UNIDAD I

CONCEPTOS BASICOS
1.1 USOS DE LOS METODOS NUMERICOS
El anlisis numrico trata de disear mtodos para aproximar de una manera
eficiente, las soluciones de problemas expresados matemticamente. La
eficiencia del mtodo depende tanto de la precisin que se requiera como el
de la facilidad con la que pueda implementarse.
Es una situacin practica, el problema matemtico se deriva de un fenmeno
sobre el cual se han hecho algunas suposiciones para simplificarlo y para
poderlo representar matemticamente. Generalmente cuando se relajan las
suposiciones fsicas llegamos a un modelo ms apropiado, pero al mismo
tiempo, mas difcil
o imposible de resolver explcitamente. Y que
normalmente de todos modos el problema matemtico no resuelve el
problema fsico exactamente, resulta con frecuencia ms apropiado
encontrar una solucin exacta del modelo simplificado. Para obtener tal
aproximacin se idea un mtodo llamado ALGORITMO.
EL algoritmo consiste de una secuencia de operaciones algebraicas y
lgicas que producen la aproximacin al problema matemtico y se espera
que tambin al problema fsico, con una tolerancia o precisin
predeterminada.
Como la eficiencia de un mtodo depende de su facilidad de
implementacin, la eleccin del mtodo apropiado para aproximar la
solucin de un problema esta influenciada significativamente por los
cambios tecnolgicos en calculadoras y computadoras. Hace ms de 50
aos, antes del uso generalizado del equipo digital de cmputo, no se poda
aplicar los mtodos que se requeran para una gran cantidad de cmputo
necesario para sus aplicaciones. Sin embargo, desde entonces, los
adelantos en el equipo de cmputo han hecho que estos mtodos sean ms
y ms atractivos. El factor limitante en la actualidad es generalmente la
capacidad de almacenamiento de la computadora, a pesar de que el costo
asociado con los tiempos de computo, es de luego, tambin un factor
importante. La disponibilidad
de computadoras personales y de
calculadoras programables de bajo costo es tambin un factor que influye
en la eleccin de un mtodo de aproximacin, ya que estas pueden usarse
para resolver muchos problemas relativamente simples.
Las ideas bsicas sobre las cuales se apoyan la mayora de las tcnicas
numricas actuales se conocen ya desde hace algn tiempo, al igual que los
mtodos usados para predecir las cotas del error mximo que se pueden
producir al aplicar los mtodos. Por lo tanto, es de inters primordial
determinar la manera en la que estos modelos se han desarrollado y como
puede estimarse su error, ya que, sin duda, algunas variaciones de estas
tcnicas se usaran en el presente para desarrollar y aplicar procedimientos
numricos independientemente de la tecnologa.

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

IMPORTANCIA DEL ANALISIS NUMERICO EN LA INGENIERIA. El anlisis

numrico y sus mtodos son una dialctica entre el anlisis matemtico
cualitativo y el anlisis matemtico cuantitativo; y primero nos dice por
ejemplo que bajo ciertas condiciones algo existe, que es o no nico, etc.,
mientras que el segundo complementa al primero, permitiendo calcular
aproximadamente el valor el valor de aquello que existe. Es pues una
reflexin sobre los cursos tradicionales de clculo, algebra lineal,
ecuaciones diferenciales, etc. desde el punto de vista numrico,
concretando en una serie de mtodos o algoritmos cuyo estudio y uso en
diferentes reas de ingeniera y ciencias.
Dado que cada algoritmo implica numerosas operaciones lgicas,
aritmticas y en algunos casos graficaciones, la computadora es
fundamental para el estudio y uso de estos. El binomio
computadora_lenguaje de alto nivel (Fortran, Basic, Pascal y otros), ha sido
utilizado durante muchos aos para la enseanza y el aprendizaje de los
mtodos numricos; si bien esta formula ha sido exitosa y sigue vigente,
tambin es cierto que la aparicin de paquetes comerciales como Graphics
Calculus (GC), Math_CAD, Maple, por citar algunos de los mas conocidos,
han venido a apoyar el trabajo de profesores y alumnos, permitiendo
variantes como ilustraciones geomtricas de algunos mtodos y de las ideas
que los sustentan; programacin ms sencilla y rpida de ciertos
algoritmos; uso directo de los mtodos; exploracin de conjeturas
planteadas por el alumno o profesor etc. de modo que esta rama de las
matemticas resulta hoy en da ms atractiva y til para casi todos los
estudiantes de ingeniera y ciencias.
Los algoritmos presentados se sustentan en teorema que se describen o
enuncian a lo largo de temas desarrollados, de modo que se tenga
fundamentacin terica (y no un conjunto de recetas de aplicacin), y
proporcionar al estudiante recursos para usar con ms propiedad y
racionalidad estos algoritmos.
La aplicacin de los diferentes mtodos numricos se lleva a cabo guiando
al estudiante en la visualizacin de problemas realistas en ingeniera, en los
que al aplicarse las leyes bsicas que los rigen, se obtienen las ecuaciones
matemticas que los modelan.
Se aprovechan las caractersticas y limitaciones de los distintos algoritmos
estudiados, para seleccionar los ms adecuados para el modelo matemtico
a resolver. Debido a la preferencia de los profesores por algn lenguaje en el
cual programar, estos algoritmos se dan en pseudocdigo y se codificaron
en Fortran (Lahey Personal Fortran), Pascal, Basic y C (Turbo Pascal, Turbo
Basic y Turbo C de Borland). La mayora son programas de propsito
general y estn documentados para permitir su utilidad en otras
aplicaciones de mtodos del mismo tipo.

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

CONCEPTOS BASICOS:
ANLISIS NUMRICO. Es una disciplina matemtica que trata con el desarrollo de
mtodos simples para aproximar soluciones de modelos matemticos ms
complejos.
MTODOS NUMRICOS. Es un procedimiento que genera la solucin de un
modelo matemtico complejo con una precisin arbitraria en un nmero finito de
pasos simples ejecutados en un orden lgico predeterminado.
Caractersticas
Debe ser finito o infinito pero con un criterio deparo o finalizacin
Convergente, debe llegar a la solucin del modelo
Rpido
Debe ser numricamente estable, inmune a la acumulacin de errores por
redondeo.
MATEMATICAS: Herramienta de apoyo para otras ciencias.
Problema
Modelo
Modelo
Ciencia o
conocimiento
real del
herramienta
matemtico
Ingeniera
cientfico
problema
matemtica
(avanzado)
MODELO MATEMTICO. Formulacin o una ecuacin que representa las
caractersticas fundamentales de un sistema o proceso fsico en trminos
matemticos.
CARACTERSTICAS: su complejidad, herramientas (parmetros, variables
clculos etc.), matemticas avanzadas.
SOLUCIONES: forma analtica (tradicional) y numrica.
SOLUCIN ANALTICA. Es aquella que se obtiene mediante el uso de tcnicas
tradicionales y se caracteriza por satisfacer en forma exacta las ecuaciones del
modelo.
SOLUCIN NUMRICA. Es aquella que se obtiene mediante la utilizacin de un
mtodo numrico y se caracteriza por ser una solucin aproximada.
Requisitos para la solucin analtica
Conocer tcnicas matemticas avanzadas
Ejecutar operaciones y clculos
Manipular parmetros y variables
No equivocarse
Requisitos para la solucin numrica
Rapidez en su calculo
Alta velocidad de procesamiento
Gran capacidad de almacenamiento
Caractersticas deseables del anlisis numrico
o Debe ser finito o infinito de acuerdo a sus criterios
o Debe ser convergente, debe llegar a la solucin del modelo
o Debe ser rpido en sus soluciones
o Debe ser numricamente estable inmune a la acumulacin de errores por
redondeo.

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

Ejemplo: determinar la velocidad de un cuerpo con cada libre

Modelo real
Fr
m
representacin de las fuerzas
que actan sobre un cuerpo en
descenso; Fg es la fuerza hacia
abajo debido a la atraccin de la
gravedad, Fv es la fuerza hacia
arriba debido a la resistencia
del aire.

Fg

MODELO MATEMTICO
Ft = Fg -- Fv

(Segunda ley de Newton: F = m a )

Ft = m a
a=

dv
dt

Ft = m dv
dt
Fg = m g
Fv = c v (aproximacin lineal propuesta a la velocidad;
C = coeficiente de arrastre g/seg)
Dividiendo entre m
dv
c
------ = g -- ------ v
dt
m
Para resolver por solucin analtica necesitamos datos:
g = 980 cm/seg
m = 68100 grs
c = 12500 grs/seg
-- c/mt
v (t) = gm (1 -- e
) = 980x68100 ( 1 -- e
c
12500
-- 0.3671
v(t) = 5339.04 (1 -- e
) = 1640.5 cm/seg

-- (12500/68100) t
)

t = 0, 2, 4, 6, 8, 10, 12
t
0
2
4

vel (cm/seg)
0
1640.5
2776.9

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

Metodologa para la solucin numrica de ciencia o ingeniera (con la

ayuda de la computadora)
1.- Identificacin del problema (modelo real), consiste en establecer el
objetivo que se pretende alcanzar con su solucin.
2.- Anlisis matemtico. Consiste en la construccin de un modelo
matemtico que represente la solucin del problema
3.- Anlisis numrico. Consiste en transformar el modelo avanzado a un
modelo aritmtico equivalente
4.- Programacin. Descripcin detallada de la utilizacin del modelo
Aritmtico en la forma de una secuencia de pasos lgicos. Diagrama
de flujo. Es la representacin esquemtica (paso a paso) del modelo
matemtico
5.- Verificacin (prueba de escritorio). Consiste en encontrar los posibles
errores que tenga el programa en base a datos y resultados conocidos
y dejarlo libre de errores de lgica.
6.- Codificacin, Es la escritura en cualquier lenguaje de programacin.
gotoxy(10,10);cout<<dame el valor de t;

# include <iostream.h>
# include <conio.h>

cin>>t;

# include <stdio.h>

g= 980.0; m= 68100.0; c= 12500.0;

# include <math.h>
void main ()

v= ((g*m)/c)*(1-(exp((-c/m)*t)));

gotoxy(10,35);cout<<v;
getch ();
}

Float v,g,m,c;
int t;
clrscr();

7.- Documentacin. Son apuntes que se van generando a lo largo de la

solucin del problema y del manual del usuario. Consiste en que
personas ajenas a la que realizo el programa sean capaces de
ejecutarlo.
8.- Produccin. El programa se pone a trabajar y resolver el problema.
9.- Mantenimiento. Todos los programas lo necesitan para adecuarse a las
nuevas necesidades.

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

1.2 ANALISIS DEL ERROR

El estudio de la teora de aproximaciones involucra dos tipos de problemas.
Un problema surge cuando se tiene una funcin explcitamente pero se
desea encontrar un tipo de funcin mas simple, como un polinomio, que
se pueda usar para determinar los valores aproximados a la funcin dada.
El otro problema en la teora de aproximacin es que consiste en ajustar
funciones a datos dados y encontrar la mejor funcin dentro de cierta
clase que pueda usarse para representarlos. En el campo de la ingeniera
existen infinidad de fenmenos fsicos que necesitan representarse
mediante modelos matemticos.
Cifras significativas o dgitos significativos, se ha desarrollado para
designar formalmente la confiabilidad de un valor numrico. El numero de
cifras significativas es un numero de dgitos ms un digito estimado que se
pueda usar con confianza. Una aproximacin numrica a la solucin del
problema, esta aproximacin se debe a que dichos mtodos para realizar los
clculos, se auxilian de la computadoras digitales que al trabajar con un
nmero determinado de cifras producen inevitablemente errores, cuando se
emplea u numero en un clculo, debe haber seguridad que pueda usarse
con confianza. Ejemplo el velocmetro (contador de kilometraje de un
automvil).
La EXACTITUD se refiere a la aproximacin de un numero o de una
medida al valor verdadero que se supone representa.
La INEXACTITUD (conocida tambin como sesgo) se define
alejamiento sistemtico de la verdad.

como un

PRECISIN se refiere:
a) al nmero de cifras significativas que representan una cantidad
b) la extensin en las lecturas repetidas de un instrumento que mide
alguna propiedad fsica. Por ejemplo: Cuando se hacen algunos
disparos en un lugar de tiro al blanco la precisin se refiere a la
magnitud del esparcimiento de las balas
IMPRECISIN. Tambin se le conoce como incertidumbre. Se refiere al
grado de alejamiento entre s, a las diversas aproximaciones a un valor
verdadero.
Dependiendo de la fuente o factor que los produzca. Los errores numricos
se generan con el uso de aproximaciones para representar las operaciones y
cantidades matemticas.
ERROR. Es la discrepancia que existe entre dos valores numricos, uno de
los cuales representa el valor exacto o verdadero de una variable especifica
Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

y el otro representa el valor aproximado que se obtiene por medicin o por

clculo de la misma variable.
Tipos de errores: Absoluto, Relativo, redondeo, Truncamiento, Inherente,
Humano, Propagacin, Numrico total.
ERROR ABSOLUTO. Es la diferencia entre el valor verdadero y la
aproximacin en valor absoluto.
e a = X X1
ERROR RELATIVO. Es el cociente que resulta de dividir al error absoluto
entre la aproximacin expresado en por ciento (%).
eR =

e a x 100
x1

Ejemplo:
X = 0.0005 (valor verdadero)
X1 = 0.0004 (valor aproximado)
e a = 0.0005 0.0004= 0.0001
eR =

0.0001 x 100 = 1 x 100 = 25 %

0.0004
4

ERROR POR REDONDEO. Causados al redondear un nmero a una

de dgitos establecidos (causados por la computadora).
Ejemplo:
9.2654
+ 7.1625
16.4279 -------->

serie

16.428

ERROR POR TRUNCAMIENTO. Son causados al truncar un proceso

matemtico infinito
Sen x = x -- x3
3!
Ejemplo:
A = 9.0000005;
R1 = A + B +C;
R1 = 12.4650005

x5
5!

--

x7
7!

B = 3.45;
C = 0.015
R2 = A + B + C
R2 = 12.41

ERROR NUMRICO TOTAL. Se entiende como la suma de los errores de

redondeo y truncamiento introducidos en el clculo. Pero aqu surge un
gran problema. Mientras ms clculos se tengan que realizar para obtener
un resultado, el error de redondeo se ir incrementando. Pero por otro
lado, el error de truncamiento se puede minimizar al incluir ms trminos
en la ecuacin, disminuir el paso o proseguir la iteracin (o sea mayor
nmero de clculos y seguramente mayor error de redondeo).

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

ERROR INHERENTE. Son errores que existen en los valores de los datos,
causados por incertidumbre, en las mediciones, por verdaderas
equivocaciones, o por la naturaleza necesariamente aproximada de la
representacin, mediante un nmero finito de dgitos, de cantidades que no
pueden representarse exactamente con el nmero de dgitos permisibles.
Ejemplo (1):
PI = 3.1416 --->
15.708
--------> 49.3483
Calculadora (3.14159265) ------->
X ---------> Y
Computadora (3.14159265389793) ----Ejemplo (2):
Lec 6.5, 6.75, 6.1, etc.
Ejemplo (3):
1 / 3 = 0.333333
ERROR HUMANO. Es un factor en cada accidente y prdida. Es provocado
por una variedad de condiciones relacionadas no solamente con la conducta
individual inapropiada, sino tambin por prcticas de liderazgo y
administracin incompetente, como as tambin por debilidades
organizacionales.
ERRORES DE PROPAGACIN. Es de gran importancia en los mtodos
numricos en la forma en que un error en algn punto de la computacin se
propaga es decir, si su efecto aumenta o disminuye al efectuar una
operacin elemental.
Propagacin del error absoluto
Suma x + y
e x + y = ex + ey + R1
Resta x y
e x y = ex - ey + R1
Producto x * y
e x * y = x- ey + y- ex + ex ey + R1
Divisin x/y
e x/y = ex x- * ey + R1
yy-2

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

Ejemplo 1: x = a2 b2
X = (a*a) - (b*b)
a2 = a*a
e a*a = a- ea + a- ea + ea*ea + R1
e a2 = 2 a- ea + ea2 + R1
b=b*b
e b*b = b- eb + b- eb + eb*eb + R2
e b2 = 2 b- eb + eb2 + R2
e a2 b2 = ea2-- eb2 + R3
= 2 a- ea + ea2 + R1 (2b- eb + eb2 +R2 ) + R3
Ejemplo 2: x1 = (a+b)(a-b)
ea + eb = ea + eb + R1
ea eb = ea eb + R2
e(a + b)(a-b) = (a + b)e(a - b) + (a - b)e(a + b) +
e(a + b)e(a - b) + R3
= (a + b)(ea eb + R2) +
(a - b)(ea + eb + R1) +
(ea + eb + R1)(ea eb + R2) + R3
ejemplo 3: x2 = a/b * c
ea/b = ea a- * eb + R1
bb-2
e(a/b)*c = (a/b) * e c + c- * e (a/b) + e (a/b) * e c + R2
= ec(a/b) + c- (ea a- * eb + R1) +
b- b-2
ec(ea a * eb + R1) + R2
bb-2
ejemplo 4: x3 = . 2 a .
1+2A
e 2a = 2- ea + a- e2 + e2 ea + R1
= 2- ea + R1
e(1 + 2a) = e1 + e 2a + R2
= 2- ea + R1 + R2
e. 2a . = e2a. .2a .
*e(1 + 2 a) + R3
1 + 2A
(1+2a)
(1+2a) 2
= 2- e a + R1 . 2 a . * (2- ea + R1 + R2) + R3
(1+2a)
(1+2a)2

Ing.J.G.H.Z.

ITD

(Ago-Dic-20014)

UNIDAD II
RAICES DE ECUACIONES
2.1 METODO DE INTERVALO MEDIO Y REGULA FALSO
El problema de obtener las soluciones o races de una ecuacin algebraica
trascendente de la forma f(x)= 0, es un problema que se presenta
frecuentemente dentro del campo de la ingeniera. Debido a ello el desarrollo
de mtodos que nos permiten solucionarlo es amplio. Los mtodos de
programacin iterativas son aquellos que a partir de una primera aproximacin
a la solucin, y aplicando de forma repetida una formula de recurrencia, se
obtiene una prxima solucin.
CONVERGENCIA. El clculo y generalmente el anlisis estn basados en la
nocin de convergencia, los conceptos bsicos tales como derivada, integral o
continuidad se definen en trminos de sucesiones convergentes. Las funciones
elementales como ln (x) o sen(x). Se definen tambin por medios de series
convergentes. En la ingeniera no se requieren respuestas numricas exactas,
mas bien, se busca una aproximacin a la respuesta hasta un cierto nmero de
cifras decimales o precisos dentro de una tolerancia.
En muchos mtodos numricos para hallar la respuesta x a un problema se
producen la primera n trminos de una sucesin x1, x2, x3, xn (soluciones
aproximadas para demostrar la convergencia a la respuesta). Recordando que
una sucesin x1, x2, x3, xn de nmeros que converge a un valor x, si para
todos > 0, existe un entero m que, para toda n > m, se cumple que:
x xm <
entonces, si tenemos un modelo que produzca una sucesin x1, x2, x3, xn,
que converja a la respuesta pedida, se podr obtener x con cualquier exactitud
dada, determinando n soluciones x1, x2, x3, xn.
RAIZ. Es un valor creado e imaginario que satisface a una ecuacin
ax2 + bx + c = 0
5 ex + sen x = 0
X = -- b b2 -- 4 ac
2a
5 x3 -- 10 x2 + x = 25

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

2.2 METODO ITERACIONES SUCESIVAS

f(x) = 0
Condiciones;
1, Se da un valor inicial o aproximado llamado xo
2. Se refina hasta llegar a la solucin
X0 = f(x1)
X1 = f(x2)
X2 = f(x3)
.
.
.
Xn-1 = f(xn)
0 - f (x) < 1

y = f(x)

f (x) > 1

y=x

y = f(x)

x
x0

x2
x1

ejemplo
x2 = 0.5
x2 5 = 0
x = 0.5
x = 0.7071
f(x) = X2 0.5
f(x) = 2x
Xn = X2 n-1 + Xn-1 (formula de recurrencia para mayor exactitud en los
resultados)
n =1
X1 = Xo2 + Xo
X1 = X2 o + Xo 0.5
valores inciales Xo = (-0.1... 1)
Valor inicial Xo = - 0.1

Utilizando 4 decimales
X1 = X2 o + Xo 0.5
Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

X1 = f (xo)
X1 = (- 0.1)2 + (- 0,1) 0.5 = - 0.59
X2 = (- 0.59)2 + (- 0.59) 0.5 = - 0.7419
X3 = (- 0.7419)2 + (- 0.7419) 0.5 = - 0,6914
X4 = (- 0.6914) 2+ (- 0.6914) 0.5 = - 0.7132
X5 = (- 0.7132)2 + (- 0.7132) 0.5 = - 0.7044
X6 = (- 0.7044)2 + (- 0.7044) 0.5 = - 0.7081
X7 = (- 0.7081)2 + (- 0.7081) 0.5 = - 0.7066
X8 = (- 0.7066)2 + (- 0-7066) 0.5 = - 0.7072
X9 = (- 0.7072)2 + (- 0.7072) 0.5 = - 0.7071
X10 = (- 0.7070)2 + (- 0.7070) 0.5 = - 0.7071

METODO ITERATIVO MODIFICADO

f(x) = 0

1 .
1 f (x)

Xn = xn-1 + (f(x-1) Xn-1)

ejemplo
x2 = 0,5
x2 5 = 0
x = 0.5
x = 0.7071
f(x) = X2 + X 0.5
f (x) = 2X + 1
valores inciales Xo = (-0.1... 1)
f(xo) = X2 o + Xo 0,5
f(xo)= 2Xo + 1
Valor inicial X0 = - 0.1
Utilizando 4 decimales

n=1

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

f(Xo) = (- 0.1)2 + (- 0.1) 0.5 =

f(Xo) = 2(- 0.1) + 1
=
=

1
.
1 f (xo)

1
=5
1 0.8

- 0.59
0.8

Xn = xn-1 + (f(x-1) Xn-1)

X1 = Xo + (f (Xo) - Xo)
X1 = - 0.1 + 5(- 0.59 + 0.1) = - 2.55
f(X1) = (- 2.55)2 + (- 2.55) 0.5 = 3.45
f(X1) = 2(- 2.55) + 1
= - 4.1
=

1
= 0.1960
1 + 4.1

X2 = - 2.55 + 0.1960 (3.45 + 2.55) = - 1.374

f(X2) = (- 1.374)2 + (- 1.374) 0.5 = 0.0138
f(X2) = 2(- 1.374) + 1
= - 1.748
=

1
= 0.364
1 + 1.748

X3 = - 1.374+ 0.364 (0.0138+ 1.374) = - 0.8688

f(X3) = (- 0.8688)2 + (- 0.8688) 0.5 = - 0.6139
f(X3) = 2(- 0.8688) + 1
= - 0.7376
=

1
1 + 0.7376

= 0.5755

X4 = - 0.8688 + 0.5755 (-0.6139+ 0.8688) = - 0.7221

f(X4) = (- 0.7221)2 + (- 0.7221) 0.5 = - 0.7006
f(X4) = 2(- 0.7221) + 1
= - 0.4442
=

1
1 + 0.4442

= 0.6924

X5 = - 0.7221 + 0.6924 (-0.7006 + 0.7221) = - 0.7072

(X5) = (- 0.7072)2 + (- 0.7072) 0.5 = - 0.7070
f(X5) = 2(- 0.7072) + 1
= - 0.4144
=

1
1 + 0.4144

= 0.7070

X6= - 0.7072 + 0.7070 (-0.7070 + 0.7072) = - 0.7071

2.3 METODO DE LA SECANTE o REGULA FALSO

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

El mtodo de posicin falsa llamada de Rgula-falsi, al igual que el

algoritmo de la secante, aproxima la derivada f(x), pero en este caso los
valores de Xn y Xn-1 se encuentran en lados opuestos de la raz buscada
y sus valores funcionales correspondientes tienen signos opuestos esto
es.
f(x) = 0
Xn = Xn-1 f (Xn-1) (Xn-1 Xn-2)
f (Xn-1) - f (Xn-2)
Condiciones:
1. Se dan dos primeras aproximaciones llamadas Xo y X1.
2. Debe formar un intervalo que contenga a la raz.
(Xo, X2)(X2, X1)
Si f (Xo) *f(X1) > 0
ejemplo
x2= 0, 5
x2 5 = 0
x = 0.5
x = 0.7071
f(X) = X2 0.5

X f(X)
Xo = - 5 24.5
X1 = 5 24.5
Si f (Xo) *f(X1) > 0
(estos datos son >
que cero y no
cumplen la
condicin)

X
0
1

f(X)
- 0.5
0.5

Si f (Xo) *f(X1) < 0

(estos datos son <
que cero y si cumplen
la condicin)

(valores inciales) Xo = 0, X1 = 1, f (Xo) = - 0.5, f(X1) = 0.5

n=2
X2 = X1 f(X1) (X1 - Xo)
f(X1) - f (Xo)
X2 = 1 0.5 (1 - 0) = 0.5
0.5 + 0.5
(Xo, X2)(X2, X1)
0, 0.5 0.5, 1
f (Xo) = f(X2)
f (Xo) = f(X1)2 0.5
f (Xo) = (0.5)2 0.5 = - 0.25
Si f (Xo) * f(X1) < 0
f (Xo) = - 0.25, f(X1) = 0.5, Xo = X2 = 0.5, X1 = 1
X2 = 1 0.5 (1 0.5) = 0.666
0.5 + 0.25
(Xo, X2

Ing. J.G.H.Z.

)(

X2, X1)

ITD

(Ago-Dic-2014)

0.5, 0.666

0.666, 1

f (Xo) = (0.666)2 0.5 = - 0.0564

Si f (Xo) * f(X1) < 0
f (Xo) = - 0.0564, f(X1) = 0.5, Xo = X2 = 0.666, X1 = 1
X2 = 1 0.5 (1 0.666) = 0.699
0.5 + 0.0564
(

Xo, X2 )( X2, X1)

0.666, 0.699 0.699, 1

f (Xo) = (0.699)2 0.5 = - 0.01139

Si f (Xo) * f(X1) < 0
f (Xo) = - 0.01139, f(X1) = 0.5, Xo = X2 = 0.699, X1 = 1
X2 = 1 0.5 (1 0.699) = 0.7057
0.5 + 0.01139
(

Xo, X2) ( X2, X1)

0.699, 0.7057 0.7057, 1

f (Xo) = (0.7057)2 0.5 = - 0.001987

Si f (Xo) * f(X1) < 0
f (Xo) = - 0.001987, f(X1) = 0.5, Xo = X2 = 0.7957, X1 = 1
X2 = 1 0.5 (1 0,7057) = 0.7068
0.5 + 0.001987
( Xo, X2
)( X2, X1)
0.7057, 0.7068 0.7068, 1
f (Xo) = (0.7068)2 0.5 = - 0.0004337
Si f (Xo) * f(X1) < 0
f (Xo) = - 0.0004337, f(X1) = 0.5, Xo = X2 = 0.7068, X1 = 1
X2 = 1 0.5 (1 0.7068) = 0.7070
0.5 + 0.0004337
(

Xo, X2
)( X2, X1)
0.7068, 0.7070 0.7070, 1

f (Xo) = (0.7070)2 0.5 = - 0.000151

Si f (Xo) * f(X1) < 0
f (Xo) = - 0.000151, f(X1) = 0.5, Xo = X2 = 0.666, X1 = 1
X2 = 1 0.5 (1 0.7070) = 0.7070
0.5 + 0.000151

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

METODO DE BISECCION El mtodo de Biseccin es muy similar al de

Falsa Posicin, aunque algo ms simple, como el mtodo de Falsa
Posicin, tambin se requieren dos valores inciales a ambos lados de la
raz y que sus valores funcionales correspondientes de signos opuestos.
En este caso el valor de xn, se obtiene como el punto medio entre xn-2 y
xn-1.
Dependiendo de la funcin que se tenga en particular el mtodo de
Biseccin puede converger ligeramente, ms rpido o ms lentamente
que el mtodo de Falsa Posicin. Su gran ventaja sobre el mtodo de
Falsa Posicin es que proporciona el tamao exacto del intervalo en cada
iteracin (en ausencia de errores de redondeo).
Para aclarar esto, ntese, que este mtodo despus de cada iteracin el
tamao del intervalo original se habr reducido dos veces.
Este mtodo es un simple proceso iterativo que consiste en valuar una
funcin f(x), en que el punto medio del intervalo (x1, x2) dependiendo de
su ordenada, tiene el mismo signo que f (xm). Al repetir este proceso
hasta que el intervalo sea ms pequeo que una tolerancia prefijada de la
raz que quedara dentro de dicho intervalo.
f(x) = 0
Xn = Xn-2 + Xn-1
2
ejemplo
x2 = 0,5
x2 5 = 0
x = 0.5
x = 0.7071
f(X) = X2 0.5

X
Xo = 0
X1 = 1

f(X)
- 0.5
0,5

(valores inciales) Xo = 0, X1 = 1, f (Xo) = - 0.5, f(X1) = 0.5

n=2
X2 = Xo + X1
2
Xo = 0, X1 = 1 (valores inciales)
X2 = 0 + 1
2

= 0.5

(Xo, X2) (X2, X1)

0 0.5
0.5 1

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

f(X0) = f(X2)
f(Xo) = X2 0.5
f(Xo) = (0.5)2 0.5 = - 0.25
Si f(Xo) * f(X1) < 0
f(Xo) = - 0.5, f(X1) = 0.5, Xo = X2 = 0.5, X1 = 1
X2 = 0.5 + 1 = 0.75
2
( Xo, X2 ) ( X2, X1 )
0-5 0.75
0.75 1
f(Xo) = (0.75)2 0.5 = 0.0625
Si f(Xo) * f(X1) > 0
f(Xo) = 0.0625, f(X1) = 0.5, X1 = X2 = 0.75, Xo = .5
X2 = 0.5 + 0.75 = 0.625
2
( Xo,
X2 ) ( X2,
X1 )
0.5 0.625
0.625 0.75
f(Xo) = (0.625)2 0.5 = - 0.1094
Si f(Xo) * f(X1) < 0
f(Xo) = - 0.1094, f(X1) = 0.5, Xo = X2 = 0.625, X1 = 0.75
X2 = 0.625 + 0.75 = 0.6875
2
( Xo,
X2 ) ( X2,
X1 )
0.625 0.6875
0.6875 0.75
f(Xo) = (0.6875)2 0.5 = - 0.02734
Si f(Xo) * f(X1) < 0
f(Xo) = - 0.02734, f(X1) = 0.5, Xo = X2 = 0.6875, X1 = 0.75
X2 = 0.6875 + 0.75 = 0.7187
2
( Xo,
X2 ) ( X2,
X1 )
0.6875 0.7187 0.7187 0.75
f(Xo) = (0.7187)2 0.5 = 0.0166
Si f(Xo) * f(X1) > 0
f(Xo) = 0.0166, f(X1) = 0.5, X1 = X2 = 0.7187, Xo = 0.6875
X2 = 0.6875 + 0.7187 = 0.7031
2
( Xo,
X2 ) ( X2,
X1 )
0.6875 0.7031
0.7031 0.7187
f(Xo) = (0.7031)2 0.5 = - 0.00565
Si f(Xo) * f(X1) < 0
f(Xo) = - 0.00565, f(X1) = 0.5, Xo = X2 = 0.7031, X1 = 0.7187
X2 = 0.7031 + 0.7187 = 0.7109
2
(
Xo,
X2 ) ( X2,
X1 )
0.7031 0.7109
0.7109 0.7187

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

f(Xo) = (0.7109)2 0.5 = 0.005378

Si f(Xo) * f(X1) > 0
f(Xo) = 0.005378, f(X1) = 0.5, X1 = X2 = 0.7109, Xo = 0.7031
X2 = 0.7031 + 0.7109 = 0.707
2
( Xo,
X2 ) ( X2,
X1 )
0.7031 0.707 0.707 0.7109
f(Xo) = (0.707)2 0.5 = - 0.000151
Si f(Xo) * f(X1) < 0
f(Xo) = - 0.000151, f(X1) = 0.5, Xo = X2 = 0.707, X1 = 0.7109
X2 = 0.707 + 0.7109 = 0.7089
2
( Xo,
X2 ) ( X2,
X1 )
0.707 0.7089 0.7089 0.7109
f(Xo) = (0.7089)2 0.5 = 0.002539
Si f(Xo) * f(X1) > 0
f(Xo) = 0.002539, f(X1) = 0.5, X1 = X2 = 0.7089, Xo = 0.707
X2 = 0.707 + 0.7089 = 0.7079
2
( Xo,
X2 ) ( X2,
X1 )
0.707 0.7079 0.7079 0.7089
f(Xo) = (0.7079)2 0.5 = 0.001122
Si f(Xo) * f(X1) > 0
f(Xo) = 0.001122, f(X1) = 0.5, X1 = X2 = 0.7079, X0 = 0.707
X2 = 0.707 + 0.7079 = 0.70748
2
( Xo,
X2 ) ( X2,
X1 )
0.707 0.70748 0.70748 0.7079
f(Xo) = (0.70748)2 0.5 = 0.000414
Si f(Xo) * f(X1) > 0
f(Xo) = 0.000414, f(X1) = 0.5, X1 = X2 = 0.70748, Xo= 0.707
X2 = 0.707 + 0.70748 = 0.7072
2
( Xo,
X2 ) ( X2,
X1 )
0.707 0.7072 0.7072 0.70748
f(Xo) = (0.7072)2 0.5 = 0.00131
Si f(Xo) * f(X1) > 0
f(Xo) = 0.00131, f(X1) = 0.5, X1 = X2 = 0.7072, X0 = 0.707
X2 = 0.707 + 0.7072 = 0.7071
2
( Xo,
X2 ) ( X2,
X1 )
0.707 0.7071
0.7071 0.7072
f(Xo) = (0.7071)2 0.5 = - 0.00000959
Si f(Xo) * f(X1) < 0
f(Xo) = 0.00000959, f(X1) = 0.5, Xo = X2 = 0.7071, X1= 0.7072
X2 = 0.7071 + 0.7072 = 0.7071
2

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

2.4 METODO DE NEWTON-RAPHSON

El mtodo de Newton-Rapshon, es una variante del mtodo iterativo o
aproximaciones sucesivas o estndar, pero tiene la caracterstica de que la
funcin recursiva es tal que f(x) =0, por lo tanto su convergencia es de
orden 2.
En el mtodo de Newton-Rapshon, la siguiente solucin mejorada Xn-1 se
estima como el valor de X en el punto de interseccin del eje de las x con la
tangente de la funcin que pasa por el punto (Xn-1, f(Xn).
f(x) = 0
Xn = Xn-1 - f( Xn-1 )
f(Xn-1)
Condiciones:
1. Se da un valor aproximado que este cerca de la raz.
2. Debe existir la derivada de la funcin.
3. F(x), no debe estar cercana a uno.
ejemplo
x2 = 0,5
x2 5 = 0
x = 0.5
x = 0.7071
f(X) = X2 0.5
f(X) = 2X

X
0
1

f(X)
- 0.5
0.5

Xo = 0 + 1 = 0.5
2
Xo = - 0.5, 0.5

X f(X)
0 - 0.5
- 1 0.5
Xo = 0 1 = - 0.5
2

f(Xo) = X2 0.5
f(Xo) = 2X
n=1
X1 = Xo f( Xo )
f(Xo)
(valor inicial) Xo = 0.5
f(Xo) = (0.5)2 0.5 = - 0.25
f(Xo) = 2(0.5)
= 1
X1 = 0.5 -0.25 = 0.75
1
2
f(Xo) = (0.75) 0.5 = 0.625
f(Xo) = 2(0.75)
= 1.5
X1 = 0.75 0.625 = 0.7083
1.5
f(Xo) = (0.7083)2 0.5 = 0.001688
f(Xo) = 2(0.7083)
= 1.4166
X1 = 0.7083 0.001688 = 0.7071
1.4166
2
f(Xo) = (0.7071) 0.5 = - 0.00000959
f(Xo) = 2(0.7071)
= -1.4142
X1 = 0.7071 - 0.00000959 = 0.7071
- 1.4142
2.5 COMPROBACION DE METODOS
2.6 APLICACIONES EN LA INGENIERIA

Ing. J.G.H.Z.

ITD

(Ago-Dic-2014)

UNIDAD III
SOLUCION DE SISTEMAS DE ECUACIONES LINEALES
3.1 ELIMINACION GAUSSIANA. Este mtodo consiste en transformar a la
matriz de coeficientes en una matriz triangular. Matriz triangular, es
aquella que tiene elementos igual a cero por arriba o por debajo de alguna
de sus diagonales.
Ax = b
A = matriz de coeficientes
X = vector de incgnitas
b = vector de trminos independientes
a11 a12 a13
a21 a22 a23
a31 a32 a33

x1
b1
x 2 = b2
x3
b3

primera forma
a 11 a 12 a 13

x1

a 21 a 22 a 23

x2

a 31 a 32 a 33

x3

b1

x3 = b3 / a33

b2

x2 = b2 - a23 * x3
a22
x1 = b1 - a12 * x2 - a13* x3
a11

b3

segunda forma
a 11 a 12 a 13

x1

a 21 a 22 a 23

x2

a 31 a 32 a 33

x3

b1

x3 = b1 / a13

b2

x2 = b2 - a23 * x3
a22
x1 = b3 - a32 * x2 - a33* x3
a31

b3

tercera forma
a 11 a 12 a 13

x1

a 21 a 22 a 23

x2

a 31 a 32 a 33

x3

b3

a 11 a 12 a 13

x1

b1

x1 = b1 / a11

a 21 a 22 a 23

x2

b2

a 31 a 32 a 33

x3

x2 = b2 - a21 * x1
a 22
x3 = b3 - a31 * x1 - a32* x2
a33

b1

x1 = b3 / a31

b2

x2 = b2 - a21 * x1
a22
x3 = b1 - a11 * x1 - a12* x2
a13

cuarta forma

Ing. J.G.H.Z.

b3

ITD

(Ago-Dic-14)

Proceso para transformar en cero a un elemento de la matriz de coeficientes:

1. Se define un multiplicador, el cual debe ser igual al elemento que se
encuentre en su misma columna y en la diagonal considerada para
realizar la triangulacin.
2. Se multiplica a los elementos del rengln del elemento que se encuentra
en la diagonal por el multiplicador.
3. Se resta el producto mencionado en el paso anterior a los elementos del
rengln del elemento que se pretende hacer cero.
M =

Elemento que se pretende hacer cero

.
Elemento de su misma columna que se encuentra sobre
la diagonal considerada para la triangulacin.

Estas modificaciones transforman en cero al elemento indicado la cual deben

hacerse al mismo tiempo en ambos lados de la ecuacin para que esta no se
altere.
Desarrollo
primera forma
a 11 a 12 a 13
a 21 a 22 a 23
a 31 a 32 a 33

x1
x2
x3

b1
= b2
b3

M = a21 / a11

a21
a22
a23
b2

=
=
=
=

a21
a22
a23
b2

a11 a12 a13

0 a22 a23
a31 a32 a33

m a11 = 0
m a12
m a13
m b1

x1
b1
x2 = b 2
x3
b3

M = a31 / a11

a31
a32
a33
b3

=
=
=
=

a31
a32
a33
b3

a11 a12 a13

0 a22 a23
0 a32 a33

m a11 = 0
m a12
m a13
m b1

x1
x2 =
x3

b1
b2
b3

M = a32 / a22

a31 = 0
a32 = a32 - m a22 = 0
a33 = a33 - m a23
b3 = b3 - m b2

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

a11 a12 a13

0 a22 a23
0 0
a33

x1
b1
x 2 = b2
x3
b3

X3 = b3 / a33
X2 = b2 - a23 * x3
a22
X1 = b1 - a12 * x2 - a13* x3
a11
segunda forma
a 11 a 12 a 13
a 21 a 22 a 23
a 31 a 32 a 33

x1
x2
x3

b1
= b2
b3

M = a11 / a31

a11
a12
a13
b1

=
=
=
=

a11
a12
a13
b1

0 a12 a13
a21 a22 a23
a31 a32 a33

m a31 = 0
m a32
m a33
m b3

x1
x2
x3

b1
= b2
b3

M = a21 / a31

a21
a22
a23
b2

=
=
=
=

a21
a22
a23
b2

0 a12 a13
0 a22 a23
a31 a32 a33

m a31 = 0
m a32
m a33
m b3
x1
x2
x3

b1
b2
b3

M = a12 / a22

a11
a12
a13
b1

=
=
=
=

0
a12 - m a22 = 0
a13 - m a23
b1 - m b2

0 0
a13
0 a22 a23
a31 a32 a33

Ing. J.G.H.Z.

ITD

x1
x2 =
x3

b1
b2
b3

(Ago-Dic-14)

X3 = b1 / a13
X2 = b2 - a23 * x3
a22
X1 = b3 - a32 * x2 - a33* x3
a31
tercera forma
a11 a12
a21 a22
a31 a32

a13
a23
a33

x1
x2
x3

b1
= b2
b3

M = a23 / a13

a21
a22
a23
b2

=
=
=
=

a21
a22
a23
b2

m a11
m a12
m a13 = 0
m b1

a11 a12 a13

a21 a22 0
a31 a32 a33

x1
b1
x 2 = b2
x3
b3

M = a33 / a13

a31
a32
a33
b3
a11
a21
a31

=
=
=
=

a31
a32
a33
b3

m a11
m a12
m a13 = 0
m b1

a12 a13 x1
a22 0
x2 =
a32 0
x3

b1
b2
b3

M = a32 / a22

a31
a32
a33
b3
a11 a12 a13
a21 a22 0
a31 0
0

=
=
=
=

a31 - m a21
a32 - m a22 = 0
0
b3 - m b2
x1
b1
x2 = b2
x3
b3

X1 = b3 / a31
X2 = b2 - a21 * x1
a22
X3 = b1 - a11 * x1 a12* x2
a13

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

cuarta forma
a11 a12 a13
a21 a22 a23
a31 a32 a33

x1
x2
x3

b1
= b2
b3

M = a13 / a33

a11
a12
a13
b1

=
=
=
=

a11
a12
a13
b1

a11 a12 0
a21 a22 a23
a31 a32 a33

m a31
m a32
m a33 = 0
m b3
x1
x2
x3

b1
b2
b3

M = a23 / a33

a21
a22
a23
b2
a11
a21
a31

=
=
=
=

a21
a22
a23
b2

a12 0
a22 0
a32 a33

m a31
m a32
m a33 = 0
m b3

x1
b1
x2 = b 2
x3
b3

M = a12 / a22

a11
a12
a13
b1

= a11 - m a21
= a12 - m a22 = 0
= 0
= b1 - m b2

a11 0
a21 a22
a31 a32

0
0
a33

x1
b1
x2 = b 2
x3
b3

X1 = b1 / a11
X2 = b2 - a21 * x1
a22
X3 = b3 - a31 * x1 - a32* x2
a33

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

Ejemplo:
2X1 + 3X2 - X3 = 4
X1 + 2X2 + X3 = 4
3X1 - X2 + X3 = 3
1 forma
2 3 -1
1 2 1
3 -1 1

4
4
3

M = 1/ 2

a21
a22
a23
b2

=
=
=
=

1
2
1
4

1/2(2)
1/2(3)
1/2(-1)
1/2(4)

=
=
=
=

0
1/2
3/2
2

=
=
=
=

0
11/2
5/2
-3

M = 3/ 2

a31
a32
a33
b3

= 3
= -1
= 1
= 3

3/2(2)
2/2(3)
3/2(-1)
3/2(4)

2 3
-1
0 1/2 3/2
0 -11/2 5/2

4
2
-3

a31
a32
a33
b3

M = -11/2 / 1/2 = -11

= 0
= -11/2 + 11(1/2) = 0
= 5/2 + 11(3/2) = 19
= -3
+ 11(2) = 19

2
0
0

3
1/2
0

-1
3/2
19

4
2
19

X3 = 19/19 = 1
X2 = 2 - 3/2 = 1
1/2
X1 = 4 - 3 + 1 = 1
2

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

2 forma
2 3 -1 4
1 2 1 4
3 -1 1 3
M = 2/3

a11
a12
a13
b1

= 2
= 3
= -1
= 4

2/3(3)
2/3(-1)
2/3(1)
2/3(3)

=
=
=
=

0
11/3
-5/3
2

1/3(3) =
1/3(-1) =
1/3(1) =
1/3(3) =

0
7/3
2/3
3

M = 1/3

a21
a22
a23
b2
0
0
3

=
=
=
=

1
2
1
4

11/3 -5/3
7/3 2/3
-1 1

2
3
3

M = 11/3 / 7/3 = 11/7

a11
a12
a13
b1

= 0
= 11/3 - 11/7(7/3) = 0
= -5/3 - 11/7(2/3) = -19/7
= 2
- 11/7(3)
= -19/7

0
0
3

0 -19/7
7/3 2/3
-1 1

-19/7
3
3

X3 = -19/7 / -19/7 = 1
X2 =

3 - 2/3
7/3
X1 = 3 + 1 - 1
3

= 1
= 1

3 forma
2 3 -1
1 2 1
3 -1 1

4
4
3

M = 1/-1 = -1

a21
a22
a23
b2

=
=
=
=

1
2
1
4

+
+
+
+

1(2)
1(3)
1(-1)
1(4)

Ing. J.G.H.Z.

=
=
=
=

3
5
0
8

ITD

(Ago-Dic-14)

M = 1/-1 = -1

a31
a32
a33
b3

= 3
= -1
= 1
= 3

2
3
5

+
+
+
+

1(2)
1(3)
1(-1)
1(4)

=
=
=
=

5
2
0
7

3 -1 4
5 0 8
2 0 7
M = 2/5

a31
a32
a33
b3

=
=
=
=

5 + 2/5(3) = 19/5
2 + 2/5(5) = 0
0
7 + 2/5(8) = 19/5

2
3 -1
3
5 0
19/5 0 0

4
8
19/5

X1 = 19/5 / 19/5 = 1
X2 = 8 - 5 = 1
3
X3 = 4 - 2 - 3 = 1
-1
4 forma
2 3 -1
1 2 1
3 -1 1

4
4
3

M = -1/1 = -1

a11
a12
a13
b1

= 2
= 3
= -1
= 4

+ 1(3)
+ 1(-1)
+ 1(1)
+ 1(3)

=
=
=
=

5
2
0
7

M = 1/1 = 1

a21
a22
a23
b2

=
=
=
=

5 2
-2 3
3 -1

1
2
1
4

1(3)
1(-1)
1(1)
1(3)

= -2
= 3
= 0
= 1

0 7
0 1
1 3

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

M = 2/3

a11
a22
a13
b1

=
=
=
=

5 - 2/3(-2) = 19/3
2 - 2/3(3) = 0
0
7 - 2/3(1) = 19/3

19/3 0
-2
3
3
-1

0
0
1

19/3
1
3

X1 = 19/3/19/3 = 1
X2 =

1 + 2
3
X3 = 3 - 3 + 1
1

Ing. J.G.H.Z.

= 1
= 1

ITD

(Ago-Dic-14)

3.2 METODO DE GAUSS-JORDAN. Este mtodo que constituye una

variacin de un mtodo de eliminacin de Gauss que permite resolver
hasta 15 ecuaciones simultaneas.
Este procedimiento se distingue del gaussiano en que cuando se elimina
una incgnita se elimina de todas las ecuaciones restantes, es decir, de
las que preceden de las ecuaciones as como las que le siguen.
Este mtodo de Gauss-Jordn, consiste en transformar a la matriz de
coeficientes de un sistema de ecuaciones simultneas en una matriz
diagonal.
Matriz diagonal. Es aquella que tiene elementos diferentes de ceros en
alguna de sus diagonales y ceros en las dems posiciones.
ax = b
a11 X1 + a12 X2 + a13 X3 = b1
a21 X1 + a22 X2 + a 23 X3 = b2
a31 X1 + a32 X2 + a 33 X3 = b3
primera forma
a11 0
0 a22
0 0

0
0
a33

x1
x2
x3

b1
b2
b3

x1 = b1 / a11
x2 = b2 / a22
x3 = b3 / a33

segunda forma
0
0
a13
0
a22 0
a31 0
0

x1
x2
x3

b1
b2
b3

x1 = b3 / a31
x2 = b2 / a22
x3 = b1 / a13

Ejemplo:
2x1 + 4x2 - 2x3 = 6
6x1 - 2x2 + 4x3 = 14
4x1 + 2x2 + 2x3 = 12
1 forma
2 4 -2
6 -2 4
4 2 2

6
14
12

M = 6 /2 = 3

a21
a22
a23
b2

= 6
= -2
= 4
= 14

Ing. J.G.H.Z.

3(2)
3(4)
3(-2)
3(6)

=
=
=
=

0
-14
10
-4

ITD

(Ago-Dic-14)

M = 4 /2 = 2

a31
a32
a33
b3

= 4
= 2
= 2
= 12

2(2)
2(4)
2(-2)
2(6)

=
=
=
=

0
-6
6
0

2 4 -2 6
0 -14 10 - 4
0 -6 6 0
M = 4 /-14 = -2/7

a11
a12
a13
b1

=
=
=
=

2
4 + 2/7(-14) = 0
-2 + 2/7(10) = 6/7
6 + 2/7(-4) = 34/7

M = -6 /-14 = 3/7

a31
a32
a33
b3

=
=
=
=

0
-6 - 3/7(-14) = 0
6 - 3/7(10) = 12/7
0 - 3/7(-4) = 12/7

2 0 6/7
0 -14 10
0 0 12/7

34/7
-4
12/7

M = 6/7 / 12/7 = 1/2

a11
a12
a13
b1

=
=
=
=

2
0
6/7 - 1/2(12/7)
34/7 - 1/2(12/7)

= 0
= 4

M = 10 / 12/7 = 35/6

a21
a22
a23
b2

=
=
=
=

2
0
10 - 35/6(12/7)
-4 - 35/6(12/7)

2 0 0
0 -14 0
0 0 12/7

= 0
= -14

4
-14
12/7

X1 = 4/2 = 2
X2 = - 14 / -14 = 1
X3 = -12 /7/-12/7 = 1

2 forma
2 4 -2
6 -2 4
4 2 2
Ing. J.G.H.Z.

6
14
12
ITD

(Ago-Dic-14)

M = 2 /4 = 1/2

a11
a12
a13
b1

=
=
=
=

2
4
-2
6

1/2(4) = 0
1/2(2) = 3
1/2(2) = -3
1/2(12) = 0

M = 6/4 = 3/ 2

a21
a22
a23
b2

= 6
= -2
= 4
= 14

3/2(4) =
3/2(2) =
3/2(2) =
3/2(12) =

0
-5
1
-4

0 3 -3
0
0 -5 1 - 4
4 2 2 12
M = 3 /-5 = -3/5

a11
a12
a13
b1

=
=
=
=

0
3 + 3/5(-5) = 0
-3 + 3/5(1) = -12/5
0 + 3/5(-4) = -12/5

M = 2 /-5 = -2/5

a31
a32
a33
b3

=
=
=
=

4
2 + 2/5(-5) = 0
2 + 2/5(1) = 12/5
12 + 2/5(-4) = 52/5

0 0 -12/5
0 -5 1
4 0 12/5

-12/5
-4
52/5

M = 1/-12/5 = -5/12

a21
a22
a23
b2

=
=
=
=

0
-5
1 + 5/12(-12/5) = 0
-4 + 5/12(-12/5) = -5

M = 12/5 / -12/5 = -1

a31
a32
a33
b3

=
=
=
=

4
0
12/5 + 1(-12/5)
52/5 + 1(-12/5)

0 0 -12/5
0 -5 0
4 0 0

= 0
= 8

-12/5
-5
8

X1 = 8/4 = 2
X2 = - 5 / -5 = 1
X3 = -12/5 /-12/5 = 1

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

3.3 METODO DE GAUSS SEIDEL

5.3.1 MTODO DE JACOBI. Este mtodo trabaja similarmente a los
anteriores, al igual que los otros necesitan formar primero la matriz de
coeficientes del sistema procurando de manera que los elementos
diagonales sean en valor absoluto mayor que la suma de los dems
elementos del mismo rengln tambin en valor absoluto.
Segn Jacobi esta forma se va a iterar segn un nmero mximo de
iteraciones permitidas o dependiendo que se encuentre solucin
simultanea con la precisin requerida partiendo de una solucin
propuesta que pudo haber cero o bien mejorar alguna solucin conocida.
Procedimiento a seguir para resolver un sistema de ecuaciones con
ayuda del mtodo de Jacobi.
1.- Para que el mtodo pueda converger es conveniente ordenar al
sistema buscando que los elementos diagonales sean en valor absoluto
mayores que la suma de los dems elementos del mismo rengln.
2.- Se despeja x1, de la primera ecuacin x2, de la segunda y x3 de la
tercera ecuacin y as, sucesivamente formndose as, el sistema de
ecuaciones, el cual habr de aplicarse repetitivamente hasta el numero
dado de iteraciones o encontrar la precisin que se requiera en todos y
cada una de las incgnitas.
3.- Para la primera aproximacin se puede asignar cero a cualquiera de
las incgnitas o si se tiene una idea de cul es la solucin se puede
asignar un valor aproximado.
a11 X1 + a12 X2 + a13X 3 = b1
a21 X1 + a22 X2 + a23 X3 = b2
a31 X1 + a32 X2 + a33 X3 = b3
a11 a12
a21 a22
a31 a32

a13
a23
a33

a11
a22
a33

a12 + a13
a21 + a23
a31 + a32

dominante
dominante
dominante

X1 = b1 - a12 X2 - a13 X3
a11
X2 = b2 - a21 X1 - a23 X3
a22
X3 = b3 - a3| X1 - a32 X2
a33
X1 = 0, X2 = 0, X3 = 0

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

Ejemplo:
3x1 - x2 + x3 = 3
2x1 + 4x2 - x3 = 5
x1 + 2x2 + 4x3 = 7
3 -1 + 1
4 2 + -1
4 1 + 2

3 -1 1
2 4 -1
1 2 4

X1 = 3 + X 2 - X3
3

dominante
dominante
dominante

X2 = 5 - 2X1 + X3
4

X3 = 7 -| X1 - 2 X2
4

X1 = 0, X2 = 0, X3 = 0
X1 = 3 + 0 0 = 1
3

X2 = 5 2(0) + 0 = 1.25 X3 = 7- 0 2(0) = 1.75

4
4

X1 = 1, X2 = 1.25, X3 = 1.75
X1 = 3 + 1.25 1.75 = 0.833
3

X2 = 5 2(1) + 1.75 = 1.1875

4

X3 = 7- 1 2(1.25) = 0.875
4
X1 = 0833, X2 = 1.1875, X3 = 0.875

X1 = 3 + 1.1875 0.875 = 1.104

3
X2 = 5 2(0.833) + 0.875 = 1.052
4
X3 = 7- 0.833 2(1.1875) = 0.948
4
X1 = 1.104, X2 = 1.052, X3 = 0.948

X1 = 3 + 1.052 0.948 = 1.0346

3
X2 = 5 2(1.104) + 0.948 = 0.935
4
X3 = 7- 1.104 2(1.052) = 0.948
4
X1 = 1.0346, X2 = 0.935, X3 = 0.948

X1 = 3 + 0.935 0.948 = 0.995

3
X2 = 5 2(1.0346) + 0.948 = 0.97
4
X3 = 7- 1.0346 2(0.935) = 1.024
4
Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

X1 = 0.995, X2 = 0.97, X3 = 1.024

X1 = 3 + 0.97 1.024 = 0.982
3
X2 = 5 2(0.995) + 1.024 = 1
4
X3 = 7- 0.995 2(0.97) = 1
4
X1 = 0.982, X2 = 1, X3 = 1
X1 = 3 + 1 1 = 1
3
X2 = 5 2(0.982) + 1 = 1
4
X3 = 7- 0.982 2(1) = 1
4
3.3 MTODO DE GAUSS SEIDEL
X1 = 3 + X2 - X3
X2 = 5 - 2X1 + X3
3
4
X1 = 0, X2 = 0, X3 = 0
X1 = 3 + 0 0 = 1
3

X3 = 7 -| X1 - 2 X2
4

X2 = 5 2(1) + 0 = 0.7 5 X3 = 7- 1 2(0.75) = 1.125

4
4

X1 = 3 + 0.75 1.125 = 0.875

3

X2 = 5 2(0.875) + 0.75 = 1.09

4

X3 = 7- 0.875 2(1.09) = 0.986

4

X1 = 3 + 1.09 0.986 = 1.03

3
X2 = 5 2(1.03) + 0.986 = 0.981
4
X3 = 7- 1.03 2(0.981) = 1
4
X1 = 3 + 0.981 1 = 0.99
3
X2 = 5 2(0.99) + 1 = 1
4
X3 = 7- 0.99 2(1) = 1
4
X1 = 3 + 1 1 = 1
3
X2 = 5 2(1) + 1 = 1
4
X3 = 7- 1 2(1) = 1
4
3.4 APLICACIONES DE LOS SISTEMAS DE ECUACIONES LINEALES
3.5 USO DE HERRAMIENTAS COMPUTACIONALES

Ing. J.G.H.Z.

ITD

(Ago-Dic-14)

UNIDAD IV
SOLUCION DE SISTEMAS DE ECUACIONES LINEALES
4.1 DIFERENCIAS FINITAS
Una diferencia finita es una expresin matemtica de la forma f(x + b) f(x
+a). Si una diferencia finita se divide por b a se obtiene una expresin
similar al cociente diferencial, que difiere en que se emplean cantidades
finitas en lugar de infinitesimales. La aproximacin de las derivadas por
diferencias finitas desempea un papel central en los mtodos de
diferencias finitas del anlisis numrico para la resolucin de ecuaciones
diferenciales.
4.2 INTRODUCCION A LA INTERPOLACION
Una funcin de interpolacin es aquella que pasa a travs de puntos
dados como datos, los cuales se muestran comnmente por medio de
una tabla de valores o se toman directamente de una funcin dada, la
interpolacin de los datos pueden hacerse mediante un polinomio.
Una funcin racional o la serie de Fourier, entre otras posibles formas. La
interpolacin polinomial (ajustar un polinomio a los puntos dados) es uno
de los temas ms importantes en mtodos numricos, se basan en la
interpolacin polinomial y los modelos de diferenciacin numrica se
obtienen derivando las funciones polinomiales.
Los datos obtenidos mediante una medicin pueden interpolarse, pero en
la mayora de los casos no es recomendable una interpolacin directa,
debido a los errores aleatorios, implicados en la medicin.
Por ejemplo, las tablas1 y 2 presentan la temperatura de ebullicin de la
acetona (C3H6O) a diferentes presiones.
PUNTOS
T (0C)
P (atm)

0
56.5
1

1
78.6
2

2
113.0
5

3
144.5
10

PUNTOS
T (0C)
P (atm)

0
56.5
1

1
113.0
5

2
181.0
20

3
214.5
40

4
181.0
20

5
205.0
30

6
214.5
40

Supngase que se dispusiera de la 2 tabla y se desea calcular la

temperatura de ebullicin de la acetona a 2 atm. de presin.
Una forma muy comn de resolver este problema es sustituir los puntos
s(o), (1) en la ecuacin de la lnea recta:
Y= ax + b; p(x) = a0+ 1 a 1

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

De tal modo que resulta dos ecuaciones con dos incgnitas que son a0 y
a1, con la solucin del sistema se consigue una aproximacin polinomial
de 1er grado lo que permite efectuar interpolaciones lineales, es decir, se
sustituye el punto cero en la ecuacin de la lnea recta y se obtiene.
56.5 =a0 + 1 a1

Y al sustituir el punto 1 nos queda:

113 = a0 + 5 a1

Sistema que al resolver nos da:

a0 = 42.375 y a1 = 14.125

Por lo tanto estos valores generan la ecuacin

P(x) = 42.375 + 14.125X

La ecuacin resultante puede emplearse para aproximar la temperatura,

cuando la presin es conocida. Al sustituir la presin x =2 atm., se
obtiene una temperatura de 70.6 0C. A este proceso se le conoce como
interpolacin.
Ejemplo:
PUNTOS
T (0C)
P (atm)

0
56.5
1

1
113.0
5

2
181.0
20

3
214.5
40

Utilizando la ecuacin de la lnea recta

Y= ax +b
P(x) = a0 + a1 x + a2 x2 + + an xn
Puntos (0, 1)
a0 10 + a1 11 = 56.5
a0 50 + a1 51 = 113.0
1 1 56.5
1 5 113.0
Resolver por Gauss 1 forma
M = 1/1 = 1
a 21 = 1 - 1(1) = 0
a 22 = 5 - 1(1) = 4
b2 = 113 - 1(56.5) = 56.5
1 1
0 4

56.5
56.5

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

a1 = x2 = 56.5 / 4 = 14.125
a0 = x1 = 56.5 - 1(14.125) = 42.375
1
a0 = 42.375
a1 = 14.125
la presin, x = 2 atm.
P(x) = a0 + a1 x = 42.375 + 14.125(2) = 70.6250 = 70.60C
P(x) = 70.6 0C.

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

4.3 INTERPOLACION DE LAGRANGE

Sean f(x) una funcin definida dentro de un intervalo y sean x 0, x1, x2,
xn, x + 1. Puntos dentro del intervalo.
Se dice que existe un polinomio nico de grado no mayor que n, al cual
se le llama polinomio de LaGrange para el cual se cumple la relacin:
P(xk) = f(xk)
Donde xk es igual a 0, es uno de los puntos dentro del intervalo.
P(x0) = f(x0)
P(x1) = f(x1)
P(x2) = f(x2)
.
.
P(xn) = f(xn)
P(x) = n

L0 k(x) * f(x0 k) + L1 k(x) * f(x1 k) + --- Ln k(x) * f(xn k)

k=0

L0 k(x) = (x x1)(x x2) . . . (x xn)

(x0 x1)(x x2) . . . (x - xn)
Lk(x). Es un polinomio de grado no mayor que n llamado Lagranciano.
En general este es un mtodo que se utiliza para calcular puntos
intermedios de una funcin cuyos valores no son desconocidos, es decir,
para interpolar es de gran utilidad en ciertos tipos de clculos con
aplicacin a las estadsticas y a las ciencias.
Ejemplo:
Tenemos 4 puntos x0, x1, x2, x3.
n

P(x) =

Lk(x)* f(xk)

x=0

P(x) = L0(x)*f(x0) + L 1(x) * f(x1) + L1(x) * f(x1) + L2(x) * f(x2) + L3(x) * f(x3)
L1 k(x) = (x x0) (x x2) . . . (x xn)
(x1 x0)(x1 x2) . . . (x1 xn)
.
.
.
Ln k(x) = (x x0) (x x2) . . . (x xn-1)
(x1 x0)(x1 x2) . . . (x1 xn-1)

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

Ejemplo: Encuentre el valor de x para los siguientes datos:

X=1.5, 3.7; Y = 5, 7
X0

x1

y0 y1

P(x) =

L0 (x) + f(x0) + L1 (x) * f(x1)

k=0

L0(x) = (x x1 ) * f0
(x0 x1)

x 3.7 * 5
(1.5 3.7)

L1(x) = (x x0 ) * f0 = x 1.5 * 7
(x1 x0)
(3.7 1.5)
P(x) = - 5 (x 3.7) + 7
(x 1.5)
2.2
2.2
X=2
P(x) = - 5 (2 3.7) + 7
(2 1.5)
2.2
2.2
P(x) = 5.45

= -

5 (x 3.7)
2.2
7 (x 1.5)
2.2

Ejemplo: construir un polinomio que pase por los puntos:

X = 3, 4, 5, 6, 8; Y = 8, 6, 12, 9, 10

x0
x1
x2
x3
x4

X
3
4
5
6
8

| Y
| 8 f0
| 6 f1
| 12 f2
| 9 f3
| 10 f4
4

P(x) = L0(x)f(x0) + L1(x)f(x1) + L2(x)f(x2) + L3(x)f(x3) + L4(x)f(x4)

k=0

L0 (x) = (x - x1)(x - x2)(x - x3)(x - x4) * f0 = (x-4)(x-5)(x-6)(x-8) * 8

(x0-x1)(x0-x2)(x0-x3)(x0-x4)
(3-4)(3-5)(3-6)(3-8)
= 4 (x-4)(x-5)(x-6)(x-8)
15
L1 (x) = (x x0)(x - x2)(x - x3)(x - x4) * f1 = (x-3)(x-5)(x-6)(x-8) * 6
(x1-x0)(x1-x2)(x1-x3)(x1-x4)
(4-3)(4-5)(4-6)(4-8)
= - 3 (x-3)(x-5)(x-6)(x-8)
4
L2 (x) = (x x0)(x x1)(x - x3)(x - x4) * f2 = (x-3)(x-4)(x-6)(x-8) *12
(x2-x0)(x2-x1)(x2-x3)(x2-x4)
(5-3)(5-4)(5-6)(5-8)
= 2 (x-3)(x-4)(x-6)(x-8)

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

L3 (x) = (x x0)(x x1)(x x2)(x - x4) * f3 = (x-3)(x-4)(x-5)(x-8) * 9

(x3-x0)(x3-x1)(x3-x2)(x0-x4)
(6-3)(6-4)(6-5)(6-8)
= - 3 (x-3)(x-4)(x-5)(x-8)
4
L4 (x) = (x x0)(x x1)(x x2)(x x3) * f4 = (x-3)(x-4)(x-5)(x-6) * 10
(x4-x0)(x4-x1)(x4-x2)(x4-x3)
(8-3)(8-4)(8-5)(8-6)
= 1 (x-3)(x-4)(x-5)(x-6)
12
P(x) = 4 (x-4)(x-5)(x-6)(x-8) - 3 (x-3)(x-5)(x-6)(x-8) +
15
4
2 (x-3)(x-4)(x-6)(x-8) - 3 (x-3)(x-4)(x-5)(x-8) 4
1 (x-3)(x-4)(x-5)(x-6) = 12
12
P(x) =12
4.4 TRAZADORES CUBICOS

4.5 REGRESION
La aproximacin funcional consiste en aproximar una recta, una parbola,
un polinomio de grado n o cualquier otro tipo de curva a una serie de
puntos que se encuentran dispersos en un plano, se conoce como
Mnimos Cuadrados.
Para elegir el tipo de curva que se va a aproximar en primer lugar nos
damos una idea de la localizacin de los puntos en el plano y se elige la
curva que mejor se adapte a esa serie de puntos. El mtodo de Mnimos
Cuadrados trabaja en base de las propiedades de la media aritmtica las
cuales son:
a) La suma de las desviaciones con respecto a la media es igual a
cero:
n

(x0 x1 ) = 0
i=1

b) La suma de las desviaciones elevadas al cuadrado es el mnimo:

n

(x2 x1 )2 = mnimo
i=1

El hecho de trabajar este mtodo en base a esas propiedades indican que

la curva generada por este mtodo ser la que pase por cetro de todos los
puntos que se encuentran dispersos en el plano y que los de su tipo sea
la mejor.

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

4.1.1 REGRESION LINEAL

Regresin Lineal (regresin de los semipromedios)
1. Se divide la serie de los puntos en dos partes iguales (igual nmero
de puntos en cada lado).
2. Se calcula la media aritmtica de las coordenadas en el eje y, y se
coloca el promedio en el centro de las coordenadas del eje x.
Ejemplo: dado 2 puntos; (x1,y1)(x2,y2), calcular la pendiente
b = y2 y1 (la pendiente dado 2 puntos)
x2 x1
Se calcula la ecuacin de la lnea recta:
y = y + b(x - y)
La expresin matemtica de una lnea recta:
y = a0 + a1 x + e
a0 y a1, son coeficientes que representan la interseccin con el eje de las
abscisas y la pendiente y, e es el error o residuo entre el modelo y las
observaciones que se pueden representar reordenando la ecuacin:
e = y a0 - a1 x
Por lo tanto, el error o residuo es la diferencia entre el valor real y, y el
valor aproximado a + a x, predicho por la ecuacin lineal.
Criterio para mejorar un mejor ajuste. Una estrategia que obtiene la
mejor lnea a travs de los puntos la cual debe minimizar la suma de los
errores residuales como en:
n

e1 = (y1 a0 a1 x1)
i=1

i=1

Sin embargo, este criterio es inadecuado :

Otro criterio seria minimizar la suma de los valores absolutos de las
diferencias, esto es:
n
n

| e1 | = | yi a0 a1 xi |
i=1

i=1

Una tercera estrategia en el ajuste de una lnea ptima es el criterio de

mnimas:
Una estrategia que ignora las restricciones anteriores es la de minimizar
la suma de los cuadrados de los residuos, S de la siguiente manera:
n
n
2
S = e 1 = (yi a0 a1xi)2
i=1

Ing.J.G.H.Z.

ITD

i=1

(Ago-Dic-2014)

Ejemplo:
Calcular la lnea recta por Regresin Lineal, que pase por los puntos
(Y = 4 + 2x): X = 0, 2, 4, 5; Y = 4, 8, 12, 14.
X
0
2
4
5
11

X- =

Y
4
8
12
14
38

XY
0
16
48
70
134

X2
0
4
16
25
45

X / n = 11/4 = 2.75

Y- = Y / n = 38/4 = 9.5
b = XY n X- Y- = 134 4(2.75)(9.5) = 2
X2 n X-2

45 4(2.57)2

a = Y- b X- = 9.5 2(2.75) = 4
Y=a+bX=4+2x
Y = 4 +2 X

4.1.2 REGRESION MULTIPLE

Se desarrolla un procedimiento que obtiene la ecuacin de una lnea
usando el criterio de Mnimos cuadrados. En estos casos se ajusta mejor
a una curva a los datos, un mtodo para llevar a cabo este objetivo es de
usar transformaciones. Otra alternativa es ajustar polinomios a los datos
usando regresin polinomial.
Eleccin de una parbola como una curva aproximada.
y = a + bx +cx2
Mtodo:
1. Se evala la ecuacin supuesta en cada uno de los puntos del
plano:
y1 = a + bx + cx21
y2 = a + bx + cx22
.
.
.

yn = a + bx + cx2n
2. Se determinan los valores de las incgnitas a, b y c
2.1 Se multiplica a cada ecuacin por el coeficiente de su incgnita
y se suma.

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

 yi = na + bxi + c x2y
2.2 Se multiplica cada ecuacin por el coeficiente de su segunda
incgnita y se suman.

x1 y1 = ax1 + bx2 + cx3

x2 y2 = ax2 + bx2 + cx3
1

.
.
.

Xn yn = axn + b x2n + c x3 n
xy = ax + bx2 + cx3
2.3 Se multiplica a cada ecuacin por el coeficiente de las tres
incgnitas y se suman.

x21 y1 = a x21 + bx3 1 + cx4

x2y = ax2 + bx3 + cx4

2.4 Resolver el sistema formado
n
X1
X2

X1
X2
X21
X1 X2
X1 X2 X2 2

Y
X1Y
X2 Y

Ejemplo:
Calcule los siguientes puntos de la ecuacin (y = 5 + 4x 3x2):
X1 = 0, 2, 2.5, 1, 4, 7; X2 = 0, 1, 2, 3, 6, 2; Y = 5, 10, 9, 0, 3, 27.
Por regresin Multiple.

Y
5
10
9
0
3
27
54

n
X1
X2

X1
0
2
2.5
1
4
7
16.5

X2
0
1
2
3
6
2
14

X21 X22 X1 X2
0
0
0
4
1
2
6.25
4
5
1
9
3
16
36
24
49
4
14
76.25 54
48

X1
X2
2
X1
X 1 X2
X1 X2 X 2 2

Ing.J.G.H.Z.

X1 Y X2 Y
0
0
20
10
22.5
18
0
0
12
18
189
54
243.5 100

Y
X1 Y
X2 Y

ITD

(Ago-Dic-2014)

6
16.5
14

16.5 14
76.25 48
48
54

54
243.5
100

Resolver por Gauss 1 forma

M = 16.5/6
a21 = 16.5 16.5 (6) = 0
6
a22 = 76.25 16.5/6 (16.5) = 30.875
a23 = 48 16.5/6 (14) = 9.5
b2 = 243.5 - 16.5/6 (54) = 95

a31
a32
a33
b3
6
0
0

a31
a32
a33
b3
6
0
0

M = 14/6 = 7/3
= 14 7/3 (6) = 0
= 48 7/3 (16.5) = 9.5
= 54 7/3 (14) = 21.3
= 100 - 7/3 (54) = -25
16.5
14
30.875 9.5
9.5
21.3

54
95
-25

M = 9.5/30.875
= 0
= 9.5 9.5/30.875 (30.875) = 0
= 21.3 9.5/30.875 (9.5) = 18.373
= -25 - 9.5/30.875 (95) = -54.230
16.5
14
30.875 9.5
0
18.373

54
95
-54.23

6a + 16.5b + 14c
= 54
30.875b + 9.5c = 95
18.373c = -54.23
C = -54.23/18.373 = - 2.95 = -3
b = 95 9.5(-3) = 3.98 = 4
30.875
a = 54 16.5(4) 14(-3) = 4.95 = 5
6
Y = a + bx + cx2
Y = 5 + 4x + 3x2

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

4.1.3 REGRESION POLINOMIAL

Resolver el sistema formado:
na
+ bx + cx2 = y
a x + bx2 + cx3 = xy
a x2 + bx3 + cx4 = x2y
n
x x2
x x2 x3
x2 x3 x4

y
xy
x2y

Ejemplo:
Calcular por Regresion Polinomial por M.C. (y = a + bx + cx2 ) a los
puntos:
X = 0, 2, 4, 5; Y= 4, 8, 12, 14
a) Resuelva por Gauss 1 forma:

0
2
4
5
11

4
8
12
14
38

n x x2
x x2 x3
x2 x3 x4
4 11
11 45
45 197

45
197
897

X2
0
4
16
25
45

X3
0
8
64
125
197

X4
0
16
256
625
897

X2 y
0
32
192
350
574

XY
0
16
48
70
134

y
xy
x 2y
38
134
574

Resolver por Gauss 1 forma:

M = 11/4
a21 = 11 11/4(4) =
a22 = 45 11/4(11) =
a23 = 197 11/4(45) =
a24 = 134 11/4(38) =

Ing.J.G.H.Z.

0
59/4
293/4
59/2

ITD

(Ago-Dic-2014)

M = 45/4
a31 = 45 45/4(4) =
a32 = 197 45/4(11) =
a33 = 897 45/4(45) =
a34 = 574 45/4(38) =
4 11
45
0 59/4 293/4
0 293/4 1563/4

0
243/4
1563/4
293/2
38
59/2
293/2

M = 293/4/59/4 = 293/59
a31 = 0
a32 = 293/4 293/59(59/4) = 0
a33 = 1563/4 293/59(293/4) = 1592/59
a34 = 293/2 293/59(59/2) = 0

4 11
95
0 59/2 293/4
0 0
1592/59

38
59/2
0

4 a + 11 b
+
45 c
59/2 b + 293/4 c
1592/59 c

= 38
= 59/2
= 0

c = 0/1592/59 = 0
b = 59/2 - 0 = 2
59/4
a = 38 - 11(2) - 0 = 4
4
Y = a + bx + cx2
Y = 4 + 2x

Ing.J.G.H.Z.

ITD

(Ago-Dic-2014)

UNIDAD V
SOLUCION DE SISTEMAS DE ECUACIONES NO LINEALES
5.1 METODO DE JACOBI
Conjunto de m ecuaciones y n incgnitas, donde al menos una ecuacin
incluye alguna funcin no lineal de una o ms incgnitas, forma general.
f1(x1, x2, x3,xn) = 0
f2(x1, x2, x3,xn) = 0
.
.
.
fn(x1, x2, x3,xn) = 0
Donde f1(x1, x2, x3,xn) para 1 < i < n, es una funcin (lineal o no), de las
variables independientes x1, x2, x3,xn. Ecuaciones con la incgnita x,
estas siempre estn a la potencia uno, en este caso, si existe uno solo
diferente ya no es lineal.
Si n = 1 f(x) = 0
Si todas las fi son lineales AX = b.
Sugerencias para la solucin de sistemas no lineales.
1.- Reducir algebraicamente el tamao del sistema
2.- Particionar el sistema
3.- Tantear la ecuacin
Despejando una incgnita de cada ecuacin se obtiene un sistema
recursivo.
Xi = g1(x1, x2, x3,xn) |
.
|
.
> X = g(x)
.
|
Xn = gn(x1, x2, x3,xn) |
Si partimos de x0 se puede generar la secuencia x1, x2, x3,xn con el
sistema recursivo anterior.
Xi k+1 = gi (xi k) i = 1n
hasta que x- = g-(x-), o bien que se satisfaga
| xi k+1 - xi k | < tol. i = 0,1 n

Ing.J.G.H.Z.

ITD

( Ago-Dic-2014)

Exemplo:
f1(x,y) = x2 - 10x + y2 + 8 = 0
f2(x,y) = xy2 + x - 10y + 8 = 0
X = x2 + y2 + 8
10
Y = xy2 + x + 8
10
X0 = 0, y0 = 0
X1 = 0 + 0 + 8 = 0.8
10
X1 = 0.8, y1 = 0.8

y1 = 0 + 0 + 8
10

X2 = (0.8)2 + (0.8)2 + 8 = 0.928

10
X2 = 0.928, y2 = 0.9312

y2 = 0.8(0.8)2 + 0.8 + 8
10

= 0.8

= 0.9312

X3 = (o.928)2 + (0.9312)2 + 8 = 0.9728 y3 = 0.928(0.9312)2 + 0.928 + 8 = 0.9732

10
10
X3 = 0.9728, y3 = 0.9732
X4 = (0.9728)2 + (0.9732)2 + 8 = 0.989
10
X4 = 0.989, y4 = 0.989

y4 = 0.9728(0.9732)2 + 0.9728 + 8 = 0.989

10

X5 = (0.989)2 + (0.989)2 + 8 = 0.996

10

y5 = 0.989(0.989)2 + 0.989 + 8 = 0.996

10

X5 = 0.996, y5 = 0.996
X6 = (0.996)2 + (0.996)2 + 8 = 0.999
10

y6 = 0.996(0.996)2 + 0.996 + 8 = 0.998

10

X6 = 0.999, y6 = 0.998
X7 = (0.999)2 + (0.998)2 + 8 = 0.999 = 1 y7 = 0.999(0.998)2 + 0.999 + 8 = 0.999 = 1

10

Ing.J.G.H.Z.

10

ITD

( Ago-Dic-2014)

5.2 METODO DE GAUSS-SEIDEL

X0 = 0, y0 = 0
X1 = 0 + 0 + 8 = 0.8
10

y1 = 0.8(0) + 0.8 + 8
10

X2 = (0.8)2 + (0.88)2 + 8 = 0.9414

10

y2 = 0.9414(0.88)2 + 0.9414 + 8 = 0.967

10

X3 = (o.9414)2 + (0.967)2 + 8 = 0.982

10

y3 = 0.982(0.9414)2 + 0.982 + 8 = 0.985

10

X4 = (0.982)2 + (0.985)2 + 8
10

= 0.994

y4 = 0.994(0.985)2 + 0.994 + 8 = 0.996

10

X5 = (0.994)2 + (0.996)2 + 8
10

= 0.998

y5 = 0.998(0.996)2 + 0.998 + 8 = 0.999

10

X6 = (0.998)2 + (0.996)2 + 8 = 0.999 = 1

10

Ing.J.G.H.Z.

ITD

= 0.88

y6 = 0.999(0.999)2 + 0.999 + 8 = 0.998 = 1

10

( Ago-Dic-2014)

5.3 MTODO DE NEWTON RAPHSON

Tiene convergencia de orden 2. Sea un sistema no lineal de tamao n (por
simplicidad n = 2).
f1(x,y) = 0
f2(x,y) = 0
Desarrollo: fi(xk+1 , yk+1) en serie de Taylor alrededor de el punto (xk, yk).
fi(xk+1 , yk+1) =: fi(xk , yk) + dfi (xk+1 - xk) + dfi (yk+1 - yk) + 1 | d2 fi (xk+1 - xk)2 +
dfi
dy
2! dxdx
d2 dfi (yk+1 - yk)2 | +.
dydy
Si la secuencia de valores x y y es convergente.
Xk+1 ---> x-, yk+1 ---> y- cuando k --->
. . fi(xk+1 , yk+1) ---> 0 cuando k --->
Sustituyendo fi(xk+1 , yk+1) = 0, en la serie de Taylor y despreciando los
trminos que contienen la segunda derivada
0 = f1(xk, yk) + df1 (xk+1 - xk) + df1(yk+1 - yk)
dx
dy
0 = f2(xk, yk) + df2 (xk+1 - xk) + df2 (yk+1 - yk)
dx
dy
haciendo
hx = xk+1 - xk
hy = yk+1 - yk
y escribiendo
df1 hx + df1 hx = - f1 (xk, yk)
dx
dy
> 1
df2 hx + df2 hy = - f2 (xk, yk)
dx
dy
La ecuacin 1 es un sistema lineal con incgnitas hx y hy. Resolviendo
se puede estimar la siguiente solucin.
xk+1 = xk + hx
> 2
yk+1 = yk + hy

Ing.J.G.H.Z.

ITD

( Ago-Dic-2014)

El mtodo de Newton Raphson para sistemas no lineales requiere la

ejecucin repetida de los pasos siguientes:
1.- Formar un sistema lineal de ecuaciones de acuerdo a la formula 12.- resolver el sistema lineal para hx y hy.
3.- Calcular la siguiente solucin a partir de la solucin anterior aplicando
la frmula 2.
Esto se har hasta que se satisfaga algn criterio de convergencia.
Ejemplo:
f1 (x,y) = x2 10x + y2 + 8 = 0
f2 (x,y) = xy2 + x 10y + 8 = 0
valores iniciales x0 = 0, y0 = 0
df1
dx
df2
dx

= 2x

- 10 ; df
dy

y2 + 1

df
dy

2y

2xy - 10

2x - 10 2y
- x2 + 10x - y2 - 8
y2 + 1 2xy 10 - xy2 - x + 10y - 8
Sustituyendo valores iniciales x = 0, y = 0
1 iteracin
- 10 0
1 10

-8
-8

Resolviendo por Gauss 1 forma

M = 1/-10 = - 0.1
a21 = 1 + 0.1(-10) = 0
a22 = -10 +0.1(0) = -10
b2 = -8 + 0.1(-8) = - 8.8
- 10 0
0 10

-8
- 8.8

hy = -8.8/-10 = 0.88
hx = -8 - 0 = 0.8
-10
De acuerdo a la ecuacin 2
xk+1 = xk + hx ; x1 = x0 + hx = 0 + 0.8 = 0.8
yk+1 = yk + hy ; y1 = y0 + hy = 0 + 0.88 = 0.88

Ing.J.G.H.Z.

ITD

( Ago-Dic-2014)

x1 = 0.8; y1 = 0.88
2 iteracin
- 8.4
1.76 - 1.414
1.774 - 8.592 - 0.6195
M = 1.774/- 8.4 = - 0.2111
a21 = 1.76 + 0.2111(- 8.4) = 0
a22 = - 8.592 + 0.2111(1.76) = - 8.221
b2 = - 0.6195 + 0.2111(- 1.414) = - 0.9179
- 8.4 1.76 - 1.414
0 8.221 - 0.9179
hy = - 0.9179/- 8.221 = 0.1117
hx = - 1.414 1.76(0.1117) = 0.1958
- 8.4
x2 = x1 + hx = 0.8 + 0.1918 = 0.9918
y2 = y1 + hy = 0.88 + 0.1117 = 0.9917
x2 = 0.9918; y2 = 0.9917
3 iteracin
- 8.16
1.983
1.983 - 8.0328

- 0.049
- 0.058

M = 1.983/- 8.16 = - 0.243

a21 = 1.983 + 0.243(-8.16) = 0
a22 = - 8.0328 + 0.243(1.983) = - 7.551
b2 = - 0.058 + 0.243(-0.049) = - 0.069
- 8.16 1.983
0
- 7.551

- 0.049
- 0.069

hy = - 0.069/- 7.551 = 0.00914

hx = - 0.049 1.983(0.00914) = 0.00822
- 8.16
X3 = x2 + hx = 0.9918 + 0.00822 = 1
Y3 = y2 + hy = 0.9917 + 0.00914 = 1

5.4 APLICACIONES DE LOS SISTEMAS DE ECUACIONES NO LINEALES

5.5 USO DE HERRAMIENTAS COMPUTACIONALES

Ing.J.G.H.Z.

ITD

( Ago-Dic-2014)

UNIDAD VI
INTEGRACION NUMERICA
6.1 REGLA TRAPEZOIDAL
Integracin numrica de una funcin con lmites definidos por el mtodo de la
regla trapezoidal.
La Regla Trapezoidal es parte de las frmulas de integracin de NewtonCotes, las cuales se basan en el reemplazo de una funcin complicada de
resolver de forma manual o datos tabulados con una funcin aproximada que
sea difcil de resolver.

ba f(x) dx
f(x)

La integral nos va a representar el ara bajo la curva, y = f(x),

comprendida entre las coordenadas.
Condiciones:
1.- Dividir el rea bajo la curva en n intervalos de igual tamao.
2.- Calcular el rea de cada intervalo.
3.- Se suman las reas.
y1 y2 y3 yn
hh hh h h

h=b-a
n
Y0 = f(a)
Y1 = f(a + h)
Y2 = f(a + 2h)
.
.
.
Yn-1 = f(a + n-1 h)
Yn = f(b)

Ing:J.G.H.Z.

(Ago-Dic-2014)

Area = h (y0 +y1) + h(y1+y2) + h(y2+y3) + h(y3+y4) + h(y4+y5) + h(y5+yn-1)+h(yn-1 + yn)

total
2
2
2
2
2
2
2

Area = h (y0 + 2y1 +2y2 + 2y3 + 2y4 + 2y5 + 2yn-1 +--- 2yn)
Total 2
Ejemplo:

21

xex dx

Solucin exacta
xex -

ex

dx

xex - ex
ex | x 1 |12
e2 | 2 - 1| - e1 |1 - 1| = 7.389
Solucin mtodo trapecial
21 xex dx n = 10
F(x) = xex
h = b a = 2 1 = 0.1
n
10
y0 = f(a) = f(1) = 1e1 = 2.718
y1 = f(a + h) = f(1.1) = 1.1e1.1 = 3.304
y2 = f(a + 2h) = f(1.2) = 1.2e1.2 = 3.984
y3 = f(a + 3h) = f(1.3) = 1.3e1.3 = 4.77
y4 = f(a + 4h) = f(1.4) = 1.4e1.4 = 5.677
y5 = f(a + 5h) = f(1.5) = 1.5e1.5 = 6.772
y6 = f(a + 6h) = f(1.6) = 1.6e1.6 = 7.924
y7 = f(a + 7h) = f(1.7) = 1.7e1.7 = 9.305
y8 = f(a + 8h) = f(1.8) = 1.8e1.8 = 10.889
y9 = f(a + 9h) = f(1.9) = 1.9e1.9 = 12.703
y10 =
f(b) = f(2) = 2e2
= 14.778
Area = 0.1 (2.718 + 2(3.304) + 2(3.984) + 2(4.77) + 2(5.677) + 2(6.772) +
Total
2
2(7.924) + 2(9.305) + 2(10.889) + 2(12.703) + 14.778) = 7.4

Ing:J.G.H.Z.

(Ago-Dic-2014)

6.2 MTODO DE SIMPSON (1/3) y (3/8).

I = 1 h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + 4y5 + 2yn-1 + yn)
3
I = 1 *0.1(2.718 + 4(3.304)+2(3.984)+4(4.77) + 2(5.677) + 4(6.772) + 2(7.924) +
3
4(9.305) + 2(10.889) + 4(12.703) +14.778) = 7.39

6.2.1 MTODO DE SIMPSON (3/8)

I = 3 h (y0 + 3y1 + 3y2 + 3y3 + 3y4 + 3y5 + 3yn-1 + yn)
8
I = 3 *0.1(2.718 + 3(3.304)+3(3.984)+3(4.77) + 3(5.677) + 3(6.772) + 3(7.924) +
8
3(9.305) + 3(10.889) + 3(12.703) +14.778 ) = 6.547 = 7
6.2.2 AREA MEDIA
Am = 1 *o.5(2.718 + 4(6.772) + 14.778) = 7.4
3
Solucin exacta = 7.389
Mtodo trapecial = 7.4
Mtodo de Simpson (1/3)= 7.39
Mtodo de Simpson (3/8)= 7
rea media = 7.4

Ing:J.G.H.Z.

(Ago-Dic-2014)

6.3 METODO DE NEWTON COTES

Se denominan frmulas de Newton-Cotes a todas las frmulas
de integracin numrica de tipo interpolatorio construidas sobre
soportes equidistantes centrados en el intervalo de integracin.
Las frmulas de Newton-Cotes se clasifican en:
* Frmulas de Newton-Cotes cerradas: El soporte
incluye a los dos extremos del intervalo de integracin.
* Frmulas de Newton-Cotes abiertas: los extremos
del intervalo de integracin no se incluyen entre las
abscisas que forman el soporte.
Frmulas de Newton-Cotes Cerradas

a = x0 ,x1 xi;

xi+1 xn-1; xn = b

h = (b-a)/n
(i = 0, 1, , n)

xi = a + ih

Frmulas de Newton-Cotes Cerradas

n

f(x)dx = b a

n i
1
1
2
1
3
1
4
7
5 19
6 41

i=0

(j=

1
4
3
32
75
216

1
3
12
50
27

i f(xi ) + Rf ((a, b ))

0, .

., n

D
2
6
1
6
32
7
90
50 75 19
288
272 27 216 41 840

Rf ((a, b ))
/12) f( )
(h5 /90) f( )
(3h5 /80) f( )
(8h7 /945) f( )
(275h7 /12096) f( )
(9h9 /1400) f( )
(h3

nombre
Trapecio
Simpson
Regla 3/8
Milne
Weddle

COMENTARIOS
Las ms usadas son la del trapecio y las que tienen un nmero impar
de puntos de soporte (pues aadir un punto ms no reduce el orden
del error)
Las frmulas de Newton-Cotes cerradas con ms de 7 puntos son
muy sensibles a los errores de redondeo y por este motivo apenas
son utilizadas.

Ing:J.G.H.Z.

(Ago-Dic-2014)

Frmulas de Newton-Cotes abiertas

h = (b-a)/(n+2)
xi = a + (i+1)h

(i = 0, 1, , n)
n

ba

f(x)dx = b a

i f(xi ) + Rf ((a, b ))

n
0
1
2
3

i
1
1
2
11

(j=

1
-1
1

0, .

2
1

i=0

., n )

11

D
1
2
3
24

Rf ((a, b ))
/3) f( )
*
(3h5 /4) f( )
(14h5 /45) f(iv( )
(95h5 /144 f(iv( )
(h3

Frmula del punto medio (o de Poncelet)

Ing:J.G.H.Z.

(Ago-Dic-2014)

Para esto empleamos el polinomio de interpolacin de Newton-Lagrange

o de Diferencias Divididas de grado1, es decir, una recta.

Normalmente la nomenclatura que se emplea en los libros, cuando se

presenta el mtodo del Trapecio es llamar al lmite inferior a y el lmite
superior b. Grficamente , esto quedara como:

Figura del Polinomio de interpolacin de Newton Lagrange.

Sustituyendo esta aproximacin en la integral:

Esta es la Ecuacin del Trapecio.

Ejercicio:

Calcular:

por el mtodo del Trapecio.

a=0
b=0.8
Ing:J.G.H.Z.

(Ago-Dic-2014)

f(x)=0.2+25x-200x2+675x3-900x4+400x5
f(a)=f(0)=0.2+25(0)-200(0)2+675(0)3-900(0)4+400(0)5
f(a)=0.2
f(b)=f(0.8)=0.2+25(0.8)-200(0.8)2+675(0.8)3-900(0.8)4+400(0.8)5
f(b)=0.232

Regla de Simpson de 1/3 simple

La regla de Simpson de 1/3, lo que hace es que con 3 puntos conocidos
{ xo, f(xo)} , { x1, f(x1)} , y{ x2, f(x2)} , aproxima a la funcin que se desea
integrar.
Primero vamos a ver la regla de Simpson 1/3 para cuando tenemos 2
intervalos, es decir, que tenemos 3 puntos conocidos.

2 intervalos
La regla de Simpson 1/3 resulta de integrar el polinomio de Lagrange de
segundo grado sobre [ xo, x2 ]. Recordemos que cuando se tienen 3
puntos el polinomio es una parbola.
Por lo tanto:

Ing:J.G.H.Z.

(Ago-Dic-2014)

Obteniendo la regla de Simpson

Ejercicio:

Calcular
Utilizando la regla de Simpson de 1/3 simple.
Solucin:
Sabemos que n=2

f(x)

0.5

30.26

915.65

Particin en subintervalos

Ing:J.G.H.Z.

(Ago-Dic-2014)