ESCUELA MILITAR DE INGENIERÍA

INGENIERÍA COMERCIAL

MÉTODOS NUMÉRICOS

Docente

Rudy Wilfredo Mayta Callisaya

La Paz - Bolivia

II-2021
 Índice general

1. TEORÍA DE ERRORES Y CIFRAS SIGNIFICATIVAS 3

1.1. Introducción: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Error de Entrada: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Error de Algoritmo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Error de Truncamiento: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5. Concepto de Exactitud y Precisión: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6. Error de Aproximación: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6.1. Error Absoluto: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6.2. Error Relativo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6.3. Error Porcentual: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.7. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2. Ecuaciones Algebraicas Lineales y No Lineales 12

2.1. Método de Bisección: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Teorema de Bolzano: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3. Método de Newton: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4. Método de la Regla Falsa: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5. Método del Punto Fijo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6. Orden de Convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.7. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3. Calculo Diferencial e Integral con Métodos Númericos 41

3.1. Integración Rectangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

i
 METODOS NUMERICOS

3.2. Integración Trapezoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

3.2.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3. Integración de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4. Integración de Orden Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.4.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5. Integración Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6. Formula de Stirling - Derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.7. Integración - Derivación Montecarlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

4. Algebra Matricial y Sistema de Ecuaciones Algebraicas 72

4.1. Eliminación Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2. Gauss - Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.3. Jacobi y Gauss - Seidel: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.4. Sistemas Complejos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.5. Método de Newton Raphson: (Para Sistemas de Ecuaciones No Lineales) . . . . . . . . . . . . . . . . 112

5. Interpolación y Ajuste de Curvas 122

5.1. Mínimos Cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.2. Regresión Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3. Interpolación de Lagrange: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
5.4. Interpolación de Aiken: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166

6. Ecuaciones Diferenciales y en Diferencias Finitas 167

6.1. Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.2. Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.3. Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183

ii
 METODOS NUMERICOS

Repaso General:
Analisis: Calculo Diferencial e Integral I, Calculo Diferencial e Integral II, Ecuaciones Diferenciales Ordinarias.
Algebra: Algebra Preuniversitario, Algebra, Algebra Lineal.
Estadistica: Estadistica I, Estadistica II
Programación: R
1.- Calculo Diferencial e Integral I:
1.1.- Limites de Sucesiones
Definición: Sea x : N → R definida xn una secesión, entonces

lim xn = L si y solo si ∀ε > 0, ∃n0 # n > n0 → |xn − L| < ε

n→∞

1
por ejemplo: Determinar lim = 0 también lim n es divergente
n→∞ n n→∞
1.2.- La derivada
Propiedades de la Derivada:
0
a) (f (x) ± g(x)) = f 0 (x) ± g 0 (x)
0
b) (f (x)g(x)) = f 0 (x)g(x) + f (x)g 0 (x)
0 0
(x)g 0 (x)

c) fg(x)
(x)
= f (x)g(x)−f
g 2 (x)
0
d) La regla de la cadena (f (g(x))) = f 0 (g(x))g 0 (x)
por ejemplo: Determinar las derivadas
1) f (x) = xq entonces f 0 (x) = qxq−1 para todo q ∈ Q
2) f (x) = xr entonces f 0 (x) = rxr−1 para todo r ∈ R donde res constante ¿pero que pasa si r es una variable es
decir r = x? asi la derivada de la función f (x) = xx es f 0 (x) = xx [lnx + 1]
√
√
Ejemplo: Hallar la derivada de la función y = 16 + 13 e−x − 12 e−2x cos 2x − 2
e−2x sen


√
3 2
2x
Solución:
 √ √
 0
y0 1
+ 13 e−x − 21 e−2x cos 2 −2x


= 6 2x − 3√ 2
e sen 2x
√ √ √
0 − 13 e−x − 21 −2e−2x cos 2x − 2e−2x sen 2x




=
√
√ √


2
− 3√ 2
−2e−2x sen 2x + 2e−2x cos 2x

1.3.- Integrales:
R R R
a) (f (x) ± g(x)) dx = f (x)dx ± g(x)dx
R Rb
b) La integral f (x)dx = g(x) es equivalente a la integral a f (x)dx = g(b) − g(a)
c) El teorema fundamental del Calculo Diferencial e Integral indica
Z
f (x)dx = g(x) si y solo si g 0 (x) = f (x)

d) Integración por partes, Cambio de variable, Sustitución trigonometrica, Fracciones parciales, etc
por ejemplo hallar la integral x2 ex dx
R

1
 METODOS NUMERICOS

Z
x2 |{z}
ex dx = x2 ex − 2 [xex − ex ]


|{z}
f (x) g 0 (x)

2.- Calculo Diferencial e Integral II

R x R y (x) R y R x (y)
2.1 Integrale Multiples: x12 y12(x) f (x, y)dydx = y12 x12(y) f (x, y)dxdy si f es una función continua
Z Z  
  ∂ (x, y)  
2.2 Cambio de variable f (x, y)dR = f (rcosθ, rsenθ)  
    drdθ
R R0 ∂ (r, θ)  
| {z } | {z }
coordenadas rectangulares coordenadas polares
3.- Algebra Preuniversitario: Una ecuación polinomica de grado n tiene la forma

a0 + a1 x + a2 x2 + ... + an xn = 0

El teorema fundamental del Algebra:

Todo polinomio de grado mayor o igual a 3, se puede factorizar como producto de polinomios de grado 1 o 2.
¿Resover la ecuación polinomica? por ejemplo x2 + 2x − 1 = 0

2
CAPÍTULO 1

TEORÍA DE ERRORES Y CIFRAS SIGNIFICATIVAS

1.1. Introducción:
La resolución de problemas de Ingeniería está asociada, por lo general, a resultados numéricos puesto que se
requieren respuestas prácticas. Muchos de estos problemas sólo se pueden resolver de forma aproximada, por ello
es importante el estudio de una rama de las Matemáticas denominada Análisis Numérico, esta rama involucra
el estudio de Métodos Numéricos. Su desarrollo estuvo y está notablemente influenciado y determinado por las
computadoras digitales que permiten realizar los cálculos de manera veloz, confiable y flexible.
Se pueden definir a los métodos numéricos como las técnicas mediante las cuales es posible formular problemas
de manera que puedan resolverse utilizando operaciones aritméticas, ó también como el grupo de conocimientos
matemáticos relacionados con el diseño y análisis de algoritmos necesarios para resolver problemas de ciencia e
ingeniería. Estos métodos se caracterizan porque: permiten dar más importancia a la formulación e interpretación
de la solución, los cálculos involucrados están relacionados con cantidades discretas, permiten obtener resultados
aproximados y ayudan a identificar, cuantificar y minimizar los errores.
Existen varios motivos por los cuales deben estudiarse estos métodos:

1. Son herramientas poderosas para la solución de problemas. Permiten manejar sistemas de ecuaciones grandes,
no linealidades y geometrías complicadas.

2. Su teoría es la base de programas de métodos numéricos.

3. Su conocimiento permite diseñar programas propios.

4. Son un vehículo eficiente para aprender a servirse de las computadoras personales.

5. Son un medio para reforzar la comprensión de las matemáticas.

Estos métodos permiten

3
 METODOS NUMERICOS

Encontrar las raíces de ecuaciones lineales y no lineales.

Resolver grandes sistemas de ecuaciones algebraicas lineales.

Encontrar aproximaciones de funciones.

Realizar interpolaciones para encontrar valores intermedios en tablas de datos.

Aproximar derivadas de cualquier orden.

Integrar cualquier función continua.

Resolver problemas de valor inicial y de frontera.

Obtener soluciones numéricas para ecuaciones diferenciales parciales.

Realizar ajustamiento de curvas a datos.

¿Que es un modelo Matemático?

El mundo real es naturalmente complejo y en muchas ocasiones los problemas a resolver resultan difíciles de
sintetizar. Para identificar sus aspectos esenciales y expresarlos en términos precisos se debe realizar un proceso de
abstracción. Esa abstracción del problema del mundo real simplificando su expresión se denomina modernización.
La modernización es una de las áreas más atractivas de la ingeniería y las ciencias aplicadas. De hecho, los ingenieros
necesitan construir modelos para resolver problemas de la vida real.
El objetivo de un modelo consiste en reproducir la realidad de la forma más fiel posible, tratando de entender
cómo se comporta el mundo real y obteniendo las respuestas que pueden esperarse de determinadas acciones.
Su selección es una etapa crucial para obtener una solución satisfactoria a un problema real. Las estructuras
matemáticas asociadas no son arbitrarias, sino una consecuencia de la realidad misma.
Un modelo mental puede definirse como una representación de la realidad en la que se consideran los aspectos más
relevantes, es decir el modelo representa una parte de la realidad.
Un modelo matemático es una formulación o ecuación que expresa las características fundamentales de un sistema o
proceso físico en términos matemáticos y estadisticos. Los modelos pueden estar constituidos por simples ecuaciones
algebraicas hasta grandes y complicados sistemas de ecuaciones diferenciales. Sus características son:

1. Describe un sistema o proceso natural en términos matemáticos.

2. Representa una idealización y una simplificación de la realidad.

3. Conduce a resultados predecibles y, en consecuencia, puede utilizarse para propósitos de predicción.

La generación de un modelo matemático involucra dos etapas fundamentales:

1. Conceptualización: En la primera se debe caracterizar el contexto del problema real, definir claramente el
propósito y los límites del modelo, identificar y establecer relaciones entre las variables.

2. Formulación: Determinar las ecuaciones asociadas al modelo y seleccionar y estimar los parámetros del
modelo.

4
 METODOS NUMERICOS

El objetivo del modelo es aplicarlo para obtener alguna información del problema o fenómeno que se estudia.
Frecuentemente sufre modificaciones y a veces es descartado y aunque contenga errores, puede poner en evidencia
componentes esenciales de una realidad compleja.
¿Como se clasifican los modelos matemáticos?
Los modelos matemáticos pueden clasificarse en función del tratamiento de la incertidumbre; del origen de la
información; de su campo de aplicación, etc.
a) En función del tratamiento de la incertidumbre.
Determinístico: Se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Además, los
datos utilizados para alimentar el modelo son completamente conocidos y determinados.
Estocástico: Probabilístico, no se conoce el resultado esperado, sino su probabilidad y existe por lo tanto incerti-
dumbre.
b) En función del origen de la información utilizada para construirlos.
Modelos heurísticos: Del griego euriskein, hallar, inventar. Son los que están basados en las explicaciones sobre
las causas o mecanismos naturales que dan lugar al fenómeno estudiado.
Modelos empíricos: Del griego empeiricos (experiencia, experimento) Son los que utilizan las observaciones
directas o los resultados de experimentos del fenómeno estudiado.
c) En función de su campo de aplicación
Modelos conceptuales: Son los que reproducen mediante fórmulas y algoritmos matemáticos más o menos
complejos los procesos físicos que se producen en la naturaleza.
Modelo matemático de optimización: Los modelos matemáticos de optimización son ampliamente utilizados
en diversas ramas de la ingeniería para resolver problemas que por su naturaleza son indeterminados, es decir
presentan más de una solución posible.
d) En función del factor tiempo
Modelos estáticos: Son independientes del tiempo, consideran situaciones estacionarias.
Modelos dinámicos: Son los que describen el comportamiento del sistema en estudio en función del tiempo.

1.2. Error de Entrada:

xxx
Definición de limite de una función real de variable real:

lim f (x) = L si y solo si ∀ε > 0, ∃δ > 0 : 0 < |x − a| < δ → |f (x) − L| < ε

x→a | {z } | {z }
x∈(−δ+a,δ+a) −ε + L < f (x) < ε + L
| {z }
f (x)∈(−ε+L,ε+L)

f ((−δ + a, δ + a)) ⊆ (−ε + L, ε + L)

xxxx
El análisis del error en un resultado numérico es esencial en cualquier cálculo hecho a mano o con una computadora.
Los datos de entrada rara vez son exactos puesto que se basan en ensayos experimentales o bien son estimados y

5
 METODOS NUMERICOS

los métodos numéricos introducen errores de varios tipos, por ello brindan resultados aproximados. En la práctica
profesional, los errores son costosos y en algunos casos letales. Además como los resultados de los métodos numéricos
son aproximaciones, es necesario tener en claro los conceptos de cifras significativas, exactitud y precisión.
Cifras Significativas: La confiabilidad de un valor numérico está dada por sus cifras significativas que se definen
como el número de dígitos, más un dígito estimado que se pueda usar con confianza. Por ejemplo, si se leen 25
ml en una bureta, que está graduada en 0,1 ml, se puede decir que el nivel del líquido es mayor que 25,1 ml y
menor que 25,2 ml. Hasta puede estimarse con una aproximación de ±0,05 ml, por lo tanto el volumen vertido es
25,1 5 ml que tiene 4 cifras significativas. Los primeros tres dígitos son seguros y el último es una estimación.
|{z} |{z}
seguroestimado
También la expresión 1000 cm es confusa y para mantener el criterio de cifras significativas se utiliza la notación
científica 1,0 × 103 .

1
√
Ejemplo. En la calculadora el valor númerico de 4 se observa como 0,25 y el de 3 se observa como 1,73205080 |{z}
8
| {z }
seguro estimado

1.3. Error de Algoritmo:

El algoritmo describe una sucesión de pasos en un orden especifico para obtener una solución exacto o aproximada,
existen dos tipos de algoritmos que son:

1. Algoritmo estable: Un error pequeño en los datos de perdida produce errores pequeños en los resultados
finales.

2. Algoritmo inestable: Es un caso contrario al algoritmo estable

El error de algoritmo se presenta así al codificar el modelo matemático en algún lenguaje de programación, por
ejemplo en el momento de codificar se puede cometer el error de programar las cifras significativas a utilizar.

1.4. Error de Truncamiento:

Estos errores resultan al usar una aproximación en lugar de un procedimiento matemático exacto y dependen del
método numérico empleado.
Por ejemplo en la serie de Taylor

f 00 (a) f (n) (a)

f (x − a) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n + Rn
2! n!
puede utilizarse para predecir el valor de la función en x en términos de la función y de sus derivadas en la vecindad
de un punto a. Pero

f 00 (a) f (n) (a)

f (x − a) ∼
= f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n
2! n!
y el error de truncamiento que se comete es de Rn .

6
 METODOS NUMERICOS

Ejemplo. Desarrollar la serie de Taylor de las siguientes funciones ex , senx, cosx y ln (1 + x) e indicar en cada
caso dos errores de truncamiento

Solución: Para la función ex , la serie de Taylor es.

1 1
ex = 1 + x + x2 + · · · + xn + Rn
|{z} 2! n!
f (x−0)

asi los dos errores de truncamiento para este caso serán:

Para la serie ex ∼
=1+x+ 1 2
2! x el error de truncamiento es 1 3
3! x + ··· + 1 n
n! x + · · ·
x ∼ 1 2 1 4 1 5 1 n
Para la serie e = 1 + x + 2! x + ··· + 4! x el error de truncamiento es 5! x + · · · + n! x + ···

Representar las siguientes funciones como series de Taylor (tarea!)

Para la función tgx...
Para la función cosx....
Para la función ln (1 + x)....
1
Para la función x ....
fecha de presentación 2 de agosto del 2021 antes de las 7:30am

Ejemplo. Desarrollar la serie de Taylor para la función senx e indicar algún error de truncamiento

Solución:

1 1
senx = 0 + x + 0 − x3 + 0 + · · ·
1! 3!
es decir

1 3 1 1 1 1 11
senx = x − x + x5 − x7 + x9 − x + ···
3! 5! 7! 9! 11!
Para el caso x = 1, según lo anterior se tiene:

1 3 1 1 1 1 11
sen1 = 1 − 1 + 15 − 17 + 19 − 1 + ···
3! 5! 7! 9! 11!
de donde sen1 ∼
= 1− 1 3
3! 1 + 1 5
5! 1
∼
= 0,8416666667 que es un valor aproximado de sen1 y en este caso se esta
cometiendo un error de truncamiento de

1 7 1 1 11
1 + 19 −
R2 = − 1 + ···
7! 9! 11!
√
Ejemplo. Como se puede determinar mediante un algoritmo 2
√
Solución: Según la calculadora 2 = 1,414213562... y el algoritmo en este caso es:

7
 METODOS NUMERICOS

√
x= 2 elevando al cuadrado
2
√
2
x = 2
x2 = 1 + 1
x2 − 1 = 1 por diferencia de cuadrados
(x + 1) (x − 1) = 1
1
x − 1 = x+1
√ 1
2 = 1 + √2+1 es el algoritmo buscado
de donde
√ 1
2=1+ 2+ 1
2+ 1
..
.
√
por tanto 2∼
=1+ 2+
1
1 =1+ 7
17 = 24
17
∼
= 1,411764706....
2+ 1
2+ 1
1

1.5. Concepto de Exactitud y Precisión:

1. Precisión: Se refiere al número de cifras significativas que representan una cantidad ó a la extensión en las
lecturas repetidas de un instrumento que mide alguna propiedad física.

2. Exactitud: Se refiere a la aproximación de un número o de una medida al valor verdadero que se supone
representa.

1.6. Error de Aproximación:

El error se aplica para indicar la inexactitud y la imprecision de las medidas. Así se tienen los errores absolutos,
relativos y porcentual.

1.6.1. Error Absoluto:

El error numérico es igual a la diferencia entre el valor real y el aproximado, si x representa el valor real y x el
valor aproximado, entonces En = x − x.
Y el error absoluto es el valor absoluto del error numérico, es decir EA = |En | = |x − x|

Ejemplo. En el tercer ejemplo de la sección 1.4 el error absoluto que se determina es el siguiente:

√
 
24 
EA =  2 − 
17

1.6.2. Error Relativo:

EA |x−x|
El error relativo o fraccional resulta de normalizar el error absoluto respecto al valor real, es decir ER = |x| = |x|
√ 24
Ejemplo. Si x = 2yx= 17 entonces el error relativo es:

8
 METODOS NUMERICOS

√ 
EA |x − x|  2 − 24 
√ 17
ER = = =
|x| |x|  2

1.6.3. Error Porcentual:

El error porcentual resulta de multiplicar por 100 el error absoluto o relativo.
√ 
24 
Ejemplo. Si EA =  2 − 17 entonces el error porcentual es:

√
 
24 
E% = EA × 100 % =  2 −  × 100 %

17

1.7. Practica:
1. Ejemplifique el proceso de generación de un modelo matemático, a partir de un fenómeno o problema del mundo
real. Detalle los aspectos involucrados en la conceptualización y la formulación del mismo.
2. Responda verdadero o falso:
a) Un algoritmo debe ser finito y preciso
b) Los métodos numéricos son aquellos en los que se re formula un problema matemático para que pueda
resolverse mediante operaciones aritméticas.
c) Un modelo matemático nunca puede ser modificado.
3. Enuncie las características relevantes del Métodos Numérico e indique por lo menos cinco problemas matemáticos
que surgen en Ingeniería y pueden resolverse por Métodos Numéricos.
4. Suponga que debe cuantificar la cantidad de β−caroteno en lechuga y experimentalmente se determino que el
valor es 0,042 mg por 100 g. Si el valor verdadero es 0,048 mg por 100 g, indique el error absoluto y el error relativo
porcentual.
5. Estime el valor de e0,5 utilizando la expansión en serie de Taylor, calculando los errores absolutos y relativos
porcentuales. (considere que el valor exacto de e0,5 es 1,648721271) para tres cifras significativas.
6. En la tabla que sigue se muestran las velocidades de formación del compuesto C, mediante una reacción enzi-
mática, a partir de los reactivos A y B. Se indican las velocidades de formación con 3, 4, 5 y 6 cifras significativas.
Calcule los errores relativos porcentuales para un tiempo t = 12s, considerando que el valor real con 10 cifras
significativas es 4984,921508 µg por s.

Velocidad de formación (µg por s)

Tiempo (s)
Cifras Significativas
3 4 5 6
4 320 3200 3200.4 3200.46
8 449 4489 4489.3 44892.41
12 498 4984 4984.8 4984.91

9
 METODOS NUMERICOS

7. Aplique las reglas de redondeo a:

a) 5,6723 a 3 cifras significativas
b) 10,406 a 4 cifras significativas
c) 7,3500 a 2 cifras significativas
8. Utilice términos en la serie de Taylor de cero a cuatro orden para aproximar la función f (x) = −0,2x4 − 0,35x3 −
0,5x2 − 0,45x + 1,8 para x = 2 y calcule el error de truncamiento en cada caso.
Solución:

1 0 1 1 1
f (x) = f (0) + f (0)x1 + f 00 (0)x2 + f 000 (0)x3 + f (4) (0)x4 + · · ·
1! 2! 3! 4!
de esta forma

Para oden cero f (2) ∼

= f (0) = 1,8 el error de truncamiento es: 1 0 1 1 00 2 1 000 3 1 (4)
1! f (0)x + 2! f (0)x + 3! f (0)x + 4! f (0)x4 +
···

Para orden uno f (x) ∼

= f (0) + 1 0 1
1! f (0)x = 1,8 − 0,45x así f (2) ∼
= 1,8 − 0,45 (2) = el error de truncamiento
1 0 1 1 00 2 1 000 3 1 (4)
es: 1! f (0)x + 2! f (0)x + 3! f (0)x + 4! f (0)x4 + · · ·

1 0 1 1 00 2 1 2 1 2
Para orden dos f (x) = f (0) + 1! f (0)x + 2! f (0)x = 1,8 − 0,45x − 2 x así f (2) = 1,8 − 0,45 (2) − 2 (2) =
1 000 1 (4)
el error de truncamiento es: + 3! f (0)x3 + 4! f (0)x4 + · · ·

9. Evalue e−5 mediante las series

x2 x3
e−x = 1 − x + − + ···
2 3!
y

1 1
e−x = = x2 x3
ex 1+x+ 2 + 3! + ···
y compare el resultado hallado con el valor real 6,737947 × 10−3 . (Utilice 10 términos en cada serie para su
evaluación)
10. La derivada de la función f (x) = 1
(1−3x2 )2
es f 0 (x) = 6x
(1−3x2 )2
¿Traeria dificultades la evaluación de f 0 (x) en el
punto x = 0,577?
11. Determine el número de términos necesarios de la serie

x2 x4 x6 x8
cosx = 1 − + − + − ···
2 4! 6! 8!
para aproximar cos (0,3π) con 6 cifras significativas
12. Resuelva la ecuación x2 − 5000,002x + 10 = 0 con 5 digitos decimales.
13. Al leer un amperímetro de aguja y escala se evaluó visualmente el margen de incertidumbre, la lectura del
amperímetro esta entre 3,2 y 3,4 amperios. La incertidumbre porcentual
14. Un reloj digital de una lectura de la hora de 09:46. ¿Cuál es la incertidumbre de la medida?

10
 METODOS NUMERICOS

15. Los valores de los lados de un rectángulo son respectivamente: L(40±0, 3)cm y A(20±0, 4)cm. El error absoluto
del áreaes:
√ √
16. Determinar el limite lim x x−x+ x−1
x−1 y hallar δ para ε = 0,0001
x→1
f (x)
17. Sabiendo que lim 1−x 3 = 4 y lim 1−x2 = −6 determinar lim fg(x)
g(x) (x)
y hallar δ para ε = 0,0001
x→1 x→1 x→1
2 2
18. Determinar la serie de Taylor de senx y cosx . Calcular el errror de truncamiento de quinto orden en el punto
de x = 1

11
CAPÍTULO 2

Ecuaciones Algebraicas Lineales y No Lineales

Las ecuaciónes algebraicas más comunes son: Las ecuaciones lineales (ecuaciones de primer grado), ecuaciones
cuadraticas (o de segundo grado), ecuaciones polinomicas, ecuaciones logaritmicas, ecuaciones trigonometricas,
etc.
1. Ecuaciones de primer grado: La forma reducida de una ecuación de primer grado es ax + b = 0 con a 6= 0,
en este caso la solución esta dada por x = − ab que corresponde a una solución exacta.

Ejemplo. Resolver la ecuación 12 x − 3 = 2

1 1
Solución: La relación 2x − 3 = 2 es equivalente ecuación x + (−5) = 0 y la solución dela ecuación según lo
2
|{z} | {z }
b
a
−5
anterior será: x = − ab =− 1 = 10 que es una solución exacta.
2

√ 1 5
Ejemplo. Resolver la ecuación 2x − 2 =x+ 4

Solución: Por el álgebra basica

√ 1 5
2x − 2 = x+ 4
√
2x − 21 − x − 54 = 0
√  
7

2−1 x+ − = 0
| {z } 4
| {z }
a
b

−7
asi la solución será x = − ab = − √2−1
4
= √7
4( 2−1)
es decir x = √7
4( 2−1)
que corresponde a un valor exacto.
2. Ecuaciones de segundo grado: La forma reducida de una ecuación de segundo grado es ax2 + bx + c = 0 con
√
−b± b2 −4ac
a 6= 0, en este caso la solución esta dada por x = 2a que corresponde a una solución exacta.

x−1
Ejemplo. Resolver la ecuación x+2 =x−3

Solución: Por el algebra basica

12
 METODOS NUMERICOS

x−1
x+2 = x−3
x−1 = (x + 2) (x − 3)
x−1 = x2 − x − 6
0 = x2 − x − 6 − x + 1
0 = x2 − 2x − 5

1 x2 −2 x −5 = 0 por tanto a = 1, b = −2 y c = −5 y remplazando estos valores en la relación x =

asi |{z}
|{z} |{z}
a b c
√ √ √ √ √
−b± b2 −4ac −(−2)± (−2)2 −4(1)(−5) 2±2 6
2a = 2(1) = 2 = 1 ± 6 se tiene x = 1 ± 6 que corresponde a un valor exacto.
3. Ecuaciones Polinomicas:
¿Como se resolveria la ecuación polinomica x5 − x + 1 = 0?
R. Recordemos que en el algebra basica se encuentra presente el siguiente teorema: Todo polonomio de grado mayor
o igual que 3 se puede factorizar como producto de polinomios de grado 2 o 1, es decir

Si P (x) = a0 + a1 x + a2 x2 + · · · + an xn es un polinomio de grado n ≥ 3

entonces

P (x) = a0 + a1 x + a2 x2 + · · · + an xn = (polinomio de grado 2) (polinomio de grado 1) · · · (pol. gr. 2)

con esta idea resolver la ecuación

a0 + a1 x + a2 x2 + · · · + an xn = 0 donde n ≥ 3

es equivalente a resolver la ecuación

(polinomio de grado 2) (polinomio de grado 1) · · · (pol. gr. 2) = 0

de donde (polinomio de grado 2) = 0 o (polinomio de grado 1) = 0 o ... o (pol. gr. 2) = 0.

Como la factorización del polinomio P (x) = x5 − x + 1 no es tan facil entonces encaremos el problema según las
herramientas del Calculo Diferencial e Integral I:
La función P (x) = x5 − x + 1 se puede escribir de forma más precisa del siguiente modo

P : R → R
x 7→ P (x)
y el grafico de esta función es:

13
 METODOS NUMERICOS

Figura 2.0.1: Solución grafica de la ecuación x5 − x + 1 = 0

en este grafico se observa un punto de intersección entre el grafico de la función y el eje horizantal y resulta que
este punto de intersección es una raiz real de la ecuación x5 − x + 1 = 0, es decir segun este grafico solo existe una
solución real que aproximadamente es: x ∼ = −1,17 con tres sifras cignificativas.

2.1. Método de Bisección:

Dada la ecuación f (x) = 0 donde f es una función real de variable real (es decir f : [a, b] → R) continua, si
f (a)f (b) < 0 (es decir: si f (a) ≥ 0, entonces f (b) < 0 o si f (a) < 0, entonces f (b) ≥ 0 ) entonces

a+b
xm =
2




 >0

asi f (xm ) =0



<0


Caso 1: Si f (xm ) = 0, entonces xm es la solución de la ecuación f (x) = 0
Caso 2: Si f (xm ) > 0, entonces como f (a)f (b) < 0 implica que se tienen los casos

1.- f (a) ≥ 0 y f (b) < 0 ó 2.- f (a) < 0 y f (b) ≥ 0

supongamos que se esta dando la relación 1, entonces a1 = xm asi f (a1 ) ≥ 0 con a < a1 , pues el dominio de la
función f es [a, b], por tanto a < b y como xm es el punto medio entre a y b entonces a < a1 < b. De donde se tiene

14
 METODOS NUMERICOS

la nueva función f : [a1 , b] → R que es continua y f (a1 )f (b) < 0. Ahora se realiza nuevamente el analisis anterior,
es decir

a1 + b
xm =
2




 >0

asi f (xm ) =0



<0


subcaso 1: Si f (xm ) = 0, entonces xm es la solución de la ecuación f (x) = 0
subcaso 2: Si f (xm ) > 0, entonces como f (a1 )f (b) < 0 implica que se tienen los casos

1.- f (a1 ) ≥ 0 y f (b) < 0 o 2.- f (a1 ) < 0 y f (b) ≥ 0

supongamos que se esta dando la relación 1, entonces a2 = xm asi f (a2 ) ≥ 0 con a1 < a2 . Continuando de esta
forma se tiene la sucesión a, a1 , a2 ,... tal que a < a1 < a2 < · · · < b
Caso 3: Si f (xm ) < 0, entonces como f (a)f (b) < 0 implica que se tienen los casos

1.- f (a) ≥ 0 y f (b) < 0 o 2.- f (a) < 0 y f (b) ≥ 0

supongamos que se esta dando la relación 1, entonces b1 = xm asi f (b1 ) < 0 con b1 < b. Continuando de esta forma
se tiene la sucesión b, b1 , b2 ,... tal que a < · · · < b2 < b1 < b....

Ejemplo 1. Utilice el método de la bisección para obtener una raíz real del polinomio P (x) = x3 + 2x2 + 10x − 20
con 6 digitos decimales.

Solución: Para determinar una solución aproximada x a la ecuación P (x) = 0, trabajemos la función P : [1, 2] → R
continua de la siguiente forma.
Primera Iteración:


P (1) = 13 + 2 12 + 10 (1) − 20 = −7 < 0


P (2) = 23 + 2 22 + 10 (2) − 20 = 16 > 0

de donde P (1)P (2) < 0, asi

1+2 3 2
xm = 2 = 1,5 y P (xm ) = P (1,5) = (1,5) + 2 (1,5) + 10 (1,5) − 20 = 2,875 > 0

pero como P (2) > 0 entonces el nuevo dominio de la función P es [1, 1,5]
Segunda Iteración:


P (1) = 13 + 2 12 + 10 (1) − 20 = −7 < 0
3 2
P (1,5) = (1,5) + 2 (1,5) + 10 (1,5) − 20 = 2,875 > 0

de donde P (1)P (1,5) < 0, asi

1+1,5 3 2
xm = 2 = 1,25 y P (xm ) = P (1,25) = (1,25) + 2 (1,25) + 10 (1,25) − 20 = −2,421875 < 0

15
 METODOS NUMERICOS

pero como P (1,25) < 0 entonces el nuevo dominio de la función P es [1,25, 1,5]
Tercera Iteración:
3 2
P (1,25) = (1,25) + 2 (1,25) + 10 (1,25) − 20 = −2,421875 < 0
3 2
P (1,5) = (1,5) + 2 (1,5) + 10 (1,5) − 20 = 2,875 > 0

de donde P (1,25)P (1,5) < 0, asi

1,25+1,5
xm = 2 = 1,375
3 2
P (xm ) = P (1,375) = (1,375) + 2 (1,375) + 10 (1,375) − 20 = 0,130859 > 0

pero como P (1,375) > 0 entonces el nuevo dominio de la función P es [1,25, 1,375]
asi en este caso x = 1,375, es decir es una solución aproximada de la ecuación x3 + 2x2 + 10x − 20 = 0

Ejemplo 2. Utilice el método de la bisección para obtener una raíz real del polinomio P (x) = 4x4 +3x3 −2x2 +4x−8
con 2 digitos decimales.

Solución: Para determinar una solución aproximada x a la ecuación P (x) = 0, trabajemos la función P : [0,5, 1] → R
continua de la siguiente forma.
Primera Iteración:
4 3 2
P (0,5) = 4 (0,5) + 3 (0,5) − 2 (0,5) + 4 (0,5) − 8 = −5,88 < 0
4 3 2
P (1) = 4 (1) + 3 (1) − 2 (1) + 4 (1) − 8 = 1 > 0

de donde P (0,5)P (1) < 0, asi

0,5+1
xm = 2 = 0,75
4 3 2
P (0,75) = 4 (0,75) + 3 (0,75) − 2 (0,75) + 4 (0,75) − 8 = −3,59 < 0

pero como P (0,5) < 0 entonces el nuevo dominio de la función P es [0,75, 1]

Segunda Iteración:
4 3 2
P (0,75) = 4 (0,75) + 3 (0,75) − 2 (0,75) + 4 (0,75) − 8 = −3,59 < 0
4 3 2
P (1) = 4 (1) + 3 (1) − 2 (1) + 4 (1) − 8 = 1 > 0

de donde P (0,75)P (1) < 0, asi

0,75+1
xm = 2 = 0,88
4 3 2
P (0,88) = 4 (0,88) + 3 (0,88) − 2 (0,88) + 4 (0,88) − 8 = −1,59 < 0

pero como P (0,75) < 0 entonces el nuevo dominio de la función P es [0,88, 1]

Tercera Iteración:
4 3 2
P (0,88) = 4 (0,88) + 3 (0,88) − 2 (0,88) + 4 (0,88) − 8 = −1,59 < 0
4 3 2
P (1) = 4 (1) + 3 (1) − 2 (1) + 4 (1) − 8 = 1 > 0

de donde P (0,88)P (1) < 0, asi

0,88+1
xm = 2 = 0,94
4 3 2
P (0,94) = 4 (0,94) + 3 (0,94) − 2 (0,94) + 4 (0,94) − 8 = −0,39 < 0

16
 METODOS NUMERICOS

pero como P (0,94) < 0 entonces el nuevo dominio de la función P es [0,94, 1]

Así el valor aproximado para la ecuación 4x4 + 3x3 − 2x2 + 4x − 8 = 0 con estas tres iteraciones es: x = 0,94

Ejemplo 3. Determinar una solución aproximada de la ecuación x5 − x + 1 = 0

Solución: Notemos que para esta ecuación la función a trabajar es P (x) = x5 − x + 1 cuyo dominio es todo los
números reales y además esta función es continua en su dominio.
Segun el método de la Bisección es conveniente tomar como dominio el intervalo [−1,5, −1] ahora iniciemos las
iteraciones
Primera Iteración:
5
P (−1,5) = (−1,5) − (−1,5) + 1 = −5,09 < 0
5
P (−1) = (−1) − (−1) + 1 = 1 > 0

de donde P (−1,5)P (−1) < 0 así

−1,5+(−1)
xm = 2 = −1,25
5
P (−1,25) = (−1,25) − (−1,25) + 1 = −0,80 < 0

pero como P (−1,25) < 0 entonces el nuevo dominio de la función P es [−1,25, −1]
Segunda Iteración:
5
P (−1,25) = (−1,25) − (−1,25) + 1 = −0,80 < 0
5
P (−1) = (−1) − (−1) + 1 = 1 > 0

de donde P (−1,25)P (−1) < 0 así

−1,25+(−1)
xm = 2 = −1,12
5
P (−1,12) = (−1,12) − (−1,12) + 1 = 0,36 > 0

pero como P (−1,12) > 0 entonces el nuevo dominio de la función P es [−1,25, −1,12]
Tercera Iteración:
5
P (−1,25) = (−1,25) − (−1,25) + 1 = −0,80 < 0
5
P (−1,12) = (−1,12) − (−1,12) + 1 = 0,36 > 0

de donde P (−1,25)P (−1,12) < 0 así

−1,25+(−1,12)
xm = 2 = −1,18
5
P (−1,18) = (−1,18) − (−1,18) + 1 = −0,11 < 0

pero como P (−1,18) < 0 entonces el nuevo dominio de la función P es [−1,18, −1,12], mediante estas tres iteraciones
una solución aproximada para la ecuación x5 − x + 1 = 0 es x ∼= −1,18

1
Ejemplo 4. ¿Que ocurrira si utilizamos el método de la bisección con f (x) = x−2 en el intervalo [3, 7] y en el
intervalo [1, 7]?

17
 METODOS NUMERICOS

Solución:
Para el intervalo [3, 7]:
1
En este intervalo se quiere determinar una solución aproximada a la ecuación x−2 = 0 segun el grafico de la función
1
f (x) = x−2 lametablemente en el intervalo [3, 7] no existe la intersección entre el eje horizontal y el grafico de la
función f (x). Por tal razon el método de la bisección no se puede aplicar.
Para el intervalo [1, 7]
1
En este intervalo se quiere determinar una solución aproximada a la ecuación x−2 = 0 segun el grafico de la función
1
f (x) = x−2 lametablemente en el intervalo [1, 7] al realizar las iteraciones en la sexta iteración no se va a verificar
la condición f (a)f (b) < 0 por tal razon el método de la bisección no se puede utilizar.

Ejemplo 5. Para cada una de las siguientes funciones, halle un intervalo [a, b] tal que f (a) y f (b) tengan distintos
signos.
a) f (x) = ex − x − 2
b) f (x) = ln (x) + x − 5

Solución: (Tarea!)

Ejemplo 6. En los siguiente incisos debe de hallar una aproximación de la tasa de interes anual I con la que se
conseguiría un capital acumulado total A tras realizar 240 depósitos mensuales. Use los valores de partida que se
dan y calcule las tres aproximaciones siguientes mediante el método de la Bisección
a) P = 275 euros, A = 250000 euros, I0 = 0,11 e I1 = 0,12
b) P = 325 euros, A = 400000 euros, I0 = 0,13 e I1 = 0,14

Solución:
r nt


Para el inciso a), recordemos que la relación A = P 1 + n nos permite determinar la tasa de interes anual
donde A := cantidad final, P := capital inicial, r := tasa de interes, n :=# de veces que se aplica el interes por
periodo, t := # de periodos transcurridos. Para nuestro ejemplo se tiene

A = 250000
P = 275
n =?
t = 240
r = la variable
 r 1(240)
de esta forma se tiene la ecuación 0 = 275 1 + − 250000 para I0 = 0,11 e I1 = 0,12 aplicando el método
| 1 {z }
f (r)
de la Bisección se tendrá
Primera iteración:
2
0,11 (240)


f (0,11) = 275 1 + 240 − 250000 = 2,07
2
0,12 (240)


f (0,12) = 275 1 + 240 − 250000 = 1,78
Ejemplo. Determinar por el método de la bisección la raiz de la siguiente función f (x) = (x − 1) (x + 2) (x + 1)
en el intervalo [−2, 0] con un error absoluto de 0,1

18
 METODOS NUMERICOS

Solución: Notemos que la ecuación (x − 1) (x + 2) (x + 1) = 0 tiene como soluciones exactas a las raices x0 = 1,
x1 = −2 y x2 = −1.
Por otro lado trabajemos el método de la bisección en el intervalo [−1,5, 0] para determinar una solución aproximada
a la ecuación (x − 1) (x + 2) (x + 1) = 0, es decir
Primera iteración: en el intervalo [−1,5, 0]

f (−1,5) = (−1,5 − 1) (−1,5 + 2) (−1,5 + 1) = 0,6 > 0

f (0) = (0 − 1) (0 + 2) (0 + 1) = −2 < 0

así f (−1,5)f (0) < 0 por tanto

−1,5+0
xm = 2 = −0,8 y f (−0,8) = (−0,8 − 1) (−0,8 + 2) (−0,8 + 1) = −0,4 < 0

pero |−1 − (−0,8)| = 0,2 > 0,1

Primera segunda: en el intervalo [−1,5, −0,8]

f (−1,5) = (−1,5 − 1) (−1,5 + 2) (−1,5 + 1) = 0,6 > 0

f (−0,8) = (−0,8 − 1) (−0,8 + 2) (−0,8 + 1) = −0,4 < 0

así f (−1,5)f (−0,8) < 0 por tanto

−1,5−0,8
xm = 2 = −1,2 y f (−1,2) = (−1,2 − 1) (−1,2 + 2) (−1,2 + 1) = 0,4 > 0

pero |−1 − (−1,2)| = 0,2 > 0,1

Primera tercera: en el intervalo [−1,2, −0,8]

f (−1,2) = (−1,2 − 1) (−1,2 + 2) (−1,2 + 1) = 0,4 > 0

f (−0,8) = (−0,8 − 1) (−0,8 + 2) (−0,8 + 1) = −0,4 < 0

así f (−1,2)f (−0,8) < 0 por tanto

−1,2−0,8
xm = 2 = −1 y f (−1) = (−1 − 1) (−1 + 2) (−1 + 1) = 0

pero |−1 − (−1)| = 0 < 0,1. Asi la “raiz aproximado” a la ecuación f (x) = 0 será x = −1

Ejemplo. La ecuación ex − 3x = 0 tiene por raiz a x = 0,61906129. Comenzando con el intervalo [0, 1] realizar seis
iteraciones por el método de la bisección para determinar la raiz aproximada. ¿Cuántas cifras cignificativas tiene
dicha aproximación?, ¿Cuantas iteraciones son necesarias para que la raiz obtenida tenga un error absoluto menor
que 10−4 ?

Solución:

Ejemplo. Sabiendo que existe una raiz de la ecuación x3 + x = 6 entre 1,55 y 1,75 ¿Cuantas iteraciones son
necesarias para el método de la bisección, en el intervalo de longitud igual a 10−3 que contenga a la raiz? Calcular
todas las iteraciones necesarias.

19
 METODOS NUMERICOS

Solución:

Ejemplo. Resolver mediante el método de la bisección la ecuación ex + 2−x + 2cosx − 6 = 0 para 1 ≤ x ≤ 2 con
cuatro digitos decimales.

Solución: Notemos que f (x) = ex + 2−x + 2cosx − 6 ahora según el método de la bisección iniciemos las iteraciones
Primera iteración: El intervalo de trabajo es [1, 2]

f (1) = e1 + 2−1 + 2cos (1) − 6 = −1,7011 < 0

f (2) = e2 + 2−2 + 2cos (2) − 6 = 0,8068 > 0

así f (1)f (2) < 0 por tanto

xm = 1+2
2 = 1,5 y f (1,5) = e1,5 + 2−1,5 + 2cos (1,5) − 6 = −1,0233 < 0

Segunda iteración: El intervalo de trabajo es [1,5, 2]

f (1,5) = e1,5 + 2−1,5 + 2cos (1,5) − 6 = −1,0233 < 0

f (2) = e2 + 2−2 + 2cos (2) − 6 = 0,8068 > 0

así f (1,5)f (2) < 0 por tanto

1,5+2
xm = 2 = 1,75 y f (1,75) = e1,75 + 2−1,75 + 2cos (1,75) − 6 = −0,3046 < 0

Tercera iteración: El intervalo de trabajo es [1,75, 2]

f (1,75) = e1,75 + 2−1,75 + 2cos (1,75) − 6 = −0,3046 < 0

f (2) = e2 + 2−2 + 2cos (2) − 6 = 0,8068 > 0

así f (1,75)f (2) < 0 por tanto

1,75+2
xm = 2 = 1,875 y f () = e1,875 + 2−1,875 + 2cos (1,875) − 6 = 0,1944 > 0

Cuarta iteración: El intervalo de trabajo es [1,75, 1,875]

f (1,75) = e1,75 + 2−1,75 + 2cos (1,75) − 6 = −0,3046 < 0

f (1,875) = e1,875 + 2−1,875 + 2cos (1,875) − 6 = 0,1944 > 0

así f (1,75)f (2) < 0 por tanto

1,75+1,875
xm = 2 = 1,8125 y f (?) =?

así un valor aproximado de la ecuación f (x) = 0 es x = 1,8125

Ejemplo. Resolver mediante el método de la bisección la ecuación x + 2−x = 0 para 0 ≤ x ≤ 1 con cuatro digitos
decimales y cuatro iteraciones.

Solución:

20
 METODOS NUMERICOS

Ejemplo. Resolver mediante el método de la bisección la ecuación x3 + 4x2 − 10 = 0 para 1 ≤ x ≤ 2 con cuatro
digitos decimales y cuatro iteraciones.

Solución:
2
Ejemplo. Determinar la raiz real aproximada de la ecuación f (x) = 0 donde f (x) = x3 − x2 −3x+2 en el intervalo
[−1, 1] con un error de 10−4 mediante el método de la bisección. (Sugerencia, De la desigualdad b−a
2n < 10−m es
posible determinar un valor mínimo para la cantidad de iteraciones necesarias para asegurar un error menor a
10−m )

Solución: Según la sugerencia hay que realizar n iteraciones donde

1 − (−1)
< 10−4
2n
es decir n ∼
= 14,29 por tanto hay que realizar 14 iteraciones.
Primera iteración: [−1, 1]
3 (−1)2
f (−1) = (−1) − 2 − 3 (−1) + 2 = 3,5 > 0
3 (1)2
f (1) = (1) − 2 − 3 (1) + 2 = −0,5 < 0

así f (−1)f (1) < 0 de donde

−1+1 3 (0)2
xm = 2 = 0 y f (0) = (0) − 2 − 3 (0) + 2 = 2 > 0

Segunda iteración: [0, 1]

3 (0)2
f (0) = (0) − 2 − 3 (0) + 2 = 2 > 0
3 (1)2
f (1) = (1) − 2 − 3 (1) + 2 = −0,5 < 0

así f (0)f (1) < 0 de donde

0+1 3 (0,5)2
xm = 2 = 0,5 y f (0,5) = (0,5) − 2 − 3 (0,5) + 2 = 0,5 > 0

Tercera iteración: [0,5, 1]

3 (0,5)2
f (0,5) = (0,5) − 2 − 3 (0,5) + 2 = 0,5 > 0
3 (1)2
f (1) = (1) − 2 − 3 (1) + 2 = −0,5 < 0

así f (0,5)f (1) < 0 de donde

0,5+1 3 (0,75)2
xm = 2 = 0,75 y f (0,75) = (0,75) − 2 − 3 (0,75) + 2 = −0,1094 < 0

....
continuando de esta forma el valor aproximado para la ecuación f (x) = 0 es x = 0,6991 con un error de 10−4
 1
 7−(16) x1

si x 6= 0
Ejemplo. Dada la función f (x) = 1+(16) x verificar que existe un punto en el intervalo abierto
 7 si x = 0


(2, 4) en el que f toma el valor 1.

21
 METODOS NUMERICOS

1
7−(16) x
Solución: Según el problema hay que resolver la ecuación 1 = 1 y esta ecuación es equivalente a
1+(16) x

1
7 − (16) x
1 −1=0
1 + (16) x
| {z }
f (x)

y determinemos el valor aproximado de x por medio del método de la bisección en el intervalo [2, 3]
.........

