Apuntes de Metodos Numericos 4° Sem PDF

MTODOS NUMRICOS 2013
APROXIMACIONES Y ERRORES DE REDONDEO

A causa de que la mayor parte de los mtodos expuestos en este libro son muy
sencillos en su descripcin y en sus aplicaciones, en este momento resulta
tentador ir directamente al cuerpo principal del texto y averiguar el empleo de
dichas tcnicas. Sin embargo, entender el concepto de error es tan importante
para utilizar en forma efectiva los mtodos numricos.
Conceptos bsicos:
Las cifras significativas de un nmero son aquellas que pueden utilizarse

en forma confiable.
A la omisin del resto de cifras significativas se le conoce como error de

redondeo.
La exactitud se refiere a qu tan cercano est el valor calculado o medido

del valor verdadero.
La precisin se refiere a qu tan cercanos se encuentran, unos de otros,

diversos valores calculados o medidos.
La inexactitud (conocida tambin como sesgo) se define como una

desviacin sistemtica del valor verdadero.
La imprecisin (tambin llamada incertidumbre), por otro lado, se refiere a

la magnitud en la dispersin de los disparos.
Los errores numricos surgen del uso de aproximaciones para representar

operaciones y cantidades matemticas exactas. stas incluyen:
los errores de truncamiento que resultan del empleo de aproximaciones

como un procedimiento matemtico exacto.
los errores de redondeo que se producen cuando se usan nmeros que

tienen un lmite de cifras significativas para representar nmeros exactos.

A menudo, cuando se realizan clculos, no importa mucho el signo del error, sino
ms bien que su valor absoluto porcentual sea menor que una tolerancia
porcentual prefijada Es.
|Ea| < Es
EJEMPLO PARA EL CLCULO DE LOS ERRORES
Cuantos ms trminos se le agreguen a la serie, la aproximacin ser cada vez

ms una mejor estimacin del valor verdadero de ex. La ecuacin conocida como
expansin en series de Maclaurin.:
ex = 1+X+X2+ X3 +X4 +..Xn
2! 3! 4!
n!
Empezando con el primer trmino ex = 1 y agregando trmino por trmino, estime

el valor de e=0.5.
Despus de agregar cada trmino se calculan los errores total y aproximado
respectivamente.
El valor verdadero es e.5 = 1.648721
Agregue trminos hasta que el valor absoluto del error aproximado Ea sea menor
que un criterio de error preestablecido es con tres cifras significativas.
En primer lugar la ecuacin se emplea para determinar el criterio de error que

asegura que un resultado sea correcto en al menos tres cifras significativas:
Calcular los errores con la expansin de series de Maclaurin
ex = 1+X+X2+ X3 +X4 +..Xn
2! 3! 4!
n!

Valor verdadero es 1.648721
e.5
Es= (.5x102-n)= (.5x102-3)=.05% (pide tres cifres significativas)
PASO 1
Hacemos la primera iteracin
e.5 = 1
PASO 2
Calculamos los errores con la ayuda de las siguientes formulas:
|%Ea|= aproxiactual-aproxianterior= -----
No se puede calcular en la primera
aproxiactual
iteracin un error aproximado porque

no tenemos uno anterior
|%Et|= valor verdadero-aproxiactual

Valor verdadero
|%Et|= 1.648721- 1 =39.3%

1.648721
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 2
|%Ea|= aproxiactual-aproxianterior= ----aproxiactual

Valor verdadero
|%Ea|= 1.5 -1(100) = 33.33%

1.5
|%Et|= 1.648721- 1.5(100) =9.02%

1.648721
PASO 3
una iteracin ms.
ITERACION 3
PASO 1
E.5 = 1+.5+ .52 = 1.625
2!
PASO 2

Valor verdadero
|%Ea|= 1.625 -1.5(100) = 7.69%

1.625
|%Et|= 1.648721- 1.625(100) =1.43%

1.648721

PASO 3
una iteracin ms.
ITERACION 4
PASO 1
e.5 = 1+.5+ .52 +.53+.54 1.6458
2!
3!
4!
PASO 2

Valor verdadero
|%Ea|= 1.6458 -1.625 (100) = .17%

1.6458
|%Et|= 1.648721-1.6456(100) =1.26%

1.648721
PASO 3
una iteracin ms.

ITERACION 5
PASO 1
Hacemos la segunda iteracin aumentando un valor ms de la serie de Maclaurin
e.5 = 1+.5+ .52 +.53 + .54 +.55 =1.6454
2!
3!
4!
5!
PASO 2
|%Ea|= 1.6454-1.6458(100) = .15%

1.6454

Valor verdadero
|%Et|= 1.648721-1.6454(100) =.019%

1.648721
PASO 3
una iteracin ms.
ITERACION 6
PASO 1
e.5 = 1+.5+ .52 +.53 + .54 +.55 +.56=1.64869
2!
3!
4!
5!
6!

PASO 2
|%Ea|= aproxiactual-aproxianterior= -----
|%Ea|=1.64869-1.6454(100) = .01%
aproxiactual
1.64869
|%Et|= 1.648721-1.6454(100) =.007%
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
Dibujamos una tabla con los valores obtenidos:
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

