Instituto Tecnolgico de Celaya

Formulario Para La Materia de

Mtodos Numricos Con Aplicaciones
en Excel

Catedrtico: Ing. Maria Amparo Rojas

Zarate

Elaborado por:
Evan-Ivaldo
Cadena Tinajero Jessica Yolanda
Garduo Tamayo Yunuen Quetzal
Patio Rivera Diana Valeria
Ramrez Hernndez Irma Natalia
Salinas Meza Jorge Alejandro
 Tipos de errores

x verdadero x real
Error relativo porcentual ERP *100
xverdadero

Error absoluto EA x verdadero x real

x verdadero x real
Error relativo ER
xverdadero
Mtodo de Biseccin

1. Pasos para el mtodo de biseccin.

2. Graficar la funcin.

3. Identificar en la grafica por inspeccin las posibles races

4. Seleccionar valores iniciales para a y b (en cuyo intervalo se

contenga una de las races).

5. Calcular f(a), f(b) y f(Xr)

6. Calcular la primera aproximacin de la raz por medio de la

siguiente formula:
ab
xr
2

7. Realizar las siguientes evaluaciones, para saber si se encontr la

raz, lo cual haremos bajo el siguiente criterio:
Si f (a ) * f ( xr ) 0 , la raz es xr.
Si f (a) * f ( xr ) 0 , hacemos a=xr y b permanece
constante.
Si f (a) * f ( xr ) 0 , hacemos b=xr y a permanece
constante.

8. Calcular el nuevo xr.

9. Calcular el error relativo porcentual (ERP):

xactual xanterior
ERP * 100
xactual
Mtodo de Regla Falsa.

Pasos para el mtodo de regla falsa.

1. Graficar la funcin

2. Identificar en la grafica por inspeccin las posibles races

3. Seleccionar valores iniciales para a y b (en cuyo intervalo se

contenga una de las races).

4. Calcular f(a) y f(b).

5. Calcular la primera aproximacin de la raz por medio de la

siguiente formula:
f ( a ) * ( a b)
xr a
f ( a ) f (b )

6. Realizar las siguientes evaluaciones, para saber si se encontr

la raz, lo cual haremos bajo el siguiente criterio:
Si f (a) * f ( xr ) 0 , la raz es xr.
Si f (a) * f ( xr ) 0 , hacemos a=xr y b permanece
constante.
Si f (a) * f ( xr ) 0 , hacemos b=xr y a permanece
constante.
7. Calcular el nuevo xr.

8. calcular el error relativo porcentual (ERP):

xactual xanterior
ERP *100
xactual
Mtodo de Punto Fijo.

Pasos para el mtodo de punto fijo.

1. Buscar todas las formas equivalentes de f(x), es decir,

despejamos a x de nuestra f(x). A cada x despejada la
llamaremos g(x).

2. Escoger una g(x) y buscar un valor inicial x0.

3. Calcular g(x0) haciendo g(x0) = xi.

4. Verificar si xi= x0, si es verdadero, xr= xi, si es falso

procedemos a calcular x2=g(x1).

5. Volver al paso 3 hasta que xi= xi-1.

Precauciones a tomar en cuenta en este mtodo.

No todas las g(x) converge en xr.

Una x0 escogida al azar no garantiza la convergencia.

Para garantizar que un valor de x0 sea convergente en xr, podemos

verificar la siguiente desigualdad, si se cumple, se garantiza la
convergencia, en caso contrario tenemos que probar con otro valor de x0.

g ' ( x) 1
Mtodo de Newton-Raphson

El mtodo de Newton Raphson requiere la evaluacin de la primera

derivada

1. Identificar la ecuacin a resolver f(x).

2. Graficar la ecuacin.

3. Derivar la funcin.

4. Actualizar xi con la siguiente ecuacin:

f ( xi )
xi 1 xi
f ' ( xi )

5. Calcular el error porcentual.

6. Si el error no es el indicado volver a actualizar xi.

 Mtodo de la Secante.

Diferencias divididas: (Primer Orden)

f xi f xi 1
f ' x
xi xi 1

1. Identificar la ecuacin a resolver f(x)

2. Graficar la ecuacin

3. Actualizar xi con la siguiente ecuacin:

f xi xi 1 xi
xi 1 xi
f xi 1 f xi
4. Calcular el error porcentual

5. Si el error no es el indicado volver a actualizar xi

SOLUCIN DE SISTEMA DE ECUACIONES LINEALES USANDO
MATRIZ INVERSA

1. Plantear la ecuacin matricial [A]*[X]=[B]

2. Determinar la matriz [X]=A^(-1)*B
3. Calcular la matriz inversa
4. Multiplicar la matriz inversa por la matriz de trminos independientes
(Con el producto de las dos matrices de tiene la solucin)
5.
SOLUCIN DE SISTEMA DE ECUACIONES LINEALES USANDO
DETERMINANTES (MT. KRAMER).

1. Plantear la ecuacin matricial [A]*[X]=[B]

2. Formular los cocientes de determinantes de cada variable
3. Obtener la solucin de los cocientes de cada variable

Sistema de Ecuaciones Lineales (Mtodo de Gauss-Seidel)

1. Graficar si es posible el sistema de ecuaciones lineales para

identificar la solucin por inspeccin.

2. Despejar xi de la i-esima ecuacin.

3. Asignar un valor inicial para cada xi.

4. Actualizar cada xi usando el valor de xi-1.

5. Calcular el error para cada xi.

6. Si el error para cada xi es el indicado entonces se llego a la

solucin, si no entonces regresar a al paso 4.
Mtodo de Newton-Raphson Multivariable

El mtodo de Newton-Raphson Multivariable consiste en formar y

resolver la siguiente matriz de derivadas parciales:

f1 f1

x xi , yi y xi , yi J
f 2 f 2

x xi , yi y xi , yi

La matriz anterior la emplearemos en la actualizacin de xi ya que:

xi 1 x xi

y i 1 y yi

De donde:
f1
f 1 ( xi , y i ) xi , yi
y
f 2
f 2 ( xi , y i ) xi , y i
y
x
J
 f1
x f 1 ( xi , y i )
xi , yi
f 2
x f 2 ( xi , y i )
y xi , yi
J

Se recomienda utilizar valores iniciales cercanos a la solucin grfica

cuando sea posible graficar
Mtodo de Punto Fijo Multivariable

Al igual que en los mtodos de punto fijo y Gauss-Seidel se resolver la

primera ecuacin para alguna de las variables, x por ejemplo, y la segunda
para y.

1. Graficar si es posible para identificar una aproximacin a la

solucin.

2. Despejar cada una de las variables de una de las funciones y llamar

g(i) respectivamente.

3. Aplicar el siguiente criterio de convergencia:

g1 g 2 g n
... M 1
x1 x1 gx1

g1 g 2 g n
... M 1
x2 x2 x2

g1 g 2 g n
... M 1
xn xn xn

4. Asignar un valor inicial para x(i).

5. Actualizar x(i) con su respectiva g(i).

6. Calcular el Ep para cada x(i).

7. Si el error no es el indicado regresar al paso 5.

Ajuste por Mnimos Cuadrados

Regresin Lineal

y a0 a1 x e

Donde

n x i y i xi y i
a1
n xi xi
2

a0 y a1 x

Donde y y x son las medias respectivas de y y x.

Regresin Polinomial

El procedimiento de mnimos cuadrados se puede fcilmente extender al

ajuste de datos con un polinomio de orden superior. Por ejemplo,
supongamos que se quiere ajustar un polinomio de segundo grado o
cuadrtico:
y a0 a1 x a 2 x 2 e

Las variables a0 , a1 , a2 las calculamos desarrollando el siguiente

conjunto de ecuaciones normal.

n a0 xi a1 x 2 i a2 yi
x a x a x a x y
i 0
2
i 1
3
i 2 i i

x a x a x a x y
2
i 0
3
i 1
4
i 2
2
i i

Los coeficientes de las incgnitas se pueden evaluar de manera directa de

los datos observados. Para este caso, vemos que el problema de determinar
un polinomio por mnimos cuadrados de segundo orden es equivalente a
resolver un sistema de tres ecuaciones lineales simultneas.
El caso en dos dimensiones puede extenderse con facilidad a un polinomio
de m-simo orden como:

y a0 a1 x a 2 x 2 ... a m x m e

As podemos reconocer que la determinacin de los coeficientes de un

polinomio de m-simo orden es equivalente a resolver un sistema de m+1
ecuaciones lineales simultneas.

Regresin Lineal Mltiple

Una extensin til de la regresin lineal de es el caso donde y es una

funcin lineal de dos o mas variables independientes.

y a0 a1 x1 a2 x2 e

Al igual que en la regresin polinomial se formula y desarrolla un sistema

de ecuaciones que al expresarlo en forma de matriz nos da:

n x x 1i 2i a0

y
i

x1i x x x2
1i 1i 2 i a1 x y
1i i
2

x2i x x x
1i 2 i 2i a2
x y
2i i

El caso anterior en dos dimensiones se puede fcilmente extender a m

dimensiones como en:

y a0 a1 x1 a2 x2 ... a m xm e

Modelo Exponencial

y a0e a1 x

n x i Lny i x i Lny i
a1
n x 2 i x i
2

Lna 0 Lny i a1 x
Ecuacin Elevada a Una potencia

y a0 x a1

Crecimiento de saturacin

x
y a0
a1 x

Interpolacin Lineal

f x1 f x0
f x f x * x x0
x1 x0

Interpolacin Cuadrtica

f x b0 b1 x x0 b2 x x0 x x1

Esto es igual

f x a0 a1 x a 2 x 2

Donde

a 0 b0 b1 x0 b2 x0 x1
a1 b1 b2 x0 b2 x1
a 2 b2

Donde
b0 f x0
f x1 f x0
b1
x1 x0
f x2 f x1 f x1 f x0

x2 x1 x1 x0
b2
x 2 x0
 Interpolacin de Polinomios de Newton

El anlisis de la interpolacin cuadrtica puede ser generalizado para

ajustar un polinomio de n-simo orden a n+1 datos. El polinomio de n-
simo orden es:

f n x b0 b1 x x0 ... bn x x0 x x1 ... x xn 1

Usamos las siguientes ecuaciones para evaluar los coeficientes

b0 f x0
b1 f x1 , x0

f xi f x j

f xi , x j
xi x j

b2 f x2 , x1 , x0

f xi , x j , xk
f xi , x j f xi xk
xi xk

bn f x n , x n 1 ,..., x1 , x 0

f x n , x n 1 ,..., x1 f x n 1 , x n 2 ,..., x 0
f x n , x n 1 ,..., x1, x 0
xn x0

Con lo anterior se obtiene el polinomio de interpolacin

f n x f x 0 x x 0 f x1 , x 0 x x 0 x x1 f x 2 , x1 , x 0

... x x0 x x1 ... x xn 1 f xn , xn 1 ,..., x0

Interpolacin de Polinomios de Lagrange

La interpolacin de Polinomios de Lagrange es simplemente un

reformulacin del polinomio de Newton que evita el clculo por
diferencias divididas, se puede expresar de manera concisa como:

n
f n x Li x f x i
i 0

Donde:
n
x xi
Li
j 0 xi x j
j i

Donde designa el producto de.

Para n=1

x x1 x x0
f1 x f x0 f x1
x 0 x1 x1 x 0

Y la versin de segundo orden es:

x x1 x x 2 x x 0 x x 2
f 2 x f x0 f x
x0 x1 x0 x 2 x1 x 0 x1 x 2 1
x x 0 x x1
f x
x 2 x 0 x 2 x1 2
 DERIVACIN NUMRICA

Si la aproximacin es polinomial y con el criterio de ajuste exacto, la

derivacin numrica consiste simplemente en derivar la formula del
polinomio interpolante que se utilizo. Sea en general

f x Pn x Rn x
Entonces:

df x dPn x

dx dx
En general:

d n f x d n Pn x

dx n dx n
La primera derivada de f(x) queda aproximada por:

df x f x1 f x 0

dx h

Si ahora n=2

df x 2 x x 0 x1 2h 2 x 0 4 x 2 x1 2h
2
f x0 f x1
dx 2h 2h 2
2 x x 0 x1
f x2
2h 2
La segunda derivada puede calcularse una vez mas derivando respecto a
x:

d 2 f x 1 2 1
2
2 f x 0 2 f x1 2 f x 2
dx h h h

De igual modo se obtienen las distintas derivadas para n>2

d n f x d n Pn x

dx n dx n
 INTEGRACIN

Mtodo de Trapecio

h
I f x 0 f x1
2

Mtodo de Trapecio de Segmentos Mltiples

ba
h Donde n= N de Trapecios
n

h n

I f x 0 2 f x i f x n
2 i 1

Mtodo de Simpson 1/3 Simple

ba Nota: Se requieren tres pares de datos

h
2
h
I f x 0 4 f x1 f x 2
3

Mtodo de Simpson 1/3 de Segmentos Mltiples

ba Donde n= N de intervalos (debe ser par)

h
n

I
h
3

f x 0 f x n 2 ordenadasp ares 4 ordenadasi mpares

Mtodo de Simpson 3/8 Simple

ba
h
3 Nota: Se necesitan 4 pares de datos

3
I h f x 0 3 f x1 3 f x 2 f x3
8
 Mtodo de Simpson 3/8 de Segmentos Mltiples
ba
h
n

I
3
8

h f x0 f xn 2 ordenadasm ultiplosde3 3 restodeord enadas

Integracin Utilizando Intervalos Desiguales

f x1 f x n f x1 f x 2 f x n 1 f x n
I h1 h2 ... hn
2 2 2

Mtodo de Romberg

4 k 1 I j 1, k 1 I j , k 1
I jk
4 k 1 1
 ECUACIONES DIFERENCIALES ORDINARIAS

Mtodo de Euler

dy
f x, y
dx

y i 1 y i y i 1 y i

x i 1 x i h

y i 1 h y i

Mtodo de Runge-Kutta 1er Orden

y i 1 f x, y h y i

Mtodo de Runge-Kutta 2do Orden

h
y i 1 k1 k 2 yi
2
Donde:

k1 f xi , yi
k 2 f xi h, yi hk1

Mtodo de Runge-Kutta 3er Orden

1
yi 1 k1 4k 2 k3 h yi
6

Donde:

k1 f xi , yi
1 1
k2 f xi h, yi hk1
2 2
k3 f xi h, yi hk1 2hk 2
Mtodo de Runge-Kutta 4to Orden

1
yi 1 k1 2k 2 2k3 k 4 h yi
6

Donde:

k1 f xi , yi
1 1
k 2 f xi h, yi hk1
2 2
1 1
k 3 f xi h, yi hk 2
2 2
k 4 f xi h, yi hk 3

Mtodo de Runge-Kutta de Orden Superior

1
yi 1 7k1 32k3 12k4 32k5 7k6 h yi
90

Donde:

k1 f xi , yi
1 1
k 2 f xi h, yi k1h
4 4
1 1 1
k3 f xi h, yi k1h k 2 h
4 8 8
1 1
k 4 f xi h, yi k 2 h k3 h
2 2
3 3 9
k5 f xi h, yi k1h k4 h
4 16 16
3 2 12 12 8
k 6 f xi h, yi k1h k 2 h k3 h k 4 h k5 h
7 7 7 7 7
Mtodo del Polgono Mejorado
0 1
yi 1 yi k 2 h
1 0
1

k1 f xi , yi 2

1 1
k 2 f x1 h, yi hk 2
2 2

Mtodo de Ralston
1
1 2 1
yi 1 yi k1 k 2 h 3
3 3
2
0
3
k1 f x i , y i
3

3 3 4
k 2 f i h, y i hk1
4 4