Cuaderno Pares

UNIVERSIDAD DE LAS FUERZAS ARMADAS
ESPE
Métodos Numéricos
Nombre: Gonzalo Echeverría
NRC:3256
Cuaderno Teórico
Profesor: Paul Medina, Ph.D.
21 de febrero de 2018
1
Métodos Numéricos Cuaderno Digital NRC:3256
Índice
1. Capítulo 1 9
1.1. Introducción a LATEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.1. Estructura de un documento . . . . . . . . . . . . . . . . . . . . . 9
1.1.2. Fórmulas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.3. Listas y enumeraciones . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.4. Arreglos y tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.5. Tablas(tabular) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2. Conceptos Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3. Teorema de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4. Error y Orden de Aproximación . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5. Análisis del Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.1. Error Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.2. Error Relativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.3. Error de truncamiento . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.4. Error de redondeo . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.5. Propagación del Error . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6. Solución numérica de ecuaciones no Lineales . . . . . . . . . . . . . . . . 20
1.6.1. Método de la Bisección . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.2. Método de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6.3. Método de la Secante . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2. Ejercicios Resueltos: Capítulo 1 25

2.1. Deber 1: Halle el polinomio de Taylor de grado n=4 para cada una de las
siguientes funciones
√ alrededor del punto x0 dado. . . . . . . . . . . . . . 25
2.1.1. f (x) = x , x0 = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.2. f (x) = x5 + 4x3 + 3x + 1,x0 = 0 . . . . . . . . . . . . . . . . . . . . 27
2.1.3. f (x) = cos(x),x0 = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2. Deber 2: Problemas 9-10-11, Pág 41-42 . . . . . . . . . . . . . . . . . . . . 30
2.2.1. Dados los desarrollos de Taylor:
1
= 1 + h + h2 + h3 + O(h4 )
1−h
h2 h4
cos(h) = 1 − + + O(h6 )
2! 4!
Determine el orden de aproximación de la suma, resta, producto

y división . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
h h2 h3 h4
e =1+h+ + + + O(h5 )
2! 3! 4!
Nombre: Gonzalo Echeverría 2

h3
sen(h) = h − + O(h5 )
3!

y división . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
h2 h4
cos(h) = 1 − + + O(h6 )
2! 4!
h3 h5
sen(h) = h − + + O(h7 )
3! 5!

y división . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.4. Propagación de errores de la división . . . . . . . . . . . . . . . . 34
2.2.5. La Fórmula Mejorada para la Resolución de la Ecuación de Se-
gunda Grado. Supongamos que a 6= 0 y que b2 − 4ac > 0 y consi-
deramos la ecuación ax2 + bx + c = 0. Sus raíces pueden hallarse
mediante la conocida fórmula
√
−b + b2 − 4ac
x1 =
2a
y √
−b − b2 − 4ac
x2 =
2a
Pruebe que estas raíces pueden calcularse mediante fórmulas equi-
valentes
−2c
x1 = √
b + b2 − 4ac
y
−2c
x2 = √
b − b2 − 4ac
Indicación.
√ Racionalice el numerador de (i). Observación. Cuan-
do |b| ≈ b2 − 4ac, hay que proceder con cuidado para evitar la
pérdida de precisión por cancelación. Si b > 0, entonces x1 de-
bería ser calculado con la fórmula (ii) y x2 debería ser calculado
con la fórmula (i); mientras que si b < 0, entonces x1 debería ser
calculado usando (i) y x2 debería ser calculado usando (ii). . . . . 35

2.2.6. Use la fórmula adecuada para calcular x1 y x2 , tal como se explica

en el Ejercicio 12, para hallar las raíces de las siguientes ecuacio-
nes de segundo grado. . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3. Deber 3: Problemas 3-8-9-11-14, Pág 67 . . . . . . . . . . . . . . . . . . . . 37
2.3.1. Para cada una de las siguientes funciones, halle un intervalo [a,b]
de manera que f (a) y f (b) tengan distinto signo. . . . . . . . . . . 37
2.3.2. Denotamos por [a0 , b0 ], [a1 , b1 ], ..., [an , bn ] los intervalos que se ge-
neran en el método de bisección. . . . . . . . . . . . . . . . . . . . 38
2.3.3. Pruebe que a0 ≤ a1 ≤ ... ≤ an ≤ ... y que ... ≤ bn ≤ ... ≤ b1 ≤ b0 . . 38
2.3.4. Pruebe que bn − an = (b0 − a0 )/2n . . . . . . . . . . . . . . . . . . 38
2.3.5. Sea cn = (an + bn )/2 el punto medio de cada intervalo. Pruebe
que:
lı́m an = lı́m bn = lı́m cn

n→∞ n→∞ n→∞
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3.6. ¿Qué ocurrirá si susamos el método de bisección con
1
f (x) =
x+2
en: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3.7. el intervalo [3,7]? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3.8. el intervalo [1,7]? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.9. Supongamos que usamos el método de bisección para hallar un
cero de f (x) en el intervalo [2, 7]. ¿Cuántas bisecciones hay que
hacer para asegurar que la aproximación cN tiene una precisión
de 5 × 10−9 ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.10. El polinomio f (x) = (x − 1)3 (x − 2)(x − 3) tiene tres ceros: x = 1
de multiplicidad 3 y x = 2 y x = 3, cada uno de ellos de multi-
plicidad 1. Si a0 y b0 son números reales tales que a0 < 1 y b0 > 3
se eligen tales que cn = an +b2
n
no es igual a 1, ni a 2 ni a 3 para
ningun n ≥ 1, entonces el método de biseccion nunca convergerá
a ¿cuál o cuáles ceros?¿por qué? . . . . . . . . . . . . . . . . . . . 41
2.4. Deber 4: Problemas 1,2,3,5,7,11,20 de la Pág 93-94 . . . . . . . . . . . . . 41
2.4.1. Sea f (x) = x2 − x + 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4.2. Determine la fórmula de Newton-Raphson pk = g(pk−1 ) . . . . . 41
2.4.3. Empiece con p0 = −1,5 y calcule p1 , p2 y p3 . . . . . . . . . . . . . 41
2.4.4. Sea f (x) = x2 − x − 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4.6. Empiece con p0 = 1,6 y calcule p1 , p2 y p3 . . . . . . . . . . . . . . 42
2.4.7. Empiece con p0 = 0,0 y calcule p1 , p2 , p3 y p4 ¿Qué puede conjetu-
rarse sobre esta sucesón? . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4.8. Sea f (x) = (x − 2)4 . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4.10. Empiece con p0 = 2,1 y calcule p1 , p2 , p3 y p4 . . . . . . . . . . . . . 42
2.4.11. Esta sucesión, ¿converge linealmente o cuadráticamente? . . . . . 42

2.4.12. Considere la función: f (x) = cos(x) . . . . . . . . . . . . . . . . . 43

2.4.14. Deseamos aproximarnos a la raíz p = 3π/2. ¿Podemos usar p0 =
3? ¿Por qué? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4.15. Deseamos aproximarnos a la raíz p = 3π/2. ¿Podemos usar p0 =
5? ¿Por qué? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4.16. Considere la función: f (x) = xe−x . . . . . . . . . . . . . . . . . . 43
2.4.18. Para p0 = 0,2, calcule p1 , p2 , p3 , p4 . ¿Cuánto vale lı́mk→∞ pk ? . . . . 43
2.4.19. Para p0 = 20, calcule p1 , p2 , p3 , p4 . ¿Cuánto vale lı́mk→∞ pk ? . . . . 43
2.4.20. ¿Cuánto vale f (p4 ) en el apartado (c)? . . . . . . . . . . . . . . . . 44
2.4.21. Algoritmo para la raíz cúbica. A partir de f (x) = x3 − A, don-
de A es un número real cualquiera, deduzca la fórmula de recursión
2pk−1 + A/p2k−1
pk =
3
para k = 1, 2, ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.4.22. Pruebe que la fórmula (27) del método de la secante es algebrai-
camente equivalente a
pk−1 f (pk ) − pk f (pk−1 )

pk+1 =
f (pk ) − f (pk−1 )
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3. Capítulo 2 44
3.1. Solución de sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.1. Método Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.2. Método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . 46
3.1.3. Método de factorización LU . . . . . . . . . . . . . . . . . . . . . . 47
3.1.4. Descomposición en valores singulares: SVD . . . . . . . . . . . . 48
3.2. Interpolación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.1. Interpolación de Newton . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.2. Interpolación de Lagrange . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.3. Interpolación Spline . . . . . . . . . . . . . . . . . . . . . . . . . . 52

4.1. Deber 1: Solución Sistemas triangulares superiores e inferiores . . . . . . 54
4.1.1. Programa para sistemas de ecuaciones con matriz triangular su-
perior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.1.2. Programa para sistemas de ecuaciones con matriz triangular in-
ferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2. Deber 2: Ceros bajo diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2.1. Código Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2.2. Corrida de escritorio . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.3. Deber 3: Programas Gauss, GaussJordan, LU . . . . . . . . . . . . . . . . 57

4.3.1. Programa de resolución de sistema de ecuaciones por el método
de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.4. Deber 4: Programas SVD, Compresión imagenes RGB, Interpolación La-
grange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4.1. SVD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.4.2. Compresión imagenes RGB . . . . . . . . . . . . . . . . . . . . . . 62
4.4.3. Interpolación Lagrange . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5. Deber 5: Ejercicios sistemas lineales . . . . . . . . . . . . . . . . . . . . . . 65
4.5.1. Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.5.2. Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.5.3. Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.5.4. Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5.5. Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.6. Deber 6: Ejercicios interpolación . . . . . . . . . . . . . . . . . . . . . . . . 75
4.6.1. Determine en los siguientes casos, el polinomio interpolador de
Lagrange para aproximar la función f (x) = x3 . . . . . . . . . . . 75
4.6.2. Modificar el código dado para que realice el gráfico de los nodos
(puntos) y el polinomio interpolador. . . . . . . . . . . . . . . . . 76
4.6.3. Cree su propio código . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.6.4. En el cuadro 2 se muestran temperaturas que fueron medidas
cada hora, durante un lapso total de 5 horas. . . . . . . . . . . . . 79
4.6.5. Tareas Interpolación de Newton . . . . . . . . . . . . . . . . . . . 81
4.6.6. Determine en los siguientes casos, el polinomio interpolador de
Lagrange para aproximar la función f (x) = x3 . . . . . . . . . . . 81
4.6.7. Modificar el código dado para que realice el gráfico de los nodos
(puntos) y el polinomio interpolador. . . . . . . . . . . . . . . . . 82
4.6.8. Cree su propio código . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.6.9. En el cuadro 2 se muestran temperaturas que fueron medidas
cada hora, durante un lapso total de 5 horas. . . . . . . . . . . . . 84
4.7. Tareas Interpolación de Newton . . . . . . . . . . . . . . . . . . . . . . . . 86
4.7.1. En base a las funciones y datos que se muestran a la figura 2,
realizar: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.7.2. Considere M + 1 puntos (x0 ; y0 ); ...; (xM ; yM ). . . . . . . . . . . . . 88
4.7.3. En el código dado, sección anterior, la matriz D se emplea para
almacenar la tabla de diferencias divididas: . . . . . . . . . . . . . 89
4.8. Tareas Interpolación Spline . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.8.1. Construir un programa para la interpolacion spline de grado 2. . 92
4.8.2. Consultar y desarrollar una metodología para las funciones spli-
ne cubicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.8.3. Implementar un algoritmo para la interpolacion spline cubica . . 95
4.8.4. Resolver . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

4.9. Ejercicios SVD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5. Capítulo 3 101
5.1. Derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.2. Integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2.1. Integración Punto Medio . . . . . . . . . . . . . . . . . . . . . . . 103
5.2.2. Integración numérica por el método del trapecio . . . . . . . . . . 104
5.2.3. Integración numérica por el método de Simpson . . . . . . . . . . 105
5.2.4. Integración numérica por el método de Simpson Compuesta . . . 106

6.1. Deducción fórmula Integración por Simpson . . . . . . . . . . . . . . . . 108
6.2. Tarea Derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.2.1. Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.2.2. Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.2.3. Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.2.4. Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.2.5. Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.2.6. Ejercicio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2.7. Ejercicio 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.2.8. Ejercicio 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.2.9. Ejercicio 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.2.10. Ejercicio 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6.2.11. Ejercicio 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6.2.12. Ejercicio 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2.13. Ejercicio 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2.14. Ejercicio 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.2.15. Ejercicio 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.2.16. Ejercicio 16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.3. Tarea Integración Parte 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.3.1. Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.3.2. Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.3.3. Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
6.3.4. Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.3.5. Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.3.6. Ejercicio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.3.7. Ejercicio 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.3.8. Ejercicio 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.4. Tarea Integración Parte 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.4.1. Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.4.2. Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
6.4.3. Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.4.4. Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.4.5. Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
6.4.6. Ejercicio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

6.5. Consulta general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

6.5.1. Método de integración de Romberg. . . . . . . . . . . . . . . . . . 146
6.5.2. Integración adaptativa . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.5.3. Método de integración de Gauss-Legendre . . . . . . . . . . . . . 148

1. Capítulo 1
1.1. Introducción a LATEX
El sistema TEX fue diseñado y desarrollado por Donald Knuth en la
década del 70. Es un sofisticado programa para la composición tipo-
gráfica de textos científicos; en realidad es la mejor opción disponible
para edición de textos con contenido matemático tales como artículos,
reportes, libros, etc.
TEX es en la práctica un estándar para publicaciones científicas en
áreas como matemática, física, computación, etc. LATEX es un conjun-
to de macros TEX preparado por Leslie Lamport . LATEX no es un pro-
cesador de textos, es un lenguaje que nos permite preparar automá-
ticamente un documento de apariencia estándar y de alta calidad. En
general,solo necesitamos editar texto y algunos comandos y LATEX se
encarga de componer automáticamente el documento.
1.1.1. Estructura de un documento

Un documento básico en LATEX se compone de dos partes: el preámbulo del docu-
mento y el cuerpo. Al inicio del documento se debe especificar la clase de documento
y lo relativo al ajuste de las páginas, nada de lo que pongamos en el preámbulo apare-
cerá en el documento que se imprime al final. En el cuerpo se escribe el texto (normal
y matemático). Es la parte que aparecerá impresa como producto final.
A continuación se muestra una estructura simple de un documento en LATEX:
\documentclass{article}
\begin{document}
\tableofcontents
\newpage
Mi primer documento.
\end{document}
documentclass{article} Es la clase de documento, article se refiere al archivo article.cls
y se utiliza para hacer artículos. En vez de ?article? se puede utilizar ?report? o ?book?
para un reporte o un libro.
1.1.2. Fórmulas
Vamos a mostrar distintas formas de escribir símbolos o fórmulas.
Símbolo de dolar $
Esta forma es útil cuando se escribe en el mismo párrafo.
Ejemplo:
El código:

el teorema de Pit\’agoras es: $a^2+b^2=c^2$

Produce:
el teorema de Pitágoras es: a2 + b2 = c2
Símbolos [...]
Ejemplo: El código:
el teorema de Pit\’agoras es: \[ a^2+b^2=c^2 \]

Produce:
el teorema de Pitágoras es:
a2 + b 2 = c 2

a2 + b 2 = c 2
Utilizando un ambiente(equation)
Ejemplo: El código:
el teorema de Pit\’agoras es:

\begin{equation}
a^2+b^2=c^2
\end{equation}
Produce:
a2 + b 2 = c 2 (1)
Observación: una de las propiedades de los ambientes es el hecho de que nos permite
utilizar etiquetas (label),con etiquetas podemos se pueden realizar llamados. Ejemplo:
El código:

\begin{equation}\label{ec.3}
A_c =\pi r^2
\end{equation}
La ecuaci\’on (\ref{ec.3}) es la f\’ormula
para la superficie de la circunferencia.\\
Produce:
Ac = πr2 (2)
La ecuación (2) es la fórmula para la superficie de la
circunferencia.
1.1.3. Listas y enumeraciones

Los tipos de listas básicas son: itemize, enumerate y description.
Lista del tipo itemize

Ejemplo:
El código:
\begin{itemize}
\item perro
\item gato
\item vaca
\end{itemize}
Lista dentro de lista
\begin{itemize}
\item perro
\begin{itemize}
\item golden
\item pastor
\item labrador
\end{itemize}
\item gato
\item vaca
\end{itemize}
Produce:

perro
gato
vaca
perro
• golden
• pastor
• labrador
gato
vaca
Listas del tipo enumerate

Produce una lista enumerada. Ejemplo
El código:
\begin{enumerate}
\item perro
\item gato
\item vaca
\end{enumerate}
\begin{enumerate}
\item perro
\begin{enumerate}
\item golden
\item pastor
\item labrador
\end{enumerate}
\item gato
\item vaca
\end{enumerate}
Produce:

1. perro
2. gato
3. vaca
1. perro
a) golden
b) pastor
c) labrador
2. gato
3. vaca
Listas con description

Permite hacer listas personalizadas. Ejemplo:
El código:
\begin{description}
\item[Presidente.-] El que manda.
\item[Secretario.-] El que escribe.
\item[Tesorero.-] El del dinero.
\end{description}
Produce:
Presidente.- El que manda.
Secretario.- El que escribe.
Tesorero.- El del dinero.
1.1.4. Arreglos y tablas
Arreglos (array)
Se recomienda utilizar modo array cuando se utilizan fórmulas o símbolos en su
mayoría.
Ejemplo 1
El Código:

\[\begin{array}{ccc}
2 & 3 & 4\\
5 & 6 & 7
\end{array}\]
%%
\[A= \left(\begin{array}{ccc}
2 & 3 & 4\\
5 & 6 & 7
\end{array}\right)\]
Produce:
2 3 4
5 6 7

2 3 4
A=
5 6 7
Ejemplo 2
El Código:
\[B= \left[\begin{array}{cc}
\sin(x) & \int_a^b e^x dx \\
2 & \frac{x^2+3x+5}{6}
\end{array}\right]\]
Produce:
" Rb #
sin(x) a
ex dx
B= x2 +3x+5
2 6
Ejemplo 3
El código:
\[f(x)=\left\{\begin{array}{lcr}
x^2+x-1 & si & x\geq 1\\
x & \mbox{si} & x<1
\end{array}\right.\]
Produce:

x2 + x − 1 si x ≥ 1
f (x) =
x si x < 1

1.1.5. Tablas(tabular)
Se recomienda utilizar el modo tabular cuando se utiliza textos.
Ejemplo 1. Tabla sin formato
Con el código:
\begin{tabular}{cccccc}
H&L&M&X&J&V\\
7-9&x& & &x& \\
9-11 & & x & &x&x \\
11-13 & & x & &x& \\
\end{tabular}\\
Produce:
H L M X J V
7-9 x x
9-11 x x x
11-13 x x
Ejemplo 2. Tabla con líneas horizontales.

El código:
\begin{tabular}{cccccc}
H&L&M&X&J&V\\ \hline
7-9&x& & &x& \\ \hline
9-11 & & x & &x&x \\ \hline
11-13 & & x & &x& \\ \hline
\end{tabular}\\
Produce:
H L M X J V
7-9 x x
9-11 x x x
11-13 x x
Ejemplo 3. Tabla con líneas verticales.

El código:

\begin{tabular}{|c|c|c|c|c|c|} \hline
7-9&x& & &x& \\ \hline
9-11 & & x & &x&x \\ \hline
11-13 & & x & &x& \\ \hline
\end{tabular}\\
Produce:
H L M X J V
7-9 x x
9-11 x x x
11-13 x x
tabla con entorno (table)

Al usar el entorno table se puede etiquetar tablas en diferentes secciones del docu-
mento.
Ejemplo
El código:
\begin{table}[h!]
\begin{center}
\begin{tabular}{|c|c|c|c|c|c|} \hline
7-9&x& & &x& \\ \hline
9-11 & & x & &x&x \\ \hline
11-13 & & x & &x& \\ \hline
\end{tabular}\\
\end{center}
\caption{Este es un ejemplo de horario}
\end{table}\label{tb.1}
Produce:
H L M X J V
7-9 x x
9-11 x x x
11-13 x x
Cuadro 1: Este es un ejemplo de horario

1.2. Conceptos Generales

1. Métodos Numéricos
Los métodos numéricos son técnicas mediante las cuales es posible formular pro-
blemas de tal forma que sean resueltas con operaciones aritméticas, Aunque hay
muchos tipos de métodos numéricos todos comparten una característica común,
llevan cabo un buen número de tediosos cálculos aritméticos.
Además otros autores consideran que los métodos numéricos nos vuelven aptos
para entender esquemas numéricos a fin de resolver problemas matemáticos, de
ingeniería y científicos en una computadora, reducir esquemas numéricos bási-
cos, escribir programas y resolverlos en una computadora y usar correctamente
el software existente para dichos métodos y no solo aumenta nuestra habilidad
para el uso de computadoras sino que también amplia la pericia matemática y la
comprensión de los principios científicos básicos.
2. Cifras Significativas
Es el número de dígitos en que se pueden usar en una variable.
3. Precisión
Es el número de cifras significativas que representan una cantidad.
4. Exactitud
Se refiere a la aproximación de un número o de una medida, al valor numérico
que se supone representa.
Por ejemplo:
π = 3, 15 es impreciso e inexacto
π = 3, 14 es impreciso pero exacto
π = 3, 151692 es preciso pero inexacto
π = 3, 141593 es preciso y exacto
5. Convergencia y estabilidad
Convergencia se refiere a ir al punto al que se debe, y la estabilidad es la trayec-
toria en ir a ese punto. Un método numérico termina por acercarse cada vez más
al valor buscado de lo contrario se desecha.
Si un Método Numérico es convergente y estable, se dice que es ROBUSTO.
6. Series
a) Definición de serie.
Una serie es la generalización de la noción de suma a los términos de una

sucesión infinita. Informalmente, es el resultado de sumar los términos

Dada una sucesión {aa }∞ n=1 la serie de término general an se denota por:
∞
X
an
n=1
b) Definición de suma parcial
La suma parcial nésima de la serie, se define como:

n
X
Sn = ak
k=1
c) Definición de convergencia y divergencia

Si la sucesión Sn ∞
n=1 converge a un límite S, llamado suma de la serie, es decir
n
X
lı́m Sn = ak = S
n→∞
k=1
Se dice que la serie converge; caso contrario diverge.
1.3. Teorema de Taylor

1. TEOREMA DE TAYLOR.
Supongamos que f ∈ C n+1 [a, b] y sea x0 ∈ [a, b]. Entonces, para cada x ∈ (a, b)
existe un número c = c(x) que está entre x0 y x y verifica que
f (x) = Pn (x) + Rn (x)

donde
n
X f (n) (x0 ) f n+1 (c)
Pn (x) = (x − x0 )k ; Rn (x) = (x − x0 )n+1
k=0
k (n + 1)
2. Polinomio
El polinomio de Taylor, alrededor de un punto x0 , se define como

0 00
pn (x) = f (x0 ) + f (x0 )(x − x0 ) + 12 f (x0 )(x − x0 )2 + ..... + 1nf n (x0 )(x − x0 )n
pn (x)

1.4. Error y Orden de Aproximación

Si decimos que O(hn ) es el orden de error que aproxima una funcion a su valor
exacto, podemos escribir la Serie de Taylor de la siguiente manera:
f (h) = p(h) + O(hn )
Entonces, se deduce que existe una constante real M > 0 y un número n ∈ N tal que
|f (h) − p(h)|
≤M
hn
|f (h) − p(h)| ≤ M |hn |

Como propiedades tenemos las siguientes:
O(hp ) + O(hp ) = O(hp )
O(hp ) + O(hq ) = O(hr ); siendo r = mín {p, q}
O(hp ) ∗ O(hq ) = O(hs ); siendo s = p + q
Ejemplificando lo anterior√antes mencionado aplicamos la teoria de truncamiento a

la Serie de Taylor del ln(x) y x; con Orden de Aproximacion 5:
(h − 1)2 (h − 1)3 (h − 1)4

ln(h) = −1 + h − + − + O(h5 )
2 3 4
√
1 h (h − 1)2 (h − 1)3 5 ∗ (h − 1)4
+ −x= + − + O(h5 )
2 2 8 16 4
√
Entonces el Orden de aproximacion de ln(h) + h es:
√ 1 3h 5 ∗ (x − 1)2 19 ∗ (x − 1)3 3 ∗ (x − 1)4
ln(h) + h=− + − + − + O(h5 )
2 2 8 48 2
1.5. Análisis del Error

1.5.1. Error Absoluto
Se define como el valor absoluto de el valor teórico menos el valor medido:
Ep = |p − p0 |
1.5.2. Error Relativo

Se define como el valor absoluto de el valor teórico menos el valor medido, todo
esto sobre el valor teórico.nos da el error en porcentaje:
|p − p0 |
Rp =
p

1.5.3. Error de truncamiento

Los errores de truncamiento son aquellos que resultan al usar una aproximación en
lugar de un procedimiento matemático exacto.
Estos tipos de errores son evaluados con una formulación matemática: la serie de Tay-
lor mediante el análisis del residuo.
1.5.4. Error de redondeo

Los errores de redondeo se deben a que las computadoras solo guardan un numero
finito de cifras significativas durante un calculo.
1.5.5. Propagación del Error

p : Valor real
pb : Valor aproximado
Ep : Error de aproximación
p = pb + Ep
Propagación del error en multiplicación:
p+q pb + Ep pb − Ep
qb + Eq pb + qb + (Ep + Eq) pb + qb + (Eq − Ep)
qb − Eq pb + qb + (Ep − Eq) pb + qb − (Eq + Ep)
Erpq : Error relativo multiplicación

