Metodos Numericos II

Autor: Rebollar Hernndez Aarn Isaac

Indice

1. Solucin de ecuaciones no lineales

1.1Mtodo del punto fijo
1.2Mtodo de Newton
1.3Mtodo de Newton modificado
1.4Mtodo de Broyden
2. Interpolacin y Ajuste de curvas
2.1Formula de Lagrange
2.2Diferencias divididas
2.3Newton Progresivo y Regresivo
2.4Mtodo de Hermite
3. Diferenciacin
3.1Diferenciacin
3.2Extrapolacin de Richardson
4. Integracin
4.1Simpson 1/3 y 3/8
1 Solucin de sistemas de ecuaciones no lineales.

1.I.1 Mtodo del punto fijo

El primer mtodo consiste en escribir las ecuaciones del sistema y se tratara de encontrar
los valores que satisfagan el sistema.

Ejemplo:
Sea el siguiente sistema de ecuaciones:

f 1 ( x , y )=x 210 x +x 2+8=0

2
f 2 ( x , y )=x y 10 y +8=0
Para poder resolver las dos funciones se
necesita generar una sucesin (x, y)

convergente a una de las soluciones. Para

ello, despejaremos x de la primera

funcin y a y de la segunda funcin,

graficaremos las dos funciones para localizar
un punto cercano a una de sus races.
Grafica 1 Al despejar las funciones quedan de la siguiente manera:

x2 + y 2 +8
g1 =
10
1.1

xy 2+ x +8
g2=
Viendo la grfica (Grfica 1) podemos tomar el10punto (.5, .5) y evaluaremos en las frmulas
de 1.1.

.52+ .52+ 8
g1= =.85
10

( .5 ) (.5)2+.5+ 8
g2 = =.8625
10

Tomamos los nuevos valores y evaluamos en las funciones (para las siguientes
evaluaciones utilizamos una hoja de clculo).
 Tabla 1
k x y
0 0.5 0.5 Se puede observar en la tabla 1 que el punto de
1 0.85 0.8625 interseccin es (.9999, .9999). Si se intentara
2 0.94664063 0.94823203 con otro punto la sucesin diverge, ya que el
3 0.97952725 0.97978068 esquema empleado no sirve para encontrar otra
4 0.99194438 0.99198442 raz.
5 0.99679867 0.99680505
6 0.99872279 0.99872381
7 0.99948965 0.99948981
8 0.99979594 0.99979597
9 0.99991839 0.99991839
10 0.99996736 0.99996736
1.I.2 Mtodo de Newton (Newton-Rhapson)
En este mtodo se utiliza la matriz jacobina, la cual est formada por las derivadas de las
funciones que forman el sistema.

( )
d f 1 x1 d f 1 x2 d f 1 xn

dx dx dx
d f 2 x1 d f 2 x2 d f 2 xn

J = dx dx dx


d f n x1 d f n x2 d f n xn

dx dx dx

Este mtodo consiste en linealizar y resolver repetidamente.

Utilizando notacin vectorial para escribir el sistema se tiene:

F ( x )=0

Definiendo los vectores columna como:

f 1 , f 2 , , f n t
F=

x 1 , x 2 , , x n t
X=

La frmula del mtodo de Newton para sistemas no lineales es:

F' ( x k ) 1 F (x (k ) )
x k+1=x k
 Donde F' ( x k ) es la matriz jacobiana.

Ejemplo: Sea el siguiente sistema de

ecuaciones:
2 2
f 1 ( x , y , z ) =x x+2 y yz 10

f 2 ( x , y , z ) =5 x6 y + z

f 3 ( x , y , z )=zx 2 y 2

Calculamos las derivadas de cada

una de las funciones con respecto a
las variables.

D fx 1=2 x1 D fy 1 =4 y z D fz 1= y

D fx 2=5 D fy 2=6 D fz2 =1

D fx3 =2 x D fy 3=2 y D fz 3=1

Graficamos para tomar un vector inicial que sea cercano a la raz. (Grafica 2)

Grafica 2 El mtodo puede divergir si los valores

iniciales no estn lo suficientemente
cerca de la raz.

( )
1
1
Nuestro vector inicial ser x = .5
1

Hacemos nuestra matriz jacobiana:

[
2 x1 4 y z y
J= 5 6
2 x 2 y
1
1 ]
y evaluamos los valores iniciales en cada derivada.
 [
3 1 .5
J = 5 6 1
2 1 1 ] Calculamos la inversa de J:

[ ]
.215385 .046154 .061538
1
J = .092308 .123077 .169231
.523077 .030769 .707692

t
f 1 ( x , y , z) , f 2 ( x , y , z) , , f i ( x , y , z )
Calculamos el valor de las funciones F=

[ ]
8
Ft = 3
2.5

1 t
Multiplicaremos J F :

[ ]
1.446154
1 t
J F = .726923
5.869231

k+1
Por ltimo para calcular el nuevo valor del vector x se har la siguiente operacin:

J
( 1F t )
k +1 k
x =x

[ ][ ]
1 1.446154
2
x = .5 .726923
1 5.869231

[ ]
2.446154
2
x = 1.226923
4.869231
 t
Se repite este proceso hasta que en la evaluacin de las funciones F sea menor a

1 x 106 o mayor.

El vector solucin para este ejemplo es el siguiente:

[ ]
1.096018
9
x = 1.159247
.261148

1.I.3 Newton Modificado

Este mtodo para sistemas de ecuaciones consiste en aplicar n (n nmero de ecuaciones)
veces el mtodo de Newton univariable, una para cada variable. Cada vez que se hace esto,
se consideran las otras variables fijas.

k+1 f i ( x k1 , x k2 , , x kn )
k
x i =x i
f ki
x ki

x 11 , x 12 , , x1n
Con lo cual se obtendra ) y se procede de forma sucesiva hasta alcanzar

una tolerancia previamente establecida.

