*

FACULTAD DE CIENCIAS
MATEMATICAS

METODOS
NUMERICOS I-II
PROF:LUCIO AVILIO MALASQUEZ RUIZ.

ERROR ABSOLUTO ( )
Es la diferencia entre un valor exacto y una d 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.
Ahora sea:
P = ln(5)
Entonces:
P= ln(5) = 1.609437912

Y sea sus siguientes

aproximaciones:
P1 = 1.60123456
P2 = 1.609413131
P3 = 1.6094372

DEFINICION DE CIFRAS SIGNIFICATIVAS

EXACTAS:
Se define por la siguiente relacin:
= 0.5 10+1 ; Donde:
m=es la descomposicin polinmica.
n= numero de cifras significativas exactas.

DEFINICION DE CIFRAS DECIMALES EXACTAS:

Se define por la siguiente relacin:
= 0.5 10 ; Donde:
t=numero de cifras decimales exactas.
Ahora sea:
P = ln(5)
Entonces:
P= ln(5) = 1.609437912
Y sea sus siguientes aproximaciones:
P1 = 1.60123456
P2 = 1.609413131
P3 = 1.6094372

Donde: m = 0
Ahora hallamos sus Ea de cada uno.
Ea1 = | p p | = 0.008203 = 0.008 = 0.8x10 = 0.001 = 0.1x10
Ea = |p - p | = 0.000025 = 0.00003 = 0.3x10
Ea = |p - p | = 0.0000012 = 0.00001 = 0.1x10

Ahora hallaremos el nmero de cifras significativas exactas:

Para p:
0.1x10 0.5x10
-2 = -n+1
n = 3 ---> p tiene 3 cifras significativas exactas.

Ahora hallaremos el nmero de cifras decimales exactos:

Para p:
0.1x10 0.5x10
K=2
Entonces p tiene 2 cifras decimales exactas.
Para p:
0.3x10 0.5x10
K=4
Entonces p tiene 4 cifras decimales exactas.
Para p:
0.1x10 0.5x10
K=5
Entonces p tiene 5 cifras decimales exactas.

TEOREMA DE BOLZANO (TB)

Sea la ecuacin no lineal f(x) =0;
Donde f(x) es funcin no trascendente (trigonomtrica, exponencial, logartmica o
polinomial), [, ]
Si ()() < 0, < , >/. ( ) 0

Aplicacin del Teorema de Bolzano:

Sea f(x) = x.cos(x) 1
x

f(x)

-2

-1

Como f(1).f(2) < 0 ---> existe x* que pertenece a [1,2]

LOCALIZACIN DEL INTERVALO

DONDE EXISTE LA RAZ

POR MTODO GRAFICO

POR MTODO GRAFICO

Paso 4: Proyectar hacia el

eje x, los puntos de
interseccin de

MTODO DE BISECCIN
Dado la ecuacin no lineal f(x) = 0 /. Existe la raz X*
[a, b] por T.B.
El mtodo de biseccin consiste en hallar el promedio
simple de cada intervalo

EJEMPLO

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 --> X*. El mtodo de R.F. determina el
promedio ponderado de los intervalos --> X*.

Caso contrario ir al P- 2

Ejemplo

MTODO DE PUNTO FIJO O MTODO DE

APROXIMACIONES
SUCESIVAS

EJEMPLO

MTODO DE LA SECANTE

EJEMPLO

MTODO DE NEWTON RAPHSON

El Mtodo de Newton-Raphson es ampliamente utilizado para
encontrar las races de la ecuacin f(x)=0, ya que converge
rpidamente, la contra es que uno debe conocer la derivada
de f(x) y se necesita una aproximacin inicial muy cercana a la
raz.
Se requiere que f(x) sea doblemente continua y diferenciable
en [a,b].

Ejemplo:

Sea f(x)=-3x ; donde x* [0,1]

Primero analizamos su convergencia:

Ejemplo aplicativo

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

a) Interpolacin inversa.- consiste en que dado el valor de la

imagen fP se desea hallar el valor XP que genera dicha
imagen.

1.- INTERPOLACIN DIRECTA LINEAL

XP = valor a interpretar

FP = f (XP) imagen de XP
F(X)

(X1,f1)
(X0,f0)
(XP,fP)

Xo

XP
n

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 .

1) Interpolacin Directa de Newton Progresivo(IDNP)

Se utiliza cuando se desea interpolar un valor xp dado al principio de la tabla o 1er sector
de la tabla.
Utiliza la siguiente frmula.

= 0 + P0 +
P P1)(P(n1)
n!

P(P1)
2!

2 0 +

P P1 (P2)
3!

3 0 + +

n 0

Donde P=xp -x0 h , xpx0, x1 , P <0,1>

Utiliza la siguiente Tabla de omisin de Trminos (T.0.T)
2
Newton Progresivo
Newton Regresivo

3
8

4
12

5
16

Observacin:
Si |2 |<4 Se tiene Inter. Directa Lineal y se utiliza la frmula de N.P.
hasta la 1 Diferencia, o sea; = 0 +0 .
Si |3 |<8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la
frmula de N.P. hasta la 2 Diferencia, o sea; = 0 +0 +
P(P1) 2
0
2!

Si |4 |<12 Se utiliza IDNL y en la formula de NP se utiliza hasta la

3 diferencia, osea
= 0 +0 +

P(P1) 2
P P1 (P2) 3
0 +
0 .
2!
3!

(4) Tanto en (1),(2) y (3) solo se considera las cifras significativas.

2) Interpolacin de Newton Regresivo (NR)

Se utiliza cuando se quiere interpolar un valor en la parte final de
la tabla. Su frmula es

= 0 + P0 +

P(P+1)

2 0 +

2!
P P+1)(P+(n1)
n!

P P+1 (P+2)
3!

3 0 + +

n 0

Donde < 1,0 > = ,1 , 0 -

Interpolacin
Directa Central

Interpolacin de Stirling

Interpolacin de Bessel

Interpolacin de Everett

Ejemplo

INTERPOLACIN
PARA EL CASO DE
DATOS NO
EQUIDISTANTES

POLINOMIO DE APROXIMACIN DE LAGRANGE

Sean

(X0, f0), (X1, f1),, (Xn,fn)

(n+1) ptos

Entonces existe un polinomio de grado 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)...(XXn-1)

OBS: en el primer termino falta (X-X0) , en el 2 termino (X-X1), y asi

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)

a0=
Si X = X1

f(o)
X0X1 X0X2 X0X3 (X0Xn)

; f(X1)= a1(X1-X0)(X1-X2)..(X1-Xn)

a1=

f(1)
X1X0 X1X2 X1X3 (X1Xn)

.
.

.
Si X = Xn

; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)..(Xn-Xn-1)

an=

f(n)
XnX1 XnX2 XnX3 (XnXn1)

TEOREMA.- Sean

(X0, f0), (X1, f1),,

(Xn,fn) para los puntos (n+1) y adems
(X0<X1<X2<<Xn)
Entonces existe un nico polinomio de grado
que pasa por dichos puntos.

INTERPOLACIN Y
APROXIMACIN DE
LAGRANGE

Polinomio de Lagrange

Resolver un polinomio de Lagrange

Ejemplo

METODOS DIRECTOS DE
SISTEMAS DE
ECUACIONES LIENALES

FACTORIZACIN MATRICIAL LU
(Mtodo 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.

PRIMER METODO DIRECTO:

MTODO CROUT-DOOLITLE.

Ejemplo

SEGUNDO METODO DIRECTO

METODO DE CHOLESKY
Resolver por mtodo de Cholesky

Ejemplo

MTODO TRIDIAGONAL
PARA SISTEMAS DE
ECUACIONES LINEALES.

SISTEMA DE ECUACIN

ALGORITMO TRIDIAGONAL

EJEMPLO

MTODO PENTADIAGONAL
PARA
SISTEMAS DE
ECUACIONES LINEALES

1
2

1
2

Ec (1)
Ec (2)

Ec (n)

Algoritmo Pentadiagonal

P-1 Dado el sistema Ax=b , expresarlo en la forma A =b y definir 1 =C 2 =D

Donde C D son constantes arbitrarias.

P-2 De Ec (1) despejar 3

De Ec (2) despejar 4

De Ec (n-2) despejar
De Ec (n-1) despejar +1
De Ec (n) despejar +2
Como no existe +1 se hace lo siguiente :
1,2 2 + 1,1 1 = 1 + 1

Como no existe +2 se hace lo siguiente :

,1 1 + , = + 2

Donde =

1
es un vector residual.
2

Si = 0 1 = (1 , 2 , , ) es solucin del sistema A.x = b

Si 0 1 . 1 = +

P-3 : La primera solucin homognea del sistema A.x = b se debe expresar como

= , ; luego definir 1 = 2 = en la cual se

considera C y D como constantes arbitrarias, finalmente se procede similar al paso
anterior (P-2) llegando a la siguiente solucin
1,2 2 + 1,1 1 = + 1
1
,1 1 + , = + 2 en donde = . / es un vector residual.
2

Si = 0 2 = (1 , 2 , , ) es solucin del sistema A.x = b

Si 0 2 . 2 = +

P-4 : La segunda solucin homognea del sistema A.x = b se debe expresar como
= , ; luego definir 1 = 2 = en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso P-2
llegando a la siguiente solucin.

 1, 2 2 + 1, 1 1 = + 1
, 1 1 + , = + 2 en donde =

Si = 0 3 = 1 , 2 , ,

1
2

es un vector residual.

es solucin del sistema A.x = b

Si 0 3 . 3 = +
P-5

: Finalmente se llegar al siguiente sistema

. 1 = + (1)
. 2 = +

(2)

. 3 = + .(3)

Luego hacemos (1) (2) (3) y se llega a lo siguiente

A (1 (2) (3)) = + ( )

Se busca luego una solucin en donde R = / = 1 2 3

Entonces la solucin del sistema A.x = b estar dado por

Ejemplo
Resolver el siguiente sistema pentadiagonal

21+ 32+ 3

= 8 Ec(1)

31+ 22 + 43 + 4

= 15 Ec(2)

1+ 42 + 3 + 44 + 25

= 13 Ec(2)

2 + 43 + 24 + 5

= 19 EC(4)

23 + 4 + 7 5

= 15 EC(5)

PASO DEL ALGORITMO

P-1: Expresar el sistema como A. = b

21 + 32 + 3

= 8 Ec(1)

31 + 22 + 43 + 4

= 15 Ec(2)

1 + 42 + 3 + 44 + 25

= 13 Ec(3)

2 + 43 + 24 + 5

= 19 Ec(4)

23 + 4 + 75

= 15 Ec(5)

Sea 1 = 0

2 = 1

cte arbitrario

P-2:
DE Ec(1) despejar 3 3 = 5
pues 0 + 3(1) + 3 = 8
DE Ec(2) despejar 4 4 = 7
pues 0 + 2(1) +4(8) + 4 = 15
DE Ec(3) despejar 5 5 = 16
pues 0 + 4(1) + 5 + 4(7) + 25 = 13

DE Ec(4) despejar 6 ; como 6 , hacemos lo sgte. :

2 + 43 + 24 + 5 = 19 + 1

1 + 4(5) + 2(7) + 16 = 19 + 1 1 = 45
De la Ec(5) despejar 7 ; como 7 hacemos
23 + 4 + 75 = 15 + 2
2(5) + (7) +7(16) = 15 + 2 2 = 100

R=

45
100

, como R 0; A. 1 = b + R

Se tiene:

1 =

1
2
3
4
5

0
1
5
7
16

1 = 1 , 2 , 3 , 4 , 5

P-3:
Primera solucin homognea del sistema A.x = b, expresarlo
Como A.=
21 + 32 + 3

= 0 Ec(1)

31 + 22 + 43 + 4

= 0 Ec(2)

1 + 42 + 3 + 44 + 25

= 0 Ec(3)

2 + 43 + 24 + 5

= 0 Ec(4)

23 + 4 + 75

= 0 Ec(5)

Sea 1 = 10 2 = 20
De Ec(1) despejar 3 ; 3 = 80

pues 2(10) + 3(29) + 3 = 0

De Ec(2) despejar 4 ; 4 = 250

2 =

pues 3(10) +2(20) + 4(8) + 4 = 0

De Ec(3) despejar 5 ; 5 = 505
pues 10 + 4(20) + (80) + 4(250) + 25 =0
De Ec(3) despejar 6 ; como 6 hacemos
2 + 43 + 24 + 5 = 0 + 1

20 + 4(80) + 2(250) + (505) = 0 + 1 ; 1 = 1445

De Ec(5) despejar 7 ; como 7 hacemos
23 + 4 + 75 = 0 + 2 ; 2 = 3445
S=

1445
3445
2(80)+ (250) + 7(505)= 0 + 2 = 0

10
20
80
250
505

P-4: Segunda solucin homognea del sistema A.x = b

expresar A.= 0
21+ 32+ 3

= 0 Ec(1)

31+ 22+ 43+ 4

= 0 Ec(2)

1 + 42 + 3 +4 4 + 25 = 0 Ec(3)
2 + 43 +24 + 5 = 0 Ec(4)

23+ 4+ 75 = 0 Ec(5)
Sea 1 = 20 2 = 10
De Ec(1) despejar 3; 3= 70

pues 2(20) + 3(10) + 3 = 0

De Ec(2) despejar 4 4 = 200
31 + 22 + 43 + 4 = 0
3(20) + 2(10) + 4(70) + 4 = 0
De Ec(3) despejar 5 5 = 395
1 + 42 +3 + 44 + 25 = 0

20 + 4(10) + (70)+ 4(200) + 25 = 0

De Ec(4) despejar 6 como 6 , hacemos

2 + 43 +24 + 5 = 0 + 1 1 = 1925

10 + 4(70) +2(200) + 395 = 0 + 1

De Ec(5) despejar 7 ; como 7

23 + 4 +75 = 0 + 2
1

T = .1 /=
2

1995
2705

; 3 = 3
4
5

A.3 = + T

P-5: Y se llega a lo siguiente

A.1 = b + R
A.2 = 0 + S
A.3 = 0 + T

20
10
= 70
200
395

45
/
100

R = 0

R= .

1445
/
3445

+ = R

S=.

/+ .
/= .
/

1445 + 1925 = 45

3445 2705 = 100

T=.

= 0.025992507
= 0.003865364

X = 1 2 3

X=

1
2
3
4
5

0
1
5
7
16

+ 0.025992507

10
20
80
+ 0.003865364
250
505

20
10
70
200
395

1
0.33723235
2
1.55850378

2.65002396
X= 3 =
4
0.27119955
1.34696518
5

Comprobacin :

Ec(1)

21 + 32 + 3 = 8

0.6744647 + 4.67551134 + 2.65002396 = 8

8

8 Cumple!!!

Y tambien cumple todas las ecuaciones

NORMA DE UNA MATRIZ

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

()
( )
1
( )
( )

>0
=

= 0,

=0

,
+

1 =

Principales Normas

-Norma

-Norma l,
-Norma k,

Norma
=
=

2
,

Ejemplo
Sea =

1 2 3
4
5 6
7
8 9

= max* 1 + 2 + 3,4 + 5 + 6,7 + 8 + 9+ = max*6,15,24+ = 24

= max* 1 + 4 + 7, 2 + 5 + 8,3 + 6 + 9+ = max*12,15,18+ = 18

(1)2 + (2)2 + 32 +. . +82 + 92 =

1
2
Para el vector X = :
.

285 = 16.9

= max* +

= 1 + 2 +. . +| |
=

|1 |2 + |2 |2 + |3 |2

SOLUCION ITERATIVA DE
SISTEMAS DE
ECUACIONES LINEALES

PRIMER METODO:
METODO DE JACOBI
Dado el sistema AX=b (1)
Despejamos X de la ecuacin 1 obteniendo un sistema equivalente de la forma: X = + X (2)
De la siguiente manera.

Ec.(1) a11X1+a12X2+ .. +a1mXm = b1

Ec.(1) a21X1+a22X2+ .. +a2mXm = b2
Ec.(1) a31X1+a32X2+ .. +a3mXm = b3
.
.
.
Ec.(1) am1X1+am2X2+ ..
+ammXm = b1

11

Donde:

A=

b = y si aii
0

X=

Despejamos X; de la Ec. (i);

i=1,2,3, . ,m

X = + i-1X

X1 =
X2 =

1
11
2
22

12

21

11
22

13

23

.
.
.

11
22

1m

2m

11
22

m
m

. (2)

Donde:

= (1,2, ,m)t

= bi/aii ; aii 0 ;

= ij = -aij/aii

0
21

12
0

1
2

El sistema (2) anterior se puede expresar en la siguiente forma X = + X

0 12
1
1
= + 21 0
m
m
m1 m2

1m
1
2m

m
0

(2)

El Sistema (2) sugiere Jacobi la siguiente relacin de recurrencia

X(k+1) = + X(k) ,

k=0,1,2,

.. (3)

X(k) = + X(k-1),

k=1,2,

De la relacin (3) se obtiene la sucesin {Xk}k=0 tomando como vaor inicial X(0) arbitrario, que
generalmente X(0)=0 X(0)= =1
Obs.

X(k+1) = (X1(k+1),X2(k+1), , Xm(k+1))t

X(0) = (X1(0),X2(0), , Xm(0))t

ALGORITMO DE JACOBI
P-1

Dado el Sistema Ax = b (1)

Expresarlo en el sistema equivalente X = + x (2)

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)

k=0,1,2, . .

k=1,2,

X(k) = + X(k-1)
P-3

Dejar de iterar si

(|| X(k) X(k-1) || )/ || X(k) || <= = 10-m

C.C. ir al P-2

NOTACIN MATRICIAL DEL

MTODO DE JACOBI
Sea el sistema Ax = b
Donde:

A=
11

12

21

22

1
2

La matriz A se le puede descomponer en la forma A = D +L + U, donde

11

0
0

22

Matriz Diagonal

0
0

0
=

21

0
0

Matriz Triangular inferior

1)

0
0

0
= 0
0

12

0
0

Matriz Triangular superior

As el sistema Ax = b 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

= D-1b

Si el mtodo de Jacobi es

X = + X

= -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

EJEMPLO
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
{x (x) } X*

Si |||| < = 1

.. (i)

Observacin
Para que se cumpla (i)
Es necesario que A del sistema original Ax = b sea diagonalmente dominante, es decir
aii >= |aij| de su fila y de su columna
As: a11 = 20 > = 0 + 5 de su fila
a11 = 20 > = 1 +1 de su columna
a22 = 20 > = 1 + 2 de su fila
a22 = 20 > = 0 + 9 de su columna
Igual para a33

x1 =
x2 =
x3 =

2
20

+0+0-

20
6

20

1
20
1
20

5
20

3
2

1 + 0 1 -

9
20

20

2 + 0

. . .
x = +

0
=

1
20
1
20

0 20
0

2
20

20 0

0
0 0.2
= 0.05 0 0.1
0.05 0.45 0
5

|| || = mx{ 0 + 0 + | 20 | , | 20 | + 0 + | 20 | , | 20 | + | 20 | + 0 }
|| || = mx{0.25, 0.15, 0.5 }
|| || = 0.5 < = 1
{

} x* por jacobi

por jacobi obtener una solucin con =

Si la relacin de jacobi es

=+

, k = 0, 1,2

Para k = 0
Interaccin inicial
=+

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

=+

..

....

k =3
=+

Tercera iteracin

..

....

Verificamos si se llego a la solucin

=
=
= x* con <

= 0.03289625 < =

SEGUNDO METODO:
METODO DE GAUSS- SEIDEL
Tambin determina la solucin del sistema = iterativamente.
De la relacin matricial del sistema = :
( + + ) = + + =
= = 1 + (1 ) + (1 ) ()
De () se obtiene la relacin matricial de G-S , siguiente:
( +1)

+ (

( +1)

+ (

( )

Observacin:
*Si = 1 ( + )

1
1

*La relacin () se puede obtener al igual que Jacobi del sistema = , de la ecuacin
despejar la variable , para obtener la Matriz .

ALGORITMO DEL MTODO DE GAUSS-SEIDEL:

Paso1: Dado el sistema = obtener su sistema = + .

Paso 2: Para un punto inicial arbitrario (0) generar la sucesin () () mediante la
siguiente relacin:
(+1) = 1 + (1 ) (+1) + (1 ) () ; = 0, 1, 2,
Paso 3: Dejar de iterar si

( ) (1 )
()

= 10 ; caso contrario ir al paso 2.

Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:
<1

8) ()

EJEMPLO
1) Dados:

10
2
1

3
10
3

1
14
0
3 , = 5 , (0) = 0
10
14
0

Resuelva el sistema Ax = b por el mtodo de Gauss-Seidel.

Solucin:
Utilizando Gauss-Seidel:

( +1) = 1 + (1 ) ( ) + (1 ) ( )
Operando obtenemos la secuencia:

(1)

7/5
39/50
=
513/500

(3)

0.995104
= 0.995276
1.00191

(5)

0.999792
= 0.999848
1.00007

1.0634
1.02048
0.987516

(2) =

(4)

1.00123
= 1.00082
0.999632

(0)

1.00004
= 1.00003
0.999988

Claramente converge a la solucin exacta (1, 1, 1) .

La tasa de convergencia del mtodo de Gauss-Seidel viene dada por la norma de:
0
= ( + )1 = 0
0
Cuyas normas son:

1=

227/500 = 0.454 y

3/10
3/50
6/125

1/10
7/25
37/500

= 2/5 = 0.4.

2) Considere el siguiente sistema de ecuaciones:

3 2 1
1
= 2 3 1 , = 2
1 1 3
3
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 105 .

Solucin:
El mtodo de Gauss-Seidel es aplicable porque por que la matriz es simtrica definida
positiva. Dos iteraciones conducen a:
(0) = (0 0 0)
(1) = (1/3 4/9 20/27)
(2) = (17/81 136/246 644/729)
Y la tasa de convergencia numrica la podemos calcular como (en norma infinito)
(2)
46
=
= 0.24
189
(1)
Que se parece poco a la tasa de convergencia exacta:
(( + )1 ) = 0.413
NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
(10)
= 0.413
(9)
Para alcanzar (en norma infinito) un error absoluto menor que 105 se requieren 13
iteraciones.

DIFERENCIA NUMERICA

Diferenciacin numrica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:
(X0, f0), (X1, f1), (Xn, fn) continua y diferenciable en [X0, Xn]. El problema de la
Diferenciacin Numrica es que dado un valor Xp [X0, Xn] se desea hallar el valor tal que
( ) = , donde:
P=

X p X 0
h

(i)

X p = X 0 + Ph
f X p = fp f(X 0 + Ph)
dfp
dfp dp
dfp 1
f Xp =
=

dX p dp dX p dp h

f p=

1
h

df p
dp

. (ii)

Frmula de Newton Progresivo (N P):

Si

Xp = X0 en (i) P = 0

frmula de NP es:
fp = f0 + Pf0 +

P(P1)2 f 0
2!

P (P1)(P2)3 f 0
3!

P (P1)(P2)(P3)4 f 0
+..
4!

Segn (ii)
fp

1
0f0
h

(P 2 P) 2 f 0
2!

(P 3 3P 2 +2P) 3 f 0
3!

(P 4 6P 3 +11P 2 +6P) 4 f 0
+. . 1
4!

fp

1
0f0
h

(2P1)2 f 0
2!

3P 2 6P+2 3 f 0
3!

Si XP=X0 en (i) P=0 en (iii)

fX0

f0

1
[f0
h

2 f 0
2

3 f 0
+ 3

4 f 0
4

+ ]

4P 3 18P 2 22P6 4 f 0
4!

+1 (iii)

DIFERENCIACION DE ORDEN SUPERIOR

Se desea hallar , , en forma aproximada
f X p = fp adems P =
f

fp
fp

Xp =

d(f (X p ))

1 1 d 2 fp
h h dp

1 d 2 fp
h2 dp

dX p

df p
dp

X p X 0
h
d

1 df p
hd p

dxp , si se sabe fp = h
p

En general se tiene f n p =

1 d n fp
h n dp

 Para Newton Progresivo - hacia adelante

fp =

1
02 f0
h2

6P 2 18P+11
/ 4 f0 1
12

+ (P 1)3 f0 + .

Si XP=X0 P=0
fp =

1
02 f0
h2

11
12

+ 3 f0 + . / 4 f0 1

Formula de Newton Regresivo (NR). Su formula de interpolacin es:

P(P + 1)2 f0 P(P + 1)(P + 2)3 f0 P(P + 1)(P + 2)(P + 3)4 f0
fp = f0 + Pf0 +
+
+
+..
2!
3!
4!
Segn (ii)
fp

(P2 + P) 2 f0 (P3 3P2 + 2P) 3 f0 (P4 6P3 + 11P2 6P) 4 f0

1
= [f0 +
+
+
+. ..
h
2!
3!
4!

1
(2P + 1)2 f0 (3P2+ + 6P + 2)3 f0 (4P4 + 18P2 + 22P + 6)4 f0
= [f0 +
+
+
+
h
2!
3!
4!
Si XP=0 P=0

fX0

f0

1
0f0
h

2 f 0
+ 2

3 f 0
+ 3

4 f 0
+ 4

+ 1

Nota: Para determinar la 1ra derivada se debe tomar una diferencia ms que la que indica la
T O T en el caso de interpolacin.

DIFERENCIACION DE ORDEN
SUPERIOR PARA NEWTON
REGRESIVO

6P 2 +18P +11
/ 4 f0 1
12

fP = h 2 02 f0 + (P + 1)3 f0 + .
1

11

P = 0 f0 = h 2 02 f0 + 3 f0 + .12 / 4 f0 1
Ejemplo: En la siguiente tabla determinar (a)0 y (b) 1 (0.055) por NP
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

513
539
566
596
626

26
27
30
30

3
1
3
0

Solucin(a):
f0

1
0f0
h

2 f 0
2

= h 00.0513

3 f 0
1
3

0.00026
2

h = X i X i1 = 0.25 0.20 = 0.05

0.0001
1
3

f0 = 1.0006667 1.0007
Solucin(b)

f(0.055)
es una derivada que esta al principio de la tabla se emplea la formula de Newton
Progresivo, como XP=0.055 es un punto intermedio XP [0.05,0.10+, X0=0.05. Se halla
X X
su valor de P de:P = P 0 .
h

H=0.05 P =

0.0550.05
0.05

f0
X0
0.05 1.0513

Si fP

f( 0.055 )

1
0f0
h

(2P1)2 f 0
+
2!

= 0.1
f0
539

2f0
27

3f0
3

(3P 2 6P+2)2 f 0
+
1
3!

(0.21)(0.0027 )
1
3(0.1)2 6(0.1)
+0
+ 21 (0.0003)1
00.0539 +
0.05
2
6

= 1.05783

Ejemplo de la Frmula Newton Regresivo

Hallar(a) f (0.025) y (b) f (0.225)
Solucin (a)
Para P=0 y 3 fi < 8, se utiliza X 0

f0

0.25 1.289

fP=0

1
0f0
h

2 f 0
2

3 f 0
1 , f0
3

f(0.25)
= f0 = 0.05 00.0626 +

1 f0

2 f0

0.626

0.030

3 f0
0

= fP=0
= f(0.25)
, porque X0=0.25 en la tabla de NR

0.0030
2

0.0000
1
3

f0 = 1.282

Solucion(b)
X P X 0
h

0.0250.25
0.05

(2P+1)2 f 0
2!

(3P 2 +6P+2)3 f 0
1
3!

X P = 0.025 P =
1

en fP = h 0f0 +

f(0.225)
= 0.05 00.626 + 0

f(0.225)
= 1.252

= 0.5 P = 0.5

X0
f0
1 f0
0.25 1.289
0.626

2(0.5)
3(0.5)2 +6(0.5)
(0.0030) + 0
+
11
+ 21 (0.0000)1
2
2

2 f0
3 f0
0.030
0

FRMULA DE DIFERENCIACIN DE BESSEL

fP = f0 + 1 f1/2 + 2 (2 f0 + 2 f1 ) + 3 3 f1/2 +
1 df P
dP

fP = h

= h 1 f1/2 + 2 (2 f0 + 2 f1 ) + 3 3 f1/2 +

Si 1 = P 1
P 2 P
4

2 =

P(P1)
4

3 =

P(P1)(P1/2)
6

2 =

2P1
4

2P 3 3P 2 +P
6

3 =

Si XP es un punto tabulado XP=X0 P=0

1

f0 = 0f1/2
h

( 2 f 0 + 2 f 1 )
4

3 f 1/2
4

+ 1

6P 2 6P+1
6

FRMULA DE DIFERENCIACIN DE
STIRLING
fp = f0 + s1 f1/2 + f1/2 + s2 2 f0 + s3 3 f1/2 + 3 f1/2 +
fP =

1
h

s1 f1/2 + f1/2 + s2 2 f0 + s3 3 f1/2 + 3 f1/2 +

P

Si s1= 2 s1 = 2 ,
Si s2 =

P2
2

Si s3 =

s2 = P ,

1 f 1/2 +f 1/2
1+
2

fP = h 0

P(P1)(P+2)
2(3!)

Si s4 =

P2 f0 +

P 2 (P+1)(P1)
4!

3P 2 1
12

1 (f 1/2 +f 1/2 )
2

( 3 f 1/2 + 3 f 1/2 )
12

3P 2
12

s4 =

2P 3 P
12

3 f1/2 + 3 f1/2 +

En XP=X0 P=0
f0 = h 0

s3 =

+ 1

Ejemplo 3: Hallar(a) (0.10), (b) (. 125)

Solucin(a)
f (0.10) = f (X0 ) = f0
Como 0.10 [0.10,0.15] X 0 = 0.10 X p = 0.10
P=

X p X 0
h

0.100.10
0.05

= 0 P = 0 < 0,1/2] se aplica f0 de Stirling hasta su 3ra

diferencia porque segun T O T 3 f0 < 60 f0 de Stirling hasta su 3ra diferencia es:

fP =

1
h

1 f1/2 + 2 (2 f0 + 2 f1 ) + 2 3 f1/2 (i)

Como P = 0 en (i)se tiene s3 =

f0 = h 0f1/2

( 2 f 0 + 2 f 1 )
4

3 f 1/2
6

3P 2 1
12

, s1 =

1
2

s2 = P

En la tabla se tiene:
X 0 = 0.10

1.1052f0

X1 = 0.15

0.0f1/2

0.00(2 f0 )
0.0003(3 f1/2 )
0.00(3 f1 )

1.1618f1

h = 0.05
f0 =

1
0.0027+0.0030

00.0566
0.05
4

0.0003
1
6

= 1.1095

Solucion (b)
f (0.125) X P = 0.125 [0.10,0.15]
P=

X P X 0
h

0.1250.10
0.05

= 0.5 [2,1 > 3

3 f0 < 60 = 0.5 (i), donde

1 = 1, 2 =

2P 1
4

2(0.5)1
4

= 0, 3 =

6P 2 6P+1
6

= 0.0833333 en (i)se tiene

f (0.125) = 0.05 ,(1)(0.0566) + 0(0.0027 + 0.0030) + (0.083)(0.0003)- = 1.1315

INTEGRACIN NUMERICA
Para intervalos Simples
Mtodo del trapecio

0 1

=
1
1

() =

( + 1 ) +
2 0

12 ( )

m *X0 , X1+

Donde (
) = max { () , () }

Mtodo de Simpson de 1/3

5
90

( + 41 + 2 ) +
3 0

(
)

m [ X0 , X1 ]

Donde (
) = max { () , () }

Mtodo de Simpson de 3/8

=
3
0

3
3
() = ,0 + 31 + 32 + 3 - +
8

3 5
( )
80

(
) = max { ()

, ()
}

EJEMPLO
2
sin
1

( 0 + 1 ) +

Por el trapecio Simple

Solucin:

21
=
=
=1
1
1

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
() = sin

()
= sin + cos

()
= 2 cos sin

( ) = max{ (1)
, (2)
}

( ) = max{ 0.23 , 2.65 }

13

= 12 (
) = 12 (2.65) = 0.220907377

Entonces
2
sin
1

( 0 + 1 ) + = 1.109125

Solucin por el mtodo Simpson de 1/3 para intervalo simple

Sol:

21 1
=
= = 0.5
2
2
2
X

f(x)

X0=1

f0=0.841471

X0+h=1.5

f1=1.496242

X0+2h=2

f2=1.818595

Determinacin del
( ) = 2 cos sin

Si

(
) = 4 cos + sin

(
{ (1)
, (2)
}
) = max

(
{ 3.4831 }
) = max

(
)
90

0.55
90

(3.4831) = 0.0012094

Entonces:

() =

( + 41 + 2 ) + = 1.442048
3 0

Por Simpson 3/8 para intervalo Simple

Sol:
2
1

3
sin = (0 + 31 + 32 + 3 ) +
8

21
3

1
3

, 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


(
{ 3.4831 }
) = max

=
2
1

3
80

5 (
) =

3
80

0.335 (3.4831) = 0.0005117

3
sin = (0 + 31 + 32 + 3 ) + = 1.42568923
8

Integracin Numrica
para intervalos
compuestos

MTODO DEL TRAPECIO COMPUESTO

m veces h

Demostracin:
1
0
2
1
3
2

() =

( + 1 ) + 1
2 0

() =

( + 2 ) + 2
2 1

() =

( + 3 ) + 3
2 2

() =

(
+ ) +
2 1

Entonces la suma todas las integrales seria:

() =

,( + ) + 2(1 + 2 + 1 )- +
2 0

Determinacin del del trapecio

( )3
=

122 ( )

Mtodo de Simpson de 1/3 compuesta.

Demostracin:
2
0
4
2
6
4

( + 41 + 2 ) + 1
3 0

( + 41 + 2 ) + 2
3 0

( + 41 + 2 ) + 3
3 0

( + 41 + 2 ) +
3 0

Entonces la suma de todas las integrales seria:

() =

,( + ) + ( + + + + ) + ( + + + )- +

Determinacin del de Simpson de 1/3 compuesta

5
1 = ( )
90
5
2 = ( )
90

5
( )5
= ( ) =

90
28804 ( )

Ejemplo:
2

Xsin
1

Por trapecio compuesto con m=5

Sol:

21 1
=
= = 0.2

5
5

=
2
()
1

( )3
12 2

(
) =

(21)3
1252

f(X)

X0=1

f0

X1=1.2

f1

X2=1.4

f2

X3=1.6

f3

X4=1.8

f4

X5=2

f5

(
)

,(0 + 5 ) + 2(1 + 2 + 3 + 4 )- + = 1.436070589 +

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 () = 0 = 0
Sea =

() por dos mtodos anteriores se tiene:

Regla Trapecio (RT):

I = I1 + E1 :

3
=
12

( 1),

( , )

( 0,

1)

( )3
=
12

( 1),

1 Regla Abierta de Newton Cotes:

I = I2 + E2 :

3
=
3

( 2),

( 0,

2)

( , )

( 2),

El valor de la integral I* (generalmente es el mejor).

Que se cumple:
I = I1 + E1 = I2 + E2 . (1)
Tomando el cociente de errores
( )3
(1)
1 12
=
( )3
2
(2)
24

1 , 2

(, )

Supongamos que:
f ii (1) = f ii (2)

E1 24
=
E1 = 2E2 . (2)
E2 12

(2) en (1)
I1 + E1 = I2 + E2
I1 2E2 = I2 + E2
I1 I2 = E2 + 2E2
1

I1 I2 = 3E2 3E2 = 3 (I1 I2 )

(3) en (1)
I = I 2 + E2
1

I = I2 + 3 (I1 I2 ) = I2 + 3 I1 3 I2
1
3

1
3

I = I2 + I 2

1
3

2 . (4)
3 2

E.R. entre la R. trapecio Simple y la primera formula abierta h =

ba
2

EJEMPLO
Calcular

3 3
(x
1

2x 2 + 7x 5)dx =
1

20
3

F(x) = x 3 2x 2 + 7x 5

Aplicando: 4 es decir: = 3 1 + 3 2
xi = x0 + 1h

i=1

i=2

x1 = x0 + 1h
= 1 + 1(1)
=2

x2 = x0 + 2h
= 1 + 2(1)
=3
h
2
I = I1 + E1 = (f0 + f1 ) + E1 = (1 + 25) = 26 = I1
2
2

h=ba =31= 2

()

0 = 1

1 = 0

1 = 3

25 = 1

I = I2 + E2 = 2hf1
h=

ba
2

31
2

f(X)

=1

f1

I = 2(1)(9)
I2 = 18

Aplicando (4)

x0

1
2
I = I1 + I2
3
3
1

I = 3 (26) + 3 (18) =

62
3

x1

x2

= 20 3
X

()

0 = 1

1 = 0

1 = 2

9 = 1

2 = 3

25 = 2

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:

I = I1 + E1 =

x2
x0

5
f(x)dx = (0 + 41 + 2 ) (1),
3
90

b a 5 1 IV
E1 =
f (1),
2
90

1 (0 , 2 )

(b a)5 IV
(a, b) E1 =
f (1)
2880

Y que para Simpson de 3/8 es:

I = I 2 + E2 =

x3
x0

3
35
( + 31 + 32 + 3 )
f(x)dx =
(2),
8 0
80

3 ba
E2 =
80 3

(b a)5 IV
1 IV
(2)
f
=
f (2), 2
90
6480

(, )

= + = + ()`
Sea el siguiente cociente de errores:
( )5
(1)

1
2880
=
, 1 2 1 ^ 2
( )5
2
6480 (2)
Si (1) = (2)

1
2

6480

(, )

= 2880 1 = 4 2 . . (2)`

(2) en (1): 1 + 4 2 = 2 + 2 2 1 = 4 2 2

5
4
2 = 2 1 2 = (2 1 ) (3)`
4
5

(0 , 3 )

(3) en (1):
4

I = I2 + E2 = I2 + 5 (I2 I1 )

(4)`

Formula De Extrapolacin entre

Simpson de 1/3 y Simpson de 3/8
para Intervalo Simple

Ejemplo:
9

Aplicando la frmula I = 5 I2 5 I1 para hallar:

0.8

(0.2 + 25x 200x 2 + 675x 3 900x 4 + 400x 5 )dx

Solucin:
1 : =

0.8 10
= 0.4
2

 = 0 +
1 = 0 + (0.4)
F(x) = 0.2 + 25x 200x 2 + 675x 3 900x 4 + 400x 5
I1 =
I1 =

x2
f(x)dx
x0

(
3 0

+ 41 + 2 )

0.4
(0.2 + 4 (2.456) + 0.232)
3

I1 = 1.36746667

( )
0

X0+1h =

1
2

0.4
0.8

0.2
2.456
0.232

0
1
2

( )

= 0 +

0
1

1 = 0 + (0.4)

2
3

I2 =
=

x3
f(x)dx
x0
0.80
3

I2 =

x3
x0

0.8
3

3
8

0
0.2667
05333
0.8

0.2
1.43272438
3.48717696
0.232

(0 + 31 + 32 + 3 )

= 0.2667

f(x)dx =

3
0.2667(0.2 + 3(1.43272428) + 3(3.48717696) + 0.232)
8
9

2 = 1.51917037

9
5

= 5 2 5 1
4
5

= (1.51917037) (1.36746667)
= 164053333

0
1
2
3

(E.R) PARA EL TRAPECIO COMPUESTO

Sea:

= 1 + 1 = 2 + 2 . (1)
Para 1 aplicaciones de la Regla Del Trapecio Compuesto, anlogamente: = 2 + 2
Para 2 aplicaciones de la Regla Del Trapecio Compuesto tomando el cociente de errores:
( )3

(1)
1
1222
=
;
( )3
2

(2)
1212

1 2 1 ^ 2

(, )

Si:

2) =

2
1
1)
=
1
2

1
=
2

1 . (2)

(2) en (1):
2

1 + 1 = 2 + . 1 / 1
2

2
2

2 1 = 1 . 1 / 1

1 1 . 1 /

(3) en (1):

1 =

Para 2 = 2, en (3). Se tiene:

1 =

2 1

1. 1 /

1 =

2 1

= 2 1

2 1

1. 1 /

. (3)

2 1
3
4

1 = 2 1 . (4)
3

(4) en (1)
4

= 1 + 1 = 1 + 3 ( 2 1 ) = 3 2 3 1

Extrapolacin de Richardson (E.R.)

para el Trapecio Compuesto para n1 y
n2.

EJEMPLO
Calcular

3 3
(
1

2 2 + 7 5)

usando 1 dos aplicaciones (1 = 2) y despues cuatro

aplicaciones (2 = 4) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
3 aproximacion (que es la mejor).

Solucin:

= ,0 + + 2(1 + 2 + 3 + + 1 - + ( )
2

Se tiene:
1 = 2 y 2 = 4
Para:

= 2 (0 + + 2

1
=1 )

Como
1 = 2

Para:

1
9
2.5

31
2

=1
1

1 = 2 (1 + 25 + 2(9))

( )
1
2
3

0
1
2

1 =

44
2

= 22


=
+ + 2
2 0

=1

Como
2 = 4

31
4

= 0.5

( )
1
1.5
2
2.5
3

1
4
9
15
25

xi = x0 + ih

0
1

x1 = 1 + 1(0.5)

2
3
4

x1 = x0 + 1h

2 =

0.5
2

35

2 = 0.25 .26 + 2( 8 +
2 = 21

.1 + 25 + 2(4 8 + 9 + 15 8)/
125
8

)/

Aplicando:

= () () =
=

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 , la aproximacion de la integral =
Trapecio Compuesto para = 21 y =
Para: = 21 y =

2 2

2 2

() utilizando la regla del

; se sugiere la siguiente tabla:

La integracin de Romberg da su respuesta en forma matricial:

11
21

22

31

32

33

41

42

43

44

51

52

53

54

.
.
.

.
.
.

.
.
.

.
.
.

55
.
.
.

. .

Se sugiere hallar 11 con la siguiente formula.

=
2

( )+

2(

( )+ 2

( + )

Nos generamos las siguientes sucesiones 11 , 21 , 31 , 1

=1

1
0

( ) = 11 =

1
(() ())
2

Obs: Para las dems filas y columnas se sugiere hallar con la siguiente formula

1
=
2

( 1),1

2
1

1
( + ( )
2

1 )

De la segunda columna hacia adelante se calculara con la siguiente frmula:

, 1
4 1

1, 1

i=
2,3,4,n
j=

Para la segunda columna se utilizara:

2

1,1

k = 2,3,

Para la tercera columna k=3 ser:

3

16

15

1,2

k = 3,4,

Para la cuarta columna k=4 ser:

4

64

63

1,3

k = 4,5,

Para la quinta columna k=5 ser:

5

256

255
4

1,4

k = 5,6,

Para la sexta columna k=6 ser:

6

1024

1023
5

1,5

k = 6,7,

EJEMPLO
Hallar

.
;

con n=6 por Romberg

Solucin:
Tenemos de datos:
a=0
b=0.8
n=6
() =
Realizando la tabla

16

32

0.8

0.4

0.2

0.1

0.05

0.025

Hallamos la primera fila y columna

=
( ) + ( ) + 2
2

21
=1

( + )

Cuando K = 1

11 =

11 =

(0) + (0.8) + 2

211
=1

( + 1 )

, (0) + (0.8)-

() =
(0) = 0 0 = 0
(0.8) = 0.8 0.8 = 1.780432743

11 =

0.8
2

,0 + 1.780432743- = 0.7121730971

11 = 0.7121730971

Calculando la primera columna y dems filas.

1

1
=
( ) + 1
2 1 ,1

22
=1

1
( + ( )1 )
2

Cuando K = 2

21 =

0(21),1 + 21
2

222
=1

( + ( 2)21 )1 = 0.594777

0(31),1 + 31
2

232
=1

( + ( 2)31 )1 = 0.564899

0(41),1 + 41
2

242
=1

( + ( 2)41 )1 = 0.557395

0(51),1 + 51

252
=1

( + ( )51 )1 = 0.555517

0(61),1 + 61

262
=1

( + ( )61 )1 = 0.555047

Cuando K = 3

31 =

Cuando K = 4

41 =

Cuando K = 5

51 =

1
2

Cuando K = 6

61 =

1
2

1
2

PARA LOS VALORES DE LA SEGUNDA COLUMNA:

2 =

41 1,1
3

Cuando K = 2

22 =

421 21,1
3

= 0.555545

Cuando K = 3

32 =

431 31,1
3

= 0.554939

Cuando K = 4

42 =

441 41,1
3

= 0.554893

Cuando K = 5

52 =

451 51,1
3

= 0.554891

Cuando K = 6

62 =

461 61,1
3

= 0.554890

PARA LOS VALORES DE LA TERCERA COLUMNA:

3 =

162 1,2
15

Cuando K = 3

33 =

1632 31,2
15

= 0.554891

Cuando K = 4
43 =

1642 41,2
15

= 0.554889

Cuando K = 5

53 =

1652 51,2
15

= 0.554890

Cuando K = 6

63 =

1662 61,2
15

= 0.554889

PARA LOS VALORES DE LA CUARTA COLUMNA:

4 =

643 1,3
63

Cuando K = 4

44 =

6443 41,3
63

= 0.554888

Cuando K = 5

54 =

6453 51,3
63

= 0.554890

Cuando K = 6

64 =

6463 61,3
63

= 0.554889

PARA LOS VALORES DE LA QUINTA COLUMNA:

5 =

2564 1,4
255

Cuando K = 5

55 =

25654 51,4
255

= 0.554890

Cuando K = 6

65 =

25664 61,4
255

= 0.554889

PARA LOS VALORES DE LA SEXTA COLUMNA:

6 =

1024 5 1,5
1023

Cuando K = 6

66 =

1024 65 61,5
1023

= 0.554889

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

SOLUCIN NUMRICA DE
ECUACIONES
DIFERENCIALES
ORDINARIAS CON VALOR
INICIAL.

I) De un solo paso:
Se tiene los siguientes mtodos:
a) Mtodo de Euler
b) Mtodo de Taylor
c) Mtodo de Runge-Kutta de orden 4
d) Mtodo de Runge-Kutta de orden 2
*Todas ellas son de la siguiente forma:
Dada la Ecuacin Diferencial Ordinaria:

= ( , ) /

Con la condicin inicial:

( 0) =

a) Mtodo de Euler:
Es de la forma:
+1

+1

+ ( , )

Observacin:
Euler es un caso particular de Taylor de orden 1.

ejemplo
1 forma de pregunta
1) Dado:
= 2 2
Con:
(1) = 1
Hallar: (1.1)

Solucin:
Como: 0 = 1

, 0 = 1

Entonces:
Para i=0 , 1 = 0 + 0
Donde:
1 = (1.1) = (1 )
1 = 1.1
= 1 0 = 1.1 1 = 0.1
= 0.1
Luego:
1 = 0 + 0 ()

Donde:
0 = 20 02
Reemplazando en ():
1 = 0 + 20 02
1 = 1 + (0.1)(2)(1)(1)2
1 = 1.2
(1.1) = 1.2

2 forma de pregunta
2) Dado:
= 2 2
Con:
(1) = 1
Hallar: (1.1) para [1, 2] , con n=4
Solucin:
=

Como:

21
4

= 0.25

1.25 1.5

1.75

4
4
2

1 = 0 + 1(0.25) = 1.25
2 = 0 + 2(0.25) = 1.5
3 = 0 + 3(0.25) = 1.75
4 = 0 + 4(0.25) = 2

Para i=0 , con (0 , 0 ) = (1, 1)

1 = 0 + 0
1 = 0 + 20 02
1 = 1.2

Para i=1 , con (1 , 1 ) = (1.25, 1.2)

2 = 1 + 21 12
2 = 2.1

Para i=2 , con (2 , 2 ) = (1.5, 2.1)

3 = 2 + 22 22
3 = 5.4075
Para i=3 , con (3 , 3 ) = (1.75, 5.4075)
4 = 3 + 23 32
4 = 30.99342422

Para i=4 , con (4 , 4 ) = (2, 30.99342422)

5 = 4 + 24 42
5 = 991.5857691

b) Mtodo de Taylor de orden K:

Es de la siguiente forma:
()

+1

2 3
= +
+
+
+ +
1!
2!
3!
!

O
( ) 2 ( ) 3 ( )
() ( )
(+1 ) = ( ) +
+
+
+ +
+
1!
2!
3!
!

Donde:
El error local es de la forma:
+1 (+1) ( )
=
+ 1!

1 forma de pregunta
Dado:
= 2 + 2 ()
Con:
(1) = 0
Por Taylor de orden 3 hallar: (1.5)

Solucin:
Como: 0 = 1 0 = 0
Y de (1.5) se sabe que: 1 = 1.5
= 1 0 = 1.5 1 = 0.5
Luego, Taylor de orden 3 es de la forma:
+1
Para i=0 con (0 , 0 ) = (1, 0)
1 = 0 +

0
1!

2 0
2!

Se requiere hallar:

3 0
3!

2 3
= +
+
+
1!
2!
3!

0 , 0 , 0
():
= 2 + 2 ()
0 = 02 + 02
0 = 12 + 02
0 = 1
Derivando ():
= 2 + 2 ()
0 = 20 + 20 0
0 = 2(1) + 2(0)(1)
0 = 2
Derivando ():
= 2 + 2( + )
0 = 2 + 2(0 0 + 0 0 )
0 = 2 + 2((0)(2) + (1)(1))
0 = 4

Por ltimo, reemplazando:

1 = 0 +

80.5)(0)
(0.5)2 (2)
+
1!
2!

(0.5)3 (4)
3!

1 = 0.8333333
(1.5) = 0.8333333

2 forma de pregunta
Dado:
= 2 + 2 ()
Con:
(1) = 0
Por Taylor de orden 3 en el segmento [1, 2], con n=2, hallar: (1.5)
Solucin:
Como:

21
2

= 0.5

Determinamos los puntos: = 0 + / ,1, 2-

 = 0 0 = 0 + 0 = 1
= 1 1 = 0 + 1 = 1.5
= 2 2 = 0 + 2 = 2

Para i=0 con (0 , 0 ) = (1, 0)

1 = 0 +

0
1!

2 0
2!

1 = 0.8333333

3 0
3!

(Resuelto anteriormente)

Para i=1 con (1 , 1 ) = (1.5, 0.8333333)

2 = 1 +

1
1!

2 1
2!

3 1
3!

Se requiere hallar: 1 , 1 , 1
De ():
= 2 + 2 ()
1 = 12 + 12
1 = 1.52 + 0.8333333 2
1 = 2.9444444
Derivando ():
= 2 + 2 ()
1 = 21 + 21 1
1 = 2(1.5) + 2(0.8333333 )(2.9444444 )
1 = 7.907407405
Derivando ():
= 2 + 2( + )
1 = 2 + 2(1 1 + 1 1 )
1 = 2 + 2((0.8333333 )(7.907407405) + (2.9444444 )(2.9444444 ))
1 = 32.5185185

Luego , reemplazando:
2 = 1 +

1
1!

2 1
2!

2 = 0.8333333 +

3 1
3!

(0.5)(2.9444444 )
1!

(0.5)2 (7.907407405 )

2 = 3.235339504

Para i=2 con (2 , 2 ) = (2, 3.235339504 )

3 = 2 +

2
1!

2 2
2!

3 2
3!

Se requiere hallar: 2 , 2 , 2
De ():

2!

(0.5)3 (32.5185185 )
3!

 = 2 + 2 ()
2 = 22 + 22
2 = 22 + 3.2353395042
2 = 14.46742171
Derivando ():
= 2 + 2 ()
2 = 22 + 22 2
2 = 2(2) + 2(3.235339504)(14.46742171)
2 = 97.61404193

Derivando ():
= 2 + 2( + )
2 = 2 + 2(2 2 + 2 2 )
2 = 2 + 2((3.235339504)(97.61404193) + (14.46742171)(14.46742171))
2 = 1052.241714

Luego , reemplazando:
3 = 2 +

2
1!

2 2
2!

3 = 3.235339504 +
3 = 44.59250797

3 2
3!

(0.5)(14.46742171 )
1!

(0.5)2 (97.61404193 )
2!

(0.5)3 (1052 .241714 )

3!

PREDICTOR CORRECTOR
Como su nombre lo indica 1 se predice un valor +1 ,
despus se usa una formula diferente para corregir este valor.
Los mtodos Predictor-Corrector hallar el valor del
pto (+1 , +1 ) 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 +1 utiliza la informacin de )

ejemplo
Usando el mtodo predictor corrector

Predictor:
Corrector:

=
+1 =

+1

+ 2
+ ( +
2

+1 )

Con h=0.5, hallar y(1) sabiendo que y satisface: y = xy 2 + 3x , 0 = 0.5

Solucin:
y = f(x,y) = xy 2 + 3xy ;

0 = 0.5 Y h=0.5

Por condicin del problema.

1 = 0 = 0.5
= (0.5)
+1 = (1)
Para aplicar el predictor corrector, se necesita hallar 1 por un mtodo no menor de 2 orden
(puede ser Taylor, o RK), Sea RK-4.


1 = 0 + (1 + 22 + 23 + 4 )

1 = ( 0 ,0 ) = y0 = y(0)
=0
y = xy 2 + 3xy
y0 = 0 y02 + 30 0 = 0(0.5)2 + 3(0)(0.5)
y0 = 0
2=(

0 +2

1
2

, 0 + 1 )

= (0.25,00.5+0.25(0))

2 = (0.25,0.5) = (0.25)(0.5)2 + 3(0.25)(0.5) = 0.3125

3 =

1
( 0 + , 0 + 2 )
2
2

= (0.25 ,0.5+(0.25)(0.3125))

3 = (0.25,0.578125 )
3 = 0.25(0.578125)2 + 3(0.25)(0.578125) = 0.3500366

4 =

1
( 0 + , 0 + 3 )
2
2

4 = (0.5,0.5+0.5(0.350066 ))
4 = (0.5,0.67533 )
4 = 0.5(0.67533)2 + 3(0.5)(0.67533) = 0.7847026

1 = 0 + 6 (1 + 22 + 23 + 4 )

0.5
1 = 0.5 +
( )
6
= 1 = 0.6758146
= (0.5)(0.6758146)2 3(0.5)(0.6758146)
= 0.7853592

Aplicando el predictor:
+1 = 1 + 2
(1) = 0.5 + 2(0.5)(0.7853592)
(1) = 1.2853592

+1
= (1)
= 1(1.2853592)2 + 3(1)(1.2853592)

+1
= 2.2039293

Aplicando el corrector:

+1 = + ( + +1
)
2
0.5
(1) = 0.6758146 +
(0.7853592 2.2039293)
2
(1) = 1.423167 este es el corrector

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 (

= 0 n condiciones iniciales
0)

Sea las sgtes transformaciones

1 = y
2 = y
3 = y
.
n = y (n1)
Se tiene
1 = y = 2
2 = y = 3
.
= n = (, , , , ,, ( 1) )

Sea i = ( i ) =

1( i )
2( i )

n( i )

= (
=
)

1(
i)

2( i )

(
i)

Ejemplo 1: La Sgte. EDO de 3 orden + =

Con (0) = (0)

= 0 , (0)
=1

Como un conjunto de ecuaciones de 1 orden

Solucin: De + 2 = = + 2 + y y
Sea
= 1
1(0) = (0) = 0

1 = = 2
2(0) = (0)
=1
2 = = 3
3 =

3(0) = (0)
=0

La EDO de3 orden se expresa como un conjunto de 3 ecuaciones de 1 orden sgte:

1 = 2
2 = 3
3 = + 21 + 2 3

Matricialmente se tiene:
=
=
1
2

2
3

3
+ 21 + 2 3
Con las Sgts. condiciones iniciales
(0) =

1(0)
2(0)
3(0)

0
1
0