Erp : Error relativo de p
Erq : Error relativo de q

pq − pbqb
Erpq =
pq
Erpq = Erq + Erp
1.6. Solución numérica de ecuaciones no Lineales

Existe diferentes métodos destinados a resolver o en otras palabras hallar la raiz de
una ecuación, es decir problemas del tipo:
f (x) = 0
Los métodos encontrarán raíces de funciones continuas y derivables en un intervalo
[a, b]. Entre los métodos que existen están son los siguientes:

1.6.1. Método de la Bisección

El método de bisección es un algoritmo de búsqueda de raíces que trabaja dividien-
do el intervalo a la mitad y seleccionando el subintervalo que tiene la raíz.
El procedimiento de análisis este método es el siguiente:
Procedimiento
Debe existir seguridad sobre la continuidad de la función f (x) en el
intervalo [a, b].
A continuación se verifica la condición de que f (a) × f (b) < 0.
Se calcula el punto medio m del intervalo [a, b] y se evalúa f (m) si ese

valor es igual a cero, ya hemos encontrado la raíz buscada.
En caso de que no lo sea, verificamos si f (m) tiene signo opuesto con

f (a) o con f (b)
Se redefine el intervalo [a, b] como[a, m], [m, b] según se haya determi-

nado en cuál de estos intervalos ocurre un cambio de signo
Con este nuevo intervalo se continua sucesivamente encerrando la

solución en un intervalo cada vez más pequeño, hasta alcanzar la
precisión deseada.
Representación geométrica
Programa en Matlab
clc
clear all
f=@(x)(x^3-1);
a=-1;
b=1;

e=0.1
i=1;
if f(a)*f(b)>0
error(’No hay raiz’);
end
while abs(b-a)>e
c=(b+a)/2;
if f(c)==0
raiz=c;
break
end
r(i)=c
if f(a)*f(c)<0
b=c;
else
a=c;
end
i=i+1;
end
raiz=c;
raiz
1.6.2. Método de Newton

Conocido también como el método de Newton-Raphson o el método de Newton-
Fourier es un algoritmo eficiente para encontrar aproximaciones de los ceros o raíces
de una función real.
Formula algorítmica de obtención del Método de Newton:
f (xn )
xn+1 = xn −
f 0 (xn
El método de newton se obtiene mediante la siguiente demostración en función de
la Serie de Taylor para un punto Xn
f 00 (xn )
f (x) = f (xn ) + f 0 (xn )(x − xn ) + (x − xn )2 + ...
2!
Si se trunca el desarrollo a partir del término de grado 2, y evaluamos en xn+1 :
f (xn+1 ) = f (xn ) + f 0 (xn )(xn+1 − xn )

Si además se acepta que xn+1 tiende a la raíz, se ha de cumplir que f (xn+1 ) = 0, luego,
sustituyendo en la expresión anterior, obtenemos el algoritmo.
f (xn )
xn+1 = xn −
f 0 (xn )

Procedimiento
1. Definir el punto inicial x0 , cercano a la raíz buscada y el error.
2. Empezar el proceso iterativo:
f (x0 )
x1 = x0 −
f 0 (x0 )
3. Comprobar si f (x1 ) = 0. Si esto se cumple el método termina, caso

contrario, hacer:
x0 = x 1
y regresar al paso 2).
4. Continuar con los pasos 2) y 3) hasta que:
f (x0 ) ≤ Error
Programa en Matlab
clc
clear all
f=@(x)(x^2-5*x+6);
df=@(x)(2*x-5);
x=0;
e=0.001;
while abs(f(x))> e
x1=x-(f(x)/df(x));
if f(x1)==0

raiz=x1;
break
else
x=x1;
end
end
raiz=x1
1.6.3. Método de la Secante

Se considera a este método como una variación del método de Newton-Raphson
donde en vez de calcular la derivada de la función en el punto de estudio, teniendo en
mente la definición de derivada, se aproxima la pendiente a la recta que une la función
evaluada en el punto de estudio y en el punto de la iteración anterior.
Ventajas sobre Método de Newton: Este método es de especial intervalos cuando

el coste computacional de derivar la función de estudio y evaluarla es demasiado ele-
vado, por lo que el método de Newton no resulta atractivo.
Formula algorítmica de obtención del método de la secante:
xn − xn−1
xn+1 = xn − f (xn )
f (xn ) − f (xn−1 )
Procedimiento
1. Definir los puntos iniciales x0 y x1 , cercanos a la raíz buscada y el error.
2. Se calcula el primer valor x2 con la fórmula iterativa:
f (x0 )(x1 − x0 )
x2 = x0 −
f (x1 ) − f (x0 )
3. Se Comprueba si f (x2 ) = 0. Si esto se cumple el método termina, caso

contrario, hacer x0 = x1 y x1 = x2 y regresar al paso 2).
4. Continuar con los pasos 2) y 3) hasta que:
f (x2 ) ≤ Error

Programa en Matlab
clc
clear all
f=inline(’x^2-5*x+6’);
x0=0;
x1=1;
e=0.001;
x2=x1-(f(x1)*(x1-x0)/(f(x1)-f(x0)));
if f(x2)==0
raiz=x2;
end
while abs(f(x2))>e
x0=x1;
x1=x2;
x2=x0-(f(x0)*(x1-x0)/(f(x1)-f(x0)));
end
raiz=x2
2. Ejercicios Resueltos: Capítulo 1

2.1. Deber 1: Halle el polinomio de Taylor de grado n=4 para cada
una de las siguientes funciones alrededor del punto x0 dado.
√
2.1.1. f (x) = x , x0 = 1
Análisis Aplicando el teorema de Taylor:
f (x) = Pn (x) + Rn (x)
donde:
n
X f (R) (x0 )(x − x0 )R
Pn (x) =
R=0
R!
f n+1 (c)(x − x0 )n+1

Rn (x) =
(n + 1)!
Primero se halla y se evalúa las derivadas de la función para poder completar los tér-
minos de la serie.
√
f (x) = x =⇒ f (1) = 1
1 1
f i (x) = √ =⇒ f 0 (1) =
2 x 2

3
ii x− 2 1
f (x) = − =⇒ f ii (1) = −
4 4
5
iii3x− 2 3
f (x) = =⇒ f iii (1) =
8 8
7
iv 15x− 2 15
f (x) = − =⇒ f iv (1) = −
16 16
9
v 105x− 2
f (x) =
32
Por lo tanto el polinomio de Taylor será el siguiente:

(1)(x − 1)0 (x − 1) (x − 1)2 3(x − 1)3 15(x − 1)4
Pn (x) = + − + −
0! 2(1!) 4(2!) 8(3!) 16(4!)
2 3 4
(x − 1) (x − 1) (x − 1) 5(x − 1)
Pn (x) = 1 + − + −
2 8 16 128
Y su residuo para n=4 será:
−9
7
Rn (x) = 256 (c) 2 (x − 1)5
Por lo tanto si se pretende hallar el valor máximo de error, se deriva la función de c y
se iguala a cero:
− 2√9c11 = 0
Pero en este caso c toma valores infinitos, por lo que se toma el valor máximo del
intervalo 0 < x0 < 2 como el valor de c, es decir: c = 2 PProgramación en Matlab
clc
x=0:0.1:2;
f=(x).^(1/2);
f1=1+(x-1)/2;
f2=1+((x-1)/2)-(((x-1).^2)/8);
f3=1+((x-1)/2)-(((x-1).^2)/8)+(((x-1).^3)/16);
f4=1+((x-1)/2)-(((x-1).^2)/8)+(((x-1).^3)/16)-5*(((x-1).^4)/128);
plot(x,f,x,f1,x,f2,x,f3,x,f4)
legend(’0’,’p1’,’p2’,’p3’,’p4’)
grid
Corrida de escritorio:

2.1.2. f (x) = x5 + 4x3 + 3x + 1,x0 = 0

Análisis Se halla y se evalúa las derivadas de la función para poder completar los
términos de la serie de Taylor.
f (x) = x5 + 4x2 + 3x + 1 =⇒ f (0) = 1
f i (x) = 5x4 + 8x + 3 =⇒ f i (0) = 3
f ii (x) = 20x3 + 8 =⇒ f ii (0) = 8
f iii (x) = 60x2 =⇒ f iii (0) = 0
f iv (x) = 120x =⇒ f iv (0) = 0
f v (x) = 120


(1)(x − 0)0 3(x − 0) 8(x − 0)2 0(x − 0)3 0(x − 0)4
Pn (x) = + + + +
0! (1!) (2!) (3!) (4!)
2
Pn (x) = 1 + 3x + 4x
120x5
Rn (x) =
5!
se iguala a cero:
0=0
En este caso se cumple la igualdad pero aún así hay que considerar que el mayor valor
de c que sería el máximo del intervalo −1 < x0 < 1, es decir: c = 1 Programación en
Matlab
clc
x=-1:0.1:1;
f=x.^5+4*(x.^2)+3*x+1;
f1=1+3*x;
f2=1+3*x+4*(x.^2);
plot(x,f,x,f1,x,f2)
legend(’0’,’p1’,’p2’)
grid

2.1.3. f (x) = cos(x),x0 = 0

Análisis Se halla y se evalúa las derivadas de la función para poder completar los
términos de la serie de Taylor.
f (x) = cos(x) =⇒ f (0) = 1
f i (x) = −sen(x) =⇒ f i (0) = 0
f ii (x) = −cos(x) =⇒ f ii (0) = −1
f iii (x) = sen(x) =⇒ f iii (0) = 0
f iv (x) = cos(x) =⇒ f iv (0) = 1
f v (x) = −sen(x)

(1)(x − 0)0 0(x − 0) (−1)(x − 0)2 0(x − 0)3 1(x − 0)4
Pn (x) = + + + +
0! (1!) (2!) (3!) (4!)
2 4
x x
Pn (x) = 1 − +
2 24
−sen(c)x5
Rn (x) =
120
se iguala a cero:
cos(c) = 0
π 3π 5π
Por lo tanto c toma los valores de , , , ... Como estos valores son mayores que
2 2 2
uno (límite superior del intervalo) entonces estos no estan disponibles y por lo tanto
se debe tomar como mayor valor de c el máximo del intervalo −1 < x0 < 1, es decir:
c = 1 Programación en Matlab
clc
x=-1:0.1:1;
f=cos(x);
f1=1;
f2=1-((x.^2)/2);
f3=1-((x.^2)/2)+((x.^4)/24);

plot(x,f,x,f1,x,f2,x,f3)
legend(’0’,’p1’,’p2’,’p3’)
grid
2.2. Deber 2: Problemas 9-10-11, Pág 41-42

1
= 1 + h + h2 + h3 + O(h4 )
1−h
h2 h4
cos(h) = 1 − + + O(h6 )
2! 4!
Determine el orden de aproximación de la suma, resta, producto y división

Resolución
Orden de aproximación de la suma.

1 h2 h4
1−h
+ cos(h) = 1 + h + h2 + h3 + O(h4 ) + 1 − 2!
+ 4!
+ O(h6 )
1 2
1−h
+ cos(h) = 2 + h + h2 + h3 + O(h4 )

El orden de aproximación es: O(h4 )

Orden de aproximación de la resta.
1 h2 h4
1−h
− cos(h) = 1 + h + h2 + h3 + O(h4 ) − 1 − 2!
+ 4!
+ O(h6 )
1 2 4
1−h
− cos(h) = h + 3h2 + h3 − h4! + O(h4 ) + (−1)O(h ) 6
1 2 4
1−h
− cos(h) = h + 3h2 + h3 − h4! + O(h4 )
Orden de aproximación del producto.
h2 h4

1 2 3 4
6
(cos(h)) = 1 + h + h + h + O(h ) 1 − + + O(h )
1−h 2! 4!
h2 h4 h3 h5 h4 h6
=1− + + O(h6 ) + h − + + hO(h6 ) + h2 − + + h2 O(h6 )
2! 4! 2! 4! 2! 4!
h5 h7 h2 h4
+ h3 − + + h3 O(h6 ) + O(h4 ) − O(h4 ) + O(h4 ) + O(h4 )O(h6 )
2! 4! 2! 4!
h6

2 1 4 1 1 3 1 5 1 1
=1+h 1− +h − +h+h 1− +h − +
2! 4! 2! 2! 4! 2! 4!
7
h 1 1
+ + O(h6 ) + O(h7 ) + O(h8 ) + O(h9 ) + O(h4 ) − O(h6 ) + O(h8 ) + O(h1 0)
4! 2! 4!
h2 h3
=1+ +h+ + O(h4 )
2 2
h2 h3
=1+h+ + + O(h4 )
2 2
Orden de aproximación de la división.
h2 h4
1− 2!
+ 4!
+ O(h6 ) ÷ 1 + h + h2 + h3 + O(h4 )
1
−1 − h − h2 − h3 − O(h4 ) 1 − h + h2
2
___________________________
3 h4
−h − h2 − h3 + + O(h4 )
2 24
h + h2 + h3 + h4 + O(h5 )
___________________________
h2 25h4
− + + O(h4 )
2 24
h2 h3
+ + O(h4 )
2 2
___________________________
Por lo tanto orden de aproximación es: O(h4 )
h2 h3 h4
eh = 1 + h + + + + O(h5 )
2! 3! 4!

h3
sen(h) = h − + O(h5 )
3!

Resolución

h2 h3 h4 3
eh + sen(h) = 1 + h + + + + O(h5 ) + h − h3! + O(h5 ) eh + sen(h) = 1 + 2h +
2! 3! 4!
h2 h4
+ + O(h5 )
2! 4!
h2 h3 h4 3
h2
eh − sen(h) = 1 + h + + + + O(h5 ) − h − h3! + O(h5 ) eh − sen(h) = 1 + +
2! 3! 4! 2!
2h3 h4 h2 h3 h4
+ + O(h5 ) + (−1)O(h5 ) eh − sen(h) = 1 + + + + O(h5 ) El orden de
3! 4! 2! 3 4!
aproximación es: O(h5 )
Orden de aproximación del producto.
h2 h3 h4 h3

h 5 5

e (sen(h)) = 1 + h + + + + O(h ) h− + O(h )
2! 3! 4! 3!
h3 h4 h3 h5 h2
=h− + O(h5 ) + h2 − + O(h6 ) + − + O(h5 )
3! 3! 2! 3!2! 2!
h4 h6 h3 h5
h 7
h4
h3
+ − + O(h5 ) + − + O(h5 ) + hO(h5 ) − O(h5 ) + O(h5 )O(h5 )
3! 3!3! 3! 4! 4!3! 4! 3!
6 7

1 1 1 1 h h 1
= h − h3 − + h2 + h5 − − − + O(h5 ) + O(h7 ) + O(h7 )
2! 3! 4! 3!2! 3!3! 4!3! 2!
1 1 1
+ O(h8 ) + O(h9 ) + O(h6 ) − O(h8 ) + O(h6 )
3! 4! 3!
1 3 2 5
= h + h + h + O(h )
3

h2 h3 h4 3
1+h+ + + + O(h5 ) ÷ h − h3! + O(h5 )
2! 3! 4!
h2 1 1
−1 + − h O(h ) 5
h
+ 1 + 7h
6
3!
___________________________
h3 h4

2 1 1
h+h + + + + O(h5 )
2! 3! 3! 4!
h3
−h + − O(h5 )
3!
___________________________
2h3 h4

7
h2 + + 4! + O(h5 )
6
6
7 4
−h 2
+ 7h36
+ 76 hO(h5 )
6
___________________________
h2 h4
cos(h) = 1 − + + O(h6 )
2! 4!
h3 h5
sen(h) = h − + + O(h7 )
3! 5!

Resolución

2 4 3 5
cos(h) + sen(h) = 1 − h2! + h4! + O(h6 ) + h − h3! + h5! + O(h7 )
2 3 4 5
cos(h) + sen(h) = 1 + h − h2! − h3! + h4! + h5! + O(h6 )
2 4 3 5
cos(h) − sen(h) = 1 − h2! + h4! + O(h6 ) − h + h3! − h5! − O(h7 )
2 3 4 5
cos(h) − sen(h) = 1 − h − h2! + h3! + h4! − h5! + O(h6 )
Por lo tanto orden de aproximación es: O(h6 ) Orden de aproximación del producto.

h2 h4 h3 h5

6 7
(sen(h)) (cos(h)) = 1 − + + O(h ) h− + + O(h )
2! 4! 3! 5!
h3 h5 7 h3 h5 h7 h2 7 h5 h7 h9 h4
=h− + + O(h ) − + − − O(h ) + − + + O(h7 )
3! 5! 2! 2!3! 2!5! 2! 4! 3!4! 4!5! 4!
3 5
h h
+ hO(h6 ) − O(h6 ) + O(h6 ) + O(h6 )O(h6 )
3! 5!
h3 h5 h3 h5 h5
=h− + − + + + O(h6 )
3! 5! 3! 2!3! 4!
h3

5 1 1 1
=h− +h + +
2 5! 2!3! 4!

3 5 2 4
h − h3! + h5! + O(h7 ) ÷ 1 − h2! + h4! + O(h6 )
3 5 3 5
−h + h2! − h4! + O(h7 ) h + h3 + 2h15
___________________________
h3 5
3!
− h30 + O(h7 )
−h3 5 h7 3
3!
+ h6 + 3(24) + h3 O(h6 )
___________________________
2h5
15
+ O(h7 )
−2h 5 7 2h9 5
15
+ 2h 30
− 15(4!) + 2h
15
O(h6 )
___________________________
2.2.4. Propagación de errores de la división

Conociendo: x= x̂ +x , y= ŷ +y
La división sería:
x x̂ + x
=
y ŷ + y
Se realiza la operación de la división:
x̂ + x ÷ ŷ + y
x̂ x̂
−x̂ − y
ŷ ŷ
___________________________
x̂
x − y
ŷ
Por lo tanto:
x̂
x − y
x x̂ ŷ
= +
y ŷ ŷ + y

x x̂ ŷx − x̂y
− =
y ŷ ŷ(ŷ + y )
x x̂ x x̂y
− = −
y ŷ ŷ + y ŷ(ŷ + y )
x x̂ x̂
− x Ery
y ŷ y ŷ
x = x − x
y y
y
Por lo tanto la propagación de errores será la siguiente:
Erx/y =Erx-Ery
Erx/y =Erx+Ery
2.2.5. La Fórmula Mejorada para la Resolución de la Ecuación de Segunda Gra-

do. Supongamos que a 6= 0 y que b2 − 4ac > 0 y consideramos la ecuación
ax2 + bx + c = 0. Sus raíces pueden hallarse mediante la conocida fórmula
√
−b + b2 − 4ac
x1 =
2a
y √
−b − b2 − 4ac
x2 =
2a
Pruebe que estas raíces pueden calcularse mediante fórmulas equivalentes
−2c
x1 = √
b + b2 − 4ac
y
−2c
x2 = √
b − b2 − 4ac
√
Indicación. Racionalice el numerador de (i). Observación. Cuando |b| ≈ b2 − 4ac,
hay que proceder con cuidado para evitar la pérdida de precisión por cance-
lación. Si b > 0, entonces x1 debería ser calculado con la fórmula (ii) y x2
debería ser calculado con la fórmula (i); mientras que si b < 0, entonces x1
debería ser calculado usando (i) y x2 debería ser calculado usando (ii).
Resolución
Primero se trabaja con x1 :

√ √
−b + b2 − 4ac −b − b2 − 4ac b2 − b2 + 4ac
x1 = √ = √
2a −b − b2 − 4ac 2a(−b − b2 − 4ac)
−2c
x1 = √
b + b2 − 4ac

Ahora con x2 :
√ √
−b − b2 − 4ac −b + b2 − 4ac b2 − b2 + 4ac
x2 = √ = √
2a −b + b2 − 4ac 2a(−b + b2 − 4ac)
−2c
x2 = √
b − b2 − 4ac
2.2.6. Use la fórmula adecuada para calcular x1 y x2 , tal como se explica en el Ejer-
cicio 12, para hallar las raíces de las siguientes ecuaciones de segundo grado.
x2 − 1000,001x + 1 = 0
x2 − 10000,0001x + 1 = 0
x2 − 100000,00001x + 1 = 0
x2 − 1000000,000001x + 1 = 0
Resolución: x2 − 1000,001x + 1 = 0
√ p
b2 − 4ac = 2
√ (1000,001) − 4(1)(1) ≈ |b|
−b + b2 − 4ac
x1 = = 1000
2a
−2c
x2 = √ = 0,001
b − b2 − 4ac
Resolución: x2 − 10000,0001x + 1 = 0
√ p
b2 − 4ac = 2
√ (10000,0001) − 4(1)(1) ≈ |b|
−b + b2 − 4ac
x1 = = 10000
2a
−2c
x2 = √ = 0,0001
b − b2 − 4ac
Resolución: x2 − 100000,00001x + 1 = 0
√ p
b2 − 4ac = 2
√ (100000,00001) − 4(1)(1) ≈ |b|
−b + b2 − 4ac
x1 = = 100000
2a
−2c
x2 = √ = 0,00001
b − b2 − 4ac
Resolución: x2 − 1000000,000001x + 1 = 0
√ p
b2 − 4ac = 2
√ (1000000,000001) − 4(1)(1) ≈ |b|
−b + b2 − 4ac
x1 = = 1000000
2a
−2c
x2 = √ = 0,000001
b − b2 − 4ac

2.3. Deber 3: Problemas 3-8-9-11-14, Pág 67

2.3.1. Para cada una de las siguientes funciones, halle un intervalo [a,b] de manera
que f (a) y f (b) tengan distinto signo.
f (x) = ex − 2 − x
f (x) = cos(x) + 1 − x
f (x) = ln(x) − 5 + x
f (x) = x2 − 10x + 23
Resolución: f (x) = ex − 2 − x
Se realiza una tabla para observar el cambio de signo, dando valores a la variable in-
dependiente.
x Signo f(x)
-2 +
-1 -
0 -
1 -
2 +
Por lo tanto se observa un cambio de signo en x = 1 y x = 2, es decir el intervalo es
x ∈ [1, 2]
Resolución: f (x) = cos(x) + 1 − x
dependiente.
x Signo f(x)
-2 +
-1 +
0 +
1 +
2 -
x ∈ [1, 2]
Resolución: f (x) = ln(x) − 5 + x
dependiente.
x Signo f(x)
1 -
2 -
3 -
4 +
x ∈ [3, 4]

Resolución: f (x) = x2 − 10x + 23
dependiente.
x Signo f(x)
-2 +
-1 +
0 +
1 +
2 +
3 +
4 -
x ∈ [3, 4]
2.3.2. Denotamos por [a0 , b0 ], [a1 , b1 ], ..., [an , bn ] los intervalos que se generan en el
método de bisección.
2.3.3. Pruebe que a0 ≤ a1 ≤ ... ≤ an ≤ ... y que ... ≤ bn ≤ ... ≤ b1 ≤ b0
Se conoce que:
b 0 + a0
a1 =
2
Ademas:
2[a1 − a0 ] = b0 − a0
Por lo tanto despejando a1
b 0 − a0
a1 = + a0 > a0
2
Y queda demostrado.
2.3.4. Pruebe que bn − an = (b0 − a0 )/2n

Por ser intervalos se sabe que:
b 0 − a0
b 1 − a1 =
2
Ademas:
b 1 − a1 b 0 − a0
b 2 − a2 = =
2 4
b 2 − a2 b 1 − a1 b 0 − a0
b 3 − a3 = = =
2 4 8
Por lo tanto generalizando:
b 0 − a0
b n − an =
2n

2.3.5. Sea cn = (an + bn )/2 el punto medio de cada intervalo. Pruebe que:

n→∞ n→∞ n→∞
Resolucón Se conoce que:

an + b n
cn =
2
Aplicando límites>
an bn
lı́m cn = lı́m + lı́m
n→∞ n→∞ 2 n→∞ 2
También se conoce que:

b 0 − a0
b n − an =
2n
Por lo tanto:
lı́m bn − an = 0
n→∞
lı́m bn = lı́m an
n→∞ n→∞
Reemplazando esta ultima igualdad en la segunda obtenida:

an an
lı́m cn = lı́m + lı́m lı́m cn = lı́m an
n→∞ n→∞ 2 n→∞ 2 n→∞ n→∞
Y se concluye que:

n→∞ n→∞ n→∞
2.3.6. ¿Qué ocurrirá si susamos el método de bisección con

1
f (x) =
x+2
en:
2.3.7. el intervalo [3,7]?
f (3) ∗ f (7)?0
(1) ∗ 0,2 < 0
Por lo tanto en este intervalo no hay raíz.

2.3.8. el intervalo [1,7]?
f (1) ∗ f (7)?0
(−1) ∗ 0,2 < 0
Según el teorema si hay raíz.
1+7
c0 = =4
2
Se tienen dos intervalos: [1, 4] ∨ [4, 7]
f (1) ∗ f (4)?0
(−) ∗ (+) < 0

1+4
Por lo tanto se trabaja con este intervalo: c1 = = 2,5 Se tienen otra vez dos
2
intervalos: [1, 2,5] ∨ [2,5, 4]
f (1) ∗ f (2,5)?0
(−) ∗ (+) < 0
1 + 2,5
Por lo tanto se trabaja con este intervalo: c2 = = 1,75 Se tienen otra vez dos
2
intervalos: [1, 1,75] ∨ [1,75, 2,5]
f (1,75) ∗ f (2,5)?0
(−) ∗ (+) < 0

Según el teorema si hay raíz.
1,75 + 2,5
c3 = = 2,125
2
Como se observa la raíz va convergiendo a 2, sin embargo este valor equivale a la
asintota de la función, por lo tanto se concluye que no hay raíces en este intervalo.
2.3.9. Supongamos que usamos el método de bisección para hallar un cero de f (x)
en el intervalo [2, 7]. ¿Cuántas bisecciones hay que hacer para asegurar que la
aproximación cN tiene una precisión de 5 × 10−9 ?
Se conoce la fórmula:
ln(b − a) − ln(error)
n=
ln(2)
Reemplazando en la fórmula:
ln(7 − 2) − ln(5 × 10−9 )

n=
ln(2)
n = 63

2.3.10. El polinomio f (x) = (x − 1)3 (x − 2)(x − 3) tiene tres ceros: x = 1 de multipli-

cidad 3 y x = 2 y x = 3, cada uno de ellos de multiplicidad 1. Si a0 y b0 son
números reales tales que a0 < 1 y b0 > 3 se eligen tales que cn = an +b 2
n
no es
igual a 1, ni a 2 ni a 3 para ningun n ≥ 1, entonces el método de biseccion
nunca convergerá a ¿cuál o cuáles ceros?¿por qué?
Por lo tanto se escogen (por conveniencia) los siguientes intervalos: [0, 4], [0, 5], [0, 6], [0, 7], [0, 8]
Un intervalo que cumple las condiciones del problema es [0, 5] Se aplica el método de
la bisección:
c0 = 0+5
2
= 2,5
Se tienen dos intervalos: [0, 2,5] ∨ [2,5, 5].
En el primer intervalo f (0) ∗ f (2,5) > 0 por lo tanto en este intervalo no habrián rai-
ces, sin embargo se conoce que esto no es cierto. En conclusión con el método de la
bisección en este intervalo nunca convergerá a x = 1 ∨ x = 2.
2.4. Deber 4: Problemas 1,2,3,5,7,11,20 de la Pág 93-94

2.4.1. Sea f (x) = x2 − x + 2
2.4.2. Determine la fórmula de Newton-Raphson pk = g(pk−1 )
f (pk−1 )
pk = g(pk−1 ) = pk−1 −
f 0 (pk−1 )
Como f 0 (x) = 2x − 1 entonces:
(pk−1 )2 − 2(pk−1 ) + 2 2(pk−1 )2 − pk−1 − (pk−1 )2 + pk−1 + 2 (pk−1 )2 + 2

pk = g(pk−1 ) = pk−1 − = =
2(pk−1 ) − 1 2(pk−1 ) − 1 2(pk−1 ) − 1
2.4.3. Empiece con p0 = −1,5 y calcule p1 , p2 y p3

p0 = −1,5
(−1,5)2 − (−1,5) + 2
p1 = (−1,5) − = −0,0625
2(−1,5) − 1
(−0,0625)2 − (−0,0625) + 2
p2 = (−0,0625) − = 1,74
2(−0,0625) − 1
p3 = 0,45
Se observa que este método no funciona correctamente debido a que el polinomio tiene
raíces complejas.
2.4.4. Sea f (x) = x2 − x − 3

Como f 0 (x) = 2x − 1 entonces:
(pk−1 )2 − 2(pk−1 ) − 3 2(pk−1 )2 − pk−1 − (pk−1 )2 + pk−1 + 3 (pk−1 )2 + 3

pk = g(pk−1 ) = pk−1 − = =
2(pk−1 ) − 1 2(pk−1 ) − 1 2(pk−1 ) − 1

2.4.6. Empiece con p0 = 1,6 y calcule p1 , p2 y p3

p0 = 1,6
(1,6)2 +3
p1 = 2(1,6)−1 = 2,527
2
(2,527) +3
p2 = 2(2,527)−1 = 2,315
p3 = 2,3028
2.4.7. Empiece con p0 = 0,0 y calcule p1 , p2 , p3 y p4 ¿Qué puede conjeturarse sobre

esta sucesón?
p0 = 0,0
(0)2 +3
p1 = 2(0)−1 = −3
p2 = −1,71429
p3 = −1,34
p4 = −1,30
La sucesión converge mas lentamente en p0 = 0,0.
2.4.8. Sea f (x) = (x − 2)4

Como f 0 (x) = (x − 2)3 entonces:
(pk−1 − 2)4 4(pk−1 )(pk−1 − 2)3 − (pk−1 − 2)4 4(pk−1 ) − (pk−1 − 2)

pk = g(pk−1 ) = pk−1 − 3
= 3
=
4(pk−1 − 2) 4(pk−1 − 2) 4
3(pk−1 ) + 2
pk =
4
2.4.10. Empiece con p0 = 2,1 y calcule p1 , p2 , p3 y p4

p0 = 2,1
p1 = 3(2,1)+2
4
= 2,075
3(2,075)+2
p2 = 4
= 2,056
3(2,056)+2
p3 = 4
= 2,042
3(2,042)+2
p4 = 4
= 2,0315
2.4.11. Esta sucesión, ¿converge linealmente o cuadráticamente?

Converge cuadráticamente.

2.4.12. Considere la función: f (x) = cos(x)

Como f 0 (x) = −sen(x) entonces:
cos(pk−1 ) sen(pk−1 )(pk−1 ) + cos(pk−1 )

pk = g(pk−1 ) = pk−1 + =
sen(pk−1 ) sen(pk−1 )
2.4.14. Deseamos aproximarnos a la raíz p = 3π/2. ¿Podemos usar p0 = 3? ¿Por qué?

p0 = 3
No se puede usar este valor, porque la sucesión convergerá a la raíz π/2 debido a que
esta está mas cerca.
2.4.15. Deseamos aproximarnos a la raíz p = 3π/2. ¿Podemos usar p0 = 5? ¿Por qué?

Si se puede usar este valor por este valor es ta mas cercano a la raíz p = 3π/2.
2.4.16. Considere la función: f (x) = xe−x

Como f 0 (x) = e−x − xe−x entonces:
pk−1 e−pk−1 pk−1 pk−1 − (pk−1 )2 − pk−1 (pk−1 )2

pk = g(pk−1 ) = pk−1 + = p k−1 − = =
e−pk−1 − pk−1 e−pk−1 1 − pk−1 1 − pk−1 pk−1 − 1
2.4.18. Para p0 = 0,2, calcule p1 , p2 , p3 , p4 . ¿Cuánto vale lı́mk→∞ pk ?

p0 = 0,2
(0,02)2
p1 = 0,02−1 = 0,05
p2 = 2,63 × 10−3
p3 = 6,94 × 10−6
p4 = 4,821 × 10−11
lı́mk→∞ pk = 0
2.4.19. Para p0 = 20, calcule p1 , p2 , p3 , p4 . ¿Cuánto vale lı́mk→∞ pk ?

p0 = 20
(20)2
p1 = 20−1 = 21,05
p2 = 22,10
p3 = 23,14
p4 = 24,19
lı́mk→∞ pk = ∞

2.4.20. ¿Cuánto vale f (p4 ) en el apartado (c)?
f (p4 ) = 7,55 × 10−10
2.4.21. Algoritmo para la raíz cúbica. A partir de f (x) = x3 − A, donde A es un

número real cualquiera, deduzca la fórmula de recursión
2pk−1 + A/p2k−1
pk =
3
para k = 1, 2, ...
Como f 0 (x) = 3x2 entonces:
(pk−1 )3 − A pk−1 (3(pk−1 )2 ) − (pk−1 )3 − A

pk = g(pk−1 ) = pk−1 − =
3(pk−1 )2 3(pk−1 )2
1
 
2
3(pk−1 )3 − (pk−1 )3 − A 2(pk−1 )3 − A 2(pk−1 )3 − A 
 (pk−1 )  = 2pk−1 + A/pk−1
2
= =
3(pk−1 )2 3(pk−1 )2 3(pk−1 )2  1  3
(pk−1 ) 2
2.4.22. Pruebe que la fórmula (27) del método de la secante es algebraicamente

equivalente a
pk−1 f (pk ) − pk f (pk−1 )
pk+1 =
f (pk ) − f (pk−1 )
La fórmula (27) es la siguiente:
f (pk )(pk − pk−1 )

pk+1 = pk −
f (pk ) − f (pk−1 )
Demostración:
pk f (pk ) − pk f (pk−1 ) − f (pk )pk + f (pk )pk−1 ) pk−1 f (pk ) − pk f (pk−1 )
pk+1 = =
f (pk ) − f (pk−1 ) f (pk ) − f (pk−1 )
3. Capítulo 2
3.1. Solución de sistemas lineales
3.1.1. Método Gauss
Este método consiste en transformar un sistema de ecuaciones en otro equivalente
de forma que este sea escalonado.
Este método es una generalización del método de reducción.
Consiste en trabajar directamente con los coeficientes del sistema inscritos en una ma-
triz de forma que cada fila de esta matriz contiene los coeficientes de las incógnitas y

el término independiente de cada ecuación.

Se tiene tres matrices de la forma Ax = b donde la matriz A tiene los coeficientes de
las variables, b contiene los terminos independientes y la matriz x es la matriz solución
que se va a encontrar, se une las matrices A y b y se procede a escalonar.
Ecuación generalizada del método:

1
1 X
xn = [bn − an(i+1) xi+1 ]
ann i=y−n
Siendo:
y : Orden de la matriz.
Precedimiento de resolución
1. Se hacen ceros bajo la diagonal.
2. Se resuelve el sistema triangular superior.
Programa en Matlab
clc
clear all
A=[1,(1/2),(1/3);(1/2),(1/3),(1/4);(1/3),(1/4),(1/5)];
b=[2;0;-1];
[m,n]=size(A);
%ceros bajo la diagonal
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
A(j,1:n)=A(j,1:n)-(A(j,i)/A(i,i)).*A(i,1:n);
end
end
%Resolucion de sistema de ecuaciones triangulares superirores
X=zeros(n,1);
X(n)=b(n)/A(n,n);
for k=n-1:-1:1
X(k)=(b(k)-A(k,k+1:n)*X(k+1:n))/A(k,k);
end
X

3.1.2. Método de Gauss-Jordan

El método de Gauss Jordan es una continuación del método de Gauss que comple-
menta el proceso para la solución de un sistema de ecuaciones. Sea un sistema AX = b
donde A ∈ Mnxn y b ∈ Mnx1 el método de Gauss Jordan consiste en escoger un elemen-
to de la matriz aqq ,al que se denomina q-ésimo pivote y cuya fila al que pertenece este
elemento se llama fila pivote, con el cual se busca hacer ceros bajo y sobre el elemento
pivote. En Métodos numéricos los elementos pivotes generalmente son los de la dia-
gonal principal de la matriz.
Procedimiento de análisis
1. Se hacen ceros bajo la diagonal.
2. Se hacen ceros sobre la diagonal.
3. Se resuelve el sistema unidiagonal.
Algoritmo El siguiente algoritmo tiene como datos de entrada la matriz A y b dando la

solución del sistema de ecuaciones AX = b:
A=hilb(12);
b=A*[1;1;1;1;1;1;1;1;1;1;1;1];
[m,n]=size(A);
%Ceros bajo la diagonal
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
%Ceros sobre la diagonal
for i=m:-1:2
for j=i-1:-1:1
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
%Calculo vector resultante
X=zeros(n,1);
for k=1:m
X(k)=b(k,1)/A(k,k);
end
X

3.1.3. Método de factorización LU

Método para resolver sistemas de ecuaciones lineales donde del sistema Ax = b se
puede factorizar la matriz A en el producto de dos matrices, una triangular inferior
llamada L y una matriz triangular superior U . Transformando el sistema a:
LU x = b
Si realizamos el producto de U x lo cual da una matriz z, el sistema queda:
Lz = b
Uniendo las matrices L y b formando L|b encontrando el valor de z.
Igualando:
Ux = z
Encontrando la solución del sistema en la matriz x.
Procedimiento de análisis
1. Se hacen ceros bajo la diagonal determinando asi la matriz U.
2. Se arma la matriz L.
3. Se resuelve el sistema Ly=b.
4. Se resuelve el sistema Ux=y.
Programa en Matlab
clc
clear all
A=[1 1 1;1 2 4; 1 3 9];
b=[1;-1;1];
[m,n]=size(A);
%se determina la matriz L
L=eye(m);
for i=1:m-1
for j=i+1:m
L(j,i)=(A(j,i)/A(i,i));

end
end
%Se resuelve Ly=b
[m,n]=size(L);
Y=zeros(n,1);
Y(1)=b(1)/L(1,1);
for i=2:n
Y(i)=(b(i)-L(i,i:-1:1)*Y(i:-1:1))/L(i,i);
end
Y
%
U=A;
[m,n]=size(U);
X=zeros(n,1);
X(n)=Y(n)/U(n,n);
for i=n-1:-1:1
X(i)=(Y(i)-U(i,i+1:n)*X(i+1:n))/U(i,i);
end
X
3.1.4. Descomposición en valores singulares: SVD

Teoremas y métodos del Algebra Lineal prueban que existen diversas formas para
factorizar una matriz real. Una factorizacion que es generalizada para todas las matri-
ces sean cuadrados o no es la siguiente:
A=U VT
P
P
donde U y V son matrices ortogonales y es una matriz diagonal. Para entender en
que consiste esta factorización se presentan a continuación las siguientes definiciones:
Definición (Valores singulares). Sea una matriz Amxn los valores singulares de A son las
raices cuadradas de los autovalores de (AT A)nxn y se denotan mediante σ1 , σ2 . . . , σn .
Es decir:
√
σi = λi
Generalmente estos valores singulares se ordenan de la siguiente forma:
σ1 ≥ σ2 ≥ . . . σn
Teorema (Descomposición en valores singulares). Sea Amxn con valores singulares σ1 ≥
σ2 ≥ . .P
. σn 6= 0. Existe una matriz Um×m ortogonal, una matriz Vn×n ortogonal y una
matriz m×n , tal que:
X
A=U VT

P
Donde la matriz m×n se puede ver de manera informal de la siguiente manera:
 
σ 1 ··· 0
X  .
=  .. . . . ... 

0 · · · σi
Aplicación: Sistemas lineales mal condicionados Para la resolución de sistemas de
ecuaciones mal condicionados donde el número de condicionamiento(por ejemplo de
una matriz A, cond(A) =k A kk AT k) es mucho mayor que 1, haciendo así que pe-
queños cambios en los elementos de la matriz A produzcan grandes cambios en las
soluciones del sistema lineal Ax = b.
La solución del sistema sería de la siguiente manera:
x = A−1 b
Donde la factorización de A sería:
VT
P
A=U
por lo tanto A−1 sería:
P−1
A−1 = V UT
P
Para eliminar las perturbaciones en la matriz se impone un número denotado por
δ, con el cual los se impone
P la condición δ 6 N donde todos los valores singulares
(valores de la diagonal de ) que cumplan con esta, tomarán el valor de cero. El nú-
mero N se impondrá observando los valores singulares de la matriz que podrían ser
los causantes de las perturbaciones en la matriz. Algoritmo El siguiente algoritmo tie-
ne como datos de entrada A, b, δ y resuelve sistemas mal condicionados considerando
que la condicion de la matriz es mayor que 20, caso contrario resolverá el sistema por
el método de Gauss:
clc
clear all
A=[1 2 1;10 18 12;20 22 40];
b=[8;78;144];
[m,n]=size(A);
cond(A)
%X=A\b
d=1;
li=20;
if cond(A)>li
%SVD
[U,S,V]=svd(A);
for l=1:m
if S(l,l)<=d

S(l,l)=0;
else
S(l,l)=1/S(l,l);
end
end
Ain=V*S*U’;
X=Ain*b;
else
%Gauss
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
X=zeros(n,1);
X(n)=b(n)/A(n,n);
for k=n-1:-1:1
X(k)=(b(k)-A(k,k+1:n)*X(k+1:n))/A(k,k);
end
end
X
3.2. Interpolación
3.2.1. Interpolación de Newton
Método de interpolación para encontrar un polinomio que satisfaga una serie de
puntos dados el cual consiste en los siguiente:
Se considera el polinomio escrito de la forma:
p(x) = a0 + a1 x + a2 x2 + . . . + an xn
Pueden obtenerse los coeficientes resolviendo el sistema:
(x0 , f0 ) : a0 + a1 (x0 ) + a2 (x0 )2 + . . . + an (x0 )n = f0

(x1 , f1 ) : a0 + a1 (x1 ) + a2 (x1 )2 + . . . + an (x1 )n = f1
(x2 , f2 ) : a0 + a1 (x2 ) + a2 (x2 )2 + . . . + an (x2 )n = f2
..
.
2 n
(xn , fn ) : a0 + a1 (xn ) + a2 (xn ) + . . . + an (xn ) = fn
Ahora se considera el polinomio escrito de la forma:
p(x) = c0 + c1 (x − x0 ) + c2 (x − x0 )(x − x1 ) + . . . + cn (x − x0 )(x − x1 ) . . . (x − xn−1 )

Pueden obtenerse los coeficientes resolviendo el sistema:

De donde se deducen las diferencias divididas:
(x0 , f0 ) : c0 + = f0
(x1 , f1 ) : c0 + c1 (x1 − x0 ) = f1
(x2 , f2 ) : c0 + c1 (x2 − x0 )+ c2 (x2 − x0 )(x2 − x1 ) = f2
Pn Qi−1
(xn , fn ) : c0 + i=1 ci j=0 xn − xj = fn
c0 = f 0
f1 − f0
c1 =
x1 − x0
f2 −f1
x2 −x1
− xf11 −f
−x0
0
c2 =
x2 − x0
...
Fórmula de interpolación de Newton:
n
X i−1
Y
pn (x) = f (x0 ) + f (x0 , . . . , xi ) (x − xj )
i=1 j=0
3.2.2. Interpolación de Lagrange

Método de interpolación para encontrar un polinomio que satisfaga una serie de
puntos dados el cual consiste en los siguiente:
Se tiene un conjunto de puntos n + 1 en el plano:
(x0 , f (x0 )), (x1 , f (x1 )), (x2 , f (x2 )), . . . , (xn , f (xn ))
El objetivo es encontrar una función polinómica de grado n que pase por esos n + 1
puntos.

La fórmula general para el polinomio de interpolación de Lagrange es

n
X
P (x) = f (xk )LN,k (x)
k=0
Donde:
N
Y x − xj
LN,k (x) =
j=0,k6=j
xk − xj
Expandiendo el producto para verlo mejor:

N
Y x − xj x − x0 x − xj−1 x − xj+1 x − xn
LN,k (x) = = ... . ...
j=0,k6=j
xk − xj xk − x 0 xk − xj−1 xk − xj+1 xk − xn
Estos polinomios básicos de Lagrange se construyen con una propiedad:

(
1k = j
Lk (xj ) = δkj =
0k 6= j
3.2.3. Interpolación Spline

Al realizar técnicas de interpolación con muchos datos se obtienen polinomios de
alto grado, los cuales generalmente presentan grandes oscilaciones. Por es a menudo
más conveniente dividir el intervalo de interés en subintervalos más pequeños y usar
en cada subintervalo polinomios de grado relativamente bajo, tratando de que la fun-
ción a trozos definida de este modo tenga un aspecto final adecuado al fenómeno que
estamos representando.
Definición (Spline). Sea a = x0 < x1 < . . . < xn = b una partición del intervalo [a, b]
una función spline de grado m se define bajo la siguiente condición:


 s1m (x), x ∈ [x0 , x1 [




sΓ = s2m (x), x ∈ [x1 , x2 [
 .. ..


 . .
 sn (x), x ∈ [x , x [

m n−1 n
Las condiciones de una función spline se representan de la siguiente manera: sΓ ∈

C m−1 ([a, b]), esto quiere decir que la función y sus (m-1) derivadas son continuas en el
intervalo [a, b], es decir:
sΓ (x− i ) = sΓ (x+ i ), ∀i = 1, . . . , n − 1
sΓ (x−
0
i ) = sΓ (x+
0
i ), ∀i = 1, . . . , n − 1
.. .. .. ..
. . . .
sm−1
Γ (x− + m−1
i ) = sΓ (xi ) , ∀i = 1, . . . , n − 1
Interpolación con splines grado 1 Las funciones spline de grado 1 son funciones li-
neales a trozos y continuas.

Un ejemplo para una interpolación spline de grado 1 con 5 puntos es el siguiente:

 1
s (x) : ax + b x ∈ [x0 , x1 [
 11


s2 (x) : cx + d x ∈ [x1 , x2 [
s1 (x) =
s1 (x) : ex + f x ∈ [x2 , x3 ]
 31


s4 (x) : gx + h x ∈ [x3 , x4 ]
Las condiciones que deben cumplir esta función son las siguientes:
s01 (x1 ) = s02 (x1 )

s02 (x2 ) = s03 (x2 )
s03 (x3 ) = s04 (x3 )
Gráficamente se representan por poligonales como se muestra en la figura:
Se observa de inmediato que si en los nodos x0, . . . , xn se conocen los valores de

y0, . . . , yn que toma cierta función y se desea construir una poligonal que pasa por
ellos, el problema tiene solución y es única. Otra expresión analítica en el subintervalo
[xi , xi+1 [, 0 6 i 6 n − 1, es:
yi+1 − yi
si (x) = yi + (x − xi ), x ∈ [xi , xi+1 [
xi+1 − xi
Un algoritmo para resolver este tipo de problemas es el siguiente:
function [m,b]=spline(X)
n=length(X(1,:));
for i=1:n-1;
m(i)=(X(2,i+1)-X(2,i))/(X(1,i+1)-X(1,i));
b(i)=X(2,i);
x=X(1,i):X(1,i+1);
y=m(i)*(x-X(1,i))+b(i);
hold on;
plot(x,y,?b?);
end

for i=1:n;
hold on;
plot (X(1,i),X(2,i),?*?,?MarkerEdgeColor?,?r?,?LineWidth?,1);
title(?Interpolaci´on por "splines" de orden 1.?);
end
Interpolación con splines de grado 2 Las funciones spline polinómicas de grado ma-
yor que uno siguen una filosofía á las de grado uno, sólo que al aumentar el grado se
puede conseguir mayor regularidad global, sin que cambie mucho la dimensión del
espacio vectorial.
Un ejemplo para la interpolación spline de grado 2 es el siguiente:
 2
 s1 (x) : ax2 + bx + c x ∈ [x0 , x1 [
2
s (x) = s2 (x) : dx2 + ex + f x ∈ [x1 , x2 [
 22
s3 (x) : gx2 + hx + i x ∈ [x2 , x3 ]
En el cual se cumple las siguientes condiciones:
s21 (x1 ) = s22 (x1 )

s22 (x2 ) = s23 (x2 )
[s21 (x1 )]0 = [s22 (x1 )]0

4.1. Deber 1: Solución Sistemas triangulares superiores e inferiores
4.1.1. Programa para sistemas de ecuaciones con matriz triangular superior
clc
clear all
A=[2 3 -7;0 1 -8; 0 0 1];
b=[5;3;2];
[m,n]=size(A);
X=zeros(n,1);
X(n)=b(n)/A(n,n);
for i=n-1:-1:1
X(i)=(b(i)-A(i,i+1:n)*X(i+1:n))/A(i,i);
end
X

(2).JPG
4.1.2. Programa para sistemas de ecuaciones con matriz triangular inferior

clc
clear all
A=[2 0 0 0;-1 4 0 0;3 -2 -1 0;1 -2 6 3];
b=[6;5;4;2];
[m,n]=size(A);
X=zeros(n,1);
X(1)=b(1)/A(1,1);
for i=2:n
X(i)=(b(i)-A(i,i:-1:1)*X(i:-1:1))/A(i,i);
end
X

(2).JPG
4.2. Deber 2: Ceros bajo diagonal

Realizar un programa que permita convertir una matriz A en una matriz triangular
superior, es decir, que haga ceros bajo la diagonal.
4.2.1. Código Matlab

clc
clear all
A=[2 4 -6;1 5 3;1 3 2]
[m,n]=size(A);
for i=1:m-1
for j=i+1:m
end
end
A

4.2.2. Corrida de escritorio
(2).JPG
4.3. Deber 3: Programas Gauss, GaussJordan, LU

4.3.1. Programa de resolución de sistema de ecuaciones por el método de Gauss
clc
clear all
%
A=[1 1 1;1 2 4; 1 3 9];
b=[1;-1;1];
[m,n]=size(A);
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
X=zeros(n,1);
X(n)=b(n)/A(n,n);
for k=n-1:-1:1
X(k)=(b(k)-A(k,k+1:n)*X(k+1:n))/A(k,k);
end
X

4.3.2. Programa de resolución de sistema de ecuaciones por el método LU

clc
clear all
A=[1 1 1;1 2 4; 1 3 9];
b=[1;-1;1];
[m,n]=size(A);
L=eye(m);
for i=1:m-1
for j=i+1:m
L(j,i)=(A(j,i)/A(i,i));
end
end
%Se resuelve Ly=b
[m,n]=size(L);
Y=zeros(n,1);
Y(1)=b(1)/L(1,1);
for i=2:n
Y(i)=(b(i)-L(i,i:-1:1)*Y(i:-1:1))/L(i,i);
end
Y

