Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MÉTODOS NUMÉRICOS
PROFESOR
2
INDICE
1. Aritmética y representación de un número en el computador. ........................................... 5
3
4. Matrices y sistemas de ecuaciones lineales ....................................... 138
4
1. ARITMÉTICA Y REPRESENTACIÓN DE UN NÚMERO EN EL
COMPUTADOR.
5
SISTEMA BINARIO
-2do paso:
Solución:
-1er paso:
6
-2do paso:
Solución:
-1er paso:
Se divide por 2 la parte entera del número decimal (52) y repetimos hasta
que el cociente sea 1. Los residuos generados en cada división forman el
número binario, leemos el número empezando desde el último residuo (de
derecha a izquierda) hasta el primero.
7
Por lo tanto 5210 = 1101002
-2do Paso:
-3er paso:
Los dígitos acarreados, que son generados por las multiplicaciones, son
aquellos que forman el número binario.
-4to paso:
8
Ejemplo 4: Convertir el número binario fraccional 11010.1102 a decimal.
Solución:
-1er paso:
-2do paso:
Ahora, para la parte fraccionaria (.110) cada digito se ira multiplicando por
potencias inversas de 2 empezando de izquierda a derecha como se muestra
en la siguiente imagen:
-3er paso:
-4to paso:
9
Para escribir el número decimal final, se toma el decimal hallado de la parte
entera y el decimal hallado en la parte fraccionaria, y lo unimos en un solo
número decimal correspondiente a el número binario.
10
SISTEMA HEXADECIMAL
Tabla 1
Decimal Hexadecimal Binario
0 0 0000
1 1 0001
2 2 0010
3 3 0011
4 4 0100
5 5 0101
6 6 0110
7 7 0111
8 8 1000
9 9 1001
10 A 1010
11 B 1011
12 C 1100
13 D 1101
14 E 1110
15 F 1111
Solución:
-1er paso:
El equivalente binario de 186910 es 111010011012
11
Para pasar de un número binario a hexadecimal se debe de hacer
agrupaciones de 4 bits, tomando el punto de inicio el último número binario
de la derecha, si el último grupo no llega a 4 bits, se completa con 0, como
se ve en la siguiente imagen:
-2do paso:
Teniendo en cuenta la Tabla 1, se tendrá que el primero grupo 1101
corresponde a D (13) en hexadecimal, el segundo grupo 0100 corresponde
a 4 en hexadecimal y el tercer grupo 0111 corresponde a 7 en hexadecimal.
Por último, el número hexadecimal se escribe de izquierda a derecha.
Solución:
-1er paso:
Se divide la parte entera (531315) por 16, luego cada cociente que resulta
se divide por 16 hasta que obtiene 1 0 15 en la parte entera del cociente.
12
-2do paso:
-3er paso:
13
Por lo cual 0.6771610 = AD5A5B16
-4to paso:
Solución:
-1er paso:
Se toma cada digito del número hexadecimal y se multiplica cada cifra en el
valor correspondiente de la potencia de 16, de derecha a izquierda, como se
muestra a continuación:
-2do paso:
Para las multiplicaciones que contienen letras, tener en cuenta su valor
según la Tabla 1. Se reemplaza su respectivo valor y se continuo operando.
14
Por lo cual B2F816 = 4581610
15
Ejemplo 4: Convertir el número binario 101110.0102 con parte fraccionaria
a hexadecimal
Solución:
-1er paso:
Para la parte entera se harán agrupaciones de 4 bits, tomando el punto de
inicio el último número binario de la derecha, si el último grupo no llega a
4 bits, se completa con 0. Esto mismo se aplica para la parte fraccionaria
del número como se muestra en la imagen:
-2do paso:
Para obtener el resultado final, se tendrá en cuenta la Tabla 1, en las
agrupaciones de bits que se hicieron. El número hexadecimal se escribe de
izquierda a derecha.
16
SISTEMA OCTAL
Octal Binario
0 000
1 001
2 010
3 011
4 100
5 101
6 110
7 111
Solución:
-1er paso:
17
Por lo tanto 42510 = 6518
-2do paso:
Solución:
-1er paso:
18
Para la parte entera del número binario fraccionado se hacen agrupaciones
de 3 bits, si el número de bits es menor a tres se completa la cantidad
faltante con 0.
-2do paso:
-3er paso:
19
1.2. Representación de un número en la memoria de una computadora:
Punto fijo y Punto flotante.
Una variable real (double) está formada por 8 bytes, es decir el doble de un
entero. En ella se almacenan números reales en formato binario. Por
ejemplo, el número:
1101.10102 = 13.62510
20
El estándar IEEE 754 para 32 y 64 bits estipula que para representar todo
número se debe dividir en 3 partes o cajones, previo a esto, se debe convertir
el número deseado a binario y luego expresarlo en notación científica.
21
1.3. Conversión de un número escrito en memoria de computador,
tanto de 32 bits como de 64 bits, a decimal de acuerdo al estándar IEEE
754 y viceversa
Solución:
-1er paso:
Primer bit = 1
Luego se toma el número de la parte izquierda que está antes del punto y se
convierte a binario, el número 118 en binario sería 1110110.
Después se toma el número que esta después del punto (parte fraccionaria)
y se convierte a binario, para esto se hace lo siguiente, se toma el número y
se multiplica por 2 ciertas veces, hasta que el resultado de 1.
22
Por lo tanto, el número decimal 0.62510 a binario seria 1012.
23
Exponente = 10000101
Ahora se pasa a escribir la mantisa que es toda la parte que inicia después
del punto de este número 1.110110101, nos quedaría de la siguiente forma:
110110101 se observa que hay 9 dígitos, pero la mantisa debe contener 23
bits así que a partir del último uno se le agrega ceros hasta que complete
los 23 bits.
Mantisa = 11011010100000000000000
24
Ejemplo 2:
Escribir el siguiente número de 32 bits formato IEEE 754
a número decimal.
Solución:
Primero se determina el primer bit el cual se indica si es negativo o positivo,
cabe resaltar que 0 es positivo ( + ) y 1 es negativo ( - ), luego se toma el
exponente y se convierte a número decimal, como se hace de la siguiente
manera:
133 - 127 = 6
25
1.110110101 luego se corre esa coma 6 veces hacia la derecha de ese
número, como se muestra en la imagen:
Este número hay que partirlo en dos, en la parte entera que sería 1110110
y la parte fraccionaria 101, luego se convierte de base binaria a base decimal
y base fraccionaria de la siguiente manera:
26
El resultado final es el siguiente: -118, 625.
27
Ejemplo 3:
Escribir el número decimal 321.456 al estándar IEEE 754 en memoria del
computador de 64 bits.
Solución:
Primero se realiza la conversión del número 321.456 de base decimal a base
binaria, y se determina que signo tiene el número.
28
Luego se procede a obtener la mantisa, que es convertir el número a su
respectiva connotación científica, para esto se corre el punto hasta el primer
dígito y se cuenta cuantas veces de corrido, de la siguiente manera se ilustra
cómo se debe hacer:
29
Luego se obtiene el exponente, para esto sumamos 8 + 1023 que es el
estándar para IEEE 754 64 bits, dando como resultado 1031, a
continuación, se convierte el número 1031 a base binaria de la siguiente
manera:
30
2. RAÍCES DE ECUACIONES Y POLINOMIOS.
Ejemplo 1:
Determinar la raíz de x2 – e-x = 0 en el intervalo [-1,2] utilizando el método
de bisección, para 3 iteraciones.
Solución:
Paso 1: Verificar la existencia de una raíz en el intervalo indicado.
Paso 2:
Puesto que la función evaluada presenta signos distintos, se cumple
f(a).f(b)<0. Ahora se procede a hacer la primera iteración.
31
−1 + 2 1
𝑥1 = = = 𝟎. 𝟓
2 2
𝑓(−1) < 0
𝑓(𝟎. 𝟓) < 0
𝑓(2) > 0
-3er paso:
Se define el nuevo intervalo como [0.5,2] en este punto, se observa que aún
no se puede calcular ningún error relativo aproximado, así que se repite el
proceso con el nuevo intervalo.
32
Grafica de primera iteración
-Segunda Iteración:
0.5 + 2 2.5
𝑥2 = = = 𝟏. 𝟐𝟓
2 2
𝑓(0.25) < 0
𝑓(2) > 0
-4to paso:
33
Aquí se puede calcular el primer error relativo porcentual de aproximación
puesto que se cuenta con una aproximación actual y una aproximación
anterior, aparte a eso, se toma el intervalo [0.25,1.25] para hacer una nueva
iteración.
1.25 − 0.5
ℇ𝟎 = ⃒ ⃒
1.25
ℇ𝟎 = 𝟎. 𝟔
34
-Tercera Iteración:
𝑓(0.5) < 0
𝑓(1.25) > 0
-5to paso:
Se calcula un nuevo error relativo de aproximación.
0.875 − 1.25
ℇ𝟎 = ⃒ ⃒
0.875
ℇ𝟎 = 𝟎. 𝟒𝟐𝟖
35
𝟎.𝟗−𝟎.𝟒𝒙
Ejemplo 2: Determinar la raíz real de 𝒇(𝒙) = ( ) en el intervalo[2,3]
𝒙
utilizando el método de bisección.
Solución:
-1er paso:
Verificar la existencia de una raíz en el intervalo indicado.
0.9 − 0.4(2)
𝑓(𝑎) = 𝑓(2) = = 𝟎. 𝟎𝟓
2
0.9 − 0.4(3)
𝑓(𝑏) = 𝑓(3) = = −𝟎. 𝟏
2
-2do paso:
Puesto que la función evaluada presenta signos distintos, se cumple
f(a).f(b)<0. Ahora se procede a hacer la primera iteración.
-Primera Iteración:
𝑎+𝑏 2+3 5
𝑥1 = = = = 𝟐. 𝟓
2 2 2
0.9 − 0.4(2.5)
𝑓(𝑥1 ) = 𝑓(𝟐. 𝟓) = = −𝟎. 𝟎𝟒
2
Como f(x1)<0, entonces se sabe que la raíz está en el intervalo [2, 2.5] y se
elige para hacer una nueva iteración.
-Segunda Iteración:
36
Ahora se procede a evaluar el valor obtenido anteriormente en la función.
0.9 − 0.4(2.25)
𝑓(𝑥2 ) = 𝑓(𝟐. 𝟐𝟓) = =𝟎
2
37
2.2. MÉTODO DE LA REGLA FALSA (O FALSA POSICIÓN O REGULA
FALSI).
Solución:
-1er paso:
Verificar la existencia de una raíz en el intervalo indicado.
-2do paso:
Puesto que al evaluar la función en los intervalos indicados tienen signos
contrarios se cumple que 𝑓(𝑎). 𝑓(𝑏) < 0 se puede determinar la primera
iteración.
𝑓(−1) < 0
𝑓(−0.07668) = −1.07381 < 0
𝑓(2) > 0
-3er paso:
Se observa que el intervalo que continúa cumpliendo 𝑓(𝑎) × 𝑓(𝑏) < 0 es [x1,
2]. En la siguiente figura se observa el principio del método, se traza la
recta que une los puntos (𝑎. 𝑓(𝑎)) y (𝑏. 𝑓(𝑏)) el punto donde esta recta corta
al eje x es el valor estimado de la raíz.
38
Grafica de primera iteración
(2)(−1.07381) − (−0.08668)(3.86466)
𝑥2 = = 0.37487
(−1.07381) − (3.86466)
𝑓(−0.07668) < 0
𝑓(0.37487) = −0.54685 < 0
𝑓(2) > 0
-4to paso:
Se observa que el intervalo que continúa cumpliendo la condición es [x2,2]
y se procede a hacer la siguiente iteración.
39
(2)(−0.54685) − (0.37487)(3.86466)
𝑥3 = = 0.57632
(−0.54685) − (3.86466)
𝑓(0.3748) < 0
𝑓(0.57632) = −0.22981 < 0
𝑓(2) > 0
-5to paso:
Se observa que el intervalo que continúa cumpliendo la condición es [x3,2]
y se procede a hacer la siguiente iteración. En este punto ya se puede
calcular el primer error relativo porcentual de aproximación.
0.57632 − 0.37487
ℇ𝟎 = | | = 𝟎. 𝟑𝟒𝟗𝟓
0.57632
40
-6to paso:
Se observa que a partir de la tercera iteración se tiene un 0.3495 de error
relativo porcentual de aproximación, se obtiene que con cada iteración el
método va encerrando en intervalos cada vez más pequeños, cercando la
raíz de manera más exacta, para llegar a un error relativo porcentual de
aproximación del 0% se deben hacer muchas más iteraciones.
Ejemplo 2:
0.9−0.4𝑥
Determinar la raíz de 𝑓(𝑥 ) = ( ) en el intervalo [2,3] utilizando 2
𝑥
iteraciones.
Solución:
-1er paso:
Se procede a confirmar si existe una raíz dentro del intervalo sugerido.
41
Se observa que se cumple con la condición 𝑓(𝑎) × 𝑓(𝑏) < 0, entonces se
procede a hacer la primera iteración.
𝑏 × 𝑓(𝑎) − 𝑎 × 𝑓(𝑏)
𝑥1 =
𝑓(𝑎) − 𝑓(𝑏)
(2)(−0.1) − (3)(0.05)
𝑥1 = = 2.3 > 0
(−0.1) − (0.05)
-2do paso:
Al realizar la primera iteración, se encuentra que el nuevo intervalo es
[a,x1] o sea [2 , 2.3] y se procede a realizar la segunda iteración y se calcula
el primer el primer error relativo de aproximación.
(2.3)(0.05) − (2)(−0.00875)
𝑥2 = = 2.255 > 0
(0.05) − (−0.0087)
2.255 − 2.3
ℇ𝟎 = | | = 0.019
2.255
-3er paso:
Se procede a hacer la tercera y última iteración dentro del intervalo [a,x2],
es decir [2 , 2.255], se calcula el error relativo de aproximación y se
expresan los resultados en una tabla.
(2.225)(0.05) − (2)(−0.0008)
𝑥3 = = 2.25098 > 0
(0.05) − (−0.0008)
2.25098 − 2.225
ℇ𝟎 = | | = 0.0017
2.25098
42
2.3. Método de Newton-Raphson.
43
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓 ′ (𝑥𝑖 )
Se comprueba si |ℇ0 | es menor que la condición dada:
𝑥𝑖+1 − 𝑥𝑖
|ℇ0 | = | |
𝑥𝑖+1
Ejemplo 1:
Utilice el método de Newton-Raphson para calcular la raíz de:
𝒇(𝒙) = 𝒙𝟑 − 𝒙 − 𝟏 = 𝟎 empleando como valor inicial 𝒙𝟎 = 1.
Solución:
44
Como primer paso se halla la derivada de la función f(x) ya que en la formula
se utiliza:
𝑓 ′ (𝑥) = 3𝑥 2 − 1
Luego se inicia la primera iteración, la cual es el valor x0=1
Ahora se procede a hallar la segunda iteración, sustituyendo el valor de x0
en la formula.
𝑓(𝑥0 ) 𝑓(1) 13 − 1 − 1 (−1)
𝑥1 = 𝑥0 − ′
= 𝟏 − ′
= 𝟏 − 2
=𝟏− = 𝟏. 𝟓
𝑓 (𝑥0 ) 𝑓 (1) 3∗1 −1 2
Luego, el valor de x0 cambia por el valor de x1, visto de esta forma:
x0 = 1.5
Y se procede a hallar la tercera iteración, sustituyendo el valor de x0 en la
formula.
𝑓(𝑥0 ) 𝑓(1.5)
𝑥1 = 𝑥0 − ′
= 1.5 − ′
𝑓 (𝑥0 ) 𝑓 (1.5)
(1.5)3 − 1.5 − 1 0.875
𝑥1 = 1.5 − = 1.5 − = 𝟏. 𝟑𝟒𝟕𝟖𝟐𝟔𝟎𝟖
3 ∗ (1.5)2 − 1 5.75
Luego, el valor de x0 cambia por el valor de x1, visto de esta forma:
x0 = 𝟏. 𝟑𝟒𝟕𝟖𝟐𝟔𝟎𝟖
Y se procede a hallar la cuarta iteración, sustituyendo el valor de x0 en la
formula.
𝑓(𝑥0 ) 𝑓(𝟏. 𝟑𝟒𝟕𝟖𝟐𝟔𝟎𝟖)
𝑥1 = 𝑥0 − = 𝟏. 𝟑𝟒𝟕𝟖𝟐𝟔𝟎𝟖 −
𝑓 ′ (𝑥0 ) 𝑓 ′ (𝟏. 𝟑𝟒𝟕𝟖𝟐𝟔𝟎𝟖)
(1.34782608)3 − 1.34782608 − 1
𝑥1 = 1.34782608 −
3 ∗ (1.34782608)2 − 1
0.10068214
𝑥1 = 1.34782608 − = 1.32520039
4.44990542
Luego, el valor de x0 cambia por el valor de x1, visto de esta forma:
x0 = 1.32520039
Y se procede a hallar la quinta iteración, sustituyendo el valor de x0 en la
formula, observando que ya se tiene un decimal exacto al valor de la raíz,
1.32520039.
45
𝑓(𝑥0 ) 𝑓(1.32520039)
𝑥1 = 𝑥0 − ′
= 1.32520039 − ′
𝑓 (𝑥0 ) 𝑓 (1.32520039)
(1.32520039)3 − 1.32520039 − 1
𝑥1 = 1.32520039 −
3 ∗ (1.32520039)2 − 1
0.00205832
𝑥1 = 1.32520039 − = 1.32471817
4.26846822
46
Ejemplo 2:
𝟏
Encontrar la raíz de 𝒇(𝒙) = 𝐥𝐧(𝒙) − usando el método de Newton-
𝒙
Raphson. Tomar como punto de partida x0=2. Encontrar la raíz con una
precisión de dos decimales.
Solución:
1 (−1) 1 1 𝑥+1
𝑓 ′ (𝑥) = − 2 = + 2= 2
𝑥 𝑥 𝑥 𝑥 𝑥
47
1
ln(2) − 2 0.193147
𝑥1 = 2 − = 2− = 1.742470
2+1 0.75
22
Luego, el valor de x0 cambia por el valor de x1, visto de esta forma:
x0 = 1.742470
Y se procede a hallar la tercera iteración, sustituyendo el valor de x0 en la
formula.
𝑓(𝑥0 ) 𝑓(1.742470)
𝑥1 = 𝑥0 − ′
= 1.742470 − ′
𝑓 (𝑥0 ) 𝑓 (1.742470)
1
ln(1.742470) − 1.742470 −0.018594
𝑥1 = 1.742470 − = 1.742470 −
1.742470 + 1 0.903256
1.7424702
𝑥1 = 1.763055
Luego, el valor de x0 cambia por el valor de x1, visto de esta forma:
x0 = 1.763055
Y se procede a hallar la cuarta iteración, sustituyendo el valor de x0 en la
formula.
𝑓(𝑥0 ) 𝑓(1.763055)
𝑥1 = 𝑥0 − = 1.763055 −
𝑓 ′ (𝑥0 ) 𝑓 ′ (1.763055)
1
ln(1.763055) −
𝑥1 = 1.763055 − 1.763055 = 1.763055 − −0.000149
1.763055 + 1 0.888910
1.763055 2
𝑥1 = 1.763222
48
Finalmente, el valor de la raíz es: 1.763222, afirmando que se encontró
con 2 decimales exactos, a continuación, se muestra una tabla donde se
resume el proceso anterior con cada de una de sus iteraciones.
X0 X1
2 1.742470
1.742470 1.763055
1.763055 1.763222
49
2.4 MÉTODO DE LA SECANTE
El método de la secante es un método para encontrar los ceros de una
función de forma iterativa.
Es una variación del método de Newton-Raphson donde en vez de calcular
la derivada de la función en el punto de estudio, teniendo en mente la
definición de derivada, se aproxima la pendiente a la recta que une la
función evaluada en el punto de estudio y en el punto de la iteración
anterior, el método de la secante es un algoritmo de la raíz de investigación
que utiliza una serie de raíces de las líneas secantes para aproximar mejor
la raíz de una función f.
-Formula:
Se usa la primera fórmula de Newton-Raphson:
𝑓(𝑥)
𝑥𝑛+1 = 𝑥𝑛 −
𝑓′(𝑥)
Luego en vez de usar la derivada 𝒇′(𝒙𝒏 ) se aproxima por la siguiente
ecuación:
𝑓(𝑥𝑛 ) − 𝑓(𝑥𝑛−1 )
𝑓′(𝑥𝑛 ) ≃
𝑥𝑛 − 𝑥𝑛−1
50
Ya que para el cálculo de 𝒙𝒏+𝟏 se necesita conocer 𝒙𝒏 y 𝒙𝒏+𝟏 , se deben
dar al inicio del proceso una aproximación inicial de 𝒙𝟎 y 𝒙𝟏
El método debería parar cuando |𝑥𝑛+1 − 𝑥𝑛 | sea menor que la precisión
requerida.
