𝑓 (0 + , + )
2 3 2
𝑘3 = 0.1𝑓 (0.05,0.359792)
𝒌𝟑 = −𝟎. 𝟏𝟔𝟖𝟔𝟒𝟔
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
1
𝑘4 = 0.1𝑓 (𝑡1 , − 0.168646)
3
𝑘4 = 0.1𝑓 (0.1,0.164687)
𝒌𝟒 = −𝟎. 𝟎𝟓𝟕𝟑𝟒𝟒
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤1 = 𝑤0 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1 1
𝑤1 = + (−0.166667 + 2(0.052917) + 2(−0.168646) − 0.057344),
3 6
𝒘𝟏 = 𝟎. 𝟐𝟓𝟕𝟏𝟐𝟐
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡1 ) = 𝑡1 2 + 𝑒 −5𝑡1
3
𝒚(𝒕𝟏 ) = 𝟎. 𝟐𝟏𝟐𝟏𝟕𝟕
i=1
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.1,0.257122)
𝒌𝟏 = −𝟎. 𝟏𝟎𝟑𝟓𝟔𝟏
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.1 −0.1033561
𝑘2 = 0.1𝑓 (0.1 + , 0.257122 + )
2 2
𝑘2 = 0.1𝑓 (0.15,0.205342)
𝒌𝟐 = −𝟎. 𝟎𝟔𝟏𝟒𝟐𝟏
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.1 −0.614208
𝑘3 = 0.1𝑓 (0.1 + , 0.257122 + )
2 2
𝑘3 = 0.1𝑓 (0.15,226412)
𝒌𝟑 = −𝟎. 𝟎𝟕𝟏𝟗𝟓𝟔
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (𝑡2 , 0.257122 − 0.071956)
𝑘4 = 0.1𝑓 (0.2,0.185166)
𝒌𝟒 = −𝟎. 𝟎𝟑𝟐𝟓𝟖𝟑
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤2 = 𝑤1 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤2 = 0.257122 + (−0.103561 + 2(−0.061421) + 2(−0.071956) − 0.032583),
6
𝒘𝟐 = 𝟎. 𝟏𝟖𝟗𝟗𝟕𝟐
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡2 ) = 𝑡2 2 + 𝑒 −5𝑡2
3
𝒚(𝒕𝟐 ) = 𝟎. 𝟏𝟔𝟐𝟔𝟐𝟔
i=2
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.2,0.189972)
𝒌𝟏 = −𝟎. 𝟎𝟑𝟒𝟗𝟖𝟔
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
0.1 −0.034962
𝑘2 = 0.1𝑓 (0.2 + , 0.189972 + )
2 2
𝑘2 = 0.1𝑓 (0.25,0.172479)
𝒌𝟐 = 𝟎. 𝟎𝟑𝟖𝟏𝟑𝟎
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝒌𝟑 = −𝟎. 𝟎𝟐𝟑𝟐𝟔𝟗
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (𝑡3 , 0.189972 − 0.023269)
𝑘4 = 0.1𝑓 (0.3,0.166703)
𝒌𝟒 = 𝟎. 𝟎𝟐𝟏𝟔𝟒𝟖
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤3 = 𝑤2 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤3 = 0.189972 + (−0.034986 + 2(0.038130) + 2(−0.023269) + 0.021648),
6
𝒘𝟑 = 𝟎. 𝟏𝟗𝟐𝟕𝟎𝟑
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡3 ) = 𝑡3 2 + 𝑒 −5𝑡3
3
𝒚(𝒕𝟏 ) = 𝟎. 𝟏𝟔𝟒𝟑𝟕𝟕
i=3
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.3,0.192703)
𝒌𝟏 = 𝟎. 𝟎𝟎𝟖𝟔𝟒𝟖𝟗
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝒌𝟐 = 𝟎. 𝟎𝟑𝟐𝟕𝟑𝟔
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝒌𝟑 = 𝟎. 𝟎𝟐𝟔𝟕𝟏𝟒
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (𝑡4 , 0.192703 + 0.026714)
𝑘4 = 0.1𝑓 (0.4,0.219417)
𝒌𝟒 = 𝟎. 𝟎𝟓𝟎𝟐𝟗𝟏
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤4 = 𝑤3 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤3 = 0.192703 + (0.0086489 + 2(0.032736) + 2(0.026714) + 0.050291),
6
𝒘𝟒 = 𝟎. 𝟐𝟐𝟐𝟑𝟒𝟑
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡4 ) = 𝑡4 2 + 𝑒 −5𝑡4
3
𝒚(𝒕𝟒 ) = 𝟎. 𝟐𝟎𝟓𝟏𝟏𝟐
i=4
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.4,0.222343)
𝒌𝟏 = 𝟎. 𝟎𝟒𝟖𝟖𝟐𝟗
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝒌𝟐 = 𝟎. 𝟎𝟔𝟕𝟖𝟕𝟏
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘3 = 0.1𝑓 (0.45,0.319189)
𝒌𝟑 = 𝟎. 𝟎𝟔𝟑𝟏𝟏𝟏
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (0.5,0.285454)
𝒌𝟒 = 𝟎. 𝟎𝟖𝟐𝟐𝟕𝟑
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤5 = 𝑤4 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤3 = 0.222343 + (0.048829 + 2(0.067871) + 2(0.063111) + 0.082273),
6
𝒘𝟓 = 𝟎. 𝟐𝟖𝟕𝟖𝟐𝟔
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡5 ) = 𝑡5 2 + 𝑒 −5𝑡5
3
𝒚(𝒕𝟓 ) = 𝟎. 𝟐𝟕𝟕𝟑𝟔𝟔𝟐
i=5
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.5,0.287826)
𝒌𝟏 = 𝟎. 𝟎𝟖𝟏𝟎𝟖𝟕
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘2 = 0.1𝑓 (0.55,0.328369)
𝒌𝟐 = 𝟎. 𝟎𝟗𝟕𝟎𝟔𝟓
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘3 = 0.1𝑓 (0.55,0.336359)
𝒌𝟑 = 𝟎. 𝟎𝟗𝟑𝟎𝟕𝟏
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (0.6,0.380897)
𝒌𝟒 = 𝟎. 𝟏𝟎𝟗𝟓𝟓𝟐
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤6 = 𝑤5 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤3 = 0.287826 + (0.081087 + 2(0.097065) + 2(0.093071) + 0.109552),
6
𝒘𝟔 = 𝟎. 𝟑𝟖𝟐𝟗𝟕𝟖
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡6 ) = 𝑡6 2 + 𝑒 −5𝑡6
3
𝒚(𝒕𝟔 ) = 𝟎. 𝟑𝟕𝟔𝟓𝟗𝟔
i=6
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.6,0.382978)
𝒌𝟏 = 𝟎. 𝟏𝟎𝟖𝟓𝟏𝟏
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘2 = 0.1𝑓 (0.65,0.437234)
𝒌𝟐 = 𝟎. 𝟏𝟐𝟐𝟔𝟑𝟑
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘3 = 0.1𝑓 (0.65,0.444295)
𝒌𝟑 = 𝟎. 𝟏𝟏𝟗𝟏𝟎𝟑
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (0.7,0.502081)
𝒌𝟒 = 𝟎. 𝟏𝟑𝟑𝟗𝟔𝟎
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤7 = 𝑤6 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤7 = 0.382978 + (0.108511 + 2(0.122633) + 2(0.119103) + 0.133960),
6
𝒘𝟕 = 𝟎. 𝟓𝟎𝟑𝟗𝟔𝟖
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡7 ) = 𝑡7 2 + 𝑒 −5𝑡7
3
𝒚(𝒕𝟕 ) = 𝟎. 𝟓𝟎𝟎𝟎𝟔𝟔
i =7
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.7,0.503968)
𝒌𝟏 = 𝟎. 𝟏𝟑𝟑𝟎𝟏𝟔
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘2 = 0.1𝑓 (0.75,0.570476)
𝒌𝟐 = 𝟎. 𝟏𝟒𝟔𝟎𝟏𝟐
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘3 = 0.1𝑓 (0.75,0.576874)
𝒌𝟑 = 𝟎. 𝟏𝟒𝟐𝟕𝟔𝟑
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (0.8,0.646731)
𝒌𝟒 = 𝟎. 𝟏𝟓𝟔𝟔𝟑𝟓
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤8 = 𝑤7 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤8 = 0.503968 + (0.133016 + 2(0.146012) + 2(0.142763) + 0.156635),
6
𝒘𝟖 = 𝟎. 𝟔𝟒𝟖𝟓𝟎𝟏
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡8 ) = 𝑡8 2 + 𝑒 −5𝑡8
3
𝒚(𝒕𝟖 ) = 𝟎. 𝟔𝟒𝟔𝟏𝟎𝟓
i=8
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.8,0.648501)
𝒌𝟏 = 𝟎. 𝟏𝟓𝟓𝟕𝟒𝟗
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘2 = 0.1𝑓 (0.85,0.726376)
𝒌𝟐 = 𝟎. 𝟏𝟔𝟖𝟔𝟎𝟔𝟐
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘3 = 0.1𝑓 (0.85,0.732532)
𝒌𝟑 = 𝟎. 𝟏𝟔𝟒𝟗𝟖𝟒
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (0.9,0.813485)
𝒌𝟒 = 𝟎. 𝟏𝟕𝟖𝟐𝟓𝟖
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤9 = 𝑤8 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤9 = 0.648501 + (0.155749 + 2(0.1686062) + 2(0.164984) + 0.178258),
6
𝒘𝟗 = 𝟎. 𝟖𝟏𝟓𝟑𝟔𝟓
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡9 ) = 𝑡9 2 + 𝑒 −5𝑡9
3
𝒚(𝒕𝟗 ) = 𝟎. 𝟖𝟏𝟑𝟕𝟎𝟑
i=9
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )
𝑘1 = 0.1𝑓 (0.9,0.815365)
𝒌𝟏 = 𝟎. 𝟏𝟕𝟕𝟑𝟏𝟕
ℎ 𝑘1
𝑘2 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘2 = 0.1𝑓 (0.95,0.904024)
𝒌𝟐 = 𝟎. 𝟏𝟖𝟗𝟐𝟑𝟖
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡𝑖 + , 𝑤𝑖 + )
2 2
𝑘3 = 0.1𝑓 (0.95,0.909984)
𝒌𝟑 = 𝟎. 𝟏𝟖𝟔𝟐𝟓𝟖
𝑘4 = ℎ𝑓(𝑡𝑖+1 , 𝑤𝑖 + 𝑘3 )
𝑘4 = 0.1𝑓 (1,1.001623)
𝒌𝟒 = 𝟎. 𝟏𝟗𝟗𝟏𝟖𝟗
1
𝑤𝑖+1 = 𝑤𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤10 = 𝑤9 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ),
6
1
𝑤8 = 0.815365 + (0.177317 + 2(0.189238) + 2(0.186258) + 0.199189),
6
𝒘𝟖 = 𝟏. 𝟎𝟎𝟑𝟐𝟖𝟏
1
𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
1
𝑦(𝑡𝑖 ) = 𝑡𝑖 2 + 𝑒 −5𝑡𝑖
3
1
𝑦(𝑡9 ) = 𝑡9 2 + 𝑒 −5𝑡9
3
𝒚(𝒕𝟗 ) = 𝟏. 𝟎𝟎𝟐𝟐𝟒𝟔
REFERNCIA APLICANDO INTERPOLACIÓN CUBICA DE HERMITE:
1
𝑦´ = −5𝑦 + 5𝑡 2 + 2𝑡, 0 ≤ 𝑡 ≥ 1, 𝑦(𝑜) = ,
3
1
𝑐𝑜𝑛 ℎ = 0.1, 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 𝑦(𝑡) = 𝑡 2 + 𝑒 −5𝑡
3
tenemos:
1
𝑁 = 10; ℎ = 0.1, , 𝑖 = 0, 1, 2, … . , 9, 𝑡𝑖 = ℎ𝑖 , 𝑊0 =
3
𝑓(𝑡𝑖 , 𝑤𝑖 ) = −5𝑤𝑖 + 5𝑡𝑖 2 + 2𝑡𝑖
1 5𝑒 −5𝑡
𝑓 (𝑡) = 𝑡 2 + 3 (𝑒 −5𝑡 ) 𝑓 ′ (𝑡) = 2𝑡 − 3
𝑓 (0.5) = 0.277362 𝑓 ′ (0.5) = 0.863192
𝑓 (0.6) = 0.376596 𝑓 ′ (0.6) = 1.117022
N=4 K=0,1,2,3.
Polinomio de Hermite:
𝑛−1
𝐻 (𝑥 ) = ∑ 𝑓(𝑧0 , 𝑧1 , … , 𝑧𝑘 )(𝑥 − 𝑧0 )(𝑥 − 𝑧1 ) … (𝑥 − 𝑧𝑘−1 )

𝑘=0
DIFERENCIAS DIVIDIDAS
k Zi f(zi) f´(zi)
0 0,5 0,277362
1 0,5 0,277362 0,863192
2 0,6 0,376596 0,99234 1,29148
3 0,6 0,376593 1,117022 1,24682 -0,4466
𝐻 (𝑥 ) = 𝑓(𝑧0 ) + 𝑓 (𝑧0 , 𝑧1 )(𝑥 − 𝑧0 ) + 𝑓(𝑧0 , 𝑧1, 𝑧2 )(𝑥 − 𝑧0 )(𝑥 − 𝑧1 ) + 𝑓(𝑧0 , 𝑧1, 𝑧2 , 𝑧3 )(𝑥 −
𝑧0 )(𝑥 − 𝑧1 )(𝑥 − 𝑧2 )
𝐻 (𝑥 ) = +0.277362 + 0.863192(𝑥 − 0.5) + (1.29148)(𝑥 − 0.5)(𝑥 − 0.5) − 0.4466(𝑥 −

0.5)(𝑥 − 0.5)(𝑥 − 0.6)
𝐻 (𝑥 ) = 0.235626 − 0.807898𝑥 + 2.00604𝑥 2 − 0.4466𝑥 3
𝑯(𝒙) = −𝟎. 𝟒𝟒𝟔𝟔𝒙𝟑 + 𝟐. 𝟎𝟎𝟔𝟎𝟒𝒙𝟐 − 𝟎. 𝟖𝟎𝟕𝟖𝟗𝟖𝑿 + 𝟎. 𝟐𝟑𝟓𝟔𝟐𝟔
𝑯(𝟎. 𝟓𝟒) = 𝟎. 𝟑𝟏𝟑𝟗𝟗
𝒇(𝟎. 𝟓𝟒) = 𝟎. 𝟑𝟏𝟒𝟎𝟎𝟐
ERROR |𝟎. 𝟑𝟏𝟒𝟎𝟎𝟐 − 𝟎. 𝟑𝟏𝟑𝟗𝟗| = 𝟎. 𝟎𝟎𝟎𝟎𝟏𝟐
El valor aproximado para x = 0.94
𝑯(𝟎. 𝟗𝟒) = 𝟎. 𝟖𝟕𝟕𝟖𝟎𝟎
Valor exacto para x = 0.94
𝒇(𝟏. 𝟗𝟑) = 𝟎. 𝟖𝟖𝟔𝟔𝟑𝟐