MTODOS CERRADOS
Este captulo sobre races de ecuaciones se ocupa de mtodos que aprovechan el
hecho de que una funcin cambia de signo en la vecindad de una raz. A estas
tcnicas se les llama mtodos cerrados, o de intervalos, porque se necesita de
dos valores iniciales para la raz. Como su nombre lo indica, dichos valores
iniciales deben encerrar, o estar a ambos lados de la raz. Los mtodos
particulares
descritos
aqu
emplean
diferentes
estrategias
para
reducir
sistemticamente el tamao del intervalo y as converger a la respuesta correcta.
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.
Utilice el mtodo grfico para determinar el coeficiente de arrastre c necesario

para que un paracaidista de masa m = 68.1 kg tenga una velocidad de 40 m/s
despus de una cada libre de t = 10 s. La aceleracin de la gravedad es 9.8 m/s2.
Este problema se resuelve determinando la raz de la ecuacin usando los
parmetros t = 10, g = 9.8, v = 40 y m = 68.1:
f(c)= 69.81(68.1)(1-e-.14684c))-40
c
f(c)= 667.38(1-e-.14684c))-40
c
cuyo valor verdadero es 14.7802.

se introducen valores c en la funcin, tabulamos y hacemos una grafica:
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 el que la funcin

cambie de signo. Entonces, la
localizacin del cambio de signo
(y, en consecuencia, de la raz) se
logra con ms exactitud al dividir
el
intervalo
en
varios
subintervalos. Se investiga cada

uno de estos subintervalos para
encontrar el cambio de signo. El proceso se repite y la aproximacin a la raz
mejora cada vez ms en la medida que los subintervalos se dividen en intervalos
cada vez ms pequeos.

A continuacin tenemos paso a paso como realizar este mtodo:
PASO 1
Elija los valores iniciales que encierran la raz:
Xi= valor inferior

Xu= valor superior
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
a) Si al multiplicar la funcin evaluada con el valor inicial y la 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.

b) Si al multiplicar la funcin evaluada con el valor inicial y la funcin evaluada
y resulta ser mayor a cero
(f(Xi)*f(Xr)>0), entonces; la raz se encuentra dentro del subintervalo

superior por lo que el nuevo valor de Xi es el valor de Xr. y se vuelve al
paso 2.
c) Si al multiplicar la funcin evaluada con el valor inicial y la funcin evaluada

y resulta ser igual a cero
(f(Xi)*f(Xr)=0), entonces; la raz es igual a Xr al obtener este valor se

termina el proceso.
Calculamos el error total y el error aproximado:
|%Ea|= Xractual-Xranterior
Xractual
|%Et|= valor verdadero-Xractual
Valor verdadero
EJERCICIO DE APLICACIN
Utilice el mtodo de la biseccin para encontrar los valores de las races de la

siguiente funcin:
f(c)= 667.38(1-e-.14684c))-40
c

ITERACION 1
PASO 1
Xi= 12
Xu=16
PASO 2
Determine una aproximacin a la raz (Xr) sumando mis valores iniciales y
Xr= Xi+Xu
2
Xr= 12+16 = 14
2
PASO 3
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
est la raz
f(Xi)* f(Xr)= 6.067*1.565=9.517

Como nuestro valor fue mayor a 0, [f(Xi)*f(Xr)>0], entonces; el que toma el valor de
Xr es Xi, por lo que el nuevo valor es:
Xi= 14

PASO 5
Buscamos nuestros errores verdaderos y absolutos
|%Ea|= Xractual-Xranterior = ---Xractual

iteracin porque no tenemos un valor
de Xr anterior
|%Et|= valor verdadero-Xractual= 14.7802-14 = 5.279

Valor verdadero
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
Xr= Xi+Xu
2
Xr= 14+16 = 15
2
PASO 3
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 4
est la raz
f(Xi)* f(Xr)= 1.567*-.425=-.666

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= 15
PASO 5
|%Ea|= Xractual-Xranterior = 15-14 = 6.667

Xractual
15
|%Et|= valor verdadero-Xractual= 14.7802-15 = 1.487

Valor verdadero
14.7802
PASO 6
sea menor a .5%.

ITERACION 3

Xi= 14
Xu=15
PASO 2
Xr= Xi+Xu
Xr= 14+15 = 14.5
PASO 3
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
est la raz
f(Xi)* f(Xr)= 1.567*.5521=.8651

Como nuestro valor fue mayor a 0, [f(Xi)*f(Xr)<0], entonces; el que toma el valor de
Xi= 14.5
PASO 5

|%Ea|= Xractual-Xranterior = 14.5-15 = 3.44

Xractual
14.5
|%Et|= valor verdadero-Xractual= 14.7802-14.5 = 1.895

Valor verdadero
14.7802
PASO 6
sea menor a .5%.
ITERACION 4
Xi= 14.5
Xu= 15
PASO 2
Xr= Xi+Xu
Xr= 14.5+15 = 14.75
PASO 3
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 4
est la raz
f(Xi)* f(Xr)= .552*.058=.032

Como nuestro valor fue mayor a 0, [f(Xi)*f(Xr)>0], entonces; el que toma el valor de
Xi= 14.75
PASO 5
|%Ea|= Xractual-Xranterior = 14.75-14.5 = 1.695

Xractual
14.75
|%Et|= valor verdadero-Xractual= 14.7802-14.75 = .204

Valor verdadero
14.7802
PASO 6
sea menor a .05.

ITERACION 5
Xi= 14.75
Xu=15
PASO 2
Xr= Xi+Xu
Xr= 14.75+15 = 14.875
PASO 3
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
est la raz
f(Xi)* f(Xr)= .058*-.184= -.108

Xu= 14.875

PASO 5
|%Ea|= Xractual-Xranterior = 14.875-14.75 = .840

Xractual
14.875
|%Et|= valor verdadero-Xractual= 14.7802-14.875 =.641

Valor verdadero
14.7802
PASO 6
sea menor a .5% .
ITERACION 6
Xi= 14.75
Xu=14.875
PASO 2
Xr= Xi+Xu
Xr= 14.75+14.875 = 14.8125
PASO 3
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 4
est la raz
f(Xi)* f(Xr)= .058*-.063= -.0037

Como nuestro valor fue menor a 0, [f(Xi)*f(Xr)<0], entonces; el que toma el valor de
Xu= 14.8125
PASO 5
|%Ea|= Xractual-Xranterior = 14.8125-14.875 = .442

Xractual
14.875
|%Et|= valor verdadero-Xractual= 14.7802-14.8125 = .219

Valor verdadero
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

REGLA FALSA
Aun cuando la biseccin es una tcnica perfectamente vlida para determinar
races, su mtodo de aproximacin por fuerza
bruta es relativamente ineficiente. La falsa
posicin es una alternativa basada en una
visualizacin grfica. Un mtodo alternativo que
aprovecha esta visualizacin grfica consiste en
unir f(Xi) y f(Xu) con una lnea recta. La
interseccin de esta lnea con el eje de las x
representa una mejor aproximacin de la raz. El
hecho de que se reemplace la curva por una lnea recta da una falsa posicin de
la raz; de aqu el nombre de mtodo de la falsa posicin, la imagen muestra la
representacin grfica de este mtodo.
PASO PARA REALIZAR EL MTODO DE LA REGLA FALSA
PASO 1
Xi= valor inferior
Xu= valor superior
PASO 2
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
Evaluamos la funcin con el valor de Xr para obtener f(Xr)
PASO 4
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.
b) 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 mayor a
cero (f(Xi)*f(Xr)>0), entonces; la raz se encuentra dentro del subintervalo
superior por lo que el nuevo valor de Xi es el valor de Xr. y se vuelve al
paso 2.
c) 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 igual a cero
(f(Xi)*f(Xr)=0), entonces; la raz es igual a Xr al obtener este valor se
termina el proceso.
PASO 5
Calculamos el error total y el error aproximado.
|%Ea|= Xractual-Xranterior(100)
Xractual
|%Et|= valor verdadero-Xractual(100)
Valor verdadero

Si nuestro error aproximado es menor a la tolerancia prefijada se termina el
proceso si no, se repite hasta lograrlo.
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
Xi= 12
Xu=16
PASO 2
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
f(Xu)=f(16)= 667.38(1-e-.14684(16))-40= -2.269

16
PASO 3
Xr= Xu- f(Xu)(Xi-Xu)
Xr= 16- (-2.269)(12-16)= 14.912
f(Xi)-f(Xu)
6.067-(-2.269)

PASO 4
Evaluamos la funcin con el valor de Xr
f(Xr)=f(14.912)= 667.38(1-e-.14684(14.912))-40= -.256
14.912
PASO 5
est la raz
f(Xi)*f(Xr)= 6.067*-.256=-1.69
Xu= 14.912
PASO 5
|%Ea|= Xractual-Xranterior (100)= ---Xractual

de Xr anterior
|%Et|= valor verdadero-Xractual(100)= 14.7802-14.912 = .88%

Valor verdadero
14.7802
PASO 6
sea menor a .5%.

ITERACION 2
Los nuevos valores son
Xi= 12
Xu=14.912
PASO 2
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
f(Xu)=f(14.912)= 667.38(1-e-.14684(14.912))-40= -.256

14.912
PASO 3

f(Xi)-f(Xu)
Xr= 14.912- (-.256)(12-14.912)=14.794

6.067-(-.256)
PASO 4
f(Xr)=f(14.794)= 667.38(1-e-.14684(14.794))-40=-.0271
14.794
PASO 5
est la raz
f(Xi)*f(Xr)= 6.067*-.0271=-.164
Xu= 14.794

PASO 5
|%Ea|= Xractual-Xranterior(100) = 14.794-14.912 =.7908%
Xractual
14.794

Valor verdadero
14.7802
PASO 6
sea menor a .5%.
ITERACION 3
Los nuevos valores son:
Xi= 12
Xu=14.794
PASO 2
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
f(Xu)=f(14.794)= 667.38(1-e-.14684(14.794))-40= -.0271

14.794
PASO 3

f(Xi)-f(Xu)
Xr=14.794-(-.0271)(12-14.794)=14.7815
6.067-(-.071)

PASO 4
f(Xr)=f(14.7815)= 667.38(1-e-.14684(14.7815))-40=-.0027
14.7815
PASO 5
est la raz
f(Xi)*f(Xr)= 6.067*-.0027=-.0178
Xu= 14.7815
PASO 5
Xractual
14.7815

Valor verdadero
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.

ITERACION 4
Xi= 12
Xu=14.7815
PASO 2
f(Xi)=f(12)= 667.38(1-e-.14684(12))-40= 6.067
12
f(Xu)=f(14.7815)= 667.38(1-e-.14684(14.7815))-40= -.0027

14.7815
PASO 3

f(Xi)-f(Xu)
Xr=14.7815-(-.0027)(12-14.7815)=14.7802
6.067-(-.0027)
PASO 4
f(Xr)=f(14.7802)= 667.38(1-e-.14684(14.7802))-40=-.0002
14.7802
PASO 5
est la raz
f(Xi)*f(Xr)= 6.067*-.0002=-.0012

Xu= 14.7802
PASO 5
Xractual
14.7802
|%Et|= valor verdadero-Xractual(100)= 14.7802-14.7802 = 0%

Valor verdadero
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

METODOS ABIERTOS
Los mtodos abiertos descritos en este captulo se basan en frmulas que
requieren nicamente de un solo valor de inicio x o que empiecen con un par de
ellos, pero que no necesariamente encierran la raz. stos, algunas veces
divergen o se alejan de la raz verdadera a medida que se avanza en el clculo.
Sin embargo, cuando los mtodos abiertos convergen, en general lo hacen mucho
ms rpido que los mtodos cerrados.
METODO NEWTON-RAPHSON
De las frmulas para

localizar
frmula
Raphson
races,
de
la
Newton-
sea la ms
ampliamente utilizada. Si
el valor inicial para la
raz es xi, entonces se
puede
trazar
una
tangente desde el punto

[xi, f(xi)] de la curva. Por lo comn, el punto donde esta tangente cruza al eje x
representa una aproximacin mejorada de la raz.
La frmula de Newton-Raphson es la siguiente

Xi+1= Xi f(Xi)
f(Xi)
Por lo que este mtodo lo realizaremos de la siguiente manera:

PASO 1
Buscamos los valores iniciales
Xo= valor inicial de Xi
PASO 2
Tomamos nuestra funcin f(Xi) y la derivamos para obtener f(Xi)
PASO 3
Evaluamos Xi en la funcin y la formula:
Xi+1= Xi f(Xi)
f(Xi)
As obtenemos el nuevo valor de Xi para la siguiente iteracin
PASO 5
|%Ea|= Xiactual -Xianterior(100)

Xiactual
|%Et|= valor verdadero-Xiactual(100)
Valor verdadero
PASO 6
El proceso se acaba cuando el error aproximado es menor a la tolerancia prefijada

UTILICE EL METODO DE NEWTON-RAPHSON PARA CALCULAR LA RAIZ DE
f(x)=e-x-x EMPLEANDO COMO VALOR INICIAL Xo=0. CUYO VALOR
VERDADERO ES IGUAL A .56714. Es=.5%
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)
X0+1= 0 e-0-0 =.5

-e-0-1
f(Xi)
Y obtenemos nuestro nuevo valor de Xi para la siguiente iteracin

Xi=.5
PASO 4

Xiactual

de Xi anterior
|%Et|= .56714-.5(100)= 11.83%
Valor verdadero
.56714
PASO 5
El valor del error aproximado es mayor a Es por lo tanto se hace una iteracin
ms.
ITERACION 2
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)
X1+1= .5 e-.5- =.5663

-e-x-1
f(Xi)

Xi=.5663
PASO 4
|%Ea|= .5663-.5(100)=11.7%
Xiactual

Valor verdadero
.5663
|%Et|= .56714-.5663(100)=.148%
.56714

PASO 5
El valor del error aproximado es mayor a Es por lo tanto se hace una iteracin
ms.
ITERACION 3
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)
X1+1= .5663 e-.5663- =.5671
f(Xi)
-e-5663-1

Xi=.5671
PASO 4

Xiactual

Valor verdadero
|%Et|= .56714-.5671(100)= .007%

.5671
|%Ea|= .5671-.5663(100)=.141%
.5671

PASO 5
El valor del error aproximado es menor a Es por lo tanto el proceso se termina.
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
difciles de calcular. En dichos casos, la

derivada se puede aproximar mediante una
diferencia finita dividida hacia atrs, Esta
tcnica es similar a la del mtodo de
Newton-Raphson en el sentido de que una
aproximacin
de
la
raz
se
predice
extrapolando una tangente de la funcin

hasta el eje x. Sin embargo, el mtodo de la
secante usa una diferencia dividida en lugar de una derivada para estimar la
pendiente. Observe que el mtodo requiere de dos valores iniciales de x. Sin
embargo, debido a que no se necesita que f(x) cambie de signo entre los valores
dados, este mtodo no se clasifica como un mtodo cerrado.

PASO 1
Determinar los datos iniciales para empezar el proceso:
Xo , X-i ,i
PASO 2
Evaluar los valores para buscar sus funciones
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

Xiactual

Valor verdadero
PASO 5
Evaluamos si nuestro valor aproximado es menor a Es. Si no se repite el proceso.
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 1
Determinar los datos iniciales para empezar el proceso:
Xo=1
X-i=0
i=0
PASO 2
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)
X1= 1 (-.6321(0 -1 )) =.6127

1- (-.6321)
PASO 4
Buscamos los errores aproximados y totales

Xiactual
Valor verdadero
No se puede calcular el error

aproximado en la primera iteracin.
|%Et|= .56714-.6127(100)= 8.03%

.56714
PASO 5
Evaluamos si nuestro valor aproximado es menor a Es como es mayor se repite el
proceso.

ITERACION 2
PASO 1
Los nuevos datos iniciales son:
Xo=1
X1=.6127
i=1
PASO 2
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 ))
X2= .6127 (-.0708(1 -.6127 )) =.5638
f(X0 )- f(X1)
-.6321- (-.0708)
PASO 4
Buscamos los errores aproximados y totales:

Xiactual
Valor verdadero
|%Ea|= -.5638-.6127(100)= 8.67%

.5638
|%Et|= .56714-.5638100)= .587

.56714

PASO 5
proceso.
ITERACION 3
PASO 1
Los nuevos datos iniciales son:
X1=.6127
X2=.5638
i=2
PASO 2
f(X2)=f(.5638) =e-.5638 .5638= .0052
f(X1 ) f(.6127)= e-6127 .6127= -.0708
PASO 3
X2+1= X2 ( f(X2) (X1 - X2 ))
f(X1 )- f(X2)
X3= .5638 (.0052(.61271 -.5638 )) =.56714
-.0708- (.0052)
PASO 4

Xiactual

Valor verdadero

|%Ea|= .56714-.5638(100)= .5889%
|%Et|= .56714-.56714(100)= 0%
.56714
.56714
PASO 5
proceso.
ITERACION 4
PASO 1
los nuevos datos iniciales son:
X3=.56714
X2=.5638
i=3
PASO 2
f(X2)=f(.5638) =e-.5638 .5638= .0052
f(X3 ) f(.56714)= e-56714 .56714= .000005156
PASO 3
X3+1= X3 ( f(X3) (X2 - X3 ))
f(X2 )- f(X3)
X4= .56714 (.000005156)(.5638-.56714 )) =.56714
(.0052)- (.000005156)

PASO 4
|%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 1
Se establecen los valores iniciales dados por el problema o seleccionndolo al
azar tratando de encerrar a la raz lo ms posible en intervalos.
X, X0 y Xi
PASO 2
Se evalan los valores de X0 y Xi en la funcin para hallar
f(X0) y f(Xi)
PASO 3
Se aplica la frmula para encontrar un valor que se acerque al valor verdadero
f(x)= f(X0) + (f(Xi) - f(X0))(X- X0)

Xi- X0
PASO 4
Se busca el valor del error total
|%Et|= valor verdadero-f(X)actual(100)

Valor verdadero
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.

Estime el ln2 utilizando los intervalos

X0= 1
Xi = 6
Cuyo valor verdadero es igual a .6931472
Primer intento
PASO 1
Se establecen los valores iniciales dados por el problema o seleccionndolo al
azar tratando de encerrar a la raz lo ms posible en intervalos.
X0= 1
Xi = 6
X= 2
PASO 2
f(X0)= f(1)= ln1= 0
f(Xi)= f(6)= ln6= 1.791759
PASO 3
f(x)= f(X0) + (f(Xi) - f(X0))(X- X0)

Xi- X0
f(2)= 0+ (1.791759 - 0)(2- 1) = .358352

6- 1

PASO 4
|%Et|= valor verdadero-f(2)actual(100)
|%Et|= .6931472-.358352(100)= 48.3%
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
f(X0)= f(1)= ln1= 0
f(Xi)= f(4)= ln4= 1.386294

PASO 3
f(x)= f(X0) + (f(Xi) - f(X0))(X- X0)
f(2)= 0+(1.386294- 0)(2- 1) = .462893

61
Xi- X0
PASO 4

Valor verdadero
|%Et|= .6931472- .462893 (100)= 33.3%

.6931472
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

PASO 2
f(X0)= f(1)= ln1= 0
f(Xi)= f(2)= ln2= .6931472
PASO 3
f(x)= f(X0) + (f(Xi) - f(X0))(X- X0)
f(2)= 0+(.6931472-0)(2- 1) = . .6931472

21
Xi- X0
PASO 4
|%Et|=.6931472- .6931472 100)= 0%
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.

INTERPOLACIN CUADRTICA
Una estrategia para mejorar la estimacin consiste
en introducir alguna curvatura a la lnea que une los
puntos. Si se tienen tres puntos como datos, stos
pueden ajustarse en un polinomio de segundo
grado
tambin
conocido
como
polinomio
cuadrtico o parbola. Una forma particularmente

conveniente para ello es el siguiente algoritmo del
mtodo de interpolacin cuadrtica:
Similar a la interpolacin lineal es la cuadrtica, aqu se propondrn 3 valores para

probar que estos encierran al valor verdadero.
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 4
Aplicamos la frmula de interpolacin cuadrtica:
f2(X) = b0 + b1(X-X0) + b2(X- X0)(X-X1)

PASO 5
Calculamos el error total
|%Et|= valor verdadero-f2(X)actual(100)

Valor verdadero
PASO 6
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
f(X0 )=f(1)=ln1=0
f( X1)=f(4)=ln4=1.3863
f(X2) =f(6)=ln6=1.79176

PASO 3
b0 = f(X0 ) =0
b1= f( X1) - f(X0)
4-1
X1- X0
b2= 1.79176 -1.3863 _ 1.3863 -0
b2= f(X2 ) - f( X1) _ f(X1) - f(X0 )

X2- X1
6-4
X1- X0
4-1
6 -1
X2- X0
b1= 1.3863 0 = .4621
b2= -.051874
PASO 4
f2(X) = b0 + b1(X-X0) + b2(X- X0)(X-X1)

f2(2) = 0 + .4621(2-1) + (-.051874)(2- 1)(2-4)= .5658442
PASO 5
|%Et|= .6931472- .5658442 (100)= 18.36%

.6931472
PASO 6

Si no se vuelve a repetir el proceso introduciendo nuevos datos para hacer un
intervalo ms pequeo.

Segundo intento
PASO 1
X0 =1
X1= 2
X2 = 4
PASO 2
f(X0 )=f(1)=ln1=0
f( X1)=f(2)=ln2=.6914718
f(X2) =f(4)=ln4=1.3863
PASO 3
b0 = f(X0 ) =0
b1= f( X1) - f(X0)
2-1
X1- X0
b2= 1.3863-.69314718 _ 1.3863 -0
b2= f(X2 ) - f( X1) _ f(X1) - f(X0 )

X2- X1
4-2
X1- X0
2-1
4 -1
X2- X0
b1= .6914718 0 = .69314718
b2= -.11552453
PASO 4
f2(X) = b0 + b1(X-X0) + b2(X- X0)(X-X1)
f2(2) = 0 + .69314718(2-1) + (-.11552453)(2- 1)(2-2)= .69314718

PASO 5
|%Et|= .6931472- .69314718(100)= .0000002%

.6931472
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.
INTERPOLACION DE NEWTON EN DIFERENCIAS DIVIDIDAS

FORMA GENERAL DE LOS POLINOMIOS DE INTERPOLACIN DE NEWTON
PASO 1
Asignamos nuestros primeros valores de X0, X1, X2 y X3
PASO 2
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 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:
f(X3 X2 X1 X0)= f(X3 X2 X1) - f(X2 X1 X0)

X3 X1
Para facilitar la introduccin de los datos de la frmula que sigue reescribimos los
valores siguientes:
b0 = f(X0 )
b1= f( X1 X0)
b2= f(X2 X1 X0)
b2= f(X3 X2 X1 X0)

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)
EJERCICIO DE APLICACION
Estime el ln2.
PASO 1
X0=1
X1=4
X2=6
X3=5
PASO 2
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 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
f(X1 X0)= 1.3862 - 0

4-1
f(X2 X1)= 1.7917 1.3862
64
f(X3 X2)= 1.6094 1.7917
56
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
f(X2 X1 X0)= .2027 - .46206 =-.051872

61
f(X3 X2 X1)= .1823 - .2027= -.0204

5-4
PASO 5
Con los valores obtenidos calculamos la n esima diferencias divididas finita con la siguiente
formula:
f(X3 X2 X1 X0)= f(X3 X2 X1) - f(X2 X1 X0) =

X3 X1
f(X3 X2 X1 X0)= -.204 (-051872)=.00785
51

Para facilitar la introduccin de los datos de la frmula que sigue reescribimos los valores
siguientes:
b0 = f(X0 ) =0
b1= f( X1 X0) = .462066
b2= f(X2 X1 X0) =-.0518
b2= f(X3 X2 X1 X0) =.00785
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

POLINOMIO DE INTERPOLACION DE LAGRANGE
Es una reformulacin del polinomio de Newton que evita el clculo de las diferencias
divididas.
Formula general:
( )
( ) ( )
Donde
( )
Entonces
( )
( )
designa el producto de.

La versin de primer grado es (n=1):
( )
( )

La versin de segundo grado es (n=2):
( )
)(
)(
)
)
)(
)(
(
(
Para la versin de cuarto grado, desarrollamos la frmula:
( )
( )
) +
)(
)(
)
)

Factorizando:
) (
) (
) (
)(
)(
)(
) (
) (
) (
)(
)(
)(
) (
) (
) (
)(
)(
)(
) +
) +
) (
) (
) (
)(
)(
)(
) (
) (
) (
)(
)(
)(
Evaluar ln2
X0=1
f(x0)=0
X1=4
f(x1)=1.386294
X2=6
f(x2)=1.791760
Usando la estimacin de primer grado

( )
(
(
)
( )
)
(
(
)
(
)
Usando la estimacin de segundo grado

( )
(
(
)(
)(
)
( )
)
(
(
)(
)(
)
(
)
(
(
)(
)(
)
(
)

FRMULAS DE INTEGRACIN DE NEWTON COTES
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
( )
) (
Donde n es el grado del polinomio.
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

REGLA DEL TRAPECIO
La regla del trapecio es la primera de las frmulas cerradas de integracin de Newton-Cotes.

Ecuacin de primer grado (n=1):
( )
( )
( )
( )
( )
( )
Donde
( )
( )
)]
Entonces
[ ( )
Entonces la frmula en general de integracin de la regla del trapecio es

(
( )
( )
REGLA DEL TRAPECIO DE APLICACIN MLTIPLE
Una forma de mejorar la precisin de la regla del trapecio consiste en dividir el intervalo de
integracin de
en varios segmentos y aplicar el mtodo a cada uno de ellos.
a) Dos segmentos; b) Tres segmentos; c) Cuatro segmentos; d) Cinco segmentos
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.
segmentos del mismo

Si a y b se designan como x0 y xn respectivamente, entonces
( )
( )
( )
Sustituyendo la regla del trapecio en cada integral
Agrupando trminos
[ (
( )
)]
Entonces
ancho
( )
altura promedio
Se tiene un error al sumar los errores individuales de cada segmento
( )
( )

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
)
( )

REGLAS DE SIMPSON
Consiste en usar polinomios de grado superior para unir los puntos. Por ejemplo, si hay otro
punto a la mitad entre ( ) y ( ) los tres puntos se pueden unir con una parbola. Si hay dos
puntos igualmente espaciados entre ( ) y ( ) los cuatro puntos se pueden unir mediante un
polinomio de tercer grado. Las frmulas que resultan de formar estas integrales bajo estos
polinomios se conocen como reglas de Simpson.
a) Regla de Simpson 1/3; b) Regla de Simpson 3/8
REGLA DE SIMPSON DE 1/3
Resulta cuando un polinomio de interpolacin de segundo grado se sustituye en la ecuacin

general.
( )
Si se designan
( )
como
;y
( ) se representa por un polinomio de Lagrange de
segundo grado, la integral se transforma en
[(
)(
)(
)
)
( )
(
(
)(
)(
)
)
( )
(
(
)(
)(
)
)
( )]

Entonces
[ ( )
( )
( )]
Donde
(
Esta frmula tambin se puede expresar de la siguiente forma
( )
)
(
( )
( )
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
(

REGLA DE SIMPSON DE 1/3 DE APLICACIN MULTIPLE
Esta regla se mejora al dividir al intervalo de integracin en varios segmentos de un mismo

tamao.
Este mtodo se puede emplear solo si el nmero de segmentos es par.
( )
( )
( )
Sustituyendo la regla de Simpson de 1/3

(
Donde la formula general es
( )
( )

Estime la integral de f(x)= 0.2 + 25x 200x2 + 675x3 900x4 + 400x5
n=4, desde a=0 hasta b=0.8, valor verdadero=1.640533
f(0)=0.2
f(0.2)=1.288
f(0.4)=2.456
f(0.6)=3.469
f(0.8)=0.232
)
( )

REGLA DE SIMPSON DE 3/8
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
(
)[
)
]
Es til cuando el nmero de segmentos es impar.
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)=0.2
f(0.2667)=1.432724
f(0.533)=3.487177
f(0.8)=0.232
EJEMPLO APLICANDO LA REGLA DE SIMPSON 1/3 Y 3/8 COMBINADAS.

Aplicar la regla de 1/3 para los primeros dos segmentos y 3/8 para los siguientes tres.
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
La integral total se calcula sumando los dos resultados:

SOLUCIN DE SISTEMAS DE ECUACIONES LINEALES
MTODO DE GAUSS
Dado un sistema de ecuaciones, resolver por el mtodo de Gauss.

3x1 0.1x2 0.2x3 =7.85
0.1x1 + 7x2 0.3x3= -19.3
0.3x1 0.2x2 + 10x3=71.4
] [ ]=[
A
]
b
Sabiendo que Ax=b, entonces
] [ ]=[ ]
Sustituyendo:
1/3
Donde
] [ ]=[

Luego
] [ ]=[
Se rellena con las siguientes frmulas:
Para el siguiente pivote se realizan las mismas operaciones:
] [ ]=[
] [ ]=[
Se rellena con la frmula:

Luego
] [ ]=[
] [ ]=[
Entonces, despejando y sustituyendo de atrs hacia adelante, resolvemos el sistema original:

x3=7
x2 0.0419x3= -2.793
x2 0.0419(7)= -2.793
x1 3.33x10-2x2 6.66x10-2x3=2.617
x2= -2.793 + 0.2933
x1=2.617 0.08325 + 0.4662
x1=3
x2= -2.5

MTODO DE LU
-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
Multiplico la fila 1 por para convertir
en 1 pero se
conserva su valor (la multiplicacin solo afecta al resto

de la fila pivote y de la columna pivote).
-1
Una vez aplicada la multiplicacin, se termina de

rellenar la matriz nueva con el mismo mtodo de
Gauss:
As sucesivamente hasta
-1
-1
rellenar la matriz.
-1
-1
-1
-1
-1
Una vez rellenada la matriz, se toma la segunda fila

como pivote, haciendo la divisin entre
para volver
en 1, pero se conserva su valor (la divisin afecta

solo al resto de la fila pivote y se conservan los valores
de la columna pivote)

La matriz A final es:
-1
-1
0
-1
Se divide la matriz A en L (matriz triangular inferior)

L=
3
-1
-1
0
0
0
-1
Y en la matriz U (matriz triangular superior)
U=

Luego hacemos L=b
-1
-1
0
-1
0
0
Se obtienen los valores de de arriba hacia abajo:

31=1
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
3= (1/3 + 1/15) / (8/5)
4= (1/4) / (3/8)
3=1/4
4=2/3
Hacemos Ux=
3
0
X1
X2
X3
X4
Obtenemos los valores de x de abajo hacia arriba:
X4= 2/3
X3 5/8x4=
x3= + 5/12
X2 1/5x3= 1/5
x2= 1/5 + 2/15
X1 - 1/3x2 1/3x3= 1/3
x3=2/3
x2= 1/3
x1= 1/3 + 1/9 + 2/9
x1= 2/3

Apuntes de Metodos Numericos 4° Sem PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apuntes de Metodos Numericos 4° Sem PDF

Enviado por

Direitos autorais:

Formatos disponíveis

MTODOS NUMRICOS 2013

APROXIMACIONES Y ERRORES DE REDONDEO

Las cifras significativas de un nmero son aquellas que pueden utilizarse

A la omisin del resto de cifras significativas se le conoce como error de

La exactitud se refiere a qu tan cercano est el valor calculado o medido

La precisin se refiere a qu tan cercanos se encuentran, unos de otros,

La inexactitud (conocida tambin como sesgo) se define como una

La imprecisin (tambin llamada incertidumbre), por otro lado, se refiere a

Los errores numricos surgen del uso de aproximaciones para representar

los errores de truncamiento que resultan del empleo de aproximaciones

los errores de redondeo que se producen cuando se usan nmeros que

MTODOS NUMRICOS 2013

EJEMPLO PARA EL CLCULO DE LOS ERRORES

Cuantos ms trminos se le agreguen a la serie, la aproximacin ser cada vez

Empezando con el primer trmino ex = 1 y agregando trmino por trmino, estime

En primer lugar la ecuacin se emplea para determinar el criterio de error que

MTODOS NUMRICOS 2013

|%Ea|= aproxiactual-aproxianterior= -----

No se puede calcular en la primera

iteracin un error aproximado porque

|%Et|= valor verdadero-aproxiactual

|%Et|= 1.648721- 1 =39.3%

MTODOS NUMRICOS 2013

|%Ea|= aproxiactual-aproxianterior= ----aproxiactual

|%Ea|= 1.5 -1(100) = 33.33%

|%Et|= 1.648721- 1.5(100) =9.02%

|%Ea|= aproxiactual-aproxianterior= ----aproxiactual

|%Ea|= 1.625 -1.5(100) = 7.69%

|%Et|= 1.648721- 1.625(100) =1.43%

MTODOS NUMRICOS 2013

|%Ea|= aproxiactual-aproxianterior= ----aproxiactual

|%Ea|= 1.6458 -1.625 (100) = .17%

|%Et|= 1.648721-1.6456(100) =1.26%

MTODOS NUMRICOS 2013

|%Ea|= aproxiactual-aproxianterior= ----aproxiactual

|%Ea|= 1.6454-1.6458(100) = .15%

|%Et|= valor verdadero-aproxiactual

|%Et|= 1.648721-1.6454(100) =.019%

MTODOS NUMRICOS 2013

|%Ea|= aproxiactual-aproxianterior= -----

|%Et|= valor verdadero-aproxiactual

|%Et|= 1.648721-1.6454(100) =.007%

Dibujamos una tabla con los valores obtenidos:

MTODOS NUMRICOS 2013

sistemticamente el tamao del intervalo y as converger a la respuesta correcta.

Utilice el mtodo grfico para determinar el coeficiente de arrastre c necesario

cuyo valor verdadero es 14.7802.

MTODOS NUMRICOS 2013

intervalo en el que la funcin

subintervalos. Se investiga cada

MTODOS NUMRICOS 2013

Xi= valor inferior

a) Si al multiplicar la funcin evaluada con el valor inicial y la funcin evaluada

y resulta ser menor a cero

(f(Xi)*f(Xr)<0), entonces; la raz se encuentra dentro del subintervalo inferior

MTODOS NUMRICOS 2013

y resulta ser mayor a cero

(f(Xi)*f(Xr)>0), entonces; la raz se encuentra dentro del subintervalo

c) Si al multiplicar la funcin evaluada con el valor inicial y la funcin evaluada

y resulta ser igual a cero

(f(Xi)*f(Xr)=0), entonces; la raz es igual a Xr al obtener este valor se

Calculamos el error total y el error aproximado:

Utilice el mtodo de la biseccin para encontrar los valores de las races de la