Polino - Metodos Numericos

UNMSM
MTODOS NUMRICOS
FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA
Alumno: Rojas Polino Jos.
PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ
Pg. 1
UNMSM
MTODOS NUMRICOS
Contenido
INTRODUCCIN ..................................................................................................................... 4
1.
INTRODUCCIN A LA TEORA DE VALOR .............................................................. 5
2.
TEOREMA DE BOLZANO (TB) ................................................................................... 10
3.
MTODO DE BISECCIN ............................................................................................ 11
4.
Mtodo de Regula Falsi o Mtodo de Falsa Posicin ...................................................... 16
5.
MTODO DE LA SECANTE ......................................................................................... 20
6. MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES

SUCESIVAS ............................................................................................................................ 23
7.
MTODO DE NEWTON RAPHSON .............................................................................. 27
8.
SISTEMAS DE ECUACIONES NO LINEALES EN DOS VARIABLES ............................... 30

8.1.
Algoritmo del Punto Fijo en dos variables : ........................................................... 30
8.2.
Algoritmo de Newton Rapson ( N.R ) en dos variables :.................................... 35
9.
METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES ............................. 40

9.1.
METODO DE CROUT - DOOLITLE ........................................................................... 40
9.2.
METODO DE CHOLESKY .......................................................................................... 43
10.
MTODO TRIDIAGONAL PARA SISTEMAS DE ECUACIONES LINEALES. ............... 47
11.
MTODO PENTADIAGONAL PARA SISTEMAS DE ECUACIONES LINEALES. ......... 55
12.
SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES LINEALES ........................ 65
12.1.
METODO DE JACOBI ............................................................................................. 65
12.2.
METODO DE GAUSS- SEIDEL ............................................................................... 74
13.
INTERPOLACIN ......................................................................................................... 88
13.1.
INTERPOLACIN DIRECTA LINEAL .................................................................. 88
13.2.
INTERPOLACION DIRECTA CENTRAL ................................................................ 93
13.2.1.
Interpolacin de Stirling ............................................................................... 93
13.2.2.
Interpolacin de Bessel ................................................................................ 94
Pg. 2
UNMSM
13.2.3.
13.3.
14.
MTODOS NUMRICOS
Interpolacin de Everett............................................................................... 94
INTERPOLACIN INVERSA.................................................................................. 97
13.3.1.
Interpolacin Inversa No Lineal ( IINL ) ...................................................... 97
13.3.2.
Interpolacin Inversa No Lineal de tercer orden ............................................ 99
INTEGRACIN NUMERICA ........................................................................................ 110
14.1.
Para intervalos Simples ..................................................................................... 110
14.1.1.
Mtodo del trapecio .................................................................................... 110
14.1.2.
Mtodo de Simpson de 1/3 ........................................................................ 110
14.1.3.
Mtodo de Simpson de 3/8 ........................................................................ 111
14.2.
Integracin Numrica para intervalos compuestos ........................................ 114
14.2.1.
Mtodo del trapecio compuesto ................................................................ 114
14.2.2.
Mtodo de Simpson de 1/3 compuesta. .................................................... 114
14.2.3.
Mtodo de Simpson de 3/8 compuesta. .................................................... 117
15.
EXTRAPOLACION DE RICHARDSON- (E.R) ............................................................. 119
16.
INTEGRACION DE ROMBERG ................................................................................... 131
17. SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES ORDINARIAS CON

VALOR INICIAL...................................................................................................................... 137
18.
DIFERENCIA NUMERICA ........................................................................................... 149
18.1.
Para Newton Progresivo ( NP ) ............................................................................ 150
18.2.
Para Newton Regresivo ( NR ) ............................................................................ 151
19.
PREDICTOR CORRECTOR....................................................................................... 156
20.
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR .......................................... 158
CONCLUSIONES .................................................................................................................... 161
Pg. 3
UNMSM
MTODOS NUMRICOS
INTRODUCCIN
En la prctica de la ingeniera y ciencias es frecuente tener la necesidad de resolver un
sistema de ecuaciones lineales. Estos sistemas aparecen en muy diversos problemas, ya sea
como la solucin completa de un problema al menos como parte de ella. Dada esta
necesidad frecuente, se requiere resolverlos en forma eficiente.
Para una mejor organizacin y bsqueda rpida de cada tema se ha implementados con un
ndice al principio del trabajo para su fcil ubicacin de los temas ya que el texto completo
se encuentra enumerada de principio a fin, adems en el final se ha considerado incluir
problemas resueltos de los diferentes temas estudiados.
Como los algoritmos de los mtodos ya estn disponibles en la mayora de los libros de texto
sobre la materia, se explicara en la medida de lo posible, detalles de implementacin
(personales) de los mtodos directos (que son mas difciles de programar). El lenguaje de
programacin idneo para tal fin ser matlab 6.0
Damos desde ya los agradecimientos a todas aquellas personas que dieron su apoyo para
completar el trabajo tanto en ideas, criticas para su mejoramiento sin importar la magnitud
de la ayuda han sido de gran ayuda y esperando aun recibir su aportes para la continua
superacin en los prximos trabajos que se han de mostrar.
Pg. 4
UNMSM
MTODOS NUMRICOS
1. INTRODUCCIN A LA TEORA DE VALOR

1.1.
Definicin de cifras significativas
Son valores o nmeros diferentes de cero.

El cero no ser considerado cifra significativa si est en el extremo.
Ejemplo
El cero no ser considerado cifra significativa si est en el extremo.

Pero el si el cero est entre los nmeros diferentes de cero, entonces es cifra significativa.
1.2.
Descomposicin polinmica de un nmero.
Todo valor o nmero se le puede expresar como una descomposicin de potencia de 10.
Ejemplo 1.2.1.
Ejemplo 1.2.2.
Pg. 5
UNMSM
MTODOS NUMRICOS
Ejemplo 1.2.3.
1.3.
Orden de la descomposicin polinmica

{
Ejemplo 1.3.1.
{
entonces
Ejemplo 1.3.2.
{
entonces
Ejemplo 1.3.3.
{
1.4.
entonces
Error absoluto
Es la diferencia entre un valor de exacto y una de sus aproximaciones. Puede ser positivo o
negativo, segn si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
DEFINICION DE CIFRAS SIGNIFICATIVAS EXACTAS:
Se define por la siguiente relacin:
Donde:
es el orden de la descomposicin polinmica.
nmero de cifras significativas exactas.
DEFINICION DE CIFRAS DECIMALES EXACTAS:
Se define por la siguiente relacin:
Donde:
numero de cifras decimales exactas.
Pg. 6
UNMSM
MTODOS NUMRICOS
Ejemplo 1.4.1.
Sea
Para
Error Absoluto (
|
)
|
Entonces
Cifra significativa exacta
Entonces
tiene dos cifras significativas exactas.
Cifras decimales exactas
Entonces
tiene 2 cifras decimales exactas
Pg. 7
UNMSM
MTODOS NUMRICOS
Para
Error Absoluto (
|
)
|
Entonces
Entonces
tiene dos cifras significativas exactas.
Entonces
tiene 2 cifras decimales exactas
Para
Error Absoluto (
)
|
Pg. 8
UNMSM
MTODOS NUMRICOS
Entonces
Entonces
tiene cuatro cifras significativas exactas.
Entonces
tiene cuatro cifras decimales exactas.
Pg. 9
UNMSM
MTODOS NUMRICOS
2. TEOREMA DE BOLZANO (TB)

Sea la ecuacin no lineal ( )
Donde ( ) es funcin no trascendente (trigonomtrica, exponencial, logartmica o polinomial),
definida y continua en
Si
( ) ( )
entonces existe la raz o solucin
tal que
( )
Ejemplo 2.1.
( )
Por Teorema de Bolzano localizamos el intervalo donde exista la raz.
Es evidente que ( ) sigue siendo continua en
Como
( ) ( )
entonces
tal que
( )
Observacin:
Es evidente que si
( ) ( )
entonces
es la raz de la ecuacin.
El teorema de Bolzano nos garantiza mostrar que existir por lo menos una raz si es que cumple los
requisitos.
El intervalo apropiado a usar se recomienda que sea distanciado a 1 o menor, como lo fue en este
del ejemplo 2.1.
caso del intervalo
Pg. 10
UNMSM
MTODOS NUMRICOS
3. MTODO DE BISECCIN
Dado la ecuacin no lineal ( )
tal que existe la raz
por T.B.
El mtodo de biseccin consiste en hallar el promedio simple de cada intervalo
La idea es encontrar el valor que se aproxime o sea igual a la raz
de la ecuacin ( )
Algoritmo de biseccin:
( )
P-1.-
Dado la ecuacin
P-2.-
Generar la sucesin {
P-3.
Hallar
Si
) (
) (

}
por T.B.
mediante la siguiente relacin
entonces hacer
Es decir, que
tome el valor de
Y que
tome el valor de
Si
) (
entonces hacer
Es decir, que
tome el valor de
Y que
tome el valor de
Si
P-4. -
) (
entonces hacer
Es decir, que
sea la raz de ( )
Dejar de iterarse
|
para el caso de cifras

Significativas exactas (
|
Decimales exactas
Caso contrario ir al P-2.
Pg. 11
UNMSM
MTODOS NUMRICOS
Ejemplo 3.1.
( )
a) Por Teorema de Bolzano localizar el intervalo donde exista la raz.
b) Por Biseccin hallaremos la solucin con dos cifras significativas exactas (

Se dejar de iterar si
Entonces
Si es verdadera entonces
).
es solucin con dos cifras significativas exactas.
Iteracin inicial
Entonces
(
) ( )
( ) (
( )( )
Entonces {
Entonces
Primera iteracin
Entonces
|
Pg. 12
UNMSM
MTODOS NUMRICOS
Se sigue iterando
(
) (
) (
( )( )
Entonces {
Entonces
Segunda iteracin
Entonces
|
Se sigue iterando
(
) (
) (
( )( )
Entonces {
Entonces
Tercera iteracin
Entonces
|
Se sigue iterando
(
) (
) (
( )( )
Entonces {
Entonces
Cuarta iteracin
Entonces
|
Se sigue iterando
(
) (
) (
( )( )
Entonces {
Pg. 13
UNMSM
MTODOS NUMRICOS
Entonces
Quinta iteracin
Entonces
|
Se sigue iterando
(
) (
) (
( )( )
Entonces {
Entonces
Sexta iteracin
Entonces
|
Se sigue iterando
(
) (
) (
( )( )
Entonces {
Entonces
Sexta iteracin
Entonces
|
Entonces
es raz con dos cifras significativas
Pg. 14
UNMSM
MTODOS NUMRICOS
Relacin vlida slo para Biseccin

Dado la ecuacin
( )
por T.B.
Conociendo:
El intervalo inicial
de la Biseccin.
el orden de la descomposicin polinmica de

numero de cifras significativas exacta de .
Entonces esta frmula:
Donde
numero entero menor, indicando la cantidad de iteraciones
Ejemplo 3.2.
Tomando el ejemplo 3.1., comprobando el nmero de iteraciones que se requiere dado su nmero de cifras
significativas exactas(
), es el siguiente:
( )
( )
Entonces
Pg. 15
UNMSM
MTODOS NUMRICOS
4. Mtodo de Regula Falsi o Mtodo de Falsa Posicin

Es un mtodo similar al mtodo de biseccin en la que en vez de hallar el promedio simple de dos
intervalos
El mtodo de R.F. determina el promedio ponderado de los intervalos
Algoritmo del mtodo de R.F.

