Metodos Numericos

METODOS NUMERICOS
UNIVERSIDAD DE TARAPACÁ
Escuela Universitaria de Ingeniería Eléctrica - Electrónica
METODOS NUMERICOS
&Matlab
Edición: 000 110
AUTOR:
PAUL TERRAZAS L.
ARICA-CHILE
2018
Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

METODOS NUMERICOS
Índice
1.-INTRODUCCIÓN………pag.1
2.1.-Sistemas numéricos de punto flotante (BINARIO)…pag.1
2.2.-SISTEMA NUMÉRICO DE BASE………pag.1
2.2.1.-Sistema numérico de base 2

Titulo 1………pag.1

METODOS NUMERICOS
1.-INTRODUCCIÓN
El presente texto transcribe las clases de Métodos Numéricos de la carrera de

Ingeniería Eléctrica-Electrónica de la Universidad de Tarapacá.
Contiene los ejemplos explicados de forma detallada y de la materia. Es importante

recalcar que el objetivo principal es complementar los textos de estudio y las clases del
profesor, por ende no se entra en rigurosidad de demostraciones o expresiones matemáticas
propias del ramo.
Se presenta asimismo los laboratorios complementarios en MATLAB, y algunos

ejemplos considerado importantes.
2.-CLASES
2.1.-Sistemas numéricos de punto flotante (BINARIO)
La mayoría de los computadores con el sistema binario de base 2, cuando cambia

a sistema de base 10 el proceso de redondeo puede involucrar errores.
Ej: Convertir (0.25)10 a binario. (0.010000)2
(0.25)10 → Multiplicamos por 2, OVERFLOW de 1 es 0.
0.25
0.5
1.0
0.0
0.0
0.0
0.0
(0.25)10 = 0.010000
(0.26)10 →
0.26
0.52

METODOS NUMERICOS
1.04
0.08
0.16
0.32
0.64
1.28
0.56
1.12
∴ (0.26)10 = 0.0100001012
Ejemplo de redondeo aproximado a 5 dígitos de (0.25)10 𝑦 (0.26)10
(0.25)10 = 0.0100002
0.10000 0 … ∗ 2−1
(0.26)10 = 0.100001012
0.10000 𝟏𝟎𝟏2 … ∗ 2−1 𝐸𝑟𝑟𝑜𝑟 𝑝𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑦𝑎 𝑞𝑢𝑒 𝑠𝑜𝑛 𝑔𝑢𝑎𝑙𝑒𝑠.
∴ (0.25)10 = (0.26)10 = 0.10000

METODOS NUMERICOS
2.2.-SISTEMA NUMÉRICO DE BASE

𝑭(𝑏, 𝑝, 𝑀1 , 𝑀2 ) = [1 + 2 ∗ (𝑏 − 1) ∗ 𝑏 (𝑝−1) ∗ (𝑀2 − 𝑀1 + 1)]
2.2.1.-Sistema numérico de base 2

𝑭(2, 𝑝, 𝑀1 , 𝑀2 ) = [1 + 2 ∗ 𝑏 (𝑝−1) ∗ (𝑀2 − 𝑀1 + 1)]
𝑏 = 𝑏𝑎𝑠𝑒 𝑝 = 𝑑𝑖𝑔𝑖𝑡𝑜𝑠
𝑀 = 𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒
𝑀1 = 𝑀𝑒𝑛𝑜𝑟 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒
𝑀2 = 𝑀𝑎𝑦𝑜𝑟 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒
Ej.:
𝑭(2,3, −4,4) = [1 + 2 ∗ (2 − 1) ∗ 3(2−1) ∗ (4 − (−1) + 1)]
𝑭(2,3, −4,4) = [1 + 2 ∗ (2) ∗ 3(1) ∗ (4 + 1 + 1)]
𝑭(2,3, −4,4) = [1 + 2 ∗ (2) ∗ 3(1) ∗ (6)]
𝑭(2,3, −4,4) = [1 + 4 ∗ 3 ∗ (6)]
𝑭(2,3, −4,4) = 1 + 72
𝑭(2,3, −4,4) = 73
Sistema digital de base 2
𝑭(𝑏, 𝑝, 𝑀1 , 𝑀2 ) = [1 + 2 ∗ (2 − 1) ∗ 𝑏 (𝑝−1) ∗ (𝑀2 − 𝑀1 + 1)]
𝑭(2,3, −1,2) = [1 + 2 ∗ 2(3−1) ∗ (2 − (−1) + 1)]
𝑭(2,3, −1,2) = [1 + 2 ∗ 2(2) ∗ (4)]
𝑭(2,3, −1,2) = [1 + 2 ∗ 4 ∗ (4)]
𝑭(2,3, −1,2) = [1 + 32]
𝑭(2,3, −1,2) = 33

METODOS NUMERICOS
2.2.2.-Numero de punto flotante.
Ejercicio:
Dado el siguiente numero: 𝑭(2,3, −1,2)=33 encontrar todos los valores para:
(0, 𝑎𝑏𝑐)2 ∗ 2𝑚
El exponente indica cuánto se debe desplazar hacia la derecha o hacia la izquierda la
coma binaria de la parte significativa.
0,100 0,101 0,110 0,111 2𝑚
0,0100 0,0101 0,0110 0,0111 2−1

0,100 0,101 0,110 0,111 20
1,00 1,01 1,10 1,11 21
10,0 10,1 11,0 11,1 22
1
0,0100 = 0 ∗ 2−1 + 1 ∗ 2−2 =
4
5
0,0101 = 0 ∗ 2−1 + 1 ∗ 2−2 + 0 ∗ 2−3 + 1 ∗ 2−4 =
16
1 1 1 1
1 ∗ 2−1 = 2 1 ∗ 2−2 = 4 1 ∗ 2−3 = 1 ∗ 2−4 = 16
8
±1/4 ±5/16 ±3/8 ±7/16
±½ ±5/8 ±¾ ±7/8
±1 ±5/4 ±3/2 ±7/4
±2 ±5/2 ±3 ±7/2

METODOS NUMERICOS
Multiplicamos para obtener el denominador común de las fracciones
±4/16 ±5/16 ±6/16 ±7/16
±8/16 ±10/16 ±12/16 ±14/16
±16/16 ±20/16 ±24/16 ±28/16
±32/16 ±40/16 ±48/16 ±56/16
±0.25 ±0.3125 ±0.375 ±0.4375
±0.5 ±0.625 ±0.75 ±0.875
±1 ±1.25 ±1.5 ±1.75
±2 ±2.5 ±3 ±7.2
2.-ERRORES PROPAGADOS
Teorema: Sea f una función de
𝒇: 𝑅 𝑛 → 𝑅 , 𝒑𝒂𝒓𝒂 𝑵 = 𝐹(𝑥⃗)
con
⃗⃗ = (𝑥1 , 𝑥2 , 𝑥3 … 𝑥𝑛 )
𝒙
⃗𝒙⃗∗ = (𝑥1∗ , 𝑥2∗ , 𝑥3∗ … 𝑥𝑛∗ )
2.2.-Error absoluto
|𝑬𝑨 (𝑥𝑖∗ )| ≤ 𝜺𝒊 , 𝒊 = 𝟏 … 𝒏
Sea 𝑁 ∗ = 𝑓(𝑥⃗ ∗ ) 𝑲 = 𝐼1 𝑥𝐼2 𝑥𝐼3 … 𝑥𝐼𝑛

𝑚
|𝑬𝑨 (𝑁 ∗ )| ≤ ∑ 𝑀𝑖 𝜀𝑖
𝑖=𝑛

METODOS NUMERICOS
Ejemplo
𝑥 ∗𝑦 ∗
𝑓(𝑥, 𝑦, 𝑧) =
𝑧∗
Ejercicios
𝒚 5.84337
𝒇(𝒙, 𝒚) = 𝟏 = 𝟏 = 𝟗. 𝟔𝟒𝟒
(𝟏 − 𝒙 )𝟐 (𝟏 − 0.6329)𝟐
𝑦 ∗ = 5.84337 𝑐𝑜𝑛 6 𝑑𝑠
𝑥 ∗ = 0.6329 𝑐𝑜𝑛 4 𝑑𝑠
Cuantos ds tendrá la aproximación de
𝑁 ∗ = 𝒇(𝒚∗ , 𝒙∗ )
Error absoluto
𝑚
∗
|𝑬𝑨 (𝑁 )| ≤ ∑ 𝑀𝑖 𝜀𝑖
𝑖=𝑛
|𝑬𝑨 (𝑁 ∗ )| ≤ ∑ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦
𝑖=𝑛
|𝑬𝑨 (𝑁 ∗ )| ≤ ∑ 0.5 ∗ 10𝜎−𝑚

𝑖=𝑛
𝑦 ∗ = 0.58433 ∗ 101 𝜎=1
|𝑬𝑨 (𝑦 ∗ )| ≤ 0.1 ∗ 10−1−6 = 0.5 ∗ 10−1−6 = 𝜀𝑦
𝑥 ∗ = 0.6329 ∗ 100 𝜎=0
|𝑬𝑨 (𝑥 ∗ )| ≤ 0.5 ∗ 10−1−6 = 0.5 ∗ 10−1−6 = 𝜀𝑦

METODOS NUMERICOS
27_03_18
𝒇: 𝑅 𝑛 → 𝑅 , 𝒑𝒂𝒓𝒂 𝑵 = 𝐹(𝑥⃗)
⃗⃗ = (𝑥1 , 𝑥2 , 𝑥3 … 𝑥𝑛 )
con 𝒙 ⃗⃗∗ = (𝑥1∗ , 𝑥2∗ , 𝑥3∗ … 𝑥𝑛∗ )
𝒙
1.-Error absoluto
|𝑬𝑨 (𝑥𝑖∗ )| ≤ 𝜺𝒊 , 𝒊 = 𝟏 … 𝒏
Sea 𝑁 ∗ = 𝑓(𝑥⃗ ∗ )
𝑚
∗
|𝑬𝑨 (𝑓 )| ≤ ∑ 𝑀𝑖 𝜀𝑖
𝑖=1
𝜕𝑓
𝑴𝒊 ≥ 𝑚𝑎𝑥𝐾 | |
𝜕𝑥𝑖
Producto cartesiano
𝑲 = 𝐼1 𝑥𝐼2 𝑥𝐼3 … 𝑥𝐼𝑛

METODOS NUMERICOS
1.-EJERCICIO Problema 3 guia
Dada la función
𝒙𝒚−𝒚
𝒇(𝒙, 𝒚) = 𝒙
x = 37.801 𝑐𝑜𝑛 5 𝑑𝑠 → 𝑚𝑥 = 5
𝑥 ∗ = 0.37801 ∗ 102 σ=2
y = 45.670 𝑐𝑜𝑛 4 𝑑𝑠 → 𝑚𝑦 = 4
𝑥 ∗ = 0.4567 ∗ 102 σ=2
Con los datos dados podemos que nos han dado podemos calcular los dígitos significativos
y por ende obtenemos m de la fórmula de error absoluto
|𝑬𝑨 (𝑓 ∗ )| ≤ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦
Normalizando 𝒙∗ 𝒆 𝒚 ∗
𝑥 ∗ = 0.3780 ∗ 102 𝜎𝑥 = 2
𝑦 ∗ = 0.4567 ∗ 102 𝜎𝑦 = 2
Al normalizar cualquier numero este se transforma en un numero decimal con exponencial

de base 10, dependiendo de la cantidad de números enteros hacia la izquierda. *Teoría de
normalización.
Error absoluto de 𝒙∗ e 𝒚 ∗
|𝑬𝑨 (𝑥 ∗ )| ≤ 0.5 ∗ 10𝜎𝑥 −𝑚𝑥 = 0.5 ∗ 102−5 = 0.5 ∗ 10−3 = 𝜀𝑥
𝜀𝑥 = 0.5 ∗ 10−3
|𝑬𝑨 (𝑦 ∗ )| ≤ 0.5 ∗ 10𝜎𝑦 −𝑚𝑦 = 0.5 ∗ 102−4 = 0.5 ∗ 10−2 = 𝜀𝑦
𝜀𝑦 = 0.5 ∗ 10−2
Derivando para obtener 𝑴𝒙 e 𝑴𝒚
x=37.801 𝑦 = 45.67
𝜕𝑓 𝑦𝑥 − 1(𝑥𝑦 − 𝑦) 𝑦 45.67
𝑴𝒙 ≥ 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | |
𝜕𝑥𝑖 𝑥2 𝑥2 (37.801 )2
= 0.032

METODOS NUMERICOS
𝜕𝑓 𝑦𝑥 − 1(𝑥𝑦 − 𝑦) 𝑥−1 37.801 − 1

𝑴𝒚 ≥ 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | 2
| = 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | |
𝜕𝑦𝑖 𝑥 𝑥 37.801
= 0.97
Intervalo de posición de x por intervalo de posición
𝐾 = 𝐼𝑥 ∗ 𝐼𝑦
𝐼𝑥 = [37.801 − 0.5𝑥10−3 , 37.800 + 0.5𝑥10−3 ] = [37.8005, 37.8015]
𝐼𝑦 = [45.67 − 0.5𝑥10−2 , 45.67𝑥0.5𝑥10−2 ] = [45.665, 45.675]
𝐾 = 𝐼𝑥 ∗ 𝐼𝑦 = [37.8005, 37.8015] ∗ [45.665, 45.675]
Desarrollo con los datos dados:
|𝑬𝑨 (𝑓 ∗ )| ≤ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦
|𝑬𝑨 (𝑓 ∗ )| ≤ 0.032 ∗ 𝜀𝑥 + 0.97 ∗ 𝜀𝑦
|𝑬𝑨 (𝑓 ∗ )| ≤ 0.032 ∗ 0.5 ∗ 10−3 + 0.97 ∗ 0.5 ∗ 10−2 = 0.004866
|𝑬𝑨 (𝑓 ∗ )| ≤ 0.004866 ≤ 0.005
Omega de f 𝒄𝒐𝒏: 𝑥 = 37.801 𝑦 = 45.67

𝒙𝒚−𝒚 37.801∗45.67−45.67
𝒇(𝒙, 𝒚) = = = 𝟒𝟒. 𝟒𝟔 = 𝟎. 𝟒𝟒 ∗ 𝟏𝟎𝟐 → 𝝈=𝟐
𝒙 37.801
0.5 ∗ 10−2 ≤ 𝟎. 𝟓 ∗ 𝟏𝟎𝛔−𝐦 [𝐩𝐨𝐫 𝐟𝐨𝐫𝐦𝐮𝐥𝐚]
0.5 ∗ 10−2 ≤ 𝟎. 𝟓 ∗ 𝟏𝟎𝟐−𝐦
−2 ≤ 2 − m
∴ m≤4

METODOS NUMERICOS
1
17. Se desea calcular 𝜋∗𝑒 con 5 dígitos. ¿Cuántos dígitos significativos se deben
considerar para 𝜋 𝑦 𝑒.
Desarrollo : Con los datos dados podemos obtener los valores normalizados de 𝜋 𝑦 𝑒.
Obteniendo así 𝜎 pero al no darnos los dígitos significativos se vuelve una ecuación
con dos incógnitas. Por ende, definiremos una variable m común para x e y.
Normalizando x e y obtenemos:
𝜋 = 3.14159 = 𝒙 → 𝑥 ∗ = 0.314159 ∗ 101 𝜎𝑥 = 1 𝑚𝑥 =? = 𝒎
𝑒 = 2.71828 = 𝒚 → 𝑦 ∗ = 0.271828 ∗ 101 𝜎𝑦 = 1 𝑚𝑦 =? = 𝒎
En la ecuación general
1 1 1
𝑓(𝑥, 𝑦) = = = = 0.11709 ∗ 100 𝜎=0
𝜋𝑒 𝑥𝑦 0.314159 ∗ 0.271828
|𝑬𝑨 (𝒇∗ )| ≤ 𝑴𝒙 𝜺𝒙 + 𝑴𝒚 𝜺𝒚 ≤ 𝟎. 𝟓 ∗ 𝟏𝟎𝝈−𝒎 [𝐸𝑞. 1]
𝑪𝒐𝒏 𝟓 𝒅í𝒈𝒊𝒕𝒐𝒔 → 𝑚 = 5 𝑵𝒐𝒓𝒎𝒂𝒍𝒊𝒛𝒂𝒏𝒅𝒐 𝑓(𝑥, 𝑦) → 𝜎 = 0
|𝑬𝑨 (𝑓 ∗ )| ≤ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦 ≤ 0.5 ∗ 100−5 [𝐸𝑞. 2]
|𝑬𝑨 (𝑥 ∗ )| ≤ 𝟎. 𝟓 ∗ 𝟏𝟎𝜎𝑥 −𝑚𝑥 = 𝟎. 𝟓 ∗ 𝟏𝟎1−𝑚 = 𝜀𝑥
|𝑬𝑨 (𝑦 ∗ )| ≤ 𝟎. 𝟓 ∗ 𝟏𝟎𝜎𝑦 −𝑚𝑦 = 𝟎. 𝟓 ∗ 𝟏𝟎1−𝑚 = 𝜀𝑦
𝜕𝑓 −1 −1
𝑀𝑥 = max | | = | 2 | = | 2 | = 0.0372
𝐾 𝜕𝑥 𝑥 𝑦 𝜋 ∗𝑒
𝜕𝑓 −1 −1
𝑀𝑦 = max | | = | 2 | = | 2 | = 0.0430
𝐾 𝜕𝑦 𝑥𝑦 𝜋 ∗𝑒
Finalmente reemplazamos los valores en la ecuación [𝐸𝑞. 2]
|𝑬𝑨 (𝑓 ∗ )| ≤ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦 ≤ 0.5 ∗ 10−5
|𝑬𝑨 (𝑓 ∗ )| ≤ 0.0372 ∗ 𝟎. 𝟓 ∗ 𝟏𝟎1−𝑚 + 0.0430 ∗ 𝟎. 𝟓 ∗ 𝟏𝟎1−𝑚 ≤ 0.5 ∗ 10−5

METODOS NUMERICOS
Simplificando
|𝑬𝑨 (𝑓 ∗ )| ≤ 0.04 ∗ 𝟏𝟎1−𝑚 ≤ 0.5 ∗ 10−5
|𝑬𝑨 (𝑓 ∗ )| ≤ 0.4 ∗ 𝟏𝟎−𝑚 ≤ 0.5 ∗ 10−5 Si se cumple la condición entonces:
−𝑚 ≤ −5 →∴ 𝑚 = 5

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS
LAB_1: 29_03_18
POLINOMIO DE LAGRANGE
Ejemplo 3.-
Dada la función 𝑓(𝑥) = 𝑒 𝑥 5 puntos grado 4 𝑓(1.5)
X 𝑥0 =0 𝑥1 =1 𝑥2 =1.2 𝑥3 =1.6 𝑥4 =2.0

f(x) 1 2.718281 3.320116 4.953032 4.953032
𝑝4 (𝑥) = 𝑙0 (𝑥)𝑓(𝑥0 ) + 𝑙1 (𝑥)𝑓(𝑥1 ) + 𝑙2 (𝑥)𝑓(𝑥2 ) + 𝑙3 (𝑥)𝑓(𝑥3 ) + 𝑙4 (𝑥)𝑓(𝑥4 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 )

𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )(𝑥0 − 𝑥4 )
(1.5 − 1)(1.5 − 1.2)(1.5 − 1.6)(1.5 − 2.0)

𝑙0 (1.5) = = 0.001953125
(0 − 1)(0 − 1.2)(0 − 1.6)(0 − 2.0)
(1.5 − 𝑥0 )(1.5 − 𝑥2 )(1.5 − 𝑥3 )(𝑥 − 𝑥4 )

𝑙1 (𝑥) = =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )(𝑥1 − 𝑥4 )
(1.5 − 0)(1.5 − 1.2)(1.5 − 1.3)(𝑥 − 2.0)

𝑙1 (𝑥) = =
(1 − 0)(1 − 1.2)(1 − 1.6)(1 − 2.0)
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )

METODOS NUMERICOS
POLINOMIO INTERPOLADO DE LAGRANGE
Teorema:
Si 𝑥0 , 𝑥1 , … . . 𝑥𝑛 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠 𝑒𝑛 [𝑎, 𝑏]
𝑓 𝑛+1 (𝜉(𝑥))
𝑓(𝑥) − 𝑝𝑛 (𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Error:
max |𝑓 𝑛+1 (𝑡)|

𝑎≤𝑡≤𝑏
𝐸𝑛 (𝑥) = = |𝑥 − 𝑥0 ||𝑥 − 𝑥1 | … |𝑥 − 𝑥𝑛 |
(𝑛 + 1)!
Ej.:
Determinar el error de interpolación al aproximar.
4 2
𝑓(𝑥) = cos(𝑥) 𝑃2 (𝑥) = 1 − 𝑥
𝜋
Mediante el polinomio de interpolación que se obtuvo mediante los puntos:
𝜋
𝑥0 = − 𝑥1 = 0 𝑥2 = 𝜋/2
2
Solución
𝜋
𝑓(𝑥𝑜 ) = cos (− ) = 0
2
𝑓(𝑥𝑜 ) = cos(0) = 1
𝜋
𝑓(𝑥𝑜 ) = cos ( ) = 0
2

METODOS NUMERICOS
Desarrollo:
𝑷𝟐 (𝒙) = 𝒍𝒐 (𝒙)𝑓(𝑥0 ) + 𝒍𝟏 (𝒙)𝑓(𝑥1 ) + 𝒍𝟐 (𝒙)𝑓(𝑥2 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
POLINOMIO
Clases
Dado los puntos
(−1,15); (0,8); (3, −1)
Determinar el polinomio de interpolación
𝑥𝑜 = −1 𝑓(𝑥0 ) = 15
𝑥1 = 0 𝑓(𝑥1 ) = 8
𝑥2 = 3 𝑓(𝑥2 ) = −1
𝑝2 (𝑥) = 𝑎0 + 𝑎1 𝒙 + 𝑎2 𝒙𝟐

METODOS NUMERICOS
Polinomio de cero grado
𝑝(𝑥) = 𝑓(𝑥0 ) = 𝑎0
Polinomio de primer grado
(𝑥0 , 𝑓(𝑥0 )) (𝑥1 , 𝑓(𝑥1 ))
𝑝1 (𝑥) = 𝑎0 + 𝑎1 𝒙
𝑎0 + 𝑎1 𝒙𝟎 = 𝑓(𝒙𝟎 )
𝑎0 + 𝑎1 𝒙𝟏 = 𝑓(𝒙𝟏 )
𝑓(𝑥0 ) − 𝑓(𝑥1 )
𝑎1 =
𝑥0 − 𝑥1
𝑥1 𝑓(𝑥0 ) − 𝑥0 𝑓(𝑥1 )
𝑎0 =
𝑥1 − 𝑥0
𝑥1 𝑓(𝑥0 ) − 𝑥0 𝑓(𝑥1 ) 𝑓(𝑥0 ) − 𝑓(𝑥1 )

𝑝1 (𝑥) = [ ]+[ ]𝒙 [𝑬𝒒. 𝟑]
𝑥1 − 𝑥0 𝑥0 − 𝑥1
Simplificando
𝑥 − 𝑥1 𝑥 − 𝑥0
𝑝1 (𝑥) = [ ]𝑓(𝑥0 ) + [ ]𝑓(𝑥1 )
𝑥0 − 𝑥1 𝑥1 − 𝑥0
𝑥 − 𝑥1 𝑥 − 𝑥0
𝑙0 (𝑥) = 𝑙1 (𝑥) =
𝑥0 − 𝑥1 𝑥1 − 𝑥0
𝑝1 (𝑥) = 𝑙0 (𝑥)𝑓(𝑥0 ) + 𝑙1 (𝑥)𝑓(𝑥1 )
Polinomio de segundo grado
(𝑥0 , 𝑓(𝑥0 )) (𝑥1 , 𝑓(𝑥1 )) (𝑥2 , 𝑓(𝑥2 ))
𝑝2 (𝑥) = 𝑙0 (𝑥)𝑓(𝑥0 ) + 𝑙1 (𝑥)𝑓(𝑥1 ) + 𝑙2 (𝑥)𝑓(𝑥2 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )

METODOS NUMERICOS
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
Polinomio de grado n
(𝑥0 , 𝑓(𝑥0 )) (𝑥1 , 𝑓(𝑥1 )) … (𝑥𝑛 , 𝑓(𝑥𝑛 ))
𝑝𝑛 (𝑥) = 𝑙0 (𝑥)𝑓(𝑥0 ) + 𝑙1 (𝑥)𝑓(𝑥1 ) + ⋯ + 𝑙𝑛 (𝑥)𝑓(𝑥𝑛 )
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑛−1 )(𝑥 − 𝑥𝑛 )

𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) … (𝑥0 − 𝑥𝑛−1 )(𝑥0 − 𝑥𝑛 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )(𝑥 − 𝑥𝑛 )

𝑙𝑖 (𝑥) =
(𝑥𝑖 − 𝑥1 )(𝑥𝑖 − 𝑥2 ) … (𝑥𝑖 − 𝑥𝑛−1 )(𝑥𝑖 − 𝑥𝑛 )
Condición
Clases ejemplo
𝜋 𝜋
Se desea aproximar la función x con 𝑓(𝑥) = cos 𝑥 [− 2 , 2 ] de grado 2 con los puntos:
𝜋 𝜋
𝑥0 = − 2 , 𝑥1 = 0, 𝑥2 = 2
Desarrollo: Dado que se trata de un polinomio de segundo grado significa que el

polinomio es n-1 veces:
𝜋
𝑓(𝑥0 ) = cos (− ) = 0
2
𝑓(𝑥1 ) = cos(0) = 1
𝜋
𝑓(𝑥2 ) = cos ( ) = 0
2
𝜋 𝜋
𝑥0 = − , 𝑥1 = 0, 𝑥2 =
2 2
𝑝2 (𝑥) = 𝑙0 (𝑥)𝑓(𝑥0 ) + 𝑙1 (𝑥)𝑓(𝑥1 ) + 𝑙2 (𝑥)𝑓(𝑥2 )
𝑝2 (𝑥) = 𝑙1 (𝑥)𝑓(𝑥1 )
𝜋 𝜋 2 𝜋 2
𝑥 − (
𝑙1 (𝑥) =
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
=
(𝑥 − ( 2 ))(𝑥 + 2 )
= 2)
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0 − (− 𝜋))(0 − (𝜋)) 𝜋 2
2 2 − (2)

METODOS NUMERICOS
4𝑥 2
𝑙1 (𝑥) = 1 −
𝜋2
4𝑥 2
∴ 𝑃(𝑥) = 1 − 2
𝜋
𝝅 𝝅
𝟐 𝟒𝒙𝟐
𝟐
∫ 𝐜𝐨𝐬 𝒙 𝒅𝒙 ≅ ∫ (𝟏 − 𝟐 ) 𝒅𝒙
−
𝝅
−
𝝅 𝝅
𝟐 𝟐
POLINOMIO INTERPOLADO DE LAGRANGE
Teorema:
Si 𝑥0 , 𝑥1 , … . . 𝑥𝑛 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠 𝑒𝑛 [𝑎, 𝑏]
𝑓 𝑛+1 (𝜉(𝑥))
𝑓(𝑥) − 𝑝𝑛 (𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Error:
max |𝑓 𝑛+1 (𝑡)|

𝑎≤𝑡≤𝑏
𝐸𝑛 (𝑥) = |𝑥 − 𝑥0 ||𝑥 − 𝑥1 | … |𝑥 − 𝑥𝑛 | [𝐸𝑞. 1]
(𝑛 + 1)!
4.-Ejemplo.
Determinar el error de interpolación al aproximar.
4 2
𝑓(𝑥) = cos(𝑥) 𝑃2 (𝑥) = 1 − 𝑥
𝜋
Mediante el polinomio de interpolación que se obtuvo mediante los puntos:
𝜋
𝑥0 = − 𝑥1 = 0 𝑥2 = 𝜋/2
2

METODOS NUMERICOS
1.1.-DIFERENCIA DIVIDIDAS (DD) clase:
Las diferencias divididas cero de f(x), la función con respecto a x,y se denota por:
𝑓[𝑥𝑖 ] y es la evaluación de f:
𝑓(𝑥𝑖 ) = 𝑓[𝑥𝑖 ]
La diferencia dividida restante se define inductivamente, la primera diferencia dividida

respecto a 𝑥𝑖 , 𝑥𝑖+1 denotada por:
[𝑥𝑖 , 𝑥𝑖+1 ]
Se define como:
𝑓[𝑥𝑖+1 ] − 𝑓[𝑥𝑖 ]
𝑓[𝑥𝑖 , 𝑥𝑖+1 ] = [𝑬𝒒. 𝟏]
𝑥𝑖+1 − 𝑥𝑖
Son determinados las k’esimos DD de relativa:
𝑥𝑖 . 𝑥𝑖+1 , 𝑥𝑖+𝑘−1 , 𝑥𝑖+𝑘
Está dado por:
𝑓[𝑥𝑖+1 , … , 𝑥𝑘 ] − 𝑓[𝑥𝑖 , … , 𝑥𝑖+(𝑘+1) ]

𝑓[𝑥𝑖 , … , 𝑥𝑖+𝑘 ] = [𝑬𝒒. 𝟏]
𝑥𝑖+𝑘 − 𝑥𝑖
Diferencias divididas usadas por Newton:
𝑃𝑛 (𝑥) = 𝒇[𝒙𝟎 ] + 𝒇[𝒙𝟎 , 𝒙𝟏 ](𝑥 − 𝑥0 ) + 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 ](𝑥 − 𝑥𝑜 )(𝑥 − 𝑥1 )
+ ⋯ + 𝒇[𝒙𝟎 , 𝒙𝟏 , 𝒙𝟐 , … 𝒙𝒏 ](𝑥 − 𝑥𝑜 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )

METODOS NUMERICOS
Por definición el error esta dado por:
|𝑓 𝑛+1 (𝑡)|
𝐸𝑛 (𝑥) = max |𝑥 − 𝑥0 ||𝑥 − 𝑥1 | … |𝑥 − 𝑥𝑛 |
𝑎≤𝑡≤𝑏 (𝑛 + 1)!
Para este caso
𝐸𝑛 (𝑥) = 𝑓[𝑥, 𝑥0 , … . , 𝑥𝑛 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
Ejemplo.:
𝑎0 = 𝑓[𝑥0 ]
𝑓[𝑥1 ] − 𝑓[𝑥0 ]
𝑎1 = 𝑓[𝑥0 , 𝑥1 ] =
𝑥1 − 𝑥0
𝑓[𝑥2 , 𝑥1 ] − 𝑓[𝑥1 , 𝑥0 ]
𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] =
𝑥2 − 𝑥0
𝑓[𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥2 , 𝑥1 , 𝑥0 ]
𝑎3 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥3 − 𝑥0
𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]
𝑞4 = 𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] =
𝑥4 − 𝑥0

METODOS NUMERICOS
1.-Polinomio PROGRESIVO de Newton
𝑃𝑛 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯

+ 𝑓[𝑥0 , 𝑥1 , … , 𝒙𝒏 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝒙𝒏−𝟏 )
𝐸𝑛 (𝑥) = 𝑓[𝒙𝒏+𝟏 , 𝑥0 , 𝑥1 , … , 𝑥𝑛 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥𝑛 )
1.-Polinomio REGRESIVO de Newton
𝑃𝑛 (𝑥) = 𝑓[𝑥𝑛 ] + 𝑓[𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛−1 ) + 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 … , 𝒙𝟎 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 ) … (𝑥 − 𝒙𝟏 )
𝐸𝑛 (𝑥) = 𝑓[𝒙𝒏+𝟏 , 𝑥𝑛 , 𝑥𝑛−1 , … , 𝑥0 ](𝑥 − 𝑥𝑛+1 )(𝑥 − 𝑥𝑛 ) … (𝑥 − 𝑥1 )
Luego:
𝑃𝑛+1 (𝑥) = 𝑃𝑛 (𝑥) + 𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 , 𝑥𝑛+1 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )

METODOS NUMERICOS
X f(x) 1DD 2DD 3DD 4DD

1.00
0.00000
0.857429
0.30010 -0.283959
1.35
0.658657 0.108324
-0.186468 -0.030492
1.70
0.53063
0.556100 0.047340
1.90 0.64185 -0.108357

0.415236
3.00 1.09861
Calcular en el punto 1.2 con el polinomio de máximo grado (Progresivo)

1.00
0.00000
1.2 0.857429
0.30010 -0.283959
1.35
0.658657 0.108324
-0.186468 -0.030492
1.70
0.53063
0.556100 0.047340
1.90 0.64185 -0.108357

0.415236
3.00 1.09861
𝑃4 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + 𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥

− 𝑥2 )(𝑥 − 𝑥3 )
𝑃4 (𝑥) = 0.00000 + 0.857429(𝑥 − 1) + −0.283959(𝑥 − 1)(𝑥 − 1.35)
+0.108324(𝑥 − 1)(𝑥 − 1.35)(𝑥 − 1.70) + −0.030492(𝑥 − 1)(𝑥 − 1.35)(𝑥 − 1.70)(𝑥 − 1.90)
𝑃4 (1,2) = 0.181309

METODOS NUMERICOS
Error de interpolación en un punto.
𝐸4 (𝑥) = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝒙𝟓 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 )
Aquí el polinomio nos exige un valor de mayor grado que el de 4, por lo tanto si no se nos
entrega mas datos no se puede desarrollar, por ende se escoge un polinomio de menor grado
para calcular el error y aprovechar el cálculo del polinomio.
Ejemplo.:
𝐸3 (𝑥) = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
Desarrollo:
𝐸3 (1.2) = −0.030492(1.2 − 1)(1.2 − 1.35)(1.2 − 1.70)(1.2 − 1.90)
𝑬𝟑 (𝟏. 𝟐) = 𝟎. 𝟎𝟎𝟎𝟑𝟐𝟎𝟏𝟔𝟔
Ejemplo.: Calcular el polinomio de Newton de grado 3 con x= 2.7
Desarrollo: Para valores de la tabla que están al final, se usa el polinomio de grado 3
regresivo.

1.00
0.00000
1.2 0.857429
0.30010 -0.283959
1.35
0.658657 0.108324
-0.186468 -0.030492
1.70
0.53063
0.556100 0.047340
1.90 0.64185 -0.108357

0.415236
2.7
3.00 1.09861

METODOS NUMERICOS
𝑃3 (𝑥) = 𝑓[𝑥𝑛 ] + 𝑓[𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛 ) + 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 )
+ [𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ] (𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 )(𝑥 − 𝑥𝑛−3 )
𝑃3 (𝑥) = 1.09861 + 0.415236(x − 3) +

+ − 0.108357(x − 3)(x − 1.90) +0.047340(x − 3)(x − 1.90)(𝑥 − 1.70)
𝑃3 (𝑥) = 1.09861 + 0.415236(−0.3) +

−0.108357(−0.3)(0.8) +0.047340(−0.3)(0.8)(1)
𝑃3 (𝑥) = 1.09861 − 0.1245708 + 0.026005 − 0.011362
𝑷𝟑 (𝟐. 𝟕) = 𝟎. 𝟗𝟖𝟖𝟔𝟖𝟐𝟐 𝒄𝒐𝒓𝒓𝒆𝒄𝒕𝒐

METODOS NUMERICOS
Prueba 1

METODOS NUMERICOS

METODOS NUMERICOS
Prueba

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS
DD CLASES
1.3 DIFERENCIAS DIVIDIDAS (DD)TEXTO: LAGRANGE

Si suponemos que 𝑃𝑛 (𝑥) es un polinomio de Lagrange de grado a lo más n que coincide
con la función f en los números distintos 𝑥0 , 𝑥1 , … , 𝑥𝑛 y 𝑃𝑛 (𝑥) tiene la representación:
𝑃𝑛 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯ + 𝑎𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
con constantes apropiadas 𝑎0 , 𝑎1 , … , 𝑎𝑛 .
Determinemos 𝑎0 evaluando 𝑃𝑛 (𝑥) en 𝑥 = 𝑥0

𝑷𝒏 (𝒙𝟎 ) = 𝒂𝟎 = 𝒇(𝒙𝟎 )
Similarmente cuando 𝑃𝑛 (𝑥) se evalúa en 𝑥1 obtenemos:

𝑓(𝑥0 ) + 𝑎1 (𝑥1 − 𝑥0 ) = 𝑃𝑛 (𝑥1 ) = 𝑓(𝑥1 )
𝒇(𝒙𝟏 )−𝒇(𝒙𝟎 )
𝒂𝟏 = 𝒙𝟏 −𝒙𝟎
Se puede de la misma manera calcular 𝑎2 evaluando 𝑃𝑛 (𝑥) en 𝑥2 e igualando con la

función en el punto, desarrollarlo.
Generalizando tenemos la siguiente definición:
Definición 1.- la diferencia dividida cero de la función f con respecto a 𝑥𝑖 se denota por
𝑓[𝑥𝑖 ] y es la evaluación de f en 𝑥𝑖 .
𝑓[𝑥𝑖 ] = 𝑓(𝑥𝑖 )
Las diferencias divididas restantes se definen inductivamente, la primera diferencia
dividida con respecto a 𝑥𝑖 , 𝑥𝑖+1 se denota por 𝑓[𝑥𝑖 , 𝑥𝑖+1 ] y está definida como:
𝑓[𝑥𝑖+1 ] − 𝑓[𝑥𝑖 ]
𝑓[𝑥𝑖 , 𝑥𝑖+1 ] =
𝑥𝑖+1 − 𝑥𝑖
Cuando las k-1 diferencias divididas 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 , … , 𝑥𝑖+𝑘−1 ] y 𝑓[𝑥𝑖+1 , … , 𝑥𝑖+𝑘 ] han sido
determinadas la k-ésima diferencia dividida de f relativa a 𝑥𝑖 , 𝑥𝑖+1 , … , 𝑥𝑖+𝑘 está dada por:
𝑓[𝑥𝑖+1 , … , 𝑥𝑖+𝑘 ] − 𝑓[𝑥𝑖 , … , 𝑥𝑖+𝑘−1 ]

𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 , … , 𝑥𝑖+𝑘−1 , 𝑥𝑖+𝑘 ] =
𝑥𝑖+𝑘 − 𝑥𝑖

METODOS NUMERICOS
Ejemplo1.-
Calcular 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] y 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ].
El polinomio interpolador queda:
𝑃𝑛 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯ +

𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 ](𝑥 − 𝑥0 ) … (𝑥 − 𝑥𝑛−1 )
y se llama polinomio de diferencias divididas interpolante de Newton y se usa en los

cálculos numéricos de puntos tabulados , cuando se interpola un punto x que esté más
cerca de x0 que de xn .La determinación de las diferencias divididas para puntos tabulados
se bosqueja en la siguiente tabla.
Tabla de diferencias divididas:
X f(x) 1°dif.dividida 2°dif.dividida 3°dif.dividida 4°dif.dividida

X0 f(x0)
f[x0,x1]=a0
X1 f(x1) f[x0,x1,x2]=a1
f[x1,x2] f[x0,x1,x2,x3]=a2
X2 f(x2) f[x1,x2,x3] f[x0,x1,x2,x3,x4]=a3
f[x2,x3] f[x1,x2,x3,x4]
X3 f(x3) f[x2,x3,x4]
f[x3,x4]
X4 f(x4)
En el caso particular n=1, la forma de Newton del polinomio interpolante es:
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑃1 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) = 𝑓(𝑥0 ) − (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
Que coincide con la fórmula 𝑃1 (𝑥) en el caso de la forma de Lagrange del polinomio
interpolante. Recuerde que el polinomio interpolante es único.
Con respecto al error de interpolación al usar la fórmula de Newton, tenemos:
Teorema1: supongamos que 𝑓 ∈ 𝐶 𝑛 [𝑎, 𝑏] y que 𝑥0 , … , 𝑥𝑛 son números distintos en [𝑎, 𝑏].
Entonces Ǝ un nuevo 𝜀 ∈ [𝑎, 𝑏] talque:

METODOS NUMERICOS
𝑓 𝑛 (𝜀)
𝑓[𝑥0 , … , 𝑥𝑛 ] =
𝑛!
Demostración: Sea 𝑔(𝑥) = 𝑓(𝑥) − 𝑃𝑛 (𝑥)
Como en los puntos tabulados 𝑓(𝑥𝑖 ) = 𝑃𝑛 (𝑥𝑖 ) tenemos 𝑔(𝑥𝑖 ) = 𝑓(𝑥𝑖 ) − 𝑃𝑛 (𝑥𝑖 ) = 0 , ∀𝑖 =
0, … , 𝑛
Como 𝑔(𝑥𝑖 ) tiene 𝑛 + 1 ceros distintos en [𝑎, 𝑏] (uno por cada punto xi) por Rolle existe
𝜀/𝑔𝑛 (𝜀) = 0.
Derivando 𝑃𝑛 (𝑥) y considerando que 𝑃𝑛 (𝑥) es un polinomio cuyo coeficiente principal es
(𝑥 − 𝑥0 ) … (𝑥 − 𝑥𝑛−1 ) 𝑓[𝑥0 , … , 𝑥𝑛 ]
𝑃𝑛𝑛 (𝑥) = 𝑓[𝑥0 , … , 𝑥𝑛 ]𝑛!

Luego:
𝑓 𝑛 (𝜀)
𝑓[𝑥0 , … , 𝑥𝑛 ] =
𝑛!
Usando esta fórmula se puede llegar a una expresión para estimar el error al aproximar f
mediante un polinomio de Newton 𝑃𝑛 (𝑥).
La fórmula del error del polinomio interpolante de Lagrange está dado por:
𝑓 𝑛+1 (𝜀)
𝐸𝑛 (𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Donde 𝜀 depende de 𝑥 y 𝜀 ∈ (𝑥0 , 𝑥𝑛 ).

De acuerdo a lo anterior tenemos:
𝑛
𝐸𝑛 (𝑥) ≈ ∏(𝑥 − 𝑥𝑖 )𝑓[𝑥𝑛+1 , 𝑥0 , … , 𝑥𝑛 ]

𝑖=0
Ejemplo: interpolar 𝑓(𝑥) = 𝑒 𝑥 + ln(𝑥), si de 𝑓(𝑥) se tiene los siguientes datos:

𝑥𝑖 1 1.2 1.5 2 2.5
𝑓(𝑥𝑖 ) 2.718 3.502 4.887 8.082 13.116

METODOS NUMERICOS
Para determinar el error de interpolación debemos dejar el último punto de la tabla sin
considerar al determinar el polinomio de interpolación, de esta forma, este último punto lo
dejamos para calcular el error. En este ejemplo tendremos un polinomio de grado 3 un
punto menos que sería:
𝑃3 (𝑥) = −0.290 + 2.394𝑥 + 0.733𝑥 2 − 0.3196𝑥 3
Siendo el error de interpolación:
𝐸3 (2.3) = 0.2005
Observaciones:
1.- si consideramos los mismos puntos {𝑓(𝑥𝑖 )}𝑛𝑖=0 en otro orden obtendremos otras
expresiones para el mismo polinomio de interpolación. Las expresiones serán idénticas si
los valores {𝑥𝑖 }𝑛𝑖=0 y los {𝑓(𝑥𝑖 )}𝑛𝑖=0 son exactos y no están sujetos a ningún error.
2.- si agregamos un punto 𝑥𝑛+1 al conjunto {𝑥𝑖 }𝑛𝑖=0 para obtener el polinomio de
interpolación de grado n+1, basta agregar el término ∏𝑛𝑖=0(𝑥 − 𝑥𝑖 )𝑓[𝑥0 , … , 𝑥𝑛+1 ] sin
modificar los términos anteriores, es decir, es válida la propiedad 𝑃𝑛 (𝑥) = 𝑃𝑛−1 (𝑥) +
𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 ](𝑥 − 𝑥0 ) … (𝑥 − 𝑥𝑛−1 ); 𝑛 = 2, … , 𝑛 .
3.- los errores propagados dependerán principalmente de la ubicación de los xi respecto a

x, en efecto; si los xi son exactos y los 𝑓(𝑥𝑖 ) son aproximaciones de las cuales conoceremos
una cota del error absoluto, |𝐸𝐴 (𝑓(𝑥𝑖 )| ≤ 𝜀𝑖 , ∀𝑖 luego:
Si 𝑃𝑛 (𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )𝑓[𝑥0 , 𝑥1 ] + ⋯ + (𝑥 − 𝑥0 ) … (𝑥 − 𝑥𝑛−1 )𝑓[𝑥0 , … , 𝑥𝑛 ]

Además existe 𝜀 talque |𝐸(𝑓(𝑥𝑖 ))| < 𝜀, ∀𝑖
𝑓(𝑥1 ) − 𝑓(𝑥0 ) 2𝜀
|𝐸𝐴 𝑓[𝑥0, 𝑥1 ]| = |𝐸𝐴 |≤
𝑥1 − 𝑥0 |𝑥1 − 𝑥0 |
De la misma manera para los otros valores con lo cual probamos nuestra observación.
Si el punto x al cual vamos a interpolar está más cerca de 𝑥𝑛 que de 𝑥0 se usa la forma de
diferencias divididas (regresiva) interpolante de Newton, para la cual es válida también la
fórmula de la observación punto dos.
Tabla de diferencias regresivas de Newton.
X 𝑓(𝑥) 1°dif.dividida 2°dif.dividida 3°dif.dividida

METODOS NUMERICOS
𝑥0 𝑓(𝑥0 )
⋮ ⋮
𝑥𝑛−3 𝑓(𝑥𝑛−3 )
𝑓[𝑥𝑛−2 , 𝑥𝑛−3 ]
𝑥𝑛−2 𝑓(𝑥𝑛−2 ) 𝑓[𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ]
𝑓[𝑥𝑛−1 , 𝑥𝑛−2 ] 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ]
𝑥𝑛−1 𝑓(𝑥𝑛−1 ) 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ]
𝑓[𝑥𝑛 , 𝑥𝑛−1 ]
𝑥𝑛 𝑓(𝑥𝑛 )
Las tablas de diferencias divididas son las mismas ya que se puede demostrar que las
diferencias divididas son simétricas en cada argumento para cualquier n, es decir,
𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑗 , … , 𝑥𝑘 , … , 𝑥𝑛 ] = 𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑘 , … , 𝑥𝑗 , … , 𝑥𝑛 ]
Ej.: Encontrar el polinomio interpolador regresivo con diferencias divididas.
X 𝑓(𝑥)
1.0 0.2564
1.35 0.3869
1.5 0.4533
1.65 0.5284
Tabla de diferencias divididas
X 𝑓(𝑥) 1°dif.dividida 2°dif.dividida 3°dif.dividida

1.0 0.2564
0.3729
1.35 0.3869 0.1396
0.4427 -0.3187
1.5 0.4533 -0.0771
0.4172
1.65 0.5284
𝑃3 (𝑥) = 0.5284 + 0.4172(𝑥 − 1.680) − 0.0771(𝑥 − 1.680)(𝑥 − 1.500) − 0.319(𝑥

− 1.6)(𝑥 − 1.5)(𝑥 − 1.35)
𝑃3 (𝑥) = 0.717 − 1.509𝑥 + 1.367𝑥 2 − 0.319𝑥 3

METODOS NUMERICOS
X f(x) 1°dif.dividida 2°dif.dividida 3°dif.dividida 4°dif.dividida

X0 f(x0)
f[x0,x1]=a0
X1 f(x1) f[x0,x1,x2]=a1
f[x1,x2] f[x0,x1,x2,x3]=a2
X2 f(x2) f[x1,x2,x3] f[x0,x1,x2,x3,x4]=a3
f[x2,x3] f[x1,x2,x3,x4]
X3 f(x3) f[x2,x3,x4]
f[x3,x4]
X4 f(x4)
Si deseamos calcular el error de interpolación se debe conocer el polinomio de grado dos y

el último término del polinomio de grado tres es el error de interpolación.
Algoritmo (Diferencia Progresiva de Newton)

Entrada: los números 𝑥0 , 𝑥1 , … , 𝑥𝑛 y sus imágenes 𝑓(𝑥0 ), … , 𝑓(𝑥𝑛 )
Salida: 𝑎0 , 𝑎1 , … , 𝑎𝑛
Paso 1: hacer 𝑎0 = 𝑓(𝑥0 )
Paso 2: para i = 1,… ,n hacer:
Para k = 0, 1, …, n - i

METODOS NUMERICOS
CUADERNO
x 𝑓(𝑥) ∆ ∆2 ∆3
𝑥0 𝑓(𝑥0 )
∆𝑓(𝑥0 )
𝑥1 𝑓(𝑥1 ) ∆2 𝑓(𝑥0 )
∆𝑓(𝑥1 ) ∆3 𝑓(𝑥0 )
𝑥2 𝑓(𝑥2 ) ∆2 𝑓(𝑥1 )
∆𝑓(𝑥2 )
𝑥3 𝑓(𝑥3 )
𝑠 𝑛+1 𝑓(𝑥0 )
𝐸𝑛 (𝑠) = 𝑠(𝑠 − 1) … (𝑠 − (𝑛 − 1))(𝑠 − 𝑛)
(𝑛 + 1)!
EJERCICIOS DE MÉTODOS NUMÉRICOS
1. Dado el sistema F(2,4,-3,4) determinar:

i) El menor elemento positivo.
ii) El mayor elemento positivo
iii) El número de elementos sin aplicar la fórmula.
iv) El anterior de -01011 y el sucesor.
v) Determine los cuatro primeros elementos positivos.
2. Suponga que f(c,x)= e+ dx+ cx2+bx3+ax4 tiene un cero en X= X0 cuando C= C0. Si el

coeficiente C se cambia ligeramente a C1 aproxime el cambio en la raíz X0.
3. Sea π una raíz de la ecuación 8xcosx – αe2x + x3 = π3 - 8π. Cuando α=0. Si α se modifica
en 0.001 aproxime el cambio de la raíz.
4. Suponga que:
𝑥 1
f(x)= ∫0 𝑑𝑡
1+𝑡 2

METODOS NUMERICOS
Puede evaluarse con media precisión para cualquier x dada. Sin embargo los x dados
no siempre son correctos. Determine el error relativo máximo en x de modo que el
error absoluto de f(x) no sea mayor que 10-4.
5. Dada la tabla:
X0 X1 X2
X 0 6 15
Y 0 12 15
Y0 Y1 Y2
1
i) El polinomio P2(x) = 2𝑥 − 𝑥(𝑥 − 6) interpola la tabla anterior. Sin calcular
9
el polinomio demuestre que efectivamente es el polinomio que interpola
dichos puntos.
ii) Si agregamos un punto x3= 30; y3= 0. Calcule el polinomio P3(x) que interpola
la nueva tabla sin calcular el P3(x) en todos sus puntos, usando una propiedad
del polinomio de Newton.
6. Dada la tabla:
0.1 1.2214
0.3 1.3499
0.5 1.4918
Determinar:
i) El polinomio cuadrático.
ii) Para qué valor de x, P2(x) = 1.3165.
iii) Determinar error de interpolación para x = 0.35
iv) Si f(-0.1) = 0.99005 calcule P3(x) y calcule la integral:
0.5
∫ 𝑃3 (𝑥)𝑑𝑥 =
−0.1

METODOS NUMERICOS
EJERCICIOS DE INTERPOLACIÓN
1. Escriba el polinomio interpolador que pasa a través de los siguientes puntos

dados:
𝑥 0 0.4 0.8 1.2

𝑓(𝑥) 1.0 1.491 2.225 3.320
Conociendo 𝑓 4 (0.6) = 1.822, estime el error en 𝑥 = 0.2, 0.6 𝑦 1.0

Dado el hecho de que la tabla de datos se obtuvo de
𝑓(𝑥) = exp(𝑥), evalúe el error de la fórmula de interpolación en 𝑥 = 0.2, 0.6 𝑦 1.0
mediante 𝑒(𝑥) = exp(𝑥) − 𝑔(𝑥).
𝜋
2. Dado 𝑥 sin(𝑥) en 0 ≤ 𝑥 ≤ con el polinomio de interpolación de Lagrange de
2
orden 4, utilizando puntos equiespaciados. Calcule el error de interpolación.
3. Escriba un programa que evalúe la interpolación de Lagrange para 𝑦 = 𝑥 cos(𝑥) en

0 ≤ 𝑥 ≤ 2 con seis puntos equiespaciados con ℎ = 0,4.
4. Aproxime
1+𝑥
𝑦=
1 + 2𝑥 + 3𝑥 2
en 0 ≤ 𝑥 ≤ 5 mediante la interpolación de Lagrange de orden 4, para tal efecto

determine los puntos y escriba el polinomio.
5. Use la fórmula de Lagrange y la forma de Newton del polinomio de interpolante

para encontrar los polinomios interpolantes más apropiados de grado dos, para
aproximar 𝑓(4) y 𝑓(6) a partir de los siguientes datos y calcule la aproximación en
cada caso.
𝑥 0.1 0.3 0.5 0.7 1.0

𝑓(𝑥) 11.052 4.4995 3.2974 2.8768 2.7183
6. Los siguientes datos son tomados de un polinomio de grado menor o igual que
cinco. ¿Cuál es dicho polinomio y cuál es su grado?
𝑥 −2 −1 0 1 2 3
𝑦 −5 1 1 1 7 25

METODOS NUMERICOS
7. Verifique que el polinomio 𝑝(𝑥) = 2 − (𝑥 + 1) + 𝑥(𝑥 + 1) − 2𝑥(𝑥 + 1)(𝑥 − 1)

interpola los puntos de la siguiente tabla:
𝑥 −1 0 1 2 3
𝑦 2 1 2 −7 10
Adicionando únicamente un término al polinomio 𝑝(𝑥), encuentre un polinomio

que interpole la tabla completa.
8. Encuentre el polinomio de menor grado que pasa por los puntos
(1,2); (2,1); (3,12) 𝑦 (7,146).
9. Un vehículo que viaja en una carretera recta es cronometrado en algunos puntos.

Los datos de las observaciones se dan en la siguiente tabla donde el tiempo está
dado en segundos y la distancia en metros:
Tiempo 0 3 5 8
Distancia 0 225 383 623
Encuentre el polinomio que interpola estos datos y úselo para aproximar la

distancia, la velocidad y la aceleración del vehículo a los seis segundos.
10. Complete la siguiente tabla:
𝑥 𝑓 ∆𝑓 ∆2 𝑓 ∆3 𝑓 ∆4 𝑓 ∆5 𝑓
0
5 0.0013
0.0888
10 0.0002
−0.0002
15
0.0017
20
25 0.4663
11. Usando la tabla anterior y el polinomio interpolador adecuado, calcule

𝑓(0.1), 𝑓(13), 𝑓(24).
12. Encuentre el polinomio de Lagrange para los siguientes datos:
𝑥 −3 −1 0 1 3

METODOS NUMERICOS
𝑓(𝑥) 3 1 0 1 3
13. Haga una tabla de diferencias progresivas para los valores del ejercicio 6.
Altere el valor de 𝑓(0) en una centésima y en la tabla determine el cambio en la
tabla.
14. Dada la tabla:

𝑥0 𝑥1 𝑥2
𝑥 0 6 15
𝑦 0 12 15
𝑦0 𝑦1 𝑦2
1
a) El polinomio 𝑃2 (𝑥) = 2𝑥 − 9 𝑥(𝑥 − 6) interpola la tabla anterior. Sin calcular el
polinomio demuestre que efectivamente es el polinomio que dichos puntos.
b) Si agregamos un punto 𝑥3 = 30 ; 𝑦3 = 0. Calcule el polinomio 𝑃3 (𝑥) que interpola
la nueva tabla sin calcular el 𝑃3 (𝑥) en todos sus puntos, usando una propiedad del
polinomio de Newton.
15. Dada la tabla:
0.1 1.2214
0.3 1.3499
0.5 1.4918
Determinar:
a) El polinomio cuadrático.
b) Para qué valor de 𝑥, 𝑃2 = 1.3165.
c) Determinar el error de interpolación para 𝑥 = 0.35
d) Si 𝑓(−0.1) = 0.99005 calcule 𝑃3 (𝑥) y calcule la integral
0.5
∫ 𝑃3 (𝑥)𝑑𝑥
−0.1
16. Considere la siguiente tabla:
𝑥 0 1 2 4
𝑦 1 1 2 5

METODOS NUMERICOS
¿Cuántos polinomios de grado a lo más tres interpolan la tabla? Justificar su

respuesta.
Calcular el polinomio de Newton de grado a lo más tres que interpola la tabla.
Hágalo de dos maneras: Paso a paso (constructivamente) y mediante la tabla de
diferencias divididas.
17. Considere la tabla:
𝑥 0 1 2 4
𝑦 1 1 2 5
= 𝑓(𝑥)
Obtener el polinomio de Newton de grado a lo más tres que interpole la tabla dada.
1
18. Considere la función 𝑓(𝑥) = 2 2𝑥 para 𝑥 ∈ (−∞, ∞).
a) Calcular el polinomio 𝑝(𝑥) que interpola a 𝑓(𝑥) en los nodos 𝑥0 = 0, 𝑥1 = 1,
𝑥2 = 2 y 𝑥3 = 3.
b) Calcular el error relativo que se comete al aproximar 𝑓(3⁄2) mediante 𝑝(3⁄2).
1
19. El polinomio de Newton 𝑝2 (𝑥) = 2𝑥 − 9 𝑥(𝑥 − 6) interpola la tabla 𝑥 v/s 𝑦
𝑥0 𝑥1 𝑥2
𝑥 0 6 15
𝑦 0 12 15
𝑦0 𝑦1 𝑦2
Se agrega como cuarto nodo a 𝑥3 = 30 y 𝑦3 = 0. Se pide calcular el polinomio de

Newton 𝑝3 (𝑥) que interpola la nueva tabla.
Los cuatro puntos de la tabla se obtuvieron de la semicircunferencia de la figura
siguiente (radio 15).
𝑦 𝑦 = √(152 − (𝑥 − 15)2 )

METODOS NUMERICOS
Usar la fórmula simple de Simpson (1⁄3) para aproximar el área del semicírculo,
con ayuda de los polinomios 𝑝2 (𝑥) y 𝑝3 (𝑥). Estudiar la calidad de esta
aproximación y concluir. Calcular los errores relativos.
20. Considere la siguiente tabla, que tiene como elementos:
𝑥 𝑓(𝑥) 𝑓 ′ (𝑥) 𝑓 ′′ (𝑥)

1 2 3
2 6 7 8
Construir la tabla de diferencias divididas. Recortar que debe repetir la fila para 𝑥 =
1, y para 𝑥 = 2 se plantean tres filas. Además, debe usar la definición de diferencia
dividida con repetición.
Dar el polinomio de Hermite que ajusta los valores de la tabla dada.
21. Considere la siguiente tabla:
𝑥 𝑓(𝑥) 𝑓 ′ (𝑥)
0 2 −9
1 −4 4
2 44
Usando el método de diferencia divididas con repetición para calcular un polinomio de

grado 4 que ajusta los valores de la tabla. Verificar que su respuesta satisface lo esperado.
INTERPOLACIÓN CÚBICA
1. Determine si el Trazador cúbico natural que interpola la siguiente tabla:
𝑥𝑘 0 1 2 3
𝑦𝑘 1 1 0 10
Es o no la función
1 + 𝑥 − 𝑥3, 𝑥 ∈ [0,1]
𝑇(𝑥) = {1 − 2(𝑥 − 1) − 3(𝑥 − 1)2 + 4(𝑥 − 1)3 , 𝑥 ∈ [1,2]
4(𝑥 − 2) + 9(𝑥 − 2)2 − 3(𝑥 − 2)3 , 𝑥 ∈ [2,3]
2. Determine si la siguiente función es un Trazador cúbico natural:

METODOS NUMERICOS
2(𝑥 + 1) + (𝑥 + 1)3 , 𝑥 ∈ [−1,0]

𝑇(𝑥) = { 3 + 5𝑥 + 3𝑥 2 , 𝑥 ∈ [0,1]
11 + 11(𝑥 − 1) + 3(𝑥 − 1)2 − (𝑥 − 1)3 , 𝑥 ∈ [1,2]
3. ¿Cuáles propiedades de un Trazador cúbico natural posee la siguiente función y

cuáles no?
(𝑥 + 1) + (𝑥 + 1)3 , 𝑥 ∈ [−1,0]
𝑇(𝑥) = { 3
4 + (𝑥 − 1) + (𝑥 − 1) , 𝑥 ∈ [0,1]
4. Determine los coeficientes a, b, c y d tales que la función:
1 − 2𝑥, 𝑥 ∈ (−∞, −3]

𝑆(𝑥) = { 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 , 𝑥 ∈ [2,3]
157 − 32𝑥, 𝑥 ∈ [3, +∞)
Es un Trazador cúbico natural para el intervalo [-3,4].
5. Considerar la función S(x) definida como sigue:
2 x 3 + x 2 − 22 x + 26 0  x 1
S(x)= 7 x 2 − 28 x + 28 1 x  3
− 3 x 3 + 34 x 2 − 109 x + 271 3 x  4
Explicar cuáles propiedades cumple y cuáles no cumple S(x) para ser un trazador Cúbico
natural de la siguiente tabla:
𝒙 0 1 3 4
𝒚 26 7 7 187
6. Considere la tabla siguiente, en la cual x0, x1, x2, x3 y x4 son números distintos:
x x0 x1 x2 x3 x4
y y0 y1 y2 y3 y4
Con precisión, expresar todas las propiedades que debe tener el Spline Cúbico S(x)
natural, que interpole la tabla dada.
7. Calcular el Trazador Cúbico natural que interpola la siguiente tabla, x contra y:

METODOS NUMERICOS
x y
0 0
2 -2
3 0
Explicar cada uno de los pasos dados para hallar el Trazador.
8. Calcular el Trazador Cúbico S(x) para la tabla siguiente x vs. y :
x -1 1 2
y 0 2 0
Que satisfaga S’(0)=-1 y S’’(2)=0. Verificar que sus Cálculos sean correctos.
9. Calcular el trazador (Spline) Cúbico natural S que interpola la tabla x vs. y:
x 0 1 3 4
y -1 1 37 67
Usar aritmética exacta para los cálculos. Graficar x vs. S(x), x vs. S’ (x), y
x vs. S’’(x).
10.- a) Determine todos los valores de a, b y c tales que:
3 + 𝑥 − 9𝑥 3 ; 𝑥 ∈ [0,1]
S(x)={
𝑎 + 𝑏(𝑥 − 1) + 𝑐(𝑥 − 1)2 +𝑑(𝑥 − 1)3 ; 𝑥 ∈ [1,2]
Es un trazador cúbico con nodos 0,1,2 (10 pts.)

2
b) Ahora determine d tal que ∫0 (𝑆 ′′ (𝑥))2 𝑑𝑥 sea mínima (10 pts.)
c) Encuentre el valor de d que haga de S(x) un trazados cúbico natural. (5 pts.)
13.- Complete la tabla:
X f(x)  2 3

METODOS NUMERICOS
0.250 0.77334
0.375 -0.02963
0.500 0.00172
0.625 -0.00823
b) Encuentra el valor de f(x) en x = 0.58 con el polinomio cúbico más adecuado.

c) Extienda la tabla y determine el valor de f(x) para x = 0.100 usando un polinomio
cuadrado y considerando las 3 diferencias adelante igual a 0.00172. Determine el
error de interpolación.
d) Determine el valor x para f(x) = 0.72362.
14.- a) Halle el trazador cúbico sujeto que pasa por los puntos que están en la gráfica de
3 5
f(x)= cos ( x 2 ) usando los nodos x0 = 0 x1 =  x2 = x3 =
2 2 2
utilice las condiciones fronteras sobre la derivada en los extremos dados
S ' ( x0 ) = f ' ( x0 ) ; S ' ( xn ) = f ' ( xn )
b) Considere la cúbica Sk (x) en el intervalo  xk , xk +1  proporcione una fórmula para la

x k +1 x3
 xk
Sk ( x) dx luego evalue  x0
Sk ( x) dx para el trazador obtenido aplicando la
fórmula.

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS
>> a=[0 3 sqrt(5); log(2) 7 8; 6 7 8 ]
a =
0 3.0000 2.2361
0.6931 7.0000 8.0000
6.0000 7.0000 8.0000
>> a=[0 3 sqrt(5); log(2) 7 8; 6 7 8 ]
a =
0 3.0000 2.2361
0.6931 7.0000 8.0000
6.0000 7.0000 8.0000
>> a=[0 3 sqrt(5); log(2) 7 8; 6 7 1 ]
a =

METODOS NUMERICOS
0 3.0000 2.2361
0.6931 7.0000 8.0000
6.0000 7.0000 1.0000
>> b=[log10(9) 6+sqrt(8) 1; 0 2 1; 6 -3 -4]
b =
0.9542 8.8284 1.0000

0 2.0000 1.0000
6.0000 -3.0000 -4.0000
>> a+b
ans =
0.9542 11.8284 3.2361

0.6931 9.0000 9.0000
12.0000 4.0000 -3.0000
>> a-b
ans =
-0.9542 -5.8284 1.2361

0.6931 5.0000 7.0000
0 10.0000 5.0000
>> trace(a)
ans =
>> inv(b)
ans =
-0.1381 0.8927 0.1886

0.1657 -0.2712 -0.0264
-0.3315 1.5424 0.0527
>> x=-1:0.1:1;
>> y=x;
>> [X,Y]=meshgrid(x,y);
>> Z=X.^2+Y.^3;
surf(Z)

METODOS NUMERICOS
>>
SCRIPT
disp('Ingrese la matriz A');
disp('ingrese la matriz B');
A=input('matriz A:');
B=input('matriz B:');
c=A+B;
disp('La suma de las matrices es: ');
disp(c);
disp('Ingrese grado de polinomio P');

disp('ingrese coeficiente');
AA=input('Ingrese coeficiente del polinoimio A:');
BB=roots(AA);
disp('La suma de las matrices es: ');
disp('las raices del polimio son: ');
disp(BB);
_______________________________
http://ocw.upm.es/matematica-aplicada/programacion-y-metodos-
numericos/contenidos/TEMA_2/Presentaciones/Errores_4.pdf

METODOS NUMERICOS
INTERPOLADO DE NEWTON

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS

METODOS NUMERICOS
𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]
𝑏4 = 𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] =
𝑥4 − 𝑥0
𝑓[𝑥4 , 𝑥3 , 𝑥2 , ] − 𝑓[𝑥3 , 𝑥2 , 𝑥1 ] 𝑓[𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥2 , 𝑥1 , 𝑥0 ]

−
𝑥4 − 𝑥1 𝑥3 − 𝑥0
𝑏4 = 𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] =
𝑥4 − 𝑥0
𝑓[𝑥4 , 𝑥3 ] − 𝑓[𝑥3 , 𝑥2 ] 𝑓[𝑥3 , 𝑥2 ] − 𝑓[𝑥2 , 𝑥1 ] 𝑓[𝑥3 , 𝑥2 ] − 𝑓[𝑥2 , 𝑥1 ] 𝑓[𝑥2 , 𝑥1 ] − 𝑓[𝑥1 , 𝑥0 ]
( − −
𝑥4 − 𝑥2 𝑥3 − 𝑥1 𝑥3 − 𝑥1 𝑥2 − 𝑥0
−
𝑥4 − 𝑥1 𝑥3 − 𝑥0
𝑏4 = 𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] =
𝑥4 − 𝑥0

METODOS NUMERICOS
Fuente: http://www.ugr.es/~mibanez/ejemplos/interpolacion.pdf

METODOS NUMERICOS

Metodos Numericos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos Numericos

Uploaded by

Copyright:

Available Formats

METODOS NUMERICOS

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

2.1.-Sistemas numéricos de punto flotante (BINARIO)…pag.1

2.2.-SISTEMA NUMÉRICO DE BASE………pag.1

2.2.1.-Sistema numérico de base 2

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

El presente texto transcribe las clases de Métodos Numéricos de la carrera de

Contiene los ejemplos explicados de forma detallada y de la materia. Es importante

Se presenta asimismo los laboratorios complementarios en MATLAB, y algunos

2.1.-Sistemas numéricos de punto flotante (BINARIO)

La mayoría de los computadores con el sistema binario de base 2, cuando cambia

Ej: Convertir (0.25)10 a binario. (0.010000)2

(0.25)10 → Multiplicamos por 2, OVERFLOW de 1 es 0.

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

Ejemplo de redondeo aproximado a 5 dígitos de (0.25)10 𝑦 (0.26)10

0.10000 𝟏𝟎𝟏2 … ∗ 2−1 𝐸𝑟𝑟𝑜𝑟 𝑝𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑦𝑎 𝑞𝑢𝑒 𝑠𝑜𝑛 𝑔𝑢𝑎𝑙𝑒𝑠.

∴ (0.25)10 = (0.26)10 = 0.10000

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

2.2.-SISTEMA NUMÉRICO DE BASE

2.2.1.-Sistema numérico de base 2

𝑭(2,3, −4,4) = [1 + 2 ∗ (2 − 1) ∗ 3(2−1) ∗ (4 − (−1) + 1)]

𝑭(2,3, −4,4) = [1 + 2 ∗ (2) ∗ 3(1) ∗ (4 + 1 + 1)]

𝑭(2,3, −4,4) = [1 + 2 ∗ (2) ∗ 3(1) ∗ (6)]

𝑭(2,3, −4,4) = [1 + 4 ∗ 3 ∗ (6)]

Sistema digital de base 2

𝑭(𝑏, 𝑝, 𝑀1 , 𝑀2 ) = [1 + 2 ∗ (2 − 1) ∗ 𝑏 (𝑝−1) ∗ (𝑀2 − 𝑀1 + 1)]

𝑭(2,3, −1,2) = [1 + 2 ∗ 2(3−1) ∗ (2 − (−1) + 1)]

𝑭(2,3, −1,2) = [1 + 2 ∗ 2(2) ∗ (4)]

𝑭(2,3, −1,2) = [1 + 2 ∗ 4 ∗ (4)]

𝑭(2,3, −1,2) = [1 + 32]

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

2.2.2.-Numero de punto flotante.

0,100 0,101 0,110 0,111 2𝑚

0,0100 0,0101 0,0110 0,0111 2−1

±1/4 ±5/16 ±3/8 ±7/16

±1 ±5/4 ±3/2 ±7/4

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

Multiplicamos para obtener el denominador común de las fracciones

±4/16 ±5/16 ±6/16 ±7/16

±8/16 ±10/16 ±12/16 ±14/16

±16/16 ±20/16 ±24/16 ±28/16

±32/16 ±40/16 ±48/16 ±56/16

±0.25 ±0.3125 ±0.375 ±0.4375

±0.5 ±0.625 ±0.75 ±0.875

±1 ±1.25 ±1.5 ±1.75

⃗𝒙⃗∗ = (𝑥1∗ , 𝑥2∗ , 𝑥3∗ … 𝑥𝑛∗ )

Sea 𝑁 ∗ = 𝑓(𝑥⃗ ∗ ) 𝑲 = 𝐼1 𝑥𝐼2 𝑥𝐼3 … 𝑥𝐼𝑛

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

Cuantos ds tendrá la aproximación de

|𝑬𝑨 (𝑁 ∗ )| ≤ ∑ 0.5 ∗ 10𝜎−𝑚

𝑦 ∗ = 0.58433 ∗ 101 𝜎=1

|𝑬𝑨 (𝑦 ∗ )| ≤ 0.1 ∗ 10−1−6 = 0.5 ∗ 10−1−6 = 𝜀𝑦

𝑥 ∗ = 0.6329 ∗ 100 𝜎=0

|𝑬𝑨 (𝑥 ∗ )| ≤ 0.5 ∗ 10−1−6 = 0.5 ∗ 10−1−6 = 𝜀𝑦

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

𝑲 = 𝐼1 𝑥𝐼2 𝑥𝐼3 … 𝑥𝐼𝑛

Escuela de ingeniería Eléctrica-Electrónica @PTRRZA

1.-EJERCICIO Problema 3 guia

𝑥 ∗ = 0.37801 ∗ 102 σ=2

𝑥 ∗ = 0.4567 ∗ 102 σ=2

Al normalizar cualquier numero este se transforma en un numero decimal con exponencial

|𝑬𝑨 (𝑥 ∗ )| ≤ 0.5 ∗ 10𝜎𝑥 −𝑚𝑥 = 0.5 ∗ 102−5 = 0.5 ∗ 10−3 = 𝜀𝑥

|𝑬𝑨 (𝑦 ∗ )| ≤ 0.5 ∗ 10𝜎𝑦 −𝑚𝑦 = 0.5 ∗ 102−4 = 0.5 ∗ 10−2 = 𝜀𝑦