Sunteți pe pagina 1din 144

UNMSM

MTODOS NUMRICOS

UNIVERSIDAD NACIONAL MAYOR DE SAN


MARCOS
(Decana de Amrica)
FACULTAD DE CIENCIAS MATEMATICAS

CURSO METODOS NUMERICOS I - II

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ.

--2012
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 1

UNMSM

MTODOS NUMRICOS

INDICE
Pg.

INDICE..2
INTRODUCCIN........ 4
ERROR ABSOLUTO....5
Teorema de Bolzano...6
MTODO DE BISECCIN..7
MTODO DE REGULA FALSI O MTODO DE FALSA POSICIN.10
MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES SUCESIVA..12
MTODO DE LA SECANTE...15
MTODO DE NEWTON RAPHSON...17
MTODO DE NEWTON RAPHSON EN DOS VARIABLES....24
INTERPOLACIN...27
INTERPOLACIN DIRECTA DE NEWTON -PROGRESIVO...28
INTERPOLACIN DE NEWTON REGRESIVO (NR)..31
INTERPOLACION DIRECTA CENTRAL.32
INTERPOLACIN PARA EL CASO DE DATOS NO EQUIDISTANTES..35
INTERPOLACION Y APROXIMACION DE LAGRANGE.38
PROBLEMAS RESUELTOS...42
METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES...48
Mtodo Crout-Doolitle..50
Mtodo de Cholesquy...52
Mtodo Tridiagonal para sistemas de ecuaciones lineales59

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 2

UNMSM

MTODOS NUMRICOS

Mtodo Pentadiagonal para sistemas de ecuaciones lineales..65


NORMA DE UNA MATRIZ......73
SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES LINEALES...75
Mtodo de Jacobi.75
Mtodo de Gauss- Seidel.85
DIFERENCIA NUMERICA..99
INTEGRACIN NUMERICA..105
EXTRAPOLACION DE RICHARDSON- (E.R)..113
INTEGRACION DE ROMBERG.123
SOLUCIN NUMRICA DE E. D.O. CON VALOR INICIAL.130
Mtodo de Euler.130
Mtodo de Taylor de orden K133
Predictor corrector...138
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR140
CONCLUSIONES.....143

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 3

UNMSM

MTODOS NUMRICOS

INTRODUCCIN
En la prctica de la ingeniera y ciencias es frecuente tener la necesidad de resolver un
sistema de ecuaciones lineales. Estos sistemas aparecen en muy diversos problemas, ya sea
como la solucin completa de un problema al menos como parte de ella. Dada esta
necesidad frecuente, se requiere resolverlos en forma eficiente.

Para una mejor organizacin y bsqueda rpida de cada tema se ha implementados con un
ndice al principio del trabajo para su fcil ubicacin de los temas ya que el texto completo
se encuentra enumerada de principio a fin, adems en el final se ha considerado incluir
problemas resueltos de los diferentes temas estudiados.

Como los algoritmos de los mtodos ya estn disponibles en la mayora de los libros de texto
sobre la materia, se explicara en la medida de lo posible, detalles de implementacin
(personales) de los mtodos directos (que son mas difciles de programar). El lenguaje de
programacin idneo para tal fin ser matlab 6.0

Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para
completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud
de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua
superacin en los prximos trabajos que se han de mostrar.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 4

UNMSM

MTODOS NUMRICOS

ERROR ABSOLUTO
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, segn si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
DEFINICION DE CIFRAS SIGNIFICATIVAS EXACTAS:
Se define por la siguiente relacin:
; Donde:
m=es la descomposicin polinmica.
n= numero de cifras significativas exactas.
DEFINICION DE CIFRAS DECIMALES EXACTAS:
Se define por la siguiente relacin:
; Donde:
t=numero de cifras decimales exactas.
Ahora sea:
P = ln(5)
Entonces:
P= ln(5) = 1.609437912
Y sea sus siguientes aproximaciones:
P1 = 1.60123456
P2 = 1.609413131
P3 = 1.6094372
Donde: m = 0
Ahora hallamos sus Ea de cada uno.
Ea1 = | p p | = 0.008203 = 0.008 = 0.8x10 = 0.001 = 0.1x10
Ea = |p - p | = 0.000025 = 0.00003 = 0.3x10
Ea = |p - p | = 0.0000012 = 0.00001 = 0.1x10

Ahora hallaremos el nmero de cifras significativas exactas:


Para p:
0.1x10 0.5x10
-2 = -n+1
n = 3 ---> p tiene 3 cifras significativas exactas.
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 5

UNMSM

MTODOS NUMRICOS

Para p:
0.3x10 0.5x10
-4 = -n+1
n = 5 ---> p tiene 5 cifras significativas exactas.
Para p:
0.1x10 0.5x10
-5 = -n+1
n = 6 ---> p tiene 6 cifras significativas exactas.
Ahora hallaremos el nmero de cifras decimales exactos:
Para p:
0.1x10 0.5x10
K=2
Entonces p tiene 2 cifras decimales exactas.
Para p:
0.3x10 0.5x10
K=4
Entonces p tiene 4 cifras decimales exactas.
Para p:
0.1x10 0.5x10
K=5
Entonces p tiene 5 cifras decimales exactas.
TEOREMA DE BOLZANO (TB)
Sea la ecuacin no lineal f(x) =0;
Donde f(x) es funcin no trascendente (trigonomtrica, exponencial, logartmica o
polinomial),
,
Si ( ) ( )
( )

Aplicacin del Teorema de Bolzano:


Sea f(x) = x.cos(x) 1
x

f(x)

-2

-1

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 6

UNMSM

MTODOS NUMRICOS

Como f(1).f(2) < 0 ---> existe x* que pertenece a [1,2]

MTODO DE BISECCIN
Dado la ecuacin no lineal f(x) = 0 /. Existe la raz X*
[a, b] por T.B.
El mtodo de biseccin consiste en hallar el promedio simple de cada intervalo
[
]
X*.
Algoritmo de biseccin:
P-1.- Dado la ecuacin f(x) = 0 /. Existe la raz X*
[a, b] por T.B.
P-2.- Generar la sucesin {xi} x* mediante la siguiente relacin
; i = 0, 1, 2,3.
P-3. Hallar

( ) ( )

P-4. - Dejar de iterarse


Parar si |

Caso contrario ir al paso numero 2.

Ejemplo 01.
( )

X* [-1,2]

Obtener una solucin con 2 cifras ex


Se deja de iterar si |
i=0 ,

) (

i=1 ,

|
-

)
-

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 7

UNMSM

MTODOS NUMRICOS

|
(

) (

i=2 ,

)
-

|
(

) (

i=3 ,

|
(

) (

i=4 ,

X* = -0.03125

Ejemplo 02.
( )

X* [-2,1]

Obtener una solucin con 2 cifras ex


Se deja de iterar si |
i=0 ; ,

) (

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 8

UNMSM

i=1 ; ,

|
(

) (

i=2 ,

)
-

|
(

) (

i=3 ,

)
-

|
(

) (

i=4 ,

)
-

|
(

) (

i=5 ,

MTODOS NUMRICOS

)
-

X* = -1.953125

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 9

UNMSM

MTODOS NUMRICOS

MTODO DE REGULA FALSI O MTODO DE FALSA POSICIN


Es un mtodo similar al mtodo de biseccin en la que en vez de hallar el promedio simple
de dos intervalos ,
- --> X*. El mtodo de R.F. determina el promedio ponderado
de los intervalos ,
- --> X*.
Algoritmo del mtodo de R.F.
( )=0

Paso 1: Dada la ecuacin

Paso 2: Generar la sucesin: {xn} x* mediante la relacin:


( )

( )

( )

Paso 3: Hallar

( ) ( )

Paso 4: Parar si |

Ejercicio 1:
( )

, Con X* [1,3]

Obtener una solucin con 2 cifras ex


Se deja de iterar si |
i=0 ,

( )
( )
(

) ( )

i=1

( )
( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 10

UNMSM
( )
( )
|

MTODOS NUMRICOS

( )
( )

|
( ) ( )

i=2 ,

( )
( )
|

( )
( )

X*=0.804

Ejercicio 2
( )

; Con X* [-2,2]

Obtener una solucin con 2 cifras ex


Se deja de iterar si |
i=0 ,

( )
( )
(
i=1

( )
( )

) ( )
,

( )
( )
|

( )
( )

X*=-0.20713

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 11

UNMSM

MTODOS NUMRICOS

MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES


SUCESIVAS
Algoritmo:
Paso 1: Dado la ecuacin ( )=0 / exista la raz X*
De

( )=0 despejar

[a, b] por el T.B.

de diferentes formas y obtener una ecuacin de la siguiente forma:

= g (x).. (2)
Donde g(x) es llamado funcin de iteracin.

Si x = x* es raz o solucin de (2) tambin lo ser de ( )=0, X* que satisface (2) es


llamado punto fijo.
Paso 2: Generar la sucesin:
{xn} x*
Mediante la siguiente relacin:
Xn+1 = g (Xn) ; Donde n= 0,1,2,3,
Tomando como valor

arbitrario /

, b]

Paso 3: Dejar de iterar si:


|

Caso contrario ir al paso 2.

Condicin de convergencia:
Existe {xn} x* Si se cumple lo siguiente:
a) g (x)

, b]

b) g( )

| g( )|

b>

L es llamado constante de Lipschitz


L = Max {| g (a) |, | g (b) |}

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 12

UNMSM

MTODOS NUMRICOS

Donde tambin consideramos obvio


L ,a, b]

( ) es continua y diferenciable en [a, b].

Ejemplos:
Por el mtodo del punto fijo obtener una solucin con dos cifras significativas exactas.
F(x) = 10.sen(x).
-1
Primero hallaremos el intervalo donde exstela raz.
x

F(x)

-1

-23.87

-0.5

-8.90

-1

0.5

1.91

1.5

1.23

Verificamos su condicin de convergencia, veremos si cumple 1 condicin.


F(x) = 10.sen(x).

-1 = 0 ---> x = arcsen (

Anlisis para g(x) = arcsen(

) = g(x)

1 condicin:
g(x) I = [a,b] = [0,1]
g(0) = 0.10
g(1) = 0.28
Por lo tanto g(x) cumple la 1 condicin
2 Condicin:
g

| g ( )|
,

L
-

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 13

UNMSM

MTODOS NUMRICOS

S g ( ) arcsen(
) ---> g ( ) (
| g ( ) | = 0.11 < 0.9
| g (

) | = 0.25 < 0.9

L = max{| g (
L
L ,

) | , | g ( ) | }
--- g ( ) , cumple 2 condicin

Siendo su relacin de recurrencia lo siguiente:


Xn+1 = g(Xn) = arcsen(
) ; n = 0,1,2,
Obtener una solucin con 2 cifras significativas exactas.
OBSERVACIN: x0 puede tomar cualquier valor /.x0 [a, b]
Sea x0=0.5
X arbitrario;
Donde: X = 0.5
n=0
X = arcsen(
X = 0.1656

n =1
X = arcsen(
X= 0.1183

n =2
X = arcsen(
X = 0.1128

| X - X| = 0.05 = 0.5x10 0.5x10


Por lo tanto x = X* con 2 cifras significativas exactas.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 14

UNMSM

MTODOS NUMRICOS

MTODO DE LA SECANTE
Algoritmo:
Paso 1: Dado la ecuacin ( ) =0. / x*

, b].

Paso 2: Generar la {xi} x* Mediante:


(

)(

)
)

)(

; Donde i =2, 3,4,

Paso 3: Dejar de iterar si:


|

Caso contrario ir al paso 2.

Ejemplos:
Por el mtodo de la secante obtener una solucin con dos cifras significativas exactas.
F(x) = 10.sen(x).

-1

Primero hallaremos el intervalo donde exstela raz.


x

F(x)

-1

-23.87

-0.5

-8.90

-1

0.5

1.91

1.5

1.23

Se observa que: f (0).f (0.5) <0 ---> Existe x*

Entonces ahora:
Sea x = 0 y x = 0.5
Para i = 2:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 15

UNMSM

MTODOS NUMRICOS

x = f(0.5).0 - f(0).0.5 = 0.551


f(0.5) - f(0)
Para i = 3:

x = f(0.551).0.5 - f(0.5).0.551 = 0.022


f (0.551) - f(0.5)
Vemos que |x - x| = 0.0529 = 0.5x10
Como: 0.5x10 0.5x10
Donde m = 0 y n = 2
Entonces x* = x
Por lo tanto x = 0.022 es la raz con 2 cifras significativas exactas.

F(x) = 0.91X - 4.9X + 11.9X 5


x

F(x)

-1

-22.71

-0.5

-12.29

-5.00

0.5

-0.16

1.5

4.89

Se observa que: f(0.5).f(1.5)<0 ---> Existe x*


Entonces ahora:
Sea x = 0.5 y x = 1.5

Para i = 2:
x = f(1.5).0.5 - f(0.5).1.5 = 0.89
f(1.5) - f(0.5)
Para i = 3:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 16

UNMSM

MTODOS NUMRICOS

x = f(0.596).1.5 - f(1.5).0.596 = 1.20


f(0.596) - f(1.5)
Vemos que |x - x| =0.031 = 0.3x10
Como: 0.3x10 0.5x10
Donde m = 0 y n = 2
Entonces x* = x
Por lo tanto x = 1.20 es la raz con 2 cifras significativas exactas.

MTODO DE NEWTON RAPHSON


El Mtodo de Newton-Raphson es ampliamente utilizado para encontrar las races de la
ecuacin f(x)=0, ya que converge rpidamente, la contra es que uno debe conocer la
derivada de f(x) y se necesita una aproximacin inicial muy cercana a la raz.
Se requiere que f(x) sea doblemente continua y diferenciable en [a, b].
Algoritmo:
Paso 1: Dado la ecuacin f(x) = 0 / Existe la raz X*

, b] por T.B.

Paso 2: Generar la sucesin {xn} x* mediante la siguiente relacin de recurrencia.


=

; n=0, 1, 2,

Paso 3: Dejar de iterar si:


|

Caso contrario ir al paso 2.

Convergencia de N-R.
Existe {xn} x*
Si: |

( ) ( )
( ( ))

|<1

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 17

UNMSM

MTODOS NUMRICOS

Ejemplo:
Sea f(x)=

-3x; donde x*

Primero analizamos su convergencia:

( ) ( )
( ( ))

| X = 0 < 1

= 0.2479 <1

Si:
( )=

-3x

( )=

-3

( )
|

( ) ( )
( ( ))

| x = 1 < 1 Existe {xn} x* Por el mtodo de N-R con

=0.1

Obtendremos una solucin con 4 cifras significativas exactas.


n=4
Se deja de iterar si |

=0.5*10

n=0
=

Entonces:
=

Observacin: Si

= 0.52493063
=0.5, estara ms cercano a la raz.

n=1
=

=0.61315951

= 0.619033363

n =2
=

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 18

UNMSM

MTODOS NUMRICOS

n =3
=

= 0.69001281

| = 0.000027923 = 0.3*10

Entonces:
x* =

con 4 cifras significativas exactas.

METODO DE PUNTO FIJO O METODO DE APROXIMACIONES


SUCESIVAS PARA SISTEMAS DE ECUACIONES LINEALES EN
DOS VARIABLES

Dado el Sistema:
F(x, y) = 0 (1)
G(x, y) = 0 (2)

De (1) y (2), despejamos de alguna forma x e y para obtener un sistema de la siguiente forma:
x = f(x, y) = f (3)
y = g(x, y) = g (4)

La solucin de (3) es solucin de (1).


La solucin de (4) es solucin de (2).

* Algoritmo del Punto Fijo:


1 Paso:
Dado el sistema:

F(x, y) = 0
G(x, y) = 0
Despejar x ^ y, y obtener el siguiente sistema.
x = f(x, y) = f
y = g(x, y) = g

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 19

UNMSM

MTODOS NUMRICOS

2 Paso:
Generar la sucesin:
{Xn}
xk
^
{yn}
Yk
Mediante la siguiente relacin de recurrencia:

n = 0, 1, 2,

3 Paso:
Dejar de iterar si:

|
|

; |

C.C. ir al 2 Paso.

Condicin de convergencia del punto fijo:


{Xn}

xk
^

{yn}

Yk

Si se cumple lo siguiente:
| |(

|(

| |(
^
| |(

)
)

Ejemplo:
Sea el sistema.
(1)

(2)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 20

UNMSM

MTODOS NUMRICOS

Localizar el intervalo inicial (x0, y0) por el T.B.

De (1) y (2) se tiene:


( )

Con intervalo de longitud = l = 1

x
-2
-1
0
1
2
3

( )

( ) ( )

Con intervalo de longitud = l = 0.1

x
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3

( )
+
+
+

) (

( )

Verificar su condicin de convergencia


De:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 21

UNMSM
De:

MTODOS NUMRICOS

Se requiere que se cumpla:


| |(

)
0

=1 <1

| |

| |(
+

| |(

Como L = 1 1 la solucin puede converger o no


^

|(

0.9

|(

|(

= 0.9 < 1

Obtener una solucin con dos cifras significativas exactas (m = 2)


Se deja de iterar si:
|
| 0.5*10m-n+1 /m=0, n=2
0.5*10-1

|
| 0.5*10-1
Sus relaciones de recurrencia son:
(

Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 22

UNMSM

MTODOS NUMRICOS

n = 1; PRMERA ITERACION; con X1 =


(

^ Y1 =

n = 2; SEGUNDA ITERACION; con X2 =


(

^ Y2 =

n = 3; TERCERA ITERACION; con X3 =


(

^ Y3 =

n = 4; CUARTA ITERACION; con X4 =


(

^ Y4 =

n = 5; QUINTA ITERACION; con X5 =


(

^ Y5 =

n = 6; SEXTA ITERACION; con X6 =


(

^ Y6 =

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 23

UNMSM

MTODOS NUMRICOS

n = 7; SEPTIMA ITERACION; con X7 =

^ Y7 =

Si:
|
|

| = 0.02 = 0.2*10-1 0.5*10-1


^
| = 0.1*10-1 0.5*10-1
Cumple con las condiciones dadas, por tanto deja de iterar.

METODO DE NEWTON RAPSON (N.R)


El sistema debe de estar en la forma:
F = F(x, y) = 0
G = G(x, y) = 0
Para que tenga solucin su Jacobiano = J(x, y) = J 0

* Algoritmo de N.R.
1 Paso:

Dado el sistema:
F(x, y) = 0
G(x, y) = 0
2 Paso:
Generar la sucesin:
{Xn}
xk
^

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 24

UNMSM

MTODOS NUMRICOS

{yn}

Yk

Mediante la siguiente relacin de recurrencia:

( )

( )( )

( )

( )( )

Parar si:

|
|

C.C. ir al 2 Paso.

Ejemplo:

)
(
(

)
)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 25

UNMSM

MTODOS NUMRICOS

( )

*Obtener una solucin con dos cifras significativas exactas (m = 2).


Iterando:
n = 0; ITERACION INICIAL; con X0 = 2.7 ^ Y0 = 2.8
|

|
*

n = 1; PRIMERA ITERACION; con X1 = 2.7629 ^ Y1 = 2.8937


|

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

|
*

Pg. 26

UNMSM

MTODOS NUMRICOS
|

Si:
|
|

| = 0.0003 = 0.3*10-3
^
| = 0.0005 = 0.5*10-3

0.5*10-3
0.5*10-3

Cumple con las condiciones dadas, por tanto deja de iterar.

INTERPOLACIN
Supongamos que se conoce f0 , f1, f2, .fn valores correspondientes a X0, X1, X2, .., Xn
valores independientes de una variable independiente X.( X0<X1<<Xn) entonces tenemos
dos tipos de interpolacin.

a) Interpolacin directa.- consiste en que dado un valor XP diferente de los Xi pero


correspondido entre X0 y Xn, se desea hallar el valor de su imagen fP

b) Interpolacin inversa.- consiste en que dado el valor de la imagen fP se desea hallar


el valor XP que genera dicha imagen.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 27

UNMSM

MTODOS NUMRICOS

1.- INTERPOLACIN DIRECTA LINEAL


XP = valor a interpretar

FP = f (XP) imagen de XP

F(X)

(X1,f1)
(X0,f0
)
(XP,fP)

Xo

XP

X1

INTERPOLACIN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados Interpolacin consiste, en dado un valor no
considerado , en la tabla, se debe hallar su imagen . Hay dos tipos de Interpolacin.
A) Interpolacin Directa. Consiste en que dado se debe hallar su imagen .
B) Interpolacin Inversa. Consiste en que dado el valor de la imagen , se debe hallar el valor

1) Interpolacin Directa de Newton Progresivo (IDNP)


Se utiliza cuando se desea interpolar un valor
Utiliza la siguiente frmula.

P(P

)(P (n

))

n!

Donde

P(P

)
!

dado al principio de la tabla o

P(P

)(P
!

sector de la tabla.

Utiliza la siguiente Tabla de omisin de Trminos (T.0.T)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 28

UNMSM

MTODOS NUMRICOS

Newton Progresivo
Newton Regresivo

12

16

Observacin:
Si

|<4 Se tiene Inter. Directa Lineal y se utiliza la frmula de N.P. hasta la


.

sea;

Si

|<8

Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la frmula de N.P. hasta la

|<12

P(P

Diferencia, o sea;

Si |

Diferencia, o

)
!

Se utiliza IDNL y en la formula de NP se utiliza hasta la


P(P

)
!

P(P

)(P

diferencia, osea

(4) Tanto en (1),(2) y (3) solo se considera las cifras significativas.


Ejemplo 1: En la Sgte. Tabla si

( )

1.1

1.2

1.3

4.3

4.6

4.9

=1.05, hallar

Sol:

( )

1
4
xp=1.05 f p =?
1.1
4.3

3=
0=

3
1.2

4.6

0
3

1.3

Como| |<4 se aplica IDL y se


utiliza
de NP hasta la Diferencia anterior o sea hasta
la
diferencia
|

|=0<4

4.9

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 29

UNMSM

MTODOS NUMRICOS

P=0.5

<0,1>

Ejemplo 2: Si
Hallar

( )

en la Sgte. Tabla

g( )

6.2

6.4

6.6

6.8

0.79239

0.30618

0.81954

0.83251

g( )

( )

6.2
Xp=6.36
6.4

0.79239=
fp=?
0.30618=

7 7.2

1279=
-43=
1336=

6.6

0.8195 =

-39=
1297=

6.8

0.83251=

0.84510=

7.2

0.85733=

1
-38=

1259=

2
-36=

1223=

P(P

!
(

Si

)(
!

