Métodos Numéricos

MTODOS NUMRICOS
Facultad de Ingeniera
L.I. Victor Fernndez Rosales

victorzel@yahoo.com.mx
Mtodos numricos 2016
Tabla de contenido
Introduccin ........................................................................................................................................ 4
Mtodos numricos............................................................................................................................ 5
Historia ............................................................................................................................................ 5
Objetivo de su utilizacin ................................................................................................................ 6
Razones por las cuales se estudian mtodos numricos ................................................................ 6
Dnde se utilizan? ......................................................................................................................... 6
Algoritmo......................................................................................................................................... 7
Propiedades que deben cumplir los algoritmos numricos............................................................ 8
Convergencia ............................................................................................................................... 8
Estabilidad ................................................................................................................................... 8
Errores ................................................................................................................................................. 9
Sistemas numricos......................................................................................................................... 9
Conversin de un nmero binario al sistema decimal ................................................................ 9
Conversin de nmeros enteros del sistema decimal a binario ................................................. 9
Manejo de nmeros en la computadora ...................................................................................... 10
Nmeros enteros....................................................................................................................... 10
Nmeros reales (punto flotante) .............................................................................................. 11
Causas de errores graves en computacin ................................................................................... 11
Suma de nmeros muy distintos en magnitud ......................................................................... 11
Resta de nmeros casi iguales .................................................................................................. 12
Overflow y Underflow ............................................................................................................... 12
Tipos de errores ............................................................................................................................ 13
Error inherente .......................................................................................................................... 13
Error de redondeo ..................................................................................................................... 13
Error por truncamiento ............................................................................................................. 13
Estimacin del error por mtodos iterativos ................................................................................ 15
Ejercicios.................................................................................................................................... 17
Solucin de ecuaciones algebraicas y trascendentes ...................................................................... 18
Mtodo grfico .............................................................................................................................. 19
Tipos de mtodos .......................................................................................................................... 20
Mtodos cerrados o acotados....................................................................................................... 20
1|Pgina
Victor Fernndez Rosales

Mtodo de la Biseccin o Mtodo de Biparticin del Intervalo ............................................... 21
Ejercicios.................................................................................................................................... 25
Mtodo de la Regla Falsa o de la Falsa Posicin ....................................................................... 26
Ejercicios.................................................................................................................................... 29
Mtodos abiertos .......................................................................................................................... 30
Mtodo del Punto Fijo............................................................................................................... 30
Ejercicios.................................................................................................................................... 34
Mtodo de Newton-Raphson .................................................................................................... 35
Mtodo de Newton-Raphson Modificado para el clculo de races mltiples ......................... 38
Ejercicios.................................................................................................................................... 39
Mtodo de la Secante ............................................................................................................... 40
Ejercicios.................................................................................................................................... 43
Mtodo de Mller ..................................................................................................................... 44
Solucin de ecuaciones algebraicas lineales simultaneas .............................................................. 46
Mtodos directos .......................................................................................................................... 47
Mtodo de Eliminacin de Gauss.............................................................................................. 47
Ejercicios.................................................................................................................................... 49
Mtodo de Gauss-Jordan .......................................................................................................... 52
Ejercicios.................................................................................................................................... 57
Mtodos Iterativos ........................................................................................................................ 58
Matriz diagonalmente dominante. ........................................................................................... 58
Mtodo de Jacobi o de los desplazamientos simultneos ........................................................ 58
Ejercicios.................................................................................................................................... 62
Mtodo de Gauss Seidel.......................................................................................................... 63
Ejercicios.................................................................................................................................... 66
Interpolacin..................................................................................................................................... 67
Aproximacin polinomial simple e interpolacin ......................................................................... 68
Ejercicios.................................................................................................................................... 71
Polinomios de Lagrange ................................................................................................................ 72
Ejercicios.................................................................................................................................... 75
Polinomio de Newton (Diferencias divididas) ............................................................................... 76
Ejercicios.................................................................................................................................... 80
2|Pgina

Integracin numrica ....................................................................................................................... 81
Frmulas de integracin de Newton-Cotes .................................................................................. 82
Regla del Trapecio ......................................................................................................................... 82
Ejercicios.................................................................................................................................... 85
Regla del Trapecio Compuesta ...................................................................................................... 86
Ejercicios.................................................................................................................................... 89
Regla de Simpson .......................................................................................................................... 90
Regla de Simpson 1/3 .................................................................................................................... 90
Ejercicios.................................................................................................................................... 92
Regla de Simpson 1/3 Compuesta ................................................................................................ 93
Ejercicios.................................................................................................................................... 95
Regla de Simpson 3/8 .................................................................................................................... 96
Ejercicios.................................................................................................................................... 98
Regla de Simpson 3/8 Compuesta ................................................................................................ 99
Ejercicios.................................................................................................................................. 101
Mtodo de Romberg ................................................................................................................... 102
Ejercicios.................................................................................................................................. 105
Bibliografa ...................................................................................................................................... 106
3|Pgina
Introduccin
Al momento de aplicar las Matemticas a situaciones del mundo real nos encontramos a
menudo con problemas que no pueden ser resueltos analticamente o de manera exacta y
cuya solucin debe ser abordada con ayuda de algn procedimiento numrico. A
continuacin consideramos algunos problemas tpicos, ya formulados matemticamente,
para los cuales estudiaremos tcnicas numricas de solucin.
Problema 1. Encontrar el rea de la regin comprendida entre las grficas de: y=2senx,
y=e-x con x [0, ].
Problema 2. Encontrar las races de la ecuacin polinmica:
x5 + 11x4 21x3 10x2 21x 5 = 0
Problema 3. Resolver los siguientes sistemas de ecuaciones:
a) El sistema lineal AX=b con:
2
1
= 0
0
[0
b) El sistema no-lineal
1
2
1
0
0
0
1
2
1
0
0
0
1
2
1
0
0
0
1
2]
3
2
= 2
2
[1]
2 + 3 = 9
{ 2
3 3 = 4
Problema 4. Dada la siguiente tabla de datos correspondiente a una cierta funcin y = f(x),
xk
-2
-1
0
1
2
3
f(xk)
-5
1
1
1
7
25
Problema 5. Hallar el valor de cada una de las siguientes integrales:
1
1
2
2
1
()
4
0
En relacin con los problemas anteriores, tenemos que:

En el problema 1, es necesario determinar los puntos de interseccin de las grficas de
y=2senx y y=ex, para lo cual debemos resolver la ecuacin 2senx = ex y no disponemos
de un mtodo algebraico para hacerlo.
En el problema 2, se trata de hallar los ceros de un polinomio de grado 5 y, como
sabemos, slo se conocen mtodos algebraicos para encontrar races de ecuaciones
polinmicas de grado menor o igual que 4.
4|Pgina

En el problema 3, tenemos dos sistemas de ecuaciones: El de la parte a) es lineal y
conocemos mtodos de solucin (por ejemplo, el mtodo de eliminacin Gaussiana), sin
embargo, para sistemas de tamao mayor, no slo es conveniente sino necesario
implementar tales mtodos a travs del computador (mtodo numrico). En la parte b)
tenemos un sistema no-lineal y no conocemos mtodos algebraicos generales para
resolverlo.
El problema 4, se puede resolver analticamente (por interpolacin), sin embargo para
determinar los coeficientes de dichos polinomios existen tcnicas que permiten
encontrarlos rpidamente y que pueden implementarse en el computador.
El problema 5, corresponde a integrales definidas cuyo integrando tiene antiderivada que
no es elemental.
Mtodos numricos
Es un procedimiento mediante el cual se obtiene, casi siempre de manera aproximada, la
solucin de ciertos problemas realizando clculos puramente aritmticos y lgicos
(operaciones aritmticas elementales, clculo de funciones, consulta de una tabla de
valores, clculo proposicional, etc.). Un tal procedimiento consiste en una lista finita de
instrucciones precisas que especifican una secuencia de operaciones algebraicas y lgicas
(algoritmo), que producen o bien una aproximacin de la solucin del problema (solucin
numrica) o bien un mensaje. La eficiencia en el clculo de dicha aproximacin depende,
en parte, de la facilidad de implementacin del algoritmo y de las caractersticas
especiales y limitaciones de los instrumentos de clculo (los computadores). En general, al
emplear estos instrumentos de clculo se introducen errores llamados de redondeo.
Historia
Antes del uso o aparicin de la PC, haba 3 mtodos diferentes que se aplican a la solucin
de problemas:
1. Usando mtodos exactos o analticos (stos tienen un valor prctico limitado ya
que son aplicables a una clase limitada de problemas).
2. Para analizar el comportamiento de los sistemas se usaban soluciones grficas
(resultados no muy precisos, tediosos y difciles de implementar sin ayuda de una
PC).
3. Para implementar los mtodos numricos se utilizaban calculadoras manuales y
reglas de clculo (son tediosos, lentos y no existen resultados consistentes). Antes
de la aparicin y uso del PC se gastaba mucha energa en la tcnica misma de
solucin, en lugar de aplicarla sobre la definicin del problema y su interpretacin.
5|Pgina
Regla de clculo; Fuente: Elaboracin propia
Objetivo de su utilizacin
El objetivo principal del anlisis numrico es encontrar soluciones aproximadas a
problemas complejos utilizando slo las operaciones ms simples de la aritmtica. Se
requiere de una secuencia de operaciones algebraicas y lgicas que producen la
aproximacin al problema matemtico.
Razones por las cuales se estudian mtodos numricos
Son algoritmos que establecen la secuencia de soluciones de sistemas de
ecuaciones de gran tamao, con caractersticas de ser no lineales y geomtricas
complicadas, porque la mayor parte de los problemas reales tienen este
comportamiento, y que por lo general su solucin es muy complicada a travs de
mtodos analticos.
Es importante que el futuro ingeniero tenga los conocimientos bsicos de los
mtodos numricos ms comunes, ya que, en el transcurso de su carrera, tendr la
necesidad de usar software comercial o implementar su propio software, que
resuelvan los algoritmos de problemas reales y que estn basados sobre algn
mtodo numrico.
Con los mtodos numricos el ingeniero usar la computadora como herramienta,
el cual es uno de los propsitos, porque el profesionista debe de olvidarse de los
clculos, y enfocarse en el diseo y planteamiento de la solucin de los problemas.
Proporciona una mayor comprensin de las matemticas, ya que reducen las
matemticas superiores a operaciones bsicas simples.
Dnde se utilizan?
Los mtodos numricos pueden ser aplicados para resolver procedimientos matemticos
en:
Clculo de derivadas
Integrales
Ecuaciones diferenciales
6|Pgina
Operaciones con matrices

Interpolaciones
Ajuste de curvas
Polinomios, etc.
Algoritmo
Es una secuencia lgica de pasos necesarios para ejecutar una tarea especfica tal como la
solucin de un problema.
Caractersticas de los algoritmos
Preciso: Definir de manera rigurosa, sin dar lugar a ambigedades.
Definido: Si se sigue un algoritmo dos veces, se obtendr el mismo resultado.
Finito: Debe terminar en algn momento.
Puede tener cero o ms elementos de entrada.
Debe producir un resultado: Los datos de salida sern los resultados de efectuar las
instrucciones.
Etapas para la solucin de un problema
1. Anlisis del problema, definicin y delimitacin (macro algoritmo). Considerar los
datos de entrada, el proceso que debe realizar la computadora y los datos de
salida.
2. Diseo y desarrollo del algoritmo (se utiliza seudocdigo, escritura natural del
algoritmo, diagramas de flujo, etc.).
3. Prueba de escritorio. Seguimiento manual de los pasos descritos en el algoritmo.
Se hace con valores bajos y tiene como fin detectar errores.
4. Codificacin. Seleccin de un lenguaje de programacin y digitalizacin del
seudocdigo haciendo uso de la sintaxis y estructura gramatical del lenguaje
seleccionado.
5. Compilacin o interpretacin del programa. El software elegido convierte las
instrucciones escritas en el lenguaje a las comprendidas por la computadora.
6. Ejecucin. El programa es ejecutado por la computadora para llegar a los
resultados esperados.
7. Depuracin. (debug). Operacin de detectar, localizar y eliminar errores de mal
funcionamiento del programa.
8. Evaluacin de resultados. Obtenidos los resultados se los evala para verificar si
son correctos. (Un programa puede arrojar resultados incorrectos aun cuando su
ejecucin no muestre errores)
7|Pgina

Un algoritmo se puede representar mediante un diagrama de flujo la cual nos da una
representacin grfica en la cual se emplean bloques y flechas.
Problema
Diseo del
algoritmo
Programa de
computadora
Ejemplo:
Algoritmo para la solucin de la suma de 2 nmeros cualquiera.
1. Inicio
2. Solicitar el valor de a
3. Solicitar el valor de b
4. Sumar a con b y asignar a c la respuesta
5. Imprimir el valor de c
6. fin
Propiedades que deben cumplir los algoritmos numricos

Convergencia
Se entiende por convergencia la garanta de que, al realizar un nmero de repeticiones
(iteraciones), las aproximaciones obtenidas terminan por acercarse cada vez ms al valor
verdadero.
Estabilidad
Cuando en un algoritmo o mtodo numrico el crecimiento de los errores que traen los
datos es lineal, entonces se dice que el algoritmo o mtodo numrico es estable y los
resultados que nos arroje sern vlidos, por el contrario si el crecimiento del error es
exponencial entonces el algoritmo es inestable y no puede tomarse como vlidos los
resultados obtenidos.
8|Pgina
Errores
Los mtodos numricos ofrecen soluciones aproximadas muy cercanas a las soluciones
exactas; la discrepancia entre una solucin verdadera y una aproximada constituye un
error, por lo que es importante saber qu se entiende por aproximar y aprender a
cuantificar los errores para minimizarlos.
Sistemas numricos
Conversin de un nmero binario al sistema decimal
Teniendo en cuenta el valor de cada dgito en su posicin, que es el de una potencia de 2,
cuyo exponente es 0 en el bit situado ms a la derecha, y se incrementa en una unidad
segn vamos avanzando posiciones hacia la izquierda.
Ejemplos:
10110012=
1x26 + 0x25+ 1x24+ 1x23+ 0x22+ 0x21+ 1x20=
64 + 0 + 16 + 8 + 0 + 0 + 1 =8910
1010102=
1x25+ 0x24+ 1x23+ 0x22+ 1x21+ 0x20=
32 + 0 + 8 + 0 + 2 + 0 =4210
Conversin de nmeros enteros del sistema decimal a binario

De una palabra de 16 bits el primero debe ser el signo donde (0) es positivo y (1) es
negativo y los 15 bits restantes son para el nmero, esto nos da un intervalo de:
0000000000000000 a 1111111111111111 que en decimal es de -32,767 a 32,767.
Mtodo: Se realizan divisiones sucesivas por 2 y se escriben los restos obtenidos en cada
divisin en orden inverso al que han sido obtenidos. (Nota: el residuo se multiplica por 2
para sacar el resto).
9|Pgina

Ejemplos:
4710= (en una palabra de 16 bits) =1011112

47/2 =23 resto 1
23/2 =11 resto 1
11/2 =5 resto 1
5/2 =2 resto 1
2/2 = 1 resto 0
1 / 2 = 0 resto 1
0 0 0 0 0 0 0 0 0 0
52510= (en una palabra de 16 bits) =10000011012

525/2 =262 resto 1
262/2 =131 resto 0
131/2 =65 resto 1
65/2 =32 resto 1
32/2 = 16 resto 0
16/2 = 8 resto 0
8/2 = 4 resto 0
4/2 = 2 resto 0
2/2 = 1 resto 0
1/2 = 0 resto 1
0 0 0 0 0 0 1 0 0 0 0
Manejo de nmeros en la computadora

Por razones prcticas, solo se puede manejarse una cantidad finita de bits para cada
nmero en una computadora, y esa cantidad o longitud vara de una maquina a otra.
Para una computadora dada, el nmero de bits generalmente se llama palabra. Las
palabras van de 8 hasta 64 bits, por ejemplo, una palabra de 32 bits puede dividirse en 4
bytes (8 bites cada una).
Nmeros enteros
Cada palabra, cualquiera que sea su longitud, almacena un nmero, aunque en ciertas
circunstancias se usan varias palabras para contener un nmero. Por ejemplo, considrese
una palabra de 16 bits para almacenar nmeros enteros. De los 16 bits, el primero
representa el signo del nmero; un cero es un signo ms y un uno un signo menos. Los 15
bits restantes pueden usarse para guardar nmeros binarios desde 0000000000000000
hasta 1111111111111111.
Ejemplo:
-12510= -11111012
1
10 | P g i n a

Nmeros reales (punto flotante)
Para almacenar un nmero real se emplea en su representacin binaria, llamada de punto
flotante la notacin.
En los bits del 1 al 7 se almacena el exponente de la base 2 y en los 8 bits restantes la
fraccin.
Segn en el lenguaje de los logaritmos, la fraccin es llamada mantisa y el exponente
caracterstica.
Ejemplo:
-125.3210= -1111101.0101000111101012
Normalizado queda (en base a la especificacin de IEEE 754):
-.1111101010100011110101 X 2 + 111 (7 en binario, que fue el corrimiento del punto a la izquierda)
bits truncados en el almacenamiento
Signo mantisa (nmero)
Caracterstica positiva (exponente)
1
0 0 1 1
Caracterstica
1 1
Mantisa
Causas de errores graves en computacin

Suma de nmeros muy distintos en magnitud
Ejemplo:
0.002 =0.2000 x 10-2
600 =0.6000 x 103
Nmeros normalizados
.000002 x 103
+ .600000 x 103
.600002 x 103
Como solo se puede manejar 4 dgitos, los ltimos 2 son eliminados y la suma es .6000 x
103, por lo que la suma nunca se realiz.
11 | P g i n a

Resta de nmeros casi iguales
Ejemplo:
.2145 x 100
- .2144 x 100
.0001 x 100
Que normalizado el resultado es: 0.1 x 10-3
Como solo existe un digito significativo se sugiere no confiar en su exactitud.
Overflow y Underflow
Con frecuencia una operacin aritmtica con 2 nmeros vlidos da como resultado un
nmero tan grande o tan pequeo que la computadora no puede manejarlo.
Ejemplo:
0.5000 x 108
x 0.2000x 109
0.1000 x 1017
El producto es muy grande y no puede almacenarse porque la caracterstica requiere 3
dgitos y se produce un overflow.
El underflow puede aparecer en la multiplicacin o divisin, y por lo general no es tan
serio como el overflow; las computadoras casi nunca envan mensajes de underflow.
Ejemplo en Matlab:
Cuando se suma 10,000 veces 0.0001 con l mismo, debe resultar 1; sin embargo, el
nmero 0.0001 en binario resulta en una sucesin infinita de ceros y unos que se trunca al
ser almacenada en una palabra de memoria, con lo que se perder informacin y el
resultado de la suma ya no ser 1.
function error=error()
% function para demostrar el error
format long
s=0;
for i=1:10000
s=s+0.0001;
end
disp(s)
s=1;
for i=1:10000
s=s+0.0001;
end
disp(s)
s=1000;
12 | P g i n a

for i=1:10000
s=s+0.0001;
end
disp(s)
s=10000;
for i=1:10000
s=s+0.0001;
end
disp(s)
end
Resultados:
0.999999999999906
1.999999999999890
1.000999999999749e+003
1.000099999999293e+004
Tipos de errores
Error inherente
En muchas ocasiones, los datos con que se inician los clculos contienen un cierto error
debido a que se han obtenido mediante la medida experimental de una determinada
magnitud fsica. As, por ejemplo, el dimetro de la seccin de una varilla de acero
presentara un error segn se haya medido con una cinta mtrica o con un pie de rey. A
este tipo de error se le denomina error inherente.
Error de redondeo
Como no es posible guardar un nmero binario de longitud infinita o un nmero de ms
dgitos de los que posee la mantisa de la computadora que se est empleando, se
almacena slo un nmero finito de estos dgitos; como consecuencia, se comete
automticamente un pequeo error, conocido como error de redondeo, que al repetirse
muchas veces puede llegar a ser considerable.
Error por truncamiento
Los errores por truncamiento ocurren cuando un nmero, cuya parte fraccionaria est
constituida por un nmero infinito de dgitos, requiere ser representado numricamente
en forma aproximada, utilizando un nmero de cifras significativas.
Por ejemplo 3.1416 es una buena aproximacin del nmero , pero el valor exacto no
puede ser expresado numricamente por completo, pues consta de un nmero infinito de
dgitos: 3.1415926535; lo mismo ocurre con el 2.7183 para el nmero e, el 1.4142 para
2, y el 0.333333 para 1/3.
Sin embargo, todos los nmeros, ya sean enteros, racionales o irracionales, pueden ser
representados a travs de formulaciones matemticas exactas, utilizando series infinitas;
obviamente, las representaciones numricas acotadas a un determinado nmero de cifras
13 | P g i n a

significativas, son aproximaciones numricas que llevan implcitos errores por
truncamiento.
Por ejemplo, los nmeros 1, 1/3 y e pueden expresarse matemticamente, de manera
exacta, a travs de las siguientes series infinitas:
1=1/2 + 1/4 + 1/8 + 1/16 + 1/32 + 1/64 +
1/3= 3/10 + 3/100 + 3/1000 + 3/10000 + 3/1000000 +
e=1/0! + 1/1! + 1/2! + 1/3! + 1/4! + 1/5! +
Para ambos tipos de errores la relacin entre el resultado exacto, o verdadero y el
aproximado est dado por:
valor verdadero = valor aproximado + error
El error numrico o error verdadero se define como:
=
[ ]
El error relativo porcentual se define como:

=
100%

[ ]
Ejemplo:
Calcular el error numrico y error relativo porcentual de un terreno:
Se mide un terreno con un flexmetro y nos da las siguientes medidas: base=215 mts. y de
altura=105 mts.
Posteriormente se mide el mismo terreno con un teodolito y nos da las siguientes
medidas: base=217 mts y de altura 108 mts.
=
Et = 217-215 = 2 mts.
Altura
Base

100%

2
100% = 0.9216%
217
Ejemplo:
Suponga que se tiene que medir la longitud de un puente y la de un remache, y se obtiene
9,999 y 9 cm respectivamente. Si los valores verdaderos son 10,000 y 10 cm, calcule:
a) el error numrico
b) el error relativo porcentual en cada caso:
14 | P g i n a
Solucin:
a) El error numrico en la medicin del puente es: Et= 10,000 - 9,999 = 1 cm
y en la del remache es de: Et = 10 - 9 =1 cm.
b) El error relativo porcentual para el puente es:
1
=
100% = 0.01%
10,000
y para el remache es de:
=
1
100% = 10%
10
Por tanto, aunque ambas medidas tienen un error numrico de 1 cm, el error relativo
porcentual del remache es mucho mayor. Se concluye entonces que se ha hecho un buen
trabajo en la medicin del puente; mientras que la estimacin para el remache dej
mucho que desear.
Estimacin del error por mtodos iterativos

Uno de los retos que enfrentan los mtodos numricos es el de determinar estimaciones
del error en ausencia del conocimiento de los valores verdaderos. Por ejemplo, ciertos
mtodos numricos usan un mtodo iterativo para calcular los resultados. En tales
mtodos se hace una aproximacin considerando la aproximacin anterior. Este proceso
se efecta varias veces, o de forma iterativa, para calcular en forma sucesiva, esperando
cada vez mejores aproximaciones. En tales casos, el error a menudo se calcula como la
diferencia entre la aproximacin previa y la actual. Por tanto, el error aproximado
porcentual est dado por:
= |

| % [ ]

Un caso muy interesante es una investigacin que realiza Scarborough 1966, en que
determin el nmero de cifras significativas que contiene el error como: Si reemplazamos
el Error esperado (Es) en la ecuacin obtendremos el nmero de cifras significativas en que
es confiable el valor aproximado obtenido.
= (. )%
[ ]
Planteamiento del problema: En matemticas con frecuencia las funciones se representan

mediante series infinitas. Por ejemplo, el clculo exacto de la funcin exponencial de un
nmero mediante la Serie de Taylor requiere infinitos sumandos.
= 1 + +
2 3
+ +. . +
2! 3!
!
15 | P g i n a
As cuantos ms trminos se le agreguen a la serie, la aproximacin ser cada vez ms una

mejor estimacin del valor verdadero de ex.
Ejemplo:
Si calculamos la serie anterior con el valor de e con x=0.5 para la funcin con un error
menor al 0.05.
Calculando el error numrico y el error aproximado porcentual (Ea) empezando con el 1er
termino y posteriormente agregando ms trminos (1, 2, 3, etc.) hasta que el valor
absoluto del valor aproximado sea menor al criterio prestablecido, que es que contemple
5 cifras significativas.
Solucin:
e0.5= 1.648721
En primer lugar, la ecuacin del error esperado (Es) se emplea para determinar el criterio
de error que asegura que un resultado sea correcto en al menos tres cifras significativas:
Es= (0.5 x 10 2-5) %= 0.5 x 10-3= 0.05%
para x=0.5
1er termino:
0.5 = 1 =1
(10)
= 1 100% = 1% = 100
2o termino:
0.5 = 1 + =
0.5 = 1 + 0.5 = .
(1.51)
= 1.5 100% = 0.3333% = 33.333
3er termino:
0.5 = 1 + +
2
2!
0.5 = 1 + 0.5 +
=
4o termino:
(1.6251.5)
1.625
0.5 = 1 + +
5o termino:
(0.5)2
2!
= .
100% = 0.0769% = 7.692

2
2!
0.5 = 1 + 0.5 +
=
3!
(0.5)2
=
+
2!
(1.6458333331.625)
1.645833333
0.5 = 1 + +
2
2!
3
3!
(0.5)3
3!
= .
100% = 0.0127% = 1.266
4!
16 | P g i n a

(0.5)2
0.5 = 1 + 0.5 +
=
6o termino:
(0.5)3
2!
3!
(1.6484375001.645833333)
2
2!
0.5 = 1 + 0.5 +
3!
(0.5)2
+
+
4!
1.648697917
Resultado
1
1.5
1.625
1.645833333
1.648437500
1.648697917
= .
4!
5!
(0.5)3
(0.5)4
2!
3!
(1.6486979171.648437500)
Trminos
1
2
3
4
5
6
(0.5)4
100% = 0.00158% = 0.158
1.648437500
0.5 = 1 + +
4!
(0.5)5
5!
= .
100% = 0.000158% = 0.016

Ea (%)
100
33.3
7.69
1.27
0.158
0.0158
Es(%)
0.05
parar
As despus de usar seis trminos, el error aproximado porcentual (Ea) =0.0158 es menor
que el error esperado (Es)=0.05 y el clculo termina.
Ejercicios.
1. Convierta los siguientes nmeros decimales a los sistemas con base 2.
a) 536
b) 923
c) 1536
2. Convierta los siguientes nmeros dados en binario a sistema decimal.
a) 1000
b)10101
c)111111
3. Calcule el valor de e a la -8.3 para la funcin:
2 3
= 1 + +..
2! 3!
=
1
1
=
2
1 + + 2! + 3! +
Compare con el valor verdadero de 4,023.87239 y comente los resultados. Use 25

trminos para evaluar cada serie.
17 | P g i n a
Solucin de ecuaciones algebraicas y trascendentes

Antes de la llegada de las computadoras digitales se dispona de una serie de mtodos
para encontrar las races de ecuaciones algebraicas y trascendentes. En algunos casos las
races se obtenan con mtodos directos, como se hace con la ecuacin =
para resolver f(x)= ax2+ bx + c=0
2 4
2
Sin embargo, existen ecuaciones como est, que se resuelven directamente y aparecen
muchas ms en las que no es posible encontrar solucin. Por ejemplo, incluso una funcin
tan simple como f(x)= e-x x no se puede resolver en forma analtica. En tales casos, la
nica alternativa es una tcnica con solucin aproximada.
Un mtodo para obtener una solucin aproximada consiste en graficar la funcin para
determinar dnde cruza el eje de las x. Este punto, que representa el valor de x para el
cual f(x)=0 es la raz.
Aunque los mtodos grficos son tiles en la obtencin de estimaciones de las races,
tienen el inconveniente de que son poco precisos.
Otro mtodo es el de prueba y error. Esta tcnica consiste en elegir un valor de x y evaluar
si f(x) es cero. Si no es as se hace otra eleccin y se evala nuevamente f(x) para
determinar si el valor ofrece una mejor aproximacin de la raz. El proceso se repite hasta
que se obtenga un valor que proporcione una f(x) cercana a cero; por lo tanto, se crearon
mtodos ms exactos y fciles de adoptarlos a las computadoras, reduciendo as el tiempo
en encontrar la solucin y en la exactitud de estos.
Una funcin dada por y= f(x) es algebraica si se puede expresar de la siguiente manera:
fnyn + fn-1yn-1 + + f1y + f0 = 0
donde las f son polinomios en x
los polinomios son un caso simple

f(x)= a0 + a1x + a2x2 + + anxn
donde las a son constantes
Ejemplos:
f(x)= 1 - 2.5x + 7x2
f(x)= 3x2 - x3 + 7x5
Una funcin transcendental es una funcin que no es algebraica, incluye funciones
trigonomtricas, exponenciales, logartmicas y otros menos familiares, por ejemplo:
2
() = 1,
() = 0.2 () = (3 0.5)
18 | P g i n a

1. La determinacin de races reales de ecuaciones algebraicas y transcendentales:
Estn diseadas para determinar el valor de una raz simple de acuerdo a un
conocimiento previo de su posicin aproximada.
2. La determinacin de todas las races reales y complejas de un polinomio: Estn
diseados especficamente para polinomios, determinan sistemticamente todas
las races en lugar de una, dada una aproximacin segn una posicin.
Mtodo grfico
Un mtodo simple para obtener una aproximacin a la raz de la ecuacin y observar en
donde cruza el eje X. Este punto que representa el valor de x para el cual f(x)=0
proporciona la aproximacin inicial de la raz.
Ejemplo:
Utilizar el Mtodo grfico para encontrar la raz de la ecuacin: f(x)=e-x-x
x
-0.4
-0.2
0
0.2
0.4
0.6
clculos
e + 0.4=1.89
e0.2 + 0.2=1.42
e0 + 0=1.00
e-0.2 0.2=0.62
e-0.4 0.4=0.27
e-0.6 0.6=-0.05
f(x)
1.89
1.42
1.00
0.62
0.27
-0.05
0.4
f(x)
2
1.5
1
0.5
0
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
-0.5
La raz se encuentra en: x= 0.56

Las tcnicas graficas tienen un valor prctico limitado, ya que no son precisas, estas solo
se usarn para obtener las aproximaciones, las cuales se pueden ocupar como valores
iniciales en los mtodos numricos.
19 | P g i n a

Las interpretaciones geomtricas adems de aproximar a la raz, son herramientas
importantes en el aislamiento de las propiedades de las funciones previendo las fallas de
los mtodos numricos, en general si f(x1) y f(xu) tienen signos opuestos existe un nmero
impar de races dentro del intervalo definido por los mismos, si f(xi) y f(xy) tienen el mismo
signo, no hay races o existe un nmero par de ellas entre los valores dados.
Por medio de las computadoras se puede acelerar las soluciones aproximadas y obtener
sus caractersticas, disminuyendo el tiempo y la exactitud que se si hacen de forma
manual.
Tipos de mtodos
Cerradas o acotados:
(Requieren de dos valores de

x que encierren a la raz)
Abiertos:
(Requieren de un valor de x o dos, pero
que no necesariamente encierren a la raz)
Mtodos cerrados o acotados

Son mtodos que aprovechan el hecho de que una funcin en forma tpica cambia de
signo en la vecindad de una raz, ya que necesitan de 2 valores iniciales para la raz. Como
su nombre indica, esto valores deben encerrar o estar sobre cualquier lado de la raz.
Emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y
as converger a la respuesta correcta.
Ejercicio para resolver en clase:
Graficar la funcin: f(x)=Sen10x + Cos3x desde x = [-1:0.5:1] en Excel y Matlab. Cuntas
races se encontraron? y si ahora se ampla el rango a x = [-1:0.2:1] cuantas races
encontr?
20 | P g i n a
Mtodo de la Biseccin o Mtodo de Biparticin del Intervalo

ste se clasifica como un mtodo de acotamiento. Es aplicable a ecuaciones de la forma
f(x)=0, cuando es posible encontrar dos valores limitantes xa y xb tales que la funcin f(x)
cambia de signo una vez para valores x en el intervalo (xa x xb). Por consiguiente, los
valores limitantes acotan la raz.
+
= (
)
[]
En cada iteracin el tamao del intervalo se reduce a la mitad despus de n iteraciones, el

intervalo original se habr reducido 2n veces.
y
f(x)
f(xb)
f(xr1)
xa=xa1
f(xr3)
f(xr2)
f(xa)
xr2
xr3 xr
xa1
xa2
xr2
xa3
xr1
Xb=xb1
xr1
xb1
xb2
xr3
xb3
Algoritmo:
1. Elijase los valores iniciales xa y xb de tal manera que la funcin cambie de signo
sobre el intervalo, esto se puede verificar asegurndose de que:
f(xa).f(xb)<0
2. La primera aproximacin a la raz se determina como:
xr=(xa-xb)/2
3. Realice las siguientes evaluaciones y determine en que sub intervalo se ubica la
raz.
Si f(xa).f(xr)<0 entonces la raz se encuentra dentro del primer sub intervalo, por lo
tanto resulvase xb=xr y continuase con el paso 4.
Si f(xa).f(xr) >0 entonces la raz se encuentra en el segundo sub intervalo, por lo
tanto resulvase xa=xr y continuase con el paso 4.
Si f(xa).f(xr)=0 entonces la raz es igual a xr y se terminan los clculos.
21 | P g i n a

4. Calcule una nueva aproximacin a la raz como en el paso 2.
5. Asegrese que la nueva aproximacin es tan exacta como se desea, si es as
entonces los clculos terminan, de lo contrario regrese al paso 3.
Ejemplo:
Determinar por el mtodo de la biseccin la raz de la siguiente funcin:
f(x)= e-x x, tomando 5 decimales.
= (0.5 102 )%
Es = (0.5 x 102-5)% = (0.5 x 10-3)% = 0.0005%= 0.05
Mtodo de sustitucin
x
-1
-0.5
0
0.5
1
1.5
f(x)
3.7183
2.1487
1
0.1065
-0.6321
-1.2769
f(x)
resultado
exp(1) +1=3.7183
exp(0.5) +0.5=2.1487
exp(0) -0=1
exp(-0.5) -0.5=0.1065
exp(-1) -1=-0.6321
exp(-1.5) -1.5=-1.2769
2
0
-1.5
-1
-0.5
0.5
1.5
-2
iter
xa
xb
xr
f(xa)
f(xr)
f(xa).f(xr)<0
f(xa).f(xr)>0
xb=xr
xa=xr
f(xa).f(xr)=
0
Ea(%)
0.5
1.0
0.75000
0.10653
-0.27763
si
no
no
100
0.50000
0.75000
0.62500
0.10653
-0.08974
si
no
no
20.00000
0.50000
0.62500
0.56250
0.10653
0.00728
no
si
no
11.11111
0.56250
0.62500
0.59375
0.00728
-0.04150
si
no
no
5.26316
0.56250
0.59375
0.57813
0.00728
-0.01718
si
no
no
2.70270
0.56250
0.57813
0.57031
0.00728
-0.00496
si
no
no
1.36986
0.56250
0.57031
0.56641
0.00728
0.00116
no
si
no
0.68966
0.56641
0.57031
0.56836
0.00116
-0.00191
si
no
no
0.34364
0.56641
0.56836
0.56738
0.00116
-0.00038
si
no
no
0.17212
10
0.56641
0.56738
0.56689
0.00116
0.00039
no
si
no
0.08613
11
0.56689
0.56738
0.56714
0.00039
0.00001
no
si
no
0.04305
f(x)= e-x x
xr = (xa+xb)
2
0.05
parar
Ea = |aproximacin actual aproximacin anterior| 100 %

aproximacin actual
Iteracin 1
xr= (0.5+1)/2 = 0.75
f(xa)=e-0.5 -0.5= 0.1065
f(xr)=e-0.75 0.75 = -0.2776
Ea =|(0.75-0)/0.75| % = 1% = 100
22 | P g i n a
Es(%)

Iteracin 2
xr= (0.5 + 0.75)/2 = 0.625
f(xa)=e-0.5 -0.5 = 0.1065
f(xr)=e-0.625 0.625 = -0.0.897
Ea =|(0.625 0.75)/0.625| % = 0.2000% = 20.00
Iteracin 3
xr= (0.5 + 0.625)/2 = 0.5625
f(xa)=e-0.5 -0.5 = 0.1065
f(xr)=e-0.5625 0.5625 = 0.0073
Ea =|(0.5625 0.625)/0.5625| % =0.1111% = 11.11
Iteracin 4
xr= (0.5625 + 0.625)/2 = 0.5938
f(xa)=e-0.5625 -0.5625 = 0.0073
f(xr)=e-0.5938 0.5938 = -0.0416
Ea =|(0.5938 - 0.5625)/0.5938| % =0.0527% = 5.27
Iteracin 5
xr= (0.5625 + 0.5938)/2 = 0.5781
f(xa)=e-0.5625 -0.5625 = 0.0073
f(xr)=e-0.5781 0.5781 = -0.0171
Ea =|(0.5781 -0.5938)/0.5781| % = 0.0272% = 2.72
Nota: Se continan las iteraciones hasta que Ea<= 0.05
Algoritmo en Matlab para el Mtodo de la Biseccin
function biseccion=biseccion()
% funcin para calcular la raz por medio del mtodo de biseccin
clc;
f
=input('Dame la funcin : ','s');
xa =input('Dame el intervalo inferior :');
xb =input('Dame el intervalo superior :');
err =input('Dame el porciento de error :');
f
=inline(f);
if f(xa)*f(xb)<0
ezplot(f), grid on
% axis([xa xb -10 310]); % Asigna los lmites de los ejes
% xlabel('pies');
% Asigna la etiqueta en el eje x
% ylabel('pies');
% Asigna la etiqueta en el eje y
erro=100;
xr =0;
i
=0;
while erro>err
i=i+1;
ea=xr;
xr=(xa + xb)/2;
if f(xa)*f(xr)>0
xa=xr;
23 | P g i n a

else
xb=xr;
end
erro=abs(((ea-xr)/xr)*100);
end
fprintf('\n\nResultado de la raz=%12.6f en %4d iteraciones\n',xr,i);
else
fprintf('\n\nNo existe la raz en el intervalo\n')
end
Solucin en Matlab
Dame la funcin: exp(-x) -x
Dame el intervalo inferior: 0.5
Dame el intervalo superior: 1
Dame el porciento de error: 0.05
Resultado de la raz: 0.567139 en 11 iteraciones
exp(-x)-x
200
150
100
50
0
-6
-4
-2
0
x
24 | P g i n a
Ejercicios.
1. Determinar por el Mtodo de la Biseccin la raz de las siguientes funciones:
a. f(x)= x3 + 2x2 +10x -20, tomando 5 decimales.
b. f(x)= -0.5x2+2.5x+4.5, tomando 5 decimales.
c. f(x)= Sen(x) + 0.8 Cos(x) en [2,3] con 5 decimales.
d. f(x)= x2-4x+3.5-In(x) en [1,3] con 5 decimales.
e. f(x)= (x-2.1)2-7xCos(x) en [1,2] con 5 decimales.
2. Un nuevo centro de diversiones cuesta $10 millones de pesos y produce una
ganancia de $2 millones. Si la deuda se debe pagar en 10 aos a qu tasa de
inters debe hacerse el prstamo? El costo actual (P), el pago anual (A) y la tasa de
inters (x) se relacionan entre s mediante la siguiente formula:
(1 + ) 1
=
(1 + )
Sustituyendo datos y simplificando resulta lo siguiente:
(1 + )10 1
() =
5=0
(1 + )10
Calclese x (inters) usando el Mtodo de Biseccin (a = 0.1 y b = 0.2)
3. Cuando se requiere encontrar la acidez de una solucin de hidrxido de magnesio
en cido clorhdrico, se obtiene la siguiente ecuacin:
f(x)=x3+3.6x2-36.4
Donde x es la concentracin del ion hidrgeno. Encuentre la concentracin del ion
hidrogeno para una solucin saturada (la acidez es igual a cero).
4. Suponga que un objeto de masa m se deja caer desde una altura S0 que es la altura
del objeto con respecto al suelo, a los t segundos viene dada por:
() = 0 +
2
2 (1 )
Donde S0=300 pies, m=0.25 Slugs, g=-32.17 pies/seg2 y k=0.1 lb x seg/pies.

Obtenga con una precisin dentro de 0.01 seg que es el tiempo que tarda ese objeto en
llegar al suelo. (Sol. 6.003418 pies)
25 | P g i n a
Mtodo de la Regla Falsa o de la Falsa Posicin

Este mtodo aproxima en forma ms eficiente a la raz. Aprovecha la idea de unir los 2
puntos de intervalo mediante una lnea recta en lugar de una curva como en el caso de la
biseccin, la interseccin de esta lnea con el eje x produce una mejor estimacin de la
raz, el remplazamiento de la curva por una recta da una posicin falsa de la raz
derivndose de esto su nombre.
f(x)
f(xb)
xr
(xa)
x
raz
(xb)
f(xa)
El algoritmo es el mismo que el del mtodo de la biseccin, lo nico que cambia es la

frmula de xr.
=
( ) ( )
( ) ( )
[ ]
Ejemplo:
Determinar por el mtodo de la falsa posicin la raz de la siguiente funcin:
f(x)= e-x x, tomando 5 decimales.
Es=(0.5 x 102n)%
Es=(0.5 x 102-5)% = (0.5 x 10-3)% = 0.0005%= 0.05
26 | P g i n a

Mtodo de sustitucin
x
-1
-0.5
0
0.5
1
1.5
f(x)
3.7183
2.1487
1
0.1065
-0.6321
-1.2769
resultado
exp(1) + 1=3.7183
exp(0.5) + 0.5=2.1487
exp(0) - 0=1
exp(-0.5) -0.5=0.1065
exp(-1) -1=-0.6321
exp(-1.5) - 1.5=-1.2769
iter
xa
xb
xr
f(xa)
f(xb)
f(xr)
0.5
1.0000
0.5721
0.1065
-0.6321
-0.007779
f(xa).f(xr)
<0
xb=xr
si
0.5
0.5721
0.5672
0.1065
-0.0078
-0.000095
0.5
0.5672
0.5671
0.1065
-0.0001
-0.000001
f(x)= e-x x
xr= xb-f(xb)*(xa-xb)
f(xa) f(xb)
f(xa).f(xr)>0
xa=xr
f(xa).f(xr)=0
no
no
100
si
no
no
0.865189
si
no
no
0.010612
Ea(%)
0.05
parar
Ea = |aproximacin actual aproximacin anterior| 100 %

aproximacin actual
Iteracin 1
f(xa)=e-0.5 -0.5 = 0.1065
f(xb)=e-1 -1 = -0.6321
xr= 1 - (-0.6321)*(0.5-1)/(0.1065-(-0.6321)) =0.5721
f(xr)=e-0.5721 0.5721 =-0.0078
Ea =100%
si f(xa)*f(xr) <0 entonces xb=xr
Iteracin 2
f(xa)=e-0.5 -0.5 = 0.1065
f(xb)=e-0.5721 -0.5721 = -0.0078
xr= 0.5721 - (-0.0078)*(0.5-0.5721)/(0.1065-(-0.0078)) =0.5672
f(xr)=e-0.5672 0.5672 =-0.00008887
si f(xa)*f(xr) <0 entonces xb=xr
Ea =|(0.5672 - 0.5721)/0.5672| % = 0.0086 % =0.86
Iteracin 3
f(xa)=e-0.5 -0.5 = 0.1065
f(xb)=e-0.5672 -0.5672 = -0.000088871
xr= 0.5672 - (-0.000088871)*(0.5-0.5672)/(0.1065-(-0.000088871)) = 0.5671
f(xr)=e-0.5671 0.5671 =0.000067843
si f(xa)*f(xr) >0 entonces xa=xr
Ea =|(0.5671 - 0.5672)/0.5671| % = 0.00017634 % =0.01
27 | P g i n a
Es(%)

Algoritmo en Matlab para el Mtodo de la Regla Falsa o Falsa Posicin
function falsaposicion=falsaposicion()
clc;
f
xa =input('Dame el intervalo inferior :');
xb =input('Dame el intervalo superior :');
f
=inline(f);
if f(xa)*f(xb)<0
ezplot(f), grid on
erro=100;
xr =0;
i
=0;
while erro>err
ea=xr;
xr=xb-((f(xb)*(xa-xb))/(f(xa)-f(xb)));
if f(xa)*f(xr)>0
xa=xr;
else
xb=xr;
end
erro=abs(((ea-xr)/xr)*100);
i=i+1;
end
else
fprintf('\n\nNo existe la raz en el intervalo\n')
end
end
Solucin en Matlab
Dame la funcin: exp(-x) -x
Dame el intervalo inferior: 0.5
Dame el intervalo superior: 1
Resultado de la raz: 0.567144 en 3 iteraciones
28 | P g i n a

exp(-x)-x
200
150
100
50
0
-6
-4
-2
0
x
Ejercicios.
Determinar por el mtodo de la falsa posicin la raz de las siguientes funciones:
1) f(x)=6x3-5x2 +7x -2, tomando 5 decimales.
2) f(x)=0.7x5-8x4+44x3-90x2+82x-25, tomando 5 decimales.
3) f(x)=sen x e-x, tomando 5 decimales.
4) f(x)= 4 sen 2x +x, tomando 5 decimales.
5) f(x)= log (2+x) x, tomando 5 decimales.
6) f(x)=0.6 e-0.3-sen 2x, tomando 5 decimales.
29 | P g i n a
Mtodos abiertos
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 a la raz. Como tales,
algunas veces divergen o se aleja de la raz verdadera a medida que crece el nmero de
iteraciones. Sin embargo, cuando estos mtodos convergen por lo general lo hacen mucho
ms rpido que los mtodos que usan intervalos.
Mtodo del Punto Fijo

Se emplea una frmula para predecir la raz. Esta frmula puede desarrollarse como una
iteracin simple de punto fijo, al arreglar la ecuacin f(x)=0 de tal modo que x est del lado
izquierdo de la ecuacin.
x=g(x)
Esta transformacin se puede llevar a cabo mediante operaciones algebraicas o
simplemente agregando x a cada lado de la ecuacin original.
Ejemplo:
2+ 3
x2-2x+3=0
Se arregla para obtener =
Ejemplo:
sen x=0
Se arregla para obtener x= sen x + x
(operacin algebraica)
(sumando x en ambos lados)
La ecuacin x=g(x) nos proporciona una frmula para predecir un nuevo valor de x en
funcin del valor anterior de x, se utiliza para obtener una nueva aproximacin x i+1
expresada por la formula iterativa:
+ = ( )
[ ]
El error aproximado porcentual est dado por:

= |
+1
| 100%
+1
[ ]
30 | P g i n a

y
y=z
g(x1)
x2=g(x1)
g(x2)
x3=g(x2)
x1 x3
y=g(x)
x4 x2
x6
x5
Ejemplo:
Determinar por el mtodo del punto fijo la raz de la siguiente funcin:
f(x)=e-x-x, con punto de inicio en 0 y tomando 5 decimales.
e-x-x = 0
Se arregla para obtener
x=e-x
iter
xi
xi+1
Ea(%)
100
0.36787944
171.828183
0.36787944
0.69220063
46.8536395
0.69220063
0.5004735
38.3091466
0.5004735
0.60624354
17.4467897
0.60624354
0.54539579
11.1566225
0.54539579
0.57961234
5.90335081
0.57961234
0.56011546
3.48086698
0.56011546
0.57114312
1.93080393
10
0.57114312
0.56487935
1.10886824
11
0.56487935
0.56842873
0.62441912
12
0.56842873
0.56641473
0.35556841
13
0.56641473
0.56755664
0.20119652
14
0.56755664
0.56690891
0.11425564
15
0.56690891
0.56727623
0.06475157
16
0.56727623
0.5670679
0.03673877
Es(%)
0.05
Parar
31 | P g i n a

Nota: Cada iteracin se acerca cada vez ms al valor estimado con el valor verdadero de la
raz a 0.5670679, continuando las iteraciones hasta que Ea<= 0.05
Iteracin 1
f(x(0))=e-0 = 1
Ea=100
Iteracin 2
f(x(1))= e-1=0.3679
Ea=|(0.3679-1)/(0.3679)|%= 1.7219% =172.19
Iteracin 3
f(x(0.3679))= e-0.3679 =0.6922
Ea=|(0.6922-0.3679)/(0.6922)|%=0.4685%=46.85
Iteracin 4
f(x(0.6922))= e-0.6922=0.5005
Ea=|(0.5005-0.6922)/(0.5005)|% =0.3830% = 38.30
Iteracin 5
f(x(0.5005))= e-0.5005=0.6062
Ea=|(0.6062 -0.5005)/(0.6062)|% = 0.1744% = 17.44
Iteracin 6
f(x(0.6062))= e-0.6062 = 0.5454
Ea=|(0.5454 - 0.6062)/(0.5454)|% = 0.1115% = 11.15
Iteracin 7
f(x(0.5454))= e-0.5454= 0.5796
Ea=|(0.5796-0.5454)/(0.5796)|% = 0.0590% = 5.90
Iteracin 8
f(x(0.5796))= e-0.5796= 0.5601
Ea=|(0.5601 0.5796)/(0.5601)|% = 0.0348% = 3.48
Iteracin 9
f(x(0.5601))= e-0.5601 = 0.5712
Ea=|(0.5712 0.5601)/(0.5712)|% =0.0194% = 1.94
Iteracin 10
f(x(0.5712))= e-0.5712 =0.5648
Ea=|(0.5648 0.5712)/(0.5648)|% =0.0113% = 1.13
Iteracin 11
f(x(0.5648)) = e-0.5648 = 0.5685
32 | P g i n a

Ea=|(0.5685 -0.5648)/(0.5685)|% = 0.0065% = 0.65
Algoritmo en Matlab para el Mtodo del Punto Fijo
function puntofijo=puntofijo()
clc;
f =input('Dame la funcin : ','s');
xi =input('Dame el punto de inicio :');
err=input('Dame el porciento de error :');
f =inline(f);
ezplot(f), grid on
i =0;
ea =100;
while err <= ea
xr=f(xi);
ea=abs(((xr-xi)/xr)*100);
xi=xr;
i=i+1;
end
end
Solucin en Matlab
Dame la funcin: exp(-x)
Dame el punto de inicio: 1
Resultado de la raz= 0.567068 en 15 iteraciones
33 | P g i n a
Ejercicios.
Determinar por el Mtodo del Punto Fijo la raz de las siguientes funciones:
1. f(x)=sen x, con punto de inicio en 1 y tomando 5 decimales.
2. f(x)=cos x - 3x, con punto de inicio en 0 y tomando 5 decimales.
3. f(x)=x4+8x3+11x2-32x-60, con punto de inicio en 1 y tomando 5 decimales.
34 | P g i n a
Mtodo de Newton-Raphson
Este mtodo es el ms utilizado. Si el valor inicial para la raz es xi, entonces se puede
trazar una tangente desde el punto [xi, f(xi)] de la curva, el punto donde esta tangente
cruza al eje x representa una aproximacin mejorada de la raz.
f(x)
Pendiente=f(xi)
f(xi)
f(xi)-0
xi+1
xi
xi -xi+1
El mtodo de Newton-Raphson se deduce a partir de esta interpretacin geomtrica y se

tiene que la primera derivada en x es equivalente a la pendiente:
f (xi ) =
f(xi ) 0
xi xi+1
Que se arregla para obtener

+ =
( )
( )
[ ]

= |
+1
| 100%
+1
[ ]
35 | P g i n a

Ejemplo:
Determinar por el Mtodo del Newton-Raphson la raz de la siguiente funcin:
f(x)=e-x-x, con punto de inicio en 0 y tomando 5 decimales.
Derivada de la funcin: f(x)= e-x-1
iter
1
2
3
4
xi
f(xi)
0
1
0.5 0.10653066
0.566311 0.00130451
0.56714317 1.9648E-07
f'(xi)
-2
-1.60653066
-1.56761551
-1.56714336
xi+1
0.5
0.566311
0.56714317
0.56714329
Ea(%)
100
11.709291
0.14672871
0.000022
Es(%)
0.05
parar
Iteracin 1
xi=0
f(xi)= e0 -0= 1
f(xi)=-e0-1=-2
xi+1=0-(1/-2)= 0.50
Ea=|(0.50 - 0)/(0.50)|% =1 % =100
Iteracin 2
xi=0.50
f(xi)= e-0.50 -0.50= 0.1065
f(xi)=-e-0.50-1=-1.6065
xi+1=0.50-(0.1065/-1.6065)= 0.5663
Ea=|(0.56630.50)/(0.5663)|% =0.1171 % =11.71
Iteracin 3
xi=0.5663
f(xi)= e-0.5663 -0.5663= 0.0013
f(xi)=-e-0.5663-1=-1.5676
xi+1=0.5663-(0.0013/-1.5676)= 0.5671
Ea=|(0.5671 0.5663)/(0.5671)|% =0.0014 % =0.14
Iteracin 4
xi=0.5671
f(xi)= e-0.5671 -0.5671=0.0000678
f(xi)=-e-0.5671-1=-1.5672
xi+1=0.5671-(0.0000678/-1.5672)= 0.5671
Ea=|(0.5671 0.5671)/(0.5671)|% =0.00% =0.00
36 | P g i n a

Algoritmo en Matlab para el Mtodo de Newton-Raphson
function newtonraphson=newtonraphson()
clc;
f
dx =input('Dame la derivada de la funcin: ','s');
pi =input('Dame el valor del punto de inicio: ');
f
=inline(f);
ezplot(f), grid on
dx =inline(dx);
ea =100;
i
=0;
while ea>err
xi=pi-(f(pi)/dx(pi));
ea=abs(((xi-pi)/xi)*100);
pi=xi;
i =i+1;
end
fprintf('\n\nResultado de la raz=%12.6f en %4d iteraciones\n',pi,i);
end
Solucin en Matlab
Dame la funcin: exp(-x)-x
Dame la derivada de la funcin: -exp(-x) -1
Dame el valor del punto de inicio: 0
37 | P g i n a
Mtodo de Newton-Raphson Modificado para el clculo de races mltiples

El mtodo modificado utiliza una segunda derivada y la siguiente ecuacin.
+ =
( ) ( )
[ ]
[( )] (( ) ( ))
f(xi)= segunda derivada de la funcin

Ejemplo:
Determinar por el Mtodo del Newton-Raphson y por el Mtodo de Newtn-Raphson
Modificado la raz de la siguiente funcin:
f(x)=e-x-x
1 Derivada de la funcin: f(x)= -e-x-1
2 Derivada de la funcin f(x)= e-x
iter
xi
f(xi)
f'(xi)
f''(xi)
xi+1
Ea(%)
Es(%)
1.000000
-2.000000
1.000000
0.666667
100
0.666667
-0.153250
-1.513417
0.513417
0.568769
17.212195
0.568769
-0.002547
-1.566222
0.566222
0.567144
0.286570
0.567144
-0.000001
-1.567143
0.567143
0.567143
0.000084
0.05
parar
Algoritmo en Matlab para el Mtodo de Newton-Raphson Modificado

function newtonraphsonmodificado=newtonraphsonmodificado()
clc;
f
dx =input('Dame la 1a. derivada de la funcin: ','s');
dx2 =input('Dame la 2a. derivada de la funcin: ','s');
pi =input('Dame el valor del punto de inicio: ');
f
=inline(f);
ezplot(f), grid on
dx =inline(dx);
dx2 =inline(dx2);
ea =100;
i
=0;
while ea>err
xi=pi-(f(pi)*dx(pi))/((dx(pi)^2)-(f(pi)*dx2(pi)));
ea=abs(((xi-pi)/xi)*100);
pi=xi;
i =i+1;
end
fprintf('\n\nResultado de la raz=%12.6f en %4d iteraciones\n',pi,i);
end
38 | P g i n a

Solucin en Matlab
Dame la funcin f(x) : exp(-x)-x
Dame la 1a. derivada de la funcin f(x) : -exp(-x) -1
Dame la 2a. derivada de la funcin f(x) : exp(-x)
Dame el valor inicial de x: 0
Dame el porciento del error : 0.05
Ejercicios.
Determinar por el Mtodo del Newton Raphson y el Mtodo de Newton Raphson
Modificado la raz de las siguientes funciones:
1. f(x) = 6x3-8x2-10x+3, con punto de inicio en 0 y tomando 5 decimales.
2. f(x) = x2 3x + 2 - eX, con punto de inicio en 1 y tomando 5 decimales.
3. f(x) = x2-2xe-x+e-2x en el intervalo [0,1], sol. 0.567193...
39 | P g i n a
Mtodo de la Secante
En el Mtodo de Newton-Raphson el problema que existe es la evaluacin de la derivada
por lo que en este mtodo en lugar de una derivada se utiliza una diferencia dividida finita
regresiva.
f(x)
f(xi)
f(xi-1)
xi+1 xi
El planteamiento requiere de dos puntos iniciales de x, sin embargo, debido a que no

requiere que f(x) cambie de signo entre estos valores, este mtodo no es clasificado como
aquellos que usan intervalos.
+ =
( ) ( )
( ) ( )
[]

+1
= |
| 100%
+1
[ ]
Ejemplo:
Determinar por el Mtodo de la Secante la raz de la siguiente funcin:
f(x)=e-x-x, con valores iniciales en xi-1=0 y xi=1 y tomando 5 decimales.
iter
xi-1
xi
f(xi-1)
f(xi)
xi+1
Ea(%)
Es(%)
1.000000
-0.632121
0.612700
100
1.000000
0.612700
-0.632121
-0.070814
0.563838
8.665860
0.612700
0.563838
-0.070814
0.005182
0.567170
0.587472
0.563838
0.567170
0.005182
-0.000042
0.567143
0.004770
0.05
parar
40 | P g i n a

Iteracin 1
xi-1=0
xi=1
f(xi-1)= e0 -0= 1
f(xi)=e-1-1= -0.6321
xi+1=1-((-0.6321)(0-1))/(1-(-0.6321))=0.6127
Ea=|(0.6127 - 1)/(0.6127)|% =0.6127 % =61.27
Iteracin 2
xi-1=1
xi=0.6127
f(xi-1)= e-1 -1= -0.6321
f(xi)=e0.6127-0.6127=-0.0708
xi+1=0.6127-((-0.0708)(1-0.6127)/(-0.6321-(-0.0708))=0.5638
Ea=|(0.5638-0.6127)/(0.5638)|% =0.0867 % =8.67
Iteracin 3
xi-1=0.6127
xi=0.5638
f(xi-1)= e-0.6127-0.6127=-0.0708
f(xi)=e-0.5638-0.5638=0.0052
xi+1=0.5638-((0.0052)(0.6127-0.5638)/(-0.0708-(0.0052))=0.5671
Ea=|(0.5671-0.5638)/(0.5671)|% =0.0058 % =0.58
Iteracin 4
xi-1=0.5638
xi=0.5671
f(xi-1)= e-0.5638-0.5638=0.0052
f(xi)=e-0.5671-0.5671=0.0000678
xi+1=0.5671-((0.0000678)(0.5638-0.5671)/(-0.0052-(0.0000678))=0.5671
Ea=|(0.5671-0.5671)/(0.5671)|% = 0.00% =0.0004
Algoritmo en Matlab para el Mtodo de la Secante

function secante=secante()
clc;
f
pa =input('Dame el punto para xi-1:');
pb =input('Dame el punto para xi :');
f
=inline(f);
ezplot(f), grid on
ea =100;
i
=0;
while ea>err
xi =pb-((f(pb)*(pa-pb))/(f(pa)-f(pb)));
41 | P g i n a

ea
pa
pb
i
=abs(((xi-pb)/xi)*100);
=pb;
=xi;
=i+1;
end
fprintf('\n\nResultado de la raz=%12.6f en %4d iteraciones\n',xi,i);
end
Solucin en Matlab
Dame la funcin: exp(-x)-x
Dame el punto xi-1: 0
Dame el punto xi : 1
42 | P g i n a
Ejercicios.
Determinar por el mtodo de la Secante la raz de la siguiente funcin:
1. f(x)=x3 + 2x2+10x-20, con valores inicial en xi-1=0 y xi=1 y tomando 5 decimales
2. f(x)=x4+8x3+11x2-32x-60, con valor inicial en xi-1=1 y xi=3 y tomando 5 decimales.
3. f(x)= 3x*sen(x) ex, con valor inicial en xi-1=1.5 y xi=0.8 y tomando 5 decimales.
43 | P g i n a
Mtodo de Mller
Consiste en obtener los coeficientes de la parbola que pasa por tres puntos elegidos.
Cuyos coeficientes son sustituidos en la formula cuadrtica para obtener el valor donde la
parbola intercepta al eje x; es decir, la raz estimada. La aproximacin se puede facilitar,
si se escribe la ecuacin de la parbola en una forma conveniente. Una de las mayores
ventajas del mtodo de Mller, es que al trabajar con la formula cuadrtica es posible
encontrar las races reales, tanto como las races complejas. El mtodo de Mller en si es
una generalizacin del mtodo de la secante.
p(x)=a0 + a1x + a2x2
y
Parbola
y=f(x)
Raz
x2
x1
x0
Raz estimada
En el mtodo de Mller se usan tres aproximaciones inciales x0, x1 y x2 con las cuales
procederamos a determina la siguiente aproximacin x3, considerando la intercepcin del
eje x con la parbola que pasa por (x0, f(x0)), (x1, f(x1) y (x2, f(x2)).
= +
[]
Dnde:
= (2 )
=
(0 2 )2 ((1 ) (2 )) (1 2 )2 ((0 ) (2 ))
(0 2 )(1 2 )(0 1 )
(1 2 )((0 ) (2 )) (0 2 )((1 ) (2 ))
(0 2 )(1 2 )(0 1 )
44 | P g i n a

= |
3 2
| 100%
3
[ ]
Condicin:
| + 2 4| > | 2 4| : + 2 4,
: 2 4
Realizar el mtodo de Mller en Excel y en Matlab.
45 | P g i n a
Solucin de ecuaciones algebraicas lineales simultaneas

Una ecuacin algebraica lineal es una ecuacin en donde en cada trmino aparece
nicamente una variable o incgnita elevada a la primera potencia.
Por ejemplo, a11x1 + a12x2 + a13x3 + + a1nxn = c1, es una ecuacin algebraica lineal en las
variables x1, x2, x3, , xn. Se admite que los coeficientes a11, a12, a13,, a1n y el trmino
independientec1, son constantes reales.
Solucin de un sistema de ecuaciones: es un conjunto de valores de las incgnitas que
verifican simultneamente a todas y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser compatible, si admite solucin; o
incompatible si no admite solucin. Un sistema compatible puede ser determinado, si la
solucin es nica; o indeterminado, si la solucin no es nica.
Determinado: Solucin nica

Compatible
Indeterminado: Infinitas soluciones
Tipos de sistemas
Incompatible: Sin solucin
Existen diversos mtodos alternativos para encontrar soluciones de ecuaciones

algebraicas lineales simultneas como es el caso de los mtodos (el Mtodo Grafico y la
Regla de Cramer) que estn limitados a pocas ecuaciones de modo que tienen escasa
utilidad para resolver problemas prcticos.
Un sistema de m ecuaciones lineales en n incgnitas tiene la forma general:
1,1 1 +
2,1 1 +
3,1 1 +
,1 1 +
1,2 2 +
2,2 2 +
3,2 2 +
,2 2 +
1, = 1
2, = 2
3, = 3
, =
Con la notacin matricial la ecuacin se puede escribir como Ax=b, donde A es la matriz
de coeficientes, x es el vector de incgnitas y b es el vector de trminos del lado derecho.
46 | P g i n a
1,1
2,1
= 3,1
[,1
1,2
2,2
3,2
,2
1,
2,
3,
, ]
1
1
2
2
= 3 = 3
[ ]
[ ]
Los mtodos numricos que estudiaremos para la solucin de un sistema de ecuaciones

lineales se clasifican en dos tipos: directos e iterativos.
Los mtodos directos nos proporcionan una solucin del sistema en un nmero finito de
pasos; si usamos aritmtica finita para los clculos, obtendremos por lo general una
solucin aproximada, debido nicamente a los errores de redondeo, puesto que no hay
errores de truncamiento o de frmula. Los mtodos directos ms usados tienen como
base la Eliminacin de Gauss.
En los mtodos iterativos se parte de una aproximacin inicial a la solucin del sistema
dado y se genera, a partir de dicha aproximacin, una sucesin de vectores que si
converge lo hace a la solucin del sistema. Tendremos frmulas para calcular los trminos
de la sucesin, as que en general no se espera calcular el lmite de la sucesin, por lo que
debemos tomar algn trmino de la sucesin como una solucin aproximada del sistema.
Esta vez, adems de los errores de redondeo si se usa aritmtica finita, habr errores de
truncamiento o de frmula. Los mtodos iterativos ms simples y conocidos estn
basados en iteraciones de Punto Fijo.
Para sistemas con matrices de coeficientes densas y relativamente pequeas, se prefieren
los mtodos exactos. En el caso de sistemas con matrices de coeficientes de orden grande
y poco densas son recomendados los mtodos iterativos.
Mtodos directos
Mtodo de Eliminacin de Gauss
Es un proceso que convierte a la matriz de coeficientes A de n x m en una matriz triangular
superior, mediante la aplicacin sistemtica de transformaciones elementales de rengln.
Una vez obtenida la matriz triangular superior se aplica un procedimiento conocido como
sustitucin hacia atrs para obtener el vector solucin x.
Las transformaciones elementales de rengln son:
1. La fila i de la matriz puede ser multiplicada por una constante 0.
Ri= Ri
2. A la fila i de una matriz le puede ser sumada otra fila j de la misma matriz
multiplicada por una constante .
Rj + Ri = Ri
3. Las filas i y j de una matriz pueden ser intercambiadas.
47 | P g i n a

Ri Rj
El procedimiento para resolver este sistema consta de dos pasos:
1. Eliminacin hacia adelante de incgnitas.
2. Sustitucin hacia atrs
Ejemplo:
Determinar por el mtodo de eliminacin de Gauss el siguiente sistema de ecuaciones:
1
31
51
+2
+22
+32
3 = 1 1
+3 = 1 2
+43 = 2 3
Eliminacin hacia delante.
3 3(1) = 0
1 1 1 1
[ ]Haciendo: Ec.2-3Ec.1 2 3(1) = 2 3 = 1
1 3(1) = 1 + 3 = 4
5 3 4 2
{1 3(1) = 1 3 = 2
5 5(1) = 0
1
1 1
1
[0 1 4 2]Haciendo: Ec.3-5Ec.1 3 5(1) = 3 5 = 2
4 5(1) = 4 + 5 = 9
{2 5(1) = 2 5 = 3
0 2(0) = 0
1
1 1
1
[0 1 4 2]Haciendo: Ec.3-2Ec.2 2 2(1) = 2 + 2 = 0
9 2(4) = 9 8 = 1

{3 2(2) = 3 + 4 = 1
Eliminacin hacia atrs.

Donde ya se tiene un sistema de ecuaciones en que se pueden despejar las incgnitas.
1 +2 3 =
1
1
1 1
1
2 +43 = 2
=
[ 1 4 2]

1
1
3 =
1
Donde x1=-4, x2=6 y x3=1
48 | P g i n a
Ejercicios.
Determinar por el Mtodo de Eliminacin de Gauss los siguientes sistemas de ecuaciones:
1
+2
3 = 3
61 +22 +23 = 2 (Solucin x1=-0.250 x2=-0.500 y x3=2.250)
31 +42 +3 =
1
51
21
1
+22
+32
32
+3 =
33 =
+23 =
3
10 (Encontrar la solucin)
4
41
21
1
2
+52
+22
+3 =
+23 =
+43 =
8
3 (Encontrar la solucin)
11
49 | P g i n a

Algoritmo en Matlab para el Mtodo de Gauss
function gauss=gauss()
clc
a=input('Matriz A [ ]: ');
b=input('Matriz b [ ]: ');
fprintf('\n\t\t\t\t\tLa matriz aumentada A|B del sistema es:\n')
n=length(a);
m=size(a);
r=size(b);
if m(2)==r(1)
k=1;
while k<=(n-1)
c=a;
if a(k,k)~=0
i=k+1;
while i<=n
j=k;
AB=[a,b]
fprintf('\n\t\t\tPresione una tecla para continuar...\n')
fprintf('\n\t\t\tEliminar la columna %d a partir de
F(%d)\n',k,k)
fprintf('\n\t\t\tF(%d)%.4f/%.4f*F(%d)\n',i,c(i,k),c(k,k),k)
b(i)=b(i)-((c(i,k)/c(k,k))*b(k));
pause
while j<=n
a(i,j)=a(i,j)-((c(i,k)/c(k,k))*a(k,j));
j=j+1;
end
i=i+1;
end
else
fprintf('\n\t\t\t\t\tEl sistema es inconsistente')
k=n+1;
end
k=k+1;
c=a;
end
AB=[a,b]
i=n;
while i>=1
d(1,i)=a(i,i);
i=i-1;
end
e=any(any(d==0));
if e==0
fprintf('\n\t\t\t\t\tLos valores de las incognitas son :\n')
i=n;
while i>=1
j=i+1;
s=0;
while j<=n
s=s+(a(i,j)*x(j));
j=j+1;
end
x(i)=(b(i)-s)/a(i,i);
50 | P g i n a

fprintf('\n\t\tx(%d) es igual a',i)
fprintf('\n\t\tx(%d) = (b(%d)-s)/a(%d,%d)',i,i,i,i)
fprintf('\n\t\tx(%d) = (%.5f - %.5f)/%.5f',i,b(i),s,a(i,i))
fprintf('\n\t\tx(%d) = %.5f\n\n',i,x(i))
if i>1
fprintf('\n\t\t\t\t\tPresione una tecla para
continuar...\n')
pause
end
i=i-1;
end
else
fprintf('\n\t\t\t\t\tEl sistema no tiene solucin o tiene
soluciones infinitas')
fprintf('\n\t\t\t\t\trevise si el planteamiento del sistema de
ecuaciones es correcto')
fprintf('\n\t\t\t\t\tpor favor...')
end
else
fprintf('\n\t\t\t\t\tImposible resolver el sistema ingresado falta
argumentos,')
fprintf('\n\t\t\t\t\tintente otra vez por favor')
end
51 | P g i n a
Mtodo de Gauss-Jordan
El Mtodo de Gauss-Jordn es una variante del Mtodo de Gauss. Cuando se elimina una
incgnita en una ecuacin, Gauss-Jordan elimina esa incgnita en el resto de las
ecuaciones, tomando como base para la eliminacin a la ecuacin pivote. Tambin todos
los renglones se normalizan cuando se toman como ecuacin pivote. El resultado final de
este tipo de eliminacin genera una matriz identidad en vez de una triangular como lo
hace Gauss, por lo que no se usa la sustitucin hacia atrs para obtener la solucin.
Ejemplo:
Resolver el siguiente sistema de ecuaciones con el Mtodo de Gauss-Jordan:
31
0.11
0.31
0.12
+72
0.22
0.23 = 7.85 1
0.33 = 19.3 2
+103 = 71.4 3
El sistema se expresa como una matriz aumentada

3 0.1 0.2 7.85
[0.1
7
0.3 19.3]
0.3 0.2 10
71.4
Ecuacin pivote = Ec. 1

Elemento pivote = x1 (incgnita a eliminar de las ecuaciones restantes)
Se normaliza la Ecuacin 1
Ec. 1=Ec.1 (factor) donde factor = (1/3)
1 0.03333 0.066667
[0.1
7
0.3
0.3
0.2
10
3 (1/3) = 1
2.616667 . 1
19.3 ] . 2 0.1 (1/3) = 0.033333
71.4
. 3 0.2 (1/3) = 0.066667
{ 7.85 (1/3) = 2.616667
Para obtener la nueva Ec.2:
0.1 (0.1 1) = 0
7 (0.1 0.033333) = 7.00333
Ec.2= Ec.2 -(0.1)*Ec.1
0.3 (0.1 0.066667) = 0.29333
{ 19.3 (0.1 2.616667) = 19.5617
52 | P g i n a

0.3 (0.3 1) = 0
Ec.3=Ec.3 (0.3)*Ec.1 0.2 (0.3 0.03333) = 0.1900
10 (0.3 0.066667) = 10.0200
{71.4 (0.3 2.616667) = 70.6150
Sistema resultante
1 0.03333 0.066667 2.616667 . 1
[0 7.00333
0.29333 19.5617] . 2
0
0.19
10.020
70.6150 . 3
Ecuacin pivote = Ec.2

Elemento pivote = x2(incgnita a eliminar delas ecuaciones restantes)
Ec. 2=Ec.2 (factor) donde factor = (1/7.00333)
1
[0
0
0.03333 0.066667
7.00333
0.29333
0.19
10.020
0 (1/7.00333) = 0
2.616667 . 1
7.00333 (1/7.00333) = 1
19.5617] . 2
70.6150 . 3 0.29333 (1/7.00333) = 0.0418848
{ 19.5617 (1/7.00333) = 2.7932
Se obtiene
1 0.03333 0.066667 2.616667 . 1
[0
1
0.0418848 2.79320] . 2
0
0.19
10.020
70.6150 . 3
1 (0.03333 0) = 1
0.03333 (0.03333 1) = 0
Ec.1= Ec.1 - (-0.033333)*Ec.2
0.066667 (0.03333 0.0418848) = 0.0680629
{
2.616667 (0.03333 2.79320) = 2.52356
0 (0.19 0) = 0
0.19 (0.19 1) = 0
Ec.3=Ec.3 (-0.19)*Ec.2
10.020 (0.19 0.0418848) = 10.020
{ 70.6150 (0.19 2.79320) = 70.0843
53 | P g i n a

Sistema resultante
1 0 0.0680629 2.52356 . 1
[0 1 0.0418848 2.79320] . 2
0 0
10.020
70.0843 . 3
Ecuacin pivote = Ec.3

Elemento pivote = x3(incgnita a eliminar delas ecuaciones restantes)
Ec. 3=Ec.3 (factor) donde factor = (1/10.020)
1 0
[0 1
0 0
0.0680629 2.52356 . 1
0.0418848 2.79320] . 2
10.020
70.0843 . 3
0 (1/10.020) = 0
0 (1/10.020) = 0
10.020 (1/10.020) = 1
{70.0843 (1/10.020) = 7.00003
Se obtiene
1 0 0.0680629 2.52356 . 1
[0 1 0.0418848 2.79320] . 2
0 0
1
7.00003 . 3
1 (0.0680629 0) = 1
0 (0.0680629 0) = 0
Ec.1= Ec.1 - (-0.0680629)*Ec.3
0.0680629 (0.0680629 1) = 0
{2.52356 (0.0680629 7.00003) = 3
0 (0.0418848 0) = 0
1 (0.0418848 0) = 1
Ec.2= Ec.2 - (-0.0418848)*Ec.3
0.0418848 (0.0418848 1) = 0
{2.79320 (0.0418848 7.00003) = 2.5
Sistema resultante
1 0 0
[0 1 0
0 0 1
3.0 . 1
2.5] . 2
7.0 . 3
De acuerdo al resultado, los valores de las incgnitas son:

x1=3, x2=-2.5 y x3=7.0
54 | P g i n a

Algoritmo en Matlab para el Mtodo de Gauss-Jordan
function gaussjordan=gaussjordan()
clc
a=input('Matriz A [ ]: ');
A=[a,b];
fprintf('\n\t\t\t\t\tLa matriz aumentada A|B del sistema es;\n')
A
fprintf('\n\n\t\t\t\tPresione una tecla para continuar por favor...'),
pause
[m,n] = size(A);
i = 1;
j = 1;
k = 0;
tol = max([m,n])*eps*norm(A,'inf');
while (i <= m) & (j <= n)
[p,k] = max(abs(A(i:m,j))); k = k+i-1;
if (p <= tol)
fprintf(['\n\n\t\t\t\t Columna ' int2str(j) ' es insignificante'])
A(i:m,j) = zeros(m-i+1,1)
fprintf('\n\n\t\t\t\tPresione una tecla para continuar por
favor...\n')
pause
j = j + 1;
else
if i ~= k
fprintf(['\n\n\t\t\t\tCambiar filas ' int2str(i) ' y '
int2str(k) blanks(10)])
fprintf('\n\n')
A([i k],:) = A([k i],:)
favor...\n')
pause
end
fprintf('\n\n\t\t\t\tEliminando columna %d\n',j)
fprintf(['\n\t\t\t\ta partir de la referencia en A(' int2str(i) ','
int2str(j) ')' blanks(10)])
fprintf('\n\n\t\t\t\tA(%d,%d)/%0.5f\n',i,j,A(i,j))
A(i,j:n) = A(i,j:n)/A(i,j)
fprintf('\n\t\t\t\tPresione una tecla para continuar por
favor...\n')
pause
fprintf(['\n\n\t\t\t\tEliminando la columna ' int2str(j)
blanks(10)])
fprintf('\n')
A
favor...\n')
pause
for k = 1:m
if k ~= i
fprintf('\n')
fprintf('\n\n\tFila[%d]=Fila[%d] (A[%d,%d]/A[%d,%d])*Fila[%d]\n',k,k,k,j,i,j,j)
pause
A(k,j:n) = A(k,j:n) - A(k,j)*A(i,j:n)
55 | P g i n a

end
end
favor...\n')
pause
i = i + 1;
j = j + 1;
end
end
fprintf('\n\n\t\t\t\tEntonces los valores de las incgnitas son;\n')
for k = 1:m
fprintf('\n\tx(%d)=%d\n',k,A(k,n))
pause
end
end
56 | P g i n a
Ejercicios.
1.- Determinar por el Mtodo de Gauss-Jordan el siguiente sistema de ecuaciones:
101
31
1
+22
62
+2
3 =
+23 =
+53 =
27
61.5 (Solucin x1=0.5, x2=8 y x3=-6)
21.5

0.26411
0.86411
0.94111
+0.17352
0.42432
+0.01752
+0.86423 =
0.07113 =
+0.14633 =
0.7521
0.2501
0.6310

0.061
0.561
0.241
+0.042
1.562
+1.242
+0.123 = 3
+0.353 = 2
0.283 = 0
Investigar Qu es Solver en Excel? y realizar los ejercicios anteriores
57 | P g i n a
Mtodos Iterativos
Un mtodo iterativo consta de los siguientes pasos.
1. Inicia con una solucin aproximada (Semilla).
2. Ejecuta una serie de clculos para obtener o construir una mejor aproximacin
partiendo de la aproximacin semilla. La frmula que permite construir la
aproximacin usando otra se conoce como ecuacin de recurrencia.
3. Se repite el paso anterior pero usando como semilla la aproximacin obtenida.
Matriz diagonalmente dominante.

Una matriz se dice matriz diagonalmente dominante, si en cada uno de los renglones, el
valor absoluto de las incgnitas de la diagonal principal es mayor que la suma de los
valores absolutos de las incgnitas restantes del mismo rengln.
A veces la matriz de un sistema de ecuaciones no es diagonalmente dominante pero
cuando se cambian el orden de las ecuaciones y las incgnitas el nuevo sistema puede
tener matriz de coeficientes diagonalmente dominante.
10 1 0
[1 10 2]
0 2 10
4
1
[2
8
3 10
3
1]
2
Mtodo de Jacobi o de los desplazamientos simultneos

El mtodo Jacobi es el mtodo iterativo para resolver sistemas de ecuaciones lineales ms
simple y se aplica solo a sistemas cuadrados, es decir a sistemas con tantas incgnitas
como ecuaciones.
Dado el sistema lineal
1,1 1 +
2,1 1 +
3,1 1 +
,1 1 +
1,2 2 +
2,2 2 +
3,2 2 +
,2 2 +
1, = 1
2, = 2
3, = 3
, =
Es factible despejar a x1 de la primera ecuacin, a x2 de la segunda ecuacin, a x3 de la

tercera y as sucesivamente.
1 = (1 + 1,2 2
2 = (2 + 2,1 1
3 = (3 + 3,1 1
= ( + ,1 1
+1,3 3 +
+2,3 3 +
+3,2 2 +
+,2 2 +
+1, )/
1,1
+2, )/
2,2
+3, )/
3,3
+,1 1 )/ ,
58 | P g i n a

Entonces se parte de una estimacin inicial de la solucin, x(0), la cual se sustituye en las
ecuaciones para producir una nueva estimacin, x(1).
El vector x(1) se sustituye en esas mismas ecuaciones para obtener ahora a x(2). Este
procedimiento se repite entonces para calcular las estimaciones x(3), x(4), x(5), etc., y el
proceso termina cuando se cumple alguno de estos criterios de convergencia.
1. (+1) () <
2.
(+1) ()
(+1)
<
Uno de los principales problemas de los mtodos iterativos es la garanta de que el

mtodo va a converger, es decir, va a producir una sucesin de aproximaciones cada vez
efectivamente ms prximas a la solucin.
Este mtodo es muy poco utilizado debido a que el mtodo de Gauss-Seidel converge ms
rpidamente a la solucin y adems lo hace cuando no se logra que el mtodo de Jacobi
converja.
La condicin suficiente para que el mtodo de Jacobi converja es que la matriz de
coeficientes sea diagonal dominante, es decir que cada elemento de la diagonal principal
es mayor en valor absoluto que la suma del resto de los elementos de la misma fila en la
que se encuentra el elemento en cuestin.
Ejemplo:
Con el Mtodo de Jacobi, inicie con x(0)=[0,0,0] y considere 5 decimales como criterio de
convergencia.
Es=(0.5 x 102n)%
Es=(0.5 x 102-5)% = (0.5 x 10-3)% = 0.0005%= 0.05
101
1
2
102
22
23
103
=9
=7
=6
Despejando las incgnitas:

x1= (9 + 1x2 + 0x3 )/10
x2= (7 + 1x1 + 2x3)/10
x3= (6 +0x1+ 2x2)/10
1. Iteracin
Con x(0)=[0, 0,0] que aplicadas a las estimacin inicial x(0) permiten calcular la nueva
iteracin x(1).
x1= (9 + 1(0) + 0)/10
= 9/10 =0.9
x2=(7 + 1(0) + 2(0))/10
= 7/10 =0.7
59 | P g i n a

x3=(6 + 0 + 2(0))/10
(1)
(0)
(1)
(0)
(1)
(0)
= 6/10 =0.6

0.9 0.0
1 = | 1 (1) 1 | 100% = |
| 100% = 1 100% = 100
0.9
1

0.7 0.0
2 = | 2 (1) 2 | 100% = |
| 100% = 1 100% = 100
0.7
2
3

0.6 0.0
= | 3 (1) 3 | 100% = |
| 100% = 1 100% = 100
0.6
3
2. Iteracin
Con x(1)=[0.9, 0.7,0.6] que
iteracin x(2).
x1= (9 + 1(0.7) + 0)/10
x2=(7 + 1(0.9) + 2(0.6))/10
x3=(6 + 0 + 2(0.7))/10
(2)
(1)
(2)
(1)
(2)
(1)
aplicadas a las estimacin x(1) permiten calcular la nueva

= 9.7/10
=9.1 /10
= 7.4/10
=0.97
=0.91
=0.74

0.97 0.9
= | 1 (2) 1 | 100% = |
| 100% = 0.0722 100% = 7.22
0.97
1

0.91 0.7
= | 2 (2) 2 | 100% = |
| 100% = 0.2308 100% = 23.08
0.91
2

0.74 0.6
3 = | 3 (2) 3 | 100% = |
| 100% = 0.1892 100% = 18.92
0.74
3
3. Iteracin
Con x(2)=[0.97, 0.91,0.74] que aplicadas a las estimacin x(2) permiten calcular la nueva
iteracin x(3).
x1= (9 + 1(0.91) + 0)/10
= 9.91/10
=0.9910
x2=(7 + 1(0.97) + 2(0.74))/10
=9.45 /10
=0.9450
x3=(6 + 0 + 2(0.91))/10
= 7.82/10
=0.7820
(3)
(2)
(3)
(2)
(3)
(2)

0.9910 0.97
= | 1 (3) 1 | 100% = |
| 100% = 0.0212 100% = 2.12
0.9910
1

0.9450 0.91
= | 2 (3) 2 | 100% = |
| 100% = 0.0370 100% = 3.70
0.9450
2

0.7820 0.74
= | 3 (3) 3 | 100% = |
| 100% = 0.0537 100% = 5.37
0.7820
3
60 | P g i n a

Nota: As sucesivamente hasta llegar a 7 iteraciones
iteracin
semilla
1
2
3
4
5
6
7
x1(k)
0
0.9
0.97
0.991
0.9945
0.99555
0.99573
0.99578
x2(k)
x3(k)
Ea1(%)
0
0.7
0.91
0.945
0.9555
0.95725
0.95778
0.95786
0
0.6
0.74
0.782
0.789
0.7911
0.79145
0.79156
100
7.22
2.12
0.35
0.11
0.018
0.00502
Ea2(%)
100
23.08
3.70
1.10
0.18
0.0553
0.0083
Ea3(%)
Es(%)
0.05
100
18.92
5.37
0.89
0.27
0.0442
0.0138
parar
Nota: Todos los errores son menores al error esperado de 0.05.

Algoritmo en Matlab para el Mtodo de Jacobi
function jacobi=jacobi()
format long;
clc;
e=input('Numero de ecuaciones: ');
A=input('Matriz A [ ]: ');
ea=input('Dame el porciento de error: ');
x0=zeros(1,e);
err=100;
k=0;
while ea<= err
k=k+1;
fprintf('%2d',k)
for i=1:e
suma=0;
for j=1:e
if i ~=j
suma=suma+A(i,j)*x0(j);
end
end
x(i)=(b(i)-suma)/A(i,i);
fprintf('%10.4f',x(i))
end
err=abs((x-x0)/x)*100;
fprintf('%10.4f\n',err)
x0=x;
end
end
61 | P g i n a
Ejercicios.
Determinar por el Mtodo de Jacobi, iniciando con x=[0,0,0] y considere 5 decimales como
criterio de convergencia para el siguiente sistema de ecuaciones.
3.8
0.7
1.5
31
22
9
+1.6
+5.4
+1.1
+2.2
+40
+2
+0.9
+1.6
3.2
+9
+2
+31
= 15.5
= 10.3
= 3.5
= 82.33
= 1112.63
= 113.03
62 | P g i n a
Mtodo de Gauss Seidel

El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Mientras que en el de
Jacobi se utiliza el valor de las incgnitas para determinar una nueva aproximacin, en el
de Gauss-Seidel se va utilizando los valores de las incgnitas recin calculados en la misma
iteracin, y no en la siguiente.
Es factible despejar a x1 de la primera ecuacin, a x2 de la segunda ecuacin, a x3 de la
tercera y as sucesivamente.
(+1)
(+1)
2
(+1)
3
(+1)
=
=
()
()
(1 +
1,2 2
+1,3 3 +
(2 +
()
2,1 1
()
3,1 1
()
+2,3 3
()
+3,2 2
(3 +
()
= ( + ,1 1
()
+,2 2 +
()
+1, )/
1,1
()
+2, )/
()
+3, )/
2,2
3,3
(+1)
+,1 1 )/ ,
Ejemplo:
Con el Mtodo de Gauss-Seidel, inicie con x(0)=[0,0,0] y considere 5 decimales como criterio de
convergencia.
Es=(0.5 x 102n)%
Es=(0.5 x 102-5)% = (0.5 x 10-3)% = 0.0005%= 0.05
101
1
2
102
22
23
103
=9
=7
=6
Despejando las incgnitas:

x1(k+1)= (9 + 1x2(k) )/10
x2(k+1)= (7 + 1x1(k+1)+ 2x3(k))/10
x3(k+1)= (6 + 2x2(k+1))/10
1. Iteracin
Con x(0)=[0, 0,0] que aplicadas a las estimacin inicial x(0) permiten calcular la nueva
iteracin x(1).
x1(1)= (9 + 1x2(0) )/10
= (9 + 1*(0))/10
=0.9
x2(1)=(7 + 1x1(1) + 2x3(0))/10 = (7+ 1*(0.9)+ 2*(0))/10
=0.79
(1)
(1)
x3 =(6 + 2x2 )/10
= (6 + 2*(0.79))/10
=0.758
(1)
(0)

0.9 0.0
= | 1 (1) 1 | 100% = |
| 100% = 1 100% = 100
0.9
1
63 | P g i n a

(1)
(0)
(1)
(0)

0.79 0.0
2 = | 2 (1) 2 | 100% = |
| 100% = 1 100% = 100
0.79
2
3

0.758 0.0
= | 3 (1) 3 | 100% = |
| 100% = 1 100% = 100
0.758
3
2. Iteracin
Con x(1)=[0.9, 0.79,0.758] que aplicadas a las estimacin inicial x(1) permiten calcular la
nueva iteracin x(2).
x1(1)= (9 + 1x2(1) )/10
= (9 + 1*(0.79))/10
=0.979
x2(1)=(7 + 1x1(2) + 2x3(1))/10 = (7+ 1*(0.979)+ 2*(0.758))/10
=0.9495
(1)
(2)
x3 =(6 + 2x2 )/10
= (6 + 2*(0.9495))/10
=0.7899
(2)
(1)
(1)
(0)
(1)
(0)

0.979 0.9
= | 1 (2) 1 | 100% = |
| 100% = 0.0806 100% = 8.06
0.979
1

0.9495 0.79
= | 2 (1) 2 | 100% = |
| 100% = 0.1679 100% = 16.79
0.9495
2

0.7899 0.758
= | 3 (1) 3 | 100% = |
| 100% = 0.0403 100% = 4.03
0.7899
3
3. Iteracin
Con x(2)=[0.979, 0.9495,0.7899] que aplicadas a las estimacin inicial x(2) permiten calcular
la nueva iteracin x(3).
x1(2)= (9 + 1x2(2) )/10
= (9 + 1*(0.9495))/10
=0.99495
(2)
(3)
(2)
x2 =(7 + 1x1 + 2x3 )/10 = (7+ 1*(0.99495)+ 2*(0.7899))/10 =0.957475
x3(2)=(6 + 2x2(3))/10
= (6 + 2*(0.957475))/10
=0.791495
(2)
(1)
(1)
(0)
(1)
(0)

0.99495 0.979
= | 1 (2) 1 | 100% = |
| 100% = 0.01603 100% = 1.603
0.99495
1

0.957475 0.9495
= | 2 (1) 2 | 100% = |
| 100% = 0.00832 100% = 0.832
0.957475
2

0.791495 0.7899
= | 3 (1) 3 | 100% = |
| 100% = 0.00201 100% = 0.201
0.791495
3
64 | P g i n a

Nota: As sucesivamente hasta llegar a 5 iteraciones
iteracin
semilla
1
2
3
4
5
x1(k)
0
0.9
0.979
0.995
0.996
0.996
x2(k)
0
0.79
0.949
0.957
0.958
0.958
x3(k)
0
0.758
0.7899
0.791
0.792
0.792
Ea1(%)
Ea2(%)
Ea3(%)
100
8.06
1.603
0.080
0.004
100
16.79
0.832
0.042
0.002
100
4.03
0.201
0.010
0.001
Es(%)
0.05
parar
Algoritmo en Matlab para el Mtodo de Gauss-Seidel

function gaussseidel=gaussseidel()
format long;
clc;
e =input('Numero de ecuaciones: ');
A =input('Matriz A [ ]: ');
b =input('Matriz b [ ]: ');
ea =input('Dame el porciento de error: ');
x0 =zeros(1,e);
x =x0;
err=100;
k=0;
while ea<= err
k=k+1;
fprintf('%2d',k)
for i=1:e
suma=0;
for j=1:e
if i ~=j
suma=suma+A(i,j)*x(j);
end
end
x(i)=(b(i)-suma)/A(i,i);
fprintf('%10.4f',x(i))
end
err=abs((x-x0)/x)*100;
fprintf('%10.4f\n',err)
x0=x;
end
end
65 | P g i n a
Ejercicios.
1. Determinar por el Mtodos de Gauss-Seidel, iniciando con x(0)=[0,0,0] y considere 5
decimales como criterio de convergencia para los siguientes sistemas de
ecuaciones.
41
1
1
41
1
1
+0.52
102
+2
+2
32
+2
+2
+3
+3
+53
=8
= 6
= 10
+24
+3
+43
+3
+4
24
=2
= 3
=4
=0
2. Un ingeniero requiere 4,800 m3 de arena, 5,810 m3 de grava fina y 5,690 m3 grava

gruesa para la construccin de un proyecto. Existen tres canteras donde pueden
obtener estos materiales. La composicin en cada cantera es de:
Cantera %
1
2
3
Arena %
52
20
25
Grava fina %
30
50
20
Grava gruesa %
18
30
55
Cuntos metros cbicos se debe tomar de cada cantera para cubrir con los
requerimientos del ingeniero?
3. Para la produccin de cuatro tipos de computadoras, se requieren cuatro clases de
recursos, horas/hombre, metales, plsticos y componentes electrnicos, en la
produccin. En el cuadro se resume las cantidades necesarias para cada uno de
estos recursos en la produccin de cada tipo de computadora. Si se dispone
diariamente de 504 horas/hombre, 1970 kg de metal, 970 kg de plstico y 601
componentes electrnico. Cuntas computadoras de cada tipo se pueden
construir por da?
Computadora
1
2
3
4
Horas/hombre
Metales
Plsticos
Componentes
Kg/computadora Kg/computadora Kg/computadora Unidades/computadora
3
20
10
10
4
25
15
8
7
40
20
10
20
50
22
15
66 | P g i n a
Interpolacin
La interpolacin es, a partir de una seria de puntos, obtener una ecuacin cuya curva pase
por todos ellos o lo ms cerca posible.
La extrapolacin es el proceso de calcular un valor de f(X) que cae fuera del rango de los
puntos base conocidos X0, X1,... , Xn. La interpolacin ms exacta usualmente se obtiene
cuando las incgnitas caen cerca de los puntos base.
Obviamente, esto no sucede cuando las incgnitas caen fuera del rango, y por lo tanto, el
error en la extrapolacin puede ser muy grande. La naturaleza abierta en los extremos de
la extrapolacin representa un paso en la incgnita porque el proceso extiende la curva
ms all de la regin conocida. Como tal, la curva verdadera diverge fcilmente de la
prediccin. Por lo tanto, se debe tener cuidado extremo en casos donde se deba
extrapolar.
La idea bsica de la interpolacin es hallar un polinomio o funcin que cumpla con pasar
por todos los puntos de un conjunto de datos(x1, y1), (x2, y2),,(xn, yn), y poder estimar los
valores entre ellos por medio del polinomio.
El mtodo ms comn para interpolar valores intermedios, es la interpolacin polinomial,
la cual consiste en determinar el polinomio de orden n que ajusta a n+1 datos. La
interpolacin de Lagrange, es una de las alternativas ms atractivas que existe para
interpolar, debido a la facilidad de programar.
Para generar una interpolacin de orden n, es necesario contar con n+1 datos conocidos,
por ejemplo:
Una interpolacin lineal requiere de conocer dos datos.

Una interpolacin cuadrtica requiere de conocer tres datos.
Una interpolacin cbica requiere de conocer cuatro datos.
Interpolacin lineal
Interpolacin cuadrtica
Interpolacin cbica
67 | P g i n a
Aproximacin polinomial simple e interpolacin

La interpolacin es de gran importancia en el campo de la ingeniera, ya que al consultar
fuentes de informacin presentadas en forma tabular, es frecuente no encontrar el valor
buscado como un punto en la tabla, por ejemplo, las tablas 1 y 2 presentan la temperatura
de ebullicin de la acetona (C3H6O) a diferentes presiones.
Puntos
P (atm)
T (0C)
Tabla 1
0
1
56.5
1
2
78.6
2
5
113.0
3
10
144.5
Puntos
P (atm)
T (0C)
Tabla 2
0
1
56.5
1
5
113.0
2
20
181.0
3
40
214.5
4
20
181.0
5
30
205.0
6
40
214.5
Supngase que solo se dispusiera de la tabla 2 y se desea calcular la temperatura de

ebullicin de la acetona a 2 atm de presin.
Una forma muy comn de resolver este problema es sustituir los puntos (0) y (1) de la
tabla en la ecuacin de la lnea recta: P(x)=a0+a1x, de tal modo que resultan 2 ecuaciones
con 2 incgnitas que son a0 y a1. Con la solucin del sistema se consigue una aproximacin
polinomial de primer grado, lo que permite efectuar interpolaciones lineales; es decir:
Sistema de ecuaciones para 2 puntos (0) y (1).
56.5 =a0 + a1x
113 =a0 + a1x
Sustituyendo los valores de P(atm) del punto (0) y punto (1) en las x del sistema de
ecuaciones para obtener el valor de T(0C) se tiene:
56.5 = a0 + a1(1)
113 = a0 + a1(5)
para el punto (0)

para el punto (1)
Sistema que al resolver (por sustitucin) nos da: a0=42.375 y a1=14.125

Por tanto, estos valores generan la ecuacin: P1(x)=42.375 + 14.125x
La ecuacin resultante puede emplearse para aproximar la temperatura cuando la presin
es conocida.
P(2)=42.375 +14.125(2)=70.625 0C
Al sustituir la presin x=2 atm se obtiene la temperatura de 70.6 0C.
68 | P g i n a

A este proceso se le conoce como interpolacin, si se quisiera una aproximacin mejor al
valor verdadero de la temperatura buscada, podran unirse ms puntos de la tabla con
una curva suave (sin picos), por ejemplo, tres puntos (0), (1), (2).
Analticamente el problema se resuelve al aproximar la funcin desconocida T=f(P) con un
polinomio que pasa por los tres puntos (0), (1), (2). Este polinomio es una parbola y tiene
la forma general.
() = + + + +
[ ]
Continuando con el ejemplo anterior para tres puntos sustituyendo en las X los valores:
56.5=a0 + a1(1) + a2(1)2
113=a0 + a1(5) + a2(5)2
181=a0 + a1(20) + a2(20)2
Al resolver el sistema de ecuaciones (resolver con Gauss-Jordan) se obtienen los siguientes

resultados:
a0=39.8509
a1=17.1539
a2=-0.5048
De tal modo que la ecuacin polinomial queda: P2(x)=39.8509 +17.1539x -0.5048x2

Calculando nuevamente para x=2 atm en la nueva ecuacin nos da:
P(2)=39.8509 +17.1539(2) -0.5048(2)2=72.1395 0C.
La aproximacin a la temperatura correcta es obviamente mejor en este caso.
Obsrvese que ahora se ha aproximado la funcin desconocida T=f(P) con un polinomio de
segundo grado (parbola) que pasa por los tres puntos ms cercanos al valor buscado. En
general, si se desea aproximar una funcin con un polinomio de grado n, se necesitan ms
puntos que sustituidos en la ecuacin polinomial de grado n.
Continuar el ejemplo anterior agregando un nuevo nodo y utilizando Solver para resolver el
sistema de ecuaciones, indicar cul es su polinomio, as como el resultado.
Una vez resuelto el sistema se sustituyen los valores de ai en la ecuacin polinomial con el
cual se obtiene el polinomio de aproximacin. A este mtodo se le conoce como
aproximacin polinomial simple.
Tambin se pueden tener funciones conocidas pero complicadas, por ejemplo:
2 1/2
() = ( )
69 | P g i n a

Lo cual conviene, para propsitos prcticos, aproximar con otra funcin ms sencilla,
como un polinomio. El procedimiento es generar una tabla de valores mediante la funcin
original y a partir de dicha tabla aplicar el mtodo descrito anteriormente.
Algoritmo en Matlab de la aproximacin polinomial simple
function aproximacionpolinomialsimple=aproximacionpolinomialsimple()
format long;
clear X;
clear Y;
clc;
X=input('Dame el vector de puntos en X [ ]: ');
Y=input('Dame el vector de puntos en Y [ ]: ');
x=input('Dame el punto a interpolar: ');
xx=min(X):0.01:max(X);
yy=spline(X,Y,xx);
hold on
plot(X,Y,'o',xx,yy);
grid,title('\bf Aproximacin Polinomial Simple')
y=0;
w=length(X);
for i=1:w-1
if x>=X(i) && x<=X(i+1)
y=(Y(i+1)-Y(i))/(X(i+1)-X(i))*(x-X(i))+Y(i);
end
end
fprintf('\n\nResultado de la interpolacin lineal es=%12.6f \n',y);
plot(x,y,'sr');
hold off
end
Solucin en Matlab
Dame el vector de puntos en X [ ]: [1, 5, 20]
Dame el vector de puntos en Y [ ]: [56.5, 113, 181]
Dame el punto a interpolar: 2
Resultado de la interpolacin lineal es= 70.625000
70 | P g i n a
Ejercicios.
1) La poblacin de la ciudad de Xalapa est dada por la siguiente tabla:
punto
ao
habitantes
0
1940
132,165
1
1950
151,326
2
1960
179,323
3
1970
203,302
4
1980
226,542
5
1990
249,633
a) Obtener un polinomio de 2 grado que aproxime el comportamiento de la

poblacin. Mostrar grfica de datos y polinomio.
b) Obtener un polinomio de grado superior a 2 que, segn su juicio, sea la mejor
aproximacin de los datos originales. Mostrar grfica.
c) Obtener la poblacin en los aos 1948, 1951, 1968, 1975 y 1988.
2) Se tiene la funcin f(x)= ln (x+1)
a) Evaluar los puntos f(0), f(0.6) y f(0.9)
b) Encontrar un polinomio pn(x) de grado 2 que aproxime al punto f(0.45)
c) Mostrar grficamente los resultados.
3) A continuacin se presentan las presiones de vapor del cloruro de magnesio.

punto
P(mmHg)
T(C)
0
10
930
1
20
988
2
40
1050
3
63
1088
4
100
1142
5
200
1316
6
400
1223
7
760
1418
Calcule la presin de vapor correspondiente a T=1000 C.
71 | P g i n a
Polinomios de Lagrange
El mtodo de aproximacin polinomial simple requiere la solucin de un sistema de
ecuaciones algebraicas lineales que, cuando el grado del polinomio es alto, puede
presentar inconvenientes. Existen otros mtodos de aproximacin polinomial en que no
se requiere resolver un sistema de ecuaciones lineales y los clculos se realizan
directamente; entre estos se encuentra el de aproximacin polinomial de Lagrange.
Se parte nuevamente de una funcin desconocida f(x) dada en forma tabular y se asume
que:
Para un polinomio de primer grado (ecuacin de la recta) puede escribirse:
1 () = 0
( 1 )
(0 1 )
+ 1
( 0 )
(1 0 )
Para un polinomio de segundo grado:

2 () = 0
( 1 )( 2 )
( 0 )( 2 )
( 0 )( 1 )
+ 1
+ 2
(0 1 )(0 2 )
(1 0 )(1 2 )
(2 0 )(2 1 )
Para un polinomio de tercer grado:

3 () = 0
( 1 )( 2 )( 3 )
( 0 )( 2 )( 3 )
+ 1
(0 1 )(0 2 )(0 3 )
(1 0 )(1 2 )(1 3 )
( 0 )( 1 )( 3 )
( 0 )( 1 )( 2 )
+ 2
+ 3
(2 0 )(2 1 )(2 3 )
(3 0 )(3 1 )(3 2 )
Por induccin para obtener polinomios de cuarto o n-simo grado; este ltimo queda
como se indica a continuacin.
, () =
( 0 ) ( 1 )( +1 ) ( )
( 0 ) ( 1 )( +1 ) ( )
Que en forma ms compacta queda de la siguiente forma:
() = , ()
[ ]
Ejemplo:
a) Obtener la aproximacin polinomial de Lagrange con todos los puntos.
b) Interpole el valor de la funcin f(x) para x=1.8.
puntos
xi
f(x)
0
0
-3
1
1
0
2
3
5
3
6
7
72 | P g i n a

a) Observe que se tienen 4 puntos en la tabla, por lo que el polinomio ser de tercer
grado que se sustituyen en la ecuacin.
Sustituimos los valores
3 () = 0
3 () = (3)
3 () = (3)
( 1 )( 2 )( 3 )
( 0 )( 2 )( 3 )
+ 1
(0 1 )(0 2 )(0 3 )
(1 0 )(1 2 )(1 3 )
( 0 )( 1 )( 3 )
( 0 )( 1 )( 2 )
+ 2
+ 3
(2 0 )(2 1 )(2 3 )
(3 0 )(3 1 )(3 2 )
( 1)( 3)( 6)
( 0)( 3)( 6)
( 0)( 1)( 6)
+ (0)
+ (5)
(0 1)(0 3)(0 6)
(1 0)(1 3)(1 6)
(3 0)(3 1)(3 6)
( 0)( 1)( 3)
+ (7)
(6 0)(6 1)(6 3)
( 1)( 3)( 6)
( 0)( 3)( 6)
( 0)( 1)( 6)
+ (0)
+ (5)
18
10
18
( 0)( 1)( 3)
+ (7)
90
Efectuamos las operaciones

1 ( 3 10 2 + 27 18)
5 ( 3 7 2 + 6)
7 ( 3 4 2 + 3)
3 () = ( )
+ ( )
+( )
6
18
90
Y finalmente resulta:
3 () =
1 3 1 2 276

+
3
30
30
90
b) El valor de x=1.8 se sustituye en la aproximacin polinomial de Lagranje de tercer

grado obtenida anteriormente y el resultado es el siguiente.
3 (1.8) =
1
1
276
(1.8)3
(1.8)2 +
(1.8) 3 = .
30
30
90
73 | P g i n a

Algoritmo en Matlab del polinomio de Lagrange
function lagrange=lagrange()
format long;
clear X;
clear Y;
clc;
X =input('Dame el vector de puntos en X [ ]: ');
Y =input('Dame el vector de puntos en Y [ ]: ');
x =input('Dame el punto a interpolar: ');
xx=min(X):0.01:max(X);
yy=spline(X,Y,xx);
hold on
plot(X,Y,'o',xx,yy);
grid,title('\bf Interpolacin con el Mtodo de Lagrange')
y=0;
w=length(X);
for i=1:w
L=1;
for j=1:w
if j~=i
L=L*(x-X(j))/(X(i)-X(j));
end
end
y=y+L*Y(i);
end
fprintf('\n\nResultado de la interpolacin es=%12.6f \n',y);
plot(x,y,'sr');
hold off
end
Solucin en Matlab
Dame el vector de puntos en X [ ]: [0, 1, 3, 6]
Dame el vector de puntos en Y [ ]: [-3, 0, 5, 7]
Dame el punto a interpolar: 1.8
Resultado de la interpolacin es= 2.217600
74 | P g i n a
Ejercicios.
1. Realice el siguiente ejercicio.
a. Obtener la aproximacin polinomial de Lagrange con todos los puntos.
b. Interpole el valor del logaritmo natural de 3.
puntos
x
ln x
0
1
0
1
4
1.386294
2
6
1.791759
3
8
2.079441
2. Determine la ecuacin que vincula a los siguientes datos.

puntos
x
y
0
129
9.46
1
247
8.28
2
530
5.26
3
1550
2.77
4
3010
2.16
5
4820
1.98
6
8010
1.22
3. Encuentre los valores de la variable dependiente para x=4.125, 4.375, 5.896, 9.788,
10.500, 10.788, 10.987, dado los siguientes datos.
puntos
x
y
0
2.156
8.112
1
3.145
12.322
2
6.725
14.580
3
7.222
12.366
4
8.434
24.845
5
9.525
28.366
6
10.112
30.554
7
11.028
38.687
75 | P g i n a
Polinomio de Newton (Diferencias divididas)

La forma de Lagrange es til si con los mismos nodos se prueban otros valores de la
funcin u otras funciones pues las modificaciones a realizar no afectan a los polinomios de
lagrange. En cambio, si se aumenta un nodo los clculos hay que rehacerlos desde el
principio. Para esta situacin es ms conveniente la forma de Newton del polinomio de
interpolacin.
Uno de los inconvenientes de los polinomios interpoladores de Lagrange es que no hay
relacin entre la construccin de Pn-1(x) y la de Pn(x); cada polinomio debe construirse
individualmente y se requieren muchas operaciones para calcular polinomios de grado
elevado.
Aplicando la recurrencia a los polinomios pn, pn-1,,p1, p0 con p0(x) = f(x0) = f[x0], el
polinomio de interpolacin se puede expresar de la llamada forma de Newton como:
()
= [ ] + [ , ]( ) + [ , , ]( )( ) +
+ ( )( ) [ , , )(
)
f(x)
[ ]
Tabla para calcular el polinomio de Newton (diferencias divididas)

Orden
Primer (a)
Segundo (b)
Tercer (c)
Cuarto (d)
0 [0 ]
0 =
(1 ) (0 )
(1 0 )
0 =
1 [1 ]
1 =
(2 ) (1 )
(2 1 )
0 =
1 =
2 [2 ]
2 =
(3 ) (2 )
(3 2 )
3 =
(4 ) (3 )
(4 3 )
2 1
(3 1 )
3 2
(4 2 )
1 0
(3 0 )
0 =
1 =
2 =
3 [3 ]
1 0
(2 0 )
2 1
(4 1 )
1 0
(4 0 )
4 [4 ]
Ejemplo:
La informacin de la siguiente tabla se obtuvo de un polinomio
Puntos
0
1
2
3
x
-2
-1
0
2
f(x)
-18
-5
-2
-2
4
3
7
5
6
142
76 | P g i n a

A partir de ella:
a) Elabore una tabla de diferencias divididas que interpole la tabla dada.
b) Obtener le Interpolacin de p(1).
Solucin:
a) Tabla del polinomio de Newton.
x
f(x)
Primer (a)
[0 ]
-2
[1 ]
-1
5 (18)
= 13
1 (2)
0 =
-5
1 =
[2 ]
[3 ]
[5 ]
7 (2)
=9
32
142 7
= 45
63
11
=0
3 (2)
3 (1)
=1
3 (1)
90
=3
30
0 =
1 =
2 =
3 =
4 =
0 =
1 =
2 =
1 (5)
=1
2 (2)
03
= 1
2 (1)
2 (2)
=0
20
-2
[4 ]
0 =
1 =
3 =
4
3 13
= 5
0 (2)
2 (5)
=3
0 (1)
-2
2 =
Quinto (e)
-18
0 =

Orden
Segundo (b)
Tercer (c)
Cuarto (d)
45 9
=9
62
11
=0
6 (1)
93
=1
60
142

punto
f(x)
-2
-18
1er.
2o.
Orden
3er.
4.
5.
13
1
-1
-5
-5
3
-2
1
-1
0
3
-2
3
9
0
1
0
0
1
9
45
5
142
77 | P g i n a
00
=0
6 (2)

Dnde:
5 () = [0 ] + [0 , 1 ]( 0 ) + [0 , 1 , 2 ]( 0 )( 1 ) +
+ ( 0 )( 1 ) [0 , 1 , )( 1 )
P5(x)=-18 +13(x-(-2)) -5(x-(-2))(x-(-1)) +1(x-(-2))(x-(-1))(x-0) + 0(x-(-2))(x-(-1))(x-0)(x-2) + 0(x(-2))(x-(-1))(x-0)(x-2)(x-3) =

P5(x)=-18 +13(x +2) -5(x +2)(x + 1) +(x +2)(x +1)(x-0) =
P5(x)=-18 +13x +26 -5(x2 + 3x + 2) +(x3 + 3x2 +2x) =
P5(x)=-18 +13x +26 -5x2 - 15x - 10 + x3 + 3x2 +2x =
P5(x)= -2 - 2x2 + x3
b) Interpolacin de p(1).
P5(1)=-2 -2(1)2+ (1)3 = -2-2+1= -4 +1 = -3
Algoritmo en Matlab del Polinomio de Newton (diferencias divididas)
function newton=newton()
clc;
clear;
x=input('Dame el vector de puntos en X [ ]: ');
y=input('Dame el vector de puntos en Y [ ]: ');
xu=x;
yu=y;
%Formamos una Matriz cero de la longitud del Vector "Y"
d=zeros(length(y));
% Se genera una Matriz cero donde la primera columna sea el Vector "Y"
d(:,1)=y';
%Formacin de las diferencias divididas
for k=2:length(x)
for j=1:length(x)+1-k
d(j,k)=(d(j+1,k-1)-d(j,k-1))/(x(j+k-1)-x(j));
end
end
% Formacin del Polinomio
for w=1:length(x)
dq=num2str(abs(d(1,w)));
if w>1
if x(w-1)<0
signo1=' +';
else
signo1=' -';
end
end
if d(1,w)<0
signo2=' -';
else
signo2=' +';
end
78 | P g i n a

if w==1
acum=num2str(d(1,1));
elseif w==2
polinomioactual=['(x' signo1 num2str(abs(x(w-1))) ')' ];
actual=[dq '*' polinomioactual];
acum=[acum signo2 actual];
else
polinomioactual=[polinomioactual '.*' '(x' signo1
num2str(abs(x(w-1))) ')' ];
actual=[dq '*' polinomioactual];
acum=[acum signo2 actual];
end
end
% Presentacin de Resultados
fprintf('\n Valores de X y Y \n');
disp(xu);
disp(yu);
fprintf('\n Polinomio de Interpolacin : %s \n\n',acum);
x=input(' X interp = ');
if x>max(xu)||x<min(xu)
fprintf('\t Valor de "X" fuera de rango. El resultado puede ser
equivocado \n\a');
end
xinterp=x;
yinterp=eval(acum);
fprintf(' Y interp (%g) = %g \n',x,yinterp);
% Grafica de los puntos
fprintf('\n Presiona una tecla para graficar los datos\n');
pause
xg=linspace(min(xu),max(xu));
x=xg;
yg=eval(acum);
plot(xg,yg,xu,yu,'xk',xinterp,yinterp,'sr');
grid,title('\bf Diferencias Divididas de Newton')
end
79 | P g i n a
Ejercicios.
1. Aplicando interpolacin del polinomio de Newton encuentre, para los datos que se
presentan en la tabla que sigue, los valores de la variable dependiente para x= 4.3,
4.5, 5.8 y 9.7
puntos
x
y
0
2.2
10
1
4.2
15
2
6.2
14
3
8.2
16
4
10.2
17
5
12.2
19
6
14.2
20
2. Encuentre el valor de y para x=22.4 y 32.5 dados los siguientes datos.

puntos
x
y
0
22.2
100
1
24.2
150
2
26.5
140
3
28.3
160
4
30.2
170
5
32.7
190
6
34.0
200
3. Obtener una aproximacin de f(2.1) usando todos los datos de la siguiente tabla.
puntos
x
f(x)
0
1
2
3
4
2.0
2.2
2.4
2.6
2.8
0.5103757 0.5207843 0.5104147 0.4813306 0.4359160
4. Una de las propiedades que comnmente se emplean en mecnica de fluidos es el

volumen del lquido. El volumen de un lquido es una funcin de la temperatura. El
lquido ms utilizado por el hombre es el H2O. A continuacin se muestra el
volumen de un gramo de H20, en el intervalo de 273.150 K a 279.150 K.
puntos
Temperatura (0K)
Volumen
0
273.15
1.0001329
1
274.15
1.0000733
2
275.15
1.0000321
3
276.16
1.0000078
4
277.15
1.0000000
5
278.15
1.0000081
6
279.15
1.0000318
Deseamos determinar el volumen para las temperaturas de: 274, 275, 277, 278, 279.
80 | P g i n a
Integracin numrica
De acuerdo a la definicin del diccionario, integrar significa "unir todas las partes en un
todo"; unificar; indicar la cantidad total, suma total...".
Matemticamente, la integracin se representa por:
= ()
La cual representa a la integral de la funcin f(x) con respecto a la variable x, evaluada

entre los lmites x=a y x=b.
Como lo sugiere la definicin del diccionario, el "significado" de la ecuacin es el valor
total o sumatoria de f(x)dx sobre el intervalo desde x=a hasta b.
En realidad, el smbolo es una S mayscula estilizada que indica la conexin cercana
entre la integracin y la sumatoria.
Para las funciones que se encuentran sobre el eje x, la integral que se expresa
corresponde al rea bajo la curva.
f(x)
En la mayora de las ocasiones los mtodos numricos para integracin, al realizar un

anlisis se empieza con un planteamiento desde una perspectiva grfica.
Un planteamiento con sentido comn es el de dividir el rea en segmentos verticales, o
bandas, con una altura igual al valor de la funcin en el punto medio de cada banda.
f(x)
x
81 | P g i n a

El rea de los rectngulos se calcula y se suman para estimar el rea total.
En este planteamiento, se supone que el valor de los puntos medios proporciona una
aproximacin vlida de la altura promedio de la funcin en cada banda, es posible obtener
una estimacin mejor, usando ms (y delgadas) bandas para aproximar la integral.
Las frmulas de integracin de NEWTON-COTES son los esquemas ms comunes dentro
de la integracin numrica. Se basan en la estrategia de reemplazar una funcin
complicada con alguna funcin aproximada que sea ms fcil de integrar:
Las frmulas de Newton-Cotes estn conformadas por las bien conocidas reglas del
trapecio y de Simpson (regla de un tercio y de tres octavos).
Frmulas de integracin de Newton-Cotes

Estas frmulas se basan en la idea de integrar una funcin polinomial en vez de f(x).
() ()
Donde fn(x)=a0 + a1x ++ anxn es un polinomio de interpolacin de grado n para ciertos

datos de f(x) que se escogen apropiadamente.
Es importante observar que estas frmulas se pueden aplicar inclusive a una tabla de
datos, ya que lo que se usa es un polinomio de interpolacin, el cual puede ser calculado
con la tabla.
Dentro de las frmulas de Newton-Cotes, existen las formas cerradas y abiertas. En las
formas cerradas se conocen los valores de f(a) y f(b); en caso contrario, se llaman formas
abiertas.
Regla del Trapecio

Para entender el mtodo de la regla del trapecio debe tomarse en cuenta la interpretacin
geomtrica de una integral como el rea bajo la curva, siendo as, considrese el rea de
un trapecio entre dos puntos de una curva como se muestra en la figura.
82 | P g i n a
Yi-1
f(a)
a
A1
f(b)
x
(b-a)
() + ()
() ( ) [
]
Ancho
[ ]
Altura promedio
A esta ecuacin el nombre se debe a la interpretacin geomtrica que le podemos dar a la

frmula. El polinomio de interpolacin para una tabla que contiene dos datos, es una lnea
recta. La integral, corresponde al rea bajo la lnea recta en el intervalo [a, b] que es
precisamente el rea del trapecio que se forma.
Ejemplo:
2
1
Aplicar la regla del Trapecio para aproximar la integral: 0
Solucin:
2
Usamos la ecuacin directamente con los siguientes datos: a=0, b=1 y f(x)=
1
(0) + (1)
(0) + (1)
1 + 2.7183 3.7183
(1 0) [
]=
=
=
= .
2
2
2
2
0
2
Ejemplo:
4
Aplicar la regla del Trapecio para aproximar la integral: 2
Solucin:
Igual que en el ejemplo anterior, sustituimos los datos de manera directa en la frmula del
trapecio. En este caso, tenemos los datos: a=2, b=4, y f(x)=
Por lo tanto, tenemos que:

83 | P g i n a

4
2
(4 2) [
(2)+(4)
2
]=
(2) (4)
+
2
4
= 3.6945 + 13.6495 = .
Algoritmo en Matlab de la Regla del Trapecio

function trapecio=trapecio()
clc;
a =input('Dame el punto a: ');
b =input('Dame el punto b: ');
ezplot(f,[a,b]);
grid,title('\bf Regla del Trapecio')
f=inline(f);
aprox=((b-a)/2)*(f(a)+f(b));
fprintf('\n\nAproximacin a la integral=%12.6f \n',aprox);
end
Solucin en Matlab
Dame la funcin: exp(x^2)
Dame el punto a: 0
Dame el punto b: 1
Aproximacin a la integral= 1.859141
84 | P g i n a
Ejercicios.
6
1. Aplicar la regla del Trapecio para aproximar la integral: 1 (2 + ( 2))
2. Aplicar la regla del Trapecio para aproximar la integral: 02 2 ()

1
3. Aplicar la regla del Trapecio para aproximar la integral: 0 1 3

1
4. Aplicar la regla del Trapecio para aproximar la integral: 0
1+ 5
2

2 ln
+1

3 1
ln
10. Aplicar la regla del Trapecio para aproximar la integral: 02 ( 2 )
85 | P g i n a
Regla del Trapecio Compuesta

La regla del trapecio se puede ampliar si subdividimos el intervalo [a, b] en n
subintervalos, todos de la misma longitud = = + .

Sea P= {x0, x1,xn} la particin que se forma al hacer dicha subdivisin. Usando
propiedades de la integral tenemos que:
() = () + () + +
()
Aplicando la regla del trapecio a cada una de las integrales, obtenemos:
() (1 0 ) [
(0 ) + (1 )
(1 ) + ( )
] + + ( 1 ) [
]
2
2
Sustituyendo el valor de h y usando la notacin sigma, tenemos finalmente:

( ) +
= ( ) + ( )
() ( ) [
]
[ ]
Esta es la regla del Trapecio para n subintervalos. Obviamente, esperamos que entre ms
subintervalos usemos, mejor sea la aproximacin a la integral.
y
Yi-1
A1 A2 A3 A4
X0
X1
An
x
Ejemplo:
2
1
Aplicar la regla del Trapecio Compuesta para aproximar la integral: 0 en 5
subintervalos.
Solucin:
2
Usamos la ecuacin directamente con los siguientes datos: a=0, b=1 y f(x)= y en este
caso, identificamos n=5, y la particin generada es: P= {0, 0.2, 0.4, 0.6, 0.8, 1}.
As aplicando la formula tenemos:
86 | P g i n a
1
(0) + 2((0.2) + (0.4) + (0.6) + (08)) + (1)
2
(1 0) [
]
2(5)
0
2
2
2
2
2
2
(0) + 2( (0.2) + (0.4) + (0.6) + (0.8) ) + (1)
=[
]
10
1 + 2(1.0408 + 1.1735 + 1.4333 + 1.8965) + 2.7183
14.8065
=[
]=
10
10
= .
Nota: Mencionar que el valor verdadero de esta integral es de 1.4626

As, vemos que con 5 intervalos, la aproximacin no es tan mala pero para un mejor
resultado se recomienda un nmero mayor de subintervalos.
Ejemplo:
Aplicar el mtodo del trapecio compuesto para aproximar:
Puntos
x
f(x)
0
0
1
1
0.1
7
2
0.2
4
3
0.3
3
4
0.4
5
5
0.5
2
Integrando por el mtodo del trapecio

En primer lugar se debe verificar que el intervalo entre los puntos xi sea constante, o sea,
que el valor de h, sea constante.
x
0.1
0.2
0.3
0.4
0.5
(0.1)
(0.1)
(0.1)
(0.1)
(0.1)
Luego aplicando la formula, si sabemos que n=5

0.5
=
0
() = [() + 2 () + (5)]
2
=0
= 0.1
Luego desarrollando la frmula para 6 intervalos

=
[(0 ) + 2[(1 ) + (2 ) + (3 ) + (4 )] + (5 )]
2
Remplazando en la frmula:
87 | P g i n a

=
0.1
[1 + 2(7 + 4 + 3 + 5) + 2] = .
2
Algoritmo en Matlab de la Regla del Trapecio Compuesta

function trapeciocompuesta=trapeciocompuesta()
clc;
n =input('Dame el nmero de subintervalos: ');
ezplot(f,[a,b]);
grid,title('\bf Regla del Trapecio Compuesta')
f=inline(f);
h=((b-a)/(2*n));
sumxi=0;
for i=1:n-1
x=a+h*(2*i);
sumxi=sumxi+feval(f,x);
end
aprox=((b-a)/(2*n))*(f(a)+ 2*sumxi + f(b));
end
Solucin en Matlab
Dame la funcin: exp(x^2)
Dame el punto a: 0
Dame el punto b: 1
Dame el nmero de subintervalos: 5
Aproximacin a la integral= 1.480655
88 | P g i n a
Ejercicios.
1.
Aplicar la regla del Trapecio Compuesta para aproximar la integral:

2
0 cos( 2 ) en 3 subintervalos.
2.
3.
Aplicar la regla del Trapecio Compuesta

13
integral: 0 1 + 3 en 3 subintervalos.
para
aproximar
la
4.
Aplicar la regla del Trapecio Compuesta para aproximar la integral:02

en 5 subintervalos.
5.
Aplicar la regla del Trapecio Compuesta

13
integral:0 + 2 en 5 subintervalos.
6.
Aplicar la regla del Trapecio Compuesta para aproximar la integral: 0 (9
para
aproximar
la
2 )3 en 5 subintervalos.
1
7.
Aplicar la regla del Trapecio Compuesta para aproximar la integral: 0 tan

en 9 subintervalos.
8.
Aplicar la regla del Trapecio Compuesta para aproximar la integral: 0

en 9 subintervalos.
9.
1
0 1+2 en 9 subintervalos.
cos 1
10. Aplicar l regla del Trapecio Compuesta para aproximar la integral: 0

En 9 subintervalos.
89 | P g i n a
Regla de Simpson
Basado en la utilizacin de segmentos de parbola para aproximar los arcos de curva, en
lugar de emplear segmentos de recta; es decir utilizar curvas en lugar de una poligonal, se
obtiene una mayor precisin en el clculo de integrales definidas
Adems de aplicar la regla trapezoidal con segmentos cada vez ms finos, otra manera de
obtener una estimacin ms exacta de una integral, es la de usar polinomios de orden
superior para conectar los puntos. Por ejemplo, si hay un punto medio extra entre f(a) y
f(b), entonces los tres puntos se pueden conectar con un polinomio de tercer orden.
A las frmulas resultantes de calcular la integral bajo estos polinomios se les llaman
Reglas de Simpson.
Regla de Simpson 1/3

La regla de Simpson de 1/3 aproxima el rea bajo la curva de f(x) mediante parbolas
como se muestra la figura, se hace pasar un polinomio de segundo orden por cada tres
puntos. El polinomio definido por los puntos xi-1, xi, y xi+1 puede obtener mediante el
polinomio de interpolacin de Newton.
2 () = 1 + 2 ( 1 ) + 3 ( 1 )( 1 )
Yi-1
f(a)
a
A1
xm
f(b)
b
() + ( ) + ()
() ( ) [
]
1
[ ]
3
Nota: El punto xm es el punto que est a la mitad entre a y b.
90 | P g i n a

Ejemplo:
2
1
Aplicar la regla de Simpson 1/3 para aproximar la integral: 0
Solucin:
2
Aplicamos la formula directamente con los datos siguientes: a=0, b=1, xm=0.5 y f(x)= .
1
(0) + 4(0.5) + (1)

(0) + 4 (0.5) + (1)
(1 0) [
]=
6
6
0
1 + 5.1361 + 2.7183 8.8544
=
=
= .
6
6
2
Ejemplo:
4
Solucin:
Aplicamos la formula directamente con los datos siguientes: a=2, b=4, xm=3 y f(x)=
4
(2) + 4(3) + (4)

(4 2) [
] = [2
+ 4(
)+
3
4
4
3.6945 + 26.7807 + 13.6495

44.1247
=(
)=
= .
3
3
Algoritmo en Matlab de la Regla de Simpson 1/3
function simpson13=simpson13()
clc;
ezplot(f,[a,b]);
grid,title('\bf Regla de Simpson 1/3')
f=inline(f);
aprox=((b-a)/6)*(f(a)+4*f((a+b)/2)+f(b));
end
91 | P g i n a
Ejercicios.
6
1. Aplicar la regla de Simpson 1/3 para aproximar la integral: 1 (2 + ( 2))
2. Aplicar la regla Simpson 1/3 para aproximar la integral: 02 2 ()

1
3. Aplicar la regla de Simpson 1/3 para aproximar la integral: 0 1 3

1
4. Aplicar la regla de Simpson 1/3 para aproximar la integral: 0
1+ 5
2

2 ln
+1

3 1
ln
10. Aplicar la regla de Simpson 1/3 para aproximar la integral: 02 ( 2 )

1
11. Aplicar la regla de Simpson 1/3 para aproximar la integral: 0 1 + 2
92 | P g i n a
Regla de Simpson 1/3 Compuesta

Al igual que con la regla del trapecio, podemos extender la regla de Simpson de 1/3, si
subdividimos el intervalo [a, b] en n subintervalos de la misma longitud = .

Sea P={x0, x1,,xn} la particin que se forma al hacer la subdivisin, y denotemos por xMi
[xi-1, xi] el punto medio en cada subintervalo.
y
P
Yi-1
f(b)
f(a)
a xm
() ( ) [
( ) + = ( ) +
= ( ) + ( )
]
1
]
3
Ejemplo:
2
1
Aplicar la regla de Simpson 1/3 Compuesta para aproximar la integral: 0 en 5
subintervalos.
Solucin:
En este caso, tenemos que n=5, y la particin que se genera es: P= {0, 0.2, 0.4, 0.6, 0.8, 1},
adems los puntos medios de cada subintervalo son: PM= {0.1, 0.3, 0.5, 0.7, 0.9}
Por lo que sustituimos los datos en la ecuacin para obtener:
1
(0) + 4[(0.1) + (0.3) + + (0.9)] + 2[(0.2) + (0.4) + + (0.8)] + (1)

(1 0) [
]
6(5)
1 + 4[1.0101 + 1.0942 + 1.2840 + 1.6323 + 2.247] + 2[1.0408 + 1.1735 + 1.4333 + 1.8965] + 2.7183
=[
]
30
1 + 4.0404 + 4.3768 + 5.136 + 6.5292 + 8.988 + 2.0816 + 2.347 + 2.8666 + 3.7930 + 2.7183
=[
]
30
43.8769
=
= .
30
93 | P g i n a

Algoritmo en Matlab de la Regla de Simpson 1/3 compuesta
function simpson13compuesta=simpson13compuesta()
clc;
clear;
f=input('Dame la funcin : ','s');
a=input('Dame el punto a: ');
b=input('Dame el punto b: ');
n=input('Dame el nmero de subintervalos: ');
ezplot(f,[a,b]);
grid,title('\bf Regla de Simpson 1/3 compuesta')
f=inline(f);
h=(b-a)/(2*n);
sumxi=0;
for i=1:n-1
x=a+h*(2*i);
sumxi=sumxi+feval(f,x);
end
sumxmi=0;
for i=1:n
x=a+h*(2*i-1);
sumxmi=sumxmi+feval(f,x);
end
aprox=((b-a)/(6*n))*(f(a)+ 4*sumxmi + 2*sumxi + f(b));
end
94 | P g i n a
Ejercicios.
1.
Aplicar la regla de Simpson 1/3 Compuesta para aproximar la integral:

2
2.
3.
Aplicar la regla de Simpson 1/3 Compuesta

13
para
aproximar
la
4.
Aplicar
Compuesta
para
aproximar
la
5.

13
para
aproximar
la
6.
la
regla
de
Simpson
1/3
integral:0 en 5 subintervalos.
0 (9 2 )3 en 5 subintervalos.
7.

1
0 tan en 9 subintervalos.
8.

1
0 en 9 subintervalos.
9.
1
10. Aplicar la regla de Simpson 1/3 Compuesta para aproximar la integral:

cos 1
0 2 en 9 subintervalos.
2
2
0 (cos ) en 9 subintervalos.
95 | P g i n a
Regla de Simpson 3/8

El mtodo de Simpson 3/8 aproxima el rea bajo la curva de f(x) mediante polinomios
cbicos. Por cada cuatro puntos se hace pasar un polinomio de tercer orden. Para puntos
xi, xi+1, xi+2, xi+3 el rea bajo la curva es:
Yi-1
A1
f(a)
a
() ( ) [
xm
f(b)
xm
( ) + ( ) + ( ) + ( )
]
3
[ ]
8
Ejemplo:
4
Solucin:
En este caso tenemos los siguientes datos: x0=1, x1=2, x2=3, x3=4 y f(x)= , los cuales
sustituimos en la frmula para obtener:
4
(4 1) [
1
(1) + 3(2) + 3(3) + (4)

]
8
3
= [ 1 ln(1) + 3 2 ln(2) + 3 3 ln(3) + 4 ln(4)] = .
8
Nota: De x0 a x4 que son 3 segmentos, es porque se unen 4 puntos y es constante este

nmero de segmentos.
96 | P g i n a

Algoritmo en Matlab de la Regla de Simpson 3/8
function simpson38=simpson38()
clc;
clear;
a=input('Dame el punto a: ');
b=input('Dame el punto b: ');
ezplot(f,[a,b]);
grid,title('\bf Regla de Simpson 3/8')
f=inline(f);
h=((b-a)/3);
x=a;
sum=0;
for i=2:3
x= x + h;
sum=sum + 3*f(x);
end
aprox=((b-a)/8)*(f(a)+sum +f(b));
end
97 | P g i n a
Ejercicios.
6
1. Aplicar la regla de Simpson 3/8 para aproximar la integral: 1 (2 + ( 2))
2. Aplicar la regla Simpson 3/8 para aproximar la integral: 02 2 ()

1
3. Aplicar la regla de Simpson 3/8 para aproximar la integral: 0 1 3

1
1+ 5
2

2 ln
+1

3 1
ln
10. Aplicar la regla de Simpson 3/8 para aproximar la integral: 02 ( 2 )

1
11. Aplicar la regla de Simpson 3/8 para aproximar la integral: 0 1 + 2

1
98 | P g i n a
Regla de Simpson 3/8 Compuesta

Al igual que en los dos casos anteriores, la regla de Simpson de 3/8, se puede extender si
subdividimos el intervalo [a, b] en n intervalos de la misma longitud = .

Sea x0, x1, x2,xn la particin determinada de esta forma. Cada subintervalo [xi-1, xi] lo
dividimos en 3 partes iguales, y sean yi y zi los puntos determinados as:
P
Yi-1
f(b)
f(a)
a xm
Aplicando la regla de 3/8 en cada uno de los intervalos tenemos:
3
() =
[( ) + ([( ) + ( )]) + ( ) + ( )] [ ]
Ejemplo:
4
Aplicar la regla de Simpson 3/8 Compuesta para aproximar la integral: 1 en 3
subintervalos.
Solucin:
Identificamos n=3 y la particin corresponde: P = {1, 2, 3, 4}
Al considerar los puntos que dividen en tres partes iguales a cada subintervalo, tenemos
los siguientes datos:
1
(1 + 0.333333)=
(1.333333 + 0.333333)=
(1.666666 + 0.333333)=
(2 + 0.333333)=
(2.333333 + 0.333333) =
1.333333
1.666666
2
2.333333
2.666666
99 | P g i n a

(2.666666 + 0.333333) =
(3 + 0.333333) =
(3,333333 + 0.333333) =
(3.666666 + 0.333333) =
3
3.333333
3.666666
4
Nota: Se utiliza la frmula de =

se utiliza =
puntos.
para sacar el valor de P y para sacar el valor de PMi
y aqu el 3 es constante por el nmero de segmentos que une los 4
Sustituyendo todos los datos en la formula, obtenemos:

4
41
[(1)
ln
8(3)
1
+ 3[(1.333333) + (1.666666) + (2.333333) + (2.666666)
3
+ (3.333333) + (3.666666)] + 2[(2) + (3)] + (4)] = [ 1 ln(1)
24
+ 3[ 1.333333 ln(1.333333) + + 3.666666 ln(3.666666)]
+ 2[ 2 ln(2) + 3 ln(3)] + 4 ln(4)] = .
Algoritmo en Matlab de la Regla de Simpson 3/8 compuesta

function simpson38compuesta=simpson38compuesta()
clc;
clear;
n =input('Dame el nmero de subintervalos: ');
ezplot(f,[a,b]);
grid,title('\bf Regla de Simpson 3/8 compuesta')
f=inline(f);
h =(b-a)/(2*n);
f0=0;
for i=1:n-1
x=a+h*(2*i);
f0=f0+f(x);
end
f1=0;
for i=1:n
x=a+h*(2*i-1);
f1=f1+f(x);
end
f0=2*f0+4*f1;
f0=f0+f(a)+f(b);
aprox=(h/3)*f0;
end
100 | P g i n a
Ejercicios.
1.

2
2.
3.

13
para
aproximar
la
4.
Aplicar
Compuesta
para
aproximar
la
5.

13
para
aproximar
la
6.
la
regla
de
Simpson
3/8
integral:0 en 5 subintervalos.
0 (9 2 )3 en 5 subintervalos.
7.

1
0 tan en 9 subintervalos
8.

1
9.
1

cos 1
0 2 en 9 subintervalos.
2
2
0 (cos ) en 9 subintervalos.
12. Aplicar la regla de Simpson de 3/8 Compuesta para aproximar la integral:
2
1
101 | P g i n a
Mtodo de Romberg
La integracin de Romberg es una tcnica que est especialmente diseada para alcanzar
la eficiencia en las integrales numricas de funciones: Est basada en la extrapolacin de
Richardson, mtodo que permite generar una estimacin numrica ms exacta a partir de
dos estimaciones numricas menos exactas. En concreto, est basada en aproximaciones
obtenidas a partir de la regla trapezoidal.
El procedimiento de Romberg para aproximar () consiste en lo siguiente:

Aplicando la regla del Trapecio sucesivamente para tamaos de paso hk variables, as:
1
2
3
4
1
( )
(2 ) (1 )
3
3
1 = 0
2 = 1
= 1
2
=
[ ]
Ejemplo:
21
Aplicar el mtodo de Romberg para aproximar la integral: 1 con h3.
A1
1 =
2
21
=
=1
20
1
1
1 1 1
= ( + ) = 0.75
2 1 2
A1= 0.75
A2
2 =
21
=
= 0.5
21
2
102 | P g i n a

1.5
1
0.5 1
1
=
( +
) = 0.41667
2 1 1.5
1
0.5 1
1
=
(
+ ) = 0.29167
2 1.5 2
1.5
A2= 0.41667 + 0.29167= 0.708333

A3
3 =
1.25
21
=
= 0.25
22
4
1
0.25 1
1
=
( +
) = 0.22500
2 1 1.25
1.5
1
0.25 1
1
=
(
+
) = 0.18333
2 1.25 1.5
1.25
1.75
1.5
1
0.25 1
1
=
(
+
) = 0.15476
2 1.5 1.75
1
0.25 1
1
=
(
+ ) = 0.13393
2 1.75 2
1.75
A3= 0.22500 + 0.18333 + 0.15476 + 0.13393 = 0.697024

Aplicando el Mtodo de Romberg
4 1
=
4 1
0.75
0.708333
0.697024
1 =
1 =
41 (0.708333) 0.75 4(0.708333) 0.75

=
= 0.694444
41 1
3
41 (0.697024) 0.708333 4(0.697024) 0.708333

=
= 0.693254
41 1
3
0.75
0.708333 0.694444
0.697024 0.693254
103 | P g i n a
2 =
42 (0.693254) 0.694444 16(0.693254) 0.694444

=
= 0.693175
42 1
15
H1
H2
0.75
0.708333 0.694444
0.697024 0.693254
H3
0.693175
Realizar el mtodo de Romberg en Excel y en Matlab.
104 | P g i n a
Ejercicios.
6
1. Aplicar el mtodo de Romberg para aproximar la integral: 1 (2 + ( 2))

en h3.
2. Aplicar el mtodo de Romberg para aproximar la integral: 02 2 () en h3.

1
3. Aplicar el mtodo de Romberg para aproximar la integral: 0 1 3 en h3.

1
4. Aplicar el mtodo de Romberg para aproximar la integral: 0
en h3.
1+ 5
2
en h3.
6. Aplicar el mtodo de Romberg para aproximar la integral: 1 en h4.

2 ln
+1
en h4.

3 1
ln
en h4.
10. Aplicar el mtodo de Romberg para aproximar la integral: 02 ( 2 ) en h5.

1
11. Aplicar el mtodo de Romberg para aproximar la integral: 0 1 + 2 en h5.

1
105 | P g i n a
Bibliografa
Nieves, Antonio & Domnguez, Federico C. (2006), Mtodos numricos aplicados a

la ingeniera, (2. Ed.) CECSA.
Chapra C., Steven & Canale, Raymond P. (1999), Mtodos numricos para
ingenieros, (3. Ed.), McGRAW-HILL.
106 | P g i n a

Métodos Numéricos

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Métodos Numéricos

Hochgeladen von

Copyright:

Verfügbare Formate

MTODOS NUMRICOS

L.I. Victor Fernndez Rosales

Mtodos numricos 2016

Mtodos numricos 2016

Mtodos numricos 2016

Mtodos numricos 2016

En relacin con los problemas anteriores, tenemos que:

Mtodos numricos 2016

Mtodos numricos 2016

Regla de clculo; Fuente: Elaboracin propia

Mtodos numricos 2016

Operaciones con matrices

Mtodos numricos 2016

Propiedades que deben cumplir los algoritmos numricos

Mtodos numricos 2016

Conversin de nmeros enteros del sistema decimal a binario

Mtodos numricos 2016

4710= (en una palabra de 16 bits) =1011112

52510= (en una palabra de 16 bits) =10000011012

Manejo de nmeros en la computadora

Mtodos numricos 2016

Causas de errores graves en computacin

Mtodos numricos 2016

Mtodos numricos 2016

Mtodos numricos 2016

El error relativo porcentual se define como:

Mtodos numricos 2016

Estimacin del error por mtodos iterativos

Planteamiento del problema: En matemticas con frecuencia las funciones se representan

Victor Fernndez Rosales

Mtodos numricos 2016

As cuantos ms trminos se le agreguen a la serie, la aproximacin ser cada vez ms una

100% = 0.0769% = 7.692

100% = 0.0127% = 1.266

Mtodos numricos 2016

100% = 0.00158% = 0.158

100% = 0.000158% = 0.016

Compare con el valor verdadero de 4,023.87239 y comente los resultados. Use 25

Mtodos numricos 2016

Solucin de ecuaciones algebraicas y trascendentes

donde las f son polinomios en x

los polinomios son un caso simple

Mtodos numricos 2016

La raz se encuentra en: x= 0.56

Mtodos numricos 2016

(Requieren de dos valores de

Mtodos cerrados o acotados

Mtodos numricos 2016

Mtodo de la Biseccin o Mtodo de Biparticin del Intervalo

En cada iteracin el tamao del intervalo se reduce a la mitad despus de n iteraciones, el

Mtodos numricos 2016

Ea = |aproximacin actual aproximacin anterior| 100 %

Mtodos numricos 2016

Mtodos numricos 2016

Mtodos numricos 2016

Donde S0=300 pies, m=0.25 Slugs, g=-32.17 pies/seg2 y k=0.1 lb x seg/pies.

Mtodos numricos 2016

Mtodo de la Regla Falsa o de la Falsa Posicin

El algoritmo es el mismo que el del mtodo de la biseccin, lo nico que cambia es la

Mtodos numricos 2016

Ea = |aproximacin actual aproximacin anterior| 100 %

si f(xa)*f(xr) <0 entonces xb=xr

Mtodos numricos 2016