You are on page 1of 37

MÉTODOS NUMÉRICOS II

FORMULARIO

VLADIMIR SÁNCHEZ MARTÍNEZ


INDICE

1.-Solucion ecuaciones sistemas no lineales .................................. 2


1.1 Punto fijo .............................................................................. 2
1.2 Newton ...................................................................................4
1.3 Newton modificaddo ............................................................... 8
1.4 Cuasi newton broyden(secante) .............................................. 11

2 INTERPOLACION Y APROXIMACION LINEAL

2.1 Lagrange ...................................................................................17


2.2 Diferencias divididas................................................................ 19
2.3 Interpolacion de newton.......................................................... 23
2.4 Hermite ................................................................................... 25
2.5 Splines Cúbicos ........................................................................ 27
2.6 Mínimos Cuadrados ..................................................................29

3 DIFERENCIACIÓN .............................................................35

4 INTEGRACIÓN
4.1 Regla del trapecio......................................................................36
4.2 Simpson 1/3...............................................................................36
4.3 Simpson 3/8...............................................................................36
1
1 SOLUCIÓN SISTEMAS DE ECUACIONES NO LINEALES
En este apartado se expondrán métodos generales que nos permiten encontrar soluciones de una
ecuación no lineal.

1.1 Punto Fijo


Breve introducción

Una iteración simple de punto fijo (también llamada iteración de un punto o sustitución sucesiva o
método de punto fijo), al arreglar la ecuación f(x) = 0 de tal modo que x esté del lado izquierdo de
la ecuación:

x = g(x)

La primera técnica para resolver sistemas no lineales consiste en escribir las ecuaciones que
componen el sistema de la forma:

y se trata de encontrar los valores (x1, x2, …, xn) que satisfagan todas las ecuaciones del sistema.

Para este problema nos piden encontrar la solución mediante el método del punto fijo.

f1(x,y)=x2-y-2=0
f2(x,y)=2xy-3=0

En este caso de debe de encontrar los valores para (x,y) que satisfagan la ecuacion.
Para encontrar los puntos en que coinciden ambas funciones se requiere generar una sucesión {(x
(k)
, y (k) )} convergente a una de las soluciones. Para ello, se debe despejar la variable x de la
primera ecuación, lo cual se puede hacer directamente; sin embargo para despejar la variable y de
la segunda, se le agrega un múltiplo “adecuado” a cada miembro, en este caso -4x para f1 y -5y
para f2, de tal manera que:
−x2+𝑦 +2+4𝑥
f1(x,y)=x2-y-2-4x=-4x x=f1(x,y)=
4
−2xy +3+5𝑦
f2(x,y)=2xy-3-5y=-5yy=f2(x,y)=
5

Como se puede observar en la grafica existen varios puntos en los cuales ambas graficas se
interectan, escogeremos el punto cercano a (2,1) para tomarlos como valores iniciales.

Realizando la primera iteracción tenemos:


−(1)2+2+2+4(1) −2xy +3+5𝑦
x0=f1(x,y)= =1.75 y 0= =1.2
4 5

Las siguientes iteraciones se muestran en las siguientes tablas comparando iteraciones


simultaneas y sucesivas.

2
Sucesivas Simultaneas

k x y k x y
0 1 2 0 1 2
1 1,75 1,2 1 1,75 1,8
2 1,784375 0,9435 2 1,934375 1,14
3 1,72425146 0,8927675 3 1,78392334 0,857925
4 1,70418256 0,88419198 4 1,70280897 0,84573603
5 1,699171 0,88323463 5 1,68935338 0,86968527
6 1,69818414 0,88327661 6 1,69329599 0,88200297
7 1,69804595 0,8833389 7 1,6969839 0,88460613
8 1,69804066 0,88336075 8 1,69819685 0,88414119
9 1,69804533 0,88336611 9 1,69826401 0,88356288
10 1,69804737 0,88336711 10 1,69812957 0,88335366
11 1,69804793 0,88336723 11 1,69805698 0,88333407
12 1,69804805 0,88336723 12 1,69804112 0,88335344
13 1,69804806 0,88336723 13 1,69804357 0,88336525
14 1,69804806 0,88336722 14 1,69804689 0,88336818
15 1,69804812 0,88336794
16 1,69804825 0,88336743
17 1,69804814 0,88336722
18 1,69804807 0,88336719
19 1,69804806 0,88336721
20 1,69804806 0,88336722

Concluyendo como resultado que los valores buscados so: (1,69804806, 0,88336722)

Concluyendo de igual manera que si realizamos iteraciones sucesivas encontramos mas rápido la
solución buscada o dicho de otra manera se llega a la convergencia más rápido.

Recomendaciones:

 Apóyate de un gráfico al momento de asignar tu vector inicial.


 Es recomendable que realices interacciones sucesivas
 Si se desea encontrar más rápido la solución deberás escoger los valores iniciales más
cercanos posibles
 Ten en cuenta que de acuerdo a la variable que despejes se podrá alterar la convergencia.

3
1.2 Newton
Breve introducción

Considérese la ecuación f(x) = 0 en la que supondremos que f(x) es una función de clase C 2 ([a,
b]). Supongamos además que la ecuación anterior admite una solución x ∗ en el intervalo [a, b].
Para cualquier otro valor x0 ∈ [a, b], denotando por h al valor tal que x ∗ = x0 + h, la expresión del
desarrollo en serie de Taylor nos permitiría escribir que:

Si conocemos X0

El método de Newton-Raphson se deduce a partir de esta interpretación geométricas tiene que la


primera derivada en x es equivalente a la pendiente:

la cual se conoce como fórmula de Newton-Raphson.

Además se debe de tener en cuenta de que para este método necesitaremos a la matriz jacobiana
que se muestra a continuación:

Asi como también de la diferencial que a simples palabras se podría definir como el instrumento
que se usa para mostrar el efecto de los cambios de las variables independientes en las variables
dependientes, esto se mostrara acontinucacion.

