Métodos Numéricos

1
Instituto Politcnico Nacional

Escuela Superior de Ingeniera Mecnica y Elctrica
Unidad Profesional Azcapotzalco
Materia: Mtodos Numricos
Entrega del proyecto final.
Nombre del Alumno:

Mendoza Alvarado Jos Eduardo
Daniel Garnica Sepulveda
Rueda Najar Ivan
Garcia Santiago Rene
Grupo: 2MV1
Profesor: Juan Carlos Guadarrama Zavala
26 de Mayo de 2014
2
CAPITULO I: INTEGRACIN NUMRICA.

MTODO DEL TRAPECIO USANDO UN SOLO TRAPECIO 4
MTODO DEL TRAPECIO DE SEGMENTOS MULTIPLES 12
MTODO DE SIMPSON 1/3 17
MTODO DE SIMPSON DE 1/3 PARA SEGMENTOS MULTIPLES 20
MTODO DE SIMPSON 3/8 24
MTODO DE SIMPSON COMBINADO (1/3 SIMPLE Y 3/8) 27
CAPITULO II: SOLUCIN NUMERICA DE ECUACIONES

MTODO DE BISECCIN 31
MTODO DE LA TANGENTE O DE NEWTON-PAPHSON 35
MTODO DE LA SECANTE 37
CAPITULO III: INTERPOLACIN Y APROXIMACION

POLINOMIAL
MTODO DE INTERPOLACION LINEAL DE NEWTON 41
MTODO DE INTERPOLACIN CUADRTICA DE
COEFICIENTES INDETERMINADOS 49
MTODO DE INTERPOALACIN CUADRTICA
DE NEWTON 55
MTODO DE INTERPOLACIN DE NEWTON,
FORMA GENERAL DE LOS POLINOMIOS 63
MTODO DE INTERPOLACIN LINEAL DE LANGRANGE 73
3
CAPITULO IV: APROXIMACIN FUNCIONAL.

MTODO DE MNIMOS CUADRADOS LINEALES 83
MTODO DE MNIMOS CUADRADOS POLINOMIALES
DE SEGUNDO ORDEN SUPERIOR 89
MTODO DE MNIMOS CUADRADOS LINEALES MLTIPLES 94
CAPITULO V: ECUACIONES LINEALES SIMULTNEAS

MTODO DE GAUSS 100
MTODO DE GAUSS JORDN 109
INVERSA DE UNA MATRIZ 117
MTODO DE GAUSS SEIDEL 126
CAPITULO VI: ECUACIONES DIFERENCIALES ORDINARIAS.

MTODO DE RUNGE-KUTA 133
MTODO DE EULER 137
4
CAPITULO I: INTEGRACIN NUMRICA.
MTODO DEL TRAPECIO USANDO UN SOLO TRAPECIO

El mtodo del trapecio es la primera regla de integracin numrica cerradas de Newton
Cotes, es cerrado por que los puntos de integracin tanto en inicio como en final se conocen
grficamente como se muestra en la siguiente figura:
Esta regla establece que la integral, se puede aproximar, a travs de una serie de polinomios
de primer orden, (ecuacin de una lnea recta), aplicada por parte de la funcin f(x), sobre
intervalos de longitud constante, como se muestra en la figura:
b
I = f ( x ) dx
a
Como se puede observar en la figura el clculo del rea parcial bajo el segmento de recta
est dado por un trapecio y el rea total desde el punto a al punto b, es la sumatoria de
reas de los tres trapecios, de ah el nombre del mtodo.
Considerando el siguiente problema, se muestra en la figura. Donde dada una curva
y=f ( x) con un intervalo (a, b)
Obtener el rea bajo la curva comprendida en este intervalo.
5
rea= A= f ( x ) dx
a
Donde:
a= lmite inferior
b= lmite superior
A=rea bajo la curva y=f ( x)
Para platear este problema usamos la solucin por medio de una integral, y posteriormente
de forma geomtrica.
Primer caso: Concepto matemtico
Las frmulas de newton Cotes, se basan en la estrategia de reemplazar una funcin
complicada por una funcin aproximada que sea ms fcil de integrar, es decir:
b b
A= f ( x ) dx f n ( x ) dx
a a
Donde f n ( x ) dx es una funcin aproximada ms fcil de integrar.
En este caso f n ( x ) es un polinomio de grado n y tiene la forma siguiente:
f n ( x )=a0 +a1 x1 ++ an1 xn1 +a n x n
Para resolver el problema de la figura anterior, el polinomio usado para obtener el rea
aproximada bajo la recta es un polinomio e primer orden, ya que una lnea recta que pasa
por dos puntos de una funcin f ( x ) , se puede representar como:
f ( b )f ( a )
f 1 ( x )=f ( a ) +( )(xa)
ba
Esta frmula se deduce de la siguiente figura:
6
Lo que se desea, es encontrar la pendiente de la lnea que une a los dos puntos de
intercesin con la funcin.
a) Utilice dos tringulos semejantes, cuyas pendientes se representan como sigue:
f 1 ( x ) f ( x 0 ) f ( x 1 )f ( x 0 )
=
xx 0 x 1x 0
b) Despeje f 1 ( x ) que representa el polinomio de primer orden, es decir, la ecuacin

de la recta f ( x )=ax+b , donde a=pendiente, que pasa por dos puntos.
f ( x 1 ) f ( x 0 )
f 1 ( x )=f ( x 0 ) + ( x x0 )
x1 x 0
c) Considere que x 0=a y x 1=b , al sustituir en el polinomio de primero orden,

el resultado es.
f ( b ) f ( a )
f 1 ( x )=f (a)+ ( xa )
ba
d) Calcule el rea bajo el segmento de la lnea recta dado por este polinomio de primer
orden obtendr el rea aproximada.
e) Resolviendo la integral para obtener el rea bajo la curva, bajo este segmento de
recta que pasa por dos puntos de la curva dada por la funcin y=f ( x ) .
7
b
f ( b ) f ( a ) f ( b) + f ( a)
a
(
A= f ( a ) +
ba ) (
( xa) dx=
2 ) (ba)
Segundo caso: Concepto geomtrico

Este concepto es ms sencillo, ya que se basa sobre la frmula para calcular al rea de un
trapecio.
Recuerde que para calcular el rea de un trapecio, es necesario utilizar la frmula:
A= ( M2+ n ) h
Donde:
M= base mayor
m=base menor
h=altura
En este mtodo del trapecio, el concepto es el mismo solo que el trapecio esta sobre su
altura.
8
A= ( M2+ n ) h
Donde:
M=altura mayor
m=altura menor
h=base
Con respecto a la figura anterior, el clculo del rea del trapecio es igual al promedio de sus
alturas por su base, por lo tanto, la frmula es la misma, lo que cambia es la forma se
interpretarla.
Al observar la figura anterior se puede establecer las relaciones siguientes:
f ( a )=m
f ( b )=M
h= ( ba )
Por lo tanto, la frmula para calcular el rea es:
A= ( f ( a )+2 f ( a) )( ba )
La cual es la misma que se obtuvo al resolver la integral.
Por lo anterior concluimos que el rea del trapecio dado por los puntos abcd de la siguiente
figura. Representa un rea definida por la integral.
9
b
A= f ( x ) dx
a
( f ( b )+2 f ( a ) ) h
Grficamente se puede ver que el rea del trapecio es menor que el rea bajo la curva, y que
para obtener el rea exacta se requiere considerar el error E. Por lo tanto el rea exacta es:
b
A= f ( x ) dx
a
( f ( b )+2 f ( a ) ) h+ E
Ejemplo:
Encontrar el rea bajo la curva dada por la funcin f ( x )=x 2 en los lmites (1, 3), usando
a) El mtodo analtico
b) El mtodo numrico del trapecio, utilizando en solo trapecio
c) Encontrar el error de aproximacin, al comparar ambos mtodos.
Solucin
a) Forma analtica
10
3 3
x
A analitica = x 2 dx=
1 3
Aplicando los lmites:
3
A analitica =
x3
[ ] [ ]
3 3 13 27 1 26
= = = =8.6666 U 2
3 1 3 3 3 3 3
b) Por el mtodo del trapecio
La funcin es f ( x )=x 2
Si el intervalo es (a, b), y si los dos datos son (1,3) a=1, b=3
h=ba=31=2
f ( x )=x 2 , si x =a f ( a )=a2 f ( 1 )=12 =1
2 2
si x=b f ( b ) =b f (3 )=3 =9
f ( b ) +f ( a )
(
A analitica =
2 ) ( ) ( )
h=
9+1
2
2=
10
2
2=( 5 ) x 2=10
c) Error del mtodo analtico y numrico

Error=| Anumerica A analitica|=|108.6666|=1.3334
11
12
13
MTODO DEL TRAPECIO DE SEGMENTOS MULTIPLES.

Grficamente obsrvese que el rea bajo la curva es mayor con respecto al rea encontrada
por medio del trapecio. Para obtener una mayor exactitud, se requiere hacer las
consideraciones siguientes.
Para disminuir el error E, en lugar de considerar un solo trapecio, dividida el rea en varios
trapecios, por ejemplo en 4 como se muestra en la figura.
Entonces tenemos que: E1 + E2 + E3 + E 4 < E E=Error
( ba ) ( ba )
h= Si N=Numero de trapecio, y si N=4, entonces h=
N 4
P1+ P 2+ P3 + P 4 + P5 Son puntos de la curva.
Al dividir en 4 puntos al trapecio abcd de la figura anterior se obtienen 5 puntos sobre la

funcin.
Podemos deducir que si aumentamos el nmero de trapecios disminuye el error.
Generalizando el concepto anterior grficamente tenemos en la siguiente figura, donde
N=n+1 puntos sobre la funcin f(x).
14
Podemos hacer las siguientes consideraciones.

0= a
x
n= b
x
Al integrar desde el punto x 0 hasta el punto x n tenemos:
x1 x2 xn
A t = f ( x ) dx+ f ( x ) dx ++ f ( x ) dx
x0 x1 x n1
Resolviendo cada una de las integrales.
f ( x1 )+ f ( x0 ) f ( x 2 ) + f ( x1 ) f ( x n) + f ( x n1 )
AT = ( 2 ) (
h+
2 ) h+ + ( 2 )h
Para tener una mejor exactitud en el clculo del rea bajo la curva y=f(x) es dividido el
intervalo (a, b) en varios sub intervalos y aplicar el mtodo del trapecio en cada uno de
ellos, y finalmente sumar cada una de estas reas parciales como se muestra en la anterior
figura de donde, obtenemos la formula general del clculo del rea bajo la curva a travs de
[ ][ ]
n1
h
mltiples trapecios. AT = f ( x 0 ) +2 f ( x 1 ) + f (x n)
2 i=1
ba
Considere que: h=
n
Sustituya en la frmula general, entonces obtenemos la frmula final.
n1
f ( x 0)+2 f ( x 1 ) +f ( x n )
i=1

A T =( ba )
Recuerde la frmula del trapecio:

15
rea= (ancho) (altura promedio)

Y al subdividir el rea en varios trapecios, el ancho y la altura promedio son:
Ancho= (b-a)
n1
f ( x 0)+2 f ( x 1 ) +f ( x n )
i=1
Altura promedio=

Error de la aproximacin con respecto al valor obtenido en forma analtica.
En cada uno de los clculos de integrales que se realice por cualquier mtodo de
aproximacin, se representa un factor de error, el cual est en funcin del nmero de
participaciones seleccionado. En cada una de las circunstancias que se evalu una integral,
ser punto importante el conocimiento de la certidumbre del resultado obtenido.
16
En este caso el error, se considerar que tan exacto es el mtodo numrico con respecto al
mtodo analtico.
Por lo que, el error ser considerado como, la diferencia de valor absoluto, que existe entre
el valor encontrado usando el mtodo del trapecio y el valor encontrado al resolver la
integral por el mtodo analtico.
E=| A numerica A analitica|
Donde:
A numerica =Es el rea encontrada por el mtodo deltrapecio .
A analitica =Es el resultado que se obtiene al resolver en forma analitica a laintegral .
E=Es elerror del mtodo numrico , camparado con elmtodo analtico.

Ejemplo:
Encontrar el rea bajo la curva dada por la funcin f ( x )=x 2 en los lmites (1, 3), usando
los procedimientos siguientes:
a) Resolviendo la funcin de forma analtica.
b) Por el mtodo del trapecio, usando tres trapecios.
c) Encontrar el error aproximado con respecto a los resultados de los incisos b y c.
Solucin:
a) Forma analtica
3 3
x
A analitica = x 2 dx=
1 3
Aplicando los lmites:
3
A analitica = [ ] [
x3 3 3 13 27 1 26
]
= = = =8.6666 U 2
3 1 3 3 3 3 3
b) Por el mtodo del trapecio usando 3 trapecios.
La funcin es f ( x )=x 2
Si el intervalo es (a,b) y si los datos son (1,3) a=1, b=3

17
n=3 trapecios
ba 31 2
h=
n ( )( )()
=
3
= =0.6666
3
La frmula para n trapecios es:
n1
A T =( ba ) ( f ( x0 ) + 2 f ( x1 ) + f ( x n )
i=1
2n
)
Obteniendo cada una de las partes dela formula.
Si x 0=a x 0=1
Si x n=b y n=3 x 3=3
Por lo tanto
Si f ( x )=x 2 , si x =x 0 f ( x ) =x2 f ( 1 )=12=1
2 2 2
Si x n=b y n=3 f ( x n )=x n f ( x 3 )=x 3 f ( 3 )=3 =9
Desarrollando la sumatoria se tiene:

n1
f ( x1 )
i=1
Dado que el lmite inferior es x 0=1 y h=0.6666
I x1 f ( x 1 )=x 2i Resultado de
f (x1 )
1 x 1=x 0+ h x 1=1.6666 f ( x 1 )=x 21 2.7775
2 x 1=x 0+ 2h x 2=2.3333 f ( x 1 )=x 22 5.4442
sumatoria 8.2217
1+2 ( 8.2217 ) + 9
A t =( 31 ) ( 2( 3 )
=2 ) (
26.4435
6 )
=2 ( 4.4072 )=8.8145
c)
Error=| Anumerica A analitica|=|8.81458.6666|=0.1479
Codificacin en C++
18
19
MTODO DE SIMPSON 1/3

Adems de aplicar la regla trapezoidal, otra forma de obtener una estimacin ms exacta de
una integral es con el uso de polinomios de orden superior para conectar los puntos. Por
ejemplo si hay un punto extra a la mitad del camino entre f(a) y f (b), los tres puntos se
pueden conectar con una parbola. Si hay igualmente dos puntos espaciados entre f(a) y f
(b), los cuatro puntos se pueden conectar con un polinomio de tercer orden. Las frmulas
que resultan al tomar las integrales bajo esos polinomios son conocidos como reglas de
Simpson.
La segunda frmula de Newton-Cotes es para una cuadrtica integrada en dos intervalos
que son de anchura uniforme:
Donde para este caso altura = (b-a)/2. Al sustituir altura en nuestra ecuacin anterior, la
regla de Simpson 1/3 se expresa tambin como:
Donde a = xini, b = xfin y xmed = punto a la mitad del camino entre a y b, que esta dado por
(b+a)/2.
Ejemplo:
Encontrar el rea bajo la curva dada por la expresin f ( x )=x 2 en el intervalo (0,1),
usando el mtodo del Simpson 1/3 simple.
Solucin:
Mtodo analtica:
1 3 1
0
2
A= x dx=
x
3 [ ] 0
0.3333
Mtodo numrico
x 0=0 Entonces f ( x 0 ) =0
x 1=0.5 Entonces f ( x 1 )=0 .25
x 2=1 Entonces f ( x 2 )=1
Sustituyendo en la frmula, obtenemos los siguientes:
f ( x 0 ) + 4 f ( x1 ) + f ( x 2) 0+4 ( 0.25 ) +1
A= ( ba ) = ( 10 ) =0.3333
6 6
20
Codificacin:
21
22
MTODO DE SIMPSON DE 1/3 PARA SEGMENTOS MULTIPLES

As como la regla trapezoidal, la regla de Simpson se mejora dividiendo el intervalo de
integracin en segmentos de igual anchura.
h= (b-a)/n
La integral total se representa como:
Sustituyendo la regla de Simpson en cada una de las integrales individuales se obtiene:

23
Reordenando los trminos, se obtiene:
Ejemplo:
Hallar el rea aproximada de la funcin f ( x ) x 3 dx en el intervalo (0,10) para n=6,

usando el mtodo analtico, as como, el mtodo de Simpson para segmentos mltiple.
Solucin:
Mtodo Analtico:
10 10
A= x dx=
0
x4
3
4 [ ]
0
=2500
Mtodo numrico: Simpson 1/3 para segmentos mltiples.
f ( x )=x 3 dx
Datos:
a=0
b=10
h= (10-0)/6=1.6666
f(0)=0
Calculando por cada incremento de h.
n xi f ( x i )=x 3
1 h=1.6666 4.6290
2 2 h=3.3333 37.0359
3 3 h=4.9999 124.9925
24
4 4 h=6.6664 296.2607
5 5 h=8.3333 578.6967
6 6 h=9.9996 999.9700
Sumando impares:
n1
f ( xi ) =4.6290+124.9925+578.6997=708.3182
i=1,3,5
Sumando pares:
n2
f ( xi ) =37.0359+296.2607=333.2966
i=2,4
Sustituyendo en la frmula:
n1 n2
f ( x 0 )+ 4 f ( x i ) +2 f ( x j )+ f ( xn )
i=2,4,6 j=2,4,6
A ( ba )
3n
0+ 4 ( 708.3182 )+ 2 ( 333.2966 )+ 999.97 44998.36

A ( 100 ) = =2499.9088
3 ( 6) 18
Codificacin:
25
26
27
MTODO DE SIMPSON 3/8

En una manera similar a la regla se Simpson 1/3, un polinomio de tercer orden se puede
ajustar a cuatro puntos e integrarse, la regla es:
Donde altura = (b-a) /3. Al sustituir h en nuestra ecuacin anterior, la regla de Simpson 3/8
puede expresarse tambin de la siguiente forma:
I (b-a) f(x0) + 3f(x1) + 3f(x2) + f(x3).

8
Ejemplo:
Use la regla de Simpson 1/3 y 3/8 para integrar la siguiente funcin:
F(x) = 0.2 +25x 200x2 + 675x3 900x4 + 400x5
Desde a = 0 hasta b = 0.8. La integral exacta es 1.640533.
- Por Simpson 1/3
x0 = 0
x2 = 0.8
x1 = (0 + 0.8)/2 = 0.4
f(x0) = f(0) = 0.2

f(x1) = f(0.4) = 2.456
f(x2) = f(0.8) = 0.232
Sustituimos los valores en la ecuacin:
I (b-a) f(x0) + 4f(x1) + f(x2).

6
I 0.8 0.2 + 4(2.456) + 0.232.
6
I 1.367467
- Por Simpson 3/8
Cada separacin va a tener:

x = (0 + 0.8)/3 = 0.2667
x0 = 0
x1 = (0 + 0.2667) = 0.2667
28
x2 = (0.2667 + 0.2667) = 0.5333

x3 = 0.8
f(x0) = f(0) = 0.2

f(x1) = f(0.2667) = 1.432724
f(x2) = f(0.5333) = 3.487177
f(x3) = f(0.8) = 0.232
Sustituimos los valores en la ecuacin:
I (b-a) f(x0) + 3f(x1) + 3f(x2) + f(x3).

8
I 0.8 0.2 + 3(1.432724) + 3(3.487177) + 0.232.
8
I 1.519170
Codificacin :
29
M
TODO DE SIMPSON COMBINADO (1/3 SIMPLE Y 3/8)
Es aceptable que en un problema, se puedan combinar tanto el mtodo de Simpson de 1/3
simple y el mtodo de Simpson de 3/8, por ejemplo en un caso donde se tuviera que
resolver un problema donde existieran cinco segmentos. En este caso se resolveran los
primeros dos segmentos por el mtodo de 1/3 y los tres ltimos por el mtodo de 3/8, como
se muestra en la siguiente grfica.
Ejemplo:
Encuentre el rea de la siguiente integral:
0.8
A= ( 0.2+25 x200 x 2+ 675 x 3900 x 4 + 400 x 5) dx=1.6405
0
a) Primer caso, aplique el mtodo de Simpson de 3/8.

b) Segundo caso, aplique el mtodo combinado (simple 1/3 simple y Simpson 3/8),
usando cinco segmentos.
30
Solucin inciso a):
( ba ) .8
h= = ( 0.80 )= =0.26666
3 3
f ( x 0 ) =f ( 0 ) =0.2
f ( x 1 )=f ( 0.26666 )=1.4324
f ( x 2 )=f ( 0.5332 )=0.4867
f ( x 3 )=f ( 0.8 ) =0.232
Aplicando la formula se obtiene el siguiente resultado:
0.2+ 3 ( 1.4324 ) +3 ( 3.4867 ) +0.232 0.2+ 4.2972+10.4601+ 0.232

=( .8 ) =1.5189
8 8
A=(0.80)
Solucin inciso b)
Resolver los dos primeros por el mtodo de Simpson 1/3 simple y los tres ltimos por el
mtodo de Simpson 3/8.
n=5
ba 0 0.8
h= =0.8 = =0.16
n 5 5
f ( x 0 ) =f ( 0 ) =0.2
f ( x 1 )=f ( 0.16 )=1.2969

31
f ( x 2 )=f ( 0.32 )=0.7433
f ( x 3 )=f ( 0.48 )=3.1860
f ( x 4 ) =f ( 0.64 )=3.1819
f ( x 5 )=f ( 0.8 ) =0.232
Aplicando la frmula de 1/3 simple para los puntos x 0 , x1 , x2
0.2+ 4 ( 1.2969 ) +1.7433

A= ( 0.320 ) =0.3803
6
Aplicando el mtodo de 3/8 para los puntos x 2 , x 3 , x 4 , x5
Donde b= x 5 y a= x 2
1.7433+ 3 (3.1819 )+ 0.232 1.7433+9.558+ 9.5457+0.232 21.079

A= ( 0.80.32 ) = ( 0.8 ) =( 0.48 ) =1.2647
8 8 8
I t =I 1 + I 3 =0.3803+1.2647=1.6450
3 8
Codificacin:
32
33
CAP
ITULO II: SOLUCIN NUMERICA DE ECUACIONES
MTODO DE BISECCIN
En matemticas, el mtodo de biseccin es un algoritmo de bsqueda de races que trabaja
dividiendo el intervalo a la mitad y seleccionando el sub intervalo que tiene la raz.
Este es uno de los mtodos ms sencillos y de fcil intuicin para resolver ecuaciones en
una variable, tambin conocido como Mtodo de Intervalo Medio. Se basa en el teorema
del valor intermedio (TVI), el cual establece que toda funcin continua f en un intervalo
cerrado [a,c] toma todos los valores que se hallan entre f(a) y f(b). Esto es que todo valor
entre f(a) y f(g) es la imagen de al menos un valor en el intervalo [a,b]. En caso de que f(a)
y f(b) tengan signos opuestos, el valor cero sera un valor intermedio entre f(j) y f(e), por lo
que con certeza existe un p en [a,b] que cumple f(p)=0. De esta forma, se asegura la
existencia de al menos una solucin de la ecuacin f(a)=0.
El mtodo consiste en lo siguiente:
Debe existir seguridad sobre la continuidad de la funcin f(x) en el intervalo [a,b]
A continuacin se verifica que
Se calcula el punto medio m del intervalo [a,b] y se evala f(m) si ese valor es igual
a cero, ya hemos encontrado la raz buscada
En caso de que no lo sea, verificamos si f(m) tiene signo opuesto con f(a) o con f(b)
Se redefine el intervalo [a, b] como [a, m] [m, b] segn se haya determinado en

cul de estos intervalos ocurre un cambio de signo
34
Con este nuevo intervalo se contina sucesivamente encerrando la solucin en un

intervalo cada vez ms pequeo, hasta alcanzar la precisin deseada
En la siguiente figura se ilustra el procedimiento descrito.
El mtodo de biseccin es menos eficiente que el mtodo de Newton, pero es mucho ms

seguro para garantizar 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) y f(b) tienen distinto signo.
Si existieran ms de una raz en el intervalo entonces el mtodo sigue siendo convergente

pero no resulta tan fcil caracterizar hacia qu raz converge el mtodo.
Algoritmo
Para aplicar el mtodo consideremos tres sucesiones definidas por las

siguientes relaciones:
Donde los valores iniciales vienen dados por:

35
Se puede probar que las tres sucesiones convergen al valor de la nica raz del intervalo:
Ejemplo:
3 x2 18+15
Use el mtodo de la biseccin para encontrar la raz de la ecuacin f ( x )= ,
5
en el intervalo (3,8) con un error de aproximacin Ea =0.01 , con un mximo de 10
iteraciones.
Datos:
3 x 218+15
Ecuacin f ( x)=
5
Intervalo (3,8)
Error de aproximacin deseado Ea =0.01
Solucin:
Con la finalidad de conocer cul es la raz exacta de la ecuacin, se usara la formula

cuadrtica, para resolver una ecuacin de segundo grado, cuya frmula general es:
2
a x + bx+ c=0
0.6 x 23.6 x+ 3=0
Sustituyendo den la ecuacin cuadrtica:
b b24 ac
x=
2a
36
(3.6 ) ( 3.6 ) 4 ( 0.6 ) ( 3 )

2
x=
2(0.6)
La ecuacin tiene dos races:
x 1=5
x 2=1
Usando el mtodo de la biseccin se calculara la primera raz x 1 en el intervalo (3,8).
No. de Intervalo Punto Extremo a Error E Raz

interaccin intermedio cerrar aproximada
1 (3,8) 5.5 b=5.5 2.5 5.5
2 (3,5.5) 4.25 a=4.25 1.25 4.25
3 (4.25,5.5) 4.875 a=4.875 0.625 4.875
4 (4.875,5.5) 5.1875 b=5.1875 0.3125 5.1875
5 (4.875,5.1875) 5.03 b=5.03 0.1562 5.03
6 (4.875,5.0312) 4.9531 a=4.9531 0.0781 4.9531
7 (4.9531,5.0312) 4.9921 a=4.9921 0.0391 4.9921
8 (4.9921,5.0312) 5.0116 B=5.0116 0.0195 5.0116
9 (4.9921,5.0116) 5.0018 B=5.0018 0.0097 5.0018
La raz aproximada es: 5.0018 con error de aproximacin de entrada con 9

interacciones
Codificacin:
37
38
MTODO DE LA TANGENTE O DE NEWTON-PAPHSON

Dentro de las frmulas para localizar las races, la frmula ms usada es la de Newton-
Raphson sea la ms usada. Si el valor inicial de la raz es x i entonces se puede extender
x
( i)
una tangente dede el punto . El punto deonde esta tangente cruza el eje de x
xi, f

representa una aproximacin mejorada a la raz.
El mtodo de Newton-Raphson se puede derivar geomtricamente, la primera derivada en x

es equivalente a la pendiente.
Es decir:
x
x
x i x
i+ 1
( i )0
f
( i)=
f
Reordenndose se obtiene:
x
x
f ( i)
( i)
f
x i+1=x i
Conocida como frmula de Newton-Raphson
Ejemplo:
sese el mtodo de Newton-Raphson para calcular la raz de ex x empleano el valor

inicial de x 0=0 .
Solucin:
La primera derivada de la funcin se puede evaluar como:

x
f ( x )=e 1
39
Que se puede sustituir, junto con la funcin original en la frmula de Newton-Raphson para
dar:
xi
e x i
x i+1=x i xi
e 1
Empezando con el valor inicial x i=0 , se puede aplicar la ecuacion iterativa para
calcular:
De esta manera, el planteamiento converge rpidamente a la raz real.
Codificacin:
40
MTOD
O DE LA SECANTE
Un problema durante en la implementacin del mtodo de Newton-Raphson es el de la
evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomios y para
muchas otras funciones, existen algunas de estas cuyas derivadas pueden ser
extremadamente difciles de evaluar. En estos casos, la derivada se puede aproximar
mediante una diferencia dividida.
x
x
( i)
( i1)f
x i1x i
f
f (x)
Esta aproximacin se puede sustituir en la frmula de Newton-Raphson obteniendo la

ecuacin iterativa:
x
x
x
x
( i1)f ( i)
f
( i1x i)

( i)
f
x i +1=x i
41
Esta ecuacin es la frmula para el mtodo de la secante. Hay que notar que el
planteamiento requiere de dos puntos iniciales de x. sin embargo, debido a que no se
requiere de dos puntos iniciales de x. sin embargo, debido a que no se requiere que f ( x )
cambie de signo entre estos valores, a este mtodo no se le clasifica como aquellos que
usan intervalos.
Ejemplo:
sese el mtodo de la secante para calcular la raz de f ( x )=ex x . Empicese con los
valores iniciales de x1=0 y x1=1.0 .
Solucin:
Recurdese que la raz es 0.56714329
Primera iteracin:
x1=0 f ( x1 )=1.0000
x 0=1 f ( x 0 )=0.63212
0.63212 ( 01 )
x1=1 =0.61270
1(0.63212 )
Segunda iteracin
x 0=1 f ( x 0 )=0.632 12
x 0=1 f ( x 1 )=0.07081
Tercera interacion
x 1=0.61270 f ( x 1 )=0.0708 1
x 2=0.56384 f ( x 2 ) =0.00518
0.00518 ( 0.612700.563 )
x 3=0.56384 =0. 56717
0.7081( 0.00518 )
Codificacin:
42
43
44
45
CAPITULO III: INTERPOLACIN Y APROXIMACION

POLINOMIAL
MTODO DE INTERPOLACION LINEAL DE NEWTON
La forma ms simple de interpolacin es la interpolacin lineal, que consiste de unir dos
puntos de una funcin f ( x) con una lnea recta.
La expresin es la que se muestra en la figura siguiente.
f 1 ( x ) f (x 0 ) f ( x 1) f (x 0)
=
xx 0 x 1x 0
Donde:
x es un punto intermedio entre el punto x 0 y x 1 , es el punto que se desea aproximar,

por medio del polinomio lineal encontrado entre los dos puntos x 0 y x 1 .
Las reas sombreadas muestran tringulos semejantes usados en la derivacin de la frmula

de interpolacin lineal.
Reordenando la formula anterior, se obtiene la frmula de interpolacin lineal, donde x es

el punto que se desea aproximar y es un punto intermedio entre x 0 y x 1 .
f ( x 1 ) f ( x 0 )
f 1 ( x )=f ( x 0 ) + ( x x0 )
x1 x 0
Donde la notacin f 1 (x ) indica que se trata de un polinomio de interpolacin de primer

orden, la pendiente de la lnea que conecta los dos puntos, est dada por la expresin:
46
f ( x 1) f ( x 0 )
x 1x 0
Ejemplo:
De la siguiente tabla de puntos y sus coordenadas entre lo siguiente:
a) El polinomio de primer orden, que une a los puntos P1 y P5 .
b) Una vez que haya encontrado el polinomio de interpolacin entre ambos puntos,
calcular los puntos que se encuentren en el intervalo entre P1 y P5 con
incrementos de 0.5 sobre el eje de las x .
c) Finalmente encontrar el error de aproximacin contra los valores verdaderos

mostrados en la tabla y que fueron obtenidos en la funcin
f ( x )=2 x 311 x 2+12 x +5
Datos:
Puntos a considerar P1 ( 1,8 ) y P 5 (3,4)

