Unidad 2: Tarea 2 - Ecuaciones Lineales e Interpolación

Autores

Luis alberto Ramirez Castellanos

Andrés Felipe Ramírez Marulanda García

Tutor

Edgar Andrés Villabon

Grupo

100401_75

Metodos numéricos

Universidad nacional abierta y a distancia UNAD

2020
Introducción
En el presente trabajo se da solución de manera grupal a la actividad correspondiente a
la tarea No. 2 del curso de metodos numéricos, en el que se abordan los temas de
Eliminación de Gauss, Eliminación de Gauss- Jordán, Método de Jacobi, Método de
Gauss – Seidel, Polinomios de Lagrange, Diferencias Divididas, Aproximación Polinomial
de Newton y Polinomio de Newton en diferencias finitas. Con estos temas se realiza la
resolución de los problemas escogidos por cada integrante del grupo Aplicando los
diversos Métodos Matemáticos en la Solución de Ecuaciones Lineales y analizando
polinomios partiendo de pares ordenados de datos, basados en los recursos
bibliográficos de referencia.
Desarrollo de los ejercicios
Tema 1. Solución de Sistemas de Ecuaciones Lineales (SEL)

Problema 1

4 x1 + x 2 + x 3+ x 5=6
x 1+ 3 x 2 + x 3+ x 4=6
x 1+ x2 +5 x 3−x 54−x 5=6
x 2−x 3+ x 4=6
x 1−x 3+ 4 x 5=6

Sobre el problema escogido en el Tema 1, cada estudiante deberá

realizar:

Ejercicio 1:

Determinar si el SEL tiene, o no, solución. ¿Si la tiene, es única? Realice

una breve explicación basándose en la teoría revisada.

Solución
 Ejercicio 2:

Resolver el SEL por cada uno de los esquemas de:

a. Eliminación Gaussiana simple

En este método se propone la eliminación de variables de forma

progresiva en el sistema de ecuaciones hasta obtener una única
ecuación con una incógnita

Ecuación

4 x1 + x 2 + x 3+ x 5=6
x 1+ 3 x 2 + x 3+ x 4=6
x 1+ x2 +5 x 3−x 54−x 5=6
x 2−x 3+ x 4=6
x 1−x 3+ 4 x 5=6

Aplicando el método nos queda qué:

 En las gráficas anteriores se puede notar que se buscó obtener el
número 1 de manera secuencial en la diagonal y debajo de ellos
los ceros como en el método de Eliminación de Gauss simple,
luego se obtuvieron las siguientes raíces:

Para las cuales se aplicó su debida comprobación con cada una de las
ecuaciones (F1…F5), de manera que:
Los resultados obtenidos corresponden a los originalmente planteados
en las ecuaciones. Con lo anterior se puede decir que el método fue
ejecutado de manera adecuada.

b. Eliminación de Gauss - Jordan.

El método de Gauss-Jordan utiliza operaciones con matrices para

resolver sistemas de ecuaciones de n número de variables.

Para aplicar este método solo hay que recordar que cada operación que
se realice se aplicara a toda la fila o a toda la columna en su caso. El
objetivo de este método es tratar de convertir la parte de la matriz
donde están los coeficientes de las variables en una matriz identidad.
Esto se logra mediante simples operaciones de suma, resta y
multiplicación.

A continuación se podrá ver el desarrollo del metido, en él se puede

notar la sucesión diagonal de los unos (1) y los ceros (0) a por encima y
por debajo de los unos.
Se obtuvieron las siguientes raíces con las cuales se hizo el respectivo
procedimiento de comprobación (reemplazo del valor de la raíz en la
ecuación) arrojando exactamente la mismo valor de la igualdad en la
ecuaciones inicialmente planteadas.
 c. Jacobi

Un método iterativo con el cual se resuelve el sistema lineal Ax = b

comienza con una aproximación inicial x (0)a la solución x y genera una
sucesión de vectores x (k) que converge a x. Los métodos iterativos
traen consigo un proceso que convierte el sistema Ax = b en otro
equivalente de la forma x = Tx + c para alguna matriz fija T y un vector
c.

Luego de seleccionar el vector inicial x(0) la sucesión de los vectores

de la solución aproximada se genera calculando:

k (k−1)
x =T x +c

(Para cada k = 1,2,3,. . .)

A continuación se puede ver el desarrollo del método

 d. Gauss – Seidel

Consiste en hacer iteraciones, a partir de un vector inicial, para

encontrar los valores de las incógnitas hasta llegar a una tolerancia
deseada, la diferencia radica en que cada vez que se desee encontrar un
nuevo valor de una xi, además de usar los valores anteriores de las x,
también utiliza valores actuales de las x encontradas antes (desde x0
hasta xi-1).

Se puede notar a continuación la diagonal dominante inmersa en el

primer cuadro de la aplicación del método.
En el cuadro anterior del desarrollo de la ecuación lineal mediante el
método de Gauss-Seidel se pueden notar lo valores aproximados de las
raíces de las ecuaciones (En marcadas con color rojo) en la dieciseisava
interacción.

e. S.O.R.

Después de calcular un nuevo valor de x por la ecuación de Gauss

Seidel, ese valor se modifica por un promedio ponderado de los
resultados de las iteraciones gs (hecha con Gauss-Seidel) y anterior,
esto se conoce como técnica SOR (sucessive over-relaxation) o de
relajación, que son obtenidas en los métodos anteriores, se puede decir
entonces que el sistema si tiene solución.

