UNIVERSIDAD AUTONOMA AGRARIA

ANTONIO NARRO
CONTENIDO PROGRAMATICO DE LA MATERIA:

ANLISIS NUMERICO
I.-INTRODUCCION
1.1Repaso de Clculo Diferencial e Integral
1.2 Definicin de matrices
1.3 Operaciones con matrices
1.4 Determinante de una matriz
1.5 Sucesiones y series
1.6 Tipos de errores
1.7 Ejercicios
II.-SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES
2.1 Mtodo de solucin de Cramer
2.2 Mtodo de Matriz Inversa
2.3 Ejercicios
III.-ECUACIONES ALGEBRAICAS NO LINEALES
3.1 Mtodo de biseccin
3.2 Mtodo de Newton-Raphson
3.3 Ejercicios
IV.-DIFERENCIACION E INTEGRACIN
4.1 Diferenciacin numrica
4.2 Integracin numrica:
a) Mtodo trapezoidal
b) Mtodo de Simpson
4.3 Ejercicios
V.-AJUSTE DE MODELOS
5.1 Mnimos Cuadrados
5.2 Interpolacin de Lagrange
5.3 Ejercicios
VI.-SISTEMA DE ECUACIONES ALGEBRAICAS NO LINEALES
6.1 Mtodo de Newton

6.2 Ejercicios
FORMA DE EVALUACIN:
1.-Tareas = 25 %
2.-Participacin en clase = 5 %
3.-Consulta complementaria en Internet = 10 %
4.-Exmenes = 60 %
4.-Elaboracin y entrega de Programas = 10 %
REQUISITOS PARA APROBAR EL CURSO:
1.-Asistir a clases mnimo el 85%
2.-Su promedio debe ser mayor o igual a 70.

BIBLIOGRAFA
1.-ANALISIS NUMERICO
Richard L. Burden
J. Douglas Faires
Sexta Edicin, 1998
International Thomson Editores
2.- MTODOS NUMRICOS APLICADOS A LA INGENIERIA
Terrence J. Akai
Primera Edicin, 1999
Editorial Limusa

Maestro: MC. Edgardo Cervantes Alvarez

y=x4+x3-3x2-3x+1

d
c

g
f

DE ACUERDO CON LA GRAFICA, DETERMINAR:

a)
b)
c)
d)
e)

Determinar los valores de a,b,c,d,e,f, g

Intervalo donde es creciente
Intervalo donde es decreciente
Intervalo donde es cncava hacia arriba
Intervalo donde es cncava hacia abajo

1.2 Definicin de matrices

Las matrices se utilizan en el clculo numrico, en la resolucin de sistemas
de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas
parciales. Tienen tambin muchas aplicaciones en el campo de la fsica.

MATRICES
Una matriz es una tabla ordenada de escalares ai j de la forma

La matriz anterior se denota tambin por (ai j ), i =1, ..., m, j =1, ..., n, o
simplemente por (ai j ).
Los trminos horizontales son las filas de la matriz y los verticales son sus
columnas. Una matriz con m filas y n columnas se denomina matriz m por n,
o matriz m n.
Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los
elementos de las mismas por minsculas, a, b, ...
Ejemplo:

donde sus filas son (1, -3, 4) y (0, 5, -2) y sus

CLASES DE MATRICES
Segn el aspecto de las matrices, stas pueden clasificarse en:
Matrices cuadradas
Una matriz cuadrada es la que tiene el mismo nmero de filas que de
columnas. Se dice que una matriz cuadrada n n es de orden n y se
denomina matriz n-cuadrada.
Ejemplo: Sean las matrices

Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.

Matriz identidad
Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de
A consiste en los elementos a11, a22, ..., ann.
4

La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier

otra posicin, denotada por I, se conoce como matriz identidad (o unidad).
Para cualquier matriz A,
A I = I A = A.
Matrices triangulares
Una matriz cuadrada A = (ai j ) es una matriz triangular superior o
simplemente una matriz triangular, si todas las entradas bajo la diagonal
principal son iguales a cero. As pues, las matrices

son matrices triangulares superiores de rdenes 2, 3 y 4.

Matrices diagonales
Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son
cero o nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo,

son matrices diagonales que pueden representarse, respectivamente, por

diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1).
Traspuesta de una matriz
La traspuesta de una matriz A consiste en intercambiar las filas por las
columnas y se denota por AT.
As, la traspuesta de

En otras palabras, si A = (ai j ) es una matriz m n, entonces AT =

es la

matriz n m. La trasposicin de una matriz cumple las siguientes

propiedades:
1. (A + B)T = AT + BT.
2. (AT)T = A.
3. (kA)T = kAT (si k es un escalar).
4. (AB)T = BTAT.
Matrices simtricas
Se dice que una matriz real es simtrica, si AT = A; y que es antisimtrica,
si AT = -A.

Ejemplo:
Consideremos las siguientes matrices:

Podemos observar que los elementos simtricos de A son iguales, o que

AT = A. Siendo as, A es simtrica.
Para B los elementos simtricos son opuestos entre s, de este modo B es
antisimtrica.
A simple vista, C no es cuadrada; en consecuencia, no es ni simtrica ni
antisimtrica.
Matrices ortogonales
Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa
que una matriz ortogonal A es necesariamente cuadrada e invertible, con
inversa A-1 = AT.
Consideremos una matriz 3 3 arbitraria:

Si A es ortogonal, entonces:

Matrices normales
Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA.
Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente
normal.
Ejemplo:

Puesto que AAT = ATA, la matriz es normal.

1.3 Operaciones con matrices

Suma y resta de matrices
Para poder sumar o restar matrices, stas deben tener el mismo nmero de
filas y de columnas. Es decir, si una matriz es de orden 3 2 y otra de 3 3,
no se pueden sumar ni restar. Esto es as ya que, tanto para la suma como

para la resta, se suman o se restan los trminos que ocupan el mismo lugar
en las matrices.
Ejemplo:

Para sumar o restar ms de dos matrices se procede igual. No

necesariamente para poder sumar o restar matrices, stas tienen que ser
cuadradas.
Ejemplo:

Producto de matrices
Para poder multiplicar dos matrices, la primera debe tener el mismo nmero
de columnas que filas la segunda. La matriz resultante del producto quedar
con el mismo nmero de filas de la primera y con el mismo nmero de
columnas de la segunda.
Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden
3 5, la matriz resultante ser de orden 2 5.
(2 3) (3 5) = (2 5)
Se puede observar que el producto de matrices no cumple la propiedad
conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por
la primera, no podramos efectuar la operacin.
3 5 por 2 3,
puesto que la primera matriz no tiene el mismo nmero de columnas que
filas la segunda.

1.4 DETERMINANTES
A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular
denominado determinante de A, denotado por det (A), | A | o

Una tabla ordenada n n de escalares situada entre dos lneas verticales,

llamada determinante de orden n, no es una matriz.
La funcin determinante apareci por primera vez en el estudio de los
sistemas de ecuaciones lineales. Veremos que es una herramienta
indispensable en el estudio y obtencin de stas.
DETERMINANTES DE ORDEN UNO Y DOS
Los determinantes de orden uno y dos se definen como sigue:
= a11

As, el determinante de una matriz 1 1 A = (a11) es el propio escalar a11,

es decir, det (A) = |a11| = a11.
Ejemplos:
a) Dado que el determinante de orden uno es el mismo escalar, tenemos det
(24) = 24, det(-3) = -3, det (3x+5) = 3x+5.
b)

DETERMINANTES DE ORDEN TRES

Consideremos una matriz 3 3 arbitraria A = (ai j ). El determinante de A se
define como sigue:

a12a21a33 - a32a23a11
Obsrvese que hay seis productos, cada uno formado por tres elementos de
la matriz. Tres de los productos aparecen con signo positivo (conservan su
signo) y tres con signo negativo (cambian su signo).

Para calcular los determinantes de orden tres, el siguiente diagrama puede

ayudar a resolverlos:

Ejemplo:
Calcular el valor del determinante:

= 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63
El determinante de la matriz 3 3 A = (ai j ) puede reescribirse como:
det (A) = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 a22a31) =

que es una combinacin lineal de tres determinantes de orden dos, cuyos

coeficientes (con signos alternantes) constituyen la primera fila de la matriz
dada. Esta combinacin lineal puede indicarse de la forma siguiente:

Ntese que cada matriz 2 2 se obtiene suprimiendo en la matriz inicial la

fila y la columna que contienen su coeficiente.

1.5 Sucesiones y Series

n

1.-

i 1 2 3 4...n 2 (n 1)
i 1
n

2.-

i 1 2 3 4
2

i 1

... n

n
( n 1)(2n 1)
6

3.- i 1 2 3 ... n n (n 1)
4
n

i 1

x 1 x x x x x ...
4.- e =
i!
2! 3! 4! 5!
x

00

i 0

2 i 1

5.-

Ln( x) 2 * 2zi 1 2 * ( z z3 z5 z7 z9
00

..., donde z =

i 0

x -1
x +1

6.-Sen(x)=
2 i 1

11

x ..., donde x en radianes

(1) (2xi 1)! x x3! x5! x7! x9! . 11
!
00

i 0

2i

10

7.-Cos(x)= ( 1) x 1 x x x x . x ..., donde x en radianes

(2i )!
2! 4 ! 6! 8! 10!
00

i 0

10

2.5 METODO DE DESCOMPOSICIN L-U

GUIA PARA RESOLVER UN SISTEMA DE ECUACIONES LINEALES POR
METODO DE DESCOMPOSICIN LU :
SEA EL SISTEMA (1)

AX = B

PASO 1.Factorizar

A= LU

PASO 2.-

Se sustituye A = L U

, en la ecuacin (1) y nos queda:

(2)

LUX=B

PASO 3.Sea

U X = Y ; se sustituye en la ecuacin (2) y nos queda:

LY= B

; se resuelve para Y utilizando el

mtodo de Gauss

PASO 4.Con los valores obtenidos de Y en el paso anterior se resuelve

la ecuacin U X = Y , para X por mtodo de Gauss.
Estos valores de X son la solucin al sistema original
AX = B

11

III.-ECUACIONES ALGEBRAICAS NO LINEALES

Muchos fenmenos de ingeniera son descritos por ecuaciones algebraicas no
lineales; es por esto que se hace importante determinar las races de estas ecuaciones. Los
mtodos numricos se usan para resolver ecuaciones algebraicas no lineales cuando las
ecuaciones son intratables con tcnicas matemticas normales. Todos estos mtodos
numricos son iterativos, y se pueden usar para ecuaciones que contienen una o muchas
variables.
Uno de los problemas bsicos de la aproximacin numrica, es el de la bsqueda de
races. Consiste en obtener una raz x de una ecuacin de la forma f(x) = 0 para una funcin
dada f (Al nmero x se le llama tambin cero de f). Este es uno de los problemas de
aproximacin ms antiguos, y sin embargo la investigacin correspondiente todava
contina. El problema de encontrar una aproximacin a la raz de una ecuacin se remonta
por lo menos al ao 1700 a.C. Una tabla cuneiforme que pertenece a la Yale Babylonian
Collection, y que data de este perodo, da la aproximacin de 2 .
3.1 Mtodo de biseccin
Este se clasifica como un mtodo de acotamiento. Es aplicable a ecuaciones de la
forma: f(x) = 0 cuando es posible encontrar dos valores limitantes a1 y b1 tales que la
funcin f(x) cambia de signo una vez para valores de x en el intervalo [a1, b1]. Por
consiguiente, los valores limitantes acotan la raz.
El mtodo de biseccin tambin se denomina mtodo de biparticin del intervalo
porque la estrategia de bisectar o separar a la mitad del intervalo de a1 a b1 y luego retener
el semiintervalo cuyos extremos siguen acotando la raz.
El tamao del intervalo que contiene a la raz se puede reducir a un valor
arbitrariamente pequeo aplicando iteradamente el proceso de biseccin. El proceso
termina cuando el intervalo se hace menor o igual que algn valor prescrito.

12

a1

b1

OBJETIVO: Encontrar p tal que f(p) = 0

REQUISITOS: 1.- f sea continua en el intervalo [a1, b1]
2.- f(a1) . f(b1) < 0
PROCEDIMIENTO:
Sea p1 = (a1+b1) , si f(p1) = 0

entonces p = p1 es la solucin.

Puede suceder que f(p1) tenga el mismo signo que f(a1) o

f(p1) tenga el mismo signo que f(b1).

Caso 1
Si f(p1) y f(a1) tienen el mismo signo, entonces p est en [p1, b1] y tomamos
a2 = p1 y b2 = b1 , as la raz p estar en el intervalo [a2, b2]
Caso 2

Si f(p1) y f(a1) tienen signos opuestos, entonces p est en [a1, p1] y tomamos
a2 = a1 y b2 = p1 , as la raz p estar en el intervalo [a2, b2]
Se vuelve aplicar el proceso al intervalo [a2, b2], hasta que f(p1) = 0

13

INICIO

a1, b1
E, N

f(x)

No

FIN

encontr
I=1

I >N

I=I+1
FA1=f (a1)
p1= (a1+b1)
FP1=f (p1)

FP1 < E y b1-a1 < E

V
p = p1

p
FA1. FP1 < 0

F
a1 = p1

V
b1 = p1

FIN

DIAGRAMA DE FLUJO PARA ENCONTRAR RAICES POR METODO DE

BISECCION

14

DIAGRAMA DE FLUJO PARA ENCONTRAR RAICES POR

METODO DE NEWTON RAPHSON
INICIO

p0, E, N

f(x), f (x)
No encontr

FIN

solucin
I=1

I >N

I=I+1

FP0 = f(p0)
DFP0 = f (p0)
p1 = p0 FP0 / DFP0
FP1 = f(p1)

FP1 < E y

p1-p0 < E
p1

p0 = p1

FIN

15

DIAGRAMA DE FLUJO PARA ENCONTRAR RAICES POR

METODO DE LA SECANTE
INICIO

p0, p1, E, N

f(x)
No encontr

FIN

solucin
I=1

I >N

I=I+1

FP0 = f(p0)

FP1 = f (p1)

p2 = p1 FP1* (p1-p0) / (FP1-FP0)

FP2 = f(p2)

FP2 < E
p2
p0 = p2
FIN

16

UNIVERSIDAD AUTONOMA agraria

Antonio narro
ANLISIS NUMERICO
IV.-DIFERENCIACION E INTEGRACIN

4.1 Diferenciacin numrica

La diferenciacin y la integracin son los dos procesos fundamentales del
Clculo. En general, uno o ambos procesos se encuentran en aplicaciones en las que los
modelos estn descritos en trminos de razones de cambio. En principio, siempre es posible
determinar una forma analtica de una derivada para una funcin dada. Sin embargo, en
algunos casos la forma analtica es demasiado compleja, y para el objetivo buscado puede
ser suficiente una aproximacin numrica de la derivada. Para funciones descritas slo en
trminos de datos tabulados, la diferenciacin numrica es el nico medio para calcular una
derivada.
La integracin numrica se usa para integrar funciones tabuladas o funciones
cuyas integrales son imposibles o muy difciles de obtener analticamente.
La derivada de la funcin f en x0 es : f (x0) = lim
h---0

f(x0+h) f(x0)
h

Los mtodos que se van a utilizar para encontrar aproximaciones de diferenciacin

numrica son tres:
1.- Frmula de diferencia.
2.- Frmula de tres puntos.
3.- Frmula de cinco puntos.
Para la deduccin de las frmulas en cada mtodo utilizado, se aplic Series de
Taylor y polinomios de Lagrange.
1.- Frmula de diferencia
f (x0) = f(x0+h) f(x0)
h

2.- Frmula de tres puntos

f (x0) = (1/2)(1/ h) [-3 f (x0) + 4 f(x0+h) -f(x0+ 2h)]

3.- Frmula de cinco puntos

17

f (x0) = (1/12) (1/ h) [-25 f (x0) + 48 f(x0+h) 36 f(x0+ 2h) +16 f(x0+3h)-3 f(x0+4h)]

18

19

DIAGRAMA DE FLUJO PARA ENCONTRAR EL AREA POR METODO

TRAPEZOIDAL
INICIO

X0, XN, N

f(x)

H = ( XN-X0 ) / N
FX0 = f (X0)
FXN = f (XN)
SUMA = 0
SUMA = SUMA + (1/2)* (FX0+FXN)
I=1

AREA = H * SUMA

I >N-1

AREA

I=I+1

XI = X0 + I*H

FIN

SUMA = SUMA + f(XI)

20

EJEMPLO METODO TRAPEZOIDAL

N
6

f(XI)

f(X)=Raiz(X)

SUMA
PARCIAL
ACUMULADA
SUMA=SUMA+f(XI)

H
1

FX0
0

SUMA

AREA

1
2.414213562
4.14626437
6.14626437
8.382332347

9.607077219

9.607077

N
12

f(X)=Raiz(X)

H
0.5

FX0
0

SUMA

AREA

SUMA
PARCIAL
ACUMULADA
SUMA=SUMA+f(XI)

0.707107
1
1.224745
1.414214
1.581139
1.732051
1.870829
2
2.12132
2.236068
2.345208

0.707106781
1.707106781
2.931851653
4.346065215
5.927204045
7.659254853
9.530083546
11.53008355
13.65140389
15.88747187
18.23267975

SUMA
0

FXN
2.4495

SUMA
0

SUMA=SUMA+(1/2)*(FX0+FXN) AREA=H*SUMA

1
1.414214
1.732051
2
2.236068

f(XI)

FXN
2.4495

SUMA=SUMA+(1/2)*(FX0+FXN) AREA=H*SUMA

19.45742462

9.728712

21

c) DIAGRAMA DE FLUJO PARA ENCONTRAR EL AREA POR METODO

SIMPSON
INICIO

X0, XN, N

f(x)

H = ( XN-X0 ) / N
FX0 = f (X0)
FXN = f (XN)
SUMA1 = 0
SUMA2 = 0
SUMA = (2/3)*SUMA1 + (4/3)*SUMA2 + (1/3)* (FX0+FXN)
I=1
AREA = H * SUMA

I=1

I > N/2
I >(N/2)-1

AREA
I = I+1
I=I+1

XI = X0 +(2* I -1)*H
XI = X0 +2* I*H

FIN

SUMA2 = SUMA2 + f(XI)

SUMA1 = SUMA1 + f(XI)

22

FORMULA POR METODO DE SIMPSON:

b

n
( 1)

h
2 2
4 n/ 2
f ( x )dx
f ( x 0 ) f ( x N ) h f ( x 2i ) h f ( x 2i 1 )
3
3 i 1
3 i 1

EJEMPLO METODO DE SIMPSON

N
6
f(XI)

SUMA1

H
1

FX0
0

FXN
2.44949

XI

f(XI)

SUMA2

XI = X0+(2*I1)*H

1.4142
2

3.414213562

SUMA

AREA

(2/3)*SUMA1+(4/3)*SUMA2+(1/3)*(FX0+FXN)

H*SUMA

9.716797336

9.716797

N
12
f(XI)

1
3
5

SUMA1

1
1.732051
2.236068 4.968119

H
0.5

FX0
0

FXN
2.44949

XI

f(XI)

SUMA2

XI = X0+(2*I1)*H

1
1.4142
1.7321
2
2.2361

8.382332347

SUMA

0.5
1.5
2.5
3.5
4.5
5.5

0.707107
1.224745
1.581139
1.870829
2.12132
2.345208 9.850347

AREA

(2/3)*SUMA1+(4/3)*SUMA2+(1/3)*(FX0+FXN)

H*SUMA

19.53851468

9.769257

23

V.-AJUSTE DE MODELOS
5.1 MNIMOS CUADRADOS
El mtodo de Mnimos Cuadrados consiste en determinar la mejor lnea de
aproximacin, que minimize la suma de los errores al cuadrado, esto es, la lnea que menos
error tenga (que la diferencia entre los puntos y la lnea recta sea lo menos posible).
Para encontrar los parmetros: a, b de la lnea recta y=ax+b, se utiliza el Clculo
Diferencial, obteniendo las siguientes frmulas:
a

n xi yi xi yi
n xi2 ( xi ) 2

x y x y x
n x ( x )
2
i

x(meses) y(miles dolares)

2
2.4
3
3.7
6
7.6
7
8
11
14.2
12
15

i
2
i

a=
b=
R2=

y-estimada
1.27826962 2.30503018
-0.25150905 3.5832998
0.99484826 7.41810865
8.69637827
13.8094567
15.0877264

COEFICIENTE DE DETERMINACIN:

r
2

( xi yi

x y )
i

( xi ) 2
( yi2 ) 2
2
( x
)( yi
)
n
n
2
i

24

5.2 METODO DE INTERPOLACIN DE LAGRANGE

n
f ( x ) f ( xk ) Lk ( x )
k 0
f ( x ) f ( x 0) Lo( x ) f ( x1) L1( x ) f ( x 2) L2( x ) f ( x 3) L 3( x ) ... f ( xn) Ln( x )

donde:

n x xj
Lk ( x )
xk xj
j 0

Lo( x )

donde j k

( x x1)( x x 2)( x x 3)...( x xn)

( xo x1)( xo x 2)( xo x 3)...( xo xn)

L1( x )

( x xo)( x x 2)( x x 3)...( x xn)

( x1 xo)( x1 x 2)( x1 x 3)...( x1 xn)

L 2( x )

( x xo)( x x1)( x x 3)...( x xn)

( x 2 xo)( x 2 x1)( x 2 x 3)...( x 2 xn)

L 3( x )

( x xo)( x x1)( x x 2)...( x xn)

( x 3 xo)( x 3 x1)( x 3 x 2)...( x 3 xn)

.
.
.

Ln( x )

.
.
.

( x xo)( x x1)( x x 2)...( x xn 1)

( xn xo)( xn x1)( xn x 2)...( xn xn 1)

5.3 METODO DE INTERPOLACIN DE NEWTON

25

n
Pn( x ) f ( x 0) Ck ( x x 0)( x x1)( x x 2)...( x xk 1)
k 1
n

n
f ( xk )
Cn
A
k 0 k ( xk )

Donde :

Ak ( xk ) ( xk xj ) ; j k
j 0

EJEMPLO: CALCULAR EL MODELO QUE PASA POR LOS PUNTOS: (x0,f(x0) = (0,0) ;
(x1,f(x1) = (1,1) ; (x2,f(x2) = (4,2) ; (x3,f(x3) = (9,3)
COMO SON CUATRO PUNTOS ENTONCES SE OBTENDRA LA FUNCION: P3(x)
P 3( x ) f ( x 0) C1 * ( x x 0) C 2 * ( x x 0)( x x1) C 3 * ( x x 0)( x x1)( x x 2 )

C1
k 0

C2

k 0

C2

f ( xk )
Ak ( xk )

f ( xk )
Ak ( xk )

f ( x 0)
( x 0 x 1)( x 0 x 2 )
3

f ( x 0)
A 0( x 0)

f ( x 0)
A0( x 0)

f ( x 1)
A1( x 1)

f ( x 1)
A1( x 1)

f ( x 1)
( x 1 x 0 )( x 1 x 2 )

f ( x 2)
A2( x 2)

f ( x 0)
( x 0 x 1)

f ( x 2)
( x 2 x 0 )( x 2 x 1)

f ( x 0)
A 0( x 0)

f ( x 1)
A1( x 1)

C3

f ( x 0)
( x 0 x 1)( x 0 x 2 )( x 0 x 3)

f ( x 1)
( x 1 x 0 )( x 1 x 2 )( x 1 x 3)

k 0

f ( x 1)
( x1 x 0 )

C3

f ( xk )
Ak ( xk )

f ( x2)
A2( x 2)

f ( x 3)
A 3( x 3)

f ( x2)
( x 2 x 0 )( x 2 x 1)( x 2 x 3)

f ( x 3)
( x 3 x 0 )( x 3 x 1)( x 3 x 2 )

5.4 METODO DE INTERPOLACIN DE NEWTON IGUALMENTE SEPARADOS

n
Pn( x ) f ( x 0) Ck ( x x 0)( x x1)( x x 2)...( x xk 1)
k 1

26

1
Donde: Cn
n!h n

( 1) f ( x )
k 0

nk

n
k

1
[ f ( x 0) f ( x1)]
h
1
C2
[ f ( x 0) 2 f ( x1) f ( x 2)]
2 * h2
1
C3
[ f ( x 0) 3 f ( x1) 3 f ( x 2) f ( x 3)]
6 * h3
1
C4
[ f ( x 0) 4 f ( x1) 6 f ( x 2) 4 f ( x 3) f ( x 4)]
24 * h 4
1
C5
[ f ( x 0) 5 f ( x1) 10 f ( x 2) 10 f ( x 3) 5 f ( x 4) f ( x5)]
120 * h 5
1
C6
[ f ( x 0) 6 f ( x1) 15 f ( x 2) 20 f ( x 3) 15 f ( x 4) 6 f ( x5) f ( x 6)]
720 * h 6
1
C7
[ f ( x 0) 7 f ( x1) 21 f ( x 2) 35 f ( x 3) 35 f ( x 4) 21 f ( x5) 7 f ( x 6) f ( x 7)]
5040 * h 7
EJEMPLO: CALCULAR EL MODELO QUE PASA POR LOS PUNTOS: (x0,f(x0) = (0,0) ;
(x1,f(x1) = (1,1) ; (x2,f(x2) = (2,4) ; (x3,f(x3) = (3,9)
C1

COMO SON CUATRO PUNTOS ENTONCES SE OBTENDRA LA FUNCION: P3(x)

P 3( x ) f ( x 0) C1 * ( x x 0) C 2 * ( x x 0)( x x1) C 3 * ( x x 0)( x x1)( x x 2 )

27