12 Final Final Metodos Numericos 1

MTODOS NUMRICOS
INTRODUCCION
Antes de la invencin de la computadora slo contaban con tres mtodos para la solucin de
problemas:
1) ENCONTRAR SOLUCIONES DE ALGUNOS PROBLEMAS USANDO MTODOS EXACTOS O

ANALTICOS
Estas soluciones con frecuencia resultaban tiles y proporcionaba una comprensin excelente del
comportamiento de algunos sistemas, pero slo se encontraban en una clase limitada de
problemas, incluyendo a los que podramos aproximarlos mediante modelos lineales y aquellos que
tienen pocas dimensiones
2) EL USO DE SOLUCIONES GRFICAS.
Para analizar el comportamiento de los sistemas, se usaban grficas nomograma, aunque las
tcnicas grficas se emplean para resolver problemas complejos, los resultados no eran muy
precisos, eran tediosas y difciles de implementar.
3) PARA EL USO DE MTODOS NUMRICOS, SE UTILIZABAN CALCULADORAS Y REGLAS

DE CLCULO.0
Con este mtodo se presenta algunas dificultades, los clculos son muy lentos, tediosos y los
resultados no eran consistentes; debido a que surgen equivocaciones al realizar clculos manuales.
Tenemos las fases de solucin de un problema:
FORMULACION
FORMULACION
Leyes
fundamentales Exposicion profunda de la relacion
brevemente del problema con las leyes
fundamentales
SOLUCION
Metodos muy SOLUCION
elaborados y muy Metodo de la
complicados computadora de
facil uso
INTERPRETACION
INTERPRETACI
ON Anlisis Desarrollar la intuicion
limitado Estudiar el comportamiento
del sistema
Entonces los Mtodos Numricos son tcnicas que nos permiten formular modelos matemticos,
de tal forma que puedan resolverse usando operaciones aritmticas.
Hoy en da las computadoras y los Mtodos Numricos proporcionan una buena alternativa para
clculos muy complicados.
El uso de las computadoras nos permite hacer aproximaciones de clculo sin tener que recurrir a
suposiciones tcnicas lentas.
Nos preguntamos Por qu estudiar Mtodos Numricos?
1) Los Mtodos Numricos son herramientas muy poderosas para la solucin de problemas.
Pueden manejar ecuaciones grandes, no lineales y geometras complicadas; aumentando
la habilidad de resolver problemas.
2) Contar con la ocasin de usar software que contenga mtodos numricos, es por eso que
debe tenerse el conocimiento de la teora.
3) Ser capaces de disear sus propios programas para resolver los problemas que otros
software no lo realizan.
4) La mayora de los mtodos numricos estn diseados para implementarlos en la

computadora.
5) Los mtodos numricos son un medio de reforzar su compresin de las matemticas;

pues una de sus funciones es convertir las matemticas superiores a operaciones
aritmticas bsicas.
INTRODUCCION A LA TEORIA DE ERRORES
Es importante entender el concepto de ERROR, para usar en forma efectiva los Mtodos
Numricos.
Por ejemplo en la cada de un paracaidista, la velocidad de la cada puede determinarse
por mtodos analticos es decir; obtener los resultados exactos pero, tambin, se puede
determinar la velocidad de cada por mtodos numricos que son solo una aproximacin,
observando que aparece una cierta discrepancia error en los valores encontrados.
Pero en muchos problemas no podemos obtener la solucin analtica, por lo que no
podemos calcular con exactitud los errores asociados con nuestro mtodo numrico, en estos
casos debemos resolver por aproximaciones estimar los errores:
Generalmente se lucha por limitar los errores en los trabajos; pues as: cuando se realiza
un examen se realizan tareas son sancionadas ms no premiados por sus errores.
En la prctica profesional los errores pueden resultar costosos y en algunas ocasiones
catastrficos es decir; puede perderse la vida, si un dispositivo falla.
Entonces nos preguntamos si las aproximaciones numricas introducen errores Qu
tanto error se presenta en los clculos y qu tan tolerable es?
TIPOS DE ERRORES
Entre los tipos de errores tenemos:
EA
1) ERROR ABSOLUTO
Es la diferencia entre el valor verdadero (valor exacto) y el valor aproximado (valor

observado)
E A = V V A
Donde : V = Valor verdadero exacto.

V A = Valor aproximado
S
V V A >0 E A es por defecto
S
V V A 0 E A es por Exceso
OBSERVACION
Ambos
E A sin valor absoluto
E1) Calcular los errores absolutos que se cometen al tomar 7=2.645751311064 con
el valor verdadero 7=2.6457
V A =2.645751311064
E A =2.64572.645751311064=0.000051311064> 0 . Es un error por Defecto
Entonces:
E A = 0.000051311064
E A =0.000051311064
E2) S, V =13.59342 y sea el valor aproximado

V A =13.59816
E A = 13.5934213. 59816 = 0.00474
E A =0.00474=4.74 103
E3) S, V =3.141592654= y sea el valor aproximado
22 333 355
a) 7 b) 106 c) 113 d) 3+ 2
2
E A = 3.1415926543.142857 = 0.001264346 =0.1264346 10
E A = 3.1415926543.141509 = 0.000083653 =0.83653 104
E A = 3.1415926543.1415 = 0.000592653 =0.592653 103
E A = 3.1415926543.146264 = 0.004671346 = 0.4671346 102
E1) Calcular los errores absolutos que se cometen al tomar 5=2.2360677977 con el valor verdadero 5=2.236
V A =2.2360677977
E A =2.2362.2360677977=0.00006797749978 0 . Es un error por Exceso
Entonces:
E A = 0.00006797749978
E A =0.00006797749978
E2) S,
V =7.59362 y sea el valor aproximado
V A =7.59816
E A = 7.593627.59816 = 0.00454
E A =0.00454=4.54 103
E3) S,
V =3.141592654= y sea el valor aproximado
22 333 355
b)
7 b)
106 c)
113 d) 3+ 2
2
E A = 3.1415926543.142857 = 0.001264346 =0.1264346 10
E A = 3.1415926543.141509 = 0.000083653 =0.83653 104
E A = 3.1415926543.1415 = 0.000592653 =0.592653 103
E A = 3.1415926543.146264 = 0.004671346 = 0.4671346 102
E4) Calcular los errores absolutos que se cometen al tomar 3=1.732050808 con el valor verdadero 3=1.73
V A =1.732050808
E A =1.731.732050808=0.0020508070 . Es un error por Exceso
Entonces:
E A = 0.002050807
E A =0.002050807
E5) S,
V =6.3564 y sea el valor aproximado
V A =6.3613
E A = 6.355463613 = 0.0049
E A =0.0049=0.49 102
E6) S,
V =3.141592654= y sea el valor aproximado
22 333 355
c)
7 b)
106 c)
113 d) 3+ 2
2
E A = 3.1415926543.142857 = 0.001264346 =0.1264346 10
E A = 3.1415926543.141509 = 0.000083653 =0.83653 104
E A = 3.1415926543.1415 = 0.000592653 =0.592653 103
E A = 3.1415926543.146264 = 0.004671346 = 0.4671346 102
OBSERVACION:
a) El error absoluto que conviene tomar es el menor de estos nmeros, pues ms estrecho
ser el intervalo dentro del cual se asigna el nmero exacto.
b) El error absoluto refleja slo el aspecto cuantitativo
ER
2) ERROR RELATIVO
Con la finalidad de estimar la calidad de los clculos las mediciones respectivas, se

introduce el concepto de error relativo.
Entonces:
EA
E R= ,V 0
V
V V A
E R= , V 0
V
5
E1) Sea
V A =0.42 un valor aproximado de
V= =0.41666666 . , hallar el error
12
relativo.
0.416666660.42
E R= =0.008000016=8.00016 103
0.41666666
E2) Sea, V =5.6286 y sea el valor
a V A =5 .6241 b)
V A =5.6780 c)
V A =5.2175
5.62865 . 6241
a)
E R= =0.000799488=7.99488 104
5.6286
5.62865.6780
b)
E R= =0.008776605=8.776605 103
5.6286
5.62865.2175
c)
E R= =0.073037700=7.3037700 102
5.6286
4
V A =0.45 V = =0.444444 ..
E1) Sea un valor aproximado de
9 , hallar el error relativo.
0.4444440.45
E R= =0.0125010125=1.25010125 102
0.444444
E2) Sea,
V =9.6587 y sea el valor
a V A =9 .6211 b)
V A =9.6790 c)
V A =9.6125
9.65879 . 6211
E R= =0.003892863429=3.892863429 103
d)
9.6587
9.65879.6790 3
E R= =0.002101732117=2.101732117 10
e)
9.6587
9.65879.6125
f)
E R= =0.004783252405=4.783252405 103
9.6587
2
V A =0.67 V = =0.6666 .
E3) Sea un valor aproximado de
3 , hallar el error relativo.
0.66660.67
E R= =0.005=0.5 102
0.666
E4) Sea,
V =6.3564 y sea el valor
a V A =6 .3613 b)
V A =6 .3514 c)
V A =6 .3499
6.35646.3613 3
E R= =0.000770876=0.77086 10
g)
6.3564
6.35646.3514
E R= = 0.000786608=0.786608 103
h)
6.3564
6.35646.34499 2
E R= =0.001022591=0.1022591 10
i)
6.3564
3) ERROR RELATIVO PORCENTUAL
Es el error relativo multiplicado por 100 %
ER = | |
EA
V
100 , V 0
25
E1) Sea
V= =0.342465753 y sea
V A =0.337597 . Calcular el valor relativo
73
porcentual.
0.3424657530.337597
ER = 100 =0.014216759
0.342465753
E2) Sea V = 73=8.544003745 y

V A =8.196879 . Calcular el valor relativo
porcentual.
8.5440037458.196879
ER = 100 =4.0627838
8.544003745
17
V= =0.6538461538 V A =0.652987
E1) Sea
26 y sea . Calcular el valor relativo porcentual.
0.65384615380.652987 .
ER = 100 =0.13139993
0.6538461538
E2) Sea V = 38=6.164414003 y

V A =6.164879 . Calcular el valor relativo porcentual.
6.1644140036.164879
ER = 100 =0.007543247416
6.164414003
13
V= =0.684 V A =0.68421
E3) Sea
19 y sea . Calcular el valor relativo porcentual.
0.684210.684
ER = = 0.00030=0.30 103 =0.03
0.684
E4) Sea V = 52=7.21 1102551 y

V A =7.2111 . Calcular el valor relativo porcentual.
7.2111025517.2111
ER = =0.000035376=0.353776 104
7.211102551
OBSERVACION:
a) Si comparamos los dos resultados anteriores, veremos que la calidad de datos del E2) es
mejor que E1)
b) El error relativo representa el aspecto cualitativo, es decir Cmo hemos realizado el

clculo bien mal?.
c) Cuando se maneja cantidades muy grandes o muy pequeas, el error absoluto puede ser
no tan significativo, mientras el error relativo si es significativo en muchos casos.
CIFRAS SIGNIFICATIVAS
EXACTITUD: Que tan cercano est el valor calculado medido con el valor verdadero.
PRECISION: Que tan cercano est un valor individual medido calculado respecto a los
otros.
EJEMPLO 1:
LA INEXACTITUD (SE CONOCE COMO SESGO TAMBIEN)
Son inexactos, pues estn alejados del centro que es el valor verdadero
IMPRESICION (SE CONOCE COMO INCERTIDUMBRE)
Ambas son exactas, pero la segunda es ms precisa que la primera, ya que los puntos estn en
un grupo ms compacto.
Entonces las cifras significativas de un nmero son todas sus cifras, a excepcin de los ceros que
estn a la izquierda.
E1) 0.072671 Tiene 5 cifras significativas.
E1) 0.002671
Tiene 4 cifras significativas.
E2) 15.218
E3) 16.1
E4) 5796.174
E5) 0.001604
E6) 30.500
E7) 48.5
E8) 87324.45
DEFINICION
Se dice que un nmero

VA se aproxima a V con t dgitos significativos, si t es el entero ms
grande no negativo para la cual se cumple:
V AV
<5 10t
V
E1) Aproxime
VA al nmero 25 con dos cifras significativas.
Entonces:
V AV
<5 10t
V
V A25
<5 102
25
2
V A 25 < 5 10 25
V A 25 < 1.25
1.25<V A25< 1.25

23.75<V A <26.25 V A 23.75 26.25
Por lo tanto, podemos decir que cualquier valor de

V A en dicho intervalo cumple con
la condicin
E1) Aproxime
VA al nmero 15 con dos cifras significativas.
Entonces:
V AV
<5 10t
V
V A15
<5 102
15
2
V A 15 < 5 10 15
V A 15 < 0.75
0.75<V A15<0.75
14.25<V A <15.75 V A 14.25 15.75
Por lo tanto, podemos decir que cualquier valor de

VA en dicho intervalo cumple con la condicin
SERIES DE TAYLOR
ERROR DE TRUNCAMIENTO
Los errores de Truncamiento son aquellos que resultan al usar aproximaciones en lugar de un
procedimiento matemtico exacto.
La serie de Taylor es importante, pues es til para obtener modelos numricos, as como analizar
los errores de truncamiento.
TEOREMA
Sea f (x) una funcin cuya ( n+1 )esima derivada f ( x )(n +1) , existe para cada
x en un intervalo abierto I , que contenga a a para todo x de I .
f ( a ) +f ' ( a ) ( xa ) + Rn( x )

2
POLINOMIO DE 1 er ORDEN +f ' ' ( a ) ( xa )
2!
3 n
POLINOMIO DE 2 do ORDEN +f ( a) ( xa) ++ f ( a ) ( xa )

' '' n
3! n!
POLINOMIO DE ORDEN n

f ( x )=
( xa )n+1
Donde Rn ( x ) =f ( n+1 ) ( c ) es el residuo u error, donde c es algn punto
( n+1 ) !
entre x y a .
OBSERVACION
1) P1 ( x )=f ( a ) + f ' ( a )( xa )
' ( xa )2 ''
P2 ( x )=f ( a ) + f ( a )( xa )+ f ( a )
2!
E1) Encuentre
P1 ( x ) en a=1 para f ( x )=ln x y selo para calcular
valores aproximados de ln ( 0.9 ) y ln ( 1.5 ) .
Sea
f ( x )=ln x
f ( 1 )=ln 1
f (1 )=0
1 ' 1 '
f ' ( x )= f ( 1 )= f ( 1 )=1
x 1
Entonces :
P1 ( x )=f ( a ) + f ' ( a )( xa )
'
P1 ( x )=f ( 1 )+ f (1 ) ( x1 )
P1 ( x )=0+ 1 ( x1 )
P1 ( x )=x1
ln x x1
Luego:
ln x x1
ln ( 0.9 )=0.91
ln ( 0.9 )=0.1
0.10536 0.1
ln ( 1.5 )=1.51
ln ( 1.5 ) =0.5
0.40546 0.5
El primero es mejor, pues 0.9 est ms cercano de 0 que 1.5
E2) Encuentre
P2 ( x ) en a=1 para f ( x )=ln x y selo para calcular
valores aproximados de ln ( 0.9 ) y ln ( 1.5 ) .
Sea
f ( x )=ln x
f ( 1 )=ln 1
f (1 )=0
' 1 ' 1 '

f ( x )= f ( 1 )= f ( 1 )=1
x 1
1 ' ' 1 ' '

f ' ' ( x )= 2

f ( 1 )= 2
f ( 1 )=1
x 1
Entonces :
' '' ( xa )2
P2 ( x )=f ( a ) + f ( a )( xa )+ f ( a )
2!
( x1 )2
P2 ( x )=f ( 1 )+ f ' (1 )( x1 ) + f '' ( 1 )
2!
1
P2 ( x )=0+1 ( x1 ) ( x 1 )2
2!
1 1
P2 ( x )=( x1 ) ( x1 )2
ln x=( x1 ) ( x1 )2
2 2
Luego:
1
ln x=( x1 ) ( x1 )2
2
1
ln ( 0.9 )= ( 0.91 ) ( 0.91 )2
0.10536 0.105
2
1
ln ( 1.5 )=( 1.51 ) ( 1.51 )2
0.40546 0.375
2
Observamos que estas son mejores aproximaciones que en el caso lineal.
E3) Use el polinomio de Taylor de orden 4 para a=1 al calcular el valor
aproximado de ln ( 0.9 ) y d una estimacin del mximo error cometido.
Es necesario las cinco primeras derivadas de f (x)
f ( x )=ln x
f ( 1 )=ln 1
f (1 )=0
1 ' 1 '
f ' ( x )= f ( 1 )= f ( 1 )=1
x 1
1 ' ' 1 ' '
f ' ' ( x )= 2

f ( 1 )= 2
f ( 1 )=1
x 1
2 ' '' 2 '' '

f ' ' ' ( x )= 3

f (1 ) = 3
f ( 1 ) =2
x 1
'v 6 x 2 ' v ( ) 6 ' v ( )

f x= 6
( ) f 1 = 4 f 1 =6
x (1 )
v 24 x 3 v ( ) 24 v ( ) 24
f ( x )= 8 f c = 5 f c= 5
x (c ) c
Entonces por la frmula de Taylor:
( x1 )2 ' ' ' ( x1 )3 ' v ( x1 )4

ln x=f ( 1 ) + f ' ( 1 ) ( x1 ) +f ' ' ( 1 ) +f ( 1 ) + f (1) + R4 ( x )
2! 3! 4!
(1 ) ( x1 )2 2 ( x1 )3 (6 )( x1 )4
ln x=0+1 ( x1 ) + + + + R4( x )
2! 3! 4!
( x1 )2 2 ( x1 )3 6 ( x1 )4
ln x=( x1 ) + +R (x)
2 3 21 4 3 21 4
( x1 )2 ( x1 )3 ( x1 )4
ln x=( x1 ) + + R4 ( x )
2 3 4
( x 1 )2 ( x 1 )3 ( x1 )4
ln ( 0.9 )= ( x 1 ) + + R4( x )
2 3 4
( 0.91 )2 ( 0.91 )3 ( 0.91 )4

ln ( 0.9 )= ( 0.91 ) + + R 4 ( 0.9 )
2 3 4
(0.1 )2 (0.1 )3 (0.1 )4

0.10536=0.1 + + R 4 ( 0.9 )
2 3 4
0.10536=0.105358+ R4 ( 0.9 )
Sabemos que :
( n+1 ) ( xa )n+1
Rn ( x ) =f (c )
( n+ 1 ) !
5
24 (0.1 )
Rn ( 0.9 )= 5
c 5!
24 (0.1 )5
Rn ( 0.9 )=
c 5 5 4 3 21
(0.1 )5
Rn ( 0.9 )=
5 c5
0.9<c <1
x< c< a
Por lo tanto :
( 0.1 )5
|Rn ( 0.9 )|<
5 c5
( 0.1 )5
|Rn ( 0.9 )|< =0.00000338
5 ( 0.9 )5
Podemos concluir que ln ( 0.9 )=0.10536 con un error de 0.00000338
Al decir esto suponemos que el error es insignificante o que el error de clculo fue
insignificante.
POLINOMIO DE MCLAURIN
En el caso a=0 , el polinomio de Taylor de orden n se simplifica para obtener el

polinomio de Mclaurin, dando una aproximacin particularmente til en una vecindad de
x=0
Tenemos:
'' ' '' n
' f ( 0) 2 f ( 0) 3 f ( 0) n
f ( x )=f ( 0 ) +f ( 0 ) x+ x+ x + + ..+ x
2! 3! n!
x
E1) Encuentre los polinomios de Mclaurin para e y cos x . Calcular
0.2
despus el valor de e y cos ( 0.2 ) , empleando n=4 .
a) Es necesario las cinco primeras derivadas de f (x)
f ( x )=e x
f ( 0 ) =1
f ' ( x )=e x
f ' ( 0 )=1
f ' ' ( x )=e x

f '' ( 0 )=1
f ' ' ' ( x )=e x

f ' '' ( 1 )=1
f ' v ( x )=e x
f ' v ( 1 )=1
Entonces:
f '' ( 0 ) 2 f ' ' ' ( 0 ) 3 f ' v ( 0 ) 4

f ( x )=f ( 0 ) +f ' ( 0 ) x+ x+ x+ x
2! 3! 4!
x 1 2 1 3 1 4
e =1+1 x+ x + x+ x
2! 3! 4!
1 1 1
e 0.2=1+1 ( 0.2 )+ ( 0.2 )2+ ( 0.2 )3 + ( 0.2 ) 4
2! 3! 4!
1.2214=1.2214
b)
Es necesario las cinco primeras derivadas de f (x)

f ( x )=cos x
f ( 0 )=cos ( 0 )
f ( 0 )=1
f ' ( x )=sen x
f ' ( 0 )=sen 0
f ' ( 0 )=0
f ' ' ( x )=cos x

f ' ' ( 0 )=cos 0
f ' ' ( 0 ) =1
f ' ' ' ( x )=sen x

f ' ' ' ( 0 ) =sen 0
f ' ' ' ( 0 )=0
f ' v ( x )=cos x
f ' v ( 0 )=cos 0
f 'v ( 0 )=1
Entonces:
' f '' ( 0 ) 2 f ' ' ' ( 0 ) 3 f ' v ( 0 ) 4

f ( x )=f ( 0 ) +f ( 0 ) x+ x+ x+ x
2! 3! 4!
1 2 0 3 1 4
cos x=1+0 x x + x+ x
2! 3! 4!
1 1
cos 0.2=1 ( 0.2 )2+ ( 0.2 )4
2! 4!
0.99999=0980066
1.2214=1.2214
SISTEMA NUMERICO
1.1) Conversin de nmeros enteros del sistema decimal a un sistema de base

b y viceversa.
E1) Convierta
47310 al sistema octal.
473 8
1 598
3 7
Entonces
47310 es equivalente a 7318
E2) Convierta
457 8 al sistema decimal.
457 8=4 82 +5 8 1+7 80=30310
Entonces
457 8 es equivalente a 30310
E1) Convierta
358 8
448

Entonces
35810 es equivalente a
5468
E2) Convierta
6528 al sistema decimal.
2 1 0
6528=6 8 +5 8 +2 8 =426 10
Entonces
19010
1.2)Conversin de nmeros enteros del sistema octal al binario y viceversa.
E1) Convierta
5748 al sistema binario.
Primero aplicaremos Descomposicin polinmica.
2 1 0
5748 =5 8 +7 8 + 4 8 =38010 .
Luego divisiones sucesivas
380 2
1902
952
472
22.
22

Entonces
38010 es equivalente a 1011111002
Por lo tanto
5748 es equivalente al nmero binario 1011111002
Pero tambin lo podemos resolver as:
5748 = 5 7 4
101 111 100 { { {
5 2
2 2 ..

E1) Convierta
5468 al sistema binario.
Primero aplicaremos Descomposicin polinmica.
5468=5 82 +4 81 +6 80=35810 .
Luego divisiones sucesivas
358 2
1792
892
442
22.
22

Entonces
1011001102
Por lo tanto
5468 es equivalente al nmero binario
1011001102
Pero tambin lo podemos resolver as:
5468= 5 4 6
101 100 110 { { {
5 2
2 2 ..

1.3) Conversin de nmeros fraccionarios del sistema decimal a un sistema de base b
E1) Convierta
0.610 al sistema octal.
0.6 0.8 0.4 0.2 0.6
8 8 8 8 8 y se repite
4.8 6.4 3.2 1.6 4.8
Entonces
0.610 es equivalente a 0.46314 8 .
Este procedimiento se repite un nmero suficiente de veces o hasta que la parte decimal sea
CERO.
E1) Convierta
0.5 0.4 0.2 0.6 0.8 0.4

8 8 8 8 8 8 y se repite
4.0 3.2 1.6 4.8 6.4 3.2
Entonces
0.510 es equivalente a
0.431468 .
Este procedimiento se repite un nmero suficiente de veces o hasta que la parte decimal sea CERO.
E2) Convierta
0.210 al sistema octal.
0.2 0.6 0.8 0.4 0.2

8 8 8 8 8 y se repite
1.6 4.8 6.4 3.2 1.6
Entonces
0.210 es equivalente a
0.146318 .
1.4) Conversin de un nmero fraccionario en sistema binario al sistema decimal
Debemos tomar en cuenta que se inicia la posicin -1 a partir del punto de decimal.
E1) Convierta
0.010101110 2 al sistema decimal.
0.0101011102=0 21 +1 22 +0 23 +1 24 +0 25+ 1 26 +1 27 +1 28 +0 29=0.3398843751

REPRESENTACION DE NUMEROS EN LA COMPUTADORA
Generalmente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan en la memoria de la computadora.
La unidad fundamental de almacenamiento en un computador es la PALABRA, que pueden ser de

8 a 64 bits
A continuacin representaciones de los nmeros en la computadora:
1) NUMEROS ENTEROS
Revisaremos como los nmeros de base 10 pueden ser representados en base 2, la
aproximacin ms simple es el mtodo de la MAGNITUD DEL SIGNO, donde el primer bit
corresponde al signo, que puede ser (+) cuando es CERO y (-) cuando es UNO.
E1) Represente el numero 28 en una palabra de 16 bits

Entonces por divisiones sucesivas, tenemos:
28=111002
1 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0
BIT O CARACTERISTICA MANTISA
2) NUMEROS REALES (PUNTO FLOTANTE)
Al almacenar un nmero real en su representacin binaria se utilizara la notacin:

' ' ' ' ' ' '
d 1 d2 d 3 d 4 d 5 d6 d 7
0. d 1 d 2 d 3 d 4 d 5 d 6 d 7 d 8 2
Donde
d i 0 y d i y d j con i= 1,.8 ; j=1,2,7 pueden ser cero o unos
E1) Represente el nmero 15.324 en una palabra de 16 bits.
Por divisiones sucesivas, tenemos:

15=11112
Luego:
0.324 0.648 0.296 0.592 0.184

2 2 2 2 2 ..
0.648 1.296 0.592 1.184 0.736
Entonces:
15.324=1111. 010100101 ..2
4
15.324=1111 010100101 2
100
15.324=0.1111 010100101 2
Donde
4 2
2 2

4=1002

1 0 0 0 0 1 0 0 1 1 1 1 0 1 0 1
BIT O CARACTERISTICA MANTISA
RAICES DE UNA ECUACION
INTRODUCCIN
Nosotros desde hace tiempo aprendimos a utilizar la frmula:
b b24 ac
x=
2a
Para resolver expresiones p ( x )=a x2 +bx +c tambin podemos resolver polinomios
lineales p ( x )=ax+ b .
A estos valores calculados del polinomio ya sea lineal o cuadrtico se les llama races; es
decir p ( x )=0 es por eso que algunas races se les conocen como ceros del
polinomio.
Aunque la frmula anterior es til para resolver ecuaciones polinomiales de segundo

grado, hay muchos polinomios que no es posible resolverlos de una manera fcil, en
estos casos los mtodos numricos son mtodos eficientes para obtener una respuesta.
MTODO GRAFICO
Este mtodo es til para obtener una aproximacin a la raz de un polinomio y observar
donde cruza se intercepta en el eje de las X.
Este valor x para la cual p ( x )=0 proporciona una aproximacin inicial de la raz,
aunque los mtodos grficos son tiles para obtener estimaciones aproximadas de las
races, pero pocas precisas
Para aproximar debemos usar la tcnica de PRUEBA ERROR, que es escoger un valor
de x y evaluarla si es p ( x )=0 , sino no ocurre as, como en la mayora de los casos,
se hace otra conjetura y se evala nuevamente a p (x ) , hasta determinar la mejor
estimacin hasta encontrar un valor que genere un p (x ) cercano a CERO.

As tenemos:
a b a b
Vemos que el grfico (1) y (3) tienen el mismo signo pero, no hay races en la FIG(1) y la
FIG(3) tiene par de ellos entre los valores dados.
El grafico (2) nos da el resultado de una raz que est acotada por valores positivos y
negativos de p (x) .
As la FIG (4) es un polinomio de signos diferentes existiendo un nmero impar de

races.
Pero no siempre se cumple, pues hay funciones tangenciales discontinuas.
As p ( x )= ( x 2 )( x2 ) ( x4 ) es un polinomio tangencial pero tiene una raz mltiple

LOCALIZACION DE INTERVALOS DE RAICES DE f(x) =0
Cuando no hay informacin previa de acerca de los valores aproximados de las races;
una manera sencilla para hallar intervalos de x que contenga una raz es construir una
tabla de valores de x, con separacin uniforme.
E1) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms
races
3
y=f ( x ) =x + x+ 1 con h=1.0, h=es el tamao del intervalo
x f(x)=0
4 +
3 +
2 +
1 +
0 +

1 + f ( 1 ) f ( 2 ) <0 x 1 [ 1,2 ] , x 1 es raiz
2
3
4
E2) Determinar el (los ) intervalos de tamao 1.0 , tal que cada una de ellas
contenga uno o ms races
y=f ( x ) =18 ( x0.5 )( x1 ) +e x e2 x ,5< x< 5
x f(x)=0
5
4
3
2 f ( 0 ) f ( 1 ) <0 x1 [ 0, 1 ] , x 1 es raiz
1
0
1 + f ( 1 ) f ( 2 ) <0 x 2 [ 1,2 ] , x 2 es raiz
2
3
4
5
Encontramos dos intervalos [ 0,1 ] , [ 1,2 ] cada una de los cuales contiene al menos
una raz.
E3) Determinar el (los ) intervalos , tal que contenga uno o ms races
y=f ( x ) =x 37 x +6 con h=0.4, h=es el tamao del intervalo
E4) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms
races
y=f ( x ) =7 e x x 2
E5) Determinar el (los ) intervalos de tamao 1.0 , tal que cada una de ellas contenga uno o ms races
y=f ( x ) =19 ( x0.5 )( x1 ) +e x e2 x ,10< x< 10
x f(x)=0
10
9
8
7
6
5

4 f ( 0 ) f ( 1 ) <0 x1 [ 0, 1 ] , x 1 es raiz
3
2
f ( 1 ) f ( 2 ) <0 x 2 [ 1,2 ] , x 2 es raiz
1
0
1 +
2 f ( 6 ) f ( 7 )< 0 x 3 [ 6,7 ] , x 3 es raiz
3
4
5
6
7 +
Encontramos tres intervalos [ 0,1 ] , [ 1,2 ] , [ 6,7 ] cada una de los
8 +
cuales contiene al menos una raz.
9 +
10 +
E6) Determinar el (los ) intervalos , tal que contenga uno o ms races
y=f ( x ) =x 32 x1 con h=0.5,h=es el tamao del intervalo
E7) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms races
y=f ( x ) =e x 5 x 2
MTODOS CERRADOS
INTRODUCCIN
Son aquellos que aprovechan que una funcin cambia de signo en una vecindad de una raz.
A estas tcnicas los llamamos Mtodos Cerrados o de Intervalos, pues son necesarios dos
puntos iniciales para la raz.
Esto implica que dichos valores iniciales deben encerrar a la raz.
Los mtodos que vamos a estudiar emplearan diferentes estrategias para reducir el tamao del
intervalo y converger a la respuesta correcta.
Entre ellos tenemos:
a) Mtodo de Biseccin
b) Mtodo de Regula Falsi
MTODO DE BISECCION
f x
Al graficar la funcin podemos observaremos que la funcin cambia de signo en ambos
lados de la raz.
f(a
)
a b
f(b
)
f x f a f b
Entonces en general si es real y continua en el intervalo a , b y s , tienen
f a f b 0
signos opuestos , es decir , entonces afirmamos que al menos hay una raz real
a , b
entre a y b en el intervalo .
El mtodo de Biseccin conocido como corte binario, de particin en dos intervalos iguales
Mtodo de Bolzano es un tipo de bsqueda incremental en que el intervalo se divide siempre en
la mitad
MTODO DE BISECCION (BUSQUEDA BINARIA)
f (x) a , b f (a ) f (b )
Sea una funcin continua y definida en el intervalo con y de

signos distintos, existe un x a< x < b tal que f ( x ) =0 (Existe una solucin raz
,
por el Teorema del Valor Medio)
Este mtodo de Biseccin aplica los siguientes pasos para una raz con ciertas cifras significativas
exactas.
a0 , b0 x
1) Sea un intervalo inicial donde existe la raz , para generar luego la
ai +bi
sucesin x i }i=0
x x i= ,i=1,2,
, mediante la relacin : 2
2) Determinar
{
0 ai +1=x i
b i+1=b i
f ( ai ) f ( x i )= <0 ai +1=ai
bi +1=x i
=0 x i es la raiz
3) Dejar de iterar s Tolerancia
x
i
x
i1
0.5 10
mn 1
mn 1
E
A
0.5 10
4) Dejar de iterar s
OBSERVACION
m= Orden
n= Nmero de cifras significativas
Ejemplo 1
Encuentre la raz de la siguiente ecuacin en el intervalo [ 6 ,7 ] empleando el mtodo de
biseccin para el polinomio f ( x )=x 2 ln x 9 x18 e iterar hasta que el error estimado
sea menor o igual al 0.01.
i0
Sea
[ a0 , b0 ]= [ 6 ,7 ]
a 0+ b0 6+7

x0 = = =6.5
2 2

x 0 =6.5
{
f ( a0 ) f ( x 0 )=f ( 6 ) f ( 6.5 ) <0 a1=a 0=6
b1=x 0=6.5
i1
Sea
[ a1 , b1 ]=[ 6 , 6.5 ]
a1 +b 1 6+ 6.5
x 1= = =6.25
2 2
x 1=6.25
{
f ( a1 ) f ( x 1) =f ( 6 ) f ( 6.25 )> 0 a2 =x1 =6.25
b 2=b1=6.5
i2
Sea
[ a2 , b2 ]=[ 6.25 , 6.5 ]
a 2+b2 6.25+ 6.5

x 2= = =6.375
2 2
x 2=6.375
f ( a2 ) f ( x 2) =f ( 6.25 ) f ( 6.375 )> 0

{
a3 =x2 =6.375
b3 =b2=6.5
i3
Sea
[ a3 , b3 ]= [ 6.375 , 6.5 ]
a 3+b3 6.375+6.5
x 3= = =6.4375
2 2
x 3=6.4375
f ( a3 ) f ( x 3 )=f ( 6.375 ) f ( 6.4375 )<0 a 4=a3=6.375
b 4=x 3=6.4375 {
n xn x n+1 x n
0 6.5
1 6.25 0.25
2 6.375 0.125
3 6.4375 0.0625
4 6.40625 0.03125
5 6.390625 0.015625
0.01
6 6.3828125 0.0078125
Luego tenemos que la raz es:
x 5=6.390625
Donde
x n+1 x n =0.015625 0.01
Ejemplo 1
f x x 3 x 1 x * 1 ,2
102
Sea con un error de aproximacin de obtener , aplicar el mtodo de biseccin.
i0
1) Sea
a0 ,b0 1 ,2
a 0 , b 0 1 2
x0 1, 5
2 2
x 0 1, 5

f a f x 0 f 1 f1.5
0
a1 a 0 1
0 b x 1,5
1 0
2)
i1
Sea
a1 , b1 1 , 1,5
a1 , b1 1 ,1,5
x1 1, 25
2 2
x 1 1, 25
3)

f a f x1 f 1 f 1,25
1
a 2 x1 1,25
0 b a 1,5
2 1
4)
i2
Sea
a 2 ,b2 1,25 , 1,5
a 2 b 2 1,25 ,1,5
x2 1, 375
2 2
x 2 1, 375
5)

f a f x 2 f 1,25 f 1,375
2
a a 1,25
3 2
0 b x 1,375
3 2
6)
i3
Sea
a3 ,b3 1,25 , 1,375
n xn x n+1 x n
a3 b3 1,25 ,1,375
x3 1, 3125
0 1.5 2 2
x 3 1, 3125
1 1.25 0.25
2 1.375 0.125
EJEMPLO 1
3 1.3125 0.0625
4 1.34375 0.03125
f x x 2 2x 4 0
Sea 5 1.328125 0.015625
6 1.320312 0.0078125
0.01 x* 1 ,2
a) obtener la solucin con dos cifras significativas
x* 4, 3
b) obtener la solucin con dos cifras significativas
f x x 2 2x 4 0
Entonces resolveremos a)
i0
7) Sea
a0 , b0 1 ,2
a 0 , b0 1 2
x0 1, 5
2 2
x 0 1, 5

f a f x0 f 1 f 1.5
0
a1 a0 1
0 b x 1,5
1
0
8)
i1
Sea
a1 , b1 1 , 1,5
a , b 1 1 ,1,5
x1 1 1, 25
2 2
x 1 1, 25
9)

f a f x1 f 1 f 1,25 0

a 2 a1 1
1
b 2 x1 1,25
10)
i2
Sea
a2 ,b2 1 , 1,25
a b2 1 ,1,25
x2 2 1, 125
2 2
x 2 1, 125
11)
fx
fa 2 f1 f1,125
0
a 3 x 2 1,125
2
b3 b 2 1,25
12)
i3
Sea
a3 ,b3 1,125 , 1,25
a 3 b 3 1,125 ,1,25
x3 1, 1875
2 2
x 3 1, 1875
Ejemplo 2
Encuentre la raz de la siguiente ecuacin en el intervalo [ 2.5,1 ] ,
empleando el mtodo de Biseccin para el polinomio f ( x )=3 x 22 x10 ,
e iterar hasta que el error estimado sea menor o igual al 5%.
Sea f ( x )=3 x 22 x10 x [ 1,2.5 ] con un s 5

,
i0
1) Sea
a 0 ,b0 - 1 ,-2.5
a 0 b0 1 2.5
x0 1,7 5
2 2
x 0 1, 75

f a f x 0 f1 f 1
.75 0
a1 a0 1
0
b1 x 0 1.75
2)
i1
Sea
a 1 ,b1 1, 1.75
a1 , b1 1 1,75
x1 1, 375
2 2
x 1 1, 375
f a f x f 1 f 1, 375 0
a 2 x1 1, 375

1
1
b 2 b1 1, 75

3)
i2
Sea
a 2 , b2 1, 375 ,1.75
a2 b2
x2 1, 5625
2
x 2 1, 5625

f a f x 2 f 1, 375 f 1, 5625

0
a3 a2 1, 375

2
b3 x 2 1,5625

n xn |x i+1x i|
0 -1.750000000
1 -1.375000000 0.375000000
2 -1.562500000 0.187500000
3 -1.468750000 0.093750000
4 -1.51625000 0.046875000 0.05
Luego tenemos que la raz es:

x 4 - 1.51625000
Donde
x 4 x 3 0.04687500 0 0.05
Ejemplo 3
f x x 2 0.9 x 1.52 x * 1 ,2 3
=10
Sea con un
,
i0
4) Sea
a0 ,b0 1 ,2
a 0 b 0 1 2
x0 1, 5
2 2
x 0 1, 5
5)
a1 x 0 1.5

f a 0 f x 0 f 1 f1.5
0 b b 2
1 0
6)
i1
Sea
a1 ,b1 1, 5 , 2
a ,b1 1,5 ,2
x1 1 1, 75
2 2
x1 1, 75
7)
f x
f a 1 f 1,5 f 1,75 0

a 2 x 1 1,75
1
b2 b1 2
8)
i2
Sea
a2 ,b2 1,75, 2
a 2 b 2 1,75 ,2
x2 1, 875
2 2
x 2 1, 125
9)
a 3 a2 1,75

f a 2 f x 2 f 1,75
f 1,875
0 b x 1,875
3 2
10)
i3
Sea
a3 ,b3 1,75 , 1,875
a 3 b3 1,75 ,1,875
x3 1, 8125
2 2
x 3 1, 8125
i0
11) Sea
a0 ,b0 1 ,2
a 0 b 0 1 2
x0 1, 5
2 2
x 0 1, 5
12)
a1 x 0 1.5

f a 0 f x 0 f 1 f 1.5 0

b1 b0 2
13)
i1
Sea
a1 ,b1 1, 5 , 2
a1 , b1 1,5 ,2
x1 1, 75
2 2
x 1 1, 75
14)
a 2 x1 1,75

f a 1 f x 1 f 1,5
f 1,75
0 b b 2
2 1
15)
i2
Sea
a2 ,b2 1,75, 2
a b2 1,75 ,2
x2 2 1, 875
2 2
x 2 1, 125
16)
a 3 a2 1,75

f a 2 f x 2 f 1,75
f 1,875
0 b x 1,875
3 2
17)
i3
Sea
a3 ,b3 1,75 , 1,875
a b 3 1,75 ,1,875
x3 3 1, 8125
2 2
x 3 1, 8125
Luego tenemos que la raz es :
x 9 1, 762695313
Donde
x 9 x 8 0.000976 0.001
MTODO DE REGULA FALSI
Dado que el Mtodo de Biseccin es una tcnica que permite determinar races, su enfoque no es
tan eficiente. La Falsa Posicin es una alternativa basada en la visualizacin grfica, pues la
interseccin de una lnea con el eje de las X, representa una mejor estimacin de la raz, de aqu
el nombre de Falsa Posicin, en Latn Regula Falsi mtodo de Interpolacin Lineal.
1) Este mtodo se basa en la interpolacin lineal, es anlogo al mtodo de biseccin, puesto

que el tamao del intervalo que contiene a la raz se reduce mediante iteracin.
Sin embargo en vez de encontrar los puntos medios de los intervalos en forma montona ,
utiliza la interpolacin lineal ajustada a dos puntos extremos para encontrar una
aproximacin de la raz, siendo la funcin bien aproximada por la interpolacin lineal ,
entonces las races tendrn una buena precisin y la iteracin converger ms rpido que
usando el mtodo de biseccin.
El Mtodo de Biseccin tiene el defecto que al dividir el intervalo en mitades iguales no

considera la magnitud de las imgenes de la funcin.
f a f b
As por ejemplo si es ms cercano a cero que es lgico que la raz se
a b f a f b
encuentre ms cerca de que de aprovechando en unir y con una lnea
recta , donde la interseccin de esta lnea con el eje X representa una mejor estimacin de
la raz , de hecho al reemplazar una curva por una lnea recta da una FALSA POSICION
de la raz de aqu el nombre Mtodo de FALSA POSICION .
GRAFICAS
Sabemos que la ecuacin de la recta es:
y y 0 =m ( xx 0 )
y 1 y 0
y y 0 = ( xx 0 )
x 1x 0
Entonces:
[ a , b]
Sea el intervalo cerrado que contenga a la raiz , la funcion lineal que
pasa por los puntos :

( x 1 , f ( x1 ) ) , ( x0 , f ( x 0 ) ) , se tiene:
f ( x 1) f ( x 0 )
yf ( x1 ) = ( x 1x 0 )
x 1x 0
x1
Despejando, tenemos:
( y 0 f ( x 0 ) ) ( x 1x 0 )
+ x0 =x 1
f ( x 1 )f ( x 0 )
Si y=0 La recta intersecta al eje X en una raz
Entonces
f ( x 0 ) ( x 1x 0 )
x 1= + x0
f ( x1 ) f ( x 0 )
( x 1x 0 )
x 1=x 0 f ( x0 )
f ( x 1 )f ( x 0 )
Entonces:
( x 2x 1 )
x 2=x 1 f ( x 1)
f ( x 2) f ( x 1 )
( x 3x 2 )
x 3=x 2 f ( x2 )
f ( x 3 )f ( x2 )
.......
( x nx n1 )
x n=x n1 f ( x n1 )
f ( x n )f ( x n1 )
2) La desventaja de este mtodo es que pueden aparecer extremos fijos as las
x2, x3, x 4....

aproximaciones a la raz converge solamente por un lado.
3) Los extremos fijos no son deseables, pues hacen ms lentos la convergencia,
especialmente cuando el intervalo inicial es muy grande.
ALGORITMO DEL METODO DE REGULA FALSI
f (x) a , b f ( x )=0
Sea una funcin continua y definida en el intervalo donde .

Si f ( a ) f ( b ) <0 x a , b ; f ( x )=0
Tenemos la relacin:
f ( bi ) a if ( ai ) bi
x i= i=0,1,2 .
f ( bi ) f ( ai )
Determinamos:
{
0 a i+1=x i
b i+1=b i
f ( ai ) f ( x i )= <0 ai +1=a i
b i+1=x i
=0 xi es la raiz
Donde
x i=x
Ejemplo 1
2
Sea f ( x )=x |sen x|5 ( x est en radianes ), determine la raz
positiva ms pequea de la funcin, empleando el mtodo de
Falsa posicin para x [ 0 ;5 ] . Realice el clculo hasta que
s < a donde
a=1
Sea
2
f ( x )=x |sen x|5 , x [ 0 , 5] ,
1) Sea
f 0 5
f 5 14.6687282 89
2)

f 0 f 5 0 x * 0, 5 a ,b
0 0

Por lo tanto
i0
3) Sea
f b 0 a 0 f a 0 b 0
x0
f b0 f a0
f 5 0 f 0 5
x0
f 5 f 0
x 0 1, 271053198
4) Luego
f a 0 f x 0 f 0 f 1,27105319 8 0
a1 x 0 1, 271053198

b1 b 0 5

a ,b 1, 271053198, 5
1 1
5)
i1
f b1 a 1 f a 1 b 1
x1
f b1 f a1
f 5 1, 27105319 f 1, 27105319 5
x1
f 5 f 1, 27105319
x 1 1,99611230 9
6) Luego
f a 1 f x 1 f 1, 271053198 f 1,99611230 9 0
a 2 x 1 1,99611230 9

b 2 b1 5

a ,b
2 2
1,99611230 9 , 5
n xn s
0 1.271053198
1 1.996112309 0.725059110
2 2.199467317 0.203355008
3 2.233593225 0.034125908
4 2.238406548 0.046875000
5 2.239064611 0.000658063 0. 05
6 2.239168296 0.000103685
7 0.000000000 0.000000014
Ejemplo 2
Emplee el mtodo de Falsa posicin para f ( x )=x 32 x+ 1 para

x [ 2,1 ]
1) Sea
f 2 2 2 2 1
3
f 2 3
2)
f 1 1 2 1 1
3
f 1 2

f 2 f 1 0 x * 2,1 a , b
0 0

Por lo tanto
i0
3) Sea
f b 0 a 0 f a 0 b0
x0
f b0 f a 0
f 1 2 f 2 1
x0
f 1 f 2
7
x0
5
x 0 1, 4
4) Luego
f a0 f x 0 f 2 f 1,4 0
a1 a0 2

b1 x 0 1,4

a , b 2,1, 4
1 1
5)
i1
f b1 a1 f a1 b1
x1
f b1 f a1
f 1,4 2 f 2 1,4
x1
f 1,4 f 2
x1 1,556213018
6) Luego
f a1 f x1 f 2 f 1,55621301 8 0
a2 a1 2

b2 x1 1,55621301 8

a , b 2,1,55621301 8
2 2
7)
i2
f b 2 a 2 f a 2 b2
x2
f b2 f a 2
f 1,55621301 8 2 f 2 1,55621301 8
x2
f 1,55621301 8 f 2
x 2 1,56018170 41
8) Luego
f a 2 f x 2 f 2 f 1,60181704 1 0
a3 a2 2

b3 x 2 1,60181704 1

a , b 2,1,60181704 1
3 3
9)
i3
f b 3 a 3 f a 3 b 3
x3
f b3 f a3
f 1, 601817041 2 f 2 1, 601817041
x3
f 1, 601817041 f 2
x 3 1,61387237 7
10) Luego
f a 3 f x 3 f 2 f 1,61387237 7 0
a 4 a3 2

b 4 x 3 1,61387237 7

a , b 2,1,61387237 7
4 4

Ejemplo 2
Sea f ( x )=x 101 ,

x [ 0 , 1,3 ]
1) Sea
f 0 1
2)
f 1,3 1,3 10 1
f 1,3 12,785849

f 0 f 1,3 0 x * 0 1,3 a 0 ,b0
Por lo tanto
3) Sea
i0
f b 0 a 0 f a 0 b0
x0
f b0 f a0
f 1,3 0 f 0 1,3
x0
f 1,3 f 0
x 0 0, 094299
4) Luego
f a 0 f x 0 f 0 f 0.094299
0
a 1 x 0 0,094299

b1 b0 1,3

a1,b1 0,094299,1, 3
5)
i1
f b 1 a1 f a 1 b 1
x1
f b1 f a 1
f 1,3 0,094299 f 0,094299 1,3
x1
f 1,3 f 0,094299
x 1 0,181758
6) Luego
f a1 f x 1 f 0,094299
f 0,18758 0
a 2 x 1 0, 181758

b2 b1 1,3

a 2 ,b2 0,181758 , 1,3
7)
i2
f b 2 a 2 f a2 b 2
x2
f b 2 f a2
f 1,3 0,181758 f 0,181758
1,3
x2
f 1,3 f 0,181758
x 2 0,262873
8) Luego
f a2 f x 2 f 0,181758
f 0,262873 0
a 3 x 2 0,262873

b 3 b2 1,3

a 3 ,b3 0,262873,1,3
9)
i3
f b 3 a 3 f a 3 b 3
x3
f b3 f a3
x 3 0.338140
10) Luego
f a 3 f x 3 f 0,262873 f 0,338104 0
a a 0,338104
4 3

b 4 x 3 1,3
a ,b 4 4
0,338104,1,3
11)
i4
f b 4 a 4 f a 4 b 4
x4
f b4 f a 4
x 4 0,407877
ORDEN DE UN NMERO
El orden de un nmero es el mximo exponente de la descomposicin polinomica.
Lo denotaremos como el entero m
Ejemplo 1
0 -1-2-3- 4

V 0.0 0 9 8
0 1 2 3 m 4
V
10 0 10
0
0 10 9 10 8 10
LOS CEROS A LA IZQUIERDANO VALEN
Orden:
m 3
Adems, podemos afirmar que tiene 2 cifras significativas
Ejemplo 2
V 0.011070
1 2 m
V 0
10
0 10
0
1 10 1 10 3 0 10 4 7 10 5 0 10 6
LOS CEROSA LA I ZQU IERDA
NO VALEN
Orden
:
m 2
Ejemplo 3
3 2 1 0 -1-2-3-4
V 1 905.0778
V 1 10 3 m 9 102 0 101 5 100 0 10 1 7 10 2 7 103 8 10 4
Orden:
m 3
Ejemplo 4
1 0 -
1-2-3
V 39.078
V 3 10 1 m 9 100 0 10-1 7 10-2 8 10 3
Orden:
m 1
METODOS ABIERTOS
INTRODUCCION
Veremos que los Mtodos Abiertos se basan en frmulas que requieren un nico valor de inicio
un par de ellos, pero no necesariamente encierran a la raz; pues algunas veces divergen se
alejan de la verdadera raz a medida que aumenta el nmero de iteraciones.
Si los mtodos abiertos convergen estos lo hacen rpidamente.
Entre ellos tenemos:
a) Mtodo del punto fijo

b) Mtodo de Newton Raphson
c) Mtodo de la secante
METODO DE PUNTO FIJO
METODO DE APROXIMACIONES SUCESIVAS
Sea f ( x ) una funcin de la que deseamos hallar sus races donde f ( x ) se puede expresar
de la forma:
x=g ( x ) , para alguna funcin g (x ) por lo tanto debemos hallar su
solucin.
S se desea hallar un cero (raz) de f ( x )=0 , se puede expresar como un problema de punto
fijo, haciendo:
g ( x ) =xf ( x )
(La tarea es cuando una funcin tendr un punto fijo y cmo determinarlos)
x
E1) Las races ceros de
f ( x )=cos en un intervalo [ 1, 3 ] ?
2

Races
x=1 f ( x )=cos =0
2
3
x=3 f ( x )=cos =0
2
Entonces si resolvemos como un problema de punto fijo, tenemos:
g ( x ) =xf ( x )
x
g ( x ) =xcos , x [ 1, 3 ]
2

g ( 1 )=1cos g ( 1 )=1 x=1 . Es punto fijo.
2
3
g ( 3 )=1c os g ( 1 )=1 x=3 . Es punto fijo.
2

f ( x )=sen 2 x en un intervalo
[ 0 ,1 ] ?
Races
x=0 f ( x )=sen 0=0
x=1 f ( x )=sen 2=0
g ( x ) =xf ( x )
g ( x ) =xsen 2 x , x [ 0,1 ]
g ( 0 )=0sen 0 g ( 0 )=0 x=0 . Es punto fijo.

f ( x )=sen x en un intervalo
[ 0 ,1 ] ?
Races
x=0 f ( x )=sen 0=0
x=1 f ( x )=sen=0
1 1
x= f ( x )=sen =1 0 x=
Si
2 2 2 , No es una raz
g ( x ) =xf ( x )
g ( x ) =xsen x , x [ 0, 1 ]
g ( 1 )=1sen g ( 1 )=1 x=1 . Es punto fijo.
TEOREMA DE EXISTENCIA Y UNICIDAD DEL PUNTO FIJO
Supongamos que g C [ a b ]
i) Si la imagen de la aplicacin y=g ( x ) verifica que , y[a b] para cada punto
x [ a b ] g tiene al menos un punto fijo en [ a b ] .
ii) Supongamos adems. que g' ( x ) est definida en a b y que |g' ( x )|<1
x a b g tiene un nico punto p fijo en [a b] .

g C [ a b ] : Al conjunto de todas las funciones continuas en el intervalo cerrado.
E1) Determinar si la funcin tiene un nico punto fijo f ( x )=cos x en [ 0 , 1] .
1) f ( x )=cos x C [ 0,1 ]
f ( x )=cos x es decreciente en [ 0,1 ] por lo que su imagen
f ( [ 0,1 ] )= [ cos ( 1 ) , cos ( 0 ) ]
radianes
f ( [ 0,1 ] )= [ 0.54030236 , 1 ] [ 0,1 ] Por lo que cumple con i) del teorema
2) Si x 0, 1 |g' ( x )|=|sen x|
sen x , cuando x=1
0.841470985< 1
Cumple con la condicin ii) del teorema
Por lo tanto el punto fijo de f(x) en [ 0,1 ] es nico.
E2) Determinar si la funcin tiene un nico punto fijo

f ( x )=sen x en
[ 0 , 1] .
3)
f ( x )=sen x C [ 0,1 ]
f ( x )=sen x es creciente en
[ 0,1 ] por lo que su imagen
f ( [ 0,1 ] )= [ sen ( 0 ) , sen ( 1 ) ]
radianes
f ( [ 0,1 ] )= [ 0, 0.841470985 ] [ 0,1 ]

Por lo que cumple con i) del teorema
4) Si
x 0, 1 |g' ( x )|=|cos x|
cos x , cuando
x=1
0.540302306<1
Cumple con la condicin ii) del teorema
Por lo tanto el punto fijo de f(x) en

[ 0,1 ] es nico
f : Dom ( f )=[ a , b ] R es creciente Ran ( f )=[ f ( a ) , f ( b ) ]
f : Dom ( f )=[ a , b ] R es decreciente Ran ( f )=[ f ( b ) , f ( a ) ]
1 x
E2) Sea
g ( x ) = + sen , probar si tiene un nico punto fijo en [0, 2 ] .
2 2
1) Existe g' ( x ) .
1 x 1 x
g ( x ) = + sen g' ( x )= cos
2 2 4 2
2) Los mximos y mnimos absolutos, para esto encontraremos los puntos crticos.
' 1 x x x '
Si
g ( x )=0 cos =0 cos =0 =90 x=180 x = g ( x )=
4 2 2 2
Entonces:
1 0
g ( 0 )= + sen g ( 0 )=
2 2
1 2
g ( 2 )= + sen g ( 2 )=
2 2
'
3) Se tiene que g (x ) es continua [0, 2 ] y g ( x ) K <1 , x
0, 2
Luego:
1 x
cos 1
4 2
<1 , x [ 0 , 2 ] , cuando x=0
4
Tiene un nico punto fijo en [ 0 , 2 ]

2
2 x 2
E3) Sea g (x )= en [ 1, 1 ] . Probar si se tiene un nico punto fijo.
8
4) Existe g' ( x ) .
2
2 x 2 ' (4 x ) (8)
g (x )= g ( x )=
8 8
1x
g' ( x )=
2
5) Los mximos y mnimos absolutos, para esto encontraremos los puntos crticos.
1x
Si
g' ( x )=0 =0 x =0
2
Entonces:
2 ( 0 )22 1
g ( 0 )= g ( 0 )= Mnimo
8 4
2 ( 1 )22
g (1 )= g ( 1 ) =0
8
Mximo
2
2 (1 ) 2
g (1 )= g (1 ) =0
8
' 1
6) Se tiene que g ( x ) es continua y g ( x ) <1 , x [ 1 , 1 ] , cuando x=1
2
Tiene un nico punto fijo en [ 1 ,1 ] .
7) Podemos determinar el punto fijo p en el intervalo [ 1 ,1 ] .
p=g ( p )
2 p 22
p=
8
8 p=2 p22
0 2 p2 8 p2
0 p 24 p1
(4 ) (4 )4 ( 1 )(1 )
p=
2 (1)
4 20
p=
2
p=2 5
Entonces p=2+ 5 No es un punto fijo de g ( x ) en [ 1 ,1 ]
p=2 5 Es un punto fijo de g ( x ) en [ 1 ,1 ]
OBSERVACION
p=2 5=0.236 [ 1 , 1 ]
p=2+ 5=4.236 [ 1 , 1 ]
E4) Dada la ecuacin polinomial x 2x2=0 , halle algunas posibilidades de Funciones de

Iteraciones de g(x)
2 2
a) x=x 2 g ( x )=x 2
b) x= x+2 g ( x ) = x +2
2 2 2 2
c)
x=x 2 1=x 1=x g ( x )=1+
x x x
Cada una se denomina funcin de Iteracin para encontrar una raz de la ecuacin, al escoger
alguna de ellas se efecta el algoritmo.
E5) La ecuacin polinomial 2 x 2x 5=0 , tiene races : 1.850781059 y -1.350781059, algunas posibilidades de x = g(x) son:
2
a) x=2 x 5 despejando el segundo termino.
b) x=
x +5
2
despejando x del primer trmino.
5
x=
c)
2 x1 factorizando x y despejando
E4) La ecuacin polinomial x 3+ 4 x 210=0 , tiene una raz en [ 1 , 2 ]
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras
de convertirlas en x=g ( x ) , entre ellas tenemos:

1) x=xx 34 x 2+10 g1 ( x )=x x3 4 x 2 +10
1 1
3 2 3 2
( 10x ) ( 10x )
2) x= g 2 ( x )=
2 2
1 1
10 2 10
3) g3 ( x )=x = ( ) 4+x
g3 ( x ) =
4+x ( ) 2
Como
x 0=1.3 tenemos (Trabajar con 9 dgitos)
3 2
x 1=2.3430 ( 1 ) tenemos : ( 2.3430 )( 2.3430 ) 4 ( 2.3430 ) +10=22.477843610
i 1) 3)
0 1.3 1.3
1 2.3430 1.373605639
2 -22.477843610 1.364165634
3 9323.51644 1.365365454
4 -8.10824573 x 1011 1.365212782
5 5.33065009 x 1035 1.365232206
6 1.365229734
Debemos sealar que 1) es divergente; pero el otro resultado 3) es mejor .
1
10
Tenemos g3 ( x ) = ( )
4+x
2
:
1)
x 0=g ( x 0 )=1.3
10 12
x 1=g ( x0 ) =g ( 1.3 )= ( 4+1.3 )
=1.373605639
1
10
x 2=g ( x1 ) =g ( 1.373605639 )= ( 4+1.373605639
2
)
=1.364165634
1
10
x 3=g ( x 2) =g ( 1.364165634 )= ( 4+ 1.364165634
2
)
=1.365365454
x 4= .
x 5=
E4) La ecuacin polinomial x 3+ 4 x 210=0 , tiene una raz en

[ 1 , 2]
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras de convertirlas en
x=g ( x ) , entre ellas tenemos:
3 2
1) g1 ( x )=x =xx 4 x +10
1
3 2
( 10x )
2)
g2 ( x )=x =
2
1
10
3)
g3 ( x )=x = ( ) 4+x
2
x 3+ 4 x 210
g4 ( x )=x=x 2
3 x +8 x
4)
Como
x 0=1.5 tenemos:
x 0=1.3 tenemos
3 2
x 1=0.875 (1 ) tenemos : (0875 ) (0.875 ) 4 (0.875 ) +10=6.73 .
i
1) 2) 3) 4)
0 1.5 1.5 1.5 1.5

1 -0.875 1.286953 1.348399 1.3733
2 6.73242185 1.402541 1.367376 1.36502620
3 -469.71958 1.3454581 1.364957 1.365230014
4 1.375170 1.365264 1.365230013
5 1.360094 1.365225 1.365230013
6 1.367847 1.365230 1.365230013
Debemos sealar que 1) es divergente; pero tenemos mejores resultados en 2) 3) y 4).
Tenemos:
2)
x 0=g ( x 0 )=1.5
10 12
x 1=g ( x0 ) =g ( 1.5 )= ( 4+1.5
=1.348399 )
1
10
x 2=g ( x1 ) =g ( 1.3448399 )= ( 4+1.348399
2
=1.367376 )
1
10
x 3=g ( x 2) =g ( 1.367376 )= ( 4+1.367376
2
)
=1.364957
x 4= .
x 5=
COROLARIO
Sea g C [ a b ] , g ( x ) [ a b ] , x [ a b ] , , g' ( x ) x a b ;
g' ( x ) k <1, x a b
n
k
P nx 0 x x ,
1k 1 0
n 1
OBSERVACION
1) Si K es muy cercano a cero La sucesin { Pn }n 1 Converge rpidamente.
2) Si K es muy cercano a uno La sucesin { Pn }n 1 Converge muy lentamente.
kn
3) La rapidez de la convergencia depender del factor : 1k
Tenemos por ejemplo:
3 2
E1) g1 ( x )=x x 4 x +10
' 3 '
g1 ( x )=13 x 8 x , g1 ( x ) , es continua en 1 2
g1' ( x ) = 13 x2 8 x , x 1 , 2 ,
g 1' ( x ) 1, x 1 , 2 .
No hay sospecha de convergencia

1
10
E2) g2 ( x )=x = ( )
4+x
2
g2' ( x ) es continua en 1 , 2
1 /2
1 10
'
g2 ( x ) = ( ) ( ( 410
2 4+ x +x) )
, x 1 , 2 2
1 /2
' 5 ( 4+x )
g2 ( x ) = , x 1 , 2
( 10 )1/ 2 ( 4 + x )2
3
' 5 2
g2 ( x ) = 1
( 4 +x ) , x 1 , 2
2
( 10 )
x=1
'
g2 ( x ) = 0.1414 =0.14<1 , x 1 , 2
Es convergente a un nico punto fijo
1/ 2
( 10x 3 )
E3) g3 ( x )= 2
g3 ( x ) , es continua en [ 1 , 2 ]
1
3 x2
g3' ( x ) = ( 10x 3 ) 2
4
1.8

10( 3)
Si x=1.8

' 3 (1.8)2
g3 ( 1.8 ) =
4
'
g3 ( 1.8 ) =1.190261588 1, x 1 , 2 .
No hay sospecha de convergencia

Pero, ahora tomaremos otro intervalo [ 1 , 1,5 ]
1
3 x2
g3' ( x ) = ( 10x 3 ) 2 , 1 , 1.5
4
Si, x=1,45 g3' ( 1.45 ) = 0.598083621
g3' ( 1,45 ) =0.598083621<1 , 1 , 1.5
'
Si comparamos g3 ( x ) con k =0.598083621
g2' ( x ) con
k =0,1414
Son convergentes, pero el segundo converge ms rpido que el primero.
1
10
E4) Sea
x=g ( x ) = ( )
4+x
2
con
x 0=1.5,V =1.3652
i xi Eaprox ER
0
1.5
9.874011134
1
1.348399725 11.242977306
1.230609074
2
1.367376372 1.387814464
0.159417814
3
1.364957015 0.177247823
0.017798462
4
1.365264748 0.022540149
0.004742757
5
1.365225594 0.002867947
0.001874755
6
1.365230576 0.000364884
0.002239648
7
1.365229942 0.000046424
0.002193223
8
1.365230023 0.000005907
0.002199129
9
1.365230012 0.000000751
0.002198378
1
0 1.365230014 0.000000096
0.002198474
Raz es: 1.3652
OBSERVACION
Aproximacin ActualAproximacin Anterior

Eaprox =E A =ERROR APROXIMADO =
Aproximacin Actual
Valor VerdaderoValor Aproximado
E R = ERROR RELATIVO =
Valor Verdadero
OBSERVACION
1) Las expresiones
EA y
ER se considera en los clculos el valor verdadero , pero
en situaciones reales es difcil contar con la informacin del valor verdadero, entonces en
estos casos es normalizar el error es una alternativa esto es usando:
Eaprox =ERROR APROXIMADO % .
2) Diremos que los clculos se repiten hasta que se cumpla la relacin :

E aprox % =
s
Donde
s = Tolerancia porcentual prefijada.
3) Tambin es posible relacionar estos errores con el nmero de cifras significativas en la

aproximacin es decir , que es posible afirmar que el criterio se cumple y que el resultado
es correcto en al menos n cifras significativas:
s=( 0.5 102n )
E5) Utilice el mtodo de Punto Fijo para localizar la raz de f ( x )=sen xx con un valor
inicial es 0.5 e iterar hasta que el error aproximado porcentual sea menor o igual a
0.01%.
Tenemos que:
f ( x )=sen xx x=sen x g ( x )=sen x
i xi Eaprox =
0 0.5
1 0.649636939 23.03393327
2 0.721523797 9.963199869
3 0.750901166 3.912281713
4 0.762096851 1.469063281
5 0.766248143 0.541768621
6 0.767771654 0.198432827
7 0.768328659 0.072495669
8 0.768532021 0.026461097
9 0.768606231
0.009655139
0.01%
10 0.768633063
Tenemos g ( x ) =sen x :
x 0=g ( x 0 )=0.5
x 1=g ( x0 ) =g ( 0.5 )=sen 0.5=0.649636939
x 2=g ( x1 ) =g ( 0.649636939 )=sen 0.649636939=0.721523797
x 3=g ( x 2) =g ( 0.721523797 )=sen 0.721523797=0.750901166
x 4=g ( x 3 )=g ( 0.750901166 )=sen 0.750901166=0.762096851
Eaprox = |0.6496369390.5
0.649636939 |
x 100 E aprox =23.3393330
Eaprox = |0.7215237970.649636939
0.721523797 |x 100 E aprox =9.963199869
ALGORITMO DEL PUNTO FIJO
ENTRADA:
x 0= Valor inicial
E= Error
N= Numero mximo de iteraciones
1) i=1
2) Mientras i N , hacer los pasos 3,4,5
3)
x i=g ( xi 1 )
4) S
xx 0 < E
Entonces
Imprimir x
Terminar
5) De lo contrario
Hacer i=i+ 1
6) Actualizar
x0
7) Imprimir Mensaje El Mtodo no converge a una raz y terminar.
EJEMPLO 1
f(x 2*sen(x)^(1/
) 2) - x
Iteracio #
X0 0,5 nes f(xi) a% iteracion
Xi es 8
f(x 2*sen(x)^(1/ 1.9723804
0 0.5
) 2) - x X8 86
g(x 2*sen(x)^(1/ 1.299273 61.516966 0.0001941
1
) 2) 878 638 8 87
Err 1.817147 28.499261
0.001% 2
or 504 882
1.950573 6.8403669
3
917 28
1.969742 0.9731523
4
513 75
1.972068 0.1179658
5
881 56
1.972344 0.0139578
6
178 58
1.972376 0.0016466
7
656 28
1.972380 0.0001941
8
486 87
EJEMPLO 2
f(x) 2*sen(sqr(x))-x
Funcin
iteracin 2*sen(sqr(x))-x
Xo 0.5
Error a 0.001%
Xi f(xi) a%
i
0 0.5
0.799273 37.44322
1 0.5 878 019
0.799273 0.759919 5.178825
2 878 002 157
0.759919 0.770971 1.433640
3 002 972 936
0.770971 0.768018 0.384610
4 972 091 851
0.768018 0.768819 0.104201
5 091 214 754
0.768819 0.768602 0.028159
6 214 78 325
0.768602 0.768661 0.007615
7 780 314 037
0.768661 0.768645 0.002058
8 314 488 924
0.768645 0.768649 0.000556

9 488 768 712
EJEMPLO 3
F(x) = x - (secx)/2
x = g(x)=(Secx)/2 valor inicial = 0.5
Xi f(xi)
a%
0.5
0
0.523598776 4.5070341
1 4
0.509863372 2.6939381
2 2
0.517885183
3 1.5489556
0.5132097 0.9110279
4 1
0.515937969 0.5287979
5 7
0.51434704 0.3093104
6 5
0.515275124 0.1801142
7 2
0.514733843
8 0.1051574
METODO DE NEWTON RAPHSON
Es uno de los mtodos numricos ms conocido y poderoso para encontrar las races de f (x)
.
2
Supngase f C [ a , b ] . Sea x [ a , b ] una aproximacin a p ; f ' ( x ) 0 y
x p es muy pequeo.
Consideremos el polinomio de Taylor (De primer grado para f ( x ) alrededor de x )
( xx )2 ' '
f ( x )=f ( x ) + ( xx ) f ' ( x ) + f ( ( x ))
2!
( xx )2 ( 2)
f ( x )=f ( x ) + ( xx ) f ( 1) ( x ) + f ( ( x ))
2!
Donde esta entre x y x . ( = Error).
Como p es raz de f ( x ) es decir; f ( p )=0 ,
Entonces:
( px )2 (2 )
(1 )
f ( p )=f ( x )+ ( px ) f ( x )+ f ( ( x ))
2!
( px )2 ( 2)
0=f ( x )+ ( px ) f (1 ) ( x ) + f ( ( x ))
2!
Como x p es muy pequeo, entonces al derivar
x p 2 0 Es despreciable, luego
0 f ( x )+ ( px ) f (1 ) ( x )
(1 )
f ( x ) ( px ) f ( x )
f ( x )
px
f ( 1) ( x )
f (x ) f ( p n1)
p x pn p n1 , n 1
f (1 ) ( x ) f (1 ) ( pn1 )
La expresin anterior es una mejor aproximacin a p que x mismo.

Entonces la frmula de recurrencia es llamada formula de Newton en una forma generalizada.
f ( x n1 )
x n x n1 ,n1
f (1 ) ( x n1 )
Donde la sucesin { x n }n 1 es una sucesin convergente hacia p
O tenemos que:
f ( xn )
x n+1=x n ,n0
f ' ( xn )
Nota
x
'
f ( x ) 0
1) , pues la recta tangente que pasa por el punto ) , no debe ser paralelo al

eje de las X.
2) C2 [ a , b ] .= Conjunto de todas las funciones que tienen segunda derivada, continua en x
INTERPRETACION GEOMETRICA DEL METODO DE NEWTON RAPHSON

2
E1) Resolver f ( x )=x cos x6 x ln x2 5 , utilizando el mtodo de Newton
Raphson con un error estimado menor e igual a 0.01 cuando el valor
x 0=24
inicial es .
n xn x n+1 x n
0 24.000000000
1 24.461037243 0.461037243
2 24.528133326 0.067096083
3
24.530760419 0.002627093 0.01
4 24.530764667 0.000004248
5 24.530764667
Entonces:
2
x n cos x n6 x n ln x n25
x n+1=x n 2
2 xn cos x n x n sen x n6 ln x n6
f ( xn )
x n+1=x n '
f ( xn)
Tenemos:
2 242 cos 24624 ln 24 25

2 x 0 cos x 0 x 0 sen x 06 ln x 06 x 1=24 x1 =24.461037243
224 cos 2424 2 sen 246 ln 246
x 02 cos x 0 6 x0 ln x 025
x 1=x 0

2 x 1 cos x 1x 12 sen x 16 ln x 16
x 2 cos x16 x 1 ln x 125
x 2=x 1 1

2
24.461037243 cos 24.461037243624.461037243 ln24.46103724325
x 1=24.528133326
224.461037243cos 24.46103724324.4610372432 sen 24.4610372436 ln 24.461
x 2=24.528133326
E2) Sea f ( x )=sen xx+ 1, x [ 1, 3 ] . Calcule la raz de f ( x ) , aplicando el mtodo de
Newton Raphson.
Sea f ( x )=sen xx+ 1
f ' ( x )=cosx 1
f ' ' ( x )=senx
Tenemos que:
f ( 1 ) f ( 3 ) <0 x [ 1, 3 ]
Empleando el mtodo:
n Xn
0 3.000000000
1 2.065885929
2 1.939820941
3 1.934572691
4 1.934563211
5 1.934563211
Entonces:
sen xn x n+1
x n+1=x n
cos x n1
f ( x n)
x n+1=x n '
f ( xn )
Tenemos:
cos 3 1 x1 =2.065885929
sen 33+1
cos x 0 1 x 1=3

sen x 0x 0 +1
x1=x 0

E3) Encuentre la raz real de la ecuacin f ( x )=2 x 3+ x 2 +5 x10 , mediante el mtodo de
Newton Raphson , con

x 0=1 , =104 ,aplicando a
x n+1 x n .
3 2
f ( x )=2 x + x +5 x10
f ' ( x )=6 x 2 +2 x +5
n xn x n+1 x n
0 x 0= 1
1 1.153846154 0.153846154
2 1.142538313 0.011307841
3 1.142471489 0.000066824
0.001
Entonces:
f ( xn) 2 x n3 +x n2 +5 x n10
x n+1=x n x n+1=x n
f ' ( xn ) 6 x n2+2 x n +5
Tenemos:
2 x 03 + x 02+5 x 010 2(1)3 +(1)2 +5(1)10

x 1=x n x 1=1 x 1=1.153846154
6 x 02 +2 x0 +5 6 (1)2 +2(1)+5
1.153846154

2
3+ ( 1.153846154 ) +5(1.153846154)10
2
3 2
2 x +x +5 x110
x 2=x 1 1 21 x 2=1.153846154
6 x 1 + 2 x 1+ 5
https://www.youtube.com/watch?v=JGPKzxzXI_4
E1) Sea f ( x )=e x x , calcular la raz de

f (x) , aplicando el mtodo de Newton Raphson , con
x 0=0 ,donde el valor
verdadero es 0.56714329.
1) f ( x )=e x x
2) f ' ( x )=ex 1
f ( xn ) ex x n
n
x n+1=x n x n+1=x n
f ' ( xn ) ex 1
3) n
n
xn ER
0
x 0= 0
100
1 0.5 11.838
2 0.566311002 0.146
3 0.567143164 0.000022
4 0.567143290
108
Tenemos:
x 0 0
e x0 e 0 1
x 1=x 0 x1=0 = x 1=0.5
e x 1 e 1 2
0 0
ex x 1
1 0.5
e 0.5
x 2=x 1 x 2=0.5 x 1=0.566311002
ex 1 1
e0.5 1
x 1
e x1
x 3=x 2 x 1
=0.567143164
e 1
E2) Encuentre la raz real de la ecuacin f ( x )=x 3 +2 x 2 +10 x20 , mediante el mtodo de Newton Raphson , con
x 0=1 ,
=103 ,aplicado a
x n+1 x n .
f ( x )=x 3 +2 x 2 +10 x20
f ' ( x )=3 x 2+ 4 x +10
n
xn x n+1 x n
0
x 0= 1
1 1.411764706 0.411764706
2 1.369343671 0.0424288
3 1.368808189
0.000525282
0.001
4 1.368808108 0.000000081
Entonces:
f ( xn ) x n3 +2 x n2 +10 x n20
x n+1=x n x n+1=x n
f ' ( xn ) 3 x n24 x n+10
E2) Sea
f ( x )=0.9 x 2+1.7 x +2.5 con x 0=5 . Calcular la raz de
f (x) , aplicando el mtodo de Newton Raphson, con
s 0.01
s=ERROR ESTIMADO= Aproximacin Actual Aproximacin Anterior|
s=ERROR ESTIMADO= x n+1 x n|
1) f ( x )=0.9 x 2+1.7 x +2.5
2) f ' ( x )=1.8 X +17
x n+1=x n
f ( xn)
x n+1 =x
[ 0.9 x n2+1.7 x n +2.5 ]
' n
1.8 x n +17
3)
f ( xn)
xn
n
x n+1 x n|
x 0=
0
1 3.424657534 1.575342466
2 2.924356997 0.500300537
3 2.861146976 0.063210021
4 2.860104689 0.001042287
0.0001
5 2.860104406
0.000000283
Tenemos:
n=0 x =x
[ 0.9 x 02 +1.7 x0 +2.5 ]
x =5
[ 0.9 x 02+1.7 x 0 +2.5 ]
x =3.424657534
1 0 1 1
1.8 x 0+17 1.8 x 0 +17
.
|x 1x 0|=1.575342466
n=1 x =x
[ 0 . 9 x 12 +1. 7 x 1+ 2. 5 ]
x =2.924356997
2 1 2
1. 8 x 1+ 17
x
f ( x )=4 cos x e
E4) Resolver , utilizando el mtodo de Newton Raphson con un error
estimado de 10-4, , cuando el valor inicial es 1.

f ( x )=4 cos x e x
1)
2) f ' ( x )=4 sen xe x f ' ( x )=(4 sen x+e x )

3)
x + e x
4 sen

x e x
4 cos

xn +1=x n
f ( xn )
x n+1=x n '
f ( xn)
x + e x
4 sen

x e x
4 cos

x n+1=x n +
f ( xn )
x n+1=x n '
f ( xn)
n xn x n+1 x n|
0 x 0= 1
1 0.908438950 0.091561050
2 0.904793982 0.003644968
3 0.904788218 0.000005764
0.0001
ALGORITMO DE NEWTON RAPHSON
INGRESAR:
x 0= Valor inicial
= Error Tolerancia
N= Numero de iteraciones
f ( x )= Proporcionar la funcin
f ' ( x )= Proporcionar la derivada de la funcin
1) Hacer i=1
2) Mientras i N , seguir los pasos
f ( xi )
3) Hacer
x i+1=x i '
f ( xi )
4) Si
x n+1 x n <
Entonces :
Imprimir Solucion Aproximada

x x i+1
5) Hacer i=i+1
6) Imprimir Metodo no Converge a una raiz y terminar
OBSERVACION
1) Utilizando el mtodo de Newton Raphson se obtiene resultados en pocas iteraciones.
2) El error
Rn+1 es proporcional al cuadrado del error anterior.
Supongamos que el error en una iteracin es 10n el error siguiente es proporcional al
cuadrado del error anterior es decir 102 n , el que sigue es 104 n ; esto nos
permite afirmar que cada iteracin duplica aproximadamente el nmero de dgitos
correctos.
3) El mtodo de Newton Raphson algunas veces no converge sino que oscila , esto ocurre si
no hay raz real , si la raz es un punto de inflexin est el valor inicial muy alejado de la
raz buscada se entrapa
DIBUJAR
4) Necesidad de conocer el valor de la derivada de f ( x ) en cada aproximacin lo cual es
una dificultad del mtodo.
NEWTON RAPHSON MODIFICADO
Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje X.
En general, la multiplicidad impar de races cruza al eje X , mientras que la multiplicidad par no lo
cruza.
Ejemplo 1.-
3 2
Sea f ( x )=x 5 x + 7 x3
f ( x )=( x3 )( x1 ) ( x1 )
Ejemplo 2.-
f ( x )=x 4 6 x3 +12 x 210 x+3
f ( x )=( x3 )( x1 ) ( x1 )( x1 )
Dibujo:
Raz doble
Raz triple
1 3
1 3
Segn Ralston y Rabinowitz (1978), propusieron una alternativa para probar que el mtodo de
Newton Raphson converge en forma cuadrtica en vez de lineal, cuando tiene races mltiples
para esto se ha propuesto las siguientes modificaciones:
f (x)
u ( x) = '
(1)
f (x)
La cual tiene races.
Si la ecuacin de Newton Raphson es
u ( xi)
x i+1=x i '
(2 )
u ( xi )
De (1) derivando tenemos:
' f ' ( x i ) f ' ( x i )f ( xi ) f ' ' ( x i )

u ( xi )= 2
(3)
[ f ' ( xi ) ]
Reemplazando (3) en (2), tenemos:

'
f ( xi )
f ' ( xi )
x i+1=x i
f ' ( x i ) f ' ( x i )f ( xi ) f ' ' ( x i )
' 2
[f ( x i) ]
2
f ( xi ) [ f ' ( xi )]
x i+1=x i
[ 2
f ' ( x i ) [ f ' ( x i ) ] f ( x i ) f ' ' ( x i ) ]
Por lo tanto
f ( xi ) f ' ( xi )
x i+1=x i 2
[ f ( x ) ] f ( x ) f
'
i i
''
( xi )
3 2
E1) Aplicar el Mtodo de Newton Raphson Modificado , de f ( x )=x 2 x 5 , donde
x 0=2
1) f ( x )=x 32 x 25
' 2
2) f ( x )=3 x 4 x
3) f ' ' ( x )=6 x 4
f ( xi ) f ' ( xi )
x i+1=x i 2
4)
[ f ( x ) ] f ( x ) f
'
i i
''
( xi )
n xn
0 2.000000000
1 2.357142857
2 2.620182267
3 2.687808886
4 2.690642977
5 2.690647448
PRIMERA ITERACION
1)
f ( x 0 ) =f ( 2 )=5
2) f ' ( x 0 )=f ' ( 2 ) =4
3) f ' ' ( x0 ) =f ' ' ( 2 )=8
f ( x0 ) f ' ( x0 )
x 1=x 0 2
[f '
( x 0 ) ] f ( x 0) f ( x 0 )
''
x 1=2.357142857
SEGUNDA ITERACION
4)
f ( x 1 )=f ( 2.357142857 )=3.015670554
5) f ' ( x 1 )=f ' ( 2.357142857 ) =7.239795918
6) f ' ' ( x1 ) =f ' ' ( 2.357142857 )=10.142857143
x 2=2.620182267
E1) Aplicar el Metodo de Newton Raphson Modificado , de f ( x )=x 35 x 2+ 7 x3 , donde
x 0=0 y el valor verdadero es 1
3 2
5) f ( x )=x 5 x + 7 x3
6) f ' ( x )=3 x2 10 x +7
7) f ' ' ( x )=6 x 10
f ( xi ) f ' ( xi )
x i+1=x i 2
[ f ( x ) ] f ( x ) f
' ''
8)
i i ( xi )
xn ER
n
x 0=
0 100
1 1.105263158 10.5263158
2 1.003081664 0.3081664
3 1.000002402 0.0002395
Observamos que los valores convergen cuadrticamente
PRIMERA ITERACION
7)
f ( x 0 ) =f ( 0 ) =3
' '
8)
f ( x 0 )=f ( 0 )=7
9)
f ' ' ( x0 ) =f ' ' ( 0 )=10
f ( x0 ) f ' ( x0 )
x 1=x 0 2
[f '
( x 0 ) ] f ( x 0) f ( x 0 )
''
x 1=1.105263158
x 1=1.10526
SEGUNDA ITERACION
10)
f ( x 1 )=f ( 1.10526 )=0.020993089
11)
f ' ( x 1 )=f ' ( 1.10526 ) =0.387800997
12)
f ' ' ( x1 ) =f ' ' ( 1.10526 )=3.36844
x 2=1.003081664
x 2=1.00308
Como ejemplo aplicar el mtodo de Newton Raphson al ejemplo anterior
xn ER
n
x 0=
0
1 0.42857 57.143
2 0.68571 31.429
3 0.83286 16.714
4 0.91332 8.668
5 0.95577 4.423
6 0.97764 2.236
7 0.98875 1.125
E2) Aplicar el Metodo de Newton Raphson Modificado , de f ( x )=x 3 +2 x 25 x +3 , donde

x 0=0.2 y tiene raz doble de
x=1
1) f ( x )=x 3 +2 x 25 x +3
2) f ' ( x )=3 x2 + 4 x5
3) f ' ' ( x )=6 x + 4
'
f ( xi ) f ( xi )
x i+1=x i 2
[ f ( x ) ] f ( x ) f
' ''
4)
i i ( xi)
xn ER
n
x 0=
0 80
0.2
1 1.671641791 67.1641791
2 0.1588533963 84.11466037
3 1.505319031 50.5319031
4 -0.102188081 110.2188081
La funcin es divergente (oscila sus valores)
PRIMERA ITERACION
x 0=0.2
ER = |10.2
1 |
100 =80
SEGUNDA ITERACION
1)
f ( x 0 ) =f ( 0.2 )=2.088
2)
f ' ( x 0 )=f ' ( 0.2 ) =4.080
3)
f ' ' ( x0 ) =f ' ' ( 0.2 )=5.20
f ( x0 ) f ' ( x0 )
x 1=x 0 2
' ''
[f ( x 0 ) ] f ( x 0) f ( x 0 )
( 2.088 ) (4.080 )
x 1=0.2 2
[ 4.080 ] ( 2.088 ) ( 5.20 )
x 1=1.671641791
ER = |11.671641791
1 |100 =67.1641791
TERCERA ITERACION
1)
f ( x 1 )=f ( 1.671641791) =4.901776481
2)
f ' ( x 1 )=f ' ( 1.671641791 )=10.06972600
'' ''
3)
f ( x1 ) =f ( 1.671641791 )=14.02985075
x 2=0.1588533963
ER = |10.1588533963
1 |100 =84.11466037
E3) Encuentre la raz de tan ( x )0.1 x=0 en
x 0= , mediante el mtodo de Newton
Raphson modificado y con una tolerancia de 0.0001
1) f ( x )=tan ( x ) 0 .1 x
2) f ' ( x )=sec 2 x0.1
3) f ' ' ( x )=2 sec x . secx tanx=2 sec 2 x tan x

f ( xi ) f ' ( xi )
x i+1=x i 2
5)
[ f ( x ) ] f ( x ) f
'
i i
''
( xi)
2 sec
sec
( 2 x0.1)

2 sec

( 2 x0.1)
(tan ( x )0 . 1 x )
x i+1=x i
n xn x n+1 x n|
0 x 0=
1 3.490658504 0349065850
2 3.476054580 0.014603924
3 3.476140306
0.000085726 0.001
METODO DE LA SECANTE
Puesto que Newton Raphson presenta la dificultad del conocimiento de la derivada en cada
iteracin, y en algunas ocasiones ser muy tediosa encontrar dicha derivada.
Entonces para evitar el problema de la evaluacin de la derivada en el mtodo de Newton
Raphson , podemos realizar una pequea variacin.
Por definicin tenemos:
f ( x )f ( pn )
f ' ( pn )= lim
x pn x p n
Si x est cerca de pn1 , entonces:
'
f ( p n1) f ( p n ) f ( p n )f ( pn1 )
f ( pn )= =
pn1 pn pn pn 1
Entonces reemplazando en la frmula de Newton Raphson, tenemos:
f ( pn )
'
f ( p n)
pn+1= p n
f ( pn ) ( pn p n1 )

f ( pn ) f ( pn1 )
pn +1= pn
Por lo tanto
f ( x n ) ( x nx n1 )

f ( x n ) f ( x n1 )
xn +1=x n
El mtodo de la secante, requiere de dos puntos iniciales

E1) Realice el nmero de iteraciones hasta la convergencia utilizando el mtodo de la Secante
( 10 x )+ 1
a la funcin
x 0=1.3 , x 1=1.4
f ( x )=x 2 cos con como condiciones iniciales. Emplee el
criterio de convergencia cuando la funcin evaluada f (x) sea menor que 0.0001
PRIMERA ITERACION:
x 0=1.3 f ( x 0 ) =2.533585061
x 1=1.4 f ( x 1 ) =1.268004948
f ( x 1 ) ( x 1x 0 ) ( 1.268004948 ) (1.41.3 )
=1.4 =1.500191599
f ( x 1 )f ( x 0 ) ( 1.2680049482.533585061)
x 2=x 1
|x 2x 1|=1.5001915991.4=0.100191599
SEGUNDA ITERACION:
x 1=1.4 f ( x 1 ) =1.268004948
x 2=1.500191599 f ( x 2 ) =0.712535451
f ( x 2 ) ( x 2x 1)
=1.464145848
f ( x 2 )f ( x 1 )
x 3=x 2
|x 3x 2|=1.4641458481.500191599=0.036045751
TERCERA ITERACION:
x 2=1.500191599 f ( x 2 )=0.712535451
x 3=1.464145848 f ( x 3 )=0.035819742
f ( x 3 ) ( x 3x 2 )
=1.46223784
f ( x 3 ) f ( x 2 )
x 4=x 3
|x 4x 3|=0.001907964
Luego:
n xn Eaprox
0 1.3
1 1.4 0.1
2 1.500191599 0.100195199
3 1.464145848 0.036045751
4 1.462237884 0.001907964
5 1.462375327
0.000137443 0.0001
Por lo tanto la raz es: 1.462375327
E2) Aplicar el Mtodo de la Secante para calcular la raz de f ( x )=e x x , con

x 0=0 , x 1=1.0 , donde la raz verdadera es 0.56714329.
PRIMERA ITERACION:
x 0=0 f ( x0 ) =1
x 1=1 f ( x 1 )=0.632120559
f ( x 1 ) ( x 1x 0 ) (0.63212 ) ( 10 )
=1 =0.612699837
f ( x 1 )f ( x 0 ) (0.632121 )
x2 =x1
SEGUNDA ITERACION:
x 1=1 f ( x 1 )=0.632120559
x 2=0.612699837 f ( x 2 )=0.070813948
f ( x 2 ) ( x 2x 1)
=0.563838389
f ( x 2 )f ( x 1 )
x 3=x 2
TERCERA ITERACION:
x 2=0.61270 f ( x 2 )=0.070813948
x 3=0.563838389 f ( x 3 )=0.005182355
f ( x 3 ) ( x 3x 2 )
=0.567170359
f ( x 3 ) f ( x 2 )
x 4=x 3
Luego:
n xn ER
0 0
1 1
2 0.61270 8.032634927
3 0.56384 0.582727691
4 0.56717 0.004772868
5 0.567143306 0.000002821
0.56714329
E2) Encontrar la raz real de la ecuacin polinomial f ( x )=x 3 +2 x 2 +10 x20=0 , con
x 0=0 , x 1=1.0 y =103
PRIMERA ITERACION:
x 0=0 f ( x0 ) =20
x 1=1 f ( x 1 )=7
f ( x 1 ) ( x 1x 0 )
=1.53846
f ( x 1 )f ( x 0 )
x 2=x 1
n xn x n+1 x n
0 0
1 1 1.000
2 1.53846 0.53346
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881
0.00090 103
E3) Mediante el mtodo de la Secante aproximar a la raz

x n=2 real de la ecuacin polinomial
f ( x )=x 33 x +2 , con
x 0=2.6 y x 1=2.4 .
PRIMERA ITERACION:
x 0=2.6 f ( x 0 )=7.7760
x 1=2.4 f ( x 1 )=4.624
f ( x 1 ) ( x 1x 0 )
=2.106598985
f ( x 1 )f ( x 0 )
x 2=x 1
n xn x n+1 x n
0 -2.6
1 -2.4 0.2000
2 -2.106598985 0.2934
3 -2.022641412 0.0840
4 -2.001511098 0.0211
5 -2.000022537 0.0015
6 -2.000000022 0.0000
7 -2.000000000 0.0000
ALGORITMO DE LA SECANTE
INGRESAR:
x 0 , x 1= Valores iniciales
= Error Tolerancia
N= Nmero de iteraciones
1) Hacer i=1
2) Mientras i N , seguir los pasos

f ( x i ) ( x ix i1)

3) f ( x i )f ( x i1)
x i +1=x i
4) Si
x i+1 xi <
Entonces Imprimir solucin aproximado

Terminar
5) Hacer i=i+ 1
6) Imprimir Mtodo fracaso y terminar.
METODO DE LA SECANTE MODIFICADO

Este mtodo alternativo considera un cambio fraccionario de la variable independiente para
estimar f ' (x) .
'
f ( x n + x n ) f ( x n )
f ( x n )=
xn
Donde es un pequeo cambio fraccionario.
Esta aproximacin se sustituye en la frmula de Newton Raphson, es decir;
f ( xn)
x n+1=x n '
f ( xn )
Por lo tanto tenemos:
xn f ( xn )
x n+1=x n
f ( x n + x n ) f ( x n )
OBSERVACION
1) Elegir un valor adecuado de no es automtico.
2) Si es pequeo, puede que el mtodo sea NO exitoso, por error de redondeo; por el
valor que aparece en el denominador.

3) Si es grande la tcnica puede ser divergente.
4) Si el elegido es el adecuado, proporciona una buena alternativa en los casos donde
la evaluacin de la derivada es difcil y el desarrollo de dos valores iniciales no es

conveniente.
f ( x )=x 2x3 , x 0=1.7,
E1) Aplique el mtodo de la Secante Modificado a
=0.02
PRIMERA ITERACION:
x 0=1.7 f ( x 0 ) =1.81
x 0+ x 0=1.734 f ( x 0 +x 0 ) =1.727244000
x0 f ( x0 )
x 1=x 0
f ( x 0 + x 0 )f ( x 0 )
( 0.02 ) ( 1.7 ) (1.81 )

x 1=1.7 =2.443631882
(1.727244000 )(1.81 )
E Aprox = 2.4436318821.7 x 100 =0.743631882
SEGUNDA ITERACION:
x 1=2.443631882 f ( x 1) =0.527704893
x 1+ x 1=2.492504520 f ( x 1 +x 1 ) =0.720074262
x1 f ( x1 )
x 2=x 1
f ( x 1+ x 1) f ( x 1 )
( 0.02 ) (2.443631882 ) ( 0.527704893 )

x 2=2.443631882 =2.309565163
( 0.720074262 )( 0.527704893 )
n xn EA
0 1.7
1 2.443631882 0.743631882
2 2.309565163 0.134066719
3 2.302873778 0.006691385
4 2.302776878 0.000096900
5 2.302775653 0.000001225
Por lo tanto la raz se aproxima al valor: 2.302775653, pues su error se aproxima a CERO
E2) Determine la raz ms grande de f ( x )=2 x 311.7 x 2 +17.7 x5 y

x1=3 , x 0=4
empleando:
a) El mtodo de la Secante.
b) El mtodo de la Secante Modificado donde
x 0=3 y =0.01 (Tres
iteraciones)
a)
PRIMERA ITERACION:
x1=3 f ( x1 )=f ( 3 )=3.2
x 0=4 f ( x 0 ) =f ( 4 )=6.60
f ( x 0 ) ( x 0x1 )
x 1=x 0
f ( x 0 )f ( x1)
( 6.60 )( 43 )
x 1=4 =3.326530612
( 1.60[ 3.2 ] )
SEGUNDA ITERACION:
x 0=4 f ( x 0 ) =f ( 4 )=6.60
x 1=3.326530612 f ( x 1) =1.96885315
f ( x 1 )( x 1x 0 )
x 2=x 1
f ( x 1) f ( x 0 )
x 2=3.481272709
n xn
-1 3
0 4
1 3.32653012
2 3.481272709
3 3.586275385
4 3.561340209
Por lo tanto la raz ms grande es : 3.586275385, en la tercera iteracin
b) f ( x )=2 x 311.7 x 2 +17.7 x5 , donde =0.01 y x 0 =3
PRIMERA ITERACION:
x 0=3 f ( x 0 ) =f ( 3 ) =3.2
x 0+ x 0=3.03 f ( x 0+ x 0 ) =3.149276
x0 f ( x0 )
x 1=x 0 = x 1=4.892595221
f ( x 0 + x 0 )f ( x 0 )
n xn
0 3
1 4.892595221
2 4.142949415
3 3.742315954
4 3.591054741
E2) Estime la raz de f ( x )=e x x , donde

=0.01 y x 0 =1.0 , aplicando el mtodo de la Secante
modificado. La raz verdadera es 0.56714329.
PRIMERA ITERACION:
x 0=1 f ( x 0 )=0.6321205588
x 0+ x 0=1.01 f ( x0 + x 0 )=0.6457810204
x0 f ( x0 )
x 1=x 0
f ( x 0 + x 0 )f ( x 0 )
( 0.01 ) ( 1 )(0.6321205588 )
x 1=1 =0.53726
(0.6457810204 )(0.6321205588 )
V V A 0.567143290.53726
E R = x 100 = x 100 =5.269089933
V 0.56714329
SEGUNDA ITERACION:
x 1=0.53726 f ( x 1 )=0.04708717211
x 1+ x 1=0.5426326 f ( x1 +x 1 )=0.0385181522695
x1 f ( x1 )
x 2=x 1
f ( x 1+ x 1) f ( x 1 )
( 0.01 ) ( 0.53726 ) ( 0.047087172 )

x 2=0.53726 =0.56700
( 0.038578151 ) ( 0.047087172 )
n xn ER
0 1
1 0.53726 5.269089933
2 0.566700 0.02526522001
3 0.56690 2.365x10-5
4
E3) Localice la primera raz positiva de f ( x )=sen x+ cos ( 1+ x 2 )1 , donde x est en
radianes y =0.02 y x 0 =3 , utilizar el mtodo de la Secante modificado.
PRIMERA ITERACION:
x 0=3 f ( x 0 ) =1.197951521
x 0+ x 0=3.06 f ( x 0+ x 0 ) =1.509236736
x0 f ( x0 )
x 1=x 0
f ( x 0 + x 0 )f ( x 0 )
x 1=3.539846898
n xn
0 3
1 3.539846898
2 3.431458996
3 3.352858147
4 2.522518844
LSDLFLDSKFLSS CERRADOS
METODOS CONVENCIONALES
Al describir los mtodos para localizar races es obvio que el primer paso sera investigar o
averiguar la posibilidad de usar los METODOS CERRADOS y/0 ABIERTOS como primer
paso.
La eficacia de aplicar estos mtodos para localizar races, depende que el problema a
resolver tenga races complejas.
(Pues, si tuviera races reales se aplicara cualquiera de los mtodos abiertos o cerrados).
Por tal razn se ha desarrollado METODOS ESPECIALES para encontrar races reales
y complejas de polinomios
METODO DE MLLER
Recordemos que el mtodo de la secante obtiene una aproximacin de la raz dirigiendo

una recta hasta el eje X con dos valores iniciales.
El mtodo de MLLER es similar; pero vamos a construir una parbola con tres puntos.
GRAFICA
El mtodo de Mller consiste en:

1) En obtener los coeficientes de la parbola que pasa por los TRES puntos.
2) Luego los coeficientes se sustituyen en la frmula cuadrtica, para obtener el valor
donde la parbola intersecta al eje X ; es decir, es la raz estimada raz aproximada.
3) Se escribe la ecuacin de la parbola en una forma conveniente, se facilitara la
aproximacin.
OBSERVACIONES:
Encontrar un valor inicial complica tanto los mtodos abiertos como cerrados.
Los mtodos abiertos pueden ser susceptibles a problemas de divergencia.
Cuando existe races complejas , los mtodo cerrados , no se pueden usar ; ya que el
criterio de definir el intervalo (que es el cambio del signo), no puede darse en los
complejos.
De los mtodos abiertos, el mtodo de Newton Raphson, ofrece una aproximacin viable
que puede ser real o compleja pero tendra problemas de convergencia.
Sea la parbola:
f(x) a x - x2 b x x2 c
2
(1)
Que pasa por tres puntos:
x0,f x0 , x1,f x1 , x2,f x2
Evaluando en (1) tenemos:

f(x0 ) a x0 - x2 2 b x0 x 2 c ( 2)
f(x1 ) a x0 - x2 2 b x0 x 2 c ( 3)
f(x2) a x0 - x2 2 b x0 x 2 c ( 4)
De (4 )
f(x2) c ( 5)
x2
Es decir que el valor de C es igual a la funcin evaluada en el tercer valor inicial .
La ecuacin (5) reemplazaremos en las ecuaciones (2) y (3) y tenemos:
f(x0) a x0 - x2 2 b x0 x2 f(x2)
f(x0) f(x2) a x0 - x2 2 b x0 x2 6
f(x1 ) a x1 - x2 2 b x1 x2 f(x2 )
f(x1 ) f(x2 ) a x1 - x2 2 b x1 x2 7
a b
Ahora debemos encontrar los coeficientes y para lo cual vamos a considerar , lo
siguiente
INTERPOLACIN NUMERICA
Tenemos que cada 10 aos se toma un Censo de la poblacin en un pas, dndoles los
resultados siguientes:
AOS 1980 1990 2000 2010 2020

POBLACION 123, 203 13,669 179,323 203,212 226,580
(En miles)
Nos preguntamos: Podemos usar estos datos para estimar una poblacin en el 2025 o
2030?, algunas predicciones de este tipo pueden obtenerse usando una funcin que
ajuste a los datos dados y esto es lo que llamaremos INTERPOLACION.
As tenemos que en muchos experimentos en el rea de Ingeniera resultan de tabular los

valores de las variables independientes frente a las variables dependientes.
En la aplicacin de ciertos problemas fsicos se requiere relacionar los valores de las

variables dependientes e independientes en puntos donde no se han experimentado y en
otros casos con fines computacionales se requiere construir una funcin explicita.
Por lo cual se hace necesario el conocimiento de tcnicas de Interpolacin Polinmica,

sea: con espacios equidistantes, No equidistantes o Tcnicas de Interpolacin Iterada.
INTERPOLACION CON ESPACIOS EQUIDISTANTES
Sabemos que la derivada en el punto

x0 de una funcin analtica f (x) se tiene
por:
f ( x )f ( x 0 )
f ' ( x )= lim
x x0 xx 0
Pero al tabular la funcin tenemos:
PUNTOS 0 1 2 3 n
x x0 x1 x2 xn
f (x) f ( x0) f ( x1 ) f ( x2 ) f ( xn )
Y la derivada puede obtenerse aproximadamente.
Si deseamos que la derivada en el punto x donde

x 0< x< x 1 , podemos estimarlo
como sigue:
'
f ( x )= ,
x 0< x< x 1
Lo denotamos:
f(x0 ,x1 ) f x1 f x0

x x
1 0
ARGUMENTOS PRIMERA DIFERENCIA
x0, x1 DIVIDA DE f( x )

PRIMERA DIFERENCIA DIVIDA DE f( x )
RESPECTO A LOS ARGUMETOS
x0, x1
La relacin entre la primera diferencia dividida y la primera derivada queda establecida por
el Teorema del Valor Medio
'
f ( )= , donde ,
Siempre que f ( x ) , cumpla con las condiciones del teorema.

Para obtener aproximadamente derivadas de mayor orden, se extiende el concepto de
Diferencias Divididas a rdenes ms altos o mayores.
f x0
As diremos que se llamaran diferencias divididas de orden Cero
Y la diferencia de orden i es:
f x1 ,x2 x3 xi f x0 , x1 ,x2 x3 xi-1

f(x0 ,x1 ,x2 x3 xi )
xi x0
OBSERVACION
i 1
1) Se requiere , puntos para construir la expresin anterior.
i i 1
2) El numerador es la resta de dos diferencias de orden y y el denominador es la
resta de los argumentos no comunes.
NOTAS
TEOREMA DEL VALOR MEDIO

1)
Si, f C a,b y f es derivable en a,b Existe un nmeroc en a,b talque:

f b f a
f ' (c) ,donde c
b a
PENDIENTE
C a,b a,b
2) = Conjunto de todas las funciones continuas en el intervalo cerrado .
C x
n
3) = Conjunto de todas las funciones que tienen n derivadas continuas en x

TABLA DE DIFERENCIAS DIVIDIDAS FINITAS
Los Mtodos de Diferencias Divididas, se usaran para generar sucesivamente los polinomios por s mismos.
Entonces, vamos a construir la TABLA DE DIFERENCIAS FINITAS
i xi f xi PRIMERAS SEGUNDAS TERCERAS
0 x0 f x0 f x1 f x0
f x0,x1 f x1, x2 f x0, x1
x1 x0 f x0, x1, x2
x2 x0
f x1 f x1,x2,x3 f x0, x1,x2
f x0, x1,x2,x3
1 x1
f x2 f x1 x3 x0
f x1,x2
x2 x1
f x2,x3 f x1,x2
2 x2 f x2 f x1,x2, x3 f x2, x3, x4 f x1, x2, x3
x3 x1 f x1, x2, x3, x4
f x3 f x2 x4 x1
f x2, x3
x3 x2
3 x3 f x3
f x3,x4 f x2 ,x3
f x2,x3,x4
f x4 f x3 x4 x2
f x3,x4
x4 x3
4 x4 f x4
103
4 3 2
E1) Sea y=3 x 6 x +7 x 2 x2
Puntos 0 1 2 3 4 5 6

xi 2 1 0 2 3 6 8

f ( xi ) 126 16 2 22 136 2830 9646
Elaborar una tabla de diferencias divididas
i xi f ( xi ) PRIMERA SEGUNDA TERCERA CUARTAS QUINTA

S S S

0 2 126

110
1 1 16 46
9 3
18
2 0 2 10 0
6
12 3
3 2 22 34
27
4 3 136 114 96 0
57 3
5 6 2830 898 502
6 8 9646 3408
DIFERENCIAS
DIVIDIDAS DE ORDEN CERO
CONCLUSIONES
104
1) Las diferencias de 4to orden tiene el mismo valor, independientemente de los argumentos que utilice para su clculo.
2) Las diferencias divididas de 5to orden son todos ceros , concordando que la 4 ta derivada es una constante y la 5ta derivada es
CERO
PRIMERAS DIFERENCIAS

f x0, x1 f x
1

f x
0

16 126

f x0, x1 110
x1 x0 1 2

f x ,x f x
2

f x
1

2 16

f x ,x
18
1 2 x x
2 1
0 1 1 2

f x2, x3
f x3 f x2

22 2
f x2, x3 12
x3 x2 2 0
SEGUNDAS DIFERENCIAS

f x ,x ,x
0 1 18 110 f x , x , x 46
f x ,x f x ,x
1 2
0 1 2 x x 0 ( 2 ) 0 1 2
2 0

f x ,x ,x
f x ,x f x ,x
2 3

1 2 12 ( 18) f x , x , x 10
1 2 3 x x 2 1 1 2 3
3 1
TERCERAS DIFERENCIAS
f x1, x2,xx3 fx x0,x1,x2 10

f x , x ,x , x
0 1 2 3
46
2 2
f x , x , x , x 1
0 1 2 3
3 0
f x2,x3,xx4 fx x1,x2,x3 34
f x , x , x , x4
1 2 3
10
3 1
f x , x , x , x4 1
1 2 3
4 1
105
3 2
E1) Sea y=x 2 x 2
Puntos 0 1 2 3 4 5

xi 2 1
0 2 3 6
7 142
f ( xi ) 18 5 2 2
Elaborar una tabla de diferencias divididas
i xi f ( xi ) PRIMERAS SEGUNDAS TERCERAS CUARTAS
0
2 18 13

1
1 3 5 0
1 5 1
0
0
2 0 9 1 1
2
45
3 2 3
2
9
4 3 7
5 6 142
DIFERENCIAS
DIVIDIDAS DE ORDEN CERO
CONCLUSIONES
3) Las diferencias de 3ER orden tiene el mismo valor, independientemente de los argumentos que utilice para su clculo.
4) Las diferencias divididas de 4to orden son todos ceros , concordando que la 3era derivada es una constante y la 4ta derivada es CERO
106

f x ,x
f x1 f x0
5 18
f x ,x 13
0 1 x1 x0 1 2 0 1

f x1, x2
f x2 f x1
2 5

f x1, x2 3
x2 x1 0 1

f x2, x3
f x3 f x2

2 2

f x2, x3 0
x3 x2 2 0

f x4 f x3 7 2

f x3, x4 f x3, x4 9
x4 x 3 2
3

f x4, x f x
5

f x4

142 7

f x4, x 45
5 x x4 6 3 5
5
f x ,x ,x
f x ,x
1 2

0 1 3 13 f x , x , x
f x ,x
5
0 1 2 x x 0 2 0 1 2
2 0
f x ,x ,x
f x ,x
2 3

f x ,x
1 2

0 3
f x ,x ,x 1
1 2 3 x x 2 1 1 2 3
3 1
f x ,x ,x
f x ,x
3 4

f x ,x
2 3 9 0

f x ,x ,x 3
2 3 4 x x 3 0 2 3 4
4 2
f x ,x ,x
f x ,x
5 4

f x ,x
4 3 45 9
f x ,x ,x 9
3 4 5 x x 6 2 3 4 5
5 3

f x1, x2, x3 f x0, x1, x2
1 5

f x0, x1, x2, x3 f x0, x1, x2, x3 1
x3 x0 2 2
f x1, x2, x3, x4

f x2, x3, x4 f x1, x2, x3

3 1
f x1, x2, x3, x4 1
x4 x1 3 1
f x2, x3, x4, x5

f x3, x4, x5 f x2, x3,x4

9 3
f x2, x3, x4, x5 1
x5 x2 6 0
INTERPOLACION
APROXIMACION POLINOMIAL DE NEWTON
107
Hemos mencionado que la interpolacin es estimar valores intermedios entre datos definidos por puntos y el mtodo ms usado es la INTERPOLACION
POLINOMIAL.
La Interpolacin Polinomial consiste en determinar el polinomio nico de n-esimo grado que se ajuste a n+1 puntos.
Entonces para una lnea recta el polinomio de primer grado es el que representa mejor, porque une dos puntos y una parbola que une un conjunto de tres
puntos para un polinomio de Segundo grado.
Sea la funcin de la forma tabular:
Puntos 0 1 2 3 n
i
xi x0 x1 x2 x3 -.. xn
f ( xi ) f ( x0 ) f ( x1 ) f ( x2 ) f ( x3 ) f ( xn )
INTERPOLACION LINEAL
Consiste en unir dos puntos en una lnea recta es decir; deseamos aproximarlo a un polinomio de 1er grado
Que pasa por los puntos 0 y 1 , tiene la forma:
p1 x a0 a1 x x0
x0 0 p x a0 a1 x
Donde
Debo determinar:
108
a0 ?
x x0
Hacemos

p 1 x a0 a1 x0 x0
p 1 x a0

p1 x f x0
a1 ?
x x1
Hacemos
p x1 a0 a1 x1 x0
p x1 a0
a1
x1 x0
f x1 f x0
a1
x1 x0
Entonces:
109
p x a0 a1 x x0
p x a0 x x0 a1
f x1 f x0
p x f x0 x x 0
x 1 x0
p x f x0 x x 0 f x 1 , x0
p x f x0 x x0 f x 1 , x0 FORMULA DE INTERPOLACION LINEAL
INTERPOLACION CUADRATICA
Ahora se desea aproximar la funcin tabular con un polinomio de 2do grado
Que pasa por los puntos 0 , 1 y 2 , tiene la forma:
p2 x a0 a1 x x0 a2 x x0 x x1
x0 0 , x1 1
Donde
110
p2 x a0 a1 x 0 a2 x 0 x 1
p2 x a0 a1 x 0 a2 x x 1
p2 x a0 a1 x a2 x 2 a2 x
p2 x a2 x 2 a1 a2 x a0
Debo determinar:
a0 ?
x x0
Hacemos
p x
2 0

a a1 x x a x x
0 0 0 2 0

x x1
0 0

p x a
2 0
2

p x f x
0
111
a1 ?
x x1
Hacemos
p2 x1 a0 a1 x1 x0 a2 x1 x0 x1 x1
p2 x1 a0 a1 x1 x0
p2 x1 a0
a1
x1 x0
a2 ?
x x2
Hacemos
p2 x2 a0 a1 x 2 x0 a2 x 2 x0 x2 x1
p2 x 2 a0 a1 x2 x0
a2
x2 x0 x2 x1
f x1 f x0
f x 2 f x0
x1 x0
a2
x2 x0 x2 x1
Simplificando :
112
f x2 f x0 f x1 f x0

x2 x0 x1 x0
a2
x2 x0
Entonces:

p2 x a0 a1 x x0 a2 x x0 x x1

p2 x a0 x x0 a1 x x0 x x1 a2
Por induccin podemos estabelecer em general para um polinmio de grado n , como :

f x2 f x0 f x1 f x0
x x0
p2 x f x0
f x1 f x0 x x x x x2 x1

x1 x0
pn x a a x x
0 1 0

a 1 x 0x
2 0
x x
1

x x
...a
n 0

1
x x
0

x xx2 ....
x0x x
1
n
x x0 f x1 , x0 x x0 x x1 f x0 , x1 , x2
p2 x f x0
Que pasa por los puntos 0,1,2,3,......,n
Los coeficientes estn dados por:
113
a f x
0 0

a f x ,x
1 0

1

2 0

a f x ,x ,x
1 2

0

an f x , x , x ,.....x
1 2 n

As, tenemos que la aproximacin de Newton, podemos expresarlo de la siguiente manera:
pn x
n
a
k
k 1
x x
i

k 0 i 0
pn x f x
0

n
f x0 , x1 , x2 ,.....x
k
x x0 x x1 .....
x xk -1
k 1
Entonces:

pn x f x f x , x x x f x , x , x
0 0 1 0

x x ....
f x , x , x ,...x x x x x x x .....x x
0 1 2
0 1 2 1 0 1 2 n

n-1

POLINOMIODE INTERPOLACION POR DIFERENCIAS DIVIDIDASDE NEWTON
O
DIFERENCIAS DIVIDIDAS DE NEWTON
E1) Sea la tabla siguiente que presenta la temperatura de ebullicin de acetona en diferentes presiones
114
Puntos 0 1 2 3
xi 1 7 22 44
f ( xi ) 61.3 125 186 218.5
a) Elaborar una aproximacion polinomial de Newton para la informacin tabular dada.

b) Interpole la temperatura para una presin de 5 atm.
a)
1) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del polinomio de Newton
i xi f ( xi ) PRIMERAS SEGUNDAS TERCERAS
0 1 61.3
10.616
1 7 125
4.066 0.31190
0.
2 22 186

1.477 0.06997
3 44 218.5
115
f xx1 fx x0
f x ,x
0 1

125 61.3
7 1

f x , x 10.616
0 1
1 0
f xx2 fx x1 186
f x ,x
1 2
125
22 7
f x , x 4.066
1 2
2 1
f xx3 fx x2 218
f x ,x
2 3
.5 186
44 22
f x , x 1.477
2 3
3 2
f x ,x ,x
0 1 2
f x1, xx2 fx x0, x1 4.0662210
1
.616
f x , x , x 0.31190
0 1 2
2 0
f x ,x ,x
1 2 3
f x2, xx3 fx x1, x2 1.477 4.066
44 7
f x , x , x 0.06997
1 2 3
3 1
f x ,x ,x ,x
0 1 2 3
f x1, x2, xx3 fx x0, x1, x2 0.0699744 1 0.31190 f x0, x1, x2, x3 0
3 0
116
2)
Para n=1
p1 ( x )=a0 + ( xx 0 ) a1
p1 ( x )=f ( x 0 ) + ( xx 0 ) f ( x 0 , x 1 )
p1 ( x )=61.3+ ( x 1 ) 10.616
p1 ( x )=50.684 +0.616 x
Para n=2
p2 ( x )=a0 + ( xx 0 ) a1 + ( xx 0 ) ( xx 1 ) a2
p2 ( x )=f ( x 0 ) + ( xx 0 ) f ( x 0 , x 1 ) + ( xx 0 ) ( xx 1 ) f ( x 0 , x 1 , x 2 )
p2 ( x )=61.3+ ( x 1 ) 10.616+ ( x1 )( x7 )(0.3190 )
p2 ( x )=48.5007+13.112 x+ 0.31190 x 2
Para n=3
117
p3 ( x )=a0 + ( xx 0 ) a1 + ( xx 0 ) ( xx 1 ) a2 + ( xx 0 ) ( xx 1 )( x x2 ) a3
p3 ( x )=f ( x 0 ) + ( xx 0 ) f ( x 0 , x 1 ) + ( xx 0 ) ( xx 1 ) f ( x 0 , x 1 , x 2 ) + ( xx 0 ) ( xx 1 )( xx 2) f ( x0 , x 1 , x 2 , x 3 )
p3 ( x )=61.3+ ( x1 ) 10.616+ ( x 1 )( x7 )(0.3190 ) + ( x1 ) ( x7 ) ( x22 ) 0.00562
p3 ( x )=47.63522+1.13966 x 0.0405 x 20.000562 x 3
Como
p1 ( x )=61.3+ ( x 1 ) 10.616
Si, x=5 ,
f ( 5 ) =p 1 ( x )=61.3+ ( 51 ) 10.616
p1 ( x )=103.764 C
Si, x=5 ,
f ( 5 ) =p 2 ( x )=61.3+ ( 51 ) 10.616+ ( 51 ) ( 57 )(0.3190 )
p2 ( x )= C
Si, x=5 ,
118
p3 ( x )=61.3+ ( 51 ) 10.616+ ( 51 ) ( 57 ) (0.3190 ) + ( 51 )( 57 ) ( 522 ) 0.00562
p3 ( x )= C
E1) Sea la tabla siguiente que presenta la temperatura de ebullicin de acetona en diferentes presiones
Puntos 0 1 2 3
xi 1 5 20 40
56.5 113 181 214.5

f ( xi )
c) Elaborar una aproximacion polinomial de Newton para la informacin tabular dada.
d) Interpole la temperatura para una presin de 2 atm.
b)
2) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del polinomio de Newton
i xi f ( xi )
PRIMERAS SEGUNDAS TERCERAS
0 1 56.5
14.125
1 5 113
4.533
0.01085
0.50484
2 20 181 1.675

0.08165
3 40 214.5

f x0, x1

f x
1

f x
0

113 56.5

f x0, x1 14..125
x1 x0 5 1

f x ,x
1 2

f x
2
f x
x x
1
181 113
20 5

f x ,x
1 2
4.533
2 1

f x ,x

f x3 f x2

214.5 181
f x ,x 1.675
2 3 x x 40 20 2 3
3 2

f x1, x2 f x0, x1 4.533 14.125

f x0, x1, x2 f x0, x1, x2 0.50484
x2 x0 20 1
f x ,x ,x
f x2, x3 f x1, x2

1.675 4.532

f x , x , x 0.08165
1 2 3 x3 x1 40 5 1 2 3
119
fx1, x2, xx3 fxx0, x1, x2 0.08165

f x ,x ,x ,x
0 1 2 3
0.5084
40 1
f x , x , x , x 0.01085
0 1 2 3
3 0
Para
n=1
p1 ( x )=a0 + ( xx 0 ) a1
p1 ( x )=f ( x 0 ) + ( xx 0 ) f ( x 0 , x 1 )
p1 ( x )=56.5+ ( x1 ) 14.125
p1 ( x )=56.5+14.125 ( x1 )
Para
n=2
p2 ( x )=a0 + ( xx 0 ) a1 + ( xx 0 ) ( xx 1 ) a2
p2 ( x )=f ( x 0 ) + ( xx 0 ) f ( x 0 , x 1 ) + ( xx 0 ) ( xx 1 ) f ( x 0 , x 1 , x 2 )
p2 ( x )=56.5+ ( x 1 ) 14.125+ ( x1 ) ( x5 ) (0.50484 )
Para
n=3
120
p3 ( x )=a0 + ( xx 0 ) a1 + ( xx 0 ) ( xx 1 ) a2 + ( xx 0 ) ( xx 1 )( x x2 ) a3
p3 ( x )=f ( x 0 ) + ( xx 0 ) f ( x 0 , x 1 ) + ( xx 0 ) ( xx 1 ) f ( x 0 , x 1 , x 2 ) + ( xx 0 ) ( xx 1 )( xx 2) f ( x0 , x 1 , x 2 , x 3 )
( p3 ( x ) =56.5+ ( x1 ) 14.125+ ( x1 )( x5 ) (0.50484 ) + ( x1 ) ( x5 ) ( x20 ) 0.01085 )
c) Como
p1 ( x )=56.5+14.125 ( x1 )
Si,
x=2 ,
f ( 2 )= p1 ( x )=56.5+14.125 ( 21 )
p1 ( x )=70.62 C
Si,
x=2 ,
f ( 2 )= p 2 ( x )=56.5+ ( 21 ) 14.125+ ( 21 )( 25 )(0.50484 )
p2 ( x )=72.1 C
Si,
x=2 ,
f ( 2 )= p3 ( x )=56.5+ ( 21 ) 14.125+ ( 21 )( 25 )(0.50484 )+ (21 )( 25 ) ( 220 ) 0.01085
p3 ( x )=72.72 C
FORMULA DE INTERPOLACION DE NEWTON HACIA ADELANTE
121
O
DIFERENCIA PROGRESIVA
Cuando
x 0 , x 1 , x 2 x n se acomodan consecutivamente e igualmente espaciados diremos que la expresin:
n
pn ( x )=f ( x 0 ) + f ( x 0 , x1 , . x k ) ( xx 0 ) ( xx 1 ) ( xx 2) ( x xk 1 )
k=1
Podemos simplificarlos ms, para esto introduciremos un nuevo parmetro s definido

x=x 0+ sh .
Sea 0 i n x 1x 0 =h x 1=x 0 +h
x 2x 0 =2h x 2=x 0+2h
x 3 x0 =3 h x 3=x 0 +3 h
..
x ix 0 =ihx i=x 0 +ih
..
122
x n x0 =nh x n=x 0 +nh
Como
pn ( x )=a0 +a1 ( xx 0 ) +a
2 ( xx 0 ) ( xx 1 ) ++ an ( xx 0 )( x x1 ) ( xx n1 )
a
2 ( xx 0 ) ( xx 1 )
= f ( x 0 , x 1 , x 2 ) h2 s ( s1 )
Pero:
xx 0=sh
x 1x 0=h
x 1[ x 0sh ]=h
x 1x=sh +h
xx 1=( s1 ) h
( xx 0 )( x x1 ) =( s h ) [( s1 ) h ] =h2 s ( s1 )
123
2 n
( x 0 , x 1 , x 2 ) h s ( s1 ) +..+f ( x 0 , x 1 , x 2 , . x n ) h s ( s1 ) ( s2 ) ( s( n1 ) )
pn ( x )=f ( x 0 ) +f ( x 0 , x1 ) sh +f
n
pn ( x )= s ( s1 ) ( s2 ) ( sk + 1 ) h k f ( x0 , x 1 , . x k ) ( 1 )
k=0
Si empleamos la notacin Binomial, es decir;
s ( s1 ) ( s2 ) ( s3 ) ( sk +1 ) ( sk ) !
(ks )= ( sk ) ! k !
k ! s =s ( s1 ) ( s2 ) ( s3 ) ( sk +1 )
()
k
En (1) :
n
p n ( x )= p n ( x 0 +sh )= s k ! h k f ( x0 , x 1 , . x k )
k=0 k
()
FORMULA DE DIFERENCIA DIVIDIDA PROGRESIVA DE NEWTON
Podemos construir, haciendo uso de:
=DIFERENCIA PROGRESIVA NEWTON PROGRESIVO
Sea
124
f ( x1 ) f ( x 0 )
f ( x0 , x1)=
x 1x 0
1
f ( x0 , x1 )= f ( x0)
h
1
2h [
f ( x0 , x1 , x2 )= f ( x 1 ) f ( x 0 ) ]
1 2
f ( x0 , x1 , x2 )= f ( x0 )
2 h2
1
f ( x0 , x1 , x2 , . xk )= k f ( x0 )
En general: k! hk
Por lo tanto la ecuacin

pn ( x ) cambia a:
125
n
pn ( x )= s k f ( x 0 )
k=0 k
()
FORMULA DE DIFERENCIA PROGRESIVA DE NEWTON
o
POLINOMIO DE NEWTON EN DIFERENCIAS FINITAS HACIA ADELANTE
s ( s1 ) 2 s ( s1 ) ( s2 ) ( s( n1 ) ) n
pn ( x )= p n ( x 0 +h ) =f ( x 0 ) + s f ( x 0 ) + f ( x 0 ) +..+ f ( x0 )
2! n!
NOTA:
1)
f n ( x )=f n +1 ( x )f n ( x ) , n 0
f ( xn ) =f ( x n +1) f ( x n ) , n 0
2) Para potencias mayores k f n ( x ) SE DEFINE RECURSIVAMENTE COMO:
k
f n ( x ) =
k1
( f n ( x )) ,k 2
k f ( x n) = k1 ( f ( x n ) ) , k 2
3)
f ( xn ) =f ( x n +h ) f ( x n )
a
2 ( xx 0 ) ( xx 1 )
4) = f ( x 0 , x 1 , x 2 ) h2 s ( s1 )
Pero:
xx 0=sh
126
x 1x 0=h
x 1[ x 0sh ]=h
x 1x=sh +h
xx 1=( s1 ) h
( xx 0 )( x x1 ) =( s h ) [( s1 ) h ] =h2 s ( s1 )
f ( x0 , x1)
5)

f ( x1 ) f ( x 0 )
a) f ( x0 , x1)= , =DIFERENCIA PROGRESIVA
x 1x 0
f ( x0 )
f ( x0 , x1)=
h
h f ( x 0 , x 1 ) = f ( x 0 )
b)
127
f ( x 1 , x 2 )f ( x 0 , x 1 )
f ( x 0 , x 1, , x 2) =
x 2x 0
f ( x2 ) f ( x 1 ) f ( x 1 )f ( x0 )

x 2x 0 x 1x 0
f ( x 0 , x 1, , x 2) =
x 2x 0
f ( x2 ) f ( x 1 ) f ( x 1 )f ( x0 )

h h
f ( x 0 , x 1, , x 2) =
2h
f ( x 2 )2 f ( x 1 ) + f ( x 0 )
f ( x 0 , x 1, , x 2) =
2 h2
E1) Se sabe que la resistencia a la tensin de un plstico aumenta como una funcin del tiempo cuando se calienta. Se
dispone de los siguientes datos:
Puntos 0 1 2 3 4
Tiempo 10 15 20 25 40
Resistenci
a a la 4 20 18 50 33
tensin
128
Aproxime la funcin tabulada por el polinomio de Newton en diferencias dividas hacia adelante e interpole cuando la
resistencia a la tensin es de 20
Punto x f (x) f ( x) 2 f (x) 3 f ( x) 4 f (x)

s
0 10 4
16
1 15 20 18
2
52
2 20 18 34 -135
32 -83
3 25 50 49
-17
4 40 33
Solucin:
f ( x )=f ( x ) f ( x )=204=16
0 1 0
f ( x )=1820=2
1
f ( x )=5018=32
2
f ( x )=3350=17
3
2
f (x ) = f ( x ) f ( x )=2(16)=18
0 1 0
2 f (x ) = f ( x ) f ( x )=32(2)=34
1 2 1
129
2
f (x ) = f ( x ) f ( x )=17(32)=49
2 3 2
3 f ( x )= 2 f ( x ) 2 f (x ) =34(18)=52
0 1 0
3 2 2
f ( x ) = f (x ) f (x ) =49(34)=83
1 2 1
4 f (x )=3 f (x )3 f (x )=83(52)=135
0 1 0
b) Veremos
x 1x 0=h h=1510 h=5
Y el valor que tenemos que interpolar es: 20, entonces se obtiene el valor de s
Es decir;
x=x 0+ sh esto es:
xx 0
s=
h
2010
s= s=2
5
Aproximaremos a un polinomio de 1er grado , entonces se toma los dos primeros trminos , es decir 0 y 1
p ( x )=f ( x ) + f (x ) s
0 0
130
p (20 )=4 +16(2)
p (20 )=36
Vemos que estamos extrapolando, porque el valor de x queda fuera del intervalo de los puntos que se usaron para formar el polinomio de aproximacin
Que sucede si realizamos una aproximacin mejor con los puntos 1 y 2, para esto vamos a modificar:
n
pn ( x ) = s k f ( x 0 )
()
k=0 k
n
pn ( x ) = s f ( x 1 )
()
k=0 k
k
s ( s1 ) 2 s ( s1 ) ( s2 ) ( s( n1 ) ) n
pn ( x )=f ( x 1 ) +s f ( x 1 ) + f ( x1 ) +..+ f ( x1 )
2! n!
Los dos primeros trminos dan la aproximacin polinomial de 1er grado
x x1
p ( x )=f ( x 1 ) + f ( x 1 ) s , s=
h
2015
p ( x )=20+(2) ( 2 ) , s= =1
5
131
p (20 )=f ( 20 )=16
Ahora se desea aproximar con un polinomio de 2do grado, se requiere 3 puntos, se aconseja tomar los puntos 1,2 y 3 en lugar de 0,1 y 2, ya que el
argumento por interpolar est ms al centro de los primeros.
Entonces:
s ( s1 )
p2 ( x )=f ( x 1) + f ( x 1 ) s +2 f ( x 1 )
2!
Donde:
xx 1
s=
h
2015
s= =1
5
34 (1)(11)
p2 ( x )=20+(2) ( 1 ) +
2!
p2 ( x )=18
132
E1) La siguiente tabla se proporciona las presiones de vapor en lb/pulg 2 a diferentes temperaturas para el 1-3 butadieno.
Puntos 0 1 2 3 4 5
Temperatura ( o F) 50 60 70 80 90 100
Presin (lb/pulg2 ) 24.94 30.11 36.05 42.84 50.57 59.30
Aproxime la funcin tabulada por el polinomio de Newton en diferencias divididas hacia adelante e interpole la presin a la temperatura de 64F
Para esto realizamos la tabla de diferencias hacia adelante.
i xi f ( xi ) f ( xi ) 2 f ( xi) 3 f ( x i ) 4 f ( xi )
0 50 24.94
5.17
0.77
1 60 30.11 5.94
0.08
0.85 0.01
2 70 36.05 6.79 0.09
0.94
-0.03
3 80 42.34 7.73 0.06
1.00
8.73
4 90 50.57
5 100 59.30
f ( xi )
f ( x0 ) =f ( x 1 )f ( x 0 )=30.1124.94
f ( x1 ) =f ( x 2 )f ( x 1) =36.0530.11
f ( x2 ) =f ( x 3 )f ( x 2 )=42.8436.05
f ( x3 ) =f ( x 4 ) f ( x 3 ) =50.5742.84
f ( x 4 )=f ( x5 ) f ( x 4 )=59.3050.57
2 f ( xi)
2 f ( x 0 ) = ( f ( x 0 ) ) = ( f ( x 1 )f ( x 0 ) ) = f ( x 1 ) f ( x 0 )=5.945.17
2 f ( x 1 )= ( f ( x 1 ) )= ( f ( x2 ) f ( x 1 ) ) = f ( x 2 ) f ( x 1 )=6.795.94
3 f ( x i )
3 f ( x 0 ) =2 ( f ( x 0 ) ) =2 ( f ( x1 ) f ( x 0 ) ) = 2 f ( x 1 ) 2 f ( x 0 ) =0.850.77
Veremos que :
x 1x 0=6050=10 h=10
Y el valor que vamos a interpolar es : 64 y se obtiene del valor s , es decir;
x=x 0+ sh , esto es:
xx 0
s=
h
6450
s=
10
s=1.4
Aproximaremos a un polinomio de 1er grado , entonces se toma los dos primeros trminos , es decir 0 y 1
p ( x )=f ( x 0 ) + f ( x0 ) s
p ( x )=24.94+5.17 ( 1.4 )
p ( x )=32.178
Vemos que estamos extrapolando, porque el valor de

x queda fuera del intervalo de los puntos que se usaron para formar el polinomio de aproximacin
Que sucede si realizamos una aproximacin mejor con los puntos 1 y 2, para esto vamos a modificar:
n
pn ( x ) = s k f ( x 0 )
k=0 k
()
a
n
pn ( x ) = s f ( x 1 )
k=0 k
k
()
s ( s1 ) 2 s ( s1 ) ( s2 ) ( s( n1 ) ) n
pn ( x )=f ( x 1 ) +s f ( x 1 ) + f ( x1 ) +..+ f ( x1 )
2! n!
Los dos primeros trminos dan la aproximacin polinomial de 1er grado
x x1
p ( x )=f ( x 1 ) + f ( x 1 ) s , s=
h
6460
p ( x )=30. 11+5 . 94 ( 0 . 4 ) , s= =0.4
10
p ( 64 )=f ( 64 ) =32.486
Ahora se desea aproximar con un polinomio de 2do grado, se requiere 3 puntos, se aconseja tomar los puntos 0,1 y 2 en lugar de 1,2 y 3 , ya que el argumento por interpolar est ms al
centro de los primeros.
Entonces:
s ( s1 )
p2 ( x )=f ( x 0 ) + f ( x 0 ) s+ 2 f ( x 0)
2!
Donde:
xx 0
s=
h
645 0
s= =1.4
10
0.77(1.4 )(0.4)
p2 ( x )=24.94 +5.17 ( 1.4 ) +
2!
p2 ( x )=32.393
E2) Aproxime la funcin tabulada por el polinomio de Newton Progresivo e interpole.
x= 0.05
i xi f ( xi ) f ( xi ) 2 f ( xi) 3 f ( x i ) 4 f ( xi )
0 0.0 1.00000
0.22140
1 0.2 1.22140 0.04902
0.01086
0.27042
2 0.4 1.49482 0.05988 0.00238
0.01324
0.3303
3 0.6 1.82212 0.07312
0.40342
4 0.8 2.2554
f ( xi )
f ( x0 ) =f ( x 1 )f ( x 0 )=1.221401=0.2214
f ( x1 ) =f ( x 2 )f ( x 1) =1.491821.2240=0.27042
f ( x2 ) =f ( x 3 )f ( x 2 )=1.822121.49182
f ( x3 ) =f ( x 4 ) f ( x 3 ) =2.225541.82212
2 f ( xi)
2 f ( x 0 ) = ( f ( x 0 ) ) = ( f ( x 1 )f ( x 0 ) ) = f ( x 1 ) f ( x 0 )=0.270420.2214
2
f ( x 1 )= ( f ( x 1 ) )= ( f ( x2 ) f ( x 1 ) ) = f ( x 2 ) f ( x 1 )=0.33030.27042
3 f ( x i )
3 f ( x 0 ) = ( 2 f ( x 0 ) )= ( f ( x 1 ) f ( x 0 ) ) = 2 f ( x 1 ) 2 f ( x 0 )=0.059880.04902
4 f ( xi )
4 f ( x 0 )= ( 3 f ( x0 ) )=0.013240.01086=0.00238
Veremos :
x 1x 0=0.20=0.2 h=0.2
El valor que vamos a interpolar es 0.05 y se obtiene el valor s , es decir;
x=x 0+ sh
xx 0
=s
h
0.050
=s s=0.25
0.2
Aproximamos a un polinomio de 1er grado , se tendr los dos primeros trminos es
decir;
p ( x )=f ( x 0 ) + f ( x0 ) s
p ( x )=1+ 60.22140(0.25)
p ( x )=1.05535
Que sucede si aproximamos mejor con los puntos 1 y 2.
Entonces:
p ( x )=f ( x 1 ) + f ( x 1 ) s
p ( x )=1.22140+ 0.27042(0.75) ,
p ( x )=1.018555
En este caso estamos extrapolando
Nota:
x=x 1+ sh
xx 1
=s
h
0.050.2
=s s=0.75
0.2
Sabemos:
xx 0=sh
x 1x 0 =h x 1=x 0 +h
x 2x 0 =2h x 2=x 0+ 2h
x 3 x0 =3 h x 3=x 0 +3 h
x n x0 =nh x n=x 0 +nh
Luego:
x 2x 1=h f ( x 2) =f ( x 0 +2 h )
x 2x 0=2 h f ( x1 ) =f ( x 0 +h )
Sabemos que:
f ( x 0 +2 h )2 f ( x 0 +h ) +f ( x 0 )
f ( x 0 , x 1, , x 2) =
2h 2
f ( x 0 , x 1, , x 2) =
[ f ( x 0 +2 h )f ( x 0 +h ) ][ f ( x 0 +h )f ( x0 ) ]
2
2h
f ( x 0 , x 1, , x 2) =
[(
f x
0+ h +h f x
) ( )]
0 +h [ f ( x 0 +h )f ( x0 ) ]
2 h2
f ( x 0 +h ) f ( x 0 )
f ( x 0 , x 1, , x 2) = 2
2h
[ f ( x0 + h )f ( x 0 ) ]
f ( x 0 , x 1, , x 2) = 2
2h
[ f ( x0 )]
f ( x 0 , x 1, , x 2) = 2
2h
2
f ( x0 )
f ( x 0 , x 1, , x 2) =
2h 2
Sabemos:
1)
f ( xn ) =f ( x n +1) f ( x n )
2)
f ( xn ) =f ( x n +h )f ( x )
f ( x 1 , x 2 , x 3 )f ( x 0 , x 1, x 2)
c) f ( x 0 , x 1, , x 2 , x 3 )=
x3 x 0
f ( x 1 , x 2 , x 3 )f ( x 0 , x 1, x 2)
f ( x 0 , x 1, , x 2 , x 3 )=
3h
f ( x 2 , x 3 )f ( x1 , x2 ) f ( x1 , x2 ) f ( x 0, x 1)
x 3x 1 x 2x 0
f ( x 0 , x 1, , x 2 , x 3 )=
3h 3h
f ( x 2 , x 3 )f ( x 1 , x 2 ) f ( x 1 , x 2) f ( x 0, x 1 )
f ( x 0 , x 1, , x 2 , x 3 )=
( x3 x1 ) 3 h ( x 2x 0 ) 3 h
f ( x 2 , x 3 )f ( x 1 , x 2 ) f ( x 1 , x 2) f ( x 0, x 1 )
f ( x 0 , x 1, , x 2 , x 3 )=
( 2 h) 3 h (2 h)3 h
f ( x 2 , x 3 )2 f ( x1 , x2 ) + f ( x 0, x 1 )
f ( x 0 , x 1, , x 2 , x 3 )=
( 2h ) 3 h
f ( x 3 )f ( x 2 )2 [ f ( x 2 )f ( x 1 ) ] +f ( x 1 )f ( x 0 )
f ( x 0 , x 1, , x 2 , x 3 )=
h ( 2 h)3 h
f ( x 3 )f ( x 2 )2 f ( x 2 ) +2 f ( x 1 ) +f ( x 1 )f ( x 0 )
f ( x 0 , x 1, , x 2 , x 3 )=
h( 2 h) 3 h
f ( x 3 )3 f ( x 2) + 3 f ( x 1) f ( x 0 )
f ( x 0 , x 1, , x 2 , x 3 )=
h ( 2 h) 3 h
FRMULA DE INTERPOLACIN DE NEWTON HACIA ATRS
DIFERENCIA REGRESIVA
Si reordenamos los nodos interpolantes como:

x n , x n1 , x n2 x 0 tendramos:
pn ( x )=f ( x n ) +f ( x n , xn1 ) ( xx n ) + f ( xn , x n1 , x n2) ( xx n ) ( xx n1 ) +..+ f ( x n , x n1 , x n2 , . x 0 ) ( xx n ) ( xx n1
Como usamos espacios iguales con :

x=x n+sh .
pn ( x )= p n ( x n + sh )
FORMULA DE DIFERENCIA DIVIDIDA REGRESIVA DE NEWTON

p n ( x )=f ( x n ) +shf ( x n , x n1 ) + s ( s+1 ) h f ( x n , x n1 , x n2 ) +..+s ( s +1 )( s+2 ) ( s +n1 ) hn f ( x n , x n1 , x n2 , . x 0 )
2

La cual nos servir para derivar la frmula de Diferencia Regresiva de Newton Polinomio de
Newton en Diferencias Finitas hacia atrs.
1
f ( x n , x n1 ) = f ( x n)
h
1 2
f ( x n , x n1 , x n2 ) = 2
f ( xn )
2!h
1
f ( x n , x n1 , x nk +1 , x nk )= k
k f ( xn)
k !h
Por lo tanto
s ( s +1 ) 2 s ( s +1 ) ( s+ 2 ) ( s+ n1 ) n
pn ( x )=f ( x n ) +s f ( xn ) + f ( x n )+ ..+ f ( xn ) ( 2)
2! n!
Utilizando la notacin del coeficiente Binomial, para incluir negativos
s =s (s1 ) (s2 )(s3 ) (sk +1 ) (sk ) !

( )
k (sk ) ! k !
s ( s1 )( s2 )( s3 ) ( sk + 1 )
(sk)= k!
k
s = (1 ) s ( s+1 ) ( s+2 ) ( s +3 ) ( s+ k1 )
( )
k k!
En (2)
( )
1
2
2 ( ) n
n ( )
pn ( x )=f ( x n ) + (1 ) s f ( x n ) + (1 ) s 2 f ( x n ) +..+ (1 ) s n f ( x n )
1
Por lo tanto de (2)
n
pn ( x )= (1 ) s k f ( x n )
k=0
k
k ( )
DIFERENCIA REGRESIVA DE NEWTON
NOTA:
1)
f n ( x ) =f n +1 ( x )f n ( x ) , n 1
f ( x n )=f ( x n ) f ( x n1 ) ,n 1
2) Para potencias mayores k f n ( x) SE DEFINE RECURSIVAMENTE COMO:
k f n ( x ) = k1 ( f n ( x ) ) , k 2
k f ( x n )=k1 ( f ( x n ) ) , k 2
E1) Interpole el valor de la presin a una temperatura de 95 F, empleando la tabla

anterior y el polinomio de Newton en Diferencias Divididas hacia atrs
Parar esto realizamos la tabla de diferencias hacia atrs
i xi f ( xi ) f ( xi ) 2 f ( xi ) 3 f ( xi ) 4 f ( xi )
0 50 24.94
5.17
1 60 30.11 0.77
5.94
0.08
2 70 36.05 0.85 0.01
3 80 42.34 6.79 0.09

0.94
-0.03
7.73 0.00
4 90 50.57
1.00
5 100 8.73
59.30
Aproximaremos a un polinomio de 1er grado :
p1 ( 95 )=f ( x 5 ) + f ( x 5 ) s
Donde
xx n xx 5 95100
s= = = =0. 5
h h 10
Entonces:
p1 ( 95 )=59.30+8.73 (0.5 )
p1 ( 98 )=54.9350
Usando un polinomio de 2do grado, se emplea los tres primeros trminos de abajo hacia arriba
s ( s+1 ) 2
p2 ( 95 )=f ( x 5 ) + f ( x 5 ) s + f ( x5 )
2!
(0.5 )(0.5+1 )
p2 ( 95 )=59.30+8.73 (0.5 ) + (1)
2!
p2 ( 95 )= 54.81000
Conforme pasa el tiempo de lixiviacin de un mineral, la concentracin de la
parte valiosa de ste aumenta. Con el ajuste correcto del mtodo de
diferencial para determinar el tiempo, se obtuvieron los datos
experimentales de t(min) [Cu] en g/L
puntos 0 1 2 3 4
T(min) 10 20 30 40 50
[Cu] g/L 0.756827 0.993118 1.164202 1.308180 1.422306
Para estos datos extrapolar la concentracin de Cu a 1 hora de haber

comenzado la lixiviacin. Calcular el error relativo % si V = 1.577679
Resolucin:
Punto x f (x) f (x) 2 f ( x) 3 f (x) 4 f (x)

s
0.7568
0 10
27
0.236291
0.9931
1 20 -0.065207
18
0.171084 0.033101
1.1642
2 30 -0.032106 -0.020847
02
0.138978 0.012254
1.3081
3 40 -0.019852
80
0.119126
1.4223
4 50
06
Solucin:
f (x )=f (x ) f (x )=0.9931180.756827=0.236291
0 1 0
f ( x )=f (x ) f (x ) =1.1642020.993118=0.171084
1 2 1
2 f ( x )= ( f (x ) )= ( f (x ) f (x ) ) = f ( x ) f ( x )=0.171084( 0.236291 ) =0.065207

0 0 1 0 1 0
2 f (x ) = ( f (x ) ) = ( f (x ) f ( x )) = f ( x ) f ( x )=0.138978( 0.171084 ) =0.032106

1 1 2 1 2 1
3 2 2 2
f (x )= ( f (x ) )= ( f ( x ) f ( x ) )= f ( x ) f ( x )=0.032106(0.065207 )=0.033101
0 0 1 0 1 0
4 f (x ) = ( 3 f ( x ))= ( 2 f ( x ) 2 f ( x ) )=3 f ( x ) 3 f ( x )=0.012254( 0.033101 ) =0.020847

0 0 1 0 1 0
x 0=20
Aproximando a un polinomio de 3 grado, considerando
s .(s1). 2 f ( x ) s .( s1). ( s2 ) . 3 f ( x )
f ( x )=f (x )+ s . f ( x ) + + 1 1
1
2!
1
3!
f (0.158) x 0=0.125
Calculo de s para ;
x=x 0+ s . h , h=x1 x0 =2010=10 h=10
xx n 6020
s= = =4
h 10
4. ( 41 ) .0.032106 4. ( 41 )( 42 ) . 0.012254
f ( 60 ) =0.993118+ 4( 0.171084)+ +
2! 3!
f ( 60 ) =1.601474
|1.5776791.601474|
ER = 100
1.601474
E R =1.486665
E2) Interpole el valor de la presin a una temperatura de 98 F, empleando la tabla anterior y el polinomio de Newton en Diferencias Divididas hacia atrs
Parar esto realizamos la tabla de diferencias hacia atrs
i xi f ( xi ) f ( xi ) 2 f ( xi ) 3 f ( xi ) 4 f ( xi )
0 50 24.94
5.17
0.77
1 60 30.11 5.94
0.08
0.85 0.01
2 70 36.05 6.79 0.09
0.94
-0.03
3 80 42.34 7.73 0.00
1.00
8.73
4 90 50.57
5 100
59.30
Aproximaremos a un polinomio de 1er grado :
p1 ( 98 )=f ( x 5 ) + f ( x 5 ) s
Donde
xx n xx 5 98100
s= = = =0. 2
h h 10
Entonces:
p1 ( 98 )=59.30+8.73 (0.2 )
p1 ( 98 )=57.554
Usando un polinomio de 2do grado, se emplea los tres primeros trminos de abajo hacia arriba
s ( s+1 ) 2
p2 ( 98 )=f ( x 5 ) + f ( x 5 ) s + f ( x5 )
2!
(0.2 ) (0.2+1 )
p2 ( 98 )=59.30+8.73 (0.2 ) + ( 1)
2!
p2 ( 98 )= 57.474
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES
POLINOMIO DE LAGRANGE
La interpolacin de polinomios de Lagrange es una reformulacin del polinomio de Newton, que

evita el clculo por Diferencias Finitas. As presentamos una funcin tabulada de la forma:
X Y
x0 y0
x 1=x 0+ h0 y1
x 1x 0=h 0
x 2=x 1+ h1 y 2 x 2x 1=h1
x n=x n1+ hn1 y n xn x n1=hn1
No necesariamente se cumple:
h0=h1= ..=hn1
Entonces
f (x) , es una funcin desconocida dada en su forma tabular y podemos asumir que un
polinomio de 1er grado puede escribirse:
p ( x )=a0 ( xx 1 )+ a1 ( xx 0 ) (1)
Donde
x0 , x1 son argumentos de los puntos conocidos ( x0 , f ( x0 )) , ( x1 , f ( x1 )) y
a0 y
a1 son valores que debemos encontrar.
a0 =?
Hacemos que
x=x 0 en (1), despejando tenemos:
p ( x0 ) =a0 ( x 0x 1 ) +a 1 ( x 0x 0 )
p ( x0 )
=a0
( x0 x1 )
p ( x0 )
a 0=
( x0 x1 )
f ( x0 )
a 0=
( x0 x1 )
a1 =?
Hacemos que
x=x 1 en (1) , despejando tenemos :
p ( x1 ) =a0 ( x 1x 1 )+ a1 ( x1 x0 )
p ( x1 )
=a1
( x1x 0 )
p ( x 1)
a1 =
( x 1x 0 )
f ( x1 )
a1 =
( x 1x 0 )
Reemplazando en (1):
p ( x )=a0 ( xx 1 )+ a1 ( xx 0 )
f ( x0) f ( x 1)
p ( x )= ( xx 1 ) + ( xx 0 )
x 0x 1 x1 x0
Lo podemos escribir como:
p ( x )=L 0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1)
donde
x x1 xx 0
L0 ( x ) = , L1 ( x ) =
x 0x 1 x1 x0
Luego, un polinomio de 2do grado, puede escribirse como:
p2 ( x )=a0 ( xx1 ) ( xx 2 ) +a 1 ( xx 0 ) ( xx 2 ) +a2 ( xx 0 ) ( xx 1 ) (2)
Donde
x0 , x1 , x2 son argumentos de los valores
( x0 , f ( x0)) , ( x1, f ( x1)) , ( x2 , f ( x2)) , hallaremos los valores

a0 a1 y a2
a0 =?
Hacemos que
x=x 0 en (2), despejando tenemos:
p2 ( x 0 ) =a0 ( x 0x 1 ) ( x0 x 2) + a1 ( x0 x 0 )( x 0 x2 ) + a2 ( x 0 x0 ) ( xx 1 )
p2 ( x0 )
=a 0
( x0 x1 ) ( x 0x 2 )
f ( x0 )
a 0=
( x0 x1 ) ( x 0x 2 )
a1 =?
Hacemos que
p2 ( x 1 ) =a1 ( x1 x0 ) ( x 1x 2 )
p2 ( x1 )
=a1
( x1x 0 ) ( x 1x 2 )
p2 ( x 1 )
a1 =
( x 1x 0 ) ( x 1x 2 )
f ( x 1)
a1 =
( x 1x 0 ) ( x 1x 2 )
a2 =?
Hacemos que
p2 ( x 2 ) =a2 ( x2 x 0) ( x 2x 1 )
Reemplazando en (2), tenemos:
p2 ( x )=L0 ( x ) f ( x0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 )
donde
( xx 1 ) ( xx 2 ) ( xx 0 )( xx 2)
L0 ( x ) = , L1 ( x ) =
( x 0x 1 ) ( x 0x 2 ) ( x 1x 0 )( x1x 2 )
( xx 0 ) ( xx 1)
L2 ( x ) =
( x 2x 0 ) ( x2 x1 )
Lugo el polinomio de n-simo grado , que pasa por n+1 puntos
( x 0 , f ( x 0 ) ) , ( x 1 , f ( x 1 ) ) , ( x 2 , f ( x 2 ) ) ... ( x n , f ( x n ) )
pn ( x )=L 0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1) + L2 ( x ) f ( x2 ) + Ln ( x ) f ( x n)
( x x1 ) ( xx 2 ) ( xx n )
L0 ( x ) =
( x 0x 1 ) ( x 0x 2 ) .. ( x 0x n )
( xx 0 )( x x2 ) ( xx 3 ) .. ( x xn )
L1 ( x ) =
( x 1x 0 )( x1 x2 ) ( x 1x 3 ) .. ( x 1x n )
( xx 0 ) ( xx 1) .. ( xx n1 )
Ln ( x ) =
( x nx 0 ) ( x nx 1 ) ( x nx n1)
Otra forma compacta es:
n
pn ( x )= Li ( x ) f ( x i)
i=0
donde
n
xx
Li ( x )= x x j
j=0 i j

i j
POLINOMIO INTERPOLANTE DE LAGRANGE
E1) Para los datos a continuacin
a) Obtenga la aproximacin polinomial de Lagrange con todos sus puntos.

b) Interpole el valor de la funcin f (x) para x=1.8
i 0 1 2 3
xi 0 1 3 6
f ( xi ) -3 0 5 7
a) Observamos que hay 4 puntos en la tabla, por lo que el polinomio ser de tercer grado.
3
pn=3 ( x )= Li ( x ) f ( xi )
i =0
3
xx j
Li ( x ) =
j=0 x ix j
i j
p3 ( x )=Li=0 ( x ) f ( x0 ) + Li=1 ( x ) f ( x 1 ) + Li=2 ( x ) f ( x 2 ) + Li=3 ( x ) f ( x 3 )
( xx 1) ( xx 2 ) ( xx 3 ) ( xx 0 ) ( xx 2 )( x x3 ) ( xx 0 ) ( xx 1 )( xx 3 ) ( x x0 ) (
p3 ( x )= f ( x0 )+ f ( x1 )+ f ( x2 ) +
( x 0x 1 ) ( x 0x 2 )( x 0 x3 ) ( x 1x 0 )( x 1x 2 ) ( x 1x 3 ) ( x 2x 0 )( x2 x1 ) ( x 2x 3 ) ( x 3x 0 ) ( x
( x1 ) ( x3 ) ( x6 ) ( x0 ) ( x3 ) ( x6 ) ( x0 )( x1 ) ( x6 ) ( x0 )( x1 )( x3 )
p3 ( x ) = (3 ) + ( 0 )+ (5)+ (7 )
( 01 ) ( 03 )( 06 ) ( 10 )( 13 )( 16 ) ( 30 ) ( 31 ) ( 36 ) ( 60 ) ( 61 ) ( 63 )
p3 ( x )=( x3 10 x 2 +27 x18 ) ( 61 )( 1515 )+( x 7 x +6 x )( 518 )( 55 )+( x 4 x +3 x )( 907 )

3 2 3 2
3 3 3 2 276
p3 ( x )= x x + x3
90 90 90
1 3 1 2 92
p3 ( x )= x x + x 3
30 30 30
b) El valor de x=1.8 , sustituiremos este valor a lo anteriormente encontrado.
3 3 276
p3 ( 1.8 )=f ( 1.8 ) = ( 1.8 )3 ( 1.8 )2 + ( 1.8 )3
90 90 90
Entonces:
f ( 1.8 ) =2.2176
INTERPOLACION INVERSA
Hemos observado que los valores f (x) y x en la mayora de los contextos de
interpolacin son las variables dependientes e independientes, en forma respectiva.
Los valores de x pueden estar espaciados uniformemente.
1
E1) Sea la tabla de valores para
f ( x )=
x
xi 1 2 3 4 5 6 7
f ( xi ) 1 0.5 0.3 0.25 0.2 0.1667 0.1429
Supongamos que dado el valor de f ( x ) , deseamos encontrar el valor de x
De los datos anteriores tenemos:
1
f ( x )=
x
1
0.33=
x
^
x=3. 03
Es lo que conocemos como INTERPOLACION INVERSA
Pero, para un caso ms complicado: Intentar cambiar los valores de f (x) y x y emplear
interpolacin de Lagrange para obtener resultados, pero al invertir las variables no hay
garanta de que los valores junto con las nuevas abscisas (los f (x) ) sean espaciados
uniformemente , en muchos casos sern agrandados.

MATRICES y SISTEMAS DE ECUACIONES LINEALES
INTRODUCCION
Encontrar la solucin de sistemas de Ecuaciones Lineales es un tema clsico de las

matemticas, pero de gran utilidad en las ramas del conocimiento tales como: Economa,
Biologa, Fsica , Psicologa.
Gracias a los computadores hoy en da podemos resolver sistemas casi de cualquier nmero
de ecuaciones, lo cual proporciona un atractivo especial a las tcnicas de solucin Directas e
Interactivas.
MATRICES
Una matriz es un conjunto de elementos ordenados en filas y columnas.
[ ]
a 11 a1 n

an 1 ann
Los elementos
aij son nmeros reales, complejos o funciones de una o varias variables.
SOLUCIONES DE SISTEMAS DE ECUACIONES LINEALES
Un sistema de m ecuaciones lineales en n incgnitas tiene la forma general:

a11 x 1+ a12 x 2+ a1 n x n=b1
a21 x 1+ a22 x 2 +a2 n xn =b2
a31 x 1+ a32 x 2+ a3 n xn =b3
am1 x1 + am 2 x 2 +amn x n=b m

La notacin matricial es:
a 11
a12
a21
a22
a 1n
am 1 a 2n am 2

amn
A x=b
Donde:
A = Matriz de coeficientes del sistema

x = Vector de incgnita
b = Vector de trminos independientes
EXISTENCIA y UNICIDAD DE SOLUCIONES
Un sistema es homogneo si el vector b es un vector Cero.
Si el vector b 0 entonces es un sistema no homogneo
Un sistema es inconsistente si no tiene solucin.
Un sistema es consistente, si tiene solucin, esta solucin es nica puede tener un nmero
infinito de soluciones.
Una matriz aumentada:
Est formada por los coeficientes de la matriz A y del vector b
METODOS DIRECTOS DE SOLUCION
1) METODO DE ELIMINACION DE GAUSS

METODO DE ELIMINACION DE GAUSS HACIA ATRAS
E1) Resuelva por Eliminacin de Gauss el sistema

{
4 x 19 x 2+ 2 x 3=5
2 x 14 x2 +6 x 3=3
x 1x 2 +3 x3 =4
a) La matriz aumentada
|
4 9 2 5
2 4 6 3
1 1 3 4
b) Triangulizacin
|
4 9 2 5
0 1/ 2 5 1/2
0 0 10 3/2
b1) Para esto multiplicar la 1era fila por ( 24 ) y sumarle a la 2da fila.
b2) La 1era fila multiplicar por ( 14 ) y sumarle a la 3era fila.
Obtendremos la siguiente matriz
|
4 9 2 5
0 1/2 5 1/5
0 5/ 4 10 /4 11 /4
B3) La 2da fila multiplicar por ( 52 ) y sumarle a la 3era fila.
Obtendremos la siguiente matriz
|
4 9 2 5
0 1/ 2 5 1/2
0 0 10 3/2
Quedando en trminos de sistema de ecuaciones como:
{
4 x 19 x 2+ 2 x 3=5
1 1
x 2+ 5 x 3 =
2 2
3
10 x 3=
2
En proceso regresivo nos produce el siguiente resultado:

3 3 1
10 x 3= x 3=
2 2 10 ( )
3
x 3=
20
x 3=0.15
4 x 1=5+ 9 x2 2 x 3
4 x 1=5+ 9 ( 2510 )2( 320 )

139
x 1=
20
x 1=6.95
OBSERVACION
1) Se puede calcular el determinante de la matriz A .

Mediante operaciones hemos obtenido una matriz triangular superior, pero el valor del
determinante no vara, entonces:
| A|=( 4 ) ( 12 ) (10) =20

2) El mtodo es aplicable cuando
a11 0 , a22 0, . ann 0
En caso contrario si algn

aii =0 , se permutar las filas correspondientes, es decir;
Por ejemplo:
a22 =0
( |)
1 1 2 1 8
0 0 1 1 4
0 2 1 1 6
0 0 2 4 12
( |)
1 1 2 1 8
0 2 1 1 6
0 0 1 1 4
0 0 2 4 12
FACTORIZACION DE MATRICES
En la factorizacin de matrices tenemos varios mtodos:
1) FACTORIZACION DIRECTA DE MATRICES FACTORIZACION DE MATRICES EN

MATRICES TRIANGULARES.
Teorema
Si, el procedimiento de Eliminacin Gaussiana, puede aplicarse al sistema Ax=b ,
sin intercambio de filas, entonces la matriz A puede factorizarse como el producto
de una matriz, triangular inferior L con una matriz superior U ; tal que:
A=L U
Donde
U=( uij ) L=( l ij ) definidas para cada j por:

a(iji) i=1,2, . , j
0 i= j+1, j+2, . , n

uij =
( i)
Donde aij = Es el elemento i, j de la matriz final obtenida por el mtodo de
ELIMINACION GUASSIANA
Y
{
0 i=1,2,3, , . , j1
l ij = 1i= j
mi j i= j+1, j+2, , n
Donde
mi j es el multiplicador
E1) Sea el sistema
{
4 x 19 x 2+ 2 x 3=5
2 x 14 x2 +6 x 3=3
x 1x 2 +3 x3 =4
La triangulacin de la matriz es :
( )
4 9 2
U= 0 1 5
2
0 0 10
Y para obtener la matriz triangular inferior
1 0 0
1
L= 2
1
4
( ) 1
5
4
0
Tal que, se cumple:
1 0 0
( )( )
4 9 2
1
( )
4 9 2
1 0 1
2 4 6 = 2 0 5
2
1 1 3
1 5
1 0 0 10
A 4
4
U
L
TENEMOS:
Obtendremos mediante operaciones bsicas a la matriz U, luego multiplicar L.U=A

)( )
1 0 0 4 9 2
( l 21 1 0 0
l 31 l 32 1
1
2
5
0 0 10
4 l 21=2 l 21=1/2
4 l 31=11 l 31=1/4
1
9l 31 + l 32=1 l 32=5 /2
2
2) METODO DE DOOLITLE y CROUT
Es un mtodo directo para encontrar la triangulizacion , para esto es factible factorizar
la matriz A en las matrices L y U dadas a continuacin :
( )( )( )
l 11 l 12 l 13 u 11 u 12 u13 a11 a12 a 13
l 21 l 22 l 23 u 21 u 22 u23 = a21 a22 a 23
l 31 l 32 l 33 u 31 v u 32 u33 v a31 a32 a 33

L U A
Anlisis:
a) Primera fila L por las tres columnas de U
l 11 u11= a11
l 11 u 12= a12
l 11 u13= a13
b) Segunda fila L por las tres columnas de U
l 21 u11 =a21
l 21 u12+ l 22 u22=a 22
l 21 u13 +l 22 u23=a 23
c) Tercera fila L por las tres columnas de U
l 31 u11 =a31
l 31 u12+ l 32 u22=a32
l 31 u13 +l 32 u23 +l 33 u33=a 33
Se llega a un sistema de ecuaciones con 12 incgnitas para lo cual, ser necesaria establecer
tres condiciones para resolver dicho sistema.
Asi, tenemos:
METODO DE DOOLITLE
Si se considera
l 11=l 22=l 33=1
METODO DE CROUT
Si considera
u11 =u22=u33 =1
OBSERVACION
1) Los algoritmos de Factorizacin se pueden simplificar considerablemente en el caso de

matrices de Banda, por lo cual los mtodos mencionados anteriormente son vlidos.
METODO DE DOOLITLE
E1) Sea el sistema
{
4 x 19 x 2+ 2 x 3=5
2 x 14 x2 +6 x 3=3
x 1x 2 +3 x3 =4
) ()()
4 9 2 l 11 0 0 u11 u12 u13
(
2 4 6 = l 21 l22 0 0 u22 u23
1 1 3
l 31 l32 l 33 0 0 u33
A
L U
a) Sea
l 11=1
l 22 =1
l 33 =1
b) Calculando la Primera fila.
l 11 u11=4 u11=4=a11
l 11 u12=9 u13 =4=a12
l 11 u13=2 u13=2=a13
c) Calculando la Primera columna de L
l 21 =?
2 1
l 21 u11 =2 l 21= l 21=
4 2
l 31 =?
1
l 31 u11 =1 l 31=
4
d) Calculando la Segunda fila de U
1 1
l 21 u12+ l 22 u22=4 (9 ) + ( 1 ) u 22=4 u22=
2 2
1
l 21 u13 +l 22 u23=6 ( 2 )+ ( 1 ) u23=6 u23=5
2
e) Calculando la Segunda columna de L
1 5
l 31 u12+ l 32 u22=1
4 ( )
(9 )+ l 32
1
2
=1 l 32=
2
f) Calculando la Tercera fila de U (Los valores restantes)
1 5
l 31 u13 +l 32 u23 +l 33 u33=3 ( 2 )+ (5 )+ (1 ) u33=3 u33=10
4 2
Por lo tanto las matrices L y U
1 0 0
( ) ( )
4 9 2
1
1 0
L= 2 U= 0 1 5
2
1 5
1 0 0 10
4 4
Donde A=L U
Podemos resolver el sistema:
L c=b donde b es el vector de trminos independientes del

sistema original
Luego:
1 0 0
( )( ) ( )
1
2
1
4
1
5
4
0
c1
1 c3
5
c2 = 3
4
Entonces:
c 1=5
1 1 1
c + c =3
2 1 2 2 ()
5+ c2 =3 c 2= =c 2=0.5
2
1 5 1 5 1 6
c + c2 + c3 =4
4 1 2 4
5+() (
2 4 3 onces : 2 )( )
+ c 3=4 c3 = =c2 =1.5
4
Entonces:
c 1=5
1
c2 =
2
6
c 3=
4
Y finalmente, podemos resolver el sistema:
U x=c , para obtener la solucin del sistema original
( )( ) (
4 9 2 x
)
1 5
1
0 5 x 2 = 1/2
2
6/ 4
0 0 10 x 3
Entonces:
6 3
10 x 3= x3 = x 3=0.15
4 20
1 1 1 3 1 5
2
x2 +5 x 3= x 3 = x 2 +5
2 2 20 ( )
= x 2= x2=2.5
2 2
4 x 19 x 2 +2 x3 =5 4 x 19 ( 52 )+2( 320 )=5 x = 20 29 stema original

1
139
alucion ma:
x =6.95
1
Por lo tanto :
x 13= 20
x 2=5/2
x 3=139/20
3) METODO DE CHOLESKY
OBSERVACIONES
1) TEOREMA.-
Sea A una matriz de orden n es positive definida entonces, A tiene una
factorizacin de la forma A=L Lt , donde L es una matriz triangular

inferior.
2) Una matriz simtrica A cuyas componentes son nmeros reales, es positive
definida si solo si los determinantes de las submatrices de A son positivos , es

decir;
| |
a 11 a12 a1 n
|a11|>0 , | a 11 a12
a21 a22 |
>0 a 21 a22 a2 n >0
an 1 an 2 ann
E1) Resolver el sistema de ecuaciones lineales de:
( )() ( )
4 1 2 x1 1
1 2 0 x2 = 2
2 0 5 x3
4
A b
x
cuya matriz de coeficientes es simtrica y positivamente definida
1) Descomponer la matriz A en las matrices triangulares L y U
( )( )( )
l 11 0 0 l 11 l 12 l13 4 1 2
l 21 l 22 0 0 l 22 l23 = 1 2 0
l 31 l 32 l 33 0 0 l33 2 0 5
A
t
L L
2) Efectuamos las operaciones o la multiplicacin de matrices tenemos:
l 211=4=a11 l 11= 2 l 11 =2
1
l 11 l21=1=a12 2 l 21=1 l 21=
2
l 11 l31=2=a13 2 l 31=2 l 31=1
l 21 l 11=1 (No es necesario pues los valores

l 21 ,
l 11 ya se
conocen)
2
1 7
l 221+l 222=2=a22 ()
2
+l 222=2 l 22= =1.2 2875656
2
l 21 l 31+l 2 2 l 32=0=a 23 ( 12 ) 1+ 27 l =0 l =1
32
7
=0.377964473
32
l 31 l 11=2
l 31 l 21 +l 32 l 22=0
2
l 231 +l 232+ l 233=5=a33 ( 1 ) +
1 2 2
( )
7
+l 33=5 l 33=
27
7
=1.963961012
3) Al resolver el sistema L c=b
2 0 0
( )( ) ( )
1
2
1
7
2
1
7
0
7
c1 1
c2 = 2
27 c 3 4
1
2 c1 =1 c 1=
2
c 1+ c2= ( )( 12 )+ 27 c =2 c = 2 7 7 =1.322875656
1 7 1
2 2
2 2 2
c 1
1
7
c2+
27
7
c 3=4
1
2

1 7
+
7 2 7 7
27
()( )
c 3=4 c 3=
4 7
27=2.06700309
Resolviendo
Lt x=c
( )( ) ( )
2 1 1
2 2
x1
0
7 1 7
x =
2 7 2 2 7
x 4 7
0 0
27 3
7 27
Tenemos:
1 1
2 x 1 + x 2+ x 3=
2 2
7 x 1 x = 7
2 2 7 3 2 7
27
7
x3 =4
7
27
Entonces:
x 3=4
7 7
27 27
28 ^
x 3= =1. 037
27
7 1 28
x 2= + ( )
2 7 7 27
245
x 2= =1. 2^
96
189
x 1= ( 12 245 28 1
378 27 ) 2

448
x 1= =0 . 5^
92
756
El vector solucin es:
x 1=448/756
x 2=245/189
x 3=28/27
METODO ITERATIVOS
1) METODO DE JACOBI
E1) Resolver el siguiente sistema por el mtodo de Jacobi
{
4 x 1x 2=5
x 1 +4 x2 x3 =1
x 2+ 4 x 3x 4 =1
x3 + 4 x 4 =1
1)
aii 0 Despejar ) x 1 de la primera ecuacin
x 2 de la segunda ecuacin
x 3 de la tercera ecuacin
{
x2 1
x 1=+
4 4
x x 1
x 2= 1 3 +
( ) 4 4 4
x2 x4 1
x3 = +
4 4 4
x 1
x 4= 3 +
4 4
2) Vector inicial : como primera aproximacin al vector solucin
Cuando no se tiene una aproximacin al vector solucin , se emplea generalmente

como vector inicial al vector cero, es decir;
t
x (0)= [ 0, 0, 0, 0 ]
t
x (0)= [ x1 ( 0 ) , x 2 ( 0 ) , x 3 ( 0 ) , x 4 ( 0 ) , ]
3) Calcular X ( 1) , X (2) , .. de la siguiente manera
X ( k+1) = X ( k ) +C ,k =0,1,2, .
Donde
t
X =[ X 1 , X 2 , X 3 . ]
( k) (K) (K) (k )
Entonces para calcular
X ( 1) se obtiene reemplazando X ( 0) en cada una de las ecuaciones anteriores
( )
0 1 1
X (11)= + X (11 )=
4 4 4
00 1 1
X (21)= + X (21 )=
44 4 4
00 1 1
X (31)= + X (31 )=
44 4 4
0 1 1
X (41)= + X (41 )=
4 4 4
Entonces:
t
X ( 1) = [ 1 1 1 1
, , ,
4 4 4 4 ]
t
X ( 1)=[ X (11) , X (21 ) , X (31 ) X (41) . ]
( 2) ( 1)
Para calcular X , sustituir X en cada ecuacin ( )
(1 )
X 1 1 1
( 2)
5
X = 1 + X (12 )= + X = =0.3125
( 2)
1
4 4 16 4 1 16
1 1 1 6
X (22)= + X (22)= =0.3750
16 16 4 16
1 1 1 6
X (32)= + X (32)= =0.3750
16 16 4 16
1 1 5
X (42)= + X (42)= =0.3125
16 4 16
Entonces:
t
X ( 2) = [ 5 6 6 5
, , ,
16 16 16 16 ]
(2 ) t
X =[ X 1 , X 2 , X 3 X 4 . ]
( 2) ( 2) (2 ) ( 2)
( 3)
Para calcular X
X (22 ) 1
( 3) 1 1 1 ( 3)
22
X =1 + X (13 )= + X = =0.34375
4 4 16 4 4 1 64
5 1 6 1 1 27
X (23)= + X (23)= =0.421875
16 4 16 4 4 64
6 1 5 1 1 27
X (33)= + X (33)= =0.421875
16 4 16 4 4 64
6 1 1 22
X (42)= + X (43)= =0.34375
16 4 4 64
Entonces:
t
X ( 3) = [ 22 27 27 22
, , ,
64 64 64 64 ]
(3 ) t
X =[ X 1 , X 2 , X 3 X 4 . ]
( 3) (3 ) (3 ) ( 3)
Para calcular X(4)
X (23) 1 27 1 1
(4 )
91
X (14 )= + X (14 )= + X = =0.355468
4 4 64 4 4 1 256
22 1 27 1 1 113
X (24 )= + X (24 )= =0.441406
64 4 64 4 4 256
27 1 22 1 1 113
X (34 )= + X (34 )= =0.441406
64 4 64 4 4 256
27 1 1 91
X (44 )= + X (44 )= =0.355468
256 4 4 256
Entonces:
t
X = ,
[
91 113 113 91
( 4)
, ,
256 256 256 256 ]
t
X =[ X 1 , X 2 , X 3 X 4 . ]
( 4) (4) ( 4) ( 4) ( 4)
Para calcular X ( 5)
X (24) 1
( 5) 113 1 1 (5 )
369
X =
1 + X (15) = + X = =0.36035
4 4 256 4 4 1 1024
91 1 113 1 1 460
X (25)= + X (25)= =0.449218
256 4 256 4 4 1024
113 1 91 1 1 460
X (35)= + X (35)= =0.449218
256 4 256 4 4 1024
91 1 1 369
X (44 )= + X (45 )= =0.36035
256 4 4 1024
Entonces:
t
X = ,
[
369 460 460 369
( 5)
, ,
1024 1024 1024 1024 ]
(5 ) t
X =[ X 1 , X 2 , X 3 X 4 . ]
( 5) (5 ) (5 ) ( 5)
Tenemos a continuacin los resultados subsecuentes iteraciones en forma tabular:
k (K)
X1
(K)
X2
( k)
X3
( k)
X4
0 0 0 0 0
1 1 1 1 1
4 4 4 4
2 5 6 6 5
16 16 16 16
3 22 27 27 22
64 64 64 64
4 91 113 113 91
256 256 256 256
5 369 460 460 369

1024 1024 1024 1024
2) METODO DE GAUSS SEIDEL
E1) Resolver el siguiente sistema por el mtodo de Jacobi
{
4 x 1x 2=1
x 1 +4 x2 x3 =1
x 2+ 4 x 3x 4 =1
x3 + 4 x 4=1
1) Despejar
x 1 de la primera ecuacin
x 2 de la segunda ecuacin
x 3 de la tercera ecuacin
x 4 de la cuarta ecuacin
{
x2 1
x 1= +
4 4
x x 1
x2 = 1 3 +
( ) 4 4 4
+x x 1
x3 = 2 + 4 +
4 4 4
x3 1
x 4= +
4 4
2) Vector inicial: como primera aproximacin al vector solucin
Cuando no se tiene una aproximacin al vector solucin, se emplea generalmente

como vector inicial al vector cero, es decir;
t
x (0)= [ 0, 0, 0, 0 ]
t
x = [ x1 ( 0 ) , x 2 ( 0 ) , x 3 ( 0 ) , x 4 ( 0 ) , ]
( 0) ( 0) (0 ) ( 0) ( 0)
( 1) ( 2)
3) Calcular X , X , ..
Luego para calcular X ( 1) se obtiene reemplazando X ( 0) en cada una de las
ecuaciones anteriores ( )
X ( 1)=?
0 1 1
X (11)= + X (11 )= =0.25
4 4 4
1 10 1 5
X (21)= x + X (21 )= =0.3125
4 44 4 16
5 10 1 21
X (31)= x + X (31)= =0.323125
16 4 4 4 64
21 1 1 85
X (41)= x + X (41 )= =0.33203125
64 4 4 256
Entonces:
t
( 1)
X = , , ,[
1 5 21 85
4 16 64 256 ]
t
X ( 1)=[ X (11) , X (21 ) , X (31 ) X (41) . ]
Para calcular X ( 2) , sustituir X ( 1) en cada ecuacin ( )
X (21 ) 1 5 1 1 ( 2)
21
X (12)= + X (12 )= x + X = =0.328125
4 4 16 4 4 1 64
21 1 21 1 1 106
X (22)= x + x + X (22 )= =0.4140625
64 4 64 4 4 256
106 1 85 1 1 447
X (32)= x + x + X (32)= =0.436534
256 4 256 4 4 1024
447 1 1 1471
X (42)= x + X (42 )= =0.359130
1024 4 4 4096
Entonces:
t
X ( 2) = [ 21 106 447 1471
, , ,
64 256 1024 4096 ]
t
X ( 2)=[ X (12) , X (22 ) , X (32) X (42 ) . ]
X ( 3)=?
(2 )
X2 1 106 1 1
(3)
181
X (13)= + X (13 )= x + X = =0.353515
4 4 256 4 4 1 512
181 1 447 1 1 1833

X (23)= x + x + X (23 ) = =0.447509
512 4 1024 4 4 4096
1833 1 1471 1 1 925

X (33)= x + x + X (33) = =0.451660
4096 4 4096 4 4 2048
925 1 1 2973
X (43)= x + X (43)= =0.362915
2048 4 4 8192
Entonces:
t
X ( 3) = [ 181 1833 925 2973
, , ,
512 4096 2048 8192 ]
t
X ( 2)=[ X (12) , X (22 ) , X (32) X (42 ) . ]
Tenemos a continuacin los resultados subsecuentes iteraciones en forma tabular:
k X (1K ) X (2K ) X (3k ) X (4k )
0 0 0 0 0
1 1 5 21 85
4 16 64 256
2 21 106 447 1471

64 256 1024 4096
3 181 1833 925 2973

512 4096 2048 8192
Ejercicios:
1) Obtenga las tres primeras iteraciones del mtodo de Jacobi , para los sgtes sistemas
lineales, use X ( 0)=0

3 x 1x 2+ x 3=1
3 x 1+ 6 x2 +2 x 3=0
a) 3 x1 +3 x 2+ 7 x 3=4

b)

10 x 1x 2=9
x 1 +10 x2 2 x 3=7
2 x 2 +10 x 3=6

2) Obtenga las tres primeras iteraciones del mtodo de Gauss Seidel , para los sgtes
sistemas lineales, use X ( 0)=0

4 x 1+ x 2x 3=5
x 1 +3 x 2+ x 3=4
a) 2 x 1+ 2 x 2+ 5 x 3=1

b)

x3
2 x 1 + x 2+ =4
2
x3
x 12 x 2 =4
2
x 2 +2 x 3=0

TRABAJAR LOS EJERCICIOS ANTERIORES EN EXCEL,

INTEGRACION NUMERICA
La integracin Numrica son maneras o formas de obtener una estimacin ms exacta de una
integracin, empleando polinomios. As tenemos:
FORMULA DE INTEGRACION DE NEWTON COTES
La frmula de integracin de Newton Cotes son los esquemas de integracin numrica

ms comunes.
Se basan en reemplazar una funcin complicada datos tabulados con una funcin
aproximada que sea fcil de integrar, es decir;
b b
I = f ( x ) dx f n ( x ) dx
a a
f n ( x )=a
0+ a1 x1 +a 2 x 2+ . an x n
Donde POLINOMIO DE GRADO n
REGLA TRAPEZOIDAL
La Regla Trapezoidal es la primera de las frmulas de integracin cerrada de Newton Cotes

(Cerrada: Cuando los datos al inicio y final de los lmites de integracin son conocidos)
Entonces corresponde a un polinomio de grado uno
b b
I = f ( x ) dx= f
1 ( x ) dx
a a
Polinomio
de grado 1
f ( a) + f ( b)
I =( ba )
2
REGLA TRAPEZOIDAL
Geomtricamente la Regla Trapezoidal es equivalente al aproximar el area del trapezoide bajo
la lnea recta que une f (a ), (b )
Observacin
1) A = (Altura )(Promedio de las bases)

2)
Pues, el trapezoide est sobre su lado
ERROR DE LA REGLA TRAPEZOIDAL
Al emplear la integral bajo un segmento de una lnea recta para aproximar la integral bajo la
curva, se puede incurrir en un error.
Una estimacin para el error de truncamiento local de una sola aplicacin de la regla
trapezoidal est dada por:
1 ' ' 3
ET
= f ( )( ba )
12
Error de
Truncamiento
Donde est en algun lugar en el intervalo de a y b
OBSERVACION
1) Si la funcin sujeta a integracin es lineal, la regla trapezoidal es exacta.
2) Para funciones con derivadas de 2do grado y superior puede incurrir algn error.
E1) Usar el mtodo trapezoidal para integrar numricamente

2 3 4 5
f ( x )=0.2+25 x200 x + 675 x 900 x +400 x
donde a=0 y b=0.8
ANALITICAMENTE
0.8
I = ( 0.2+25 x200 x 2 +675 x3 900 x 4 +400 x 5 ) d ( x )
0
6 0.8
]
2 3 4 5
25 x 200 x 675 x 900 x 400 x
I =0.2 x+ + +
2 3 4 5 6 0
I =1.640533367
El cual, es el valor exacto o verdadero de la integral
Aplicando el Mtodo Trapezoidal
f ( 0 )=0.2
f ( 0.8 )=0.2 32
f ( a) + f ( b )
I =( ba )
2
0.2+0.232
I =( 0.80 )
2
I =0.1728
El cual tiene un error de:
E A =|Valor verdaderoValor Aproximado|
E A =|1.6405333670.1728|
E A =1.467733367
El cual tiene un
ER = |Error
Valor verdadero |
verdadero
100
ER = |1.4647733367
1.640533367 |
100
E R =89.4668401 89.50
El error tan grande se debe a que no se considera una gran parte de la regin por encima de la
recta.
Pero,
Puede suceder que podramos no conocer previamente el valor real por lo tanto se requiere
del error estimado.
Entonces para obtener dicha estimacin la segunda derivada de la funcin sobre el intervalo
podra calcularse al derivar dos veces f (x)
f ( x )=0.2+25 x200 x 2+ 675 x 3 900 x 4 +400 x 5
' 2 3 4
f ( x )=252(200)x +3 ( 675 ) x 4 ( 900 ) x + 5 ( 400 ) x
f ' ' ( x )=400+ 4050 x10800 x 2 +800 x3
El valor promedio de la segunda derivada, podemos calcularla por:
f '' ( x )
a
Media= dx
ba
Donde y=f ( x ) es una funcin continua en el intervalo a, b
El valor promedio de la segunda derivada se calcula:
0.8
~' '
( 400+4050 x10800 x 2+ 800 x 3 )
0
f ( x )= dx
0.80
4050 x 2 10800 x 3 800 x 4

400 x + +
~'' 2 3 4
f ( x )=
0.80
~' ' 48
f ( x )=
0.8
~' '
f ( x )=60
Donde
1
ET
= (60 ) ( 0.80 )3
12
Error de
Truncamiento
No necesariamente para un intervalo de este tamao el promedio de la segunda derivada no es
una aproximacin exacta de f ' ' () , es por eso que usamos

ET que es ms exacto que
usar
EA
FORMULAS DE INTEGRACION DE APLICACIN MULTIPLE O COMPUESTOS DE LA

REGLA TRAPEZOIDAL
Para mejorar la exactitud de la Regla Trapezoidal es dividir el intervalo de la integracin desde

el valor a al valor b , en un nmero de segmentos y aplicar el mtodo en cada uno de ellos.
Donde las reas de cada segmento pueden sumarse para obtener la integral de todo el
intervalo.
Hay n+1 puntos base, igualmente espaciados .
Por lo tanto hay n segmentos de igual ancho.
ba
h=
n
Tenemos que :
xn
f ( x ) dx+ . f ( x ) dx
xn1
x4
f ( x ) dx +
x3
x2
f ( x ) dx +
x1
x1
I =
x0
Al reemplazar en la Regla Trapezoidal en cada integral, tenemos:
f ( x 0 )f ( x1 ) f ( x1 ) f ( x 2 ) f ( x n1 ) f ( x n )
I =h h +h
2 2 2
[ ]
n1
h
I= f ( x0 ) + 2 f ( x i) + f ( x n )
2 i=1
n1
f ( x 0 ) +2 f ( x i ) + f ( x n )
i=1
I =(
ba )

2n
ANCHO
ALTURA PROMEDIO
ERRROR DE LA REGLA TRAPEZOIDAL
3
( ba ) ~' '
ET
= f (x)
12 n2
Error de
Truncamiento
n1
~' ' f ' ' (i )

Pues el Valor medio de 2da derivada= f ( x )= i=1
n
''
Donde f ( i ) es la segunda derivada en el punto
i , que se encuentra en el
segmento i .
E1) Utilizar dos segmentos de la regla trapezoidal para estimar la integral de:
2 3 4 5
a) f ( x )=0.2+25 x200 x + 675 x 900 x +400 x
donde a=0 y b=0.8

b) Estimar el error de truncamiento si el valor verdadero es 1.6405533.
Entonces:
0.80
a)
n=2h= =0.4 h=0.4
2
f ( 0 )=0.2=f ( x 0 )
f ( 0.4 )=2.456=f ( x 1 )
f ( 0.8 )=0.232=f ( x 2)
0.2+2( 2.456 ) +0.232

I =( 0.80 )
2( 2)
I =1.0688
n1
f ' ' (i )
b) Como ~
f ' ' ( x )= i=1
n
n1
~' '
n f ( x )= f ( i )
''
i=1
Se reemplaza en :
( ba )3 ' '
ET
= n f ( )
12 n3
Error de
Truncamiento
( ba )3 ' '
ET
= f ( )
12 n2
Error de
Truncamiento

E A =|1.6405333671.0688|
E A =0.57175336
El cual tiene un
ER = |Error
Valor verdadero |
verdadero
100
ER = |1.640533367
0.57175336
|100
E R =34.8516737
( 0.80 )3
ET
= (60 )
Error de
12 ( 22 )
Truncamiento
ET
=0.64
Error de
Truncamiento
donde f ' ' ( ) =Valor promedio de la 2da derivada
OBSERVACION
Si el nmero de segmentos aumenta, el error ser menor.
n h I ER
2 0.4 1.0688 34.85167

3 0.2667 1.3695 16.5
4 0.2 1.4848 9.5
5 0.16 1.5399 6.1
REGLAS DE SIMPSON
Es otro mtodo para obtener una estimacin ms exacta de una integral, es con el uso de
polinomios de orden superior.
As, por ejemplo si hay un punto a la mitad del camino entre f ( a ) y f ( b ) los tres puntos
pueden sugerir una parbola (1)
Si hay dos puntos igualmente espaciados entre f (a ) y f (b ) los cuatro puntos pueden
considerarse como un polinomio de tercer grado (2).
La frmulas que resultan al tomar las integrales bajo esos polinomios son conocidos como las
LAS REGLAS DE SIMPSON
REGLA DE SIMPSON
La Regla de Simpson 1/3
La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de 2do orden es
sustituida en:
b b
I = f ( x ) dx f 2 ( x ) dx
a a
a=x 0
b=x2
f ( x 2 )=Polinomio de 2 do Orden
p2 ( x )=L0 ( x ) f ( x0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 )
donde
( xx 1 ) ( xx 2 ) ( xx 0 )( xx 2)
L0 ( x ) = , L1 ( x ) =
( x 0x 1 ) ( x 0x 2 ) ( x 1x 0 )( x1x 2 )
( xx 0 ) ( xx 1)
L2 ( x ) =
( x 2x 0 ) ( x2 x1 )
Entonces:
x1
I = [ L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1 ) + L2 ( x ) f ( x 2 ) ] dx
x0
x1
I =
x0
[ ( xx 1 )( x x2 )
( x 0x 1 )( x 0 x2 )
f ( x0 )+
( x x0 ) ( xx 2 )
( x1 x0 ) ( x 1x 2 )
f ( x1 ) +
( xx 0 ) ( xx 1 )
( x 2x 0 ) ( x 2x 1) ]
f ( x 2 ) dx
h ba
I [ f ( x 0 )+ 4 f ( x 1) + f ( x 2 ) ] d onde h=

3 3
1
REGLA DE SIMPSON
3
SEGUNDA FORMULA DE INTEGRACION CERRADO DE NEWTON
OBSERVACION
1) 1/3 surge porque h esta dividida por 3

Luego:
f ( x 0 ) +4 f ( x 1 ) +f ( x 2 )
I =(
ba )
6
ANCHO
ALTURA PROMEDIO
Podemos calcular que una aplicacin de un segmento de la Regla de Simpson 1/3

tiene un Error de Truncamiento.
5
( ba ) 4
ET
= f ( )
2880
Error de
Truncamiento
El Error es proporcional a la 4ta derivada, pues el coeficiente de tercer orden tiende a

cero durante la integracin.
Podemos decir que la Regla de Simpson 1/3 tiene una precisin de orden tres aun
cuando se basa en tres puntos,
E1) Aplicar la Regla de Simpson 1/3 para integrar
2 3 4 5
f ( x )=0.2+25 x200 x + 675 x 900 x +400 x , donde
a=0 y b=0.8
La integral exacta es: 1.6405333
0.80
h= =0.4 h=0.4
2
Luego:
f ( 0 )=0.2=f ( x 0 )
f ( 0.4 )=2.456=f ( x 1 )
f ( 0.8 )=0.232=f ( x 2)
0.2+ 4( 2.456 ) +0.232

I =( 0.80 )
6
I =1.367466667
Entonces, el Error de Truncamiento estimado es :
5
( 0.8 )
ET
= (2400 )
2880
Error de
Truncamiento
ET
=0.273066667
Error de
Truncamiento
E A =|1.64053331.367466667|
E A =0.2730667
El cual tiene un |Error

ER =
Valor verdadero |
verdadero
100
ER = |0.2730667
1.6405333|
100
E R =16.6491519
El valor es mejor que la Regla Trapezoidal simple
4 4
f ( ) =Promedio de f ( x )=2400 en el intervalo [ 0, 0.8 ]
2 3 4 5
f ( x )=0.2+25 x200 x + 675 x 900 x +400 x
f ' ( x )=252(200)x +3 ( 675 ) x 24 ( 900 ) x 3+ 5 ( 400 ) x 4
f ' ' ( x )=400+ 4050 x10800 x 2 +800 x3
f ' ' ' ( x )=405021600 x +24000 x 2
f ' v ( x )=21600 x+ 48000 x

b
~
f ' v( x)
f ' v ( x )= a
dx
ba
~
21600 x +48000 x
f ' v ( x )= a
dx
0.80
~ 17280+15360
f iv ( x )=
0.8
~
f iv ( x )=2400
~'v iv
Donde f ( x )=f ( )

12 Final Final Metodos Numericos 1

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

12 Final Final Metodos Numericos 1

Caricato da

Copyright:

Formati disponibili

MTODOS NUMRICOS

1) ENCONTRAR SOLUCIONES DE ALGUNOS PROBLEMAS USANDO MTODOS EXACTOS O

2) EL USO DE SOLUCIONES GRFICAS.

3) PARA EL USO DE MTODOS NUMRICOS, SE UTILIZABAN CALCULADORAS Y REGLAS

4) La mayora de los mtodos numricos estn diseados para implementarlos en la

5) Los mtodos numricos son un medio de reforzar su compresin de las matemticas;

Es la diferencia entre el valor verdadero (valor exacto) y el valor aproximado (valor

Donde : V = Valor verdadero exacto.

el valor verdadero 7=2.6457

E A =2.64572.645751311064=0.000051311064> 0 . Es un error por Defecto

E2) S, V =13.59342 y sea el valor aproximado

E A = 13.5934213. 59816 = 0.00474

E3) S, V =3.141592654= y sea el valor aproximado

E A = 3.1415926543.141509 = 0.000083653 =0.83653 104

E A = 3.1415926543.1415 = 0.000592653 =0.592653 103

E A = 3.1415926543.146264 = 0.004671346 = 0.4671346 102

E A = 3.1415926543.141509 = 0.000083653 =0.83653 104

E A = 3.1415926543.1415 = 0.000592653 =0.592653 103

E A = 3.1415926543.146264 = 0.004671346 = 0.4671346 102

E A =1.731.732050808=0.0020508070 . Es un error por Exceso

E A = 3.1415926543.141509 = 0.000083653 =0.83653 104

E A = 3.1415926543.1415 = 0.000592653 =0.592653 103

E A = 3.1415926543.146264 = 0.004671346 = 0.4671346 102

b) El error absoluto refleja slo el aspecto cuantitativo

Con la finalidad de estimar la calidad de los clculos las mediciones respectivas, se

E2) Sea, V =5.6286 y sea el valor

3) ERROR RELATIVO PORCENTUAL

Es el error relativo multiplicado por 100 %

E2) Sea V = 73=8.544003745 y

E2) Sea V = 38=6.164414003 y

E4) Sea V = 52=7.21 1102551 y

b) El error relativo representa el aspecto cualitativo, es decir Cmo hemos realizado el

LA INEXACTITUD (SE CONOCE COMO SESGO TAMBIEN)

IMPRESICION (SE CONOCE COMO INCERTIDUMBRE)

E1) 0.072671 Tiene 5 cifras significativas.

E2) 515.218 Tiene 6 cifras significativas.

E3) 7.1 Tiene 2 cifras significativas.

E4) 5796.1436 Tiene 8 cifras significativas.

Se dice que un nmero

grande no negativo para la cual se cumple:

1.25<V A25< 1.25

Por lo tanto, podemos decir que cualquier valor de

14.25<V A <15.75 V A 14.25 15.75

Por lo tanto, podemos decir que cualquier valor de

x en un intervalo abierto I , que contenga a a para todo x de I .

valores aproximados de ln ( 0.9 ) y ln ( 1.5 ) .

El primero es mejor, pues 0.9 est ms cercano de 0 que 1.5

valores aproximados de ln ( 0.9 ) y ln ( 1.5 ) .

' 1 ' 1 '

1 ' ' 1 ' '

Observamos que estas son mejores aproximaciones que en el caso lineal.

E3) Use el polinomio de Taylor de orden 4 para a=1 al calcular el valor

aproximado de ln ( 0.9 ) y d una estimacin del mximo error cometido.

Es necesario las cinco primeras derivadas de f (x)

2 ' '' 2 '' '

'v 6 x 2 ' v ( ) 6 ' v ( )

Entonces por la frmula de Taylor:

( x1 )2 ' ' ' ( x1 )3 ' v ( x1 )4

( 0.91 )2 ( 0.91 )3 ( 0.91 )4

(0.1 )2 (0.1 )3 (0.1 )4

Podemos concluir que ln ( 0.9 )=0.10536 con un error de 0.00000338

En el caso a=0 , el polinomio de Taylor de orden n se simplifica para obtener el

a) Es necesario las cinco primeras derivadas de f (x)