A continuación se demuestra el método mediante la herramienta de

Excel.
Problema 5:
10 x 1+5 x 2=6
5 x 1+10 x 2−x 3=25
−4 x 2+8 x 3−x 4 =−11
−x 3 +5 x 4=−11
Sobre el problema escogido en el Tema 1, cada estudiante deberá realizar:
Ejercicio 1:
Determinar si el SEL tiene, o no, solución. ¿Si la tiene, es única? Realice una breve
explicación basándose en la teoría revisada.
Solución:
El sistema de ecuaciones se puede expresar de manera matricial así:

10 5 0 0 x1 6

[ 5 10 −1 0 x2 = 25
0 −4 8 −1 x3 −11
0 0 −1 5 x 4 −11
][ ] [ ]
Así se tiene la matriz coeficiente:

10 5 0 0

[
A= 5 10 −1 0
0 −4 8 −1
0 0 −1 5
]
El vector:

6
b= 25
−11
−11
[]
Y la matriz aumentada:

10 5 0 0 6

[
B= 5 10 −1 0 25 =[ A|b ]
0 −4 8 −1 −11
0 0 −1 5 −11
|]
Este sistema de ecuaciones es no homogéneo:
“Si b es el vector cero, la ecuación…. es un sistema homogéneo. Si por el contrario, b ≠
0, el sistema es no homogéneo.” (Nieves, 2014, p.184)
Ahora se debe calcular el rango, para ello se recuerda su definición:
“Donde el rango de una matriz A está dado por el número máximo de vectores columna
o vectores fila, linealmente independientes.” (Nieves, 2014, p.182)
Así el rango de la matriz A es 4 (ya que sus cuatro columnas y/o filas son
independientes entre sí), y el rango de la matriz B es 4 (ya que sus cuatro filas son
independientes entre sí).
“Si el rango de la matriz coeficiente A y de la matriz aumentada B son iguales, se dice
que el sistema…. es consistente. Si esto no ocurre, el sistema es inconsistente” (Nieves,
2014, p.184)
De acuerdo a lo anterior nuestro sistema es consistente, esto significa que tiene una
solución única o un número infinito de soluciones,
“Si el rango de A es igual al número de incógnitas, la solución es única; si el rango de A
es menor que dicho número, hay un número infinito de soluciones” (Nieves, 2014,
p.184)
Como en nuestro sistema el rango de A es 4, y el número de incógnitas es 4, entonces
el sistema tiene una solución única.
Ejercicio 2:
Resolver el SEL por cada uno de los esquemas de:
a. Eliminación Gaussiana simple
Solución:
Según Nieves (2014) el proceso de eliminación de Gauss es el siguiente (cálculos
realizados con ayuda de Excel):

Xa. Eliminación Gaussiana simple

ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 5 10 -1 0 25
3 0 -4 8 -1 -11
4 0 0 -1 5 -11
Se multiplica la primera ecuacion por -5/10 y se suma a la segunda ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 -4 8 -1 -11
 4 0 0 -1 5 -11
Ahora se multiplica la segunda ecuacion por 4/7,5 y se suma a la tercera ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 0 7,466667 -1 0,733333
4 0 0 -1 5 -11
Ahora se multiplica la tercera ecuacion por 1/7,466667 y se suma a la cuarta
ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 0 7,466667 -1 0,733333
4 0 0 0 4,866071 -10,9018

Según Nieves (2014) este proceso se conoce como triangulación, y el sistema

se resuelve despejando de su última ecuación x4, sustituyendo x4 en la tercera
ecuación y despejando x3 de ella, y así se continúa hasta que por último, con x4,
x3 y x2 sustituidas en la primera ecuación se obtiene x1. Esta parte del proceso se
llama sustitución regresiva.

X4 -2,24037
X3 -0,20183
2,90642
X2 2
X1 -0,85321

b. Eliminación de Gauss - Jordán.

Solución:
Este método consiste en:
“que las ecuaciones se reduzcan a una forma en que la matriz coeficiente del
sistema sea diagonal y ya no se requiera la sustitución regresiva.” (Nieves, 2014,
p.193)
Cálculos realizados con ayuda de Excel:

Xb. Eliminación de Gauss - Jordán

ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 5 10 -1 0 25
3 0 -4 8 -1 -11
4 0 0 -1 5 -11
Se multiplica la primera ecuacion por -5/10 y se suma a la segunda ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 -4 8 -1 -11
4 0 0 -1 5 -11
Ahora se multiplica la segunda ecuacion por 4/7,5 y se suma a la tercera ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 0 7,466667 -1 0,733333
4 0 0 -1 5 -11
Ahora se multiplica la tercera ecuacion por 1/7,466667 y se suma a la cuarta
ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 0 7,466667 -1 0,733333
4 0 0 0 4,866071 -10,9018
Se multiplica la cuarta ecuacion por 1/4,866071 y se suma a la tercera ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 -1 0 22
3 0 0 7,466667 0 -1,50703
4 0 0 0 4,866071 -10,9018
Se multiplica la tercera ecuacion por 1/7,466667 y se suma a la segunda ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 5 0 0 6
2 0 7,5 0 0 21,79817
3 0 0 7,466667 0 -1,50703
4 0 0 0 4,866071 -10,9018
Se multiplica la segunda ecuacion por -5/7,5 y se suma a la primera ecuacion:
ECUACION X1 X2 X3 X4 b
1 10 0 0 0 -8,53211
2 0 7,5 0 0 21,79817
3 0 0 7,466667 0 -1,50703
4 0 0 0 4,866071 -10,9018
Como las ecuaciones ya estan en su forma diagonal, cada una se divide por el valor
del coeficiente de su variable
ECUACION X1 X2 X3 X4 b
1 1 0 0 0 -0,85321
2 0 1 0 0 2,906422
3 0 0 1 0 -0,20183
4 0 0 0 1 -2,24037

c. Gauss – Seidel
Solución:
Según Nieves (2014), este método consiste en despejar la variable x 1 de la
ecuación 1, la variable x2 de la ecuación 2, y así sucesivamente, de esta manera
nuestro sistema de ecuaciones queda así:
−5 6
x 1= x 2+
10 10
−5 x 3 25
x 2= x 1+ +
10 10 10
 4 x 4 11
x 3= x 2+ −
8 8 8
x 3 11
x4 = −
5 5
Se considerara al vector cero como el vector inicial:
x(0) =[ 0 0 0 0 ]
Para calcular el valor de la variable x1 del vector x(1), se sustituye x(0) en la primera
ecuación antes mencionada:
−5 6 3
x 1= ( 0 ) + = =0,6
10 10 5
Para calcular el valor de la variable x2 del vector x(1), se sustituye el valor de
3
x 1= , y las demás variables toman el valor de x(0) , en la segunda ecuación antes
5
mencionada:
−5 3 ( 0 ) 25 11
x 2= ()
+ + = =2,2
10 5 10 10 5
Para calcular el valor de la variable x3 del vector x(1), se sustituye el valor de
3 11
x 1= y x 2= , y las demás variables toman el valor de x(0) , en la tercera
5 5
ecuación antes mencionada:

4 11 ( 0 ) 11 −11
x 3=
8 5 ( )
+ − =
8 8 40
=−0,275

Para calcular el valor de la variable x4 del vector x(1), se sustituye el valor de

3 11 −11
x 1= ,x = y x 3= , en la cuarta ecuación antes mencionada:
5 2 5 40

−11
( )
40 11 −451
x4 = − = =−2,255
5 5 200
Así el vector de la primera iteración es x(1)= [ 0,6 2,2−0,275−2,255 ]
El cálculo de las siguientes iteraciones se hace de la misma manera, para resumir
se muestran los resultados en la siguiente tabla hecha con Excel:
 c. Gauss – Seidel
iteracion x1 x2 x3 x4
0 0 0 0 0
1 0,6 2,2 -0,275 -2,255
2 -0,5 2,7225 -0,29563 -2,25913
3 -0,76125 2,851063 -0,23186 -2,24637
4 -0,82553 2,88958 -0,21101 -2,2422
5 -0,84479 2,901294 -0,20463 -2,24093
6 -0,85065 2,904861 -0,20269 -2,24054
7 -0,85243 2,905947 -0,20209 -2,24042
8 -0,85297 2,906277 -0,20191 -2,24038
9 -0,85314 2,906378 -0,20186 -2,24037
10 -0,85319 2,906409 -0,20184 -2,24037
11 -0,8532 2,906418 -0,20184 -2,24037
12 -0,85321 2,906421 -0,20184 -2,24037
13 -0,85321 2,906422 -0,20184 -2,24037
14 -0,85321 2,906422 -0,20183 -2,24037

d. Jacobi
Solución:
Según Nieves (2014), en este método se usaran las mismas ecuaciones y el
mismo vector inicial cero que en el método anterior.
Para calcular el valor de las variables del vector x(1) en la primera iteración se
reemplaza los valores de x(0) =[ 0 0 0 0 ] en cada una de las ecuaciones de las
variables:
−5 6
x 1= ( 0 ) + =0,6
10 10
−5 ( 0 ) 25
x 2= ( 0 )+ + =2,5
10 10 10
4 ( 0 ) 11
x 3= ( 0 ) + − =−1,375
8 8 8
(0) 11
x 4 = − =−2,2
5 5

Para calcular el valor de las variables del vector x(2) en la segunda iteración se
reemplaza los valores de x(1)en cada una de las ecuaciones de las variables, y así
se continúa el proceso, para resumir se muestran los resultados en la siguiente
tabla hecha con Excel:
 d. Metodo de Jacobi
iteracion x1 x2 x3 x4
0 0 0 0 0
1 0,6 2,5 -1,375 -2,2
2 -0,65 2,0625 -0,4 -2,475
3 -0,43125 2,785 -0,65313 -2,28
4 -0,7925 2,650313 -0,2675 -2,330625
5 -0,72516 2,8695 -0,34117 -2,2535
6 -0,83475 2,828461 -0,22194 -2,268234
7 -0,81423 2,895181 -0,2443 -2,244388
8 -0,84759 2,882685 -0,20796 -2,24886
9 -0,84134 2,903 -0,21476 -2,241592
10 -0,8515 2,899195 -0,2037 -2,242953
11 -0,8496 2,90538 -0,20577 -2,24074
12 -0,85269 2,904222 -0,2024 -2,241154
13 -0,85211 2,906105 -0,20303 -2,24048
14 -0,85305 2,905752 -0,20201 -2,240607
15 -0,85288 2,906325 -0,2022 -2,240402
16 -0,85316 2,906218 -0,20189 -2,24044
17 -0,85311 2,906393 -0,20195 -2,240377
18 -0,8532 2,90636 -0,20185 -2,240389
19 -0,85318 2,906413 -0,20187 -2,24037
20 -0,85321 2,906403 -0,20184 -2,240374
21 -0,8532 2,906419 -0,20185 -2,240368
22 -0,85321 2,906416 -0,20184 -2,240369
23 -0,85321 2,906421 -0,20184 -2,240367
24 -0,85321 2,90642 -0,20184 -2,240368
25 -0,85321 2,906422 -0,20184 -2,240367
26 -0,85321 2,906421 -0,20184 -2,240367
27 -0,85321 2,906422 -0,20184 -2,240367
28 -0,85321 2,906422 -0,20183 -2,240367

e. S.O.R.
Solución:
Según Nieves (2014) el método S.O.R. (succesive over relaxation) es un método
en el que el proceso iterativo es afectado por un factor de relajación w , que en el
ccaso de este problema, se escogerá w >1, ya que como se observó en los
metodos anteriores, estos convergen a la solución, así se escoge a w=1,3.
Ahora a partir de la matriz:

10 5 0 0

[
A= 5 10 −1 0
0 −4 8 −1
0 0 −1 5
]
Se procese a construir la matriz N dondee su diagonal son unos, esto see logra
dividiendo la promera fila en 10, la segunda en 10, la tercera en 8 y la cuarta en 5, asi
el resultado es:
 1 1/2 0 0

[
N= 1/2 1
0 −1/ 2
0 0
−1 /10
1
−1 /5
0
−1/8
1
]
El vector queda:

3/5

[ ]
b= 5/2
−11/8
−11/5

Ahora se descompone la matriz así: N=L+ I +U

“donde L es una matriz cuyos elementos por abajo de su diagonal principal son
idénticos a los correspondientes de N y ceros en cualquier otro sitio, I es la matriz
identidad y U una matriz cuyos elementos arriba de la diagonal principal son idénticos a
los correspondientes de N y cero en cualquier otro sitio.” (Nieves, 2014, p. 243)

0 0 0 0

[
L= 1/2
]
0
0 −1/2
0 0
0
0
−1/5
0
0
0

1 0 0 0

[ ]
I= 0
0
0
1
0
0
0
1
0
0
0
1

0 1/2 0 0
U= 0
[
0 0
0 0
0
]
−1/10
0
0
0
−1 /8
0

Según Nieves (2014) este método se puede usar con desplazamiento simultáneo o
desplazamiento sucesivo, para este caso se usa el desplazamiento sucesivo mediante la
fórmula:

x k+1=x k + w [ b−L x k+1 −xk −U x k ]

i−1 n
k+1 k
[ k+1 k
Que se expresa de manera específica así: x i =x i + w bi −∑ l i , j x j −x i − ∑ u i , j x j
j=1 j=i+1
k
]
Se inicial el cálculo del vector x 1 con el vector inicial x(0) =[ 0 0 0 0 ]

Para su cálculo se utiliza la siguiente tabla hecha en Excel:

e. S.O.R.
iteracion x1 x2 x3 x4
0 0 0 0 0
1 0,78 2,743 -0,00455 -2,861183
2 -1,23695 3,230526 -0,151235338 -2,040966288
3 -0,9487569 2,877873591 -0,203168586 -2,300533946
4 -0,805990764 2,884120003 -0,225708188 -2,228523945
5 -0,852880773 2,909794437 -0,190556301 -2,240987455
6 -0,855502152 2,908365749 -0,204055835 -2,240758281
7 -0,853787091 2,905924626 -0,201555463 -2,240176936
8 -0,85271488 2,906285074 -0,201976815 -2,240460891
9 -0,853270834 2,906483534 -0,201767553 -2,240321296
10 -0,853233047 2,906426638 -0,20184463 -2,240383215
11 -0,853207401 2,906417017 -0,201837822 -2,240362869
12 -0,853208841 2,906421725 -0,201833499 -2,240367849
13 -0,853211469 2,906422582 -0,201835047 -2,240366758
14 -0,853211238 2,906421974 -0,201834801 -2,240367021
15 -0,853210912 2,906421976 -0,201834916 -2,240366972
16 -0,853211011 2,906422025 -0,201834842 -2,240366967

Ejercicio 3:
Debe establecer los criterios de convergencia en cada método. Itere la solución hasta
que ésta converja a una tolerancia de ‖ A ‖≤ 10−6, donde ‖𝐴‖ es una norma matricial para
la matriz 𝐴 (escoja la que considere más adecuada). Valide que el vector 𝑥 es solución
del SEL (mediante la operación 𝐴𝑥 = 𝑏).
Solución:
Según Nieves (2014) el criterio de convergencia determina las siguientes dos
cuestiones:
1. La sucesión de los valores de las variables en las iteraciones convergen a su
valor real, y según la solución del problema en los puntos anteriores, en todos
los metodos la solución converge aproximadamente a las soluciones:

X4 -2,24037
X3 -0,20183
2,90642
X2 2
X1 -0,85321

Estas soluciones se validan utilizando la operación 𝐴𝑥 = 𝑏:

10 5 0 0 −0,85321 6

[ 0 0 −1 5 −2,24037
De manera que:
][ ] [ ]
5 10 −1 0 2,906422 = 25
0 −4 8 −1 −0,20183 −11
−11

10(−0,85321)+5(2,906422)=6
5(−0,85321)+10(2,906422)−(−0,20183)=25
−4(2,906422)+ 8(−0,20183)−(−2,24037)=−11
−(−0,20183)+5 (−2,24037)=−11
Así se valide que el vector 𝑥 es solución del SEL.
k+ 1 k
2. El proceso iterativo se detiene cuando los valores absolutos |x i −xi | sean
menores o iguales a un valor pequeño ε =10−6 .
2 k 2 k 2 k 2
Así ‖ A‖=| xki +1−x ki |≤ ε=10−6, y |x k+
i
1
√
−xik|= ( x k1 +1−x k1 ) + ( x k+1 k+1 k+1
2 −x2 ) + ( x 3 −x 3 ) + ( x 4 −x 4 )
Ahora se aplica esta fórmula a cada uno de los metodos anteriores con ayuda de
Excel:
c. Gauss – Seidel
iteracion x1 x2 x3 x4 ‖A‖
0 0 0 0 0 0
1 0,6 2,2 -0,275 -2,255 3,218796359
2 -0,5 2,7225 -0,295625 -2,259125 1,21796907
3 -0,76125 2,8510625 -0,231859375 -2,246371875 0,298343051
4 -0,82553125 2,889579688 -0,211006641 -2,242201328 0,077896616
5 -0,844789844 2,901294258 -0,204628037 -2,240925607 0,023461429
6 -0,850647129 2,904860761 -0,202685321 -2,240537064 0,007138126
7 -0,85243038 2,905946658 -0,202093804 -2,240418761 0,002173257
8 -0,852973329 2,906277284 -0,201913703 -2,240382741 0,000661695
9 -0,853138642 2,906377951 -0,201858867 -2,240371773 0,000201468
10 -0,853188975 2,906408601 -0,201842171 -2,240368434 6,13415E-05
11 -0,8532043 2,906417933 -0,201837088 -2,240367418 1,86768E-05
12 -0,853208967 2,906420775 -0,20183554 -2,240367108 5,68658E-06
13 -0,853210387 2,90642164 -0,201835069 -2,240367014 1,73141E-06
14 -0,85321082 2,906421903 -0,201834925 -2,240366985 5,27167E-07
d. Metodo de Jacobi
iteracion x1 x2 x3 x4 ‖A‖
0 0 0 0 0 0
1 0,6 2,5 -1,375 -2,2 3,652482033
2 -0,65 2,0625 -0,4 -2,475 1,667380056
3 -0,43125 2,785 -0,653125 -2,28 0,819728661
4 -0,7925 2,6503125 -0,2675 -2,330625 0,547642051
5 -0,72515625 2,8695 -0,341171875 -2,2535 0,252891581
6 -0,83475 2,828460938 -0,2219375 -2,268234375 0,167716823
7 -0,814230469 2,89518125 -0,244298828 -2,2443875 0,077080177
8 -0,847590625 2,882685352 -0,207957813 -2,248859766 0,0510854
9 -0,841342676 2,902999531 -0,214764795 -2,241591563 0,023470504
10 -0,851499766 2,899194858 -0,20369918 -2,242952959 0,015554525
11 -0,849597429 2,905379965 -0,205771691 -2,240739836 0,007146163
12 -0,852689982 2,904221546 -0,202402497 -2,241154338 0,004735937
13 -0,852110773 2,906104742 -0,20303352 -2,240480499 0,002175812
14 -0,853052371 2,905752034 -0,202007692 -2,240606704 0,001441964
15 -0,852876017 2,906325416 -0,202199821 -2,240401538 0,000662475
16 -0,853162708 2,906218027 -0,201887484 -2,240439964 0,000439039
17 -0,853109013 2,906392606 -0,201945982 -2,240377497 0,000201706
18 -0,853196303 2,906359908 -0,201850884 -2,240389196 0,000133675
19 -0,853179954 2,906413063 -0,201868695 -2,240370177 6,14139E-05
20 -0,853206531 2,906403108 -0,201839741 -2,240373739 4,07005E-05
21 -0,853201554 2,906419292 -0,201845164 -2,240367948 1,86989E-05
22 -0,853209646 2,906416261 -0,201836348 -2,240369033 1,23922E-05
23 -0,85320813 2,906421188 -0,201837999 -2,24036727 5,69329E-06
24 -0,853210594 2,906420265 -0,201835315 -2,2403676 3,77308E-06
25 -0,853210133 2,906421766 -0,201835817 -2,240367063 1,73345E-06
26 -0,853210883 2,906421485 -0,201835 -2,240367163 1,1488E-06
27 -0,853210742 2,906421941 -0,201835153 -2,240367 5,27789E-07
e. S.O.R.
iteracion x1 x2 x3 x4 ‖A‖
0 0 0 0 0 0
1 0,78 2,743 -0,00455 -2,861183 4,039658137
2 -1,23695 3,230526 -0,151235338 -2,040966288 2,236077133
3 -0,9487569 2,877873591 -0,203168586 -2,300533946 0,52677454
4 -0,805990764 2,884120003 -0,225708188 -2,228523945 0,161600313
5 -0,852880773 2,909794437 -0,190556301 -2,240987455 0,065183155
6 -0,855502152 2,908365749 -0,204055835 -2,240758281 0,013827607
7 -0,853787091 2,905924626 -0,201555463 -2,240176936 0,003935776
8 -0,85271488 2,906285074 -0,201976815 -2,240460891 0,001240051
9 -0,853270834 2,906483534 -0,201767553 -2,240321296 0,000641677
10 -0,853233047 2,906426638 -0,20184463 -2,240383215 0,000120165
11 -0,853207401 2,906417017 -0,201837822 -2,240362869 3,47932E-05
12 -0,853208841 2,906421725 -0,201833499 -2,240367849 8,22935E-06
13 -0,853211469 2,906422582 -0,201835047 -2,240366758 3,35114E-06
14 -0,853211238 2,906421974 -0,201834801 -2,240367021 7,44081E-07
Ejercicio 4:
Realizar una gráfica de la forma como va convergiendo la solución (Número de
iteraciones vs norma del error). Realice una breve explicación, sustentándose en la
teoría revisada, acerca de los resultados. ¿Cuál considera que es el mejor método para
este SEL en particular? ¿Por qué?
Solución:

GRAFICA DE CONVERGENCIA METODO GAUSS-SEIDEL

3.5

2.5

1.5

0.5

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

GRAFICA DE CONVERGENCIA METODO DE JACOBI

4

3.5

2.5

1.5

0.5

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
 GRAFICA DE CONVERGENCIA METODO S.O.R.
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Según el criterio de convergencia, la iteración se detiene:

“si el número de iteraciones ha excedido un máximo predeterminado MAXIT.” (Nieves,
2014, p. 239)
Así que es razonable pensar que el mejor método es aquel que tiene menos número de
k+ 1 k
iteraciones para lograr que los valores absolutos |x i −xi | sean menores o iguales al
valor pequeño ε =10−6 .

Según las gráficas anteriores el método de GAUSS-SEIDEL y el método S.O.R. logran

esto en la iteración 14, mientras que el método de JACOBI lo alcanza en la iteración 27.
Para saber cuál método es mejor entre el método de GAUSS-SEIDEL y el método
S.O.R., se considera lo que dice el criterio de convergencia:
k+ 1 k
“los valores absolutos |x i −xi | ,… sean todos menores de un numero pequeño ε , cuyo
valor será dado por el programador.” (Nieves, 2014, p. 239)
Así es razonable pensar que el mejor método es aquel que en la iteración 14 tiene su
k+ 1 k
valor absoluto |x i −xi | menor, y según las tablas del ejercicio 3, esto lo logra el
método de GAUSS-SEIDEL, ya que 5,27167E-07<7,44081E-07, además el método de
GAUSS-SEIDEL presenta un menor valor absoluto aun desde la primera iteración.
Tema 2. Interpolación Numérica

Problema 1

La distancia requerida para que un carro se detenga completamente es

función de la velocidad a la que se desplaza. Los siguientes datos
experimentales fueron recogidos para cuantificar esa relación

Estime la distancia necesaria para parar el carro que se desplaza a una

velocidad de 45 km/h utilizando los métodos solicitados en el Ejercicio 1
de este tema por medio de un polinomio de interpolación de grado
adecuado.

Para el problema escogido realice cada uno de los siguientes ejercicios:

Ejercicio 1:

Realice los cálculos solicitados por cada uno de los siguientes métodos:
- Interpolación de Lagrange

La interpolación de polinomios de Lagrange es una reformulación del

polinomio de Newton que evita el cálculo de la tabla de diferencias, el
polinomio de Lagrange se expresa como:

P es el símbolo de “multiplicadora” y significa el producto de.

Por ejemplo, el polinomio de Lagrange de primer grado es:

Mientras que el polinomio de Lagrange de segundo grado es:

A continuación se ve la grafica del comportamiento de la velocidad vs la
distancia.

Aplicando el método nos queda que:

Utilizando la interpolación lineal de Lagrande, encontrar el polinomio que

pasa por los puntos (60,40) y (90,50), teniendo en cuenta que:

X0= 60, f(X0)=40 ; X1=90, f(X1)=50 ; f(x)= 45

Solución

f ( x )=a0 ( x−x 1) + a1 ( x−x 0 )

Donde:

f ( x0 ) f ( x1 )
a 0= v a 1=
x 0 −x1 x 1−x 0

Luego
40 40
a 0= = =−1,3333
60−90 −30

50 50
a 1= = =−1,6666
90−60 30
Sustituyendo

f ( x )=a0 ( x−x 1) + a1 ( x−x 0 )

f ( x )=1,3333 ( x−90 )+ 1,6666 ( x−90 )

f ( x )=1,3333 x−119,917 +1,6666 x−99,996

Simplificando

f ( x )=0,3333 x−219,913

Despejando x

(45+219,913)
x= =794,8184 metros
0,333

- Interpolación de Diferencias Divididas de Newton

Partiendo de n puntos (x, y), podemos obtener un polinomio de grado n −

1. El método que se utilizará es el de las diferencias divididas para obtener
los coeficientes, el cual facilita la tarea de resolver un sistema de
ecuaciones usando el cociente de sumas y restas. Dada una colección de n
puntos de x y sus im´agenes f(x), se pueden calcular los coeficientes del
polinomio interpolante utilizando las siguientes expresiones:
Aplicando el método:
20−16
=18
20−15

2,8−8
=0,4
25−15
34−20 0,16−0,4
=2,8 =−0,016
25−20 30−15

1,2−2,8 −0,053+0,016
=0,16 =−0,00042
30−20 40−15

40−34 0,053−0,016
=1,2 =−0,0053
30−25 40−20
0,000172−0,00042
=−0,00 001
50−15
2−1,2 −0,00012−0,053
=0,053 =0,00017
40−25 50−20

60−40 0,05−0,0053
=2 =−0,00012
40−30 50−25
3−2
=0,05
50−30

90−60
=3
50−40

P ( 5 )=16+ 0,8 ( x−15 )+ 04 ( x−15 ) ( x−20 )−0,016 ( x −15 )( x−20 ) ( x−25)

+0,00042 ( x−15 ) ( x−20 ) ( x−15 ) ( x−30 )−0,00001 ( x−15 ) ( x−20 )
( x−25 ) ( x−30 ) ( x−40)

P ( 5 )=16+ 0,8 x−12+ 0,4 ( x 2−35 x+300 )−0,016 ( x 3−60 x 2 +1175 x−7500 )
+0,00042 ( x 4−90 x3 +2975 x 2−42750 x +225000 )
−0,00001 ( x 5−130 x 4 +6575 x3 −161750 x 2 +1935000 x−9000000 )

P ( 5 )=16+ 0,8 x−12+ 0,4 x 2−14 x+ 120−0,016 x 3−0,96 x 2 +18,8 x−120

+0,00042 x 4−0,0378 x 3 +1,245 x2 −17,955 x +94,5−0,0001 x 5
+0,013 x 4 −0,6575 x 3 +16,175 x 2−193,5 x +900
P ( 5 )=−00001 x 5+ 0,01342 x 4 −0,7113 x 3 +16,86 x 2−205,255 x +998,5

Reemplazando x=45

5 4 3 2
P ( 5 )=−000013 ( 45 ) + 0,01342 ( 45 ) −0,7113 ( 45 ) +16,86 ( 45 ) −205,255 ( 45 )+ 998,5
= 2336,11

- Polinomio de interpolación de Diferencias Finitas de Newton

En el caso particular de que las abcisas de los nodos de

interpolación sean equidistantes la expresión del polinomio de
interpolación de Newton en diferencias divididas adopta otras
formas que se han usado mucho, la fórmula en diferencias
progresivas y la fórmula en diferencias regresivas. Antes de
desarrollarlas necesitamos de algunas definiciones previas.

y diferencia regresiva de orden 1 en 𝑌𝐾 y se denota por ∇𝑌𝑋 a

∇ = 𝑌𝐾 − 𝑌𝐾 −1= ∇1 𝑌𝐾.
Aplicando el método nos queda:
x 0=40; y 0=60 ; ∆ y 0=20 ; ∆2 y 0 =20 ; ∆2 y 0=10 ; ∆ 3 y 0=0

k (k −1) 2 k ( k−1 ) (k −2) 3

y 1 = y 0 + k ∆ y 0+ ∆ y 0+ ∆ y0
2 3

Calculando K

k (k −1) 45−40
k= = =0,416666
2 12

Sustituyendo

0,416666(0,416666−1)
y 1=60+ 0,416666∗20+ ∗10
2

+ 0,416666 ( 0,416666−1 ) ( 0,416666−2)

∗0=67,118042
3

- Conclusión del problema 1:

Los resultados fueron diferentes para los métodos utilizados

(Interpolación de lagrange, Interpolación de Diferencias Divididas de
Newton, Polinomio de interpolación de Diferencias Finitas de Newton).
También es de recalcar que en el método de “Polinomio de interpolación
de Diferencias Finitas de Newton” especiación no era igual para los
datos y uno de los principios para este método es que deben de ser
iguales, por tanto, en este método ese puede ser uno de los factores
influye considerablemente en los resultados.
Problema 5
Dada la tabla:
x 1.00 1.01 1.02 1.03 1.04 1.05
√x 1.00 1.005 1.01 1.0149 1.0198 1.0247

Calcular √ 1.035 usando las fórmulas solicitadas en el ejercicio 1, por medio de un

polinomio de interpolación de grado adecuado.
Para el problema escogido realice cada uno de los siguientes ejercicios:
Ejercicio 1:
Realice los cálculos solicitados por cada uno de los siguientes métodos:
• Interpolación de Lagrange
Solución:
Según Nieves (2014) la interpolación que se hace con el uso de los polinomios de
Lagrange, permite hacer un arreglo polinomial de grado igual al número de datos
menos 1, así en este problema hay 6 datos, lo que exige construir un polinomio de
quinto grado. Ahora para facilitar dicha construcción del polinomio, los datos se
expresan de la siguiente manera:
i 0 1 2 3 4 5
xi 1.00 1.01 1.02 1.03 1.04 1.05
f ( x i ) =√ x i 1.00 1.005 1.01 1.0149 1.0198 1.0247

El polinomio se construye de la siguiente manera:

P6 ( X )=L0 ( X ) f ( x 0 ) + L1 ( X ) f ( x 1 ) + L2 ( X ) f ( x 2 ) + L3 ( X ) f ( x 3 ) + L4 ( X ) f ( x 4 )+ L5 ( X ) f ( x 5 ) =L0 ( X ) (1,00)+ L1 ( X ) (1,005)+

Donde:
( x−x 1)( x−x 2 )(x−x 3)(x−x 4 )( x−x 5 )
L0 ( X ) =
(x 0−x 1 )(x 0−x 2)( x 0−x 3 )( x0 −x 4 )( x0 −x 5)
(x−x 0 )( x−x 2)( x−x 3 )( x−x 4 )(x−x 5)
L1 ( X ) =
(x 1−x 0 )( x1−x 2 )( x 1−x3 )( x 1−x 4 )( x 1−x 5)
(x−x 0 )( x−x 1)( x−x 3 )(x−x 4 )( x−x 5)
L2 ( X ) = =
(x 2−x 0 )(x2 −x1 )( x 2−x 3)(x 2−x 4 )( x 2−x 5)
( x−x 0)( x−x 1 )( x−x2 )(x−x 4 )( x−x 5)
L3 ( X ) = =
(x 3−x 0 )(x 3−x 1)( x 3−x 2)(x 3−x 4 )(x 3−x 5 )
( x−1,01)( x−1,02)( x−1,03)(x −1,04)(x−1,05)
=
(−0,01)(−0,02)(−0.03)(−0,04)(−0,05)
( x−1,00)(x−1,02)( x−1,03)(x−1,04)(x−1,05)
=
(0,01)(−0,01)(−0,02)(−0,03)(−0,04)
( x−1,00)(x−1,01)( x−1,03)(x−1,04)( x−1,05)
(0,02)(0,01)(−0,01)(−0,02)(−0,03)
( x−1,00)(x−1,01)(x−1,02)( x−1,04)(x −1,05)
(0,03)(0,02)( 0,01)(−0,01)(−0,02)
 (x−x 0 )( x−x 1)( x−x 2 )(x−x 3)(x−x 5 ) ( x−1,00)( x−1,01)(x−1,02)( x−1,03)( x −1,05)
L4 ( X ) = =
( x 4−x 0 )( x 4−x 1 )( x 4−x 2)(x 4 −x 3)( x 4 −x 5) (0,04)(0,03)(0,02)(0,01)(−0,01)
( x−x 0)( x−x 1 )( x−x2 )(x−x 3)(x −x 4) ( x−1,00)(x−1,01)(x−1,02)( x−1,03)(x−1,04)
L5 ( X ) = =
(x 5−x 0 )(x 5−x 1)( x 5−x 2)(x 5−x 3 )(x 5−x 4 ) ( 0,05)(0,04)(0,03)(0,02)(0,01)

Reemplazando las anteriores ecuaciones de Li ( X ) en la ecuación de P6 ( X ),

resolviendo, simplificando y uniendo términos semejantes con ayuda de la
calculadora online “Asistente Matemático en la Web” cuyo enlace es el siguiente:
http://um.mendelu.cz/maw-html/index.php?lang=es&form=lagrange
Simplemente se ingresa allí los valores dados por la tabla del enunciado del
problema:

El asistente determina el polinomio de Lagrange:

(El uso de este asistente es necesario porque los cálculos son demasiado extensos,
sin embargo yo como estudiante he comprendido su construcción y significado) y se
llega a la siguiente ecuación:

P6 ( X )=−25000.00000022352 x 5+128333.333334446 x 4 −263487.500002265 x 3 +270465.1666691303 x 2−13880

Ahora reemplazando x=1,035 en la ecuación anterior, y resolviendo:

P6 ( X )=( −25000.00000022352∗( 1,0355 ) ) + ( 128333.333334446∗ ( 1,0354 ) ) −( 263487.500002265∗( 1,0353 ) ) + ( 27046

Es una Buena aproximación: 1,01726. .≈ √ 1,035=1,017349. .

• Interpolación de Diferencias Divididas de Newton

Solución:
Según Nieves (2014) para aplicar este método y construir un polinomio de
aproximación que paso por los seis puntos, primero se calculan las primeras cinco
diferencias divididas de orden 5, aplicando la siguiente formula general para cada
caso:
f [ x 1 , x 2 , … , x i ]−f [ x 0 , x1 , … , x i−1 ]
f [ x 0 , x 1 , … , x i ]=
xi −x0
Estos cálculos se hacen en la siguiente tabla con ayuda de Excel:
Interpolación de Diferencias Divididas de Newton
puntos x f(x) 1 orden 2 orden 3 orden 4 orden 5 orden
0 1 1
0,5
1 1,01 1,005 1,11022E-12
0,5 -11,11111111
2 1,02 1,01 -0,333333333 486,1111
0,49 8,333333333 -13055,6
3 1,03 1,0149 5,55112E-13 -166,667
0,49 -1,9984E-11
4 1,04 1,0198 -4,44089E-13
0,49
5 1,05 1,0247

Ahora se construye el polinomio de Newton cuya fórmula general es:

Pn ( X )=a0 +a1 ( x−x 0 ) +a2 ( x−x 0 ) ( x−x 1 ) +…+a n ( x−x 0 ) ( x−x 1 ) .. ( x −xn −1 )

Donde los coeficientes constantes son iguales a sus correspondientes diferencias

divididas: a n=f [ x 0 , x 1 , … , x n ]

Así la ecuación queda:

P5 ( X )=1+ ( 0,5 )( x−1 ) + ( 1,11022E-12 ) ( x−1 ) ( x−1,01 )+(−11,11111111) ( x−1 ) ( x−1,01 ) ( x −1,02 )+( 486,1111111) ( x

Ahora para utilizar este polinomio para aproximar f (1,035)≈ P5 ( 1,035 ), se utilizara
Geogebra online en el siguiente link: https://www.geogebra.org/graphing?lang=es

Para ello en la primera entrada de ecuaciones se escribe todo el polinomio P5 ( X ),

luego en la segunda entra se le pide a Geogebra que calcule el valor del polinomio
en 1,035, el resultado de la aproximación es
P5 ( 1,035 )=1,0173903530.. ≈ f ( 1,035 ) =1,017349497..
• Polinomio de interpolación de Diferencias Finitas de Newton
Solución:
Según Nieves (2014) este método consiste en aplicar la siguiente fórmula para
obtener el polinomio de interpolación de diferencias finitas:
s( s−1) 2 s (s−1)( s−2) 3 s ( s−1 ) ( s−2 ) ..( s−( n−1 ) ) n
Pn ( x ) =Pn ( x 0 + sh ) =f |x 0|+ s ∆ f |x 0|+ ∆ f |x 0|+ ∆ f |x 0|+…+ ∆ f |x
2! 3! n!
n n
Donde ∆ f |x 0|=n ! h f [ x 0 , x1 , … , x n ] es el operador lineal en diferencias hacia adelante.

Ahora se construye una tabla para determinar las diferencias hacia adelante con
ayuda de Excel:
puntos x f(x) ∆f(x) (∆^2)f(x) (∆^3)f(x) (∆^4)f(x)
0 1 1
0,005
1 1,01 1,005 2,22045E-16
0,005 -6,66667E-05
2 1,02 1,01 -6,66667E-05 0,000116667
0,0049 5E-05
3 1,03 1,0149 1,11022E-16 -4E-05
0,0049 -1,19904E-16
4 1,04 1,0198 -8,88178E-17
0,0049
5 1,05 1,0247
Ahora se tiene que el valor de h=x i−x i−1 =0,01, y el valor de s se calcula con la
x−x 0 1,035−1
siguiente formula: s= = =3,5 en esta forrmula x=1,035 es el valor que
h 0,01
se quiere interpolar.
Ahora reemplazando valores en la fórmula de interpolación se tiene:
( 3,5 )( 3,5−1 ) 2 ( 3,5 ) ( 3,5−1 )( 3.5−2 ) 3 ( 3,5 ) ( 3,5−1 )
P4 ( 1,035 )=P n ( 1+(3,5)( 0,01) ) =f |1|+ ( 3,5 ) ∆ f |1|+ ∆ f |1|+ ∆ f |1|+
2! 3!
Ejercicio 2:
Cada estudiante deberá realizar un análisis comparativo de los resultados obtenidos
apoyándose en la teoría revisada. Emplee una gráfica como ayuda para el análisis
de resultados. Ejercicio sin un análisis adecuado, apoyado en la teoría y
debidamente referenciado, no será tenido en cuenta y la nota de esta etapa será de
cero.cero (0.0).
Solución:
Para realizar un análisis de los tres metodos de aproximación, se utilizara la fórmula
del valor absoluto del error de truncamiento según Chapra & Canale (2007), la cual
es la siguiente:

|E t|=|valor verdadero−valor aproximado|

METODO VALOR APROX.VALOR REAL ERROR TRUC.
1 INT. DE LAGR. 1,01726 1,017349 8,9E-05
2 DIF. DIVID. 1,01739 1,017349 4,1E-05
3 DIF. FINIT. 1,01767 1,017349 0,000321

Y con estos datos se crea la siguiente gráfica:

ANALISIS DE ERROR
0

0
1 2 3
Según la gráfica, el método que tiene un mayor error de truncamiento es el método
de diferencias finitas, y el método que tiene menor error de truncamiento es el
método de diferencias divididas, es decir que es este último el que permite una
mejor aproximación, esto se debe a que el polinomio de aproximación de diferencias
divididas es de un grado mayor al polinomio de diferencias finitas, y aunque tiene el
mismo grado que el polinomio del método de Lagrange, el método de diferencias
divididas logra una mayor precisión por usar para el cálculo de los coeficientes del
f [ x 1 , x 2 , … , x i ] −f [ x 0 , x1 , … , x i−1 ]
polinomio la fórmula de ajuste f [ x 0 , x 1 , … , x i ] = (Nieves,
xi −x0
2014, p. 381)

Conclusiones
En la solución de sistemas de ecuaciones lineales SEL, se utiliza el análisis del rango
del sistema para determinar si tiene solución o no, y si la solución es consistente, se
analiza si es única o tiene soluciones infinitas, luego se pueden aplicar diferentes
metodos, algunos discretos, como el método de eliminación de Gauss simple y el
método de Gauss-Jordan, que permite, después de hacer arreglos y cálculos en
determinado número de pasos, permite encontrar los valores precisos de las
incógnitas, sin embargo dichos cálculos se vuelven demasiado complicados a
medida que aumenta el número de ecuaciones y de incógnitas, y por ello existen
también metodos de aproximación de las soluciones como el método de Gauss-
Seidel, el método de Jacobi y el método S.O.R., que ayudan a encontrar dichas
soluciones aproximadas con una menor complejidad que los metodos discretos, ya
que se usa una sola formula en múltiples iteraciones, aunque presentan errores en
las aproximaciones y cuando se aumenta el número de incógnitas y de ecuaciones,
también aumenta su complejidad; y aplicando el criterio de convergencia, se ha
llegado a la conclusión que el mejor método es el de Gauss-Seidel, ya que llega a
mejores aproximaciones en un menor número de iteraciones y alcanzando un menor
k+ 1 k
valor absoluto |x i −xi | .

Respecto a los metodos de interpolación, en este trabajo se utilizaron los metodos

de interpolación de Lagrange, del polinomio de diferencias finitas y del polinomio de
diferencias divididas, que permite hallar el valor de f (x i) en un valor intermedio x i
mediante la construcción de polinomios, que aumenta su complejidad según
aumenta el grado del polinomio, por esto es necesario apoyarse en programas de
cómputo para su construcción y calculo, que como se utilizó en este trabajo, pueden
ser Excel, Asistente Matemático en la Web, Geogebra, entre otros; y según lo
aplicado, se ha llegado a la conclusión que el mejor método es del polinomio de
diferencias divididas de Newton que presenta un menor valor absoluto del error de
truncamiento con respecto al valor verdadero.

Referencias
- Nieves, H. A. (2014). Métodos numéricos: aplicados a la ingeniería. México,
D.F., MX: Larousse - Grupo Editorial Patria. Recuperado de
https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3227640&ppg=200
- Arévalo, O. D., Bernal, Y. M. Á., & Posada, R. J. A. (2017). Matemáticas para
ingeniería: métodos numéricos con python. Recuperado de
https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=5103053&ppg=34
- Chang, J (2013). Lagrange Interpolating Polynomials [Video] Recuperado de
https://www.youtube.com/watch?v=vAgKE5wvR4Y
- Academatica. (2013). Polinomio de Interpolación con Diferencias Divididas de
Newton [Video] Recuperado de https://www.youtube.com/watch?
v=klOWp2SYycc
- Barreto, J. (2010). Interpolación polinómica por el Método de Diferencias
Divididas [Video] Recuperado de https://www.youtube.com/watch?
v=GTq_9bq1CsM
- Lasmatempaticas.es. (2011). Método de Gauss-Seidel [Video] Recuperado de
https://www.youtube.com/watch?v=kIV5xS02wYo
- Megadari. (2011). Método de eliminación de Gauss. [Video] Recuperado de
https://www.youtube.com/watch?v=wjZQxzQyyIg&feature=youtu.be
- Ríos, J. A. (2010). Método de Gauss-Jordán [Video] Recuperado de
https://www.youtube.com/watch?v=91xUg1L7O7s&feature=youtu.be
- Chapra, S. C., & Canale, R. P. (2007). Métodos numéricos para ingenieros
(5a. ed.). Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4508648&ppg=745