Coordenadas de los
puntos
f ( x 1 ) f ( x 0 )
Formula a usar: f 1 ( x )=f ( x 0 ) + ( x x0 )
x1 x 0
Si un punto cualesquiera est dado por PI ( x i , f ( x i ) )
En este caso i=1 hasta5

Entonces P1 sus coordenadas son:
x 1=1, f ( x 1) =8
P5 Sus coordenadas son:
x 5=3, f ( x 5 )=4
Solucin:
Dado que los puntos son: P1 ( x1 , f ( x 1 ) ) y P5 ( x 5 , f ( x 5 ) ) , grficamente se puede representar

de la forma:
47
Solucin inciso a): De la frmula de interpolacin lineal:
f ( x 1 ) f ( x 0 )
f 1 ( x )=f ( x 0 ) + ( x x0 )
x1 x 0
Sustituyendo de acuerdo a los puntos seleccionados.
f ( x 5 )f ( x 1 )
f 1 ( x )=f ( x 1 ) + ( xx 5 )
x 5x 1
Sustituyendo valores:
(4 )8
f 1 ( x )=8+ ( x1 )=86 ( x1 )=86 x +6=146 x
31
Respuesta del inciso a):
El polinomio de primer orden, que une a los puntos P1 y P5 es:
f 1 ( x )=146 x
Solucin del inciso b):
Usando el polinomio de primero orden f 1 ( x )=146 x , que unen los puntos P1 y

P5 , encontrar los puntos intermedios P2 , P3 y P4 . Con una distancia entra cada
punto de 0.5.
Dado que el incremento es de 0.5 y el punto inicial es x 1=1 , entonces:
x 2=x 1+0.5=1.5
x 3=x 1+2( 0.5)=2

48
x 4=x 1 +3 ( 0.5 )=2.5
Cada uno de estos puntos al evaluarlos en la ecuacin de la recta f 1 ( x )=146 x que une
a los puntos P1 y P5 se tiene los resultados siguientes:
f 1 ( x 2 )=146 ( 1.5 ) =5
f 1 ( x 3 )=146 ( 2 ) =2
f 1 ( x 4 ) =146 ( 2.5 )=1
Por los que, los puntos intermedios P2 , P3 y P4 son:
P2 ( x2 , f ( x 2 ) ) =(1.5,5)
P3 ( x3 , f ( x 3 ) ) =(2,2)
P4 ( x 4 , f ( x 4 ) )=(2.5,1)
Resultado del inciso b) se resumen en la tabla siguiente:
Puntos Valores en Valores de Los puntos con sus

coordenadas
Punto inicial:
P1 (X 1 , f 1 ( x1 ) )
Punto final
P5 (X 5 , f 5 ( x 5 ) )
Solucin del inciso c:

x

El margen de error es con respecto a los punto clculos en el eje de las . Por lo
y s=f
que el margen de error es E=|( f ( x ) f 1 ( x ) )|.
49
Donde:
f 1 ( x )=146 x Ecuacin de la recta entre P1 y P5
3 2
f ( x )=2 x 11 x +12 x +5 Funcin que describe la curva en los puntos P 1 y P5
El margen de error es: E=|( f ( x ) f 1 ( x ) )|
E=|( 55 )|=0
E=|( 12 )|=1
E=|( 2.51 )|=1.5
La respuesta del inciso c), queda descrita en la siguiente tabla:
Valores en Valores de Valores de

xs f ( x )= f 1(x)
Codificacin:
50
51
52
53
MTODO DE INTERPOLACIN CUADRTICA DE COEFICIENTES

INDETERMINADOS.
El resultado de interpolar tres puntos es buscar un polinomio de segundo grado de la forma:

2
Pk ,k +2 ( x )=a x +bx +c
Donde:
a , b , c Son coeficientes por determinar.
Pk Primer punto a interpolar cuyas coordenadas son Pk = ( x k , f ( x k ) )
Pk+1 Pk Segundo punto a interpolar cuyas coordenadas son Pk+1 =( x k+1 , f ( x k+1 ) )
Pk+2 Tercero punto a interpolar cuyas coordenadas son Pk+2 =( x k , f ( x k+2 ) )
Pk ,k +2 ( x) Es el polinomio que interpola desde el punto Pk hasta el punto Pk+2
La interpolacin de los puntos Pk , P k+1 y Pk +2 que necesita una parbola, establece tres
condiciones:
Pk ,k +2 ( x k ) =f ( x k ) a x 2k + b x k + c
2
Pk ,k +2 ( x k +1 )=f (x k+1 ) a x k+ 1+ b x k +1+ c
Pk ,k +2 ( P k ,k +2 ) a x 2k+2 +b x k +2+ c
Por lo que podemos establecer un sistema de ecuaciones lineales de tres por tres
a x 2k +b x k + c=f ( x k ) Ecuacin para el primer punto.
a x 2k+1 +b x k+ 1+ c=f ( x k+ 1) Ecuacin en el segundo punto.

54
2
a x k+2 +b x k+ 2+ c=( Pk+ 2) Ecuacin para el tercer punto.
Por lo que al resolver el sistema de ecuaciones se obtiene los valores de los coeficientes a, b
y c. por lo que sustituyndolos valores de estos coeficientes en la ecuacin general de una
parbola, se obtendr el polinomio que interpolan a los tres puntos.
Pk ,k +2 ( x )=a x2 +bx +c
Ejemplo:
Tomando como referencia, la tabla de los puntos que se obtuvo a partir de la funcin
f(x)=Inx donde x=1 hasta 3.5, encontrar lo siguiente:
a) El polinomio de segundo orden, que une a los puntos P2 , P4 y P6
b) Una vez que hayan encontrado el polinomio de interpolacin entre los tres puntos,
incrementos de 0.5 sobre el eje x.
c) Finamente encontrar el error de aproximacin contra los valores verdaderos
mostrados en la tabla y que fueron obtenidos de la funcin
f ( x )=Inx donde x=1 hasta 3.5
Punto x
1 0
1.5 0.4054
2 0.6931
2.5 0.9162
3 1.0986
3.5 1.2527
Solucin:
Datos:
Puntos a considerar: P2 ( 1.5,0 .4054 ) , P4 ( 2.5,0 .9162 ) y P6 ( 3.5,1.2527 )

55
Mtodo de usar: coeficientes indeterminados.
Sistema de ecuaciones a usar:
a x 2k +b x k + c=f ( x k ) Para el primer punto P2 ( 1.5, 0.4054 ) a considerar
2
a x k+1 +b x k+ 1+ c=f ( x k+ 1) Para el segundo punto P4 ( 2.5, 0.9162 ) a considerar
a x 2k+2 +b x k+ 2+ c=( Pk+ 2) Para el tercero punto P6 (3.5, 1.2527 ) a considerar
Sustituyendo estos valores en las ecuaciones:

2
a 1.5 +b 1.5+c=0.4054
2
a 2.5 +b 2.5+ c=0.9162
2
a 3.5 +b 3.5+c =1.2527
Resolviendo el sistema de ecuaciones encontramos el valor de los coeficientes:
a=0.08777 b=0.86232 y c=-0.6905
Sustituyendo en la ecuacin general de la parbola se tiene el polinomio de interpola los

tres puntos de inters:
P2.6 ( x )=0.08777 x 2 +0.862320.6905
Solucin al inciso b):
Para encontrar cualquier punto que se encuentre entre el punto P2 al P6 es evaluada

en la ecuacin cuadrtica el valor de la coordenada x del punto que se desea encontrar.
Sustituyendo los valores de x en el polinomio de segundo orden se tiene lo siguiente:
Punto Valor de Puntos y sus coordenadas

x
1.5 0.40549
2 0.68306
2.5 0.91673
3 1.1065
56
P6 3.5 1.25243 P6 (3.5, 1.25243)
La siguiente grafica muestra las curvas dado por f ( x )=ln x , asi como l curva dada por el
polinomio f 2 ( x )=0.08777 x 2+ 0.86232 x0.6905
Solucin del inciso c):
Para encontrar el porcentaje de error de acercamiento con respecto a la funcin

f ( x )=ln x es calculado de la forma siguiente:
D=|( f ( x )f 1 ( x ) )|
D100
E=
f (x)
Ejemplo:
Para el punto P3 :
D=|| (0.69314-0.68306)=0.01008
100
E= ( 0.010088 ) + =1.4542
0.69314
Codificacin:
57
58
59
60
MTODO DE INTERPOALACIN CUADRTICA DE NEWTON

Es usado el procedimiento de interpolacin cuadrtica de newton, el cual se basa en el
polinomio cuadrtico:
2
f 2 ( x )=a 0+ a1 x+ a2 x
Donde se establece el concepto de colocar en la lnea una curvatura, para aproximar ms

sus puntos a los puntos de la funcin f ( x ) .
La interpolacin de tres puntos es una parbola, por lo que, el polinomio que une tres
puntos es de la forma:
f 2 ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1)
Este polinomio es equivalente a f 2 ( x )=a 0+ a1 x+ a2 x 2 . Ya que si realizamos las

multiplicaciones indicadas obtenemos lo siguiente:
2
f 2 ( x )=b 0+ b1 x b1 x +b2 x + b2 x 0 x 1b 2 xx 0b2 xx 1
0
Al polinomio anterior, para darle forma del polinomio cuadrtica, agrupamos trminos:
2
f 2 ( x )=a 0+ a1 x +a 2 x
Donde:
a0 =b0 b1 x 0 +b 2 x 0 x 1
a0 =b1b2 x 0 +b2 x1
a0 =b2
61
Para encontrar a b0 es avaluado x=x 0 . Es decir, en lugar de x colocamos a x 0 ,

por lo que al realizar las restas y la multiplicacin se hacen ceros los dos ltimos de la
expresin, quedando nicamente b0 .
f 2 ( x 0 )=b0 Por lo que la igualdad es la misma si establecemos:
b0 =f ( x0 )
De la misma forma, para encontrar a b1 es evaluado x=x 1 . Es decir, en lugar de

x colocamos a x 1 , por lo que al realizar las recetas y la multiplicacin se hace cero el
ltimo trmino de la expresin, y si adems en lugar de b0 usamos ha f ( x 0 ) , nos
queda la siguiente expresin:
f ( x 1 )=f ( x 0 ) + ( x 1x 0 )
Despejando a b1 :
f ( x 1 ) f ( x 0 )
b1=
x1 x 0
Para encontrar ha b2 , se sigue el mismo procedimiento anterior, es decir, evaluar

x=x 2 . Es decir, en lugar de x colocamos a x 2 , y si adems en lugar de b0
usamos a f ( x 0 ) , y en lugar de b1 usamos la expresin.
Entonces nos queda la siguiente expresin:
f ( x 2 )f ( x 1) f ( x1 ) f ( x 0 )

x 2x 0 x 1x 0
b2=
x 2x 0
Por lo que, si se conocen tres puntos a interpolar, se puede obtener el polinomio cuadrtico
que interpolan a estos tres puntos, calculando los coeficientes b0 , b1 y b 2 y
sustituyndolos en la ecuacin anterior. Con el cual cualquier punto que se encuentre dentro
de estos tres puntos podr ser calculado.
Ejemplo:
Tomando como referencia, la tabla de puntos que se obtuvo a partir de la funcin

f ( x ) ln x donde x=1 hasta 3.5, encontrar lo siguiente;
a) Usando el mtodo de interpolacin cuadrtica de newton, encontrar el polinomio de

segundo orden, que une a los puntos P2 , P4 y P6 .
62
b) Una vez que haya encontrado el polinomio de interpolacin entre los tres puntos,
incrementos de 0.5 sobre el eje de las x s .
c) Finalmente encontrar el error de aproximacin contra los valores verdaderos

mostrados en la tabla y que fueron obtenidos de la funcin
f ( x )=ln x donde x=1 hasta3.5
Solucin:
Punto x F(x)
1 0.40549
1.5 0.68306
2 0.91673
2.5 1.1065
3 1.25243
3.5 0.40549
Datos:
Puntos a considerar: P2 ( 1.5,0 .4054 ) y P4 ( 2.5,0.9162 ) y P 6 ( 3.5, 1.2527 )
Mtodo a usar: interpolacin cuadrtica de newton.
Formulas a usar:
f 2 ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1)
63
f ( x 1 ) f ( x 0 )
b1=
x1 x 0
f ( x 2 )f ( x 1) f ( x1 ) f ( x 0 )

x 2x 0 x 1x 0
b2=
x 2x 0
Solucin del inciso a):
Si tenemos tres puntos P2 ( 1.5,0 .4054 ) y P4 ( 2.5,0.9162 ) y P 6 ( 3.5, 1.2527 ) , entonces:
x 0=1.5 f (x 0)=0.4054
x 1=2.5 f (x1 )=0.9162
x 2=3.5 f (x2 )=1.2527
Iniciar el procedimiento calculando los coeficientes b0 , b1 y b 2 :
b0 =f ( x 0 )=0.4054
f ( x 1 ) f ( x 0 ) 0.91620.4054
b1= =
x1 x 0 2.51.5
f ( x 2 )f ( x 1) f ( x1 ) f ( x 0 ) 1.25270.9162 0.91620.4054

x 2x 0 x 1x 0 3.52.5 2.51.5 0.33650.5108
b2= = = =0.08715
x 2x 0 3.51.5 2
Sustituyendo en la expresin: f 2 ( x )=b 0+ b1 (xx 0 )+ b2 ( xx 0 )(xx 1) , obtenemos la

expresin cuadrtica buscada:
f 2 ( x )=0.4054 +0.5108 ( xx 0 )0.08715 (xx 0)(xx 1 )
Para encontrar cualquier punto que se encuentre entre el punto P2 al P6 es evaluado

en la ecuacin cuadrtica el valor de la coordenada x del punto que se desea encontrar.
L os puntos a encontrar son desde x inicial x 1=1.5 hasta x final fx=3.5 con
incrementos de 0.5 entre cada punto. Por lo que estn incluidos los valores de las
coordenadas de los puntos P2 , P4 y P6 .
Se obtiene lo siguiente:
64
Punto Valor x f 2 ( x )=0.4054 +0.5108 ( xx 0 )0.08715 (xx 0Puntos

)(xx 1y) sus
coordenadas
P2 1.5 0.4054 P2 (1.5,0 .4054)
P3 2 0.68258 P3 (2, 0.68258)
P4 2.5 0.9162 P4 (2.5, 0.9162)
P5 3 1.1062 P5 (3,1.1062)
P6 3.5 1.2527 P6 (3.5, 1.2527)
Para encontrar el porcentaje de error de acercamiento con respecto a la funcin

f ( x )=ln x es calculndolo de la forma siguiente:
D=|( f ( x )f 1 ( x ) )|
d +100
E=
f (x )
Para cada punto es:
punto x Porcentaje de
error
1 0 0.4054 69.05%
1.5 0.40546 0.4054 0%
2 0.68314 0.68258 1.5235%
2.5 0.9162 0.9162 0%
3 1.0986 1.1062 0.7190%
3.5 1.2527 1.2527 0%
Codificacin:
65
66
67
68
69
MTODO DE INTERPOLACIN DE NEWTON, FORMA GENERAL DE LOS

POLINOMIOS
Tomando en cuenta el mtodo anterior, el polinomio de n-ensimo orden para la n+1

puntos, por lo tanto, el polinomio quedar de la siguiente forma:
x xn 1
)
f n ( x )=b 0 +b1 ( xx 0 ) ++b n ( xx 0)( xx1 )
Este polinomio confirma lo anterior, que para obtener un polinomio de n-simo orden se
requiere n+1 puntos.
Como el polinomio cuadrtico, el problema es encontrar los coeficientes b0 , b1 bn .
Por lo que los coeficientes estarn dados por las expresiones siguientes:
b0 =f ( x 0 )
b1=f [ x 1 , x 0 ]
b2=f [ x 2 , x 1 , x 0 ]
.
.
.
bn =f [ x n , x n1 x 1 , x 0 ]
La evaluacin para obtener los coeficientes, por ejemplo el coeficiente b1 como en el

caso de la cuadrtica, es de manera similar en este caso, y se representa entre corchetes, y
se llaman diferencias divididas finitas. Por lo que la primera diferencia dividida finita, se
expresa de la forma siguiente:
f ( xi ) f (x j )
f [ x i , x j ]=
x ix j
La segunda diferencia dividida finita es:
f [ x i , x j ] f [ x j , x k ]
f [ x i , x j , x k ]=
x ix k
Generalizando la n-esima diferencia dividida es:

70
Estos coeficientes se constituyen en el polinomio de n-esimo orden, para obtener el

polinomio de interpolacin con diferencias divididas en newton:
f 2 ( x )=f ( x0 ) + ( xx 0 ) f [ x1 , x 0 ]+ ( xx 0 )( x x1 ) f [ x 2 , x 1 , x 0 ] ++ ( xx 0 )( x x1 ) ( xx n1 ) f [ x n , x n1 , x 0 ]
Ejemplo:
De la siguiente tabla de puntos y sus coordenadas encuentre lo siguiente:
a) El polinomio de tercer orden, que une a los puntos P 1 , P3 , P 5 y P7
b) Calcular los puntos que se encuentran entre P1 y P6 con incrementos de 0.5 sobre
el eje de las x, entre cada punto.
c) Finalmente encontrar el error de aproximacin contra el valor verdadero mostrados

en la tabla siguiente:
Coordenadas de los puntos
1.5,5)
2,1)
2.5,-2.5)
3,-4)
3.5,-2)
4,5)
La frmula a emplear es: f n ( x )=b 0 +b1 ( xx 0 ) ++b n ( x x 0 )( x x1 ) ( xx n1 )
El polinomio es de tercer orden, es decir n=3, por lo que se necesitan n+1 puntos, por lo
tanto, tenemos cuatro puntos, y la frmula queda de la forma siguiente:
f 1 ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 )( xx 1) +b3 (xx 0 )( xx 1)( xx 2 )

71
Donde:
b0 =f ( x 0 )
b1=f [ x 1 , x 0 ]
b2=f [ x 2 , x 1 , x 0 ]
b3 =f [ x 3 , x 2 , x 1 , x 0 ]
Para calcular las primeras diferenciales divididas finitas, se usa la expresin:
f ( xi ) f (x j )
f [ x i , x j ]= Donde i=j+1
x ix j
Debido a que se tiene cuatro puntos, entonces se requieren calcular tres primeras
diferencias divididas finitas:
f ( x 1 )f (x 0 ) 18
f [ x 1 , x 0 ]= = =7
x 1x 0 21
f ( x 2 )f (x 1) 41
f [ x 2 , x 1 ]= = =5
x2 x1 32
f ( x 3 )f (x 2 ) 5(4 )
f [ x 3 , x 2 ]= = =9
x 3x 2 43
Para calcular las segundas diferencias divididas finitas, se usara la expresin:
f [ x i , x j ] f [ x j , x k ]
f [ x i , x j , x k ]= Donde j=k+1, i=k+2
x ix k
Debi que se usan cuatro puntos, entonces se calcularan dos segundas diferencias divididas:
f [ x 2 , x 1 ]f [ x 1 , x 0 ]
f [ x 2 , x 1 , x 0 ]=
x 2x 0
f [ x 3 , x 2 ]f [ x 2 , x 1 ]
f [ x 3 , x 2 , x 1 ]=
x 3x 1
Para calcular las anteriores diferencias divididas finitas, se puede usar la expresin
generalizada, como en este caso, para calcular la tercera diferencia dividida finita, se usara
72
la expresin generalizada, para calcular la n-esima diferencia dividida, considerando que

n=3.
f [ xn , x n1 x 1 ] f [ x n1 , x n2 x 0 ]
f [ x n , x n1 x 1 , x 0 ] =
x nx 0
Para cuatro puntos, solo existe una tercera diferencia dividida finita, por lo que usando la
expresin generalizada tenemos lo siguiente:
f [ x 3 , x 2 , x 1 ] f [ x 2 , x 1 , x 0 ] 71
f [ x 3 , x 2 , x 1 , x 0 ]= = =2
x 3x 0 41
Sustituyendo los coeficientes en el polinomio de tercer orden, obtenemos el polinomio que

une los cuatro puntos.
f 3 ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1 )+ b3 ( xx 0 ) ( xx 1) ( xx 2 )
Donde:
b0 =8
b1=7
b2=1
b3 =2
Sustituyendo los coeficientes se obtiene el polinomio de tercer orden
p3 ( x )=87 ( xx 0 ) +1 ( xx 0 ) ( xx 1 ) +2 ( xx 0 )( xx 1) ( xx 2 )
Para calcular los puntos intermedios entre el punto P1 y P7 , con un espaciamiento de 0.5
sobre el eje de las x, entre cada punto, se sigue el siguiente procedimiento:
Primero calcularemos el valor de las x s y posteriormente a cada x a avaluaremos en el

polinomio de tercer orden para obtener su respectiva p ( x ) .
Coordenadas de los puntos
1.5,5)
73

P3 2,1)

P4 2.5,-2.5)

P5 3,-4)

P6 3.5,-2)

P7 4,5)
El valor de la x inicial, es el valor de la x del primer punto, en este ejemplo la x inicial es

igual a 1. La x final es el valor de la x del ltimo punto, en este ejemplo la x final es 4.
Por los que las x intermedias tomaron los valores de: 1.5, 2, 2.5, 3, 3.5, y 4.
El polinomio de tercer orden que se obtuvo, es la interpolacin de los puntos

p3 ( 2,1 ) , p5 (3,4 ) y p7 (4,5) . Por lo tanto los valores de las coordenadas que se deben de
considerar en la formula son las siguientes:
x 0=1
x 1=2
x 2=3
x 3=4
Para obtener a las p3 (x) es avaluando a las x, en el polinomio de tercer orden, una por
una:
Para x=1 evaluada en el polinomio:
p3 ( x )=87 ( 11 )+ 1 ( 11 )( 12 )+2 ( 11 ) ( 12 ) ( 13 )=8
Para x=1.5 evaluada en el polinomio:
p3 ( x )=87 ( 1.51 ) +1 ( 1.51 )( 1.52 ) +2 ( 1.51 ) ( 1.52 ) ( 1.53 )=5

p3 ( x )=87 ( 21 )+ 1 ( 21 )( 22 )+ 2 ( 21 )( 22 )( 23 )=1
74

p3 ( x )=87 ( 2.51 ) +1 ( 2.51 ) ( 2.52 ) +2 ( 2.51 ) ( 2.52 )( 2.53 )

p3 ( x )=87 ( 31 ) +1 ( 31 ) ( 32 ) +2 ( 31 )( 32 )( 33 )=4

p3 ( x )=87 ( 3.51 ) +1 ( 3.51 ) (3.52 ) +2 ( 3.51 ) ( 3.52 )( 3.53 )

p3 ( x )=87 ( 41 )+ 1 ( 41 )( 42 )+ 2 ( 41 )( 42 ) ( 43 )=4
Con los valores obtenidos se forma la siguiente tabla de puntos:
P1 ( x1 , p ( x 1 ) ) =P1 ( 1,8 )
P2 ( x2 , p ( x 2 ) ) =P2 (1.5,5 )
P3 ( x3 , p ( x3 ) ) =P3 ( 2,1 )
P4 ( x 4 , p ( x 4 ) ) =P4 ( 2.5,2.5 )
P5 ( x5 , p ( x5 ) ) =P5 ( 3,4 )
P6 ( x 6 , p ( x 6 ) ) =P 6 ( 3.5,2 )
P7 ( x 7 , p ( x 7 ) )=P7 ( 4,5 )
Al graficar la tabla de puntos anteriores se observa que siguen la misma trayectoria de la

curva obtenida con la funcin f ( x )=2 x 311 x 2+12 x +5 . Como se muestra en la
siguiente grfica:
75
punto Valor E
de x
1 1 8 8 0%
2 1.5 5 5 0%
3 2 1 1 0%
4 2.5 -2.5 -2.5 0%
5 3 -4 -4 0%
6 3.5 -2 -2 0%
7 4 5 5 0%
Codificacin:
76
77
78
79
MTODO DE INTERPOLACIN LINEAL DE LANGRANGE
El polinomio de interpolacin de Lagraje, es una reformulacin del procedimiento de

newton, como se muestra en seguida:
Se parte de la interpolacin lineal de newton, que establece que para interpolar dos puntos
se tiene el polinomio de primer orden como:
f ( x 1 ) f ( x 0 )
f 1 ( x )=f ( x 0 ) + ( x x0 )
x1 x 0
Donde la primera diferencia dividida finita se expresa como:
f ( x 1 ) f ( x 0 )
f [ x1 , x0]
x1 x 0
Por lo que el polinomio de primer orden se puede expresar de la forma:
f 1 ( x )=f ( x 0 ) + ( xx 0 ) f [ x1 , x 0 ]
Para obtener la frmula de Lagrage, es necesario reformular las diferencias divididas, por lo
que la primera diferencia dividida se puede recibir de la forma:
f1(x) f (x)
f [ x 1 , x 0 ]= + 1
x 1x 0 x1 x 0
En la expresin anterior se cambia el signo de menos a ms, y para que no se altere el

resultado tambin se cambia el orden del divisor del segundo trmino de la expresin.
80
Sustituyendo las dos expresiones:

f 1 ( x) f (x )
f 1 ( x )=f ( x 0 ) + ( xx 0 ) ( + 1
x1x 0 x 1x 0 )
Realizando el producto:
x x0 xx 0
f 1 ( x )=f ( x 0 ) + f ( x1 )+ f ( x0 )
x 1x 0 x1 x 0
Agrupando trminos y simplificando, se tiene el polinomio de primer orden de Lagrange:
xx 1 xx 0
f 1 ( x )= f ( x0 )+ f ( x1 )
x 0x 1 x1x 0
De la ecuacin, se conocen los siguientes trminos:
xx 1 xx 0
L0 (x)= L1 (x)=
x 0x 1 x 1x 0
Por lo que la expresin se puede escribir como:
f 1 ( x )=L0 ( x ) f 1 ( x ) + L1 ( x ) f ( x 1 )
Expresin de Lagrange para obtener el polinomio de primer grado.
Para generalizar el concepto de interpolacin de Lagrange para obtener un polinomio de

grado a las ms n, que pasa por los n+1 puntos. Los puntos por donde pasa el polinomio se
tiene sus coordenadas siguientes:
Punto 0: ( x 0 , f ( x 0)
Punto 1: ( x 1 , f (x1 )
Punto n: ( x n , f ( x n)
Como se dedujo anteriormente, el polinomio lineal que pasa por los puntos ( x 0 , f (x 0) y
( x 1 , f (x1 ) se obtuvo utilizando los cocientes de Lagrange:
xx 1 xx 0
L0 (x)= Y L1 (x)=
x 0x 1 x 1x 0
Donde se puede observar que si se hace la igualdad x=x 0 , entonces L0 ( x 0 ) =1 y

L1 ( x 0 ) =0
81
Tambin se observa que si se hace la igualdad x=x 1 , entonces L0 ( x 1 ) =0 y

L1 ( x 1 )=1
Para el caso general, se requiere construir para cada k=0,1,n, un cociente Ln ,k ( x ) , con
las propiedades anteriores, es decir:
Para Ln ,k ( x i )=0 para i k y Ln ,k ( x k )=1
Para satisfacer Ln ,k ( x i )=0 para i k se requiere que el numerador de Ln ,k

contenga el trmino.
( xx 0 ) ( xx 1 ) ( x x k1 ) ( xx k +1 ) ( xx n)
Para que se cumpla Ln ,k ( x k )=1 , el denominador de Ln debe ser iguala a la expresin

anterior evaluada en x=x k
Por lo tanto, tomamos las consideraciones generales anteriores, la expresin para obtener
los cocientes de Lagrange en forma generalizada es la siguiente:
( xx 0 ) ( xx 1 )( xx k1) ( xx n )
Ln ,k ( x k )=
( x k x 0 ) ( x k x k1 ) ( x k x k+1 ) ( x k x n )
Concluyendo la generalizacin de Langrange. Si x 0 , x 1 , , x n son n+1 puntos, y f ( x )

es una funcin que pasa por esos puntos, entonces existe un polinomio nico p( x) de
grado n, que interpola los puntos, como se observa en la siguiente figura:
El polinomio que interpola todos los puntos de la figura anterior, tiene las propiedades de
que:
f ( x k ) =p ( x k ) Para cada k=0, 1,2,,n
Este polinomio p( x) tiene la formula siguiente:

82
n
p ( x ) =f ( x 0 ) Ln ,0 ( x ) + +f ( x n ) Ln ,n ( x )= f ( x k ) Ln ,k ( x )
k=0
Donde:
n
( xx 0 ) ( x x1 ) ( xx k1 ) ( xx n ) ( xx 1 )
Ln ,k ( x )= =
( x k x 0 ) ( x k x k1 )( x k x k+1 ) ( x k x n ) i=o ( x k x i )
i k
Se puede escribir a Ln ,k como Lk cuando no existe confusin en su grado, por lo

tanto la expresin:
n
f ( x )= f ( x k ) Ln ,k ( x )
k=0
Es el polinomio generalizado de interpolacin de Langrange.
En donde:
n
( xx 1 )
Ln ,k ( x )=
i=o ( x k x i )
i k
Ejemplo:
en la siguiente tabla se muestran los puntos a partir de la funcin f ( x )=lnx donde x=1
hasta 6, usando el polinomio de interpolacin de Langrange encontrar lo siguiente:
a) El polinomio de tercer orden, que interpola a los puntos P0 y P3
b) El polinomio de segundo orden, que interpola a los puntos P 0 , P3 y P 6
c) Una vez que haya encontrado los polinomios de interpolacin, calcular el Lnx ,
donde x=1 hasta 6 con incrementos de hasta uno, y compararlos contra el valor
obtenido usando la funcin lnx
Datos:
Punto x
1 0
2 0.693147
3 1.098612
83
P4 4 1.386294
P5 5 1.609437
P6 6 1.791759
Los puntos a usar son:
punto x
1 0
3 1.098612
Las frmulas a emplear es:
xx 1 xx 0
L0 (x)= L1 (x)=
x 0x 1 x 1x 0
Calculando los cocientes de Langrange, tenemos que:
xx1 ( x4) x4
L0 ( x ) = = =
x 0x 1 14 3
xx 0 (x1) x1
L1 (x)= =
x 1x 0 41 3
Sustituyendo los coeficientes de Lagrange, en la frmula para obtener el polinomio de

primer orden:
x4 x1
f 1 ( x )=L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x1 ) = f ( x0)+ f ( x1 )
3 3
Haciendo las operaciones y simplificando se obtiene el polinomio de Langrage de primer
orden:
f 1 ( x )=0.4620980.462098

Los puntos a usar son:
84
Puntos de acurdo a x
la tabla de datos f ( x )=lnx
P0 1 0
P3 3 1.098612
P5 5 1.609437
La frmula a emplear es: f 2 ( x )=L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 )
Donde:
xx 1 ( xx 2) xx 0 ( xx 2) xx 0 (xx 1 )
L0 (x)= L1 (x)= L2 ( x)=
x 0x 1 ( x 0x 2) x 1x 0 ( x 1x 2) x 2x 0 (x 2x 1)
Calculando los cocientes de Langrange, tenemos que:

xx 1 ( xx 2) ( x4 ) ( x6 )
L0 ( x ) = = =0.06666 x 20.6666+1.6
x 0x 1 ( x0 x 2) ( 41 ) ( 16 )
xx 0 ( xx 2 ) ( x1 ) ( x6 )
L1 ( x ) = = =0.16666 x 2 +1.166661
x 1x 0 ( x 1x 2 ) ( 41 ) ( 46 )
xx 0 ( x x1 ) ( x1 ) ( x 4 )
L2 ( x ) = = =0.1 x 20.5+ 0.4
x 2x 0 ( x 2x 1 ) ( 61 ) ( 64 )
Sustituyendo los coeficientes en la frmula para obtener el polinomio de primer orden,

Haciendo las operaciones, sumando trminos semejantes se obtiene el polinomio de
Langrange de segundo orden:
2
0.06666 x 0.6666+1.6
)+(
f 2 ( x )=L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 ) =
0.16666 x 2 +1.166661+(0.1 x 20.5+0.4)(1.791759)=0.0517 x 2 +0.721371 x0.669594
Una vez que se hallan encontrado los polinomios de Langrange:
f 1 ( x )=0.462098 x0.462098
f 2 ( x )=0.051781 x 2 +0.721371 x0.669594

85
Se puede comparar los resultados que se obtienen, usando las tres expresiones,
lnx , f 1 ( x ) y f 2 ( x ) , como se muestra en la siguente tabla:
puntos Valor Valor para Valor para Valor para

en x f 1 ( x )=0.462098 x0.462098
f ( x )=lnx
1 0 0 -0.669594
2 0..693147 0.462098 0.566024
3 1.098612 0.924196 1.02849
4 1.386294 1.386294 1.387394
5 1.609437 1.848392 1.642736
6 1.791759 2.31049 1.794516
Codificacin:
86
87
88
89
CAPITULO IV: APROXIMACIN FUNCIONAL.

MTODO DE MNIMOS CUADRADOS LINEALES.
El significado de mnimos cuadrados consiste en obtener la recta que ajuste a una serie de
datos numricos, con la condicin que la suma de los cuadrados de lo residuo sea la mnima
posible. Entendiendo por residuos la distancia vertical del punto ajustado al punto real.
La estrategia ms apropiada en estos casos es la de obtener una funcin apropiada que

ajuste adecuadamente el comportamiento o la tendencia general de los datos, sin
coincidir innecesariamente con cada punto en particular.
Una manera de determinar la lnea es inspeccionar visualmente os datos grafiados y luego
trazar la mejor lnea a travs de los puntos. Aunque este enfoque recurre el sentido comn
y es vlido para clculos a simple vista es deficiente ya que es arbitrario.
La manera de quitar esta subjetividad es usar u mtodo, lo cual puede utilizarse una curva
que minimice los datos y la curva (por ejemplo una parbola), este concepto se conoce
como regresin con mnimos cuadrados lineales.
El mtodo ms simple de ajustar una curva a un conjunto de datos es el de trazar os puntos
y unirlos a una lnea recta. Aunque esta es una alternativa vlida se utiliza cuando se
requiera hacer estimaciones rpidas, los resultados son dependientes, desde un punto de
vista subjetivo, de la persona que traza la recta. Para quitar esta dependencia se usa la
regresin lineal o mnimos cuadrados.
El ejemplo ms simple de una aproximacin de mnimos cuadrados es el ajuste de una lnea
x
x
recta a un conjunto de parejas de datos observados ( 2 , y 2) , ,(x n y n ) . La expresin
( 1 , y 1) ,

matemtica de una lnea recta es:
90
y= Ax+ B+r
Donde A y B son coeficientes que representan la interaccin con el eje de las abscisas y la
pendiente como respectivamente y r es el error o residuo entre el modelo y las
observaciones, que se pueden representar.
La seccin de margen de error est dada por: R= y ( Ax+ B)
Si consideramos una muestra de n puntos, podemos decir que existen n residuos R. Por lo
que se puede establecer lo siguiente:
R1= y 1( A x 1+ B)
R2= y 2( A x 2+ B)

Rn= y n( A x n + B)
Elevando al cuadrado y reacomodando los trminos tenemos que el cuadrado de los

residuos es:
2 2 2 2 2
R1 = y 1 + B 2 A y 1 x1 2 y 1 B+ A x 1 + 2 A x 1 B
2 2 2 2 2
R2 = y 2 +B 2 A y 2 x 22 y 2 B+ A x 2 +2 A x 2 B

2 2 2 2 2
Rn = y n + B 2 A y n x n2 y n B+ A x n +2 A x n B
Sumando desde R1 , hasta Rn , y agrupando trminos se establece la expresin

siguiente:
91
2 2
A x
R=(2 A xy + y 2)+2( A x y )B+ n B2

Esta expresin es un binomio cuadrado en B, y es a lo que se deseaba llegar, por lo que

indica claramente que se trata de una parbola que se encuentra por arriba del eje B y abre
hacia arriba.
Por otro lado, si tenemos que para el caso de una aproximacin parablica, tenemos la
expresin:
y= A x 2+ BX +C
Con el eje paralelo al eje y con A >0, por lo que se deduce que tiene un punto mnimo
en:
Por lo tanto, se puede decir que el punto mnimo de la sumatoria tendr por abscisa.
A x y
B=
n
Y que al despejar a y , se obtiene la siguiente ecuacin.
y =A x+ nB
Ahora considerando la ecuacin en trminos de A; la expresin queda:
R2 =A 2 x 2 +2(B x+ xy) A +( y 22 B y +n B2 )
Para que R2 sea mnimo en A, la ejercicio anterior deber ser igual a :
xy
B x

r =
2
2
De tal forma que se cumpla con la frmula de la parbola: y= A x + Bx +c por lo que se
tiene:
xy= A x2 + B x
Por lo que realmente se ha obtenido, son dos ecuaciones con dos incgnitas, las cuales son
A y B, por lo que si resolvemos las ecuaciones en forma simultnea conoceremos el valor
de estas dos incgnitas. Y una vez encontrado el valor de A y B las cuales sustituimos en a
ecuacin de la recta, lo cual era nuestro objetivo, encontrar una recta que se aproximara lo
ms posible a los puntos dados como datos.
92
De la ecuacin de la recta, es posible tener un error de la forma siguiente.

r= y( Ax+ B)
Por lo tanto, el error o residuo de la ecuacin de la recta es la diferencia entre el valor real
de y y el valor aproximado A + Bx predicho por la ecuacin lineal.
Ejemplo:
Tomar en cuenta las siguientes ecuaciones del mtodo de mnimos cuadrados, y la tabla de
valores dados, encontrar las constantes A y B de la ecuacin de la recta y= Ax+ B que
ms se aproxime a los valores de la tabla dada.
y =A x+ nB
xy= A x2 + B x
x 1 2 3 4 5 6
y 1.48 1.76 2.78 3.32 3.86 4.15
Primeramente necesitamos calcular las sumatorias que nos indican las ecuaciones porque
teneos lo siguiente.
y =17.35
x=21
n=6
xy=70.82
x 2=91
Sustituyendo estos valores en las ecuaciones del mtodo de mnimo cuadrados, tenemos lo
siguiente:
21 A+ 6 B=17,35
91 A +21 B=70.82
Resolviendo el sistema de ecuaciones por el mtodo suma y resta:
Multiplicando a la primara ecuacin por 21 y la segunda por -6, despus sumamos ambos
ecuaciones, obtenemos finalmente el valor de A.
56.79
A= =0.5408
105
Para obtener a B, se hace el mismo procedimiento, pero ahora a la constante. A del sistema.
93
91.63
B= =0.5408
105
Para obtener a B, se hace el mismo procedimiento, pero ahora eliminando a la constante A
del sistema.
91.63
B= =0.8726
105
Por lo que la ecuacin que aproxima mejor a los datos de la tabla es la siguiente:
y=0.5408 x +0.8726 y
Codificacin:
94
95
MTODO DE MNIMOS CUADRADOS POLINOMIALES DE SEGUNDO ORDEN

SUPERIOR.
La tcnica para ajustar Al mejor polinomio es derivando un polinomio cuadrtico, que se
ajuste de manera adecuada a los datos inciertos encontrados.
El concepto de regresin de mnimos cuadrticos polinomiales est basado sobre el mtodo
de mnimos cuadrados lineales.
Cabe mencionar que se busca mejorar el ajuste es por la siguiente razn: cuando se asoci
un error importante con los datos y estamos interpolando, puede ocasionar u margen de
error muy alto.
Este procedimiento de ajuste de mnimos cuadrados polinomial est basado en el ajuste de
mnimo cuadrado lineal, porque se puede extender fcilmente y ajustar los datos a un
polinomio de m_simo grado.
2 m
y=a0 +a1 x+ a2 x ++ am x
De la misma forma que en el procedimiento lineal se tiene que la suma de los cuadrados de
los residuos es:
2 m
y ia 0a 1 x ia 2 x i am x i

n
Sr =
i=1
Si obtenemos la derivada con respecto a cada uno de los coeficientes del polinomio, se
obtienen las siguientes expresiones:
( y 1a 0a 1 x 1a2 x i2am x im)

s1
=2
a0
x i( y 1a0 a1 xi a2 xi2am xim )

s1
=2
a0
x i2 ( y 1 a0 a1 x ia2 x i2a m x im )
s1
=2
a1
.
.
.
96
m 2 m
x i ( y 1a 0a1 x ia2 xi am xi )
s1
=2
a2
Estas ecuaciones se pueden igualar a cero y reordenarlas de tal forma que tengamos un
sistema de ecuaciones de n ecuaciones por m incgnitas, dando un sistema cuadrado de
ecuaciones.
a0 n+ a1 x 1 +a2 x i2+ +am x im= y 1
a0 x 1+ a1 xi2 +a 2 x i3 +am x im+1 = xi y 1
a0 x i2+ a1 xi3 +a 2 x i4 + am xim +2= x i2 y 1
.
.
.
a0 x i +a1 x i +a2 x i +a m x i = x i y 1
m m+1 m+2 2m m
Donde todas las sumas van desde:

i=1 hastan
Para resolver este sistema de ecuaciones normales, se tiene que calcular los coeficientes y
eso se logra a partir de los datos observados. Por lo que el problema de determinar
polinomios de grado m con mnimos cuadrados es equivalente a resolver un sistema de
ecuaciones de m+1 grado de libertad, un sistema cuadrado de ecuaciones igualado a un
vector de solucin.
Para encontrar el error estndar de la aproximacin, basado en la regresin polinomial, es
decir la suma de los cuadrados de los residuos, por lo tanto se tiene que:
n
S r = ( y 1a0a1 x ia2 x i2a 2 x im)2
i=1
Tambin se puede calcular el coeficiente de correlacin en la regresin polinomial, y esto

aplica tambin para el caso lineal.
r 2=(S v S r )/S v
Ejemplo:
Ajustar un polinomio de segundo orden a los datos de las dos columnas de la siguiente
tabla.
97
TABLA
Solucin de acuerdo a los valores dados en la tabla
m=2
n=6
y=
y i =2.5
n
x=
xi =25.433
n
x i=15
y i=152.6
x i2=55
x i3=225
x i4 =979
x i yi =585.6
x i2 y i =585.6
Por lo que al sustituir en las ecuaciones simultaneas se tiene lo siguiente:
6 a0 +15 a 1+52 a 2=152.6
15 a0 +55 a1 +225 a 2=585.6
55 a0 +225 a1 +979 a 2=2488.8
Resolviendo este sistema de ecuaciones de tres por tres con algn mtodo como por
ejemplo el mtodo de Gauss.
Se tiene que el valor de las incgnitas es:
a0 =2.47879
a1=2.35929
a2=1.86071
Por tanto la ecuacin cuadrtica con mnimos cuadrados buscada es:

2
y=2.47879+2.35929 x +1.86071 x
Codificacin:
98
99
100
MTODO DE MNIMOS CUADRADOS LINEALES MLTIPLES

Antes de iniciar con el tema principal es preciso entender cuando es aplicable una regresin
polinomial lineal, una regresin polinomial de segundo orden o una de mltiple, ya que hay
solo un polinomio e grado n que pasa exactamente a travs de los n+1 puntos.
Como un tercer caso de ajuste en este captulo es el de la regresin lineal mltiple, y es una
extensin til en la regresin lineal, para cundo y es una funcin lineal de dos o ms
variables es decir que y puede ser una funcin lineal e x 1 y x 2 , de la forma.
y=a0 +a1 x1 +a2 x 2
En este caso la variable que se est analizando, est en funcin de otras dos variables, est
en una forma bidimensional, por lo que la recta en regresin es un plano. Para una mejor
explicacin se ilustra con la siguiente figura.
De la misma forma que en lineal o en el polinomial de segundo orden, para obtener los
valores de los coeficientes que estn ms cercanos y que ajusten mejor, se determinan
agrupando la suma de los cuadrados de los residuos.
n
S r = ( y 1a0a1 x ia2 x i2a 2 x im)2
i=1
Y derivando con respecto a cada uno de los coeficientes, se tienen las siguientes
expresiones.
101
2 m
( y 1a 0a 1 x 1a2 x i am x i )
s1
=2
a0
x i( y 1a0 a1 xi a2 xi2am xim )

s1
=2
a0
2 2 m
x i ( y 1 a0 a1 x ia2 x i a m x i )
s1
=2
a1
Para encontrar los coeficientes que generan la suma mnima de los cuales los residuos, se
obtienen igualando cada una de las derivadas parciales a cero y ordenando las ecuaciones
anteriores como un conjunto de ecuaciones lineales simultaneas.
n a0 + x 1 ,i a1 + x 2 ,i a2= y i
x 1 ,i a1 + x 21 , i a1+ x1 , i x 2 i a2= x1 iyi

x 1 ,i a1 + x 1 , i x 2 ,ia1 + x 2 , i2 a2= x 2 ,i y i
Agrupando en forma de matriz, queda de la forma siguiente:
[ ][ ][ ]
n+ x 1 ,i+ x 2 ,i a0 yi
x 1 , i+ x 1 ,i+ x 1 ,i x2 i a1
2
x 1 ,i y i
x1 , i+ x 1 ,i x 2 , i+ x 2 , i2 a2 x 2 ,i y i
El error estndar de la aproximacin para regresin lineal mltiple se obtiene de la forma

siguiente:
Sr
S Y / X 1, X 2,XM =SQR ( )
n( m+1 )
Ejercicio:
Usando la ecuacin y=5+ 4 x 13 x 2
Se obtienen los datos siguientes:

102
x1 x2 y
0 0 5
2 1 10
2.5 2 9
1 3 0
4 6 3
7 2 27
Usando la regresin lineal mltiple, llenar las siguientes columnas.
y
5 0 0 0 0 0 0 0
10 2 1 4 1 2 20 10
9 2.5 2 6.25 4 5 22.5 18
0 1 3 1 9 3 0 0
3 4 6 16 36 24 12 18
27 7 2 49 4 14 189 54
54 16.5 14 76.25 54 48 243.5 100

Sustituyendo la sumatorias encontradas y colocadas en la tabla se tiene la siguiente matriz.
6 a0 +16 a1+ 14 a2=54
16.5 a0 +76.25 a1 +48 a2=243.5
14 a 0+ 48 a1 +54 a 2=100
Donde a las columnas le corresponde el coeficiente a0 , a1 , a2 respecctivamente, de

izquierda a derecha.
Resolviendo este sistema de ecuaciones por el mtodo de Gauss, se tiene los siguientes
resultados.
a0 =5
a1=4
a2=3
Que corresponde con los coeficientes de la ecuacin original.

Codificacin:
103
104
105
106
107
CAPITULO V: ECUACIONES LINEALES SIMULTNEAS

MTODO DE GAUSS
En la ingeniera electromecnica la solucin a una cantidad de sistemas fsicos se reduce a
la solucin de sistemas de ecuaciones lineales.
Una ecuacin lineal en las variables x 1 , x 2 , , x n es la que igual una suma de pesos
relativos de x 1 , x 2 , , x n a una constante (C), es decir, a una ecuacin de la forma
a1 x1 , a2 x2 , , an x n=C
Por lo general los problemas ms comunes se presentan de la forma n x n , es decir, el

mismo nmero de ecuaciones pre mismo nmero de incgnitas.
El resultado esperado es encontrar los valores de x 1 , x 2 , , x n , que satisfagan
simultneamente un conjunto de ecuaciones algebraicas lineales, cuya forma general es:
a11 x 1 ,a 12 x 2 , , a1 n x n=b1
a21 x 1 , a22 x 2 , , a2 n x n=b 2

am 1 x 1 , am 2 x 2 , , amn x n=b n
Este sistema de ecuaciones lineales se simplifica su solucin con la introduccin del

concepto de matrices.
Una matriz es un arreglo rectangular de nmeros, usualmente encerrados entre parntesis
rectangulares. Una matriz que tiene m renglones y n columnas se llama una matriz de
m n y se denota de las formas siguientes:
a 11 a12 a 1n a1 n

a21 a22 a2 n a 2 n
.

.
ai 1 ai 2 a1 j a
am1 a m 2 amj amn
A= A=( a )=
Donde el aij es el iesimo rengln y la jesima columna es el elemento ijesimo de la

matriz
Por lo que podemos decir que se resolvern sistemas matriciales lineales de n n .
108
A partir de sistema de ecuaciones lineales general, podemos representarlos en forma

matricial
a11 x 1 ,a 12 x 2 , , a1 n x n=b1
a21 x 1 , a22 x 2 , , a2 n x n=b 2

am 1 x 1 , am 2 x 2 , , amn x n=b n
Usando los conceptos de multiplicacin y de igualdad de matrices hacen posible escribir la

representacin siguiente, denotando una sola ecuacin matricial.
Ax=b
Donde:
[ ][ ] [ ]
a11 a12 ... a1 j a1 n
x1 b1
a21 a22 a 2 j a2 n
x2 b
. = 2
xJ bJ
a i1 ai 2 ... aij a
xn bn
an 1 a n 2 ... anj ann
Sustitucin de Ax=b
Al colocar el vector independiente dentro de la matriz de coeficientes se tiene la matriz
aumentada, es decir nx(n+1)
Obteniendo la siguiente matriz aumentada
[ ]
a11 a12 ... a1 j a1 n
a21 a22 a 2 j a2 n
.
a i1 ai 2 ... aij a
Donde:
m=n
j=1hasta n
i=1 hasta n
Una vez que tenemos los coeficientes de sistemas de ecuaciones y al vector de trminos
independientes en una sola matriz, aplicamos el mtodo de eliminacin gaussiana.
109
El mtodo de eliminacin gaussiana, es un mtodo directo para resolver un sistema lineal

que produce la solucin exacta en un nmero finito de pasos cuando todos los clculos se
realizan sin error de redondeo.
Este mtodo de eliminacin de Gauss, consistente en llevar a la matriz aumentada a la
forma
[ ]
1 a 12 ... a1 j a1 n b 1 n
0 1 a2 j a2 n b 2 n
.
0 0 ...1 a b
0 0 ...0 1 b mn
Como se observa, es hacer a todos los elementos de la diagonal principal 1 y as mismo

cero a todos los elemento que se encuentran debajo de esta diagonal. Denotando con un
apostrofe los valores de b debido las transformaciones que se realizaron.
Con esta matriz transformada, al sustituirla en la matriz original obtendremos lo siguiente:
[ ][ ] [ ]
1 a 12 ... a1 j a1 n b 1 n x
1 b1
0 1 a2 j a2 n b 2 n x b
. 2= 2
xJ bJ
0 0 ...1 a b
0 0 ...0 1 b mn xn bn
Al resolver el producto se tiene en forma resumida lo siguiente:

x 1+ a12 x 2+ + a1 n x n=b 1 n
0+ x 2 + +a2 n xn =b 2 n
0+0+ + x n =b mn
Por tanto, valor de x n=b mn , y una vez conocido el valor de la ltima incgnita
sustituimos este valor en la penltima ecuacin y encontramos el valor de la penltima
incgnita, y as sucesivamente, es decir realizamos una sustitucin inversa para encontrar
los valores de todas las incgnitas, empezando por la ultima finalizando con la primera.
Para explicar este mtodo se har un ejemplo; antes de empezar se requiere tener primero
el sistema de ecuaciones a resolver, en este caso tomaremos como ejemplo ilustrativo el
siguiente sistema de ecuaciones.
2 x 14 x 1+ 6 x1=10
4 x 1 +3 x 1+6 x 1=8
110
6 x 1+7 x 15 x 1=2
Al llegar a la matriz aumentada nos queda
[ ]
24 6=10
43 6=8
6 75=2
Al tener establecida la matriz aumenta podemos aplicar el procedimiento del mtodo, el

cual consiste en modificar a todos los elementos en la diagonal principal unos y los
elementos debajo de la diagonal en ceros como en la siguiente figura.
Para lograr transformar la matriz seguimos el siguiente procedimiento.
Paso1: Iniciar con la matriz
Iniciamos el procedimiento teniendo el vector independiente en la matriz de coeficientes es
decir, iniciar con la matriz aumentada.
Paso 2: tomar el pivote.

Tomar el elemento pivote, los pivotes son todos los elementos que se encuentran en
diagonal principal, como por ejemplo a11 , a 22 , a33 , etc.
Pivote al inicio del procedimiento a11 =2
Paso3: Obtener la ecuacin pivotal

Con el valor del elemento pivote, dividir a todos los elemento de su fila, obteniendo la
ecuacin pivotal
La fila es (2,4,6,10) y el pivote, 2 entonces dividimos entre 2.

Lo que nos deja ( 1,2,3,5 ) a la cual llamaremos ecuacin pivotal.
111
Por lo que ahora la matriz tiene los siguientes valores,

1 -2 3 5
4 3 6 8
6 7 -5 2
Se ha transformado al primer valor de la diagonal principal en 1, y los dems elementos de
la fila han cambiado su valor.
Paso 4: hacer cero a los elementos que se encuentran abajo del elemento pivote que se
acaba de hacer uno, usando a la ecuacin pivotal.
A todos los elementos de la fila al hacer cero, se le resta el producto del elemento hacer
cero por los elemento de la ecuacin pivotal
1 -2 3 5
4 3 6 8
6 7 -5 2
Elementos a hacer cero es a21 y su valor es (4)

Por lo que al hacer las operaciones pertinentes y sustituir los valores en el ejemplo nos
queda:
1 -2 3 5
0 11 -6 -12
6 7 -5 2
Paso 4 bis: repetir el paso 4 pero sobre otro elemento a hacer 0
El propsito de este paso es hacer cero al segundo electo que se encuentra debajo de
elemento pivote hecho uno, por lo que el procedimiento es exactamente el mismo que el
paso anterior con la nica diferencia de que ahora se trata de otra fila.
1 -2 3 5
0 11 -6 -12
6 7 -5 2

Por lo que aplicando el mismo procedimiento nos queda
1 -2 3 5
0 11 -6 -12
0 19 -23 -28
Aqu ya podemos observar que tenemos el otro cero bajo del primer elemento hecho uno en
la diagonal principal.
112
Paso 5: ir al paso 2.
Nuevamente repetir la secuencia de clculos descritos a partir del paso 2, con la diferencia
de que ahora el pivote, es el siguiente elemento, es decir, el a22
Repeticin del paso 2: Tomar el siguiente pivote.
1 -2 3 5
0 11 -6 -12
0 19 -23 -28
Por lo que al obtener la ecuacin pivotal (paso 3) nos queda
(1,-0.5454,-1.0909) a la cual llamaremos ecuacin pivotal.

Por lo que ahora la matriz tiene los siguientes valores.
1 -2 3 5
0 1 -0.5454 -1.0909
0 19 -23 -28
Y la ecuacin pivotal es: (1,-0.5454,-1.0909)
acabe de hacer uno, usando la ecuacin pivotal.
1 -2 3 5
0 1 -0.5454 -1.0909
0 19 -23 -28
Elemento a hacer cero es a23 y su valor es (19)

Haciendo las operaciones y sustituciones pertinentes nos queda la matriz:
1 -2 3 5
0 1 -0.5454 -1.0909
0 0 -12.637 -7.2729
113
Paso 6: volver nuevamente al paso 2:

Ahora se tiene que volver uno a33 y al repetir el paso 3
Se obtiene la siguiente matriz
1 -2 3 5
0 1 -0.5454 -1.0909
0 0 1 0.5755
Finalmente sustituimos en las ecuaciones

x 12 x 2 +3 x 3=5
x 20.5454 x 3=1.0909
x 3=0.575
Y al sustituir y despejar nos quedan el valor de las 3 incgnitas

x 3=0.575
x 2=0.777
x 1=1.71945
Comprobando en la ecuacin 1 del sistema original

2(1.71945)4 (0.777)+6 (0.575)=10
3.43893.108+3.453=10
9.999=1
Codificacin en C++:
114
115
116
MTODO DE GAUSS JORDN

Este mtodo a diferencia del mtodo de Gauss, es hacer cero a los coeficientes que se
encuentran tanto abajo como arriba del elemento pivote, con lo cual, al final de las
transformaciones se tienen los valores de las incgnitas en forma directa, ya que los nicos
valores que van a existir en la matriz es la diagonal principal, cuyo valores son uno, y los
valores de del vector independientemente que son realmente el valor de las incgnitas.
La representacin matricial se tiene como
a11 x 1 ,a 12 x 2 , , a1 n x n=b1
a21 x 1 , a22 x 2 , , a2 n x n=b 2

am 1 x 1 , am 2 x 2 , , amn x n=b m
Representando el sistema de ecuaciones en forma matricial de m n

a 11 a12 a 1n a1 n

a21 a22 a2 n a 2 n
.

.
ai 1 ai 2 a1 j a
am1 a m 2 amj amn
A= A=( a )=
De la misma manera que Gauss, es una matriz cuadrada, donde el nmero de ecuaciones es
igual al nmero de incgnitas. Por lo que podemos decir que se resolvern sistemas
matriciales lineales de n n representndolas como
a11 x 1 ,a 12 x 2 , , a1 n x n=b1
117
a21 x 1 , a22 x 2 , , a2 n x n=b 2

am 1 x 1 , am 2 x 2 , , amn x n=b n
De acuerdo con la propiedad de matrices, tenemos que:

Ax=b
Donde:
[ ][ ] [ ]
a11 a12 ... a1 j a1 n
x1 b1
a21 a22 a 2 j a2 n
x2 b
. = 2
xJ bJ
a i1 ai 2 ... aij a
xn bn
Obteniendo la siguiente matriz aumentada:
[ ]
a11 a12 ... a 1 j a1 n
a 21 a22 a2 j a2 n
.
ai 1 ai 2 ... aij a
am 1 am 2 ... a mj a mn
Donde
m=n
j=1 hasta n.
i=1 hasta n.
Este mtodo de eliminacin de gauss consiste en llevar la matriz aumentada a la forma
118
Como se observa es hacer todos los elementos de la diagonal principal 1 y as mismo

cero a todos los elementos que se encuentran abajo y arriba de esta diagonal. Con esta
matriz al sustituirla obtenemos lo siguiente.
[ ][ ] [ ]
10 ...0 0 b 1 n x
1 b1
01 0 0 b 2 n x b
. 2= 2
xJ bJ
0 0 ...1 0 b
0 0 ...0 1b mn x n bn
Al resolver el, producto puto se tiene de forma resumida lo siguiente:
x 1+0+ 0=b 1 n
0+ x 2 +0=b 2 n
0+0+ x n =b mn
Por lo tanto el valor de x n=b mn , es decir todos los valores de la incognita se obtien en
forma directa, sin necesidad de despejar como en el caso de Gauss.
2 x 14 x 1+ 6 x1=10
4 x 1 +3 x 1+6 x 1=8
6 x 1+7 x 15 x 1=2
Al llegar a la matriz aumentada nos queda

119
[ ]
24 6=10
43 6=8
6 75=2
Al tener establecida la matriz aumenta podemos aplicar el procedimiento del mtodo, el

cual consiste en modificar a todos los elementos en la diagonal principal unos y los
elementos debajo de la diagonal en ceros como en la siguiente figura.
Para lograr transformar la matriz seguimos el siguiente procedimiento.
Iniciar con la matriz
Iniciamos el procedimiento teniendo el vector independiente en la matriz de coeficientes es
decir, iniciar con la matriz aumentada.
Paso 2: Obtener la ecuacin pivotal

Con el valor del elemento pivote, dividir a todos los elemento de su fila, obteniendo la
ecuacin pivotal
La fila es (2,4,6,10) y el pivote, 2 entonces dividimos entre 2.

