12 Final Final Metodos Numericos

MTODOS NUMRICOS
INTRODUCCION
Antes de la invencin de la computadora slo contaban con tres mtodos para la solucin de
problemas:
1) ENCONTRAR SOLUCIONES DE ALGUNOS PROBLEMAS USANDO MTODOS EXACTOS O

ANALTICOS
Estas soluciones con frecuencia resultaban tiles y proporcionaba una comprensin excelente del
comportamiento de algunos sistemas, pero slo se encontraban en una clase limitada de
problemas, incluyendo a los que podramos aproximarlos mediante modelos lineales y aquellos que
tienen pocas dimensiones
2) EL USO DE SOLUCIONES GRFICAS.
Para analizar el comportamiento de los sistemas, se usaban grficas nomograma, aunque las
tcnicas grficas se emplean para resolver problemas complejos, los resultados no eran muy
precisos, eran tediosas y difciles de implementar.
3) PARA EL USO DE MTODOS NUMRICOS, SE UTILIZABAN CALCULADORAS Y REGLAS DE

CLCULO.0
Con este mtodo se presenta algunas dificultades, los clculos son muy lentos, tediosos y los
resultados no eran consistentes; debido a que surgen equivocaciones al realizar clculos manuales.
Tenemos las fases de solucin de un problema:
FORMULACION FORMULACION
Leyes Exposicion profunda de la relacion del
fundamentales
brevemente problema con las leyes fundamentales
SOLUCION
SOLUCION Metodo de la
Metodos muy elaborados y computadora de facil
muy complicados uso
INTERPRETACION
Desarrollar la intuicion
INTERPRETACION
Anlisis limitado Estudiar el comportamiento del
sistema
1
Entonces los Mtodos Numricos son tcnicas que nos permiten formular modelos matemticos,
de tal forma que puedan resolverse usando operaciones aritmticas.
Hoy en da las computadoras y los Mtodos Numricos proporcionan una buena alternativa para
clculos muy complicados.
El uso de las computadoras nos permite hacer aproximaciones de clculo sin tener que recurrir a
suposiciones tcnicas lentas.
Nos preguntamos Por qu estudiar Mtodos Numricos?
1) Los Mtodos Numricos son herramientas muy poderosas para la solucin de problemas.
Pueden manejar ecuaciones grandes, no lineales y geometras complicadas; aumentando
la habilidad de resolver problemas.
2) Contar con la ocasin de usar software que contenga mtodos numricos, es por eso que
debe tenerse el conocimiento de la teora.
3) Ser capaces de disear sus propios programas para resolver los problemas que otros
software no lo realizan.
4) La mayora de los mtodos numricos estn diseados para implementarlos en la

computadora.
5) Los mtodos numricos son un medio de reforzar su compresin de las matemticas;

pues una de sus funciones es convertir las matemticas superiores a operaciones
aritmticas bsicas.
2
INTRODUCCION A LA TEORIA DE ERRORES
Es importante entender el concepto de ERROR, para usar en forma efectiva los Mtodos
Numricos.
Por ejemplo en la cada de un paracaidista, la velocidad de la cada puede determinarse
por mtodos analticos es decir; obtener los resultados exactos pero, tambin, se puede
determinar la velocidad de cada por mtodos numricos que son solo una aproximacin,
observando que aparece una cierta discrepancia error en los valores encontrados.
Pero en muchos problemas no podemos obtener la solucin analtica, por lo que no
podemos calcular con exactitud los errores asociados con nuestro mtodo numrico, en estos
casos debemos resolver por aproximaciones estimar los errores:
Generalmente se lucha por limitar los errores en los trabajos; pues as: cuando se realiza
un examen se realizan tareas son sancionadas ms no premiados por sus errores.
En la prctica profesional los errores pueden resultar costosos y en algunas ocasiones
catastrficos es decir; puede perderse la vida, si un dispositivo falla.
Entonces nos preguntamos si las aproximaciones numricas introducen errores Qu
tanto error se presenta en los clculos y qu tan tolerable es?
TIPOS DE ERRORES
Entre los tipos de errores tenemos:
1) ERROR ABSOLUTO
Es la diferencia entre el valor verdadero (valor exacto) y el valor aproximado (valor

observado)
Donde : V = Valor verdadero exacto.

= Valor aproximado
S > es por defecto
S es por Exceso
OBSERVACION
Ambos sin valor absoluto
3
E1) Calcular los errores absolutos que se cometen al tomar = . con el
valor verdadero = .
= .
= . . = . > . Es un error por Defecto
Entonces:
= .
= .
E2) S, = . y sea el valor aproximado = .
= . . = .
= . = .
E3) S, = . = y sea el valor aproximado

a) b) c) d) +

= . . = . = .
= . . = . = .
= . . = . = .
= . . = . = .
E1) Calcular los errores absolutos que se cometen al tomar = . con el valor verdadero = .
= .
= . . = . . Es un error por Exceso
Entonces:
= .
= .
= . . = .
= . = .

b) b) c) d) +

= . . = . = .
= . . = . = .
= . . = . = .
= . . = . = .
4
E4) Calcular los errores absolutos que se cometen al tomar = . con el valor verdadero = .
= .
= . . = . . Es un error por Exceso
Entonces:
= .
= .
= . = .
= . = .

c) b) c) d) +

= . . = . = .
= . . = . = .
= . . = . = .
= . . = . = .
OBSERVACION:
a) El error absoluto que conviene tomar es el menor de estos nmeros, pues ms estrecho
ser el intervalo dentro del cual se asigna el nmero exacto.
b) El error absoluto refleja slo el aspecto cuantitativo
2) ERROR RELATIVO
Con la finalidad de estimar la calidad de los clculos las mediciones respectivas, se

introduce el concepto de error relativo.
Entonces:

= ,

= ,

E1) Sea = . un valor aproximado de = = . ., hallar el error

relativo.
. .
= = . = .
.
5
E2) Sea, = . y sea el valor
) = . b) = . c ) = .
..
a) = = . = .
.
. .
b) = = . = .
.
. .
c) = = . = .
.

E1) Sea = . un valor aproximado de = = . .., hallar el error relativo.
. .
= = . = .
.
) = . b) = . c ) = .
..
d) = = . = .
.
..
e) = = . = .
.
f) =
..
.
= . = .

E3) Sea = . un valor aproximado de = = . ., hallar el error relativo.
. .
= = . = .
.
) = . b) = . c ) = .
..
g) = = . = .
.
..
h) = = . = .
.
..
i) = = . = .
.
3) ERROR RELATIVO PORCENTUAL
Es el error relativo multiplicado por 100 %

% = | | % ,

E1) Sea = = . y sea = . . Calcular el valor relativo

porcentual.
. .
% = % = . %
.
6
E2) Sea = = . y = . . Calcular el valor relativo porcentual.
. .
% = % = . %
.

E1) Sea = = . y sea = . . Calcular el valor relativo porcentual.
. . .
% = % = . %
.
E2) Sea = = . y = . . Calcular el valor relativo porcentual.
. .
% = % = . %
.

E3) Sea = = . y sea = . . Calcular el valor relativo porcentual.
. .
% = = . = . = . %
.
E4) Sea = = . 1102551 y = . . Calcular el valor relativo porcentual.
. .
% = = . = . %
.
OBSERVACION:
a) Si comparamos los dos resultados anteriores, veremos que la calidad de datos del E2) es
mejor que E1)
b) El error relativo representa el aspecto cualitativo, es decir Cmo hemos realizado el

clculo bien mal?.
c) Cuando se maneja cantidades muy grandes o muy pequeas, el error absoluto puede ser
no tan significativo, mientras el error relativo si es significativo en muchos casos.
CIFRAS SIGNIFICATIVAS
EXACTITUD: Que tan cercano est el valor calculado medido con el valor verdadero.
PRECISION: Que tan cercano est un valor individual medido calculado respecto a los
otros.
EJEMPLO 1:
LA INEXACTITUD (SE CONOCE COMO SESGO TAMBIEN)
Son inexactos, pues estn alejados del centro que es el valor verdadero
7
IMPRESICION (SE CONOCE COMO INCERTIDUMBRE)
Ambas son exactas, pero la segunda es ms precisa que la primera, ya que los puntos estn en
un grupo ms compacto.
Entonces las cifras significativas de un nmero son todas sus cifras, a excepcin de los ceros que
estn a la izquierda.
E1) 0.072671 Tiene 5 cifras significativas.
E8) 87324.45 Tiene 7 cifras significativas .
DEFINICION
Se dice que un nmero se aproxima a V con t dgitos significativos, si t es el entero ms grande
no negativo para la cual se cumple:

<

8
E1) Aproxime al nmero 25 con dos cifras significativas.
Entonces:

<

<

<
< .
. < < .
. < < . . .
Por lo tanto, podemos decir que cualquier valor de en dicho intervalo cumple con la
condicin
E1) Aproxime al nmero 15 con dos cifras significativas.
Entonces:

<

<

<
< .
. < < .
. < < . . .
Por lo tanto, podemos decir que cualquier valor de en dicho intervalo cumple con la condicin
9
SERIES DE TAYLOR
ERROR DE TRUNCAMIENTO
Los errores de Truncamiento son aquellos que resultan al usar aproximaciones en lugar de un
procedimiento matemtico exacto.
La serie de Taylor es importante, pues es til para obtener modelos numricos, as como analizar
los errores de truncamiento.
TEOREMA
Sea () una funcin cuya ( + 1) derivada ()(+1), existe para cada en un

intervalo abierto , que contenga a para todo de .
( ) 2 ( )3 ( )
() + ()( )
() = + () + () + + () + ()
2! 3! !
1

2

()+1
Donde () = (+1) () (+1)!
es el residuo u error, donde es algn punto
entre y .
OBSERVACION
1) 1 () = () + ()( )
( )2
2 () = () + ()( ) + ()
2!
E1) Encuentre () en = para () = y selo para calcular valores

aproximados de (. ) y (. ).
Sea
() = (1) = 1 (1) = 0
1 1
() = (1) = 1 (1) = 1
Entonces :
1 () = () + ()( )
1 () = (1) + (1)( 1)
1 () = 0 + 1 ( 1)
1 () = 1 1
10
Luego:
(0.9) = 0.9 1 (0.9) = 0.1 0.10536 0.1
(1.5) = 1.5 1 (1.5) = 0.5 0.40546 0.5
El primero es mejor, pues 0.9 est ms cercano de 0 que 1.5
E2) Encuentre () en = para () = y selo para calcular valores

aproximados de (. ) y (. ).
Sea
() = (1) = 1 (1) = 0
1 1
() = (1) = 1 (1) = 1
1 1
() = (1) = (1) = 1
2 12
Entonces :
( )2
2 () = () + ()( ) + ()
2!
( 1)2
2 () = (1) + (1)( 1) + (1)
2!
1 2
2 () = 0 + 1( 1) ( 1)
2!
1 1
2 () = ( 1) ( 1)2 = ( 1) ( 1)2
2 2
Luego:
1
= ( 1) ( 1)2
2
1
(0.9) = (0.9 1) 2 (0.9 1)2 0.10536 0.105
1
(1.5) = (1.5 1) 2 (1.5 1)2 0.40546 0.375
Observamos que estas son mejores aproximaciones que en el caso lineal.
11
E3) Use el polinomio de Taylor de orden 4 para = al calcular el valor
aproximado de (. ) y d una estimacin del mximo error cometido.
Es necesario las cinco primeras derivadas de ()
() = (1) = 1 (1) = 0
1 1
() = (1) = 1 (1) = 1
1 1
() = 2 (1) = 12 (1) = 1
2 2
() = 3 (1) = 13 (1) = 2
6 2 6
() = (1) = (1)4 (1) = 6
6
24 3 24 24
() = 8
() = ()5 () = 5
Entonces por la frmula de Taylor:
( 1)2 ( 1)3 ( 1)4

= (1) + (1)( 1) + (1) + (1) + (1) + 4 ()
2! 3! 4!
(1)( 1)2 2 ( 1)3 ( 6)( 1)4

= 0 + 1( 1) + + + + 4 ()
2! 3! 4!
( 1)2 2 ( 1)3 6( 1)4

= ( 1) + + 4 ()
2 321 4321
( 1)2 ( 1)3 ( 1)4

= ( 1) + + 4 ()
2 3 4
( 1)2 ( 1)3 ( 1)4

(0.9) = ( 1) + + 4 ()
2 3 4
(0.9 1)2 (0.9 1)3 (0.9 1)4

(0.9) = (0.9 1) + + 4 (0.9)
2 3 4
(0.1)2 (0.1)3 (0.1)4

0.10536 = 0.1 + + 4 (0.9)
2 3 4
0.10536 = 0.105358 + 4 (0.9)
Sabemos que :
( )+1
() = (+1) ()
( + 1)!
24 (0.1)5
(0.9) =
5 5!
12
24 (0.1)5
(0.9) =
5 5 4 3 2 1
(0.1)5
(0.9) =
5 5
0.9 < < 1

<<
Por lo tanto :
(0.1)5
| (0.9) | <
5 5
(0.1)5
| (0.9) | < = 0.00000338
5 (0.9)5
Podemos concluir que (0.9) = 0.10536 con un error de 0.00000338
Al decir esto suponemos que el error es insignificante o que el error de clculo fue
insignificante.
POLINOMIO DE MCLAURIN
En el caso = , el polinomio de Taylor de orden se simplifica para obtener el
polinomio de Mclaurin, dando una aproximacin particularmente til en una vecindad de
=
Tenemos:
(0)
(0) 2 (0) 3 (0)
() = (0) + + + + + ..+
2! 3! !
E1) Encuentre los polinomios de Mclaurin para y . Calcular despus

el valor de . y (. ) , empleando = .
a) Es necesario las cinco primeras derivadas de ()
() = (0) = 1
() = (0) = 1
() = (0) = 1
() = (1) = 1
() = (1) = 1
13
Entonces:
(0) 2 (0) 3 (0) 4

() = (0) + (0) + + +
2! 3! 4!
1 2 1 3 1 4
= 1 + 1 + + +
2! 3! 4!
1 1 1
0.2 = 1 + 1(0.2) + (0.2)2 + (0.2)3 + (0.2)4
2! 3! 4!
1.2214 = 1.2214
b)
Es necesario las cinco primeras derivadas de ()
() = cos (0) = cos(0) (0) = 1
() = (0) = 0 (0) = 0
() = cos (0) = cos 0 (0) = 1
() = (0) = 0 (0) = 0
() = cos (0) = cos 0 (0) = 1
Entonces:
(0) 2 (0) 3 (0) 4

() = (0) + (0) + + +
2! 3! 4!
1 2 0 3 1 4
cos = 1 + 0 + +
2! 3! 4!
1 1
cos 0.2 = 1 (0.2)2 + (0.2)4
2! 4!
0.99999 = 0980066
1.2214 = 1.2214
14
SISTEMA NUMERICO
1.1) Conversin de nmeros enteros del sistema decimal a un sistema de base

b y viceversa.
E1) Convierta al sistema octal.
473 8
1 598
3 7
Entonces 47310 es equivalente a 7318
E2) Convierta al sistema decimal.
4578 = 4 82 + 5 81 + 7 80 = 30310
E1) Convierta 35810 al sistema octal.
358 8
448

E2) Convierta 6528 al sistema decimal.
6528 = 6 82 + 5 81 + 2 80 = 42610
1.2) Conversin de nmeros enteros del sistema octal al binario y viceversa.
E1) Convierta al sistema binario.
Primero aplicaremos Descomposicin polinmica.
5748 = 5 82 + 7 81 + 4 80 = 38010 .
Luego divisiones sucesivas
380 2
1902
952
472
22.
22

15
Por lo tanto 5748 es equivalente al nmero binario 1011111002

Pero tambin lo podemos resolver as:
5 7 4
5748 = { { {
101 111 100
5 2
2 2 ..

E1) Convierta 5468 al sistema binario.
Primero aplicaremos Descomposicin polinmica.
5468 = 5 82 + 4 81 + 6 80 = 35810 .
Luego divisiones sucesivas
358 2
1792
892
442
22.
22

Por lo tanto 5468 es equivalente al nmero binario 1011001102
Pero tambin lo podemos resolver as:
5 4 6
5468 = { { {
101 100 110
5 2
2 2 ..

1.3) Conversin de nmeros fraccionarios del sistema decimal a un sistema de base b
E1) Convierta . al sistema octal.
0.6 0.8 0.4 0.2 0.6

8 8 8 8 8
y se repite
4.8 6.4 3.2 1.6 4.8
Entonces 0.610 es equivalente a 0.463148 .
Este procedimiento se repite un nmero suficiente de veces o hasta que la parte decimal sea
CERO.
E1) Convierta 0510 al sistema octal.
0.5 0.4 0.2 0.6 0.8 0.4

8 8 8 8 8 8
y se repite
4.0 3.2 1.6 4.8 6.4 3.2

Este procedimiento se repite un nmero suficiente de veces o hasta que la parte decimal sea CERO.
E2) Convierta 0.210 al sistema octal.
0.2 0.6 0.8 0.4 0.2

8 8 8 8 8
1.6 4.8 6.4 3.2 1.6
y se repite
16
1.4) Conversin de un nmero fraccionario en sistema binario al sistema decimal
Debemos tomar en cuenta que se inicia la posicin -1 a partir del punto de decimal.
E1) Convierta . al sistema decimal.
.
= + + + + + + + +
= .
17
REPRESENTACION DE NUMEROS EN LA COMPUTADORA
Generalmente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan en la memoria de la computadora.
La unidad fundamental de almacenamiento en un computador es la PALABRA, que pueden ser

de 8 a 64 bits
A continuacin representaciones de los nmeros en la computadora:
1) NUMEROS ENTEROS
Revisaremos como los nmeros de base 10 pueden ser representados en base 2, la

aproximacin ms simple es el mtodo de la MAGNITUD DEL SIGNO, donde el primer bit
corresponde al signo, que puede ser (+) cuando es CERO y (-) cuando es UNO.
E1) Represente el numero 28 en una palabra de 16 bits
Entonces por divisiones sucesivas, tenemos:

28 = 111002
1 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0
BIT O CARACTERISTICA MANTISA
2) NUMEROS REALES (PUNTO FLOTANTE)
Al almacenar un nmero real en su representacin binaria se utilizara la notacin:

0. 1 2 3 4 5 6 7 8 2 1 2 3 4 5 6 7
Donde 0 y con i= 1,.8 ; j=1,2,7 pueden ser cero o unos
E1) Represente el nmero 15.324 en una palabra de 16 bits.
Por divisiones sucesivas, tenemos:

15 = 11112
Luego:
0.324 0.648 0.296 0.592 0.184

2 2 2 2 2
..
0.648 1.296 0.592 1.184 0.736
18
Entonces: 15.324 = 1111. 010100101 . .2
15.324 = 1111 010100101 24
15.324 = 0.1111 010100101 2100
Donde
4 2
2 2 4 = 1002

1 0 0 0 0 1 0 0 1 1 1 1 0 1 0 1
BIT O CARACTERISTICA MANTISA
19
RAICES DE UNA ECUACION
INTRODUCCIN
Nosotros desde hace tiempo aprendimos a utilizar la frmula:
2 4
=
2
Para resolver expresiones () = 2 + + tambin podemos resolver polinomios

lineales () = + .
A estos valores calculados del polinomio ya sea lineal o cuadrtico se les llama races; es
decir () = 0 es por eso que algunas races se les conocen como ceros del polinomio.
Aunque la frmula anterior es til para resolver ecuaciones polinomiales de segundo

grado, hay muchos polinomios que no es posible resolverlos de una manera fcil, en
estos casos los mtodos numricos son mtodos eficientes para obtener una respuesta.
MTODO GRAFICO
Este mtodo es til para obtener una aproximacin a la raz de un polinomio y observar
donde cruza se intercepta en el eje de las X.
Este valor para la cual () = 0 proporciona una aproximacin inicial de la raz, aunque
los mtodos grficos son tiles para obtener estimaciones aproximadas de las races,
pero pocas precisas
Para aproximar debemos usar la tcnica de PRUEBA ERROR, que es escoger un valor
de x y evaluarla si es () = 0, sino no ocurre as, como en la mayora de los casos, se
hace otra conjetura y se evala nuevamente a () , hasta determinar la mejor
estimacin hasta encontrar un valor que genere un () cercano a CERO.
20
As tenemos:
a b a b
Vemos que el grfico (1) y (3) tienen el mismo signo pero, no hay races en la FIG(1) y la
FIG(3) tiene par de ellos entre los valores dados.
El grafico (2) nos da el resultado de una raz que est acotada por valores positivos y
negativos de () .
As la FIG (4) es un polinomio de signos diferentes existiendo un nmero impar de

races.
Pero no siempre se cumple, pues hay funciones tangenciales discontinuas.
As () = ( 2)( 2)( 4) es un polinomio tangencial pero tiene una raz mltiple
21
LOCALIZACION DE INTERVALOS DE RAICES DE f(x) =0
Cuando no hay informacin previa de acerca de los valores aproximados de las races;
una manera sencilla para hallar intervalos de x que contenga una raz es construir una
tabla de valores de x, con separacin uniforme.
E1) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms
races
= () = + + = . , =
x f(x)=0
4 +
3 +
2 +
1 +
0 +
1 ()() < [, ],
+
2
3
4
22
E2) Determinar el (los ) intervalos de tamao 1.0 , tal que cada una de ellas
contenga uno o ms races
= () = ( . )( ) + , < <
x f(x)=0
5
4
3
2
1 ()() < [, ],
0
1 +
2 ()() < [, ],
3
4
5
Encontramos dos intervalos [0, 1] , [1,2] cada una de los cuales contiene al menos una
raz.
E3) Determinar el (los ) intervalos , tal que contenga uno o ms races
= () = + = . , =
E4) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms
races
= () =
23
E5) Determinar el (los ) intervalos de tamao 1.0 , tal que cada una de ellas contenga uno o ms races
= () = ( . )( ) + , < <
x f(x)=0
10
9
8
7
6
5
4
3
2 ()() < [, ],
1
0
()() < [, ],
1 +
2
3
()() < [, ],
4
5
6
7 +
8 +
9 + Encontramos tres intervalos [0, 1] , [1,2], [6,7] cada una de los cuales
10 + contiene al menos una raz.
E6) Determinar el (los ) intervalos , tal que contenga uno o ms races
= () = = . , =
E7) Determinar el (los ) intervalos de tamao 1.0 , tal que contenga uno o ms races
= () =
24
MTODOS CERRADOS
INTRODUCCIN
Son aquellos que aprovechan que una funcin cambia de signo en una vecindad de una raz.
A estas tcnicas los llamamos Mtodos Cerrados o de Intervalos, pues son necesarios dos
puntos iniciales para la raz.
Esto implica que dichos valores iniciales deben encerrar a la raz.
Los mtodos que vamos a estudiar emplearan diferentes estrategias para reducir el tamao del
intervalo y converger a la respuesta correcta.
Entre ellos tenemos:
a) Mtodo de Biseccin
b) Mtodo de Regula Falsi
MTODO DE BISECCION
Al graficar la funcin podemos observaremos que la funcin f x cambia de signo en ambos
lados de la raz.
f(a)
a b
f(b)
Entonces en general si f x es real y continua en el intervalo a , b y s f a , f b tienen
signos opuestos , es decir f a f b 0 , entonces afirmamos que al menos hay una raz real
entre a y b en el intervalo a , b .
El mtodo de Biseccin conocido como corte binario, de particin en dos intervalos iguales
Mtodo de Bolzano es un tipo de bsqueda incremental en que el intervalo se divide siempre en
la mitad
25
MTODO DE BISECCION (BUSQUEDA BINARIA)
Sea () una funcin continua y definida en el intervalo a , b con () y () de signos

)
distintos, existe un < < tal que ( = (Existe una solucin raz por el Teorema
,
del Valor Medio)
Este mtodo de Biseccin aplica los siguientes pasos para una raz con ciertas cifras significativas
exactas.
1) Sea a0 ,b0 un intervalo inicial donde existe la raz , para generar luego la sucesin

+
} , mediante la relacin : = , = , ,
=

2) Determinar
> + =
+ =
( ) ( ) = < + =
+ =
{=
3) Dejar de iterar s
Tolerancia
x x
i1
0.5 10
mn 1

4) Dejar de iterar s i
mn 1
E
A
0.5 10
OBSERVACION
m= Orden
n= Nmero de cifras significativas
26
Ejemplo 1
Encuentre la raz de la siguiente ecuacin en el intervalo [ 6 , 7 ] empleando el mtodo de

biseccin para el polinomio () = 2 ln 9 18 e iterar hasta que el error estimado
sea menor o igual al 0.01.
Sea i 0
[ 0 , 0 ] = [ 6 , 7 ]
0 + 0 6+7
0 = = = 6.5
2 2
0 = 6.5
1 = 0 = 6
(0 )(0 ) = (6)(6.5) < 0 {
1 = 0 = 6.5
Sea i 1
[ 1 , 1 ] = [ 6 , 6.5]
1 + 1 6 + 6.5
1 = = = 6.25
2 2
1 = 6.25
2 = 1 = 6.25
(1 )(1 ) = (6)(6.25) > 0 {
2 = 1 = 6.5
Sea i 2
[ 2 , 2 ] = [ 6.25 , 6.5 ]
2 + 2 6.25 + 6.5
2 = = = 6.375
2 2
2 = 6.375
= 2 = 6.375
(2 )(2 ) = (6.25)(6.375) > 0 { 3
3 = 2 = 6.5
Sea i 3
[ 3 , 3 ] = [ 6.375 , 6.5 ]
3 + 3 6.375 + 6.5
3 = = = 6.4375
2 2
3 = 6.4375
4 = 3 = 6.375
(3 )(3 ) = (6.375)(6.4375) < 0 {
4 = 3 = 6.4375
27
+1
0 6.5
1 6.25 0.25
2 6.375 0.125
3 6.4375 0.0625
4 6.40625 0.03125
5 6.390625 0.015625 .
6 6.3828125 0.0078125
Luego tenemos que la raz es:

5 = 6.390625
Donde
+1 = 0.015625 .
28
Ejemplo 1
Sea
f x x3 x 1 x * 1 ,2 con un error de aproximacin de obtener102 , aplicar el mtodo de biseccin.
1) Sea
i0
a0 ,b0 1 ,2
a 0 , b 0 1 2
x0 1, 5
2 2
x 0 1, 5

f a f x 0 f
1 f
a1 a0 1
0 b x 1,5
1.5
0
1 0
2)
Sea
i1
a1 ,b1 1 , 1,5
a1 , b1 1 ,1,5
x1 1, 25
2 2
x 1 1, 25
3)
a x 1,25
2
f a f x1 f
1
1 f
1,25

1
0 b a 1,5

2 1
4)
Sea
i2
a 2 , b2 1,25 , 1,5
a 2 b 2 1,25 ,1,5
x2 1, 375
2 2
x 2 1, 375
5)

f a f x 2 f 1,25 f
2
1,375
a3 a2 1,25
0 b x 1,375
3 2
6)
Sea
i3
a 3 , b3 1,25 , 1,375 +1
0 1.5
a3 b3 1,25 ,1,375
x3 1, 3125
2 2 1 1.25 0.25
x 3 1, 3125
2 1.375 0.125
EJEMPLO 1
3 1.3125 0.0625
Sea
f x x 2 2x 4 0 4 1.34375 0.03125
5 1.328125 0.015625
a)
x* 1 ,2 obtener la solucin con dos cifras significativas
6 1.320312 0.0078125 < .
b)
x* 4, 3 obtener la solucin con dos cifras significativas
f x x 2 2x 4 0
Entonces resolveremos a)
7) Sea
i0
a0 ,b0 1 ,2
a 0 , b0 1 2
x0 1, 5
2 2
x 0 1, 5
a a 1
1
f a f x0 f
0
1 f1.5 0
0 b x 1,5

1 0
8)
Sea
i1
a1 ,b1 1 , 1,5
a , b1 1 ,1,5
x1 1 1, 25
2 2
x 1 1, 25
9)

f a f x 1 f
1 f1,25
a 2 a1 1
0 b x 1,25
1
2 1
10)
Sea i2
a2 ,b2 1 , 1,25
a b 2 1 ,1,25
x2 2 1, 125
2 2
x 2 1, 125
11)
f x
fa 2 f
1 f
1,125
0
a3 x 2 1,125

2
b3 b2 1,25
12)
i3
Sea
a3 ,b3 1,125 , 1,25

a 3 b3 1,125 ,1,25
x3 1, 1875
2 2
x 3 1, 1875
29
Ejemplo 2
Encuentre la raz de la siguiente ecuacin en el intervalo [2.5, 1], empleando el

mtodo de Biseccin para el polinomio () = 3 2 2 10, e iterar hasta que el
error estimado sea menor o igual al 5%.
Sea () = 3 2 2 10 [1, 2.5] con un 5%

,
1) Sea i 0
a 0 , b0 - 1 ,-2.5
a 0 b0 1 2.5
x0 1,7 5
2 2
x 0 1, 75
a a 1
1

f a f x 0 f1 f

1
.75

0
0
0
b x 1.75
1 0
2)
Sea i 1
a1 , b1 1, 1.75
a1 , b1 1 1,75
x1 1, 375
2 2
x1 1, 375

f a f x1 f
a 2 x1 1, 375
1 f 1, 375 0

1
b2 b1 1, 75

3)
Sea i 2
a 2 , b2 1, 375 , 1.75
a b2
x2 2 1, 5625
2
x 2 1, 5625
a a 1, 375
3

f a f x 2 f 1, 375
f1, 5625 0
2
2 b x 1,5625
3 2
|+ |
0 -1.750000000
1 -1.375000000 0.375000000
2 -1.562500000 0.187500000
3 -1.468750000 0.093750000
4 -1.51625000 0.046875000 .
30
Luego tenemos que la raz es:
x 4 - 1.51625000
Donde
x 4 x 3 0.04687500 0 0.05
Ejemplo 3
Sea f x x 2 0.9 x 1.52 , x * 1 ,2 con un = 103
4) Sea i0
a0 ,b0 1 ,2
a 0 b 0 1 2
x0 1, 5
2 2
x 0 1, 5
5)
a1 x 0 1.5

f a 0 f x 0 f1 f
0 b b 2
1.5
1 0
6)
Sea i1
a1 , b1 1, 5 , 2
a1 , b1 1,5 ,2
x1 1, 75
2 2
x 1 1, 75
7)
f x
f a 1 f

1,5 f 1,75
0

a 2 x1 1,75

b 2
1
b
2 1
8)
Sea i2
a 2 , b2 1,75 , 2
a 2 b2 1,75 ,2
x2 1, 875
2 2
x 2 1, 125
9)
a3 a2 1,75

f a 2 f x 2 f
1,75
f
1,875
0 b x 1,875
3 2
10)
Sea
i3
a3 , b3 1,75 , 1,875
a 3 b3 1,75 ,1,875
x3 1, 8125
2 2
x 3 1, 8125
11) Sea
i0
a0 ,b0 1 ,2
a 0 b 0 1 2
x0 1, 5
2 2
x 0 1, 5
12)
a1 x 0 1.5

f a 0 f x 0 f1 f
0 b b 2
1.5
1 0
13)
Sea i1
a1 , b1 1, 5 , 2
a1 , b1 1,5 ,2
x1 1, 75
2 2
x 1 1, 75
14)
a 2 x1 1,75

f a1 f x 1 f
f
1,5 1,75
0 b b 2
2 1
15)
Sea i 2
a 2 , b2 1,75 , 2
a 2 b2 1,75 ,2
x2 1, 875
2 2
x 2 1, 125
16)
31
a3 a2 1,75

f a 2 f x 2 f
1,75
f
1,875
0
b3 x 2 1,875

17)
Sea i3
a3 , b3 1,75 , 1,875
a 3 b3 1,75 ,1,875
x3 1, 8125
2 2
x 3 1, 8125
Luego tenemos que la raz es :
x 9 1, 762695313
Donde
x 9 x 8 0.000976 0.001
32
MTODO DE REGULA FALSI
Dado que el Mtodo de Biseccin es una tcnica que permite determinar races, su enfoque no es
tan eficiente. La Falsa Posicin es una alternativa basada en la visualizacin grfica, pues la
interseccin de una lnea con el eje de las X, representa una mejor estimacin de la raz, de aqu
el nombre de Falsa Posicin, en Latn Regula Falsi mtodo de Interpolacin Lineal.
1) Este mtodo se basa en la interpolacin lineal, es anlogo al mtodo de biseccin, puesto

que el tamao del intervalo que contiene a la raz se reduce mediante iteracin.
Sin embargo en vez de encontrar los puntos medios de los intervalos en forma montona ,
utiliza la interpolacin lineal ajustada a dos puntos extremos para encontrar una
aproximacin de la raz, siendo la funcin bien aproximada por la interpolacin lineal ,
entonces las races tendrn una buena precisin y la iteracin converger ms rpido que
usando el mtodo de biseccin.
El Mtodo de Biseccin tiene el defecto que al dividir el intervalo en mitades iguales no

considera la magnitud de las imgenes de la funcin.
As por ejemplo si f a es ms cercano a cero que f b es lgico que la raz se
encuentre ms cerca de a que de b aprovechando en unir f a y f b con una lnea

recta , donde la interseccin de esta lnea con el eje X representa una mejor estimacin de
la raz , de hecho al reemplazar una curva por una lnea recta da una FALSA POSICION
de la raz de aqu el nombre Mtodo de FALSA POSICION .
GRAFICAS
33
Sabemos que la ecuacin de la recta es:
= ( )

= ( )

Entonces:
Sea el intervalo cerrado [ , ] que contenga a la raiz , la funcion lineal que
pasa por los puntos : (1 , (1 )) , (0 , (0 ) ) , se tiene:

(1 ) (0 )
(1 ) = (1 0 )
1 0
Despejando, 1 tenemos:
( = (0 ) )(1 0 )
+ 0 = 1
(1 ) (0 )
Si = 0 La recta intersecta al eje X en una raz

Entonces
(0 )(1 0 )
1 = + 0
(1 ) (0 )
(1 0 )
1 = 0 (0 )
(1 ) (0 )
Entonces:
(2 1 )
2 = 1 (1 )
(2 ) (1 )
34
(3 2 )
3 = 2 (2 )
(3 ) (2 )
.......
( 1 )
= 1 (1 )
( ) (1 )
2) La desventaja de este mtodo es que pueden aparecer extremos fijos as las

aproximaciones x 2, x 3, x 4.... a la raz converge solamente por un lado.
3) Los extremos fijos no son deseables, pues hacen ms lentos la convergencia,

especialmente cuando el intervalo inicial es muy grande.
ALGORITMO DEL METODO DE REGULA FALSI
Sea () una funcin continua y definida en el intervalo a , b donde () = .
Si () () < , ; ( ) =
Tenemos la relacin:
( ) ( )
= = 0,1,2 .
( ) ( )
Determinamos:
> + =
+ =
( ) ( ) = < + =
+ =
{=
Donde =
35
Ejemplo 1
Sea () = | | ( ), determine la raz positiva

ms pequea de la funcin, empleando el mtodo de Falsa posicin para
[ ; ]. Realice el clculo hasta que < donde = %
Sea () = | | , [ , ],
1) Sea
f 0 5
2) f 5 14.6687282 89
Por lo tanto
f 0 f 5 0 x * 0, 5 a , b
0 0

3) Sea i 0
f b 0 a 0 f a 0 b 0
x0
f b 0 f a 0
f 5 0 f 0 5
x0
f 5 f 0
x 0 1, 271053198
4) Luego
f a 0 f x 0 f 0 f 1,27105319 8 0
a1 x 0 1, 271053198

b1 b0 5

a , b 1, 271053198, 5
1 1
5)
i1
f b1 a 1 f a 1 b1
x1
f b1 f a 1
f 5 1, 27105319 f 1, 27105319 5
x1
f 5 f 1, 27105319
x 1 1,99611230 9
36
6) Luego
f a 1 f x 1 f 1, 271053198 f 1,99611230 9 0
a 2 x 1 1,99611230 9

b 2 b1 5

a , b 1,99611230 9 , 5
2 2
n
0 1.271053198
1 1.996112309 0.725059110
2 2.199467317 0.203355008
3 2.233593225 0.034125908
4 2.238406548 0.046875000
5 2.239064611 0.000658063 .
6 2.239168296 0.000103685
7 0.000000000 0.000000014
Ejemplo 2
Emplee el mtodo de Falsa posicin para () = + para [, ]
1) Sea
f 2 2 2 2 1
3
f 2 3
2)
f 1 1 2 1 1
3
f 1 2
Por lo tanto
f 2 f 1 0 x * 2,1 a , b
0 0

3) Sea i 0
37
f b0 a 0 f a 0 b0
x0
f b0 f a 0
f 1 2 f 2 1
x0
f 1 f 2
7
x0
5
x 0 1, 4
4) Luego
f a0 f x 0 f 2 f 1,4 0
a1 a0 2

b x 1,4

1 0
a , b 2,1, 4
1 1
5)
i1
f b1 a1 f a1 b1
x1
f b1 f a1
f 1,4 2 f 2 1,4
x1
f 1,4 f 2
x1 1,556213018
6) Luego
f a1 f x1 f 2 f 1,55621301 8 0
a2 a1 2

b x 1,55621301 8

2 1
a , b 2,1,55621301 8
2 2
7)
i2
f b2 a2 f a2 b2
x2
f b2 f a2
f 1,556213018 2 f 2 1,556213018
x2
f 1,556213018 f 2
x 2 1,5601817041
8) Luego
38
f a 2 f x 2 f 2 f 1,60181704 1 0
a3 a2 2

b x 1,60181704 1

3 2
a , b 2,1,60181704 1
3 3
9)
i3
f b 3 a 3 f a 3 b 3
x3
f b 3 f a 3
f 1, 601817041 2 f 2 1, 601817041
x3
f 1, 601817041 f 2
x 3 1,61387237 7
10) Luego
f a 3 f x 3 f 2 f 1,61387237 7 0
a 4 a3 2

b x 1,61387237 7

4 3
a , b 2,1,61387237 7
4 4
Ejemplo 2
Sea () = 10 1 , [0 , 1,3]
1) Sea
f 0 1
2)
f 1,3 1,3 10 1
f 1,3 12 ,785849

f 0 f 1,3 0 x * 0 1,3 a 0 , b 0
Por lo tanto
3) Sea
i0
f b0 a0 f a0 b0
x0
f b0 f a0
f 1,3 0 f 01,3
x0
f 1,3 f 0
x 0 0, 094299
4) Luego
f a 0 f x 0 f 0 f 0.094299 0
a1 x 0 0,094299

b1 b0 1,3

a1, b1 0,094299,1, 3
5) i1
f b1 a1 f a1 b1
x1
f b1 f a1
f 1,3 0,094299 f 0,094299 1,3
x1
f 1,3 f 0,094299
x1 0,181758
39
6) Luego
f a1 f x1 f 0,094299 f 0,18758 0
a 2 x 1 0, 181758

b2 b1 1,3

a 2 , b2 0,181758, 1,3
7)
i2
f b2 a 2 f a 2 b2
x2
f b2 f a 2
f 1,3 0,181758 f 0,181758 1,3
x2
f 1,3 f 0,181758
x 2 0,262873
8) Luego
f a 2 f x 2 f 0,181758 f 0,262873 0
a 3 x 2 0,262873

b 3 b 2 1,3

a 3 , b3 0,262873 ,1,3
9)
i3
f b3 a 3 f a 3 b3
x3
f b3 f a 3
x 3 0. 338140
10) Luego
f a 3 f x 3 f 0 , 262873 f 0 ,338104 0
a 4 a 3 0,338104

b x 1,3
0 ,338104,1,3
4 3
a ,b
4 4
11)
i4
f b 4 a 4 f a 4 b 4
x4
f b 4 f a 4
x 4 0,407877
ORDEN DE UN NMERO
El orden de un nmero es el mximo exponente de la descomposicin polinomica.
Lo denotaremos como el entero m
Ejemplo 1
0 -1 -2 -3 - 4

V 0.0 0 9 8
0 1 2 3 m 4
V 0 10
0
10
0
10
9 10 8 10
LOS CEROS A LA IZQUIERDA NO VALEN
Orden :
m3
Adems, podemos afirmar que tiene 2 cifras significativas
Ejemplo 2
V 0.011070
2 m
V 0 10
0
0
10
1 10
1
1 10 3 0 10 4 7 10 5 0 10 6
LOS CER OS A LA IZQUIERDA N O VALEN
Orden :
m 2
Ejemplo 3
40
3 2 1 0 -1-2 -3 -4

V 1 9 0 5.0 7 7 8
V 1 10 3 m 9 10 2 0 10 1 5 10 0 0 10 1 7 10 2 7 103 8 10 4
Orden :
m3
Ejemplo 4
1 0 -1-2 -3

V 39.0 7 8
V 3 10 1m 9 10 0 0 10 -1 7 10 -2 8 10 3
Orden :
m 1
METODOS ABIERTOS
INTRODUCCION
Veremos que los Mtodos Abiertos se basan en frmulas que requieren un nico valor de inicio
un par de ellos, pero no necesariamente encierran a la raz; pues algunas veces divergen se
alejan de la verdadera raz a medida que aumenta el nmero de iteraciones.
Si los mtodos abiertos convergen estos lo hacen rpidamente.
Entre ellos tenemos:
a) Mtodo del punto fijo

b) Mtodo de Newton Raphson
c) Mtodo de la secante
METODO DE PUNTO FIJO
METODO DE APROXIMACIONES SUCESIVAS
Sea () una funcin de la que deseamos hallar sus races donde () se puede expresar de la
forma:
= () , para alguna funcin () por lo tanto debemos hallar su solucin.
S se desea hallar un cero (raz) de () = 0 , se puede expresar como un problema de punto fijo,
haciendo:
() = ()
(La tarea es cuando una funcin tendr un punto fijo y cmo determinarlos)

E1) Las races ceros de () =
en un intervalo [ , ]?

Races = 1 () = =0

41

= 3 () = =0

Entonces si resolvemos como un problema de punto fijo, tenemos:
() = ()

() = , [1 , 3]

(1) = 1 (1) = 1 = 1 . Es punto fijo.

(3) = 1 (1) = 1 = 3. Es punto fijo.

E1) Las races ceros de () = en un intervalo [ , ]?
Races = 0 () = 0 = 0
= 1 () = 2 = 0
() = ()
() = 2 , [0, 1]
(0) = 0 0 (0) = 0 = 0 . Es punto fijo.
(1) = 1 2 (1) = 1 = 1 . Es punto fijo.
E1) Las races ceros de () = en un intervalo [ , ]?
Races = 0 () = 0 = 0
= 1 () = = 0
1 1
Si = () = = 1 0 = , No es una raz
2 2 2
() = ()
() = , [0, 1]
(0) = 0 0 (0) = 0 = 0 . Es punto fijo.
(1) = 1 (1) = 1 = 1 . Es punto fijo.
TEOREMA DE EXISTENCIA Y UNICIDAD DEL PUNTO FIJO
Supongamos que [ ]
i) Si la imagen de la aplicacin = g() verifica que , y [ ] para cada punto

x [ ] tiene al menos un punto fijo en [ ].
ii) Supongamos adems. que () est definida en y que | ()| < 1

tiene un nico punto fijo en [ ] .
[ ] : Al conjunto de todas las funciones continuas en el intervalo cerrado.
E1) Determinar si la funcin tiene un nico punto fijo () = en [ ,].
1) f() = cos [0,1]
42
f() = cos es decreciente en [0,1 ] por lo que su imagen ([0,1] ) = [ (1), (0)]
radianes
([0,1] ) = [0.54030236 , 1] [0,1]

Por lo que cumple con i) del teorema
2) Si 0, 1 | ()| = | sen |
= sen , cuando = 1
0.841470985 < 1
Cumple con la condicin ii) del teorema
Por lo tanto el punto fijo de f(x) en [0,1 ] es nico.

E2) Determinar si la funcin tiene un nico punto fijo () = en [ ,].
3) f(x) = sen [0,1]

f(x) = sen es creciente en [0,1 ] por lo que su imagen ([0,1] ) = [ (0), (1)]
radianes
([0,1] ) = [0, 0.841470985] [0,1] Por lo que cumple con i) del

teorema
4) Si 0, 1 | ()| = |cos |
= cos , cuando = 1
0.540302306 < 1
Cumple con la condicin ii) del teorema
Por lo tanto el punto fijo de f(x) en [0,1 ] es nico
: () = [, ] () = [(), ()]
: () = [, ] () = [(), ()]

E2) Sea () = + , probar si tiene un nico punto fijo en [ ,].

1) Existe ().
1 1
() = + () = cos
2 2 4 2
2) Los mximos y mnimos absolutos, para esto encontraremos los puntos crticos.
1
Si () = 0 cos = 0 cos =0 = 90 = 180 = () =
4 2 2 2
Entonces:
1 0
(0) = + () =
2 2
1 2
(2) = + () =
2 2
3) Se tiene que () es continua [0 ,2] y () < 1, 0, 2

Luego:
1 1
4 cos 2 < 1, [0 ,2] , = 0
4
Tiene un nico punto fijo en [0 ,2]
43

E3) Sea () = en [,]. Probar si se tiene un nico punto fijo.

4) Existe ().
2 2 2 (4)(8)
() = () =
8 8
1
() =
2
5) Los mximos y mnimos absolutos, para esto encontraremos los puntos crticos.
1
Si () = 0 =0 =0
2
Entonces:
2(0)2 2 1
(0) = (0) = Mnimo
8 4
2(1)2 2
(1) = (1) = 0
8
Mximo
2
2(1) 2
(1) = (1) = 0
8
1
6) Se tiene que () es continua y () < 1, [1, 1] , = 1
2
Tiene un nico punto fijo en [1, 1].
7) Podemos determinar el punto fijo en el intervalo [1, 1].

= ()
22 2
=
8
8 = 22 2
0= 22 8 2
0= 2 4 1
(4) (4) 4(1)(1)
=
2(1)
4 20
=
2
= 2 5
Entonces
= 2 + 5 No es un punto fijo de () en [1, 1]
= 2 5 Es un punto fijo de () en [1, 1]
OBSERVACION
= 2 5 = 0.236 [1, 1]
44
= 2 + 5 = 4.236 [1, 1]
E4) Dada la ecuacin polinomial 2 2 = 0 , halle algunas posibilidades de Funciones de

Iteraciones de g(x)
a) = 2 2 () = 2 2
b) = + 2 () = + 2
2 2 2
c) = 2 2 1 = 1 = () = 1 +

Cada una se denomina funcin de Iteracin para encontrar una raz de la ecuacin, al escoger
alguna de ellas se efecta el algoritmo.
E5) La ecuacin polinomial 2 2 5 = 0 , tiene races : 1.850781059 y -1.350781059, algunas posibilidades de x = g(x) son:
a) = 2 2 5 despejando el segundo termino.

+5
b) = despejando x del primer trmino.
2
5
c) = factorizando x y despejando
21
E4) La ecuacin polinomial + = , tiene una raz en [, ]
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras
de convertirlas en = () , entre ellas tenemos:
1) = 3 4 2 + 10 1 () = 3 4 2 + 10
1 1
(10x3 )2 (10x3 )2
2) x = g 2 (x) =
2 2
1 1
10 2 10 2
3) 3 () = = ( ) 3 () = ( )
4+ 4+
Como 0 = 1.3 tenemos (Trabajar con 9 dgitos)
1 = 2.3430 (1) : (2.3430) (2.3430)3 4(2.3430)2 + 10 = 22.477843610
1) 3)
0 1.3 1.3
1 2.3430 1.373605639
2 -22.477843610 1.364165634
3 9323.51644 1.365365454
4 -8.10824573 x 1011 1.365212782
5 5.33065009 x 1035 1.365232206
6 1.365229734
Debemos sealar que 1) es divergente; pero el otro resultado 3) es mejor .

1
10 2
Tenemos 3 () = ( ) :
4+
1) 0 = (0 ) = 1.3
45
1
10 2
1 = (0 ) = (1.3) = ( ) = 1.373605639
4 + 1.3
1
10 2
2 = (1 ) = (1.373605639) = ( ) = 1.364165634
4 + 1.373605639
1
10 2
3 = (2 ) = (1.364165634) = ( ) = 1.365365454
4 + 1.364165634
4 =.
5 =
E4) La ecuacin polinomial + = , tiene una raz en [, ]
Hay varias funciones de iteracin de dicha ecuacin polinomial; es decir hay muchas maneras de convertirlas en = () , entre ellas tenemos:
1) 1 () = = 3 4 2 + 10
1
(103 )2
2) 2 () = =
2
1
10 2
3) 3 () = = ( )
4+
3 +42 10
4) 4 () = =
32 +8
Como 0 = 1.5 tenemos: 0 = 1.3 tenemos
1 = 0.875 (1) : (0875) (0.875) 3 4(0.875)2 + 10 = 6.73 .
1) 2) 3) 4)
0 1.5 1.5 1.5 1.5
1 -0.875 1.286953 1.348399 1.3733
2 6.73242185 1.402541 1.367376 1.36502620
3 -469.71958 1.3454581 1.364957 1.365230014
4 1.375170 1.365264 1.365230013
5 1.360094 1.365225 1.365230013
6 1.367847 1.365230 1.365230013
Debemos sealar que 1) es divergente; pero tenemos mejores resultados en 2) 3) y 4).
Tenemos:
2) 0 = (0) = 1.5
1
10 2
1 = (0) = (1.5) = ( ) = 1.348399
4 + 1.5
1
10 2
2 = (1) = (1.3448399) = ( ) = 1.367376
4 + 1.348399
1
10 2
3 = (2) = (1.367376) = ( ) = 1.364957
4 + 1.367376
4 =.
5 =
COROLARIO
Sea [ ], g() [ ] , x [ ] , , () x ; () < 1,

0 1 0 ,
1
1
OBSERVACION
1) Si K es muy cercano a cero La sucesin { }1 Converge rpidamente.
2) Si K es muy cercano a uno La sucesin { }1 Converge muy lentamente.
46

3) La rapidez de la convergencia depender del factor :
1
Tenemos por ejemplo:
E1) () = +
1 () = 1 3 3 8 , 1 (), es continua en 1 2
1 () = 1 3 2 8 , 1, 2 ,
1 () 1, 1, 2.
No hay sospecha de convergencia

E2) () = = ( )
+
2 () es continua en 1, 2
1 10 1/2 10
2 () = ( ) ((4+)2 ) , 1, 2
2 4+
5 (4 + )1/2
2 () = , 1, 2
(10)1/2 (4 + )2
3
5
2 () = 1 (4 + ) 2 , 1, 2
(10)2
x=1
2 () = 0.1414 = 0.14 < 1 , 1, 2
Es convergente a un nico punto fijo

/
( )
E3) () =

3 (), es continua en [1, 2]

1
3 2
3 () = (10 3 ) 2
4
1
3(1.8)2
Si = 1.8 3 (1.8) = (10 (1.8)3 ) 2
4
3 (1.8) = 1.190261588 1, 1, 2.
No hay sospecha de convergencia
Pero, ahora tomaremos otro intervalo [1, 1,5]

1
3 2
3 () = (10 3 ) 2 , 1, 1.5
4
Si, = 1,45 3 (1.45) = 0.598083621
3 (1,45) = 0.598083621 < 1 , 1, 1.5
47
Si comparamos 3 () con = 0.598083621
2 () con = 0,1414
Son convergentes, pero el segundo converge ms rpido que el primero.

E4) Sea = () = ( ) con = . , = .
+
% %
0
1.5
9.874011134
1
1.348399725 11.242977306
1.230609074
2
1.367376372 1.387814464
0.159417814
3
1.364957015 0.177247823
0.017798462
4
1.365264748 0.022540149
0.004742757
5
1.365225594 0.002867947
0.001874755
6
1.365230576 0.000364884
0.002239648
7
1.365229942 0.000046424
0.002193223
8
1.365230023 0.000005907
0.002199129
9
1.365230012 0.000000751
0.002198378
10
1.365230014 0.000000096
0.002198474
Raz es: 1.3652
OBSERVACION

% = % = % = %

% = % = %

OBSERVACION
1) Las expresiones y % se considera en los clculos el valor verdadero , pero en

situaciones reales es difcil contar con la informacin del valor verdadero, entonces en
estos casos es normalizar el error es una alternativa esto es usando:
% = % .
2) Diremos que los clculos se repiten hasta que se cumpla la relacin :

% =
Donde s = Tolerancia porcentual prefijada.
48
3) Tambin es posible relacionar estos errores con el nmero de cifras significativas en la
aproximacin es decir , que es posible afirmar que el criterio se cumple y que el resultado
es correcto en al menos n cifras significativas:
= (. ) %
E5) Utilice el mtodo de Punto Fijo para localizar la raz de () = con un valor
inicial es 0.5 e iterar hasta que el error aproximado porcentual sea menor o igual a
0.01%.
Tenemos que:
() = = () =
% =
0 0.5
1 0.649636939 23.03393327
2 0.721523797 9.963199869
3 0.750901166 3.912281713
4 0.762096851 1.469063281
5 0.766248143 0.541768621
6 0.767771654 0.198432827
7 0.768328659 0.072495669
8 0.768532021 0.026461097
9 0.768606231 0.009655139 0.01%
10 0.768633063
Tenemos () = :
0 = (0 ) = 0.5
1 = (0 ) = (0.5) = 0.5 = 0.649636939
2 = (1 ) = (0.649636939) = 0.649636939 = 0.721523797
3 = (2 ) = (0.721523797) = 0.721523797 = 0.750901166
4 = (3 ) = (0.750901166) = 0.750901166 = 0.762096851
0.649636939 0.5
% = | | 100% % = 23.3393330
0.649636939
0.721523797 0.649636939
% = | | 100% % = 9.963199869
0.721523797
49
ALGORITMO DEL PUNTO FIJO
ENTRADA: 0 = Valor inicial

= Error
= Numero mximo de iteraciones
1) = 1
2) Mientras , hacer los pasos 3,4,5
3) = (1 )
4) S 0 <
Entonces
Imprimir
Terminar
5) De lo contrario
Hacer = + 1
6) Actualizar 0
7) Imprimir Mensaje El Mtodo no converge a una raz y terminar.
50
EJEMPLO 1
2*sen(x)^(1/2) -
f(x)
x
Iteraciones #
X0 0,5 f(xi) a%
Xi iteraciones
8
2*sen(x)^(1/2) -
f(x) 0 0.5 1.972380486
x X8
g(x) 2*sen(x)^(1/2) 1 1.299273878 61.516966638 0.000194187

8
Error 0.001% 2 1.817147504 28.499261882
3 1.950573917 6.840366928
4 1.969742513 0.973152375
5 1.972068881 0.117965856
6 1.972344178 0.013957858
7 1.972376656 0.001646628
8 1.972380486 0.000194187
EJEMPLO 2
f(x) 2*sen(sqr(x))-x
Funcin
iteracin 2*sen(sqr(x))-x
Xo 0.5
Error a 0.001%
Xi f(xi) a%
i
0 0.5
1 0.5 0.799273878 37.44322019
2 0.799273878 0.759919002 5.178825157
3 0.759919002 0.770971972 1.433640936
4 0.770971972 0.768018091 0.384610851
5 0.768018091 0.768819214 0.104201754
6 0.768819214 0.76860278 0.028159325
7 0.768602780 0.768661314 0.007615037
8 0.768661314 0.768645488 0.002058924
9 0.768645488 0.768649768 0.000556712
EJEMPLO 3
F(x) = x - (secx)/2
x = g(x)=(Secx)/2 valor inicial = 0.5
Xi f(xi)
a%
0.5
0
0.523598776
1 4.50703414
0.509863372
2 2.69393812
0.517885183
3 1.5489556
0.5132097
4 0.91102791
0.515937969
5 0.52879797
0.51434704
6 0.30931045
0.515275124
7 0.18011422
0.514733843
8 0.1051574
51
METODO DE NEWTON RAPHSON
Es uno de los mtodos numricos ms conocido y poderoso para encontrar las races de ().
Supngase 2 [, ]. Sea [, ] una aproximacin a ; () 0 y es muy

pequeo.
Consideremos el polinomio de Taylor (De primer grado para () alrededor de )
( )2
() = () + ( ) () + (())
2!
( )2 (2)
() = () + ( ) (1) () + (())
2!
Donde esta entre y . ( =Error).
Como es raz de () es decir; () = 0 ,
Entonces:
( )2 (2)
() = () + ( ) (1) () + (())
2!
( )2 (2)
0 = () + ( ) (1) () + (())
2!
Como es muy pequeo, entonces al derivar
2 0 Es despreciable, luego
0 () + ( ) (1) ()
() ( ) (1) ()
()

(1) ()
() ( 1 )
(1)
1 (1) , 1
() ( 1 )
La expresin anterior es una mejor aproximacin a que mismo.
Entonces la frmula de recurrencia es llamada formula de Newton en una forma generalizada.
(1 )
1 , 1
(1) (1 )
Donde la sucesin { }1 es una sucesin convergente hacia
O tenemos que:
( )
+ = ,
( )
52
Nota
1) () 0 , pues la recta tangente que pasa por el punto (0 , (0 )) , no debe ser paralelo
al eje de las X.
2) 2 [, ].= Conjunto de todas las funciones que tienen segunda derivada, continua en x
INTERPRETACION GEOMETRICA DEL METODO DE NEWTON RAPHSON
53
E1) Resolver () = 2 cos 6 2 5, utilizando el mtodo de Newton
Raphson con un error estimado menor e igual a 0.01 cuando el valor
inicial es 0 = 24.
n +
0 24.000000000
1 24.461037243 0.461037243
2 24.528133326 0.067096083
3 24.530760419 0.002627093 0.01
4 24.530764667 0.000004248
5 24.530764667
Entonces:
( ) 2 cos 6 ln 25
+1 = +1 =
( ) 2 cos 2 6 ln 6
Tenemos:
0 2 cos 0 60 ln 0 25 242 cos 24 6 24 ln24 25

1 = 0 2 1 = 24 1 = 24.461037243
2 0 cos 0 0 0 6 ln 0 6 2 24 cos 24 242 24 6 ln 24 6
1 2 cos 1 61 ln 1 25
2 = 1
2 1 cos 1 1 2 1 6 ln 1 6
24.4610372432 cos 24.461037243 6 24.461037243 ln24.461037243 25

1 = 24.528133326
2 24.461037243 cos 24.461037243 24.4610372432 24.461037243 6 ln 24.461037243 6
2 = 24.528133326
E2) Sea () = + 1 , [1, 3] . Calcule la raz de (), aplicando el mtodo de

Newton Raphson.
Sea () = + 1
() = 1
() =
Tenemos que:
(1)(3) < 0 [1, 3 ]
Empleando el mtodo:
n Xn
0 3.000000000
1 2.065885929
2 1.939820941
3 1.934572691
54
4 1.934563211
5 1.934563211
Entonces:
( ) + 1
+1 =
+1 =
( ) cos 1
Tenemos:
0 0 + 1 3 3 + 1
1 = 0 1 = 3 1 = 2.065885929
cos 0 1 cos 3 1
E3) Encuentre la raz real de la ecuacin () = 2 3 + 2 + 5 10, mediante el mtodo de

Newton Raphson , con 0 = 1 , = 104 ,aplicando a +1 .
() = 2 3 + 2 + 5 10
() = 6 2 + 2 + 5
n +
0 0 = 1
1 1.153846154 0.153846154
2 1.142538313 0.011307841
3 1.142471489 0.000066824 0.001
Entonces:
( ) 2 3 + 2 + 5 10
+1 = +1 =
( ) 6 2 + 2 + 5
Tenemos:
20 3 + 0 2 + 50 10 2(1)3 + (1)2 + 5(1) 10

1 = 1 = 1 1 = 1.153846154
60 2 + 20 + 5 6(1)2 + 2(1) + 5
21 3 + 1 2 + 51 10 2(1.153846154)3 + (1.153846154)2 + 5(1.153846154) 10

2 = 1 2 2 = 1.153846154 2 = 1.142538313
61 + 21 + 5 6(1.153846154)2 + 2(1.153846154) + 5
55
https://www.youtube.com/watch?v=JGPKzxzXI_4
E1) Sea () = , calcular la raz de (), aplicando el mtodo de Newton Raphson , con 0 = 0 ,donde el valor verdadero es 0.56714329.
1) () =
2) () = 1
( )
3) +1 = ( ) +1 = 1

n %
0 0 = 0 100
1 0.5 11.838
2 0.566311002 0.146
3 0.567143164 0.000022
4 0.567143290 108
Tenemos:
0 0 0 0 1
1 = 0 1 = 0 = 1 = 0.5
0 1 0 1 2
1 0.5
1 0.5
2 = 1 2 = 0.5 1 = 0.566311002
1 1 0.5 1
1 1
3 = 2 = 0.567143164
1 1
E2) Encuentre la raz real de la ecuacin () = 3 + 2 2 + 10 20, mediante el mtodo de Newton Raphson , con 0 = 1 , = 103 ,aplicado a +1
.
() = 3 + 2 2 + 10 20
() = 3 2 + 4 + 10
n +1
0 0 = 1
1 1.411764706 0.411764706
2 1.369343671 0.0424288
3 1.368808189 0.000525282 < 0.001

4 1.368808108 0.000000081
Entonces:
( ) 3 + 2 2 + 10 20
+1 = +1 =
( ) 3 2 4 + 10
E2) Sea () = 0.9 2 + 1.7 + 2.5 0 = 5. Calcular la raz de (), aplicando el mtodo de Newton Raphson, con 0.01%
= = |
= = +1 |
1) () = 0.9 2 + 1.7 + 2.5

2) () = 1.8 + 17
( ) [ 0.9 2 +1.7 +2.5 ]
3) +1 = +1 =
( ) 1.8 +17
n +1 |
0 0 = 5
1 3.424657534 1.575342466
2 2.924356997 0.500300537
3 2.861146976 0.063210021
4 2.860104689 0.001042287
5 2.860104406 0.000000283 < 0.0001
Tenemos:
[ 0.90 2 +1.70 +2.5 ] [ 0.90 2 +1.70 +2.5 ]

= 0 1 = 0 1 = 5 1 = 3.424657534.
1.80 +17 1.80 +17
|1 0| = 1.575342466
[ 0.91 2 + 1.71 + 2.5 ]

= 1 2 = 1 2 = 2.924356997
1.81 + 17
56
E4) Resolver () = , utilizando el mtodo de Newton Raphson con un error
estimado de 10-4, , cuando el valor inicial es 1.
1) () = 4 cos
2) () = 4 () = (4 + )
3)
( ) 4 cos
+1 = +1 =
( ) [4 sen + ]
( ) 4 cos
+1 = +1 = +
( ) [4 sen + ]
n + |
0 0 = 1
1 0.908438950 0.091561050
2 0.904793982 0.003644968
3 0.904788218 0.000005764 < 0.0001
ALGORITMO DE NEWTON RAPHSON
INGRESAR: 0 = Valor inicial

= Error Tolerancia
= Numero de iteraciones
() = Proporcionar la funcin
() = Proporcionar la derivada de la funcin
1) Hacer = 1
2) Mientras , seguir los pasos
( )
3) Hacer +1 =
( )
4) Si +1 <
Entonces :
Imprimir Solucion Aproximada

= +1
5) Hacer i=i+1
6) Imprimir Metodo no Converge a una raiz y terminar
57
OBSERVACION
1) Utilizando el mtodo de Newton Raphson se obtiene resultados en pocas iteraciones.
2) El error +1 es proporcional al cuadrado del error anterior.

Supongamos que el error en una iteracin es 10 el error siguiente es proporcional al
cuadrado del error anterior es decir 102 , el que sigue es 104 ; esto nos permite
afirmar que cada iteracin duplica aproximadamente el nmero de dgitos correctos.
3) El mtodo de Newton Raphson algunas veces no converge sino que oscila , esto ocurre si
no hay raz real , si la raz es un punto de inflexin est el valor inicial muy alejado de la
raz buscada se entrapa
DIBUJAR
4) Necesidad de conocer el valor de la derivada de () en cada aproximacin lo cual es una
dificultad del mtodo.
58
NEWTON RAPHSON MODIFICADO
Una raz mltiple corresponde a un punto donde una funcin es tangencial al eje X.
En general, la multiplicidad impar de races cruza al eje X , mientras que la multiplicidad par no lo
cruza.
Ejemplo 1.-
Sea () = 3 5 2 + 7 3
() = ( 3)( 1)( 1)
Ejemplo 2.-
() = 4 6 3 + 12 2 10 + 3
() = ( 3)( 1)( 1)( 1)
Dibujo:
Raz doble
Raz triple
1 3
1 3
Segn Ralston y Rabinowitz (1978), propusieron una alternativa para probar que el mtodo de
Newton Raphson converge en forma cuadrtica en vez de lineal, cuando tiene races mltiples
para esto se ha propuesto las siguientes modificaciones:
()
() = (1)
()
La cual tiene races.

Si la ecuacin de Newton Raphson es
( )
+1 = (2)
( )
De (1) derivando tenemos:
( ) ( ) ( ) ( )
( ) = (3)
[ ( )]2
59
Reemplazando (3) en (2), tenemos:

( )
( )
+1 =
( ) ( ) ( ) ( )
[ ( )]2
( )[ ( )]2
+1 =
( )[ [ ( )]2 ( ) ( )]
Por lo tanto
( ) ( )
+1 =
[ ( )]2 ( ) ( )
E1) Aplicar el Mtodo de Newton Raphson Modificado , de () = 3 2 2 5, donde 0 = 2
1) () = 3 2 2 5
2) () = 3 2 4
3) () = 6 4
( ) ( )
4) +1 = [ ( )]2 ( ) ( )
n
0 2.000000000
1 2.357142857
2 2.620182267
3 2.687808886
4 2.690642977
5 2.690647448
PRIMERA ITERACION
1) (0 ) = (2) = 5
2) (0 ) = (2) = 4
3) (0 ) = (2) = 8
(0 ) (0 )
1 = 0
[ (0 )]2 (0 ) (0 )
1 = 2.357142857
SEGUNDA ITERACION
60
4) (1 ) = (2.357142857) = 3.015670554
5) (1 ) = (2.357142857) = 7.239795918
6) (1 ) = (2.357142857) = 10.142857143
2 = 2.620182267
E1) Aplicar el Metodo de Newton Raphson Modificado , de () = 3 5 2 + 7 3, donde 0 = 0 y el valor verdadero es 1
5) () = 3 5 2 + 7 3
6) () = 3 2 10 + 7
7) () = 6 10
() ()
8) +1 = [ ()]2 () ()
n %
0 0 = 0 100
1 1.105263158 10.5263158
2 1.003081664 0.3081664
3 1.000002402 0.0002395
Observamos que los valores convergen cuadrticamente
61
PRIMERA ITERACION
7) (0) = (0) = 3
8) (0) = (0) = 7
9) (0) = (0) = 10
(0) (0)
1= 0
[ (0)]2 (0) (0)
1 = 1.105263158
1 = 1.10526
SEGUNDA ITERACION
10) (1) = (1.10526) = 0.020993089

11) (1) = (1.10526) = 0.387800997
12) (1) = (1.10526) = 3.36844
2 = 1.003081664
2 = 1.00308
Como ejemplo aplicar el mtodo de Newton Raphson al ejemplo anterior
n %
0 0 = 0
1 0.42857 57.143
2 0.68571 31.429
3 0.83286 16.714
4 0.91332 8.668
5 0.95577 4.423
6 0.97764 2.236
7 0.98875 1.125
E2) Aplicar el Metodo de Newton Raphson Modificado , de () = 3 + 2 2 5 + 3, donde 0 = 0.2 y tiene raz doble de = 1
1) () = 3 + 2 2 5 + 3
2) () = 3 2 + 4 5
3) () = 6 + 4
() ()
4) +1 = [ ()]2 () ()
n %
0 0 = 0.2 80
1 1.671641791 67.1641791
2 0.1588533963 84.11466037
3 1.505319031 50.5319031
4 -0.102188081 110.2188081
La funcin es divergente (oscila sus valores)
PRIMERA ITERACION
0 = 0.2
1 0.2
% = | | 100% = 80
1
SEGUNDA ITERACION
1) (0) = (0.2) = 2.088

2) (0) = (0.2) = 4.080
3) (0) = (0.2) = 5.20
(0) (0)
1= 0
[ (0)]2 (0) (0)
(2.088)(4.080)
1 = 0.2
[4.080] 2 (2.088)(5.20)
1 = 1.671641791
1 1.671641791
% = | | 100% = 67.1641791
1
TERCERA ITERACION
1) (1) = (1.671641791) = 4.901776481

2) (1) = (1.671641791) = 10.06972600
3) (1) = (1.671641791) = 14.02985075
2 = 0.1588533963
1 0.1588533963
% = | | 100% = 84.11466037
1
E3) Encuentre la raz de () . = en 0 = , mediante el mtodo de Newton

Raphson modificado y con una tolerancia de 0.0001
1) () = () 0.1
2) () = 2 0.1
3) () = 2 sec . = 2 2 tan
( ) ( )
5) +1 = [ ( )]2 ( ) ( )
62
(() 0.1) (2 2 0.1)
+1 =
[ ( 2 0.1)]2 (() 0.1) (2 2 0.1)
n + |
0 0 =
1 3.490658504 0349065850
2 3.476054580 0.014603924
3 3.476140306 0.000085726 < 0.001
METODO DE LA SECANTE
Puesto que Newton Raphson presenta la dificultad del conocimiento de la derivada en cada
iteracin, y en algunas ocasiones ser muy tediosa encontrar dicha derivada.
Entonces para evitar el problema de la evaluacin de la derivada en el mtodo de Newton
Raphson , podemos realizar una pequea variacin.
Por definicin tenemos:
63
() ( )
( ) = lim

Si est cerca de 1 , entonces:

(1 ) ( ) ( ) (1 )
( ) = =
1 1
Entonces reemplazando en la frmula de Newton Raphson, tenemos:
( )
+1 =
( )
( )( 1 )
+1 =
( ) (1 )
Por lo tanto
( )( )
+ =
( ) ( )
El mtodo de la secante, requiere de dos puntos iniciales
E1) Realice el nmero de iteraciones hasta la convergencia utilizando el mtodo de la Secante

a la funcin () = 2 cos(10) + 1 con 0 = 1.3 , 1 = 1.4 como condiciones iniciales.
Emplee el criterio de convergencia cuando la funcin evaluada () sea menor que 0.0001
PRIMERA ITERACION:
0 = 1.3 (0 ) = 2.533585061
1 = 1.4 (1 ) = 1.268004948
64
(1 )(1 0 ) (1.268004948)(1.4 1.3)
2 = 1 = 1.4 = 1.500191599
(1 ) (0 ) (1.268004948 2.533585061)
|2 1 | = 1.500191599 1.4 = 0.100191599
SEGUNDA ITERACION:
1 = 1.4 (1 ) = 1.268004948
2 = 1.500191599 (2 ) = 0.712535451
(2 )(2 1 )
3 = 2 = 1.464145848
(2 ) (1 )
|3 2 | = 1.464145848 1.500191599 = 0.036045751
TERCERA ITERACION:
2 = 1.500191599 (2 ) = 0.712535451
3 = 1.464145848 (3 ) = 0.035819742
(3 )(3 2 )
4 = 3 = 1.46223784
(3 ) (2 )
|4 3 | = 0.001907964
Luego:

0 1.3
1 1.4 0.1
2 1.500191599 0.100195199
3 1.464145848 0.036045751
4 1.462237884 0.001907964
5 1.462375327 0.000137443 0.0001
Por lo tanto la raz es: 1.462375327
E2) Aplicar el Mtodo de la Secante para calcular la raz de () = , con 0 = 0 , 1 = 1.0,

donde la raz verdadera es 0.56714329.
PRIMERA ITERACION:
0 = 0 (0 ) = 1
1 = 1 (1 ) = 0.632120559
(1 )(1 0 ) (0.63212)(1 0)
2 = 1 = 1 = 0.612699837
(1 ) (0 ) (0.63212 1)
SEGUNDA ITERACION:
65
1 = 1 (1 ) = 0.632120559
2 = 0.612699837 (2 ) = 0.070813948
(2 )(2 1 )
3 = 2 = 0.563838389
(2 ) (1 )
TERCERA ITERACION:
2 = 0.61270 (2 ) = 0.070813948
3 = 0.563838389 (3 ) = 0.005182355
(3 )(3 2 )
4 = 3 = 0.567170359
(3 ) (2 )
Luego:
%
0 0
1 1
2 0.61270 8.032634927
3 0.56384 0.582727691
4 0.56717 0.004772868
5 0.567143306 0.000002821
0.56714329
E2) Encontrar la raz real de la ecuacin polinomial () = 3 + 2 2 + 10 20 = 0 , con 0 = 0 , 1 = 1.0 y = 103
PRIMERA ITERACION:
0 = 0 (0 ) = 20
1 = 1 (1) = 7
(1 )(1 0 )
2 = 1 = 1.53846
(1 ) (0 )
+1
0 0
1 1 1.000
66
2 1.53846 0.53346
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881 0.00090 < 103
E3) Mediante el mtodo de la Secante aproximar a la raz = 2 real de la ecuacin polinomial () = 3 3 + 2 , con
0 = 2.6 1 = 2.4 .
PRIMERA ITERACION:
0 = 2.6 (0 ) = 7.7760
1 = 2.4 (1) = 4.624
(1 )(1 0 )
2 = 1 = 2.106598985
(1 ) (0 )
+1
0 -2.6
1 -2.4 0.2000
2 -2.106598985 0.2934
3 -2.022641412 0.0840
4 -2.001511098 0.0211
5 -2.000022537 0.0015
6 -2.000000022 0.0000
7 -2.000000000 0.0000
ALGORITMO DE LA SECANTE
INGRESAR: 0 , 1 = Valores iniciales

= Error Tolerancia
= Nmero de iteraciones
1) Hacer = 1
2) Mientras , seguir los pasos
( )( 1 )
3) +1 =
( )(1 )
67
4) Si +1 <
Entonces Imprimir solucin aproximado

Terminar
5) Hacer = + 1
6) Imprimir Mtodo fracaso y terminar.
METODO DE LA SECANTE MODIFICADO
Este mtodo alternativo considera un cambio fraccionario de la variable independiente para

estimar () .
( + ) ( )
( ) =

Donde es un pequeo cambio fraccionario.
Esta aproximacin se sustituye en la frmula de Newton Raphson, es decir;
68
( )
+1 =
( )
Por lo tanto tenemos:
( )
+ =
( + ) ( )
OBSERVACION
1) Elegir un valor adecuado de no es automtico.

2) Si es pequeo, puede que el mtodo sea NO exitoso, por error de redondeo; por el
valor que aparece en el denominador.
3) Si es grande la tcnica puede ser divergente.
4) Si el elegido es el adecuado, proporciona una buena alternativa en los casos donde la
evaluacin de la derivada es difcil y el desarrollo de dos valores iniciales no es
conveniente.
E1) Aplique el mtodo de la Secante Modificado a () = 2 3, 0 = 1.7, = 0.02

PRIMERA ITERACION:
0 = 1.7 (0 ) = 1.81
0 + 0 = 1.734 (0 + 0 ) = 1.727244000
0 (0 )
1 = 0
(0 + 0 ) (0 )
69
(0.02)(1.7)(1.81)
1 = 1.7 = 2.443631882
(1.727244000) (1.81)
% = 2.443631882 1.7 100% = 0.743631882
SEGUNDA ITERACION:
1 = 2.443631882 (1 ) = 0.527704893
1 + 1 = 2.492504520 (1 + 1 ) = 0.720074262
1 (1 )
2 = 1
(1 + 1 ) (1 )
(0.02)(2.443631882 )(0.527704893)
2 = 2.443631882 = 2.309565163
( 0.720074262) (0.527704893)
%
0 1.7
1 2.443631882 0.743631882
2 2.309565163 0.134066719
3 2.302873778 0.006691385
4 2.302776878 0.000096900
5 2.302775653 0.000001225
Por lo tanto la raz se aproxima al valor: 2.302775653, pues su error se aproxima a CERO
E2) Determine la raz ms grande de () = 2 3 11.7 2 + 17.7 5 y 1 = 3 , 0 = 4

empleando:
a) El mtodo de la Secante.
b) El mtodo de la Secante Modificado donde 0 = 3 y = 0.01 (Tres iteraciones)
a)
PRIMERA ITERACION:
1 = 3 (1 ) = (3) = 3.2
70
0 = 4 (0 ) = (4) = 6.60
(0 )(0 1 )
1 = 0
(0 ) (1 )
(6.60)(4 3)
1 = 4 = 3.326530612
(1.60 [3.2])
SEGUNDA ITERACION:
0 = 4 (0 ) = (4) = 6.60
1 = 3.326530612 (1 ) = 1.96885315
(1 )(1 0 )
2 = 1
(1 ) (0 )
2 = 3.481272709

-1 3
0 4
1 3.32653012
2 3.481272709
3 3.586275385
4 3.561340209
Por lo tanto la raz ms grande es : 3.586275385, en la tercera iteracin
b) () = 2 3 11.7 2 + 17.7 5 , donde = 0.01 0 = 3
PRIMERA ITERACION:
0 = 3 (0 ) = (3) = 3.2
0 + 0 = 3.03 (0 + 0 ) = 3.149276
0 (0 )
1 = 0 = 1 = 4.892595221
(0 + 0 ) (0 )
71

0 3
1 4.892595221
2 4.142949415
3 3.742315954
4 3.591054741
E2) Estime la raz de () = , donde = 0.01 0 = 1.0 , aplicando el mtodo de la Secante modificado. La raz verdadera es
0.56714329.
PRIMERA ITERACION:
0 = 1 (0 ) = 0.6321205588
0 + 0 = 1.01 (0 + 0 ) = 0.6457810204
0 (0 )
1= 0
(0 + 0 ) (0 )
(0.01)(1)(0.6321205588)
1= 1 = 0.53726
(0.6457810204) (0.6321205588)
0.56714329 0.53726
% = 100% = 100% = 5.269089933%
0.56714329
SEGUNDA ITERACION:
1 = 0.53726 (1 ) = 0.04708717211
1 + 1 = 0.5426326 (1 + 1 ) = 0.0385181522695
1 (1 )
2= 1
(1 + 1 ) (1 )
(0.01)(0.53726 )(0.047087172)
2 = 0.53726 = 0.56700
( 0.038578151) (0.047087172)
0 1
1 0.53726 5.269089933
2 0.566700 0.02526522001
3 0.56690 2.365x10-5
4
E3) Localice la primera raz positiva de () = + (1 + 2 ) 1 , donde x est en

radianes y = 0.02 0 = 3 , utilizar el mtodo de la Secante modificado.
PRIMERA ITERACION:
0 = 3 (0 ) = 1.197951521
0 + 0 = 3.06 (0 + 0 ) = 1.509236736
72
0 (0 )
1 = 0
(0 + 0 ) (0 )
1 = 3.539846898

0 3
1 3.539846898
2 3.431458996
3 3.352858147
4 2.522518844
METODOS CONVENCIONALES
LSDLFLDSKFLSS CERRADOS
Al describir los mtodos para localizar races es obvio que el primer paso sera investigar o
averiguar la posibilidad de usar los METODOS CERRADOS y/0 ABIERTOS como primer
paso.
73
La eficacia de aplicar estos mtodos para localizar races, depende que el problema a
resolver tenga races complejas.
(Pues, si tuviera races reales se aplicara cualquiera de los mtodos abiertos o cerrados).
Por tal razn se ha desarrollado METODOS ESPECIALES para encontrar races reales
y complejas de polinomios
METODO DE MLLER
Recordemos que el mtodo de la secante obtiene una aproximacin de la raz dirigiendo

una recta hasta el eje X con dos valores iniciales.
El mtodo de MLLER es similar; pero vamos a construir una parbola con tres puntos.
GRAFICA
El mtodo de Mller consiste en:

1) En obtener los coeficientes de la parbola que pasa por los TRES puntos.
2) Luego los coeficientes se sustituyen en la frmula cuadrtica, para obtener el valor
donde la parbola intersecta al eje X ; es decir, es la raz estimada raz aproximada.
3) Se escribe la ecuacin de la parbola en una forma conveniente, se facilitara la
aproximacin.
OBSERVACIONES:
Encontrar un valor inicial complica tanto los mtodos abiertos como cerrados.
Los mtodos abiertos pueden ser susceptibles a problemas de divergencia.
Cuando existe races complejas , los mtodo cerrados , no se pueden usar ; ya que el
criterio de definir el intervalo (que es el cambio del signo), no puede darse en los
complejos.
De los mtodos abiertos, el mtodo de Newton Raphson, ofrece una aproximacin viable
que puede ser real o compleja pero tendra problemas de convergencia.
Sea la parbola:
f(x) a x - x 2 bx x2 c (1)
2
Que pasa por tres puntos:
x0, f x0 , x1, f x1 , x2, f x2

Evaluando en (1) tenemos:
74
f(x0 ) a x 0 - x 2 2 b x 0 x 2 c ( 2 )
f(x1 ) a x 0 - x 2 2 b x 0 x 2 c ( 3 )
f(x2 ) a x 0 - x 2 2 b x 0 x 2 c ( 4 )
De (4 )
f(x2 ) c ( 5 )
Es decir que el valor de C es igual a la funcin evaluada en el tercer valor inicial x2 .

La ecuacin (5) reemplazaremos en las ecuaciones (2) y (3) y tenemos:
f(x0 ) ax 0 - x 2 2 b x 0 x 2 f(x2 )
f(x0 ) f(x2 ) ax 0 - x 2 2 b x 0 x 2 6
f(x1 ) ax 1 - x 2 2 b x1 x 2 f(x2 )
f(x1 ) f(x2 ) ax 1 - x 2 2 b x1 x 2 7
Ahora debemos encontrar los coeficientes a y b para lo cual vamos a considerar , lo

siguiente
INTERPOLACIN NUMERICA
75
Tenemos que cada 10 aos se toma un Censo de la poblacin en un pas, dndoles los
resultados siguientes:
AOS 1980 1990 2000 2010 2020

POBLACION 123, 203 13,669 179,323 203,212 226,580
(En miles)
Nos preguntamos: Podemos usar estos datos para estimar una poblacin en el 2025 o
2030?, algunas predicciones de este tipo pueden obtenerse usando una funcin que
ajuste a los datos dados y esto es lo que llamaremos INTERPOLACION.
As tenemos que en muchos experimentos en el rea de Ingeniera resultan de tabular los

valores de las variables independientes frente a las variables dependientes.
En la aplicacin de ciertos problemas fsicos se requiere relacionar los valores de las

variables dependientes e independientes en puntos donde no se han experimentado y en
otros casos con fines computacionales se requiere construir una funcin explicita.
Por lo cual se hace necesario el conocimiento de tcnicas de Interpolacin Polinmica,

sea: con espacios equidistantes, No equidistantes o Tcnicas de Interpolacin Iterada.
INTERPOLACION CON ESPACIOS EQUIDISTANTES
Sabemos que la derivada en el punto x0 de una funcin analtica f(x) se tiene por:
76
f(x) f(x0 )
f (x) = lim
xx0 x x0
Pero al tabular la funcin tenemos:
PUNTOS 0 1 2 3 n
x x0 x1 x2 xn
f(x) f(x0 ) f(x1 ) f(x2 ) f(xn )
Y la derivada puede obtenerse aproximadamente.
Si deseamos que la derivada en el punto donde x0 < x < x1 , podemos estimarlo como
sigue:
f x 1 f x 0
() = , x0 < x < x1
x1 x0
Lo denotamos:
f(x0 , x 1 ) f x 1 f x 0

x1 x0

ARGUMENTOS PRIMERA DIFERENCIA
x0 , x1 DIVIDA DE f( x )

PRIMERA DIFERENCIA DIVIDA DE f( x )
RESPECTO A LOS ARGUMETOS
x0 , x1
La relacin entre la primera diferencia dividida y la primera derivada queda establecida por
el Teorema del Valor Medio
f x 1 f x 0
() = , donde x0 , x1
x1 x0
Siempre que f(x) , cumpla con las condiciones del teorema.
Para obtener aproximadamente derivadas de mayor orden, se extiende el concepto de
Diferencias Divididas a rdenes ms altos o mayores.
As diremos que f x 0 se llamaran diferencias divididas de orden Cero

Y la diferencia de orden i es:
f x 1 , x 2 x 3 x i f x 0 , x 1 , x 2 x 3 x i-1
f(x0 , x 1 , x 2 x 3 xi )
x i x0
OBSERVACION
1) Se requiere i 1 , puntos para construir la expresin anterior.
77
2) El numerador es la resta de dos diferencias de orden i y i 1 y el denominador es la
resta de los argumentos no comunes.
NOTAS
TEOREMA DEL VALOR MEDIO
1)
Si, f C a, b y f es derivable en a, b Existe un nmero c en a, b tal que:
f b f a
f ' (c) , donde c
ba
PENDIENTE
2) C a, b = Conjunto de todas las funciones continuas en el intervalo cerrado a, b .

3) C n x = Conjunto de todas las funciones que tienen n derivadas continuas en x
78
TABLA DE DIFERENCIAS DIVIDIDAS FINITAS
Los Mtodos de Diferencias Divididas, se usaran para generar sucesivamente los polinomios por s mismos.
Entonces, vamos a construir la TABLA DE DIFERENCIAS FINITAS
i xi f x i PRIMERAS SEGUNDAS TERCERAS
0 f x 0 f x 1 f x 0
f x 0 , x 1
x0
f x 1 , x 2 f x 0 , x 1
x1 x0 f x 0 , x 1 , x 2
x2 x0 f x 1 , x 2 , x 3 f x 0 , x 1 , x 2
f x 1
f x 0 , x 1 , x 2 , x 3
1 x1
f x 2 f x 1
f x 1 , x 2 x3 x0
x2 x1 f x 2 , x 3 f x 1 , x 2
2 x2 f x 2 f x 1 , x 2 , x 3
f x 3 f x 2 x3 x1 f x 2 , x 3 , x 4 f x 1 , x 2 , x 3
f x 2 , x 3 f x 1 , x 2 , x 3 , x 4
x3 x2 x 4 x1
3 x3 f x 3
f x 3 , x 4 f x 2 , x 3
f x 4 f x 3 f x 2 , x 3 , x 4
f x 3 , x 4 x 4 x2
4 x4 f x 4 x 4 x3
79
E1) Sea = 3 4 6 3 + 7 2 2 2
Puntos 0 1 2 3 4 5 6
2 1 0 2 3 6 8
( ) 126 16 2 22 136 2830 9646
Elaborar una tabla de diferencias divididas
( ) PRIMERAS SEGUNDAS TERCERAS CUARTAS QUINTA

0 2 126
110
1 1 16 46
9
18 3
2 0 2 10 0
6
12 3
3 2 22 34
27
114
4 3 136 96 0
57 3
5 6 2830 898 502
6 8 9646 3408
DIFERENCIAS
DIVIDIDAS DE ORDEN CERO
CONCLUSIONES
1) Las diferencias de 4to orden tiene el mismo valor, independientemente

de los argumentos que utilice para su clculo.
2) Las diferencias divididas de 5to orden son todos ceros , concordando que
la 4ta derivada es una constante y la 5ta derivada es CERO
PRIMERAS DIFERENCIAS

f x ,x
0 1
f xx1 fxx0
16 126
1 2
f x ,x
0 1
110
1 0

f x ,x
1 2
f xx2 fxx1 2 16
0 1

f x ,x
1 2
18
2 1

f x ,x
2 3
f xx3 fxx2 22 2
2 0

f x ,x
2 3
12
3 2
SEGUNDAS DIFERENCIAS

f x ,x ,x
0 1 2
f x1 , xx2 fxx0 , x1 18 110
0 ( 2 )
f x , x , x 46
0 1 2
2 0

f x ,x ,x
1 2 3
f x2 , xx3 fxx1 , x2 122 ( 18
1
)

f x ,x ,x
1 2 3
10
3 1
TERCERAS DIFERENCIAS

f x ,x ,x ,x
0 1 2 3
f x1 , x 2 , xx3 fxx 0 , x1 , x 2 102 462 f x 0 , x1 , x 2 , x 3 1
3 0

f x ,x ,x ,x
1 2 3 4
f x 2 , x 3 , xx4 fxx1 , x 2 , x 3 343 101 f x1 , x 2 , x 3 , x 4 1
4 1
E1) Sea = 3 2 2 2
Puntos 0 1 2 3 4 5
2 1 0 2 3 6
( ) 18 5 2 2 7 142
Elaborar una tabla de diferencias divididas
( ) PRIMERAS SEGUNDAS TERCERAS CUARTAS

0 2 18
13
1 1 5 5 1
3 0
2 0 2 0
1 1
3 2 2 9
3
1
0
4 3 7 45 9
5 6 142
DIFERENCIAS
DIVIDIDAS DE ORDEN CERO
CONCLUSIONES
3) Las diferencias de 3ER orden tiene el mismo valor, independientemente de los argumentos que utilice para su clculo.
4) Las diferencias divididas de 4to orden son todos ceros , concordando que la 3 era derivada es una constante y la 4ta derivada es CERO
f x 0
, x1 f xx1 fxx 0
5 18
1 2
f x 0
, x1 13
1 0
f x 1
, x2 f xx2 fxx 1
2 5
0 1

f x 1
, x2 3
2 1
f x 2
, x3 f xx3 fxx 2 2 2
2 0

f x 2
, x3 0
3 2
f x 3
, x4 f xx4 fxx 3 7 3 22 f x 3 , x 4 9
4 3

f x4 , x
5
f xx5 fxx 4 142 7
6 3
f x4 , x 5
45
5 4

f x ,x ,x
f x ,x
1 2

f x ,x
0 1 3 13 f x , x , x 5
0 1 2 x x
2 0
0 2 0 1 2

f x ,x ,x
f x ,x
2 3

f x ,x
1 2
0 3
f x ,x ,x
1
1 2 3 x x
3 1
2 1 1 2 3

f x ,x ,x
f x ,x
3 4

f x ,x
2 3
9 0

f x ,x ,x 3
2 3 4 x x
4 2
3 0 2 3 4

f x ,x ,x
f x ,x
5 4

f x ,x
4 3
45 9

f x ,x ,x 9
3 4 5 x x
5 3
6 2 3 4 5

f x1 , x 2 , x 3 f x 0 , x1 , x 2 1 5

f x 0 , x1 , x 2 , x 3 f x 0 , x1 , x 2 , x 3 1
x3 x0 2 2

f x2 , x 3 , x 4 f x1 , x 2 , x 3 3 1

f x1 , x 2 , x 3 , x 4 f x1 , x 2 , x 3 , x 4 1
x 4 x1 3 1

f x 3 , x 4 , x5 f x 2 , x 3 , x 4 93

f x 2 , x 3 , x 4 , x5 f x 2 , x 3 , x 4 , x5 1
x5 x 2 60
INTERPOLACION
APROXIMACION POLINOMIAL DE NEWTON
Hemos mencionado que la interpolacin es estimar valores intermedios entre datos definidos
por puntos y el mtodo ms usado es la INTERPOLACION POLINOMIAL.
La Interpolacin Polinomial consiste en determinar el polinomio nico de n-esimo grado que se

ajuste a n+1 puntos.
Entonces para una lnea recta el polinomio de primer grado es el que representa mejor, porque
une dos puntos y una parbola que une un conjunto de tres puntos para un polinomio de
Segundo grado.
Sea la funcin de la forma tabular:
Puntos 0 1 2 3 n

0 1 2 3 -..
( ) (0 ) (1 ) (2 ) (3 ) ( )
INTERPOLACION LINEAL
Consiste en unir dos puntos en una lnea recta es decir; deseamos aproximarlo a un polinomio
de 1er grado
Que pasa por los puntos 0 y 1 , tiene la forma:
p1 x a0 a1 x x0
Donde x 0 0 p x a0 a1 x
Debo determinar:
a0 ?
Hacemos x x 0

p 1 x a0 a1 x 0 x 0
p 1 x a0

p1 x f x 0
a1 ?
Hacemos x x1
p x 1 a0 a1 x 1 x0
p x 1 a0
a1
x1 x0
f x 1 f x 0
a1
x1 x0
Entonces:
p x a0 a1 x x 0
p x a0 x x 0 a1
f x 1 f x 0
p x f x 0 x x 0
x1 x0
p x f x 0 x x 0 f x 1 , x 0
p x f x 0 x x 0 f x 1 , x 0 FORMULA DE INTERPOLACION LINEAL
INTERPOLACION CUADRATICA
Ahora se desea aproximar la funcin tabular con un polinomio de 2do grado
Que pasa por los puntos 0 , 1 y 2 , tiene la forma:
p2 x a0 a1 x x 0 a2 x x 0 x x 1
Donde x0 0 , x1 1
p 2 x a0 a1 x 0 a2 x 0 x 1
p 2 x a0 a1 x 0 a2 x x 1
p 2 x a0 a1 x a2 x 2 a2 x
p 2 x a2 x 2 a1 a2 x a0
Debo determinar:
a0 ?
Hacemos x x0
p
2 x 0 a0 a1 x 0 x 0 a 2 x 0 x 0 x 0 x1
p
2 x a0
p
2 x f x0
a1 ?
Hacemos x x1
p 2 x 1 a0 a1 x 1 x 0 a2 x 1 x 0 x 1 x 1
p 2 x 1 a0 a1 x 1 x 0
p 2 x 1 a0
a1
x1 x0
a2 ?
Hacemos x x2
p2 x 2 a0 a1 x 2 x 0 a 2 x 2 x 0 x 2 x1
p2 x 2 a0 a1 x 2 x 0
a2
x 2 x 0 x 2 x1
f x1 f x 0
f x 2 f x 0
x1 x 0
a2
x 2 x 0 x 2 x1
Simplificando :
f x 2 f x 0 f x 1 f x 0

x 2 x0 x1 x0
a2
x 2 x0
Entonces:
p2 x a0
a1 x x 0 a2 x x0 x x1
p2 x a0
x x 0 a1 x x 0 x x 1 a2

f x 2 f x0
f x1 f x0
p 2 x f x 0 x x 0
f x1 f x0 x x0 x x1 x 2 x1

x1 x0
x1 x0 x 2 x0
p2 x f x 0 x
x0 f x1 , x0 x x0 x
x1 f x , x , x
0 1 2

Por induccin podemos estabelecer em general para um polinmio de grado n , como :
p n x a a x x
0 1 0

a x x
2 0

x x ...an x x
1 0 1

x x ....x x n
Que pasa por los puntos 0,1,2,3,......,n
Los coeficientes estn dados por:
a0 f x
0

a1 f x , x
0 1

a2 f x 0 , x1 , x 2
an f x 0 , x 1 , x 2 ,.....xn
As, tenemos que la aproximacin de Newton, podemos expresarlo de la siguiente manera:
pn x
n
a
k
k 1
x x
i

k 0 i 0
pn x f x 0
n
f x0 , x1 , x 2 ,.....x k x x
0 x x
1 ..... x x k -1
k 1
Entonces:

0 0

1 0 0

p n x f x f x , x x x f x , x , x
1 2 10
1

2 n

x x .... f x , x , x ,... x x x x x x x ..... x x
0 1 2

n-
1

POLINOMIO DE INTERPOLAC ION POR DIFERENCIA S DIVIDIDAS DE NEWTON
O
DIFERENCIA S DIVIDIDAS DE NEWTON
E1) Sea la tabla siguiente que presenta la temperatura de ebullicin de acetona en diferentes
presiones
Puntos 0 1 2 3
1 7 22 44
( ) 61.3 125 186 218.5
a) Elaborar una aproximacion polinomial de Newton para la informacin tabular dada.

b) Interpole la temperatura para una presin de 5 atm.
a)
1) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del
polinomio de Newton
( ) PRIMERAS SEGUNDAS TERCERAS

0 1 61.3
10.616
1 7 125
0.31190
4.066
0.
2 22 186 0.06997
1.477
3 44 218.5

f x ,x
0 1
f xx1 fxx0
125 61. 3
7 1

f x , x 10. 616
0 1
1 0

f x ,x
1 2
f xx2 fxx1 18622 125
7
f x , x 4. 066
1 2
2 1

f x ,x
2 3
f xx3 fxx2 21844.522186 f x2 , x3 1.477
3 2

f x ,x ,x
0 1 2
f x1 , xx2 fxx0 , x1 4.0662210
1
.616
f x , x , x 0.31190
0 1 2
2 0

f x ,x ,x
1 2 3
f x2, xx3 fxx1 , x2 1.4774447.066 f x1 , x2, x3 0.06997
3 1

f x ,x ,x ,x
0 1 2 3
f x1 , x2, xx3 fxx0 , x1 , x2 0.0699744 1 0.31190 f x0 , x1 , x2, x3 0
3 0
2)
Para =
1 () = 0 + ( 0 )1
1 () = (0 ) + ( 0 )(0 , 1 )
1 () = 61.3 + ( 1)10.616
1 () = 50.684 + 0.616
Para =
2 () = 0 + ( 0 )1 + ( 0 )( 1 )2
2 () = (0 ) + ( 0 )(0 , 1 ) + ( 0 )( 1 )(0 , 1 , 2 )
2 () = 61.3 + ( 1)10.616 + ( 1)( 7)(0.3190)
2 () = 48.5007 + 13.112 + 0.31190 2
Para =
3 () = 0 + ( 0 )1 + ( 0 )( 1 )2 + ( 0 )( 1 )( 2 )3
3 () = (0 ) + ( 0 )(0 , 1 ) + ( 0 )( 1 )(0 , 1 , 2 ) + ( 0 )( 1 )( 2 )(0 , 1 , 2 , 3 )
3 () = 61.3 + ( 1)10.616 + ( 1)( 7)(0.3190) + ( 1)( 7)( 22)0.00562
3 () = 47.63522 + 1.13966 0.0405 2 0.000562 3
Como
1 () = 61.3 + ( 1)10.616
Si, = 5 , (5) = 1 () = 61.3 + (5 1)10.616
1 () = 103.764
Si, = 5 ,
(5) = 2 () = 61.3 + (5 1)10.616 + (5 1)(5 7)(0.3190)
2 () =
Si, = 5 ,
3 () = 61.3 + (5 1)10.616 + (5 1)(5 7)(0.3190) + (5 1)(5 7)(5 22)0.00562
3 () =
E1) Sea la tabla siguiente que presenta la temperatura de ebullicin de acetona en diferentes presiones
Puntos
0 1 2 3
1 5 20 40
( ) 56.5 113 181 214.5
c) Elaborar una aproximacion polinomial de Newton para la informacin tabular dada.
d) Interpole la temperatura para una presin de 2 atm.
b)
2) Parar esto realizamos la tabla de diferencias divididas para tener los coeficientes del polinomio de Newton
( ) PRIMERAS SEGUNDAS TERCERAS

0 1 56.5
14.125
1 5 113 4.533
0.50484
0.08165
0.01085
1.675
2 20 181
3 40 214.5

f x
0
, x1 f xx1 fxx 0
113 56. 5
5 1
f x 0
, x1 14.. 125
1 0

f x , x2 2 f x 1 181 113
f x
f x , x2 4.533
1 x x 20 5 1
2 1

f x , x3 3 f x 2
f x 214. 5 181
f x , x3 1.675
2 x x 40 20 2
3 2
f x ,x ,x
0 1 2
f x1 , xx2 fxx 0 , x1 4.5332014
1
. 125

f x ,x ,x
0 1 2

0. 50484
2 0
f x ,x ,x
1 2 3
f x 2 , xx3 fxx1 , x 2 1.6754045.532
f x ,x ,x
1 2 3

0. 08165
3 1

f x ,x ,x ,x
0 1 2 3
f x1 , x2 , xx3 fxx0 , x1 , x2 0.0816540 1 0.5084 f x0 , x1 , x2 , x3 0.01085
3 0
Para = 1
1 () = 0 + ( 0 )1
1 () = (0 ) + ( 0 )(0 , 1 )
1 () = 56.5 + ( 1)14.125
1 () = 56.5 + 14.125( 1)
Para = 2
2 () = 0 + ( 0 )1 + ( 0 )( 1 )2
2 () = (0 ) + ( 0 )(0 , 1 ) + ( 0 )( 1 )(0 , 1 , 2 )
2 () = 56.5 + ( 1)14.125 + ( 1)( 5)(0.50484)
Para = 3
3 () = 0 + ( 0 )1 + ( 0 )( 1 )2 + ( 0 )( 1 )( 2 )3
3 () = (0 ) + ( 0 )(0 , 1 ) + ( 0 )( 1 )(0 , 1 , 2 ) + ( 0 )( 1 )( 2 )(0 , 1 , 2 , 3 )
(3 () = 56.5 + ( 1)14.125 + ( 1)( 5)(0.50484) + ( 1)( 5)( 20)0.01085)
c) Como
1 () = 56.5 + 14.125( 1)
Si, = 2 , (2) = 1 () = 56.5 + 14.125(2 1)
1 () = 70.62
Si, = 2 ,
(2) = 2 () = 56.5 + (2 1)14.125 + (2 1)(2 5)(0.50484)
2 () = 72.1
Si, = 2 ,
(2) = 3 () = 56.5 + (2 1)14.125 + (2 1)(2 5)(0.50484) + (2 1)(2 5)(2 20)0.01085
3 () = 72.72
FORMULA DE INTERPOLACION DE NEWTON HACIA ADELANTE
DIFERENCIA PROGRESIVA
Cuando 0 , 1 , 2 se acomodan consecutivamente e igualmente espaciados diremos

que la expresin:

() = (0 ) + (0 , 1 , . ) ( 0 )( 1 )( 2 ) ( 1 )
=1
Podemos simplificarlos ms, para esto introduciremos un nuevo parmetro "" definido
= 0 + .
Sea 0 1 0 = 1 = 0 +
2 0 = 2 2 = 0 + 2
3 0 = 3 3 = 0 + 3
..
0 = = 0 +
..
0 = = 0 +
Como
() = 0 + 1 ( 0 ) +
2 ( 0 )( 1 ) + + ( 0 )( 1 ) ( 1 )
2 ( 0 )( 1 )= (0 , 1 , 2 )2 ( 1)

Pero:
0 =
1 0 =
1 [0 ] =
1 = +
1 = ( 1)
( 0 )( 1 ) = ( )[( 1)] = 2 ( 1)
(0 , 1 , 2 ) 2 ( 1)+. . +(0 , 1 , 2 , . ) ( 1)( 2) ( ( 1))

() = (0 ) + (0 , 1 ) +

() = ( 1)( 2) ( + 1) (0 , 1 , . ) (1)
=0
Si empleamos la notacin Binomial, es decir;
( 1)( 2)( 3) ( + 1)( )!

( )=
( )! !

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

En ():

() = (0 + ) = ( ) ! (0 , 1 , . )

=0

Podemos construir, haciendo uso de:
Sea
(1 ) (0 )
(0 , 1 ) =
1 0
1
(0 , 1 ) = (0 )

1
(0 , 1 , 2 ) = [ (1 ) (0 )]
2
1
(0 , 1 , 2 ) = 2 (0 )
22
1
En general:(0 , 1 , 2 , . ) = (0 )
!
Por lo tanto la ecuacin () cambia a:

() = ( ) (0 )

=0

( 1) 2 ( 1)( 2) ( ( 1))
() = (0 + ) = (0 ) + (0 ) + (0 )+. . + (0 )
2! !
NOTA:
1) ( ) = +1 ( ) ( ) , 0 ( ) = (+1 ) ( ) , 0
2) Para potencias mayores ( ) SE DEFINE RECURSIVAMENTE COMO:
( ) = 1 ( ( )) , 2 ( ) = 1 ( ( )) , 2
3) ( ) = ( + ) ( )
2 ( 0 )( 1 )= (0 , 1 , 2 )2 ( 1)
4)
Pero:
0 =
1 0 =
1 [0 ] =
1 = +
1 = ( 1)
( 0 )( 1 ) = ( )[( 1)] = 2 ( 1)
0 , 1 )
5) (
(1 )(0 )
a) (0 , 1 ) = , = DIFERENCIA PROGRESIVA
1 0
(0 )
(0 , 1 ) =

(0 , 1 ) = (0 )
b)
(1 , 2 ) (0 , 1 )
(0 , 1, , 2 ) =
2 0
(2 ) (1 ) (1 ) (0 )

2 0 1 0
(0 , 1, , 2 ) =
2 0
(2 ) (1 ) (1 ) (0 )

(0 , 1, , 2 ) =
2
(2 ) 2(1 ) + (0 )
(0 , 1, , 2 ) =
22
E1) Se sabe que la resistencia a la tensin de un plstico aumenta como una funcin del
tiempo cuando se calienta. Se dispone de los siguientes datos:
Puntos 0 1 2 3 4
Tiempo 10 15 20 25 40
Resistencia a
4 20 18 50 33
la tensin
Aproxime la funcin tabulada por el polinomio de Newton en diferencias dividas hacia

adelante e interpole cuando la resistencia a la tensin es de 20
Puntos () () 2 () 3 () 4 ()
0 10 4
16
1 15 20 18
2
52
2 20 18 34 -135
32 -83
3 25 50 49
-17
4 40 33
Solucin:
(0 ) = (1 ) (0 ) = 20 4 = 16
(1 ) = 18 20 = 2
(2 ) = 50 18 = 32
(3 ) = 33 50 = 17
2 (0 ) = (1 ) (0 ) = 2 (16) = 18
2 (1 ) = (2 ) (1 ) = 32 (2) = 34
2 (2 ) = (3 ) (2 ) = 17 (32) = 49
3 (0 ) = 2 (1 ) 2 (0 ) = 34 (18) = 52
3 (1 ) = 2 (2 ) 2 (1 ) = 49 (34) = 83
4 (0 ) = 3 (1 ) 3 (0 ) = 83 (52) = 135
b) Veremos
1 0 = = 15 10 = 5
Y el valor que tenemos que interpolar es: 20, entonces se obtiene el valor de
Es decir; = 0 + esto es:

=

2010
= 5
=2
Aproximaremos a un polinomio de 1er grado , entonces se toma los dos primeros trminos , es
decir 0 y 1
() = (0 ) + (0 )
(20) = 4 + 16(2)
(20) = 36
Vemos que estamos extrapolando, porque el valor de "" queda fuera del intervalo de los
puntos que se usaron para formar el polinomio de aproximacin
Que sucede si realizamos una aproximacin mejor con los puntos 1 y 2, para esto vamos a
modificar:

() = ( ) (0 )

=0
a

() = ( ) (1 )

=0
( 1) 2 ( 1)( 2) ( ( 1))
() = (1 ) + (1 ) + (1 )+. . + (1 )
2! !
Los dos primeros trminos dan la aproximacin polinomial de 1er grado
1
() = (1 ) + (1 ) , =

20 15
() = 20 + (2)(2) , = =1
5
(20) = (20) = 16
Ahora se desea aproximar con un polinomio de 2do grado, se requiere 3 puntos, se aconseja
tomar los puntos 1,2 y 3 en lugar de 0,1 y 2, ya que el argumento por interpolar est ms al
centro de los primeros.
Entonces:
( 1)
2 () = (1 ) + (1 ) + 2 (1 )
2!
Donde:
1
=

20 15
= =1
5
34(1)(1 1)
2 () = 20 + (2)(1) +
2!
2 () = 18
E1) La siguiente tabla se proporciona las presiones de vapor en lb/pulg2 a diferentes temperaturas para el 1-3 butadieno.
Puntos 0 1 2 3 4 5
Temperatura ( o F) 50 60 70 80 90 100
Presin (lb/pulg2 ) 24.94 30.11 36.05 42.84 50.57 59.30
Aproxime la funcin tabulada por el polinomio de Newton en diferencias divididas hacia adelante e interpole la presin a la temperatura de 64F
Para esto realizamos la tabla de diferencias hacia adelante.
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 50 24.94
5.17
0.77
1 60 30.11 5.94
0.08
0.85 0.01
6.79 0.09
2 70 36.05 0.94
-0.03
7.73 0.06
1.00
3 80 42.34 8.73
4 90 50.57
5 100 59.30
( )
(0 ) = (1 ) (0 ) = 30.11 24.94
(1 ) = (2 ) (1 ) = 36.05 30.11
(2 ) = (3 ) (2 ) = 42.84 36.05
(3 ) = (4 ) (3 ) = 50.57 42.84
(4 ) = (5 ) (4 ) = 59.30 50.57
2 ( )
2 (0 ) = ((0 )) = ((1 ) (0 )) = (1 ) (0 ) = 5.94 5.17
2 (1 ) = ((1 )) = ((2 ) (1 )) = (2 ) (1 ) = 6.79 5.94
3 ( )
3 (0 ) = 2 ( (0 )) = 2 ((1 ) (0 )) = 2 (1 ) 2 (0 ) = 0.85 0.77
Veremos que :
1 0 = 60 50 = 10 = 10
Y el valor que vamos a interpolar es : 64 y se obtiene del valor , es decir; = 0 + , esto es:
0
=
6450
= 10
= 1.4
Aproximaremos a un polinomio de 1er grado , entonces se toma los dos primeros trminos , es decir 0 y 1
() = (0 ) + (0 )
() = 24.94 + 5.17(1.4)
() = 32.178
Vemos que estamos extrapolando, porque el valor de "" queda fuera del intervalo de los puntos que se usaron para formar el polinomio de aproximacin
Que sucede si realizamos una aproximacin mejor con los puntos 1 y 2, para esto vamos a modificar:

() = ( ) (0 )

=0

() = ( ) (1 )

=0
( 1) 2 ( 1)( 2) ( ( 1))
() = (1 ) + (1 ) + (1 )+. . + (1 )
2! !
Los dos primeros trminos dan la aproximacin polinomial de 1er grado
1
() = (1 ) + (1 ) , =

64 60
() = 30.11 + 5.94(0.4) , = = 0.4
10
(64) = (64) = 32.486
Ahora se desea aproximar con un polinomio de 2do grado, se requiere 3 puntos, se aconseja tomar los puntos 0,1 y 2 en lugar de 1,2 y 3 , ya que el argumento por interpolar est ms al
centro de los primeros.
Entonces:
( 1)
2 () = (0 ) + (0 ) + 2 (0 )
2!
Donde:
0
=

64 50
= = 1.4
10
0.77(1.4)(0.4)
2 () = 24.94 + 5.17(1.4) +
2!
2 () = 32.393
E2) Aproxime la funcin tabulada por el polinomio de Newton Progresivo e interpole.
x= 0.05
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 0.0 1.00000
0.22140
1 0.2 1.22140 0.04902
0.01086
0.27042
2 0.4 1.49482 0.05988 0.00238
0.01324
0.3303
3 0.6 1.82212 0.07312
0.40342
4 0.8 2.2554
( )
(0 ) = (1 ) (0 ) = 1.22140 1 = 0.2214
(1 ) = (2 ) (1 ) = 1.49182 1.2240 = 0.27042
(2 ) = (3 ) (2 ) = 1.82212 1.49182
(3 ) = (4 ) (3 ) = 2.22554 1.82212
2 ( )
2 (0 ) = ((0 )) = ((1 ) (0 )) = (1 ) (0 ) = 0.27042 0.2214
2 (1 ) = ((1 )) = ((2 ) (1 )) = (2 ) (1 ) = 0.3303 0.27042

3 ( )
3 (0 ) = (2 (0 )) = ((1 ) (0 )) = 2 (1 ) 2 (0 ) = 0.05988 0.04902
4 ( )
4 (0 ) = ( 3 (0 )) = 0.01324 0.01086 = 0.00238
Veremos :
1 0 = 0.2 0 = 0.2 = 0.2
El valor que vamos a interpolar es 0.05 y se obtiene el valor , es decir;
= 0 +
0
=

0.05 0
= = 0.25
0.2
Aproximamos a un polinomio de 1er grado , se tendr los dos primeros trminos es

decir;
() = (0 ) + (0 )
() = 1 + 60.22140(0.25)
() = 1.05535
Que sucede si aproximamos mejor con los puntos 1 y 2.
Entonces:
() = (1 ) + (1 )
() = 1.22140 + 0.27042(0.75) ,
() = 1.018555
En este caso estamos extrapolando
Nota:
= 1 +
1
=

0.05 0.2
= = 0.75
0.2
Sabemos:
0 =
1 0 = 1 = 0 +
2 0 = 2 2 = 0 + 2
3 0 = 3 3 = 0 + 3
0 = = 0 +
Luego:
2 1 = (2 ) = (0 + 2)
2 0 = 2 (1 ) = (0 + )
Sabemos que:
(0 + 2) 2(0 + ) + (0 )
(0 , 1, , 2 ) =
22
[(0 + 2) (0 + )] [(0 + ) (0 )]
(0 , 1, , 2 ) =
22
[ (0 + + ) (0 + )] [(0 + ) (0 )]
(0 , 1, , 2 ) =
22
(0 + ) (0 )
(0 , 1, , 2 ) =
22
[(0 + ) (0 )]
(0 , 1, , 2 ) =
22
[(0 )]
(0 , 1, , 2 ) =
22
2 (0 )
(0 , 1, , 2 ) =
22
Sabemos:
1) ( ) = (+1 ) ( )
2) ( ) = ( + ) ()
(1 ,2 ,3 )(0 ,1, 2 )
c) (0 , 1, , 2 , 3 ) =
3 0
(1 , 2 , 3 ) (0 , 1, 2 )
(0 , 1, , 2 , 3 ) =
3
(2 , 3 ) (1 , 2 ) (1 , 2 ) (0, 1 )
3 1 2 0
(0 , 1, , 2 , 3 ) =
3 3
(2 , 3 ) (1 , 2 ) (1 , 2 ) (0, 1 )
(0 , 1, , 2 , 3 ) =
(3 1 )3 (2 0 )3
(2 , 3 ) (1 , 2 ) (1 , 2 ) (0, 1 )
(0 , 1, , 2 , 3 ) =
(2)3 (2)3
(2 , 3 ) 2 ( 1 , 2 ) + (0, 1 )
(0 , 1, , 2 , 3 ) =
(2)3
(3 ) (2 ) 2 [( 2 ) (1 )] + (1 ) (0 )
(0 , 1, , 2 , 3 ) =
(2)3
(3 ) (2 ) 2 ( 2 ) + 2( 1 ) + (1 ) (0 )
(0 , 1, , 2 , 3 ) =
(2)3
(3 ) 3(2 ) + 3 ( 1 ) (0 )
(0 , 1, , 2 , 3 ) =
(2)3
FRMULA DE INTERPOLACIN DE NEWTON HACIA ATRS
DIFERENCIA REGRESIVA
Si reordenamos los nodos interpolantes como: , 1 , 2 0 tendramos:
() = ( ) + ( , 1 )( ) + ( , 1 , 2 )( )( 1 )+. . +( , 1 , 2 , . 0 )( ) ( 1 )( 2 ) ( 1 )
Como usamos espacios iguales con : = + .
() = ( + )
() = ( ) + ( , 1 ) + ( + 1)2 ( , 1 , 2 )+. . +( + 1)( + 2) ( + 1) ( , 1 , 2 , . 0 )
La cual nos servir para derivar la frmula de Diferencia Regresiva de Newton Polinomio de
Newton en Diferencias Finitas hacia atrs.
1
( , 1 ) = ( )

1
( , 1 , 2 ) = 2 ( )
2 ! 2
1
( , 1 , +1 , ) = ( )
!
Por lo tanto
( + 1) 2 ( + 1)( + 2) ( + 1)
() = ( ) + ( ) + ( )+. . + ( ) (2)
2! !
Utilizando la notacin del coeficiente Binomial, para incluir negativos
( 1)( 2)( 3) ( + 1)( )!

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

( )=
!
En (2)

() = ( ) + (1)1 ( ) ( ) + (1)2 ( ) 2 ( )+. . +(1) ( ) ( )
1 2
Por lo tanto de (2)

() = (1) ( ) ( )

=0

NOTA:
1) ( ) = +1 ( ) ( ) , 1 ( ) = ( ) (1 ) , 1
2) Para potencias mayores ( ) SE DEFINE RECURSIVAMENTE COMO:
( ) = 1 ( ( )) , 2 ( ) = 1 ( ( )) , 2
E1) Interpole el valor de la presin a una temperatura de 95 F, empleando la tabla
anterior y el polinomio de Newton en Diferencias Divididas hacia atrs
Parar esto realizamos la tabla de diferencias hacia atrs
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 50 24.94
5.17
1 60 30.11 0.77
5.94
0.08
2 70 36.05 0.85 0.01
6.79 0.09
3 80 42.34 0.94
-0.03
7.73 0.00
4 90 50.57 1.00
8.73
5 100
59.30
Aproximaremos a un polinomio de 1er grado :
1 (95) = (5 ) + (5 )
Donde
5 95 100
= = = = 0.5
10
Entonces:
1 (95) = 59.30 + 8.73(0.5)
1 (98) = 54.9350
Usando un polinomio de 2do grado, se emplea los tres primeros trminos de abajo hacia arriba
( + 1) 2
2 (95) = (5 ) + (5 ) + (5 )
2!
(0.5)(0.5 + 1)
2 (95) = 59.30 + 8.73(0.5) + (1)
2!
2 (95) =54.81000
Conforme pasa el tiempo de lixiviacin de un mineral, la concentracin de la parte valiosa de
ste aumenta. Con el ajuste correcto del mtodo de diferencial para determinar el tiempo, se
obtuvieron los datos experimentales de t(min) [Cu] en g/L
puntos 0 1 2 3 4
T(min) 10 20 30 40 50
[Cu] g/L 0.756827 0.993118 1.164202 1.308180 1.422306
Para estos datos extrapolar la concentracin de Cu a 1 hora de haber comenzado la

lixiviacin. Calcular el error relativo % si V = 1.577679
Resolucin:
Puntos () () 2 () 3 () 4 ()
0 10 0.756827
0.236291
1 20 0.993118 -0.065207
0.171084 0.033101
2 30 1.164202 -0.032106 -0.020847
0.138978 0.012254
3 40 1.308180 -0.019852
0.119126
4 50 1.422306
Solucin:
( = (1) (0) = 0.993118 0.756827 = 0.236291

0)
( ) = ( ) ( ) = 1.164202 0.993118 = 0.171084
1 2 1
2 (0 ) = ((0) ) = ((1 ) (0 ) ) = (1 ) (0 ) = 0.171084 (0.236291)

= 0.065207
2
(1 ) = ((1) ) = ((2 ) (1 ) ) = (2 ) (1 ) = 0.138978 (0.171084)
= 0.032106
3 (0) = (2 (0) ) = ((1) (0) ) = 2 (1 ) 2 (0 ) = 0.032106 (0.065207) = 0.033101
4 (0) = (3 (0) ) = (2 (1) 2 (0 ) ) = 3 (1 ) 3 (0 ) = 0.012254 (0.033101) = 0.020847
Aproximando a un polinomio de 3 grado, considerando 0 = 20

. ( 1). 2 (1 ) . ( 1). (s 2). 3 (1 )
() = ( ) + . (1 ) + +
1 2! 3!
Calculo de s para (0.158) ; 0 = 0.125
= 0 + . , = 1 0 = 20 10 = 10 = 10
60 20
= = =4
10
4. (4 1). 0.032106 4. (4 1)(4 2). 0.012254
(60) = 0.993118 + 4(0.171084) + +
2! 3!
(60) = 1.601474
|1.577679 1.601474|
% = 100
1.601474
% = 1.486665
E2) Interpole el valor de la presin a una temperatura de 98 F, empleando la tabla anterior y el polinomio de Newton en Diferencias Divididas hacia atrs
Parar esto realizamos la tabla de diferencias hacia atrs
( ) ( ) 2 ( ) 3 ( ) 4 ( )
0 50 24.94
5.17
0.77
1 60 30.11 5.94
0.08
0.85 0.01
6.79 0.09
2 70 36.05 0.94
-0.03
7.73 0.00
1.00
3 80 42.34 8.73
4 90 50.57
5 100
59.30
Aproximaremos a un polinomio de 1er grado :
1 (98) = (5 ) + (5 )
Donde
5 98 100
= = = = 0.2
10
Entonces:
1 (98) = 59.30 + 8.73(0.2)
1 (98) = 57.554
Usando un polinomio de 2do grado, se emplea los tres primeros trminos de abajo hacia arriba
( + 1) 2
2 (98) = (5 ) + (5 ) + (5 )
2!
(0.2)(0.2 + 1)
2 (98) = 59.30 + 8.73(0.2) + (1)
2!
2 (98) =57.474
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES
POLINOMIO DE LAGRANGE
La interpolacin de polinomios de Lagrange es una reformulacin del polinomio de Newton, que

evita el clculo por Diferencias Finitas. As presentamos una funcin tabulada de la forma:
X Y
0 0
1 = 0 + 0 1 1 0 = 0
2 = 1 + 1 2 2 1 = 1
= 1 + 1 1 = 1
No necesariamente se cumple:
0 = 1 = . . = 1
Entonces
() , es una funcin desconocida dada en su forma tabular y podemos asumir que un

polinomio de 1er grado puede escribirse:
() = 0 ( 1 ) + 1 ( 0 ) (1)
Donde 0 , 1 son argumentos de los puntos conocidos (0 , (0 )) , (1 , (1 ) ) y
0 y 1 son valores que debemos encontrar.
0 =?
Hacemos que = 0 en (1), despejando tenemos:
(0 ) = 0 (0 1 ) + 1 (0 0 )
(0 )
= 0
(0 1 )
(0 )
0 =
(0 1 )
(0 )
0 =
(0 1 )
1 =?
Hacemos que = 1 en (1) , despejando tenemos :
(1 ) = 0 (1 1 ) + 1 (1 0 )
(1 )
= 1
(1 0 )
(1 )
1 =
(1 0 )
(1 )
1 =
(1 0 )
Reemplazando en (1):
() = 0 ( 1 ) + 1 ( 0 )
(0 ) (1 )
() = ( 1 ) + ( 0 )
0 1 1 0
Lo podemos escribir como:
() = 0 ()(0 ) + 1 ()(1 )
donde
1 0
0 () = , 1 () =
0 1 1 0
Luego, un polinomio de 2do grado, puede escribirse como:
2 () = 0 ( 1 )( 2 ) + 1 ( 0 )( 2 ) + 2 ( 0 )( 1 ) (2)
Donde 0 , 1 , 2 son argumentos de los valores
(0 , (0 )) , (1 , (1 ) ), (2 , (2 ) ) , hallaremos los valores 0 1 y 2
0 =?
Hacemos que = 0 en (2), despejando tenemos:
2 (0 ) = 0 (0 1 )(0 2 ) + 1 (0 0 )(0 2 ) + 2 (0 0 )( 1 )
2 (0 )
= 0
(0 1 )(0 2 )
(0 )
0 =
(0 1 )(0 2 )
1 =?
2 (1 ) = 1 (1 0 )(1 2 )
2 (1 )
= 1
(1 0 )(1 2 )
2 (1 )
1 =
(1 0 )(1 2 )
(1 )
1 =
(1 0 )(1 2 )
2 =?
2 (2 ) = 2 (2 0 )(2 1 )
Reemplazando en (2), tenemos:
2 () = 0 ()(0 ) + 1 ()(1 ) + 2 ()(2 )
donde
( 1 )( 2 ) ( 0 )( 2 )
0 () = , 1 () =
(0 1 )(0 2 ) (1 0 )(1 2 )
( 0 )( 1 )
2 () =
(2 0 )(2 1 )
Lugo el polinomio de n-simo grado , que pasa por n+1 puntos
(0 , (0 )) , (1 , (1 ) ), (2 , (2 ) ) . . . ( , ( ) )
() = 0 ()(0 ) + 1 ()(1 ) + 2 ()(2 ) + ()( )
( 1 )( 2 ) ( )
0 () =
(0 1 )(0 2 ). . (0 )
( 0 )( 2 )( 3 ). . ( )
1 () =
(1 0 )(1 2 )(1 3 ). . (1 )
( 0 )( 1 ) . . ( 1 )
() =
( 0 )( 1 ) ( 1 )
Otra forma compacta es:

() = () ( )
=0
donde

() =

=0

E1) Para los datos a continuacin
a) Obtenga la aproximacin polinomial de Lagrange con todos sus puntos.

b) Interpole el valor de la funcin () para = 1.8
0 1 2 3
0 1 3 6
( ) -3 0 5 7
a) Observamos que hay 4 puntos en la tabla, por lo que el polinomio ser de tercer grado.
3
=3 () = () ( )
=0
3

() =

=0

3 () = =0 ()(0 ) + =1 ()(1 ) + =2 ()(2 ) + =3 ()(3 )
( 1 )( 2 )( 3 ) ( 0 )( 2 )( 3 )
3 () = (0 ) + (1 )
(0 1 )(0 2 )(0 3 ) (1 0 )(1 2 )(1 3 )
( 0 )( 1 )( 3 ) ( 0 )( 1 )( 2 )
+ (2 ) + (3 )
(2 0 )(2 1 )(2 3 ) (3 0 )(3 1 )(3 2 )
( 1)( 3)( 6) ( 0)( 3)( 6) ( 0)( 1)( 6)

3 () = (3) + (0) + (5)
(0 1)(0 3)(0 6) (1 0)(1 3)(1 6) (3 0)(3 1)(3 6)
( 0)( 1)( 3)
+ (7)
(6 0)(6 1)(6 3)
1 15 5 5 7
3 () = ( 3 10 2 + 27 18) ( ) ( ) + ( 3 7 2 + 6) ( ) ( ) + ( 3 4 2 + 3) ( )
6 15 18 5 90
3 3 3 2 276
3 () = + 3
90 90 90
1 3 1 2 92
3 () = + 3
30 30 30
b) El valor de = 1.8 , sustituiremos este valor a lo anteriormente encontrado.
3 3 276
3 (1.8) = (1.8) = (1.8)3 (1.8)2 + (1.8) 3
90 90 90
Entonces:
(1.8) = 2.2176
INTERPOLACION INVERSA
Hemos observado que los valores () y en la mayora de los contextos de interpolacin son
las variables dependientes e independientes, en forma respectiva.
Los valores de pueden estar espaciados uniformemente.
1
E1) Sea la tabla de valores para () =

1 2 3 4 5 6 7
( ) 1 0.5 0.3 0.25 0.2 0.1667 0.1429
Supongamos que dado el valor de () , deseamos encontrar el valor de
De los datos anteriores tenemos:
1
() =

1
0.33 =

= 3. 03
Es lo que conocemos como INTERPOLACION INVERSA
Pero, para un caso ms complicado: Intentar cambiar los valores de () y y emplear

interpolacin de Lagrange para obtener resultados, pero al invertir las variables no hay
garanta de que los valores junto con las nuevas abscisas (los () ) sean espaciados
uniformemente , en muchos casos sern agrandados.
MATRICES y SISTEMAS DE ECUACIONES LINEALES
INTRODUCCION
Encontrar la solucin de sistemas de Ecuaciones Lineales es un tema clsico de las

matemticas, pero de gran utilidad en las ramas del conocimiento tales como: Economa,
Biologa, Fsica , Psicologa.
Gracias a los computadores hoy en da podemos resolver sistemas casi de cualquier nmero
de ecuaciones, lo cual proporciona un atractivo especial a las tcnicas de solucin Directas e
Interactivas.
MATRICES
Una matriz es un conjunto de elementos ordenados en filas y columnas.
11 1
[ ]
1
Los elementos son nmeros reales, complejos o funciones de una o varias variables.
SOLUCIONES DE SISTEMAS DE ECUACIONES LINEALES
Un sistema de ecuaciones lineales en incgnitas tiene la forma general:
11 1 + 12 2 + 1 = 1
21 1 + 22 2 + 2 = 2
31 1 + 32 2 + 3 = 3
1 1 + 2 2 + =
{
La notacin matricial es:
11 12 1 1 1
21 22 2 2 2
=

1
( 2 ) (
) (
)
Donde:
= Matriz de coeficientes del sistema

= Vector de incgnita
= Vector de trminos independientes
EXISTENCIA y UNICIDAD DE SOLUCIONES
Un sistema es homogneo si el vector es un vector Cero.
Si el vector 0 entonces es un sistema no homogneo

Un sistema es inconsistente si no tiene solucin.
Un sistema es consistente, si tiene solucin, esta solucin es nica puede tener un nmero
infinito de soluciones.
Una matriz aumentada:
Est formada por los coeficientes de la matriz y del vector
METODOS DIRECTOS DE SOLUCION
1) METODO DE ELIMINACION DE GAUSS

METODO DE ELIMINACION DE GAUSS HACIA ATRAS
E1) Resuelva por Eliminacin de Gauss el sistema
41 92 + 23 = 5
{21 42 + 63 = 3
1 2 + 33 = 4
a) La matriz aumentada
4 9 2 5
2 4 6| 3
1 1 3 4
b) Triangulizacin
4 9 2 5
0 1/2 5 | 1/2
0 0 10 3/2
2
b1) Para esto multiplicar la 1era fila por ( ) y sumarle a la 2da fila.
4
1
b2) La 1era fila multiplicar por ( ) y sumarle a la 3era fila.
4
Obtendremos la siguiente matriz
4 9 2 5
0 1/2 5 | 1/5
0 5/4 10/4 11/4
5
B3) La 2da fila multiplicar por ( ) y sumarle a la 3era fila.
2
Obtendremos la siguiente matriz
4 9 2 5
0 1/2 5 | 1/2
0 0 10 3/2
Quedando en trminos de sistema de ecuaciones como:
41 92 + 23 = 5
1 1
2 + 53 =
2 2
3
{ 103 =
2
En proceso regresivo nos produce el siguiente resultado:
3 3 1
103 = 3 = ( )
2 2 10
3
3 =
20
3 = 0.15
41 = 5 + 92 23
25 3
41 = 5 + 9 ( ) 2 ( )
10 20
139
1 =
20
1 = 6.95
OBSERVACION
1) Se puede calcular el determinante de la matriz .

Mediante operaciones hemos obtenido una matriz triangular superior, pero el valor del
determinante no vara, entonces:
1
|| = (4) ( ) (10) = 20
2
2) El mtodo es aplicable cuando 11 0 , 22 0, . 0

En caso contrario si algn = 0, se permutar las filas correspondientes, es decir;
Por ejemplo:
22 = 0
1 1 2 1 8
0 0 1 1
( |4)
0 2 1 1 6
0 0 2 4 12
1 1 2 1 8
0 2 1 1
( |6)
0 0 1 1 4
0 0 2 4 12
FACTORIZACION DE MATRICES
En la factorizacin de matrices tenemos varios mtodos:
1) FACTORIZACION DIRECTA DE MATRICES FACTORIZACION DE MATRICES EN

MATRICES TRIANGULARES.
Teorema
Si, el procedimiento de Eliminacin Gaussiana, puede aplicarse al sistema = , sin

intercambio de filas, entonces la matriz puede factorizarse como el producto de una
matriz, triangular inferior con una matriz superior ; tal que:
Donde = ( ) = ( ) definidas para cada por:
()
= 1,2, . ,
= {0 = + 1, + 2, . ,
()
Donde = Es el elemento , de la matriz final obtenida por el mtodo de
ELIMINACION GUASSIANA
0 = 1,2, 3, , . , 1
= { 1 =
= + 1, + 2, ,
Donde es el multiplicador
E1) Sea el sistema
41 92 + 23 = 5
{21 42 + 63 = 3
1 2 + 33 = 4
La triangulacin de la matriz es :
4 9 2
1
= (0 5 )
2
0 0 10
Y para obtener la matriz triangular inferior
1 0 0
1
1 0
= 2
1 5
1
(4 4 )
Tal que, se cumple:
1 0 0
1 4 9 2
4 9 2 1
1 0
(2 4 6) = 2 (0 5 )
1 1 3 1 5 2
1 0 0 10

(4 4 )

TENEMOS:
Obtendremos mediante operaciones bsicas a la matriz U, luego multiplicar L.U=A
1 0 0 4 9 2
1
(21 1 0) (0 2
5 )
31 32 1 0 0 10
4 21 = 2 21 = 1/2
431 = 11 31 = 1/4
1
931 + 32 = 1 32 = 5/2
2
2) METODO DE DOOLITLE y CROUT
Es un mtodo directo para encontrar la triangulizacion , para esto es factible factorizar

la matriz en las matrices y dadas a continuacin :
11 12 13 11 12 13 11 12 13
(21 22 23 ) (21 22 23 ) = (21 22 23 )
v
33 31 32 33 31 32 33
31 32

Anlisis:
a) Primera fila por las tres columnas de
11 11 = 11
11 12 = 12
11 13 = 13
b) Segunda fila por las tres columnas de
21 11 = 21
21 12 + 22 22 = 22
21 13 + 22 23 = 23
c) Tercera fila por las tres columnas de

31 11 = 31
31 12 + 32 22 = 32
31 13 + 32 23 + 33 33 = 33
Se llega a un sistema de ecuaciones con 12 incgnitas para lo cual, ser necesaria establecer
tres condiciones para resolver dicho sistema.
Asi, tenemos:
METODO DE DOOLITLE
Si se considera 11 = 22 = 33 = 1
METODO DE CROUT
Si considera 11 = 22 = 33 = 1
OBSERVACION
1) Los algoritmos de Factorizacin se pueden simplificar considerablemente en el caso de

matrices de Banda, por lo cual los mtodos mencionados anteriormente son vlidos.
METODO DE DOOLITLE
E1) Sea el sistema
41 92 + 23 = 5
{21 42 + 63 = 3
1 2 + 33 = 4
4 9 2 11 0 0 11 12 13
(2 4
6) = ( 21 22 0) ( 0 22 23 )
1 1 3 31 32 33 0 0 33

a) Sea
11 = 1
22 = 1
33 = 1
b) Calculando la Primera fila.
11 11 = 4 11 = 4 = 11
11 12 = 9 13 = 4 = 12
11 13 = 2 13 = 2 = 13
c) Calculando la Primera columna de
21 =?
2 1
21 11 = 2 21 = 21 =
4 2
31 =?
1
31 11 = 1 31 =
4
d) Calculando la Segunda fila de
1 1
21 12 + 22 22 = 4 (9) + (1)22 = 4 22 =
2 2
1
21 13 + 22 23 = 6 (2) + (1)23 = 6 23 = 5
2
e) Calculando la Segunda columna de
1 1 5
31 12 + 32 22 = 1 (9) + 32 ( ) = 1 32 =
4 2 2
f) Calculando la Tercera fila de (Los valores restantes)
1 5
31 13 + 32 23 + 33 33 = 3 (2) + (5) + (1) 33 = 3 33 = 10
4 2
Por lo tanto las matrices y
1 0 0 4 9 2
1
= (2 1 0) = (0
1
5 )
1 5 2
1 0 0 10
4 4
Donde =
Podemos resolver el sistema:
= donde es el vector de trminos independientes del sistema

original
Luego:
1 0 0
1 1 5
1 0
2 (2 ) = (3)
1 5 3 4
1
(4 4 )
Entonces:
1 = 5
1 1 1
+ 2 = 3 ( ) 5 + 2 = 3 2 = = 2 = 0.5
2 1 2 2
1 5 1 5 1 6
+ + 3 = 4 ( ) 5 + ( ) ( ) + 3 = 4 3 = = 2 = 1.5
4 1 2 2 4 2 2 4
Entonces:
1 = 5
1
2 =
2
6
3 =
4
Y finalmente, podemos resolver el sistema:
= , para obtener la solucin del sistema original
4 9 21 5
1
(0
5 ) ( 2 ) = (1/2)
2 3 6/4
0 0 10
Entonces:
6 3
103 = 3 = 3 = 0.15
4 20
1 1 1 3 1 5
+ 53 = 3 = 2 + 5 ( ) = 2 = 2 = 2.5
2 2 2 2 20 2 2
5 3 139
4 1 92 + 23 = 5 4 1 9 ( ) + 2 ( ) = 5 1 = 1 = 6.95
2 20 20
Por lo tanto :
1 3 =/20
2 = 5/2
3 = 139/20
3) METODO DE CHOLESKY
OBSERVACIONES
1) TEOREMA.-
Sea una matriz de orden n es positive definida entonces, tiene una
factorizacin de la forma = , donde es una matriz triangular inferior.
2) Una matriz simtrica cuyas componentes son nmeros reales, es positive

definida si solo si los determinantes de las submatrices de son positivos , es
decir;
11 12 1
11 12 21 22 2
|11 | > 0 , |
21 22 | > 0 | | > 0
1 2
E1) Resolver el sistema de ecuaciones lineales de:
4 1 2 1 1
(1 2 0) (2 ) = (2)
2 0 5 3 4

cuya matriz de coeficientes es simtrica y positivamente definida
1) Descomponer la matriz en las matrices triangulares y
11 0 0 11 12 13 4 1 2
( 21 22 0) (0 22 23 ) = (1 2 0)
31 32 33 0 0 33 2 0 5

2) Efectuamos las operaciones o la multiplicacin de matrices tenemos:
2
11 = 4 = 11 11 = 2 11 = 2
1
11 21 = 1 = 12 2 21 = 1 21 =
2
11 31 = 2 = 13 2 31 = 2 31 = 1
21 11 = 1 (No es necesario pues los valores 21 , 11 ya se conocen)
2 2 1 22 7
21 + 22 = 2 = 22 ( ) + 22 = 2 22 = = 1.22875656
2 2
1 7 1
21 31 + 2 2 32 = 0 = 23 ( ) 1 + = 0 32 = = 0.377964473
2 2 32 7
31 11 = 2
31 21 + 32 22 = 0
2
2 2 2
1 27
31 + 32 + 33 = 5 = 33 (1)2 + ( 2
) + 33 = 5 33 = = 1.963961012
7 7
3) Al resolver el sistema =
2 0 0
1 7 1 1
0
2 2 (2 ) = (2)
1 27 3 4
1
7 7
( )
1
21 = 1 1 =
2
1 7 1 1 7 7
+ = ( )( )+ = 2 2 = = 1.322875656
2 1 2 2 2 2 2 2 27
1 27 1 1 7 27 47
1 2 + = 4 ( )( ) + 3 = 4 3 = = 2.06700309
7 7 3 2 7 27 7 27
Resolviendo
1
2 1 1
2
7 1
1 2
7
0 (2 ) =
2 7 27
27
3 47
0 0 (27)
( 7 )
Tenemos:
1 1
21 + 2 + 3 =
2 2
7 1 7
2 3 =
2 7 27
27 7
3 = 4
7 27
Entonces:
7 7 28
3 = 4 3 =
= 1. 037
27 27 27
7 1 28
2 = + ( )
27 7 27
245
2 =
= 1. 296
189
1 245 28 1
1 = ( )
2 378 27 2
448
1 =
= 0. 592
756
El vector solucin es:
1 = 448/756
2 = 245/189
3 = 28/27
METODO ITERATIVOS
1) METODO DE JACOBI
E1) Resolver el siguiente sistema por el mtodo de Jacobi
41 2 =5
1 + 42 3 =1
{
2 + 4 3 4 =1
3 + 4 4 =1
1) 0 Despejar ) 1 de la primera ecuacin
2 de la segunda ecuacin
3 de la tercera ecuacin
2 1
1 = +
4 4
1 3 1
2 = +
() 4 4 4
2 4 1
3 = +
4 4 4
3 1
{ 4 = 4
+
4
2) Vector inicial : como primera aproximacin al vector solucin
Cuando no se tiene una aproximacin al vector solucin , se emplea generalmente

como vector inicial al vector cero, es decir;
(0) = [0, 0, 0, 0]
(0) = [1 (0), 2 (0), 3 (0), 4 (0), ]
3) Calcular (1) , (2) , .. de la siguiente manera
(+1) = () + , = 0,1,2, .
Donde
() () ()
() = [1 , 2 , 3 . ]
Entonces para calcular
(1) se obtiene reemplazando (0) en cada una de las ecuaciones anteriores ()
(1) 0 1 1
(1)
1 = + 1 =
4 4 4
(1) 0 0 1 (1) 1
2 = + 2 =
4 4 4 4
(1) 0 0 1 (1) 1
3 = + 3 =
4 4 4 4
(1) 0 1 (1) 1
4 = + 4 =
4 4 4
Entonces:
1 1 1 1
(1) = [ , , , ]
4 4 4 4
(1) (1) (1) (1)

(1) = [1 , 2 , 3 4 . ]
Para calcular (2) , sustituir (1) en cada ecuacin ()
(1)
(2) 1 1 (2) 1 1 (2) 5
1 = + 1 = + 1 = = 0.3125
4 4 16 4 16
(2) 1 1 1 (2) 6
2 = + 2 = = 0.3750
16 16 4 16
(2) 1 1 1 (2) 6
3 = + 3 = = 0.3750
16 16 4 16
(2) 1 1 (2) 5
4 = + 4 = = 0.3125
16 4 16
Entonces:
5 6 6 5
(2) = [ , , , ]
16 16 16 16
(2) (2) (2) (2)

(2) = [1 , 2 , 3 4 . ]
Para calcular (3)
(2)
(3) 2 1 (3) 1 1 1 (3) 22
1 = + 1 = + 1 = = 0.34375
4 4 16 4 4 64
(3) 5 1 6 1 1 (3) 27
2 = + 2 = = 0.421875
16 4 16 4 4 64
(3) 6 1 5 1 1 (3) 27
3 = + 3 = = 0.421875
16 4 16 4 4 64
(2) 6 1 1 (3) 22
4 = + 4 = = 0.34375
16 4 4 64
Entonces:
22 27 27 22
(3) = [ , , , ]
64 64 64 64
(3) (3) (3) (3)

(3) = [1 , 2 , 3 4 . ]
Para calcular (4)
(3)
(4) 2 1 (4) 27 1 1 (4) 91
1 = + 1 = + 1 = = 0.355468
4 4 64 4 4 256
(4) 22 1 27 1 1 (4) 113

2 = + 2 = = 0.441406
64 4 64 4 4 256
(4) 27 1 22 1 1 (4) 113

3 = + 3 = = 0.441406
64 4 64 4 4 256
(4) 27 1 1 (4) 91
4 = + 4 = = 0.355468
256 4 4 256
Entonces:
91 113 113 91
(4) = [ , , , ]
256 256 256 256
(4) (4) (4) (4)
(4) = [1 , 2 , 3 4 . ]
Para calcular (5)
(4)
(5) 2 1 (5) 113 1 1 (5) 369
1 = + 1 = + 1 = = 0.36035
4 4 256 4 4 1024
(5) 91 1 113 1 1 (5) 460

2 = + 2 = = 0.449218
256 4 256 4 4 1024
(5) 113 1 91 1 1 (5) 460

3 = + 3 = = 0.449218
256 4 256 4 4 1024
(4) 91 1 1 (5) 369

4 = + 4 = = 0.36035
256 4 4 1024
Entonces:
369 460 460 369
(5) = [ , , , ]
1024 1024 1024 1024
(5) (5) (5) (5)

(5) = [1 , 2 , 3 4 . ]
Tenemos a continuacin los resultados subsecuentes iteraciones en forma tabular:
() () () ()
1 2 3 4
0 0 0 0 0
1 1 1 1 1
4 4 4 4
2 5 6 6 5
16 16 16 16
3 22 27 27 22
64 64 64 64
4 91 113 113 91
256 256 256 256
5 369 460 460 369

1024 1024 1024 1024
2) METODO DE GAUSS SEIDEL
E1) Resolver el siguiente sistema por el mtodo de Jacobi
41 2 =1
1 + 42 3 =1
{
2 + 4 3 4 = 1
3 + 4 4 = 1
1) Despejar 1 de la primera ecuacin
2 de la segunda ecuacin
3 de la tercera ecuacin
4 de la cuarta ecuacin
2 1
1 = +
4 4
1 3 1
2 = +
() 4 4 4
2 4 1
3 = + + +
4 4 4
3 1
{ 4 = 4
+
4
2) Vector inicial: como primera aproximacin al vector solucin
Cuando no se tiene una aproximacin al vector solucin, se emplea generalmente

como vector inicial al vector cero, es decir;
(0) = [0, 0, 0, 0]

(0) = [1 (0) (0), 2 (0) (0), 3 (0) (0), 4 (0) (0), ]
3) Calcular (1) , (2) , ..
Luego para calcular (1) se obtiene reemplazando (0) en cada una de las ecuaciones
anteriores ()
(1) =?
(1) 0 1 1
(1)
1 = + 1 =
= 0.25
4 4 4
(1) 1 1 0 1 (1) 5
2 = + 2 = = 0.3125
4 4 4 4 16
(1) 5 1 0 1 (1) 21
3 = + 3 = = 0.323125
16 4 4 4 64
(1) 21 1 1 (1) 85
4 = + 4 = = 0.33203125
64 4 4 256
Entonces:
1 5 21 85
(1) = [ , , , ]
4 16 64 256
(1) (1) (1) (1)

(1) = [1 , 2 , 3 4 . ]
Para calcular (2) , sustituir (1) en cada ecuacin ()
(1)
(2) 2 1 (2) 5 1 1 (2) 21
1 = + 1 = + 1 = = 0.328125
4 4 16 4 4 64
(2) 21 1 21 1 1 (2) 106

2 = + + 2 = = 0.4140625
64 4 64 4 4 256
(2) 106 1 85 1 1 (2) 447

3 = + + 3 = = 0.436534
256 4 256 4 4 1024
(2) 447 1 1 (2) 1471

4 = + 4 = = 0.359130
1024 4 4 4096
Entonces:
21 106 447 1471
(2) = [ , , , ]
64 256 1024 4096
(2) (2) (2) (2)

(2) = [1 , 2 , 3 4 . ]
(3) =?
(2)
(3) 2 1 (3) 106 1 1 (3) 181
1 = + 1 = + 1 = = 0.353515
4 4 256 4 4 512
(3) 181 1 447 1 1 (3) 1833

2 = + + 2 = = 0.447509
512 4 1024 4 4 4096
(3) 1833 1 1471 1 1 (3) 925

3 = + + 3 = = 0.451660
4096 4 4096 4 4 2048
(3) 925 1 1 (3) 2973

4 = + 4 = = 0.362915
2048 4 4 8192
Entonces:
181 1833 925 2973
(3) = [ , , , ]
512 4096 2048 8192
(2) (2) (2) (2)

(2) = [1 , 2 , 3 4 . ]
Tenemos a continuacin los resultados subsecuentes iteraciones en forma tabular:
() () () ()
1 2 3 4
0 0 0 0 0
1 1 5 21 85
4 16 64 256
2 21 106 447 1471

64 256 1024 4096
3 181 1833 925 2973

512 4096 2048 8192
Ejercicios:
1) Obtenga las tres primeras iteraciones del mtodo de Jacobi , para los sgtes sistemas
lineales, use (0) = 0
a)
31 2 + 3 =1
3 1 + 62 + 2 3 =0
{
3 1 + 3 2 + 7 3 =4
b)
101 2 =9
1 + 102 2 3 =7
{
2 2 + 10 3 =6
2) Obtenga las tres primeras iteraciones del mtodo de Gauss Seidel , para los sgtes
sistemas lineales, use (0) = 0
a)
41 + 2 3 = 5
1 + 32 + 3 = 4
{
2 1 + 2 2 + 5 3 = 1
b)
3
21 + 2 + =4
2
3
1 22 = 4
2
2 + 2 3 = 0
{
TRABAJAR LOS EJERCICIOS ANTERIORES EN EXCEL,

INTEGRACION NUMERICA
La integracin Numrica son maneras o formas de obtener una estimacin ms exacta de una
integracin, empleando polinomios. As tenemos:
FORMULA DE INTEGRACION DE NEWTON COTES
La frmula de integracin de Newton Cotes son los esquemas de integracin numrica

ms comunes.
Se basan en reemplazar una funcin complicada datos tabulados con una funcin
aproximada que sea fcil de integrar, es decir;

= () ()

Donde () =
0 + 1 1 + 2 2 + .

REGLA TRAPEZOIDAL
La Regla Trapezoidal es la primera de las frmulas de integracin cerrada de Newton Cotes

(Cerrada: Cuando los datos al inicio y final de los lmites de integracin son conocidos)
Entonces corresponde a un polinomio de grado uno

1 ()
= () =

1
() + ()
= ( )
2

Geomtricamente la Regla Trapezoidal es equivalente al aproximar el area del trapezoide bajo
la lnea recta que une (), ()
Observacin
1) A = (Altura )(Promedio de las bases)

2)
Pues, el trapezoide est sobre su lado
ERROR DE LA REGLA TRAPEZOIDAL
Al emplear la integral bajo un segmento de una lnea recta para aproximar la integral bajo la
curva, se puede incurrir en un error.
Una estimacin para el error de truncamiento local de una sola aplicacin de la regla
trapezoidal est dada por:
1

= ()( )3

12

Donde est en algun lugar en el intervalo de a y b
OBSERVACION
1) Si la funcin sujeta a integracin es lineal, la regla trapezoidal es exacta.

2) Para funciones con derivadas de 2do grado y superior puede incurrir algn error.
E1) Usar el mtodo trapezoidal para integrar numricamente

() = 0.2 + 25 200 2 + 675 3 900 4 + 400 5
donde = 0 y = 0.8
ANALITICAMENTE
0.8
= 0 (0.2 + 25 200 2 + 675 3 900 4 + 400 5 ) ()
0.8
25 2 200 3 675 4 900 5 400 6
= 0.2 + + + ]
2 3 4 5 6 0
= 1.640533367
El cual, es el valor exacto o verdadero de la integral
Aplicando el Mtodo Trapezoidal
(0) = 0.2
(0.8) = 0.232
() + ()
= ( )
2
0.2 + 0.232
= (0.8 0)
2
= 0.1728
El cual tiene un error de:
= | |
= |1.640533367 0.1728|
= 1.467733367
El cual tiene un

% = | | 100%

1.4647733367
% = | | 100%
1.640533367
% = 89.4668401 89.50
El error tan grande se debe a que no se considera una gran parte de la regin por encima de la
recta.
Pero,
Puede suceder que podramos no conocer previamente el valor real por lo tanto se requiere
del error estimado.
Entonces para obtener dicha estimacin la segunda derivada de la funcin sobre el intervalo
podra calcularse al derivar dos veces ()
() = 0.2 + 25 200 2 + 675 3 900 4 + 400 5
() = 25 2(200) + 3(675) 2 4(900) 3 + 5(400) 4
() = 400 + 4050 10800 2 + 800 3
El valor promedio de la segunda derivada, podemos calcularla por:

()
=

Donde = () es una funcin continua en el intervalo a, b
El valor promedio de la segunda derivada se calcula:

0.8
0 (400 + 4050 10800 2 + 800 3 )
() =
0.8 0
4050 2 10800 3 800 4

400 + +
() = 2 3 4
0.8 0
48
() =
0.8
() = 60
Donde
1

= (60)(0.8 0)3

12

No necesariamente para un intervalo de este tamao el promedio de la segunda derivada no es

una aproximacin exacta de () , es por eso que usamos que es ms exacto que usar
FORMULAS DE INTEGRACION DE APLICACIN MULTIPLE O COMPUESTOS DE LA

REGLA TRAPEZOIDAL
Para mejorar la exactitud de la Regla Trapezoidal es dividir el intervalo de la integracin desde

el valor a al valor b , en un nmero de segmentos y aplicar el mtodo en cada uno de ellos.
Donde las reas de cada segmento pueden sumarse para obtener la integral de todo el
intervalo.
Hay n+1 puntos base, igualmente espaciados .
Por lo tanto hay n segmentos de igual ancho.
Tenemos que :
1 2 4
= () + () + () + . ()
0 1 3 1
Al reemplazar en la Regla Trapezoidal en cada integral, tenemos:
(0 ) (1 ) (1 ) (2 ) (1 ) ( )
= +
2 2 2
1

= [(0 ) + 2 ( ) + ( )]
2
=1
(0 ) + 2 1
=1 ( ) + ( )
( )
=
2

ERRROR DE LA REGLA TRAPEZOIDAL
( )3

= ()

122

1
=1 ( )
Pues el Valor medio de 2da derivada= () =

Donde ( ) es la segunda derivada en el punto , que se encuentra en el segmento

.
E1) Utilizar dos segmentos de la regla trapezoidal para estimar la integral de:
a) () = 0.2 + 25 200 2 + 675 3 900 4 + 400 5

donde = 0 y = 0.8
b) Estimar el error de truncamiento si el valor verdadero es 1.6405533.
Entonces:
0.80
a) = 2 = = 0.4 = 0.4
2
(0) = 0.2 = (0 )
(0.4) = 2.456 = (1 )
(0.8) = 0.232 = (2 )
0.2 + 2 (2.456) + 0.232

= (0.8 0)
2(2)
= 1.0688
1
=1 ( )
b) Como () =

() = 1
=1 ( )
Se reemplaza en :
( )3

= ()

123

( )3

= ()

122

= | |
= |1.640533367 1.0688|
= 0.57175336
El cual tiene un

% = | | 100%

0.57175336
% = | | 100%
1.640533367
% = 34.8516737
(0.80)3

= (60)
12(22 )

= 0.64

donde () = 2
OBSERVACION
Si el nmero de segmentos aumenta, el error ser menor.
%
2 0.4 1.0688 34.85167
3 0.2667 1.3695 16.5
4 0.2 1.4848 9.5
5 0.16 1.5399 6.1
REGLAS DE SIMPSON
Es otro mtodo para obtener una estimacin ms exacta de una integral, es con el uso de
polinomios de orden superior.
As, por ejemplo si hay un punto a la mitad del camino entre f(a) y f(b) los tres puntos pueden
sugerir una parbola (1)
Si hay dos puntos igualmente espaciados entre f(a) y f(b) los cuatro puntos pueden
considerarse como un polinomio de tercer grado (2).
La frmulas que resultan al tomar las integrales bajo esos polinomios son conocidos como las
LAS REGLAS DE SIMPSON
REGLA DE SIMPSON
La Regla de Simpson 1/3
La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de 2do orden es
sustituida en:

= () ()

= 0
= 2
(2 ) = 2
2 () = 0 ()(0 ) + 1 ()(1 ) + 2 ()(2 )
donde
( 1 )( 2 ) ( 0 )( 2 )
0 () = , 1 () =
(0 1 )(0 2 ) (1 0 )(1 2 )
( 0 )( 1 )
2 () =
(2 0 )(2 1 )
Entonces:
1
= [0 ()(0 ) + 1 ()(1 ) + 2 ()(2 )]
0
1 ( 1 )( 2 ) ( 0 )( 2 ) ( 0 )( 1 )
= [ (0 ) + (1 ) + (2 )]
0 (0 1 )(0 2 ) (1 0 )(1 2 ) (2 0 )(2 1 )

[(0 ) + 4(1 ) + (2 )] donde =
=
3 3
1

3
SEGUNDA FORMULA DE INTEGRACION CERRADO DE NEWTON
OBSERVACION
1) 1/3 surge porque esta dividida por 3

Luego:
(0 ) + 4(1 ) + (2 )
( )
=
6

Podemos calcular que una aplicacin de un segmento de la Regla de Simpson 1/3

tiene un Error de Truncamiento.
( )5 4

= ()

2880

El Error es proporcional a la 4ta derivada, pues el coeficiente de tercer orden tiende a

cero durante la integracin.
Podemos decir que la Regla de Simpson 1/3 tiene una precisin de orden tres aun
cuando se basa en tres puntos,
E1) Aplicar la Regla de Simpson 1/3 para integrar
() = 0.2 + 25 200 2 + 675 3 900 4 + 400 5 , donde

= 0 y = 0.8
La integral exacta es: 1.6405333
0.8 0
= = 0.4 = 0.4
2
Luego:
(0) = 0.2 = (0 )
(0.4) = 2.456 = (1 )
(0.8) = 0.232 = (2 )
0.2 + 4 (2.456) + 0.232

= (0.8 0)
6
= 1.367466667
Entonces, el Error de Truncamiento estimado es :
(0.8)5

= (2400)

2880

= 0.273066667

= | |
= |1.6405333 1.367466667|
= 0.2730667
El cual tiene un

% = | | 100%

0.2730667
% = | | 100%
1.6405333
% = 16.6491519
El valor es mejor que la Regla Trapezoidal simple
4 () = 4 () = 2400 en el intervalo [0, 0.8]
() = 0.2 + 25 200 2 + 675 3 900 4 + 400 5
() = 25 2(200) + 3(675) 2 4(900) 3 + 5(400) 4

() = 400 + 4050 10800 2 + 800 3
() = 4050 21600 + 24000 2
() = 21600 + 48000

()

() =

21600 + 48000

() =
0.8 0
17280 + 15360

() =
0.8

() = 2400
Donde
() = ()

12 Final Final 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

12 Final Final Metodos Numericos

Загружено:

Авторское право:

Доступные форматы

MTODOS NUMRICOS

1) ENCONTRAR SOLUCIONES DE ALGUNOS PROBLEMAS USANDO MTODOS EXACTOS O

2) EL USO DE SOLUCIONES GRFICAS.

3) PARA EL USO DE MTODOS NUMRICOS, SE UTILIZABAN CALCULADORAS Y REGLAS DE

4) La mayora de los mtodos numricos estn diseados para implementarlos en la

5) Los mtodos numricos son un medio de reforzar su compresin de las matemticas;

Entre los tipos de errores tenemos:

Es la diferencia entre el valor verdadero (valor exacto) y el valor aproximado (valor

Donde : V = Valor verdadero exacto.

Ambos sin valor absoluto

= . . = . > . Es un error por Defecto

E2) S, = . y sea el valor aproximado = .

E3) S, = . = y sea el valor aproximado

= . . = . . Es un error por Exceso

E2) S, = . y sea el valor aproximado = .

E3) S, = . = y sea el valor aproximado

= . . = . . Es un error por Exceso

E5) S, = . y sea el valor aproximado = .

E6) S, = . = y sea el valor aproximado

b) El error absoluto refleja slo el aspecto cuantitativo

Con la finalidad de estimar la calidad de los clculos las mediciones respectivas, se

E2) Sea, = . y sea el valor

E4) Sea, = . y sea el valor

3) ERROR RELATIVO PORCENTUAL

Es el error relativo multiplicado por 100 %

E2) Sea = = . y = . . Calcular el valor relativo porcentual.

E4) Sea = = . 1102551 y = . . Calcular el valor relativo porcentual.

b) El error relativo representa el aspecto cualitativo, es decir Cmo hemos realizado el

LA INEXACTITUD (SE CONOCE COMO SESGO TAMBIEN)

E1) 0.072671 Tiene 5 cifras significativas.

E2) 515.218 Tiene 6 cifras significativas.

E3) 7.1 Tiene 2 cifras significativas.

E4) 5796.1436 Tiene 8 cifras significativas.

E1) 0.002671 Tiene 4 cifras significativas.

E2) 15.218 Tiene 5 cifras significativas.

E3) 16.1 Tiene 3 cifras significativas.

E4) 5796.174 Tiene 7 cifras significativas.

E5) 0.001604 Tiene 4 cifras significativas.

E6) 30.500 Tiene 5 cifras significativas.

E7) 48.5 Tiene 3 cifras significativas.

E8) 87324.45 Tiene 7 cifras significativas .

Sea () una funcin cuya ( + 1) derivada ()(+1), existe para cada en un

E1) Encuentre () en = para () = y selo para calcular valores

(0.9) = 0.9 1 (0.9) = 0.1 0.10536 0.1

(1.5) = 1.5 1 (1.5) = 0.5 0.40546 0.5

El primero es mejor, pues 0.9 est ms cercano de 0 que 1.5

E2) Encuentre () en = para () = y selo para calcular valores

Observamos que estas son mejores aproximaciones que en el caso lineal.

Es necesario las cinco primeras derivadas de ()

Entonces por la frmula de Taylor:

( 1)2 ( 1)3 ( 1)4

(1)( 1)2 2 ( 1)3 ( 6)( 1)4

( 1)2 2 ( 1)3 6( 1)4

( 1)2 ( 1)3 ( 1)4

( 1)2 ( 1)3 ( 1)4

(0.9 1)2 (0.9 1)3 (0.9 1)4

(0.1)2 (0.1)3 (0.1)4

0.10536 = 0.105358 + 4 (0.9)

0.9 < < 1

Podemos concluir que (0.9) = 0.10536 con un error de 0.00000338

E1) Encuentre los polinomios de Mclaurin para y . Calcular despus

a) Es necesario las cinco primeras derivadas de ()

(0) 2 (0) 3 (0) 4

Es necesario las cinco primeras derivadas de ()