Act 1 Presaber Metodos Numericos

Act 1: Leccin Evaluativa de Reconocimiento Presaberes
Revisin del intento 1

Comenzado el: sbado, 1 de septiembre de 2012, 17:23
Completado el: sbado, 1 de septiembre de 2012, 17:42
Tiempo empleado: 18 minutos 38 segundos
627
Continuar
1
"Una ecuacin es una proposicin que expresa la igualdad de dos expresiones
algebraicas. Por lo regular involucra una o ms variables y el smbolo de igualdad
=. Las siguientes proposiciones son ejemplos de ecuaciones"
De las siguientes cuales No se consideran ecuaciones.
Seleccione una respuesta.

a. 5y = 6 4y
b. x 100 = x
c. sen(2x-3)
d. 3K/(1- T) = S
2
Deacuerdo al texto la exactitud es perteneciente .
Seleccione al menos una respuesta.
a. Calidad de informacin
b. nmero de errores
c. base de datos
d. calidad de datos
3
De acuerdo al texto Ecuaciones Lineales en la ecuacin 7x 3 = 2x +
2. Con cual de los siguientes el valores de x, se cumple la igualdad.

a. x = -3
b. x = 3
c. x = 1
d. x = -1
4
Deacuerdo a la lectura : El nivel de exactitud requerido puede variar
enormemente de unos casos a otros. correcponde al concepto
a. Aproximacin
b. Precisin
c. Redondeo
d. Exactitud
5
El numero x= -7/5 es la solucin de:
a. 2X-5(1-3X) = 1-3(1+4X)
b. 2X-5(1-3X) = 1-3(1-4X)
c. 2X+5(1-3X) = 1-3(1-4X)
d. 2X + 5(1+3X) = 1-3(1-4X)
6
En base al concepto de precisin es correcto afirmar
a. Anlisis demogrficos de las tendencias del electorado
pueden prescindir de esta precisin mediante un cdigo postal
solamente
b. Anlisis demogrficos de las tendencias del electorado
pueden prescindir de esta precisin mediante un cdigo postal o
de circunscripcin.
c. Anlisis demogrficos de las tendencias del electorado

pueden prescindir de esta precisin mediante un cdigo postal y
circunscripcin.
d. Anlisis demogrficos de las tendencias del electorado
pueden prescindir de esta precisin mediante un cdigo de
circunscripcin.
Act 3 : Reconocimiento Unidad 1

Comenzado el: martes, 18 de septiembre de 2012, 17:00
Completado el: martes, 18 de septiembre de 2012, 17:24
632
Continuar
1
Generalmente, los computadores cortan los nmeros decimales
entre el 17 y el:
a. 15decimal
b. 10decimal
c. 12decimal
d. 14decimal
2
En matemtica, el mtodo de biseccin es un algoritmo de
bsqueda de races que trabaja dividiendo el intervalo a la mitad y
seleccionando el subintervalo que tiene la raz. Supngase que
queremos resolver la ecuacin f(x) = 0 (donde f es continua. Dados
dos puntos a y b tal que f(a) y f(b) tengan signos distintos, sabemos
por el Teorema de Bolzano que f debe tener, al menos, una raz en
el intervalo [a, b]. El mtodo de biseccin divide el intervalo en dos,
usando un tercer punto c = (a+b) / 2. En este momento, existen dos
posibilidades: f(a) y f(c), f(c) y f(b) tienen distinto signo. El

algoritmo de biseccin se aplica al subintervalo donde el cambio de
signo ocurre. El mtodo de biseccin es menos eficiente que el
mtodo de Newton, pero es mucho ms seguro asegurar la
convergencia. Si f es una funcin continua en el intervalo [a, b] y
f(a)f(b) < 0, entonces este mtodo converge a la raz de f. De hecho,
una cota del error absoluto es:
en la n-sima iteracin. La biseccin converge linealmente, por lo

cual es un poco lento. Sin embargo, se garantiza la convergencia si
f(a) Unas cuantas iteraciones del mtodo de biseccin aplicadas en
un intervalo [a1;b1]. El punto rojo es la raz de la funcin
PREGUNTA: El mtodo de biseccin es un algoritmo de bsqueda
de races que trabaja dividiendo el intervalo a la _________ y

seleccionando el ______________ que tiene la raz. Las opcin
correcta para completar el enunciado anterior es:
a. Mitad e Intervalo
b. Cuarta y Subintervalo
c. Cuarta e Intervalo
d. Mitad y Subintervalo
3
Cifras significativas.
Cuando se emplea un nmero en un clculo, debe haber seguridad
de que pueda usarse con confianza. El concepto de cifras
significativas tiene dos implicaciones importantes en el estudio de
los mtodos numricos.
1.- Los mtodos numricos obtienen resultados aproximados. Por lo
tanto, se debe desarrollar criterios para especificar que tan precisos
son los resultados obtenidos.
2.- Aunque ciertos nmeros representan nmero especficos, no se
pueden expresar exactamente con un nmero finito de cifras.
Exactitud y Precisin.
La exactitud se refiere a que tan cercano est el valor calculado o
medido del valor verdadero. La precisin se refiere a qu tan
cercano est un valor individual medido o calculado respecto a los
otros.
La inexactitud se define como un alejamiento sistemtico de la
verdad. La imprecisin, sobre el otro lado, se refiere a la magnitud
del esparcimiento de los valores.
Los mtodos numricos deben ser lo suficientemente exactos o sin
sesgos para que cumplan los requisitos de un problema particular
de ingeniera.
Error.
En general, para cualquier tipo de error, la relacin entre el nmero
exacto y el obtenido por aproximacin se define como:
Error = Valor real -valor estimado = |p-p*|
(Llamado Error Absoluto)
En ocasiones, se sabr exactamente el valor del error, que
denotaremos como Ev, o deberemos estimar un error aproximado.

Ahora, para definir la magnitud del error, o que incidencia tiene en el
clculo el error detectado, podemos normalizar su valor:
Ea = Error relativo (fraccin) = (|p-p*|)/p
Como el valor de Ea puede ser tanto positivo como negativo, en
muchos casos nos interesa saber ms la magnitud del error, caso
en el cual usaremos el valor absoluto de este.
Un caso muy interesante es una investigacin que realiza
Scarborough, en que determin el nmero de cifras significativas
que contiene el error como:
ERROR DE REDONDEO
Muchas veces, los computadores cortan los nmeros decimales
entre el 17 y 12 decimal introduciendo as un error de redondeo
Por ejemplo, el valor de "e" se conoce como 2.718281828... Hasta
el infinito.
Si cortamos el nmero en 2.71828182 (8 cifras significativas luego
del punto decimal) estamos obteniendo u error de
E = 2.718281828 -2.71828182 = 0.000000008...
Sin embargo, como no consideramos que el nmero que segua al
corte era mayor que 5, entonces nos convena dejar el nmero
como 2.71828183, caso en el cual el error sera solo de
E = 2.118281828 -2.11828183 = -0.000000002..
, que en trminos absolutos es mucho menor que el anterior.
En general, el error de corte de las computadoras ser muy inferior
al error introducido por un usuario, que generalmente corta a un
menor nmero de cifras significativas.
Dependiendo de la magnitud de los nmeros con los que se trabaja,
el error de redondeo puede tener una incidencia muy grande muy
pequea en el clculo final. As por ejemplo, si tenemos un producto
de 502,23 m y un precio en dlares de US $ 7,52, el precio total nos
dar US$ 3.776,7696 (que en pesos chilenos, con 1 dlar = $500
nos da $1.888.384,8).
Ahora, si introducimos una variacin del 0.1% en los metros del
producto y calculamos el total, obtenemos 502,23 * 0.1 % = 507, 54,
que en US$ equivalen a US$3.816,7008 (o sea, $1.908.350,4 pesos
chilenos, una diferencia de $19.965,6) lo que no deja de ser
importante, ya que una variacin de 0.1% en el metraje del producto
nos da un error superior a 1.5% en el precio final
ERRORES DE TRUNCAMIENTO.
Los errores de truncamiento tienen relacin con el mtodo de
aproximacin que se usar ya que generalmente frente a una serie
infinita de trminos, se tender a cortar el nmero de trminos,
introduciendo en ese momento un error, por no utilizar la serie
completa (que se supone es exacta).
En una iteracin, se entiende como el error por no seguir iterando y
seguir aproximndose a la solucin. En un intervalo que se
subdivide para realizar una serie de clculos sobre l, se asocia al
nmero de paso, resultado de dividir el intervalo "n" veces.
ERROR NUMERICO TOTAL
El error numrico total se entiende como la suma de los errores de
redondeo y truncamiento introducidos en el clculo.
Pero aqu surge un gran problema. Mientras ms clculos se tengan
que realizar para obtener un resultado, el error de redondeo se ir
incrementando. Pero por otro lado, el error de truncamiento se
puede minimizar al incluir ms trminos en la ecuacin, disminuir el
paso o proseguir la iteracin ( o sea mayor nmero de clculos y
seguramente mayor error de redondeo).
Entonces, qu criterio utilizamos? ...lo ideal sera determinar el
punto en que los errores de donde empiezan a ocultar la ventaja de
considerar un menor error de truncamiento.
Pero como dije, es lo ideal; en la prctica debemos considerar que
hoy por hoy los computadores tienen un manejo de cifras
significativas mucho mayor que antes por lo que el error de
redondeo se minimiza enormemente, aunque no se debe dejar
olvidar su aporte al error total.
PREGUNTA:
El error relativo en las siguientes aproximaciones de p=3,35 por
p*=3,53 es
a. Ea= -0,05099
b. Ea= 0,0599
c. Ea= 0,05909
d. Ea= 0,05099
4
Es un asunto perteneciente a la cualidad de los datos y al nmero
de errores contenidos en un conjunto de datos o mapa.Dicho
enunciado corresponde al concepto
a. Aproximacin
b. Exactitud
c. Redondeo xx
d. Precisin
5
Mtodo de la regla falsa Como en el mtodo de biseccin, el mtodo
parte de un intervalo inicial [a0,b0] que contiene al menos una
solucin de la ecuacin f(x) = 0, a la cual se llama raz de f. Es decir,
parte de un intervalo con f(a0) y f(b0) de signos contrarios (vase el
teorema de Bolzano). El algoritmo va obteniendo sucesivamente en
cada paso un intervalo [ak, bk] ms pequeo que incluye una raz
de la funcin f. Para determinar a partir de un intervalo [ak, bk] el
siguiente intervalo [ak+1, bk+1], lo que se hace es obtener el punto
del interior del intervalo dado por la frmula:
El punto se obtiene al hallar la interseccin de la recta que pasa por

los puntos (a,f(ak)) y (b,f(bk)) con el eje de abscisas (igual a como
se hace en el mtodo de la secante). Una vez hallado este punto, se
toma como siguiente intervalo al intervalo que tiene de extremo al
punto obtenido ck y uno de los extremos del anterior intervalo de
forma que en el nuevo intervalo siga estando una de las races de la
funcin f (Es decir, con el valor de la funcin en los extremos del
nuevo intervalo de signo contrario). Anlisis del mtodo Se puede
demostrar que bajo ciertas condiciones el mtodo de la falsa
posicin tiene orden de convergencia lineal, por lo que suele
converger ms lentamente a la solucin de la ecuacin que el

mtodo de la secante, aunque a diferencia de en el mtodo de la
secante el mtodo de la falsa posicin siempre converge a una
solucin de la ecuacin. El algoritmo tiene el inconveniente de que
si la funcin es convexa o cncava cerca de la solucin, el extremo
del intervalo ms alejado de la solucin queda fijo variando
nicamente el ms cercano, convergiendo muy lentamente. Para
solucionarlo, se suele utilizar una variante del algoritmo, conocida
como mtodo de regula falsi modificado, consistente en el caso de
que el intervalo quede fijo por un extremo en ir dividiendo por dos el
valor de la funcin en dicho extremo hasta que el nuevo intervalo no
contenga al extremo que se haba quedado fijado.
PREGUNTA: Se puede demostrar que bajo ciertas condiciones el
mtodo de la falsa posicin tiene orden de convergencia:
a. no lineal
b. infinita
c. Lineal
d. finita
6
Mtodo de Newton- Raphson
La idea de este mtodo es la siguiente: se comienza con un valor
razonablemente cercano al cero (denominado punto de arranque),
entonces se reemplaza la funcin por la recta tangente en ese valor,
se iguala a cero y se despeja (fcilmente, por ser una ecuacin
lineal). Este cero ser, generalmente, una aproximacin mejor a la
raz de la funcin. Luego, se aplican tantas iteraciones como se
deseen.
Supngase f : [a, b] -> R funcin derivable definida en el intervalo
real [a, b]. Empezamos con un valor inicial x0 y definimos para cada
nmero natural n
PREGUNTA:
El mtodo de punto fijo inicia con una aproximacin inicial xo y xi+1=
g(x) genera
una sucesin de aproximaciones la cual:
a. converge a la solucin de la ecuacin f(x)>0
b. Diverge a la solucin de la ecuacin f(x)>0
c. Converge a la solucin de la ecuacin f(x)=0
d. Diverge a la solucin de la ecuacin f(x)=0
6.7/ /8 sep18/12
Act 4: Leccin Evaluativa Unidad No. 1

Comenzado el:
martes, 18 de septiembre de 2012, 17:33
Completado el:
martes, 18 de septiembre de 2012, 17:58
Tiempo empleado:
24 minutos 53 segundos
Principio del formulario

633
Continuar
Final del formulario
1
La tercera iteracin encontrada en el ejemplo realizado en la pgina anterior
por el Mtodo de Biseccin es:
a. 1,3125
b. 1,430
c. 1,375
d. 1,25
2
Un valor de una variable que haga que la ecuacin sea una proposicin
verdadera se denomina raz o solucin de la ecuacin dada. Decimos que tal
valor de la variable satisface la ecuacin.
As por ejemplo x=5 es una raz de la ecuacin 2x 3 = x + 2
De manera similar y = -2 es la solucin de la ecuacin y2 + 3y=6 + 4y
En lgebra elemental se ensea a resolver este tipo de ecuaciones en especial
las ecuaciones lineales y cuadrticas.
La solucin de la siguiente ecuacin 3(x - 3)2 = 3(3x - 9) es:

a. x = 5
b. x = 6
c. x = -5
d. x = - 6
3
De acuerdo a los siguientes enunciados el ms apropiado al concepto de
EXACTITUD deber ser
a. Son errores en los valores numricos con que se va a operar, pueden
deberse a dos causas: sistemticos o accidentales
b. Errores debidos a la apreciacin del observador y otras causas
c. Errores debidos a la imprecisin de los aparatos de medicin.
d. Se refiere a la cercana de un nmero o de una medida al valor
verdadero que se supone representa
4
MTODO DE LA BISECCIN
El mtodo de biseccin se basa en el siguiente teorema de Clculo:
Teorema del Valor Intermedio
Sea f(x) continua en un intervalo [a,b] y supongamos que f(a)<f(b). Entonces
para cada z tal que f(a) < z < f(b), existe un x0 (a,b) tal que f(x) = z. La
misma conclusin se obtiene para el caso que f(a)>f(b).
Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin
continua en un intervalo cerrado, una vez que alcanz ciertos valores en los
extremos del intervalo, entonces debe alcanzar todos los valores intermedios.
En particular, si f(a) y f (b) tienen signos opuestos, entonces un valor
intermedio es precisamente z=0 , y por lo tanto, el Teorema del Valor
Intermedio nos asegura que debe existir x0 (a,b) tal que f(x0)=0 , es decir,
debe haber por lo menos una raz de f(x) en el intervalo (a,b).
El mtodo de biseccin sigue los siguientes pasos:

Sea f(x) continua,
i) i) Encontrar valores inciales xa, xb tales que f(xa) y f(xb) tienen signos
opuestos, es decir,
f(xa) . f(xb) < 0
ii) ii) La primera aproximacin a la raz se toma igual al punto medio entre xay
xb :
iii) iii) Evaluar f(xr) . Forzosamente debemos caer en uno de los siguientes
casos:
f(xa) . f(xr) < 0
En este caso, tenemos que f(xa) y f(xr) tienen signos opuestos, y por lo tanto la
raz se encuentra en el intervalo [xa , xr] .
f(xa) . f(xr) > 0
En este caso, tenemos que f(xa) y f(xr) tienen el mismo signo, y de aqu que
f(xr) y f(xb) tienen signos opuestos. Por lo tanto, la raz se encuentra en el
intervalo [xr , xb] .
f(xa) . f(xr) = 0
En este caso se tiene que. f(xr) = 0 y por lo tanto ya localizamos la raz.
El proceso se vuelve a repetir con el nuevo intervalo, hasta que:
|E a|<|Es|
es decir,
Ejemplo
Aproximar la raz de f(x) = e-x ln x hasta que |Ea|< 1%
. Solucin
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz
de f(x) se localiza en el intervalo [1; 1,5]. As que este intervalo es nuestro
punto de partida; sin embargo, para poder aplicar el mtodo de biseccin

debemos checar que f(1) y f(1,5) tengan signos opuestos.
En efecto, tenemos que
f(1) = e-1 ln 1 = e-1 > 0
mientras que
f(1,5) = e-1 ln (1,5) = - 0,18233 < 0
Cabe mencionar que la funcin f(x) s es continua en el intervalo [1; 1,5]. As
pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de
biseccin. Comenzamos:
i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a
la raz):
ii) Evaluamos f(1,25) = e-1,25 ln ( 1,25) = 0,0636 > 0

iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos
la siguiente tabla:
Por lo tanto, vemos que la raz se encuentra en el intervalo [1,25; 1,5].

En este punto, vemos que todava no podemos calcular ningn error
aproximado, puesto que solamente tenemos la primera aproximacin. As,
repetimos el proceso con el nuevo intervalo [1,25; 1,5] .
Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya

con la aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso.

Evaluamos f(1,375) = e-1,375 ln (1,375) = -0,06561 < 0,
y hacemos la tabla:
As, vemos que la raz se encuentra en el intervalo [1,25; 1,375] .

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

Resumimos los resultados que se obtienen en la siguiente tabla:
Aprox. a la raz
Error aprox.
1.25 <>
1.375
9.09%
1.3125
4.76%
1.28125
2.43%
1.296875
1.20%
1.3046875
0.59%
<>
As, obtenemos como aproximacin a la raz
PREGUNTA:
Utilizando el mtodo de Biseccin para la funcion f(x)= x2 - 10x + 22, se
encontrara que la tercera iteracin entre los valores x= 6 y x = 8 de la funcin
f(x) es:
a. 6
b. 6,75
c. 7
d. 6,5
5
Dgitos Significativos:
Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de
izquierda a derecha; empiezan con el primer dgito diferente de cero y
terminan con el tamao que permitan las celdas que guardan la mantisa.
Exactitud:
Se refiere a la cercana de un nmero o de una medida al valor verdadero que
se supone representa.
Precisin:
Se refiere al nmero de cifras significativas que representan una cantidad, a
esto se refiere cuando se habla de doble precisin, dependiendo de la mquina
que estemos utilizando.
Errores Inherentes o Heredados:
Son errores en los valores numricos con que se va a operar, pueden deberse a
dos causas: sistemticos o accidentales.
Errores Sistemticos:
Debidos a la imprecisin de los aparatos de medicin.
Errores Accidentales:
Debidos a la apreciacin del observador y otras causas.
Errores de Truncamiento:
Se debe a la interrupcin de un proceso matemtico antes de su terminacin.
Sucede cuando se toman slo algunos trminos de una serie infinita o cuando
se toma slo un nmero finito de intervalos. Un caso adicional de error de
truncamiento ocurre cuando una calculadora poco sofisticada slo toma en
cuenta los dgitos que caben en la pantalla y no analiza el primer dgito
perdido.
Error de Redondeo:
Se ocasiona debido a las limitaciones propias de la mquina para representar
cantidades que requieren un gran nmero de dgitos.
Dependiendo de cmo se redondea puede ser de dos formas.
Error de Redondeo Inferior:
Se desprecian los dgitos que no pueden conservarse dentro de la localizacin
de memoria correspondiente (pensando de una manera estricta, este caso
puede considerarse como un error de truncamiento).
Error de Redondeo Superior:
Este caso tiene dos alternativas, segn el signo del nmero en particular.
a) Para nmeros positivos, el ltimo que puede conservarse en la localizacin
de memoria se incrementa en una unidad si el primer dgito despreciado es >
5.
b) Para nmeros negativos, el ltimo dgito que puede conservarse en la
localizacin de memoria se reduce en una unidad si el primer dgito
despreciado es < 5.
PREGUNTA:
1. Las definiciones:
A. Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo
de izquierda a derecha; empiezan con el primer dgito diferente de cero y
terminan con el tamao que permitan las celdas que guardan la mantisa
B. Se debe a la interrupcin de un proceso matemtico antes de su

terminacin. Sucede cuando se toman slo algunos trminos de una serie
infinita o cuando se toma slo un nmero finito de intervalos. Un caso adicional
de error de truncamiento ocurre cuando una calculadora poco sofisticada slo
toma en cuenta los dgitos que caben en la pantalla y no analiza el primer
dgito perdido.
Son definiciones de:
1. Error de Redondeo
2. Error de Truncamiento
3. Dgitos Significativos
4. Error relativo
La respuesta correcta es
a. Los items 2 y 3
b. Los items 2 y 4
c. Los items 1 y 3
d. Los items 1 y 4
6
Complete correctamente el enunciado teniendo en cuenta la lectura anterior:
Se observa que cuando el mtodo de Newton-Raphson converge a la raz, lo
hace de una forma _____________ y de hecho, observamos que el error
aproximado______________
a. Muy lenta y disminuye
b. Muy rpida y disminuye

c. Muy rpida y aumenta
d. Muy lenta y aumenta
7
El mtodo de iteracin del punto fijo converge a la raz si:
a. |g(x)|>1 para x en un intervalo [a, b]
b. |g(x)|>1 para x en un intervalo [a, b]
c. |g(x)|<1 para x en un intervalo [a, b]
d. |g(x)|<1 para x en un intervalo [a, b]
8
MTODO DE ITERACIN DEL PUNTO FIJO
Este mtodo se aplica para resolver ecuaciones de la forma
x= g(x)
Si la ecuacin es f(x) = 0, entonces puede despejarse x bien sumar x en
ambos lados de la ecuacin para ponerla en la forma adecuada.
Ejemplos :
1) La ecuacin cos x - x = 0 se puede transformar en cos x = x.
2) La ecuacin tan x e-x = 0 se puede transformar en x - tan x e-x = x.
Dada la aproximacin xi, la siguiente iteracin se calcula con la frmula:
xi+1 = g(xi)
Supongamos que la raz verdadera es xr, es decir,

xr = g(xr)
Restando las ltimas ecuaciones obtenemos:
xr - xi+1 = g(xr) - g(xi)
Por el Teorema del Valor Medio para derivadas, sabemos que si g(x) es continua
en [a, b] y diferenciable en (a, b) entonces existe ? (a, b) tal que
.
En nuestro caso, existe en el intervalo determinado por xi y xr tal que:
De aqu tenemos que:

g(xr) g(xi) = g () . ( xr xi)
O bien,
xr xi+1 = g () . ( xr xi)
Tomando valor absoluto en ambos lados,
|xr xi+1|=|g() ||xr xi|
Observe que el trmino |xr xi+1| es precisamente el error absoluto en la (i
+1)-sima iteracin, mientras que el trmino |xr xi|corresponde al error
absoluto en la i- sima iteracin.
Por lo tanto, solamente si |g () |< 1, entonces se disminuir el error en la
siguiente iteracin. En caso contrario, el error ir en aumento.
En resumen, el mtodo de iteracin del punto fijo converge a la raz si |g(x)|<1
para x en un intervalo [a, b] que contiene a la raz y donde g(x) es continua y
diferenciable, pero diverge si |g(x)| >1 en dicho intervalo.
Analicemos nuestros ejemplos anteriores :
En el ejemplo 1, g(x) = cos x y claramente se cumple la condicin de que
|g (x)|<1 . Por lo tanto el mtodo s converge a la raz.
En el ejemplo 2, g(x)=x+tanxe-x y en este caso, |g(x)|=|1+sec2x + e-x| > 1.

Por lo tanto, el mtodo no converge a la raz.
Para aclarar el uso de la frmula veamos dos ejemplos:
Ejemplo
Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = cosx
- x, comenzando con x0=0 y hasta que |a|< 1%.
Solucin
Como ya aclaramos anteriormente, el mtodo s converge a la raz.
Aplicando la frmula iterativa tenemos,
x1 = g(x0) = cos 0 = 1
Con un error aproximado de 100%
Aplicando nuevamente la frmula iterativa tenemos,
x2 = g(x1) = cos 1 = 0,540302305
Y un error aproximado de 85,08%.
Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto,
se necesitan hasta 13 iteraciones para lograr reducir el error aproximado
menor al 1%. El resultado final que se obtiene es:
x13 = 0,7414250866
Con un error aproximado igual al 0,78%.
Ejemplo
Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = x2
5x - ex, comenzando con x0 = 0 y hasta que |a|< 1%.
Solucin
Si despejamos la x del trmino lineal, vemos que la ecuacin equivale a
de donde,
En este caso, tenemos que
. Un vistazo a la grfica,
<>
nos convence que |g(x)|<1, para x [-1; 1], lo que es suficiente para deducir
que el mtodo s converge a la raz buscada.
Aplicando la frmula iterativa, tenemos:
x1 = g(x0) = -0,2
Con un error aproximado del 100%.
Aplicando nuevamente la frmula iterativa, tenemos:
x2 = g(x1) = -0,1557461506
Con un error aproximado igual al 28.41%.
En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error
menor al 1%. Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
Error aprox.
0 <>
-0.2
100%
-0.1557461506
28.41%
-0.1663039075
6.34%
-0.163826372
1.51%
-0.164410064
0.35%
De donde vemos que la aproximacin buscada es:

x5 = -0,164410064
PREGUNTA:
Al usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = x2
5x - ex, comenzando con x0 = 0 y hasta que |a|< 1%. , se encontr que el
valor de la iteracin x1 = g(x0) es igual a:
a. 0,2
b. 0,1557461506
c. -0,1557461506
d. -0,2
9
Error absoluto, error relativo y cifras significativas .
Sea p el valor exacto de una cantidad y sea p* su valor aproximado. Se define
error absoluto como:
El error absoluto mide la diferencia entre el valor exacto de una cantidad y su

valor aproximado. De esta manera se puede afirmar que alguien ha medido la
longitud de un campo de futbol o la longitud de un bolgrafo con un error de un
centmetro. Sin embargo, dicho error no tiene la misma importancia en ambos
casos. Para cuantificar la importancia del error respecto del valor exacto de una
cierta cantidad p se introduce el concepto de error relativo, que se define
como:
Se puede notar que el error relativo no est definido para p=0. La ecuacin
anterior muestra que el error relativo es una cantidad adimensional, que
habitualmente se expresa en porcentaje (%).
Lo importante a resaltar es que generalmente no se conoce el valor exacto de
la cantidad p. En consecuencia, tampoco se puede conocer ni el error absoluto
ni el error relativo cometido, por tanto hay que conformarse con el clculo de
una cota del error.
Ya conocido la definicin cuantitativa del error relativo, se puede plantear cual
es la cota de error de redondeo cometido al almacenar un nmero. Como se es
conocido, los nmeros reales se almacenan en coma flotante. Por ejemplo, los
nmeros 23,487 se guardan como 0,23487x102 .
El ultimo numero escrito simblicamente se puede representar por
m x10b
Donde 0 < m < 1 y representa la mantisa y b es un numero entero que indica
el exponente. Por ejemplo si tenemos un nmero t de digitas destinados a la
representacin de la mantisa (se supone que t no incluye la posicin del signo).
Por consiguiente, si una persona realiza unos clculos trabajando en base diez,
coma flotante y utilizando cinco dgitos para la mantisa (t=5), puede
representar los siguientes nmeros: 0,23754x102 , 0,10000x105 , 0,19875x103 , etc.
PREGUNTA:
El numero 0,3352x103 tiene como mantisa a:
a. 0,3352
b. 3
c. 3352
d. 0,334
10
Mtodo de Newton Raphson
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y
efectivos. A diferencia de los mtodos anteriores, el mtodo de NewtonRaphson no trabaja sobre un intervalo sino que basa su frmula en un proceso
iterativo.
Supongamos que tenemos la aproximacin xia la raz xr de f(x),
Trazamos la recta tangente a la curva en el punto (xi, f(xi)); sta cruza al eje x
en un punto xi+1 que ser nuestra siguiente aproximacin a la raz xr.
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta
tangente. Sabemos que tiene pendiente
m = f (xi)
Y por lo tanto la ecuacin de la recta tangente es:
y f (xi) = f (xi) (x xi)
Hacemos y=0:
-f (xi) = f (xi) (x xi)
Y despejamos x:
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente

aproximacin:
<>
,
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos
asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta
de que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde
este mtodo no converge a la raz, en cuyo caso se dice que el mtodo diverge.
Sin embargo, en los casos donde si converge a la raz lo hace con una rapidez
impresionante, por lo cual es uno de los mtodos preferidos por excelencia.
Tambin observe que en el caso de que f (xi)=0, el mtodo no se puede
aplicar. De hecho, vemos geomtricamente que esto significa que la recta
tangente es horizontal y por lo tanto no intercepta al eje x en ningn punto, a
menos que coincida con ste, en cuyo caso xi mismo es una raz de f(xi).
Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz de f(x)= e-x-ln x,
comenzando con x0 = 1 y hasta que ??a? < 1%.
Solucin
En este caso, tenemos que
De aqu tenemos que:
Comenzamos con x0 = 1 y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se

pidi.
Resumimos los resultados en la siguiente tabla:
Aprox. a la raz
Error aprox.
1
1.268941421
21.19%
1.309108403
3.06%
1.309799389
0.052%
De lo cual concluimos que
, la cual es correcta en todos
sus dgitos.
La misma idea puede aplicarse para crear algoritmos que aproximen races n
-simas de nmeros reales positivos.
Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace
de una forma muy rpida y de hecho, observamos que el error aproximado
disminuye a pasos agigantados en cada paso del proceso. Aunque no es
nuestro objetivo establecer formalmente las cotas para los errores en cada uno
de los mtodos que hemos estudiado, cabe mencionar que si existen estas
cotas que miden con mayor precisin la rapidez lentitud del mtodo en
estudio
Pregunta:
Utilizando el mtodo de Newton-Raphson para determinar la primera iteracin
de la funcin f(x)=x10-1, cuando el valor inicial de x es xo=0,5
a. X1 = 51,65
b. X1 = 0,5
c. X1 = 52,2
d. X1 = 5,0
Act 5: Quiz 1

Comenzado el: viernes, 28 de septiembre de 2012, 19:55
Completado el: viernes, 28 de septiembre de 2012, 20:27
634
Continuar
1
El valor de a para que la igualdad se mantenga, en la siguiente
operacin de matrices
es:

a. -3
b. 6
c. -6
d. 3
2
En esta pregunta encontrar un enunciado que debe emparejarla
con una de las opciones que esta a su derecha.
Este es uno de los mtodos ms
interesantes del anlisis numrico y
Mtodo de Gauss Seidel
particularmente til ya que nos permite
encontrar la solucin de un sistema de n
ecuaciones con n incgnitas.
Este mtodo, que constituye una variacin
del mtodo de eliminacin de Gauss, permite Mtodo de Gauss-Jordan
resolver hasta 15 o 20 ecuaciones
simultneas.
Ajuste de Curvas
Consiste en encontrar una curva que
contenga una serie de puntos y que
posiblemente cumpla una serie de

restricciones adicionales.
Es simplemente es una reformulacin del
polinomio de Newton que evita los clculos
de las diferencias divididas.
Interpolacin de Lagrange
3
Con el mtodo de Gauss-Jordan, si una matriz tiene dos filas iguales la
solucin del sistema es:

a. Infinitas soluciones
b. Ninguna Solucin
c. Finitas soluciones
d. nica Solucin
4
El mtodo que es considerado como una variacin del mtodo de eliminacin de
Gauss es el mtodo:

a. Gauss-Jordan
b. Interpolacin
c. Diferencias Divididas
d. Gauss-Seidel
5
Utilizando el mtodo de Biseccin para la funcin f(x)= x2 - 10x +
22, se encontrara que la tercera iteracin entre los valores x= 2 y x =
5 de la funcin f(x) es:
a. X = 2,75
b. X = 3,5
c. X = 2,06
d. X = 3,125
6
Al emplear la primera aproximacin del mtodo de punto fijo para localizar la raz de
f(x)=e-x-x, cuando xo=0 se obtiene:

a. 1
b. 3
c. 2
d. 0
7
1. El siguiente enunciado:
Supngase que queremos resolver la ecuacin f(x) = 0 (donde f es
continua. Dados dos puntos a y b tal que f(a) y f(b) tengan signos distintos,
sabemos por el Teorema de Bolzano que f debe tener, al menos, una raz
en el intervalo [a, b]. El mtodo de biseccin divide el intervalo en dos,
usando un tercer punto c = (a+b) / 2. En este momento, existen dos
posibilidades: f(a) y f(c), f(c) y f(b) tienen distinto signo.
corresponde al mtodo de:

a. Mtodo de Newton Raphson
b. Mtodo de Falsa Posicin o Regla Falsa
c. Mtodo de Biseccin
d. Mtodo iterativo de punto fijo
8
La ecuacin
corresponde al mtodo

a. Mtodo de la regla falsa
b. Mtodo de Bisecin
c. Mtodo Iterativo de Punto Fijo
d. Mtodo de Newton Raphson
9
En la siguiente pregunta encontrar a su izquierda un enunciado y a
su derecha tendra las opciones posibles, usted relacionara las
opciones correcta con su enunciado.
Sea f(x) continua en un intervalo [a,b] y
supongamos que f(a)<zf(b).
Este mtodo, el cual es un mtodo
iterativo, es uno de los ms usados y
efectivos. A diferencia de los mtodos
anteriores, este mtodo no trabaja sobre
un intervalo sino que basa su frmula en
un proceso iterativo
El Mtodo comienza con un valor
razonablemente cercano al cero
(denominado punto de arranque),
entonces se reemplaza la funcin por la
recta tangente en ese valor, se iguala a
cero y se despeja (fcilmente, por ser
una ecuacin lineal). Este cero ser,
generalmente, una aproximacin mejor a
la raz de la funcin. Luego, se aplican
tantas iteraciones como se deseen
El mtodo que inicia con una
aproximacin inicial Xo y Xi+1= g(x)
genera una sucesin de aproximaciones
la cual converge a la solucin de la
ecuacin f(x)=0. A la funcin g se le
conoce como funcin iteradora
Mtodo de Biseccin
Mtodo de New ton-Raphson
Mtodo de la Regla Falsa
Mtodo Iterativo de Punto Fijo
10
El error relativo y absoluto de la siguiente aproximacin P = e y P* =
341/125 son respectivamente:
a. Er=0,0097 y Ea=0,003575
b. Er=-0,0097 y Ea=-0,003575
c. Ea=0,0097 y Er=0,003575
d. Ea= - 0,0097 y Er= - 0,003575
11
El error relativo es una cantidad adimensional, que habitualmente se expresa
en:

a. Porcentaje (%).
b. Un gran nmero de dgitos.
c. Numero irracional
d. Numero Natural
12
El Error de Redondeo, se ocasiona debido a las limitaciones propias
de la mquina para representar cantidades que requieren:
a. Un gran nmero de Elementos.
b. Un minimo nmero de dgitos.
c. Un gran nmero de dgitos.
d. Un minimo nmero de dgitos.
13
En la siguiente pregunta encontraras un enunciado o definicin que
debe ser emparejado correctamente con una de las opciones que se
presentan a tu derecha.
Errores debidos a la apreciacin del
Errores Accidentales
observador y otras causas.

Se refiere a la cercana de un nmero o de
una medida al valor verdadero que se supone
representa
Errores debidos a la imprecisin de los
aparatos de medicin
Se refiere al nmero de cifras significativas
que representan una cantidad, a esto se
refiere cuando se habla de doble precisin,
dependiendo de la mquina que estemos
utilizando.
Se debe a la interrupcin de un proceso
matemtico antes de su terminacin.
Exactitud
Errores Sistemticos
Precisin
Errores de Truncamiento
14
1. La siguiente definicin:
Se debe a la interrupcin de un proceso matemtico antes de su
terminacin. Sucede cuando se toman slo algunos trminos de una
serie infinita o cuando se toma slo un nmero finito de intervalos.
Un caso adicional de error de truncamiento ocurre cuando una
calculadora poco sofisticada slo toma en cuenta los dgitos que
caben en la pantalla y no analiza el primer dgito perdido
Es la definicin de:
a. Errores Relativos
b. Errores de Truncamiento
c. Errores Absolutos
d. Errores de Redondeo
15
El error relativo no est definido para p igual a:
a. 0,1
b. -1
c. 1
d. 0
18.3 /25
Comenzado el: sbado, 10 de noviembre de 2012, 20:05
Completado el: sbado, 10 de noviembre de 2012, 20:27
Continuar
1
Si el vector b es cero se dice que el sistema es:
a. Heterogneo
b. Homogneo
c. No homogneo
d. No Heterogneo
El polinomio y = ax3 + bx2 + cx + d de tercer grado se ajusta a:

a. Dos puntos
b. Tres puntos
c. Un punto
d. Cuatro puntos
3
Ajuste de curvas
El ajuste de curvas consiste en encontrar una curva que contenga
una serie de puntos y que posiblemente cumpla una serie de
restricciones adicionales. Esta seccin es una introduccin tanto a
la interpolacin (cuando se espera un ajuste exacto a determinadas
restricciones) y al ajuste de curvas/ anlisis de regresin (cuando se
permite una aproximacin).
Ajuste de lneas y curvas polinmicas a puntos
Empecemos con una ecuacin polinmica de primer grado:
y= ax + b
Esta lnea tiene pendiente a. Sabemos que habr una lnea
conectando dos puntos cualesquiera. Por tanto, una ecuacin
polinmica de primer grado es un ajuste perfecto entre dos puntos.
Si aumentamos el orden de la ecuacin a la de un polinomio de

segundo grado, obtenemos:
y = ax2 + bx + c
Esto se ajustar exactamente a tres puntos. Si aumentamos el
orden de la ecuacin a la de un polinomio de tercer grado,
obtenemos:
y = ax3 + bx2 + cx + d
que se ajustar a cuatro puntos.
Una forma ms general de decirlo es que se ajustar exactamente a
cuatro restricciones. Cada restriccin puede ser un punto,
un ngulo o una curvatura (que es el recproco del radio, o (1/R).
Las restricciones de ngulo y curvatura se suelen aadir a los
extremos de una curva, y en tales casos se les llama condiciones
finales. A menudo se usan condiciones finales idnticas para
asegurar una transicin suave entre curvas polinmicas contenidas
en una nica spline . Tambin se pueden aadir restricciones de
orden alto, como "el cambio en la tasa de curvatura". Esto, por
ejemplo, sera til en diseos de intercambios en trbol para
incorporaciones a autopistas, para entender las fuerzas a las que
somete a un vehculo y poder establecer lmites razonables de
velocidad.
Si tenemos ms de n + 1 restricciones (siendo n el grado del
polinomio), an podemos hacer pasar la curva polinmica por ellas.
No es seguro que vaya a existir un ajuste exacto a todas ellas (pero
podra suceder, por ejemplo, en el caso de un polinomio de primer
grado que se ajusta a tres puntos colineales ). En general, sin
embargo, se necesita algn mtodo para evaluar cada
aproximacin. El mtodo de mnimos cuadrados es una manera de
comparar las desviaciones.
Ahora bien, podramos preguntarnos la razn de querer un ajuste

aproximado cuando podramos simplemente aumentar el grado de
la ecuacin polinmica para obtener un ajuste exacto. Existen
varias:
Incluso si existe un ajuste exacto, no quiere decir
necesariamente que podamos encontrarlo. Dependiendo del
algoritmo que se use, podramos encontrar un caso
divergente, donde no se podra calcular el ajuste exacto, o el
coste computacional de encontrar la solucin podra ser muy
alto. De cualquier modo, tendramos que acabar aceptando
una solucin aproximada.
Quiz prefiramos el efecto de promediar datos cuestionables
en una muestra, en lugar de distorsionar la curva para que se
ajuste a ellos de forma exacta.
Los polinomios de orden superior pueden oscilar mucho. Si
hacemos pasar una curva por los puntos A y B, esperaramos
que la curva pase tambin cerca del punto medio entre A y B.
Esto puede no suceder con curvas polinmicas de grados
altos, ya que pueden tener valores de magnitud positiva o
negativa muy grande. Con polinomios de grado bajo existen
ms posibilidades de que la curva pase cerca del punto medio
(y queda garantizado que pasar exactamente por ah, en los
de primer grado).
Los polinomios de orden bajo tienden a ser suaves y las
curvas de los polinomios de orden alto tienden a ser
"bulbosas". Para definir esto con ms precisin, el nmero
mximo de puntos de inflexin de una curva polinmica esn-2,
donde n es el orden de la ecuacin polinmica. Un punto de
inflexin es el lugar de una curva donde cambia de radio
positivo a negativo. Obsrvese que la "bulbosidad" de los
polinomios de orden alto es slo una posibilidad, ya que
tambin pueden ser suaves, pero no existen garantas, al
contrario que sucede con los polinomios de orden bajo. Un
polinomio de grado quince podra tener, como mximo, trece
puntos de inflexin, pero podra tener tambin doce, once, o

cualquier nmero hasta cero.
Ahora que hemos hablado del uso de grados demasiado bajos para
conseguir un ajuste exacto, comentemos qu sucede si el grado de
una curva polinmica es mayor del necesario para dicho ajuste.
Esto es malo por las razones comentadas anteriormente si los
polinomios son de orden alto, pero tambin nos lleva a un caso en
que exista un nmero infinito de soluciones. Por ejemplo, un
polinomio de primer grado (una lnea) restringido por un nico punto,
en lugar de los dos habituales, nos dar un nmero infinito de
soluciones. Esto nos trae el problema de cmo comparar y escoger
una solucin nica, lo que puede ser un problema tanto para
humanos como para el software. Por esta razn es mejor escoger el
polinomio de menor grado posible para obtener un ajuste exacto en
todas las restricciones, y quiz incluso un grado menor si es
aceptable una aproximacin al ajuste.
Para ms informacin, vase el artculo sobre interpolacin
polinmica .
PREGUNTA:
Teniendo en cuenta la lectura entonces: "Un polinomio de grado
quince podra tener, como mximo":

a. Diez puntos de inflexin
b. trece puntos de inflexin
c. Once puntos de inflexin
d. Doce puntos de inflexin
4
En el caso de tres puntos (x0, y0), (x1, y1), (x2, y2), en principio se
busca el polinomio de interpolacin de:
a. Grado tres
b. Grado cuatro
c. Grado uno
d. Grado dos
5
Seccin dorada
La bsqueda de la seccin dorada es una tcnica simple, es la
bsqueda de una sola variable de propsito general. Es similar que
la utilizada en el mtodo de biseccin para localizar races.
Recordando el mtodo de biseccin para encontrar las races se
hace necesario ubicar un intervalo definido donde se encuentre
dicha raz, y se especifica un valor inicial inferior x1 u un valor inicial
superior x2. La presencia de una raz entre estas fronteras se
determina hallando f(x1) y f(x2) que deben tener signos diferentes; y

la raz se localiza como el punto medio de este intervalo
El paso siguiente es establecer un intervalo ms pequeo para

hallar la aproximacin de la raz.
Podemos ahora desarrollar un proceso similar para localizar la raz
ptima de una funcin unidimensional. Igualmente que el mtodo de
Biseccin, se inicia definiendo un intervalo que contenga una sola
respuesta, es decir un intervalo que contenga un mximo, y por esto
es llamado unimodal. Adoptando la misma nomenclatura del mtodo
de biseccin. Pero en vez de buscar los dos valores funcin para
detectar un cambio de signo, y por tanto el cero, se necesitaran tres
valores funcin para detectar si ocurre un mximo. As, se ha de
escoger un punto adicional dentro del intervalo. Despus se toma un
cuarto punto.
PREGUNTA:
Si Rango de A = Rango de B el sistema es:
a. Inconsistente y tenemos que Si Rango de A = n el sistema t

nica
b. Consistente y tenemos dos posibilidades: Si Rango de A ? n

tiene solucin nica y Si Rango de A > n el sistema tendr infi
c. Consistente y tenemos que si Rango de A = n el sistema tie

solucines
d. Consistente y tenemos dos posibilidades: Si Rango de A = n

tiene solucin nica y Si Rango de A < n el sistema tendr infi
6
INTERPOLACIN
(tomado de Mtodos Numricos de Antonio Nieves)
En el captulo 2 de la unidad 2 estudiaremos la aproximacin de
funciones disponibles en forma directa (puntos tabulados), con
funciones analticas sencillas, o bien de aproximacin de funciones
cuya complicada naturaleza exija un reemplazo por funciones ms
simples.
La enorme ventaja de aproximar informacin discreta o funciones
complejas, con funciones analticas sencillas, radica en su mayor
facilidad de evaluacin y manipulacin, situacin necesaria en el
campo de la ingeniera.
Las funciones de aproximacin se obtienen por combinaciones
lineales de elementos de familias de funciones denominadas
elementales. En general tendrn la forma:
a0g0(x) + a1g1(x) + +angn(x) ,
donde ai , con i ? i ? n , son constantes por
determinar gi(x) funciones de una familia particular. Los monomios
en x (x0, x1, x2,) constituyen la familia o grupo ms empleado; sus
combinaciones generan aproximaciones del tipo polinomial
a0 + a1x + a2x2 ++ anxn
Adems del polinomial existen otros grupos como el exponencial y
el grupo de las funciones de Fourier. Y son lo ms comunes por su
facilidad de manejo en evaluaciones, integraciones, derivaciones,
etc.
Una de las tcnicas que nos permite aproximar a un polinomio una

serie de puntos, es el conocido como mtodo de mnimos
cuadrados, que en mtodos numricos esta detallado como ajuste
de curvas, por su ajuste exacto. Y su modo de ajuste consiste en
encontrar una funcin polinomial que pase por los puntos dados y
que satisfaga la condicin de minimizar la suma de sus
desviaciones elevadas al cuadrado.
Una vez obtenido el polinomio de aproximacin, este se puede usar
para obtener otros puntos adicionales a los existentes, mediante
una evaluacin conocida como interpolacin.
Los puntos ms relevantes de este captulo, las cuales
estudiaremos y estar sentado en la leccin evaluativa son la
Interpolacin como concepto, Los polinomios de Lagrange, las
diferencias divididas, la aproximacin polinomial de Newton, el
mtodo de mnimos cuadrados (como ajuste de Curvas) y algunos
conceptos de la transformada de Fourier.
Polinomios de interpolacin de Lagrange

Un polinomio de interpolacin de Lagrange, p se define en la forma:
(68)
en donde l0, l1,, ln son polinomios que dependen slo de los nodos
tabulados x0, x1,,xn, pero no de las ordenadas y0, y1,,yn. La
frmula general del polinomio li(x) es:
(69)
Para el conjunto de nodos x0, x1,,xn, estos polinomios son

conocidos como funciones cardinales. Utilizando estos polinomios
en la ecuacin ( 68 ) obtenemos la forma exacta del polinomio de
interpolacin de Lagrange.
Ejemplo : Suponga la siguiente tabla de datos:
Construya las funciones cardinales para el conjunto de nodos dado

y el polinomio de interpolacin de Lagrange correspondiente.
Las funciones cardinales, empleando la expresin ( 69 ), resultan
ser:
El polinomio de interpolacin de Lagrange es:

p3(x) = l0(x)-23l1(x)-54l2(x)-954l3(x)
PREGUNTA:
De acuerdo al ejemplo realizado en la lectura anterior, se encontr
que el coeficiente del polinomio de lagrange l3(x) es:

a. 1
b. -23
c. -954
d. -54
Continuar
Usted se ha autentificado como EDITH MILENA CUELLO (Salir)

100401A
8/8
Act 8: Leccin evaluativa Unidad No. 2

Continuar
Que valor de x, hacen que se cumpla la igualdad.

2x 3 9 = x

a. x = -12
b. x = - 6
c. x = 6
d. x =12
2
Interpolacin Cuadrtica
Si se dispone de tres puntos la bsqueda de una funcin se puede
llevar a cabo con un polinomio de segundo orden(llamado
tambin polinomio cuadrtico o parbola). Una manera conveniente
para este caso es:
f(x) = b0 + b1 (x x0) + b2 (x x0) (x x1) (1)
Ntese que aunque la ecuacin (1) parezca diferente de la ecuacin
general de un polinomio lineal, las dos ecuaciones son equivalentes.
Esto se puede demostrar si se multiplican en forma distributiva los
trminos de la ecuacin (1) y obtenemos:
f(x) = b2 x2 + (b1 b2 x0 b2 x1) x + (b0 b1 x0 + b2 x0 x1) (2)
que si se agrupan los trminos se tiene:
f(x) = a2 x2 + a1 x + a0 (3)
en donde:
a2 = b2
a1 = b1 b2 x0 b2 x1 (4)
a0 = b0 b1 x0 + b2 x0 x1
De esta manera, las ecuacin (1) es una frmula alternativa que
equivale al polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores
de los coeficientes. Para b0, se usa la ecuacin (1) con X = X0, y se
obtiene
b0 = f(x0) (5)
sustituyendo la ecuacin (5) en la ecuacin (1) y evaluando en X
=X 1 se obtiene:
(6)
Y por ltimo, las ecuaciones (5) y (6) se sustituyen en la ecuacin

(1), y se evala sta en X = X2 y se obtiene:
(7)
Ntese que, al igual que en el caso de interpolacin lineal, b1 an

representa la pendiente de la lnea que une los puntosX0 y X1. Por lo
tanto, los primeros dos trminos de la ecuacin (1) son equivalentes
a la interpolacin de X0 a X1. El ltimo trmino, b2(X-X0)(X-X1),
introduce la curvatura de segundo orden en la frmula.
Ejemplo:
Ajstese el polinomio de segundo orden a los siguientes tres puntos
X0 = 1
f (X0) = 0.0000 000
X1 = 4
f (X1) = 1.3862 944
X2 = 6
f (X2) = 1.7917 595
SOLUCIN :
Entonces
b0 = 0
Luego:
Y:
Sustituyendo estos valores en la ecuacin de interpolacin y se

obtiene la frmula cuadrtica:
f2 ( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)
si se quiere evaluar en X = 2 , se obtiene
f 2 ( 2 ) = 0.5658443
PREGUNTA:
Una de las principales razones para incluir el mtodo de GaussJordan, es la de proporcionar: .
a. Un mtodo Indirecto para obtener la matriz invers
b. Un mtodo directo para obtener la matriz inversa
c. Un mtodo directo para obtener la matriz diagonal
d. Un mtodo Indirecto para obtener la matriz diagon
3
Teniendo en cuenta el mtodo de Gauss-Seidel para una matriz
dada tenemos la siguiente ecuacin:
Si se asume que x2y x3 son iguales a uno el resultado de x1 es

aproximadamente igual a:
a. 2,72
b. 2,70
c. 2,71
d. 2,6
4
Para nmeros sin coma decimal, los ceros posteriores a la ltima
cifra distinta de cero pueden o no considerarse significativos. As,
para el nmero 70 podramos considerar una o dos cifras
significativas. Esta ambigedad se evita utilizando la notacin
cientfica. como por ejemplo: 7 102 tiene una cifra significativa. De
acuerdo al texto es correcto afirmar
a. la notacin cientifica no evita la ambigedad
b. la ambigedad no es evitada con la utilizacin de la notac
c. la notacin cientifica algunas veces no evita la ambigeda
d. la notacin cientifica evita la ambigedad
5
Para las siguientes matrices
es igual:
el producto AB

a. (-15,12)
b. (-15,-12)
c. (15,-12)
d. (15,12)
6
Mtodo de Mnimos cuadrados
Suponga que se tiene el siguiente diagrama
Y le solicitan que ajuste una recta que la mayor parte de los datos.
Para ello se desarrolla una ecuacin de estimacin llamada de
Mnimos Cuadrados.
El procedimiento del mtodo de Mnimos Cuadrados es determinar

la recta = a + bX , donde
= es la variable dependiente, o variable a predecir
a= Intersepto con la variable Y
b= Es la pendiente de la recta.
X= Variable independiente, informacin conocida parapredecir Y
El objetivo del mtodo es determinar los valores de a y b dela
ecuacin = a + bX, para ello se tiene las siguientes ecuaciones:
y
Ejemplo:
Suponga que un analista de una empresa Z le solicitan encontrar la
recta de estimacin de ingresos y gastos, de modo que tiene los
siguientes datos:
Ingresos Y
20
25
34
30
40
31
Gastos X
11
Ingresos Y
20
25
34
30
40
31
Gastos X
11
En millones de pesos.
Entonces el debe realizar las siguientes operaciones para
determinar la recta de estimacin que ms se ajuste:
n=6
X= 2+3+5+4+11+5= 30
Y= 20+25+34+30+40+31= 180
XY= (2+20)+ (3*25)+ (5*34)+ (4*30)+ (11*40)+ (5*31)= 1000
X2= 22 +32 +52 +42 +112 +52 = 200
(X)2 = (30)2 = 900
Reemplazamos en la frmulas a y b y se obtiene los siguientes
resultados:
b= [(6)(1000) - (30)(180)]/ [(6)(200)- 900]= 600/300 = 2
Esta estimacin quiere decir que por cada millon gastado la
empresa recibe 2 milles de ingresos y
a= [180 - (2)(30)]/6 = 120/6 = 20
que significa que los ingresos mnimos son de 20 millones. La
ecuacion es entonces:
= 20 + 2X
A partir de esta ecuacin estimada se puede predecir los ingresos si
los gastos son 7 millones, es decir si X=7 luego:
= 20 + 2(7) = 34 millones
PREGUNTA:
La solucin de siguiente sistema
eliminacin de Gauss es:
1) x1= 4
utilizando la
2) x2= 4
3) x1= 3
4) x2= 3
Son correctas:
a. 1 y 4
b. 3 y 4
c. 3 y 2
d. 1 y 2
7
POLINOMIO DE INTERPOLACIN DE NEWTON CON
DIFERENCIAS DIVIDIDAS
Dados n+1 datos:
- El polinomio de interpolacin de Newton se define de la siguiente

manera:
f(x) = b0+b1(x-x0)+b2(x-x0)(x-x1)++bn(x-x0)(x-x1)(x-xn-1)
donde:
b0=f(x0)
b1=f [x1, x0]
b2=f [x2, x1, x0]
.
.
.
bn = f [xn,, x0]
Para calcular los coeficientes b0, b1,, bn, es conveniente construir
una tabla de diferencias divididas como la siguiente:
Obsrvese que los coeficientes del polinomio de interpolacin de

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

de interpolacin de Newton.
Solucin .
Procedemos como sigue:
Por lo tanto el polinomio de interpolacin de Newton es:

f(x) = 4+2(x+2)-0.25(x+2)(x+1)-0.3(x+2)(x+1)(x-2)
Ejemplo 2. Calcular la tabla de diferencias divididas finitas con los
siguientes datos:
Y usar la informacin en la tabla, para construir el polinomio de

interpolacin de Newton.
Solucin. Procedemos como sigue:
Por lo tanto el polinomio de interpolacin de Newton nos queda:

f(x) = 5+3(x+3) 1.66667(x+3)(x+2) - 020238(x+3)(x+2)(x)
PREGUNTA:
Teniendo en cuenta el ejemplo 1 de la pgina anterior (pgina 11), se
observa que se encuentra una funcin o polinmio, de acuerdo a ello, el
coeficiente del X3 de la funcin encontrada es:
a. 0.25
b. -0.3
c. -0,25
d. 0,3
8
El polinomio que se obtiene al usar el mtodo de Diferencias
Divididas de Newton con los siguientes datos:
x
f(x)
-4
-1
es:
a. P(x)= -4+3(x-2)+2(x-2)(x+3)
b. P(x)= -4+3(x+2)+2(x+2)(x-3)
c. P(x)= -4+3(x-2)+2(x-2)(x-3)
d. P(x)= 4+3(x-2)+2(x-2)(x-3)
9
"Una ecuacin es una proposicin que expresa la igualdad de dos expresiones
algebraicas. Por lo regular involucra una o ms variables y el smbolo de igualdad =. Las
siguientes proposiciones son ejemplos de ecuaciones"
De las siguientes cuales No se consideran ecuaciones.

a. x 100 = x
b. sen(2x-3)
c. 5y = 6 4y
d. 3K/(1- T) = S
10
INTERPOLACIN
En este captulo estudiaremos el importantsimo tema de la
interpolacin de datos. Veremos dos tipos de interpolacin: la
interpolacin polinomial y la interpolacin segmentaria
(splines).Comencemos dando la definicin general.
Definicin. Dados n+1 puntos que corresponden a los datos:
x0
x1
xn
y0
y1
yn
y los cuales se representan grficamente como puntos en el plano

cartesiano,
Si existe una funcin f(x) definida en el intervalo [x0, xn] (donde

suponemos que x0<x1<<xn , tal que f(xi) =yi para i = 0,1,2,n ,
entonces a f(x) se le llama una funcin de interpolacin de los datos,
cuando es usada para aproximar valores dentro del intervalo [x0,
xn] , y se le llama funcin de extrapolacin de los datos, cuando est
definida y es usada para aproximar valores fuera del intervalo.
Evidentemente pueden existir varios tipos de funciones que

interpolen los mismos datos; por ejemplo, funciones trigonomtricas,
funciones exponenciales, funciones polinomiales, combinaciones de
stas, etc.
El tipo de interpolacin que uno elige, depende generalmente de la
naturaleza de los datos que se estn manejando, as como de los
valores intermedios que se estn esperando.
Un tipo muy importante es la interpolacin por funciones

polinomiales. Puesto que evidentemente pueden existir una infinidad
de funciones polinomiales de interpolacin para una misma tabla de
datos, se hace una peticin extra para que el polinomio de
interpolacin, sea nico.
Definicin. Un polinomio de interpolacin es una funcin polinomial
que adems de interpolar los datos, es el de menor grado posible.
Caso n=0
Tenemos los datos:
x
x0
y0
En este caso, tenemos que f(x)=y0 (polinomio constante) es el

polinomio de menor grado tal que f(x0)=y0 , por lo tanto, es el
polinomio de interpolacin.
Caso n=1
Tenemos los datos:
x
x0
x1
y0
y1
En este caso, el polinomio de interpolacin es la funcin lineal que

une a los dos puntos dados. Por lo tanto, tenemos que
es el polinomio de interpolacin.
La siguiente grfica representa este caso:
Observacin .
Vemos que en el polinomio de interpolacin del caso n=1 se
encuentra como primer trmino, y0 , que es el polinomio de
interpolacin del caso n=0 .
Continuemos:
Caso n=2
Tenemos los datos:
x
x0
x1
x2
y0
y1
y2
Para este caso, el polinomio de interpolacin va a ser un polinomio

de grado 2. Tomando en cuenta la observacin anterior, intuimos
que el polinomio de interpolacin ser como sigue:
<>
trmino cuadrtico
Por lo tanto, planteamos el polinomio de interpolacin como sigue

f (x) = b0+b1(x - x0)+b2(x - x0)(x x1)
Si asignamos x=x0 , se anulan los valores de b1 y b2 , quedndonos
el resultado:
f(x0) = b0
Como se debe cumplir que f(x0) = b0 , entonces:
y0 = b0
Si asignamos x=x1 , el valor de b2 queda anulado, resultando lo
siguiente:
f (x1) = b0+b1(x1 - x0)
Como se debe cumplir que f(x1)= y1 y ya sabemos qu y0 = b0 ,
entonces
y1=b0+b1(x1 - x0) , de lo cual obtenemos el valor para b1 :
PREGUNTA:
Si se tiene datos:
x
x0
x1
y0
y1
En este caso, el polinomio de interpolacin es:

a. Un polinomio de grado 2
b. f(x)=y (polinomio constante)
c. Una funcin lineal o polinomio lineal
d. Un polinomio cuadrtico
Continuar

100401A
20/25
Act 9: Quiz 2
Continuar
1
Para las siguientes matrices
el producto AB es igual
Seleccione al menos una respuesta.

a. (15,-12)
b. (-15,12)
c. (15,12)
d. (-15,-12)
2
En esta pregunta encontrar un enunciado que debe emparejarla
con una de las opciones que esta a su derecha.
Este es uno de los mtodos ms interesantes del anlisis numrico y particularmente
til ya que nos permite encontrar la solucin de un sistema de n ecuaciones con n
incgnitas.
Mtodo
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss,
permite resolver hasta 15 o 20 ecuaciones simultneas.
Mtodo
Es simplemente es una reformulacin del polinomio de Newton que evita los clculos
de las diferencias divididas.
Interpola
Consiste en encontrar una curva que contenga una serie de puntos y que posiblemente
cumpla una serie de restricciones adicionales.
Ajuste d
3
Si A es una matriz cuadrada no singular, entonces quiere decir que su
determinante es:

a. Igual a cero, |A|=0.
b. Diferente de uno, |A| # 1
c. Igual a uno, |A|=1.
d. Diferente de cero, |A| # 0
4
Dado el sistema
El valor de
a para los cuales el sistema no tiene solucin es:

a. -1.3
b. -1/3
c. 1/3
d. 1.3
5
Para la solucin de un sistema de ecuaciones lineales se conocen dos tcnicas
o mtodos para su resolucin, uno de estos es:
a. Mtodos de eliminacin
b. Mtodos indirectos
c. Mtodos grficos
d. Mtodos iterativos
6
La inversa de la matriz
es:

a. La opcin III
b. La opcin I
c. La opcin IV
d. La opcin II
7
El valor de a para que la igualdad se mantenga, en la siguiente operacin de
matrices es

a. -3
b. -6
c. 3
d. 6
8
Con la siguiente tabla:
xi
f(xi
)
-3
Obtenemos la aproximacin polinomial de Lagrange con todos los puntos,

entonces, el coeficiente que acompaa la variable x 2 de la funcin polinomial
es:

a. -3/90
b. -2/90
c. 3/90
d. 2/90
9
El polinmio de interpolacin f (x)= b0+b1(x- x0)+b2(x- x0)(x
x1)+b3(x- x0)(x x1)(x-x2) es de:
a. Grado 4
b. Grado 3
c. Grado 2
d. Grado 1
10
El ajuste de curvas consiste en encontrar una curva que contenga una serie
de puntos y que posiblemente cumpla una serie de:

a. Restricciones adicionales
b. Nmeros
c. Variables
d. Errores
11
A continuacin tendr un enunciado que corresponde a uno de los
puntos de la Derecha.
Es la frmula ms simple de interpolacin es la de conectar dos puntos
con una lnea recta
Interpolacin Lineal.
Es simplemente es una reformulacin del polinomio de Newton que evita

los clculos de las diferencias divididas:
El polinomio de interpolacin
El polinomio que se define de la siguiente manera: f(x) = b0+b1(xx0)+b2(x-x0)(x-x1)++bn(x-x0)(x-x1)(x-xn-1)
Polinomio de Interpolacin d
Si se dispone de tres puntos la interpolacin se puede llevar a cabo con

un polinomio de segundo orden
Interpolacin Cuadratico.
Interpolacin Cuadratico.
12
En la ecuacin y=3x-5 es una funcin:
a. Cuadratica
b. Parablica
c. Constante
d. Lineal
13
Cul de las siguientes no es una funcin cuadrtica:
A) Y=ax4+b
B) Y= ax2+bx-c
C) Y=ax3-x4+c
D) Y=ax4+bx5+cx+d
a. B
b. A
c. D
d. C
14
La ecuacin y=ax2+bx+c se ajustara exactamente a:
a. Tres puntos
b. Dos puntos
c. Cuatro puntos
d. Un punto
15
El polinomio de interpolacin de Lagrange, simplemente es una
reformulacin del polinomio de Newton que evita:
a. Los clculos de Ajuste de Curvas
b. Un polinomio lineal
c. Los clculos de un numero
d. Los clculos de un polinomio
Continuar

100401A
23.3
25

Continuar
1
Mtodos de Runge-Kutta Los Runge-Kutta no es solo un mtodo
sino una importante familia de mtodos iterativos tanto implcitos
como explcitos para aproximar las soluciones de ecuaciones
diferenciales ordinarias (E.D.Os), estas tcnicas fueron
desarrolladas alrededor de 1900 por los matemticos alemanes Carl
David Tolm Runge y Martin Wilhelm Kutta
El clsico mtodo Runge-Kutta de cuarto orden
Un miembro de la familia de los mtodos Runge-Kutta es usado tan

comnmente que a menudo es referenciado como RK4 o como el
mtodo Runge-Kutta.
Definamos un problema de valor inicial como:
y = f(t,y), y(t0) = y0
Entonces el mtodo RK4 para este problema est dado por la
siguiente ecuacin:
As, el siguiente valor (yn+1) es determinado por el presente

valor yn mas el producto del tamao del intervalo ( h ) por una
pendiente estimada. La pendiente es un promedio ponderado de
pendientes:
k1 es la pendiente al principio del intervalo;
k2 es la pendiente en el punto medio del intervalo, usando k1 para
determinar el valor de y en el punto tn + h/2 usando el mtodo de
Euler
k3 es otra vez la pendiente del punto medio, pero ahora
usando k2 para determinar el valor de y
k4 es la pendiente al final del intervalo, con el valor de y determinado

por k3
Promediando las cuatro pendientes, se le asigna mayor peso a las
pendientes en el punto medio:
El mtodo RK4 es un mtodo de cuarto orden lo cual significa que el

error por paso es del orden de h5, mientras que el error total
acumulado tiene el orden h4
PREGUNTA:
El mtodo RK4 es un mtodo de cuarto orden lo cual significa que el
error por paso es del orden de h5, mientras que el error total
acumulado tiene el orden
a. h cuatro
b. h tres
c. h cinco
d. h dos
2
En anlisis numrico , el Mtodo de Romberg genera una matriz
triangular cuyos elementos son estimaciones numricas de
la integral definida siguiente:
Usando la extrapolacin de Richardson de forma reiterada en

la regla del trapecio . El mtodo de Romberg evala el integrando
en puntos equiespaciados del intervalo de integracin estudiado.
Para que este mtodo funcione, el integrando debe ser
suficientemente derivable en el intervalo, aunque se obtienen
resultados bastante buenos incluso para integrandos poco
derivables. Aunque es posible evaluar el integrando en puntos no
equiespaciados, en ese caso otros mtodos como la cuadratura
gaussiana o la cuadratura de ClenshawCurtis son ms adecuados.
Mtodo
El mtodo se define de forma recursiva as:
o
donde
La cota superior asinttica del error de R(n,m) es:
O (hn2m+1)
La extrapolacin a orden cero R(n,0) es equivalente a la Regla del
trapecio con n + 2 puntos. a orden uno R(n,1) es equivalente
a la Regla de Simpson con n + 2 puntos.
Cuando la evaluacin del integrando es numricamente costosa, es
preferible reemplazar la interpolacin polinmica de Richardson por
la interpolacin racional propuesta por Bulirsch & Stoer.
Ejemplo
Como ejemplo, la se integra la funcin gaussiana en el intervalo
[0,1], esto es la funcin error evaluada en 1, cuyo valor eserf (1) =
0,842700792949715. Se calculan los elementos de la matriz
triangular fila a fila, terminando los clculos cuando la diferencia

entre las dos ltimas filas es menor que 1x10-8
0.77174333
0.82526296 0.84310283
0.83836778 0.84273605 0.84271160
0.84161922 0.84270304 0.84270083 0.84270066
0.84243051 0.84270093 0.84270079 0.84270079 0.84270079
El resultado en la esquina inferior derecha de la matriz triangular es
el resultado correcto con la precisin deseada. Ntese que este
resultado se deriva de aproximaciones mucho peores obtenidas con
la regla del trapecio mostrado aqu en la primera columna de la
matriz triangular.
PREGUNTA:
Para que este mtodo de Romberg funcione, el integrando debe ser
suficientemente:
a. Diferenciable
b. Integrable
c. Sumable
d. Antidiferenciable
3
Deacuerdo a la lectura : El nivel de exactitud requerido puede variar
enormemente de unos casos a otros. correcponde al concepto
a. Exactitud
b. Aproximacin
c. Redondeo
d. Precisin
4
INTEGRACIN NUMRICA
INTRODUCCIN
En ingeniera se presenta con frecuencia la necesidad de integrar
una funcin que sera, en general, de una de las tres formas
siguientes:
1. Una funcin simple y continua tal como un polinomio, una
funcin exponencial o una funcin trigonomtrica.
2. Una funcin complicada y continua que es difcil o imposible
de integrar directamente.
3. Una funcin tabulada en donde los valores de X y f(X) se dan
en un conjunto de puntos discretos, como es el caso a
menudo, de datos experimentales.
En el primer caso, la integral simplemente es una funcin que se

puede evaluar fcilmente usando mtodos analticos aprendidos en
el clculo. En los dos ltimos casos, sin embargo, se deben emplear
mtodos aproximados.
Las frmulas de integracin de Newton-Cotes son los esquemas
ms comunes dentro de la integracin numrica. Se basan en la
estrategia de reemplazar una funcin complicada o un conjunto de
datos tabulares con alguna funcin aproximada que sea ms fcil de
integrar.
La integral se puede aproximar usando una serie de polinomios
aplicados por partes a la funcin o a los datos sobre intervalos de
longitud constante.
Se dispone de las formas abierta y cerrada de las frmulas de
Newton-Cotes. Las formas cerradas son aquellas en donde los
puntos al principio y al final de los lmites de integracin se conocen.
Las frmulas abiertas tienen los lmites de integracin extendidos
ms all del rango de los datos. Las frmulas abiertas de NewtonCotes, en general, no se usan en la integracin definida. Sin
embargo, se usan extensamente en la solucin de ecuaciones
diferenciales ordinarias.
REGLA DEL TRAPECIO
La regla del trapecio o regla trapezoidal es una de las frmulas
cerradas de Newton-Cotes.
Considrese la funcin f(X), cuya grfica entre los extremos X =
a y X = b se muestra en la fig. 1. Una aproximacin suficiente al
rea bajo la curva se obtiene dividindola en n fajas de ancho ?X y
aproximando el rea de cada faja mediante un trapecio, como se
indica en la figura.
Fig. 1
Llamando a las ordenadas Yi (i = 1, 2, 3,..., n+1), las reas de los
trapecios son:
El rea total comprendida entre X = a y X = b est dada por:
Sustituyendo las ecuaciones. (1) en esta expresin se obtiene:
La cual recibe el nombre de Frmula Trapezoidal, y se puede

expresar como:
En esencia, la tcnica consiste en dividir el intervalo total en

intervalos pequeos y aproximar la curva Y = f(X) en los diversos
intervalos pequeos mediante alguna curva ms simple cuya
integral puede calcularse utilizando solamente las ordenadas de los
puntos extremos de los intervalos.
PREGUNTA:
La integral
es igual a

a. 2
b. Cero
c. e
d. 1
La extrapolacin a orden uno R(n,1) es equivalente a:

a. la Regla de Simpson con n + 1 puntos.
b. La Regla del trapecio con n + 2 puntos;
c. La Regla de Simpson con n + 2 puntos.
d. La Regla del trapecio con n + 1 puntos;
6
En matemtica y computacin , el mtodo de Euler, llamado as en
honor de Leonhard Euler , es un procedimiento deintegracin
numrica para resolver ecuaciones diferenciales ordinarias a partir
de un valor inicial dado.
Dado un sistema de ecuaciones diferenciales de primer orden,
el mtodo de Euler es la primera aproximacin de solucin.
Consideremos un sistema de N variables y1, que dependen
de t. Las ecuaciones diferenciales podrn expresarse de la siguiente
forma:
yi = fi(y1, y2,, yN, t) para i=1,2,, N.
Escogiendo un paso de t pequeo ? se puede usar la aproximacin
de Euler, con la cual, para calcular los valores de yi en el
tiempo t+ ? t se necesitan conocer en el tiempo t. La frmula
sera: yi(t+ ? t) = yi(t) + ? tfi(y1, y2,, yN,t) para i = 1,2,N .
Entonces para averiguar los valores de yi a cualquier t basta
conocer sus valores iniciales (condiciones inciales a t=0 y
resolviendo iterativamente con un paso ? t hasta llegar a ese valor

de t
Obtenido de "http://es.wikipedia.org/wiki/M%C3%A9todo_de_Euler"
PREGUNTA:
Teniendo en cuenta el texto anterior entonces, el mtodo de Euler, es
un procedimiento de integracin numrica para resolver:

a. Ecuaciones diferenciales de orden superior
b. Ecuaciones diferenciales ordinarias
c. Ecuaciones integrables ordinarias
d. Ecuaciones diferenciales parciales
Continuar

100401A
8/8

Act 1 Presaber Metodos Numericos

Încărcat de

Informații document

Descriere originală:

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Act 1 Presaber Metodos Numericos

Încărcat de

Drepturi de autor:

Formate disponibile

Act 1: Leccin Evaluativa de Reconocimiento Presaberes

Revisin del intento 1

Seleccione una respuesta.

Seleccione una respuesta.

c. Anlisis demogrficos de las tendencias del electorado

Act 3 : Reconocimiento Unidad 1

posibilidades: f(a) y f(c), f(c) y f(b) tienen distinto signo. El

en la n-sima iteracin. La biseccin converge linealmente, por lo

PREGUNTA: El mtodo de biseccin es un algoritmo de bsqueda

de races que trabaja dividiendo el intervalo a la _________ y

denotaremos como Ev, o deberemos estimar un error aproximado.

El punto se obtiene al hallar la interseccin de la recta que pasa por

converger ms lentamente a la solucin de la ecuacin que el

Act 4: Leccin Evaluativa Unidad No. 1

martes, 18 de septiembre de 2012, 17:33

martes, 18 de septiembre de 2012, 17:58

Principio del formulario

Final del formulario

La solucin de la siguiente ecuacin 3(x - 3)2 = 3(3x - 9) es:

Seleccione una respuesta.

El mtodo de biseccin sigue los siguientes pasos:

punto de partida; sin embargo, para poder aplicar el mtodo de biseccin

ii) Evaluamos f(1,25) = e-1,25 ln ( 1,25) = 0,0636 > 0

Por lo tanto, vemos que la raz se encuentra en el intervalo [1,25; 1,5].

Aqu podemos calcular el primer error aproximado, puesto que contamos ya

Puesto que no se ha logrado el objetivo, continuamos con el proceso.

As, vemos que la raz se encuentra en el intervalo [1,25; 1,375] .

Y calculamos el nuevo error aproximado:

El proceso debe seguirse hasta cumplir el objetivo.

As, obtenemos como aproximacin a la raz

B. Se debe a la interrupcin de un proceso matemtico antes de su

b. Muy rpida y disminuye

Supongamos que la raz verdadera es xr, es decir,

En nuestro caso, existe en el intervalo determinado por xi y xr tal que:

De aqu tenemos que:

En el ejemplo 2, g(x)=x+tanxe-x y en este caso, |g(x)|=|1+sec2x + e-x| > 1.

En este caso, tenemos que

De donde vemos que la aproximacin buscada es:

El error absoluto mide la diferencia entre el valor exacto de una cantidad y su

Que es la frmula iterativa de Newton-Raphson para calcular la siguiente

De aqu tenemos que:

Comenzamos con x0 = 1 y obtenemos:

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se

De lo cual concluimos que

, la cual es correcta en todos

Revisin del intento 1

Seleccione una respuesta.

posiblemente cumpla una serie de

Seleccione una respuesta.

Seleccione una respuesta.

Seleccione una respuesta.

Seleccione una respuesta.

Seleccione una respuesta.

Mtodo de New ton-Raphson

Mtodo de la Regla Falsa

Mtodo Iterativo de Punto Fijo

Seleccione una respuesta.

observador y otras causas.

Seleccione una respuesta.

El polinomio y = ax3 + bx2 + cx + d de tercer grado se ajusta a:

Seleccione una respuesta.

Si aumentamos el orden de la ecuacin a la de un polinomio de