4
Basicamente el método se simplifica a la siguiente formula

Donde

Es el vector a obtener

Es el vector anterior conocido, en caso de la primera interaccion

es el vector uinicial

Es la inversa de la matriz jacobiana valuada en el vector

EJEMPLO

Analizaremos un ejemplo para tratar de concretar lo ya antes expuesto

f1(x,y,z)=x2-x+2y2+yz-10
f2(x,y,z)=5x-6y+z=0
f3(x,y,z)=z-x2-y2=0

Lo primero que se debe de hacer es calcular las derivadas parciales de las 3 funciones y escribirlas
en la matriz jacobiana

fx=2x-1 fy=4y+z fz=y


f2x=5 f2y=-6 f2z=1
f3x=-2x f3y=-2y f3z=1

5
Asignamos el vector inicial (1,1,1)

Realizamos la primera iteración

1
0
X= 1
1

2(1)-1 4(1)+1 1
J= 5 -6 1
-2 -2 1

(1)2-(1)+2(1)2+(1)(1)-10
f(x0)=
5(1)-6(1)+1
(1)-(1)2-(1)2

Formalizando el
método -1
1 2(1)-1 4(1)+1 1 (1)2-(1)+2(1)2+(1)(1)-10
X 0= 1 - 5 -6 1 5(1)-6(1)+1
1 -2 -2 1 (1)-(1)2-(1)2

De donde se obtiene que

X 1= 1,27868,852
1,73770,492
4,03,278,689
Si continuación haciendo mas iteracciones obtendremos los siguientes valores que mostraremos
en la tabla

x[0] Jacobiana fi(xi)


x 1 1 5 1 -7
y 1 5 -6 1 0
z 1 -2 -2 1 -1

x[1] Jacobiana fi(xi)


x 1,27868852 1,55737705 10,9836066 1,73770492 3,40338619
y 1,73770492 5 -6 1 0
- - -
z 4,03278689 2,55737705 3,47540984 1 0,62187584

6
x[2] Jacobiana fi(xi)
x 1,12634798 1,25269596 9,64825956 1,52799994 0,2152842
y 1,52799994 5 -6 1 0
- - -
z 3,53625978 2,25269596 3,05599989 1 0,06718382

x[3] Jacobiana fi(xi)


x 1,11021782 1,22043564 9,55974154 1,51108306 0,00118527
y 1,51108306 5 -6 1 0
- - -
z 3,51540928 2,22043564 3,02216613 1 0,00054636

Por lo tanto podemos concluir que la solución al sistema es (1.11021, 1.511083,3.515409)

Recomendaciones

 Apoyate de una grafica al momento de propob¿ner tu vector inicial


 Trata de que tu vector inicial sea cercano a la raíz buscada de alguna otra manera esta
podría divergir.

7
1.3 Newton Modificado
Breve introduccion

Representación gráfi ca del método de la secante. Esta técnica es similar a la del método de
Newton-Raphson en el sentido de que una aproximación de la raíz se predice extrapolando una
tangente de la función hasta el eje x.

Se eligen los valores iniciales (𝑥1 0, 𝑥2 0, ⋯ ,𝑥𝑛0 ) y empleando el método de Newton se calcula un
nuevo valor, aunque al tratarse de una ecuación de varias variables se emplea la derivada parcial
evaluada en los valores iniciales:

De donde

Es el vector a obtener

ES el vector anterior obtenido, en el caso de loa pruimera iteraccion es el vector inicial

Es la funcion evaluada respecto a a cada variable dividida entre las

parciales

EJEMPLO

Dar solución al siguiente sistema.

f1(x,y,z)=x2+y2+z2-9=0
f2(x,y,z)=xyz-1=0
f3(x,y,z)=x+y-z2=0

8
Calculando las derivadas parciales
Df1(x,y,z)=2x
Df2(x,y,z)=xz
Df3(x,y,z)=-2z

Asignamos valores iniciales (2.5,0.5,1.5)

Primera iteración
X0
(x,y,z)=(2,0.2,1.7)

fi(x,y,z)=(2)2+(0.2)2+(1.7)2-9=-2.7
f2(x,y,z)=(2)(0.2)(1.7)-1=-0.32
f3(x,y,z)=2+0.2-(1.7)2=-0.69

Df1=2(2)=4
Df2=(2)(1.7)=3.4
DF3=-2(1.7)=-3.4

Anotando las siguientes interacciones en una tabla tenemos:

DEZPLAZAMIENTOS SIMULTANEOS

K (x , y, z) fi (x,y,z) Dfxi Error


2 -2.07 4
0 0.2 -0.32 3.4 0.5175
1.7 -0.69 -3.4
2.5175 -0.33450344 5.035
1 0.29411765 0.108484 3.76884559 0.19051774
1.49705882 0.57043253 -2.99411765
2.58393564 0.59503977 5.16787128
2 0.26533324 0.15700925 4.36058922 0.11514214
1.68757656 0.00135422 -3.37515313
2.4687935 -0.00319885 4.93758699
3 0.22932681 -0.0443336 4.1672686 0.04477213
1.68797779 -0.15114873 -3.37595559
2.46944135 -0.14415119 4.93888271
4 0.23996533 -0.02626867 4.05780001 0.029187
1.64320566 0.00928184 -3.28641132
2.49862836 0.0132905 4.99725672
5 0.24643896 0.01355837 4.11281716 0.01082989
1.64602997 0.03565265 -3.29205994
2.4959688 0.03416305 4.9919376
6 0.24314234 0.00550799 4.13547052 0.00684365
1.65685986 -0.00607346 -3.31371972

9
2.48912515 -0.00666917 4.97825031
7 0.24181045 -0.00384505 4.11956944 0.00247092
1.65502704 -0.00817889 -3.31005408
2.49046482 -0.00771873 4.98092963
8 0.24274381 -0.00095558 4.11563286 0.00154966
1.65255611 0.00226692 -3.30511223
2.49201447 0.00238256 4.98402894
9 0.242976 0.00103754 4.11990298 0.00053875
1.653242 0.00178137 -3.30648399
DESPLAZAMIENTOS SUCESIVOS

K (x , y, z) fi (x,y,z) Dfxi Error


2 -2.07 4
0 0.2 -0.14405 4.27975 0.5175
-
1.7 0.13884149 -3.4
2.5175 0.14522861 5.035
-
1 0.23365851 0.03520313 4.12908941 0.02884382
- -
1.65916427 0.02198573 3.31832853
-
2.48865618 0.01705301 4.97731237
-
2 0.00342615
0.24218415 0.00262209 4.11826255
-
1.65253872 0.00401895 3.30507745
2.49208233 0.00434097 4.98416466
3 0.24282085 0.00038609 4.11985256 0.00087095
- -
1.65375471 0.00096614 3.30750943
2.49121138 -0.0010108 4.98242276
-9.5211E-
4 0.24272713 05 4.11946031 0.00020287
-
1.65346261 0.0002259 3.30692522
2.49141425 0.00023717 4.98282851
5 0.24275025 2.2209E-05 4.1195518 4.7597E-05
-5.2993E- -
1.65353092 05 3.30706184

Por lo tanto la solucion buscada es


(x,y,z)=( 2.49166443, 0.24277848, 1.65361518).

10
Recomendaciones

 Apoyate de una grafica para escoger tus valores iniciales


 Escoge tu vector inicial lo mas cercano posible para que no tengas problemas con la
convergencia, ya que las variables se van recolviendo por separado puede que algunas
converjan yotras diverjan.

1.4 CUASI NEWTON BROYDEN(SECANTE)


Breve introduccion

Este método requiere n evaluaciones funcionales por iteración y también disminuye el número de
cálculos aritméticos ya que reemplaza a la matriz Jacobiana con una matriz de aproximación que
se actualiza en cada iteración. Su desventaja radica en que se pierde la convergencia cuadrática de
Newton, al ser sustituida por una convergencia denominada superlineal.

Un problema potencial en la implementación del método de Newton-Raphson es la evaluación de


la derivada. Aunque esto no es un inconveniente para los polinomios ni para muchas otras
funciones, existen algunas funciones cuyas derivadas en ocasiones resultan muy difíciles de
calcular. En dichos casos, la derivada se puede aproximar mediante una diferencia finita dividida
hacia atrás.

Sin embargo, el método de la secante usa una diferencia dividida en lugar de una derivada para
estimar la pendiente.

El método de Broyden consiste en que a partir de una aproximación inicial X (0) a la solución F(x) =
0, se calcula la siguiente aproximación X (1) por el método de Newton. No obstante para calcular X
(2)
ya no se hace con el método de Newton y se recurre al método de la secante. En el método de
la secante univariable se emplea la siguiente fórmula para sustituir el cálculo de la derivada:

11
Dado que en el caso de los sistemas no lineales, X (1) – X (0) es un vector, el cociente
correspondiente esta indefinido. Sin embargo, el método procede de manera semejante al
método de Newton, porque la matriz J(X (1)) es reemplazada por una matriz A que tiene la
propiedad de que:

Para la primera aplicación de la ecuación se requieren dos vectores iniciales X (0) y X (1) , este último
puede obtenerse de una aplicación del método de Newton cuya matriz jacobiana puede
emplearse para la primera iteración.

Para este método puedes obtener la inversa por el teorema de Teorema de Sherman Morrison.

En general, una vez determinado X (i) , se calcula X (i +1) por medio de:

Donde
X(i)= El vector antes conocido, en caso de la primera iteraccion es el vector inicial

Aj-1=Es la inversa de la matriz jacobiana que se va actualizando en cada iteracion.

F(X(i))= Es el vector valuado en la función.

Este método es demasiado tedioso a mi gusto, veamos un ejemplo

Asignamos valores iniciales

(x,y,z)=(0.5,0.5,0.5)

12
Primera iteracción

J= J-1=

-2,0000000 2,0000000 0,0000000 -0,5454545 -0,0909091 0,0000000


1,0000000 -12,000000 0,0000000 -0,0454545 -0,0909091 0,0000000
-6,0000000 2,0000000 -6,0000000 0,5303030 0,0606061 -0,1666667
f(x=0)=

-2,0000000
-11,000000
-3,0000000
X 1=

0.5 - -0,5454545 -0,0909091 0,0000000 -2,0000000


0.5 -0,0454545 -0,0909091 0,0000000 11,0000000
0.5 0,5303030 0,0606061 -0,1666667 -3,0000000
X 1= ∆x= ∆F1=
1
f(x )=
5,5619835
-1,0909091 -2,0909091 7,5619835 4,3719008
-0,0909091 -1,0909091 15,3719008 9,7871901
2,2272727 1,2272727 12,7871901

Inversa de Sherman
-0,1715822 -0,0170578 -0,0415414
0,0253987 -0,0769134 -0,0078726
0,3577851 0,0265284 -0,1474980
Segunda interacción

x1 Inversa de Sherman F(x1)


-1,0909091 -0,1164444 -0,0097681 -0,0456996 5,5619835
-0,0909091 0,0407203 -0,0748878 -0,0090281 4,3719008
2,2272727 0,3547612 0,0261287 -0,1472700 9,7871901

X2 ∆x ∆F F(x2) tolerancia
0,3445762 1,4354853 -6,7887467 -1,2267633 7,5619835
0,1811322 0,2720413 -5,7713306 -1,3994298 15,3719008
-
1,5648891 -0,6623836 12,8797316 -3,0925415 12,7871901

13
Tercera iteracción

x3 inversa de Sherman F(x3)


0,0467288 -0,2582209 -0,0280171 -0,0129615 -0,1750556
0,0983665 0,0069207 -0,0794904 -0,0023106 -0,2249437
1,5812239 0,2687768 0,0195854 -0,1079012 -0,0453260

x4 ∆x ∆F F(x4) tolerancia
0,0194633 -0,0272655 0,1051792 -0,0698764 1,0517077
0,0871670 -0,0111995 0,1598553 -0,0650884 1,1744861
1,6490259 0,0678020 -0,3373587 -0,3826846 3,0472156

Cuarta interacción

x4 inversa de Sherman F(x4)


0,0194633 -0,2538479 -0,0232608 0,0043191 -0,0698764
0,0871670 0,0079137 -0,0784104 0,0016134 -0,0650884
1,6490259 0,2710977 0,0221096 -0,0987302 -0,3826846

x5 ∆x ∆F F(x5) tolerancia
-0,0053640 -0,0248273 0,0980185 0,0281421 0,1051792
0,0815924 -0,0055746 0,0913719 0,0262835 0,1598553
1,6277897 -0,0212362 0,5046983 0,1220137 -0,3373587

Quinta Interacción

x5 inversa de Sherman F(x5)


-0,0053640 -0,2523034 -0,0228421 0,0050003 0,0281421
0,0815924 0,0084074 -0,0782765 0,0018311 0,0262835
1,6277897 0,2715854 0,0222419 -0,0985151 0,1220137

14
x6 ∆x ∆F F(x6) tolerancia
0,0018642 0,0072282 -0,0286675 -0,0005255 0,0980185
0,0832338 0,0016413 -0,0269496 -0,0006660 0,0913719
1,6316258 0,0038361 -0,1240537 -0,0020400 0,5046983

Sexta iteración

x6 inversa de Sherman F(x6)


0,0018642 -0,2482808 -0,0218394 0,0056270 -0,0005255
0,0832338 0,0081306 -0,0783455 0,0017880 -0,0006660
1,6316258 0,2697485 0,0217840 -0,0988013 -0,0020400

x7 ∆x ∆F F(x7) tolerancia
0,0017266 -0,0001376 0,0005425 0,0000171 -0,0286675
0,0831898 -0,0000440 0,0006649 -0,0000012 -0,0269496
1,6315823 -0,0000435 0,0020676 0,0000276 -0,1240537
Septima Interaccion

x7 inversa de Sherman F(x7)


0,0017266 -0,2628148 -0,0228706 0,0076047 0,0000171
0,0831898 0,0201959 -0,0774894 0,0001462 -0,0000012
1,6315823 0,3084149 0,0245275 -0,1040628 0,0000276

x8 ∆x ∆F F(x8) tolerancia
0,0017307 0,0000041 -0,0000163 0,0000008 0,0005425
0,0831895 -0,0000003 -0,0000007 -0,0000019 0,0006649
1,6315805 -0,0000019 -0,0000306 -0,0000030 0,0020676

Octava Interaccion

x8 inversa de Sherman F(x8)


0,0017307 -0,2644812 -0,0229067 0,0080354 0,0000008
0,0831895 0,0273559 -0,0773345 -0,0017043 -0,0000019
1,6315805 0,3292366 0,0249779 -0,1094444 -0,0000030

x9 ∆x ∆F F(x9) tolerancia
0,0017309 0,0000002 -0,0000008 0,0000000 -0,0000163
0,0831894 -0,0000002 0,0000017 -0,0000001 -0,0000007
1,6315799 -0,0000005 0,0000027 -0,0000003 -0,0000306

15
x9 inversa de Sherman F(x9)
0,0017309 -0,2652977 -0,0229072 0,0082866 0,0000000
0,0831894 0,0291960 -0,0773334 -0,0022703 -0,0000001
1,6315799 0,3347067 0,0249813 -0,1111270 -0,0000003

x10 ∆x ∆F F(x10) tolerancia


0,0017309 0,0000000 0,0000000 0,0000000 -0,0000008
0,0831893 0,0000000 0,0000001 0,0000000 0,0000017
1,6315799 0,0000000 0,0000003 0,0000000 0,0000027

Por lo tanto la Solución dada es


(x,y,z)=( 0,0017309, 0,0831893, 1,6315799).

Recomendaciones

 Es muy útil cuando obtener la matriz jacobiana es difícil


 Trata meter el método a una hoja de calculo ya que si es muy dilatado hacer el calculo de
las operaciones.

2 INTERPOLACIÓN Y APROXIMACIÓN LINEAL


Interpolación es el cálculo de valores para una función tabulada en puntos que no se encuentran
en la tabla de valores. Mediante este proceso se puede obtener una representación explícita de

16
una aproximación a f(x), lo que permite además construir fórmulas de diferenciación e integración
numérica y obtener formas simplificadas de funciones “complejas”.

2.1 LAGRANGE
Dada la tabla de valores

donde

x0, x1,...,xn son n + 1 abscisas distintas, y0, y1,...,yn son n + 1 valores arbitrarios.

Queremos determinar un polinomio de grado ≤ n

que verifique las n + 1 condiciones

Si tenemos polinomio de grado 1 que pase por los puntos distintos (x0, y0) y (x1, y1)

Podemos usar directamente la formula

Los cocientes de lagrange estan dados por:

17
Mientras que el polinomio de lagrange es:

Para darnos una idea mas clara de lo que trata este método hagamos un ejercicio

Dada los siguientes datos obtener una estimacion para 300,3300

x f(x)
0 32
500 176
1000 296,4
1500 405,7
2000 509
2500 608,4
3000 704,7
3500 799
4000 891,9
4500 983
5000 1072,6
5500 1160
6000 1247,5
Si aplicamos la formula del polinomio de lagrange

P(x=300)=((x-500)/(0-500))(32)+((x-0)/(500-0))(170)=118.4

Para el otro insiso es mas dilatoso y calculo:

P(x=3300)=(((x-500)(x-1000)(x-1500)(x-2000)(x-2500)(x-3000)(x-3500))/((0-500)(0-1000)(0-
1500)(0-2000)(0-2500)(0-3000)(0-3500)))(32)+(((x-0)(x-1000)(x-1500)(x-2000)(x-2500)(x-3000)(x-
3500))/((500-0)(500-1000)(500-1500)(500-2000)(500-2500)(500-3000)(500-3500)))(176)+(((x-0)(x-

18
500) (x-1500)(x-2000)(x-2500)(x-3000)(x-3500))/((100-0)(1000-500)(1000-1500)(1000-2000)(1000-
2500)(1000-3000)(1000-3500)))(296.4)+(((x-0)(x-500)(x-1000)(x-2000)(x-2500)(x-3000)(x-
3500))/((1500-0)(1500-500)(1500-1000)(1500-2000)(1500-2500)(1500-3000)(1500-
3500)))(405.7)+((( x-0)(x-500)(x-1000)(x-1500)(x-2500)(x-3000)(x-3500))/(2000-0)(2000-500)(2000-
1000)(2000-1500)(2000-2500)(2000-3000)(2000-3500)))(509)+ )+((( x-0)(x-500)(x-1000)(x-1500)(x-
2000)(x-3000)(x-3500))/( 2500-0)( 2500-500)( 2500-1000)( 2500-1500)( 2500-2000)( 2500-3000)(
2500-3500)))(608.4)+ )+((( x-0)(x-500)(x-1000)(x-1500)(x-2000)(x-2500)(x-3500))/( 3000-0)( 3000-
500)( 3000-1000)( 3000-1000)( 3000-1500)( 3000-2000)( 3000-2500)( 3000-3500)))(704.7)+((( x-
0)(x-500)(x-1000)(x-1500)(x-2000)(x-2500)(x-3000))/(( 3500-0)( 3500-1000)( 3500-1500)( 3500-
2000)( 3500-2500)( 3500-3000)))(799)=761.34373

Recomendaciones

 Cuidado con el resultado al aplicar este método ya que aumenta la posibilidad de de


cometer errores
 El polinomio en general no arroja resultados exactos
 Ten siempre en mente el grado del polinomio a construir

2.2 DIFERENCIAS DIVIDIDAS


Breve introduccion

Los métodos para determinar la representación explícita de un polinomio de interpolación, a partir


de datos tabulados, se conocen como métodos de diferencias divididas, y pueden usarse para
derivar técnicas para aproximar las derivadas y las integrales de funciones, así como para
aproximar las soluciones de ecuaciones diferenciales. El tratamiento de las tablas de diferencias
divididas supone que la función f(x) es conocida para varios valores de x. Dichos valores no
necesariamente están igualmente espaciados u obedecen algún orden (sin embargo, si están
ordenados puede ser ventajoso).

Dada una tabla de valores

Xi fi
x0 f0
x1 f1
x2 f2
x3 F3
x4 f4

Construir la tabla de diferencias divididas

19
Cada diferencias dividida esta dada por

Por poner un ejemplo el polinomio de 4° grado esta dado por

Aparentamente este metodo no es tan complicado como otros solo es cuestion de tener cuidado
al momento de estar haciendo operaciones ademas de aegurarse de escribir bien el polinomio.

Hagamos un ejemplo.

Dada la siguiente tabla interpolar 1700,5300,5.900 obtener el error apartir de la ERTS

i xi
0 0
1 500
2 1000
3 1500
4 2000
5 2500
6 3000

20
7 3500
8 4000
9 4500
10 5000
11 5500
12 6000
Construimos la tabla de diferencias divididas

i xi fxi f[1] f[2] f[3] f[4]


0 0 32 0.288 -0.0000472 1.66667E-08 -4.93E-12
1 500 176 0.2408 -2.22E-05 6.8E-09 -2E-12
2 1000 296.4 0.2186 -0.000012 2.8E-09 -8.67E-13
3 1500 405.7 0.2066 -7.8E-06 1.06667E-09 2E-13
4 2000 509 0.1988 -6.2E-06 1.46667E-09 -3.33E-13
5 2500 608.4 0.1926 -4E-06 8E-10 -6.67E-13
6 3000 704.7 0.1886 -2.8E-06 -5.33333E-10 4.667E-13
7 3500 799 0.1858 -3.6E-06 4E-10 -1.33E-13
8 4000 891.9 0.1822 -3E-06 1.33333E-10 -1.33E-13
9 4500 983 0.1792 -2.8E-06 -1.33333E-10
10 5000 1072.6 0.1764 -0.000003
11 5500 1160.8 0.1734
12 6000 1247.5

f[5] f[6] f[7] f[8] f[9] f[10] f[11] f[12]


6.603E- 1.3968E-
1.1733E-15 -2.4E-19 23 -3.111E-26 29 -4.4E-33 8E-37 4.6176E-41
4.5333E-16 -8.889E-21 -5.84E-23 3.175E-26 -8.183E-30 -2.8E-35 1.1E-36
4.2667E-16 -2.133E-19 6.85E-23 -5.079E-27 -8.325E-30 5.9E-33
-2.133E-16 2.6667E-20 4.82E-23 -4.254E-26 2.116E-29
-1.333E-16 1.9556E-19 -1.22E-22 5.27E-26
4.5333E-16 -2.311E-19 8.88E-23
-2.4E-16 8E-20
-2.035E-28

Escribiendo los polinomios

P3(x=1700)=296.4+0.2186(x-1000)-0.0000012(x-1000)(x-1500)-2.8E-09(x-1000)(x-1500)(x-
2000)=447.622

ERTS=-0.02912

P3(x=1700)= 296.4+0.2186(x-1000)-0.0000012(x-1000)(x-1500)-2.8E-09(x-1000)(x-1500)(x-2000)-
8.67E-13(x-1000)(x-1500)(x-2000)(x-2500)=447.593

21
ERTS=-0.01864
P2(x=5300)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)=1125.688

ERTS=0.0064

P3(x=5300)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)-1.33E-10(X-4500)(x-5000)(x-5500)
=1125.6944
P2(x=5300)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)=1230.352
ERTS=-0.072
P3(x=5900)=983+0.1792(x-4500)-2.8E-06(X-4500)(x-5000)-1.33E-10(X-4500)(x-5000)(x-5500)
=1230.2848

Recomendaciones

 Recuerda que todos los polinomios que pasan por los mismos puntos son identicos

2.3 INTERPOLACION DE NEWTON


Breve introducion

Este metodo tiene dos alternativas por asi decirlo la primera es cuando los datos o el punto a
interpolar esta al principio de la tabla ´puedes ocupar la forma progresiva la otra es cuando el o los
puntos a interpolar se encuentran al final de la tbla puedes utilizar la forma regresiva.

El método de interpolación de Newton es un poco más complicado en su programación que el de


Lagrange, pero también más versátil, ya que si los datos están ordenados e igualmente espaciados
la formula se puede simplificar y ademas mejorar la presicion.

Forma progresiva

Cuando los datos deben estar ordenamos e igualmente espaciados la formula de diferencias
divididas es:

La cual se puede simplificar

FORMULA PROGRESIVA DE NEWTON

22
EJEMPLO

Interpolar para para x=58 y x=83

i xi
0 50
1 60
2 70
3 80
4 90
5 100

Construimos la tabla de diferencias

fxi ∆fxi ∆2fxi ∆3fxi ∆4fxi ∆5fxi


24,94 5,17 0,77 0,08 0,01 -0,04
30,11 5,94 0,85 0,09 -0,03
36,05 6,79 0,94 0,06
42,84 7,73 1
50,57 8,73
59,3
En este caso el valor a interpolar se ecuentra al principio de la tabla asi que sin problemas
podemos usaR FORMULA PROGRESIVA DE NEWTON.

Construimos el polinomio
h=Xi+1-Xi=10 S=(x-x0)/h=0.8
P2(x=58)=21.94+(0.8)(5.17)+(0.8-1)(0.77/2!)=29.0144
P3(x=58)= 21.94+(0.8)(5.17)+(0.8-1)(0.77/2!)+(0.8)(0.8-1)(0.8-2)(0.08/3!)=29.01696

FORMULA REGRESIVA DE NEWTON

23
Como en este caso el valor que nos piden interpolar se encuentra al final de la tabla debemos usar
la FORMULA REGRESIVA DE NEWTON.

S=(x-xn)/h=-0.7
P2(x=83)=50.57+(-0.7)(7.73)+(-0.7)(-0.7+1)(0.94/2!)=45.0603
P3(x=83)=50.57+(-0.7)(7.73)+(-0.7)(-0.7+1)(0.94/2!)+(-0.7)(-0.7+1)(-0.7+2)(0.09/3!)=45.056205
Recomendaciones

 No olvides que se obtiene la tabla de diferencias no de diferencias divididas


 Verificar que los datos estes ordenamos e igualmente espaciados
 Si quieres interpolar valores asegúrate que estén al final o al principio de la tabla.

2.4 HERMITE
Un polinomio se puede ajustar no solo a los valores de la función sino también a las derivadas en
los puntos. Los polinomios ajustados a los valores de la función y de su derivada se llaman
polinomios de interpolación de Hermite o polinomios osculantes.
El conjunto de los polinomios osculantes es una generalización de los polinomios de Taylor y los
polinomios de Lagrange.

Para este metodo se tiene dos alternativas la primera obteniendo los cocientes de lagrange .
veamos una breve explicacion de este metodo

basicamente implica obtener los concientes y susstituirlos posteriormente hacer las sumas

Para

24
La otra alternativa es mediante la tabla de difrenecias divididas
Veamos un ejercicio resuelto por ambas alternativas

Dada la siguiente tabla encontrar una aproxmacion para

j xj f(xj) f'(xj)
0 3 225 77
1 5 383 80
2 8 625 74
3 13 993 72

Calculamos los cocientes y sus derivadas

Lj(x) L'j(xj) L2j(xj) Hnj(xj) H^nj(xj) f(xj)Hnj(x) f'(xj)H^nj(x)


0,3 -0,8 0,09 1,098 0,63 247,05 48,51
-0,875 0,04166667 0,765625 0,446614583 3,828125 171,053385 306,25
1,4 0,33333333 1,96 -0,65333333 3,92 -408,33333 290,08
0,175 0,425 0,030625 0,10871875 -0,091875 107,957719 -6,615

Calculando el polinomio tenemos

f(x)= 755,952771

Ahora por diferencias divididas

j xj f(xj) f[1] f[2] f[3] f[4] f[5] f[6] f[7]


0 3 225 77 1 -0,25 0,03888889 -0,03814815 0,007 -0,0012
1 3 225 79 0,5 -0,0556 -0,1518519 0,028717593 -0,005
2 5 383 80 0,22222222 -0,8148 0,13532407 -0,02184954
3 5 383 80,6666667 -2,2222222 0,26778 -0,0394722
4 8 625 74 -0,08 -0,048
5 8 625 73,6 -0,32
6 13 993 72

25
7 13 993

Obteniendo los polinomios

P3(x) 751,75
P4(x) 799,388889
P5(x) 705,925926
P6(x) 738,690139
P7(x) 755,952771

Por lo tanto la solución es 755.952771

2.5 Splines Cúbicos

A continuacion se presenta los siguientes datos tabulados

Dada los datos lo primero que se hace es llenar nuestra tabla tanto de diferencias como
diferencias divididas

26
X Y hi F1
1 2,14 0,82 6,83333333
1 2,96 -0,16 -0,61538462
1 2,8 0,8 1,02564103
2 3,6 -0,16 -0,25
2 3,44 -0,28 -0,37837838
3 3,16 -2,12 -1,37662338
5 1,04 0,96 0,4173913
7 2 -1,46 -0,70192308
9 0,54 3,06 6,95454545
10 3,6 -1,66 -1,97619048
10 1,94
Escribimos las ecuaciones en forma matricial

S0 s1 s2 s3 s4 s5 s6 s7 s8 S9 6([Fi+1]-[Fi])
0,82 1,32 -0,16 0 0 0 0 0 0 5,76 S1
0 -0,16 1,28 0,8 0 0 0 0 0 0 -5,76 S2
0 0 0,8 1,28 -0,16 0 0 0 0 0 -0,72 S3
0 0 0 -0,16 -0,88 -0,28 0 0 0 0 -11,04 S4
0 0 0 0 -0,28 -4,8 -2,12 0 0 0 * 18,48 = S5
0 0 0 0 0 -2,12 -2,32 0,96 0 0 -14,52 S6
0 0 0 0 0 0,96 -1 -1,46 0 27,12 S7
0 0 0 0 0 0 -1 -1,46 4,12 3,06 -28,32 S8
0 0 0 0 0 0 0 4,12 3,06 6,12 9,96 S9

Obtenemos los valores de las Si

S1 -64,124
S2 15,545
S3 -7,4545
S4 2,1754
S5 -2,7073
S6 3,0819
S7 -3,798
S8 9,3586
S9 -34,544

los valores de a,b,c mediante las ecuaciones

ai=Si+1-Si/6hi bi=Si/2 ci=(yi+1-yi/hi)-(Si+1+2si/6)hi

Y escribiendo los valores ingresados en los respectivos polinomios tenemos

27
Polinomios
go 0.62<=x<=0.74 -89.0605091(x-0.62)^3+8.11580466 (x-0.62)+2.14
51.0693545 (x-0.74 )^3-32.0617833(x-0.74 )^2+ 4.26839067 (x-0.74
g1 0.74<=x<= 1 )+2.96
g2 1 <=x<=1.78 -4.914352(x-1 )^3 +7.77231323 (x-1 )^2 -2.04687154 (x-1)+2.8
2.50779114 (x-1.78 )^3-3.72727045 (x-1.78 )^2+1.10826183 (x-
g3 1.78<=x<=2.42 1.78)+3.6
-1.09970292 (x-2.42 )^3+1.08768854 (x-2.42 )^2-0.58107058 (x-
g4 2.42<=x<=3.16 2.42)+3.44
0.62653234 (x-3.16 )^3-1.35365193 (x-3.16 )^2-0.77788349 (x-
g5 3.16<=x<=4.7 1.78)+3.16
g6 4.7<=x<= 7 -0.49853737 (x-4.7 )^3+1.54092747 (x-4.7 )^2-0.48947917 (x-4.7)+1.04
g7 7 <=x<=9.08 1.0542153 (x-7 )^3 -1.89898041 (x-7 )^2-1.31300093 (x-7)+2
-5.71648891 (x-9.08 )^3+4.67932309 (x-9.08 )^2+ 4.47011186 (x-
g8 9.08<=x<=10.36 9.08)+0.54
-6.85396599 (x-10.36 )^3-17.2719943(x-10.36 )^2 -11.6485073 (x-
g9 9.56<=x<=10.36 10.36)+1.94

2.6 Mínimos Cuadrados


El método de mínimos cuadrados para resolver este problema requiere determinar la mejor línea
de aproximación, cuando el error es la suma de los cuadrados de las diferencias entre los valores
de y en la línea aproximada y los valores de y dados. Por tanto hay que encontrar las constantes a0
y a1 que reduzcan al mínimo el error de mínimos cuadrados:

Para esta ocasión nos proporcionan los siguientes datos nos piden obtener la linea de minimos
cuadrados que aproxima

xi yi
1 0,1 1,9
2 1,1 7,9
3 1,6 24,9
4 2,4 25,2
5 2,5 34,9
6 4,1 42,7
7 5,2 29,7
8 6,1 42,6
9 6,6 36,1
10 7,1 23,7
11 8,2 13

28
12 9,1 12,7
13 9,4 -3,1
14 11,1 -13
15 11,4 -28,7
16 12,2 -39,5
17 13,2 -48,6
18 14,1 -40,2
19 15,6 -51,6
20 16,1 -30,5
21 17,6 -34,6
22 17,9 -16,4
23 19,1 -13,4
24 20 -1,1

∑ 231,8 -25,4

Ahora mostraremos los valores obtenidos de elevar las Xi ala potencia requeridas

xi2 xi3 xi4 xi5 xi6 xi7 xi8


0,01 0,001 0,0001 0,00001 0,000001 0,0000001 0,00000001
1,21 1,331 1,4641 1,61051 1,771561 1,9487171 2,14358881
2,56 4,096 6,5536 10,48576 16,777216 26,8435456 42,949673
5,76 13,824 33,1776 79,62624 191,102976 458,647142 1100,75314
6,25 15,625 39,0625 97,65625 244,140625 610,351563 1525,87891
16,81 68,921 282,5761 1158,56201 4750,10424 19475,4274 79849,2523
27,04 140,608 731,1616 3802,04032 19770,6097 102807,17 534597,285
37,21 226,981 1384,5841 8445,96301 51520,3744 314274,284 1917073,13
43,56 287,496 1897,4736 12523,3258 82653,95 545516,07 3600406,06
50,41 357,911 2541,1681 18042,2935 128100,284 909512,016 6457535,31
67,24 551,368 4521,2176 37073,9843 304006,671 2492854,71 20441408,6
82,81 753,571 6857,4961 62403,2145 567869,252 5167610,19 47025252,8
88,36 830,584 7807,4896 73390,4022 689869,781 6484775,94 60956893,9
123,21 1367,631 15180,7041 168505,816 1870414,55 20761601,5 230453777
129,96 1481,544 16889,6016 192541,458 2194972,62 25022687,9 285258642
148,84 1815,848 22153,3456 270270,816 3297303,96 40227108,3 490770721
174,24 2299,968 30359,5776 400746,424 5289852,8 69826057 921703952
198,81 2803,221 39525,4161 557308,367 7858047,97 110798476 1562258518
243,36 3796,416 59224,0896 923895,798 14412774,4 224839281 3507492789
259,21 4173,281 67189,8241 1081756,17 17416274,3 280402016 4514472463
309,76 5451,776 95951,2576 1688742,13 29721861,6 523104763 9206643835
320,41 5735,339 102662,568 1837659,97 32894113,4 588804631 1,054E+10

29
364,81 6967,871 133086,336 2541949,02 48551226,3 927328422 1,7712E+10
400 8000 160000 3200000 64000000 1280000000 2,56E+10

3101,84 47145,212 768326,145 13080405,1 229355837 4107152968 7,4712E+10

Ahora escribiremos los datos en notacion matricial

24 231,8 3101,84 47145,212 768326,145 = -25,4


231,8 3101,84 47145,212 768326,145 13080405,1 = -3252,81
3101,84 47145,212 768326,145 13080405,1 229355837 = -61473,399
47145,212 768326,145 13080405,1 229355837 4107152968 = -1013715,08
768326,145 13080405,1 229355837 4107152968 7,4712E+10 = -16344198,1

Resolvamoslo por partes

El sistema de 5x5

Inversa
-
0,74823268 0,46221212 0,08115091 -0,0053771 0,0001197 a0 -9,73331718
- -
0,46221212 0,40364912 0,08053687 0,00571051 -0,0001326 a1 28,1053167
- -
0,08115091 0,08053687 0,01716248 0,00126866 3,0322E-05 a2 -4,64692569
- -2,3578E-
-0,0053771 0,00571051 0,00126866 9,6555E-05 06 a3 0,20756603
-2,3578E-
0,0001197 -0,0001326 3,0322E-05 06 5,853E-08 a4 -0,00218441

Escribiendo el polinomio

-0,00218441x4+0,20756603x3-4,64692569x2+28,1053167x-9,73331718=0

Sistema de 4x4

Inversa

30
-
0,50342399 0,19101684 0,01913894 -0,0005551 a0 -5,26589734
- -
0,19101684 0,10322319 0,01184098 0,00036878 a1 23,156378
- -4,7211E-
0,01913894 0,01184098 0,00145436 05 a2 -3,5152931
-4,7211E-
-0,0005551 0,00036878 05 1,5756E-06 a3 0,11957121

0,11957121x3-3,5152931x2+23,156378x+-5,26589734=0

Sistema de 3x3

Inversa
-
0,30785508 0,06109231 0,00250583 a0 36,860429
- -
0,06109231 0,01690894 0,00079091 a1 -4,8298852
-
0,00250583 0,00079091 3,9716E-05 a2 0,06754607

0,06754607x2-4,8298852x+36,860429=0

Sistema de 2x2

Inversa
-
0,14975387 0,01119108 a0 32,5987172
-
0,01119108 0,0011587 a1 -3,48476796

-3,48476796x+32,5987172=0

31
Escribiendo los valores que arroja el polinomio a las respectivas xi

P1 P2 P3 P4
32,2502404 36,3781159 -2,98529289 -6,96904742
28,7654725 31,629286 16,1117631 15,8328233
27,0230885 29,3055306 23,2749208 24,1749345
24,2352741 25,6577698 31,714274 33,7500703
23,8867973 25,2078789 32,522766 34,6445798
18,3111686 18,193349 38,8241427 41,0720574
14,4779238 13,5714716 36,9064112 38,3497484
11,3416327 9,91151842 32,3243443 32,8860589
9,59924868 7,92549335 28,8162737 28,8712378
7,8568647 5,97324131 24,7343114 24,3021262
4,02361994 1,79716791 14,1758312 12,8400819
0,88732878 -1,4980365 4,46111443 2,64932383
-0,15810161 -2,57212139 1,10668842 -0,79940889
-6,08220714 -8,42894577 -17,820076 -19,5991213
-7,12763753 -9,42197538 -28,851175 -22,6227338
-9,9154519 -12,0106138 -28,851175 -29,9804447
-13,4002199 -15,1248289 -37,0964295 -37,3459278
-16,536511 -17,8121187 -42,4518726 -41,7898049
-21,763663 -22,0477692 -45,5660891 -43,5287539
-23,506047 -23,3921066 -44,6430932 -42,305905
-28,7331989 -27,2224807 -34,7354033 -32,5045795
-29,7786293 -27,9520806 -31,3203915 -29,364933
-33,9603508 -30,7488974 -12,2364137 -12,5881826
-37,096642 -32,718848 8,31407165 4,62580057

32
Por ultimo escribiendo la diferencia entre las evaluaciones de las xi y el de los polinomios, todo
esto elevado al cuadrado tenemos

(yi-P1)2 (yi-P2)2 (yi-P3)2 (yi-P4)2


921,137094 1188,74048 23,8660867 78,6600022
435,367941 563,079014 67,4330537 62,9296852
4,50750473 19,4086997 2,64088225 0,52572002
0,93069603 0,20955322 42,4357664 73,1037019
121,290633 93,9372116 5,65124161 0,0652395
594,815098 600,575941 15,0222699 2,65019715
231,711603 260,129429 51,9323617 74,8181479
977,085529 1068,53683 105,5891 94,3606509
702,28982 793,802825 53,052669 52,2550024
251,004936 314,237974 1,06980015 0,36255593
80,5753989 125,503447 1,38257901 0,02557381
139,539201 201,584241 67,8792354 101,016091
8,65476614 0,27865583 17,6962275 5,29271946
47,855858 20,8945367 23,2331324 43,548402
465,366822 371,642233 0,02285389 36,9331639
875,245486 755,666355 113,397473 90,6219337
1239,02452 1120,58708 132,332135 126,654141
559,96071 501,217231 5,07093008 2,52747968
890,207007 873,334348 36,4080802 65,1450139
48,9153793 50,5221488 200,027085 139,379393
34,4193552 54,4277915 0,01833405 4,39078722
178,987721 133,450566 222,618082 168,089488
422,728026 300,984243 1,353933 0,65904747
1295,75824 999,75155 88,624745 32,7847922

33
3 Diferenciacion
El voltajeE(t) esta en un circuito electronico obedece la educación E(t)=L(dl/dt)+Rl(t) donde R es la
resistencia, L es la inductancia e l es la intensidad de la corriente. Sean

T l(t)
1 8,2277
1,1 7,2428
1,2 5,9908
1,3 4,526
1,4 2,9122

Determinar L´(1.2) y emplear este valor para determinar E(1,2)


Comparar la respuesta con el resultado exacto a partir de l(t)=10e^t/10 sen(2t)

Construimos la tabla de diferencias

T l(t) F1 F2 F3 F4
1 8,2277 -0,9849 -0,2671 0,0543 0,0095
1,1 7,2428 -1,252 -0,2128 0,0638
1,2 5,9908 -1,4648 -0,149
1,3 4,526 -1,6138
1,4 2,9122

Como x esta en la tabla aplicamos la formula

f`(x)=1/0.1(-0.46481/2)(-0.149))=-13.903

Evaluando la derivada directamente con la funcion tenemos f`(x)=-13.6792

34
4 Integración
4.1 Regla del trapecio

4.2 Simpson 1/3

4.3 Simpson 3/8

Veamos un ejemplo
El cuerpo de revolución que se muestra en la figura, se obtiene de girar la curva dada por

y=1+(x/2)2 0<=x<=2

Entorno al eje x. Calcular el volumen

f(x)=Pi(1+(x/2)2)2 0<=x<=2

Tabulamos los datos

x f(x)
0 3,141592654
0,2 3,204738666
0,4 3,397946614
0,6 3,732526232
0,8 4,227327075
1 4,908738521
1,2 5,810689772

35
1,4 6,97464985
1,6 8,449627601
1,8 10,29217169
2 12,56637061

Ahora integraremos usando la siguiente formula

x2
x1
fx dx= 0.2 3 12.56 + 3,14 + 4 3,20 + 3,73 + 4,90 + 6,97 + 10,29 + 2(3,39 + 4,22 +
5,81 + 8,44 =11.728613

36