Documente Academic
Documente Profesional
Documente Cultură
Contenido
INTRODUCCIÓN ..................................................................................................................... 4
INTRODUCCIÓN
Para una mejor organización y búsqueda rápida de cada tema se ha implementados con un
índice al principio del trabajo para su fácil ubicación de los temas ya que el texto completo
se encuentra enumerada de principio a fin, además en el final se ha considerado incluir
problemas resueltos de los diferentes temas estudiados.
Como los algoritmos de los métodos ya están disponibles en la mayoría de los libros de texto
sobre la materia, se explicara en la medida de lo posible, detalles de implementación
(personales) de los métodos directos (que son más difíciles de programar). El lenguaje de
programación idóneo para tal fin será matlab 6.0
Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para
completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud
de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua
superación en los próximos trabajos que se han de mostrar.
Ejemplo
Todo valor o número se le puede expresar como una descomposición de potencia de 10.
Ejemplo 1.2.1.
Ejemplo 1.2.2.
Ejemplo 1.2.3.
Ejemplo 1.3.1.
Ejemplo 1.3.2.
Ejemplo 1.3.3.
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, según si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
Ejemplo 1.4.1.
cos 7
= 0.251300751
3
Sea 𝑝 = 0.251300751
𝜀𝑎1 = 0.1𝑥10−2
𝜀𝑎1 ≤ 0.5𝑥10𝑚−𝑛+1
0.1𝑥10−2 ≤ 0.5𝑥10−1−𝑛+1
−2 = −1 − 𝑛 + 1
Entonces 𝑛 = 2
𝜀𝑎1 ≤ 0.5𝑥10−𝑘
0.1𝑥10−2 ≤ 0.5𝑥10−𝑘
−2 = −𝑘
Entonces 𝑘 = 2
𝜀𝑎2 = 0.2𝑥10−2
𝜀𝑎2 ≤ 0.5𝑥10𝑚−𝑛+1
0.2𝑥10−2 ≤ 0.5𝑥10−1−𝑛+1
−2 = −1 − 𝑛 + 1
Entonces 𝑛 = 2
𝜀𝑎2 ≤ 0.5𝑥10−𝑘
0.2𝑥10−2 ≤ 0.5𝑥10−𝑘
−2 = −𝑘
Entonces 𝑘 = 2
𝜀𝑎3 = 0.2𝑥10−4
𝜀𝑎2 ≤ 0.5𝑥10𝑚−𝑛+1
0.2𝑥10−4 ≤ 0.5𝑥10−1−𝑛+1
−4 = −1 − 𝑛 + 1
Entonces 𝑛 = 4
𝜀𝑎2 ≤ 0.5𝑥10−𝑘
0.2𝑥10−4 ≤ 0.5𝑥10−𝑘
−4 = −𝑘
Entonces 𝑘 = 4
Ejemplo 2.1.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0
∃𝑥 ∗ ∈ 〈 0 , 1 〉
Observación:
El teorema de Bolzano nos garantiza mostrar que existirá por lo menos una raíz si es que cumple los
requisitos.
El intervalo apropiado a usar se recomienda que sea distanciado a 1 o menor, como lo fue en este
caso del intervalo 〈 0 , 1 〉 del ejemplo 2.1.
3. MÉTODO DE BISECCIÓN
Dado la ecuación no lineal 𝑓(𝑥) = 0 tal que existe la raíz 𝑥 ∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
El método de bisección consiste en hallar el promedio simple de cada intervalo
[ 𝑎𝑖 , 𝑏𝑖 ] → 𝑥 ∗
La idea es encontrar el valor que se aproxime o sea igual a la raíz 𝑥 ∗ de la ecuación 𝑓(𝑥) = 0
Algoritmo de bisección:
P-1.- Dado la ecuación 𝑓(𝑥) = 0 tal que existe la raíz 𝑥 ∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
𝑎𝑖 + 𝑏𝑖
𝑥𝑖 = 𝑐𝑜𝑛 𝑖 = 0, 1, 2, …
2
P-3. – Hallar 𝑓( 𝑎𝑖 )𝑓( 𝑥𝑖 )
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
Ejemplo 3.1.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0
∃𝑥 ∗ ∈ 〈 0 , 1 〉
→ 𝒎 = −𝟏
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 0.5𝑥10−2
𝑖=0
Iteración inicial [ 𝑎0 , 𝑏0 ] = [ 0 , 1 ]
𝑎0 + 𝑏0 0+1
𝑥0 = 2
= 2
Entonces 𝑥0 = 0.5
𝑎1 = 𝑥0
𝑓( 𝑎0 )𝑓(𝑥0 ) = 𝑓(0)𝑓(0.5) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
1 0
Entonces 𝑎1 = 0.5 , 𝑏1 = 1
𝑖=1
Se sigue iterando
𝑎2 = 𝑎1
𝑓( 𝑎1 )𝑓( 𝑥1 ) = 𝑓(0.5)𝑓(0.75) = (−)(+) < 0 Entonces { 𝑏 = 𝑥
2 1
𝑖=2
Se sigue iterando
𝑎3 = 𝑥2
𝑓( 𝑎2 )𝑓( 𝑥2 ) = 𝑓(0.5)𝑓(0.625) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
3 2
𝑖=3
Se sigue iterando
𝑎4 = 𝑥3
𝑓( 𝑎3 )𝑓( 𝑥3 ) = 𝑓(0.625)𝑓(0.6875) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
4 3
𝑖=4
Se sigue iterando
𝑎5 = 𝑎4
𝑓( 𝑎4 )𝑓( 𝑥4 ) = 𝑓(0.6875)𝑓(0.71875) = (−)(+) < 0 Entonces { 𝑏 = 𝑥
5 4
𝑖=5
Se sigue iterando
𝑎6 = 𝑥5
𝑓( 𝑎5 )𝑓( 𝑥5 ) = 𝑓(0.6875)𝑓(0.703125) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
6 5
𝑖=6
Se sigue iterando
𝑎7 = 𝑎6
𝑓( 𝑎6 )𝑓( 𝑥6 ) = 𝑓(0.703125)𝑓(0.7109375) = (−)(+) < 0 Entonces { 𝑏 = 𝑥
7 6
𝑖=7
Conociendo:
𝑏0 − 𝑎0
≤ 0.5𝑥10𝑚−𝑛+1
2𝑖+1
Donde 𝑖 = numero entero menor, indicando la cantidad de iteraciones
Ejemplo 3.2.
Tomando el ejemplo 3.1., comprobando el número de iteraciones que se requiere dado su número de cifras
significativas exactas(𝑛 = 2), es el siguiente:
[ 𝑎0 , 𝑏0 ] = [ 0 ,1]
𝑚 = −1 , 𝑛=2
𝑏0 − 𝑎0
≤ 0.5𝑥10𝑚−𝑛+1
2𝑖+1
1−0
≤ 0.5𝑥10−1−2+1
2𝑖+1
1
≤ 0.5𝑥10−2
2𝑖+1
2. 𝑙𝑛(10)
≤𝑖
𝑙𝑛(2)
6.64385619 ≤ 𝑖
Entonces 𝑖 = 7
[ 𝑎𝑖 , 𝑏𝑖 ] → 𝑥 ∗
P-1.- Dado la ecuación 𝑓(𝑥) = 0 tal que existe la raíz 𝑥 ∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
𝑎𝑖 . 𝑓( 𝑏𝑖 ) − 𝑏𝑖 . 𝑓( 𝑎𝑖 )
𝑥𝑖 =
𝑓( 𝑏𝑖 ) − 𝑓( 𝑎𝑖 )
P-3. – Hallar 𝑓( 𝑎𝑖 )𝑓( 𝑥𝑖 )
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
Ejemplo 4.1.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0
∃𝑥 ∗ ∈ 〈0 , 1〉
→ 𝑚 = −1
𝑖=0
Iteración inicial [ 𝑎0 , 𝑏0 ] = [ 0 , 1 ]
𝑎1 = 𝑥0
𝑓(𝑎0 )𝑓(𝑥0 ) = 𝑓(0)𝑓(0.367879) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
1 0
Entonces 𝑎1 = 0.367879 , 𝑏1 = 1
𝑖=1
Se sigue iterando
𝑎2 = 𝑥1
𝑓(𝑎1 )𝑓(𝑥1 ) = 𝑓(0.367879)𝑓(0.569456) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
2 1
Entonces 𝑎2 = 0.569456 , 𝑏2 = 1
𝑖=2
Se sigue iterando
𝑎3 = 𝑥2
𝑓(𝑎2 )𝑓(𝑥2 ) = 𝑓(0.569456)𝑓(0.655136) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
3 2
Entonces 𝑎3 = 0.655136 , 𝑏3 = 1
𝑖=3
Se sigue iterando
𝑎4 = 𝑥3
𝑓(𝑎3 )𝑓(𝑥3 ) = 𝑓(0.655136)𝑓(0.686783) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
4 3
Entonces 𝑎4 = 0.686783 , 𝑏4 = 1
𝑖=4
Se sigue iterando
𝑎5 = 𝑥4
𝑓(𝑎4 )𝑓(𝑥4 ) = 𝑓(0.6875)𝑓(0.71875) = (−)(−) > 0 Entonces { 𝑏 = 𝑏
5 4
Entonces 𝑎5 = 0.6978 , 𝑏5 = 1
𝑖=5
5. MÉTODO DE LA SECANTE
Algoritmo del método de la secante.
P-1.- Dado la ecuación 𝑓(𝑥) = 0 tal que existe la raíz 𝑥 ∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
Ejemplo 5.1.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0
∃𝑥 ∗ ∈ 〈0 , 1〉
→ 𝑚 = −1
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 0.5𝑥10−2
Sea [ 𝑥0 , 𝑥1 ] = [ 0 , 1 ] Entonces 𝑥0 = 0 , 𝑥1 = 1
𝑖=2
Segunda iteración
𝑖=3
Tercera iteración
𝑖=4
Cuarta iteración
𝑖=5
Quinta iteración
Entonces 𝑥5 = 0.685539
𝑖=6
Sexta iteración
Entonces 𝑥6 = 0.701245
𝑖=7
Séptima iteración
Entonces 𝑥7 = 0.703524
Algoritmo:
P-1.- Dado la ecuación 𝑓(𝑥) = 0 tal que existe la raíz 𝑥 ∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
P-2.- De 𝑓(𝑥) = 0 despejar 𝒙 de diferentes formas y obtener una ecuación de la siguiente forma:
𝑥 = 𝑔(𝑥)
𝑥𝑖+1 = 𝑔(𝑥𝑖 )
Donde 𝑖 = 0, 1, 2, …
¿Condición de convergencia ?
a) 𝑔(𝑥) ∈ 𝐼 = [ 𝑎 , 𝑏 ]
b) ∃ 𝑔′ (𝑥) tal que | 𝑔′ (𝑥) | ≤ 𝐿 < 1; ∀𝑥 ∈〈𝑎, 𝑏〉
𝐿 es llamado constante de Lipschitz
𝐿 = 𝑚𝑎𝑥{ | 𝑔′ (𝑎) | , | 𝑔′ (𝑏) | }
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
Ejemplo 6.1.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0 … (1)
∃𝑥 ∗ ∈ 〈0 , 1〉
→ 𝑚 = −1
𝑒 𝑥 = 𝑥 −2 → 𝑥 = −2 ∗ 𝑙𝑛(𝑥)
𝑥 𝑥
Entonces 𝑔1 (𝑥) = 𝑒 − 2 , 𝑔2 (𝑥) = −𝑒 − 2 , 𝑔3 (𝑥) = −2𝑙𝑛(𝑥)
Sea 𝑥0 = 0.5
𝑖=0
Iteración inicial
Entonces 𝑥1 = 0.778800783
𝑖=1
Primera iteración
𝑖=2
Segunda iteración
𝑖=3
Tercera iteración
𝑖=4
Cuarta iteración
Algoritmo:
P-1.- Dado la ecuación 𝑓(𝑥) = 0 tal que existe la raíz 𝑥 ∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
𝑓( 𝑥𝑖 )
𝑥𝑖 + 1 = 𝑥𝑖 −
𝑓 1 ( 𝑥𝑖 )
𝑖 = 0, 1, 2, 3, …
Convergencia de N-R.
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
Ejemplo 7.1.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0 … (1)
∃𝑥 ∗ ∈ 〈0 , 1〉
→ 𝑚 = −1
Veremos si 𝑥0 = 1 es válido o no
∴ ∃ { 𝑥𝑖 } → 𝑥 ∗ por N.R.
𝑓( 𝑥𝑖 )
𝑥𝑖 +1 = 𝑥𝑖 −
𝑓 1 ( 𝑥𝑖 )
( 𝑥𝑖 )2 𝑒 𝑥𝑖 − 1
𝑥𝑖 +1 = 𝑥𝑖 −
𝑥𝑖 (2 + 𝑥𝑖 )𝑒 𝑥𝑖
𝑖=0
Iteración inicial
𝑓( 𝑥0 ) 𝑓( 1 )
𝑥1 = 𝑥0 − 𝑓 1 ( 𝑥0 )
=1− 𝑓1 ( 1 )
Entonces 𝑥1 = 0.789293147
𝑖=1
Primera Iteración
𝑓( 𝑥1 ) 𝑓( 0.789293147 )
𝑥2 = 𝑥1 − 𝑓 1 ( 𝑥1 )
= 0.789293147 − 𝑓1 ( 0.789293147 )
Entonces 𝑥2 = 0.71261243
𝑖=2
Segunda Iteración
𝑓( 𝑥2 ) 𝑓( 0.71261243 )
𝑥3 = 𝑥2 − 𝑓 1 ( 𝑥2 )
= 0.71261243 − 𝑓1 ( 0.71261243 )
Entonces 𝑥3 = 0.703582624
𝑖=3
Segunda Iteración
𝑓( 𝑥3 ) 𝑓( 0.703582624 )
𝑥4 = 𝑥3 − 𝑓 1 ( 𝑥3 )
= 0.703582624 − 𝑓1 ( 0.703582624 )
Entonces 𝑥4 = 0.703467441
Dado el Sistema:
𝐹 = 𝐹( 𝑥 , 𝑦 ) = 0 …(1)
𝐺 = 𝐺( 𝑥 , 𝑦 ) = 0
tal que ∃𝑥∗ ∈ [ 𝑎 , 𝑏 ] , ∃𝑦∗ ∈ [ 𝑎 , 𝑏 ]
𝑥 = 𝑓( 𝑥 , 𝑦 ) = 𝑓 …(2)
𝑦 = 𝑔( 𝑥 , 𝑦 ) = 𝑔
{ 𝑥𝑖 } → 𝑥∗ , { 𝑦𝑖 } → 𝑦∗
𝑥𝑖+1 = 𝑓( 𝑥𝑖 , 𝑦 𝑖 ) , 𝑦𝑖+1 = 𝑔( 𝑥𝑖 , 𝑦 𝑖 )
Donde 𝑖 = 0, 1, 2, …
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
| 𝑦𝑖 − 𝑦𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
∃ { 𝑥𝑖 } → 𝑥∗ , ∃ { 𝑦𝑖 } → 𝑦∗ Si se cumple lo siguiente:
| 𝑓𝑥 |( 𝑥0 , 𝑦0 ) + | 𝑓𝑦 |( 𝑥0 , 𝑦0 ) ≤ 𝐿 < 1 y | 𝑔𝑥 |( 𝑥0 , 𝑦0 ) + | 𝑔𝑦 |( 𝑥0 , 𝑦0 ) ≤ 𝐿 < 1
Donde
𝜕 𝑓( 𝑥 , 𝑦 ) 𝜕 𝑔( 𝑥 , 𝑦 )
𝑓𝑥 = ^ 𝑔𝑥 =
𝜕𝑥 𝜕𝑥
Ejemplo 8.1.1.
𝐹 = 𝐹( 𝑥 , 𝑦 ) = 𝑥 − 𝑒 2𝑦 = 0 … (1)
𝐺 = 𝐺( 𝑥 , 𝑦 ) = 𝑒 −𝑥 + 𝑦 = 0 … (2)
∃𝑥 ∗ ∈ 〈0 , 1〉
→ 𝑚 = −1
∃𝑥 ∗ ∈ 〈 0.1 , 0.2 〉
Sea 𝑥0 = 0.1
Luego de (𝛼) : 𝑦0 = −𝑒 −𝑥0 = −𝑒 −0.1 entonces 𝑦0 = −0.9
b) ¿ ∃ { 𝑥𝑖 } → 𝑥 ∗ , ∃ { 𝑦𝑖 } → 𝑦 ∗ ?
𝐹( 𝑥 , 𝑦 ) = 𝑥 − 𝑒 2𝑦 = 0 se tiene 𝑥 = 𝑒 2𝑦 entonces 𝑓 = 𝑓( 𝑥 , 𝑦 ) = 𝑒 2𝑦
𝐺( 𝑥 , 𝑦 ) = 𝑒 −𝑥 + 𝑦 = 0 se tiene 𝑦 = −𝑒 −𝑥 entonces 𝑔 = 𝑔( 𝑥 , 𝑦 ) = 𝑒 −𝑥
𝑓𝑥 = 0 𝑓𝑦 = 2𝑒 2𝑦 𝑔𝑥 = −𝑒 −𝑥 𝑔𝑦 = 0
¿ | 𝑓𝑥 |( 𝑥0 ,𝑦0 ) + | 𝑓𝑦 |( <1 ?
𝑥 0 ,𝑦0 )
| 𝑓𝑥 |( 0.1 ,−0.9 ) + | 𝑓𝑦 |(0.1,−0.9) < 1
0 + | 2𝑒 2(−0.9) | < 1
0 + 0.3 < 1 ( 𝑐𝑢𝑚𝑝𝑙𝑒 )
¿ | 𝑔𝑥 |( 𝑥0 ,𝑦0 ) + | 𝑔𝑦 |( 𝑥 ,𝑦0 )
<1 ?
0
c) Por punto fijo obtener una solución con dos cifras significativas exactas ( 𝑛 = 2 ).
Se dejará de iterar si:
𝑖 = 1, 2,3, …
Teniendo :
Por lo tanto ( 𝑥6 , 𝑦6 ) = ( 0.189106 , −0.82757 ) = ( 𝑥 ∗ , 𝑦 ∗ ) es raíz con dos cifras significativas exacta.
P-1.- Dado el sistema siguiente tal que tal que ∃𝑥∗ ∈ [ 𝑎 , 𝑏 ] , ∃𝑦∗ ∈ [ 𝑎 , 𝑏 ] por T.B.