%
U=A;
[m,n]=size(U);
X=zeros(n,1);
X(n)=Y(n)/U(n,n);
for i=n-1:-1:1
X(i)=(Y(i)-U(i,i+1:n)*X(i+1:n))/U(i,i);
end
X
4.3.3. Programa de resolución de sistema de ecuaciones por el método Gauss-Jordan

clc;
clear all;
A=[1 1 1;1 2 4; 1 3 9];
b=[1;-1;1];
[m,n]=size(A);
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end


for i=m:-1:2
for j=i-1:-1:1
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
X=zeros(n,1);
for k=1:m
X(k)=b(k,1)/A(k,k);
end
X
4.4. Deber 4: Programas SVD, Compresión imagenes RGB, Interpo-

lación Lagrange
4.4.1. SVD
Realizar un programa que tenga como datos de entrada: la matriz, el vector solu-
ción b y un delta; que calcule el numero de condicionamiento de esta; si este es mayor
que 20 el programa realizara svd caso contrario resolverá el sistema por Gauss.
clc

clear all
A=[1 2 1;10 18 12;20 22 40];
b=[8;78;144];
[m,n]=size(A);
%cond(A)
%X=A\b
d=1;
li=20;
if cond(A)>li
%SVD
[U,S,V]=svd(A);
for l=1:m
if S(l,l)<=d
S(l,l)=0;
else
S(l,l)=1/S(l,l);
end
end
Ain=V*S*U’;
X=Ain*b;
else
%Gauss
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
X=zeros(n,1);
X(n)=b(n)/A(n,n);
for k=n-1:-1:1
X(k)=(b(k)-A(k,k+1:n)*X(k+1:n))/A(k,k);
end
end
X

4.4.2. Compresión imagenes RGB

Realizar un programa que comprima imagenes RGB mediante el método SVD
clc
clear all
figure(1)
A0=imread(’color3.png’,’png’);
imagesc(A0); colormap(gray);
A0=double(A0);
Aux=A0;
R=A0; G=A0; B=A0;
%matriz red
R(:,:,2)=0;
R(:,:,3)=0;
imshow(R)
R1=R(:,:,1);
%imshow(R1)
R2=R1(:,:);
%matriz green
G(:,:,1)=0;
G(:,:,3)=0;
G1=G(:,:,2);
G2=G1(:,:);

%matriz blue
B(:,:,1)=0;
B(:,:,2)=0;
B1=B(:,:,3);
B2=B1(:,:);
%Datos de matriz R2
R2=double(R2);
[ma0,na0]=size(R2);
[U0, S0, V0]=svd(R2);
[mu0, nu0]=size(U0); [ms0, ns0]=size(S0); [mv0, nv0]=size(V0);
%Datos de matriz G2
G2=double(G2);
[ma1,na1]=size(G2);
[U1, S1, V1]=svd(G2);
%Datos de matriz B2
B2=double(B2);
[ma2,na2]=size(B2);
[U2, S2, V2]=svd(B2);
%SVD
figure(2)
for k=1:6
r0=2^k;
%Matriz R
imaR=U0(:,1:r0)*S0(1:r0,1:r0)*V0(:,1:r0)’;
comp=(mu0+nv0+1)*r0;
total=ma0*na0;
disp([ k r0 total comp])
imaR=uint8(imaR);
% Matriz G
imaG=U1(:,1:r0)*S1(1:r0,1:r0)*V1(:,1:r0)’;
comp2=(mu1+nv1+1)*r0;
total2=ma1*na1;
disp([ k r0 total2 comp2])
imaG=uint8(imaG);
% matriz B
imaB=U2(:,1:r0)*S2(1:r0,1:r0)*V2(:,1:r0)’;
comp3=(mu2+nv2+1)*r0;
total3=ma2*na2;
disp([ k r0 total3 comp3])
imaB=uint8(imaB);
%SUMANDO MATRICES
T=imaR+imaG+imaB;
%T2=[T(:,:),3];
subplot(2,3,k);

imagesc(T); colormap(gray);
end
4.4.3. Interpolación Lagrange

Realizar un programa que permita Interpolar por el método de Lagrange, ademas
dibujar la función resultante con los puntos sobre esta.
clc
clear all
x=[0 1 2]
y=[1 4 6];
w = length(x);
acum=zeros(1,w)
for k=1:w
V = 1;
for j = 1:w
if k ~= j
V = conv(V,poly(x(j)))/(x(k)-x(j));
end
end
Z=y(k)*V;
acum=acum+Z;
end
acum
x1=min(x):0.1:max(x);
y1=polyval(acum,x1);
plot(x1,y1,’r’,x,y,’o’)
grid

4.5. Deber 5: Ejercicios sistemas lineales

4.5.1. Ejercicio 1
Considere el sisguiente sistema lineal de ecuaciones:
1 1


 x1 + x2 + x3 = 2

 2 3
1 1 1

x1 + x2 + x3 = 0
 2 3 4
 1 x1 + 1 x2 + 1 x3 = −1



3 4 5
1. Resolver el sistema utilizando el método de Gauss.
clc
clear all
%
A=[1,(1/2),(1/3);(1/2),(1/3),(1/4);(1/3),(1/4),(1/5)];
b=[2;0;-1];
[m,n]=size(A);
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
X=zeros(n,1);
X(n)=b(n)/A(n,n);
for k=n-1:-1:1

X(k)=(b(k)-A(k,k+1:n)*X(k+1:n))/A(k,k);
end
X
2. Resolver el sistema de manera exacta, es decir, analíticamente (comparar resulta-

dos).
1 1
 
 1 2 3  x1
   
 1 1 1  2
 2 3 4  x2
  = 0 
 1 1 1  x3 −1
3 4 5
1
F2 = F2 − F1
2
1
F3 = F3 − F1
3
1 1
 
1 | 2
 2 3 
 0 1 1
 
| −1 
 12 12 
 1 4 5 
0 | −
12 45 3
(12)F2
 
1 1
 1 2 | 2 
3
 0 1 1 | −12 
 
 1 4 5 
0 | −
12 45 3
1
F1 = F1 − F2
2
1
F3 = F3 − F2
2
 
1
 1 0 −6 | 8 
 0 1 1 | −12 
 
 1 2 
0 0 | −
180 3

(180)F3
 1 
1 0 − | 8
 6 
 0 1 1 | −12 
0 0 1 | −120
F2 = F2 − F3
1
F1 = F1 + F3
6
 
1 0 0 | −12
 0 1 0 | 108 
0 0 1 | −120
4.5.2. Ejercicio 2
Escríbase una función de Matlab [L, U, P ] = f ac_LU P (A) que calcule la factoriza-
ción LU de una matriz A utilizando el algoritmo propuesto. La matriz L debe ser una
matriz triangular inferior n × n, U una triangular superior n × n y P una matriz de
permutación de las mismas dimensiones que A, tales que se cumpla L ∗ U = P ∗ A.
function [L,U,P]=fac_LUP(A)
B=A;
[m,n]=size(A);
L=eye(n);
P=eye(n);
for j=1:n
for i=j+1:m
if A(j,j)~=0
L(i,j)=A(i,j)/A(j,j);
A(i,:)=A(i,:)-L(i,j)*A(j,:);
else
k=j-1;
[mx c]=max(A(j:m,j)) % Busco el maximo entre la columna
A([c+k,j],:)=A([j,c+k],:); % Intercambio filas
P([c+k,j],:)=P([j,c+k],:); % Construyo la matriz de pivotes
L(i,j)=A(i,j)/A(j,j); % Matriz triangular inferior
% de coeficientes
A(i,:)=A(i,:)-L(i,j)*A(j,:); % Hago ceros a los elementos
% de la columna (Gauss)
end
end
end
U=A;
L
U
P

1. Compruebe dicha función aplicándola a una matriz aleatoria 5 × 5.
4.5.3. Ejercicio 3
Dado el sistema lineal de ecuaciones Ax = b, donde la matriz de coeficientes A ∈
nxn
R es una matriz no singular, un método para resolver dicho sistema consiste en
calcular la factorización LU de la matriz A. Si para resolver el sistema utilizamos el
algoritmo del apartado anterior entonces, podemos obtener la solución x resolviendo
los dos sistemas triangulares siguientes:
Ly = P b
Ux = y
Escríbase una función de Matlab X = sollu(A, b) que calcule la solución del sistema de
ecuaciones Ax = b mediante el procedimiento descrito.
function [X]=sollu(A,b)
B=A;
[m,n]=size(A);
L=eye(n);
P=eye(n);
for j=1:n
for i=j+1:m
if A(j,j)~=0
L(i,j)=A(i,j)/A(j,j);
A(i,:)=A(i,:)-L(i,j)*A(j,:);
else
k=j-1;
[mx c]=max(A(j:m,j)) % Busco el maximo entre la columna
A([c+k,j],:)=A([j,c+k],:); % Intercambio filas

P([c+k,j],:)=P([j,c+k],:); % Construyo la matriz de pivotes

L(i,j)=A(i,j)/A(j,j); % Matriz triangular inferior
% de coeficientes
A(i,:)=A(i,:)-L(i,j)*A(j,:); % Hago ceros a los elementos
% de la columna (Gauss)
end
end
end
U=A;
P*B
L*U
[m,n]=size(L);
Y=zeros(n,1);
Y(1)=b(1)/L(1,1);
for i=2:n
Y(i)=(b(i)-L(i,i:-1:1)*Y(i:-1:1))/L(i,i);
end
Y
%
U=A;
[m,n]=size(U);
X=zeros(n,1);
X(n)=Y(n)/U(n,n);
for i=n-1:-1:1
X(i)=(Y(i)-U(i,i+1:n)*X(i+1:n))/U(i,i);
end
X
Compruébese la función sollu resolviendo un sistema de ecuaciones con una ma-

triz aleatoria 6 × 6 y un vector columna de R6 también aleatorio.

4.5.4. Ejercicio 4
Sea A ∈ Rnxn una matriz no singular, la matriz inversa puede calcularse resolviendo
el sistema matricial AX = In, donde x ∈ Rnxn e In es la matriz identidad n × n.
Escríbase una función de Matlab X=inversa(A) que calcule la matriz inversa de A.
function [C]=inversa(A)
Q=A;
[m,n]=size(A);
C=zeros(m,n);
I=eye(n);
for l=1:n
A=Q;
I1=I(:,l);
b=I1;
%%
L=eye(m);
for i=1:m-1
for j=i+1:m
L(j,i)=(A(j,i)/A(i,i));
end
end
%
[m,n]=size(L);
Y=zeros(n,1);
Y(1)=b(1)/L(1,1);
for i=2:n
Y(i)=(b(i)-L(i,i:-1:1)*Y(i:-1:1))/L(i,i);
end
Y;
%
U=A;
[m,n]=size(U);
X=zeros(n,1);
X(n)=Y(n)/U(n,n);
for i=n-1:-1:1
X(i)=(Y(i)-U(i,i+1:n)*X(i+1:n))/U(i,i);
end
%%
C(:,l)=X;
end
A=Q;

4.5.5. Ejercicio 5
La matriz de Hilbert es un clásico ejemplo de una matriz mal condicionada, ésta se
define de la siguiente manera:
1 1 1
 
 1 ···
 1 2 3 n 
1 1 1 

 2 ··· 
Hn =  3 4 n+1 
 .. .. .. .. .. 
 . . . . .


 1 1 1 1 
···
n n+1 n+2 2n − 1
Esta matriz puede ser fácilmente generada en Matlab, utilizando el comando hilb(n),
donde n es el orden de la matriz. En el presente ejercicio se pide:
1. Resolver el sistema Hx = b, donde b es el vector Hx y x = (1, 1, ∆∆∆, 1)0 con

n = 12. Este sistema se debe resolver por 3 métodos distintos. Uno de los métodos
debe utilizar el programa x = gausselimi(A, b). Resolucón por Gauss
clc
clear all
%
% A=[1,(1/2),(1/3);(1/2),(1/3),(1/4);(1/3),(1/4),(1/5)];
% b=[2;0;-1];
A=hilb(12)
b=A*[1;1;1;1;1;1;1;1;1;1;1;1]
[m,n]=size(A);
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end


X=zeros(n,1);
X(n)=b(n)/A(n,n);
for k=n-1:-1:1
X(k)=(b(k)-A(k,k+1:n)*X(k+1:n))/A(k,k);
end
X
Resolucón por LU
clc
clear all
% A=[1 1 1;1 2 4; 1 3 9];
% b=[1;-1;1];
A=hilb(12)
b=A*[1;1;1;1;1;1;1;1;1;1;1;1]
[m,n]=size(A);
L=eye(m);
for i=1:m-1
for j=i+1:m
L(j,i)=(A(j,i)/A(i,i));
end
end
%Se resuelve Ly=b
[m,n]=size(L);
Y=zeros(n,1);
Y(1)=b(1)/L(1,1);
for i=2:n

Y(i)=(b(i)-L(i,i:-1:1)*Y(i:-1:1))/L(i,i);
end
Y
%
U=A;
[m,n]=size(U);
X=zeros(n,1);
X(n)=Y(n)/U(n,n);
for i=n-1:-1:1
X(i)=(Y(i)-U(i,i+1:n)*X(i+1:n))/U(i,i);
end
X
Resolucón por Gauss Jordan
clc;
clear all;
% A=[1 1 1;1 2 4; 1 3 9];
% b=[1;-1;1];
A=hilb(12);
b=A*[1;1;1;1;1;1;1;1;1;1;1;1];
[m,n]=size(A);
for i=1:m-1
for j=i+1:m
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
for i=m:-1:2

for j=i-1:-1:1
b(j,1)=b(j,1)-(A(j,i)/A(i,i))*b(i,1);
end
end
X=zeros(n,1);
for k=1:m
X(k)=b(k,1)/A(k,k);
end
X
2. Compare el error producido por los tres métodos.

Según el orden de los programas los resultado son los siguientes:

3. Interprete los resultados

Se observa que no existe mucho error con respecto al vector solución, además los
valores obtenidos por el meétodo de Gauss se aproximan mucho a los obtenidos
en Gauss Jordan
4.6. Deber 6: Ejercicios interpolación

4.6.1. Determine en los siguientes casos, el polinomio interpolador de Lagrange
para aproximar la función f (x) = x3
(1) El polinomio cuadrático P2 (x) para los nodos x0 = −1, x1 = 0 y x2 = 1.
X Y
-1 -1
0 0
1 1
Cuadro 2: Tabla de f(x)
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

P2 (x) = y0 + y1 + y2
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
(x)(x − 1) (x + 1)(x − 1) (x + 1)(x)
P2 (x) = −1 +0 +1
(−1)(−1 − 1) (0 + 1)(0 − 1) (1 + 1)(1)
1 1
P2 (x) = − (x2 − x) + (x2 + x)
2 2
P2 (x) = x
X Y
-1 -1
0 0
1 1
2 8
Cuadro 3: Tabla de valores de f(x)
(x − x1 )(x − x2 )(x − x3 ) (x − x0 )(x − x2 )(x − x3 ) (x − x0 )(x − x1 )(x −

P3 (x) = y0 +y1 +y2
(x0 − x1 )(x0 − x2 )(x0 − x3 ) (x1 − x0 )(x1 − x2 )(x1 − x3 ) (x2 − x0 )(x2 − x1 )(x2 −
(x − x0 )(x − x1 )(x − x2 )
+y3
(x3 − x0 )(x3 − x1 )(x3 − x2 )
(x)(x − 1)(x − 2) (x + 1)(x)(x − 2) (x + 1)(x)(x − 1)
P3 (x) = −1 +0+1 +8
(−1)(−1 − 1)(−1 − 2) (1 + 1)(1)(1 − 2) (2 + 1)(2)(2 − 1)
1 1 4
P3 (x) = (x3 − 3x2 + 2x) − (x3 − x2 − 2x) + (x3 − x)
6 2 3
3
P3 (x) = x
4.6.2. Modificar el código dado para que realice el gráfico de los nodos (puntos) y
el polinomio interpolador.
function[C,L]=Lagrange(x,y)
w=length(x);
n=w-1;
L=zeros(w,w);
for k=1:n+1
V=1;
for j=1:w
if k~=j
V=conv(V,poly(x(j)))/(x(k)-x(j));
end
end
L(k,:)=V;
end
C=y*L;
xp=x(1):0.001:(x(w)+1);
f=0;
b=1;

for m=n:-1:0
f=xp.^m*C(b)+f;
b=b+1;
end
plot(xp,f);
hold on
for h=1:w
plot(x(h),y(h),’*r’)
hold on
end
title(’Interpolacion de Lagrange’)
xlabel(’eje x’)
ylabel(’eje y’)
grid on
hold off
Ejemplo: Para f (x) = x3
X Y
-1 -1
0 0
1 1
2 8
>> X=[-1 0 1 2];

>> Y=[-1 0 1 8];
>> [C,L]=lagrange(X,Y)
C =
1.0000 0 0 0
L =
-0.1667 0.5000 -0.3333 0

0.5000 -1.0000 -0.5000 1.0000
-0.5000 0.5000 1.0000 0
0.1667 0 -0.1667 0

4.6.3. Cree su propio código

El ódigo es es siguiente:
function [ ] = lagrangeG(x,y)
w = length(x);
x1=sym(’x’);
u = 1;
P = 0;
while(u<=w)
aux = 1;
for i = 1:w
if(i~=u)
aux = aux*(x1-x(i))/(x(u)-x(i));
end
end
P = P+aux*y(u);
u = u+1;
end
P = simplify(P);
P = expand(P)
hold on
grid on
for i=1:w
plot(x(i),y(i),’*’,’markersize’,6,’markeredgecolor’,’r’)
end
ezplot(P)
xlabel(’x’)
ylabel(’y’)
title(’INTERPOLACION DE LAGRANGE’)
hold off
end
Corrida en Matlab
>> x=[1 2 3 4]
x =
1 2 3 4
>> y=[3 5 7 2]
y =
3 5 7 2

>> lagrangeG(x,y)
P =
- (7*x^3)/6 + 7*x^2 - (65*x)/6 + 8
>>
Gráfica del Polinomio Interpolador
4.6.4. En el cuadro 2 se muestran temperaturas que fueron medidas cada hora, du-
rante un lapso total de 5 horas.
H T
13 18
14 18
15 17
16 16
17 15
18 14
Cuadro 5: Datos de la temperatura medida durante 5 horas
(a) Construir el polinomio interpolador de Lagrange correspondiente a los datos

del cuadro 4.
(H − 14)(H − 15)(H − 16)(H − 17)(H − 18) (H − 13)(H − 15)(H − 16)(H − 17
T (H) = 18 +18
(13 − 14)(13 − 15)(13 − 16)(13 − 17)(13 − 18) (14 − 13)(14 − 15)(14 − 16)(14 − 17
(H − 13)(H − 14)(H − 16)(H − 17)(H − 18) (H − 13)(H − 14)(H − 15)(H − 17)(H −

+17 +16
(15 − 13)(15 − 14)(15 − 16)(15 − 17)(15 − 18) (16 − 13)(16 − 14)(16 − 15)(16 − 17)(16 −
(H − 13)(H − 14)(H − 15)(H − 16)(H − 18) (H − 13)(H − 14)(H − 15)(H − 16)(H −
+15 +14
(17 − 13)(17 − 14)(17 − 15)(17 − 16)(17 − 18) (18 − 13)(18 − 14)(18 − 15)(18 − 16)(18 −
Simplificando el polinomio, se tiene:
T (H) = 0, 0083H 5 − 0, 667H 4 + 21, 292H 3 − 339, 33H 2 + 2697, 7H − 8536
Comprobando con Matlab, se tiene:

>> H=[13 14 15 16 17 18];
>> T=[18 18 17 16 15 14];
>> [C,L]=lagrange(H,T)
C =
1.0e+003 *
Columns 1 through 3
0.000008333333333 -0.000666666666667 0.021291666666666
Columns 4 through 6
-0.339333333333332 2.697700000000034 -8.536000000000000
L =
1.0e+004 *
-0.0000 0.0001 -0.0021 0.0339 -0.2699 0.8568

0.0000 -0.0003 0.0104 -0.1629 1.2748 -3.9780
-0.0000 0.0006 -0.0202 0.3130 -2.4150 7.4256
0.0000 -0.0006 0.0197 -0.3011 2.2931 -6.9615
-0.0000 0.0003 -0.0096 0.1449 -1.0912 3.2760
0.0000 -0.0001 0.0019 -0.0279 0.2081 -0.6188
(b) Estimar la temperatura media durante el período de 5 horas dado.

Para estimar la temperatura media, se saca una media aritmética de los valores
dados:
18 + 18 + 17 + 16 + 15 + 14
T̂ =
6
T̂ = 16, 3333
(c) Dibuje los datos del cuadro 2 y el polinomio interpolador encontrado, en el
mismo gráfico. Discuta el error que puede aparecer al usar dicho polinomio
para estimar la temperatura media.
Temperatura
Como se observa en la figura, se puede notar que la temperatura media estimada

gráficamente es de 16o C; por otro lado analizando el error se tiene:
16, 333 − 16
ER =
16, 333

ER = 0, 0204
Usando el polinomio se tiene que el error relativo 0,0204; que para los ensayos de
temperatura en ingeniería en general, es muy aceptable, ya que el error admisible
para temperaturas es de ±0, 05
4.6.5. Tareas Interpolación de Newton

4.6.6. Determine en los siguientes casos, el polinomio interpolador de Lagrange
para aproximar la función f (x) = x3
X Y
-1 -1
0 0
1 1
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

P2 (x) = y0 + y1 + y2
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
(x)(x − 1) (x + 1)(x − 1) (x + 1)(x)

P2 (x) = −1 +0 +1
(−1)(−1 − 1) (0 + 1)(0 − 1) (1 + 1)(1)
1 1
P2 (x) = − (x2 − x) + (x2 + x)
2 2
P2 (x) = x
X Y
-1 -1
0 0
1 1
2 8
Cuadro 7: Tabla de valores de f(x)
(x − x1 )(x − x2 )(x − x3 ) (x − x0 )(x − x2 )(x − x3 ) (x − x0 )(x − x1 )(x −

P3 (x) = y0 +y1 +y2
(x0 − x1 )(x0 − x2 )(x0 − x3 ) (x1 − x0 )(x1 − x2 )(x1 − x3 ) (x2 − x0 )(x2 − x1 )(x2 −

(x − x0 )(x − x1 )(x − x2 )
+y3
(x3 − x0 )(x3 − x1 )(x3 − x2 )
(x)(x − 1)(x − 2) (x + 1)(x)(x − 2) (x + 1)(x)(x − 1)
P3 (x) = −1 +0+1 +8
(−1)(−1 − 1)(−1 − 2) (1 + 1)(1)(1 − 2) (2 + 1)(2)(2 − 1)
1 1 4
P3 (x) = (x3 − 3x2 + 2x) − (x3 − x2 − 2x) + (x3 − x)
6 2 3
3
P3 (x) = x
4.6.7. Modificar el código dado para que realice el gráfico de los nodos (puntos) y
el polinomio interpolador.
function[C,L]=Lagrange(x,y)
w=length(x);
n=w-1;
L=zeros(w,w);
for k=1:n+1
V=1;
for j=1:n+1
if k~=j
V=conv(V,poly(x(j)))/(x(k)-x(j));
end
end
L(k,:)=V;
end
C=y*L;
xp=x(1):0.001:(x(w)+1);
f=0;
b=1;
for m=n:-1:0
f=xp.^m*C(b)+f;
b=b+1;
end
plot(xp,f);
hold on
for h=1:w
plot(x(h),y(h),’*r’)
hold on
end
title(’Interpolacion de Lagrange’)
xlabel(’eje x’)
ylabel(’eje y’)
grid on
hold off
Ejemplo: Para f (x) = x3

X Y
-1 -1
0 0
1 1
2 8
>> X=[-1 0 1 2];

>> Y=[-1 0 1 8];
>> [C,L]=lagrange(X,Y)
C =
1.0000 0 0 0
L =
-0.1667 0.5000 -0.3333 0

0.5000 -1.0000 -0.5000 1.0000
-0.5000 0.5000 1.0000 0
0.1667 0 -0.1667 0
4.6.8. Cree su propio código

El código es es siguiente:
function [ ] = lagrangeG(x,y)
w = length(x); % Toma la dimension de x
x1=sym(’x’);
u = 1;
P = 0;
while(u<=w)
aux = 1;
for i = 1:w
if(i~=u)
aux = aux*(x1-x(i))/(x(u)-x(i));
end
end
P = P+aux*y(u);
u = u+1;
end
P = simplify(P);

P = expand(P)
hold on
grid on
for i=1:w
plot(x(i),y(i),’*’,’markersize’,6,’markeredgecolor’,’r’)
end
ezplot(P)
xlabel(’x’)
ylabel(’y’)
title(’INTERPOLACION DE LAGRANGE’)
hold off
end
Corrida en Matlab
>> x=[1 2 3 4]
x =
1 2 3 4
>> y=[3 5 7 2]
y =
3 5 7 2
>> lagrangeYo(x,y)
P =
- (7*x^3)/6 + 7*x^2 - (65*x)/6 + 8
>>
4.6.9. En el cuadro 2 se muestran temperaturas que fueron medidas cada hora, du-
rante un lapso total de 5 horas.
(a) Construir el polinomio interpolador de Lagrange correspondiente a los datos
del cuadro 4.
(H − 14)(H − 15)(H − 16)(H − 17)(H − 18) (H − 13)(H − 15)(H − 16)(H − 17
T (H) = 18 +18
(13 − 14)(13 − 15)(13 − 16)(13 − 17)(13 − 18) (14 − 13)(14 − 15)(14 − 16)(14 − 17
(H − 13)(H − 14)(H − 16)(H − 17)(H − 18) (H − 13)(H − 14)(H − 15)(H − 17)(H −
+17 +16
(15 − 13)(15 − 14)(15 − 16)(15 − 17)(15 − 18) (16 − 13)(16 − 14)(16 − 15)(16 − 17)(16 −

H T
13 18
14 18
15 17
16 16
17 15
18 14
Cuadro 9: Datos de la temperatura medida durante 5 horas
(H − 13)(H − 14)(H − 15)(H − 16)(H − 18) (H − 13)(H − 14)(H − 15)(H − 16)(H −

+15 +14
(17 − 13)(17 − 14)(17 − 15)(17 − 16)(17 − 18) (18 − 13)(18 − 14)(18 − 15)(18 − 16)(18 −
Simplificando el polinomio, se tiene:
T (H) = 0, 0083H 5 − 0, 667H 4 + 21, 292H 3 − 339, 33H 2 + 2697, 7H − 8536
Comprobando con Matlab, se tiene:
>> H=[13 14 15 16 17 18];
>> T=[18 18 17 16 15 14];
>> [C,L]=lagrange(H,T)
C =
1.0e+003 *
Columns 1 through 3
0.000008333333333 -0.000666666666667 0.021291666666666
Columns 4 through 6
-0.339333333333332 2.697700000000034 -8.536000000000000
L =
1.0e+004 *
-0.0000 0.0001 -0.0021 0.0339 -0.2699 0.8568

0.0000 -0.0003 0.0104 -0.1629 1.2748 -3.9780
-0.0000 0.0006 -0.0202 0.3130 -2.4150 7.4256
0.0000 -0.0006 0.0197 -0.3011 2.2931 -6.9615
-0.0000 0.0003 -0.0096 0.1449 -1.0912 3.2760
0.0000 -0.0001 0.0019 -0.0279 0.2081 -0.6188

Con lo cual se puede comprobar que el polinomio encontrado analíticamente, es

el mismo que el que es dado por la función lagrange.m creada en MATLAB.
(b) Estimar la temperatura media durante el período de 5 horas dado.
Para estimar la temperatura media, se saca una media aritmética de los valores
dados:
18 + 18 + 17 + 16 + 15 + 14
T̂ =
6
T̂ = 16, 3333
(c) Dibuje los datos del cuadro 2 y el polinomio interpolador encontrado, en el

mismo gráfico. Discuta el error que puede aparecer al usar dicho polinomio
para estimar la temperatura media.
Temperatura
Como se observa en la figuraa, se puede notar que la temperatura media estima-

da gráficamente es de 16o C; por otro lado analizando el error se tiene:
16, 333 − 16
ER =
16, 333
ER = 0, 0204
Usando el polinomio se tiene que el error relativo 0,0204; que para los ensayos de
temperatura en ingeniería en general, es muy aceptable, ya que el error admisible
para temperaturas es de ±0, 05
4.7. Tareas Interpolación de Newton

4.7.1. En base a las funciones y datos que se muestran a la figura 2, realizar:
Funciones a analizar
(a) Calcular la tabla de diferencias divididas para las funciones y datos.
Una forma muy fácil de determinar el polinomio de Newton, es mediante la tabla

de diferencias divididas, donde se pueden determinar fácilmente los coeficientes
del polinomio; y para el caso dado en el ejercicio, es:

xk f (xk ) f [xk−1 , xk ] f [xk−2 , xk−1 , xk ] f [xk−3 , xk−2 , xk−1 , xk ] f [xk−4 , xk−3 , xk−2 , xk−1 , xk ]
x0 =4 2
x1 =5 2.23 0.23
x2 =6 2.44 0.21 -0.01
x3 =7 2.64 0.20 -0.005 0.001667
x4 =8 2.82 0.18 -0.01 -0.001667 -0.000833
Cuadro 10: Tabla de diferencias divididas para f (x) = x1/2
xk f (xk ) f [xk−1 , xk ] f [xk−2 , xk−1 , xk ] f [xk−3 , xk−2 , xk−1 , xk ] f [xk−4 , xk−3 , xk−2 , xk−1 , xk ]
x0 =0 0
x1 =1 0.75 0.75
x2 =2 2.25 1.50 0.375
x3 =3 3.00 0.75 -0.375 -0.250
x4 =4 2.25 -0.75 -0.750 -0.125 0.03125
Cuadro 11: Tabla de diferencias divididas para f (x) = 3(sin(πx/6))2
(b) Escribir los polinomios interpoladores de Newton P1 ; P2 ; P3 y P4 .
Para f (x) = x1/2
P1 (x) = 2 + 0,23(x − 4)
P2 (x) = 2 + 0,23(x − 4) − 0,01(x − 4)(x − 5)
P3 (x) = 2 + 0,23(x − 4) − 0,01(x − 4)(x − 5) + 0,001667(x − 4)(x − 5)(x − 6)
P4 (x) = 2 + 0,23(x − 4) − 0,01(x − 4)(x − 5) + 0,001667(x − 4)(x − 5)(x − 6) −
0,000833(x − 4)(x − 5)(x − 6)(x − 7)
Para f (x) = 3(sin(πx/6))2
P1 (x) = 0,75x
P2 (x) = 0,75x + 0,375(x)(x − 1)
P3 (x) = 0,75x + 0,375(x)(x − 1) − 0,25(x)(x − 1)(x − 2)
P4 (x) = 0,75x+0,375(x)(x−1)−0,25(x)(x−1)(x−2)+0,03125(x)(x−1)(x−2)(x−3)
(c) Calcular los valores de los polinomios hallados, en el apartado anterior, para
los valores de x dados.
Para f (x) = x1/2
x = 4,5
P1 (4,5) = 2,115
P2 (4,5) = 2,1175
P3 (4,5) = 2,118125

P4 (4,5) = 2,118906
x = 7,5
P1 (7,5) = 2,805
P2 (7,5) = 2,7175
P3 (7,5) = 2,739375
P4 (7,5) = 2,733907
x = 1,5
P1 (1,5) = 1,125
P2 (1,5) = 1,40625
P3 (1,5) = 1,5
P4 (1,5) = 1,517578
x = 3,5
P1 (3,5) = 2,625
P2 (3,5) = 5,90625
P3 (3,5) = 2,625
P4 (3,5) = 2,830078
(d) Compare los valores obtenidos, con los valores exactos.
Valores exactos de f (x) = x1/2
f (4,5) = 2,121320
f (7,5) = 2,738613
Valores exactos de f (x) = 3(sin(πx/6))2
f (1,5) = 1,5
f (3,5) = 2,799038
Como se puede observar en el apartado anterior, se puede observar que a medida

que aumenta el grado del polinomio, se va aproximando cada vez más al valor
exacto de la función; ya que se puede apreciar que los P4 (x) son muy parecidos a
los valores reales.
4.7.2. Considere M + 1 puntos (x0 ; y0 ); ...; (xM ; yM ).

(a) Pruebe que si las (N +1)−ésimas diferencias divididas son cero, entonces todas
las siguientes hasta la M −ésima son también cero.
Sea p(x) un polinomio de grado n, por construcción se puede escribir:

P (x) = P (x0 ) + P [x0 , x](x − x0 )

P (x) = P (x0 ) + P [x0 , x1 ](x − x0 ) + P [x0 , x1 , x](x − x0 )(x − x1)

Y así sucesivamente, dependiendo del número de puntos o datos que se tenga.
donde P [x0 , x], P [x0 , x1 , x],..., P [x0 , x1 , ..., xn−1 , x] son polinomios de grado N-1,N-
2,...,0, respectivamente. Por tanto, las diferencias divididas de grado N+1 son cero
y las de orden superior también por construcción, hasta la M-ásima.
(b) Pruebe que si las (N +1)−ésimas diferencias divididas son cero, entonces existe
un polinomio PN (x) de grado N tal que:
PN (xk ) = yk para k = 0; 1; ...; M.
Se tiene que el polinomio de Newton se construye de la siguiente manera:
PN (x) = a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) + ... + ak (x − x0)...(x−xk−1 )
los coeficientes se definen:
ak = f (x0 , x1 , ..., xk )
Suponiendo que x0 , x1 , ..., xN son N + 1 números distintos en [a, b], existe un po-
linomio PN (x), que se aproxima a la función f (x).
Si los puntos dados tienen valores distintos en el eje de las abscisas, f (xj ) = yj ,
esos puntos son usados para construir un polinomio único de grado ≤ N que
pasa por N + 1 puntos. En consecuencia:
PN (xk ) = yk para k = 0; 1; ...; M.
4.7.3. En el código dado, sección anterior, la matriz D se emplea para almacenar la

tabla de diferencias divididas:
(a) Compruebe que la siguiente modificación, del código dado, es una forma equi-
valente de calcular el polinomio interpolador de Newton.
for k=0:N
A(k) = y(k);
end
for j=1:N
for k=N:-1:j
A(k) = (A(k)-A(k-1))/(x(k)-x(k-j));
end
end
Para la comprobación de la modificación, se creá una funcón newtonpoly2, que

da como respuestas los coeficientes a0 , ..., a1

function [C,A]= newtonpoly2(x,y)

N = length(x);
for k=1:N
A(k) = y(k);
end
for j=1:N
for k=N:-1:j+1
A(k) = (A(k)-A(k-1))/(x(k)-x(k-j));
end
end
C = A(N);
for k=N-1:-1:1
C = conv(C,poly(x(k)));
m = length(C);
C(m) = C(m) + A(k);
end
(b) Repita el ejercicio 1 e indique las diferencias
• Calcular la tabla de diferencias divididas para las funciones y datos.

Para f (x) = x1/2
Usando la función newtonpoly.m:
>> x=[4 5 6 7 8];
>> y=[2 2.23 2.44 2.64 2.82];
>> [C,D]=newtonpoly(x,y)
C =
-0.0008 0.0200 -0.1842 0.9750 -0.0200
D =
2.0000 0 0 0 0
2.2300 0.2300 0 0 0
2.4400 0.2100 -0.0100 0 0
2.6400 0.2000 -0.0050 0.0017 0
2.8200 0.1800 -0.0100 -0.0017 -0.0008
Usando la función newtonpoly2.m:
>> [C,A]=newtonpoly2(x,y)
C =

-0.0008 0.0200 -0.1842 0.9750 -0.0200
A =
2.0000 0.2300 -0.0100 0.0017 -0.0008

Usando la función newtonpoly.m:
>> x=[0 1 2 3 4];

>> y=[0 0.75 2.25 3.00 2.25];
>> [C,D]=newtonpoly(x,y)
C =
0.0313 -0.4375 1.4688 -0.3125 0
D =
0 0 0 0 0
0.7500 0.7500 0 0 0
2.2500 1.5000 0.3750 0 0
3.0000 0.7500 -0.3750 -0.2500 0
2.2500 -0.7500 -0.7500 -0.1250 0.0313
Usando la función newtonpoly2.m:
>> [C,A]=newtonpoly2(x,y)
C =
0.0313 -0.4375 1.4688 -0.3125 0
A =
0 0.7500 0.3750 -0.2500 0.0313
DIFERENCIAS:
Con los 2 codigos,obtenemos dos matrices, la matriz C, nos da los coeficientes del
polinomio de Newton desarrollado;
En la primera funcion es:
P4 (x) = −0,000833x4 + 0,0200x3 − 0,1842x2 + 0,9750x − 0,0200

para la segunda es:
P4 (x) = 0,03125x4 − 0,4375x3 + 1,4688x2 − 0,3125x
En el primer código se obtiene una la matriz D, que nos da como resultado la tabla
de diferencias divididas, cuya diagonal son los valores de a0 , ..., a1 , que permite
construir el polinomio de Newton
Para el segundo código, se observa que nos da como resultado una matriz A, que
son los coeficientes a0 , ..., a1 , para hacer el polinomio de Newton.
En ambos casos se puede construir el mismo polinomio interpolador de Newton,

ya que si se conoce los valores de la diagonal de la tabla de diferencias dividi-
das (a0 , ..., a1 ); y como se puede apreciar en ambos casos se obtienen los mismos
coeficientes C .
4.8. Tareas Interpolación Spline

4.8.1. Construir un programa para la interpolacion spline de grado 2.
El algoritmo realizado es:
function [a,b,c]=spline2(X)
n=length(X(1,:));
for i=1:n;
a(i)=X(2,i);
end
for i=1:n-1;
h(i)=X(1,i+1)-X(1,i);
end
for i=1:n-1;
lambda(i)=(X(2,i+1)-X(2,i))/h(i);
end
b(1)=0;
for i=2:n;
b(i)=2*lambda(i-1)-b(i-1);
end
for i=1:n-1;
c(i)=(lambda(i)-b(i))/h(i);
end

c(n)=0;
for i=1:n-1;
x=X(1,i):0.1:X(1,i+1);
y=a(i)+b(i)*(x-X(1,i))+c(i)*(x-X(1,i)).^2;
hold on;
plot(x,y,’b’);
end
for i=1:n;
hold on;
plot (X(1,i),X(2,i),’*’,’MarkerEdgeColor’,’r’,’LineWidth’,1);
title(’Interpolacion por "spline cuadrtico".’);
end
4.8.2. Consultar y desarrollar una metodología para las funciones spline cubicas.
El objetivo de los del spline cúbico es obtener un polinomio de tercer grado para
cada intervalo entre los nodos:
fi x = ai x3 + bi x2 + ci x + di
Los valores de la función deben ser iguales en los nodos interiores .
La primera y la última función deben pasar a travÃ s
c de los puntos extremos.
Las primeras derivadas en los nodos interiores deben ser iguales.
Las segundas derivadas en los nodos interiores deben ser iguales.
Las segundas derivadas en los nodos extremos son cero.
Los cinco tipos de condiciones anteriores proporcionan un total de 4n ecuaciones re-
queridas para encontrar 4n coeficientes.
En base a las condiciones expuestas, se elabora un algoritmo que permita obtener
la interpolación mediante spline cÃo bico.
MetodologÃa
El spline cúbico (k=3) es el spline más empleado, debido a que proporciona un

excelente ajuste a los puntos tabulados y su cálculo no es excesivamente complejo.
Sobre cada intervalo [t0 , t1 ], [t1 , t2 ], . . . , [tn−1 , tn ], S está¡ definido por un polinomio
cúbico diferente. Sea Si el polinomio cúbico que representa a S en el intervalo [ti,ti+1],
por tanto: 

 S0 (x) x ∈ [t0 , t1 )
S1 (x) x ∈ [t1 , t2

S(x) =

 ↓ ↓
Sn−1 (x) x ∈ [tn−1 , tn


Los polinomios Si−1 y Si interpolan el mismo valor en el punto ti, es decir, se cumple:
Si−1 (ti ) = yi = Si (ti ) (1 ≤ i ≤ n − 1)
por lo que se garantiza que S es continuo en todo el intervalo. Además, se supone que
S’ y S” son continuas, condición que se emplea en la deducción de una expresión para
la función del spline cúbico.
zi zi+1 yi+1 zi+1 hi yi zi hi

Si = (ti+1 − x)3 + (x − ti )3 + ( + )(x − ti ) + ( − )(ti+1 − x)
6hi 6hi hi 6 hi 6
Aplicando las condiciones de continuidad del spline S y de las derivadas primera S’ y
segunda S”, es posible encontrar la expresión analítica del spline. No vamos a obtener
esta expresión, ya que su demostración queda fuera de ámbito. Simplemente diremos
que la expresión resultante es:
6 6
hi−1 zi−1 + 2(hi + hi−1 )zi + hi zi+1 = (yi+1 − yi ) − (yi − yi−1 )
hi−1 hi−1
La ecuación anterior, con i = 1, 2, . . . , n − 1 genera un sistema de n-1ecuaciones li-

neales con n+1 incógnitas z0 , z1 , . . . , zn . Podemos elegir z0 y z1 de forma arbitraria y
resolver el sistema de ecuaciones resultante para obtener los valores de z1 , z2 , . . . , zn−1 .
Una elección especialmente adecuada es hacer z0=z1=0. La función spline resultante se
denomina spline cúbico natural y el sistema de ecuaciones lineal expresado en forma
matricial es:
    
u1 h1 z1 v1
 h1 u2 h2   z2   v2 
    

 h 2 u 3 h3
  z3   v3 
 = 

 & & &  ↓

  ↓
 


 hn−3 un−2 hn−2   zn−2   vn−2 
hn−2 Un−1 zn−3 vn−1
en donde:
hi = ti+1 − ti
h2i−1
ui = 2(hi + hi−1 ) −
ui−1
6
bi = (yi+1 − yi )
hi
hi−1 νi−1
νi = bi − bi−1 −
ui−1
Este sistema de ecuaciones, que es tridiagonal, se puede resolver mediante elimina-
ción gaussiana sin pivoteo. El código acepta como entrada un conjunto de nodos (ti ) y
el conjunto de los valores de la función correspondiente (yi ) y produce un vector con
los vectores zi . Por ’ultimo, el valor del spline S en un punto x cualquiera interpolado
se puede calcular de forma eficiente empleando la siguiente expresión:
Si (x) = yi + (x − ti )[Ci + (x − ti )][Bi + (x − ti )Ai ]

en donde:
1
Ai = (zi+1 − zi )
6hi
zi
Bi =
2
hi hi 1
Ci = − zi+1 − zi + (yi+1 − yi )
6 3 hi
4.8.3. Implementar un algoritmo para la interpolacion spline cubica

El algoritmo realizado es:
function [a,b,c,d]=spline3(X)
n=length(X(1,:));
for i=1:n;
a(i)=X(2,i);
end
for i=1:n-1;
h(i)=X(1,i+1)-X(1,i);
end
for i=2:n-1;
alfa(i)=3/h(i)*(a(i+1)-a(i))-3/h(i-1)*(a(i)-a(i-1));
end
l(1)=1;
mu(1)=0;
z(1)=0;
for i=2:n-1;
l(i)=2*(X(1,i+1)-X(1,i-1))-h(i-1)*mu(i-1);
mu(i)=h(i)/l(i);
z(i)=(alfa(i)-h(i-1)*z(i-1))/l(i);
end
l(n)=1;
z(n)=0;
c(n)=0;
for i=n-1:-1:1;
c(i)=z(i)-mu(i)*c(i+1);
b(i)=(a(i+1)-a(i))/h(i)-h(i)*(c(i+1)+2*c(i))/3;
d(i)=(c(i+1)-c(i))/(3*h(i));
end

for i=1:n-1;
x=X(1,i):0.1:X(1,i+1);
y=a(i)+b(i)*(x-X(1,i))+c(i)*(x-X(1,i)).^2+d(i)*(x-X(1,i)).^3;
hold on;
plot(x,y,’b’);
end
for i=1:n;
hold on;
plot (X(1,i),X(2,i),’*’,’MarkerEdgeColor’,’r’,’LineWidth’,1);
title(’Interpolacion por "splines cubicos".’);
end
4.8.4. Resolver
(a) Interpolar por splines de grado 1, 2 y 3 la función f (x) = x1 en tomando los
puntos (0, 1; 10), (0, 2; 5), (0, 5; 2), (1; 1), (2; 0, 5), (5; 0, 2) y (10; 0, 1).
Con Spline de grado 1:
>> X=[0.1 0.2 0.5 1 2 5 10;10 5 2 1 0.5 0.2 0.1];
>> [m,b]=spline(X)
m =
-50.0000 -10.0000 -2.0000 -0.5000 -0.1000 -0.0200
b =
10.0000 5.0000 2.0000 1.0000 0.5000 0.2000
Ej1 con spline grado 1

>> [a,b,c]=spline2(X)
a =
Columns 1 through 6
10.0000 5.0000 2.0000 1.0000 0.5000 0.2000
Column 7
0.1000
b =
Columns 1 through 6
0 -100.0000 80.0000 -84.0000 83.0000 -83.2000
Column 7
83.1600
c =
Columns 1 through 6
-500.0000 300.0000 -164.0000 83.5000 -27.7000 16.6360
Column 7
>> [a,b,c,d]=spline3(X)
a =
Columns 1 through 6

10.0000 5.0000 2.0000 1.0000 0.5000 0.2000
Column 7
0.1000
b =
-55.1942 -39.6115 2.4750 -3.1806 0.6338 -0.3282
c =
Columns 1 through 6
0 155.8270 -15.5386 4.2275 -0.4131 0.0925
Column 7
d =
519.4233 -190.4063 13.1774 -1.5469 0.0562 -0.0062
(b) Interpolar por splines cúbicos la función f (x) = x21+1 en el intervalo 0 ≤ x ≤ 1

tomando los seis puntos de las abcisas xk = k5 , k = 0, 1, 2, 3, 4, 5.
>> Y1=[0 1 2 3 4 5];

>> Y2=(Y1.^2+1).^-1;
>> Y=[Y1;Y2];
>> [a,b,c,d]=spline3(Y)
a =
1.0000 0.5000 0.2000 0.1000 0.0588 0.0385
b =

-0.5403 -0.4195 -0.1818 -0.0532 -0.0288
c =
0 0.1208 0.1169 0.0117 0.0127 0
d =
0.0403 -0.0013 -0.0350 0.0003 -0.0042
Ejemplo
Se considera la función polinomial a trozos

x3 x ∈ [0, 1)
r(x) = 3 2
0, 5(x − 1) + a(x − 1) + b(x − 1) + c x ∈ [1, 3]
Determinar qué condiciones deben verificar los parámetros reales a, b y c para

que dicha función sea un spline cúbico sobre Γ = 0, 1, 3
Los valores de la función deben ser iguales en los nodos interiores.
f1 (1) = f2 (1)
x3 = 0,5(x − 1)3 + a(x − 1)2 + b(x − 1) + c, x = 1

13 = 0,5(1 − 1)3 + a(1 − 1)2 + b(1 − 1) + c
c=1
Las primeras derivadas en los nodos interiores deben ser iguales.
f10 (1) = f20 (1)
3x2 = 1,5(x − 1)2 + 2a(x − 1) + b, x = 1

3(1)2 = 1,5(1 − 1)2 + 2a(1 − 1) + b
b=3
Las segundas derivadas en los nodos interiores deben ser iguales.
f100 (1) = f200 (1)
6x = 3(x − 1) + 2a, x = 1
6(1) = 3(1 − 1) + 2a, x = 1
a=3

4.9. Ejercicios SVD

1. ¿Con cuál de las imágenes compirmidas te quedarías? ¿Por qué?
Con la de la posición 2,3 por que es la imagen comprimida en donde su pixelación se
nota de menor manera y tomando en cuenta el peso de esta comparado con la original
sigue siendo un valor muy bajo.
2. ¿Cuántos valores singulares utiliza cada imagen comprimida?
imagen 1 utiliza 2 valores sisngulares.

3. En el códgio anterior, r0 representa el número de valores singulares, cambia dicha

instrucción por r0 = 2 ∗ k, r0 = 3k y r0 = 3 ∗ k. ¿Con cuál de estas instrucciones te
quedarías para calcular r0 ? ¿Por qué?
r0 = 2 ∗ k:
1 2 153120 1600
2 4 153120 3200
3 6 153120 4800
4 8 153120 6400
5 10 153120 8000
6 12 153120 9600
r0 = 3k :
1 3 153120 2400
2 9 153120 7200
3 27 153120 21600
4 81 153120 64800
5 243 153120 194400

r0 = 3 ∗ k:
1 3 153120 2400
2 6 153120 4800
3 9 153120 7200
4 12 153120 9600
5 15 153120 12000
6 18 153120 14400
La instrucción escogida es r0 = 3∗k ya que usa un mayor número de valores sisngulares

exceptuando el segundo caso donde el programa registra un error.
4. Si aumentas el número de vaores singulares, ¿mejora la compresión?
Si, a mayor número de valores singulares usados, mejor es la calidad de la imagen
comprimida.
5. ¿Cuántos valores singulares tomarás para considerar que tienes una buena imagen
y una buena compresión?
A partir de aproximadamente treinta valores singulares la imagen presenta una calidad
considerable y el peso es seis veces menor a la original.
5. Capítulo 3
5.1. Derivación
Las fórmulas de derivación numérica son importantes en el desarrollo de algorit-
´ y ciencias.
mos que resuelvan aplicaciones de ingenier?a
En calculo se aprende y se deduce la siguiente fórmula:
f (x + h) − f (x)
f 0 (x) = lı́m
h→0 h
Como introducción se implementará esta fórmula para f (x) = 3x2 con diferentes valo-
res de h armando la siguiente tabla.
Otra fórmula que se suele utilizar en cálculo
f (x) − f (x − h)
f 0 (x) = lı́m
h→0 h
Armando la siguiente tabla:
Estas fórmulas se pueden deducir a partir de la fórmula de Taylor:
f 00 (y0 )(y − y0 )2 f 000 (y0 )(y − y0 )3

f (y) = f (y0 ) + f 0 (y0 )(y − y0 ) + + + O(h4 )
2! 3!
h f’(x)
10 36
5 21
1 9
0.5 7.5
0.1 6.3
0.011 6.03
h f’(x)
10 -24
5 -9
1 -3
0.5 4.5
0.1 5.7
0.011 5.97
Si se define a h = y − y0 , se reemplaza en la fórmula de Taylor:
f 00 (y0 )h2 f 000 (y0 )h3

f (y0 + h) = f (y0 ) + f 0 (y0 )h + + + O(h4 )
2! 3!
Ahora considerando x = y0
f (x + h) = f (x) + f 0 (x)h + O(h2 )

Realizando un procedimiento similar con −h = y − y0 .
Se deduce:
f (x − h) = f (x) − f 0 (x)h + O(h2 )

Si en la primera fórmla se despeja f 0 (x) se obtiene:
f (x + h) − f (x)
f 0 (x) = + O(h1 )
h
La cual se define como fórmula de diferencias finita con esquema adelantado.
De la segunda también se puede despejar f 0 (x) obteniendo:
f (x) − f (x − h)
f 0 (x) = + O(h1 )
h
La cual se define como fórmula de diferencias finita con esquema retardado.
Si se suma la primera con la segunda ecuación se y se despeja f 0 (x) obtiene:
f (x + h) − f (x − h)
f 0 (x) = + O(h2 )
2h
Esta fórmula es más precisa debido a que es de orden 2.
Algoritmo El siguiente programa recibe un vector X y un f (X) calculando la primera

derivada usando la fórmula de esquema adelantado, y la de esquema retardado para

el ultimo elemento del vector:
function [C]=dfx(X,Y)
n=length(X);
C=zeros(n,1);
for i=1:n
if i<n
C(i,1)=(Y(i+1)-Y(i))/(X(i+1)-X(i));
else
if i==n
C(i,1)=(Y(i)-Y(i-1))/(X(i)-X(i-1));
end
end
end
C
5.2. Integración
5.2.1. Integración Punto Medio
Método para estimar la integral de una fuención la cual se basa en:
Sea una función continua en [a, b].La regla del punto medio para aproximar la integral
viene dada por:
b n
b−aX b−a
Z
f (x)dx ≈ f (xi ) = [f (x1 ) + f (x2 ) + · · · + f (xn )]
a n i=1 n
donde:
xi Es el punto medio del i -ésimo intervalo [xi−1 , xi ]

xi−1 , xi
xi =
2
ESTIMACIÓN DE ERRORES
Cuando se trabaja con aproximaciones es importante conocer con que precisión es-
tamos calculando el valor de la integral. Ademas, es posible que algún método sea
sensiblemente mejor que los demás, si bien puede que sea bajo ciertas hipótesis. A
continuación enunciamos los errores que se cometen en las reglas de aproximación
mas usuales.
Si f es continua en [a, b] entonces el error EM cometido al aproximar esta integral por
la regla del punto medio es
M (b − a)3
|EM | ≤
24n2

5.2.2. Integración numérica por el método del trapecio

Este método se basa en principios básico de geometría plana donde el área de un
trapecio se calcula con la siguiente fórmula:
(B + b)h
A=
2
Análogamente en una función definida en el intervalo [a, b] la fórmula sería:
Z b
b−a
f (x)dx = [f (a) + f (b)]
a 2
Esta fórmula se puede deducir a partir del polinomio interpolador de Lagrange obte-
niendo lo siguiente:
Usando la aproximación:
Z x1 Z x1
f (x)dx = P1 (x)dx
x0 x0
Reemplazando:
x1 x1
x − x1 x − x0
Z Z
P1 (x)dx = f0 + f1 dx
x0 x0 x0 − x1 x1 − x0
Z x1 Z x1
x − x1 x − x0
= f (x0 ) dx + f (x1 ) dx
x0 x 0 − x 1 x0 x 1 − x 0
x1 x 1
f (x0 ) x2 f (x1 ) x2

= − x1 x + − x0 x
x0 − x1 2 x0 x1 − x0 2 x0
2 2

f (x0 ) x1 x
= − x21 − 0 − x1 x0
x0 − x1 2 2
2
x20

f (x1 ) x1 2
+ − x 0 x1 − + x0
x1 − x0 2 2
(1/2)(x1 − x0 )2 (1/2)(x1 − x0 )2
= f (x0 ) + f (x1 )
x1 − x0 x1 − x0
Z x1
x1 − x0
f (x)dx = (f (x0 ) + f (x1 ))
x0 2
Si el intervalo [a, b] se subdivide en un finito número de espacios iguales definidos por
los puntos a = x0 , x1 , . . . , xn = b se obtendría la siguiente integral:
Z xn Z x1 Z x2 Z xn
f (x)dx = f (x)dx + f (x)dx + · · · + f (x)dx
x0 x0 x1 xn−1
Aplicando la fórmula de trapecio simple para cada caso se obtendría:

Z xn
x1 − x0 x2 − x1 xn−1 − xn
f (x)dx = (f (x0 )+f (x1 ))+ (f (x1 )+f (x2 ))+· · ·+ (f (xn−1 )+f (xn ))
x0 2 2 2

Como los los intervalos son equiespaciados, es decir h =| x1 − x0 |=| x2 − x1 |= · · · |

xn−1 − xn | entonces se puede sacar un factor común, obteniendo así:
Z xn
h
f (x)dx = [f (x0 ) + f (x1 ) + f (x1 ) + f (x2 )) + · · · + f (xn−1 ) + f (xn )]
x0 2
Z xn " n−1
#
h X
f (x)dx = f (x0 ) + 2 f (xi ) + f (xn )
x0 2 i=1
La cual se define como fórmula de Trapecio compuesta.

Programa en Matlab
clc
clear all
a=0;
b=pi;
n=100;
f=@(x)sin(x);
h=(b-a)/n;
int=0;
aux=a;
for i=2:n-1
aux=aux+h;
int=int+2*f(aux);
end
int=(h/2)*(f(a)+int+f(b))
5.2.3. Integración numérica por el método de Simpson

Otra manera de obtener una estimación aún de una integral, es la de usar polino-
mios de orden superior para conectar los puntos, en el caso particular del método que
usa orden 2, es decir de la forma ax2 + bx + c.
Se divide el intervalo [a, b] en 2M subintervalos [xk , xk+1 ] de la misma anchura h = b−a
2M
mediante una partición de nodos equiespaciados xk = a + kh, para k = 0, 1, . . . , 2M . La
regla compuesta de simpson con 2M subintervalos se puede expresar de las siguientes
formas:
M
hX
S(f, h) = f (x2k−2 + 4f (x2k−1 ) + f (x2k ))
3 k=1
h
S(f, h) = (f0 + 4f1 + 2f2 + 4f3 + . . . + 2f2M −2 + 4f2M −1 + f2M )
3
M −1 M
h 2h X 4h X
S(f, h) = (f (a) + f (b)) + f (x2k ) + f (x2k−1 )
3 3 k=1 3 k=1

Teniendo la siguiente expresión

Z b
f (x)dx ≈ S(f, h)
a
ESTIMACIÓN DE ERRORES:
El término de error ES (f, h) para la regla compuesta de Simpson es de orden O(h4 ).
Cuando las derivadas de f (x) se conocen, la fórmula
−(b − a)f (4) (c)h4

ES (f, h) =
180
nos permiten, también estimar el número de subintervalos necesarios para alcanzar la
presición deseada.
REGLA DE SIMPSON 3/8
Es un método en una manera muy similar al método de Simpson 1/3 o simplemen-
te llamado método de Simpson. Un polinomio de Lagrange de tercer orden se puede
ajustar a cuatro puntos e integrarse:
Z b Z b
I= f (x)dx ∼
= f3 (x)dx
a a
Para obtener
3
I = h[f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )]
8
Donde:
b−a
h=
3
5.2.4. Integración numérica por el método de Simpson Compuesta

Simpson compuesta La fórmula de Simspon compuesta se define cuando el inter-
valo de integración [a, b] se subdivide en un finito número de espacios iguales definidos
por los puntos a = x0 , x1 , . . . , xn = b se tendría la siguiente integral:
Z xn Z x2 Z x4 Z xn
f (x)dx = f (x)dx + f (x)dx + · · · + f (x)dx
x0 x0 x2 xn−2
Aplicando la fórmula de Simpson simple para cada caso se obtendría:

Z xn
x2 − x0 x4 − x2
f (x)dx = (f (x0 ) + 4f (x1 ) + f (x2 )) + (f (x2 ) + 4f (x3 ) + f (x4 ))+
x0 6 6
xn−2 − xn
··· + (f (xn−2 ) + 4f (xn−1 ) + f (xn ))
6
Como los los intervalos son equiespaciados, es decir 2h =| x2 − x0 |=| x2 − x1 |= · · · |
xn−1 − xn | entonces se puede sacar un factor común, obteniendo así:
Z xn
2h
f (x)dx = (f (x0 ) + 4f (x1 ) + f (x2 ) + f (x2 ) + 4f (x3 ) + f (x4 ) + · · ·
x0 6

+f (xn−1 ) + f (xn ))
n−1 n
!
Z xn
h X X
f (x)dx = f (x0 ) + 4 f (x2i−1 ) + 2 f (x2i + f (xn ))
x0 3 i=1 i=1
La cual se define como fórmula de Simpson compuesta. Programa en Matlab
clc
clear all
clc
clear all
a=0;
b=1;
n=10000;
f=@(x)((x^2)*(exp(-x)));
h=(b-a)/n;
int1=0;
int2=0;
aux=a;
j=0;
k=0;
for i=2:2:n-1
if j==0
aux=aux+h;
int1=int1+4*f(aux);
j=j+1;
else
aux=aux+2*h;
int1=int1+4*f(aux);
end
end
aux=0;
for i=3:2:n-1
if k==0
aux=aux+h;
int2=int2+2*f(aux);
k=k+1;
else
aux=aux+2*h;
int2=int2+2*f(aux);
end
end
int=(h/3)*(f(a)+int1+int2+f(b))


6.1. Deducción fórmula Integración por Simpson
Para deducir la fórmula de Integración numérica de Simpson, se utiliza el Polino-
mio Interpolador de Lagrange de tres puntos equiespaciados. Sea la función f (x) cuyas
respectivas ordenadas son las siguientes:
Xi F (xi )
x0 f (x0 )
x1 f (x1 )
x2 f (x2 )
El polinomio interpolador sería:

2
X
P2 (x) = f (xi )LN,i (x)
i=0
P2 (x) = f (x0 )LN,0 (x) + f (x1 )LN,1 (x) + f (x2 )LN,2 (x)
Ahora se determinan los polinomios LN,i (x):
QN
j=0,j6=i (x − xj )
LN,i (x) = QN
j=0,j6=i (xi − xj )
(x − x1 )(x − x2 )
L2,0 (x) =
(x0 − x1 )(x0 − x2 )
(x − x0 )(x − x2 )
L2,1 (x) =
(x1 − x0 )(x1 − x2 )
(x − x0 )(x − x1 )
L2,2 (x) =
(x2 − x0 )(x2 − x1 )
Reemplazando estos polinomios en el polinomio interpolador se obtiene:
P2 (x) = f (x0 ) (x(x−x 1 )(x−x2 )
0 −x1 )(x0 −x2 )
+ f (x1 ) (x(x−x 0 )(x−x2 )
1 −x0 )(x1 −x2 )
+ f (x2 ) (x(x−x 0 )(x−x1 )
2 −x0 )(x2 −x1 )
Se procede a hallar la integral:
Z x2 Z x2
f (x)dx = P2 (x)dx
x0 x0
x2 x2
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )
Z Z
P2 (x)dx = f (x0 ) +f (x1 ) +f (x2 ) dx
x0 x0 (x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
Para facilitar el cálculo, aprovechando la linealidad del operador Integral se puede es-
tablecer que:
Z x2
I= P2 (x)dx = I1 + I2 + I3
x0

Donde I1 , I2 , I3 son respectivamente:

Rx f (x0 ) R x2
I1 = x02 f (x0 ) (x(x−x
−x
1 )(x−x2 )
)(x −x )
dx = (x − x1 )(x − x2 )dx
0 1 0 2 (x0 − x1 )(x0 − x2 ) x0
Rx f (x1 ) R x2
I2 = x02 f (x1 ) (x(x−x 0 )(x−x2 )
1 −x0 )(x1 −x2 )
dx = (x − x0 )(x − x2 )dx
(x1 − x0 )(x1 − x2 ) x0
Rx f (x2 ) R x2
I3 = x02 f (x2 ) (x(x−x 0 )(x−x1 )
2 −x0 )(x2 −x1 )
dx = (x − x0 )(x − x1 )dx
(x2 − x0 )(x2 − x1 ) x0
Ahora si se definen las constantes como:
f (x0 )
A=
(x0 − x1 )(x0 − x2 )
f (x1 )
B=
(x1 − x0 )(x1 − x2 )
f (x2 )
C=
(x2 − x0 )(x2 − x1 )
Se tendría:
Rx
I1 = A x02 (x − x1 )(x − x2 )dx
Rx
I2 = B x02 (x − x0 )(x − x2 )dx
Rx
I3 = C x02 (x − x0 )(x − x1 )dx
Ahora se procede a resolver cada integral:
Para I1
Z x2 Z x2
I1 = A (x − x1 )(x − x2 )dx = A x2 − (x2 )x − (x1 )x + (x1 )(x2 )dx
x0 x0
x3 x2

=A − (x2 + x1 ) + (x1 )(x2 )x|xx20
3 2
x32 x22 x30 x20

=A − (x2 + x1 ) + (x1 )(x2 )x2 − + (x2 + x1 ) − (x1 )(x2 )x0
3 2 3 2

3 1 1 2 −1 3 −1 2 1 2 1
= A x2 − + (x1 )(x2 ) + 1 + (x0 ) + (x2 )(x0 ) + (x1 )(x0 ) − (x1 x2 x0 )
3 2 2 3 2 2
x0 + x2
Resolviendo esto y reemplazando x1 = se obtiene lo siguiente:
2
3
x2 x0 x22 x20 x2 x30

I1 = A − + −
12 4 4 12
A 3
x2 − 3x0 x22 + 3x20 x2 − x30

=
12
Aplicando propiedad del binomio al cubo:
A
(x2 − x0 )3

=
12

Reemplazando el valor de A
f (x0 )
(x2 − x0 )3

I1 =
12(x0 − x1 )(x0 − x2 )
x0 + x2
Reemplazando x1 = :
2
f (x )(x − x )3
I1 = x 0 x 2 0
0 2
12 − (x0 − x2 )
2 2
f (x0 )(x2 − x0 )3
I1 =
6(x0 − x2 )(x0 − x2 )
f (x0 )(x2 − x0 )3
I1 =
6(x2 − x0 )2
f (x0 )(x2 − x0 )
I1 =
6
Para I2
Z x2 Z x2
I2 = B (x − x0 )(x − x2 )dx = B x2 − (x0 )x − (x2 )x + (x0 )(x2 )dx
x0 x0
3
x2

x
=B − (x0 + x2 ) + (x0 )(x2 )x|xx20
3 2
x32 x22 x30 x20

2
=B − (x0 + x2 ) + (x0 )(x2 )x2 − + (x2 + x0 ) − (x0 ) (x2 )x0
3 2 3 2

3 1 1 2 −1 3 −1 1 2 1
= B x2 − + (x0 )(x2 ) + 1 + (x0 ) + + (x2 )(x0 ) −1
3 2 2 3 2 2
3
x2 (x0 )(x22 ) (x2 )(x20 ) (x30 )

=B − + − +
6 2 2 6
B 3
x2 − 3x0 x22 + 3x20 x2 − x30

=−
6
B
= − (x2 − x0 )3
6
Reemplazando el valor de B
f (x1 )(x2 − x0 )3
I2 =
(x1 − x0 )(x1 − x2 )
x0 + x2
Reemplazando x1 = :
2
f (x1 )(x2 − x0 )3
I2 = − x x2 x0 x2
0
− + −
2 2 2 2
2f (x1 )(x2 − x0 )
I2 =
3
Para I3
Realizando un procedimiento similar a los anteriores, se determina que:
f (x2 )(x2 − x0 )
I3 =
6
Sumando I1 , I2 , I3
Z x2
I= P2 (x)dx = I1 + I2 + I3
x0
x2 x2
f (x0 )(x2 − x0 ) 2f (x1 )(x2 − x0 ) f (x2 )(x2 − x0 )
Z Z
P2 (x)dx = f (x)dx = + +
x0 x0 6 3 6
x2
x2 − x0
Z
f (x)dx = [f (x0 ) + 4f (x1 ) + f (x2 )]
x0 6
x2 − x 0 x0 + x2
Considerando que h = y que x1 = , La fórmula quedaría expresada de
2 2
la siguiente manera:
Z x2
h x0 + x2
f (x)dx = f (x0 ) + 4f ( ) + f (x2 )
x0 3 2
La cual se conoce como la fórmula de Simpson.
Si se determinan mas puntos se llega a la fórmula de Simpson compuesta, la cual es la
siguiente:
 
Z x2 n/2−1 n/2
h X X
f (x)dx = f (x0 ) + 2 f (x2j + 4 f (x2j−1 + f (xn )
x0 3 j=1 j=1
6.2. Tarea Derivación

6.2.1. Ejercicio 1
Escribir una función en MATLAB df(x) que admita como entradas un vector de
puntos x y los valores de la funcón f (x) y que calcule el valor de la derivada primera
en los puntos dados, utilizando la fórmula de diferencia adelantada. Para calcular el
valor en el extremo superior debe usarse la fórmula de diferencia retrasada.
Resolución El código del programa implementado es el siguiente:
function [C]=dfx(X,Y)
n=length(X);
C=zeros(n,1);
for i=1:n
if i<n
C(i,1)=(Y(i+1)-Y(i))/(X(i+1)-X(i));
else
if i==n
C(i,1)=(Y(i)-Y(i-1))/(X(i)-X(i-1));

end
end
end
6.2.2. Ejercicio 2
Aplicar la fórmula de dos puntos adelantada al cálculo de la derivada primera de
f (x) = sin(x) en x = 2,13432. Comprobar que al ir reduciendo h el error se reduce de
manera aproximadamente lineal con h.
Resolución Primero obtenemos el valor real:
f 0 (x) = cos(2,13432) = −0,534168

El esquema adelantado para la primera derivada es el siguiente:
f1 − f0
f 0 (x) =
h
Primero se aplica la fórmula para un h=1
sin(2,13432 + 1) − sin(2,13432)
f 0 (x) = = −0,838106
1
El error sería:
Error = |valor teórico − valor real| = 0,534168 − 0,838103 = 0,303938
A partir de esto se arma la siguiente tabla:
f1 − f0
hi h f 0 (x) = error
hi
h0 1 -0.838103 0.303938
h1 0.1 -0.575512 0.041343
h2 0.01 -0.538386 0.004217
h3 0.001 -0.534590 0.000422
h4 0.0001 -0.534212 0.000042
h5 0.00001 -0.534172 0.000004

6.2.3. Ejercicio 3
Repetir el ejercicio anterior comparando la precisión de la fórmula de diferencia
adelanta con la retrasada. Aplicar también ambas fórmulas al cálculo de la derivada
de la función g(x) = 1/(1 + ex ) en x = 1/2.
Resolución
Primero obtenemos el valor real:
f 0 (0,5) = −0,235004
f1 − f0
f 0 (x) =
h
1 1
0,5+1
−
f 0 (x) = 1 + e 1 + e0,5 = −0,195115
1
El error sería:
El esquema retrasado para la primera derivada es el siguiente:

f0 − f−1
f 0 (x) =
h
1 1
0,5
−
f 0 (x) = 1 + e 1 + e0,5−1 = −0,244919
1
El error en este esquema sería:
A partir de esto se arma la siguiente tabla:

Como se observa ambas fórmulas al ser de orden 1 presentan casi la misma precisión
f1 − f0 f0 − f−1
hi h f 0 (x) = error1 error2
hi h
h0 1 -0.195115 0.039889 -0.244919 0.009915
h1 0.1 -0.231969 0.003033 -0.237716 0.002712
h2 0.01 -0.234714 0.000289 -0.235289 0.000286
h3 0.001 -0.235000 0.000028 -0.235032 0.000028
h4 0.0001 -0.235003 0.000002 -0.235006 0.000002
h5 0.00001 -0.235003 0.000000 -0.235003 0.000000

6.2.4. Ejercicio 4
Supongamos que se conoce el valor de la derivada mediante la fórmula de dife-
rencia adelantada para tres valores de h diferentes. Es posible estimar el valor del h
óptimo? Es posible estimar el error que se comete en el cálculo en cada uno de los ca-
sos?. Aplicarlo al cálculo de la derivada de la función f (x) = sin(x) en x = 0,6, usando
h = 0,1, h = 0,01 y h = 0,0000000001
Resolución
Se puede estimar un h óptimo observando los valores númericos, si la derivada de la
función comienza tender a cero es porque el h es muy pequeño y por lo tanto el h óp-
timo sería el inmediato anterior del valor en el que comienza a tender a cero.
Primero obtenemos el valor real:
f 0 (0,6) = cos(0,6) = 0,825336

f1 − f0
f 0 (x) =
h
Primero se aplica la fórmula para un h=0.1
sin(0,6 + 0,1) − sin(0,6)

f 0 (x) = = 0,795752
0,1
Para un h=0.01
sin(0,6 + 0,01) − sin(0,6)

f 0 (x) = = 0,822499
0,01
Para un h=0.0000000001
sin(0,6 + 0,0000000001) − sin(0,6)

f 0 (x) = = 0,8253
0,0000000001
En este caso el valor óptimo de h es h=0.0000000001 porque presenta mas exactitud
aunque menos precisión para la respuesta.
6.2.5. Ejercicio 5
Calcular la derivada de la funcón f (x) = tan(x) en x = 3,14 usando h = 0,1 y
h = 0,01. Comparar el resultado con el valor exacto. Es buena la aproximación? Por
qué?.
Resolución Primero obtenemos el valor real:
1
f 0 (3,14) = =1
(cos(3,14))2
El esquema centrado para la primera derivada es el siguiente:
f1 − f−1
f 0 (x) =
2h

Primero se aplica la fórmula para un h=0.1
tan(3,14 + 0,1) − tan(3,14 − 0,1)

f 0 (3,14) = = 1,00335
2(0,1)
para un h=0.01
tan(3,14 + 0,01) − tan(3,14 − 0,01)

f 0 (3,14) = = 1,00004
2(0,01)
Como vemos en el primer caso el error absoluto es 0,00335 y en el segundo es 0,00004
por lo tanto si es una buena aproximación porque esta fórmula es de orden 2.
6.2.6. Ejercicio 6
Consulta: Calcular cotas para el error de truncación que se comete al aproximar las
derivadas de las funciones f (x) = 1/(1 + sin(x)) y g(x) = ln(1 + 2x). Calcular las cotas
teniendo en cuenta el error de redondeo y comprobar que los errores reales están por
debajo de lo permitido por la cota.
Resolución
El error de truncación en el esquema adelantado y retrasado se define como:
hf (2) (c)
Etrun = O(h1 ) =
2
Matemáticamente la cota máxima es:
M = max |f (2) (x)| : a ≤ x ≤ b

Primero se procederá a hallar la cota superior de la función f (x) = 1/(1 + sin(x))

Se determina f 0 (x):
−cos(x)
f 0 (x) =
[1 + sen(x)]2
Ahora se determina f 00 (x):
2 + cos2 (x)
f 00 (x) =
[1 + sen(x)]4
Primeramente se analiza el rango de esta función:
−1 ≤ cos(x) ≤ 1
cos2 (x) ≤ 1
2 + cos2 (x) ≤ 3
En f 00 (x) hay que considerar que:
[1 + sen(x)]4 6= 0
1 + sen(x) 6= 0

sen(x) 6= −1
Ahora si se considera considera que:
2 + cos2 (x)
h(x) = f 00 (x) =
[1 + sen(x)]4
Se maximiza esta función con el objetivo de hallar una cota superior para el error de
truncación:
Como se observa en el gráfico no hay máximos si no mínimos por esta razón se tomará
como cota la función evaluada en el punto donde se quiere calcular la derivada.
En el punto π2
2 + cos2 (π/2)
h(π/2) = = 2,691743
[1 + sen(π/2)]4
Se procede a calcular la cota M
1
M = f 00 (x)
2
1
M = (2,691743) = 1,3458
2
Con h=0.01 se calcula el residuo:
R = hM
R = 0,013458
Ahora se comprueba:
Valor teórico:
f 0 (x) = 0 Valor obtenido con fórmula con esquema adelantado:
f1 − f0
f 0 (x) = = 0,00125
h
Error = |0 − 0,00125| = 0,00125
Como se observa el error es menor que la cota.

Ahora se trabaja con g(x) = ln(1 + 2x)
2
g 0 (x) =
1 + 2x

4
g 00 (x) = −
(1 + 2x)2
La derivada con esquema adelantado es la siguiente:
g1 − g0 h 00
g 0 (x) = + g (c)
h 2
Donde el residuo sería:
h 00
Residuo = g (c) = hM
2
La función g 00 (x) no presenta máximos ni mínimos. Por lo tanto la cota sería:
g 00 (1)
M= = 0,2222
2
Se comprueba que es la cota máxima.
Valor teórico:
2
g 0 (1) = = 0,6667
1 + 2x
Valor con fórmula de esquema adelantado con h=0.01:
g1 − g0
g 0 (x) = = 0,6644
h
El error sería:
Error = |0,6667 − 0,6644| = 0,0023

Como se comprueba es menor que la cota.
6.2.7. Ejercicio 7
Construir una tabla de derivadas primeras de la función g(x) definida por la si-
guiente tabla en los puntos xi con la mayor precisión posible mediante fórmulas de
tres puntos.
x g(x)
1,0 1,000000
1,2 0,997502
1,4 0,990025
1,8 0,960398
2,0 0,940678
Resolución
Para la resolución se arma la siguiente tabla considerando un 0,01.

−g2 + 4g1 − 3g0 3g0 − 4g−1 + g−2

x g(x) g 0 (x)
h h
1,0 1,000000 -0.000085 — -0.000085
1,2 0,997502 0.03598 — 0.03598
1,4 0,990025 — -0.099665 -0.099665
1,8 0,960398 — -0.40702 -0.40702
2,0 0,940678 — -0.147665 -0.147665
6.2.8. Ejercicio 8
Usando la fórmula de diferencia centrada
√ calcular la derivada primera de la fun-
ción f (x) = arctan(x) en el punto x = 2 (el valor correcto es 1/3). Utilizar diferentes
valores de h y estudiar los efectos de los errores de redondeo y de truncación.
Resolución
Con h=0.1
f1 − f−1
f 0 (x) =
2h
√ √
0 arctan( 2 + 0,1) − arctan( 2 − 0,1)
f (x) = = 0,333950
2 ∗ 0,1
Haciendo el truncamiento en 4 cifras:0,3339
Calculando el error de truncamiento.
|V real − V aprox| |1/3 − 0,333950|

Ert = ∗ 100 % = ∗ 100 % = 0,185 %
V real 1/3
Redondeando a 3 cifras: 0,334 Se calcula el error de redondeo:
|V real − V aprox| |1/3 − 0,334|

Err = ∗ 100 % = ∗ 100 % = 0,2 %
V real 1/3
Con h=0.01
f1 − f−1
f 0 (x) =
2h
√ √
0 arctan( 2 + 0,01) − arctan( 2 − 0,01)
f (x) = = 0,333339
2 ∗ 0,01
|V real − V aprox| |1/3 − 0,3333|

Ert = ∗ 100 % = ∗ 100 % = 0,01 %
V real 1/3
|V real − V aprox| |1/3 − 0,333|

Err = ∗ 100 % = ∗ 100 % = 0,1 %
V real 1/3

Con h=0.00001
f1 − f−1
f 0 (x) =
2h
√ √
arctan( 2 + 0,00001) − arctan( 2 − 0,00001)
f 0 (x) = = 0,333333
2 ∗ 0,00001
|V real − V aprox| |1/3 − 0,3333|

Ert = ∗ 100 % = ∗ 100 % = 0,01 %
V real 1/3
|V real − V aprox| |1/3 − 0,333|

Err = ∗ 100 % = ∗ 100 % = 0,1 %
V real 1/3
6.2.9. Ejercicio 9
Deducir una fórmula de cinco puntos que utilice los valores de la función en los
0
puntos x, x + h, x + 2h, x + 3h y x − h para calcular f (x).
Resolución
La deducción se hace mediante el desarrollo de la fórmula de Taylor. Se la aplica a los
puntos dados obteniendo:
h2 00
f (x + h) = f (x) + hf 0 (x) + f (x)
2
h2
f (x − h) = f (x) − hf 0 (x) + f 00 (x
2
f (x + 2h) = f (x) + 2hf (x) + 2h2 f 00 (x)
0
9h2 00
f (x + 3h) = f (x) + 3hf 0 (x) + f (x)
2
9
Si se procede a sumar de la forma: f (x + 3h) − f (x + 2h) + f (x − h) − f (x + h)
4
Se obtendrá:
9 −5 7
f (x + 3h) − f (x + 2h) + f (x − h) − f (x + h) = f (x) − hf 0 (x)
4 4 2
0
Despejando f (x) se obtiene:

−5 9
2 f (x) − f (x + 3h) + f (x + 2h) − f (x − h) + f (x + h)
0 4 4
f (x) =
7h

6.2.10. Ejercicio 10
Se conocen los valores de la función de Bessel J0 (x) en los puntos J0 (0, 0) = 1, 00000000,
J0 (0, 1) = 0, 99750156, J0 (0, 2) = 0, 99002497, J0 (0, 3) = 0, 97762625, J0 (0, 4) = 0, 96039823
y J0 (0, 5) = 0, 93846981. Construir una tabla de derivadas en esos puntos con la mayor
precisión posible usando las fórmulas de tres puntos más apropiadas.
Resolución
Recordando la fórmula de 3 puntos adelantada:
−f2 + 4f1 − 3f0
f 0 (x) =
2h
Y la fórmula de 3 puntos retrasada:
3f0 − 4f−1 + 3f−2
f 0 (x) =
2h
Ahora se arma la siguiente tabla:
−J2 + 4J1 − 3J0 3J0 − 4J−1 + 3J−2

x J(x) J 0 (x)
2h 2h
0,0 1,00000000 -0.000093658 — -0.000093658
0,1 0,99750156 -0.05015525 — -0.05015525
0,2 0,99002497 — -0.09965665 -0.09965665
0,3 0,97762625 — -0.14859785 -0.14859785
0,4 0,96039823 — -0.19642700 -0.19642700
0,5 0,93846981 — -0.24278620 -0.24278620
Calcular la derivada primera de la funcioń f (x) = |x − 2|cos(x) en x = 2 usando las
fórmulas de diferencias centradas y adelantadas. Comparar los resultados.
Resolución
Se aplica la definición de valor absoluto:

(x − 2)cos(x) si x > 0
f (x) =
−(x − 2)cos(x) si x ≤ 0
Como el punto x = 2 es mayor que cero entonces se analiza la función en ese intervalo
es decir la función a analizar es la siguiente:
f1 (x) = (x − 2)cos(x) con x > 0

Con un h=0.01 se calcula la derivada: Fórmula centrada:
f1 − f−1
f 0 (x) =
2h

(2 − 2 + 0,01)cos(2 + 0,01) − (2 − 2 − 0,01)cos(2 − 0,01)

f 0 (x) = = −0,416126
2 ∗ 0,01
Fórmula adelantada:
f1 − f0
f 0 (x) =
h
(2 − 2 + 0,01)cos(2 + 0,01) − (2 − 2)cos(2)
f 0 (x) = = −0,425219
0,01
El valor real es f 0 (x) = −0,416147 por lo que se concluye que el la fórmula de esquema
centrado es más precisa.
Considérese la función

0 si −1 < x < 4/5
f (x) = −x2
e si 4/5 ≤ x < 1
Para calcular f 0 (4/5) ¿será mejor usar una fórmula adelantada o una centrada?
Resolución
2
Como el punto 4/5 esta ubicado en el intervalo donde f (x) = e−x entonces se aplicará
la fórmula con este valor de la función.
El esquema mas apropiado de utilizar es el adelantado debido a que cuando x < 4/5,
f (x) tiene el valor de 0.
La fórmula del esquema adelanto con 3 puntos es (con h=0.01):
−f2 + 4f1 − 3f0
f 0 (x) =
2h
2 2 2
0 −e−(4/5+0,02) + 4e−(4/5+0,01) − 3e−(4/5)
f (x) = = −0,843763
2 ∗ 0,01
Deducir las foŕmulas centradas y adelantadas para la derivada tercera.
Resolución
La fórmula de la primera derivada centrada es la siguiente:
f (x + h) − f (x − h)
f 0 (x) =
2h
Derivando esto se tiene que:
f 0 (x + h) − f 0 (x − h)
f 00 (x) =
2h

Reemplazando con la primera derivada:
f (x + 2h) − f (x) f (x) − f (x − 2h)

− f (x + 2h) − f (x) − f (x) + f (x − 2h)
00
f (x) = 2h 2h =
2h 4h2
Para obtener la tercera derivada se vuelve a derivar lo ya obtenido:
f 0 (x + 2h) − 2f 0 (x) + f 0 (x − 2h)

f 000 (x) =
4h2

f (x + 3h) − f (x + h) f (x + h) − f (x − h)
)−2 + f (x−h)−f
2h
(x−3h)
2h 2h
f 000 (x) =
4h2
f (x + 3h) − f (x + h) − 2f (x + h) + 2f (x − h) + f (x − h) − f (x − 3h)
f 000 (x) =
8h3
Ahora para obtener la fórmula de las adelantada
A partir de la fórmula de la primera derivada.
f (x + h) − f (x)
f 0 (x) =
h
Derivando esto se tiene que:
f 0 (x + h) − f 0 (x)
f 00 (x) =
h
Reemplazando con la fórmula de la primera derivada.
f (x + 2h) − f (x + h) f (x + h) − f (x)
− f (x + 2h) − 2f (x + h) + f (x)
f 00 (x) = h h =
h h2
Se calcula la tercera derivada.
f 0 (x + 2h) − 2f 0 (x + h) + f 0 (x)
f 000 (x) =
h2
f (x + 3h) − 3f 0 (x + 2h) + 3f (x + h) − f (x)
f 000 (x) =
h3
Al calcular la derivada segunda de una función, ¿qué fórmula tendrá menor in-
fluencia del error de redondeo, la centrada de tres puntos o la centrada de cinco pun-
tos? Razonar la respuesta y comprobar la hipot́esis con el empleo de la función f (x) =
ex . Comparar los errores de redondeo con los que aparecen al calcular f 0 (x). ¿Cuáles
son mayores?
Resolución

El error de truncación dependerá del orden de la fórmula utilizada. Sin embargo el

error de redondeo dependerá del número de operaciones realizadas. por esta razón la
fórmal de 5 puntos presentará mayor error de redondeo.
Fórmula de 3 puntos aplicada a f (x) = ex con h=0.01 en x=2:
f1 − 2f0 + f−1
f 0 (x) = = 7,389117678
h2
Fórmula de 5 puntos aplicada a f (x) = ex con h=0.01 en x=2:
f2 − 4f1 + 6f0 − 4f−1 + f−2
f 0 (x) = = 7,3892
h4
Como se observa el redondeo en la fórmula de 3 puntos presenta menor error de re-
dondeo que la fórmula de 5 puntos.
Estudiar el efecto de los errores de truncación y redondeo en la fórmula centrada
de cinco puntos para f 00 . Particularizar para f (x) = 1/(1 + x2 ) en x = 1.
Resolución
2(3x2 − 1)
f 00 (x) =
(x2 + 1)3
1
f 00 (x) =
2
La fórmula centrad de 5 puntos estada por la ecuación:
Con h=0.1
−f2 + 16f1 − 30f0 + 16f−1 − f−2
f 00 (x) =
16h2
1 1 1 1 1
− + 16 − 30 + 16 −
1 + (1 + 2 ∗ 0,1)2 1 + (1 + 0,1)2 1 + 12 1 + (1 − 0,1)2 1 + (1 − 2 ∗ 0,1)2
f 00 (x) = 2
=0
16(0,1)
Truncamos el resultado en 4 cifras:
f 00 (x) = 0,5000
Redondeamos a 4 cifras:
f 00 (x) = 0,5000
Con h=0.01
−f2 + 16f1 − 30f0 + 16f−1 − f−2
f 00 (x) =
16h2
1 1 1 1 1
− 2
+ 16 2
− 30 2
+ 16 2
−
1 + (1 + 2 ∗ 0,01) 1 + (1 + 0,01) 1+1 1 + (1 − 0,01) 1 + (1 − 2 ∗ 0,01)2
f 00 (x) =
16(0,01)2

Truncamos el resultado en 4 cifras:
f 00 (x) = 0,5000
Redondeamos a 4 cifras:
f 00 (x) = 0,5000
Se observa que el error de truncamiento y de redondeo son muy bajos casi tienden a
cero.
Deducir el término de error O(h5 ) en la fórmula de cinco puntos para f 000 . Resolu-
ción
Para el esquema adelantado se obtiene los siguientes 5 puntos:
f 00 (x)h2 f 000 (x)h3 f (4) (x)h4

f (x + h) = f (x) + f 0 (x)h + + + + O(h5 )
2! 3! 24
2h3 f 000 (x) 2f (4) (x)h4
f (x + 2h) = f (x) + 2hf 0 (x) + 2h2 f 00 (x) + + + O(h5 )
3 3
00 2 3 000
9f (x)h 9h f (x) 27f (x)h4 (4)
f (x + 3h) = f (x) + 3hf 0 (x) + + + + O(h5 )
2 2 8
32h3 f 000 (x) 32f (4) (x)h4
f (x + 4h) = f (x) + 4hf 0 (x) + 8f 00 (x)h2 + + + O(h5 )
3 3
Por lo tanto se debe intentar reducir lo más que se puedo los términos que contienen
derivadas.
3f (x + 2h) 8f (x + 3h)
Para deshacerse de la derivada cuarta se suma: 24f (x + h) − + −
2 27
3f (x + 4h)
32
Obteniendo así:
3f (x + 2h) 8f (x + 3h) 3f (x + 4h) 19615f (x) 1549f 0 (x) 28 00 10f 000 (x)
24f (x+h)− + − = + + f (x)+
2 27 32 864 72 3 3
Reemplazando los valores de la segunda y tercera derivada:
−3f (x + 4h) + 16f (x + 3h) − 36f (x + 2h) + 48f (x + h) − 25f (x)

f 0 (x) =
12h
−f (x + 3h) + 4f (x + 2h) − 5f (x + h) + 2f (x)
f 00 (x) =
h2
Y despejando f 000 (x) se obtendra la fórmula adelanta de 5 puntos para f 000 (x)

6.3. Tarea Integración Parte 1

6.3.1. Ejercicio 1
Se requiere realizar una integración numérica de la función f (x) en el intervalo
[0, 12]. Escriba los puntos en los cuales se necesita conocer la función para los siguientes
métodos de integración:
Método del punto medio con cuatro intervalos
Resolución
Z b
L0 (x)dx = (b − a)f [(a + b)/2]
a
en
(an + bn )/2
Es decir en: [1,5, 4,5, 7,5, 10,5]
Método del trapecio en tres intervalos
Z b
(b − a)
f (x)dx = [f (a) + f (b)]
a 2
Es decir [0, 4, 8, 12]
Método de Simpson en dos intervalos
Z b
(b − a) a+b
f (x)dx = [f (a) + 4f ( ) + f (b)]
a 6 2
En an , bn y (an + bn )/2
Es decir en [0, 3, 6, 9, 12]
6.3.2. Ejercicio 2
Calcular la cuadratura compuesta para dos intervalos de la integral
Z π
sin(x)dx
0
por el método del trapecio.

Resolución
Obtenemos la respuesta real:
Z π
sin(x)dx = [−cox(x)]π0 = [1 − (−1)] = 2
0
Aplicando la fórmula del trapecio con cuadratura compuesta es:
n−1
!
Z π
h X
sin(x)dx = f (a) + 2 f (a + ib) + f (b)
0 2 i=1

π−0
Tomando un tamaño de paso h = = 0,7853 se arma la siguiente tabla:
4
h f (x) 2f (x)
0,0000 0 —
√
0,7853 — 2
1,5708 — √2
2,3562 — 2
3,1415
P 0 —
0 4.8284
Por lo tanto el valor de la integral sería:

π √
I= (2 + 2 2) = 1,896118898
8
6.3.3. Ejercicio 3
Calcular la cuadratura compuesta para dos intervalos de la integral
Z 2
3x2 dx
0
por el método de Simpson tres octavos.
Resolución
La fórmula de Simpson 3/8 es la siguiente:
Z b
3h
f (x)dx = (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ))
a 8
b−a
donde h =
3
Aplićandola en el ejemplo tenemos un:
2−0
h= = 0,66667
3
Armando una tabla se tendría los siguientes valores para la función:
x f (x)
0 0
2/3 4/3
4/3 16/3
2 12
Aplicando la fórmula
Z 2
3(2/3)
3x2 dx = (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )) = 8
0 8

6.3.4. Ejercicio 4
Comparar el método del rectángulo con el método de Simpson en el cálculo de la
integral
Z b
sin(x)dx
a
Calcular los errores asociados

(b − a)2 0
Erect = f (θ)
2
(b − a)5 (4)
ESimp = f (θ)
2
Además, calcular el valor exacto de la integral.
Resolución
En un intervalo de [0, 1] se calcula la integral:
Por el Método del rectángulo
Z 1
sin(x)dx = 0,8414709848
0
El error sería:
(b − a)2 0
Erect = f (θ)
2
donde θ es un punto del intervalo que maximiza el error, θ = 0 =⇒ Erect = 0,5 Por el
Método de Simpson
Z 1
sin(x)dx = 0,4598621899
0
El error sería:
(b − a)5 (4)
ESimp = f (θ)
2
donde θ es un punto del intervalo que maximiza el error, θ = 1 =⇒ Erect = 0,01111
6.3.5. Ejercicio 5
Aplicar la regla del punto medio, la regla del trapecio y la regla de Simpson para
aproximar la integral
Z 1
x2 e−x dx
0
Obtener en cada caso una cota del error y comparar el error con el error real.
Resolución

Método del punto medio:

Z 1
2 −x a+b
x e dx = (b − a)f
0 2
Z 1
1
x2 e−x dx = (1 − 0)f
0 2
2 1
1 −
= e 2
2
= 0,151632664
Para los errores:
(b − a)3 00
f (θ)
EP medio =
24
(1)3 00
EP medio = f (θ)
24
1
EP medio = f 00 (θ)
24
Ahora se determina la cota máxima:
f 00 (x) = 2e−x − 4xe−x + x2 e−x

f 00 (0) = 2e0 − 0 + 0 = 2
f 00 (1) = −0,367879441
Se establece la desigualdad:
−0,367879441 ≤ f 00 (θ) ≤ 2
1 1 1
(−0,367879441) ≤ f 00 (θ) ≤ (2)
24 24 24
−0,01532831) ≤ EP medio ≤ 0,083333
Regla del trapecio:

b
(b − a)
Z
f (x)dx = (f (a) + f (b))
a 2
1
(1 − 0)
Z
x2 e−x dx = (f (0) + f (1))
0 2
Z 1
x2 e−x dx = 0,18393972
0
Se determina el error:
(b − a)3 00
Etrap = f (θ)
12

(1 − 0)3 00
Etrap = f (θ)
12
1
Etrap = f 00 (θ)
12
f (x) = 2e − 4xe−x + x2 e−x
00 −x
f 00 (0) = 2e0 − 0 + 0 = 2
f 00 (1) = −0,367879441
Aplicando la relación:
−0,367879441 ≤ f 00 (θ) ≤ 2
1 1 1
(−0,367879441) ≤ f 00 (θ) ≤ (2)
12 12 12
−0,03065662 ≤ EP medio ≤ 0,166666
Regla de Simpson:
Z b
(b − a) a+b
f (x)dx = f (a) + 4f + f (b)
a 6 2
Z 1
2 −x (1 − 0) 0+1
x e dx = f (0) + 4f + f (1)
0 6 2
0,162401683
(b − a)5 4
Esimp = f (θ)
90
1
Esimp = f 4 (θ)
90
Se calcula la cuarta derivada:
f 4 (x) = 12e−x − 8xe−x + x2 e−x

f 4 (0) = 12e0 − 0 + 0 = 12
f 4 (1) = 1,839397206
Aplicando la relación:
1,839397206 ≤ f 4 (θ) ≤ 12
1 1 1
(1,839397206) ≤ f 00 (θ) ≤ (12)
90 90 90
0,020437746 ≤ EP medio ≤ 0,1333333
Valor Real
1
−(x2 + 2x + 2) 1
Z
x2 e−x dx = |0 ≈ 0,160602794
0 ex

6.3.6. Ejercicio 6
En los casos que se relacionan a continuación se considera la integración de la fun-
ción dada f (x) sobre el intervalo [0, 1]. Aplique la regla trapecio, la regla se Simpson,
la regla se Simpson 3/8 y la regla de Boole. Utilice cinco evaluaciones de la función en
nodos equiespaciados con incremento h = 1/4.
f (x) = sin(πx)
f (x) = 1 + e−x cos(4x)

√
f (x) = sin( x)
Resolución
f (x) = sin(πx)
a) Regla del trapecio La formula de cuadratura compuesta para el trapecio es:
Z b n−1
!
h X
f (x)dx = f (a) + 2 f (a + ib) + f (b)
a 2 i=1
Para resolver con esta fórmula se arma la siguiente tabla:
h f (x) 2f (x)
0 0 —
√
1/4 — 2
1/2 — √2
3/4 — 2
P1 0 —
0 4.8284
Aplicando la fórmula, la integral sería:

Z 1
sin(πx)dx = 0,60355
0
b) Regla del Simpson

m m−1
!
Z b
h X X
f (x)dx = f (x0 ) + 4 f (x2i−1 ) + 2 f (x2i ) + f (x2m )
a 3 i=1 i=1
Aplicando la fórmula:
Z 1
sin(πx)dx = 0,461294
0

x f (x)
0 √0
1/4 2/2
1/2 √ 1
1 2/2
c) Regla del Simpson 3/8 La fórmula de Simpson 3/8 es la siguiente:

Z b
3h
f (x)dx = (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ))
a 8
A partir de la tabla anterior se determina:
Z 1
sin(πx)dx = 0,546415
0
d) Regla del Boole

Z b
2h
f (x)dx = [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )]
a 45
Z 1
sin(πx)dx = 0,636165
0
f (x) = 1 + e−x cos(4x)

Z b n−1
!
h X
f (x)dx = f (a) + 2 f (a + ib) + f (b)
a 2 i=1
h f (x) 2f (x)
0 2 —
1/4 — 2,84158
1/2 — 1,49519
3/4 — 1,06472
P1 0,759538 —
2.759538 1.02013

Z 1
1 + e−x cos(4x)dx = 1,02013
0


m m−1
!
Z b
h X X
a 3 i=1 i=1
x f (x)
0 2
1/4 1,42079
1/2 0,757594
3/4 0,532361
1 0,759538
Z 1
1 + e−x cos(4x)dx = 1,07057
0

Z b
3h
f (x)dx = (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ))
a 8

Z 1
1 + e−x cos(4x)dx = 1,0211
0
d) Regla del Boole

Z b
2h
f (x)dx = [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )]
a 45

Z 1
1 + e−x cos(4x)dx = 1,0101
0
√
f (x) = sin( x)
Z b n−1
!
h X
f (x)dx = f (a) + 2 f (a + ib) + f (b)
a 2 i=1

h f (x) 2f (x)
0 0 —
1/4 — 0,958851
1/2 — 1,299270
3/4 — 1,523520
P1 0,841471 —
0.841471 3.78164

Z 1
√
sin( x)dx = 0,422705
0

m m−1
!
Z b
h X X
a 3 i=1 i=1
x f (x)
0 0
1/4 0,479426
1/2 0,649637
3/4 0,76176
1 1
Z 1 √
sin( x)dx = 0,605335
0

Z b
3h
f (x)dx = (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ))
a 8
Z 1
√
sin( x)dx = 0,625544
0
d) Regla del Boole

Z b
2h
f (x)dx = [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )]
a 45


Z 1
√
sin( x)dx = 0,605707
0
6.3.7. Ejercicio 7
Integrando el polinomio de interpolación de Lagrange
x − x1 x − x0
P1 (x) = f0 + f1
x0 − x1 x1 − x0
en el intervalo [x0 , x1 ], deduzca la regla del trapecio.
Resolución
Usando la aproximación:
Z x1 Z x1
f (x)dx = P1 (x)dx
x0 x0
Reemplazando:
x1 x1
x − x1 x − x0
Z Z
P1 (x)dx = f0 + f1 dx
x0 x0 x0 − x1 x1 − x0
Z x1 Z x1
x − x1 x − x0
= f (x0 ) dx + f (x1 ) dx
x0 x 0 − x 1 x0 x 1 − x 0
x1 x 1
f (x0 ) x2 f (x1 ) x2

= − x1 x + − x0 x
x0 − x1 2 x0 x1 − x0 2 x0
2
x20 f (x1 ) x21 x20

f (x0 ) x1 2 2
= − x1 − − x1 x0 + − x0 x1 − + x0
x0 − x1 2 2 x1 − x0 2 2
(1/2)(x1 − x0 )2 (1/2)(x1 − x0 )2
= f (x0 ) + f (x1 )
x1 − x0 x1 − x0
Z x1
x1 − x0
f (x)dx = (f (x0 ) + f (x1 ))
x0 2
6.3.8. Ejercicio 8
Una fórmula de cuadratura en un intervalo [a, b] puede obtenerse a partir de una
fórmula de cuadratura en un intervalo [c, d] haciendo el cambio de variable dado por
la función lineal
x = g(t) = b−a
d−c
t + ad−bc
d−c
, con dx = b−a
d−c
dt
Compruebe que x = g(t) es la línea recta que pasa por los puntos (c, a) y (b, d).
Primero se verifica que efectivamente es una recta, ya que viene dado por la for-
ma y = mx + b.

Ahora se va a comprobar que la recta pasa por el punto (c, a); para ello en la fun-
ción x = g(t), hacemos que x = g(c) y debe dar como resultado a:
b−a ad − bc
g(t) = t+
d−c d−c
b−a ad − bc
g(t) = (c) +
d−c d−c
bc − ac ad − bc
g(t) = +
d−c d−c
bc − ac + ad − bc
g(t) =
d−c
a(d − c)
g(t) =
d−c
g(t) = a
Ahora para comprobar el otro punto realizamos lo mismo solo que e con x = g(d)
b−a ad − bc
g(t) = t+
d−c d−c
b−a ad − bc
g(t) = (d) +
d−c d−c
bd − ad ad − bc
g(t) = +
d−c d−c
bd − ad + ad − bc
g(t) =
d−c
b(d − c)
g(t) =
d−c
g(t) = b
Compruebe que la regla del trapecio tiene el mismo grado de precisión en cual-
quier intervalo [a, b] que en el intervalo [0, 1]. Como se sabe la fórmula del tra-
pecio viene dad por:
Z b
(b − a)
f (x)dx = (f (a) + f (b))
a 2
Se va a comprobar que la regla del trapecio tiene el mismo grado de precision en
el intervalo [0, 1] mediante el cambio de variable expuesto en el encabezado del
ejercicio, con la fórmula del trapecio:
Z 1 Z 1
b−a a
g(t)dt = f t+ (b − a)
0 0 1−0 1
Z 1 Z 1
b−a
g(t)dt = f t + a (b − a)
0 0 1

1 1
b−a
Z Z
g(t)dt = (b − a) f t+a
0 0 1
Z 1
1−0 b−a b−a
g(t)dt = (b − a) [f ∗0+a +f ∗1+a ]
0 2 1 1
Z 1
b−a
g(t)dt = [f (a) + f (b − a + a)]
0 2
Z 1
(b − a)
g(t)dt = (f (a) + f (b))
0 2
Compruebe que la regla del Simpson tiene el mismo grado de precisión en
cualquier intervalo [a, b] que en el intervalo [0, 2]. Se va a comprobar que la re-
gla de Simpson tiene el mismo grado de precisión em el intervalo [0,2] mediante
el cambio de variable expuesto en el encabezado del ejercicio, con la fórmula de
Simpson:
Z 2 Z 2
b−a 2a (b − a)
g(t)dt = f t+
0 0 2−0 2 2
Z 2 Z 2
b−a (b − a)
g(t)dt = f t+a
0 0 2 2
Z 2 Z 2
(b − a) b−a
g(t)dt = f ∗t+a
0 2 0 2
Z 2
(b − a) 1 b−a b−a
g(t)dt = [f ∗0+a +f ∗1+a ]
0 2 3 2 2
Z 2
b−a b+a
g(t)dt = [f (a) + 4f + f (b − a + a)]
0 6 2
Z 2
(b − a) b+a
g(t)dt = (f (a) + 4f + f (b))
0 6 2
Compruebe que la regla del Boole tiene el mismo grado de precisión en cual-
quier intervalo [a, b] que en el intervalo [0, 4]. La fórmula de Boole es:
Z b
2h
f (x)dx = [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )]
a 45
Se va a comprobar que la regla de Simpson tiene el mismo grado de precisión em
el intervalo [0,4] mediante el cambio de variable expuesto en el encabezado del
ejercicio, con la fórmula de Boole:
Z 4 Z 4
b−a 4a (b − a)
g(t)dt = f t+
0 0 4−0 4 4
Z 4 Z 4
b−a (b − a)
g(t)dt = f t+a
0 0 4 4

4
(b − a) 2

b−a
Z Z
g(t)dt = f ∗t+a
0 4 0 4
Z 2
(b − a) 2 ∗ 1 b−a b−a b−a
g(t)dt = [7f ∗ 0 + a +32f ∗ 1 + a +12f ∗ 2 + a +32f
0 2 45 4 4 4
Z 2
2h
g(t)dt = [7f (a) + 32f (h + a) + 12f (2h + a) + 32f (3h + a) + 7f (b)]
0 45
Z b
2h
f (x)dx = [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )]
a 45
6.4. Tarea Integración Parte 2

6.4.1. Ejercicio 1
Construya programas en Matlab para las reglas compuestas: rectángulo, trapecio y
Simpson.
Trapecio
syms x
fun=sin(pi*x);
a=0;
b=1/4;
ba2=zeros(4,1);
fa=zeros(4,1);
fb=zeros(4,1);
fx=zeros(4,1);
nodotrap=zeros(4,2);
r=0;
for i=1:4
ba2(i,1)=(b-a)/2;
fa(i,1)=subs(fun,x,a);
fb(i,1)=subs(fun,x,b);
nodotrap(i,1)=a;
nodotrap(i,2)=b;
fx(i,1)=(b-a)/2*(fa(i,1)+fb(i,1));
a=b;
b=b+1/4;
r=r+fx(i,1);
end
trapecio=zeros(4,4);
trapecio(:,1)=ba2;
trapecio(:,2)=fa;
trapecio(:,3)=fb;
trapecio(:,4)=fx;
trapecio

nodotrap
Simpson
clear all
syms x
fun=sin(pi*x);
a=0;
b=1/4;
ba2=zeros(4,1);
fa=zeros(4,1);
fm=zeros(4,1);
fb=zeros(4,1);
fx=zeros(4,1);
r=0;
nodosimp=zeros(4,2);
for i=1:4
ba2(i,1)=(b-a)/6;
fa(i,1)=subs(fun,x,a);
fb(i,1)=subs(fun,x,b);
fm(i,1)=subs(fun,x,((a+b)/2));
nodosimp(i,1)=a; nodosimp(i,2)=b;
fx(i,1)=ba2(i,1)*(fa(i,1)+fb(i,1)+4*fm(i,1));
a=b; b=b+1/4;
r=r+fx(i,1);
end
final=zeros(4,5);
final(:,1)=ba2;
final(:,2)=fa;
final(:,3)=fm;
final(:,4)=fb;
final(:,5)=fx;
simpson=final
nodosimp
r
Rectángulo
clear all
syms x
fun=sin(pi*x);
a=0;
b=1/4;
ba8=zeros(4,1);
f0=zeros(4,1);

f1=zeros(4,1);
f2=zeros(4,1);
f3=zeros(4,1);
fx=zeros(4,1);
r=0;
h=(b-a)/3;
nodosimp38=zeros(4,4);
for i=1:4
ba8(i,1)=3*h/8;
f0(i,1)=subs(fun,x,a);
f1(i,1)=subs(fun,x,(a+h));
f2(i,1)=subs(fun,x,(a+2*h));
f3(i,1)=subs(fun,x,b);
nodosimp38(i,1)=a;
nodosimp38(i,2)=a+h;
nodosimp38(i,3)=a+2*h;
nodosimp38(i,4)=b;
fx(i,1)=ba8(i,1)*(f0(i,1)+3*f1(i,1)+3*f2(i,1)+f3(i,1));
a=b;
b=b+1/4;
r=r+fx(i,1);
end
simpson38=zeros(4,6);
simpson38(:,1)=ba8;
simpson38(:,2)=f0;
simpson38(:,3)=f1.*3;
simpson38(:,4)=f2.*3;
simpson38(:,5)=f3;
simpson38(:,6)=fx;
simpson38
nodosimp38
r
6.4.2. Ejercicio 2
Aproxime cada una de las siguientes integrales, utilizando los programas desarro-
llados.
R −1
1
(1 + x2 )−1 dx
R2
0
2xcos(x)dx
Rπ
0
sin(2x)e−x dx
Resolución

R −1
Para la integral: 1 (1 + x2 )−1 dx Se armo la siguiente tabla con los resultados de
los diferentes métodos con un n = 1000:
Métodos Resultado
Rectángulo 1,570795993461562
Trapecio 1,570795993461562
Simpson 1,570796326793627
R2
Para la integral: 0 2xcos(x)dx Se armo la siguiente tabla con los resultados de los di-
ferentes métodos con un n = 1000:
Métodos Resultado
Rectángulo 0,806558465059901
Trapecio 0,804893877713713
Simpson 0,804896034209521
Rπ
Para la integral: 0 sin(2x)e−x dx Se armo la siguiente tabla con los resultados de los
diferentes métodos con un n = 1000:
Métodos Resultado
Rectángulo 0,382712858844211
Trapecio 0,382712858844211
Simpson 0,382714432695526
6.4.3. Ejercicio 3
Considere las siguientes funciones
f (x) = x3 para 0 ≤ x ≤ 1
f (x) = sin(x) para 0 ≤ x ≤ π/4
f (x) = e−x para 0 ≤ x ≤ 1
Teniendo presente que:
Longitud de una curva. La longitud de una curva y = f (x) defnida sobre un

intervalo [a, b] es
Z bp
longitud = 1 + (f 0 (x))2 dx
a

Área de una superficie de revolución. El área de la superficie del soĺido de revo-

lución que se obtiene al girar alrededor del eje OX la región limitada por la curva
y = f (x) y el intervalo [a, b], viene dada por:
Z b p
área = 2π f (x) 1 + (f 0 (x))2 dx
a
Calcula la longitud de curva y la superficie de revolución de las curvas dadas, utilizan-

do las reglas compuestas. Realize, además, un análisis del error cometido por cada uno
de los métodos. Mostrar las gráfcas. Resolución Coniderando primero las fórmulas de
los errores:
(b − a)h 0
Erec = f (θ)
2
(b − a)h2 00
Etrap = f (θ)
12
(b − a)h4 (4)
Esimp = f (θ)
180
Se procede a resolver:
R1
Para la integral: 0 x3 dx Se armo la siguiente tabla con los resultados de los diferentes
métodos con un n = 1000:
Métodos Longitud Área

Rectángulo 1,547864573545320 3.563111917433472
Trapecio 1,547565654684117 3.563121852021714
Simpson 1,547866735822719 3.563131756606015
Análisis de Error
Z 1 √
longitud = 1 + 9x4 dx
0
Con un θ = 0,5 se obtiene:
g 0 (0,5) = 1,8
g 00 (0,5) = 8,208
g (4) (0,5) = −119,88
Para el área:
Z 1 √
área = 2π x3 1 + 9x4 dx
0
h0 (0,5) = 1,1625

h00 (0,5) = 7,476

h(4) (0,5) = 199,1831
R π/4
Para la integral: 0 sin(x)dx Se armo la siguiente tabla con los resultados de los di-
ferentes métodos con un n = 1000:

Rectángulo 1,05809557596776 2.422425913990404
Trapecio 1,058095501392561 2.422428050822541
Simpson 1,058095426988455 2.422430187653901
Análisis de Error
Z π/4 p
longitud = 1 + cos2 (x)dx
0
Con un θ = π/8 se obtiene:
g 0 (π/8) = −0,2596
g 00 (π/8) = −0,5689
g (4) (π/8) = 1,9084
Para el área:
Z π/4 p
área = 2π sen(x) 1 + cos2 (x)dx
0
Con un θ = π/8 se obtiene:
g 0 (π/8) = 7,2786
g 00 (π/8) = −7,6564
g (4) (π/8) = 38,6602
R1
Para la integral: 0 e−x dx Se armo la siguiente tabla con los resultados de los diferentes
métodos con un n = 1000:

Rectángulo 1,192701576318436 4.849221702904675
Trapecio 1,192701401970177 4.849218491473798
Simpson 1,192701227626107 4.849215280044673
Análisis de Error
Z 1 q
longitud = 1 + e( − 2x)dx
0

g 0 (0,5) = −0,3145
g 00 (0,5) = 0,5444
g (4) (0,5) = 0,8749
Para el área:
Z 1 q
3
área = 2π x 1 + e( − 2x)dx
0
h0 (0,5) = −5,6558
h00 (0,5) = 8,9296
h(4) (0,5) = 37,5192
6.4.4. Ejercicio 4
Determine las constantes w0 , w1 y w2 de manera que
Z 2
g(t)dt = w0 g(0) + w1 g(1) + w2 g(2)
0
sea exacta para las funciones g(t) = 1, g(t) = t, g(t) = t2 Resolución

Para g(t) = 1 tenemos la siguiente integral:
Z 2
1dt = w0 + w1 + w2
0
2 = w0 + w1 + w2
Para g(t) = t tenemos la siguiente integral:
Z 2
tdt = 0 + w1 + 2w2
0
2 = w1 + 2w2
Para g(t) = t2 tenemos la siguiente integral:
Z 2
t2 dt = w1 + 4w2
0
8
= w1 + 4w2
3
Se obtendría un sistema de 3 ecuaciones con 3 incógnitas:
2 = w0 + w1 + w2

2 = w1 + 2w2
8
= w1 + 4w2
3
Resolviendo esto se obtiene:
1 4 1
w0 = , w1 = , w2 =
3 3 3
6.4.5. Ejercicio 5
Use la relación f (x0 + ht) = g(t) y el cambio de variable x = x0 + ht con dx = hdt
para trasladar la regla de Simpson desde [0, 2] hasta el intervalo [x0, x2].
Resolución Z 2Z x2
f (x)dx = g(t)dt
0 x0
Se conoce que:
b
(b − a)
Z
b+a
f (x)dt = (f (a) + 4f + f (b))
a 6 2
A partir de esto se hace el reemplazo y se obtiene:
Z x2
h x2
Z
x0 1 − x0 2 − x0
f (x0 + ht)hdt = f( ) + f( ) + f( ) dt
x0 6 x0 h h h
6.4.6. Ejercicio 6
Determine en cada uno de los siguientes casos, el número m y el tamaño de los
subintervalos h de manera que la regla del trapecio y la de Simpson (considerar cada
regla por separado) con m subintervalos nos permita obtener la integral dada con una
precisión de 5 × 10−9 .
R π/6
−π/6
cos(x)dx
(b − a)h2 00
Etrap = − f (c)
12
2π
( )(−cos(0))h2
5 × 10− 9 = − 6
12
v
u 5 × 10− 9 ∗ 12
htrap = u
t 2π
6
htrap = 2,39 × 10−4
b−a
htrap =
m
mtrap = 4382

Para Simpson:
(b − a)h4 (4)
Esimp = − f (c)
180
2π
( )h4 ∗ cos(0)
Esimp = − 6
180
hsimp = 0,03044762856
msimp = 34,39
R3 1
2
dx
5−x
(b − a)h2 00
Etrap = − f (c)
12
(1)h2 00
5 × 10− 9 = − f (c)
12
R2
0
xe−x dx
(b − a)h2 00
Etrap = − f (c)
12
(2)f (1)h2
5 × 10− 9 = −
12
(2)(−0,367579)h2
5 × 10− 9 = −
12
htrap = 2,85 × 10−4
mtrap = 7904
Para Simpson:
(b − a)h4 (4)
Esimp = − f (c)
180
2π
( )h4 ∗ f (4) (1)
Esimp = − 6
180
hsimp = 0,03325
msimp = 60,13

6.5. Consulta general

6.5.1. Método de integración de Romberg.
Rb
Sea I(h) el valor de la integral que aproxima a I = a f (x)dx, mediante una parti-
ción de subintervalos de longitud h = (b?a)/n , usando la regla del trapecio. Entonces:
I = I(h) + E(h)
donde E(h) es el error de truncamiento que se comete al aplicar la regla trapecial. El
método de extrapolación de Richardson combina dos aproximaciones de integración
numérica, para obtener un tercer valor más exacto. El algoritmo más e?ciente dentro
de éste método, se llama Integración de Romberg, la cual es una fórmula recursiva. Su-
pongamos que tenemos dos aproximaciones: I = I(h1) e I = I(h2), con subintervalos
h1 y h2 respectivamente.

I = I(h1 ) + E(h1 )
⇒ I(h1 ) + E(h1 ) = I(h2 ) + E(h2 )
I = I(h2 ) + E(h2 )
donde f 00 (ξ) es un promedio de la doble derivada entre ciertos valores que pertene-
cen a cada uno de los subintervalos. Ahora bien, si suponemos que el valor de f 00 es
constante, entonces:
(b − a) 2
h1 − h1 ∗ f n h2
= 12 ≈ 21
h2 (b − a) 2 h2
− h2 ∗ f n
12
2
h1
∴ E(h1 ) ≈
h2
Sustituyendo esto último en nuestra primera igualdad, tenemos que:
2
h1
I(h1 ) + E(h2 ) ≈ I(h2 ) + E(h2 )
h2
2
h1
∴ I(h1 ) − I(h2 ) ≈ E(h2 ) − E(h2 )
h2
" 2 #
h1
I(h1 ) − I(h2 ) = E(h2 ) 1 −
h2
De aquí podemos despejar E(h2 )
I(h1 ) − I(h2 )
E(h2 ) ≈ 2
h1
1−
h2
En el caso especial cuando h2 = h1 /2 (que es el algoritmo de Romberg), tenemos:
I ≈ I(h2 ) + df racI(h1 ) − I(h2 )1 − 2

4 I(h1 )
∴ I = I(h2 ) −
3 3
Esta fórmula es solo una parte del algoritmo de Romberg. Para entender el método, es
conveniente pensar que se trabaja en niveles de aproximación. En un primer nivel (que
llamamos 0), es cuando aplicamos la regla del Trapecio, y para poder usar la fórmula
anterior, debemos de duplicar cada vez el número de subintervalos: as?, ´ podemos co-
menzar con un subintervalo, luego con dos, cuatro, ocho, etc., hasta donde se desee.
Posteriormente, pasamos al segundo nivel de aproximación (el 1), que es donde se usa
la fórmula anterior, tomando las parejas contiguas de aproximación del nivel anterior,
y que corresponden cuando h2 = h1/2 . Después pasamos al tercer nivel de aproxi-
mación (el 2), pero aquí cambia la fórmula de Romberg, y así sucesivamente hasta el
último nivel, que se alcanza cuando solo contamos con una pareja del nivel anterior.
Desde luego, el número de niveles de aproximación que se alcanzan, depende de las
aproximaciones que se hicieron en el nivel 0. En general, si en el primer nivel, iniciamos
con n aproximaciones, entonces alcanzaremos a llegar hasta el nivel de aproximación
n. Hacemos un diagrama para explicar un poco más lo anterior.
6.5.2. Integración adaptativa

Si f no tiene muchas derivadas definidas en todos sus puntos, o si las derivadas to-
man valores muy elevados, la integración Gausiana es a menudo insuficiente. En este
caso, un algoritmo similar al siguiente lo haría mejor:
def integral(f, a, b):

"""Este algoritmo calcula la integral definida de una funcio´n en el int
x = a
h = h0
acumulador = 0
while x < b:
if x+h > b:h = b - x
if error de la cuadratura sobre [x,x+h] para f es demasiado grande: haz
else: acumulador += integral(f, x, x+h)
x += h
if error de la cuadratura sobre [x,x+h] es demasiado pequeno: haz h mas
return acumulador
Algunos detalles del algoritmo requieren mirarlo con cuidado. Para muchos casos, es-
timar el error de la integral sobre un intervalo para un función f no es obvio. Una
solucioń popular es usar dos reglas de integración distintas, y tomar su diferencia co-
mo una estimación del error de la integral. El otro problema consiste en decidir qué es
((demasiado grande)) o ((demasiado pequeño)). Un criterio posible para ((demasiado
grande)) es que el error de la integral no sea mayor que t, donde t, un número real, es la
tolerancia que queremos tener para el error global. Pero también, si h es ya minúsculo,
puede no valer la pena hacerlo todavía más pequeño si el error de la integral es apa-
rentemente grande. Este tipo de análisis de error usualmente se llama ((a posterior)) ya

que calculamos el error después de haber calculado la aproximación.

Variaciones funcionales irregulares en el intervalo de integración Combinamos la Re-
gla compuesta de Simpson, h = (b?a)/2, con la Regla de Simpson para m = 2, de paso
h/2 = (b?a)/4:
Z b
h h5 iv
f (x)dx = [f (a) + 4f (a + h) + f (b)] − f (n) ⇒ n ∈]a, b]
a 3 90
h
S(a, b) = [f (a) + 4f (a + h) + f (b)]
3
b
h4 (b − a) iv
Z
h h 3h
f (x)dx = [f (a)+4f (a)+ +2f (a+h)+4f (a+ )+f (b)]− f (n) ⇒ n ∈]a, b[
a 6 2 2 16 ∗ 180

a+b h 3h
S ,b = f (a + h) + 4f (a + + f (b)
2 6 2
El error sería:

a+b a+b
S a, +S ,b
2 2
El código para Simpson con paso adaptivo:
function I = adapsimp(f,a,b,tol,nivel)
h = (b-a)/2; % Paso inicial
c = a+h; % Punto medio
fa = feval(f,a);
fc = feval(f,c);
fb = feval(f,b);
int = h/3*(fa+4*fc+fb); % Simpson simple tol = 10*tol;
I = refina(f,a,c,fa,fc,fb,int,tol,nivel);
6.5.3. Método de integración de Gauss-Legendre

Cuadratura de Gauss:
Z b
w(x)f (x)dx = c1 f (x1 ) + c2 f (x2 ) + . . . + cn f (xn )
a
Elección de nodos x1, x2, . . . , xn para aumentar el grado de precisión. Máximo grado
de exactitud.
Una fórmula de cuadratura con n nodos es exacta para polinomios de grado < 2n?1 si
y sólo si:
La fórmula es interpolatoria, y
los nodos son las raices del n-ésimo polinomio ortogonal respecto del producto
escalar inducido por w(x) en [a,b].

No existe ninguna foŕmula con n nodos exacta para todos los polinomios de grado 2n.
Fórmula de cuadratura
Z b n
X
w(x)f (x)dx = ci f (xi )
a i=1
Z b
1 Tn (x)
ci = 0 w(x)dx ⇒ i = 1, 2, 3, . . . , n
Tn a x − xi
f 2n (ξ) b 2
Z
E(f ) = T (x)w(x)dx ⇒ a < ξ < b
(2n)! a n
Cuadratura Intervalo F.Peso

Gaus-Legendre [a,b]=[-1,1] 1
Gaus-Legendre [a,b]=[-1,1] w(x) = 1/(1 − x2 )1/2
Gaus-Legendre [a,b]=[-1,1] w(x) = (x − 1)a (x + 1)b
Gaus-Legendre [a, b] = [0, +∞[ w(x) = xa e−x
2
Gaus-Legendre [a, b] =] − ∞, +∞[ e−x
En [?1,1], los polinomios de Legendre forman una familia ortogonal:
p0 = 1
p1 = x
n = 1, 2, 3 . . .
1
pn+1 (x) =[(2n + 1)xpn (x) − npn−1 (X)]
n+1
pn (x) tiene n raices reales distintas,

1 1 4k − 1
xk = 1 − 2 + 3 cos + O(n−4 ) ⇒ k = 1, 2, . . . , n
8n 8n 4k + 2
Y los coeficientes de a fórmula de cuadratura:
1 n
x − xj
Z Y 2
ci = dx = 2
⇒ i = 1, 2, . . . , n
−1 j=1,j6=i xi − xj (1 − xi )(pn (xi ))2
Los polinomios de Legendre si [a, b] 6= [−1, 1] el cambio de variable es:

b−a b+a b−a
x=
t+ , dx =
2 2 2
Y la fór,ula de cuadratura queda:
b n
b−aX b−a
Z
b+a
f (x)dx = ci f xi + + E(f )
a 2 i=1 2 2

Cuaderno Pares

Cargado por

Copyright:

Formatos disponibles

Cuaderno Pares

Cargado por

Información del documento

Descripción 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

Cuaderno Pares

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE LAS FUERZAS ARMADAS

Nombre: Gonzalo Echeverría

Profesor: Paul Medina, Ph.D.

2. Ejercicios Resueltos: Capítulo 1 25

Determine el orden de aproximación de la suma, resta, producto

Nombre: Gonzalo Echeverría 2

Determine el orden de aproximación de la suma, resta, producto

Determine el orden de aproximación de la suma, resta, producto

Nombre: Gonzalo Echeverría 3

2.2.6. Use la fórmula adecuada para calcular x1 y x2 , tal como se explica

lı́m an = lı́m bn = lı́m cn

Nombre: Gonzalo Echeverría 4

2.4.12. Considere la función: f (x) = cos(x) . . . . . . . . . . . . . . . . . 43

pk−1 f (pk ) − pk f (pk−1 )

4. Ejercicios Resueltos: Capítulo 2 54

Nombre: Gonzalo Echeverría 5

4.3. Deber 3: Programas Gauss, GaussJordan, LU . . . . . . . . . . . . . . . . 57

Nombre: Gonzalo Echeverría 6

4.9. Ejercicios SVD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

6. Ejercicios Resueltos: Capítulo 3 108

Nombre: Gonzalo Echeverría 7

6.5. Consulta general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

Nombre: Gonzalo Echeverría 8

1.1.1. Estructura de un documento

Nombre: Gonzalo Echeverría 9

el teorema de Pit\’agoras es: $a^2+b^2=c^2$

el teorema de Pitágoras es: a2 + b2 = c2

el teorema de Pit\’agoras es: \[ a^2+b^2=c^2 \]

el teorema de Pitágoras es:

el teorema de Pitágoras es:

el teorema de Pit\’agoras es:

el teorema de Pitágoras es:

Nombre: Gonzalo Echeverría 10

1.1.3. Listas y enumeraciones

Lista del tipo itemize

Nombre: Gonzalo Echeverría 11

Lista dentro de lista

Listas del tipo enumerate

Nombre: Gonzalo Echeverría 12

Lista dentro de lista

Listas con description

Presidente.- El que manda.

Secretario.- El que escribe.

Tesorero.- El del dinero.

1.1.4. Arreglos y tablas

Nombre: Gonzalo Echeverría 13

Nombre: Gonzalo Echeverría 14

Ejemplo 2. Tabla con líneas horizontales.

Ejemplo 3. Tabla con líneas verticales.

Nombre: Gonzalo Echeverría 15

tabla con entorno (table)

Cuadro 1: Este es un ejemplo de horario

Nombre: Gonzalo Echeverría 16

1.2. Conceptos Generales

Si un Método Numérico es convergente y estable, se dice que es ROBUSTO.

Nombre: Gonzalo Echeverría 17

sucesión infinita. Informalmente, es el resultado de sumar los términos

b) Definición de suma parcial

La suma parcial nésima de la serie, se define como: