Universidad Nacional de Colombia

Facultad de Ingeniería
Sede Bogotá

Parcial 1
Laura Natalia Zabala Ortiz
Abril 17, 2023

Enunciados
1. Sea f(x) una función continua y derivable n + 1 veces en el intervalo [a, b]. (Sea f(x)
∈ 𝐶 𝑛+1(D)). Si 𝑥0 𝑦 𝑥 = 0 + ℎ están en [a, b], entonces se llama Polinomio de Taylor
Pn de grado n de la función f(x) en el punto x0 con resto de Lagrange Rn al siguiente
polinomio Pn y resto Rn.

Polinomio de Taylor Pn(x)

𝑛
𝑓 (𝑖) (𝑥0 )
𝑃𝑛 = ∑ (𝑥 − 𝑥0 )𝑖
𝑖!
𝑖=0

Resto de Lagrange Rn(x) de orden n centrado en x0 ∈ [a, b] se define como

(𝑛+1) 𝑓 (𝑛+1) (𝛾)

0(ℎ ) = 𝑅𝑛 (𝑥) = (𝑥 − 𝑥0 )𝑛+1 𝛾 ∈ V(𝑥0 , 𝑥)
(𝑛 + 1)!
Indique los pasos que muestran cómo se llega a demostrar que el error es de la forma

𝑓 (𝑛+1) (𝛾)
𝑅𝑛 (𝑥) = (𝑥 − 𝑥0 )𝑛+1
(𝑛 + 1)!
2. El método de bisección es un método que genera una sucesión {𝑥}∞ 𝑛=1 convergente a
∗
𝑥 , la solución de la ecuación f(x) = 0, pero tiene la desventaja de ser muy lento.
Para garantizar que 𝑥𝑛 es una muy buena estimación de 𝑥 ∗ , n debe ser muy grande
con lo que |𝑥 ∗ − 𝑥𝑛 | → 0. En sí, este método sirve como punto de comparación con
otros métodos mas eficientes. En este método se cumple la condición
𝑏+𝑎
|𝑥 ∗ − 𝑥𝑛 | ≤ 𝑛 𝑃𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑛 ≥ 1
2
En la práctica se puede estimar n para un valor de tolerancia τ dado, así:
𝑏+𝑎
≈𝜏
2𝑛
𝑏+𝑎
log 𝜏
𝑛≈ ≤ 𝑒𝑛𝑡𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 𝑑𝑒 (𝑛)
log 2
Determine en forma aproximada el número de iteraciones necesarias para resolver
en general f(x) = 0, en [1, 2], aplicando el método de bisección con una precisión
Métodos numéricos
2015970
Grupo 5

de 10−4.
3. Resolver por el método de Newton Raphson el siguiente sistema.
1
𝑓1 (𝑥1, 𝑥2, 𝑥3, ) = 3𝑥1 − cos(𝑥2 𝑥3 ) −
2
𝑓2 (𝑥1, 𝑥2, 𝑥3, ) = 𝑥12 − 81(𝑥2 + 0,1)2 + 𝑠𝑒𝑛𝑜(𝑥3 ) + 1,06
10𝜋 − 3
𝑓3 (𝑥1, 𝑥2, 𝑥3, ) = 𝑒 −𝑥1𝑥2 + 20𝑥3 +
3

Condición inicial 𝑋 0 = [0,1 0,1 − 0,1]

Cambiar la condición inicial a 𝑋 0 = [0,5 − 0,9 0,4]

4. Resolver el siguiente sistema de ecuaciones por el método de Gauss Seidel

10𝑥1 − 𝑥2 + 2𝑥3 = 6
−𝑥1 + 11𝑥2 − 𝑥3 + 3𝑥4 = 25
2𝑥1 − 𝑥2 + 10𝑥3 − 𝑥4 = −11
3𝑥2 + 3𝑥3 + 8𝑥4 = −15

Condición inicial 𝑋 0 = [0 0 0 0]
Solución
1. Sabemos que el error del polinomio de Taylor es de la forma:

𝑓 (𝑛+1) (𝛾)
𝑅𝑛 (𝑥) = (𝑥 − 𝑥0 )𝑛+1
(𝑛 + 1)!
Donde 𝑓 𝑛+1 (𝛾) es la enésima más una derivada de la función f evaluada en algún
punto (𝛾) entre 𝑥0 y 𝑥, y 𝑛! Es la factorial de n.

Primero, necesitamos definir el polinomio de Taylor de grado n para la función f

centrado en el punto 𝑥0
𝑓 ′(𝑥0) 𝑓 ′′(𝑥0) 𝑓 ′′′(𝑥0)
𝑃𝑛 (𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2 + (𝑥 − 𝑥0 )3 + ⋯ +
1! 2! 3!
𝑓𝑛
𝑃𝑛 (𝑥) = (𝑥 + 𝑥0 )𝑛
𝒏!

También definimos el error en el polinomio de Taylor como

𝑅𝑛 (𝑥) = 𝑓(𝑥) + 𝑃𝑛 (𝑥)

Y calculamos a enésima más uno derivada de la función f

2
Métodos numéricos
2015970
Grupo 5

𝑑𝑥 𝑛
𝑓 𝑛+1 (𝑥) = [𝑓 (𝑥)]
𝑑𝑥

Usando el teorema del valor medio de Lagrange, encontramos un valor 𝛾 entre

𝑥0 𝑦 𝑥 tal que

𝑓 𝑛+1 (𝛾) [𝑓(𝑥) + 𝑃𝑛 (𝑥)]

=
(𝑛 + 1)! (𝑥 + 𝑥0 )𝑛+1

Sustituyendo este valor en la expresión para el error tenemos

(𝑥 + 𝑥0 )𝑛+1 𝑓 𝑛+1 (𝛾)

𝑅𝑛 (𝑥) = [𝑓(𝑥) − 𝑃𝑛 (𝑥)] = (𝑥 − 𝑥0 )𝑛+1
(𝑛 + 1)! (𝑛 + 1)!

Lo que nos demuestra entonces que el error para el polinomio de Taylor de grado n
para una función f es de la forma

𝑓 (𝑛+1) (𝛾)
𝑅𝑛 (𝑥) = (𝑥 − 𝑥0 )𝑛+1
(𝑛 + 1)!

3
Métodos numéricos
2015970
Grupo 5

2. B

4
Métodos numéricos
2015970
Grupo 5

3. El método de Newton-Raphson es un algoritmo iterativo utilizado para encontrar

aproximaciones numéricas de soluciones de ecuaciones no lineales y sistemas de
ecuaciones no lineales.
Para resolver este sistema, lo primero que hacemos es escribir las ecuaciones de forma
matricial
1
𝑓1 (𝑥1, 𝑥2, 𝑥3, ) 3𝑥1 − cos(𝑥2 𝑥3 ) −
2
𝐹(𝑥) = [𝑓2 (𝑥1, 𝑥2, 𝑥3, )] = 𝑥12 − 81(𝑥2 + 0,1)2 + 𝑠𝑒𝑛𝑜(𝑥3 ) + 1,06
𝑓3 (𝑥1, 𝑥2, 𝑥3, ) −𝑥1 𝑥2
10𝜋 − 3
[ 𝑒 + 20𝑥3 + ]
3
Donde el vector 𝑋 = [𝑥1 𝑥2 𝑥3 ] es el vector de incógnitas

Ahora, necesitamos calcular la matriz jacobiana, la cual es una matriz de derivadas

parciales de las funciones del sistema de ecuaciones con respecto a las incógnitas.
Se puede calcular de la siguiente manera:

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝐽(𝑥) =
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
𝜕𝑓3 𝜕𝑓3 𝜕𝑓3
[𝜕𝑥1 𝜕𝑥2 𝜕𝑥3 ]
𝜕𝑓𝑖
Donde es la derivada parcial de la i-ésima función con respecto a la j-ésima
𝜕𝑥𝑗
incógnita.

Para la condición inicial dada X = [0.1; 0.1; -0.1], debemos evaluar la matriz
jacobiana J(X) en esa condición inicial.
Calculamos las derivadas parciales y las evaluamos en X = [0.1; 0.1; -0.1]

𝜕𝑓1
=3
𝜕𝑥1
𝜕𝑓1
= 𝑥3 𝑠𝑒𝑛𝑜(𝑥2 𝑥3 )
𝜕𝑥2
𝜕𝑓1
= 𝑥2 𝑠𝑒𝑛𝑜(𝑥2 𝑥3 )
𝜕𝑥3

𝜕𝑓2
= 2𝑥1
𝜕𝑥1
𝜕𝑓2
= −162(𝑥2 + 0,1)
𝜕𝑥2

5
Métodos numéricos
2015970
Grupo 5

𝜕𝑓2
= cos (𝑥3 )
𝜕𝑥3

𝜕𝑓3 −𝑥 𝑥
= −𝑥2 1 2
𝜕𝑥1
𝜕𝑓3 −𝑥 𝑥
= −𝑥1 1 2
𝜕𝑥2
𝜕𝑓3
= 20
𝜕𝑥3

Ahora con los valores iniciales para x evaluamos la matriz jacobiana

𝜕𝑓1
=3
𝜕𝑥1
𝜕𝑓1
= 𝑥3 𝑠𝑒𝑛𝑜(𝑥2 𝑥3 ) = 0,00099
𝜕𝑥2
𝜕𝑓1
= 𝑥2 𝑠𝑒𝑛𝑜(𝑥2 𝑥3 ) = −0,00099
𝜕𝑥3

𝜕𝑓2
= 2𝑥1 = 0,2
𝜕𝑥1
𝜕𝑓2
= −162(𝑥2 + 0,1) = −178,8
𝜕𝑥2
𝜕𝑓2
= cos(𝑥3 ) = 0,995004
𝜕𝑥3

𝜕𝑓3 −𝑥 𝑥
= −𝑥2 1 2 = −0,099005
𝜕𝑥1
𝜕𝑓3 −𝑥 𝑥
= −𝑥1 1 2 = −0,099005
𝜕𝑥2
𝜕𝑓3
= 20
𝜕𝑥3

3 0,001 −0,001
𝐽(𝑥) = [ 0,2 −178,8 0,995 ]
−0,099 −0,099 20

Ahora realizamos la corrección delta X, esta se calcula resolviendo el siguiente

sistema de ecuaciones lineales:

𝐽(𝑋) ∗ 𝑑𝑒𝑙𝑡𝑎 𝑥 = −𝐹(𝑥)

6
Métodos numéricos
2015970
Grupo 5

Donde deltaX es el vector de correcciones a las incógnitas, y F(X) es el vector de las

funciones evaluadas en la condición inicial.

Para X = [0.1; 0.1; -0.1] y J(X) evaluado en el paso anterior, y F(X) evaluado en X =
[0.1; 0.1; -0.1]
1
3(0,1) − cos((0,1)(−0,1)) −
2 −1,200
𝐹(𝑥) = (0,1)2 − 81((0,1) + 0,1)2 + 𝑠𝑒𝑛𝑜(−0,1) + 1,06 = [−2,270]
−(0,1)(0,1)
10𝜋 − 3 8,462
[ 𝑒 + 20(0,1) + ]
3
3 0,001 −0,001 𝑑𝑒𝑙𝑡𝑎 𝑥1 −1,200
[ 0,2 −178,8 0,995 ] ∗ [𝑑𝑒𝑙𝑡𝑎 𝑥2 ] = − [−2,270]
−0,099 −0,099 20 𝑑𝑒𝑙𝑡𝑎 𝑥3 8,462

En este punto, solucionamos el sistema de ecuaciones lineales para encontrar delta x

que también se puede ver de la siguiente manera

𝑓1 𝑓2 𝑓3
𝑑𝑒𝑙𝑡𝑎 𝑥1 = − − −
𝜕𝑓1 𝜕𝑓2 𝜕𝑓3
𝜕𝑥1 𝜕𝑥1 𝜕𝑥1
𝑓1 𝑓2 𝑓3
𝑑𝑒𝑙𝑡𝑎 𝑥2 = − − −
𝜕𝑓1 𝜕𝑓2 𝜕𝑓3
𝜕𝑥2 𝜕𝑥2 𝜕𝑥2
𝑓1 𝑓2 𝑓3
𝑑𝑒𝑙𝑡𝑎 𝑥3 = − − −
𝜕𝑓1 𝜕𝑓2 𝜕𝑓3
𝜕𝑥3 𝜕𝑥3 𝜕𝑥3
Con estas nuevas correcciones para x, el nuevo valor que utilizaremos para x esta
dado por la siguiente ecuación
𝑥1 = 𝑥1 + 𝑑𝑒𝑙𝑡𝑎 𝑥1
𝑥2 = 𝑥2 + 𝑑𝑒𝑙𝑡𝑎 𝑥2
𝑥3 = 𝑥3 + 𝑑𝑒𝑙𝑡𝑎 𝑥3
Y con estos nuevos valores para x repetimos el proceso hasta que la corrección hasta
que las correcciones a las variables sean lo suficientemente pequeñas, lo que indica
que se ha alcanzado una solución aproximada del sistema de ecuaciones.

Sin embargo, con las condiciones iniciales dadas y luego que ejecutar este sistema en
Excel, el sistema no converge, ahora, cambiando las condiciones iniciales a 𝑋 0 =
[0,5 − 0,9 0,4] e iterando varias veces, el sistema tampoco converge y presenta
inconsistencias ya que algunas derivadas parciales de la matriz jacobianas son iguales
a cero y al calcular la corrección de x nos presenta error.
Es importante tener en cuenta que el método de Newton-Raphson para sistemas de
ecuaciones no lineales puede no converger o converger a soluciones incorrectas en

7
Métodos numéricos
2015970
Grupo 5

algunos casos. Por este motivo, necesario tener cuidado en la elección de la

aproximación inicial y en la revisión de la condición de convergencia para garantizar
la validez y precisión de los resultados obtenidos.

8
Métodos numéricos
2015970
Grupo 5

4. El método de Gauss-Seidel es un método iterativo para resolver sistemas de

ecuaciones lineales.
El sistema de ecuaciones
10𝑥1 − 𝑥2 + 2𝑥3 = 6
−𝑥1 + 11𝑥2 − 𝑥3 + 3𝑥4 = 25
2𝑥1 − 𝑥2 + 10𝑥3 − 𝑥4 = −11
3𝑥2 + 3𝑥3 + 8𝑥4 = −15

Se puede escribir de la siguiente forma matricial

[𝐴]{𝑥} = {𝑏}

10 − 1 2 0 𝑥1 6
𝑥
[𝐴] = [ −1 11 − 1 3 ] {𝑥} = {𝑥2 } {𝑏} = { 25 }
2 − 1 10 − 1 3 −11
0 3 −1 8 𝑥4 15

Descomponer la matriz [A] en la suma de una matriz diagonal dominante [D], una
matriz triangular inferior [L] y una matriz triangular superior [U].

Para aplicar el método de Gauss-Seidel, necesitamos descomponer la matriz [A] en

la suma de una matriz diagonal dominante [D], una matriz triangular inferior [L] y
una matriz triangular superior [U]. Esto se puede hacer de la siguiente manera:

[𝐴] = [𝐷] + [𝐿] + [𝑈]

10 0 0 0 0 0 0 0
[𝐷] = [0 11 0 0 [𝐿] = [ −1 0 0 0
] ]
0 0 10 0 0 −1 0 0
0 0 0 8 0 3 −1 0

0 −1 2 0
[𝑈] = [0 0 −1 3
]
0 0 0 −1
0 0 0 0

Para aplicar el método de Gauss-Seidel, necesitamos calcular la matriz inversa de [D]

+ [L] y multiplicarla por [U] para obtener la matriz de iteración [T]:

10 −1 0 0
[𝐷] + [𝐿] = [−1 11 −1 0
]
2 −1 10 0
0 3 −1 8
9
Métodos numéricos
2015970
Grupo 5

También necesitamos calcular el vector de iteración [C], que se obtiene multiplicando

la matriz inversa de [D] + [L] por el vector de términos independientes [b]:

[𝐶] = ([𝐷] + [𝐿])−1 ∗ {𝑏}

Ahora, con las matrices definidas y los vectores, aplicamos el proceso iterativo de
Gauss-Seidel para obtener la solución aproximada del sistema de ecuaciones.

0
{𝑥}0 = [0]
0
0

Donde el superíndice (0) indica la iteración inicial.

El proceso iterativo de Gauss-Seidel consiste en actualizar los valores de la solución

en cada iteración utilizando la siguiente fórmula:

{𝑥}𝑘+1 = [𝑇] ∗ {𝑥}𝑘 + {𝐶}

Donde “k” es el numero de la iteración.

Iteración 1
{𝑘} = 1
{𝑥}1 = [𝑇] ∗ {𝑥}0 + {𝐶}

Sustituimos los valores de [T] y {C} en la fórmula:

𝑥11 10 − 1 2 0 𝑥10 6
𝑥21 −1 11 − 1 3 𝑥20 25
=[ ]∗ 0 +[ ]
𝑥31 2 − 1 10 − 1 𝑥3 −11
[𝑥41 ] 0 3 −1 8 [𝑥40 ] 15

𝑥11 10 − 1 2 0 0 6 6
𝑥21 −1 11 − 1 3 0 25 5
1 = [2 − 1 10 − 1
]∗[ ]+[
0 −11
]=[ ]
−7
𝑥3
1
[𝑥4 ] 0 3 −1 8 0 15 15

Los valores aproximados en la primera iteración son:

𝑥11 = 6; 𝑥21 = 5; 𝑥31 = −7; 𝑥41 = 15

10
Métodos numéricos
2015970
Grupo 5

Iteración 2
{𝑘} = 2
{𝑥}2 = [𝑇] ∗ {𝑥}1 + {𝐶}

𝑥12 10 −1 2 0 𝑥11 6
𝑥22 −1 11 − 1 3 𝑥 1
25
=[ ] ∗ 21 + [ ]
𝑥32 2 − 1 10 − 1 𝑥3 −11
[𝑥41 ] 0 3 −1 8 [𝑥41 ] 15
2
𝑥1 10 −1 2 0 6 6 6,7
𝑥22 −1 11 − 1 3 5 25 5,0
=[ ]∗[ ]+[ ]=[ ]
𝑥32 2 − 1 10 − 1 −7 −11 −10,9
[𝑥42 ] 0 3 −1 8 15 15 15

Los valores aproximados en la segunda iteración son:

𝑥12 = 6,7; 𝑥22 = 5,0; 𝑥32 = −10,9; 𝑥42 = 15

Realizamos el mismo procedimiento varias veces hasta que los valores de x

se estabilicen:

Iteración 3
𝑥13 = 7,4 ; 𝑥23 = 4,9 ; 𝑥33 = −11,3 ; 𝑥43 = 15

Iteración 4
𝑥14 = 7,6 ; 𝑥24 = 4,9 ; 𝑥34 = −11,5 ; 𝑥44 = 15

Iteración 5
𝑥15 = 7,6 ; 𝑥25 = 4,9 ; 𝑥35 = −11,5 ; 𝑥44 = 15

Como podemos ver, entre la cuarta y quinta iteración los valores para x no cambian, por lo
que podemos decir que la solución aproximada del sistema de ecuaciones utilizando el
método de Gauss-Seidel es:
𝑥1 = 7,6
𝑥2 = 4,9
𝑥3 = −11,5
𝑥4 = 15

11
Métodos numéricos
2015970
Grupo 5

12