Normalmente el mtodo converge si los valores iniciales de las variables son cercanos a la
raz y requiere la evaluacin de solo 2n funciones por paso. Se pueden emplear
desplazamientos simultneos o sucesivos.

Ejemplo: Sea el siguiente sistema de ecuaciones:

2 2 2
f 1 ( x , y , z ) =x + y + z 9

Grafica 3
f 2 ( x , y , z ) =xyz1

2
f 3 ( x , y , z )=x+ yz

Graficaremos (Grafica 3) para tomar un punto cercano a la raz.

 []
2
Tomaremos x 00= .5
1.5

f1 x , para f2
Calculamos las derivadas para su derivada ser con respecto a su
y f3 z .
derivada ser respecto a y para ser respecto a

df1
=2 x
dx

df2
=xz
dy

df3
=2 z
dz

2 2 2
2 +.5 +1.5 9
x k+1
i =2 =2.625
2 ( 2)

k+1 2.51.51
y i =.5 =.3333
2 ( 1.5 )

2+.51.52
z k+1
i =1.5 =1.58333
2 ( 1.5 )

k+1
Para el clculo de la nueva xi nos apoyaremos en la herramienta Excel y utilizaremos
los nuevos valores.

Primero usaremos desplazamientos simultneos y nos detendremos cuando tengamos una

tolerancia mnima de .0005. La tolerancia se calcular restando el valor ms grande del
0 1
vector ( x , y , z ) menos el valor ms grande del vector ( x , y , z ) (Tabla 2).

En este caso se tomar el valor 2 2.625.

k (x, y, f (x, y, DF Error

z) z)
0 2 -2.5 4
 0.5 0.5 3 0.625
1.5 0.25 -3
1 2.6250 0.50868 5.25000
0
0.3333 0.38542 4.15625 0.0968
3 9
1.5833 0.45139 -3.16667
3
2 2.5281 0.42787 5.05622
1
0.2406 0.04979 4.36320 0.0846
0 2
1.7258 - -3.45175
8 0.20994
3 2.4434 - 4.88697
9 0.20444
0.2291 - 4.06854 0.0418
9 0.06753 3
1.6650 - -3.33011
6 0.09973
4 2.4853 - 4.97064
2 0.08920
0.2457 - 4.06376 0.0179
9 0.00117 5
1.6351 0.05754 -3.27021
1
5 2.5032 0.05831 5.00653
7
0.2460 0.01806 4.13715 0.0116
8 5
1.6527 0.01793 -3.30540
0
6 2.4916 0.01596 4.98324
2
0.2417 - 4.13141 0.0032
1 0.00139 0
1.6581 - -3.31625
2 0.01604
7 2.4884 - 4.97683
2 0.01585
0.2420 - 4.11406 0.0031
5 0.00420 8
1.6532 - -3.30657
9 0.00289
8 2.4916 - 4.98320
0 0.00238
0.2430 0.00075 4.11715 0.0004
 7 8
1.6524 0.00420 -3.30482
1
9 2.4920 0.00412 4.98416
8
0.2428 0.00096 4.12111 0.0008
9 3
1.6536 0.00029 -3.30737
8
1 2.4912 0.00018 4.98250
0 5
0.2426 - 4.11997 0.0000
5 0.00028 4
1.6537 - -3.30755
7 0.00106
1 2.4912 - 4.98243
1 2 0.00103
0.2427 - 4.11911
2 0.00021
1.6534 0.00003 -3.30691
5
Tabla 2

Para el clculo con sucesivas primero se calcul el valor de x , despus para el clculo

de y se utiliza el nuevo valor de x y los valores anteriores de y y z y para el

calculo de z se deben utilizar los nuevos valores de x y y y el valor de z .

22 +.52 +1.529
x k+1
i =2 =2.625
2 ( 2)

k+1 2.625.51.51
y i =.5 =.25397
2 ( 1.5 )

2.625+ .253971.52
z k+1
i =1.5 =1.70967
2 ( 1.5 )

La siguiente tabla (Tabla 3) muestra la solucin por medio de sucesivas.

k (x, y, z) f (x, y, DF Error

z)
0 2.00000 - 4.00000
2.50000
0.50000 0.96875 3.93750 0.6250
 0
1.50000 0.62897 -
3.00000
1 2.62500 0.87805 5.25000
0.25397 0.06715 4.20191 0.1672
5
1.70966 - -
0.22718 3.41931
2 2.45775 - 4.91551
0.20266
0.23799 - 4.10636 0.0412
0.02274 3
1.64321 0.04235 -
3.28643
3 2.49898 0.04688 4.99796
0.24352 0.00406 4.12303 0.0093
8
1.65610 - -
0.01053 3.31220
4 2.48960 - 4.97920
0.01091
0.24254 - 4.11874 0.0021
0.00104 9
1.65292 0.00243 -
3.30584
5 2.49179 0.00256 4.98358
0.24279 0.00024 4.11972 0.0005
1
1.65366 - -
0.00057 3.30732
6 2.49128 - 4.98256
0.00060
0.24273 - 4.11949 0.0001
0.00006 2
1.65349 0.00013 -
3.30697
7 2.49140 0.00014 4.98280
0.24275 0.00001 4.11954 0.0000
3
1.65353 - -
0.00003 3.30705
8 2.49137 - 4.98274
0.00003
0.24275 0.00000 4.11953 0.0000
1
1.65352 0.00001 -
 3.30703
9 2.49138 0.00001 4.98275
0.24275 - 0.00000
1.00000
1.65352 - -
2.73412 3.30704
Tabla 3

Como se puede notar en la Tabla 3 se realizan menos clculos con desplazamiento sucesivo,
pero puede hacer que diverja en algunos casos.

1.I.4 Mtodo de Broyden

Este mtodo se caracteriza por utilizar solo una vez la matriz jacobina y despus sustituirla
por una matriz de aproximacin la cual se actualiza en cada iteracin.

Ejemplo: Sea el sistema de ecuaciones

2 2
f 1 ( x , y , z ) =x 4 x + y =0

2
f 2 ( x , y , z ) =x x12 y+1=0

f 3 ( x , y , z )=3 x2 12 x + y 23 z 2+ 8=0

Graficaremos para darnos una idea de donde se encuentran

las races y as tomar un punto cercano a alguna de ellas.

Como se puede ver en la grfica 4 hay dos races,

calcularemos ambas, empezando por x=(1, 1, 1) .

Calculamos la matriz jacobina y su inversa, as como la

evaluacin de ambas funciones.

[ 2 x4
J = 2 x1 12
2y 0 2

][
2 0
0 = 1 12 0
6 x12 2 y 6 z 6 2 6
]
[ ]
.545455 .090909 0
1
J = .045455 .090909 0 Grafica 4

.530303 .060606 .166667

 [ ]
2 2
x 4 x+ y
0 2
F= x x12 y +1
3 x 12 x + y 23 z 2 +8
2

[ ]
2
0
F = 11
3

Despus de podemos calcular el siguiente valor de x.

x
( 0) J 1F 0
t

x 1=

[][ ][ ]
1 .545455 .090909 0 2
x 1= 1 .045455 .090909 0 11
1 .530303 .060606 .166667 3

[ ]
1.090909
1
x = .090909
2.227273

Para las siguientes iteraciones debemos calcular la matriz de aproximacin A, as como

k k k
X , F y el nuevo valor de F .

k k k
Calculamos F , X y F de la siguiente forma:

[ ]
2
(1.090909 ) 4 (1.090909)+(.090909)2
1
F= (1.090909)2(1.090909)12(.090909)+1
2 2 2
3(1.090909) 12(1.090909)+(.090909) 3(2.227273) +8

[ ]
5.561983
F1= 4.371901
9.787191

Para Fk y Xk
 1 1 0
F =F F

1 1 0
X =x x

[ ][ ][ ]
5.561983 2 7.561983
F 1= 4.371901 11 = 15.371901
9.787191 3 12.787190

[ ] [] [ ]
1.090909 1 2.090909
1
X = .090909 1 = 1.090909
2.227273 1 1.227273

A
A
( k 1)1 F k
x1

Xk


A
( k1)1
t

Xk




( k )1=( A k1)1 +

k1 1
Para esta primera iteracin de A, ( A ) ser la inversa de la matriz jacobiana.

[ ]
.545455 .090909 0
1
( 1) = .045455 .090909 0 +
.530303 .060606 .166667

 [ ][ ][ ] [
2.090909 .545455 .090909 0 7.561983
1.090909 .045455 .090909 0 15.371901 [2.090909 1.090909 1.227273 ]
1.227273 .530303 .060606 .166667 12.787190

[ ][
.545455 .090909 0 7.5
[ 2.090909 1.090909 1.227273 ] .045455 .090909 0 15.
.530303 .060606 .166667 12.

[
.545455 .090909
( 1) = .045455 .090909
.530303
0
0
.373872
+ .070853
][
.073851 .041541
.013996 .007873
.060606 .166667 .172518 .034078 .019169

]
A

[
.171582 .017058 .041541
( 1)1 = .025399 .076913 .007873
.357785

.026528 .147498 ]
Para el nuevo valor de x utilizamos la misma frmula que para x 1 sustituyendo la inversa

de la matriz jacobiana por la matriz de aproximacin.

x
Ak


( k )t
2
x =

[ ][ ][ ]
1.090909 .171582 .017058 .041541 5.561983
x 2= .090909 .025399 .076913 .007873 4.371901
2.227273 .357785 .026528 .147498 9.787191

[ ]
.344576
x 2= .181132
1.564889
 2
Para las siguientes iteraciones se debe de hacer lo mismo que se hizo para x pero ahora

A A
1 1
utilizando la matriz de aproximacin ( 1) para el clculo de la siguiente ( 2) .

Pararemos las iteraciones cuando las evaluaciones en nuestras funciones tengan una tolerancia de .
00005.

[ ]
.001727
En este caso es en x 7= .083190
1.631582

Para la segunda raz realizaremos el mismo procedimiento.

[]
3
0
x=1
1

[
2 x4
J = 2 x1 12
2y 0 2 2 0
0 = 5 12 0
6 x12 2 y 6 z 6 2 6 ][ ]
[ ]
.352941 .058824 0
1
J = .147059 .058824 8.123618
.401961 .039216 .166667

[ ]
2 2
x 4 x+ y
0 2
F= x x12 y +1
3 x 12 x + y 23 z 2 +8
2

[]
2
0
F = 5
3

x
1 t
0
( 0) J F
x 1=
 [][ ][ ]
3 .352941 .058824 0 2
1
x = 1 .147059 .058824 8.123618 5
1 .401961 .039216 .166667 3

[]
4
1
x= 1
1.5

[ ]
2
( 4 ) 4( 4)+(1)2
1
F= (4)2(4)12(1)+1
2 2 2
3(4) 12( 4)+(1) 3(1.5) +8

[ ]
1
1
F= 1
2.25

F 1=F1 F 0

X 1 =x1 x0

[ ][ ][ ]
1 2 3
F 1= 1 5 = 6
2.25 3 5.25

[ ][][ ]
4 3 1
1
X = 1 1 = 0
1.5 1 .5
 A
A
( k 1)1 F k
x1

Xk


A
( k1)1
t

Xk




( k )1=( A k1)1 +

[ ]
.352941 .058824 0
1
( 1) = .147059 .058824 8.123618 +
.401961 .039216 .166667

[][ ][ ] [ ]
1 .352941 .058824 0 3 .352941 .058824 0
[ ]
0 .147059 .058824 8.1236 6 1 0 .5 .147059 .058824 8.123618
18

.5 .401961 .039216 .166667 5.25 .401961 .039216 .166667

[ ][ ]
.352941 .058824 0 3
[1 0 .5 ] .147059 .058824 8.1236 6
18

.401961 .039216 .166667 5.25

[ ][ ]
.352941 .058824 0 .134575 .019055 .020246
1
( 1) = .147059 .058824 8.123618 + .028838 .004083 .004338
.401961 .039216 .166667 .021628 .003062 .003253

 A

[
.218366 .039769 .020256
( 1) = .118221 .062907 .004338
.380333 .036153 .163413

]
x
Ak


( k )t
x2=

[ ][ ][ ]
4 .218366 .039769 .020256 1
x 2= 1 .118221 .062907 .004338 1
1.5 .380333 .036153 .163413 2.25

[ ]
3.696312
x 2= .934924
1.451193

[ ]
3.760757
6
La raz para este caso est en la iteracin 6 x = .948544
1.437650

2 Interpolacin y Ajustes de curvas

2.I.1 Frmula de Lagrange
Sea la siguiente tabla (Tabla 4).

i x F(
x)
0 1. 14
0
1 2. 18
7
2 3. 22
2
Tabla 4

a) Calcular el polinomio de grado dos.

b) Tabular x= (1,3.2) y graficar
 c) Sustituir x=1.5,2.0,3.0

Debemos tomar en cuenta que la tabla no tiene que estar igualmente espaciada, as como no es
necesario que los datos estn ordenados, aunque es aconsejable que lo estn.

a) Mediante la tabla construiremos el polinomio de aproximacin de grado dos, este se

construye de la siguiente manera:

( xx 1 )( x x2 ) ( x x0 ) ( xx 2 ) ( xx 0 ) ( xx 1 )
P2= f ( x0 )+ f ( x1 ) + f ( x2)
( x 0x 1 )( x 0 x2 ) ( x1 x0 ) ( x 1x 2 ) ( x 1x 0 ) ( x 2x 1)

Sustituimos los valores y hacemos los clculos.

( x2.7 ) ( x3.2 ) ( x1 )( x3.2 ) ( x1 ) ( x2.7 )

P2= ( 14 )+ ( 18 ) + ( 22 )
(12.7 ) ( 13.2 ) ( 2.71 )( 2.73.2 ) ( 3.21 ) ( 3.22.7 )

2
P2 2.56684 x 7.14439 x+18.57754

b)

X F(X)
1 13.99999
1.2 13.700521
6
1.4 13.606400
4
1.6 13.717626
4
1.8 14.034199
6
2 14.55612
2.2 15.283387
6
2.4 16.216002
4
2.6 17.353964
4
2.8 18.697273
6
3 20.24593
3.2 21.999933
6
Tabla 5
 2
c) P2 ( x=1 ) 2.56684 ( 1 ) 7.14439 ( 1 )+ 18.57754=13.63635

P2 ( x=2 ) 2.56684 ( 2 )27.14439 ( 2 ) +18.57754=14.55612

2
P2 ( x=2.5 ) 2.56684 ( 2.5 ) 7.14439 ( 2.5 )+18.57754=16.75932

P2 ( x=3 ) 2.56684 ( 3 )2 7.14439 ( 3 )+18.57754=20.24593

2.I.2 Diferencias divididas

La siguiente tabla relaciona los datos observados de voltaje y temperatura (F) para termopares
formados por Platino y Platino -10% Rodio con juntas refrigeradas a 32.

Mvt T(F)
0 32
500 176
1000 296.4
1500 405.7
2000 509
2500 608.4
3000 704.7
3500 799
4000 891.9
4500 983
5000 1072.6
5500 1160.8
6000 1247.5
Tabla 6

Estimar la temperatura para micro voltios de 300, 1700, 3300, 5300,5900.

Construiremos una tabla de diferencias dividas.

MVT T(F) F1' F2'' F3''' F4''''

0 32 0.288 -0.0000472 1.66667E-08 -4.93333E-12
500 176 0.2408 -2.22E-05 6.8E-09 -2E-12
1000 296.4 0.2186 -0.000012 2.8E-09 -8.66667E-13
1500 405.7 0.2066 -7.8E-06 1.06667E-09 2E-13
2000 509 0.1988 -6.2E-06 1.46667E-09 -3.33333E-13
2500 608.4 0.1926 -4E-06 8E-10 -6.66667E-13
3000 704.7 0.1886 -2.8E-06 -5.3333E-10 4.66667E-13
3500 799 0.1858 -3.6E-06 4E-10 -1.33333E-13
4000 891.9 0.1822 -3E-06 1.33333E-10 -1.33333E-13
4500 983 0.1792 -2.8E-06 -1.3333E-10
5000 1072.6 0.1764 -0.000003
5500 1160.8 0.1734
 6000 1247.5
Tabla 7

Calcularemos los polinomios de diferencias dividas de grado 2 y 3 su error el cual ser calculado
por el error del trmino siguiente.

Error del trmino siguiente: es el valor del trmino que se sumara ha Pn ( x ) y lo denotaremos

como ERTS.

Pn=a 0+ a1 ( xx 0 ) +a2 ( xx 0 ) ( xx 1) + +a n ( xx 0 ) ( xx 1 ) ( xx n1)

P2=a 0+ a1 ( xx 0) + a2 ( xx 0 )( xx1 )

P3=a 0+ a1 ( xx 0 ) +a2 ( xx 0 )( xx 1) + a3 ( xx 0 )( x x1 ) ( x x2 )

Hay que tomar en cuenta que debemos tomar el valor ms cercano al valor que nos piden calcular.
En el caso de que se encuentren cerca del valor final de la tabla debemos tomar el valor que tenga
hasta la tercera diferencia dividida para as tener un buen valor a la funcin.

Sustituyendo:

Para x=300:

P2 ( 300 ) =32+.288 (3000 ) + (.0000472 )( 3000 ) ( 300500 )=121.232

ERTS=.00000001 (300-0) (300-500) (300-1000) =.7

P3 ( 300 )=P 2+ ERTS =121.232+ .7=121.932

Para x=1700:

P2 ( 1700 ) =405+.2066 ( 17001500 )+ (.0000078 ) ( 17001500 )( 17002000 )=447.488

ERTS=.000000001 (1700-1500) (1700-2000) (1700-2500) =.0512

P3 ( 1700 )=P2+ ERTS =447.488+.0512=447.5392

Para x=3300:

P2 ( 3300 ) =704.7+.1886 ( 33003000 )+ (.0000028 ) ( 33003000 ) ( 33003500 )=761.448

ERTS=-.0000000005 (3300-3000) (3300-3500) (3300-4000) =-.0224

 P3 ( 3300 )=P2+ ER T S=761.448+(.0224)=761.4256

Para x=5300:

P2 ( 5300 ) =983+.1792 ( 53004500 )+ (.0000028 ) ( 53004500 ) (53005000 )=1125.688

ERTS=-.0000000001 (5300-4500) (5300-5000) (5300-5500) =.0064

P3 ( 5300 )=P2+ ERTS =1125.688+. 0064=1125.6844

Para x=5900

P2 ( 5900 ) =983+.1792 ( 59004500 )+ (.0000028 ) ( 59004500 ) (59005000 )=1230.352

ERTS=-.0000000001 (5900-4500) (5900-5000) (5900-5500) =.0672

P3 ( 5900 )=P2+ ERTS =121.232+.7=1230.2848

2.I.3 Newton Progresivo y Regresivo

Para este mtodo los datos de la tabla tienen que estar igualmente espaciados.

Sea la siguiente tabla de datos:

x fx
0.12500 0.791680
0
0.25000 0.773340
0
0.37500 0.743710
0
0.50000 0.704130
0
0.62500 0.656320
0
0.75000 0.602280
0
Tabla 8

a) Construye la tabla de diferencias, as como los polinomios de tercer grado, progresivo para
interpolar x=.158 y regresivo para x=.636.

I X FX FX
2

3

4

5
FX FX FX FX
 0 0.12500 0.79168 - - 0.00134 0.00038 -
0 0 0.018340 0.01129 0 0 0.00010
0 0
1 0.25000 0.77334 - - 0.00172 0.00028
0 0 0.029630 0.00995 0 0
0
2 0.37500 0.74371 - - 0.00200
0 0 0.039580 0.00823 0
0
3 0.50000 0.70413 - -
0 0 0.047810 0.00623
0
4 0.62500 0.65632 -
0 0 0.054040
5 0.75000 0.60228
0 0
Tabla 9

xx 0
h=.125 s=
h

.158.125
s= =.264
.125

.001340
P3 ( .158 )=.79168+.264 (.01834 ) +.264 ( .2641 ) ( .011290
2! ) +.264 ( .2641 ) (.2642)(
3!
)=.788010

.636.625
s= =.088
.125

.001720
P3 ( .636 )=.65632+.088 (.047810 ) +.088 ( .0881 ) ( .008230
2! ) +.088 ( .0881 ) (.0882)(
3!
)=.651776

2.I.4 Hermite
Ejemplo: Un automvil realiza un recorrido por una carretera recta y se cronometra su recorrido en
varios puntos, los cuales se muestran en la siguiente tabla. Estimar d (t=10s).

T(SEG) D(PIES) V(PIES/SE

G)
0 0 75
3 225 77
5 383 80
8 625 74
 13 993 72
Tabla 10

Calculamos los valores de L2 j (x) , L' j (x) , H n , j ( x) y ^

H n , j (x) y los colocamos ya

evaluados con x=10 en una tabla para que sea ms fcil localizar los valores.

( x5)(x8)( x 13) x 326 x 2+ 209 x520

L0= = =(.3)2
(2)(5)(10) 100

( x3)(x8)(x13) x3 24 x 2+ 167 x 312

L1 = = =(.875)2
(2)(3)(8) 48

( x3)(x5)(x13) x3 21 x 2 +119 x195

L2 = = =(1.4)2
(5)(3)(5) 75

( x5 ) ( x 8 ) ( x 3 ) x 316 x 2 +79 x120

L3= = =.(.175)2
( 8 ) ( 5 ) (10 ) 400

3 x252 x +209
L' 0= =4 /5
100

3 x 248 x+167
L' 1= =1/24
48

3 x 242 x +119
L' 2= =1/3
75

3 x 232 x+79 17
L'3 = =
400 40

[
H 0 ( 10 )= 12 ( 103 ) ( 45 )] (.09 )=1.098

[
H 1 ( 10 ) = 12 ( 105 ) ( 241 )] ( .765625)=.446615
 [
H 2 ( 10 ) = 12 ( 108 ) ( 13 )] ( 1.96 )=.653333

[
H 3 ( 10 )= 12 ( 1013 ) ( 1740 )] ( .030625 ) =.108719
^
H 0 ( 10 )=( 103 )( .09 ) =.63

^
H 1 ( 10 ) =( 105 )( .765625 )=3.828125

^
H 2 ( 10 ) =( 108 )( 1.96 )=3.92

^
H 3 ( 10 )=( 1013 )( .030625 )=.091875

J X F(X) F'(X) '

L j (x)
2
L j (x) H n , j ( x) ^
H n , j ( x)

0 3 225 77 -0.8 0.09 1.098 0.63

1 5 383 80 0.0416666 0.765625 0.446615 3.828125
7
2 8 625 74 0.3333333 1.96 -0.653333 3.92
3
3 13 993 72 0.425 0.030625 0.108719 -0.091875
Tabla 11

Despus para calcular la aproximacin de x=10 se utilizar la siguiente frmula:

n n
H 2 n+1 (10 )= f ( x j )H n , j ( x )+ f ( x j ) ^
'
H n,j ( x )
j=0 j=0

H 2 n+1 (10 )=( ( 225 ) ( 1.098 ) +383 ( .446615 )+ 625 (.653333 ) +993 ( .108719 ) ) + 77(.63) +

80(3.828125) + 74(3.92) + 72(-.091875))

H 2 n+1 (10 )= 117.728387+638.225= 755.953387

2.I.5 Spline cubico

Ajustaremos los puntos de la siguiente imagen mediante una curva.

Ilustracin 1
Pondremos los puntos en una tabla (Tabla 9)

I X F(X)
0 0.62 2.14
1 0.74 2.96
2 1 2.8
3 1.78 3.6
4 2.42 3.44
5 3.16 3.16
6 4.7 1.04
7 7 2
8 9.08 0.54
9 10.36 1.94
10 9.52 3.6
Tabla 12

hi y f [ 1] los colocaremos en una nueva tabla.

Calcularemos

hi=x i +1x i

f i+1 f i
f [ 1]=
hi

I X F(X) hi F[1 ]
0 0.62 2.14 0.12 6.83333333
1 0.74 2.96 0.26 -0.61538462
2 1 2.8 0.78 1.02564103
3 1.78 3.6 0.64 -0.25
4 2.42 3.44 0.74 -0.37837838
5 3.16 3.16 1.54 -1.37662338
6 4.7 1.04 2.3 0.4173913
 7 7 2 2.08 -0.70192308
8 9.08 0.54 1.28 1.09375
9 10.36 1.94 -0.84 -1.97619048
10 9.52 3.6
Tabla 13

Construimos el sistema para calcular

S i de la siguiente manera:

[
2(.12+.26) .26 0 0 0 0 0 0
.26 2(.26+.78) .78 0 0 0 0 0
0 .78 2(.78+.64 ) .64 0 0 0 0
0 0 .64 2(.64+.74 ) .74 0 0 0
0 0 0 .74 2(.74+1.54 ) 1.54 0 0
0 0 0 0 1.54 2(1.54+ 2.3) 0 0
0 0 0 0 0 2.3 2(2.3+2.08) 2.08
0 0 0 0 0 0 2.08 2(2.08+1
0 0 0 0 0 0 0 1.28

[ ][ ] [ ]
S0
.76 .26 0 0 0 0 0 0 0 44.69231
.26 2.08 .78 S1 9.846154
0 0 0 0 0 0
0 .78 2.84 .64 0 0 0 0 0 S 2 7.653846
0 0 .64 2.76 .74 0 0 0 0 S 3 .770270
0 0 0 .74 4.56 1.54 0 0 0 S 4
= 5.989470
0 0 0 0 1.54 7.68 2.3 0 0 S5 10.76409
0 0 0 0 0 2.3 8.76 2.08 0 S6 6.715886
0 0 0 0 0 0 2.08 6.72 1.28 S 10.77404
7
0 0 0 0 0 0 0 1.28 .88 18.419643
S8

Calculamos la matriz inversa.

 [
1.382121 .193893 0.056342 .013709 0.002403 .000528 0.000154 .00006 0.00009
.193893 .566765 .164691 0.040073 .007024 0.001544 .000451 0.000193 .000281
0.056342 .164691 .420396 .102291 0.017931 .003940 0.001152 .000493 0.000717
.013709 0.040073 .102291 .405076 .071006 0.015604 .004561 0.001953 .002840
.002403 .007024 0.017931 .071006 .249325 .054791 0.016014 .006856 0.009973
.000528 0.001544 .003940 0.015604 .054791 .154739 .045225 0.019363 .028164
0.000154 .000451 0.001152 .004561 0.016014 .045225 .140292 .060065 0.087367
.00006 0.000193 .000493 0.001953 .006856 0.019363 .060065 0.231555 .336806
0.00009 .000281 0.000717 .002840 0.009973 .028164 0.087367 .336807 1.626265

I X F(X) hi F
[1 ]
Si
0 0.62 2.14 0.12 6.83333333 0
1 0.74 2.96 0.26 -0.61538462 -64.1235665
2 1 2.8 0.78 1.02564103 15.5446265
3 1.78 3.6 0.64 -0.25 -7.45454089
4 2.42 3.44 0.74 -0.37837838 2.17537709
5 3.16 3.16 1.54 -1.37662338 -2.70730387
6 4.7 1.04 2.3 0.4173913 3.08185494
7 7 2 2.08 -0.70192308 -3.79796081
8 9.08 0.54 1.28 1.09375 9.35864619
9 10.36 1.94 -0.84 -1.97619048 -34.5439886
10 9.52 3.6 0
Tabla 14

Calculamos
ai , bi y c i

Si +1S i
ai =
6 hi

Si
bi=
2

f ( x )i+1f ( x )i Si +1+ 2 Si
c i=
hi
( 6 )
( h i)

d i=f ( x )i

I X F(X hi F[1 ] Si ai bi ci di
)
 0 0.62 2.14 0.12 6.83333333 0 -89.0605091 0 8.11580466 2.14
1 0.74 2.96 0.26 -0.61538462 -64.1235665 51.0693545 -246.629102 -4.06767298 2.96
2 1 2.8 0.78 1.02564103 15.5446265 -4.914352 19.9290083 4.01553278 2.8
3 1.78 3.6 0.64 -0.25 -7.45454089 2.50779114 -11.6477201 -1.27719125 3.6
4 2.42 3.44 0.74 -0.37837838 2.17537709 -1.09970292 2.93969877 0.22381894 3.44
5 3.16 3.16 1.54 -1.37662338 -2.70730387 0.62653234 -1.75798952 -2.86250747 3.16
6 4.7 1.04 2.3 0.4173913 3.08185494 -0.49853737 1.33993693 3.05465401 1.04
7 7 2 2.08 -0.70192308 -3.79796081 1.0542153 -1.8259427 -5.26288017 2
8 9.08 0.54 1.28 1.09375 9.35864619 -5.71648891 7.31144233 10.4596454 0.54
9 10.36 1.94 -0.84 -1.97619048 -34.5439886 -6.85396599 41.123796 2.85996793 1.94
10 9.52 3.6
Tabla 15

Por ltimo construimos los polinomios con su respectivo rango.

g0=89.0605091 ( x .62 )3+ 0 ( x.62 )2+8.115805 ( x .62 )+ 2.14 .62 x .74

3 2
g1=51.0693545 ( x.62 ) 246.629102 ( x .62 ) 4.06767298 ( x.62 ) +2.96 .74 x 1.0

g2=4.914352 ( x.62 )3+ 19.9290083 ( x.62 )2 + 4.01553278 ( x.62 ) +2.8 1.0 x 1.78

3 2
g3=2.50779114 ( x.62 ) 11.6477201 ( x.62 ) 1.27719125 ( x.62 )+ 3.6 1.78 x 2.42

3 2
g4 =1.09970292 ( x.62 ) +2.93969877 ( x .62 ) + 0.22381894 ( x .62 )+ 3.44 2.42 x 3.16

3 2
g5=0.62653234 ( x.62 ) 1.75798952 ( x.62 ) 2.86250747 ( x.62 ) +3.16 3.16 x 4.7

g6=0.49853737 ( x.62 )3 +1.33993693+3.05465401 ( x.62 ) +1.04 4.7 x 7

3 2
g7=1.0542153 ( x.62 ) 1.8259427 ( x.62 ) 5.26288017 ( x.62 ) +2 7 x 9.08

g8=5.71648891 ( x.62 )3 +7.31144233 ( x.62 )2 +10.4596454 ( x.62 ) +.54 9.08 x 10.36

3 2
g9=6.85396599 ( x.62 ) + 41.123796 ( x.62 ) +2.85996793 ( x.62 )+1.94 10.36 x 9.52

2.I.6 Mnimos Cuadrados

Sea la siguiente tabla:

I X Y
 1 0.1 1.9
2 1.1 7.9
3 1.6 24.9
4 2.4 25.2
5 2.5 34.9
6 4.1 42.7
7 5.2 29.7
8 6.1 42.6
9 6.6 36.1
10 7.1 23.7
11 8.2 13
12 9.1 12.7
13 9.4 -3.1
14 11.1 -13
15 11.4 -28.7
16 12.2 -39.5
17 13.2 -48.6
18 14.1 -40.2
19 15.6 -51.6
20 16.1 -30.5
21 17.6 -34.6
22 17.9 -16.4
23 19.1 -13.4
24 20 -1.1
Calcularemos los polinomios de segundo y tercer grado.

Primero calculamos de x 2 hasta x 6 , despus cada uno de los nuevos valores lo

multiplicamos por y.

Sumamos los valores de x, y, x 2 , x 3 , x 4 , x 5 , x 6 , xy , y x 2 , y x3 , yx 4 , yx5 , y x 6 ,

dado que estos valores nos servirn para construir los sistemas para calcular los valores de las
a0 .

x=231.8

y =25.4

x 2=3101.84

x 3=47145.212

x 4 =768326.15

x 5=13080405.13

x 6=229355837.8

yx=3252.81

yx 2=61473.399

y x 3=1013715.1

yx 4 =16344198

yx 5=264634545

yx 6 =4.3369
Construimos las matrices, primero para el polinomio de grado 2.

La primera entrada de la matriz ser el nmero total de datos en este caso 24.

[ ][ ] [ ]
24 231.8 3101.84 a0 25.4
231.8 3101.84 47145.212 a1 = 3252.81
3101.84 47145.212 768326.15 a 2 61473.399

Calculamos la matriz inversa y multiplicamos por el vector que est del lado del igual.

[ ][ ][ ]
.3078551 .0610923 .0025058 25.4 36.860429
.0610923 .0169089 .0007909 3252.81 = 4.829885
.0025058 .0007909 .0000397 61473.399 .0675461

P2 ( x )=.0675461 x 24.829885 x+ 36.860429

Hacemos lo mismo para el polinomio de grado 3.

[ ][ ] [ ]
24 231.8 3101.84 47145.212 a0 25.4
231.8 3101.84 47145.212 768326.15 a 3252.81
1=
3101.84 47145.212 768326.15 13080405.13 a 2 61473.399
47145.212 768326.15 13080405.13 229355836.8 a 3 1013715.08

[ ][ ] [ ]
.503424 .191017 .019139 .000555 25.4 5.265897
.191017 .103223 .011841 .000369
3252.81 = 23.156378
.019139 .011841 .001454 4.72115 61473.399 3.515293
5
.000555 .000369 4.7211 1.5756
6
1013715.08 .119571

P3=.119571 x 33.515293 x2 +23.156378 x5.265897

3 Diferenciacin numrica
3.I.1 Diferenciacin
El voltaje E(t) en un circuito elctrico obedece la ecuacin E(t)=L(dI/dt) + RI(t) donde R es la
resistencia, L es la inductancia e I la intensidad de la corriente. Sean L=.05 henrios, R=2Ohmios y
los valores de la intensidad I(t), en amperios, se muestra en la siguiente tabla:

T 1.0 1.1 1.2 1.3 1.4

I(t) 8.2277 7.2428 5.9908 4.5260 2.9122
Tabla 16

a) Determinar I (1.2) y emplear este valor para determinar E (1.2)

Para determinar el valor de I utilizaremos diferencias centradas.
1
(f i+2f i )
2 ( h)

1
I ' ( 1.2 )= ( 4.52607.2428 ) =13.414
2 ( .1 )

t
10
b) Compararla respuesta con el resultado exacto a partir de I(t)=10 e sen(2t )
t t
d
dt
( )
10 e 10 sin ( 2 t ) =e 10 ( 20 cos ( 2t )sen ( 2 t ) )

1.2
10
e ( 20 cos ( 2(1.2)) sen ( 2(1.2) ) ) =13.755654

Sea la funcin:

cos ( x 3)
f ( x )=4 xln ( x ) +
1+ x 2
a) Estimar la derivada para x=1.5 con h=.1, .05, .025 empleando las frmulas de segundo
grado progresiva y centrada.
1 1
Df. Progre. (x)= h
( f i + 2 f i )
2

h T I(t) f 2 f DF. DF.

PROGRE. CENTRA.
0.1 1.4 1.8673 0.6048 0.0213 6.1621868 6.1541649
4 3
1.5 2.4720 0.6261 0.0197
1.6 3.0981 0.6458
1.7 3.7439
Tabla 17

h T I(t) f 2
f Df. Progre. Df. Centra.

0.05 1.45 2.1669 0.6048 0.0213 6.16218684 6.15633825

1.5 2.4720 0.6261 0.0197
1.55 2.7825 0.6458
1.6 3.0981
Tabla 18
h T I(t) f 2
f Df. Progre. Df. Centra.

0.025 1.475 2.3188 0.3052 0.0053 6.15842046 6.15688059

1.5 2.4720 0.3105 0.0051
1.525 2.6266 0.3156
1.55 2.7825
Tabla 19

Como se puede notar mientras h se vaya haciendo ms pequea la aproximacin a la derivada

por medio de esta frmula ser mejor.

b) Tabular la funcin en el intervalo [.5, 2.3] con intervalos de j=.1 y estimar la derivada en
cada punto; para [.6, 2.2] con diferencias centradas. Para x=2.3, deducir la frmula a partir
de la frmula regresiva de newton.

h T i(t) f 2 f Df. Progre. Df.

Centra.
0.1 0.5 -2.1029 0.2446 0.0692 2.09967923
0.6 -1.8583 0.3138 0.0572 2.85188998 2.79167284
0.7 -1.5445 0.3709 0.0481 3.46857085 3.4234493
0.8 -1.1736 0.4191 0.0412 3.984384 3.94988708
0.9 -0.7545 0.4603 0.0359 4.42351668 4.3967064
1 -0.2943 0.4962 0.0316 4.80337647 4.78221853
1.1 0.2019 0.5278 0.0282 5.13671279 5.11976243
1.2 0.7297 0.5560 0.0255 5.43297923 5.41919803
1.3 1.2857 0.5815 0.0232 5.6992655 5.68790206
1.4 1.8673 0.6048 0.0213 5.94095389 5.93146144
1.5 2.4720 0.6261 0.0197 6.16218684 6.15416493
1.6 3.0981 0.6458 0.0183 6.36620111 6.35935404
1.7 3.7439 0.6641 0.0172 6.55556688 6.54967418
1.8 4.4080 0.6813 0.0161 6.73235926 6.72725457
1.9 5.0894 0.6975 0.0153 6.8982815 6.89383756
2 5.7868 0.7127 0.0145 7.05475389 7.05087192
2.1 6.4995 0.7272 0.0138 7.20297834 7.19958039
2.2 7.2267 0.7410 7.34100894
2.3 7.9677
Tabla 20

3.I.2 Extrapolacin de Richardson

Sea la siguiente ecuacin:
f ( x )=x arcsen (x)

Calcular una aproximacin a su primera y segunda derivada.

Tabulamos en el intervalo [0,1] con h=.1,.2,.4, calcular para f (.5).
x f(x)
0.1 0.794022
 0.2 0.723197
0.3 0.692919
0.4 0.685869
0.5 0.695634
0.6 0.719847
0.7 0.758384
0.8 0.813085
0.9 0.888714
1 1
Tabla 21

f i+ 1f i1
f ' ( x )=
2h
f i +12 f i + f i1
f ' ' ( x )= 2
h
1
mas exacto+ ( mas exactomenos exacto )
Extrapolando= 2
2 1

.719847.685869
f ' ( x )= =.169891
2(.1)
.758384.692919
f ' ( x )= =.163663
2(.2)

Colocaremos los valores en una tabla.

h f' Extr. 1 Extr.2

orden orden
0.1 0.169891 0.17196650 0.1715134
3 8
0.2 0.163663 0.17876186
0.4 0.118365
Tabla 22

f ' ( x )=.17151348
h f'' Extr. 1 Extr.2
orden orden
0.1 1.444667 1.4259310 1.428064
0.2 1.500873 1.3939406
0.4 1.821672
Tabla 23

Entonces nuestra segunda derivada es:

f ' ' ( x )=1.428064

4 Integracin Numrica
4.I.1 Simpson 1/3 y 3/8
El cuerpo de revolucin que se muestra en la figura, se
obtiene de girar la curva dada por
2
x
y=1+ ()
2
0 x 2

En torno al eje x. Calcular el volumen:

x 2 2
1+ () 2

0 x 2
f ( x )=
Ilustracin 2
h x f(x)
0.1 0 3.1416
0.1 3.149454
0.2 3.173016
0.3 3.212286
0.4 3.267264
0.5 3.33795
0.6 3.424344
0.7 3.526446
0.8 3.644256
0.9 3.777774
1 3.927
1.1 4.091934
1.2 4.272576
1.3 4.468926
1.4 4.680984
1.5 4.90875
 1.6 5.152224
1.7 5.411406
1.8 5.686296
1.9 5.976894
2 6.2832
Tabla 24

Usaremos Simpson 1/3+Simpson 3/8

1.7 2

f ( x ) dx+ f ( x ) dx
0 1.7

3 ( .1 )
(99.443657)
8
.1
( 3.1416+4.680984 + ( 245.260962 ) )+
3

8.175365+3.729137

11.904503