Manual de la Materia de “Métodos Numéricos”

Materia: Métodos numéricos

Unidad 3
Docente: Juan de Dios Alardin Hernández
Alumno: Guillermo Tapia Medina,18577.
Licenciatura: Ingeniería en Mecatrónica.
Tercer Semestre

Fecha de entrega: 28/11/2019

 Índice
Métodos Numéricos ........................................................................................................................................ 3
Introducción al análisis numérico ................................................................................................................... 3
Aspectos del análisis numérico ...................................................................................................................... 3
Aspectos y tipos de problemas ...................................................................................................................... 3
Clasificación de problemas ............................................................................................................................ 3
Tipos de problemas........................................................................................................................................ 3
Identificación dados X e Y .............................................................................................................................. 4
Métodos numéricos y computadoras .............................................................................................................. 4

Matrices ............................................................................................................................................................ 4
Tipos de matrices ........................................................................................................................................... 5
Suma de matrices .......................................................................................................................................... 6
Multiplicación de matrices .............................................................................................................................. 6
Multiplicación de una matriz ........................................................................................................................... 7
Determinantes................................................................................................................................................ 7
Propiedades de las determinantes ................................................................................................................. 7
Menor de un elemento..................................................................................................................................... 9
Cofactor de un elemento ................................................................................................................................. 9
Regla de Surrus ............................................................................................................................................. 10
Regla de Cramer ............................................................................................................................................ 10
Gauss Jordan ................................................................................................................................................ 11
Newton Raphson ........................................................................................................................................... 11
Método de bisección ..................................................................................................................................... 14
Método de Jacobi .......................................................................................................................................... 15
Método de secante ........................................................................................................................................ 18
Interpolación lineal ........................................................................................................................................ 19
Método de diferencias divididas ................................................................................................................... 20
Polinomio de interpolación de Lagrange ...................................................................................................... 21
Polinomio de Lagrange ................................................................................................................................ 21
MATLAB ......................................................................................................................................................... 23
Lenguaje ...................................................................................................................................................... 23
Comandos ................................................................................................................................................... 23
Variables simbólicas .................................................................................................................................... 23
Rangos ........................................................................................................................................................ 23
Vectores....................................................................................................................................................... 24
Expand......................................................................................................................................................... 24
Pretty ........................................................................................................................................................... 24
 Polyval ......................................................................................................................................................... 24
Visualización de datos ................................................................................................................................. 25
Plot .............................................................................................................................................................. 25
Workspace ................................................................................................................................................... 25
Polinomio ..................................................................................................................................................... 25
Ejercicios hechos en MATLAB(Clase) .......................................................................................................... 26
Ejercicios hechos en MATLAB(Problemario) ................................................................................................ 32
Mínimos Cuadrados ...................................................................................................................................... 44
Caso Lineal .................................................................................................................................................. 44
Caso Curvo .................................................................................................................................................. 45
Ecuaciones Diferenciables ........................................................................................................................... 46
Clasificación de ecuaciones diferenciales .................................................................................................... 46
Ecuaciones Diferenciales por variables separables...................................................................................... 47
Ecuaciones Diferenciales Exactas ............................................................................................................... 47
Métodos numéricos

Introducción al análisis numérico:

 Rama de la matemática que estudia la teoría de los métodos constructivo del análisis matemático
o el álgebra.
 Estudia métodos para la resolución numérica (generalmente de forma aproximada) de problemas
físicos planteaos adecuadamente de forma matemática.
 Permite obtener la solución numérica de un problema después de un número finito de operaciones
aritméticas elementales.
 El problema matemático debe estar bien planteado “Tiene solución”.

Aspectos del análisis numérico:

 Metodología: Construye algoritmos específicos para cada problema, discute su efectividad y

suministra las herramientas adecuadas para su tratamiento con la computadora.
 Análisis: Estudia los principios matemáticos que motivan a los métodos, los teoremas de
convergencia y las acotaciones de los errores

Aspectos y tipos de problemas

Aspectos de problemas Tipos de problemas

 Dimensión finita (numéricos).  Dimensión finita (numéricos).
 Sistemas lineales.  Sistemas lineales.
 Ecuaciones “no” lineales.  Ecuaciones “no” lineales.
 Integración definida.  Integración definida.

Clasificación de problemas

En el lenguaje de la ingeniería de sistemas x, y, f se representan la entrada, la salida y el sistema

respectivamente.

Tipos de problemas

 Directo: Se intenta determinar la salida de un sistema dado en una entrada conocida.

o Ejemplo: Calculo de una integral definida.
 Inverso: Dados “f” e “y” hallar “x”. Se busca la entrada que genera una salida conocida en un
sistema dado.
o Ejemplo: Resolución de ecuaciones “no” lineales.

Identificación: Dados “X” e “Y”, hallar “f”:

Se buscan las leyes que gobiernan el sistema a partir del conocimiento de ciertas relaciones entre la
entrada y salida; en general, solo se conoce un número finito de pares entrada/salida.

Ejemplo: Interpolación y aproximación de funciones.

Los métodos numéricos constituyen técnicas mediante las cuales es posible formular problemas
matemáticos, de tal forma que pueden resolverse utilizando operaciones aritméticas.

Aunque existen muchos tipos de métodos numéricos, todos comparten una característica en común:

Se requieren un tedioso número de cálculos aritméticos.

Métodos numéricos y computadoras.

 Herramienta poderosa que permite dar solución a muchos y variados problemas.

 Usar eficientemente los softwares disponibles.
 Resolver grandes bloques de ecuaciones algebraicas.
 Resolver ecuaciones diferenciales (Ordinarias y parciales).
 Optimizar (Mejorar) mejorar el uso de funciones.

El manejo de software permite reforzar el pensamiento matemático, lo que lleva a reforzar las
capacidades analíticas que se tienen sobre los problemas.

“Una forma de poder dar solución a los problemas es modelar dicho problema mediante modalidades
matemáticas”.

Matrices

Una matriz es un conjunto de números ordenados en filas y columnas.

Se representa mediante una letra mayúscula y los números que se encuentran dentro de ella se
representan con la misma letra, pero en minúscula con un doble subíndice que indicará la fila y
columna a la que pertenece.
Cada uno de los números de los que consta una matriz se le denomina elemento. Un elemento
cualquiera de una matriz que se encuentra en la fila “I” y en la columna “J” se representa:

𝐴 = [𝑎1, 𝑗]

Un elemento que distingue de otro por la oposición que ocupa, es decir a la fila y columna a la que
pertenece:

𝑎11 𝑎12
𝐴=
𝑎21 𝑎22

El número de filas y columnas de una matriz se denomina “dimensión de una matriz” así una matriz de
dimensión “mxn” es una matriz que tiene “m” cantidad de filas y “n” cantidad de columnas.

En la matriz si tiene el mismo número de filas y columnas se dice que este orden tiene 4x4= orden de
4.

Tipos de matrices

 Matriz “fila”: 𝐴 = [𝑎11 𝑎12 𝑎13]

𝑎11
 Matriz “Columna”: 𝐴 = [𝑎21]
𝑎31

 Matriz diagonal: Es cuando todos elementos que no están situados en la diagonal principal son
nulos.

 Matriz triangular superior: Son cuando los elementos situados por debajo de la diagonal son ceros.

 Matriz triangular interior: Son cuando los elementos situados por encima de la diagonal son ceros.

 Matriz identidad: Es cuando todos los elementos que no están situados en la diagonal prinpal son
nulos y los elementos de la diagonal principal son 1.

A la matriz identidad se le considera una matriz neutra ya que una matriz multiplicada por la matriz
identidad será igual a la matriz identidad.
 Matriz traspuesta: Traspuesta de una matriz es una matriz “A” y consiste en intercambiar las
líneas por las columnas y se denota como “A”.

1 0 0 1 4 5
𝐴 = [4 2 0] 𝐴 = [0 2 6]
6 5 3 0 0 3

Propiedades de una matriz traspuesta

(𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇

(𝐴)𝑇 = 𝐴

(𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇

Suma de matrices
Para realizar una suma de matrices lo primero que se tiene que observar es que alss matrices sean
de la misma dimensión.

3 −8 −9 11 −6 3
𝐴=[ ] 𝐵=[ ] =[ ]
5 9 1 −5 6 4

12 −19
𝐴−𝐵 =[ ]
4 14

Multiplicación de matrices
Dentro de la multiplicación de matrices se puede realizar la multiplicación de un escalar de una matriz,
así como una multiplicación entre dos matrices.

El término multiplicación escalar se refiere al producto de un número real por una matriz. En la
multiplicación escalar cada elemento de la matriz se multiplica por el escalar dado.

12 −32
𝐴∙4=[ ]
20 36
Multiplicación de una matriz
Para que el producto entre dos matrices se pueda realizar se debe cumplir el número de columna de
la primera matriz sea igual al número de filas de la segunda matriz que se va a obtener, será igual al
número de filas de la primera matriz por el número de columnas de la segunda matriz.

1 2 −3 3 1 3 + 4 + 3 = 10
𝐴=[ ] 𝐵 = [ 2 4]
4 0 −2 10 −6
−1 5 1 + 8 − 15 = −6 [ ]
14 −6

12 + 0 + 2 = 14

4 + 0 ± 10 = −6

Determinantes
El concepto de determinante fue introducido para estudiar el número de soluciones de los sistemas de
ecuaciones lineales antes que existieran las matrices.

𝑎11 𝑎12 𝑎11 ∙ 𝑎22 − 𝑎12 ∙ 𝑎21

𝐴=[ ]
𝑎21 𝑎22

3∙2=6
3 4 6 − 28 = −22
[ ]
7 2
4 ∙ 7 = 28

Para determinantes de 3x3 se puede tomar cualquier fila o columna tomando en cuenta la siguiente
matriz de signos:

+ − +
[− + −]
+ − +

Propiedades de las determinantes

Si todos los elementos de una columna o renglón son 0 la determinante será igual a 0.

2 0 0 0
𝐴=[ ] 𝐵=[ ]
5 0 5 6
La determinante de una matriz “A” es igual a la determinante de una matriz traspuesta.

2 3 14 − 15 = −1 2 5 14 − 15 = −1
𝐴𝑇 = [ ] 𝐴=[ ]
5 7 3 7

Si cada elemento de un renglón o una columna es multiplicado por un escalar, la determinante es

también multiplicado por el escalar.

2 3
𝐴=[ ] = 10 − 12 = −2 ∙ 3 = −6
4 5

6 9
[ ] = 30 − 36 = −6
4 5

6 3
[ ] = 30 − 36 = −6
12 5

Si se intercambian dos renglones o dos columnas el signo de la determinante cambia.

4 5 1 2
[ ]= 8−5= 3 [ ] = 5 − 8 = −3
1 2 4 5

5 4
[ ] = 5 − 8 = −3
2 1

Si todos los elementos de algún renglón o alguna columna poseen los mismos números entonces la
determinante es 0.

1 1 2 4
[ ]= 0 [ ]=0
6 6 2 4
Menor de un elemento
Sea una determinante de orden “N” correspondiente a una matriz “A” se de fine al menor de un
elemento ai; a la determinante que resultó de eliminar el renglón, y la columna j y se denota como mi;
a la determinante que se obtiene.

−1 5 −3
−1 −3
𝐴=[ 2 1 4 ]=[ ] = 2 − (−30) = 2 + 30 = 32
12 −2
10 6 −2

−1 5 −3
[2 1 4 ] = 20 − (−3) = 23
10 6 −2

−1 5 −3
−1 5
[ 2 1 4 ]=[ ] = −6 − 50 = −44
10 6
10 6 −2

Cofactor de un elemento
El cofactor es igual al factor menor multiplicado por 1 o -1 dependiendo de su ubicación dentro de la
matriz.
Relacionar matriz de signos:

M22= 32 M22= 32
−1 5 −3 + − + M23=-56 M23=-56
[2 1 4] [− + −]
10 6 −2 + − + M31=23 M31=23

La matriz de una determinante “A” de cualquier orden puede obtenerse mediante la suma de los
productos dentro de cualquier renglón o columna con su respectivo cofactor.

+ − + 1 2 −6
[− + −] 𝐴 = [6 −4 5 ] = (1)(−7) + (−2)(8) + (−8)(2) = −39
+ − + 2 −1 3
Regla de Sarrus
Es un método sencillo para memorizar y calcular un determinante 3×

1 2 −6
𝐴 = [6 −4 5 ] = (−1 ∙ 1 ∙ −2) + (2 ∙ 6 ∙ −3) + (10 ∙ 5 ∙ 4) = 200
2 −1 3
(−3 ∙ 1 ∙ 10) + (4 ∙ 6 ∙ −1) + (−2 ∙ 5 ∙ 2) = 240

Regla de Cramer

−1 5 −3 3𝑥 + 6𝑦 − 9𝑧 = 3 3 6 −9
𝐴=[ 2 1 4 ] = 3𝑥 + 6𝑦 − 9𝑧 ∆𝑠 = [ 2 4 −8]
10 6 −2 2𝑥 + 4𝑦 − 8𝑧 = 0
−2 −3 4
−2𝑥 − 3𝑦 + 4𝑧 = 1

3 6 −9 3 6 −9 3 6 −9
∆𝑥 = [ 2 4 −8] ∆𝑦 = [ 2 4 −8] ∆𝑧 = [ 2 4 −8]
−2 −3 4 −2 −3 4 −2 −3 4

∆𝑥 = −12 ∆𝑥 −12
𝑥= = = −2
∆𝑠 6
∆𝑦 = 18
∆𝑦 18
∆𝑧 = 6 𝑦= = =3
∆𝑠 6
∆𝑧 6
𝑧= = =1
∆𝑠 6
Gauss Jordan

1𝑥 − 2𝑦 + 1𝑧 = 1 1−2+1=1 1−2+1=1
2𝑥 + 4𝑦 − 8𝑧 = 5 0+3+3=3 0+1−1=1
5𝑥 + 3𝑦 + 4𝑧 = −6 0 + 13 − 1 = −1 0 + 0 + 12 = −11

1+0−1=3 1+0−1=3 1+0−1=3

0+1−1=1 0+1−1=1 0+1−1=1
0 + 0 + 12 = −24 0 + 0 + 12 = −24 0 + 0 + 12 = −24

1+0−1=3 1+0+0=1
0+1−1=1 0 + 1 + 0 = −1
0 + 0 + 1 = −2 0 + 0 + 1 = −2

Método de Newton Raphson

El objetivo de este método para estimar la solución de una ecuación en formación f(x)=0, es reproducir
una sucesión de aproximaciones que se acerquen a la solución (iteraciones). Se escoge el primer
numero 𝑥0 de la secuencia y luego en circunstancias favorables el método hace el resto moviéndose
paso a paso hacia la raíz.

Es decir, si tenemos una función a la cual es complicado encontrar el valor de la raíz, este método
ayudará a que se pueda encontrar.

Este método de resolución numérica busca un cero de la función f(x) por aproximaciones sucesivas a
partir de un valor inicial x0. Por medio de la formula iterativa:

𝑓𝑥𝑛
𝑥𝑛+1 = 𝑥𝑛 −
𝑓′𝑥𝑛

Este método es uno de los más utilizados para localizar raíces ya que en general es muy eficiente y
siempre converge para una función polinomial.

Se requiere que las funciones sean diferenciables, y, por tanto, continuas, para poder aplicar este
método.
Hay que determinar un número máximo de iteraciones

Normalmente esto se hace considerando una “tolerancia”, esto es:

El valor absoluto de la diferencia de la xi+1-xi debe ser menor que la tolerancia o el resultado de
alguna fórmula de error debe ser menor que la tolerancia dada.

Una de las fórmulas de error más útiles es la del error relativo porcentual aproximado, utilizada
también en el método de jacobi:

𝑋𝑛𝑢𝑒𝑣𝑜−𝑋𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑠
𝑒𝑟 = | |(100)
𝑋𝑛𝑢𝑒𝑣𝑎

El método de Newton-Raphson es convergente cuadráticamente, es decir, el error es

aproximadamente al cuadrado del error anterior.

Esto significa que el número de cifras decimales correctas se duplica aproximadamente en cada
interacción.

Sin embargo, el método de Newton-Raphson algunas veces no converge, sino que oscila. Esto
ocurre si no hay raíz real, si la raíz es un punto de inflexión o si el valor inicial está muy alejado de la
raíz buscada y alguna otra parte de la función “atrapa” la iteración.

Ejemplo:

𝑓(𝑥) = 𝑥10 − 1, 𝑓´(𝑥) = 10𝑥 9 , 𝑥𝑛 = ±1.5,

(𝑥10 − 1)
𝑥2 = 𝑥𝑛 −
10𝑥 9

(1.510 − 1)
𝑥2 = 1.5 −
10(1.5)9

𝑥2 = 1.3526

(1.352610 − 1)
𝑥3 = 1.3526 −
10(1.3526)9

𝑥3 = 1.2217

(1.221710 − 1)
𝑥4 = 1.2217 −
10(1.2217)9

𝑥4 = 1.1160
 (1.116010 − 1)
𝑥5 = 1.1160 −
10(1.1160)9

𝑥5 = 1.0426

(1.042610 − 1)
𝑥6 = 1.0426 −
10(1.0426)9

𝑥6 = 1.0070

(1.007010 − 1)
𝑥6 = 1.0070 −
10(1.0070)9

𝑥7 = 1.0002

Se repiten los pasos para el valor negativo y en este caso es igual pero inverso.

𝑥7 = ±1.0002

Método de bisección:

La función del método de bisección es encontrar la raíz de una ecuación y consiste en elegir un
intervalo e ir dividiendo ese intervalo en mitades hasta dar con la raíz.

Lo primero que hay que hacer, es dar valores arbitrarios a x, esperando que los resultados sean de
sentidos contrarios.

 Elegir valores iniciales 𝑥𝑎 (valor inferior) y 𝑥𝑏 (valor superior).

 Una aproximación de la raíz se determina mediante:

𝑥𝑎 + 𝑥𝑏
𝑥𝑟 =
2

 Realizar evaluaciones para determinar en qué subintervalo se encuentra la raíz:

o Si 𝑓(𝑥𝑎 ) ∗ 𝑓(𝑥𝑟 ) < 0, cambiar 𝑥𝑏 = 𝑥𝑟 .

o Si 𝑓(𝑥𝑎 ) ∗ 𝑓(𝑥𝑟 ) > 0, cambiar 𝑥𝑎 = 𝑥𝑟 .
o Si 𝑓(𝑥𝑖 ) ∗ 𝑓(𝑥𝑟 ) = 0, entonces 𝑥𝑟 = 𝑟𝑎í𝑧 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎.

 Suponiendo que se tiene una función en la que en un punto entre A y B existe una solución a
la ecuación. (Para funciones continuas).
Ejemplo:

𝑓(𝑥) = 𝑥 3 − 4𝑥 2 − 10; 𝑎 = 1, 𝑏 = 2

1+2
𝑥𝑟 = = 1.5
2

1.5 + 2
𝑥𝑟 = = 1.75
2

1.75 + 2
𝑥𝑟 = = 1.875
2

1.875 + 2
𝑥𝑟 = = 1.93
2
1.93 + 2
𝑥𝑟 = = 1.965
2

1.965 + 2
𝑥𝑟 = = 1.98
2

𝒙𝒂 𝒙𝒃 𝒇(𝒙𝒂 ) 𝒇(𝒙𝒃 ) 𝒙𝒓 𝒇(𝒙𝒓 )

1 2 -13 -18 1.5 -15.6
1.5 2 -15.6 -18 1.75 -16.8
1.75 2 -16.8 -18 1.875 -17.4
1.875 2 -17.4 -18 1.93 -17.7
1.93 2 -17.7 -18 1.965 -17.8
1.965 2 -17.8 -18 1.982 -17.9
1.982 2 -18 1.99
Método de Jacobi:

Consiste en utilizar formulas como iteración de punto fijo, es un análisis iterativo utilizado para resolver
sistemas de ecuaciones lineales del tipo Ax=B.

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 𝑏1

[𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 𝑏2]
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 𝑏3

El método comienza resolviendo la ecuación anterior para 𝑥1 , 𝑥2 𝑦 𝑥3 e ingresando un índice k que se utilizará
para indicar el número de iteraciones:

𝑏1 − 𝑎12 ∗ 𝑥2 (𝑘) − 𝑎13 ∗ 𝑥3 (𝑘)

𝑥1 (𝑘+1) =
𝑎11

(𝑘+1)
𝑏2 − 𝑎21 ∗ 𝑥1 (𝑘) − 𝑎23 ∗ 𝑥3 (𝑘)
𝑥2 =
𝑎22

𝑏3 − 𝑎31 ∗ 𝑥1 (𝑘) − 𝑎32 ∗ 𝑥2 (𝑘)

𝑥3 (𝑘+1) =
𝑎33

Las condiciones son:

1. Se requiere de un vector inicial 𝑥𝑖 = 𝑥1 (𝑘) , 𝑥2 (𝑘) , 𝑥3 (𝑘) . Este representa la primera aproximación de
la solución del sistema.
2. De no conocerse este vector se asumirá como: 𝑥0 = 𝑥1 (0) , 𝑥2 (0) , 𝑥3 (0) .
3. Con esos valores y las fórmulas de las ecuaciones anteriores, se van calculando los nuevos valores
de 𝑥𝑖 .
4. El proceso se continua hasta que:

𝑋𝑛𝑢𝑒𝑣𝑜−𝑋𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑠
𝑒𝑟 = | |(100)
𝑋𝑛𝑢𝑒𝑣𝑎

Convergencia:

En el método de Jacobi existe una condición que garantiza la convergencia, es decir, producirá una
sucesión de aproximaciones cada vez más próximas a la solución, la cual es: “si la matriz de
coeficientes original del sistema de ecuaciones es diagonalmente dominante, el método de Jacobi
seguro converge.”

Matriz diagonal dominante:

Se dice que una matriz es una matriz diagonal dominante, si en cada uno de los renglones el valor
absoluto del elemento que forma parte de la diagonal principal es mayor a la suma de los valores
restantes en el renglón.

4 1 1
(2 8 −3)
3 2 −9
Ejemplo:

2𝑋1 − 1𝑋2 = 124

−1𝑋1 + 2𝑋2 − 1𝑋3 = 4
−1𝑋2 + 2𝑋3 = 14
Finalmente se aprecia que los resultados aproximados que cumplen con la condición establecida son:

𝑥1 = 96,00000
𝑥2 = 70,50000
𝑥3 = 42,25000
Método de secante:

Se utiliza para resolver una función, se necesitan dos condiciones iniciales. Evita el uso de derivadas.

Se tienen dos puntos, se traza una recta secante, en donde corta el eje x se obtiene la primera
aproximación y se actualizan los valores de 𝑥0 𝑦 𝑥1 .

Para actualizar los valores de 𝑥0 tomará el valor anterior de 𝑥1 , y 𝑥1 tomará el valor obtenido de 𝑥1 .

(𝑥𝑖−1 − 𝑥𝑖−2 )
𝑥𝑖 = 𝑥𝑖 − 1 ∗ 𝑓(𝑥𝑖−1 )
𝑓(𝑥𝑖−1 ) − 𝑓(𝑥𝑖−2 )

𝑥1 − 𝑥0
𝑥2 = 𝑥1 − ∗ 𝑓(𝑥1 )
𝑓(𝑥1 ) − 𝑓(𝑥0 )

Ejemplo:

Raíz aproximada de: 𝑓(𝑥) = 𝑥 3 + 2𝑥 2 + 10𝑥 − 20; 𝑥0 = 0, 𝑥1 = 1

𝑥1 − 𝑥0
𝑥2 = 𝑥1 − ∗ 𝑓(𝑥1 )
𝑓(𝑥1 ) − 𝑓(𝑥0 )

1−0
𝑥2 = 1 − ∗ −7
−7 − −20

𝑥2 = 1.5383, 𝑓(𝑥2 ) = 3.7597

Repetimos las iteraciones hasta una precisión de dos lugares decimales.

1.5383 − 1
𝑥3 = 1.5383 − ∗ 3.7597
3.7597 + 7

𝑥3 = 1.3503, 𝑓(𝑥3 ) = −0.3883

1.3503 − 1.5383
𝑥4 = 1.3503 − ∗ −0.3883
−0.3883 − 3.7597

𝑥4 = 1.3679, 𝑓(𝑥4 ) = −0.0191

1.3679 − 1.3503
𝑥5 = 1.3679 − ∗ −0.0191
−0.0191 − (−0.3883)

𝑥5 = 1.3688
Interpolación lineal

Consisten unir dos puntos con una línea recta, cuando menor sea el intervalo ente dos datos, mejor
será la aproximación, esto se debe a que, en cuanto un intervalo entre dos datos, mejor será la
aproximación esto se debe a que, en cuanto un intervalo disminuye, una función estará mejor
representada por la recta.

Pasos a seguir para generar la función:

1. Identificar la variable dependiente.

2. Identificar la variable independiente.
3. Identificar el punto cero y punto uno.
4. Sustituir en la fórmula de interpolación.
5. Generar la formula.
6. Interpolar el valor deseado.

Formula de interpolación

𝑓(𝑥1 )−𝑓(𝑥0 )
 𝐹1(𝑥) = 𝑓(𝑥0 ) + 𝑚(𝑥 − 𝑥0 )  𝑚= 𝑥1 −𝑥0

𝑓(𝑥1 )−𝑓(𝑥0 )
 𝐹1(𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )
𝑥1 −𝑥0

P T

175 354.67

190 ¿?

200 365.75
Para hacer un análisis se requiere predecir la cantidad de masa para t = 1.5 segundos.

T M

0 0 A1

1 2 2 A2

2 10 8 3 A3

3 30 10 6 1

4 68 38 9 1

𝑃𝑛 = 2(𝑥) + 3(𝑥)(𝑥 − 1) + 1(𝑥)(𝑥 − 1)(𝑥 − 2)

𝑃𝑛 = 𝑥 3 + 𝑥

=4.875

365.75 − 359.67
𝐹1(𝑥) = 3154.67 + (190 − 175) = 361.3
200 − 175

Método de diferencias divididas:

x f(x)

X0 -2 -18

X1 -1 -5 13

X2 0 -2 3 -5

X3 2 -2 0 -1 1

X4 3 7 9 3 1

X5 6 142 45 9 1

A0=-18
A1=13
A2=-5
A3=1
Pn=-18+13(x+2)-5(x+2)(x+1)+(x+2)(x+1)(x)
Pn=x3-2x2-2
Polinomio de interpolación de Lagrange:
𝑃𝑖(𝑥) = 𝑎0(𝑥 − 𝑥1) + 𝑎(𝑥 − 𝑥0)
𝑓(𝑥0) 𝑓(𝑥1)
𝑎0 = 𝑎1 =
𝑥0 − 𝑥1 𝑥1 − 𝑥0

X f(x)
Encontrar x=2
1 56.5
56.5 113
𝑎0 = = −14.125 𝑎1 = = 28.25
5 113 1−5 4
20 181 𝑃𝑖 = −14.125(2 − 5) + 28.25(2 − 1) = 70.625
40 241.5

Polinomio de Lagrange
𝑃(𝑥) = 𝑓(𝑥0)(𝑎0) + 𝑓(𝑥1)(𝑎1) + 𝑓(𝑋𝑛)(𝑎𝑛)
(𝑥−𝑥1)(𝑥−𝑥2)(𝑥−𝑥3)
𝑎0 =
(𝑥0−𝑥1)(𝑥0−𝑥2)(𝑥0−𝑥3)
(𝑥−𝑥0)(𝑥−𝑥2)(𝑥−𝑥3)
𝑎1 =
(𝑥1−𝑥0)(𝑥1−𝑥2)(𝑥1−𝑥3)
(𝑥−𝑥0)(𝑥−𝑥1)(𝑥−𝑥3)
𝑎2 =
(𝑥2−𝑥0)(𝑥2−𝑥1)(𝑥2−𝑥3)

x f(x)
X0 1 -2
X1 3 1
X2 5 2
X3 7 -3
−𝑥3 − 15𝑥2 + 71𝑥 − 105
𝐴0 =
48
𝑥3 − 13𝑥2 + 46𝑥 − 35
𝐴1 =
16
𝑥3 − 11𝑥2 + 31𝑥 − 21
𝐴2 =
16
−𝑥3 + 9𝑥2 − 23𝑥 + 15
𝐴3 =
48
𝑥3−15𝑥2+71𝑥−105 𝑥3−13𝑥2+46𝑥−35 −𝑥3+11𝑥2−31𝑥+21 −𝑥3+9𝑥2−23𝑥+15
P(x)= + + +
24 16 8 16
𝑥3 𝑥2 7𝑥
P(x)= − + + −3
12 2 12
Matlab

MATLAB(abreviatura de MATrix LABoratory, “Laboratorio de matrices”) es una herramienta de

software matemático que ofrece un entorno de desarrollo integrado (IDE) con un lenguaje de
programación propio (Lenguaje M).

Lenguaje

Las aplicaciones de MATLAB se desarrollan en un lenguaje de programación propio. Este lenguaje es

interpretado, y puede ejecutarse tanto en el entorno interactivo como a través de un archivo de
script(archivos .m). Este lenguaje permite operaciones de vectores, matrices y funciones, ente otras.

Comandos

 Clc: Limpia todo el texto en la ventana de comandos (command window).

 Clear all: Remueve las variables del actual espacio de trabajo (workspace).

Variables simbólicas

En un principio Matlab se diseñó orientada al cálculo numérico. Así, si intentamos calcular el seno de
una variable no numérica.

>>y = sin(x)

???Undefined function or variable ‘X’.

Matlab no conoce el valor numérico de x. Recientemente se añadió un paquete adicional que permite
a Matlab trabajar con variable simbólicas, teniendo que decalrarlas antes de usarlas:

>>sysms x

Rangos

Algunas veces es necesario introducir un vector con componentes a intervalos regulares. Esto se
realiza fácilmente con Matlab con la estructura inicio.incremento:fin. Si no se proporciona un
incremento, Matlab asume que es 1.

X=0:10 -Sin proporcionar incrementos.

X=0:2:10 -Con incrementos de dos en dos.

X=10-2:1 -Con incrementos hacia atrás.

Hay veces, sobre todo cuando hay que utilizar funciones, que se precisan un gran número de
componentes en un vector.

X= 0;1:10
Vectores

Para introducir un vector, se escribe una apertura de corchete, los elementos del vector separados por
espacios y un cierre de corchete. Se pueden usar también comas para delimitar las componentes del
vector.

V= [1 2 3]

V= [1,2,3]

También es fácil escribir vectores columna en Matlab. Introdúzcase el siguiente comando en el

indicador.

W= [1;2;3]

Si se desea multiplicar un escalar, o una función por un elemento de un vector, se denota el

escalar/función, el signo para multiplicar (*), el nombre de la variable y, entre paréntesis, la posición
donde se ubica el elemento por el que se desea multiplicar.

Expand

Este comando sirve para mostrar en forma expandida de polinomio una operación algebráica…
primero hay que declarar las variables simbólicas que vamos a utilizar y luego colocar el comando
expand() en cuyo interior se coloca la variable o expresión a expandir.

X= (x-2)*(x-3)

Expand(X)

Pretty

La función pretty, imprime en un formato agradable las expresiones.

X=(x-2) * (x-3)

Expand(x)

Pretty (expand(x))

Polyval

Realiza la evaluación siguiendo cierto algoritmo de multiplicación anidada.

Si x es un vector o una matriz, Matlab devuelve la matriz ccon el polinomio evaluado en cada elemento.

T=[3-6-8 1]

B=[-3 1:4]

Y= polyval(T, B)
Visualización de datos

Se puede suprimir la salida de un comando de Matlab añadiendo un punto y coma.

X=0:1:10;

Plot

La función plot adopta diferentes formas, según los argumentos de entrada.

Si se especifican dos vectores como argumentos: plot(x,y); produce un gráfico de y contra x.

Plot (B, Y)

Workspace

Es posible obtener una lista de las variables en el espacio de trabajo en cualquier momento mediante
el comando:

who – (Todas en minúsculas).

Se puede obtener incluso más información acerca de las variables con:

whos

Polinomio

Un polinomio se representa mediante un vector fila que contiene los coeficientes de las potencias en
orden decreciente: empezando por el coeficiente principal, y terminando por el termino independiente.

Por ejemplo, el polinomio p(x)=3x²-2x-a se representa como:

P=[3-2-1]
Ejercicios realizados en MATLAB

Interpolación lineal:
Diferencias divididas con polinomio de Newton:
Interpolación de Lagrange
Polinomio de Lagrange
Ejercicios del problemario:

a)
b)
c)
d)
e)
f) Encontrar el valor de f(x) si x = 3.5
g) Encontrar el valor de f(x) si x = 2.5
h) Encontrar el valor de f(x) si x = 1.75
i) Encontrar el valor de f(x) si x = 4
j) Encontrar el valor de f(x) si x = 5
Mínimos Cuadrados

Este método permite adaptar una línea recta óptima a una muestra de datos u observaciones tomadas
y denotadas para las variables xy, es decir, se deben encontrar los valores de los parámetros que
minimizan la suma de los errores al cuadrado. Es decir, se calcula la recta que mejor se aproxima a
los datos dados.

𝑦 = 𝑚𝑥 + 𝑏

Dónde se calcula la pendiente de dicha recta y la intersección con el eje y.

X Y

8 3

2 10 (∑ 𝑥)(∑ 𝑦)
∑ 𝑥𝑦 −
𝑚= 𝑛
11 3
2 ∑ 𝑥2
∑𝑥 −
𝑛
6 6

5 8

4 12
(64)(70
12 1 317 −
𝑚= 10 = −1.1
(64)2
9 4 528 − 10

6 9

1 14
Ejemplo:

X Y xy X²

8 2 14 49

2 9 9 1
(55)(57
233 −
𝑚= 9 = 0.8423
11 2 20 100
(55)2
528 − 9
6 5 25 25

5 7 28 16
57
𝑏 = 𝑦 − 𝑚𝑥 = + 0.8423 = 11.48
4 11 33 9 9

12 2 26 169
𝑦 = 0.8423𝑥 + 11.48
k9 5 50 100
𝑥 = 13.8283
6 4 23 4

55 57 233 473
Mínimos cuadrados
En este primer caso, los datos están conformados por casi una línea:
Este método consiste en realizar una unión de los puntos con una línea recta y de esa forma sacar
una aproximación.
Las fórmulas se presentan a continuación:

𝑏 = 𝑦̅ − m𝑥̅
Σ𝑥Σ𝑦
Σ𝑥𝑦 −
𝑚= 𝑛
(Σ𝑥)2
Σ𝑥 2 −
𝑛
En el segundo caso, los datos forman una curvatura:
Consiste en unir puntos con una línea curva y sacar una aproximación.
Fórmulas:

𝛴𝑦 = 𝑎0 𝑛 + 𝑎1 𝛴𝑥 + 𝑎2 𝛴𝑥 2
𝛴𝑥𝑦 = 𝑎0 𝛴𝑥 + 𝑎1 𝛴𝑥 2 + 𝑎2 𝛴𝑥 3
𝛴𝑥 2 𝑦 = 𝑎0 𝛴𝑥 2 + 𝑎1 𝛴𝑥 3 + 𝑎2 𝛴𝑥 4

Al final se representa como: y=𝑎0 +𝑎1 𝑥 + 𝑎2 𝑥 2

Ejemplo del primer caso:

x y xy X2
7 2 14 49 m=-0.84253
1 9 9 1
10 2 20 100 b=11.4811
5 5 25 25 y=-0.84253x+11.4811
4 7 28 16
3 11 33 9
13 2 26 169
10 5 50 100
2 14 28 4

55 57 233 473
Ejemplo de el segundo caso:

x y xy x2 x3 x4 x2 y
15 65.4
30 92.8
45 105
60 108.6
75 100
90 84.8
105 57

420 613.6 36123 31500 2646000 236722500 2579625

Después estos datos son sustituidos en la formula y proceden a ser resueltos.

𝑎0 = 31.7714 𝑎1 = 2.66714 𝑎2 = −0.023143

𝑦 = −0.023143𝑥2 + 2.66714𝑥 + 31.7714
Ecuaciones diferenciales (ED)

Clasificación de ecuaciones

Sirven para cosas que cambian con el tiempo.

Hay en total 3 pasos para poder clasificar una ecuación y son los que se muestran a continuación:

1) El prime paso es determinar el tipo de la ecuación:

 En este apartado existen dos tipos:
o La primera son las ordinarias (Es decir que solo tienen una variable
independiente).
o Después están la parciales las cuales son las que tienen 2 o más variables
independientes.
2) El segundo paso es determinar el “Orden”:
 El orden es la máxima derivada que haya, cuando hay de orden 2 o más, son de orden
superior.
3) El tercer paso es determinar el “Grado”: Es decir “Lineales o no lineales”. Esto da a entender
si la ecuación se trata de una línea o una curva.

Ejemplo:

𝑑𝑦
− 3𝑦 = 2𝑥 4
Es de primer orden, ordinaria y lineal. 𝑑𝑥

También pueden determinar si estas ecuaciones tienden a ser implícitas o explicitas, en este caso si
la “Y” se encuentra despejada esta es explícita.

En cálculo muchas de las ecuaciones diferenciales pueden resolverse realizando álgebra(Separación

de variables), sin embargo, hay otras un poco más complicadas las cuales son denominadas “Exactas”
y se muestra a continuación su explicación de resolución.
Ecuaciones diferenciales exactas

Para la resolución de las ED exactas se encuentran diversos métodos, el que se muestra a

continuación requiere que dispongas de un término multiplicado a “dx” (En este caso: “M”), más otro
multiplicado por “dy” (En este caso: “N”) e esta se encuentra igualada a 0.

Para la resolución de esta se puede ir por cualquiera de los caminos tanto de “M” como “N”, En este
caso se realizará por “M”, pero en caso contrario realizas el mismo paso solo cambiando la “X” por “Y”

Primero compruebas si está completa derivando parcialmente “M” con respecto a “y” y “N” con respecto
a “X”, estas deberían de ser similares. En caso contrario, se hace uso de las siguientes fórmulas.

𝑀𝑦−𝑁𝑥
 Caso 1: Si solo tiene términos de x, entonces esto es P(x).
𝑁

o Luego se multiplica 𝑒 ∫ 𝑃(𝑋)𝑑𝑥 a la ecuación diferencial original.

𝑁𝑥−𝑀𝑦
 Caso 2: Si solo tiene términos de y, entonces esto es P(y).
𝑀

o Luego multiplicas 𝑒 ∫ 𝑃(𝑦)𝑑𝑦 a la ecuación diferencial original.

Una vez está completa. Se Integra M y le sumas g(y) [Ecuación 2], después realizas derivación con
respecto a “Y” y lo igualas a N.

Después se realiza un despeje de g’(y) y se integra para obtener g(y).

Al final se sustituye la g(y) dada dentro la ecuación 2 y esta queda igualada a “C”.

Ejemplo:

(2𝑥𝑦)𝑑𝑥 + (𝑥 2 − 1)𝑑𝑦 = 0

𝜕𝑀 𝜕𝑁
= 2𝑥 = 2𝑥
𝜕𝑦 𝜕𝑥

∫ 2𝑥𝑦𝑑𝑥 = 𝑦𝑥 2 + 𝑔(𝑦)

𝑥 2 + 𝑔′ (𝑦) = 𝑥 2 − 1

𝑦𝑥 2 − 𝑦 = 𝐶