1

FUNDACIN UNIVERSIDAD DE AMRICA

INGENIERA QUIMICA

Elaborado por:
Maria Camila Carvajal Vega
Cdigo: 6142326

Docente:
Ingeniero: Nstor Humberto Agudelo Daz
Asignatura: Mtodos numricos
Grupo: 6
10 de Noviembre de 2016
Bogot D.C

2
CONTENIDO

Pg.
INTRODUCCION
OBJETIVOS
CAPITULO I
1. TEORA DE ERRORES
1.1 Depuracin de datos
1.1.1 Distribucin t de student
1.1.1.1 Propagacin de errores
1.2 POLINMIO DE TAYLOR

3
4
5
7
9
11
19

CAPITULO II
2.1
2.2
2.3
2.4
2.5

MTODO DE BISECCION
MTODO REGLA FALSA
MTODO NEWTON-RAPHSON
MTODO SECANTE
MTODO PUNTO FIJO

23
26
29
35
40

CAPITULO III
3.1 MTODO JACOBI
3.2 MTODO DE GAUSS-SEIDEL

43
52

CAPITULO IV
4.1 INTERPOLACIN
4.1.1 Regresin Lineal
4.2 COEFICIENTE DE DETERMINACION
4.3 POLINMIO LAGRANGE

55
55
58
62

CAPITULO V
5.1 DERIVACIN NMERICA
5.1.1 Mtodo tres puntos
5.2 INTEGRACIN NMERICA
5.2.1 Mtodo Trapecio
5.3 INTEGRACION NUMERICA COMPUESTA
5.3.1.1 Mtodo Simpson n=2
5.3.1.1 Mtodo Simpson n=3
5.4 ECUACIONES DIFERENCIALES
5.4.1 Mtodo Runge-kutta
6. Conclusiones
7. Bibliografa

68
69
71
71
74
75
78
80
81
85
86

3
INTRODUCCION

Con el presente trabajo se pretende dar a conocer los diferentes mtodos

numricos que existen y la manera de realizarlos con la ayuda del programa
Excel, el cual los hace ms rpido y nos ayuda a aumentar la habilidad el uso de
programas en la computadora. A continuacin podrn ver una recopilacin de los
diferentes temas presentados en la clase de mtodos numricos, estn explicados
con su debido procedimiento para el fcil manejo y enseanza de estos.

4
OBJETIVOS

Objetivo Principal:
Partiendo del anlisis de un problema complejo poder dar soluciones
aproximadas a partir de diferentes mtodos de aritmtica con un
conjunto de operaciones y formulas algebraicas.

Objetivos especficos:
Usar el computador como herramienta para resolver problemas de
cmputo y como un medio de ayuda audiovisual.
Hacer uso de las frmulas que trae el programa EXCEL para que sea
ms fcil el resolver problemas por medio de diferentes mtodos.
Describir los pasos para la programacin de cada uno de los
mtodos numricos que se explicaran.

5
1. CAPITULO I

1.1 TEORIA DE ERRORES:

Desde el punto de vista de la ingeniera se tiene como referencia varios conceptos
importantes como:
a) Medir: Establece cuantas veces est contenida la unidad patrn n un espacio
fsico determinado.
b) Exactitud: Se define como el grado de acercamiento absoluto a un valor real.
c) Precisin: Se define como el grado de acercamiento relativo a un valor real (1).
Entre ms observaciones ms se acerca al valor

1.

Imagen tomada de sitio web.

Encontramos dos tipos de errores importantes que son:

Errores sistemticos: Son debidos a problemas en el funcionamiento de los

aparatos de medida o al hecho de que al introducir el aparato de medida en el
sistema, ste se altera y se modifica, por lo tanto, la magnitud que deseamos
medir cambia su valor. Normalmente actan en el mismo sentido (2).
Un ejemplo: Cuando se realiza la medicin de una material en dos casos, el
primero es en un lugar con temperatura fra (Bogot D.C.) y el segundo se
realiza una medicin en un lugar caliente (Honda). Existir un error ya que el
material se ve afectado por la temperatura.

Bogot
A

6
AB = 10m + Bogot (5C-24C)

B
X

AB=AB- X
Honda X = 1mm /1c (20C 40C)

ERRORES ACCIDENTALES: Se originan debido a las limitaciones en la

observacin por parte del ser humano o una mquina, se presentan de forma
aleatoria y se pueden modelar bajo la teora de la probabilidad. Al producirse
aleatoriamente las medidas se distribuyen alrededor del valor real, por lo que
un tratamiento estadstico (2).
Un ejemplo: se pretende medir el dimetro de un tubo.

6,18

6,22

6,16

6,

6,25

En este caso el valor estimado es (6,202 cm).

Valor
Valor 1
Valor 2
Valor 3

Seran errores
Sera una equivocacin

1.2 DEPURACION DE DATOS:

7
Ms de 1 (seccin se considera
como equivocacin y menor a 1
(seccin naranja) se considera como
errores y se trabaja solo con esta
zona.

La depuracin es una actividad inevitable y difcil dentro de la produccin de

datos estadsticos. Si se define, planifica y ejecuta de forma deficiente,
puede tener un impacto muy negativo en la calidad de los datos, en los
costes de produccin y en los plazos de difusin de los datos (3).
Media Aritmtica y Desviacin Estndar:
Parametrizacin:

Z= Numero de desviaciones estndar que esta Xi

Xi= Datos Observados
= Media Poblacional
= Desviacin Estndar

EJEMPLO: Un sujeto que ha puntuado 95 en una distribucin de media=

100 y desviacin tpica = 15 calcular la puntuacin estndar Z.

z=

10095
=0,67
15

Formula de desviacin estndar:

Un ejemplo:

8
Se hace medicin cinco veces de un material en iguales condiciones
climticas obteniendo los siguientes resultados: 6,18; 6,21; 6,16; 6,15; 6,24.
Cul fue la distancia medida? Cul es el promedio?
Solucin:

Primero se saca el valor promedio =PROMEDIO(B7:B11)

Luego la desviacin estndar =DESVEST(B7:B11)

Paso siguiente, se halla el Z los resultados deben estar entre (-1 Z

1), los que estn por fuera de este rango se consideran equivocaciones,
con la siguiente formula.
Z i=

X i X
S

Se dejan los datos sin equivocaciones en otra tabla que es la TABLA DE

DATOS DEPURADOS, y saca de nuevo el promedio

1.2.1 DISTRIBUCION t DE STUDENT:

Es una distribucin de probabilidad que surge del problema de
estimar la media de una poblacin normalmente distribuida
cuando el tamao de la muestra es pequeo(4).

Ejemplo:

Realizando el ejemplo anterior en Excel, y teniendo en cuenta un intervalo

de confianza del 95%:

Partiendo de la tabla anterior

Se llenan los siguientes datos como el intervalo de confianza segn

dado es 0,95, el grado de libertad que se calcula (n-1), y el nmero de
datos con la formula CONTAR.

10

Se calcula el valor crtico y la desviacin estndar con la formula antes

utilizada (DESVEST):

Se calcula el error de estimacin:

Finalmente se calculan los dos lmites:

11

1.2.1.1

PROPAGACION DE ERRORES:

En el curso se estudia cmo se propagan los errores para variables

dependientes cuando las independientes u observaciones tienen errores
involucrados.
Frmulas que se emplean:

f x

Errores en la ( s) Variable ( s) dependient es

G Matriz de las derivadas parciales de la ( s) var iables dependient es respecto

a las independie ntes u observaciones

x Matriz de los errores en las observaciones o var iables dependientes

2
f x G * x 2 * GT
2

La aritmtica usada por el computador no respeta la aritmtica ordinaria.

Cada simple operacin en un punto flotante casi siempre genera un error
pequeo que se puede propagar con varias operaciones. Se pueden
minimizar los errores de redondeo incrementando el nmero de cifras
significativas en el computador y as el error no ser tan representativo (5).
Primero analizaremos varios conceptos que abarcan este tema de
propagacin de errores.
Anlisis del error de propagacin: Este trmino es importante cuando se
quiere investigar o garantizar el desempeo de los mtodos numricos
usados en problemas tericos y prcticos(5).

12
Se expresa as:

xrd (x)
x

normalmente se escribe as RD(x)=x

(1+ ,||= ,|| eps

Encontramos diferentes operaciones matemticas como multiplicacin,
divisin, suma y resta.
o Multiplicacin: Supongamos que
los trminos de orden dos

x y y son tan pequeos que

2 x , 2 y , xy

u orden superior

puedan ser despreciados es decir:

1+ E x + E y
X (1+ x y ( 1+ y ) xy )
Y por tanto, el error relativo

E xy E x + E y

finalmente en el producto

los errores relativos de los datos se suman en el resultado.

o Divisin: Si y 0 entonces, usando la expansin en serie de 1/
(x+1)

x( 1+ E x ) x
x
= (1+ E x)( 1E y + E2 y..) (1+ E xE y )
y ( 1+ E y ) y
y

Entonces el error relativo

x
y

E xE y .

o Suma y resta: Como x, y pueden tener cualquier signo, basta con

considerar esta suma:
E
x
+ y ( 1+ E y )=x + y + x E x + y E y
X (1+
Un ejemplo:
En el curso se plantea un ejercicio el cual por medio de este mtodo se
debe calcular los valores ms probables del rea del siguiente rectngulo
junto con su diagonal.

13

Establecer las variables dependientes

A=xy

2
D= x 2+
Calcular
layMatriz G

| |

dA
G= dx
dD
dx

dA
dy
dD
dy

y
x
G=
2
x + y2

x
y
2
x + y2

Se Realiza la matriz de los errores al cuadrado, matriz X 2

G=

x2
0
0 y2

14

Se realiza la transpuesta de G = TRANSPONER(C34:D35)

NOTA: Para poder trasponer toda la matriz debe seleccionar las casillas
en este caso 4 casillas se presiona F2 donde vemos la formula y a
continuacin Ctrl+Shift+Enter.

Se realiza la matriz f(x)2

15

Se realiza el clculo del rea y su error de estimacin.

Se hallan los lmites, en el lmite superior el rea se le suma el error y

el lmite inferior se le resta el error.

Lo mismos dos pasos anteriores se hacen para hallar la diagonal

16

2. Ejercicio Propuesto: La deflexin de la punta de un mstil en un bote de vela es:

Donde F= una carga lateral uniforme (lb/ft), L= Altura (ft), E=Modulo de elasticidad (lb/ft2), e
I=el momento de inercia (ft4) .Estime el error en y dados los siguientes datos:

17
Datos:
F
L
E
I

50
30
15000000
0
0,06

Con los datos hacer la Matriz G

2
1
1000000
0
0,0006

18

Hacer la matriz transpuesta de la matriz G que se acab de hallar.

NOTA: Para poder trasponer toda la matriz debe seleccionar las casillas en
este caso 1X4 casillas se presiona F2 donde vemos la formula y a continuacin
Ctrl+Shift+Enter.

Luego la matriz de los errores de las observaciones, cada error

presente se eleva al cuadrado obteniendo una diagonal de errores al
cuadrado.

Se halla la matriz del error de la variable dependiente

19

Se calcula el valor de la funcin reemplazando los datos y se

hallan los limites superiores e inferiores

20
1.3 POLINOMIO DE TAYLOR
Es la aproximacin de una funcin mediante un modelo de carcter polinomio
entorno a un punto (6).

ERROR ABSOLUTO:
= |VrVaprox|
ERROR REAL:

|VrVaprox
|x 100
Vr

r=

A SERIE DE TAYLOR
pn x

f x0
f x0 x x0
f x0 x x0
f x0 x x0
f

0!
1!
2!
3!
2

x0 x x0 n

Un ejemplo:
x
x 2 +1

f ( x )= 2

Entorno a X0=2, mediante un polinomio de Taylor de orden 2

a) Primer Termino
2
f ( 2 )= 2 2 =0,8944
2 +1
b) Primera derivada

n!

Rn x

21
1

f ( 2 )=

( (2) +1 )

3
2

=0,08944

c) Segunda derivada
f ( 2 )=

3(2)
2

((2) +1)

5
2

=0,1073

d) El polinomio
0,08944 ( x2 ) 0,1073 ( x2 )
p2 ( x )=0,8944+
+
1
2

Si evaluamos x=2,5; Valor real

f ( 2,5 ) = 2

2,5

2,52 +1

=0,9284766

e) Valor aproximado

p2 ( 2,5 )=0,8944+

0,08944 (2,52) 0,1073(2,52)2

+
=0,925732
1
2

f) Valor absoluto
Ea =|0,92847660,925732|=0,00274455

g) Valor relativo

Er=

(0,92847660,925732)
100=0,29559
0,9284766

h) A continuacin se presentan los pasos hechos anteriormente en

formulas Excel

22

23

Polinomio Taylor
1.5
1
0.5
-3

-2

-1

0
-0.5

-1
Fxi(real)

P2(Xi) polinomio

Por ltimo se escoge el rango necesario que en este caso es menor al 10%,
tambin podemos observar que cuando utilizamos xi como 2 nos va dar un error
relativo y absoluto de 0.

24
2.

CAPITULO II:ECUACIONES NO LINEALES:

2.1 Mtodo de biseccin:
Es un algoritmo que busca races dividiendo el intervalo a la mitad y
selecciona el sub intervalo que tiene la raz. En la siguiente grafica se
puede observar lo dicho anteriormente.

Como observamos en la imagen nos damos cuenta que el intervalo

va desde a1 hasta b1, el punto rojo que se ve en la grfica hace
referencia a la raz de la funcin.
Pasos de lo que consiste el mtodo.

25
1. Debe existir seguridad de la continuidad de la funcin F(x) en el
intervalo (a; b).
2. Se debe mirar que f(a)*f(b)<0
3. Se calcula el punto medio del intervalo, si encontramos que el
valor es igual a cero efectivamente hemos encontrado la raz.
4. Si no se ha encontrado la raz se verifica que f(m) tiene signo
opuesto con f(a) o con f(b)
Podemos definir y concluir que el mtodo de biseccin es menos
eficiente que el mtodo de newton, pero es ms seguro porque
garantiza la convergencia.

Debemos tener en cuenta que si existe ms de una raz en el

intervalo entonces el mtodo sigue siendo convergente pero no
resulta tan fcil caracterizar hacia que raz converge el mtodo (7).

ALGORITMO:

an pn bn
Pn=

an+bn
,
2

an+1= an si f ( an )f ( pn ) < o :bn+1= bn si f ( bn )f ( pn ) <0

pn si f ( an )f ( pn ) >0
pn si f ( bn )f ( pn ) >0

}}

(7)

Un ejemplo: Aplicar el mtodo de biseccin a la ecuacin, Hallar la

solucin con una tolerancia 1*10-7
1. Lo primero que se debe hacer es escribir lax ecuacin como funcin:
x x ln ( x 2 +1 ) +e x 1 =10,2
2

2
x 1 eso sucede cuando una
2. Se tantean nmeros hasta
encontrar
raz,
F(x)=
x x ln ( xuna
+1 ) +e
10,2
imagen da positivo y la otra da negativa.
E
n Excel
2

26

3. Se halla Pn mediante la siguiente formula utilizando a y b.

a+b 2+3
Pn=
=
=0,25
2
2

4. Siguiente paso se evala en la funcin el valor de a y el valor de Pn hallado

anteriormente.

5. Luego la multiplicacin de los valores hallados en la funcin:

6. Paso siguiente se empieza por hallar los siguientes a y b por medio de

frmulas condicionales con condicionales.

27

7. A partir del segundo trmino puedo hallar la tolerancia.

8. Por ltimo se arrastran todas las casillas hasta llegar a la tolerancia pedida
por el ejercicio y el Pn de esa tolerancia es la raz necesaria.

2.2 Mtodo de Regla falsa:

Como en el mtodo de biseccin, se parte de un intervalo inicial (a 0, b0) con
f (a0) y f (b0) de signos opuestos, lo que garantiza que en su interior hay al
menos una raz. El algoritmo va obteniendo sucesivamente en cada paso
un intervalo ms pequeo (ak, bk) que sigue incluyendo una raz de la
funcin f (8).
A partir de un intervalo (ak, bk) se calcula un punto interior ck:

El punto es la interseccin de la recta que pasa por (a (ak)) y (bf (bk)) con el
eje de abscisas (igual a como se hace en el mtodo de secante) (8).

28

Las
primeras dos
interacciones de regla falsa, la curva que se observa roja muestra la funcin
f; las lneas azules, son las secantes.
Mediante un ejercicio se demostrara lo antes mencionado, teniendo en
cuenta que se deben hallar primero los intervalos y esos se hallan
remplazando nmeros no tan grandes en la ecuacin dada (8).
Un ejemplo:

x
2
x 1

x ln ( x +1 ) +e =10,2
Teniendo en cuenta el algoritmo

P n=

f ( x )=x ln ( x 2+1 ) + e x 1 10,2

af ( b )bf (a)
f ( b )f (a)

1. Primero se empieza por determinar los a y b por tanteo en este caso se

utilizaron los mismos de ejercicio anterior, despus se evala la funcin con
los valores de a y de b.

2. Luego se halla Pn, con la nueva frmula que se tiene para el mtodo de
regla falsa.

29
3. Se evala el valor de Pn hallado en la funcin, y en otra casilla se multiplica
la funcin evaluada en a y Pn.

4. Paso siguiente se hallan los segundos valores para a y para b, mediante

frmulas con condicionales para cada uno.

5. Se hacen los mismos pasos anteriores con estos dos valores y se halla una
tolerancia mediante la resta del Pn hallado antes y el nuevo.

6. Por ltimo se desplazan todas las casillas hasta hallar la tolerancia pedida.

30

2.3 Mtodo de Newton-Raphson:

Es un mtodo iterativo el cual nos permite aproximar la solucin de una
ecuacin del tipo f(x)=0, primero se parte de una estimacin inicial de la
solucin x0 y se construye una sucesin. Este mtodo es usado tambin
para encontrar el mximo o mnimo de una funcin, encontrando los ceros
de su primera derivada.
Este mtodo es abierto lo que quiere decir que no est garantizada su
convergencia global, para obtener o alcanzar la convergencia es
seleccionando un valor inicial lo ms cercano posible a la raz buscada (9).

Algoritmo:

31
Su demostracin es:

xi xi 1 f x f xi
xi * f x xi 1 * f x f xi
xi 1 * f x f xi xi * f x
xi 1 * f x xi * f x f xi
x * f x f xi
xi 1 i
f x
x * f x f xi
xi 1 i

f x
f x
f xi
xi 1 xi
f x
Un ejemplo:
El Algoritmo

como
funcin
x
x

x ln ( x +1 ) +e x 1 =10,2
i
Se

f ( xi )

f ( xi )
X n=x

f ( x )=x ln ( x +1 ) + e

x
2
x 1

10,2

debe tener la derivada para poder completar la tabla de

Newton-Raphson.

x
( 21)2
2
1. Se empieza con cualquier
x 1 valor en Xi, luego de escogerlo se evala la
funcin con este mismo.
x
2x
x
x 1
F ( x )=x ( Lnx+1 ) 2 +e

x +1
2

32

2. Luego con la derivada anteriormente hallada se reemplaza el valor de Xi y

se evala.

3. Luego se halla el algoritmo de Xn reemplazando en la formula

4. Ahora se halla el siguiente Xi que viene siendo el mismo Xn anteriormente

hallado.

5. Paso siguiente se halla la tolerancia con la ya vista formula, pero en este

caso se restan los Xn 1 y 2.

6. Para terminar se desplazan las casillas hasta la tolerancia pedida, podemos

ver en este mtodo que es muy fcil, rpido y efectivo.

Ejercicio extra clase

33
Un abrevadero de longitud L tiene una seccin transversal en forma de semicrculo
con radio r (ver figura) Cuando se llena de agua hasta una distancia h de la parte
suprior el volumen de agua est dado por:

Suponga que L=10pies , r=1 pie, y que V= 124Pies 3 .Determine la profundidad de

agua en el abrevadero con una tolerancia de 1*10 -6 . Por el mtodo de Newton -
aphson

Datos:
L
r
V
H

10
1
12,4
?

Funcin y derivada:

F ( x )=

10
1
( 1h2 ) 2 (2 h)
( 10 ) 1h2 +10 h
2
2
1h

F ( x )=

10
10 1h2 +10 h2 (1h2) 2
2
1h

()

1. Evaluar el Xi en la funcin.

2. Evaluar el Xi en derivada de la funcin.

34
3. Reemplazar valor en la formula Xn.

4. Utilizar el mismo valor hallado de Xn como el segundo Xi.

5. Realiza la tolerancia con los dos numero de Xn.

6. Desplazar todas las columnas hasta llegar a la tolerancia pedida

por el ejercicio .

Ejercicio extra clase

La velocidad hacia arriba de un cohete se calcula con la siguiente formula:

35
Donde v=velocidad del cohete hacia arriba, u= velocidad con la que el combustible
sale del cohete, m0 = masa inicial del cohete en el t=0 , q=consumo de
combustible y g=9.8m/s2 . Si u=2.200m/s, m0 =160.000 kg, y q=2680kg/s, calcule
el tiempo en que v=1.000m/s .Con una tolerancia de 1*10-6 . Por el mtodo de
Newton Raphson.
Datos
v
1000
u
2200
mo
q
g

Funci
n:

160000
2680
9,8

Derivada:

0 ( m0 qt )( m0 ) (q )

( m0qt )

m0
m0qt

( m uqqt )g
0

(2680)(2200)
9,8
( 1600002680
t)

Se hace la tabla anteriormente reemplazando la derivada hallada.

36

37

Asi encontramos el tiempo utlizado que es de 25,942393 con una

velocidad de 1000 m/s.

2.4 Metodo de Secante:

Es un metodo para encontrar los ceros de una funsion de porma iterativa.
Es una variacion del metodo de newton-raphson donde en lugar de calcular la
derivada de la funcion en el punto de estudio, se aproxima la pendiente a la
recta que une la funcion evaluada en el punto estudiado y en el punto de la
interacion anterior.

segn la formula anterior este metodo necesitara dos aproximaciones iniciales

de la raiz para poder inducir una pendiente inicial.Dos primeras interaciones
del metodo de la secante (10).

38

Un
solucin
por el mtodo de la secante con una tolerancia <1*10 -7

f ( x )=x ln ( x +1 ) + e

x
2
x 1

ejemplo: Hallar la
para la ecuacin,

10,2

Con el algoritmo:

x n=xi

f ( xi)(xixi1)
f ( x i )f (x i1)

1. Se construye la
la segunda a ese Xi se le resta 1

tabla con un Xi escogido y

2. Luego de tener los dos valores de Xi y de Xi-1 se evalan en la funcin del

ejercicio.

3. Paso siguiente se halla Xn con la frmula para el mtodo secante.

39
4. Para las siguientes casillas inferiores el Xi-1 pasa a ser el Xi nuevo y el Xn
hallado pasa a ser el nuevo Xi-1.

5. Luego se halla la tolerancia como se ha venido trabajando.

6. Desplazo celdas hasta encontrar la tolerancia requerida.

Ejercicio Propuesto:

40
Un abrevadero de longitud L tiene una seccin transversal en forma de
semicrculo con radio r (ver figura) Cuando se llena de agua hasta una
distancia h de la parte suprior el volumen de agua est dado por:

)]
{ })
h
f ( h )=L ( 0,5r )(r sin { })( h( r h ) ) V
[
]
r
Ejercicio propuesto
2

V =L ( 0,5r ) r sin
2

h
h(r 2h2) 2
r
1

1
2 2

La velocidad hacia arriba de un cohete se calcula con la siguiente formula:

Donde v=velocidad del cohete hacia arriba, u= velocidad con la que el combustible
sale del cohete, m0 = masa inicial del cohete en el t=0, q=consumo de
combustible y g=9.8m/s2 . Si u=2.200m/s, m0 =160.000 kg, y q=2680kg/s, calcule
el tiempo en que v=1.000m/s .Con una tolerancia de 1*10-6. Por el mtodo de
Newton aphson.
Datos
1000
v
2200
u
160000
mo
2680
q
9,8
g

Funci
n:

41

2.5 Mtodo de Punto fijo:

42
Es un mtodo iterativo que permite resolver sistemas no necesariamente
lineales. En particular se puede utilizar para determinar races de una
funcin de la forma f(x), siempre y cuando se cumplan los criterios de
convergencia.
Se requiere volver a escribir la ecuacin.
F(x)=0 en la forma x=g(x)
Se le llama x* a la raz de f. Suponemos que existe y se conoce la funcin g
entonces:
F(x)=x-g(x) x

del dominio.

Entonces: F(x*)=0

x
xg 9 x=0 x g

Se tiene que a x* como punto fijo de g.

Pasos para tener en cuenta:
Algoritmo.
1. Se ubica la raz de f(x) analizando la grafica
2. Se despeja de manera: x= g(x)
3. Obtenemos de x= g(x) su derivada g(x)
4. Resolviendo la desigualdad -1 g ' ( x ) 1 obtenemos el rango de
valores en los cuales est el punto fijo llamado R.
5. Con R buscamos la raz en g(x), es decir g(=R haciendo interaccin
de las operaciones (11).
Un ejemplo:

Encontrar la raz.
Primer despeje:
x=

ln ln ( x +1 ) e
ln x

x
2
x 1

+ 10,2

43
Este despeje es poco eficiente ya que se demora mucho en encontrar la
tolerancia pedida.

Segundo despeje
x 2+1
()e

x
2
x 1

+10,2

ln

ln

x=e

44

Con el segundo despeje se pudo evidenciar que es ms rpido y converge hasta

la tolerancia pedida.

3. CAPITULO III

3.1 METODO JACOBI:

45
Es un mtodo interactivo, usado principalmente para resolver sistemas de
ecuaciones lineales de tipo Ax=b (11).
La sucesin de construye descomponiendo la matriz del sistema A en la
siguiente forma:
A=D+L+U
En donde:
D= Matriz diagonal
L=Matriz triangular inferior
U=Matriz triangular superior
Se puede expresar este mtodo as:

(11)

Un ejemplo: Resolver el siguiente sistema de ecuaciones con una

tolerancia de <1*10-7, iniciar las iteraciones con x= 0,5 y y=1,7.

( ( ))

sin ln

x
xy +2,304790604
x+ y

x
+ exy0,332730843
2
x +y

tan 1

Matriz Jacobiana:

[ ( ) ][

x
cos ln
x+ y

y
1
y ( xy) 2
x (x + y ) 2

x 2 + y 2

(x + y )
2

( x +x y ) +1
2

xy

y e

( x 2+ y 2 )
2

( x +x y ) +1
2

1
1
x( xy ) 2
x+ y 2

2 xy

2 2

[ ( )] [ ]

x
cos ln
x+ y

x exy

46
1. Se realiza la tabla del mtodo jacobiano, primero se hace la matriz
reemplazando los valores de x1 y x2

2. Se hace la inversa de la matriz jacobiano, sin olvidar que se debe

seleccionar todas las casillas de la matriz y presionar la combinacin de
ctrl+shift+enter.

3. Luego se reemplaza los valores de x1 y x2 en cada una de la funciones y

se ubican de acuerdo a la imagen.

4. Luego se hace la multiplicacin de las dos matrices, la matriz de la inversa

jacobiano con la de las dos funciones evaluadas.

47
5. Con los valores que se hallaron en el anterior paso se restan cada uno con
las x de iteraciones.

6. Terminando la tabla se halla la tolerancia de cada x.

7. Para finalizar se desliza cada dos lneas horizontales para que no se vea
afectada la matriz y as de dos en dos llegar a la tolerancia pedida por el
ejercicio.

48
Ejercicio Propuesto:

Solucionar el siguiente sistema de

ecuaciones: iniciando con x=0.9; y=1.5 con una tolerancia de <1*10 -6.

Derivadas con respecto a x:

2
df1
x
x
=
+
dx (2 x 2 + y 2)( x 2 + y 2) x (x + y )

d f 2 ( y + x ) y 2x 2
y
=e
+
2
2 2
dx
(x + y ) (x+ y)2
2

2 2

Derivadas con respecto a y:

df1
xy
1
=

2
2
2
2
dy (2 x + y )( x + y ) ( x + y )
x
df2
2 xy
x
y +x
=e

2
2 2
dy
(x + y )
(x+ y)2
2

Matriz jacobiano:

49

x
x
+
2
2
2
2
x
(
x+
y)
(2 x + y )( x + y )
2

x
2
2 2
( y +x )

y 2x 2
y
+
2
2 2
(x + y ) ( x + y )2

Ejercicio Propuesto:

Algoritmo:

xy
1

2
2
2
(
x+
y)
(2 x + y )( x + y )
2

x
2
2
y +x

2 xy
x

2
2 2
(x + y )
(x+ y)2

50

51

3.2 Mtodo de gauss seidel:

Es un mtodo iterativo utilizado principalmente para resolver sistemas de
ecuaciones lineales. Aunque este mtodo se pueda utilizar para cualquier sistema
de ecuaciones lineales que produzca una matriz, la convergencia del mtodo solo
se garantiza si la matriz es diagonalmente dominante o si es simtrica(12).
Algoritmo:

Un ejemplo: Resolver el siguiente sistema de ecuaciones.

1
2

1
4
1
2 5
2
3 2 6
1

Comprobamos:
Fila 1

52
|12|+|14|=1 34

|1|
Fila 2

|12|=5 52

|5||2|+

Fila 3

|6||2|+|3|=6 5

Despejamos la diagonal dominante

53

4. CAPITULO IV
4.1 Interpolacin:
Es la obtencin de nuevos puntos partiendo
conocimiento de un conjunto discreto de puntos.

principalmente

Las formas ms comunes de interpolacin son Lineal y polinmica

4.1.1 Regresin lineal:

(13)

del

54
Es un mtodo matemtico que modela la relacin entre una variable
dependiente (y), y las variables independientes (Xi) y un trmino aleatorio.

f x a0 a1 x
Las matrices x y (y) son:

X=

[]

Y1
y2
y3
Y= .
.
.
yn

[]
1X 1
1X2
1X3
..
..
1 Xn

Un ejemplo:

y
15

16

20

20

25

34

30

40

40

60

p(x)
15,01140
81
23,20402
6
31,17974
67
39,84083
47
61,37710
96

55
50
60

89,22672
3
120,1601
120
52
90

56
Matriz Y

y=

16
20
34
40
60
90
120

57

58
Grafi co
150
100
50
0
10

20

30

40

50

60

70

Coeficiente de determinacin:

Nos define la calidad del ajuste en trminos de probabilidad (0-1), es decir nos
mide la probabilidad de la variable dependiente con respecto a una independiente
(14)
.
Un Ejemplo: Determinar el coeficiente de variacin:

1. Como primer paso se debe hacer una tabla con los datos dados en
ejercicio.
I
0,25
0,75
1,25
1,5
2

V
-0,45
-0,6
0,7
1,88
6

2. Se ajusta un polinomio de grado 3 y se saca la matriz x.

59

60

3. Luego hacer la matriz x transpuesta. Sin olvidar seleccionar

Ctrl+Shift+Enter.

61

4. Luego realizar la siguiente frmula para hallar a0,a1,a2,a3.

a0
a1
a2
a3

5. Luego se realiza la tabla.

0,011282
51
2,169311
81
1,453553
36
0,566309
12

62

6. Por ltimo se hallan SSE y SST.

63

Ajuste polinomial
7
6

f(x) = + 0.89x^4 - 3.38x^3 + 7.3x^2 - 5.4x + 0.49

R = 1
y

5
4

Axis Title

Polynomial (y)

Polynomial (y)

1
0
-1

0.5

1.5

2.5

Axis Title

4.2 Polinomio de LaGrange:

En esta imagen se muestran, para cuatro puntos ((9, 5), (4, 2), (1, 2), (7, 9)),
la interpolacin polinmica (cbica) L(x), que es la suma de las bases
polinmicas escaladas y0l0(x), y1l1(x), y2l2(x) y y3l3(x). La interpolacin polinmica
pasa exactamente por los cuatro puntos (llamados puntos de control) y cada base
polinmica escalada pasa por su respectivo punto de control y se anula cuando x
corresponde a los otros puntos de control(15)

(15)

64
El
polinomio interpolante de lagrange viene dado por:

Que en forma simplificada

Donde

Un Ejemplo:
Encontrar el polinomio que pase por

xi
-2
0

Yi
5
-2

65

polinomio lagrange
6
4
2
-4

-2

0
-2

10

-4
-6
-8

Ejercicio propuesto:
4) En ingeniera hidrulica, el tamao de un dique depende de la estimacin exacta
del flujo de agua en el rio del cual se toma. En algunos ros es difcil obtener
registros histricos de muchos aos atrs de tales flujos. En cambio datos
meteorolgicos sobre precipitacin a menudo si estn disponibles. Por lo tanto con
frecuencia es til determinar una relacin entre flujo y precipitacin. Entonces tal

66
relacin se utiliza para estimar los flujos de aos anteriores, aun cuando solo se
tomaron mediciones de precipitacin. Para un rio que se va a encausar a un dique
se muestran los siguientes datos:
Precipitacin 88.9
101.6 104.1 139.7 132.1 94
116.8 121.9 99.1
cm
Flujo

114.7

172

152.9

269

206.4

161.4

175.8

239

130

M3/s

Mediante un ajuste polinomial por mnimos cuadrados escoja el grado del polinomio
que mapee mejor los datos observados y use el polinomio para establecer el flujo si la
precipitacin es de 120.

y
114,7
172
152,9
269
206,4
161,4
175,8
239
130

88,9
101,6
104,1
139,7
132,1
94
116,8
121,9
99,1

1. Se ordena los datos dados.

x

y
88,9
94
99,1
101,6
104,1
116,8
121,9
132,1
139,7

114,7
161,4
130
172
152,9
175,8
239
206,4
269

2. Se realiza la tabla de lagrange, empezando por el primer nmero de la tabla

que es 88,9, se saca el polinomio de lagrange y cada uno de los Ln hasta
Ln8
Polinomio Lagrange:

P ( x )=114,7 ln 0 +161,4 ln 1+ 130 ln 2+ 172 ln 3+152,9 ln 4 +175,8 ln 5 +239 ln 6 +206,4 ln 7 +269 ln 8

67
ln 0 =

( x94 ) ( x99,1 ) ( x101,6 ) .(x139,7)

( 88,994 )( 88,999,1 ) ( 88,9101,6 ) .(88,9139,7)

ln 1=

( x88,9 )( x99,1 ) ( x101,6 ) .(x139,7)

( 9488,9 )( 9499,1 ) ( 94101,6 ) .(94139,7)

ln 2=

( x88,9 ) ( x 94 )( x101,6 ) (x 104,1) .(x139,7)

( 99,188,9 ) ( 99,194 )( 99,1101,6 ) .(99,1139,7)

ln 3 =

( x88,9 ) ( x94 )( x99,1 ) ( x104,1) .( x139,7)

( 101,688,9 ) ( 101,694 ) ( 101,699,1 ) .(101,6139,7)

ln 4=

ln 5 =

( x88,9 ) ( x94 )( x99,1 ) ( x101,6 ) ( x116,8) .( x 139,7)

(104,188,9 ) ( 104,194 )( 104,199,1 ) .(104,1139,7)

( x88,9 )( x94 ) ( x99,1 ) ( x 101,6 ) ( x104,1) .( x139,7)

( 116,888,9 ) (116,894 ) ( 116,899,1 ) . (104,1139,7)

68
ln 6 =

( x88,9 )( x94 ) ( x99,1 ) ( x101,6 ) ( x104,1) .( x 139,7)

( 121,988,9 )( 121,994 )( 121,999,1 ) .(121,9139,7)

ln 7 =

( x88,9 )( x94 ) ( x99,1 ) ( x 101,6 ) ( x104,1) .( x 139,7)

( 132,188,9 )( 132,194 )( 132,199,1 ) .(132,1139,7)

ln 8 =

( x88,9 )( x94 ) ( x99,1 ) ( x 101,6 ) ( x104,1) .( x 132,1)

(139,788,9 )( 139,794 )( 139,799,1 ) .(139,7132,1)

3. Luego hallamos el polinomio a partir de los anteriores valores

hallados.

4. Se suma a la segunda casilla 0,1 y se desplazan las casillas hasta

hallar el valor que se pide en el ejercicio, es decir 120.

69

5. Por ltimo, se hace la grfica que muestra la tendencia de la

funcin.

Grafico
2000
1500
f(x) = - 0x^6 + 0.01x^5 - 3.93x^4 + 591.57x^3 - 49870.39x^2 + 2230561.69x - 41354445.59
1000R = 0.75
500
0
80

90

100

110

120

130

140

-500

5. CAPITULO V
5.1

DERIVACIN NUMRICA:
La definicin de la derivada de una funcin como un lmite lleva implcito un
mtodo de aproximacin numrica: f 0 (x) f(x + h) f(x) h Dhf(x);
diremos que esta ltima cantidad es una derivada numrica de f con paso h
(16)
.

150

70
Mtodo de diferencia progresiva:

(16)

Un ejemplo:
Hallar la derivada de y
relativo en Xi =pi/4.
Su derivada es:

f ( x )=xtan

x
ln (x2 + 4)
2

()

encontrar su error

x
f ( x )= Atan
Algoritmo:
2

()

f ( x0 +h )f (x 0)
h
1. Primero se arma la tabla de diferencia progresiva, con el valor dado por el
ejercicio Xi=pi/4.
f ( x 0 )=

2. Luego hallamos el valor real de la funcin, para esto evaluamos Xi en la

derivada.

71
3. Luego, ponemos el paso como 0,001 y realizamos el algoritmo de este
mtodo.

4. Por ltimo, hallamos el error relativo.

5.1.1 Mtodo de los tres puntos:

Es un mtodo en el cual aproxima mejor la derivada, ya que se emplean
dos pasos grficamente (17).
m=

m=

f ( x i +h ) f ( x ih)

( x i +h ) ( x ih)
f ( x i +h ) f ( x ih)
2h

Si
h 0

xi

m= F )

x
'( i)=

1
f ( x +h )f ( x ih ) ]
2h [ i
f

Un ejemplo:
Hallar la derivada de
relativo en Xi =pi/4.

f ( x )=xtan

x
ln ( x2 + 4)
2

()

y encontrar su error

72
Derivada de la funcin del ejercicio:
f ( x )=tan1

( x2 )

Algoritmo

f ( x0 +h )f ( x 0h)
2h
1. Realizamos tabla de los tres puntos, partiendo del Xi dado por el
enunciado.
f ( x 0 )=

2. Se halla el valor real que es la derivada evaluada en el Xi.

3. Se hace un paso de 0,001 y se realiza el algoritmo del mtodo de

los tres puntos.

4. Por ltimo, se halla el error relativo.

5.2

Integracin numrica:

73
Se constituye de una gama de algoritmos que ayuda a calcular el valor
numrico de una integral definida y por consiguiente ayuda a resolver
ecuaciones diferenciales (18).
b

f (x)dx
a

Veamos una grfica:

Tenemos una funcin:

f ( x )=x 2 hallar el rea entre (1,3)

Valor real:

A=

X 2 dx= x3 ( entre 1 y 3 )
1

1 3 3 23
( 3 1 ) =
3
3

5.2.1 Mtodo del trapecio:

Es un mtodo que se deriva de la integracin numrica el cual calcula
aproximadamente el valor de una integral definida.
Se basa en aproximar el valor de la integral de f(x) por el de la funcin lineal
que pasa atreves de los puntos (a,f(a))y (b,f(b)). Esta integral es igual al
rea del trapecio bajo la grfica de la funcin lineal (18).

f ( x ) dx (ba)
a

f ( a )+ f (b)
2

El error corresponde a:

74
( ba )3 (2)
f ( )
12

ciento

un nmero que pertenece al intervalo

Un ejemplo:
Mtodo de integracin por trapecio
10

Su derivada:

1.

x3
dx
9 x 2 +25

Primero se realiza la tabla de trapecio, donde colocamos los lmites de la

integral y evaluamos con los lmites el valor real que es la derivada de su
funcin.

2. Luego se colocan el nmero de integrales, en este caso utilizamos 1000. Y

realizamos el paso.

3. Despus, se hace la tabla de integrales en donde se evala la integral.

4. Para siguiente, se debe hacer la siguiente formula y se desplazan todas las

celdas hasta llegar a 10.

75

5. Se hace la integral con la siguiente formula.

6. Se desplazan las celdas hasta terminar todas las integrales, es decir hasta
llegar a 10.

7. Se calcula el algoritmo sumando todas las inetgrales y se saca el error

relativo.

76

5.3

Integracin numrica compuesta:

Es una forma efectiva de aproximar una integral definida utilizando n trapecios. Al

formular este mtodo se supone que f es continua y positiva en el intervalo (a,b).
La integral representa el rea de la regin delimitada (19).

f ( x)
a

dx

GRAFICA (19)

Con el ejemplo que se ha venido trabajando observamos:

3

f ( x ) dx= f ( x ) dx + f ( x ) dx
1

x 2 dx=
1

( 21 ) 2 2 5
( 2 +1 )=
2
2

77
3

x 2 dx=
2

( 32 ) 2 2 13 13 5
( 3 +2 ) = + =9
2
2
2 2

Error relativo:

[ ]

26
9
3
x 100=3,84
26
3

5.3.1 Integracin mtodo Simpson:

Este mtodo tambin hace parte fundamental de integracin numrica, obtiene el
valor aproximado de integrales definidas; especficamente es la aproximacin (20).

La funcin f(x) la de azul es aproximada por una funcin cuadrtica p(x)(rojo).

5.3.1.1

Mtodo de Simpson n=2

h=

ba
2

78
A partir de los tres puntos (a,m,b).se genera un polinomio de LaGrange que
al integrarlo se obtiene (20).
b

f ( x) h3 ( f ( a )+ 4 f ( m) + f (b))
a

Un ejemplo:

10

x2 dx
1 9 x +25

1. Se realiza la tabla del mtodo Simpson n=2, en donde hallamos el valor real
de la funcin a partir de su derivada, y establecemos el nmero de
integrales como 1000 segn el profesor.

2. Se realiza la frmula del paso (h) y se divide entre el nmero de intgrales.

3. Luego se realiza la tabla de integrales, empezando por el nmero 1 y

evaluando la funcin. Luego se hace la frmula para hallar el segundo y los
siguientes nmeros de Xi.

79

4. Paso siguiente, en la integral como es Simpson n=2 se debe dejar dos

celdas de espacio y empezar en la tercera celda a hacer la integral, luego
se dejan solo un espacio entre integrales.

5. Luego se desplazan las celdas hasta llegar al nmero de xi=10

6. Luego se hace el algoritmo con la suma de las integrales y el error relativo

con la formula.

80

5.3.1.2

Mtodo de Simpson n=3

A partir de 4 datos (xi,f(x0)); (x1,f(x1)); (x2,f(x2)); (x3,f(x3)); Se
gener un polinomio de LaGrange que el Integrarlo.
ba
h=
2
x3

f ( x ) dx
x0

3h
f ( x )+ 3 f ( x 1 )+ 3 f ( x 2 ) +f ( x 3 ) )
8 ( 0

81
Un ejemplo:
10

x3
2 dx
1 9 x +25

1.

Se realiza la tabla del mtodo Simpson n=3, en donde hallamos el valor

real de la funcin a partir de su derivada, y establecemos el nmero de
integrales como 1000 segn el profesor.

2. Se realiza la frmula del paso (h) y se divide entre el nmero de intgrales.

3. Luego se realiza la tabla de integrales, empezando por el nmero 1 y

evaluando la funcin. Luego se hace la frmula para hallar el segundo y los
siguientes nmeros de Xi.

82
4. Paso siguiente, en la integral como es Simpson n=3 se debe dejar tres
celdas de espacio y empezar en la tercera celda a hacer la integral, luego
se dejan dos espacios entre integrales.

5. Luego se desplazan las celdas hasta llegar al nmero de xi=10

6. Luego se hace el algoritmo con la suma de las integrales y el error relativo

con la formula.

83

84
5.4

Ecuaciones diferenciales:

En el curso se analiza la solucin de problemas por aproximacin numrica, los

mtodos se hacen relevantes e importantes cuando ecuaciones diferenciales son
muy complicadas de resolver por mtodos analticos (21).
5.4.1 Mtodo de Runge-kutta:
Estos mtodos de kutta son un conjunto de mtodos genricos iterativos,
explcitos e implcitos, de resolucin numrica de ecuaciones diferenciales.
Ejemplo: Esquema Runge-kutta de dos etapas, una en t=tn y otra en
t=tn+ tnf ( t , y ( t ) ) en la primera etapa encontramos:
fn=k 1=f ( tn , yn )

Para estimar

f ( t , y ) en t=tn+ tn se usa un esquema de Euler

(21)

Mtodo de Runge-kutta de cuarto orden:

Definiendo un problema de valor inicial como:
y ' =f ( x , y ) , y ( x 0 ) = y 0
El mtodo de Runge-kutta para este problema est dado por la siguiente ecuacin:

k 1=f ( x i, y 1)
1
1
x i ,+ h , y i + k 1 h
2
2

1
1
x i ,+ h , y i + k 2 h
2
2

x i , +h , y i +k 3 h
k 2=f
y

1
i+1= y i + h ( k 1+2 k 2+2 k 3+ k 4)
6

(21)

85
Promediando las cuatro pendientes, se le asigna mayor peso a las pendientes en el punto
medio:

Pendiente=

k 1+2 k 2+2 k 3+ k 4
6

Un ejemplo

Se hace Runge Kutta de orden 4.

Algoritmo general:
k 1 +2 k 2 +2 k 3 +k 4
1
W i+1=W i+
6
Donde:
k 1=hF(W i ,t i)
k 2=hF(W i +

k1
h
,t + )
2 i 2

k 3 =hF(W i +

k2
h
, ti + )
2
2

k 4=hF (W i + k 3 ,t i+ h)
1. Determinamos paso, b= lmite superior y a= lmite inferior.
ba
h=
N
En este caso N=10

h=

20
=0,2
10

2. Establecemos la ecuacin de la funcin diferencial.

F ( W i , t i ) =W i t i2 +1
3. Condiciones iniciales:

86
t 0=0
W 0=0,5
4. Algoritmo para k1,k2,k3,k4
k 1=0,2 ( 0,502 +1 ) =0,3

[(
[(

) )]

0,3
0,2 2
k 2=0,2 0,5
0
+1 =0,328
2
2
k 3 =0,2 0,5

) ((

) )]

0,328
0,2 2
0
+1 =0,3308
2
2

) ((

(0,5+0,3308)(00,2)2 +1
k 4 =0,2 [ ] =0,35816
5. Algoritmo general para t=0,2
0,3+2 ( 0,328 ) +2 ( 0,3308 ) +0,35816=0,82929333
1
W i +1=W 0 +
6
6. Hallar el valor real.
2
0,2
y=( 0,2+1 ) 0,5 e
y=0,8292986209

7. Error relativo.
Error relativo=
En Excel:

vrvaprox
100=6,37 104
vr

87

88

6. CONCLUSIONES
Se puede concluir que utilizando el programa EXCEL se desarrollan habilidades
para poder solucionar problemas complejos y poder darles una solucin
aproximada ya que no se puede dar una exactitud total. Cada mtodo se
desarrolla segn el problema a analizar y algunos mtodos son ms efectivos y
rpidos que otros, pero es bueno tener el conocimiento de todos y saber cmo
utilizarlos sin tener ningn problema. Esta clase de mtodos numricos deja una
gran enseanza ya que podemos utilizar frmulas de Excel para no tener que
hacer clculos pequeos sino un clculo en conjunto y hacer de forma rpido el
clculo de aproximaciones.

89

7. BIBLIOGRAFIA
(1)

Imagen, Exactitud y precisin tomado de:

http://www.caletec.com/blog/6sigma/exactitud-precision-y-sesgo-de-los-sistemasde-medida/
(1)

Conceptos bsicos de precisin y exactitud tomada de:

https://sites.google.com/site/metnumvmc/unidad-i-2/1-2-1-2-conceptos-basicoscifra-significativa-precision-exactitud-incertidumbre-y-sesgo
(2)

Error aleatorio y sistemtico tomado de:

https://es.scribd.com/doc/51755073/Error-Aleatorio-y-Sistematico
(3)

Depuracin de datos estadsticos tomado de

https://dialnet.unirioja.es/servlet/articulo?codigo=69736
(4)

Distribucin T student tomado de:

http://es.slideshare.net/torimatcordova/distribucion-t-de-student-28545004
(5)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 2. Bogot D.C.
(6)

Series Taylor tomado de:

https://es.wikipedia.org/wiki/Serie_de_Taylor
(7)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 2. Bogot D.C.
(8)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 2. Bogot D.C.
(9)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 3. Bogot D.C.mento profesor.
(10)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 3. Bogot D.C.

90
(11)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 4. Bogot D.C.
(12)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 4. Bogot D.C.
(13)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 4. Bogot D.C.
(14)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 4. Bogot D.C.
(15)

Polinomio Lagrange tomado de: https://es.wikipedia.org/wiki/Interpolaci

%C3%B3n_polin
%C3%B3mica_de_Lagrange#/media/File:Lagrangepolys.png
(16)

Derivacin Numrica tomado de:

https://www.uam.es/personal_pdi/ciencias/cifus/numerico/notasweb5.pdf
(16)

Imagen derivacin numrica tomado de:

https://es.wikipedia.org/wiki/Derivaci%C3%B3n_num%C3%A9rica
(17)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 5. Bogot D.C.
(18)

NESTOR H,Agudelo d. Ingeniero (2016). Documento personal maestro

Unidad 5. Bogot D.C.
(19)

Integracin numrica compuesta tomado de:

http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capitulo4/capit
ulo4_2.htm
(20)

Mtodo Simpson n=2 y n=3 tomado de:

http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capitulo4/capit
ulo4_2.htm
(21)

Ecuaciones diferenciales, mtodo Runge, kutta tomado de:

http://www.frsn.utn.edu.ar/gie/an/mnedo/34_RK.html
RUBEN R, analisis numerico. Editorial iberoamerica. Disponible en
internet:http://www1.herrera.unt.edu.ar/metodosnumericos/?page_id=19 .
HUERTA CEREZUELO ANTONIO, metodos numericos: introduccion, aplicaciones
y
propagacion.
Edicion
upc1968.
Disponible
en
internet:
(http://mmc.geofisica.unam.mx/edp/Herramientas/Fortran/MetodosNume
ricosIntroduccionAplicacionesYProgramacionEnFortran.pdf ).