FORMULARIO
3 DIFERENCIACIÓN .............................................................35
4 INTEGRACIÓN
4.1 Regla del trapecio......................................................................36
4.2 Simpson 1/3...............................................................................36
4.3 Simpson 3/8...............................................................................36
1
1 SOLUCIÓN SISTEMAS DE ECUACIONES NO LINEALES
En este apartado se expondrán métodos generales que nos permiten encontrar soluciones de una
ecuación no lineal.
Una iteración simple de punto fijo (también llamada iteración de un punto o sustitución sucesiva o
método de punto fijo), al arreglar la ecuación f(x) = 0 de tal modo que x esté del lado izquierdo de
la ecuación:
x = g(x)
La primera técnica para resolver sistemas no lineales consiste en escribir las ecuaciones que
componen el sistema de la forma:
y se trata de encontrar los valores (x1, x2, …, xn) que satisfagan todas las ecuaciones del sistema.
Para este problema nos piden encontrar la solución mediante el método del punto fijo.
f1(x,y)=x2-y-2=0
f2(x,y)=2xy-3=0
En este caso de debe de encontrar los valores para (x,y) que satisfagan la ecuacion.
Para encontrar los puntos en que coinciden ambas funciones se requiere generar una sucesión {(x
(k)
, y (k) )} convergente a una de las soluciones. Para ello, se debe despejar la variable x de la
primera ecuación, lo cual se puede hacer directamente; sin embargo para despejar la variable y de
la segunda, se le agrega un múltiplo “adecuado” a cada miembro, en este caso -4x para f1 y -5y
para f2, de tal manera que:
−x2+𝑦 +2+4𝑥
f1(x,y)=x2-y-2-4x=-4x x=f1(x,y)=
4
−2xy +3+5𝑦
f2(x,y)=2xy-3-5y=-5yy=f2(x,y)=
5
Como se puede observar en la grafica existen varios puntos en los cuales ambas graficas se
interectan, escogeremos el punto cercano a (2,1) para tomarlos como valores iniciales.
2
Sucesivas Simultaneas
k x y k x y
0 1 2 0 1 2
1 1,75 1,2 1 1,75 1,8
2 1,784375 0,9435 2 1,934375 1,14
3 1,72425146 0,8927675 3 1,78392334 0,857925
4 1,70418256 0,88419198 4 1,70280897 0,84573603
5 1,699171 0,88323463 5 1,68935338 0,86968527
6 1,69818414 0,88327661 6 1,69329599 0,88200297
7 1,69804595 0,8833389 7 1,6969839 0,88460613
8 1,69804066 0,88336075 8 1,69819685 0,88414119
9 1,69804533 0,88336611 9 1,69826401 0,88356288
10 1,69804737 0,88336711 10 1,69812957 0,88335366
11 1,69804793 0,88336723 11 1,69805698 0,88333407
12 1,69804805 0,88336723 12 1,69804112 0,88335344
13 1,69804806 0,88336723 13 1,69804357 0,88336525
14 1,69804806 0,88336722 14 1,69804689 0,88336818
15 1,69804812 0,88336794
16 1,69804825 0,88336743
17 1,69804814 0,88336722
18 1,69804807 0,88336719
19 1,69804806 0,88336721
20 1,69804806 0,88336722
Concluyendo como resultado que los valores buscados so: (1,69804806, 0,88336722)
Concluyendo de igual manera que si realizamos iteraciones sucesivas encontramos mas rápido la
solución buscada o dicho de otra manera se llega a la convergencia más rápido.
Recomendaciones:
3
1.2 Newton
Breve introducción
Considérese la ecuación f(x) = 0 en la que supondremos que f(x) es una función de clase C 2 ([a,
b]). Supongamos además que la ecuación anterior admite una solución x ∗ en el intervalo [a, b].
Para cualquier otro valor x0 ∈ [a, b], denotando por h al valor tal que x ∗ = x0 + h, la expresión del
desarrollo en serie de Taylor nos permitiría escribir que:
Si conocemos X0
Además se debe de tener en cuenta de que para este método necesitaremos a la matriz jacobiana
que se muestra a continuación:
Asi como también de la diferencial que a simples palabras se podría definir como el instrumento
que se usa para mostrar el efecto de los cambios de las variables independientes en las variables
dependientes, esto se mostrara acontinucacion.
4
Basicamente el método se simplifica a la siguiente formula
Donde
Es el vector a obtener
es el vector uinicial
EJEMPLO
f1(x,y,z)=x2-x+2y2+yz-10
f2(x,y,z)=5x-6y+z=0
f3(x,y,z)=z-x2-y2=0
Lo primero que se debe de hacer es calcular las derivadas parciales de las 3 funciones y escribirlas
en la matriz jacobiana
5
Asignamos el vector inicial (1,1,1)
1
0
X= 1
1
2(1)-1 4(1)+1 1
J= 5 -6 1
-2 -2 1
(1)2-(1)+2(1)2+(1)(1)-10
f(x0)=
5(1)-6(1)+1
(1)-(1)2-(1)2
Formalizando el
método -1
1 2(1)-1 4(1)+1 1 (1)2-(1)+2(1)2+(1)(1)-10
X 0= 1 - 5 -6 1 5(1)-6(1)+1
1 -2 -2 1 (1)-(1)2-(1)2
X 1= 1,27868,852
1,73770,492
4,03,278,689
Si continuación haciendo mas iteracciones obtendremos los siguientes valores que mostraremos
en la tabla
6
x[2] Jacobiana fi(xi)
x 1,12634798 1,25269596 9,64825956 1,52799994 0,2152842
y 1,52799994 5 -6 1 0
- - -
z 3,53625978 2,25269596 3,05599989 1 0,06718382
Recomendaciones
7
1.3 Newton Modificado
Breve introduccion
Representación gráfi ca del método de la secante. Esta técnica es similar a la del método de
Newton-Raphson en el sentido de que una aproximación de la raíz se predice extrapolando una
tangente de la función hasta el eje x.
Se eligen los valores iniciales (𝑥1 0, 𝑥2 0, ⋯ ,𝑥𝑛0 ) y empleando el método de Newton se calcula un
nuevo valor, aunque al tratarse de una ecuación de varias variables se emplea la derivada parcial
evaluada en los valores iniciales:
De donde
Es el vector a obtener
parciales
EJEMPLO
f1(x,y,z)=x2+y2+z2-9=0
f2(x,y,z)=xyz-1=0
f3(x,y,z)=x+y-z2=0
8
Calculando las derivadas parciales
Df1(x,y,z)=2x
Df2(x,y,z)=xz
Df3(x,y,z)=-2z
Primera iteración
X0
(x,y,z)=(2,0.2,1.7)
fi(x,y,z)=(2)2+(0.2)2+(1.7)2-9=-2.7
f2(x,y,z)=(2)(0.2)(1.7)-1=-0.32
f3(x,y,z)=2+0.2-(1.7)2=-0.69
Df1=2(2)=4
Df2=(2)(1.7)=3.4
DF3=-2(1.7)=-3.4
DEZPLAZAMIENTOS SIMULTANEOS
9
2.48912515 -0.00666917 4.97825031
7 0.24181045 -0.00384505 4.11956944 0.00247092
1.65502704 -0.00817889 -3.31005408
2.49046482 -0.00771873 4.98092963
8 0.24274381 -0.00095558 4.11563286 0.00154966
1.65255611 0.00226692 -3.30511223
2.49201447 0.00238256 4.98402894
9 0.242976 0.00103754 4.11990298 0.00053875
1.653242 0.00178137 -3.30648399
DESPLAZAMIENTOS SUCESIVOS
10
Recomendaciones
Este método requiere n evaluaciones funcionales por iteración y también disminuye el número de
cálculos aritméticos ya que reemplaza a la matriz Jacobiana con una matriz de aproximación que
se actualiza en cada iteración. Su desventaja radica en que se pierde la convergencia cuadrática de
Newton, al ser sustituida por una convergencia denominada superlineal.
Sin embargo, el método de la secante usa una diferencia dividida en lugar de una derivada para
estimar la pendiente.
El método de Broyden consiste en que a partir de una aproximación inicial X (0) a la solución F(x) =
0, se calcula la siguiente aproximación X (1) por el método de Newton. No obstante para calcular X
(2)
ya no se hace con el método de Newton y se recurre al método de la secante. En el método de
la secante univariable se emplea la siguiente fórmula para sustituir el cálculo de la derivada:
11
Dado que en el caso de los sistemas no lineales, X (1) – X (0) es un vector, el cociente
correspondiente esta indefinido. Sin embargo, el método procede de manera semejante al
método de Newton, porque la matriz J(X (1)) es reemplazada por una matriz A que tiene la
propiedad de que:
Para la primera aplicación de la ecuación se requieren dos vectores iniciales X (0) y X (1) , este último
puede obtenerse de una aplicación del método de Newton cuya matriz jacobiana puede
emplearse para la primera iteración.
Para este método puedes obtener la inversa por el teorema de Teorema de Sherman Morrison.
En general, una vez determinado X (i) , se calcula X (i +1) por medio de:
Donde
X(i)= El vector antes conocido, en caso de la primera iteraccion es el vector inicial
(x,y,z)=(0.5,0.5,0.5)
12
Primera iteracción
J= J-1=
-2,0000000
-11,000000
-3,0000000
X 1=
Inversa de Sherman
-0,1715822 -0,0170578 -0,0415414
0,0253987 -0,0769134 -0,0078726
0,3577851 0,0265284 -0,1474980
Segunda interacción
X2 ∆x ∆F F(x2) tolerancia
0,3445762 1,4354853 -6,7887467 -1,2267633 7,5619835
0,1811322 0,2720413 -5,7713306 -1,3994298 15,3719008
-
1,5648891 -0,6623836 12,8797316 -3,0925415 12,7871901
13
Tercera iteracción
x4 ∆x ∆F F(x4) tolerancia
0,0194633 -0,0272655 0,1051792 -0,0698764 1,0517077
0,0871670 -0,0111995 0,1598553 -0,0650884 1,1744861
1,6490259 0,0678020 -0,3373587 -0,3826846 3,0472156
Cuarta interacción
x5 ∆x ∆F F(x5) tolerancia
-0,0053640 -0,0248273 0,0980185 0,0281421 0,1051792
0,0815924 -0,0055746 0,0913719 0,0262835 0,1598553
1,6277897 -0,0212362 0,5046983 0,1220137 -0,3373587
Quinta Interacción
14
x6 ∆x ∆F F(x6) tolerancia
0,0018642 0,0072282 -0,0286675 -0,0005255 0,0980185
0,0832338 0,0016413 -0,0269496 -0,0006660 0,0913719
1,6316258 0,0038361 -0,1240537 -0,0020400 0,5046983
Sexta iteración
x7 ∆x ∆F F(x7) tolerancia
0,0017266 -0,0001376 0,0005425 0,0000171 -0,0286675
0,0831898 -0,0000440 0,0006649 -0,0000012 -0,0269496
1,6315823 -0,0000435 0,0020676 0,0000276 -0,1240537
Septima Interaccion
x8 ∆x ∆F F(x8) tolerancia
0,0017307 0,0000041 -0,0000163 0,0000008 0,0005425
0,0831895 -0,0000003 -0,0000007 -0,0000019 0,0006649
1,6315805 -0,0000019 -0,0000306 -0,0000030 0,0020676
Octava Interaccion
x9 ∆x ∆F F(x9) tolerancia
0,0017309 0,0000002 -0,0000008 0,0000000 -0,0000163
0,0831894 -0,0000002 0,0000017 -0,0000001 -0,0000007
1,6315799 -0,0000005 0,0000027 -0,0000003 -0,0000306
15
x9 inversa de Sherman F(x9)
0,0017309 -0,2652977 -0,0229072 0,0082866 0,0000000
0,0831894 0,0291960 -0,0773334 -0,0022703 -0,0000001
1,6315799 0,3347067 0,0249813 -0,1111270 -0,0000003
Recomendaciones
16
una aproximación a f(x), lo que permite además construir fórmulas de diferenciación e integración
numérica y obtener formas simplificadas de funciones “complejas”.
2.1 LAGRANGE
Dada la tabla de valores
donde
x0, x1,...,xn son n + 1 abscisas distintas, y0, y1,...,yn son n + 1 valores arbitrarios.
Si tenemos polinomio de grado 1 que pase por los puntos distintos (x0, y0) y (x1, y1)
17
Mientras que el polinomio de lagrange es:
Para darnos una idea mas clara de lo que trata este método hagamos un ejercicio
x f(x)
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
6000 1247,5
Si aplicamos la formula del polinomio de lagrange
P(x=300)=((x-500)/(0-500))(32)+((x-0)/(500-0))(170)=118.4
P(x=3300)=(((x-500)(x-1000)(x-1500)(x-2000)(x-2500)(x-3000)(x-3500))/((0-500)(0-1000)(0-
1500)(0-2000)(0-2500)(0-3000)(0-3500)))(32)+(((x-0)(x-1000)(x-1500)(x-2000)(x-2500)(x-3000)(x-
3500))/((500-0)(500-1000)(500-1500)(500-2000)(500-2500)(500-3000)(500-3500)))(176)+(((x-0)(x-
18
500) (x-1500)(x-2000)(x-2500)(x-3000)(x-3500))/((100-0)(1000-500)(1000-1500)(1000-2000)(1000-
2500)(1000-3000)(1000-3500)))(296.4)+(((x-0)(x-500)(x-1000)(x-2000)(x-2500)(x-3000)(x-
3500))/((1500-0)(1500-500)(1500-1000)(1500-2000)(1500-2500)(1500-3000)(1500-
3500)))(405.7)+((( x-0)(x-500)(x-1000)(x-1500)(x-2500)(x-3000)(x-3500))/(2000-0)(2000-500)(2000-
1000)(2000-1500)(2000-2500)(2000-3000)(2000-3500)))(509)+ )+((( x-0)(x-500)(x-1000)(x-1500)(x-
2000)(x-3000)(x-3500))/( 2500-0)( 2500-500)( 2500-1000)( 2500-1500)( 2500-2000)( 2500-3000)(
2500-3500)))(608.4)+ )+((( x-0)(x-500)(x-1000)(x-1500)(x-2000)(x-2500)(x-3500))/( 3000-0)( 3000-
500)( 3000-1000)( 3000-1000)( 3000-1500)( 3000-2000)( 3000-2500)( 3000-3500)))(704.7)+((( x-
0)(x-500)(x-1000)(x-1500)(x-2000)(x-2500)(x-3000))/(( 3500-0)( 3500-1000)( 3500-1500)( 3500-
2000)( 3500-2500)( 3500-3000)))(799)=761.34373
Recomendaciones
Xi fi
x0 f0
x1 f1
x2 f2
x3 F3
x4 f4
19
Cada diferencias dividida esta dada por
Aparentamente este metodo no es tan complicado como otros solo es cuestion de tener cuidado
al momento de estar haciendo operaciones ademas de aegurarse de escribir bien el polinomio.
Hagamos un ejemplo.
i xi
0 0
1 500
2 1000
3 1500
4 2000
5 2500
6 3000
20
7 3500
8 4000
9 4500
10 5000
11 5500
12 6000
Construimos la tabla de diferencias divididas
P3(x=1700)=296.4+0.2186(x-1000)-0.0000012(x-1000)(x-1500)-2.8E-09(x-1000)(x-1500)(x-
2000)=447.622
ERTS=-0.02912
P3(x=1700)= 296.4+0.2186(x-1000)-0.0000012(x-1000)(x-1500)-2.8E-09(x-1000)(x-1500)(x-2000)-
8.67E-13(x-1000)(x-1500)(x-2000)(x-2500)=447.593
21
ERTS=-0.01864
P2(x=5300)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)=1125.688
ERTS=0.0064
P3(x=5300)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)-1.33E-10(X-4500)(x-5000)(x-5500)
=1125.6944
P2(x=5300)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)=1230.352
ERTS=-0.072
P3(x=5900)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)-1.33E-10(X-4500)(x-5000)(x-5500)
=1230.2848
Recomendaciones
Recuerda que todos los polinomios que pasan por los mismos puntos son identicos
Este metodo tiene dos alternativas por asi decirlo la primera es cuando los datos o el punto a
interpolar esta al principio de la tabla ´puedes ocupar la forma progresiva la otra es cuando el o los
puntos a interpolar se encuentran al final de la tbla puedes utilizar la forma regresiva.
Forma progresiva
Cuando los datos deben estar ordenamos e igualmente espaciados la formula de diferencias
divididas es:
22
EJEMPLO
i xi
0 50
1 60
2 70
3 80
4 90
5 100
Construimos el polinomio
h=Xi+1-Xi=10 S=(x-x0)/h=0.8
P2(x=58)=21.94+(0.8)(5.17)+(0.8-1)(0.77/2!)=29.0144
P3(x=58)= 21.94+(0.8)(5.17)+(0.8-1)(0.77/2!)+(0.8)(0.8-1)(0.8-2)(0.08/3!)=29.01696
23
Como en este caso el valor que nos piden interpolar se encuentra al final de la tabla debemos usar
la FORMULA REGRESIVA DE NEWTON.
S=(x-xn)/h=-0.7
P2(x=83)=50.57+(-0.7)(7.73)+(-0.7)(-0.7+1)(0.94/2!)=45.0603
P3(x=83)=50.57+(-0.7)(7.73)+(-0.7)(-0.7+1)(0.94/2!)+(-0.7)(-0.7+1)(-0.7+2)(0.09/3!)=45.056205
Recomendaciones
2.4 HERMITE
Un polinomio se puede ajustar no solo a los valores de la función sino también a las derivadas en
los puntos. Los polinomios ajustados a los valores de la función y de su derivada se llaman
polinomios de interpolación de Hermite o polinomios osculantes.
El conjunto de los polinomios osculantes es una generalización de los polinomios de Taylor y los
polinomios de Lagrange.
Para este metodo se tiene dos alternativas la primera obteniendo los cocientes de lagrange .
veamos una breve explicacion de este metodo
basicamente implica obtener los concientes y susstituirlos posteriormente hacer las sumas
Para
24
La otra alternativa es mediante la tabla de difrenecias divididas
Veamos un ejercicio resuelto por ambas alternativas
j xj f(xj) f'(xj)
0 3 225 77
1 5 383 80
2 8 625 74
3 13 993 72
f(x)= 755,952771
25
7 13 993
P3(x) 751,75
P4(x) 799,388889
P5(x) 705,925926
P6(x) 738,690139
P7(x) 755,952771
Dada los datos lo primero que se hace es llenar nuestra tabla tanto de diferencias como
diferencias divididas
26
X Y hi F1
1 2,14 0,82 6,83333333
1 2,96 -0,16 -0,61538462
1 2,8 0,8 1,02564103
2 3,6 -0,16 -0,25
2 3,44 -0,28 -0,37837838
3 3,16 -2,12 -1,37662338
5 1,04 0,96 0,4173913
7 2 -1,46 -0,70192308
9 0,54 3,06 6,95454545
10 3,6 -1,66 -1,97619048
10 1,94
Escribimos las ecuaciones en forma matricial
S0 s1 s2 s3 s4 s5 s6 s7 s8 S9 6([Fi+1]-[Fi])
0,82 1,32 -0,16 0 0 0 0 0 0 5,76 S1
0 -0,16 1,28 0,8 0 0 0 0 0 0 -5,76 S2
0 0 0,8 1,28 -0,16 0 0 0 0 0 -0,72 S3
0 0 0 -0,16 -0,88 -0,28 0 0 0 0 -11,04 S4
0 0 0 0 -0,28 -4,8 -2,12 0 0 0 * 18,48 = S5
0 0 0 0 0 -2,12 -2,32 0,96 0 0 -14,52 S6
0 0 0 0 0 0,96 -1 -1,46 0 27,12 S7
0 0 0 0 0 0 -1 -1,46 4,12 3,06 -28,32 S8
0 0 0 0 0 0 0 4,12 3,06 6,12 9,96 S9
S1 -64,124
S2 15,545
S3 -7,4545
S4 2,1754
S5 -2,7073
S6 3,0819
S7 -3,798
S8 9,3586
S9 -34,544
27
Polinomios
go 0.62<=x<=0.74 -89.0605091(x-0.62)^3+8.11580466 (x-0.62)+2.14
51.0693545 (x-0.74 )^3-32.0617833(x-0.74 )^2+ 4.26839067 (x-0.74
g1 0.74<=x<= 1 )+2.96
g2 1 <=x<=1.78 -4.914352(x-1 )^3 +7.77231323 (x-1 )^2 -2.04687154 (x-1)+2.8
2.50779114 (x-1.78 )^3-3.72727045 (x-1.78 )^2+1.10826183 (x-
g3 1.78<=x<=2.42 1.78)+3.6
-1.09970292 (x-2.42 )^3+1.08768854 (x-2.42 )^2-0.58107058 (x-
g4 2.42<=x<=3.16 2.42)+3.44
0.62653234 (x-3.16 )^3-1.35365193 (x-3.16 )^2-0.77788349 (x-
g5 3.16<=x<=4.7 1.78)+3.16
g6 4.7<=x<= 7 -0.49853737 (x-4.7 )^3+1.54092747 (x-4.7 )^2-0.48947917 (x-4.7)+1.04
g7 7 <=x<=9.08 1.0542153 (x-7 )^3 -1.89898041 (x-7 )^2-1.31300093 (x-7)+2
-5.71648891 (x-9.08 )^3+4.67932309 (x-9.08 )^2+ 4.47011186 (x-
g8 9.08<=x<=10.36 9.08)+0.54
-6.85396599 (x-10.36 )^3-17.2719943(x-10.36 )^2 -11.6485073 (x-
g9 9.56<=x<=10.36 10.36)+1.94
Para esta ocasión nos proporcionan los siguientes datos nos piden obtener la linea de minimos
cuadrados que aproxima
xi yi
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
28
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
∑ 231,8 -25,4
Ahora mostraremos los valores obtenidos de elevar las Xi ala potencia requeridas
29
364,81 6967,871 133086,336 2541949,02 48551226,3 927328422 1,7712E+10
400 8000 160000 3200000 64000000 1280000000 2,56E+10
El sistema de 5x5
Inversa
-
0,74823268 0,46221212 0,08115091 -0,0053771 0,0001197 a0 -9,73331718
- -
0,46221212 0,40364912 0,08053687 0,00571051 -0,0001326 a1 28,1053167
- -
0,08115091 0,08053687 0,01716248 0,00126866 3,0322E-05 a2 -4,64692569
- -2,3578E-
-0,0053771 0,00571051 0,00126866 9,6555E-05 06 a3 0,20756603
-2,3578E-
0,0001197 -0,0001326 3,0322E-05 06 5,853E-08 a4 -0,00218441
Escribiendo el polinomio
-0,00218441x4+0,20756603x3-4,64692569x2+28,1053167x-9,73331718=0
Sistema de 4x4
Inversa
30
-
0,50342399 0,19101684 0,01913894 -0,0005551 a0 -5,26589734
- -
0,19101684 0,10322319 0,01184098 0,00036878 a1 23,156378
- -4,7211E-
0,01913894 0,01184098 0,00145436 05 a2 -3,5152931
-4,7211E-
-0,0005551 0,00036878 05 1,5756E-06 a3 0,11957121
0,11957121x3-3,5152931x2+23,156378x+-5,26589734=0
Sistema de 3x3
Inversa
-
0,30785508 0,06109231 0,00250583 a0 36,860429
- -
0,06109231 0,01690894 0,00079091 a1 -4,8298852
-
0,00250583 0,00079091 3,9716E-05 a2 0,06754607
0,06754607x2-4,8298852x+36,860429=0
Sistema de 2x2
Inversa
-
0,14975387 0,01119108 a0 32,5987172
-
0,01119108 0,0011587 a1 -3,48476796
-3,48476796x+32,5987172=0
31
Escribiendo los valores que arroja el polinomio a las respectivas xi
P1 P2 P3 P4
32,2502404 36,3781159 -2,98529289 -6,96904742
28,7654725 31,629286 16,1117631 15,8328233
27,0230885 29,3055306 23,2749208 24,1749345
24,2352741 25,6577698 31,714274 33,7500703
23,8867973 25,2078789 32,522766 34,6445798
18,3111686 18,193349 38,8241427 41,0720574
14,4779238 13,5714716 36,9064112 38,3497484
11,3416327 9,91151842 32,3243443 32,8860589
9,59924868 7,92549335 28,8162737 28,8712378
7,8568647 5,97324131 24,7343114 24,3021262
4,02361994 1,79716791 14,1758312 12,8400819
0,88732878 -1,4980365 4,46111443 2,64932383
-0,15810161 -2,57212139 1,10668842 -0,79940889
-6,08220714 -8,42894577 -17,820076 -19,5991213
-7,12763753 -9,42197538 -28,851175 -22,6227338
-9,9154519 -12,0106138 -28,851175 -29,9804447
-13,4002199 -15,1248289 -37,0964295 -37,3459278
-16,536511 -17,8121187 -42,4518726 -41,7898049
-21,763663 -22,0477692 -45,5660891 -43,5287539
-23,506047 -23,3921066 -44,6430932 -42,305905
-28,7331989 -27,2224807 -34,7354033 -32,5045795
-29,7786293 -27,9520806 -31,3203915 -29,364933
-33,9603508 -30,7488974 -12,2364137 -12,5881826
-37,096642 -32,718848 8,31407165 4,62580057
32
Por ultimo escribiendo la diferencia entre las evaluaciones de las xi y el de los polinomios, todo
esto elevado al cuadrado tenemos
33
3 Diferenciacion
El voltajeE(t) esta en un circuito electronico obedece la educación E(t)=L(dl/dt)+Rl(t) donde R es la
resistencia, L es la inductancia e l es la intensidad de la corriente. Sean
T l(t)
1 8,2277
1,1 7,2428
1,2 5,9908
1,3 4,526
1,4 2,9122
T l(t) F1 F2 F3 F4
1 8,2277 -0,9849 -0,2671 0,0543 0,0095
1,1 7,2428 -1,252 -0,2128 0,0638
1,2 5,9908 -1,4648 -0,149
1,3 4,526 -1,6138
1,4 2,9122
f`(x)=1/0.1(-0.46481/2)(-0.149))=-13.903
34
4 Integración
4.1 Regla del trapecio
Veamos un ejemplo
El cuerpo de revolución que se muestra en la figura, se obtiene de girar la curva dada por
y=1+(x/2)2 0<=x<=2
f(x)=Pi(1+(x/2)2)2 0<=x<=2
x f(x)
0 3,141592654
0,2 3,204738666
0,4 3,397946614
0,6 3,732526232
0,8 4,227327075
1 4,908738521
1,2 5,810689772
35
1,4 6,97464985
1,6 8,449627601
1,8 10,29217169
2 12,56637061
x2
x1
fx dx= 0.2 3 12.56 + 3,14 + 4 3,20 + 3,73 + 4,90 + 6,97 + 10,29 + 2(3,39 + 4,22 +
5,81 + 8,44 =11.728613
36