ERROR |𝟎. 𝟖𝟖𝟔𝟔𝟑𝟐 − 𝟎. 𝟖𝟕𝟕𝟖𝟎𝟎| = 𝟎. 𝟎𝟎𝟖𝟖𝟑𝟐
EJERCICIO 13. Demuestre que el método del punto medio, el método modificado de
Euler y el método de Heun ofrecen las mismas aproximaciones al problema de valor
real.
𝒚′ = −𝒚 + 𝒕 + 𝟏, 𝟎 ≤ 𝒕 ≤ 𝟏, 𝒚(𝟎) = 𝟏,
Para cualquier valor de h. ¿Por qué es así?
SOLUCIÓN
 Fórmula del método del punto medio:
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ ⋅ 𝑓 [𝑡𝑖 + 2 , 𝑤𝑖 + 2 𝑓(𝑡𝑖 , 𝑤1 )] 𝑃𝑎𝑟𝑎 𝑖 = 0,1,2,3 … 𝑁 − 1
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −𝑤𝑖 + 𝑡𝑖 + 1,
𝑤0 = 1
𝑡0 = 0
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ ⋅ 𝑓 [𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 , 𝑤1 )]
2 2
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ ⋅ 𝑓 [𝑡𝑖 + , 𝑤𝑖 + ∗ (−𝑤𝑖 + 𝑡𝑖 + 1)]
2 2
ℎ ℎ𝑤𝑖 ℎ𝑡𝑖 ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ ⋅ 𝑓 [𝑡𝑖 + , 𝑤𝑖 − + + ]
2 2 2 2
ℎ𝑤𝑖 ℎ𝑡𝑖 ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ ⋅ (−𝑤𝑖 + − − + 𝑡𝑖 + + 1)
2 2 2 2
ℎ2 𝑤𝑖 ℎ2 𝑡𝑖
𝑤𝑖+1 = 𝑤𝑖 − ℎ𝑤1 + − + 𝑡𝑖 ℎ + ℎ
2 2
𝒉𝟐 𝒉𝟐
𝒘𝒊+𝟏 = 𝒘𝒊 (𝟏 − 𝒉 + ) + 𝒕𝒊 (𝒉 − ) + 𝒉 𝑹𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐
𝟐 𝟐
 Fórmula del método modificado de Euler:
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [𝑓 (𝑡𝑖 , 𝑤𝑖 )+𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )] 𝑃𝑎𝑟𝑎 𝑖 = 0,1,2,3 … 𝑁 − 1
2
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −𝑤𝑖 + 𝑡𝑖 + 1,
𝑤0 = 1
𝒕𝒊+𝟏 = 𝒕𝒊 + 𝒉
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [𝑓(𝑡𝑖 , 𝑤𝑖 )+𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 )]
2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1+𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ ∗ (−𝑤𝑖 + 𝑡𝑖 + 1)]
2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1+𝑓(𝑡𝑖+1 , 𝑤𝑖 − ℎ𝑤𝑖 + ℎ𝑡𝑖 + ℎ)]
2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1+(−)(𝑤𝑖 − ℎ𝑤𝑖 + ℎ𝑡𝑖 + ℎ) + 𝑡𝑖+1 + 1]
2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1−𝑤𝑖 + ℎ𝑤𝑖 − ℎ𝑡𝑖 − ℎ + 𝑡𝑖 + ℎ + 1]
2
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−2𝑤𝑖 +ℎ𝑤𝑖 − ℎ𝑡𝑖 + 2𝑡𝑖 + 2]
2
𝑤𝑖+1 = 𝑤𝑖 − ℎ𝑤𝑖 + − + ℎ𝑡𝑖 + ℎ
2 2
𝒉𝟐 𝒉𝟐
𝟐 𝟐
 Fórmula del método Heun:
ℎ 2ℎ 2ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [𝑓 (𝑡𝑖 , 𝑤𝑖 )+3𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑓(𝑡𝑖 , 𝑤𝑖 ))] 𝑃𝑎𝑟𝑎 𝑖 = 0,1,2,3 … 𝑁 − 1
4 3 3
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −𝑤𝑖 + 𝑡𝑖 + 1,
𝑤0 = 1
ℎ 2ℎ 2ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1+3𝑓(𝑡𝑖 + , 𝑤𝑖 + (−𝑤𝑖 + 𝑡𝑖 + 1))]
4 3 3
ℎ 2ℎ 2ℎ𝑤𝑖 2ℎ𝑡𝑖 2ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1+3𝑓(𝑡𝑖 + , 𝑤𝑖 − + + )]
4 3 3 3 3
ℎ 2ℎ𝑤𝑖 2ℎ𝑡𝑖 2ℎ 2ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1 + 3 ∗ (−) (𝑤𝑖 − + + ) + 3 (𝑡𝑖 + + 1)]
4 3 3 3 3
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−𝑤𝑖 + 𝑡𝑖 + 1 − 3𝑤𝑖 + 2ℎ𝑤𝑖 − 2ℎ𝑡𝑖 − 2ℎ + 3𝑡𝑖 + 2ℎ + 3]
4
ℎ
𝑤𝑖+1 = 𝑤𝑖 + ⋅ [−4𝑤𝑖 + 4𝑡𝑖 + 2ℎ𝑤𝑖 − 2ℎ𝑡𝑖 + 4]
4
𝑤𝑖+1 = 𝑤𝑖 − ℎ𝑤𝑖 + ℎ𝑡𝑖 + − +ℎ
2 2
𝒉𝟐 𝒉𝟐
𝟐 𝟐
Comparando
 Método del punto medio
𝒉 𝒉 𝒉𝟐 𝒉𝟐
𝒘𝒊+𝟏 = 𝒘𝒊 + 𝒉 ⋅ 𝒇 [𝒕𝒊 + , 𝒘𝒊 + 𝒇(𝒕𝒊 , 𝒘𝟏 )] = 𝒘𝒊 (𝟏 − 𝒉 + ) + 𝒕𝒊 (𝒉 − ) + 𝒉
𝟐 𝟐 𝟐 𝟐
 Método modificado de Euler:
𝒉 𝒉𝟐 𝒉𝟐
𝒘𝒊+𝟏 = 𝒘𝒊 + ⋅ [𝒇(𝒕𝒊 , 𝒘𝒊 )+𝒇(𝒕𝒊+𝟏 , 𝒘𝒊 + 𝒉𝒇(𝒕𝒊 , 𝒘𝒊 )] = 𝒘𝒊 (𝟏 − 𝒉 + ) + 𝒕𝒊 (𝒉 − ) + 𝒉
𝟐 𝟐 𝟐
 Método Heun
𝒉 𝟐𝒉 𝟐𝒉
𝒘𝒊+𝟏 = 𝒘𝒊 + ⋅ [𝒇(𝒕𝒊 , 𝒘𝒊 )+𝟑𝒇(𝒕𝒊 + , 𝒘𝒊 + 𝒇(𝒕𝒊 , 𝒘𝒊 ))]
𝟒 𝟑 𝟑
𝒉𝟐 𝒉𝟐
= 𝒘𝒊 (𝟏 − 𝒉 + ) + 𝒕𝒊 (𝒉 − ) + 𝒉
𝟐 𝟐
Se observa que los tres métodos ofrecen la misma aproximación para el problema,
independientemente cualquiera sea el valor de h, ya que el resultado en los tres casos es el
mismo.
Interpretación
Esto se ocurre debido a que estos métodos corresponden o forman parte del método de Runge
– Kutta y son de orden 2 (𝑂ℎ2 ), que es el orden de su error local de truncamiento.
EJERCICIO 14. Fluye agua de un tanque cónico invertido provisto de un orificio
𝒅𝒙 √𝒙
circular, con una velocidad = −𝟎. 𝟔𝝅𝒓𝟐 √𝟐𝒈 , donde r es el radio del orificio, x
𝒅𝒕 𝑨(𝒙)
es la altura del nivel del líquido medio desde el vértice del cono y A(x) es la área de la
sección transversal del tanque, a x unidades por arriba del orificio. Suponga que
r=0.1pies, x=32.1 pies /s^2, y que el tanque tiene un valor inicial de agua de 8 pies y un
volumen inicial de 512(𝝅/𝟑) 𝒑𝒊𝒆𝒔 ^𝟑.
a. Calcule el nivel del agua después de 10 min con h=20 s. (Jose Bustamante Ruiz)
SOLUCIÓN
Datos:
𝑝𝑖𝑒𝑠
𝑟 = 0.1 𝑝𝑖𝑒𝑠; 𝑔 = 32.2 , ℎ = 8𝑝𝑖𝑒𝑠
𝑠2
𝜋 1
𝑉 = 512 ( ) 𝑝𝑖𝑒𝑠 3 = 𝜋 ∗ 𝑅2 (8) ∗ ( )
3 3
𝑅 = 8 𝑝𝑖𝑒𝑠
𝐴ℎ𝑜𝑟𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑒𝑙 𝑎𝑟𝑒𝑎 𝐴(𝑥 ) = 𝜋𝑥 2 𝑝𝑖𝑒𝑠 2 𝑑𝑒𝑠𝑠𝑝𝑢𝑒𝑠 𝑎𝑛𝑎𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖𝑜𝑛 𝑑𝑎𝑑𝑎
ⅆ𝑥 √𝑥
= −0.6𝜋𝑟 2 √2𝑔
ⅆ𝑡 𝐴(𝑥)
ⅆ𝑥 √𝑥
= −0.6𝜋(0.1)2 √(2 ∗ 32.2)
ⅆ𝑡 𝜋𝑥 2
𝑑𝑥
= −0.4807 ∗ 𝑋 −1.5
𝑑𝑡
Aplicamos el método de Runge Kutta de cuarto orden
𝐾1 = 𝑛𝑓(𝑡𝑘 ; 𝑋𝑘 )
ℎ 𝐾1
𝐾2 = 𝑛𝑓(𝑡𝑘 + ; 𝑋𝑘 + )
2 2
ℎ 𝐾2
𝐾3 = 𝑛𝑓(𝑡𝑘 + ; 𝑋𝑘 + )
2 2
ℎ 𝐾3
𝐾4 = 𝑛𝑓(𝑡𝑘 + ; 𝑋𝑘 + )
2 2
𝐾1 + 2𝐾2 + 2𝐾3 + 𝐾4
𝑋𝐾+1 = 𝑋𝐾 +
6
Ahora analizamos para Matlad para y(0)=8, con una aproximación de y(10 min ) y(600s) y
con h=20S.
Entonces graficamos:
a=0 b=600 yo=8 h=20

Para hallar el tiempo exacto integramos
0 ⅆ𝑥 𝑡
∫𝐻 = ∫0 𝑑𝑡
−0.006√64.2𝑥 −2/3
0 𝑥 3/2 ⅆ𝑥
∫𝐻 0.006 =T
√64.2
1 8
T= ∫ 𝑥 3/2
0.006 √64.2 0
𝑑𝑥
58
1 2
T=0.006 ( 𝑥2 )
√ 64.2 5
1 2
T=0.006 ( ∗ 85/2 )
√64.2 5
T=25.1024 𝑚𝑖𝑛
14.a. (Jhensin Rivera Guamuro)
Fluye agua de un tanque cónico invertido provisto de un orificio circular, con una velocidad
𝒅𝒙 √𝒙
= −𝟎. 𝟔𝝅𝒓𝟐 √𝟐𝒈
𝒅𝒕 𝑨(𝒙)
Donde r es el radio del orificio, x es la altura del nivel del líquido medido desde el vértice del
cono y A(x) es el área de la sección transversal del tanque, a x unidades por arriba del
orificio. Suponga que r=0.1 pies, g=32.1 pies/s2, y que el tanque tiene un nivel inicial de agua
𝝅
de 8 pies y un volumen inicial de 𝟓𝟏𝟐 (𝟑 ) 𝒑𝒊𝒆𝒔𝟑 .
Calcule el nivel del agua después de 10 min con h=20s
SOLUCION
Tenemos:
512𝜋 𝑓𝑡
𝑟 = 0.1 𝑓𝑡, 𝑉 = 𝑓𝑡 3 ; 𝑔 = 32.1 𝑠 2
3
𝜋𝑅 2 ℎ 𝐴ℎ 512𝜋 𝐴ℎ 512𝜋 512𝜋

𝐴 = 𝜋𝑅2 ; 𝑉 = →𝑉= → = →𝐴= → ℎ = 𝑥 ∴ 𝐴 (𝑥 ) = ⋯ (𝑖 )
3 3 3 3 ℎ 𝑥
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 (𝑖 )𝑒𝑛 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖𝑜𝑛 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑙:
ⅆ𝑥 √𝑥
= −0.6𝜋𝑟 2 √2𝑔 𝐴(𝑥)
ⅆ𝑡
3
ⅆ𝑥 √𝑥
= −0.6𝜋(0.1)2 √2(32.1) 512𝜋 = −0.000094𝑥√𝑥 = −0.000094𝑥 2 𝑓𝑡/𝑠 2
ⅆ𝑡
𝑥
3
ⅆ𝑥
= −0.00564𝑥 2 𝑓𝑡/𝑚𝑖𝑛 ⅆ𝑥
{ ⅆ𝑡 ; 0 ≤ 𝑡 ≤ 10 𝑚𝑖𝑛 ; = 𝑓(𝑥, 𝑡)
ⅆ𝑡
𝑥(0) = 8 𝑓𝑡 = 𝑤0
4
𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑎 𝑑𝑒𝑙 𝑝𝑣𝑖 𝑒𝑠 𝑥(𝑡) = √2 2
(0.00564𝑡+ )
2
𝑃𝑎𝑟𝑎 𝑟𝑒𝑠𝑜𝑙𝑣𝑒𝑟 𝑒𝑙 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑒𝑙 𝑚é𝑡𝑜𝑑𝑜 𝑑𝑒 𝑅𝑢𝑛𝑔𝑒 − 𝐾𝑢𝑡𝑡𝑎

3
𝑓 (𝑡, 𝑥 ) = −0.00564𝑥 2 ; ℎ = 20𝑠 = 0.333𝑚𝑖𝑛; 𝑡𝑖 = 𝑎 + 𝑖ℎ = 0.333𝑖 𝑝𝑎𝑟𝑎 𝑖 = 0,1,2,3, ⋯ , 9
3
𝑓 (𝑡𝑖 , 𝑤𝑖 ) = −0.00564𝑤𝑖 2
𝑘1 +2𝑘2 +2𝑘3 +𝑘4

𝑤𝑖+1 = 𝑤𝑖 + 6
ℎ 𝑘1 ℎ 𝑘2
𝑘1 = ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ) 𝑘2 = ℎ𝑓(𝑡𝑖 + 2 ; 𝑤𝑖 + ) 𝑘3 = ℎ𝑓(𝑡𝑖 + 2 ; 𝑤𝑖 + )
2 2
𝑘4 = ℎ𝑓(𝑡𝑖 + ℎ; 𝑤𝑖 + 𝑘3 )
Para i=0
3
𝑘1 = ℎ𝑓 (𝑡0 , 𝑤0 ) = 0.333𝑓(0,8) = 0.333 (−0.00564 ∗ 82 ) = −0.0424970
ℎ 𝑘1 0.333 0.0424970
𝑘2 = ℎ𝑓 (𝑡0 + 2 ; 𝑤0 + ) = 0.333𝑓 (0 + ;8 − ) = 0.333𝑓(0.1665; 7.9787515) =
2 2 2
3
0.333 (−0.00564 ∗ 7.97875152 ) = −0.0423278
ℎ 𝑘2 0.333 0.0423278
𝑘3 = ℎ𝑓 (𝑡0 + 2 ; 𝑤0 + ) = 0.333𝑓 (0 + ;8 − ) = 0.333𝑓(0.1665; 7.9788361) =
2 2 2
−0.0423285
𝑘4 = ℎ𝑓 (𝑡0 + ℎ; 𝑤0 + 𝑘3 ) = 0.333𝑓(0 + 0.333; 8 − 0.0423285) =

0.333𝑓(0.333; 7.9576715) = −0.0421602
𝑘1 +2𝑘2 +2𝑘3 +𝑘4 −0.0424970+2(−0.0423278)+2(−0.0423285)−0.0421602

𝑤1 = 𝑤0 + = 8+ = 7.9576717
6 6
4
𝑥(𝑡1 ) = √2 2
= 7.9576717
(0.00564𝑡1 + )
2
Para i=1
3
𝑘1 = ℎ𝑓 (𝑡1 , 𝑤1 ) = 0.333𝑓(0.333,7.9576717) = 0.333 (−0.00564 ∗ 7.95767172 ) =
−0.0421602
ℎ 𝑘1 0.333 0.0421602
𝑘2 = ℎ𝑓 (𝑡1 + 2 ; 𝑤1 + ) = 0.333𝑓 (0.333 + ; 7.9576717 − )=
2 2 2
3
0.333𝑓(0.4995; 7.9365916) = 0.333 (−0.00564 ∗ 7.93659162 ) = −0.0419928
ℎ 𝑘2 0.333 0.0419928
𝑘3 = ℎ𝑓 (𝑡1 + 2 ; 𝑤1 + ) = 0.333𝑓 (0.333 + ; 7.9576717 − )=
2 2 2
0.333𝑓(0.4995; 7.9366753) = −0.0419934
𝑘4 = ℎ𝑓 (𝑡1 + ℎ; 𝑤1 + 𝑘3 ) = 0.333𝑓(0.333 + 0.333; 7.9576717 − 0.0419934) =

0.333𝑓(0.666; 7.9156783) = −0.0418269
𝑘1 +2𝑘2 +2𝑘3 +𝑘4 −0.0421602+2(−0.0419928)+2(−0.0419934)−0.0418269

𝑤2 = 𝑤1 + = 7.9576717 + =
6 6
7.9156785
4
𝑥(𝑡2 ) = √2 2
= 7.9156785
(0.00564𝑡2 + )
2
Seguimos iterando y obtenemos los datos de la siguiente tabla:

i 𝑡𝑖 𝑥𝑖 = 𝑥(𝑡𝑖 ) 𝑤𝑖 𝑘1 𝑘2 𝑘3 𝑘4
0 0 8 8 -0.0424970 -0.0423278 -0.0423285 -0.0421602
1 0.333 7.9576717 7.9576717 -0.0421602 -0.0419928 -0.0419934 -0.0418269
2 0.666 7.9156785 7.9156785 -0.0418269 -0.0416612 -0.0416619 -0.0414971
3 0.999 7.8740168 7.8740168 -0.0414971 -0.0413332 -0.0413338 -0.0411708
4 1.332 7.8326831 7.8326831 -0.0411708 -0.0410086 -0.0410092 -0.0408479
5 1.665 7.7916741 7.7916741 -0.0408479 -0.0406874 -0.0406880 -0.0405283
6 1.998 7.7509862 7.7509862 -0.0405283 -0.0403695 -0.0403701 -0.0402121
7 2.331 7.7106163 7.7106163 -0.0402121 -0.0400549 -0.0400556 -0.0398992
8 1.664 7.6705609 7.6705609 -0.0398992 -0.0397436 -0.0397442 -0.0395895
9 2.997 7.6308168 7.6308168 -0.0395895 -0.0394355 -0.0394361 -0.0392830
10 3.33 7.5913808 7.5913808 -0.0392830 -0.0391306 -0.0391312 -0.0389796
El nivel del agua después de 10 min será de 7.5913808 pies.
EJERCICIO 14 B (LEYSER ZORRILLA LEIVA)
Fluye agua de un tanque cónico invertido provisto de un orificio circular, con una velocidad.
Ejercicio 5.4 – 15
15. La reacción química irreversible en la cual dos moléculas de dicromato solido de potasio
(K2Cr2O7), dos moléculas de agua (H2O) y tres atamos de azufre solidos (S) se combinan para
producir moléculas de dióxido gaseoso de azufre (SO2), cuatro moléculas de hidróxido solido
de potasio (KOH) y dos moléculas de oxido solido de cromo (Cr 2O3), puede representarse
simbólicamente por la ecuación estequiométrica:
2K2Cr2O7  2H 2O  3S  4KOH  2Cr2O3  3SO2
Si originalmente se dispone de n1 moléculas de K2 Cr2O7 , n2 moléculas de H2O y n3

moléculas de S, la siguiente ecuación diferencial describe la cantidad x(t) de KOH después
del tiempo t:
2 2 3
dx  x  x  3x 
 k  n1    n2    n3  
dt  2  2  4 
Donde k es la constante de velocidad de la reacción. Si k = 6.22 x 10 -19 , n1 = n2 =2 x 103 , n3

= 3 x 103 y considerado x (0) = 1036, ¿Cuántas unidades de hidróxido de potasio se formaron
después de 0.2s?
Solución:
Para la aproximación del problema con el valor inicial se ha tomado en cuanta aplicar el
método de Runge – kutta de orden cuatro, y se representa de la siguiente manera:
y '  f t, y  , a  t  b
y a  
Además
w0  
1
wi 1  wi   k1  2k2  2k3  k4  k1  h f  ti , wi 
6
 h k 
para i  0,1, 2,...N  1 k2  h f  ti  , wi  1 
 2 2
ba  h k 
donde h y ti  a  ih k3  h f  ti  , wi  2 
N  2 2
k4  h f  ti  h, wi  k3 
Reduzcamos y reemplacemos los datos que se tienen en la derivada del problema, para luego
aplicar la fórmula de Runge – Kutta.
4 3 4 3
dx  x  3x  dx  x  3x 
 k  n1    n3     6.22*1019  2000    3000  
dt  2  4 dt  2  4
w0  1036 y 0  t  0.2
Encontramos h y ti, tomando N-10.

0.2  0
h  0.02 y ti  0  i  0.02   0.02 i
10
Cuando i=0:
ki  h f t0 , w0   0.02 32961.09169  659.2218338
t0  0.02  0  0  w0  1036
4 3
 w0   3w0 
f  t0 , w0   6.22*10 19
 2000    3000  
 2   4 
3 1036  
3
1036  
4

f  t0 , w0   6.22*10 19
 2000    3000    32961.09169
 2   4 
 h k 
k2  h f  t0  , w0  1   0.02 14441.54368  288.8308736
 2 2
h 0.02 k 659.221834
t0   0  0.01  w0  1  1036   1365.610917
2 2 2 2
3 1365.610917  
3
1365.610917  
4
 h k  
f  t0  , w0  1   6.22*1019  2000    3000  
 2 2  2   4 
 h k 
f  t0  , w0  1   14441.54368
 2 2
 h k 
k3  h f  t0  , w0  2   0.02  23235.3951  464.7079019
 2 2
k 288.830874
w0  2  1036   1180.415437
2 2
3 1180.415437  
3

4
 h k   1180.415437 
f  t0  , w0  2   6.22*1019  2000    3000  
 2 2  2   4 
 h k 
f  t0  , w0  2   23235.3951
 2 2
k4  h f  t0  h, w0  k3   0.02  9990.179807   199.8035961

w0  k3  1036  464.707902  1500.707902
3 1500.707902  
3
1500.707902  
4

f  t0  h, w0  k3   6.22*10  2000 
19
  3000  
 2   4 
f  t0  h, w0  k3   9990.179807
encontramos w1 :
1 1
wi 1  wi   k1  2k2  2k3  k4   w1  w0   k1  2k2  2k3  k4 
6 6
1
w1  1036  659.2218338  2  288.8308736   2  464.7079019   199.8035961
6
w1  1430.350497
Cuando i=1
k1  h f  t1 , w1   0.02 12133.09012   242.6618023

w1  1430.350497
4 3
 w  3w 
f  t1 , w1   6.22*10  2000  1   3000  1   12133.09012
19
 2  4 
 h k 
k2  h f  t1  , w1  1   0.02  8648.279523  172.9655905
 2 2
k 659.221834
w1  2  1036   1365.610917
2 2
 h k 
f  t1  , w1  1   8648.279523
 2 2
 h k 
k3  h f  t1  , w1  2   0.02  9547.624515   190.9524903
 2 2
k2  h k 
w1   1516.833292 y f  t1  , w1  2   9547.624515
2  2 2
k4  h f t1  h, w1  k3   0.02  7066.885948  141.337719
w1  k3  1621.302987 y f t1  h, w1  k3   7066.885948

encontramos w 2 :
1 1
wi 1  wi  k1  2k2  2k3  k4   w2  w1   k1  2k2  2k3  k4 
6 6
1
w2  1430.350497   242.6618023  2 172.9655905  2 190.9524903  141.337719
6
w2  1615.656444
cuando i = 2
k1  h f  t2 , w2   0.02  7185.152969   143.7030594

w2  1615.65644 y f  t2 , w2   7185.152969
 h k 
k2  h f  t2  , w2  1   0.02  5799.838489   115.9967698
 2 2
k  h k 
w2  1  1687.507974 y f  t2  , w2  1   5799.838489
2  2 2
 h k 
k3  h f  t2  , w2  2   0.02  6047.463657   120.9492731
 2 2
k2  h k 
w2   1673.654829 y f  t2  , w2  2   6047.463657
2  2 2
k4  h f  t2  h, w2  k3   0.02  4990.863524   99.81727048

w2  k3  1736.605717 y f  t2  h, w2  k3   4990.863524
encontramos w 3 :
1 1
wi 1  wi  k1  2k2  2k3  k4   w3  w2   k1  2k2  2k3  k4 
6 6
w3  1735.22518
Cuando i = 3:
k1  h f  t3 , w3   0.02  5012.211484  100.2442297
w3  1735.22518 y f t3 , w3   5012.211484

 h k 
k2  h f  t3  , w3  1   0.02  4285.422157   85.70844315
 2 2
k  h k 
w3  1  1785.347295 y f  t3  , w3  1   4285.422157
2  2 2
 h k 
k3  h f  t3  , w3  1   0.02  4384.841891  87.69683782
 2 2
k  h k 
w3  1  1778.079402 y f  t3  , w3  2   4384.841891
2  2 2
k4  h f  t3  h, w3  k3   0.02  3801.649655  76.03299309

w3  k3  1822.922018 y f  t3  h, w3  k3   3801.649655
encontramos w 4
1 1
wi 1  wi  k1  2k2  2k3  k4   w4  w3   k1  2k2  2k3  k4 
6 6
w4  1822.406477
cuando i = 4 cuando i = 5 cuando i = 6
K1 76,15911698 60,98228966 50,60143361
k2 67,31162349 55,07345390 46,39641442
K3 68,29192136 55,62362620 46,73404543
K4 60,93333721 50,57883409 43,07208898
w5 1.990,45640100 1.945,94894900 1.992,60468900
cuando i = 7 cuando i = 8 cuando i = 9
K1 37,40580140 37,4058019 32,97625491
k2 34,98636774 34,39641442 31,05615707
K3 35,13869374 35,13869374 31,16526813
K4 32,97219237 32,97219237 29,42838103
w5 2.067,83012700 2.067,83012700 2.099,97137400

Entonces se ha formado 2099 unidades de hidróxido de potasio después de 0.2 segundos.
EJERCICIO 16. Demuestre que el método de las diferencias
𝒘𝟎 = 𝜶𝟏
𝒘𝒊+𝟏 = 𝒘𝟎+ 𝜶𝟏 𝒇(𝒕𝟏, 𝒘𝟏 ) + 𝜶𝟐 𝒇(𝒕𝟏 + 𝜶𝟐 𝒘 + 𝜹𝟐 𝒇(𝒕𝟏 , 𝒘𝟏 )
ara cada i=0,1,……N-1, no puede tener el error local de truncamiento 𝑂(ℎ3 ) para cualquier
elección de las constantes.
ℎ2
𝑦(𝑡 + ℎ) − 𝑦(𝑡) = ℎ𝑦´(𝑡) + 𝑦´´(𝑡) + 𝑂(ℎ3 )
2
𝑑𝑦´ 𝑑𝑓(𝑡, 𝑦)
𝑦´´ = = = 𝑓𝑡 + 𝑓𝑦 𝑦´ = 𝑓𝑡 + 𝑓𝑦 𝑓
𝑑𝑡 𝑑𝑡
ℎ2
𝑦(𝑡 + ℎ) − 𝑦(𝑡) = ℎ𝑓 + (𝑓𝑡 + 𝑓𝑦 𝑓) + 𝑂(ℎ3 )
2
1 1
𝛽=𝛼 𝛼1 = 1 − 𝛼2 =
2𝛼 2𝛼
1
𝛼=1 𝛽=1 𝛼1 = 𝛼2 =
2
ℎ
𝑤𝑖+1 = 𝑤1 + (𝑡1 , 𝑤1 ) + 𝛼2 𝑓(𝑡1 + ℎ, 𝑤1 + ℎ𝑓(𝑡1 , 𝑤1 )
2
1 1
𝛼= 𝛽= 𝛼1 = 0 𝛼2 = 1
2 2
ℎ ℎ
𝑤𝑖+1 = 𝑤1 + ℎ𝑓 [(𝑡1 + ) , 𝑤1 ] + (𝑡1 , 𝑤1 )
2 2
EJERCICIO 17. El método de Runge-Kutta de cuarto orden puede escribirse en la

forma
𝒘𝟎 = 𝜶
𝒉 𝒉
𝒘𝒊+𝟏 = 𝒘𝒊 + 𝒇(𝒕𝒊 , 𝒘𝒊 ) + 𝒇(𝒕𝒊 + 𝒂𝟏 𝒉, 𝒘𝒊 + 𝜹𝟏 𝒉𝒇(𝒕𝒊, 𝒘𝒊 ))
𝟔 𝟑
𝒉
+ 𝒇 (𝒕𝒊 + 𝜶𝟐 𝒉, 𝒘𝒊 + 𝜹𝟐 𝒉𝒇(𝒕𝒊 + 𝜸𝟐 𝒉, 𝒘𝒊 + 𝜸𝟑 𝒉𝒇(𝒕𝒊 , 𝒘𝒊 )))
𝟑
𝒉
+ 𝒇 (𝒕𝒊 + 𝜶𝟑 𝒉, 𝒘𝒊
𝟔
+ 𝜹𝟑 𝒉𝒇 (𝒕𝒊 + 𝜸𝟒 𝒉, 𝒘𝒊 + 𝜸𝟓 𝒉𝒇(𝒕𝒊 + 𝜸𝟔 𝒉, 𝒘𝒊 + 𝜸𝟕 𝒉𝒇(𝒕𝒊 , 𝒘𝒊 )))).
Obtenga los valores constantes α1, α2, α3, δ1, δ2, δ3, γ2, γ3, γ4, γ5, γ6, y γ7.
→ Tenemos:
1
𝑤𝑖+1 = 𝑤𝑖 + 6 [𝑘, +2𝑘2 + 2𝑘3 + 𝑘4 ] …(1)
𝑘1 = ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )
ℎ 1
𝑘2 = ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑘1 )
2 2
ℎ 1
𝑘3 = ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + 𝑘2 )
2 2
𝑘4 = ℎ𝑓(𝑡𝑖 + ℎ, 𝑤𝑖 + 𝑘3 )
Reemplazamos 𝑘1 , 𝑘2 , 𝑘3 , 𝑘4 en la ecuación 1:
1 ℎ 𝑘1 ℎ 𝑘2
𝑤𝑖+1 = 𝑤𝑖 + [ℎ𝑓(𝑡𝑖 , 𝑤𝑖 ), +2ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + ) + 2ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + ) + ℎ𝑓(𝑡𝑖
6 2 2 2 2
+ ℎ, 𝑤𝑖 + 𝑘3 )] …
1 ℎ 1 ℎ
𝑤𝑖+1 = 𝑤𝑖 + (ℎ𝑓(𝑡𝑖 , 𝑤𝑖 ) + 2ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )) + 2ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 +
6 2 2 2
1 ℎ 1 ℎ 1 ℎ
ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )) + ℎ𝑓(𝑡𝑖+1 , , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 +
2 2 2 2 2 2
1
ℎ𝑓(𝑡𝑖 , 𝑤𝑖 ))))
2
ℎ ℎ ℎ 1 ℎ ℎ 1
𝒘𝒊+𝟏 = 𝑤𝑖 + 𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖 + , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )) + 𝑓(𝑡𝑖 + , 𝑤𝑖 + ℎ𝑓(𝑡𝑖
6 3 2 2 3 2 2
ℎ 1 ℎ ℎ 1
+ , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 + , 𝑤𝑖 + ℎ𝑓(𝑡𝑖
2 2 6 2 2
ℎ 1
+ , 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 )))
2 2
Así tenemos:
1 1
𝛼1 = 𝛼2 = 𝛼3 = 1
2 2
1 1
δ1 = δ2 = δ3 = 1
2 2
1 1 1
𝛾2 = 𝛾3 = 𝛾4 =
2 2 2
1 1 1
𝛾5 = 𝛾6 = 𝛾7 =
2 2 2

Ejercicios Resueltos de Metodos Numericos Segunda Parte

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

Ejercicios Resueltos de Metodos Numericos Segunda Parte

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Autónoma de Chota

Facultad de Ciencias de la Ingeniería

CONJUNTO DE EJERCICIOS DE ANÁLISIS NUMÉRICO DE

ING. JAVIER RUBEN SABINO NORABUENA

ACUÑA VASQUEZ MARITZA YOEMI

Ahora Construyamos los polinomios de interpolación de grado como máximo dos.

(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9)

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6)

Los polinomios de interpolación de grado como máximo dos son

𝑓(0.45) = −0.43112(0.45)2 − 0.03243(0.45) + 1 = 0.89810

Grado de interpolación de grado dos

Para la función dada 𝑓 (𝑥 ) = √1 + 𝑥 sean 𝑥0 = 0, 𝑥1 = 0.6, 𝑥2 = 0.9. Construya polinomios de

Debemos determinar los coeficientes polinómicos 𝐿1,0 (𝑥 ), 𝐿1,1 (𝑥 ).

𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.26491

El valor real es 𝑓 (0.45) = √1 + 0.45 = 1.20416

Debemos determinar los coeficientes polinómicos 𝐿2,0 (𝑥 ), 𝐿2,1 (𝑥 ), 𝐿2,2 (𝑥 ).

𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.26491

𝑓(𝑥2 ) = 𝑓 (0.9) = √1 + 0.9 = 1.37840

El valor real es 𝑓 (0.45) = √1 + 0.45 = 1.20416

polinomio de interpolación de grado 1: f (x) = √1 + 𝑥 → 𝑥0 = 0, 𝑥1 = 0.6

𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 )𝐿1,1 (𝑥 )

𝑓 (𝑥) = 𝑓(𝑥0 ) = 𝑓(0) = √1 + 𝑥 = 1

𝑓 (𝑥) = 𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.265

𝑃 (𝑥) = 𝑓(𝑥0 )𝐿1,0 (𝑥 ) + 𝑓(𝑥1 ) 𝐿1,1 (𝑥 )

Aproximación y error real.

𝑓 (𝑥) = 𝑓(0.45) = √1 + 0.45 = 1.204159

Polinomio de interpolación de grado 2: 𝑓 (𝑥) = √1 + 𝑥 → 𝑥0 = 0, 𝑥1 = 0.6, 𝑥2 = 0.9

2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6) 𝑥 2 − 0.6𝑥

𝑓(𝑥 ) = 𝑐𝑜𝑠(𝑥 ) → 𝑥0 = 0.6, 𝑥2 = 0.9

𝑓(𝑥 ) =→ 𝑓(𝑥0 ) = 𝑓(0) = √1 + 0 = 1

𝑓(𝑥 ) =→ 𝑓(𝑥1 ) = 𝑓(0.6) = √1 + 0.6 = 1.265

𝑓(𝑥 ) =→ 𝑓(𝑥2 ) = 𝑓(0.9) = √1 + 0.9 = 1.378

𝑥 2 − 1.5𝑥 + 0.54 𝑥 2 − 0.9𝑥 𝑥 2 − 0.6𝑥

𝑃(𝑥 ) = 1.852(𝑥 2 − 1.5𝑥 + 0.54) − 7.028 (𝑥 2 − 0.9𝑥) + 5.104(𝑥 2 − 0.6𝑥)

Aproximación y error real.

𝑓(𝑥 ) = 𝑓(0.45) = √1 + 0.45 = 1.204159

El objetivo es construir los polinomios de interpolación de grado como máximo uno.

Los polinomios de interpolación de grado como máximo uno es

Valor aproximado de f (0.45) es

(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 0.9)

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 0)(𝑥 − 0.6)

Los polinomios de interpolación de grado como máximo dos son

= 0(1.85185𝑥 2 − 277778𝑥 + 1) + 0.47(−5.55556𝑥 2 + 5𝑥 ) + 0.64185(3.70370𝑥 2 −

Entonces cuando f (0.45) será

El error es. 0.37156-0.36829 = 0.00327

Polinomio de interpolación de grado 1:x0 0, x1 0.9

F(x)=ln(x+1);𝑥0 =0, 𝑥1 =0.9

f(𝑥1 )=f(0.9)= ln(0.9,1)=0.64185

F (0.45) =ln (0.45+1)

𝐸𝑟𝑟𝑜𝑟 = |𝑓 (0.45) − 𝑃(0.45)|

𝐸𝑟𝑟𝑜𝑟 = |0.3715 − 0.3195|

Polinomio de interpolación de grado 2: 𝑥0 =0 𝑥1 =0.6 𝑥2 =0.9

𝑃(𝑥) = ∑2𝑘=0 𝑓 (𝑥𝑘 )𝐿𝑛,𝑘 (𝑥 )

𝑃(𝑥 ) = 𝑓 (𝑥0 )𝐿2,0 (𝑥 ) + 𝑓 (𝑥1 )𝐿2,1 (𝑥 ) + 𝑓 (𝑥2 )𝐿2,2

2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1) (𝑥 − 𝑥2) (𝑥 − 0.6) (𝑥 − 0.9) 𝑥 2−1⋅5𝑥−0⋅54

2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1) (𝑥 − 𝑥2) (𝑥 − 0.6) (𝑥 − 0.9) 𝑥 2−0.9𝑥

2 (𝑥 − 𝑥𝑖 ) (𝑥 − 𝑥1) (𝑥 − 𝑥2) (𝑥 − 0) (𝑥 − 0.6) 𝑥 2−0.6𝑥

F(x)=ln(x+1);𝑥0 =0, 𝑥1 =0.6, 𝑥2 =0.9

f (x) ln (x 1), 𝑥0 =0 𝑥1 =0.6 𝑥2 =0.9

f (𝑥1 ) ln (0.6 1)=0.470003

f (𝑥2 ) ln (0.9 1)=0.641853

𝑥 2 −1⋅5𝑥−0⋅54 𝑥 2−0.9𝑥 𝑥 2 −0.6𝑥

𝑃(𝑥 ) = 0 − 2.6111(𝑥 2 − 0.9𝑥) + 2.3772 (𝑥 2 − 0.6𝑥)