𝐹 = 𝐹( 𝑥 , 𝑦) = 0
𝐺 = 𝐺( 𝑥 , 𝑦) = 0
{ 𝑥𝑖 } → 𝑥∗ , { 𝑦𝑖 } → 𝑦∗
𝐹𝑥 𝐹
| |
𝐺𝑥 𝐺 ( 𝑥 , 𝑦 )
𝑖 𝑖
𝑦𝑖 +1 = 𝑦𝑖 − 𝑖 = 0, 1 ,2, 3, …
𝐹𝑥 𝐹𝑦
| |
𝐺𝑥 𝐺𝑦 ( 𝑥 , 𝑦 )
𝑖 𝑖
Donde
𝜕 𝐹( 𝑥 , 𝑦 ) 𝜕 𝐹( 𝑥 , 𝑦 ) 𝜕 𝐺( 𝑥 , 𝑦 ) 𝜕 𝐺( 𝑥 , 𝑦 )
𝐹𝑥 = , 𝐹𝑦 = , 𝐺𝑥 = , 𝐺𝑦 =
𝜕𝑥 𝜕𝑦 𝜕𝑥 𝜕𝑦
| 𝑥𝑖 − 𝑥𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
| 𝑦𝑖 − 𝑦𝑖−1 | ≤ 𝓔
𝜀 = 0.5 × 10−𝑘 para el caso de cifras
Decimales exactas
∃ { 𝑥𝑖 } → 𝑥∗ , ∃ { 𝑦𝑖 } → 𝑦∗ Si se cumple :
𝐹𝑥 𝐹𝑦
𝐽 = 𝐽(𝑥0 , 𝑦0 ) = | | (𝑥0 , 𝑦0 ) ≠ 0
𝐺𝑥 𝐺𝑦
Ejemplo 8.2.1.
𝐹 = 𝐹( 𝑥 , 𝑦 ) = 𝑥 − 𝑒 2𝑦 = 0 … (1)
𝐺 = 𝐺( 𝑥 , 𝑦 ) = 𝑒 −𝑥 + 𝑦 = 0 … (2)
∃𝑥 ∗ ∈ 〈0 , 1〉
→ 𝑚 = −1
∃𝑥 ∗ ∈ 〈 0.1 , 0.2 〉
Sea 𝑥0 = 0.1
Luego de (𝛼) : 𝑦0 = −𝑒 −𝑥0 = −𝑒 −0.1 entonces 𝑦0 = −0.9
a) ¿ ∃ { 𝑥𝑖 } → 𝑥 ∗ , ∃ { 𝑦𝑖 } → 𝑦 ∗ ?
¿ 𝐽(𝑥0 ,𝑦0 ) ≠ 0 ?
𝐹𝑥 = 1 𝐹𝑦 = −2𝑒 2𝑦 𝐺𝑥 = −𝑒 −𝑥 𝐺𝑦 = 1
𝐹𝑥 𝐹𝑦 −2𝑒 2𝑦 |
𝐽(0.1 ,−0.9 ) =| | = | 1−𝑥 = 1 − 2𝑒 2(−0.9)−0.1 = 0.700862761
𝐺𝑥 𝐺𝑦 (0.1 −𝑒 1 (0.1 ,−0.9 )
,−0.9 )
Por lo tanto ∃ { 𝑥𝑖 } → 𝑥 ∗ , ∃ { 𝑦𝑖 } → 𝑦 ∗
Sea lo siguiente:
𝐹 𝐹𝑦
| |
𝐺 𝐺𝑦 ( 𝑥 , 𝑦𝑖 )
𝑖
𝑥𝑖+1 = 𝑥𝑖 − 𝑖 = 0, 1 ,2, 3, …
𝐹𝑥 𝐹𝑦
| |
𝐺𝑥 𝐺𝑦 ( 𝑥 , 𝑦𝑖 )
𝑖
𝑥 − 𝑒 2𝑦 −2𝑒 2𝑦
| |
𝑒 −𝑥 + 𝑦 1 (𝑥 , 𝑦𝑖 ) 𝑥𝑖 − 𝑒 2𝑦𝑖 + 2𝑒 2𝑦𝑖−𝑥𝑖 + 2𝑦𝑖 𝑒 2𝑦𝑖
𝑖
𝑥𝑖+1 = 𝑥𝑖 − = 𝑥𝑖 −
1 −2𝑒 2𝑦 1 − 2𝑒 2𝑦𝑖−𝑥𝑖
| |
−𝑒 −𝑥 1 ( 𝑥𝑖 , 𝑦𝑖 )
𝐹𝑥 𝐹
| |
𝐺𝑥 𝐺 ( 𝑥 , 𝑦 )
𝑖 𝑖
𝑦𝑖 +1 = 𝑦𝑖 − 𝑖 = 0, 1 ,2, 3, …
𝐹𝑥 𝐹𝑦
| |
𝐺𝑥 𝐺𝑦 ( 𝑥 , 𝑦 )
𝑖 𝑖
1 𝑥 − 𝑒 2𝑦
| |
−𝑒 −𝑥 𝑒 −𝑥 + 𝑦 ( 𝑥 , 𝑦𝑖 ) 𝑦𝑖 + ( 𝑥𝑖 + 1)𝑒 −𝑥𝑖 − 𝑒 2𝑦𝑖 −𝑥𝑖
𝑖
𝑦𝑖 +1 = 𝑦𝑖 − = 𝑦𝑖 −
1 −2𝑒 2𝑦 1 − 2𝑒 2𝑦𝑖 −𝑥𝑖
| |
−𝑒 −𝑥 1 ( 𝑥𝑖 , 𝑦𝑖 )
b) Por este método, una solución con dos cifras significativas exactas ( n = 2 ). Se dejará de iterar si:
𝑖 = 1, 2,3, …
Entonces 𝑥1 = 0.190887
Entonces 𝑦1 = −0.822599
Entonces 𝑥2 = 0.191896
Entonces 𝑦2 = −0.825392
Por lo tanto (𝑥2 , 𝑦2 ) = ( 0.191896 , −0.825392 ) = ( 𝑥 ∗ , 𝑦 ∗ ) es raíz con dos cifras significativas exacta.
Consiste en factorizar una matriz cuadrada “A” en un producto “LU”. Esto es:
𝐴 = 𝐿. 𝑈
Donde:
A: es la matriz a factorizar.
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales a 1. Se llama “L”
porque viene de la palabra inglesa “low”, que significa “bajo”.
U : es una matriz triangular superior, cuyos elementos se hallan por el método de la eliminación gaussiana.
Se llama “U” porque viene de la palabra inglesa “up”, que significa “arriba”.
Ejemplo 9.1.1.
2 3 4
𝐴=[1 0 7]
3 4 5
𝐴=𝐿∗𝑈
Tercera columna:
4 = 𝑙11 ∗ 𝑢13 Entonces 𝑢13 = 2
10
7 = 𝑙21 ∗ 𝑢13 + 𝑙22 ∗ 𝑢23 Entonces 𝑢23 = − 3
8
5 = 𝑙31 ∗ 𝑢13 + 𝑙32 ∗ 𝑢23 + 𝑙33 Entonces 𝑙33 = − 3
2 3 4 2 0 0 1 3/2 2
[1 0 7] = [ 1 −3/2 0 ]∗[ 0 1 −10/3 ]
3 4 5 3 −1/2 −8/3 0 0 1
𝐴. 𝑋 = 𝐵
𝐴 = 𝐿. 𝑈
Sea:
𝐴. 𝑋 = 𝐵
𝐿. (𝑈. 𝑋) = 𝐵
𝐿. 𝑌 = 𝐵
𝑌 𝑈. 𝑋 = 𝑌
Ejemplo 9.1.2.
𝑥1 2 3 4 4
𝑥
Calculando 𝑥 = [ 2 ] tal que 𝐴 ∗ 𝑥 = 𝑏 con 𝐴 = [1 0 7] y 𝑏=[ 1 ]
𝑥3 3 4 5 2
𝐴∗𝑥 =𝑏
Se sabe 𝐴 = 𝐿 ∗ 𝑈
(𝐿 ∗ 𝑈) ∗ 𝑥 = 𝑏
𝐿∗(𝑼∗𝒙)=𝑏
𝑦1
Sea 𝑼∗𝒙=𝑦 la cual 𝑦 = [ 𝑦2 ]
𝑦3
2 0 0 𝑦1 4 3 2
𝑦1 − 2 𝑦2 = 1 Entonces 𝑦2 =
[ 1 −3/2 𝑦
0 ]∗[ 2] = [ 1 ] 3
3 −1/2 −8/3 𝑦3 2 1 8 11
3𝑦1 − 2 𝑦2 − 3 𝑦3 = 2 Entonces 𝑦3 = 8
𝑼∗𝒙 = 𝑦 11 11
𝑥3 = 8
Entonces 𝑥3 = 8
1 3/2 2 𝑥1 2 10 2 21
[ 0 1 𝑥
−10/3 ] ∗ [ 2 ] = [ 2/3 ] 𝑥2 − 𝑥 = Entonces 𝑥2 =
3 3 3 4
0 0 1 𝑥3 11/8
3 69
𝑥1 + 2 𝑥2 + 2𝑥3 = 2 Entonces 𝑥1 = − 8
−69/8
𝑥 = [ 21/4 ]
11/8
Primera versión
También para resolver el sistema 𝐴 ∗ 𝑥 = 𝑏 para aplicar cholesky se debe cumplir lo siguiente:
Ejemplo 9.2.1.
Desarrolle: 𝐴∗𝑥 =𝑏
4 2 1 𝑥1 1
[ 2 2 0 ] [ 𝑥2 ] = [ 2 ]
1 0 3 𝑥3 3
Dado :
4 2 1
𝐴=[2 2 0] entonces 𝐴 = 𝐴𝑡
1 0 3
4 2
𝐴2 = [ ] entonces det 𝐴2 = 4 > 0
2 2
4 2 1
𝐴3 = [ 2 2 0 ] entonces det 𝐴3 = 10 > 0
1 0 3
𝐴 = 𝐿 ∗ 𝐿𝑡
Primera columna:
Segunda columna:
4 = (𝑙11 )2 Entonces 𝑙11 = 2
2 = 𝑙11 ∗ 𝑙21
2 = 𝑙21 ∗ 𝑙11 Entonces 𝑙21 = 1
2 = (𝑙21 )2 + (𝑙22 )2 Entonces 𝑙22 = 1
1
1 = 𝑙31 ∗ 𝑙11 Entonces 𝑙31 =
2 1
0 = 𝑙21 ∗ 𝑙31 + 𝑙22 ∗ 𝑙32 Entonces 𝑙32 = −
2
Tercera columna:
1 = 𝑙11 ∗ 𝑙31
√10
3 = (𝑙31 )2 + (𝑙32 )2 + (𝑙33 )2 Entonces 𝑙33 = 2
4 2 1 2 0 0 2 1 1/2
[2 2 0]=[ 1 1 0 ]∗[ 0 1 −1/2 ]
1 0 3 1/2 −1/2 √10/2 0 0 √10/2
𝑥1 4 2 1 1
Calculando 𝑥 = [ 𝑥2 ] tal que 𝐴 ∗ 𝑥 = 𝑏 con 𝐴=[2 2 0] y 𝑏 =[ 2 ]
𝑥3 1 0 3 3
𝐴∗𝑥 =𝑏
Se sabe 𝐴 = 𝐿 ∗ 𝐿𝑡
( 𝐿 ∗ 𝐿𝑡 ) ∗ 𝑥 = 𝑏
𝐿 ∗ ( 𝑳𝒕 ∗ 𝒙 ) = 𝑏
𝑦1
𝒕
Sea 𝑳 ∗𝒙=𝑦 la cual 𝑦 = [ 𝑦2 ]
𝑦3
𝐿∗𝑦 =𝑏 1
2𝑦1 = 1 Entonces 𝑦1 = 2
2 0 0 𝑦1 1 3
[ 1 1 0 ] ∗ [ 𝑦2 ] = [ 2 ] 𝑦1 + 𝑦2 = 2 Entonces 𝑦2 = 2
1/2 −1/2 √10/2 𝑦3 3
1 1 √10 7√10
𝑦
2 1
− 2 𝑦2 + 3
𝑦3 = 2Entonces 𝑦3 = 10
𝐿𝑡 ∗ 𝑥 = 𝑦 √10
𝑥3 =
7√10
Entonces 𝑥3 =
7
2 10 5
2 1 1/2 𝑥1 1/2 1 3 11
[ 0 1 −1/2 ] ∗ [ 𝑥2 ] = [ 3/2 ] 𝑥2 − 2 𝑥3 = 2 Entonces 𝑥2 = 5
0 0 √10/2 𝑥3 7√10/10
1 1 6
2𝑥1 + 𝑥2 + 𝑥3 = Entonces 𝑥1 = −
2 2 5
−6/5
𝑥 = [ 11/5 ]
7/5
Segunda versión
Ejemplo 9.2.2.
𝐴∗𝑥 =𝑏
1 0 0 𝑥1 2
𝑥
[ 2 4 0 ][ 2 ] = [ 4 ]
3 5 6 𝑥3 6
Se observa que no cumple las condiciones de Cholesky, pero mediante transformaciones elementales
de matrices se llega a una matriz A, que sí cumple las dos condiciones de Cholesky.
1 0 0 2
[ 0 4 0 0 ] ← (−2𝐹1 + 𝐹2 )
0 5 6 0 ← (−3𝐹1 + 𝐹3 )
1 0 0 2
[ 0 4 0 0 ] 5
0 0 6 0 ← (− 𝐹2 + 𝐹3 )
4
1 0 0 2
Entonces la nueva matriz es 𝐴=[0 4 0] con 𝑏=[ 0 ]
0 0 6 0
𝐴∗𝑥 =𝑏
1 0 0 𝑥1 2
[ 0 4 0 ] [ 𝑥2 ] = [ 0 ]
0 0 6 𝑥3 0
A t 𝐿𝑡
1 0 0 1 0 0 1 0 0
[0 4 0 ]= [ 0 2 0 ] [0 2 0 ]
0 0 6 0 0 √6 0 0 √6
1° columna: 2° columna:
1 = 𝑙11 𝑙11 = 1 0 = 𝑙11 𝑙21 no se utiliza
0 = 𝑙21 𝑙11 𝑙21 = 0 4 = 𝑙212 + 𝑙222 𝑙22 = 2
0 = 𝑙31 𝑙11 𝑙31 = 0 0 = 𝑙31 𝑙21 + 𝑙32 𝑙22 𝑙32 = 0
𝐴𝑥 = b
L 𝐿𝑡 x = b L y = b; 𝐿𝑡 x = y
Para L y = b
1 0 0 𝑦1 2
𝑦
[ 0 2 0 ][ 2 ] = [ 0 ]
0 0 √6 𝑦3 0
𝑦1 = 2; 2𝑦2 = 0 𝑦2 = 0; √6𝑦3 = 0 𝑦3 = 0
𝐿𝑡 x = y
1 0 0 𝑥1 2
[ 0 2 0 𝑥
][ 2 ] = [ 0 ]
0 0 √6 𝑥3 0
𝑥1 = 2
2𝑥2 = 0 𝑥2 = 0
√6𝑥3 = 0 𝑥3 = 0
𝑎1 … 0 𝑥1 𝑏1
(⋮ ⋱ ⋮ )( ⋮ ) = ( ⋮ )
0 … 𝑎𝑛 𝑥𝑛 𝑏𝑛
ALGORITMO TRIDIAGONAL:
Si 𝑟 = 0 → 𝑥1 es solución de 𝐴. 𝑋 = 𝐵
Si 𝑟 ≠ 0 → 𝑥1 es solución de 𝐴. 𝑋1 = 𝐵 + 𝑅
P-2: Del sistema 𝐴. 𝑋 = 𝐵 expresarlo como 𝐴. 𝑋̅ = 𝜃 y sea 𝑥̅̅1 = 𝐶 , se procede como P-2,
llegando a lo siguiente:
Si 𝑟 = 0 → 𝑥2 es solución de 𝐴. 𝑋 = 𝜃
Si 𝑟 ≠ 0 → 𝑥1 es solución de 𝐴. 𝑋2 = 𝜃 + 𝑆
Ejemplo 10.1.
Sea el sistema:
(1) 𝑥1 +𝑥2 = 4
(2) 𝑥1 + 2𝑥2 +𝑥3 = 6
(3) 𝑥2 +2𝑥3 −𝑥4 = 2
(4) 𝑥3 −2𝑥4 = 5
Paso 1
Sea el sistema:
(1) 𝑥̅̅̅1 +𝑥
̅̅̅2 = 4
𝑥1 +2̅̅̅̅
(2) ̅̅̅ 𝑥2 +𝑥̅̅̅3 = 6
(3) 𝑥
̅̅̅
2 +2𝑥 ̅̅̅3 −𝑥
̅̅̅4 = 2
(4) 𝑥3 −2𝑥
+ ̅̅̅ ̅̅̅4 = 5
Sea 𝑥1 = 2
̅̅̅ constante arbitraria.
En ( 1 ) , ( 2 ) , ( 3 ) ̅̅̅
𝑥2 = 2, 𝑥3 = 0 ,
̅̅̅ 𝑥4 = 0
̅̅̅
Paso 2
Del sistema 𝐴∗𝑥 =𝑏 entonces 𝐴 ∗ 𝑥̅ = 𝜃 𝑇𝑎𝑙 𝑞𝑢𝑒 𝜃 𝑒𝑠 𝑣𝑒𝑐𝑡𝑜𝑟 𝑛𝑢𝑙𝑜
(1) 𝑥̿̿̿1 +𝑥
̿̿̿2 = 0
𝑥1 +2̿̿̿̿
(2) ̿̿̿ 𝑥2 +𝑥
̿̿̿3 = 0
(3) 𝑥̿2 +2𝑥̿3 −𝑥 ̿̿̿4 = 0
(4) 𝑥̿3 −2𝑥
̿̿̿4 = 0
De ( 1 ) , ( 2 ) , y ( 3 ) se consigue ̿̿̿
𝑥2 = −1, 𝑥3 = 1 ,
̿̿̿ 𝑥4 = 1
̿̿̿
La solución es:
𝑟 −5
𝑥=𝑥
̂1 − ̂2 = ( 2 , 2 , 0 , 0 )𝑇 −
𝑥 ( 1 , −1 , 1 , 1 )𝑇
𝑡 −1
𝑥 = ( −3 , 7 , −5 , −5 )𝑇
Entonces 𝑥1 = −3 , 𝑥2 = 7 , 𝑥3 = −5 , 𝑥4 = −5
Ejemplo 10.2.
Resolver:
𝑥1 + 𝑥2 =1
2𝑥1 + 𝑥2 − 𝑥3 = −9
2𝑥2 + 2𝑥3 − 𝑥4 =3
𝑥3 + 2𝑥4 =7
Del sistema 𝐴. 𝑋 = 𝐵 → 𝐴. 𝑋̅ = 𝐵
De (1): 𝑥̅2 = 1
De (2): 𝑥̅3 = 10
De (3): 𝑥̅4 = 19
𝑥̅4 + 2𝑥̅4 = 7 + 𝑟 → 𝑟 = 41
Del sistema 𝐴. 𝑋 = 𝐵 → 𝐴. 𝑋̅ = 𝜃
𝑥̿1 + 𝑥̿2 = 0
𝑥1 = −41 , 𝑥2 = 42 , 𝑥3 = −31 , 𝑥4 = 19
Verificando: 2𝑥1 + 𝑥2 − 𝑥3 = −9
−9 = −9
Ejemplo 2
Sea 𝐴𝑥 = 𝐵 en Tribanda.