P-1.P-2.-
( )
Dado la ecuacin
Generar la {

mediante la relacin
(
(
P-3.
Hallar
Si
) (
) (
por T.B.
)
)
( )
( )
entonces hacer
Es decir, que
tome el valor de
Y que
tome el valor de
Si
) (
entonces hacer
Es decir, que
tome el valor de
Y que
tome el valor de
Si
P-4. -
) (
entonces hacer
Es decir, que
sea la raz de ( )
Dejar de iterarse
|

|
Decimales exactas

Pg. 16
UNMSM
MTODOS NUMRICOS
Ejemplo 4.1.
( )
b) Por RF hallaremos la solucin con dos cifras significativas exactas (

|
|
Entonces
).
Iteracin inicial
(
)
( )
) ( )
( )
( )
( )
( )
( ) (
( )
( )
Entonces
( )( )
Entonces {
Entonces
Primera iteracin
(
)
(
(
(
)
)
( )
(
( )
)
)
Entonces
Pg. 17
UNMSM
MTODOS NUMRICOS
Se sigue iterando
( ) ( )
) (
( )( )
Entonces {
Entonces
Primera iteracin
(
)
(
(
(
)
)
( )
(
( )
Entonces
Se sigue iterando
(
) ( )
) (
( )( )
Entonces {
Entonces
Tercera iteracin
(
)
(
(
(
)
)
( )
(
( )
)
)
Entonces
Se sigue iterando
(
) ( )
) (
( )( )
Entonces {
Entonces
Cuarta iteracin
(
)
(
(
(
)
)
( )
(
( )
)
)
Entonces
Pg. 18
UNMSM
MTODOS NUMRICOS
Se sigue iterando
(
) ( )
) (
( )( )
Entonces {
Entonces
Quinta iteracin
(
)
(
(
(
Entonces
)
)
( )
(
( )
)
)
Entonces
Pg. 19
UNMSM
MTODOS NUMRICOS
5. MTODO DE LA SECANTE
Algoritmo del mtodo de la secante.
P-1.P-2.-
( )
Dado la ecuacin
Generar la {

mediante la relacin
(
(
P-3. -
por T.B.
)
)
(
)
Dejar de iterarse
|

Significativas exactas
|
Decimales exactas
Ejemplo 5.1.
( )
b) Por la secante hallaremos la solucin con dos cifras significativas exactas (

|
|
Entonces
).
Pg. 20
UNMSM
MTODOS NUMRICOS
Sea
Entonces
Segunda iteracin
(
)
(
(
(
)
)
( )
( )
( )
( )
Entonces
Tercera iteracin
(
)
(
(
(
)
)
)
(
( )
)
( )
Entonces
Cuarta iteracin
(
)
(
(
(
)
)
)
(
(
)
)
(
Entonces
Quinta iteracin
(
)
(
(
(
)
)
)
(
(
(
)
)
Entonces
|
Pg. 21
UNMSM
MTODOS NUMRICOS
Sexta iteracin
(
)
(
(
(
)
)
)
(
(
(
)
)
Entonces
|
Sptima iteracin
(
)
(
(
(
)
)
)
(
(
(
)
)
Entonces
|
Entonces
Pg. 22
UNMSM
MTODOS NUMRICOS
6. MTODO DE PUNTO FIJO O MTODO DE

APROXIMACIONES SUCESIVAS
Algoritmo:
P-1.P-2.-
( )
Dado la ecuacin
De
( )
despejar
por T.B.
de diferentes formas y obtener una ecuacin de la siguiente forma:

( )
Donde
Generar la {
( ) es llamado punto fijo.
mediante la relacin
( )
Donde
Tomando como valor
arbitrario tal que
Condicin de convergencia ?
Existe {
a)
b)
si se cumple lo siguiente:
( )
( ) tal que | ( ) |
;
es llamado constante de Lipschitz
{ |
P-3. -
Dejar de iterarse
|
( )|
( )| }

|
Decimales exactas
Caso contrario ir al P-2 en
( )
Pg. 23
UNMSM
MTODOS NUMRICOS
Ejemplo 6.1.
( )
( )
b) Por punto fijo verificamos convergencia

{
De ( 1 )
( )
Entonces
( )
Anlisis para
( )
( )
( )
( )
( )
( )
Primera condicin
( )
( ) no cumple la primer condicin

Entonces
con
Entonces
con
( )
Anlisis para
Primera condicin
( )
( )
( ) no cumple la primer condicin
( )
Anlisis para
Primera condicin
( )
( )
( )
Pg. 24
UNMSM
MTODOS NUMRICOS
( )|
Segunda condicin |
Si
( )
(
)|
)|
(
{|
)| |
( )
entonces
)| }
( )|
entonces |
( )
con
c) Obtener una solucin con dos cifras significativa exacta( n = 2 )

Se deja de iterar si
Con
( )
Con
su relacin de recurrencia :
( )
entonces
Sea
Iteracin inicial
Entonces
|
Primera iteracin
Entonces
(
Pg. 25
UNMSM
MTODOS NUMRICOS
Segunda iteracin
Entonces
Tercera iteracin
Entonces
Cuarta iteracin
Entonces
Entonces
Pg. 26
UNMSM
MTODOS NUMRICOS
7. MTODO DE NEWTON RAPHSON

El Mtodo de Newton - Raphson es ampliamente utilizado para encontrar las races de la ecuacin ( )
, ya que converge rpidamente, la contra es que uno debe conocer la derivada de ( ) y se necesita
una aproximacin inicial muy cercana a la raz.
Se requiere que
( ) sea doblemente continua y diferenciable en
Algoritmo:
P-1.P-2.-
( )
Dado la ecuacin
Generar la {
por T.B.
mediante la relacin
( )
( )
Convergencia de N-R.
Existe {
si
Esto significa que
P-3. -
) ( )(
(
( )
( )(
est muy cercano a la raz.
Dejar de iterarse
|

|
Decimales exactas
Pg. 27
UNMSM
MTODOS NUMRICOS
Ejemplo 7.1.
( )
( )
b) Verificar su convergencia por N.R.

Si ( )
entonces
Veremos si
( )
( )(
es vlido o no.
( )(
Veremos si
( )
( )
entonces
no es vlido para iterar.
es vlido o no
( )(
entonces
|
( )
es vlido para iterar.

( )(
)
|
( )
)
{
por N.R.
c) En la iteracin Cuantas cifras significativas exactas tiene la solucin ?

( )
(
)
Con
y con ( )
,
(
(
(
)
)
)
(
Escogeremos para dos cifras significativas exactas ( n = 2 )

Se deja de iterar si
Con
Pg. 28
UNMSM
MTODOS NUMRICOS
Iteracin inicial
(
(
)
)
( )
( )
Entonces
|
Primera Iteracin
(
(
)
)
(
(
)
)
Entonces
|
Segunda Iteracin
(
(
)
)
(
(
)
)
Entonces
|
Segunda Iteracin
(
(
)
)
(
(
)
)
Entonces
|
Entonces
Pg. 29
UNMSM
MTODOS NUMRICOS
8. SISTEMAS DE ECUACIONES NO LINEALES EN DOS

VARIABLES
Dado el Sistema:
(
(1)
,
tal que
8.1.
P-1.-
Algoritmo del Punto Fijo en dos variables :
De ( 1 ) despejar
respectivamente para obtener una relacin de la siguiente forma.

(
(
P-2.-
(2)
)
)
De ( 2 ) generar la sucesin:
{
Mediante la siguiente relacin de recurrencia:

(
) ,
)
Donde
P-3. -
Dejar de iterarse
|
|
Decimales exactas
Pg. 30
UNMSM
MTODOS NUMRICOS

|
|
Decimales exactas
Condicin de convergencia del punto fijo:

{
}
|
|(
}
|(
Si se cumple lo siguiente:
)
|(
|(
Donde
(
Ejemplo 8.1.1.
(
(
)
)
a) Por Teorema de Bolzano localizar el punto inicial (
(i)
(ii)
Primero formamos de (1) la forma ( )

De (2)
se obtiene
( )
De ( ) en (1) se obtiene
( )
( )
).
( )
Aplico Teorema de Bolzano para intervalos de longitud 1.
Pg. 31
UNMSM
MTODOS NUMRICOS
(iii)
De (ii) igual para intervalo de longitud 0.1
Sea
Luego de ( ) :
b)
(
(
)
)
entonces
se tiene
se tiene
(
(
entonces
entonces
|
|
|(
|(
|(
|(
|
|
|(
|(
|
)
)
|(
|(
)
)
|
(
)
)
)
|
(
Pg. 32
UNMSM
MTODOS NUMRICOS
Por lo tanto f y g cumplen la condicin de convergencia.

c) Por punto fijo obtener una solucin con dos cifras significativas exactas (
Se dejar de iterar si:
Entonces
|
|
|
|
con
con
con
|
|
).
|
|
|
) es solucin con dos cifras significativas exactas.
Si es verdadera entonces (
Teniendo :
entonces
entonces
con
(
)
(
)
(
Entonces
)
Entonces
(
)
(
Entonces
Entonces
|
|
)
(
)
(
Entonces
Pg. 33
UNMSM
MTODOS NUMRICOS
(
(
)
Entonces
Entonces
Entonces
|
|
Por lo tanto (
Entonces
(
(
Entonces
(
(
Entonces
)
(
Entonces
) es raz con dos cifras significativas exacta.
Pg. 34
UNMSM
8.2.
MTODOS NUMRICOS
Algoritmo de Newton Rapson ( N.R ) en dos variables :
P-1.-
P-2.-
Dado el sistema siguiente tal que tal que

(
por T.B.
Generar la sucesin:
{
Mediante la siguiente relacin de recurrencia:
Donde
(
P-3. -
Dejar de iterarse
|
|
Decimales exactas
Pg. 35
UNMSM
MTODOS NUMRICOS

|
|
Decimales exactas

Condicin de convergencia del NR:
{
Si se cumple :
(
|(
Ejemplo 8.2.1.
(
(
)
)
Por Teorema de Bolzano localizar el punto inicial (

(i)
Primero formamos de (1) la forma

De (2)
se obtiene
De ( ) en (1)
(ii)
se obtiene
( )
( )
).
( )
( )
( )
Aplico Teorema de Bolzano para intervalos de longitud 1.
Pg. 36
UNMSM
(iii)
MTODOS NUMRICOS
De (ii) igual para intervalo de longitud 0.1
Sea
Luego de ( ) :
entonces
Entonces el punto inicial es (
a)
Verificando su convergencia por Newton Raphson

(
|
(
Entonces
Por lo tanto
Sea lo siguiente:
|
|
|
(
Pg. 37
UNMSM
MTODOS NUMRICOS
|
(
|
(
b) Por este mtodo, una solucin con dos cifras significativas exactas ( n = 2 ). Se dejar de iterar si:
Entonces
|
|
|
|
con
con
con
Si es verdadera entonces (
|
|
|
|
|
) es solucin con dos cifras significativas exactas.
Pg. 38
UNMSM
MTODOS NUMRICOS
Entonces
Entonces
Entonces
Entonces
Por lo tanto (
) es raz con dos cifras significativas exacta.
Pg. 39
UNMSM
MTODOS NUMRICOS
9. METODOS DIRECTOS DE SISTEMAS DE ECUACIONES

LIENALES
9.1.
METODO DE CROUT - DOOLITLE
Consiste en factorizar una matriz cuadrada A en un producto LU. Esto es:
Donde:
A: es la matriz a factorizar.
L : es una matriz triangular inferior, cuyos elementos de la diagonal principal son iguales a 1. Se llama L
porque viene de la palabra inglesa low, que significa bajo.
U : es una matriz triangular superior, cuyos elementos se hallan por el mtodo de la eliminacin gaussiana.
Se llama U porque viene de la palabra inglesa up, que significa arriba.
Ejemplo 9.1.1.
[
Se factoriza como el producto de dos matrices triangulares.
] [
Se tiene un sistema de 9 ecuaciones con 12 variables, entonces existe infinitas soluciones.

Se fijar tres variables. Sea
] [
Pg. 40
UNMSM
MTODOS NUMRICOS
Primera columna:
Entonces
Entonces
Entonces
Segunda columna:
Entonces
Entonces
Entonces
Tercera columna:
Entonces
Entonces
Entonces
[
] [
Para un sistema lineal de la forma:
Donde A se factoriza de la forma:
L: Matriz Triangular Inferior

U: Matriz Triangular Superior
Sea:
(
Ejemplo 9.1.2.
Calculando
] tal que
con
Pg. 41
UNMSM
MTODOS NUMRICOS
Se sabe
(
)
(
Sea
la cual
Entonces
[
] [
Entonces
Entonces
Entonces
[
] [
Entonces
Entonces
Pg. 42
UNMSM
9.2.
MTODOS NUMRICOS
METODO DE CHOLESKY
Primera versin
Tambin para resolver el sistema
1)
2)
para aplicar cholesky se debe cumplir lo siguiente:
es simtrico, es decir debe cumplir

sea definida positiva.
Ejemplo 9.2.1.
Desarrolle:
[
][
Dado :
[
entonces
Viendo si es definida positiva:

entonces
[
entonces
]
entonces
Por lo tanto A es positiva, entonces se puede aplicar cholesky.
Se factoriza como el producto de dos matrices triangulares.
] [
Pg. 43
UNMSM
MTODOS NUMRICOS
Primera columna:
(
Segunda columna:
Entonces
Entonces
Entonces
Entonces
Entonces
Tercera columna:
Entonces
] [
Calculando
] tal que
con
] y
Se sabe
(
)
(
Sea
la cual
Entonces
[
] [
Entonces
Entonces
Pg. 44
UNMSM
MTODOS NUMRICOS
] [
Entonces
Entonces
Entonces
Segunda versin
cuando
Para la solucin del sistema

hacer transformar.
no es simtrica. Pero hacia
se le puede
Ejemplo 9.2.2.
Para la solucin del sistema:
][
En donde A no es simtrica.
Se le puede hacer transformar en pasos elementales de Matriz.
[
(
(
Entonces la nueva matriz es
)
)
]
con
Siendo A simtrica y positiva
Pg. 45
UNMSM
MTODOS NUMRICOS
][
Es idntico al ejemplo 9.2.1.

Obtiene esta expresin, en la que
El desarrollo, para hallar
] se mantiene igual:
], es la misma en la versin 1, obteniendo [
] es solucin de [
][
Pg. 46
UNMSM
MTODOS NUMRICOS
10. MTODO TRIDIAGONAL PARA SISTEMAS DE

ECUACIONES LINEALES.
Sea el sistema de ecuaciones de la forma:
)(
ALGORITMO TRIDIAGONAL:
P-1:
Del sistema
Sea
, expresarlo como
{ }
, C es constante arbitraria /
De la Ec. (1) despejar

.
De la Ec. (n-1) despejar
De la Ec. (n) despejar
Pero como no existe
se hace lo siguiente:
Tal que:
Se tiene
(
(
donde R: vector residual
Pg. 47
UNMSM
MTODOS NUMRICOS
Si
Si
es solucin de
es solucin de
P-2:
Del sistema
llegando a lo siguiente:
expresarlo como
y sea
Tal que:
Se tiene
)
(
donde S: vector residual

)
Si
Si
es solucin de
es solucin de
.. ( )
.. ( )
Se tiene:
()
, se procede como P-2,
( )
)
0
Se busca una relacin:

Tal que:
Ejemplo 10.1.
Sea el sistema:
(
(
(
(
)
)
)
)
(
(
(
(
)
)
)
)
Paso 1
Sea el sistema:
Pg. 48
UNMSM
MTODOS NUMRICOS
Sea
constante arbitraria.
En ( 1 ) , ( 2 ) , ( 3 )
En ( 4 ) Como No existe
Tal que r es valor residual.
Entonces
Paso 2
Del sistema
Sea tal que
entonces
{ }
(
(
(
(
)
)
)
)
De ( 1 ) , ( 2 ) , y ( 3 ) se consigue
En ( 4 ) Como No existe
Tal que t es valor residual.
Del paso 1 se obtiene:
Del paso 2 se obtiene:
Entonces
con
)
con
La solucin es:
)
Entonces
Pg. 49
UNMSM
MTODOS NUMRICOS
Ejemplo 10.2.
Resolver:
2
2
Del sistema
(1)
Sea
... (2)
(3)
(4)
{ }
De (1):
De (2):
De (3):
De la ec. (4) despejo , pero como no existe
Del sistema
Sea
, en
,
en
en
Observacin: Si
, luego se procede como P-2
cambiar el valor inicial de

)
Pg. 50
UNMSM
MTODOS NUMRICOS
Se busca una solucin
Verificando:
Tal que:
2
2(
Ejemplo 2
(Solucin de sistemas lineales en Tribanda)
Sea
en Tribanda.
( )
( )
( )
( )
Algoritmo del sistema Tridiagonal

Solucin:
Del sistema
( )
( )
( )
Pg. 51
UNMSM
MTODOS NUMRICOS
( )
Sea
{ }
, C vector arbitrario talque
Entonces:
De (1) despejo :
( )
De (2) despejo :
( )
De (3) despejo :
( )
De (4) despejar ; pero

( )
Y se tiene que:
( )
( )
( )
Ahora expresarlo como

( )
es un vector nulo.
Pg. 52
UNMSM
MTODOS NUMRICOS
{ }
Sea
sea
De (1) despejar :
( )
De (2) despejar :
( )
De (3) despejar :
( )
De (4) despejar , pero

( )
entonces:
Entonces:
Comprobacin:
Pg. 53
UNMSM
MTODOS NUMRICOS
-46+24+13
-22+13=-9
Pg. 54
UNMSM
MTODOS NUMRICOS
11. MTODO PENTADIAGONAL PARA SISTEMAS DE

ECUACIONES LINEALES.
Ejemplo 11.1.
Dado el sistema
se tiene lo siguiente:
( )
( )
( )
( )
( )
Paso 1
Del sistema original
( )
( )
( )
( )
( )
Sea
expresando en la forma
De ( 1 ), ( 2 ), ( 3 )
( Uno de ellos debe ser diferente de cero y el otro debe ser cero )
se obtiene
De ( 4 ) como NO existe
se hace lo siguiente
entonces
entonces
Entonces
Se tiene
[ ]
Pg. 55
UNMSM
MTODOS NUMRICOS
Paso 2
primera solucin homognea
( )
( )
( )
( )
( )
Sea
De ( 1 ), ( 2 ), ( 3 )
( dos nmeros cualesquiera )
se obtiene
entonces
entonces
Entonces
Se tiene
Paso 3
segunda solucin homognea
( )
( )
Pg. 56
UNMSM
MTODOS NUMRICOS
( )
( )
( )
Sea
De ( 1 ), ( 2 ), ( 3 )
se obtiene
entonces
entonces
Entonces
Se tiene
Paso 4
[
[ ]
]
Entonces
La solucin
(
(
(
Es decir
Pg. 57
UNMSM
MTODOS NUMRICOS
Ejemplo 11.2.
Dado el sistema
resolver el siguiente sistema pentadiagonal
+ 3 +
+ 2
+4
+ 4
+4
+4
2
EC(1)
= 15
EC(2)
+2
= 13
EC(2)
+2
= 19
EC(4)
+7
= 15
EC(5)
PASO DEL ALGORITMO

P-1: Expresar el sistema como A.
=b
+ 3
+ 2
+4
+ 4
+4
+4
2
Sea
=0
=1
Ec(1)
= 15
Ec(2)
+ 2
= 13
Ec(3)
+2
= 19
Ec(4)
+7
= 15
Ec(5)
cte arbitrario
De Ec(1) despejar
=5
pues
0 + 3(1) +
De Ec(2) despejar
=8
= 7
Pues
0 + 2(1) +4(8) +
De Ec(3) despejar
= 15
= 16
Pues
De Ec(4) despejar
= 8
0 + 4(1) + 5 + 4( 7) + 2
; como
+ 4
+ 2
= 13
, hacemos lo sgte. :
+
= 19 +
1 + 4(5) + 2( 7) + 16 = 19 +
= 45
Pg. 58
UNMSM
MTODOS NUMRICOS
De la Ec(5) despejar
; como
hacemos
+7
= 15 +
2(5) + ( 7) +7(16) = 15 +
R=
],
como R
= 100
A. = b + R
Se tiene:
=
[
=(
P-2:
Primera solucin homognea del sistema A.x = b, expresarlo como A. =
Sea
= 10
2 + 3 +
= 0
Ec(1)
3 + 2 + 4 +
= 0
Ec(2)
+ 4 + + 4 + 2
= 0
Ec(3)
+ 4 + 2 +
= 0
Ec(4)
2 + + 7
= 0
Ec(5)
= 20
De Ec(1) despejar ;
pues
De Ec(2) despejar ;
Pues
De Ec(3) despejar ;
= 80
2(10) + 3(29) + = 0
= 250
3(10) +2(20) + 4( 8) + = 0
=
Pg. 59
UNMSM
MTODOS NUMRICOS
pues 10 + 4(20) + ( 80) + 4(250) + 2 =0
De Ec(4) despejar ; como
hacemos
+ 4 + 2 + = 0 +
20 + 4( 80) + 2(250) + ( 505) = 0 +
De Ec(5) despejar ; como
= 1445
hacemos
2 + + 7 = 0 +
2(
)+ (250) + 7(
)=0+
S=
P-3: Segunda solucin homognea del sistema A.x = b expresar A. = 0

