Escolar Documentos
Profissional Documentos
Cultura Documentos
Conceptos bsicos:
|Ea| < Es
n!
n!
PASO 1
Hacemos la primera iteracin
e.5 = 1
PASO 2
Calculamos los errores con la ayuda de las siguientes formulas:
aproxiactual
PASO 3
El error aproximado es mayor a la tolerancia prefijada Es y por lo tanto hacemos
una iteracin ms.
ITERACION 2
PASO 1
Hacemos la segunda iteracin aumentando un valor ms de la serie de Maclorin
E.5 = 1+.5
PASO 3
El error aproximado es mayor a la tolerancia prefijada Es y por lo tanto hacemos
una iteracin ms.
ITERACION 3
PASO 1
Hacemos la segunda iteracin aumentando un valor ms de la serie de Maclorin
E.5 = 1+.5+ .52 = 1.625
2!
PASO 2
Calculamos los errores con la ayuda de las siguientes formulas:
ITERACION 4
PASO 1
Hacemos la segunda iteracin aumentando un valor ms de la serie de Maclorin
e.5 = 1+.5+ .52 +.53+.54 1.6458
2!
3!
4!
PASO 2
Calculamos los errores con la ayuda de las siguientes formulas:
PASO 3
El error aproximado es mayor a la tolerancia prefijada Es y por lo tanto hacemos
una iteracin ms.
3!
4!
5!
PASO 2
Calculamos los errores con la ayuda de las siguientes formulas:
PASO 3
El error aproximado es mayor a la tolerancia prefijada Es y por lo tanto hacemos
una iteracin ms.
ITERACION 6
PASO 1
Hacemos la segunda iteracin aumentando un valor ms de la serie de Maclorin
e.5 = 1+.5+ .52 +.53 + .54 +.55 +.56=1.64869
2!
3!
4!
5!
6!
|%Ea|=1.64869-1.6454(100) = .01%
aproxiactual
1.64869
Valor verdadero
1.648721
PASO 3
El error aproximado es menor a la tolerancia prefijada Es y por lo tanto se termina
el proceso de clculo de errores.
PASO 4
iteracin
resultado
Et(%)
Ea(%)
39.3
--
1.5
9.02
33.33
1.625
1.43
7.69
1.6458
.17
1.26
1.6484
.019
.15
1.6486
.007
.01
descritos
aqu
emplean
diferentes
estrategias
para
reducir
METODO GRAFICO
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f (x) = 0
consiste en graficar la funcin y observar dnde cruza el eje x. Este punto, que
representa el valor de x para el cual f(x) = 0, ofrece una aproximacin inicial de la
raz.
f(c)
34.11
17.65
12
6.06
16
-2.26
20
-8.40
METODO DE LA BISECCION
En general, si f(x) es real y contina en el intervalo que va desde Xi hasta Xu y f(Xi)
y f(Xu) tienen signos opuestos, es decir, f(Xi) f(Xu) < 0 entonces hay al menos una
raz real entre Xi y Xu. Los mtodos de bsqueda incremental aprovechan esta
caracterstica
localizando
un
intervalo
en
varios
PASO 1
Elija los valores iniciales que encierran la raz:
PASO 2
Determine una aproximacin a la raz (Xr) sumando los valores iniciales y
dividindolos entre dos:
Xr= Xi+Xu
2
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi) y f(Xr)
PASO 4
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
|%Ea|= Xractual-Xranterior
Xractual
|%Et|= valor verdadero-Xractual
Valor verdadero
EJERCICIO DE APLICACIN
Xr= 12+16 = 14
2
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)= f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
f(Xr)= f(14)= 667.38(1-e-.14684(14))-40= 1.565
14
PASO 4
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .5%.
ITERACION 2
Nuestros nuevos valores son:
Xi= 14
Xu= 16
PASO 2
Determine una aproximacin a la raz (Xr) sumando mis valores iniciales y
dividindolos entre dos:
Xr= Xi+Xu
2
Xr= 14+16 = 15
2
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)= f(14)= 667.38(1-e-.14684(14))-40= 1.567
14
f(Xr)= f(15)= 667.38(1-e-.14684(15))-40= -.425
15
PASO 5
Buscamos nuestros errores verdaderos y absolutos
15
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .5%.
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)= f(14)= 667.38(1-e-.14684(14))-40= 1.567
14
f(Xr)= f(14.5)= 667.38(1-e-.14684(14.5))-40= .5521
14.5
PASO 4
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
PASO 5
14.5
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .5%.
ITERACION 4
Nuestros nuevos valores son:
Xi= 14.5
Xu= 15
PASO 2
Determine una aproximacin a la raz (Xr) sumando mis valores iniciales y
dividindolos entre dos:
Xr= Xi+Xu
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)= f(14.5)= 667.38(1-e-.14684(14.5))-40= .552
14.5
f(Xr)= f(14.75)= 667.38(1-e-.14684(14.75))-40= .058
14.75
PASO 5
Buscamos nuestros errores verdaderos y absolutos
14.75
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .05.
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)= f(14.75)= 667.38(1-e-.14684(14.75))-40= .058
14.75
f(Xr)= f(14.875)= 667.38(1-e-.14684(14.875))-40= -.184
14.875
PASO 4
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
14.875
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .5% .
ITERACION 6
Nuestros nuevos valores son:
Xi= 14.75
Xu=14.875
PASO 2
Determine una aproximacin a la raz (Xr) sumando mis valores iniciales y
dividindolos entre dos:
Xr= Xi+Xu
PASO 3
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)= f(14.75)= 667.38(1-e-.14684(14.75))-40= .058
14.75
f(Xr)= f(14.8125)= 667.38(1-e-.14684(14.8125))-40= -.063
14.8125
PASO 5
Buscamos nuestros errores verdaderos y absolutos
14.875
14.7802
PASO 6
El proceso se termina pues nuestro valor aproximado es menor a .5%
PASO 7
Se crea una tabla con los resultados obtenidos de las iteraciones:
iteracin
Xr
Ea(%)
Et(%)
14
---
5.279
15
6.667
1.487
14.5
3.44
1.895
14.75
1.695
.204
14.875
.840
.641
14.8125
.422
.219
PASO 1
Elija los valores iniciales que encierran la raz:
Xi= valor inferior
Xu= valor superior
PASO 2
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi) y f(Xu)
PASO 3
Determine una aproximacin a la raz (Xr) con la ayuda de la siguiente formula:
Xr= Xu- f(Xu)(Xi+Xu)
f(Xi)-f(Xu)
PASO 4
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
a) Si al multiplicar mi funcin evaluada con el valor inicial y mi funcin
evaluada con el valor de la aproximacin a la raz y resulta ser menor a
cero (f(Xi)*f(Xr)<0), entonces; la raz se encuentra dentro del subintervalo
inferior por lo que el nuevo valor de Xu es el valor de Xr. y se vuelve al
paso 2.
PASO 5
Calculamos el error total y el error aproximado.
|%Ea|= Xractual-Xranterior(100)
Xractual
|%Et|= valor verdadero-Xractual(100)
Valor verdadero
EJERCICIO DE APLICACIN
Utilice el mtodo de la REGLA FALSA para encontrar los valores de las races de
la siguiente funcin:
f(c)= 667.38(1-e-.14684c))-40
c
Es=.5%
ITERACION 1:
PASO 1
Elija los valores iniciales que encierran la raz:
Xi= 12
Xu=16
PASO 2
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
PASO 3
Determine una aproximacin a la raz (Xr) con la ayuda de la siguiente formula:
f(Xi)-f(Xu)
6.067-(-2.269)
PASO 5
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
f(Xi)*f(Xr)= 6.067*-.256=-1.69
como nuestro valor fue menor a 0, [f(Xi)*f(Xr)<0], entonces; el que toma el valor de
Xr es Xu, por lo que el nuevo valor es:
Xu= 14.912
PASO 5
Buscamos nuestros errores verdaderos y absolutos
|%Ea|= Xractual-Xranterior (100)= ---Xractual
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .5%.
PASO 2
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
PASO 3
Determine una aproximacin a la raz (Xr) con la ayuda de la siguiente formula:
PASO 4
Evaluamos la funcin con el valor de Xr
f(Xr)=f(14.794)= 667.38(1-e-.14684(14.794))-40=-.0271
14.794
PASO 5
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
f(Xi)*f(Xr)= 6.067*-.0271=-.164
como nuestro valor fue menor a 0, [f(Xi)*f(Xr)<0], entonces; el que toma el valor de
Xr es Xu, por lo que el nuevo valor es:
Xu= 14.794
14.794
14.7802
PASO 6
Repetimos el proceso hasta lograr que f(Xi)*f(Xr)=0, o nuestro error aproximado
sea menor a .5%.
ITERACION 3
Los nuevos valores son:
Xi= 12
Xu=14.794
PASO 2
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
PASO 3
Determine una aproximacin a la raz (Xr) con la ayuda de la siguiente formula:
Xr=14.794-(-.0271)(12-14.794)=14.7815
6.067-(-.071)
PASO 5
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
f(Xi)*f(Xr)= 6.067*-.0027=-.0178
como nuestro valor fue menor a 0, [f(Xi)*f(Xr)<0], entonces; el que toma el valor de
Xr es Xu, por lo que el nuevo valor es:
Xu= 14.7815
PASO 5
Buscamos nuestros errores verdaderos y absolutos
|%Ea|= Xractual-Xranterior(100) = 14.7815-14.794 =.084%
Xractual
14.7815
14.7802
PASO 6
EL PROCESO SE PUEDE ACABAR AQU PUES NUESTRA VALOR ABSOLUTO
ES MENOR A .5% PERO SI ITERAMOS UNA VEZ MAS SE PUEDE LLEGAR A
Xr=0.
PASO 2
Evaluar la funcin con los valores de Xi y Xr para obtener:
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
PASO 3
Determine una aproximacin a la raz (Xr) con la ayuda de la siguiente formula:
PASO 4
Evaluamos la funcin con el valor de Xr
f(Xr)=f(14.7802)= 667.38(1-e-.14684(14.7802))-40=-.0002
14.7802
PASO 5
Ahora realizamos las siguientes evaluaciones para determinar en que subintervalo
est la raz
f(Xi)*f(Xr)= 6.067*-.0002=-.0012
PASO 5
Buscamos nuestros errores verdaderos y absolutos
|%Ea|= Xractual-Xranterior(100) = 14.7802-14.7815 =.0087%
Xractual
14.7802
14.7802
PASO 6
EL PROCESO SE ACABAR AQU PUES NUESTRA VALOR ABSOLUTO ES
MENOR A .5% PERO SI ITERAMOS UNA VEZ MAS SE PUEDE LLEGAR A Xr=0.
EL VALOR DE Xr OBTENIDO EN ESTA ITERACION ES IGUAL A NUESTRO
VALOR VERDADERO.
PASO 7
Realizar un cuadro con los valores obtenidos
iteracin
Xr
Et(%)
Ea(%)
14.912
.88
---
14.794
.093
.79
14.7815
.0088
.084
14.7802
.0087
METODO NEWTON-RAPHSON
races,
de
la
Newton-
sea la ms
ampliamente utilizada. Si
el valor inicial para la
raz es xi, entonces se
puede
trazar
una
PASO 5
Calculamos el error total y el error aproximado.
PASO 6
El proceso se acaba cuando el error aproximado es menor a la tolerancia prefijada
ITERACION 1
PASO 1
Buscamos los valores iniciales
Xo= 0
i=0
PASO 2
Tomamos nuestra funcin f(Xi) y la derivamos para obtener f(Xi)
f(Xi)= e-x-x
f(Xi)=-e-x-1
PASO 3
Evaluamos Xi en la funcin y la formula:
Xi+1= Xi f(Xi)
f(Xi)
Valor verdadero
.56714
PASO 5
El valor del error aproximado es mayor a Es por lo tanto se hace una iteracin
ms.
ITERACION 2
Los nuevos valores son:
Xi= .5
i=1 (ahora vale 1)
PASO 2
En estas siguientes iteraciones solo sustituimos los valores actuales de Xi
aplicamos la frmula:
Xi+1= Xi f(Xi)
f(Xi)
|%Ea|= .5663-.5(100)=11.7%
Xiactual
.5663
|%Et|= .56714-.5663(100)=.148%
.56714
ITERACION 3
Los nuevos valores son:
Xi= .5663
i=2 (aumentara conforme se haga iteraciones de 1 en 1)
PASO 2
En estas siguientes iteraciones solo sustituimos los valores actuales de Xi
aplicamos la frmula:
Xi+1= Xi f(Xi)
f(Xi)
-e-5663-1
|%Ea|= .5671-.5663(100)=.141%
.5671
PASO 6
Se crea una tabla con los valores obtenidos
iteracin
Xi
Ea%
Et%
.5
----
11.83
.5663
11.7
.148
.5671
.141
.007
MTODO SECANTE
Un problema potencial en la implementacin del mtodo de Newton-Raphson es la
evaluacin de la derivada. Aunque esto no es un inconveniente para los
polinomios ni para muchas otras funciones, existen algunas funciones cuyas
derivadas
en
ocasiones
resultan
muy
de
la
raz
se
predice
f(Xo) y f(X-1 )
PASO 3
Aplicar la frmula para hallar en nuevo Xi
Xi+1= Xo ( f(Xo) (X-1 - Xo ))
f(X-1 )- f(Xo)
PASO 4
Buscamos los errores aproximados y total
PASO 5
Evaluamos si nuestro valor aproximado es menor a Es. Si no se repite el proceso.
EJERCICIO DE APLICACIN
Calcule la raz de f(x)= e-x x. cuyos valores de inicio son X-i =0 y X0= 1. El valor
verdadero es igual a .56714 y su tolerancia prefijada equivale al .5%.
PASO 2
Evaluar los valores para buscar sus funciones
f(Xo)=f(1) =e-1 1= -.6321
f(X-1 ) f(0)= e-0 0= 1
PASO 3
Aplicar la frmula para hallar en nuevo Xi
Xi+1= Xo (f(Xo) (X-i - Xo ))
f(X-i )- f(Xo)
PASO 4
Buscamos los errores aproximados y totales
PASO 5
Evaluamos si nuestro valor aproximado es menor a Es como es mayor se repite el
proceso.
PASO 2
Evaluar los valores para buscar sus funciones
f(Xo)=f(1) =e-1 1= -.6321
f(X1 ) f(.6127)= e-6127 .6127= -.0708
PASO 3
Actualizamos la frmula para hallar en nuevo Xi
X1+1= X1 ( f(X1) (X0 - X1 ))
f(X0 )- f(X1)
-.6321- (-.0708)
PASO 4
Buscamos los errores aproximados y totales:
ITERACION 3
PASO 1
Los nuevos datos iniciales son:
X1=.6127
X2=.5638
i=2
PASO 2
Evaluar los valores para buscar sus funciones
f(X2)=f(.5638) =e-.5638 .5638= .0052
f(X1 ) f(.6127)= e-6127 .6127= -.0708
PASO 3
Actualizamos la frmula para hallar en nuevo Xi
X2+1= X2 ( f(X2) (X1 - X2 ))
f(X1 )- f(X2)
X3= .5638 (.0052(.61271 -.5638 )) =.56714
-.0708- (.0052)
PASO 4
Buscamos los errores aproximados y totales:
|%Et|= .56714-.56714(100)= 0%
.56714
.56714
PASO 5
Evaluamos si nuestro valor aproximado es menor a Es como es mayor se repite el
proceso.
ITERACION 4
PASO 1
los nuevos datos iniciales son:
X3=.56714
X2=.5638
i=3
PASO 2
Evaluar los valores para buscar sus funciones
f(X2)=f(.5638) =e-.5638 .5638= .0052
f(X3 ) f(.56714)= e-56714 .56714= .000005156
PASO 3
Actualizamos la frmula para hallar en nuevo Xi
X3+1= X3 ( f(X3) (X2 - X3 ))
f(X2 )- f(X3)
X4= .56714 (.000005156)(.5638-.56714 )) =.56714
(.0052)- (.000005156)
|%Ea|= .56714-.56714(100)= 0
Xiactual
.56714
|%Et|= .56714-.56714)= 0%
Valor verdadero
.56714
PASO 5
Evaluamos si nuestro valor aproximado es menor a Es como es menor se repite el
proceso.
INTERPOLACION
Con frecuencia se encontrar con que tiene que estimar valores intermedios entre
datos definidos por puntos.
INTERPOLACION LINEAL
La forma ms simple de interpolacin consiste en unir dos puntos con una lnea
recta. Dicha tcnica, llamada interpolacin lineal, se ilustra de manera grfica en la
figura.
PASO 5
Verificamos si el resultado al aplicar la frmula es igual a nuestro valor verdadero.
Si no se vuelve a repetir el proceso actualizando los datos.
PASO 3
Se aplica la frmula para encontrar un valor que se acerque al valor verdadero
Valor verdadero
.6931472
PASO 5
El resultado que dio al aplicar la frmula est alejado de nuestro valor verdadero y
nuestro error total es muy grande, realizamos otra vez el proceso pero ahora con
valores ms cercanos, o sea un intervalo ms pequeo.
Segundo intento
PASO 1
Se establecen los nuevos valores iniciales tratando de encerrar a la raz lo ms
posible en intervalos.
X0= 1
Xi = 4
X= 2
PASO 2
Se evalan los valores de X0 y Xi en la funcin para hallar
f(X0)= f(1)= ln1= 0
f(Xi)= f(4)= ln4= 1.386294
Xi- X0
PASO 4
Se busca el valor del error total
PASO 5
El resultado que dio al aplicar la frmula est alejado de nuestro valor verdadero y
nuestro error total es muy grande aun, realizamos otra vez el proceso pero ahora
con valores ms cercanos, o sea un intervalo ms pequeo.
Tercer intento
PASO 1
Se establecen los nuevos valores iniciales tratando de encerrar a la raz lo ms
posible en intervalos.
X0= 1
Xi = 2
X= 2
Xi- X0
PASO 4
Se busca el valor del error total
|%Et|= valor verdadero-f(2)actual(100)
Valor verdadero
.6931472
PASO 5
El resultado que dio al aplicar la frmula es similar al valor verdadero y nuestro
error total ya es igual a 0 por lo que el proceso se termina.
tambin
conocido
como
polinomio
PASO 1
Asignamos nuestros primeros valores de X0 , X1 y X2
PASO 2
Evaluamos los valores iniciales en la funcin para obtener
f(X0 ) f( X1) y f(X2)
PASO 3
Buscamos los valores siguientes con los valores del paso anterior.
b0 = f(X0 )
b1= f( X1) - f(X0)
X1- X0
b2= f(X2 ) - f( X1) _ f(X1) - f(X0 )
X2- X1
X2- X0
X1- X0
PASO 6
Verificamos si el resultado al aplicar la frmula es igual a nuestro valor verdadero.
Si no se vuelve a repetir el proceso introduciendo nuevos datos para hacer un
intervalo ms pequeo.
EJERCICIO DE APLICACIN:
Obtenga el ln2 aplicando la interpolacin cuadrtica. Valor verdadero de
ln2=.6931472.
Primer intento
PASO 1
Asignamos nuestros primeros valores de
X0 =1
X1=4
X2=6
PASO 2
Evaluamos los valores iniciales en la funcin para obtener
f(X0 )=f(1)=ln1=0
f( X1)=f(4)=ln4=1.3863
f(X2) =f(6)=ln6=1.79176
b0 = f(X0 ) =0
b1= f( X1) - f(X0)
4-1
X1- X0
6-4
X1- X0
4-1
6 -1
X2- X0
b1= 1.3863 0 = .4621
b2= -.051874
PASO 4
Aplicamos la frmula de interpolacin cuadrtica:
PASO 6
PASO 1
Asignamos nuestros primeros valores de
X0 =1
X1= 2
X2 = 4
PASO 2
Evaluamos los valores iniciales en la funcin para obtener
f(X0 )=f(1)=ln1=0
f( X1)=f(2)=ln2=.6914718
f(X2) =f(4)=ln4=1.3863
PASO 3
Buscamos los valores siguientes con los valores del paso anterior.
b0 = f(X0 ) =0
b1= f( X1) - f(X0)
2-1
X1- X0
4-2
X1- X0
2-1
4 -1
X2- X0
b1= .6914718 0 = .69314718
b2= -.11552453
PASO 4
Aplicamos la frmula de interpolacin cuadrtica:
f2(X) = b0 + b1(X-X0) + b2(X- X0)(X-X1)
f2(2) = 0 + .69314718(2-1) + (-.11552453)(2- 1)(2-2)= .69314718
PASO 6
Como nuestro valor buscado al aplicar la frmula de interpolacin cuadrtica fue
muy parecido al valor verdadero y su error total fue casi insignificante el proceso
ya no necesita de ms repeticiones y aqu termina.
PASO 1
Asignamos nuestros primeros valores de X0, X1, X2 y X3
PASO 2
Evaluamos los valores iniciales en la funcin para obtener
f(X0 ), f( X1), f(X2) y f(X3)
PASO 3
Buscamos los valores de la primera diferencia dividida finita con las siguientes
formulas:
f(X1 X0)= f(X1 ) - f( X0)
X1 - X0
f(X2 X1)= f(X2 ) - f( X1)
X2 X1
f(X3 X2)= f(X3 ) - f( X2)
X3 X2
PASO 5
Con los valores obtenidos calculamos la n esima diferencias divididas finita con la
siguiente formula:
f(X0 )=f(1)=ln1= 0
f( X1)=f(4)=ln4=1.3862
f(X2)=f(6)=ln6=1.7917
f(X3)=f(5)=ln5=1.6094
PASO 4
Buscamos los valores de la segunda diferencia dividida finita con las siguientes
formulas:
f(X2 X1 X0)= f(X2 X1) - f(X1 X0)
X2 X0
f(X3 X2 X1)= f(X3 X2) f(X2 X1)
X3 X1
PASO 5
Con los valores obtenidos calculamos la n esima diferencias divididas finita con la siguiente
formula:
PASO 6
Ahora aplicamos la formula general del polinomio de interpolacin de Newton en diferencias
divididas:
fn(X)= b0 + b1 (X X0)+ f(X1 X0) + b2 (X - X0)(X X1) + b3(X - X0)(X X1)( X X2)
fn(X)= 0+ . 462066(2-1)+(-.0518)(2-1)(2-4)+ .00785(2-1)(2-4)(2-6)= .6280
( )
( ) ( )
Donde
( )
Entonces
( )
( )
( )
( )
( )
)(
)(
)
)
)(
)(
(
(
( )
( )
) +
)(
)(
)
)
) (
) (
) (
)(
)(
)(
) (
) (
) (
)(
)(
)(
) (
) (
) (
)(
)(
)(
) +
) +
) (
) (
) (
)(
)(
)(
) (
) (
) (
)(
)(
)(
EJERCICIO DE APLICACIN:
Evaluar ln2
X0=1
f(x0)=0
X1=4
f(x1)=1.386294
X2=6
f(x2)=1.791760
(
(
)
( )
)
(
(
)
(
)
(
(
)(
)(
)
( )
)
(
(
)(
)(
)
(
)
(
(
)(
)(
)
(
)
Estas frmulas se basan en las estrategias de reemplazar una funcin complicada o datos
tabulados por un polinomio que es fcil de integrar.
( )
( )
Donde
( ), es un polinomio de la forma
( )
) (
Existen formas abiertas y cerradas de las frmulas de Newton-Cotes, las formas cerradas son
aquellas donde se conocen los datos al inicio y al final de los lmites de integracin que se
extienden ms all del intervalo de los datos.
a) Mtodos cerrados
b) Mtodos abiertos
( )
( )
( )
( )
( )
( )
Donde
( )
( )
)]
Entonces
[ ( )
( )
( )
Una forma de mejorar la precisin de la regla del trapecio consiste en dividir el intervalo de
integracin de
Las reas de los segmentos se suman despus para obtener la integral en todo el intervalo.
La figura siguiente muestra el formato general y la nomenclatura que se usar; hay n +1 puntos
igualmente espaciados (x0, x1, x2,,xn) en consecuencia, existen
ancho.
( )
( )
( )
Agrupando trminos
[ (
( )
)]
Entonces
ancho
( )
altura promedio
( )
( )
Use la regla del trapecio de dos segmentos para estimar la integral de:
f(x)=0.2 + 25x 200x2 + 675x3 - 900x4 + 400x5
Donde a=0 hasta b=0.8 , n=2
f(x0)=f(0)=0.2
f(x1)=f(0.4)=2.456
f(x2)=f(0.8)=0.232
1.0688
)
( )
( )
Si se designan
( )
como
;y
[(
)(
)(
)
)
( )
(
(
)(
)(
)
)
( )
(
(
)(
)(
)
)
( )]
[ ( )
( )
( )]
Donde
(
( )
)
(
( )
( )
EJEMPLO DE APLICACIN:
Integre f(x)=0.2 + 25x 200x2 + 675x3 900x4 + 400x5
Desde a=0 hasta b=0.8; valor verdadero=1.640533
f(0)=0.2
f(0.4)=2.456
f(0.8)=0.232
(
( )
( )
( )
( )
( )
f(0)=0.2
f(0.2)=1.288
f(0.4)=2.456
f(0.6)=3.469
f(0.8)=0.232
)
( )
Esta regla es similar a la regla de trapecio y Simpson 1/3, donde se ajusta en este caso un
polinomio de Lagrange a cuatro puntos y se integra.
( )
[ (
( )
)]
Donde
(
Entonces
(
)[
)
]
EJERCICIO DE APLICACION:
Integral de la funcin f(x)= 0.2 + 25x 200x2 + 675x3 900x4 + 400x5
Desde a=0 hasta b=0.8
f(0.2667)=1.432724
f(0.533)=3.487177
f(0.8)=0.232
f(0)=0.2
f(0.16)=1.296919
1/3
f(0.32)=1.743393
f(0.48)=3.186
3/8
f(0.64)=3.1819
f(0.8)=0.232
La integral para los primeros tres segmentos se obtiene usando la regla de Simpson 1/3;
donde
a=0 y b=0.32
Para los ltimos tres segmentos, la regla de 3/8 se utiliza para obtener la integral donde
a=0.32 y b=0.8
] [ ]=[
A
]
b
] [ ]=[ ]
Sustituyendo:
1/3
Donde
] [ ]=[
] [ ]=[
] [ ]=[
] [ ]=[
] [ ]=[
] [ ]=[
x2 0.0419(7)= -2.793
x1 3.33x10-2x2 6.66x10-2x3=2.617
x1=3
x2= -2.5
-1
X1
-1
X2
-1
-1
X3
-1
X4
0
0
Se tiene que A x= b, pero A= LU, entonces Lu x=b; pero =ux, entonces L=b
Resolviendo por el mtodo Gauss la parte A:
-1
-1
-1
-1
-1
en 1 pero se
-1
-1
-1
rellenar la matriz.
-1
-1
-1
-1
-1
para volver
-1
-1
0
-1
-1
-1
0
0
0
-1
U=
-1
-1
0
-1
0
0
1=1/3
-1 + 5/32=0
2= (1/3)/(5/3)
-1 1/32 + 8/53=0
-3 + 3/84=0
2=1/5
4= (1/4) / (3/8)
3=1/4
4=2/3
Hacemos Ux=
3
0
X1
X2
X3
X4
X4= 2/3
X3 5/8x4=
x3= + 5/12
X2 1/5x3= 1/5
x3=2/3
x2= 1/3
x1= 2/3