Solución:
Entonces: 𝑥̅1 = 1
sea 𝑥̿1 = 1
𝑟
𝛼= = 24 → 𝛼 = 24
𝑠
Entonces:
𝑥=̂
𝑥1 − 𝛼 𝑥
̂2
𝑥1 1 1
𝑥2 0 −1
𝑥 =[𝑥 ]=[ ] − 24 [ ]
3 11 1
𝑥4 7 0
𝑥1 −23
𝑥2
[ 𝑥 ] = [ 24 ]
3 −13
𝑥4 7
Comprobación:
2𝑋1 + 𝑋2 − 𝑋3 = −9
-46+24+13
-22+13=-9
Ejemplo 11.1.
Dado el sistema 𝐴 ∗ 𝑥 = 𝑏 se tiene lo siguiente:
(2) 𝑥1 + 3𝑥2 + 𝑥3 + 𝑥4 = 5
(3) 𝑥1 + 𝑥2 + 2𝑥3 + 𝑥4 + 𝑥5 = 5
(4) 𝑥2 + 2 𝑥3 + 𝑥4 + 𝑥5 = 4
(5) 2 𝑥3 + 𝑥4 + 2𝑥5 = 5
Paso 1
Del sistema original 𝐴 ∗ 𝑥 = 𝑏 expresando en la forma 𝐴 ∗ 𝑥̅ = 𝑏
(1) 2𝑥
̅̅̅1 + 3𝑥
̅̅̅2 + ̅̅̅̅
𝑥3 = 3
(2) 𝑥1 + 3𝑥
̅̅̅ ̅̅̅2 + ̅̅̅̅
𝑥3 + ̅̅̅
𝑥4 = 5
(3) 𝑥1 +
̅̅̅ 𝑥2 + 2𝑥
̅̅̅ ̅̅̅3 + ̅̅̅
𝑥4 + ̅̅̅̅
𝑥5 = 5
(4) 𝑥2 + 2̅̅̅̅
̅̅̅ 𝑥3 + ̅̅̅
𝑥4 + ̅̅̅
𝑥5 = 4
(5) 2̅̅̅̅
𝑥3 + ̅̅̅
𝑥4 + 2𝑥
̅̅̅5 = 5
Sea 𝑥1 = 0
̅̅̅ 𝑥2 = 1 ( Uno de ellos debe ser diferente de cero y el otro debe ser cero )
̅̅̅
De ( 1 ), ( 2 ), ( 3 ) se obtiene 𝑥3 = 0 ,
̅̅̅ 𝑥4 = 2 ,
̅̅̅ 𝑥5 = 2
̅̅̅
De ( 4 ) como NO existe 𝑥6
̅̅̅ se hace lo siguiente
𝑥2 + 2̅̅̅̅
̅̅̅ 𝑥3 + ̅̅̅
𝑥4 + ̅̅̅
𝑥5 = 4 + 𝑅1 entonces 𝑅1 = 1
De ( 5 ) como NO existe 𝑥7
̅̅̅ se hace lo siguiente
2̅̅̅̅
𝑥3 + ̅̅̅
𝑥4 + 2𝑥
̅̅̅5 = 5 + 𝑅2 entonces 𝑅2 = 1
𝑅1 1
Entonces 𝑅=[ ]=[ ]
𝑅2 1
Se tiene ̂1 = ( 0 , 1 , 0 , 2 , 2 )𝑇
𝑥
(1) 2𝑥
̿̿̿̿
1 + 3𝑥
̿̿̿2 + ̿̿̿̿
𝑥3 = 0
(2) 𝑥1 + 3𝑥
̿̿̿ ̿̿̿2 + ̿̿̿̿
𝑥3 + ̿̿̿
𝑥4 = 0
(3) 𝑥1 +
̿̿̿ 𝑥2 + 2𝑥
̿̿̿ ̿̿̿3 + ̿̿̿
𝑥4 + ̿̿̿̿
𝑥5 = 0
(4) 𝑥2 + 2̿̿̿̿
̿̿̿ 𝑥3 + ̿̿̿
𝑥4 + ̿̿̿
𝑥5 = 0
(5) 2̿̿̿̿
𝑥3 + ̿̿̿
𝑥4 + 2𝑥
̿̿̿5 = 0
Sea 𝑥1 = 1
̿̿̿ 𝑥2 = 2 ( dos números cualesquiera )
̿̿̿
De ( 1 ), ( 2 ), ( 3 ) se obtiene 𝑥3 = −8 ,
̿̿̿ 𝑥4 = 1 ,
̿̿̿ 𝑥5 = 12
̿̿̿
De ( 4 ) como NO existe 𝑥6
̿̿̿ se hace lo siguiente
𝑥2 + 2̿̿̿̿
̿̿̿ 𝑥3 + ̿̿̿
𝑥4 + ̿̿̿
𝑥5 = 0 + 𝑆1 entonces 𝑆1 = −1
De ( 5 ) como NO existe 𝑥7
̿̿̿ se hace lo siguiente
2̿̿̿̿
𝑥3 + ̿̿̿
𝑥4 + 2𝑥
̿̿̿5 = 0 + 𝑆2 entonces 𝑆2 = 9
𝑆1 −1
Entonces 𝑆=[ ]=[ ]
𝑆2 9
Se tiene ̂2 = ( 1 , 2 , −8 , 1 , 12 )𝑇
𝑥
(1) ̿̿̿̿
2𝑥 ̿̿̿
̅̅̅2 + ̿̿̿̿
̅̅̅1 + 3𝑥 ̅̅̅̅
𝑥3 = 0
(3) ̿̿̿
𝑥1 +
̅̅̅ ̿̿̿ ̿̿̿
̅̅̅3 + ̿̿̿
𝑥2 + 2𝑥
̅̅̅ 𝑥4 + ̿̿̿̿
̅̅̅ ̅̅̅̅
𝑥5 = 0
(5) 2̿̿̿̿
𝑥3 + ̿̿̿
̅̅̅̅ ̿̿̿
𝑥4 + 2𝑥
̅̅̅ ̅̅̅5 = 0
Sea ̿̿̿
𝑥1 = 2
̅̅̅ ̿̿̿
𝑥2 = 1
̅̅̅
De ( 1 ), ( 2 ), ( 3 ) se obtiene ̿̿̿
𝑥3 = −7 ,
̅̅̅ ̿̿̿
𝑥4 = 2 ,
̅̅̅ ̿̿̿
𝑥5 = 9
̅̅̅
̿̿̿
𝑥2 + 2̿̿̿̿
̅̅̅ 𝑥3 + ̿̿̿
̅̅̅̅ 𝑥4 + ̿̿̿
̅̅̅ 𝑥5
̅̅̅ = 0 + 𝑇1 entonces 𝑇1 = −2
̿̿̿̿
2̅̅̅̅ ̿̿̿
𝑥3 + ̅̅̅ ̿̿̿5
𝑥4 + 2𝑥
̅̅̅ = 0 + 𝑇2 entonces 𝑇2 = 6
𝑇1 −2
Entonces 𝑇=[ ]=[ ]
𝑇2 6
Se tiene ̂3 = ( 2 , 1 , −7 , 2 , 9 )𝑇
𝑥
Paso 4 𝑅 = 𝛼𝑆 + 𝛽𝑇
𝑅1 𝑆 𝑇
[ ] = 𝛼[ 1 ]+ 𝛽[ 1 ]
𝑅2 𝑆2 𝑇2
1 −1 −2
[ ] = 𝛼[ ]+ 𝛽[ ]
1 9 6
2 5
Entonces 𝛼 = 3
𝛽=− 6
La solución 𝑥 = 𝑥
̂1 − 𝛼𝑥
̂2 − 𝛽𝑥
̂3
2 5
𝑥 = ( 0 , 1 , 0 , 2 , 2 )𝑇 − ( 1 , 2 , −8 , 1 , 12 )𝑇 + ( 2 , 1 , −7 , 2 , 9 )𝑇
3 6
1 1 3 𝑇
𝑥 = ( 1 , ,− ,3 , )
2 2 2
1 1 3
Es decir 𝑥1 = 1 𝑥2 = 2 𝑥3 = − 2 𝑥4 = 3 𝑥5 = 2
Ejemplo 11.2.
Dado el sistema 𝐴 ∗ 𝑥 = 𝑏 resolver el siguiente sistema pentadiagonal
2x3 + x4 + 7 x5 = 15 EC(5)
De Ec(1) despejar X 3 → X3 = 5
pues 0 + 3(1) + x3 = 8
De Ec(2) despejar X4 → X4 = −7
De Ec(3) despejar X5 → X5 = 16
x2 + 4x3 + 2x4 + x5 = 19 + R1
2x3 + x4 + 7x5 = 15 + R 2
R= [−45
100
], como R ≠ 0; A. x̂1 = b + R
Se tiene:
𝑥1 0
𝑥2 1
𝑥3 5
𝑥1 =
̂ = ó x̂1 =( x1 , x2 , x3 , x4 , x5 )t
𝑥4 −7
𝑥5 16
[ ] [ ]
P-2:
̿̿̿1 + 3X
2X ̿̿̿2 + X
̿̿̿3 = 0 Ec(1)
̿̿̿1 + 2X
3X ̿̿̿2 + 4X
̿̿̿3 + ̿̿̿
X4 = 0 Ec(2)
̿̿̿ ̿̿̿3 + 2X
X2 + 4X ̿̿̿4 + ̿̿̿
X5 = 0 Ec(4)
̿̿̿3 + ̿̿̿
2X ̿̿̿5
X4 + 7X = 0 Ec(5)
̿̿̿5 ; → 𝑋
De Ec(3) despejar X ̿̿̿5= −505
2x̿̿̿3 + ̿̿̿
x4 + 7x̿̿̿5 = 0 + s2 ; → s2 = −3445
10
20
1445
x̂2 =
−80
250
S= [−3445 ]
−505
[ ]
2̿̿̿
̅̅̅ ̿̿̿ ̿̿̿
̅̅̅2 + X
X1 + 3X ̅̅̅3 = 0 Ec(1)
̿̿̿ + 2X
̅̅̅
3X ̿̿̿ + 4X
̅̅̅ ̿̿̿ + ̅̅̅
̅̅̅ ̿̿̿
X4 = 0 Ec(2)
1 2 3
̿̿̿
̅̅̅ ̿̿̿
̅̅̅2 + ̿̿̿
X1 + 4X X3 + 4 ̿̿̿
̅̅̅ ̅̅̅ ̿̿̿
̅̅̅5
X4 + 2X = 0 Ec(3)
̿̿̿
̅̅̅ ̿̿̿ + 2X
̅̅̅
X2 + 4X ̿̿̿
̅̅̅4 + ̿̿̿
̅̅̅
X5 = 0 Ec(4)
3
̿̿̿
̅̅̅3 +
2X ̿̿̿
̅̅̅ ̿̿̿
̅̅̅5 = 0
X 4 + 7X Ec(5)
Sea ̿̿̿
̅̅̅
X1 = 20 ⋀ ̿̿̿= 10
̅̅̅
X 2
̿̿̿ + 2X
̅̅̅
3X ̿̿̿ + 4X
̅̅̅ ̿̿̿ + ̅̅̅
̅̅̅ ̿̿̿
X4 = 0
1 2 3
̿̿̿4 = 0
3(20) + 2(10) + 4(−70) + X
̿̿̿
̅̅̅ ̿̿̿ + ̿̿̿
̅̅̅
X1 + 4X ̅̅̅ ̿̿̿ + 2X
̅̅̅
X3 + 4X ̿̿̿ = 0
̅̅̅
2 4 5
̿̿̿
̅̅̅5 = 0
20 + 4(10) + (−70) + 4(200) + 2X
̿̿̿
̅̅̅ ̿̿̿ +2X
̅̅̅
X2 + 4X ̿̿̿ + ̅̅̅
̅̅̅ ̿̿̿
X5 = 0 + T1 → T1 = 1925
3 4
̿̿̿ + ̅̅̅
̅̅̅
2X ̿̿̿ ̿̿̿ = 0 + T
̅̅̅
X4 +7X → T2 = -2705
3 5 2
̿̿̿
̅̅̅
X1
20
̿̿̿
̅̅̅
X2 10
̂3 =
X ̿̿̿
̅̅̅
X3 = −70
̿̿̿
̅̅̅ 200
X4 [ 395 ]
[ ̿̿̿
̅̅̅
X5 ]
𝑇1 −1925
𝑇=[ ]=[ ]
𝑇2 −2705
A.x̂3 = θ + T
A.x̂1 = b + R
A.x̂2 = 0 + S
A.x̂3 = 0 + T
−45
R – 𝛼𝑆 – 𝛽𝑇 = 0 R= [ ]
100
1445
𝛼𝑆 + 𝛽𝑇 = R S=[ ]
−3445
x1 0 10 20
x2 1 20 10
x3 5 −80 −70
x= = + 0.025992507 + 0.003865364
x4 −7 250 200
x5 16 −505 395
[ ] [ ] [ ] [ ]
x1 0.33723235
x2 1.55850378
x 2.65002396
X= 3 =
x4 0.27119955
x5 1.34696518
[ ] [ ]
Comprobación : Ec(1)
2X1 + 3X2 + X3 = 8
8 = 8 Cumple!!!
La Norma de una matriz 𝐴𝑛×𝑛 es un número real tal que satisface las siguientes condiciones
( 𝑖 ) ‖𝐴‖ ≥ 0
( 𝑖𝑖) ‖𝐴‖ = 0 , 𝑠𝑖 𝐴 = 0
(𝑖𝑖𝑖) ‖𝜏𝐴‖ = |𝜏|‖𝐴‖ , 𝑒𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑟 ‖−𝐴‖ = ‖𝐴‖, 𝑑𝑜𝑛𝑑𝑒 |−1| = 1
(𝑖𝑣) ‖𝐴 + 𝐵‖ ≤ ‖𝐴‖ + ‖𝐵‖
( 𝑣) ‖𝐴𝐵‖ ≤ ‖𝐴‖‖𝐵‖
Principales Normas
-Norma “l”,
2
-Norma “k”, ‖𝐴‖𝑘 = √∑𝑖,𝑗|𝑎𝑖𝑗 |
Ejemplo 1:
−1 −2 3
Sea 𝐴 = [ 4 5 6 ]
7 8 9
𝑥1
𝑥2
Para el vector X = : → ‖𝑋‖𝑚 = max{ |𝑥1 |, |𝑥2 |, … , |𝑥𝑛 | }
.
[ 𝑥𝑛 ]
‖𝑋‖𝑙 = |𝑥1 | + |𝑥2 |+. . +|𝑥𝑛 |
Ejemplo 2:
Dado el sistema 𝐴 ∗ 𝑥 = 𝑏
Despejamos 𝑥1 , 𝑥2 , … 𝑥𝑚
. . .
. . .
. . .
𝑏m 𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑚−1
Xm = − 𝑋1 − 𝑋2 − … … … … − 𝑋𝑚−1
𝑎𝑚𝑚 𝑎𝑚𝑚 𝑎𝑚𝑚 𝑎𝑚𝑚
Dandole forma:
𝑏𝑖
𝛽𝑖 = ; con 𝑎𝑖𝑖 ≠ 0 𝛽 = ( 𝛽1 , 𝛽2 , … , 𝛽𝑚 )𝑡
𝑎𝑖𝑖
0 𝛼12 𝛼1𝑚
⋯ 𝛼2𝑚
𝛼𝑖𝑗 =
𝑎𝑖𝑗 𝛼21 0
𝑎𝑖𝑖 𝛼=[ ]
⋮ ⋱ ⋮
𝛼𝑚1 𝛼𝑚2 ⋯ 0
X = β + αX
0 𝛼12 𝛼1𝑚
𝑋1 𝛽1 ⋯ 𝑋1
𝛼 0 𝛼2𝑚
[ ⋮ ] = [ ⋮ ] + [ 21 ]∗[ ⋮ ]
⋮ ⋱ ⋮
𝑋m 𝛽𝑚 𝛼𝑚1 𝛼𝑚2 𝑋m
⋯ 0
X (k+1) = β + αX (k) , k = 0, 1, 2, … … …
ALGORITMO DE JACOBI:
P-2 Tomando como solución inicial X (0) arbitrario generar la sucesión { X (k) } → X (*) mediante
la relación de recurrencia:
‖𝑥 (𝑘) − 𝑥 (𝑘−1) ‖
(𝑘)
≤ ε = 10−𝑚
‖𝑥 ‖
caso contrario ir al P-2
CONVERGENCIA DE JACOBI
Observación
Para que se cumpla esa condición es necesario que A del sistema original 𝐴 ∗ 𝑥 = 𝑏 sea
diagonalmente dominante, es decir |𝑎𝑖𝑖 | ≥ ∑|𝑎𝑖𝑗 | de su fila y de su columna
Ejemplo 12.1.1.
Sea el sistema siguiente:
(1) 5𝑥1 + 𝑥2 + 𝑥3 = 1
(2) 𝑥1 + 5𝑥2 + 𝑥3 = 2 Con 𝜀 = 10−1
(3) 𝑥1 + 𝑥2 + 5𝑥3 = 1
Obs. Para que se cumpla ‖𝛼‖ ≤ 1 es necesario que del sistema 𝐴 ∗ 𝑥 = 𝑏 , A sea
diagonalmente dominante.
1 1 1
De (1) → X1: + 0 − 𝑥 − 𝑥
5 5 2 5 3
2 1 1
(2) → X2: − 𝑥 + 0 − 5 𝑥3
5 5 1
1 1 1
(3) → X3: − 𝑥 − 𝑥 + 0
5 5 1 5 2
Entonces
∃{ 𝑥 𝑘 } → 𝑥 ∗
𝑥 ( 𝑘+1 ) = 𝛽 + 𝛼 ∗ 𝑥 (𝑘) 𝑘 = 0, 1, 2, …
‖ 𝑥 (𝑘+1 ) − 𝑥 (𝑘 ) ‖
Si ≤ 𝜀 entonces 𝑥 (𝑘+1 ) es solución con 𝜀
‖𝑥 (𝑘 ) ‖
0.12
𝑥 ( 2 ) = [ 0.368 ]
0.12
0.04
‖ [ 0.048 ] ‖
‖ 𝑥 (2 ) − 𝑥 (1 ) ‖ 0.04 0.048
= = = 0.13 ≤ 10−1 ( 𝑛𝑜 𝑐𝑢𝑚𝑝𝑙𝑒 )
‖𝑥 (2 ) ‖ 0.12 0.368
‖ [ 0.368 ] ‖
0.12
Sea el sistema 𝐴 ∗ 𝑥 = 𝑏
Donde:
𝑎11 𝑎12 … 𝑎1𝑚
𝑎 𝑎22 … 𝑎2𝑚
A = [ 21
⋮ ⋮ ⋱ ⋮
]
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑚
( D + L + U )X = b
DX + ( L + U ) X = b
DX = b – ( L + U ) X
X = D-1b – D-1( L + U ) X
Si el método de Jacobi es X = β + αX
Su relación de recurrencia es
𝐴∗𝑥 =𝑏
(𝐷+𝐿+𝑈)∗𝑥 = 𝑏
−1 −1
Entonces 𝑥 = 𝐷 ∗ 𝑏 + −𝐷 ∗ ( 𝐿 + 𝑈 ) ∗ 𝑥
⏟ ⏟
𝛽 𝛼
5 1 1 𝑥1 1
[1 5 𝑥
1]∗[ 2] = [2]
1 1 5 𝑥3 1
5 0 0 0 0 0 0 1 1
5 1 1 1
[0 5 0] [1 0 1]+ [0 0 1]
𝐴=[1 5 1]= + con 𝑏 =[2]
0 0 5 1 1 0 0 0 0
1 1 5 ⏟ ⏟ ⏟ 1
𝐷 𝐿 𝑈
5 0 0 0 1 1
Entonces 𝐷 =[0 5 0] 𝐿+𝑈 = [1 0 1]
0 0 5 1 1 0
0 −0.2 −0.2
Entonces 𝛼 = [ −0.2 0 −0.2 ]
−0.2 −0.2 0
Ejemplo 12.1.2.