+ 3
+
= 0
Ec(1)
+ 2
+ 4
+
= 0
Ec(2)
= 0
Ec(3)
+ 4
+ 2
+
= 0
Ec(4)
+ 4
+
+ 4
+ 2
+
2
Sea
= 20
De Ec(1)
+ 7
= 0
Ec(5)
= 10
;
despejar
Pues 2(20) + 3(10) + = 0
De Ec(2) despejar
+ 2
+ 4
+
= 0
3
3(20) + 2(10) + 4(
) + = 0
Pg. 60
UNMSM
MTODOS NUMRICOS
De Ec(3) despejar
= 395
+ 4
+
+ 2
= 0
+ 4
20 + 4(10) + (
como
De Ec(4) despejar
= 0
) + 4(200) + 2
, hacemos
+ 4
+2
+
= 0 +
10 + 4(
= 1925
) 2(200) + 395 = 0 +
; como
De Ec(5) despejar
+
+7
= 0 +
2
= -2705
]
[
A. = + T
P-4: Y se llega a lo siguiente
A. = b + R
A. = 0 + S
A. = 0 + T
=0
=R
R= [
S=[
Pg. 61
UNMSM
MTODOS NUMRICOS
]+ [
]= [
1445 + 1925
2705
= 100
x =
x=
=
[
T=[
= 0.025992507
+ 0.025992507
[
= 0.003865364
+ 0.003865364
[
X=
[
Comprobacin :
2
+3
Ec(1)
+
=8
0.6744647 + 4.67551134 + 2.65002396 = 8

8
Y tambien cumple tod
u i
Cumple!!!
Pg. 62
UNMSM
MTODOS NUMRICOS
NORMA DE UNA MATRIZ

La Norma de una matriz
es un nmero real tal que satisface las siguientes condiciones
( )
( )

() ||
()

( )
Principales Normas
-Norma m o Norma

{ |
| |
| }
{ |
| |
| }
-Norma l,
-Norma k,
Ejemplo 1:
Sea
{ |
{|
|
|
{
{
}
}
Pg. 63
UNMSM
MTODOS NUMRICOS
{ | | | |
Para el vector X =
[
| |
| |
| |
| |
|
|
| }
| |
Ejemplo 2:
Sea X = (
)
{ |
|
|
| }
|
|
(
Pg. 64
UNMSM
MTODOS NUMRICOS
12. SOLUCION ITERATIVA DE SISTEMAS DE

ECUACIONES LINEALES
12.1.
METODO DE JACOBI
Dado el sistema
Ec.(1)
a11x1 + a12x2 + .. + a1mxm = b1
Ec.(2)
a21X1 + a22X2 + .. + a2mXm = b2
Ec.(3)
a31X1 + a32X2 + .. + a3mXm = b3
.
.
.
.
am1X1 + am2X2 + .. + ammXm = b. m
.
.
.
.
.
.
.
Ec.(m)
.
.
.
Donde:
A=[
b=
y si aii 0
X=
Despejamos X de la ecuacin 1 obteniendo un sistema equivalente de la forma: X = + X

De la siguiente manera.
Despejamos
X1 =
X2 =
.
.
.
.
.
.
.
.
.
Xm =
Pg. 65
UNMSM
MTODOS NUMRICOS
Dandole forma:
; con
Con todo esto se puede expresar en la siguiente forma X = + X
] [
El Sistema sugiere Jacobi la siguiente relacin de recurrencia
X (k+1) = + X (k) ,
De la relacin se obtiene la sucesin
generalmente
X (0)=0
Obs.
k = 0, 1, 2,
tomando como valor inicial arbitrario, que
X (0) =
=1
X (k+1) = ( X1(k+1) , X2(k+1), , Xm(k+1) )t

X (0) = ( X1(0) , X2(0), , Xm (0) ) t
Pg. 66
UNMSM
MTODOS NUMRICOS
ALGORITMO DE JACOBI:
P-1
Dado el Sistema
Expresarlo en el sistema equivalente X = + X
P-2
Tomando como solucin inicial X (0) arbitrario generar la sucesin { X (k) } X (*) mediante
la relacin de recurrencia:
X (k+1) = + X (k)
P-3
k = 0, 1, 2,
Dejar de iterar si
( )
( )
caso contrario ir al P-2
CONVERGENCIA DE JACOBI
{
( )
( )
Si
Observacin
Para que se cumpla esa condicin es necesario que A del sistema original
| | | | de su fila y de su columna
diagonalmente dominante, es decir
sea
Ejemplo 12.1.1.
Sea el sistema siguiente:
( )
( )
( )
(a)
Por JACOBI verificando su convergencia
Obs. Para que se cumpla

diagonalmente dominante.
De
Con
es necesario que del sistema
Si
?
, A sea
(1) X1:
(2) X2:
(3) X3:
Pg. 67
UNMSM
MTODOS NUMRICOS
Entonces
| |
| |
}
{
(b)
Por el Mtodo Jacobi Hallar una solucin con

(
Si
)
( )
( )
( )
entonces
( )
Obs. Se toma como valor inicial arbitrario
( )
Sea
K=0
es solucin con
Sea
( )
( )
] [
K=1
Sea
( )
( )
] [
Pg. 68
UNMSM
MTODOS NUMRICOS
( )
K=2
( )
( )
( )
( )
( )
( )
] [
( )
Sea
]
(
Entonces
( )
es solucin con
NOTACION MATRICIAL DEL METODO DE JACOBI

Sea el sistema
Donde:
A =[
La matriz A se le puede descomponer en la forma
A=D + L +U
, donde
Pg. 69
UNMSM
MTODOS NUMRICOS
Matriz Diagonal
As el sistema
]
(
Matriz Triangular inferior
Matriz Triangular superior
se le puede expresar como:
( D + L + U )X = b
DX + ( L + U ) X = b
DX = b ( L + U ) X
X = D-1b D-1( L + U ) X
X = D-1b + [-D-1(L + U)] X
Si el mtodo de Jacobi es
X = + X
= D-1b
= -D-1( L + U )
Matricialmente es: X = D-1b D-1( L + U ) X

Su relacin de recurrencia es
X (k+1) = D-1b D-1 (L + U) X (k) ,
k=0, 1, 2
Solucin Matricial de Jacobi

Del sistema
tal que
Entonces
Desarrollo del ejemplo anterior
Pg. 70
UNMSM
MTODOS NUMRICOS
] [ ]
[ ]
[ ]
con
Entonces
] [
] [
Entonces
Entonces
Ejemplo 12.1.2.
Sea el siguiente sistema
Ec (1) 20x1
+ 5x3 =2
Ec (2) x1 + 20x2 + 2x3 = 4
Ec (3) x1 + 9x2 + 20x3 = 6
Por Jacobi verificar su convergencia
CONVERGENCIA DE JACOBI
{
( )
Si
.. (i)
Observacin
Para que se cumpla (i)
Pg. 71
UNMSM
MTODOS NUMRICOS
Es necesario que A del sistema original
sea diagonalmente dominante, es decir
| |
| de su fila y de su columna
As:
de su fila
de su columna
de su fila
de su columna
Igual para a33

x1 =
+ 0
0 -
x2 =
0 -
x3 =
x =
+
x
= [
=
[

mx.{ 0 + 0 + |
mx.{ 0.25 , 0.15, 0.5 }
| ,|
]
|+0+ |
| , |
| + |
| +0}
( )
por jacobi
Por jacobi obtener una solucin con

(
)
Si la relacin de jacobi es
( )
Para k = 0
Interaccin inicial
(
( )
Pg. 72
UNMSM
MTODOS NUMRICOS
Observacin
Sea
es arbitraria
Para k = 1
Primera iteracin
=+
Donde
= 0.1 +
= 0.1 + (0)(0.1) + (0)(0.2) + (-0.25)(0.3) = 0.025\

= 0.2 +
= 0.2 + (-0.05)(0.1) + (0)(0.2) + (-0.1)(0.3) = 0.165

= 0.205
Para k = 2
Segunda iteracin
=+
Pg. 73
UNMSM
MTODOS NUMRICOS
k =3
=+
Tercera iteracin
Verificamos si se llego a la solucin
=
=
( )
( )
12.2.
= 0.03289625 < =
con
METODO DE GAUSS- SEIDEL
Tambin determina la solucin del sistema

De la relacin matricial del sistema
(
iterativamente.
:
)
(
( )
Pg. 74
UNMSM
MTODOS NUMRICOS
De ( ) se obtiene la relacin matricial de G-S , siguiente:

(
( )
Observacin:
(
*Si
)
{
*La relacin ( ) se puede obtener al igual que Jacobi del sistema

despejar la variable , para obtener la Matriz .
, de la ecuacin
Algoritmo del mtodo de Gauss-Seidel:

Paso1: Dado el sistema
obtener su sistema
( )
Paso 2: Para un punto inicial arbitrario

siguiente relacin:
(
Paso 3: Dejar de iterar si
( )
(
( )
)
)
generar la sucesin {
( )
( )
mediante la
( )
; caso contrario ir al paso 2.
Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:

entonces
( )
( )
Ejercicios resueltos:
1) Dados:
),
( )
( )
Pg. 75
UNMSM
MTODOS NUMRICOS
Resuelva el sistema Ax = b por el mtodo de Gauss-Seidel.
Solucin:
Utilizando Gauss-Seidel:
(
( )
( )
Operando obtenemos la secuencia:

( )
( )
( )
( )
( )
( )
Claramente converge a la solucin exacta (
) .
La tasa de convergencia del mtodo de Gauss-Seidel viene dada por la norma de:
(
Cuyas normas son:
= 0.454
= 0.4.
2) Considere el siguiente sistema de ecuaciones:

[
[ ]
Puede resolver este sistema por el mtodo de Gauss-Seidel? Por qu? Si lo puede hacer,
haga solo dos iteraciones a partir de la solucin nula y determine la tasa numrica de
convergencia. Adems calcula la tasa exacta de convergencia. Cuntas iteraciones
necesitar para alcanzar un error absoluto de
.
Solucin:
El mtodo de Gauss-Seidel es aplicable porque por que la matriz es simtrica definida
positiva. Dos iteraciones conducen a:
Pg. 76
UNMSM
( )
( )
(
(
( )
MTODOS NUMRICOS
)
)
Y la tasa de convergencia numrica la podemos calcular como (en norma infinito)

( )
( )
Que se parece poco a la tasa de convergencia exacta:

( (
NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
(
( )
Para alcanzar (en norma infinito) un error absoluto menor que

iteraciones.
se requieren 13
Ejemplo 12.2.1.
Sea el sistema:
Por el mtodo de Gauss-Seidel

Analizar su divergencia. Hallar su solucin con
Solucin:
Analizar su divergencia
[
Luego:
(
Pg. 77
UNMSM
MTODOS NUMRICOS
][
Entonces
( )
( )
Hallar su solucin con
De
][ ]
( )
( )
( )
Sea
( )
[ ]
( )
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
][ ]
( )
( )
Pg. 78
UNMSM
( )
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
( )
: 1era Iteracin
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
: 2da Iteracin
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
][
( )
Pg. 79
UNMSM
( )
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
( )
: 3era Iteracin
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 80
UNMSM
MTODOS NUMRICOS
Ejemplo 12.2.2.
Sea el sistema:

Solucin:
[
Luego:
(
][
entonces
( )
( )
De
][ ]
( )
Pg. 81
UNMSM
MTODOS NUMRICOS
( )
Sea
( )
( )
[ ]
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
][ ]
( )
( )
( )
( )
( )
( )
: 1era Iteracin
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
][
( )
( )
( )
Pg. 82
UNMSM
( )
MTODOS NUMRICOS
( )
( )
: 2da Iteracin
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 83
UNMSM
MTODOS NUMRICOS
Ejemplo 12.2.3.
Sea el sistema:

Solucin:
[
Luego:
(
][
{
{X
(k)}
X*
De
][ ]
( )
Pg. 84
UNMSM
MTODOS NUMRICOS
( )
( )
Sea
( )
[ ]
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
][ ]
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
: 1era Iteracin
( )
( )
( )
( )
( )
( )
( )
( )
][
( )
][
( )
Pg. 85
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
( )
: 2da Iteracin
( )
( )
( )
( )
( )
( )
( )
][
( )
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
: 3era Iteracin
( )
( )
( )
Pg. 86
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
][
( )
( )
][
( )
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 87
UNMSM
MTODOS NUMRICOS
13. INTERPOLACIN
Supongamos que se conoce f0 , f1, f2, .fn valores correspondientes a X0, X1, X2, .., Xn
valores independientes de una variable independiente X.( X0<X1<<Xn) entonces tenemos
dos tipos de interpolacin.
a) Interpolacin directa.- consiste en que dado un valor XP diferente de los Xi pero

correspondido entre X0 y Xn, se desea hallar el valor de su imagen fP
b) Interpolacin inversa.- consiste en que dado el valor de la imagen fP se desea hallar

el valor XP que genera dicha imagen.
13.1.
INTERPOLACIN DIRECTA LINEAL
XP = valor a interpretar
FP = f (XP) imagen de XP
F(X)
(X1,f1)
(X0,f0
)
(XP,fP)
Xo
XP
X1
INTERPOLACIN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados Interpolacin consiste, en dado un valor no
considerado , en la tabla, se debe hallar su imagen . Hay dos tipos de Interpolacin.
A) Interpolacin Directa. Consiste en que dado se debe hallar su imagen .
B) Interpolacin Inversa. Consiste en que dado el valor de la imagen , se debe hallar el valor
Pg. 88
UNMSM
MTODOS NUMRICOS
1) Interpolacin Directa de Newton Progresivo (IDNP)

Se utiliza cuando se desea interpolar un valor
Utiliza la siguiente frmula.
(
dado al principio de la tabla o
)(
sector de la tabla.
) (
))
Donde
Utiliza la siguiente Tabla de omisin de Trminos ( T.0.T )
Newton Progresivo
Newton Regresivo
12
16
Observacin:
Si
|< 4 Se tiene Inter. Directa Lineal y se utiliza la frmula de N.P. hasta la
Diferencia, o
sea;
Pg. 89
UNMSM
MTODOS NUMRICOS
Si |
|< 8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la frmula de N.P. hasta la
Diferencia, o sea;
(
Si
|< 12
Se utiliza IDNL y en la frmula de NP se utiliza hasta la

(
diferencia, osea
)(
(4) Tanto en (1),(2) y (3) solo se considera las cifras significativas.
Ejemplo 1:
En la Siguiente tabla si
( )
, hallar
1
1.1
1.2
1.3
4.3
4.6
4.9
Sol:
( )
|
Como |
se aplica IDL y se
utiliza
de NP hasta la Diferencia anterior o
sea hasta la
diferencia
3=
1.1
4.3
3
1.2
4.6
0
3
1.3
4.9
Pg. 90
UNMSM
Ejemplo 2:
MTODOS NUMRICOS
En la Siguiente tabla si
6.2
l
( )
( )
( )
, hallar
6.4
6.6
6.8
7.2
0.79239 0.30618 0.81954 0.83251 0.84510 0.85733
( )
6.2
0.79239 =
6.4
0.30618 =
6.6
0.8195 =
6.8
0.83251 =
1279=
-43=
1336=
4
-39=
1297=
1
-38=
1259=
7
0.84510 =
-36=
1223=
7.2
0.85733 =
)
(
Si
( )
( ) entonces
)(
Pg. 91
UNMSM
MTODOS NUMRICOS
2) Interpolacin de Newton Regresivo (NR)

Se utiliza cuando se quiere interpolar un valor en la parte final de la tabla. Su frmula es
Donde
Ejemplo Si
x
3
)(
) (
))
hallar
( )
20.08
4.45
3.2
24.53
0.98
5.43
3.4
.22
29.96
1.20
6.63
3.6
36.59
3.8
44.7
.28
1.48
8.11
.30
1.78
9.89
4.0
54.59
Se aplica
de NR hasta la
diferencia
Pg. 92
UNMSM
MTODOS NUMRICOS
(
(
)(
)
)(
)(
)(
)(
Polinomio de Newton
)(
Donde
(
)(
)(
)(
)(
))
Si son entre n puntos, entonces el grado de
13.2.
)(
)(
) )
( ) debe ser n 1.
INTERPOLACION DIRECTA CENTRAL
Se utiliza cuando se quiere interpolar un valor en la parte central de la tabla.

Se tienen las siguientes formulas:
13.2.1. Interpolacin de Stirling
Se aplica si
Su formula es:
p
+ S1 (
-1/2
1/2
) + S2
+ S3 (
-1/2
1/2
) + S4
Donde:
S1 =
; S2 =
; S3 =
; S4 =
; S5 =
)(
Pg. 93
UNMSM
MTODOS NUMRICOS
13.2.2. Interpolacin de Bessel
Se aplica si p
Su formula es:
Donde:
1=
2=
3=
)(
4=
)(
)(
13.2.3. Interpolacin de Everett
Se aplica si
Su formula es:
Donde:
;
;
)(
)(
;
) ;
)(
)(
)(
)(
) (
)(
;
)
Pg. 94
UNMSM
MTODOS NUMRICOS
*Tabla de Omisin de Trminos (T.O.T):
Bessel o Stirling 4
60
Everett
no existe 20
20
500
100
no existe 100
Ejemplos resueltos:
En la siguiente tabla se tiene:
X
f(x)=
0
+ x +1
0.111
0.026
0.006
0.1
1.111
0.137
0.032
0.006
0.2
1.248
0.169
0.038
0.006
0.3
1.417
0.207
0.044
0.4
1.624
0.251
0.5
1.875
Como:
; No cumple
Pg. 95
UNMSM
MTODOS NUMRICOS
; cumple con la T.O.T, segn P se aplica Bessel, Stirling o Everett.

Entonces hallar: fp
a) Si
Solucin a):
Se sabe que:
Entonces:
Como:
Se aplica Stirling y Everett porque
y |
|
Para Stirling su es hasta su 2diferencia, como
se aplica Everett o
hasta su anterior pero como no existe la 3 diferencia; el de Everett es hasta la 2 diferencia.
*Solucin segn Stirling:
p
+ S1 (
-1/2
p=
1.248 + 0.12 (0.137 + 0.169) + 0.0288*0.032
p=
1.2856416
1/2)
+ S2
valor aproximado
Con calculadora:
p=
1.285415424
*Solucin segn Everett:

=
p
= 0.76*1.248+0.24*1417-(0.053504*0.032)-(0.037606*0.038)
= 1.285415424
Pg. 96
UNMSM
13.3.
MTODOS NUMRICOS
INTERPOLACIN INVERSA.
Para ( n + 1 ) puntos igualmente espaciados de la forma (
( ) ) con
Interpolacin Inversa consiste en dado la imagen

Se tiene los siguientes casos.
13.3.1.
Cuando
P-1
, halla su respectivo valor de
Interpolacin Inversa No Lineal ( IINL )

|
, su algoritmo es:
Hallar el error de p ( o sea
) donde
Donde n es el numero de cifras decimales de
P-2
( ) )
Hallar la primera aproximacin de p ( o sea
Donde
P-3
Hallar la primera aproximacin de
( )
( )
( ) tal que
( )
Hallar la segunda aproximacin de p ( o sea ( ) )
( )
P-5
( )
o sea de
P-4
( )
Hallar la segunda aproximacin de
( )
( o sea
( )
( )
( )
( )
( )
Pg. 97
UNMSM
MTODOS NUMRICOS
Entonces se tiene que
( )
( )
( )
( )
( )
P-6
Si
el valor de p
( )
( )
se deja de iterar y el ltimo
P-7
Determinar el valor ptimo de p tal que
P-8
Determinar el
( )
obtenido es
Ejemplo 13.3.1.1.
En la siguiente tabla si
hallar
Pg. 98
UNMSM
MTODOS NUMRICOS
P-1
(
( )
P-2
( )
P-3
( )
P-4
( )
( )
( )
( )
( )
( )
[
( )
( )
P-5
P-6
Si
( )
( )
( )
( )
( ) se deja de iterar y el ltimo ( ) obtenido es el valor
de p
P-7
P-8
entonces
13.3.2.
Cuando
P-1
Interpolacin Inversa No Lineal de tercer orden

|
Hallar el error de p ( o sea
su algoritmo es:
) donde
Donde n es el numero de cifras decimales de
P-2
Hallar la primera aproximacin de p ( o sea
( )
( ) )
Pg. 99
UNMSM
MTODOS NUMRICOS
Donde
P-3
( )
( )
( )
( )
( )
( )
P-4
( )
tal que
( )
tal que
( )
( )
( )
P-5
( )
, o sea de
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
, o sea de
( )
( )
( )
Entonces se tiene que
( )
( )
( )
( )
( )
( )
)
( )
)
( )
( )
Pg. 100
UNMSM
P-6
MTODOS NUMRICOS
( )
( )
Si
y el ltimo
obtenido es el valor de
( )
se deja de iterar
P-7
P-8
Determinar el
Ejemplo 13.3.1.2.
En la siguiente tabla si
hallar
P-1
P-2
entonces
( )
P-3
( )
( )
( )
( )
( )
( )
( )
( )
Pg. 101
UNMSM
P-4
( )
P-5
( )
( )
( )
( )
( )
P-6
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
, o sea de
( )
( )
tal que
( )
( )
( )
( )
( )
P-7
P-8
Determinar el
Pg. 102
UNMSM
MTODOS NUMRICOS
INTERPOLACIN PARA EL CASO DE DATOS NO EQUIDISTANTES

POLINOMIO DE APROXIMACIN DE LAGRANGE
( X0 , f0 ) , ( X1 , f1 ), , ( Xn , fn )
Sean
Entonces existe un polinomio de grado
( n+1 ) ptos
que para por dichos puntos
( X0 < X1 < X2 < . < Xn )

F(X) = a0(X-X1) (X-X2)..(X-Xn)+a1(X-X0)(X-X2).(X-Xn)++an(X-X0)(X-X1)(X-X2)...(X-Xn-1)
OBS: en el primer termino falta (X-X0), en el 2 termino (X-X1), y as sucesivamente en el

ultimo termino falta (X-Xn) esto es una cualidad de dicho polinomio.
Como f(x) debe contener a los puntos dados
Si X = X0
; f(X0)= a0(X0 - X1) (X0 - X2)..(X0 - Xn)
a =
Si X = X1
f(o)
(X X1)(X X2)(X X3)(X Xn)
; f(X1)= a1(X1-X0) (X1-X2)..(X1-Xn)
a1=
f(1)
(X1 X )(X1 X2)(X1 X3)(X1 Xn)
.
.
.
Si X = Xn
; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)..(Xn-Xn-1)
an=
(n)
(Xn X1)(Xn X2)(Xn X3)(Xn Xn 1)
Remplazando los as en el polinomio P(X)

Pg. 103
UNMSM
f(X)=
(X
(
1 )(X
1 )(
MTODOS NUMRICOS
)(X
2 )(
)
)
(
(
)(
)(
L0(X)
F(X)
2 )(
2 )( 1
)
)
++
(X
(
L1(X)
L0(X)
L1(X)
)(X
)(
1 )(X
1 )(
Ln(X)
.
+ Ln(X)
Polinomio de Lagrange
Donde:
(X) =
(X
(
)..( X
)..(
)( X
)(
)( X
)(
)
)
Funcin multiplicadora de Lagrange
TEOREMA.- Sean ( X0 , f0) , ( X1, f1 ) ,, ( Xn , fn )

adems ( X0 < X1 < X2 << Xn )
Entonces existe un nico polinomio de grado
para los puntos ( n+1 ) y
que pasa por dichos puntos.
DEMOSTRACIN
i). La existencia del polinomio est generalizada por el `polinomio de aproximacin de
Lagrange.
ii). La unicidad: supongamos que existen dos polinomios P(X) y Q(X) de grado
que
pasan por los puntos dados.
Probaremos que P(X) = Q(X) ,

Consideremos
R(X) = P(X) - Q(X)
R(X) es de grado
( ya que el grado de P(X) y Q(X) es
Adems:
Pg. 104
1)
1)
UNMSM
MTODOS NUMRICOS
R(X0) = P(X0) - Q(X0) = f0 - f0 = 0

R(X1) = P(X1) - Q(X1) = f1 - f1 = 0
En general
R ( Xi ) = 0
i = 0, 1, , ,n
Entonces.
X0, X1, X2 ,., Xn son las races de R(X)
R(X) tiene (n+1) races ( pero el grado de R(X) es menor o igual a n )
Entonces R(X) debe ser el polinomio nulo ( el nico que tiene ms races que su
grado)
R(X) = P(X) - Q(X) = 0
P(X) = Q(X)
Ahora consideremos
X
-1
Fx
0 2
1
El polinomio P(X) = X2 +1 pasa por estos puntos, tambin pasa por estos puntos el
polinomio Q(X) = X3 - 2X + 1
Contradice el teorema?
No contradice el teorema, ya que el teorema establece que son iguales para aquellos
que tengan grado
, luego pueden muchos otros de grado >n que sean
diferentes al del grado grado
INTERPOLACION Y APROXIMACION DE LAGRANGE

Polinomio de Lagrange: Dado un conjunto de (n+1) puntos de la forma (
Se puede aproximar a un polinomio de grado
Sea el siguiente polinomio ( )
); i = 0, 1, 2,, n.
n.
( ) a determinar:
( )
(
)(
)(
) (
)
(
(
)( LUCIO
)(AVILIO
) MALASQUEZ
(
) . RUIZ
PROFESOR:
)(
)(
Pg. 105
UNMSM
MTODOS NUMRICOS
Observacin:
El polinomio ( ) se caracteriza por:
), en el 2 trmino falta el factor (
) , en el 3 termino falta
En el 1 trmino falta el factor (
) y as sucesivamente, en el n-simo termino falta el factor (
).
el factor (
En el polinomio de Lagrange los puntos ( , ) no necesariamente son igualmente espaciados, es

decir h no es constante.
i
Para hallar el polinomio de Lagrange se debe hallar los
; de la siguiente manera:
Si x=
( )
( )
)(
(
(
)(
)(
)(
) (
)(
) (
)(
) (
) (
)(
)(
) (
)(
)(
) (
)(
)(
) (
( )
(
)(
)(
Si x =
( )
( )
)(
(
(
)(
)(
)(
)(
(
(
)(
) (
)(
) (
) (
)(
) (
Si x =
( )
( )
)(
(
(
)(
)(
)(
)(
(
)(
) (
)(
)(
) (
) (
)
)
)
) (
Remplazando los coeficientes en ( ) tenemos:
Pg. 106
UNMSM
(
( )
MTODOS NUMRICOS
)(
)(
)(
)(
(
) (
) (
)(
)(
)(
)(
(
)
)(
)(
) (
) (
)(
)(
) (
) (
)
)
)
)
El polinomio de Lagrange, tambin se puede expresar como:

( )
( )
( )
( )
( )
( )
Ejemplo: 1
En la siguiente tabla:
a) Aproximar a un polinomio de Lagrange.
b) Si
=1.1
Determinar
por Lagrange.
Tenemos:
( )
2
1
2
26
a) Solucin:
El polinomio de Lagrange
( )
(
(
)(
)(
(
(
)(
)(
)(
)(
)(
)(
)
)(
)(
)
( )
)(
)(
( )
(
)
(
(
(
)(
)(
)(
)(
, ser:
)(
)(
)(
)(
)(
)(
)
)(
)(
(
)
)(
)(
)(
)(
)(
)(
)
)
Pg. 107
UNMSM
( )
(
(
)(
)(
(
(
)(
)(
)(
)(
)(
)(
MTODOS NUMRICOS
)(
)(
)
)
)(
)(
)
)
(
(
(
(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)
)
(
(
)(
)(
)(
)(
)(
)(
)
)
)
)
Luego, resolviendo tenemos:

( )
b) Solucin:
Como:
( )
( )
Aprox. E interpolacin de un polinomio de newton.

( )
)(
)(
)(
)(
Donde:
(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)(
)( ) |
)(
)( ) |
(
(
)(
)(
)(
)(
)(
)(
)
)(
)
)(
Pg. 108
UNMSM
MTODOS NUMRICOS
Ejemplo: 2
Aproximar la siguiente tabla a un polinomio de newton
( )
1.1
1.04 =
1.2
1.08=
0.04
-0.02
0.03
1.3
0.02
1.11=
-0.01
0.04
1.4
1.15=
Donde:
h = 1.4 - 1.3 = 0.1

)(
(
)(
(
(
( )
)(
)(
)
( )(
)(
)(
)
( )(
)(
( )(
)
)
)(
( )(
( )
Pg. 109
UNMSM
MTODOS NUMRICOS
14. INTEGRACIN NUMERICA

14.1. Para intervalos Simples
14.1.1.
Mtodo del trapecio
( )
( )
Donde
14.1.2.
( )=
max { |
m [X0, X1]
( )|
Mtodo de Simpson de 1/3
( )
Donde
( )|
( )
{|
( )|
m [X0, X1]
|
( )|
Pg. 110
UNMSM
14.1.3.
MTODOS NUMRICOS
Mtodo de Simpson de 3/8
( )
( )
{|
( )
( )|
( )|
Ejemplo:
Por el trapecio Simple
Solucin:
f(x)
X0=1
f0=0.841471
X0+h=X1=2
f1=1.818595
Obs: Los puntos Xi son dela forma Xi=X0+hi

Determinacin del
Si
i
( )
( )
( )
i
i
Pg. 111
UNMSM
MTODOS NUMRICOS
{|
{|
( )
( )
( )|
( )|
| |
}
|}
( )
Entonces
(
Solucin por el mtodo Simpson de 1/3 para intervalo simple

Sol:
f(x)
X0=1
f0=0.841471
X0+h=1.5
f1=1.496242
X0+2h=2
f2=1.818595
Determinacin del
Si
( )
( )
( )
{|
( )
( )|
( )|
( )
Entonces:
( )
Pg. 112
UNMSM
MTODOS NUMRICOS
Por Simpson 3/8 para intervalo Simple
Sol:
, es igual al ejemplo anterior
( )
f(X)
X0=1
f0=0.841471
X1=4/3
f1=1.295917
X2=5/3
f2=1.659013
X3=2
f3=1.818595
( )
Pg. 113
UNMSM
MTODOS NUMRICOS
14.2. Integracin Numrica para intervalos compuestos

14.2.1.
Mtodo del trapecio compuesto
Demostracin:
( )
( )
( )
m veces h
( )
Entonces la suma todas las integrales seria:
( )
Determinacin del
del trapecio
)
( )
14.2.2.
Mtodo de Simpson de 1/3 compuesta.
Pg. 114
UNMSM
MTODOS NUMRICOS
Demostracin:
Entonces la suma de todas las integrales seria:

( )
Determinacin del
de Simpson de 1/3 compuesta
( )
( )
(
( )
)
( )
Ejemplo:
Por trapecio compuesto con m=5

Sol:
Pg. 115
UNMSM
MTODOS NUMRICOS
f(X)
X0=1
X1=1.2
X2=1.4
X3=1.6
X4=1.8
f0
f1
f2
f3
f4
X5=2
f5
Es igual al ejemplo
del trapecio simple
( )
( )
( )
= 1.436070589 +
Simpson de 1/3 compuesto con m=3
X
X0=1
X1=7/5
X2=8/6
X3=9/6
X4=10/6
X5=11/6
X6=2
(
f(X)
f0
f1
f2
f3
f4
f5
f6=fm
(
( )
Es igual al ejemplo
de Simpson de 1/3
( )
2.493614005 +
Pg. 116
UNMSM
14.2.3.
MTODOS NUMRICOS
Mtodo de Simpson de 3/8 compuesta.

(
( )
(
( )
)
( )
Ejemplo:
( )
Solucin
Sea
( )
( )
Entonces
( )
Determinacin de
Pg. 117
UNMSM
MTODOS NUMRICOS
( )
( )
( )
{ |
( )| |
)| }
( )
( )
( )
( )
Entonces
( )
((
) )
( )
Pg. 118
UNMSM
MTODOS NUMRICOS
15. EXTRAPOLACION DE RICHARDSON- (E.R)

Definicin ER: Consiste en que a partir de dos estimacin (o aproximaciones) de una integral, obtener
una tercera aproximacin (muchas veces la mejor).
Se tiene los siguientes casos:
Para intervalos simples:
ER entre la Regla del trapecio y la 1 formula abierta (Integracin abierta) ambas de precisin uno
porque ( )
Sea
( )
por dos mtodos anteriores se tiene:
Regla Trapecio (RT):
( )
( )
( )
( )
1 Regla Abierta de Newton Cotes:
( )
( )
( )
El valor de la integral I* (generalmente es el mejor).

Que se cumple:
( )
Tomando el cociente de errores
(
(
)
)
( )
( )
Supongamos que:
( )
( )
( )
Pg. 119
UNMSM
MTODOS NUMRICOS
(2) en (1)
(3) en (1)
)
( )
E.R. entre la R. trapecio Simple y la primera formula abierta
FORMULA EXTRAPOLACION -(ER) ENTRE TRAPECIO SIMPLE

Y 1RA FORMULA ABIERTA.
Ejemplo:
( )
Solucin
Sea
( )
( )
Calculando
con
entonces
Pg. 120
UNMSM
MTODOS NUMRICOS
( )
)
Entonces
Calculando
con
entonces
( )
)
Entonces
Luego
Entonces
( )
Ejemplo:
Calcular (
( )
Aplicando: 4 es decir:
= 1 + 1(1) = 2
= 1 + 2(1) = 3
Pg. 121
UNMSM
MTODOS NUMRICOS
( )
f(X)
f1
( )( )
Aplicando (4)
x0
x1
x2
)
( )
E.R. ENTRE LAS FORMULAS DE SIMPSON DE 1/3 Y 3/8 SIMPLE
Se sabe que para Simpson de 1/3 para intervalo simple es:
( )
(
(
Pg. 122
UNMSM
MTODOS NUMRICOS
Y que para Simpson de 3/8 es:
( )
)
(
( )
Sea el siguiente cociente de errores:
(
Si
( )
(2) en (1):
(
( )
(3) en (1):
(
(4)`
Formula De Extrapolacin entre

Simpson de 1/3 y Simpson de 3/8
para Intervalo Simple
Ejemplo:
Aplicando la frmula
(
para hallar:
)
Solucin:
Pg. 123
UNMSM
MTODOS NUMRICOS
( )
(
( )
( )
X0+1h =
(
( )
(
( )
( )
)}
Pg. 124
UNMSM
MTODOS NUMRICOS
(E.R) PARA EL TRAPECIO COMPUESTO
Sea:
( )
Para
aplicaciones de la Regla Del Trapecio Compuesto, anlogamente:
Para
aplicaciones de la Regla Del Trapecio Compuesto tomando el cociente de errores:
)
(
Si:
( )
(2) en (1):
( )
( )
[
( ) ]
( )
(3) en (1):
Para
en (3). Se tiene:
(
( )
(4) en (1)
(
Pg. 125
UNMSM
MTODOS NUMRICOS
Extrapolacin de Richardson (E.R.)

para el Trapecio Compuesto para n1 y
n2.
Ejemplo 1:
)
) y despues cuatro
Calcular (
usando 1 dos aplicaciones (
) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
aplicaciones (
3 aproximacion (que es la mejor).
Solucin:
( )
Se tiene:
y
Para:
Como
( )
1
2
( ))
1
9
2.5
Para:
Como
Pg. 126
UNMSM
MTODOS NUMRICOS
( )
1
1.5
2.5
3
1
4
9
15
25
(
(
))
))
Aplicando:
Ejemplo 2:
Evaluar
igual a la pregunta anterior.
Solucin:
Para:
( )
1
2
1
1/2
1/3
( )
( ))
Pg. 127
UNMSM
MTODOS NUMRICOS
Para:
( )
1
1.5
( )
1
2/3
1/2
2.5
1/3
2.5
3
( )
)
))
( )
E.R. PARA LAS REGLAS DE SIMPSON DE 1/3 COMPUESTO
Sea
( )
(
Donde
Aplicando
donde:
Si
( )
son aproximaciones de
^
aplicaciones de la R. de Simpson de 1/3 compuesto y su cociente de errores,
)
(
( )
)
( )
( )
( )
( )
( )
Pg. 128
UNMSM
MTODOS NUMRICOS
( )
( )
Para:
en ( )
(
( )
( )
( )
(
Extrapolacin de Richardson (E.R.)

entre las reglas de Simpson de 1/3
compuesto para
y
aplicaciones.
( )
Ejemplo (1):
Para :
X
X0=1
X1=2
f(X)
f0
f1
Para :
X
X0=1
X1=1.5
X2=2
f(X)
f0
f1
f2
Pg. 129
UNMSM
MTODOS NUMRICOS
)(
Entonces:
Pg. 130
UNMSM
MTODOS NUMRICOS
16. INTEGRACION DE ROMBERG

Es un mtodo que combina la convergencia de las reglas del Trapecio o Simpson con las tcnicas de
extrapolacin de Richardson para retener una sucesin que converge hacia el verdadero valor de la
integral.
Descripcin de la tcnica de integracin de Romberg
Vamos a introducir la
Trapecio Compuesto para

Para:
, la aproximacion de la integral
( )
utilizando la regla del
; se sugiere la siguiente tabla:
La integracin de Romberg da su respuesta en forma matricial:
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Se sugiere hallar
. .
con la siguiente formula.
()
()
Nos generamos las siguientes sucesiones
Pg. 131
UNMSM
MTODOS NUMRICOS
( )
( ( )
( ))
Obs: Para las dems filas y columnas se sugiere hallar con la siguiente formula
De la segunda columna hacia adelante se calculara con la siguiente frmula:
i = 2, 3, 4,n
j = 2, 3, 4,n
Para la segunda columna se utilizara:
k = 2,3,
Para la tercera columna k=3 ser:
k = 3,4,
Para la cuarta columna k=4 ser:
k = 4,5,
Para la quinta columna k=5 ser:
k = 5,6,
Para la sexta columna k=6 ser:
k = 6,7,
Pg. 132
UNMSM
MTODOS NUMRICOS
Ejercicio 1
Hallar
; con n=6 por Romberg
Solucin:
Tenemos de datos:
a=0
b=0.8
n=6
( )
Realizando la tabla
1
16
32
0.8
0.4
0.2
0.1
0.05
0.025
Hallamos la primera fila y columna
( )
( )
Cuando K = 1
[ ( )
( )
)]
( )
( )
(
Calculando la primera columna y dems filas.

Pg. 133
UNMSM
MTODOS NUMRICOS
Cuando K = 2
)]
)]
)]
)]
)]
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA SEGUNDA COLUMNA:
Cuando K = 2
Cuando K = 3
Cuando K = 4
Pg. 134
UNMSM
MTODOS NUMRICOS
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA TERCERA COLUMNA:
Cuando K = 3
Cuando K = 4
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA CUARTA COLUMNA:
Cuando K = 4
Pg. 135
UNMSM
MTODOS NUMRICOS
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA QUINTA COLUMNA:
Cuando K = 5
Cuando K = 6
PARA LOS VALORES DE LA SEXTA COLUMNA:
Cuando K = 6
LA MATRIZ FINAL SER:

0.712173
0.594777
0.55545
0.564899
0.554939
0.554891
0.557395
0.554889
0.554889
0.554888
0.555517
0.554890
0.554890
0.554890
0.554890
0.555047
0.554890
0.554889
0.554889
0.554889
0.554889
Pg. 136
UNMSM
MTODOS NUMRICOS
17.
SOLUCIN NUMRICA DE ECUACIONES
DIFERENCIALES ORDINARIAS CON VALOR INICIAL.
I) De un solo paso:
Dada la Ecuacin Diferencial Ordinaria:
) /
Con la condicin inicial:
( )
a) Mtodo de Euler:
Es de la forma:
Observacin:
Euler es un caso particular de Taylor de orden 1.
Ejemplos resueltos:
1 forma de pregunta
1) Dado:
Con:
( )
Hallar: (
Pg. 137
UNMSM
MTODOS NUMRICOS
Solucin:
Como:
Entonces:
Para i=0 ,
Donde:
(
( )
Luego:
( )
Donde:
Reemplazando en ( ):
)( )( )( )
Pg. 138
UNMSM
MTODOS NUMRICOS
2 forma de pregunta
2) Dado:
Con:
( )
Hallar: (
) para
, con n=4
Solucin:
Como:
0
1.25 1.5
(
Para i=0, con (
Para i=1, con (
Para i=2, con (
1.75
Pg. 139
UNMSM
MTODOS NUMRICOS
Para i=3, con (
Para i=4, con (
Ejemplo :
(a)
( )
Hallar (
)
Solucin
( )
entonces
Sea
entonces
entonces
Formula
i=0
(
calcular
entonces
( )
entonces
(b)
( )
Pg. 140
UNMSM
En
MTODOS NUMRICOS
con
Solucin
( )
entonces
entonces
entonces
i=0
(
)
entonces
(
( )
entonces
i=1
(
)
entonces
(
entonces
i=2
(
)
entonces
(
entonces
b) Mtodo de Taylor de orden K:

Es de la siguiente forma:
( )
Pg. 141
UNMSM
MTODOS NUMRICOS
( )
( )
( )
( )
( )
( )
Donde:
El error local es de la forma:
(
( )
Ejemplos resueltos:
1 forma de pregunta
Dado:
( )
Con:
( )
Por Taylor de orden 3 hallar: (
Solucin:
Como:
Y de (
) se sabe que:
Luego, Taylor de orden 3 es de la forma:
Para i=0 con (
Se requiere hallar:
( )
( )
Pg. 142
UNMSM
MTODOS NUMRICOS
Derivando ( )
( )
( )
( )( )
Derivando ( )
(
(( )( )
( )( ))
Por ltimo, reemplazando:

)( )
) ( )
) ( )
2 forma de pregunta
Dado:
( )
Con:
( )
Por Taylor de orden 3 en el segmento
con n=2, hallar: (
Solucin:
Pg. 143
UNMSM
MTODOS NUMRICOS
Como:
Determinamos los puntos:
Para i=0 con (
(Resuelto anteriormente)
Para i=1 con (
Se requiere hallar:
De ( )
( )
Derivando ( ):
( )
)(
Pg. 144
UNMSM
MTODOS NUMRICOS
Derivando ( )
(
)
)(
((
)(
))
Luego, reemplazando:
Para i=2 con (
)(
) (
) (
Se requiere hallar:
De ( )
( )
Derivando ( ):
( )
( )
)(
Derivando ( )
Pg. 145
UNMSM
MTODOS NUMRICOS
)
)(
((
)(
))
Luego, reemplazando:
)(
) (
) (
Mtodo Runge Kutta de Orden 4 ( RK4 )

(
De
(
) con
( )
, el mtodo RK4 es con
Donde
Ejemplo 1
Dado
( )
Solucin
( )
(
entonces
)
entonces
Pg. 146
UNMSM
MTODOS NUMRICOS
entonces
i=0
(
con
(
)
(
)
entonces
Ejemplo 2
Dado
( )
Solucin
entonces
( )
(
entonces
entonces
)
i=0
(
con
(
)
(
Pg. 147
UNMSM
MTODOS NUMRICOS
entonces
i=1
(
)
(
con
)
)
entonces
i=2
(
)
(
con
)
)
)
entonces
Pg. 148
UNMSM
MTODOS NUMRICOS
18. DIFERENCIA
NUMERICA
Aproximaciones a la Derivada
Generacin de Formulas de Diferenciacin Numrica
Primera y Segunda Derivada Aplicando los Mtodos de Newton Progresivo y

Regresivo y Mtodos Centrales.
Diferenciacin numrica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:
(
) , (
) ,, (
) continua y diferenciable en
El problema de la Diferenciacin Numrica es que dado un valor
hallar el valor
tal que
( )
, donde:
Sea
entonces
(
.
se desea
Entonces en general
( )
Pg. 149
UNMSM
MTODOS NUMRICOS
18.1. Para Newton Progresivo ( NP )

Que se utiliza al principio de la tabla. De la frmula de Interpolacin de NP siguiente.
(
)(
)
(
)(
)(
)(
)(
)(
)
)
Formula 1
[
Formula 2
Si
P = 0 en formula 1
Formula 3
Formula 4
Formula 5
Formula 6
Pg. 150
UNMSM
MTODOS NUMRICOS
18.2. Para Newton Regresivo ( NR )

Que se utiliza al final de la tabla. De la frmula de Interpolacin de NR siguiente.
(
)(
)
(
)(
)(
)(
)(
)(
Formula 7
(
[
Formula 8
Si
P = 0 en formula 1
Formula 9
Formula 10
Formula 11
Formula 12
Pg. 151
UNMSM
MTODOS NUMRICOS
Ejemplo: En la siguiente tabla determinar (a)

X
0.00
0.05
0.10
0.15
0.20
0.25
f(X)
1.0000
1.0513
1.1052
1.1618
1.2214
1.2840
y (b)
) por NP
513
539
566
596
626
26
27
30
30
1
3
0
Solucin(a):
[
Solucin (b)
es una derivada que esta al principio de la tabla se emplea la formula de Newton

Progresivo, como XP= . 55 es un punto intermedio XP [ . 5, .1 ], X0=0.05. Se halla
su valor de P de:
.
(
H=0.05
f0
X0
0.05 1.0513
i
(
[
)
f0
539
)
2f0
27
)(
3f0
3
]
[
](
)]
Ejemplo de la Frmula Newton Regresivo

Hallar(a) (
) y (b) (
Solucin (a)
Pg. 152
UNMSM
Para P = 0 y |
MTODOS NUMRICOS
se utiliza
porque X0 = 0.25 en la tabla
de NR
(
Solucion(b)
](
](
)]
FRMULA DE DIFERENCIACIN DE BESSEL
)
(
i
(
)(
Si XP es un punto tabulado XP=X0 P=0

[
Pg. 153
UNMSM
MTODOS NUMRICOS
FRMULA DE DIFERENCIACIN DE STIRLING

(
[ (
(
(
)(
( )
)(
En XP = X0 P = 0
(
Ejemplo 3: Hallar(a)
),
(b)
Solucin(a)
(
)
( )
Como 0.10 [0.10, 0.15]
u
(
(i)
|
]
li
i li
i li
u
i
(i)
En la tabla se tiene:
Pg. 154
UNMSM
MTODOS NUMRICOS
(
)
(
Solucin (b)
(
(i)
(
( )(
(i)
)(
Pg. 155
UNMSM
MTODOS NUMRICOS
19. PREDICTOR CORRECTOR

Como su nombre lo indica
se predice un valor
, despus se usa una formula diferente para
corregir este valor.
Los mtodos Predictor-Corrector hallar el valor del pto(
) utiliza informacin del
pto(
) y sus precedentes donde cada pto precedente indica un paso, de aqu su nombre como
mtodo de mltiples pasos. A diferencia de los mtodos de Runge-Kuta, Taylor, Euler, que son
mtodos de un solo paso (Para
utiliza la informacin de )
Ejemplo:
Usando el mtodo predictor corrector
Predictor:
Corrector:
Con h=0.5, hallar
( )
sabiendo que satisface:
Solucin:
(
Y h=0.5
Por condicin del problema.

(
)
( )
Para aplicar el predictor corrector, se necesita hallar

(puede ser Taylor, o RK), Sea RK-4.
(
(
( )
(
)
orden
por un mtodo no menor de
( ))
)(
( )(
(
(
)(
)(
)
))
Pg. 156
UNMSM
(
MTODOS NUMRICOS
)(
))
)(
)
( )
)(
)(
Aplicando el predictor:
( )
)(
( )
( )
( )(
Aplicando el corrector:
(
( )
( )
)
(
este es el corrector
Pg. 157
UNMSM
MTODOS NUMRICOS
20. ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR

Una ecuacin diferencial ordinaria de orden n se puede transformar en un sistema de EDO de orden
1.
As se tiene una EDO de orden n:
( )
con las condiciones iniciales
( )
n condiciones iniciales
Sea las sgtes transformaciones
.
(
Se tiene
.
(
Sea
( )=
( )
( )
( )
( )
( )
( )
( )
Ejemplo 1: La Sgte. EDO de

Con
( )
( )
orden
( )
Como un conjunto de ecuaciones de
orden
Solucin: De
Sea
( )
( )
( )
( )
( )
( )
Pg. 158
UNMSM
La EDO de
MTODOS NUMRICOS
orden se expresa como un conjunto de 3 ecuaciones de
orden sgte:
Matricialmente se tiene:
=
Con las Sgts. condiciones iniciales

( )
( )
( )
( )
Ejemplo 2:
Dado
con
( )
( )
Expresar como un sistema de EDO de
( )
( )
orden
Solucin
Sea
El sistema de EDO de
( )
( )
orden es:
( )
( )
Matricialmente
Pg. 159
UNMSM
=
MTODOS NUMRICOS
( )
,i=0,1,2
( )
( )
( )
Sea
( )
( )
( )
( )
( )
( )
Pg. 160
UNMSM
MTODOS NUMRICOS
CONCLUSIONES
Ventajas y desventajas de los mtodos iterativos comparados con los mtodos directos
Ventajas:
Probablemente son ms eficientes que los mtodos directos para sistemas de orden
muy alto.
Ms simples de programar.
Pueden aprovecharse una aproximacin a la solucin, si tal aproximacin existe.
Se obtiene fcilmente bajo aproximaciones burdas de la solucin.
Son menos sensibles a los errores de redondeo (valiosos en sistemas mal
condicionados).
Se requiere menos memoria de maquina. Generalmente, las necesidades de
memoria son proporcionales al orden de la matriz.
Desventajas:
Si se tiene varios sistemas que comparten la matriz coeficiente, esto no representara
ahorro de clculos ni tiempo de maquina, ya que por cada vector a la derecha de A
tendr que aplicarse el mtodo seleccionado.
Aun cuando la convergencia este asegurada, puede ser lenta y, por; lo tanto, los
clculos requeridos para obtener una solucin particular no son predecibles.
El tiempo de maquina y la exactitud del resultado dependen del criterio de
convergencia.
Si la convergencia es lenta, los resultados deben interpretarse con cautela.
No se tiene ventaja particular alguna (tiempo de maquina por iteracin) si la matriz
coeficiente es simtrica.
No se obtiene la inversa de A ni el determinante de A.
Pg. 161

Polino - Metodos Numericos

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Polino - Metodos Numericos

Загружено:

Авторское право:

Доступные форматы

UNMSM

FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA

Alumno: Rojas Polino Jos.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

INTRODUCCIN A LA TEORA DE VALOR .............................................................. 5

TEOREMA DE BOLZANO (TB) ................................................................................... 10

MTODO DE BISECCIN ............................................................................................ 11

Mtodo de Regula Falsi o Mtodo de Falsa Posicin ...................................................... 16

MTODO DE LA SECANTE ......................................................................................... 20

6. MTODO DE PUNTO FIJO O MTODO DE APROXIMACIONES

MTODO DE NEWTON RAPHSON .............................................................................. 27

SISTEMAS DE ECUACIONES NO LINEALES EN DOS VARIABLES ............................... 30

Algoritmo del Punto Fijo en dos variables : ........................................................... 30

Algoritmo de Newton Rapson ( N.R ) en dos variables :.................................... 35

METODOS DIRECTOS DE SISTEMAS DE ECUACIONES LIENALES ............................. 40

METODO DE CROUT - DOOLITLE ........................................................................... 40

METODO DE CHOLESKY .......................................................................................... 43

MTODO TRIDIAGONAL PARA SISTEMAS DE ECUACIONES LINEALES. ............... 47

MTODO PENTADIAGONAL PARA SISTEMAS DE ECUACIONES LINEALES. ......... 55

SOLUCION ITERATIVA DE SISTEMAS DE ECUACIONES LINEALES ........................ 65

METODO DE JACOBI ............................................................................................. 65

METODO DE GAUSS- SEIDEL ............................................................................... 74

INTERPOLACIN DIRECTA LINEAL .................................................................. 88

INTERPOLACION DIRECTA CENTRAL ................................................................ 93

Interpolacin de Stirling ............................................................................... 93

Interpolacin Inversa No Lineal ( IINL ) ...................................................... 97

Interpolacin Inversa No Lineal de tercer orden ............................................ 99

INTEGRACIN NUMERICA ........................................................................................ 110

Para intervalos Simples ..................................................................................... 110

Mtodo del trapecio .................................................................................... 110

Mtodo de Simpson de 1/3 ........................................................................ 110

Mtodo de Simpson de 3/8 ........................................................................ 111

Integracin Numrica para intervalos compuestos ........................................ 114

Mtodo del trapecio compuesto ................................................................ 114

Mtodo de Simpson de 1/3 compuesta. .................................................... 114

Mtodo de Simpson de 3/8 compuesta. .................................................... 117

EXTRAPOLACION DE RICHARDSON- (E.R) ............................................................. 119

INTEGRACION DE ROMBERG ................................................................................... 131

17. SOLUCIN NUMRICA DE ECUACIONES DIFERENCIALES ORDINARIAS CON

DIFERENCIA NUMERICA ........................................................................................... 149

Para Newton Progresivo ( NP ) ............................................................................ 150

Para Newton Regresivo ( NR ) ............................................................................ 151

PREDICTOR CORRECTOR....................................................................................... 156

ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR .......................................... 158

CONCLUSIONES .................................................................................................................... 161

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

1. INTRODUCCIN A LA TEORA DE VALOR

Definicin de cifras significativas

Son valores o nmeros diferentes de cero.

El cero no ser considerado cifra significativa si est en el extremo.

Descomposicin polinmica de un nmero.

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Orden de la descomposicin polinmica

Cifra significativa exacta

Cifras decimales exactas

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Cifra significativa exacta

Cifras decimales exactas

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

Cifra significativa exacta

Cifras decimales exactas

PROFESOR: LUCIO AVILIO MALASQUEZ RUIZ

2. TEOREMA DE BOLZANO (TB)