Solucion de Ecuaciones Diferenciales y Matrices Con Excel

METODOS NUMERICOS CON EXCEL
Ing. Gonzalo Fano Miranda
MTODOS NUMRICOS CON EXCEL

Una pregunta muy natural que surge al introducirse en el estudio de los mtodos
numricos, es la siguiente:
Por que sucedi todo esto?
Para introducir la forma de trabajar con mtodos numricos en la solucin de
problemas, veremos el siguiente:
PROBLEMA.
Calcular la velocidad instantnea de un cuerpo en cada libre cerca de la superficie
terrestre, suponiendo que la velocidad inicial del cuerpo es igual a 0 y que las
nicas fuerzas que actan sobre el cuerpo son la fuerza de gravedad y la fuerza de
resistencia del aire, la cual suponemos que es linealmente proporcional a la
velocidad del cuerpo.
Solucin Analtica.
Usamos la segunda ley de Newton, que establece:
F=ma
La cual podemos escribir en la forma:
Las hiptesis sobre las fuerzas que actan sobre el

cuerpo nos indican que:
donde
(g-constante de gravedad) es la fuerza de gravedad y

(c-coeficiente de arrastre) es la fuerza de resistencia del aire.
Sustituyendo esto ltimo obtenemos:

Equivalentemente:
PUBLIDRAT 304
Que es nuestro modelo matemtico del problema. En este caso identificamos

nuestro modelo como una ecuacin diferencial de primer orden de variables
separables.
Procedemos a separar las variables:
Integramos ambos miembros de
la ecuacin:
De lo cual
obtenemos:
, (k-cte de integracin)
Para calcular la constante de integracin, usamos la hiptesis de que la velocidad
inicial del cuerpo es 0. Esto es,
si
. Sustituyendo estos valores en la
ecuacin de arriba, obtenemos:
Con lo cual obtenemos:
Finalmente,
despejamos
en funcin de :
La cual resuelve el problema de forma exacta.

Para fijar un ejemplo particular, supongamos que tenemos los siguientes datos:
Calculemos los valores

PUBLIDRAT 304
Lo nico que tenemos que hacer es sustituir los valores de m, c y g:
desde
hasta
Finalmente sustituimos los valores del tiempo

y escribimos los resultados en la siguiente tabla:
t (s)
v (cm/s)
854.7569
1500.76828
1989.01317
2358.02072
2636.91063
Esta tabla de valores, representa los valores exactos de las velocidades indicadas
que se han obtenido por un mtodo analtico.
A continuacin veremos como podemos aproximar estos datos usando un mtodo
numrico.
Solucin Numrica.
Primero que nada, recordemos que el modelo matemtico del problema esta dado
por:
Para usar un mtodo numrico, recordemos cmo se define la derivada de una

funcin:
Tenemos:
PUBLIDRAT 304
Cuando
es cercano a
, podemos quitar el lmite y obtener la siguiente
aproximacin :
Lo cual, al sustituirlo en nuestro modelo matemtico nos da:
De aqu podemos despejar
y obtener lo siguiente:
Esta ltima frmula, la cual es una frmula recursiva, nos permite calcular la
velocidad
si conocemos la velocidad en el tiempo anterior
. Nuestro
punto de partida es que la velocidad inicial es 0, es decir,

, y de aqu
podemos calcular, con la ayuda de nuestra frmula recursiva, la velocidad en
tiempos subsecuentes. Evidentemente stos clculos son aproximaciones, y entre
ms cercanos sean los tiempos, mejores sern dichas aproximaciones.
Por ejemplo, retomando los datos que fijamos arriba, tenemos la frmula:
Como dijimos arriba, comenzamos con

. Para aproximar
, tenemos
dos opciones: podemos aproximarla directo, saltando del tiempo
al tiempo
, o bien podemos usar intervalos ms pequeos de tiempo, digamos de
longitud 0.2 s, para obtener una mejor aproximacin.
La primera opcin nos da
siguientes resultados:
PUBLIDRAT 304
, mientras que la segunda opcin arroja los
t (s)
v (cm/s)
0.2
196
0.4
381.024
0.6
555.686656
0.8
720.5682033
876.2163839
Evidentemente, con la segunda opcin obtenemos una mejor aproximacin para

, ya que los intervalos de tiempo son ms pequeos, y lgicamente, si
redujramos an ms estos intervalos de tiempo, obtendramos mejores
aproximaciones. El precio que hay que pagar es el de clculos cada vez ms largos
y tediosos y aqu es donde hace acto de presencia la poderosa herramienta
computacional, que nos permite hacer clculos largos y tediosos en poco tiempo y
con mayor exactitud que si los hiciramos a mano. Esta gran herramienta hace
factible el camino de los mtodos numricos pues de otra forma, seran muy lentos
los procesos y con mucho riesgo de cometer errores en cada paso.
Por otro lado, cabe mencionar que para poder elaborar un buen programa de
computacin, aparte de manejar un lenguaje determinado, debemos saber realizar
el proceso "a mano", ya que esto nos permitir implementar un mejor programa que
contemple todas las posibles piedras en el camino.
Para obtener mejores aproximaciones obviamente elegimos la segunda opcin, con
intervalos de tiempo de 0.2 s. Esto nos arroja los siguientes resultados:
PUBLIDRAT 304
t (s)
v (cm/s)
876.2163839
1533.074153
2025.489197
2394.629346
2671.356168
Donde hemos omitido los datos intermedios para no hacer ms larga la tabla.
Si hacemos una comparacin entre la tabla de valores exactos y esta ltima de
valores aproximados, vemos que hay diferencias entre los datos obtenidos, es
decir, en la segunda tabla se han cometido ciertos errores que deben ser medidos
y lo que es ms importante, debemos tener alguna forma de poder afirmar: "el
resultado que obtuve es lo suficientemente bueno".
ERRORES
Los errores numricos se generan con el uso de aproximaciones para representar
cantidades y/o operaciones. Esto da lugar a dos tipos de errores:
truncamiento
Errores
redondeo
Los errores de truncamiento, resultan de representar aproximadamente un
procedimiento matemtico exacto. Por ejemplo, en la solucin numrica al
problema del objeto en cada libre, usamos una aproximacin al proceso de
derivacin, el cual es un
procedimiento
matemtico
exacto.
Esto genera
procedimiento.
errores
de
truncamiento
durante
el
Los errores de redondeo resultan de representar aproximadamente nmeros que

son exactos. Por ejemplo, an en la "solucin exacta" al problema del objeto en
cada libre, los resultados impresos en la tabla de velocidades no son totalmente
exactos puesto que el numero e es un nmero irracional y por lo tanto su extensin
decimal es infinita y no peridica lo que nos impide escribirlo de forma
completamente exacta. Usando 5 decimales, tenemos:
Esto genera errores de redondeo durante los clculos.

En ambos casos tenemos que:
valor verdadero = valor aproximado + error
Definicin. Definimos el error absoluto como:
= valor verdadero - valor aproximado
Esta definicin de error tiene un pequeo defecto, como veremos en el siguiente:
Ejemplo.
PUBLIDRAT 304
Al medir la longitud de una varilla para construccin se obtiene el resultado

aproximado de 19,999 cms. mientras que al medir la longitud de un clavo, se
obtiene el resultado de 9 cms. Suponiendo que los valores verdaderos de la varilla
y el clavo son de 20,000 cms. y 10 cms. respectivamente, calcular el error absoluto
en ambos casos.
Solucin. Tenemos los siguientes resultados:
Para el caso de la varilla, el error absoluto se calcula como:
Para el caso del clavo, el error absoluto se calcula como:
En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor

trascendencia el error en el caso del clavo que en el caso de la varilla, es decir,
necesitamos comparar el error absoluto contra el valor verdadero y esto da lugar a
las siguiente definicin.
Definicin. Definimos el error relativo como sigue:
Esto es,
Y tambin se define el error relativo porcentual, como sigue:
Es decir,
De hecho el error que ms usamos es este ltimo, ya que nos da una idea en tanto
por ciento del error que se est cometiendo.
Por ejemplo, en el caso de la varilla el error relativo porcentual es:
PUBLIDRAT 304
Mientras que en el caso del clavo, el error relativo porcentual es:
Podemos observar, que el error relativo porcentual refleja mejor la gravedad o no

gravedad del error que se est cometiendo. Es claro, que en el caso de la varilla no
es trascendente ya que representa solamente un 0.005% con respecto al valor
verdadero, mientras que en el caso del clavo, el error si es representativo ya que es
del 10% del valor verdadero.
Finalmente, mencionaremos que un proceso de aproximacin puede detenerse
cuando el valor absoluto del error relativo porcentual es menor que una cierta cota,
fijada de antemano.
Sin embargo, todava tenemos un pequeo defecto en nuestro anlisis del error.
Los mtodos numricos se aplican en realidad, a problemas que no se pueden
resolver analticamente; en nuestro ejemplo del cuerpo en cada libre, en realidad
no es necesario aplicar ningn mtodo numrico, puesto que conocemos la
solucin exacta del problema. Por lo tanto, en una situacin real, desconoceremos
el valor verdadero de la solucin al problema; luego entonces estaremos
imposibilitados de calcular el error relativo porcentual.
La forma de resolver este problema es pensar que para obtener una cierta
aproximacin a un valor, tuvimos que haber obtenido una aproximacin anterior al
mismo valor. Una vez calculada la nueva aproximacin procedemos a calcular otra
aproximacin al mismo valor y as sucesivamente. Si el mtodo realmente
converge a un resultado (que esperamos sea a la solucin del problema), todas
estas
aproximaciones se estarn aproximando entre s y al valor al cual convergen.
Definicin. Definimos el error aproximado porcentual, como sigue:
Como mencionamos anteriormente, el proceso se detiene cuando se ha logrado

disminuir el valor absoluto del error aproximado porcentual hasta un cierto rango
fijado de antemano. Esto es, cuando
PUBLIDRAT 304
Se puede probar que si tomamos

entonces podemos tener la
seguridad de que la aproximacin resultado tiene al menos cifras significativas,
es decir, posee al menos dgitos confiables.
Ejemplo.
Usar el siguiente resultado de series,

para aproximar el numero irracional
hasta 4 cifras significativas.
Solucin. Primero calculamos el valor de
como sigue:
En seguida, usamos la serie, agregando un trmino cada vez, para obtener nuevas
aproximaciones hasta que se logre que
En el primer paso, tenemos simplemente un trmino:
En el segundo paso, tenemos la suma de dos trminos:
Aqu, podemos calcular el primer error aproximado:
Seguimos agregando trminos de la serie puesto que no se ha cumplido el

objetivo:
Tenemos que,
Y calculamos el error aproximado correspondiente:
PUBLIDRAT 304
El proceso se continua hasta lograr la meta. Resumimos los resultados en la

siguiente tabla:
#
trminos
Aprox.
valor e
al
Error
aproximado
50%
2.5
20%
2.666666667
6.25%
2.708333333
1.54%
2.716666667
0.307%
2.718055556
0.051%
2.718253968
0.007%
2.718278770
0.0009%
As pues, el resultado que se obtiene es:
Que en realidad tiene 8 cifras significativas. La cota impuesta por , nos asegura
que tendremos al menos n cifras significativas; en este ejemplo, obtuvimos 4 cifras
significativas ms.
PUBLIDRAT 304
SOLUCIONES DE ECUACIONES NO LINEALES

Una raz de una funcin f (x) es un nmero x0 tal que f ( x0 ) 0 . Tambin se
dice que x0 es una raz de la ecuacin f ( x0 ) 0 . En este curso, consideraremos
solamente
races
reales.
Geomtricamente, una raz de una funcin representa un punto donde la grfica de
f (x) cruza al eje x ,
En esta grfica, vemos que la raz es x 1 .

Ejemplos.
2
1. Las races de f ( x) x 9 son x 3 y
x 3 .
4
2
1. 2. La funcin f ( x) x x 1 no tiene races.
2. 3. La funcin f ( x) 5 senx no tiene races.
3. 4. Las races de f ( x) ( x 1)( x 3)( x 7) son x 1, x 3 y x 7 .

Estudiaremos varios mtodos numricos para aproximar races de ecuaciones.
MTODO GRFICO
Este mtodo bsicamente se usa para localizar un intervalo donde la funcin tiene
alguna raz.
Ejemplo
Localizar un intervalo donde la funcin f ( x) e
1
x
ln x tenga una raz.
Solucin
x
Para calcular la raz de f (x) hacemos f ( x) 0 , de donde e ln x . Por lo
tanto, el problema equivale a encontrar el punto de interseccin de las funciones
g ( x) e x y h( x) ln x .
PUBLIDRAT 304
Conocemos bien estas grficas:
De lo cual, concluimos que un intervalo donde se encuentra la nica raz es 1,1.5 .

En realidad, no nos interesa ser ms finos en la bsqueda del intervalo, ya que
posteriormente aplicaremos mtodos ms sistemticos para aproximar mejor la
raz. Digamos que la utilidad del mtodo grfico radica en proveernos de un
intervalo con el cual comencemos a trabajar.<![endif]>
Ejemplo
Localizar un intervalo donde la funcin f ( x) arctan x x 1 tenga una raz.

Solucin
Nuevamente, para calcular la raz de f (x) hacemos arctan x x 1 0 , de donde
tenemos arctan x 1 x . As, el problema equivale a encontrar el punto de
interseccin de las grficas de las funciones g ( x) arctan x y h( x) 1 x .
Conocemos bien las grficas de estas funciones:
De donde vemos claramente que un intervalo donde se encuentra la nica raz es

el intervalo 0,1 .
PUBLIDRAT 304
MTODO DE LA BISECCIN
El mtodo de biseccin se basa en el siguiente teorema de Clculo:
Teorema del Valor Intermedio
continua en un intervalo a, b y supongamos que f (a) f (b) .
Entonces para cada z tal que f (a) z f (b) , existe un x0 a, b tal que
f ( x0 ) z . La misma conclusin se obtiene para el caso que f (a) f (b) .
Sea
f (x)
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin continua
en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del
intervalo, entonces debe alcanzar todos los valores intermedios.
f (a) y
f (b) tienen signos opuestos, entonces un valor
En particular, si
intermedio es precisamente z 0 , y por lo tanto, el Teorema del Valor Intermedio
nos asegura que debe existir x0 a, b tal que f ( x0 ) 0 , es decir, debe haber por
lo menos una raz de f (x) en el intervalo (a, b) .

El mtodo de biseccin sigue los siguientes pasos:
Sea f (x) continua,
i) Encontrar valores iniciales xa , xb tales que f ( xa ) y f ( xb ) tienen Sea f (x)
contnua,
i)
i) Encontrar valores iniciales

signos opuestos, es decir,
PUBLIDRAT 304
xa ,
xb
tales que
f ( xa )
f ( xb )
tienen
ii)
ii) La primera aproximacin a la raz se toma igual al punto medio entre xa

y xb :
iii)
iii) Evaluar
casos:
f ( xr ) . Forzosamente debemos caer en uno de los siguientes
f ( xa ) y
f ( xr ) tienen signos opuestos, y por lo

tanto la raz se encuentra en el intervalo xa , xr .
En este caso, tenemos que
En este caso, tenemos que f ( xa ) y f ( xr ) tienen el mismo signo, y de aqu que

f ( xr ) y f ( xb ) tienen signos opuestos. Por lo tanto, la raz se encuentra en el
intervalo
xr , xb .
En este caso se tiene que f ( xr ) 0 y por lo tanto ya localizamos la raz.

El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
es decir,
PUBLIDRAT 304
Ejemplo
x
Aproximar la raz de f ( x) e ln x hasta que a 1% .
Solucin
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de
f (x) se localiza en el intervalo 1,1.5 . As que este intervalo es nuestro punto de
partida; sin embargo, para poder aplicar el mtodo de biseccin debemos checar
que f (1) y f (1.5) tengan signos opuestos.
En efecto, tenemos que
mientras que
Cabe mencionar que la funcin f (x) s es contnua en el intervalo 1,1.5 . As

pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de
biseccin. Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la
raz):
1.25
ln(1.25) 0.0636 0
ii) Evaluamos f (1.25) e
iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la
siguiente tabla:
Por lo tanto, vemos que la raz se encuentra en el intervalo 1.25,1.5.

En este punto, vemos que todava no podemos calcular ningn error aproximado,
puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso
con el nuevo intervalo 1.25,1.5.
PUBLIDRAT 304
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la
aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso.

1.375
ln(1.375) 0.06561 0 , y hacemos la tabla:
Evaluamos f (1.375) e
As, vemos que la raz se encuentra en el intervalo 1.25,1.375.

Calculamos el punto medio,
Y calculamos el nuevo error aproximado:
El proceso debe seguirse hasta cumplir el objetivo.

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz
Error
aprox.
1.25
1.375
9.09%
1.3125
4.76%
1.28125
2.43%
1.296875
1.20%
1.3046875
0.59%
As, obtenemos como aproximacin a la raz
PUBLIDRAT 304
Ejemplo
Aproximar la raz de f ( x) arctan x x 1 hasta que a 1% .

Solucin
Como vimos en el ejemplo 2 de la seccin anterior, la nica raz de f (x) se
localiza en el intervalo 0,1 . Para poder aplicar el mtodo de biseccin, es
importante checar que s se cumplen las hiptesis requeridas.
Sabemos que f (x) es contnua en el intervalo 0,1 , y checamos que f (0) y f (1)
tengan signos opuestos.
En efecto,
Mientras que,
Por lo tanto, s podemos aplicar el mtodo de biseccin.

Calculamos el punto medio del intervalo 0,1 ,
Que es la primera aproximacin a la raz de f (x) .

Evaluamos f (0.5) arctan(0.5) 0.5 1 0.0363 0 .
Y hacemos nuestra tabla de signos,
PUBLIDRAT 304
Puesto que f (0.5) y

el
f (1) tienen signos opuestos, entonces la raz se localiza en

0.5,1 .
intervalo
x 0.5
r1
En este punto, solo contamos con una aproximacin, a saber,
, que es
el
primer
punto
medio
calculado.
Repetimos el proceso, es decir, calculamos el punto medio ahora del intervalo
0.5,1 ,
Que es la nueva aproximacin a la raz de f (x) .

Aqu podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo, continuamos con el proceso.

Evaluamos f (0.75) arctan(0.75) 0.75 1 0.3935 0 .
Y hacemos la tabla de signos:
Puesto que f (0.5) y f (0.75) tienen signos opuestos, entonces la raz se localiza
en el intervalo 0.5,0.75 .
Calculamos el punto medio,
Y el nuevo error aproximado:
El proceso se debe continuar hasta que se logre el objetivo.
PUBLIDRAT 304
Resumimos los resultados que se obtienen en la siguiente tabla:

Aprox. a la raz
0.5
0.75
0.625
0.5625
0.53125
0.515625
0.5234375
0.51953125
Error
aprox.
33.33%
20%
11.11%
5.88%
3.03%
1.49%
0.75%
De lo cual, vemos que la aproximacin buscada es
xr8 0.51953125
El mtodo de biseccin por lo general es lento, y en casos como el de la siguiente

grfica, puede ser demasiado lento.
En un caso como ste, el proceso de biseccin comienza a acercarse a la raz de

forma muy lenta, ya que el mtodo solamente toma en cuenta que la raz se
encuentra dentro del intervalo, sin importar si se encuentra ms cerca de alguno de
los extremos del intervalo. Sera bueno implementar un mtodo que tome en
cuenta este detalle.
Esto da lugar al siguiente mtodo de aproximacin de races.
PUBLIDRAT 304
MTODO DE LA REGLA FALSA

Como mencionamos anteriormente, sera bueno considerar si la raz de una
ecuacin est localizada ms cerca de alguno de los extremos del intervalo.
Consideremos nuevamente una grfica como la anterior,
Donde hemos agregado la lnea recta que une los puntos extremos de la grfica en
el intervalo a, b .
Es claro que si en lugar de considerar el punto medio del intervalo, tomamos el
punto donde cruza al eje x esta recta, nos aproximaremos mucho ms rpido a la
raz; sta es en s, la idea central del mtodo de la regla falsa y sta es realmente
la nica diferencia con el mtodo de biseccin, puesto que en todo lo dems los
dos mtodos son prcticamente idnticos.
Supongamos que tenemos una funcin f (x) que es contnua en el intervalo
xa , xb y adems, f ( xa ) y f ( xb ) tienen signos opuestos.
Calculemos la ecuacin de la lnea recta que une los puntos ( xa , f ( xa )) ,
( xb , f ( xb )) . Sabemos que la pendiente de esta recta esta dada por:
PUBLIDRAT 304
Por lo tanto la ecuacin de la recta es:
Para obtener el cruce con el eje x , hacemos y 0 :
Multiplicando por xb xa nos da:
Finalmente, de aqu despejamos x :
Este punto es el que toma el papel de xr en lugar del punto medio del mtodo de
biseccin.
As pues, el mtodo de la regla falsa sigue los siguientes pasos:
Sea f (x) contnua,
xa ,
xb
i)
i) Encontrar valores iniciales

ii)
ii) La primera aproximacin a la raz se toma igual a:
iii)
iii) Evaluar
casos:
PUBLIDRAT 304
tales que
f ( xa )
f ( xb )
tienen
f ( xr ) . Forzosamente debemos caer en uno de los siguientes
f ( xa ) y
f ( xr ) tienen signos opuestos, y por

lo tanto la raz se encuentra en el intervalo xa , xr .
En este caso, tenemos que f ( xa ) y f ( xr ) tienen el mismo signo, y de

aqu que f ( xr ) y f ( xb ) tienen signos opuestos. Por lo tanto, la raz se
encuentra en el intervalo xr , xb .
En este caso se tiene que f ( xr ) 0 y por lo tanto ya localizamos la raz.

El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
Ejemplo 1
x
Usar el mtodo de la regla falsa para aproximar la raz de f ( x) e ln x ,
comenzando en el intervalo 1,2 y hasta que a 1% .
Solucin
Este es el mismo ejemplo 1 del mtodo de la biseccin. As pues, ya sabemos que
f (x) es contnua en el intervalo dado y que toma signos opuestos en los
extremos de dicho intervalo. Por lo tanto podemos aplicar el mtodo de la regla
falsa.
Calculamos laprimera aproximacin:
Puesto que solamente tenemos una aproximacin, debemos seguir con el proceso.
PUBLIDRAT 304
As pues, evaluamos
Y hacemos nuestra tabla de signos:
De donde vemos que la raz se encuentra en el intervalo 1,1.397410482 .

Con este nuevo intervalo, calculamos la nueva aproximacin:
En este momento, podemos calcular el primer error aproximado:
Puesto que no se cumple el objetivo seguimos con el proceso.

Evaluamos f ( xr2 ) f (1.321130513) 0.011654346 0 , y hacemos la tabla de
signos:
De donde vemos que la raz se encuentra en el intervalo 1.1.321130513 , con el

cual, podemos calcular la nueva aproximacin:
Y el error aproximado:
PUBLIDRAT 304
Como se ha cumplido el objetivo, conclumos que la aproximacin buscada es:
Observe la rapidez con la cual converge el mtodo de la regla falsa a la raz, a

diferencia de la lentitud del mtodo de la biseccin.
Ejemplo
Usar el mtodo de la regla falsa para aproximar la raz de
comenzando en el intervalo 0,1 y hasta que a 1% .
2
f ( x) arctan x x 1 ,
Solucin
Este es el mismo ejemplo 2 del mtodo de la biseccin. As pues, ya sabemos que
se cumplen las hiptesis necesarias para poder aplicar el mtodo, es decir, que
f (x) sea contnua en el intervalo dado y que f (x) tome signos opuestos en los
extremos de dicho intervalo.
Calculamos pues, la primera aproximacin:
Como solamente tenemos una aproximacin, debemos avanzar en el proceso.

Evaluamos
f ( xr1 ) arctan(0.5600991535) 0.5600991535 0.070662953 0

De lo cual vemos que la raz se localiza en el intervalo 0,0.5600991535 .

As pues, calculamos la nueva aproximacin:
Y calculamos el error aproximado:
PUBLIDRAT 304
Puesto que no se cumple el objetivo, seguimos avanzando en el proceso.

Evaluamos f ( xr2 ) arctan(0.5231330281) 0.5231330281 1 0.00511533 0 .
De los cual vemos que la raz se localiza en el intervalo 0,0.5231330281 , con el

cual podemos calcular al siguiente aproximacin:
Y el siguiente error aproximado:
Como se ha cumplido el objetivo, conclumos que la aproximacin buscada es:
Nuevamente observamos el contraste entre la rapidez del mtodo de la regla falsa

contra la lentitud del mtodo de la biseccin.
Por supuesto que puede darse el caso en el que el mtodo de la regla falsa
encuentre la aproximacin a la raz de forma ms lenta que el mtodo de la
biseccin. Como ejercicio, el estudiante puede aplicar ambos mtodos a la funcin
f ( x) x6 1 , comenzando en el intervalo 0,1.5 , donde notar que mientras que el
mtodo de biseccin requiere de 8 aproximaciones para lograr que
mtodo de la regla falsa necesita hasta 16 aproximaciones.
PUBLIDRAT 304
a 1% , el
MTODO DE NEWTON-RAPHSON
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos.
A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja
sobre un intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin
PUBLIDRAT 304
xi a la raz x r de f (x) ,
Trazamos la recta tangente a la curva en el punto xi , f ( xi ) ; sta cruza al eje x

en un punto xi 1 que ser nuestra siguiente aproximacin a la raz x r .
Para calcular el punto xi 1 , calculamos primero la ecuacin de la recta tangente.
Sabemos que tiene pendiente
Y por lo tanto la ecuacin de la recta tangente es:
Hacemos y 0 :
Y despejamos x :
Que es la fmula iterativa de Newton-Raphson para calcular la siguiente

aproximacin:
,
si
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos
asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta de
que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde este
mtodo no converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin
embargo, en los casos donde si converge a la raz lo hace con una rapidez
impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
PUBLIDRAT 304
Tambin observe que en el caso de que f ( xi ) 0 , el mtodo no se puede aplicar.

De hecho, vemos geomtricamente que esto significa que la recta tangente es
horizontal y por lo tanto no intersecta al eje x en ningn punto, a menos que
coincida con ste, en cuyo caso xi mismo es una raz de f (x) !
Ejemplo 1
x
Usar el mtodo de Newton-Raphson, para aproximar la raz de f ( x) e ln x ,
comenzando con x0 1 y hasta que a 1% .
Solucin
De aqu tenemos que:
Comenzamos con x0 1 y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi.

Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
1
1.268941421
1.309108403
1.309799389
Error
aprox.
21.19%
3.06%
0.052%
De lo cual conclumos que la aproximacin obtenida es:

PUBLIDRAT 304
Ejemplo 2
Usar el mtodo de Newton-Raphson para aproximar la raz de
f ( x) arctan x x 1 , comenzando con x0 0 y hasta que a 1% .
Solucin
La cual sustitumos en la frmula de Newton-Raphson para obtener:
Comenzamos sustituyendo x0 0 para obtener:
En este caso tenemos un error aproximado de
0.5 0
100% 100%
0.5
Continuamos con el proceso hasta lograr el objetivo. Resumimos los resultado en

la siguiente tabla:
Aprox. a la raz
0
0.5
0.5201957728
0.5202689918
Error
aprox.
100%
3.88%
0.01%
De lo cual conclumos que la aproximacin obtenida es:
PUBLIDRAT 304
Ejemplo 3
Usar el mtodo de Newton-Raphson para aproximar races cuadradas de nmeros
reales positivos.
Solucin
2
Sea R 0 . Queremos calcular x tal que x R ; elevando al cuadrado x R , o
bien:
x2 R 0
2
Esto nos sugiere definir la funcin f ( x) x R de donde
estos datos en la frmula de Newton-Raphson nos da:
xi 1 xi
f ( x) 2 x . Al sustituir
xi2 R
2 xi
La cual simplificada nos da:
xi 1
1
R
xi
2
xi
Esta frmula era conocida por los antiguos griegos (Hern).

Para fijar un ejemplo de su uso, pongamos R 26 y apliquemos la frmula
obtenida, comenzando con x0 5 . Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
5
5.1
5.099019608
5.099019514
De lo cual conclumos que
dgitos!
Error aprox.
1.96%
0.019%
0.0000018%
26 5.099019514 , la cual es correcta en todos sus
La misma idea puede aplicarse para crear algoritmos que aproximen races n simas de nmeros reales positivos.
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de
una forma muy rpida y de hecho, observamos que el error aproximado disminuye
a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo
establecer formalmente las cotas para los errores en cada uno de los mtodos que
hemos estudiado, cabe mencionar que si existen estas cotas que miden con mayor
precisin la rapidez lentitud del mtodo en estudio.
PUBLIDRAT 304
MTODO DE LA SECANTE
Este mtodo se basa en la frmula de Newton-Raphson, pero evita el clculo de la
derivada usando la siguiente aproximacin:
(Recurdese la solucin numrica al problema del cuerpo en cada libre).

Sustituyendo en la frmula de Newton-Raphson, obtenemos:
Que es la frmula del mtodo de la secante. Ntese que para poder calcular el
valor de
, necesitamos conocer los dos valores anteriores
y
.
PUBLIDRAT 304
Obsrvese tambien, el gran parecido con la frmula del mtodo de la regla falsa. La
diferencia entre una y otra es que mientras el mtodo de la regla falsa trabaja sobre
intervalos cerrados, el mtodo de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximacin casi con la misma rapidez que el mtodo de NewtonRaphson. Claro, corre el mismo riesgo de ste ltimo de no converger a la raz,
mientras que el mtodo de la regla falsa va a la segura.
Ejemplo
Usar el mtodo de la secante para aproximar la raz de
comenzando con
y hasta que
Solucin
Tenemos que
y
la secante para calcular la aproximacin
, que sustituimos en la frmula de

:
Con un error aproximado de:
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los

resultados en la siguiente tabla:
Aprox. a la raz
0
1
0.612699837
0.653442133
0.652917265
Error
aprox.
100%
63.2%
6.23%
0.08%
De lo cual conclumos que la aproximacin a la raz es:
Ejemplo
Usar el mtodo de la secante para aproximar la raz de
comenzando con
, y hasta que
Solucin
Tenemos los valores
y
frmula de la secante para obtener la aproximacin
PUBLIDRAT 304
2
,
, que sustitumos en la
:
Con un error aproximado de:
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los

resultados en la siguiente tabla:
Aprox. a la raz
0
1
0.823315073
0.852330280
0.853169121
Error aprox.
100%
21.4%
3.40%
0.09%
De lo cual conclumos que la aproximacin a la raz es:
MTODO DEL PUNTO FIJO
(ITERACIN)
Este mtodo se aplica para resolver ecuaciones de la forma
Si la ecuacin es
, entonces puede despejarse
bien sumar
ambos lados de la ecuacin para ponerla en la forma adecuada.
Ejemplos:
1) La ecuacin
2) La ecuacin
Dada la aproximacin
PUBLIDRAT 304
se puede transformar en
se puede transformar en
en
, la siguiente iteracin se calcula con la frmula:
Supongamos que la raz verdadera es
, es decir,
Restando las ltimas ecuaciones obtenemos:
Por el Teorema del Valor Medio para derivadas, sabemos que si

en
y diferenciable en
entonces existe
tal que
es contnua
.
En nuestro caso, existe
en el intervalo determinado por
tal que:
De aqu tenemos que:
O bien,
Tomando valor absoluto en ambos lados,
Observe que el trmino
es precisamente el error absoluto en la
sima iteracin, mientras que el trmino

la
corresponde al error absoluto en
sima iteracin.
Por lo tanto, solamente si

, entonces se disminuir el error en la siguiente
iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si
para
en un intervalo
diferenciable, pero diverge si
que contiene a la raz y donde

en dicho intervalo.
Analicemos nuestros ejemplos anteriores:
PUBLIDRAT 304
es contnua y
En el ejemplo 1,
y claramente se cumple la condicin de que
. Por lo tanto el mtodo s converge a la raz.
En
el
ejemplo
2,
en
este
caso,
. Por lo tanto, el mtodo no converge a la raz.

Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
comenzando con
y hasta que
1
,
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
Con un error aproximado de

Aplicando nuevamente la frmula iterativa tenemos,
Y un error aproximado de
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se

necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al 1%.
El resultado final que se obtiene es:
Con un error aproximado igual al
Ejemplo
2
Usar el mtodo de iteracin del punto fijo para aproximar la raz de
, comenzando con
y hasta que
.
Solucin
Si despejamos la
de donde,
PUBLIDRAT 304
del trmino lineal, vemos que la ecuacin equivale a
nos convence que
. Un vistazo a la grfica,
, para
, lo que es suficiente para deducir que el
mtodo s converge a la raz buscada.

Aplicando la frmula iterativa, tenemos:
Con un error aproximado del 100%.

Aplicando nuevamente la frmula iterativa, tenemos:
Con un error aproximado igual al 28.41%.

En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
0
-0.2
-0.1557461506
-0.1663039075
-0.163826372
-0.164410064
Error aprox.
100%
28.41%
6.34%
1.51%
0.35%
De donde vemos que la aproximacin buscada es:
PUBLIDRAT 304
EJERCICIOS
NOTA: Usa todos los dgitos en tu calculadora para que la aproximacin sea lo
ms exacta posible.
1.
Usa
el
mtodo
de
biseccin
para
comenzando en el intervalo
Solucin:
2.
Usa
el
el
mtodo
de
biseccin
Usa
para
Usa
el
la
mtodo de la regla falsa para aproximar la

y hasta que
raz
de
de Newton-Raphson
comenzando con
para aproximar
y hasta que
la
raz
.
de
Solucin:
PUBLIDRAT 304
comenzando con
de
mtodo
el
de
y hasta que
6. Usa el mtodo de Newton-Raphson para aproximar la raz de
Usa
raz
raz
.
Solucin:
7.
la
Solucin:
5.
aproximar
mtodo de la regla falsa para aproximar

y hasta que
el
de
Solucin:
4.
raz
Solucin:
Usa
la
y hasta que
3.
aproximar
y hasta que
.
mtodo
de la secante
comenzando con
para
aproximar
la
y
raz de
hasta que
Solucin:
8.
Usa
el
.
mtodo de la
comenzando con
Solucin:
9.
secante
para
aproximar
y hasta que
la
raz
.
de
Usa el mtodo de iteracin del punto fijo para aproximar la raz de

comenzando con
y hasta que
.
Solucin:
10. Usa el mtodo de iteracin del punto fijo para aproximar la raz de
comenzando con
y hasta que
.
Solucin:
PUBLIDRAT 304
SISTEMAS DE ECUACIONES LINEALES
Estudiaremos sistemas de ecuaciones de la forma :
a11 x1
a 21 x1
a n1 x1
a12 x 2
a 22 x 2
an 2 x2
a1n x n
a2n xn
a nn x n
b1
b2
bn
donde a ij , b j son constantes y x j son las incgnitas. Se dice que el sistema

tiene n ecuaciones con n incgnitas o simplemente que es de n n .
En la notacin a ij , i se refiere al rengln, y j se refiere a la columna donde est
ubicado el elemento correspondiente.
MATRICES
El sistema de ecuaciones lineales se puede escribir en forma matricial si
definimos:
i) La matriz de coeficientes:
ii) La matriz de incgnitas:
iii) La matriz de trminos independientes o resultados:
Entonces el sistema es equivalente a la ecuacin matricial:

PUBLIDRAT 304
donde el producto indicado es el producto de matrices.

OPERACIONES ELEMENTALES
Para una matriz A se definen tres operaciones elementales por renglones ( o
columnas ); nos remitiremos a las operaciones por renglones. Cuando se efectan
las operaciones elementales se obtiene una matriz equivalente, y se utiliza el
smbolo de equivalencia.
I.- Intercambiar dos renglones
Ejemplo:
Si intercambiamos el rengln 1 y 3:
~
II.- Multiplicar un rengln por una constante distinta de cero
Ejemplo:
Si multiplicamos el rengln 3 por 2:
III.- Sumar un rengln a otro rengln

Ejemplo:
Si sumamos el rengln 3 al rengln 2:
~
Las operaciones II y III se combinan para sumar un mltiplo de un rengln a otro
rengln.
Ejemplo:
(i) Comenzamos con la matriz:
PUBLIDRAT 304
(ii) Multiplicamos el rengln 1 por 2:
~
(iii) Sumamos el rengln 1 al rengln 2:
~
1
(iv) Finalmente multiplicamos por 2 el rengln 1 ( lo cual anula el paso
(ii) ):
~
Ahorrando pasos podemos escribir simplemente:
~
Finalmente, las operaciones elementales se utilizan para hacer ceros debajo de
algn elemento aij 0 .
Ejemplo: Hacer ceros debajo del elemento a11 en la siguiente matriz:
PUBLIDRAT 304
Solucin. Vemos que para lograr el objetivo, podemos multiplicar el rengln 1

por 2 , y sumarlo al rengln 2. Tambien podemos multiplicar el mismo rengln 1
por 3, y sumrselo al rengln 3:
~
El objetivo final es transformar una matriz A en una matriz escalonada .
Definicin. Una matriz se llama escalonada si el primer elemento no cero en cada
rengln est ms a la derecha que el del rengln anterior.
Ejemplos:
1) La matriz
s es escalonada.
2) La matriz
no es escalonada.
Obviamente el escalonamiento de una matriz se logra haciendo ceros debajo de
los elementos adecuados.
Ejercicios:
1) Usando operaciones elementales, escalonar la siguiente matriz:
PUBLIDRAT 304
Solucin. La notacin se explica por s sola:
2) Escalonar la siguiente matriz:
Solucin. Procedemos como en el ejercicio anterior:
Tenemos ahora todas las herramientas para estudiar nuestros dos primeros
mtodos numricos de solucin a sistemas de ecuaciones lineales.
PUBLIDRAT 304
METODOS DE SOLUCION
METODO DE GAUSS
Este mtodo se aplica para resolver sistemas lineales de la forma:
El mtodo de eliminacin Gaussiana (simple), consiste en escalonar la matriz

aumentada del sistema:
para obtener un sistema equivalente :
donde la notacin a'ij se usa simplemente para denotar que el elemento aij
cambi. Se despejan las incgnitas comenzando con la ltima ecuacin y hacia
arriba. Por esta razn, muchas veces se dice que el mtodo de eliminacin
Gaussiana consiste en la eliminacin hacia adelante y sustitucin hacia atrs.
Ejemplo:
1. Resolver el siguiente sistema de ecuaciones:
usando el mtodo de eliminacin Gaussiana (simple).

Solucin . Escalonamos la matriz aumentada del sistema:
PUBLIDRAT 304
Y dividiendo el segundo rengln entre 3 , tenemos la matriz equivalente:
Por lo tanto, el sistema equivale a:
De la ltima ecuacin tenemos x3 10 ; sustitumos este valor en la

x2 18 ; sustitumos estos valores en la
ecuacin de arriba para obtener
ecuacin de arriba para obtener x1 7 .
Por lo tanto, la solucin del sistema es:
2) Resolver:
usando eliminacin Gaussiana (simple).

Solucin. Escalonando la matriz aumentada del sistema:
Por lo tanto, el sistema equivale a:

PUBLIDRAT 304
De la ecuacin ( 3 ) obtenemos x3 2 ; sustitumos arriba para obtener x2 4 ;

sustitumos arriba para obtener x1 4 .
Por lo tanto la solucin del sistema es:
El mtodo de eliminacin Gaussiana (simple) puede presentar un problema

cuando uno de los elementos que se usan para hacer ceros, es cero.
Por ejemplo, supngase que en algn paso del proceso de hacer ceros
tenemos la siguiente matriz:
Es claro que el elemento a22 0 no puede usarse para hacer ceros!

Este problema se puede resolver fcilmente intercambiando los renglones 2
y 3 . De hecho, el resultado que obtenemos es la matriz escalonada :
Sin embargo, el problema puede presentarse tambin si el elemento aquel es muy

cercano a cero.
Ejemplo: Resolver el siguiente sistema, usando eliminacin Gaussiana (simple)
Solucin.
Usando eliminacin Gaussiana (simple) obtenemos:
PUBLIDRAT 304
Que nos da el sistema equivalente:
De donde,
x2
2
3 ; sustitumos arriba y obtenemos:
El resultado cambia drsticamente de acuerdo al nmero de cifras

significativas que se usen. Resumimos los resultados en la siguiente tabla:
#
Cifras
Significativas
3
0.667
4
0.0067
5
0.00067
6
0.000067
7
0.6666667
-33
-3
0
.3
0.33
(*)
Error relativo
porcentual
10,000 %
1,000 %
100 %
10 %
1%
(*) Para calcular este error se tom el valor verdadero de
x1
1
3.
Ahora resolvemos el mismo sistema pero intercambiando los renglones 1 y 2
Lo cual nos da el sistema equivalente:
De donde obtenemos
PUBLIDRAT 304
x2
2
3 ; sustituyendo arriba nos da:
Nuevamente tomamos distintas cifras significativas y resumimos los resultados en

la siguiente tabla:
#
Cifras
Signifi
cativa
s
3
4
5
6
7
(*)
Error
Relativo
Porcentual
0.667
0.6667
0.66667
0.666667
0.6666667
0.333
0.3333
0.33333
0.333333
0.3333333
0.1 %
0.01 %
0.001 %
0.0001 %
0.00001 %
En este ltimo caso, vemos que el error relativo porcentual no vara drsticamente
como en la solucin anterior.
As, vemos que los elementos que son cercanos a cero, son elementos malos para
hacer ceros. En general, para evitar este problema se elige como elemento para
hacer ceros (el cual recibe el nombre de elemento pivotal o simplemente pivote)
como el elemento mayor en valor absoluto de entre todos los candidatos.
A este procedimiento se le llama pivoteo parcial y aplicado a la eliminacin
Gaussiana, nos d el llamado mtodo de eliminacin Gaussiana con pivoteo
(parcial).
Podemos resumir el pivoteo (parcial) como sigue:
Para elegir el elemento pivote en la primer columna se escoge el elemento

mayor (con valor absoluto) de toda la primer columna.
Para elegir el elemento pivote en la segunda columna, se escoge el elemento
mayor (con valor absoluto ) de toda la segunda columna exceptuando el
elemento a12 .
Para la tercer columna se exceptan los elementos a13 y a23 , etc.
En un diagrama matricial, tenemos que los elementos pivotes de cada columna se

escogen de entre los siguientes:
PUBLIDRAT 304
Ejemplo 1:
Usar eliminacin Gaussiana con pivoteo para resolver el siguiente sistema:
Solucin. Escribimos la matriz aumentada del sistema:
Para escoger el primer elemento pivote en la columna 1, tomamos el elemento

mayor con valor absoluto entre -1 , -2 y -0.2 , el cual obviamente es el -2 ; por lo
tanto intercambiamos el rengln 1 y 2 (ste es el primer pivoteo realizado):
Y procedemos a hacer ceros debajo del pivote. Para ello, multiplicamos el rengln
1
1 por 2 y se lo sumamos al rengln 2. Tambin, multiplicamos el rengln 1
0.2
2
por
y lo sumamos al rengln 3. Esto nos da la matriz:
Olvidndonos del rengln 1 y de la columna 1, procedemos a escoger el pivote

de la columna 2, pero unicamente entre 0.5 y 1.25 , el cual obviamente resulta ser
1.25. Por lo tanto intercambiamos los renglones 2 y 3 (ste es el segundo
pivoteo realizado):
PUBLIDRAT 304
Y procedemos a hacer ceros debajo del elemento pivote. Para ello multiplicamos el
.05
rengln 2 por 1.25 y lo sumamos al rengln 3 para obtener:
La cual es una matriz escalonada. El sistema equivalente es:
Y con la sustitucin hacia arriba, obtenemos la solucin del sistema:
Ejemplo 2.
Usar eliminacin Gaussiana con pivoteo para resolver
ecuaciones:
el siguiente sistema de
Solucin. La matriz aumentada del sistema es :
El elemento pivote en la columna 1 es el 10 , lo que nos obliga a intercambiar

los renglones 1 y 3:
PUBLIDRAT 304
Haciendo ceros debajo del pivote, obtenemos:
Ahora el elemento pivote en la columna 2 es el -14.55, el cual est bien colocado,

y no hay necesidad de intercambiar renglones. Procedemos a hacer ceros
debajo del pivote, lo cual nos da la siguiente matriz escalonada:
Escribiendo el sistema equivalente, y resolviendo con la sustitucin hacia arriba,

obtenemos la solucin del sistema:
PUBLIDRAT 304
METODO DE GAUSS - JORDAN

Este mtodo utiliza las mismas tcnicas de eliminacin Gaussiana (incluyendo el
pivoteo), pero con el objetivo de finalizar con una matriz de la siguiente forma:
donde I n es la matriz identidad de nxn .
Para lograr esto, se usa la tcnica del pivoteo con la nica diferencia que el pivote
se usa para hacer ceros hacia abajo y hacia arriba.
Ejemplo 1:
Solucin.
Usar el mtodo de Gauss-Jordan para resolver el siguiente sistema:
Comenzamos con la matriz aumentada:
PUBLIDRAT 304
Procedemos a hacer el primer pivoteo, y para ello, intercambiamos los renglones 1

y 2:
y haciendo ceros debajo del pivote, obtenemos:
~
Ahora, para colocar adecuadamente el segundo pivote intercambiamos los
renglones 2 y 3:
Para hacer ceros arriba del pivote 1.25, multiplicamos el rengln 2 por 1.25 y se
lo sumamos al rengln 1; para hacer ceros debajo del mismo pivote, multiplicamos
al mismo rengln 2 por
0.5
1.25
y se lo sumamos al rengln 3 . Todo esto nos da:
Ahora procedemos a hacer ceros arriba del pivote 0.09 .

el rengln 3
por
rengln 3 por
1.9
0.09
PUBLIDRAT 304
0.85
0.09
Para ello, multiplicamos
y se lo sumamos al rengln 2; igualmente multiplicamos el
y se lo sumamos al rengln 1. Todo esto nos da:
Finalmente para hacer los 1s ( unos ) en la diagonal principal, multiplicamos los

1 1
1
,
renglones 1 , 2, y 3 por 2 1.25 y 0.09 , respectivamente. Obtenemos entonces
la matriz final:
La cual nos da la solucin del sistema de ecuaciones:
Ejemplo 2.
Solucin.
Usar el mtodo de Gauss-Jordan para resolver el siguiente sistema:
Escribimos la matriz aumentada del sistema:
Observamos que el primer elemento pivote est bien colocado y por lo tanto no hay
necesidad de intercambiar renglones. Por lo tanto hacemos ceros debajo del pivote
a11 1 ; para ello, multiplicamos el rengln 1 por 0.4 y se lo sumamos al rengln 2,
y tambin multiplicamos el mismo rengln 1 por 0.5 y se lo sumamos al rengln
3. Esto nos da la siguiente matriz:
Para elegir el segundo elemento pivote, debemos escoger el elemento mayor (con
valor absoluto) entre a22 2.8 y a32 4 , el cual obviamente es ste ltimo. Por lo
tanto, debemos intercambiar el rengln 2 y el rengln 3. Tenemos entonces:
PUBLIDRAT 304
Procedemos a hacer ceros arriba y abajo de nuestro segundo elemento pivote;

para ello, multiplicamos el rengln 2 por 0.5 y lo sumamos al rengln 1, y tambin
multiplicamos el mismo rengln 2 por
2 .8
4
y lo sumamos al rengln 3. Esto nos da:
Nuestro tercer elemento pivote es a33 0.15 . Para hacer ceros arriba de este
0.5
elemento, multiplicamos el rengln 3 por 0.15 y lo sumamos al rengln 2, y
tambin multiplicamos el mismo rengln 3 por
nos da:
2.75
0.15
y lo sumamos al rengln 1. sto
Finalmente, hacemos los 1s (unos) en la diagonal, multiplicando el rengln 2 por

14 y el rengln 3 por 0.115 . sto nos da la matrix final:
Por lo tanto, la solucin del sistema de ecuaciones es:
MATRIZ INVERSA
Una de las aplicaciones del mtodo de Gauss-Jordan, es el clculo de matrices
inversas. Recordamos primero la definicin de matriz inversa.
PUBLIDRAT 304
Definicin. Sea A una matriz de nxn . La matriz inversa de A es una matriz B

de nxn tal que:
Se escribe B A 1 para denotar la matriz inversa. Cuando la matriz inversa existe,

es
nica,
pro
no
siempre
existe
la
matriz
inversa.
1
Un resultado de algebra lineal prueba que la matriz inversa A existe si y solo
si
el
determinante
de
A
es
distinto
de
cero.
El mtodo de Gauss-Jordan procede como sigue:
Es decir, en una matriz comenzamos por escribir la matriz A, y a su derecha

agregamos la matriz identidad I n del mismo orden que la matriz A; enseguida
aplicamos el mtodo de Gauss-Jordan para hacer los ceros y unos y obtener del
lado izquierdo la matriz identidad I n . Del lado derecho lo que obtendremos ser la
matriz inversa de A.
Ejemplo 1. Usar el mtodo de Gauss-Jordan para calcular la matriz inversa de la
siguiente matriz:
Solucin.
En una matriz, colocamos la matriz A y a su derecha agregamos la

matriz identidad I 2 :
El primer elemento pivote a11 4 est bien colocado y procedemos a hacer ceros
1
debajo de este elemento. Para ello, multiplicamos el rengln 1 por 4 y lo
sumamos al rengln 2. Esto nos da:
PUBLIDRAT 304
Nuestro segundo elemento pivote es a22 0.25 . Para hacer ceros arriba de este
11
elemento, multiplicamos el rengln 2 por 0.25 y lo sumamos al rengln 1. Esto nos
da:
Finalmente, hacemos los 1s en la diagonal principal. Para ello, multiplicamos el

rengln 1 por
1
4
y el rengln 2 por 0.25 . Esto nos da la matriz final:
Por lo tanto, conclumos que la matriz inversa de A es:
Ejemplo 2.
Usar el mtodo de Gauss-Jordan para calcular la matriz inversa de:
Solucin. En una matriz, colocamos la matriz A y a su derecha agregamos la

matriz identidad:
Vemos que el primer elemento pivote a11 2 est bien colocado y procedemos a
hacer ceros debajo de este elemento. Para ello multiplicamos el rengln 1 por
lo sumamos al rengln 2; tambin, multiplicamos el mismo rengln 1 por
sumamos al rengln 3. Esto nos da:
PUBLIDRAT 304
0.3125
2
0.5
2
y lo
Para elegir el segundo elemento pivote, debemos escoger el elemento mayor (con
valor absoluto) entre a22 0.2 y a32 1.25 , el cual obviamente es ste ltimo.
Por lo tanto, debemos intercambiar el rengln 2 y el rengln 3. Tenemos entonces:
Procedemos a hacer ceros arriba y abajo de nuestro segundo elemento pivote;

4
para ello, multiplicamos el rengln 2 por 1.25 y lo sumamos al rengln 1, y
nos da:
0 .2
1.25
y lo sumamos al rengln 3. Esto
Nuestro tercer elemento pivote es a33 0.4 . Para hacer ceros arriba de este
3.125
elemento, multiplicamos el rengln 3 por 0.4 y lo sumamos al rengln 2, y
nos da:
10
0.4
y lo sumamos al rengln 1. Esto
Finalmente, hacemos los 1s en la diagonal principal. Para ello multiplicamos el

1
1
1
rengln 1, 2 y 3 por 2 , 1.25 y 0.4 , respectivamente. Esto nos da la matriz final:
Por lo tanto, conclumos que la matriz inversa de A es:
PUBLIDRAT 304
METODO DE GAUSS-SEIDEL
El mtodo de Gauss-Seidel, es un mtodo iterativo y por lo mismo, resulta ser un
mtodo bastante eficiente. Comenzamos con nuestro sistema de ecuaciones:
De la ecuacin 1 despejemos x1 , de la ecuacin 2 despejemos x 2 , , de la

ecuacin n despejemos x n . Esto nos da el siguiente conjunto de ecuaciones:
Este ltimo conjunto de ecuaciones son las que forman nuestras frmulas
iterativas. Para comenzar el proceso iterativo, le damos el valor de cero a las
variables x2 ,, xn ; esto nos dar un primer valor para x1 . Ms precisamente,
tenemos que:
PUBLIDRAT 304
Enseguida, sustitumos este valor de x1 en la ecuacin 2, y las variables

x3 ,, xn siguen teniendo el valor de cero. Esto nos da el siguiente valor para x 2 :
Estos ltimos valores de x1 y x 2 , los sustitumos en la ecuacin 3, mientras que

x4 ,, xn siguen teniendo el valor de cero; y as sucesivamente hasta llegar a la
ltima ecuacin. Todo este paso, nos arrojar una lista de primeros valores para
nuestras incgnitas, la cual conforma nuestro primer paso en el proceso iterativo.
Digamos que tenemos:
Volvemos a repetir el proceso, pero ahora sustituyendo estos ltimos datos en

vez de ceros como al inicio, obtendremos una segunda lista de valores para cada
una de las incgnitas. Digamos que ahora tenemos:
En este momento, podemos calcular los errores aproximados relativos, respecto a

cada una de las incgnitas. As, tenemos la lista de errores como sigue:
PUBLIDRAT 304
El proceso se vuelve a repetir hasta que:
donde s es una cota suficiente prefijada.

Ejemplo 1
Usar el mtodo de Gauss-Seidel para aproximar la solucin del sistema:
hasta que a 1% .
Solucin
Primero despejamos las incgnitas x1 , x 2 y x3 de las ecuaciones 1, 2 y 3
respectivamente. Tenemos:
Estas ltimas, son nuestro juego de frmulas iterativas.

Comenzamos el proceso iterativo, sustituyendo los valores de x2 x3 0 en la
primera ecuacin, para calcular el primer valor de x1 :
Ahora, sustituimos x1 2.66667 y x3 0 en la segunda ecuacin, para obtener

x2 :
Ahora sustituimos
obtener x3 :
PUBLIDRAT 304
x1 2.66667 y x2 2.82381 en la tercera ecuacin, para
As, tenemos nuestra primera aproximacin a la solucin del sistema:
Puesto que todava no podemos calcular ningn error aproximado, repetimos el

proceso pero ahora con los ltimos datos obtenidos para las incgnitas:
Sustituyendo x2 2.82381 y x3 7.1051 en la ecuacin 1 obtenemos
x1 3.6626 . Sustituyendo x1 3.6626 y x3 7.1051 en la ecuacin 2 obtenemos
x2 3.24404 ; finalmente, sustituyendo x1 3.6626 y x2 3.24404 en la ecuacin
3 obtenemos x3 7.06106 . As, tenemos la segunda lista de valores de
aproximacin a la solucin del sistema:
Ahora si podemos calcular los errores absolutos para cada una de las incgnitas.
Tenemos:
Puesto que no se ha logrado el objetivo, debemos repetir el mismo proceso con los
ltimos valores obtenidos de cada una de las incgnitas. Ntese que aunque el
a ,3
error aproximado
ya cumple con ser menor al 1%, esto se debe de cumplir
para los tres errores aproximados!
Por lo tanto repetimos el mismo proceso. Omitiendo los pasos intermedios,
obtenemos:
PUBLIDRAT 304
Y en este caso tenemos los siguientes errores aproximados:
Vemos que ahora si se ha cumplido el objetivo para cada uno de los errores
aproximados. Por lo tanto, conclumos que la solucin aproximada es:
Observacin. Es lgico preguntarse si siempre el mtodo de Gauss-Seidel

converge a la solucin del sistema de ecuaciones y tambin es lgico esperar que
la respuesta es NO.
Un resultado de Anlisis Numrico nos da una condicin suficiente para la
convergencia del mtodo.
Teorema. El mtodo de Gauss-Seidel converge a la solucin del sistema si se
cumple la condicin de que la matriz de coeficientes del sistema sea una matriz
diagonalmente dominante, es decir, si se cumple la siguiente condicin:
,para
cada
La condicin de ser una matriz diagonalmente dominante simple mente significa
que los elementos de la diagonal son mayores (en valor absoluto) que la suma de
los valores absolutos de los dems elementos del mismo rengln. Ntese que en el
ejemplo anterior, la matriz si es diagonalmente dominante y por lo tanto, el mtodo
de Gauss-Seidel si converge a la solucin del sistema.
Sin embargo, la condicin de la matriz diagonalmente dominante, solamente es una
condicin suficiente pero no necesaria, es decir, existen sistemas de ecuaciones
que no cumplen con la condicin y que si convergen a la solucin y tambin existen
sistemas de ecuaciones que no cumplen con la condicin y que no convergen a la
solucin.
Finalmente, obsrvese que aunque un sistema no cumpla con la condicin de ser
diagonalmente dominante, es posible a veces, lograr que si se cumpla con esta
condicin mediante un intercambio de renglones, como veremos en el siguiente
ejemplo.
Ejemplo 2
Usar el mtodo de Gauss-Seidel para aproximar la solucin del sistema:
PUBLIDRAT 304
hasta que a 1% .
Solucin
En este caso, vemos que la matriz de coeficientes del sistema no es diagonalmente
dominante (por qu?). Pero tambien vemos que si intercambiamos los renglones
2 y 3 entonces si es diagonalmente dominante. As, primero hacemos el
intercambio de renglones y nuestro sistema es:
Procedemos entonces, a despejar x1 , x2 y x3 de las ecuaciones 1, 2 y 3

respectivamente. Tenemos:
Comenzamos entonces el proceso iterativo sustituyendo los valores de x2 0 y

x3 0 en la ecuacin 1 para obtener x1 :
Ahora sustitumos x1 18.84 y x3 0 en la ecuacin 2 para obtener x 2 :
Para terminar la primera iteracin, sustitumos x1 18.84 y x2 3.152 en la

ecuacin 3 para obtener x3 :
Por lo tanto los valores obtenidos en la primera iteracin son:

PUBLIDRAT 304
Puesto que solo tenemos la primera aproximacin de la solucin del sistema,

debemos seguir avanzando en el proceso iterativo. Sustituyendo x2 3.152 y
x3 0.04613
x1 19.69765 ; sustituyendo
en la ecuacin 1, obtenemos
x1 19.69765 y x3 0.04613 en la ecuacin 2, obtenemos x2 3.42775 ;
sustituyendo x1 19.69765 y x2 3.42775 en la ecuacin 3, obtenemos
x3 0.05207 . Por lo tanto, nuestra segunda aproximacin es:
Y ahora si podemos calcular los errores aproximados para cada una de las
incgnitas. Tenemos:
Puesto que no se ha cumplido el objetivo, debemos seguir avanzando en el

proceso iterativo. Resumimos los resultados como sigue:
Tercera iteracin:
Cuarta Iteracin:
PUBLIDRAT 304
As, el objetivo se ha logrado hasta la cuarta iteracin y tenemos que los valores
aproximados de la solucin del sistema son:
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
Solucin:
2. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
Solucin:
3. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
Solucin:
4. Usa el mtodo de Gauss-Jordan para resolver el siguiente sistema:
PUBLIDRAT 304
Solucin:
5. Calcula la matriz inversa de las siguientes matrices usando el mtodo de GaussJordan:
i)
ii)
Soluciones:
i)
ii)
6. Usa el mtodo de Gauss-Seidel hasta que a 1% para aproximar la solucin

del siguiente sistema de ecuaciones:
Solucin:
7. Usa el mtodo de Gauss-Seidel hasta que a 1% para aproximar la solucin
del siguiente sistema de ecuaciones:
PUBLIDRAT 304
Solucin:
PUBLIDRAT 304
INTERPOLACIN
En este captulo estudiaremos el importantsimo tema de la interpolacin de datos.

Veremos dos tipos de interpolacin: la interpolacin polinomial y la interpolacin
segmentaria (splines).
Comencemos dando la definicin general.
Definicin. Dados n 1 puntos que corresponden a los datos:
y los cuales se representan grficamente como puntos en el plano cartesiano,
Si existe una funcin
f (x) definida en el intervalo x0 , xn (donde suponemos que
x0 x1 x n ), tal que f ( xi ) yi para i 0,1,2,, n , entonces a f (x) se le

llama una funcin de interpolacin de los datos, cuando es usada para aproximar
valores dentro del intervalo x0 , xn , y se le llama funcin de extrapolacin de los
datos, cuando est definida y es usada para aproximar valores fuera del intervalo.
Evidentemente pueden existir varios tipos de funciones que interpolen los mismos
datos; por ejemplo,funciones trigonomtricas, funcionesexponenciales, funciones
polinomiales, combinaciones de stas, etc.
El tipo de interpolacin que uno elige, depende generalmente de la naturaleza de
los datos que se estn manejando, as como de los valores intermedios que se
estn esperando.
PUBLIDRAT 304
Un tipo muy importante es la interpolacin por funciones polinomiales. Puesto que

evidentemente pueden existir una infinidad de funciones polinomiales de
interpolacin para una misma tabla de datos, se hace una peticin extra para que el
polinomio de interpolacin , sea nico.
Definicin. Un polinomio de interpolacin es una funcin polinomial que adems
de interpolar los datos, es el de menor grado posible.
Caso n=0
Tenemos los datos:
En este caso, tenemos que f ( x) y0 (polinomio constante) es el polinomio de

menor grado tal que f ( x0 ) y0 , por lo tanto, es el polinomio de interpolacin.
Caso n=1
Tenemos los datos:
En este caso, el polinomio de interpolacin es la funcin lineal que une a los dos
puntos dados. Por lo tanto, tenemos que
f ( x) y0
y1 y0
( x x0 )
x1 x0
es el polinomio de interpolacin.
La siguiente grfica representa este caso:
PUBLIDRAT 304
Observacin.
Vemos que en el polinomio de interpolacin del caso n=1 se encuentra como
primer trmino, y0 , que es el polinomio de interpolacin del caso n=0.
Continuemos:
Caso n=2
Tenemos los datos:
Para este caso, el polinomio de interpolacin va a ser un polinomio de grado 2.

Tomando en cuenta la observacin anterior, intumos que el polinomio de
interpolacin ser como sigue:
trmino cuadrtico
Por lo tanto, planteamos el polinomio de interpolacin como sigue:

f ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 )
Si asignamos
resultado:
x x0 , se anulan los valores de
f ( x0 ) b0
Como se debe cumplir que

PUBLIDRAT 304
f ( x0 ) y0 , entonces:
b1
b2 , quedndonos el
y0 b0
Si asignamos x x1 , el valor de b2 queda anulado, resultando lo siguiente:

f ( x1 ) b0 b1 ( x1 x0 )
Como se debe cumplir que f ( x1 ) y1 y ya sabemos que y0 b0 , entonces

y1 b0 b1 ( x1 x0 ) , de lo cual obtenemos el valor para b1 :
y1 y0
b1
x1 x0
Asignando x x2 , vamos a obtener :

f ( x2 ) b0 b1 ( x2 x0 ) b2 ( x2 x0 )( x2 x1 )
f ( x2 ) y2 , y ya sabemos que y0 b0
Como se debe cumplir que
y1 y0
b1
x1 x0
, sustitumos estos datos para despus despejar el valor de b2 :
y2 y0
y1 y0
( x2 x0 ) b2 ( x2 x0 )( x2 x1 )
x1 x0
De lo cual podemos hacer un despeje parcial para lograr la siguiente igualdad :
y2 y0
y1 y0
( x2 x0 )
x1 x0
b2 ( x2 x0 )
x2 x1
Ahora en el numerador del miembro izquierdo de la igualdad, le sumamos un cero

y1 y1 , de tal manera que no se altere la igualdad:
A continuacin, aplicamos un poco de lgebra para as obtener los siguientes

resultados:
PUBLIDRAT 304
Y finalmente despejando a b2 vamos a obtener :
y2 y1 y1 y0
x2 x1 x1 x0
b2
x2 x0
Por lo tanto, el polinomio de interpolacin para este caso es:
Observacin.
Vemos que efectivamente el polinomio de interpolacin contiene al del caso
anterior, ms un trmino extra que es de un grado mayor, pero adems vemos que
cada uno de los coeficientes del polinomio de interpolacin, se forman a base de
cocientes de diferencias de cocientes de diferencias, etc. Esto da lugar a la
definicin de diferencias divididas finitas de Newton, como sigue:
DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON

Las diferencias divididas finitas de Newton, se define de la siguiente manera:
f [ xi , x j ]
f ( xi ) f ( x j )
f [ xi , x j , xk ]
PUBLIDRAT 304
xi x j
f [ xi , x j ] f [ x j , xk ]
xi xk
f [ xn , xn 1 ,, x1 , x0 ]
f [ xn ,, x1 ] f [ xn 1 ,, x0 ]
xn x0
A manera de ejemplo citemos el siguiente caso especfico :

f [ x3 , x2 , x1 , x0 ]
f [ x3 , x2 , x1 ] f [ x2 , x1 , x0 ]
x3 x0
donde a su vez:
f [ x3 , x2 , x1 ]
f [ x3 , x2 ] f [ x2 , x1 ]
x3 x1
f [ x2 , x1 , x0 ]
f [ x2 , x1 ] f [ x1 , x0 ]
x2 x01
Y donde a su vez:
f [ x3 , x2 ]
f ( x3 ) f ( x2 )
x3 x2
etc.
Podemos ahora definir nuestro primer tipo de polinomio de interpolacin.
POLINOMIO DE INTERPOLACIN DE NEWTON CON DIFERENCIAS

DIVIDIDAS
Dados n 1 datos:
El polinomio de interpolacin de Newton se define de la siguiente manera:

PUBLIDRAT 304
f x b0 b1x x0 b2 x x0 x x1 bn x x0 x x1 x xn1
donde :
b0 f x0
b1 f [ x1 , x0 ]
b2 f x2 , x1 , x0
bn f xn ,, x0
Para calcular los coeficientes b0 , b1 ,, bn , es conveniente construir una tabla de

diferencias divididas como la siguiente :
Obsrvese que los coeficientes del polinomio de interpolacin de Newton, se

encuentran en la parte superior de la tabla de diferencias divididas.
Ejemplo 1. Calcular la tabla de diferencias divididas finitas con los siguientes datos
:
PUBLIDRAT 304
Y utilizar la informacin de dicha tabla, para construir el polinomio de interpolacin

de Newton.
Solucin.
Procedemos como sigue:
Por lo tanto el polinomio de interpolacin de Newton es :
f ( x) 4 2( x 2) 0.25( x 2)( x 1) 0.3( x 2)( x 1)( x 2)
Ejemplo 2. Calcular la tabla de diferencias divididas finitas con los siguientes datos
:
Y usar la informacin en la tabla, para construir el polinomio de interpolacin de

Newton.
Solucin. Procedemos como sigue:
PUBLIDRAT 304
Por lo tanto el polinomio de interpolacin de Newton nos queda :
f ( x) 5 3( x 3) 1.66667( x 3)( x 2) 0.20238( x 3)( x 2)( x)
Antes de ver el siguiente tipo de polinomio de interpolacin, veamos como el

imponer la restriccin del grado mnimo, implica la unicidad del polinomio de
interpolacin.
TEOREMA .
Si x0 , x1 ,, xn son nmeros reales distintos, entonces para valores arbitrarios
y0 , y1 ,, yn existe un polinomio nico f n x , de a lo ms grado n, y tal que:
f n xi yi
para toda i 0,1,2,, n
DEMOSTRACIN.
En realidad, no probaremos formalmente la existencia de un polinomio de
interpolacin, aunque informalmente aceptamos que dada cualquier tabla de datos,
el polinomio de Newton siempre existe.
Probemos la unicidad del polinomio de interpolacin.
Supongamos que g n x es otro polinomio de interpolacin de a lo ms grado n,
Sea hn x f n x gn x
PUBLIDRAT 304
hn xi f n xi gn xi yi yi 0
para todo i 0,1,2, n
hn x tiene n 1 races distintas, y es un polinomio de grado a lo

ms n, esto solamente es posible si hn x 0 .
Por lo tanto,
f n x gn x
Que es lo que queramos probar.

Sin embargo, aunque el polinomio de interpolacin es nico, pueden existir
diversas formas de encontrarlo. Una, es mediante el polinomio de Newton, otra
mediante el polinomio de Lagrange.
POLINOMIO DE INTERPOLACIN DE LAGRANGE
Nuevamente tenemos los datos :
El polinomio de interpolacin de Lagrange se plantea como sigue:
P( x) y0l0 ( x) y1l1 ( x) ynln ( x)
li (x) se llaman los polinomios de Lagrange,

Donde
los polinomios
correspondientes a la tabla de datos.
Como se debe satisfacer que P( x0 ) y0 , esto se cumple si l0 ( x0 ) 1 y li ( x0 ) 0

para toda i 0 .
PUBLIDRAT 304
Como se debe satisfacer que P( x1 ) y1 , esto se cumple si l1 ( x1 ) 1 y li ( x1 ) 0

para toda i 1 .
Y as sucesivamente, veremos finalmente que la condicin Pn xn yn se cumple si
ln xn 1 y li xn 0 para toda i n .
Esto nos sugiere como plantear los polinomios de Lagrange. Para ser ms claros,
analicemos detenidamente el polinomio l0 ( x) . De acuerdo al anlisis anterior
vemos que deben cumplirse las siguientes condiciones para l0 ( x) :
l0 ( x0 ) 1 y l0 ( x j ) 0 , para toda j 0
Por lo tanto, planteamos l0 ( x) como sigue:

lo x cx x1 x x2 x xn
Con esto se cumple la segunda condicin sobre l0 ( x) . La constante c se

determinar para hacer que se cumpla la primera condicin:
l0 x0 1 1 cx0 x1 x0 x2 x0 xn
1
x0 x1 x0 x2 x0 xn
Por lo tanto el polinomio l0 ( x) queda definido como:
l0 x
x x1 x x2 x xn
x0 x1 x0 x2 x0 xn
Anlogamente se puede deducir que:
l j x
(x x )
i
i j
(x
i j
PUBLIDRAT 304
xi )
, para j 1,, n
Ejemplo 1
Calcular el polinomio de Lagrange usando los siguientes datos:
Solucin. Tenemos que:

f ( x) y0l0 ( x) y1l1 ( x) y2l ( x) y3l3 ( x)
f ( x) 2l0 ( x) l1 ( x) 2l2 ( x) 3l3 ( x)
donde:
l0 ( x)
( x 3)( x 5)( x 7) ( x 3)( x 5)( x 7)
(2)(4)(6)
48
l1 ( x)
( x 1)( x 5)( x 7) ( x 1)( x 5)( x 7)
(2)(2)(4)
16
l2 ( x )
l3 ( x)
( x 1)( x 3)( x 7) ( x 1)( x 3)( x 7)
(4)(2)(2)
16
( x 1)( x 3)( x 5) ( x 1)( x 3)( x 5)
(6)(4)(2)
48
Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:
( x 3)( x 5)( x 7) ( x 1)( x 5)( x 7) ( x 1)( x 3)( x 7) ( x 1)( x 3)( x 5)

f ( x)
24
16
8
16
PUBLIDRAT 304
Ejemplo 2.
Calcular el polinomio de Lagrange usando los siguientes datos:
Solucin. Tenemos que:

f ( x) y0l0 ( x) y1l1 ( x) y2l ( x) y3l3 ( x)
f ( x) l0 ( x) l1 ( x) 3l2 ( x) 2l3 ( x)
donde:
l0 ( x)
( x 0)( x 2)( x 4) x( x 2)( x 4)
(2)(4)(6)
48
l1 ( x)
( x 2)( x 2)( x 4) ( x 2)( x 2)( x 4)
(2)(2)(4)
16
l2 ( x )
( x 2)( x 0)( x 4) x( x 2)( x 4)
(4)(2)(2)
16
l3 ( x)
( x 2)( x 0)( x 2) x( x 2)( x 2)
(6)(4)(2)
48
Sustituyendo arriba, el polinomio de Lagrange queda como sigue:
PUBLIDRAT 304
x( x 2)( x 4) ( x 2)( x 2)( x 4) x( x 2)( x 4) x( x 2)( x 2)

f ( x)
48
16
16
24
En el captulo de integracin numrica, usaremos nuevamente a los polinomios

de Lagrange.
INTERPOLACIN DE SPLINES
Terminamos este captulo, estudiando un tipo de interpolacin que ha
demostrado poseer una gran finura, y que inclusive es usado para el diseo por
computadora, por ejemplo, de tipos de letra.
Esta interpolacin se llama interpolacin segmentaria o interpolacin por splines.
La idea central es que en vez de usar un solo polinomio para interpolar los datos,
podemos usar segmentos de polinomios y unirlos adecuadamente para formar
nuestra interpolacin.
Cabe mencionar que entre todas, las splines cbicas han resultado ser las ms
adecuadas para aplicaciones como la mencionada anteriormente.
As pues, podemos decir de manera informal, que una funcion spline est
formada por varios polinomios, cada uno definido en un intervalo y que se unen
entre si bajo ciertas condiciones de continuidad.
Definicin. (Splines de grado k)
Dada nuestra tabla de datos,
donde suponemos que x0 x1 xn , y dado k un nmero entero positivo,

una funcin de interpolacin spline de grado k, para la tabla de datos, es una
funcin s(x) tal que :
i)
ii)
s( xi ) yi , para toda i 0,1,, n .
s x es un polinomio de grado k en cada subintervalo
PUBLIDRAT 304
xi 1, xi .
iii )
s x tiene derivada contnua hasta de orden k 1 en
x0 , xn .
FUNCIONES SPLINES DE GRADO 1

Dados los n 1 puntos
Una funcin spline de grado 1 que interpole los datos es simplemente unir cada
uno de los puntos mediante segmentos de recta, como sigue:
Claramente esta funcin cumple con las condiciones de la spline de grado 1. As,
tenemos que para ested caso:
s1 x si x x0 , x1
s x s
x x1 , x2
s( x) 2

sn x si x xn 1 , xn
donde:
i)
s j x es un polinomio de grado menor o igual que 1
ii)
s x
tiene derivada continua de orden k-1=0.
PUBLIDRAT 304
iii) sx j y j , para j 0,1,, n .

Por lo tanto, la spline de grado 1 queda definida como :
si x x0 , x1
y0 f x1 , x0 x x0
y f x , x x x
si x x1 , x2
1
2 1
1
s x
yn 1 f xn , xn 1 x xn 1 si x xn 1 , xn
donde f [ xi , x j ] es la diferencia dividida de Newton.
FUNCIONES SPLINES DE GRADO 2

Para aclarar bien la idea, veamos un ejemplo concreto, consideremos los
siguientes datos :
Y procedamos a calcular la interpolacin por splines de grado 2.

Primero que nada, vemos que se forman tres intervalos :
3,4.5
4.5,7
7,9
En cada uno de estos intervalos, debemos definir una funcin polinomial de grado
2, como sigue:
PUBLIDRAT 304
a1 x 2 b1 x c1
s x a2 x 2 b2 x c2
a x2 b x c
3
3
3
si x 3,4.5
si x 4.5,7
si x 7,9
Primero, hacemos que la spline pase por los puntos de la tabla de datos. Es
decir, se debe cumplir que:
s(3) 2.5,
s(4.5) 1,
s(7) 2.5,
s(9) 0.5
As, se forman las siguientes ecuaciones:

s(3) 2.5 9a1 3b1 c1 2.5
(4.5) 2 a1 4.5b1 c1 1
s(4.5) 1
2
(4.5) a2 4.5b2 c2 1
49a 7b2 c2 2.5
s(7) 2.5 2
49a3 7b3 c3 2.5
s(9) 0.5 81a3 9b3 c3 0.5
Hasta aqu, tenemos un total de 6 ecuaciones vs. 9 incgnitas.

El siguiente paso es manejar la existencia de las derivadas contnuas. En el caso
de las splines de grado 2, necesitamos que la spline tenga derivada contnua de
orden k-1=1, es decir, primera derivada continua.
Calculamos primero la primera derivada:
2a1 x b1
s x 2a2 x b2
2a x b
3
3
si x 3,4.5
si x 4.5,7
si x 7,9
Vemos que esta derivada est formada por segmentos de rectas, que pudieran
presentar discontinuidad en los cambios de intervalo. Es decir, las posibles
PUBLIDRAT 304
discontinuidades son x 4.5 y x 7 . Por lo tanto para que s x

se debe cumplir que:
sea contnua,
2a1 4.5 b1 2a2 4.5 b2
o lo que es lo mismo,
9a1 b1 9a2 b2
Tambin debe cumplirse que:
2a2 7 b2 2a3 7 b3
o lo que es lo mismo,
14a2 b2 14a3 b3
As, tenemos un total de 8 ecuaciones vs. 9 incognitas; esto nos da un grado de

libertad para elegir alguna de las incgnitas. Elegimos por simple conveniencia
a1 0 .
De esta forma, tenemos un total de 8 ecuaciones vs. 8 incgnitas. Estas son las
siguientes:
3b1 c1 2.5
4.5b1 c1 1
20.25a2 4.5b2 c2 1
49a2 7b2 c2 2.5
49a3 7b3 c3 2.5
81a3 9b3 c3 0.5
b1 9a2 b2
14a2 b2 14a3 b3
Este sistema de ecuaciones tiene la

siguiente forma matricial:
5
4
3
2
PUBLIDRAT 304
3
-1
4.5
3
4.5
0
0
0
1
1
0
0 0
0
0
1
0
0 0
0
0
0 20.25 4.5 1
0
0
0
49
7 1
0
0
0
0
0 0 49
7
0
0
0 0 81
9
0 9
1 0
0
0
0
14
1 0 14 1
0 b1 2.5
0 c1 1
0 a2 1

0 b2 2.5
1 c2 2.5

1 a3 0.5
0 b3 0

0 c3 0
Usando Mathematica se obtiene la siguiente solucin:
b1
c1
a2
b2
c2
a3
b3
c3
5.5
0.64
6.76
18.46
1.6
24.6
91.3
Sustituyendo estos valores (junto con a1 0 ), obtenemos la funcin spline

cuadrtica que interpola la tabla de datos dada:
x 5.5
si x 3,4.5
2
s x 0.64 x 6.76 x 18.46 si x 4.5,7
1.6 x 2 24.6 x 91.3 si x 7,9
La grfica que se muestra a continuacin, contiene tanto los puntos iniciales de la

tabla de datos, as como la spline cuadrtica. Esta grfica se gener usando Excel.
El siguiente caso, que es el ms importante en las aplicaciones, sigue exactamente

los mismos pasos del ejemplo que acabamos de resolver, solamente que en vez de
trabajar con polinomios cuadrticos, lo hace con polinomios cbicos.
PUBLIDRAT 304
FUNCIONES SPLINES CUBICAS

Para hacer ms firme el entendimiento, escribimos la definicin correspondiente a
este caso (k=3).
Dados los n 1 datos:
Una spline cbica que interpola estos datos, es una funcin

sigue :
s(x) definida como
s0 x si x x0 , x1
s x si x x , x
1
2
s x 1
sn 1 x si x xn 1 , xn
donde cada si x es un polinomio cbico;
si xi yi , para toda i 0,1,, n y tal
que s x tiene primera y segunda derivadas contnuas en x0 , xn .
Ejemplo 1.
Interpolar los siguientes datos mediante una spline cbica :
Solucin.
Definimos un polinomio cbico en cada uno de los intervalos que se forman:
PUBLIDRAT 304
si x 2,3
si x 3,5
a1 x3 b1 x 2 c1 x d1
s x 3
2
a2 x b2 x c2 x d 2
A continuacin, hacemos que se cumpla la condicin de que la spline debe pasar

por los puntos dados en la tabla. As, tenemos que:
s2 1 8a1 4b1 2c1 d1 1

s3 2 27a1 9b1 3c1 d1 2
s5 7 125a2 25b2 5c2 d2 7
Ahora calculamos la primera derivada de s x :
si x 2,3
si x 3,5
3a x 2 2b1 x c1
s x 1 2
3a 2 x 2b2 x c2
Al igual que en el caso de las splines cuadrticas, se presentan ecuaciones que

pueden presentar discontinuidad en los cambios de intervalo; las posibles
discontinuidades son los puntos donde se cambia de intervalo, en este caso x 3 .
x 3 en los dos polinomios e
Para evitar esta discontinuidad, evaluamos

igualamos:
3a1 3 2b1 3 c1 3a2 3 2b2 3 c2

2
o lo que es lo mismo:
27a1 6b1 c1 27a2 6b2 c2
PUBLIDRAT 304
Anlogamenete procedemos con la segunda derivada :
6a x 2b1
s x 1
6a 2 x 2b2
si x 2,3
si x 3,5
Para lograr que s x sea continua :
6a1 3 2b1 6a2 3 2b2

18a1 2b1 18a2 2b2
En este punto contamos con 6 ecuaciones y 8 incognitas, por lo tanto tenemos

2 grados de libertad; en general, se agregan las siguientes 2 condiciones:
s x0 0
s x n 0
De lo cual vamos a obtener :
s2 0 6a1 2 2b1 0
12a1 2b1 0
s5 0 6a2 5 2b2 0
30a2 2b2 0
Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incgnitas, el cual

es el siguiente:
PUBLIDRAT 304
8a1 4b1 2c1 d1 1

27 a1 9b1 3c1 d1 2
27 a 2 9b2 3c 2 d 2 2
125a 2 25b2 5c 2 d 2 7
27 a1 6b1 c1 27 a 2 6b2 c 2
18a1 2b1 18a 2 2b2
12a1 2b1 0
30a 2 2b2 0
Cuya forma matricial es la siguiente :
8
27
0
27
18
12
4
9
0
0
6
2
2
0
2
3
0
0
1
0
0
0
1
0
0
0
1
0
0
0
0 27
9
3
0 125 25 5
0 27 6 1
0 18 2 0
0
0
0
0
0 30
2
0
0 a1 1
0 b1 2
1 c1 2

1 d1 7
0 a2 0

0 b2 0
0 c2 0

0 d 2 0
Usando Excel, obtenemos la siguiente solucin:
a1
b1
c1
d1
a2
b2
c2
d2
1.25
7 .5
10.75
0 .5
0.625
9.375
39.875
50.125
Sustituyendo estos valores en nuestra funcin inicial, vemos que la spline cbica
para la tabla de datos dada, queda definida como sigue:
PUBLIDRAT 304
1.25 x3 7.5 x 2 10.75 x 0.5

si x 2,3
s x
3
2
0.625 x 9.375 x 39.875 x 50.125 si x 3,5
Mostramos la grfica correspondiente a este ejercicio, creada tambien en

Mathematica.
Obsrvese la finura con la que se unen los polinomios cbicos que conforman a
la spline. Prcticamente ni se nota que se trata de dos polinomios diferentes!. Esto
es debido a las condiciones que se impusieron sobre las derivadas de la funcin.
Esta finura casi artstica, es la que permite aplicar las splines cbicas, para
cuestiones como el diseo de letras por computadoras, o bien a problemas de
aplicacin donde la interpolacin que se necesita es de un caracter bastante
delicado, como podra tratarse de datos mdicos sobre algn tipo de enfermedad.
Ejemplo 2.
Interpolar los siguientes datos utilizando splines cbicas:
Solucin.
Nuevamente, definimos un polinomio cbico en cada uno de los intervalos:
PUBLIDRAT 304
si x 1,1
si x 1,2
si x 2,4
a1 x 3 b1 x 2 c1 x d1
s( x) a2 x 3 b2 x 2 c2 x d 2
a x3 b x 2 c d
3
3
3
3
Despues, hacemos que la spline pase por los puntos dados en la tabla.
As, tenemos que:
s(1) 1 implica que,
a1 b1 c1 d1 1
s(1) 1 implica que,

a1 b1 c1 d1 1
a2 b2 c2 d2 1
s(2) 5 implica que,
8a2 4b2 2c2 d2 5

8a3 4b3 2c3 d3 5
Y finalmente s(4) 2 implica que,

64a3 16b3 4c3 d3 2
Enseguida, calculamos la primera derivada:
3a1 x 2 2b1 x c1
s( x) 3a2 x 2 2b2 x c2
3a x 2 2b x c
3
3
3
si1
si
si
x 1,1
x 1,2
x 2,4
Vemos entonces, que las posibles discontinuidades de s(x) son x 1 y x 2 .

Por lo tanto, para hacer que s(x) sea contnua, igualamos las ecuaciones
correspondientes en ambos valores :
PUBLIDRAT 304
3a1 2b1 c1 3a2 2b2 c2

12a2 4b2 c2 12a3 4b3 c3
Ahora procedemos a calcular la segunda derivada:
6a1 x 2b1
s( x) 6a2 x 2b2
6a x 2b
3
3
si x 1,1
si x 1,2
si x 2,4
Nuevamente, las posibles discontinuidades son x 1 y x 2 . Por lo tanto, para

que s(x) sea contnua , se igualan las ecuaciones en ambos valores :
6a1 2b1 6a2 2b2 3a1 b1 3a2 b2

12a2 2b2 12a3 2b3 6a2 b2 6a3 b3
Finalmente, se agregan las condiciones de que la doble derivada se anule en los

puntos inicial y final de la tabla. En este caso,
s(1) 0 6a1 2b1 0 3a1 b1 0

s(4) 0 24a3 2b3 0 12a3 b3 0
Con esto tenemos un juego de doce ecuaciones vs. doce incgnitas:
a1 b1 c1 d1 1
a1 b1 c1 d1 1
a2 b2 c2 d2 1
PUBLIDRAT 304
8a2 4b2 2c2 d2 5
8a3 4b3 2c3 d3 5

64a3 16b3 4c3 d3 2
153
b1
140
12a2 4b2 c2 12a3 4b3 c3
3a1 2b1 c1 3a2 2b2 c2
3a1 b1 3a2 b2
d2
6a2 b2 6a3 b3
3a1 b1 0
12a3 b3 0
1
1
0
0
0
3
0
3
3
0
1
1
0
0
0
0
2
0
1
0
1
0
1
1
0
0
0
0
1
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
1
8
0
0
3
12
3
6
0
0
0
0
1
4
0
0
2
4
1
1
0
0
0
0
1
2
0
0
1
1
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
8
64
0
12
0
6
0
12
0
0
0
0
4
16
0
4
0
1
0
1
0
0
0
0
2
4
0
1
0
0
0
0
0 a1 1
0 b1 1
0 c1 1

0 d1 5
1 a2 5

1 b2 2
0 c2 0

0 d 2 0
0 a3 0

0 b3 0

0 c3 0
0 d3 0
Este sistema tiene la siguiente forma matricial:

Usando Excel, obtenemos la solucin :
a1
51
140 ,
b2
a2
297
35 ,
,
c3
PUBLIDRAT 304
b3
,
1867
70
473
c2
70
21
10 ,
288
35
a3
24
35
48
35
c1
d1
89
140
153
40
Por lo tanto, la spline cbica
d3
732
35
es:
153 2 89
14051 x 3 140
x 140 x 15340 si x 1,1
s( x) 1021 x 3 29735 x 2 47370 x 3548 si x 1,2

24 x 3 288 x 2 1867 x 732 si x 2,4
35 35 70 35
Finalmente, mostramos la grfica correspondiente (creada en Ecel):

8
6
4
2
-1
-2
EJERCICIOS
NOTA: CUANDO SEA NECESARIO, REDONDEA A CINCO DECIMALES.
1. 1. Calcula el polinomio de interpolacin de Newton para los siguientes datos:
i)
PUBLIDRAT 304
i)
x 2 2 1
4
y 0.5 3 2.4 7.8
ii)
x 0.3 0.6 0.9 1.2 1.5

y 3 0 6 9 12
Soluciones:
i) f ( x) 0.5 0.875(x 2) 0.925( x 2)(x 2) 0.4625(x 2)(x 2)(x 1)
ii) f (x) 3 10(x 0.3) 50(x 0.3)(x 0.6) 185.18519(x 0.3)(x 0.6)(x 0.9)
447.53088( x 0.3)( x 0.6)( x 0.9)( x 1.2)
2. Calcula el polinomio de Lagrange para los siguientes datos:
i)
ii)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
ii)
x 1.5 0.5 1 2 4
y
9
2 5 33 0
Soluciones:
( x 2)(x 3)(x 5) ( x 1)(x 3)(x 5) ( x 1)(x 2)(x 5)

i) p( x) 1.56
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8.9
144
( x 0.5)( x 1)( x 2)( x 4) ( x 1.5)( x 1)( x 2)( x 4)

ii ) p( x) 9
2
3.125
7.875
PUBLIDRAT 304
( x 1.5)( x 0.5)( x 2)( x 4)

( x 1.5)( x 0.5)( x 1)( x 4)
5
33
56.25
4.5
2. 3. Calcula las splines cbicas para los siguientes datos:
i)
ii)
i)
ii)
x 2 1
3
y 40 5 20
x 5 2 3
7
y 20 4 6 40
Soluciones:
i)
ii )
0.25 x 3 1.5 x 2 14.25 x 7.5

si
s ( x)
3
2
0.375 x 3.375 x 16.125 x 8.125 si
x 2,1
x 1,3
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si
x 3,7
526
789
263
1578
INTEGRACIN NUMRICA
En los cursos de Clculo Integral, nos ensean como calcular una integral definida
de una funcin contnua mediante una aplicacin del Teorema Fundamental del
Clculo:
Teorema
Fundamental
Sea
una funcin contnua en el intervalo
de
. Entonces:
PUBLIDRAT 304
del
y sea
Clculo
una antiderivada
El problema en la prctica, se presenta cuando nos vemos imposibilitados de

encontrar la antiderivada requerida, an para integrales aparentemente sencillas
como:
la cual simplemente es imposible de resolver con el Teorema Fundamental del

Clculo.
En este captulo estudiaremos diversos mtodos numricos que nos permitirn
obtener aproximaciones bastante exactas a integrales como la mencionada
anteriormente.
Esencialmente, veremos dos tipos de integracin numrica: las frmulas de
Newton-Cotes y el algoritmo de Romberg.
Las frmulas de Newton-Cotes estn conformadas por las bien conocidas reglas
del trapecio y de Simpson (regla de un tercio y de tres octavos). El algoritmo de
Romberg forma parte de un mtodo conocido como mtodo de extrapolacin de
Richardson.
Haciendo uso de algunos programas computacionales (por ejemplo, en
Mathematica) es posible discernir sobre las cualidades y defectos de cada uno de
los mtodos mencionados arriba.
FORMULAS DE INTEGRACION DE NEWTON-COTES
de
Estas frmulas se basan en la idea de integrar una funcin polinomial en vez

:
donde
para ciertos datos de
es un polinomio de interpolacin de grado

que se escogen apropiadamente.
Es importante observar que estas frmulas se pueden aplicar inclusive a una tabla
de datos, ya que lo que se usa es un polinomio de interpolacin, el cual puede ser
calculado con la tabla.
Dentro de las frmulas de Newton-Cotes, existen las formas cerradas y abiertas.
En las formas cerradas se conocen los valores de
y
; en caso
contrario, se llaman formas abiertas.
PUBLIDRAT 304
Nosotros nos remitiremos a estudiar nicamente las formas cerradas, y por lo tanto,
siempre suponemos que conocemos los valores
y
.
REGLA DEL TRAPECIO

Corresponde al caso donde
donde
datos:
, es decir :
es un polinomio de interpolacin (obviamente de grado 1) para los
Del captulo anterior, sabemos que este polinomio de interpolacin es:
Integrando este polinomio, tenemos que:
Por lo tanto, tenemos que:
Que es la conocida Regla del Trapecio. Este nombre se debe a la interpretacin

geomtrica que le podemos dar a la frmula. El polinomio de interpolacin para una
PUBLIDRAT 304
tabla que contiene dos datos, es una lnea recta. La integral, corresponde al rea
bajo la lnea recta en el intervalo
, que es precisamente el rea del trapecio
que se forma.
Ejemplo 1:
Utilizar la regla del trapecio para aproximar la integral:
Solucin.
Usamos la frmula directamente con los siguientes datos:
Por lo tanto tenemos que:
Ejemplo 2.
Usar la regla del trapecio para aproximar la integral:
Solucin.
Igual que en el ejemplo anterior, sustitumos los datos de manera directa en la
frmula del trapecio. En este caso, tenemos los datos:
PUBLIDRAT 304
La regla del trapecio se puede ampliar si subdividimos el intervalo

subintervalos, todos de la misma longitud
en
Sea
la particin que se forma al hacer dicha subdivisin. Usando
propiedades de la integral tenemos que:
Aplicando la regla del trapecio en cada una de las integrales, obtenemos:
Ahora bien, ya que todos los subintervalos tienen la misma longitud h, tenemos
que:
Sustituyendo el valor de h y usando la notacin sigma, tenemos finalmente:
Esta es la regla del trapecio para n subintervalos. Obviamente, esperamos que

entre ms subintervalos usemos, mejor sea la aproximacin a la integral.
Ejemplo 1:
Aplicar la regla del trapecio para aproximar la integral
si subdividimos en 5 intervalos.
PUBLIDRAT 304
Solucin.
En este caso, identificamos
, y la particin generada es:
As, aplicando la frmula tenemos que:
= 1.48065
Cabe mencionar que el valor verdadero de esta integral es de 1.4626
As, vemos que con 5 intervalos, la aproximacin no es tan mala. Para hacer
clculos con ms subintervalos, es conveniente elaborar un programa que aplique
la frmula con el nmero de subintervalos que uno desee. El lector debera hacer
su propio programa y checar con 50, 500, 1000, 10000 y 20000 subintervalos, para
observar el comportamiento de la aproximacin.
REGLA DE SIMPSON DE UN TERCIO

Suponemos que tenemos los datos:
donde
es el punto medio entre
En este caso se tiene que:
donde
es el polinomio de interpolacin para los datos en la tabla anterior.
Usaremos el polinomio de Lagrange.
As, tenemos que:
PUBLIDRAT 304
Si denotamos
, entonces:
Simplificando trminos:
Vemos que cada uno de los trminos anteriores, es esencialmente de la misma

forma, es decir, una constante por
As, calculamos la siguiente integral por partes:
Sea:
por lo tanto,
Usamos esta frmula para calcular la integral de cada uno de los tres trminos de
.
PUBLIDRAT 304
Debido al factor
se le conoce como la regla de Simpson de un tercio.
En la prctica, sustitumos el valor de
para obtener nuestra frmula final:
Ejemplo 1.
Usar la regla de Simpson de 1/3 para aproximar la siguiente integral:
Solucin.
Aplicamos la frmula directamente, con los siguientes datos:
PUBLIDRAT 304
Ejemplo 2.
Usar la regla de Simpson de 1/3, para aproximar la siguiente integral:
Solucin.
Igual que en el ejercicio anterior, sustitumos datos adecuadamente:
Al igual que con la regla del trapecio, podemos extender la regla de Simpson de
1/3, si subdividimos el intervalo
en
subintervalos de la misma longitud
.
Sea
denotemos por
la particin que se forma al hacer la subdivisin, y

el punto medio en cada subintervalo.
Aplicamos primero propiedades bsicas de la integral definida:
Ahora, aplicamos la regla de Simpson de 1/3, en cada una de las integrales de

arriba:
Sustitumos
PUBLIDRAT 304
y usamos la notacin sigma:
Ejemplo 1.
Aproximar la siguiente integral, aplicando la regla de Simpson de
subdividiendo en 5 intervalos.
Solucin.
, y la particin que se genera es:
Adems, los puntos medios de cada subintervalo son:
Por lo tanto, sustitumos los datos en la frmula para obtener:
Ntese que esta aproximacin ya es exacta hasta el cuarto decimal!

Ejemplo 2.
Aproximar la siguiente integral, utilizando la regla de Simpson de
en 4 intervalos.
Solucin.
, y la particin que se genera es:
Adems, los puntos medios de cada subintervalo son:

PUBLIDRAT 304
y subdividiendo
Sustituyendo todos estos datos en la frmula obtenemos la siguiente

aproximacin:
REGLA DE SIMPSON DE TRES OCTAVOS

Este caso corresponde a
donde
Y donde
al intervalo
, es decir,
es un polinomio de interpolacin para los siguientes datos:
son los puntos que dividen en tres partes iguales
Igual que en el caso anterior, se usa el polinomio de interpolacin de Lagrange, y

usando el mtodo de integracin por partes se llega a la siguiente frmula:
donde
. Debido al factor
es que se le di el nombre de Regla de
Simpson de 3/8. En la prctica, se sustituye el valor de h para obtener:
Ejemplo 1.
Aproximar la siguiente integral, usando la regla de Simpson de
PUBLIDRAT 304
Solucin.
En este caso, tenemos los siguientes datos:
Los cuales sustitumos en la frmula, para obtener:
Al igual que en los dos casos anteriores, la regla de Simpson de 3/8, se puede
extender si subdividimos el intervalo
en
intervalos de la misma longitud
.
Sea
la particin determinada de esta forma. Cada subintervalo
lo dividimos en tres partes iguales, y sean
y
los puntos determinados as:
Aplicando la regla de
PUBLIDRAT 304
en cada uno de los intervalos tenemos:
Esta ltima, es la regla de Simpson de 3/8 para n subintervalos todos de la misma

longitud.
Ejemplo 2.
Aproximar la siguiente integral:
aplicando la regla de Simpson de 3/8, y subdiviendo en 3 intervalos.

Solucin.
Identificamos
y la particin correspondiente:
Al considerar los puntos que dividen en tres partes iguales a cada subintervalo,
tenemos los siguientes datos:
Sustituyendo todos los datos en la frmula, obtenemos:
De acuerdo a los ejemplos vistos, resulta evidente que la regla de Simpson de 3/8,
es ms exacta que la de 1/3 y a su vez, sta es ms exacta que la regla del
trapecio. En realidad, pueden establecerse cotas para los errores que se cometen
en cada uno de estos mtodos.
Puesto que no es nuestra intencin justificar formalmente cada uno de los

teoremas, los siguientes resultados se mencionan para completar la informacin,
pero omitimos las demostraciones correspondientes.
PUBLIDRAT 304
REGLA
FORMULA
ERROR
DONDE...
Trapecio
Simpson
Simpson
INTEGRACIN EN INTERVALOS DESIGUALES

Cuando la longitud de los subintervalos no es igual, se usa una combinacin
de la regla Trapezoidal y las reglas de Simpson, procurando seguir el siguiente
orden jerrquico:
1 .- Simpson
Esta se aplica, si contamos con 4 puntos igualmente espaciados.
2 .- Simpson
Esta se
espaciados.
aplica
si falla (1) y
contamos con 3 puntos
igualmente
3 .- Regla Trapezoidal
Solo se aplica si no se cumple
Ejemplo
Evaluar
1.
, usando la siguiente tabla :
Solucin.
Vemos que en el intervalo
PUBLIDRAT 304
podemos aplicar la regal del trapecio, en el
intervalo
la regal de Simpson de 3/8 y en el intervalo
Simpson de 1/3. As, tenemos las siguientes integrales:
la regal de
Finalmente, la integral buscada es la suma de las tres integrales anteriores:
Ejemplo 2.
Calcula la integral
, usando la siguiente tabla de datos:
Solucin.
En este caso, vemos que podemos aplicar la regla de Simpson de 1/3 en el
intervalo
, la regla del trapecio en el intervalo
y la regla de Simpson de
3/8 en el intervalo
. As, tenemos las siguientes integrales:
Por lo tanto, la integral buscada es la suma de las tres integrales anteriores:
PUBLIDRAT 304
Vale la pena comentar que no siempre tiene que suceder que se apliquen
exactamente las tres reglas. En realidad, esto depende de cmo se encuentran
espaciados los intervalos de la tabla de datos.
MTODO DE INTEGRACIN DE ROMBERG

Sea
el valor de la integral que aproxima a
una particin de subintervalos de longitud
mediante
y usando la regla del trapecio.
Entonces,
donde
es el error de truncamiento que se comete al aplicar la regla.
El mtodo de extrapolacin de Richardson combina dos aproximaciones de

integracin numrica, para obtener un tercer valor ms exacto.
El algoritmo ms eficiente dentro de ste mtodo, se llama Integracin de
Romberg
,
la
cual
es
una
frmula
recursiva.
Supongamos que tenemos dos aproximaciomnes :
e
Se puede demostrar que el error que se comete con la regla del trapecio para n
subintervalos est dado por las siguientes frmulas:
donde
es un promedio de la doble derivada entre ciertos valores que
pertenecen a cada uno de los subintervalos.
Ahora bien, si suponemos que el valor de
PUBLIDRAT 304
es constante, entonces :
Sustituyendo esto ltimo en nuestra primera igualdad, tenemos que:
De aqu podemos despejar
En el caso especial cuando
(que es el algoritmo de Romberg), tenemos :
Esta frmula es solo una parte del algoritmo de Romberg. Para entender el mtodo,
es conveniente pensar que se trabaja en niveles de aproximacin. En un primer
nivel, es cuando aplicamos la regla del Trapecio, y para poder usar la frmula
anterior, debemos de duplicar cada vez el nmero de subintervalos: as, podemos
comenzar con un subintervalo, luego con dos, cuatro, ocho, etc, hasta donde se
desee.
PUBLIDRAT 304
Posteriormente, pasamos al segundo nivel de aproximacin, que es donde se usa

la frmula anterior, tomando las parejas contiguas de aproximacin del nivel
anterior, y que corresponden cuando
Despus pasamos al nivel tres de aproximacin, pero aqu cambia la frmula de

Romberg, y as sucesivamente hasta el ltimo nivel, que se alcanza cuando solo
contamos con una pareja del nivel anterior.
Desde luego, el nmero de niveles de aproximacin que se alcanzan, depende de
las aproximaciones que se hicieron en el nivel 1. En general, si en el primer nivel,
iniciamos con n aproximaciones, entonces alcanzaremos a llegar hasta el nivel de
aproximacin n.
Hacemos un diagrama para explicar un poco ms lo anterior.
Ejemplo 1.
Usar el algoritmo de Romberg, para aproximar la integral
usando segmentos de longitud
Solucin.
Primero calculamos las integrales del nivel 1, usando la regla del trapecio para las
longitudes de segmentos indicadas:
PUBLIDRAT 304
Con estos datos, tenemos:
Ahora pasamos al segundo nivel de aproximacin donde usaremos la frmula que

se dedujo anteriormente:
donde
es la integral menos exacta (la que usa menos subintervalos) e
es la ms exacta (la que usa el doble de subintervalos).
En un diagrama vemos lo siguiente:
Para avanzar al siguiente nivel, debemos conocer la fmula correspondiente. De

forma similar a la deduccin de la frmula,
PUBLIDRAT 304
se puede ver que la frmula para el siguiente nivel de aproximacin (nivel 3)

queda como sigue:
donde:
es la integral ms exacta
es la integral menos exacta
En el siguiente nivel (nivel 4) se tiene la frmula
En el ejemplo anterior, obtenemos la aproximacin en el nivel 3 como sigue:
As, podemos concluir que el valor de la aproximacin, obtenido con el mtodo de

Romberg en el ejemplo 1, es:
Ejemplo 2.
Usar el algoritmo de Romberg para aproximar la integral:
Agregando a la tabla anterior

Solucin.
Calculamos
con la regla del trapecio:
Tenemos entonces la siguiente tabla:

PUBLIDRAT 304
donde
De donde conclumos que la aproximacin buscada es:
Ejemplo 3.
Aproximar la siguiente integral:
usando el mtodo de Romberg con segmentos de longitud

,
Solucin.
Igual que arriba, primero usamos la regla del trapecio (con los valores de h
indicados) para llenar el nivel 1. Tenemos entonces que:
A continuacin, usamos las frmulas de Romberg para cada nivel y obtenemos la

siguiente tabla:
PUBLIDRAT 304
De donde conclumos que la aproximacin buscada es:
Podemos escribir una frmula general para calcular las aproximaciones en cada
uno de los niveles como sigue:
ALGORITMO DE INTEGRACIN DE ROMBERG

Los coeficientes en cada una de las frmulas en el mtodo de Romberg,
deben
sumar
1.
As se tiene la siguiente frmula recursiva:
donde:
es la integral ms exacta
es la integral menos exacta
y el indice k
digamos que
indica el nivel de integracin o de aproximacin. Por ejemplo,

, entonces tenemos:
que es nuestra frmula del nivel 2 de aproximacin.

Como todo proceso iterativo, ste se detiene cuando se obtiene una aproximacin
suficientemente buena. En este caso se pide que:
donde
es la cota suficiente.
Ejemplo 1.
Aplicar el algoritmo de integracin de Romberg a la integral:
PUBLIDRAT 304
tomando
Solucin.
En este caso no sabemos exactamente cuantas aproximaciones debemos hacer
con la regla del trapecio. As que para comenzar hacemos los clculos
correspondientes a uno, dos, cuatro y ocho subintervalos:
Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la siguiente
tabla:
Haciendo los clculos de los errores, nos damos cuenta que efectivamente la
aproximacin se obtiene hasta el nivel 4, donde
.
Por lo tanto, conclumos que la aproximacin buscada es:
EJERCICIOS
1. Usar la regla del trapecio para aproximar,
PUBLIDRAT 304
i)
Dividiendo en un solo intervalo.
ii)
Dividiendo en 6 intervalos.
Soluciones:
i) 3.4115 ii) 0.36907
2. Usar la regla de Simpson 1/3 para aproximar,
i)
ii)
Soluciones:
i)
82.60511
ii) 76.94497
3. Usar la regla de Simpson 3/8 para aproximar,
i)
ii)
Soluciones: i) 2.76591
ii) 2.76501
4. Integrar las siguientes tablas de datos:

i)
ii)
Soluciones:
i) -17.11458
ii) 9.425
5. Usar el algoritmo de integracin de Romberg para aproximar,
i)
Usando 1, 2 y 4 intervalos.
ii)
Agregando al inciso anterior, 8 intervalos.
PUBLIDRAT 304
Soluciones:
i)
9.156626413
ii) 9.153287278
6. Aproxime la integral del ejercicio anterior, tomando

suficiente.
Solucin. 9.153112082
PUBLIDRAT 304
como cota
ECUACIONES DIFERENCIALES
En esta unidad, haremos un breve estudio de los mtodos numricos bsicos que
se usan para aproximar soluciones de algunas ecuaciones diferenciales.
Recordamos rpidamente, que una ecuacin diferencial (ordinaria) es aquella que
involucra una variable independiente, una variable dependiente y la derivada (
derivadas ) de esta ltima. En una ecuacin diferencial, la incgnita es la variable
dependiente y se espera encontrarla como funcin de la variable independiente, de
tal forma que si se sustituye dicha variable dependiente, as como las derivadas
que aparecen en la ecuacin diferencial, la igualdad que resulta es verdadera.
De cursos anteriores de ecuaciones diferenciales, sabemos que en general, existen
una infinidad de funciones (curvas) que resuelven una misma ecuacin diferencial.
Por ejemplo, la ecuacin:
tiene como solucin general:
donde c es una constante arbitraria que puede ser cualquier nmero real (y de
aqu la infinidad de curvas solucin que mencionamos arriba).
En este curso, estudiaremos solamente ecuaciones diferenciales de primer orden
del tipo:
donde
es una funcin de dos variables.
Cuando se desea que la curva solucin pase por algn punto especfico, digamos
, entonces se dice que se trata de una ecuacin diferencial con una
condicin inicial dada.
As, estudiaremos ecuaciones diferenciales de la forma
con la
condicin inicial
.
Obviamente, la importancia de los mtodos numricos radica en la aparicin de
ecuaciones diferenciales que no pueden resolverse por mtodos tradicionales, y de
ah la necesidad de implementar algn mtodo de aproximacin.
Veremos tres mtodos numricos:
El mtodo de Euler.
El mtodo de Euler mejorado.
El mtodo de Runge-Kutta de orden 4.
PUBLIDRAT 304
En todos estos mtodos se busca aproximar el valor

cercano a
(el de la condicin inicial dada).
donde
es un valor
Comencemos con el primer mtodo que como siempre, no es el ms exacto, pero

si el ms sencillo y simple de explicar, as como el que marca la pauta para
desarrollar los otros mtodos.
MTODO DE EULER
La idea del mtodo de Euler es muy sencilla y est basada en el significado
geomtrico de la derivada de una funcin en un punto dado.
Supongamos que tuviramos la curva solucin de la ecuacin diferencial y
trazamos la recta tangente a la curva en el punto dado por la condicin inicial.
Debido a que la recta tangente aproxima a la curva en valores cercanos al punto de

tangencia, podemos tomar el valor de la recta tangente en el punto
como una
aproximacin al valor deseado
.
As, calculemos la ecuacin de la recta tangente a la curva solucin de la ecuacin

diferencial dada en el punto
. De los cursos de Geometra Analtica,
sabemos que la ecuacin de la recta es:
PUBLIDRAT 304
donde m es la pendiente. En este caso, sabemos que la pendiente de la recta

tangente se calcula con la derivada:
Por lo tanto, la ecuacin de la recta tangente es :
Ahora bien, suponemos que

es un punto cercano a
, y por lo tanto estar
dado como
. De esta forma, tenemos la siguiente aproximacin:
De aqu, tenemos nuestra frmula de aproximacin:
Esta aproximacin puede ser suficientemente buena, si el valor de h es realmente

pequeo, digamos de una dcima menos. Pero si el valor de h es ms grande,
entonces podemos cometer mucho error al aplicar dicha frmula. Una forma de
reducir el error y obtener de hecho un mtodo iterativo, es dividir la distancia
en n partes iguales (procurando que estas partes sean de longitud
suficientemente pequea) y obtener entonces la aproximacin en n pasos,
aplicando la frmula anterior n veces de un paso a otro, con la nueva h igual a
.
En una grfica, tenemos lo siguiente:
Ahora bien, sabemos que:
Para obtener
nicamente hay que pensar que ahora el papel de
lo
toma el punto
, y por lo tanto, si sustitumos los datos adecuadamente,
obtendremos que:
PUBLIDRAT 304
De aqu se ve claramente que la frmula recursiva general, est dada por:
Esta es la conocida frmula de Euler que se usa para aproximar el valor de

aplicndola sucesivamente desde
hasta
en pasos de longitud h.
Ejemplo 1
Dada la siguiente ecuacin diferencial con la condicin inicial:
Aproximar
NOTA
Primero observamos que esta ecuacin s puede resolverse por mtodos
tradicionales de ecuaciones diferenciales. Por ejemplo, podemos aplicar el mtodo
de separacin de variables. Veamos las dos soluciones.
Solucin Analtica.
Sustituyendo la condicin inicial:
Por lo tanto, tenemos que la curva solucin real est dada:
PUBLIDRAT 304
Y por lo tanto, el valor real que se pide es:
SolucinNumrica
Aplicamos el mtodo de Euler y para ello, observamos que la distancia entre
y
no es lo suficientemente pequea. Si didimos esta distancia entre
cinco obtenemos un valor de
y por lo tanto, obtendremos la aproximacin
deseada en cinco pasos.
De esta forma, tenemos los siguientes datos:
Sustituyendo estos datos en la formula de Euler, tenemos, en un primer paso:
Aplicando nuevamente la formula de Euler, tenemos, en un segundo paso:
Y as sucesivamente hasta obtener

tabla:
. Resumimos los resultados en la siguiente
n
0
1
2
3
4
5
0
0.1
0.2
0.3
0.4
0.5
1
1
1.02
1.0608
1.12445
1.2144
Conclumos que el valor aproximado, usando el mtodo de Euler es:
PUBLIDRAT 304
Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para
calcular el error relativo porcentual que se cometi al aplicar la formula de Euler.
Tenemos que:
Ejemplo 2
Aplicar el mtodo de Euler para aproximar
, dada la ecuacin diferencial.
Solucin
Nuevamente vemos que nos conviene dividir en pasos la aproximacin. As,
elegimos nuevamente
para obtener el resultado final en tres pasos. Por lo
tanto, aplicamos el mtodo de Euler con los siguientes datos:
En un primer paso, tenemos que:

n
0
1
2
3
1
1.1
1.2
1.3
2
2.3
2.6855
3.1901
De lo cual, conclumos que la aproximacin buscada es:
MTODO DE EULER MEJORADO
PUBLIDRAT 304
Este mtodo se basa en la misma idea del mtodo anterior, pero hace un
refinamiento en la aproximacin, tomando un promedio entre ciertas pendientes.
La frmula es la siguiente:
donde
Para entender esta frmula, analicemos el primer paso de la aproximacin, con

base en la siguiente grfica:
En la grfica, vemos que la pendiente promedio

corresponde a la pendiente de
la recta bisectriz de la recta tangente a la curva en el punto de la condicin inicial y
la recta tangente a la curva en el punto
, donde
es la aproximacin
obtenida con la primera frmula de Euler. Finalmente, esta recta bisectriz se
traslada paralelamente hasta el punto de la condicin inicial, y se considera el
valor de esta recta en el punto
como la aproximacin de Euler mejorada.
Ejemplo 1
Aplicar el mtodo de Euler mejorado, para aproximar
si:
Solucin
Vemos que este es el mismo ejemplo 1 del mtodo anterior. As que definimos
y encontraremos la aproximacin despus de cinco iteraciones. A diferencia
del mtodo de Euler 1, en cada iteracin requerimos de dos clculos en vez de uno
solo: el de
primero y posteriormente el de
.
PUBLIDRAT 304
Para aclarar el mtodo veamos con detalle las primeras dos iteraciones. Primero
que nada, aclaramos que tenemos los siguientes datos iniciales:
En nuestra primera iteracin tenemos:
Ntese que el valor de

coincide con el
coincidir, pues para calcular
se usar
(Euler 1), y es el nico valor que va a

y no
.
Esto lo veremos claramente en la siguiente iteracin:
Ntese que ya no coinciden los valores de

(Euler 1) y el de . El proceso debe
seguirse hasta la quinta iteracin. Resumimos los resultados en la siguiente tabla:
n
0
1
2
3
4
5
0
0.1
0.2
0.3
0.4
0.5
1
1.01
1.040704
1.093988
1.173192
1.28336
Conclumos entonces que la aproximacin obtenida con el mtodo de Euler

mejorado es:
PUBLIDRAT 304
Con fines de comparacin, calculamos el error relativo verdadero:
Vemos que efectivamente se ha obtenido una mejor aproximacin con este

mtodo, reduciendo el error relativo verdadero de un 5.4% hasta un 0.05%. En
nuestro tercer mtodo veremos cmo se reduce an ms este error prcticamente
a un 0%!
Veamos un segundo ejemplo.
Ejemplo 2
Aplicar el mtodo de Euler mejorado para aproximar
y(1.3) si tenemos :
Solucin
Tenemos los siguientes datos:
En una primera iteracin, tenemos lo siguiente:

n
0
1
2
3
1
1.1
1.2
1.3
2
2.385
2.742925
3.07635
Conclumos entonces que la aproximacin buscada es:
PUBLIDRAT 304
Finalmente, veamos el tercero y ltimo mtodo que estudiaremos en este curso.

Por simplicidad del curso, no veremos la justificacin formal de estas ltimas
frmulas.
MTODO DE RUNGE KUTTA

Sin entrar en mucho detalle, mencionamos solamente que el mtodo de RungeKutta cambia la direccin en el sentido de que no sigue la misma lnea de los
mtodos de Euler. De hecho est basado en una aplicacin de los polinomios de
Taylor.
Comentamos sin embargo, que el mtodo de Runge-Kutta si contiene como casos
especiales los de Euler.
Las frmulas
donde
Se conocen como las reglas o frmulas de Runge-Kutta de orden cuatro para la

ecuacin diferencial:
Ejemplo 1
Usar el mtodo de Runge-Kutta para aproximar
diferencial:
PUBLIDRAT 304
dada la siguiente ecuacin
Solucin
Primero, identificamos el mismo ejemplo 1 de los dos mtodos anteriores.
Segundo, procedemos con los mismos datos:
Para poder calcular el valor de

, debemos calcular primeros los valores de
,
y
. Tenemos entonces que:
Con el fin de un mayor entendimiento de las frmulas, veamos la siguiente

iteracin:
El proceso debe repetirse hasta obtener

siguiente tabla:
n
0
PUBLIDRAT 304
. Resumimos los resultados en la
1
2
3
4
5
0.1
0.2
0.3
0.4
0.5
1.01005
1.04081
1.09417
1.17351
1.28403
Conclumos que el valor obtenido con el mtodo de Runge-Kutta es:
Finalmente, calculamos el error relativo verdadero:
Con lo cual vemos que efectivamente se ha reducido muchsimo el error relativo.

De hecho observamos que tenemos 6 cifras significativas en la aproximacin!
Ejemplo 2
Usar el mtodo de Runge-Kutta para aproximar
diferencial:
dada la ecuacin
Solucin
Igual que siempre, tomamos
y llegaremos a la aproximacin en dos pasos.
Con esta aclaracin, tenemos los siguientes datos:
Primera Iteracin:
PUBLIDRAT 304
Segunda Iteracin:
Conclumos entonces que el valor buscado es:
EJERCICIOS
1. Dada la ecuacin diferencial:
Usa el mtodo de Euler para aproximar

paso del proceso iterativo.
Solucin:
tomando
en cada
tomando
en cada
Usa el mtodo de Euler para aproximar

paso del proceso iterativo.
Solucin:
PUBLIDRAT 304
Usa el mtodo de Euler mejorado para aproximar

en cada paso del proceso iterativo.
tomando
Solucin:
Usa el mtodo de Euler mejorado para aproximar

en cada paso del proceso iterativo.
tomando
Solucin:
Usa el mtodo de Runge-Kutta para aproximar

cada paso del proceso iterativo.
tomando
en
tomando
en
Solucin:
Usa el mtodo de Runge-Kutta para aproximar

cada paso del proceso iterativo.
Solucin:
iv)
PUBLIDRAT 304
PUBLIDRAT 304

Solucion de Ecuaciones Diferenciales y Matrices Con Excel

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Solucion de Ecuaciones Diferenciales y Matrices Con Excel

Diunggah oleh

Hak Cipta:

Format Tersedia

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

MTODOS NUMRICOS CON EXCEL

Las hiptesis sobre las fuerzas que actan sobre el

(g-constante de gravedad) es la fuerza de gravedad y

Sustituyendo esto ltimo obtenemos:

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Que es nuestro modelo matemtico del problema. En este caso identificamos

Integramos ambos miembros de

Con lo cual obtenemos:

La cual resuelve el problema de forma exacta.

Calculemos los valores

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Lo nico que tenemos que hacer es sustituir los valores de m, c y g:

Finalmente sustituimos los valores del tiempo

Para usar un mtodo numrico, recordemos cmo se define la derivada de una

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

, podemos quitar el lmite y obtener la siguiente

De aqu podemos despejar

si conocemos la velocidad en el tiempo anterior

punto de partida es que la velocidad inicial es 0, es decir,

Como dijimos arriba, comenzamos con

, mientras que la segunda opcin arroja los

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Evidentemente, con la segunda opcin obtenemos una mejor aproximacin para

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Los errores de redondeo resultan de representar aproximadamente nmeros que

Esto genera errores de redondeo durante los clculos.

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Al medir la longitud de una varilla para construccin se obtiene el resultado

Para el caso del clavo, el error absoluto se calcula como:

En ambos casos, el error absoluto es igual!, pero obviamente tiene mayor

Y tambin se define el error relativo porcentual, como sigue:

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Mientras que en el caso del clavo, el error relativo porcentual es:

Podemos observar, que el error relativo porcentual refleja mejor la gravedad o no

Como mencionamos anteriormente, el proceso se detiene cuando se ha logrado

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

Se puede probar que si tomamos

Usar el siguiente resultado de series,

hasta 4 cifras significativas.

Solucin. Primero calculamos el valor de

En el primer paso, tenemos simplemente un trmino:

En el segundo paso, tenemos la suma de dos trminos:

Aqu, podemos calcular el primer error aproximado:

Seguimos agregando trminos de la serie puesto que no se ha cumplido el

Y calculamos el error aproximado correspondiente:

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

El proceso se continua hasta lograr la meta. Resumimos los resultados en la

As pues, el resultado que se obtiene es:

METODOS NUMERICOS CON EXCEL

Ing. Gonzalo Fano Miranda

SOLUCIONES DE ECUACIONES NO LINEALES

En esta grfica, vemos que la raz es x 1 .