CONVERGENCIA DE JACOBI
Observación
𝑎11 = 20 ≥ 1 + 1 de su columna
𝑎22 = 20 ≥ 1 + 2 de su fila
𝑎22 = 20 ≥ 0 + 9 de su columna
4 1 2
x2 = - 𝑥1 + 0 - 𝑥3
20 20 20
6 1 9
x3 = - 𝑥1 - 𝑥2 + 0
20 20 20
x = β + αx
5
0 0 −
20 0 0 − 0.2
1 2
α= −
20
0 −
20
= [−0.05 0 − 0.1]
1 9 −0.05 − 0.45 0
[ − 20 − 20 0]
5 1 1 1 9
‖𝛼‖∞ = máx.{ 0 + 0 + |− | , | − | + 0 + |− | , |− | + |− | + 0 }
20 20 20 20 20
‖𝛼‖∞ = 0.5 ≤ 1
Para k = 0
Interacción inicial
𝑥 ( 1 ) = 𝛽 + 𝛼 ∗ 𝑥 (0)
Observación es arbitraria
Sea =
= = +
β + α *
Para k = 1
= = +
Donde
= 0.1 +
= 0.2 +
= 0.205
Para k = 2
= = + =
β α*
k =3
= = + =
β α*
= = 0.03289625 < =
(𝐷 + 𝐿 + 𝑈)𝑥 = 𝑏 → 𝐷𝑥 + 𝐿𝑥 + 𝑈𝑥 = 𝑏
Observación:
*Si 𝛼 = −𝐷−1 (𝐿 + 𝑈)
*La relación (𝜃) se puede obtener al igual que Jacobi del sistema 𝐴𝑥 = 𝑏 , de la ecuación
𝑖despejar la variable 𝑥𝑖 , para obtener la Matriz 𝛼.
Paso 2: Para un punto inicial arbitrario 𝑥 (0) generar la sucesión {𝑥 (𝑘) } → 𝑥 (∗) mediante la
siguiente relación:
𝑥 (𝑘) −𝑥 (𝑘−1)
Paso 3: Dejar de iterar si ‖ ‖ ≤ 𝜀 = 10−𝑛 ; caso contrario ir al paso 2.
𝑥 (𝑘)
Observación:
Ejercicios resueltos:
1) Dados:
10 3 1 14 0
𝐴 = ( 2 −10 3 ) , 𝑏 = (−5) , 𝑥 (0) = (0)
1 3 10 14 0
Solución:
Utilizando Gauss-Seidel:
7/5 1.0634
𝑥 (1) = [ 39/50 ] , 𝑥 (2) = [ 1.02048 ]
513/500 0.987516
0.995104 1.00123
𝑥 (3) = [0.995276] , 𝑥 (4) = [ 1.00082 ]
1.00191 0.999632
0.999792 1.00004
𝑥 (5) = [0.999848] , 𝑥 (0) = [ 1.00003 ]
1.00007 0.999988
La tasa de convergencia del método de Gauss-Seidel viene dada por la norma de:
0 3/10 1/10
𝑆 = (𝐿 + 𝐷)−1 𝑈 = [ 0 3/50 −7/25 ]
0 −6/125 37/500
227 2
Cuyas normas son: ‖𝐽‖ 1 = 500 = 0.454 y ‖𝐽‖∝ = = 0.4.
5
3 2 1 1
𝐴 = [2 3 1] , 𝑏 = [ 2]
1 1 3 3
¿Puede resolver este sistema por el método de Gauss-Seidel? ¿Por qué? Si lo puede hacer,
haga solo dos iteraciones a partir de la solución nula y determine la tasa numérica de
convergencia. Además calcula la tasa exacta de convergencia. ¿Cuántas iteraciones
necesitará para alcanzar un error absoluto de 10−5.
Solución:
𝑥 (0) = (0 , 0 , 0)𝑇
𝑥 (1) = (1/3 , 4/9 , 20/27)𝑇
𝑥 (2) − 𝑥 46
‖ (1)
‖= = 0.24
𝑥 −𝑥 189
𝜌( (𝐿 + 𝐷)−1 𝑈 ) = 0.413
NOTA: Calculando con más iteraciones nos acercamos a la tasa teórica, por ejemplo:
𝑥 (10) − 𝑥
‖ ‖ = 0.413
𝑥 (9) − 𝑥
Para alcanzar (en norma infinito) un error absoluto menor que 10−5se requieren 13
iteraciones.
Ejemplo 12.2.1.
Sea el sistema:
Solución:
Analizar su divergencia
20 0 0 0 9 9
D = [ 0 20 0 ] L + U = [2 0 9]
0 0 20 5 9 0
Luego:
α = −D−1 (L + U)
0 −0.45 −0.45
α = [−0.10 0 −0.45]
−0.25 −0.45 0
‖α‖𝑚 = max{ 0.9, 0.55, 0.7 } = 0.9 < 1 Entonces ∃ {𝑥 (𝑘) } → 𝑥 (∗)
0.05 0 0 2 0.1
β = D−1 b = [ 0 0.05 0 ] [ 4 ] = [0.2]
0 0 0.05 6 0.3
k=0
(1)
x1 0
Sea x (0)
= [x2(1) ] = [0]
(1) 0
x3
(1) (1)
x1 0.1 0 0 0 x1 0 −0.45 −0.45 0
(1)
x (1) = [x2 ] = [0.2] + [−0.10 0 0] [x2(1) ] + [0 0 −0.45] [0]
(1) 0.3 −0.25 −0.45 0 (1) 0 0 0 0
x3 x3
(1)
x1 = 0.10
(1) (1)
x2 = 0.2 − 0.1 x1 = 0.2 − 0.1(0.1)
(1)
→ x2 = 0.19
(1)
→ x3 = 0.1895
(1)
x1 0.1
x (1) = [x2(1) ] = [ 0.19 ]
(1) 0.1895
x3
k = 1 : 1era Iteración
(2) (2)
x1 0.1 0 0 0 x1 0 −0.45 −0.45 0.1
(2)
x (2) = [x2 ] = [0.2] + [−0.10 0 0] [x2(2) ] + [0 0 −0.45] [ 0.19 ]
(2) 0.3 −0.25 −0.45 0 (2) 0 0 0 0.1895
x3 x3
(2)
x1 = −0.070775
(2)
→ x2 = 0.114725 − 0.1(−0.0707755) = 0.1218025
(1)
→ x3 = 0.262882625
(2)
x1 −0.070775
x (2) = [x2(2) ] = [ 0.1218025 ]
(2) 0.262882625
x3
k = 2: 2da Iteración
(3) (3)
x1 0.1 0 0 0 x1 0 −0.45 −0.45 −0.070775
(3) (3)
x (3) = [x2 ] = [0.2] + [−0.10 0 0] [ x 2 ] + [ 0 0 −0.45] [ 0.1218025 ]
(3) 0.3 −0.25 −0.45 0 (3) 0 0 0 0.262882625
x3 x3
−0.073108306
(3)
x (3) = [ 0.081702819 − 0.1x1 ]
(3) (3)
0.3 − 0.25x1 − 0.45x2
(3)
→ x1 = −0.073108306
(3)
→ x2 = 0.089013649
(3)
→ x3 = 0.278220934
−0.073108306
x (3) = [ 0.089013649 ]
0.278220934
k = 3: 3era Iteración
(4) (4)
x1 0.1 0 0 0 x1 0 −0.45 −0.45 −0.073108306
(4)
x (4) = [x2 ] = [0.2] + [−0.10 0 0] [x2(4) ] + [0 0 −0.45] [ 0.089013649 ]
(4) 0.3 −0.25 −0.45 0 (4) 0 0 0 0.278220934
x3 x3
(4)
→ x1 = −0.065255562
(3)
→ x2 = 0.081326136
(3)
→ x3 = 0.279717129
−0.065255562
x (4) = [ 0.081326136 ]
0.279717129
0.007852744
max อ0.007687513อ
‖x (4) − x (3) ‖ 0.0014
= = 0.028 < 0.1
‖x (4) ‖ 0.065255562
max อ0.081326136อ
0.279717129
Ejemplo 12.2.2.
Sea el sistema:
15x1 + 0x2 + 0x3 = 2
Analizar su divergencia
Hallar su solución con 𝜀 = 10−1
Solución:
Analizar su divergencia
15 0 0 0 0 0
𝐷=[0 15 0 ] 𝐿 + 𝑈 = [7 0 1]
0 0 15 0 9 0
Luego:
𝛼 = −𝐷−1 (𝐿 + 𝑈)
−1/15 0 0 0 0 0 0 0 0
𝛼=[ 0 −1/15 0 ] [7 0 1] = [ −7/15 0 −1/15]
0 0 −1/15 0 9 0 0 −9/15 0
9
‖𝛼‖𝑚 = 𝑚𝑎𝑥{0, 8/15, 9/15 } = < 1 entonces ∃{ 𝑥 (𝑘) } → 𝑥 (∗)
15
1/15 0 0 2 2/15
−1
𝛽 = 𝐷 𝑏 = [ 0 1/15 0 ] [4] = [4/15]
0 0 1/15 6 6/15
𝒌=𝟎
(1)
0 𝑥1
Sea 𝑥 (0) = [𝑥2(1) ] = [0]
(1) 0
𝑥 3
(1)
→ 𝑥 = 𝐷 𝑏 + [−𝐷−1 𝐿][𝑥 (1) ] + [−𝐷−1 𝑈]𝑥 (0)
−1
(1) (1)
𝑥1 2/15 0 0 0 𝑥1 0 0 0 0
(1)
𝑥 (1) = [𝑥2 ] = [4/15] + [−7/15 0 0] [𝑥2(1) ] + [0 0 −1/15] [0]
(1) 6/15 0 −9/15 0 (1) 0 0 0 0
𝑥3 𝑥3
(1) 2 2
𝑥1 = +0=
5 15
(1) 4 7 2
𝑥2 = − 𝑥 = 0.204444
15 15 15
(1)
→ 𝑥2 = 0.2044444444
(1) 6 9
→ 𝑥3 = − 𝑥0.2044444444 = 0.277333334
15 15
0.13333
(1)
𝑥 =[ 0.204 ]
0.277333334
𝒌 = 𝟏 : 1era Iteración
(2) (2)
𝑥1 2/15 0 0 0 𝑥1 0 0 0 0.13
(2)
𝑥 (2) = [𝑥2 ] = [4/15] + [−7/15 0 0] [𝑥2(2) ] + [0 0 −1/15] [ 0.204 ]
(2) 6/15 0 −9/15 0 (2) 0 0 0 0.2773
𝑥3 𝑥3
(2) 2 2
𝑥1 = +0= = 0.1333
5 15
(2) 4 7 2 1
→ 𝑥2 = − . − (0.2773) = 0.1862209
15 15 15 15
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 82
UNMSM MÉTODOS NUMÉRICOS
(2) 6 9
𝑥3 = − (0.1862209) = 0.28826746
15 15
(2)
→ 𝑥3 = 0.28826746
0.1862209
𝑥 (2) = [0.28826746]
0.28826746
𝒌 = 𝟐: 2da Iteración
(3) (3)
𝑥1 2/15 0 0 0 𝑥1 0 0 0 0.133
(3) (3) (3)
𝑥 = [𝑥2 ] = [4/15] + [−7/15 0 0] [𝑥2 ] + [0 0 −1/15] [ 0.1862209 ]
(3) 6/15 0 −9/15 0 (3) 0 0 0 0.28826746
𝑥3 𝑥3
(3) 2
→ 𝑥1 = = 0.1333
15
(3) 4 7 2 1
→ 𝑥2 = − . − (0.28826746) = 0.185216089
15 15 15 15
(3) 4 9
→ 𝑥3 = − (0.185216089) = 0.288570347
15 15
1.333
(3)
𝑥 = [0.185216089]
0.288570347
‖𝑥 (3) − 𝑥 (2) ‖
= 0.0025026510
‖𝑥 (3) ‖
Ejemplo 12.2.3.
Sea el sistema:
Analizar su divergencia
Hallar su solución con 𝜀 = 10−1
Solución:
Analizar su divergencia
20 0 0 0 9 9
𝐷=[0 20 0] 𝐿 + 𝑈 = [2 0 9]
0 0 20 5 9 0
Luego:
𝛼 = −𝐷−1 (𝐿 + 𝑈)
0 −0.45 −0.45
𝛼 = [−0.10 0 −0.45]
−0.25 −0.45 0
0.05 0 0 2 0.1
𝛽 = 𝐷−1 𝑏 = [ 0 0.05 0 ] [4] = [0.2]
0 0 0.05 6 0.3
𝑘=0
(1)
𝑥1 0
Sea 𝑥 (0) = [𝑥2(1) ] = [0]
(1) 0
𝑥 3
(1) (1)
𝑥1 0.1 0 0 0 𝑥1 0 −0.45 −0.45 0
𝑥 (1) = [𝑥2(1) ] = [0.2] + [−0.10 0 0] [𝑥2(1) ] + [0 0 −0.45] [0]
(1) 0.3 −0.25 −0.45 0 𝑥 (1) 0 0 0 0
𝑥 3 3
(1)
𝑥1 = 0.10
(1) (1)
𝑥2 = 0.2 − 0.1 𝑥1 = 0.2 − 0.1(0.1)
(1)
→ 𝑥2 = 0.19
(1)
→ 𝑥3 = 0.1895
(1)
𝑥1 0.1
𝑥 (1)
= [𝑥2(1) ] = [ 0.19 ]
(1) 0.1895
𝑥3
𝒌 = 𝟏 : 1era Iteración
(2) (2)
𝑥1 0.1 0 0 0 𝑥1 0 −0.45 −0.45 0.1
(2) (2) (2)
𝑥 = [𝑥2 ] = [0.2] + [−0.10 0 0] [𝑥2 ] + [0 0 −0.45] [ 0.19 ]
(2) 0.3 −0.25 −0.45 0 𝑥 (2) 0 0 0 0.1895
𝑥 3 3
(2)
𝑥1 = −0.070775
(2)
→ 𝑥2 = 0.114725 − 0.1(−0.0707755) = 0.1218025
(1)
→ 𝑥3 = 0.262882625
(2)
𝑥1 −0.070775
𝑥 (2) = [𝑥2(2) ] = [ 0.1218025 ]
𝑥
(2) 0.262882625
3
𝒌 = 𝟐: 2da Iteración
(3) (3)
𝑥1 0.1 0 0 0 𝑥1 0 −0.45 −0.45 −0.070775
(3) (3) (3)
𝑥 = [𝑥2 ] = [0.2] + [−0.10 0 0] [𝑥2 ] + [0 0 −0.45] [ 0.1218025 ]
(3) 0.3 −0.25 −0.45 0 (3) 0 0 0 0.262882625
𝑥3 𝑥3
−0.073108306
(3)
𝑥 (3)
= [ 0.081702819 − 0.1𝑥1 ]
(3) (3)
0.3 − 0.25𝑥1 − 0.45𝑥2
(3)
→ 𝑥1 = −0.073108306
(3)
→ 𝑥2 = 0.089013649
(3)
→ 𝑥3 = 0.278220934
−0.073108306
(3)
𝑥 = [ 0.089013649 ]
0.278220934
𝒌 = 𝟐: 3era Iteración
(4) (4)
𝑥1 0.1 0 0 0 𝑥1 0 −0.45 −0.45 −0.073108306
(4) (4)
𝑥 (4) = [𝑥2 ] = [0.2] + [−0.10 0 0] [𝑥2 ] + [0 0 −0.45] [ 0.089013649 ]
(4) 0.3 −0.25 −0.45 0 (4) 0 0 0 0.278220934
𝑥3 𝑥3
(4)
→ 𝑥1 = −0.065255562
(3)
→ 𝑥2 = 0.081326136
(3)
→ 𝑥3 = 0.279717129
−0.065255562
𝑥 (4) = [ 0.081326136 ]
0.279717129
0.007852744
𝑚𝑎𝑥 อ0.007687513อ
‖𝑥 (4) − 𝑥 (3) ‖ 0.0014
= = 0.028 < 0.1
‖𝑥 (4) ‖ 0.065255562
𝑚𝑎𝑥 อ0.081326136อ
0.279717129
13. INTERPOLACIÓN
Supongamos que se conoce f0 , f1, f2, …….fn valores correspondientes a X0, X1, X2, ….., Xn
valores independientes de una variable independiente X.( X0<X1<…<Xn) entonces tenemos
dos tipos de interpolación.
(X0,f0
)
(XP,fP)
Xo XP X1 X
INTERPOLACIÓN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON – REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados Interpolación consiste, en dado un valor no
considerado 𝑥𝑝 , en la tabla, se debe hallar su imagen 𝑓𝑝 . Hay dos tipos de Interpolación.
Se utiliza cuando se desea interpolar un valor 𝑥𝑝 dado al principio de la tabla o 1𝑒𝑟 sector de la tabla.
Utiliza la siguiente fórmula.
𝑥𝑝 −𝑥0
Donde 𝑃= , 𝑥𝑝 ∈ [ 𝑥0 , 𝑥1 ] , 𝑃 ∈ [ 0 , 1 ]
h
∆2 ∇2 ∆3 ∇3 ∆4 ∇4 ∆5 ∇ 5
Newton Progresivo 4 8 12 16
Newton Regresivo
Observación:
Si |∆2 𝑓𝑖 |< 4 Se tiene Inter. Directa Lineal y se utiliza la fórmula de N.P. hasta la 1𝑟𝑎 Diferencia, o
sea;
𝑓𝑝 = 𝑓0 + 𝑃 ∆𝑓0
Si |∆3 𝑓𝑖 |< 8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la fórmula de N.P. hasta la 2𝑑𝑎
Diferencia, o sea;
P(P−1)
𝑓𝑝 = 𝑓0 + 𝑃∆𝑓0 + ∆2 𝑓0
2!
Si |∆4 𝑓𝑖 |< 12 Se utiliza IDNL y en la fórmula de NP se utiliza hasta la 3𝑟𝑎 diferencia, osea
P(P−1) P(P−1)(P−2)
𝑓𝑝 = 𝑓0 + 𝑃∆𝑓0 + ∆2 𝑓0 + ∆3 𝑓0
2! 3!
Sol:
𝑥 𝑓(𝑥) ∆ ∆2
1 4
𝑥𝑝 = 1.05 𝑓𝑝 =? 3=∆𝑓0 Como | ∆2 𝑓𝑖 | < 4 se aplica IDL y se
1.1 4.3 0 = ∆2 𝑓0 utiliza 𝑓𝑝 de NP hasta la Diferencia anterior o sea
3 hasta la 1𝑟𝑎 diferencia
1.2 4.6 0
3 | ∆2 𝑓𝑖 | = 0 < 4
1.3 4.9
𝑥𝑝 −𝑥0 1.05−1
𝑃= = = 0.5 → 𝑝 = 0.5 ∈ 〈 0 , 1 〉
h 0.1
x 𝑓(𝑥) = log(𝑥) ∆ ∆2 ∆3
6.2 0.79239 =𝑓0
𝑥𝑝 = 6.36 𝑓𝑝 =? 1279=∆𝑓0
6.4 0.30618 =𝑓1 -43=∆2 𝑓0
1336=∆𝑓1 4
6.6 0.8195 =𝑓2 -39=∆2 𝑓1
1297=∆𝑓2 1
6.8 0.83251 =𝑓3 -38=∆2 𝑓2
1259=∆𝑓3 2
2
7 0.84510 =𝑓4 -36=∆ 𝑓3
1223=∆𝑓4
7.2 0.85733 =𝑓5
𝑥𝑝 − 𝑥0 6.36 − 6.2
𝑃= = = 0.8
h 0.2
P(P − 1) 2
𝑓𝑝 = 𝑓0 +𝑃∆𝑓0 + ∆ 𝑓0
2!
0.8(0.8 − 1)(−0.00043)
𝑓𝑝 = 0.79239 + 0.8(0.01379) + = 0.803458
2!
𝑥𝑝 −𝑥0
Donde 𝑃= , 𝑃∈ 〈−1,0〉 𝑦 𝑥𝑝 = [𝑥−1 , 𝑥0 ]
h
x 𝑓(𝑥) = 𝑒 𝑥 ∇ ∇2 ∇3 ∇4
3 20.08
4.45
3.2 24.53 0.98
5.43 .22
3.4 29.96 1.20 6
6.63 .28
3.6 36.59 1.48 2
8.11 .30
3.8 44.7 1.78
𝑥𝑝 = 3.9 𝑓𝑝 =? 9.89
4.0 54.59
𝑥𝑝 − 𝑥0 3.9 − 4.0
𝑃= = = −0.5
h 0.2
Polinomio de Newton
( 𝑥 − 𝑥0 )(1) ∆𝑓0 ( 𝑥 − 𝑥0 )(2) ∆2 𝑓0 ( 𝑥 − 𝑥0 )(𝑛−1) ∆𝑛−1 𝑓0
𝑓𝑝 = 𝑓0 + + +⋯+
1! ℎ 2! ℎ (𝑛 − 1)! ℎ
Donde
( 𝑥 − 𝑥0 )(1) = 𝑥 − 𝑥0
( 𝑥 − 𝑥0 )(2) = ( 𝑥 − 𝑥0 )( 𝑥 − ( 𝑥0 + ℎ ))
( 𝑥 − 𝑥0 )(𝑛) = [ 𝑥 − 𝑥0 ][ 𝑥 − ( 𝑥0 + ℎ )] … [ 𝑥 − ( 𝑥0 + (𝑛 − 1)ℎ )]
Su formula es:
Su formula es:
𝑓𝑝 = 𝑓0 + 𝛽1 𝛿𝑓1 + 𝛽2 ( 𝛿 2 𝑓0 + 𝛿 2 𝑓1 ) + 𝛽3 𝛿 3 𝑓1 + 𝛽4 ( 𝛿 4 𝑓0 + 𝛿 4 𝑓1 )…
2 2
Donde:
1 1
𝑝( 𝑝 − 1 ) 𝑝( 𝑝 −1)(𝑝 − ) 𝑝( 𝑝 −1)( 𝑝−2)(𝑝− )
2 2
𝛽1 = 𝑝 ; 𝛽2 = ; 𝛽3 = ; 𝛽4 = ; …
2∗2! 3! 2∗4!
𝑥𝑝 − 𝑥0
𝑝=
ℎ
Se aplica si 𝑝 ∈ 〈 0 , 1 〉
Su formula es:
𝑓𝑝 = 𝑓0 𝐸0 + 𝑓1 𝐹0 + 𝐸2 𝛿 2 𝑓0 + 𝐹2 𝛿 2 𝑓1 + 𝐸4 𝛿 4 𝑓0 + 𝐹4 𝛿 4 𝑓1 + …
Donde:
𝑝(𝑝−1)(2−𝑝) 𝑝(𝑝+1)(𝑝−1)(𝑝−2)(𝑝−3)
𝐸0 = 1 − 𝑝 ; 𝐸2 = ; 𝐸4 = ; …
3! 5!
(𝑝+2)(𝑝+1)𝑝(𝑝−1)(𝑝−2)
𝐹0 = 𝑝 ; 𝐹2 = 𝑝(𝑝 + 1)(𝑝 − 1) ; 𝐹4 = ; …
5!
Ejemplos resueltos:
X f(x)=𝑥 3 + 𝑥 2 + x +1 𝛿 𝛿2 𝛿3
0.5 1.875
Como:
𝛿 2 ; No cumple
Entonces hallar: fp
a) Si 𝑥𝑝 = 0.224 ; 𝑓𝑝 =?
Solución a):
Se sabe que:
𝑥0 = 0.2
𝑥1 = 0.3
Entonces:
𝑥𝑝 − 𝑥0 0.224 − 0.2
𝑝= = = 0.24 ∈ 〈0,1 /2〉
ℎ 0.1
Como:
1
𝑝∈〈 0 , 〉 𝑦 | 𝛿 3 𝑓𝑖 | < 60
2
Con calculadora:
𝑓p = 1.285415424
𝑓𝑝 = 𝑓0 𝐸0 + 𝑓1 𝐹0 + 𝐸2 𝛿 2 𝑓0 + 𝐹2 𝛿 2 𝑓1
𝑓p = 0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)
𝑓p = 1.285415424
1
2
.10−𝑛
P-1 Hallar el error de p ( o sea 𝜀𝑝 ) donde 𝜀𝑝 =
𝛿𝑓1/2
(𝑓𝑝 − 𝑓0 )
Donde 𝑝(1) =
𝛿𝑓1/2
𝑝(1)[ 𝑝(1) − 1 ]
o sea de 𝛽2 (1) tal que 𝛽2 (1) =
4
[ 𝛿 2 𝑓0 + 𝛿 2 𝑓1 ]
𝑝(2) = 𝑝(1) − 𝛽2 (1)
𝛿𝑓1/2
[ 𝑝(2) − 1 ]
𝛽2 (2) = 𝑝(2)
4
𝑝(1) → 𝛽2 (1)
𝑝(2) → 𝛽2 (2)
𝑝( 𝑟 − 1) → 𝛽2 ( 𝑟 − 1)
𝑝( 𝑟) → 𝛽2 ( 𝑟)
P-8 Determinar el 𝑥𝑝 = 𝑥0 + 𝑝. ℎ
Ejemplo 13.3.1.1.
En la siguiente tabla si 𝑓𝑝 = 1.11 hallar 𝑥𝑝
1
2
.10−3
P-1 𝜀𝑝 = → 𝜀𝑝 = 0.00174216
𝛿𝑓1/2
(𝑓𝑝 − 𝑓0 ) 1.11−1.099
P-2 𝑝(1) = = → 𝑝(1) = 0.038327526
𝛿𝑓1/2 0.287
𝑝(1)[ 𝑝(1) − 1 ]
P-3 𝛽2 (1) = → 𝛽2 (1) = −0.00921463
4
[ 𝛿 2 𝑓0 + 𝛿 2 𝑓1 ]
P-4 𝑝(2) = 𝑝(1) − 𝛽2 (1)
𝛿𝑓1/2
→ 𝑝(2) = 0.036641248
[ 𝑝(2)−1 ]
P-5 𝛽2 (2) = 𝑝(2) → 𝛽2 (2) = −0.008824666
4
𝑝 ∈ [ 0.034899088 , 0.035383408 ]
(𝑓𝑝 − 𝑓0 )
Donde 𝑝(1) =
𝛿𝑓1/2
𝛿 2 𝑓0 𝛿 2 𝑓1
𝑝(2) = 𝑝(1) − 𝐸2 (1) − 𝐹2 (1)
𝛿𝑓1 𝛿𝑓1/2
2
𝑝( 𝑟 − 1) → 𝐸2 ( 𝑟 − 1) ^ 𝐹2 ( 𝑟 − 1)
𝑝(𝑟) → 𝐸2 (𝑟) ^ 𝐹2 (𝑟)
P-8 Determinar el 𝑥𝑝 = 𝑥0 + 𝑝. ℎ
Ejemplo 13.3.1.2.
En la siguiente tabla si 𝑓𝑝 = 9.1701 hallar 𝑥𝑝
1
2
.10−4
P-1 𝜀𝑝 = entonces 𝜀𝑝 = 7.110352673 ∗ 10−5
𝛿𝑓1/2
(𝑓𝑝 − 𝑓0 ) 9.1707−8.6859
P-2 𝑝(1) = = = 0.6885665529
𝛿𝑓1/2 0.7032
P-3
𝛿 2 𝑓0 𝛿 2 𝑓1
𝑝(2) = 𝑝(1) − 𝐸2 (1) − 𝐹2 (1) = 0.6993679716
𝛿𝑓1 𝛿𝑓1
2 2
f(o)
a0=
(X0-X1)(X0-X2)(X0-X3)………(X0-Xn)
f(1)
a1=
(X1-X0)(X1-X2)(X1-X3)………(X1-Xn)
.
Si X = Xn ; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)……..(Xn-Xn-1)
f(n)
an=
(Xn-X1)(Xn-X2)(Xn-X3)………(Xn-Xn-1)
Polinomio de Lagrange
Donde:
Entonces existe un único polinomio de grado ≤ 𝑛 que pasa por dichos puntos.
DEMOSTRACIÓN
Consideremos
Además:
En general
R ( Xi ) = 0 ∀ i = 0, 1, 2, 3,……n
Entonces.
Entonces R(X) debe ser el polinomio nulo ( el único que tiene más raíces que su
grado)
P(X) = Q(X) , ∀ x ∈ 〈 𝑋0 , 𝑋𝑛 〉
Ahora consideremos
X -1 0 2
Fx 2 1 5
El polinomio P(X) = X2 +1 pasa por estos puntos, también pasa por estos puntos el
polinomio Q(X) = X3 - 2X + 1
¿Contradice el teorema?
No contradice el teorema, ya que el teorema establece que son iguales para aquellos
que tengan grado ≤ 𝑛 = 2 , luego pueden muchos otros de grado >n que sean
diferentes al del grado grado ≤ 𝑛.
Observación:
En el polinomio de Lagrange los puntos (𝑥𝑖 ,𝑓𝑖 ) no necesariamente son igualmente espaciados, es
decir h no es constante.
Para hallar el polinomio de Lagrange se debe hallar los 𝑎𝑖 ; i = 0,1,2, … , n; de la siguiente manera:
Si x=𝑥0
𝑓(𝑥0 )
𝑎0 =
𝑎0 (𝑥0 −𝑥1 )(𝑥0 −𝑥2 )(𝑥0 −𝑥3 )…(𝑥0 −𝑥𝑛 )
Si x = 𝑥1
𝑓(𝑥1 )
𝑎1 =
𝑎0 (𝑥1 −𝑥0 )(𝑥1 −𝑥2 )(𝑥1 −𝑥3 )…(𝑥1 −𝑥𝑛 )
Si x = xn
𝑓(𝑥𝑛 )
𝑎𝑛 =
𝑎0 (𝑥𝑛 −𝑥0 )(𝑥𝑛 −𝑥1 )(𝑥𝑛 −𝑥2 )…(𝑥𝑛 −𝑥𝑛−1 )
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 106
UNMSM MÉTODOS NUMÉRICOS
𝑃(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓𝑖 , 𝑖 = 0, 1, 2, 3, … , 𝑛
Ejemplo: 1
En la siguiente tabla:
Tenemos:
X 𝑓(𝑥)
𝑥0= 0 2
𝑥1= 1 1
𝑥2= 2 2
𝑥3= 4 10
𝑥4= 6 26
a) Solución:
(𝑥−𝑥1 )(𝑥−𝑥2 )(𝑥−𝑥3 )(𝑥−𝑥4 ) (𝑥−𝑥0 )(𝑥−𝑥2 )(𝑥−𝑥3 )(𝑥−𝑥4 ) (𝑥−𝑥0 )(𝑥−𝑥1 )(𝑥−𝑥2 )(𝑥−𝑥4 )
𝑃(𝑥) = ( 𝑓0 + 𝑓
(𝑥1 −𝑥0 )(𝑥1 −𝑥2 )(𝑥1 −𝑥3 )(𝑥1 −𝑥4 ) 1
+( 𝑓2 +
𝑥0 −𝑥1 )(𝑥0 −𝑥2 )(𝑥0 −𝑥3 )(𝑥0 −𝑥4 ) 𝑥2 −𝑥0 )(𝑥2 −𝑥1 )(𝑥2 −𝑥3 )(𝑥2 −𝑥4 )
(𝑥−𝑥0 )(𝑥−𝑥2 )(𝑥−𝑥3 )(𝑥−𝑥4 ) (𝑥−𝑥0 )(𝑥−𝑥1 )(𝑥−𝑥2 )(𝑥−𝑥3 )
𝑓
(𝑥3 −𝑥0 )(𝑥3−𝑥1 )(𝑥3 −𝑥2 )(𝑥3 −𝑥4 ) 3
+ (𝑥 −𝑥 )(𝑥 −𝑥 )(𝑥 −𝑥 )(𝑥 −𝑥 ) 4
𝑓
4 0 4 1 4 2 4 3
𝑃(𝑥) = 2𝑥 3 + 1
b) Solución:
Como: 𝑃(𝑥) = 2𝑥 3 + 1
→ 𝑓( 𝑥𝑝 ) = 3.662
(𝑥 − 𝑥0 )(1) = (𝑥 − 𝑥0 )
(𝑥 − 𝑥0 )(2) = (𝑥 − 𝑥0 )(𝑥 − ℎ − 𝑥0 )
Ejemplo: 2
x 𝑓(𝑥) ∆ ∆2 ∆3
1.1 1.04 =𝑓0
0.04
1.2 1.08=𝑓1 0.01
0.03 -0.02
1.3 1.11=𝑓2 -0.01
0.04
1.4 1.15=𝑓3
(𝑥 − 1.1)(1) = (𝑥 − 1.1)
𝑥3
𝑃(𝑥) = − 0.0165𝑥 2 − 0.0164𝑥 + 1.0684
330
𝑋0 −𝑋1 𝑏−𝑎
ℎ= =
1 1
𝑏
ℎ
∫ 𝑓(𝑋)𝑑𝑥 = (𝑓 + 𝑓1 ) + ℇ
𝑎 2 0
ℎ3
ℇ=− 𝑓 ′′ , m є [X0, X1]
12 (𝑚)
′′ ′′ ′′
Donde 𝑓(𝑚) = max { |𝑓(𝑎) | , |𝑓(𝑏) |}
𝑏−𝑎
ℎ= 2
𝑏
ℎ
∫ 𝑓𝑥 𝑑𝑥 = (𝑓 + 4𝑓1 + 𝑓2 ) + ℇ
𝑎 3 0
ℎ5
ℇ=− 𝑓 𝐼𝑉 , m є [X0, X1]
90 (𝑚)
𝐼𝑉 𝐼𝑉 𝐼𝑉
Donde 𝑓(𝑚) = max { |𝑓(𝑎) | , |𝑓(𝑏) |}
𝑏−𝑎
ℎ=
3
𝑋3
3
∫ 𝑓(𝑥) 𝑑𝑥 = ℎ[𝑓0 + 3𝑓1 + 3𝑓2 + 𝑓3 ] + ℇ
𝑋0 8
3 5 𝐼𝑉
ℇ=− ℎ 𝑓(𝑚)
80
𝐼𝑉 𝐼𝑉 𝐼𝑉
𝑑𝑜𝑛𝑑𝑒 𝑓(𝑚) = max { |𝑓(𝑎) | , |𝑓(𝑏) |}
Ejemplo:
2 ℎ
∫1 𝑋 sin 𝑋 𝑑𝑥 = ( 𝑓0 + 𝑓1 ) + ℇ
2
Solución:
𝑏−𝑎 2−1
ℎ= = =1
1 1
X f(x)
X0=1 f0=0.841471
X0+h=X1=2 f1=1.818595
Determinación del ℇ
Si 𝑓(𝑥) = 𝑋 sin 𝑋
′
𝑓(𝑥) = sin 𝑋 + 𝑋 cos 𝑋
′′
𝑓(𝑥) = 2 cos 𝑋 − 𝑋 sin 𝑋
′′ ′′ ′′
𝑓(𝑚) = max{ |𝑓(1) | , |𝑓(2) |}
′′
𝑓(𝑚) = max{ |0.23| , |2.65| }
ℎ3 ′′ 13
ℇ = − 12 𝑓(𝑚) = − 12 (2.65) = −0.220907377
Entonces
2 ℎ
∫1 𝑋 sin 𝑋 𝑑𝑥 = ( 𝑓0 + 𝑓1 ) + ℇ = 1.109125
2
𝑏−𝑎 2−1 1
ℎ= = = = 0.5
2 2 2
X f(x)
X0=1 f0=0.841471
X0+h=1.5 f1=1.496242
X0+2h=2 f2=1.818595
Determinación del ℇ
′′
Si 𝑓(𝑥) = 2 cos 𝑋 − 𝑋 sin 𝑋
𝐼𝑉
𝑓(𝑥) = −4 cos 𝑋 + 𝑋 sin 𝑋
𝐼𝑉 𝐼𝑉 𝐼𝑉
𝑓(𝑚) = max{ |𝑓(1) | , |𝑓(2) |}
𝐼𝑉
𝑓(𝑚) = max{ 3.4831 }
