Академический Документы
Профессиональный Документы
Культура Документы
Introducción
Las técnicas numéricas son muy sencillas y en sus aplicaciones, por lo que es
importante entender el concepto de “error” para utilizar en forma efectiva los métodos
numéricos.
Para validar una técnica numérica para un problema dado se necesita de alguna manera
que esta tenga solución analítica.
8 bits
16 bits
32bits
64 bits
Los errores más comunes son los errores de redondeo y los errores de truncamiento:
Otros errores que se pueden dar que no están relacionados con los métodos numéricos.
Ejemplo:
0.00001845
0.01845
Ejemplo:
Sea π = 3.141592653589793228462643…..∞
Otros errores que se pueden dar que no están relacionados con los métodos numéricos.
Y debido a que las computadoras retienen solo un numero finito de cifras significativas tales
números jamás se podrán representar con exactitud.
𝑎𝑖 (𝑖 = 𝑚, 𝑚 − 1, 𝑚 − 2, … )
Ejemplo:
Sea N=27.048
M=1
C.S=5
Ejemplo:
N=0.002804
Descomposición polinómica:
Orden m=-3
C.S=4
Entonces las cifras significativas son los dígitos de un número que consideremos no nulos.
105 3c.s/ Los ceros situados entre cifras significativas son significativas
8.00 3c. s/ Para números mayores que uno, los ceros a la derecha del punto
decimal son significativas
7x102 1c. s /Para números sin punto decimal, los ceros posteriores a la última
cifra distinta de cero pueden o no considerarse significativas.
7.0x10 2c. s/ Para este caso que es 70 podemos considerar una o dos cifras
significativas.
A. Exactitud: Se refiere a que tan cercano está el valor calculado o medida respecto al
valor verdadero.
a) Inexacta o impreciso
b) Exacto e impreciso
c) Inexacto y preciso
d) Exacto y preciso
En Matlab
En notación matemática:
Ev = 𝑥-𝑥̅
Existe un problema al utilizar esta definición de error, esto es la magnitud que no nos indica
que tan representativa es esta cantidad
( 𝑥− ̅̅̅
𝑥)
Er = 𝑥
También el valor del error relativo se puede expresar en forma porcentual al multiplicar por
100 el error relativo fraccionario.
( 𝑥− ̅̅̅
𝑥)
Ep = 𝑥100
𝑥
Para fines de poder comparar los errores de un cálculo contra las de otro, se prefiere usar
valores absolutos.
Ev = |𝑥-𝑥̅ |
( 𝑥− ̅̅̅
𝑥)
Er = | |
𝑥
( 𝑥− ̅̅̅
𝑥)
Ep = | |𝑥100
𝑥
Para los errores anteriores es que para ser evaluados se requiere del valor verdadero,
entonces el error se puede estimar como la diferencia entre la aproximación previa y la
aproximación actual:
a) Error aproximado
ea = xi+1 - xi
𝑥𝑖+1 − 𝑥𝑖
er = 𝑥𝑖+1
𝑥𝑖+1 − 𝑥𝑖
ep = ( ) 𝑥100
𝑥𝑖+1
reescribiendo:
ea = |xi+1 - xi |
𝑥𝑖+1 − 𝑥𝑖
er = | |
𝑥𝑖+1
𝑥𝑖+1 − 𝑥𝑖
ep = | |𝑥100
𝑥𝑖+1
Programa de Chauca
Controlar el proceso iterativo en el cual el error aproximado sea <= al error permisible.
𝐸𝑣𝑟 ≤ 𝑒𝑠
SERIE DE MACLAURIN
clc
clear all
format long
x=0.5;
Es=0.00001; %error permisible
vreal=exp(x);
fprintf('Valor real de exp(x) %12.8f\n',vreal)
%Algoritmo para utilizar la serie de Maclaurin
n=input('Ingrese cantidad de términos de la serie :
');
suma=1; %variable que va acumular para obtener exp(x)
facto=1;
%ciclo repetitivo for
for i=1:n-1
facto=facto*i;
y=x^i/facto;
suma=suma+y;
error=abs((vreal-suma)/vreal)*100;
if (error<Es)
fprintf('El error obtenido es
%12.8f\n',error)
fprintf('El valor de exp(x) aprox
%12.8f\n',suma)
break
end
end
a) Determinar el valor del logaritmo natural de 1.5 usando la serie finita con 20
términos
b) Calcule el error relativo porcentual usando el valor del logaritmo natural de Matlab.