Lo que nos deja ( 1,2,3,5 ) a la cual llamaremos ecuacin pivotal.
Por lo que ahora la matriz tiene los siguientes valores,
1 -2 3 5
4 3 6 8
6 7 -5 2
Se ha transformado al primer valor de la diagonal principal en 1, y los dems elementos de
la fila han cambiado su valor.
acaba de hacer uno, usando a la ecuacin pivotal.
A todos los elementos de la fila al hacer cero, se le resta el producto del elemento hacer
cero por los elemento de la ecuacin pivotal
1 -2 3 5
4 3 6 8

120
Por lo que al hacer las operaciones pertinentes y sustituir los valores en el ejemplo nos
queda:
1 -2 3 5
0 11 -6 -12
6 7 -5 2
Paso 4 bis: repetir el paso 4 pero sobre otro elemento a hacer 0
El propsito de este paso es hacer cero al segundo elemento que se encuentra debajo de
paso anterior con la nica diferencia de que ahora se trata de otra fila.
1 -2 3 5
0 11 -6 -12
6 7 -5 2

Por lo que aplicando el mismo procedimiento nos queda
1 -2 3 5
0 11 -6 -12
0 19 -23 -28
Aqu ya podemos observar que tenemos el otro cero bajo del primer elemento hecho uno en
la diagonal principal.
Paso 5: ir al paso 2.
Nuevamente repetir la secuencia de clculos descritos a partir del paso 2, con la diferencia
de que ahora el pivote, es el siguiente elemento, es decir, el a22
Repeticin del paso 2: Tomar el siguiente pivote.
1 -2 3 5
0 11 -6 -12
0 19 -23 -28

Figura pivote
1 -2 3 5
0 1 -6 -12
121
0 19 -23 -28
1 -2 3 5
0 11 -6 -12
0 19 -23 -28

1 -2 3 5
0 1 -0.5454 -1.0909
0 19 -23 -28
Y la ecuacin pivotal es: (1,-0.5454,-1.0909)

Paso 4: hacer cero a los elementos que se encuentran abajo y arriba del elemento pivote que
se acabe de hacer uno, usando la ecuacin pivotal.
1 -2 3 5
0 1 -0.5454 -1.0909
0 19 -23 -28
Haciendo las operaciones y sustituciones pertinentes nos queda la matriz:
1 0 1.9092 2.8182
0 1 -0.5454 -1.0909
0 19 -23 -28
Al realizar el mismo procedimiento en las celdas siguientes nos queda la siguiente matriz:
1 0 0 1.7119
0 1 0 -0.777
0 0 1 0.5755
Como se observa en la matriz resultante

122
1 0 0 1.7119
0 1 0 -0.777
0 0 1 0.5755
No se requiere despejes inversos como en el caso de Gauss, ya que aqu los valores de las
incgnitas se obtienen en forma directa.
Donde
x 3=0.575
x 2=0.777
x 1=1.71945

2(1.71945)4 (0.777)+6 (0.575)=10
3.43893.108+3.453=10
9.999=10
Codificacin:
123
124
I
NVERSA DE UNA MATRIZ
Dese el punto de vista matemtico, es posible realizar operaciones entre matrices como son
sumas, restas o multiplicaciones, la divisin an no est definida, pero se cuenta con el
concepto de la inversa de una matriz y que es equivalente a una divisin.
Por arreglo de matrices se tiene que si una matriz es cuadrada [ A ] , entonces existe otra
matriz [ A ]1 , llamada matriz inversa de [ A ] .
Adems si realizamos:
[ A ][ A ]1=[I ]
Donde la matriz [I] es la matriz identidad.
Obtendremos la inversa de n matriz denotada por [ A ]1 , usando el mtodo de Gauss-
Jordan, con las siguientes consideraciones. Dado un sistema de ecuaciones cuadrado,
encontrar su matriz [ A ]1 .
a11 x 1 ,a 12 x 2 , , a1 n x n=b1
a21 x 1 , a22 x 2 , , a2 n x n=b 2

am 1 x 1 , am 2 x 2 , , amn x n=b n
Colocamos en un arreglo matricial los coeficientes.

125
Donde
aij Es el iesimo rengln y la jeisima columna y es el elemento ijesimo de la matriz
[A]
A este arreglo matricial de coeficientes se le aumenta una matriz identidad, como se
muestra a continuacin.
Por ejemplo si se tuvieran un sistema cuadrado de tres ecuaciones, para encontrar su

inversa se representara de la forma siguiente.
Y aplicando el mtodo de Gauss-Jordan tendramos al final del procedimiento el siguiente

resultado.
126
Por lo que para encontrar las soluciones nicamente hay que hacer el producto del vector de
trminos independientes (C) por la inversa de la matriz, es decir:
[ X ] =[ A ]1 [ C ]
Porque se tiene lo siguiente.
[ ][ ]
1
b1 a11 a121 a 131
1 1 1
b2 . a21 a22 a 23
b3 a311 a321 a 331
[ V ] [ A ]1
De donde se obtiene que l solucin ara cada una de las incgnitas es:
x 1=( b1 ) ( a 11 ) + ( b 2 )( a12 ) +(b 3)( a13)
x 1=( b1 ) ( a 21) + ( b2 ) ( a22 ) +(b3 )(a23 )
x 1=( b1 ) ( a 31) + ( b2 ) ( a32 ) +(b3 )(a33 )
Si se tiene otro sistema de ecuaciones con el mismo nmero de ecuaciones, entonces la

solucin rpida para encontrar sus incgnitas es, tomas su vector [V] de trminos
independientes y multiplicarlo por la inversa de la matriz.
Pasos para la solucin.
Paso 1: iniciar con la matriz de coeficientes.
Iniciamos el procedimiento, teniendo la matriz de coeficientes representada en una matriz.
Paso 2: agregar a esta matriz de coeficientes la matriz identidad.

127
Y aplicar el mtodo de Gauss-Jordan a esta matriz compuesta por los coeficientes del
sistema de ecuaciones y la matriz identidad. Tomar en cuenta que en esta ocasin la matriz
ya no es una matriz cuadrada.
Tomar el elemento pivote, como ya se sabe, los pivotes son todos los elementos que se
encuentran en la diagonal principal, como por ejemplo, a11 , a 22 , a33, etc (al empezar el
procedimiento, el elemento pivote a tomar ser el primer elemento de la diagonal principal
es decir a11 cuyo valor es 2).
Pivote al inicio del procedimiento= a11 =2

Paso 4: obtener la ecuacin pivotal.
Obtenindose la ecuacin pivotal se tiene
Por lo que la ecuacin pivotal es: (1,-2,3.0.5,0,0)
Por lo que ahora la matriz tiene los siguientes los siguientes valores.
1 -2 3 0.5 0 0
4 3 5 0 1 0
6 7 -5 0 0 1
Se ha transformado al primer elemento de la diagonal principal en 1, y os dems elementos
de la fila han cambiado su valor.
Paso 5: hacer cero a os elemento que se encuentran abajo y arriba del elemento pivote que
se acaba de hacer uno, usando a la ecuacin pivotal pertinentes elemento por
Por lo que al haciendo las operaciones pertinentes se tiene
1 -2 3 0.5 0 0
0 11 -6 -2 1 0
6 7 -5 0 0 1
En la cual se puede observar que ya tenemos un cero abajo del prime elemento hecho uno
de la diagonal principal.
128
Paso 6 Bis: repetir el paso 4, pero sobre otro elemento a hacer cero.
El propsito de este paso es hacer cero al segundo elemento que se encuentra abajo del
paso anterior, con la nica diferencia de que ahora se trata de otra fila y por lo tanto de
otros elementos
Los valores de la matriz al final de estas operaciones son los siguientes:
1 -2 3 0.5 0 0
0 3 5 0 1 0
0 19 -3 -3 0 1
Paso 7: repetir los paso anteriores.
Nuevamente repetir la secuencia de clculos descritos a partir del paso 2, con a diferencia
de que ahora el pivote, es el siguiente elemento, es decir, el a22 . Bsicamente el
algoritmo termina hasta que se ha transformado en 1 e l ltimo elemento de la diagonal
principal, en este ejemplo el algoritmo termina cuando el elemento a33 se haya
transformado en 1.
Siguiendo el ejemplo que nos sirve de explicacin volvemos a aplicar el paso 2, pero
aplicando otro pivote y por consecuencia otros valores.
Al terminar este proceso de repetir los pasos anteriores nos quedan los siguientes resultados
1 0 0 0.2050 -0.0791 0.11511

0 1 0 -0.2014 0.1655 -0.0432
0 0 1 0.0360 0.1367 -0.0791
Por lo que la matriz inversa es
0.2050 -0.0791 0.11511
-0.2014 0.1655 -0.0432
0.0360 0.1367 -0.0791
De donde tenemos que, si a cada fila de las x n le sustituimos el valor de cada columna
de la bn , obtendremos el valor de las incgnitas.
Donde
n=numero de ecuaciones
x n=incognitas
bn =terminosindependientes o vectores solucion
En este ejemplo tenemos lo siguiente.

129
Para obtener el valor de las incgnitas, sustituimos el valor del vector independiente:
Esto quiere decir que si tenemos un mismo sistema de ecuaciones y lo nico que cambia es
el vector solucin, entonces la misma matriz inversa se usa para encontrar los diferentes
valores de las incgnitas, como se muestra a continuacin:
Como primer ejemplo consideraremos el sistema de ecuaciones, que hemos venido usando
2 x 14 x 2+ 6 x3 =10
4 x 1 +3 x 2+6 x 3=8
6 x 1+7 x 25 x 3=2
En donde el vector independiente es:

b1=10
b2=8
b3 =2
Entonces al sustituir y realizar las operaciones tenemos que:

x 1=1.714
x 2=0.7769
x 3=0.5755

2 x 14 x 2+ 6 x3 =10
2(1.7195)4 (0.777)+6(0.5755)=10
130
10=10
Cuando se mencion anteriormente, si tenemos el mismo sistema de ecuaciones pero con
un vector solucin diferente, aplicamos la misma matriz inversa, para encontrar 1 valor de
las incgnitas.
Codificacin:
131
132
133
134
135
136
MTODO DE GAUSS SEIDEL.

Este es un mtodo iterativo, porque el valor exacto de las incgnitas las obtiene por medio
de aproximaciones.
Para resolver un sistema de N ecuaciones lineales es necesario reordenar las filas de manera
que los elementos de la diagonal principal tengan magnitud tan grande como sea posible, en
relacin a las magnitudes de los otros coeficientes de la misma fila, por ejemplo:
Sistema original de ecuaciones:
3 x1 5 x 2 +47 x 3 +20 x 4=18
11 x1 16 x2 +17 x 3 +10 x 4 =26
56 x1 22 x 2 +11 x 3+18 x 4 =34
17 x1 66 x2 +12 x 3+7 x 4 =84
Reordenando las filas de manera que los elemento de la diagonal principal, tangan un
absoluto mayor que la suma del resto de los elementos del mismo rengln, tambin en valor
absoluto.
56 x1 22 x 2 +11 x 3+18 x 4 =34
17 x1 66 x2 +12 x 3+7 x 4 =82
3 x1 5 x 2 +47 x 3 +20 x 4=18
11 x1 16 x2 +17 x 3 +10 x 4 =26
Los elementos de la diagonal principal son ahora de mayor magnitud en cada fila exacto en
la ltima fila. La diagonal dominante es en las tres primeras ecuaciones, por lo que es
condicin suficiente para que haya mayor convergencia a la solucin, no importando que el
cuarto elemento de la diagonal principal sea pequeo.
Por lo que una condicin suficiente para la convergencia, es decir, que tenga el sistema
solucin por el mtodo de Gauss-Seidel es que:
N
|aii|= |aii|i=1,2, , N
J=1
J1
Cuando se puedan ordenar las ecuaciones de manera que, cada elemento de la diagonal
principal es mayor en magnitud, que la suma de las magnitudes de los otros coeficientes de
esa misma fila, la iteracin convergir para cualquier valor inicial.
Tomando como ejemplo el sistema utilizado en el mtodo de Gauss, buscando de la mejor
manera para la convergencia a la solucin debera quedar ordenado como sigue:
Sistema original:
137
2 x 14 x 2+ 6 x3 =10
4 x 1 +3 x 2+6 x 3=8
6 x 1+7 x 25 x 3=2
Sistema ordenado:
6 x 1+7 x 25 x 3=2
4 x 1 +3 x 2+6 x 3=8
2 x 14 x 2+ 6 x3 =10
En este ejemplo por lo difcil de tomar las consideraciones de ordenamiento la

convergencia a la solucin debe ser muy lento.
Como primer paso es encontrar el primer valor de la incgnita, por lo que, se inicia
despejando de la primera ecuacin la primera incgnita, y para calcular el valor de esta
primera incgnita, a todas las incgnitas se les asigna un valor inicial, por general un valor
cero. Una vez calculando el valor de la primera incgnita, este valor es usado para
encontrar el valor de la segunda incgnita, por lo que se requiere despejar esta segunda
incgnita de la segunda ecuacin, por supuesto, el resto de las incgnitas, siguen valiendo
cero, con excepcin de la primera incgnita. Para encontrar el valor de la tercera incgnita,
se despeja de la tercera ecuacin, y para encontrar su valor, se usan los valores de la
primera y segunda incgnitas encontradas en los pasos anteriores, y el resto de las
incgnitas siguen valiendo cero.
Este mismo procedimiento, se sigue aplicando hasta encontrar el valor de la ltima
incgnita, con la cual finaliza la primera aproximacin.
Es de suponerse que en este primer caso el margen de error es muy grande, por lo que para
disminuirlo, se requiere hacer ms iteraciones, pero siempre usando el siguiente paso, los
valores encontrados en el punto anterior.
Los mtodos iterativos son tiles porque disminuyen los errores de redondeo, ya que es un
mtodo de aproximacin por lo que se puede continuar aproximando hasta que se converja
dentro de una tolerancia de error aceptable. Este margen de error, se puede especificar al
inicio del proceso de clculos, as como el nmero de iteraciones a calcular, para que el
proceso se pare, en caso de la aproximacin converja muy lenta o sea infinita.
Si tenemos un sistema de n ecuaciones de la forma siguiente.
a11 x 1+ a12 x 2 ++ a1 n x n=b1
a21 x 1 +a 22 x 2+ +a2 n x n=b2
a31 x 1 +a 32 x2 + + a3 n x n=b3
.
138
.
.
an 1 x1 + an 2 x 2+ +a nn x n=b n
Y si los elementos de la diagonal son diferentes de cero, se puede encontrar x 1 para la

primera ecuacin, usando la segunda ecuacin se puede encontrar a x 2 , etc. Por lo que
se puede establecer los despejes siguientes:
c1 a12 x 2a13 x 3a1 n x n
x 1= Ecuacion 1
a11
c2 a22 x 2a23 x 3a 2n x n
x 2= Ecuacion 2
a21
c3 a32 x 2a33 x 3a 3 n x n
x 3= Ecuacion 3
a31
.
.
.
c na n2 x 2an 3 x 3ann xn
x n= Ecuacion n
an 1
Paso 1:
Calcular el valor de x 1 de la ecuacin 1, para tal caso, el valor de todas las x s
es cero.
Calcular el valor de x 2 de la ecuacin 2, pero usar el valor de x 1 entrando
anteriormente, y el resto de las x s siguen valiendo cero.
Calcular el valor de x 3 de la ecuacin 3, pero usando el valor de x 1 , x 2 ,
encontrados en el punto anterior, y el resto de las x s siguen valiendo cero.
Este mismo proceso se sigue hasta calcular la ltima x, con la cual finaliza la
primera iteracin.
Segundo paso:
Calcular el porcentaje de aproximacin, usando el criterio siguiente:
x nx n1
error n= (| xn |) 100
Donde:
x n es el valor de la incognita x actual .
139
x n1 es el vaor de la incognita x encontrada en el paso anterior a xn
error n es el porcentaje de aproximacion entre el valor de las x n y la x n1
Por lo que, el porcentaje de aproximacin de todo el sistema de ecuaciones ser la

sumatoria de errores.
n
Error total del sistema=suma r er = error
i=1
Se llegara a la exactitud deseada, cuando sumar_er, sea menor o igual al margen de error
especificado al inicio del proceso. En el caso de que no se llegue a una aproximacin
satisfactoria, el proceso debe de terminar, cuando el proceso llegue al nmero de iteraciones
dado al inicio.
Ejercicio:
Resolver el siguiente sistema de ecuaciones, considerando un margen error de cero.01 o en
su caso cuando se lleguen a 6 interacciones.
6 x 10.2 x 20.4 x 3=8
0.4 x 1+ 18 x 20.9 x 3=25
0.9 x1 0.4 x 2+10 x 3=70
INTERACION NUM: 1 donde para encontrar a x 1 de la ecuacin los valores de

x 2=x 3=0 , para encontrar a x 2 de la ecuacin los valores de x 1=1.33333337 y
x 3=0. Y por ltimo para encontrar a x 3 de la ecuacin, los valores de
x 1=1.3333337 y x 2=3.196660 .
Como se observa a continuacin, los valores dependen de la precisin que se m

ITERACION NUM 1:
Para encontrar a x 1 de la ecuacin 1, los valores de x 2=x 3=0 ;
0.4 ( 0 )
x 1=8+0.2 ( 0 ) + =1.33 para encontrar a x 2 de la ecuacin 2 los valores de
6
250.4 ( 1.3333 ) +0.9 ( 0 )
x 1=1.3333 y x 3=0. x 2= =1.4185 .
18
Por ultimo para encontrar a x 3 de la ecuacin 3 los valores de x 1=1.3333 , y
x 2=1.4185 .
x 3=( 700.9 ( 1.333310)0.4 (1.4185 ) )=6.8232

140
x 1=1.3333
x 2=1.4185
x 3=6.8232
Margen de error =300%

ITERACION NUMERO 2
Nuevamente se inicia calculando los valores de x 1 , pero con los valores de la variable
x 2=1.4185 y x 3=6.8232, y as sucesivamente.
Por lo que se obtiene

x 1=1.7409
x 2=1.0 .864
x 3=6.7998
Margen de error = 54.3257%
ITERACION NUMERO 3
x 1=1.7504
x 2=1.0878
x 3=6.7989
Margen de error=0.0101%
ITERACION NUM 5
x 1=1.750335
x 2=1.087837
x 3=6.798956
Margen de error=0.0101%
141
Codificacin:
142
143
144
CAPITULO VI: ECUACIONES DIFERENCIALES ORDINARIAS.

MTODO DE RUNGE-KUTA.
Las ecuaciones diferenciales ordinarias (EDO) se dividen en problemas con condiciones
iniciales y problemas con condiciones en la frontera.
Los problemas con condicione iniciales depende por lo general del tiempo; para las
condiciones y para las soluciones estn dados en el tiempo inicial.
Los problemas con condiciones iniciales de una EDO de primer orden se puede escribir
como:
dy '
=f ( x , y ) o de la forma y ( t )=f ( y ,t ) , y ( 0 )= y 0
dt
Donde:
f ( y , t ) es una funcio de y
t y ( 0 )= y 0 son condiciones iniciales
La condicin inicial ser parte de la definicin del problema, ya que el problema solo se
puede determinar de manera nica si la condicin inicial es dada en la definicin del
problema en el mtodo de Runge-Kuta se hace una modificacin al mtodo de Euler
agregando puntos intermedios en cada intervalo. Con esto aumenta la precisin por que los
errores disminuyen ms rpido.
145
Establezcamos una ecuacin diferencial ordinaria de la forma:

'
y =f ( y , t ) , y ( 0 )= y 0
Para calcular y n+1 en t n+1=t n +h , dado un valor de y n integramos la ecuacin anterior

en un intervalo [ t n+1 ,t n ]
tn+ 1
y n+1 = y n+ f ( y , t ) dt
tn
Este mtodo se basa al aplicar un mtodo de integracin numrica de la expresin anterior

como por ejemplo el mtodo del trapecio.
Mtodo de Runge-Kuta de segundo orden.
Si a la expresin anterior le aplicamos la regla del trapecio, obtenemos el siguiente
resultado.
tn +1
1 1
f ( y ,t ) dt ( 2 ) h [ f ( y n , t n ) +f ( y n +1 , t n+1 ) ] ( 2 ) h [ f ( y n , t n ) + ( y n+ 1 , t n+1 ) ]
tn
De esta expresin se tiene que:

y n+1 Es una incgnita. Y para encontrar su valor es a travs de aproximaciones usando el
segundo trmino de la expresin anterior f ( y n+1 , t n +1) , donde y n+1 es la primera
aproximacin de y n+1 .
Este proceso se conoce como mtodo de Runge-kuta de segundo orden, el cual lo podemos
expresar como sigue:
y n+1 = y n+ hf ( y n , t n )
h
y n+1 = y n+( ) [ f ( y n , t n ) + f ( y n +1 , t n+1 ) ]
2
Se puede establecer la forma siguiente:
k 1=hf ( y n , t n )
k 2=hf ( y n +k 1 , t n +1)
1
y n+1 = y n+( ) [ k 1 +k 2 ]
2
Tomando como ejemplo el siguiente circuito elctrico:
146
Ejemplo:
Consideremos que tiene los valores globales siguientes:
Auto inductancia 100 Herz.
Resistencia 40 Ohms.
Fuente de voltaje 20 Volts.
Como condicin inicial el Sw se cierre en el instante t=0, por lo que la corriente
satisface la ecuacin siguiente:
dI ( t )
+ RI ( t )=E , I ( 0 )=0
d (t )
L
Encontrar el valor de la corriente para 0 T 2 segundos, con un paso de h=0.2

Resultado:
Despejando a la corriente con respecto a la variacin del tiempo se obtiene la expresin
siguiente:
dI R E
dt
= ( )
L
I + f (I , t)
L
Aplicando el mtodo de Runge-kuta de segundo orden se tiene lo siguiente:
[
k 1=h ( RL ) I + EL ]
n
[ ( )(
k 2=h
R
L
In + k 1 ) +
E
L ]
k 1+ k 2
I n+1=I n +
2
147
Para t=0 I 0=0
Sustituyendo los datos en las expresiones anteriores, obtenemos los siguientes resultados:
Paso1. Con incrementos de tiempo de 0.1 y una I inicial =I 0 =0
k 1=0.2
[ 40
( 100 20
)( 0 )+( 100 )]=0.04
k 2=0.2
[( ) 40
100
( 0+ 0.04 ) + ( )]
20
100
=0.0384
0.04+0.0368
I 1 =I 0 + ( k 1+ k 2 )=0+ =0.0384
2
Paso 2.
k 1=0.2
[( ) 40
100
( 0.0384 ) +
20
100( )]
=0.043072
k 2=0.2
[( ) 40
100
( 0.0384 +0.043072 ) + ( )]
20
100
=0.033482
0.043072+0.033482

0.0384+
I 1 =I 0 + ( k 1+ k 2 )=0+
Codificacin en C++:
148
149
MTODO DE EULER.
Consideremos primero una relacin funcional de la forma:
y=f ( x )
La cual expresa cuantitativamente un fenmeno.
En general, encontrar la relacin entre x y y no es simple; sin embargo, es posible
relacionar o establecer una ecuacin funcional entre sus derivadas respecto de x. de tal
forma que se construye una ecuacin diferencial.
Por lo tanto, por una ecuacin diferencial entenderemos, cualquier ecuacin en la cual se
encuentren relacionadas derivadas o funciones.
Tipos de ecuaciones diferenciales:
Como se mencion anteriormente, el orden de una ecuacin diferencial es el mayor entero
positivo de la n-esima que se encuentra presente en la ecuacin diferencial.
El grado de la ecuacin diferencial se puede encontrar cuando la ecuacin se ordena como
un polinomio, y entonces la potencia a la cual este elevada la derivada de mayor orden es el
grado.
Una de las derivadas ms importantes es la que las caracterizan en funcin de sus
propiedades.
Hablemos de una ecuacin diferencial ordinario (EDO), as la funcin desconocida
depende solamente de una variable independiente.
Si la funcin desconocida depende de ms de una variable independiente, se llama
Ecuacin Diferencial Parcial (EDP).
Observe los siguientes ejemplos:
y n=+ x ( y )2xy=x 2
150
Es una ecuacin de orden dos y, grado uno.

4
( y ' '' ) + x y ' ' xy + y=0
Es una ecuacin de orden tres, y cuarto grado.
El mtodo de Euler o mtodo de un paso, est basado en ecuaciones diferenciales ordinarias
de la forma.
dy
=f ( x , y ) , y ( x 0 ) = y 0
dx
Si integramos la ecuacin diferencial en el intervalo x 1 x xi +1=x i+ h y evaluar la

integral como se muestra a continuacin.
xi+ 1
dy
dx= f ( x , y ) dx
dx x i
x i+1

xi
y xx =hf ( x i y i )
i+ 1
y i+1 yi =hf ( x i y i )
De donde se obtiene la siguiente expresin aproximada llamada formula de Euler. Donde

se puede predecir un nuevo valor de y usando la pendiente (igual a la primera derivada en
el valor original de x) para explotar linealmente sobre el tamao del paso h.
y i+1 yi =hf ( x i y i ) Donde f ( x i y i ) es la ecuacin diferencial evaluada en
xi y yi .
151
Ejemplo:
Utilice el mtodo de Euler para integrar numricamente la ecuacin siguiente:
f ( x , y ) =2 x +12 x +8.5
De x=0 hasta x=4 con un tamao de paso de 0.5. La condicin inicial en x=0
es y=1 .
Recurdese que la solucin exacta est dada por la ecuacin.
y=0.5 x+ 4 x10 x +8.5 x+1
Solucin: se puede usar la ecuacin (w) para implementar el mtodo de Euler.
y ( 0.5 )= y ( 0 ) + f ( 0,1 )( 0.5 )
En donde y ( 0 )=1 y la aproximacin a la pendiente en x=0 es:

f ( 0,1 ) =20 ( 0 )+12 ( 0 )+ 8.5=8.5
Por lo tanto:
y ( 0.5 )=1.0+8.5 ( 0.5 )=5.25
La solucin verdadera en x=0.5 es:
y ( 0.5 )=0.5 ( 0.5 ) + 4 ( 0.5 )10 ( 0.5 )+ 8.5 ( 0.5 ) +1=3.21875
Por lo tanto el error es:
Ev= verdadero aproximado =3.21875-5.25=-2.03125
o, expresado como error relativo porcentual=-63.1% en el segundo paso.
1.0= y ( 0.5 ) + f ( 0.5,5.25 )( 0.5 )=5.875
y
A continuacin se muestra una tabla comparativa de los valores verdaderos y aproximados
de la integral.
y=2 x+ 12 x20 x +8.5
Con la condicin inicial de que y=1 en x=0
Los valores presentados se calcularon usando el mtodo de Euler con un tamao de paso de
0.5.
x
0.0 1.000 1.000
0.5 3.218 5.250
1.0 3.000 5.875
1.5 2.218 5.125
152
2.0 2.000 4.500

2.5 2.718 4.750
3.0 4.000 5.875
3.5 4.718 7.125
4.0 3.000 7.000
Codificacin en C++:
153

Métodos Numéricos

Încărcat de

Informații document

Titlu original

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

Métodos Numéricos

Încărcat de

Drepturi de autor:

Formate disponibile

1

Instituto Politcnico Nacional

Materia: Mtodos Numricos

Entrega del proyecto final.

Nombre del Alumno:

Profesor: Juan Carlos Guadarrama Zavala

CAPITULO I: INTEGRACIN NUMRICA.

CAPITULO II: SOLUCIN NUMERICA DE ECUACIONES

CAPITULO III: INTERPOLACIN Y APROXIMACION

CAPITULO IV: APROXIMACIN FUNCIONAL.

CAPITULO V: ECUACIONES LINEALES SIMULTNEAS

CAPITULO VI: ECUACIONES DIFERENCIALES ORDINARIAS.

CAPITULO I: INTEGRACIN NUMRICA.

MTODO DEL TRAPECIO USANDO UN SOLO TRAPECIO

Donde f n ( x ) dx es una funcin aproximada ms fcil de integrar.

En este caso f n ( x ) es un polinomio de grado n y tiene la forma siguiente:

f n ( x )=a0 +a1 x1 ++ an1 xn1 +a n x n

b) Despeje f 1 ( x ) que representa el polinomio de primer orden, es decir, la ecuacin

c) Considere que x 0=a y x 1=b , al sustituir en el polinomio de primero orden,

Segundo caso: Concepto geomtrico

Por lo tanto, la frmula para calcular el rea es:

f ( x )=x 2 , si x =a f ( a )=a2 f ( 1 )=12 =1

c) Error del mtodo analtico y numrico

MTODO DEL TRAPECIO DE SEGMENTOS MULTIPLES.

Al dividir en 4 puntos al trapecio abcd de la figura anterior se obtienen 5 puntos sobre la

Podemos hacer las siguientes consideraciones.

Resolviendo cada una de las integrales.

Recuerde la frmula del trapecio:

rea= (ancho) (altura promedio)

A analitica =Es el resultado que se obtiene al resolver en forma analitica a laintegral .

E=Es elerror del mtodo numrico , camparado con elmtodo analtico.

Si el intervalo es (a,b) y si los datos son (1,3) a=1, b=3

Desarrollando la sumatoria se tiene:

Dado que el lmite inferior es x 0=1 y h=0.6666

2 x 1=x 0+ 2h x 2=2.3333 f ( x 1 )=x 22 5.4442

Error=| Anumerica A analitica|=|8.81458.6666|=0.1479

MTODO DE SIMPSON 1/3

x 1=0.5 Entonces f ( x 1 )=0 .25

x 2=1 Entonces f ( x 2 )=1

Sustituyendo en la frmula, obtenemos los siguientes:

MTODO DE SIMPSON DE 1/3 PARA SEGMENTOS MULTIPLES

La integral total se representa como:

Sustituyendo la regla de Simpson en cada una de las integrales individuales se obtiene:

Reordenando los trminos, se obtiene:

Hallar el rea aproximada de la funcin f ( x ) x 3 dx en el intervalo (0,10) para n=6,

Mtodo numrico: Simpson 1/3 para segmentos mltiples.

Calculando por cada incremento de h.

0+ 4 ( 708.3182 )+ 2 ( 333.2966 )+ 999.97 44998.36

MTODO DE SIMPSON 3/8

I (b-a) f(x0) + 3f(x1) + 3f(x2) + f(x3).

F(x) = 0.2 +25x 200x2 + 675x3 900x4 + 400x5

Desde a = 0 hasta b = 0.8. La integral exacta es 1.640533.

- Por Simpson 1/3

f(x0) = f(0) = 0.2

Sustituimos los valores en la ecuacin:

I (b-a) f(x0) + 4f(x1) + f(x2).

- Por Simpson 3/8

Cada separacin va a tener:

x2 = (0.2667 + 0.2667) = 0.5333

f(x0) = f(0) = 0.2

Sustituimos los valores en la ecuacin:

I (b-a) f(x0) + 3f(x1) + 3f(x2) + f(x3).

a) Primer caso, aplique el mtodo de Simpson de 3/8.