ℎ5 𝐼𝑉 0.55
ℇ=− 𝑓(𝑚) =− (3.4831) = −0.0012094
90 90
Entonces:
𝑏
ℎ
∫ 𝑓(𝑥) 𝑑𝑥 = (𝑓 + 4𝑓1 + 𝑓2 ) + ℇ = 1.442048
𝑎 3 0
2−1 1
ℎ= = ℇ, es igual al ejemplo anterior
3 3
X f(X)
X0=1 f0=0.841471
X1=4/3 f1=1.295917
X2=5/3 f2=1.659013
X3=2 f3=1.818595
𝐼𝑉
𝑓(𝑚) = max{ 3.4831 }
3 𝐼𝑉 3
ℇ=− ℎ5 𝑓(𝑚) = − 0.335 (3.4831) = −0.0005117
80 80
2
3
∫ 𝑋 sin 𝑋 𝑑𝑥 = ℎ(𝑓0 + 3𝑓1 + 3𝑓2 + 𝑓3 ) + ℇ = 1.42568923
1 8
𝑏−𝑎
ℎ=
𝑚
Demostración:
𝑋1 ℎ
∫𝑋 𝑓(𝑋)𝑑𝑥 = (𝑓0 + 𝑓1 ) + ℇ1
0 2
𝑋2
ℎ
∫ 𝑓(𝑋)𝑑𝑥 = (𝑓 + 𝑓2 ) + ℇ2
𝑋1 2 1
𝑋3 ℎ
∫𝑋 𝑓(𝑋)𝑑𝑥 = (𝑓2 + 𝑓3 ) + ℇ3
2 2
m veces h
…
…
𝑋𝑚
ℎ
∫ 𝑓(𝑋)𝑑𝑥 = (𝑓 + 𝑓𝑚 ) + ℇ𝑚
𝑋𝑚−1 2 𝑚−1
(𝑏 − 𝑎)3 ′′
ℇ=− 𝑓
12𝑚2 (𝑚)
𝑏−𝑎
ℎ=
2𝑚
Demostración:
𝑋2
ℎ
∫ 𝑓𝑥 𝑑𝑥 = (𝑓 + 4𝑓1 + 𝑓2 ) + ℇ1
𝑋0 3 0
𝑋4
ℎ
∫ 𝑓𝑥 𝑑𝑥 = (𝑓 + 4𝑓1 + 𝑓2 ) + ℇ2
𝑋2 3 0
𝑋6
ℎ
∫ 𝑓𝑥 𝑑𝑥 = (𝑓 + 4𝑓1 + 𝑓2 ) + ℇ3
𝑋4 3 0
𝑋𝑚
ℎ …
∫ 𝑓𝑥 𝑑𝑥 = (𝑓 + 4𝑓1 + 𝑓2 ) + ℇ𝑚
𝑋𝑚−2 3 0
𝑿𝒎
𝒉
∫ 𝒇(𝑿)𝒅𝒙 = [(𝒇𝟎 + 𝒇𝒎 ) + 𝟒(𝒇𝟏 + 𝒇𝟑 + 𝒇𝟓 + ⋯ + 𝒇𝒎−𝟏 ) + 𝟐(𝒇𝟐 + 𝒇𝟒 + ⋯ + 𝒇𝒎−𝟐 )] + ℇ
𝑿𝟎 𝟑
ℎ5 𝐼𝑉
ℇ1 = − 𝑓
90 (𝑚)
ℎ5 𝐼𝑉
ℇ2 = − 𝑓(𝑚)
90
…
…
ℎ5 𝐼𝑉 (𝑏 − 𝑎)5 𝐼𝑉
ℇ𝑚 = − 𝑓(𝑚) = 𝑓
90 2880𝑚4 (𝑚)
Ejemplo:
2
∫ Xsin 𝑋 𝑑𝑥
1
𝑏−𝑎 2−1 1
ℎ= = = = 0.2
𝑚 5 5
X f(X)
X0=1 f0
X1=1.2 f1
X2=1.4 f2
X3=1.6 f3
X4=1.8 f4
Es igual al ejemplo
X5=2 f5 del trapecio simple
(𝑏−𝑎)3 ′′ (2−1)3 ′′
ℇ=− 𝑓(𝑚) =− 𝑓(𝑚)
12𝑚2 12∗52
2 ℎ
∫1 𝑓(𝑋)𝑑𝑥 = [(𝑓0 + 𝑓5 ) + 2(𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 )] + ℇ = 1.436070589 + ℇ
2
𝑏−𝑎 2−1 1
ℎ= = =
2𝑚 2∗3 6
X f(X)
X0=1 f0
X1=7/5 f1
X2=8/6 f2
X3=9/6 f3
X4=10/6 f4 Es igual al ejemplo
X5=11/6 f5 de Simpson de 1/3
X6=2 f6=fm
(𝑏 − 𝑎)5 𝐼𝑉 (2 − 1)5 𝐼𝑉
ℇ𝑚 = 𝑓 =− 𝑓
2880𝑚4 (𝑚) 2880 ∗ 34 (𝑚)
2 ℎ
∫1 𝑋 sin 𝑋 𝑑𝑥 = [(𝑓0 + 𝑓6 ) + 4(𝑓1 + 𝑓3 + 𝑓5 ) + 2(𝑓2 + 𝑓4 )] + ℇ = 2.493614005 + ℇ
3
(𝒃 − 𝒂)
𝒉=
𝟑𝒎
𝑿𝒎
𝟑𝒉
∫ 𝒇(𝑿)𝒅𝒙 = [(𝒇𝟎 + 𝒇𝒎 ) + 𝟐(𝒇𝟑 + 𝒇𝟑 + 𝒇𝟔 + ⋯ + 𝒇𝒎−𝟑 ) + 𝟑(𝒇𝟏 + 𝒇𝟐 + 𝒇𝟒 + 𝒇𝟓 … + 𝒇𝒎−𝟐
𝑿𝟎 𝟖
+ 𝒇𝒎−𝟏 )] + ℇ
(𝑏 − 𝑎)5 𝐼𝑉 (𝑏 − 𝑎)5 𝐼𝑉
ℇ =− 𝑓 = 𝑓
6480. 𝑚4 (𝑚) 2880𝑚4 (𝛿)
Ejemplo:
𝜋
2 𝑆𝑒𝑛(𝑥)
∫ 𝑑𝑥
0 𝑥+1
Solución
𝜋
𝑆𝑒𝑛(𝑥) −0 𝜋 𝜋
2
Sea 𝑓(𝑥) = 𝑥+1
ℎ= 3∗3
= 18 Entonces ℎ = 18
𝑥𝑖+1 = 𝑥𝑖 + ℎ
𝑥 𝑓(𝑥)
𝑥0 = 0 𝑓0 = 0
𝜋 𝑓1 = 0.1478444
𝑥1 = 𝑥0 + ℎ =
18
𝜋 𝑓2 = 0.2535236
𝑥2 = 𝑥1 + ℎ =
9
𝜋 𝑓3 = 0.3281703
𝑥3 = 𝑥2 + ℎ =
6
2𝜋 𝑓4 = 0.3785264
𝑥4 = 𝑥3 + ℎ =
9
5𝜋 𝑓5 = 0.4090665
𝑥5 = 𝑥4 + ℎ =
18
𝜋 𝑓6 = 0.4230297
𝑥6 = 𝑥5 + ℎ =
3
7𝜋 𝑓7 = 0.4229553
𝑥7 = 𝑥6 + ℎ =
18
4𝜋 𝑓8 = 0.4109762
𝑥8 = 𝑥7 + ℎ =
9
𝜋 𝑓9 = 0.3889845
𝑥9 = 𝑥8 + ℎ =
2
Determinación de 𝜀
𝑆𝑒𝑛(𝑥)
𝑓(𝑥) =
𝑥+1
1 12 24 4 24
𝑓 𝐼𝑉 (𝑥) = ( − 3
+ 5
) 𝑆𝑒𝑛(𝑥) + ( 2
− ) 𝐶𝑜𝑠(𝑥)
𝑥 + 1 (𝑥 + 1) (𝑥 + 1) (𝑥 + 1) (𝑥 + 1)4
𝜋
𝑓 𝐼𝑉 ( 𝜇 ) = 𝑚𝑎𝑥 { |𝑓 𝐼𝑉 ( 0 )| , |𝑓 𝐼𝑉 ( )| }
2
𝑓 𝐼𝑉 ( 𝜇 ) = 𝑚𝑎𝑥{ 20 , 0.1035639 }
𝜋 5 𝜋 5
(2−0) (2)
𝜀=− 𝑓 𝐼𝑉 ( 𝜇 ) = − (20) = −0.00036439
6480 ∗ 𝑚4 6480 ∗ 34
Entonces
𝜋
2 𝑆𝑒𝑛(𝑥) ℎ
∫ 𝑑𝑥 = ( ( 𝑓0 + 𝑓9 ) + 2. ( 𝑓3 + 𝑓6 ) + 3. (𝑓1 + 𝑓2 + 𝑓4 + 𝑓5 + 𝑓7 + 𝑓8 ) ) + 𝜀
0 𝑥+1 3
𝜋
2 𝑆𝑒𝑛(𝑥)
∫ 𝑑𝑥 = 0.52062043
0 𝑥+1
ER entre la Regla del trapecio y la 1º formula abierta (Integración abierta) “ambas de precisión uno”
porque 𝑓 ′′ (ç) = 0 → 𝐸 = 0
𝑏
Sea 𝐼 ∗ = ∫𝑎 𝑓(𝑥)𝑑𝑥 por dos métodos anteriores se tiene:
I ∗ = I1 + E1 𝑑𝑜𝑛𝑑𝑒:
−ℎ3 𝑖𝑖 𝑏 − 𝑎 3 𝑓 𝑖𝑖
𝐸2 = 𝑓 (ç2), ç2 ∊ (𝑥0 , 𝑥2 ) ó 𝐸1 = − ( ) (ç2), ç2 ∊ (𝑎, 𝑏)
3 2 3
Que se cumple:
I ∗ = I1 + E1 = I2 + E2 … … … . (1)
(𝑏 − 𝑎)3 𝑖𝑖
𝐸1 − 𝑓 (ç1)
= 12 ç1 , ç2 ∊ (𝑎, 𝑏)
𝐸2 (𝑏 − 𝑎)3 𝑖𝑖
(ç2)
24 𝑓
Supongamos que:
E1 24
f ii (ç1) = f ii (ç2) → = → E1 = −2E2 … … … . (2)
E2 12
(2) en (1)
I1 + E1 = I2 + E2
I1 − 2E2 = I2 + E2
I1 − I2 = E2 + 2E2
1
I1 − I2 = 3E2 → 3E2 = (I1 − I2 )
3
(3) en (1)
I ∗ = I 2 + E2
1 1 1
I ∗ = I2 + 3 (I1 − I2 ) = I2 + 3 I1 − 3 I2
1 1
I ∗ = 3 I2 + 3 I2 ó 1 2 … … … … … . (4)
I ∗ = I1 + I2
3 3
b−a
E.R. entre la R. trapecio Simple y la primera formula abierta h = 2
Ejemplo:
𝜋
2 𝑆𝑒𝑛(𝑥)
∫ 𝑑𝑥
0 𝑥+1
Solución
1 2
𝐼∗ = 𝐼1 + 𝐼2
3 3
𝜋 𝑆𝑒𝑛(𝑥)
Sea 𝑎=0 , 𝑏= 2
, 𝑓(𝑥) =
𝑥+1
Calculando 𝑰𝟏
ℎ
𝐼1 = ( 𝑓0 + 𝑓1 ) con ℎ =𝑏−𝑎
2
𝜋 𝜋 𝜋
ℎ = −0 = entonces ℎ=
2 2 2
𝑥 𝑥0 = 𝑎 = 0 𝜋
𝑥1 = 𝑥0 + ℎ =
2
𝑓(𝑥) 𝑓0 = 0 𝑓1 = 0.3889845
𝜋
ℎ 2 ( 0 + 0.3889845 ) = 0.30550771
𝐼1 = ( 𝑓0 + 𝑓1 ) =
2 2
Entonces 𝐼1 = 0.30550771
Calculando 𝑰𝟐
𝜋
𝑏−𝑎 −0 𝜋 𝜋
2
𝐼2 = 2. ℎ. 𝑓1 con ℎ= 2
ℎ= 2
= 4
entonces ℎ= 4
𝑥 𝑥0 = 𝑎 = 0 𝜋 𝜋
𝑥1 = 𝑥1 + ℎ = 𝑥2 = 𝑥1 + ℎ =
4 2
𝑓(𝑥) 𝑓0 𝑓1 = 0.3960499 𝑓2 = 0.3889845
𝜋
𝐼2 = 2. ℎ. 𝑓1 = 2. ( ) . 0.3960499 = 0.62211373
4
Entonces 𝐼2 = 0.62211373
1 2 1 2
Luego 𝐼∗ = 𝐼 + 𝐼 = ∗ 0.30550771 + 3 ∗ 0.62211373 = 0.51657839
3 1 3 2 3
Entonces 𝐼 ∗ = 0.51657839
𝜋
2 𝑆𝑒𝑛(𝑥)
∫ 𝑑𝑥 ≈ 0.51657839
0 𝑥+1
Ejemplo:
3 20
Calcular ∫1 (x 3 − 2x 2 + 7x − 5)dx = 3
→ F(x) = x 3 − 2x 2 + 7x − 5
1 2
Aplicando: 4 es decir: 𝐼 ∗ = 3 𝐼1 + 3 𝐼2
xi = x0 + 1h
i=1 x1 = x0 + 1h = 1 + 1(1) = 2
i=2 x2 = x0 + 2h = 1 + 2(1) = 3
h 2
I ∗ = I1 + E1 = (f0 + f1 ) + E1 = (1 + 25) = 26 = I1
2 2
𝑋0 = 1 1 = 𝑓0
𝑋1 = 3 25 = 𝑓1
I = I2 + E2 = 2hf1
h=
b−a
=
3−1
=1 f(X)
2 2
f1
I = 2(1)(9)
I2 = 18
Aplicando (4)
x0 x1 x2
∗
1 2
I = I1 + I2
3 3
1 2 62 2
I ∗ = 3 (26) + 3 (18) = 3
= 20 3
X 𝑓(𝑥)
𝑋0 = 1 1 = 𝑓0
𝑋1 = 2 9 = 𝑓1
𝑋2 = 3 25 = 𝑓2
b − a 5 1 IV (b − a)5 IV
→ E1 = − ( ) f (£1), £1 ∊ (a, b) → E1 = − f (£1)
2 90 2880
3 b − a 5 1 IV (b − a)5 IV
→ E2 = − ( ) f (£2) =− f (£2), £2 ∊ (𝑎, 𝑏)
80 3 90 6480
∴ 𝑰∗ = 𝑰𝟏 + 𝑬𝟏 = 𝑰𝟐 + 𝑬𝟐 … … (𝟏)`
Sea el siguiente cociente de errores:
(𝑏 − 𝑎)5 𝐼𝑉
𝐸1 − 2880 𝑓 (£1)
= , £1 ≠ £2 𝑦 £1 ^ £2 ∊ (𝑎, 𝑏)
𝐸2 (𝑏 − 𝑎)5 𝐼𝑉
− 6480 𝑓 (£2)
𝐸1 6480 9
Si 𝑓 𝐼𝑉 (£1) = 𝑓 𝐼𝑉 (£2) → 𝐸2
= 2880 → 𝐸1 = 4 𝐸2 … . . (2)`
9 9
(2)’ en (1)’: 𝐼1 + 4 𝐸2 = 𝐼2 + 𝐸2 → 𝐼2 − 𝐼1 = 4 𝐸2 − 𝐸2
5 4
→ 𝐸2 = 𝐼2 − 𝐼1 → 𝐸2 = (𝐼2 −𝐼1 ) … … (3)`
4 5
(3)’ en (1)’:
4
I ∗ = I2 + E2 = I2 + 5 (I2 −I1 )
Ejemplo:
9 4
Aplicando la fórmula I ∗ = 5 I2 − 5 I1 para hallar:
0.8
∫ (0.2 + 25x − 200x 2 + 675x 3 − 900x 4 + 400x 5 )dx
0
Solución:
0.8 − 10
𝑃𝑎𝑟𝑎 𝐼1 : ℎ = = 0.4
2
𝑋𝑖 = 𝑋0 + 𝑖ℎ
𝑋1 = 𝑋0 + 𝑖(0.4)
I1 = 1.36746667
X 𝑓(𝑥)
𝑋𝑖 = 𝑋0 + 𝑖ℎ 𝑋0 0 0.2 𝑓0
𝑋1 0.2667 1.43272438 𝑓1
𝑋1 = 𝑋0 + 𝑖(0.4)
𝑋2 05333 3.48717696 𝑓2
𝑋3 0.8 0.232 𝑓3
x 3ℎ
I2 = ∫x 3 f(x)dx = 8
(𝑓0 + 3𝑓1 + 3𝑓2 + 𝑓3 )
0
0.8−0 0.8
ℎ= 3
= 3
= 0.2667
x3
3
I2 = ∫ f(x)dx = 0.2667(0.2 + 3(1.43272428) + 3(3.48717696) + 0.232)
x0 8
9 4
𝐼 ∗ = 5 𝐼2 − 5 𝐼1
𝐼2 = 1.51917037 → {𝐼 ∗ = 9 (1.51917037) − 4 (1.36746667)}
5 5
𝐼 ∗ = 164053333
Sea:
(𝑏 − 𝑎)3 𝐼𝑉
𝑓 (£1)
−
𝐸1 12𝑛22
= ; 𝑃𝑎𝑟𝑎 £1 ≠ £2 𝑦 £1 ^ £2 ∊ (𝑎, 𝑏)
𝐸2 (𝑏 − 𝑎)3 𝐼𝑉
− 𝑓 (£2)
12𝑛12
Si:
𝐸𝑛2 𝑛1 2 𝑛1 2
𝑓 𝐼𝑉 (£2) = 𝑓 𝐼𝑉 (£1) → = ( ) → 𝐸𝑛2 = ( ) 𝐸𝑛1 … … . (2)′′
𝐸𝑛1 𝑛2 𝑛2
(2)” en (1)”:
𝑛 2
𝐼𝑛1 + 𝐸𝑛1 = 𝐼𝑛2 + (𝑛1 ) 𝐸𝑛1
2
𝑛 2
𝐼𝑛2 − 𝐼𝑛1 = 𝐸𝑛1 − ( 1 ) 𝐸𝑛1
𝑛2
𝑛 2
𝐸𝑛1 [1 − (𝑛1 ) ] = 𝐼𝑛2 − 𝐼𝑛1
2
𝐼𝑛2 −𝐼𝑛1
𝐸𝑛1 = 𝑛 2
… … . (3)′′
1−( 1 )
𝑛2
(3)” en (1)”:
4
𝐸𝑛1 = 𝐼𝑛2 − 𝐼𝑛1 … … . (4)′′
3
(4)” en (1)”
4 4 1
𝐼 ∗ = 𝐼𝑛1 + 𝐸𝑛1 = 𝐼𝑛1 + 3 (𝐼𝑛2 − 𝐼𝑛1 ) = 3 𝐼𝑛2 − 3 𝐼𝑛1
Ejemplo 1:
3
Calcular ∫1 (𝑥 3 − 2𝑥 2 + 7𝑥 − 5)𝑑𝑥 usando “1º dos aplicaciones” (𝑛1 = 2) y despues “cuatro
aplicaciones” (𝑛2 = 4) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
3º aproximacion (que es la mejor).
Solución:
ℎ
𝐼𝑛 = 2 [𝑓0 + 𝑓𝑛 + 2(𝑓1 + 𝑓2 + 𝑓3 + ⋯ + 𝑓𝑛−1 ] + (𝐸)
Se tiene:
𝑛1 = 2 y 𝑛2 = 4
Para:
ℎ
𝐼𝑛 = 2 (𝑓0 + 𝑓𝑛 + 2 ∑𝑛−1
𝑖=1 𝑓𝑖 )
Como
𝑏−𝑎 3−1
𝑛1 = 2 → ℎ= 𝑛1
= 2
=1
1
X 𝑓(𝑥) 𝐼𝑛1 = 2 (1 + 25 + 2(9))
1 1 𝑓0 44
2 9 𝑓1 𝐼𝑛1 = = 22
2
3 2.5 𝑓2
Para:
ℎ
𝐼𝑛 = 2 (𝑓0 + 𝑓𝑛 + 2 ∑𝑛−1
𝑖=1 𝑓𝑖 )
Como
𝑏−𝑎 3−1
𝑛2 = 4 → ℎ= 𝑛2
= 4
= 0.5
X 𝑓(𝑥)
1 1 𝑓0 xi = x0 + ih
1.5 4 𝑓1
2 9 𝑓2 x1 = 1 + 1(0.5)
2.5 15 𝑓3
3 25 𝑓4
x1 = x0 + 1h
0.5 3 5
𝐼𝑛2 = (1 + 25 + 2(4 8 + 9 + 15 8))
2
35 125
𝐼𝑛2 = 0.25 (26 + 2( 8 + ))
8
𝐼𝑛2 = 21
Aplicando:
𝟒 𝟏
𝐈 ∗ = 𝟑 𝐈𝐧𝟐 − 𝟑 𝐈𝐧𝟏
𝟒 𝟏 𝟔𝟐
𝐈 ∗ = 𝟑 (𝟐𝟏) − 𝟑 (𝟐𝟐) = 𝟑
𝟐
𝐈 ∗ = 𝟐𝟎 𝟑
Ejemplo 2:
31
Evaluar ∫1 𝑥 𝑑𝑥 igual a la pregunta anterior.
Solución:
Para:
𝑏−𝑎 3−1
𝑛1 = 2 → ℎ= 𝑛1
= 2
=1
X 𝑓(𝑥) ℎ
𝐼𝑛1 = ∫ 𝑓(𝑥)𝑑𝑥 = (𝑓0 + 𝑓𝑛 + ∑𝑛−1
2 𝑖=1 𝑓𝑖 )
1 1 𝑓0
2 1/2 𝑓1 1 1 1
= (1 + + 2 ( ))
2 3 2
3 1/3 𝑓2
7
𝐼𝑛1 = 6 = 1.166666667
Para:
𝑏−𝑎 3−1
𝑛2 = 4 → ℎ= 𝑛2
= 4
= 0.5
X 𝑓(𝑥)
ℎ
1 1 𝑓0 𝐼𝑛2 = ∫ 𝑓(𝑥)𝑑𝑥 = (𝑓0 + 𝑓𝑛 + ∑𝑛−1
𝑖=1 𝑓𝑖 )
2
1.5 2/3 𝑓1
2 1/2 𝑓2 =
0.5
(1 +
1 1 1
+ 2 ( + + ))
2
2 3 3 2 5
2.5 2.5 𝑓3
3 1/3 𝑓4 67
𝐼𝑛2 = = 1.116666667
66
𝟒 𝟏 𝟒 𝟔𝟕 𝟏 𝟕 𝟔𝟕 𝟕
𝐈 ∗ = 𝟑 𝐈𝐧𝟐 − 𝟑 𝐈𝐧𝟏 = 𝟑 (𝟔𝟎) − 𝟑 (𝟔) = 𝟒𝟓 − 𝟏𝟖
𝐈 ∗ = 𝟏. 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏
Sea
(𝑏 − 𝑎) 5 𝐼𝑉
− 𝑓 (£2)
𝐸𝑛2 2880𝑛24
= ; 𝑃𝑎𝑟𝑎 £1 ≠ £2 𝑦 £1 £2 ∊ (𝑎, 𝑏) … … (2)𝐼𝑉
𝐸𝑛1 (𝑏 − 𝑎)5 𝐼𝑉
− 𝑓 (£1)
2880𝑛14
𝐸𝑛2 𝑛 4 𝑛 4
Si 𝑓 𝐼𝑉 (£1) = 𝑓 𝐼𝑉 (£2) → = ( 1) → 𝐸𝑛2 = ( 1 ) 𝐸𝑛1 … … (2)𝐼𝑉
𝐸𝑛1 𝑛2 𝑛2
(2)𝑖𝑣 𝑒𝑛 (1)𝑖𝑣 ∶
𝑛 4
𝐼𝑛1 + 𝐸𝑛1 = 𝐼𝑛2 + (𝑛1 ) 𝐸𝑛1
2
𝑛 4 𝐼𝑛2 −𝐼𝑛1
→ 𝐼𝑛2 − 𝐼𝑛1 = 𝐸𝑛1 − ( 1 ) 𝐸𝑛1 → 𝐸𝑛1 = 𝑛 4
… … (3)𝑖𝑣
𝑛2 1−( 1 )
𝑛2
Para: 𝑛2 = 2𝑛1
𝐼𝑛2 −𝐼𝑛1 𝐼𝑛2 −𝐼𝑛1
en (3)𝑖𝑣 → 𝐸𝑛1 = 𝑛 4
→ 𝐸𝑛1 = 15
1−( 1 ) 16
𝑛2
16
→ 𝐸𝑛1 = 15 (𝐼𝑛2 − 𝐼𝑛1 ) … … . (4)𝑖𝑣
(4)𝑖𝑣 𝑒𝑛 (1)𝑖𝑣 ∶
16
𝐼 ∗ = 𝐼𝑛1 + 𝐸𝑛1 = 𝐼𝑛1 + 15 (𝐼𝑛2 − 𝐼𝑛1 )
Ejemplo (1):
2
∫1 sin 𝑋 𝑑𝑥 𝑝𝑜𝑟 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝐸. 𝑅.
Para 𝐼1 :
ℎ =2−1=1
X f(X)
X0=1 f0
X1=2 f1
ℎ 1
𝐼1 = 2 (𝑓0 + 𝑓1 ) = 2 (0.8414709 + 0.9092974) = 0.8753841
Para 𝐼2 :
𝑏−𝑎 2−1
ℎ= = = 0.5
2 2
X f(X)
X0=1 f0
X1=1.5 f1
X2=2 f2
Entonces:
1 2 1 2
𝐼 ∗ = 3 𝐼1 + 3 𝐼2 = 0.8753841 + 3 0.99749498 = 0.95679135
3
𝐼 ∗ = 0.95679135
𝑏
Vamos a introducir la 𝑅𝐾 , la aproximacion de la integral 𝐼 = ∫𝑎 𝑓(𝑥)𝑑𝑥 utilizando la regla del
𝑏−𝑎 𝑏−𝑎
Trapecio Compuesto para 𝑛𝐾 = 2𝑘−1 y ℎ𝐾 = = .
𝑛𝑘 2𝑘−2
𝑏−𝑎 𝑏−𝑎
Para: 𝑛𝐾 = 2𝑘−1 y ℎ𝐾 = = ; se sugiere la siguiente tabla:
𝑛𝑘 2𝑘−2
𝑲 1 2 3 4 … n
𝑲−𝟏 1 2 4 8
𝒏𝑲 = 𝟐
𝒃−𝒂 𝑏−𝑎 𝑏−𝑎 𝑏−𝑎 𝑏−𝑎
𝒉𝑲 =
𝒏𝒌 1 2 4 8
𝑅11
𝑅21 𝑅22
(𝑘−1)−1
ℎ𝐾 2
𝑅1𝐾 = ቈ𝑓(𝑎) + 𝑓(𝑏) + 2 ∑ 𝑓(𝑎 + 𝑖ℎ𝐾 )
2 𝑖=1
𝑥1
ℎ1
𝑘=1 ∫ 𝑓(𝑥)𝑑𝑥 = 𝑅11 = (𝑓(𝑎) − 𝑓(𝑏))
𝑥0 2
Obs: Para las demás filas y columnas se sugiere hallar con la siguiente formula
2 𝐾−2
1 1
𝑅𝐾1 = ቈ𝑅(𝐾−1),1 + ℎ𝐾−1 ∑ 𝑓(𝑎 + (𝑖 − )ℎ𝐾−1 )
2 𝑖=1 2
4𝑅𝑘1 − 𝑅𝑘−1,1
𝑅𝑘2 = k = 2,3,…
3
256𝑅𝑘4 − 𝑅𝑘−1,4
𝑅𝑘5 = k = 5,6,…
255
1024𝑅𝑘5 − 𝑅𝑘−1,5
𝑅𝑘6 = k = 6,7,…
1023
Ejercicio 1
𝟎.𝟖
Hallar ∫𝟎 𝒙𝒆𝒙 𝒅𝒙 ; con n=6 por Romberg
Solución:
Tenemos de datos:
a=0
b=0.8
n=6
𝑓(𝑥) = 𝑥𝑒 𝑥
Realizando la tabla
𝑲 1 2 3 4 5 6
𝒏𝑲 = 𝟐𝑲−𝟏 1 2 4 8 16 32
𝒃−𝒂
𝒉𝑲 = 0.8 0.4 0.2 0.1 0.05 0.025
𝒏𝒌
2 𝑘−1
ℎ𝐾
𝑅1𝐾 = ቈ𝑓(𝑎) + 𝑓(𝑏) + 2 ∑ 𝑓(𝑎 + 𝑖ℎ𝐾 )
2 𝑖=1
Cuando K = 1
ℎ1 1−1
𝑅11 = [𝑓(0) + 𝑓(0.8) + 2 ∑2𝑖=1 𝑓(𝑎 + 𝑖ℎ1 )]
2
ℎ1
𝑅11 = [𝑓(0) + 𝑓(0.8)]
2
𝑓(𝑥) = 𝑥𝑒 𝑥
𝑓(0) = 0𝑒 0 = 0
𝑅11 = 0.7121730971
2 𝐾−2
1 1
𝑅𝐾1 = ቈ𝑅(𝐾−1),1 + ℎ𝐾−1 ∑ 𝑓(𝑎 + (𝑖 − )ℎ𝐾−1 )
2 𝑖=1 2
Cuando K = 2
1 2−2 1
𝑅21 = [𝑅(2−1),1 + ℎ2−1 ∑2𝑖=1 𝑓(𝑎 + (𝑖 − 2)ℎ2−1 )] = 0.594777
2
Cuando K = 3
1 3−2 1
𝑅31 = [𝑅(3−1),1 + ℎ3−1 ∑2𝑖=1 𝑓(𝑎 + (𝑖 − 2)ℎ3−1 )] = 0.564899
2
Cuando K = 4
1 4−2 1
𝑅41 = [𝑅(4−1),1 + ℎ4−1 ∑2𝑖=1 𝑓(𝑎 + (𝑖 − 2)ℎ4−1 )] = 0.557395
2
Cuando K = 5
1 5−2 1
𝑅51 = [𝑅(5−1),1 + ℎ5−1 ∑2𝑖=1 𝑓(𝑎 + (𝑖 − 2)ℎ5−1 )] = 0.555517
2
Cuando K = 6
1 6−2 1
𝑅61 = [𝑅(6−1),1 + ℎ6−1 ∑2𝑖=1 𝑓(𝑎 + (𝑖 − 2)ℎ6−1 )] = 0.555047
2
4𝑅𝑘1 −𝑅𝑘−1,1
𝑅𝑘2 =
3
Cuando K = 2
4𝑅21 −𝑅2−1,1
𝑅22 = = 0.555545
3
Cuando K = 3
4𝑅31 −𝑅3−1,1
𝑅32 = = 0.554939
3
Cuando K = 4
4𝑅41 −𝑅4−1,1
𝑅42 = = 0.554893
3
Cuando K = 5
4𝑅51 −𝑅5−1,1
𝑅52 = = 0.554891
3
Cuando K = 6
4𝑅61 −𝑅6−1,1
𝑅62 = = 0.554890
3
16𝑅𝑘2 −𝑅𝑘−1,2
𝑅𝑘3 =
15
Cuando K = 3
16𝑅32 −𝑅3−1,2
𝑅33 = = 0.554891
15
Cuando K = 4
16𝑅42 −𝑅4−1,2
𝑅43 = 15
= 0.554889
Cuando K = 5
16𝑅52 −𝑅5−1,2
𝑅53 = = 0.554890
15
Cuando K = 6
16𝑅62 −𝑅6−1,2
𝑅63 = = 0.554889
15
64𝑅𝑘3 −𝑅𝑘−1,3
𝑅𝑘4 =
63
Cuando K = 4
64𝑅43 −𝑅4−1,3
𝑅44 = = 0.554888
63
Cuando K = 5
64𝑅53 −𝑅5−1,3
𝑅54 = = 0.554890
63
Cuando K = 6
64𝑅63 −𝑅6−1,3
𝑅64 = = 0.554889
63
256𝑅𝑘4 −𝑅𝑘−1,4
𝑅𝑘5 =
255
Cuando K = 5
256𝑅54 −𝑅5−1,4
𝑅55 = = 0.554890
255
Cuando K = 6
256𝑅64 −𝑅6−1,4
𝑅65 = = 0.554889
255
1024𝑅𝑘5 −𝑅𝑘−1,5
𝑅𝑘6 =
1023
Cuando K = 6
1024𝑅65 −𝑅6−1,5
𝑅66 = = 0.554889
1023
0.712173
0.594777 0.55545
I) De un solo paso:
𝑑𝑦
𝑦´ = 𝑓(𝑥, 𝑦) / 𝑦´ = 𝑑𝑥
𝑦(𝑥0 ) = 𝑦0
a) Método de Euler:
Es de la forma:
𝑦𝑖+1 = 𝑦𝑖 + ℎ𝑦´𝑖
O
𝑦𝑖+1 = 𝑦𝑖 + ℎ𝑓(𝑥, 𝑦)
Observación:
Ejemplos resueltos:
1º forma de pregunta
1) Dado:
𝑦´ = 2𝑥𝑦 2
Con:
𝑦(1) = 1
Hallar: 𝑦(1.1)
Solución:
Como: 𝑥0 = 1 , 𝑦0 = 1
Entonces:
Donde:
𝑦1 = 𝑦(1.1) = 𝑦(𝑥1 )
→ 𝑥1 = 1.1
→ ℎ = 𝑥1 − 𝑥0 = 1.1 − 1 = 0.1
ℎ = 0.1
Luego:
𝑦1 = 𝑦0 + ℎ𝑦´0 … (∝)
Donde:
Reemplazando en (∝):
𝑦1 = 𝑦0 + ℎ2𝑥0 𝑦02
𝑦1 = 1 + (0.1)(2)(1)(1)2
𝑦1 = 1.2
𝑦(1.1) = 1.2
2º forma de pregunta
2) Dado:
𝑦´ = 2𝑥𝑦 2
Con:
𝑦(1) = 1
Solución:
𝑏−𝑎 2−1
Como: ℎ= 𝑛
= 4
= 0.25
𝑖 0 1 2 3 4
𝑥𝑖 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4
𝑥1 = 𝑥0 + 1(0.25) = 1.25
𝑥2 = 𝑥0 + 2(0.25) = 1.5
𝑥3 = 𝑥0 + 3(0.25) = 1.75
𝑥4 = 𝑥0 + 4(0.25) = 2
𝑦1 = 𝑦0 + ℎ𝑦´0
𝑦1 = 𝑦0 + ℎ2𝑥0 𝑦02
𝑦1 = 1.2
𝑦2 = 𝑦1 + ℎ2𝑥1 𝑦12
𝑦2 = 2.1
𝑦3 = 𝑦2 + ℎ2𝑥2 𝑦22
𝑦3 = 5.4075
𝑦4 = 𝑦3 + ℎ2𝑥3 𝑦32
𝑦4 = 30.99342422
𝑦5 = 𝑦4 + ℎ2𝑥4 𝑦42
𝑦5 = 991.5857691
Ejemplo :
(a)
1
𝑦 ′ = 𝑥𝑦 𝑐𝑜𝑛 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(1) = 2
2
Hallar 𝑦(1.5)
Solución
𝑦(1) = 2 entonces 𝑥0 = 1 𝑦0 = 2
Formula
𝑦0′
𝑦1 = 𝑦0 + ℎ ∗
1!
i=0
( 𝑥0 , 𝑦0 ) = ( 1, 2 ) calcularé 𝑦0′
1
𝑦0′ = 2 𝑥0 𝑦0 = 1 entonces 𝑦0′ = 1
𝑦0′ (1)
𝑦1 = 𝑦0 + ℎ ∗ 1!
= 2 + (0.5) ∗ 1!
= 2.5 entonces 𝑦1 = 2.5
(b)
1
𝑦 ′ = 𝑥𝑦 𝑐𝑜𝑛 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(1) = 2
2
En 𝑥 ∈ [ 1 , 1.2 ] con 𝑛 = 2
Solución
𝑦(1) = 2 entonces 𝑥0 = 1 𝑦0 = 2
1.2−1
ℎ= 2
= 0.1 entonces ℎ = 0.1 entonces 𝑥𝑖 = 𝑥0 + 𝑖 ∗ ℎ
𝑖 = 0, 1, 2, …
i=0
𝑦0′
( 𝑥0 , 𝑦0 ) = ( 1, 2 ) 𝑦1 = 𝑦0 + ℎ ∗
1!
1
𝑦0′ = 2 𝑥0 𝑦0 = 1 entonces 𝑦0′ = 1
𝑦0′ (1)
𝑦1 = 𝑦0 + ℎ ∗ 1!
= 2 + (0.1) ∗ 1!
= 2.1 entonces 𝑦1 = 2.1
i=1
𝑦1′
( 𝑥1 , 𝑦1 ) = ( 1.1 , 2.1 ) 𝑦2 = 𝑦1 + ℎ ∗
1!
1
𝑦1′ = 𝑥1 𝑦1 = 1.155 entonces 𝑦1′ = 1.155
2
𝑦1′ (1.155)
𝑦2 = 𝑦1 + ℎ ∗ 1!
= 2.1 + (0.1) ∗ 1!
= 2.2155 entonces 𝑦2 = 2.2155
i=2
𝑦2′
( 𝑥2 , 𝑦2 ) = ( 1.2 , 2.2155 ) 𝑦3 = 𝑦2 + ℎ ∗ 1!
1
𝑦2′ = 2 𝑥2 𝑦2 = 1.3293 entonces 𝑦2′ = 1.3293
𝑦2′ (1.3293)
𝑦3 = 𝑦2 + ℎ ∗ = 2.2155 + (0.1) ∗ = 2.34843 entonces 𝑦3 = 2.34843
1! 1!
Es de la siguiente forma:
(𝑘)
ℎ𝑦´𝑖 ℎ2 𝑦𝑖´´ ℎ3 𝑦𝑖´´´ ℎ𝑘 𝑦𝑖
𝑦𝑖+1 = 𝑦𝑖 + + + +⋯ + + 𝜀
1! 2! 3! 𝑘!
Donde:
Ejemplos resueltos:
1º forma de pregunta
Dado:
𝑦 ´ = 𝑥 2 + 𝑦 2 … (∝)
Con:
𝑦(1) = 0
Solución:
Como: 𝑥0 = 1 𝑦 𝑦0 = 0
→ ℎ = 𝑥1 − 𝑥0 = 1.5 − 1 = 0.5
Se requiere hallar:
𝐷𝑒 (∝):
𝑦 ´ = 𝑥 2 + 𝑦 2 … (𝛽)
𝑦0´ = 12 + 02
𝑦0´ = 1
Derivando (𝛽):
𝑦 ´´ = 2𝑥 + 2𝑦𝑦 ´ … (𝜃)
𝑦0´´ = 2
Derivando (𝜃):
𝑦 ´´´ = 2 + 2(𝑦𝑦 ´´ + 𝑦 ´ 𝑦 ´ )
𝑦0´´´ = 4
𝑦1 = 0.8333333 …
𝑦(1.5) = 0.8333333 …
2º forma de pregunta
Dado:
𝑦 ´ = 𝑥 2 + 𝑦 2 … (∝)
Con:
𝑦(1) = 0
Solución:
𝑏−𝑎 2−1
Como: ℎ= = = 0.5
𝑛 2
𝑖 = 0 → 𝑥0 = 𝑥0 + 0ℎ = 1
𝑖 = 1 → 𝑥1 = 𝑥0 + 1ℎ = 1.5
𝑖 = 2 → 𝑥2 = 𝑥0 + 2ℎ = 2
De (∝):
𝑦 ´ = 𝑥 2 + 𝑦 2 …(𝛽)
𝑦1´ = 2.9444444 …
Derivando (𝛽):
𝑦 ´´ = 2𝑥 + 2𝑦𝑦 ´ … (𝜃)
𝑦1´´ = 7.907407405
Derivando (𝜃):
𝑦 ´´´ = 2 + 2(𝑦𝑦 ´´ + 𝑦 ´ 𝑦 ´ )
𝑦1´´´ = 32.5185185
Luego, reemplazando:
𝑦2 = 3.235339504
De (∝):
𝑦 ´ = 𝑥 2 + 𝑦 2 …(𝛽)
𝑦2´ = 22 + 3.2353395042
𝑦2´ = 14.46742171
Derivando (𝛽):
𝑦 ´´ = 2𝑥 + 2𝑦𝑦 ´ … (𝜃)
𝑦2´´ = 97.61404193
Derivando (𝜃):
𝑦 ´´´ = 2 + 2(𝑦𝑦 ´´ + 𝑦 ´ 𝑦 ´ )
𝑦2´´´ = 1052.241714
Luego, reemplazando:
𝑦3 = 44.59250797
𝑘1 = 𝑓( 𝑥𝑖 , 𝑦𝑖 )
1 1
𝑘2 = 𝑓 ( 𝑥𝑖 + ℎ , 𝑦𝑖 + ℎ 𝑘1 )
2 2
1 1
𝑘3 = 𝑓 ( 𝑥𝑖 + ℎ , 𝑦𝑖 + ℎ 𝑘2 )
2 2
𝑘4 = 𝑓( 𝑥𝑖 + ℎ , 𝑦𝑖 + ℎ𝑘3 )
ℎ
𝑦𝑖+1 = 𝑦𝑖 + [ 𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
Donde 𝑖 = 0, 1, 2, …
Ejemplo 1 Dado
2𝑥𝑦 2 + 𝑥 2 𝑦
𝑦′ = 𝑐𝑜𝑛 𝑦(0) = 1 ℎ𝑎𝑙𝑙𝑎𝑟 𝑦(0.1) 𝑝𝑜𝑟 𝑅𝐾4
√𝑥 + 1
Solución
𝑦(0) = 1 entonces 𝑥0 = 0 𝑦0 = 1
i=0
( 𝑥0 , 𝑦0 ) = ( 0 , 1 ) con ℎ = 0.1
𝑘1 = 𝑓( 𝑥0 , 𝑦0 ) = 𝑓( 0 , 1 ) = 0
ℎ ℎ
𝑘2 = 𝑓 ( 𝑥0 + , 𝑦0 + 𝑘1 ) = 𝑓( 0 .05 , 1 ) = 0.10003
2 2
ℎ ℎ
𝑘3 = 𝑓 ( 𝑥0 + , 𝑦0 + 𝑘2 ) = 𝑓( 0 .05 , 1.005 ) = 0.101021
2 2
entonces 𝑦1 = 1.0101
Ejemplo 2 Dado
2𝑥𝑦 2 + 𝑥 2 𝑦
𝑦′ = 𝑐𝑜𝑛 𝑦(0) = 1 𝑒𝑛 𝑥 𝜖 [ 0 , 0.2 ] 𝑐𝑜𝑛 𝑛=2
√𝑥 + 1
Solución
0.2−0
ℎ= 2
= 0.1 entonces ℎ = 0.1 entonces 𝑥𝑖 = 𝑥0 + 𝑖 ∗ ℎ
𝑦(0) = 1 entonces 𝑥0 = 0 𝑦0 = 1
2𝑥𝑦 2 + 𝑥 2 𝑦
𝑓( 𝑥 , 𝑦 ) = 𝑐𝑜𝑛 𝑥𝑖 = 0 + 𝑖 ∗ 0.1 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 = 0, 1, 2, …
√𝑥 + 1
i=0
( 𝑥0 , 𝑦0 ) = ( 0 , 1 ) con ℎ = 0.1
𝑘1 = 𝑓( 𝑥0 , 𝑦0 ) = 𝑓( 0 , 1 ) = 0
ℎ ℎ
𝑘2 = 𝑓 ( 𝑥0 + , 𝑦0 + 𝑘1 ) = 𝑓( 0 .05 , 1 ) = 0.10003
2 2
ℎ ℎ
𝑘3 = 𝑓 ( 𝑥0 + , 𝑦0 + 𝑘2 ) = 𝑓( 0 .05 , 1.005 ) = 0.101021
2 2
entonces 𝑦1 = 1.0101
i=1
ℎ ℎ
𝑘2 = 𝑓 ( 𝑥1 + , 𝑦1 + 𝑘1 ) = 𝑓( 0 .15 , 1.02031 ) = 0.312641
2 2
ℎ ℎ
𝑘3 = 𝑓 ( 𝑥1 + , 𝑦1 + 𝑘2 ) = 𝑓( 0 .15 , 1.02574 ) = 0.315858
2 2
entonces 𝑦2 = 1.0417
i=2
ℎ ℎ
𝑘2 = 𝑓 ( 𝑥2 + , 𝑦2 + 𝑘1 ) = 𝑓( 0 .25 , 1.06341 ) = 0.565173
2 2
ℎ ℎ
𝑘3 = 𝑓 ( 𝑥2 + , 𝑦2 + 𝑘2 ) = 𝑓( 0 .25 , 1.06995 ) = 0.571784
2 2
entonces 𝑦3 = 1.09887
Diferenciación numérica
1 𝑑 2 𝑓𝑝
𝑓𝑝′′ = .
ℎ2 𝑑𝑝
Entonces en general
(𝑛) 1 𝑑 𝑛 𝑓𝑝
𝑓𝑝 = .
ℎ𝑛 𝑑𝑝
Formula 1
Formula 2
Si 𝑋𝑃 = 𝑋0 → P = 0 en formula 1
′
1 ∆2 f0 ∆3 f0 ∆4 f0
f0′ = fX0 = ቈ∆f0 − + − +⋯
h 2 3 4
Formula 3
1 ( 6P 2 − 18P + 11 )∆4 f0
fp′′ = ቈ ∆ 2
f0 + (𝑃 − 1)∆ 3
f0 + +⋯
h2 12!
Formula 4
′′
1 11∆4 f0
f0′′ = fX0 2 3
= 2 ቈ ∆ f0 − ∆ f0 + +⋯
h 12
Formula 5
Formula 6
1 3 18∆4 f0 7∆5 f0
f0′′′ = ቈ∆ f0 − + +⋯
h3 12 4
Formula 7
Formula 8
Si 𝑋𝑃 = 𝑋0 → P = 0 en formula 1
2 3 4
′
1 ∇ f0 ∇ f0 ∇ f0
f0′ = fX0 = [∇f0 + + + +⋯]
h 2 3 4
Formula 9
4
1 2 3 ( 6P 2 + 18P + 11 )∇ f0
fp′′ = 2 ቈ ∇ f0 + (𝑃 + 1)∇ f0 + +⋯
h 12!
Formula 10
4
′′
1 2 3 11∇ f0
f0′′ = fX0 = 2 ቈ ∇ f0 + ∇ f0 + +⋯
h 12
Formula 11
4 5
1 3 ( 12P + 18 )∇ f0 ( 2P 2 + 8P + 7 )∇ f0
fp′′′ = 3 [ ∇ f0 + + +⋯]
h 12 4
Formula 12
1 3 18∇4 f0 7∇5 f0
f0′′′ = ቈ∇ f0 + + +⋯
h3 12 4
X f(X) ∆ ∆2 ∆3
0.00 1.0000 513 26 1
0.05 1.0513 539 27 3
0.10 1.1052 566 30 0
0.15 1.1618 596 30
0.20 1.2214 626
0.25 1.2840
Solución(a):
1 ∆2 f 0 ∆3 f 0
f0′ = h [∆f0 − 2
+ 3
] h = X i − X i−1 = 0.25 − 0.20 = 0.05
1 0.00026 0.0001
= h [0.0513 − 2
+ 3 ]
Solución (b)
′
f(0.055) es una derivada que esta al principio de la tabla → se emplea la formula de Newton
Progresivo, como XP=0.055 es un punto intermedio → XP ∈ [0.05,0.10], → X0=0.05. Se halla
X −X
su valor de P de:P = P 0 .
h
0.055−0.05
H=0.05 → P= 0.05
= 0.1
f0 ∆f0
X0 ∆2f0 ∆3f0
0.05 1.0513 539 27 3
Solución (a)
′ 1 ∇2 f0 ∇3 f0 ′ ′
fP=0 = [∇f0 + + ] , f0′ = fP=0 = f(0.25) , porque X0 = 0.25 en la tabla
h 2 3
de NR
′ 1 0.0030 0.0000
f(0.25) = f0′ = [0.0626 + + ] → f0′ = 1.282
0.05 2 3
Solucion(b)
XP −X0 0.025−0.25
X P = 0.025 → P = h
= 0.05
= −0.5 → P = −0.5
′
f(0.225) = 1.252
1 df 1
fP′ = h dPP = h [β1′ δf1/2 + β′2 (δ2 f0 + δ2 f1 ) + β′3 δ3 f1/2 + ⋯ ]
Si β1 = P → β1′
P(P−1) P2 −P 2P−1
β2 = 4
= 4
→ β′2 = 4
1
fP′ = h [s1′ (δf−1/2 + δf1/2 ) + s2′ δ2 f0 + s3′ (δ3 f−1/2 + δ3 f1/2 ) + ⋯ ]
P 1 P(P−1)(P+2) 3P2
Si s1= 2 → s1′ = 2 , Si s3 = 2(3!)
→ s3′ = 12
P2 P2 (P+1)(P−1) 2P3 −P
Si s2 = 2
→ s2′ = P , Si s4 = 4!
→ s4′ = 12
En XP = X0 → P = 0
Solución(a)
f ′ (0.10) = f ′ (X0 ) = f0
Como 0.10 ∈ [0.10, 0.15] → X 0 = 0.10 ∧ X p = 0.10
Xp −X0 0.10−0.10
P= h
= 0.05
= 0 ∧ P = 0 ∈ < 0,1/2] se aplica f0′ de Stirling hasta su 3ra
diferencia porque segun T O T |∆3 f0 | < 60 → f0′ de Stirling hasta su 3ra diferencia es:
1
fP′ = h [β1′ δf1/2 + β′2 (δ2 f0 + δ2 f1 ) + β′2 δ3 f1/2 ] … (i)
3P2 −1 1
Como P = 0 → en (i)se tiene s3′ = 12
, s1′ = 2 , s2′ = P
En la tabla se tiene:
∧ h = 0.05
1 0.0027+0.0030 0.0003
→ f0′ = 0.05 [0.0566 − 4
+ 6 ] = 1.1095
Solución (b)
1
f ′ (0.125) = [(1)(0.0566) + 0(0.0027 + 0.0030) + (−0.083)(0.0003)] = 1.1315
0.05
Como su nombre lo indica 1𝑟𝑜 se predice un valor 𝑦𝑚+1 , después se usa una formula diferente para
corregir este valor.
Los métodos Predictor-Corrector hallar el valor del pto(𝑥𝑚+1 , 𝑦𝑚+1 ) utiliza información del
pto(𝑥𝑚 , 𝑦𝑚 ) y sus precedentes donde cada pto precedente indica un paso, de aquí su nombre como
método de múltiples pasos. A diferencia de los métodos de Runge-Kuta, Taylor, Euler, que son
métodos de un solo paso (Para 𝑦𝑖+1utiliza la información de 𝑦𝑖 )
Ejemplo:
Usando el método predictor – corrector
Solución:
y ′ = f ( 𝑥 , 𝑦 ) = xy 2 + 3xy ; 𝑦0 = 𝑦(0) = −0.5 , h = 0.5
Por condición del problema.
𝑦𝑖−1 = 𝑦0 = −0.5
𝑦𝑖 = 𝑦(0.5) = ¿ ?
𝑦𝑖+1 = 𝑦(1) = ¿ ?
Calculando 𝒚𝒊 = 𝒚(𝟎.𝟓) = ¿ ?
Para aplicar el predictor corrector, conociendo 𝑦0 , se necesita hallar 𝑦1 por un método no menor de
2𝑑𝑜 orden (puede ser Taylor, o RK), Sea RK-4.
ℎ
𝑦1 = 𝑦0 + ( 𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
′
𝑘1 = 𝑓(𝑥0 ,𝑦0 ) = y0′ = y(0) =0
𝑒𝑛 y ′ = xy 2 + 3xy
y0′ = 𝑥0 y02 + 3𝑥0 𝑦0 = 0(−0.5)2 + 3(0)(−0.5)
y0′ = 0
ℎ ℎ
𝑘2 = 𝑓 (𝑥0 + 2 , 𝑦0 + 2 𝑘1 ) = 𝑓( 0.25 , 00.5 + 0.25(0) )
𝑘2 = 𝑓( 0.25 , −0.5 ) = (0.25)(−0.5)2 + 3(0.25)(−0.5) = −0.3125
ℎ ℎ
𝑘3 = 𝑓 (𝑥0 + , 𝑦0 + 𝑘2 ) = 𝑓( 0.25 , −0.5 + (0.25)(−0.3125) )
2 2
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ Pág. 156
UNMSM MÉTODOS NUMÉRICOS
ℎ
𝑆𝑖 𝑦1 = 𝑦0 + 6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
0.5
𝑦1 = −0.5 + ( 0 + 2 ∗ (−0.3125) + 2 ∗ −0.3500366 − 0.7847026 ) = −0.6758146
6
Entonces 𝑦𝑖 = 𝑦1 = −0.6758146
Aplicando el predictor:
𝑦𝑖+1 = 𝑦𝑖−1 + 2 ℎ𝑦𝑖′
′
𝑦𝑖+1 = x( 𝑦𝑖+1 )2 + 3x𝑦𝑖+1
′
𝑦(1) = 1(−1.2853592)2 + 3(1)(−1.2853592)
′
entonces 𝑦𝑖+1 = −2.2039293
Aplicando el corrector:
ℎ
𝑦𝑖+1 = 𝑦𝑖 + ( 𝑦𝑖′ + 𝑦𝑖+1
′
)
2
0.5
𝑦(1) = −0.6758146 + (−0.7853592 + 2.2039293 )
2
𝑦(1) = −1.423167 → este es el corrector
𝑦 (𝑛) = 𝑓( 𝑥 ,𝑦 ,𝑦′,𝑦′′,𝑦′′′,…,𝑦(𝑛−1))
𝛿 (𝛿)
con las condiciones iniciales 𝑦(𝑥 0)
= 𝑦0 n condiciones iniciales
′
Sea 𝑦i = 𝑦(𝑥i) = 𝑦1(𝑥i) → 𝑦𝑖′ = 𝑦(𝑥
′
𝑖)
= 𝑦1(𝑥 i)
′
𝑦2(𝑥i) 𝑦2(𝑥i)
… …
′
𝑦n(𝑥i) 𝑦𝑛(𝑥 i)
Ejemplo 1
La Sgte. EDO de 3𝑒𝑟 orden 𝑦 ′′′ + 𝑡𝑦 ′′ − 𝑡𝑦 ′ = 𝑡
′′ ′
Con 𝑦(0) = 𝑦(0) = 0 , 𝑦(0) =1
Como un conjunto de ecuaciones de 1 𝑒𝑟 orden
La EDO de3𝑒𝑟 orden se expresa como un conjunto de 3 ecuaciones de 1𝑒𝑟 orden sgte:
𝑦1′ = 𝑦2
𝑦2′ = 𝑦3
𝑦3′ = 𝑡 + 2𝑦1 + 𝑡𝑦2 − 𝑡𝑦3
Matricialmente se tiene:
𝑦′ = 𝑦1′ = 𝑦2
𝑦2′ 𝑦3
𝑦3′ 𝑡 + 2𝑦1 + 𝑡𝑦2 − 𝑡𝑦3
𝑦1(0) 0
𝑦(0) = =
𝑦2(0) 1
𝑦3(0) 0
Ejemplo 2
′
Dado 𝑥 ′′ = 𝑥 2 − 𝑦 + 𝑒 𝑡 con 𝑥(0) = 𝑥(0) =0
′
𝑦 ′′ = 𝑥 − 𝑦 2 − 𝑒 𝑡 𝑦(0) = 1 , 𝑦(0) = −2
Solución
Sea
𝑦1 = 𝑥 entonces 𝑦1′ = 𝑥 ′ 𝑦1 (0) = 𝑥(0) = 0
𝑦2 = 𝑥 ′ entonces 𝑦2′ = 𝑥 ′′ = 𝑥 2 − 𝑦 + 𝑒 𝑡 𝑦2 (0) = 𝑥′(0) = 0
𝑦3 = 𝑦 entonces 𝑦3′ = 𝑦 ′ 𝑦3 (0) = 𝑦(0) = 1
𝑦4 = 𝑦 ′ entonces 𝑦4′ = 𝑦 ′′ = 𝑥 − 𝑦 2 − 𝑒 𝑡 𝑦4 (0) = 𝑦′(0) = −2
𝑦1′ = 𝑦2
𝑦2′ = (𝑦1 )2 − 𝑦3 + 𝑒 𝑡
𝑦3′ = 𝑦4
𝑦4′ = 𝑦1 − (𝑦3 )2 − 𝑒 𝑡
Matricialmente
Sea 𝑡0 = 0
𝑦1′ 𝑦2
′
𝑦 = 𝑦2′ = 𝑦12 − 𝑦3 + 𝑒 𝑡
𝑦3′ 𝑦4
𝑦4′ 𝑦1 − 𝑦32 − 𝑒 2
CONCLUSIONES
Ventajas y desventajas de los métodos iterativos comparados con los métodos directos
Ventajas:
Probablemente son más eficientes que los métodos directos para sistemas de orden
muy alto.
Más simples de programar.
Pueden aprovecharse una aproximación a la solución, si tal aproximación existe.
Se obtiene fácilmente bajo aproximaciones burdas de la solución.
Son menos sensibles a los errores de redondeo (valiosos en sistemas mal
condicionados).
Se requiere menos memoria de maquina. Generalmente, las necesidades de
memoria son proporcionales al orden de la matriz.
Desventajas: