Metodos - Numericos TEMA 4

ESCUELA MILITAR DE INGENIERÍA
INGENIERÍA COMERCIAL
MÉTODOS NUMÉRICOS
Docente
Rudy Wilfredo Mayta Callisaya
La Paz - Bolivia
2020
Índice general
1. TEORÍA DE ERRORES Y CIFRAS SIGNIFICATIVAS 1

1.1. Introducción: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Error de Entrada: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Error de Algoritmo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Error de Truncamiento: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5. Concepto de Exactitud y Precisión: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6. Error de Aproximación: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6.1. Error Absoluto: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6.2. Error Relativo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6.3. Error Porcentual: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.7. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2. Ecuaciones Algebraicas Lineales y No Lineales 7

2.1. Método de Biseccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2. Teorema de Bolzano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3. Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4. Metodo de la Regla Falsa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5. Metodo del Punto Fijo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.6. Orden de Convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3. Calculo Diferencial e Integral con Metodos Numericos 9

3.1. Integracion Rectangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2. Integracion Trapezoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
i
METODOS NUMERICOS
3.2.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Integracion de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4. Integracion de Orden Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4.1. Practica: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.5. Integracion Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.6. Formula de Stirling - Derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.7. Integracion - Derivacion Montecarlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4. Algebra Matricial y Sistema de Ecuaciones Algebraicas 21

4.1. Eliminación Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2. Gauss - Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3. Jacobi y Gauss - Seidel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.4. Sistemas Complejos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.5. Método de Newton Raphson: (Para Sistemas de Ecuaciones No Lineales) . . . . . . . . . . . . . . . 32
5. Interpolacion y Ajuste de Curvas 33

5.1. Minimos Cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2. Regresion Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.3. Regresion Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.4. Regresion con Transformaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.5. Interpolacion de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.6. Interpolacion de Aiken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6. Ecuaciones Diferenciales y en Diferencias Finitas 34

6.1. Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.2. Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.3. Runge Kuts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
ii
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
1
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.
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. 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.
2
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:

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
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
25,15 ml que tiene 4 cifras significativas. Los primeros tres dígitos son seguros y el último es una estimación.
3
METODOS NUMERICOS
También la expresión 1000 cm es confusa y para mantener el criterio de cifras significativas se utiliza la notación
científica 1,0 × 103 .
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 (xi ) f (n) (xi )

f (xi+1 ) = f (xi ) + f 0 (xi )(xi+1 − xi ) + (xi+1 − xi )2 + · · · + (xi+1 − xi )n + Rn
2! n!
puede utilizarse para predecir el valor de la función en xi+1 en términos de la función y de sus derivadas en la
vecindad de un punto xi . Pero
f 00 (xi ) f (n) (xi )

f (xi+1 ) ≈ f (xi ) + f 0 (xi )(xi+1 − xi ) + (xi+1 − xi )2 + · · · + (xi+1 − xi )n
2! n!
y el error de truncamiento que se comete es de Rn . Como caso particular se tiene el siguiente ejemplo
2 x4 x6 x8
ex = 1 + x2 + + + + ···
2! 3! 4!
pero
2 x4 x6 x8
ex ≈ 1 + x2 + + +
2! 3! 4!
x10
así el error de truncamiento que se comete es de R5 = 5! + ···
4
METODOS NUMERICOS
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|
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|
1.6.3. Error Porcentual:

El error porcentual resulta de multiplicar por 100 el error absoluto o relativo.
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
METODOS NUMERICOS
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 formacion (µg por s)

Tiempo (s)
Cifras Significativas
3 4 5 6
4 3200 3200 3200.4 3200.46
8 4489 4489 4489.3 44892.41
12 4980 4984 4984.8 4984.91
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.
6
CAPÍTULO 2
Ecuaciones Algebraicas Lineales y No Lineales
2.1. Método de Biseccion

s
2.2. Teorema de Bolzano

s
2.3. Metodo de Newton

f (x) = 0 ecuacion
x0 valor inicial
f (x0 )
Primera Iteracion x1 = x0 − f 0 (x0 ) pero f (x1 )
Segunda Iteracion x2 = x1 − ff0(x 1)
(x1 ) pero f (x2 )
.
f (xn−1 )
Iteración n−esima xn = xn−1 − f 0 (xn−1 ) pero f (xn )
Si f (xn ) → 0, entonces f (x) → 0
2.4. Metodo de la Regla Falsa

s
7
METODOS NUMERICOS
2.5. Metodo del Punto Fijo

s
2.6. Orden de Convergencia

s
8
CAPÍTULO 3
Calculo Diferencial e Integral con Metodos Numericos
3.1. Integracion Rectangular

Definición. (1) a) Sea I = [a, b] ⊆ R un intervalo cerrado y acotado. Se denomina particion 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 |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
9
METODOS NUMERICOS
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|
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 segun Reimann en
Rb Rb
[a, b], si a f (x)dx = a f (x)dx, y a este valor numerico 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.
10
METODOS NUMERICOS
3.1.1. Practica:
Segun la integral de Reimann o la Integral Rectangular calcular:
R1 1 1
1. 0 (1 − x) 2 x− 2 dx
R1
2. 0 lnx
√ dx
R π2 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. Integracion Trapezoidal

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

1. Sea f : [a, b] → R continua y tomemos la particion xi = x0 + i 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 metodo 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 T aylor
| {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 ) + 4f2(x0 )
Rb
pero como 4f (x0 ) = f (x0 + h) − f (x0 ), entonces a
f (x)dx ∼
= h
2 (f (x0 ) + f (x1 )) donde h = b − a y x0 = a, x1 = 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
π π
2 −0
senxdx ∼ sen(0) + sen( π2 ) = π
R
Solucion: Para una particion 2
0 = 2 4
π

2 −0
Para cuatro particiones, el intervalo [0, π2 ] segun la relacion xi = x0 + i 4 para i = 0, 1, 2, 3, 4 se divide en los
π
siguientes intervalos equivalentes [0, 8 ], [ π8 , π4 ], [ π4 , 3π
8 ] y [ 3π π
8 , 2 ], asi por el metodo trapezoidal se tiene
11
METODOS NUMERICOS
R π R π R π R 3π R π
0
2
senxdx = 8
0
senxdx + π
4
senxdx + π
8
senxdx + 2
3π senxdx
8 4 8
= 0,075 + 0,214 + 0,320 + 0,378

= 0,987
3.2.1. Practica:
R3
1. Use el metodo trapezoidal para aproximar 0
(x − 3)5 dx con uma particion P = {0, 1, 3} y determine el error
absoluto.
R1 1
2. Use el metodo trapezoidal para aproximar 0 x2 +1
dx con una particion P = {0, 14 , 12 , 1} y compare con el valor
exacto.
x2
3. Use el metodo trapezoidal para aproximar el area de la region R, limitado por las curvas y = 2 − 2x + 1,
x
y= 3 + 1 y y = −x + 5, tambien 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
hata x = a y determinar el error absoluto que existe.
3.3. Integracion de Simpson

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

n , para i = 0, 1, 2 asi
x0 = x0 + 0 b−a

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

2 2 = 2
x2 = x0 + 2 b−a

2 =a+b−a=b
y la funcion 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
∼ s(s − 1) 2
p2 (x) |{z}
= p2 (x0 + sh) = f (x0 ) + s4f (x0 ) + 4 f (x0 )
|{z} 2!
x=x0 +sh Serie de T aylor
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)dx
a a 0
x=x0 +sh
R2 R2
0
p2 (x0 + sh)dx = p (x + sh)dx
0 2 0
R2h i
∼ f (x0 ) + s4f (x0 ) + s(s−1) 2
= 0 2! 4 f (x0 ) hds
h 2 3 2
i
= h sf (x0 ) + s2 4f (x0 ) + s3! 42 f (x0 ) − s4 42 f (x0 ) |20
h 2f (x0 ) + 24f (x0 ) + 31 42 f (x0 )

=
pero
4f (x0 ) = f (x0 + h) − f (x0 ) = f (x1 ) − f (x0 )