Ejemplo 1:
Se utilizará el método de la secante para encontrar una raíz aproximada de
la función:
𝑓(𝑥) = 𝑥 2 − 4
Cuando 𝑥0 = 4 y 𝑥1 = 3 hasta que se tengamos un error aproximado menor
a 0.01 (| ∈r | ≤ 0.01)
Solución:
*Primera iteración:
-1er paso:
Sustituimos los valores de x en la función:
Para 𝑥0 = 4
𝑓(𝑥0 ) = 42 − 4 = 12
Para 𝑥1 = 3
𝑓(𝑥1 ) = 32 − 4 = 5
-2do paso:
Aplicando lo primera iteración con la fórmula:
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
5(4 − 3)
𝑥2 = 3 −
12 − 5
𝒙𝟐 = 𝟐. 𝟐𝟖𝟓𝟕
51
-3er paso:
Se calcula el error aproximado.
𝑥2 − 𝑥1
𝐸𝑟 = ⃒ ⃒
𝑥2
2.2857 − 3
𝐸𝑟 = ⃒ ⃒
2.2857
𝐸𝑟 = 𝟎. 𝟑𝟏𝟐
*Segunda iteración:
Se siguen los mismos pasos de la primera iteración, teniendo:
𝑓(𝑥2 ) = 1.2244
𝑓(𝑥1 ) = 5
𝑓(𝑥2 )(𝑥1 − 𝑥2 )
𝑥3 = 𝑥2 −
𝑓(𝑥1 ) − 𝑓(𝑥2 )
1.2244(3 − 2.2857)
𝑥3 = 2.2857 −
5 − 1.2244
𝑥3 = 𝟐. 𝟎𝟓𝟒𝟎𝟏
2.2857 − 2.05401
𝑬𝒓 = ⃒ ⃒
2.05401
𝑬𝒓 = 𝟎. 𝟏𝟏𝟑
52
Xn Aprox. a la raíz. Error Aproximado
X2 2.2857 0.312
X3 2.05401 0.113
X4 2.0036 0.025
X5 2.0000 0.002
Ejemplo 2:
Se utilizará el método de la secante para encontrar una raíz aproximada de
la función:
𝟐
𝒇(𝒙) = 𝒆−𝒙 − 𝒙
Cuando 𝑥0 = 0 y 𝑥1 = 1 hasta que se tengamos un error aproximado menor
a 0.01 (| ∈r | ≤ 0.1)
Solución:
*Primera iteración:
-1er paso:
Sustituimos los valores de x en la función:
Para 𝑥0 = 0
2
𝑓(𝑥0 ) = 𝑒 −(0) − (0) = 1
Para 𝑥1 = 1
2
𝑓(𝑥1 ) = 𝑒 −(1) − (1) = −0.6321
-2do paso:
Aplicando lo primera iteración con la fórmula:
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
53
Se sustituye en la fórmula de la secante, los valores hallados
anteriormente, para calcular la primera aproximación, que se denota como
(−0.6321)(0 − 1)
𝑥2 = 1 −
(1) − (− 0.6321)
𝒙𝟐 = 𝟎. 𝟔𝟏𝟐𝟕
-3er paso:
Se calcula el error aproximado.
𝑥2 − 𝑥1
𝐸𝑟 = ⃒ ⃒
𝑥2
0.6127 − 1
𝐸𝑟 = ⃒ ⃒
0.6127
𝑬𝒓 = 𝟎. 𝟔𝟑𝟐
*Segunda iteración:
Se siguen los mismos pasos de la primera iteración, teniendo:
𝑓(𝑥2 ) = 0.7749
𝑓(𝑥1 ) = −0.6321
𝑓(𝑥2 )(𝑥1 − 𝑥2 )
𝑥3 = 𝑥2 −
𝑓(𝑥1 ) − 𝑓(𝑥2 )
0.7749(1 − 0.6127)
𝑥3 = 0.6127 −
−0.6321 − 0.7749
𝒙𝟑 = 𝟎. 𝟔𝟓𝟑𝟒
0.6534 − 0.6127
𝑬𝒓 = ⃒ ⃒
0.6534
54
𝑬𝒓 = 𝟎. 𝟎𝟔𝟐
55
2.5 PUNTO FIJO
𝑥 = 𝑔(𝑥)
𝒙𝒏+𝟏 = 𝒈(𝒙)
|𝑔′(𝑥)| ≤ 1
56
Ejemplo 1:
Dada la siguiente función 𝑓(𝑥) = 𝑥 2 − 4𝑥 − 3 encuentre una aproximación a
la raíz de la función por medio del método de punto fijo. Utilice como valor
inicial 𝒙𝟎 = −𝟎. 𝟓 y una tolerancia de 0,01.
Solución:
-1er paso:
Primero se debe hallar la ecuación de la forma 𝑥 = 𝑔(𝑥), para ello se debe
despejar x:
𝑥 2 − 4𝑥 − 3 = 0
𝑥 × (𝑥 − 4) − 3 = 0
3
𝑥=
(𝑥 − 4)
3
𝑔(𝑥) =
(𝑥 − 4)
57
𝑥
𝑔′(𝑥) =
2
-2do paso:
𝒙𝟎 = −𝟎. 𝟓
𝑓(𝑥𝑛 ) = x2 - 4x - 3
*Primera iteración:
3
𝑥1 =
(𝑥 − 4)
𝟑
𝒙𝟏 = = −𝟎, 𝟔𝟔𝟔𝟔
((−𝟎. 𝟓 ) − 𝟒)
𝑓(𝑥𝑛 ) = 𝑥 2 − 4𝑥 − 3
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
(−0,6666) − (−0.5)
𝐸𝑟 = ⃒ ⃒ = 𝟎. 𝟐𝟓
(−0,6666)
58
*Segunda iteración:
Se siguen los mismos pasos de la primera iteración, teniendo:
3
𝑥2 =
(𝑥 − 4)
3
𝑥2 = = − 0.6428
((−0,6666) − 4)
𝑓(𝑥𝑛 ) = 𝑥 2 − 4𝑥 − 3
𝑥2 − 𝑥1
𝑬𝒓 = ⃒ ⃒
𝑥2
(− 0.6428) − (−0,6666)
𝐸𝑟 = ⃒ ⃒ = 𝟎. 𝟎𝟑𝟕
(− 0.6428)
El proceso continúa de manera iterativa hasta que el error sea menor que
la tolerancia de 0,01
59
Ejemplo 2:
Dada la siguiente función 𝒇(𝒙) = 𝒆−𝒙 − 𝒙 = 𝟎 encuentre una
aproximación a la raíz de la función por medio del método de punto fijo.
Utilice como valor inicial 𝒙𝟎 = 𝟏 y una tolerancia de 0,01.
Solución:
-1er paso:
Primero se debe hallar la ecuación de la forma 𝑥 = 𝑔(𝑥), para ello se debe
despejar x:
𝒆−𝒙 − 𝒙 = 𝟎
𝒙 = 𝒆−𝒙
60
Y claramente se escoge como función iteradora a:
𝒈(𝒙) = 𝒆−𝒙
Con lo anterior, se puede construir la tabla del método (la cual se mostrará
al final), en donde se calcula de manera iterativa el siguiente x mediante la
función g(x). Con cada valor encontrado se halla el error para verificar si es
una aproximación a la raíz de acuerdo con la tolerancia dada.
*Primera iteración:
𝒙𝟏 = 𝒆−𝒙 − 𝒙
𝒙𝟏 = 𝒆−𝟏 = 𝟎, 𝟑𝟔𝟕
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
𝒙𝟐 = 𝒆−𝒙 − 𝒙
61
𝒙𝟐 = 𝒆−𝟎.𝟑𝟔𝟕 = 𝟎. 𝟔𝟗𝟐
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
𝒙𝟑 = 𝒆−𝒙 − 𝒙
𝒙𝟑 = 𝒆−𝟎.𝟔𝟗𝟐 = 𝟎. 𝟓𝟎𝟎
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
62
*Cuarta iteración:
𝒙𝟒 = 𝒆−𝒙 − 𝒙
𝒙𝟒 = 𝒆−𝟎.𝟓𝟎𝟎 = 𝟎. 𝟔𝟎𝟔
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
𝒙𝟓 = 𝒆−𝒙 − 𝒙
𝒙𝟓 = 𝒆−𝟎.𝟔𝟎𝟔 = 𝟎. 𝟓𝟒𝟓
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
63
*Sexta iteración:
𝒙𝟔 = 𝒆−𝒙 − 𝒙
𝒙𝟔 = 𝒆−𝟎.𝟓𝟒𝟓 = 𝟎. 𝟓𝟕𝟗
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
*Séptima iteración:
𝒙𝟕 = 𝒆−𝒙 − 𝒙
𝒙𝟕 = 𝒆−𝟎.𝟓𝟕𝟗 = 𝟎. 𝟓𝟔𝟎
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
𝒙𝟖 = 𝒆−𝒙 − 𝒙
𝒙𝟖 = 𝒆−𝟎.𝟓𝟔𝟎 = 𝟎. 𝟓𝟕𝟏
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
*Novena iteración:
𝒙𝟗 = 𝒆−𝒙 − 𝒙
𝒙𝟗 = 𝒆−𝟎.𝟓𝟕𝟏 = 𝟎. 𝟓𝟔𝟒
𝒇(𝒙𝒏 ) = 𝒆−𝒙 − 𝒙
𝑥1 − 𝑥0
𝑬𝒓 = ⃒ ⃒
𝑥1
65
El proceso continúa de manera iterativa hasta que el error sea menor que
la tolerancia de 0,01
66
2.7 MÉTODO DE MÜLLER
El método de Müller es una generalización del método de la secante. El
método de la secante empieza con 2 puntos 𝒙−𝟏 y 𝒙𝟎 y determina la siguiente
aproximación 𝒙𝟏 como la intersección del eje x con la recta que pasa por
(𝑥−1 . 𝑓(𝑥−1 )) y (𝑥0 . 𝑓(𝑥0 ))
67
𝑓(𝑥0 ) = 𝑎(𝑥0 − 𝑥0 )2 + 𝑏(𝑥0 − 𝑥0 )2 + 𝑐 = 𝑐 (1.38)
Las cuales nos dan
(𝑥−1 − 𝑥0 )[𝑓(𝑥−2 ) − 𝑓(𝑥0 )] − (𝑥−2 − 𝑥0 )[𝑓(𝑥−1 ) − 𝑓(𝑥0 )]
𝑎= (1.39)
(𝑥−2 − 𝑥0 )(𝑥−1 − 𝑥0 )(𝑥−2 − 𝑥−1 )
ℎ0 = 𝑥−1 − 𝑥−2
ℎ1 = 𝑥0 − 𝑥−1
𝑓(𝑥−1 ) − 𝑓(𝑥−2 )
𝛿0 =
𝑥−1 − 𝑥−2
𝑓(𝑥0 ) − 𝑓(𝑥−1 )
𝛿1 = (1.44)
𝑥0 − 𝑥−1
68
Estas se sustituyen en las ecuaciones (1.42) y (1.43) para dar:
(ℎ0 + ℎ1 )𝑏 − (ℎ0 + ℎ1 )2 𝑎 = ℎ0 𝛿0 + ℎ1 𝛿1
ℎ1 𝑏 − ℎ1 2 𝑎 = ℎ1 𝛿1
𝛿1 − 𝛿0
𝑎= (1.45)
ℎ1 − ℎ0
𝑏 = 𝑎ℎ1 + 𝛿1 (1.46)
𝑐 = 𝑓(𝑥0 ) (1.47)
−2𝑐
𝑥1 = 𝑥0 − (1.49)
𝑏 + 𝑠𝑖𝑔𝑛𝑜(𝑏)√𝑏 2 − 4𝑎𝑐
69
Como antecedente para la explicación del método, se tiene el método de
Newton-Raphson, el cual es un método abierto que encuentra la raíz de x,
tal que𝑓(x) = 0, el método se resume así:
𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥1 −
𝑓´(𝑥𝑖 )
70
Ejemplo 1:
Determinar la raíz de 𝑓(𝑥) = 𝒙𝟐 − 𝒆−𝒙 = 𝟎 usando el método de Müller con
𝒙−𝟐 = −𝟏, 𝒙−𝟏 = 𝟎 y 𝒙𝟎 = 𝟐. Realice dos iteraciones. Determine el error
relativo de aproximación en la última iteración.
Solución:
-1er paso:
Se determina la primera aproximación a la raíz.
*Primera iteración (𝑖 = 1).
−2𝑐
𝑥1 = 𝑥0 −
𝑏 + 𝑠𝑖𝑔𝑛𝑜(𝑏)√𝑏 2 − 4𝑎𝑐
71
(𝑥−2 − 𝑥0 )2 [𝑓(𝑥−1 ) − 𝑓(𝑥0 )] − (𝑥−1 − 𝑥0 )2 [𝑓(𝑥−2 ) − 𝑓(𝑥0 )]
𝑏=
(𝑥−2 − 𝑥0 )(𝑥−1 − 𝑥0 )(𝑥−2 − 𝑥−1 )
𝑐 = 𝑓(𝑥0 )
𝑥−2 = −1
𝑥−1 = 0
𝑥0 = 2
𝑎 = 0.571350
𝑏 = 3.575032
𝑐 = 3.864664
2(3.864664)
𝑥1 = 2 −
3.575032 + √(3.575032)2 − 4(0.571350)(3.864664)
𝑥1 = 0.610364
72
-2do paso:
Se procede a hacer la segunda iteración con 𝑥−1 = 0, 𝑥0 = 2 y 𝑥1 = 0.610364
𝑓(𝑥−1 ) = −1
𝑓(𝑥0 ) = 3.864664
𝑎 = 0.772494
𝑏 = 1.830350
𝑐 = −0.170607
2(−0.170607)
𝑥2 = 0.610364 −
1.830350 + √(1.830350)2 − 4(0.772494)(−0.170607)
𝑥2 = 0.700171
0.700171 − 0.610364
ɛ𝑎 = | | = 0.1283
0.700171
73
Ejemplo 2:
𝒙𝟐
Determinar la raíz de 𝟐𝒔𝒆𝒏(𝒙) − utilizando el método de Müller con
𝟏𝟎
𝒙𝟎 = 𝟐. 𝟓
Solución:
74
Paso 2: Sustituyendo en la fórmula de Newton se obtiene que
𝑥
2 𝑐𝑜𝑠(𝑥) −
𝑥𝑖+1 = 𝑥1 − 5
1
−2 𝑠𝑒𝑛(𝑥) −
5
2.5
2 𝑐𝑜𝑠(2.5) −
𝑥1 = 2.5 − 5 = 0.995
1
−2 𝑠𝑒𝑛(2.5) −
5
0.995
2 𝑐𝑜𝑠(0.995) −
𝑥2 = 0.995 − 5 = 1.469
1
−2 𝑠𝑒𝑛(0.995) −
5
1.469 − 0.995
ɛ𝑎 = | | = 0.322
1.469
1.774
2 𝑐𝑜𝑠(1.774) −
𝑥3 = 1.774 − 5 = 1.427
1
−2 𝑠𝑒𝑛(1.774) −
5
1.4721 − 1.469
ɛ𝑎 = | | = 0.00210
1.4721
75
Paso 5: Se proceden a tabular los resultados obtenidos junto al error
relativo de aproximación.
76
3. DERIVACIÓN E INTEGRACIÓN NUMÉRICA
3.1 Derivación numérica:
La derivación numérica es una técnica de análisis numérico para calcular
una aproximación a la derivada de una función en un punto utilizando
valores y propiedades de la misma.
𝑓(𝑥 + ℎ) − 𝑓(𝑥)
𝑓 ′ (𝑥) = lim
ℎ→0 ℎ
Diferencias hacia adelante:
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥0 ) ≈
ℎ
Diferencias hacia atrás:
77
𝑓(𝑥0 ) − 𝑓(𝑥0 − ℎ)
𝑓 ′ (𝑥0 ) ≈
ℎ
La aproximación de la derivada por este método, entrega resultados
aceptables con un determinado margen de error. Para minimizar los errores,
se estima que el promedio de ambas entregas la mejor aproximación
numérica al problema dado:
Fórmulas generales para la primera y la segunda derivada.
-Para la primera derivada:
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)
𝑓 ′ (𝑥0 ) ≈
2ℎ
78
Ejemplo 1: Encontrar la primera y la segunda derivada de la función
f(x) = cos(𝑥) con valor inicial de 𝑥 = 2, ℎ = 0.001
Solución:
𝑐𝑜𝑠(2.001) − cos(1.999)
𝑓 ′ (2) ≈ ≈ −0.9092
0.002
En la segunda derivada:
𝑓(2 + 0.001) − 2𝑓(2) + 𝑓(2 − 0.001)
𝑓 ′′ (2) ≈
0.0012
x h 𝑓′(𝑥0 ) 𝑓′′(𝑥0 )
2 0.001 −0.9092 0.4161
79
Ejemplo 2: Encontrar la primera y la segunda derivada de la función
𝒇(𝒙) = 𝒍𝒏 𝒙 − 𝒔𝒆𝒏(𝒙) con valor inicial de 𝒙 = 𝟑, 𝒉 = 𝟎. 𝟎𝟎𝟎𝟏
Solución:
Se reemplazan los valores iniciales dentro de la fórmula de la primera
derivada y se evalúa.
𝑓(3 + 0.0001) − 𝑓(3 − 0.0001)
𝑓′(3) ≈
3(0.0001)
𝑓′(3) ≈ 𝟎. 𝟖𝟖𝟐𝟐𝟐
En la segunda derivada:
𝑓(3 + 0.0001) − 2𝑓(3) + 𝑓(3 − 0.0001)
𝑓 ′′ (3) ≈
0.00012
𝑓′′(3) ≈ 𝟎. 𝟎𝟑𝟎𝟎𝟏
x h 𝑓′(𝑥0 ) 𝑓′′(𝑥0 )
3 0.0001 0.88222 0.03001
80
3.2 Integración numérica
Integración por el método de los rectángulos en tres formas: con altura en
el extremo izquierdo, con altura en el extremo derecho y con altura en el
punto medio del subintervalo.
La regla de los rectángulos tiene como finalidad hallar el área bajo la curva
de una función entre dos intervalos a y b, que también es llamada la integral
definida de una función en un intervalo a y b.
Formulas:
Formula h para hallar el ancho de cada intervalo:
𝑏−𝑎
ℎ=
𝑛
Donde n es el número de particiones del área.
- Rectángulos con altura en el extremo izquierdo de cada sub intervalo:
𝑛−1
𝑏
𝐼 = ∫ 𝑓(𝑥 )𝑑𝑥 = ∑ 𝐹 (𝑥𝑖 ) × ℎ
𝑎 𝑖=0
- Rectángulos con altura en el extremo derecho de cada sub intervalo:
𝑏 𝑛
𝑏 𝑛−1
𝑎+𝑏
𝑥̅𝑖 =
2
81
Ejemplo 1:
Hallar el área bajo la curva de la función 𝑓(𝑥) = 2𝑥 2 por el método de los
rectángulos en el intervalo [0,1], con n=4 particiones, por la parte
izquierda, derecha y en el punto medio de los rectángulos.
Solución
𝑓(𝑥) = 2𝑥 2
82
1
∫ 2𝑥 2 𝑑𝑥
0
A continuación, se procede a hallar el valor del área bajo la curva por el lado
izquierdo de los rectángulos, primero se evalúa los valores de los
rectángulos por el lado izquierdo en la función original:
𝑓(𝑥) = 2𝑥 2
𝑓(0) = 2(0)2 = 0
𝑓(0.25) = 2(0.25)2 = 0.125
𝑓(0.5) = 2(0.5)2 = 0.5
𝑓(0.75) = 2(0.75)2 = 1.125
Luego se procede a dibujar los 4 rectángulos que cubre el área bajo la curva
en el intervalo [0,1]
83
Luego se procede a hacer la sumatoria de los valores obtenidos
anteriormente multiplicado por h:
0.25(0 + 0.125 + 0.5 + 1.125) = 0.4375
0.4375 es el valor aproximadamente para el área bajo la curva por el lado
izquierdo de los rectángulos.
A continuación, se procede a hallar el valor del área bajo la curva por el lado
derecho de los rectángulos, primero se evalúa los valores de los
rectángulos por el lado izquierdo en la función original:
𝑓(𝑥) = 2𝑥 2
𝑓(0.25) = 2(0.25)2 = 𝟎. 𝟏𝟐𝟓
𝑓(0.5) = 2(0.5)2 = 𝟎. 𝟓
𝑓(0.75) = 2(0.75)2 = 𝟏. 𝟏𝟐𝟓
𝑓(1) = 2(1)2 = 𝟐
84
Luego se procede a hacer la sumatoria de los valores obtenidos
anteriormente:
0.25(0.125 + 0.5 + 1.125 + 2) = 0.9375
85
A continuación, se procede a hallar el valor del área bajo la curva por el
punto medio de los rectángulos, primero se halla los valores x del punto
medio mediante la siguiente formula:
𝑎+𝑏
𝑥𝑖 =
2
0 + 0.25
𝑥1 = = 𝟎. 𝟏𝟐𝟓
2
0.25 + 0.5
𝑥2 = = 𝟎. 𝟑𝟕𝟓
2
0.5 + 0.75
𝑥3 = = 𝟎. 𝟔𝟐𝟓
2
0.75 + 1
𝑥4 = = 𝟎. 𝟖𝟕𝟓
2
86
Prosiguiendo se evalúa los valores de x obtenidos anteriormente en la
función original:
𝑓(𝑥) = 2𝑥 2
𝑓(0.125) = 2(0.125)2 = 0.03125
𝑓(0.375) = 2(0.375)2 = 0.28125
𝑓(0.625) = 2(0.625)2 = 0.78125
𝑓(0.875) = 2(0.875)2 = 1.53125
87
Ejemplo 2:
3
Hallar el área bajo la curva de la función 𝑓 (𝑥 ) = 1 + 𝑥 2 por el método
de los rectángulos en el intervalo [𝟎, 𝟏] y con n=5 particiones, por la parte
izquierda, derecha y en el punto medio de los rectángulos.
Solución
88
Primero se reescribe la función en su forma de integral:
3
𝑓(𝑥) = (1 + 𝑋 2 )
1 3
∫ (1 + 𝑋 2 )𝑑𝑥
0
1 1
0+ = = 𝟎. 𝟐
5 5
1 1 2
+ = = 𝟎. 𝟒
5 5 5
2 1 3
+ = = 𝟎. 𝟔
5 5 5
89
3 1 4
+ = = 𝟎. 𝟖
5 5 5
4 1
+ =𝟏
5 5
A continuación, se procede a hallar el valor del área bajo la curva por el lado
izquierdo de los rectángulos, primero se reemplazan los intervalos en la
función:
𝑏 𝑛−1
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∑ 𝐹(𝑥𝑖 ) × ℎ
𝑎 𝑖=0
3
𝑓(𝑥) = 1 + 𝑋 2
3
𝑓(0) = 1 + (0) 2 = 1
3
𝑓(0.2) = 1 + (0.2) 2 = 1.0894
3
𝑓(0.4) = 1 + (0.4) 2 = 1.2529
3
𝑓(0.6) = 1 + (0.6) 2 = 1.4647
3
𝑓(0.8) = 1 + (0.8) 2 = 1.7155
90
Luego, se procede a hacer la sumatoria de los valores obtenidos
anteriormente y se multiplican por h:
0.2(1 + 1.0894 + 1.2529 + 1.4647 + 1.7155) = 1.304
1.304 es el valor aproximadamente para el área bajo la curva por el lado
izquierdo de los rectángulos.
A continuación, se procede a hallar el valor del área bajo la curva por el lado
derecho de los rectángulos, primero se evalúa los valores de los
rectángulos por el lado derecho en la función original:
91
𝑏 𝑛
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∑ 𝐹(𝑥𝑖 ) × ℎ
𝑎 𝑖=1
3
𝑓(0.2) = 1 + (0.2) 2 = 1.0894
3
𝑓(0.4) = 1 + (0.4) 2 = 1.2529
3
𝑓(0.6) = 1 + (0.6) 2 = 1.4647
3
𝑓(0.8) = 1 + (0.8) 2 = 1.7155
3
𝑓(1) = 1 + (1) 2 = 2
92
Luego se procede a hacer la sumatoria de los valores obtenidos
anteriormente y se multiplican por h:
1.504 es el valor aproximado para el área bajo la curva por el lado derecho
de los rectángulos.
𝑎+𝑏
𝑥𝑖 =
2
0 + 0.2
𝑥1 = = 𝟎. 𝟏
2
0.2 + 0.4
𝑥2 = = 𝟎. 𝟑
2
0.4 + 0.6
𝑥3 = = 𝟎. 𝟓
2
0.6 + 0.8
𝑥4 = = 𝟎. 𝟕
2
0.8 + 1
𝑥5 = = 𝟎. 𝟗
2
93
Prosiguiendo se evalúa los valores de x obtenidos anteriormente en la
función original:
3
𝑓(𝑥) = 1 + 𝑋 2
3
𝑓(0.1) = 1 + (0.1) 2 = 1.0316
3
𝑓(0.3) = 1 + (0.3) 2 = 1.1643
3
𝑓(0.5) = 1 + (0.5) 2 = 1.3535
3
𝑓(0.7) = 1 + (0.7) 2 = 1.5856
94
3
𝑓(0.9) = 1 + (0.9) 2 = 1.8538
95
3.3 Integración por el método de trapecios.
La regla de los trapecios es una forma de aproximar la integral definida
utilizando n trapecios. En la formulación de este método se supone que f(x)
es continua y positiva en el intervalo [a, b].
Formula general:
𝑛
𝑏
ℎ
𝐼 = ∫ 𝑓(𝑥 )𝑑𝑥 = [𝐹 (𝑥0 ) + 2 ∑ 𝐹 (𝑥𝑖 ) + 𝐹 (𝑥𝑛 )]
𝑎 2
𝑖=1
96
Ejemplo 1:
97
-1er paso:
Encontrar el ancho de cada intervalo.
2−0 𝟏
ℎ= =
4 𝟐
-2do paso:
Para encontrar los intervalos empezamos desde el intervalo inferior (0)
sumando h.
1 𝟏
0+ = = 𝟎. 𝟓
2 𝟐
1 1
+ =𝟏
2 2
1 𝟑
1+ = = 𝟏. 𝟓
2 𝟐
3 1
+ =𝟐
2 2
98
-3er paso:
Se reemplaza los intervalos en la función inicial:
𝑓(𝑥) = −𝑥 2 + 4𝑥
𝑓(0) = −(0)2 + 4(0) = 𝟎
𝑓(0.5) = −(0.5)2 + 4(0.5) = 𝟏. 𝟕𝟓
𝑓(1) = −(1)2 + 4(1) = 𝟑
𝑓(1.5) = −(1.5)2 + 4(1.5) = 𝟑. 𝟕𝟓
𝑓(2) = −(2)2 + 4(2) = 𝟒
-4to paso:
𝑏 𝑛
ℎ
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = [𝐹(𝑥0 ) + 2 ∑ 𝐹(𝑥𝑖 ) + 𝐹(𝑥𝑛 )]
𝑎 2
𝑖=1
Remplazando en la fórmula:
2
ℎ
∫ (−𝑥 2 + 4𝑥)𝑑𝑥 = [0 + 2𝑓(0.5) + 2𝑓(1) + 2𝑓(1.5) + 𝑓(2)]
0 2
0.5
[0 + 2(1.75) + 2(3) + 2(3.75) + (4)]
2
0.5
[21] = 5.25
2
99
Ejemplo 2:
Solución:
-1er paso:
Encontrar el ancho de cada intervalo.
2−0 𝟐
ℎ= =
5 𝟓
100
-2do paso:
Para encontrar los intervalos empezamos desde el intervalo inferior (0)
sumando h.
2 𝟐
0+ = = 𝟎. 𝟒
5 𝟓
2 2 𝟒
+ = = 𝟎. 𝟖
5 5 𝟓
4 2 𝟔
+ = = 𝟏. 𝟐
5 5 𝟓
6 2 𝟖
+ = = 𝟏. 𝟔
5 5 𝟓
8 2
+ =𝟐
5 5
101
-3er paso:
Se reemplaza los intervalos en la función inicial:
2
𝑓(𝑥) = 7 − 9𝑥 + 3𝑥3
𝑓(0) = 7 − 9(0)2 + 4(03 ) = 𝟕
𝑓(0.4) = 7 − 9(0.4)2 + 4(0.43 ) = 𝟓. 𝟖𝟏𝟔
𝑓(0.8) = 7 − 9(0.8)2 + 4(0.83 ) = 𝟑. 𝟐𝟖𝟖
𝑓(1.2) = 7 − 9(1.2)2 + 4(1.23 ) = 𝟎. 𝟗𝟓𝟐
𝑓(1.6) = 7 − 9(1.6)2 + 4(1.63 ) = 𝟎. 𝟑𝟒𝟒
𝑓(2) = 7 − 9(2)2 + 4(23 ) = 𝟑
-4to paso:
𝑏 𝑛
ℎ
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = [𝐹(𝑥0 ) + 2 ∑ 𝐹(𝑥𝑖 ) + 𝐹(𝑥𝑛 )]
𝑎 2
𝑖=1
Remplazando en la fórmula:
2
ℎ
∫ (−𝑥 2 + 4𝑥)𝑑𝑥 = [0 + 2𝑓(0.4) + 2𝑓(0.8) + 2𝑓(1.2) + 2𝑓(1.6) + 𝑓(2)]
0 2
0.4
[0 + 2(5.816) + 2(3.288) + 2(0.952) + 2(0.344) + (3)]
2
0.4
[23.8] = 4.76
2
Finalmente, la solución de la integral por el método de los trapecios es
5.25
102
3.4 Método de Simpson 1/3:
En análisis numérico, la regla o método de Simpson (nombrada así en
honor de Thomas Simpson) y a veces llamada regla de Kepleres un método
de integración numérica que se utiliza para obtener la aproximación de
la integral:
𝑏
𝑏−𝑎 𝑎+𝑏
∫ 𝑓(𝑥) 𝑑𝑥 ≈ [𝑓(𝑎) + 4𝑓 ( ) + 𝑓(𝑏)]
𝑎 6 2
La función f (x) (azul) es aproximada por una función cuadrática P (x) (rojo).
Se considera el polinomio interpolador de orden dos 𝑃2 (𝑥), que aproxima a
(𝑎+𝑏)
la función integrando 𝑓(𝑥) entre los nodos 𝑥0 = 𝑎, 𝑥1 = 𝑏 y 𝑚 = . La
2
expresión de ese polinomio interpolante, expresado a través de la
interpolación polinómica de Lagrange es:
Es equivalente a:
𝑏
𝑏−𝑎
𝐼 = ∫ 𝑃2 (𝑥)𝑑𝑥 + término error = [𝑓(𝑎) + 4𝑓(𝑚) + 𝑓(𝑏)] + 𝐸(𝑓)
𝑎 6
103
𝟏
𝐌é𝐭𝐨𝐝𝐨 𝐝𝐞 𝐒𝐢𝐦𝐩𝐬𝐨𝐧
𝟑
1
Para hallar la fórmula de Simpson se tiene inicialmente la función y el
3
intervalo en el que se va a evaluar.
𝑥1
∫ 𝑓(𝑥)𝑑𝑥
𝑥0
Entonces:
𝑥1 𝑥1
∫ 𝑓(𝑥)𝑑𝑥 ≈ ∫ 𝑓2 (𝑥)𝑑𝑥
𝑥0 𝑥0
Dónde:
(𝑥 − 𝑥𝑚 )(𝑥 − 𝑏) (𝑥 − 𝑎)(𝑥 − 𝑏) (𝑥 − 𝑎)(𝑥 − 𝑥𝑚 )
𝑓2 (𝑥) = 𝑓(𝑎) + 𝑓(𝑥𝑚 ) + 𝑓(𝑏)
(𝑎 − 𝑥𝑚 )(𝑎 − 𝑏) (𝑥𝑚 − 𝑎)(𝑥𝑚 − 𝑏) (𝑏 − 𝑎)(𝑏 − 𝑥𝑚 )
𝑏−𝑎
ℎ= = 𝑥𝑚 − 𝑎 = 𝑏 − 𝑥𝑚
2
104
𝑓(𝑎) 𝑓(𝑥𝑚 ) 𝑓(𝑏)
𝑓2 (𝑥) = 2
(𝑥 − 𝑥𝑚 )(𝑥 − 𝑏) + 2
(𝑥 − 𝑎)(𝑥 − 𝑏) + (𝑥 − 𝑎)(𝑥 − 𝑥𝑚 )
2ℎ ℎ 2ℎ2
𝑏
𝑓(𝑎) 𝑏 𝑓(𝑥𝑚 ) 𝑏
∫ 𝑓2 (𝑥)𝑑𝑥 = ∫ (𝑥 − 𝑥𝑚 )(𝑥 − 𝑏) 𝑑𝑥 + ∫ (𝑥 − 𝑎)(𝑥 − 𝑏)𝑑𝑥
𝑎 2ℎ2 𝑎 ℎ2 𝑎
𝑓(𝑏) 𝑏
+ ∫ (𝑥 − 𝑎)(𝑥 − 𝑥𝑚 )𝑑𝑥
2ℎ2 𝑎
𝑏 𝑏
(𝑥 − 𝑏)2 (𝑥 − 𝑏)3
𝐼1 = ∫ (𝑥 − 𝑥𝑚 )(𝑥 (𝑥
− 𝑏)𝑑𝑥 = − 𝑥𝑚 ) − |
𝑎 2 6 𝑎
(𝑥 − 𝑏)2 (𝑥 − 𝑏)3
= (𝑎 − 𝑥𝑚 ) −
2 6
(−2ℎ)2 (−2ℎ)3
= −(−ℎ) −
2 6
4 2
= 2ℎ3 − ℎ3 = ℎ3
3 3
𝑏 𝑏
(𝑥 − 𝑏)2 (𝑥 − 𝑏)3
𝐼2 = ∫ (𝑥 − 𝑎)(𝑥 − 𝑏)𝑑𝑥 = (𝑥 − 𝑎) − |
𝑎 2 6 𝑎
(𝑎 − 𝑏)3 (−2ℎ)3 4
= = = − ℎ3
𝑏 6 3
𝑏 𝑏
(𝑥 − 𝑥𝑚 )2 (𝑥 − 𝑥𝑚 )3
𝐼3 = ∫ (𝑥 − 𝑎)(𝑥 − 𝑥𝑚 )𝑑𝑥 = (𝑥 − 𝑎) − |
𝑎 2 6 𝑎
(𝑏 − 𝑥𝑚 )2 (𝑏 − 𝑥𝑚 )3 (𝑎 − 𝑥𝑚 )3
= (𝑎 − 𝑥𝑚 ) − +
2 6 6
ℎ2 ℎ3 (−ℎ3 ) ℎ3 2ℎ3
= (2ℎ) − + = ℎ3 − =
2 6 6 3 3
𝑏
𝑓(𝑎) 2 3 𝑓(𝑥𝑚 ) 4 3 𝑓(𝑏) 2ℎ3
∫ 𝑓2 (𝑥)𝑑𝑥 = ( ℎ )+ (− ℎ ) + ( )
𝑎 2ℎ2 3 ℎ2 3 2ℎ2 3
105
ℎ 4 ℎ ℎ
= 𝑓(𝑎) + 𝑓(𝑥𝑚 ) + 𝑓(𝑏) = [𝑓(𝑎) + 4𝑓(𝑥𝑚 ) + 𝑓(𝑏)]
3 3 3 3
Por lo tanto:
𝑏
𝑓(𝑎) + 4𝑓(𝑥𝑚 ) + 𝑓(𝑏)
∫ 𝑓(𝑥) 𝑑𝑥 ≈ (𝑏 − 𝑎) [ ]
𝑎 6
1
𝑅𝑒𝑔𝑙𝑎 𝑠𝑖𝑚𝑝𝑙𝑒 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛
3
𝑏−𝑎
ℎ= 𝑥𝑀 ∈ [𝑥𝑖−1 , 𝑥𝑖 ]
𝑛
𝑏 𝑥1 𝑥2 𝑥𝑛
∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 + ⋯ + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 𝑥0 𝑥1 𝑥𝑛−1
Por lo tanto:
𝑏 𝑓(𝑥0 ) + 4 ∑𝑛−1 𝑛−2
𝑖=𝑖𝑚𝑝𝑎𝑟 𝑓(𝑥𝑖 ) + 2 ∑𝑗=𝑝𝑎𝑟 𝑓(𝑥𝑗 ) + 𝑓(𝑥𝑛 )
∫ 𝑓(𝑥) 𝑑𝑥 ≈ (𝑏 − 𝑎) [ ]
𝑎 3𝑛
1
𝑅𝑒𝑔𝑙𝑎 𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛
3
106
2
Ejemplo 1: Encontrar la aproximación de la función 𝑓(𝑥) = 𝑒 𝑥 con
valores de 𝑎 = 0, 𝑏 = 1, 𝑥𝑚 = 0.5
Solución:
107
Paso 3: Se sustituyen los valores en la función a resolver y se encuentra el
resultado de la aproximación
2
1 + 4𝑒 (0.5) + 𝑒
= 1.4757
6
Ejemplo 2: Encontrar la aproximación de la integral para la función:
𝑒𝑥
𝑓(𝑥) = 𝑥 con las siguientes especificaciones:
108
Paso 2: Se reemplazan los valores para cada función
𝑓(2) + 4[𝑓(2.25) + 𝑓(2.75) + 𝑓(3.25) + 𝑓(3.75)] + 2[𝑓(2.5) + 𝑓(3) + 𝑓(3.5)] + 𝑓(4)
(4 − 2) [ ]
6(4)
= 14.6767
109
3.5 Método de Simpson 3/8.
La fórmula para hallar el valor de una integral definida está dada por:
𝑎
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3)]
𝑏 8
110
Ejemplo 1:
1
2
∫ 𝑒 𝑥 𝑑𝑥
0
Solución
𝑏−𝑎
ℎ=
𝑛
1−0 1
ℎ= = = 0.333
3 3
𝑥0 = 0
𝑥1 = 0 + 0.333 = 0.333
𝑥3 = 0.666 + 0.333 = 1
111
𝑓(𝑥0 ) = 1
𝑓(𝑥1 ) =1.11
𝑓(𝑥2 ) =1.55
𝑓(𝑥3 ) = 2.71
112
Por consiguiente, se muestra una tabla con los valores obtenidos
anteriormente de x y f(x):
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 0 1
1 0.333 1.11
2 0.666 1.55
3 1 2.71
𝑏
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3)]
𝑎 8
1
1 3(3)
𝑥2 [1 + 3(1.11) + 3(1.55) + 2.71] = 𝟏. 𝟒𝟔𝟏𝟐𝟓
∫ 𝑒 𝑑𝑥 =
0 8
113
Ejemplo 2:
1
𝑥
∫ 𝑑𝑥
0 (𝑥 + 1)(𝑥 + 2)
Solución
𝑏−𝑎
ℎ=
𝑛
1−0 1
ℎ= = = 0.333
3 3
𝑥0 = 0
𝑥1 = 0 + 0.333 = 0.333
𝑥3 = 0.666 + 0.333 = 1
Luego se halla los valores de 𝑓(𝑥0 ), 𝑓( 𝑥1 ), 𝑓(𝑥2 ), 𝑓(𝑥3 ):
114
𝑓(𝑥0 ) = 0
𝑓(𝑥1 ) =0.10
𝑓(𝑥2 ) =0.15
𝑓(𝑥3 ) = 0.16
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 0 0
1 0.333 0.10
2 0.666 0.15
3 1 0.16
115
𝑏
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3)]
𝑎 8
1
1
𝑥 3 (3)
∫ 𝑑𝑥 = [0 + 3(0.10) + 3(0.15) + 0.16] = 𝟎. 𝟏𝟏𝟑𝟕𝟓
0 (𝑥 + 1)(𝑥 + 2) 8
116
3.5 Integración por método de Monte Carlo
El método de Monte Carlo es un método no determinista o estadístico
numérico, que utiliza números aleatorios, usado para aproximar
expresiones matemáticas complejas y costosas de evaluar analíticamente
con exactitud. El método de Monte Carlo proporciona soluciones
aproximadas a una gran variedad de problemas matemáticos posibilitando
la realización de experimentos con muestreos de números
pseudoaleatorios en una computadora.
𝑥𝑖 = 𝑟𝑎𝑛𝑑𝑜𝑚1(𝑏 − 𝑎) + 𝑎
𝑦𝑖 = 𝑟𝑎𝑛𝑑𝑜𝑚2 × (𝑀)
117
En donde se describe que la integral de la función es el número de puntos
de éxito sobre el número de puntos totales que se evaluaron, multiplicado
por el área del rectángulo del intervalo.
La representación gráfica de esta fórmula es
118
Ejemplo 1:
Determinar la integral de 𝑓(𝑥) = 𝑥 3 + 2 en el intervalo x=1 y x=3 por
método de Monte Carlo.
Solución:
• a=1
• b=3
• M = f(b) = 29
• f(x) = x3+2
𝑥𝑖 = (0.615)(3 − 1) + 1 = 2.23
𝑦𝑖 = (0.147) × (29) = 4.263
119
𝑓(𝑥𝑖 ) = (𝑥𝑖 )3 + 2 = (2.23)3 + 2 = 13.0895
𝑦𝑖 ≤ 𝑓(𝑥𝑖 ) = 4.263 ≤ 13.0895
Ejemplo 2:
Determinar la integral de 𝑓(𝑥) = 𝑠𝑒𝑛(𝑥) + 5𝑥 2 en el intervalo x=1 y x=4 por
método de Monte Carlo.
Solución:
Paso 1: Primero se extrae todos los datos del problema:
• a=1
• b=4
• M = f(b) = 79.2431
• f(x) = Sen(x)+5x2
120
Paso 2: Obtener valores aleatorios, para ello utilizar la calculadora, para
este ejemplo tomaremos 20 valores aleatorios distribuidos para X y Y, es
decir 10 puntos aleatorios.
121
Random1 Random2
0.404 0.122
0.352 0.306
0.782 0.653
0.598 0.178
0.467 0.819
0.681 0.404
0.107 0.298
0.716 0.027
0.5 0.784
0.843 0.669
𝑥𝑖 = (0.404)(4 − 1) + 1 = 2.212
𝑦𝑖 = (0.122) × (79.2431) = 9.667
122
0.598 0.178 2.794 14.1052 39.3728 Verdadero
0.467 0.819 2.401 64.9001 29.4987 Falso
0.681 0.404 3.043 32.0142 46.3976 Verdadero
0.107 0.298 1.321 23.6144 9.6941 Falso
0.716 0.027 3.148 2.1395 49.5431 Verdadero
0.5 0.784 2.5 62.1265 31.8484 Falso
0.843 0.669 3.529 53.0136 61.8914 Verdadero
123
EJERCICIOS DE REPASO
Punto 1:
Usar la relación
𝟏
𝝅 −𝟏 (𝟏)
𝟏
= 𝒕𝒂𝒏 = ∫ 𝟐
𝒅𝒙
𝟒 𝟎 𝟏+𝒙
y las reglas de Simpson 1/3 y Simpson 3/8 con n=12 particiones, para
estimar el valor del número . Calcular el error relativo que se genera en
cada método.
Solución:
Método de Simpson 1/3:
𝑎=0
𝑏=1
1
𝑓(𝑥) =
1 + 𝑥2
En este caso tenemos que n=12, por lo que la partición que se genera es:
P={0, 0.0833, 0.1666, 0.2499, 0.3333, 0.4166, 0.4999, 0.5833, 0.6666, 0.7499, 0.8333, 0.9166, 1}
PM ={0.0416, 0.125, 0.2083, 0.2916, 0.3749, 0.4583, 0.5416, 0.6249, 0.7083, 0.7916, 0.8749, 0.9583}
124
1
1 𝑓(0)+4[𝑓(0.0416)+𝑓(0.125)+⋯+𝑓(0.9583)]+2[𝑓(0.0833)+⋯+𝑓(0.9166)]+𝑓(1)
∫ 2
𝑑𝑥 ≈(1-0) [ ]
0 1+𝑥 6(12)
1 1
= [1 + 4[9.426886] + 2[8.67168] + ] = 0.78542
72 2
π
Se obtiene que el valor de = 0.78542, por lo que el valor de 𝝅 = 3.14168
4
𝑎=0
𝑏=1
1
𝑓(𝑥) =
1 + 𝑥2
1
En este caso tenemos que n=12, entonces h= por lo que la partición
12
que se genera es:
P={0, 0.0833, 0.1666, 0.2499, 0.3333, 0.4166, 0.4999, 0.5833, 0.6666, 0.7499, 0.8333, 0.9166, 1}
125
Por lo tanto, sustituimos los datos en la fórmula para obtener:
1
1 3 1
∫ dx ≈ ( ) [f(0)+3[f(0.0833)+⋯+f(0.8333)]+3[f(0.1666)+⋯+f(0.9166)]+2[f(0.2499)+⋯+f(0.7499)]+f(1)]
0 1+x 2 8 12
1
= [1 + 3[3.2293] + 3[3.0607] + 2[2.3812] + 0.5] = 0.7853875
32
π
Se obtiene que el valor de = 0.7853875, por lo que el valor de
4
𝝅 = 𝟑. 𝟏𝟒𝟏𝟓𝟓
126
Punto 3:
Solución:
Se halla las tres raíces positivas de 𝑓(𝑥) = 2𝑒 −𝑥 − 𝑠𝑒𝑛(𝑥), empleando el
método de la secante, y emplearlas para determinar el área de la región
limitada por las gráficas de la curva y el eje X entre estas raíces, como se
muestra en la figura:
Primera raíz
Primera iteración
𝑥0 = 0
𝑥1 = 1
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(−0.1057121025)(0−1) 0.94−1
𝑥2 = 1 − = 0.949797 𝐸𝑟 = | | = 0.05
2−(−0.1057121025) 0.94
Segunda iteración
𝑥0 = 1
𝑥1 = 1
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(−0.039658)(1−0.949797) 0.911−0.949
𝑥2 = 0.949797 − (−0.105712)−(−0.039658) = 0.911 𝐸𝑟 = | | = 0.04
0.911
Tercera iteración
𝑥0 = 0.949
𝑥1 = 0.911
127
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(0.0141)(0.949−0.911) 0.921−0.911
𝑥2 = 0.911 − (−0.0385)−(0.0141)
= 0.921 𝐸𝑟 = | | = 0.01
0.921
128
Segunda raíz
-Primera iteración
𝑥0 = 3
𝑥1 = 4
𝑓(𝑥1 ) − (𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(0.7934337731)(3 − 4)
𝑥2 = 4 − = 3.049
(−0.04154587132) − (0.7934337731)
3.049 − 4
𝐸𝑟 = | | = 0.31
3.049
-Segunda iteración
𝑥0 = 4
𝑥1 = 3.049
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(0.00303401)(4 − 3.049)
𝑥2 = 3.049 − = 3.0461
(0.7934337731) − (0.00303401)
3.0461 − 3.0497
𝐸𝑟 = | | = 0.011
3.0461
129
Tercera raíz
-Primera iteración
𝑥0 = 6
𝑥1 = 7
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(−0.65516)(6−7) 6.30267−7
𝑥2 = 7 − (0.28437)−(−0.65516) = 6.30267 𝐸𝑟 = | | = 0.11
6.30267
-Segunda iteración
𝑥0 = 7
𝑥1 = 6.30267
𝑓(𝑥1 )(𝑥0 − 𝑥1 )
𝑥2 = 𝑥1 −
𝑓(𝑥0 ) − 𝑓(𝑥1 )
(−0.01582)(7 − 6.30267)
𝑥2 = 6.30267 − = 6.28541
(−0.655516) − (−0.01582)
6.28541 − 6.30267
𝐸𝑟 = | | = 0.002
6.28541
𝑎 = 3.04
𝑏 = 6.28
𝑛=3
6.28 − 3.04
ℎ= = 1.08
3
130
𝑥0 = 3.04
𝑥1 = 3.04 + 1.08 = 4.12
𝑥2 = 4.12 + 1.08 = 5.2
𝑥3 = 5.2 + 1.08 = 6.28
𝑓(𝑥0 ) = −0.00574
𝑓(𝑥1 ) = 0.86209
𝑓(𝑥2 ) = 0.89448
𝑓(𝑥3 ) = 0.00693
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 3.04 −0.00574
1 4.12 0.86209
2 5.2 0.89448
3 6.28 0.00693
-AREA 1
6.28
∫ (2𝑒 −𝑥 − 𝑠𝑒𝑛(𝑥))𝑑𝑥
3.04
3(1.08)
= (−0.00574 + 3(0.86209) + 3(0.89448) + 0.00693) = 2.1347145
8
-AREA 2
3.04
∫ (2𝑒 −𝑥 − 𝑠𝑒𝑛(𝑥))𝑑𝑥
0.92
𝑥0 = 0.92
53 122
𝑥1 = 0.92 + =
75 75
122 53 7
𝑥2 = + =
75 75 3
131
7 53
𝑥3 = + = 3.04
3 75
𝑓(𝑥0 ) = 0.00143
𝑓(𝑥1 ) = −0.60527
𝑓(𝑥2 ) = −0.52914
𝑓(𝑥3 ) = −0.00574
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 0.92 0.00143
1 122 −0.60527
75
2 7 −0.52914
3
3 3.04 −0.00574
3.04
∫ (2𝑒 −𝑥 − 𝑠𝑒𝑛(𝑥))𝑑𝑥 =
0.92
53
3( )
= 75 (0.00143 + 3(−0.60527) + 3(−0.52914) + (−0.00574))
8
= | − 0.9029981|
6.28
∫ (2𝑒 −𝑥 − 𝑠𝑒𝑛(𝑥))𝑑𝑥 = 2.1347145 + 0.9029981 = 3.0377126
0.92
132
Punto 4:
Determinar, por cualquiera de los métodos estudiados, las primeras dos
raíces positivas de la función 𝑓(𝑥) = 𝑙𝑛(𝑥) − 𝑥 + 2 = 0 y luego calcular el
área de la región limitada por la gráfica de la curva y el eje X entre estas
dos raíces.
Método a emplear: Método de Bisección 𝑎 = 0.1 y b = 0.3
Solución:
RAÍZ 1
Paso 1: se verifica la existencia de la raíz en el intervalo indicado.
𝑓(0.1) = 𝑙 𝑛(0.1) − 0.1 + 2 = −0.4025
𝑓(0.3) = 𝑙 𝑛(0.3) − 0.3 + 2 = 0.4960
0.1 + 0.3
𝑥1 = = 0.2
2
𝑓(0.2) = 𝑙 𝑛(0.2) − 0.2 + 2 = 0.1905
𝑓(0.1) < 0
𝑓(0.2) > 0
𝑓(0.3) > 0
133
Paso 3: se toma 𝑎 = 0.1 y 𝑥1 = 0.2 y se procede a realizar la segunda
iteración.
0.1 + 0.2
𝑥2 = = 0.15
2
𝑓(0.15) = 𝑙 𝑛(0.15) − 0.15 + 2 = −0.0471
𝑓(0.1) < 0
𝑓(0.15) < 0
𝑓(0.2) > 0
0.15 + 0.2
𝑥3 = = 0.175
2
𝑓(0.175) = 𝑙 𝑛(0.175) − 0.175 + 2 = 0.0820
𝑓(0.15) < 0
𝑓(0.175) > 0
𝑓(0.2) > 0
0.175 − 0.15
ɛ𝑟 = | | = 0.1428
0.175
0.15 + 0.175
𝑥4 = = 0.1625
2
𝑓(0.1625) = 𝑙 𝑛(0.1625) − 0.1625 + 2 = 0.0204
𝑓(0.15) < 0
𝑓(0.1625) > 0
𝑓(0.175) > 0
134
0.1625 − 0.175
ɛ𝑟 = | | = 0.0769
0.1625
0.15 + 0.1625
𝑥5 = = 0.1562
2
𝑓(0.1562) = 𝑙 𝑛(0.1562) − 0.1562 + 2 = −0.0128
𝑓(0.15) < 0
𝑓(0.1562) < 0
𝑓(0.1625) > 0
0.1562 − 0.1625
ɛ𝑟 = | | = 0.0403
0.1562
0.1562 + 0.1625
𝑥6 = = 0.1593
2
𝑓(0.1593) = 𝑙 𝑛(0.1593) − 0.1593 + 2 = 0.0037
𝑓(0.1562) < 0
𝑓(0.1593) > 0
𝑓(0.1625) > 0
0.1593 − 0.1562
ɛ𝑟 = | | = 0.0194
0.1593
135
i 𝑥𝑛 𝑎 𝑏 𝑓(𝑎) 𝑓(𝑏) ɛ𝑟
1 0.2 0.1 0.3 −0.4025 0.4960 -
2 0.15 0.1 0.2 −0.4025 0.1905 -
3 0.175 0.15 0.2 −0.0471 0.1905 0.1428
4 0.1625 0.15 0.175 −0.0471 0.0820 0.0769
5 0.1562 0.15 0.1625 −0.0471 0.0204 0.0403
6 0.1593 0.1562 0.1625 −0.0128 0.0204 0.0194
RAÍZ 2
Método a emplear: Newton-Raphson con valor inicial 𝑥0 = 3.1
Paso 1: Se halla la derivada de la función y se procede a realizar la
primera iteración.
𝑓(𝑥) = 𝑙𝑛(𝑥) − 𝑥 + 2
1
𝑓 ′ (𝑥) = −1
𝑥
𝑓(𝑥0 ) 𝑓(3.1)
𝑥1 = 𝑥0 − ′
= 3.1 − ′
𝑓 (𝑥0 ) 𝑓 (3.1)
𝑙 𝑛(3.1) − 3.1 + 2
= 3.1 − = 𝟑. 𝟏𝟒𝟔𝟑𝟔
1
− 1
3.1
136
𝒙𝟎 𝒙𝟏 𝒙𝟐 ɛ𝒓
3.1 3.14636 𝟑. 𝟏4619 0.00005
137
4. MATRICES Y SISTEMAS DE ECUACIONES LINEALES
4.1.1 Vectores en 2 dimensiones
Un vector es un segmento de recta con origen en un punto del espacio y que
sirve para representar magnitudes que tienen una dirección y un sentido
(por lo mismo se llaman magnitudes vectoriales).
‖𝑣‖ = √𝑎2 + 𝑏 2
𝑦
𝛼 = tan−1 ( )
𝑥
138
4.1.2 Vector Unitario
Se llama vector unitario a todo vector cuyo módulo sea 1, tales vectores se
suelen representar con letras coronadas con un símbolo "^": î, û, ...
139
4.1.3 Suma y resta de vectores
Para sumar dos vectores, los mismos tienen que tener la misma cantidad de
componentes.
𝑅⃗ = (𝑥𝐴 + 𝑥𝐵 , 𝑦𝐴 + 𝑦𝐵 )
140
Matemáticamente se realiza multiplicando al escalar por cada una de las
componentes del vector.
𝑅⃗ × 𝐾 = (𝑥 × 𝑘, 𝑦 × 𝑘)
Ejemplo:
⃗ ⃗
Teniendo 𝑃 = (2,1), 𝑄 = (-5,-6), ⃗𝑅 = (-4,3), hallar el vector unitario de ⃗ =
𝑉
− 8 (⃗⃗⃗
3
−
𝑃 + ⃗⃗⃗𝑅) − (⃗⃗⃗𝑅 ⃗⃗⃗𝑄)
Solución:
3 3 3 3
− (⃗⃗⃗
𝑃 + ⃗⃗⃗𝑅) = − (−2,4) = ( , − )
8 8 4 2
3 3 1 21
⃗ = ( , − ) − (1,9) = (− , − )
𝑉
4 2 4 2
141
Ahora para poder hallar el vector unitario, primero se requiere hallar la magnitud
⃗
del vector 𝑉
1 2 21 2
⃗ ‖ = √(− ) + (− )
‖𝑉
4 2
1 441 1765
⃗‖= √ +
‖𝑉 = √ = 10.5029
16 4 16
Entonces:
1
𝑉̂ = ⃗
𝑉
⃗‖
‖𝑉
1 1 21
𝑉̂ = (− , − )
10.5029 4 2
𝑉̂ = (−0.0238 , 0.9997)
142
4.1.5 Producto punto entre dos vectores
El producto punto o producto escalar de dos vectores es un número real que resulta
al hacer la sumatoria de los productos de sus componentes ó al multiplicar el
producto de sus magnitudes por el coseno del ángulo que forman.
⃗ = ‖𝐴‖ ∙ ‖𝐵
𝐴∙𝐵 ⃗ ‖ ∙ cos 𝛼
⃗ = 𝑥𝐴 ∙ 𝑥𝐵 + 𝑦𝐴 ∙ 𝑦𝐵
𝐴∙𝐵
El producto cruz entre dos vectores o el producto vectorial es una operación que se
efectúa para un espacio tridimensional, ya que el resultado de este es un vector
perpendicular a los vectores que se multiplican, y por lo tanto es un vector normal,
que varía dependiendo del ángulo que estos dos forman en un plano que los
contiene
𝑖̂ 𝑗̂ 𝑘̂
⃗ = |𝑥𝐴
𝐴×𝐵 𝑦𝐴 𝑧𝐴 | = (𝑦𝐴 𝑧𝐵 − 𝑦𝐵 𝑧𝐴 )𝑖̂ − (𝑥𝐴 𝑧𝐵 − 𝑥𝐵 𝑧𝐴 )𝑗̂ + (𝑥𝐴 𝑦𝐵 − 𝑥𝐵 𝑦𝐴 )𝑘̂
𝑥𝐵 𝑦𝐵 𝑧𝐵
143
Donde 𝑖̂, 𝑗̂, ̂𝑘 , son vectores unitarios en los ejes x, y, z respectivamente
Ejemplo:
Solución
Producto Punto:
⃗ = −46
𝑃⃗ ∙ 𝑄
Producto Cruz:
𝑖̂ 𝑗̂ 𝑘̂
⃗ = |12 −9 5 |
𝑃⃗ × 𝑄
7 10 −8
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐴 × 𝐵 = (57, 131,156)
144
4.1.7 Matriz
Una matriz es un arreglo bidimensional de números, se representa por medio de
una letra mayúscula (A, B...) y sus elementos con la misma letra en minúscula (a,
b...), con un doble subíndice donde el primero indica la fila y el segundo la
columna a la que pertenece.
𝟑 𝟒 −𝟓 −𝟗 𝟑 𝟖
𝑨 = ( 𝟐 𝟎 𝟑 ) 𝑩 = (−𝟔 𝟐 −𝟑)
−𝟐 𝟏 𝟗 𝟏 𝟎 𝟔
𝟑 + (−𝟗) 𝟒 + 𝟑 −𝟓 + 𝟖 −𝟔 𝟕 𝟑
𝑨 + 𝑩 = (𝟐 + (−𝟔) 𝟎 + 𝟐 𝟑 + (−𝟑)) = (−𝟒 𝟐 𝟎 )
−𝟐 + 𝟏 𝟏 + 𝟎 𝟗+𝟔 −𝟏 𝟏 𝟏𝟓
𝟑 − (−𝟗) 𝟒 − 𝟑 −𝟓 − 𝟖 𝟏𝟐 𝟏 −𝟏𝟑
𝑨 − 𝑩 = (𝟐 − (−𝟔) 𝟎 − 𝟐 𝟑 − (−𝟑)) = ( 𝟖 𝟎 𝟔 )
−𝟐 − 𝟏 𝟏 − 𝟎 𝟗−𝟔 −𝟑 𝟏 𝟑
145
4.1.9 Producto por un escalar
𝟑 𝟐 𝟏 𝟐 𝟏
𝑨 = (𝟏 𝟏 𝟑) 𝑩 = (𝟏 𝟎)
𝟎 𝟐 𝟏 𝟑 𝟐
A=3×3 B=3×2
(𝟑 × 𝟐 + 𝟐 × 𝟏 + 𝟏 × 𝟑) (𝟑 × 𝟏 + 𝟐 × 𝟎 + 𝟏 × 𝟐) 𝟏𝟏 𝟓
𝑨 × 𝑩 = ((𝟏 × 𝟐 + 𝟏 × 𝟏 + 𝟑 × 𝟑) (𝟏 × 𝟏 + 𝟏 × 𝟎 + 𝟑 × 𝟐)) 𝑨 × 𝑩 = (𝟏𝟐 𝟎𝟕)
(𝟎 × 𝟐 + 𝟐 × 𝟏 + 𝟏 × 𝟑) (𝟎 × 𝟏 + 𝟐 × 𝟎 + 𝟏 × 𝟐) 𝟓 𝟐
3×2
146
4.1.11 Matriz Transpuesta
Dada una matriz A, se llama matriz transpuesta de A, a la matriz que se obtiene
cambiando ordenadamente las filas por las columnas, es decir, en donde el
elemento aji de la matriz original A se convertirá en un elemento aij de la matriz
transpuesta AT
𝟏 −𝟐
𝑨= ( )
𝟓 𝟖
𝟏 𝟓
𝑨𝑻 = ( )
−𝟐 𝟖
Ejemplo:
Encontrar la matriz transpuesta del producto entre A y B.
2 9 2
𝐴 = | 5 −4 3|
−7 −1 6
5 4 −3
𝐵 = |−3 9 1 |
6 1 8
Solución
Para obtener el resultado en las correspondientes posiciones se debe hacer una
sumatoria con el producto de las componentes de las filas de la matriz A con los
de las columnas de la matriz B, es decir:
147
𝑐11 = 𝑎11 𝑏11 + 𝑎12 𝑏21 + 𝑎13 𝑏31
−5 91 19
𝐶 = | 36 −13 5 |
4 −31 68
−5 36 4
𝐶 𝑇 = | 91 17 −5|
19 −5 39
148
4.2 Eliminación de Gauss Simple
El método de eliminación Gaussiana para la solución de sistemas de
ecuaciones lineales consiste en convertir a través de operaciones básicas
llamadas operaciones de renglón un sistema en otro equivalente más
sencillo cuya respuesta pueda leerse de manera directa. El método de
eliminación Gaussiana es el mismo para sistemas de ecuaciones 2×2, 3×3,
4×4 y así sucesivamente siempre y cuando se respete la relación de al
menos una ecuación por cada variable.
149
Ejemplo 1:
Resolver el siguiente sistema de ecuaciones:
𝑥1 + 2𝑥2 + 3𝑥3 = 1
4𝑥1 + 5𝑥2 + 6𝑥3 = −2
7𝑥1 + 8𝑥2 + 10𝑥3 = 5
Usando el método de eliminación de Gauss Simple.
Solución:
Se realiza la matriz aumentada del sistema de ecuaciones:
𝑅1 1 2 3 1
𝑅2 (4 5 6 | −2)
𝑅3 7 8 10 5
𝑅1 1 2 3 1
−4𝑅1 + 𝑅2 → (0 −3 −6 | −6)
−7𝑅1 + 𝑅3 → 0 −6 −11 −2
𝑅1 1 2 3 1
𝑅2 /−3 → (0 1 2 | 2)
𝑅3 0 −6 −11 −2
150
Se obtiene la matriz escalonada:
𝑅1 1 2 3 1
𝑅2 (0 1 2 | 2)
𝑅3 0 0 1 10
Ejemplo 2:
Resolver el siguiente sistema de ecuaciones:
− 𝑥1 + 3𝑥2 + 2𝑥3 = 12
2𝑥1 − 5𝑥2 + 𝑥3 = −10
3𝑥1 + 𝑥2 − 6𝑥3 = 4
Usando el método de eliminación de Gauss Simple.
Solución:
Se realiza la matriz aumentada del sistema de ecuaciones:
𝑅1 −1 3 2 12
𝑅2 ( 2 −5 1 | −10)
𝑅3 3 1 −6 4
Luego, se multiplica el primer renglón (R1) por (2) y se suma al segundo
renglón (R2), de igual forma se multiplica el primer renglón por (3) y se
suma al tercer renglón (R3) obteniendo:
151
𝑅1 −1 3 2 12
2𝑅1 + 𝑅2 → ( 0 1 5 | 14)
3𝑅1 + 𝑅3 → 0 10 0 40
𝑅1 −1 3 2 12
𝑅2 ( 0 1 5 | 14 )
−10𝑅2 + 𝑅3 → 0 0 50 −100
𝑅1 −1 3 2 12
𝑅2 ( 0 1 5 | 14 )
𝑅3 0 0 50 −100
152
4.2.1 Eliminación de Gauss – Jordan
Los métodos de eliminación de Gauss y de Gauss – Jordan nos permiten
obtener las soluciones (en caso de haberlas), de los sistemas de ecuaciones
lineales (SEL). Ambos métodos se basan en la idea de que las soluciones
del SEL que se obtiene al realizar operaciones elementales fila o columna
son las mismas que las del SEL original.
153
Ejemplo 1:
Resolver el siguiente sistema de ecuaciones:
5𝑥 + 2𝑦 = 2
2𝑥 + 𝑦 − 𝑧 = 0
2𝑥 + 3𝑦 − 𝑧 = 3
Usando el método de eliminación de Gauss – Jordan.
Solución:
Se realiza la matriz aumentada del sistema de ecuaciones:
𝑅1 5 2 0 2
𝑅2 (2 1 −1 | 0)
𝑅3 2 3 −1 3
154
𝑅1 1 2/5 0 2/5 1 2/5 0 2/5
5𝑅2 → (0 1/5 −1 | −4/5) → (0 1 −5 | −4 )
5𝑅3 → 0 11/5 −1 11/5 0 11 −5 11
𝑅1 1 0 0 −1/5 1 0 0 −1/5
𝑅2 (0 1 0 | 3/2 ) → (0 1 0 | 3/2 )
(−11/5)𝑅3 → 0 0 −5/11 −1/2 0 0 0 11/10
155
Esta última matriz es la forma escalonada reducida. Al tener la matriz
identidad, se sabe que se trata de un sistema compatible determinado y se
puede obtener de ella la única solución del sistema.
Por lo tanto, la solución del sistema inicial:
𝑥 = −1/5
𝑦 = 3/2
𝑧 = 11/10
Ejemplo 2:
Resolver el siguiente sistema de ecuaciones:
𝑥 + 2𝑦 + 3𝑧 = 1
−3𝑥 − 2𝑦 − 𝑧 = 2
4𝑥 + 4𝑦 + 4𝑧 = 3
Usando el método de eliminación de Gauss – Jordan
Solución:
Se realiza la matriz aumentada del sistema de ecuaciones:
𝑅1 1 2 3 1
𝑅2 (−3 −2 −1 | 2)
𝑅3 4 4 4 3
𝑅1 1 2 3 1 1 2 3 1
(−1/3)𝑅2 → (−3 −2 −1 | 2) → (1 2/3 1/3 | −2/3)
(1/4)𝑅3 → 4 4 4 3 1 1 1 3/4
156
Se multiplica el primer renglón (R1) por (–1) y se suma al segundo y tercer
renglón (R2 y R3):
𝑅1 1 2 3 1 1 2 3 1
−1𝑅1 + 𝑅2 → (1 2/3 1/3 | −2/3) → (0 −4/3 −8/3 | −5/3)
−1𝑅1 + 𝑅3 → 1 1 1 3/4 0 −1 −2 −1/4
𝑅1 1 2 3 1 1 2 3 1
(−3/4)𝑅2 → (0 −4/3 −8/3 | −5/3) → (0 1 2 | 5/4)
(−1)𝑅3 → 0 −1 −2 −1/4 0 1 2 1/4
𝑅1 1 2 3 1 1 2 3 1
𝑅2 → (0 1 2 | 5/4) → (0 1 2 | 5/4)
−1𝑅2 + 𝑅3 0 1 2 1/4 0 0 0 −1
157
4.2.2 Método Gauss – Seidel
El método Gauss – Seidel es un método iterativo para resolver sistemas de
ecuaciones lineales más simple y se aplica sólo a sistemas cuadrados, es
decir a sistemas con tantas incógnitas como ecuaciones. En este método
se va utilizando los valores de las incógnitas recién calculados en la misma
iteración, y no en la siguiente.
Ejemplo 1:
Partiendo de (x=1, y=2) aplique dos iteraciones del método de Gauss-Seidel
para resolver el sistema:
5𝑥 + 2𝑦 = 1
𝑥 − 4𝑦 = 0
Solución:
Despejar las incógnitas de la ecuación correspondiente:
1 2𝑦
𝑥= −
5 5
𝑥
𝑦=
4
158
1 2(𝑦1 ) 1 2(−0.15)
𝑥2 = − = − = 0.26
5 5 5 5
𝑥2 0.26
𝑦2 = = = 0.065
4 4
159
4.3 DETERMINANTE DE UNA MATRIZ
Ejemplo 1
Se toma como ejemplo la siguiente matriz de 3x3:
1 2 3
𝐴 = [1 1 −1]
2 0 5
Ahora para poder hallar su determinante se utiliza la regla de Sarrus que
consiste en multiplicar todos los elementos de la matriz en diagonales, en
conclusión, se hace el siguiente procedimiento:
Se aumenta las dos primeras columnas de la matriz:
1 2 3 1 2
𝐴 = [1 1 −1 1 1]
2 0 5 2 0
Luego de eso se multiplica los números que están pintados con rojo en
diagonal de izquierda a derecha, y se irán sumando:
(1 ∗ 1 ∗ 5) + (2 ∗ −1 ∗ 2) + (3 ∗ 1 ∗ 0) = 1
Ahora se aumenta a la matriz la columna que falta para así poder tener los
coeficientes que se necesita para hallar el determinante de la matriz.
1 2 3 1 2 3
𝐴 = [1 1 −1 1 1 −1]
2 0 5 2 0 5
Luego de eso se multiplica los números que están pintados con rojo en
diagonal de derecha a izquierda, y se irán restando:
−(3 ∗ 1 ∗ 2) − (2 ∗ 1 ∗ 5) − (1 ∗ −1 ∗ 0) = −16
Finalmente se suma el 1 con el -16, y ese sería resultado del determinante
la matriz:
|𝐴| = 1 + (−16) = −𝟏𝟓
Ejemplo 2
Se toma como ejemplo la siguiente matriz de 3x3:
3 2 1
𝐴=[ 0 2 −5 ]
−2 1 4
Ahora para poder hallar su determinante se utiliza la regla de Sarrus que
consiste en multiplicar todos los elementos de la matriz en diagonales, en
conclusión, se hace el siguiente procedimiento:
160
Se aumenta las dos primeras columnas de la matriz:
3 2 1 3 2
𝐴=[ 0 2 −5 0 2 ]
−2 1 4 −2 1
Luego de eso se multiplica los números que están pintados con rojo en
diagonal de izquierda a derecha, y se irán sumando:
(3 ∗ 2 ∗ 4) + (2 ∗ −5 ∗ −2) + (1 ∗ 0 ∗ 1) = 44
Ahora se aumenta a la matriz la columna que falta para así poder tener los
coeficientes que se necesita para hallar el determinante de la matriz.
3 2 1 3 2 1
𝐴=[ 0 2 −5 0 2 −5 ]
−2 1 4 −2 1 4
Luego de eso se multiplica los números que están pintados con rojo en
diagonal de derecha a izquierda, y se irán restando:
−(1 ∗ 2 ∗ −2) − (2 ∗ 0 ∗ 4) − (3 ∗ −5 ∗ 1) = 19
Finalmente se suma el 44 con el 19, y ese sería resultado del determinante
la matriz:
|𝐴| = 44 + 19 = 𝟔𝟑
161
2 3 1 1 0 0 1 1 3/2 1/2 1/2 0 0
[3 −2 −4 |0 1 0] 𝑅1 → 𝑅1 ∗ ( ) → [3 −2 −4 | 0 1 0]
2
5 −1 −1 0 0 1 5 −1 −1 0 0 1
Ahora, para transformar el 3 en un 0, se multiplica el renglón 1 por menos
tres, y se le suma a este resultado el renglón 2 y para transformar el cinco
en un 0, se multiplica el primer renglón por menos cinco y a esto se le suma
el renglón 3.
1 3/2 1/2 1/2 0 0 𝑅 → −3 ∗ 𝑅 + 𝑅 1 3/2 1/2 1/2 0 0
2 1 2
[3 −2 −4 | 0 1 0] 𝑅 → −5 ∗ 𝑅 + 𝑅 → [0 −13/2 −11/2 |−3/2 1 0]
5 −1 −1 0 0 1 3 1 3
0 −17/2 −7/2 −5/2 0 1
Luego se toma el segundo renglón y se multiplica por menos dos treceavo,
esto para obtener un 1 en la posición (2,2), los demás renglones se dejan
igual:
1 3/2 1/2 1/2 0 0
2
[0 −13/2 −11/2 |−3/2 1 0] → (− ) 𝑅2
13
0 −17/2 −7/2 −5/2 0 1
1 3/2 1/2 1/2 0 0
→ [0 1 11/13 | 3/13 −2/13 0]
0 −17/2 −7/2 −5/2 0 1
Para transformar el tercer renglón se toma el renglón 2 y se multiplica por
17/2, a esto se le suma el renglón 3, y para transformar el primer renglón
se toma el renglón 2 y se multiplica por menos tres medios:
1 3/2 1/2 1/2 0 0
𝑅 →−3/2 ∗ 𝑅2 + 𝑅1
[0 1 11/13 | 3/13 −2/13 0] 1
𝑅 → 17/2 ∗ 𝑅2 + 𝑅3
0 −17/2 −7/2 −5/2 0 1 3
1 0 −10/13 2/13 3/13 0
→ [0 1 11/13 | 3/13 −2/13 0]
0 0 48/13 −7/13 −17/13 1
162
Finalmente, se realiza las 2 últimas transformaciones, para el renglón 1 se
multiplica el renglón 3 por 10/13 y se le suma con el renglón 1. Para el
renglón 2 se multiplica el renglón 3 por -11/13 y se le suma el renglón 2:
1 0 −10/13 2/13 3/13 0
𝑅 → 10/13 ∗ 𝑅3 + 𝑅1
[0 1 11/13 | 3/13 −2/13 0 ] 1
𝑅 →−11/13 ∗ 𝑅3 + 𝑅2
0 0 1 −7/48 −17/48 13/48 2
Ejemplo
Determinar la matriz inversa de la siguiente matriz:
2 4 6
𝐴 = [4 5 6]
3 1 −2
A continuación, se aumenta la matriz identidad para así poder empezar a
resolver por el método de eliminación de Gauss-Jordan.
2 4 6 1 0 0 → 𝑅1
(𝐴|𝐼) = [4 5 6 |0 1 0] → 𝑅2
3 1 −2 0 0 1 → 𝑅3
163
Ahora, para transformar el 4 en un 0, se multiplica el renglón 1 por -1, y se
le suma a este resultado el renglón 2 y para transformar el 3 en un 0, se
multiplica el primer renglón por -3 y a esto se le suma el renglón 3.
1 2 3 1/2 0 0 1 2 3 1/2 0 0
1
[0 −3 −6 | −2 1 0 ] 𝑅2 → 𝑅2 ∗ (− ) → [0 1 2 | 2/3 −1/3 0]
3
0 −5 −11 −3/2 0 1 0 −5 −11 −3/2 0 1
1 2 3 1/2 0 0
𝑅 → 𝑅2 ∗ (−2) + 𝑅1
[0 1 2 | 2/3 −1/3 0] 1
𝑅3 → 𝑅2 ∗ 5 + 𝑅3
0 −5 −11 −3/2 0 1
1 0 −1 −5/6 2/3 0
→ [0 1 2 | 2/3 −1/3 0]
0 0 −1 11/6 −5/3 1
Para obtener el último pivote, se multiplica el tercer renglón por menos uno:
164
1 0 −1 −5/6 2/3 0
𝑅1 → 𝑅3 ∗ 1 + 𝑅1
[0 1 2 | 2/3 −1/3 0 ]
𝑅 → 𝑅3 ∗ (−2) + 𝑅2
0 0 1 −11/6 5/3 −1 2
1 0 0 −8/3 7/3 −1
→ [0 1 0 | 13/3 −11/3 2]
0 0 1 −11/6 5/3 −1
Por lo tanto:
−8/3 7/3 −1
|𝐴|−1 = [ 13/3 −11/3 2 ]
−11/6 5/3 −1
165
4.3.1 INVERSA DE UNA MATRIZ
Para calcular la inversa a una matriz, se debe verificar que la matriz sea
cuadrada, si la matriz no es cuadrada, no tiene matriz inversa.
Si es una matriz 2x2, se puede calcular con el siguiente método
𝐴 𝐵
𝐴=[ ]
𝐶 𝐷
𝐷 −𝐵
𝐴−1 = [𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 ]
−𝐶 𝐴
𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒
Siempre y cuando el determinante no sea 0
Si es una matriz 3x3, se debe usar un método distinto, para este caso se
explicará cómo hallar la matriz inversa con gauss jordan y la matriz
identidad.
Entiéndase como matriz identidad la matriz:
1 0 0
[0 1 0]
0 0 1
𝐴 𝐵 𝐶 1 0 0 1 0 0 𝐴−1 𝐵 −1 𝐶 −1
−1
𝐴 = [𝐷 𝐸 𝐹 |0 1 0 ] → 𝐴 = [0 1 0 |𝐷−1 𝐸 −1 𝐹 −1 ]
𝐺 𝐻 𝐼 0 0 1 0 0 1 𝐺 −1 𝐻 −1 𝐼 −1
166
4 3
Ejemplo 1: Determinar la inversa de la matriz 𝐴 = [ ]
3 2
Solución:
Paso 1: Calcular el determinante de la matriz
4 3
𝐴=[ ]
3 2
= (4 × 2) − (3 × 3) = −1
−1 ≠ 0
Paso 2: Como el determinante es distinto de 0, se procede a calcular la
inversa de la matriz
2 −3
−2 3
𝐴−1 = [−1 −1] = [ ]
−3 4 3 −4
−1 −1
1 2 3
Ejemplo 2: Encontrar la matriz inversa de la matriz 𝐴 = [2 3 1]
3 1 2
Solución:
Paso1: Se escribe la matriz identidad y se procede a realizar el método de
eliminación gauss jordan.
1 2 3 1 0 0
𝐴 = [2 3 1 |0 1 0] 2𝑅1 − 𝑅2
3 1 2 0 0 1
1 2 3 1 0 0
𝐴 = [0 1 5 |2 1 0] 3𝑅1 − 𝑅3
3 1 2 0 0 1
1 2 3 1 0 0
𝐴 = [0 1 5 |2 1 0] 5𝑅2 − 𝑅3
0 5 7 3 0 1
1 2 3 1 0 0
𝐴 = [0 1 5 |2 1 0] 2𝑅2 − 𝑅1
0 0 18 7 5 1
167
1 0 7 3 2 0 𝑅
3
𝐴 = [0 1 5 |2 1 0]
18
0 0 18 7 5 1
3 2 0
1 0 7
2 1 0 5𝑅3 − 𝑅2
𝐴 = [0 1 5| 7 5 1 ] 7𝑅3 − 𝑅1
0 0 1
18 18 18
−5 −1 7
18 18 18
1 0 0 |−1 7 5
𝐴−1 = [0 1 0
0 0 1 | 18 18 18
7 5 1
18 18 18]
−5 −1 7
18 18 18
−1 7 5
𝐴−1 =
18 18 18
7 5 1
[ 18 18 18]
168
4.4 MÉTODO DE NEWTON-RAPHSON PARA SISTEMAS NO LINEALES
Se tiene como fórmula general para el método de Newton-Raphson
𝑥𝑘+1 𝑥𝑘 𝑓 (𝑥 , 𝑦 )
(𝑦 ) = (𝑦 ) − 𝐽𝑓(𝑥𝑘 , 𝑦𝑘 )−1 × ( 1 𝑘 𝑘 )
𝑘+1 𝑘 𝑓2 (𝑥𝑘 , 𝑦𝑘 )
Cómo parámetro debe cumplirse que el determinante de la matriz
Jacobiana no debe ser 0, puesto que eso haría que el cálculo de las
iteraciones fuese imposible y no habría manera de utilizar el método.
Suponiendo que se tenga un sistema con el mismo número de ecuaciones
que de incógnitas, se tiene que:
𝑓1 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
𝑓2 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
𝑓𝑛 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
Se tiene una función f que tiene como componentes todas las demás
funciones.
𝑓 = (𝑓1 , 𝑓2 , … , 𝑓𝑛 ) 𝑓: 𝐴 → 𝑅 𝑛
𝑓 = (𝑓1 , 𝑓2 , … , 𝑓𝑛 ) = (0,0, … ,0)
Se debe tener unos valores iniciales que se puedan reemplazar dentro de la
fórmula general, estos pueden ser dados o inventados teniendo como
referencia un valor cercano al punto de convergencia que sea necesario,
partiendo del 0,0,0.
𝑥1 0 , 𝑥2 0 , … , 𝑥𝑛 0
𝑥11 , 𝑥21 , … , 𝑥𝑛 1
𝑥1 𝑘+1 𝑥1 𝑘 𝑓(𝑥1 𝑘 )
(𝑥2 𝑘+1 ) = (𝑥2 𝑘 ) − 𝐽𝑓(𝑥1 𝑘 , 𝑥2 𝑘 , … , 𝑥𝑛 𝑘 )−1 × ( 𝑓(𝑥2 𝑘 ) )
𝑥𝑛 𝑘+1 𝑥𝑛 𝑘 𝑓(𝑥𝑛 𝑘 )
169
Ejemplo 1: Resolver el sistema de ecuaciones:
𝑥2 − 𝑦2 = 1
𝑥 2 + 𝑦 2 + 𝑥𝑦 = 4
por el método de Newton-Raphon con valores de (𝑥0 , 𝑦0 ) = (1,1).
Solución:
𝑥2 − 𝑦2 = 1
𝑥2 + 𝑦2 + 𝑥𝑦 = 4
(𝑥0 , 𝑦0 ) = (1,1)
𝑥2 − 𝑦2 = 1
𝑥2 − 𝑦2 − 1 = 0
𝑥2 + 𝑦2 + 𝑥𝑦 = 4
𝑥 2 + 𝑦 2 + 𝑥𝑦 − 4 = 0
(𝑥0 , 𝑦0 ) = (1,1)
𝑓1 (𝑥, 𝑦) = 𝑥 2 − 𝑦 2 − 1
𝑓2 (𝑥, 𝑦) = 𝑥 2 + 𝑦 2 + 𝑥𝑦 − 4
Paso 2: Se tiene una función que tiene por coordenadas (𝑓1 , 𝑓2 ) se considera
una función de dos variables, tanto 𝑓1 como 𝑓2 son polinomios, por lo tanto,
son funciones continuas y se consideran funciones definidas de 𝑅 2
𝑓 = (𝑓1 , 𝑓2 )
𝑓: 𝑅2 → 𝑅 2
𝑥𝑘+1 𝑥𝑘 𝑓 (𝑥 , 𝑦 )
(𝑦 ) = (𝑦 ) − 𝐽𝑓(𝑥𝑘 , 𝑦𝑘 )−1 × ( 1 𝑘 𝑘 )
𝑘+1 𝑘 𝑓2 (𝑥𝑘 , 𝑦𝑘 )
Paso 3: Se calcula la matriz Jacobiana y su determinante.
𝛿𝑓1 𝛿𝑓1
𝛿𝑥 𝛿𝑦 2𝑥 −2𝑦
𝐽𝑓(𝑥, 𝑦) = =( )
𝛿𝑓2 𝛿𝑓2 2𝑥 + 𝑦 2𝑦 + 𝑥
( 𝛿𝑥 𝛿𝑦 )
170
𝐷 = |𝐽𝑓(𝑥, 𝑦)| = 2𝑥 2 + 8𝑥𝑦 + 2𝑦 2
𝑥 + 2𝑦 2𝑦
2𝑥 2 + 8𝑥𝑦 + 2𝑦 2 2𝑥 2 + 8𝑥𝑦 + 2𝑦 2
𝐽𝑓(𝑥, 𝑦)−1 =
−2𝑥 − 𝑦 2𝑥
2𝑥 2 + 8𝑥𝑦 + 2𝑦 2 2𝑥 2 + 8𝑥𝑦 + 2𝑦 2
( )
𝑥 + 2𝑦 2𝑦
2
𝑥𝑘+1 𝑥𝑘 2𝑥 2
+ 8𝑥𝑦 + 2𝑦 2 2𝑥 2+ 8𝑥𝑦 + 2𝑦 2 (𝑥𝑘 )2 − (𝑦𝑘 ) − 1
(𝑦 ) = (𝑦 ) − ×( )
𝑘+1 𝑘 −2𝑥 − 𝑦 2𝑥 2
(𝑥𝑘 )2 + (𝑦𝑘 ) + 𝑥𝑘 𝑦𝑘 − 4
2𝑥 + 8𝑥𝑦 + 2𝑦 2
2 2𝑥 + 8𝑥𝑦 + 2𝑦 2
2
( )
𝑥𝑘 + 𝑥𝑘 3 + 10𝑦𝑘 + 4𝑥𝑘 2 + 𝑥𝑘 𝑦𝑘 2
𝑥𝑘+1 =
2(𝑥𝑘 2 + 4𝑥𝑘 𝑦𝑘 + 𝑦𝑘 2 )
6𝑥𝑘 − 𝑦𝑘 + 𝑥𝑘 2 𝑦𝑘 + 4𝑥𝑘 𝑦𝑘 2 + 𝑦𝑘 3
𝑦𝑘+1 =
2(𝑥𝑘 2 + 4𝑥𝑘 𝑦𝑘 + 𝑦𝑘 2 )
𝑥0 = 1, 𝑦0 = 1
𝑥1 = 1.41667
𝑦1 = 0.916667
171
𝑥2 = 1.36636
𝑦2 = 0.929836
𝒙𝒊 𝒚𝒊 Error
𝒙𝟎 = 𝟏 𝑦0 = 1 -
𝒙𝟏 = 𝟏. 𝟒𝟏𝟔𝟔𝟕 𝑦1 = 0.916667
𝒙𝟐 = 𝟏. 𝟑𝟔𝟔𝟑𝟔 𝑦2 = 0.929836
𝒙𝟑 = 𝟏. 𝟑𝟔𝟓𝟔𝟑 𝑦3 = 0.930031
𝒙𝟒 = 𝟏. 𝟑𝟔𝟓𝟔𝟑 𝑦4 = 0.930031
𝑥 ≈ 1.36563
𝑦 ≈ 0.930031
172
Ejemplo 2: Resolver el sistema de ecuaciones:
4𝑥 2 − 𝑦 3 + 28 = 0
3𝑥 3 + 4𝑦 2 − 145 = 0
por el método de Newton-Raphon con valores de (𝑥0 , 𝑦0 ) = (1,1).
Solución:
Paso 1: Se escriben las ecuaciones 𝑓1 y 𝑓2
𝑥0 = 1
𝑦0 = 1
𝑓1 (𝑥, 𝑦) = 4𝑥 2 − 𝑦 3 + 28
𝑓2 (𝑥, 𝑦) = 3𝑥 3 + 4𝑦 2 − 145
𝛿𝑓1 𝛿𝑓1
𝛿𝑥 𝛿𝑦 8𝑥 −3𝑦
𝐽𝑓(𝑥, 𝑦) = =( 2 )
𝛿𝑓2 𝛿𝑓2 9𝑥 8𝑦
( 𝛿𝑥 𝛿𝑦 )
𝐷 = 64𝑥𝑦 + 27𝑦 2 𝑥 2
3
𝑥𝑘+1 1 0.08791 0.03296 (4𝑥𝑘 )2 − (𝑦𝑘 ) + 28
(𝑦 ) = ( ) − ( )×( 2
)
𝑘+1 1 −0.0984 0.0879 (3𝑥 )3 + (4𝑦 ) − 145
𝑘 𝑘
173
Paso 4: Se realizan las iteraciones necesarias.
𝑥0 = 1
𝑦0 = 1
𝑥1 = 2.824175824
𝑦1 = 16.1978022
𝒙𝒊 𝒚𝒊 Error
𝑥0 = 1 𝑦0 = 1 -
𝒙𝟏 = 𝟐. 𝟖𝟐𝟒𝟏𝟕𝟓𝟖𝟐𝟒 𝑦1 = 16.1978022 15.30688764
𝒙𝟐 = −𝟎. 𝟗𝟏𝟒𝟐𝟓𝟑𝟎𝟑𝟔 𝑦2 = 10.76733194 6.592864137
174
EJERCICIOS
1
sin(2+𝑥 2 )
1. Calcular el área entre la curva 𝑦= 1 y el eje X con el
2
+𝑥 2
𝜋 𝜋
intervalo [− , ] con n=10 particiones iguales, por:
2 2
a) Rectángulos con altura en el extremo izquierdo.
b) Rectángulos con la altura en el extremo derecho.
c) Rectángulos con altura en el punto medio.
d) Regla del trapecio.
e) Calcular el error porcentual de los literales para los puntos a, b y c con
respecto al valor hallado por el método de Simpson 3/8.
Solución:
𝑏−𝑎
ℎ=
𝑛
175
𝜋 𝜋
( 2 ) − (− 2 ) 𝝅
ℎ= =
10 𝟏𝟎
a) Rectángulos con altura en el extremo izquierdo.
Iteración X F(x)
0 -1.57080 0.05841
1 -1.25664 0.42015
2 -0.94248 0.70836
3 -0.62832 0.87180
4 -0.31416 0.94132
5 0.0000 0.95885
6 0.31416 0.94132
7 0.62832 0.87181
8 0.94248 0.70836
9 1.25664 0.42015
Área:
176
𝑏 𝑛−1
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∑ 𝐹(𝑥𝑖 ) × ℎ
𝑎 𝑖=0
𝜋
[𝑓(−1.57080) + 𝑓(−1.25664) + 𝑓(−0.94248) + 𝑓(−0.62832) + 𝑓(−0.31416)
10
+ 𝑓(0.0000) + 𝑓(0.31416) + 𝑓(0.62832) + 𝑓(0.94248) + 𝑓(1.25664)]
𝜋
(6.90052) = 𝟐. 𝟏𝟔𝟕𝟖𝟔
10
b) Rectángulos con la altura en el extremo derecho.
Iteración X F(x)
1 -1.25664 0.42015
2 -0.94248 0.70836
3 -0.62832 0.87180
4 -0.31416 0.94132
5 0.0000 0.95885
6 0.31416 0.94132
7 0.62832 0.87181
8 0.94248 0.70836
9 1.25664 0.42015
177
10 1.57080 0.05841
Área:
𝑏 𝑛
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∑ 𝐹(𝑥𝑖 ) × ℎ
𝑎 𝑖=1
𝜋
[𝑓(−1.25664) + 𝑓(−0.94248) + 𝑓(−0.62832) + 𝑓(−0.31416) + 𝑓(0.0000)
10
+ 𝑓(0.31416) + 𝑓(0.62832) + 𝑓(0.94248) + 𝑓(1.25664) + 𝑓(1.57080)]
𝜋
(6.90052) = 𝟐. 𝟏𝟔𝟕𝟖𝟔
10
c) Rectángulos con altura en el punto medio.
Iteración X F(x)
0 -1.41372 0.05841
1 -1.09956 0.42015
2 -0.78540 0.70836
3 -0.47124 0.87180
4 -0.15708 0.94132
5 0.1508 0.95885
178
6 0.15708 0.94132
7 0.47124 0.87181
8 0.78540 0.70836
9 1.41372 0.42015
Área:
𝑏 𝑛−1
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∑ 𝐹(𝑥̅𝑖 ) × ℎ
𝑎 𝑖=0
𝜋
[𝑓(−1.41372) + 𝑓(−1.25664) + 𝑓(−0.78540) + 𝑓(−0.47124) + 𝑓(−0.15708)
10
+ 𝑓(0.1508) + 𝑓(0.15708) + 𝑓(0.47124) + 𝑓(0.78540) + 𝑓(1.41372)]
𝜋
(6.98861) = 𝟐. 𝟏𝟗𝟓𝟓𝟒
10
d) Regla del trapecio.
Iteración X F(x)
0 -1.57080 0.05841
179
1 -1.25664 0.42015
2 -0.94248 0.70836
3 -0.62832 0.87180
4 -0.31416 0.94132
5 0.0000 0.95885
6 0.31416 0.94132
7 0.62832 0.87181
8 0.94248 0.70836
9 1.25664 0.42015
10 1.57080 0.05841
Área:
𝑏 𝑛
ℎ
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = [𝐹(𝑥0 ) + 2 ∑ 𝐹(𝑥𝑖 ) + 𝐹(𝑥𝑛 )]
𝑎 2
𝑖=1
𝜋
[𝑓(−1.57080) + 𝟐[𝑓(−1.25664) + 𝑓(−0.94248) + 𝑓(−0.62832) + 𝑓(−0.31416)
20
+ 𝑓(0.0000) + 𝑓(0.31416) + 𝑓(0.62832) + 𝑓(0.94248) + 𝑓(1.25664)]
+ 𝑓(1.57080)]
𝜋
[0.05841 + (13.85945) + 0.05841] = 𝟐. 𝟏𝟗𝟓𝟑𝟖
20
e) Calcular el error porcentual de los literales para los puntos a, b y c con
respecto al valor hallado por el método de Simpson 3/8.
180
Área 1:
𝑎
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 𝑓(𝑥2 ) ]
𝑏 8
𝜋
3 (10)
[0.05841 + 3(0.45786) + 0.75508] = 𝟎. 𝟔𝟎𝟐𝟏𝟕
8
Área 2:
𝑎
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 𝑓(𝑥2 )]
𝑏 8
𝜋
3 (10)
[0.90306 + 3(0.95376) + 0.95376] = 𝟎. 𝟗𝟖𝟓𝟓𝟎
8
181
Área 3:
𝑎
3ℎ
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3) ]
𝑏 8
𝜋
3 (10)
[0.90306 + 3(0.75505) + 3(0.45786) + 0.05841] = 𝟎. 𝟔𝟎𝟐𝟏𝟕
8
Error porcentual
Rectángulos por la Rectángulos por la Rectángulos por punto
izquierda derecha medio
182
2. El error absoluto para la regla del trapecio se calcula con:
(𝑏 − 𝑎)3
𝐸𝑛 = − ∙ 𝑓"(𝑐)
12𝑛2
Alguna c en [a, b]. Calcular el error que se obtiene en 3 d con n=10
particiones. (Sugerencia: considere c=0, es decir 𝑓"(0); calcular la segunda
derivada con la formula correspondiente)
Solución:
1 1 1
4(𝑥𝑐𝑜𝑠𝑥 (2 + 𝑥 2 ) + 𝑐𝑜𝑠 (2 + 𝑥 2 ) − 2𝑥𝑠𝑖𝑛(2 + 𝑥 2 ))
𝑓 ′ (𝑥) = [ ]
(1 + 2𝑥 2 )2
𝑓"(𝑥) =
1 1 1 1
𝟒(−𝟖𝒙𝟔 𝒔𝒊𝒏 (2 + 𝑥 2 ) − 𝟏𝟐𝒙𝟒 𝒄𝒐𝒔 (2 + 𝑥 2 ) − 𝟖𝒙𝟒 𝒔𝒊𝒏 (2 + 𝑥 2 ) + 𝟏𝟎𝒙𝟐 𝒔𝒊𝒏 (2 + 𝑥 2 )
1 1 1
−𝟒𝒙𝟐 𝒄𝒐𝒔 (2 + 𝑥 2 ) + 𝒄𝒐𝒔 (2 + 𝑥 2 ) − 𝟐𝒔𝒊𝒏(2 + 𝑥 2 ))
(1 + 2𝑥 2 )3
[ ]
1 1
𝑓"(0) = 4(cos ( ) − 2sin ( ))
2 2
𝜋 𝜋 3
( 2 − (− 10))
𝐸𝑛 = − ∙ (−0.32508)
12(10)2
𝐸𝑛 = 𝟎. 𝟎𝟎𝟏𝟖𝟏
183
3. Se considera la curva que tiene la ecuación:
𝑦 = 𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 + 3.25𝑥
Calcular el área total comprendida entre la curva, el eje X y la segunda raíz
negativa (segunda raíz a la izquierda del origen de coordenadas) y la primera
positiva (primera raíz a la izquierda del origen de coordenadas), con cuatro
decimales exactos.
Solución
La grafica de la siguiente función 𝑓(𝑥) se muestra a continuación:
184
Se halla las tres raíces de 𝑓(𝑥) = 𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥, empleando el
método de la secante:
iteración xi f(Xi) f(Xi-1) Xi-(Xi-1)
0 -5
1 -3 -6,48288871 30,3890745 2
2 -3,35164326 -5,27397789 - -0,35164326
6,48288871
3 -4,88571736 25,2328238 - -1,5340741
5,27397789
4 -3,61685208 -3,43622397 25,2328238 1,26886528
5 -3,76893615 -1,9323667 - -0,15208406
3,43622397
6 -3,96435508 0,57519908 -1,9323667 -0,19541893
7 -3,91952882 -0,06233826 0,57519908 0,04482626
8 -3,92391192 -0,0017109 - -0,0043831
0,06233826
9 -3,92403561 5,3178E-06 -0,0017109 -0,00012369
10 -3,92403523 -4,5141E-10 5,3178E-06 3,8326E-07
11 -3,92403523 0 -4,5141E-10 -3,2531E-11
12 -3,92403523 0 0 0
185
3 -0,65579268 - 0,03407381 -0,00974612
0,00115405
4 -0,6554734 2,1619E-06 - 0,00031928
0,00115405
5 -0,655474 1,3616E-10 2,1619E-06 -5,97E-07
6 -0,655474 0 1,3616E-10 -3,7601E-11
7 -0,655474 0 0 0
186
Para la primera integral el valor de h es el siguiente, siendo n el número de
particiones:
𝑏−𝑎
ℎ=
𝑛
−0,655474 − (−3,92403523)
ℎ= = 0,272380103
12
Ahora se procede a hallar los valores de 𝑋𝑖 y de 𝑓(𝑋𝑖 )
𝑥0 = −3,92403523
𝑥1 = −3,92403523 + 0,272380103 =-3,65165513
𝑥2 = −3,65165513 + 0,272380103 =-3,37927502
𝑥3 = −3,37927502 + 0,272380103 =-3,10689492
𝑥4 = −3,10689492 + 0,272380103 =-2,83451482
𝑥5 = −2,83451482 + 0,272380103 =-2,56213472
𝑥6 = −2,56213472 + 0,272380103 =-2,28975461
𝑥7 = −2,28975461 + 0,272380103 =-2,01737451
𝑥8 = −2,01737451 + 0,272380103 =-1,74499441
𝑥9 = −1,74499441 + 0,272380103 =-1,4726143
𝑥10 =-1,4726143+0,272380103 =-1,2002342
𝑥11 =-1,2002342+0,272380103 =-0,9278541
𝑥12 =-0,9278541+0,272380103 =-0,655474
𝑓(𝑥0 ) = 0
𝑓(𝑥1 ) =-3,12360394
𝑓(𝑥2 ) =-5,123943859
𝑓(𝑥3 ) =-6,241693113
𝑓(𝑥4 ) =-6,671556235
𝑓(𝑥5 ) =-6,57301116
𝑓(𝑥6 ) =-6,078461605
187
𝑓(𝑥7 ) =-5,299270538
𝑓(𝑥8 ) =-4,330080414
𝑓(𝑥9 ) =-3,251776318
𝑓(𝑥10 ) =-2,133408848
𝑓(𝑥11 ) =-1,033359566
𝑓(𝑥12 ) = 0
A continuación, se muestras las tablas para poder utilizar el método de
Simpson 3/8
A)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 −3,92403523 0
1 -3,65165513 -3,12360394
2 -3,37927502 -5,123943859
3 -3,10689492 -6,241693113
B)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 -3,10689492 -6,241693113
1 -2,83451482 -6,671556235
2 -2,56213472 -6,57301116
3 -2,28975461 -6,078461605
188
C)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 -2,28975461 -6,078461605
1 -2,01737451 -5,299270538
2 -1,74499441 -4,330080414
3 -1,4726143 -3,251776318
D)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 -1,4726143 -3,251776318
1 -1,2002342 -2,133408848
2 -0,9278541 -1,033359566
3 -0,655474 0
−0,655474
3ℎ
∫ (𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥)𝑑𝑥 = (𝐴 + 𝐵 + 𝐶 + 𝐷)
−3,92403523 8
−0,655474
∫−3,92403523(𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥)𝑑𝑥=…..
189
3 ∗ 0,272380103
…= (−30,9843365 + −52,0538569 + −38,2182908
8
+ −12,7520816)
−0,655474
∫ (𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥)𝑑𝑥 = −13,6879751
−3,92403523
Para el área dos se repite los pasos anteriores, pero cambiando los límites
de integración:
3,1065871
∫ (𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥)𝑑𝑥
−0,655474
3,1065871 − (−0,655474)
ℎ= = 0.31350509
12
Ahora se procede a hallar los valores de 𝑋𝑖 y de 𝑓(𝑋𝑖 )
𝑥0 =-0,655474
𝑥1 =-0,655474+0.31350509 = -0,34196891
𝑥2 =-0,34196891+0.31350509 = -0,02846382
𝑥3 =-0,02846382+0.31350509 =0,28504127
𝑥4 =0,28504127+0.31350509 =0,59854636
𝑥5 = 0,59854636 + 0.31350509 =0,91205145
190
𝑥10 = 2,16607181 + 0.31350509 =2,4795769
𝑥11 = 2,4795769 + 0.31350509 =2,79308199
𝑥12 =2,79308199+0.31350509 =3,10658708
𝑓(𝑥0 ) = 0
𝑓(𝑥1 ) = 1,0569296498
𝑓(𝑥2 ) =1,93080714076595
𝑓(𝑥3 ) =2,59368048267620
𝑓(𝑥4 ) =3,03232434781574
𝑓(𝑥5 ) =3,24663759534322
𝑓(𝑥6 ) =3,24743787196769
𝑓(𝑥7 ) =3,05371002709307
𝑓(𝑥8 ) =2,68945535113542
𝑓(𝑥9 ) =2,18035591646042
𝑓(𝑥10 ) =1,55050804883745
𝑓(𝑥11 ) =8,19488860461625
𝑓(𝑥12 ) = 0
191
A continuación, se muestras las tablas para poder utilizar el método de
Simpson 3/8
A)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 -0,655474 0
1 -0,34196891 1,0569296498
2 -0,02846382 1,93080714076595
3 0,28504127 2,59368048267620
B)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 0,28504127 2,59368048267620
1 0,59854636 3,03232434781574
2 0,91205145 3,24663759534322
3 1,22555654 3,24743787196769
C)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 1,22555654 3,24743787196769
1 1,53906163 3,05371002709307
2 1,85256672 2,68945535113542
192
3 2,16607181 2,18035591646042
𝐶 = 3,24743787196769 + 3(3,05371002709307) +
3(2,68945535113542) +2,18035591646042
𝐶 = 2,26572899231136
D)
Iteraciones 𝒙𝒊 𝒇(𝒙𝒊 )
0 2,16607181 2,18035591646042
1 2,4795769 1,55050804883745
2 2,79308199 8,19488860461625
3 3,10658708 0
3,1065871
∫−0,655474 (𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥)𝑑𝑥 =…..
3 ∗ 0,31350509
…= (1,15568908543903 + 2,46780041841207
8
+ 2,26572899231136 + 9,29034664435764)
3,1065871
∫−0,655474 (𝑒 −0.85𝑥 + 𝑐𝑜𝑠𝑥 − 0.95𝑥 2 + 3.25𝑥)𝑑𝑥 =8,01583905
193
=21.70381415
194
Punto 5
Resolver el sistema de ecuaciones lineales usando el método de
eliminación de Gauss-Jordan:
𝑥 − 2𝑦 + 𝑧 = −2
1 1
𝑥− 𝑦 + 𝑧=−
2 2
1
− 𝑥 + 𝑦 − 2𝑧 = 4
2
Solución:
Se realiza la matriz aumentada del sistema de ecuaciones:
1 −2 1
𝑅1 1 −2
𝑅2 1 −1 2 | 1
−2
𝑅3 − 1
( 2 1 −2 4 )
1 −2 1 1 −2 1
𝑅1 1 −2 1 −2
(−1)𝑅1 + 𝑅2 → 1 −1 1 0 1 − 3
2 |− → 2 |
(1/2)𝑅1 + 𝑅3 → − 1 1 −2 4
2 3 2
( 2 ) ( 0 0 − 3)
2
1 −2 1
(2)𝑅2 + 𝑅1 → 1 −2 1 0 0 1
0 1 − 3 1 3
𝑅2 2 | → (0 1 −2 | 2 )
2
(−2/3)𝑅3 → 0 0 − 3 3 0 0 1 −2
( 2 )
195
Por último, se multiplica el tercer renglón por (1/2) y se suma al segundo
renglón.
𝑅1 1 0 0 1 1 0 0 1
(1/2)𝑅3 + 𝑅2 (0 1 1 | 3 )→( 1
−2 2 0 1 0 | )
2
𝑅3 0 0 1 −2 0 0 1 −2
196
Punto 6
Sean las siguientes matrices:
1 1
0.5 1 −1
𝐴 = [−0.5 0 ] 𝐵=[ ]
1 0 0.25
0 −2
1 −1 0 1 −1.5 0
𝐶=[ 1 2 1] 𝐷 = [−1 2 −0.5]
−1 0 −1 1 0 −2.5
1 2 1
1 0
1 1 −1 0 1 0 0 (1)𝑅2 + 𝑅1 3 3 3 0
( ) 𝑅2 1 1 | 1
| 1
3 1 1
(0 1 0) →
3 −3 0 1
→ 3 3 |−3 3 0
0 −1 −1 1 0 1 (1)𝑅2 + 𝑅3 2 2 1
(0 0 −3 3 3 1)
197
2 1 1 1 1
3 1 0 1
1 0 3 3 3 (− ) 𝑅3 + 𝑅1 1 0 0| 2 2
(− ) 𝑅3 | 1 1 3 1 1
2 1 − 0 → 0 1 0 0
→ 0 1 3| 3 3 1 | 2 2
1 3 0 0 1 1 3
(0 0 1 −1 −2 − 2) (− 3) 𝑅3 + 𝑅1 ( −1 − 2 − 2)
198
Se procede a realizar la transversa de la matriz D, la cual sería la
siguiente:
1 −1 1
3
𝑇 − 2 0
𝐷 = 2
1 5
[ 0 −
2
− ]
2
1 1 1
1 −1 1 −
3 4 4 4
1 𝑇 − 2 0 3 1
( )𝐷 = 2 → − 0
4 1 5 8 2
1 5
[ 0 −
2
− ]
2 0 − −
[ 8 8]
3 1 3 1
𝐴 ∙ 𝐵 + 𝐶 −1 − 𝑋 = 𝐷𝑇 → − 𝑋 = ( 𝐷𝑇 − (𝐴 ∙ 𝐵)) − 𝐶 −1
2 4 2 4
1 1 1 3 3 1 1
− 1 −
1
4 4 4 2 4 2 2
3 3 1 1 1 1 1 1
− 𝑋= − 0 − − − − 0
2 8 2 4 2 2 2 2
1 5 1 1 3
([ 0 −
8
− ]
8 [ −2 0 − ]) [−1 −
2 2
− ]
2
199
5 5 1 1
− − 1 1
4 4 2 2
3 1 1 1 1
− 𝑋= − 1 − − 0
2 8 2 2 2
1 1 1 3
[ 2 − − ] [−1 − − ]
8 8 2 2
9 7 1
− −
4 4 2
3 1 1
− 𝑋= − −1
2 8 2
3 11
[ 3 8 8]
Finalmente, se despeja X.
9 7 1 3 7 1
−− −
4 4 2 2 6 3
2 1 1 1 1 2
𝑋 = (− ) − −1 → −
3 8 2 12 3 3
3 11 1 11
[ 3 8 8 ] [ −2 −
4 12 ]
3 7 1
−
2 6 3
1 1 2
𝑋= −
12 3 3
1 11
[−2 − 4 12 ]
200
5. INTERPOLACIÓN Y AJUSTE DE CURVAS.
Ajuste polinomial de curvas
Una función polinomial de grado n se escribe:
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + ⋯ + 𝑎𝑛 𝑥 𝑛
Se considera un conjunto de n puntos experimentales dados por la
siguiente tabla:
X x1 x2 x3 … xi … xn
Y y1 y2 y3 … yi … yn
𝑒𝑖 = 𝑓(𝑥𝑖 ) − 𝑦𝑖
𝑒𝑖 2 = (𝑓(𝑥𝑖 ) − 𝑦𝑖 )2
201
Fórmulas para el Ajuste Lineal:
𝑆 = ∑(𝑓(𝑥𝑖 ) − 𝑦𝑖 )2
𝑖=1
Donde:
𝑓(𝑥𝑖 ) = 𝑎0 + 𝑎1 𝑥𝑖
Entonces:
𝑛
𝑆 = ∑(𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 )2
𝑖=1
𝑛
𝜕𝑆
= ∑(𝑎0 + 𝑎1 𝑥𝑖 − 𝑦𝑖 ) = 0
𝜕𝑎0
𝑖=1
𝑛
𝜕𝑆
= ∑(𝑎0 𝑥𝑖 + 𝑎1 𝑥𝑖 2 − 𝑥𝑖 𝑦𝑖 ) = 0
𝜕𝑎1
𝑖=1
Se resuelve el sistema:
𝑛 𝑛
𝑎0 𝑛 + 𝑎1 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
𝑖=1 𝑖=1
𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 2 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
202
𝑛 𝑛
𝑛 ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑖=1 𝑎0 𝑖=1
𝑛 𝑛 [𝑎 ] = 𝑛
1
∑ 𝑥𝑖 ∑ 𝑥𝑖 2 ∑ 𝑥𝑖 𝑦𝑖
[ 𝑖=1 𝑖=1 ] [ 𝑖=1 ]
𝑆 = ∑(𝑓(𝑥𝑖 ) − 𝑦𝑖 )2
𝑖=1
Donde:
𝑓(𝑥𝑖 ) = 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖 2
Entonces:
𝑆 = ∑(𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖 2 − 𝑦𝑖 )2
𝑖=1
𝑛
𝜕𝑆
= ∑(𝑎0 + 𝑎1 𝑥𝑖 𝑎2 𝑥𝑖 2 − 𝑦𝑖 ) = 0
𝜕𝑎0
𝑖=1
𝑛
𝜕𝑆
= ∑(𝑎0 𝑥𝑖 + 𝑎1 𝑥𝑖 2 + 𝑎2 𝑥𝑖 3 − 𝑥𝑖 𝑦𝑖 ) = 0
𝜕𝑎1
𝑖=1
𝑛
𝜕𝑆
= ∑(𝑎0 𝑥𝑖 2 + 𝑎1 𝑥𝑖 3 + 𝑎2 𝑥𝑖 4 − 𝑥𝑖 2 𝑦𝑖 ) = 0
𝜕𝑎2
𝑖=1
203
Se resuelve el sistema:
𝑛 𝑛 𝑛
𝑎0 𝑛 + 𝑎1 ∑ 𝑥𝑖 + 𝑎2 ∑ 𝑥𝑖 2 = ∑ 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 2 + 𝑎2 ∑ 𝑥𝑖 3 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 2 + 𝑎1 ∑ 𝑥𝑖 3 + 𝑎2 ∑ 𝑥𝑖 4 = ∑ 𝑥𝑖 2 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛
𝑛 ∑ 𝑥𝑖 ∑ 𝑥𝑖 2 ∑ 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑎0 𝑛
∑ 𝑥𝑖 ∑ 𝑥𝑖 2 ∑ 𝑥𝑖 3 [𝑎1 ] = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑎2 𝑖=1
𝑛 𝑛 𝑛 𝑛
2 3 4
∑ 𝑥𝑖 ∑ 𝑥𝑖 ∑ 𝑥𝑖 ∑ 𝑥𝑖 2 𝑦𝑖
[ 𝑖=1 𝑖=1 𝑖=1 ] [ 𝑖=1 ]
Donde:
𝑓(𝑥𝑖 ) = 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎1 𝑥𝑖 2 + 𝑎1 𝑥𝑖 3
Entonces:
𝑆 = ∑(𝑎0 + 𝑎1 𝑥𝑖 + 𝑎1 𝑥𝑖 2 + 𝑎1 𝑥𝑖 3 − 𝑦𝑖 )2
𝑖=1
204
Se resuelve el sistema:
𝑛 𝑛 𝑛 𝑛
𝑎0 𝑛 + 𝑎1 ∑ 𝑥𝑖 + 𝑎2 ∑ 𝑥𝑖 2 + 𝑎3 ∑ 𝑥𝑖 3 = ∑ 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 2 + 𝑎2 ∑ 𝑥𝑖 3 + 𝑎3 ∑ 𝑥𝑖 4 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 2 + 𝑎1 ∑ 𝑥𝑖 3 + 𝑎2 ∑ 𝑥𝑖 4 + 𝑎3 ∑ 𝑥𝑖 5 = ∑ 𝑥𝑖 2 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 + 𝑎2 ∑ 𝑥𝑖 + 𝑎3 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 3 𝑦𝑖
3 4 5 6
𝑛 𝑛 𝑛 𝑛
𝑛 ∑ 𝑥𝑖 ∑ 𝑥𝑖 2 ∑ 𝑥𝑖 3 ∑ 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛
∑ 𝑥𝑖 ∑ 𝑥𝑖 2 ∑ 𝑥𝑖 3 ∑ 𝑥𝑖 4 𝑎0 ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑎1
𝑛 𝑛 𝑛 𝑛 [𝑎 ] = 𝑖=1
𝑛
2
5 𝑎
∑ 𝑥𝑖 2 ∑ 𝑥𝑖 3 ∑ 𝑥𝑖 4 ∑ 𝑥𝑖 3 ∑ 𝑥𝑖 2 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛
∑ 𝑥𝑖 3 ∑ 𝑥𝑖 4 ∑ 𝑥𝑖 5 ∑ 𝑥𝑖 6 ∑ 𝑥𝑖 3 𝑦𝑖
[ 𝑖=1 𝑖=1 𝑖=1 𝑖=1 ] [ 𝑖=1 ]
205
Fórmulas para el Coeficiente de correlación:
𝑛 𝑛
𝑆𝑟 = ∑ 𝑒𝑖 = ∑(𝑓(𝑥𝑖 ) − 𝑦𝑖 )2
2
𝑖=1 𝑖=1
𝑛
𝑆𝑇 = ∑(𝑦𝑖 − 𝑦̅)
𝑖=1
𝑆𝑇 − 𝑆𝑟
𝑟2 =
𝑆𝑇
𝑆𝑇 − 𝑆𝑟
𝑟= √
𝑆𝑇
𝑆𝑇 − 𝑆𝑟
𝑟2 =
𝑆𝑇
𝑆𝑇 − 𝑆𝑟
𝑟= √
𝑆𝑇
206
5.1 Regresión lineal por mínimos cuadrados:
Este método nos permite adaptar una línea recta optima a una muestra de
datos, tomadas y denotadas por las variables X y Y es decir, se deben
encontrar los valores de los parámetros que minimizan la suma de los
errores al cuadrado.
El objetivo de los mínimos cuadrados es hallar una recta Y=mx+b es decir,
determinar cuál es la pendiente de dicha recta y cual es intercepto con el
eje Y.
X Y
7 2
1 9
10 2
5 5
4 7
3 11
13 2
10 5
2 14
Solución:
Se calcula en la tabla los valores del producto de X×Y, y X al cuadrado.
X Y X×Y 𝑿𝟐
7 2 14 49
1 9 9 1
10 2 20 100
5 5 25 25
207
4 7 25 16
3 11 33 9
13 2 26 169
10 5 50 100
2 14 28 4
Sumatoria 55 57 233 473
(∑ 𝑥)(𝑦)
∑ 𝑥𝑦 −
𝑚= 𝑛
(∑ 𝑥)2
∑ 𝑥2 −
𝑛
Donde n es igual al número de datos.
55 × 57
233 −
𝒎= 9 = −𝟎. 𝟖𝟒
(55)2
473 − 9
De manera que la recta buscada por a través del método de los mínimos
cuadrados es:
𝒚 = −0.84𝑥 + 11.4
Corte con el eje X:
208
0 = −0.84𝑥 + 11.4
−11.4
𝒙= = 𝟏𝟑. 𝟓𝟕
−0.84
209
Ejemplo 2: Según los siguientes datos, encontrar la ecuación lineal de la
correlación entre la variable x y la variable y, y el coeficiente de correlación
lineal.
y x
3 100
5 90
9 80
10 45
20 50
21 50
24 60
24 40
27 25
35 20
Solución:
Se calcula en la tabla los valores del producto de X×Y, y X al cuadrado.
y x 𝒙𝟐 xy
210
35 20 400 700
Sumatorias 178 560 37750 7745
10(7745) − (500)(178)
𝑎= = −𝟎. 𝟑𝟒𝟕𝟖𝟖
10(37750) − (560)2
Se halla el valor de b:
∑𝑦 − 𝑎∑𝑥
𝑏=
𝑛
Donde n es igual al número de datos, n=10.
178 − (−0.34788)(560)
𝑏= = 𝟑𝟕. 𝟐𝟖𝟏𝟐𝟖
10
∑ 𝑦 178
𝑦̅ = = = 17.8
𝑛 10
y x ̅
𝒙−𝒙 ̅
𝒚−𝒚 ̅) 𝟐
(𝒙 − 𝒙 ̅ )𝟐
(𝒚 − 𝒚 ̅)(𝒚 − 𝒚
(𝒙 − 𝒙 ̅)
211
3 100 44 -14.8 1936 2193.04 -651.2
5 90 34 -12.8 1156 163.84 -435.2
9 80 24 -8.8 576 77.44 -211.2
10 45 -11 -7.8 121 60.84 85.8
20 50 -6 2.2 36 4.84 -13.2
21 50 -6 3.2 36 10.24 -19.2
24 60 4 6.2 16 38.44 24.8
24 40 -16 6.2 256 38.44 -99.2
27 25 -31 9.2 961 84.64 -285.2
35 20 36 17.2 1296 295.84 -619.2
Sumatorias 178 560 6390 993.6 -2223
−2223
𝑟= = −𝟎. 𝟖𝟖𝟐𝟐𝟑
√6390 √993.6
212
5.1.2 Regresión polinómica por mínimos cuadrados:
En general, por tres puntos dados del plano, (x1, y1), (x2, y2) y (x3, y3), pasa
una única parábola (polinomio de grado 2). Sea
𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
Para calcular los valores adecuados de los coeficientes hay que resolver el
sistema lineal de ecuaciones
𝑦1 = 𝑎𝑥12 + 𝑏𝑥1 + 𝑐
𝑦2 = 𝑎𝑥22 + 𝑏𝑥2 + 𝑐
𝑦3 = 𝑎𝑥32 + 𝑏𝑥3 + 𝑐
que, en forma matricial es:
𝑥12 𝑥1 1 𝑎 𝑦1
[𝑥22 𝑥2 1] [𝑏 ] = [𝑦2 ]
𝑥32 𝑥3 1 𝑐 𝑦3
213
Ejemplo1: Dada la siguiente ecuación 𝑓(𝑥) = 𝑐𝑜𝑠𝑥 usando los puntos
𝜋 𝜋
𝑥0 = − , 𝑥1 = 0 y 𝑥2 =
2 2
214
1
1 0 0
0
[0 1 0 |−4]
0 0 1 2
𝜋
𝑎0 = 1
−4
𝑎2 =
𝜋2
−4
𝑎2 =
𝜋2
4 2
𝑝(𝑥) = 1 − 𝑥
𝜋2
215
Ejemplo 2: Teniendo como referencia los siguientes valores, encontrar el
ajuste de la curva utilizando la ecuación de polinomios de grado 2.
x y
1 1
2 3
3 2
216
Paso 3: Se encuentra la matriz inversa de la matriz y se resuelven los
valores.
1 1 1 0.5 −1 0.5
−1
𝐴 = [2 2 1] → 𝐴 = [−2.5 4 −1.5]
9 3 1 3 −3 1
𝑎 0.5 −1 0.5 1 −1.5
𝑏
[ ] = [−2.5 4 −1.5] [3] = [ 6.5 ]
𝑐 3 −3 1 2 −4
Paso 4: Se organizan los resultados y se encuentra el polinomio de
interpolación de grado 2.
𝑎 = −1.5
𝑏 = 6.5
𝑐 = −4
𝑝(𝑥) = −1.5𝑥 2 + 6.5𝑥 − 4
217
5.1.3 Regresión Lineal Múltiple por mínimos cuadrados:
Ejemplo 1: En la siguiente tabla se muestran las ventas (en millones de
pesos) de un producto de oportunidad el cual se anuncia en cierto número
de horas de tv y radio, los datos muestran el número de horas de tv y de
radio que se han aplicado en distintos periodos y los resultados obtenidos,
se trata de determinar un modelo de la forma 𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 en el que
y es el monto de ventas del producto, 𝑥1 es el numero de horas de
publicidad en tv y 𝑥2 es el número de horas de publicidad en radio,
determine las ventas que se esperarían si:
a) Únicamente se aplica publicidad en tv por 24 horas sin radio.
b) Únicamente se aplica publicidad en radio por 24 Horas sin tv
c) Se aplica publicidad por 8 horas de tv y 8 horas de radio.
𝒙𝟏 𝒙𝟐 y
4 6 9
6.5 12 18
8 10 14.5
8.5 12 18.4
12 8 18.3
16 8 20
8 16 21
12 12 21.5
10.5 5.5 16.3
sumatorias 85.5 89.5 157
218
Solución:
-1er paso:
Primero se sacarán los siguientes datos, con sus respectivas sumatorias:
𝒙𝟏 𝟐 𝒙𝟐 𝟐 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒚 𝒙𝟐 𝒚
16 36 24 36 54
42.25 144 78 117 216
64 100 80 116 145
72.25 144 102 156.4 220.8
144 64 96 219.6 146.4
256 64 128 320 160
64 256 128 168 336
144 144 144 258 258
110.25 30.25 57.75 171.15 89.65
sumatorias 912.75 982.25 837.75 1562.15 1625.85
-2do paso:
El siguiente paso a seguir es elaborar las matrices, teniendo en cuenta que
n = 9:
𝟗 85.5 89.5 157
[85.5 912.75 837.75] = [1562.15]
89.5 837.75 982.25 1625.85
Matriz A Matriz B
-3er paso:
Luego se procede a hallar la inversa de la Matriz A:
219
2.3744 −0.1098 −0.1227
(𝐴−1 ) = [−0.1098 0.0101 0.0014 ]
−0.1227 0.0014 0.0110
-4to paso:
Multiplicar (𝐴−1 ) × 𝑀𝑎𝑡𝑟𝑖𝑧 𝐵:
1.7640
[0.8036]
0.8091
Se tiene:
2.3744 −0.1098 −0.1227 𝑎0 1.7640
[−0.1098 0.0101 0.0014 ] = 𝑎1 [0.8036]
−0.1227 0.0014 0.0110 𝑎2 0.8091
-5to paso:
Teniendo en cuenta la ecuación 𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 dada:
a) 1.7640 + 0.8036 × 24ℎ𝑜𝑟𝑎𝑠 = 𝟐𝟏. 𝟎𝟓𝟎𝟖𝟑
b) 1.7640 + 0.8091 × 24ℎ𝑜𝑟𝑎𝑠 = 𝟐𝟏. 𝟎𝟓𝟎𝟖𝟑
c) 1.7640 + (0.8036 × 8ℎ𝑜𝑟𝑎𝑠) + (0.8091 × 8ℎ𝑜𝑟𝑎𝑠) = 𝟏𝟒. 𝟔𝟔𝟓𝟕𝟓
220
Ejemplo 2: Los siguientes datos muéstrales los proporciona una compañía
de mudanza sobre los pesos de seis envíos, las distancias que se
desplazaron y el daño que se provocó:
Peso Distancia Daños
(1000 libras) (1000 millas) (Dólares)
X1 X2 y
4.0 1.5 160
3.0 2.2 112
1.6 1.0 69
1.2 2.0 90
3.4 0.8 123
4.8 1.6 186
-2do paso:
221
Se multiplica 𝑥 • 𝑥 𝑇
6 18 9.1
[ 18 63.6 27 ]
9.1 27 15.29
-3er paso:
Se multiplica 𝑦 • 𝑥 𝑇
740
[2505.4]
1131.4
-4to paso:
Se halla la inversa de 𝑥 • 𝑥 𝑇
-5to paso:
Se multiplica (𝑥 • 𝑥 𝑇 )−1 • ( 𝑦 • 𝑥 𝑇 )
𝛽0 14.56
[𝛽1 ] = [30.10]
𝛽2 12.16
b) 𝑦 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝐸
𝑦 = 14.56 + 30.10𝑥1 + 12.16𝑥2 + 𝐸
𝑦 = 14.56 + 30.10(2.400) + 12.16𝑥2
𝑦 = 101.392
222
5.2 Interpolación polinomial de Newton en diferencias divididas
El polinomio de interpolación de Newton en diferencias divididas es una de
las formas más populares y útiles. Antes de presentar la ecuación general,
estudiaremos las versiones de primero y segundo grados por su sencilla
interpretación visual.
La forma más simple de interpolación consiste en unir dos puntos con una
línea recta. Dicha técnica, llamada interpolación lineal, utilizando triángulos
semejantes, se muestra de la siguiente manera:
𝑓1 (𝑥) − 𝑓(𝑥0 ) 𝑓1 (𝑥1 ) − 𝑓(𝑥0 )
=
𝑥 − 𝑥0 𝑥1 − 𝑥0
Reordenándose se tiene:
𝑓1 (𝑥1 ) − 𝑓(𝑥0 )
𝑓1 (𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
Que es una fórmula de interpolación lineal. La notación f1(x) designa que
éste es un polinomio de interpolación de primer grado. Observe que además
de representar la pendiente de la línea que une los puntos, el término
𝑓1 (𝑥1 )−𝑓(𝑥0 )
es una aproximación en diferencia dividida finita a la primer
𝑥1 −𝑥0
derivada. En general cuanto menor sea el intervalo entre los datos, mejor
será la aproximación. Esto se debe al hecho de que, conforme el intervalo
disminuye, una función continua estará mejor aproximada por una línea
recta.
223
Ejemplo 1:
Estimar el logaritmo natural de 2 mediante interpolación lineal. Primero,
realizar el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1.791759.
Después, repetir el procedimiento, pero usar un intervalo menor de ln 1 a
ln 4 (1.386294). Observar que el valor verdadero de ln 2 es 0.6931472.
Solucion:
Usamos la ecuación y una interpolación lineal para ln (2) desde x0=1 hasta
x1=6 para obtener:
Que representa un error: εt=48.3%. Con el intervalo menor desde x0=1 hasta
x1=4 se obtiene
224
5.2.1 Interpolación de polinomios de LaGrange
El polinomio de interpolación de LaGrange se obtiene de manera directa a
partir de la formulación del polinomio de Newton. Para obtener la forma de
Lagrange, reformulamos las diferencias divididas. Por ejemplo, la primera
diferencia dividida:
Se reformula como:
225
Observe que, como en el método de Newton, la forma de LaGrange tiene un
error estimado de:
226
5.2. 2 Interpolación Inversa
Como la nomenclatura implica, los valores de f(x) y x en la mayoría de los
problemas de interpolación son las variables dependiente e independiente,
respectivamente. En consecuencia, los valores de las x con frecuencia están
espaciados uniformemente. Un ejemplo simple es una tabla de valores
obtenida para la función f(x) = 1/x
Ahora suponga que usted debe usar los mismos datos, pero que se le ha
dado un valor de f(x) y debe determinar el valor correspondiente de x. Por
ejemplo, para los datos anteriores, suponga que se le pide determinar el
valor de x que corresponda a f(x) = 0.3. En tal caso, como se tiene la función
y es fácil de manipular, la respuesta correcta se determina directamente, x
= 1/0.3 = 3.3333.
A ese problema se le conoce como interpolación inversa. En un caso más
complicado, usted puede sentirse tentado a intercambiar los valores f(x) y x
(es decir, tan sólo graficar x contra f(x)) y usar un procedimiento como la
interpolación de LaGrange para determinar el resultado. Por desgracia,
cuando usted invierte las variables no hay garantía de que los valores junto
con la nueva abscisa [las f(x)] estén espaciados de una manera uniforme. Es
más, en muchos casos, los valores estarán “condensados”. Es decir, tendrán
la apariencia de una escala logarítmica, con algunos puntos adyacentes muy
amontonados y otros muy dispersos. Por ejemplo, para f(x) = 1/x el resultado
es:
227
Por ejemplo, para el problema antes descrito, un procedimiento simple sería
ajustar los tres puntos a un polinomio cuadrático: (2, 0.5), (3, 0.3333) y (4,
0.25), cuyo resultado será:
228
PROBLEMAS DE APLICACIONES
2
1 𝑅
𝑞(𝑡) = 𝑞0 𝑒 −𝑅𝑡/(2𝐿)
𝑐𝑜𝑠 [√ −( ) 𝑡]
𝐿𝐶 2𝐿
1 𝑅 2 𝑞
𝑓(𝑅) = 𝑒 −𝑅𝑡/(2𝐿) cos [√ − ( ) 𝑡] −
𝐿𝐶 2𝐿 𝑞0
−𝑅(0.05)/(2(5))
1 𝑅 2
𝑓(𝑅) = 𝑒 cos [ √ −( ) (0.05)] − 0.01
(5)(10−6 ) 2(5)
229
200000
200000 − 0.01𝑅 2 = 0 → 𝑅 = √ = 4472,13595
0.01
230
14 4471.4541 4472 4471.72705 -0.01 -0.01 1E-04 6.010389E-
05
231
2) Problema. Dada la siguiente ecuación:
1 4 0.4
= 0.75 ∗ 𝑙𝑛(𝑅𝑒 ∗ 𝑓 1−0.5𝑛 ) − 1.2
𝑓 𝑛 ∗ ln(10) 𝑛
4 0.4
0 = ( 0.75 ∗ 𝑙𝑛(6000 ∗ 𝑓 1−0.5∗0.4 ) − )∗𝑓−1
0.4 ∗ ln(10) 0.41.2
232
Derivada de la función
233
3) Área bajo la curva. Se considera la curva que tiene la ecuación:
1 1
𝑦 = (𝑥 − ) ·𝑒𝑥𝑝 (− 𝑥 2 ) + 𝑐𝑜𝑠𝑥
2 2
Hallar la primera intersección de la curva con el eje X a la izquierda del eje
Y y la primera intersección de la curva con el eje X a la derecha del eje Y,
ambas con cuatro decimales exactos. Luego calcule el área bajo la curva
comprendida entre la curva, el eje X y los dos intercepto calculados (con
cinco decimales exactos).
Solución:
234
𝒙𝟏 = −𝟎. 𝟒𝟗𝟒𝟔𝟕
Primera intersección de la curva con el eje X a la derecha del eje Y:
Para hallar la segunda raíz se toma a xn = 1.7:
i 𝒙𝒊 𝒇(𝒙𝒊 ) 𝒇′(𝒙𝒊 ) 𝒇(𝒙𝒊 )/𝒇′(𝒙𝒊 ) Error
𝒙𝟐 = 𝟏. 𝟖𝟐𝟒𝟐𝟗
Área:
Se halla el área bajo la curva utilizando trapecios, con el intervalo
[-0.49467,1.82429] y con n= 10 particiones.
1.82429 − (−0.49467)
ℎ= = 𝟎. 𝟐𝟑𝟏𝟖𝟗𝟔
10
i 𝒙 𝒇(𝒙)
0 -0.49467 -1.0107749
1 -0.262774 -3.8055515
2 -0.030878 -32.385517
3 0.201018 4.97467888
4 0.432914 2.30992761
5 0.66481 1.50418917
6 0.896706 1.11519272
7 1.128602 0.88605195
8 1.360498 0.73502497
9 1.592394 0.62798529
10 1.82429 0.27407923
235
𝑏 𝑛
ℎ
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = [𝐹(𝑥0 ) + 2 ∑ 𝐹(𝑥𝑖 ) + 𝐹(𝑥𝑛 )]
𝑎 2
𝑖=1
236
4) Área bajo la curva. Hallar la primera intersección a la izquierda del eje Y
y la primera intersección a la derecha del eje Y, ambas con cuatro decimales
exactos de la curva que tiene la ecuación:
cos(𝑥 2 + 1)
𝑦= 2
𝑒 −𝑥 + 1
Solución:
237
iteración Xi f(Xi) f(Xi-1) Xi-Xi-1
0 -1
1 0 0,27015115 -0,11191912 1
- -
2 0,707071895 0,02672557 0,27015115 0,70707189
- - -
3 0,784700958 0,01576403 0,02672557 0,07762906
- -
4 0,755899862 0,00021232 -0,01576403 0,0288011
-
5 0,755506657 2,1726E-06 -0,00021232 0,00039321
-2,5729E- -3,9828E-
6 -0,75551064 10 2,1726E-06 06
-2,9856E-
7 -0,75551064 16 -2,5729E-10 4,716E-10
8 -0,75551064 2,2117E-17 -2,9856E-16 0
9 -0,75551064 2,2117E-17 2,2117E-17 0
238
-9,4796E-
5 0,7555104 1,3098E-07 -5,1584E-05 05
6 0,75551064 -3,7625E-12 1,30976E-07 2,4008E-07
-6,8966E-
7 0,75551064 2,2117E-17 -3,7625E-12 12
8 0,75551064 2,2117E-17 2,21172E-17 0
0,75551064
cos(𝑥 2 + 1)
∫ ( 2 ) 𝑑𝑥
−0,75551064 𝑒 −𝑥 + 1
𝑏−𝑎
ℎ=
𝑛
0,75551064 − (−0,75551064)
ℎ= = 0,25183688
6
𝑏
ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓(𝑥0 ) + 4 ∗ 𝑓(𝑥1 ) + 𝑓(𝑥2 ))
𝑎 3
239
0,75551064
cos(𝑥 2 + 1) 0,25183688
∫ ( −𝑥 2 ) 𝑑𝑥 = (3,11148497)
−0,75551064 𝑒 +1 3
= 0,26119556
240
5. Resistencia y temperatura. Estudiantes en el laboratorio de física
desean determinar los efectos de la temperatura sobre una resistencia, para
esto registraron las mediciones de temperatura (x) sobre el valor de la
resistencia (y) y obtuvieron los siguientes datos:
Solución:
a)
𝑛 𝑛
𝑎0 𝑛 + 𝑎1 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
𝑖=1 𝑖=1
𝑛 𝑛 𝑛
2
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
∑ 𝑥𝑖 = 273.1
𝑖=1
241
𝑛
∑ 𝑥𝑖 2 = 18607.27
𝑖=1
∑ 𝑥𝑖 𝑦𝑖 = 254932.5
𝑖=1
∑ 𝑦𝑖 = 4438
𝑖=1
𝑎0 𝑛 + 𝑎1 ∑ 𝑥𝑖 = ∑ 𝑦𝑖
𝑖=1 𝑖=1
𝑛 𝑛 𝑛
2
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
4438 𝑎1 (273.1)
( − ) (273.1) + 𝑎1 (18607.27) = 254932.5
5 5
242
(242403.56 − 𝑎1 (14916.722)) + 𝑎1 (18607.27) = 254932.5
4438 𝑎1 (273.1)
𝑎0 = −
5 5
4438 (3.39487)(273.1)
𝑎0 = −
5 5
(927.138997)
𝑎0 = 887.6 −
5
𝑎0 = 702.1722
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥
𝑓(𝑥) = 702.1722 + 3.39487𝑥
b)
243
6. Resistencia de un producto. Un diseñador industrial contrata sus
servicios profesionales como ingeniero para consultarle sobre un
experimento que lleva a cabo. Está interesado en saber qué efecto tiene la
temperatura sobre la resistencia de un producto. Como los costos
involucrados son altos, el diseñador tiene un límite en la cantidad de datos
que puede obtener y le presenta la siguiente tabla:
x (Temperatura en grados
y (Nivel de resistencia)
Fahrenheit)
600 40
600 44
700 48
700 46
700 50
900 48
950 46
950 45
Solución:
244
Y
60
50
40
30
20
10
0
0 200 400 600 800 1000
∑ 𝑥𝑖 = 6100
𝑖=1
∑ 𝑥𝑖 2 = 4805000
𝑖=1
∑ 𝑦𝑖 = 367
𝑖=1
∑ 𝑥𝑖 3 = 3904750000
𝑖=1
∑ 𝑥𝑖 𝑦𝑖 = 280850
𝑖=1
∑ 𝑥𝑖 4 = 3.26461 × 1012
𝑖=1
245
𝑛
∑ 𝑥𝑖 2 𝑦𝑖 = 221807500
𝑖=1
𝑛 𝑛 𝑛 𝑛
2 3
𝑎0 ∑ 𝑥𝑖 + 𝑎1 ∑ 𝑥𝑖 + 𝑎2 ∑ 𝑥𝑖 = ∑ 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
246
𝑎1 (153750) + 𝑎2 (240937500) = 1012.5
1012.5 𝑎2 (240937500)
𝑎1 = −
153750 153750
𝑎1 = 0.00658537 − 𝑎2 (1567.07317)
𝑛 𝑛 𝑛 𝑛
𝑎0 ∑ 𝑥𝑖 2 + 𝑎1 ∑ 𝑥𝑖 3 + 𝑎2 ∑ 𝑥𝑖 4 = ∑ 𝑥𝑖 2 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1
24336082.3 𝑎1 (3663812500)
𝑎2 = −
(5.740422088 × 1012 ) (5.740422088 × 1012 )
247
𝑎2 = 4.23943 × 10−6 − (0.00658537 − 𝑎2 (1567.07317))(0.000638248)
𝑎2 = −0.0002
𝑎1 = 0.00658537 − (−0.0002)(1567.07317)
𝑎1 = 0.00658537 − (−0.31341463)
𝑎1 = 0.32
248
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
𝑓(𝑥) = −78 + 0.32𝑥 − 0.0002𝑥 2
a) 𝑦 = −0.0002𝑥 2 + 0.32𝑥 − 78
b) Se puede decir que la resistencia tiene un punto máximo de aguante a
los 50 grados Fahrenheit, a partir de este punto, la resistencia comienza a
disminuir con forme la temperatura continúa ascendiendo.
Y
60
50
40
30
20
y = -2E-19x3 - 0.0002x2 + 0.32x - 78
10 R² = 0.7457
0
0 200 400 600 800 1000
249
7) Ajuste de curvas. Ajustar el siguiente conjunto de datos a un polinomio
cuadrático f(x):
x y
1.03 2.5
1.04 2.8
1.05 2.9
1.07 3.1
1.09 2.95
1.13 2.97
Solución:
𝒙 𝒚 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝒚 𝒙𝟐 𝒚
1.03 2.5 1.0609 1.092727 1.12550881 2.575 2.65225
1.04 2.8 1.0816 1.124864 1.16985856 2.912 3.02848
1.05 2.9 1.1025 1.157625 1.21550625 3.045 3.19725
1.07 3.1 1.1449 1.225043 1.31079601 3.317 3.54919
1.09 2.95 1.1881 1.295029 1.41158161 3.2155 3.504895
1.13 2.97 1.2769 1.442897 1.63047361 3.3561 3.792393
Sumatoria 6.41 17.22 6.8549 7.33819 7.86372485 18.4206 19.724458
250
𝟒 6.41 6.8549 𝑎0 17.22
[ 6.41 6.8549 7.33819 ] [𝑎1 ] = [18.4206]
6.8549 7.33819 7.86372485 𝑎2 19.7245
Después de resolver el sistema de ecuaciones por el método de Gauss-
Jordan:
𝑎0 −141.402004
𝑎
[ 1 ] = [ 264.08005 ]
𝑎2 −120.66125
(b)
𝑓 ′ (1.04) = 13,10465
𝑓 ′ (1.13) = −8,614365
(c)
Newton-Raphson
251
8) Ajuste de curvas. En un experimento se obtuvieron los siguientes siete
puntos de datos:
x y
0.9 0.9
1.5 1.35
3.05 2.45
4.0 5.15
5.85 4.45
8.0 5.1
9.5 6.25
Solución:
∑ 𝑥𝑖 = 𝟑𝟐. 𝟖
∑ 𝑥𝑖 2 = 𝟐𝟏𝟔. 𝟖𝟑𝟓
∑ 𝑥𝑖 3 = 𝟏𝟔𝟔𝟔. 𝟎𝟓𝟑𝟐𝟓
∑ 𝑥𝑖 4 = 𝟏𝟑𝟕𝟔𝟎. 𝟒𝟗𝟕𝟏𝟏
252
∑ 𝑥𝑖𝑦𝑖 = 𝟐𝟓. 𝟔𝟓
a)
𝑓(𝑥) = −178,20728 + (79.15441) 𝑥 − (6.10216) 𝑥 2
Experimento
10
0
0 2 4 6 8 10
253
𝑅 2 = 0.8867
𝑅 = 0.94164
b)
𝑓 ′ (3.05) = 41.9311
𝑓 ′ (12.5) = −73.3997
c)
Newton-Rapson:
254
255
9) Circuito de resistores. Un problema común en algunas ingenierías es
la determinación de corrientes y voltajes en varios puntos en circuitos de
resistores. Estos problemas se resuelven usando las leyes para corrientes y
voltajes de Kirchhoff. En la figura el circuito de resistores se resuelve
usando ecuaciones algebraicas lineales simultáneas.
Calcular los valores de cada una de las corrientes, escribirlos con cuatro
decimales.
256
Solución:
𝑖1 + 𝑖2 + 𝑖3 = 0 [1]
𝑖4 − 𝑖2 − 𝑖5 = 0 [2]
𝑖6 − 𝑖3 = 0 [3]
𝑖5 − 𝑖6 = 0 [4]
−15𝑖5 − 5𝑖6 − 10𝑖3 + 10𝑖2 = 0 [5]
−20𝑖4 − 10𝑖2 + 5𝑖1 = 200 [6]
𝑖12 → 𝑖1 =-5,714285714
257
𝑖52 → 𝑖2 =-5,714285714
𝑖32 → 𝑖3 =11,42857143
𝑖65 → 𝑖4 =-8,571428571
𝑖54 → 𝑖5 =-8,571428571
𝑖43 → 𝑖6 =-8,571428571
258
10) Equilibrio de fuerzas. Un problema importante en la ingeniería
estructural es determinar las fuerzas y reacciones asociadas con una
estructura estáticamente determinada, En la figura se muestra un ejemplo
de tal estructura.
F H 0
F1 cos 30 F3 cos 60 F1h 0
F V 0
F1 sin 30 F3 sin 60 F1v 0
259
Para el nodo 2:
F H 0
F2 F1 cos30 F2 h H 2 0
F V 0
F1 sin 30 F2v V2 0
Para el nodo 3:
F H 0
F2 F3 cos 60 F3h 0
F V 0
F3 sin 60 F3v V3 0
Calcular los valores de cada una de las fuerzas y escribirlos con tres
decimales.
Solución;
El problema anterior se plantea como un sistema de ecuaciones con seis
incógnitas:
0.866 0 −0.5 0 0 0 𝐹1 0
0.5 0 0.866 0 0 0 𝐹2 −1000
−0.866 − 1 0 −1 0 0 𝐹3 0
=
−0.5 0 0 0 −1 0 𝐻2 0
0 1 0.5 0 0 0 𝑉2 0
( 0 0 −0.866 0 0 −1) ( 𝑉3 ) ( 0 )
0.866 0 −0.5 0 0 0
0.5 0 0.866 0 0 0
𝐴 = −0.866 − 1 0 −1 0 0
−0.5 0 0 0 −1 0
0 1 0.5 0 0 0
( 0 0 −0.866 0 0 −1)
260
0.866 0.50 0 0 0 0
0.25 −0.433 0 0 0 0
𝐴−1 = −0.50 0.866 0 0 0 0
−1 0 −1 0 −1 0
−0.433 −0.25 0 −1 0 0
( 0.433 −0.749 0 0 0 −1)
0.866 0 −0.5 0 0 0 0 𝐹1
0.5 0 0.866 0 0 0 −1000 𝐹2
−0.866 − 1 0 −1 0 0 0 𝐹3
=
−0.5 0 0 0 −1 0 0 𝐻2
0 1 0.5 0 0 0 0 𝑉2
( 0 0 −0.866 0 0 −1) ( 0 ) ( 𝑉3 )
−500
433
−866
0
250
( 749 )
261
Por lo tanto, los valores de las fuerzas son:
𝐹1 = −500
𝐹2 = 433
𝐹3 = −866
𝐻2 = 0
𝑉2 = 250
𝑉3 = 749
262
WEBGRAFIA
• https://es.slideshare.net/rocamaos/metodo-de-la-secante-20938744
• http://dazapa2894.wixsite.com/metodos-numericos/integracin-por-
rectangulos
• https://es.slideshare.net/LuisAguilarCruz/regla-de-simpson-tres-
octavos
• http://disi.unal.edu.co/~lctorress/MetNum/LiMetNu2.pdf
• http://www2.dis.ulpgc.es/~lalvarez/teaching/mn/mn_problemas_20
10.pdf
• http://weblidi.info.unlp.edu.ar/catedras/organiza/descargas/clase3.
pdf
• https://www.genbeta.com/a-fondo/sistemas-operativos-de-32-y-64-
bits-cual-es-la-diferencia
• http://www.alegsa.com.ar/Dic/64_bits.php
• http://www.zator.com/Cpp/E2_2_4a1.htm
• http://ocw.uc3m.es/ingenieria-telematica/arquitectura-de-
ordenadores/lecturas/html/cod.html#cod:sec:ieee754
• http://www.edu.xunta.gal/centros/iesdavidbujan/system/files/Prac
tica+1+BINARIO+Y+DECIMAL.pdf
• http://www.ehu.eus/~mepmufov/html/Parte2.pdf
• http://gliptal.tripod.com/sitebuildercontent/sitebuilderfiles/Newton-
raphson.pdf
• http://www.diocesisdeneiva.org/adiocinal/file/archivos/MN_Raices.
pdf
• http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capit
ulo5/5.3.htm
263
• http://noosfera.indivia.net/metodos/secante.html
• http://www1.eafit.edu.co/cursonumerico/capitulo3/sesion_2/enlace
s/gauss2.pdf
• http://www.dma.uvigo.es/~lino/Tema3.pdf
• http://numerosdecimales.com/
• https://www.smartick.es/blog/matematicas/numeros-
decimales/los-numeros-decimales/
• http://www.ladelec.com/teoria/electronica-digital/343-
conversiones-de-sistemas-de-numeracion
• https://es.slideshare.net/EvelynRuiZambrano/transformar-decimal-
fraccionario-a-binario-octal-y
• http://www.areatecnologia.com/sistema-binario.htm
• http://es.wikihow.com/convertir-de-decimal-a-binario
• https://www.ecured.cu/Sistema_octal
• http://www.ite.educacion.es/formacion/materiales/47/cd/mod1b/1
bb_4.htm
• https://es.wikipedia.org/wiki/Coma_fija
• https://www.uv.es/~diaz/mn/node8.html
• https://es.wikipedia.org/wiki/Notaci%C3%B3n_cient%C3%ADfica
• https://es.slideshare.net/erickbello752/metodo-de-newtonraphson-
para-sistemas-de-ecuaciones-no-lineales
• http://departamentos.uca.es/C146/pag_personal/f_alvarez/docume
ntos/CC%20Trabajo%20Tema%202.pdf
264
• http://www.unjbg.edu.pe/coin2/pdf/c&d_9_art_16.pdf
• http://www.bdigital.unal.edu.co/4831/43/958-9352-12-
X._1999_15.pdf
• http://www.sc.ehu.es/sbweb/fisica_/numerico/regresion/regresion.
html
• http://www.ub.edu/glossarimateco/content/matriz-jacobiana-de-
una-funci%C3%B3n-vectorial
• https://www.uv.es/~diaz/mn/node30.html
• https://www.uoc.edu/in3/emath/docs/Matriz_Inversa.pdf
• https://sites.google.com/site/mecanalisis/home/unidad-i-
introduccion-a-los-metodos-numericos
• https://www.uv.es/~diaz/mn/fmn.html
• http://www.ugr.es/~mibanez/ejemplos/interpolacion.pdf
• http://www.ehu.eus/pegonzalez/I.Teleco/Apuntes/tema5.pdf
• https://www.uv.es/~diaz/mn/node38.html
• http://www.sangakoo.com/es/temas/interpolacion-inversa
• https://es.slideshare.net/asesoracademico/09-interpolacion-inversa
265
266