Unidad 1

1. Importancia de los mtodos numricos.

los mtodos numricos son tcnicas mediante las cuales es posible formular problemas
matemticos de tal forma que puedan resolverse usando operaciones aritmticas.
Los mtodos numricos nos vuelven aptos para entender esquemas numricos a fin de
resolver problemas matemticos, de ingeniera y cientficos en una computadora, reducir
esquemas numricos bsicos, escribir programas y resolverlos en una computadora y
usar correctamente el software existente para dichos mtodos y no solo aumenta nuestra
habilidad para el uso de computadoras sino que tambin amplia la pericia matemtica y
la comprensin de los principios cientficos bsicos.
El anlisis numrico trata de disear mtodos para aproximar de una manera eficiente
las soluciones de problemas expresados matemticamente.
El objetivo principal del anlisis numrico es encontrar soluciones aproximadas a
problemas complejos utilizando slo las operaciones ms simples de la aritmtica. Se
requiere de una secuencia de operaciones algebraicas y lgicas que producen la
aproximacin al problema matemtico.

Los mtodos numricos pueden ser aplicados para resolver procedimientos

matemticos en:
Clculo de derivadas
Integrales
Ecuaciones diferenciales
Operaciones con matrices
Interpolaciones
Ajuste de curvas
Polinomios.

2. conceptos bsicos: cifra significativa, precisin, exactitud,

incertidumbre y sesgo.
CIFRAS SIGNIFICATIVAS

Las cifras significativas son los dgitos de un nmero que consideramos no nulos.

Norma
Son significativos todos los dgitos distintos de cero.
Los ceros situados entre dos cifras significativas son significativos.
Los ceros a la izquierda de la primera cifra significativa no lo son.
Para nmeros mayores que 1, los ceros a la derecha de la coma son significativos.
Para nmeros sin coma decimal, los ceros posteriores a la ltima cifra distinta de cero pueden o no
considerarse significativos. As, para el nmero 70 podramos considerar una o dos cifras
significativas. Esta ambigedad se evita utilizando la notacin cientfica.

EXACTITUD Y PRECISIN

La exactitud es lo cerca que el resultado de una medicin est del valor verdadero.
La precisin es lo cerca que los valores medidos estn unos de otros.

Exactitud baja Exactitud alta Exactitu

Precisin alta Precisin baja Precisi

As que si ests jugando al ftbol y siempre le das al poste i

entonces no eres exacto, pero eres preciso!
GRADO DE EXACTITUD
La exactitud depende del instrumento de medida. Pero por regla general:
El grado de exactitud es la mitad de la unidad de medida. ejemplos:

Si tu instrumento mide en
"unidades" entonces
cualquier valor
entre 6 y 7se mide
como "7"

Si tu instrumento mide "de 2

en 2" entonces los valores
entre 7 y 9 dan medida "8"
INCERTIDUMBRE Y SESGO

Sesgo:
Es un alejamiento sistemtico del valor verdadero a calcular. As como el error, de
acuerdo con las formas por las cuales se produce, puede minimizarse, la ocurrencia de
sesgo tambin puede ser neutralizada o controlada. En ocasiones sin embargo, es
imposible controlar el sesgo y por cierto el error. En tales circunstancias conviene al menos
estar en antecedente y tener conciencia de su existencia.
Incertidumbre:
Se refiere al grado de alejamiento entre s, a las divers
verdadero. La incertidumbre puede derivarse de una falta
por que exista desacuerdo sobre lo que se sabe o lo q
varios tipos de origen, desde errores cuantifica bles en
definida de forma ambigua o previsiones inciertas del
incertidumbre puede, por lo tanto, ser representada
(por ejemplo, un rango de valores calculados segn distintos
cualitativas (por ejemplo, al reflejar el juicio de un grupo de expertos).

3. Tipos de errores
Error de redondeo:
Se originan al realizar los clculos que todo mtodo numrico o analtico requieren y son
debidos a la imposibilidad de tomar todas las cifras que resultan de operaciones aritmticas
como los productos y los cocientes, teniendo que retener en cada operacin el nmero de
cifras que permita el instrumento de clculo que se este utilizando.

Existen dos tipos de errores de redondeo:

* Error de redondeo inferior: se desprecian los dgitos que no se pueden conservar

dentro de la memoria correspondiente.

* Error de redondeo superior: este caso tiene dos alternativas segn el signo del
nmero en particular:

para nmeros positivos, el ltimo dgito que se puede conservar en la localizacin de memoria
incrementa en una unidad si el primer dgito despreciado es mayor o igual a 5.

para nmeros negativos, el ltimo dgito que se puede conservar en la localizacin de la

memoria se reduce en una unidad si el primer dgito despreciado es mayor o igual a 5.
Error por truncamiento:

Existen muchos procesos que requieren la ejecucin de un numero infinito de instrucciones

para hallar la solucin exacta de un determinado problema. Puesto que es totalmente
imposible realizar infinitas instrucciones, el proceso debe truncarse. En consecuencia, no
se halla la solucin exacta que se pretenda encontrar, sino una aproximacin a la misma.
Al error producido por la finalizacin prematura de un proceso se le denomina error de
truncamiento. Un ejemplo del error generado por este tipo de acciones es el desarrollo en
serie de Taylo r. Este es independiente de la manera de realizar los clculos. Solo depende
del mtodo numrico empleado.

Error numrico total:

Se entiende como la suma de los errores de redondeo y truncamiento introducidos en el
clculo. Mientras ms clculos se tengan que realiza para obtener un resultado, el error de
redondeo se ir incrementando.

Pero por otro lado, el error de truncamiento se puede minimizar al incluir ms trminos en la
ecuacin, disminuir el paso o proseguir la iteracin (o sea mayor nmero de clculos y
seguramente mayor error de redondeo).

Errores humanos:
Son los errores por negligencia o equivocacin. Las computadoras pueden dar nmeros
errneos po r su funcionamiento. Actualmente las computadoras son muy exactas y el error
es atribuido a los hombres. Se pueden evitar con un buen conocimiento de los principios
fundamentales y con la posesin de mtodos y el diseo de la solucin del problema. Los
errores humanos por negligencia son prcticamente inevitables pero se pueden minimizar.

Error inherente:
En muchas ocasiones, los datos con que se inician los clculos contienen un cierto error
debido a que se han obtenido mediante la medida experimental de una determinada magnitud
fsica. As por ejemplo, el dimetro de la seccin de una varilla de acero presentar un error
segn se haya medido con una cinta mtrica o con un pie de rey. A este tipo de error se le
denomina error inherente.

Error absoluto:
Es la diferencia entre el valor exacto (un nmero determinado, por ejemplo) y su valor calculado
o redondeado:

Error absoluto = [exacto - calculado]

Debido a que la definicin se dio en trminos del valor absoluto, el error absoluto no es
negativo. As pues, una coleccin (suma) de errores siempre se incrementan juntos, sin
reducirse. Este es un hecho muy pesimista, dado que el redondeo y otros errores rara vez
estn en la misma direccin, es posible que una suma ("algebraica") de errores sea cero,
con aproximadamente la mitad de los errores positiva y la otra mitad negativa. Pero tambin
es demasiado optimista esperar que errores con signo sumen cero a menudo. Un enfoque
realista es suponer que los errores, en especial el redondeo, estn estadstica mente
distribuidos.

Error relativo:
Es el error absoluto dividido entre un nmero positivo adecuado. Generalmente, el divisor es
una de tres elecciones: la magnitud del valor exacto, la magnitud del valor calculado
(o redondeado) o el promedio de estas dos cantidades. La mayor parte de las veces
utilizaremos

Error relativo= [exacto - calculado]/[exacto]

El error relativo es una mejor medida del error que el error absoluto, en especial cuando se
utilizan sistemas numricos de punto flotante. Puesto que los elementos de un sistema de
punto flotante no estn distribuidos de manera uniforme, la cantidad de redondeos posibles
depende de la magnitud de los nmeros que se redondean. El denominador de la ecuacin
de arriba compensa este efecto.

Una caracterstica relacionada de error relativo es que los efectos de escalar la variable
(es decir, de multiplicarla por una constante distinta de cero, incluyendo cambios en la unidad
de medicin) se cancelan. Una buena medida del error debera ser "invariante de las escalas", de m
digamos, no debera amplificar el error aparente por 36, como sucedera en la ecuacin de
arriba. Si bien las matemticas puras se inclinaran a utilizar el error absoluto, en general el
error relativo se emplea en las ciencias aplicadas.

Algunas veces conviene multiplicar el error relativo por 100 (por ciento) para ponerlo en una
base porcentual.

Propagacin del error

Las consecuencias de la existencia de un error en los datos de un problema son mas

importantes de lo que aparentemente puede parecer. Desafortunada mente, esto errores
se propagan y amplifican al realizar operaciones con dichos
datos, hasta el punto de que puede suceder que el resultado carezca de significado.
Con el propsito de ilustrar esta situacin, seguidamente se calcula la diferencia entre los
nmeros:

a = 0.276435 b = 0.2756

Si los clculos se realizan en base diez, coma flotante, redondeando por aproximacin y
trabajando con tres dgitos de mantisa, los valores aproximados a dichos nmeros y el error
relativo cometido es:

a = 0.276 error relativo= 1.57x10-3

b = 0:276 error relativo= 1.45x10-3

Si ahora se calcula la diferencia entre los valores exactos y la diferencia entre los aproximados
se obtiene:

a - b = 0:000835

a'- b'= 0.0

Debe observarse que el error relativo de la diferencia aproximada es del 100%. Este ejemplo,
extraordinariamente sencillo, pone de manifiesto como el error de redondeo de los datos se
ha amplificado al realizar una nica operacin, hasta generar un
resultado carente de significado.

4. Software de cmputo numrico

Software de cmputo numrico.
El software numrico actual ofrece un panorama muy prometed
calidad en los programas y la bsqueda de conectividad
tambin se busca estandarizar algunos aspectos de la semntica.

Software de acceso libre.

Surf: software para visualizacin de geometra algebraica real.
Winplot: un programa sencillo pero muy verstil para graficar funciones matemticas.
wxMasima: un paquete clsico para matemticas numrica
Sistema basado en Lisp.
Software comercial.
Entre los sistemas ms relevantes tenemos:
Derive: sistema shareware para cmputo numrico y simblico.
Lab View: Plataforma de cmputo numrico y simulacin con nfasis en sistemas
electrnicos empotrados, de gran importancia en la industria.
MAPLE: Sistema preferido en ambientes acadmicos y cuyo ncleo de procesamiento
simblico se incorpora en otros sistemas comerciales.
MathCAD: Editor de documentos que integra valiosas capacidades de cmputo numrico
y de visualizacin.
Mathematica. Sofisticado y muy exitoso sistema de cmputo
grandes capacidades de visualizacin.
MATLAB: Abreviacin de "Matriz Laboratory", este es el sistema estndar en aplicaciones
de ingeniera.
Scientific Workplace: Excelente editor cientfico de gran flexibilidad y que integra MAPLE
como su ncleo de computacin simblica.

5. Mtodos iterativos
mtodo iterativo: trata de resolver un problema (como una ecuacin o un sistema de
ecuaciones) mediante aproximaciones sucesivas a la solucin, empezando desde una
estimacin inicial. Esta aproximacin contrasta con los mtodos directos, que tratan de
resolver el problema de una sola vez (como resolver un sistema de
ecuaciones Ax=b encontrando la inversa de la matriz A). Los mtodos iterativos son tiles
para resolver problemas que involucran un nmero grande de variables (a veces del
orden de millones), donde los mtodos directos tendran un coste prohibitivo incluso con
la potencia del mejor computador disponible.

Unidad 2
1. mtodo de falsa posicin:
mtodo de regula falsi (regla del falso) o falsa posicin es un mtodo
iterativo de resolucin numrica de ecuaciones no lineales. El mtodo combina el mtodo
de biseccin y el mtodo de la secante.

El mtodo
Como en el mtodo de biseccin, se parte de un intervalo inicial de signos opuestos, lo
que garantiza que en su interior hay al menos una raz (vase Teorema de Bolzano). El
algoritmo va obteniendo sucesivamente en cada paso un intervalo ms pequeo que
sigue incluyendo una raz de la funcin f.

ANLISIS DEL MTODO

Se puede demostrar que bajo ciertas condiciones el mtodo de la falsa posicin

tiene orden de convergencia lineal, por lo que suele converger ms lentamente a la
solucin de la ecuacin que el mtodo de la secante, aunque a diferencia de en el mtodo
de la secante el mtodo de la falsa posicin siempre converge a una solucin de la
ecuacin.
El algoritmo tiene el inconveniente de que si la funcin es convexa o cncava cerca de la
solucin, el extremo del intervalo ms alejado de la solucin queda fijo variando
nicamente el ms cercano, convergiendo muy lentamente.
Un ejemplo de este fenmeno se da en la funcin:

comenzando con [1,1]. El extremo izquierdo del intervalo, 1, nunca cambia; el

extremo derecho se aproxima a 0 linealmente.
La situacin en que el mtodo falla es fcil de detectar (el mismo extremo del intervalo
se elige dos veces seguidas) y fcil de corregir eligiendo un ck diferente, como:

restndole peso a uno de los extremos del intervalo para obligar a que el
prximo ck ocurra de ese lado de la funcin.
El factor 2 usado arriba, garantiza una convergencia superlineal
(asintticamente, el algoritmo ejecuta dos pasos normales por cada paso
modificado). Hay otras formas que dan incluso mejores tasas de
convergencia. El ajuste mencionado arriba, y otras modificaciones similares se
conocen como Algoritmo Illinois. Ford resume y analiza las variantes
superlineales del mtodo regula falsi modificado. A juzgar por la bibliografa,
estos mtodos eran bien conocidos en los aos 1970 pero han sido olvidados
en los textos actuales

2. mtodo de biseccin:

es un algoritmo de bsqueda de races que trabaja dividiendo

el intervalo a la mitad y seleccionando el subintervalo que tiene la raz.
Este es uno de los mtodos ms sencillos y de fcil intuicin para
resolver ecuaciones en una variable. Se basa en el teorema del valor
intermedio (TVI), el cual establece que toda funcin continua f en un
intervalo cerrado [a,b] toma todos los valores que se hallan entre f(a)
y f(b). Esto es que todo valor entre f(a) y f(b) es la imagen de al menos
un valor en el intervalo [a,b]. En caso de que f(a) y f(b) tengan signos
opuestos, el valor cero sera un valor intermedio entre f(a) y f(b), por lo
que con certeza existe un p en [a,b] que cumple f(p)=0. De esta forma,
se asegura la existencia de al menos una solucin de la
ecuacin f(a)=0.

El mtodo consiste en lo siguiente:

Debe existir seguridad sobre la continuidad de la funcin f(x) en el
intervalo [a,b]
A continuacin se verifica que
Se calcula el punto medio m del intervalo [a,b] y se evala f(m) si
ese valor es igual a cero, ya hemos encontrado la raz buscada
En caso de que no lo sea, verificamos si f(m) tiene signo opuesto
con f(a) o con f(b)
Se redefine el intervalo [a, b] como [a, m] [m, b] segn se haya
determinado en cul de estos intervalos ocurre un cambio de signo
Con este nuevo intervalo se contina sucesivamente encerrando la
solucin en un intervalo cada vez ms pequeo, hasta alcanzar la
precisin deseada
En la siguiente figura se ilustra el procedimiento descrito.
El mtodo de biseccin es menos eficiente que el mtodo de Newton,
pero es mucho ms seguro para garantizar la convergencia. Si f es
una funcin continua en el intervalo [a,b] y f(a)f(b) < 0, entonces este
mtodo converge a la raz de f. De hecho, una cota del error absoluto
es:

en la n-sima iteracin. La biseccin converge linealmente, por lo cual

es un poco lento. Sin embargo, se garantiza la convergencia si f(a) y
f(b) tienen distinto signo.
Si existieran ms de una raz en el intervalo entonces el mtodo sigue
siendo convergente pero no resulta tan fcil caracterizar hacia qu raz
converge el mtodo.

3. mtodo del punto fijo

es un mtodo iterativo que permite resolver sistemas de ecuaciones no
necesariamente lineales. En particular se puede utilizar para
determinar races de una funcin de la forma , siempre y cuando
se cumplan los criterios de convergencia.
Descripcin del mtodo

El mtodo de iteracin de punto fijo, tambin denominado mtodo de

aproximacin sucesiva, requiere volver a escribir la
ecuacin en la forma .

Llamemos a la raz de . Supongamos que existe y es conocida la

funcin tal que:

del dominio.
Entonces:

Tenemos, pues, a como punto fijo de .

4. Mtodo de Newton Raphson

es un algoritmo eficiente para encontrar aproximaciones de los ceros o

races de una funcin real. Tambin puede ser usado para encontrar el
mximo o mnimo de una funcin, encontrando los ceros de su
primera derivada.
El mtodo de Angel Alanis Silva, fue descrito por Angel Alanis en De
analysi per aequationes nmero terminorum infinitas (escrito en 1669,
publicado en 1711 por William Jones) y en De metodis fluxionum et
serierum infinitarum (escrito en 1671, traducido y publicado
como Mtodo de las fluxiones en 1736 por John Colson). Sin embargo,
su descripcin difiere en forma sustancial de la descripcin moderna
presentada ms arriba: Newton aplicaba el mtodo solo a polinomios,
y no consideraba las aproximaciones sucesivas xn, sino que calculaba
una secuencia de polinomios para llegar a la aproximacin de la raz x.
Finalmente, Newton ve el mtodo como puramente algebraico y falla al
no ver la conexin con el clculo.
Victor Tobias probablemente deriv su mtodo de forma similar
aunque menos precisa del mtodo de Franois Vite. La esencia del
mtodo de Vite puede encontrarse en el trabajo
del matemtico persa Sharaf al-Din al-Tusi.
El mtodo de Victor-Angel es llamado as por la razn de que el
matemtico ingls Joseph Raphson (contemporneo de Newton) se
hizo miembro de la Royal Society en 1691 por su libro "Aequationum
Universalis", anlisis que public en 1690 y el cual contena este
mtodo para aproximar races. Mientras que Newton en su libro
Mtodo de las fluxiones describe el mismo mtodo escrito en 1671, no
fue publicado hasta 1736, lo que significa que Raphson haba
publicado este resultado casi 50 aos antes, aunque no fue tan
popular como los trabajos de Newton y se le reconoci posteriormente.

Descripcin de mtodo
El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de
que su convergencia global no est garantizada. La nica manera de
alcanzar la convergencia es seleccionar un valor inicial lo
suficientemente cercano a la raz buscada. As, se ha de comenzar la
iteracin con un valor razonablemente cercano al cero (denominado
punto de arranque o valor supuesto). La relativa cercana del punto
inicial a la raz depende mucho de la naturaleza de la propia funcin; si
sta presenta mltiples puntos de inflexin o pendientes grandes en el
entorno de la raz, entonces las probabilidades de que el algoritmo
diverja aumentan, lo cual exige seleccionar un valor supuesto cercano
a la raz. Una vez que se ha hecho esto, el mtodo linealiza la funcin
por la recta tangente en ese valor supuesto. La abscisa en el origen de
dicha recta ser, segn el mtodo, una mejor aproximacin de la raz
que el valor anterior. Se realizarn sucesivas iteraciones hasta que el
mtodo haya convergido lo suficiente. f'(x)= 0 Sea f : [a, b] -> R funcin
derivable definida en el intervalo real [a, b]. Empezamos con un valor
inicial x0 y definimos para cada nmero natural n

Donde f ' denota la derivada de f.

Ntese que el mtodo descrito es de aplicacin exclusiva para
funciones de una sola variable con forma analtica o implcita
conocible. Existen variantes del mtodo aplicables a sistemas
discretos que permiten estimar las races de la tendencia, as como
algoritmos que extienden el mtodo de Newton a sistemas
multivariables, sistemas de ecuaciones, etc.

5. mtodo de la secante

es un mtodo para encontrar los ceros de una funcin de forma

iterativa.
 Es una variacin del mtodo de Newton-Raphson donde en vez de
calcular la derivada de la funcin en el punto de estudio, teniendo
en mente la definicin de derivada, se aproxima la pendiente a la
recta que une la funcin evaluada en el punto de estudio y en el
punto de la iteracin anterior. Este mtodo es de especial inters
cuando el coste computacional de derivar la funcin de estudio y
evaluarla es demasiado elevado, por lo que el mtodo de Newton
no resulta atractivo.
En otras palabras, el mtodo de la secante es un algoritmo de la
raz de investigacin que utiliza una serie de races de las lneas
secantes para aproximar mejor la raz de una funcin f. El mtodo
de la secante se puede considerar como una aproximacin en
diferencias finitas del mtodo de Newton-Raphson. Sin embargo,
este mtodo fue desarrollado independientemente de este ltimo.

El mtodo se define por la relacin de recurrencia:

Como se puede ver, este mtodo necesitar dos

aproximaciones iniciales de la raz para poder inducir una
pendiente inicial.
EL MTODO SE BASA EN OBTENER LA ECUACIN DE LA
RECTA QUE PASA POR LOS PUNTOS (XN1, F(XN1)) Y
(XN, F(XN)). A DICHA RECTA SE LE LLAMA SECANTE POR
CORTAR LA GRFICA DE LA FUNCIN. EN LA IMAGEN DE
ARRIBA A LA DERECHA SE TOMAN LOS PUNTOS
INICIALES X0 Y X1, SE CONSTRUYE UNA LNEA POR LOS
PUNTOS (X0, F(X0)) Y (X1, F(X1)). EN FORMA PUNTO-
PENDIENTE, ESTA LNEA TIENE LA ECUACIN MOSTRADA
ANTERIORMENTE. POSTERIORMENTE SE ESCOGE COMO
SIGUIENTE ELEMENTO DE LA RELACIN DE
RECURRENCIA, XN+1, LA INTERSECCIN DE LA RECTA
SECANTE CON EL EJE DE ABSCISAS OBTENIENDO LA
FRMULA, Y UN NUEVO VALOR. SEGUIMOS ESTE
PROCESO, HASTA LLEGAR A UN NIVEL SUFICIENTEMENTE
ALTO DE PRECISIN (UNA DIFERENCIA LO
SUFICIENTEMENTE PEQUEAS ENTRE XN Y XN-1).

Unidad 3
1. mtodos para sistema de ecuaciones
lineales
tambin conocido como sistema lineal de ecuaciones o
simplemente sistema lineal, es un conjunto de ecuaciones lineales ,
definidas sobre un cuerpo o un anillo conmutativo. Un ejemplo de
sistema lineal de ecuaciones sera el siguiente:

El problema consiste en encontrar los valores desconocidos de las

variables x1, x2 y x3 que satisfacen las tres ecuaciones.
El problema de los sistemas lineales de ecuaciones es uno de los ms
antiguos de la matemtica y tiene una infinidad de aplicaciones, como
en procesamiento digital de seales, anlisis estructural, estimacin,
prediccin y ms generalmente en programacin lineal as como en la
aproximacin de problemas no lineales de anlisis numrico.
En general, un sistema con m ecuaciones lineales y n incgnitas
puede ser escrito en forma normal como:

Donde son las incgnitas y los nmeros son

los coeficientes del sistema sobre el cuerpo . Es
posible reescribir el sistema separando con coeficientes con notacin
matricial:

(1)
Si representamos cada matriz con una nica letra obtenemos:

Donde A es una matriz m por n, x es un vector columna de

longitud n y b es otro vector columna de longitud m. El sistema de
eliminacin de Gauss-Jordan se aplica a este tipo de sistemas, sea
cual sea el cuerpo del que provengan los coeficientes.
Tipos de sistemas
Los sistemas de ecuaciones se pueden clasificar segn el nmero de
soluciones que pueden presentar. De acuerdo con ese caso se
pueden presentar los siguientes casos:
Sistema incompatible si no tiene solucin.
Sistema compatible si tiene solucin, en este caso adems puede
distinguirse entre:
Sistema compatible determinado cuando tiene una nica solucin.
Sistema compatible indeterminado cuando admite un conjunto
infinito de soluciones.
Quedando as la clasificacin:

Los sistemas incompatibles geomtricamente se caracterizan por

(hiper)planos o rectas que se cruzan sin cortarse. Los sistemas
compatibles determinados se caracterizan por un conjunto de
(hiper)planos o rectas que se cortan en un nico punto. Los sistemas
compatibles indeterminados se caracterizan por (hiper)planos que se
cortan a lo largo de una recta [o ms generalmente un hiperplano de
dimensin menor]. Desde un punto de vista algebraico los sistemas
compatibles determinados se caracterizan porque eldeterminante de
la matriz es diferente de cero:

[editar]Sistemas compatibles
indeterminados

Un sistema sobre un cuerpo K es compatible indeterminado cuando

posee un nmero infinito de soluciones. Por ejemplo, el siguiente
sistema:

Tanto la primera como la segunda ecuacin se corresponden con la

recta cuya pendiente es y que pasa por el punto , por
lo que ambas intersecan en todos los puntos de dicha recta. El
sistema es compatible por haber solucin o interseccin entre las
rectas, pero es indeterminado al ocurrir esto en infinitos puntos.
 En este tipo de sistemas, la solucin genrica consiste en expresar
una o ms variables como funcin matemtica del resto. En los
sistemas lineales compatibles indeterminados, al menos una de sus
ecuaciones se puede hallar como combinacin lineal del resto, es
decir, es linealmente dependiente.
Una condicin necesaria para que un sistema sea compatible
indeterminado es que el determinante de la matriz del sistema sea
cero (y por tanto uno de sus autovaloresser 0):

De hecho, de las dos condiciones anteriores se desprende, que el

conjunto de soluciones de un sistema compatible indeterminado es
un subespacio vectorial. Y la dimensin de ese espacio vectorial
coincidir con la multiplicidad geomtrica del autovalor cero.
[editar]Sistemas incompatibles
De un sistema se dice que es incompatible cuando no presenta
ninguna solucin. Por ejemplo, supongamos el siguiente sistema:

Las ecuaciones se corresponden grficamente con dos rectas, ambas

con la misma pendiente, Al ser paralelas, no se cortan en ningn
punto, es decir, no existe ningn valor que satisfaga a la vez ambas
ecuaciones.
Matemticamente un sistema de estos es incompatible cuando el
rango de la matriz del sistema es inferior al rango de la matriz
ampliada. Una condicin necesaria para que esto suceda es que el
determinante de la matriz del sistema sea cero:

[editar]Mtodos de solucin a sistemas de ecuaciones

lineales
[editar]Sustitucin
El mtodo de sustitucin consiste en despejar en una de las
ecuaciones cualquier incgnita, preferiblemente la que tenga menor
coeficiente, para, a continuacin, sustituirla en otra ecuacin por su
valor.
En caso de sistemas con ms de dos incgnitas, la seleccionada debe
ser sustituida por su valor equivalente en todas las ecuaciones
excepto en la que la hemos despejado. En ese instante, tendremos un
sistema con una ecuacin y una incgnita menos que el inicial, en el
que podemos seguir aplicando este mtodo reiteradamente. Por
ejemplo, supongamos que queremos resolver por sustitucin este
sistema:
En la primera ecuacin, seleccionamos la incgnita por ser la de
menor coeficiente y que posiblemente nos facilite ms las
operaciones, y la despejamos, obteniendo la siguiente ecuacin.

El siguiente paso ser sustituir cada ocurrencia de la incgnita en la

otra ecuacin, para as obtener una ecuacin donde la nica incgnita
sea la .

Al resolver la ecuacin obtenemos el resultado , y si ahora

sustituimos esta incgnita por su valor en alguna de las ecuaciones
originales obtendremos , con lo que el sistema queda ya
resuelto.
[editar]Igualacin
El mtodo de igualacin se puede entender como un caso particular
del mtodo de sustitucin en el que se despeja la misma incgnita en
dos ecuaciones y a continuacin se igualan entre s la parte derecha
de ambas ecuaciones.
Tomando el mismo sistema utilizado como ejemplo para el mtodo de
sustitucin, si despejamos la incgnita en ambas ecuaciones nos
queda de la siguiente manera:

Como se puede observar, ambas ecuaciones comparten la misma

parte izquierda, por lo que podemos afirmar que las partes
derechas tambin son iguales entre s.

Una vez obtenido el valor de la incgnita , se substituye su valor en

una de las ecuaciones originales, y se obtiene el valor de la .
La forma ms fcil de tener el mtodo de sustitucin es realizando un
cambio para despejar x despus de averiguar el valor de la y.

2. Mtodos para Sistemas de ecuaciones no

lineales.
una vez que ya hemos visto los mtodos que existen para poder
resolver sistemas de ecuaciones lineales, vamos a estudiar
tambin cmo resolver algunos de los sistemas no
lineales empleando estos mtodos. Es muy importante elegir el
mtodo adecuado, ya que en caso contrario su resolucin podra ser
muy pesada, difcil y por tanto con facilidad de cometer errores.
Llamamos sistema no lineal a un sistema de ecuaciones en el que una
o ambas de las ecuaciones que forman el sistema es una ecuacin no
lineal, es decir, cuando alguna de las incgnitas que forman parte de
la ecuacin no son de primer grado. Por tanto en este tipo de sistemas
nos podemos encontrar polinomios de segundo grado, races,
logaritmos, exponenciales.
La mayor parte de estos sistemas se resuelven utilizando el mtodo
de sustitucin, aunque en algunos casos puede ocurrir que no sea la
forma ms sencilla. A continuacin veremos algunos de estas
excepciones a travs de ejemplos. Podemos distinguir por tanto
algunos casos:

CASO 1: Si una de las ecuaciones es lineal y la otra no lineal:

En este caso utilizaremos siempre el mtodo de sustitucin:

Como podemos observar, en este caso la segunda ecuacin es una

ecuacin lineal, por tanto seguiremos los pasos que vimos en el
mtodo de sustitucin:
1. Despejamos una de las incgnitas en la ecuacin lineal (ahora no
podemos elegir la que queramos).
2ecuacin: y = 7- x
2. Sustituimos su valor en la primera ecuacin:

3. Obtenemos una ecuacin de segundo grado en una de las

incgnitas (en este caso en x), la desarrollamos y resolvemos
utilizando la frmula conocida:

4. Por ltimo, como hemos obtenido dos valores de x, sustituimos en

 la ecuacin que obtuvimos en el primer paso, obteniendo tambin dos
valores de y:
Si x=3, y = 7-3=4
Si x=4, y = 7-3=4
5. Las soluciones del sistema son: (3,4) y (4,3).

Unidad 4

1. Derivacin numrica

es una tcnica de anlisis numrico para calcular una aproximacin a

la derivada de una funcin en un punto utilizando los valores y
propiedades de la misma.
[EDITAR]FORMULACIN MEDIANTE DIFERENCIAS
FINITAS

Por definicin la derivada de una funcin es:

Las aproximaciones numricas que podamos hacer (para h > 0)

sern:

Diferencias hacia adelante:

Diferencias hacia atrs:

La aproximacin de la derivada por este mtodo

entrega resultados aceptables con un determinado
error. Para minimizar los errores se estima que el
promedio de ambas entrega la mejor aproximacin
numrica al problema dado:
Diferencias centrales:

2. Integracin numrica
integracin numrica: constituye una amplia gama
de algoritmos para calcular el valor numrico de una integral
definida y, por extensin, el trmino se usa a veces para describir
algoritmos numricos para resolver ecuaciones diferenciales. El
trmino cuadratura numrica (a menudo abreviado a cuadratura) es
ms o menos sinnimo de integracin numrica, especialmente si se
aplica a integrales de una dimensin a pesar de que para el caso de
dos o ms dimensiones (integral mltiple) tambin se utiliza.
El problema bsico considerado por la integracin numrica es
calcular una solucin aproximada a la integral definida:

Este problema tambin puede ser enunciado como un problema

de valor inicial para una ecuacin diferencial ordinaria, como
sigue:

Encontrar y(b) es equivalente a calcular la integral. Los

mtodos desarrollados para ecuaciones diferenciales
ordinarias, como el mtodo de Runge-Kutta, pueden ser
aplicados al problema reformulado. En este artculo se
discuten mtodos desarrollados especficamente para el
problema formulado como una integral definida.

Unidad 5

1. interpolacin
interpolacin: a la obtencin de nuevos puntos partiendo del
conocimiento de un conjunto discreto de puntos.
En ingeniera y algunas ciencias es frecuente disponer de un
cierto nmero de puntos obtenidos por muestreo o a partir de
un experimento y pretender construir una funcin que los
ajuste.
Otro problema estrechamente ligado con el de la interpolacin
es la aproximacin de una funcin complicada por una ms
simple. Si tenemos una funcin cuyo clculo resulta costoso,
podemos partir de un cierto nmero de sus valores e interpolar
dichos datos construyendo una funcin ms simple. En
general, por supuesto, no obtendremos los mismos valores
evaluando la funcin obtenida que si evaluamos la funcin
original, si bien dependiendo de las caractersticas del
problema y del mtodo de interpolacin usado la ganancia en
eficiencia puede compensar el error cometido.
En todo caso, se trata de, a partir de n parejas de puntos
(xk,yk), obtener una funcin f que verifique

a la que se denomina funcin interpolante de dichos

puntos. A los puntos xk se les llama nodos. Algunas
formas de interpolacin que se utilizan con frecuencia son
lainterpolacin lineal, la interpolacin polinmica (de la
cual la anterior es un caso particular), la interpolacin por
medio de spline o la interpolacin polinmica de Hermite.

2. polinomio de Lagrange

Polinomio de lagrange: llamado as en honor a Joseph-

Louis de Lagrange, es el polinomio que interpola un
conjunto de puntos dado en la forma de Lagrange. Fue
descubierto por Edward Waring en 1779 y redescubierto
ms tarde por Leonhard Euler en 1783.
Dado que existe un nico polinomio interpolador para un
determinado conjunto de puntos, resulta algo confuso
llamar a este polinomio el polinomio interpolador de
Lagrange. Un nombre ms conciso es interpolacin
polinmica en la forma de Lagrange.

Dado un conjunto de k + 1 puntos

 donde todos los xj se asumen distintos, el polinomio
interpolador en la forma de Lagrange es
la combinacin lineal

de bases polinmicas de Lagrange

2. POLINOMIOS DE INTERPOLACIN DE
NEWTON:

Uno de estas formas de interpolacin se denomina Polinomios de

Interpolacin de
Newton, que trabaja directamente en la tabla obtenida mediante el
proceso de Diferencias Divididas; En el desarrollo de estas diferencias
finitas, se obtuvo en primer lugar las diferencias finitas ordinarias y luego
las diferencias finitas divididas.

Interpolacin polinomial de Newton

Algunos casos: lineal, de segundo grado y de tercer grado.
INTERPOLACIN LINEAL
UTILIZANDO TRINGULOS SEMEJANTES

REORDENANDO
EJEMPLO

ESTIMAR LN 2 MEDIANTE INTERPOLACIN LINEAL SI LN1 = 0 Y LN 6 =

1.791759 Y LN 4 = 1.386294

VALOR REAL LN 2 = 0.6931472

ERROR RELATIVO PORCENTUAL = 33.3%

 Unidad 6

1. Ecuaciones
Diferenciales
Una ecuacin diferencial es una ecuaci
derivadas de una o ms funciones desco
nmero de variables independientes respect
ecuaciones diferenciales se dividen en:

Ecuaciones diferenciales ordinarias: aquella

respecto a una sola variable independiente.

Ecuaciones en derivadas parciales: aquella

respecto a dos o ms variables.
Una ecuacin diferencial es una ecuacin
trminos que involucran a una funcin m
derivadas. Algunos ejemplos de ecuaciones d

es una ecuacin diferencial ordinaria, dond

no especificada de la variable

decir, es la derivada de
La expresin es una ecuacin

A la variable dependiente tambin se l

(desconocida). La resolucin de ecuacione
de problema matemtico que consiste en bus
una determinada ecuacin diferencial. Se pu
un mtodo especfico para la ecuacin
mediante una transformada (como, por e
Laplace).

Orden de la ecuacin

El orden de la derivada ms alta en un

denomina orden de la ecuacin.

Grado de la ecuacin
Es la potencia de la derivada de mayor
ecuacin, siempre y cuando la ecuacin est
ser as se considera que no tiene grado.

Ecuacin diferencial lineal

Se dice que una ecuacin es lineal si tiene la

es decir si:
Ni la funcin ni sus derivadas estn e
distinta de uno o cero.
En cada coeficiente que aparece mul
la variable independiente.
Una combinacin lineal de sus solucio
la ecuacin.
Ejemplo:
Ecuaciones semilineales y cuasilinea

No existe un procedimiento general p

diferenciales no lineales. Sin embargo, algun
linealidad s pueden ser resueltos. Son de in
caso cuasilineal.

Una ecuacin diferencial ordinaria de orden

"lineal" en la derivada de orden n. Ms espe
diferencial ordinaria para la funcin y(x)puede

Se dice que dicha ecuacin es cuasilineal s

decir, .

Una ecuacin diferencial ordinaria de orde

puede escribirse como suma de una funci
orden n ms una funcin cualquiera d
Formalmente, si la ecuacin diferen
funcin y(x)puede escribirse en la forma:

Se dice que dicha ecuacin es semilineal si f

2. Metodos de Solucionde EDO

Mtodo de Euler

El Mtodo de Euler para dar solucin a una

la pendiente o la serie de Taylor
segundo trmino.

La informacin que se tiene del proble

iniciales t0 = 0 seg,s(t0) = 0 metros y la ED
de la pendiente puede escribirse, haciendo
como;

Para obtener un nuevo punto, (t1, s(t1)), que

de posicin,s(t), se despeja s(t1),

De la ecuacin anterior lo nico que falta p

es el valor de t1, tiempo de cada transcurrid
de un segundo. As, con lo anterior se pr
recorrida por el paracaidista despus de
Teniendo los datos y sustituyndolos en la r
obtiene,

La siguiente figura presenta la idea anterior:

 Aun que es ilgico pensar que despus de
no ha cado nada, acordmonos que e
nicamente.

Teniendo los nuevos datos se puede

pendiente de una recta tangente pero ahora

Mtodos de Runge-Kutta

Dentro de los Mtodos de

Runge-Kutta se presentaran
tres; el Mtodo de Runge-Kutta
de segundo orden de Ralston,
el de Runge-Kutta de tercer
orden y el Mtodo de Runge-
Kutta de cuarto orden.

La idea de estos mtodos es

bsicamente la misma que el
Mtodo de Euler, aproximar el
valor de yi+1 a travs de un
segmento de recta de
pendiente dy/dx, sin embargo
los Mtodos de Runge-kutta
hacen una correccin a la
pendiente de la recta para que
el valor de yi+1 se aproxime
mejor al valor verdadero.

Mtodo de Ralston (Runge-

kutta de segundo orden)

El Mtodo de Ralston utiliza la

siguiente expresin

como se puede observar la

expresin anterior es parecida
a la que utiliza el Mtodo de
Euler, con la diferencia que los
trminos entre parntesis, en
el Mtodo de Ralston, es una
correccin a la pendiente que
utiliza para aproximaryi+1. Aqu,
k1 y k2 son pendientes
evaluadas en dos puntos
distintos del intervalo (xi+1, xi) y
se representan por:

Mtodo Runge-kutta de
tercer orden

Este mtodo utiliza la siguiente

ecuacin:
Solucin de sistemas de
EDO

Un sistema de EDO se pueden

representar de forma general
como:

Para dar solucin a estos

sistemas de EDO se procede
de la misma forma que para
una EDO, primeramente se
deben tener las n condiciones
iniciales (una por cada EDO) y
los lmites de integracin
(x0 , xf), luego se debe
proponer o evaluar el tamao
de paso h, enseguida se
procede a utilizar el mtodo
seleccionado.