42 f (x0 ) = f (x0 + 2h) − 2f (x0 + h) + f (x0 ) = f (x2 ) − 2f (x1 ) + f (x0 )
12
METODOS NUMERICOS
asi
Rb
∼ h 2f (x0 ) + 24f (x0 ) + 13 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 y x0 = a, x1 = a+b
[f (x0 ) + 4f (x1 ) + f (x2 )] donde h = 2 y x2 = b
b−a
2
R4
Ejemplo. Mediante el metodo de Simpson aproxime la integral −1 x4 − 2x2 + x + 10 dx
Solucion: Notemos que a = −1 y b = 4 por tanto h = 4−(−1)

2 = 52 , x0 = −1, x1 = −1+4
2 = 3
2 y x2 = 4, asi
R4
x4 − 2x2 + x + 10 dx ∼
= h3 [f (x0 ) + 4f (x1 ) + f (x2 )]

−1
| {z }
f (x)
5
(−1)4 − 2(−1)2 + (−1) + 10 + 4 ( 32 )4 − 2( 32 )2 + ( 32 ) + 10

= 2
3

+ (4)4 − 2(4)2 + (4) + 10
5
= 6 (294,25) = 245,21
R4
x4 − 2x2 + x + 10 dx ∼

asi −1 = 245,21
3.3.1. Practica:
1. Mediante el metodo de Simpson, aproxime el area bajo la curva de la siguiente funcion dada en forma tabular,
entre x = −1 y x = 4
Puntos 0 1 2 3 4 5
x -1 0 1 2 3 4
f (x) 8 10 10 20 76 238
y determinar el error absoluto si f (x) = x4 − 2x2 + x + 10
Rb Rb
2. Aproximar a f (x)dx ∼= a p3 (x)dx y hallar una formula general, donde p3 (x) es el polinomio de grado ≤ 3 que
pasa por los puntos (xi , f (xi )) para i = 0, 1, 2, 3 donde la particion xi son equidistantes en [a, b] y x0 = a, x3 = b.
3.4. Integracion de Orden Superior

Rb
En esta seccion 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
13
METODOS NUMERICOS
a+2b 2a+b a+2b−2a−b b−a

por tanto h = x1 − x0 = x2 − x1 = x3 − x2 = 3 − 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)dx
a a 0
x=x0 +sh
x−x0 a−a b−a 3h
donde s = h por tanto s = h =0ys= h = h = 3 tambien dx = hds
de donde
R3 R3
p (x + sh)dx
0 3 0
= 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 + h) − f (x0 ) = f (x1 ) − f (x0 )

2
3
4 f (x0 ) = f (x0 + 3h) − 3f (x0 + 2h) + 3f (x0 + h) − f (x0 )
| {z } | {z } | {z }
x3 x2 x1
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
para h = 3 , x0 = a, x1 = x2 = a+2b
3 , 3 y x3 = b
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
14
METODOS NUMERICOS
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 (x 0 ) + s4f (x 0 ) + s(s−1) 2
4 f (x 0 ) + s(s−1)(s−2) 3
4 f (x 0 ) + s(s−1)(s−2)(s−3) 4
4 f (x0 ) hds
0 2! 3! 4!
h R4 R4 42 f (x0 ) R 4 43 f (x0 ) R 4
h f (x0 ) 0 ds + 4f (x0 ) 0 sds + s(s − 1)ds + s(s − 1)(s − 2)ds
4
i 2! 0 3! 0
4 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
43 f (x0 ) = f (x0 + 3h) − 3f (x0 + 2h) + 3f (x0 + h) − f (x0 )
| {z } | {z } | {z }
x3 x2 x1
4
4 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 )]
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
Trabajando inductivamente se puede obtener las relaciones para los polinomios de grado mayor o igual 5
15
METODOS NUMERICOS
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. Integracion Gaussiana

Recordemos que el metodo 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 Gaus 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 F (z)
dz= 2 dx
b−a
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
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
16
METODOS NUMERICOS
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 ))
{z2
|{z}
2x−(a+b) | }
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 integhral 0
(x − 3)5 dx mediante el metodo 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
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
mediante la integral rectangular (o de Riemann), es decir:
3 0
u6 0 (0)6 (−3)6
Z Z
5 243 ∼
(x − 3) 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
17
METODOS NUMERICOS
√ √
− √13 (3−0)+(0+3)
5
Operacion auxiliar: F (− √13 )
=f = f 3 2√3−3
= 3 √3−3
− 3 ∼
= −74,148 tambien F ( √13 ) =
2 3 2 3
1
√ (3−0)+(0+3)
√ √ 5
f 3
= f 3 √3+3
= 3 √
3+3
− 3 ∼
= −0,102
2 2 3 2 3
Rb
Ejercicio. Si en la relacion a
f (x)dx ∼
= w1 F (z1 ) + w2 F (z2 ) se agrega un termino mas 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 (β) la integral externa.
Solucion:
3.6. Formula de Stirling - Derivacion

√ 1
2πnn+ 2 e−n
En esta seccion 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 numero n. Es decir la relacion lim n! = 1 se lo puede
n→∞
interprestar:
√ 1
n! ∼
= 2πnn+ 2 e−n para n suficientemente grande
Ejemplo. Segun la formula de Stirling se tiene
√ 1
125! ∼
= 2π(125)125+ 2 e−125 ∼
= 2,894 × 10209
ver el tutorial en la plataforma Moodle.
√ n+ 1 −n
Ahora daremos las ideas que propone Stirling para determinar la relacion lim 2πn n! 2 e = 1.
Rn n→∞
¿Determinar la integral An = 1 lnxdx medianmte en metodo 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
18
METODOS NUMERICOS
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 relacion m0 = m
R
Rn
¿Determinar la integra An = 1 lnxdx mediante el metodo Trapezoidal, tomando la particion [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
= 2 ln1 + ln2 + ln3 + · · · + ln(n − 1) + 2 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→∞
3.7. Integracion - Derivacion Montecarlo

La realcion
Z b
ne
f (x)dx ∼
= (b − a) M
a n
donde ne := numero de exitos y n := número total,tambien (b − a) M representa el area 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 relacion
xi = a + (un numero 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: M = f (3) = 32 = 9 por tanto

Primera iteración:
19
METODOS NUMERICOS
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:

2
asi 8,829 ≤ f (x2 ) = f (1,260) = (1,260) = 1,588 es falso (por tanto ne = 0)
Tercera iteracion:

2
asi 2,376 ≤ f (x3 ) = f (2,206) = (2,206) = 4,866 es verdad (por tanto ne = 1)
Cuarta iteracion:

2
asi 3,609 ≤ f (1,468) = (1,468) = 2,155 es falso (por tanto ne = 1)
finalmente
Z 3
ne 1
x2 dx ∼
= (b − a) M = (3 − 1) 9 = 4,500
1
|{z} n 4
f (x)
R3
por tanto 1
x2 dx ∼
= 4,500
20
CAPÍTULO 4
Algebra Matricial y Sistema de Ecuaciones Algebraicas
4.1. Eliminación Gaussiana

El método de la eliminacion de Gauss, resueve el sistema de ecuaciones lineales AX = B (homogeneo, B = 0, o no
homogeneo B 6= 0) aplicando la operacion 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».
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
21
METODOS NUMERICOS
   
.. ..
 4 −9  4 −9 2 . 5  − 4
2 . 5  − 2 1
4
.

. .
A..B
   
=  2 −4 6 .. 3  ←- ∼  0 1
5 .. 12  |
   
2
 .   . 
←-
1 −1 3 .. 4 1 −1 3 .. 4
   
.. ..
 4 −9 2 . 5   4 −9 2 . 5 
 .. 1  5  .. 1 
∼  0
 1
5 . 2  − 12 ∼  0
 4  1
5 . 2 

2 2

5 5
.. 11 
←-
 .. 3 
0 . 0 0 −10 . 2
4 2 4
.. 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
22
METODOS NUMERICOS
.

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 0 37 7 
3 
 0 0 7
3
7
3

∼ ∼
 
 1  
 −1
 0 3
 0 1 1   0
 0 1 1 

0 0 13 1
3 ←- 0 0 0 0
= T
3x − 6y + 2z − t = 0
7
3z + 73 t = 0
z+t=0
asi de la eciación (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.
4.2. Gauss - Jordan

La seccion 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 soimbolicamnete a0ij = aij + cai0 j para j = 1, 2, ..., m
ii) Intercambias 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 kj al primer elemento no nulo de cada columna no nula, luego se ordenan las filas
segun la realción k1 ≺ k2 ≺ · · ·
d) Las filas nulas tiene que ir por debajo de las filas no nulas
23
METODOS NUMERICOS
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 0 −20 .. 3 
∼  ←- | ∼  1
 0

−2 0 . −5 
 ← (− 20 ) ∼
 . 
←-
 . 
1 −1 3 .. 4 1 0 −7 .. 8
.
 
  0 1 0 .. 5
2  
.  |{z}  ..
 0 1 −10 .. 4  k2
 1 0 0 . 139
 

..
 20 
.. ..
 3

 0 0 |{z} 1 . − 20
   
∼ 3  (10)(7) ∼  ∼ 5

 0 0 1 . − 20   0 1 0 .
  |{z}  
2 
k3
 
 . 
←-
 k1 ≺k2 ≺k3  .. 
0 −7 ..

1 8 . 0 0 1 . 3
− 20
0 ..
 
 1 139
|{z} 0 20

k1
.

= R..B 0
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
24
METODOS NUMERICOS
.

A..B =
|{z} A
como B = 0, entonces    
1
3 2 −6 ← (3) 1 6 −18 (4)(3)(7)
   
 −4 0 5   −4 0 5  ←-| |

= ∼
  
  
 −3 −13   −3 −13 
6 6  ←- |

 
−7 2 − 83 ← (3) −7 6 −8 ← ←-
3   
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
   
1 67 
 0 24 −67  ← ( 24 )

 0
 1 − 24  (−6)
∼ ∼

 
 0 0 0   0 0 0 
   
0 0 0 0 0 0
 
1 0 − 45  
 |{z}
 1k

 1 0 − 54
 
67 
− 24 − 67

 0 1   0 1 
24 
∼ |{z}  ∼ 
 |{z}  

 k2  k ≺k  0 0 0 
1 2  
 0 0 0 
  0 0 0
0 0 0
= R
asi el sistema equivalente al sistema del ejercicio es:
x − 45 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.
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
25
METODOS NUMERICOS
    
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 a
   b2

 x2   − 21 −0 · · · − a2n  x2   
  a22 22  a22
⇔  . = +
   
 ..   .
.. .
..
 .
 .. .. 
   
 
  . 

an1 an2 bn
xn − ann − ann · · · −0 xn 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:
(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:
26
METODOS NUMERICOS
(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 Jacobi 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
(n)
 
x1
 (n) 
 x2 
(n)
Para que la matriz X =  .  ∈ Rn sea una solución aproximada del sistema AX = B, entonces
 
 .. 
 
(n)
xn
(n)

AX − B → 0, pero esto ocurre con seguridad si
27
METODOS NUMERICOS
 (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) (n−1) (n) (n−1)
−  = máx{x1 − x1 , x2 − x2 , ..., x(n) (n−1)
n − xn
   
 . ..
 ..
}

 
  . 

x(n) (n−1)

n xn
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
28
METODOS NUMERICOS
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 = 14 y + 1
4
1 1 1
y= 4 x + 4z + 4
1 1 1
z= 4y + 4t + 4
1 1
t= 4z + 4
y en forma matriocial 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
   
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
        
 y (2)   1 0 1 0     1  1
 3
  4 4 4 4 8
= + =
      
     
 z (2)   0 1 0 1    1  1
 3
   4 4    4  4
 8
t(2) 0 0 14 0 1
4
1
4
5
16
       
5 1 5
x(2)

   16 
4
   16

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

asi X = =
       
3

 z (2)     1   3 
   8   4   8 
5
1 5
t(2)

16 4 16
29
METODOS NUMERICOS
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 −
(1)

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

256
0 256

0,61
Segunda iteración:
x(2) = 0( 41 ) + 14 ( 16
5
) + 0( 21 85
64 ) + 0( 256 ) +
1
4 =85
256
y (2) = 14 ( 256
85
) + 0( 165
) + 14 ( 21 85 1
64 ) + 0( 256 ) + 4 = 1024
425
85
z (1) = 0( 256 ) + 41 ( 1024
425
) + 0( 21 1 85 1 1137
64 ) + 4 ( 256 ) + 4 = 2048
85 425
t(1) = 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
(2)

asi X = =  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
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)
30
METODOS NUMERICOS
    
1 −i i x 0
    
AX = 0 ⇔  2
  y  =  0 
2 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
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 0 1+i
√

        q 2 2 2
asi X (1) = 
 y
(1)  = 
  −1 
 por tanto   −
 1   −1  = (−1 − i) + (2) + (i) = 3 + 2i =?
 
(1)

x 1−i 1 1−i
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
31
METODOS NUMERICOS
Ejercicio. Resolver los siguientes sistemas

     
10 3 1 14 0
    (0)
 
1.- AX = B donde A =   2 −10 3  y B = 
 
 para el valor inicial X =  0  por el método de
−5   
1 3 10 14 0
Gauss-Seidel con cinco iteraciones.
   
10 −3 0 2
   
2.- AX = B donde A =   −3 10 −2  y B = 
 
 por el método de Gauss-Seidel con cinco iteraciones.
3 
0 −2 10 5
4.5. Método de Newton Raphson: (Para Sistemas de Ecuaciones No

Lineales)
s
32
CAPÍTULO 5
Interpolacion y Ajuste de Curvas
5.1. Minimos Cuadrados

s
5.2. Regresion Lineal

s
5.3. Regresion Polinomial

s
5.4. Regresion con Transformaciones

s
5.5. Interpolacion de Lagrange

s
5.6. Interpolacion de Aiken

s
33
CAPÍTULO 6
Ecuaciones Diferenciales y en Diferencias Finitas
6.1. Euler
s
6.2. Taylor
s
6.3. Runge Kuts

s
34

Metodos - Numericos TEMA 4

Cargado por

Copyright:

Formatos disponibles

Metodos - Numericos TEMA 4

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos - Numericos TEMA 4

Cargado por

Copyright:

Formatos disponibles

ESCUELA MILITAR DE INGENIERÍA

Rudy Wilfredo Mayta Callisaya

1. TEORÍA DE ERRORES Y CIFRAS SIGNIFICATIVAS 1

2. Ecuaciones Algebraicas Lineales y No Lineales 7

3. Calculo Diferencial e Integral con Metodos Numericos 9

4. Algebra Matricial y Sistema de Ecuaciones Algebraicas 21

5. Interpolacion y Ajuste de Curvas 33

6. Ecuaciones Diferenciales y en Diferencias Finitas 34

TEORÍA DE ERRORES Y CIFRAS SIGNIFICATIVAS

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

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.

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?

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:

1.2. Error de Entrada:

1.3. Error de Algoritmo:

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

1.4. Error de Truncamiento:

f 00 (xi ) f (n) (xi )

f 00 (xi ) f (n) (xi )

1.5. Concepto de Exactitud y Precisión:

1.6. Error de Aproximación:

1.6.1. Error Absoluto:

1.6.2. Error Relativo:

1.6.3. Error Porcentual:

Velocidad de formacion (µg por s)

7. Aplique las reglas de redondeo a:

Ecuaciones Algebraicas Lineales y No Lineales

2.1. Método de Biseccion

2.2. Teorema de Bolzano

2.3. Metodo de Newton

2.4. Metodo de la Regla Falsa

2.5. Metodo del Punto Fijo

2.6. Orden de Convergencia

Calculo Diferencial e Integral con Metodos Numericos

3.1. Integracion Rectangular

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 |P | = max{|0 − 2| , |2 − 3| , |3 − 5|} = 2

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

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

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

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