UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIAS E INGENIERIA

ICBTI

CURSO
METODOS NUMERICOS

UNIDAD 2: TAREA 2 - ECUACIONES LINEALES E

INTERPOLACIÓN

PRESENTADO POR:
JOAQUIN MONTEALEGRE RODRIGUEZ
CODIGO NO. 11.810.716
GRUPO: 301404_14

PRESENTADO A:
JORGE ARMANDO AMADOR
TUTOR

QUIBDO - CHOCO JUNIO DE 2019

Aporte 1

Ejercicio 1.
Sistema de ecuaciones lineales 𝐴𝑥 = 𝑏, de tamaño 5×5, donde los coeficientes de la
1
matriz A están dados por la siguiente regla: 𝑎𝑖𝑗 = (𝑖 + 𝑗 − 𝑐)−1 , con 𝑐 = y el valor del
𝑘
vector de términos independientes está dado por 𝑏𝑖 = 𝑖
1
𝑐=
1
𝑎𝑖𝑗 = (𝑖 + 𝑗 − 1)−1

1 2 3 4 5
1 1,000 0,500 0,333 0,250 0,200 1,0000
2 0,500 0,333 0,250 0,200 0,167 2,0000
3 0,333 0,250 0,200 0,167 0,143 3,0000
4 0,250 0,200 0,167 0,143 0,125 4,0000
5 0,200 0,167 0,143 0,125 0,111 5,0000

Ejercicio 2.
Sistemas de ecuaciones lineales 𝐴𝑥 = 𝑏, dado en el numeral anterior, por los métodos de

Eliminación de Gauss
1,0000 0,5000 0,3333 0,2500 0,2000 1
0,5000 0,3333 0,2500 0,2000 0,1667 2
0,3333 0,2500 0,2000 0,1667 0,1429 3
0,2500 0,2000 0,1667 0,1429 0,1250 4
0,2000 0,1667 0,1429 0,1250 0,1111 5

Matriz Identidad
1,0000 0,0000 0,0000 0,0000 0,0000
0,0000 1,0000 0,0000 0,0000 0,0000
0,0000 0,0000 1,0000 0,0000 0,0000
0,0000 0,0000 0,0000 1,0000 0,0000
0,0000 0,0000 0,0000 0,0000 1,0000
A^(-1)*B
125,0000
-2880,0000
14490,0000
-
24640,0000
 13230,0000

1,000 0,500 0,333 0,250 0,200 1,000

0,000 -0,083 -0,083 -0,075 -0,067 -1,500
0,000 0,000 0,000 -0,001 -0,001 -0,097
0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000

Solución
x5 13230
x4 -24640
x3 14490
x2 -2880
x1 125

Matriz Inversa A^(-1)

25,0000 -300,0000 1050,0000 -1400,0000 630,0000
-300,0000 4800,0000 -18900,0000 26880,0000 -
12600,0000
1050,0000 - 79380,0000 - 56700,0000
18900,0000 117600,0000
- 26880,0000 - 179200,0000 -
1400,0000 117600,0000 88200,0000
630,0000 - 56700,0000 -88200,0000 44100,0000
12600,0000
Eliminación de Gauss – Jordán.

1 2 3 4 5
1 1,000 0,500 0,333 0,250 0,200 1,0000
2 0,500 0,333 0,250 0,200 0,167 2,0000
3 0,333 0,250 0,200 0,167 0,143 3,0000
4 0,250 0,200 0,167 0,143 0,125 4,0000
5 0,200 0,167 0,143 0,125 0,111 5,0000
Matriz Inversa A^(-
1)
25,000 -300,000 1050,000 -1400,000 630,000
-300,000 4800,000 -18900,000 26880,000 -
12600,000
1050,000 - 79380,000 - 56700,000
18900,000 117600,000
- 26880,000 - 179200,000 -
1400,000 117600,000 88200,000
630 -12600 56700 -88200 44100
Matriz Identidad
1,000 0,000 0,000 0,000 0,000
0,000 1,000 0,000 0,000 0,000
0,000 0,000 1,000 0,000 0,000
0,000 0,000 0,000 1,000 0,000
0,000 0,000 0,000 0,000 1,000

A^(-1)*B
125
-2880
14490
-24640
13230

1,0000 0,5000 0,3333 0,2500 0,2000 1

0,0000 1,0000 1,0000 0,9000 0,8000 18
0,0000 0,0000 1,0000 1,5750 1,8667 378
0,0000 0,0000 0,0000 1,0000 2,0317 2240
0,0000 0,0000 0,0000 0,0000 1,0000 13230

solución prueba
x1 13230 1
x2 -24640 2
x3 14490 3
x4 -2880 4
x5 125 5
¿Cuál de los dos métodos directos considera que es mejor (computacionalmente), por
qué?
Respecto al análisis realizado se puede observar que en todos los métodos desarrollados
el que mejor representa la búsqueda de manera computacional es el de Gauss Jordan,
accediendo de manera fácil anexando los datos básicos como la matriz.
Ejercicio 3.
Sistemas de ecuaciones lineales 𝐴𝑥 = 𝑏 dado en el numeral 1, por los métodos de:
Gauss – Seidel

1 2 3 4 5 Converge
1 1,000 0,500 0,333 0,250 0,200 1,0000 NO
2 0,500 0,333 0,250 0,200 0,167 2,0000 NO
3 0,333 0,250 0,200 0,167 0,143 3,0000 NO
4 0,250 0,200 0,167 0,143 0,125 4,0000 NO
5 0,200 0,167 0,143 0,125 0,111 5,0000 NO

Itera E%x E%x E%x E%x E%x

ción x1 x2 x3 x4 x5 1 2 3 4 5 d1
0,000 0,000 0,00 0,00 0,00
1 0 0 00 00 00
1,000 4,500 7,70 10,9 14,2 100,0 100,0 100,0 100,0 100,0 20,067
2 0 0 83 569 127 000 000 000 000 000 9978
-
9,401 0,640 10,5 18,7 26,2 110,6 603,0 27,18 41,62 45,82 18,356
3 2 1 859 697 357 369 596 30 43 69 4006
- -
12,78 7,136 10,8 24,7 36,9 26,48 108,9 2,465 24,16 28,94 14,900
4 82 8 534 523 233 54 685 1 97 52 8804
- -
12,62 16,51 9,68 29,6 46,7 1,315 56,79 12,05 16,40 20,99 14,467
5 21 98 61 083 368 9 88 20 08 75 8605
- -
10,71 26,32 7,70 33,7 55,9 17,76 37,23 25,67 12,19 16,43 14,318
6 82 06 75 190 302 37 61 15 11 73 2637
- -
8,024 35,94 5,25 37,2 64,6 33,56 26,76 46,80 9,588 13,48 13,950
7 6 02 03 951 473 62 54 16 6 40 0476
- -
5,033 45,08 2,49 40,4 72,9 59,43 20,28 110,5 7,814 11,40 13,399
8 2 85 35 566 730 30 98 557 6 93 7422
 - - -
1,995 53,63 0,46 43,2 80,9 152,2 15,93 636,3 6,513 9,866 12,759
9 7 71 49 754 608 095 78 454 6 3 6184
- -
0,962 61,54 3,57 45,7 88,6 307,3 12,84 86,97 5,506 8,670 12,095
10 5 07 03 972 470 360 29 82 5 6 4014

Jacobi

1 2 3 4 5
1 1,0000 0,5000 0,3333 0,2500 0,2000 1
2 0,5000 0,3333 0,2500 0,2000 0,1667 2
3 0,3333 0,2500 0,2000 0,1667 0,1429 3
4 0,2500 0,2000 0,1667 0,1429 0,1250 4
5 0,2000 0,1667 0,1429 0,1250 0,1111 5
 X(k)-X(k-1)
||X(k)-X(k- E
k x1(k) x2(k) x3(k) x4(k) x(5)k x1(k) x2(k) x3(k) x4(k) x(5)k 1)|| ||X(k)|| %
0 0 0 0 0 0
10
1 0 2 8 18 32 0 2 8 18 32 32 32 0
10
2 -260 -25 -30 -22 -2 -260 -27 -38 -40 -34 260 260 0
10
3 242 554 581 614 658 502 579 611 636 660 660 658 0
10
4 -8597 -1439 -2145 -2558 -2815 -8839 -1993 -2725 -3172 -3473 8839 8597 3
12
5 33616 21031 23044 24358 25312 42214 22470 25189 26915 28127 42214 33616 6
11
6 -335186 -104897 -131628 -148111 -159414 -368803 -125929 -154672 -172469 -184726 368803 335186 0
11
7 1994195 895948 1035009 1122331 1183014 2329381 1000845 1166637 1270442 1342429 2329381 1994195 7
- -
1530132 1729551 1530132 11
8 1 -5712766 -6869521 -7588318 -8084552 6 -6608714 -7904530 -8710649 -9267566 17295516 1 3
1028101 4221030 4968002 5434484 5757482 1181114 4792306 5654954 6193316 6565937 1028101 11
9 23 3 5 8 2 43 9 6 6 4 118111443 23 5
- - - - - - - - - -
1 7387141 2889426 3437597 3779015 4015051 8415243 3311529 3934397 4322464 4590799 7387141 11
0 86 13 34 60 29 08 16 60 08 52 841524308 86 4
¿Cuál de los dos métodos iterativos considera que es mejor, por qué? Realice una gráfica de
la forma como va convergiendo la solución

Número de iteraciones vs norma del error

Seidel Jabobi

140.0000

120.0000

100.0000

80.0000

60.0000

40.0000

20.0000

0.0000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Realizando el uso correcto de la programación básica que ofrece en MS Excel la

implementación de los métodos anteriores resulta ser práctica y permite realizar de manera
adecuada cada uno de estos sistemas.
Con respecto al método más efectivo o de pronto más fácil de analizar es el de Jacobi, ya que
trasmite los datos de manera que sean más fáciles de analizar y por consiguiente tomar la
decisión correcta.
Aporte 2

Ejercicio 2
Para la siguiente tabla obtenga el Polinomio de Interpolación:

x -6.5 -4 -1.5 1 3.5

y 10 2.3 -1.2 -8.5 -27

- Polinomio de Interpolación de Lagrange, e Interpole en el punto x = -0.5.

Denominadores
 L0 L1 L2 L3 L4
937,5000 -234,375 156,25 -234,375 937,5

xi=[-6.5 -4 -1.5 1 3.5]

yi=[10,2.3,-1.2,-8.5,-27]
n=length(xi);
x=sym('x');
for j=1:n
producto=1;
for i=1:j-1
producto=producto*(x-xi(i));
end
producto2=1;
for i=j+1:n
producto2=producto2*(x-xi(i));
end
producto3=1;
for i=1:j-1
producto3=producto3*(xi(j)-xi(i));
end
producto4=1;
for i=j+1:n
producto4=producto4*(xi(j)-xi(i));
end
L(j)=(producto*producto2)/(producto3*producto4);
fprintf('\n L%d:\n',j-1)
disp(L(j))
end
pn=0;
for j=1:n
pn=pn+L(j)*yi(j);
end
disp(pn)
x=-0.5;
y=eval(pn);
disp('\nLa aproximacion a f(x) es:')
disp(y)
Resultado = -3.236

- Interpolación de Diferencias Divididas de Newton, e interpole en el punto x = -0.5.

Newton Finito

X Y
-6,5000 10,0000 dy0
-4,0000 2,3000 -7,7000 d2y0
-1,5000 -12,0000 -14,3000 -6,6000 d3y0
1,0000 -8,5000 3,5000 17,8000 24,4000 d4y0
3,5000 -27,0000 -18,5000 -22,0000 -39,8000 -64,2000

h:
espaciamiento
2,5000
2,5000
2,5000
2,5000
 Newton Dividido

X Y
-6,5000 10,0000 a1
-4,0000 2,3000 -3,0800 a2
-1,5000 -12,0000 -5,7200 -0,5280 a3
1,0000 -8,5000 1,4000 1,4240 0,2603 a4
3,5000 -27,0000 -7,4000 -1,7600 -0,4245 -0,0685

n=4
fprintf('Se necesitan %.0f puntos\n',n+1);
disp('ingrese los puntos');
for i=1:n+1
fprintf('x%.0f=',i-1);
X(i)=input(' ');
fprintf('y%.0f=',i-1);
Y(i)=input(' ');
end
DD=zeros(n+1);
DD(:,1)=Y;
for k=2:n+1
for J=k:n+1
DD(J,k)=[DD(J,k-1)-DD(J-1,k-1)]/[X(J)-X(J-k+1)];
end
end
disp('La matriz de diferencias divididas es:');
disp(DD);
disp('El polinomio de newton es');
syms x;
polnew=DD(1,1);
P=1;
for i=1:n
P=P*(x-X(i));
polnew=polnew+P*DD(i+1,i+1);
end
polnew=expand(polnew);
pretty(polnew);
x=input('ingrese el valor de x a interpolar,x=');
vi=eval(polnew);
disp('el valor interpolado es:');
disp(vi);
Resultado: -3.2362

¿Cuál método es el mejor?, ¿cuál método es el más largo?, ¿cuál es el más óptimo?
La Aplicación del Metodo Lagrange para el polinomio de interpolación es más largo.
La Aplicación de las diferencias de Newton para el polinomio de interpolación es más corto.
Así mismo los tres métodos tienen sus ventajas y desventajas, sin embargo, la interpolación
por diferencias divididas de Newton presenta mayor facilidad para calcular los coeficientes
del polinomio.