2. Existen muchas formas para el cálculo del valor aproximado para el cálculo del valor
aproximado de π una de ellas, llamada del producto de Wallis consiste en el producto
infinito siguiente:
Calcular el valor del error relativo porcentual cuando se usan10 términos de la serie infinita,
use 8 decimales
1. Objetivos:
Raices de
Ecuaciones
Metodos Metodos
Cerrados Abiertos
Regula newton
Biseccion Punto fijo Horner Secante
Falsi Raphson
Ejemplo:
La raíz cuadrática
−𝑏 ± √𝑏 2 − 4𝑎𝑐
𝑥=
2𝑎
1. Métodos Cerrados
Aprovechan de que una función cambia de signo en la vecindad de una raíz.
Esto es dentro de un intervalo cerrado, por lo que se necesita dos valores iniciales
X ϵ [ a, b]
Una forma de visualizar la posible raíz de una ecuación es utilizando el método gráfico, esto
es para la ecuación
F(x)=0
Podemos apreciar que tiene 13 raíces en este intervalo, a excepción del intervalo [4 ,4.5],
que puede ser una o dos raíces adicionales.
>> fplot('sin(10*x)+cos(3*x)',[4,4.5])
F(x) = x2 + 2x – 4,[-4 , 4]
>> fplot('[x.^2+2*x-4]',[-4,4])
F(x)=0 --- x2 = 4 – 2x
F1(x)=x2 y F2(x) = 4 – 2x
Otro ejemplo:
F(x)=e-x – x X ϵ [ -2, 2]
Este método consiste en tomar un intervalo de valores donde al evaluar la función ((F(x)=0)
en los extremos se presenta un cambio de signo, con lo cual se asegura que por lo menos
exista una raíz dentro del intervalo.
F(x)=0 X ϵ [ a, b]
A continuación, se calcula el punto medio del intervalo, por lo que, de esta manera de
intervalo inicial se divide en dos nuevos intervalos más pequeños. Se repite el análisis del
cambio de signo para desechar el sub-intervalo que no contiene la raíz
𝑎+𝑏
XM = =c
2
Este método puede requerir de muchas iteraciones, para poder localizar en que intervalo se
encuentra una posible raíz por lo que esto se hace lento.
Se ha visto en el método grafico que la función cambia de signo en la vecindad de una raíz.
f(xi).f(xu)<0
F(x)=0 y que está definido en [Xi,Xu] y que sea continua ---> f(Xi) y f(Xu) deben ser signos
opuestos.
F(Xu)
Solucion exacta
[ ]
F(x) f(Xi)<0 [ ]
[ ]
Paso1: Elegir el valor inicial inferior Xi y superior Xu, que encierra una raíz.
Evalúa la función f(xi) y f(xu) de tal forma que la función cambie de signo en el intervalo.
F(xi).f(xu)<0.
𝑋𝑖 + 𝑋𝑢
𝑋𝑟 =
2
Paso3: Realizar las siguientes evaluaciones para determinar en qué sub-intervalo esta la raíz.
Se encuentra dentro del sub-intervalo inferior o izquierda, por lo tanto, hacer Xu=Xr y
regrese al paso2.
b)si f(Xi).f(Xu)>0 la raíz se encuentra dentro del sub-intervalo superior o derecho, por lo
tanto hacer Xp=Xn y volver al paso 2.
Como control del proceso iterativo podemos usar el error relativo porcentual
Ea:
𝑋𝑟𝑛𝑢𝑒𝑣𝑜 − 𝑋𝑟𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐸𝑎 = 𝑥100
𝑋𝑟𝑛𝑢𝑒𝑣𝑜
Es=(0.5x102-n)%
Ea<=Es
Ejemplo:
Solución:
Es=(0.5x102-u)%
Es=0.005%
Xi=Xu
El programa principal
clear all
clc
disp('Metodo cerrado de la biseccion')
f=input('Ingrese la funcion=','s');
f=inline(f);
n=input('Ingrese cifras significativas=');
xl=input('Ingrese valor inferior del intervalo=');
xu=input('Ingrese valor superior del intervalor=');
es=0.5*10^(2-n);
ea=100;
xr=0;
i=0;
%variable contador
while ea>es
xa=xr;
xr=(xl+xu)/2; %Formula de la biseccion
ea=abs((xr-xa)/xr)*100;
r=f(xl)*f(xr);
if r<0
xu=xr;
elseif r>0
xl=xr;
end
i=i+1;
end %fin del ciclo while
fprintf('La raiz de la ecuacion:%12.5f\n',xr)
fprintf('Error aproximado:%12.10f\n',ea)
fprintf('Numero de iteraciones:%i\n',i)
F(X0)
F(Xu)
Xl
Xu X
F(Xl)
Este método consiste en unir f(xi) y f(Xu) con una línea recta, la intersección de esta línea recta con
la abscisa nos da una raíz aproximada a la solución exacta. También se le conoce como el método
de interpolación lineal.
F(Xu)
Xl Xr
Xu
F(Xl)
𝑓(𝑋𝑙) 𝑓(𝑋𝑢)
=
𝑋𝑟 − 𝑋𝑙 𝑋𝑟 − 𝑋𝑢
𝑓(𝑋𝑢).(𝑋𝑙−𝑋𝑢)
Xr=Xu -
𝑓(𝑋𝑙)−𝑓(𝑋𝑢)
(−0.6321).(0−1)
Xr=1-
[1—0.6321]
0.6321
Xr=1- =0.61270
1.6321
Programa General
clear all
clc
disp('Solucion de ecuaciones no lineales')
f=input('Ingrese la funcion=','s');
f=inline(f);
disp('Por el metodo cerrado regula falsi')
n=input('Ingrese cantidad de cifras significativas=');
xl=input('Ingrese el valor del intervalo inferior=');
xu=input('Ingrese el valor del intervalo superior=');
es=0.5*10^(2-n);
ea=100;
xr=0;
i=0;
while ea>es
xa=xr;
xr=xu-(f(xu)*(xl-xu))/(f(xl)-f(xu));
r=f(xl)*f(xr);
if(r<0)
xu=xr;
ea=abs((xr-xa)/xr)*100;
elseif(r>0)
xl=xr;
ea=abs((xr-xa)/xr)*100;
end
i=i+1;
end %fin del while
fprintf('Raiz obtenida:%12.8f\n',xr)
fprintf('Error aproximado:%12.8f\n',ea)
fprintf('Numero de iteraciones:%12.0f\n',i)
2. Métodos Abiertos
Solución de Ecuaciones No Lineales por métodos abiertos
𝑓(𝑋𝑖)
𝑋(𝑓) = 𝑋(𝑖) −
𝑓′(𝑋𝑖)
f(x)=e-x-x
Xi+1=xi-(f(xi)/(f’(xi))
Para el algoritmo
i=0,1,2,3,4,5….
f’(x)=-e-x-1, 0.005
es=(0.5*102-n) n=Cantidad de cifras significativas
Consideramos: es=0.001
Xi-1=xi-(e-xi-xi)/(-e-xi-1)
Adjuntar tabla:
clear all
clc
x0=0; %Valor inicial
es=0.001;
%Ciclo for
for i=1:1000
fx=exp(-x0)-x0;
dfx=-exp(-x0)-1;
x1=x0-fx/dfx; %Algoritmo de newton raphson
ea=abs((x1-x0)/x1)*100;
if(ea<es)
disp('raiz cuadrada')
disp(x1)
disp('iteraciones')
i
break
end
x0=x1;
end
F(xi-1)
(Xi-1)-x1
Xi+1
𝑓(𝑋𝑖)
𝑋𝑖 + 1 = 𝑋𝑖 −
𝑓(𝑥𝑖 − 1) − 𝑓((𝑥𝑖)
𝑋𝑖 − 1 − 𝑋𝑖
𝑓(𝑥𝑖).(𝑋𝑖−1−𝑋𝑖)
𝑋𝑖 + 1 = 𝑋𝑖 −
𝑓(𝑋𝑖−1)−𝑓(𝑋𝑖)
Algoritmo de la secante
F(x)=e-x-x
F(x)=e-x-x
Xi-1=0; Xi=1
f(x)=0 ………………………..1
Geométrica:
g(x)=x……………..2
f(x)+x=x
g(x)=x
g(x)=f(x)+x…………3
El Método del Punto Fijo consiste en sustituir un valor inicial(x0) aproximado a la raíz en el
primer miembro de la ecuación 2.
G(X0)=x0……………..4
X1=g(x0)……………….5
X2=g(x1)
El método será convergente si la diferencia del valor absoluto entre los valores calculados en
dos iteraciones sucesivas, es cada vez menos a medida que “n” aumenta.
LIPSCHITZ.
|g’(x)|<1
Convergencia monotómica
Convergencia oscilatoria
Divergencia monotómica
Divergencia oscilatoria
Ejemplo:
f(x)=e-x-x=0
e-x-x+x=0
e-x=x
g(x)=x
g(x)=e-x
g’(x)=-e-x
|g’(x0)|=|-e-x0|<1
=|-e-1|<1
|-0.3678|
X(i+1)=e-xi
PROGRAMA
clear all
clc
disp('Ecuacion no lineal_punto fijo')
n=input('Cantidad de cifras
significativas:');
Xi=input('Ingrese valor inicial:');
es=(0.5*10^(2-n));
ea=100;
i=0;
while (ea>es)
xa=xi;
xi=exp(-xi);
ea=abs((xi-xa)/xi)*100;
i=i+1;
end
fprintf('raiz=%12.8f\n',xi)
Este método consiste en obtener las raíces de un conjunto de ecuaciones simultaneas no
lineales.
f(x)=0
f1(x1,x2,x3,…,xn)=0
f2(x1,x2,x3,…,xn)=0
… …
fn(x1,x2,x3,…,xn)=0
x2+xy=10
y+3xy2=57
Para este tipo de ecuación las dos ecuaciones tienen 2 variables lo cual podemos hacer que
x1=x y x2=y
U(x,y)= x2+xy-10=0
V(x,y)= y+3xy2-57=0
Para solucionar este tipo de ecuaciones vamos a considerar los métodos abiertos; punto fijo
y newton raphson.
xi+1=g(xi,yi)
yi+1=h(xi,yi)
aplicacion: desarrolle el método del punto fijo para las 2 ecuaciones dadas en el ejemplo:
xi=1.5 ; yi=3.5
>>V(x,y)= y+3xy2-57=0…….(2)
De (1) despejamos x:
X=√10 − 𝑥𝑦
Xi+1=√10 − 𝑥𝑖 𝑦𝑖
De (2) despejamos y:
57−𝑦
Y=√ 3𝑥
57−𝑦𝑖
Yi+1=√ 3𝑥𝑖
clear all
clc
disp('metodo de ecuacciones no lineales')
n=input('ingresar numero de cifras significativas:');
x0=input('ingresar valor inicial de x= ');
y0=input('ingresar valor inicial de y= ');
es=(0.5*10^(2-n));
eax=100;
eay=100;
i=0;
%ciclo while
fprintf('\n i\t\t\t xi \t\t\t yi \n')
while (eax>es & eay>es)
xi=sqrt(10-x0*y0);
yi=sqrt((57-y0)/(3*xi));
eax=abs((xi-x0)/xi)*100;
eay=abs((yi-y0)/yi)*100;
x0=xi;
y0=yi;
i=i+1;
fprintf('%12.5f\t\t%12.5f\t\t\t%i\n',[i;xi;yi])
end
INTEGER::N
REAL::X0,Y0,XI,YI,EAX,EAY
READ*,N
READ*,X0
READ*,Y0
ES=0.0001
DO I=1,N
XI=SQRT(10-X0*Y0)
YI=SQRT((57-Y0)/(3*XI))
EAX=ABS((XI-X0)/XI)*100
EAY=ABS((YI-Y0)/YI)*100
X0=XI
Y0=YI
END IF
END DO
PRINT*,XI,YI
F(XI+1) =F(XI)+F’(XI)(XI+1-XI)………....(1)
Donde:
XI+1 = Es el valor en el cual la recta tangente intersecta al eje x, donde por definición en la
intersección hace F(XI+1) =0
0=F(XI)+F’(XI)*(XI+1-XI)
𝐹(𝑋 )
XI+1=XI-𝐹′(𝑋𝐼 )…………..(2)
𝐼
Para el caso de dos variables una serie de Taylor de primer orden se escribe para cada
ecuación no lineal.
𝜕𝑈 𝜕𝑈
Ui+1=ui+ 𝜕𝑋𝐼(xi+1-xi)+ 𝜕𝑌𝐼(yi+1-yi)……(3)
𝜕𝑉 𝜕𝑉
Vi+1=vi+ 𝜕𝑋𝐼(xi+1-xi)+ 𝜕𝑌𝐼(yi+1-yi)……..(4)
Entonces como en el caso de una sola ecuación no lineal la raíz correspondiente a los valores
de x y y, donde ui+1 y vi+1 son iguales a cero.
𝜕𝑈𝐼 𝜕𝑈𝐼 𝜕𝑈 𝜕𝑈
xi+1 + yi+1=- ui+ xi 𝜕𝑋𝐼+ yi 𝜕𝑌𝐼……(5)
𝜕𝑋 𝜕𝑌
𝜕𝑉𝐼 𝜕𝑉𝐼 𝜕𝑉 𝜕𝑉
xi+1+ yi+1=- vi+ xi 𝜕𝑋𝐼+ yi 𝜕𝑌𝐼………..(6)
𝜕𝑋 𝜕𝑌
En las ecuaciones (5) y (6) se conocen todos los valores con subíndice “i”, las únicas
incógnitas son xi+1 y yi+1 las 2 ecuaciones serán dos ecuaciones lineales con dos
incógnitas, por lo que podemos usar manipulaciones algebraicas(Regla de Crammer) para
resolverlo.
𝜕𝑉 𝜕𝑈
𝑈𝐼 ∗ 𝜕𝑌𝐼 −𝑉𝐼∗ 𝜕𝑌𝐼
XI+1=XI-𝜕𝑈𝐼 𝜕𝑉𝐼 𝜕𝑈𝐼 𝜕𝑉𝐼
∗ − ∗
𝜕𝑋 𝜕𝑌 𝜕𝑌 𝜕𝑋
Para el ejemplo anterior:
clear all
clc
disp('calculo de raices de ecuaciones no
lineales')
disp('usando metodo de n.r')
n=input('ingrese numero de cifras
significativas:')
xi=input('ingrese valor inicial de x');
yi=input('ingrese valor inicial a y');
es=(0.5*10^(2-n));
eax=100;
eay=100;
i=0;
while (eax>es & eay>es)
xa=xi;
ya=yi;
ui=xi^2+xi*yi-10;
vi=yi+3*xi*(yi^2)-57;
duidx=2*xi*yi;
duidy=xi;
dvidx=3*(yi^2);
dvidy=1+6*xi*yi;
jacobi=duidx*dvidy-duidy*dvidx;
%EL ALGORITMO DE N.R PARA XI
xi=xi-(ui*dvidy-vi*duidy)/jacobi;
yi=yi-(vi*duidx-ui*dvidx)/jacobi;
eax=abs((xi-xa)/xi)*100;
eay=abs((yi-ya)/yi)*100;
i=i+1;
end
fprintf('raiz de x %12.8f\n',xi)
fprintf('raiz de y%12.8f\n',yi)
fprintf('numero de iteraciines %12.8f\n',i)
1)En este capítulo vamos a encontrar los valores de:
2) Matrices y Vectores
Y para la matriz [𝐴],se dice que tiene una dimensión de n por m(nxm);es decir: n filas y m
columnas.
Vector fila:
[𝐵]=[𝑏1 𝑏2 𝑏3 … 𝑏𝑛 ]
Vector columna:
Matriz cuadrada:
1 2 3
[𝐴] = [4 5 6](n * m) =(3* 3)
7 8 9
a) Matriz simétrica:
𝑎𝑖𝑗 =𝑎𝑗𝑖 ∀ 𝑖, 𝑗
5 1 2 3 1 2
[𝐴] = [1 3 7 ] = [ 1 3 7]Es una matriz simétrica de 3*3
2 7 8 2 7 8
b) Matriz diagonal:
Es una matriz cuadrada donde todos los elementos fuera de la diagonal principal son
iguales a cero.
𝑎11 0 0
[𝐴] = [ 0 𝑎22 0 ]
0 0 𝑎33
c)Matriz identidad:
Es una matriz diagonal donde todos los elementos en la diagonal principal son
iguales a 1.
1 0 0
[𝐼] = [0 1 0]
0 0 1
Es una matriz cuadrada, donde todos los elementos por debajo de la diagonal
principal son ceros.
𝑎11 0 0 0
0 𝑎22 0 0
[𝐴] = [ ]
0 0 𝑎33 0
0 0 0 𝑎44
g) Matriz bandeada:
Una matriz bandeada tiene todos los elementos iguales acero, con excepción de una
banda centrada sobre la diagonal principal.
𝑎11 𝑎12 0 0
𝑎 𝑎 𝑎23 0
[𝐴] = [ 21 22 ]
0 𝑎32 𝑎33 𝑎34
0 0 𝑎43 𝑎44
Operaciones:
a) Suma de matrices:
[𝐴]𝑛∗𝑚 𝑦 [𝐵]𝑛∗𝑚
b) Multiplicación de matrices:
𝜆𝑎11 𝜆0 𝜆0
𝜆[𝐴] = [ 𝜆0 𝜆𝑎22 𝜆0 ]
𝜆0 𝜆0 𝜆𝑎33
En forma general, podemos clasificar los métodos para resolver sistemas de ecuaciones
lineales como métodos gráficos, métodos directos y métodos iterativos.
Ejemplo:
2x-y+3z=5
2x+2y+3z=7
-2x+3y+0=-3
𝟐 −𝟏 𝟑 𝟓
[𝟐 𝟐 𝟑| 𝟕 ]
−𝟐 𝟑 𝟎 −𝟑
Entonces de acuerdo al esquema, a su vez la diagonal principal debe estar formado “+”
−𝟏 𝟐 𝟑 𝟓 𝟏 −𝟐 −𝟑 −𝟓
[𝟐 𝟐 𝟑| 𝟕 ] *(-1) [𝟐 𝟐 𝟑 | 𝟕 ] Solo a la 1 fila
𝟑 −𝟐 𝟎 −𝟑 𝟑 −𝟐 𝟎 −𝟑
−𝟏 𝟐 𝟑 −𝟓
[ 𝟎 𝟔 𝟗| 𝟏𝟕 ] f2=-2F1+F2; F3=-3F1+F3
𝟎 𝟒 𝟗 𝟏𝟐
−𝟏 𝟐 𝟑 −𝟓
[ 𝟎 𝟏 𝟑/𝟐|𝟏𝟕/𝟔] Se hizo el elemento a (2,2) igual a 1
𝟎 𝟒 𝟗 𝟏𝟐
−𝟏 𝟐 𝟑 −𝟓
[ 𝟎 𝟏 𝟑/𝟐|𝟏𝟕/𝟔]SE OBTUVO F3=(-4F2+F3) /3
𝟎 𝟎 𝟏 𝟐/𝟗
Este método es similar al anterior, en la cual la matriz de coeficiente debe una matriz
identidad.
1 0 0 𝑏1
[0 1 0|𝑏2 ]
0 0 1 𝑏3
Ejemplo
3𝑥1 + 𝑥2 − 𝑥3 = 2
𝑥1 − 4𝑥2 + 2𝑥3 = −1
𝑥1 + 𝑥2 + 4𝑥3 = 15
3 1 −1 2
[1 −4 2 |−1] (F1/3)
1 1 4 15
NOTA: Para normalizar la segunda fila y transformar en ceros los elementos que se
encuentran arriba y abajo del elemento 𝑎22 hacemos lo siguiente :
1-0.(0.33)=1
0.3333-1(0.3336)=0
-0.3333-(-0.5384)(0.3333)=-0.153846
0.6667-(0.3816)(0.3333)=0.538462
F3=F3-F2(0.6667)
=0-0(0.6667)=0
=0.6667-(1)(0.6667)=0
=4.333-(-0.5384)(0.6667)=4.692308
=14.333-(0.3846)(0.6667)=14.076923
1 0 −0.1538416 0.538462
.[0 1 −0.5384 | 0.3846 ]
0 0 4.692308 14.076923
1 0 −0.1538416 0.538462
.[0 1 −0.5384 | 0.3846 ]
0 0 1 3.0
= -0.153846-(1)(-0.153846)=0
=0.538462-(3)(-0.153846)=1
F2=F2-F3(-0.5384) =0
1 0 0 0.538462
[0 1 84 | 0.3846 ]
0 0 4.692308 14.076923
A. Método directo:
2) Realizar una serie de pasos para obtener o construir una mejor aproximación
partiendo del valor inicial.
Los métodos iterativos de gaus jordan y jacobi trabajan sobre matrices cuadradas.
Métodos de Jacobi:
𝑐 𝑎 𝑎 𝑎
𝑥2 =𝑎 2 − 𝑎21 𝑥1 − 𝑎23 𝑥3 − ⋯ − 𝑎2𝑛 𝑥𝑛
22 22 22 22
𝑐 𝑎 𝑎 𝑎
𝑥3 =𝑎 3 − 𝑎31 𝑥1 − 𝑎13 𝑥2 − ⋯ − 𝑎1𝑛 𝑥𝑛
33 33 11 11
𝑐 𝑎 𝑎 𝑎𝑛𝑛−1
𝑥𝑛 =𝑎 𝑛 − 𝑎𝑛1 𝑥1 − 𝑎 𝑛2 𝑥3 − ⋯ − 𝑥𝑛−1
𝑛𝑛 𝑛𝑛 𝑛𝑛 𝑎𝑛𝑛
𝑥1 + 𝑥2 + 𝑥3 − 5𝑥4 = −14…………….…(4)
17 𝑥 2𝑥3 𝑥
.𝑥2 = 10 + 101 + − 104
10
19 3𝑥1 2𝑥2 𝑥4
.𝑥3 = − + +
8 8 8 8
14 𝑥1 𝑥2 𝑥3
.𝑥4 = + + +
5 5 5 5
Primera iteración:
>>X1=2.833
>>X2=1.7
>>X3=2.375
>>X4=2.8
Segunda iteración:
X1=17/6 +1.7/6+2.375/6-4*2.8/6=1.6458
X2=17/10+2.833/10+2*2.375/10-2.8/10=2.17833
X3=2.375-0.375*2.833+0.25*1.7+0.125*2.8=2.0875
X4=4.18
4.18 − 2.8
𝐸𝑎𝑥4 = | | ∗ 100 ≤ 𝐸𝑠
4.18
….>>>>>>>>>>>TERMINAR EL PROCESO EN EL INFORME.
𝑘+1
𝑐1 𝑎12 𝑥2 𝑘 𝑎13 𝑥3 𝑘 𝑎1𝑛 𝑥𝑛 𝑘
𝑥1 = − − −
𝑎11 𝑎11 𝑎11 𝑎11
𝑘+1
𝑐2 𝑎21 𝑥1 𝑘 𝑎23 𝑥3 𝑘 𝑎2𝑛 𝑥𝑛 𝑘
𝑥2 = − − −
𝑎22 𝑎22 𝑎22 𝑎22
𝑛
𝑘+1
1
𝑥𝑖 = [𝑐 − ∑ 𝑎𝑖𝑗 𝑥 𝑘𝑗 ] ; 𝑗 ≠ 1
𝑎𝑖𝑖 𝑖
𝑗=1
Este método trabaja de manera similar al de Jacobi ya que se realiza los mismos despejes de
las incógnitas en cada ecuación.
La diferencia con Jacobi, consiste en que el proceso iterativo, cada una de las
aproximaciones de cada variable que se calcule se sustituye inmediatamente en el cálculo de
la siguiente variable en una misma iteración. De esta forma la convergencia es más rápida.
𝑥1 + 𝑥2 + 𝑥3 − 5𝑥4 = −14…………….…(4)
Primera iteración: [X1=0 X 2=0 X3=0 X4=0], es=0.001
17 0 0 0
.𝑥1 = + 6 + 6 − 6 = 2.8333
6
17 2.8333 0 0
.𝑥2 = 10 + + 10 − 10 = 1.983
10
19 3∗2.833 2∗1.983 0
.𝑥3 = − + + 8 = 1.8083
8 8 8
>>COMPLETAR EN EL INFORME
𝑖−1 𝑛
1
𝑥𝑖 𝑘+1 = [𝑐 − ∑ 𝑎𝑖𝑗 𝑥 𝑘+1𝑗 − ∑ 𝑎𝑖𝑗 𝑥𝑗 𝑘 ] ; 𝑗 ≠ 1
𝑎𝑖𝑖 𝑖
𝑗=1 𝑗=𝑖+1
Tarea=
X1+6x2-x3-x4=6
X1-x2+8x3-4x4=7
5x1+x2-x3-x4=0
X1+x2+x3+6x4=30
Vamos a explicar las diversas formas para aproximar datos experimentales a polinomios de
interpolación.
Si en las tablas generadas de datos, los valores de las abscisas(x) se encuentran igualmente
espaciadas y la n-esima diferencia de las ordenadas es tan pequeña que puede ser cero.
Para alcanzar algún valor de n podemos utilizar diversos métodos de interpolación entre
ellas.
Los polinomios de Newton y Lagrange pueden ser empleados sin importar si las abscisas
están o no igualmente espaciadas.
Interpolación lineal: De acuerdo a la figura conocemos los puntos (x0, fx0, x1, fx1), si
construimos una línea recta entre ellas podemos realizar:
Simpson 1/3:
ℎ
𝐼= (𝑓(𝑥0) + 4(𝑥1) + 𝑓(𝑥2)) … … … … … . (1)
3
𝑏−𝑎
Donde>> h=
2
Esta ecuación se conoce como la regla de Simpson 1/3 y es la segunda integral cerrada de newton-
cotes.
𝑛−1 1,2
ℎ
𝐼 = [𝑓(𝑥0) + 4 ∑ 𝑓(𝑥𝑖) + 2 ∑ 𝑓(𝑥𝑖) + 𝑓(𝑥𝑛)]
3
𝑖=1,3,5 𝑗=2,4
Nota:Se debe utilizar un numero par de segmentos para implementar el método.(n es par)
>>Los puntos impares representan el termino medio en cada aplicación y por lo tanto llevan el
peso de 4 ,esto es para la regla de S 1/3.
>>Los puntos pares son comunes a las aplicaciones adyacentes y por lo tanto se cuenta 2 veces.
Ejemplo:
Diferenciación numérica
1.-Concepto:
Viene hacer una aproximación numérica para obtener el valor de la derivada de una función:𝑓(𝑥).
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑅1
𝑓 ′ (𝑥𝑖 ) = −
𝑥𝑖+1 − 𝑥𝑖 (𝑥𝑖+1 − 𝑥𝑖 )
𝑓(𝑥𝑖+1 )−𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) = 𝑥𝑖+1 −𝑥𝑖
− 0(ℎ) …… (4)
𝑓 ′ (𝑥𝑖 ) f ′′ (𝑥𝑖 )
f(x𝑖−1 ) = 𝑓(𝑥𝑖 ) − (𝑥𝑖 − 𝑥𝑖−1 ) + (𝑥𝑖 − 𝑥𝑖−1 )2 + ⋯
1! 2!
𝑓(𝑥𝑖 )−𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = 𝑥𝑖 −𝑥𝑖−1
− 0(ℎ) ……(4)
Aproximación a la primera derivada con diferencia centradas.
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) 2 ′′ ∆𝑥 3
𝑓 ′ (𝑥𝑖 ) = + 𝑓 (𝑥𝑖 ) +⋯
2∆𝑥 6 ∆𝑥
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = + 0(∆𝑥 2 )
2∆𝑥
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = + 0(ℎ2 )
2∆𝑥
a)hacia adelante
b)hacia atrás
2𝑒 (1.5)(3.1) − 2𝑒 1.5(3)
𝑓 ′ (3) = = 291.3570855
0.1
270.0513939 − 291.3570855
𝐸𝑘 = | | ∗ 100 = 7.88%
270.0513939
𝐸𝑘 = 7.13%
Centrada
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) =
2∆𝑥
𝑓(3 + 0.1) − 𝑓(3 − 0.1) 𝑓(3.1) − 𝑓(2.9)
𝑓 ′ (3) = =
2(0.1) 0.2
2𝑒 (1.5∗3.1) − 2𝑒 (1.5∗2.9)
𝑓 ′ (3) = = 271.0652 268
2(0.1)
𝐸𝑘 =0.375%
Formula de diferencias divididas finitas hacia delante
Primera derivada:
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) =
ℎ
−𝑓(𝑥𝑖+2 ) + 4𝑓(𝑥𝑖+1 ) − 3𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) =
2ℎ
Segunda derivada:
Tercera derivada:
Cuarta derivada:
Primera derivada:
𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) =
ℎ
𝑓(𝑥𝑖+2 ) − 4𝑓(𝑥𝑖+1 ) + 3𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) =
2ℎ
Segunda derivada:
>>modificar el programa anterior para evaluar las segundas derivadas de los 3 casos
Diferencia centrada:
Primera derivada:
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) =
2ℎ
−𝑓(𝑥𝑖+2 ) + 8𝑓(𝑥𝑖+1 ) − 8𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖+2 )
𝑓 ′ (𝑥𝑖 ) =
12ℎ
Segunda derivada: