Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTRODUCCION
Antes de la invencin de la computadora slo contaban con tres mtodos para la solucin de
problemas:
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
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.
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.
TIPOS DE ERRORES
Entre los tipos de errores tenemos:
EA
1) ERROR ABSOLUTO
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
V A =2.645751311064
Entonces:
E A = 0.000051311064
E A =0.000051311064
E A =0.00474=4.74 103
22 333 355
a) 7 b) 106 c) 113 d) 3+ 2
2
E A = 3.1415926543.142857 = 0.001264346 =0.1264346 10
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
E4) Calcular los errores absolutos que se cometen al tomar 3=1.732050808 con el valor verdadero 3=1.73
V A =1.732050808
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
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.
ER
2) ERROR RELATIVO
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
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
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
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
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
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)
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:
Son inexactos, pues estn alejados del centro que es el valor verdadero
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) 0.002671
Tiene 4 cifras significativas.
E2) 15.218
Tiene 5 cifras significativas.
E3) 16.1
Tiene 3 cifras significativas.
E4) 5796.174
Tiene 7 cifras significativas.
E5) 0.001604
Tiene 4 cifras significativas.
E6) 30.500
Tiene 5 cifras significativas.
E7) 48.5
Tiene 3 cifras significativas.
E8) 87324.45
Tiene 7 cifras significativas.
DEFINICION
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
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
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
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
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
E2) Encuentre
P2 ( x ) en a=1 para f ( x )=ln x y selo para calcular
Sea
f ( x )=ln x
f ( 1 )=ln 1
f (1 )=0
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
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
v 24 x 3 v ( ) 24 v ( ) 24
f ( x )= 8 f c = 5 f c= 5
x (c ) c
(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
0.10536=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
Al decir esto suponemos que el error es insignificante o que el error de clculo fue
insignificante.
POLINOMIO DE MCLAURIN
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 .
f ( x )=e x
f ( 0 ) =1
f ' ( x )=e x
f ' ( 0 )=1
f ' v ( x )=e x
f ' v ( 1 )=1
Entonces:
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)
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:
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
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.
Entonces
457 8 es equivalente a 30310
E1) Convierta
35810 al sistema octal.
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
2768 es equivalente a
19010
E1) Convierta
5748 al sistema binario.
2 1 0
5748 =5 8 +7 8 + 4 8 =38010 .
380 2
1902
952
472
22.
22
Entonces
38010 es equivalente a 1011111002
Por lo tanto
5748 es equivalente al nmero binario 1011111002
5748 = 5 7 4
101 111 100 { { {
5 2
2 2 ..
E1) Convierta
5468 al sistema binario.
5468=5 82 +4 81 +6 80=35810 .
358 2
1792
892
442
22.
22
Entonces
35810 es equivalente a
1011001102
Por lo tanto
5468 es equivalente al nmero binario
1011001102
5468= 5 4 6
101 100 110 { { {
5 2
2 2 ..
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
0510 al sistema octal.
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.
Entonces
0.210 es equivalente a
0.146318 .
Debemos tomar en cuenta que se inicia la posicin -1 a partir del punto de decimal.
E1) Convierta
0.010101110 2 al sistema decimal.
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.
1 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0
Donde
d i 0 y d i y d j con i= 1,.8 ; j=1,2,7 pueden ser cero o unos
Luego:
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
INTRODUCCIN
Nosotros desde hace tiempo aprendimos a utilizar la frmula:
b b24 ac
x=
2a
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.
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
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) .
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
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.
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
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
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
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
Ejemplo 1
biseccin para el polinomio f ( x )=x 2 ln x 9 x18 e iterar hasta que el error estimado
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
x 2=6.375
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
x 5=6.390625
Donde
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 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
a 3 b 3 1,125 ,1,25
x3 1, 1875
2 2
x 3 1, 1875
Ejemplo 2
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
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
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.
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.
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
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 )
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 )
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
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
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
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
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
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.
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
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
Races
x=0 f ( x )=sen 0=0
g ( x ) =xf ( x )
g ( x ) =xsen 2 x , x [ 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 ]
Supongamos que g C [ a b ]
ii) Supongamos adems. que g' ( x ) est definida en a b y que |g' ( x )|<1
1) f ( x )=cos x C [ 0,1 ]
radianes
2) Si x 0, 1 |g' ( x )|=|sen x|
sen x , cuando x=1
0.841470985< 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
4) Si
x 0, 1 |g' ( x )|=|cos x|
cos x , cuando
x=1
0.540302306<1
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
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 ] .
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
OBSERVACION
p=2 5=0.236 [ 1 , 1 ]
p=2+ 5=4.236 [ 1 , 1 ]
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
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras
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
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=
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)
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
kn
3) La rapidez de la convergencia depender del factor : 1k
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 .
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
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 .
1
3 x2
g3' ( x ) = ( 10x 3 ) 2 , 1 , 1.5
4
'
Si comparamos g3 ( x ) con k =0.598083621
g2' ( x ) con
k =0,1414
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
OBSERVACION
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:
Donde
s = Tolerancia porcentual prefijada.
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:
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
Eaprox = |0.6496369390.5
0.649636939 |
x 100 E aprox =23.3393330
Eaprox = |0.7215237970.649636939
0.721523797 |x 100 E aprox =9.963199869
ENTRADA:
x 0= Valor inicial
E= Error
N= Numero mximo de iteraciones
1) i=1
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
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
EJEMPLO 3
F(x) = x - (secx)/2
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
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.
( 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!
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!
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 )
f ( x n1 )
x n x n1 ,n1
f (1 ) ( x n1 )
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.
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 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
Newton Raphson.
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
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:
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
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 .
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
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
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
INGRESAR:
x 0= Valor inicial
= Error Tolerancia
N= Numero de iteraciones
f ( x )= Proporcionar la funcin
1) Hacer i=1
f ( xi )
3) Hacer
x i+1=x i '
f ( xi )
4) Si
x n+1 x n <
Entonces :
5) Hacer i=i+1
OBSERVACION
2) El error
Rn+1 es proporcional al cuadrado del error anterior.
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 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 )
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
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
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
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
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
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
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
1) f ( x )=x 3 +2 x 25 x +3
2) f ' ( x )=3 x2 + 4 x5
'
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
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
1) f ( x )=tan ( x ) 0 .1 x
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
'
f ( p n1) f ( p n ) f ( p n )f ( pn1 )
f ( pn )= =
pn1 pn pn pn 1
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
( 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
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
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
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
4) Si
x i+1 xi <
'
f ( x n + x n ) f ( x n )
f ( x n )=
xn
f ( xn)
x n+1=x n '
f ( xn )
xn f ( xn )
x n+1=x n
f ( x n + x n ) f ( x n )
OBSERVACION
2) Si es pequeo, puede que el mtodo sea NO exitoso, por error de redondeo; por el
=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 )
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 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
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:
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
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
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 )
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
GRAFICA
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)
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:
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.
por:
f ( x )f ( x 0 )
f ' ( x )= lim
x x0 xx 0
PUNTOS 0 1 2 3 n
x x0 x1 x2 xn
f (x) f ( x0) f ( x1 ) f ( x2 ) f ( xn )
'
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 ,
f x0
As diremos que se llamaran diferencias divididas de orden Cero
Y la diferencia de orden i es:
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
C a,b a,b
2) = Conjunto de todas las funciones continuas en el intervalo cerrado .
C x
n
Los Mtodos de Diferencias Divididas, se usaran para generar sucesivamente los polinomios por s mismos.
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
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 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
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
PRIMERAS DIFERENCIAS
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
SEGUNDAS DIFERENCIAS
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
TERCERAS DIFERENCIAS
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
INTERPOLACION
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.
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
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
INTERPOLACION CUADRATICA
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
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
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
a)
1) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del polinomio de Newton
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
PRIMERAS DIFERENCIAS
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
SEGUNDAS DIFERENCIAS
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
TERCERAS DIFERENCIAS
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 )=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 )
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 ,
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
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
PRIMERAS DIFERENCIAS
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
SEGUNDAS DIFERENCIAS
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
TERCERAS DIFERENCIAS
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 )
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 )
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 ,
p2 ( x )=72.1 C
Si,
x=2 ,
p3 ( x )=72.72 C
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
Sea 0 i n x 1x 0 =h x 1=x 0 +h
x 3 x0 =3 h x 3=x 0 +3 h
..
..
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
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
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
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
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
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!
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
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
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
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!
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
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
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
Entonces:
p ( x )=f ( x 1 ) + f ( x 1 ) s
p ( x )=1.22140+ 0.27042(0.75) ,
p ( x )=1.018555
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
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
pn ( x )= p n ( x n + sh )
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!
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
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
k f n ( x ) = k1 ( f n ( x ) ) , k 2
k f ( x n )=k1 ( f ( x n ) ) , k 2
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
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
Resolucin:
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
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
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 ;
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
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
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
POLINOMIO DE LAGRANGE
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
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
Donde
x0 , x1 , x2 son argumentos de los valores
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
x=x 1 en (2) , despejando tenemos :
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
x=x 2 en (2) , despejando tenemos :
p2 ( x 2 ) =a2 ( x2 x 0) ( x 2x 1 )
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 )
( 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)
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
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
( 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 )
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
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
1
E1) Sea la tabla de valores para
f ( x )=
x
xi 1 2 3 4 5 6 7
1
f ( x )=
x
1
0.33=
x
^
x=3. 03
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
INTRODUCCION
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
[ ]
a 11 a1 n
an 1 ann
Los elementos
aij son nmeros reales, complejos o funciones de una o varias variables.
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:
Un sistema es consistente, si tiene solucin, esta solucin es nica puede tener un nmero
infinito de soluciones.
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.
|
4 9 2 5
0 1/2 5 1/5
0 5/ 4 10 /4 11 /4
|
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
x 1=6.95
OBSERVACION
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
Teorema
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
{
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
1 0 0
1
L= 2
1
4
( ) 1
5
4
0
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:
( 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
( )( )( )
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
l 21 u11 =a21
l 21 u12+ l 22 u22=a 22
l 21 u13 +l 22 u23=a 23
l 31 u11 =a31
l 31 u12+ l 32 u22=a32
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
METODO DE DOOLITLE
{
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
l 11 u11=4 u11=4=a11
l 11 u13=2 u13=2=a13
l 21 =?
2 1
l 21 u11 =2 l 21= l 21=
4 2
l 31 =?
1
l 31 u11 =1 l 31=
4
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
1 5
l 31 u12+ l 32 u22=1
4 ( )
(9 )+ l 32
1
2
=1 l 32=
2
1 5
l 31 u13 +l 32 u23 +l 33 u33=3 ( 2 )+ (5 )+ (1 ) u33=3 u33=10
4 2
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
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
( )( ) (
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
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
| |
a 11 a12 a1 n
|a11|>0 , | a 11 a12
a21 a22 |
>0 a 21 a22 a2 n >0
an 1 an 2 ann
( )() ( )
4 1 2 x1 1
1 2 0 x2 = 2
2 0 5 x3
4
A b
x
( )( )( )
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
l 211=4=a11 l 11= 2 l 11 =2
1
l 11 l21=1=a12 2 l 21=1 l 21=
2
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
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
x 1=448/756
x 2=245/189
x 3=28/27
METODO ITERATIVOS
1) METODO 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
t
x (0)= [ 0, 0, 0, 0 ]
t
x (0)= [ x1 ( 0 ) , x 2 ( 0 ) , x 3 ( 0 ) , x 4 ( 0 ) , ]
X ( k+1) = X ( k ) +C ,k =0,1,2, .
Donde
t
X =[ X 1 , X 2 , X 3 . ]
( k) (K) (K) (k )
( )
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)
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)
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
{
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
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 , ..
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) . ]
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
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 ) . ]
0 0 0 0 0
1 1 5 21 85
4 16 64 256
Ejercicios:
1) Obtenga las tres primeras iteraciones del mtodo de Jacobi , para los sgtes sistemas
2) Obtenga las tres primeras iteraciones del mtodo de Gauss Seidel , para los sgtes
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
La integracin Numrica son maneras o formas de obtener una estimacin ms exacta de una
integracin, empleando polinomios. As tenemos:
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
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
Observacin
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
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.
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
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
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
' 2 3 4
f ( x )=252(200)x +3 ( 675 ) x 4 ( 900 ) x + 5 ( 400 ) x
f '' ( x )
a
Media= dx
ba
0.8
~' '
( 400+4050 x10800 x 2+ 800 x 3 )
0
f ( x )= dx
0.80
~' ' 48
f ( x )=
0.8
~' '
f ( x )=60
Donde
1
ET
= (60 ) ( 0.80 )3
12
Error de
Truncamiento
usar
EA
Donde las reas de cada segmento pueden sumarse para obtener la integral de todo el
intervalo.
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
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
3
( ba ) ~' '
ET
= f (x)
12 n2
Error de
Truncamiento
n1
''
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
f ( 0 )=0.2=f ( x 0 )
f ( 0.4 )=2.456=f ( x 1 )
f ( 0.8 )=0.232=f ( x 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
OBSERVACION
n h I ER
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
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 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
OBSERVACION
f ( x 0 ) +4 f ( x 1 ) +f ( x 2 )
I =(
ba )
6
ANCHO
ALTURA PROMEDIO
2 3 4 5
f ( x )=0.2+25 x200 x + 675 x 900 x +400 x , donde
a=0 y b=0.8
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)
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
ER = |0.2730667
1.6405333|
100
E R =16.6491519
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 ' 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 ( )