Ejemplo 7. Observamos primero que f es una función polinómica definida sobre el intervalo [1, 2] y por lo tanto,
continua en ese intervalo. Además f (1)f (2) = (−1) 5 = −5 < 0. Luego, es posible aplicar el método de bisección
para encontrar una de las raíces de f en el intervalo [1, 2]. (En rigor, con las dos hipótesis verificadas, solamente
podemos asegurar la existencia de una solución a la ecuación f (x) = 0 en el intervalo dado, pero no podemos
asegurar la unicidad de la solución). Determinar cuatro ecuaciones con estas caracteristicas.

Solución: Según el ejemplo se tiene la función continua

f: [1, 2] → R
x 7→ polinomio

donde f (1) = −1 y f (2) = 5. Por otro lado según el ejemplo existe una raiz real en el intervalo [1, 2] de la ecuación
f (x) = 0. Ahora con esta información determinemos por lo menos cuatro funciones f (x) =?
Así las funciones son:

1ra función f (x) = 6x − 7

2da función f (x) = 8x2 − 18x + 9
3ra función f (x) =?
4ta función f (x) =?
......

2.2. Teorema de Bolzano:

Teorema. (Teorema de Bolzano) Sea f : [a, b] → R una función continua de modo que f (a)f (b) < 0, entonces
existe un punto intermedio c ∈ (a, b) tal que f (c) = 0

Demostración. Como f (a)f (b) < 0, supongamos que f (a) < 0 y f (b) > 0 o equivalentemente f (a) < 0 < f (b).
Ahora tomemos a0 = a y b0 = b, considerando el punto medio

a0 + b0
xm =
2
entonces se tienen los siguientes casos:
Caso 1: Si f (xm ) = 0 entonces c = xm por lo tanto el teorema esta demostrado.
a0 +b0
Caso 2: Si f (xm ) > 0 entonces sean a1 = a0 y b1 = xm (o b1 = 2 )
a0 +b0
Caso 3: Si f (xm ) < 0 entonces sean a1 = xm (o a1 = 2 ) y b1 = b0

22
 METODOS NUMERICOS

b0 −a0
de esta forma de cualquiera de los casos 2 o 3 se tiene que a1 < b1 , f (a1 ) < 0 < f (b1 ) y b1 − a1 = 2 . Si
a1 +b1
repetimos el algoritmo anterior para xm = 2 se tendra los siguientes casos
Caso 1: Si f (xm ) = 0 entonces c = xm por lo tanto el teorema esta demostrado.
a1 +b1
Caso 2: Si f (xm ) > 0 entonces sean a2 = a1 y b2 = xm (o b2 = 2 )
a1 +b1
Caso 3: Si f (xm ) < 0 entonces sean a2 = xm (o a2 = 2 ) y b2 = b1
b1 −a1 b0 −a0
de esta forma de cualquiera de los casos 2 o 3 se tiene que a2 < b2 , f (a2 ) < 0 < f (b2 ) y b2 − a2 = 2 = 22 . Si
se sigue repitiendo este proceso se obtienen dos sucesiones (an ) y (bn ) tal que para todo n suficientemente grande
se tiene que

bn−1 − an−1 b0 − a0
an < bn , f (an ) < 0 < f (bn ) y bn − an = =
2 2n
además
1. Por construcción la sucesión an es creciente y por tanto existe lim an (supongamos que lim an = α)
n→∞ n→∞
2. Por construcción la sucesión bn es decreciente y por tanto existe lim bn (supongamos que lim bn = β)
n→∞ n→∞
pero como an < bn para todo n se tiene que α ≤ β y además

b0 − a0
0 ≤ β − α ≤ bn − an =
2n
b0 −a0 b0 −a0
así 0 ≤ β − α ≤ 2n y como lim 2n = 0 por tanto α = β.
n→∞
Luego sea α = β = c ∈ (a, b) y por continuidad de la función f se tiene que
1. Como lim an = c entonces 0 > lim f (an ) = f ( lim an ) = f (c) ≤ 0
n→∞ n→∞ n→∞
2. Como lim bn = c entonces 0 < lim f (bn ) = f ( lim bn ) = f (c) ≥ 0
n→∞ n→∞ n→∞
por tanto f (c) = 0.

2.3. Método de Newton:

Para resolver la ecuación f (x) = 0 mediante el método de Newton se requiere que la función f : [a, b] → R sea
derivable, entonces

23
 METODOS NUMERICOS

Figura 2.3.1: Grafico de Newton

asi según la figura 2.3.1 se tiene

f (x0 )
f 0 (x0 ) =
x0 − x1
f (x0 )
de donde x1 = x0 − f 0 (x0 ) bajo el valor inicial x0 .
En resumen: Para resolver la ecuación f (x) = 0 según el método de Newton se requiere conocer un valor inicial x0
bajo este valor inicial se realizan las iteraciones atravez de la relación

f (xi )
xi+1 = xi −
f 0 (xi )
para asi poder determinar un valor aproximado x = xi+1 para la ecuación f (x) = f (xi+1 ) → 0

Ejemplo 8. Encuentre una aproximacion de la raiz positiva para la ecuación f (x) = 0 donde f (x) = senx−x4 +0,5
utilizando el métodos de Newton

Solución: Para la solución al ejercicio tomemos el intervalo [0,8, 1,5] y sea x0 = 1,5 asi las iteraciones será:
Iteración cero: Tomemos como valor inicial x0 = 1,5
Primera iteración: Notemos f 0 (x) = cosx − 4x3 por tanto

4
f (x0 ) sen (1,5) − (1,5) + 0,5
x1 = x0 − 0
= 1,5 − 3 = 1,2345
f (x0 ) cos (1,5) − 4 (1,5)

24
 METODOS NUMERICOS

4
asi x1 = 1,2345 y f (x1 ) = sen (0,2345) − (0,2345) + 0,5 = −0,8786
Segunda iteración:

4
f (x1 ) sen (1,2345) − (1,2345) + 0,5
x2 = x1 − 0
= 1,2345 − 3 = 1,1124
f (x1 ) cos (1,2345) − 4 (1,2345)
4
asi x2 = 1,1124 y f (x2 ) = sen (0,2345) − (0,2345) + 0,5 = −0,8786
Tercera iteración:

4
f (x2 ) sen (1,1124) − (1,1124) + 0,5
x3 = x2 − = 1,1124 − 3 = 1,0858
f 0 (x2 ) cos (1,1124) − 4 (1,1124)
4
asi x3 = 1,0854 y f (x3 ) = sen (1,085) − (1,085) + 0,5 = −0,0053
Cuarta iteración:

4
f (x3 ) sen (1,0854) − (1,0854) + 0,5
x4 = x3 − 0
= 1,0854 − 3 = 1,0847
f (x3 ) cos (1,0854) − 4 (1,0854)
4
asi x4 = 1,0847 y f (x4 ) = sen (1,0847) − (1,0847) + 0,5 = −0,0002
Para analizar mejor el ejercicio es recomendable trabajar las iteraciones baja el siguiente esquema
f (xi )
xi xi+1 = xi − f 0 (xi ) f (xi ) |xi − valor exacto|
f (x0 )
x0 = 1,5 x1 = x0 − f 0 (x0 ) = 1,2345 f (1,5) = −3,5650
f (x1 )
x1 = 1,2345 x2 = x1 − f 0 (x1 ) = 1,1124 f (1,2345) = −0,8786
f (x2 )
x2 = 1,1124 x3 = x2 − f 0 (x2 ) = 1,0858 f (x2 ) = −0,1345
f (x3 )
x3 = 1,0858 x4 = x3 − f 0 (x3 ) = 1,0847 f (x3 ) = −0,0053
f (x4 )
x4 = 1,0847 x5 = x4 − f 0 (x4 ) = 1,0847 f (x4 ) = −0,0002 |x4 − valor exacto| = 0,001

una solución aproximada a la ecuación senx − x4 + 0,5 = 0 es x ∼

= 1,0847

Ejemplo 9. Determinar la raiz real aproximada de la ecuación f (x) = 0 donde f (x) = x5 − x2 + 1 en el intervalo
[−1,5, 0] mediante el método de Newtón.

Solución: Para la solución al ejercicio tomemos el intervalo [−1,5, 0] y sea x0 = −1,5 asi las iteraciones será:
Iteración cero: Tomemos como valor inicial x0 = −1,5
Primera iteración: Notemos f 0 (x) = 5x4 − 2x por tanto

5 2
f (x0 ) (−1,5) − (−1,5) + 1
x1 = x0 − = −1,5 − 4 = −1,19
f 0 (x0 ) 5 (−1,5) − 2 (−1,5)
5 2
asi x1 = −1,19 y f (−1,19) = (−1,19) − (−1,19) + 1 = −2,8
Segunda iteración:

5 2
f (x1 ) (−1,19) − (−1,19) + 1
x2 = x1 − = −1,19 − 4 = −0,96
f 0 (x1 ) 5 (−1,19) − 2 (−1,19)
5 2
asi x2 = −0,96 y f (−0,96) = (−0,96) − (−0,96) + 1 = −0,74

25
 METODOS NUMERICOS

Tercera iteración:

5 2
f (x2 ) (−0,96) − (−0,96) + 1
x3 = x2 − 0
= −0,96 − 4 = −0,84
f (x2 ) 5 (−0,96) − 2 (−0,96)
5 2
asi x3 = −0,84 y f (−0,84) = (−0,84) − (−0,84) + 1 = −0,12
una solución aproximada a la ecuación x5 − x2 + 1 = 0 es x ∼
= −0,84
√
Ejemplo 10. Aproximar 10 usando dos iteraciones por el metodo de Newton, con una estimacion inicial de
x0 = 3

Solución: Para el método de Newton se requiere de una función f : [a, b] → R derivable en su dominio, un valor
inicial x0 para poder determinar una solución aproximada a la ecuación f (x) = 0.
En nuestro ejercicio se tiene el valor inicial x0 = 3 y como no se tiene la función supongamos que muestra función
de trabajo sea: f : [3, 4] → R donde f (x) = x2 − 10 asi por el método de Newton
Iteración cero: Sea x0 = 3
Primera iteración: Notemos que f 0 (x) = 2x asi

2
f (x0 ) (3) − 10
x1 = x0 − =3− = 3,17
f 0 (x0 ) 2 (3)
2
asi x1 = 3,17 y f (x1 ) = f (3,17) = (3,17) − 10 = 0,05
Segunda iteración:

2
f (x1 ) (3,17) − 10
x2 = x1 − 0
= 3,17 − = 3,16
f (x1 ) 2 (3,17)
2
asi x2 = 3,16 y f (x2 ) = f (3,16) = (3,16) − 10 = −0,01.
Por tanto el valor aproximado buscado es 3,16

Ejemplo 11. La suma de 2 números es 20. Si a cada uno se agrega su raiz cuadrada, el producto de las 2 sumas
es 155.55. Determine los dos números utilizando el método de Newton
√ √

Solución: Sean x e y los dos números, entonces x + y = 20 y (x + x) y + y = 155,55 ahora hay que resolver el
sistema

x + y = 20 (1)
√ √

(x + x) y + y = 155,55 (2)
despejando y de la ecuación (1) y remplazando en la ecuación (2) se tiene

√
√

x + x 20 − x + 20 − x = 155,55
√
√

o equivalentemente x + x 20 − x + 20 − x − 155,55 = 0 asi la función es f : [5, 8] → R donde f (x) =
| {z }
f (x)
√ √   √ √  
(x + x) 20 − x + 20 − x − 155,55 y f 0 (x) = 1 + 2√
1 1



x
20 − x + 20 − x + (x + x) −1 − 2√20−x
Caso 1: Sea x0 = 5

26
 METODOS NUMERICOS

f (xi )
xi xi+1 = xi − f 0 (xi ) f (xi )
√ √
(5+ 5)(20−5+ 20−5)−155,55 √
√

x0 = 5 x1 =5−   √ √   = 6,27 f (5) = 5 + 5 20 − 5 + 20 − 5
1
1+ 2√ 5
(20−5+ 20−5)+(5+ 5) −1− 2√20−5
1
√ √
(6,27+ 6,27)(20−6,27+ 20−6,27)−155,55
x1 = 6,27 x2 = 6,27 −   √ √   = 6,50 f (6,27) = −2,57
1+ 2√6,27 (20−6,27+ 20−6,27)+(6,27+ 6,27) −1− 2√20−6,27
1 1
√ √
(6,50+ 6,50)(20−6,50+ 20−6,50)−155,55
x2 = 6,50 x3 = 6,50 −   √ √   = 6,51 f (6,50) = −0,13
1+ 2√6,50 (20−6,50+ 20−6,50)+(6,50+ 6,50) −1− 2√20−6,50
1 1
√ √
(6,51+ 6,51)(20−6,51+ 20−6,51)−155,55
x3 = 6,51 x4 = 6,51 −   √ √   = 6,51 f (6,51) = −0,03
1+ 2√6,51 (20−6,51+ 20−6,51)+(6,51+ 6,51) −1− 2√20−6,51
1 1

x4 = 6,51

con este resultado de la table se puede decir que un valor aproximado es x = 6,51 y el de y es y = 20 − 6,51 = 13,49
√ √

Caso 2: Sea x0 = 14 (se esta trabajando con la función f : [12, 14] → R definida f (x) = (x + x) 20 − x + 20 − x −
155,55

f (xi )
xi xi+1 = xi − f 0 (xi ) f (xi )
√ √
(14+ 14)(20−14+ 20−14)−155,55 √

x0 = 14 x1 = 14 −   √ √   = 13,52 f (14) = 14 + 14 20 − 1
1+ 2√114 (20−14+ 20−14)+(14+ 14) −1− 2√20−14
1
√ √
(13,52+ 13,52)(20−13,52+ 20−13,52)−155,55
x1 = 13,52 x2 = 13,52 −   √ √   = 13,49 f (13,52) = −0,34
1
1+ 2√13,52 (20−13,52+ 20−13,52)+(13,52+ 13,52) −1− 2√20−13,52
1
√ √
(13,49+ 13,49)(20−13,49+ 20−13,49)−155,55
x2 = 13,49 x3 = 13,49 −   √ √   = 13,49 f (13,49) = −0,03
1
1+ 2√13,49 (20−13,49+ 20−13,49)+(13,49+ 13,49) −1− 2√20−13,49
1

x3 = 13,49

con este resultado de la table se puede decir que un valor aproximado es x = 13,49 y el de y es y = 20−13,49 = 6,51
( 1
(x − 1) 2 + xy − 5 = 0
Ejemplo 12. Resuelva el sistemas de ecuaciones por medio del método de Newton.
y − senx2 = 0
( 1
(x − 1) 2 + xy − 5 = 0
Solución: Del sistema de ecuaciones de la ecuación dos despejemos la variable y, es decir
y − senx2 = 0
y = senx2 y remplacemos este despeje en la ecuación uno, es decir

1
(x − 1) 2 + xsenx2 − 5 = 0
| {z }
f (x)

ahora resolvamos la ecuación f (x) = 0 por el método de Newton, para esto notemos que

1
f 0 (x) = √ + senx2 + 2x2 cosx2
2 x−1
Iteración cero: x0 = 3,65
Primera iteración:

1 2
f (x0 ) (3,65 − 1) 2 + (3,65) sen (3,65) − 5
x1 = x0 − = 3,65 − 2 2 2 = 3,6926
f 0 (x0 ) √ 1 + sen (3,65) + 2 (3,65) cos (3,65)
2 3,65−1
1 2
así x1 = 3,6926 y f (x1 ) = f (3,6926) = (3,6926 − 1) 2 + (3,6926) sen (3,6926) − 5 = −0,1220

27
 METODOS NUMERICOS

Segunda iteración:

1 2
f (x1 ) (3,6926 − 1) 2 + (3,6926) sen (3,6926) − 5
x2 = x1 − = 3,6926 − 2 2 2 = 3,7011
f 0 (x1 ) √ 1 + sen (3,6926) + 2 (3,6926) cos (3,6926)
2 3,6926−1
1 2
así x2 = 3,7011 y f (x2 ) = f (3,6926) = (3,6926 − 1) 2 + (3,6926) sen (3,6926) − 5 = −0,0061
de esta forma para dos iteraciones un valor aproximado para x es 3,7011 y el valor aproximado para y seria
2
y = senx2 = sen (3,7011) = 0,9052 en resumen una solución aproximada al sistema
( 1
(x − 1) 2 + xy − 5 = 0
y − senx2 = 0
es x ∼
= 3,7011 e y ∼
= 0,9052

2 x
Ejemplo 13. Mediante el método de Newton resuelva la ecuación 4x − x + e 4 = 0 tomando como valor inicial a
x0 = 1
x x
Solución: Notemos que f (x) = 4x − 2
x + e 4 y f 0 (x) = 4 + 2
x2 + 41 e 4
Iteración cero: x0 = 1
Primera iteración:

1
f (x0 ) 4 (1) − 12 + e 4
x1 = x0 − 0 =1− 1 = 0,48
f (x0 ) 4 + 122 + 14 e 4
0,48
2
así x1 = 0,48 y f (x1 ) = f (0,48) = 4 (0,48) − 0,48 +e 4 = 3,28
Segunda iteración:

0,48
2
f (x1 ) 4 (0,48) − 0,48 +e 4
x2 = x1 − 0 = 0,48 − 0,48 = 0,57
f (x1 ) 2 1
4 + (0,48)2 + 4 e 4
0,57
2
así x2 = 0,57 y f (x2 ) = f (0,57) = 4 (0,57) − 0,57 +e 4 = −1,12
Tecera iteración:

0,57
2
f (x2 ) 4 (0,57) − 0,57 +e 4
x3 = x2 − 0 = 0,57 − 0,57 = 0,58
f (x2 ) 2 1
4 + (0,57)2 + 4 e 4
0,58
2
así x3 = 0,58 y f (x3 ) = f (0,58) = 4 (0,58) − 0,58 +e 4 = −0,08

Ejemplo 14. Al principio de cada año un banco deposita v euros en un fondo de inversión y retira un capital
de M euros al final del n-ésimo año. Mediante el método de Newton se pretende calcular el tipo medio de interés
anual r de esta inversión, sabiendo que M está relacionada con r por la siguiente ecuación.

n
X k
M =v (1 + r)
k=1

o también

28
 METODOS NUMERICOS

1+r n
M =v [(1 + r) − 1]
r
(Sugerencia analice el caso cuando v = 10000 euros y que despues de 5 años M = 60000 euros)

Solución:

Ejemplo 15. Determinar por el método de Newton la raiz positiva de la función f (x) = x10 − 1 tomando como
valor inicial x0 = 0,5

Solución:

Ejemplo 16. Determinar la raiz real positiva menor de la ecuación f (x) = 0 donde f (x) = x4 − 10x + 5 mediante
el método de la Newton.

Solución:

2.4. Método de la Regla Falsa:

Para resolver la ecuación f (x) = 0 mediante el método de la regla falsa se requiere que la función f : [a, b] → R sea
derivable, entonces por la sección 2.3 (Método de Newton) se tiene

f (xi )
xi+1 = xi − (1)
f 0 (xi )
también por el Calculo Diferencial e Integral I, la derivada de la función f en el punto xi se define

f (x) − f (xi )
f 0 (xi ) = lim
x→xi x − xi
para este método se asumira que f 0 (xi ) ∼
=
f (x)−f (xi )
x−xi si x → xi , por lo tanto la relación (1) es equivalente

f (xi )
xi+1 = xi − f (x)−f (xi )
x−xi

i )(xi−1 −xi )
asi la relación anterior es equivalente xi+1 = xi − ff(x
(xi−1 )−f (xi ) que corresponde a la forma iterativa del método de
la regla falsa baja los valores iniciales xi−1 y xi . Y para garantizar que estas sucesiones converjan al valor exacto
es necesario y suficiente que f (xi+1 ) → 0

Ejemplo 17. Determinar una solución aproximada a la ecuación 4x4 + 3x3 − 2x2 + 4x − 8 = 0.

Solución: Notemos que f (x) = 4x4 + 3x3 − 2x2 + 4x − 8 es derivable y sean x0 = 1 y x1 = 0,5 por tanto

29
 METODOS NUMERICOS

f (xi )(xi−1 −xi )

xi f (xi ) xi+1 = xi − f (xi−1 )−f (xi ) error absoluto
x0 = 1 f (x0 ) = f (1) = 1
f (0,5)(1−0,5)
x1 = 0,5 f (x1 ) = f (0,5) = −5,88 x2 = 0,5 − f (1)−f (0,5) = 0,93 |x1 − x0 | = |0,5 − 1| = 0,5
x2 = 0,93 f (x2 ) = f (0,93) = −0,60 x3 = 0,93 − f (0,93)(0,5−0,93)
f (0,5)−f (0,93) = 0,98 |x2 − x1 | = 0,43
f (x3 )(x2 −x3 )
x3 = 0,98 f (x3 ) = f (0,98) = 0,51 x4 = x3 − f (x2 )−f (x3 ) = 0,96 |x3 − x2 | = 0,05
4 )(x3 −x4 )
x4 = 0,96 f (x4 ) = f (0,96) = 0,05 x5 = x4 − ff(x
(x3 )−f (x4 ) = 0,96 |x4 − x3 | = 0,02
 
valor exacto 0

x2
Ejemplo 18. Determinar una solución aproximada a la ecuación f (x) = 0 donde f (x) = x3 − 2 − 3x + 2 en el
intervalo [−1, 1] con un error de 10−4 = 0,0001.

x2
Solución: Notemos que la función en este ejercicio es: f : [−1, 1] → R definida por f (x) = x3 − 2 − 3x + 2 y
derivable, Tomemos los valores iniciales x0 = −1 y x1 = 1

xi f (xi ) error absoluto

x0 = −1 f (−1) = 3,5
x1 = 1 f (1) = −0,5 |1 − (−1)| = 2
f (x1 )(x0 −x1 )
x2 = x1 − f (x0 )−f (x1 ) = 0,75 f (0,75) = −0,1094 |0,75 − 1| = 0,25
f (x2 )(x1 −x2 )
x3 = x2 − f (x1 )−f (x2 ) = 0,68 f (0,68) = 0,0432 |0,68 − 0,75| = 0,07
f (x3 )(x2 −x3 )
x4 = x3 − f (x2 )−f (x3 ) = 0,6998 f (0,6998) = −0,0016 |0,6998 − 0,68| = 0,0198
x5 = 0,6991 f (0,6991) = 0 |0,6991 − 0,6998| = 0,0007
x6 = 0,6991 f (0,6991) = 0 |0,6991 − 0,6991| = 0

x2
así x = 0,6991 es una solución aproximada a la ecuación x3 − 2 − 3x + 2 = 0

Ejemplo 19. En el intervalo [3,2, 4,0] mediante el método de la regla falsa determinar x0 , x1 , x2 y x3 para la
ecuación ln(x) − 5 + x = 0

Solución: Notemos que la función en este ejercicio es f : [3,2, 4,0] → R definida por f (x) = ln (x) + x − 5 que es
derivable, y tomenos los los siguientes valores iniciales x0 = 3,2 y x1 = 4,0 de esta forma la s iteraciones son:
Iteración Cero: x0 = 3,2
Primera iteración: x1 = 4,0
Segunda iteración:
f (x1 )(x0 −x1 )
x2 = x1 − f (x0 )−f (x1 )
= 4,0 − ff(4,0)(3,2−4,0)
(3,2)−f (4,0)
(ln(4)+4−5)(3,2−4,0)
= 4,0 − (ln(3,2)+3,2−5)−(ln(4)+4−5)
= 3,7

de donde x2 = 3,7
Tercera iteración:

30
 METODOS NUMERICOS

f (x2 )(x1 −x2 )

x3 = x2 − f (x1 )−f (x2 )
= 3,7 − ff(3,7)(4,0−3,7)
(4,0)−f (3,7)
(ln(3,7)+3,7−5)(4,0−3,7)
= 3,7 − (ln(4,0)+4,0−5)−(ln(3,7)+3,7−5)
= 3,69

de donde x3 = 3,7 que sería una solución aproximado a la ecuación ln(x) − 5 + x = 0

Ejemplo 20. Determinar la raiz real aproximada de la ecuación f (x) = 0 donde f (x) = cosx − x en el intervalo
0,5, π2 mediante el método de la regla falsa.
 

Solución: En este ejercicio la función es f : 0,5, π2 → R definida f (x) = cosx − x así esta función es derivable,
 

π
entonces sean x0 = 0,5 y x1 = 2 así por el método de la regla falsa se tiene

xi f (xi )
x0 = 0,5 f (0,5) = cos (0,5) − 0,5 = 0,38
π
f ( π2 ) = cos π2 − π2 = −1,57


x1 = 2
f (x1 )(x0 −x1 ) π (cos( π2 )− π2 )(0,5− π2 )
x2 = x1 − f (x0 )−f (x1 ) = 2 − (cos(0,5)−0,5)−(cos( π
= 0,71 f (0,71) = cos (0,71) − 0,71 = 0,05
2 )− 2 )
π

f (x2 )(x1 −x2 ) (cos(0,71)−0,71)( π −0,71)

x3 = x2 − f (x1 )−f (x2 ) = 0,71 − 2
= 0,74 f (0,74) = cos (0,74) − 0,74 = 0
(cos( π2 )− π2 )−(cos(0,71)−0,71)
de esta forma se observa que una solución aproximada para la ecuación cosx − x = 0 es x = 0,74
1
7−(16) x
Ejemplo 21. Dada la función f (x) = 1 verificar que existe un punto en el intervalo abierto (2, 4) en el que
1+(16) x
f toma el valor 1.
1
7−(16) x
Solución: Según el ejercicio se pretende determinar el número 2 < x < 4 tal que 1 = 1 o equivalentemente se
1+(16) x
1
7 − (16) x
pretende determinar un número 2 < x < 4 tal que 1 − 1 = 0, así por el método de la regla falsa se tiene
1 + (16) x
| {z }
g(x)

xi g(xi )
1
7−(16) 2
x0 = 2 g(2) = 1 − 1 = −0,40
1+(16) 2
1
7−(16) 4
x1 = 4 g(4) = 1 − 1 = 0,67
! 1+(16) 4
1
7−(16) 4
1 −1 (2−4) 1
g(x1 )(x0 −x1 ) 1+(16) 4 7−(16) 2,75
x2 = x1 − g(x0 )−g(x1 ) =4− 1
! 1
! = 2,75 g(2,75) = 1 − 1 = 0,14
7−(16) 2 7−(16) 4 1+(16) 2,75
1 −1 − 1 −1
1+(16) 2 1+(16) 4
1 !
7−(16) 2,75
1 −1 (4−2,75) 1
g(x2 )(x1 −x2 ) 1+(16) 2,75 7−(16) 2,42
x3 = x2 − g(x1 )−g(x2 ) = 2,75 − 1
! 1 ! = 2,42 g(2,42) = 1 − 1 = −0,07
7−(16) 4 7−(16) 2,75 1+(16) 2,42
1 −1 − 1 −1
1+(16) 4 1+(16) 2,75

de esta forma se observa que el valor númerico adecuado en el intervalo (2, 4) es 2,42 para que f (2,42) sea aproxi-
madamente 1.

Ejemplo 22. Determinar la raiz real positiva menor de la ecuación f (x) = 0 donde f (x) = x4 − 10x + 5 mediante
el método de la regla falsa.

31
 METODOS NUMERICOS

Solución: Notemos que la función f (x) = x4 − 10x + 5 es derivable y tomemos los valores iniciales x0 = 0,4 y
x1 = 0,6
f (xi )(xi−1 −xi )
xi f (xi ) xi+1 = xi − f (xi−1 )−f (xi )
x0 = 0,4 f (0,4) = 1,0256
f (0,6)(0,4−0,6)
x1 = 0,6 f (0,6) = −0,8704 x2 = 0,6 − f (0,4)−f (0,6) = 0,5082
x2 = 0,5082 f (0,5082) = −0,0153 x3 = 0,5082 − f (0,5082)(0,6−0,5082)
f (0,6)−f (0,5082) = 0,5066
x3 = 0,5066 f (0,5066) = −0,0001 x4 = 0,5066 − f (0,5066)(0,5082−0,5066)
f (0,5082)−f (0,5066) = 0,5066
x4 = 0,5066 ↓
↓ 0
valor exacto

así .un valor aproximado a la ecuación x4 − 10x + 5 = 0 es x = 0,5066

2
Ejemplo 23. Resolver la ecuación f (x) = 0 donde f (x) = x (x + 1) − 1 mediante el método de la regla falsa

Solución: Notemos que el dominio de la función f es R y sean x0 = 0 y x1 = 1 dos valores iniciales, entonces las
iteraciones serán
f (xi )(xi−1 −xi )
xi f (xi ) xi+1 = xi − f (xi−1 )−f (xi )
x0 = 0 f (0) = −1
f (1)(0−1)
x1 = 1 f (1) = 3 x2 = 1 − f (0)−f (1) = 0,25
x2 = 0,25 f (0,25) = −0,6094 x3 = 0,25 − f (0,25)(1−0,25)
f (1)−f (0,25) = 0,3766
x3 = 0,3766 f (0,3766) = −0,2863 x4 = 0,3766 − f (0,3766)(0,25−0,3766)
f (0,25)−f (0,3766) = 0,4888
x4 = 0,4888 f (0,4888) = 0,0835
↓ ↓
valor exacto 0
2
así una solución aproximada a la ecuación x (x + 1) − 1 = 0 es x = 0,4888

Ejemplo 24. Determine la raíz real aproximada de la ecuación xlog10 (x) − 10 = 0 mediante el método de la regla
falsa utilizando los valores iniciales x0 = 8, x1 = 9 con cinco iteraciones.

Solución: Así por el método de la regla falsa se realizarian las siguientes iteraciones
f (xi )(xi−1 −xi )
xi f (xi ) xi+1 = xi − f (xi−1 )−f (xi )
x0 = 8 f (8) = 8log10 (8) − 10 = −2,7753
f (9)(8−9)
x1 = 9 f (9) = 9log10 (9) − 10 = −1,4118 x2 = 9 − f (8)−f (9) = 10,0355
x2 = 10,0355 f (10,0355) = 0,0509 x3 = 10,0355 − f (10,0355)(9−10,0355)
f (9)−f (10,0355) = 9,9994
x3 = 9,9994
x4 = 10
 
valor exacto 0

32
 METODOS NUMERICOS

2.5. Método del Punto Fijo:

Para resolver la ecuación f (x) = 0 mediante el método del punto fijo primero se “despeja la variable x” de la
ecuación para obtener una relación de la forma

x = g(x) (1)

donde la función g(x) tiene que ser continua. La relación anterior (1) nos representa una forma para iniciar las
iteraciones bajo un valor inicial x0 y asi determinar una solución aproximado para la ecuación, es decir

Ejemplo 25. Determinar un valor aproximado para la ecuación f (x) = 0 donde f (x) = 4x4 + 3x3 − 2x2 + 4x − 8

Solución: “Despejando la variable x de la ecuación f (x) = 0” se tiene

4x4 + 3x3 − 2x2 − 8

x=−
| {z4 }
g(x)

también otra forma de despejar x seriá

4x4 + 3x3 + 4x − 8
x=
| 2x
{z }
g(x)

4x4 + 3x3 − 2x2 − 8

Realicemos las itertaciones para el despeje x = − bajo el valor inicial x0 = 0,8
| {z4 }
g(x)

xi f (xi ) xi+1 = g(xi )

x0 = 0,800 f (0,8) = −2,906 x1 = g(0,800) = 1,526
x1 = 1,526 f (1,526) = 25,728 x2 = g(1,526) = −4,924
x2 = −4,924 f (−4,924) = 1917,084 x3 = g(−4,924) =
 
valor exacto 0

4x4 + 3x3 + 4x − 8
Por otro lado, realicemos las itertaciones para el despeje x = bajo el valor inicial x0 = 1
| 2x
{z }
g(x)

xi f (xi ) xi+1 = g(xi )

x0 = 1 f (1) = 1 x1 = g(1) = 1,5
x1 = 1,5 f (1,5) = 8,69 x2 = g(1,5) =

 
valor exacto 0

Ejemplo 26. Determinar un valor aproximado para la ecuación f (x) = 0 donde f (x) = cosx − x

33
 METODOS NUMERICOS

Solución: Según el método del punto fijo primero realicemos el siguiente despeje x = cosx
|{z} y como g(x) es una
g(x)
función continua así tomemos el valor inicial x0 = 1

xi f (xi ) xi+1 = g(xi )

x0 = 1 f (1) = cos (1) − 1 = −0,46 x1 = g(1) = cos (1) = 0,54
x1 = 0,54 f (0,54) = cos (0,54) − 0,54 = 0,32 x2 = g(0,54) = cos (0,54) = 0,86
x2 = 0,86 f (0,86) = cos (0,86) − 0,86 = −0,21 x3 = g(0,86) = cos (0,86) = 0,65
x3 = 0,65 f (0,65) = cos (0,65) − 0,65 = 0,15
 
valor exacto 0

Para tener una mayor seguridad en el despeje de la variable x, es conveniente elegir un despeje que cumpla la
condición |g 0 (x0 )| < 1
En resumen: Para el método del punto fijo:
1. Se realiza el despeje de la forma

xi+1 = g(xi )

2. Se toma un valor inicial x0

3. Para trabajar de forma adecuada las iteraciones, se verifica si el criterio |g 0 (x0 )| < 1 se cumple
4. Se realiza las iteraciones controlando que f (xi ) → 0
2
Ejemplo 27. Resolver la ecuación f (x) = 0 donde f (x) = x (x + 1) − 1 mediante el método del punto fijo

Solución: Según la recomendación anterior

1
1. x = 2
(x + 1)
| {z }
g(x)
2. Sea x0 = 1
 0
−2 −3
3. Derivando la función g se tiene g 0 (x) = (x + 1) 2
= −2 (x + 1) = − (x+1)3 por tanto

 
 2 
|g 0 (x0 )| = −  = |−0,25| = 0,25 < 1
 
 (1 + 1)3 
4. Asi las iteraciones son:

xi f (xi ) xi+1 = g(xi )

x0 = 1 f (1) = 3 x1 = g(1) = 0,25
x1 = 0,25 f (0,25) = −0,6093 x2 = g(0,25) = 0,6400
x2 = 0,6400 f (0,6400) = 0,7213 x3 = g(0,6400) = 0,3718
x3 = 0,3718 f (0,3718) = −0,3003 x4 = g(0,3718) = 0,5313
x4 = 0,5313 f (0,5313) = 0,2458
 
valor exacto 0

34
 METODOS NUMERICOS

2
por tanto una solución aproximada a la ecuación x (x + 1) − 1 = 0 es x = 0,5313
  13
x−1
Ejemplo 28. Resolver la ecuación f (x) = 0 donde f (x) = 4 + x+1 − x mediante el método del punto fijo

Solución: Según la recomendación anterior

1. Sea el despeje

  31
x−1
x=4+
x+1
| {z }
g(x)

2. Tomemos como valor inicial a x0 = 6

3. Veamos si el criterio se verifica, es decir

  13 !0   13 −1 !
−2
! 23
x−1 1 x−1 x + 1 − (x − 1) 2 (x − 1) 3 2 1
g 0 (x) = 4+ = 2 = − 2 = 2
x+1 3 x+1 (x + 1) 3 (x + 1) 3 (x + 1) 2 3 (x − 1) (x + 1)
 
  23 
asi |g 0 (x0 )| = |g 0 (6)| =  23 (6−1)(6+1)
1
2
 = 0,02 < 1

4. Asi las iteraciones son:

xi f (xi ) xi+1 = g(xi )

x0 = 6 f (6) = −1,106 x1 = g(6) = 4,894
x1 = 4,894 f (4,894) = −0,023 x2 = g(4,894) = 4,871
x2 = 4,871 f (4,871) = −0,001 x3 =

 
valor aproximado 0
  13
x−1
por tanto un valor aproximado a la acuación 4 + x+1 − x = 0 es x = 4,871

Ejemplo 29. De la siguiente ecuación f (x) = 0 donde f (x) = x3 − 10x − 5 despejando x, se tienen las siguientes
ecuaciones de la forma x = g(x)
√
3 10x+5
a) x = 10x + 5 b) x = x2

calcule una raiz aproximada por el método del punto fijo, tomando en cuenta el crioterio |g 0 (x)| < 1 y el valor
inicial x0 = 1, en ambos casos, y determine cual ecuación converge a una raiz de f (x).
Solución: Para el inciso a)
√3
1. Despejemos x, es decir x = 10x + 5
| {z }
g(x)
2. Tomemos como valor inicial a x0 = 1
3. Veamos si el criterio se verifica, es decir

35
 METODOS NUMERICOS

 1
0 1 1 10
−1
g 0 (x) = (10x + 5) 3 = (10x + 5) 3 (10) = q
3 3 2
3 (10x + 5)
   
0 0
 10
  
asi |g (x0 )| = |g (1)| =  √  =  √ 10  = 0,55 < 1
3 2  3 2
3 (10(1)+5) 3 (10(1)+5)
4. Asi las iteraciones son:
xi f (xi ) xi+1 = g(xi )
x0 = 1 f (1) = −14 x1 = g(1) = 2,47
x1 = 2,47 f (2,47) = −14,63 x2 = g(2,47) = 3,1
x2 = 3,1 f (3,1) = −6,21 x3 = g(3,1) = 3,30
x3 = 3,30 f (3,30) = −2,06
 
valor aproximado 0
por tanto un valor aproximado a la acuación x3 − 10x − 5 = 0 es x = 3,30
Para el inciso b)
10x + 5
1. Despejemos x, es decir x = 2
| x
{z }
g(x)
2. Tomemos como valor inicial a x0 = 1
3. Veamos si el criterio se verifica, es decir
 
 10 (1) + 10 
|g 0 (x0 )| = −  = |−20| = 20 > 1
 
3
 (1) 
por tanto el despeje realizado en este inciso no es adecuado para iniciar las iteraciones.
¿Que pasa si se realizan las iteraciones?

xi f (xi ) xi+1 = g(xi )

x0 = 1 f (1) = −14 x1 = g(1) = 15
x1 = 15 f (15) = 3220 x2 = g(15) = 0,69
x2 = 0,69 f (0,69) = −11,57 x3 = g(0,69) = 24,99
x3 = 24,99 f (24,99) = 15351,36
 
valor exacto 0
observamos que realmente el despeje o el valor inicial no son adecuados.
2
Ejemplo. Resolver la ecuación f (x) = 0 donde f (x) = x (x + 1) − 1 mediante el método del punto fijo

Solución: Notemos que el dominio de la función es todo el conjunto de los números reales.
1. Despejemos x, es decir

1
x= 2
(x + 1)
| {z }
g(x)

36
 METODOS NUMERICOS

2. Tomemos como valor inicial a x0 = 1

3. Veamos si el criterio se verifica, es decir
 
0
 2 
|g (1)| = −  = |−0,25| = 0,25 < 1
 
3
 (1 + 1) 
4. Realizar las iteraciones
1
xi f (xi ) xi+1 = (xi +1)2
1
x0 = 1 f (1) = 3 x1 = (1+1)2
= 0,25
1
x1 = 0,25 f (0,25) = −0,6094 x2 = (0,25+1)2
= 0,6400
1
x2 = 0,6400 f (0,6400) = 0,7213 x3 = (0,6400+1)2
= 0,3718
1
x3 = 0,3718 f (0,3718) = −0,3003 x4 = (0,3718+1)2
= 0,5314
x4 = 0,5314
↓
valor exacto 0
2
así una solución aproximada de la ecuación x (x + 1) − 1 = 0 es x = 0,5314

Ejemplo 30. De la siguiente ecuación f (x) = x3 − 10x − 5 despejando x, se tienen las siguientes ecuaciones de la
forma x = g(x)
√
3 10x+5
a) x = 10x + 5 b) x = x2

calcule una raiz aproximada por el método del punto fijo, tomando en centa el criterio |g 0 (x)| < 1 y el valor inicial
x0 = 1, en ambos casos, y determine cual ecuación converge a una raiz de g(x).
Solución: Veamos si se verifica en ambos incisos el criterio |g 0 (x)| < 1 para el valor inicial x0 = 1
√
Para x = 3 10x + 5 notemos que g 0 (x) = √ 3
10
2
3 (10x+5)
 
 
0
 10 
|g (x0 )| =  q
  = |0,55| = 0,55 < 1
 3 3 (10 (1) + 5)2 


Ahora realizando las iteraciones se tendrá

1
xi f (xi ) xi+1 = (xi +1)2
x0 = 1 f (1) = −14 x1 = 2,47
x1 = 2,47 f (2,47) = −14,63 x2 =

↓
valor exacto 0

37
 METODOS NUMERICOS

Por otro lado resolvamos g(x) = 0 y ver si la solución aproximada de la ecuación f (x) = 0 es una raiz de la ecuación
g(x) = 0
.....
Para x = 10x+5
x2 notemos que g 0 (x) = − x102 − 10
x3

 
 10 10 
|g 0 (x0 )| = − 2 − 3  = |−20| = 20 > 1
1 1
en este caso no se cumple el criterio, por tanto no hay nada más que hacer.

2.6. Orden de Convergencia

Teorema. (Teorema del valor medio) Sea f : [1, 4] → R una función continua y f (a) ≤ f (b) talque t ∈ [f (a), f (b)],
entonces existe c ∈ (a, b) tal que f (c) = t

Demostración. x

Teorema. (Formula de Taylor) La serie de Taylor se define

f 00 (a) f (n) (a)

f (x − a) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n + Rn
2! n!
donde Rn es denominado resto de la sereie y la función f es derivadas en una vecindad del punto a

Demostración. x

Definición. (Orden de Convergencia) Sea xn una sucesión que converge a b (con xn 6= b) para todo n ∈ N y sean
α > 0 y λ > 0 si

|xn+1 − b|
lim α =λ
n→∞ |xn − b|
entonces se dice que la sucusión xn converge a b con orden α y una constante de error asintótica λ

1
Ejemplo 31. Ver si la sucesión xn = 2n converge para α = 1 y α = 2

1
x: N → R
Solución: Antes de resolver el ejercicio, veamos primero si la sucesión xn = 2n converge, es decir ( )
1
n 7→ 2n

lim xn = lim 1n
n→+∞ n→+∞ 2

n
= lim 1
n→+∞ 2
= 0

esto es verdada ya que en calculo I se demuestra que lim an = 0 para |a| < 1
n→+∞
Para α = 1 según la definición de orden de convergencia se tiene

38
 METODOS NUMERICOS

|xn+1 −b| | 2n+1

1
−0|
lim α = lim 1
n→+∞ |xn −b| n→+∞ | 2n −0|
1

| 2n+1
1
|
= lim
n→+∞ | 2n |
1
1
2n+1
= lim 1
n→+∞ 2n

= lim 2n−n−1
n→+∞
= lim 1
n→+∞ 2
1
= 2

1
por tanto, se dice que la sucusión xn = 2n converge a b = 0 con orden α = 1 y una constante de error asintótica
1
λ= 2
Para α = 2 según la definición de orden de convergencia se tiene
|xn+1 −b| | 2n+1
1
−0|
lim α = lim 2
n→+∞ |xn −b| n→+∞ | 2n −0|
1

| 1
|
= lim 2n+12
n→+∞ | 21n |
1
2n+1
= lim 2
n→+∞ ( 1
2n)
1
2n+1
= lim 1
n→+∞ 22n

= lim 22n−n−1
n→+∞
1
= lim 2n
2 n→+∞

= +∞
|xn+1 −b| 1
por tanto la sucesión |xn −b|α para xn = 2n es divergente (no converge), asi no se puede dar ninguna conclusión.

Definición. (Convergencia lineal o cuadrática) Sea xn una sucesión que converge. Se dice que la sucesión xn
1. Converge linealmente, si el orden de la convergencia es igual a 1
2. Converge cuadraticamente, si el orden de convergencia es igual a 2
lim 1 =?
x→+∞ x

Ejemplo 32. Realizar un analisis segun la definición de convergencia lineal o cuadratica para el ejemplo 29

1
Solución: Segun el ejemplo 29 para α = 1 la sucesión xn = 2n converge linealmente al punto 0. Y para α = 2 no
se puede dicer nada.

2.7. Practica:
1. Determinar la raiz real aproximada de la ecuación f (x) = 0 donde f (x) = x5 − x2 + 1 en el intervalo [−5, 5]
mediante el método de la bisección.
2. ?
3. Determinar la raiz real aproximada de la ecuación f (x) = 0 donde f (x) = cosx − x en el intervalo 0,5, π2
 

mediante el método de la bisección.

4. ?

39
 METODOS NUMERICOS

5. Utilizando el teorema de Bolzano, demostrar que la ecuación x3 + x − 5 = 0 tiene al menos una solución x = a
tal que 1 < a < 2.
6. Sea la función f (x) = x3 − x2 + 1. ¿Se puede afirmar que existe al menos un punto c en el interior del intervalo
[1, 2] tal que f (c) = 0?
7. Demostrar que la ecuación e−x + 2 = x tiene al menos una solución real.
8. ?
9. Determinar por el método de Newton la raiz positiva de la función f (x) = x10 − 1 tomando como valor inicial
x0 = 0,5
10. Determinar la raiz real positiva menor de la ecuación f (x) = 0 donde f (x) = x4 − 10x + 5 mediante el método
de la Newton.
11. Determine la raíz real máxima de la ecuación x3 − 6x2 + 11x − 6,1 = 0 mediante el método de la regla falsa
12. Determine la raíz real mínima de la ecuación 7sen (x) e−x − 1 = 0 mediante el método de la regla falsa
13. ?
14. Mediante el método de la regla falsa aproximar una raíz de la ecuación arctg (x) − (x) − 1 = 0 en el intervalo
[0, 1] y realizando cinco iteraciones.
15. Mediante el método de la regla falsa, determine una raíz aproximada de la ecuación e−x − x = 0 para x0 = 0 y
x1 = 1 con cinco iteraciones y si el valor exacto de la ecuación en el intervalo [0, 1] es x = 0,56714329 determinar
el error absoluto.
16. ?
17. Utilizando el método del punto fijo determine una raíz aproximada de la ecuación cos (x) − x = 0 tomando
como valor inicial a x0 = 0 y hasta que error porcentual sea < 1 %
18. Mediante el método del punto fijo determinar una solución aproximada a la ecuación x2 − 2x − 3 = 0 para
x0 = 4 y determinar el error absoluto para cinco iteraciones

40
CAPÍTULO 3

Calculo Diferencial e Integral con Métodos Númericos

3.1. Integración Rectangular

El universo de trabajo de la materia de Calculo diferencial e Integral I es R en donde se estudia
1. limites (limite de sucesiones, limite de series y limite de funciones)
en los limites de funciones se tienen las siguientes propiedades
a) lim (f (x) ± g(x)) = lim (f (x)) ± lim (g(x))
x→a  x→a   x→a 
b) lim (f (x)g(x)) = lim f (x) lim g(x)
x→a x→a x→a
  lim f (x)
c) lim fg(x)
(x)
= x→a
lim g(x)
x→a x→a  
d) Si la función f (x) es continua en su dominio, entonces lim f (g(x)) = f lim g(x)
x→a x→a
2. derivadas (derivada explicita y derivada implicita)
en las derivadas de funciones se tienen las siguientes propiedades
d d d
a) dx (f (x) ± g(x)) = dx (f (x)) ± dx (g(x))
d d d



b) dx (f (x)g(x)) = (f (x)) dx g(x) + dx f (x) (g(x))
( dx ) ( dx )
  (f (x)) d g(x) − d f (x) (g(x))
d f (x)
c) dx g(x) = (g(x))2
d d d
d) dx f (g(x)) = dx f (g(x)) dx g(x)
Rb R
3. integrales (integrales definidas ( a f (x)dx = un número) e integrales indefinidas ( f (x)dx = una función))
Rb

f (x)dx |ba lo más importante del estudio de las
R
estas integrales se relacionan de la siguiente forma a f (x)dx =
integrales es el primer teorema fundamental del calculo diferencial e integral
Z
f (x)dx = g(x) si y sólo si g 0 (x) = f (x)

en las integrales de funciones se tienen las siguientes propiedades

R R R
a) (f (x) ± g(x)) dx = (f (x)) dx ± (g(x)) dx
y se tienen los métodos de integración

41
 METODOS NUMERICOS

R p(x)
i) fracciones parciales q(x) dx
f (g(u))g 0 (u)du
R R
ii) cambio de variable f (x)dx =
|{z}
x=g(u)
dx=g 0 (u)du
f 0 (x)g(x)dx = f (x)g(x) − f (x)g 0 (x)dx donde f 0 (x)dx = f (x)
R R R
iii) integración por partes
iv) sustitución trigonametrica
esta integral se trabaja bajo la idea de Reimann y dentro de este campo se encuentra el siguiente resultado. Si la
Rb R
función f (x) es continua en [a, b] entonces la integral a f (x)dx existe o f (x)dx existe
2
Calcular e−x dx =?
R

Definición. (1) a) Sea I = [a, b] ⊆ R un intervalo cerrado y acotado. Se denomina partición de I a todo conjunto
de puntos P = {x0 , x1 , ..., xn } tal que a = x0 < x1 < · · · < xn−1 < xn = b.

b) La Norma de una particion P se define

|P | = max {|xk − xk−1 | : k = 1, 2, ..., n}

c) Denotemos por P [a, b] al conjunto de todas las particiones de [a, b]

Ejercicio. Si I = [0, 5] es un intervalo cerrado y acotado y P = {0, 2, 3, 5}, hallar |P |

Solucion: Segun la definicion (1) |P | = max{|0 − 2| , |2 − 3| , |3 − 5|} = 2

Definición. (2) Sea f : [a, b] → R una funcion acotada y P ∈ P [a, b] una particion con P = {a = x0 , x1 , ..., xn = b} .
Sean

mk = inf {f (x) : xk−1 ≤ x ≤ xk } = inf {f (x)}

x∈[xk−1 ,xk ]

Mk = sup{f (x) : xk−1 ≤ x ≤ xk } = sup {f (x)}

x∈[xk−1 ,xk ]

se denominan respectivamente, suma inferior y suma superior de Riemann de la funcion f respecto a la particion
P a las siguientes sumas
n
P n
P
L(f, P ) = mk (xk − xk−1 ) U (f, P ) = Mk (xk − xk−1 )
k=1 k=1

Por las propiedades del supremo y el infimo se observa que L(f, P ) ≤ U (f, P ).

Definición. (3) Sean P, Q ∈ P [a, b]. Se dice que la particion Q refina a la particion P si P ⊂ Q, y se lo denota
por P  Q, Entonces

L(f, P ) ≤ L(f, Q) y U (f, Q) ≤ U (f, P )

Teorema. (1) Sean P, Q ∈ P [a, b] con P  Q, entonces L(f, P ) ≤ L(f, Q) y U (f, Q) ≤ U (f, P )

Demostración. Sin perdida de generalidad supongamos que P = {x0 , ..., xn } y Q = {x0 , ..., xi−1 , p, xi , ..., xn }, asi
la particion Q refina a la particion P (P ⊂ Q), por tanto

|xi − xi−1 | = |(p − xi−1 ) + (xi − p)| ≤ |p − xi−1 | + |xi − p|

42
 METODOS NUMERICOS

es decir |xi − xi−1 | ≤ |p − xi−1 | + |xi − p|, por tanto mi (xi − xi−1 ) ≤ m0p (xp − xi−1 ) + m0i (xi − xi−1 )
de donde

n
X i−1
X n
X
L(f, P ) = mk (xk , xk−1 ) ≤ mk (xk , xk−1 ) + m0p (xp − xi−1 ) + m0i (xi − xi−1 )+ mk (xk , xk−1 )
k=1 k=1 k=i+1
| {z }
L(f,Q)

asi se tiene que L(f, P ) ≤ L(f, Q) de forma similar se verifica que U (f, Q) ≤ U (f, P )

Teorema. (2) Si P, Q ∈ P [a, b] se verifica que L(f, P ) ≤ U (f, Q)

Demostración. Como mi ≤ Mi para todo i = 0, 1, ..., n y por el anterior teorema se tiene que L(f, P ) ≤ U (f, Q)

Corolario. (1)

a) El conjunto {L(f, P ) : P ∈ P [a, b]} esta acotado superiormente.

b) El conjunto {U (f, P ) : P ∈ P [a, b]} esta acotado inferiormente.

Demostración. Para el inciso a) por el teorema (2) L(f, P ) ≤ U (f, Q) para cualquier particion P ∈ P [a, b] entonces
el conjunto {L(f, P ) : P ∈ P [a, b]} esta acotado superiormente.
Para el inciso b) por el teorema (2) L(f, P ) ≤ U (f, Q) para cualquier particion Q ∈ P [a, b] entonces el conjunto
{U (f, P ) : P ∈ P [a, b]} esta acotado inferiormente.

Definición. (4)

a) Se denomina integral inferior de Reimann al supremo del conjunto de las sumas inferiores, y lo denotamos
Rb
por a f (x)dx.
b) Se denomina integral superior de Reimann al infimo del conjunto de las sumas superiores, y lo denotamos
Rb
por a f (x)dx.
Rb Rb
Ejercicio. Verificar que a
f (x)dx ≤ a
f (x)dx.

Solucion: Por el corolario (1) el conjunto {L(f, P ) : P ∈ P [a, b]} esta acotado superiormente y el conjunto {U (f, Q) :
Q ∈ P [a, b]} esta acotado inferiormente y por el teorema (2) L(f, P ) ≤ U (f, Q) para todo P, Q ∈ P [a, b] por tanto
Rb Rb
a
f (x)dx ≤ a f (x)dx.

Definición. (5) Sea f : [a, b] → R una funcion acotada. Se dice que la funcion f es integrable según Reimann en
Rb Rb
[a, b], si a f (x)dx = a f (x)dx, y a este valor númerico se lo denomina como la integral de Reimann o Integral
Rb
Rectangular en el intervalo [a, b] y lo denotamos por a f (x)dx.
Rb
Nota: Si la función f : [a, b] → R es continua, entonces la integral a
f (x)dx existe
x2 R +∞ x2
Ejemplo. La f : R → R definida por f (x) = e− 2 es continua por tanto la integral −∞
e− 2 dx existe ¿Caul es
su valor númerico?, respuesta para poder determinar su valor numerico se lo integra bajo métodos iterativos
en las derivadas propiedades
0
1. (f (x) ± g(x)) = f 0 (x) ± g 0 (x)

43
 METODOS NUMERICOS

0
2. (f g) = f 0 g + f g 0
 0 0
g0
3. fg = f g−f g2
0
4. (g ◦ f ) = g 0 (f )f 0

en las integrales propiedades

R R R
1. (f + g) dx = f dx + gdx
R R R
2. (f − g) dx = f dx − gdx
Métodos de integración
1. cambio de variable
2. fracciones parciales
3. Integración por partes
4. sustitucion trigonometrica
estas tecnicas surgen gracias al primer teorema fundamental del calculo diferencial e integral
Z
f (x)dx = g(x) si g 0 (x) = f (x)

caso particular
Z Z
0
f 0 gdx = f g − f g 0 dx si [f g] = f 0 g + f g 0

3.1.1. Practica:
Según la integral de Reimann o la Integral Rectangular calcular:
R1 1 1
1. 0 (1 − x) 2 x− 2 dx
R1 1 1
Solución: Para determinar la integral 0 (1 − x) 2 x− 2 dx primero determinemos la integral indefinida de la función
1 1
f (x) = (1 − x) 2 x− 2 , es decir
1 1
√
1−x
(1 − x) 2 x− 2 dx
R R
= √
x
dx
R √1−cos2 u
=
|{z} −2 √
cos2 u
cosusenudu
x=cos2 u
dx=−2cosusenudu
sen2 udu
R
= −2
1


= −2 (u − senucosu)
2
√
√
√
=
|{z} sen cos−1 ( x) cos cos−1 ( x) − cos−1 ( x)
√
( x)=u cos−1

1 1 √
√
√
de donde (1 − x) 2 x− 2 dx = sen cos−1 ( x) cos cos−1 ( x) − cos−1 ( x) así finalmente
R

R1 1 1 √
√
√ 
(1 − x) 2 x− 2 dx sen cos−1 ( x) cos cos−1 ( x) − cos−1 ( x) |10

0
=
√

√

√

= sen cos−1 1 cos cos−1 1 − cos−1 1
−1
√

−1
√

−1
√

−sen cos 0 cos cos 0 − cos 0
π


= − 2

44
 METODOS NUMERICOS

R1 1 1
así 0 (1 − x) 2 x− 2 dx = − π2
R1
2. 1 lnx
√ dx
x
2

Solución: Primero trabajemos la integral indefinida

R lnx R  −1 
√ dx = lnx dx
x 2 |{z}
x
| {z } f
0
gR 1
 Rh R 1
i
= lnx x− 2 dx − x−1 x− 2 dx dx
√ √
= lnx (2 x) − 2 (2 x)
√ √
= lnx (2 x) − 4 x
de donde
R1 lnx √ √
1 √ dx
x
= [lnx (2 x) − 4 x] |10
2
√
√  h  q  q i
ln1 2 1 − 4 1 − ln 12 2 12 − 4 12

=
= −7,81
R1
así 1 lnx
√ dx = −7,81
R π22 x 5
3. 0 sen tcos3 tdt
4. Hallar el volumen de la interseccion de los cilindros x2 + y 2 = r2 y y 2 + z 2 = r2

3.2. Integración Trapezoidal

Rb
En esta sección estimaremos la integral f (x)dx tomando en cuenta los siguientes aspectos
a

1. Sea f : [a, b] → R continua y tomemos la partición xi = x0 + i b−a

n para i = 0, 1, 2, ..., n de igual amplitud
en el intervalo [a, b]
Rb
2. Se aproxima f (x) mediante la serie de Taylor y se integra para obtener la aproximacion de a
f (x)dx.

Para el método del trapezoidal en el intervalo [a, b] se toma la particion x0 = a y x1 = b y f (x) ∼

= p1 (x) donde

p1 (x) = p1 (x0 + sh) ∼

= f (x0 ) + s4f (x0 )
|{z} |{z}
x=x0 +s(b − a) serie de Taylor
| {z }
h

e integrando se tiene
Z b Z b Z 1
f (x)dx ∼
= p1 (x)dx =
|{z} p1 (x0 + sh)hds
a a 0
x=x0 +s(b − a)
| {z }
h

asi
R1 R1
p1 (x0 + sh)hds ∼
= [f (x0 ) + s∇f (x0 )] hds
0 0
R1
= h 0 [f (x0 ) + s∇f (x0 )] ds
h 2
i
= h sf (x0 ) + s2 4f (x0 ) |10
h i
= h f (x0 ) + f (x1 )−f
2
(x0 )

45
 METODOS NUMERICOS

pero como 4f (x0 ) = f (x0 + h) − f (x0 ) = f (x1 ) − f (x0 ), entonces

Rb
a
f (x)dx ∼
= h
2 (f (x0 ) + f (x1 )) donde h = b − a y x0 = a, x1 = b

Obs: La relación anterior también es equivalente a

Rb
a
f (x)dx ∼
= b−a
2 (f (a) + f (b))
R π
Ejemplo. Calcular la integral 2
0 senxdx por el metodo trapezoidal con una particion y con una particion de
cuatro intervalos iquitativos y en cada caso determinar el error porcentual.

Solucion:
Rb
Para una patición: Notemos que en el método Trapezoidal se tiene la relación a
f (x)dx ∼
= h
2 (f (x0 ) + f (x1 )) donde
π π π
h = b − a y x0 = a, x1 = b. Por tanto para nuestro ejercicio x0 = 0, x1 = 2 yh= 2 −0= 2 por tanto
π
Z π  π 
2
∼ 2
 π
senx
| {z }dx = 2 sen (0) + sen =
0 2 4
f (x)
π
así un valor aproximado es 4 y el valor exacto es:
Z π
2 π
π
senxdx = (−cosx) |02 = −cos + cos (0) = 1
0 2
 
de donde E % = 1 − π4  × 100 % = 21,46 %
Para cuatro particiones:
b−a π


Segun la relación xi = x0 + i 4 para i = 0, 1, 2, ..., n en este caso n = 4, entonces x0 = 0 y x4 = 2 asi

x0 = 0
π
x1 = 8
π
x2 = 4
3π
x3 = 8
π
x4 = 2
Rb
y mediante la relación a
f (x)dx ∼
= h
2 (f (x0 ) + f (x1 )) en nuestro caso se tiene
R π R π R π R 3π R π2
0
2
senxdx = 0
8
senxdx + senxdx + π8 senxdx + 3π
π
4
senxdx
8 4 8
π π π
8 −0 −
sen(0) + sen( π8 ) + 4 2 8 sen( π8 ) + sen( π4 )



= 2
3π π

π − 3π
8 −4
sen π4 + sen 3π + 2 2 8 sen 3π π





2 8 8 + sen 2
= 0,075 + 0,214 + 0,320 + 0,378
= 0,987

así un valor aproximado es 0,987 por tanto

E % = |1 − 0,987| × 100 % = 1,3 %

R3
Ejemplo. Calcular la integral 0
x2 dx por el metodo trapezoidal con una particion y con una particion de cuatro
intervalos iquitativos y calcular el error % en cada caso.

46
 METODOS NUMERICOS

Solución:
Para una partición: Se tiene que x0 = 0 y x1 = 3 también h = 3 − 0 = 3 por tanto
R3 2
x dx ∼
0 |{z} = h2 (f (x0 ) + f (x1 ))
f (x)
3
= 2 (f (0) + f (3))
3


= 2 02 + 3 2
= 13,5

así el valor aproximado es 13,5 y el valor exacto es:

3 3 3
x3 3 (3)
Z
(0)
x2 dx = | = − =9
0 3 0 3 3
de donde

E % = |9 − 13,5| × 100 % = 4,5 %

Para una partición de cuatro intervalos: Esto significa que el intervalo [0,3] hay que dividirlo en cuatro subintervalos
iguales, es decir xi = i 43 para i = 0, 1, 2, 3, 4

x0 = 0
3
x1 = 4
3
x2 = 2
9
x3 = 4
x4 = 3

por tanto
R3 3 3 9 R3
x2 dx ∼ x2 dx + x2 dx + x2 dx + x2 dx
R 4
R 2
R 4
0 = 0 3 3 9
|{z} 4 2 4
f (x)
3 3 3 3
  
2     
3 2 3 2 3 2 9 2 9 2
+ 32






= 4
2 02 + 4 + 4
2 4 + 4
2 2 + 4 + 4
2 4 + 32
 
 
3 3 2 3 2 9 2



= 8 0+2 4 + 2 + 4 +9
= 9,28

así el valor aproximado en este caso es 9,28 y por tanto el error es

E % = |9,28 − 13,5| × 100 % = 4,22 %

R2 lnx
Ejemplo 33. Determinar el valor de la integral √ dx por medio del método trapezoidal para n = 4 y determinar
1 x
el error absoluto

Solución: Según las condiciones que pide el método tapresoidal para el ejemplo hay que realizar lo siguiente
Primero: (Se trabaja la partición bajo la relación xi = x0 + i b−a


n para i = 0, 1, 2, ..., n) Como n = 4, entonces la
partición será

47
 METODOS NUMERICOS

x0 = 1
5
x1 = 4
3
x2 = 2
7
x3 = 4
x4 = 2
Rb
Segundo: (Se trabaja las integrales bajo la relación a
f (x)dx ∼
= b−a
2 (f (a) + f (b))) así
R2 5 3 7 R2
lnx lnx lnx lnx lnx
R R R
√ dx = 4 √ dx + 5
2 √ dx + 3
4 √ dx + 7 √ dx
1 x 1 x 4
x  2 x 4 x     
ln( 5 ) ln( 54 )
√ 5 + √( 23 )
ln( 32 )
√ 3 + √( 47 )
5
4 −1 ln(1) 3 5
2−4
ln 3 7 3
4−2
ln 7 2− 74 ln( 47 ) ln(2)
= 2
√
1
+ √ 45 + 2 + 2 + 2
√7 + √
2
4 4 2 2 4 4

= 0,299

Tercero: (el error absoluto se determina bajo la relación EA = |x − x|)

Así determinemos ahora el valor exacto, es decir
R lnx R −1
√ dx = (x) 2 (lnx)dx
x | {z }| {z }
0
 g 1 f R 1

= 2 (x) 2 (lnx) − 2 (x) 2 (x) dx
√ R 3
= 2 xlnx − 2 (x) 2 dx
√ √
= 2 xlnx − 54 x5

R2 lnx
h √ √ i √ 
= 2 xlnx − 45 x5 |21 = 2 ln (4) − 16
+ 45 , finalmente

así √ dx
1 x 5

√
   
16 4 
EA = |x − x| =  2 ln (4) −
 + − 0,299 = |0,3 − 0,299| = 0,001
5 5

3.2.1. Practica:
R3
1. Use el metodo trapezoidal para aproximar 0
(x − 3)5 dx con una particion P = {0, 1, 3} y determine el error
absoluto.
R1 1
con una particion P = 0, 41 , 12 , 1 y compare con el valor

2. Use el método trapezoidal para aproximar 0 x2 +1
dx
exacto.
Solución:
Método Trapezoidal:
R1 1 1 1 R1
1 1 1
R R
0 x2 +1
dx = 4
2 +1 dx
x + 1
2
x2 +1dx + 1
x 2 dx
0 4 2  +1   
1 1 1
4 −0 1 1 2−4 1 1 1− 21 1 1
= 2 02 +1 + 2 + 2 2 + 2 + 2 2 + (1)2 +1
( 14 ) +1 ( 14 ) +1 ( 12 ) +1 ( 12 ) +1

= 0,24 + 0,22 + 0,33

= 0,79

así un valor aproximado es 0,79

Método de Reimann:

48
 METODOS NUMERICOS

1 1
sec2 udu
R R
x2 +1 dx =
|{z} (tgu)2 +1
x=tgu
dx=sec2 udu
R
= du
= u
= tg −1 x

de donde
Z 1
1
dx = tg −1 x |10 = tg −1 1 − tg −1 0 = 0,79
0 x2 + 1
así el valor exacto es 45, por tanto el error porcentual será

E % = |0,7853981631 − 0,7852941176| × 100 % = 0,01040455 %

x2
3. Use el metodo trapezoidal para aproximar el area de la region R, limitado por las curvas f (x) = 2 − 2x + 1,
x
g(x) = 3 + 1 y h(x) = −x + 5, tambien determine el error absoluto.
Soluxión:
Método Trapezoidal:
Para determinar la partición resolvamos las ecuaciones f (x) = g(x) y h(x) = g(x), es decir

f (x) = g(x)
x2 x
2 − 2x + 1 = 3 +1
2
3x − 12x = 2x
3x2 − 14x = 0
x (3x − 14) = 0
14
de donde x = 0 o x = 3 , para el ejercicio el punto de intersección que se requiere es x = 0, también

h(x) = g(x)
x
−x + 5 = 3 +1
−3x + 15 = x+3
0 = x−3
x = 3

de donde x = 3. Según el problema el área entre los punto x = 0 y x = 3 es

R3 R 3 x  2
x

(g(x) − f (x)) dx = 3 + 1 − − 2x + 1 dx
0 0
R 3  x2 2
7
= − + x dx
0
h 2 2 3   2 i
= 3−0 2 − 0
2 + 7
3 (0) + − 3
2 + 7
3 (3)
15
= 4
R3
así 0
(g(x) − f (x)) dx ∼
= 15
4
Por otro lado

49
 METODOS NUMERICOS

h(x) = f (x)
−2x + 10 = x2 − 4x + 2
0 = x2 − 2x − 8
0 = (x − 4) (x + 2)
de donde x = 4 o x = −2 y para nuestro ejercicio se requiere el punto x = 4
también el área entre los puntos x = 3 y x = 4 es
R4 R4  2
x

3
(h(x) − f (x)) dx = 3
−x + 5 − 2 − 2x + 1 dx
R 4  x2 
= − + x + 4 dx
3
h 2 2   2 i
= 4−3 2 − 3
2 + 3 + 4 + − 4
2 + 4 + 4
5
= 4
R4
de donde 3
(h(x) − f (x)) dx ∼
= 54 .
El área aproximada de la región R es:
Z 3 Z 4
15 5
(g(x) − f (x)) dx + (h(x) − f (x)) dx ∼
= + =5
0 3 4 4
Método de Reimann:
Primero determinemos la región
R3 R 3 x 
x2

0
(g(x) − f (x)) dx = 0 3 +1− 2 − 2x + 1 dx
R3  2 
= 0
− x2 + 73 x dx
R3 R3
= − 12 0 x2 dx + 37 0 xdx
 3   2 
= − 12 x3 |30 + 73 x2 |30
= 6
R3
así 0
(g(x) − f (x)) dx = 6
Por otro lado
R4 R4 
x2

3
(h(x) − f (x)) dx = 3
−x + 5 − 2 − 2x + 1 dx
R4 2

= 3
− x2 + x + 4 dx
R4 2 R4 R4
= − 12 x dx + 3 xdx + 4 3 dx
3 3   
33 42 32
= − 12 4
3 − 3 + 2 − 2 + 4 (4 − 3)
4
= 3
R4 4
de donde 3
(h(x) − f (x)) dx = 3
Así el área exacta de la región R es:
Z 3 Z 4
4 22
(g(x) − f (x)) dx + (h(x) − f (x)) dx = 6 − =
0 3 3 3
Finalmente el porcentual será
 
 22 
E % =  − 5 × 100 % = 2,33 %
3

50
 METODOS NUMERICOS

R3
3. Use el metodo trapezoidal para aproximar 0
(x − 3)5 dx con una particion P = {0, 1, 3} y determine el error
absoluto.
x x
a
e a + e− a


4. Use el metodo trapezoidal para aproximar la longitud del arco de la catenaria y = 2 desde x = 0
Rb p
hata x = a y determinar el error absoluto que existe. (Ayuda a ( f 0 (x))2 dx)

3.3. Integración de Simpson

Para el método de Simpson se particiona el intervalo [a, b] en dos intervalos de igual longitud, para logar esto se
toma n = 2 en la relción xi = x0 + i b−a


n , para i = 0, 1, 2 asi

b−a


x0 = x0 + 0 2 = x0 = a
b−a b−a a+b


x1 = x0 + 1 2 =a+ 2 = 2
b−a


x2 = x0 + 2 2 =a+b−a=b

y la función f (x) se aproxima mediante un polinomio de segundo grado p2 (x) (f (x) ∼

= p2 (x)) en el polinomio de
b−a
segundo grado se realiza el cambio de variable x = x0 + sh donde h = x1 − x0 = x2 − x1 = 2 , es decir

∼ 1
p2 (x) |{z}
= p2 (x0 + sh) = f (x0 ) + s4f (x0 ) + s(s − 1)42 f (x0 )
|{z} 2!
x=x0 +sh Serie de Taylor

mediante estas ideas se aproxima la integral de f (x) del siguiente modo

Z b Z b Z 2
f (x)dx ∼
= p2 (x)dx |{z}
= p2 (x0 + sh)hds
a a 0
x=x0 +sh
dx=hds

R2 R2
0
p2 (x0 + sh)hds = p (x + sh)hds
0 2 0
R2h i
∼
= f (x 0 ) + s4f (x 0 ) + s(s−1) 2
4 f (x 0 ) hds
0 2!
h i
s2 s3 s2
= h sf (x0 ) + 2 4f (x0 ) + 3! 4 f (x0 ) − 4 42 f (x0 ) |20
2

h 2f (x0 ) + 24f (x0 ) + 31 42 f (x0 )

 
=

pero

4f (x0 ) = 1f (x0 + 1h) − 1f (x0 + 0h) = f (x1 ) − f (x0 )

2
4 f (x0 ) = 1f (x0 + 2h) − 2f (x0 + 1h) + 1f (x0 + 0h) = f (x2 ) − 2f (x1 ) + f (x0 )

asi
Rb
∼ h 2f (x0 ) + 24f (x0 ) + 31 42 f (x0 )
 
a
f (x)dx =
h 2f (x0 ) + 2 (f (x1 ) − f (x0 )) + 31 (f (x2 ) − 2f (x1 ) + f (x0 ))
 
=
h 2f (x0 ) + 2f (x1 ) − 2f (x0 ) + 31 f (x2 ) − 32 f (x1 ) + 13 f (x0 )
 
=
h
= 3 [f (x0 ) + 4f (x1 ) + f (x2 )]
Rb
por tanto a
f (x)dx ∼
= h
3 [f (x0 ) + 4f (x1 ) + f (x2 )] donde h = b−a
2 y x0 = a, x1 = a+b
2 y x2 = b
Obs: La relación anterior también es equivalente a

51
 METODOS NUMERICOS

Rb
f (x)dx ∼ b−a
f (a) + 4f ( a+b
 
a = 6 2 ) + f (b)
R4

Ejemplo. Mediante el método de Simpson aproxime la integral −1
x4 − 2x2 + x + 10 dx y calcular el error %
Rb
f (x)dx ∼ b−a
f (a) + 4f ( a+b
 
Solucion: Notemos que el método de Simpson indica a = 6 2 ) + f (b) entonces en nuestro
caso se tendrá

R4 4−(−1)
x4 − 2x2 + x + 10 dx f (−1) + 4f ( −1+4

 
−1
= 6 2 ) + f (4)
| {z }
f (x) h     
4−(−1) 4 2 3 4 3 2 3 4 2



= 6 (−1) − 2 (−1) − 1 + 10 + 4 2 −2 2 + 2 + 10 + (4) − 2 (4) + 4 + 10
= 245,21

R4
x4 − 2x2 + x + 10 dx ∼


asi −1 = 245,21
Por otro lado, el valor exacto es:
R4
R4 R4 R4 R4
−1
x4 − 2x2 + x + 10 dx = −1
x4 dx − 2 −1
x2 dx + −1
xdx + 10 −1
dx
= ?
= 219,17
R4

asi −1
x4 − 2x2 + x + 10 dx = 219,17 por tanto

|219,17 − 245,21| (100 %) = 2604 %

R3
Ejemplo. Determinar la integral √ x dx mediante el método de Simpson y hallar el error %
1 x2 +1

Solución: Primero trabajemos con el método de Simpson

R3 x
dx ∼ = 3−1 f (1) + 4f ( 1+3


1
√ 6 2 ) + f (3)
2
x +1
| {z }
f (x)    
= 3−1 6
√ 1
2
1 +1
+ 4 √ 2
2
2 +1
+ √ 3
2
3 +1
√ √ √
2 8 5 3 10
= 6 + 15 + 30
R3 √ √ √
√ x 2 8 5 3 10
así 1 x2 +1
dx = 6 + 15 + 30
Ahora determinemos la integral de Reimann

52
 METODOS NUMERICOS

√ x √ tgθ sec2 θdθ

R R
x2 +1
dx = 2
|{z} tg θ+1
tgθ=x
sec2 θdθ=dx
√ tgθ sec2 θdθ
R
= sec2 θ
tgθ 2
R
= secθ sec θdθ
R
= tgθsecθdθ
R −senθ
= − (cosθ) 2 dθ
R 1
=
|{z} − (u)2 du
u=cosθ
du=−senθdθ
− u−2 du
R
=
 −2+1 
= − u−2+1
1
= u
1
=
|{z} cosθ
u=cosθ
1
=
|{z} cos(tg −1 (x))
θ=tg −1 (x)

√ x 1
R
así x2 +1
dx = cos(tg −1 (x)) o equivalentemente
Z 3  
x 1 1 1
√ dx = −1 (x))
|31 = −1 (3))
− −1 (1))
= 1,75
1
2
x +1 cos (tg cos (tg cos (tg
finalmete el error % es
√
 2 8√5 3√10


+ + − 1,75 × 100 % = 0,55 %
 
 6 15 30


R 1 3x
Ejemplo. Determinar la integral 0 e sen2xdx mediante el método de Simpson y también el error %

Solución: Primer trabajemos el método de Simpson

R 1 3x
∼ 1−0 f (0) + 4f ( 1+0 ) + f (1)


0 | {z }dx =
e sen2x 6 2
f (x)
1−0



= 6 e3(0) sen (2 (0)) + 4 e3(0,5) sen (2 (0,5)) + e3(1) sen (2 (1))
1 (1,5)



= 6 sen (0) + 4 e sen (1) + e3 sen (2)
∼
= 5,56

Segundo trabajemos la integral de Reimann

e3x e3x
R 3x R
e |sen2x
|{z} {z }dx = 3 sen2x − 3 2cos2xdx
g0 f
e3x 2
R 3x
= 3 sen2x − 3e cos2xdx
h 3x i
e3x e2 2
R 3x
= 3 sen2x − 33 cos2x + 3 e sen2xdx
e3x 2e3x 4
R 3x
= 3 sen2x − 9 cos2x − 9 e sen2xdx

53
 METODOS NUMERICOS

e3x 2e3x 4
e3x sen2xdx = e3x sen2xdx o equivalentemente
R R
así se tiene 3 sen2x − 9 cos2x − 9

Z 1    
3x 3 3x 2 3x 1 3 3 2 3 2 ∼
e sen2xdx = e sen2x − e cos2x |0 = e sen2 − e cos2 + = 5,65
0 13 13 13 13 13
Tercero el error %

|5,65 − 5,56| × 100 % = 9 %

Ejemplo 34. Mediante el metodo de Simpson, aproxime el area bajo la curva de la siguiente funcion dada en
forma tabular, entre x = −1 y x = 3

Puntos 0 1 2 3 4
x -1 0 1 2 3
f (x) 8 10 10 20 76

y determinar el error absoluto si f (x) = x4 − 2x2 + x + 10

Solución: Para la primera parte
R1 R3
área aproximada = −1
f (x)dx + 1
f (x)dx
1−(−1)
f (−1) + 4f ( 1−1 3−1
f (1) + 4f ( 1+3



= 6 2 ) + f (1) + 6 2 ) + f (3)
1−(−1) 3−1
= 6 (8 + 4 (10) + 10) + 6 (10 + 4 (20) + 76)
= 74,67

Segunda parte
R3

área exacta = x4 − 2x2 + x + 10 dx
h−15 i
x x3 x2 3
= 5 − 2 3 + 2 + 10x |−1
 5   
33 32 (−1)5 3
(−1)2
= 3
5 − 2 3 + 2 + 10 (3) − 5 − 2 (−1)
3 + 2 + 10 (−1)
= ?

así

|74,67−?| =

3.3.1. Practica:
R2
1.- Determinar la integral −1
xex dx mediante el método de Reimann, por el método trapezoidal para n = 6 y
también determine la integral mediante el método de Simpson para n = 6 y en los dos casos determinar el error %
Solución:
Para el método de Reimann:

54
 METODOS NUMERICOS

xex dx ex dx
R R
= x |{z}
|{z}
f g0
x
ex dx
R
= xe −
= xex − ex

xex dx = xex − ex por tanto

R
así
Z 2
xex dx = (xex − ex ) |2−1 = 8,12
−1

Para el método Trapezoidal:

En este caso el intervalo de trabajo es [−1, 2] y como se requiere una partición de n = 6 entonces por la relación
xi = x0 + i b−a


n para i = 0, 1, 2, 3, 4, 5, 6 se tendrá
 
x0 = −1 + 0 2−(−1)
6 = −1
 
x1 = −1 + 1 2−(−1) = − 21
 6 
x2 = −1 + 2 2−(−1) =0
 6 
x3 = −1 + 3 2−(−1) =1
 6  2
x4 = −1 + 4 2−(−1) =1
 6 
x5 = −1 + 5 2−(−1) =3
 6  2
x6 = −1 + 6 2−(−1)
6 =2

por tanto
R2 R − 12 R0 R1
xex dx ∼
= xex dx + − 1 xex dx + 02 xex dx
−1 −1 2
R1 x
R 32 x R2
1 xe dx +
1
xe dx + 3 xex dx
2 2
− 12 −(−1)

−1 1

− 1  0−(− 21 )  1
− 1  1 
−0 1

1

= (−1) e + − e 2 + − e 2 + (0) e0 + 2 2 (0) e0 + e2
2 2 2 2 2
1−( 1 )
3  2−( 32 )  3
3

1  3  
1 2 + (1) e1 2 −(1) 1 3 2 + (2) e2
+ 22 2 e + 2 (1) e + 2 e 2 + 2 2 e
h 
−1
1
3 i
1 −1 1 1 2 + (1) e1 +
3 2
= 4 −e + 2 − 2 e 2 +
2 e 2 e 2 + 2e
= 8,58

Así el valor aproximado es 8,58 por tanto

E % = |8,58 − 8,12| × 100 % = 46 %

Para el método de Simpson:

En este caso el intervalo de trabajo es [−1, 2] y como se requiere una partición de n = 6 entonces por la relación
xi = x0 + i b−a


n para i = 0, 1, 2, 3, 4, 5, 6 se tendrá

55
 METODOS NUMERICOS

 
2−(−1)
x0 = −1 + 0 = −1
 6 
x1 = −1 + 1 2−(−1) = − 21
 6 
x2 = −1 + 2 2−(−1) =0
 6 
x3 = −1 + 3 2−(−1) = 1
 6  2

x4 = −1 + 4 2−(−1) =1
 6 
x5 = −1 + 5 2−(−1) = 3
 6  2

x6 = −1 + 6 2−(−1)
6 =2

pero como se esta trabajando ahora el método de Simpson, entonces se requiere en cada subintervalo el punto
medio, es decir
 
2−(−1)
x0 = −1 + 0 6 = −1
− 12 −(−1) −1+(− 12 )
 
x1 = −1 + 1 2 = 2 = − 34
 
2−(−1) 1
x2 = −1 + 1 =−
 6  2
0−(− 12 ) − 12 +0
x3 = − 12 + 1 2 = 2 = − 14
 
2−(−1)
x4 = −1 + 2 6 =0
0+ 12 1
x5 = 2 =
4 
2−(−1) 1
x6 = −1 + 3 6 = 2
1
2 +1 3
x7 = 2 =
4 
2−(−1)
x8 = −1 + 4 6 =1
1+ 32 5
x9 = 2 =
4 
2−(−1) 3
x10 = −1 + 5 6 = 2
3
2 +2 7
x11 = 2 =
4 
2−(−1)
x12 = −1 + 6 6 =2

por tanto

R2 R − 12 R0
xex dx ∼
= xex dx + xex dx
−1 −1 −1
1 R 12
xex dx + xex dx
R
+ 0
2
1
3 R 22
xex dx + 3 xex dx
R
+ 1
2
2
( 2)
 0− − 1 
− 12 −(−1)
 
− 34 e(− 4 ) + − 21 e(− 2 ) +
3 1
−1
−1
1 1
(−1)



= (−1) e +4 − e 2 + 4 − e 4 + (0) e0
6 6 2 4
1

1  1−( 12 )  1
1 
2 −0 0 1

1 1 3

3 1
+ 6 (0) e + 4 4 e + 2 e + 6
4 2
2 e + 4 4 e + (1) e
2 4

( )
3
  2− 3 
3 
−(1) 5 3
7
(1) e1 + 4 54 e 4 + 32 e 2 + 6 2 3 7


2
+2 6 2 e + 4 4 e + (2) e
2 4

= ?

Así el valor aproximado es ? por tanto

E % = |? − 8,12| × 100 % =? %

56
 METODOS NUMERICOS

Ejemplo 35. Evaluar la integral de los datos discretos mediante el método de Simpson

x -2 0 2 4 6 8 10
f (x) 35 5 -10 2 5 3 20

Solución: Según la información discreta nos piden calcular la integral

R 10
−2
f (x)dx = I1 + I2 + I3
R2 R6 R 10
= −2
f (x)dx + 2 f (x)dx + 6 f (x)dx
= 2−(−2) f (−2) + 4f 2−2 + f (2) + 6−2 2+6





6 2 6 f (2) + 4f 2 + f (6)
10−6 10+6



+ 6 f (6) + 4f 2 + f (10)
2 2 2
= 3 (35 + 4 (5) − 10) + 3 (−10 + 4 (2) + 5) + 3 (5 + 4 (3) + 20)
= 56,67

3.4. Integración de Orden Superior

Rb
En esta sección se aproximara el valor de la integral a
f (x)dx mediante un polinomio de grado mayor o igual que
3.
Para un polinomio de grado 3: (f (x) ∼
= p3 (x))
b−a


El intervalo [a, b] segun la relacion xi = x0 + i n para i = 0, 1, 2, ..., n se particiona en tres intervalos de igual
longitud, es decir n = 3 asi i = 0, 1, 2, 3
b−a


x0 = x0 + 0 3 = x0 = a
b−a b−a 2a+b


x1 = x0 + 1 3 =a+ 3 = 3
b−a 2b−2a a+2b


x2 = x0 + 2 3 =a+ 3 = 3
b−a


x3 = x0 + 3 3 =a+b−a=b
a+2b 3b−a−2b b−a
por tanto h = x1 − x0 = x2 − x1 = x3 − x2 = b − 3 = 3 = 3

p3 (x) =
|{z} p3 (x0 + sh)
x=x0 +sh
∼ s(s−1) 2 s(s−1)(s−2) 3
=
|{z} f (x0 ) + s4f (x0 ) + 2! 4 f (x0 ) + 3! 4 f (x0 )
Serie de T aylor

finalmente integrando
Z b Z b Z 3
f (x)dx ∼
= p3 (x)dx |{z}
= p3 (x0 + sh)hds
a a 0
x=x0 +sh
dx=hds
x−x0 a−a b−a 3h
donde s = h por tanto s = h =0ys= h = h =3
de donde

57
 METODOS NUMERICOS

R3 R3
0
p3 (x0 + sh)hds = p (x + sh)hds
0 3 0
R3h i
∼
= f (x 0 ) + s4f (x 0 ) + s(s−1) 2
4 f (x 0 ) + s(s−1)(s−2) 3
4 f (x 0 ) hds
0 2! 3!
h i
R3 R3 42 f (x0 ) R 3 43 f (x0 ) R 3
h f (x0 ) 0 ds + 4f (x0 ) 0 sds + 2! 0
s(s − 1)ds + 3! 0
s(s − 1)(s − 2)ds
h 2
 3 2
  4 3 2
 i
= h sf (x0 ) + s2 4f (x0 ) + s6 − s4 42 f (x0 ) + 24 s
− s6 + s6 43 f (x0 ) |30
h 3f (x0 ) + 29 4f (x0 ) + 94 42 f (x0 ) − 81 43 f (x0 )
 
=
pero

4f (x0 ) = f (x0 + 1h) − f (x0 + 0h) = f (x1 ) − f (x0 )

2
4 f (x0 ) = f (x0 + 2h) − 2f (x0 + h) + f (x0 + 0h) = f (x2 ) − 2f (x1 ) + f (x0 )
3
4 f (x0 ) = f (x0 + 3h) − 3f (x0 + 2h) + 3f (x0 + h) − f (x0 + 0h)
| {z } | {z } | {z }
x3 x2 x1
= f (x3 ) − 3f (x2 ) + 3f (x1 ) − f (x0 )

finalmente
Rb
∼ h 3f (x0 ) + 92 4f (x0 ) + 94 42 f (x0 ) − 81 43 f (x0 )
 
a
f (x)dx =
h 3f (x0 ) + 92 (f (x1 ) − f (x0 )) + 49 (f (x2 ) − 2f (x1 ) + f (x0 ))

=
− 81 (f (x3 ) − 3f (x2 ) + 3f (x1 ) − f (x0 ))


h
= 8 [7f (x0 ) − 3f (x1 ) + 21f (x2 ) − f (x3 )]

asi en resumen se tiene

Z b
h
f (x)dx ∼
= [7f (x0 ) − 3f (x1 ) + 21f (x2 ) − f (x3 )]
a 8
b−a 2a+b a+2b
para h = 3 , x0 = a, x1 = 3 , x2 = 3 y x3 = b o equivalentemente

b  
b−a
Z
2a + b a + 2b
f (x)dx ∼
7f (a) − 3f (
= ) + 21f ( ) − f (b)
a 24 3 3
R 2 √x+lnx
Ejemplo 36. Determinar la integral 1 x dx mediante un polinomio de tercer grado y determine el error
absoluto

Solución: Para el polinomio de tercer grado

√
R 2 x + lnx
dx ∼ = b−a 7f (a) − 3f ( 2a+b ) + 21f ( a+2b
 
1 24 3 3 ) − f (b)
| {zx }
f (x)
2−1
7f (1) − 3f ( 43 ) + 21f ( 53 ) − f (2)
 
= 24
√   √4 4
 √
5 5
 √ 
1 1+ln1 3 +ln 3 3 +ln 3 2+ln2
= 24 7 1 −3 4 + 21 5 − 2
3 3

∼
= ?

Para la integral rectangular

58
 METODOS NUMERICOS

√ R  √x 
R x+lnx lnx
x dx = x + x dx
√
R x lnx
R
= x dx +x dx
− 12 1
R
R
= x dx + x lnxdx
1  2
x− 2 +1
= + (lnx)
− 12 +1  2
√ 2

= 2 x + (lnx) 2

R2 √ h √  2
i h √  2
i h √  2
i
por tanto 1
x+lnx
x dx = 2 x + (lnx)
2 |21 = 2 2 + (ln2)
2 − 2 1 + (ln1)
2 =??
así el errer absoluti será

|??−?| =???
R1 1
Ejemplo. Determinar la integral 0 3x2 +5
dx mediante un polinomio de tercer grado y determine el error absoluto

Solución: Para el polinomio de tercer grado (valor aproximado)

R1 1 b−a
7f (a) − 3f ( 2a+b a+2b
 
0 3x2+5
dx = 24 3 ) + 21f ( 3 ) − f (b)
| {z }
f (x) h i
= 1−0
24 7f (0) − 3f ( 2(0)+1
3 ) + 21f ( 0+2(1)
3 ) − f (1)
1 1 2
 
= 24 7f (0) − 3f ( 3 ) +21f ( 3 ) −f (1)   
  
1 1 1 1 1
= 24 7 3(0)2 +5 − 3 3( 1 )2 +5 + 21 2
3( 23 ) +5
− 3(1)2 +5
3

= ?

Para la integral de Riemann (valor exacto)

R 1 1
R 1

3x2 +5 dx = 3 x2 + 53
dx
!
√
1 1 √5 sec2 θdθ
R
= 3
√ 2
3
|{z} √5 tgθ + 53
√ 3
√5 tgθ=x
3
√
√5 sec2 θdθ=dx
3
√ R  
= √5 1 2
5 3 tg θ+1 sec θdθ
2
√ R
√5 1

2
= 5√ 3 sec2 θ sec θdθ
√5
R
= 5√ 3
dθ
5
= √ θ
5√ 3 √ 
= √5 acrtg √3 x
5 3 5

R1 h √  √ i h √ √ i h √ √ i
de donde 1
dx = √5 acrtg √3 x |10 = √5 acrtg √3 (1) − 5√53 acrtg √35 (0) =??
0 3x2 +5 5 3 5 5 3 5
así el error absoluto es

|??−?| =???

59
 METODOS NUMERICOS

Para un polinomio de grado 4: (f (x) ∼ = p4 (x))

El intervalo [a, b] segun la relacion xi = x0 + i b−a


n para i = 0, 1, 2, ..., n se particiona en cuatro intervalos de igual
longitud, es decir n = 4 asi i = 0, 1, 2, 3, 4
b−a


x0 = x0 + 0 4 = x0 = a
b−a b−a 3a+b


x1 = x0 + 1 4 =a+ 4 = 4
b−a b−a a+b


x2 = x0 + 2 4 =a+ 2 = 2
b−a 3b−3a a+3b


x3 = x0 + 3 4 =a+ 4 = 4
b−a


x4 = x0 + 4 4 =a+b−a=b
a+3b a+b b−a
por tanto h = x1 − x0 = x2 − x1 = x3 − x2 = x4 − x3 = 4 − 2 = 4

p4 (x) =
|{z} p4 (x0 + sh)
x=x0 +sh
∼ s(s−1) 2 s(s−1)(s−2) 3 s(s−1)(s−2)(s−3) 4
=
|{z} f (x0 ) + s4f (x0 ) + 2! 4 f (x0 ) + 3! 4 f (x0 ) + 4! 4 f (x0 )
Serie de T aylor
x−x0 a−a b−a 4h
segun el cambio de variable x = x0 + sh se tiene que s = h , por tanto s = h =0ys= h = h = 4 tambien
derivando la relacion x = x0 + sh se tiene dx = hds
finalmente integrando
Z b Z b Z 4
f (x)dx ∼
= p4 (x)dx |{z}
= p4 (x0 + sh)hds
a a 0
x=x0 +sh

R4 R4
0
p4 (x0 + sh)hds = p (x + sh)hds
0 4 0
R4h i
∼ f (x0 ) + s4f (x0 ) + s(s−1) 2 s(s−1)(s−2) 3
4 f (x0 ) + s(s−1)(s−2)(s−3) 44 f (x0 ) hds
= 0 2! 4 f (x0 ) + 3! 4!
h R4 R4 2 R4 3 R4
h f (x0 ) 0 ds + 4f (x0 ) 0 sds + 4 f2!(x0 ) 0 s(s − 1)ds + 4 f3!(x0 ) 0 s(s − 1)(s − 2)ds
i
44 f (x0 ) R 4
s(s − 1)(s − 2)(s − 3)ds
h 4! 0
2
 3 2
  4 3 2

= h sf (x0 ) + s2 4f (x0 ) + s6 − s4 42 f (x0 ) + 24 s
− s6 + s6 43 f (x0 )
 5  i
s s4 11s3 s2 4
120 − 16 + 72 − 8 4 f (x 0 ) |40
h 4f (x0 ) + 84f (x0 ) + 20 8 3 14 4
 2

= 3 4 f (x0 ) + 3 4 f (x0 ) + 45 4 f (x0 )
pero
4f (x0 ) = f (x0 + h) − f (x0 ) = f (x1 ) − f (x0 )
2
4 f (x0 ) = f (x0 + 2h) − 2f (x0 + h) + f (x0 ) = f (x2 ) − 2f (x1 ) + f (x0 )
3
4 f (x0 ) = f (x0 + 3h) − 3f (x0 + 2h) + 3f (x0 + h) − f (x0 )
| {z } | {z } | {z }
x3 x2 x1
44 f (x0 ) = f (x0 + 4h) − 4f (x0 + 3h) + 6f (x0 + 2h) − 4f (x0 + h) + f (x0 )
| {z } | {z } | {z } | {z }
x4 x3 x2 x1

finalmente
Rb
∼ h 4f (x0 ) + 84f (x0 ) + 20 8 3 14 4
 2

a
f (x)dx = 3 4 f (x0 ) + 3 4 f (x0 ) + 45 4 f (x0 )
h 4f (x0 ) + 8 (f (x1 ) − f (x0 )) + 20

= 3 (f (x2 ) − 2f (x1 ) + f (x0 ))
+ 38 (f (x3 ) − 3f (x2 ) + 3f (x1 ) − f (x0 )) + 14

45 (f (x4 ) − 4f (x3 ) + 6f (x2 ) − 4f (x1 ) + f (x0 ))
h
= 45 [14f (x0 ) + 64f (x1 ) + 24f (x2 ) + 64f (x3 ) + 14f (x4 )]

60
 METODOS NUMERICOS

asi en resumen se tiene

Z b
h
f (x)dx ∼
= [14f (x0 ) + 64f (x1 ) + 24f (x2 ) + 64f (x3 ) + 14f (x4 )]
a 45
b−a 3a+b a+b a+3b
para h = 4 , x0 = a, x1 = 4 , x2 = 2 , x3 = 4 y x4 = b y así

b  
b−a
Z
3a + b a+b a + 3b
f (x)dx ∼
= 14f (a) + 64f ( ) + 24f ( ) + 64f ( ) + 14f (b)
a 45 4 2 4
Trabajando inductivamente se puede obtener las relaciones para los polinomios de grado mayor o igual 5

3.4.1. Practica:
Rb Rb
1. Aproximar a
f (x)dx ∼
= a
p5 (x)dx y hallar una formula general, donde p5 (x) es el polinomio de grado ≤ 5 que
pasa por los puntos (xi , f (xi )) para i = 0, 1, 2, 3, 4, 5 donde la particion xi son equidistantes en [a, b] y x0 = a,
x5 = b.
2. Generalizar el anterior ejercicio.

3.5. Integración Gaussiana

Recordemos que el método Trapezoidal indica:
Rb
a
f (x)dx ∼
= h
2 (f (x0 ) + f (x1 )) donde h = b − a, x0 = a y x1 = b

o equivalentemente
Rb
a
f (x)dx ∼
= h2 f (x0 ) + h2 f (x1 ) (α)

Gaus realiza una interpretacion de forma diferente en la relacion (α), que es el siguiente
Rb h h
a
f (x)dx ∼
= f (x0 ) + f (x1 )
2
|{z} | {z } 2 | {z }
|{z}
w1 F (z1 ) w2 F (z2 )

es decir
Rb
a
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) (α)
2x−(a+b) 2
para determinar la funcion F el cambio de variable que propone Gauss es: z = b−a donde dz = b−a dx asi:
Rb b−a
R1 z(b − a) + (a + b)
a
f (x)dx = 2 −1
f( )dz
{z2
|{z}
2x−(a+b) | }
z= b−a
b−a dz=dx
F (z)
2

para determonar los cambios F (z1 ) y F (z2 ) se analizan los casos particulares:
Si F (z) = 1, entonces
R1 R1 R1
−1
F (z)dz = −1
1dz = −1
dz = z |1−1 = 2

61
 METODOS NUMERICOS

Si F (z) = z, entonces
R1 R1 z2
−1
F (z)dz = −1
zdz = 2 |1−1 = 0

Si F (z) = z 2 ,entonces
R1 R1 z3 2
−1
F (z)dz = −1
z 2 dz = 3 |1−1 = 3

Si F (z) = z 3 ,entonces
R1 R1 z4
−1
F (z)dz = −1
z 3 dz = 4 |1−1 = 0

gracias a estas observaciones se tiene:

Para F (z) = 1
R1
w1 F (z1 ) + w2 F (z2 ) = −1
1dz
w1 (1) + w2 (1) = 2
pero w1 = w2 por tanto w1 + w1 = 2, entonces w1 = 1 y por tanto w2 = 1
Para F (z) = z
R1
w1 F (z1 ) + w2 F (z2 ) = −1
zdz
(1)z1 + (1)z2 = 0
por tanto z1 = −z2 o z2 = −z1
Para F (z) = z 2
R1
w1 F (z1 ) + w2 F (z2 ) = −1
z 2 dz
2
(1)z12 + (1)z22 = 3

2 1
asi 3 = z12 + z22 = z12 + (−z1 )2 = 2z12 , enotnces z12 = 3 es decir z1 = ± √13 tambien z2 = ± √13 , pero por la relacion
z2 = −z1 implica que z1 = − √13 y z2 = √1
3
Por tanto
Rb R1 z(b − a) + (a + b)
a
f (x)dx = b−a
2 −1
f( )dz ∼
= b−a
2 (w1 F (z1 ) + w2 F (z2 ))
|{z} 2
2x−(a+b) | {z }
z= b−a
F (z)
dz= 2 dx
b−a

donde w1 = 1, w2 = 1, z1 = − √13 y z2 = √1
3
R3
Ejemplo. Calcular la integral 0
(x − 3)5 dx mediante el método de Gauss, y determinar el error absoluto.

Solucion:
R3
(x − 3)5 dx ∼
= b−a
(w1 F (z1 ) + w2 F (z2 ))
0 | {z } |{z} 2
f (x) donde a = 0 y b = 3
 
3−0
= 2 1F (− √13 ) + 1F ( √13 )
∼
= 3
(−74,148 − 0,102)
|{z} 2
z(b−a)+(a+b) 2x−(a+b)
F (z)=f ( 2 ) donde z = b−a

∼
= −111,375

62
 METODOS NUMERICOS

Notemos que F (z) = f ( 3z+3

2 ) de donde
 
3 − √13 +3 √ √
F (− √13 ) = f( ) = f ( 3−2 3 ) = ( 3−2 3
− 3)5 ∼
= −74,148
 2
3 √13 +3 √ √
F ( √13 ) = f ( 2 )= f ( 3+2 3 ) = ( 3+2 3
− 3)5 ∼
= −0,102
R3 R3
por tanto 0
(x − 3)5 dx ∼
= −111,375 (valor aproximado). Por otro lado en valor exacto de 0
(x−3)5 dx se determina
| {z }
f (x)
mediante la integral rectangular (o de Riemann), es decir:

3 0
u6 0 (0)6 (−3)6
Z Z
243 ∼
(x − 3)5 dx |{z}
= u5 du = |−3 = − =− = −121,500
0 −3 6 6 6 2
u=x−3
du=dx

asi en error absoluto sera:

EA = |valor aproximado−valor exacto| = |−111,375 − (−121,500)| = 10,125

R1 1
Ejemplo. Calcular la integhral 0 3x2 +5
dx mediante el método de Gauss, y determinar el error absoluto.

Solución:
Primero determinemos el valor aproximado según Gauss
R1 1 1
R1 1
0 3x2 +5
dx = −1
dz
2 z+1 2


3 +5
|{z}
z+1 2
2 =x | {z }
1
2 dz=dx F (z)
1
= 2 (w F (z1 ) + w2 F (z2 ))
 1 
1
= 1F (− √13 ) + 1F ( √13 )
2    
1  1 ! 1 !
= +
  
2  1 +1 2 1 +1 2
−√ √

3 3
3 2 +5 3 2 +5

0,19
= 2
 
R1 1

R1 z+1 1

− √13 +1 √1
3
+1
0
xdx |{z}
= 2 −1 2
dz = 2 2 + 2 =?
z=2x−1
dz=2dx
Segundo determinemos el valor exacto segun Reimann
R 1 1
R 1
3x2 +5 dx = 3 x2 + 53
dx
?

R3
Ejemplo. Calcular la integral 0
(x − 3)5 dx mediante el método de Gauss con tres particiones equidistantes, y
determinar el error absoluto.

Solución:

63
 METODOS NUMERICOS

R3 R1 R2 R3
0
(x − 3)5 dx = 0
(x − 3)5 dx + 1
(x − 3)5 dx + 2
(x − 3)5 dx
b−a
= 2 (w1 F (z1 ) + w2 F (z2 )) + b−a
2 (w1 F (z1 ) + w2 F (z
b−a
2 )) + 2 (w1 F (z1 ) + w2 F (z2 ))
   
1−0
= 2 F (− √13 ) + F ( √13 ) + 2−1
2 F (− √1 ) + F ( √1 ) + 3−2 F (− √1 ) + F ( √1 )
3 3 2 3 3
1 1 1
=
|{z} 2 (−168,651 − 52,877) + 2 (−18,308 − 2,608) + 2 (−0,305 − 0,000)
z(b−a)+(a+b)
F (z)=f ( 2 )

= −121,375
R3 R3
por tanto 0
(x − 3)5 dx ∼
= −121,375 (valor aproximado). Por otro lado el valor exacto es 0
(x − 3)5 dx = −121,500,
por tanto el error absoluto es:

EA = |−121,375 − (−121,500)| = 0,125

es decir hay un error de 12,5 %

Rb
Ejercicio. Si en la relación a
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) se agrega un término más en el lado derecho se tendria
Z b
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) + w3 F (z3 ) (β)
a

entonces determinar los valores de w1 ,w2 , w3 , z1 , z2 y z3

Solucion:

Ejercicio. El momento de inercia I de una figura plana que se halla en el plano XY con respecto al eje perpendicular
que pasa por el origen esta dada por,
Z
x2 + y 2 dR


I=
R
donde R es el dominio que delimita la figura.
Si la figura es un semi-circulo superior de radio 1 centrado en el origen, calcular I utilizando la integral Gaussiana
con la realcion (α) la integral interna y mediante la relacion (α) la integral externa.

Solucion: Por calculo II se tiene

64
 METODOS NUMERICOS

x2 + y 2 dR
R
I = R   
R 2 2  ∂(x,y)  0
=
|{z} R0
(rcosθ) + (rsenθ)   ∂(r,θ)  dR
x=rcosθ y=rsenθ  
 ∂x ∂x 
∂r ∂θ 
   0
r2  ∂y
R
= R0 ∂y  dR

 ∂r ∂θ 

−rsenθ
 
R  
2 
cosθ  0
= R0
r   dR
 senθ rcosθ
 

R 2
 2 2 
 0
= R0
r rcos θ + rsen θ dR
r2 |r| dR0
R
= R0
r3 dR0
R
= R0
R 1 R 2π 3
= 0 0
r dθdr
R1Rπ
=
|{z} 0 0
dθdr
r=1

R1Rπ
x2 + y 2
R
de donde la inercia I = R
dR en coordenadas polares es equivalente a I = 0 0
dθdr y finalmente
R1 Rπ

I = 0 0
dθ dr
R 1  π−0  
= 0 2 F (− √13 ) + F ( √13 ) dr
π 1
R  
∼
= F (− √1 ) + F ( √1 ) dr
|{z} 2 0 3 3
−√1 (π)+(π)
3
F (z)=f ( 2 )
R1
= π dr
0  
1−0
= π 2 F (− √13 ) + F ( √13 )
 
π
=
|{z} 2 F (− √13 ) + F ( √13 )
−√1 +(1)
3
F (z)=f ( 2 )

= π

asi I = π

Ejemplo. El momento de inercia I de una figura plana que se halla en el plano XY con respecto al eje perpendicular
que pasa por el origen esta dada por,

Z
x2 + y 2 dR


I=
R
donde R es el dominio que delimita la figura.
Si la figura es un semi-circulo superior de radio 1 centrado en el origen, calcular I utilizando la integral Gaussiana
con la realcion (α) la integral interna y mediante la relacion (β) la integral externa.
Solucion:
R3 x4 −2x3 +3x2 −x+3
Ejemplo. Determinar la integral 1 x3 −2x2 +3x dx mediante el método de Gauss y el error absoluto

Solución: Método de Gauss

65
 METODOS NUMERICOS

R3 x4 −2x3 +3x2 −x+3

R 1 (z + 2)4 − 2 (z + 2)3 + 3 (z + 2)2 − (z + 2) + 3
1 x3 −2x2 +3x dx = −1 3 2 dz
|{z}
z+2=x
(z + 2) − 2 (z + 2) + 3 (z + 2)
| {z }
dz=dx F (z)
∼
= w1 F (z1 ) + w2 F (z2 )
= F (− √13 ) + F ( √13 )
 4  3  2   !  4  3  2  
− √13 +2 −2 − √13 +2 +3 − √13 +2 − − √13 +2 +3 √1
3
+2 −2 √13 +2 +3 √13 +2 − √13 +2 +3
=  3  2   +  3  2  
− √13 +2 −2 − √13 +2 +3 − √13 +2 1
√
3
+2 −2 √13 +2 +3 √13 +2

∼
= 1,93 + 2,61
= 4,54

Método de Riemann
R x4 −2x3 +3x2 −x+3
R −x+3

x3 −2x2 +3x dx = x+ dx
x3 −2x2 +3x
−x+3
R R
= xdx + x3 −2x 2 +3x dx
2
 
x 1 −x+1
R
= 2 + x + x −2x+3 dx
2

x2
R 1 R −x+1
= 2 + x dx + x2 −2x+3 dx
2 −2(−x+1)
x 1
R
= 2 + lnx − 2 x2 −2x+3 dx
x2
+ lnx − 21 ln x2 − 2x + 3


= 2

x4 −2x3 +3x2 −x+3 x2

+ lnx − 12 ln x2 − 2x + 3 de donde
R

así x3 −2x2 +3x dx = 2
R 3 x4 −2x3 +3x2 −x+3 h 2
i 3
x 1 2
dx = + lnx − ln x − 2x + 3 |
i1 h 2
3 2
x −2x +3x
1
h 22 2

i
3 1 1 1
2

2
= 2 + ln3 − 2 ln 3 − 2 (3) + 3 − 2 + ln1 − 2 ln 1 − 2 (1) + 3
= 4,55

por tanto, el error absoluto es

|4,55 − 4,54| = 0,01

Ejemplo. Las profundidades de un río H se miden a distancias espaciadas iguales a través de un canal como se
muestra en la tabla siguiente.

x, m 0 2 4 6 8 10 12 14 16
H, m 0 1,9 2 2 2,4 2,6 2,25 1,12 0

el área de la sección transversal del río se determina por integración con

Z x
Ac = H(x)dx
0
emplee la integración Gaussiana para llevar a cabo la integración con un criterio de detención de 1 %
Solución: Según las condiciones del ejemplo
de 0 a 2

66
 METODOS NUMERICOS

Rx
Ac = 0
H(x)dx
R2
= 0
H(2)dx
R1
=
|{z} −1
1,9 dz
|{z}
z=x−1 F (z)
dz=dx
= 1 (1,9) + 1 (1,9)
= 3,8

de 0 a 4
Rx
Ac = 0
H(x)dx
R4
= 0
H(4)dx
R1
=
|{z} −1
2 (2dz)
z= x−2
2
2dz=dx
R1
= −1
4 dz
|{z}
F (z)

= 1 (4) + 1 (4)
= 8

de 0 a 6
Rx
Ac = 0
H(x)dx
R6
= 0
H(6)dx

de 0 a 8
Rx
Ac = 0
H(x)dx
R8
= 0
H(8)dx

de 0 a 10
Rx
Ac = 0
H(x)dx
R 10
= 0
H(10)dx

de 0 a 12
Rx
Ac = 0
H(x)dx
R 12
= 0
H(12)dx

de 0 a 14
Rx
Ac = 0
H(x)dx
R 14
= 0
H(14)dx

de 0 a 16
Rx
Ac = 0
H(x)dx
R 16
= 0
H(16)dx
R2 ex senx
Ejemplo. Emplee la integración Gaussiana para determinar la integral 0 1+x2 dx con una exactitud de 0,5 %

67
 METODOS NUMERICOS

Solución:
Primero: Método de Riemann
R2 ex senx
0 1+x2 dx = ?

Segundo: Error absoluto

? − valor aproximado = 0,005

de donde valor aproximado=? − 0,005

Tercero: Método de Gauss
R2 ex senx
R R R R2
0 1+x2 dx = 0
+ + +... +

= ? − 0,005
Ra 2
Ejemplo 37. La función de error E(a) = √2
π 0
e−x dx no se puede determinar mediante la integral rectangular,
entonces emplee el método de Gaussiana de dos puntos para estimar E(1,5) y determine el error % si el valor
exacto es 0,966105

Solución:
R 1,5 2
Primero: Segúnn el problema se pretende determinar el valor aproximado de la integral E(1,5) = √2
π 0
e−x dx
por el método de Gauss por medio de dos puntos
R 1,5 2
E(1,5) = √2
π 0
e−x dx
R 1 −( 15 (z+1))2 15
= √2 e 20
|{z} π −1 20 dz
15
20 (z+1)=x
15
20 dz=dx
2
(z+1))
e|−( 20{z
R1 15
15
= √
10 π −1 }dz
F (z)
∼
= 15
√ [w1 F (z1 ) + w2 F (z2 )]
10 π h i
15
= √
10 π
F (− √13 ) + F ( √13 )
   2   2 
15 − 15 1
20 − 3 +1
√ 15 √
− 20 1
+1
= √
10 π
e +e 3

∼
= 0,974173
así el error % es

|0,966105 − 0,974173| × 100 % = 8,067 %

3.6. Formula de Stirling - Derivación

√ 1
2πnn+ 2 e−n
En esta sección se aplica el resultado siguiente lim n! = 1 denominado la formula de Stirling para
n→∞
√ 1
2πnn+ 2 e−n
determinar limites relacionados con el factorial del número n. Es decir la relación lim n! = 1 se lo puede
n→∞

68
 METODOS NUMERICOS

interprestar:

√ 1
n! ∼
= 2πnn+ 2 e−n para n suficientemente grande

Ejemplo. Según la formula de Stirling se tiene

√ 1
125! ∼
= 2π(125)125+ 2 e−125 ∼
= 2,894 × 10209
√ n+ 1 −n
Ahora daremos las ideas que propone Stirling para determinar la relación lim 2πn n! 2 e = 1.
Rn n→∞
¿Determinar la integral An = 1 lnxdx medianmte el método rectangular, para n > 1?
Rn R
R.- Para determinar la integral 1 lnxdx primero calculemos la integral indefinida lnxdx, es decir
R R
lnxdx = 1 |{z}
|{z} lnx dx
f0 g
R
R R
0
= 1dx lnx − 1dx (lnx) dx
xlnx − x x1 dx
R

=
= xlnx − x
R
asi lnxdx = xlnx − x, por tanto
Z n
An = lnxdx = (xlnx − x) |n1 = (nlnn − n) − (1ln1 − 1) = nln(n) − n + 1
1

f 0 g = f g− f g 0 y el teorema fundamental del calculo diferencial e integral I indica h = m

RR R
Operacion Auxiliar:
si y solo si m0 = h de esta idea se tiene la relación m0 = m
R
Rn
¿Determinar la integra An = 1 lnxdx mediante el metodo Trapezoidal, tomando la partición [k, k + 1] para
1 ≤ k ≤ n?
R.- Segun el metodo Trapezoidal
Rn R2 R3 Rn
Tn = 1 lnxdx = 1
lnxdx + 2 lnxdx + · · · + n−1 lnxdx
∼
= 2−1 3−2 n−(n−1)
2 (ln1 + ln2) + 2 (ln2 + ln3) + · · · + 2 (ln(n − 1) + ln(n))
1
= 2 (ln1 + 2ln2 + 2ln3 + · · · + 2ln(n − 1) + ln(n))
1 1 1
= 2 ln1 + ln2 + ln3 + · · · + ln(n − 1) + 2 ln(n) + 2 ln(n) − 12 ln(n)
= ln2 + ln3 + · · · + ln(n − 1) + ln(n) − 21 ln(n)
= (ln2 + ln3 + · · · + ln(n − 1) + ln(n)) − 21 ln(n)
= ln (2 ∗ 3 ∗ · · · ∗ n) − 12 ln(n)
= ln(n!) − 12 ln(n)
Rn
de donde Tn = 1
lnxdx ∼
= ln(n!) − 12 ln(n)
Pero Tn < An , entonces An − Tn = c > 0 para un n suficientemente grande. asi con esta idea Stirling determina
√ 1
2πnn+ 2 e−n
lim n! = 1, es decir trabaja en el limite siguiete lim eAn −Tn .
n→∞ n→∞

69
 METODOS NUMERICOS

3.7. Integración - Derivación Montecarlo

La realción
Z b
ne
f (x)dx ∼
= (b − a) M
a n
donde ne := número de exitos y n := número total,también (b − a) M representa el área del rectangulo que
contiene a la funcion donde M = sup{f (x) : a ≤ x ≤ b}. Es denominada el método de Montecarlo, las iteraciones
en este método se realizan segun la relación

xi = a + (un número randon) (b − a)

yi = (otro número randon) M

el valor númerico de ne se determina bajo la relacion yi ≤ f (xi ).

R3
Ejemplo. Determinar el valor aproximado de la integral 1
x2 dx por medio del método de Montecarlo, donde
|{z}
f (x)
n = 10

Solución: Notemos que b − a = 3 − 1 = 2 y también M = 9 por tanto

Primera iteración:

x1 = a + (un numero randon) (b − a) = 1 + 0,198 (3 − 1) = 1,396

y1 = (otro número randon) M = 0,817 (9) = 7,353
2
asi 7,353 ≤ f (x1 ) = f (1,396) = (1,396) = 1,949 es falso (por tanto ne = 0)
Segunda iteracion:

x2 = a + (un numero randon) (b − a) = 1 + 0,130 (3 − 1) = 1,260

y2 = (otro número randon) M = 0,981 (9) = 8,829
2
asi 8,829 ≤ f (x2 ) = f (1,260) = (1,260) = 1,588 es falso (por tanto ne = 0)
Tercera iteracion:

x3 = a + (un numero randon) (b − a) = 1 + 0,603 (3 − 1) = 2,206

y3 = (otro número randon) M = 0,264 (9) = 2,376
2
asi 2,376 ≤ f (x3 ) = f (2,206) = (2,206) = 4,866 es verdad (por tanto ne = 1)
Cuarta iteracion:

x4 = a + (un numero randon) (b − a) = 1 + 0,234 (3 − 1) = 1,468

y4 = (otro número randon) M = 0,401 (9) = 3,609
2
asi 3,609 ≤ f (1,468) = (1,468) = 2,155 es falso (por tanto ne = 1)
Quinta iteración:

x4 = a + (un numero randon) (b − a) = 1 + 0,532 (3 − 1) = 2,064

y4 = (otro número randon) M = 0,169 (9) = 1,521

70
 METODOS NUMERICOS

2
asi 1,521 ≤ f (2,064) = (2,064) = 4,260 es verdadero (por tanto ne = 2)
Sexta iteración:

x4 = a + (un numero randon) (b − a) = 1 + 0,288 (3 − 1) = 1,576

y4 = (otro número randon) M = 0,016 (9) = 0,144
2
asi 0,144 ≤ f (1,576) = (1,576) = 2,483 es verdadero (por tanto ne = 3)
Septima iteración:

x4 = a + (un numero randon) (b − a) = 1 + 0,508 (3 − 1) = 2,016

y4 = (otro número randon) M = 0,171 (9) = 1,539
2
asi 1,539 ≤ f (2,016) = (2,016) = 4,064 es verdadero (por tanto ne = 4)
Octava iteración:

x4 = a + (un numero randon) (b − a) = 1 + 0,434 (3 − 1) = 1,868

y4 = (otro número randon) M = 0,065 (9) = 0,585
2
asi 0,585 ≤ f (1,868) = (1,868) = 3,489 es verdadera (por tanto ne = 5)
Novena iteración:

x4 = a + (un numero randon) (b − a) = 1 + 0,841 (3 − 1) = 2,682

y4 = (otro número randon) M = 0,780 (9) = 7,020
2
asi 7,020 ≤ f (2,682) = (2,682) = 7,193 es verdadera (por tanto ne = 6)
Decima iteración:

x4 = a + (un numero randon) (b − a) = 1 + 0,659 (3 − 1) = 2,318

y4 = (otro número randon) M = 0,992 (9) = 8,928
2
asi 8,928 ≤ f (2,318) = (2,318) = 5,373 es falso (por tanto ne = 6)
finalmente
Z 3  
ne 6 54
x dx ∼
2
= (b − a) M = (3 − 1) 9 = (3 − 1) = 10,800
1
|{z} n 10 10
f (x)
R3
por tanto 1
x2 dx ∼
= 10,800

71
CAPÍTULO 4

Algebra Matricial y Sistema de Ecuaciones Algebraicas

4.1. Eliminación Gaussiana

El método de la eliminación de Gauss, resuelve el sistema de ecuaciones lineales AX = B (homogeneo, B = 0, o
no homogeneo B 6= 0) aplicando la operación elemental por filas

Remplazar una fila por la misma fila más el multiplo de otra fila

o equivalentemente en forma simbolica

a0ij = aij + cai0 j para j = 1, 2, ..., m

.. .. 0
   
a la matriz A.B para determinar la matriz T .B donde «T es una matriz triangular superior».

4x − 9y + 2z = 5
Ejemplo. Resolver el sistema de ecuaciones lineales 2x − 4y + 6z = 3 mediante el método de Eliminación de
x − y + 3z = 4
Gauss

Solución: La representación matricial del sistema anterior es:

    
4 −9 2 x 5
    
−4  y  =  3 
 2 6    

1 −1 3 z 4
| {z }| {z } | {z }
A X B

donde A es la matriz de coeficientes, X la matriz de variables y B la matriz contante, que coresponde a un sistema
no homogeneo. Asi por el método de eliminación de Gauss se tiene

72
 METODOS NUMERICOS

   
4 −9 2 | 5 − 24 4 − 14
−9 2 | 5
..
 
   
1
A.B =  2 −4 6
 | 3   ←- ∼  0

2 5 | 12   |
1 −1 3 | 4 1 −1 3 | 4 ←-
   
4 −9 2 | 5 4 −9 2 | 5
  5  
1 1  −4 ∼ 1
∼  0
2 5 | 2  1  0 2 5 | 21 
2
 
5 5 11 3
0 | ←- 0 0 −10 |
4 2 4 2
.. 0

= T .B

el sistema equivalente al anterior sistema es:

4x − 9y + 2z = 5
1 1
2y + 5z = 2
3
−10z = 2
3 5 139
de donde z = − 20 , y= 2 yx= 20

3x − 6y + 2z − t = 0
−2x + 4y + z + 3t = 0
Ejemplo. Resolver el sistema de ecuaciones lineales mediante el método de Eliminación
z+t=0
x − 2y + z = 0
de Gauss.

Solución: La representación del sistema en forma matricial es:

    
3 −6 2 −1 x 0
    
 −2 4 1 3  y   0 
  
= 
 
 
 0 0 1 1  z   0 
  
 
1 −2 1 0 t 0
| {z }| {z } | {z }
A X B
donde A es denominada matriz de coeficientes, X matriz de variables y B la matriz constante, que coresponde a
un sistema homogeneo. Asi por el método de eliminación de Gauss se tiene
.
 
A..B =
|{z} A
Como B = 0 entonces solo se toma A    
2
− 31


3 −6 2 −1 3 3 −6 2 −1
   
 −2 4 1 3  ←-
 0 0 37 7 
3  |
= ∼
 
  
 0
 0 1 1 
 0
 0 1 1 
 |
1 −2 1 0 1 −2 1 0 ←-
   
3 −6 2 −1 3 −6 2 −1
   
 0 7 7  7 7
0 3 3  
 0 0 3 3

∼  ∼
 
 1  
 0
 0 1 1  −1
 3
 0
 0 1 1 

1 1
0 0 3 3 ←- 0 0 0 0
= T

73
 METODOS NUMERICOS

el sistema equivalente al anterior sistema es:

3x − 6y + 2z − t = 0 (1)
7
3z + 37 t = 0 (2)
z + t = 0 (3)
asi de la ecuación (3) se tiene que z = −t y también, x = 2y + t, es decir
       
x 2y + t 2 1
       
 y   y   1   0 
=  = y  + t
       
 
 z  
   −t 

 0 
 
 −1 
 
t t 0 1
portanto para determinar las soluciones de las variables x, y, z ,y t se asignan números reales arbitrarios a y y t.

−x + y + 4z = 0
Ejemplo. Resolver el sisitema de ecuaciones lineales x + 3y + 8z = 0 mediante el método de Gauss
1
2x + y + 52 z = 0

−x + y + 4z = 0
Solución: La forma matricial del sistema x + 3y + 8z = 0 es
1
+ y + 25 z = 0
2x
    
−1 1 4 x 0
    
 1 3 8  y  =  0  (α)
    
1 5
2 1 2 z 0
como el sistema es un sistema homogeneo, entonces se trabaja la matriz de coeficientes bajo la operación elemental
“la de remplazar una fila por la misma fila más el multiplo de otra fila” para obtener la una matriz triángular
− 12
     
−1 1 4 ( −1
−1 ) ( −1 ) −1 1 4 −1 1 4
 0 4 12  ( − 23 )
     
 1 3 8  ←-
  | ∼   4
∼   0 4 12 

1
2 1 52 ← ←- 0 23 9
2 ←- 0 0 0

de esta forma las soluciones del sistema (α) serán las mismas que del sisitema
    
−1 1 4 x 0
    
0 4  y  =  0 
12 
    

0 0 0 z 0
es decir

−x + y + 4z = 0
4y + 12z = 0
y como las variables primcipales son x e y entonces y = −3z y x = z así

74
 METODOS NUMERICOS

     
x z 1
     
 y  =  −3z  = z  −3 
     
z z 1

así el espacio solución es Es = {z (1, −3, 1) : z ∈ R} ⊆ R3

   
10 3 1 14
   
Ejemplo 38. Resolver el siguiente sistema AX = B donde A = 
 2 −10 3  y B =  −5 
 

1 3 10 14

Solución: Notemos que el sistema es

    
10 3 1 x 14
    
−10   y  =  −5 
 2 3     

1 3 10 z 14
como el sistema es no homogeneo entonces trabajemos la matriz aumentada para deducir la matriz de coeficiente
a una matriz triángular
   
2 1
10 3 1 | 14 (− 10 ) (− 10 ) 10 3 1 | 14
    27
 2 −10
 3 | −5   ←- | ∼  0
 − 53
5
14
5 | − 39  (− 1053 )
5  − 5
27 99 63
1 3 10 | 14 ← ←- 0 10 10 | 5 ←-
 
10 3 1 | 14
 
53 14
∼  0 −5

5 | − 39
5


0 0 1125
106 | 1125
106

asi el sistema equivalente al sistema anterior es

    
10 3 1 x 14
    
 0
 − 53
5
14
5
  y  =  − 39 
   5 
1125 1125
0 0 106 z 106

observando este sistema se tiene que las variables x, y y z son principales por tanto

10x + 3y + z = 14
− 53
5 y+
14
5 z = − 39
5
1125 1125
106 z = 106

de donde z = 1, y = 1 y x = 1
 
3 −1 2
 
Ejemplo 39. Resolver el sistema homogeneo AX = 0 donde A = 
 2 1  mediante el método de Elimi-
1 
1 −3 0
nación de Gauss

75
 METODOS NUMERICOS

Solución: Según el método de Eliminación de Gauss

     
3 −1 2 (− 23 ) (− 13 ) 3 −1 2 3 −1 2
    8  
5
 2
 1 1  ←- | ∼   0 3 − 13 
 ( 53 )
3
∼  0

5
3 − 31 

1 −3 0 ← ←- 0 − 38 − 23 ←- 0 0 −56

         
3 −1 2 x1 0 3 −1 2 x1 0
         
5
así el sistema 
 2 1   x2  =  0  es equivalente al sistema  0
1      
3 − 13 
  x2  =  0 
   

1 −3 0 x3 0 0 0 − 65 x3 0
de donde

3x1 − x2 + 2x3 = 0
5 1
3 x2 − 3 x3 =0
− 65 x3 = 0
de donde x3 = 0, x2 = 0 y x1 = 0

2x + 3y = 3
Ejemplo 40. Determinar la solución del sistema x − 2y = 5 mediante el método de Eliminación de Gauss
3x + 2y = 7

2x + 3y = 3
Solución: La forma matricial del sistema x − 2y = 5 es
3x + 2y = 7
   
2 3   3
  x  
 1 −2   = 5 
y
   
3 2 7
así aplicando el método de la Eliminación de Gauss se tendrá
   
2 3 | 3 (− 21 ) (− 32 ) 2 3 | 3
   
 1 −2 |
  ←-
5  | ∼  0
 − 27 | 7
2


3 2 | 7 ← ←- 0 − 25 | 5
2
       
2 3   3 2 3   3
  x     x  
de donde el sistema 
 1 −2    =  5  es equivalente al sistema  0 − 27   = 7
2

y y
      
5 5
3 2 7 0 −2 2
es decir

2x + 3y = 3
− 27 y = 7
2
− 52 y = 5
2
6
por tanto y = −1 y x = 2

76
 METODOS NUMERICOS

4.2. Gauss - Jordan

La sección coresponde a la materia de Algebra Lineal. Es decir para la solución de sistemas de ecuaciones lineales
se aplican las siguientes tres operaciones elementales por filas

i) Remplazar una fila por la misma fila más el multiplo de otra fila o simbolicamnete a0ij = aij + cai0 j para j = 1, 2, ..., m
ii) Intercambio de filas o simbolicamente akj = aij y aij = akj para k 6= i
iii) Multiplicación de una fila por un escalar diferente de cero o simbolicamente a0ij = caij para c 6= 0

para determinar la matriz escalon reducida por filas R. Es decir R tiene que cumplin las siguientes propiedades

a) El primer elemento no nulo de cada fila no nula de R tiene que ser igual a 1
b) Los elementos correspondiente a la colunma del primer elemento no nulo (igual a 1) tienen que ser iguales a cero
c) Denotemos por Cj al primer elemento no nulo de cada columna no nula, luego se ordenan las filas
según la realción Cj1 ≺ Cj2 ≺ · · ·
d) Las filas nulas tiene que ir por debajo de las filas no nulas

4x − 9y + 2z = 5
Ejemplo. Resolver el sistema de ecuaciones lineales 2x − 4y + 6z = 3 mediante el método de Gauss-Jordan
x − y + 3z = 4

Solución:

   
.. ..
 4 −9 2 . 5    0 −5 −10 . −11  
..
 
 .   . 
A.B = −4 6 .. 3   | ∼ 0 .. −5
 −3
 2  0 −2
 

 . 
(−2)(−4)
 . 
1 −1 3 .. 4 1 −1 3 .. 4
   
.. ..
 0 1 −10 . 4  (2)(1)  0 1 −10 . 4 
 ..   . 
0 . −5  ←- | ∼  0 0 −20 .. 3 
∼ 1
 0

−2
   ← (− 20 ) ∼
 . 
←-
 . 
1 −1 3 .. 4 1 0 −7 .. 8
.
 
   0 1 0 .. 5
2  
.. |{z}  .. 139
 0 1 −10 . 4   C2
 1 0 0 .
 

..
 20 
. ..
 3

0 0 |{z} 1 . − 20
   
∼ 
0 0 1 .
. − 3  (10)(7) ∼ 
 
 |{z}∼  0 1 0

. 5 
 20  2 
C3
 
 . 
←-
 C1 ≺C2 ≺C3  .. 
1 0 −7 ..

8 . 0 0 1 . 3
− 20
0 ..
 
 1 139
|{z} 0 20

C1
.. 0
 
= R.B

el sistema equivalente al anterior sistema es:

77
 METODOS NUMERICOS

139
x= 20
5
y= 2
3
z= − 20

1
3x + 2y − 6z = 0
−4x + 5z = 0
Ejemplo. Resolver el sistema de ecuaciones lineales mediante el método de Gauss-Jordan
−3x + 6y − 13z = 0
− 37 x + 2y − 83 z = 0

Solución: La representación en forma matricial del sistema es:

   
1
3 2 −6   0

 −4 0
 x  
5 
   0 
=
y 
  
  
 −3 6 −13   0 
  z  
− 37 2 − 83 | {z } 0
| {z } X | {z }
A B

.
 
A..B =
|{z} A
como B = 0, entonces    
1
3 2 −6 ← (3) 1 6
(4)(3)(7)−18
   
 −4 0  −4 0
5  5  ←-| |
= ∼
  
  
 −3 6 −13   −3 6 −13  ←- |
   
− 37 2 − 83 ← (3) −7 6 −8 ← ←-
   
1 6 −18 1 6 −18
   
 0 24 −67  (−1)

 0 24
 −67   (−2)
∼ ∼

 
 0 24
 −67  ←-
 0 0
 0 
 |
0 48 −134 0 48 −134 ←-
   
1 6 −18 1 6 −18 
   
 0 24 −67  ← ( 1 )  0 1 − 67  (−6)
24 24 
∼ ∼
  
 
 0 0 0   0 0 0 
   
0 0 0 0 0 0
 
5
1 0 −4  
 |{z}
 k1

 1 0 − 54
 
67   0 1 − 67 
− 24

 0 |{z}
1  24
∼  ∼   


 k2  k ≺k  0 0
 |{z} 
0 
1 2 
 0 0 0 

 0 0 0
0 0 0
= R

asi el sistema equivalente al sistema del ejercicio es:

78
 METODOS NUMERICOS

x − 54 z = 0
67
y− 24 z =0
67
de donde y = 24 z y x = 54 z, es decir
     
5 5
x 4z 4
     
 y = 67  = z 67
24 z

     24 
z z 1
observando esta relación el sistema tiene infinitas soluciones.
 
6 −4 0
 
Ejemplo. Si A =   4 −2 0  determinar todas las soluciones de los sistemas a) AX = 2X y b) AX = 3X


−1 0 3

Solución: Para el inciso a)

 
4 −4 0
 
El sistema AX = 2X es equivalente a AX−2X = 0 o (A − 2I) X = 0, es decir la matriz (A − 2I) = 
 4 −4 0 

−1 0 1
.
 
(A − 2I) ..B =
|{z} (A − 2I)
como B = 0, entonces
 
4 −4 0 (−1)
 
= 
 4 −4 0  ←-

−1 0 1
 
4 −4 0 
 
∼ 
 0 0 0  |


−1 0 1 (4)
 
← − 41


0 −4 4
 
∼ 
 0 0 0  
−1 0 1 ← (−1)
 
0 |{z}
1 −1
 
 k2 
 
∼ 
 0 0 0 
 
 1
|{z} 0 −1 
k1
 
1 0 −1
 
∼
|{z}

 0 1 −1  
k1 ≺k2
0 0 0
de donde el sistema equivalente al ejercicio es

x=z
y=z

79
 METODOS NUMERICOS

pero las variables principales son: x e y por tanto

     
x z 1
     
 y =
 = z 1 
z   
  
z z 1
   


  1 



asi el conjunto solución del sistema AX = 2X es z 
 1 
 : z ∈ R

 

1
 

 
3 −6 2 −1
 
 −2 4 1 3 
Ejemplo. Sea A =   ¿Para cuales (y1 , y2 , y3 , y4 ) tiene solución el sistema de ecuación AX =
 
 0 0 1 1 
 
1 −2 1 0
Y?

Solución: Según el método de Gauss-Jordan

.. ..
   
 3 −6 2 −1 . y1    0 0 −1 −1 . y1 − 3y4  (3) (1)
.. .
3 ..
   
 −2 |
.  ←- |
 
4 1 3 . y2 
 
 0 0 3 y2 + 2y4 
A..Y = ∼
 
 .  . 
 0 0 1 1 .. y3  | |  0 0 1 1 .. y3 ←-
   

. .
   
(2) (−3) ←-
1 −2 1 0 .. y4 1 −2 1 0 .. y4
 
.

..

 0 0 |{z}
1 1 .. −y1 + 3y4 
 0 0 −1 −1 . y1 − 3y4  ← (−1)

 k3


.. .
0 ..
   
 0 0 0 0 . 3y1 + y2 − 7y4   0 0 0 3y1 + y2 − 7y4 
∼ ∼
   
..  . 
 0 0 0 0 . y1 + y3 − 3y4  0 0 0 0 .. y1 + y3 − 3y4 
   

.. .
   
0 −1 ..
 
1 −2 0 −1 . y1 − 2y4  1
|{z} −2 y1 − 2y4 
k1
.
 
 1 −2 0 −1 .. y1 − 2y4 
.
1 ..
 
 0 0 1 −y1 + 3y4 
∼ 
 
. 
0 ..
|{z}
k1 ≺k3  0 0 0 y1 + y3 − 3y4
 

.
 
0 0 0 0 .. 3y1 + y2 − 7y4

asi el sitema tiene solución si

y1 + y3 − 3y4 = 0
3y1 + y2 − 7y4 = 0

80
 METODOS NUMERICOS

 
  y1
  
1 0 1 −3  y 
2  0
es decir  
  =   y por Gauss-Jordan se tiene
3 1 0 −7  y3 
  0
y4
   
1 0 1 −3 (−3) 1 0 1 −3
Matriz de Coeficientes =   ∼ 
3 1 0 −7 ←- 0 1 −3 2

asi las variables principales son y1 e y2 por tanto

y1 = −y3 + 3y4
y2 = 3y3 − 2y4
finalmente
       
y1 −y3 + 3y4 −1 3
       
 y   3y − 2y   3   2 
 2   3 4
=  = y3   + y4  
    

 y3   y3   1   0 
       
y4 y4 0 1
     


 −1 3 


 
    

  3   2  
el sistema del ejercicio tiene soluciones para el conjunto y3   + y4   : y3 , y4 ∈ R
   
  1 
  0  


     

 
 0 1 

Ejemplo. Verificar que las siguientes dos matrices no son equivalentes por filas
   
2 0 0 1 1 2
   
 a −1 0  y  −2 0 −1 
   
b c 3 1 3 5
   
1
1 1 2 1 0 2
   
Solución: La matriz escalon reducida por filas de la matriz  3
 −2  es  0
−1  0 1
 
2 
1 3 5 0 0 0
 
2 0 0
 
Por otro lado la matriz escalon reducida por filas de la matriz  a −1 0 

 es:
b c 3

81
 METODOS NUMERICOS

   
2 0 0 ← ( 21 ) 1 0 0 (−a) (−b)
   
 a −1 0 
  ∼  a
 −1 0  ←-
 |
b c 3 b c 3 ← ←-
 
1 0 0
 
∼  0
 −1  ← (−1)
0 
0 c 3
 
1 0 0
 
∼  0
 1  (−c)
0 
0 c 3 ←-
 
1 0 0
 
∼  0
 1 0 

0 0 3 ← ( 31 )
 
1 0 0
 
∼  0
 1 0 

0 0 1
 
1 0 0
 
la matriz  0 1 0 

 y como la relación de Gauss-Jordan es una relación de equivalencia entonces para que la
0 0 1
   
2 0 0 1 1 2
   
matriz  a −1 0  se equivalente a la matrz  −2 0 −1  tiene que suceder que las matrices equivalentes
  

b c 3 1 3 5
   
1 0 12 1 0 0
   
3 
 0 1 2  6=  0 1 0  por tabto las matrices
por filas sean iguales pero en nuestro caso se observa que   

0 0 0 0 0 1
   
2 0 0 1 1 2
   
 a −1 0  y  −2 0 −1 
   
b c 3 1 3 5
no son equivalentes.

Ejemplo. Supongamos que R y R0 son matrices escalon reducida por filas de 2 × 3 y que los sistemas RX = 0 y
R0 X = 0 tienen exactamente las mismas soluciones. Demostrar que R = R0

Solución: El ejercicio es equivalente a

Si RX = 0 y R0 X = 0 tienen las mismas soluciones, entonces R = R0

 
a
  0
notemos que X3×1 por tanto X =   b  como los sistemas RX = 0 y R X = 0 tienen las mismas soluciones


c
entonces R y R0 no pueden ser matrices nulas asi R puede ser de las siguiente forma

82
 METODOS NUMERICOS

 
1
Caso 1: R =  y como X es la solución entonces x es la variable principal y como los dos sistemas tienen las
0
0 0
  entonces la variable principal del sistema R X = 0 es x por tanto la matriz R tiene que tener
mismas soluciones
1
la forma  
0
   
1 1
Caso 2: Si R =   entonces R0 =  
0 0 0 0 0 0
0
continuando de esta forma se logra que R = R

−x + y + 4z = 0
Ejemplo. Resolver el sisitema de ecuaciones lineales x + 3y + 8z = 0
1
2x + y + 52 z = 0
Solución: El sistrema anterior en su forma matricial se escribe de
    
−1 1 4 x 0
    
1 3  y  =  0 
8 
    

1 5
2 1 2 z 0
como es un sistema homogeneo, para determinar la solución del sistema hay que determinar la matriz escalón
reducida por filas de la matriz de coeficientes, es decir
     
−1 1 4 −1 1 4 (1) (1) −1 1 4
     
 1 3 8 
  ∼  1
 3  ←-
8  | ∼ 
 0 412  
1 5
2 1 2 ← (2) 1 2 5 ← ←- 0 3 9 (−1)
 
    1 0 −1
−1 1 4  −1 0 1 ← (−1)  |{z} 
 C1 
     
∼ 
 0 1 3  (−1)
 (−3) ∼ 
 0 1 3 
 ∼ 
 0 |{z}
1 3 

 
0 3 9 ← ←- 0 0 0  C2 
0 0 0
 
1 0 −1
 
C1 ≺ C2  0
 1 =R
3 
0 0 0
asi el sistema equivalente al sisteme del ejemplo es:

x−z =0
y + 3z = 0
pero como las variales x e y son variables principales, entonces x = z e y = −3z por tanto el espacio solución es
     
x z 1
     
 y  =  −3z  = z  −3 
     
z z 1
es decir Es = {z (1, −3, 1) : z ∈ R} ⊆ R3

83
 METODOS NUMERICOS

4x − y = 1
−x + 4y − z = 1
Ejemplo. Resolver el sistema de ecuaciones lineales mediante el método de Gauss-Jordan
−y + 4z − t = 1
−z + 4t = 1
    
4 −1 0 0 x 1
    
 −1 4 −1
0 
 y   1
   
Solución: La forma matricial del sistema es  =  asi por el método de Gauss-
 

 0
 −1 4 −1 
 z   1
   

0 0 −1 4 t 1
Jordan se tiene

   
4 −1 0 0 | 1  0 15 −4 0 | 5 ← 
   
 −1 4 −1 0 | 1   −1 4 −1 0 | 1   |
 (4)

∼
 
   
 0
 −1 4 −1 | 1 

 0
 −1 4 −1 | 1   (4) (15)
0 0 −1 4 | 1 0 0 −1 4 | 1
   
1
0 0 56 −15 | 20 ← ←  0 0 0 209 | 76 ← ( 209 )
   
 −1 0 15 −4 | 5  ←
  |  −1 0 0 56 | 20  ← (−1)

∼ ∼
 
   
 0
 −1 4 −1 | 1   | |  0
 −1 0 15 | 5   ← (−1)
0 0 −1 4 | 1 (4) (15) (56) 0 0 −1 4 | 1 ← (−1)
 
4
0 0 0 |{z}
1 | 11
 
  C4
4
 
0 0 0 1 | 11 (56) (15) (4)  4 

   1 0 0 0 | 11
−56 | −20  ←- | |
 1 0 0  |{z} 
 C 
∼ ∼  1 ∼
  
  5 
 0 1 0 −15 | −5  ← ←- | 0 1 0 0 |
 |{z}
  
 |{z} 11 
 C1 ≺C2 ≺C3 ≺C4
0 0 1 −4 | −1 ← ← ←-  C2 
 
5 
 0 0 |{z}
1 0 | 11
  C3
4
1 0 0 0 | 11
 
5
 0 1 0 0
 | 11


 5

 0 0 1 0
 | 11


4
0 0 0 1 | 11

de esta forma el sistema anterior es equivalente al sistema

    
4
1 0 0 0 x 11
    
 0 5
1 0 0 
 y  
  
11

=
 
  5

 0 0 1 0 
 z  
   
 11 
4
0 0 0 1 t 11
4 5 5 4
asi se observa que todas las variables son principales por tanto la solución es: x = 11 , y= 11 , z= 11 yt= 11

84
 METODOS NUMERICOS

   
10 3 1 14
   
Ejemplo 41. Resolver el siguiente sistema AX = B donde A = 
 2 −10 3  y B =  −5 
 

1 3 10 14
Solución. Notemos que el sistema es
    
10 3 1 x 14
    
−10   y  =  −5 
 2 3     

1 3 10 z 14
como el sistema en no homogeneo entonces trabajemos la matriz aumentada para determinar la matriz escalon
reducida por filas de la matriz de coeficientes, es decir
   
10 3 1 | 14 ←  0 −27 −99 | −126← (−1)
   
 2 −10
 3 | −5    | ∼  0 −16 −17 | −33  ← (−1)
 
1 3 10 | 14 (−2) (−10) 1 3 10 | 14
   
0 27 99 | 126  0 −5 65 | 60 (3)
   
∼  0 16 17 | 33  (−2)
  ∼  0 16 17 | 33  ←-
 
1 3 10 | 14 1 3 10 | 14
   
1
0 −5 65 | 60  0 0 1125 | 1125 ← ( 1125 )
   
∼  0
 1 212 | 213  (5) (−3)
 ∼  0 1
 212 | 213  

1 3 10 | 14 ← ←- 1 0 −626 | −625
 
0 0 |{z}
1 | 1
   
0 0 1 | 1 (−212) (626)  C3 
|
 
   0 1 0 1
∼  0 1 212 | 213  ←- | ∼

   |{z} 
 C 2

1 0 −626 | −625 ← ←-
 
 1
|{z} 0 0 | 1 
C1
 
1 0 0 | 1
 
∼
|{z}
 0 1 0
 | 1 

C1 ≺C2 ≺C3
0 0 1 | 1
gracias a esta matriz reducida por filas el sistema equivalente al sistema anterior es
    
1 0 0 x 1
    
 y  =  1 
 0 1 0     

0 0 1 z 1
y se observa que las variables x, y y z son variables principales por tanto la solución del sistema es x = 1, y = 1 y
z=1
2x − 3y − 7z + 5t + 2u = −2
x − 2y − 4z + 3t + u = −2
Ejemplo 42. Resolver el sistema de ecuaciones lineales mediante el método de
2x − 4z + 2t + u = 3
x − 5y − 7z + 6t + 2u = −7
Gauss-Jordan

85
 METODOS NUMERICOS

2x − 3y − 7z + 5t + 2u = −2
x − 2y − 4z + 3t + u = −2
Solución: La representación matricial del sistema es
2x − 4z + 2t + u = 3
x − 5y − 7z + 6t + 2u = −7
 
  x  
2 −3 −7 5 2   −2
  y  
  
 1 −2 −4 3 1    −2 
 z =
  
   
 2 0 −4 2 1 
   3 

  t  
1 −5 −7 6 2   −7
u
así por el método de Gauss-Jordan se tiene

   
2 −3 −7 5 2 | −2  0 1 1 −1 0 | 2 (2) (−4) (3)
   
 1 −2 −4 3 | −2  −2 −4 | −2 
1  (−2) (−2) (−1)  ←- | |
 1 3 1
∼
 
   
 2
 0 −4 2 1 |  ←
3  ←- |  0
 4 4 −4 −1 |  ←
7  ←- |
1 −5 −7 6 2 | −7 ← ← ←- 0 −3 −3 3 1 | −5 ← ← ←-
   
0 1 1 −1 0 | 2 0 1 1 −1 0 | 2
   
 1 0 −2 1 1 | 2   1 0 −2 1 1 | 2  
∼ ∼
  
   
 0 0
 0 0 −1 | −1   
 0
 0 0 0 0 | 0  |
0 0 0 0 1 | 1 (1) 0 0 0 0 1 | 1 (−1)
 
0 1
|{z} 1 −1 0 | 2  
 


c2 
 1 0 −2 1 0 | 1
 1 0 −2 1 0 | 1   
 |{z}   0 1 1 −1 0 | 2 
∼ ∼
 c1   
 
 0 0 0 0 1 | 1 
  |{z}

 0 0 0 0 0 | 0 
 c1 ≺c2 ≺c5  
  0 0 0 0 0 | 0
 0 0 0 0 |{z}
1 | 1 
c5

observando el esquema anterior las variables principales son x, y y u y las variables secundarias z y t así despejando
las variables principales e tiene que

x = 2z − t + 1
y = −z + t + 2
u=1
de donde la solución del sistema es
         
x 2z − t + 1 2 −1 1
         
 y   −z + t + 2   −1   1   2 
         
         
 z =  = z 1  + t
z +
0  0 

       
         
 t   t   0   1   0 
         
u 1 0 0 1
es decir el sistema tiene infinitas soluciones.

86
 METODOS NUMERICOS

4.3. Jacobi y Gauss - Seidel:

El sistema de ecuaciones lineales AX = B según el método de Jacobi y Gauss-Seidel primero se lo ecribe de la
     
a11 a12 · · · a1n x1 b1
     
 a21 a22 · · · a2n   x2   b2 
forma X = CX + D, es decir: Si A =  .  , X =  .  y B =  .  ,entonces
     
 .. ..  ..   .. 
 . 
    
an1 an2 ··· ann xn bn
    
a11 a12 ··· a1n x1 b1
    
 a21 a22 ··· a2n  x2   b2 
AX = B ⇔ =
    
 . .. .. ..
 ..
|{z}  
simbolo de equivalencia  . 
 .  
  . 

an1 an2 ··· ann xn bn
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
⇔ ..
.
an1 x1 + an2 x2 + · · · + ann xn = bn
x1 = − aa11
12
x2 − · · · − a1n
a11 xn + b1
a11
x2 = − aa21
22
x1 − · · · − a2n
a22 xn + b2
a22
⇔
|{z} ..
Si aij 6= 0 para i = j .
an(n−1)
xn = − aann
n1
x1 − · · · − ann xn−1 +
bn
ann
a12
x1 = −0x1 − a11 x2 − · · · − aa1n
11
xn + b1
a11
x2 = − aa22
21
x1 − 0x2 − · · · − a2n
a22 xn + b2
a22
⇔ ..
.
a
xn = − aann
n1
x1 − · · · − n(n−1)
ann xn−1 − 0xn + ann
bn
      
x1 −0 − aa12
11
· · · − aa1n11
x1 b1
a11
   a a2n 
   b2

 x2   − 21 −0 · · · − a22  x2   
  a22 a22
⇔  . = +
   
 ..   .
.. ..  .
 .. .. 
   . 
 
  . 

xn − aann
n1
− aann
n2
··· −0 xn bn
ann
| {z } | {z }| {z } | {z }
X C X D

(0)
 
x1
 (0) 
 x2 
(0)
segundo se toma un valor inicial X =  . 
 
 .. 
 
(0)
xn
Luego se procede a realizar las iteraciones según Jacobi
Primera Iteración:

87
 METODOS NUMERICOS

(1) (0)
      
x1 −0 − aa12
11
··· − aa1n
11
x1 b1
a11
 (1)   a   (0)
− aa2n b2
  
 x2   − 21 −0 ···   x2   
  a22 22 a22
= +
    
 . .. ..  . ..
 ..   ..


 
  . . 
 
  . 

(1) an1 (0)
xn − ann − aann
n2
··· −0 xn bn
ann

Segunda Iteración:

(2) (1)
      
x1 −0 − aa12
11
··· − aa1n
11
x1 b1
a11
 (2)   a   (1)
− aa2n b2
  
 x2   − 21 −0 ···   x2   
  a22 22 a22
= +
    
 . .. ..  . ..
 ..   ..


 
  . . 
 
  . 

(2) an1 (1)
xn − ann − aann
n2
··· −0 xn bn
ann

continuando de esta manera se tiene que la n−esima iteracion segun Jacobi será de la forma

(n) (n−1)
      
x1 −0 − aa11
12
··· − aa1n
11
x1 b1
a11
 (n)   a   (n−1)
− aa2n b2
  
 x2   − 21 −0 ···   x2   
  a22 22 a22
= +
    
 . .. .. .. ..
 ..
 

 
  . . 
 .  
  . 

(n) an1 (n−1)
xn − ann − aann
n2
··· −0 xn bn
ann

Las Iterateraciones según Gauss-Seidel

Primera Iteración:
(1) (0) a12 (0) a1n (0) b1
x1 = −0x1 − a11 x2 − · · · − a11 xn + a11
(1) (1) (0) (0)
x2 = − aa21 x − 0x2 − · · · − aa2n
22 1 22
xn + b2
a22
(1) (1) (1) (0) a3n (0)
x3 = − aa31 x − aa32
33 1
x − 0x3 − · · · −
33 2 a33 xn + b3
a33
..
.
(1) (1) an2 (1) an(n−1) (1) (0)
xn = − aann
n1
x1 − ann x2 − ··· − ann xn−1 − 0xn + bn
ann

Segunda Iteración:
(2) (1) a12 (1) a1n (1) b1
x1 = −0x1 − a11 x2 − · · · − a11 xn + a11
(2) (2) (1) (1)
x2 = − aa21 x − 0x2 − · · · − aa2n
22 1 22
xn + b2
a22
(2) (2) (2) (1) a3n (1)
x3 = − aa31 x − aa32
33 1
x − 0x3 − · · · −
33 2 a33 xn + b3
a33
..
.
(2) (2) an2 (2) an(n−1) (2) (1)
xn = − aann
n1
x1 − ann x2 − ··· − ann xn−1 − 0xn + bn
ann

continuando de esta manera se tiene que la n−esima iteracion segun Gauss-Seidel será de la forma
(n) (n−1) a12 (n−1) (n−1)
x1 = −0x1 − a11 x2 − · · · − aa1n
11
xn + ab11
1

(n) (n) (n−1) (n−1)

x2 = − aa21 x −
22 1
0x2 − · · · − aa2n
22
xn + ab222

(n) (n) a32 (n) (n−1) (n−1)

x3 = − aa33
31
x1 − a33 x2 − 0x3 − · · · − aa3n
33
xn + b3
a33
..
.
(n) (n) an2 (n) an(n−1) (n) (n−1)
xn = − aann
n1
x1 − ann x2 − ··· − ann xn−1 − 0xn + bn
ann

88
 METODOS NUMERICOS

(n)
 
x1
 (n) 
 x2 
Para que la matriz o vector X (n) =  .  ∈ Rn sea una solución aproximada del sistema AX = B, entonces
 
 .. 
 
(n)
xn


AX (n) − B → 0, pero esto ocurre con seguridad si

 (n)   (n−1) 
x x1
1
 (n)   (n−1) 
 x2   x2 
 .  −   → 0
   
 ..   ..
   . 

x(n) (n−1)

n xn
 (n)   (n−1) 
x1 x1
 (n)   (n−1) 
 x2   x2 
La distancia del vector  .  al vector   se determina según las siguientes normas:
   
 ..  ..
 

 . 

(n) (n−1)
xn xn
1.- La Norma Euclidiana: Se determina bajo el teorema de Pitagoras de la siguiente forma

 (n)   (n−1)

x x1
1
 (n)   (n−1)  r
 x2   x2   2  2  2
(n) (n−1) (n) (n−1) (n) (n−1)
−  = x1 − x1 + x2 − x2 + · · · + xn − xn
   
 . ..
 ..   . 
   
x(n) (n−1)

n xn

2.- La Norma de Suma:

 (n)   (n−1)

x x1
1
 (n)   (n−1) 
 x2   x2       
  (n) (n−1)   (n) (n−1) 
−  = x1 − x1  + x2 − x2  + · · · + xn(n) − x(n−1)
    
 . .. n
 ..


 
  . 

x(n) (n−1)

n xn

3.- La Norma del Maximo:

 (n)   (n−1)

x x1
1
 (n)   (n−1) 
 x2   x2  n     o
 (n) (n−1)   (n) (n−1) 
−  = máx x1 − x1  , x2 − x2  , ..., x(n) − x (n−1) 
    
 . .. n n
 ..


 
  . 

x(n) (n−1)

n xn
   
2 −1 3 3 −1 2
   
 4 2 3
1   5 2 
Ejemplo. Desarrollar la matriz C = AB donde A =  yB=
   

 5
 −2 5 4 
  −1
 3 

−1 1 1 1 −1 1

Solución: Por el algebra de matrices

89
 METODOS NUMERICOS

C = AB
   
2 −1 3 3 −1 2
   
 4 2 3 1   5 2 
=
   
   
 5 −2 5 4   −1 3 
   
−1 1 1 1 −1 1
 4×4 4×2 
2 (−1) − 1 (5) + 3 (−1) + 3 (−1) 2 (2) − 1 (2) + 3 (3) + 3 (1)
 
 4 (−1) + 2 (5) + 3 (−1) + 1 (−1) 4 (2) + 2 (2) + 3 (3) + 1 (1) 
=
 
 
 5 (−1) − 2 (5) + 5 (−1) + 4 (−1) 5 (2) − 2 (2) + 5 (3) + 4 (1) 
 
−1 (−1) + 1 (5) + 1 (−1) + 1 (−1) −1 (2) + 1 (2) + 1 (3) + 1 (1)
 
−13 14
 
 2 22 
=
 
 

 −24 25  
4 4

4x − y = 1
−x + 4y − z = 1
Ejemplo. Resolver el sistema (1) por el método de Jacobi y Gauss-Seidel
−y + 4z − t = 1
−z + 4t = 1

Solución: El sistema en su forma maticial se escribe

    
4 −1 0 0 x 1
    
 −1 4 −1 0  y   1 
  
= 
 
 
 0
 −1 4 −1 
 z   1 
 
0 0 −1 4 t 1
| {z }| {z } | {z }
A X B

Primero: Se representa el sistema AX = B en la forma X = CX + D

Del sistema (1) se despejan las variables x, y, z y t de la siguiente forma

x = 41 y + 1
4
1 1 1
y= 4x + 4z + 4
1 1 1
z= 4y + 4t + 4
1 1
t= 4z + 4

y en forma matricial este sistema se escribe

      
1 1
x 0 4 0 0 x 4
      
 y   1 0 1
0  y   1 
  4 4 4
= +
    
 1

1  1

 z   0 0 z   
   4 4    4 
1 1
t 0 0 4 0 t 4
| {z } | {z }| {z } | {z }
X C X D

90
 METODOS NUMERICOS

   
x(0) 0
   
 y (0)   0 
(0)
Segundo: Tomemos el valor inicial X =  = 
   
 z (0)   0 
   
t(0) 0
Tercero: Se realizan las iteraciones según Jacobi
Primera Iteración:
        
1 1 1
x(1) 0 4 0 0 0 4 4
        
 y (1)   1 0 1 0  0     1 1 
  4 4 4 4
= + =
      
    
 z (1)   0 1 0 1  0     1 1 
   4 4      4 4 
t(1) 0 0 14 0 0 1
4
1
4
       
1 1
x(1) 0

   4     4  q

 y (1)   1   0   1 
2
4   4 
asi X (1) =  = y  −  = 4 0 − 14 = 0,5
    
1

 z (1)     0   1 
   4     4 
1 1
t(1)

0
4 4
Segunda Iteración:
        
1 1 1 5
x(2) 0 4 0 0 4 4 16
        
  1 0 1 0 
 y (2)      1 1 3
  4 4 4 4 8
= + =
      
     
  0 1 0 1 
 z (2)      1 1 3
   4 4       4 4 8
1 1 1 5
t(2) 0 0 4 0 4 4 16
   
   
5 1 5
x(2)

   16  
4
  16
 q
 y (2)   3   1   3 
5 2
  8   4   8 
2
 =  3  y  1  −  3  = 2 14 − 16 + 2 14 − 83 = 0,19


asi X (2) = 

 z (2)       
   8   4   8 
5 1 5
t(2)


16 4 16
Cuarto: Se realiza las iteraciones según Gauss-Seidel
Primera iteración:

x(1) = 0(0) + 14 (0) + 0(0) + 0(0) + 1 1

4 = 4
y (1) = 14 ( 14 ) + 0(0) + 14 (0) + 0(0) + 14 = 16 5

z (1) = 0( 14 ) + 14 ( 16
5
) + 0(0) + 14 (0) + 14 = 2164
t(1) = 0( 41 ) + 0( 165
) + 14 ( 21
64 ) + 0(0) + 1
4 = 85
256
       
1 1
x(1) 0

   4  

  4
 q
 y (1) 5 5
 
16
  0  
16

2 5 2 21 2 85 2
0 − 41 + 0 −




asi X (1) = =  y  −  = + 0− + 0− =
       
 z (1) 21 21 16 64 256

 
  64
 
  0  
  64


85 85
t(1)

256
0 256

0,61
Segunda iteración:

91
 METODOS NUMERICOS

x(2) = 0( 41 ) + 14 ( 16
5
) + 0( 21 85
64 ) + 0( 256 ) +
85
256
1
4 =
85
y (2) = 14 ( 256 ) + 0( 165
) + 14 ( 21 85 1
64 ) + 0( 256 ) + 4 = 1024
425

85
z (2) = 0( 256 ) + 41 ( 1024
425
) + 0( 21 1 85 1 1137
64 ) + 4 ( 256 ) + 4 = 2048
85 425
t(2) = 0( 256 ) + 0( 1024 ) + 41 ( 1137 85 1
2048 ) + 0( 256 ) + 4 = 8192
3185

       
85 1 85
x(2)

   256  
4   256
 q
 y (2)   425   5   425 
1024 16 1024 1 85 2 5 425 2 21 1137 2 85 3185 2





asi X (2) = =  y  −  = − + − + − + − =
       
 z (2)   1137   21   1137  4 256 16 1024 64 2048 256 8192
   2048   64   2048 
3185 85 3185
t(2)


8192 256 8192
0,27
   
10 3 1 14
   
Ejemplo. Resolver el siguiente sistema AX = B donde A =   2 −10 3  y B =  −5  mediante el
 

1 3 10 14
método de Jacobi y Gauss-Seidel y calcular el error absoluto

Solución: En este caso el sistema es

    
10 3 1 x 14
    
−10   y  =  −5 
 2 3     

1 3 10 z 14
o equivalentemente

10x + 3y + z = 14
2x − 10y + 3z = −5
x + 3y + 10z = 14
despelando de este sistema las variables x, y y z de la primera ecuación, de la segunda ecuación y de la tercera
ecuación respectivamente
3 1 14
x = − 10 y− 10 z + 10
2 3 5
y= 10 x + 10 z + 10
1 3 14
z= − 10 x − 10 y + 10
y este sistema es equivalente a
      
3 1 14
x 0 − 10 − 10 x 10
      
 y = 2 0 3
 y  +   5
   10 10
    10
1 3 14
z − 10 − 10 0 z 10
 
0
 
para este caso tomemos como valor inicial el vector X (0) = 0 

 ahora trabajemos las iteraciones según
0
Jacobi:
Primera iteración

92
 METODOS NUMERICOS

        
3 1 14
x(1) 0 − 10 − 10 0 10 1,4
        
 y (1)  =  2 0 3  +  =  0,5  5
   10 10   0      10
1 3 14
z (1) − 10 − 10 0 0 1,4 10
       
x(1) 1,4 0
1,4
        q 2 2 2
(1)  = 
así 
 y   0,5  y  0  −  0,5 
    
= (−1,4) + (−0,5) + (−1,4) =?

z (1) 1,4 0 1,4
Segunda iteración:
        
3 1 14
x(2) 0 − 10 − 10 1,4 10 1,11
        
 y (2)  =  2 3
  0,5  +   =  1,2  5
   10 0
 10
    10

1 3 14
z (2) − 10 − 10 0 1,4 1,11 10
       
x(2) 1,11 1,4
1,11

 q
 −  1,2  = (1,4 − 1,11)2 + (0,5 − 1,2)2 + (1,4 − 1,11)2 =?
      
así  (2)  =  y
 y 1,2   0,5

    
(2)

z 1,11 1,4 1,11
Tercera iteración:
        
3 1 14
x(3) 0 − 10 − 10 1,11 10 0,93
        
 y (3)  =  2 0 3   1,2  +  5
 =  1,06 
   10 10      10 
1 3 14
z (3) − 10 − 10 0 1,11 10 0,93
       
x(3) 0,93 1,11
0,93

 q
 = (1,11 − 0,93)2 + (1,2 − 1,06)2 + (1,11 − 0,93)2 =?
      
(3)
 y  1,2  −  1,06
así  =
 y 1,06    
  

z (3) 0,93 1,11 0,93
así el error es
   
1 0,93

 q
 = (1 − 0,93)2 + (1 − 1,06)2 + (1 − 0,93)2 =?
  
 1  −  1,06
   

1 0,93

Gauss-Seidel

−x + y + 4z = 0
Ejemplo. Resolver el sisitema de ecuaciones lineales x + 3y + 8z = 0 bajo el método de Jacobi y Gauss-Seidel
1
2x + y + 52 z = 0
y determinar el error absoluto con tres iteraciones

−x + y + 4z = 0
Solución: Primero escrivamos el sistema m x + 3y + 8z = 0 en la forma X = CX + D, es decir
1
2x + y + 52 z = 0

93
 METODOS NUMERICOS

−x + y + 4z = 0
x + 3y + 8z = 0
1
2x + y + 52 z = 0
x + 3y + 8z = 0
el sistema anterior es equivalente −x + y + 4z = 0
1
2x + y + 52 z = 0
x = 0x − 3y − 8z + 0
despejemos x, y y z del sitema y = +x + 0y − 4z + 0
z = − 51 x − 25 y + 0z + 0
      
x 0 −3 −8 x 0
      
en su forma matricial  y  =  1 0 −4  y  +  0 
      
z − 15 − 52 0 z 0

   
x(0) 1
   
Segundo: Sea  (0)  = 
 y   0 

z (0) 0
Tercero: Realicemos las iteraciones según Jacobi
Primera iteración:
        
x(1) 0 −3 −8 1 0 0
        
 y (1)  =  1 0  0  +  0  =  1 
−4       
  
z (1)
− 51 − 52 0 0 0 − 15
       
x(1) 0 1
0

        q 2 2 1 2


(1)  = 
así 
 y   1  y además  0   1  = (1 − 0) + (0 − 1) + 0 + 5 = 1,4
−
    

− 51 − 15

z (1) 0
Segunda iteración:
        
x(2) 0 −3 −8 0 0 − 57
        
 y (2)  =  1 0 −4   1  +  0  =  4 
        5 
z (2) − 51 − 52 0 − 15 0 − 25
       
x(2) − 75
0 − 75

        q
2
2
2
así 
 y
(2)  = 
  5
4  y además  1
 
−
 
4
5
 =
 0 + 75 + 1 − 45 + − 15 + 52 = 1,4
− 25 −1 − 25

z (2) 5

Tercera iteración:
        
x(3) 0 −3 −8 − 57 0 4
5
        
 y (3)  =  1  4     1
0  5  +  0  = 
−4  
   5 
z (3) − 15 − 25 0 − 25 0 1
− 25

94
 METODOS NUMERICOS

       
4 −7 4
x(3) 5

 5 5

       q 7 4
2 4 1 2 1 2
+ − 25 +



así  (3)  =  1  y además  4 − 1  = −5 − 5 + − = 2,3
 y   5   5   5  5 5 25
1 −2 1

z (3) − 25 − 25
  5 
4

1
5
    q
2
2 1 2
1 − 54 + −3 − 15 + 1 + 25


1
así el error absoluto es EA =  −3 −  = = 3,3
  
5
1

1 − 25
   
x(0) 0
   
Cuarto: Realicemos las iteraciones según Gauss-Seidel bajo el valor inicial  (0)  = 
 y   0 

z (0) 1
Primera iteración:

x(1) = 0 (0) − 3 (0) − 8 (1) + 0 = −8

y (1) = + (−8) + 0 (0) − 4 (1) + 0 = −12
z (1) = − 15 (−8) − 2
5 (−12) + 0 (1) + 0 = 6,4
       
x(1) −8 0
−8
        q 2 2 2
(1)  = 
así 
 y   −12  y además  0  −  −12 
    
= (0 + 8) + (0 + 12) + (1 − 6,4) =?

z (1) 6,4 1 6,4
Segunda iteración:

x(2) = 0 (−8) − 3 (−12) − 8 (6,4) + 0 = −15,2

y (2) = + (−15,2) + 0 (−12) − 4 (6,4) + 0 = −40,8
z (2) = − 51 (−15,2) − 2
5 (−40,8) + 0 (6,4) + 0 = 19,4
       
x(2) −15,2
−8 −15,2
 q
 =  −40,8  y además  −12  −  −40,8  = (−8 + 15,2)2 + (−12 + 40,8)2 + (6,4 − 19,4)2 =
      
así  (2)
 y       

z (2) 19,4 6,4 19,4
?
Tercera iteración:

x(3) = 0 (−15,2) − 3 (−40,8) − 8 (19,4) + 0 = −32,8

y (3) = + (−32,8) + 0 (−40,8) − 4 (19,4) + 0 = −110,4
z (3) = − 51 (−32,8) − 2
5 (−110,4) + 0 (19,4) + 0 = 50,7
       
x(3) −32,8 −15,2
−32,8
 q
 =  −110,4  y además  −40,8  −  −110,4  = (−15,2 + 32,8)2 + (−40,8 + 110,4)2 + (19,4 − 50,7)2
      
así  (3)
 y       

z (3) 50,7 19,4 50,7
?    

1 −32,8
    q 2 2 2
así el error absoluto es EA =  −3  −  −110,4 
   
= (1 + 32,8) + (−3 + 110,4) + (1 − 50,7) = 123,1

1 50,7

95
 METODOS NUMERICOS

3 2 4
x + y + z =3
Ejemplo 43. Resolver el sistema de ecuaciones lineales 1 4 2
x + y + z = −6 mediante el métodod de Jacobi y
6 5 6
x − y − z = 31
Gauss-Seidel
3 2 4
x + y + z =3
1 1 1 1 4 2
Solución: Sean t = x, u= y yv= z así el sistema x + y + z = −6 es equivalente a
6 5 6
x − y − z = 31
t + 4u + 2v = −6
3t + 2u + 4v = 3
6t − 5u − 6v = 31
este sistema en su forma matricial se escribira AX = B pero para lograr escribir este sistema de la forma X =
CX + D despejemos las siguientes variables

t = 0t − 4u − 2v − 6
u = − 23 t + 0u − 2v + 3
2
v = t − 56 u + 0v − 31
6

y la forma matricial de este sistema es

      
t 0 −4 −2 t −6
      
 u  =  −3 3 
0 −2  +
u 
 
   2  2 
v 1 − 65 0 v − 31
6
       
1
x(0) 3 t(0) 3
       
en este caso tomemos como valor inicial al vector X (0) =
 y
(0) =
 
 (0)  =  1 
 de donde  u
1    
z (0) −1 v (0)
−1
Para el método de Jacobi:
primera iteración
        
t(1) 0 −4 −2 3 −6 −8
        
 u(1)  =  − 3 0 −2   1 + 3 =
−1 
   2    2   
v (1) 1 − 56 0 −1 − 31
6 −3
       
t(1) −8 x(1) − 81
       
así  (1)  =   (1)  =  −1 
 u   −1  de donde  y

  
(1) (1) 1
v −3 z −3
   
1 1
−
s
 3   8 
 2   2
 1  −  −1  = 1 1 2 1
− − + (1 − (−1)) + −1 − − = 2,16
    3 8 3
− 13

−1

segunda iteración

96
 METODOS NUMERICOS

        
t(2) 0 −4 −2 −8 −6 4
        
 u(2)  =  − 3 3  =  195 
0   −1  + 
−2    
   2 2   10 
v (2) 1 − 56 0 −3 − 31
6 − 35
3
       
1
t(2) 4 x(2) 4
       
así  (2)  =  195  de donde  (2)  =  10
 u  y

  10     195
v (2) − 35
3 z (2) 3
− 35
   
−1 1 s
 8   4
 2  2   2

 −1  −  10  = 1 1 10 1 3
  195  − − + −1 − + − − − =?
 8 4 195 3 35
1 3

− − 35
3
     
1
x(0) 3 t(0)
     
Para Gauss-Seidel tomemos como valor inicial al vector X (0) = 
 y
(0)  = 
  1  de donde
  u(0)  =
 
z (0) −1 v (0)
 
3
 
 1 
 
−1
primera iteración:

t(1) = 0 (3) − 4 (1) − 2 (−1) − 6 = −8

u(1) = − 23 (−8) + 0 (1) − 2 (−1) + 23 = 312
v (1) = −8 − 56 31 31 313


2 + 0 (−1) − 6 = − 12
       
t(1) −8 x(1) − 81
       
así  (1) = 31  de donde  (1)  =  2 
 u   2   y   31 
v (1) − 313
12 z (1) 12
− 313
   
1

3 − 18 s 2  2  2
  
 1  − 

2  =
1 1 2 12
31 
+ + 1 − + −1 + =?
   3 8 31 313
12

−1 − 313

segunda iteración:

t(2) = 0 (−8) − 4 31 313 95

2 − 2 − 12 − 6 = − 6
u(2) = − 32 − 95 31 313 3 929




6 + 0 2 − 2 − 12 + 2 = 12
v (2) = − 95 5 929 313 31 6157




6 − 6 12 + 0 − 12 − 6 = − 72
       
t(2) − 956 x(2) 6
− 95
       
sí  (2)  =  929  de donde  y (2)  =  12 
 u   12     929 
v (2) − 6157
72 z (2) 72
− 6157

97
 METODOS NUMERICOS


x y z



 10 + 3 − 6 =3

Ejemplo 44. Resolver el sistema de ecuaciones lineales x y z mediante el método de Jacobi y
 3 + 4 + 3 = 21


x y z
+ − =0


5 6 3
Gauss-Seidel con dos iteraciones y determinar el error absoluto.

Solución: 
x y z



 10 + 3 − 6 =3

Para determinar el valor exacto el sistema x y z hay que resolverlo mediante el metodo de
 3 + 4 + 3 = 21


x y z
+ − =0


5 6 3
Guass-Jordan, es decir representemos el sistema




 6x + 20y − 10z = 180

 4x + 3y + 4z = 252


 6x + 5y − 10z = 0


en su forma matricial
    
6 20 −10 x 180
    
 4 3 4  y  =  252 
    
6 5 −10 z 0
aplicando el metodo de Gauss-Jordan se tiene que
   
x 30
   
 y  =  12 
   
z 24
que corresponde al valor exacto.
Ahora trabajemos el método de Jacobi y Gauss-Seidel, es decir
 x +y −z =3

 10 3 6


Primero: La forma matricial del sistema x y z es
 3 + 4 + 3 = 21


 x+y −z =0

5 6 3
    
1 1 1
− x 3
 10 3 6
   
 1 1 1   =  21 
 3 4 3  y   
1 1 1
5 6 − 3 z 0
Segundo: Escribamos el sistema de la la forma X = CX + D, es decir

x = − 10 5
3 y + 3 z + 30
y = − 43 x − 34 z + 84
z = 35 x + 12 y

98
 METODOS NUMERICOS

y en su forma matricial es sitema es equivalente a

      
x 0 − 10
3
5
3 x 30
      
 y  =  −4 0 − 43   y  +  84 
   3    
3 1
z 5 2 0 z 0
   
x(0) 30
   
ahora tomemos como valor inicial el vector X (0) =
 y
(0)  =  20 
  
z (0) 20
Para Jacobi:
primera iteración:
        
x(1) 0 − 10
3
5
3 30 30 − 10
3
        
 y (1)  =  − 4 0 − 43   20  +  84  =  52 
   3      3 
(1) 3 1
z 5 2 0 20 0 28
   
x(1) − 10
3
   
así  y
 (1)  =  52  de donde
  3 
z (1) 28
   
− 10 30 s
3  2  2
  
 52  −  20
 10 52 2
3 
 = − − 30 + − 20 + (28 − 20) = 34,38


 
3 3
28 20

segunda iteración:
        
x(2) 0 − 10
3
5
3 − 10
3 30 170
9
        
 y (2)  =  − 4 0 − 34  52 +  84  =  460 
   3  3    9 
3 1 20
z (2) 5 2 0 28 0 3
   
170
x(2)
   9 
así  (2)  =  460  de donde
 y   9 
(2) 20
z 3
   
− 10 170 s
3 9  2  2  2
   
 52  −  460  = 10 170 52 460 20
3   9  − − + − + 28 − = 45,71
 3 9 3 9 3
20

28 3

continuando de esta manera “se tiene

 que  observar que las sucesiones” que se van generando en algun momento se
30
 
va a aproximar al vector exacto 
 12 


24
Para Gauss-Seidel

99
 METODOS NUMERICOS

10
x = 0x − 3 y + 35 z + 30
y = − 34 x + 0y − 34 z + 84
z = 35 x + 12 y + 0z
   
x(0) 30
   
para este caso también tomemos el valor inicial de X (0) =   y
(0)  =  20  así
  
z (0) 20
primera iteración:

10 5
x(1) = 0 (30) − 3 (20) + 3 (20) + 30 = − 10
3
y (1) = − 43 − 10
+ 0 (20) − 43 (20) + 84 = 556


3 9
3 10
+ 21 556 + 0 (20) = 260



z (1) = 5 − 3 9 9
   
x(1) − 10
3
   
así  (1)  =  556  de donde
 y   9 
(1) 260
z 9
  
− 10 s30
3  2  2  2

 556
  
 −  20  = 10 556 260
 9 − − 30 + − 20 + − 20 = 54,18
   3 9 9
260


9 20
segunda iteración:

x(2) = 0 − 10 55610
+ 53 260 + 30 = − 1150




3 − 9 3 9 9
− 43 − 1150 556 4 260 5828




y (2) = 9 + 0 9 − 3 9 + 84 = 27
3 1150

1 5828
260

844
z (2) = 5 − 9 + 2 27 + 0 9 = 27
   
x(2) − 1150
9
   
así  (2)  =  5828  de donde
 y   27 
844
z (2) 27
   
− 10 − 1150 s
3 9  2  2  2
  
 556  −  5828
 10 1150 556 5828 260 844
 9   27
 = − − + − + − = 202,32
 3 9 9 27 9 27
260 844


9 27
    
−4 1 1 1 x1 1
    
 1 −4 1
1 
  x2 
   1 
Ejemplo 45. Resolver el sistema de ecuaciones lineales   =   tal que el
  


 1 1 −4 1 

 x3 

 1 
 
1 1 1 −4 x4 1
   
(0)
x1 0
 (0) 
  
 x2   0  
error relativo sea de 0,001 tomando como valor inicial a   =   a) Mediante el método de Jacobi b)
 
(0) 

 x3   0  

(0)
x4 0

100
 METODOS NUMERICOS

Solución:     
−4 1 1 1 x1 1
    
 1 −4   x2   1 
1
1     
Primero determinemos el valor exacto del sistema   =   es decir



 1 1 −4   x3   1 
1     
1 1 1 −4 x4 1
   
−4 1 1 1 | 1 ←  0 1 1 −3 (1) | 1 (−1)
   
 1 −4 1 1 | 1 
  |  0 −1 0 1 | 0  ←-
 |
∼ ∼
 
   

 1 1 −4 1 | 1 
  |  0
 0 −1 1 | 0 
 |
1 1 1 −4 | 1 (−1) (4) 1 1 1 −4 | 1 ← ←-
   
0 1 1 −3 | 1 0 1 0 0 | −1
   
 0 0 1 −2 | 1   0 0 0 1 | −1 
∼
   
   
 0 0 −1 1 | 0   0 0 1 0 | −1 
   
1 0 0 −1 | 0 1 0 0 0 | −1
 
1 0 0 0 | −1
 
 0 1 0 0 | −1 
 
 
 0 0 1 0 | −1 
 
0 0 0 1 | −1

de donde x1 = −1, x2 = −1, x3 = −1 y x4 = −1    

−4 1 1 1 x1 1
    
 1 −4 1   x2   1 
1     
Para el método de Jacobi se escribe el sistema  =  de la forma X = CX+D


 1
 1 −4   x3   1 
1     
1 1 1 −4 x4 1
es decir

−4x1 + x2 + x3 + x4 = 1
x1 − 4x2 + x3 + x4 = 1
x1 + x2 − 4x3 + x4 = 1
x1 + x2 + x3 − 4x4 = 1
de donde

x1 = 41 x2 + 14 x3 + 14 x4 − 1
4
x2 = 41 x1 + 14 x3 + 14 x4 − 1
4
x3 = 41 x1 + 14 x2 + 14 x4 − 1
4
x4 = 41 x1 + 14 x2 + 14 x3 − 1
4

y la forma matricial de este sistema es

101
 METODOS NUMERICOS

      
1 1 1
x1 0 4 4 4 x1 − 41
      
 x   1 1 1   x   −1
 2   4 0 4 4  2   4

= +

 1 1 1
 
 x3   0   x3   − 1 
   4 4 4    4 
1 1 1
x4 4 4 4 0 x4 − 14
primera iteración
        
(1) 1 1 1
x1 0 4 4 4 0 − 41 − 41
 (1)        
 x 1 1 1   0   −1   −1
 2
 
4 0 4 4   4   4

= + = 1
   
 (1) 1 1 1
 
 x   0   0   −1   − 
 3   4 4 4    4   4 
(1) 1 1 1
x4 4 4 4 0 0 − 14 − 14
   
(1)
x1 −1
 (1)   4 
 x   −1 
así  2(1)
  4
= 1  y el error relativo es
 
 x   − 
 3   4 
(1)
x4 − 14
 
 
− 14 −1


   
1 
 − 4   −1 
 
−

 

 − 14   −1 
   q
1

2
4 − 14 + 1

−4 −1 3
ER =   = q = = 0,75
−1
2 4
4 (−1)
 
 −1 
 
 
 −1 
 

−1

segunda iteración:
        
(2) 1 1 1
x1 0 4 4 4 − 41 − 14 7
− 16
 (2)        
 x 1 1 1   −1   −1   −7
 2
 
4 0 4 4  4   4   16

= + 1 =
  
 (2) 1 1 1
 1 
 x   0  −   −   −7 
 3   4 4 4  4   4   16 
(2) 1 1 1
x4 4 4 4 0 − 14 − 14 7
− 16
   
(2)
x1 −7
 (2)   16 
 x   −7 
así  2(2)
  16
=  de donde
 
 x   −7 
 3   16 
(2) 7
x4 − 16

102
 METODOS NUMERICOS

  

7
− 16 −1


   
7 
 − 16   −1 
 
−

 7 


 − 16   −1 
 
q
7
7

2
− 16 −1 4 − 16 +1 9
ER =   = q = = 0,5625
−1
2 16
4 (−1)
 
 −1 
 
 
 −1 
 

−1

4.4. Sistemas Complejos:

En esta sección se trabajan los métodos anteriores (Eliminación de Gauss, Gauss-Jordan, Jacobi y Gauss-Seidel)
con números complejos.
 
1 −i i
 
Ejemplo. Resolver el sistema de ecuaciones lineales AX = 0 donde A = 
 2 2 0 

i 1+i 0

x − iy + iz = 0
Solución: Segun el método de Gauss-Seidel el sistema 2x + 2y = 0 se resuelve:
ix + (1 + i)y = 0
Primero: (Escribir el sistema AX = 0 a la forma X = CX + D)
    
1 −i i x 0
    
AX = 0 ⇔  2  2 0  y  =  0
    

i 1+i 0 z 0
x − iy + iz = 0
⇔ 2x + 2y = 0
ix + (1 + i)y = 0
z = ix + y
⇔ y = −x
x = (−1 + i)y
      
z 0 1 i z 0
      
⇔  y = 0
   0 −1   y  +  0
    

x 0 (−1 + i) 0 x 0
 
0
(0)
 
Segundo: Sea el valor inicial X =  1 


1
Tercero: Se realizan las iteraciones según Gauss-Seidel
Primera iteración

103
 METODOS NUMERICOS

z (1) = 0(0) + 1(1) + i(1) + 0 = 1 + i

y (1) = 0(1 + i) + 0(1) − 1(1) + 0 = −1
x(1) = 0(1 + i) + (−1 + i)(−1) + 0(1) + 0 = 1 − i
   
z (1) 1+i
   
asi X (1) = 
 y
(1)  = 
  −1  por tanto


x(1) 1−i
   
0 1+i

   
 1  −  −1  = k0 − (1 + i)k + k1 − (−1)k + k1 − (1 − i)k
    |{z}
aplicando la norma de la suma

1 1−i
= k−1 − ik + k1 + 1k + kik
= k(−1, −1)k + k(2, 0)k + k(0, 1)k
p √ √
= (−1)2 + (−1)2 + 22 + 02 + 02 + 12
= 4,41

Segunda iteración:

z (2) = 0(1 + i) + 1(−1) + i(1 − i) + 0 = i

y (2) = 0(i) + 0(−1) − 1(1 − i) + 0 = −1 + i
x(2) = 0(i) + (−1 + i)(−1 + i) + 0(1 − i) + 0 = −2i
   
z (2) i
   
asi X (2) = 
 y
(2)  = 
  −1 + i  por tanto


x(2) −2i
   
1+i i

   
 −1  −  −1 + i  = k1 + i − ik + k−1 − (−1 + i)k + k1 − i − (−2i)k
   

1−i −2i
= k1k + k−ik + k1 + ik
= k(1, 0)k + k(0, −1)k + k(1, 1)k
√ p √
= 12 + 02 + 02 + (−1)2 + 12 + 12
√
= 1 + 1 + 2 = 3,41
 
2 0 i
 
Ejemplo. Resolver el sistema AX = 0 donde A = 
 1 −3  por el método de Jacobi con tres iteraciones
−i 
i 1 1
y determinar el error absoluto

Solución: Representemos el sistema AX = 0 mediante la relación X = CX + D, es decir

104
 METODOS NUMERICOS

    
2 0 i x 0
    
−3  y  =  0 
−i 
 1    

i 1 1 z 0
2x + iz = 0
x − 3y − iz = 0
ix + y + z = 0
x = 0x + 0y − 2i z + 0
y = 31 x + 0y − 3i z + 0
z = −ix − y + 0z + 0
      
x 0 0 − 2i x 0
      
 y = 1 0 − 3i  y  +  0 
   3    
z −i −1 0 z 0

   
x(0) 1
   
Sea  (0)  = 
 y   1  ahora iniciemos las iteraciones


z (0) 0
Primera iteración:
        
x(1) 0 0 − 2i 1 0 0
        
 y (1)  =  1 i 
0 −3   1 + 0 = 1 
   3     3 
(1)
z −i −1 0 0 0 −1 − i
   
x(1) 0
   
de donde  (1)  =  1  y también
 y   3 
z (1) −1 − i
   
1 0
2 √ √
     
  
 1  −  1
 
 = máx |1 − 0| , 1 − 1 
   3 , |0 + 1 + i| = máx 1, , 2 = 2



 3  3
0 −1 − i
Segunda iteración:
        
x(2) 0 0 − 2i 0 0 − 21 + i
2
        
 y (2)  =  1 0 − 3i   1  +  0  =  −1 − i 
   3  3     
z (2) −i −1 0 −1 − i 0 − 31
   
x(2) −1 + i
   2 2 
de donde 
 y (2) 
 =  −1 − i  y también
 

z (2) − 13
   

0 − 12 + 2i
      ( √ )
 −  −1 − i  = máx  1 − i   4
       2  1 5 13 5
 1 ,  + i , − − i = máx √ , ,
   =
3 2 2 3 3
     2 3 3 3
−1

−1 − i 3

Tercera iteración:

105
 METODOS NUMERICOS

        
x(3) 0 0 − 2i − 21 + i
2 0
        
 y (3)  =  1 − 3i 
0   −1 − i  +  0  = 
     
   3 
z (3) −i −1 0 − 31 0
   
x(3)
   
de donde  (3)  =   y también
 y   
(3)
z
   
−1 + i
 2 2
   
 = máx − 1 + i −? , |−1 − i−?| , − 1 −? = máx {, , } =
      
 −1 − i −
     2 2   3 
−1


3

Por otro lado resolvamos el sistema AX = 0 por el método de Gauss-Jordan, es decir

   
2 0 i  0 6 3i
   
 1 −3 −i 
  (−2) (−i) ∼  1 −3 −i  
1
i 1 1 ← ←- 0 1 + 3i 0 ← ( 1+3i )
   
1
0 6 3i ←  0 0 3i ← ( 3i )
   
∼  1 −3 −i 
   | ∼  1 0 −i 
 

0 1 0 (3) (−6) 0 1 0
 
0 0 |{z}1
   
0 0 1 (i)  C3 
 
   1 0 0 
∼  1
 0 −i 
 ←- ∼  |{z} 
 C1 
0 1 0
 
 0 |{z}
1 0 
C2
 
1 0 0
 
∼
|{z}
 0
 1 0 

C1 ≺C2 ≺C3
0 0 1

asi la solución del sistema es x = 0, y = 0 y z = 0

Finalmente el error absoluto es
   
0

   
 0  − 
EA =     = máx {|0−?| , |0−?| , |0−?|} = máx {, , } =


0
   
10 3 1 14
   
Ejemplo. Resolver el siguiente sistema AX = B donde A =   2 −10 3  y B =  −5  para el valor
  

1 3 10 14
 
0
(0)
 
inicial X =  0 

 por el método de Gauss-Seidel con cinco iteraciones.
0

106
 METODOS NUMERICOS

Solución: Según el método de Gauss-Seidel:

Primero: El sistema de ecuaciones lineales AX = B tiene que escribierse de la siguiente forma X = CX + D, es
decir

AX = B
    
10 3 1 x 14
    
 2
 −10  y 
3    =  −5 
 
1 3 10 z 14
10x + 3y + z = 14
2x − 10y + 3z = −5
x + 3y + 10z = 14
3 1 14
x = − 10 y− 10 z + 10
2 3 5
y = 10 x + 10 z + 10
z = − 1 x − 103
y + 1014
   10    
3 1 14
x 0 − 10 − 10 x 10
      
 y  =  2 0 3  y  +  5 
   10 10    10 
1 3 14
z − 10 − 10 0 z 10
 
x(0) = 0
 
Segundo: Se realizan las iteraciones bajo el valor inicial X (0) =  (0)
 y =0 


z (0) = 0
Primera Iteración:
3 1
x(1) = 0 (0) − 10 (0) − 10 (0) + 14 14
10 = 10
2 14 3 5 39


y (1) = 10 10 + 0 (0) + 10 (0) + 10 = 50
1 14 3 39 14 513



z (1) = − 10 10 − 10 50 + 0 (0) + 10 = 500
     
14 14
x(1) = 10
0
  10  q

  
2 39 2 513 2
0 − 14



de donde X (1) = 
 y (1) = 39
50

 y además  0  −  50 
   39 
= 10 + 0− 50 + 0− 500 = 1,90
z (1) = 513 513

0
500 500
Segunda Iteración:
14 3 39 1 513 14 5317




x(2) = 0 10 − 10 50 − 10 500 + 10 = 5000
2 5317 39 3 513 5 3189




y (2) = 10 5000 + 0 50 + 10 500 + 10 = 3125
1 5317 3 3189 513 14




z (2) = − 10 5000 − 10 3125 + 0 500 + 10 = 0,99
    

5317 14 5317
x(2) = 5000

10

5000
      q 14 5317 2

39 3189 2

513

2
de donde X (2) = 
 y
(2)
= 3189

3125
 y además 

39
50
−
 
 =

3189
3125 10 − 5000 + 50 − 3125 + 500 − 0,99 =
513

z (2) = 0,99
500 0,99
0,42
Tercera Iteración:
Cuarta Iteración:
Quinta Iteración:

107
 METODOS NUMERICOS

   
10 −3 0 2
   
Ejemplo. AX = B donde A = 
 −3  y B =  3  por el método de Gauss-Seidel con cinco
10 −2   

0 −2 10 5
iteraciones.

Solución:
Primero: El sistema AX = B es equivalente al sitema
3 2
x= 10 y + 10
3 2 3
y= 10 x + 10 z + 10
2 5
z= 10 y + 10
 
0
 
Segundo: Sea el valor inicial X (0) = 
 0  asi las iteraciones son:


0
Primera Iteración:
3 2
x(1) = 10 (0) + 10 = 0,2
(1) 3 2 3
y = 10 (0,2) + 10 (0) + 10 = 0,36
(1) 2 5
z = 10 (0,36) + 10 = 0,57
 
   
0,2 0
0,2

 q
 = (0 − 0,2)2 + (0 − 0,36)2 + (0 − 0,57)2 = 0,70
(1)
    
de donde X =  0,36  y además  0  −  0,36
    


0,57 0 0,57
Segunda Iteración:
3 2
x(2) = 10 (0,36) + 10 = 0,31
(2) 3 2 3
y = 10 (0,31) + 10 (0,57) + 10 = 0,51
(2) 2 5
z = 10 (0,51) + 10 = 0,60
    
0,31 0,2


0,31
 q
 −  0,51  = (0,2 − 0,31)2 + (0,36 − 0,51)2 + (0,57 − 0,60)2 =
    
de donde X (2) =  0,51  y además
 
 0,36

  

0,60 0,57 0,60
0,19
Tercera Iteración:
Cuarta Iteración:
Quinta Iteración:
   
10 2 1 7
   
Ejemplo. Resolver el sistema de ecuaciones lineales AX = B donde A = 
 1 5  y B =  −8  por el
1   

2 3 10 6
 
0,7
(0)
 
método de Jacobi bajo el valor inicial X =  −1,6 

 con cinco iteraciones.
0,6

108
 METODOS NUMERICOS

Solución:
Primero: Se escribe el sistema AX = B de la forma X = CX + D

AX = B
    
10 2 1 x 7
    
 1 5 1   y  =  −8 
    
2 3 10 z 6
10x + 2y + z = 7
x + 5y + z = −8
2x + 3y + 10z = 6
2 1 7
x = 0x − 10 y −10 z + 10
y = − 15 x + 0y − 15 z − 8
5
2
z = − 10 x − 3 y + 0z + 10
6
   10    
2 1 7
x 0 − 10 − 10 x 10
      
 y  =  −1 0 − 15  − 85
y +
  
   5  
2 3 6
z − 10 − 10 0 z 10
| {z } | {z }| {z } | {z }
X C X D
   
x(0) 0,7
   
Segundo: Se realizan las iteraciones según el método de Jacobi bajo el valor inicial X (0) = 
 y
(0)  = 
  −1,6 


z (0) 0,6
Primera Iteración:
      
2 1 7
x(1) 0 − 10 − 10 x(0) 10
      
 y (1)  =  − 1 0 − 51   (0)  +  − 8 
   5  y   5 
z (1) − 2 − 103
0 z (0) 6
   10    10 
2 1 7
x(1) 0 − 10 − 10 0,7
      10 
 y (1)  =  − 1 0 − 51    8 
  −1,6  +  − 5 

   5
z (1) −2 −3 0 0,6 6
   10  10 10
x(1) 1
   
 y (1)  =  −1,9 
   
(1)
z 0,9

       
x(1) 1
0,7 1
 q
 =  −1,9  y además  −1,6  −  −1,9  = (0,7 − 1)2 + (−1,6 + 1,9)2 + (0,6 − 0,9)2 =
      
de donde  (1)
 y       

z (1) 0,9 0,6 0,9
0,5
Segunda Iteración:

109
 METODOS NUMERICOS

      
2 1 7
x(2) 0 − 10 − 10 x(1)
      10 
 y (2)  =  −1 − 51  y (1)   8 
0  +  −5 

   5 
2 3 6
z (2) − − 10 0 z (1)
   10    10 
2 1 7
x(2) 0 − 10 − 10 1
      10 
 y (2)  =  −1 − 51   8 
0 −1,9   +  −5 

   5 
2 3 6
z (2) − − 0 0,9
   10  10 10
x(2) 1
   
 y (2)  =  −2 
   
z (2) 1

       
x(2) 1
1 1
 q
 y además  −1,9  −  −2  = (1 − 1)2 + (−1,9 + 2)2 + (0,9 − 1)2 = 0,1
      
de donde  (2)  = 
 y   −2     
(2)

z 1 0,9 1
Tercera Iteración:
Cuarta Iteración:
Quinta Iteración:
   
5 1 1 5
   
Ejemplo. Resolver el sistema de ecuaciones lineales AX = B donde A =   3 4  y B =  6  por el
1   

3 3 6 0
 
0
(0)
 
método de Gauss-Seidel con cinco iteraciones bajo el valor inicial X =  0 

.
0
Solución:
Primero: Se escribe el sistema AX = B de la forma X = CX + D
AX = B
    
5 1 1 x 5
    
 3 4 1  y = 6 
    
3 3 6 z 0
5x + y + z = 5
3x + 4y + z = 6
3x + 3y + 6z = 0
x = − 15 y − 15 z + 1
y = − 34 x − 14 z + 6
4
z = − 12 x − 12 y
      
x 0 − 51 − 15 x 1
      
 y  =  −3 − 14    3 
0  y  +  2 

   4
z − 21 − 21 0 z 0

110
 METODOS NUMERICOS

 
x(0)
 
Segundo: Se realizan las iteraciones según el método de Gauss-Seidel bajo el valor inicial X (0) = 
 y
(0)  =

z (0)
 
0
 
 0 
 
0
Primera Iteración:
x(1) = − 15 (0) − 1
5 (0) + 1 = 1
y (1) = − 34 (1) − 1
4 (0) + 6
4 = 0,75
z (1) = − 21 (1) − (0,75) = −0,88
1
2
       
x(1) 1 0
1
        q 2 2 2
(1)  = 
de donde 
 y   0,75  y además  0  −  0,75 
    
= (0 − 1) + (0 − 0,75) + (0 + 0,88) =

z (1) −0,88 0 −0,88
1,53
Segunda Iteración:

x(2) = − 51 (0,75) − 1
5 (−0,88) + 1 = 1,03
y (2)
= − 34 (1,03) − 1
4 (−0,88) + 6
4 = 0,95
z (2)
− 12
(1,03) − (0,95) = −0,99
= 1
2
       
x(2) 1,03
1 1,03
        q 2 2 2
(2)  = 
de donde 
 y   0,95  y además  0,75  −  0,95 
    
= (1 − 1,03) + (0,75 − 0,95) + (−0,88 + 0,99) =

z (2) −0,99 −0,88 −0,99
0,23
Tercera Iteración:
Cuarta Iteración:
Quinta Iteración:

 (1 + i) x − iy = 2

Ejemplo 46. Resolver el sistema de ecuaciones lineales mediante el método de Jacobi y
 (2 − i) x + 2iy = 3

determinar el error absoluto

Solución:
Primero determinemos la solución exacta del sistema: Despejemos la variable x de la primera ecuación
     
2 1−i i 1−i
x= + y
1+i 1−i 1+i 1−i
de esta forma se tendrá
 
1+i
x = (1 − i) + y
2
remplazando esta zrelación en la ecuación dos del sistema, es decir

111
 METODOS NUMERICOS

   
1+i
(2 − i) (1 − i) + y + 2iy = 3
2
y esta relación es equivalente a

21 1
y= − i
17 17
28 7 21 1
por tanto x = 17 − 17 i ey= 17 − 17 i
Ahora resovamos el sistema por el método de Jacobi: El sistema

(1 + i) x − iy = 2
(2 − i) x + 2iy = 3
es equivalente al sistema

1+i


x = 0x + 2 y + (1 − i)
(1+2i)
y= 2 x + 0y − 23 i
 
1−i
ahora tomemos el valor inicial X (0) =  
2 − 2i
primera iteración:

1+i


x(1) = 0 (1 − i) + 2 (2 − 2i) + (1 − i) =?
(1+2i)
y (1) = 2 (?) + 0 (2 − 2i) − 23 i =??
Ejemplo 47. (PB)

Solución:

4.5. Método de Newton Raphson: (Para Sistemas de Ecuaciones No

Lineales)
El método de Newton Raphoson resuelve sistemas de ecuaciones no lineales de forma iterativa. Para que el método
se entienda de forma clara es conveniente trabajar un sistema no lineal de dos ecuaciones y dos variables no lineales,
es decir
f1 (x, y) = 0
f2 (x, y) = 0
este sistema no lineal se resuelve de la siguiente forma:
f1 (x, y) = 0
El sistema no lineal se transforma a un sistema lineal aplicando la serie de Taylor para funciones de
f2 (x, y) = 0
varias variables y el concepto de iteración, es decir
 
1 ∂f (x,y) ∂f (x,y)
f ((x, y) − (a, b)) = f (a, b) + 1! ∂x (x − a) + ∂y (y − b)
 2 
1 ∂ f (x,y) 2 ∂ 2 f (x,y) ∂ 2 f (x,y) 2
+ 2! ∂x 2 (x − a) + 2 ∂y∂x (x − a)(y − b) + ∂y 2 (y − b) + ···

112
 METODOS NUMERICOS

como la solución del sistema no lineal tiene que ser de forma iterativa, entonces
 

1 ∂f (x,y) ∂f (x,y) (n+1)
f (x(n+1) , y (n+1) ) − (x(n) , y (n) ) = f (x(n) , y (n) ) + 1! ∂x (x (n+1)
− x (n)
) + ∂y (y − y (n)
)
 2
1 ∂ f (x,y) (n+1) (n) 2 ∂ 2 f (x,y) (n+1)
+ 2! ∂x2 (x − x ) + 2 ∂y∂x (x − x(n) )(y (n+1) − y (n) )
2

+ ∂ f∂y(x,y)
2 (y (n+1) − y (n) ) + · · ·

pero si n → ∞, entonces

 :0
   

1 ∂f (x,y) ∂f (x,y) (n+1)
f (x(n+1) , y
(n+1)
)− (x(n) , y (n) ) = f (x(n) , y (n) ) + 1! ∂x (x
(n+1)
− x(n) ) + ∂y (y − y (n) )

 :0

 :
 0   
2  2 
1  ∂ f (x,y) (n+1) ∂ f (x,y)
 − x(n) )2 + 2 ∂y∂x (x(n+1)−x
(n)
)(y (n+1) − y (n) )

+ 2!  ∂x2  (x
 
!0
2 :

+ ∂ f∂y(x,y)
2
(n+1)(n)
(y  − y )2 + · · ·


por tanto
 
∂f (x,y) ∂f (x,y) (n+1)
0 =
|{z} f (x(n) , y (n) ) + ∂x (x
(n+1)
− x(n) ) + ∂y (y − y (n) )
n→∞

o equivalentementa
 
∂f (x,y) (n+1) ∂f (x,y) (n+1)
∂x (x − x(n) ) + ∂y (y − y (n) ) = −f (x(n) , y (n) ) (1)

sea h = x(n+1) − x(n) , entonces x(n+1) = x(n) + h de la misma forma i = y (n+1) − y (n) , entonces y (n+1) = y (n) + i,
es decir

x(n+1) = x(n) + h
y (n+1) = y (n) + i

asi la relación (1) es equivalente

 
∂f (x,y) ∂f (x,y)
∂x (h) + ∂y (i) = −f (x(n) , y (n) )

y para las funciones f1 y f2 se tendra

 
∂f1 (x,y) ∂f1 (x,y)
(h) + (i) = −f1 (x(n) , y (n) )
 ∂x ∂y

∂f2 (x,y) ∂f2 (x,y)
∂x (h) + ∂y (i) = −f2 (x(n) , y (n) )

y en forma matricial
    
∂f1 (x,y) ∂f1 (x,y)
∂x |(x(n) ,y(n) ) ∂y |(x(n) ,y(n) ) h −f1 (x(n) , y (n) )
  = 
∂f2 (x,y) ∂f2 (x,y)
∂x |(x(n) ,y(n) ) ∂y |(x(n) ,y(n) ) i −f2 (x(n) , y (n) )
que representa un sistema lineal con variable h e i.
En resumen: La n−esima iteración para determinar una solucion aproximada al sistema de ecuaciones no lineales
f1 (x, y) = 0
esta dada por
f2 (x, y) = 0

113
 METODOS NUMERICOS

    
∂f1 (x,y) ∂f1 (x,y)
∂x |(x(n) ,y(n) ) ∂y |(x(n) ,y(n) ) h −f1 (x(n) , y (n) )
  =  (2)
∂f2 (x,y) ∂f2 (x,y)
∂x |(x(n) ,y(n) ) ∂y |(x(n) ,y(n) ) i −f2 (x(n) , y (n) )
y

x(n+1) = x(n) + h
y (n+1) = y (n) + i
 
x(0)
bajo el valor inicial X (0) =  
y (0)

f1 (x, y) = 0
Ejemplo. Resolver el sistema de ecuaciones no lineales donde f1 (x, y) = x2 + y 2 − 13 y f2 (x, y) =
f2 (x, y) = 0
xy − 6

x2 + y 2 − 13 = 0
Solución: Para resolver el sistema no lineal
xy − 6 = 0

  
(0)
x 2,17
Primero: Sea el valor inicial X (0) =  = 
y (0) 2,75
Segundo: Se determinan las derivadas parciales de f1 y f2 respecto de x e y
∂f1 (x,y)
∂x = 2x
∂f1 (x,y)
∂y = 2y
∂f2 (x,y)
∂x =y
∂f2 (x,y)
∂y =x

Primera Iteración:
Segun la relacion (2)
    
2x |(2,17,2,75) 2y |(2,17,2,75) h −f1 (2,17, 2,75)
  = 
y |(2,17,2,75) x |(2,17,2,75) i −f2 (2,17, 2,75)

o equivalentemente
    
4,34 5,50 h 0,73
  = 
2,75 2,17 i 0,03
    
4,34 5,50 h 0,73
Resolviendo el sistema   =  se tiene que h = −0,25 y i = 0,33 por tanto
2,75 2,17 i 0,03

x(1) = x(0) + h = 2,17 − 0,25 = 1,92

y (1) = y (0) + i = 2,75 + 0,33 = 3,08

114
 METODOS NUMERICOS

   
x(1) 1,92
asi X (1) =  =  y ademas
y (1) 3,08
   

2,17 1,92 p
 −  = (2,17 − 1,92)2 + (2,75 − 3,08)2 = 0,41
2,75 3,08

Segunda Iteración:
Resolver el sistema
    
2x |(1,92,3,08) 2y |(1,92,3,08) h −f1 (1,92, 3,08)
  = 
y |(1,92,3,08) x |(1,92,3,08) i −f2 (1,92, 3,08)

es decir
    
3,84 6,16 h −0,17
  = 
3,08 1,92 i 0,09
    
3,84 6,16 h −0,17
Resolviendo el sistema   =  se tiene que h = 0,08 y i = −0,07 por tanto
3,08 1,92 i 0,09

x(2) = x(1) + h = 1,92 + 0,08 = 2

y (2) = y (1) + i = 3,08 − 0,07 = 3,01
       
x(2)

2 1,92 2 p
asi X (2) =  =  y ademas  −  = (1,92 − 2)2 + (3,08 − 3,01)2 = 0,11
y (2) 3,01 3,08 3,01

Tercera Iteración:
    
2x |(2,3,01) 2y |(2,3,01) h −f1 (2, 3,01)
  = 
y |(2,3,01) x |(2,3,01) i −f2 (2, 3,01)

es decir
    
4 6,02 h −0,06
   =
3,01 2 i −0,02
    
4 6,02 h −0,06
Resolviendo el sistema   =  se tiene que h = 0 y i = −0,01 por tanto
3,01 2 i −0,02

x(3) = x(2) + h = 2 + 0 = 2
y (3) = y (2) + i = 3,01 − 0,01 = 3
       
(3)
(3)
x 2 2 2 p
asi X =   =   y ademas   −   = (2 − 2)2 + (3,01 − 3)2 = 0,01
(3)
y 3 3,01 3

de donde una solución aproximada para el sistema no lineal es x ∼=2ey∼ =3

115
 METODOS NUMERICOS





 x+y+z =5 (1)

Ejemplo. Resolver el sistema de ecuaciones no lineales 1 1 1
 x + y + z =2 (2) bajo el método de Newton con


 xyz = 4

(3)
tres iteraciones y también determinar el error absoluto




 x+y+z =5 (1)

Solución: Primero determinemos los valores exactos del sistema 1 1 1
 x + y + z =2 (2) dividiendo la ecuación


 xyz = 4

(3)
(1) por xyz, es decir

x+y+z 5
=
xyz xyz
lo que es equivalente a
 
1 1 1 z 5
+ + =
z y x 4 4
1 1 1
pero de la ecuación (2) se tiene que x + y =2− z así remplazando en la enterior ecuación
 
1 1 z 5
2− + =
z z 4 4
ahora resolvamos esta ecuación de una sola variable
1 1 z 5


z 2− z + 4 = 4
2 1 z 5
z − z2 + 4 = 4
z 2 z2 − z 2 z12 + z 2 z4 = z 2 5





multiplicando m/m por z 2 4
3
2z − 1 + z4 = 45 z 2

1 5

3
2
4 z − 4 z + 2z − 1 = 0
3 2
multiplicando m/m por 4 z − 5z + 8z − 4 = 0

2
factorizando la anterior relación se tiene (z − 1) z 2 − 4z + 4 = 0 o equivalentemente (z − 1) (z − 2) = 0 de donde
z=1oz=2 



 x+y =4 (1)

Para z = 1 el sistema será 1 1
 x + y =1 (2) dividiendo la ec. (1) por xy se tiene


 xy = 4

(3)
1 y
+ =4
y 4
√
16± 240
resolviendo y 2 − 16y + 4 = 0 de donde y = 2
√ √
16− 240 −8+ 240
Para z = 1 e y = 2 remplazando en la ecuación x + y + z = 5 se tiene x = 2
un vector solución del sistema es

116
 METODOS NUMERICOS

   √ 
−8+ 240
x 2
   √ 
 y = 16− 240 
   2 
z 1
Por el Métodode Newton:
  
x(0) 3
   
(0)
Primero: Sea  y  =  2  un valor inicial
   

z (0) 1




 x+y+z−5=0

 | {z }
 f1
 (1)
 1 + 1 + 1 −2=0



Segundo: determinemos la matriz Jacobiana, es decir x y z (2)

 | {z }
 f2
(3)



xyz − 4 = 0





 | {z }
f3
de donde
∂f1 ∂f1 ∂f1
∂x =1 ∂y =1 ∂z =1
∂f2 ∂f2 ∂f2
∂x = − x12 ∂y = − y12 ∂z = − z12
∂f3 ∂f3 ∂f3
∂x = yz ∂y = xz ∂z = xy

Primera iteración
    
1 1 1 h −1
    
 −1 −1   1 
  i  =  −6 
−1  
 9 4
2 3 6 j 2
resolviendo la matriz inversa

   −1    
h 1 1 1 −1 −7,5
       
 i  =  −1 − 14 −1   − 1  =  7,33 
   9   6   
j 2 3 6 2 −0,83
así

x(1) = x(0) + h = 3 − 7,5 = −4,5

y (1) = y (0) + i = 2 + 7,33 = 9,33
z (1) = z (0) + j = 1 − 0,83 = 0,17
   
x(1) −4,5
   
de donde  (1)  = 
 y   9,33 


z (1) 0,17
segunda iteración

117
 METODOS NUMERICOS

    
1 1 1 h 0
    
 − 1 1
− 87,05 1
− 0,03  i  =  3,77 
 20,25    
1,59 −0,76 −41,98 j −11,14
resolviendo la matriz inversa

   −1    
h 1 1 1 0 −6,59
       
 i = − 1 1 1
  20,25 − 87,05 − 0,03 =
3,77  6,7 
  
   
j 1,59 −0,76 −41,98 −11,14 −0,11
así

x(2) = x(1) + h = −4,5 − 6,59 = −11,09

y (2) = y (1) + i = 9,33 + 6,7 = 16,03
z (2) = z (1) + j = 0,17 − 0,11 = 0,06
   
x(2) −11,09
   
de donde  (2)  = 
 y   16,03 

z (2) 0,06

x2 y − xy 2 = 6 (1)

Ejemplo. Resolver el sistema de ecuaciones y determinar el error absoluto
x3 − y 3 = 19

(2)

Solución:
Primero trabajemos en método de Newton

x2 y − xy 2 − 6 = 0 (1)




|
 {z }
f1 (x,y)

x3 − y 3 − 19 = 0 (2)




|
 {z }
f2 (x,y)

ahora determinemos las derivadas parciales

∂f1 ∂f1
∂x = 2xy − y 2 ∂y = x2 − 2xy
∂f2 ∂f2
∂x = 3x2 ∂y = −3y 2
   
x(0) 2,5
ahora se X (0) =  = 
y (0) 1,5
Primera iteración:
    
5,2 −1,3 h 2,2
  = 
18,8 −4,5 i 6,7

resolviendo este sistema

118
 METODOS NUMERICOS

      
h −4,3 1,2 2,2 −1,1
 =  = 
i −18,1 5 6,7 −6,3

de donde h = −1,1 e i = −6,3 así

x(1) = x(0) + h = 2,5 − 1,1 = 1,4

y (1) = y (0) + i = 1,5 − 6,3 = −4,8
   
x(1) 1,4
así X (1) =  = 
y (1) −4,8
Segunda iteración:
    
−36,5 15,4 h −47,6
  = 
5,8 −69,1 i 94,4

resolviendo este sistema

      
h −0,03 −0,01 −47,6 0,8
 =  = 
i 0 −0,02 94,4 −1,3

de donde h = 0,8 e i = −1,3 así

x(2) = x(1) + h = 1,4 + 0,8 = 2,2

y (2) = y (1) + i = −4,8 − 1,3 = −6,1
       
(2)
x 2,2 x 2,2
así X (2) =  =  de donde un valor aproximado es  = 
y (2) −6,1 y −6,1

x2 y − xy 2 = 6 (1)

Segundo resolvamos el sistema por tecnicas clasicas
x3 − y 3 = 19

(2)

x2 y − xy 2 = 6 (1)


x3 − y 3 = 19

(2)

xy (x − y) = 6

(1)


(x − y) x2 + xy + y 2 = 19 (2)

(x2 +xy+y2 )
(x−y)

dividiendo la ec. (1) con (2) = 19

xy
(x−y)
 6
2 2
x xy y 19
xy + xy + xy = 6
x 1 13
y + x = 6
y
x 1 13
sea z = y z+ z = 6
13
z2 − 6 zq+ 1=0
2
13
6 ± ( ) −4(1)(1)
13
6
13 5
6 ±6
z= 2 = 2
13 5 13 5
6 +6 3 6 −6 2
z1 = 2 = 2 o z2 = 2 = 3

119
 METODOS NUMERICOS

de donde xy = 32 o xy = 32 por comparación x = 3 o y = 2 también x = 2 o y = 3 así tomemos como solución exacta

   
x 3
 =  por tanto el error absoluto será
y 2
   
q
3 2,2
 = (3 − 2,2)2 + (2 + 6,1)2 = 8,1

  − 
2 −6,1

x3 + y 3 − z 3 = 129
Ejemplo 48. Resolver el sistema no lineal x2 + y 2 − z 2 = 9,75
x + y − z = 9,49

Solución: Notemos que el sistema anterior es equivalenete a

x3 + y 3 − z 3 − 129 = 0
| {z }
f1 (x,y,z)

x2 + y 2 − z 2 − 9,75 = 0
| {z }
f2

x + y − z − 9,49 = 0
| {z }
f3

así

∂f1
∂x = 3x2
∂f1
∂y = 3y 2
∂f1
∂z = −3z 2
∂f2
∂x = 2x
∂f2
∂y = 2y
∂f2
∂z = −2z
∂f3
∂x =1
∂f3
∂y =1
∂f3
∂z = −1
de donde
    
3x2 3y 2 −3z 2 h −f1
    
  i  =  −f2 
−2z 
 2x 2y    

1 1 −1 j −f3
y

x(1) = x(0) + h
y (1) = y (0) + i
z (1) = z (0) + j

120
 METODOS NUMERICOS

 
0
 
ahora sea X (0) = 
 −1  así


1
primera iteración:
    
0 3 −3 h 131
    
−2   i  =  9,75 
−2 
 0    

1 1 −1 j 9,49
de donde h =, i = y j =
así

x(1) = 0 + h
y (1) = −1 + i
z (1) = 1 + j

121
CAPÍTULO 5

Interpolación y Ajuste de Curvas

5.1. Mínimos Cuadrados

Dada la información discreta

Puntos 1 2 3 ··· n
xi x1 x2 x3 ··· xn
yi f (x1 ) f (x2 ) f (x3 ) ··· f (xn )

se pretende construir la función P (x) tal que cumpla la condición

|f (x1 ) − P (x1 )| + |f (x2 ) − P (x2 )| + · · · + |f (xn ) − P (xn )| sea lo mínimo posible

o equivalentemente
( n )
X
minimizar |P (xi ) − f (xi )|
i=1

por estadistica la anterior relación es equivalente a

( n
)
X 2
minimizar (P (xi ) − f (xi ))
i=1

Ejercicio. Aproximar la información discreta

Puntos 1 2 3 4 5
xi 1 2 3 4 5
yi 1,3 3,5 4,2 5,0 7,0

mediante la curva P (x) = a1 x + a2 mediante el método de mínimos cuadrados.

Solución: Según el método de mínimos cuadrados se tiene que minimizar la función

122
 METODOS NUMERICOS

( 5
)
X 2
g (a1 , a2 ) = minimizar (a1 xi + a2 − f (xi ))
i=1

por lo estudiado en calculo II hay que determinar la derivada de la función g (a1 , a2 ) en los puntos a1 y a2 e igualar
a cero, es decir
 5

P 2
d (g (a1 , a2 )) = d (a1 xi + a2 − f (xi ))
 i=1 
∂g ∂g
= ∂a1 ∂a2
 5 5

P P
= 2 (a1 xi + a2 − f (xi )) xi 2 (a1 xi + a2 − f (xi ))
i=1 i=1

asi
 5 5
  
P P
2 (a1 xi + a2 − f (xi )) xi 2 (a1 xi + a2 − f (xi )) = 0 0
i=1 i=1

de donde
5
P
2 (a1 xi + a2 − f (xi )) xi = 0
i=1
P5
2 (a1 xi + a2 − f (xi )) = 0
i=1

reduciendo el sistema
5 5 5
x2i + a2
P P P
a1 xi = xi f (xi )
i=1 i=1 i=1
P5 P5 5
P
a1 xi + a 2 1= f (xi )
i=1 i=1 i=1

pero

xi yi x2i xi f (xi )
1 1.3 1 1.3
2 3.5 4 7
3 4.2 9 12.6
4 5.0 16 20.0
5 7.0 25 35.0
5 5 5 5
x2i = 55
P P P P
xi = 15 f (xi ) = 21,0 xi f (xi ) = 75,9
i=1 i=1 i=1 i=1

asi

55a1 + 15a2 = 75,9

15a1 + 5a2 = 21,0

de donde a1 = 1,3 y a2 = 0,3, por tanto P (x) = 1,3x + 0,3

Ejemplo. Determinar la curva lineal que mejor se aproxime a la información discreta

123
 METODOS NUMERICOS

Ei N oEPi
1 4
2 3
3 6.5
4 5
5 4.5
6 8.5
7 6
8 2.5
9 4
10 2
11 4
12 5.5
13 6.5
14 3.5
15 2.5
16 5
17 6.5
18 1
19 5.5
20 3
21 7
22 4
23 8.5
24 5.5
25 5.5
26 7.5
27 3

Solución: Notemos que en este caso la curva será P (x) = a1 x + a2 y según el método de mínimos cuadrados se
tiene que minimizar la función
( 27
)
X 2
g (a1 , a2 ) = minimizar (a1 xi + a2 − f (xi ))
i=1

o equivalentemente
( 27 )
X 2
g (a1 , a2 ) = minimizar (a1 Ei + a2 − N oEP (Ei ))
i=1

124
 METODOS NUMERICOS

por lo estudiado en calculo II hay que determinar la derivada de la función g (a1 , a2 ) en los puntos a1 y a2 e igualar
a cero, es decir
 27 
P 2
d (g (a1 , a2 )) = d (a1 xi + a2 − f (xi ))
 i=1 
∂g ∂g
= ∂a1 ∂a2
 27 27

P P
= 2 (a1 xi + a2 − f (xi )) xi 2 (a1 xi + a2 − f (xi ))
i=1 i=1

asi
 27 27
  
P P
2 (a1 xi + a2 − f (xi )) xi 2 (a1 xi + a2 − f (xi )) = 0 0
i=1 i=1

de donde
27
P
2 (a1 xi + a2 − f (xi )) xi = 0
i=1
P27
2 (a1 xi + a2 − f (xi )) = 0
i=1

reduciendo el sistema
27 27 27
x2i + a2
P P P
a1 xi = xi f (xi )
i=1 i=1 i=1
P27 27
P 27
P
a1 xi + a2 1= f (xi )
i=1 i=1 i=1

pero

125
 METODOS NUMERICOS

xi f (xi ) x2i xi f (xi )

1 4 1 4
2 3 4 6
3 6.5 9 19.5
4 5 16 20
5 4.5 25 22.5
6 8.5 36 51
7 6 49 42
8 2.5 64 20
9 4 81 36
10 2 100 20
11 4 121 44
12 5.5 144 66
13 6.5 169 84.5
14 3.5 196 49
15 2.5 225 37.5
16 5 256 80
17 6.5 289 110.5
18 1 324 18
19 5.5 361 104.5
20 3 400 60
21 7 441 147
22 4 484 88
23 8.5 529 195.5
24 5.5 576 132
25 5.5 625 137.5
26 7.5 676 195
27 3 729 81
P
378 130 6930 1871

de donde

6930a1 + 378a2 = 1871

378a1 + 27a2 = 130

y resolviendo el sistema se tiene a1 = 0,03 y a2 = 4,38 así la curva lineal buscada es P (x) = 0,03x + 4,38

Ejemplo. Determinar la curva lineal que mejor se aproxime a la información discreta

126
 METODOS NUMERICOS

Ei N oEPi
1 3.5
2 3
3 3
4 3.5
5 3.5
6 5.5
7 7.5
8 4.5
9 5.5
10 3.5
11 5.5
12 4
13 3
14 3.5
15 5
16 5
17 4
18 3
19 5
20 5.5
21 4
22 3
23 3.5
24 5.5
25 5.5
26 5
27 4.5
28 5.5

Solución: Como se esta buscando una curva lineal entonces sea P (x) = a1 x + a2 la curva buscada, asi por el método
de minimos cuadrados se tiene
( 28
)
X 2
g (a1 , a2 ) = minimizar (a1 xi + a2 − f (xi ))
i=1

por lo estudiado en calculo II hay que determinar la derivada de la función g (a1 , a2 ) en los puntos a1 y a2 e igualar
a cero, es decir

127
 METODOS NUMERICOS

 28 
P 2
d (g (a1 , a2 )) = d (a1 xi + a2 − f (xi ))
 i=1 
∂g ∂g
= ∂a1 ∂a2
 28 28

P P
= 2 (a1 xi + a2 − f (xi )) xi 2 (a1 xi + a2 − f (xi ))
i=1 i=1

asi
 28 28
  
P P
2 (a1 xi + a2 − f (xi )) xi 2 (a1 xi + a2 − f (xi )) = 0 0
i=1 i=1

de donde
28
P
2 (a1 xi + a2 − f (xi )) xi = 0
i=1
P28
2 (a1 xi + a2 − f (xi )) = 0
i=1

reduciendo el sistema
28 28 28
x2i + a2
P P P
a1 xi = xi f (xi )
i=1 i=1 i=1
P28 28
P 28
P
a1 xi + a2 1= f (xi )
i=1 i=1 i=1

pero

128
 METODOS NUMERICOS

xi f (xi ) x2i xi f (xi )

1 3.5
2 3
3 3
4 3.5
5 3.5
6 5.5
7 7.5
8 4.5
9 5.5
10 3.5
11 5.5
12 4
13 3
14 3.5
15 5
16 5
17 4
18 3
19 5
20 5.5
21 4
22 3
23 3.5
24 5.5
25 5.5
26 5
27 4.5
28 5.5
P
406 123 7714 1840

de donde

7714a1 + 406a2 = 1840

406a1 + 28a2 = 123

resolviendo el sistema se tiene a1 = 0,03 y a2 = 3,94 por tanto la curva buscada es P (x) = 0,03x + 3,94
xxxxxxxxxxx

Ejercicio. Aproximar la información discreta

129
 METODOS NUMERICOS

Puntos 1 2 3 4 5
xi 0,00 0,25 0,50 0,75 1,00
yi 1,0000 1,2840 1,6487 2,1170 2,7183

mediante la curva P (x) = a2 x2 + a1 x + a0 por medio del método de mínimos cuadrados.

Solución: Según el método de mínimos cuadrados hay que minimizar la función
( 5
)
X
2
g (a2 , a1 , a0 ) = minimizar a2 x2i + a1 xi + a0 − f (xi )
i=1

así por calculo II hay que determinar la derivada de la función g (a1 , a2 , a3 ) respecto de las variables a1 , a2 y a3 e
igualar a cero.
 5


2
a2 x2i + a1 xi + a0 − f (xi )
P
d (g (a2 , a1 , a0 )) = d
 i=1 
∂g ∂g ∂g
= ∂a2 ∂a1 ∂a0
 5 5



2 a2 x2i + a1 xi + a0 − f (xi ) x2i 2 a2 x2i + a1 xi + a0 − f (xi ) xi
P P
=
i=1  i=1
5

2
P
2 a2 xi + a1 xi + a0 − f (xi )
i=1

de donde

 5 5 5
  




2 a2 x2i + a1 xi + a0 − f (xi ) x2i 2 a2 x2i + a1 xi + a0 − f (xi ) xi 2 a2 x2i + a1 xi + a0 − f (xi )
P P P
= 0 0 0
i=1 i=1 i=1

y por igualdad de matrices

5

2 a2 x2i + a1 xi + a0 − f (xi ) x2i = 0
P
i=1
5

2 a2 x2i + a1 xi + a0 − f (xi ) xi = 0
P
i=1
5

2 a2 x2i + a1 xi + a0 − f (xi ) = 0
P
i=1

este sistema también es equivalente a

5 5 5 5
x4i + a1 x3i + a0 x2i = x2i f (xi )
P P P P
a2
i=1 i=1 i=1 i=1
5 5 5 5
x3i + a1 x2i + a0
P P P P
a2 xi = xi f (xi )
i=1 i=1 i=1 i=1
5 5 5 5
x2i + a1
P P P P
a2 xi + a0 1= f (xi )
i=1 i=1 i=1 i=1

por otro lado

130
 METODOS NUMERICOS

xi yi x2i x3i x4i xi f (xi ) x2i f (xi )

0.00 1.0000 0.0000 0.0000 0.000 0.0000 0.0000
0.25 1.2840 0.0625 0.0156 0.0039 0.3210 0.0803
0.50 1.6487 0.2500 0.1250 0.0625 0.8244 0.4122
0.75 2.1170 0.5625 0.4219 0.3164 1.5878 1.1908
1.00 2.7183 1.0000 1.0000 1.0000 2.7183 2.7183
2,50 8,7680 1,8750 1,5625 1,3828 5,4514 4,4015

de donde

1,3828a2 + 1,5625a1 + 1,8750a0 = 4,4015

1,5625a2 + 1,8750a1 + 2,50a0 = 5,4514
1,8750a2 + 2,50a1 + 5a0 = 8,7680

por tanto a2 = 0,8432, a1 = 0,8647 y a0 = 1,0051 asi la curva que mejor aproxima la información discreta es
P (x) = 0,8432x2 + 0,8647x + 1,0051

Ejemplo 49. Determinar la curva lineal que mejor se aproxime a las informaciones discretas

131
 METODOS NUMERICOS

Ei N oEP Pi N oESPi
1 5.60 4.60
2 7.20 5.40
3 4.80 4.80
4 2.50 0.90
5 7.50 4.80
6 7.60 5.70
7 7.05 2.10
8 3.25 4.00
9 6.40 6.50
10 0.60 1.20
11 7.20 5.10
12 7.40 4.00
13 7.20 4.90
14 5.10 3.50
15 6.80 6.00
16 6.20 6.00
17 5.20 4.40
18 7.70 7.20
19 7.10 5.80
20 3.10 2.10
21 6.30 5.60
22 6.70 4.80
23 7.30 5.90
24 6.00 7.00
25 5.95 4.90
26 3.50 1.80
27 5.50 5.10
28 4.10 2.30
29 6.10 4.00
30 5.10 5.90
31 8.10 6.40

donde Ei repreenta el número de lista del estudiante i del cuarto semestre B, N oEP Pi representa la nota del
estudiante i del primer parcial, N oESPi representa la nota del estudiante i del segundo parcial y realizar un
analisis sobre el rendimiento academico.
Solución: Parea ambos parciales aproximemos la información discreta mediante la curva P (x) = a1 x + a0
Para el primer parcial: Según el método de Minimos Cuadrados se tiene que

132
 METODOS NUMERICOS

( n )
X 2
minimizar (P (x) − f (xi ))
i=1

así para nuestro caso se tiene la función

( 31
)
X 2
g (a0 , a1 ) = minimizar (a1 xi + a0 − f (xi ))
i=1

y derivando esta función se tiene

 31 0
0
P 2
g (a0 , a1 ) = (a1 xi + a0 − f (xi ))
i=1 
∂g ∂g
= ∂a0 ∂a1
 31 31

P P
= 2 (a1 xi + a0 − f (xi )) 2 (a1 xi + a0 − f (xi )) (xi )
i=1 i=1

y para minimizar esta derivada tiene que ser igual a cero, es decir

g 0 (a0 , a1 ) = 0
 31 31
  
P P
2 (a1 xi + a0 − f (xi )) 2 (a1 xi + a0 − f (xi )) (xi ) = 0 0
i=1 i=1

de donde
31
P
2 (a1 xi + a0 − f (xi )) = 0
i=1
P31
2 (a1 xi + a0 − f (xi )) (xi ) = 0
i=1

y este sistema es equivalente al sistema

31
P 31
P
a1 xi + 31a0 = f (xi )
i=1 i=1
31 31 31
x2i + a0
P P P
a1 xi = xi f (xi )
i=1 i=1 i=1

pero

133
 METODOS NUMERICOS

xi f (xi ) x2i xi f (xi )

1 5.60 1 5.60
2 7.20 4 14.40
3 4.80 9 14.40
4 2.50 16
5 7.50 25
6 7.60 36
7 7.05 49
8 3.25 64
9 6.40 81
10 0.60 100
11 7.20 121
12 7.40 144
13 7.20 169
14 5.10 196
15 6.80 225
16 6.20 256
17 5.20 289
18 7.70 324
19 7.10 361
20 3.10 400
21 6.30 441
22 6.70 484
23 7.30 529
24 6.00 576
25 5.95 625
26 3.50 676
27 5.50 729
28 4.10 784
29 6.10 841
30 5.10 900
31 8.10 961
31 31 31 31
x2i = 10416
P P P P
xi = 496 f (xi ) = 180,15 xi f (xi ) = 2900,20
i=1 i=1 i=1 i=1
de esta forma se tiene el sistema
496a1 + 31a0 = 180,15
10416a1 + 496a0 = 2900,20
y resolviendo el sistema se tiene que a1 = 0,01 y a0 = 6,70 por tanto la curva buscada es P (x) = 0,01x + 6,7

134
 METODOS NUMERICOS

Para el segundo parcial: deforma similar que para el primer parcial se tiene el sistema
31
P 31
P
a1 xi + 31a0 = f (xi )
i=1 i=1
31 31 31
x2i + a0
P P P
a1 xi = xi f (xi )
i=1 i=1 i=1

pero

135
 METODOS NUMERICOS

xi f (xi ) x2i xi f (xi )

1 4.60 1
2 5.40 4
3 4.80 9
4 0.90 16
5 4.80 25
6 5.70 36
7 2.10 49
8 4.00 64
9 6.50 81
10 1.20 100
11 5.10 121
12 4.00 144
13 4.90 169
14 3.50 196
15 6.00 225
16 6.00 256
17 4.40 289
18 7.20 324
19 5.80 361
20 2.10 400
21 5.60 441
22 4.80 484
23 5.90 529
24 7.00 576
25 4.90 625
26 1.80 676
27 5.10 729
28 2.30 784
29 4.00 841
30 5.90 900
31 6.40 961
31 31 31 31
x2i = 10416
P P P P
xi = 496 f (xi ) = 142,7 xi f (xi ) = 2357,9
i=1 i=1 i=1 i=1
de donde
496a1 + 31a0 = 142,7
10416a1 + 496a0 = 2357,9
y resolviendo el sistema se tiene que a1 = 0,03 y a0 = 4,12 por tanto la curva buscada es P (x) = 0,03x + 4,12

136
 METODOS NUMERICOS

Ejemplo 50. Determinar la curva lineal que mejor se aproxime a las informaciones discretas

Ei N oEP Pi N oESPi
1 7.17 5.10
2 7.84 7.80
3 5.14 4.80
4 6.66 5.10
5 8.53 5.10
6 4.29 4.70
7 5.19 2.40
8 7.93 9.30
9 8.00 5.40
10 5.24 3.60
11 8.03 7.30
12 5.87 3.30
13 5.50 3.40
14 5.87 6.00
15 8.06 3.40
16 6.50 4.30
17 7.70 7.40
18 3.90 3.90
19 4.82 1.80
20 8.40 8.50
21 5.64 6.30
22 2.90 3.70
23 7.46 7.80
24 5.63 4.00
25 5.97 6.70
26 6.73 4.70
donde Ei repreenta el número de lista del estudiante i del cuarto semestre A, N oEP Pi representa la nota del
estudiante i del primer parcial, N oESPi representa la nota del estudiante i del segundo parcial y realizar un
analisis sobre el rendimiento academico.
Solución:
Para el primer parcial:
Aproximemos la información discreta mediante P (x) = ax + b por medio del método de minimos cuadrados, es
decir hay que minimizar la función
( 26
)
X 2
g(a, b) = minimizar (axi + b − f (xi ))
i=1

137
 METODOS NUMERICOS

entonces

0 = d (g(a, b))
 
∂g ∂g
= ∂a ∂b
 26 26

P P
= 2 (axi + b − f (xi )) xi 2 (axi + b − f (xi ))
i=1 i=1

de donde
26
P
2 (axi + b − f (xi )) xi = 0
i=1
P26
2 (axi + b − f (xi )) = 0
i=1

que es equivalente a
26 26 26
x2i + b
P P P
a xi = xi f (xi )
i=1 i=1 i=1
P26 26
P
a xi + 26b = f (xi )
i=1 i=1

pero la información discreta indica

138
 METODOS NUMERICOS

xi f (xi ) x2i xi f (xi )

1 7.17 1 7.17
2 7.84 4 15.68
3 5.14 9
4 6.66 16
5 8.53 25
6 4.29 36
7 5.19 49
8 7.93 64
9 8.00 81
10 5.24 100
11 8.03 121
12 5.87 144
13 5.50
14 5.87
15 8.06
16 6.50
17 7.70
18 3.90
19 4.82
20 8.40 400
21 5.64
22 2.90
23 7.46
24 5.63
25 5.97
26 6.73
26 26 26 26
x2i = 6201
P P P P
xi = 351 f (xi ) = 164,97 xi f (xi ) = 2168,67
i=1 i=1 i=1 i=1

de esta forma el sistema anterior seria equivalente a

6201a + 351b = 2168,67

351a + 26b = 164,97

y resolviendo este sistema se tiene que a = −0,04 y b = 6,88 por tanto la curva en este caso seria P (x) =
−0,04x + 6,88
Para el segundo parcial:
Aproximemos la información discreta mediante P (x) = ax + b por medio del método de minimos cuadrados, es
decir hay que minimizar la función

139
 METODOS NUMERICOS

( 26
)
X 2
g(a, b) = minimizar (axi + b − f (xi ))
i=1

entonces

0 = d (g(a, b))
 
∂g ∂g
= ∂a ∂b
 26 26

P P
= 2 (axi + b − f (xi )) xi 2 (axi + b − f (xi ))
i=1 i=1

de donde
26
P
2 (axi + b − f (xi )) xi = 0
i=1
P26
2 (axi + b − f (xi )) = 0
i=1

que es equivalente a
26 26 26
x2i + b
P P P
a xi = xi f (xi )
i=1 i=1 i=1
P26 26
P
a xi + 26b = f (xi )
i=1 i=1

pero la información discreta indica

140
 METODOS NUMERICOS

xi f (xi ) x2i xi f (xi )

1 5.10 1 5.10
2 7.80 4 15.60
3 4.80 9
4 5.10 16
5 5.10 25
6 4.70 36
7 2.40 49
8 9.30 64
9 5.40 81
10 3.60 100
11 7.30 121
12 3.30 144
13 3.40
14 6.00
15 3.40
16 4.30
17 7.40
18 3.90
19 1.80
20 8.50 400
21 6.30
22 3.70
23 7.80
24 4.00
25 6.70
26 4.70
26 26 26 26
x2i = 6201
P P P P
xi = 351 f (xi ) = 135,8 xi f (xi ) = 1831,9
i=1 i=1 i=1 i=1

de esta forma el sistema anterior seria equivalente a

6201a + 351b = 1831,9

351a + 26b = 135,8

y resolviendo este sistema se tiene que a = −0,001 y b = 5,24 por tanto la curva en este caso seria P (x) =
−0,001x + 5,24
Practica: Resolver los siguientes ejercicios
1. Obtener los polinomios de mínimos cuadrados de primer, segundo y tercer grado para los datos de la tabla anexa.
En cada caso grafique los datos y los polinomios.

141
 METODOS NUMERICOS

xi 1.0 1.1 1.3 1.5 1.9 2.1

yi 1.84 1.96 2.21 2.45 2.94 3.18

2. Con los datos

xi 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
yi 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72

a) Contruya el polinomio de mínimos cuadrados de primer grado

b) Contruya el polinomio de mínimos cuadrados de segundo grado
c) Contruya el polinomio de mínimos cuadrados de tercer grado
d) Contruya la aproximación de mínimos cuadrados de la forma beax
e) Contruya la aproximación de mínimos cuadrados de la forma bxa
3. La tabla siguiente contiene las calificaciones de las practicas del semestre y las del segundo parcial de 30
estudiantes de Metodos Numericos. Encuentre la ecuación de la recta de mínimos cuadrados para estos datos, y
use esta recta para determinar la calificación de la tarea que se requiere para predecir las calificaciones mínimas A
(90 %) y D (60 %) es los examenes finales.

Practicas Segundo Parcial Practicas Segundo Parcial

302 45 323 83
325 72 337 99
285 54 337 70
339 54 304 62
334 79 319 66
322 65 234 51
331 99 337 53
279 63 351 100
316 65 339 67
347 99 343 83
343 83 314 42
290 74 344 79
326 76 185 59
233 57 340 75
254 45 316 45

4. La tabla siguiente muestra los promedios de puntos-calificación de 20 estudiantes universitarios de Calculo I y

Algebra, junto con la puntuación que obtuvieron en la parte correspondiente al Calculo I del examen de programa
de prueba para el segundo semestre, mientras cursaban la enseñanza del primer semestre. Grafique los datos y
obtenga para ellos una ecuación de recta de mínimos cuadrados

142
 METODOS NUMERICOS

Promedio Promedio
Puntuación de grados Puntuación de grados
ACT de puntos ACT de puntos
28 3.84 29 3.75
25 3.21 28 3.65
28 3.23 27 3.87
27 3.63 29 3.75
28 3.75 21 1.66
33 3.20 28 3.12
28 3.41 28 2.96
29 3.38 26 2.92
23 3.53 30 3.10
27 2.03 24 2.81

5. El siguiente conjunto de datos, presentados al Senate Antitrust Subcommittece de Estados Unidos, muestra las
caracteristicas comparativas de choque-supervivencia de automóviles de varios tipos. Obtenga la recta de minimos
cuadrados que aproxime estos datos. (La tabla contiene el porcentaje de vehiculos accidentados en los cuales la
lesión más seria fue fatal o grave)

Peso Ocurrencia
Tipos promedio porcentual
1. Rugular de lujo, de fabricación nacional 4800 lb 3.1
2. Regular intermodio, de fabricaciónnacional 3700 lb 4.0
3. Económico regular, de fabricación nacional 3400 lb 5.2
4. Compacto de fabricación nacional 2800 lb 6.4
5. Compacto de fabricación extranjera 1900 lb 9.6

6. Verifique que la matriz de coeficiente del sistema

n
!
X 2
d (P (xi ) − f (xi )) =0
i=1

es una matriz simetrica y no singular.

5.2. Regresión Lineal

Dada la información discreta

Puntos 1 2 3 ··· n
xi x1 x2 x3 ··· xn
yi f (x1 ) f (x2 ) f (x3 ) ··· f (xn )

la curva lineal de mejor aproximación a esta información discreta es:

143
 METODOS NUMERICOS

P (x) = a1 x + a0
 
sy
donde a1 = (coeficiente de correlación) sx donde sx y sy son las desviaciones estandares o tipicas de la variable
x e y respectivamente, es decir
v v
n n
2
uP uP
u (xi − x) u x2i
t
i=1
t
i=1 2 x1 + x2 + · · · + xn
sx = = − (x) donde x =
n n n
y
v v
n n
2
uP uP
u (yi − y) u yi2
t
i=1
t
i=1 2 y1 + y2 + · · · + yn
sy = = − (y) donde y =
n n n
también

cov[x, y] sxy
coeficiente de correlación= =
sx sy sx sy
n
P n
P
(xi −x)(yi −y) xi yi
i=1 i=1
donde sxy = cov[x, y] = n = n − xy, y a0 = y − a1 x

Ejercicio. Aproximar la información discreta

Puntos 1 2 3 4 5
xi 0,00 0,25 0,50 0,75 1,00
yi 1,0000 1,2840 1,6487 2,1170 2,7183

mediante el método de regresión lineal.

Solución: Determinemos los valores de a1 y a0 del polinomio P (x) = a1 x + a0 , es decir
Para a1 :
Primero calculemos la media de las variables x e y
x1 +x2 +···+xn
x = n
0,00+0,25+0,50+0,75+1,00
= 5
= 0,5000

también
y1 +y2 +···+yn
y = n
1,0000+1,2840+1,6487+2,1170+2,7183
= 5
= 1,7536

ahora determinemos las desviaciones, es decir

144
 METODOS NUMERICOS

xi yi x2i yi2 xi yi
0.00 1.0000 0.0000 1.0000 0.0000
0.25 1.2840 0.0625 1.6487 0.3210
0.50 1.6487 0.2500 2.7182 0.8243
0.75 2.1170 0.5625 4.4816 1.5878
1.00 2.7183 1.0000 7.3891 2.7183
1,8750 17,2376 5,4514

así
s
n
x2i
P
i=1 2
sx = n − (x)
q
1,8750 2
= 5 − (0,5000)
= 0,3535
y
s
n
yi2
P
i=1 2
sy = n − (y)
q
17,2376 2
= 5 − (1,7536)
= 0,6103

también
n
P
xi yi
i=1
sxy = n − xy
5,4514
= 5 − 0,5000 (1,7536)
= 0,2135

y el coeficiente de correlación es
cov[x,y]
coeficiente de correlación = sx sy
sxy
= sx sy
0,2135
= (0,3535)(0,6103)
= 0,9896
   
s
de donde a1 = (coeficiente de correlación) sxy = (0,9896) 0,6103
0,3535 = 1,7085 y a0 = y − a1 x = 1,7536 −
(1,7085) (0,5000) = 0,8994 por tanto la curva buscada es P (x) = 1,7085x + 0,8994

Ejemplo. Obtener la regresión lineal de la siguiente información discreta.

xi 1.0 1.1 1.3 1.5 1.9 2.1

yi 1.84 1.96 2.21 2.45 2.94 3.18

y determinar la interpolación en: x = 1,4 y la interpolación inversa en y = 2,30

Solución :
Primero: (Determinemos las desviaciones estandar)

145
 METODOS NUMERICOS

Para el eje x

1,0 + 1,1 + 1,3 + 1,5 + 1,9 + 2,1

x= = 1,48
6
así
s
6
(xi −x)2
P
i=1
sx = 6
s
6
x2i
P
i=1 2
= 6 − (x)
q
(1,0)2 +(1,1)2 +(1,3)2 +(1,5)2 +(1,9)2 +(2,1)2 2
= 6 − (1,48)
= 0,41

Para el eje y

1,84 + 1,96 + 2,21 + 2,45 + 2,94 + 3,18

y= = 2,43
6
así
s
6
(yi −y)2
P
i=1
sy = 6
s
6
yi2
P
i=1 2
= 6 − (y)
q
(1,84)2 +(1,96)2 +(2,21)2 +(2,45)2 +(2,94)2 +(3,18)2 2
= 6 − (2,43)
= 0,49

Segundo: (El coeficiente de correlación)

n
P
(xi −x)(yi −y)
i=1
cov[x, y] = n
n
P
xi yi
i=1
= n − xy
(1,0)(1,84)+(1,1)(1,96)+(1,3)(2,21)+(1,5)(2,45)+(1,9)(2,94)+(2,1)(3,18)
= 6 − (1,48) (2,43)
= 0,20

así
   
cov[x, y] 0,20
coeficiente de correlación = = = 0,99
sx sy (0,41) (0,49)
Así la pendiente de la recta es:
   
sy 0,49
a1 = (coeficiente de correlación) = (0,99) = 1,18
sx 0,41
y la ordenada es:

146
 METODOS NUMERICOS

a0 = y − a1 x = 2,43 − (1,18) (1,48) = 0,68

de donde la recta buscada es P (x) = 1,18x + 0,68

Ejemplo. Obtener la regresión lineal de la siguiente información discreta.

xi 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
yi 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72

y determinar la interpolación en: x = 4,6 y x = 5,7 como también la interpolación inversa en y = 140 e y = 200
Solución :
Primero: (Determinemos las desviaciones estandar)
Para el eje x

4,0 + 4,2 + 4,5 + 4,7 + 5,1 + 5,5 + 5,9 + 6,3 + 6,8 + 7,1
x= = 5,41
10
así
s
10
(xi −x)2
P
i=1
sx = 10
s
10
x2i
P
i=1 2
= 10 − (x)
q
(4,0)2 +(4,2)2 +(4,5)2 +(4,7)2 +(5,1)2 +(5,5)2 +(5,9)2 +(6,3)2 +(6,8)2 +(7,1)2 2
= 10 − (5,41)
= 1,03

Para el eje y
102,56+113,18+130,11+142,05+167,53+195,14+224,87+256,73+299,50+326,72
y = 10
= 195,84

así
s
10
(yi −y)2
P
i=1
sy = 10
s
10
yi2
P
i=1 2
= 10 − (y)
q
(102,56)2 +(113,18)2 +(130,11)2 +(142,05)2 +(167,53)2 +(195,14)2 +(224,87)2 +(256,73)2 +(299,50)2 +(326,72)2 2
= 10 − (195,84)
= 74,81

Segundo: (El coeficiente de correlación)

147
 METODOS NUMERICOS

n
P
(xi −x)(yi −y)
i=1
cov[x, y] = n
n
P
xi yi
i=1
= n − xy
()()+()()+()()+()()+()()+()()+()()+()()+()()+()()
= 10 − (5,41) (195,84)
= 77,18

así

cov[x, y] 77,18
coeficiente de correlación = = =1
sx sy (1,03) (74,81)
   
s
de donde a1 = (coeficiente de correlación) sxy = 1 74,81
1,03 = 72,63 también a0 = y−a1 x = 195,84−(72,63) (5,41) =
−197,09 así la curva buscada es

P (x) = 72,63x − 197,09

Ejemplo. Obtener la regresión lineal de la siguiente información discreta.

148
 METODOS NUMERICOS

Ei N oEPi
1 4
2 3
3 6.5
4 5
5 4.5
6 8.5
7 6
8 2.5
9 4
10 2
11 4
12 5.5
13 6.5
14 3.5
15 2.5
16 5
17 6.5
18 1
19 5.5
20 3
21 7
22 4
23 8.5
24 5.5
25 5.5
26 7.5
27 3

Solución:
Primero: (Determinemos las desviaciones estandar)
Para el eje x

x =?

así

sx =?

Para el eje y

149
 METODOS NUMERICOS

y =?

así

sy =?

Segundo: (El coeficiente de correlación)

cov[x, y] =?

de donde

cov[x, y]
coeficiente de correlación =
sx sy
 
sy
así a1 = (coeficiente de correlación) sx =? y a0 = y − a1 x =? por tanto la curva buscada es:

P (x) = a1 x + a0

Ejemplo. Obtener la regresión lineal de la siguiente información discreta

xi 1.0 1.1 1.3 1.5 1.9 2.1

yi 1.84 1.96 2.21 2.45 2.94 3.18

Solución:
Primero: (Determinemos las desviaciones estandar)
Para el eje x

x =?

así
v
u 6
uP 2
t i=1 xi
u
sx = − (x) =?
6
Para el eje y

y =?

así
v
u 6
uP 2
t i=1 yi
u
sy = − (y) =?
6
Ejemplo. Obtener la regresión lineal de la siguiente información discreta

150
 METODOS NUMERICOS

Ei N oEPi
1 3.5
2 3
3 3
4 3.5
5 3.5
6 5.5
7 7.5
8 4.5
9 5.5
10 3.5
11 5.5
12 4
13 3
14 3.5
15 5
16 5
17 4
18 3
19 5
20 5.5
21 4
22 3
23 3.5
24 5.5
25 5.5
26 5
27 4.5
28 5.5

y determinar el error absoluto que existe entre la recta obtenida mediante el método de minimos cuadrados y este
método
Solución:
Primero: (Determinemos las desviaciones estandar)
Para el eje x

1 + 2 + · · · + 27 + 28
x= =?
28
así

151
 METODOS NUMERICOS

v v
n n
2
uP uP
u
t (xi − x) u
t x2i
i=1 i=1 2
sx = = − (x) =?
n n
Para el eje y

3,5 + 3 + · · · + 4,5 + 5,5

y= =?
28
así
v v
n n
2
uP uP
u
t (yi − y) u
t yi2
i=1 i=1 2
sy = = − (y) =?
n n
Segundo: (Determinemos el coeficiente de correlación)

n
P n
P
(xi − x) (yi − y) xi yi
i=1 i=1
cov[x, y] = = − xy =?
n n
así

cov[x, y]
coeficiente de correlación = =?
sy sx
de donde
 
sy
a1 = (coeficiente de correlación) =?
sx
Tercero: (El valor de la ordenada)

a0 = y − a1 x =?

de esta forma se obtiene la recta que mejor se aproxime a la información discreta bajo las condiciones del método
de regresión lineal

P (x) = a1 x + a0

Cuarto: (El error absoluto)

Recordemos que la recta determinada mediante el método de minimos cuadrados es: P (x) = 0,03x + 3,94 por tanto
el error absoluto lo determinaremos mediante la pendiente y la ordenada, es decir

EA(a1 ) = |a1 − 0,03| =?

EA(a0 ) = |a0 − 3,94| =?

152
 METODOS NUMERICOS

Ejemplo. Obtener la regresión lineal de la siguiente información discreta

Ei N oESi
1 5.5
2 7
3 8
4 5
5 5.5
6 2.5
7 8.5
8 4
9 5
10 5
11 6
12 7
13 7
14 6.5
15 4.5
16 7
17 7.5
18 6
19 5
20 7
21 4.5
22 7.5
23 4
24 8
25 8
26 5.5
27 8.5
28 7.5

Solución:
Primero: (Determinemos las desviaciones estandar)
Para el eje x

1 + 2 + · · · + 27 + 28
x= =?
28
así

153
 METODOS NUMERICOS

v v
n n
2
uP uP
u
t (xi − x) u
t x2i
i=1 i=1 2
sx = = − (x) =?
n n
Para el eje y

5,5 + 7 + · · · + 8,5 + 7,5

y= =?
28
así
v v
n n
2
uP uP
u
t (yi − y) u
t yi2
i=1 i=1 2
sy = = − (y) =?
n n
Segundo: (Determinemos el coeficiente de correlación)

n
P n
P
(xi − x) (yi − y) xi yi
i=1 i=1
cov[x, y] = = − xy =?
n n
así

cov[x, y]
coeficiente de correlación = =?
sy sx
de donde
 
sy
a1 = (coeficiente de correlación) =?
sx
Tercero: (El valor de la ordenada)

a0 = y − a1 x =?

de donde la recta buscada es: P (x) = a1 x + a0

Ejercicio. La tabla siguiente contiene las calificaciones de las practicas del semestre y las del segundo parcial de
30 estudiantes de Metodos Numericos. Encuentre la ecuación de la recta mediante el método de regresión lineal
para estos datos, y use esta recta para determinar la calificación de la tarea que se requiere para predecir las
calificaciones mínimas A (90 %) y D (60 %) es los examenes finales.

154
 METODOS NUMERICOS

Practicas Segundo Parcial Practicas Segundo Parcial

302 45 323 83
325 72 337 99
285 54 337 70
339 54 304 62
334 79 319 66
322 65 234 51
331 99 337 53
279 63 351 100
316 65 339 67
347 99 343 83
343 83 314 42
290 74 344 79
326 76 185 59
233 57 340 75
254 45 316 45

Solución: Sea x las practicas de los 30 estudiantes e y las notas del segundo parcial, entonces
x1 +x2 +···+xn
x= n = 311,63
y1 +y2 +···+yn
y= n = 68,8
Pn
xi yi
sxy = i=1n − xy = 339,53
s
n
x2i
P
i=1 2
sx = n − (x) = 38,99
s
n
yi2
P
i=1 2
sy = n − (y) = 16,73
coeficiente de correlación = 0,52
 
sy
a1 = (coeficviente de correlacoón) sx = 0,22
a0 = y − a1 x = −0,8

de donde P (x) = a1 x + a0 = 0,22x − 0,8

Ejercicio. Contruya la aproximación de mínimos cuadrados de la forma beax

Solución: Por el método de minimos cuadrados, hay que minimizar la función

Xn
2
g (a, b) = minimizar{ (beaxi − f (xi )) }
i=1

bajo la información discreta

xi 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
yi 102.56 113.18 130.11 142.05 167.53 195.14 224.87 256.73 299.50 326.72

155
 METODOS NUMERICOS

es decir

10
!0
X 2
0 axi
g (a, b) = (be − f (xi )) =0
i=1

 10 0
P axi 2
0 = (be − f (xi ))
 i=1 
∂g ∂g
= ∂a ∂b
 10 10

axi axi
2 (beaxi − f (xi )) eaxi
P P
= 2 (be − f (xi )) be xi
i=1 i=1

de donde
10
2 (beaxi − f (xi )) beaxi xi = 0
P
i=1
10
2 (beaxi − f (xi )) eaxi = 0
P
i=1

o equivalentemente
10 10
2
(eaxi ) xi − f (xi )eaxi xi = 0
P P
b
i=1 i=1
10 10
2
(eaxi ) − f (xi )eaxi = 0
P P
b
i=1 i=1

el sistema se tiene que resolver por medio de los metodos de la bisección o Newton. O si no la otra forma para dar
solución al problema planteado es el siguiente.

yi = beaxi aplicando ln (ln se utiliza en base e)

lnyi = ln (beaxi ) por el algebra basica
lnyi = |{z}
lnb + a (xi lne)
c

asi formemos el polinomio

xi lne 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
lny i 4.63 4.73 4.87 4.96 5.12 5.27 5.41 5.55 5.70 5.79

es decir, se tiene la nueva información discreta

ti 4.0 4.2 4.5 4.7 5.1 5.5 5.9 6.3 6.8 7.1
f (ti ) 4.63 4.73 4.87 4.96 5.12 5.27 5.41 5.55 5.70 5.79

para el polinomio P (t) = at + c, este problema ya se a resuelto en el primer ejercicio y se observa que los valores
de a y c se obtienen resolviendo el sistema
10 10 10
t2i + c
P P P
a ti = ti f (ti )
i=1 i=1 i=1
P10 10
P 10
P
a ti + c 1= f (ti )
i=1 i=1 i=1

donde

156
 METODOS NUMERICOS

ti f (ti ) t2i ti f (ti )

4.0 4.63
4.2 4.73
4.5 4.87
4.7 4.96
5.1 5.12
5.5 5.27
5.9 5.41
6.3 5.55
6.8 5.70
7.1 5.79

o equivalentemente

303,39a + 54,1c = 285,49

54,1a + 10c = 52,03

de donde a = 0,37 y c = 3,18, pero c = lnb, entonces b = ec = e3,18 = 24,05 asi la curva buscada es P (t) = 24,05e0,37t
y determinar el cambi que se obtendria en t = 7,6 y t = 5

P (7,6) = 24,05e0,3(7,6) = 400,27

P (5) = 24,05e0,3(5) = 152,95

Obs:
0
1.- y = beaxi , entonces y 0 = (beaxi ) = beaxi xi
10
f (xi )eaxi xi = 102056(4)ea4 + 113,18(4,2)ea4,2 + · · ·
P
2.-
i=1

Ejemplo 51. Determinar la curva lineal que mejor se aproxime a las informaciones discretas

157
 METODOS NUMERICOS

Ei N oEP Pi N oESPi
1 5.60 4.60
2 7.20 5.40
3 4.80 4.80
4 2.50 0.90
5 7.50 4.80
6 7.60 5.70
7 7.05 2.10
8 3.25 4.00
9 6.40 6.50
10 0.60 1.20
11 7.20 5.10
12 7.40 4.00
13 7.20 4.90
14 5.10 3.50
15 6.80 6.00
16 6.20 6.00
17 5.20 4.40
18 7.70 7.20
19 7.10 5.80
20 3.10 2.10
21 6.30 5.60
22 6.70 4.80
23 7.30 5.90
24 6.00 7.00
25 5.95 4.90
26 3.50 1.80
27 5.50 5.10
28 4.10 2.30
29 6.10 4.00
30 5.10 5.90
31 8.10 6.40

donde Ei repreenta el número de lista del estudiante i del cuarto semestre B, N oEP Pi representa la nota del
estudiante i del primer parcial, N oESPi representa la nota del estudiante i del segundo parcial y realizar un
analisis sobre el rendimiento academico.
Solución: Para ambos parciales aproximemos la información discreta mediante la curva P (x) = a1 x + a0
Para el primer parcial: Según el métodod de regresión lineal

158
 METODOS NUMERICOS

xi yi x2i yi2
1 5.60 1
2 7.20 4
3 4.80 9
4 2.50 16
5 7.50 25
6 7.60 36
7 7.05 49
8 3.25 64
9 6.40 81
10 0.60 100
11 7.20 121
12 7.40 144
13 7.20 169
14 5.10 196
15 6.80 225
16 6.20 256
17 5.20
18 7.70
19 7.10
20 3.10
21 6.30
22 6.70
23 7.30
24 6.00
25 5.95
26 3.50
27 5.50
28 4.10
29 6.10
30 5.10
31 8.10
31 31 31 31 31
x2i yi2
P P P P P
xi yi xi yi
i=1 i=1 i=1 i=1 i=1
x= 31 = 16 y= 31 = 5,81 31 = 336 31 = 36,81 31 = 93,55

y también

159
 METODOS NUMERICOS

v
u 31
uP 2
t i=1 xi
u q
2 2
sx = − (x) = 336 − (16) = 8,94
31
y
v
u 31
uP 2
t i=1 yi
u q
2 2
sy = − (y) = 36,81 − (5,81) = 1,75
31
y el

31
P
xi yi
i=1
31 − (xy) 93,55 − (16) (5,81)
coeficiente de correlación = = = 0,04
sx sy (8,94) (1,75)
   
sy 1,78
de donde a1 = (0,04) sx = (0,04) 8,94 = 0,01 también a0 = y − a1 (x) = 5,81 − (0,01) (16) = 5,65 por tanto la
recta buscada es
P (x) = a1 x + a0 = 0,01x + 5,65

5.3. Interpolación de Lagrange:

La información discreta
Puntos 0 1 2 ··· n
xi x0 x1 x2 ··· xn
yi f (x0 ) f (x1 ) f (x2 ) ··· f (xn )

se aproxima mediante un polinomio de Lagrange de grado uno, dos, etc. siguiendo el siguiente criterio:

P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
..
.
P (xn ) = f (xn )

Para el polinomio de Lagrange de Primer grado:

P (x) = a1 (x − x0 ) + a0 (x − x1 )

los valores numericos de a1 y a0 se determinan según el criterio

P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
asi
 :0
f (x0 ) = P (x0 ) = 
a1 0 − x0 ) + a0 (x0 − x1 )
(x
 :0
f (x1 ) = P (x1 ) = a1 (x1 − x0 ) + 
a0 1 − x1 )
(x

160
 METODOS NUMERICOS

de donde

f (x0 ) = a0 (x0 − x1 )
f (x1 ) = a1 (x1 − x0 )
por tanto
f (x0 )
a0 = (x0 −x1 )
f (x1 )
a1 = (x1 −x0 )
   
asi la curva buscada es P (x) = (xf1(x 1) f (x0 )
−x0 ) (x − x0 ) + (x0 −x1 ) (x − x1 )

Ejemplo. Determinar los polinomios de Lagrange que pasa por los puntos 1, 2 y 3,4 de la siguiente información
discreta

Puntos 0 1 2 3 4 5
xi 1.0 1,1 1,3 1.5 1.9 2.1
|{z} |{z}
x1 x2

f (xi ) 1.84 1,96 2,21 2.45 2.94 3.18

|{z} |{z}
f (x1 ) f (x2 )

Solución: Para los puntos 1 y 2

En este caso el polinomio que pasa por los puntos 1 y 2 de Lagrange es P (x) = a1 (x − x1 ) + a0 (x − x2 ) y segun
f (x1 )
lo anterior se tiene que a0 = (x1 −x2 ) y a1 = (xf2(x 2)
−x1 ) por tanto el polinomio buscado es:
   
f (x2 ) f (x1 )
P (x) = (x2 −x1 ) (x − x1 ) + (x1 −x2 ) (x − x2 )
   
2,21 1,96
= (1,3−1,1) (x − 1,1) + (1,1−1,3) (x − 1,3)

= 1,25x + 0,59

por lo tanto el polinomio que pasa por los puntos 1 y 2 es P (x) = 1,25x + 0,59
Para los puntos 3 y 4

Puntos 0 1
xi 1.0 1.1 1.3 1.5 1.9 2.1
f (xi ) 1.84 1.96 2.21 2.45 2.94 3.18

el polinomio de lagrange de primer grado es: P (x) = a1 (x − x0 ) + a0 (x − x1 ) de esta manera se tiene el sistema

P (x0 ) = f (x0 )
P (x1 ) = f (x1 )

es decir
 :0
a1
(x0 − x0 ) + a0 (x0 − x1 ) = f (x0 )

 :0
a1 (x1 − x0 ) + a0 1 − x1 ) = f (x1 )
(x
o
f (x0 )
a0 = (x0 −x1 )
f (x1 )
a1 = (x1 −x0 )

161
 METODOS NUMERICOS

f (x1 ) f (x0 )
de donde P (x) = (x1 −x0 ) (x − x0 ) + (x0 −x1 ) (x − x1 ) y remplazando valores el polinomio buscado es

P (x) = 1,23x + 0,61

Para el polionomio de Lagrange de segundo grado:

P (x) = a2 (x − x0 ) (x − x1 ) + a1 (x − x0 ) (x − x2 ) + a0 (x − x1 ) (x − x2 )

los valores númericos de a2 , a1 y a0 se determinan según el criterio

P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
P (x2 ) = f (x2 )
asi
 :0  :0
0− 0 ) (x0 − x1 ) + a1 (x 0− 0 ) (x0 − x2 ) + a0 (x0 − x1 ) (x0 − x2 )
 
f (x0 ) = P (x0 ) = a2 (x x  x 
 :
 0  :0

 
f (x1 ) = P (x1 ) = a2 (x − x
1  0
 )
 (x 1 − x 1 ) + a1 (x 1 − x 0 ) (x 1 − x 2 ) + a (x
0  − x
1  1
 )
 (x 1 − x 2)
 :
 0  :0
 
 
f (x2 ) = P (x2 ) = a2 (x2 − x0 ) (x2 − x1 ) + a1 (x − x
2  0
 )
 (x 2 − x 2 ) + a (x
0  − x
2  1
 )
 (x 2 − x 2)
 
de donde
f (x0 ) = a0 (x0 − x1 ) (x0 − x2 )
f (x1 ) = a1 (x1 − x0 ) (x1 − x2 )
f (x2 ) = a2 (x2 − x0 ) (x2 − x1 )
por tanto
f (x0 )
a0 = (x0 −x1 )(x0 −x2 )
f (x1 )
a1 = (x1 −x0 )(x1 −x2 )
f (x2 )
a2 = (x2 −x0 )(x2 −x1 )

asi la curva buscada es

     
f (x2 ) f (x1 ) f (x0 )
P (x) = (x − x0 ) (x − x1 )+ (x − x0 ) (x − x2 )+ (x − x1 ) (x −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x1 − x2 ) (x0 − x1 ) (x0 − x2 )
la constreucción de los polinomios de Lagrange de tercer grado, cuarto grado se lo realiza de forma similar que los
polinomios de primer y segundo grado.

Ejemplo. Determinar el polinomio de Lagrange que pasa por los puntos 1, 2 y 3 de la siguiente información
discreta

Puntos 0 1 2 4 5
xi 1,1 1,3 1,5 1.9 2.1
|{z} |{z} |{z}
x0 x1 x2

f (xi ) 1,96 2,21 2,45 2.94 3.18

|{z} |{z} |{z}
f (x0 ) f (x1 ) f (x2 )

162
 METODOS NUMERICOS

Solución: En este caso el polinomio que pasa por los puntos 1, 2 y 3 de Lagrange es

P (x) = a2 (x − x0 ) (x − x1 ) + a1 (x − x0 ) (x − x2 ) + a0 (x − x1 ) (x − x2 )
f (x0 ) f (x1 ) f (x2 )
donde a0 = (x0 −x1 )(x0 −x2 ) , a1 = (x1 −x0 )(x1 −x2 ) y a2 = (x2 −x0 )(x2 −x1 ) por tanto el polinomio buscado es:

     
f (x2 )
P (x) = (x − x0 ) (x − x1 ) + (x1 −xf0(x 1)
(x − x0 ) (x − x2 ) + (x0 −xf1(x 0)
(x − x1 ) (x − x2 )
 (x2 −x0 )(x2 −x1 )   )(x1 −x2 )   )(x0 −x2 ) 
2,45 2,21 1,96
= (1,5−1,1)(1,5−1,3) (x − 1,1) (x − 1,3) + (1,3−1,1)(1,3−1,5) (x − 1,1) (x − 1,5) + (1,1−1,3)(1,1−1,5) (x − 1,3) (x − 1,
= −0,12x2 + 1,54x + 0,42

por lo tanto el polinomio que pasa por los puntos 1, 2 y 3 es P (x) = −0,12x2 + 1,54x + 0,42

Ejemplo. Determinar un polinomio de primer y segundo grado de Lagrange para la siguiente información discreta

Puntos A B C D E
xi 1 2 3 4 5
yi 1,3 3,5 4,2 5,0 7,0

Solución: Para el polinomio de primer grado: Según el anterior analisis el polinomio de primer grado de Lagrange
es:
   
f (x1 ) f (x0 )
P (x) = (x − x0 ) + (x − x1 )
(x1 − x0 ) (x0 − x1 )
asi remplazando valores númericos se tiene
   
f (x1 )
P (x) = (x − x0 ) + (xf0(x0)
(x − x1 )
 (x1 −x0)
 −x1 )
3,5 1,3
= (2−1) (x − 1) + (1−2) (x − 2)
= 3,5 (x − 1) − 1,3 (x − 2)

por tanto el polinomio de primer grado para los puntos A y B es P (x) = 3,5 (x − 1) − 1,3 (x − 2) = 2,2x − 0,9 y
el polinomio de primer grado para los puntos D y E es: P (x) = 7 (x − 4) − 5 (x − 5) = 2x − 3, de la misma forma
se pueden ir obteniendo polinomios de primer grado para otros pares de puntos de la información discreta. Pero
2,9 0,3
el polinomio de primer grado que pasa por los puntos A y C es: P (x) = 2 x − 2 = 1,4x − 0,2 es el polinomio
que nos puede dar información con respecto a la información discreta como por ejemplo cual seria el cambio o la
interpolación para el valor 0,5 y 6, en este caso el cambio es P (0,5) = 1,4 (0,5)−0,2 = 0,5 y P (6) = 1,4 (6)−0,2 = 8,2
Para el polinomio de segundo grado: Según el anterior analisis el polinomio de segundo grado de Lagrange es:

     
f (x2 ) f (x1 ) f (x0 )
P (x) = (x − x0 ) (x − x1 )+ (x − x0 ) (x − x2 )+ (x − x1 ) (x −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x1 − x2 ) (x0 − x1 ) (x0 − x2 )
asi remplazando valores

     
4,2 3,5 1,3
P (x) = (x − 1) (x − 2) + (x − 1) (x − 3) + (x − 2) (x − 3)
(3 − 1) (3 − 2) (2 − 1) (2 − 3) (1 − 2) (1 − 3)

163
 METODOS NUMERICOS

es decir el polinomio de Lagrange de segundo grado que pasa por los punto A, B y C es:

P (x) = 2,1 (x − 1) (x − 2) − 3,5 (x − 1) (x − 3) + 0,6 (x − 2) (x − 3) = −0,8x2 + 4,7x − 2,7

no es un polinomio optimo pero el polinomio que pasa por los puntos A, D y E es el mas adecuado para analizar
toda la información discreta y este polinomio es:

P (x) = 0,2x2 + 0,3x + 0,8

2
asi la interplación en el punto 6 es: P (6) = 0,2 (6) + 0,3 (6) + 0,8 = 9,8

Ejemplo. Obtener el polinomio de Lagrange para cierta función f de la que se conoce que f (−1) = 1, f (0) = −1,
f (2) = 2 y f (3) = 2

Solución: Notemos que la información discreta en este ejemplo es

Puntos 0 1 2 3
xi −1 0 2 3
f (xi ) 1 −1 2 2

según las condiciones del ejemplo hayque buscar un polinomio de tercer grado de Lagrange y en este caso es el
siguiente

P (x) = a3 (x − x0 ) (x − x1 ) (x − x2 )+a2 (x − x0 ) (x − x1 ) (x − x3 )+a1 (x − x0 ) (x − x2 ) (x − x3 )+a0 (x − x1 ) (x − x2 ) (x − x3 )

así los coeficientes de este polinomio se determina bajo la condición

P (x0 ) = f (x0 )
P (x1 ) = f (x1 )
P (x2 ) = f (x2 )
P (x3 ) = f (x3 )

de donde
f (x0 )
a0 = (x0 −x1 )(x0 −x2 )(x0 −x3 )
f (x1 )
a1 = (x1 −x0 )(x1 −x2 )(x1 −x3 )
f (x2 )
a2 = (x2 −x0 )(x2 −x1 )(x2 −x3 )
f (x3 )
a3 = (x3 −x0 )(x3 −x1 )(x3 −x2 )

ahora remplacemos valores

1 1
a0 = (−1−0)(−1−2)(−1−3) = − 12
−1 1
a1 = (0+1)(0−2)(0−3) = − 6
2 1
a2 = (2+1)(2−0)(2−3) = − 3
2 1
a3 = (3+1)(3−0)(3−2) = 6

164
 METODOS NUMERICOS

de donde

5 3 5 2 2
P (x) = − x + x + x
12 4 3
Practica:
1.- La calificación de un grupo de estudiantes en el examen parcial x y en el examen final y fueron las siguientes

x y x y x y x y
12 15 18 20 15 17 13 14
8 10 12 14 12 15 10 13
10 12 10 12 11 12 12 15
13 14 12 10 12 13 13 14
9 12 14 16 11 12 12 13
14 15 9 11 10 13 16 18
11 16 10 13 14 12 15 17
Determinar mediante el método de regresión lineal la curva que aproxima estos datos para cada estudiante y realice
un comentario sobre las curvas.
2.- El gerente de personal de una empresa quiere estudiar la relación entre el ausentismo y la edad de sus trabaja-
dores. Tomo una muestra aleatoria de 10 trabajadores de la empresa y encontro los siguientes datos

Edad (años) 25 46 58 37 55 32 41 50 23 60
Ausentismo (días por año) 18 12 8 15 10 13 7 9 16 6

a) Use el método de minimos cuadrados para determinar la ecuación muestral que relacione las dos variables
b) Use el método de regresión lineal para determinar la relación entre las variables. De un comentario sobre
los ajustes de los incisos a) y b)
3.- En un estudio para determinar la relación entre edad x y presión sanguínea y una muestra aleatoria de 9 mujeres
a dado los siguientes resultados

x 54 40 70 35 62 45 55 50 38
y 148 123 155 115 150 126 152 144 114

Determine la ecuación de regresión lineal de y en x y estime la presión sanguinea para una mujer de 75 años
4.- Las calificaciones obtenidas por 10 alumnos en Matemáticas y Biología han sido las siguientes:

Alumnos 1 2 3 4 5 6 7 8 9 10
Matemáticas 6 4 8 5 3.5 7 5 10 5 4
Biología 6.5 4.5 7 5 4 8 7 10 6 5

Halle las dos rectas de regresión lineal que permitan estimar la calificación de cada una de las asignaturas a partir
de la otra calificación para cada alumno. ¿Qué nota esperará un alumno en Biología si ha obtenido un 8.3 en
Matemáticas?
5.- Obtener el polinomio de Lagrange para cierta función f de la que se conoce que f (−1) = 1, f (0) = −1, f (2) = 2
y f (3) = 2

165
 METODOS NUMERICOS

6.- Obtener el polinomio interpolador de Lagrange para la función f (x) = log(x) con el soporte s = {1, 2, 4, 6, 8}.
Determinar la función del error absoluto al usar P (3) para aproximar el valor de log(3).

5.4. Interpolación de Aiken:

xn+1 −l
La sucesión lim xn = l y lim = λ con 0 ≤ λ ≤ 1, entonces la convergencia de la sucesión (xn ) es lineal,
n→∞ n→∞ xn −l
gracias a esta relación se tiene una nueva sucesión x˜n , es decir

xn xn+2 − x2n+1
x˜n ≈
xn − 2xn+1 + xn+2
xn −l
tal que lim = 0 esto significa que x˜n converge más rapido que xn
n→∞ x˜n −l

166
CAPÍTULO 6

Ecuaciones Diferenciales y en Diferencias Finitas

6.1. Euler
dy
dx = f (x, y)
El método de Euler determina una solución aproximadas a la ecuación diferencial ordinaria (EDO) y0 = y(x0 )
y(xf ) =?
denominada problema del valor inicial (PVI). Para determinar la solución aproximada a este PVI se siguen los
siguientes pasos:
Paso 1: Se divide el segmento x0 xf de longitud xf − x0 en n intervalos de igual longitud, es decir
 
xf − x0
xi = x0 + i para i = 0, 1, ..., n
n
xf −x0
las iteraciones para los diferentes valores de x se determinan bajo la relación xi = x0 + ih donde h = n para
i = 0, 1, 2, ..., n, es decir

x0 = x0 + (0) h
x1 = x0 + (1) h
..
.
xf =n = x0 + (n) h
y1 −y0
Paso 2: La pendiente de la recta secante que pasa por los puntos (x0 , y0 ) y (x1 , y1 ) es x1 −x0 , pero la pendiente de
dy dy
la recta tangente en el punto (x1 , y1 ) es dx |(x1 ,y1 ) = f (x1 , y1 ) analogamente (x0 , y0 ) es dx |(x0 ,y0 ) = f (x0 , y0 ) por
y1 −y0
geometria se tiene que x1 −x0 = f (x0 , y0 ) despejando y1 se tiene

y1 = (x1 − x0 ) f (x0 , y0 ) + y0

realizando un analisis similar en los diferentes puntos de yj se tienen las siguientes relaciones

167
 METODOS NUMERICOS

y1 = (x1 − x0 ) f (x0 , y0 ) + y0
y2 = (x2 − x1 ) f (x1 , y1 ) + y1
..
.
yn = (xn − xn−1 ) f (xn−1 , yn−1 ) + yn−1

asi y(xf ) = (xn − xn−1 ) f (xn−1 , yn−1 ) + yn−1 .

xxxx
dy
¿como sera la curba de la EDO dx = 2x − y + 1?
xxxx
dy
dx = 2x − y + 1
| {z }
f (x,y)
Ejemplo. Resolver el PVI para una partición de cuatro intervalos equidistantes y determinar
y(0) = 0
y(1) =?
el error absoluto con respecto al valor exacto.

Solución: Notemos que x0 = 0, y0 = 0 y xf = 1

Primera iteración:
xf −x0 1−0
= 14 , entonces x1 = x0 + (1) h = 0 + (1) 41 = 14 asi x1 = 41


Paso 1: Sea h = n = 4
Paso 2: De la relación y1 = (x1 − x0 ) f (x0 , y0 ) + y0 = 14 − 0 f (0, 0) + 0 = 14 (1) = 41 asi y1 = 1


4
asi de los pasos 1 y 2 se determina el par ordenado 14 , 14

Segunda iteración:
1 1
de donde x2 = 21


Paso 1: Asi x2 = x0 + (2) h = 0 + 2 4 = 2
Paso 2: Asi y2 = (x2 − x1 ) f (x1 , y1 ) + y1 = 12 − 41 f ( 14 , 14 ) + 1 1 5 1 9 9



4 = 4 4 + 4 = 16 de donde y2 = 16
asi de los pasos 1 y 2 se determina el par ordenado 12 , 16 9

Tercera iteración:
Paso 1: Asi x3 = x0 + (3) h = 0 + (3) 14 = 3
de donde x3 = 43
4
Paso 2: Asi y3 = (x3 − x2 ) f (x2 , y2 ) + y2 = 34 − 21 f ( 12 , 16
9 9 3 1


23 9 59
)+ 16 = 4 − 2 16 + 16 = 64
3 59


asi de los pasos 1 y 2 se determina el par ordenado 4 , 64
Cuarta iteración:
Paso 1: Asi x4 = x0 + (4) h = 0 + (4) 14 = 1
3
f ( 34 , 59 59 3


101 59 337
Paso 2: Asi y4 = (x4 − x3 ) f (x3 , y3 ) + y3 = 1 − 64 ) + 4 64 = 1− 4 64 + 64 = 256
asi de los pasos 1 y 2 se determina el par ordenado 1, 337


256
De esta forma se obtiene la información discreta

Puntos 0 1 2 3 4
1 1 3
xi 0 4 2 4 1
1 9 59 337
yi 0 4 16 64 256

Resolviendo la ecuación diferencial y 0 + |{z}

1 y = 2x + 1 lineal por los métodos comunes, la curva solución es:
| {z }
P (x) Q(x)

168
 METODOS NUMERICOS

R R   R 
y = e− P (x)dx
e
Q(x) dx + cP (x)dx
R R  R  
= e− 1dx e 1dx (2x + 1) dx + c
e−x
R x

= (e (2x + 1)) dx + c
e−x



2xex dx + ex dx + c
R R
=
= e−x ((2ex (x − 1) + ex ) + c)
= (2x − 1) + ce−x

asi y = (2x − 1) + ce−x pero la curva tiene que pasar por el punto (0, 0) es decir y(0) = 0 por tanto

0 = y(0) = (2 (0) − 1) + ce−(0) = −1 + c

de donde c = 1 asi la curva buscada y = (2x − 1) + e−x y además y(1) = (2 (1) − 1) + e−1 = 1,37 asi el error
 
absoluto es EA = 1,37 − 337  = 0,05
256

2
Ejemplo. Dado el PVI y 0 = y + t2 et con |{z}
1 ≤ t ≤ |{z}
2 y y(1) = 0
t
| {z } x0 xf
f (t,y)

a) Use el método de Euler con h = 0,1 para aproximar la solución y compararla con los valores reales de y
b) Use las respuestas obtenidas en la parte a) y la interpolación lineal para aproximar los siguientes valores
de y y(1,0), y(1,6) e y(2) y comparelos con los valores reales.

Solución: Para el inciso a)

Por el método de Euler se tiene la relación
 
 xf − x0 
xi = x0 + i 
 n  para i = 0, 1, ...n

| {z }
h

xf −x0 2−1
como h = 0,1 y h = n , entonces 0,1 = n así n = 10 por tanto xi = 1 + i (0,1) para i = 0, 1, ..., 10 .
Por otro lado las 11 iteraciones son:
Primera iteración: (1, 0)
Segunda iteración:
Paso 1: x1 = x0 + (1) h = 1 + 1 (0,1) = 1,1
Paso 2: y1 = (x1 − x0 ) f (x0 , y0 ) + y0 = (1,1 − 1) f (1, 0) + 0 = 0,1 (e) = 0,3 por tanto el punto buscado en este caso
es (1,1, 0,3)
Tercera iteración:
Paso 1: x2 = 1 + 2 (0,1) = 1,2
 
2 2
Paso 2: y2 = (1,2 − 1,1) f (1,1, 0,3) + 0,3 = 0,1 1,1 (0,3) + (1,1) e1,1 + 0,3 = 0,7 por tanto el punto buscado en
este caso es (1,2, 0,7)
Cuarta iteración: El punto buscado es
Paso 1: x3 = 1 + (3) 0,1 = 1,3

169
 METODOS NUMERICOS

Paso 2: y3 = (1,3 − 1,2) f (1,2, 0,7) + 0,7 = (0,1) 5,95 + 0,7 = 1,30 por tanto el punto buscado en este caso es
(1,3, 1,30)
Quinta iteración: El punto buscado es (1,4, 2,1)
Sexta iteración: El punto buscado es (1,5, 3,2)
Septima iteración: El punto buscado es (1,6, 4,6)
Octava iteración: El punto buscado es (1,7, 6,4)
Novena iteración: El punto buscado es (1,8, 8,7)
Decima iteración: El punto buscado es (1,9, 11,6)
Decima Primera iteración: El punto buscado es (2, 15,2)
de esta forma se tiene que y(2) = 15,2 que es la solución puntual aproximada de la EDO.
2
t2 et con 1 ≤ t ≤ 2
Para poder conparar con los valores reales de y hay que resolver la ecuación diferencial y 0 − y = |{z}
t
|{z} Q(x)
P (x)
y y(1) = 0. La solución de esta ecuación diferencial es:
R R R 
y = e− P (x)dx
Q(x)e P (x)dx
dx + c
R 2 R R 2 
= e− − t dt t2 et e − t dt dt + c
R 2 t −2lnt

= e2lnt t ee dt + c
R 2 t −2

= t2 t e t dt + c


t2
R t
= e dt + c
= t2 (et + c)


así y = t2 (et + c) pero esta curva solución pasa por el punto (1, 0) es decir 0 = 12 e1 + c de donde c = −e asi la
curva buscada es: y = t2 et − e por tanto el valor real puntual es y(2) = 22 e2 − e = 26,8 asi el error absoluto es

EA = |26,8 − 15,2| = 11,6

Para el inciso b)
Para determinar la curva de aproximación lineal, se aplicara a la información discreta

xi 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

yi 0 0.3 0.7 1.3 2.1 3.2 4.6 6.4 8.7 11.6 15.2

el método de regresión lineal para el polinomio P (x) = a1 x + a0 de donde a1 = 12,8 y a0 = −15 por tanto la curva
aproximada es P (x) = 12,8x − 15, por tanto

valores exactos valor aproximado error absoluto

2 t
y =t e −e P (x) = 12,8x − 15 |ve-va|
y(1,0) = 0 P (1,0) = −2,2 |0 − (−2,2)| = 2,2
y(1,6) = 1 P (1,6) = 5,5 |1 − 5,5| = 4,5
y(2) = 26,9 P (2) = 10,6 |26,9 − 10,6| = 16,3
1 y
Ejemplo. Dado el PVI y 0 = 2
− − y 2 con |{z}
1 ≤ t ≤ |{z}
2 y y(1) = −1
|t t
{z } x0 xf
f (t,y)

170
 METODOS NUMERICOS

a) Use el método de Euler con h = 0,05 para aproximar la solución y compararla con los valores reales de y
b) Use las respuestas obtenidas en la parte a) y la interpolación lineal para aproximar los siguientes valores
de y y(1,052), y(1,555) e y(1,978) y comparelos con los valores reales.

Solución: Para el inciso a)

Por el método de Euler se tiene la relación
 
 xf − x0 
xi = x0 + i 
 n  para i = 0, 1, ...n

| {z }
h

xf −x0 2−1
como h = 0,05 y h = n , entonces 0,05 = n así n = 20 por tanto xi = 1 + i (0,05) para i = 0, 1, ..., 20 .
Por otro lado las 21 iteraciones son:
Primera iteración: (1, −1)
Segunda iteración:
Paso 1: x1 = 1 + 1 (0,05) = 1,05
 
1 −1 2
Paso 2: y1 = (1,05 − 1) f (1, −1) − 1 = 0,05 12 − 1 − (−1) − 1 = −0,95 por tanto el punto buscado en este caso
es (1,05, −0,95)
3ra iteración:
Paso 1: x2 = 1 + 2 (0,05) = 1,10
 
1 −0,95 2
Paso 2: y2 = (1,10 − 1,05) f (1,05, −0,95) − 0,95 = 0,05 1,052 − 1,05 − (−0,95) − 0,95 = −0,90 por tanto el
punto buscado en este caso es (1,10, −0,90)
y = 0,05 t12 − yt − y 2 + y

4ta iteración: El punto buscado es (1,15, −0,86)

5ta iteración: El punto buscado es (1,2, −0,82)
6ta iteración: El punto buscado es (1,25, −0,78)
7ma iteración: El punto buscado es (1,30, −0,75)
8va iteración: El punto buscado es (1,35, −0,72)
9na iteración: El punto buscado es (1,40, −0,69)
10ma iteración: El punto buscado es (1,45, −0,66)
◦
11 iteración: El punto buscado es (1,50, −0,64)
◦
12 iteración: El punto buscado es (1,55, −0,62)
◦
13 iteración: El punto buscado es (1,60, −0,60)
◦
14 iteración: El punto buscado es (1,65, −0,58)
◦
15 iteración: El punto buscado es (1,70, −0,56)
◦
16 iteración: El punto buscado es (1,75, −0,54)
◦
17 iteración: El punto buscado es (1,80, −0,52)
◦
18 iteración: El punto buscado es (1,85, −0,50)
◦
19 iteración: El punto buscado es (1,90, −0,48)
◦
20 iteración: El punto buscado es (1,95, −0,47)

171
 METODOS NUMERICOS

◦
21 iteración: El punto buscado es (2, −0,46)
esta ultima iteración nos indica que y(2) = −0,46. Por otro lado resolviendo la ecuación diferencial y 0 + 1


t y+
1
2
y = t2 con 1 ≤ t ≤ 2 y y(1) = −1, se tien que la solución es y(t) = − 1t entonces y(2) = − 21 = −0,5 así
EA = |−0,46 − (−0,5)| = 0,04 es decir hay un error absoluto de 4 %
Para el inciso b) Bajo la información discreta que se obtiene en el inciso a) se determina la curva de aproximación
P (x) = 0,52x − 1,45 a los datos utilizando el método de minimos cuadrados, asi se tiene

Solución exacta Solución aproximada Error Absoluto

y(t) = − 1t P (x) = 0,52x − 1,45 |VE-VA|
y(1,05) = −0,95 P (1,05) = −0,9 |−0,95 − (−0,9)| = 0,05
y(1,56) = −0,64 P (1,56) = −0,64 |−0,64 − (−0,64)| = 0
y(1,98) = −0,51 P (1,98) = −0,42 |−0,51 − (−0,42)| = 0,09

Ejemplo. Considere un sistema ecológico simple compuesto solamente de dos especies: Coyotes (y) y Correcaminos
(x), donde los primeros se alimentan de los segundos. Los tamaños de las poblaciones cambian de acuerdo con las
ecuaciones
dx
dt = k3 xy − k4 y
|{z}
velocidad de decrecimiento de Coyotes
dy
dt = k1 x − k2 xy
|{z}
velocidad de crecimiento de Correcaminos

que se puede entender de la siguiente forma; Si no hay Coyotes, los Correcaminos se reproducen con una velocidad de
crecimiento k1 x; Si no hay Correcaminos, la especie de Coyotes desaparece con una velocidad de k4 y. El término xy
representa la interacción entre las dos especies y las constantes k2 y k3 dependen de la habilidad de los depredadores
para atrapar a los Correcaminos y de la habilidad de estos para huir.
Las poblaciones de los Coyotes y los Correcaminos cambian cíclicamente. Determinar el ciclo al resolver el modelo
con k1 = 0,4 (40 %), k2 = 0,2, k3 = 0,002 y k4 = 0,3 (30 %) con x(0) = 30 e y(0) = 3 como condición inicial.
Solución: Según la condición del ejercicio

dx
dt = 0,002xy − 0,3y
dy
dt = 0,4x − 0,2xy
donde x(0) = 30 e y(0) = 3. Ahora resolviendo mediante el método de Euler. Antes aplicando las herramientas de
dy (0,4x−0,2xy)
la materia de EDO al sistema anterior se determina una EDO equivalente al sistema que es dx = (0,002xy−0,3y)
para y(30) = 3 y notemos que 0 < x para h =?
De esta forma las iteraciones son:
Primera Iteración: (30, 3)
Segunda Iteración:
Para x, x1 = x0 + 1h = x0 + h = 30 + h
(0,4(30)−0,2(30)(3))
Para y1 = (x1 − 30) f (30, 3) + 3 = (x1 − 30) (0,002(30)(3)−0,3(3)) + 3 = (h) 25
3 + 3 = 11
Segun los datos del ejercicio se tienen las siguientes relaciones

172
 METODOS NUMERICOS

dia1 dia2
Para x 30 0.4(30) + 30 = 30 + h
Para y 3 0.3(3) + 3 = (30 + h − 30) 25
3 +3

de donde 0,4 (30) + 30 = 30 + h asi resolviendo se tiene que h = 12 también de la ecuación 0,3 (3) + 3 =
(30 + h − 30) 25
3 + 3 se tiene que h =
27
250 = 0,108 ≈ 1 de esta forma el h adecuado es 1. De esta forma (31, 11)
Tercera Iteración:
Para x, x2 = x0 + 2h = 30 + 2 (1) = 32
(0,4(31)−0,2(31)11)
Para y, y2 = (32 − 31) f (31, 11) + 11 = (32 − 31) (0,002(31)11−0,3(11)) + 11 = 32
Cuarta Iteración:
Para x, x3 = x0 + 3h = 30 + 3 (1) = 33
(0,4(32)−0,2(32)32)
Para y, y3 = (x3 − x2 ) f (x2 , y2 ) + y2 = (33 − 32) f (32, 32) + 32 = (0,002(32)32−0,3(32)) + 32 = 57
Conclusión: La población de los coyotes tiene más posibiliades de sobrevivencia y la población de los correcaminos
a de tende a desaparecer.

dy
Ejemplo. Dado el problema con valor inicial (PVI) dx = y 2 senx2 donde y(−2) = 1
3 determinar y(0) =? y también
| {z }
f (x,y)
el error absoluto en el punto 0

Solución:
Primero determinemos el valor de y(0) =? por medio del método de Euler con cuatro particiones equidistantes, es
xf −x0 0−(−2) 1
decir h = n = 4 =
para i = 0, 1, 2, 3, 4
2
Primera iteración: (x0 , y0 ) = −2, 13

Segunda iteración: (x1 , y1 ) = − 32 , −0,05

para x; x1 = x0 + 1 12 = −2 + 12 = − 32

para y;

y1 = (x1 − x0 ) f (x0 , y0 ) + y0
− 23 − (−2) f (−2, 31 ) + 13


=


2 2
= − 32 − (−2) 31 sen (−2) + 1
3
= −0,05

Tercera iteración: (x2 , y2 ) = (−1, −0,05)

para x; x2 = x0 + 2 12 = −2 + 2 12 = −1

para y;

y2 = (x2 − x1 ) f (x1 , y1 ) + y1
−1 − − 23 f (− 32 , −0,05) − 0,05



=
2
2
−1 − − 23 (−0,05) sen − 32 − 0,05



=
= −0,05

173
 METODOS NUMERICOS

Cuarta iteración: (x3 , y3 ) = − 12 , −0,05

para x; x3 = x0 + 3 12 = −2 + 3 12 = − 12

para y;

y3 = (x3 − x2 ) f (x2 , y2 ) + y2
− 21 − (−1) f (−1, −0,05) − 0,05


=
2 2
− 21 − (−1) (−0,05) sen (−1) − 0,05


=
= −0,05

Quinta iteración: (x4 , y4 ) = (0, −0,05)

para x; x4 = x0 + 4 21 = −2 + 4 12 = 0

para y;

y4 = (x4 − x3 ) f (x3 , y3 ) + y3
0 − − 21 f (− 21 , −0,05) − 0,05



=
2
2
0 − − 12 (−0,05) sen − 21 − 0,05



=
= −0,05

por tanto y(xf ) = y(0) = −0,05

dy
Segundo resolvamos la EDO dx = y 2 senx2 , es decir
dy
dx = y 2 senx2
1
y 2 dy = senx2 dx
1
senx2 dx + c
R R
y 2 dy =
∞ 
integrando
1+n
− y1 1 2(2n−1)
R P
= (−1) (2n−1)! x dx + c
n=1
∞
(−1)1+n R
− y1


x2(2n−1) dx + c
P
= (2n−1)!
n=1
∞
(−1)1+n
− y1 4n−1
P
= (2n−1)!(4n−1) x +c
n=1

de donde el error absoluto es

 
y(0) − (−0,05) =?
 

Operación Auxiliar: (Segun la serie de Taylor)

f 0 (0) f 00 (0) 2 f (n) (0) n

f (x) = f (0) + x+ x + ··· + x + ···
1! 2! n!
asi para la función senx se tiene

1 3 1 1 1 1 11
senx = x − x + x5 − x7 + x9 − x + ···
3! 5! 7! 9! 11!

174
 METODOS NUMERICOS

de la misma forma se tiene para la función senx2

∞
1 2 1 1 1 1 1 22 X 1+n 1
senx2 = x − x6 + x10 − x14 + x18 − x + ··· = (−1) x2(2n−1)
1! 3! 5! 7! 9! 11! n=1
(2n − 1)!
∞
1+n 1
así senx2 = 2(2n−1)
P
(−1) (2n−1)! x
n=1
p √
Ejemplo. Dado el problema del valor inicial 1 − y 2 dx − 1 − x2 dy = 0 donde y(0) = −0,84 determinar el valor
de y(1) =? para una partición con n = 4 y el error absoluto

Solución:
Primero determinemos el valor y(0) por medio del método de Euler
p √
Segundo resolvamos la EDO 1 − y 2 dx − 1 − x2 dy = 0
p √
1 − y 2 dx − 1 − x2 dy = 0
√ 1 dx = √ 1 2 dy
1−x2 1−y
√ 1 √ 1 2 dy
R R
1−x2
dx +c = integrando
1−y

arcsenx + c = arcseny

de donde arcseny = arcsenx + c pero la curva solución pasa por el punto (0, −0,84) entonces

arcsen (−0,84) = arcsen0 + c

es decir c = arcsen (−0,84) − arcsen (0) = −1 así la curva solución que pasa por el punto (0, −0,84) es

arcseny = arcsenx − 1

por tanto arcseny = arcsen1 − 1 o equivalentemente arcseny = 0,57 es decir y(1) = 0,54 “valor exacto”

dy
Ejemplo. Aplicar el método de Euler para h = 0,5 y h = 0,25 en el intervalo [0, 2] del PVI dx = yx2 − 1,1y como
| {z }
f (x,y)
y(0) = 1 condición inicial y determinar el error porcentual en los dos casos para el valor exacto.

Solución:
Para el caso h = 0,5
Primero el método de Euler
1.- primera iteración: (x0 , y0 ) = (0, 1)
2.- segunda iteración: (x1 , y1 ) = (0,5, 0,45)
x1 = x0 + 1h = 0 + 1 (0,5) = 0,5
y1 = (x1 − x0 ) f (x0 , y0 ) + y0 = (0,5 − 0) f (0, 1) + 1 = (0,5 − 0) (−1,1) + 1 = 0,45
3.- tercera iteración: (x2 , y2 ) = (1, 0,26)
x2 = x0 + 2h = 0 + 2 (0,5) = 1

175
 METODOS NUMERICOS

y2 = (x2 − x1 ) f (x1 , y1 ) + y1
= (1 − 0,5) f (0,5, 0,45) + 0,45
 
2
= (1 − 0,5) (0,45) (0,5) − 1,1 (0,45) + 0,45
= 0,26

4.- cuarta iteración: (x3 , y3 ) = (1,5, 0,25)

x3 = x0 + 3h = 0 + 3 (0,5) = 1,5

y3 = (x3 − x2 ) f (x2 , y2 ) + y2
= (1,5 − 1) f (1, 0,26) + 0,26
 
2
= (1,5 − 1) (0,26) (1) − 1,1 (0,26) + 0,26
= 0,25

5.- quinta iteración: (x4 , y4 ) = (2, 0,40)

x4 = x0 + 4h = 0 + 4 (0,5) = 2

y4 = (x4 − x3 ) f (x3 , y3 ) + y3
= (2 − 1,5) f (1,5, 0,25) + 0,25
 
2
= (2 − 1,5) (0,25) (1,5) − 1,1 (0,25) + 0,25
= 0,40

así y(2) = 0,40 (solución aproximada)

dy
Segundo resolver la EDO dx = yx2 − 1,1y para y(0) = 1
dy
dx = yx2 − 1,1y
y 0 − x2 − 1,1 y


= 0
|{z}
| {z }
Q(x)
P (x)

así la EDO es una ecuación lineal, por tanto según la materia de EDO se tiene que resolver de la suguoente forma
R R R 
y = e− P (x)dx e P (x)dx [Q(x)] dx + c
2
R R 2

= e− −(x −1,1)dx e −(x −1,1)dx [0] dx + c
R

−(x2 −1,1)dx
R
= e− (c)
x3
 
−1,1x
= e 3
(c)

x3
 
−1,1x
de donde y = ce 3
la familia de curvas solución a la EDO, pero como la curva buscada para por el punto
(0, 1) entonces

1=c

176
 METODOS NUMERICOS

x3
 
−1,1x
Así la curva buscada es y = e 3
por tanto el valor exacto en el punto 2 es
 
(2)3
3 −1,1(2)
y(2) = e = 1,6

Finalmente el error absoluto es:

EA = |1,6 − 0,40| = 1,2

Practica:
1.- Aplicar el método de Euler con h = 0, 1 para determinar el valor aproximado de y(1) del PVI y 0 = −2xy con
y(0) = 1 como condición inicial.
dy
2.- Aplicar el método de Euler con h = 0,25 para determinar el valor aproximado de y(1) del PVI dx = 1 − y − y3
con y(0) = 0 como condición inicial y determinar el error absoluto.
3.- Dado el sistema de EDO de primer orden

y 0 + v = x2
y + v0 = y
y(0) = 1, v(0) = 0
para 0 ≤ x ≤ 2. Aplicar el método de Euler para determinar una solución aproximada para cuatro puntos del
intervalo.
4.- Considere un sistema ecológico simple compuesto solamente de dos especies: Coyotes (y) y Correcaminos (x),
donde los primeros se alimentan de los segundos. Los tamaños de las poblaciones cambian de acuerdo con las
ecuaciones

dx
dt = k3 xy − k4 y
dy
dt = k1 x − k2 xy
que se puede entender de la siguiente forma; Si no hay Coyotes, los Correcaminos se reproducen con una velocidad de
crecimiento k1 x; Si no hay Correcaminos, la especie de Coyotes desaparece con una velocidad de k4 y. El término xy
representa la interacción entre las dos especies y las constantes k2 y k3 dependen de la habilidad de los depredadores
para atrapar a los Correcaminos y de la habilidad de estos para huir.
Las poblaciones de los Coyotes y los Correcaminos cambian cíclicamente. Determinar el ciclo al resolver el modelo
con k1 = 0,4, k2 = 0,2, k3 = 0,002 y k4 = 0,3 con x(0) = 30 e y(0) = 3 como condición inicial.

6.2. Taylor
Según el método de Euler se tiene la relación

dy
y1 = y0 + |(x ,y ) (x1 − x0 )
dx 0 0
que corresponde a la primera iteración para el PVI

177
 METODOS NUMERICOS

dy
dx = f (x, y)
y0 = y(x0 )
y(xf ) =?
dy
La relación y1 = y0 + dx |(x0 ,y0 ) (x1 − x0 ) es la serie de Taylor de orden uno, esta serie se puede ampliar a una
serie de orden dos es decir
 
 d dy
dy 1 dx 2
y1 = y0 + |(x ,y ) (x1 − x0 ) + |(x0 ,y0 ) (x1 − x0 )
dx 0 0 2! | dx
{z }
d2 y
dx2

o equivalentemente

d2 y
 
dy 1 2
y1 = y0 + |(x ,y ) (x1 − x0 ) + |(x ,y ) (x1 − x0 )
dx 0 0 2! dx2 0 0
dy
d2 y d( dx ) d(f (x,y)) ∂f (x,y) ∂f (x,y) dy
donde dx2 = dx = dx = ∂x + ∂y dx
dy
dx = f (x, y)
y esta iteración corresponde al método de Taylor para el PVI y0 = y(x0 ) .
y(xf ) =?
dy
dx = f (x, y)
En resumen para resolver el PVI y0 = y(x0 ) mediante el método de Taylor se siguen los siguientes pasos:
y(xf ) =?
Paso 1: Se divide el segmento x0 xf de longitud xf − x0 en n intervalos de igual longitud, es decir
 
xf − x0
xi = x0 + i para i = 0, 1, ...n
n
xf −x0
las iteraciones para los diferentes valores de x se determinan bajo la relación xi = x0 + ih donde h = n para
i = 0, 1, 2, ..., n, es decir

x0 = x0 + (0) h
x1 = x0 + (1) h
..
.
xf =n = x0 + (n) h

Paso 2: Los valores de yj se determinan

dy 1

d2 y 2 d2 y ∂f (x,y) ∂f (x,y) dy
y1 = y0 + dx |(x0 ,y0 ) (x1 − x0 ) + 2! dx2 |(x0 ,y0 ) (x1 − x0 ) donde dx2 = ∂x + ∂y dx
dy 1 d2 y 2 d2 y ∂f (x,y) ∂f (x,y) dy


y2 = y1 + dx |(x1 ,y1 ) (x2 − x1 ) + 2! dx2 |(x1 ,y1 ) (x2 − x1 ) donde dx2 = ∂x + ∂y dx
..
.
dy 1

d2 y 2 d2 y ∂f (x,y) ∂f (x,y) dy
yn = yn−1 + dx |(xn−1 ,yn−1 ) (xn − xn−1 ) + 2! dx2 |(xn−1 ,yn−1 ) (xn − xn−1 ) donde dx2 = ∂x + ∂y dx

dy 1

d2 y 2
asi y(xf ) = yn−1 + dx |(xn−1 ,yn−1 ) (xn − xn−1 ) + 2! dx2 |(xn−1 ,yn−1 ) (xn − xn−1 ) .

178
 METODOS NUMERICOS

dy
dx = 2x − y + 1
| {z }
f (x,y)
Ejemplo. Resolver el PVI para una partición de cuatro intervalos equidistantes mediante el
y(0) = 0
y(1) =?
método de Taylor y determinarc el arror absoluto

Solución: Primero trabajemos el método de Taylor

xf −x0 1−0 1
Notemos que x0 = 0, y0 = 0 y xf = 1 por tanto h = 4 = 4 = 4 de donde
Primera iteración (0, 0)
Segunda iteración:
1 1


Paso 1: x1 = x0 + 1h = 0 + 1 4 = 4
Paso 2:
dy

2
1 d y 2
y1 = y0 + dx |(x0 ,y0 )
(x1 − x0 ) + 2! dx2 |(x0 ,y0 ) (x1 − x0 )

2
0 + (2 (0) − 0 + 1) 41 − 0 + 21 (2 − 1 (2 (0) − 0 + 1)) 1



= 4 −0
9
= 32

1 9


asi el punto en este caso es 4 , 32
Tercera iteración:
1 1


Paso 1: x2 = x0 + 2h = 0 + 2 4 = 2
Paso 2:
dy

2
1 d y 2
y2 = y1 + dx |(x1 ,y1 ) (x2 − x1 ) + 2! dx2 |(x1 ,y1 ) (x2 − x1 )
9 1 2
2 14 − 32 9
+ 1 12 − 41 + 12 2 − 1 2 41 − 32 9 1








= 32 + +1 2 − 4
= 0,61

1


asi el punto en este caso es 2 , 0,61
Cuarta Iteración:
1 3


Paso 1: x3 = x0 + 3h = 0 + 3 4 = 4
Paso 2:
2 2
dy 1 d y


y3 = y2 + dx |(x2 ,y2 ) (x3 − x2 ) + 2! dx2 |(x2 ,y2 ) (x3 − x2 )
+ 2 21 − 0,61 + 1 34 − 12 + 2 − 1 2 12 − 0,61 + 1 3 1








= 0,61 4 − 2
= ?

3


asi el punto en este caso es 4, ?
Quinta iteración:
1


Paso 1: x4 = x0 + 4h = 0 + 4 4 =1
Paso 2:

179
 METODOS NUMERICOS

dy

2
1 d y 2
y4 = y3 + dx |(x3 ,y3 ) (x4 − x3 ) + 2! dx2 |(x3 ,y3 ) (x4 − x3 )

2
2 34 −? + 1 1 − 43 + 12 2 − 1 2 34 −? + 1 1 − 43








= ?+
= ??

asi el punto en este caso es (1, ??)

Asi la información discreta correspondiente a este PVI es

Puntos 0 1 2 3 4
1 1 3
xi 0 4 2 4 1
9
yi 0 32 0,61 ? ?
dy
Segundo rosolvamos la EDO dx = 2x − y + 1 para y(0) = 0
dy
dx = 2x − y + 1
L [y ]
0
= L [2x − y + 1] aplicando L
L [y ]
0
= 2L [x] − L [y] + L [1]
sL [y] − y(0) = 2L [x] − L [y] + L [1]
sL [y] + L [y] − 0 2 s12 + 1s


=
L [y] (s + 1) 2 s12 + 1s


=
   
L [y] = 2 −s+1 1 1
s2 + s+1 + s − s+1
1
aplicando la inversa L
h i h i
L −1 [L [y]] 2L −1 −s+1 −1 1
L −1 1
L −1 1
   
= s 2 + 2L s+1 + s − s+1

y = 2 (−1 + x) + e−x + 1

así la curva solución buscada es y = 2 (−1 + x) + e−x + 1 por tanto

y(1) = e−1 + 1

así el error absoluto es

EA = ?? − e−1 − 1 =???
 

Ejemplo. Aplicar el método de Taylor con h = 0,25 para determinar el valor aproximado de y(1) del PVI
dy
dx = 1 − y − y 3 con y(0) = 0 como condición inicial y determinar el error absoluto.

Solución:
Primero trabajemos el método de Taylor:
1.- Primera iteración: (x0 , y0 ) = (0, 0)
2.- Segunda iteración: (x1 , y1 ) = (0,25, 0,22)
Para el eje x: x1 = x0 + 1h = 0 + 1 (0,25) = 0,25
Para el eje y:

180
 METODOS NUMERICOS

dy

d2 y
1 2
y1 = y0 + dx |(x0 ,y0 ) (x1 − x0 ) + dx | (x − x0 )
2 (x0,y0 ) 1
2! 
2
 2
(0,25 − 0) + 12 0 + −1 − 3 (0)
3



= 0+ 1−0−0 1 − 0 − 03 (0,25 − 0)
= 0,22

3.- Tercera iteración: (x2 , y2 ) = (0,5, 0,38)

para el eje x: x2 = x0 + 2h = 0 + 2 (0,25) = 0,5
para el eje y:
dy

2
1 d y 2
y2 = y1 + dx|(x1 ,y1 )
(x2 − x1 ) + 2!
 dx2 |(x1 ,y1 ) (x2 − x1 )
3
= 0,22 + 1 − 0,22 − (0,22) (0,5 − 0,25)
   
2 3 2
+ 21 0 + −1 − 3 (0,22)


1 − 0,22 − (0,22) (0,5 − 0,25)
= 0,38

4.- Cuarta iteración: (x3 , y3 ) = (0,75, 0,03)

para el eje x: x3 = x0 + 3h = 0 + 3 (0,25) = 0,75
para el eje y:
dy

2
1 d y 2
y3 = y2 + dx|(x2 ,y2 )
(x3 − x2 ) + 2!
 dx2 |(x2 ,y2 ) (x3 − x2 )
3
= 0,38 + 1 − 0,38 − (0,38) (0,75 − 0,5)
   
2 3 2
+ 21 0 + −1 − 3 (0,38)


1 − 0,38 − (0,38) (0,75 − 0,5)
= 0,03

5.- Quinta iteración (x4 , y4 ) = (1, 0,97)

para el eje x: x3 = x0 + 4h = 0 + 4 (0,25) = 1
para el eje y:
dy

2
1 d y 2
y4 = y3 + dx|(x3 ,y3 )
(x4 − x3 ) + 2!
 dx2 |(x3 ,y3 ) (x4 − x3 )
3
= 0,03 + 1 − 0,03 − (0,03) (1 − 0,75)
   
2 3 2
+ 12 0 + −1 − 3 (0,03)


1 − 0,03 − (0,03) (1 − 0,75)
= 0,97

de donde y(1) = 0,97 “que corresponde al valor aproximado”

dy
Segundo Resolver la EDO dx = 1 − y − y 3 con y(0) = 0
dy
dx = 1 − y − y3
1
1−y−y3 dy = dx
R1 1
R1
0 1−y−y 3 dy = 0
dx + c integrando
R 1

Operación Auxiliar: Determinemos la integral 1−y−y 3 dy en el intervalo (0, 1) por el método Trapezoidal

181
 METODOS NUMERICOS

R1 1
 R 0,25  1
 R 0,5

1

0 1−y−y 3 dy = 0 1−y−y 3 dy + 0,25 1−y−y 3 dy
R 0,75  1  R1  1 
+ 0,5 1−y−y 3 dy + 0,75 1−y−y 3 dy
   
0,25 1 1 0,25 1 1
= 2 1−0−0 3 + 1−0,25−(0,25)3 + 2 3 + 3
  1−0,25−(0,25)
 1−0,5−(0,5) 
0,25 1 1 0,25 1 1
+ 2 1−0,5−(0,5) 3 +
1−0,75−(0,75) 3 + 2 1−0,75−(0,75)3 + 1−1−13

= ?

Tercero determinar el error absoluto:

EA = |? − 0,97| =

tanbién

EA = |1 − 0,97| =

así tomando el maximo o minimo ?

dy
Ejemplo. Aplicar el método de Taylor de orden dos y cuatro al problema del valor inicial dt = y − t2 + 1 para
0 ≤ t ≤ 2 con y(0) = 0,5 para n = 10
tf −t0 2−0
Solución: Primero Trabajemos para el orden dos: Según el ejercico t0 = 0 y tf = 2 entonces h = n = 10 = 0,2
y también y(0) = 0,5, de esta forma las iteraciones son:
Primera Iteración: (0, 0,5)
Segunda Iteración: t1 = t0 + 1 (h) = 0 + 1 (0,2) = 0,2 también
2
y0 + y0 − t20 + 1 (t1 − t0 ) + 12 −2t0 + y0 − t20 + 1 (t1 − t0 )





y1 =
2
0,5 + 0,5 − 02 + 1 (0,2 − 0) + 21 −2 (0) + 1 0,5 − 02 + 1 (0,2 − 0)





=
= 0,5 + 0,3 + 0,03
= 0,83

Tercera Iteración:
Continuando de esta forma se tiene la siguiente información discreta

Puntos 0 1 2 3 4 5 6 7 8 9 10
xi 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
yi 0.83 1.22 1.66 2.14 2.66 3.21 3.77 4.33 4.88 5.39 6.01

Para orden cuatro:

Primera Iteración: (0, 0,5)
Segunda Iteración: t1 = t0 + 1 (h) = 0 + 1 (0,2) = 0,2 también

2 2
3 3
d4 y 4
y1 = y0 + dy 1 d y 1 d y
dt |(t0 ,y0 ) (t1 − t0 ) + 2! dt2 |(t0 ,y0 ) (t1 − t0 ) + 3! dt3 |(t0 ,y0 ) (t1 − t0 ) +
1
4! dt4 |(t0 ,y0 ) (t1 − t0 )
de donde

182
 METODOS NUMERICOS

dy

2
1 d y 2
3
1 d y 3
4
1 d y 4
y1 = y0 + dt |(0,0,5) (t1 − t0 ) + 2! hdt2 |(0,0,5) (t1 − t0 ) i + 3! dt3 |(0,0,5) (t1 − t0 ) + 4! dt4 |(0,0,5) (t1 − t0 )
dy 1

∂f (t,y) ∂f (t,y) dy 2
= y0 + dt |(0,0,5) (t1 − t0 ) + 2! ∂t + ∂y dt |(0,0,5) (t1 − t0 )
h 2 2 2 2
i
∂ f (t,y) ∂f (t,y) d2 y 3
1
+ ∂ ∂y∂t
f (t,y) dy ∂ f (t,y) ∂ f (t,y) dy


+ 3! ∂t2 dt + ∂t∂y + ∂y 2 dt + ∂y dt2 |(0,0,5) (t1 − t0 )
h

∂ 3 f (t,y) ∂ 3 f (t,y) dy ∂ 2 f (t,y) d2 y    3 
1 ∂ 3 f (t,y) ∂ 3 f (t,y) dy dy ∂ 3 f (t,y) ∂ 3 f (t,y) dy ∂ f (t,y) ∂ 3 f (t,y) dy
+ 4! ∂t3 + ∂y∂t 2 dt + ∂y∂t dt 2 + ∂y∂t 2 + 2
∂y ∂t dt dt + 2
∂t ∂y + ∂t∂y 2 dt + ∂t∂y 2 + ∂y 3 dt
2

1
 2

 2 1
 2

2
= 0,5 + 0,5 − 0 + 1 (0,2 − 0) + 2 −2 (0) + 1 0,5 − 0 + 1 (0,2 − 0) + 6 −2 + 0 0,5 − 0 + 1 + 0 + 0 0,5 − 0 +
1







+ 24 0 + 0 0,5 − 02 + 1 + 0 −2 (0) + 1 0,5 − 02 + 1 + 0 + 0 0,5 − 02 + 1 0,5 − 02 + 1 + 0 + 0 0,5 − 02 + 1
1
 



 

+ 24 0 −2 (0) + 1 0,5 − 02 + 1 + 0 + 1 0,5 − 02 + 1 −2 (0) + 1 0,5 − 02 + 1 + 0,5 −2 + 0 0,5 − 02 + 1 + 0
= ?

Operación auxiliar
donde
dy
dx = f (x, y)
d2 y ∂f (x,y)
d
dx2 = dx (f (x, y)) = ∂x + ∂f ∂y(x,y) dy
dx
d3 y ∂ 2 f (x,y) ∂ 2 f (x,y) dy ∂ 2 f (x,y) ∂ 2 f (x,y) dy ∂f (x,y) d2 y
dx 3 = ∂x 2 + ∂y∂x dx + ∂x∂y + ∂y 2 dx + ∂y dx2

de donde
h i
d4 y ∂ 2 f (x,y) 2
∂ 2 f (x,y) ∂ 2 f (x,y) dy ∂f (x,y) d2 y
dx4 = d
dx ∂x2 + ∂ ∂y∂x f (x,y) dy
dx + ∂x∂y + ∂y 2 dx + 2
h 2 i h 2 i h 2 i h∂y2 dx i h i
d ∂ f (x,y) d ∂ f (x,y) dy d ∂ f (x,y) d ∂ f (x,y) dy d ∂f (x,y) d2 y
= dx ∂x2 + dx ∂y∂x dx + dx ∂x∂y + dx ∂y 2 dx + dx ∂y dx2
 3 
∂ 3 f (x,y) ∂ 3 f (x,y) dy ∂ 2 f (x,y) d2 y ∂ f (x,y) ∂ 3 f (x,y) dy dy ∂ 3 f (x,y) ∂ 3 f (x,y) dy
= ∂x3 + ∂y∂x2 dx + ∂y∂x dx2 + ∂y∂x2 + ∂y 2 ∂x dx dx + ∂x2 ∂y + ∂x∂y 2 dx
 3 3
  2  2
∂ 2 f (x,y) d2 y ∂ 2 f (x,y) dy ∂f (x,y) d3 y
+ ∂∂x∂y f (x,y)
2 + ∂ f∂y(x,y)3
dy
dx dx
dy
+ ∂y 2 dx 2 + ∂ f (x,y)
∂x∂y + ∂y 2
d y
dx dx2 + ∂y dx3

x
Practica:
dy
1.- Resolver el problema del valor inicial dt = t − y para y(0) = 2 utilizando el método de Taylor de segundo orden
y con un paso de h = 0,2
dy
2.- Aplicar el método de Taylor de orden dos y cuatro al problema del valor inicial dt = y − t2 + 1 para 0 ≤ t ≤ 2
con y(0) = 0,5 para n = 10
3.- Aplicar el método de Taylor de orden dos para calcular el valor aproximado de y(1) =? en el problema del valor
inicial y 0 = −2ty para y(0) = 1 tomando h = 0,1 y determinar el errror absoluto.
4.- Mediante el método de Taylor de orden dos para aproximar la solución de cada uno de los siguientes PVI

2
a) y 0 = yt + yt para 1 ≤ t ≤ 1,4 con y(1) = 1 y h = 0,1

b) y 0 = sent + e−t para 0 ≤ t ≤ 0,1 con y(0) = 0 y h = 0,25

y en cada caso determinar el error absoluto.

6.3. Runge-Kutta
dy
dx = f (x, y)
Este método resuelve el PVI y0 = y(x0 ) de la siguiente manera:
y(xf ) =?

183
 METODOS NUMERICOS

Paso 1: Se divide el segmento x0 xf de longitud xf − x0 en n intervalos de igual longitud, es decir

 
xf − x0
xi = x0 + i para i = 0, 1, ...n
n
xf −x0
las iteraciones para los diferentes valores de x se determinan bajo la relación xi = x0 + ih donde h = n para
i = 0, 1, 2, ..., n, es decir

x0 = x0 + (0) h
x1 = x0 + (1) h
..
.
xf = x0 + (n) h

Paso 2: La iteración n-esima de y se determina mediante la relación

1
yn = yn−1 + (h) (k1 + 2k2 + 2k3 + k4 )
6
donde

k1 = f (xn−1 , yn−1 )
k2 = f (xn−1 + 21 h, yn−1 + 21 k1 h)
k3 = f (xn−1 + 12 h, yn−1 + 21 k2 h)
k4 = f (xn−1 + h, yn−1 + k3 h)

dy
dx = 2x − y + 1
| {z }
f (x,y)
Ejemplo. Resolver el PVI para n = 2
y(0) = 0
y(1) =?

Solución:
Primera iteración: (x0 , y0 ) = (0, 0)
1 613


Segunda iteración: (x1 , y1 ) = 2 , 96
1−0 1


Para el eje x: x1 = x0 + (1) h = 0 + 1 2 = 2
Para el eje y:

k1 = f (0, 0) = 1
k2 = f (0 + 12 21 , 0 + 12 (1) 12 ) = f ( 41 , 14 ) = 54

k3 = f (0 + 12 21 , 0 + 12 54 12 ) = f ( 14 , 16 5
) = 19




16
k4 = f (0 + 12 , 0 + 19 1 1 19 45



16 2 ) = f ( ,
2 32 ) = 32

así
1
y1 = y0 + 6 (h) (k1 + 2k2 + 2k3 + k4 )
1 1
1 + 2 54 + 2 19



45

= 0+ 6 2 16 + 32
613
= 96

184
 METODOS NUMERICOS

Tercera iteración: (x2 , y2 ) = (1, 4,88)

1


Para el eje x: x2 = x0 + (2) h = 0 + 2 2 =1
Para el eje y:

k1 = f (x1 , y1 ) = f ( 12 , 613 421

96 ) = − 96
k2 = f ( 12 + 12 12 , 613 1 421


1
3 677 347
96 + 2 − 96 2 ) = f ( 4 , 128 ) = − 128
k3 = f ( 12 + 12 12 , 613 1 347 1 3 321




96 + 2 − 128 2 ) = f ( 4 , 5,71) = − 100
k4 = f ( 12 + 12 , 613 321 1 89


96 + − 100 2 ) = f (1, 4,78) = − 50

así
1
y2 = y1 + 6(h) (k1 + 2k2 + 2k3 + k4 )
613 11
− 421 347 321 89





= 96 + 26 96 + 2 − 128 + 2 − 100 − 50
= 4,88

por tanto el cambio aproximado en el punto 1 es: y(1) = y2 = 4,88

También esta operación se lo puede representar mediante la siguiente información discreta

Puntos 0 1 2
1
xi 0 2 1
623
yi 0 96 4,88
Ejemplo. Aplicar el método de Runge-Kutta de orden cuatro con h = 0,1 para determinar un valor aproximado
de y(0,2) =? en el siguiente problema del valor inicial y 0 = −2xy para y(0) = 1
| {z }
f (x,y)

Solución:
Primera iteración: (x0 , y0 ) = (0, 1)
Segunda iteración: (x1 , y1 ) = (0,1, 0,99)
Para el eje x: x1 = x0 + (1) h = 0 + (1) 0,1 = 0,1
Para el eje y:

k1 = f (0, 1) = 0
1 1
k2 = f (0 + 2 (0,1) , 1 + 2 (0) (0,1)) = f (0,05, 1) = −0,1
1 1
k3 = f (0 + 2 (0,1) , 1 + 2 (−0,1) (0,1)) = f (0,05, 1,49) = −0,15
k4 = f (0 + 0,1, 1 + (−0,15) (0,1)) = f (0,1, 0,98) = −0,19
así
1
y1 = y0 + 6 (h) (k1 + 2k2 + 2k3 + k4 )
1
= 1+ 6 (0,1) (0 + 2 (−0,1) + 2 (−0,15) + −0,19)
= 0,99

Tercera iteración: (x2 , y2 ) = (0,2, 0,96)

Para el eje x: x2 = x0 + (2) h = 0 + (2) 0,1 = 0,2
Para el eje y:

185
 METODOS NUMERICOS

k1 = f (0,1, 0,99) = −0,2

1 1
k2 = f (0,1 + 2 (0,1) , 0,99 + 2 (−0,2) (0,1)) = f (0,15, 0,98) = −0,29
1 1
k3 = f (0,1 + 2 (0,1) , 0,99 + 2 (−0,29) (0,1)) = f (0,15, 0,97) = −0,29
k4 = f (0,1 + 0,1, 0,99 + (−0,29) (0,1)) = f (0,2, 0,96) = −0,38
así
1
y1 = y0 + 6 (h) (k1 + 2k2 + 2k3 + k4 )
1
= 0,99 + 6 (0,1) (−0,2 + 2 (−0,29) + 2 (−0,29) − 0,38)
= 0,96

de esta manera el valor aproximado para x = 0,2 es y(0,2) = 0,96 y como la curva solución de la EDO y 0 = −2xy
2
es y = ce−x entonces la curva que pasa por el punto (0, 1) tiene que ser

1=c
2
por tanto la curva buscada es y = e−x de esta manera el error absoluto será

 
2
EA = 0,96 − e−(0,2)  = 0


Ejemplo. Aplicar el método de Rung-Kutta de orden cuatro para calcular el valor aproximado de x(1) e y(1) en
el problema del valor inicial


dx


 dt = −4xt + cost
para x(0) = 0

 | {z }
f (t,x)
dy
= |{z}
x para y(0) = 0




 dt
g(t,y)

tomando h = 0,1
Solución:
dy
Operación Auxiliar: (Resolvamos la EDO dt = x)
dy
dt = x
dy = xdt
R R
dy = xdt + c
y = xt + c

de donde y(t) = x(t)t + c pero como x(0) = 0 e y(0) = 0 entonces

0=c

así la curva buscada es: y = xt

Pra el eje X

186
 METODOS NUMERICOS

Priemera iteración: (t0 , x0 ) = (0, 0)

Segunda iteración: (t1 , x1 ) = (0,1, 0,1)
Para t: t1 = t0 + 1h = 0 + 1 (0,1) = 0,1
Para x:

k1 = f (0, 0) = 1
1 1
k2 = f (0 + 2 (0,1) , 0 + 2 (1) (0,1)) = f (0,05, 0,05) = 0,99
1 1
k3 = f (0 + 2 (0,1) , 0 + 2 (0,99) (0,1)) = f (0,05, 0,05) = 0,99
k4 = f (0 + 0,1, 0 + (0,99) (0,1)) = f (0,1, 0,1) = 0,96

de donde
1
x1 = x0 + 6 (h) (k1 + 2k2 + 2k3 + k4 )
1
= 0+ 6 (0,1) (1 + 2 (0,99) + 2 (0,99) + 0,96)
= 0,1

Tercera iteración: (t2 , x2 ) = (0,2, 0,18)

Para t: t2 = t0 + 2h = 0 + 2 (0,1) = 0,2
Para x:

k1 = f (0,1, 0,1) = 0,96

1 1
k2 = f (0,1 + 2 (0,1) , 0,1 + 2 (0,96) (0,1)) = f (0,15, 0,15) = 0,9
1 1
k3 = f (0,1 + 2 (0,1) , 0,1 + 2 (0,9) (0,1)) = f (0,15, 0,6) = 0,63
k4 = f (0,1 + 0,1, 0,1 + (0,63) (0,1)) = f (0,2, 0,16) = 0,85

de donde
1
x2 = x1 + 6 (h) (k1 + 2k2 + 2k3 + k4 )
= 0,1 + 61 (0,1) (0,96 + 2 (0,9) + 2 (0,63) + 0,85)
= 0,18

..
.
finalmente x(1) =?
Para el eje Y
dx
Operación Auxiliar: (Resolvamos la EDO dt = −4xt + cost)

dx
dt = −4xt + cost
dx
dt + (4t) x = cost
|{z}
|{z}
P (t) Q(t)

así la EDO es una EDO lineal por lo tanto la solución es:

187
 METODOS NUMERICOS

R hR R i
x(t) = e− P (t)dt
e P (t)dt
Q(t)dt + c
R hR R i
= e− 4tdt e 4tdt costdt + c
h
2 R 2
i
= e−2t e2t costdt + c
 ∞ ∞   
2 n 2n
e−2t t4n dt + c
R P P
= (−1) n!(2n!)
 ∞n=0 n=0
∞   
−2t2 n 2n
t4n+1 + c
P P
= e (−1) (4n+1)n!(2n)!
n=0n=0

∞ P
∞ 
  
−2t2 n 2n 4n+1
P
así x(t) = e (−1) (4n+1)n!(2n)! t + c es la curva solución de la EDO, pero como la curva solución
n=0n=0
pasa por el punto y(0) = 0 y x(0) = 0 entonces c = 0 así la curva solución será

∞ X
∞ 
" #
−2t2
X n 2n 4n+1
x(t) = e (−1) t
n=0n=0
(4n + 1) n! (2n)!
| {z }
f (t,y)

Priemera iteración: (t0 , y0 ) = (0, 0)

Segunda iteración: (t1 , y1 ) = (0,1, ?)
Para t: t1 = t0 + 1h = 0 + 1 (0,1) = 0,1
Para y:
k1 = f (0, 0) = 0
k2 =
k3 =
k4 =
de donde

Practica:
1.- Determinar un valor aproximado de y(1) =? por el método de Rung-Kutta de cuarto orden, del siguiente
problema del valor inicial y 0 = t − y para y(0) = 2 con h = 0,2
2.- Aplicar el método de Rung-Kutta de orden cuatro para calcular el valor aproximado de x(1) e y(1) en el
problema del valor inicial

 x0 (t) = −4y + cost

para x(0) = 0
 y 0 (t) = x

para y(0) = 0
tomando h = 0,1
3.- Supongamos que h = 0,1 determinar la solución por el método de Runge-Kutta de orden cuatro para el siguiente
problema del valor inicial

2
a) y 0 = yt + yt para 1 ≤ t ≤ 1,4 con y(1) = 1

b) y 0 = sent + e−t para 0 ≤ t ≤ 0,1 con y(0) = 0

y en cada caso determinar el error absoluto.

188