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 30

UNMSM

MTODOS NUMRICOS

2) Interpolacin de Newton Regresivo (NR)


Se utiliza cuando se quiere interpolar un valor en la parte final de la tabla. Su frmula es

P(P

P(P

)
!

)(P (n

))

n!

Donde

Ejemplo Si
x
3

)(P

P(P

!
n

=3.9 hallar

( )

20.08
4.45

3.2

24.53

3.4

29.96

3.6

36.59

0.98
5.43

.22
1.20

6.63

.28
1.48

8.11
3.8

.30

49.7

1.78
9.89

4.0

54.59
|
P(P

)
!

)(

)(P
!
)(

P(P
(

|<12 Se aplica

de NR hasta la

diferencia

)
)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

)(

)(

Pg. 31

UNMSM

MTODOS NUMRICOS

INTERPOLACION DIRECTA CENTRAL


Se utiliza cuando se quiere interpolar un valor en la parte central de la tabla.
Se tienen las siguientes formulas:
a) Interpolacin de Stirling:

Se aplica si p

Su formula es:
p=

0+

S1 (

-1/2

1/2)

+ S2

+ S3 (

-1/2

1/2)

+ S4

Donde:
S1=

; S2=

; S3=

; S4=

)
!

; S5=

)(
!

b) Interpolacin de Bessel:

Se aplica si p

Su formula es:

p=

0+

1/2 +

2(

1)

1/2

Donde:
1=

2=

)
!

3=

)(
!

4=

)(

)(
!

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 32

UNMSM

MTODOS NUMRICOS

c) Interpolacin de Everett:

Se aplica si p

Su formula es:
=

Donde:
(

)(

!
(

)(

)(

)(

)(

!
(

)(

) (
!

)(

*Tabla de Omisin de Trminos (T.O.T):

Bessel o Stirling 4

60

Everett

no existe 20

20

500

100

no existe 100

Ejemplos resueltos:
En la siguiente tabla se tiene:
X

f(x)=

+ x +1
1

0.111

0.026

0.006

0.1

1.111

0.137

0.032

0.006

0.2

1.248

0.169

0.038

0.006

0.3

1.417

0.207

0.044

0.4

1.624

0.251

0.5

1.875

Como:
; No cumple
; cumple con la T.O.T, segn P se aplica Bessel, Stirling o Everett.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 33

UNMSM

MTODOS NUMRICOS

Entonces hallar: fp
a) Si

Solucin a):
Se sabe que:

Entonces:

Como:

Se aplica Stirling y Everett porque

y|
|
Para Stirling su es hasta su 2diferencia, como
se aplica Everett o hasta su
anterior pero como no existe la 3 diferencia; el de Everett es hasta la 2 diferencia.
*Solucin segn Stirling:
p=

0+

S1 (

-1/2

1/2)

+ S2

p=

1.248 + 0.12 (0.137 + 0.169) + 0.0288*0.032

p=

1.2856416

valor aproximado

Con calculadora:
p=

1.285415424

*Solucin segn Everett:


=
p

=0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)

=1.285415424

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 34

UNMSM

MTODOS NUMRICOS

INTERPOLACIN PARA EL CASO DE DATOS NO EQUIDISTANTES

POLINOMIO DE APROXIMACIN DE LAGRANGE

(X0, f0), (X1, f1),, (Xn, fn)

Sean

Entonces existe un polinomio de grado

(n+1) ptos

que para por dichos puntos

(X0<X1<X2<. <Xn)
F(X) = a0(X-X1) (X-X2)..(X-Xn)+a1(X-X0)(X-X2).(X-Xn)++an(X-X0)(X-X1)(X-X2)...(X-Xn-1)

OBS: en el primer termino falta (X-X0), en el 2 termino (X-X1), y as sucesivamente en el


ultimo termino falta (X-Xn) esto es una cualidad de dicho polinomio.
Como f(x) debe contener a los puntos dados
Si X = X0

; f(X0)= a0(X0-X1) (X0-X2)..(X0-Xn)

a0=
Si X = X1

f(o)

(X0 X1)(X0 X2)(X0 X3)(X0 Xn)

; f(X1)= a1(X1-X0) (X1-X2)..(X1-Xn)

a1=

f(1)

(X1 X0)(X1 X2)(X1 X3)(X1 Xn)

.
.
.
Si X = Xn

; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)..(Xn-Xn-1)

an=

(n)

(Xn X1)(Xn X2)(Xn X3)(Xn Xn 1)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 35

UNMSM

MTODOS NUMRICOS

Remplazando los as en el polinomio P(X)

f(X)=

(X X1)(X X2)(X Xn)


( 1 0 )(
(X X0)(X X1)(X Xn 1)
2 )(X1 Xn)
f0+
f1++
fn
(X0 X1)(X0 X2)(X0 Xn)
(X1 X0)(X1 X2)(X1 Xn)
(Xn X0)(Xn X1)(Xn Xn 1)

L0(X)
F(X)

L1(X)
L0(X)fo +

L1(X)f1

Ln(X)
.

+ Ln(X)fn
Polinomio de Lagrange

Donde:
i(X)=

(X X0)..(X Xi 1)(X Xi+1)(X Xn)


(Xi X0)..(Xi Xi 1)(Xi Xi+1)(Xi Xn)
Funcin multiplicadora de Lagrange

TEOREMA.- Sean (X0, f0), (X1, f1),, (Xn,fn)


(X0<X1<X2<<Xn)
Entonces existe un nico polinomio de grado

para los puntos (n+1) y adems

que pasa por dichos puntos.

DEMOSTRACIN
i). La existencia del polinomio est generalizada por el `polinomio de aproximacin de
Lagrange.
ii). La unicidad: supongamos que existen dos polinomios P(X) y Q(X)
de
grado
que pasan por los puntos dados.
Probaremos que P(X) =Q(X) ,
(X0,Xn)
Consideremos

R(X)= P(X) - Q(X)


PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 36

UNMSM
R(X) es de grado

MTODOS NUMRICOS
(ya que el grado de P(X) y Q(X) es

Adems:
R(X0)= P(X0) - Q(X0)= f0-f0 =0
R(X1)= P(X1) - Q(X1)= f1-f1 =0

En general
R (Xi) = 0

i 0, 1, 2, 3,n

Entonces.
X0, X1, X2,., Xn son las races de R(X)
R(X) tiene (n+1) races (pero el grado de R(X) es menor o igual a n)
Entonces R(X) debe ser el polinomio nulo (el nico que tiene ms races que su grado)
R(X)= P(X) - Q(X)= 0
P(X) =Q(X) ,

( 0 , Xn)

Ahora consideremos
X

-1

Fx

0 2
1

El polinomio P(X) = X2 +1 pasa por estos puntos, tambin pasa por estos puntos el
polinomio Q(X) = X3-2X + 1
Contradice el teorema?
No contradice el teorema, ya que el teorema establece que son iguales para aquellos
que tengan grado
, luego pueden muchos otros de grado >n que sean
diferentes al del grado grado

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 37

UNMSM

MTODOS NUMRICOS

INTERPOLACION Y APROXIMACION DE LAGRANGE


Polinomio de Lagrange: Dado un conjunto de (n+1) puntos de la forma ( , ); i=0, 1, 2,, n.
Se puede aproximar a un polinomio de grado
Sea el siguiente polinomio ( )

n.

( ) a determinar:

() ( )( )( ) ( ) ( )(
)( ) ( ) ( )( )( ) (
) .
Observacin:
El polinomio ( ) se caracteriza por:
), en el 2 trmino falta el factor (
) , en el 3 termino falta
En el 1 trmino falta el factor (
) y as sucesivamente, en el n-simo termino falta el factor (
).
el factor (

En el polinomio de Lagrange los puntos ( , ) no necesariamente son igualmente espaciados, es


decir h no es constante.
;

Para hallar el polinomio de Lagrange se debe hallar los

; de la siguiente manera:

Si x=
( )

( )

)(
(
(

)(
( )
)(

)(

)(
)(

)(
)(

)(

) (

)(

)(

)(

)(

)(

)(

)(

)(

Si x=
( )

( )

)(
(
(

)(
(

)(

)(
)(

)(
)(

)(

)(

)(

)
)(

)(

Si x=

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 38

UNMSM
( )

MTODOS NUMRICOS

( )

)(
(
(

)(
)(

)(
(
)(

)(

)(
)(

)(

)(

)(

)(

)(

)(

)
)

)
)(

Remplazando los coeficientes en ( ) tenemos:


(

( )

)(
)(

)(
)(
(

)(
)(
)(
)(

)(
)(

(
)

)(
)(

)(
)(

)(
)(

)(
)(

)
)

)
)

El polinomio de Lagrange, tambin se puede expresar como:


( )

( )

( )

( )

( )

( )

Ejemplo: 1
En la siguiente tabla:
a) Aproximar a un polinomio de Lagrange.
b) Si

=1.1. Determinar

por Lagrange.

Tenemos:
X

( )
2
1
2

26

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 39

UNMSM

MTODOS NUMRICOS

a) Solucin:
El polinomio de Lagrange

( )
(
(

)(
)(

( )
(
(

(
(

)(
)(

)(
)(
)(
)(
)(
)(
)
)(
)(
)

(
(
)(
)(

)(
)(
)(
)(

)(
)(
)
)

( )

)(
)(

(
)

(
(

)(
)(

( )

)
)
(
(

)(
)(
)(
)(

(
)(
)(

)(
)(

(
(
)(
)(

)(
)(
)(
)(

)(
)(
)

)(
)(

(
)

)(
)(

)(
)(

)(
)(

)
)

)(
)(
)(
)(

, ser:

)(
)(

)
)

(
(

)(
)(

)(
)(

)(
)(

)
)

)
)

Luego, resolviendo tenemos:


( )

b) Solucin:
Como:

( )

( )

)
(

Aprox. E interpolacin de un polinomio de newton.


)( )

( )

)( )

)( )

)( )

(
!

Donde:
(

)(

)(

)(

)(

)(

)(

)(

)(

)(

)(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

)
Pg. 40

UNMSM

MTODOS NUMRICOS

)( ) |

)(

)( ) |

(
(

)(
)(

)(
)(

)(

)(
)

)(

)(

Ejemplo: 2
Aproximar la siguiente tabla a un polinomio de newton

( )

1.1

1.04 =

1.2

1.08=

1.3

1.11=

0.04
-0.02
0.03

0.02
-0.01

0.04
1.4

1.15=

Donde: h=1.4-1.3=0.1
)(

(
)(

(
(
( )

)(

)(
)

( )(

)(
)(

)
( )(

)(
( )(

)
)

)(
( )(

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 41

UNMSM

MTODOS NUMRICOS

PROBLEMAS RESUELTOS
(Mtodo de Newton Raphson)

F(x)=

[0,1]

Cuantas cifras significativas exactas tiene la solucin en la 2da iteracin.


Solucin:
F(x)=
F(x)=
F(x)=

1ro Analizar el pto inicial x optimo / x [0,1]


Para x :
F(x).F(x)<0 ->x no es valido.
Para x =1:
F(1).F(1)>0 ->x =1 es valido para iterar.
-> |
n=0

( )

( )

|=0.47 = 0.5 < 1 -> {xn} ->

( )

Xn+=Xn-

( n)
(

=> Xn+1 = Xn
n)

n
( n

Con X=1
X = X

X=0.683939
n=
1

1ra Iteracin.

X = X

X=0.5774544772
2da Iteracin.
n=
2
X = X (
)
|X - X|=0.01=0.01*
n=1 -> X = con 1 cifra significativa.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 42

UNMSM
2

MTODOS NUMRICOS

(Mtodo del Punto fijo)

Resolver por el mtodo por el punto fijo con 1 cifra decimal exacta.
Solucin:
{} X -1 =0 (1)

X= (2)de (1)
Remplazando en (2)
F (y)=
Y
0
1
2

F (y)
F (0).F(1)<0 ->
+
[0,1]
+

Y
0
0.5
0.6
1

F (y)
F (0.5).F(0.6)<0 -> ,
1er intervalo para F(y)=
+

-(*)

Segn (*)
Sea Y=0.5 -> X=
Se tiene el punto inicial X=1.6 y Y=1.5 muy cercano a la raiz.
X= 2
Y= LnX

-> f
-> g

fx=0

fy=

gx=

gy=0

fx(1.6;1.5)=0
fy(1.6;1.5)=0.5773502642
gx(1.6;1.5)=0.625 gy(1.6;1.5)=0
|fx(1.6;1.5)+fy(1.6;1.5)|=0.57785026 < 1
|gx(1.6;1.5)+gy(1.6;1.5)|=0.625 < 1
->{Xn} ->
{Yn} ->
Mediante la Sgte. Relacin.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 43

UNMSM
Xn+=2
Yn+ =Ln(Xn)

MTODOS NUMRICOS
n=0, 1, 2
n=0, 1, 2

Dejar de iterar
|Xn+-Xn| 0.5*
Iterando como punto inicial *X,Y+=*1.6;1.5
n=0 X=2
=1.732050
Y=0.4700036292
n=1

n=2

X=1.765328965
Y=0.5493061446
X=1.671242364
Y=0.5683370555

n=3
X=1.645591676
Y=0.5135672804
n=
4

n=5

X=1.716098655
Y=0.49810001
X=1.734239187
Y=0.5400534907

|X-X|=0.018 = 0.02 = 0.2*


0.5*
|Y-Y|=0.04 = 0.4*
0.5*
->-> X= y Y= son raices con una cifra significativa.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 44

UNMSM
3

MTODOS NUMRICOS

(Mtodo del Punto fijo)

Por el mtodo de N-R, resolver el sistema:


{} X -1 =0 (1)

a)
(2) Localizar el intervalo donde existe la raz
b) Verificar su condicin de convergencia
c) Hallar una solucin con 4 cifras decimales exactas.
Solucin:

a) Y=Lnx de (1)
Remplazando en (2)
-> F(x)=
Utilizando el T.B. localizamos el intervalo donde existe la raiz.
x
1
2

F(x)
+

F (1).F(2)<0 ->

[1,2]

x F(x)
1.6
F(1.6).F(1.7)<0 ->
[1.6,1.7]
1.7
+
Sea X=1.6 ; Y?
De (1) -> Y=Lnx = Ln(1.6)=0.47 -> Y=0.47
Entonces:
{ X 1.6
Y 0.47

Pto ms cercano de la raz.

b) Sea
F(x,y)=X
G(x,y)=

-1

Fx(x,y)=
Fy(x,y)=-X.
Gx(x,y)=2X
Gy(x,y)=8y
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 45

UNMSM

MTODOS NUMRICOS

Fx(x,y)
Gx(x,y)

J(x,y)=|


|=| 2x

Fy(x,y)
Gy(x,y)

X.
8y

= 5.550020142 0
Y como (X Y ) es muy cercano:
->-> {xn} -> y -> {yn} ->
c) Dejamos de iterar si:
|Xn-Xn+| 0.5*
=0.5*
|Yn-Yn+| 0.5*
=0.5*
Ahora:
| F
G
8Y [X

Fy |=| X
Gy

-1]+ X.

| Fx
Gx

-1 -X.

8y

F |=|
G

-X.

|=

]-2x [-X.

Veamos que la formula de recurrencia asi:


Xn+=Xn -

n,

n=0, 1, 2,..
Yn+=Yn -

, n

n=0, 1, 2,
Siendo P inicial: (1.6;0.47)=(X;Y)

n=0
X=1.6

Y=0.47-

=1.700250715
)

= 0.53265975

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 46

UNMSM

MTODOS NUMRICOS

n=1
X=1.700250715
(

=1.697250462

Y=0.53265975(

n=2

= 0.52900931

X=1.697250462

=1.6972239658

Y=0.53265975(

= 0.5290032

Luego
|X - X|= 0.000026=0.00003=0.3*
0.5*
->
con 4 cifras significativas decimales exactas.
|Y - Y|= 0.0000061=0.00001=0.1*
0.5*
->
con 4 cifras significativas decimales exactas.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 47

UNMSM

MTODOS NUMRICOS

METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES

La factorizacin matricial consiste en expresar una matriz cuadrada en el producto de


otras dos matrices.
FACTORIZACIN MATRICIAL LU
(Mtodo de Crout Doolitle)

Consiste en factorizar una matriz cuadrada A en un producto LU. Esto es:

Donde:
A: es la matriz a factorizar
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales
a 1. Se llama L porque viene de la palabra inglesa low, que significa bajo.
U : es una matriz triangular superior, cuyos elementos se hallan por el mtodo de la
eliminacin gaussiana. Se llama U porque viene de la palabra inglesa up, que significa
arriba.

NOTAS:
. Este tipo y todos los tipos de factorizacin matricial se basan en el mtodo de
eliminacin gaussiana.
. Aunque no todas las matrices admiten este tipo de representacin, muchas de las que
aparecen frecuentemente en las aplicaciones de las tcnicas numricas s la tienen.
. La factorizacin LU es especialmente til cuando hay que resolver varios sistemas
lineales con la misma matriz de coeficientes A, puesto que el proceso de las
operaciones se realiza solamente una vez.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 48

UNMSM

MTODOS NUMRICOS

. Desde un punto de vista prctico, esta factorizacin slo ser til cuando los
intercambios de filas no sean necesarios para controlar los errores que aparecen por
utilizar aritmtica con un nmero finito de cifras.
. Tambin se podra decir que la factorizacin LU solamente es aplicable cuando los
determinantes de las submatrices de A son todos distintos de cero.
Ejemplo
0
Sea la matriz

0
0 +=(

+ =(

El sistema tiene nueve ecuaciones con doce incgnitas, entonces existen infinitas
soluciones. Para que tenga solucin debemos fijar tres variables libres, puede ser lii=1 o
uii=1
Sea

uii=1 u11= u22= u33=1,


0
(

0
0 +(

+=(
L

Resolviendo la ecuacin matricial se tiene los siguientes resultados:

l11=2,

l21=4,

l31=1

u12=0, l22=3, l32=2


u13=

u23=2, l33=

+=(
L

0 -1
4+(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 49

UNMSM

MTODOS NUMRICOS

Observacin.- El mtodo Crout Doolitle sirve para resolver un sistema de ecuaciones


usando la factorizacin L U mediante las siguientes igualdades:

A.x = B

L.y = B

L.U.x = B

U.x = y

PRIMER METODO DIRECTO:

MTODO CROUT-DOOLITLE.
Para un sistema lineal de la forma:

Donde A se factoriza de la forma:

L: Matriz Triangular Inferior


U: Matriz Triangular Superior
Sea:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 50

UNMSM

MTODOS NUMRICOS

Ejemplo:
Sea la matriz
(

+( +

( +

Para

)( +

( +

Para

)( +

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 51

UNMSM

MTODOS NUMRICOS

SEGUNDO METODO DIRECTO

METODO DE CHOLESKY
Tambin para resolver el sistema Ax = b para aplicar cholesky se debe cumplir lo siguiente:
Simetrico

1 que XtAX>0 /

A definida Positiva

| Xt = (X1 X2 X3)

X=|

2 cada sub determinante sea positiva es decir: A33

1 versin de cholesky
Ejemplo: 1
Aplicar cholesky al sistema siguiente:

|| |

| |

A es simtrico
A es definida positiva?
Se debe de cumplir que XtAX>0

-|

|| |

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 52

UNMSM

MTODOS NUMRICOS

Se puede aplicar cholesky

Ax = b
L*LtX = b
Y=
t
LX

A = L*Lt

L*Y = b
Lt*X = Y

||

l11=2
l21 =
l31 = 1

l22 =

l32 =
l33 =

L*L =

|
|

||
||

|
|

Ax = b

L*L X = b

Lt*X = Y
L*Y = b

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 53

UNMSM
Para

MTODOS NUMRICOS

L*Y = b

|
|

||
|

| |

Y1 =
Y2 =

Y3 = 4*

Para

Lt*X = Y

|
|

||
|

|
|

X1 = 28/27

|
|

X2 = 35/27

X3 = -16/27

Ejemplo: 2

(Mtodos de Cholesky para hallar el sistema Ax=B)


Resolver el siguiente sistemas por Cholesky.
4 2 0
x1
2



2 5 2 x2 = 3
0 2 6
x
5

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 54

UNMSM

MTODOS NUMRICOS
Solucin:

A = At , entonces A es simtrica.
x t Ax > 0 , luego A es definida positiva.
Factorizamos la matriz A = LLT
4 2 0 l11 0 0 l11 l21 l31

A = 2 5 2 = l21 l22 0 0 l22 l32


0 2 6 l

31 l32 l33 0 0 u33

Para la 1ra columna tenemos:

l112 = 4 l11 = 2
l 21l11 = 2 l 21 = 1
l31l11 = 0 l31 = 0

Para la 2da columna tenemos:

l11l 21 = 2
2
2
l 21
l 22
= 5 l 22 = 2

l31l 21 l32 l 22 = 2 l32 = 1

Para la 3ra columna tenemos:

l11l31 = 0
l 21l31 l 22 l32 = 2
l312 l322 l332 = 6 l33 = 2

2 0 0
2 1 0

L = 1 2 0 , L = 0 2 1
0 1 2
0 0 2

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 55

UNMSM

MTODOS NUMRICOS

Del sistema Ax = b LLt x = b , luego Ly = b y Lt x = y


Para Ly = b
2 0 0 y1 2
1



1 2 0 y2 = 3 y = 1
0 1 2 y 5
2

Para Lt x = y

1

2 1 0 x1 1


2
0 2 1 x2 = 1 x = 0
0 0 2 x 2
1

2. Segunda versin de cholesky

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 56

UNMSM

MTODOS NUMRICOS

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 57

UNMSM

MTODOS NUMRICOS

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 58

UNMSM

MTODOS NUMRICOS

TERCER METODO DIRECTO:

MTODO TRIDIAGONAL PARA SISTEMAS DE ECUACIONES


LINEALES.

Sea el sistema de ecuaciones de la forma:

+( +

. (1)

. (2)

. (3)

. (n-1)
. (n)

ALGORITMO TRIDIAGONAL:
P-1:

Del sistema

P-2:

Sea

, expresarlo como

* +

, C es constante arbitraria /

De la Ec. (1) despejar


De la Ec. (2) despejar
De la Ec. (3) despejar
.
De la Ec. (n-1) despejar
De la Ec. (n) despejar
Pero como no existe

se hace lo siguiente:


Tal que:
Se tiene

(
(

donde R: vector residual


)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 59

UNMSM

Si
Si

MTODOS NUMRICOS

es solucin de
es solucin de

P-3:
Del sistema
llegando a lo siguiente:

Tal que:

Se tiene

Si
Si

y sea

, se procede como P-2,

donde S: vector residual


)
es solucin de
es solucin de

.. ( )
.. ( )

Se tiene:
()

expresarlo como

( )

)
0

Se busca una relacin:


(

Tal que:

Ejemplo:
Resolver:

2
2

Del sistema

(1)

Sea

* +

... (2)

(3)
(4)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 60

UNMSM

De (1):

De (2):
De (3):

MTODOS NUMRICOS

De la ec. (4) despejo , pero como no existe

(
(

Del sistema
Sea

, luego se procede como P-2

,
,

, en
en
en

Observacin: Si
(

cambiar el valor inicial de


)

Se busca una solucin


Tal que:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 61

UNMSM

MTODOS NUMRICOS

Verificando:

2
)

2(

Ejemplo 2
(Solucin de sistemas lineales en Tribanda)
Sea

en Tribanda.

( )
( )
( )
( )
Algoritmo del sistema Tridiagonal
Solucin:

Del sistema
( )

( )

( )

( )

Sea

, C vector arbitrario talque

* +

Entonces:

De (1) despejo :
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 62

UNMSM

( )

MTODOS NUMRICOS

De (2) despejo :
( )

De (3) despejo :
( )

De (4) despejar ; pero :


( )

Y se tiene que:
(
(

es un vector nulo.

( )

( )

( )

Ahora expresarlo como


( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 63

UNMSM

MTODOS NUMRICOS
* +

Sea

De (1) despejar :
( )

De (2) despejar :
( )

De (3) despejar :
( )

De (4) despejar , pero entonces:


( )

Entonces:

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 64

UNMSM

MTODOS NUMRICOS

Comprobacin:

-46+24+13
-22+13=-9

CUARTO METODO DIRECTO

MTODO PENTADIAGONAL PARA


SISTEMAS DE ECUACIONES LINEALES.

Ec (1)
Ec (2)

+
(

Ec (n)

) (
x

Algoritmo Pentadiagonal

P-1 Dado el sistema Ax=b , expresarlo en la forma A =b y definir =C

=D

Donde C D son constantes arbitrarias.

P-2 De Ec (1) despejar

De Ec (2) despejar
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 65

UNMSM

MTODOS NUMRICOS

De Ec (n-2) despejar
De Ec (n-1) despejar
De Ec (n) despejar
Como no existe se hace lo siguiente :

Como no existe se hace lo siguiente :

Donde

Si

* es un vector residual.
( ) es solucin del sistema A.x = b

Si

P-3 : La primera solucin homognea del sistema A.x = b se debe expresar como

; luego definir

en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso
anterior (P-2) llegando a la siguiente solucin

Si

en donde

. / es un vector residual.

( ) es solucin del sistema A.x = b

Si

P-4 : La segunda solucin homognea del sistema A.x = b se debe expresar como

; luego definir

en la cual se

considera C y D como constantes arbitrarias, finalmente se procede similar al paso P-2


llegando a la siguiente solucin.
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 66

UNMSM

MTODOS NUMRICOS

en donde

( * es un vector residual.

(


) es solucin del sistema A.x = b

Si

Si

P-5

: Finalmente se llegar al siguiente sistema


( )
( )
( )

Luego hacemos (1) ( )

A(

( )

( ))

( ) y se llega a lo siguiente

Se busca luego una solucin en donde R

= /

Entonces la solucin del sistema A.x = b estar dado por

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 67

UNMSM

MTODOS NUMRICOS

Ejemplo
Resolver el siguiente sistema pentadiagonal

2 +3 +
3 +2

= 8 Ec(1)

+4

+4

= 15 Ec(2)

+4

+4

+2

+2

= 13 Ec(2)

= 19 EC(4)

+7

= 15 EC(5)

PASO DEL ALGORITMO

P-1: Expresar el sistema como A. = b


2

+3

+2

+4

+4

+4

+2

= 13 Ec(3)

+4

+2

= 19 Ec(4)

+7

= 15 Ec(5)

2
Sea

= 8 Ec(1)
= 15 Ec(2)

=0

=1

cte arbitrario

P-2:
DE Ec(1) despejar

=5
pues 0 + 3(1) +

DE Ec(2) despejar

=8

= 7
pues 0 + 2(1) +4(8) +

DE Ec(3) despejar

= 15

= 16

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 68

UNMSM

MTODOS NUMRICOS
pues 0 + 4(1) + 5 + 4( 7) + 2

DE Ec(4) despejar
+4

+2

; como

De la Ec(5) despejar

; como

= 45
hacemos

+ 7 = 15 +

2(5) + ( 7) +7(16) = 15 +

R=

, hacemos lo sgte. :

= 19 +

1 + 4(5) + 2( 7) + 16 = 19 +

2 +

= 13

( ) , como R

= 100

; A.

=b+R

Se tiene:

=
(

=(

P-3:
Primera solucin homognea del sistema A.x = b, expresarlo
Como A. =
2+ 3+

= 0 Ec(1)

3+ 2+ 4+

= 0 Ec(2)

+ 4+ + 4+ 2

= 0 Ec(3)

+ 4+ 2+

= 0 Ec(4)

2+ + 7

= 0 Ec(5)

Sea = 10

= 20

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 69

UNMSM

MTODOS NUMRICOS

De Ec(1) despejar ;

= 80

pues 2(10) + 3(29) + = 0

De Ec(2) despejar ;

= 250
(

pues 3(10) +2(20) + 4( 8) + = 0


De Ec(3) despejar ;

pues 10 + 4(20) + ( 80) + 4(250) + 2 =0


De Ec(3) despejar ; como hacemos
+ 4+ 2+ = 0 +

20 + 4( 80) + 2(250) + ( 505) = 0 +

= 1445

De Ec(5) despejar ; como hacemos


2+ + 7= 0 +
S=

)
2(

)+ (250) + 7(

)= 0 +

=0

P-4: Segunda solucin homognea del sistema A.x = b


expresar A. = 0
+ 3
+

= 0 Ec(1)

+ 2
+ 4
+

= 0 Ec(2)

+ 4
+
+4
+ 2
= 0

Ec(3)

+ 4
+2
+
= 0

Ec(4)

+
+ 7
= 0
2

Ec(5)

= 20
Sea

= 10

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 70

UNMSM

MTODOS NUMRICOS

;
De Ec(1) despejar

pues 2(20) + 3(10) + = 0

De Ec(2) despejar

+ 2
+ 4
+
= 0
3

) + = 0

3(20) + 2(10) + 4(

De Ec(3) despejar

= 395

+ 4
+
+ 4
+ 2
= 0

20 + 4(10) + (

= 0
)+ 4(200) + 2

como
, hacemos
De Ec(4) despejar

+ 4
+2
+
= 0 +

10 + 4(

= 1925

) 2(200) + 395 = 0 +

; como
De Ec(5) despejar
+
+7
= 0 +
2

T = . /= (

);

)
(

A.

= +T

P-5: Y se llega a lo siguiente


A. = b + R
A. = 0 + S
A. = 0 + T
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 71

UNMSM

MTODOS NUMRICOS

=0

R= .

/+

=R

1445 + 1925
2705

S=.

/= .

T=.

= 100

/
/

= 0.025992507

= 0.003865364

X=

X=

+ 0.025992507

+ 0.003865364
(

X=
)

Comprobacin :

Ec(1)

2 +3 +

=8

0.6744647 + 4.67551134 + 2.65002396 = 8


8
Y tambien cumple tod

Cumple!!!

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 72

UNMSM

MTODOS NUMRICOS

NORMA DE UNA MATRIZ


La Norma de una matriz

es un nmero real tal que satisface las siguientes condiciones

()


()
||

()
()
Principales Normas

-Norma m o Norma ""


-Norma l,

-Norma k,

| |

| |

| |

Ejemplo 1:

Sea

*|

*|

Para el vector X =

|
|

+
+

* +

| |

| |

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 73

UNMSM

MTODOS NUMRICOS

| |

| |

| |

Ejemplo 2:
Sea X = (

)
*|

|
)

|+

|
(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 74

UNMSM

MTODOS NUMRICOS

SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES


LINEALES
PRIMER METODO:

METODO DE JACOBI
Dado el sistema AX=b (1)
Despejamos X de la ecuacin 1 obteniendo un sistema equivalente de la forma: X = + X (2)
De la siguiente manera.

Ec.(1) a11X1+a12X2+ .. +a1mXm = b1


Ec.(1) a21X1+a22X2+ .. +a2mXm = b2
Ec.(1) a31X1+a32X2+ .. +a3mXm = b3
.
.
.
Ec.(1) am1X1+am2X2+ ..
+ammXm = b1

Donde:

A=

Despejamos X; de la Ec. (i);

b = | | y si aii

0
X =| |

i=1,2,3, . , m

X = + i-1X

X1 =

X2 =

. (2)

.
.
.
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 75

UNMSM

MTODOS NUMRICOS

Donde:

= (1,2, ,m)t

= bi/aii ; aii 0 ;

= ij = -aij/aii

El sistema (2) anterior se puede expresar en la siguiente forma X = + X

+ |

| (2)

El Sistema (2) sugiere Jacobi la siguiente relacin de recurrencia

X (k+1) = + X (k), k=0, 1, 2,

.. (3)

X (k) = + X (k-1),

k=1 , 2,

De la relacin (3) se obtiene la sucesin {Xk} k=0 tomando como valor inicial X (0) arbitrario, que
generalmente X (0)=0 X (0)= =1
Obs.

X (k+1) = (X1(k+1),X2(k+1), , Xm(k+1))t


X (0) = (X1(0), X2(0), , Xm (0)) t

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 76

UNMSM

MTODOS NUMRICOS

ALGORITMO DE JACOBI:
P-1

Dado el Sistema Ax = b (1)


Expresarlo en el sistema equivalente X = + x (2)

P-2
Tomando como solucin inicial X (0) arbitrario generar la sucesin {X (k)} X (*) mediante la
relacin de recurrencia:
X (k+1) = + x (k)

k=0, 1, 2, ..

X (k) = + X (k-1)
P-3

k=1,2,

Dejar de iterar si

(|| X (k) X (k-1) ||)/ || X (k) || <= = 10-m


C.C. ir al P-2

NOTACION MATRICIAL DEL METODO DE JACOBI


Sea el sistema Ax = b
Donde:

A=

La matriz A se le puede descomponer en la forma A = D +L + U, donde

Matriz Diagonal

( - )

Matriz Triangular inferior

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Matriz Triangular superior

Pg. 77

UNMSM

MTODOS NUMRICOS

As el sistema Ax = b se le puede expresar como:


(D + L + U)X = b
DX + (L + U) X = b
DX = b (L + U) X
X = D-1b D-1(L + U) X
X = D-1b + [-D-1(L + U)] X

= D-1b

Si el mtodo de Jacobi es

X = + X

= -D-1(L + U)

Matricialmente es: X = D-1b D-1(L + U) X


Su relacin de recurrencia es

X (k+1)= D-1b D-1 (L + U) X (k)

k=0, 1, 2

Ejemplo. 1
Sea el sistema siguiente:

Con un = 10-1

Verificar su convergencia
{X (k)} X (+) Si || | | < 1

Obs. Para que se cumpla || | | < 1 es necesario que del sistema Ax = b, A sea diagonalmente
dominante.
De

(1) X1: X1 = 12/10

(-1/10) X2-(1/10)X3

(2) X2: X2 = 12/10 (1/10)X1

(-1/10)X3

(3) X3: X3 = 12/10 (1/10)X1 (1/10)X2

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 78

UNMSM

MTODOS NUMRICOS

|| | | = || | |m = Max {0 + |-0.1| + |-0.1|, |-0.1| + 0 + |-0.1|, |-0.1| + |-0.1| + 0}


= Max {0.2, 0.2, 0.2} || | | = 0.2 <= 1 {X (k)} X (+)

POR EL MTODO DE JACOBI


Obs. Se toma como valor inicial X(0) arbitrario

X (0) = 0
X (0) =
X (0) = 1

X (0)
K=0

Iteracin Inicial:

X (k+1) = + X (k)
X (1) = + X (0)

y sea X(0) = = ( X(0)1 X(0)2 X(0)3 )t

Donde

(1)

( )
( )|
( )

=|

] |

Donde

X1(1) = 1.2 + (0 -0.1-0.1)(

X2(1) = 1.2 + ( -0.1 0 -0.1)(

K=1

)(

)(

1 Iteracin:

X (2) = + X (1)

(2)

=|

( )
( )|
( )

] |

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 79

UNMSM

MTODOS NUMRICOS

Donde:

X2(2) = 1.2 + (0 -0.1 -0.1)(

K=2

+ = 1.008

2 iteracin:

X (3) = + X(2)
( )
( )

X (3)= |

] |

( )

Donde:

X (3) = 1.2 + (0 -0.1 -0.1)(

+ = 0.9984

Veremos si ya se consigui la solucin:

||

( )

||

( )

||

{|

( ) ||

{|

|}
{|

|}

|}

10-1 =

X (3) = X (*) con =10-1

Ejemplo 2:

Sea el siguiente sistema


Ec (1) 20x1
+ 5x3 =2
Ec (2) x1 + 20x2 + 2x3 = 4
Ec (3) x1 + 9x2 + 20x3 = 6

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 80

UNMSM

MTODOS NUMRICOS

Por Jacobi verificar su convergencia

CONVERGENCIA DE JACOBI
{

( )

} X*

Si |||| <

.. (i)

Observacin
Para que se cumpla (i)
Es necesario que A del sistema original Ax = b sea diagonalmente dominante, es decir
aii > |aij| de su fila y de su columna
As: a11 = 20 > = 0 + 5 de su fila
a11 = 20 > = 1 +1 de su columna
a22 = 20 > = 1 + 2 de su fila
a22 = 20 > = 0 + 9 de su columna
Igual para a33
x1 =

+0+0-

x2 =

+0-

x3 =

+0

. . .
x = +

|
|

| = |
|

|| ||

mx.{ 0 + 0 + |

|| ||

mx.{0.25, 0.15, 0.5 }

|| ||

0.5 <

|,|

|+0+|

|,|

|+|

|+0}

} X* por jacobi

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 81

UNMSM

MTODOS NUMRICOS

Por jacobi obtener una solucin con


Si la relacin de jacobi es

=+

,k

0, 1,2

Para k = 0
Interaccin inicial
=+

Observacin

Sea

es arbitraria

..

.
+

Para k = 1
Primera iteracin

Donde
= 0.1 +

= 0.1 + (0)(0.1) + (0)(0.2) + (-0.25)(0.3) = 0.025\


= 0.2 +

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 82

UNMSM

MTODOS NUMRICOS

= 0.2 + (-0.05)(0.1) + (0)(0.2) + (-0.1)(0.3) = 0.165


= 0.205

Para k = 2
Segunda iteracin

..

....

k =3
+

Tercera iteracin

..

....

Verificamos si se llego a la solucin

=
=

= 0.03289625 < =

* con <

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 83

UNMSM

MTODOS NUMRICOS

SOLUCION MATRICIAL DE JACOBI

Del sistema Ax = b
Sea A = D + L + U

=
b + [k = 0, 1, 2

( D + L + U )x = b
Dx + ( L + U)x = b
Dx = b + [-( L + U)x]
x=

b + [

x=

la relacin matricial de jacobi


( L + U )]

Observacin
=( L + U ) es igual al despejar
xi de la ecuacin (i), i = 1, 2, 3

( L + U )]x

..
+

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 84

UNMSM

MTODOS NUMRICOS

SEGUNDO METODO:

METODO DE GAUSS- SEIDEL

Tambin determina la solucin del sistema


De la relacin matricial del sistema
(

iterativamente.
:

)
(

( )

De ( ) se obtiene la relacin matricial de G-S , siguiente:


(

( ) (

( ) ()

Observacin:
*Si

)
{

*La relacin ( ) se puede obtener al igual que Jacobi del sistema


despejar la variable , para obtener la Matriz .

, de la ecuacin

Algoritmo del mtodo de Gauss-Seidel:


Paso1: Dado el sistema

obtener su sistema
( )

Paso 2: Para un punto inicial arbitrario


siguiente relacin:
(

Paso 3: Dejar de iterar si

(
( )

(
( )

)
)

generar la sucesin {
)

( )

( )

( )

mediante la

; caso contrario ir al paso 2.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 85

UNMSM

MTODOS NUMRICOS

Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:

( )

Ejercicios resueltos:
1) Dados:

( )

+,

( +

Resuelva el sistema Ax = b por el mtodo de Gauss-Seidel.

Solucin:
Utilizando Gauss-Seidel:
(

( )

( )

Operando obtenemos la secuencia:


( )

( )

( )

( )

Claramente converge a la solucin exacta (

( )

( )

) .

La tasa de convergencia del mtodo de Gauss-Seidel viene dada por la norma de:
(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

+
Pg. 86

UNMSM

MTODOS NUMRICOS

Cuyas normas son: = 227/500 = 0.454 y = 2/5 = 0.4.

2) Considere el siguiente sistema de ecuaciones:


(

( +

Puede resolver este sistema por el mtodo de Gauss-Seidel? Por qu? Si lo puede hacer,
haga solo dos iteraciones a partir de la solucin nula y determine la tasa numrica de
convergencia. Adems calcula la tasa exacta de convergencia. Cuntas iteraciones
necesitar para alcanzar un error absoluto de
.

Solucin:
El mtodo de Gauss-Seidel es aplicable porque por que la matriz es simtrica definida
positiva. Dos iteraciones conducen a:
( )
( )
( )

(
(

)
)

Y la tasa de convergencia numrica la podemos calcular como (en norma infinito)


( )

( )

Que se parece poco a la tasa de convergencia exacta:


((

NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
(

( )

Para alcanzar (en norma infinito) un error absoluto menor que


iteraciones.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

se requieren 13

Pg. 87

UNMSM

MTODOS NUMRICOS

Ejemplo 1
Sea el sistema:

Por el mtodo de Gauss-Seidel


Analizar su divergencia
Hallar su solucin con

Solucin:

Analizar su divergencia
[

Luego:
(L

][

{X (k)}

+
X*

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 88

UNMSM

MTODOS NUMRICOS

Hallar su solucin con

De

][ ]

L-[

( )

( )
( )

( )

Sea

[ ]

( )

( )

L-[

( )

( )

( )

( )

( )

( )

( )

( )

][ ]

( )

( )
( )

( )

( )
( )
( )
( )

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 89

UNMSM

MTODOS NUMRICOS

: 1era Iteracin
( )

L-[

( )

( )

( )

( )

( )

( )

( )

( )

][

( )

( )
( )

( )
( )
( )

( )

( )

: 2da Iteracin

( )

L-[

( )

( )

( )
( )

( )

( )

( )

( )

( )

][

( )

( )
( )

( )

( )
( )
( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 90

UNMSM

MTODOS NUMRICOS

: 3era Iteracin
( )

L-[

( )

( )

( )
( )

( )

( )

( )

( )

][

( )

( )
( )
( )

( )

( )

( )

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 91

UNMSM

MTODOS NUMRICOS

Ejemplo 2
Sea el sistema:

Por el mtodo de Gauss-Seidel


Analizar su divergencia
Hallar su solucin con
Solucin:
Analizar su divergencia
[

Luego:
(

][

][ ]

{X (k)}

X*

Hallar su solucin con

De

-[

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 92

UNMSM

MTODOS NUMRICOS

( )

Sea

( )

( )

[ ]

( )
( )

( )

-[

( )

( )

( )

( )

( )

( )

( )

][ ]

( )

( )

( )

( )

( )

( )

: 1era Iteracin
( )

( )

-[

( )

( )
( )

( )
( )

( )

( )

][

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 93

UNMSM

MTODOS NUMRICOS

( )

( )

( )

( )

: 2da Iteracin
( )

-[

( )

( )

( )
( )

( )

( )

( )

( )

][

( )

( )

( )

( )

( )

( )

( )

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 94

UNMSM

MTODOS NUMRICOS

Ejemplo 3
Sea el sistema:

Por el mtodo de Gauss-Seidel


Analizar su divergencia
Hallar su solucin con
Solucin:
Analizar su divergencia
[

Luego:
(

][


*
{X (k)}

+
X*

Hallar su solucin con

][ ]

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 95

UNMSM
De

MTODOS NUMRICOS

-[

( )

( )

( )
( )

( )

Sea

[ ]

( )

( )

-[

( )

( )

( )

( )

( )

( )

( )

][ ]

( )

( )
( )

( )

( )

( )

( )
( )

( )

( )

: 1era Iteracin
( )

-[

( )

( )

( )
( )

( )
( )

( )

( )

][

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 96

UNMSM

MTODOS NUMRICOS

( )
( )

( )

( )
( )

( )

( )

: 2da Iteracin
( )

-[

( )

( )
( )

( )

( )

( )

( )

( )

( )

][

( )

( )
( )

( )

( )
( )
( )

( )

: 3era Iteracin
( )

-[

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 97

UNMSM

MTODOS NUMRICOS
( )
( )

( )

( )

( )

( )
( )

][

( )
( )
( )

( )

( )

( )

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 98

UNMSM

MTODOS NUMRICOS

DIFERENCIA NUMERICA

Aproximaciones a la Derivada

Generacin de Formulas de Diferenciacin Numrica

Primera y Segunda Derivada Aplicando los Mtodos de Newton Progresivo y


Regresivo y Mtodos Centrales.

Diferenciacin numrica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:
(X0, f0), (X1, f1), (Xn, fn) continua y diferenciable en [X0, Xn]. El problema de la
Diferenciacin Numrica es que dado un valor Xp [X0, Xn] se desea hallar el valor
( )
, donde:
P

tal que

( )

P
(

)
(

P )

( )
Frmula de Newton Progresivo (N P):
Si

Xp = X0 en (i) P = 0
frmula de NP es:
P(P

)
!

)(P

P(P

P(P

)(P

)(P

Segn (ii)
0

(P

P)
!

(P

P)
!

(P

P
!

P)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 99

UNMSM
( P

MTODOS NUMRICOS

( P

( P

1( )

Si XP=X0 en (i) P=0 en (iii)

DIFERENCIACION DE ORDEN SUPERIOR


(

Se desea hallar
(

) en forma aproximada

. Adems P
( (

))

Si se sabe

En general se tiene

Para Newton Progresivo - hacia adelante


(P

Si XP=X0 P=0

. /

Formula de Newton Regresivo (NR). Su formula de interpolacin es:


P(P

)(P
!

P(P

)(P

P(P

)(P

Segn (ii)
,
,

(P

P)
!

(P

( P

( P
!

P)

(P

P
!

!
P
!

( P

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

P)
)

Pg. 100

UNMSM

MTODOS NUMRICOS

Si XP=0 P=0
1

Nota: Para determinar la 1ra derivada se debe tomar una diferencia ms que la que indica la
T O T en el caso de interpolacin.
DIFERENCIACION DE ORDEN SUPERIOR

(P

. /

PARA NEWTON REGRESIVO

/
1

Ejemplo: En la siguiente tabla determinar (a)


X
0.00
0.05
0.10
0.15
0.20
0.25

f(X)
1.0000
1.0513
1.1052
1.1618
1.2214
1.2840

y (b)

) por NP

513
539
566
596
626

26
27
30
30

3
1
3
0

Solucin(a):
0

1
1

Solucin (b)

es una derivada que esta al principio de la tabla se emplea la formula de Newton


Progresivo, como XP=0.055 es un punto intermedio XP *0.05,0.10+, X0=0.05. Se halla
su valor de P de:P
.
(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 101

UNMSM

MTODOS NUMRICOS

H=0.05 P
f0
X0
0.05 1.0513

( P

f0
539
)
!

( P

2f0
27
P
!

)(

3f0
3

1
0

1(

)1

Ejemplo de la Frmula Newton Regresivo


Hallar(a) (

) y (b) (

Solucin (a)
Para P=0 y |

se utiliza

porque X0=0.25 en la tabla de NR

Solucion(b)
P

( P

P
)
!

( P

P
!

1(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

1(

)1

Pg. 102

UNMSM

MTODOS NUMRICOS

FRMULA DE DIFERENCIACIN DE BESSEL


(

)
)

P
P(P

P(P

)(P

Si XP es un punto tabulado XP=X0 P=0


(

FRMULA DE DIFERENCIACIN DE STIRLING


(
P

[ (

P
1

)(P

P(P

)
)

( !)
P (P

S
P

S
P

)(P

!
( P

En XP=X0 P=0
0

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 103

UNMSM

MTODOS NUMRICOS

Ejemplo 3: Hallar(a)

), (b)

Solucin(a)
(
)
( )
Como 0.10 [0.10, 0.15]
P

P
|

g
P

()

S
S

]( )
P

En la tabla se tiene:
(

)
(

Solucin (b)
(

P
|

()
P

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

()

Pg. 104

UNMSM
(

MTODOS NUMRICOS

,( )(

)(

)-

INTEGRACIN NUMERICA
Para intervalos Simples
Mtodo del trapecio

( )

( )

Donde

( )=

max * |

,
( )|

m *X0, X1]
|

( )|

Mtodo de Simpson de 1/3

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 105

UNMSM

MTODOS NUMRICOS

( )

Donde

*|

( )

m [X0, X1]

( )|

( )|

Mtodo de Simpson de 3/8

( )

( )

( )

*|

( )|

( )|

Ejemplo:

Por el trapecio Simple

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 106

UNMSM

MTODOS NUMRICOS

Solucin:

f(x)

X0=1

f0=0.841471

X0+h=X1=2

f1=1.818595

Obs: Los puntos Xi son dela forma Xi=X0+hi


Determinacin del
Si
( )
( )
( )

*|
*|

( )
( )

( )

( )|

( )|

| |

+
|+

Entonces

Solucin por el mtodo Simpson de 1/3 para intervalo simple


Sol:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 107

UNMSM

MTODOS NUMRICOS

f(x)

X0=1

f0=0.841471

X0+h=1.5

f1=1.496242

X0+2h=2

f2=1.818595

Determinacin del
Si

( )
( )

( )

*|

( )

( )|

( )|

( )

Entonces:

( )

Por Simpson 3/8 para intervalo Simple

Sol:

, es igual al ejemplo anterior


X

f(X)

X0=1

f0=0.841471

X1=4/3

f1=1.295917

X2=5/3

f2=1.659013

X3=2

f3=1.818595

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 108

UNMSM
*

( )

MTODOS NUMRICOS
+

( )

Integracin Numrica para intervalos compuestos

Mtodo del trapecio compuesto

m veces h

Demostracin:

( )

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 109

UNMSM

( )

MTODOS NUMRICOS
(

Entonces la suma todas las integrales seria:

( )

,(

Determinacin del

)-

del trapecio

)
( )

Mtodo de Simpson de 1/3 compuesta.

Demostracin:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 110

UNMSM

MTODOS NUMRICOS

Entonces la suma de todas las integrales seria:

,(

( )

Determinacin del

)-

de Simpson de 1/3 compuesta

( )
( )

( )

( )

Ejemplo:

Por trapecio compuesto con m=5


Sol:

f(X)

X0=1
X1=1.2
X2=1.4
X3=1.6
X4=1.8

f0
f1
f2
f3
f4

X5=2

f5

(
( )

( )

,(

Es igual al ejemplo
del trapecio simple
)
( )

)-

= 1.436070589 +

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 111

UNMSM

MTODOS NUMRICOS

Simpson de 1/3 compuesto con m=3

X
X0=1
X1=7/5
X2=8/6
X3=9/6
X4=10/6
X5=11/6
X6=2
(

f(X)
f0
f1
f2
f3
f4
f5
f6=fm
(

( )

,(

Es igual al ejemplo
de Simpson de 1/3

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

)-

2.493614005 +

Pg. 112

UNMSM

MTODOS NUMRICOS

EXTRAPOLACION DE RICHARDSON- (E.R)


Definicin ER: Consiste en que a partir de dos estimacin (o aproximaciones) de una integral, obtener
una tercera aproximacin (muchas veces la mejor).
Se tiene los siguientes casos:
Para intervalos simples:
ER entre la Regla del trapecio y la 1 formula abierta (Integracin abierta) ambas de precisin uno
porque ( )
Sea

( )

por dos mtodos anteriores se tiene:

Regla Trapecio (RT):

( )

( )

( )

( )
1 Regla Abierta de Newton Cotes:

( )

( )

( )
El valor de la integral I* (generalmente es el mejor).
Que se cumple:
( )
Tomando el cociente de errores
(
(

)
)

( )

( )

Supongamos que:
( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

( )

Pg. 113

UNMSM

MTODOS NUMRICOS

(2) en (1)

(3) en (1)

)
( )

E.R. entre la R. trapecio Simple y la primera formula abierta

FORMULA EXTRAPOLACION -(ER) ENTRE TRAPECIO SIMPLE


Y 1RA FORMULA ABIERTA.

Ejemplo:
Calcular (

( )

Aplicando: 4 es decir:

= 1 + 1(1)
=2

= 1 + 2(1)
=3
(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 114

UNMSM

MTODOS NUMRICOS

( )

f(X)
f1
( )( )

Aplicando (4)

x0

x1

x2

)
( )

E.R. ENTRE LAS FORMULAS DE SIMPSON DE 1/3 Y 3/8 SIMPLE

Se sabe que para Simpson de 1/3 para intervalo simple es:

( )

(
(

Y que para Simpson de 3/8 es:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 115

UNMSM

MTODOS NUMRICOS
(

( )

( )
Sea el siguiente cociente de errores:
(

Si

( )

(2) en (1):
(

)( )

(3) en (1):
(

(4)`

Formula De Extrapolacin entre


Simpson de 1/3 y Simpson de 3/8
para Intervalo Simple

Ejemplo:
Aplicando la frmula

para hallar:

Solucin:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 116

UNMSM

MTODOS NUMRICOS

( )
(

( )

()

X0+1h =

()
(

( )

( )

)}

(E.R) PARA EL TRAPECIO COMPUESTO

Sea:

( )
Para

aplicaciones de la Regla Del Trapecio Compuesto, anlogamente:

Para

aplicaciones de la Regla Del Trapecio Compuesto tomando el cociente de errores:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 117

UNMSM

MTODOS NUMRICOS
(

Si:

( )

(2) en (1):
. /
. /
. / ]

( )

(3) en (1):
Para

en (3). Se tiene:
.

( )
(4) en (1)
(

Extrapolacin de Richardson (E.R.)


para el Trapecio Compuesto para n1 y
n2.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 118

UNMSM

MTODOS NUMRICOS

Ejemplo 1:
)
) y despues cuatro
Calcular (
usando 1 dos aplicaciones (
) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
aplicaciones (
3 aproximacion (que es la mejor).

Solucin:

( )

Se tiene:
y
Para:

Como

()

1
2

1
9
2.5

Para:

( ))

Como

()

1
1.5
2.5
3

1
4
9
15
25

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 119

UNMSM

MTODOS NUMRICOS
.

(
.

)/
)/

Aplicando:

Ejemplo 2:
Evaluar

igual a la pregunta anterior.

Solucin:
Para:

()
1
2

1
1/2
1/3

( )

(
(

)
. /*

Para:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 120

UNMSM

MTODOS NUMRICOS

()
1
1.5

1
2/3
1/2
2.5
1/3

2.5
3

( )

. /

/*

. /

E.R. PARA LAS REGLAS DE SIMPSON DE 1/3 COMPUESTO

Sea

( )
,

Donde

Aplicando
donde:

Si
( )

son aproximaciones de
^

aplicaciones de la R. de Simpson de 1/3 compuesto y su cociente de errores,

. /

. /

)( )

( )

( )
. /

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 121

UNMSM

MTODOS NUMRICOS
. /

( )

Para:
en ( )

(
( )

) ( )

( )
(

Extrapolacin de Richardson (E.R.)


entre las reglas de Simpson de 1/3
compuesto para y
aplicaciones.

( )

Ejemplo (1):

Para :

X
X0=1
X1=2

f(X)
f0
f1

Para :

X
X0=1
X1=1.5
X2=2

f(X)
f0
f1
f2

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 122

UNMSM

MTODOS NUMRICOS
(

)(

Entonces:

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 123

UNMSM

MTODOS NUMRICOS

INTEGRACION DE ROMBERG
Es un mtodo que combina la convergencia de las reglas del Trapecio o Simpson con las tcnicas de
extrapolacin de Richardson para retener una sucesin que converge hacia el verdadero valor de la
integral.
Descripcin de la tcnica de integracin de Romberg
Vamos a introducir la

Trapecio Compuesto para


Para:

, la aproximacion de la integral

( )

utilizando la regla del

; se sugiere la siguiente tabla:

La integracin de Romberg da su respuesta en forma matricial:

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.
.

Se sugiere hallar

. .

con la siguiente formula.

()

Nos generamos las siguientes sucesiones

()

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 124

UNMSM

MTODOS NUMRICOS

( )

( ( )

( ))

Obs: Para las dems filas y columnas se sugiere hallar con la siguiente formula

De la segunda columna hacia adelante se calculara con la siguiente frmula:

i = 2, 3, 4,n
j = 2, 3, 4,n

Para la segunda columna se utilizara:

k = 2,3,

Para la tercera columna k=3 ser:

k = 3,4,

Para la cuarta columna k=4 ser:

k = 4,5,

Para la quinta columna k=5 ser:

k = 5,6,

Para la sexta columna k=6 ser:

k = 6,7,

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 125

UNMSM

MTODOS NUMRICOS

Ejercicio 1
Hallar

; con n=6 por Romberg

Solucin:
Tenemos de datos:
a=0
b=0.8
n=6
( )
Realizando la tabla
1

16

32

0.8

0.4

0.2

0.1

0.05

0.025

Hallamos la primera fila y columna

( )

( )

Cuando K = 1

[ ( )

, ( )

)-

)]

( )
( )
(

Calculando la primera columna y dems filas.


(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 126

UNMSM

MTODOS NUMRICOS

Cuando K = 2

)1

)1

)1

)1

)1

Cuando K = 3

Cuando K = 4

Cuando K = 5

Cuando K = 6

PARA LOS VALORES DE LA SEGUNDA COLUMNA:

Cuando K = 2

Cuando K = 3

Cuando K = 4

Cuando K = 5

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 127

UNMSM

MTODOS NUMRICOS

Cuando K = 6

PARA LOS VALORES DE LA TERCERA COLUMNA:

Cuando K = 3

Cuando K = 4

Cuando K = 5

Cuando K = 6

PARA LOS VALORES DE LA CUARTA COLUMNA:

Cuando K = 4

Cuando K = 5

Cuando K = 6

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 128

UNMSM

MTODOS NUMRICOS

PARA LOS VALORES DE LA QUINTA COLUMNA:

Cuando K = 5

Cuando K = 6

PARA LOS VALORES DE LA SEXTA COLUMNA:

Cuando K = 6

LA MATRIZ FINAL SER:

0.712173
0.594777

0.55545

0.564899

0.554939

0.554891

0.557395

0.554889

0.554889

0.554888

0.555517

0.554890

0.554890

0.554890

0.554890

0.555047

0.554890

0.554889

0.554889

0.554889

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

0.554889

Pg. 129

UNMSM

MTODOS NUMRICOS

SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES


ORDINARIAS CON VALOR INICIAL.
I) De un solo paso:
Dada la Ecuacin Diferencial Ordinaria:

( ) /

Con la condicin inicial:

( )

a) Mtodo de Euler:
Es de la forma:

( )

Observacin:
Euler es un caso particular de Taylor de orden 1.
Ejemplos resueltos:
1 forma de pregunta
1) Dado:

Con:
( )
Hallar: (

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 130

UNMSM

MTODOS NUMRICOS

Solucin:
Como:
Entonces:

Para i=0 ,
Donde:
(

( )

Luego:
( )
Donde:

Reemplazando en ( ):

)( )( )( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 131

UNMSM

MTODOS NUMRICOS

2 forma de pregunta
2) Dado:

Con:
( )
Hallar: (

) para

- , con n=4

Solucin:
Como:
0

1.25 1.5
(

Para i=1, con (

Para i=2, con (

Para i=0, con (

1.75

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 132

UNMSM

MTODOS NUMRICOS

Para i=3, con (

Para i=4, con (

b) Mtodo de Taylor de orden K:


Es de la siguiente forma:

( )

( )

( )
!

( )
!

( )
!

( )

( )

Donde:
El error local es de la forma:
(

( )

Ejemplos resueltos:
1 forma de pregunta
Dado:

( )

Con:
( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 133

UNMSM

MTODOS NUMRICOS

Por Taylor de orden 3 hallar: (

Solucin:
Como:
Y de (

) se sabe que:

Luego, Taylor de orden 3 es de la forma:

!
Para i=0 con (

Se requiere hallar:

( )

( )

Derivando ( )

( )

( )

( )( )

Derivando ( )

(( )( )

( )( ))

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 134

UNMSM

MTODOS NUMRICOS

Por ltimo, reemplazando:


)( )
!

) ( )
!

) ( )
!

2 forma de pregunta
Dado:

( )

Con:
( )
,

Por Taylor de orden 3 en el segmento

- con n=2, hallar: (

Solucin:
Como:
Determinamos los puntos:

Para i=0 con (

Para i=1 con (

(Resuelto anteriormente)

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 135

UNMSM

MTODOS NUMRICOS

Se requiere hallar:

De ( )

( )

Derivando ( ):

( )

)(

Derivando ( )

((

)
)(

)(

))

Luego, reemplazando:

!
(

)(

)
!

) (

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

) (

)
!

Pg. 136

UNMSM

MTODOS NUMRICOS

Para i=2 con (

Se requiere hallar:

De ( )

( )

Derivando ( ):

( )

( )

)(

Derivando ( )

((

)
)(

)(

))

Luego, reemplazando:

!
(

)(

)
!

) (

)
!

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

) (

)
!

Pg. 137

UNMSM

MTODOS NUMRICOS

PREDICTOR CORRECTOR
Como su nombre lo indica
se predice un valor
, despus se usa una formula diferente para
corregir este valor.
Los mtodos Predictor-Corrector hallar el valor del pto(
) utiliza informacin del
pto(
) y sus precedentes donde cada pto precedente indica un paso, de aqu su nombre como
mtodo de mltiples pasos. A diferencia de los mtodos de Runge-Kuta, Taylor, Euler, que son
mtodos de un solo paso (Para
utiliza la informacin de )

Ejemplo:
Usando el mtodo predictor corrector

Predictor:
Corrector:

Con h=0.5, hallar

( )

sabiendo que satisface:

Solucin:
;
Por condicin del problema.
(

Y h=0.5

)
( )

Para aplicar el predictor corrector, se necesita hallar


(puede ser Taylor, o RK), Sea RK-4.
(
(

orden

( )

)
(

por un mtodo no menor de

( )(

( ))

)(

)(

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 138

UNMSM

MTODOS NUMRICOS

)(

))

)(

))

)(

)
( )

)(

)(

Aplicando el predictor:

( )

)(

( )

( )

( )(

Aplicando el corrector:
(
( )
( )

)
(

este es el corrector

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 139

UNMSM

MTODOS NUMRICOS

ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR


Una ecuacin diferencial ordinaria de orden n se puede transformar en un sistema de EDO de orden
1.
As se tiene una EDO de orden n:

()

con las condiciones iniciales

( )

n condiciones iniciales

Sea las sgtes transformaciones

.
n

(n

Se tiene

.
n

Sea

(
( )=

( )

( )

( )

( )

( )

( )

n( )

Ejemplo 1: La Sgte. EDO de


Con

( )

( )

orden

( )

Como un conjunto de ecuaciones de

orden

Solucin: De
Sea
( )

( )

( )

( )

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 140

UNMSM
La EDO de

MTODOS NUMRICOS

orden se expresa como un conjunto de 3 ecuaciones de

orden sgte:

Matricialmente se tiene:
=

Con las Sgts. condiciones iniciales


( )

( )

( )
( )

Ejemplo 2:
Dado

con

( )
( )

Expresar como un sistema de EDO de

( )
( )

orden

Solucin
Sea

El sistema de EDO de

( )

( )

orden es:

( )

( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 141

UNMSM

MTODOS NUMRICOS

Matricialmente
=
=

( )

,i=0,1,2

( )
( )
( )

Sea
( )

( )

( )

( )
( )
( )

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 142

UNMSM

MTODOS NUMRICOS

CONCLUSIONES
Ventajas y desventajas de los mtodos iterativos comparados con los mtodos directos
Ventajas:
Probablemente son ms eficientes que los mtodos directos para sistemas de orden
muy alto.
Ms simples de programar.
Pueden aprovecharse una aproximacin a la solucin, si tal aproximacin existe.
Se obtiene fcilmente bajo aproximaciones burdas de la solucin.
Son menos sensibles a los errores de redondeo (valiosos en sistemas mal
condicionados).
Se requiere menos memoria de maquina. Generalmente, las necesidades de
memoria son proporcionales al orden de la matriz.
Desventajas:
Si se tiene varios sistemas que comparten la matriz coeficiente, esto no representara
ahorro de clculos ni tiempo de maquina, ya que por cada vector a la derecha de A
tendr que aplicarse el mtodo seleccionado.
Aun cuando la convergencia este asegurada, puede ser lenta y, por; lo tanto, los
clculos requeridos para obtener una solucin particular no son predecibles.
El tiempo de maquina y la exactitud del resultado dependen del criterio de
convergencia.
Si la convergencia es lenta, los resultados deben interpretarse con cautela.
No se tiene ventaja particular alguna (tiempo de maquina por iteracin) si la matriz
coeficiente es simtrica.
No se obtiene la inversa de A ni el determinante de A.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 143

UNMSM

MTODOS NUMRICOS

INTEGRANTES
1. ALARCON MONRROY, ALEXANDER..

08190032

2. ALVARADO LACMA, MARCIAL09190023


3. CORREA GALLUFFE, BORIS..08190144
4. CESPEDES BURGOS, JUAN.04190205
5. CAQUI PINTADO, GABRIEL...09190107
6. CASTILLO VELASQUEZ, JUAN.09190026
7. CALDERON HUAMAN, DAVID JESUS..10190264
8. DELGADO ARPITA, MIGUEL.07190020
9. GOMERO GOMERO, CARLOS J.09100168
10. HUAMANI QUISPE, JUAN PABLO.03190038
11. LOPEZ PORRAS, JUAN JOSE..09190116
12. MARIANO CABELLO, ISIDRO...09190118
13. MENDOZA GUZMAN, JORGE07190151
14. MEJIA SANCHEZ, JOSE EDUARDO08190173
15. ROSALES LEON, FERNANDO JESUS09190171
16. RODRIGUEZ ALVARADO, JORGE...08190051
17. RIVERA YANAC, VLADIMIR..09190139
18. SUEROS ZARATE, JONATHAN.08190094
19. TUOQUE MEZA, JOB JOSUE05190041
20. VILLA FLORES, DANIEL..06190148
21. ZAMORA MONTENEGRO, RONEL.09190020
22. ZELADA LOPEZ, ROYBHER FRANK.09190153

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Pg. 144