Metodos Numericos Itesco

CÁLCULO NUMÉRICO
Libro de Cátedra
R. RIVEROS
ISBN 978-
978-99953-
99953-2-262-
262-5
Cálculo Numérico. Libro de Cátedra
© Roberto Riveros Escurra
Pilar, marzo de 2010
Pilar - Paraguay
CÁLCULO NUMÉRICO
Libro de Cátedra
ROBERTO RIVEROS ESCURRA, Lic. Matemáticas

Prof. Facultad de Ciencias Aplicadas
Universidad Nacional de Pilar
233 Ejemplos
367 Ejercicios con respuestas
61 Teoremas
177 Gráficos
Año 2010
Prólogo
La elaboración de este libro de Calculo Numérico, surgió de la necesidad de contar con

un material que incluya todos los contenidos exigidos por la cátedra del mismo
nombre, considerando que los tratados sobre Análisis numérico, Calculo Numérico o
Métodos numéricos, no son de uso corriente, es más, su estudio y escritos se limitan a
pocos autores.
Este libro de Cálculo Numérico está dividido en diez capítulos bien diferenciados, para
facilitar su estudio en forma organizada y didáctica, presentando algunas
características que facilitan el estudio y aprendizaje de cada contenido. Entre estas
características se tienen que:
a) Cada contenido cuenta con los teoremas que sustentan matemáticamente y

definen los contenidos desarrollados.
Si bien la mayoría de los teoremas se presentan sin demostración, en cada caso se
citan las fuentes, para acceder a tales demostraciones.
b) Cada contenido cuenta con definiciones matemáticas que orientan el proceso de

aprendizaje.
c) Cada tema presentado cuenta con ejemplos desarrollados didácticamente,

abundando y hasta abusando a veces de los desarrollos matemáticos, de manera a
facilitar el aprendizaje y no dejar vacíos de comprensión entre un paso y otro de
cada ejercicio.
d) Al final de cada capítulo se presentan abundantes ejercicios de fijación, con las

soluciones incluidas, que serán de utilidad a la hora de realizar la verificación de
los ejercicios de fijación después de resolverlos.
Que este libro de Cálculo Numérico (Libro de Cátedra1), sea de verdadera utilidad para
cada estudiante o docente, en la tarea de estudiar, comprender y aprender el Cálculo
Numérico.
Lic., Roberto Riveros E.
Pilar – Paraguay
Febrero - 2010
1 Materia particular que enseña un catedrático

CONTENIDO
CAPITULO 0
GENERALIDADES
Algunos conceptos fundamentales………………………………….……………………………………….…………..8
Análisis numérico……………………………………………..…………………………………………………….…………..9
Métodos numéricos…………………………………………………………………………………………………………….9
Graph………………………………………………………….…………………………………………………………..………..10
CAPITULO 1
FUNCIONES y ECUACIONES
Introducción………………………………….………………………………………………….………………………………11
Funciones…………………………………………………………...……………………………….……………………………11
Funciones algebraicas…………………………………………………………………………………….…………………12
Funciones trascendentes…………………………………………………..……..……………………….……………….19
Función exponencial……………………………………………………………………………………………...………….21
Función logaritmo…………………………………………………………………………………………….……………….22
Ecuación………………………………………………………………………………………………………….………………..24
División sintética. Regla de Ruffini…………………………………………...………………….…………………..24
Raíces enteras de polinomios enteros…………………………………………………………….…………………..26
Raíces racionales de polinomios enteros………………………………………..……………..……………………31
Ecuaciones de primer grado…………………………………………………………...………….………………………32
Forma sencilla de evaluar polinomios……………………………………………...…………….………..…………35
Polinomios que no tienen raíces racionales……………………………………...………….……………………..35
Cotas para las raíces de polinomios…………………………………………………………….…….………………..35
Ejercicios resueltos…………………………………………………………………………………….……………………..39
Ejercicios de fijación………………………………………………………………………………………..………………..44
Gráfica de los ejercicios de fijación………………………………………………………...……..……………………50
CAPÍTULO 2.
TEORÍA DE ERRORES
Introducción…………………………………………………………………………………….……………………………….53
Aproximación numérica………………………………………………………………………….....……………..……….53
Modelos matemáticos……………………………………………………………………………….……….………………54
Errores………………………………………………………………………………………………….…...……………………..54
Redondeo de un número…………………………………………………………………………..…..…..……………….58
Cifras significativas……………………………………………………………………………….……...…..……………….61
Números en la computadora……………………………………………………………………..…....…………………62
Propagación de errores…………………………………………………………………………………..…………………63
Criterio de convergencia…………………………………………………………………………...……...……………….64
Orden de convergencia……………………………………………………………………………..……………………….65
Ejercicios de fijación……………………………………………………………………………….….……………………..66
CAPÍTULO 3
SISTEMAS DE ECUACIONES LINEALES
Introducción……………………………………………………………………………………………………….…………….69
Vectores……………………………………………………………………………………….……………..……………………69
Matrices……………………………………………………………………………………………...……...…………………….70
Operaciones con matrices…………………………………………………………………….……………………………75
Ejercicios de fijación………………………………………………………………………………………………………….78
Determinantes…………………………………………………………………………………….……………………………80
Resolución de un determinante de 2° orden…………………………………………..………...…………………82
Determinante de 3er orden………………………………………………………………….…………...………………..82
Ejercicios de fijación…………………………………………………………………………….………….....……………..83
Sistemas lineales………………………………………………………………………………….…..……………………….84
Clasificación de un sistema lineal………………………………………………………….…………..……………….85
Transformaciones elementales…………………………………………………………….…………..………………..86
Mal condicionamiento………………………………………………………………………….…..………………………..87
Sistema bien condicionado……………………………………………………………………….………………………..87
Método de determinantes………………………………………………………………………….……...……………….87
Ejercicios de fijación…………………………………………………………………………………………..……………..89
Métodos Iterativos………………………………………………………………………………….…………..……………91
Método de Jacobi…………………………………………………………………………………….….……………………..91
Método de Gauss – Seidel………………………………………………………………………….………...……………..92
Sistemas triangulares………………………………………………………………………………...………...……………93
Método de eliminación de Gauss………………………………………………………………...………...……………95
Descomposición LU……………………………………………………………………………………………...……………99
Ejercicios de fijación…………………………………………………………………………………………….………….102
CAPÍTULO 4
SISTEMAS DE NUMERACIÓN
Introducción……………………………………………….………………………………………..…………………………105
Representación de un número entero……………………………………………………….…….………………..106
Representación de un número real………………………………………………………….……………...………..106
Punto fijo………………………………………………………………………………………………………..………………106
Punto flotante…………………………………………………………………………………………..…………….……….106
Representación de un número en el sistema (B,t,m,M)….…………………………………….…...…..……108
Ejercicios resueltos…………………………………………………………………………………..……………..………110
Cambio de base…………………………………………………………………………..…………….……………………..111
Sistema binario de numeración………………………………………………………………….…………………….111
Conversión del sistema binario al decimal………………………………………………………………………..112
Ejercicios resueltos…………………………………………………………………………………..……………………..112
Conversión del sistema decimal al binario…………………………………………..……………………………113
Ejercicios resueltos………………………………………………………………………..………………………………..114
Sistema hexadecimal………………………………………………………………...……………………….…………….117
Conversión binaria a hexadecimal……………………………………………...………..…………….…………….118
Ejercicios de fijación………………………………………………………………………..………………….…………..119
CAPÍTULO 5
ECUACIONES NO LINEALES
Introducción……………………………………………..………………………………….…………………………………123
Resolución de ecuaciones no lineales……………………………………………………...………………………..125
Orden de convergencia…………………………………………………………………...….……………………………125
Gráfica de funciones………………………………………………………………….……....…………………………….126
Métodos cerrados……………………………………………………………………………..……….……………………127
Método de bisección………………………………………………………………………………………………………..127
Método de Regula Falsi, Regla Falsa o Falsa Posición……………………………..…..……..………………130
Métodos abiertos……………………………………………………………..………………………………….…………..134
Método de punto fijo……………………………………………………………………..……………………….………..134
Método de Newton – Rapson………………………………………………………..…………………………….……138
Método de Newton modificado………………………………………………….……………...…..…………………141
Método de la secante…………………………………………………………….…………………...……..……………..143
Método de Muller………………………………………………………………………………………………..…………..145
Ejercicios de fijación………………………………………………………………………………….…………….………152
Gráfica de las funciones de los ejercicios del 5.1. al 5.15……………………………..…….………..……154
CAPÍTULO 6
SISTEMAS DE ECUACIONES NO LINEALES
Introducción……………………………………………………………………..……………………….……………………159
Método gráfico……………………………………………………………………………………………………………….160
Métodos directos……………………………………………………………………………..…….………………………..161
Punto fijo………………………………………………………………………….…………………….………………………162
Método de Newton……………………………………………………………………………..……….…………………..166
Ejercicios de fijación………………………………………………………………………………………….…………….170
CAPÍTULO 7
INTERPOLACIÓN Y AJUSTE DE CURVAS
Introducción…………………………………………………………………………….……………………………………..175
Interpolación polinomial……………………………………………………………..……………………….………….175
Polinomios de interpolación…………………………………………………………………….…………...…………176
Interpolación de Lagrange…………………………………………………………………….……..………...………..178
Error en la interpolación………………………………………………………………………….…..………………….185
Puntos igualmente espaciados…………………………………………………………….…….……………………..187
Diferencias Divididas……………………………………………………………………….……….……………………..190
Fórmula de Newton…………………………………………………………………………..……….……………………192
Diferencias ordinarias…………………………………………………………………………………….……………….195
Tabla de diferencia ordinaria…………………………………………………………………………….…………….196
Formula de Newton-Gregory……………………………………………………………....……………….…………..197
Ejercicios de fijación………………………………………………………………………………..…………….………..198
Grafica de los Ejercicios de Fijación…………………………………………………………….……………………201
CAPITULO 8
INTEGRACION NUMERICA
Introducción………………………………………………………………………….………………………………………..203
Método de Serie de Potencias………………………………………….……………………..………………………..205
Método Gráfico……………….……………………………………………………..………………………………………..205
Métodos Numéricos………………………………………………………………………………..……………………….205
Cuadratura interpolatoria……………………………………………………..…………………………………………206
Regla del rectángulo ……………………………………………………………………………………………………….207
Regla del punto medio……………………………………………………………….…….………………………………209
Formulas de Newton – Cotes…………………………………………………………..…………...…………………..210
Método del trapecio………………………………………………………………………..………………………………212
Regla del Trapecio generalizado………………………………………………………….…..……………………….212
Regla (1/3) de Simpson …………………...…..……………...………………………………………………………….226
Regla (1/3) de Simpson generalizada…...………………………………………..………………...………………227
Regla se Simpson (3/8)……….……………………….……………..……………..…………………………………….234
Regla 3/8 de Simpson Generalizada o compuesta……….………..……………………………...….………..236
Método de Boole…………………………………….…………………………………………………..……...……………237
Ejercicios de fijación………………………………………………………………………………………….…………….239
CAPÍTULO 9
DERIVACIÓN NUMÉRICA
Introducción……………………………………………………………………………….…………………………………..245
Método de Diferencias Finitas…………………………………………………………....………………..…………..247
Fórmulas de diferencias finitas hacia adelante………………………………..…………………….………….248
Fórmulas de diferencias finitas hacia atrás……………………………………..……………………..…………249
Inestabilidad numérica de las fórmulas de diferencias finitas……………..…………………..…………250
Fórmulas de diferencias centrales…………………………………………………………………………...……….251
Derivación numérica por diferencia centrada de orden O(h2) ..…………………………………..….….251
Derivación numérica por diferencia centrada de orden O(h4) …………….……….……………...….…252
Fórmulas de los tres puntos……………………………………………………….…….………………………...……254
Fórmula de los cinco puntos………………………………………………………….......…………………………….258
Errores de truncamiento y de redondeo…………………………………………….....……..…………………..260
Derivadas de orden superior………………………………………………………..……...…..………………………260
Fórmulas de diferencias finitas hacia adelante……………………………………..……..……………………260
Fórmulas de diferencias finitas hacia atrás…………………………………………..………..…………………262
Fórmulas de diferencias finitas centrales………………………………………….…...…………..……………..264
Resumen de fórmulas de derivación numérica………………………………………..……………..…………266
Ejercicios de fijación…………………………………………………………….………………….………………………267
Gráficas de los ejercicios de fijación……………………………………………..…………………………….…….271
CAPÍTULO 10
SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES ORDINARIAS
Introducción……………………………………………………………..…………………………………….………………273
Condiciones iniciales……………………………………………………………………………………………………….274
Convergencia……………………………………………………………………..…………………..…...…………………..275
Método de Euler………………………………………………………………………………………….…………………..276
Método de Euler mejorado…………………………………………………………………………...….………………279
Método de Runge – Kutta……………………………………………………..………………………………………….282
Ejercicios de fijación…………………………………………………………………………………….………………….285
BIBLIOGRAFÍA CONSULTADA……………………………………………………………………….……….…………288
CONSULTADA
CAPÍTULO 0 GENERALIDADES 8
CAPÍTULO 0
GENERALIDADES
Algunos conceptos fundamentales

El Cálculo Numérico o Análisis Numérico consiste en procedimientos que resuelven
problemas y realizan cálculos puramente aritméticos, tomando en cuenta las características
especiales y limitaciones de los instrumentos de cálculo (como las calculadoras y
computadoras, programas informáticos, etc.) que ayudan en la ejecución de las instrucciones
del algoritmo.
El análisis numérico es importante porque es necesario en la solución de muchos problemas
del mundo real.
El análisis numérico es el desarrollo y el estudio de procedimientos para resolver problemas
con ayuda de una computadora.
La ventaja fundamental del análisis numérico es que puede obtenerse una respuesta
numérica, aun cuando un problema no tenga solución analítica.
La solución obtenida con análisis numérico siempre es numérica.
Los resultados numéricos pueden trazarse en forma de grafica para mostrar el
comportamiento de la solución.
El resultado del análisis numérico es una aproximación, aunque los resultados pueden hacerse
tan exactos como se quiera. A fin de obtener la máxima exactitud es necesario efectuar una
cantidad enorme de operaciones por separado.
Las aplicaciones del cálculo numérico son muy amplias, y entre las operaciones que se pueden
realizar con ella se citan algunas:
1. Resolución de grandes sistemas de ecuaciones lineales.
2. Obtención de soluciones de un sistema de ecuaciones no lineales.
3. Interpolación para encontrar valores intermedios en una tabla de datos.
4. Encontrar aproximaciones eficientes y eficaces de funciones.
5. Aproximación de derivadas de cualquier orden para funciones, incluso cuando la
función se conoce solo como una tabla de valores.
6. Integración de cualquier función, aun cuando solo se conozca como una tabla de
valores.
7. Obtención de integrales múltiples.
8. Resolución de ecuaciones diferenciales ordinarias a partir de valores iniciales de las
variables pudiendo ser de cualquier orden y complejidad.
9. Resolución de problemas con valor en la frontera y determinación de valores
característicos y vectores característicos.
10. Obtención de soluciones numéricas para todos los tipos de ecuaciones diferenciales
parciales.
11. Ajuste de curvas a datos mediante la aplicación de métodos numéricos variados.
Los métodos numéricos requieren operaciones aritméticas tan tediosas y repetitivas, que solo
cuando se cuenta con una computadora que realice tantas operaciones por separado es
práctico resolver problemas de esta forma.
Para que una computadora pueda realizar el análisis numérico debe escribirse un programa.
La iteración es un procedimiento que consiste en elaborar una sucesión de operaciones, cada
una de las cuales aplica los resultados de la operación precedente. Muchos procedimientos de
análisis numérico son iterativos.
Para resolver un problema científico o de ingeniería hay que seguir cuatro pasos generales:
1. Plantear claramente el problema.
2. Obtener un planteamiento matemático del problema.
3. Resolver la ecuación o ecuaciones que resulten del paso 2.
4. Interpretar el resultado numérico para llegar a una decisión. Es la parte más difícil en
la resolución de problemas.
Análisis numérico.
Es el diseño, uso y análisis de algoritmos, los cuales son conjuntos de instrucciones cuyo fin es
calcular o aproximar alguna cantidad o función.
El estudio del análisis numérico se interesa en la creación y comprensión de buenos métodos
que resuelvan problemas numéricamente. Una característica importante del estudio de los
métodos es su variación.
El análisis numérico consiste en procedimientos que resuelven problemas y realizan cálculos
puramente aritméticos, teniendo en cuenta las características especiales y limitaciones de los
instrumentos de cálculo, como las calculadoras o las computadoras, que facilitan
enormemente la ejecución de las instrucciones del algoritmo.
El estudio del análisis numérico facilita la comprensión de los conceptos matemáticos puros,
sobre todo teniendo en cuenta que observando cómo algunos de ellos deben modificarse
necesariamente en las matemáticas computacionales.
Después de todo, el análisis numérico es importante porque es necesario en la solución de
muchos problemas del mundo real.
Métodos numéricos.
Los métodos numéricos son técnicas mediante las cuales se posibilitan formular problemas
matemáticos de tal forma que puedan resolverse usando operaciones aritméticas. Hay
muchos tipos de métodos numéricos, y comparten una característica común: Son iterativas, o
sea, invariablemente se deben realizar un buen número de tediosos cálculos aritméticos.
Los métodos numéricos son herramientas muy poderosas para la solución de problemas.
Pueden manejar sistemas de ecuaciones grandes, no lineales y geometrías complicadas,
comunes en la ingeniería. También es posible que se utilice software disponible
comercialmente que contenga métodos numéricos. El uso inteligente de estos programas
depende del conocimiento de la teoría básica de estos métodos; además hay muchos
problemas que no pueden plantearse al emplear programas hechos. Un buen conocimiento de
los métodos numéricos permite diseñar programas propios aplicables a utilidades específicas.
Con los métodos numéricos se aprende a conocer y controlar los errores de aproximación que
son inseparables de los cálculos numéricos a gran escala.
Las situaciones que se verán con bastante frecuencia en el estudio del cálculo numérico son
las aproximaciones y los errores, sean estos pequeños o importantes, por lo tanto, el análisis
de una situación problemática y los márgenes necesarios de precisión deben delimitar los
criterios a ser utilizados en cada situación, sean estos referidos a los errores tolerables o las
precisiones necesarias para la obtención de resultados confiables.
Graph
Entre los varios programas que se ofrecen comercialmente en la web o de los que se
consiguen en forma gratuita (freeware, software libre, de evaluación, etc), el programa GRAPH
posee todos los atributos necesarios para ser un apoyo importante y hasta fundamental para
el estudiante de matemáticas e ingeniería.
Graph es un programa generosamente ofrecido en la web, que se puede bajar sin ningún tipo
de inconvenientes y que posee, las mejores herramientas para su uso en la materia de Cálculo
numérico, de entre las de adquisición gratuita.
Con Graph se puede graficar cualquier tipo de función, sean estas algebraicas (lineales,
cuadráticas, cúbicas, cuarticas, etc), o trascendentes (exponenciales, logarítmicas,
trigonométricas).
Graph permite verificar y hallar valores a cualquier tipo de ecuaciones lineales y no lineales,
permitiendo evaluar funciones en cualquier punto de la misma. Además con graph es posible
realizar interpolaciones de funciones, o sea, a partir de pares de puntos, obtener una función
que los contengan, sean estas polinómicas o trascendentes.
Con graph es fácil obtener derivadas de cualquier orden y sus correspondientes gráficos, así
como las integrales definidas en cualquier intervalo.
Esta breve descripción permite tener una idea de lo importante que es este programa de
adquisición libre y gratuita, por su aplicación matemática versátil y variada.
En el desarrollo de cada capítulo de este libro, seguramente habrá necesidad de usar este
programa, cuyo uso se describirá en cada aplicación específica.
6,7
Ejemplo de aplicación: & '( ) * 3( , - 1/0( 1 0,38125
6
y
0.5
x
-1.5 -1 -0.5 0.5 1 1.5
-0.5
-1
Fig. 0.1.
CÁPITULO 1 FUNCIONES Y ECUACIONES 11
CAPITULO 1
FUNCIONES y ECUACIONES
Introducción
En este capítulo se describen, se presentan y se definen situaciones algebraicas elementales,
que servirán de herramienta en el proceso de estudio de esta materia.
Para el estudio fácil y amplio del cálculo numérico es de fundamental importancia poseer
conocimientos básicos del algebra, y son esos contenidos elementales los que se presentan en
este capítulo.
La presentación de ejercicios y problemas en forma de ejemplos facilita el proceso de
aprendizaje, por lo que se abunda en ello, hasta el punto que las resoluciones se vuelven casi
exageradas, con el solo fin de brindar a cada lector la posibilidad de cubrir, rememorar y
repasar todas las áreas en el proceso resolutivo abocado.
Funciones
La definición general de función hace referencia a la relación entre la variable independiente 8
y la variable dependiente 9. Una variable 9 se dice que es función de otra variable 8, cuando
entre ambas existe una correspondencia tal que a cada valor de 8 corresponde un valor
definido de :, y solo uno. Se expresa simbólicamente de la forma: : 1 ;'(/.
A la variable 8 se le llama variable independiente, pues puede asumir cualquier valor, el valor
de la variable y resulta de los valores que se atribuyen a 8, razón por la cual se le denomina
variable dependiente, pues su valor depende de los valores atribuidos a la (.
La dependencia entre una y otra viene dada por leyes matemáticas.
Una función es una regla de asociación que relaciona dos o más conjuntos entre sí;
generalmente cuando se tienen la asociación de dos conjuntos, la función se define como una
regla de asociación entre un conjunto llamado dominio con otro llamado codominio, al
codominio se le llama también imagen o rango. Esta regla de asociación no permite relacionar
un mismo elemento del dominio con dos o más elementos del codominio.
Una función, por definición garantiza que un elemento 8 en < no puede tener asociado más de
un elemento en =. Es frecuente que se utilicen diferentes notaciones para una función ; ; la
más común es ;: < > =.
Se dice que ;: < > = (; es una función de A en B, o ; es una función que toma elementos del
dominio A y los aplica sobre otro llamado codominio B).
El dominio de una función son todos los valores que puede tomar el conjunto del dominio y
que encuentra correspondencia en el conjunto llamado codominio, generalmente cuando se
habla del plano, el dominio es el intervalo de valores que esta sobre el eje de las abscisas (x) y
que genera una asociación en el eje de las ordenadas (y).
El otro conjunto que interviene en la definición es el conjunto llamado codominio, imagen o
rango de la función, este conjunto imagen posee una gama de valores que puede tomar la
función, sujeta a su dominio.
Intersecciones
Las intersecciones con el eje y de la ecuación ;'(, :/ 1 ? se obtienen al hacer 8 1 @ y resolver
;'0, :/ 1 ?.
Análogamente, las intersecciones con el eje 8 se obtienen al hacer 9 1 @ y resolver ;'(, 0/ 1 ?.
Extensión
Es la región del plano cartesiano donde la grafica de la ecuación está confinada. El dominio e
imagen de la relación permite delimitar dicha región.
Variable dependiente.
dependiente
Son aquellas variables que como su nombre lo indica, dependen del valor que toma las otras
variables Por ejemplo: ;'(/ 1 ( , , ;'(/ es la variable dependiente ya que está sujeta a los
valores que van asumiendo la x.
La variable dependiente ;'(/ se representa indistintamente por la letra :, o sea: ;'(/ 1 :.
Variable independiente
Es aquella variable que no depende de ninguna otra variable, en el ejemplo anterior
;'(/ 1 ( , , ( es la variable independiente ya que la : es la que depende de los valores de ( .
Dicho de otra manera, por cada valor que asume la (, la : va tomando valores únicos y bien
definidos que dependen única y exclusivamente de los valores de (.
Constante
Es aquella que no está en función de ninguna variable y siempre tiene el mismo valor. Un
ejemplo de una función constante es: ;'(/ 1 5
División de Funciones
Funciones
El estudio de las funciones es parte importante de las matemáticas, para su estudio se divide
en tres partes bien diferenciadas. Esta división se realiza en base a las características
particulares que presentan cada una de ellas.
a) funciones algebraicas.
b) funciones trascendentes.
c) Funciones no elementales.
Funciones algebraicas
Las funciones algebraicas son aquellas construidas por un número finito de operaciones
algebraicas (suma, resta, multiplicación, división, potenciación y radicación).
El dominio de la función polinomial es el conjunto de los números reales A.
Si < es el conjunto de números algebraicos en A, una función real de variable real se llama
algebraica sí ;'</ B <.
Función algebraica explicita

Una función algebraica explícita es aquella cuya variable 9 se obtiene combinando un número
finito de veces la variable 8 y las constantes reales por medio de operaciones algebraicas de
suma, resta, multiplicación, división, potencias y raíces.
F
G√( - 2I
Son funciones algebraicas explicitas: F
;'(/ 1 2( - 3, :1 F
(7 - 7
Función
Función algebraica implícita
Una función algebraica implícita es aquella cuya variable dependiente no está despejada.
jemplos: K/ (: * 3: 1 ( F ,
Ejemplos L/ ( , - 2: * 3(: 1 : , * 3.
Función por intervalo

Se tiene una función por intervalo cuando la funciones solo están definidas en ciertos valores
del dominio.
Funciones racionales
Una función racional es aquella que puede expresarse como el cociente de dos funciones
polinomiales. Una función racional se representa de la siguiente forma
M'(/
;'(/ 1 , M y N son polinomios
N'(/
El dominio de la función racional consiste de todos los números reales, a excepción de
aquellos para los cuales Q'(/ 1 0.
Una forma mejor explicitada de expresar una función racional se presenta a continuación:
MP '(/ KP ( P - KPQR ( PQR - KPQ, ( PQ, - S - K6
;'(/ 1 1 , para T U V
NP '(/ KP ( P - KPQR ( PQR - KPQ, ( PQ, - S - K6
Funciones irracionales
Las funciones irracionales se obtienen cuando algún exponente del polinomio no es un
número entero.
MP '(/ KP ( P - KPQR ( PQR - KPQ, ( PQ, - S - K6
1 , para algun T W V
NP '(/ KP ( P - KPQR ( PQR - KPQ, ( PQ, - S - K6
Función
Función Polinomial
Las funciones polinomiales se enmarcan dentro de las funciones algebraicas y son aquellas
funciones cuya regla de correspondencia es un polinomio. El grado de un polinomio viene
dado por el exponente mayor de la variable, nombrándose normalmente una función
polinomial de grado n.
Ejemplo de una función polinomial de grado n, generalizada.
;'(/ 1 K6 ( P - KR ( PQR - S - KPQR ( - KP , K6 X 0 TUY
Todas las funciones polinomiales tienen como dominio al conjunto de números reales A, pero
su codominio varía dependiendo del tipo de función que sea.
Una función polinomial puede considerarse como una suma de funciones cuyos valores son
del tipo K( Z , donde K es un número real y [ es un entero no negativo.
Algunos casos particulares de la función polinomial son, la función lineal (función polinomial
de primer grado o de grado uno), la función cuadrática (función polinomial de segundo grado
o de grado dos), función cúbica (función polinomial de tercer grado o de grado tres).
La aplicación de las funciones polinomiales son muy variadas, que van desde la elaboración
de modelos que describen fenómenos reales, como la distancia recorrida por un móvil, la
compra de cierta cantidad de objetos a un precio unitario, el salario de un jornalero más su
comisión, la variación de la altura de un proyectil, la fuerza aplicada a un punto, la
concentración de ciertos elementos químicos en una sustancia entre otros.
Función Identidad
La función identidad se define mediante la expresión: ;'(/ 1 (
La propiedad de la función identidad es que a cada argumento 8 del dominio le hace
corresponder el mismo valor en el codominio 9, por lo tanto, pertenece a los números reales
A. La gráfica de la función identidad es la recta que pasa por el origen y tiene un ángulo de
inclinación de 45°.
El dominio y el codominio de la función identidad es el conjunto de los números reales.
La función identidad biseca (divide en dos partes iguales) los cuadrantes I y III del plano
cartesiano
Ejemplo 1.1.
Representación gráfica de la función identidad: ;'(/ 1 (
;'(/ 1 ( 4
y
( 1 2 3
: 1 2 2
1
x
-4 -3 -2 -1 1 2 3 4
-1
-2
-3
-4
Fig. 1.1.
Función Constante
La función constante se define mediante la expresión ;'(/ 1 [, en donde k es un número
real diferente de cero.
La propiedad de la función constante es que a cada argumento ( del dominio le hace
corresponder la misma imagen [.
La gráfica de la función constante es una recta horizontal que dista [ unidades del eje ( , por
arriba si [ \ 0, o por abajo si [ ] 0.
El grado de la función constante es 0, su codominio es en conjunto unitario ^[_ y no tiene
raíces. Se puede considerar a la función constante como un caso particular de la función lineal
cuando se hace ( 1 0.
El dominio de la función constante es el conjunto de los números reales y el codominio es k.
La gráfica de la función constante es una línea recta paralela al eje x, y corta al eje y en y = k.
Ejemplo 1.2
1.2. y
Representación gráfica 5
:13 4
-0.5 0.5 1 1.5 2 2.5

Fig. 1.2.
Función Lineal.
La función lineal (función polinomial de primer grado) se define como una expresión de la
forma ;'(/ 1 `( - [, con `, [ números reales y mX 0.
La función lineal es un polinomio de primer grado en el que su codominio coincide con el
dominio, es decir, con A, y cuya gráfica es una línea recta, donde m representa la pendiente de
la recta, y [ representa el punto donde la recta se interseca con el eje :.
Z
La función lineal sólo tiene una raíz en el punto a* b , 0c, pues si ;'(/ 1 0, `( - [ 1 0, de
Z
donde, despejando `( 1 *[, se tiene finalmente ( 1 * b .
La ` representa la pendiente de la recta y [, el intercepto con el eje :; solo basta con calcular
las coordenadas de dos de los puntos para trazar la gráfica de una función lineal.
Por dos puntos diferentes en el plano cartesiano, se puede trazar una sola línea recta, basta
con calcular las coordenadas de dos de los puntos para trazar la gráfica de una función lineal;
es conveniente que dichos puntos sean los interceptos con los ejes del plano.
El intercepto con el eje : es [; para hallar el intercepto con el eje ( (o abscisa en el origen), se
iguala la ecuación de la función a 0 y se despeja el valor respectivo para (.
Para representar gráficamente una función lineal o de primer grado, existen operaciones
algebraicas elementales o procedimientos básicos que permitan tal operación, y son:
a) Se extrae de la ecuación de primer grado dos pares ordenados, que son suficientes
para graficar una recta.
b) Se ubican dichos puntos en el plano cartesiano.
c) Se unen los puntos por una línea recta, prolongándolo a ambos lados de los puntos.
Ejemplo 1.3
1.3. y
Representación gráfica
: 1 2( - 1
5
( 1 2 3
: 3 5
2
-0.5 0.5 1 1.5 2 2.5
Fig. 1.3
1.3.
Ejemplo 1.4.
1.4. y
Representación gráfica 5
: 1 *3( - 5 4
( 0 1
3
: 5 2
2
-0.5 0.5 1 1.5 2 2.5

Fig. 1.4
1.4.
Función Cuadrática.
Cuadrática
Una función polinomial de segundo grado es llamada función cuadrática, su representación
matemática es: : 1 ;'(/ 1 K( , - L( - ?
Todas las ecuaciones de segundo grado tienen dos soluciones; hay casos en que una solución
se repite y coincide con la otra en valor absoluto. También sucede que el resultado obtenido
en algunos casos no corresponde al conjunto de los números reales, sino al conjunto de los
números complejos.
La grafica de una función cuadrática es una parábola.
La parábola se abre hacia arriba si K es positiva y se abre hacia abajo si K es negativa.
La ? representa el intercepto con el eje :.
Para hallar los interceptos con el eje (, si los hay, se iguala la ecuación a cero y se calculan las
raíces por factorización o aplicando la formula general de la ecuación de segundo grado
*L d √L , * 4K?
(1
2K
Esta ecuación permite hallar los valores de (, en base a los coeficientes de K( , - L( - ? 1 0.
Qf
La abscisa del vértice se halla mediante la fórmula: ( 1 ,g
La ordenada se obtiene sustituyendo el valor numérico de ( obtenido previamente, en la

ecuación : 1 K( , - L( - ?, con K X 0 .
Tres puntos no alineados ya definen una ecuación de segundo grado, o una parábola, por lo
tanto, para trazar las grafica de una función cuadrática es recomendable construir una tabla
de valores, con por lo menos tres pares ordenados.
Por razones prácticas se usan cuatro pares ordenados, uno para el vértice, dos para los
interceptos con el eje ( y un cuarto para el intercepto con el eje :.
La ecuación de segundo grado es muy especial y bastante utilizada, razón por la cual las
explicaciones y características de esta función se extenderán un poco más que las otras en este
apartado.
*h d √hi * jkl
La expresión general de una ecuación de segundo grado es: 8 1
ik
De esta expresión se puede obtener dos raíces reales, una raíz real, o ninguna raíz real
dependiendo del discriminante hi * jkl bajo las siguientes condiciones:
L , * 4K? \ 0 Genera dos raíces reales distintas.
L , * 4K? 1 0 Genera dos raíces reales iguales.
L , * 4K? ] 0 No genera ninguna raíz real, pero sí raíces complejas.
La gráfica de la función cuadrática es una parábola que abre hacia arriba si K \ 0, o abre
hacia abajo si K ] 0.
El dominio de una función cuadrática es el conjunto de los números reales.
El codominio de esta función es el conjunto de números 9 tales que : m [, si K \ 0, o bien
: n [, si K ] 0, donde o es la ordenada del vértice de la parábola.
Qf Qf
El vértice de la parábola se determina por la expresión: p , ; a cq
,g ,g
Ejemplo 1.5
1.5.
Graficar la función cuadrática dada por la siguiente expresión: : 1 ;'(/ 1 ( ,
: 1 ;'(/ 1 ( , y
6
( :
*3
5
9
*2
4
4
1 1 3
0 0 2
1 1 1
2 4 x
3 9 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3
Fig. 1.5
1.5.
Ejemplo 1.6
1.6.
Graficar la función cuadrática dada por la siguiente expresión: : 1 ;'(/ 1 *'( , /
: 1 ;'(/ 1 *'( , /
( :
y
x
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2
*3 *9 -1
*2 *4
*1 *1
-2
0 0 -3
1 *1 -4
2 *4 -5
3 *9 Fig. 1.6.
1.6
Ejemplo 1.7.
1.7.
Graficar la función cuadrática dada por la siguiente expresión: : 1 ;'(/ 1 ( , * 2( * 1
y
3
( 0 1 2 3
: *1 *2 *1 2
2
-1 -0.5 0.5 1 1.5 2 2.5 3
-1
Fig. 1.7 -2
Función cúbica:
cúbica
Una función polinomial de tercer grado con una incógnita es llamada función cúbica, y se
puede representar bajo la forma canónica: K( F - L( , - ?( - 0 1 0, donde K, L, ?, 0 son
números que pertenecen al conjunto de los números reales (A) o al conjunto de los números
complejos (s), con K X 0.
Las raíces de una ecuación son los lugares donde la curva corta al eje de las “x”, o sea cuando
: 1 0.
En un cuerpo algebraicamente cerrado, se sabe que todo polinomio de tercer grado, o de
grado tres, tiene tres raíces.
El cuerpo de los números reales (A) no es algebraicamente cerrado, por lo tanto, el número de
raíces reales de una ecuación de grado tres, no es siempre tres. Las que faltan se encuentran
en en conjunto de los números complejos (s).
Una ecuación de grado tres tiene por lo menos una solución real. Es debido a que las funciones
polinomiales no constantes tienen límites infinitos en -∞ y * ∞ y las de grado impar tienen
límites de signos contrarios. Como son funciones continuas, tienen que pasar por cero, por el
teorema de los valores intermedios.
Ejemplo 1.
1.8.
Graficar la función cubica dada por la siguiente expresión: ;'(/ 1 ( F * 3( , - 1
;'(/ 1 ( F * 3( , - 1 y
( : x
*1 *3 -1 -0.5 0.5 1 1.5 2 2.5 3
0 1 -1
1 *1
2 *3
-2
3 1 -3
4 17
Fig. 1.8
1.8.
Ejemplo 1.9
1.9.
Graficar la función cubica dada por la siguiente expresión: ;'(/ 1 ( F * 3( , * 1
;'(/ 1 ( F * 3( , * 1
( : y
*1 *5
x
-1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5
0 *1 -1
1 *3
2 *5
-2
3 *1 -3
4 15 -4
-5
Fig. 1.9
1.9.
Ejemplo 1.10
1.10.
10.
Sea la función: ;'(/ 1 0,25( F - 0,75( , * 1,5( * 2, verificar la cantidad de raíces reales de la
ecuación.
Solución:
Se grafica la función y se observa que ésta corta al eje de las ( en tres partes, lo que indica que
esta ecuación tiene tres raíces reales, de los cuales dos son negativas y una raíz positiva.
;'(/ 1 0,25( F - 0,75( , * 1,5( * 2
( :
y
3
*4 0,0 2
*3 2,5
*2 2,0
1
*1 0, 0
x
-5 -4 -3 -2 -1 1 2
0 *2,0 -1
1 *2,5
2 0,0
-2
3 7,0 -3
Fig. 1.10.
A simple vista se observa por el gráfico que las raíces de la ecuación son: *4, *1 y 2.
Funciones trascendentes
Una función trascendente es una función que no puede ser representada por una
ecuación polinómica, es decir una función de una variable es trascendente si es independiente
en un sentido algebraico de dicha variable.
En las funciones trascendentes la variable independiente figura como exponente, o como
índice de la raíz, o se halla afectada del signo logaritmo o exponencial o de funciones
trigonométricas.
Las funciones trascendentes engloban a todas aquellas funciones que no son algebraicas, o
sea, las funciones trigonométricas, logarítmicas, exponenciales, y trigonométricas inversas,
entre otras.
En las funciones trascendentes, raros son los casos en que es posible obtener las raíces
exactas de ;'(/ 1 0, esto sucede cuando un polinomio es factorable, y se tiene valores exactos
de ;'(/ 1 0.
Por medio de métodos numéricos es posible obtener soluciones aproximadas a funciones
polinómicas o funciones trascendentes; en algunos casos tan próximas como se desee de la
solución exacta.
La mayoría de los procedimientos numéricos producen una secuencia de aproximaciones,
Algunos ejemplos de funciones trascendentes:
;'(/ 1 t u - vw (, ;'(/ 1 5u , ;'(/ 1 ln ( * 2

Función seno
Es una función periódica, de periodo 2x, es decir, del intervalo de y0, 2xz el valor de la
función no se repite, pero después de este valor se vuelve a repetir la gráfica periódicamente
en forma infinita.
Ejemplo 1.11
1.11.
11.
Representación de la función seno: ;'(/ 1 {tT ( y
0.5
π/2 π 3π/2 2π 5π/2 3π
-0.5
-1
Fig. 1.1
1.11.
Función coseno
Al igual que la función seno la función coseno tiene periodo 2π, esta función esta desfasada de
la función seno en x/2.
Ejemplo 1.12
1.12.
12.
Representación de la función coseno ;'(/ 1 ?~{ ( 1
y
0.5
π/2 π 3π/2 2π 5π/2 3π
-0.5
Fig. 1.12
1.12. -1
Función Tangente
La función tangente es una función periódica con periodo x, cuya imagen es el conjunto de los
reales A, es discontinua a los 90º - [x , no presenta máximos ni mínimos relativos y es una
función que nunca decrece.
Ejemplo 1.13
1.13.
13.
Representación de la función tangente ;'(/ 1 vw ( y
1
x
-3 -2 -1 1 2 3 4 5 6 7 8
-1
-2
-3
Fig. 1.13.
1.13.
Estas tres funciones presentadas, son simplemente referenciales, pues existen otras funciones
trigonométricas como la cotangente, la secante y la cosecante, además existen las funciones
hiperbólicas y las funciones inversas de éstas.
Función periódica
Se dice que una función es periódica cuando la función se "repite" o se reproduce los mismos
valores con un patrón bien definidos. Es decir: ;'( - v/ 1 ;'(/.
Las funciones trigonométricas son funciones periódicas.
Función exponencial
Sea K un número real positivo. La función que a cada número real ( le hace corresponder la
potencia K u se llama función exponencial de base K y exponente (.
Como K u \ 0 para todo ( U A, la función exponencial es una función de A > A .
La función exponencial es del tipo: ;'(/ 1 K u
Entre las propiedades de la función exponencial se pueden citar:
a) El dominio está en A.
b) La función exponencial es continua.
c) Es inyectiva, pues para todo K X 1, ninguna imagen tiene más de un original.
d) La función es creciente si K \ 1.
e) La función es decreciente si K ] 1.
R u
f) Las curvas ;'(/ 1 K u y ;'(/ 1 agc son simétricas respecto al eje Y.
Ejemplo 1.14
1.14.
Sea la función exponencial: ;'(/ 1 3u , graficar en el plano cartesiano.
;'(/ 1 3u y
( ;'(/ 5
*2 0,11111 4
*1 0,33333 3
0 1 2
1 3
2 9
1
F ig.
ig . 1.14
1.1 4 . -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5
Ejemplo 1.15
1.15.
R u
Sea la función exponencial: ;'(/ 1 aFc , graficar en el plano cartesiano.
y
( ;'(/
5
*2 9 4
*1 3 3
0 1 2
1 0,33333 1
2 0,11111 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

x
F ig. 1.15
1.1 5 .
Función exponencial de base e

Cuando K 1 t, donde t es el número irracional cuya representación decimal con sus primeras
cifras decimales, es t 1 2,7182818284 … A la función exponencial t u , se le llama función
exponencial de base t y, se denota frecuentemente por ('(/ 1 t u .
La función exponencial de base t es una función real que tiene la propiedad de que al
ser derivada se obtiene la misma función. Toda función exponencial tiene por dominio de
definición el conjunto de los números reales. Además la función exponencial es la función
inversa del logaritmo natural, donde t es la base de los logaritmos naturales.
Entre las propiedades de la función exponencial de base t se tienen:
a) Es una función real
b) El dominio está en A, delimitado por z * ∞, -∞y.
c) El codominio está en A, delimitado por z * ∞, -∞y.
d) La función exponencial es continua
e) La función es estrictamente creciente.
Ejemplo 1.16
1.16.
La grafica de la función exponencial ;'(/ 1 t u es
;'(/ 1 t u
y
( ;'(/ 6
*2 0,13534
5
*1 0,36788
4
3
0 1 2
1 2,71828 1
2 7,38905
x
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5
Fig.
Fi g. 1.16
1.1 6 .
Función logaritmo
Se llama logaritmo en base K del número ( al exponente L al que hay que elevar la base para
obtener dicho número.
log g ( 1 L Kf 1 (
Se lee: "el logaritmo en base K del número ( es L", o también: "el número L se llama logaritmo
del número ( respecto de la base K ”.
La función logarítmica es la función inversa de la función exponencial.
Algunas de las propiedades de la función logarítmica:

a) La función logarítmica solo está definida sobre los números positivos.
b) Los números negativos y el cero no tienen logaritmo
c) La función logarítmica de base K es la recíproca de la función exponencial de base K.
d) Las funciones logarítmicas más usuales son la de base 10 y la de base e = 2’718281...
e) La constante k es un número real positivo distinto de 1, y se denomina base del sistema
de logaritmos.
f) para cualquier valor real de L solo tiene sentido si K \ 0.
g) La función logarítmica (o función logaritmo) es una aplicación biyectiva del conjunto de
los números reales positivos, sin el cero, en el conjunto de los números reales.
h) La operación logaritmación (extracción de logaritmos, o tomar logaritmos) es siempre

posible en el campo real cuando tanto la base K del logaritmo como el número ( son
positivos, (siendo, además, K distinto de 1).
Entre los logaritmos de mayor uso se citan los logaritmos decimales y los logaritmos
neperianos.
Logarit
Logaritmos decimales
Se llaman logaritmos decimales o vulgares a los logaritmos que tienen por base el número 10.
Al ser muy habituales su uso, es frecuente no escribir la base.
LogR6 ( 1 log (
Logaritmos neperianos
Se llaman logaritmos neperianos o naturales a los logaritmos que tienen por base el número e.
log ( 1 ln (
Ejemplo 1.17
1.17.
Graficar la función logaritmo: ;'(/ 1 ~wR6 ( 1 ~w (
;'(/ 1 ~w ( 0.8
y
( ;'(/ 0.6
0 No existe 0.4
1 0
0.2
x
2 0,30103
-0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5
-0.2
3 0,47712 -0.4
4 0,60206
-0.6
-0.8
Fig. 1.17
1.17.
Ejemplo 1.18
1.18.
Graficar la función logaritmo: ;'(/ 1 T (
;'(/ 1 T (
y
( ;'(/
1.5
0 No existe 1
1 0 0.5
2 0,69315
3 1,09861
x
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
4 1,38629 -0.5
Fig. 1.18
1.18.
Funciones no elementales
Existen otros tipos de funciones interesantes, que son las funciones no elementales tales
como: la función delta, función parte entera, la función valor absolutos entre otras. Estas
funciones solo se citan a modo de ejemplo, pues no forman parte de este material.
Ecuación
Una ecuación es una igualdad entre dos expresiones algebraicas, denominadas miembros, en
las que aparecen valores conocidos o datos, y valores desconocidos o incógnitas, relacionados
mediante operaciones matemáticas.
Los valores conocidos de una ecuación pueden ser números, coeficientes o constantes; y
también variables cuya magnitud se haya establecido como resultado de otras operaciones.
Las incógnitas, representadas generalmente por las ultimas letras del alfabeto (x, y, z, w),
constituyen los valores que se pretenden hallar. Por ejemplo, en la ecuación: 2( - 4 1 7 - (
La letra x representa la incógnita, mientras que el coeficiente 2 y los números 4 y 7 son
constantes conocidas.
Resolver una ecuación es encontrar los valores de las incógnitas que satisfacen dicha
ecuación.
Se llama solución de una ecuación a cualquier valor de dichas variables que cumpla la
igualdad planteada. Para el caso dado, la solución es: ( 1 3
Todo problema matemático puede expresarse en forma de una o más ecuaciones. Sin embargo
no todas las ecuaciones tienen solución, ya que es posible que no exista ningún valor de la
incógnita que haga cierta una igualdad dada. También puede ocurrir que haya varios o incluso
infinitos conjuntos de valores que la satisfagan.
La expresión se llama identidad en el caso que todo valor posible de la incógnita haga cumplir
la igualdad. Si en lugar de una igualdad se trata de una desigualdad entre dos expresiones
matemáticas, esta desigualdad se denomina inecuación.
Una ecuación funcional es aquella en la que algunas de las constantes y variables que
intervienen no son realmente números sino funciones; y si en la ecuación aparece algún
operador diferencial se llama ecuación diferencial.
Ecuación polinómica
Una ecuación polinómica es una igualdad entre dos polinomios. Realizando las mismas
transformaciones y en el mismo orden, en los dos miembros de la ecuación, puede
conseguirse que uno de ellos se reduzca a cero, razón por la cual se suele considerar que una
ecuación polinómica es aquella que en el primer miembro aparece un polinomio y en el
segundo aparece el cero.
Ejemplo 1.19
1.19.
Sea la expresión: ( , : - 2( * :( , : - 2( * : 1 *(:
Para igualar a cero, se suma a ambos lados de la ecuación el termino ((:/
Luego, se tiene la ecuación polinómica: ( , : - 2( * : - (: 1 0
División sintética. Regla de Ruffini

Ruffini
Al resolver ecuaciones polinomiales y al factorizar polinomios es frecuente dividir un
polinomio entre un monomio de la forma '( * K/, donde K es un numero real cualquiera.
Existe una regla para realizar la división sintética, debida al italiano Paolo Ruffini , que
permite, justamente, dividir un polinomio entre un binomio.
Esta forma sintética de dividir conocida como la Regla de Ruffini, también permite localizar
raíces de un polinomio y factorizarlo en binomios de la forma '( * K/.
La Regla de Ruffini establece un método para división de polinomios
Ejemplo 1.20
1.20.
20.
Hallar la división: '3( , * 12( - 1/ '( * 2/
Solución
( * K 1 ( * 2, transponiendo: ( * K * ( 1 *2, simpliicando: * K 1 *2, > K 1 2
Paso 1:
1 Se escriben los coeficientes en orden, de mayor a menor.
Paso 2.
2 Se completan los lugares de una ecuación incompleta con 0 si fuere necesario.
3 * 12 1
2 6 * 12
3 * 6 * 11
Paso 3: se baja el primer coeficiente '3/

4 Se multiplica el '3/ por el '2/ y el resultado se ubica debajo de '*12/
Paso 4:
5 Se suman '*12/ - 6 1 *6
Paso 5:
6 Se multiplica '*6/ por el '2/ y el resultado se coloca debajo del '1/
Paso 6:
7 Se suman '1/ - '*12/ 1 *11
Paso 7:
Los primeros números obtenidos en la tercera fila corresponden a los coeficientes del cociente
'3/, '*6/ y el último número '*11/ es el residuo.
Finalmente, para verificar se tiene:
3( , * 12( - 1 1 '( * 2/'3( * 6/ * 11 1 '3( , * 12( - 12/ * 11 1 3( , * 12( - 1
En este primer ejemplo se detalla paso a paso las operaciones realizadas para la resolución de
una división por el método de Ruffini.
Los siguientes ejemplos que se presentan a continuación, se realizaran en forma más
resumida, sintética y práctica.
Ejemplo 1.21
1.21.
21.
Resolver la división '4( F - 15( , * 6( * 20/ '( - 4/
Solución
( * K 1 ( - 4, asi que: K 1 *4
4 15 *6 * 20
*4 * 16 -4 -8
4 *1 *2 * 12
El cociente es: 4( , * ( * 2 y el residuo es *12
Comprobando: 4( F - 15( , * 6( * 20 1 '( - 4/'4( , * ( * 2/ * 12 1 4( F - 15( , * 6( * 20
Ejemplo 1.22
1.22.
22.
Resolver la división '( ) * ( * 2/ '( - 1/
Solución
( * K 1 ( - 1, asi que: K 1 *1
1 0 0 *1 *2
*1 *1 1 *1 2
1 *1 1 *2 0
F ,
El cociente es: ( * ( - ( * 2 y el residuo es 0, por lo tanto '*1/ es una raíz de la ecuación.
Comprobando: ( ) * ( * 2 1 '( - 1/'( F * ( , - ( * 2/ 1 ( ) * ( * 2
Teorema 1.1.
1.1. Raíces de un polinomio
Un número K es una raíz del polinomio M'(/ si el valor numérico de M'(/ para ( 1 K es cero,
es decir, M'K/ 1 0. Las raíces enteras de un polinomio con coeficientes enteros son divisores
del término independiente.
Raíces enteras de polinomios enteros

Una de las razones principales para factorizar polinomios es la de encontrar sus raíces, o sea,
los valores de la variable para las cuales el polinomio asume el valor 0.
Estos son algunos ejemplos de expresiones algebraicas:
K/ ( F * 5( , - 3( * 7 1 0, L/ t u * ( , - 3( 1 2
1 3 5
?/ * 1 , 0/ 3 - √2( - 1 1 (
2( * 6 ( - 1 ( - 2
Estos polinomios son denominados ecuaciones en ( o ecuaciones con variable (.
Dada cualquier ecuación en (, si al sustituir a ( con un número K se obtiene un
enunciado verdadero, entonces K se llama solución o raíz de la ecuación ;'(/ 1 0.
Comúnmente se dice que K satisface la ecuación.
Ejemplo 1.24.
24.
Verificar si 3 es una solución de la ecuación: P'x/ 1 '5x * 2/'3x - 2/ 1 143
Solución:
Para verificar si K 1 3 es raíz de la ecuación, se sustituye en la ecuación y se obtiene
M'(/ 1 '5( * 2/'3( - 2/ 1 143
;'(/ 1 '5( * 2/'3( - 2/ * 143 1 0
;'(/ 1 '5 3 * 2/'3 3 - 2/ * 143 1 0
;'(/ 1 '15 * 2/'9 - 2/ * 143 1 0
;'(/ 1 '13/ '11/ * 143 1 0
;'(/ 1 143 * 143 1 0
Por lo tanto, K 1 3 es raíz o solución del sistema, pues verifica la función ;'(/ 1 0
Se verifica que la situación planteada es una proposición verdadera.
Resolver una ecuación significa hallar todas sus raíces o soluciones.
Identidad
Definición: Si todo número en el dominio de la variable ( es una solución de una ecuación
dada, a esta ecuación se le llama identidad.
Ejemplo 1.25
1.25.
Verificar si la expresión '( * 7/, * 4 1 '( * 9/'( * 5/ es una identidad.
Solución
Se elige cualquier valor para la variable ( y se evalúa en la ecuación presentada.
a) Sea ( 1 3 b) Sea ( 1 *2
'( * 7/, * 4 1 '( * 9/'( * 5/ '( * 7/, * 4 1 '( * 9/'( * 5/

'3 * 7/, * 4 1 '3 * 9/'3 * 5/ '*2 * 7/, * 4 1 '*2 * 9/'*2 * 5/
'*4/, * 4 1 '*6/'*2/ '*9/, * 4 1 '*11/'*7/
16 * 4 1 12 81 * 4 1 77
12 1 12 77 1 77
La expresión (x – 7)2 – 4 = (x – 9) (x – 5) es una identidad, puesto que se convierte en una

proposición verdadera para todos los números del dominio de ( , en este caso ℜ.
Una ecuación puede tener o no solución, esto depende del sistema de números que se
considera para la variable (.
Ejemplo 1.26.
26.
Halla la raíz de la ecuación 3( 1 1 en Z (conjunto de los números enteros).
Solución:
1
3( 1 1 > (1
3
Bajo estas condiciones la ecuación 3( 1 1 no tiene solución, ya que no existe ningún número
entero igual a 1/3. Sin embargo, existe solución a esta ecuación, pero en Q (conjunto de los
números racionales), ya que 1/3 pertenece a los números racionales.
Ecuaciones equivalentes
Se dice que dos ecuaciones son equivalentes si tienen las mismas soluciones.
El método más usado para resolver ecuaciones consiste en generar una sucesión de
ecuaciones equivalentes, cada una de las cuales es más sencilla que la anterior, hasta llegar a
una ecuación cuyas soluciones son obvias. Por lo general, esta sucesión de ecuaciones
equivalentes se logra usando propiedades de los números reales, tales como: sumar o restar la
misma expresión a ambos lados de la ecuación, multiplicar o dividir a ambos lados de la
ecuación por una expresión diferente de cero, elevar al cuadrado a ambos lados de la
ecuación, etc.
El siguiente ejemplo ilustra este proceso.
Ejemplo 1.27
1.27.
27.
Sea la expresión: 5( * 3 1 2( - 1, resolver la ecuación.
Solución
5( * 3 1 2( - 1
5( * 3 - 3 1 2( - 1 - 3 Se suman (+3) a ambos lados de la ecuación
5( 1 2( - 4
5( * 2( 1 2( - 4 * 2( Se suman (*2() a ambos lados de la ecuación
5( * 2( 1 4
3( 1 4 Se divide por (3) a ambos lados de la ecuación
3( 3
1 Se simpliica
3 4
3
(1 Es el resultado
4
Durante el proceso de reducción se puede multiplicar los dos miembros de la ecuación por
una expresión que se anula para algún valor de (, o tomar el cuadrado a ambos lados de la
ecuación, estas operaciones pueden producir ecuaciones que no son equivalentes.
Ejemplo 1.28.
28.
Resolver la ecuación: 2( * 3 1 √( - 6
Solución
2( * 3 1 √( - 6
,
'2( * 3/, 1 G√( - 6I
4( , * 12( - 9 1 ( - 6
4( , * 13( - 3 1 0
R
De donde se obtiene que: ( 1 3 : (1)
Al sustituir ( 1 3 en la ecuación 2( * 3 1 √( - 6, éste se verifica, o sea, hace la proposición

R
verdadera. Sin embargo, al sustituir ( 1 en la ecuación 2( * 3 1 √( - 6, esta no se verifica,
)
R
por lo tanto ) no es solución de la ecuación original.
Cualquier solución de la nueva ecuación que no es solución de la ecuación original se llama
R
extraña Así, ( 1 ) es una solución extraña de la ecuación 2( * 3 1 √( - 6.
solución extraña.
Lo que sucedió, en este caso, es que al tomar el cuadrado a ambos lados de la ecuación se
obtiene una ecuación que no es equivalente con la anterior, pues la ecuación original es de
primer grado y como tal tiene una sola solución; por lo tanto, algunas soluciones de la última
ecuación podrían no serlo de la ecuación original.
Ecuación polinomial
Una ecuación de la forma: M'(/ 1 KP ( P - KPQR ( PQR - S - KR ( P - K6 1 0, donde cada
K U A : KP X 0; se llama ecuación polinomial.
Si M'K/ 1 0, entonces se dice que K es un cero del polinomio M'(/, o bien, K es una solución o
raíz de la ecuación M'(/ 1 0.
A excepción de casos especiales, resulta muy difícil encontrar las raíces de una ecuación
polinomial. Por ejemplo, no son evidentes las raíces de la ecuación polinomial
( * ( - 6( * 12( 7 - 2( ) * 5( F * 8( * 5 1 0
No existe una fórmula que pueda usarse para encontrar las raíces de este tipo de ecuación, o
sea de ecuaciones con grado mayor a tres.
Buscar las soluciones de una ecuación ;'(/ 1 0, no es tarea fácil y la situación se complica
cuando se involucra funciones trascendentes.
A excepción de los casos triviales, podría decirse que las únicas ecuaciones ;'(/ 1 0 que se
pueden resolver de forma exacta, son aquellas para las cuales ;'(/ es un polinomio de grado
menor o igual a 3, después del proceso de reducción.
Por esta razón, se necesitan métodos que permitan por lo menos, aproximar las soluciones de
una ecuación dada. Este tipo de métodos cae dentro de un área de la matemática que se
conoce como Análisis Numérico o Cálculo Numérico.
Teorema 1.2
1.2. Teorema del residuo:
residuo:
El valor de M'K/ es el residuo obtenido al dividir M'(/ entre '( * K/.
Demostración:
Al dividir M'(/ entre '( * K/ se obtiene la descomposición: M'(/ 1 N'(/'( * K/ -
Donde N es el cociente y R es el residuo. Como el divisor de '( * K/ es de grado 1, el residuo
es constante. Si se evalúa en '( 1 K/, se obtiene.
M'(/ 1 N'(/'( * K/ -
M'K/ 1 N'K/'K * K/ -
M'K/ 1 N'(/ 0 -
M'K/ 1 0 -
M'K/ 1
Ejemplo 1.29
1.29.
29.
Calcular el valor del residuo de la división, sin efectuar la división: '( F * 5( , - 7/ '( * 2/
Solución
Según el teorema del residuo, el residuo de la división '( F * 5( , - 7/ '( * 2/ es el valor del
polinomio M'(/ 1 '( F * 5( , - 7/ cuando ( 1 2.
M'2/ 1 '2F * 5 2, - 7/ 1 8 * 20 - 7 1 *5
El residuo es *5.
Ejemplo 1.3
1.30.
Sin efectuar la división, calcular el residuo de la división
'( F * 2( , - 1/ '( * 8/
Solución
El residuo de la división '( F * 2( , - 1/ '( * 8/ es el valor del polinomio
M'(/ 1 ( F * 2( , - 1 cuando ( 1 8
M'8/ 1 8F * 2'8/, - 1 1 512 * 128 - 1 1 385
El residuo de la división planteada es 385
Ejemplo 1.3
1.31.
Calcular el residuo de la siguiente división sin efectuarlo: '( ) * 3( , * 6/ '( - 3/
Solución
El residuo de la división '( ) * 3( , * 6/ '( - 3/ es el valor del polinomio
M'(/ 1 ( ) * 3( , * 6 cuando ( 1 *3
M'*3/ 1 '*3/) * 3'*3/, * 6 1 81 * 27 * 6 1 48
El residuo de la división planteada es 48
Teorema 1.3
1.3. Teorema del factor:
Dados un polinomio M'(/ y un número real K, si '( * K/ es un factor de M'(/, entonces K es
una raíz de M'(/ y recíprocamente, si un numero K, es raíz de un polinomio M'(/, entonces
'( * K/ es un factor de M'(/.
Demostración:
'( * K/ es factor de M'(/, entonces: M'(/ 1 N'(/'( * K/
De donde: M'K/ 1 N'(/'K * K/ 1 0
'( * K/ es factor de M'(/, entonces: M'(/ 1 N'(/'( * K/
K es raiz de la ecuacion M'(/ 1 0
K es raiz de la ecuacion M'(/ 1 0, entonces: M'K/ 1 0
Según el teorema del residuo se tiene que: M'(/ 1 N'(/'( * K/ - M'K/ 1 N'(/'( * K/
Entonces '( * K/ es factor de M'(/.
Ejemplo 1.32
1.32.
Determinar si '( * 1/ es factor de M'(/ 1 ( ) - 2( F * 5( , - 3( * 1
Solución
De acuerdo al teorema del factor '( * 1/ es factor de M'(/ si y solo si M'1/ 1 0
M'(/ 1 ( ) - 2( F * 5 ( , - 3( * 1
M'1/ 1 1) - 2 1F * 5 1, - 3 1 * 1
M'1/ 1 1 - 2 * 5 - 3 * 1 1 6 * 6 1 0
Por lo tanto '( * 1/ es factor de la ecuación dada: ( ) - 2( F * 5( , - 3( * 1.
Ejemplo 1.33
1.33.
Determinar si '( - 2/ es factor de M'(/ 1 ( 7 * 2( F - 3( , - 4
Solución
De acuerdo al teorema del factor '( - 2/ es factor de M'(/ si y solo si M'*2/ 1 0
M'*2/ 1 '*2/7 * 2'*2/F - 3'*2/, - 4 1 *32 - 16 - 12 - 4 1 0
Por lo tanto '( - 2/ es factor de la ecuación dada: ( 7 * 2( F - 3( , - 4.
Teorema 1.4
1.4. Número de raíces de un polinomio
Un polinomio M'(/ de grado T puede tener cuando mas T raices.
Este teorema se presenta sin demostración.2
2
Oteyza de Oteyza, elena. (1998). Temas Selectos de Matemáticas. Prentice Hall. Mexico. Pag. 316
Raíces racionales de polinomios enteros

Considerando el polinomio: M'(/ 1 KP ( P - KPQR ( PQR - S - KF ( F - K, ( , - KR ( - K6 de
grado T con coeficientes enteros y K6 X 0. KP recibe el nombre de coeficiente principal.

Si

es una raíz racional de M'(/ 1 0, con la fracción en su mínima expresión, entonces:
P PQR
KP p q - KPQR p q - S - KR p q - K6 1 0, multiplicado por P se tiene:

KP P - KPQR PQR - S - KR PQR - K6 P 1 0
Luego: KP P - KPQR PQR - S - KR PQR 1 *K6 P
Factorizando del lado izquierdo de la ecuación:
'KP PQR - KPQR PQ, - S - KR PQR / 1 *K6 P
Se tiene que p es un divisor del primer miembro de la ecuación, por consiguiente también lo

es del lado derecho, pero si p es divisor de '*K6 P / , como está en su mínima expresión, p
no puede dividir a q y entonces debe ser divisor de K6 . Por lo tanto p es divisor de K6 .
De la misma forma, de: KP P - KPQR PQR - S - KR PQR - K6 P 1 0, se tiene
KPQR PQR - S - KR PQR - P 1 *KP P
Procediendo como la demostración anterior se obtiene que q es divisor de an.

De esto se concluye que las raíces racionales de de un polinomio con coeficientes enteros

M'(/ 1 KP ( P - KPQR ( PQR - S - KF ( F - K, ( , - KR ( - K6 , con K X 0 son tales que es
divisor de K6 y es divisor de KP .
Si el polinomio tiene la forma M'(/ 1 KP ( P - KPQR ( PQR - S - KF ( F - K, ( , - KR ( - K6 ,

buscar las raíces racionales equivale a encontrar las raíces enteras del polinomio, o sea, se
debe analizar en los divisores de K6 .
Ejemplo 1.34
1.34:
Encontrar las raíces racionales del polinomio: 2( F * 3( , * 9( - 10
Solución:
Los divisores del término independiente (10) son: d1, d2, d5, d10
Los divisores del coeficiente principal (2) son: d1, d2
R 7
Considerando todos los posibles cocientes de la forma : d1, d , , d2, d5, ,
, d10
Para decidir cuál de los valores es raíz del polinomio se puede utilizar la división sintética.
Normalmente se comienza analizando con los enteros más pequeños. Se toma (x – 1) y se
aplica la división sintética:
2 –3 –9 10
1 2 –1 – 10
2 –1 – 10 0
Entonces: 2( F * 3( , * 9( - 10 1 '( * 1/'2( , * ( * 10/.
Para encontrar las raíces racionales de '2( , * ( * 10/, se observa que los posibles cocientes
son los mismos que en el caso del polinomio original, por lo tanto, puede utilizarse el mismo
método, sin embargo, al ser este polinomio de segundo grado, es más sencillo aplicar la
formula general para polinomios de segundo grado, o algún caso de factoreo, que igualmente
puede permitir hallar las raíces buscadas de la ecuación.
De esta manera se tiene que: '2( , * ( * 10/ 1 '( - 2/'2( * 5/.
Luego: 2( F * 3( , * 9( - 10 1 '( * 1/'( - 2/'2( * 5/.
7
Se observa que 2( * 5 1 0, resolviendo se tiene que ( 1 .
,
7
Las raíces racionales del polinomio 2( F * 3( , * 9( - 10, son: 1, *2 y .
,
Ecuación condicional
Una ecuación condicional es aquella para la cual un solo valor de la variable satisface la
ecuación y la convierte en igualdad.
Cuando en algebra se habla de resolución de ecuaciones se hace referencia a ecuaciones
condicionales. La solución de una ecuación condicional puede verificarse sustituyendo la
variable por su valor determinado en la ecuación.
Una ecuación es inconsistente cuando la ecuación es falsa para todo valor posible de la
variable.
Ejemplo 1.35
1.35.
35.
Verificar si la ecuación 2( * 6 1 10 es una ecuación condicional.
Solución
16
2( * 6 1 10 2( 1 10 - 6 (1 (18
2
( 1 8 es el único valor que satisface la ecuación, por lo tanto, 2( * 6 1 10 es una ecuación
condicional.
Ejemplo 1.36
1.36.
36.
Verificar si la ecuación 3( * ( 1 2( es una ecuación condicional.
Solución
3( * ( 1 2( 2( 1 2( 2( * 2( 1 0 010
Ecuaciones de primer grado

Una ecuación de primer grado o ecuación lineal es un planteamiento de igualdad,
involucrando una o más variables a la primera potencia, que no contiene productos entre las
variables, es decir, una ecuación que involucra solamente sumas y restas de una variable de
grado uno. En el plano cartesiano, una ecuación de primer grado se representa por una recta,
de ahí el nombre de ecuación lineal dado a una ecuación de primer grado.
La forma más común de representar una ecuación lineal es: 9 1 8 - h
Donde ` representa la pendiente, el valor de L determina la ordenada al origen, es el punto
donde la recta corta al eje de las : (ordenada)
Las ecuaciones en las que aparece el término (. : no son consideradas lineales.
Ejemplo
Ejemplo 1.37
1.37.
37.
Algunos ejemplos de ecuaciones lineales:
2( - 3: 1 15
5( - : * 7 1 *2( - 4: - 3
5( * 2: - 3 1 22
Teorema 1.5
1.5. Teorema de Bolzano
Si una función continua ;'(/ asume valores de signos opuestos en los puntos extremos del
intervalo yK, Lz, esto es, si ;'K/ ;'L/ ] 0, entonces existe por lo menos un punto ( U yK, Lz,
tal que ;'( / 1 0.
Teorema 1.6.
1.6. Teorema de Bolzano
Sean K ] L y sea ;'K/ ;'L/ ] 0 (;'K/ : ;'L/ tienen signos opuestos). Entonces ; tiene
en yK, Lz un número impar de raíces. Si ;'K/ ;'L/ \ 0, entonces ; tiene un numero par de
raíces en yK, Lz (y en particular puede tener cero). Cada raíz se cuenta tantas veces como
indica su orden de multiplicidad.
Se presentan dos versiones diferentes del teorema de Bolzano (1,5. y 1.6.), pero referidos a
una misma situación matemática. Tal presentación se realiza para que el lector pueda
considerar que un mismo teorema se presenta de manera diferente por autores diferentes,
pero que el concepto estricto de la esencia matemática permanece inalterable.
Ejemplo 1.7
1.7.
Verificar en qué intervalo se encuentra una raíz real de la ecuación ( ) * 2(
Solución
Se intenta aleatoriamente aplicar el teorema de Bolzano y verificar que: ;'K/ ;'L/ ] 0
Se parte de ;'(/ 1 ( ) * 2(.
Evaluar: ;'K/ 1 ;'1/ 1 1) * 2 1 1 1 * 2 1 *1.
Evaluar: ;'L/ 1 ;'2/ 1 2) * 2 2 1 16 * 4 1 12.
Aplicando: ;'K/ ;'L/ ] 0

'*1/ 12 ] 0
Se tiene que ;'1/ : ;'2/ tienen signos opuestos, por lo tanto según el teorema de Bolzano en
el intervalo [1, 2] existe una raíz real.
3-
La demostración de este teorema en: Velázquez Zapateiro, Jorge y Obeso Fernández, B. 2007. Análisis
Numérico, Notas de clase. Colombia. Pág. 28
4.
La demostración de este teorema en: Bernis, Francisco. Malet, Antonio. Molinas, Cesar. 1983.
Matemáticas. Editorial Noger S.A. Madrid, España. Pág. 469.
Teorema 1.7
1.7. Teorema de Descartes
El numero de raíces positivas de una ecuación ;'(/ 1 0 es menor o igual que el numero de
variaciones de signo en ;'(/. El numero de raíces negativas es menor o igual que el numero de
variaciones de signo en ;'*(/. (Cada raíz se cuenta tantas veces como indica su orden de
multiplicidad).
Si M'(/ es un polinomio, escrito en orden descendente y con término independiente distinto
de cero:
1. El numero de raíces positivas de M'(/ es igual al número de cambios de signo de los
coeficientes del polinomio, o bien, el numero de cambios de signo menos un entero par.
2. El numero de raíces negativas de M'(/ es igual al número de cambios de signo de los
coeficientes del polinomio M'*(/, o bien, el numero de cambios de signo de M'*(/, menos
un entero par.
Ejemplo 1.39
1.39.
39.
Determinar el número de raíces positivas y negativas del polinomio:
M'(/ 1 ( 7 - 7( ) - 5( F * 6( , - 12( * 5
Solución
El polinomio es de grado cinco (5º grado), por lo tanto puede tener como máximo cinco raíces.
La grafica de la ecuación se presenta en la fig. 1.19.
Según la ecuación M'(/ 1 ( 7 - 7( ) - 5( F * 6( , - 12( * 5
Los cambios de signos del polinomio son 3 (tres), esto indica que el polinomio puede tener
tres raíces positivas o solo una.
Según la ecuación M'*(/ 1 *( 7 - 7( ) * 5( F * 6( , * 12( * 5
Los cambios de signos de este polinomio son dos (dos), indicando que el polinomio puede
tener dos raíces negativas o ninguna.
Resolviendo la ecuación, se comprueba que tiene dos raíces negativas y una raíz positiva,
estas raíces son: (R 1 *5,923 … ; (, 1 *2,217 … ; (F 1 0,454 … ;
Como la ecuación es de grado cinco, las otras dos raíces son complejas conjugadas.
Ejemplo 1.40
1.40.
40.
M'(/ 1 ( ) * 3( , * 1
Solución
El polinomio es de grado cuatro (4º grado), por lo tanto puede tener como máximo cuatro
raíces. La grafica de la función se presenta en la fig. 1.20.
Para contar los cambios de signos, no es necesario completar la ecuación, en este caso faltan
los términos en ( F y ( , solo hay que ordenarlos de mayor a menor.
Prueba de raíces positivas. Sea la ecuación: M'(/ 1 ( ) * 3( , * 1
Solo existe un cambio de signo, esto indica que el polinomio tiene una raíz positiva.
Prueba de raíces negativas. Sea la ecuación: M'*(/ 1 ( ) * 3( , * 1
La demostración de este teorema en: Bernis, Francisco. Malet, Antonio. Molinas, Cesar. 1983.
5.
Matemáticas. Editorial Noger S.A. Madrid, España. Pág. 468.

En este caso también existe solamente un cambio de signo, indicando que el polinomio tiene
una raíz negativa.
Resolviendo la ecuación, se comprueba que tiene una raíz positiva y una raíz negativa, estas
raíces son: (R 1 *1,817 … ; (, 1 1,817 …
Como la ecuación es de grado cuatro, solamente tiene una raíz positiva y una raíz negativa, las
otras dos raíces son complejas conjugadas.
y
y
x
1
-7 -6 -5 -4 -3 -2 -1 1 2 3
x
-5
-2 -1.5 -1 -0.5 0.5 1 1.5 2
-10
-1
-15
-2
-20
-3
-25
Fig. 1.19. Fig.1.20
Forma sencilla de evaluar polinomios:

La tecnología actualmente permite contar con máquinas que pueden realizar cálculos
precisos, con errores mínimos y con una extraordinaria rapidez. La aplicación de las
calculadoras electrónica a las matemáticas facilita enormemente este proceso, al evaluar en
forma directa un polinomio cualquiera, que luego de encontrar las raíces, se procede a realizar
las demostraciones u ordenamientos correspondientes respecto de cada polinomio evaluado.
Polinomios que no tienen raíces racionales

Una sencilla regla para verificar si un polinomio con coeficientes enteros tiene o no raíces
racionales es la siguiente. Considerando el polinomio:
M'(/ 1 KP ( P - KPQR ( PQR - S - KR ( - K6 , con K X 0, de grado mayor o igual a 2 y cuyos
coeficientes son números enteros. Si KP , K6 : M'1/ son impares, entonces M'(/ no tiene
raíces racionales.
Ejemplo 1.4
1.41.
Encontrar las raíces racionales del polinomio:
M'(/ 1 27( * 8( - 16( * 11( 7 - 3( ) * 5( F * 18( * 25
Solución:
El coeficiente del término de grado mayor '27( / es 27, el término independiente es '*25/, y
al evaluar el polinomio en M'1/, el resultado obtenido es '*21/. Los tres números
'27, *25, *21/ son impares, se concluye que el polinomio no tiene raíces racionales según la
regla precedente.
Si no es posible contar con el criterio de los enteros impares, se debe proceder de otra forma
Cotas para las raíces de polinomios

En la búsqueda de raíces de polinomios, saber que ellas se encuentran en un intervalo
determinado, reduce el número de posibilidades facilitando enormemente los cálculos,
ahorrando tiempo de trabajo y operaciones a realizar. Se debe buscar dos números A y B de
tal manera que pueda asegurarse que las raíces del polinomio se encuentran en el intervalo
[A, B], donde A es una cota inferior y B es una cota superior de las raíces del polinomio.
Teorema:
Sea M'(/ un polinomio.
Si L es un número positivo tal que al efectuar la división sintética de M'1/ entre '( * L/, los
números obtenidos, es decir, los coeficientes del cociente y el residuo, son todos positivos o
cero, entonces L es una cota superior para las raíces de M'(/.
Si K es un numero negativo y al efectuarse la división de M'(/ entre '( * K/, los números
obtenidos, es decir, los coeficientes del cociente y el residuo tienen signos; uno positivo o cero
y el siguiente negativo o cero alternadamente, o viceversa, entonces K es una cota inferior de
las raíces de M'(/.
Ejemplo 1.42
1.42.
42.
Mostrar que < 1 *1 y = 1 2 son cotas inferior y superior respectivamente para las raíces
del polinomio M'(/ 1 6( ) * 11( F - 10( , * 11( - 4, y encontrar todas las raíces reales.
Solución:
Efectuando el cociente M'(/ entre '( - 1/, usando división sintética:
6 – 11 10 – 11 4
–1 – 6 17 – 27 38
6 – 17 27 – 38 42
Los coeficientes tienen signos alternados, entonces A = – 1 es una cota inferior para las raíces
del polinomio.
Efectuando el cociente M'(/ entre '( * 2/, usando división sintética:
6 – 11 10 – 11 4
2 12 2 24 26
6 1 12 13 30
Puesto que los signos de los coeficientes son todos positivos, B = 2 es una cota superior para
las raíces del polinomio.
Por lo tanto, todas las raíces reales se encuentran en el intervalo [– 1, 2]
Sea la ecuación M'(/ 1 6( ) * 11( F - 10( , * 11( - 4, analizando se tiene que el polinomio
es de grado cuatro y por lo tanto posee como máximo cuatro raíces.
Usando la regla de los signos de Descartes, la ecuación M'(/ tiene cuatro cambios de signos, lo
que indica que habrá cuatro, dos o ninguna raíz real positiva.
Evaluando la ecuación en M'*(/ se tiene: M'(/ 1 6( ) - 11( F - 10( , - 11( - 4, donde se

nota que no existe cambio de signo, o sea, no hay raíces negativas.
En estas condiciones, todas las raíces reales se encuentran en el intervalo (0, 2) y puede ser a
los más dos.
Buscando las raíces racionales del polinomio, se tiene que los divisores de 4 (término
independiente) y 6 (coeficiente principal) son: d1, d2, d4, : d 1, d2, d3, d6.
R R R , )
Los cocientes de los divisores de 4 y 6 son: d1, d , , d F , d , d2, d F , d4, d F
Pero como las raíces buscadas se encuentran en el intervalo [0, 2], solo se consideran
1 1 1 2 4
1, , , , ,
2 3 6 3 3
1 4
Evaluando el polinomio se encuentra que y son raíces del polinomio, entonces:
2 3
1 4
M'(/ 1 6( ) - 11( F - 10( , - 11( - 4 1 p( * q p( * q '( , - 1/
2 3
En la figura 1.21. se presenta la grafica del polinomio.
y
1.5
0.5
x
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
-0.5
-1
-1.5
-2
Fig. 1.2
1.21.
Teorema 1.8
1.8. Teorema fundamental del algebra
Cualquier polinomio con coeficientes complejos y de grado mayor o igual que uno tiene al
menos una raíz ya sea real o compleja.
Teorema 1.9.
1.9. Teorema de los pares conjugados
Si M'(/ es un polinomio con coeficientes reales y si ¨ 1 'K - L/ es una raíz de M'(/, entonces
el numero complejo conjugado de ¨, es decir ¨ 1 'K - L/ también es una raíz de M'(/.
Ejemplo 1.43
1.43.
43.
Si '2 - / es una raíz del polinomio M'(/ 1 ( ) * ( F * 11( , - 31( * 20, encontrar otra raíz
compleja del polinomio.
Solución:
Las raíces complejas de los polinomios con coeficientes reales aparecen por pares conjugados,
entonces como el conjugado de (2 + i) es (2 – i) éste debe ser raíz del polinomio.
Se realiza la división por el método de Ruffini.
1 *1 * 11 31 * 20
'2 * / '2 * / '1 * 3/ '*23 - 4/ 20
1 '1 * / '*10 * 3/ '8 - 4/ 0
Entonces '2 * / es raíz del polinomio.

Resolviendo el polinomio por otros métodos se concluye que además de las raíces
complejas '2 - / y '2 * / posee dos raíces reales que son *4 y 1.
La figura 1.22 representa gráficamente la ecuación: M'(/ 1 ( ) * ( F * 11( , - 31( * 20

y
1.5
0.5
x
-4 -3 -2 -1 1 2
-0.5
-1
-1.5
Fig. 1.22.
Ejemplo 1.44
1.44.
44.
Encontrar un polinomio con coeficientes enteros de grado 5, si tres de sus raíces son:
1 * 2
*3, ,
2
Solución:
RQ,
Como y ,
son raíces del polinomio, sus conjugados deben serlo también, entonces, las
RQ, R,
raíces del polinomio son: *3, , *, ,
,son todas las raíces del polinomio.
,
1 * 2 1 * 2
Entonces: M'(/ 1 '( - 3/'( * 1/'( - / p( * q p( - q
2 2
5
Entonces: M'(/ 1 '( - 3/'( , * 1/ p( , * ( - q
4
Si se multiplica el polinomio obtenido por cualquier constante, se obtiene otro polinomio que
tiene las mismas raíces.
Para obtener un polinomio con coeficiente enteros, se multiplica por 4 el polinomio obtenido.
5
M'(/ 1 '( - 3/'( , * 1/ p( , * ( - q 1 4( 7 - 8( ) * 11( F - 7( , - 7( * 15
4
Ejemplo 1.45
1.45.
45.
Encontrar las raíces reales del polinomio ( 8x5 – 12x4 + 89x3 – 23x2 + 228x – 290), se sabe que
− 3 + 7i
dos de sus raíces son 1 y
4
Solución:
− 3 + 7i − 3 − 7i
Como es raíz del polinomio, su conjugado también lo es. Entonces se calcula
4 4
 − 3 + 7i   − 3 − 7i  1 2 17 29
el producto: (x – 1)  x −  x−  = x3 + x + x −
 4   4  2 8 8
1 2 17 29
Dividiendo: (8x5 – 12x4 + 89x3 – 23x2 + 228x – 290) ÷ (x3 + x + x− )
2 8 8
Se obtiene: (8x2 – 16x + 80). De donde:
1 2 17 29
(8x5 – 12x4 + 89x3 – 23x2 + 228x – 290) = (x3 + x + x − ) (8x2 – 16x + 80)
2 8 8
Se resuelve: (8x2 – 16x + 80), sacando factor común (8) queda: 8(x2 – 2x + 10).
Hallando las raíces de (x2 – 2x + 10), se obtiene: (1 ± 3i).
− 3 + 7i − 3 − 7i
Las raíces del polinomio son: 1, 1 + 3i, 1 – 3i, ,
4 4
EJERCICIOS RESUELTOS
Observación: En la mayoría de los casos se omiten las tablas de valores
Ejercicio
Ejercicio resuelto Nº 1 y
Graficar la función y halla la raíz 4

: 1 3( * 2 3
2
( 0 2 1
: -2 4
x
-3 -2 -1 1 2 3
-1
3( * 2 1 0 -2
2
(1
-3
3 -4
,
La raíz de la función es F Fig. 1.2
1.23.
Ejercicio resuelto Nº 2
Halla el dominio y el codominio de la siguiente función y grafique.
;'(/ 1 ( , * 2( * 1
Solución:
La función es cuadrática, por lo tanto polinomial, y el dominio de toda función polinomial es el
conjunto de los reales A, por lo tanto el dominio de la función es y*∞, -∞z y la parábola habre
hacia arriba, pues el coeficiente de ( , t{ 1, : 1 \ 0.
De: ;'(/ 1 ( , * 2( * 1; K 1 1, L 1 *2, ? 1 *1

y
4
Qf
Las coordenadas vértices se halla por: ( 1
,g
3
*L *'*2/ 2
(1 1 1 1© 2
2K 2'1/ 2
: 1 ;'1/ 1 1, * 2.1 * 1 1 1 * 2 * 1 1 *i
1
El vértice está en '1, *2/

-2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4
El codominio de la función es y*2, ∞y, pues la

-1
grafica abre hacia arriba y la ordenada del vértice -2
es *2.
Las raíces de la ecuación se pueden hallar por la fórmula
general de las ecuaciones de segundo grado. Fig. 1.24
1.24.
Halla el dominio y el codominio de la siguiente función y grafique.
;'(/ 1 *2( , - 3( 1.5 y
Solución: 1
El dominio de la función es '*∞, -∞/
0.5
La parábola abre hacia abajo, pues el coeficiente
de ( , t{ * 2, y *2 ] 0.
x
-0.5 0.5 1 1.5 2

-0.5
Las coordenadas vértices: -1
*L *'3/ *3 3
(1 1 1 1
2K 2'*2/ *4 4
-1.5
3 3 , 3 9 9 ª
-2
: 1 ; p q 1 *2. p q - 3. p q 1 * - 1
4 4 4 8 4 «
F ¬
El vértice está en a) , c Fig. 1.25
1.25
¬
El codominio de la función es] *∞, z, pues la grafica abre hacia abajo y la ordenada del
¬
vértice es .
Sea la función ;'(/ 1 *( F - 3
y
4
Halla el dominio, el codominio, una raíz y grafica.
3
Solución:
El dominio de la función es: '*∞, -∞/ 2
El codominio de la función es: '*∞, -∞/ 1

La gráfica corta al eje : en 3 (termino independiente) x
El valor de ( esta dado por: *( F - 3 1 0 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

(F 1 3 > ( 1 √3 1 1,442249 …
-1
-2
Fig. 1.26
1.26
De la funcion ;'(/ 1 *( ) * ( , - ( * 1. Halla: y
x
El dominio, el codominio y grafica. -2 -1.5 -1 -0.5 0.5 1 1.5 2

-0.5
Solución: -1
El dominio de la función es: '*∞, -∞/ -1.5
El codominio de la función es: '*∞, *0,785z -2
La gráfica corta al eje : en *1 (termino -2.5
independiente) -3
La grafica no corta al eje de las (, por lo tanto la -3.5
ecuación no tiene ninguna raíz real, y como la -4
ecuación es de cuarto grado, debe tener cuatro
raíces; en este caso, todas son complejas.
Fig. 1.27
1.27
De la funcion ;'(/ 1 √4 * 2(. Halla:

3
2.5
El dominio, el codominio y grafica. 2
1.5
Solución:
El dominio de la función es: '*∞, 2z
1
El codominio de la función es: y0, ∞/

0.5
x
La gráfica corta al eje : en 2 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5
La única raíz de la función es ( 1 2

-0.5
-1
Fig. 1.28
1.28
De la funcion ;'(/ 1 √9 * ( , . Halla: 3
El dominio, el codominio, las raices y grafica. 2
Solución:
1
El dominio de la función es: y*3, 3z
El codominio de la función es: y0, 3z
x
-3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5

La gráfica corta al eje : en 3
Las raíces son *3 : 3
-1
Fig. 1.29
1.29. -2
8
De la funcion ;'(/ 1 √( , * 3( * 4. Halla:
El dominio, el codominio, las raices y grafica. 6
Solución: 4
El dominio de la función es: '*∞, *1z ® y4, ∞/
El codominio de la función es: y0, ∞/ 2
La gráfica corta al eje : en 2 x
Las raíces son *1 : 4 -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8
Fig. 1.30.
1.30. -2
Sea la función: ;'(/ 1 2( F - ( , * 5( - 3, verificar la cantidad de raíces reales de la ecuación.
Solución:
Se grafica la función y se observa que ésta corta al eje de las ( en un solo punto, lo que indica
que esta ecuación tiene una raíz real. La función es cúbica, por lo tanto las otras dos raíces son
complejas (las raíces complejas están siempre en pares conjugados).
;'(/ 1 2( F - ( , * 5( - 3
y
( : 7
*1 7
6
5
*2 1 4
0 3 3
1 1 2
1
2 13 x
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

-1
Fig. 1.3
1.31.
Halla todas las raíces del polinomio M'(/ 1 ( F - 5( , * 17( * 21 aplicando la regla de Ruffini
y sabiendo que una de las raíces es 3.
¯°±²³´ó
óµ 1 5 * 17 * 21
3 3 - 24 - 21
1 8 7 0
'( F - 5( , * 17( * 21/ '( * 3/ 1 ( , - 8( - 7
Para resolver la ecuación de segundo grado se puede aplicar la formula general, o
simplemente un caso de factoreo de trinomios.
Factorizando se tiene: ( , - 8( - 7 1 '( - 7/'( - 1/
Luego: ( F - 5( , * 17( * 21 1 '( * 3/'( - 7/'( - 1/
Por lo tanto las raíces son: 3, *7, *1
Verificar si 2 es una solución de la ecuación: P'x/ 1 x ) * 5x * 6
Solución:
Para verificar si K 1 2 es raíz de la ecuación, se sustituye en la ecuación y se obtiene
M'(/ 1 ( ) * 5( * 6
;'2/ 1 2) * 5 2 * 6 1 16 * 10 * 6 1 0
Al hallar ;'2/ 1 0, indica que 2 es una raíz de la ecuacion
Halla la raíz de la ecuación 2( 1 *4 en N (conjunto de los números naturales).
Solución:
*4
2( 1 *4 > (1 1 *2
2
Bajo estas condiciones la ecuación 2( 1 *4 no tiene solución, ya que no existe ningún
número natural igual a *2. Sin embargo, existe solución a esta ecuación, pero en Z (conjunto
de los números enteros), ya que *21 pertenece a los números enteros.
Resolver la ecuación: ( * 1 1 √5 * (
Solución
( * 1 1 √3 * (
,
'( * 1/, 1 G√3 * (I
( , * 2( - 1 1 3 * (
(, * ( * 2 1 0
De donde se obtiene que: ( 1 2 : ( 1 *1
Al sustituir ( 1 2 en la ecuación ( * 1 1 √3 * (, éste se verifica, o sea, hace la proposición
verdadera. Sin embargo, al sustituir ( 1 *1 en la ecuación ( * 1 1 √3 * (, esta no se
verifica, por lo tanto *1 no es solución de la ecuación original, luego, *1 es una solución
extraña de la ecuación.
Calcular el valor del residuo de la división, sin efectuar la división: '( F * 3( , - 2/ '( - 1/
Solución
Según el teorema del residuo, el residuo de la división '( F * 3( , - 2/ '( - 1/ es el valor del
polinomio M'(/ 1 '( F * 3( , - 2/ cuando ( 1 *1.
M'*1/ 1 ''*1/F * 3 '*1/, - 2/ 1 *1 * 3 - 2 1 *2
El residuo es *2.
Determinar si '( * 2/ es factor de M'(/ 1 ( 7 - 2( F * 3( , - 5( * 46
Solución
De acuerdo al teorema del factor '( * 2/ es factor de M'(/ si y solo si M'2/ 1 0
M'(/ 1 ( 7 - 2( F * 3( , - 5( * 46
M'2/ 1 27 - 2 2F * 3 2, - 5 2 * 46
M'2/ 1 32 - 16 * 12 - 10 * 46 1 0
Luego '( * 2/ es factor de la ecuación dada: ( 7 - 2( F * 3( , - 5( * 46.
Verificar en qué intervalo se encuentra una raíz real de la ecuación 5( ) * 3( , * 1
Solución
La más fácil y simple manera de verificar en que intervalos se encuentran las raíces de un
polinomio es graficándolo (fig. 1.32).
y
0.5
Claramente se nota que una raíz real se
Encuentra en y*1, *0.8z x
Otra raíz real en y0.8, 1z

-1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2
Se verifica por el teorema de Bolzano -0.5
;'K/ ;'L/ ] 0
;'(/ 1 5( ) * 3( , * 1
-1
;'0.8/ 1 5'0.8/) * 3'0.8/, * 1 -1.5

;'0.8/ 1 2,048 * 1,92 * 1 1 *0,872
;'1/ 1 5'1/) * 3'1/, * 1 Fig. 1.32. -2
;'1/ 1 5 * 3 * 1 1 1
Luego ;'0.8/ : ;'1/ tienen signos opuestos, y por el teorema de Bolzano existe una raíz real
en el intervalo y0.8, 1z
La misma verificación puede hacerse con el otro intervalo y*1, *0.8z
M'(/ 1 ( 7 - 2( ) - 3( F * 2( , - 6( * 1
Solución
Solución
El polinomio es de grado cinco (5º grado), por lo tanto puede tener como máximo cinco raíces.
Según la ecuación M'(/ 1 ( 7 - 2( ) - 3( F * 2( , - 6( * 1

Los cambios de signos del polinomio son 3 (tres), esto indica que el polinomio puede tener
tres raíces positivas o solo una.
Según la ecuación M'*(/ 1 *( 7 - 2( ) * 3( F * 2( , * 6( * 1
Los cambios de signos de este polinomio son dos (dos), indicando que el polinomio puede
tener dos raíces negativas o ninguna.
y
La grafica (fig. 1.33) evidencia que existe una sola 4
raíz real en el polinomio considerado.

2
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4
-2
-4
-6
Fig. 1.33.
Encontrar las raíces racionales del polinomio:
M'(/ 1 9( 7 - 2( ) * 4( F * 7( - 5
Solución:
M'(/ 1 9( 7 - 2( ) * 4( F * 7( - 5
M'1/ 1 9 - 2 * 4 * 7 - 5 1 5
El coeficiente del término de grado mayor '9( 7 / es 9, el término independiente es '5/, y al
evaluar el polinomio en M'1/, el resultado obtenido es '5/. Los tres números '9, 5, 5/ son
impares, se concluye que el polinomio no tiene raíces racionales, por lo tanto se debe
proceder de otra manera para concluir con precisión.
EJERCICIOS DE FIJACIÓN6
Cada ejercicio y problema va acompañado de sus respectivos resultados.

Los distintos gráficos de cada ejercicio aparecen en la parte final de este capítulo
Ejercicio 1.1.
1.1
7
Grafica la función y halla la raíz del polinomio: : 1 2( - 5 Raíz: * , 1 *2.5
Ejercicio 1.2.
2) Halla el dominio, el codominio, las raíces y grafica la siguiente función: 2( , - 3( - 1
1
¯°±²³´óµ: dominio 1 '*∞, ∞/ codominio 1 ¶* , ∞q 1 y*0.25, ∞/ raices 1 *1, *0,5
4
6
Extraídos de: Oteyza de Oteyza, Emma Lam Osnaya. Hernández Garciadiego, Carlos. Carrillo Hoyo,
Ángel Manuel. Temas Selectos de Matemáticas. Prentice Hall. México 1998.
Halla el dominio, el codominio, las raíces y grafica la siguiente función: ( , * 5( * 3

Ejercicio
Ejercicio 1.3.
¯°±²³´óµ: dominio 1 '*∞, ∞/ codominio 1 y*9.25, ∞/ raices 1 *1, *0.5
Halla el dominio, el codominio, una raíz real y grafica la siguiente función: ( F * 5

Ejercicio 1.4.
¯°±²³´óµ: dominio 1 '*∞, ∞/ codominio 1 '*∞, ∞/ raiz 1 1,71
Halla el dominio, el codominio y grafica la siguiente función: ( ) - 3( , * 2( * 3

Ejercicio 1.5
1.5.
¯°±²³´óµ: dominio: '*∞, ∞/ codominio 1 y*3.32, ∞/
Halla el dominio, el codominio, la raíz y grafica la siguiente función: √8 * 3(

Ejercicio 1.6.
1.6.
¯°±²³´óµ: dominio: '*∞, 2.67z codominio 1 y0, ∞/ raiz 1 2,67
Halla el dominio, el codominio, las raíces y grafica la siguiente función: √16 * 2( ,

Ejercicio 1.7.
1.7.
¯°±²³´óµ: dominio: y*2.8284, 2.8284z codominio 1 y0, 4z raices 1 *2.828 y 2.828
Halla el dominio, el codominio, la raíz y grafica la siguiente función: √3( , * 2( - 5

Ejercicio 1.8.
1.8.
¯°±²³´óµ: dominio: '*∞, ∞/ codominio 1 y2.2, ∞/ raices 1 complejas
Efectúa las siguientes divisiones utilizando la Regla de Ruffini
'4( - 6( , * 8( * 2/ '( * 1/
F
¯°±²³´óµ: 4( , - 10( * 2
Ejercicio 1.9
1.9.
'1 * ( / '1 - (/

¯°±²³´óµ: 1 * ( * ( , - ( ) * ( 7 - ( * (
Ejercicio 1.10
1.10.
'( - 1/ '( - 1/
7
¯°±²³´óµ: ( ) * ( F - ( , * ( - 1
Ejercicio 1.11
1.11.
'2( F - 7( , - 4( * 3/ '( * 3/ ¯°±²³´óµ: 2( , * ( - 1

Ejercicio 1.12.
1.12.
'( * 81/ '( - 3/

)
¯°±²³´óµ: ( F * 3( , - 9( * 27
Ejercicio 1.1
1.13.
32
Ejercicio 1.14.
1.14.
'2( F - 8( , * 17( - 10/ '( - 6/ ¯°±²³´óµ: 2( , * 4( - 7 *
(-6
4
Ejercicio 1.15
1.15.
'4( 7 * 9( F * 11( , * 8/ '( * 2/ ¯°±²³´óµ: 4( ) - 8( F - 7( , - 3( - 6 -
(*2
4
Ejercicio 1.16
1.16.
'( - ( ) - ( , - 1/ '( - 1/ ¯°±²³´óµ: ( 7 * ( ) - 2( F * 2( , - 3( * 3 -
(-1
'( - ( - ( F * 3/ '( * 1/
¬
Ejercicio 1.17.
1.17.
¯°±²³´óµ: 1 ( - ( - ( - 2( 7 - 2( ) - 2( F - 3( , - 3( - 3
De las siguientes divisiones, calcular el valor del residuo sin efectuar la división
divisiones, calcular
'( F - 2( * 56/ '( * 9/ ·¸¹´º²° 1 691

Ejercicio 1.18
1.18.
18.
'( - 9( * 12( - 31/ '( - 7/

F ,
·¸¹´º²° 1 213
Ejercicio 1.19
1.19.
19.
'( ) - ( F * 2( , * 2(/ '( - 2/ ·¸¹´º²° 1 4

Ejercicio 1.20
1.20.
'( - 8( , - 2( - 15/ '( - 8/

F
·¸¹´º²° 1 *1
Ejercicio 1.21
1.21.
Determina si '8 * k/ es factor de los siguientes polinomios.

En cada caso se da el valor de a.
M'(/ 1 5( F * 3( - 12, K17 ¯°±²³´óµ: '( * 7/ no es factor

Ejercicio 1.22
1.22.
M'(/ 1 *( 7 * 6( ) * 7( F - 5( , - 6( - 8, K 1 *4 ¯°±²³´óµ: '( - 4/ { es factor

Ejercicio 1.23
1.23.
M'(/ 1 *2( 7 - 4( ) * 3( F - 5( , - 7( * 10, K12 ¯°±²³´óµ: '( * 2/ { es factor

Ejercicio 1.24
1.24.
Verificar si el valor de k es raíz de la ecuación dada.
5
Ejercicio 1.25.
1.25.
M'(/ 1 12( F - 32( , * 17( * 15, K1 ¯°±²³´óµ: 12( , - 42( - 18
6
1
Ejercicio 1.26.
1.26.
M'(/ 1 24( F * 10( , * 7( - 2, K1 ¯°±²³´óµ: 24( , - 4( * 8
4
1
Ejercicio 1.27
1.27.
27.
M'(/ 1 9( 7 * ( ) * 729( - 81, K1 ¯°±²³´óµ: 9( ) * 729
9
Encuentre las raíces racionales de los polinomios
1 2 3
Ejercicio 1.2
1.28.
M'(/ 1 24( F * 22( , * 5( - 6, ·»´³¸¹: * , ,
2 3 4
1 2
Ejercicio 1.29
1.29.
29.
M'(/ 1 27( ) - 63( F * 57( , * 7( - 6, ·»´³¸¹: d , , 3
3 3
1 1 1
Ejercicio 1.30
1.30.
M'(/ 1 40( ) - 202( F - 3( , * 34( - 5, ·»´³¸¹: , , * , *5
4 5 2
M'(/ 1 3( 7 * 4( ) * 2, ·»´³¸¹: no tiene

Ejercicio 1.31
1.31.
1 1 1
Ejercicio 1.32
1.32.
M'(/ 1 36( 7 * 12( ) * 95( F * 50( , * ( - 2 ·»´³¸¹: * 1, 2, , * ,
2 3 6
1 1 1
Ejercicio 1.33
1.33.
M'(/ 1 64( 7 * 56( ) * 242( F - 223( , * 56( - 4 ·»´³¸¹: 2, *2, 2, , ,
2 3 6
De los siguientes polinomios,

polinomios, determine el número de raíces positivas y negativas.
M'(/ 1 3( ) - 3( F * 7( , * 12( * 4 ¯°±²³´óµ: 1 raiz'-/ y 3 raices '*/

Ejercicio 1.34.
1.34.
Ejercicio 1.35.
1.35.
M'(/ 1 10( , * ( F * 15( * 25 ¯°±²³´óµ: 1 4 raices'-/ y 1 raiz '*/

M'(/ 1 7( * 23( * 5( 7 - 4( ) - 6( F * 23 ¯°±²³´óµ: 1 raiz '*/

Ejercicio 1.36.
1.36.
M'(/ 1 4( 7 * 2( ) * 15( F - 10( , - 12( * 8 ¯°±²³´óµ: 3 raices'-/ y 2 raices '*/

Ejercicio 1.37.
1.37.
M'(/ 1 3( * 5( 7 * 11( ) - 28( F - 16( , * 32( * 16 ¯°±²³´óµ: 3 raices'-/ y 3 raices '*/

Ejercicio 1.38
1.38.
38.
De cada polinomio dado, encontrar un número entero que sea cota superior e inferior.
M'(/ 1 ( 7 - 6( ) * 6( F * 64( , * 27( - 90 ¯°±²³´óµ: \ 4 : ] *7

Ejercicio 1.39
1.39.
39.
M'(/ 1 ( 7 - 9( ) - 21( F - 21( , - 20( - 12 ¯°±²³´óµ: \ 1 : ] *9

Ejercicio 1.40
1.40.
M'(/ 1 2( 7 - 25( ) * 22( F * 113( , - 56( - 52 ¯°±²³´óµ: \ 3 : ] *14

Ejercicio 1.41
1.41.
Mostrar que A es una cota inferior y B es una cota superior para las raíces del polinomio dado y
encontrar todas las raíces reales.
Ejercicio 1.42
1.42.
M'(/ 1 3( ) * 10( F * 27( , - 82( * 24 ¯°±²³´óµ: < 1 *4, =16
M'(/ 1 3( 7 * 22( ) - 22( F - 16( , * 25( - 6 ¯°±²³´óµ: < 1 *2, =18

Ejercicio 1.43
1.43.
43.
M'(/ 1 4( F * 56( , - 259( * 396 ¯°±²³´óµ: < 1 *1, = 1 14

Ejercicio 1.44
1.44.
44.
M'(/ 1 ( - 10( ) - 19( F - 26( , - 17( - 8

7
¯°±²³´óµ: < 1 *10, = 1 2
Ejercicio 1.45
1.45.
45.
Encontrar en cada caso un polinomio con coeficientes enteros que satisfaga las condiciones
dadas.
Ejercicio 1.46
1.46.
46.
Polinomio de grado 3, ¨R 1 2, ¨, 1 '3 - /
¯°±²³´óµ: M'(/ 1 ( F * 8( , - 22( * 20
Ejercicio 1.47
1.47.
47.
Polinomio de grado 4, ¨R 1 , ¨, 1 G2 - √2I
¯°±²³´óµ: M'(/ 1 ( ) * 4( F - 7( , * 4( - 6
Ejercicio 1.48
1.48.
48.
7
Polinomio de grado 3, ¨R 1 *, ¨, 1
3
¯°±²³´óµ: M'(/ 1 35( F * 7( , - 35( * 7
Ejercicio 1.49
1.49.
49.

Polinomio de grado 4, ¨R 1 √5, ¨, 1 *√5, ¨F 1
6
¯°±²³´óµ: M'(/ 1 36( ) * 179( , * 5
Ejercicio 1.50
1.50.
50.
Polinomio de grado 5, ¨R 1 '6 * 3/, ¨, 1 ' - 7/, ¨F 1 12
¯°±²³´óµ: M'(/ 1 ( 7 * 38( ) - 575( F * 4386( , - 17010( * 27000
Encontrar las raíces del polinomio utilizando la raíz dada, en cada caso.
Ejercicio 1.5
1.51.
M'(/ 1 ( ) - 2( , - 1, { ¨R 1 * ¯°±²³´óµ: , *
Ejercicio 1.5
1.52.
M'(/ 1 ( ) * 4( F * 15( , - 80( * 100, { ¨R 1 '2 * /
¯°±²³´óµ: '2 - /, '2 * /; √20, *√20
Ejercicio 1.53
1.53.
53.
7
M'(/ 1 8( ) * 49( F - 87( , * ( * 105, { ¨R 1 *
8
7
¯°±²³´óµ: * , 3, '2 - /, '2 * /
8
Ejercicio 1.54
1.54.
54.
54/ M'(/ 1 ( ) * 2( F - 24( , * 50( * 25, { ¨R 1 5
¯°±²³´óµ: 5, *5, 1 - √2, 1 * √2
GRÁFICA DE LOS EJERICIOS DE FIJACIÓN
Ejercicio Nº 1 Ejercicio Nº 2 Ejercicio Nº 3

y y y
2
5 5
x
4 4 -2 -1 1 2 3 4 5 6
3 3 -2
2
2 -4
1
1
x
-6
x
-3.5 -3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5
-3.5 -3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5
-8
-1
-1

y y y
x
1 3.5
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2
0.5 3
-1 x
2.5
-1 -0.5 0.5 1 1.5
-2 -0.5 2
-1 1.5
-3
-1.5 1
-4 -2 0.5
x
-2.5
-5 -1 -0.5 0.5 1 1.5 2 2.5 3
-3 -0.5
-6 -3.5 -1

y y y
10
4 8
8
3 6
6
2 4
4
2
1
2 x
x -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2
-3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 x
-2
-5 -4 -3 -2 -1 1 2 3 4 5
-1
-4
-2

y y y
1.5
1
1
1 x
0.5 -2.5 -2 -1.5 -1 -0.5 0.5 1
0.5
x
-1
-1.5 -1 -0.5 0.5 1 x
-1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 -2
-0.5
-0.5
-3
-1
-1

y y y
3
x
2 15 -3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3
1
-2
x
10
-3 -2 -1 1 2 3
-4
-1
-2 5
-6
-3
x
-4 -8
-6 -5 -4 -3 -2 -1 1 2
-5
-10

y y y
2.5 x
1
-1.5 -1 -0.5 0.5 1
2
-0.5
0.5
1.5 -1
x
-1.5 -2 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2
1
-2
-0.5
0.5
-2.5
x -1
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 -3
-0.5 -3.5 -1.5

y y y
3 3 1.5
1
2 2
0.5
1 1 x
-3 -2.5 -2 -1.5 -1 -0.5 0.5 1

x x
-0.5
-4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0.5 1 -1 -0.5 0.5 1 1.5 2 2.5
-1
-1
-1
-1.5
-2
-2 -2
-3 -2.5

y y y
0.2
2.5 4
2 3
0.1
2
1.5 x
-0.1 -0.05 0.05 0.1 0.15 1

1 x
-0.1 -5 -4 -3 -2 -1 1 2 3
0.5 -1
x
-0.2 -2
-1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1
-3
-0.5
-0.3
-4
-1

y y y
3 2 2.5
1.5
2 2
1
1
0.5 1.5
x x
-6 -5.5 -5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 1
-1 -0.5
-1 0.5
-2
-1.5 x
-3 -1.5 -1 -0.5 0.5 1
-2
-4 -2.5 -0.5

y y y
3 1
2
2 0.5
1 x
1
-0.5 0.5 1 1.5 2 2.5
x x
-4 -3 -2 -1 1 2 3 4 5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5 -0.5
-1 -1 -1
-2
-1.5
-2
-3
-2
-3
-4
CÁPITULO 2 TEORÍA DE ERRORES 53
CAPÍTULO 2.
TEORÍA DE ERRORES
Introducción
En la actividad matemática, la ingeniería, la informática y muchas otras ciencias, existen
fenómenos muy variados que necesariamente deben ser representados por modelos
matemáticos. Estos modelos, por su complejidad o por características particulares no
presentan soluciones exactas y las más de las veces no son fáciles de hallarlas, y es aquí, donde
los métodos numéricos proporcionan soluciones aproximadas a los problemas que surgen de
situaciones muchas veces no solucionables por métodos matemáticos tradicionales.
El cálculo numéricos es aquel que aplicando métodos obtiene resultados numéricos que se
aproximan a los resultados exactos que se obtendrían aplicando la solución analítica de un
problema; estos resultados pueden ser hallados con la precisión que se desee y precisando
con anterioridad los márgenes de errores de acuerdo a la rigurosidad y precisión de los
resultados esperados.
Los métodos numéricos se utilizan para resolver problemas que presentan dificultad para
hallar soluciones por medio de los métodos analíticos tradicionales, o situaciones
problemáticas que no sean sencillos de resolverlos. Estos métodos proporcionan una sucesión
de valores que se aproxima a la solución del problema.
Al resolver un problema por métodos numéricos se tendrán siempre presente los errores,
siendo éstos de distintos tipos.
Al aplicar un método numérico a cualquier situación problemática, se debe emplear un
criterio de convergencia, citando con antelación la precisión que se necesite de acuerdo al tipo
de problema a solucionar.
Al final, el objetivo de los Métodos Numéricos es simplemente resolver problemas numéricos
complejos utilizando operaciones matemáticas simples, con el fin de desarrollar y evaluar
métodos para calcular resultados numéricos a partir de los datos proporcionados,
denominándose algoritmos a estos métodos de cálculo.
Aproximación numérica
En la práctica, los cálculos realizados y los resultados esperados no siempre son exactos, sobre
todo en la ciencia y la ingeniería, y muchas veces se debe estar conforme con los resultados
obtenidos que son aproximaciones bastantes precisas y validas, brindadas por los métodos
numéricos.
Por la dificultad que presenta muchas veces elaborar un modelo matemático que se acerca o
sea válida para lo que se desea, los resultados obtenidos de tales modelos son casi siempre
aproximados; debido a simplificaciones en la elaboración de los modelos y muchas veces por
no tomar todos los factores que afectan a un determinado fenómeno. Un ejemplo simple de
física seria lo referido a problemas de caída libre, donde se desprecia el rozamiento del aire
con el cuerpo en caída libre, sin embargo, en ciertas condiciones, esta situación puede ser muy
importante y muy relevante en la solución real del problema.
Modelos matemáticos:
Un modelo matemático es uno de los tipos de modelos científicos que emplea formulaciones
matemáticas para expresar relaciones, proposiciones, variables, parámetros, entidades y las
relaciones entre variables, operaciones o entidades, para analizar y estudiar comportamientos
de sistemas complejos ante situaciones difícilmente observables en la realidad.
En matemáticas el significado de modelo matemático, es un poco diferente, pues se trabaja
con modelos formales. Un modelo formal para una determinada teoría matemática es un
conjunto sobre el que se han definido un conjunto de relaciones, que satisface las
proposiciones derivadas del conjunto de axiomas de la teoría. La teoría de modelos es la
encargada de estudiar sistemáticamente las propiedades de los modelos matemáticos.
Los modelos matemáticos requieren de parámetros, que en la mayoría de los casos provienen
de mediciones experimentales y, por lo tanto, tienen una precisión limitada, que depende de
factores externos como los instrumentos de medición, el clima o los métodos aplicados.
Los modelos matemáticos resultantes de una modelización normalmente son imposibles de
resolver por métodos analíticos conocidos y la solución deseada solamente es posible
aproximar por métodos numéricos. Por ejemplo una ecuación de quinto grado.
Errores
Los métodos numéricos presentan errores inevitables, por lo tanto se debe considerar tal
situación como algo inherente al cálculo numérico.
Error absoluto:
Definición 1.1. Si ( U AP : ( U AP , es una aproximación a (, se define el error absoluto como:
1 |( * ( |
En forma práctica puede representarse el valor verdadero con ¿À y el valor aproximado con ¿g ,
esto es por el excesivo uso de la ( en este material, por lo tanto, el error absoluto también
puede definirse como la diferencia entre el valor verdadero y el valor aproximado y se
representarse por:
1 |¿À * ¿g |
Teorema 2.1.
El error absoluto de una suma es igual a la suma algebraica de los errores absolutos de los
términos que participan en dicha operación.
En varios números aproximados en el mismo sentido, el error absoluto de la diferencia es
menor que el mayor de los errores absolutos de sus términos.
El sentido del error es del mismo sentido si el error del minuendo es mayor que el del
sustraendo, y de distinto sentido en caso contrario.
Ejemplo 2.1.
Sea la cantidad exacta 5 y el número aproximado 5,3. Sea la cantidad exacta 2 y el número
aproximado 2,1. Verifica si se cumple el teorema 2.1.
Solución
Sea la cantidad exacta 5 y el número aproximado 5,3. El error absoluto es: 0,3.
Sea la cantidad exacta 2 y el número aproximado 2,1. El error absoluto es: 0,1
Luego: 5 – 2 1 3; diferencia entre las cantidades exactas.
5,3 – 2,1 1 3,2

3,2; diferencia entre las cantidades aproximadas.
0,3 – 0,1 1 0,2;
0,2 diferencia entre los errores absolutos.
El error absoluto de la diferencia es 0,2, y 0,3 es el mayor error absoluto de uno de sus
términos; por lo tanto: 0,2 < 0,3,
0,3 cumple la condición.
El error es del mismo sentido ya que el error del minuendo es mayor que el error del
sustraendo.
Ejemplo 2.2
2.2.
Sean: 8, 2 y 10 los números exactos y su suma: 8 +2 + 10 1 20
Sean: 8,2; 2,1 y 10,2 los números aproximados y su suma: 8,2 + 2,1 + 10,2 1 20,5.
20,5
Hallar el error absoluto.
Solución
1 |¿À * ¿g | 1 |20 * 20,5| 1 0,5
La suma algebraica de los errores absolutos es: 0,2 + 0,2 + 0,2 1 0,5
Ejemplo 2.3
2.3.
Sea el resultado de una operación en donde se comprueba que el valor exacto es 8 y El valor
aproximado hallado es 8,2. Calcular el error absoluto.
Solución
1 |¿À * ¿g | 1 |8 * 8,2|0,2
Existen varias maneras de representar el error absoluto, una de las formas también utilizada
con frecuencia es. tg '(/ 1 |( * (Ä |
Error relativo:
Definición 1.2. Si ( U AP : ( U AP , es una aproximación a (, se define el error relativo como:
|( * ( |
Å 1 (X0
|(|
En forma práctica, el error relativo se define como el cociente entre en error absoluto y el
valor verdadero, se representa por:
|¿À * ¿g |
Å 1 1 ¿À X 0
|¿À | |¿À |
Teorema 2.2.
El error relativo de una suma de varios números aproximados está situado entre el menor y el
mayor de los errores relativos de los sumandos, mientras tales números presenten errores
relativos del mismo sentido.
Ejemplo 2.4
2.4.
Sean: 2, 10 y 5 los números exactos y sean: 2,1; 10,2 y 5,3 los números aproximados
respectivamente. Demostrar el cumplimiento del teorema 2.2.
Solución
Sean: 2, 10 y 5 los números exactos y su suma: 2 +10 + 5 1 17
Sean: 2,1; 10,2 y 5,3 los números aproximados y su suma: 2,1 + 10,2 + 5,3 1 17,6
El error absoluto de la suma es: 17,6 – 17 1 0,6
El error relativo de la suma es: 1 0,035294117.....

0,6
El error relativo de cada sumando es: 0,05; 0,02 y 0,06

17
Luego: 0,02 < 0,0352..... < 0,06

Por lo tanto cumple la condición.
Teorema 2.3.
El error relativo del producto de dos números tiene el mismo valor que la suma de los errores
relativos de los factores más el producto de esos mismos errores.
Ejemplo 2.5.
Sean: 5 y 10 los números exactos y sean 5,3 y 10,2 los números aproximados,
respectivamente. Realiza las operaciones para demostrar el teorema 2.3.
Solución
Sean: 5 y 10 los números exactos y su producto: 5 × 10 1 50
Sean 5,3 y 10,2 los números aproximados y su producto: 5,3 × 10,2 1 54,06
El error absoluto del producto es: 54,06 – 50 1 4,06
El error relativo es: 1 0,0812

4,06
El error relativo entre 5 y 5,3 es 0,06

50
El error relativo entre 10 y 10,2 es 0,02

Luego: 0,06 + 0,02 + '0,06 × 0,02/ 1 0,06 + 0,02 + 0,0012 1 0,0812
Por lo tanto cumple la condición al tener la igualdad: 0.0812 1 0,0812
Teorema 2.4.
El error relativo del cociente de dos números dados es igual a la suma o la diferencia de los
errores relativos de los datos, dividida por el menor más uno.
Ejemplo 2.6
2.6.
Sean: 8 y 2 los números exactos, y cuyos números aproximados respectivamente sean: 8,2 y
2,. Verificar el teorema 2.4.
Solución
Solución
Sean: 8 y 2 los números exactos y su cociente: 8 ÷ 2 1 4
Sean: 8,2 y 2,1 los números aproximados y su cociente: 8,2 ÷ 2,1 1 3,904...
El error absoluto es: 3,904 – 4 1 – 0,096... El error relativo es: 1 – 0,024

− 0,096
4
El error relativo entre 8 y 8,2 es 0,025.

0,025 El error relativo entre 2 y 2,1 es 0,05
Luego: 1 1 – 0,024
0,025 − 0,05 − 0,025
0,025 + 1 1,025
Errores inherentes
Estos errores se deben principalmente a aquellos datos obtenidos experimentalmente y que
corresponden a los datos de entrada de un problema, debido principalmente al instrumento
de medición empleado, como a las condiciones de realización del experimento.
Errores de truncamiento
Estos errores son originados por aproximación de soluciones analíticas de un determinado
problema por medio de métodos numéricos.
È
(, (F () (P
t 11-(- - - -S1 Ç
u
2! 3! 4! T!
uÉ6
Por medio de la serie de Taylor se evalúa la función exponencial, que dicho sea de paso, es una
serie infinita. Siendo imposible tomar todos los términos de la serie, se requiere cortar o
truncar dicha serie después de cierto número de términos. Esta situación introduce a un error,
que es el error de truncamiento, que depende del método numérico empleado e
independiente de la manera de realizar los cálculos.
Los errores de truncamiento tienen relación con el método de aproximación que se usará ya
que generalmente frente a una serie infinita de términos, se tenderá a cortar el número de
términos, introduciendo en ese momento un error, por no utilizar la serie completa (que se
supone es exacta).
Error numérico total

El error numérico total se entiende como la suma de los errores de redondeo y truncamiento
introducidos en el cálculo.
Pero aquí surge un gran problema. Mientras más cálculos se tengan que realizar para obtener
un resultado, el error de redondeo se irá incrementando. Pero por otro lado, el error de
truncamiento se puede minimizar al incluir más términos en la ecuación, disminuir el paso o
proseguir la iteración (o sea mayor número de cálculos y seguramente mayor error de
redondeo).
Entonces, ¿qué criterio utilizar? ...lo ideal sería determinar el punto en que los errores de
donde empiezan a ocultar la ventaja de considerar un menor error de truncamiento.
En la práctica se debe considerar que actualmente las computadoras tienen un manejo de
cifras significativas mucho mayor que antes por lo que el error de redondeo se minimiza
enormemente, aunque no se debe dejar de considerar su aporte al error total.
Errores de redondeo
Estos errores se presentan al realizar los cálculos que todo método numérico o analítico
requieren y se deben a la imposibilidad de tomar todas las cifras que resultan de operaciones
aritméticas como productos y cocientes, teniendo que retener en cada operación el número de
cifras que permita el instrumento de cálculo, normalmente, una calculadora.
En este tipo de error existen dos situaciones que pueden perjudicar la precisión de la
operación y son:
a- Cuando se suman una sucesión de números, especialmente si estos decrecen en
valor absoluto.
b- Cuando se halla la diferencia entre dos números casi idénticos, ya que se
cancelan los dígitos principales.
Cuando las cantidades estudiadas pertenecen a los números irracionales las calculadoras y los
computadores cortan los números decimales introduciendo así un error de redondeo. Para
ilustrar, un ejemplo; el valor de "e" se conoce como 2.718281828... hasta el infinito.
Si se corta el número en 2.71828182 (8 cifras significativas luego del punto decimal) se está
obteniendo u error de E = 2.718281828 -2.71828182 = 0.000000008...
Sin embargo, considerando que el número que seguía al corte era mayor que 5, entonces
conviene dejar el número como 2.71828183, caso en el cual el error sería solo de
E = 2.118281828 -2.11828183 = -0.000000002.. , que en términos absolutos es mucho menor
que el anterior.
En general, el error de corte producido por las computadoras será muy inferior al error
introducido por un usuario, que generalmente corta a un menor número de cifras
significativas.
Dependiendo de la magnitud de los números con los que se trabaja, el error de redondeo
puede tener incidencia importante en el cálculo final.
Redondeo de un número
Con el redondeo de un número lo que se pretende es escribir un numero con menor cantidad
de dígitos significativos, representando dicha cantidad con el menor error posible.
Para redondear un número se fija a que cifra significativa se va a redondear dicho número. Si
el número a la derecha de la cifra fijada es mayor o igual a 5, se suma uno en el lugar donde se
quiere redondear, si es menor a 5, se deja el número donde se quiere redondear sin agregarle
nada.
Ejemplo 2.7.
Redondea los siguientes números a tres dígitos significativos:
a) 27,0670 b) 37,23 c) 7,415
Solución
a) 27,0670 = 27,1 b) 37,23 = 37,2 c) 7,415 = 7,42
Ejemplo 2.8
2.8.
Redondea las siguientes cantidades a números enteros:
a) 23,617 b) 237,21 c) 7,5
Solución
a) 23,617 = 24 b) 237,21 = 237 c) 7,5 = 8
Ejemplo 2.9
2.9.
Redondea las siguientes cantidades a dos cifras decimales:
a) 57,2367 b) 0,789 c) 92,3341
Solución
a) 57,2367 = 57,24 b) 0,789 = 0,79 c) 92,3341 = 92,33

Redondeo truncado
El redondeo truncado consiste en truncar el resultado de una operación al número de cifras
F
significativas que se estén utilizando. Por ejemplo sí se redondea a cuatro cifras

significativas se tiene 0.4285.
Redondeo simétrico
El redondeo simétrico consiste en aumentar en uno la última cifra retenida sí la primera cifra
descartada está entre 5 y 9, o dejarla igual sí la primera cifra descartada está entre 0 y 4. Por
F
ejemplo sí se redondea a 4 cifras significativas tenemos 0.4286.

Para verificar estos dos tipos de errores, se realiza la siguiente operación:
3 4
- 11
7 7
Empleando únicamente 4 cifras significativas y usando los dos tipos de redondeo. Se obtiene:
0.4285 + 0.5714 1 0.9999 'Redondeo truncado/
0.4286 + 0.5714 1 1.0000 'Redondeo simétrico/
Se concluye que por lo general el redondeo simétrico lleva a resultados más precisos.
Error porcentual
Este tipo de error consiste simplemente en el error relativo expresado en por ciento '%/. Se
expresa matemáticamente por:
% 1 Å 100'%/ 1
|¿À * ¿g |
100'%/ 1 100'%/
|¿À | |¿À |
Ejemplo 2.10
Ejemplo
Calcular la función {tT (, para ( 1 2 por métodos numéricos y halla su error absoluto, el
error relativo y el error porcentual. Considera el cálculo de {tT ( con F .
Solución
Calcular el valor de la función {tT (2) mediante su serie de Taylor.
La serie de Taylor de la función seno es:
È
(F (7 ( ( ,PR
{tT ( 1 ( * - * - S 1 Ç(*1)P
3! 5! 7! 2T - 1
PÉ6
Como es imposible realizar la suma total de la serie, se debe truncarla en algún punto, así se
obtiene la sucesión:
(F (F (7 (F (7 (
(, ( * ,( * - ,( * - * ,…
3! 3! 5! 3! 5! 7!
Si se denota como:
(F (F (7 (F (7 (
6 1 (, R 1 ( * , , 1 ( * - F 1 ( * - * ,…
3! 3! 5! 3! 5! 7!
Se obtiene la sucesión:
Se obtiene la sucesion: 6 , R , , , F , … , P , …
El límite serà: lim P 1 {tT (
P>È
Calculo de {tT ( con F partiendo de la serie de Taylor para la función seno:

È
(F (7 ( ( ,PR
{tT ( 1 ( * - * - S 1 Ç'*1/P
3! 5! 7! 2T - 1
PÉ6
2 F
2 7
2
{tT ( 1 2 * - *
3! 5! 7!
{tT '2/ 1 2 * 1.33333 - 0.26666 * 0.02540 1 0.90793
1 0.909297426
El valor verdadero de sen 21
Calculo de error
= |¿À * ¿g | = |0.909297426 * 0.90793| = 0.001367426
|¿À * ¿g | 0.001367426
Å = = = = 0.001503826978
|¿À | |¿À | |0.909297426|
% = Å 100'%/ = 0.001503826978 100% = @. ©Ì%
Ejemplo
Ejemplo 2.11.
Calcular la función {tT (, para ( = 2 por métodos numéricos y halla el error absoluto, el error
relativo y el error porcentual. Considera el cálculo de {tT ( con ) .
Solución
Calculo de {tT ( con ) partiendo de la serie de Taylor para la función seno:
È
(F (7 ( ( ,PR
{tT ( = ( * - * - S = Ç'*1/P
3! 5! 7! 2T - 1
PÉ6
2F 27 2 2¬
{tT ( = 2 * - * -
3! 5! 7! 9!
{tT '2/ = 2 * 1.333333 - 0.266667 * 0.025397 - 0.001411 = 0.909348
El valor verdadero de sen 2=
= 0.909297426
Calculo de error
= |¿À * ¿g | = |0.909297426 * 0.909348| = 0.000050574
|¿À * ¿g | 0.000050574
Å = = = = 0.0000556188
|¿À | |¿À | |0.909297426|
% = Å 100'%/ = 0.0000556188 100% = 0.00556%
Conclusión:
Conclusión al comparar los resultados hallados en los ejemplos 2.3 y 2.4, se verifica que la
precisión del valor hallado es consistente con el valor real o verdadero, sin embargo se nota
que con una sola iteración mas, la precisión aumentó enormemente, pasando de un error
porcentual de 0.15% de F a 0.00556% de ) , que puede considerarse valor totalmente
apropiado para la función buscada.
Cada caso presenta situaciones particulares, puede suceder que, como en este caso, con muy
pocas iteraciones se pueda conseguir un resultado óptimo; sin embargo hay otros casos
similares en que no sucede tal cosa.
Existen situaciones en que debido a la gran cantidad de cálculos realizados, los redondeos
propios de toda operación numérica crece tanto en valor absoluto, que los resultados
obtenidos a veces ni siquiera tienen sentido, el error crece en forma exponencial y el método
no presenta estabilidad. Mientras más operaciones se realizan la posibilidad de error
aumenta.
Cifras significativas
Cuando se emplea un número en un cálculo, debe haber seguridad de que pueda usarse con
confianza. El concepto de cifras significativas tiene dos implicaciones importantes en el
estudio de los métodos numéricos.
1.- Los métodos numéricos obtienen resultados aproximados. Por lo tanto, se debe desarrollar
criterios para especificar que tan precisos son los resultados obtenidos.
2.- Aunque ciertos números representan número específicos, no se pueden expresar
exactamente con un número finito de cifras.
El número de cifras significativas es el número de dígitos que se puede usar con plena
confianza. Las cifras significativas se han desarrollado para designar formalmente la
confiabilidad de un valor numérico.
Muchos de los cálculos contenidos en los problemas de la vida real tratan con valores
aproximados, entendiéndose que en toda medición existen errores, que la precisión en las
mediciones y en los cálculos es casi imposible.
Los dígitos significativos se encuentran contando los números de izquierda a derecha,
partiendo del primer dígito no cero y terminando en el último dígito presente.
Es conjunto de dígitos confiables o necesarios que representan el valor de una magnitud
independiente de las unidades de medidas utilizadas. El total de cifras significativas es
independiente de la posición del punto decimal.
Los ceros a la izquierda de dígitos no nulos, nunca serán cifras significativas, mientras que los
ceros intermedios de dígitos no nulos, siempre serán cifras significativas.
Ejemplo 2.12.
1- Longitud = 26 mm = 0,026 m = 0,000026 km (dos cifras significativas)
2- Estatura = 1,72 m = 17,2 dec. = 172 cm (tres cifras significativas)
3- 40072 ( cinco cifras significativas)
4- 3.001 ( cuatro cifras significativas)
5- 0,000203 ( tres cifras significativas)
Exactitud y Precisión.
Precisión
La exactitud se refiere a que tan cercano está el valor calculado o medido del valor verdadero.
La precisión se refiere a qué tan cercano está un valor individual medido o calculado respecto
a los otros.
La inexactitud se define como un alejamiento sistemático de la verdad. La imprecisión, sobre
el otro lado, se refiere a la magnitud del esparcimiento de los valores.
Los métodos numéricos deben ser lo suficientemente exactos o sin sesgos para que cumplan
los requisitos de un problema particular de ingeniería.
deben obtener números que correspondan o sean menor a: '0,5 10Q, / 1 0,5%
Así, si se desea que el cálculo tenga un error menor al criterio para dos cifras significativas, se
Esto servirá para determinar cuántos términos serán necesarios en un cálculo aproximado
para tener la certeza que el error se encuentra bajo el margen especificado.
Ejemplo 2.13
2.13.
13.
Subraya los dígitos significativos de cada cantidad.
Solución
Los dígitos significativos en los siguientes números están subrayados.
a) 621,39 b) 7,400 c) 0,000230 d) 0,003
Precisión
En el cálculo numérico, la precisión se refiere al número de cifras significativas que
representan una cantidad.
Exactitud
La exactitud se refiere al grado de aproximación que se tiene de un número o de una medida
al valor verdadero que se supone representa, o sea, que tan cerca está del valor buscado.
Por ejemplo, sí se lee la velocidad del velocímetro de un auto, esta tiene una precisión de 3
cifras significativas y una exactitud de d5kph.
Números en la computadora
La computadora es un dispositivo de cálculo, ésta trabaja con un conjunto de números, que no
es precisamente el de los números reales.
El conjunto de los números reales, presenta algunas características como:
a) Es infinito en ambos extremos.
b) Es continuo.
c) Cada número puede tener una cantidad ilimitada de cifras.
d) Los números pueden ser tan pequeños como se desee.
El conjunto de los números que se manejan en una computadora presenta las siguientes
características:
a) Es finito en ambos extremos.
b) No es continuo.
c) Cada número tiene una cierta cantidad máxima de cifras.
d) Los números no pueden ser tan pequeños como se desee.
Una computadora almacena los números en sistema binario, usando un número determinado
de bytes, dependiendo del tipo de dato y de la computadora que se emplee, presentando las
siguientes características:
a) Existe un límite al intervalo de valores que se puede manejar.

b) Se limita la cantidad de cifras que se emplean para representar un número.
c) El conjunto de números no es continuo sino discreto. O sea, existen huecos
entre un número y otro.
d) Producen errores de redondeo
Al convertir los números al sistema binario.

Cuando el resultado es muy pequeño y la capacidad de representarlo es
-
superada, se redondea comúnmente a 0.

-
Cuando el resultado es muy grande y puede ocasionar un error al

aproximarse al mayor valor que se pueda representar.
-
La computadora funciona o trabaja con lo que se conoce como aritmética de dígitos finitos,
causando que ciertos hechos que se toman como ciertos, no lo sean en un momento dado,
generando cálculos aritméticos que ocasionan más error
La aritmética de dígitos finitos lleva a resultados aceptables. Cualquier operación numérica
tiene sus casos problemáticos y los más comunes son:
a/ División entre números cercanos a 0.

b/ Multiplicación por números grandes.
c/ Suma de cantidades de distinto orden de magnitud.
d/ Resta de números casi iguales.
Propagación de errores
Los métodos numéricos generalmente consisten en la realización de muchos cálculos, y esta
situación no permite predecir qué efecto producirá al resultado el error de redondeo que se
acumula en cada operación. Para estimar el efecto del error de redondeo que se acumula y de
las posibilidades de corrección, se aplican las siguientes situaciones:
a/ Uso de la aritmética de precisión doble, que consiste en resolver el problema dos veces,
una con aritmética de precisión simple y otra con aritmética de precisión doble. La
solución se toma considerando solo las cifras que no hayan cambiado. El inconveniente es
que los cálculos de precisión doble toman más tiempo que los de precisión simple, además
de resolver dos veces el mismo problema.
b/ Uso de la aritmética de intervalo, que consiste en retener en cada paso el valor más
pequeño y más grande que puede tomar el valor buscado, para que al final se obtenga un
intervalo que contenga el valor real. El inconveniente que presenta este procedimiento es
que no se sabe con exactitud en qué parte del intervalo estará la solución, aunque
comúnmente se supone que a la mitad; esta situación consume el doble de tiempo y
memoria al almacenar los límites superior e inferior en los que puede estar la solución.
c/ Uso de aritmética de dígitos significativos, que consiste en retener en cada etapa solo las
cifras que se piensa son significativas. La desventaja es que se pierde información y no se
tiene certeza de que tan significativa es una cifra.
d/ Enfoque estadístico, consiste en suponer un comportamiento aleatorio con una
distribución de probabilidad conocida. De todas las aplicaciones posibles para mejorar y
precisar los resultados numéricos es el que ha dado mayor éxito.
Los tipos de errores mencionados anteriormente se propagan de distinta manera. Para
estudiar la forma de propagación de los errores en conjunto, hay que definir dos conceptos
nuevos, la estabilidad y la convergencia.
La estabilidad
Todo problema requiere datos de entrada, que origina por lo menos una salida. Sí cambios
pequeños en los datos de entrada producen cambios pequeños en la salida, se dice que el
algoritmo es estable o problema bien condicionado, en caso contrario se dice que el algoritmo
es inestable o problema mal condicionado.
Si el error después de n operaciones se puede representar por ;'T/ 1 [TÎ , se dice que el error
es lineal. En cambio si el error se representa por ;'T/ 1 [ P Ï, para [ \ 1, el crecimiento del
error se dice que es exponencial. [ es una constante independiente de T.
El crecimiento del error lineal es por lo general inevitable, y cuando [ y T son pequeños, los
resultados son aceptables. El crecimiento del error exponencial debe ser evitado, ya que el
término [ P será grande, aun para valores relativamente pequeños de T. Por lo tanto sí el
crecimiento del error es lineal el método es estable y si es exponencial es inestable.
La convergencia
Los métodos numéricos obtienen T términos de una sucesión de valores. Comenzando con un
valor inicial que sea una aproximación de la solución de un problema (6 . Aplicando un método
numérico se obtiene otra aproximación (R . El procedimiento se repite para obtener (, y así
sucesivamente, es decir, se generar la sucesión (6 , (R , (, , … , (P ; donde todos los términos son
aproximaciones a la solución del problema. Sí la sucesión obtenida al cabo de T iteraciones
tiende a un límite se dice que el método es convergente, en caso contrario el método es
divergente.
Criterio de convergencia.
convergencia.
Por definición de convergencia se tiene que si un método numérico es convergente, entonces
debe ocurrir que:
lim (P 1 (
P>È
En la práctica esto es imposible de conseguir, razón por la cual se debe optar por algún
criterio que permita decidir si existe o no la convergencia. Este criterio se denomina criterio
de convergencia. El criterio de convergencia puede implementarse usando los parámetros de
cuantificación del error., que son: el error absoluto, error relativo y error porcentual:
La convergencia existe cuando:
Error absoluto: lim P 1 lim ( * (P 1 0

P>È P>È
( * (P
Error relativos: lim ÅP 1 lim 10
P>È P>È (
Error porcentuial: lim %P 1 lim 100 ÅP 1 0
P>È P>È
Estos criterios son simplemente teóricos, porque no presenta practicidad a la hora de

ponerlos en práctica, porque no es posible tomar limites con métodos numéricos, no se
conoce el valor real de ( y no es posible lograr el 0.
Buscando practicidad se deben modificar criterios. Al no conocer el valor real de ( se emplea
el que esté más cerca, o por lo menos el que se cree es el valor más cercano, o sea, el valor de
la ultima iteración.
Como tampoco es posible lograr el 0, se elige un criterio de convergencia en base a una
tolerancia predeterminada, empleando valores absolutos para tomar en cuenta el signo del
error. Finalmente se obtiene:
Error absoluto: 1 |(P * (PQR | n tolerancia

( * (P
lim ÅP 1 lim Ð Ð n tolerancia
(
Error relativos:
P>È P>È
Error porcentuial: %P 1 100 |ÅP | n tolerancia

Como es imposible tomar el límite, el método numérico se aplica hasta que se cumpla alguno
de los criterios anteriores, por lo tanto no se conoce de antemano el número de iteraciones a
realizar.
Para fijar la tolerancia se debe tener en cuenta que:
a) Debe de ser un número pequeño, no negativo, distinto a 0.
b) La tolerancia más pequeña posible se obtiene tomando en cuenta el número de
cifras significativas, que maneje el instrumento de cálculo que se utilice. Si se usa
una calculadora, no es posible lograr más de 8 cifras significativas.
c) No debe fijarse una tolerancia que sobrepase la precisión que pueda alcanzarse en
un laboratorio, ya que el valor calculado no podría verificarse con la precisión
obtenida.
d) Se fija la tolerancia dependiendo de para que se quieran los resultados. Si se
requiere una estimación burda de la solución la tolerancia puede ser baja, una o
dos cifras significativas. Pero si se desea precisión, la tolerancia debe de ser la
mayor que se pueda alcanzar. Un valor típico de precisión es de cuatro cifras.
El criterio de convergencia debe ser fijado considerando la importancia del resultado buscado,
teniendo en cuenta que puede ocurrir que algunos problemas no presentan convergencias.
El criterio de convergencia basado en el error, da una idea de los decimales que se han
alcanzado. El número de ceros después del punto decimal, indica cuantos decimales correctos
se tiene, lo que no define es cuantas cifras significativas se tienen.
El criterio de convergencia basado en el error relativo permite conocer el número de cifras
significativas alcanzado. Este criterio es más útil que el anterior. Dado que el teorema es
válido solo con el error relativo real. El problema que presenta es que no es aplicable si la
solución del problema es 0.
El criterio del error porcentual es esencialmente equivalente al caso anterior.
Orden de convergencia
En la práctica interesa mucho que tan rápido converge un algoritmo para llegar a la solución
buscada. Mientras menor sea el número de iteraciones requerido para alcanzar la precisión
deseada, mayor será la velocidad de convergencia y viceversa.
El orden de convergencia se define por la siguiente ecuación:
|PR |
lim 1Ò
P>È |P |Ñ
donde: PR 1 ( * (PR , error en la iteración n - 1

P 1 ( * (P , error en la iteración n
Ò: constante de error asintótico.
Ó: orden de convergencia.
La Ò es una constante que depende del método numérico empleado y de la solución del
problema, se supone que es distinta de 0. El exponente Ó es una constante dependiente
normalmente solo del método numérico. Esta ecuación puede escribirse de otra manera:
|PR | Ô Ò|P |Ñ
Esta ecuación dice que el error de una iteración es aproximadamente proporcional a una
potencia del error de la iteración anterior. Suponiendo que exista convergencia, entonces los
errores deben de tender a 0. En esta ecuación es más importante el exponente Ó. Dado que los
errores tienden a 0, mientras mayor sea el valor de Ó, menor será el número de iteraciones
que se requieren. A mayor orden de convergencia mayor velocidad de convergencia y
viceversa.
El orden de convergencia normalmente es un valor constante. Un valor típico es 1, entonces el
método numérico tiene convergencia lineal. Otro valor frecuente es 2, en este caso se dice que
el método tiene convergencia cuadrática. Existen métodos de convergencia cubica, cuartica,
etc., pero a medida que aumente el orden de convergencia también el método es más
complicado. El orden de convergencia no necesariamente es un entero, aunque, normalmente
lo es.
EJERCICIOS DE FIJACIÓN
Ejercicio 2.1.
Completa el siguiente cuadro con el valor de los errores absolutos, relativos y porcentuales.
Valor exacto Valor aproximado Error absoluto Error relativo Error porcentual
¿À ¿g Å %
82 82,87
221 219,22
105 106,37
53 51,93
Ejercicio 2.2.
Sean los valores exactos: 1; 2; 3; 4; 5; 6; 7; 8; 9 y 10 y los valores aproximados
respectivos: 1,1; 2,1; 3,2; 3,9; 5,2; 6,3; 6,8; 8,1; 9,2; 10,3.
Halla los errores absolutos, los errores relativos y los errores porcentuales de cada una de las
cantidades presentadas respectos a sus cantidades aproximadas.
Para la realización de este ejercicio es importante construir una tabla de valores.
Ejercicio 2.3.
Demuestra en las siguientes operaciones que el error absoluto de una suma es igual a la suma
algebraica de los errores absolutos de los términos que participan en dicha operación.
a) 2 + 5 + 7 = 14 y 2,1 + 5,2 + 7,2 = 14,5
b) 3 + 6 + 2 = 11 y 3,2 + 6,3 + 2,1 = 11,6
c) 9 + 10 + 4 = 23 y 9,2 + 10,3 + 4,1 = 23,6
Ejercicio 2.4.
En la diferencia de dos números demuestra que el error absoluto de la diferencia es menor
que el mayor de los errores absolutos de sus términos.
a) 9 – 2 = 7 y 9,2 – 2,1 = 7,1
b) 5 – 1 = 4 y 5,2 – 1,1 = 4,1
c) 10 – 3 = 7 y 10,3 – 3,2 = 7,1
Ejercicio 2.5.
4- En las siguientes sumas demuestra que el error relativo de la suma de varios números
aproximados está situado entre el menor y el mayor de los errores relativos de los sumandos.
a) 3 + 5 + 7 = 15 y 3,2 + 5,2 + 7,2 = 15,6
b) 2 + 6 + 9 = 17 y 2,1 + 6,3 + 9,2 = 17,6
c) 9 + 10 = 19 y 9,2 + 10,3 = 19,5
Ejercicio 2.6
2.6.
Demuestra que el error relativo del producto de dos números tiene el mismo valor que la
suma de los errores relativos de los factores más el producto de esos mismos errores.
a) 3 × 7 = 21 y 3,2 × 7,2 = 23,04
b) 2 × 10 = 20 y 2,1 × 10,3 = 21,63
c) 5 × 9 = 45 y 5,2 × 9,2 = 47,84
Ejercicio 2.7
2.7.
Demuestra que el error relativo del cociente de dos números dados es igual a la suma o la
diferencia de los errores relativos de los datos, dividida por el menor más uno.
a) 7 ÷ 3 = 2,333 y 7,2 ÷ 3,2 = 2,25
b) 9 ÷ 2 = 4,5 y 9,2 ÷ 2,1 = 4,38
c) 10 ÷ 4 = 2,5 y 10,3 ÷ 4,1 = 2,512
Ejercicio 2.8
2.8.
Subraya los dígitos significativos de cada expresión:
a) 21,33 b) 310,56 c) 0,0021 d) 0,30100
Ejercicio 2.9
2.9.
Redondea cada número presentado a continuación a tres dígitos significativos:
a) 3,2495 = b) 0,00414 = c) 23,540 =
d) 2,4315 = e) 47,0217 = f) 5,00791 =
Ejercicio 2.10
2.10.
10.
Redondea a unidades las siguientes cifras
a) 2,37 = b) 37,88 = c) 7,49 =
d) 0,86 = e) 21,37 = f) 82,52 =
Ejercicio 2.1
2.11.
Redondea a dos cifras decimales las siguientes cantidades:
a) 7,397 = b) 53,7219 = c) 0,5611 =
d) 32,7777 = e) 41,05321 = f) 3,22631 =
CÁPITULO 3 SISTEMAS DE ECUACIONES LINEALES 69
CAPÍTULO 3
SISTEMAS DE ECUACIONES LINEALES
Introducción
La necesidad de resolver sistemas de ecuaciones lineales es muy frecuente en las ciencias
aplicadas, en particular la ingeniería.
Los sistemas lineales son aplicados en la búsqueda de solución a diversas situaciones
prácticas, ya sea como la solución completa de un problema ó alguna parte de ella.
Entre las aplicaciones prácticas de los sistemas lineales pueden citarse como ejemplos:
a) Determinación del potencial en redes eléctricas.
b) Calculo de tensión en una estructura metálica de construcción civil.
c) Calculo de razón de drenaje en un sistema hidráulico con derivaciones.
Los problemas matemáticos en todos estos casos se reduce al problema de resolver un
sistema de ecuaciones lineales.
Cuando un sistema lineal es de gran porte, se debe escoger adecuadamente el método
numérico a utilizar para preservar la precisión máxima del sistema.
Vectores
Un vector en AP es una n-upla de la forma: Ö× 1 'ÖR , Ö, , ÖF , … , ÖP )

Definición 3.1.
3.1.
Sean: Ö× 1 'ÖR , Ö, , ÖF , … , ÖP ) : Ø
ÙÙ× 1 'ØR , Ø, , ØF , … , ØP ), vectores renglones en AP . Se define
Definición 3.2.
3.2.
Ö× 1 Ø
ÙÙ×, si y solo si Ö 1 Ø , para todo , con 1 1, 2, 3, … , T
la igualdad de vectores como:
Sean: Ö× 1 'ÖR , Ö, , ÖF , … , ÖP ) : Ø
ÙÙ× 1 'ØR , Ø, , ØF , … , ØP ), vectores en AP . Se define la suma
Definición
Definición 3.3.
de vectores como: Ö× - Ø ÙÙ× 1 'ÖR - ØR , Ö, - Ø, , … , ÖP - ØP ).
Sea: Ö× 1 'ÖR , Ö, , ÖF , … , ÖP / vector de AP , Ó U A, se define el producto de vector por escalar

Definición
Definición 3.4.
como: ÓÖ× 1 'ÓÖR , ÓÖ, , … , ÓÖP ).
ÙÙ× 1 'ØR , Ø, , ØF , … , ØP ), vectores en AP . Se define el

Sean: Ö× 1 'ÖR , Ö, , ÖF , … , ÖP / : Ø
Definición
Definición 3.5.
producto de vectores Ö× : Ø ÙÙ× como:

ÙÙ× 1 ÖR · ØR - Ö, · Ø, - S - ÖP · ØP 1 ∑PÉR Ö · Ø ,
Ö× · Ø
Sea: Ö× 1 'ÖR , Ö, , ÖF , … , ÖP ) vector de AP , Ó U A, se define la norma de un vector Ö×, que se

Definición 3.6.
Definición
representa con ÜÖ×Ü y se denota como:

R
P ,
ÜÖ×Ü 1 ÝÖR , - Ö, , - ÖF , - S - ÖP , 1 ÞÇ Ö , ß
ÉR
Sean: à
Ù×, Ö×, Ø
ÙÙ× vectores en AP , entonces, se tiene:
Teorema 3.13.1. Propiedad de vectores
1) à
Ù× - Ö× = Ö× - à
Ù× Conmutativa
2) ( à
Ù× - Ö×/ - Ø
ÙÙ× = à
Ù× - ' Ö× - Ø
ÙÙ×/ Asociativa
Ù× U AP , tal que Ö× - 0
3) á0 Ù× 1 Ö× elemento neutro
Ù×
4) âÖ× U AP , á × U AP , tal que Ö× - × 1 0 Elemento simétrico
5) â Ó, ã U A, 'Ó - ã/ Ö× 1 Ó Ö× - ãÖ× Distributiva
6) â Ó U A, Ó'Ö× - à
Ù×/ 1 Ó Ö× - Óà
Ù×
7) â Ó, ã U A, Ó' ã Ö× / 1 ã'Ó Ö×/ 1 'Ó ã/ Ö×
Distributiva
Asociativa
Matrices
Definición 3.7
3.7.
En general, una matriz es una tabla de números, un conjunto ordenado en una estructura
de filas y columnas. Los elementos de este conjunto pueden ser objetos matemáticos de muy
variados tipos, aunque normalmente las matrices están formadas por números reales.
Las matrices se utilizan para describir sistemas de ecuaciones lineales, realizar un
seguimiento de los coeficientes de una aplicación lineal y registrar los datos dependientes de
varios parámetros. Las matrices pueden sumarse, multiplicarse y descomponerse de varias
formas diferentes, su aplicación también se da en el campo del álgebra lineal.
Normalmente las matrices se designan con letras mayúsculas.
Se llama matriz de orden ` T a cualquier tabla de números que conste de ` finas y T

Definición3.8
Definición3.8.
columnas. Una matriz es un arreglo rectangular de `T números de la forma

KRR KR, KRF … KRP
K,R K,, K,F … K,P
äå å å ä la cual tiene ` filas y T columnas.
… å
KbR K b, KbF KbP
Si los elementos de una matriz < son números reales y ducha matriz tiene ` filas y T
columnas se dice que < U AbP , y qe su tamaño es ` T.
La notación comúnmente utilizada para representar a la matriz < U AbP es:
< 1 æKç è, 1 1, 2, 3, … , `; é 1 1, 2, 3, T
Definición 3.9.
3.9.
Sean: < 1 æKç è : = 1 æLç è dos matrices tamaño ` T, entonces, < 1 = si y solo si
Kç 1 Lç , â , é.
Definición 3.10.
3.10.
Una matriz < es cuadrada si tiene el mismo número de filas y de columnas y en este caso se
escribe < U APP ,
Definición 3.11.
3.11.
Sea < U APP , una matriz cuadrada si Kç 1 1, 1 é : Kç 1 0, X é, se dice que < es la
matriz idéntica (identidad) y se nota êP .
Definición 3.12
3.12.
12.
La matriz 0 1 Kç U AbP , tal que Kç 1 0, â , é es la matriz nula.
Definición 3.1
3.13.
Sean: < 1 æKç è : = 1 æLç è dos matrices tamaño ` T, se define < - = como la matriz
` T dada por < - = 1 æ Kç - Lç è
Definición 3.1
3.14.
Sean: < 1 æKç è una matriz tamaño ` T, y Ó un numero, se define Ó< como la matriz ` T
dada por Ó< 1 æÓ Kç è
Definición 3.1
3.15.
Sea: < 1 æKç è una matriz tamaño ` T, se define *< 1 æ* Kç è .
Definición 3.1
3.16.
Sea: < 1 æKç è U AbP : = 1 æLç è U APÅ se define el producto < = como la matriz
ë 1 æ ?ç è U AbÅ , donde ?ç 1 ∑PZÉR KZ LZç , 1 1, 2, 3, … , `; é 1 1, 2, 3, … , ¨ .
Teorema 3.2
3.2. Propiedades
Propiedades de matrices
Sean < U AbP , = U AbP , ë U AbP , ì U APÅ Ó U A , ã U A , entonces:
1) < - = 1 = - <
2) '< - =/ - ë 1 < - '= - ë/
3) < - 0 1 <
4) < - '*</ 1 0
5) (Ó - ã/< 1 Ó< - ã<
6) Ó'< - ã/ 1 Ó< - Ó=
7) 'Óã/< 1 Ó'ã</ 1 ã'Ó</
Sean < U AbP , = U AbP , ì U APÅ , tTv~T?t{ '< - =/ì 1 <ì - =ì

Teorema
Teorema 3.3
3.3.
Sean < U AÅP , = U AÅP , ì U AbÅ , tTv~T?t{ ì'< - =/ 1 ì< - ì=

Teorema 3.4
3.4.
Sean < U AbP , = U APÅ , ë U AÅí , tTv~T?t{ <'=ë/ 1 '<=/ë

Teorema 3.5
3.5.
Notación de matrices:
matriz se denotan con letras minúsculas colocadas dentro de: barras verticales | |; doble
Las matrices se denotan con letras mayúsculas. Los elementos o números que conforman la
barras verticales Ü Ü; corchete y z o paréntesis ' /.

Es importante tener en cuenta que una matriz no se resuelve (esto la diferencia de los
determinantes), sino que con una matriz se efectúan diversas operaciones.
A cada elemento que forma parte de una matriz, se lo identifica con dos subíndices: el primero
señala la fila que ocupa ese elemento, y el segundo indica la columna donde se encuentra.
Orden de una matriz

La matriz presentada a continuación tiene tres filas y cuatro columnas y por ello se le denomina
matriz de orden 3 x 4. El número que se nombra primero representa la cantidad de filas; y el
segundo, número de columnas.
7 2 9 3
î 1 8 5 8î
4 7 6 9
Elementos de la primera fila: 7, 2, 9, 3

Elementos de la segunda columna: 2, 8, 7
Una matriz A de 3 filas y 3 columnas, se escribe de esta forma:
a11 a12 a13 1a.Fila

A = a 21 a 22 a 23 2a.Fila
a31 a32 a33 3a.Fila
1ª. 2ª. 3ª.

Columnas
Tipo de matrices
Matriz
Matriz cuadrada:
cuadrada:
Se llama matriz cuadrada a la que tiene igual cantidad de filas y columnas;
Ejemplo 3.1.
1 3 5
<1Ð ïð 1 2 2; = 1 î3 *2 *1î ïñ 1 3 3
3 *5
Ð
6 4 *9
*1 7
Matriz diagonal:
Se llama matriz diagonal a la matriz cuadrada que tiene nulos todos los elementos fuera de
la diagonal principal:
3 0 0
Ejemplo 3.2
3.2.
ì 1 î0 *2 0 î
0 0 *9
Matriz nula:
Se llama matriz nula a la que está formada únicamente por ceros.
0 0 0
Ejemplo 3.3
3.3.
ò 1 î0 0 0î
0 0 0
Matriz identidad:
Se llama matriz identidad a la que tiene a la unidad como único elementos en la diagonal
principal, y ceros en los lugares restantes.
1 0 0
Ejemplo 3.4
3.4.
< 1 î0 1 0î
0 0 1
De acuerdo con esta definición, se deduce que la matriz identidad siempre debe ser cuadrada.
Matriz fila o vector fila:

Es toda matriz que posee una única fila.
|2 *3 7|
Ejemplo 3.5
3.5.
Matriz columna
columna o vector columna:
Es toda matriz que posee una única columna.
3
Ejemplo 3.6
3.6.
î6î
1
Matriz transpuesta:
transpuesta:
Es la matriz B que se obtiene de A, cambiándose ordenadamente, las filas por las
columnas.
1 7
Ejemplo 3.7.
1 *2 5 8 *2 *3
Dada la matriz < 1 Ð Ð ó < 1 õ
ô
õ
7 *3 6 *4 5 6
8 *4
Matriz triangular
Es una matriz cuadrada en la que todos sus elementos por encima o por debajo de la
diagonal principal son nulos.
Ejemplo 3.8
L=matriz triangular inferior (del inglés Low = bajo)
U=matriz triangular superior (del inglés Up = encima de)
5 4 8 *2 4 0 0 0
ö 1 ÷0 7 9 1ø ù1÷ 3 7 0 0ø
0 0 2 3 *2 8 2 0
0 0 0 *1 7 2 5 6
Matriz simétrica:
Una matriz cuadra A es simétrica si A = AT.
3 2 5
Ejemplo 3.9.
< 1 Þ2 4 1ß , < 1 <ô

5 1 3
Matriz antisimétrica:
antisimétrica:
< 1 *<ô .
Una matriz cuadrada A es antisimétrica si su transpuesta coincide con su opuesta, o sea
0 2 *5
Ejemplo 3.10.
< 1 Þ*2 0 1ß , < 1 *<ô

5 *1 0
Todos elementos de la diagonal principal son necesariamente ceros '0/.
Dada la matriz A, se denomina opuesta de A a la matriz *<.

Matriz opuesta:
2 *5 *2 5
Ejemplo 3.11.
<1a c, *< 1 a c
7 *4 *7 4
Matriz ortogonal
Es la matriz cuadrada cuyo producto por su transpuesta da la matriz unidad.
{tT ú * cos ú
Ejemplo 3.12.
< 1 a cos ú {tT ú c es ortogonal
Matriz singular
Es la matriz cuadrada cuyo determinante es igual a cero. Una matriz singular no tiene
matriz inversa.
Ejemplo 3.13.
2 3
<1a c, det < 1 12 * 12 1 0,
4 6
7 7
=1a c, det = 1 49 * 49 1 0
7 7
Definición 3.17
3.17.
Una matriz < U APP se dice invertible o no singular sí y solo sí á= U APP , vK àt <= 1
=< 1 êP , en este caso se dice que = es la inversa de <.
Si < es no singular, su inversa que es única, se denota <QR
Definición 3.1
3.18.
Una matriz < U APP los elementos de K se llaman elementos diagonales.
Definición 3.1
3.19.
Sea < U A PP
la matriz < se dice estrictamente diagonal dominante sí y solo sí |K | \
∑PçÉR|K |, â 1 1, 2, 3, … , T; X é
Operaciones con
con matrices
Adición de matrices
Para sumar matrices, es condición necesaria que sean de igual orden, pues se suman los
elementos que tienen la misma ubicación.
Propiedades de la adición de matrices:
a) Propiedad conmutativa: < - = 1 = - <
b) Propiedad asociativa: '< - =/ - ë 1 < - '= - ë/
c) Elemento neutro: El elemento neutro para la suma es la matriz nula, de igual orden que las
que se suman.
d) Inverso aditivo: Dada una matriz <, existe otra matriz = inverso aditivo de <: = 1 *<,
tal que se verifica que: <-= 10
Dadas las matrices A y B, halla la suma: < + =

Ejemplo 3.14.
*3 2 4 *1 *3 2
<1Ð Ð =1Ð Ð
1 *2 *5 9 7 *2
Solución
*3 2 4 *1 *3 2 '*3/ - '*1/ 2 - '*3/ 4-2

<-= 1Ð Ð-Ð Ð1 û û
1 *2 *5 9 7 *2 1-9 '*2/ - 7 '*5/ - '*2/
*4 *1 6
<-= 1Ð Ð
10 5 *7
Sustracción de matrices
La sustracción de matrices se define como la adición, restando los elementos de igual
ubicación.
Las propiedades de la sustracción de matrices son semejantes a las de la adición, con la
diferencia de que no cumple la propiedad conmutativa.
Dada las matrices < y =, Calcular < * =

Ejemplo 3.15.
*4 5 *1 2 *1 *3
<1î 3 3 4 î = 1 î5 0 1î
*2 7 *5 3 4 *5
La operación < * =, denota la diferencia entre las matrices < : =, así < * = 1 < - '*=/
Solución
porque la resta entre matrices se transforma en la suma de la matriz minuendo (A) con la
matriz opuesto aditivo del sustraendo (B).
Matriz minuendo Matriz sustraendo Multiplicación por (-1)
*4 5 *1 2 *1 *3 *2 1 3
< 1 î 3 3 4 î; = 1 î5 0 1 î; *= 1 î*5 0 *1î
*2 7 *5 3 4 *5 *3 *4 5
*4 5 *1 *2 1 3 *6 6 2
Matriz diferencia: < - '*=/ 1 î 3 3 4 î - î*5 0 *1î 1 î*2 3 3î
*2 7 *5 *3 *4 5 *5 3 0
Dada una matriz < de orden ` T, se llama matriz transpuesta de <, a la matriz <ô de orden
Transposición de matrices
n `, que resulta de convertir las filas < en columnas, y sus columnas en filas.
Dada la matriz <, halla la transpuesta de <, o sea <ô

Ejemplo 3.16
3.16.
16.
1 5
1 3 *2
<1Ð Ð, <ô 1 î 3 2î
5 2 *7
*2 *7
Producto de una matriz por un escalar

En general se llama escalar a cualquier número real, y se emplea esta denominación cuando se
definen operaciones entre números y otros elementos algebraicos, como lo son las matrices y
Cuando se multiplica una matriz por un numero real A, se obtiene otra matriz del mismo
los vectores.
orden que la dada, y cuyos elementos resultan ser "A" veces los de la matriz original.
Sea la matriz <, halla el producto 3. <

Ejemplo 3.17.
1 0 4 31 30 34 3 0 12

<1Ð Ð, 3< 1 Ð Ð1Ð Ð
3 6 1 33 36 31 9 18 3
Producto de matrices
El producto entre dos matrices es otra matriz, donde cada elemento resulta de multiplicar
cada fila de la primera matriz por cada columna de la segunda matriz, sumando los productos
parciales.
Propiedades del producto de matrices:

a) El número de columnas de la primera matriz debe ser idéntico al número de filas de la
segunda matriz.
b) El producto de matrices no es conmutativo.
c) El elemento neutro del producto entre matrices es la matriz identidad.
Las matrices representan verdaderos cuadros de valores, que no dan ningún resultado ya que
esto carece de sentido; ya se ha dicho que las matrices no se resuelven, sino que con ellas se
efectúan operaciones.
Sean las matrices < y =

Ejemplo 3.18.
3 1
4 3 2 0
< 1 î5 *2î , =1Ð Ð
*1 2 1 1
6 4
Efectúa: a) < = b) = <
Para efectuar el producto < =, se multiplica la primera fila de < por cada columna de =, y así
Solución
con la segunda fila de <, y así sucesivamente.

se van obteniendo todos los elementos que forman la primera fila del resultado; luego se sigue
3 1
4 3 2 0
K/ < = 1 î5 2î Ð Ð
*1 2 1 1
6 4
'3 4/ - '1 *1/ '3 3/ - '1 2/ '3 2/ - '1 1/ '3 0/ - '1 1/
< = 1 õ'5 4/ - '2 *1/ '5 3/ - '2 2/ '5 2/ - '2 1/ '5 0/ - '2 1/ õ
'6 4/ - '4 *1/ '6 3/ - '4 2/ '6 2/ - '4 1/ '6 0/ - '4 1/
11 11 7 1
< = 1 î18 19 12 2 î
20 26 16 4
3 1
4 3 2 0
L/ = < 1 Ð Ð î 5 2î
*1 2 1 1
6 4
El producto es irrealizable.
El producto = < no se puede resolver, porque hay que multiplicar cada fila de = por cada
columna de <, sobran elementos de =, ya que esta matriz tiene 4 elementos por fila, mientras
que < tiene 3 en cada columna; al quedar elementos sin multiplicar, el producto es
irrealizable.
Realizar las siguientes operaciones con matrices
Ejercicio 3.1.
3.1
Sean las matrices A y B, hallar su suma:
2 *6 *7 *2 *5 *8
<1Ð Ð =1Ð Ð ¯°±²³´óµ: < - = 1 Ð Ð
1 0 4 *9 5 *9
Ejercicio 3.2.
3.2.
Sean las matrices M y N, hallar su suma:
1 *3 7 6 8 *2 7 5 5
ï1Ð Ð ò1Ð Ð ¯°±²³´óµ: ï - ò 1 Ð Ð
4 *2 4 *3 0 4 1 *2 8
Ejercicio 3.3.
3.3.
Halla la suma de las matrices A y B
2 *5 7 2 9 *3
<1Ð Ð =1Ð Ð ¯°±²³´óµ: ï - ò 1 Ð Ð
1 3 4 *5 5 *2
Ejercicio 3.3.
3.3.
Sean las matrices A y M, hallar su suma:
1 *3 5 2 *5
<1Ð Ð ï1Ð Ð ¯°±²³´óµ: No son del mismo orden
4 *2 4 7 9
Sean las matrices < : =, halla la matriz ï 1 < * = y la matriz ò 1 = * <

Ejercicio 3.4.
3.4.
12 *5 *7 22 19 *27 *19 27
<1Ð Ð =1Ð Ð ¯ýþ: < * = 1 Ð Ð; =*< 1 Ð Ð
16 13 14 19 2 *6 *2 6
Sean las matrices ï : ò, halla la matriz P1 ï * ò y la matriz N 1 ò * ï

Ejercicio 3.5.
3.5.
7 6 11 *6 13 1 13 *7 10
ï 1 î4 *3 8 î ò 1 î*5 *4 9 î ¯°±: M1 î9 1 *1 î
9 12 *2 *4 8 12 13 4 *14
*13 7 *10
¯°±: N 1 î *9 *1 1 î
*13 *4 14
Sean las matrices < : =, halla la matriz C1 < * = y la matriz ì 1 = * <

Ejercicio 3.6.
3.6.
2,71 0,36 1,53 0,44 1,18 *0,08 *1,18 0,08

< 1 î1,22 3,46î = 1 î2,82 3,27î ¯°±: ë Ô î*1,6 0,19 î ë Ô î 1,6 *0,19î
2,91 2,43 1.96 2,21 0,95 0,22 *0,95 *0,22
Ejercicio 3.7.
3.7.
Halla la transpuesta de las matrices
2 1
<1Ð Ð <ô 1
0 7
< 1 |1 *3 5| <ô 1
22 *11
< 1 î17 14 î <ô 1
13 *23
Dadas las siguientes matrices
0,50 1,25
5 *2 12 *3 14
<1Ð Ð, =1 Ð Ð ë 1 î2,50 1,75î
1 *3 13 *6 11
0,75 2,00
Ejercicio 3.8. Hallar: =ô
Ejercicio 3.9. Resolver: 2. <
3.10. Resolver 5. =
Ejercicio 3.10.
3.11. Resolver *3. ë

Ejercicio 3.1
3.12. Resolver 1,5<

Ejercicio 3.12.
3.13. Resolver *2. =

Ejercicio 3.13.
3.14. Resolver: < =

Ejercicio 3.14.
3.15. Resolver: = <

Ejercicio 3.15.
3.16. Resolver: < ë

Ejercicio 3.16.
3.17. Resolver: C <

Ejercicio 3.17.
3.18. Resolver: = ë
Ejercicio 3.18.
3.19. Resolver: ë =
Ejercicio 3.19.
Determinantes
Definición 3.20
3.20.
20.
Un determinante es siempre cuadrado (igual cantidad de filas y columnas), y está formado por
números, como una matriz; la diferencia fundamental es que, una matriz representa un
conjunto de valores que no se resuelve, un determinante sí se resuelve, porque representa un
número.
Un determinante se representa con la letra griega ∆ (delta mayúscula) o usando barras.
1 4 6
= diagonal principal
2 7 0
3 5 9 = diagonal secundaria
Determinante de segundo orden es el que tiene 2 filas y 2 columnas.

Determinante de tercer orden es el que tiene 3 filas y 3 columnas.
Propiedades de los determinantes:
a) El determinante de una matriz cuadrada coincide con el de su transpuesta, A 1 |A|
a b a c
Ð Ð1Ð Ð
c d b d
Ejemplo 3.19.
b) Si se intercambian entre sí dos filas paralelas, el determinante cambia de signo.
5 *2 3 4
Ð Ð 1 26 Ð Ð 1 *26
3 4 5 *2
Ejemplo 3.20.
c) Un determinante es nulo si una de sus filas o columnas está formada íntegramente por
3 0 9
ceros.
î1 0 1î 1 0
7 0 3
Ejemplo 3.21.
d) Un determinante es nulo si tiene dos filas o dos columnas iguales.

3 5 7
î1 4 1î 84 - 35 - 15 * 84 * 35 * 15 1 0
3 5 7
Ejemplo
Ejemplo 3.22.
e) Un determinante es nulo si tiene dos filas o dos columnas proporcionales.
3 5 7
î1 4 1 î 168 - 70 - 30 * 168 * 70 * 30 1 0
6 10 14
Ejemplo 3.23.
f) Si los elementos de una fila se multiplican por un número, el determinante queda
15 10 30 3 2 6
multiplicado por ese número.
K ¨L K L
Ejemplo 3.24. Ð Ð1¨Ð Ð î 1 4 1 î 1 5 î 1 4 1î
? ¨0 ? 0
3 5 5 3 5 5
g) Si una fila de un determinante la forma términos que son suma de dos sumandos, el
determinante es igual a la suma de los determinantes obtenidos sustituyendo dicha fina
por los primeros y segundos sumandos respectivamente.
Ejemplo 3.25.
K L K L K L
û û1Ð Ð-û û
?-( 0-: ? 0 ( :
1 1 1 1 1 1 1 1 1
î K L ? î 1 îK L ? î - îK L ?î 1 0 - 0 1 0
1-K 1-L 1-? 1 1 1 K L ?
h) Si una fila es combinación lineal (suma o resta de múltiplos) de otras paralelas, el

determinante es cero (0).
Ejemplo 3.26.
KR LR ?R KR LR ?R KR LR ?R
î K , L, ?, K
î1î , L, ?, î - î K, L, ?, î 1 0
ãKR - K, ãLR - L, ã?R - ?, ãKR ãLR ã?R K, L, ?,
Por ser ;F 1 ã;R : ;F 1 ;R '; es ila/
i) Si a una fila se le suma una combinación lineal de otras filas paralelas a ella, el
determinante no cambia.
Ejemplo 3.27.
KR LR ?R KR LR ?R
î K, L, ?, î 1 îK, L, ?, î -
KF - ãKR - K, LF - ãLR - L, ?F -ã?R - ?, KF LF ?F
KR LR ?R KR LR ?R KR LR ?R
-î K, L, ?, î 1 îK, L, ?, î - 0 1 îK, L, ?, î
ãKR - K, ãLR - L, ã?R - ?, KF LF ?F KF LF ?F
dichas matrices. De otra manera: |< · =| 1 |<| · |=|

j) El determinante de un producto de matrices es igual al producto de los determinantes de
Ejemplo 3.28.
4 3 2 5
Sean: < 1 Ð Ð : =1Ð Ð
0 1 0 3
Solución
4 3 2 5 8 29
<·= 1Ð Ð·Ð Ð1Ð Ð y su determinante es |< · =| 1 24
0 1 0 3 0 3
4 3 2 5 |< · =| 1 |<| · |=|, |4 · 6| 1 |4| · |6| 1 24

Como < 1 Ð Ð 1 4; = 1 Ð Ð 1 6;
0 1 0 3
Resolución de un determinante de 2° orden:

Resolver un determinante de segundo orden es hallar el número que representa, para lo cual
se multiplican los elementos de la diagonal principal, y a ellos se les resta el producto de la
diagonal secundaria, es decir que se resuelve por la resta de los productos cruzados:
4 *7
Ejemplo 3.29.
Resolver el determinante: Ð Ð
2 3
Solución
4 *7
∆1 Ð Ð 1 y4 3z * y2 '*7/z 1 12 - 14 1 26
2 3
Determinante de 3er orden

El procedimiento de resolución de un determinante de tercer orden es un poco más largo que
el de segundo orden, utilizándose para su resolución varios métodos; las más conocidas son la
de Sarrus y Laplace. Aquí se presenta el método de Sarrus.
Regla de Sarrus:
Consiste en escribir debajo de la última fila, las dos primeras (conservando el orden);
entonces se suman los tres primeros productos de las diagonales principales, y se restan los
otros tres productos de las diagonales secundarias.
Ejemplo 3.30
3.30.
30.
2 1 6
Resolver el determinante: < 1 î1 4 *2î
3 5 3
Solución
2 1 6
1 4 *2
ä3 5 3 ää= y'2 · 4 · 3/ - '1 · 5 · 6/ - '3 · 1 · *2/z * y'3 · 4 · 6/ - '2 · 5 · *2/ - '1 · 1 · 3/z
ä
2 1 6
1 4 *2
2 1 6
1 4 *2
ä3 5 3 ää= y'24/ - '30/ - '*6/z * y'72/ * '20/ - '3/z 1 *7
ä
2 1 6
1 4 *2
Luego: det < 1 *
Resolver los determinantes 'i i/
2 5
¸³´³´° . i@. < 1 Ð Ð ¯°±²³´ó
óµ: * 7
3 4
1 4
¸³´³´° . i©. = 1 Ð Ð ¯°±²³´ó
óµ: 6
0 6
*5 *1
¸³´³´° . ii. ë 1 Ð Ð ¯°±²³´ó
óµ: 17
2 *3
9 7
¸³´³´° . i . ì 1 Ð Ð ¯°±²³´ó
óµ: 71
*5 4
Resolver los determinantes ' /
3 *2 6
¸³´³´° . ij. < 1 î 4 5 4î ¯°±²³´ó
óµ: 62
*1 2 0
2 *2 7
¸³´³´° . iÌ. < 1 î 4 *1 4î ¯°±²³´ó
óµ: 67
*5 4 3
9 8 10
¸³´³´° . i
. < 1 î5 7 *4î ¯°±²³´ó
óµ: * 511
4 *2 3
3 4 *11
¸³´³´° . i. < 1 î5 8 0 î ¯°±²³´ó
óµ: 226
1 *2 7
*5 6 *3
¸³´³´° . i«. < 1 î 2 7 *1î ¯°±²³´ó
óµ: * 316
4 0 8
Sistemas lineales
Definición 3.21
3.21.
Una ecuación es lineal si cada término contiene no más de una variable y cada variable es de
primer grado (elevada a la primera potencia).
a) 5( * 3: - 7 1 *2, es lineal.
Ejemplo 3.31
3.31.
31.
b) 2 - (: * 6( 1 9, no es lineal, pues el segundo término contiene dos variables.

c) 2( F - : * 3 1 1, no es lineal, pues la variable del primer término está elevada a
una potencia distinta de uno.
La solución de un sistema lineal de orden n, consiste en hallar los valores de cada una de las
variables, que al ser sustituidas en el sistema, todas ellas son satisfechas.
Ejemplo 3.32.
De un sistema de tres ecuaciones lineales:
2( * 3: - 1 4
( - 5: * 3 1 *2
3( * : * 1 2
Este sistema tiene la solución: ( 1 2, : 1 1, 1 3
Para verificar la validez de las soluciones se reemplazan las variables en el sistema, y todas
deben ser satisfechas.
Este mismo ejemplo puede escribirse en forma matricial:
2 *3 1 ( 4
Þ1 5 *3 ß : 1 Þ*2ß
3 *1 *1 2
De un modo general, un sistema de T ecuaciones lineales se escribe como:
KRR (R - KR, (, - KRF (F - S - KRP (P 1 LR
K,R (R - K,, (, - K,F (F - S - K,P (P 1 L,
KFR (R - KF, (, - KFF (F - S - KFP (P 1 LF
å å å å å
KPR (R - KP, (, - KPF (F - S - KPP (P 1 LP
KRR KR, … KRP (R LR

La representación en forma matricial se da como:
K
÷ ,R K,, … K,P ø ÷(, ø 1 ÷L, ø
å å å å
KPR KP, … KPP (P LP
La forma más simple de representación matricial es: <( 1 L
Donde < es la matriz de los coeficientes, ( es el vector solución y L es el vector de términos
independientes.
Clasificación de un sistema lineal

a) Sistema compatible, posible o consistente.
- Determinado: si admite una única solución.
- Indeterminado: si admite más de una solución.
b) Sistema incompatible, imposible o inconsistente
- Es todo sistema que no admite solución
Ejemplo 3.33
3.33.
33. 5
y
Sea el siguiente sistema: 4
(-: 15
2( * : 1 1
3
La solución del sistema es: ( 1 2, : 1 3

Solución x
-1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4
-1
Fig. 3.1.
El sistema es compatible y determinado, pues ningún par de valores distintos a 2 y 3 podrán

satisfacer la ecuación dada, o sea, el sistema posee una única solución.
y
Ejemplo 3.34
3.34.
34.
2
Sea el siguiente sistema:
(- :11
1
3( - 3: 1 3
x
-0.5 0.5 1 1.5 2 2.5
-1
-2
Fig. 3.2
Solución
Geométricamente las dos rectas son coincidentes, y como el resultado del sistema está dado
por la intersección de las rectas, en este caso, todos los puntos de las rectas son soluciones del
sistema.
El sistema es compatible e indeterminado, pues admite infinitas soluciones

y
Ejemplo 3.35
3.35.
35. 4
Sea el siguiente sistema:

3
(- :11
(-: 13
2
-1 -0.5 0.5 1 1.5 2 2.5

Solución -1
Fig. 3.3.
-2
Geométricamente las dos rectas son paralelas, no existe la posibilidad de intersección entre
ellas, por lo tanto el sistema es incompatible, pues no admite ninguna solución.
Métodos exactos
Son aquellos métodos que aplicados a un sistema producen soluciones exactas, no generan
errores de redondeo al operar con un numero finito de operaciones.
Métodos iterativos
Son aquellos métodos que permiten obtener soluciones de un sistema con una determinada
precisión a través de un proceso infinito convergente.
Este método requiere en principio de un número infinito de operaciones aritméticas para
producir la solución exacta, pues el método iterativo necesariamente posee error de
truncamiento.
Sistemas equivalentes
Dos sistemas de ecuaciones lineales son equivalentes cuando admiten la misma solución.
Operaciones elementales
La solución de un sistema de ecuaciones lineales frecuentemente requiere usar las
operaciones elementales de una matriz. Estas son:
b) Multiplicación de una fila o renglón de una matriz por una constante X 0.

a) Intercambio de dos filas o renglones cualquiera de una matriz.
c) Sumar un renglón a otro, multiplicando el primero por una constante X 0.
Transformaciones elementales
multiplica por un escalar distinto de cero (Ó X 0/, resulta un sistema equivalente al

1) Dado un sistema de ecuaciones lineales, si a una cualquiera de sus ecuaciones se
sistema dado.
2) Dado un sistema de ecuaciones lineales, si dos cualquiera de sus ecuaciones se
intercambian, resulta un sistema equivalente al sistema dado.
3) Dado un sistema de ecuaciones lineales, si a una cualquiera de sus ecuaciones se le
suma un múltiplo de otra ecuación cualquiera, resulta un sistema equivalente al
sistema dado.
Mal condicionamiento
Se tiene este fenómeno cuando la solución de las ecuaciones es muy sensible a pequeñas
variaciones de los coeficientes, debido a que la matriz de los coeficientes en las ecuaciones
lineales está próxima de ser singular.
Ejemplo 3.36
3.36.
36.
K/ ( - : 1 2
Sean los siguientes sistemas lineales:
10,05( - 10: 1 21 La solucion del sistema es: ( 1 20; : 1 *18
L/ (-: 1 2
10,10( - 10: 1 21 La solucion del sistema es: ( 1 10; : 1 *8
Un cambio relativo de 5% en el coeficiente de (,R produce un cambio relativo de 50% en el

valor de ( y 56% en el valor de :, observándose que un pequeño cambio en uno de los
coeficientes, produce grandes cambios en la solución del sistema. La solución del sistema
perturbado es muy diferente de la solución del sistema original.
Sistema bien condicionado

Un problema se dice bien condicionado si pequeños cambios en los datos introducen,
correspondientemente, un pequeño cambio en la solución.
El buen condicionamiento o mal condicionamiento de un sistema lineal es inherente al
problema y no depende del algoritmo empleado para resolverlo.
El elemento K X 0, usado para eliminar los elementos KÅ , para ¨ 1 - 1, - 2, … , T se

Definición 3.2
3.22.
define como el elemento pivote y la fila se define como la fila pivote.
Los números `Å 1 g , por el cual se multiplica la fila pivote para luego restársela a la fila r
g
Definición 3.2
3.23.

con ¨ 1 - 1, - 2, … , T se llaman multiplicadores.
Las operaciones elementales junto con los elementos pivotes y los multiplicadores permiten
transformar la matriz ampliada de un sistema de ecuaciones, cuando esto sea posible, en una
matriz triangular superior o inferior y resolver el sistema equivalente, ya sea por sustitución
regresiva o progresiva respectivamente.
Método de determinantes
Existen diversos métodos para resolver sistemas de ecuaciones simultáneas de primer grado
o sistemas de ecuaciones lineales; una forma sencilla de hacerlo es, aplicando los
determinantes para resolver ecuaciones lineales.
Es importante hacer notar que este sistema su usa para resolver sistemas lineales de hasta
tres incógnitas.
Esta regla establece que, dado un sistema de T ecuaciones con T incógnitas, se verifica:
Regla de Cramer:
∆( ∆: ∆
(1 , :1 , 1
∆ ∆ ∆
(, :, representan a las incógnitas del sistema.

Para hallar el valor de ( se divide el determinante ∆( por el determinante ∆, siendo ∆( el
independientes, y ∆ es el determinante original del sistema.

determinante en el que se ha reemplazado la columna de la incógnita, por la de términos
2( - : 1 *12
Ejemplo 3.37.
( * 3: 1 1
Resuelve el sistema lineal:
∆( ∆:
Solución
Se hallan los determinantes: ∆; ∆(; ∆: y se aplican los cocientes ( 1 , :1 ,
∆ ∆
2 1
∆1 Ð Ð 1 *6 * 1 1 *7
1 *3
*12 1
∆( 1 Ð Ð 1 36 * 1 1 35
1 *3
2 *12
∆: 1 Ð Ð 1 2 - 12 1 14
1 1
∆( 35 ∆: 14
(1 1 1 *5, :1 1 1 *2
∆ *7 ∆ *7
Luego la solución del sistema es: ( 1 *5, : 1 *2
La resolución de ecuaciones lineales con tres incógnitas por el método de determinante es

como en el caso anterior; lo primero que se debe hacer es calcular los determinantes, para ello
puede aplicarse cualquiera de los métodos, siendo el más usado el método de Sarrus, para
determinantes de tercer orden.
(- : - 1 4
Ejemplo 3.38
3.38.
38.
2( * 3: - 5 1 *5
Resuelve el sistema lineal:
3( - 4: - 7 1 10
∆( ∆: ∆
Solución
Se hallan determinantes: ∆, ∆(, ∆(, ∆ y se aplican los cocientes: ( 1 ,: 1 , 1
∆ ∆ ∆
1 1 1
∆1 î2 *3 5î 1 *23
3 4 7
4 1 1
∆( 1 î*5 *3 5î 1 *69
10 4 7
1 4 1
∆: 1 î2 *5 5î 1 *46
3 10 7
1 1 4
∆ 1 î2 *3 *5î 1 23
3 4 10
∆( *69 ∆: *46 ∆: 23
(1 1 1 3, :1 1 12 1 1 1 *1
∆ *23 ∆ *23 ∆ *23
Luego la solución del sistema es: ( 1 3, : 1 2, V 1 *1
Ejercicio 3.29
3.29.
29. Resuelve el sistema lineal por el método de determinante
5( - 3: 1 36
4( - 7: 1 61 ¯°±²³´óµ: ( 1 3, :17
Ejercicio 3.30.
3.30. Resuelve el sistema lineal por el método de determinante
7( - 8: 1 *37
5( - 11: 1 *37 ¯°±²³´óµ: ( 1 *3, : 1 *2
Ejercicio 3.3
3( * 4: 1 13
8( * 5: 1 *5 ¯°±²³´óµ: ( 1 *5, : 1 *7
Ejercicio 3.32
3.32.
13( * 31: 1 *326

25( - 37: 1 146 ¯°±²³´óµ: ( 1 *6, :18
Ejercicio 3.33
3.33.
9( - 8: 1 12
2 3
24( * 60: 1 *29 ¯°±²³´óµ: ( 1 , :1
3 4
Ejercicio 3.34
3.34.
15( * 44: 1 *6
2 3
32( * 27( 1 *1 ¯°±²³´óµ: ( 1 , :1
17 17
Ejercicio 3.35
3.35.
8( - 9: 1 0
2( - 3: 1 6 ¯°±²³´óµ: ( 1 *9, :18
Ejercicio 3.36
3.36.
2'( - 2:/ 1 14
3( - 5: 1 31 ¯°±²³´óµ: ( 1 27, : 1 *10
Ejercicio 3.37
3.37.
3'( - 2/ 1 2:
2': - 5/ 1 7( ¯°±²³´óµ: ( 1 4, :19
Ejercicio 3.38
3.38.
2( - : * 3 1 12
10 35 31
5( * 4: * 7 1 3 ¯°±²³´óµ: ( 1 * ; :1 ; 1*
9 9 9
10( - 3: * 1 4
Ejercicio 3.39
3.39.
( - : - 1 11
( * : - 3 1 13
2( - 2: * 1 7 ¯°±²³´óµ: ( 1 2; : 1 4; 15
Ejercicio 3.40
3.40.
( - : - 1 *6
2( - : * 1 *1
( * 2: - 3 1 *6 ¯°±²³´óµ: ( 1 *1; : 1 *2; 1 *3
Ejercicio 3.4
3( * 5: - 2 1 *22
2( * : - 6 1 32
8( - 3: * 5 1 *33 ¯°±²³´óµ: ( 1 *2; : 1 6; 17
Ejercicio 3.42
3.42.
( * 2: - 3 1 8
2( - : * 1 3
*2( * : - 2 1 1 ¯°±²³´óµ: ( 1 2; : 1 3; 14
Ejercicio 3.43
3.43.
5( - 3: * 7 1 49
3( * 5: - 16 1 *32
( * : - 3 1 *5 ¯°±²³´óµ: ( 1 4; : 1 12; 11

Ejercicio 3.44
3.44.
2( - 4: * 7 1 58
5( * 3: - 2 1 41
4( - 6: - 11 1 56 ¯°±²³´óµ: ( 1 12; : 1 5; 1 *2
Ejercicio 3.45
3.45.
13( - 4: - 7 1 *63
11( * 5: - 6 1 *87
18( - 7: - 8 1 *78 ¯°±²³´óµ: ( 1 *5; : 1 4; 12
Métodos Iterativos
Los métodos iterativos son preferibles a los métodos directos cuando la matriz de coeficientes
es poco densa, o sea, con muchos ceros.
Entre los métodos iterativos para la resolución de sistemas de ecuaciones lineales las mas
conocidas son: el método de Jacobi y el método de Gauss – Seidel
Método de Jacobi
El método de Jacobi es un método iterativo utilizado para hallar la solución de un sistema
cuadrado de ecuaciones lineales.
Este método se ilustra mejor con un ejemplo.
Ejemplo 3.39
3.39.
39.
Utilizando el método de Jacobi, resolver el siguiente sistema lineal
7( - 3: * 2 1 15
( - 5: * 2 1 9
2( * 3: - 6 1 19
Solución
Realizando transposiciones de términos adecuados se tiene:
15 * 3: - 2
De la primera ecuacion: (1
7
9 * ( - 2
De la segunda ecuacion: :1
5
19 * 2( - 3:
De la tercera ecuacion: 1
6
La iteración de Jacobi para este sistema es:
15 * 3:Z - 2Z 9 * (Z - 2Z 19 * 2(Z - 3:Z
(ZR 1 , :ZR 1 , ZR 1
7 5 6
El método iterativo se inicia a partir del punto (0, 0, 0)
Los resultados del proceso iterativo se muestran en la siguiente tabla

Iteración (Z :Z Z
2,142857 1,800000 3,166666

0 0 0 0
1
2 2,276190 2,638095 3,352381
3 1,970068 2,685714 3,726984
4 2,056689 2,896780 3,852834
5 2,002189 2,929796 3,929494
6 2,009943 2,971360 3,964168
7 2,002037 2,983679 3,982366
8 2,001956 2,992539 3,991160
9 2,000672 2,996073 3,995618
10 2,000431 2,998113 3,998833
Según la tabla, los resultados tienden a: ( 2, : 3, 4

Este proceso no es el más recomendable, pues se realizan demasiadas iteraciones para hallar
el resultado, la situación repetitiva tiende a producir errores en las operaciones.
Para que el método de Jacobi sea aplicable es absolutamente necesario que los coeficientes de
7 \ |3| - |*2|, 5 \ |1| - |*2|, 6 \ |2| - |*3|, condición que se cumple y el método
la matriz del sistema sea una matriz estrictamente diagonal dominante, esto es, en este caso:
converge hacia un numero. En caso de que la matriz no sea estrictamente diagonal dominante,
el método de Jacobi diverge.
Método de Gauss - Seidel

Seidel
El método de Gauss – Seidel es también un método iterativo utilizado para resolver sistemas
de ecuaciones lineales. Este método es una variación del método de Jacobi, presenta mayor
eficiencia para generar el nuevo punto de proceso iterativo, esto se debe a que el método de
Gauss – Seidel va usando los resultados a medida que se van generando.
Es posible aclarar este método con el mismo ejemplo anterior.
Ejemplo 3.40
3.40.
40.
Utilizando el método de Gauss – Seidel, resuelve el siguiente sistema lineal
7( - 3: * 2 1 15
( - 5: * 2 1 9
2( * 3: - 6 1 19
Solución
Realizando transposiciones de términos adecuados se tiene:
15 * 3: - 2
De la primera ecuacion: (1
7
9 * ( - 2
De la segunda ecuacion: :1
5
19 * 2( - 3:
De la tercera ecuacion: 1
6
La iteración del método de Gauss – Seidel para este sistema es:
15 * 3:Z - 2Z
(ZR 1 , ,
7
9 * (ZR - 2Z
:ZR 1
5
19 * 2(ZR - 3:ZR
ZR 1
6
El método iterativo se inicia a partir del punto (0, 0, 0)
Los resultados del proceso iterativo se muestran en la siguiente tabla
Iteración (Z :Z Z
2,142857 1,371429 3,138096

0 0 0 0
1
2 2,451701 2,564898 3,631882
3 2,081296 2,836494 3,891148
4 2,038973 2,948665 3,961342
5 2,010955 2,982346 3,987521
6 2,004000 2,994208 3,995771
7 2,001274 2,998053 3,998602
Según la tabla, los resultados tienden hacia: ( 2, : 3, 4

Este método de Gauss – Seidel necesita menor iteración para llegar al mismo resultado, pues
el resultado logrado por el método de Jacobi en 10 iteraciones, éste método de Gauss – Seidel
lo hizo en solo 7 iteraciones, presentando mayor rapidez en la convergencia.
Tanto el método de Jacobi como el Gauss Seidel solo convergen a la solución si la matriz de
coeficientes del sistema es estrictamente diagonal dominante.
SISTEMAS TRIANGULARES
Un sistema lineal de orden T es triangular inferior (Low) si tiene la siguiente forma
KRR (R 1 LR
K,R (R - K,, (, 1 L,
KFR (R - KF, (, - KFF (F 1 LF
…… å
KPR (R - KP, (, - KPF (F - S - KPP (P 1 LP
Donde K X 0, 1 1, 2, 3, … , T. Así dispuesto, la solución de un sistema triangular inferior se

obtiene por sustitución directa, esto es, determinado el valor de (R en la primera ecuación, se
sustituye este valor en la segunda ecuación y se obtiene (, ; luego, se sustituyen (R : (, en la
siguiente ecuación, se determina (F , y así sucesivamente.
Un sistema linean de orden T es triangular superior (Up) si tiene la forma:
KRR (R - KR, (, - KRF (F - S - KRP (P 1 LR
K,, (, - K,F (F - S - K,P (P 1 L,
KFF (F - S - KFP (P 1 LF
… å
KPP (P 1 LP
Donde K X 0, 1 1, 2, 3, … , T. Así dispuesto, la solución de un sistema triangular inferior se

obtiene por retro-sustitución, esto es, determinado el valor de (P en la ultima ecuación, se
sustituye este valor en la penúltima ecuación y se obtiene (PQR; luego, se sustituyen (R : (PQR
en la siguiente ecuación, se determina (PQ,, y así sucesivamente.
Una matriz triangular inferior es una matriz cuadrada ë 1 '?ç / tal que ?ç 1 0 para ] é.
Definición 3.2
3.24.
Del mismo modo, si ?ç 1 0 para \ é, ë es una matriz triangular superior.
Si < 1 L es un sistema tyriangular superior de ecuaciones lineales y KZZ X 0, â[ 1

Teorema 3.6. Teorema de sustitución regresiva.
1, 2, 3, … , T, entonces el sistema tiene solución única.

La unicidad de la solución se garantiza por inducción sobre T.
Si < 1 L es un sistema triangular inferior de ecuaciones lineales y KZZ X 0, â[ 1 1, 2, 3, … , T,

Teorema 3.7
3.7. Teorema de sustitución progresiva.
progresiva.
entonces el sistema tiene solución única.

f
g
La unicidad de la solución existe porque en la primera ecuación , es el único valor posible
de (R y, por inducción finita, los valores de (R , (, , … , (P son únicos.
Ejemplo 3.41
3.41.
41.
Resolver el siguiente sistema utilizando sustitución regresiva
2(R - (, * 3(F 1 *6
7(, - 2(F 1 *1
3(F 1 9
9
Solución
De la ultima ecuacion se tiene: (F 1 13
3
Reemplazando el valor hallado ' (F 1 9/ en la penúltima ecuación se obtiene:
*1 * 2(F *1 * '2 · 3/ *7
(, 1 1 1 1 *1
7 7 7
Conocido los valores de (, 1 *1 : (F 1 3 se reemplazan en la primera ecuación:
*6 * (, - 3(F *6 * '*1/ - '3 · 3/ *6 - 1 - 9 4

(R 1 1 1 1 12
2 2 2 2
Luego, la solución es: (R 1 2, (, 1 *1, (F 1 3
Sea el sistema lineal <( 1 L, donde < tiene todas las submatrices principales no singulares.
Método de eliminación de Gauss
El método de eliminación de Gauss, o método de Gauss simple o eliminación gaussiana con

sustitución regresiva, consiste en transformar el sistema dado en un sistema triangular
equivalente a través de una secuencia de operaciones elementales sobre las filas del sistema
original, esto es, el sistema equivalente se obtiene a través de la aplicación repetida de
operaciones.
La eliminación gaussiana es uno de los tantos métodos para la resolución de sistemas de
ecuaciones lineales
Ejemplo 3.42
3.42.
42.
Resolver el siguiente sistema lineal aplicando el método de eliminación gaussiana con
sustitución regresiva.
2(R - 3(, * 5(F 1 *13

3(R - 2(, * (F 1 3
5(R * 7(, - 2(F 1 11
Solución
Para ubicar mejor cada término de cada ecuación lineal, se presenta la forma genérica de
representación de un sistema lineal.
KRR (R - KR, (, - KRF (F 1 LR 2(R - 3(, * 5(F 1 *13

K,R (R - K,, (, - K,F (F 1 L, ó 3(R - 2(, * (F 1 3
KFR (R - KF, (, - KFF (F 1 LF 5(R * 7(, - 2(F 1 11
La matriz ampliada del sistema es:
2 3 *5 å *13
Þ3 2 *1 å 4ß
5 *7 2 å 11
El elemento pivote de la primera fila es KRR 1 2 y los multiplicadores son: `,R : `FR
K,R 3 KFR 5
`,R 1 1 : `FR 1 1
KRR 2 KRR 2
Para obtener un cero en K,R se modifica la segunda fila de la siguiente manera:

3 3 Ì 3 © 3 j
2 * 3 1 @, 3*21 , '*5/ * '*1/ 1 * , '*13/ * 4 1 *
2 2 i 2 i 2 i
5 13 47
La segunda ila: 0, , * , *
2 2 2
Para obtener un cero en KFR se modifica la tercera fila de la siguiente manera:
5 5 iª 5 iª 5 «
2 * '5/ 1 @, 3 * '*7/ 1 , '*5/ * 2 1 * , '*13/ * 11 1 *
2 2 i 2 i 2 i
29 29 87
La tercera ila: 0, , * , *
2 2 2
3 *5 2
*13
5 13 å 47
0 * *
La matriz queda de la siguiente manera: 2 2 å 2
29 29 å 87
0 * *
2 2 2
Para obtener un cero en KF, , el elemento pivote de la segunda fila es `,, 1 , y el

7
29
KF, 29
multiplicador es: `F, 1 1 2 1
K,, 5 5
2
29 5 29 29 13 29 ©©
29 47 87 j
j
Luego: * 1 @, p* q * p* q 1 * , p* q * p* q 1 *
5 2 2 5 2 2 Ì 5 2 2 Ì
29 116 464
La tercera ila: 0, , * , *
5 5 5
2 3 *5 å *13
5 13 47
0 * å *
Por ultimo se tiene la matriz: 2 2 2

116 464
0 0 * å *
5 5
Representando en su forma lineal se tiene:
2(R - 3(, * 5(F 1 *13
5 13 47
(, * (F 1 *
2 2 2
116 464
* (F 1 *
5 5
Resolviendo regresivamente:
464 5
(F 1 * p* q14
5 116
47 13 2 47 13 2 47 2 5 2
(, 1 p* - (F q p q 1 p* - 4q p q 1 p* - 26q p q 1 1 ©
2 2 5 2 2 5 2 5 2 5
*13 * 3(, - 5(F *13 * '3 1/ - '5 4/ *13 * 3 - 20 4

(R 1 1 1 1 1i
2 2 2 2
La solución del sistema es: (R 1 2, (, 1 1, (F 1 4
Pivoteo trivial
gaussiana, se tenga K 1 0, esto implica que este elemento (K ), no se pueda tomar como
En el proceso de pivoteo, puede suceder que en algún paso del proceso de eliminación
elemento pivote, en este caso se usa el pivoteo trivial, que consiste en escoger de una fila [,
[ 1 - 1, - 2, … , T en la que KZ X 0, esta fila se intercambia con la fila q-ésima, con lo
cual se obtiene un pivote no nulo.
Operaciones entre filas de un sistema

Existe otra manera de realizar las transformaciones de un sistema de ecuaciones lineales, con
el objeto de modificar dicho sistema a uno equivalente.
La esencia de realizar las transformaciones en un sistema lineal es la misma, siempre trata
sobre operaciones entre filas del sistema.
Una variante del método anterior se presenta a continuación, con el mismo ejemplo.
Ejemplo 3.43
3.43.
43.
Resolver el siguiente sistema lineal aplicando el método de eliminación gaussiana con
sustitución regresiva.
2(R - 3(, * 5(F 1 *13

3(R - 2(, * (F 1 4
5(R * 7(, - 2(F 1 11
Solución
Sea la ecuación a resolver:
2(R - 3(, * 5(F 1 *13

3(R - 2(, * (F 1 4
5(R * 7(, - 2(F 1 11
2 3 *5 å *13
Þ3 2 *1 å 4 ß
5 *7 2 å 11
La matriz ampliada del sistema es:
manera, notando R 1 1ª ila, , 1 2ª ila, F 1 3ª ila

a) Para obtener un cero (0) en la segunda fila primera columna se procede de la siguiente
3R * 2, 1 '3 · 2/ * '2 · 3/ 1 0, 3R * 2, 1 '3 · 3/ * '2 · 2/ 1 5
3R * 2, 1 '3 · '*5// * '2 · '*1// 1 *13, 3R * 2, 1 '3 · '*13// * '2 · 4/ 1 *47
2 3 *5 å *13
El sistema queda como: Þ0 5 *13 å *47ß
5 *7 2 å 11
b) Para obtener un cero (0) en la tercera fila primera columna se realizan las siguientes
operaciones
5R * 2F 1 '5 · 2/ * '2 · 5/ 1 0, 5R * 2F 1 '5 · 3/ * '2 · '*7// 1 29
5R * 2F 1 '5 · '*5// * '2 · 2/ 1 *29, 5R * 2F 1 '5 · '*13// * '2 · 11/ 1 *87
2 3 *5 å *13
El sistema queda como: Þ0 5 *13 å *47 ß
0 29 *29 å *87
Ahora solo queda obtener un cero en la tercera fila segunda columna, para el efecto se operan
con las 2ª y 3ª filas.
29, * 5F 1 '29 · 5/ * '5 · 29/ 1 0, 29, * 3F 1 '29 · '*13// * '5 · *29/ 1 *232
29, * 5F 1 '29 · '*47// * '5 · '*87// 1 *928
2 3 *5 å *13
El sistema queda como: Þ0 5 *13 å *47 ß
0 0 *232 å *928
Representando en su forma lineal se tiene:

2(R - 3(, * 5(F 1 *13
5(, * 13(F 1 *47
*232(F 1 *928
Resolviendo regresivamente:
*928
(F 1 14
*232
*47 - 13(F *47 - 13 · 4 *47 - 52 5

(, 1 1 1 1 11
3 5 5 5
*13 * 3(, - 5(F *13 * '3 1/ - '5 4/ *13 * 3 - 20 4

(R 1 1 1 1 1i
2 2 2 2
La solución del sistema es: (R 1 2, (, 1 1, (F 1 4

Descomposición LU
Sea < 1 'Kç / una matriz cuadrada de orden T, y <Z el menor principal, constituido de las [
Teorema 3.9. Teorema LU
primeras líneas y [ primeras columnas de <. Asimismo que 0tv'<Z / X 0 para [ 1

1, 2, 3, … , T * 1. Entonces existe una única matriz triangular inferior ö 1 'ç /, ?~T RR 1 ,, 1
S 1 PP 1 1, y una única matriz triangular superior ù 1 'àç / vK àt öù 1 <. Además de
eso, det'</ 1 àRR à,, … àPP .7
Sea A una matriz cuadrada de orden T, se dice que < es un menor principal de A si < es el
Menor principal
determinante que se obtiene a partir de una submatriz de < formada con las * primeras filas
y sus * primeras columnas o lo que es lo mismo, eliminando las últimas T * filas y T *
columnas.
Ejemplo 3.44.
Calcular los menores principales de la matriz
3 2 0
î5 1 7î
6 4 3
Solución
Se calculan los siguientes determinantes.
<R 1 0tv|KRR | 1 0tv|3| 1 3
KRR KR, 3 2
<, 1 0tv ÐK
,R K,, Ð 1 0tv Ð5 1Ð 1 '3 · 1/ * '5 · 2/ 1 3 * 10 1 *7
<F 1 <, pues corresponde al determinante del sistema
Esquema practico para la descomposición LU

La ventaja de este método es que es computacionalmente eficiente, porque se puede elegir el
vector b que sea conveniente y no volver a realizar la eliminación de Gauss cada vez.
Los determinantes de matrices triangulares son simplemente el producto de los elementos de
sus diagonales. En particular, si L es una matriz triangular en cuya diagonal todos los
elementos son uno, entonces:
igualdad de matrices, esto es, imponiendo que öù 1 <. Seas esto:

En la práctica se puede calcular L y U simplemente aplicando la definición de producto y de
7
La demostración de este teorema en Franco, Neide. Calculo Numérico. Pag. 113 (en Portugues)
1 0 0 0 0 àRR àR, àRF S àRP

0 0 0 à,, à,F S à,P
,R 1 0
öù 1 FR F, 1 0 0 0 0 àFF S àFP

S S … å S S … å
PR P, PF S 1 0 0 0 S àPP
Ejemplo de una matriz triangular öù de 3 3
1 0 0 KRR KR, KRF

öù 1 ÞKRR 1 0ß Þ 0 K,, KRR ß
KRR KRR 1 0 0 KFF
Para la obtención de los elementos de la matriz L y de la matriz U se puede aplicar cualquiera

de los métodos de transformaciones presentados anteriormente:
a) operaciones entre filas de un sistema
b) Método de eliminación gaussiana para sistemas triangulares
Sea el sistema <( 1 L de orden T determinado, donde < satisface las condiciones de
descomposición öù. Entonces el sistema <( 1 L puede escribirse como öù( 1 L.
Transformado el sistema <( 1 L en un sistema equivalente öù( 1 L cuya solución es
Haciendo ù( 1 :, la ecuación se reduce a ö: 1 L. Resolviendo el sistema triangular inferior

obtenida fácilmente.
ö: 1 L, se obtiene el vector :. Sustituyendo el valor de : en el sistema ù( 1 : se obtiene un

sistema triangular superior cuya solución es el vector ( buscado.
La aplicación de la descomposición öù en la resolución de sistemas lineales requiere de dos
sistemas triangulares.
Ejemplo 3.45
3.45.
45.
Sea el siguiente sistema lineal
5(R - 2(, - (F 1 0
3(R - (, - 4(F 1 *7
(R - (, - 3(F 1 *5
5 2 1
El determinante del sistema: < 1 Þ3 1 4ß
1 1 3
Verifique si < satisface las condiciones de la descomposición öù

Descomponer < en öù
a)
A través de la descomposición öù, calcular el determinante de A

b)
Resolver el sistema <( 1 L, usando la descomposición öù.

c)
d)
a) Para que < ssatisfaga las condiciones de la descomposición öù se debe tener 0tv'<R / X
Solución
0 y 0tv'<, / X 0 .
Resolviendo menor principal <R 1 |5| 1 5
5 2
Resolviendo menor principal <, 1 Ð Ð 1 '5/ * '6/ 1 *1
3 1
Luego, < satisface las condiciones del teorema para la descomposición öù.
b) Descomposición de la matriz < en öù

Aplicando el método de eliminación de Gauss o el método de operaciones entre filas y
columnas se obtiene las matrices triangulares superior e inferior:
1 0 0 5 2 1
3
ö 1 5 1 0 ; 1
ù 1 ÷0 * 5 17 5ø
1 *3 1 0 0 13
5
c) El determinante de un sistema triangular es igual al producto de los elementos de la

diagonal principal, en este caso:
1
det'</ 1 àRR à,, àFF 1 5 · p* q · 13 1 *13
5
d) Para obtener la solución del sistema <( 1 L, se debe resolver dos sistemas triangulares:
ö: 1 L : ù( 1 :
1) Para ö: 1 L, se tiene:
1 0 0 :R
3 0
5 1 0 Þ:, ß 1 Þ*7ß
1 *3 1 :F *5
5
Operando se obtiene:
Para hallar :R : :R 1 0
3 3
Para hallar :, : : - :, 1 *7 > 0 - :, 1 *7 > 9i 1 *
5 R 5
1 1
Para hallar :F : :R * 3:, - :F 1 *5 > · 0 * 3 · '*7/ - :F 1 *5
5 5
21 - :F 1 *5 > :F 1 *5 * 21 1 *26 9 1 *i
Luego, la solución del sistema ö: 1 L t{ : 1 '0, *7, *26/
2) Para ù( 1 :, se tiene:
5 2 1 (R 0
÷0 1
* 5 17 (
5ø Þ , ß 1 Þ *7 ß
0 0 13 (F *26
*26
Operando se obtiene:
Para hallar (F : 13(F 1 *26 > (F 1 1 *2 > 8 1 *i
13
1 17 1 17
Para hallar (, : * (, - (F 1 *7 > * (, - '*2/ 1 *7 > 8i 1 ©
5 5 5 5
Para hallar :F : 5(R - 2(, - (F 1 0 > 5(R - 2 · 1 - '*2/ 1 0 > 8 1 @
Luego, la solución del sistema ù( 1 : t{ ( 1 '0, 1, *2/
Así, la solución del sistema <( 1 L es:
5 2 1 (R 0 0
Þ3 1 4ß Þ(, ß 1 Þ*7ß t{ ( 1 Þ 1ß
1 1 3 (F *5 *2
Ejercicio 3.46. Considerando el sistema de ecuaciones lineales, verifica si la matriz de

coeficientes del sistema es estrictamente diagonal dominante, si es así, resolver por el método
de Jacobi y de Gauss-Seidel.
6(R * 3(, - 2(F 1 *35

4(R - 9(, * 3(F 1 *12
(R - 3(, - 5(F 1 28 Solución:
Solución K/ (R 1 *6, (, 1 3, (F 1 5
Ejercicio 3.47. Considerando el sistema de ecuaciones lineales, verifica si es posible resolver

por el método de Jacobi y Gauss-Seidel; si es así resolver por los métodos iterativos citados
(Jacobi y Gauss-Seidel).
5(R - 2(, - (F * () 1 32
2(R * 7(, - 3(F - () 1 *26
3(R - (, - 9(F * 4() 1 53
4(R - 2(, - (F - 8() 1 47 Solución:
Solución K/ (R 1 3, (, 1 7, (F 1 5; () 1 2
Ejercicio 3.48
3.48.
48. Considerando el sistema de ecuaciones lineales:
5(R - 2(, - (F 1 *12
*(R - 4(, - 2(F 1 20
2(R * 3(, - 10(F 1 3
a) Resolver usando el método de descomposición öù
b) Calcular el determinante de < , usando descomposición öù.
Solución:
Solución K/ (R 1 *4, (, 1 3, (F 1 2
L/ det < 1 253
49. Resolver el sistema <( 1 L, donde:

(R
Ejercicio 3.49
3.49.
1 0 2 4
< 1 Þ2 3 *1ß ; ( 1 Þ(, ß ; L 1 Þ 3ß
0 3 *1 (F 2
Usando descomposición LU
1 5 7
¯°±²³´óµ: (R 1 , (, 1 , (F 1
2 4 4
Ejercicio 3.50
3.50.
50. Resolver el sistema:
2(R - 3(, - 2(F - 4() 1 4
4(R - 10(, * 4(F 1 *8
*3(R * 2(, * 5(F * 2() 1 *4
*2(R - 4(, - 4(F * 7() 1 *1
¯°±²³´óµ: (R 1 *1, (, 1 0, (F 1 1, () 1 1
Ejercicio 3.51
3.51.
51. Resolver el sistema
4(R - 3(, * 2(F - () 1 2
3(R - (, * 2(F - 4() 1 5
2(R - 2(, - 3(F * 3() 1 1
4(R - 2(, - (F * 6() 1 3
11 3 2
¯°±²³´óµ: (R 1 , (, 1 *2, (F 1 , () 1
5 5 5
Ejercicio 3.52
3.52.
52. Resolver el sistema
2(R - 3(, - 5(F - 4() 1 4
4(R - 3(, - (F - 6() 1 6
3(R - 5(, - 2(F - 4() 1 2
2(R - (, - 2(F - 3() 1 3
11 3 1 16
¯°±²³´óµ: (R 1 * , (, 1 * , (F 1 * , () 1
7 7 7 7
Ejercicio 3.53. Resolver el sistema

3(R - 2(, - 8(F - 5() 1 *30
*4(R - 3(, * 5(F - 5() 1 *70
*5(R - 9(, *2(F * 5() 1 *39
*9(R * 4(, - 2(F - 4() 1 43
¯°±²³´óµ: (R 1 *3, (, 1 *9, (F 1 4, () 1 *7

Ejercicio 3.54
3.54. Resolver el sistema
*9(R * 8(, - 9(F * 7() 1 *89
(R - (, * 3(F * 6() 1 52
*5(R * 4(, - 2(F * 2() 1 *46
*6(R - 4(, * 5(F * () 1 *15
¯°±²³´óµ: (R 1 8, (, 1 2, (F 1 *4, () 1 *5

6(R - 7(, - 3(F - 8() 1 49
2(R * 9(, - 3(F - 9() 1 *77
*4(R * 8(, * 3(F - 6() 1 *87
*9(R * 2(, - 2(F * 4() 1 11
¯°±²³´óµ: (R 1 *1, (, 1 8, (F 1 5, () 1 *2

8(R * 8(, - 5(F - 3() 1 23
5(R * 6(, - 2(F - 7() 1 *23
2(R * 4(, - 3(F - 4() 1 *30
9(R * 4(, - 6(F - 2() 1 26
¯°±²³´óµ: (R 1 8, (, 1 *2, (F 1 *6, () 1 *9
Ejercicio 3.57
7(R - 9(, * 4(F - 9() 1 69
*(R * 3(, - 3(F - 2() 1 *42
4(R * 9(, * 2(F - 9() 1 *34
*2(R * 5(, * 3(F - () 1 *23
¯°±²³´óµ: (R 1 7, (, 1 4, (F 1 *5, () 1 *4
Ejercicio 3.58
5(R - 9(, - (F * 5() 1 *101
*3(R * 4(, * 3(F - 2() 1 37
*5(R * 2(, * 3(F * 8() 1 59
*4(R * 3(, - 7(F - () 1 100
¯°±²³´óµ: (R 1 *9, (, 1 *8, (F 1 6, () 1 *2

CÁPITULO 4 SISTEMAS DE NUMERACIÓN 105
CAPÍTULO 4
SISTEMAS DE NUMERACIÓN
Introducción
La necesidad de contar siempre existió en la vida del hombre y cuando la acción de contar se
produjo en la historia del hombre, estos utilizaron los dedos de las manos, piedritas, marcas
en árboles o varillas, nudos en una cuerda y cualquier otras formas para ir pasando de un
número al siguiente y registrar lo que sea se esté contando.
Con el tiempo y a medida que la cantidad crece se hace necesario un sistema de
representación que presente mayor practicidad y posibilidad para contar grandes cantidades.
El sistema de numeración posicional es el modo de escritura que al parecer presenta mayor
practicidad, en el cual cada digito posee un valor diferente dependiendo de la posición que
ocupa dentro del grupo de números que representa alguna cantidad, o sea, su valor depende
de la posición relativa ocupada.
El sistema de numeración que se usa habitualmente es el sistema posicional decimal, cuya
base es 10. Este sistema de numeración utiliza para su representación diez dígitos diferentes,
cada uno de ellos representando cantidades diferentes, y son: 0, 1, 2, 3, 4, 5, 6, 7, 8, y 9.
A modo de referencia se cita la numeración babilónica que usaba numeración con base 10 y
base 60, y la numeración maya cuyo sistema de numeración utilizaba las bases 20 y 5.
La aparición de las computadoras ha dado un gran avance al desarrollo y perfeccionamiento
de los sistemas de numeración, entre los cuales se puede citar el sistema binario o de base
dos.
Si bien George Boole estudio el sistema binario como aplicación práctica para emplear a la
posición y cambios de rieles de trenes, luego éste procedimiento se hizo muy útil y se
profundizó en sus características para dar origen al sistema utilizado universalmente por las
computadoras.
Si bien los resultados generados por un procesador computarizado están siempre afectados
por la aritmética finita, siempre será de gran ayuda las operaciones computarizadas a la hora
de realizar cálculos, tanto por su rapidez como por la precisión (casi exactas) de las
operaciones.
El sistema de numeración decimal es el que maneja y utiliza la gran mayoría de las personas y
la que se aplica como base internacional de números. El sistema binario o de base dos es la
que usa universalmente las computadoras. Además de estos dos sistemas de numeración
existen otros utilizados en los sistemas digitales, como el sistema octal (base ocho) y el
sistema hexadecimal (base dieciséis), también sistemas posicionales.
Los sistemas octal y hexadecimal se utilizan más bien como apoyo y simplificación de circuitos
el sistema octal '8 1 2F / y el hexadecimal '16 1 2) /.

digitales en los diseños de chips, pues la base de origen siempre es el sistema decimal, Ya que
Representación de un número entero
Cualquier computador funciona internamente con una base fija ã, donde ã U m 2, y se

La representación de un número entero en el computador no presenta ninguna dificultad.
Bajo estas condiciones, un número entero T X 0, posee una única representación.

escoge como una potencia de 2.
T 1 d'TQZ TQZR … TQR T6 1 d'T6 ã6 - TQR ãR - S - TQZ ãZ /

Donde los T 1 0, *1, *2, … , *[ son enteros que satisfacen 0 n T n ã : TQZ X 0
El número 5876 en la base ã 1 10 está representado por:

Ejemplo 4.1.
5876 1 6 106 - 7 10R - 8 10, - 5 10F

Es almacenado como: TQF TQ, TQR T6
Representación de un número real

La representación de un número real en el computador puede ser hecha de dos maneras, la
representación en punto fijo y la representación en punto flotante.
Punto fijo
dado un número real ( X 0, este número real será representado en punto fijo por.
La representación en punto fijo fue el sistema utilizado por los primeros computadores. Así,
( 1 d Ç ( ã Q
ÉZ
Donde [ : T son enteros que satisfacen la condición [ ] T y usualmente [ n 0 y T \ 0 y los
( son enteros que sarisfacen 0 n ( n ã.
El número 5876,43 en la base ã 1 10 está representado por:

Ejemplo 4.2.
5876,43 1 d Ç ( ã Q
ÉQF
5876,43 1 5 10F - 8 10, - 7 10R - 6 106 - 4 10QR - 3 10Q,

5876,43 1 5 1000 - 8 100 - 7 10 - 6 1 - 4 0,1 - 3 0.01
5876,43 1 5000 - 800 - 70 - 6 - 0,4 - 0,03
Punto flotante
La representación en punto flotante es más flexible que la representación en punto fijo,
actualmente esta representación es utilizada universalmente.
Dado un numero real ( X 0, éste será representado en punto flotante por ( 1 d0 ã , donde
ã es la base del sistema de numeración, 0 es la mantisa y t es el exponente. La mantisa es un
número en punto fijo, está dada por:
0 1 Ç 0 ã Q
ÉZ
Donde, frecuentemente, en los grandes computadores, [ 1 1, tan que si ( X 0, entonces
0R X 0; 0 n 0 ] ã, 1 1, 2, 3, … v, v indica la cantidad de dígitos significativo o precisión del
sistema, ã QR n 0 ] 1 y * ` n t n ï.
a) 0R X 0 caracteriza el sistema de números en punto flotante normalizado.

b) El número cero '0/ pertenece a cualquier sistema y es representado con
mantisa igual a cero y t 1 *`.
Los números en punto flotante son números reales de la forma: dÓ ã , donde Ó tiene un
Definición 4.1.
4.1.
numero de dígitos limitados, ã es la base y t es el exponente que hace cambiar de posición al

punto decimal.
Un número real ( tiene una representación punto flotante normalizada si:

Definición 4.2.
1
( 1 dÓ ã , con ] |Ó| ] 1
ã
En el caso en que ( tenga representación punto flotante normalizada, entonces
( 1 d0, 0R , 0, , … , 0Z ã , { ( X 0, 0R X 0,
0 ] 0 ] ã, 1 1, 2, 3, … , [ : * ` n t n ï
Definición 4.3.
Al conjunto de los números en punto flotante se le llama conjunto de números de máquina.
Escribe en número 0,53 de base ã 1 10 en punto flotante normalizada.

Ejemplo 4.3.
0,53 1 '5 10QR - 3 10Q, / 106 1 0,53 106 1 0,53

Solución
Escribe en número4397,3 de base ã 1 10 en punto flotante normalizado.

Ejemplo 4.4.
4397,3 1 '4 10QR - 3 10Q, - 9 10QF - 7 10Q) - 3 10Q7 / 10)

Solución
4397,3 1 0,43973 10) 1 4397,3
Escribe en número *5,972 de base ã 1 10 en punto flotante normalizado.

Ejemplo 4.5.
*5,972 1 *' 10QR - 9 10Q, - 7 10QF - 2 10Q) / 10R 1 *0,5972 10R

Solución:
Representación de números en el sistema '!, ", #, $/..
Es sabido que los números reales pueden ser representados por una recta continua. Si los
puntos son fluctuantes solo es posible representarlos como puntos discretos en la recta real.
¿Cuantos y cuales números pueden ser representados en el sistema '2, 3, 1, 2/?

Ejemplo 4.6.
Como ã 1 2, indica que la base del sistema considerado es 2, v 1 3 y los límites exponenciales
Solución:
son ` 1 1 : ï 1 2, indicando que *1 n t n 2. Así, la expresión para este ejemplo queda:
d0, 0R 0, 0F 10
Se tiene: dos posibilidades para los signos, una posibilidad para 0R , dos posibilidades para 0, ,
dos para 0F y cuatro para ã . Realizando el producto de 2 1 2 2 4 1 32; este
resultado indica la cantidad a ser representada, entonces: '2, 3, 1, 2/ puede representar 33
números '32 - 1 1 33/ pues el cero '0/ forma parte de cualquier sistema de numeración.
Los números que pueden ser representados por este sistema son:
Las formas de la mantisa son: 0.100; 0.101; 0.110 : 0.111
Las formas de ã son: 2QR , 26 , 2R , 2,
(2 1 '0.25/R6 (2 1 '0.3125/R6
QR QR
& 26 1 '0.5/R6 & 26 1 '0.625/R6

0.100 ) 0.101 )
' 2 1 '1.0/R6 ' 2 1 '1.25/R6
R R
& 2, 1 '2.0/ & 2, 1 '2.5/
% R6 % R6
(2 1 '0.375/R6 (2 1 '0.4375/R6
QR QR
& 26 1 '0.75/R6 & 26 1 '0.875/R6
0.110 ) 0.111 )
' 2 1 '1.5/R6 ' 2 1 '1.75/R6
R R
& 2, 1 '3.0/ & 2, 1 '3.5/
% R6 % R6
Aquí se tienen 16 números positivos en base 10, los otros 16 números son los mismos, pero
negativos, ahí se tiene 32 números, completa el cero (0) para tener los 33.
Escribe en número 0,0007 de base ã 1 10 en punto flotante normalizado.

Ejemplo 4.7.
4.7.
0.0007 1 '7 10QR / 10QF 1 0,7 10QF

Solución
La representación de un sistema de números en punto flotante normalizado, en la base ã , con

v dígitos significativos y con límites de exponentes ` : ï, la notación utilizada será
'ã, v, `, ï/.
Un numero en el sistema de punto flotante 'ã, v, `, ï/ será representado por
d0. 0R 0, 0F … 0 ã , donde 0R X 0 : * ` n t n ï
Considerando el sistema '10, 3, 2, 2/. Representar en este sistema los números:

Ejemplo 4.8.
0,53; 4397,3; *5,972 y 0,0007

Solución
representado por d0. 0R 0, 0F 10 , 0~T0t * 2 n t n 2.

En el sistema de punto flotante normalizado planteado por el problema, un numero será
Se presenta los siguientes números en punto flotante:

0,53 1 0,530 106
4397,3 1 0,43973 10)
*5,972 1 *0,5972 10R
0.0007 1 0,7 10QF
Los números 0,53 1 0,53 106 : * 5,972 1 *5,972 10R pueden ser representados en este
sistema, pues las potencias de 10'0 : 1/ están comprendidas en el intervalo *2 n t n 2.
Sin embargo los números 4397,3 1 4397,3 10) : 0,0007 1 0,0007 10QF no pueden ser
representados en este sistema fijado, pues las potencias de 10 '4 : * 3/ de estos números no
pertenecen al intervalo *2 n t n 2.
El número 4397,3 1 4397,3 10) tiene un exponente mayor que 2, causando overflow y el
número 0,0007 1 0,0007 10QF posee exponente menor que *2 produciendo underflow.
Sea ã la base del sistema de números en punto flotante. Los dígitos significativos de un
Definición 4.4.
numero (, son todos los algoritmos de 0 K ã * 1, donde ( está representado en la forma

normalizada.
Sea ;'(/ una fujncion continua real definida en el intervalo yK, Lz, K ] L y sean ;'K/ ]
Ejemplo 4.9.
0 : ;'L/ \ 0. De acuerdo con el teorema de valor intermedio, existe (, K ] ( ] L, tal que

;'(/ 1 0.
Sea ;'(/ 1 ( F * 3. Determinar ( tal que ;'(/ 1 0
Para la función dada se considera v 1 10 : ã 1 10.

Solución:
Haciendo (6 1 0,1442249570 10R y (R 1 0,1442249571 10R y resolviendo:

;'(6 / 1 ;'0,1442249570 10R / 1 *0,191 10Q
;'(R / 1 ;'0,1442249571 10R / 1 -0,432 10Q
Entre (6 1 0,1442249570 10R y (R 1 0,1442249571 10R , no existen ningún numero
que pueda ser representado en el sistema dado y que la función ; cambie de signo en los
extremos del intervalo. Así, esta máquina no contiene el número ( tal que ;'(/ 1 0 y por lo
tanto la ecuación dada no posee solución.
Escribir el número 7361.3 en punto flotante normalizado.

Ejercicio 4.1.
5391.3 1 '7 10QR - 3 10Q, - 6 10QF - 1 10Q) - 3 10Q7 / 10)

Solución:
7361.3 1 @.
© ©@j

Ejercicio 4.2
4.2.
0.42 1 '4 10QR - 2 10Q, / 106 1 @. ji ©@@

Solución:
Escribir el número *5.172 en punto flotante normalizado.

Ejercicio 4.3
4.3.
* 5.172 1 *'5 10QR - 1 10Q, - 7 10QF - 2 10Q) / 10R

Solución:
*5.172 1 *@. Ì©i ©@©

Ejercicio 4.4
4.4.
0.0004 1 '4 10QR / 10QF 1 @. j ©@Q

Solución:

Ejercicio 4.5
4.5.
27.56 1 '2 10QR - 7 10Q, - 5 10QF - 6 10Q) / 10, 1 @. iÌ

©@i
Solución:
Considerando el sistema '10, 3, 2, 2/, representar el número 7361.3

Ejercicio 4.6
4.6.
En punto flotante un número de base 10 se representa por d0. 0R 0, 0F … 0 10 , donde

Solución:
Solución
*2 n t n 2,
Bajo estas condiciones el número 7361,3 no puede ser representado, pues ï está fuera del
rango considerado, 7361.3 1 @.
© ©@j y el exponente de la potencia de 10 es 'ï 1 4/,
y el valor máximo permitido es 'ï 1 2/.
Considerando el sistema '10, 3, 2, 2/, representar el número 0.42

Ejercicio 4.7
4.7.
El número 0.42 1 0.42 106 sí puede ser representado bajo las condiciones consideradas en
Solución:
Solución
este ejercicio, pues el valor de ï está en el rango considerado, 0.42 1 @. ji ©@@ y el

exponente de la potencia de 10 es 'ï 1 0/, y el valor está comprendido entre los limites
considerados de '` 1 *1 y ï 1 2/.
Considerando el sistema '10, 3, 2, 2/, representar el número *5.172 1 *@. Ì©i ©@©
Ejercicio 4.8
4.8.
El número *5.172 1 *@. Ì©i ©@© sí puede ser representado bajo las condiciones
Solución:
Solución
consideradas en este ejercicio, el valor de ï está en el rango considerado,

*5.172 1 *@. Ì©i ©@© y el exponente de la potencia de 10 es 'ï 1 1/, y el valor está
comprendido entre los limites considerados de '` 1 *1 y ï 1 2/.
La mayoría de los computadores funciona en la base ã, donde ã es un entero m 2; que es

Cambio de base
normalmente escogida como una potencia de 2. Así, un mismo número puede ser
representado en más de una base. Además de eso se sabe que, a través de un cambio de base,
es siempre posible determinar la representación en una nueva base.
Sistema binario de numeración

La importancia de este sistema de numeración radica en la sencillez de sus reglas aritméticas,
que hacen es éste un sistema totalmente idóneo para uso en sistemas digitales y
computadoras, pues posee solamente dos estados posibles, encendido o apagado o 0 y 1.
Para representar la cantidad cero, se utiliza el símbolo 0, para representar la cantidad uno se
utiliza el símbolo 1 y para representar la cantidad dos, se usa la combinación de los dos
Los números en el sistema binario se representan como: 1101,

primero, o sea, la cantidad dos es 10, pero en base dos.
Los números en el sistema decimal se representan como: 375R6 o simplemente 375.

Haciendo una comparación del sistema binario y del sistema decimal, se tiene la tabla 4-1
Decimal 0 1 2 3 4 5 6 7
Binario 0 1 10 11 100 101 110 111
Tabla 4-
4-1
numeración para los números del sistema decimal, por lo tanto, se usará 375 en vez de 375R6.
Desde ahora en este material y en todos los casos se omite el sub-índice que indica la base de
La tabla 4-2 presenta las primeras potencias de 2 para su aplicación en conversiones

26 2R 2, 2F 2) 27 2 2 2 2¬ 2R6 2RR 2R, 2RF

1 2 4 8 16 32 64 128 256 512 1024 2048 4096 8192
Tabla Nº 4-2
La tabla 4-3presenta las potencias negativas de 2
2QR 2Q, 2QF 2Q) 2Q7 2Q 2Q 2Q 2Q¬

0.5 0.25 0.125 0.625 0.03125 0.015625 0.0078125 0.00390625 0.001953125
Tabla Nº 4-3
Análisis del sistema posicional decimal

375 1 3 10, - 7 10R - 5 106
375 1 3 100 - 7 10 - 5 1 1
375 1 300 - 70 - 5 1 1 375
En este ejemplo se nota que el digito menos significativo (5) multiplica 106 y el digito más
significativo (3) multiplica a 10, y la suma de estos resultados representa el numero, en este
caso 375.
Conversión del sistema binario al decimal

decimal
La forma más sencilla de comprender e interpretar planteamientos problemáticos de este tipo
y buscar solución es con un ejemplo directo.
Se desea convertir el número 111011, al sistema decimal.

Ejemplo 4.10.
Solución
Tanto el sistema binario como el decimal son posicionales, se procede así:
11011, 1 1 27 - 1 2) - 1 2F - 0 2, - 1 2R - 1 26 1
11011, 1 1 32 - 1 16 - 1 8 - 0 4 - 1 2 - 1 1 1
11011, 1 32 - 16 - 8 - 0 - 2 - 1 1 27R6 1 Ìª
Ejercicio 4.9.
Se desea convertir el número 11011, al sistema decimal.
Solución
11011, 1 1 2) - 1 2F - 0 2, - 1 2R - 1 26 1
11011, 1 1 16 - 1 8 - 0 4 - 1 2 - 1 1 1
11011, 1 16 - 8 - 0 - 2 - 1 1 27R6 1 i
Convierte el número 101001, al sistema decimal.

Ejercicio 4.10.
4.10.
Solución
101001, 1 1 27 - 0 2) - 1 2F - 0 2, - 0 2R - 1 26 1
101001, 1 1 32 - 0 16 - 1 8 - 0 4 - 0 2 - 1 1 1
101001, 1 32 - 0 - 8 - 0 - 0 - 1 1 41R6 1 j©
Ejercicio 4.11.
Convierte el número 10101110, al sistema decimal.
Solución
10101110, 1 1 2 - 0 2 - 1 27 - 0 2) - 1 2F - 1 2, - 1 2R - 0 26 1
10101110, 1 1 128 - 0 64 - 1 32 - 0 16 - 1 8 - 1 4 - 1 2 - 1 0 1
10101110, 1 128 - 0 - 32 - 0 - 8 - 4 - 2 - 0 1 174R6 1 ©j
Ejercicio 4.12.
Convertir el número 111.001, al sistema decimal.
Solución
111.001, 1 1 2, - 1 2R - 1 26 - 0 2QR - 0 2Q, - 1 2QF 1
111.001, 1 1 4 - 1 2 - 1 1 - 0 0.5 - 0 0.25 - 1 0.125 1
111. 001, 1 4 - 2 - 1 - 0 - 0 - 0.125 1 7.125R6 1 . ©iÌ
Ejercicio 4.13.
Solución
11.101, 1 1 2R - 1 26 - 1 2QR - 0 2Q, - 1 2QF 1
11.101, 1 1 2 - 1 1 - 1 0.5 - 0 0.25 - 1 0.125 1
11. 101, 1 2 - 1 - 0.5 - 0 - 0.125 1 3.625 1 .
iÌ
Conversión del sistema decimal al binario

Ahora se realizará la operación inversa a la anterior, pues se convertirá números del sistema
decimal al sistema binario. De la misma forma como se procedió con la conversión del
apartado anterior, se hará aquí, o sea, se hará la conversión a partir de ejercicios resueltos
directamente.
Los números enteros de cualquier sistema tendrán siempre otro número entero como
resultado de la conversión de sistemas.
Ejemplo 4.11.
Se desea convertir el número 13 al sistema binario.
Solución
Primer método:
método Una de las formas más simples utilizadas para convertir un número del
sistema decimal al binario es la presentada a continuación, donde la conversión se da después
de una serie de divisiones (por el número dos) y cuyo resultado binario es el último cociente
seguidos de todos los restos.
13R6 1 1101,
13 2
(1) 6 2
(0) 3 2
(1) (1)
La interpretación práctica de la conversión de un numero del sistema decimal al binario se

muestra con la flecha que acompaña a la división por 2 del numero 13.
Segundo método:
método Esencialmente consiste en el mismo método anterior, con la diferencia en la
Se divide por 2 el número que se desea convertir, en este caso '13⁄2/ 1 '6 2/ - 1
forma de representar la operación y la solución de la conversión.
Se vuelve a dividir el nuevo cociente (6) entre dos, o sea: '6⁄2/ 1 '3 2/ - 0
De nuevo se divide el último cociente (3) entre dos, quedando: '3⁄2/ 1 '© 2/ - 1
Después de la última división, queda el último divisor (en negrita): ©
El resultado se interpreta como indica la flecha, ©©@©
Entonces:: © 1 ©©@©i
Tercer método: Otra forma de presentar la resolución del ejercicio es por medio del siguiente
cuadro, interpretándose la tabla de la misma forma que el anterior y siguiendo el sentido de la
flecha para ordenas los números en sus respectivos lugares.
13 6 3
2 2 2
1
(6 2/ - 1 (3 2/ - 0 (1 2/ - 1

1 0 1 1
Luego: © 1 ©©@©i
Ejercicio 4.14.
Solución
'4⁄2/ 1 '2 2/ - 0
'2⁄2/ 1 '© 2/ - 0
Se vuelve a dividir el nuevo cociente (13) entre dos, o sea:
De nuevo se divide el último cociente entre dos, quedando:
Con esta última división el resultado es exacto, queda el último cociente: ©
El resultado se interpreta como indica la flecha, ©@@@
Entonces:: « 1 ©@@@i
Otra forma de presentar la resolución del ejercicio es por medio del siguiente cuadro,
interpretándose la tabla de la misma forma que el anterior y siguiendo el sentido de la flecha
para ordenas los números en sus respectivos lugares.
8 4 2
2 2 2
1
(4 2/ - 0 (2 2/ - 0 (1
1 2/ - 0
0 0 0 1
Luego: « 1 ©@@@i
Ejercicio 4.15.
Solución
Se vuelve a dividir el nuevo cociente (13) entre dos, o sea: '13⁄2/ 1 '6 2/ - 1
De nuevo se divide el último cociente entre dos, quedando: '6⁄2/ 1 '3 2/ - 0
Otra vez se realiza la división por dos del cociente hallado: '3⁄2/ 1 '1 2/ - 1
Con esta última división el resultado es exacto, queda el último cociente: ©
El resultado se interpreta como indica la flecha, ©©@©©
Entonces:: i 1 ©©@©©i
27 13 6 3
2 2 2 2
(13 2/ - 1 (6 2/ - 1 (3 2/ - 0 (1 2/ - 1
1 1 0 1
Ejercicio 4.16.
Solución
Para convertir 46 al sistema binario, se aplica directamente la tabla:

46 23 11 5 2
2 2 2 2 2
1
(23 2/ - 0 (11 2/ - 1 (5 2/ - 1 (2 2/ - 1 (© 2/ - 0

0 1 1 1 0 1
Luego, 46 1 ©@©©©@i
Ejercicio 4.17.
Se desea convertir el número 13,25 al sistema binario.
Solución
Para realizar la conversión de un sistema decimal fraccionario al sistema binario, se procederá
también de forma práctica, partiendo de la premisa de que un número fraccionario es la suma
de una parte real y otra parte fraccionaria.
Para la conversión se procede a realizar las dos partes por separada, primero, la parte entera
y luego la parte fraccionaria, solo por dar un orden, pues esto no afecta al resultado.
En la conversión de la parte fraccionaria, la operación para cuando los números después el
punto son todos ceros.
13.25 1 13 - 0.25
Se procede a convertir el número 13 Se convierte la parte fraccionaria 0.25
13 6 3
0.25 2 0.50 2
2 2 2
1
©. 00
(6 2/ - 1 (3 2/ - 0 (1
1 2/ - 1
0.50
0 1
1 0 1 1
Luego: 13,25 1 ©©@©. @©i
Ejercicio 4.18.
Se desea convertir el número 8,375 al sistema binario.
8.375 1 8 - 0.375
Solución
8 4 2
0.375 2 0.75 2 0.50 2
2 2 2
1
©. 50 ©. 00
(4 2/ - 0 (2 2/ - 0 (1
1 2/ - 0
©
0.75
0 1
0 0 0 1
Luego: 8,375 1 ©@@@. @©©i

Ejercicio 4.19.
Convertir el número 5.8 al sistema binario.
5.8 1 5 - 0.8
Solución
5 2
0.8 2 0.6 2 0.2 2 0.4 2 0.8 2
2 2
1
1.2 @. 4
(2 2/ - 1 (1 2/ - 0
©
1.6 0,8
0, 1.6
1.
1 1 0 0
1 0 1
Luego: 5.8 1 ©@©. ©©@@©©@@©©@@ …i

Observación: Al resolver la parte fraccionaria volvió a aparecer el número 0.8, lo que indica
que al continuar con la operación se tendrá la misma secuencia, esto indica que la conversión
no es exacta y la parte fraccionaria tiene infinitas cifras.
Sistema hexadecimal
El sistema hexadecimal es otro sistema de numeración altamente ligado a las computadoras y
a los ordenadores. Esta vez, no por ser el método de numeración de las máquinas, sino de ser
una forma más sencilla de expresar ese lenguaje del ordenador.
El sistema hexadecimal es un sistema en base 16 y está compuesto por los dígitos 0, 1, 2, 3, 4,
5, 6, 7, 8, 9, A, B, C, D, E, F. La forma de contar sería:
0, 1, 2, 3, 4, 5, 6, 7, 8, 9, <, =, ë, ì, , 'del 0 al 15/
10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 1<, 1=, 1ë, 1ì, 1, 1 'del 15 al 31/
20, 21, 22, 23, …
Recordar que: < 1 10; = 1 11; ë 1 12; ì 1 13; 1 14; 1 15
La conversión a decimal, es análoga al paso de binario a decimal, utilizando el teorema

fundamental de numeración.
Convertir el número 7<5 del sistema hexadecimal al sistema decimal

Ejemplo 4.12.
7<5 1 7 16, - 10 16R - 5 166 1 1792 - 160 - 5 1 1957

Solución
Ejemplo 4.13.
Convertir el número decimal 1957 al sistema hexadecimal.
Solución
El paso contrario, de decimal a hexadecimal, también es análogo a la conversión binaria, pero
teniendo en cuenta que la base es 16 y, por tanto, se debe dividir por este número.
1957 16
(5) 122 16
(10) (7)
Luego: 1957R6 1 7'10/5 1 7<5R
Conversión binaria a hexadecimal

En oposición a estas conversiones, el paso de binario a hexadecimal y de hexadecimal a
binario es directo. En el primer caso, se agrupan los bits de 4 en 4 desde la derecha y se pasa
cada grupo a su equivalente a hexadecimal. En el segundo caso, se pasa cada dígito
hexadecimal a su equivalente en binario.
Tabla de conversión entre decimal, binario, octal y hexadecimal
Hexadecimal Decimal Octal binario

0 0 0 0000
1 1 1 0001
2 2 2 0010
3 3 3 0011
4 4 4 0100
5 5 5 0101
6 6 6 0110
7 7 7 0111
8 8 10 1000
9 9 11 1001
A 10 12 1010
B 11 13 1011
C 12 14 1100
D 13 15 1101
E 14 16 1110
F 15 17 1111
Como el único factor primo de 16 es 2, todas las fracciones que no tengan una potencia de 2 en
el denominador, tendrán un desarrollo hexadecimal periódico.
1 1
Fracción Hexadecimal Resultado en Hexadecimal
2 2
0,8
1 1
3 3
0,5 periódico
1 1
4 4
0,4
1 1
5 5
0,3 periódico
1 1
6 6
0,2A periódico
1 1
7 7
0,249 periódico
1 1
8 8
0,2
1 1
9 9
0,1C7 periódico
1 1
10 <
0,19 periódico
1 1
11 =
0,1745D periódico
1 1
12 ë
0,15 periódico
1 1
13 ì
0,13B periódico
1 1
14
0,1249 periódico
1 1
15
0,1 periódico
1 1
16 10
0,1
Existe un sistema para convertir números fraccionarios a hexadecimal de una forma más
mecánica. Se trata de convertir la parte entera con el procedimiento habitual y convertir la
parte decimal aplicando sucesivas multiplicaciones por 16 hasta convertir el resultado en un
número entero.
Convertir el número 100100, al sistema decimal.

Ejercicio 4.1.
Solución: 36

Ejercicio 4.2.
Solución: 61

Ejercicio 4.3.
Solución: 15

Ejercicio 4.4.
Solución: 113

Ejercicio 4.5.
Solución: 153

Ejercicio 4.6.
Solución: 109

Ejercicio 4.7.
Solución: 11,875

Ejercicio 4.8.
Solución: 9,75

Ejercicio 4.9.
Solución: 15,75

Ejercicio 4.10.
Solución: 9,125

Ejercicio 4.11.
Solución: 12,875

Ejercicio 4.12.
Solución: 19,25

Ejercicio 4.13.
Solución:
Solución: 15,8125

Ejercicio 4.14.
Solución: 21,75

Ejercicio 4.15.
Solución: 26,875
Convertir el número 11,01, al sistema decimal.

Ejercicio 4.16.
Solución: 3,25

Ejercicio 4.17.
Solución: 2,5

Ejercicio 4.18.
Solución: 3,75

Ejercicio 4.19.
Solución: 4.75

Ejercicio 4.20.
Solución: 5,75
Solución:

Ejercicio 4.21.
Solución: 7,25

Ejercicio 4.22.
Solución: 9,25

Ejercicio 423.
Solución: 14,125

Ejercicio 4.24.
Solución: 9,625

Ejercicio 4.25.
4.25.
Solución: 29,25

Ejercicio 4.26.
Solución: 59,875

Ejercicio 4.27.
Solución: 33,25

Ejercicio 4.28.
Solución: 171,625

Ejercicio 4.29.
Solución: 187,75

Ejercicio 4.30.
Solución: 175,75

Ejercicio 4.31.
Solución: 255,625
Convertir el número 87 al sistema binario.

Ejercicio 4.32.
Solución: 10101112

Ejercicio 4.33.
Solución: 1000012

Ejercicio 4.34.
Solución: 1010112

Ejercicio 4.35.
Solución: 11001102

Ejercicio 4.36.
Solución: 100112
Convertir el número 4,3 al sistema binario.

Ejercicio 4.37.
Solución: 100,0100110…2

Ejercicio 4.38.
Solución: 111001,12

Ejercicio 4.39.
Solución: 11011,01100110…2

Ejercicio 4.40.
Solución: R = 1001,0012

Ejercicio 4.41.
Solución: 111,101100110…2

Ejercicio 4.42.
Solución: 0,1110101110…2

Ejercicio 4.43.
Solución: 1011,0001110…2

Ejercicio 4.44.
Solución: 1100101,000110…2
Considerar el sistema +'©@, j, j, j/.. Representar en este sistema los números:
Ejercicio 4.45. (R 1 2143,24
Ejercicio 4.46. (, 1 *0,00523
Ejercicio 4.47. (F 1 512,46
Ejercicio 4.48. () 1 48157,32
Ejercicio 4.49. (7 1 0,00085
Ejercicio 4.50. ( 1 167,71
Ejercicio 4.51. ( 1 *0,0044
Ejercicio 4.52. ( 1 821,96
Ejercicio 4.53. (¬ 1 26783,19
Ejercicio 4.54. (R6 1 0,00035

CÁPITULO 5 ECUACIONES NO LINEALES 123
CAPÍTULO 5
ECUACIONES NO LINEALES
Introducción
Introducción
Uno de los problemas que frecuentemente se presenta y requiere de solución en algún tipo de
;'(/ 1 0. Donde ;'(/ puede ser un polinomio en ( o una función trascendente.

trabajo científico, es el de calcular las raíces de una determinada ecuación de la forma
Es posible hallar la raíz exacta de ;'(/ 1 0, cuando los polinomios son factorables, sin
embargo, no siempre sucede así, pues en la mayoría de los casos, las raíces de las ecuaciones
buscadas pertenecen al conjunto de los números racionales o al conjunto de los números
complejos, pudiendo ocurrir que en una misma ecuación se den resultados con números
reales y complejos.
Por medio de métodos numéricos es posible obtener una solución aproximada al valor exacto,
tan próxima como se desee, dependiente de la precisión deseada prefijada.
La mayoría de los procedimientos numéricos generan una secuencia de aproximaciones,
algunas con mayor precisión que otras, algunas aproximándose con mayor rapidez a la
solución buscada, de tal forma que la repetición de procedimientos produce una aproximación
al valor verdadero con una precisión definida por una tolerancia prefijada.
La búsqueda de raíces por medio del análisis numérico es similar al de límite del análisis
matemático, pues normalmente el resultado obtenido de una operación por medio de
métodos numéricos se acerca tanto como se desee al valor verdadero, sin llegar casi nunca al
valor exacto.
La característica principal de los métodos numéricos es que casi nunca arrojan resultados
exactos, por lo tanto, en la mayoría de los casos, si no en todos, se obtienen resultados
aproximados, que siempre dependerán de la precisión que se desee.
Teorema 5.1. Teorema de Fermat

Si ;'?/ es un punto extremo de una función ; en un intervalo yK, Lz, ? está en el interior de
yK, Lz y ;'?/ existe, entonces ; , '?/ 1 0.
Este teorema se presenta sin demostración analítica.8
8.
Numérico, Notas de clase. Colombia. Pág. 28.
Demostración gráfica del Teorema de Fermat
Sea la función: ( F * 3( - 1
Ejemplo 5.1.
La figura 5.1 presenta la grafica de la función: ( F * 3( - 1
2.5
1.5
0.5
x
-2 -1.5 -1 -0.5 0.5 1 1.5 2

-0.5
-1
Fig. 5.1
Los máximos y mínimos locales se tienen en (6 1 *1 : (R 1 1

Según el teorema de Fermat, en estos dos valores de (, ; , '(/ 1 0
;'(/ 1 ( F * 3( - 1
; , '(/ 1 3( , * 3, > ; , '*1/ 1 3'*1/, * 3 1 3 * 3 1 0
; , '(/ 1 3( , * 3, > ; , '1/ 1 3'1/, * 3 1 3 * 3 1 0
Al evaluar la derivada de la función con los valores de (6 1 *1 : (R 1 1 , se verifica que las
derivadas se anulan en los máximos y mínimos locales, por lo que la tangente es horizontal y
comprueba el teorema de Fermat.
Si ; es continua en un intervalo cerrado yK, Lz; entonces existe un punto (6 U yK, Lz para el
Teorema 5.2
5.2.
cual ;'(6 / m ;'(/ â( U yK, Lz.
Si ; es continua en un intervalo cerrado yK, Lz; entonces existe un punto (-6 U yK, Lz para el
Teorema 5.3
5.3.
cual ;'(-6 / n ;'(/ â( U yK, Lz.
Teorema 5.4
5.4. Teorema de Rolle
Si ; es continua en un intervalo cerrado yK, Lz; diferenciable en el intervalo abierto 'K, L/ y
;'K/ 1 ;'L/, entonces existe un número ? U 'K, L/, tal que ; , '?/ 1 0
9.
Teorema 5.5
Entre dos raíces consecutivas de una ecuación algebraica ;'(/ 1 0, existe un numnero impar
de ceros de la derivada ;-, contando cada uno de ellos tantas veces como indique su orden de
multiplicidad.
Entre dos raíces consecutivas de la derivada no pueden existir dos raíces distintas de ;'(/ 1
Corolario del teorema 5.5
5.5.
0, porque si existieran, ;- tendría una raíz intermedia.
Si ; es continua en un intervalo cerrado yK, Lz y diferenciable en el intervalo abierto 'K, L/

Teorema 5.6
5.6. Teorema del Valor Medio
existe un número ? U 'K, L/, tal que ;'L/ * ;'K/ 1 ; , '?/'L * K/

Teorema 5.7
5.7. Teorema del valor Intermedio
Si ; es continua en un intervalo cerrado yK, Lz, ;'L/ X ;'K/ y [ un numero cualquiera entre
;'K/ y ;'L/, entonces existe un numero ? U 'K, L/, tal que ;'?/ 1 [
Resolución de ecuaciones no lineales
la más importante es encontrar el intervalo o un punto en ( para comenzar las iteraciones en

Para resolver ecuaciones no lineales se deben tener en cuenta varias situaciones, sin embargo
busca de un cero de la función, procurando que este valor se encuentre lo bastante próximo de
un cero, así se evitará realizar demasiadas operaciones.
decimales. Ejemplos: 2,5 1 2.5

Se aclara de nuevo aquí, que se usa indistintamente la como (,) o el punto (.) para indicar
Esta situación se debe a que en Paraguay se usa normalmente la como (,) como separador de
la parte entera y su decimal, mientras que en otros países se usa el punto (.).
Se aclara esta situación, pues las calculadoras también usan el punto como separador decimal.
El orden de convergencia de un método mide la velocidad con que las iteraciones producidas
por el método se aproximan a la solución exacta. Así, cuando mayor fuere el orden de
convergencia mejor será el método numérico, pues será posible obtener más rápidamente la
solución buscada.
10.

11.
Sean ^(Z _ el resultado de la aplicación de un método numérico en la iteración [ : Z 1 (Z * (Ä ,

Definición 5.1.
su error. Si existiere un número m 1 y una constante ? \ 0 tal que:

|ZR |
lim
Z>È |Z |
Entonces, es el orden de convergencia del método.
Gráfica de funciones
Si ;: yK, Lz > A es una función dada, un punto ( U yK, Lz es un cero (o raíz) de ; si ;'( / 1 0
Definición 5.2
5.2.
Grafica de funciones, un método para hallar intervalos.

Las graficas ayudan enormemente en la búsqueda de los ceros o raíces de una función, pues si
no se conoce el intervalo que contiene la raíz de dicha función, es difícil iniciar cualquier
proceso en búsqueda de solución.
Seguidamente se presentan algunas graficas y las explicaciones necesarias para iniciar la
búsqueda de solución de ecuaciones no lineales.
Hallar el intervalo que contiene una raíz de la función ;'(/ 1 t Qu * cos (

Ejemplo 5.2
5.2.
Se grafica la función ;'(/ 1 t Qu * cos (

Solución 1 y
1.5
0.5
-1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-0.5
-1
Fig. 5.2
5.2.
Según la grafica de la función, se tiene una raíz en el intervalo y1; 1.5z y otra raíz en y4.5; 5z.
Observación Al ser cos ( una función periódica, esta ecuación tiene infinitas soluciones.
Observación:
Sea la función ;'(/ 1 t Qu * cos ( 1 0, implica que t Qu * cos ( 1 0,

Solución 2
Si t Qu * cos ( 1 0, ó t Qu 1 cos (, si :R 1 :,
:R 1 t Qu y :, 1 ?~{ (. Se grafican en un mismo plano, se tiene la fig. 5.3.
La intersección de las dos curvas es un cero de la función sobre (, lo cual indica que una raíz
se encuentra en el intervalo y1; 1.5z, como en el caso anterior.
y
1.5
1 :R 1 t Qu
:, 1 ?~{ (..
0.5
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
-0.5
Fig. 5.3.
Comentarios
estimar un intervalo más reducido como y1.2; 1.4z, con esto se aceleraría notablemente el
Si se realiza la grafica a escala y ésta está bien definida (una grafica muy bien hecha), se puede
proceso de aproximación a una raíz de la función (ecuación), pues se usaría menos
Gráficamente, los ceros de una función son los puntos de intersección de la grafica : 1 ;'(/
iteraciones, por lo tanto, se resolvería el ejercicio en menos pasos.
con el eje de las (.
Métodos cerrados
Los métodos numéricos que en cada paso dan un intervalo cerrado donde se encuentra la raíz
buscada, son llamados métodos cerrados. Entre los más conocidos se encuentran el método de
bisección y el método de la falsa posición o Regula Falsi.
Método de bisección
Sea f una función continua en un intervalo yK, Lz y ;'K/ ;'L/ ] 0. Entonces, por el teorema
Definición 5.3
5.3.
del valor intermedio para funciones continuas, existe al menos un Ó U 'K, L/ tal que ;'Ó/ 1 0.
El método de la bisección es un algoritmo de búsqueda de raíces que aplicando la función ;
para aproximar la raíz Ó U yK, Lz consiste en dividir sucesivamente al intervalo a la mitad y
seleccionando el sub-intervalo que tiene la raíz. Es un método de búsqueda incremental que
divide el intervalo siempre en 2.
Si la función cambia de signo sobre un intervalo, se evalúa el valor de la función en el punto
medio. La posición de la raíz se determina situándola en el punto medio del sub-intervalo
donde exista cambio de signo, basándose en el teorema de Bolzano. El proceso se repite hasta
Supóngase que se desea resolver la ecuación ;'(/ 1 0, donde ; es una función continua.
mejorar la aproximación.
Dados dos puntos K y L tal que ;'K/ : ;'L/ tengan signos distintos, dice el Teorema de
Bolzano que ; debe tener, al menos, una raíz en el intervalo yK, Lz.
El método de bisección divide el intervalo en dos, usando un tercer punto ? 1
gf
,
momento, existen dos posibilidades: ;'K/ y ;'?/ o ;'?/ y ;'L/ tienen distinto signo. El
. En este
algoritmo de bisección se aplica al sub-intervalo donde el cambio de signo ocurre.

El método de bisección no es muy eficiente, pero es mucho más seguro que otros métodos de
aproximación de raíces, pues siempre converge hacia el valor buscado.
Si ; es una función continua en el intervalo yK, Lz y ;'K/ ;'?/ ] 0 , entonces este
método converge a la raíz de ;. De hecho, una cota del error absoluto es:
|fQg|
,.
En este método se plantea una situación práctica, esquematizando el procedimiento del

método de bisección, se pueden considerar los siguientes puntos.
1) Encontrar dos números: K : L con K ] L en los cuales el polinomio: M toma valores
2) Considerando que: (R 1 es el punto medio del intervalo yK, Lz.

gf
cuyos signos son distintos.
,
3) Si : M'(R / 1 0, (R es la raíz buscada, si M'(R / X 0 entonces:
a) Se elige uno de los intervalos yK, (R z o y (R , Lz de tal manera que los extremos del
intervalo del polinomio tome valores cuyos signos sean distintos.
4) Se repite el procedimiento en el intervalo elegido.
Observaciones:
La única restricción para elegir K y L es que los valores M'K/ : M'L/ tengan signos
La longitud del intervalo es una estimación del error cometido al aproximar la raíz.

distintos, en general, entre más pequeña sea la longitud del intervalo, en menor
número de pasos se encontrará la aproximación deseada.
Este método se aplica en la busca de raíces tanto racionales como irracionales.
Teorema 5.8
5.8. Teorema de Weierstrass
Una sucesión creciente y acotada superiormente tiende a un límite, y una sucesión decreciente
y acotada inferiormente tiende a un límite.
Sea ; U yK, Lz : ;'K/;'L/ ] 0. Sea ^?P _È

Teorema 5.9
5.9. Teorema de convergencia
PÉ6 la sucesión de puntos medios generada por el
método de búsqueda binaria (método de bisección). Existe ¨ U yK, Lz, tal que ;'¨/ 1 0 y
L*K
además:
|¨ * ?P | n PR , en particular ^?P _È
PÉ6 coverge a ¨
2
El orden de convergencia de un método mide la velocidad con que las iteraciones producidas
por el método se aproximan a la solución exacta.
Cuando mayor es el orden de convergencia mejor será el método numérico pues se obtiene la
solución con mayor rapidez.
12.
Aproximar con al menos una cifra exacta la raíz del polinomio M'(/ 1 *6( F - ( * 6.
Ejemplo 5.3
5.3.
Solución
Para encontrar el intervalo que contiene una raíz de la función, la forma más simple es
graficando dicha función. Fig. 5.4. y
2
1
x
-2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

-1
-2
-3
-4
-5
-6
Fig. 5.4.
5.4.
Según la grafica, una raíz de la ecuación se encuentra en el intervalo [– 2, – 1].

Se inicia la búsqueda de la raíz de este polinomio en el intervalo [– 2, – 1].
Sea el polinomio M'(/ 1 *6( F - ( * 6
Evaluando en M'*2/ 1 *6'*2/F - '*2/ * 6 1 40 \ 0
M'*1/ 1 *6'*1/F - '*1/ * 6 1 *1 ] 0
M'*2/ M'*1/
*
Así:
+
− 2 −1 3
El punto medio del intervalo [– 2, – 1] es x1 = = − = – 1,5
Evaluando en M'*1,5/ 1 *6'*1,5/F - '*1,5/ * 6 1 20,25 * 1,5 * 6 1 12,75 \ 0

2 2
M'*2/ M'*1,5/ M'*1/

- - *
La raíz se encuentra en el intervalo [*1,5; *1]. La longitud del intervalo es: *1 - 1,5 1 0,5
− 1,5 − 1 2,5
El punto medio del nuevo intervalo es: x2 = =− = – 1,25
2 2
Evaluando en P(–1,25) = – 6 (– 1,25)3 + (–1,25) – 6 = 11,719 – 1,25 – 6 = 4,469 > 0
- - *
P(– 1,5) P(– 1,25) P(– 1)
La raíz se encuentra en [– 1,25; – 1]. La longitud del intervalo es: – 1 + 1,25 = 0,25
− 1,25 − 1 2,25
Se repite el procedimiento: x3 = =− = – 1,125
2 2
Evaluando en P(–1,125) = – 6 (– 1,125)3 + (–1,125) – 6 = 8,543 – 1,125 – 6 = 1,418 > 0
- - *
P(– 1,25) P(– 1,125) P(– 1)
La raíz se encuentra en el intervalo [– 1,125; – 1]. La longitud del intervalo es: 0,125
− 1,125 − 1 2,125
De manera análoga x4 = =− = – 1,0625
2 2
Evaluando P(–1,0625) = – 6(– 1,0625)3 + (–1,0625) – 6 = 7,1968 – 1,0625 – 6 = 0,1343 > 0
- - *
P(– 1,025) P(– 1,0625) P(– 1)
La raíz se encuentra en el intervalo [– 1,0625; – 1]. La longitud del intervalo es: 0,0625
Repitiendo un paso más el mismo procedimiento, se obtiene la siguiente tabla:
-
Intervalo Punto medio xn P(xn) signo Error
-
[– 2; – 1]. – 1,5 12,75 1
-
[– 1,5; – 1]. – 1,25 4,46 0,5
-
[– 1,25; – 1]. – 1,125 1,418 0,25
*
[– 1,125; – 1]. – 1,0625 0,134 0,125
*
[– 1,0625; – 1]. – 1,0313 – 0,45008 0,0625
[– 1,0625; – 1,0313]. – 1,0468 – 0,16436 0,03125
Como *1,0625 y * 1,0313 tienen un 0 en la primera cifra decimal, cualquier punto

intermedio lo tiene, es decir, la primera cifra decimal de la raíz buscada es cero, lo cual
asegura que la aproximación obtenida tiene una cifra decimal exacta.
Comentario
Una desventaja es que en general la convergencia es muy lenta, la bisección necesita, para
obtener una buena aproximación, muchos más pasos que cualquiera de los otros métodos que
veremos después. Pero estos métodos, para converger, necesitan que la primera aproximación
que se toma, c1, esté cerca de la solución exacta de la ecuación. En consecuencia, el
procedimiento usual es éste: se usan unos pocos pasos de la bisección para acercarse a c y a
partir de allí se usa cualquiera de los otros métodos de convergencia rápida.
Método de Regula Falsi,

alsi, Regla Falsa o Falsa
Falsa Posición
se generan sub-intervalos yKP , LP z que encierran a la raíz Ó, pero esta vez, (P no es el punto
Este método de aproximación de raíces es similar al método de bisección en el sentido de que
medio de yKP , LP z, sino el punto de intersección de la recta que pasa por los puntos
'KP , ;'KP //; 'LP , ;'LP // con el eje (.
Al reemplazar la curva por una recta se obtiene una posición falsa de la raíz, de ahí el nombre
el método. Este método también se conoce como método de interpolación lineal inversa.
Sea ;'K/;'L/ ] 0 y considerando la recta que une los puntos (K, ;'K/), (b, ;'L/) cuya
En la figura 5.5 se grafica el método.
pendiente es ` 1
fQg
/'f/Q/'g/
, pero si (c, 0) es el punto de intersección de la recta X, entonces
también ` 1
gQ/'f/
, luego:
0Qg
(b, ;'L/)
: 1 ;'(/
Ó
a=a1 x1 =c x2
b=b1
Fig. 5.5.
5.5.
(K, ;'K/)
;'L/ * ;'K/ 0 * ;'L/ *;'L/'L * K/ ;'L/'L * K/

1 , o sea ?*L 1 ,ó ? 1 L *
L*K ?*L ;'L/ * ;'K/ ;'L/ * ;'K/
L;'L/ * L;'K/ * L;'L/ - K;'L/ K;'L/ * L;'K/

<{: ? 1 , ~: ? 1
;'L/ * ;'K/ ;'L/ * ;'K/
posibilidades: ;'?/ 1 0, ;'K/;'?/ ] 0, ;'L/;'?/ ] 0

Así como el método de bisección, este método de falsa posición, también tienen tres
a) Si ;'?/ 1 0, entonces c es un cero de ;.

b) Si ;'K/;'?/ ] 0, entonces existe un cero de ; en yK, ?z.
c) Si ;'?/;'L/ ] 0, entonces existe un cero de ; en y?, Lz.
De todo esto se desprende un proceso iterativo que se concreta generalizándolo en la
siguiente expresión matemática.
KP ;'LP / * LP ;'KP /
?P 1 , T 1 0, 1, 2, 3, …
;'LP / * ;'KP /
Es frecuente encontrar esta ecuación representativa del método de regula falsi expresada de
estas sustituciones: K 1 (6 , L 1 (R , ? 1 (,
otra manera. A fin de ampliar la terminología matemática al respecto, solamente se hacen
Por lo tanto, la ecuación precedente puede representarse así:

KP ;'LP / * LP ;'KP / (6 ;'(R / * (R ;'(6 /
?P 1 , T 1 0, 1, 2, 3, … (, 1 ,
;'LP / * ;'KP / ;'(R / * ;'(, /
Aplicar el método de falsa posición para encontrar un cero de ;'(/ 1 ln ( - (, en el intervalo

Ejemplo 5.4
5.4.
y0.5; 1z
Sea la función ;'(/ 1 ln ( - (,

Solución
Inicio: Se construye una tabla por mejor organización de los datos.
K ;'K/ L ;'L/
0.5 *0.1931472 1 1
KP ;'LP / * LP ;'KP / K;'L/ * L;'K/
?P 1 ó ?R 1
;'LP / * ;'KP / ;'L/ * ;'K/
0.5 1 * 1 '*0.1931472/ 0.5 - 0.1931472 0.6931472

?R 1 1 1 1 0.58094
1 * '*0.1931472/ 1.1931472 1.1931472
Iteración 1: Reorganizando los datos en una segunda tabla se tiene:
K ;'K/ L ;'L/ ?R ;'?R /

0.5 *0.1931472 1 1 0.58 0.0352728
Para esta siguiente operación, se toma el intervalo cerrado yK, ?R z, pues poseen signos
contrarios uno respecto del otro y se cumple el teorema de Bolzano ;'?R /;'K/ ] 0
K;'?R / * ?R ;'K/ 0.5 0.0352728 * 0.58 '*0.1931472/

?, 1 1
;'?R / * ;'K/ 0.0352728 * '*0.1931472/
0.0189975 - 0.112025 0.1310225

?, 1 1 1 0.5736
0.22842 0.22842
¿, * ¿R 0.5736 * 0,58
Å 1 1 1 1 *0.011158, % 1 1,1158%
¿À ¿, 0.5736
Iteración 2: Una nueva reorganización de los datos obtenidos permite la siguiente tabla:
K ;'K/ ?R ;'?R / ?, ;'?, /

0.5 *0.1931472 0.58 0.0352728 0.5736 0.017777
Se toma el intervalo yK, ?, z, pues se tiene que ;'?, /;'K/ ] 0
K;'?, / * ?, ;'K/ 0.5 0.017777 * 0.5736 '*0.1931472/
?F 1 1
;'?, / * ;'K/ 0.017777 * '*0.1931472/
0.0088885 - 0.110789 0.1196775

?F 1 1 1 0.56746088
0.2109 0.2109
¿F * ¿, 0.5674 * 0,5736
Å 1 1 1 1 *0.01093 % 1 1,093%
¿À ¿F 0.5674
Iteración 3: Se construye de nuevo la tabla y se tiene:
K ;'K/ ?, ;'?, / ?F ;'?F /

0.5 *0.1931472 0.5736 0.017777 0.5674608 0.00087498
Realizando un análisis del error del ejercicio se tiene:
El valor exacto de ( para ;'(/ 1 T ( - ( , es: 0.56714329
1 ¿À * ¿g 1 0.56714329 * 0.5674608 1 0.0003175 1 3.175 10Q)
¿À * ¿g 0.0003175
Å 1 1 1 1 0.00055984 1 5.5984 10Q)
¿À ¿À 0.56714329
¿À * ¿g
% 1 100 1 '%/ 1 100 '%/ 1 100 5.5984 10Q) '%/ 1 0.05598%
¿À
Este último resultado tiene una precisión de tres decimales, o sea los primeros tres decimales
corresponden al valor exacto o valor verdadero.
Usar el método de falsa posición para encontrar un cero de ;'(/ 1 ( ) * 2( F * 4( , - 4( - 4,

Ejemplo 5.5
5.5.
en el intervalo y1, 2z
;'(/ 1 ( ) * 2( F * 4( , - 4( - 4
Solución
Sean: K 1 1 y L 1 2
Inicio: Se construye la tabla con los datos correspondientes.
K ;'K/ L ;'L/
1 3 2 *4
KP ;'LP / * LP ;'KP / K;'L/ * L;'K/
?P 1 ó ?R 1
;'LP / * ;'KP / ;'L/ * ;'K/
1 '*4/ * 2 · 3 *4 * 6 *10
?R 1 1 1 1 1,42857
*4 * 3 *7 *7
Iteración 1: Reorganizando los datos en una segunda tabla se tiene:
K ;'K/ L ;'L/ ?R ;'?R /

1 3 2 *4 1,42857 *0,11494
siguiente operación, se toma el intervalo cerrado yK, ?R z, pues

;'K/: ;'?R / poseen signos contrarios uno respecto del otro y se cumple el teorema de
Para esta
Bolzano ;'?R /;'K/ ] 0
K;'?R / * ?R ;'K/ 1 '*0,11494/ * 1,42857 3 *0,11494 * 4,28571

?, 1 1 1 1
;'?R / * ;'K/ *0,11494 * 3 *3,11494
*4,40065
?, 1 1 1,4127
*3,11494
¿, * ¿R 1,4127 * 1,42857
Å 1 1 1 1 @. @©©i «, 2% 1 ©, ©©i %
¿À ¿, 1,4127
Iteración 2:
K ;'K/ ?R ;'?R / ?, ;'?, /

1 3 1,42857 -0,11494 1,4127 0.0121
Se toma el intervalo y?R , ?, z, pues poseen signos opuestos, o sea, ;'?R /;'?, / ] 0
?R ;'?, / * ?, ;'?R / 1,42857 0.0121 * 1,4127 '*0.11494/
?F 1 1
;'?, / * ;'?R / 0.0121 * '*0.11494/
0.0172857 - 0.162376 0.179662

?F 1 1 1 ©, j©ji©
0.12704 0.12704
¿F * ¿, 1,414216 * 1,4127
Å 1 1 1 1 @. @@©@i 2% 1 @, ©@%
¿À ¿F , 414216
Este último resultado puede considerarse apropiado para la raíz buscada, pues el error
relativo es muy pequeño, y porcentualmente es apenas 0,1%.
Este resultado tiene una precisión de cinco decimales, pues el valor verdadero del polinomio
es 1,414213.
Métodos abiertos
A diferencia de los métodos cerrados que requieren de un intervalo que encierre la raíz
buscada, los métodos abiertos que se verán a continuación requieren de un solo valor o dos
valores iniciales o valores de arranque, que no necesariamente encierran a la raíz, esto hace
que algunas veces las sucesiones generadas por estos métodos sean divergentes o se alejen de
la raíz de interés, pero tiene la ventaja que cuando convergen lo hacen más rápidamente que
las sucesiones generadas por los métodos cerrados.
Este método, iteración de punto fijo, es conocido también como método ( 1 w'(/.
Método de punto fijo
El método de punto fijo es una forma muy útil para obtener una raíz de ;'(/ 1 0. Este método
Para usar el método, ;'(/ se reordena en una forma ( 1 w'(/ equivalente, lo que puede
también constituye la base de algunos principios teóricos importantes.
lograrse de varias formas. Obsérvese que si ;'¨/ 1 0, donde r es una raíz de ;'(/, se
concluye que ¨ 1 w'¨/. Siempre que se tiene ¨ 1 w'¨/ se dice que r es un punto fijo de la
función w.
La forma iterativa converge en el punto fijo ¨, una raíz de ;'(/.
Si w es una función continua en yK, Lz y w'(/3yK, Lz para todo ( U yK, Lz, entonces w tiene por
Teorema 5.10.
5.10.
lo menos un punto fijo en U yK, Lz. Si además w, '(/ existe para todo ( U 'K, L/ : |w, '(/| n [ ]
1 para todo ( U 'K, L/, [ ?~T{vKTvt, entonces w tiene un único punto fijo Ó U yK, Lz y la
sucesión ^(P _P definida mediante la fórmula de iteración (P 1 w'(PQR /, T 1 1, 2, 3, …
Aplicar el método de punto fijo para hallar las raíces de ecuación: ;'(/ 1 ( , * ( * 6 1 0
Ejemplo 5.6
5.6.
Solución
de esta ecuación, que son *2 : 3. Por razones prácticas y de mejor entendimiento se

Por un método simple de factores, incluso un análisis intuitivo puede dar el valor de las raíces
ejemplifica el método con una ecuación de forma simple y de resultado conocido.

Como primer paso siempre es importante graficar la función, para tener una idea del valor
inicial a tomar para la primera iteración, cuando más cerca está este valor de la intersección
de la función con el eje de la abscisa (eje x) será menor el número de iteraciones y se llegará
con mayor rapidez a la mejor aproximación.
x
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5
-1
-2
-3
-4
-5
-6
Fig. 5.6.
Según la gráfica, se puede tomar como primera aproximación de una de las raíces, ( 1 2,5.
De la ecuación original: ;'(/ 1 ( , * ( * 6 1 0, transponiendo, reordenando o cambiando su
6
forma, se pueden obtener las siguientes ecuaciones equivalentes:
1ª/ ( 1 √( - 6, 2ª/ ( 1 , 3ª/ ( 1 ( , * 6

(*1
Primera ecuación equivalente (primera raíz)

( 1 √( - 6. De esta ecuación se tiene: :R 1 (, :, 1 √( - 6.
:R 1 (, es una recta de 45º que atraviesa el primero y el tercer cuadrante del plano cartesiano,
ésta recta hace de punto fijo.
sobre (, lo cual indica el valor próximo a tomar par las iteraciones, en este caso, ronda en
Es sabido que el punto de intersección de dos curvas (o rectas) presenta un cero de la función
torno a 3. y
x
-0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5
-1
Fig. 5.7.
Las aproximaciones sucesivas se realizaran en base a :, 1 √( - 6

Para (6 1 2,5
;'(, / 1 √( - 6
;'2,5/ 1 Ý2,5 - 6 1 2,91548
;'2,91548/ 1 Ý2,91548 - 6 1 2,98588
;'2,98588/ 1 Ý2,98588 - 6 1 2,99765
;'2,99765/ 1 Ý2,99765 - 6 1 2,99961
;'2,99961/ 1 Ý2,99961 - 6 1 2,99993
;'2,99993/ 1 Ý2,99993 - 6 1 2,99999
Se nota que los valores convergen a 8 1 , que sería una de las raíces, luego se evalúa, para
verificar la aproximación obtenida.
;'(/ 1 ( , * ( * 6 4 ;'3/ 1 3, * 3 * 6 1 9 * 9 1 0
6 6
Segunda ecuación equivalente
equivalente (Segunda raíz)
(1 , igualmente, que la forma anterior, :R 1 (, :F 1
(*1 (*1
y
x
-4 -3 -2 -1 1 2 3 4 5 6
-2
-4
6
Fig. 5.8.
Las aproximaciones sucesivas se realizan en base a: :F 1
-6
(*1
Para (6 1 *1,5
6
;'(F / 1
(*1
6
;'*1,5/ 1 1 *2,4
*1,5 * 1
6
;'*2,4/ 1 1 *1,76471
*2,4 * 1
6
;'*1,76471/ 1 1 *2,17021
*1,76471 * 1
6
;'*2,17021/ 1 1 *1,89262
*2,17021 * 1
6
;'*1,89262/ 1 1 *2,07424
*1,89262 * 1
6
;'*2,07424/ 1 1 *1,95170
*2,07424 * 1
6
;'*1,95170/ 1 1 *2,03273
*1,95170 * 1
a 8 1 *i, que sería la otra raíz de la ecuación presentada.

En este caso se nota que la convergencia es oscilatoria y que los valores obtenidos convergen
;'(/ 1 ( , * ( * 6 4 ;'*2/ 1 '*2/, * '*2/ * 6 1 4 - 2 * 6 1 0

Para verificar la aproximación obtenida se tiene:
Tercera
Tercera ecuación equivalente
( 1 ( , * 6.
y
De esta ecuación se tiene:

:R 1 ( y :, 1 ( , * 6
2
x
-3 -2 -1 1 2 3 4
-2
-4
Fig. 5.9
5.9. -6
Las aproximaciones sucesivas se realizan en base a :, 1 ( , * 6

Para (6 1 2,5
;'(/ 1 ( , * 6
;'2,5/ 1 '2,5/, * 6 1 0,25
;'0,25/ 1 '0,25/ * 6
,
1 *5,9375
;'*5,9375/ 1 '*5,9375/ * 6 1 29,254
,
;'29,254/ 1 29,254, * 6 1 23,254

;'23,254/ 1 23,254 * 6,
1 534,748
En este caso, se evidencia que las iteraciones son divergentes, por lo tanto, no pueden generar
En el caso de la segunda ecuación ( 1 uQR ; al realizar las iteraciones iniciando con ( 1 2,5, se

ningún cero de la función analizada.
verifica que las iteraciones en principio parecen divergentes, sin embargo, después de 15
( 1 3, sino hacia ( 1 *2.

iteraciones aproximadamente, va tomando una dirección de convergencia, pero no hacia
En todos los casos, es importante desarrollar cierta intuición para tomar el camino preciso y
ahorrar tiempo en las iteraciones realizadas.
Si w g es diferenciable en yK, Lz y M es un punto fijo de w de orden ` \ 1, entonces la iteración

Teorema
Teorema 5.11
5.11.
11. Orden de convergencia método iterativo lineal
de punto fijo tiene orden de convergencia ` \ 1 y si |w, '(/| ] 1, â( U yK, Lz, entonces el
método converge linealmente.
El orden de convergencia del método iterativo lineal es lineal, o sea, 1 1

Teorema 5.12
5.12.
12. Orden de convergencia método iterativo lineal
13-
La demostración de este teorema en: Velázquez Zapateiro, Jorge y Obeso Fernández, B. 2007.
Análisis Numérico, Notas de clase. Colombia. Pág. 39.
Comentarios
El comportamiento de los tres reordenamientos es interesante y merece la pena siempre
fijo de ( 1 w'(/ es la intersección de la recta : 1 ( y la curva : 1 w'(/ trazada contra

analizarlas. Sin embargo, primeramente se consideraran las graficas de los tres casos. El punto
( 1 w'(/.
Con este método siempre se obtienen iteraciones sucesivas, partiendo de un punto inicial (6
elegido. Este proceso iterativo continúa hasta que los puntos en la curva convergen en un
punto fijo o bien divergen.
Los diferentes comportamientos dependen de que la pendiente de la curva sea mayor, menor
o de signo opuesto a la pendiente de la recta.
Método de Newton - Rapson

Uno de los métodos más atractivos y populares para la búsqueda de los ceros de una función
no lineal es el método de Newton, debido a la rápida convergencia del método, ya que en
general es q-cuadrático.
Existe varias maneras de deducir el método de Newton, el método a ser presentado se base en
el método de iteración lineal.
una aproximación inicial de la raíz (6 , se busca, a partir de (6 , una aproximación mejor (R de

Éste es, sin duda, uno de los métodos más importantes y útiles para el cálculo de raíces. Dada
la raíz, de la siguiente forma: Se sustituye la función ;'(/ por el valor de su desarrollo de

Taylor centrado en (6 hasta el orden 1, es decir: ;'(/ 1 ;'(6 / - ; , '(6 /'( * (6 / que
corresponde a un polinomio de grado 1, y a continuación se calcula (R como el cero de este
;'(6 /
polinomio, es decir:
(R 1 (6 * ,
; '(6 /
y por tanto, de forma general, se obtiene, a partir de (6 una secuencia (P de valores que van
aproximando la raíz, definidos por
;'(P /
(PR 1 (P * , T 1 0, 1, 2, 3, …
; , '(P /
Dada una ecuación ;'(/ 1 0. Un número Ó se dice una raíz de multiplicidad m (m un entero
Definición 5.5.
5.5.
positivo) de la ecuación ;'(/ 1 0, si ;'Ó/ 1 0. Si m = 1, la raíz se dice simple.
Sea que una función ; tiene sus dos primeras derivadas continuas en un intervalo yK, Lz que
Teorema 5.13.
contiene a un número Ó. Entonces Ó es una raíz simple de la ecuación ;'(/ 1 0 si y solo si

;'Ó/ 1 0 : ;-'Ó/ X 0.
14.
Sea que la función ; tiene sus primeras ` - 1 derivadas continuas en un intervalo yK, Lz que
Teorema 5.14.
contiene a un número Ó. Entonces Ó es una raíz de multiplicidad m de la ecuación ;'(/ 1 0 si
Sea ; U ë bR yK, Lz, una función diferenciable en yK, Lz y sea (6 U yK, Lz, entonces para todo
y solo si
( U 'K, L/, se sabe por el Teorema de Taylor que ; se puede escribir de la forma:
; ,, '(6 /'( * (6 /, ; ,, -'(6 /'( * (6 /F
;'(/ 1 ;'(6 / - ; , '(6 /'( * (6 / - - -S
2! 3!
Sea ;'(/ 1 0 una ecuación y (6 un primer valor aproximado a una raíz ú de una ecuación.
Este método consiste en obtener una aproximación a ú calculando el punto en que la
tangente de la curva en '(6 ; ;'(6 // corta al eje x. Gráficamente se ve en la fig. 5.10.
2 y
1 .5
0 .5
x
0 .5 1 1 .5 2 2 .5 3 3 .5
- 0 .5
-1
- 1 .5
Fig. 5.10.
5.10.
Hallar la menor raíz positiva de la siguiente ecuación con error inferior a 10Q,, usando el
Ejemplo 5.7
5.7
;'(/ 1 4 cos ( * t u 1 0
método de Newton.
Solución
se reordena la ecuación inicial ;'(/ 1 0 en otras dos ecuaciones más simples; :R t :, .

Para obtener el valor inicia, el proceso más simple y eficaz es el método gráfico, para el efecto
Reordenando la ecuación original: 4 cos ( * t u 1 0, se tiene la siguiente igualdad:

4 cos ( 1 t u , 0~T0t: :R 1 4 cos (, :, 1 t u
tenido: ?~{ ( 1
También se pudo haber realizado la transposición en la ecuación de otra forma y se hubiera
5
)
, igualmente valido.
y
-1.5 -1 -0.5 0.5 1 1.5 2 2.5 3
-1
Fig. 5.11
5.11.
11.
Los puntos de intersección de las dos curvas en (Ä es la solución buscada. Analizando la figura
5.1, se nota que (Ä está en la vecindad de 1, por lo tanto se tomará (6 1 1
;'(P / 1 4 cos (P * t u.
; ,'u. / 1 *4 sen (P * t u.
calculadora en radianes. Como el error debe ser menor a 10Q, , deben efectuarse los cálculos
Las operaciones a ser realizadas involucran funciones trigonométricas, recordar posicionar la
como mínimo con tres cifras decimales.

Es recomendable para resolver ecuaciones no lineales en cualquier método utilizar en
promedio 5 o 6 cifras decimales.
;'1/ 1 4 ?~{'1/ * t R 1 4'0,5403/ * 2,71828 1 2,1612 * 2,71828 1 *0,55708
; , '1/ 1 *4 {tT'1/ * t R 1 *4'0,84147/ * 2,71828 1 *3,36588 * 2,71828 1 *6,08416
En base a estos primeros datos se aplica la formula de Newton:
;'(6 / *0,55708
(R 1 (6 * 11* 1 1 * 0,091562 1 0,908437
; '(6 /
, *6,08416
Se calcula el error relativo:
(R * (6 0,908437 * 1 0,091562
û û1û û1û û 1 0,10079 \ 10Q,
(R 0,908437 0,908437
Se debe hacer una nueva iteración, pues el error relativo es mayor que el indicado.
;'0,90844/ 1 4 ?~{'0,90844/ * t 6,¬6)) 1 2,4599 * 2,4804 1 *0,0205

; , '0,90844/ 1 *4 {tT'0,90844/ * t 6,¬6)) 1 *3,15418 * 2,4804 1 *5,63458
Se aplica nuevamente la formula de Newton:

;'(R / *0,0205
(, 1 (R * 1 0,90844 * 1 0,90844 * 0,003638 1 0,9048
; , '(R / *5,63458
Se calcula el error relativo para (, :
(, * (R 0,9048 * 0,9084 0,0036

û û1û û1û û 1 0,0039 ] 10Q,
(, 0,9048 0,9048
El valor 0,9048 puede considerarse un valor aceptable para la raíz buscada, pues cumple la
condición de tolerancia, en este caso, menor a 10Q,.
Luego, ( 0,9048 para la función ;'(/ 1 4 cos ( * t u 1 0
Teorema 5.1
5.15. Orden de convergencia del método de Newton
Si ;, ; , , ;-- son continuas e un intervalo cuyo centro (Ä es solución de ;'(/ 1 0 y si ;-'(Ä / X 0
entonces el orden de convergencia del método de Newton es cuadrática, o sea, 1 2.
15 La demostración de este teorema en: Franco, Neide. Cálculo Numérico. Pág. 70.
La ventaja del método de Newton es que su convergencia es cuadrática, lo que significa que la
aproxima a (Ä . Esta situación no sucede en las primeras iteraciones realizadas.

cantidad de dígitos significativos correctos duplica a medida que los valores de la secuencia se
La desventaja del método de Newton es que se tiene que calcular la derivada de la función y
en cada iteración calcular su valor numérico, lo que puede ser muy costoso
computacionalmente. Además de eso la función puede no ser diferenciable en algún punto del
dominio.
Método de Newton modificado

El método de Newton en general, converge cuadráticamente, sin embargo cuando la raíz no es
simple solo se garantiza la convergencia lineal.
Sea una función diferenciable en un intervalo yK, Lz que contiene a (Ä y supongamos que (Ä es
Teorema 5.16
5.16.
un cero de multiplicidad \ 1, entonces el método de Newton converge q-linealmente.

Este teorema se presenta sin demostración. 16
cero buscado sea de multiplicidad ` \ 1.

Con el propósito de mejorar la convergencia del método, éste puede ser modificado, cuando el
El método de Newton modificado queda de la siguiente manera:
;'(P / ; , '(P /
(PR 1 (P *
y; , '(P /z, * ;'(P /; ,, '(P /
Ejemplo 5.8
5.8.
Aplicar el método modificado de Newton para encontrar un cero de ;'(/ 1 ( F * 4( , - 4(,
partiendo de (6 1 1,5
y
1.5
Solución
1
Las raíces serian: (6 1 0;

Se grafica la función. 0.5
(R 1 2
x
(, 1 2
-0.5 0.5 1 1.5 2 2.5
-0.5
-1
Fig. 5.12
5.12.
12.
-1.5
Como la función es cubica, supone que tiene tres raíces, y como las raíces complejas se
presentan en pares conjugados, ésta función no tiene raíces complejas, sino, tres raíces reales.
16
Sea: ;'(/ 1 ( F * 4( , - 4(; ;-'(/ 1 3( , * 8( - 4; ;--'(/ 1 6( * 8
;'(/ 1 ( F * 4( , - 4(
;'1,5/ 1 '1,5/F * 4'1,5/, - 4'1,5/ 1 3,375 * 9 - 6 1 0,375
;-'(/ 1 3( , * 8( - 4
, '1,5/
; 1 3'1,5/, * 8'1,5/ - 4 1 6,75 * 12 - 4 1 *1,25
;--'(/ 1 6( * 8
; ,, '1,5/ 1 6'1,5/ * 8 1 9 * 8 1 1
;'(P / ; , '(P /
Aplicando la expresión: (PR 1 (P *
y; , '(P /z, * ;'(P /; ,, '(P /
;'(6 / ; , '(6 / '0,375/ '*1,25/ *0,46875

(R 1 (6 * 1 1,5 * 1 1,5 *
y; '(6 /z * ;'(6 /; '(6 /
, , ,, '1,5625/ * '0,375/'1/ 1,1875
(R 1 1,5 - 0,394736842 1 1,894736842
Realizando una segunda iteración:
Sea: ;'(/ 1 ( F * 4( , - 4(; ;-'(/ 1 3( , * 8( - 4; ;--'(/ 1 6( * 8
;'1,8947/ 1 '1,8947/F * 4'1,8947/, - 4'1,8947/ 1 6,8018 * 14,36 - 7,5788 1 0,0206
; , '1,8947/ 1 3'1,8947/, * 8'1,8947/ - 4 1 10,76966 * 15,15762 - 4 1 *0,387954
; ,, '1,8947/ 1 6'1,8947/ * 8 1 11,3682 * 8 1 3,3682
;'(R / ; , '(R /
Aplicando la expresión: (, 1 (R *
y; , '(R /z, * ;'(R /; ,, '(R /
'0,0206 / '*0,387954/ *0,007992

(, 1 1,8947 * 1 1,8947 * 1 1,8947 - 0,098527
'0,1505/ * '0,0206 /'3,3682/ 0,081115
(, 1 1,99323
Realizando una tercera iteración:
Sea: ;'(/ 1 ( F * 4( , - 4(; ;-'(/ 1 3( , * 8( - 4; ;--'(/ 1 6( * 8
;'1,99323/ 1 '1,99323/F * 4'1,99323/, - 4'1,99323/ 1 7,919 * 15,89186 - 7,97292

;'1,99323/ 1 0,00006
; , '1,99323/ 1 3'1,99323/, * 8'1,99323/ - 4 1 11,9189 * 15,946 - 4 1 *0,0271
; ,, '2,018/ 1 6'1,99323/ * 8 1 11,9594 * 8 1 3,9594

;'(, / ; , '(, /
Aplicando la expresión: (F 1 (, *
y; , '(, /z, * ;'(, /; ,, '(, /
'0,00006/ '*0,0271/ *0,000001626

(F 1 1,99323 * 1 1,99323 *
'0,0007344/ * '0,00006/'3,9594/ 0,000496836
1 1,99323 - 0,00327271
(F 1 1,9965
Los cálculos se resumen en la siguiente tabla
T (P raiz ;'(/ 1 ( F * 4( , - 4(
(6 1,5 0,375
(R 1,8947 0,0206
0
(, 1,99323
1
(F 1,9965
2 0,00006
3 0,000024457
Luego se considera que ;'(/ 1 ( F * 4( , - 4( 1,9965 2

Es evidente que la raíz tiende a 2, según se demuestra analíticamente en estas tres iteraciones
del método modificado de Newton.
Método de la secante
Una de las desventajas presentadas por el método de Newton es la necesidad de obtener la
derivada de la función en cuestión, además de realizarse los cálculos para cada iteración.
Existen varias formas de modificar el método de Newton a fin de eliminar algunas de las
desventajas; una de las modificaciones consiste en sustituir la derivada por el cociente de las
;'(P / * ;'(PQR /
diferencias, o sea:
; , '(P /
(P * (PQR
Donde (P y (PQR son dos aproximaciones cualesquiera para la raíz (Ä .
El método de la secante es una modificación del método de Newton y es similar a la de Regula
Falsi. Este método (secante) emplea también una línea recta para aproximarse a la raíz. En vez
de usar un intervalo que cumpla el teorema de cambio de signos, usa un intervalo que no
necesariamente lo cumpla, es decir, no se requiere que exista un cambio de signo, es más, no
se requiere que la raíz este en ese intervalo.
El método de Newton modificado que da origen al método de la secante se genera asi:
;'(P / ;'(P /'(P * (PQR /
(PR 1 (P * 1 (P *
;'(P / * ;'(PQR / ;'(P / * ;'(PQR /
(P * (PQR
De esta manera se obtiene una expresión más simple para el método de la secante:
(PQR ;'(P / * (P ;'(PQR /
(PR 1
;'(P / * ;'(PQR /
Para aplicar este método se debe contar con dos aproximaciones iniciales antes de aplicar la
formula correspondiente al método.
La siguiente grafica ilustra cómo puede obtenerse una nueva aproximación
y
(PR (Ä (PQR
x
Fig. 5.13
5.13.
13.
Ejemplo 5.9
5.9.
Determinar la raíz positiva de la ecuación √( * 5t Qu 1 0 por el método de la secante, con un
error menor a 10Q,
Solución
Para evitar tanteos, malgastar tiempo y esfuerzo, la forma más práctica de obtener los valores
:R 1 √(, :, 1 5t Qu
iniciales es el método gráfico, para ello se divide la ecuación original en dos y se grafica.
1.5 :R 1 √(
1
0.5 :, 1 5t Qu
x
(Ä
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
-0.5
Fig. 5.14
5.14.
14.
El punto de intersección de las dos rectas es la solución buscada (Ä . Analizando la grafica se ve
que una raíz positiva de la ecuación se encuentra en la vecindad del punto 1,4, asi que se
toman dos puntos próximos, (6 1 1,4 y (R 1 1,5
;'(/ 1 √( * 5t Qu >
;'(6 / 1 Ý(6 * 5t Qu6 > ;'1,4/ 1 Ý1,4 * 5t QR,) 1 1,183216 * 1,232985 1 *0,049769
;'(R / 1 Ý(R * 5t Qu > ;'1,5/ 1 Ý1,5 * 5t QR,7 1 1,224745 * 1,11565 1 0.109095
Se tienen: (6 1 1,4; (R 1 1,5; ;'(6 / 1 *0,049769 ;'(R / 1 0,109095

(PQR ;'(P / * (P ;'(PQR /

Ahora es posible aplicar la fórmula: (PR 1
;'(P / * ;'(PQR /
(6 ;'(R / * (R ;'(6 / 1,4 · 0,109095 * 1,5 · '*0,049769/ 0,2273865

(, 1 1 1 1 1,430428
;'(R / * ;'(6 / 0,109095 * '*0,049769/ 0,158964
Calculo del error relativo:
(, * (R 1,430428 * 1,5
û û1û û 0,0486372 \ 10Q,
(, 1,430428
El error relativo demuestra que (, aun no cumple la condición de precisión requerida de la
ecuación, por lo tanto se debe realizar otra iteración.
;'(, / 1 Ý(, * 5t Qu7 1 Ý1,430428 * 5t QR,)F6), 1 1,19600 * 1,196033 1 *3,3 · 10Q7
Se tienen: (R 1 1,5; (, 1 1,430428; ;'(R / 1 *0,109095 ;'(, / 1 *3,3 · 10Q7

(PQR ;'(P / * (P ;'(PQR /
Ahora es posible aplicar la fórmula: (PR 1
;'(P / * ;'(PQR /
(R ;'(, / * (, ;'(R / 1,5 · '*3,3/ · 10Q7 * 1,430428 · '*0,109095/ 0,156024
(F 1 1 1
;'(, / * ;'(R / *3,3 · 10Q7 * '*0,109095/ 0,109062
(F 1 1,43059911
Se calcula el error relativo:
(F * (, 1,43059911 * 1,430428
û û1û û 0,000196 ] 10Q,
(F 1,43059911
La raiz positiva de la ecuacion √( * 5t Qu 1 0, ?~T Ï ] 10Q, , t{ (F 1 1,43059911
El valor exacto de una raíz positiva de la ecuación es: 1,430445089
Teorema 5.17
5.17.
17. Orden de convergencia del método de la secante
El orden de convergencia del método de la secante es: 1 1,618

R√7
,
El orden de convergencia del método de la secante es inferior al del método de Newton, sin
cálculo de la función ;, mientras que el método de Newton, además de la función debe

embargo, el método de la secante es una alternativa válida, ya que requiere solamente el
también calcular la derivada.
Método de Muller
La mayoría de los métodos para hallar una raíz, o por lo menos lograr una buena
aproximación, se basan en aproximaciones de la función en la vecindad de la raíz por medio
de una recta. Es sabido que una función no es lineal, pues, si fuera así, no habría necesidad de
realizar ningún tipo de esfuerzo para hallarla por métodos numéricos.
El método de Muller se basa en aproximar la función en la vecindad de la raíz por medio de un

polinomio cuadrático, así se obtiene una mejor correspondencia con la curva real.
puntos son y(6 , ;'(8 /z; y(R , ;'(R /z; y(, , ;'(, /z . El cero propio de esta cuadrática. Usando la
Se construye un polinomio de segundo grado para ajustar tres puntos cerca de una raíz, estos
formula general de ecuaciones de segundo grado, se tiene la estimación mejorada de la raíz. Se

repite el procedimiento usando el mismo conjunto de tres puntos más próximos a la raíz que
está evaluándose.
ajuste a través de tres puntos en la vecindad de una raíz, en la forma KÖ , - LÖ - ?.

El procedimiento de este método se desarrolla al escribir una ecuación cuadrática que se
haciendo Ö 1 ( * (6 .
El desarrollo se simplifica si los ejes se transforman de modo que pasen por el punto medio,
Sean 9R 1 (R * (6 : 9, 1 (6 * (, . Se evalúan los coeficientes al evaluar , 'Ö/ en los tres
Ö 1 0; K'0/, - L'0/ - ? 1 ;6
puntos:
Ö 1 9R ; K'9R /, - L'9R / - ? 1 ;R
Ö 1 *9, ; K'9, /, * L'9, / - ? 1 ;,
A partir de la primera ecuación, ? 1 ;'(6 /.
1 ;, es posible resolver las otras dos ecuaciones para K : L por medio de las
:7
Haciendo :
siguientes ecuaciones.
;;'(R / * ;'(6 /'1 - ;/ - ;'(, / ;'(R / * ;'(6 / * K9R ,

K1 , L1 , ? 1 ;'(6 /
;9R , '1 - ;/ 9R
Después de calcular K, L : ?, la raíz de KÖ , - LÖ - ? 1 0 se encuentra aplicando la fórmula

cuadrática, eligiendo la raíz más próxima al punto medio (6 . Este valor está dada por:
2?
¨K 1 (6 *
L d √L , * 4K?
denominador, o sea, si L \ 0, se eligen el signo positivo; si L ] 0, se elige el signo negativo, si

El signo en el denominador se toma a fin de proporcionar el mayor valor absoluto del
L 1 0, se elige cualquiera de los dos. La justificación del uso algo extraño de la formula
cuadrática es hacer que la siguiente iteración esté más próxima de la raíz.
Para la siguiente aproximación se toma la raíz del polinomio como uno de los puntos de un
Si la raíz está a la derecha de (6 , se toman (6 , (R , y la raíz. Si la raíz está a la izquierda, se

conjunto de tres puntos, tomando los tres puntos cuya separación entre sí sea la más pequeña.
toman (6 , (, , y la raíz.
Ejemplo 5.10.
5.10.
Aplicando el método de Muller, encontrar el único cero de ;'(/ 1 ?~{ ( * (
Sea la función ;'(/ 1 ?~{ ( * (,

y
Solución 1.5
0.5
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4
-0.5
Fig. 5.15.
5.15.
A partir de la grafica se elige el intervalo que contiene la raíz. Se toma y0,6; 1z
(6 1 0,8; ;'(6 / 1 ?~{ 0,8 * 0,8 1 * 0,10329 9R 1 (R * (6 1 1 * 0,8 1 0,2

(R 1 1,0; ;'(R / 1 cos 1 * 1 1 *0,4597 9, 1 (6 * (, 1 0,8 * 0,6 1 0,2
9, 0,2
(, 1 0,6; ;'(, / 1 cos 0,6 * 0,6 1 0,22534 ;1 1 1 1,0
9R 0,2
Se construye una tabla para mejor organización de los datos.
;'(6 / 1 * 0,10329 ;'(R / 1 *0,4597 ;'(, / 1 0,22534 ;11

(6 1 0,8 9R 1 0,2 9R 1 0,04
,
9, 1 0,2
A continuación se aplican las formulas para hallar K, L, ?.

;;'(R / * ;'(6 /'1 - ;/ - ;'(, /
K1 ,
;9R , '1 - ;/
1'*0,4597/ * '* 0,10329/'1 - 1/ - 0,22534 *0,4597 - 0,20658 - 0,22534
K1 1
1 0,04 '1 - 1/ 1 0,04 2
*0,02778
K1 1 *@, jiÌ
0,08
;'(R / * ;'(6 / * K9R ,
L1
9R
*0,4597 * '* 0,10329/ * '*0,34725/ 0,04
L1
0,2
*0,4597 - 0,10329 - 0,01389 *0,34252
L1 1 1 *©, ©i
0,2 0,2
? 1 ;'(6 / 1 * 0,10329
Se reorganizan los datos en una segunda tabla y se tiene:
(6 1 0,8 K 1 *0,34725 L 1 *1,7126 L , 1 2,933 ? 1 * 0,10329

2?
Se aplica la siguiente fórmula para aproximar la raíz:
(Ñ 1 (6 *
L d √L , * 4K?
2 '* 0,10329/
(Ñ 1 0,8 *
*1,7126 d Ý2,933 * 4 ' *0,34725 / '* 0,10329/
* 0,20658 * 0,20658
(Ñ 1 0,8 * 1 0,8 *
*1,7126 d √2,933 * 0,14347 *1,7126 d 1,67019
* 0,20658 * 0,20658
(Ñ 1 0,8 * 1 0,8 * 1 0,8 * 0.0610679 1 0,738932
*1,7126 * 1,67019 *3,38279
(Ñ 1 0,738932.. Es la primera aproximación a un cero de la función.
Para la siguiente iteración se considera (Ñ 1 (6 y se evalúa la función en este punto:

;'(6 / 1 ?~{ (6 * (6 1 cos 0,738932 * 0,738932 1 0,000256277
Como el valor exacto de la función se tiene cuando ;'(6 / 1 0, por lo tanto, una forma de medir
el grado de aproximación de la función hallada es evaluando la función, y a partir del
En este caso, como ;'(6 / 1 0,000256277 Ô 0, puede considerarse una aproximación

resultado estimar si se sigue o no realizando otras iteraciones.
lo menos tres cifras, o sea Ï ] 10Q, .

aceptable, pues se tiene tres ceros después de la coma decimal, indicando una precisión de por
Calculo de error
El cálculo de error presentado a continuación solo es posible realizarlo si se conoce el valor
exacto de la raíz buscada.
es evaluando la función en ;'(/ 1 0. Esta evaluación da una medida intuitiva del margen de
La mejor forma de evaluar el error en una aproximación de raíz en una función o polinomio,
error y funciona para cualquiera de los métodos descritos.

El valor verdadero de la única raíz real de la función ;'(/ 1 ?~{ ( * ( t{: 0,739085133
1 ¿À * ¿g 1 0,739085133 * 0,738932 1 0.000153133 1 1.531 10Q)
¿À * ¿g 0.000153133
Å 1 1 1 1 0.0002072 1 2.072 10Q)
¿À ¿À 0.739085133
¿À * ¿g
% 1 100 1 '%/ 1 100 '%/ 1 100 2.072 10Q) '%/ 1 0.02%
¿À
El error relativo es muy aproximado a la evaluación de la función en el punto ;'(/ 1 0.
Este ejercicio tiene una precisión de dos decimales, o sea los primeros dos decimales
corresponden al valor exacto o valor verdadero, por lo tanto no hace falta realizar la siguiente
iteración para aproximar mejor el resultado, pues el valor obtenido puede considerarse
apropiado, salvo que expresamente se indique lo contrario.
Ejemplo 5.11.
5.11.
Hallar una raíz en el intervalo [0, 1] de la función trascendente ;'(/ 1 3( - {tT ( * t u ,
aplicando el método de Muller.
Sea la función ;'(/ 1 3( - {tT ( * t u ,

y
Solución
1.5
0.5
x
0.5 1 1.5 2 2.5
-0.5
-1
Fig. 5.16.
5.16.
Se puede tomar un intervalo más reducido que contenga la raíz, pero a modo de ejemplo se
tomará lo indicado en este problema, o sea, el intervalo [0, 1].
(6 1 0,5; ;'(6 / 1 0,330704 9R 1 (R * (6 1 1 * 0,5 1 0,5

(R 1 1,0; ;'(R / 1 1,123189 9, 1 (6 * (, 1 0,5 * 0 1 0,5
9, 0,5
(, 1 0,0; ;'(, / 1 *1 ;1 1 11
9R 0,5
Se construye una tabla por mejor organización de los datos.
;'(6 / 1 0,330704 ;'(R / 1 1,123189 ;'(, / 1 *1 ;11

(6 1 0,5 9R 1 0,5 9R 1 0,25
,
9, 1 0,5

;;'(R / * ;'(6 /'1 - ;/ - ;'(, /
K1 ,
;9R , '1 - ;/
1'1,123189/ * '0,330704/'1 - 1/ - '*1/ 1,123189 * 0,661408 * 1
K1 1
1 0,25 '1 - 1/ 1 0,25 2
*0,538219
K1 1 *1,07644
0,5
;'(R / * ;'(6 / * K9R ,
L1
9R
1,123189 * 0,330704 * '*1,07644/'0,25/ 1,123189 * 0,330704 - 0,26911
L1 1
0,5 0,5
1,061595
L1 1 2,12319
0,5
? 1 ;'(6 / 1 0,330704
(6 1 0,5 K 1 *1,07644 L 1 2,12319 L , 1 4,5079358 ? 1 0,330704
2?
(Ñ 1 (6 *
L d √L , * 4K?
2 '0,3307/
(Ñ 1 0,5 *
2,12319 d Ý4,50794 * 4 '*1,07644 / '0,3307/
0,6614 0,6614
(Ñ 1 0,5 * 1 0,5 *
2,12319 d Ý4,50794 - 1,423914 2,12319 d Ý5,93186
0,6614 0,6614
(Ñ 1 0,5 * 1 0,5 *
2,12319 d 2,43554 2,12319 - 2,43554
0,6614
(Ñ 1 0,5 * 1 0,5 * 0,14508 1 0,35492
4,55873
8< 1 0,35492. Es la primera aproximación a la raíz buscada
Se evalúa la función: ;'(/ 1 3( - {tT ( * t u , en ( 1 (Ñ
;'(Ñ / 1 3'(Ñ / - {tT'(Ñ / * t 'u=/
;'(Ñ / 1 3'0,35492/ - {tT'0,35492/ * t '6,F7)¬,/ 1 1,06476 - 0,34752 * 1,42607

;'(Ñ / 1 *0,01379
Como se tiene solamente un 0 después de la coma decimal, la raíz encontrada en esta primera
Para la siguiente iteración se considera (Ñ 1 (6 y se elige los tres puntos a usar en esta nueva
iteración puede ser mejorada en una siguiente.
iteración, para ello se debe tomar (Ñ como punto central y los dos puntos más próximos a él.
Con estos nuevos datos, se tiene:
(6 1 0,35492; ;'(6 / 1 *0,01379 9R 1 (R * (6 1 0,14508
(R 1 0,5; ;'(R / 1 0,3307 9, 1 (6 * (, 1 0,35492
9, 0,35492
(, 1 0; ;'(, / 1 *1 ;1 1 1 2,44637
9R 0,14508
Se construye una tabla por mejor organización de los datos.
;'(6 / 1 *0,01379 ;'(R / 1 0,3307 ;'(, / 1 *1 ; 1 2,44637

(6 1 0,35492 9R 1 0,14508 9R 1 0,02105
,
9, 1 0,35492
;;'(R / * ;'(6 /'1 - ;/ - ;'(, /

K1
;9R , '1 - ;/
'2,44637/'0,3307/ * '*0,01379/'1 - 2,44637/ - '*1/

K1 1
'2,44637/'0,02105/'1 - 2,44637/
0,80901 - 0,047525 * 1 *0,143465
K1 1 1 *0,80837
'2,44637/'0,02105/'3,44637/ 0,177475
;'(R / * ;'(6 / * K9R ,

L1
9R
0,3307 – '*0,01379/ * '*0,80837/0,02105 0,3307 - 0,01379 - 0,017016
L1 1
0,14508 0,14508
0,361506
L 11 1 2,49177
0,14508
? 1 ;'(6 / 1 *0,01379
(6 1 0,35492 K 1 *0,80837 L 1 2,49177 L , 1 6,20891 ? 1 *0,01379
2?
(> 1 (6 *
L d √L , * 4K?
2'*0,01379/
(> 1 0,35492 *
2,49177 d Ý6,20891 * 4'*0,80837/'*0,01379/
*0,02758 *0,02758
(> 1 0,35492 * 1 0,35492 *
2,49177 d Ý6,20891 * 0,04459 2,49177 d √6,16432
*0,02758 *0,02758
(> 1 0,35492 * 1 0,35492 * 1 0,35492 - 0,0055442
2,49177 - 2,4828 4,97455
8? 1 @,
@j
j. Es la primera aproximación a la raíz buscada
Se evalúa la función: ;'(/ 1 3( - {tT ( * t u , en ( 1 (>
;G(> I 1 3'(> / - {tT'(> / * t 'u@/
;G(> I 1 3'0,360464/ - {tT'0,360464/ * t '6,F6))/ 1 1,081392 - 0,35271 * 1,433995
;G(> I 1 0,000107
(> 1 0,360464,, puede considerarse una aproximación aceptable a la raíz buscada, pues al
evaluar con la función se tiene que ;G(> I 1 0,000107 Ô 0
El valor verdadero de una de las raíces reales de ;'(/ 1 3( - {tT ( * t u es: 0,3604217
Calculo de error
1 ¿À * ¿g 1 0,3604217 * 0,360464, 1 0.0000423 1 4,23 10Q7

¿À * ¿g 0.0000423
Å 1 1 1 1 0.00011736 1 1,1736 10Q)
¿À ¿À 0,3604217
¿À * ¿g
% 1 100 1 '%/ 1 100 '%/ 1 100 1,1736 10Q) '%/ 1 0.012%
¿À
Este ejercicio tiene una precisión de cuatro decimales, o sea los primeros cuatro dígitos
después de la coma decimal son iguales, por lo tanto no hace falta realizar la siguiente
iteración para aproximar mejor el resultado, pues el obtenido es bastante preciso.
EJERCICIOS DE
DE FIJACIÓN
En los siguientes ejercicios encuentre un cero real de las siguientes funciones, procediendo de
la siguiente manera.
gf
a) Grafica la función para encontrar un intervalo próximo a una raíz.
,
b) Usar la expresión para obtener u punto de inicio para el método de
Newton.
De los ejercicios presentados, resolverlos usando los métodos de: punto fijo, bisección, regula
falsi, Newton, secante y Muller.
De los 15 ejercicios presentados a continuación, resuelve tres funciones con cada método, la
elección es personal.
;'(/ 1 3( , * 2 ¯°±²³´óµ: d 0.8164965809

Ejercicio 5.1.
;'(/ 1 ( * 3
F
¯°±²³´óµ: 1.4422495711
Ejercicio 5.2
5.2.
;'(/ 1 ( * 2( , - 5( * 2
F
¯°±²³´óµ: 0.4668231807
Ejercicio 5.3
5.3.
;'(/ 1 ( * 2
)
¯°±²³´óµ: d 1.189207115
Ejercicio 5.4
5.4.
;'(/ 1 ( F - 2( , * 3 ¯°±²³´óµ: 1
Ejercicio 5.5
5.5.
;'(/ 1 ( * 5( , - 7( * 4
F
¯°±²³´óµ: 3.2055694304
Ejercicio 5.6
5.6.
;'(/ 1 ( F - ( , * 2( - 1 ¯°±²³´óµ: * 2.1478990357

Ejercicio 5.7
5.7.
;'(/ 1 ( * ( F - 3( , * ( * 3
)
¯°±²³´óµ: K/ 1.144276979
Ejercicio 5.8
5.8.
L/ * 0.7298008449
;'(/ 1 3( ) - ( F * 12( , * 5( ¯°±²³´óµ: K/ * 0.4205212004,

Ejercicio 5.9
5.9.
L/ * 1.9476961218; ?/ 0; 0/ 2.0348839889
;'(/ 1 7( F * 5( , - 3( - 6 ¯°±²³´óµ: * 0.6508225542

Ejercicio 5.10
5.10.
;'(/ 1 T( * 2 vw ( ¯°±²³´óµ: 3.7230640752

Ejercicio 5.11
5.11.
;'(/ 1 {tT ( - 3u ¯°±²³´óµ: * 0.5664945703

Ejercicio 5.12
5.12.
;'(/ 1 cos ( * 3u ¯°±²³´óµ: * 1.3390556456

Ejercicio 5.13
5.13.
2 u
Ejercicio 5.14
5.14.
;'(/ 1 ln ( * p q ¯°±²³´óµ: 1.6641089046

3
;'(/ 1 3 ln ( * 2t Qu ¯°±²³´óµ: 1.2180039049

Ejercicio 5.15
5.15.
Halar todas las raíces de la ecuación: ;'(/ 1 5( , * t u 1 0

Ejercicio 5.16
5.16.
¯°±²³´óµ: * 0.3714177525, 0.6052671213; 4.7079379181
Verifica si el polinomio M'(/ 1 ( F * 2( , * 11 1 0, tiene raíces reales, si es así, halla su mejor

Ejercicio 5.17
5.17.
aproximación aplicando el método de bisección con una precisión mayor a 10Q,.
¯°±²³´óµ: 3.1258136628
Halla la única raíz positiva del polinomio M'(/ 1 ( F * 2( * 2 1 0, aplicando el método de

Ejercicio 5.18
5.18.
bisección con un error menor a 10Q,.
¯°±²³´óµ: 1.7692923542
Gráfica
Gráfica de las funciones de los ejercicios del 5.1. al 5.15.
;'(/ 1 3( , * 2 ;'(/ 1 ( F * 3 ;'(/ 1 ( F * 2( , - 5( * 2

y y y
8
1.5 3
6
1
2
1 4
0.5 x
x
-2 -1.5 -1 -0.5 0.5 1 1.5 2 2
-2 -1.5 -1 -0.5 0.5 1 1.5 2 -1 x
-0.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

-2
-2
-1 -3
-1.5
-4
-4
-2 -5 -6
-6 -8
;'(/ 1 ( ) * 2 ;'(/ 1 ( F - 2( , * 3 ;'(/ 1 ( F * 5( , - 7( * 4

y y y
4
1 1
3
x x
2
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 -0.5 0.5 1 1.5 2 2.5 3 3.5
1 -1 -1
x
-1.5 -1 -0.5 0.5 1 1.5 2 -2 -2

-1
-3 -3
-2
-3 -4 -4
;'(/ 1 ( F - ( , * 2( - 1 ;'(/ 1 ( ) * ( F - 3( , * ( * 3 ;'(/ 1 3( ) - ( F * 12( , * 5(

y y y
4 2
1.5
1 x
3
-2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5
0.5
x
2 -2
-1 -0.5 0.5 1 1.5
-0.5
1 -4
-1
x
-1.5
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 -6
-2
-1 -2.5 -8
-3
-2
;'(/ 1 7( F * 5( , - 3( - 6 ;'(/ 1 T( * 2 vw ( ;'(/ 1 {tT ( - 3u

y y y
7 7
6
6 6
4
5 5
2
4 4
x
3 3
1 2 3 4 5 6 7 8 9
-2 2
2
1
1 -4
x
x
-6 -5 -4 -3 -2 -1 1 2
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 -6
-1
-1
-8
;'(/ 1 cos ( * 3u 2 u ;'(/ 1 3 ln ( * 2t Qu

;'(/ 1 ln ( * p q
3
y y y
10
2
1 8
1 6
x
-8 -7 -6 -5 -4 -3 -2 -1 1 2 x 4
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
-1 2
-1 x
-2 2 4 6 8 10 12 14 16
-2
-2 -2
-3 -4
-3
-6
-4
-4 -8
Ejercicio 5.19
5.19.
19.
;'(/ 1 2( * vw ( 1 0
Usando el método iterativo de punto fijo, encontrar la menor raíz positiva de la ecuación:
¯°±²³´óµ: * 1.1655611852; 1.1655611852; 0

Son las raíces en torno a cero, pues tiene infinitas soluciones, pues la tangente es una función
trigonométrica periódica.
Demuestre que el punto fijo ( 1 w'(/ 1 0,4( , - 0,2 existe, y use la iteración de punto fijo
Ejercicio 5.20.
5.20.
para encontrarlo.
¯°±²³´óµ: no tiene raiz real.
Usar la iteración de punto fijo para encontrar el punto fijo de ( 1 w'(/ 1 0,9( F - 0,1
Ejercicio 5.2
5.21.
¯°±²³´óµ: * 0.4807498568
Sea la función ;'(/ 1 {tT ( - ( t u 1 0. Hallar una raíz negativa con tres cifras decimales
Ejercicio 5.22
5.22.
22.
exactas, en el intervalo y*4, *3z usando el método de regula falsi.
¯°±²³´óµ: * 3.2665004368
Sea la función ;'(/ 1 ( * cos ( 1 0. Hallar una raíz positiva con tres cifras decimales exactas,
Ejercicio 5.23
5.23.
23.
en el intervalo y0.5; 1z usando el método de regula falsi.
¯°±²³´óµ: 0.7390851332
La ecuación ( * 2 {tT ( 1 0 posee una raíz en el intervalo y1.8; 2.0z, Halla el valor
Ejercicio 5.24
5.24.
24.
aproximado por el método de regula falsi con dos decimales correctos.
¯°±²³´óµ: 1.895494267
La ecuación M'(/ 1 ( F * 0,5 1 0, posee una raíz en el intervalo y0.5; 1z usando el método
Ejercicio 5.25
5.25.
25.
regula falsi. Determinar la raíz con una precisión de 10Q,.
¯°±²³´óµ: 0.793700526
Ejercicio 5.26
5.26.
26.
polinómica: ;'(/ 1 ( ) * 2( F * 3( , - 7( - 1 1 0
Aplicar el método de Newton–Rapson para encontrar todas las raíces reales de la ecuación
¯°±²³´óµ: * 1.7649698602; *0.1357251263;
Ejercicio 5.27
5.27.
27.
polinómica: ;'(/ 1 ( ) - 5( F * 3( , * 8( * 13 1 0
Aplicar el método de Newton–Rapson para encontrar todas las raíces reales de la ecuación
¯°±²³´óµ: * 5.3654057477; 1.7502397209
Determinar la raíz de ;'(/ 1 0,5( F * 4( , - 6( * 2, usando el método de Newton usando

Ejercicio 5.28
5.28.
28.
valores iniciales de a) 0,5 y b) 1,5
¯°±²³´óµ: 0.4745724392; 1.3691023862; 6.1563251747
Localice la primera raíz positiva de ;'(/ 1 {tT ( - cos'( , - 1/ * 1. Usar cuatro iteraciones
Ejercicio 5.29
5.29.
29.
con el método de Newton con valores iniciales de: a) 1 y b) 1,5
¯°±²³´óµ: 1.9446084251
Sea la función ;'(/ 1 ( F - 2( , * 5( - 3. Hallar una raíz real partiendo de (6 1 *4 y usar:

Ejercicio 5.30
5.30.
30.
a) El método normal de Newton.

b) El método modificado de Newton
¯°±²³´óµ: * 3.6134702676
Use cualquier método para encontrar la raíz de ;'(/ 1 {tT √( * (, usando como valor inicial
Ejercicio 5.3
5.31.
(6 1 0,5, hasta logar una precisión menor que 10Q,.
¯°±²³´óµ: 0.8767262154
Usar el método de Newton para hallar un cero de la función ;'(/ 1 *3( ) - 7( , * 2,

Ejercicio 5.32
5.32.
32.
partiendo de (6 1 0,5 en caso de que el método falle explicar porqué.
¯°±²³´óµ: 0.5773502692
Usar el método de Newton para hallar dos ceros de la función ;'(/ 1 ( ) * 5( - 3,

Ejercicio 5.33
5.33.
33.
considerando que las raíces se encuentran en el intervalo y0,5; 1,5z en caso de que el
método falle explicar porqué.
¯°±²³´óµ: 0.6318846098; 1.4252374945
Usar el método de Newton para hallar todas las raíces reales de la función ;'(/ 1 5( ) *
Ejercicio 5.34
5.34.
34.
9( , - 2, considerando que las raíces se encuentran en el intervalo y*1,5; 1,5z en caso de

que el método falle explicar porqué.
¯°±²³´óµ: * 1.2410932373; *0.5095955026; 0.5095955026; 1.2410932373
Encuentre la intersección de : 1 t u ; : 1 ( F
Ejercicio 5.35
5.35.
35.
¯°±²³´óµ: 1.8571838602
Encuentre la intersección de : 1 2u ; : 1 ( ,
Ejercicio 5.36
5.36.
36.
¯°±²³´óµ: * 0.766664696; 2; 4
Encuentre la intersección de : 1 t u * 5; : 1 1 - ln (
Ejercicio 5.
5.37.
37.
¯°±²³´óµ: 1.8928210042
Encuentre la intersección de : 1 t u * 3; : 1 5 - ln (
Ejercicio 5.38
5.38.
38.
¯°±²³´óµ: 2.1719795877
Aplicando el método de la secante, determina una raíz positiva de la ecuación vw ( * ( t u 1 0

Ejercicio 5.39
5.39.
39.
¯°±²³´óµ: 1.3949612729
Ejercicio 5.40
5.40.
40.
cos ( 1 t u
Aplicando el método de la secante, determina una raíz distinta de cero de la ecuación
¯°±²³´óµ: * 1.2926957194
Determinar todas las raíces del polinomio M'(/ 1 ( F * 5( , * ( - 5 1 0, con precisión de

Ejercicio 5.4
5.41.
10Q,, usando el método de Newton para el cálculo de la primera raíz.
¯°±²³´óµ: * 1; 1, 5
Ejercicio 5.42
5.42.
42.
M'(/ 1 ( F * 2( , * ( - 2 1 0, con precisión de 10Q,.

Usar el método de la secante para determinar la única raíz negativa de la ecuación
¯°±²³´óµ: * 1
CÁPITULO 6 SISTEMAS DE ECUACIONES NO LINEALES 159
CAPÍTULO 6
SISTEMAS DE ECUACIONES NO LINEALES
Introducción
En distintas áreas del conocimiento, muchas veces existe la necesidad de resolver un sistema
de ecuaciones no lineales, pero, hallar las soluciones o raíces reales de un sistema de
ecuaciones no lineales presenta mayor dificultad que hallar las raíces de una ecuación no
lineal con una variable.
La solución de sistemas de ecuaciones no lineales esencialmente consiste en ampliar los
métodos de solución de una sola ecuación no lineal a sistemas de ecuaciones no lineales, sin
embargo, esto presenta mayor dificultad al momento de resolver cada sistema.
No existe un criterio general para conocer cuantas soluciones tiene un sistema no lineal de
ecuaciones dadas, incluso, es posible que el sistema no tenga solución.
Un sistema de ecuaciones no lineales es de la forma:
;R '(R , (, , (F , … , (P / 1 0
;, '(R , (, , (F , … , (P / 1 0
;F '(R , (, , (F , … , (P / 1 0
å
;P '(R , (, , (F , … , (P / 1 0
Donde cada ; , 1 1, 2, 3, … , T es una función real de T variables reales.

En forma más compacta se indica: '/ 1 0
Existen principalmente dos formas de resolver un sistema no lineal:
a) Métodos directos: usados cuando hay solución analítica (arrojan resultados exactos).
b) Métodos iterativos: se usan cuando no hay solución analítica (arrojan soluciones
aproximadas).
Los métodos numéricos usados para resolver sistemas de ecuaciones no lineales son
extensiones de métodos más simples, como los aplicados para resolver ecuaciones no lineales.
Son extensibles los métodos de Newton, punto fijo y secante. Los métodos de bisección y
regula falsi no se pueden extender fácilmente, pues para su aplicación usan el teorema de
cambio de signo, que en el caso de sistemas no lineales no existen teoremas que definan esta
situación.
El método de iteración de punto fijo se usa cuando el sistema cumple las condiciones para ser
resuelto por este método.
El método de Newton para sistemas de ecuaciones no lineales requiere calcular derivadas
parciales y resolver un sistema de ecuaciones lineales en cada iteración.
Además de estos dos métodos, es también útil el método gráfico cuando es posible realizarlo,
pues existen ecuaciones de muy difícil graficación. Su uso se aplica a situaciones en donde se
buscan aproximaciones no muy precisas, o para tomar los puntos de partidas '(6 ; :6 ; … / y
aplicarlas a métodos que presentan mayor precisión como los de punto fijo o de Newton.
Resumiendo los métodos para resolver sistemas de ecuaciones no lineales se tienen:
1. Método Gráfico.
2. Métodos Directos.
3. Métodos Iterativos.
Método gráfico
Este método consiste en trazar la gráfica de cada ecuación del sistema y hallar los puntos de
intersección entre las curvas, dichos puntos indican la solución del sistema. La desventaja de
este método es la imprecisión, y sólo es aplicable cuando se tiene dos o a lo sumo tres
ecuaciones como parte del sistema. Además, considerando que son ecuaciones no lineales,
puede suceder que las ecuaciones no sean fáciles de graficar.
Cuando se desea precisión en los resultados de un sistema de ecuaciones no lineales, éste
método no es el más apropiado.
Para lograr mayor precisión en los resultados obtenidos de los métodos gráficos, es
importante demarcar la ubicación de los puntos en un intervalo reducido, esto permitirá
graficar con mayor precisión y obtener “intersecciones” más nitiditas.
Ejemplo 6.1.
Sea el sistema de ecuaciones no lineales presentado a continuación, halla la solución del sistema
(, - :, 1 7 '6.1. /
aplicando el método gráfico.
tu - : 1 1 '6.2. /
Solución
Se inicia la solución del sistema, cambiando su forma para facilitar la construcción de una tabla que
permita la construcción de la gráfica.
6.1. / : 1 d√7 * ( ,
6.2. / : 1 1 * t u
y
( 1 * tu
2
Ý7 * ( ,
*3 √*2
1
*2 1,73205
0,95021 x
*1 2,44949
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5
0,86466
0 2,64575
0,63212 -1
1 2,44949
0,00000
-2
2 1,73205
-1,7183
3 √*2
-6,3891
-19,086
Fig. 6.1
Los puntos de intersección de las dos ecuaciones dadas por la circunferencia de la ecuación (6.1.) y
puntos: '*i. Ì; ©/ 9 '©. i; *i, /.

la curva de la ecuación (6.2.), presentan como resultados aproximados del sistema los siguientes
Ejemplo 6.2.
Sea el sistema de ecuaciones no lineales presentado a continuación, halla la solución del sistema
3 * t u cos ( - 2( * : 1 0 '6.3/
aplicando el método gráfico.
2( * 3: * 1 1 0
,
'6.4. /
Solución
Se inicia la solución del sistema, cambiando su forma para facilitar la construcción de una tabla que
6.3. / : 1 3 * t u cos ( - 2(
permita la construcción de la gráfica.
2( , * 1
6.4. / : 1
y
3
1
( 3 * t u cos ( - 2( 2( , * 1
0.8
0.6
3
0.4
*2 *0,94368
0.2
*1 0,80123
2,33333 x
0 2,00000
-2 -1.5 -1 -0.5 0.5 1
0,33333 -0.2
1 3,53131
-0,33333 -0.4
2 10,07493
0,33333 -0.6
2,33333
Fig. 6.2
Los puntos de intersección de las dos ecuaciones dadas por la curva de la ecuación (6.3.) y la
'*©.
; @.
/. Otro resultado aproximado estaría alrededor del punto 'Ì; ©j/, que no aparece en la
parábola de la ecuación (6.4.), presentan como resultados aproximados del sistema el punto:
grafica.
Métodos directos
Los métodos directos son aquellos que determinan la solución en un número determinado de
pasos.
Los métodos directos no son los más usuales pero cuando sea posible son los más
recomendables, porque dan la solución analítica, es decir, la solución teórica del problema.
Salvo casos muy raros estos métodos no son siempre aplicables, ya que dependen que el
sistema permita el despeje y simplificación del mismo mediante operaciones algebraicas.
Métodos iterativos
Los métodos iterativos son aquellos que obtienen la solución aproximándose a ella en un
número finito, pero no definido de pasos.
Estos métodos son propiamente métodos numéricos, los cuales obtienen la solución mediante
una sucesión que se aproxima a la solución del problema.
Los métodos numéricos requieren de un criterio de convergencia para determinar cuándo
parar. El criterio de convergencia basado en el error relativo es el aplicado normalmente, por
su confiabilidad en este tipo de operación.
|ZR * Z |
El criterio de convergencia será:
??Z 1 n 5 10>R
|ZR |
[:
Donde:
Numero de iteración.
ZR : Vector de la iteración k+1.
Z : Vector de la iteración k.
ã: Numero de cifras significativas deseadas.
definidas por ; y w se interceptan.

Geométricamente, las raíces de este sistema son los puntos del plano (x , y), donde las curvas
Punto fijo
El método de punto fijo es uno de los que se citan entre los métodos directos.
Es siempre conveniente resolver un sistema de ecuaciones no lineal por un proceso iterativo,
sobre todo cuando no requiera evaluar las derivadas parciales en dicho proceso, como es el
caso del método de Newton. Esta ventaja presenta la iteración de punto fijo.
La resolución de sistemas no lineales a través del método de punto fijo es muy semejante al
método iterativo lineal estudiado anteriormente para resolver ecuaciones no lineales. Así, un
primer paso en la aplicación de iteración lineal es resolver el sistema de la forma:
;'( , :/ 1 0) ( 1 '( , :/)
'6.5. / '6.6. /
w'( , :/ 1 0 : 1 B'( , :/
A A
Sean '(Ä , :C/ una solución del sistema y '(6 , :6 / una aproximación para '(Ä , :C/. Se obtienen las
de forma que cualquier solución de (6.5.) sea, también solución de (6.6.).
aproximaciones sucesivas '(Z , :Z / para la solución deseada '(Ä , :C/, usando el proceso
( 1 '(Z , :Z /
iterativo definido por:
A ZR '6.7/)
:ZR 1 B'(Z , :Z /
Este proceso se llama método de punto fijo o método iterativo Lineal para sistemas no
Lineales.
Para que sea posible debe cumplir las siguientes condiciones suficientes, pero no necesarias:
raíz '(Ä , :C/.

a) F, G y sus derivadas parciales de primer orden sean continuas en una vecindad V de la
b) Las siguientes desigualdades sean satisfechas:

|u | - D n [R ] 1
|Bu | - BD n [, ] 1
Para todo punto '( , :/ perteneciente a una vecindad V de '(Ä , :C/, donde:
E E EB EB
u 1 , D , …. Bu 1 , BD , ….
E( E: E( E:
c) La aproximación inicial '(6 , :6 / pertenezca a la vecindad V de '(Ä , :C/.
Para obtener una solución con una determinada precisión ε se debe, durante el proceso
iterativo, calcular el error relativo para todos los componentes del vector solución.
Ejemplo 6.3.:
6.3.:
Considerar el siguiente sistema no lineal.
;'(, :/ 1 0,2 ( , - 0,2 ( : * ( - 0,6 1 0 )

w'(, :/ 1 0,4 ( - 0,1 ( : , * : - 0,5 1 0
F
menor a 10Q, .
Aplicar el método iterativo lineal para resolver el sistema no lineal dado con una precisión
Solución
a) Reescribiendo el sistema dado, se obtiene:
( 1 0,2 ( , - 0,2 ( : - 0,6 1 '( , :/)

: 1 0,4 ( - 0,1 ( : , - 0,5 1 B'( , :/
F
Se verifica la condición de suficiencia para garantizar que la convergencia sea satisfecha.

a) Que cada ecuación pueda ser despejada respecto de una de sus variables.
b) Que las derivadas parciales del sistema sean continuas en la vecindad de las posibles
raíces.
c) Que al evaluar las derivadas parciales arrojen resultados de valor pequeño,
normalmente menor que uno.
La condición (a) se cumple, pues es posible despejar las variables del sistema.
La condición (b) se cumple, pues las ecuaciones del sistema son polinomios, por lo tanto
continuas.
Es muy difícil conocer a priori la solución del sistema, sin embargo hay casos en que se puede
intuir un posible resultado, debido a la simplicidad del problema.
Siempre será importante partir de una grafica toda vez que sea posible, al final, es la manera
más fácil de acceder a los valores iniciales de una iteración.
Fig. 6.3.
En este caso, como es un ejemplo ilustrativo para verificar las condiciones suficientes de
'(6 , :6 / 1 '0.9; 1.1/.

convergencia, como aplicación del método iterativo lineal, se considerará inicialmente
Para verificar la condición (c), condición suficiente, se calcula inicialmente, las derivas
parciales de F y G en los puntos iniciales de la iteración.
u 1 0,4 ( - 0,2 : , D 1 0,2 (,
Bu 1 0,4 - 0,1 : , , BD 1 0,2 ( :,
Si se escribe que '(6 , :6 / = (0,9; 1,1,) se ve que F, G y sus derivadas parciales son continuas en
'(6 , :6 /. Además de eso, se verifica que las desigualdades que figuran como condiciones para
que la convergencia sea satisfecha, se tienen:
|u | - D 1 |'0,4/ '0,9/| - |'0,2/ '1,1/| - |'0,2/ '0,9/| 1 0,76 ] 1

|Bu | - BD 1 |'0,4/ - '0,1/'1,1/, | - |'0,2/ '0,9/'1,1/| 1 0,719 ] 1
Esto demuestra que '(6 , :6 / esta en la vecindad de '(Ä , :C/ = (0,9; 1,1,) y usando el proceso
iterativo se obtiene:
Primera iteración:
iteración
( 1 '(Z , :Z /) ( 1 0,2 ( , - 0,2 ( : - 0,6 1 '( , :/)

A ZR > F
:ZR 1 B'(Z , :Z / : 1 0,4 ( - 0,1 ( : , - 0,5 1 B'( , :/
(R 1 '(6 , :6 / 1 '0,2/'0,9/, - '0,2/'0,9/'1,1/ - 0,6 (R = 0,96

:R 1 B'(6 , :6 / 1 '0,4/ '0,9/ - '0,1/'0,9/'1,1/, - 0,5 :R = 0,9689
⇒
⇒

(R * (6 0.96 * 0.9 0.06
û û1 û û 1 û û 1 0.0625 > 0.0625 \ 10Q,
(R 0.96 0.96
:R * :6 0.9689 * 1.1 *0.1311
û û1û û1û û 1 0.1353 > 0.1353 \ 10Q,
:R 0.9689 0.9689
La precisión deseada aun no es alcanzada, por lo tanto se procede a otra iteración.
Segunda iteración:
(, 1 '(R , :R / 1 '0,2/'0,96/, - '0,2/'0,96/'0,9689/ - 0,6 (, = 0,9703
:, 1 B'(R , :R / 1 '0,4/ '0,96/ - '0,1/'0,96/'0,9689/, - 0,5 :, = 0,9791
⇒
⇒
(, * (R 0.9703 * 0.96 0.0103
û û1 û û 1 û û 1 0.0106 > 0.0106 \ 10Q,
(, 0.9703 0.9703
:, * :R 0.9791 * 0.9689 0.0102
û û1û û1û û 1 0.0104 > 0.0104 \ 10Q,
:, 0.9791 0.9791
Con los últimos valores obtenidos aun no se logra la precisión deseada.
Tercera iteración
(F 1 '(, , :, / 1 '0,2/'0,9703/, - '0,2/'0,9703/'0,9791/ - 0,6 (F = 0,9763
:F 1 B'(, , :, / 1 '0,4/ '0,9703/ - '0,1/'0,9703/'0,9791/, - 0,5 :F = 0,9802
⇒
⇒
(F * (, 0.9763 * 0.9703 0.006
û û1 û û 1 û û 1 0.00615 > 0.00615 ] 10Q,
(F 0.9763 0.9763
:F * :, 0.9802 * 0.9791 0.0011
û û1û û1û û 1 0.0012 > 0.0012 ] 10Q,
:F 0.9802 0.9802
Se puede considerar resultado aproximado a '(F , :F / 1 '0.9763; 0.9802/, pues cumple con la
condición especificada inicialmente en el problema.
Se nota que la secuencia '(Z , :Z / converge para (1 , 1). Además de eso, se puede decir que la
solución '(Ä , :C/, con error relativo inferior a 10-2 , es (0,9773 , 0,982), aplicando
|u Qu7 |
u
≅ 0,007
|D QD7 |
D
y ≅ 0,001. Si una de las componentes cumpliera con la condición prefijada y la otra no,
el proceso debe seguir hasta que todas cumplan con la precisión deseada.
Ejemplo 6.4
6.4.
Buscar la solución del sistema aplicando el método de punto fijo, iniciando en (1, 1, 1) el
proceso, con una precisión de tres decimales.
;R '(, :, / 1 ( F * 10( - : * - 3 1 0
;, '(, :, / 1 : F - 10: * 2( * 5 1 0
;F '(, :, / 1 ( - : * 10 - 2 {tT - 5 1 0
Este sistema puede escribirse de la forma: '/ 1 0, : F > F

Solución
pero su convergencia depende de que la magnitud de la derivada parcial de sea

Existen muchas posibilidades para convertir este sistema como una iteración de punto fijo,
suficientemente pequeña, para eso, el sistema se reescribe de la siguiente forma:

(ZR 1 0.1(Z F - 0.1:Z * 0.1Z - 0.3
:ZR 1 *0.1:Z F - 0.2(Z - 0.5
ZR 1 0.1(Z - 0.1:Z - 0.2 {tT Z - 0.5
variables '(, :, /, en todos los casos esto se logra dividiendo por el numero 10 todas las
Para lograr este nuevo sistema equivalente al sistema inicial, se despejan cada una de las
ecuaciones. Esta situación no siempre se presenta de esta manera, pues cada ecuación se debe
despejar separadamente.
Se realiza la primera iteración con los valores de: '(6 , :6 , 6 / 1 '1, 1, 1/
Se usa indistintamente la coma ', / o el punto '. / para separar las cifras y presentar sin
confusión cada expresión. Para la multiplicación se usa el punto '·/. Notar que el punto de
multiplicación se ubica en el medio entre los elementos de un término.
(R 1 0,1(6 F - 0,1:6 * 6 - 0,3 1 0,1 · 1F - 0,1 · 1 * 0,1 - 0,3 1 0,4
:R 1 *0.1:6 F - 0.2(6 - 0.5 1 *0,1 · 1F - 0,2 · 1 - 0.5 1 0,6
R 1 0.1(6 - 0.1:6 - 0.2 {tT 6 - 0.5 1 0,1 · 1 - 0,1 · 1 - 0,1683 - 0,5 1 0,868294
Esta evaluación en las ecuaciones dista mucho de ser cero, indica que debe hacerse otras
iteraciones, los cuales no se incluyen en este ejercicio por ser repetitivos (iterativos), sin
embargo se presenta seguidamente un cuadro con los valores de las iteraciones sucesivas.
Iteración ( :
0 1 1 1
1 0.4 0.6 0.868294
2 0.279571 0.5584 0.752646
3 0.282761 0.538503 0.720512
4 0.28406 0.540936 0.7140803
5 0,284734 0,540984 0,713484
6 0,285058 0,541114 0,713466
7 0,285081 0,541168 0,713609
Los resultados logrados en la iteración 7 cumplen las condiciones del problema, pues
comparando la iteraciones 6 y 7, se tienen los tres decimales después de la coma son iguales.
A modo de verificación, a continuación se presenta los errores relativos de la última iteración,
mostrando la precisión lograda en la resolución de este sistema.
( * ( 0.285081 * 0.285058 0.000023
û û1û û1û û 1 0.00008 > 0.00008 ] 10Q)
( 0.285081 0.285081
: * : 0.541168 * 0,541114 0.000054
û û1G G1û û 1 0.000099 > 0.000099 ] 10Q)
: 0.541168 0.541168
* 0,713609 * 0,713466 0,000143

û û1G G1û û 1 0.0002 > 0.0002 ] 10QF
0,713609 0,713609
Método de Newton:
Sea w una función real diferenciable definida en un conjunto cerrado acotado convexo D, y tal
Teorema 6.1.
que cualquiera de las normas inducidas del jacobiano de w en todos los puntos de D sea
todos los puntos de D, entonces existe una única raíz de ( bR 1 w'( b / que se obtiene como
menor que la unidad, o el radio espectral del jacobiano de g sea menor que la unidad para
límite de la sucesión ( bR 1 w'( b / donde (6 es un punto cualquiera de D.
Sea '(6 , :6 / una aproximación para la solución de '(Ä , :C/. Admitiendo que ; y w sean
Para adaptar el método de Newton a los sistemas no lineales, se procede como sigue:
suficientemente diferenciables, expandiendo ;'( , :/ y w'( , :/, usando la serie de Taylor

para funciones de dos variables, en torno de '(6 , :6 /. Así.
;'( , :/ 1 ;'(6 , :6 / - ;u '(6 , :6 /'( * (6 / - ;D '(6 , :6 /': * :6 / - … )
'6.8. /
w'( , :/ 1 w'(6 , :6 / - wu '(6 , :6 /'( * (6 / - wD '(6 , :6 /': * :6 / - …
F
Admitiendo que '(6 , :6 / esté suficientemente próximo de la solución '(Ä , :C/ al punto de evitar
aproximación para la raíz '(Ä , :C/ haciendo ;'( , :/ 1 w'( , :/ 1 0. Se obtiene el sistema:
la operación con los términos de más alto orden, se puede determinar una nueva
;u G( * (6 / - ;D ': * :6 I 1 *; )
F '6.9. /
wu G( * (6 / - wD ': * :6 I 1 *w
Vale la aclaración respecto a la notación utilizada

Las funciones del sistema: ;'( , :/ 1 ;; w'( , :/ 1 w
las derivas parciales del sistema: ;u '(6 , :6 / 1 ;u 1 u ; wu '(6 , :6 / 1 wu 1 Bu
'(6 , :6 /. Se observa que '6.8. / es ahora una ecuación lineal. Además de eso, si no fueran
Está entendido que todas las funciones y derivadas parciales deben ser calculadas en
despreciados los términos de más alto orden en el desarrollo de Taylor, entonces '(, :/ sería
la solución exacta del sistema no lineal. La resolución de '6.8. / producirá una solución que se
llamará '(R , :R /. Entonces, se debe esperar que '(R , :R / esté mas próxima de '(Ä , :C/ que de
'(6 , :6 /. Resolviendo '6.9. / por la regla de Kramer se obtiene:
*; ;D
û*w w û *; wD - w ;D
(R * (6 1 1 G G '6.10. /
D
;u ;D H'; , w/
ûw w û 'u6 ,D6/
u D
;u * ;
û û *w ;u - ; wu
wu * w
:R * :6 1 1 û û '6.11. /
;u ;D H'; , w/
ûw w û 'u6 ,D6 /
u D
Donde H'; , w/ = ;u wD * ;D wu ≠ 0 en '(6 , :6 /. La función H'; , w/ es denominada Jacobiano

de las funciones ; y w. La solución '(R , :R / de este sistema, produce ahora una nueva
aproximación para '(Ä , :C/. La repetición de este proceso conduce al Método de Newton para
sistemas no lineales.
El método de Newton para sistemas no lineales está definida por:
; w * w ;D
((ZR 1 (Z * G D G
& H'; , w/ 'u
I ,DI / ) '6.12. /
' w ;u * ;wu
& :ZR 1 :Z * û û
H'; , w/ 'u
% I ,DI /
Con H'; , w/ = ;u wD * ;D wu
Observaciones para el método de Newton:

1) Cuando la iteración converge, la convergencia es cuadrática.
2) El método de Newton converge según las siguientes condiciones siguientes:
a) ; , w y sus derivadas parciales hasta de segundo orden sean continuas y limitadas
en una vecindad V conteniendo '(Ä , :C/.
b) El Jacobiano J'; , w/ no se anula en la vecindad V.
c) La aproximación inicial '(6 , :6 / sea elegida suficientemente próxima de la raíz
'(6 , :6 /.
3) El método de Newton puede ser aplicado a un sistema de ecuaciones de T incógnitas.
La solución de un sistema de T ecuaciones, siendo T un valor elevado, seria muy difícil,

aun para el uso de las computadoras.
Método practico para resolver un sistema no lineal por el método de Newton
1) Acotar una zona donde exista al menos una raíz. Si se puede asegurar que será solo
una, mucho mejor, para esto, graficar el sistema.
2) Reformular el problema como uno de punto fijo, y lanzar el esquema para ver si
converge a la raíz buscada.
3) Aplicar el método
El uso de métodos de iteración funcional con sistemas de ecuaciones es completamente
diferente de aquellos para ecuaciones simples. Se observa que es útil frecuentemente una
información a priori sobre la localización de la raíz; cuando esto no es posible se puede usar
un método siempre convergente para obtener una buena aproximación de esta. Por lo tanto,
en todos los casos se debe optar por la eficiencia del método.
Un método a ser aplicado, solo es posible cuando el sistema converge para dicho método.
Frecuentemente, si la aproximación lineal no está completamente cercana a la solución, la
( , - : , 1 2)
Ejemplo 6.5.
A ,
( * :, 1 1
Determinar una raíz del sistema:
Con precisión de 10QF, usando el método de Newton.
Sean las ecuaciones: ;'(, :/ 1 ( , - : , * 2 1 0 : w'(, :/ 1 ( , * : , * 1 1 0

Solución
Para obtener el valor inicial '(6 , :6 /, se traza en un solo gráfico las dos ecuaciones dadas.
y
1.5
0.5
x
-1.5 -1 -0.5 0.5 1 1.5

-0.5
-1
-1.5
Fig. 6.4. -2
Del grafico se observa que el sistema admite 4 soluciones, una en cada cuadrante. En este caso
El punto de soluciones de las ecuaciones es la solución '(Ä , :C/ buscada.

solo se buscará la solución correspondiente al primer cuadrante.
Analizando la grafica se nota que '(Ä , :C/ está en la vecindad del punto '1.2; 0.7/, entonces, se
toma '(6 , :6 / 1 '1.2; 0.7/.
;'(, :/ 1 ( , - : , * 2
;'1.2; 0.7/ 1 '1.2/, - '0.7/, * 2 1 1.44 - 0.49 * 2 1 *0.07
w'(, :/ 1 ( , * : , * 1
w'1.2; 0.7/ 1 '1.2/, * '0.7/, * 1 1 1.44 * 0.49 * 1 1 *0.05
;u 1 2(; ;D 1 2:; wu 1 2(; wD 1 *2:

Se hallan las derivadas parciales de las ecuaciones del sistema
;u '(6 , :6 / 1 ;u '1.2, 0.7/ > ;u 1 2( 1 2 '1.2/ 1 2.4

;D '(6 , :6 / 1 ;D '1.2, 0.7/ > ;D 1 2: 1 2 '0.7/ 1 1.4
wu '(6 , :6 / 1 wu '1.2, 0.7/ > wu 1 2( 1 2 '1.2/ 1 2.4

wD '(6 , :6 / 1 wD '1.2, 0.7/ > wD 1 *2: 1 *2 '0.7/ 1 *1.4
Se aplica la fórmula 6.12.

; wD * w ;D
(ZR 1 (Z * J K
H'; , w/ 'u
I ,DI /
; wD * w ;D '*0.07/'*1.4/ * '*0.05/'1.4/
(R 1 (6 * J K 1 1.2 * J K
;u wD * ;D wu 'R.,; '2.4/'*1.4/ * '1.4/'2.4/
6./
'0.098/ - '0.07/ 0.168

(R 1 1.2 * J K 1 1.2 * ¶ L 1 1.2 * '*0.025/ 1 ©. iiÌ
'*3.36/ * '3.36/ *6.72
w ;u * ;wu
:ZR 1 :Z * ¶ L
H'; , w/ 'u
I ,DI /
w ;u * ;wu '*0.05/'2.4/ * '*0.07/'2.4/

:R 1 :6 * ¶ L 1 0.7 * J K
H'; , w/ 'R.,; 6./
'2.4/'*1.4/ * '1.4/'2.4/
'*0.12/ - '0.168/ 0.048

:R 1 0.7 * J K 1 0.7 * ¶ L 1 0.7 * '*0.007143/ 1 0.707143
'*3.36/ * '3.36/ *6.72
Se calcula el error relativo en los dos casos:
(R * (6 1.225 * 1.2 0.25

û û1 û û 1 û û 1 0.025 > 0.025 \ 10QF
(R 1.25 1.25
:R * :6 0.707143 * 0.7 0.007143
û û1û û1û û 1 0.0101 … > 0.0101 \ 10QF
:R 0.707143 0.707143
Ambos cálculos de error son mayores que 10QF , por lo tanto, debe realizarse otra iteracion.
Segunda iteración
;'(, :/ 1 ( , - : , * 2
;'1.225; 0.70714/ 1 '1.225/, - '0.70714/, * 2 1 0.000672
w'(, :/ 1 ( , * : , * 1
w'1.225; 0.70714/ 1 '1.225/, * '0.70714/, * 1 1 0.000578
Se halla las derivadas parciales de las ecuaciones del sistema
;u 1 2(; ;D 1 2:; wu 1 2(; wD 1 *2:
;u '(6 , :6 / 1 ;u '1.225, 0.70714/ > ;u 1 2( 1 2 '1.225/ 1 2.45

;D '(6 , :6 / 1 ;D '1.2; 0.7/ > ;D 1 2: 1 2 '0.70714/ 1 1.41428
wu '(6 , :6 / 1 wu '1.225, 0.70714/ > wu 1 2( 1 2 '1.225/ 1 2.45

wD '(6 , :6 / 1 wD '1.225, 0.70714/ > wD 1 *2: 1 *2 '0.7/ 1 *1.41428
Se aplica la fórmula 6.12.

; wD * w ;D ; wD * w ;D
(ZR 1 (Z * J K > (, 1 (R * J K
H'; , w/ 'u ;u wD * ;D wu 'R.,,7;
I ,DI / 6.6R)/
'0.00672/'*1.41428/ * '*0.000578/'1.41428/
(, 1 1.225 * J K
'2.45/'*1.41428/ * '1.41428/'2.45/
'*0.0095/ - '0.000817/
(, 1 1.225 * J K 1 1.225 * ¶
*0.008683
L 1 1.225 * '0.001253/
'*3.465/ * '3.465/ *6.93
(, 1 1.2237
w ;u * ;wu w ;u * ;wu
L
H'; , w/ 'u
:ZR 1 :Z * ¶ :, 1 :R * ¶ L
H'; , w/ 'R.,,7;
I ,DI / 6.6R)/
'0.000578/'2.45/ * '0.000672/'2.45/
:, 1 0.70714 * J K1
*6.93
'0.001416/ * '0.001646/
:, 1 0.70714 * J K 1 0.70714 * ¶
*0.00023
L 1 0.70711
*6.93 *6.93
:, 1 0.70714 * 0.00003319 1 0.70711
Se calcula el error relativo en los dos casos:

(, * (R 1.2237 * 1.225 *0.0013
û û1 û û 1 û û 1 0.001 > 0.00106 ] 10QF
(, 1.2237 1.2237
:, * :R 0.70711 * 0.70714 0.00003
û û1û û1û û 1 0.000042 > 0.000042 ] 10QF
:, 0.70711 0.70711
Si uno de los errores relativos cumple la condición de precisión deseada, se considera válido el
resultado obtenido y termina las iteraciones.
En este caso, se considera muy próximo los valores hallados '1.2237; 0.70711/
Ejercicio 6.1.
Resuelve el siguiente sistema por el método gráfico, probar en el intervalo (1.5; 2)
( , * 5: 1 3
3( * 2: , 1 5
Ejercicio 6.2.
Resuelve el siguiente sistema por el método gráfico, probar en el intervalo (1; 1.5)
5( F - 3: , 1 9
4( , * 5: F 1 3
Ejercicio 6.3.
Resuelve el siguiente sistema por el método gráfico, probar en el intervalo (-0.5; -1.5)
t u - :, 1 2
ln ( , - : 1 1
Ejercicio 6.4.
Resuelve el siguiente sistema por el método gráfico, probar en el intervalo (0.5; 1.5)
3( , * {tT ( * : 1 0
4( - cos ( * : , 1 0
Ejercicio 6.5.
Resuelve el siguiente sistema por el método gráfico, probar en el intervalo (-2; 2.5)
2 - {tT ( * ( , * : 1 0
3 - cos ( * ( * : , 1 0
Ejercicio 6.6.
Resuelve el siguiente sistema por el método gráfico, probar en el intervalo (2; 3)
(, - :, 1 6
(F * : 1 1
Solución 6.1. Solución 6.2. Solución 6.3.

y y y
3
3
2
2
2
1
1
x x 1
-2 -1 1 2 3 4 -2 -1.5 -1 -0.5 0.5 1 1.5 2
-1 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5
-1
-2 -1
-2
-3
-2
-3
-4
-3
Solución 6.4. Solución 6.5. Solución 6.6.

y y
y 5
3
3
4
2 2 3
2
1 1
1
x x x
-2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 -5 -4 -3 -2 -1 1 2 3 4 5
-1
-1 -1
-2
-2
-2 -3
-3 -4
-3
-5
Ejercicio 6.7
6.7.
ecuaciones no lineales, determinar una raíz con precisión de 10Q, , iniciando las iteraciones
Aplicando el método de punto fijo y el método de Newton-Rapson para resolver el sistemas de
en el punto '1. ; *1.8/.

( , * {tT ( - : 1 2
t u - ( * :, 1 1 Solución: '1.0716; *1.7296/; '2.51178; *3.72/
Ejercicio 6.8
6.8.
Aplicando el método de punto fijo y el método de Newton-Rapson para resolver el sistemas de
ecuaciones no lineales, determinar una raíz con precisión de 10Q, , iniciando las iteraciones
en el punto '1. ; *1.8/.
4( , * : , 1 0
4(: , * ( 1 1 Solución: '0.449; 0.8982/; '0.449; *0.8982/
Ejercicio 6.9
6.9.
El estado estacionario de concentración de dos especies químicas en un sistema químico
oscilatorio está dado por el sistema no lineal, iniciar la operación en el punto '0.9, 2.1/.
5 - ( , : * 3( 1 0
2( * ( , : 1 0 Solución: '1, 2/
Ejercicio 6.10
6.10.
Usando el método de Newton para sistemas de ecuaciones no lineales, determinar una raíz
con precisión de 10QF , iniciando las iteraciones en '1.2; 1.8/.
A ,
3( , : * : F 1 4)
( * (: F 1 9
Solución: '1.3364; 1.7542/; '*0.9132; *2.1135/;
Solución: '*3; 0.24987/; '2.9695; 0.0914265/
Ejercicio 6.11.
6.11.
con precisión de 10QF , iniciando las iteraciones en '*2; 1/.
A ,
( , - : , * 5 1 0)
( - 3(: , - 3 1 0
Solución: '*1.9587; 1.0786/; '*1.9587; *1.0786/; '*0.2045; 2.2267/; '*0.2045; *2.2267/
Solución:
Ejercicio 6.12.
6.12.
con precisión de 10QF , iniciando las iteraciones en '.0.7; 2/.
'( * 1/, - : , 1 7)
F
( , - ': * 1/, 1 9
Solución: '*0.87083; 1.8708/; '2.8708; *1.8708/;

Solución:
Ejercicio 6.13
6.13.
iniciando la iteración en '(6 , :6 / 1 '1; 1.5/

Dado el siguiente sistema no lineal, hallar una solución con dos dígitos significativos correctos,
A
( F * 2(: , - 3 1 0)
3( , : * : F 1 0
Solución: '0.84343; 1.4609/; '0.84344; *1.4609/;
Solución:
Ejercicio 6.14
6.14.
Determinar una solución con dos dígitos significativo correctos, el sistema no lineal dado,
iniciando con en '(6 , :6 / 1 '0.5; 0.85/
A
( F * (: , - 3 1 0)
3( , : * : F 1 0
Solución: '1.1447; 1.9827/; '1.1447; *1.9827/;
Solución:
Ejercicio 6.15
6.15.
Demostrar que el siguiente sistema no lineal posee exactamente cuatro raíces. Determinar
esas raíces usando el método de Newton, con dos dígitos significativos correctos, iniciando en
'1; 1/; '1; *1/; '*4; 1/ y '*4; *1/
A
3( , - : , - 9( * : 1 12)
( , - 36: , 1 36
Solución: '1; 0.986/; '0.86511; *0.98955/; '*4.0127; 0.74346/; '*3.9094; *0.75859/.
Solución:
Ejercicio 6.16
6.16.
Resolver el siguiente sistema de ecuaciones no lineales.
;R '(, :, / 1 ( F * 2( - : * 3 - 5 1 0
;, '(, :, / 1 : F - 5: * 2( * 2 * 1 1 0
;F '(, :, / 1 ( - : * 4 - , - 2 1 0
Solución: '*2,08348; *0.6489; *0.1754/ : '0.86834; 1.002; 1.64005/
Ejercicio 6.17
6.17.
17.
Usando el método iteración de punto fijo y el método de Newton para resolver el sistema no
lineal con precisión de 10QF , iniciando las iteraciones en '*2; *0.6; *0.1 / : '0.8; 1; 1.6/.
;R '(, :, / 1 ( F * 2( - : * 3 - 5 1 0
;, '(, :, / 1 : F - 5: * 2( * 2 * 1 1 0
;F '(, :, / 1 ( - : * 4 - , - 2 1 0
Solución: '*2,08348; *0.6489; *0.1754/ : '0.86834; 1.002; 1.64005/
Ejercicio 6.18
6.18.
10Q, , iniciando las iteraciones en '*2.5; 0.5; 4.0/, ~ '3.2; *2.5; 1.2/.
Para el siguiente sistemas de ecuaciones no lineales, determinar una raíz con precisión de
(, - : * 8 1 0
( * :, - : - 3 1 0
(-:-*310
Solución
( -2.736109959; 0.5137022874; 4.222407672)
( 3.240063567; -2.498011923; 1.257948355)
( 2.383237204; 2.320180425; -2.703417629)
( -2.887190812; -0.3358707894; 5.223061602)
Ejercicio
Ejercicio 6.19
6.19.
Para el siguiente sistema de ecuaciones no lineales, determinar una raíz con precisión de
10Q, , para el punto de iteración usar el método gráfico.
( F * 2: 1 3
3( , - : 1 9
Solución '1.727254; 1.037569/; '1.9507; *1.48711/
Ejercicio 6.20.
6.20.
Para el siguiente sistema de ecuaciones no lineales, determinar una raíz con precisión de
10Q, , para el punto de iteración usar el método gráfico.
3( , * : 1 1
{tT, ( - : 1 3
Solución '*1.04161; 2.254854/; '1.04161; 2.254854/
CÁPITULO 7 INTERPOLACIÓN Y AJUSTE DE CURVAS 175
CAPÍTULO 7
INTERPOLACIÓN Y AJUSTE DE CURVAS
Introducción
La aproximación de funciones es una de las ideas más antiguas del análisis numérico, siendo
ahora la más usada. Es fácil entender por qué razón se presenta esa situación. Los polinomios
son fácilmente computables, sus derivadas e integrales son nuevamente polinomios, sus
raíces pueden ser halladas con relativa facilidad.
La simplicidad de los polinomios permite que la aproximación polinomial sea obtenida de
varias maneras, entre las cuales se pueden citar; interpolación, método de los mínimos
cuadrados, mínimos y máximos, etc., por tanto es ventajoso sustituir una función complicada
por un polinomio que la represente.
Definición 7.1.
El ajuste de curvas consiste en encontrar una curva que contenga una serie de puntos y que
posiblemente cumpla una serie de restricciones adicionales.
Teorema 7.1. Teorema de Weirstrass

Toda función continua pude ser arbitrariamente aproximada por un polinomio.
Interpolación
Interpolación polinomial
Por el término interpolación se entiende estimar el valor desconocido de una función en un
punto, tomando una medida ponderada de sus valores conocidos en puntos cercanos al punto
dado.
Los métodos de aproximación polinomial son usados como una aproximación para una
función ;'(/, principalmente, en las siguientes situaciones.
a/ No se conoce la expresión analítica de ;'(/, se conoce sus valores solamente en
algunos puntos (6 , (R , (, , …. Esta situación ocurre con frecuencia en la práctica cuando
se trabaja con datos experimentales y es necesario manipular ;'(/, como por ejemplo,
calcular su valor en un punto determinado, o su integral en un intervalo dado.
b/ ;'(/, es extremadamente complicada y de difícil manejo. Entonces, a veces, es
interesante sacrificar la precisión en beneficio de la simplificación de los cálculos.
La clase de los polinomios algebraicos son una de la más usada clase de funciones reales de
variable real de la forma: MP '(/ 1 K6 - KR ( - K, ( , - S - KP ( P , donde n es un entero no
negativo y K6 … KP son constantes reales. La razón de su importancia es que aproximan
uniformemente funciones continuas; esto es, da una función definida y continua en un
intervalo cerrado, existe un polinomio que está tan cerca de la función dada como se desee.
El problema de interpolación general tiene solución única si las T formas lineales son
Teorema 7.2.
linealmente independientes.
7.3. Teorema de aproximación de Weierstrass

Teorema 7.3
Si ; está definida y es continua en yK, Lz, dado Ï \ 0, existe un polinomio M, definido en yK, Lz,
con la propiedad de que
|;'() * M'()| ] Ï, â( U yK, Lz
El aspecto importante que presenta los polinomios en la aproximación de funciones es la
facilidad para determinar la derivada y la integral indefinida de cualquier polinomio y el
resultado es otra vez un polinomio. Esta es la razón por la frecuencia de uso de los polinomios
para aproximar funciones que se suponen continuas.
Polinomios de interpolación
El problema general de interpolación por medio de polinomios consiste en, dado T - 1
números o puntos distintos, sean éstos reales o complejos (6 , (R , (, , … , (P : T - 1 puntos o
números reales o complejos :6 , :R , :, , … , :P , numeros que en general, son T - 1 valores de una
función : 1 ;'() en (6 , (R , (, , … , (P , determinándose un polinomio MP '() de grado máximo T
tal que: MP '() 1 :6 ; MP '(R ) 1 :R ; … ; MP '(P ) 1 :P
Los polinomios de interpolación existen y son únicos, en la hipótesis de que los puntos
(6 , (R , (, , … , (P sean distintos.
Teorema 7.4.
Dados T + 1 puntos distintos (6 , (R , (, , … , (P 'reales o complejos/ y T + 1 valores
:6 , :R , :, , … , :P existe uno y solo un polinomio de grado menor o igual a T tal que:
MP '(Z / 1 :Z con [ 1 0, 1, 2, … , T. 17 '. ©. /
Definición
Definición 7.2 7.2.
Se llama polinomio de interpolación de una función : 1 ;'(/ sobre un conjunto de puntos
distintos (6 , (R , (, , … , (P , al polinomio de grado máximo T que coincide con ;'() en
(6 , (R , (, , … , (P . Tal polinomio será designado por MP ';; () y, siempre que no cause confusión
simplemente por MP '().
Ejemplo 7.1.
Dados los pares de puntos '*1, 15/; '0, 8/; '3, *1/, determinar el polinomio de
interpolación para la función definida por este conjunto de pares de puntos.
Solución
De acuerdo a los datos del problema se tiene:
(6 1 *1 :6 1 15 1 ;'(6 /
(R 1 0 :R 1 8 1 ;'(R /
(, 1 3 :, 1 *1 1 ;'(, /
17La demostración de este teorema se encuentra en: Franco, Neide M. V. 2008. Calculo Numérico
(formato digital en Portugués) pág. 281.
Se tiene tres pares de puntos, por lo tanto T 1 2, y se debe determinar M, '(/.

M, '(/ 1 K6 - KR ( - K, ( , , tal que: M, '(Z / 1 :Z , [ 1 0, 1, 2, esto es:
K6 - KR (6 - K, (6 , 1 :6
K6 - KR (R - K, (R , 1 :R
K6 - KR (, - K, (, , 1 :,
Sustituyendo (Z e :Z , con [ 1 0.1, 2, se tiene:
K6 * KR - K, 1 15
K6 18 ó K6 1 8, KR 1 *6 : K, 1 1
K6 - 3 KR - 9 K, 1 9
Resolviendo la ecuación simultánea se tiene la solución y el polinomio de interpolación de
'*1, 15/; '0, 8/; '3, *1/, es: M, '(/ 1 8 * 6( - ( , , o lo que es lo mismo
M, '(/ 1 ( , * 6( - 8,
Completando el ejemplo se presenta la gráfica de los puntos citados en un plano y la grafica de
la función en el mismo plano
16
14
12
10
2
x
-1 1 2 3 4 5 6 7 8
Fig. 7.1. -2
Ejemplo 7.2.
Dados los pares de puntos '1, 1/; '2, 4/; '3, 2/; '*1, *2/, determinar el polinomio de
Solución
De acuerdo a los datos del problema se tiene:
(6 1 1 :6 1 ;'(6 / 1 1
(R 1 2 :R 1 ;'(R / 1 4
(, 1 3 :, 1 ;'(, / 1 2
(F 1 *1 :F 1 ;'(F / 1 *2
Se tiene cuatro pares de puntos, por lo tanto T 1 3, y se debe determinar MF '(/.
MF '(/ 1 K6 - KR ( - K, ( , - KF ( F , tal que: MF '(Z / 1 :Z , [ 1 0, 1, 2, 3, esto es:
K6 - KR (6 - K, (6 , - KF (6 F 1 :6
K6 - KR (R - K, (R , - KF (R F 1 :R
K6 - KR (, - K, (, , - KF (, F 1 :,
K6 - KR (F - K, (F , - KF (F F 1 :F
Sustituyendo (Z e :Z , con [ 1 0.1, 2, 3, se tiene:

K6 + KR · 1 + K, · 1 + KF · 1 1 1
K6 + KR · 2 + K, · 4 + KF · 8 1 4
K6 + KR · 3 + K, · 9 + KF · 27 1 2
K6 + KR '*1/ - K, · 1 - KF '*1/ 1 *2
Reescribiendo el sistema y ordenando variables se tiene.

K6 - KR - K, - KF = 1
K6 - 2KR - 4K, - 8KF = 4
K6 - 3KR - 9K, - 27KF = 2
K6 * KR - K, * KF = *2
Esta ecuación presenta un sistema de ecuaciones lineales que puede ser resuelta por cualquier
método, se presenta la forma matricial del sistema
1 1 1 1 K6 1
K
÷1 2 4 8ø ÷ R ø 1 ÷ 4 ø
K,
1 3 9 27 2
1 *1 1 *2 KF *2
Resolviendo el sistema se obtiene la solución:
5 9 3
K6 1 * 1 *2.5; KR 1 1 2.25; K, 1 2; KF 1 * 1 *0.75
2 4 4
El polinomio de interpolación dado por los puntos '1, 1/; '2, 4/; '3, 2/; '*1, *2/ es:
MF '(/ 1 *2,5 - 2,25( - 2( , * 0,75( F
MF '(/ 1 *0,75( F + 2( , + 2,25( * 2,5
Para mejor interpretación del problema, se presenta la grafica correspondiente
y
5
1
x
-2 -1 1 2 3 4
-1
-2
-3
Fig. 7.2.
-4
Interpolación de Lag
Lagrange
Para la interpolación lineal se utiliza un segmento de recta que pasa por dos puntos conocidos,
sean estos puntos M'(6 , :6 / : M'(R , :R / dichos puntos, luego la pendiente del segmento es:
:R * :6 :R * :6
`1 4 : 1 M'(/ 1 :6 - '( * (6 /
(R * (6 (R * (6
Aplicando propiedad distributiva:

:R * :6 :R * :6 :R * :6 :R * :6
M'(/ 1 :6 - (* ( 4 M'(/ 1 ( + :6 * (
(R * (6 (R * (6 6 (R * (6 (R * (6 6
:R * :6 :6 '(R * (6 / * (6 ':R * :6 /
M'(/ 1 (+
(R * (6 (R * (6
:R * :6 :6 (R * (6 :R
Al inal: M'(/ 1 (+ . i.
(R * (6 (R * (6
Es el polinomio de grado menor o igual a 1, que satisface que M'(6 / 1 :6 y M'(R / 1 :R

Otra forma de encontrar este polinomio fue propuesta por Lagrange de esta forma:
:R * :6
: 1 MR '(/ 1 :6 - '( * (6 /
(R * (6
( * (6 ( * (6 ( * (6
: 1 MR '(/ 1 :6 - ':R * :6 / 1 :R + :6 * :6
(R * (6 (R * (6 (R * (6
Luego
( * (6 ( * (6
: 1 MR '(/ 1 :R + :6 p1 * q . .
(R * (6 (R * (6
Hallando mcm al término entre paréntesis y multiplicando por (-1)
( * (6 ( * (R
: 1 MR (() 1 :R + :6
(R * (6 (6 * (R
( * (R ( * (6
öR,6 '(/ 1 : öR,R '(/ 1 , los cuales son lineales
(6 * (R (R * (6
MR '(/ 1 :6 öR,6 '(/ + :R öR,R '(/
Como: öR,6 '(6 / 1 1, öR,6 '(R / 1 0, öR,R '(6 / 1 0, öR,R '(R / 1 1, entonces
MR '(6 / 1 :6 öR,6 '(6 / + :R öR,R '(6 / 1 :6 y MR '(R / 1 :6 öR,6 '(R / + :R öR,R '(R / 1 :R
Por lo tanto MR '(/ pasa por los puntos '(6 , :6 / : '(R , :R /
Definición 7.2.
( * (R ( * (6
Los términos öR,6 '(/ 1 : öR,R '(/ 1 se deinen como polinomios
(6 * (R (R * (6
coeicientes de Lagrange.
De la definición anterior se tiene:
R
MR '(6 / 1 Ç :Z öRZ '(/ '. j. /

ZÉ6
Cuando :Z 1 ;'(Z /, el proceso de utilizar MR '(/ para aproximar a ;'(/ en y(6 , (R z se conoce
como interpolación lineal, (6 , :6 reciben el nombre de nodos.
Si ( ] (6 al proceso se le llama extrapolación.
Ejemplo 7.3.
Considerando la función : 1 ;'(/ 1 {tT ( tT y0.2; 1z. Usar los nodos (6 1 0.2 y (R 1 1
para construir un polinomio de interpolación lineal MR '(/ y calcular ;(0.6).
Solución
La gráfica de la función se visualiza en la figura 6.1
(6 1 0.2 :6 1 {tT 0.2 1 0.19866933
(R 1 1.0 :R 1 {tT 1.0 1 0.84147098
Se aplica la fórmula para hallar MR '(/
( * (6 ( * (R
MR '(/ 1 :R - :6
(R * (6 (6 * (R
( * 0.2 ( * 1.0
0.2 * 1.0
MR '(/ 1 0.84147098 - 0.19866933
1.0 * 0.2
MR '(/ 1 1.051838725'( * 0.2/ * 0.248336662'( * 1.0/
Evaluando en ;'0.6/ se tiene:
;'0.6/ 1 1.051838725'0.6 * 0.2/ * 0.248336662'0.6 * 1.0/
;'0.6/ 1 1.051838725'0.4/ * 0.248336662'*0.4/ 1 0.42073549 - 0.099334664
;'0.6/ 1 0.520070154
Calculo de error
El valor verdadero de {tT ( en ;'0.6/ 1 0.564642473
û 1 0.07893, % 1 |Å 100%| 1 . «ª%

¿À * ¿g 0.564642473 * 0.520070154
Å 1 û û1û
¿À 0.564642473
Ejemplo 7.4.
Considerando la función : 1 ;'(/ 1 {tT ( tT y0.4, 0.8z. Usar los nodos (6 1 0.4 y (R 1 0.8
para construir un polinomio de interpolación lineal MR '(/ y calcular ;'0.6/.
La gráfica de la función se visualiza en la figura '7.4./
Solución
(6 1 0.4 :6 1 {tT 0.4 1 0.389418342
(R 1 0.8 :R 1 {tT 0.8 1 0.71735609
Se aplica la fórmula para hallar MR '(/
( * (6 ( * (R
MR '(/ 1 :R - :6
(R * (6 (6 * (R
( * 0.4 ( * 0.8
MR '(/ 1 0.71735609 - 0.389418342
0.8 * 0.4 0.4 * 0.8
MR '(/ 1 1.793390225'( * 0.4/ * 0.973545855'( * 0.8/
Evaluando en ;'0.6/ se tiene:

;'0.6/ 1 1.793390225'0.6 * 0.4/ * 0.973545855'0.6 * 0.8/
;'0.6/ 1 1.793390225'0.2/ * 0.973545855'*0.2/ 1 0.358678045 - 0.194709171
;'0.6/ 1 0.553387216
Calculo de error
¿À * ¿g 0.564642473 * 0.553387216
Å 1 û û1û û 1 0.0199, % 1 |Å 100%| 1 ©. ªª%
¿À 0.564642473
y
y
1
1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
x
x
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1
Fig. 7.3. Fig. 7.4.

-0.2
-0.2
Conclusión:
Analizando los dos ejemplos anteriores, se nota que el error se reduce al tomar dos puntos o
nodos más próximos al punto a ser evaluado, en este caso ;'0.6/. De ahí que, tomando los
nodos entre '0.2, 1.0/ el error es del 7,80%; al reducir el intervalo a '0.4; 0.8/ el error
producido disminuyo a 1,99%.
De hecho, el error generado por este método es aún muy grande, se nota la diferencia al
acercar los nodos al punto que se desea evaluar. Esto indica que este método no es el mejor a
ser aplicado para construir un polinomio de interpolación.
En general si se tiene los T - 1 puntos (6 , (R , (, , … , (P , y si ;'(Z / = M'(Z / para [ =
0, 1, 2, 3, … , T el polinomio que pasa por esos T - 1 puntos es:
. Ì.
R
MP '(/ = Ç :Z öP,Z
ZÉ6
'( * (6 /'( * (R / … '( * (ZQR /'( * (ZR / … '( * (P /

donde: öP,Z =
'(Z * (6 /'(Z * (R / … '(Z * (ZQR /'(Z * (ZR /'(Z * (P /
∏PçÉ6'( * (ç /
.
.
∏PçÉ6'(Z * (ç /
Notación mas compacta: öP,Z =
Ejemplo 7.5.
7.5.
Sea : = ;'(/ = {tT ( en el intervalo y0.2, 1z. Usando los nodos (6 = 0.2; (R = 0.5; (, = 1
construir el polinomio interpolador M, '(/ y calcular ;'6/.
Solución
(6 = 0.2 :6 = {tT 0.2 = 0.198669
(R = 0.5 :R = {tT 0.5 = 0.479426
(, = 1.0 :, = {tT 1.0 = 0.841471
Se aplica la fórmula para hallar M, '(/, teniendo en cuenta que se tienen tres nodos
'( * (R /'( * (, / '( * (6 /'( * (, / '( * (6 /'( * (R /
M, '(/ 1 :6 - :R - :,
'(6 * (R /'(6 * (, / '(R * (6 /'(R * (, / '(, * (6 /'(, * (R /
'( * 0.5/'( * 1/ '( * 0.2/'( * 1/ '( * 0.2/'( * 0.5/
M, '(/ 1 0.198669 - 0.479426 - 0.841471
'0.2 * 0.5/'0.2 * 1/ '0.5 * 0.2/'0.5 * 1/ '1 * 0.2/'1 * 0.5/
'( * 0.5/'( * 1/ '( * 0.2/'( * 1/ '( * 0.2/'( * 0.5/

M, '(/ 1 0.198669 - 0.479426 - 0.841471
0.24 *0.15 0.4
M, '(/ 1 0.82779 '( * 0.5/'( * 1/ * 3.19617'( * 0.2/'( * 1/ - 2.10368'( * 0.2/'( * 0.5/
M, '(/ 1 0.82779 ( '( , * 1,5( - 0.5/ * 3.19617'( , * 1.2( - 0.2/ - 2.10368'( , * 0.7( - 0.1/
M, '(/ 1 0.82779( , * 1.241685( - 0.413895 * 3.19617( , - 3.835404( * 0.639234 - 2.10368( ,

* 1.472576( - 0.210368
M, '(/ 1 *0.2647( , - 1.121143( * 0.014971

M, '0.6/ 1 *0.2647'0.6/, - 1.121143 '0.6/ d 0.014971
M, '0.6/ 1 *0.095292 - 0.6726858 * 0.014971 1 @. Ì
ijii«
Calculo de error
¿À * ¿g 0.56464247 * 0.562423
Å 1 û û1û û 1 3.93 10QF , % 1 |Å 100%| 1 @. ª%
¿À 0.564642473
Observación: en la figura '7.5/ se tienen las dos funciones superpuestas en el intervalo

estudiado, la función {tT ( y el polinomio de interpolación M, '(/
y
1.5
M, '(/
1
{tT (
0.5
0.5 1 1.5 2 2.5 3
-0.5 Fig. 7.5.
Ejemplo 7.6.
7.6.
Sea : = ;'(/ = {tT ( en el intervalo y0.2, 1z. Usando los nodos (6 = 0.2; (R 1 0.5; (, 1 1
construir el polinomio interpolador M, '(/ y calcular ;'6/.
Solución
En este problema la solución se planteará de manera diferente, pero igualmente utilizando la
formula de Lagrange.
Los nodos a ser utilizados son:
(6 = 0.2 :6 = ;'(6 / = {tT 0.2 = 0.198669
(R = 0.5 :R = ;'(R / = {tT 0.5 = 0.479426
(, = 1.0 :, = ;'(, / = {tT 1.0 = 0.841471
'( * (R /'( * (, / '( * 0.5/'( * 1.0/ ( , * 1.5( - 0.5

6 '(/ 1 1 1
'(6 * (R /'(6 * (, / '0.2 * 0.5/'0.2 * 1/ 0.24
'( * (6 /'( * (, / '( * 0.2/'( * 1.0/ ( , * 1.2( - 0.2
R '(/ 1 1 1
'(R * (6 /'(R * (, / '0.5 * 0.2/'0.5 * 1/ *0.15
'( * (6 /'( * (R / '( * 0.2/'( * 0.5/ ( , * 0.7( - 0.1
6 '(/ 1 1 1
'(, * (6 /'(, * (R / '1.0 * 0.2/'1.0 * 0.5/ 0.4
Luego: M, '(/ 1 ;'(6 /6 - ;'(R /R - ;'(, /,
( , * 1.5( - 0.5 ( , * 1.2( - 0.2 ( , * 0.7( - 0.1

M, '(/ 1 0.198669 - 0.479426 - 0.841471
0.24 *0.15 0.4
Resolviendo se tiene: M, '(/ 1 *0.2647( , - 1.121143( * 0.014971
Observación:
Este procedimiento plantea la resolución por parte, que a veces resulta práctico por lo que se
hacen resoluciones más cortas y la posibilidad de error en el proceso de resolución disminuye.
Ejemplo 7.7.
7.7.
Sea : 1 ;'(/ 1 {tT ( en el intervalo y0.2; 1z. Usando los nodos (6 1 0.2; (R 1 0.4; (, 1
0.8; (F 1 1 construir el polinomio interpolador MF '(/ y calcular ;'6/.
Solución
(6 1 0.2 :6 1 {tT 0.2 1 0.198669
(R 1 0.4 :R 1 {tT 0.4 1 0.389418
(, 1 0.8 :, 1 {tT 0.8 1 0.717356
(F 1 1.0 :F 1 {tT 1.0 1 0.841471
Se aplica la fórmula para hallar MF '(/, teniendo en cuenta que se tienen cuatro nodos
'( * (R /'( * (, /'( * (F / '( * (6 /'( * (, /'( * (F /

MF '(/ 1 :6 - :R
'(6 * (R /'(6 * (, /'(6 * (F / '(R * (6 /'(R * (, /'(R * (F /
'( * (6 /'( * (R /'( * (F / '( * (6 /'( * (R /'( * (, /
-:, - :F
'(, * (6 /'(, * (R /'(, * (F / '(F * (6 /'(F * (R /'(F * (, /
'( * 0.4/'( * 0.8/'( * 1/ '( * 0.2/'( * 0.8/'( * 1/

MF '(/ 1 :6 - :R
'0.2 * 0.4/'0.2 * 0.8/'0.2 * 1/ '0.4 * 0.2/'0.4 * 0.8/'0.4 * 1/
'( * 0.2/'( * 0.4/'( * 1/ '( * 0.2/'( * 0.4/'( * 0.8/
-:, - :F
'0.8 * 0.2/'0.8 * 0.4/'0.8 * 1/ '1 * 0.2/'1 * 0.4/'1 * 0.8/
'( * 0.4/'( * 0.8/'( * 1/ '( * 0.2/'( * 0.8/'( * 1/

MF '(/ 1 0.198669 - 0.389418
*0.096 0.048
'( * 0.2/'( * 0.4/'( * 1/ '( * 0.2/'( * 0.4/'( * 0.8/
-0.717356 - 0.841471
*0.048 0.096
MF '(/ 1 *2.069469'( * 0.4/'( * 0.8/'( * 1/ - 8.112875'( * 0.2/'( * 0.8/'( * 1/

*14.944917'( * 0.2/'( * 0.4/'( * 1/ - 8.765323'( * 0.2/'( * 0.4/'( * 0.8/
MF '(/ 1 *2.069469'( F * 2.2( , - 1.52( * 0.32/ - 8.112875'( F * 2( , - 2.6( * 1.6/

*14.944917'( F * 1.6( , - 0.68( * 0.08/ - 8.765323'( F * 1.4( , - 0.56( * 0.064/
Resolviendo
MF '(/ 1 *0.136188( F * 0.032504( , - 1.01138( * 0.001217
Evaluando la función en ;'6/ se tiene:
MF '(/ 1 *0.136188'0.6/F * 0.032504'0.6/, - 1.01138'0.6/ * 0.001217
MF '(/ 1 *0.0294166 * 0.01170144 - 0.606828 * 0.001217 1 0.564493
Calculo de error
¿À * ¿g 0.56464247 * 0.564493
Å 1 û û1û û 1 0.00027, % 1 |Å 100%| 1 @. @i%
¿À 0.56464247
Ejemplo 7.8
7.8.
Determinar el polinomio de interpolación usando la formula de interpolación de Lagrange y
calcular una aproximación para ;'2/ según la siguiente tabla:
( *1 0 2
( 8 3 *1
Solución
A partir de la tabla se tiene que las siguientes expresiones:
(6 = *1 ;6 = ;'(6 / = 8
(R = 0 ;R = ;'(R / = 3
(, = 2 ;, = ;'(, / = *1
El polinomio de interpolación será de grado T = 2.
El polinomio de interpolación de la formula de Lagrange está dada por:
,
M, '(/ = Ç ;Z Z '(/
ZÉ6
Se determinan los polinomios Z '(/,
'( * (R /'( * (, / '( * 0/'( * 2/ ( , * 2(
6 '(/ = = =
'(6 * (R /'(6 * (, / '*1 * 0/'*1 * 2/ 3
'( * (6 /'( * (, / '( * '*1//'( * 2/ ( , * ( * 2
R '(/ = = =
'(R * (6 /'(R * (, / '0 * '*1//'0 * 2/ *2
'( * (6 /'( * (R / '( * '*1//'( * 0/ ( , - (
6 '(/ = = =
'(, * (6 /'(, * (R / '2 * '*1//'2 * 0/ 6
Luego se aplica M, '(/ 1 ;'(6 /6 '(/ - ;'(R /R '(/ - ;'(, /, '(/
( , * 2( (, * ( * 2 (, - (
M, '(/ 1 8 J K - 3J K - '*1/ J K
3 *2 6
Se multiplica la ecuación por 6 y se resuelve

6 M, '(/ 1 16y( , * 2(z * 9y( , * ( * 2z * y( , - (z
6 M, '(/ 1 16( , * 32( * 9( , - 9( - 18 * ( , * ( 1 6( , * 24( - 18
6 M, '(/ 1 6( , * 24( - 18 > M, '(/ 1 ( , * 4( - 3
Una aproximación de ;'2/ está dada por M, '2/. Usando el algoritmo de Ruffini se tiene:
1 *4 3
2 2 *4
1 *2 *©
Luego ;'2/ M, '2/ 1 *©
La forma usada comúnmente para evaluar funciones es la sustitución directa.
M, '(/ 1 ( , * 4( - 3 > M, '2/ 1 2, * 4 · 2 - 3 1 4 * 8 - 3 1 *©
Igualmente se obtiene el mismo resultado, o sea: ;'2/ M, '2/ 1 *©
y
8
1
x
-1 1 2 3 4 5
Fig. 7.6. -1
Error en la interpolación
El polinomio de interpolación MP '(/ para una función : 1 ;'(/ sobre un conjunto de puntos
distintos (6 , (R , (, , … , (P cumple la propiedad MP '(Z / 1 ;'(Z /, [ 1 0, 1, 2, … , T
En los puntos (Ä X (Z no siempre es verdadero que MP '(Ä / 1 ;'(Ä /.
Para evaluar ;'(/ en los puntos (Ä X (Z , [ 1 0, 1, 2, … , T se considera MP '(/ como una
aproximación para la función : 1 ;'(/ en un cierto intervalo que contangan los puntos
(6 , (R , (, , … , (P y se calcula ;'(Ä / a través de MP '(Ä /.
Lema 7.5
Sea ;'(/ continua en yK, Lz es diferenciable en cada punto de 'K, L/. Si ;'K/ 1 ;'L/, entonces
existe un punto ( 1 Ï, K ] Ï ] L, tal que ; , 'Ï/ 1 0.18
18 Franco, Neide. Cálculo Numérico (formato Digital). Pág. 288

Lema 7.6
7.6. Teorema generalizado de Rolle
Sea T \ 2. Suponiendo que ;'(/ sea continua en yK, Lz y que ; 'PQR/ '(/ exista en cada punto
de 'K, L/. Suponiendo que ;'(R / 1 ;'(, / 1 S 1 0 para K n (R ] (, ] S ] (P n L.
Entonces existe un punto Ï, (R ] Ï ] (P , tal que ; 'PQR/ 'Ï/ 1 0.
Teorema 7.7
7.7. Teorema
Teorema del término de error
Sea ;'(/ continua en yK, Lz y suponiendo que ; 'PQR/ '(/ exista en cada punto de 'K, L/. Si
K n (R ] (, ] S ] (P n L. Entonces
'( * (6 / … '( * (P / 'PR/
P ';; (/ 1 ;'(/ * MP ';; (/ 1 ; 'Ï/, . .
'T - 1/!
Donde min ^(, (6 , (R , … , (P _. El punto Ï depende de (. 19
Este teorema es más teórico que práctico. En la práctica, para estimar el error cometido al
aproximar el valor de una función en un punto por su polinomio de interpolación, se utiliza el
siguiente corolario:
P ';; () 1 ;'() * MP ';; ().
Si ;'() y sus derivadas hasta de orden T - 1 son continuas en yK, Lz, entonces:
|'( * (6 )'( * (R ) … '( * (P )|
P ';; () n max ; 'PR) 'v) '. «. )
'T - 1)! gPPf
Ejemplo 7.9
7.9.
Sea la tabla:
( 0 0.1 0.2 0.3 0.4 0.5
t Fu
1 1.3499 1.8221 2.4596 3.3201 4.4817
Calcular un límite superior para el error de truncamiento cuando se evalúa en ;'0.25/

Usando polinomio de interpolación de segundo grado.
Solución
|'( * (6 /'( * (R /'( * (, /|
, ';; (/ n max | ; ,,, 'v/|. '7.5. /
'3/! u6 PPu7
Con ;'v/ 1 v t F , se tiene:
; ,') 1 t F - 3v t F 1 t F '1 - 3v/,
; ,,'/ 1 3t F '1 - 3v/ - 3 t F 1 6t F + 9 v t F ,
; ,,,'/ 1 18t F - 9 t F + 27 v t F 1 27 t F '1 - v/,

El problema desea estimar el valor de la función ( t Fu en el punto 0.25 usando polinomio de
segundo grado, para eso, se debe tomar tres puntos consecutivos en la vecindad de 0.25. Se
toman los puntos (6 1 0.2; (R 1 0.3; (, 1 0.4, y se obtiene:
max | ; ,,, (v)| 1 27 t F '1 - v/ 1 27 t F'6.)/ '1 - 0.4/ 1 125.4998

u6 PPu7
19
La demostración de este teorema se encuentra en: Franco, Neide M. V. 2008. Calculo Numérico
Con estos cálculos realizados previamente, existen condiciones para calcular un límite
superior para el error de truncamiento. Aplicando '7.5./ se tiene:
|'( * (6 /'( * (R /'( * (, /|
, ';; (/ n max | ; ,,, 'v/|
'3/! u6 PPu7
|'0.25 * 0.2)(0.25 * 0.3)(0.25 * 0.4/|

, ';; (/ n '125.4998/ 0.0078 8 · 10QF
6
Al tomar un polinomio de segundo grado para evaluar la función en ;'0.25), se obtiene el
resultado con dos cifras decimales exactas.
La cantidad de ceros después del punto decimal en el cálculo de error, genera el numero de
cifras decimales correctas que se tendrá en la aproximación.
Si se hubieran tomado los puntos (6 1 0.1; (R 1 0.2; (, 1 0.3, se hubiera obtenido el valor
, ';; (/ 0.0054 5 · 10QF , lo que implica que se sigue teniendo las dos cifras decimales
correctas en la aproximación. Así, tomando valores hacia la izquierda o hacia la derecha del
punto a evaluar, igualmente el error será del mismo orden de magnitud.
Grafica en el mismo plano de la función t F y su polinomio de interpolación de segundo
grado.
y
3.5
M'(/ 1 11.15( , - 0.8( - 1.22

3
2.5
1.5
t F
1
0.5
x
-1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2

-0.5
Fig. 7.7.
Puntos igualmente espaciados

Cuando los puntos ( , son igualmente espaciados de 9 X 0, esto es:
(R * ( 1 9, 1 0, 1, … , T * 1, donde 9 es un número fijo. Se determina una forma del
polinomio de interpolación y de error, en términos de una variable à, definida así:
( * (
à1 '. ª. /
9
En función de la variable à, se tienen los siguientes teoremas.
7.8.
Teorema 7.8
Para ¨ enteros, no negativos, ( * (Å 1 'à * ¨/9. 20
Teorema 7.9
7.9.
Para ¨ y { enteros, no negativos, (Å * (í 1 '¨ * {/9. 21
Usando los teoremas 7.8. y 7.9. se obtiene
P
à'à * 1/ … Gà * '[ * 1/I'à * '[ + 1// … 'à * T/
MP '(6 - à9/ 1 Ç ;Z . ©@.
['[ * 1/ … G[ * '[ * 1/IG[ * '[ + 1/I … '[ * T/
ZÉ6
Que es la fórmula de Lagrange de polinomio de interpolación igualmente espaciados de 9 X 0.

Esta forma de polinomio interpolación es particularmente útil en la determinación de
integración numérica de funciones.
Se sustituye ( * (Å ~¨ 'à * ¨/9 en
'( * (6 / … '( * (P / 'PR/
P ';; (/ 1 ;'(/ * MP ';; (/ 1 ; 'Ï/, se obtiene:
'T - 1/!
9PR
P '(/ 1 P '(6 + à9/ 1 à'à * 1/ … 'à * T/ ; 'PR/ 'Ï/,
'T + 1/!
Donde: min'(, (6 , … , (P / n Ï n max((, (6 , … , (P )
El polinomio de interpolación para ;((){~L¨t T - 1 àTv~{ (6 , (R , (, , … , (P se escribe en
uQu
términos de à 1 : 6, como:
P
MP '(6 - à9/ 1 Ç ÒZ 'à/;Z '. ©@. /

ZÉ6
à'à * 1/ … Gà * '[ * 1/I'à * '[ + 1// … 'à * T/

'. ©©. /
['[ * 1/ … G[ * '[ * 1/IG[ * '[ + 1/I … '[ * T/
ÒZ 'à/ 1
Ejemplo 7.10
Dada la siguiente tabla:
( 0 0.1 0.2 0.3 0.4 0.5

t Fu 1 1.3499 1.8221 2.4596 3.3201 4.4817
a) Calcular ;'() 1 ( t Fu en el punto ( 1 0.25 usando polinomio de interpolación
sobre tres puntos.
b) Hallar un límite superior para el error de truncamiento.
Solución
Inicialmente se escogen tres puntos apropiados en la tabla dada y a continuación se
construye la tabla de ;'() 1 ( t Fu . Sean entonces: (6 1 0.2, (R 1 0.3, (, 1 0.4.
a)
( 0.2 0.3 0.4
Fu
;'() 1 ( t 0.3644 0.7379 1.3280
à'à * 1/ … Gà * '[ * 1/I'à * '[ - 1// … 'à * T/

Aplicando la fórmula: ÒZ 'à/ 1
['[ * 1/ … G[ * '[ * 1/IG[ * '[ + 1/I … '[ * T/
'. ©i. /
'à * 1/'à * 2/ à, * 3à - 2
Ò6 'à/ 1 1
'0 * 1/'0 * 2/ 2
à'à * 2/ à, * 2à
ÒR 'à/ 1 1
1'1 * 2/ *1
à'à * 1/ à, * à
Ò, 'à/ 1 1
2'2 * 1/ 2
Usando MP '(6 - à9/ 1 ∑PZÉ6 ÒZ 'à/;Z '. ©i. /
,
M, '(6 - à9/ 1 Ç ÒZ 'à/;Z '. © . /

ZÉ6
à, * 3à - 2 à, * 2à à, * à
M, '(6 - à9/ 1 '0.3644/ - '0.7379/ - '1.3280/
2 *1 2
Agrupando términos y resolviendo se tiene:
M, '(6 - à9/ 1 0.1083à, - 0.2652à - 0.3644
Se desea calcular ;'0.25/

( * (6 0.25 * 0.2
9
à1 1 1 0.5
0.1
Usando el algoritmo de Ruffini

0.1083 * 0.2652 0.3644
0.5 0.0542 0.1597
0.1083 0.3194 0.5241
Entonces M, '0.5/ 1 0.5241 X ;'0.25/
: .R
De P '(/ 1 P '(6 - à9/ 1 à'à * 1/ … 'à * T/ 'PR/! ; 'PR/ 'Ï/, se tiene:
9F ,,,
, 'à/ 1 à'à * 1/'à * 2/ ; 'Ï/,
3!
maxgPPf ; 'PR/ 'v/

|'uQu6 /'uQu /…'uQu. /|
De: P ';; (/ n 'PR/!
9F
, 'à/ n |à'à * 1/'à * 2/| max | ; ,,, 'v/|.
3! 6.,PP6.)
Donde à 1 0.5, 9 1 0.1 > 9F 1 0.001 y por el ejemplo '7.7. / se tiene que:
; ,,, 'v/ 1 27 t F '1 - v/ > `K( | ; ,,, 'v/| 1 125.4988
6.,PP6.)
Por tanto:
'5.066 1 0.0078 10QF
0.001
, 'à/ n |0.5||0.5 * 1||0.5 * 2|
6
Observaciones
a/ Si se compara el valor obtenido para ;'0.25/ con el valor exacto se verificará que el
resultado está con dos cifras decimales correctas.
b/ El polinomio de interpolación obtenido en este ejemplo está en función de la variable à.
Por lo tanto no es posible verificar si el valor del polinomio en los puntos tabulados
coincide con el valor de la función en esos puntos. Como la función es creciente en el
intervalo y0.2; 0.4z, el valor para ;'0.25/ debe estar entre y0.3644; 0.7379z.
Cuando se conoce la expresión analítica de la función, el termino del resto genera una
estimación sobre el numero de cifras decimales correctas que se puede obtener en la
aproximación. La aplicación de la formula de termino del resto es útil cuando se desea el
resultado con una precisión prefijada.
Diferencias Divididas
Hay dos desventajas al usar el polinomio de Lagrange para interpolación.
a/ Implican más operaciones aritméticas que el método de diferencias divididas 'método
a ser analizada a continuación/.
b/ Si se desea sumar o restar un punto del conjunto usado para obtener el polinomio,
esencialmente debe iniciarse de nuevo el proceso.
El método de diferencias divididas es económico en cuanto a los cálculos aritméticos
realizados en el proceso.
Es importante notar que, tanto por el método de Lagrange como por el método de diferencias
divididas no se consiguen resultados diferentes, solamente en la economía de los procesos de
cálculo.
Definición 7.3
7.3. 22
Sean (6 , (R , . . . , (, , … , (P , T + 1 puntos distintos en el interbvalo yK, Lz y sean ;6 , ;R , . . . , ;P , T +
1 valores de una función : 1 ;'(/{~L¨t ( 1 (Z , [ 1 0, 1, … , T. Se define:
;y(Z z 1 ;'(Z /, [ 1 0, 1, 2, … , T
;y(R , (, , … , (P z * ;y(6 , (R , … , (PQR z
;y(6 , (R , … , (P z 1 '. ©j. /
(P * (6
Donde ;y(6 , (R , … , (P z es la diferencia dividida de orden T de la función ;'(/ sobre los
puntos (6 , (R , (, , … , (P .
Usando la definición de diferencia dividida se tiene:
;y(R z * ;y(6 z
;y(6 , (R z 1
(R * (6
;y(R , (, z * ;y(6 , (R z
;y(6 , (R , (, z 1
(, * (6
;y(R , (, , (F z * ;y(6 , (R , (, z
;y(6 , (R , (, , (F z 1
(F * (6
22La demostración de este teorema se encuentra en: Franco, Neide. Calculo Numérico (formato digital
en Portugués) pág. 297.
Al segundo miembro de cada ecuación precedente se debe aplicar sucesivamente la definición

de diferencia dividida hasta que los cálculos involucren solamente el valor de la función en los
puntos, o sea:
;'(, / * ;'(R / ;'(R / * ;'(6 /
;y(R , (, z * ;y(6 , (R z *
(, * (R (R * (6
;y(6 , (R , (, z 1 1 '. ©Ì. /
(, * (6 (, * (6
Existe una forma más simple y organizada para calcular las diferencias divididas de una
función, es construyendo una tabla de diferencias divididas.
(6 ;y( z æ( , (ç è ;æ( , (ç , (Z è

(6 ;y(6 z
;y(R z * ;y(6 z
;y(6 , (R z 1
(R * (6 ;y(R , (, z * ;y(6 , (R z
;y(6 , (R , (, z 1
(R ;y(R z (, * (6
;y(, z * ;y(R z …
;y(R , (, z 1
(, * (R ;y(, , (F z * ;y(R , (, z
;y(R , (, , (F z 1
(, ;y(, z (F * (R
;y(F z * ;y(, z …
;y(, , (F z 1
(F * (, ;y(F , () z * ;y(, , (F z
;y(, , (F , () z 1
(F ;y(F z () * (,
;y() z * ;y(F z …
;y(F , () z 1
() * (F .
() ;y( z . .
. .
)
.
.
.
.
.
.
a/ La primera columna está constituida por los puntos (Z , [ 1 0, 1, 2, … , T;

b/ La segunda columna contiene los valores de ;'(/ en los puntos (Z , [ 1 0, 1, 2, … , T;
c/ La siguientes columnas 3, 4, 5, …, están las diferencias divididas de orden 1, 2, 3, … cada
una de estas diferencias es una función cuyo numerados es siempre la diferencia entre dos
diferencias consecutivas y de orden inmediatamente inferior y cuyo denominador es la
diferencia entre los dos extremos de los puntos considerados.
Ejemplo 7.11.
Construir la tabla de diferencia dividida de la siguiente función presentada en la tabla.
( *2 *1 0 1 2
;'() *2 29 30 31 62
Solución
Usando la tabla de diferencia divida se tiene:
(6 ;y( z æ( , (ç è ;æ( , (ç , (Z è ;y( , … , (S z ;y( , … , (b z
*2 *2
20 * '*2/
1 31
*1 * '*2/
1 * 31
*1 29 1 *15
0 * '*2/
30 * 29 0 * '*15/
11 15
0 * '*1/ 1 * '*2/
0 30 1*1 5*5
10 10
1 * '*1/ 2 * '*2/
31 * 30 15 * 0
11 15
1*0 2 * '*1/
1 31
31 * 1
1 15
2*0
62 * 31
1 31
2*1
2 62
Fórmula de Newton
funciones. En principio la función ;'(/ debe ser continua y que tenga derivada continua en el
Para obtener la formula de Newton de polinomio de interpolaciones necesario definir algunas
intervalo [a, b], además de eso, que los puntos x0, x1, …, xn sean distintos en [a, b].
Las funciones se definen de la siguiente manera.
;y(z * ;y(6 z
'1/ ;y(6 , (z 1 , deinida en yK, Lz, para ( X 0
( * (6
;y(6 , (z * ;y(6 , (R z
'2/ ;y(6 , (R , (z 1 , deinida en yK, Lz, para ( X (6 y ( X (R
( * (R
;y(6 , (R , … , (PQR , (z * ;y(6 , (R , … , (P z
'T + 1/ ;y(6 , (R , … , (P , (z 1 ,
( * (P
deinida en yK, Lz, para ( X (Z , [ 1 0, 1, 2, … , T
En las funciones definidas precedentemente, se producen aumentos sucesivos, en la diferencia
divida o el próximo punto de la tabla. En todos los casos se aplican el corolario de diferencias
divididas.
Las diferencias divididas de orden k de una función ;'(/, satisfacen:

Corolario 7.10.
;y(6 z
;y(6 , (R , … , (Z z 1 -
'(6 * (R /'(6 * (, / … '(6 * (Z /
;y(R z ;y(Z z
+ +
'(R * (6 /'(R * (, / … '(R * (Z / '(Z * (6 /'(Z * (R / … '(Z * (Z /
Este corolario afirma que se puede usar cualquier par de puntos para construir la diferencia
dividida de una función, y no necesariamente el primero y el último.
A partir de este punto corresponde buscar una fórmula de recurrencia para ;'(/.
;'(/ 1 ;y(6 z - '( * (6 /;y(6 , (z

De la formula (1) se obtiene:
De la formula (2) y usando la formula (1), se tiene:
;y(6 , (R , (z'( * (6 / 1 ;y(6 , (z * ;y(6 , (R z
;y(z * ;y(6 z
;y(6 , (R , (z'( * (6 / 1 * ;y(6 , (R z
( * (6
;'(/ 1 ;y(6 z - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (z
De forma parecida, de (n+1) se obtiene:
;'(/ 1 ^;y(6 z - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (, z
-'( * (6 /'( * (R /'( * (, /;y(6 , (R , (, , (F z - S
-'( * (6 /'( * (R / … '( * (PQR /;y(6 , (R , … , (P z_R
-'( * (6 /'( * (R / … '( * (P /;y(6 , (R , … , (P , (z_,
De esta manera se tiene una formula de recurrencia para f(x).
MP 1 ;y(6 z - '( * (6 /;y(6 , (R z - S - '( * (6 / … '( * (PQR /;y(6 , (R , … , (P z 1 ^… _R
Es el polinomio de interpolación de la función y = f(x) sobre los puntos (6 , (R , … , (P , esto es

MP '(Z / 1 ;'(Z /, [ 1 0, 1, … , T
MP '(/ 1 ;'(6 / - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (, z - S

Luego:
-'( * (6 /'( * (R / … '( * (PQR /;y(6 , (R , … (P z 1 ^… _R
Esta es la fórmula de Newton de polinomios de interpolación.
P 1 '( * (6 /'( * (R / … '( * (P /;y(6 , (R , … , (P , (z 1 ^… _,

La expresión:
Corresponde a la fórmula del término del resto o error de truncamiento.

Este error de truncamiento es la misma de la formula de Lagrange.
Ejemplo 7.12.
b) Calcular ;'1/ usando el polinomio de interpolación.

a) Hallar el polinomio de interpolación de Newton.
x -1 0 3
f(x) 15 8 -1
(6 1 *1
Solución:
;6 1 ;'(6 / 1 15
(R 1 0 ;R 1 ;'(R / 1 8
(, 1 3 ;, 1 ;'(, / 1 *1
a) Teniéndose tres pares de puntos, en el polinomio de interpolación de Newton, n=2
M, '(/ 1 ;'(6 / - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (, z
Se construye la tabla de diferencias divididas:
;y(6 z ;y(6 , (R z ;y(6 , (R , (, z
( ;'(/
0 -1 15
-7
1 0 8 1
-3
3 -1
2
Por lo tanto, de: M, '(/ 1 ;'(6 / - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (, z
Se tiene: M, '(/ 1 15 - y '( * '*1/ z'*7/ - y'( * '*1/z'( * 0/ '1/
Agrupando términos semejantes y resolviendo: M, '(/ 1 ( , * 6( - 8
b) Aplicando directamente ;'1/ al polinomio M, '(/, se tiene:
M, '(/ 1 ( , * 6( - 8 ó M, '1/ 1 1, * 6.1 - 8 1 3
sea ;'1/ 3, si se resolviera por la formula de Lagrange se puede obtener el mismo resultado.
El polinomio de interpolación es único, debe recordarse que este resultado es aproximado, o
O sea, ;'1/ 3
Ejemplo 7.13:
7.13
1) Hallar:
a) el polinomio de interpolación de Newton.
b) Calcular ;'3/ usando el polinomio de interpolación.
x 0 0,5 1
f(x) -1 1 4
Solución:
(6 1 0 ;6 1 ;'(6 / 1 *1
(R 1 0,5 ;R 1 ;'(R / 1 1
(, 1 1 ;, 1 ;'(, / 1 4
b) Teniéndose tres pares de puntos, en el polinomio de interpolación de Newton n=2
M, '(/ 1 ;y(6 z - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (, z
Se construye la tabla de diferencias divididas:
;y(6 z ;y(6 , (R z ;y(6 , (R , (, z

x f(x)
0 0 -1
4
1 0,5 1 2
6
2 1 4
Por lo tanto, de: M, '(/ 1 ;y(6 z - '( * (6 /;y(6 , (R z - '( * (6 /'( * (R /;y(6 , (R , (, z
Se tiene: M, '(/ 1 '*1/ - '( * 0/ '4/ - '( - 0/ '( * 0,5/ '2/

M, '(/ 1 *1 - 4( - 2( , * (
Agrupando términos semejantes y resolviendo: M, '(/ 1 2( , - 3( * 1

Aplicando directamente ;'3/ al polinomio M, '(/, se tiene:
M, '(/ 1 2( , - 3( * 1 ó M, '3/ 1 2.3, - 3.3 * 1 1 26
Diferencias ordinarias
Existen formulas más simples para polinomios de interpolación cuando los valores de ( son
igualmente espaciados con 9 X 0.
Sean (6 , (R , . . . , (, , … , (P , T - 1 puntos distintos en el intervalo yK, Lz tales que (R * ( 1

Definición 7.4.
9, 1 0, 1, . . . , T * 1 y sean ;6 , ;R , . . . , ;P , T - 1 valores de una función : 1 ;'(/sobre ( 1 (Z ,

[ 1 0, 1, … , T. Se define:
∆6 ;'(Z / 1 ;'(Z /
∆Å ;'(Z / 1 ∆ÅQR ;'(Z - 9/ * ∆ÅQR ;'(Z / '. ©
. /
Donde ∆Å ;'(Z / es la diferencia ordinaria de ;'(/ de orden ¨ en ( 1 (Z

Usando la definición de diferencia ordinaria se tiene:
∆6 ;'(Z / 1 ;'(Z /
∆R ;'(Z / 1 ∆6 ;'(Z - 9/ * ∆6 ;'(Z / 1 ;'(Z - 9/ * ;'(Z /
∆, ;'(Z / 1 ∆R ;'(Z - 9/ * ∆R ;'(Z /

1 ∆6 ;'(Z - 29/ * ∆6 ;'(Z - 9/ * ∆6 ;'(Z - 9/ - ∆6 ;'(Z /
1 ;'(Z - 29/ * 2;'(Z - 9/ - ;'(Z /
∆F ;'(Z / 1 ;'(Z - 39/ * 3;'(Z - 29/ - 3;'(Z - 9/ * ;'(Z /

å
∆Å ;'(Z / 1 a c ;'(Z - ¨9/ * a c ;'(Z - '¨ * 1/9/ - S - '*1Å / a c ;'(Z /
¨ ¨ ¨
0 1 ¨
Por lo tanto
Å
∆ ;'(Z / 1 Ç'*1/ a c ;'(Z - '¨ * /9/,

¨ ¨ ¨!
Å
donde: ac 1
! '¨ * /!
É6
Estas expresiones permiten calcular las diferencias ordinarias de una función de una manera
más simple.
( ;'(/
Tabla de diferencia ordinaria
ΔR Δ,
(6 Δ6 ;'(6 / 1 ;6
ΔR ;'(6 / 1 Δ6 ;'(R / * Δ6 ;'(6 /
(R Δ6 ;'(R / 1 ;R Δ, ;'(6 / 1 ΔR ;'(R / * ΔR ;'(6 /

ΔR ;'(R / 1 Δ6 ;'(, / * Δ6 ;'(R /
(, Δ6 ;'(, / 1 ;, Δ, ;'(R / 1 ΔR ;'(, / * ΔR ;'(R /

ΔR ;'(, / 1 Δ6 ;'(F / * Δ6 ;'(, /
(F Δ6 ;'(F / 1 ;F Δ, ;'(, / 1 ΔR ;'(F / * ΔR ;'(, /

ΔR ;'(F / 1 Δ6 ;'() / * Δ6 ;'(F /
()
Δ6 ;'() / 1 ;)
å
å
a) La primera columna está constituida por los puntos ( , 1 0,1,2, … , T

b) La segunda columna contiene los valores de ;'(/ en los puntos ( , 1 0,1,2, … , T
c) Las siguientes columnas (3, 4, 5,…) contienen las diferencias ordinarias de orden
1, 2, 3, … , T. Cada una de estas diferencias es simplemente la diferencia entre dos
diferencias ordinarias consecutivas y de orden inmediatamente inferior.
Ejemplo 7.14.
Construir la tabla de diferencias ordinarias de la siguiente función tabulada.
( *2 *1 0 1 2
;'(/ *2 29 30 31 62
Solución
Usando la tabla de diferencia ordinaria se tiene:
(Z ;'(/ ΔR ;'(Z / Δ, ;'(Z / ΔF ;'(Z / Δ, ;'(Z /
*2 *2
29 * '*2/ 1 31
*1 29 1 * '*31/ 1 31
30 * 29 1 1
0 * '*30/ 1 30
0 30 1*110 30 * 30 1 0
31 * 30 1 1
31 * 1 1 30
1 31 31 * 1 1 30
62 * 31 1 31
2 62
Sea (Z 1 (Z - 9[; [ 1 0, 1, 2, . . , T, entonces

Teorema 7.11. 23
ΔR ;'(6 /
;y(6 , (R , … , (P z 1
9P · T!
Formula de Newton-
Newton-Gregory
Para puntos igualmente espaciado se puede usar una variante de la formula de Newton,
TR ;'(6 / T, ;'(6 /
conocida como fórmula de Newton – Gregory.
MP '(/ 1 ;'(6 / - '( * (6 / - '( * (6 /'( * (R / , -S

9 9 . 2!
TP ;'(6 /
-'( * (6 /'( * (R / … '( * (PQR /
9P . T!
'. ©. /
Ejemplo 7.15.
Determinar el polinomio de interpolación de Newton – Gregory dada en la siguiente tabla.
( *1 0 1 2
;'(/ 3 3 *1 0
Solución
Partiendo de la tabla se tiene que T 1 3
Se construye la tabla de diferencias ordinarias:
( ;'(/
*1 3
*2
0 1 0
*2 3
1 *1 3
1
2 0
¤
Luego se aplica la formula de Newton – Gregory

TR ;'(6 /
MF '(/ 1 ;'(6 / - '( * (6 /
9
T, ;'(6 / TF ;'(6 /
- '( * (6 /'( * (R / -'( * (6 /'( * (R / … '( * (, /
9, . 2! 9F . 3!
0 3
MF '(/ 1 3 - '( - 1/'*2/ - '( * 1/'( * 0/ - '( - 1/'( * 0/'( * 1/
2 6
1 (F 5
1 3 * 2( * 2 - '( F * (/ 1 * ( - 1 1 0.5( F * 2.5( - 1
2 2 2
MF '(/ 1 0.5( F * 2.5( - 1
23
La demostración de este teorema se encuentra en: Franco, Neide M. V. 2008. Calculo Numérico
La fig. 7.8. representa la grafica de la función estudiada.

3.5 y
2.5
1.5
0.5
x
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

-0.5
-1
Fig. 7.8. -1.5
Ejercicio
Ejercicio 7.1.
'1, 2/; '0, 4/; '2, 6/. Evaluarlo en ;'1.5/.

Halla el polinomio de interpolación de los siguientes puntos:
¯°±²³´°µ: MF '(/ 6( , * 11( - 4; ;'1.5/ 1 1
Ejercicio 7.2.
'1, *2/; '0, 4/; '*1, 5/. Evaluarlo en ;'*1/.
¯°±²³´°µ: MF '(/ 2.5( , * 3.5( - 4; ;'*1/ 1 5
Ejercicio 7.3.
'*1, 3/; '*2, 1/; '0, *1/; '1, 0/. Evaluarlo en ;'1.5/.
¯°±²³´°µ: MF '(/ 1.833( F - 2.5( , * 3.333( * 1; ;'1.5/ 1 5.8125
Ejercicio 7.4.
(0, 2); (1, 2); (2, 8); (-1, 0). Evaluarlo en ;'1.5/.
M, '(/ ( F * ( , * ( - 2
4 1
¯°±²³´°µ: : ;'1.5/ Ô 3.75
3 3
Ejercicio 7.5.
(0, 1); (1, 0); (2, 5); (3, 10). Evaluarlo en ;'4/.
¯°±²³´°µ: MF '(/ *( F - 6( , * 6( - 1 : ;'4/ 9
Ejercicio 7.6.
Halla el polinomio de interpolación de los siguientes puntos: (0, 3); (1, 2); 3, 6). Evaluarlo en
;'*1/.
¯°±²³´°µ: M, '(/ 1 ( , * 2( - 3 : ;'*1/ 1 6
Los siguientes pares de puntos: (0, 3); (-1, 3); (2, 6). Evaluar en ;'*2/.
Ejercicio 7.7.
7.7.
¯°±²³´°µ:
(, (
M, '(/ 1 - - 3, : ;'*2/ 1 4
2 2
Ejercicio 7.8.
Los siguientes pares de puntos: '0, *3/; '*2, 4/; '2, *2/; '4, 1/. Evaluar en ;'3/.
¯°±²³´°µ: M, '(/ 1 0.125( F - ( , * ( * 3, : ;'3/ 1 *0.375
Ejercicio 7.9.
Los siguientes pares de puntos: '*2, 0/; '0, 6/; '2, 2/; '4, 8/. Evaluar en ;'*1/.
¯°±²³´°µ: M, '(/ 1 0.4167( F * 1.25( , * 1.1667( - 6, : ;'*1/ 1 5.5
Ejercicio 7.10.
Dados los pares de puntos '*2, *2/; '*1, 2/; '0, *2/, determinar el polinomio de
Solución
M, '(/ 1 4( , * 8( - 2
Ejercicio 7.11.
Dados los pares de puntos '*2, *2/; '*1, 2/; '0, *2/, determinar el polinomio de
Solución
M, '(/ 1 4( , * 8( - 2
Ejercicio 7.12.
7.12.
Dados los pares de puntos '1, 3/; '2, 3/; '3, 6/; '4, 3/, determinar el polinomio de
Solución
MF '(/ 1 1.5( F - 10.5( , * 21( - 15
Dados los pares de puntos '2, 2/; '3, 5/; '5, 8/; '7, 4/, determinar el polinomio de
Ejercicio 7.13
7.13.
13.

Solución
MF '(/ 1 0.075( F - 0.25( , - 3.175( * 4.75
Ejercicio 7.14
7.14.
14.
Dados los pares de puntos '*2, 1/; '*1, 5/; '0, 1/; '1, 5/, determinar el polinomio de
Solución
8 F 8
MF '(/ 1 ( - 4( , * ( - 1
3 3
Dados los pares de puntos '*2, 2/; '*1, 4/; '0, 2/; '1, 4/; '2, 2/, determinar el polinomio de
Ejercicio 7.15
7.15.
15.

Solución
2 8
MF '() 1 * ( ) - ( , - 2
3 3
Dados los pares de puntos '0, 1/; '1, 5/; '2, 2/; '3, *1/; '4, 0/, determinar el polinomio de
Ejercicio 7.16
7.16.
16.

Solución
M) '() 1 0.125( ) - 1.917( F * 8.375( , - 10.583( - 1
Dados los pares de puntos '*2, *2/; '*1, 2/; '0, 4/; '1, 0/; '2, 6/, determinar el polinomio
Ejercicio 7.17
7.17.
17.
de interpolación para la función definida por este conjunto de pares de puntos.

Solución
5 ) 23
M) '() 1 ( - ( F * ( , * 2( - 4
6 6
Dados los pares de puntos '*2, *2/; '*1, 2/; '0, *2/; '1, 0/; '2, 6/, determinar el polinomio
Ejercicio 7.18
7.18.
18.
de interpolación para la función definida por este conjunto de pares de puntos.

Solución
2 ) 11
M) '() 1 ( - ( F * ( , * 2( * 2
3 3
Ejercicio 7.19
7.19.
19.
( *1 3 4 5
Sea la siguiente tabla:
;'(/ 0 3 12 30
y calcular ;'2/
Determinar el polinomio de interpolación con la formula de Lagrange, sobre todos los puntos
MF '(/ 1 0.475( F * 1.2( , * 0.175( - 1.5, ;'2/ 1 0.15

Solución:
Ejercicio 7.20
7.20.
20.
( 0 1 3 5
Sea la siguiente tabla:
;'(/ *1 3 9 2
y calcular ;'4/
Determinar el polinomio de interpolación con la formula de Lagrange, sobre todos los puntos
MF '(/ 1 0.258( F - 0.7( , - 3.558( * 1,

Solución:
;'4/ 1 7.9
Ejercicio 7.2
7.21.
Sea ;'(/ 1 7( 7 * 3( , * 1,
a) Calcular ;'(/ en los puntos ( 1 0; ( 1 d1; ( 1 d2; ( 1 d3; usando el
algoritmo de Briot-Ruffini y construir la tabla según los valores de (.
b) Construir el polinomio de interpolación para la función sobre los puntos *2, *1, 0, 1.
c) Aplicando la formula (7.5.) determinar un límite superior para el error de truncamiento
en ( 1 *0.5 : ( 1 0.5
Solución:
a)
( 0 1 2 3 *1 *2 *3
;'(/ *1 3 211 1673 *11 *237 *1729
b) MF '(/ 1 35( F * 3( , * 28( * 1
Grafica de los Ejercicios de Fijación
Solución 7.1. Solución 7.2

7.2. Solución 7.3
7.3.
y y y
5
3
3
4
2
3
2
1
2
x
1 1 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5
x
x -1
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5
-1
-2
-1 -2
-3
-2
Solución 7.4
7.4. Solución 7.5
7.5. Solución 7.6
7.6.
y y y
8
7
7 10
6
6
8 5
5
4 6 4
3
3
4
2
2
1
2
x 1
-2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 x x
-1 -1 1 2 3 4 5 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4
Solución 7.7
7.7. Solución 7.8
7.8. Solución 7.9
7.9.
y y y
5
5 8
4
7
4
3
6
3
2 5
2
1 4
1 x 3
x -2 -1 1 2 3 4 5 6 7
2
-1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 -1
-1 1
-2 x
-2 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4

-3 -1
-3
-4
Solución 7.10
7.10. Solución 7.11
7.11.
11. Solución 7.12
7.12.
12.
y y y
7
2 6
6
1.5
5
1 5
4
0.5 4
x
3 3
-2.5 -2 -1.5 -1 -0.5 0.5
-0.5
2 2
-1
1
-1.5 1
x
-2 x
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
-2.5 -1
Solución 7.13
7.13.
13. Solución 7.14.
7.14. Solución 7.15
7.15.
15.
y y 5 y
6
8 4
5
6 3
4
2
4 3
1
2 2
x
-2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

x 1
-1
1 2 3 4 5 6 7 8 9 x
-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2

-2
-1
-4
Solución 7.16
7.16.
16. Solución
Solución 7.17
7.17.
17. Solución 7.18
7.18.
18.
6 y y y
6 6
5
5 5
4
4
3 4
3
2 3
2
1 2
1
x
x 1
-0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 x
-1
-1 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3
-1
-2
-2
Solución 7.19
7.19.
19. Solución 7.20
7.20.
20. Solución 7.21
7.21.
21.
y y y
30 10
6
25 8 4
6 2
20
x
4 -2 -1.5 -1 -0.5 0.5 1 1.5

15
-2
2
10 -4
x
-6
5 -4 -3 -2 -1 1 2 3 4 5 6 7
-2 -8
x
-6 -5 -4 -3 -2 -1 1 2 3 4 5 6 -10
-4
CÁPITULO 8 INTEGRACIÓN NUMÉRICA 203
CAPITULO 8
INTEGRACION NUMERICA
Introducción
Introducción
La integración numérica es una herramienta de las matemáticas que proporciona fórmulas y
técnicas para calcular aproximaciones de integrales definidas. Gracias a ella se pueden
calcular, aunque sea de forma aproximada, valores de integrales definidas que no pueden
Realizar una integración numérica es integrar numéricamente una función : 1 ;'(/ en un

calcularse analíticamente y, sobre todo, se puede realizar ese cálculo en un ordenador.
intervalo dado yK, Lz, es integrar un polinomio MP '(/ que aproxime ;'(/ al intervalo dado.
como una integral de la forma Ug ;'(/0( ; esta integral se resolvería usando el Teorema
f
En el campo de la ingeniería y ciencias, es frecuente que la solución de un problema se exprese
derivada de ;'(/. Sin embargo, la integral existe y debe de evaluarse. Estas situaciones son del
Fundamental del Cálculo, sin embargo, existen casos donde es imposible hallar una anti
Si la función : 1 ;'(/ está indicada en una tabla por un conjunto de pares ordenados
área de estudio de la integración numérica.
æ G(6 , ;'(6 /I ; G(R , ;'(R /I ; G(, , ;'(, /I ; … ; G(P , ;'(P /I, è , donde los ( están ordenados en
forma creciente y donde (6 1 K : (P 1 L, el polígono de interpolación para la función
: 1 ;'(/ en el intervalo yK, Lz, (6 1 K, (P 1 L es un polinomio de aproximación para ;'(/ en
cualquier intervalo G( , (ç I, 0 n n T; 0 n é n T del intervalo 'K, L/. Se puede usar el
polinomio MP '(/ para integrar ;'(/ en cualquiera de los sub-intervalos.
1) Si ;'(/ es un polinomio de difícil integración o si ;'(/ es prácticamente

Las ventajas de integrar numéricamente un polinomio son las siguientes:
imposible de integrar, sin embargo, un polinomio es de integración inmediata.

2) Si se conoce la solución analítica de los resultados de la integral, y su cálculo
solo puede arrojar aproximaciones.
3) La función es representada a través de una tabla de conjunto de pares
ordenados, obtenidos como resultados de experimentaciones o cálculos
previos.
Las fórmulas de integración son de manejo fácil y práctico y permite, cuando la función ;'(/
es conocida, tener una idea del error cometido en la integración numérica.
Una integral definida se define geométricamente como el área bajo la curva ;'(/ en el
Conceptos básicos
intervalo yK, Lz. La forma teórica de hallar este valor es mediante el teorema fundamental del
cálculo.
Sea ; continua sobre el intervalo yK, Lz. Así, existe ? en yK, Lz tal que
Teorema 8.1. Teorema de valor medio para integrales
f
& ;'(/0( 1 'L * K/;'?/
g
Teorema 8.2. Teorema fundamental del cálculo

Sea ; continua en yK, Lz, y sea '(/ 1 U ;'(/0(, es decir, es una antiderivada 0t ;.
f
Entonces & ;'(/0( 1 'L/ * 'K/
g
Teorema 8.3. Segundo teorema fundamental del cálculo

Dada una función ; continua en el intervalo yK, Lz y sea w cualquier función primitiva de ;, es
decir w, '(/ 1 ;'(/ para todo ( pertenece a yK, Lz, entonces
f
& ;'(/0( 1 w'L/ * w'K/
g
1 , '(/ 1 ;'(/, es decir '(/ es una antiderivada de ;'(/. Sin

VW
'(/ es una función tal que
Vu
de ;'(/. En estos casos el valor de la integral debe aproximarse con el menor error posible,
embargo en muchos casos prácticos es muy difícil y a veces imposible hallar una antiderivada
Esto puede lograrse por medio de serie de potencias, método gráfico o métodos numéricos.
requerida de expresiones integrales tan sencillas como U6 t u 0( , lo cual resulta simplemente

El problema en la práctica, se presenta cuando es necesario encontrar la antiderivada
R 7
imposible de resolver con el Teorema Fundamental del Cálculo.
Teorema 8.4:
Si una función ; , continua en el intervalo [a, b], entonces ; es integrable en [a, b].
No obstante que las condiciones del teorema son sumamente generales, no se tiene garantía
de que, al aplicar los métodos usualmente conocidos para resolver integrales, se pueda
encontrar la antiderivada de una función ;'(/ cualquiera, necesaria para obtener la integral
definida.
Las notaciones utilizadas varían de un texto a otro, para evitar confusiones o aclarar
:P 1 ;'(P / 1 ;'L/
notaciones, se presentan las más comunes.
:6 1 ;'(6 / 1 ;'K/;
L*K
;'(P / 1 ;'K - T9/ 1 ; pK - T q 1 ;'K - L * K/
T
24 Demostración: Ayres, JR Frank.(2001). Calculo. 4ª Edic. McGraw Hill. Bogotá. Colombia. Pág. 218.
25 Demostración: Ayres, JR Frank.(2001). Calculo. 4ª Edic. McGraw Hill. Bogotá. Colombia. Pag. 219.
26 http://es.wikipedia.org/wiki/Teorema fundamental del cálculo integral
Consiste en desarrollar en serie de Taylor la función ;'(/ e integrar término a término.

Método de Serie de Potencias
Intentando hallar la antiderivada de la siguiente integral definida U6 t Qu 0(, es posible

R 7
hacerlo desarrollando la serie.

R R È ( ç R
() (
& t Qu 0( 1 & Ç '*1/ 0( 1 & 1 * ( , - * - S 0( 1
! 2! 3!
7
6 6 É6 6
R R R
() (
R
& 0( * & ( , 0( - & 0( * & 0( - S 1
6 6 6 2! 6 3!
È
( (7 ( 1 1 1 1
F R R R
|(|R6 *G G -G G *G G -S11* - * - S 1 Ç'*1/
3 6 5'2!/ 6 7'3!/ 6 3 5'2!/ 7'3!/ '!/
É6
Este valor puede calcularse truncando la serie hasta un número determinado de términos.
Este método está restringido a pocos casos prácticos y no es de aplicación general por las
razones siguientes:
a) Es posible que no exista la serie de potencias.
Puede ocurrir que la serie no sea convergente en el intervalo yK, Lz.

b) La serie puede ser difícil de hallar.
c)
d) La serie puede converger muy lentamente.
a) Consiste en trazar la gráfica de ;'(/ en el intervalo yK, Lz y medir el área

Método Gráfico
bajo la curva. Esto puede lograrse con unos instrumentos llamados

planímetros27.
Este método aunque muy general tiene algunos inconvenientes, pues solamente pueden ser
utilizados para obtener aproximaciones; los inconvenientes son:
a) La gráfica puede ser difícil de elaborar.
b) No es muy preciso ya que está sujeto a errores de medición.
Métodos Numéricos
Los métodos numéricos generan una sucesión de números de la forma:
êR , ê, , … , êP , … , & ;'(/0(, lo cual se acerca a la integral, es decir:

f
g
f
` êP 1 & ;'(/0(
P>È g
El método numérico se detiene cuando se cumple algún criterio de convergencia

preestablecidas con la precisión deseada.
a) Como no es posible integrar directamente ;'(/, estos métodos aproximan
la función ;'(/ por otra más simple que pueda integrarse.
27
El planímetro es un instrumento de medición utilizado para el cálculo de áreas irregulares. Este
modelo se obtiene en base la teoría de integrales de línea o de recorrido.
Las funciones más utilizadas para este fin son los polinomios. Éstos se emplean con bastante
frecuencia en métodos numéricos, por sus propiedades, en este caso porque pueden integrar
fácilmente.
Existen varios métodos para la integración numérica basadas en polinomios, en este capítulo
se estudiará algunos de estos métodos.
Sean (6 , (R , (, , … , (P , T - 1 puntos distintos en yK, Lz y sean ;'(6 /, ;'(R /, ;'(, /, … ,

Cuadratura interpolatoria
;'(P /, T - 1 valores de una función : 1 ;'(/ sobre (6 , (R , (, , … , (P .

Sean MP '(/ el polinomio de interpolación de la función : 1 ;'(/ sobre T - 1 puntos. Por la
P
formula de Lagrange se tiene que:
MP '(/ 1 Ç ;Z Z '(/
ZÉ6
Teorema 8.5
8.5.
menos T, o sea, si y solamente si la formula es exacta para todo polinomio de grado n T.

La formula de cuadratura es interpolatoria si y solamente si el grado de precisión es por lo
f
';/ 1 & Ø'(/P '(/0(
g
Sea yK, Lz 1 y0, 2z y sean (6 1 0; (R 1 1;

Ejemplo 8.1.
F
(, 1 ,
a) Determinar la formula de cuadratura que sea exacta pata todo polinomio de grado n 2
b) Usando la formula obtenida, calcular:
,
& '( , * 2/0(
6
Solución
a) Como la exigencia del problema es determinar la formula de cuadratura para

polinomio de grado n 2, y que sea exacta para ;'(/ 1 1; ;'(/ 1 2; ;'(/ 1 ( , .
Se tiene:
,
& 0( 1 <6 - <R - <, 1 2
6
,
3
& ( 0( 1 <6 · 0 - <R · 1 - <, · 12
6 2
,
9 8
& ( , 0( 1 <6 · 0 - <R · 1 - <, · 1
6 4 4
son los resultados de la integral de 0 a 2 de 1, (, ( ,, respectivamente. De

Los valores 2, 2,
F
esta manera se obtiene un sistema lineal de tres ecuaciones con tres incógnitas. Resolviendo
el sistema se obtiene:
4 2 8
<6 1 , <R 1 ; <, 1
9 3 9
Se tiene la fórmula para integrar la función ;'(/ en el intervalo y0, 2z
& ( 0( 1 ;'(6 / - ;'(R / - ;'(, /

,
4 2 8
6 9 3 9
Esta expresión es la fórmula de cuadratura interpolatoria.

F
b) Se tiene que: ;'(/ 1 ( , * 2, ?~T 1 (6 1 0; (R 1 1; (, 1
,
1
;'(6 / 1 *2; ;'(R / 1 *1; ;'(, / 1
4
Usando la formula de cuadratura interpolatoria
,
4 2 8
& ( 0( 1 ;'(6 / - ;'(R / - ;'(, /
6 9 3 9
,
4 2 8 1 *8 *2 8 4
& ( 0( 1 '*2/ - '*1/ - p q 1 - - 1*
6 9 3 9 4 9 3 36 3
Resolviendo la integral por método del Cálculo se tiene:

,
)
( 2F 8 4
, F
& '( * 2/0( 1
,
* 2(G 1 * 2 · 2 * 0 1 * 4 1 *
6 3 6
3 3 3
Se verifica que la formula de cuadratura arroja resultado exacto respecto de la forma

tradicional de hallar la integral definida de una función.
Se pueden obtener una formula de cuadratura usando el método descrito, aunque sea algo
trabajoso, pues si cambian los limites de integración y los puntos, todos los cálculos deben
realizarse de nuevo. Esto limita grandemente la fórmula de cuadratura para su aplicación.
Regla del rectángulo

Las fórmulas que proporcionan una aproximación del valor de una integral definida se
conocen con el nombre de fórmulas de cuadratura.
En sus versiones más sencillas, estas fórmulas aproximan el área bajo la curva, por el área de
un paralelogramo. Esto solo proporciona una buena aproximación si la base del
paralelogramo es pequeña. Por ello, las fórmulas verdaderamente útiles aproximan la integral
definida mediante una suma de áreas de paralelogramos de bases muy reducidas
numéricamente.
El método del rectángulo consistente en dividir el área que se desea encontrar en T sub-áreas
en forma de rectángulos.
Para el desarrollo del modelo se toman como referencia las siguientes variables:
T: Número de sub-áreas en las cuales se divide el área a calcular
9 1 ∆(: Ancho o base de cada sub-área
K: Límite inferior definido para el cálculo del área
L: Límite superior definido para el cálculo del área.
La integral definida entre los puntos K y L de una función continua y acotada ;'(/,
representa el área comprendida debajo de esa función. La integración numérica aplica cuando
es necesario calcular áreas de integrales definidas, cuando se desconoce la integral explicita
de la función ;'(/.
sea sustituir el área por un conjunto de T sub áreas donde cada sub área semeja un pequeño
Existen varios métodos para calcular áreas por integración numérica. Quizás el más sencillo
rectángulo elemental de base 9 1 y altura : ,

fQg
P
El método del rectángulo para la integración numérica viene dado por las siguientes
f
expresiones.
& ;'(/0( 9y;'K/ - ;'K - 9/ - ;'K - 29/ - S - ;'L * 9/z

g
f
& ;'(/0( 9y;'K - 9/ - ;'K - 29/ - S - ;'L * 9/ - ;'L/z
g
Utilizar la regla rectangular para aproximar la integral, considerando T 1 5.

Ejemplo 8.2.
R
& t u 0(
7
6
Solución
Si se asume el área subdividas en cinco intervalos, aplicando la fórmula y los datos del
L*K 1*0 1
problema se tiene:
K 1 0; L 1 1; 1 1 1 0.2
T 5 5
91
f
& ;'(/0( 9y;'K/ - ;'K - 9/ - ;'K - 29/ - S - ;'L * 9/z
g
R
& t u 0( 0.2y;'0/ - ;'0.2/ - ;'0.4/ - ;'0.6/ - ;'0.8/z
7
6
R
& t u 0( 0.2y1 - 1.04081 - 1.17351 - 1.433329 - 1.89648z
7
R
& t u 0( 0.2y6.544129z 1 1.3088
7
El valor verdadero es:

R
U6 t u 0( 1.4626517459
7
y
3.5
El cálculo de error arroja los siguientes resultados: 3
1 ¿À * ¿g 1 1.4626517459 * 1.3088 1 0.153851745

2.5
E VY * VZ 0.153851745
EX 1 1 1 1 0.10518686
1.5
VY VY 1.4626517459
1
0.5
E% 1 EX 100% 1 0.10518686 100% 1 10.51%

x
-1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4
-0.5
La gráfica (8.1.), presenta la función y el área de integración. Fig. 8.1.

Regla del punto medio

El método rectangular solo es estudiado a modo de referencia, pues no arroja resultados
significativos en cuanto a la precisión de los resultados.
El método del punto medio es una variante mejorada del método del rectángulo y presenta
una mejor aproximación que el método del rectángulo, apenas con una pequeña modificación
de de la fórmula del rectángulo, variando los puntos de los intervalos.
La regla del punto medio aplica la siguiente fórmula:
f
39
& ;'(/0( 9 ¶; pK - q - ; pK - q - S - ; pL * qL
9 9
g 2 2 2
Utilizar la regla del punto medio para aproximar la integral. Considerar T 1 5.

Ejemplo 8.3.
R
& t u 0(
7
6
Solución
L*K 1*0 1
Subdividiendo la base en cinco intervalos, se tienen los siguientes datos.
K 1 0; L 1 1; 1 1 1 0.2
T 5 5
91
Aplicando la fórmula del punto medio se tiene:

f
39
& ;'(/0( 9 ¶; pK - q - ; pK - q - S - ; pL * qL
9 9
g 2 2 2
R
0.2 3'0.2/ 5'0.2/ 7'0.2/ 0.2
& t u 0( 0.2 ¶; p0 - q - ; p0 - q - ; p0 - q - ; p0 - q - ; p1 * qL
2 2 2 2 2
7
R
& t u 0( 0.2y;'0.1/ - ;'0.3/ - ;'0.5/ - ;'0.7/ - ;'0.9/z
7
6
R
& t u 0( 0.2y1.01005 - 1.094174 - 1.284025 - 1.6323 - 2.2479z
7
6
R
& t u 0( 0.2y7.268449z 1 1.4536898
7
1 ¿À * ¿g 1 1.4626517459 * 1.4536898 1 0.008962

Calculando el error en este problema:
¿À * ¿g 0.008962
Å 1 1 1 1 0.0061272
¿À ¿À 1.4626517459
E% 1 EX 100% 1 0.0061272 100% 1 0.613%
Observación
Haciendo una comparación simple entre los dos métodos estudiados hasta ahora, se nota un
gran aumento en la precisión de los resultados obtenidos por el método del punto medio
respecto al método del rectángulo.
R 7
En el mismo ejemplo aU6 t u 0(c, con la misma cantidad de intervalos (5) se obtienen los
siguientes márgenes de error, que miden las precisiones arrojadas por cada método
Error porcentual del método del rectángulo es 10.5%

Error porcentual del método del punto medio es 0.6%
Se concluye que el método del punto medio arroja mejores resultados que el método del
rectángulo.
Algunos textos consideran, indistintamente al método del punto medio como el método del
rectángulo, pues se basan en el mismo principio, variando solamente en la forma de operar
con los intervalos.
Las formulas de Newton-Cotes del tipo cerrado son aquellas en que K y L son puntos de la
Fórmulas
Fórmulas de Newton
Newton - Cotes
formula de cuadratura, o sea, K 1 (6 y L 1 (P ; los argumentos (Z , son igualmente espaciados

de una cantidad fija 9, esto es, (ZR * (Z 1 9, [ 1 0, 1, … , T * 1, la función peso, Ø'(/, es
Sea : 1 ;'(/ una función cuyos valores ;'(6 /, ;'(R /, … , ;'(P / son conocidos, ya sea por
constante e igual a 1, y el intervalo de integración es finito.
medio de tablas o por puntos de pares ordenados; de ahí se tiene que:

f u. P u.
& ;'(/0( 1 & ;'(/0( Ç ;Z & Z '(/0(
g u6 ZÉ6 u6
Suponiendo entonces (R igualmente espaciados de h y considerando à 1

uQu6
:
se tiene que 0( 1 9 0à y cuando ( 1 (6 > à 1 0 : ( 1 (P > à 1 T
P P
öàtw~: & ;'(/0( Ç ;Z 9 & ÒZ 'à/0à
u.
u6 ZÉ6 6
Donde los ÒZ son los polinomios usados en la formula de Lagrange para intervalos igualmente
espaciados:
P P
Haciendo: & ÒZ 'à/0à 1 ëZP .

u.
Obteniendose: & ;'(/0( Ç ;Z 9ëZR .
6 u6 ZÉ6
Entre los métodos cerrados de Newton – Cotes se cuentan la regla del trapecio con un grado
de exactitud uno, y los métodos de Simpson, tanto las de un tercio y las de tres octavos, tienen
un grado de exactitud tres.
Las fórmulas de cuadratura se dicen abiertas cuando no se utilizan los extremos del intervalo
K-L L*K
como abscisas de interpolación, son de la forma:
f
& ;'(/0( Ô 'L * K/; p q; q y;'(R / - ;'(, /z,
f
2 2
& ;'(/0( Ô p
g g
Con: (R 1 K - 9; (, 1 K - 29 1 L * 9; 91
fQ:
F
Existen dos teoremas que se presentaran sin demostración, son las que permiten obtener las
formulas cerradas y abiertas de Newton-Cotes.
Supongamos que ∑PÉ6 K ;'( /, sea la formula cerrada de Newton-Cotes, con (6 1 K : (P 1 L,

Teorema 8.8
8.8.
donde 9 1 entonces existe ? U 'K, L/, tal que:

fQg
P
,
Cuando [ es par:
PQR
f
9'PF/ ; 'P,/ '?/ P ,
& ;'(/0( Ç K ;'( / - & v 'v * 1/'v * 2/'v * T/0v
g 'T - 2/! 6
ÉR
Si T es par, ; U ë P, yK, Lz
Cuando [ es impar:
P
f
9'P,/ ; 'PR/ '?/ P
& ;'(/0( Ç K ;'( / - & v'v * 1/'v * 2/'v * T/0v
g 'T - 1/! 6
É6
Si T es impar, ; U ë PR yK, Lz; K 1 Ug ö '(/0(

f
Supongamos que ∑PÉ6 K ;'( /, sea la formula abierta de Newton-Cotes.

Teorema 8.9
8.9.
con (PQR 1 K : (PR 1 L, donde 9 1 P,, entonces existe ? U 'K, L/, tal que:
fQg
Cuando [ es par:
P
f
9'PF/ ; 'P,/ '?/ PR ,
& ;'(/0( Ç K ;'( / - & v 'v * 1/'v * 2/'v * T/0v
g 'T - 2/! QR
É6
Si T es par y si ; U ë P, yK, Lz Si
Cuando [ es impar:
g
f
9'P,/ ; 'PR/ '?/ PR
& ;'(/0( Ç K ;'( / - & v'v * 1/'v * 2/ … 'v * T/0v
g 'T - 1/! QR
É6
Si T es impar, ; U ë PR yK, Lz;
Si los puntos (ç 1 (6 - é9, é 1 0, 1, 2, … , T dividen a yK, Lz en un numero impar de intervalos

Teorema 8.6.
8.6.
iguales y ;'(/ tiene derivadas de orden 'T - 1/ continua en yK, Lz, entonces la expresión de
error para las formulas de Newton – Cotes del tipo cerrado, con T impar, está dada por:
9'P,/ ; 'PR/ '\/ P

';/ 1 & à'à * 1/ … 'à * T/0à , K¨K KwàT \ U yK, Lz
'T - 1/! 6
Si los puntos (ç 1 (6 - é9, é 1 0, 1, 2, … , T dividen a yK, Lz en un número par de intervalos

Teorema 8.7.
iguales y ;'(/ tiene derivadas de orden 'T - 1/ continua en yK, Lz, entonces la expresión de
error para las formulas de Newton – Cotes del tipo cerrado, con T par, está dada por:
9'PF/ ; 'P,/ '\/ P T

';/ 1 & à aà * c à'T * 1/ … 'à * T/0à , para algun \ U yK, Lz
'T - 2/! 6 2
Método del trapecio

La figura geométrica del trapecio y de la fórmula de área de la misma dio nombre a este
método.
para integrar ;'(/ entre dos puntos consecutivos (6 : (R , usando polinomio de primer
Si se considera un polinomio de grado 1, es decir, una recta, y se desea obtener una fórmula
grado, se tiene la fórmula del trapecio.

u.
9 9F
& ;'(/0( 1 & ;'(/0(
f
y;'(6 / - ;'(R /z * ;--'\/
g u6 2 12
Si el intervalo ya, bz es pequeño la aproximación será razonable, entendiéndose que cuanto

menor es el intervalo mayor será la precisión del resultado obtenido; mas si yK, Lz es grande,
En error en la fórmula del trapecio sobre el intervalo ya, bz obtenida del teorema (8.1.)de error
el error también puede ser grande, dependiendo de la pendiente de la función analizada.
de Newton – Cotes, para T 1 1 es:

9F ; ,, '\/
';/ 1 * , (6 ] \ ] (R '8.12/
12
;'(/
K 1 (6 L 1 (R 8
Fig. 8.2.
8.2.
Si el intervalo de la integral definida es grande, se puede dividir el intervalo ya, bz en T sub-

Regla del Trapecio generalizado
intervalos de amplitud 9 1 de tal forma que (6 1 K ; (P 1 L y en cada sub-intervalo

fQg
P
y( , (R , z, ; 1 0, 1, … , T.
Aplicando la regla del trapecio a cada sub-intervalo, el error será ahora la suma de las áreas
entre la curva de la función y las rectas de la parte superior del trapecio, como se muestra en
la figura (fig 8.3.)
;'(/
K 1 (6 (R (, (F 1 L
Fig. 8.3.
Se observa ahora que 9 > 0, por lo tanto el resultado de la integral tiende a ser exacto, pues el
error tiende a cero. Por lo tanto, cuando mayor cantidad de sub-intervalos se introduce entre
los límites de integración considerados, más preciso será el resultado.
Así, mejorando la precisión y disminuyendo el error, la fórmula del trapecio en su forma
generalizada queda de la siguiente forma:
f
& ;'(/0( y;'(6 / - 2;'(R / - 2;'(, / - 2;'(F /-. . -2;'(PQR / - ;'(P /z , o
9
g 2
9
^;'(6 / - 2y;'(R / - ;'(, / - S - ;'(PQR /z - ;'(P /_
u.
& ;'(/0( 1
u6 2
El error en la fórmula del trapecio generalizado se obtiene adicionándose N ceros en la

fQg
formula (8.12.) de error del trapecio, donde ò 1
:
. La fórmula de error queda así:
u]
'L * K/ 9, ; ,, '\/
& ;'(/0( > ';/ 1 , (6 ] \ ] (^ '8.12/
u6 12
Aun aplicando la formula de error, es imposible lograr el resultado exacto de la aproximación

buscada, sin embargo, la fórmula de error es útil cuando se desea una precisión prefijada para
la función a ser analizada.
Ejemplo 8.4.
Calcular la siguiente integral aplicando la regla del trapecio, con un solo intervalo.
)
& '2x - 1/ dx
R
1 13
)QR
Solución:
Se halla el valor de 9: 9 1
fQg
P R
Donde: 9: Longitud de cada intervalo = 3.
(6 : Limite inferior de la integral, también se representa por K 1 1.
(P : Limite superior de la integral, también se representa por L 1 4.
T: Numero de particiones, es decir, de intervalos = 1.
Recordar que las funciones trigonométricas deben estar expresadas en radianes.
9 9F
Aplicando la fórmula del trapecio
u.
& ;'(/0( 1 & ;'(/0( y;'(6 / - ;'(R /z * ;--'\/
f
g u6 2 12
9 9F
& '2( - 1/ 0(
)
y;'1/ - ;'4/z * ;--'\/
R 2 12
)
3 3
& '2( - 1/ 0( 1 y3 - 9z 1 y12z 1 18
R 2 2
:
Para calcular el error se usa la formula de error correspondiente al método: * R, ;--'\/
Como la segunda derivada de la función ;'(/ 1 2( - 1 t{ 0, se tiene

)
& '2( - 1/ 0( 1 18 * 0 1 18
R
)
Por lo tanto el valor exacto de UR '2( - 1/ 0( 1 18
Analizando el resultado de este ejemplo, se nota claramente que al ser la ecuación de primer
grado y no existir discrepancia entre la línea del trapecio y la función integral, no existe error,
por lo tanto, cualquiera sean los limites de integración el resultado arrojado siempre será
exacto, no así para funciones no lineales.
Ejemplo 8.5.
Calcular la siguiente integral aplicando la regla del trapecio.
R.,
& 't u vw ( - 2/ 0(
6
Solución:
Las funciones trigonométricas deben estar expresadas en radianes.
1 1 1 1.2
fQg fQg R.,Q6
Se halla el valor de 9, 9 1
P P R
Aplicando la fórmula del trapecio:

u.
9 9F
& ;'(/0( 1 & ;'(/0( y;'(6 / - ;'(R /z * ;--'\/
f
g u6 2 12
1.2
& 't u vw ( - 2/0(
R.,
y;'0/ - ;'1.2/z Ô 0.6y2 - 10.539844z 1 0.6y12.539844z
6 2
& 't u vw ( - 2/0( 7.5239064

R.,
Para medir la magnitud de error cometido con este método y en este ejercicio, se puede
observar la grafica (8.4.) y se nota claramente que entre la curva de la función evaluada y la
recta superior del trapecio existe una diferencia de área muy grande, indicando el error
cometido en la operación.
Se calcula el error en base al valor verdadero que es 4.8775562331
Para verificar el grado de error en esta aproximación, se aplican las expresiones matemáticas
correspondientes.
1 |¿À * ¿g | 1 |4.8775562331 * 7.5239064| 1 2.64635
¿À * ¿g 2.64635
Å 1 1 1 1 0.542556533
¿À ¿À 4.8775562331
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.542556533'%/ 1 54.2556533%
¿À
Es muy notorio que el resultado obtenido presenta un error muy grande, en este caso más del
50%, que es un valor totalmente inconcebible en cálculo numérico, sin embargo el método es
válido para funciones con intervalos muy pequeños y funciones lineales.
En la gráfica (8.4.) se nota la gran diferencia de área entre la función analizada y el trapecio
formado sobre la función estudiada.
10
-0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
Fig. 8.4.
Ejemplo 8.6.
Calcular la siguiente integral aplicando la regla del trapecio.
& 't u vw ( - 2/ 0(
6.,
6
Solución:
Las funciones trigonométricas deben estar expresadas en radianes.
Aplicando la fórmula del trapecio:
u.
9 9F
& ;'(/0( 1 & ;'(/0( y;'(6 / - ;'(R /z * ;--'\/
f
g u6 2 12
0.2
& 't u vw ( - 2/0(
6.,
y;'0/ - ;'0.2/z Ô 0.1y2 - 2.24759z 1 0.1y4.24759z
6 2
& 't u vw ( - 2/0( 0.424759

R.,
Observando esta grafica (fig. 8.5) de la función evaluada y el trapecio formado sobre ella, se
nota que casi existe una coincidencia perfecta entre la función y la parte superior del trapecio.
El valor verdadero es 0.4230360537
Para verificar el grado de error en esta aproximación, se aplican las expresiones matemáticas
correspondientes.
1 ¿À * ¿g 1 0.4230360537 * 0.424759 1 0.0017229463
¿À * ¿g 0.0017229463
Å 1 1 1 1 0.004072812
¿À ¿À 0.4230360537
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.004072812'%/ 1 0.4072812%
¿À
En este ejemplo, el resultado obtenido presenta un error de 0.4%. Este valor puede ser
considerado aceptable si no se es muy exigente, pues un valor bueno dependerá siempre de la
precisión deseada en el cálculo.
3.5
2.5
1.5
0.5
x
-0.6 -0.4 -0.2 0.2 0.4 0.6

-0.5
Fig. 8.5.
8.5.
En este ejemplo y el anterior, las funciones analizadas son las mismas, la amplitud de intervalo
también es la misma, pero con diferentes subdivisiones en sus respectivos intervalos; se
demuestra que para intervalos de pequeña amplitud la integración por el método del trapecio
es válida, sin embargo, para intervalos con mayor amplitud es recomendable aplicar otros
métodos de integración numérica.
Ejemplo 8.7.
Calcular la siguiente integral aplicando la regla del trapecio, dividiendo el intervalo en dos.
& t u vw ( 0(
R.,
L * K 1.2 * 0 1.2
Solución:
Se halla el valor de 9: 9 1 1 1 1 0.6
T 2 2
valor de 9 hallado, con esto se tiene dos intervalos igualmente espaciados con tres pares de
Se construye una tabla dividiendo en intervalos iguales los límites de integración, usando el
puntos:
(,
y
(6 (R
9
( 0.6 1.2
8
t 1 1.8221 33201
7
u
0
6
vw ( 0 0.6841 2.5722(
5
t vw ( 0 1.246578 8.53997(
u 3
1
x
-0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
Fig. 8.6.
En base a este cuadro se aplica la fórmula correspondiente al método. En este caso, la formula
generalizada del trapecio, pues T \ 1.
9
& ;'(/0( 1 y;'(6 / - 2^;'(R / - ;'(, / - S - ;'(PQR /_ - ;'(_ /z
u.
u6 2
9
^;'(6 / - 2y;'(R /z - ;'(, /_, formula reducida a tres nodos.
u.
& ;'(/0( 1
u6 2
9
& t u vw ( 0( 1 ^;'0/ - 2y;'0.6/z - ;'1.2/_, formula reducida a tres nodos.
u.
u6 2
R.,
0.6
& t u vw ( 0( 1 ^0 - 2y1.24650z - 8.53997_ 1 0.3^0 - 2.493 - 8.53997_
6 2
R.,
& t u vw ( 0( 1 0.3^11.03297_ 1 3.309891
6
Verificación de error
La fórmula para calcular el error en la mayoría de los casos es bastante complicada, pues exige
en todos los casos hallar las derivadas a; , '(/, ; ,, '(/, ; ,,, '(/, ; À '(/ : 9K{vK ; À '(/c.
Para calcular el error desde un punto de vista teórico, se parte del valor verdadero del área
bajo la curva de la función analizada que es: 2.4775562331
1 ¿À * ¿g 1 2.4776 * 3.309681 1 0.832081
¿À * ¿g 0.832081
Å 1 1 1 1 0.33584154
¿À ¿À 2.4776
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.33584154'%/ 1 33.58%
¿À
Ejemplo 8.8.
Calcular la siguiente integral aplicando la regla del trapecio dividiéndolo en seis intervalos.
R.,
& t u vw ( 0(
6
1 1 1 0.2
R.,Q6 R.,
Solución:
Valor de 9: 9 1
fQg
P
valor de 9 hallado en el paso 1; con esto se tiene seis intervalos igualmente espaciados con
Se construye una tabla dividiendo en intervalos iguales los límites de integración, usando el
siete pares de puntos:
8@ 8© 8i 8 8j 8Ì 8
( 0 0.2 0.4 0.6 0.8 1.0 1.2

` 8
1 1.2214 1.4918 1.8221 2.2255 2.7182 3.3201
ab 8 0 0.2027 0.4228 0.6841 1.0296 1.5574 2.5722
` ab 8 0 0.24758 0.63073 1.24650 2.29137 4.23332 8.53997
8
Donde: 9: Longitud de cada intervalo.

(6 : Limite inferior de la integral, también se representa por K.
(P : Limite superior de la integral, también se representa por L.
T: Numero de particiones, es decir, de intervalos.
Recordar siempre que las funciones trigonométricas deben estar expresadas en radianes.
Es más fácil trabajar con datos tabulados. Se muestran los datos en la tabla de abajo.
Aplicando la formulada generalizada del trapecio:
u. Éf
y;'(6 / - 2;'(R / - 2;'(, / - 2;'(F /-. . -2;'(PQR / - ;'(P /z
9
& ;'(/0(
u6 Ég 2
& t u vw ( 0(
R.,
0.2
y;'0/ - 2;'0.2/ - 2;'0.4/ - 2;'0.6/ - 2;'0.8/ - 2;'1/ - ;'1.2/z
6 2
& t u vw ( 0( 0.1y0 - 2'0.24759/ - 2'0.63073/ - 2'1.24657/ - 2'2.2915/ - 2'4.23347/

R.,
6
- '8.539844/z
& t u vw ( 0( 0.1y0 - 0.49518 - 1.26146 - 2.49314 - 4.583 - 8.46694 - 8.539844z

R.,
& t u vw ( 0( 0.1y25.839564z 1 2.5839564

R.,
Para analizar el error se usa el valor verdadero que es: 2.4775562331

y
12
10
2
x
0.2 0.4 0.6 0.8 1 1.2 1.4
-2
Fig. 8.7
8.7.
Por definición, error es la diferencia entre el valor verdadero ¿À y una aproximación a este
valor verdadero, que es el valor aproximado y se representa por ¿g .
1 ¿À * ¿g 1 2.4776 * 2.583897 1 0.10636
Por definición el error relativo es el cociente del error (E) entre el valor real ¿Å X 0
¿À * ¿g 0.10636
Å 1 1 1 1 0.04292864
¿À ¿À 2.4776
El error porcentual se define como el error relativo expresado en tanto por ciento (%).
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.04292864'%/ 1 4.292864%
¿À
El ejemplo (8.7.), que evalúa la misma función que este ejercicio (8.8.), se compara y se notan
conclusiones interesantes. En el ejemplo (8.7.) con dos intervalos se verificó un error mayor al
33%, mientras que al elevar el intervalo a seis en el ejemplo (8.8.) se redujo el error a solo
4.3%. De esta comparación, de nuevo se enfatiza que con reducidos valores de intervalos se
consiguen mejorar la precisión del cálculo.
Ejemplo 8.9.
Calcular la siguiente integral aplicando la regla del trapecio, dividiendo la función en seis
intervalos.
& t u ?~{ ( 0(
R.,
6
Solución:
Solución:
Se halla el valor de h, 9 1 1
fQg R.,Q6 R.,
P
1 0.2, es el valor del intervalo a tomar.
Se construye una tabla en base a la función, con el intervalo 0.2 hallado, con esto se tiene seis
intervalos igualmente espaciados con siete pares de puntos:
(6 (R (, (F () (7 (
( 0 0.2 0.4 0.6 0.8 1.0 1.2
t u
1 1.2214 1.4918 1.8221 2.2255 2.7182 3.3201
?~{ ( 1 0.9801 0.9211 0.8253 0.6967 0.5430 0.3624
t u ?~{ ( 1 1.19709 1.37409 1.50378 1.55050 1.47598 1.2032
Se aplica la fórmula del rectángulo
9
y;'(6 / - 2^;'(R / - ;'(, / - S - ;'(PQR /_ - ;'( /z
u.
& ;'(/0( 1
u6 2
R.,
0.2
& t u ?~{ ( 0( 1 y1 - 2^1.19709 - 1.37409 - 1.50378 - 1.55050 - 1.47598_ - 1.2032z
6 2
U6 t u ?~{ ( 0( 1
R., 6.,
y1 - 2^7.10144_ - 1.2032z 1 0.1y1 - 14.20288 - 1.2032z 1 1.640608
,
R.,
& t u ?~{ ( 0( 1 1.640608
1.5 y
6
1
0.5
-0.5 0.5 1 1.5 2 2.5
-0.5
Verificación de error
El valor aproximado hallado es: 1.6406
1.6488
-1
El valor verdadero es: Fig. 8.8
8.8.
1 ¿À * ¿g 1 1.6488 * 1.6406 1 0.0082
¿À * ¿g 0.0082
Å 1 1 1 1 0.0048
¿À ¿À 1.6488
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00497'%/ 1 0.497%
¿À
Comparando el ejemplo (8.7.) con el ejemplo (8.8.), se nota que en el ejemplo (8.7.) el error es
mucho mayor, eso se debe a que la función tangente crece muy rápidamente y el trapecio
formado entre la función presenta área mayor; mientras que la función coseno presenta muy
poca área entre sus trapecios formados y la curva de la función.
Ejemplo 8.10.
intervalos, o sea, T 1 5.
Aproximar la integral aplicando la regla del trapecio, para mayor precisión subdividir en cinco
& t u 0(
R
7
6
Solución:
Se halla el valor de h, 9 1
R Q6 R
1 1 0.2, es el valor del intervalo a tomar.
7 7
Se construye la tabla de pares ordenados de la función, con el intervalo 0.2 hallado.
(6 (R (, (F () (7
8 0 0.2 0.4 0.6 0.8 1.0
`8
i
1 1.0408 1.1735 1.4333 1.8965 2.7183

9
y;'(6 / - 2^;'(R / - ;'(, / - S - ;'(PQR /_ - ;'( /z
u.
& ;'(/0( 1
u6 2
R
7 0.2
& t u 0( 1 y1 - 2^1.0408 - 1.1735 - 1.4333 - 1.8965_ - 2.7183z
6 2
R
7 0.2
& t u 0( 1 y1 - 2^5.5441_ - 2.7183z 1 0.1y14.8065z 1 1.48065
6 2
R
7
& t u 0( 1 1.48065
6
Calculo de error
De la fórmula del trapecio generalizada para integración numérica:
'L * K/9, ,,
; '\/, '\/ U yK, Lz
12
';/ 1 *
'L * K/9, ,,
; '\/, '\/ U yK, Lz, ?~T '\/ U y0, 1z : 9 1
1*0
12
ô 1 * 1 0.2
5
; , '(/ 1 2( t u ; ; ,, '(/ 1 4( , t u - 2 t u
7 7 7 7
;'(/ 1 t u ;
; ,, '(/ 1 4( , t u - 2 t u ] 17
7 7
'L * K/9, ,, '1 * 0/'0.2/, 0.04

|; '\/| 1 |17| 1 17 Ô 0.056 Ô 0.5 1 5 · 10QR
12 12 12
|ô | 1
Lo que eventualmente podría garantizar por lo menos una cifra decimal exacta.
El valor de '\/ U y0, 1z, por lo tanto, este valor puede estar comprendido en todo el rango del
intervalo. Para intentar evaluar el posible error cometido, se toma el punto en ( que
corresponda a la mayor altura, (esto se verifica con la grafica, en este caso ( 1 1) y se aplica
ese valor a la segunda derivada de la función y se tiene: ; ,, '(/ 1 17
1.48065
El valor verdadero de la integral buscada es: 1.4626517459
El valor aproximado del área buscada es:
Comparando los resultados se verifica que, efectivamente, se tiene una cifra decimal exacta
entre el valor exacto y el valor aproximado.
Observación
La fórmula para hallar el error rara vez se utiliza para tal motivo, pues dicho error no se
puede obtener con exactitud, ya que para la evaluación de tal error se debe calcular en algún
punto desconocido del intervalo de integración.
La aplicación práctica que se le da a la formula de error es estimar la cantidad de intervalo
posible a ser utilizado para lograr una precisión predeterminada deseada.
El termino de error no debe restarse del resultado aproximado obtenido por la aplicación de
la regla del trapecio, ya que nunca se conseguirá el resultado exacto, pues el punto \ que
genera la igualdad, existe y es único, pero no hay forma de determinarlo.
La aplicación de la fórmula del término del resto es útil cuando se desea obtener un resultado
con una precisión prefijada.
Estos cálculos de error que se realizan son puramente teóricos, para demostrar que la
precisión no existe en el cálculo de error, pero si se puede tomar una cierta estimación del
error cometido.
Al contar con el valor verdadero, se realizan los otros cálculos de error.
1 ¿À * ¿g 1 1.4626517459 * 1.48065 1 0.017998255
¿À * ¿g 0.017998255
Å 1 1 1 1 0.00123
¿À ¿À 1.4627
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00123'%/ 1 0.123%
¿À
La siguiente grafica (fig. 8.9.) presenta la función y el área estudiada.
2.5
1.5
0.5
x
-1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1
-0.5
Fig. 8.9
8.9.
Evaluar la siguiente integral para T 1 6 por el método del trapecio.

Ejemplo 8.11.
)
1
& 0(
R (
Se halla el valor de h: 9 1
Solución:
) QR F

Se construye la tabla de pares ordenados de la función, con el intervalo 0.5 hallado.
(6 (R (, (F () (7 (
1.5
( 1 1.5 2.0 2.5 3.0 3.5 4.0

1 2 1 2 1 2 1
1
( 1 3 2 5 3 7 4 0.5
0.5 1 1.5 2 2.5 3 3.5 4
-0.5
Fig. 8.10
8.10.
10.
Se aplica la fórmula del trapecio
9
^;'(6 / - 2y;'(R / - ;'(, / - S - ;'(PQR /z - ;'(P /_
u.
& ;'(/0( 1 '7/
u6 2
u.
1 9
& ; p q 0( 1 ^;'1/ - 2y;'1.5/ - ;'2/ - ;'2.5/ - ;'3/ - ;'3.5/z - ;'4/_
u6 ( 2
1 0.5 2 1 2 1 2 1 1 153 1
¶1 - 2 A - - - - c - L 1 ¶1 - 2 A c- L
)
& 0( 1
R ( 2 3 2 5 3 7 4 4 70 4
1 1 153 1 1 787 787

- L1 ¶ L1
)
& 0( 1 ¶1 - 1 1.4053
R ( 4 35 4 4 140 560
)
1
& 0( 1 1.4053
R (
Calculo de error
Expresión de error para la forma del trapecio generalizada
'L * K/9, ,,
; '\/, '\/ U yK, Lz
12
';/ 1 *
'L * K/9, ,,
; '\/, '\/ U yK, Lz, ?~T '\/ U y1, 4z : 9 1
4*1
12
ô 1 * 1 0.5
6
1 2
;'(/ 1 1 x QR ; ; , '(/ 1 *x Q, ; ; ,, '(/ 1 2 x QF 1
( xF
; ,, '(/ 1 |2 x QF | ] 2, esto se tiene evaluando en ( 1 1, pues presenta el lado mayor.
'L * K/9, ,, '4 * 1/'0.5/, 0.75
|; '\/| 1 |2| 1 2 Ô 0.125 ] 0.5 1 5 · 10QR
12 12 12
|ô | 1
Lo que no garantiza ninguna cifra decimal exacta.

El valor aproximado del área encontrado es: 1.4053
Comparando los resultados se verifica que, efectivamente, no existe ninguna cifra decimal
exacta entre el valor exacto y el valor aproximado; sin embargo, el valor hallado presenta una
buena aproximación al valor exacto.
1 ¿À * ¿g 1 1.3863 * 1.4053 1 |*0.019| 1 0.019
¿À * ¿g 0.0019
Å 1 1 1 * 0.0137
¿À ¿À 1.3863
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.0137'%/ 1 1.37%
¿À
Ejemplo 8.12.
Evaluar la siguiente integral por el método del trapecio para T 1 4
R
0(
2
√1 - ( ,
&
6
Se tiene el valor de h: 9 1
Solución:
R Q6 R
)
1 )
Construcción de la tabla de pares ordenados de la función, con el intervalo 0.25.
(6 (R (, (F ()
( 0 0.25 0.50 0.75 1.00
2
√1 - ( , 2 1.940285 1.7889 1.6 1.4142
y
1.5
0.5
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4
-0.5
Fig. 8.11
8.11.
11.
Se aplica la fórmula del trapecio

u.
9 9F
& ;'(/0( 1 y;'(6 / - 2^;'(R / - ;'(, / - S - ;'(PQR /_ - ;'( /z * ; ,, '\/
u6 2 12
R
0.25
0( 1 y2 - 2^;'0.25/ - ;¨'0.5/ - ;'0.75/_ - ;'1/z
2
√1 - ( , 2
&
6
R
2 0.25
& 0( 1 y2 - 2^1.94 - 1.7889 - 1.60_ - 1.4142z 1 0.125y2 - 2^5.3289_ - 1.4142z
6 √1 - (, 2
R
0( 1 1.759
2
√1 - ( ,
&
6
Calculo de error
ô 1 G G |2| 1
'1 * 0/0.25, 0.0626
'2/ 1 0.0104 ] 0.05 1 5 · 10Q,
12 12
Lo que supone por lo menos una cifra decimal exacta en el resultado encontrado.
El valor aproximado del área encontrada es: 1.759
1 ¿À * ¿g 11.762747174*1.759 1 0.003747
¿À * ¿g 0.003747
Å 1 1 1 1 0.0021257
¿À ¿À 1.762747174
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.0021257'%/ 1 0.212%
¿À
Ejemplo 8.13.
Hallar el área bajo la curva de la siguiente función, por el método del trapecio dividiendo los
intervalos en ocho partes
,
& Ý( , - 5 0(, T 1 8

6
Solución:
, Q6 , R
Valor de h: 9 1
1
1 ) 1 0.25.
Tabla de pares ordenados de la función, con el intervalo 0.25.
8@ 8R 8, 8F 8) 8Ì 8 8 8
8 0 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00
Ý8i - Ì 1.7

1.7170 1.73 1.771 1.817 1.872 1.935 2.00 2.080
1 7 8 8 1 2 4 5 4
2.5
1.5
0.5
x
-0.5 0.5 1 1.5 2 2.5
-0.5
Fig. 8.12
8.12.
12.

9
y;'(6 / - 2^;'(R / - ;'(, / - S - ;'(PQR /_ - ;'( /z
u.
& ;'(/0( 1
u6 2
,
0.25
& Ý( , - 5 0( 1 y1.71 - 2^1.72 - 1.74 - 1.77 - 1.82 - 1.87 - 1.94 - 2.01_ - 2.08z

6 2
,
0.25
& Ý( , - 5 0( 1 y1.71 - 2^12.84657_ - 2.08z 1 0.125y1.71 - 25.69314 - 2.08z

6 2
,
& Ý( , - 5 0( 1 0.125y29.48354z 1 3.6854425

6
,
& Ý( , - 5 0( 1 3.6854425

Calculo de error
'L * K/9, ,,
; '\/, '\/ U yK, Lz;
12
ô 1 * ; ,, '2/ 1 0.0627734487
El valor de ; ,, se obtiene evaluando en ( 1 2, pues presenta el lado mayor.

'2 * 0/0.25, 0.125
ô 1 G G |2| 1 '0.06277/ 1 0.0006538 ] 0.005 1 5 · 10QF
12 12
Lo que supone por lo menos dos cifras decimales exactas en el resultado encontrado.
El valor aproximado del área encontrada es: 3.6854425
En todo cálculo de aproximación, los valores de ;'(Z / siempre se truncan y se redondean, esa
es la razón por la que los resultados obtenidos presentan a veces mayor error de lo estimado,
y a veces, lo opuesto, esto reafirma una vez más la imposibilidad de obtener resultados
exactos de funciones no lineales.
1 ¿À * ¿g 1 3.6863750398 * 3.6854425 1 0.00093254
¿À * ¿g 0.00093254
Å 1 1 1 1 0.00025297
¿À ¿À 3.6863750398
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00025297'%/ 1 0.025297%
¿À
El resultado obtenido en este ejercicio es una aproximación muy buena, con un error
porcentual muy reducido.
Si se analiza la grafica (fig. 8.12), se entenderá porque sucede esto. El área evaluada presenta
variación sobre el eje y, o sea, ;'(f / * ;'(g / 1 ∆:, en este caso, muy reducido.
un trapecio casi perfecto, pues la curva de la función en el intervalo evaluado presenta poca
e` fghiý[
©
d`bþk

Otra manera de obtener una estimación más exacta de una integral, además de la regla
trapezoidal, es la de usar polinomios de orden superior para conectar los puntos. Por ejemplo,
si hay un punto medio extra entre ;'K/ : ;'L/, entonces los tres puntos se pueden conectar
con un polinomio de grado mayor a uno.
A las fórmulas resultantes de calcular la integral bajo estos polinomios se les llaman Reglas de
Simpson.
Otra de las fórmulas de Newton-Cotes es la regla de Simpson de (1/3), que proporciona una
aproximación más precisa que la regla del trapecio, ya que consiste en conectar grupos
sucesivos de tres puntos sobre la curva mediante parábolas de segundo grado, y sumar las
La regla de Simpson (1/3) para integración a lo largo de un intervalo cerrado yK, Lz, se realiza
áreas bajo las parábolas para obtener el área aproximada bajo la curva.
particionando el intervalo yK, Lz en número par 2T de sub-intervalos de amplitud 9 igual a

91 tal forma que (6 1 K, (,P 1 L. El número de subdivisiones debe ser múltiplo de 2,
fQg
de
,P
de una parábola se requieren tres puntos, lo cual se logra con dos particiones, por lo cual la T
pues se necesita de dos sub-intervalos y por lo tanto de tres puntos. Para obtener la ecuación
debe de ser par.

u7
97
& ;'(/0( 1 y;'(6 / - 4;'(R / - ;'(, /z * ; À '\/,
9
3 90
\ U y(6 , (, z
u6
Ejemplo 8.14.
Usando la regla (1/3) de Simpson, calcular la siguiente integral.
R.,
& t u ?~{ ( 0(
6
Solución:
L * K 1.2 * 0 1.2
Se halla el valor de 9 1 1 1 1 0.6
2T 2·1 2
Construir de la tabla de pares ordenados de la función, con solo tres puntos.
(6 (R (,
y
(
t u
0 0.6 1.2 1.5
?~{ (
1 1.8221 3.3201
1
1 0.8253 0.3624
t ?~{ ( 1
u
1.50378 1.2032 0.5
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
Fig. 8.13
8.13.
13.
La función coseno debe hallarse en radianes, es una condición para las funciones
trigonométricas.
Se aplica la formula de la regla (1/3) de Simpson:
u7
9
& ;'(/0( 1 y;'(6 / - 4;'(R / - ;'(, /z
u6 3
R.,
0.6
& t u ?~{ ( 0( = y1 - 4'1.50378/ - 1.2032z
6 3
R.,
0.6 0.6
& t u ?~{ ( 0( = y1 - 6.01512 - 1.2032z 1 y8.21832z 1 1.643664
6 3 3
Calculo de error
Se realiza este cálculo de error apelando al valor exacto del área de integración buscada.
El verdadero valor de la integral buscada es: 1.6487744273
1 ¿À * ¿g 1 1.6487744273 * 1.643664 1 0.00511
¿À * ¿g 0.00511
Å 1 1 1 1 0.00309927
¿À ¿À 1.6487744273
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00309927'%/ 1 0.309927%
¿À
©
·¸j±» º¸ ¯´#k¹°µ l¸µ¸»±´m»º»

La regla (1/3) de Simpson viene dada por la formula:

u7. u7 un u7.
& ;'(/0( 1 & ;'(/0( - & ;'(/0( - S - & ;'(/0(
u6 u6 u7 u7.o7
Usando la regla (1/3) de Simpson a lo largo del intervalo y( , (, z, 1 0, 2, … ,2T * 2, se
tiene:
u7.
9 9
& ;'(/0( ≅ y;'(6 / - 4;'(R / - ;'(, /z - y;'(, / - 4;'(F / - ;'() /z - S
u6 3 3
9
- y;'(,PQ, / - 4;'(,PQR / - ;'(,P /z
3
u7.
9
& ;'(/0( 1 y;'(6 / - 4;'(R / - 2;'(, / - 4;'(F / - 2;'() / - S - 2;'(,PQ, /
u6 3
- 4;'(,PQR / - ;'(,P /z
PQR P
29 49
Simplificando la expresión se tiene:
u.
9
;'(/0( 1 y;'(6 / - ;'(P /z - Ç ;'(,Z / - Ç ;'(,ZQR /
f
3 3
& ;'(/0( 1 &
u6 3
g ZÉR ZÉR
La siguiente expresión de la regla (1/3) de Simpson, o sea su generalización, es la que se

utiliza en la práctica:
u7.
9
& ;'(/0( 1 y;'(6 / - 4;'(R / - 2;'(, / - 4;'(F / - 2;'() / - S - 2;'(,PQ, /
u6 3
- 4;'(,PQR / - ;'(,P /z
La expresión de error de la formula (1/3) de Simpson generalizada es dada por:
'L * K/9) À
; '\/, (6 ] \ ] (,p
180
ô 1 *
Ejemplo 8.15
8.15.
Usando la regla (1/3) de Simpson generalizada, calcular la siguiente integral, con T 1 3
R.,
& t u ?~{ ( 0(
6
Solución:
Valor de h, 9 1
R., Q6 R.,
,.F
1
Paso 2: construir una tabla de pares ordenados de la función, con el intervalo 0.2 hallado.
(6 (R (, (F () (7 (
( 0 0.2 0.4 0.6 0.8 1.0 1.2
t u
1 1.2214 1.4918 1.8221 2.2255 2.7182 3.3201
?~{ ( 1 0.9801 0.9211 0.8253 0.6967 0.5430 0.3624
t ?~{ ( 1
u
1.19709 1.37409 1.50378 1.55050 1.47598 1.2032
La función coseno debe hallarse en radianes, es una condición para las funciones
trigonométricas. y
1.5
0.5
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
Fig. 8.1
8.14.

PQR P
u.
9 29 49
;'(/0( 1 y;'(6 / - ;'(P /z - Ç ;'(,Z / - Ç ;'(,ZQR /
f
3 3
& ;'(/0( 1 &
u6 3
g ZÉR ZÉR
Cuando T 1 3, la formula queda como sigue:

, F
f u.
9 29 49
& ;'(/0( 1 & ;'(/0( 1 y;'(6 / - ;'(P /z - Ç ;'(,Z / - Ç ;'(,ZQR /
g u6 3 3 3
ZÉR ZÉR
f uq
9 29 49
& ;'(/0( 1 & ;'(/0( 1 y;'(6 / - ;'( /z - y;'(, / - ;'() /z - y;'(R / - ;'(F / - ;'(7 /z
g u6 3 3 3
& t u ?~{ ( 0( =
R.,
0.2 2 0.2
y1 - 1.2032z - y1.37409 - 1.55050z
6 3 3
4 0.2
- y1.19709 - 1.50378 - 1.47598z
3
R.,
1 2 4
& t u ?~{ ( 0( = y2.2032z - y2.92459z - y4.17685z
6 15 15 15
R.,
& t u ?~{ ( 0( = 0.14688 - 0.389945333 - 1.113826667 1 1 1.655092003
6
Calculo de error
Se realiza este cálculo de error apelando al valor exacto del área de integración buscada.
1 ¿À * ¿g 1 1.6487744273 * 1.655092003 1 0.006317576
¿À * ¿g 0.006317576
Å 1 1 1 1 0.00383168
¿À ¿À 1.6487744273
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00383168'%/ 1 0.3832%
¿À
Ejemplo 8.16
8.16.
Usando la regla (1/3) de Simpson generalizada, calcular la integral:
R.,
& t u vw ( 0(
6
Solución
Se usa la regla de (1/3) de Simpson generalizada con T 1 3
1 1 0.2
fQg R.,Q6
Valor de 9: 9 1
,P
Tabla de seis intervalos igualmente espaciados con siete pares de puntos:
(6 (R (, (F () (7 (
(
t u
0 0.2 0.4 0.6 0.8 1.0 1.2
vw (
1 1.2214 1.4918 1.8221 2.2255 2.7182 3.3201
0 0.2027 0.4228 0.6841 1.0296 1.5574 2.5722
t vw ( 0
u
0.24758 0.63073 1.24650 2.29137 4.23332 8.53997
Se aplica la formula de la regla (1/3) de Simpson generalizada.

R.,
y;'(6 / - 4;'(R / - 2;'(, / - 4;'(F / - 2;'() / - S - 2;'(,PQ, /
9
& t u vw ( 0( 1
6 3
- 4;'(,PQR / - ;'(,P /z
0.2
& t u vw ( 0( 1
R.,
3
y0 - 4'0.24758/ - 2'0.63073/ - 4'1.24650/ - 2'2.29137/
6
- 4'4.23332/ - '8.53997/z
R.,
1
& t u vw ( 0( 1 y0 - 0.99032 - 1.26146 - 4.986 - 4.58274 - 16.93328 - 8.53997z
6 15
R.,
1
& t u vw ( 0( 1 y37.29377z 1 0.066667y37.29377z 1 2.48625
6 15
y
10
-0.2 0.2 0.4 0.6 0.8 1 1.2 1.4
Fig. 8.1
8.15.
El valor exacto de la función 't u vw (/ para los límites de integración considerados es: 2.4776
Calculo de error:
Es usual emplear el valor absoluto en los cálculos de errores.
1 ¿À * ¿g 1 2.4776 * 2.48625 1 |*0.00865| 1 0.00865
¿À * ¿g 0.00865
Å 1 1 1 1 0.00349
¿À ¿À 2.4776
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00349'%/ 1 0.349%
¿À
Conclusión:
Haciendo una comparación en cuanto a la resolución de este ejercicio por el método de
Simpson (1/3) y el método anterior (método del trapecio), se nota que el error ha disminuido
sustancialmente, pasando de un error muy grande arrojado en la resolución por el método del
trapecio de 4.3% a solo un 0.35% producido por el método de Simpson (1/3), reduciendo el
error 12,3 veces.
Ejemplo 8.17
8.17.
Usando la regla (1/3) de Simpson, calcular la integral:
& √( 0(
R.F
R
Solución:
R.F QR 6.F
Valor de h, 9 1 ,.F
1
Tabla de pares ordenados de la función, con el intervalo 0.2 hallado.
8@ 8© 8i 8 8j 8Ì 8
8 1 1.05
√8 1 1.02470 1.04881 1.07238 1.09545 1.11803 1.14018
1.10 1.15 1.20 1.25 1.30
y
1.6
1.4
1.2
0.8
0.6
0.4
0.2
x
0.2 0.4 0.6 0.8 1 1.2 1.4

-0.2
-0.4
Fig. 8.1
8.16.
& √( 1
R.F
0.05
y1 - 4'1.0247/ - 2'1.0488/ - 4'1.0724/ - 2'1.0955/ - 4'1.1180/ - 1.1402z
R 3
& √( 0( 1 0.016666 y1 - 4.0988 - 2.0976 - 4.2896 - 2.1910 - 4.4720 - 1.1402z

R.F
√( 1 0.016666 y19.2892z 1 0.32148666 …

R.F
&
R
√( 1 0.3214866 …
R.F
&
R
Calculo de error:
1 ¿À * ¿g 1 0.32150 * 0.3214866 … 1 0.0000133 …
¿À * ¿g 0.0000133
Å 1 1 1 1 0.0000415
¿À ¿À 0.32150
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.0000415'%/ 1 0.00415%
¿À
Conclusión:
En este caso, el error presentado en el cálculo es tan ínfimo, que hasta podría considerarse el
resultado hallado como exacto.
Ejemplo 8.18
8.18.
& ?~{ ( 0(
6.
Valor de h, 9 1
Solución
6. Q6 6.
,., )
8@ 8© 8i 8 8j
8 0 0.2 0.4 0.6 0.8
lýi 8 1 0.98006 0.92106 0.82534 0.69671
y
1.2
0.8
0.6
0.4
0.2
x
-0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
-0.2
Fig. 8.1
8.17.
6.
0.2
& ?~{ ( 0( = y1 - 4'0.98006/ - 2'0.92106/ - 4'0.82534/ - 0.69671z
6 3
6.
& ?~{ ( 0( = 0.066666 y1 - 3.92024 - 1.84212 - 3.30136 - 0.69671z
6
6.
& ?~{ ( 0( = 0.066666 y10.76043z 1 0.717362 …
6
6.
& ?~{ ( 0( = 0.717362
6
Calculo de error
1 ¿À * ¿g 1 0.7174 * 0.717362 1 0.000038
¿À * ¿g 0.000038
Å 1 1 1 1 0.00005297
¿À ¿À 0.7174
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.00005297'%/ 1 0.005297%
¿À
Conclusión
El error presentado en este problema es también pequeño, por lo que puede considerarse una
buena aproximación al valor verdadero.
Ejemplo 8.19
8.19.
& ( t u 0(
6.
Valor de h, 9 1
Solución:
6. Q6 6.
,., )
8@ 8© 8i 8 8j
8 0 0.2 0.4 0.6 0.8
`8 1 1.22140 1.48182 1.82212 2.22554
8 `8 0 0.24428 0.59673 1.093271 1.78043
y
1.5
0.5
-0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Fig. 8.1
8.18.

6.
0.2
& ( t u 0( = y0 - 4'0.24428/ - 2'0.59673/ - 4'1.09327/ - 1.78043z
6 3
6.
0.2
& ( t u 0( = 0.066666 y0 - 0.97712 - 1.19346 - 4.37308 - 1.78043z 1 8.32409
6 3
6.
& ( t u 0( = 0.066666 y8.32409z 1 0.5549393 …
6
6.
& ( t u 0( = 0.5549393
6
El verdadero valor de la integral buscada es: 0.5548918…
Calculo de error:
1 ¿À * ¿g 1 0.5548918 * 0.5549393 1 0.0000475
¿À * ¿g 0.0000475
Å 1 1 1 1 0.0000856
¿À ¿À 0.5548918
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.0000856'%/ 1 0.00856%
¿À
Conclusión
Conclusión
El error presentado en este problema es bastante reducido, por lo que puede considerarse una
buena aproximación al valor verdadero.
d`bþk e` fghiý[ e`

«
La regla de Simpson de (3/8) considera el valor de T 1 3, con el proposito de obtener una

formula para integrar ;'(/ entre cuatro puntos consecutivos (6 , (R , (, , (F , consistiendo en
aproximar la función mediante una cubica. Partiendo de la formula de Lagrange:
'( * (R /'( * (, /'( * (F / '( * (6 /'( * (, /'( * (F /

;'(/ ;'(6 / - ;'(R / -
'(6 * (R /'(6 * (, /'(6 * (F / '(R * (6 /'(R * (, /'(R * (F /
'( * (6 /'( * (R /'( * (F / '( * (6 /'( * (R /'( * (, /

- ;'(, / - ;'(F /
'(, * (6 /'(, * (R /'(, * (F / '(F * (6 /'(F * (R /'(F * (, /
De esta expresión inicial se tiene:

u
;'(6 / u
& ;'(/0( & '( * (R /'( * (, /'( * (F /0(
u6 '(6 * (R /'(6 * (, /'(6 * (F / u6
;'(R / u
- & '( * (6 /'( * (, /'( * (F /0(
'(R * (6 /'(R * (, /'(R * (F / u6
;'(, / u
- & '( * (6 /'( * (R /'( * (F /0(
'(, * (6 /'(, * (R /'(, * (F / u6
;'(F / u
- & '( * (6 /'( * (R /'( * (, /0(
'(F * (6 /'(F * (R /'(F * (, / u6
Tomando sustituciones:
( 1 (6 - à9, ?~`~ ( 1 (6 - 9, 1 1, 2, 3
(F 1 (6 - 39, { ( 1 (6 , {t vtTt àt à 1 0 : { ( 1 (F ; tTv~T?t{ (F 1 (6 - à9,
(6 - 39 1 (6 - à9, K{ à 1 3 ( 1 (6 ,
0( 1 90à, ( * (R 1 ( * (6 * 9 1 à9 * 9 1 9'à * 1/,
( * (, 1 ( * (6 * 29 1 à9 * 29 1 9'à * 2/,
( * (F 1 ( * (6 * 39 1 à9 * 39 1 9'à * 3/, : (Z * (ç 1 '[ * é/9
De esto:
u
;'(6 / F
& ;'(/0( & 9'à * 1/9'à * 2/9'à * 3/9 0à
u6 '*9/'*29/'*39/ 6
;'(R / F
- & à99'à * 2/9'à * 3/9 0à
'9/'*9/'*29/ 6
;'(, / F
- & à99'à * 1/9'à * 3/9 0à
'29/'9/'*9/ 6
;'(F / F
- & à99'à * 1/9'à * 2/9 0à
'39/'29/'9/ 6
Luego:
u
*9) ;'(6 / F F
& ;'(/0( & 'à * 6à, - 11à * 6/0à
u6 69F 6
*9) ;'(R / F F
- & 'à * 5à, - 6à/0à
29F 6
*9) ;'(, / F F
- & 'à * 4à, - 3à/0à
29F 6
*9) ;'(F / F F
- & 'u * 3à, - 2à/0à
69F 6
De esto resulta:
u
9;'(6 / * 9 9;'(R /9 9;'(, / * 9 9;'(F /9
& ;'(/0( * - * -
u6 64 24 24 64
u
39;'(6 / 99;'(R / 99;'(, / 39;'(F /
& ;'(/0( - - -
u6 8 8 8 8
Al final se tiene:
u
39
& ;'(/0( y;'(6 / - 3;'(R / - 3;'(, / - ;'(F /z
u6 8
Esta formula se conoce como la Regla de Simpson (3/8) de la fórmula de Newton – Cotres.
La formulade la regla de Simpson (3/8) con la menor particion de sus intervalos igualmente
fQg
espaciados de mayor amplitud con 9 1 FP
, sin embargo, para mayor precision, normalmente
se realizan subdivisiones mayores de los intervalos de integracion, para lo cual la formula se
generaliza de la siguiente forma:
u.
3
& ;'(/0( 9y;'(6 / - 3;'(R / - 3;'(, / - ;'(F /z
u6 8
La formula de error para la regla de Simpson (3/8) es la siguiente:
';/ 1 *
397 À
; '\/, (6 ] \ ] (F
80
Considerando la partición M 1 ^(6 , (R , (, , (F , … , (P _ del intervalo cerrado [a, b], para 9 1

fQg
Regla 3/8 de Simpson
Simpson Generalizada o compuesta
FP
con (Z 1 (6 - 9[, [ 1 0, 1, 2, . . . , T.; Aplicando a cada sub-intervalos y(FZQF , (FZ z la regla de
,
Simpson 3/8, luego en cada sub-intervalo se tiene:

uI
39
& ;'(/0( y;'(FZQF / - 3;'(FZQ, / - 3;'(FZQR / - ;'(FZ /z
uIo 8
P
De esto se tiene:
f
y;'(FZQF / - 3;'(FZQ, / - 3;'(FZQR / - ;'(FZ /z
39
& ;'(/0( Ç
g 8
ZÉR
f
39
& ;'(/0( y;'(6 / - ;'(F / - ;'( / - S - ;'(FPQF / - 3;'(R / - 3;'() / - 3;'( / - S
g 8
- 3;'(FPQ, / - 3;'(, / - 3;'(7 / - 3;'( / - S - 3;'(FPQR / - ;'(F / - ;'( /
- ;'(¬ / - S - ;'(6FP /z
f
39 69
& ;'(/0( ¶;'(6 / - ;'(FP /z - y;'(F / - ;'( / - ;'(¬ / - S - ;'(FPQF /z
g 8 8
99 99
- y;'(R / - ;'() / - ;'( / - S - ;'(FPQ, /z - y;'(, / - ;'(7 / - ;'( /
8 8
- S - 3;'(FPQR /L
Simplificando:
PQR P P
u.
39 39 99
& ;'(/0( y;'(6 / - ;'(P /z - Ç ;'(FZ / - Ç ;'(FZQ, / -
99
8 4 8
Ç ;'(FZQR /
u6 8
ZÉR ZÉR ZÉR
Esta fórmula es la regla compuesta o generalizada de método de 3/8 de Simpson.

La formula de error para la regla de Simpson (3/8) es la siguiente:
'L * K/9) À
';/ 1 * ; '\/, (6 ] \ ] (Fp
80
Ejemplo 8.20
8.20.
20.
,.,
& ( F T ( 0(
R
1
Solución
Valor de h, 9 1
fQg ,.,QR R.,
FP FR
1 F
1 0.4 es el valor del intervalo a tomar.
(6 (R (, (F
( 1 1.4 1.8 2.2
( F
1 2.744 5.832 10.648
T ( 0 0.33647 0.58779 0.78846
( T ( 0
F
0.92327 3.42799 8.39552
1.5
0.5
-0.5 0.5 1 1.5 2 2.5
-0.5 Fig. 8.1

8.19.

u.
3 0.4
& ;'(/0( y0 - 3 0.92327 - 3 3.42799 - 8.39552z
u6 8
u.
3 0.4 3 0.4
& ;'(/0( y0 - 2.76981 - 10.28397 - 8.39552z 1 21.4493 1 3.217395
u6 8 8

1 ¿À * ¿g 1 3.2159216852 * 3.217395 1 0.0014733
¿À * ¿g 0.0014733
Å 1 1 1 1 0.000458
¿À ¿À 3.2159216852
¿À * ¿g
% 1 1001 '%/ 1 100 '%/ 1 100 0.000458'%/ 1 0.0458%
¿À
Método de Boole
La regla de Boole utiliza cinco puntos consecutivos igualmente separados para calcular la
integral aproximada de la función utilizando un polinomio de cuarto grado.
La formula cerrada de Newton-Cotes, en el caso particular en que T 1 4, es llamada la Regla
de Boole, y se expresa por la siguiente fórmula:
29 89 '/
& ;'(/0(
f
y7;'(6 / - 32;'(R / - 12;'(, / - 32;'(F / - 7;'() /z * ; '\/ '10/
g 45 945
Ejemplo 8.21
8.21.
Utilizar las formulas cerradas de Newton – Cotes para aproximar la integral
R.7
& ( , T ( 0(
R
a) Usar el método tradicional de calculo

b) Usar método del trapecio.
c) Método de Simpson (1/3).
d) Método de Simpson (3/8).
e) Método de Boole.
Solución
Se presenta la grafica de la función, para facilitar cualquier interpretación teórica.
y
1.4
1.2
0.8
0.6
0.4
0.2
x
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6

-0.2
-0.4
Fig. 8.20
8.20.
20.
a) Resolviendo por el método tradicional de cálculo se tiene:

R.7 R.7
& ( T ( 0( 1 ) '3 ln ( * 1/G 1 0.1922593577
,
(F
R 9 R
El valor exacto de la integral con diez cifras decimales exacta es: 0.1922593577
b) Aplicando el método del trapecio se tiene:
R.7
0.5 1
& ( , T ( 0( Ô y;'1/ - ;'1.5/z 1 y1 ln 1 - '1.5/, ln 1.5z 1 0.2280741233
R 2 4
1 ¿À * ¿g 1 |0.1922593577 * 0.2280741233| 1 0.035814765 Ô 3.58%
Usando la regla de Simpson (1/3), con 9 1 1 1).

fQg R.7QR R
P ,
c) Usando
(6 1 1, (R 1 (6 - 9 1 1.25; (, 1 1.5
R.7
9 1
& ( , T ( 0( Ô y;'(6 / - 4;'(R / - ;'(, /z 1 y;'1/ - 4;'1.25/ - ;'1.5/z
R 3 12
R.7
1
& ( , T ( 0( Ô y1 ln 1 - 4'1.25/, ln 1.25 - '1.5/, ln 1.5z
R 12
R.7
1
& ( , T ( 0( Ô y1.394647195 - 0.9122964932z Ô 0.1922453074
R 12
1 ¿À * ¿g 1 |0.1922593577 * 0.1922453074| 1 0.0000140503 Ô 0.0014%
d) Usando la regla de Simpson (3/8), con 9 1 1 1.

fQg R.7QR R
P F
7 4
(6 1 1, (R 1 ; (, 1 ; (F 1 1.5
6 3
R.7
1
& ( , T ( 0( Ô y;'(6 / - 3;'(R / - 3;'(, / - ;'(F /z
R 16
R.7
1
& ( , T ( 0( Ô y0 - 0.62944860 - 1.53430438 - 0.91229649z 1 0.19225309
R 16
1 ¿À * ¿g 1 |0.1922593577 * 0.19225309| 1 0.0000062677 Ô 0.000626%
Boole con 9 1
fQg R.7QR 6.7 R
e) Usando la regla de Boole, 1 1 1 1 0.125 .
) ) )
R.7
29
& ( , T ( 0( Ô y7;'(6 / - 32;'(R / - 12;'(, / - 32;'(F / - 7;'() /z
R 45
(6 1 1, (R 1 1.125; (, 1 1.25; (F 1 1.375; () 1 1.5
R.7
1
& ( , T ( 0( Ô y0 - 4.77021294406 - 4.18394158714 - 19.2664507327 -
R 180
… - 6.3860754527z 1 0.192259337314
1 ¿À * ¿g 1 |0.1922593577 * 0.1922593373| 1 0.0000000204 Ô 0.000002%

Comparando los resultados obtenidos en los métodos aplicados a la resolución de este
problema, se nota que el método que presenta menor error es la Regla de Boole, y el que
presenta mayor error es la del trapecio.
En todos los casos considerar el valor de [ tal que © n [ n «

Los resultados se presentan como mínimo con cinco decimales.
Utiliza el mejor criterio para la elección del valor de [
Ejercicio 8.1.
Utiliza la regla del rectángulo para resolver la siguiente integral definida.
& √( 0( 1
R
¯°±²³´ó
óµ: 0.6666641
6
Ejercicio 8.2.
Utiliza la regla del rectángulo para encontrar el área de la siguiente integral definida.
R.)
& {tT ( 0( 1 ¯°±²³´°µ: 0.37033352
R
Ejercicio 8.3.
Utilizar la fórmula del punto medio para resolver la siguiente integral.
R.,
& ( t u 0( 1 ¯°±²³´°µ: 1.6640234
6
Ejercicio 8.4.
Utilizar la fórmula del punto medio para resolver la siguiente integral.
,
& Ý( , - 1 0( 1 ¯°±²³´°µ: 1.4823763

R
Regla del Trapecio

Hallar las siguientes integrales por métodos numéricos aplicando la Regla del Trapecio.
Recordar que los resultados se presentan como mínimo con cinco decimales, además de
utilizar el mejor criterio para la elección del valor de [
Ejercicio 8.5.
R
{tT (
& 0( 1 ¯°±²³´°µ: 1.8921661
QR (
Ejercicio 8.6.
F
& ( , T ( 0( 1 ¯°±²³´°µ: 5.928007
,
Ejercicio 8.7.
R
& ( , t u 0( 1 ¯°±²³´°µ: 1.3649290
Q,
Ejercicio 8.8.
r
& ( , {tT ( 0( 1 ¯°±²³´°µ: 5.8696044
6
Ejercicio 8.9.
r
& ( , {tT ( 0( 1 ¯°±²³´°µ: 4.7280117
r
,
Ejercicio 8.10.
r
0(
√( , - 1
& 0( 1 ¯°±²³´°µ: 1.8622957
6
Ejercicio 8.11.
r
& ( Q, {tT ( 0( 1 ¯°±²³´°µ: 0.5777350
R
Ejercicio 8.12.
R.7
& {tT, ( ?~{ ( 0( 1 ¯°±²³´°µ: 1.1931572
6.7
Ejercicio
Ejercicio 8.13.
R
0(
& 0( 1 ¯°±²³´°µ: 0.5777350
6 2 (, * 3

Hallar las siguientes integrales por métodos numéricos aplicando la Regla 1/3 de Simpson
Al resolverlos recordar que los resultados se presentan como mínimo con cinco decimales,
además de utilizar el mejor criterio para la elección del valor de [
Ejercicio 8.14.
R,7
& '( , * 3/0( ¯°±²³´°µ: * 3,375
6
Ejercicio 8.15.
R
& '( F * 2(/0( ¯°±²³´°µ: 0
QR
Ejercicio 8.16.
,
0(
& ¯°±²³´°µ: 1,0986
R (
Ejercicio 8.17.
7
& ( Qu ?~{ ( 0( ¯°±²³´°µ: 37,3541
6
Ejercicio 8.18.
R
& ( Qu 0( ¯°±²³´°µ: 1,2913
6
Ejercicio 8.19.
6
0(
& ¯°±²³´°µ: 0,6931
QR ( - 2
Ejercicio 8.20.
R
7
& t u 0( ¯°±²³´°µ: 1,4627
6
Ejercicio 8.21.
)
tu
& 0( ¯°±²³´°µ: 14,6766
, (
Ejercicio 8.22.
8.22.
R,7
& t u T ( 0( ¯°±²³´°µ: 13,7251
6
Ejercicio 8.23.
R
0(
& ¯°±²³´°µ: 0,3054
6 3( - 2

Hallar las siguientes integrales por métodos numéricos aplicando la Regla 3/8 de Simpson
Recordar que los resultados se presentan como mínimo con cinco decimales, además de
utilizar el mejor criterio para la elección del valor de [
Ejercicio 8.24.
R
& Ý1 * ( F 0( 1 ¯°±²³´°µ: 0.8413048161
6
Ejercicio 8.25.
R
1
& 0( 1 ¯°±²³´°µ: 0.8883135727
6 1 - (7
Ejercicio 8.26.
, s
e
& dx 1 ¯°±²³´°µ: 3.0591165396
R x
Ejercicio 8.27.
,
7
& eQs dx 1 ¯°±²³´°µ: 0.1352572579
R
Ejercicio 8.28.
,
ln x
& dx 1 ¯°±²³´°µ: 0.147220677
R x-1
Ejercicio 8.29.
& x tgx dx 1
)
¯°±²³´°µ: * 6.1839743165
6
Ejercicio 8.30.
F
1
& dx 1 ¯°±²³´°µ: 1.1184248145
, ln x
Ejercicio 8.31.
π
,
& sen x , dx 1 ¯°±²³´°µ: 0.8281163288
6
Ejercicio 8.32.
π
,
& cos x , dx 1 ¯°±²³´°µ: 0.8491394505
6
Ejercicio 8.33.
R
& Ý1 - x F dx 1 ¯°±²³´°µ: 0.4166666667

Ejercicio 8.34.
& √sen xdx 1

π
,
¯°±²³´°µ: 1.1981351805
6
Ejercicio 8.35.
R
& Ýx - x , dx 1 ¯°±²³´°µ: 0.8689194491

Ejercicio
Ejercicio 8.36.
R R
& '9 * x , /F dx 1 ¯°±²³´°µ: 2.0538063925
6
Ejercicio 8.37.
& Ýtg x dx 1
R
¯°±²³´°µ: 0.7272956821
6
Ejercicio 8.38.
R
sen x
& dx 1 ¯°±²³´°µ: 0.9460830704
6 x
Ejercicio 8.39.
8.39.
π
1
& dx 1 ¯°±²³´°µ: 0.8093528173
6 1 - sen, x
Regla de Boole
Hallar las siguientes integrales por métodos numéricos aplicando la Regla de Boole.
Al resolverlos recordar que los resultados se presentan como mínimo con seis decimales.
Ejercicio 8.40.
,
& t u 0( 1 ¯°±²³´°µ: 6.3890560989
6
Ejercicio 8.41.
,
& Ý( F * 1 0( 1 ¯°±²³´°µ: 1.5159226962
R
Ejercicio 8.42.
π/,
& x , {tT'2(/ 0( 1 ¯°±²³´°µ: 9.8696044011
6
Ejercicio 8.43.
π
& x , {tT'2(/ 0( 1 ¯°±²³´°µ: 0
6
Ejercicio 8.44.
π
& '5 - {tT, (/ 0( 1 ¯°±²³´°µ: 17.2787595947
6
Ejercicio 8.45.
)
& ln'x , - 1/ dx 1 ¯°±²³´°µ: 5.9844887036
6
CÁPITULO 9 DERIVACIÓN NUMÉRICA 245
CAPÍTULO 9
DERIVACIÓN NUMÉ
NUMÉRICA
Introducción
La derivada es de uso común en la matemática y la ingeniería, sin embargo, en la práctica,
existen situaciones en que no se conocen las expresiones analíticas de muchas funciones con
las que se trabaja, y solamente se dispone de valores en un conjunto de puntos.
En algunos casos es necesario proceder a calcular el valor de alguna derivada de algunas
funciones en un punto concreto. En este tipo de situaciones no se puede utilizar el concepto
riguroso de derivada por desconocimiento de la expresión de la función. De esta manera surge
la necesidad de diseñar métodos numéricos que permitan aproximar el valor de las derivadas
de una función en algún punto a partir del conocimiento de los valores de la función en un
soporte dado.
Los métodos de derivación numérica desarrollados con el fin de aproximar algún valor
buscado, muestran un buen comportamiento en numerosos casos. Es por ello que algunas
veces, aun disponiendo de la expresión analítica de las funciones a derivar, se opta por
aproximar los valores de las derivadas mediante fórmulas numéricas suficientemente
precisas.
La diferenciación numérica es muy útil en casos en los cuales se tiene una función cuya
derivada es difícil o complicada de hallar, o en casos en los cuales no se tiene una función
explícita sino una serie de datos experimentales.
El problema de la derivación numérica consiste en la evaluación de la derivada de la función
puntos (6 , (R , (, , … , (P .
en un punto, cuando únicamente se conocen los valores de la función en una colección de
Aunque, en apariencia se trata de un problema similar al de la Integración numérica; de hecho

la derivación es más complicada ya que, en la integración los errores tienden a cancelarse, y,
como se vio, no es necesario que la aproximación describa con fidelidad la función localmente.
Sin embargo, la derivada es una propiedad esencialmente local, por lo cual se debe
aproximar la función lo más fielmente posible en el entorno inmediato del punto en el que la
queramos calcular.
Las fórmulas de derivación numérica aparecen en el desarrollo de algoritmos para la solución
de problemas de contorno en ecuaciones diferenciales ordinarias (y en ecuaciones en
derivadas parciales). En general, se puede obtener aproximaciones numéricas de la derivada
en un punto derivando alguna función interpolante, por ejemplo un polinomio de Lagrange,
algún trazador cúbico, etc. Sin embargo, en la práctica pequeños errores en los datos pueden
producir malos resultados en las derivadas. Aquí se experimentará con fórmulas que se
obtienen derivando el polinomio interpolante de Lagrange.
derivada de la función ;'(/ en un punto ( . Utilizando el valor de ;'(/ en otros puntos

Una fórmula de diferenciación numérica es un procedimiento que permite aproximar la
vecinos ( .
Uno de los métodos de aproximar la derivada de una función ;'(/ en un punto ( consiste en
usar el desarrollo de Taylor centrado en ( .
Definición 9.1.
La derivación numérica es una técnica del análisis numérico que permite calcular una
aproximación a la derivada de una determinada función en un punto, utilizando los valores y
propiedades de la misma.
;'(/
Secante
;'(6 + 9/
;'(6 /
(6 '(6 + 9/
Fig. 9.1.
Por definición la derivada de una función ;'(/ es:
;'( - 9/ * ;'(/
; , '(/ 1 lim
:>6 9
Las posibles aproximaciones numéricas de la derivada en un punto que podrían calcularse
tomando una sucesión ^9Z _, Tal que ^9Z _ > 0, se tienen las siguientes expresiones.
;'(6 - 9/ * ;'(6 /
Diferencia hacia adelante: ; , '(6 / Ô
9
;'(6 / * ;'(6 * 9/
Diferencia hacia atrás: ; , '(6 / Ô
9
La aproximación de la derivada por este método entrega resultados aceptables con un
determinado error. Para minimizar los errores se estima que el promedio de las dos
diferencias ofrece la mejor aproximación numérica al problema dado.
Definición 9.2.
Sean (6 , (R , … , (P , (PR puntos distintos en el intervalo yK, Lz y sean
;'(6 /, ;'(R /, … , ;'(P /, T - 1 valores de una función : 1 ;'(/ sobre ( 1 (Z , [ 1 0, 1, 2, … , T.
Se define:
;y(Z z 1 ;'(Z /, [ 1 0, 1, 2, … , T;
;y(R , (, , … , (P z * ;y(6 , (R , … , (PQR z
;y(6 , (R , … , (P z 1
(P * (6
Donde ;y(6 , (R , … , (P z es la diferencia dividida de orden T de la función ;'(/ sobre los puntos
(6 , (R , … , (P .
Usando esta definición se tiene que:

;y(R z * ;y(6 z
;y(6 , (R z 1
(R * (6
;y(R , (, z * ;y(6 , (R z
;y(6 , (R , (, z 1
(, * (6
;y(R , (, , (F z * ;y(6 , (R , (, z
;y(6 , (R , (, , (F z 1
(F * (6
De la definición se observa que del lado derecho de cada una de las igualdades se debe aplicar
sucesivamente la definición de diferencia dividida hasta que los cálculos contengan el valor de
la función en los puntos, o sea:
;'(, * (R ) ;'(R * (6 )
;y(R , (, z * ;y(6 , (R z ( * (R * (R * (6
;y(6 , (R , (, z 1 1 ,
(, * (6 (, * (6
Método de Diferencias Finitas

Una diferencia finita es una expresión matemática de la forma ;'( + L/ * ;'( + K/. Si una
diferencia finita se divide por (L * K/ se obtiene una expresión similar al cociente diferencial,
que difiere en que se emplean cantidades finitas en lugar de infinitesimales. La aproximación
de las derivadas por diferencias finitas desempeña un papel central en los métodos de
diferencias finitas del análisis numérico para la resolución de ecuaciones diferenciales.
El método de diferencias finitas consiste en aproximar la función por polinomios. Las fórmulas
a/ En base al orden de la derivada, obteniéndose ; , '(6 ), ; ,, '(6 ), ; ,,, '(6 ), … , ; P '(6 )

resultantes pueden clasificarse de las siguientes maneras:
b) En base al orden de la diferencia, pueden ser primera, segunda, tercera, etc.

c) En base a los puntos de apoyo de la formula en la tabla, es decir, si se emplean puntos
antes, después o ambos lados de algún punto de interés.
Existen tres tipos y son:
1/ Diferencias hacia adelante, cuando se usan puntos anteriores del punto de interés.
2/ Diferencias hacia atrás, cuando se emplean puntos posteriores al punto de interés.
3/ Diferencias centrales. Cuando se usan puntos tanto antes como después del punto de
interés.
Referencias para las fórmulas de diferencias finitas:
(6 : Indica el punto de interés, de estudio o de análisis.
9: Espaciamiento constante de la tabla.
;'(6 /: Función evaluada en el punto de análisis.
;'(6R / 1 ;'(6 - 9/ y ;'(6QR / 1 ;'(6 * 9/
;'(6P / 1 ;'(6 + T9/ y ;'(6QP / 1 ;'(6 * T9/

Se le llama diferencia " hacia adelante " ya que usa los datos '/ e ' - 1/ para estimar la
Fórmulas de diferencias finitas hacia adelante
derivada.
Al término completo (o sea, la diferencial entre h ) se le conoce como primera diferencia
dividida finita.
Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar
mediante la serie de Taylor para la aproximación de derivadas numéricas.
Primera diferencia Segunda diferencia
;'(6 - 9/ * ;'(6 / *;'(6 - 29/ - 4;'(6 - 9/ * 3;'(6 /
; , '(6 / 1 ;-'(6 / 1
9 29
Ejemplo 9.1.
Sea la función ln (, calcular la derivada por métodos numéricos en el punto ( 1 5, en base a la
siguiente tabla, con 9 1 0.1, aplicando la formula de la primera diferencia finita hacia
adelante.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'(/ 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de ; , '5/ 1 0.2
;'(6 - 9/ * ;'(6 / ;'5.1/ * ;'5/ 1.62924 * 1.60944
;-'(6 / 1 1 1 1 0.198
9 0.1 0.1
¿À * ¿g 0.2 * 0.198
Å 1 û û1û û 1 0.01, % 1 |Å 100%| 1 '0.01/ 100% 1 1%
¿À 0.2
La grafica (9.1.) muestra la funcion y su derivada.
y
4
3 ;-'(/
2 ;'(/ 1 ln (
1
1 2 3 4 5 6
-1
-2
-3
Fig. 9.2
9.2.
Ejemplo 9.2.
siguiente tabla, con 9 1 0.1, aplicando la formula de la segunda diferencia finita hacia
adelante.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'(/ 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de ; , '5/ 1 @. i
*;'(6 + 29/ - 4;'(6 - 9/ * 3;'(6 / *;'5.2/ - 4;'5.1/ * 3;'5/

;-'(6 / 1 1
29 2'0.1/
*1.64866 - 4'1.62924/ * 3'1.60944/ *1.64866 - 6.51696 * 4.82832
;-'(6 / 1 1
0.2 0.2
0.03998
;-'(6 / 1 1 @. ©ªªª
0.2
¿À * ¿g 0.2 * 0.1999
Å 1 û û1û û 1 1 10Q) , % 1 |1 10Q) 100%| 1 0.01%
¿À 0.2
Comentarios
Comentarios:
mentarios:
La aproximación lograda presenta errores muy elevados, pues 1% de error, en la primera
diferencia hacia adelante es prácticamente intolerable en un cálculo de este tipo. En la
segunda diferencia de este mismo método 'diferencias finitas hacia adelante), sin embargo,
presenta un error bastante reducido, del 0.01%, que puede eventualmente considerarse un
resultado adecuado. Esta situación denota que la segunda diferencia hacia adelante presenta
mejor precisión en la obtención de la derivada.
Los resultados obtenidos por este método pueden llegar a ser engañosos, debido a la
inestabilidad del método, que es totalmente comprensible por la simplicidad de su forma y los
parámetros reducidos considerados para el cálculo. Si el resultado procurado necesita de
cierta exactitud respecto del valor real, este método no es recomendable, ya que
aleatoriamente puede presentar buena precisión en algunos casos, mientras que en otros
producir errores fuera del margen deseado de precisión.
Fórmulas de diferencias
diferencias finitas hacia atrás
Las expresiones matemáticas que definen este método de diferencias finitas hacia atrás se
presentan a continuación.
Primera diferencia Segunda diferencia
;'(6 / * ;'(6 * 9/ 3;'(6 / * 4;'(6 * 9/ - ;'(6 * 29/
; , '(6 / 1 ;-'(6 / 1
9 29
Ejemplo 9.3.
Sea la función T (, calcular la derivada por métodos numéricos en el punto ( 1 5, en base a la
siguiente tabla, con 9 1 0.1, aplicando la formula de la primera diferencia finita hacia atrás.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'(/ 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
;'(6 / * ;'(6 * 9/ ;'5/ * ;'4.9/ 1.60944 * 1.58922
;-'(6 / 1 1 1 1 @. i@ii
0.1 0.1
0.2 * 0.2022
9
¿À * ¿g
Å 1 û û1û û 1 0.011, % 1 |Å 100%| 1 '0.011/ 100% 1 ©. ©%
¿À 0.2
Ejemplo 9.4.
siguiente tabla, con 9 1 0.1, aplicando la formula de la segunda diferencia finita hacia atrás.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
3;'(6 / * 4;'(6 * 9/ - ;'(6 * 29/ 3;'5/ * 4;'4.9/ - ;'4.8/
;-'(6 / 1 1
29 2'0.1/
3'1.60944/ * 4'1.58922/ - 1.56862/ 0.04006
; ,'u6 / 1 1 1 @. i@@
0.2 0.2
¿À * ¿g 0.2 * 0.2003
Å 1 û û1û û 1 0.0015, % 1 |0.0015 100%| 1 @. ©Ì%
¿À 0.2
Comentarios
Comentarios
La aproximación presentada por este método de diferencias finitas hacia atrás presenta
resultados muy parecidos al método de diferencias finitas hacia adelante, la segunda
diferencia hacia adelante presenta mejor precisión que la primera diferencia.
La aplicación de este método presenta la ventaja de su simplicidad, por lo tanto solo será
oportuno usarlo si la precisión deseada no es muy rigurosa, ya que la inestabilidad es
característica de este método.
Si se pretende precisión y exactitud, este método no es el más apropiado.
Inestabilidad numérica de las fórmulas de diferencias finitas

Las formulas presentadas anteriormente, las de diferencias finitas hacia adelante y hacia
atrás, son inestables por naturaleza del método, debido a la operación de dividir entre
números cercanos a 0, referido al valor de 9 que es normalmente de valor muy pequeño y
cercano a cero.
Estas fórmulas no son recomendadas en los procesos en que se desean resultados con mucha
precisión, pues como se dijo, presentan inestabilidad inherente en la formula, por lo tanto, su
uso no es recomendado, sin embargo, para fines didácticos son totalmente aceptables la
presentación de estos métodos.
La deducción de las fórmulas puede hacerse empleando las fórmulas de interpolación, o
directamente la serie de Taylor.
Este método de aproximación numérica presenta la característica de que los valores de

Fórmulas de diferencias
diferencias centrales
'( + 9/ y '( * 9/ se sitúan a ambos lados de (, tanto a la derecha como a la izquierda de (.
Derivación numérica por diferencia centrada de orden u'vi /
Teorema 9.1. Suponiendo que ; U ë F yK, Lz, '(6 * 9/, '(6 + 9/ U yK, Lz, entonces:
;'(6 + 9/ * ;'(6 * 9/
; , '(6 / Ô
29
Además existen \ 1 \(() U yK, Lz, tan que:
;'(6 + 9/ * ;'(6 * 9/
; , '(6 / 1 - ';, 9/ '9.5/
29
9, ; ,,, '\/
';, 9/ 1 * 1 u'9, /
6
Este Teorema se presenta sin demostración:28
9.5.
Ejemplo 9.5
Para estudiar un determinado fenómeno físico, se registran los cambios producidos en él en la
siguiente tabla. Aproxima el valor de la derivada a ; , (1.3/ utilizando la formula de derivación
numérica por diferencia centrada de orden w'9, /
x 1 1.1 1.2 1.3 1.4 1.5 1.6

;'(/ 2.5 2.436851 2.372895 2.308785 2.245066 2.182179 2.120472
Solución
;'(6 - 9/ * ;'(6 * 9/
; , '(6 / 1
29
;'1.4/ * ;'1.2/ 2.245066 * 2.372895 *0.127829
; , '1.3/ 1 1 1 1 *@.
ª©jÌ
2'0.1/ 0.2 0.2
El valor exacto de ;'1.3/ 1 *0.639962
¿À * ¿g *0.639962 * '*0.639145/ 8.17 10Q)

Å 1 û û1û û1 1 1.277 10QF ,
¿À *0.639962 0.639962
% 1 |Å 100%| 1 |1.277 10QF 100%| 1 @. ©i«%
28
La demostración de este teorema se encuentra en: Velázquez Zapateiro, Jorge. (2007). Análisis Numérico
(pág. 162). Notas de clase. Edición Uninorte. Barranquilla. Colombia
Ejemplo 9. 6.
siguiente tabla, con 9 1 0.1, aplicando la formula de la primera diferencia central, o diferencia
finita centrada de orden w'9, /.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
;'(6 - 9/ * ;'(6 * 9/ ;'5.1/ * ;'4.9/ 1.62924 * 1.58922 0.04002
;-'(6 / 1 1 1 1
29 2'0.1/ 0.2 0.2
; , '(/ 1 0.2001
¿À * ¿g 0.2 * 0.2001
Å 1 û û1û û 1 5 10Q) , % 1 |Å 100%| 1 @. @Ì%
¿À 0.2
Ejemplo 9.7.
Si ;'(/ 1 ?~{ (, calcular la aproximación de ; , '6/, usando las fórmulas de las diferencias
centradas de orden w'9, / con 9 1 0.1
Solución
a/ Con La formula de diferencias centradas de orden w'9, /
;'(6 - 9/ * ;'(6 * 9/
; , '(6 / 1
29
;'6.1/ * ;'5.9/ 0.983268 * 0.927478 0.005579
; , '6/ 1 1 1 1 0.27895
2'0.1/ 0.2 0.2
El valor exacto de ;'(/ 1 ?~{ (, para ;'6/ 1 0.2794154982
¿À * ¿g 0.279415 * 0.27895
Å 1 û û1û û 1 1.6642 10QF , % 1 |Å 100%| 1 0.166%
¿À 0.279415
Derivación numérica por diferencia centrada de orden u'vj /
Teorema 9.2. Suponiendo que ; U ë 7 yK, Lz, '(6 * 29/, '(6 * 9/, '(6 - 9/, '(6 - 29/ U yK, Lz,
entonces:
*;'(6 - 29/ - 8;'(6 - 9/ * 8;'(6 * 9/ - ;'(6 * 29/
; , '(/ Ô '9.6/
129
Además existe \ 1 \'(6 / U yK, Lz, tal que
- ';, 9/;
*;'(6 - 29/ - 8;'(6 - 9/ * 8;'(6 * 9/ - ;'(6 * 29/
; , '(/ Ô '9.7/
129
9) ; 7 '\/
';, 9/ 1 1 w'9) /
30
Este Teorema se presenta sin demostración:29
29
La demostración de este teorema se encuentra en: Velázquez Zapateiro, Jorge. (2007). Análisis
Numérico (pág. 164). Notas de clase. Edición Uninorte. Barranquilla. Colombia
Ejemplo 9.8
9.8.
Para estudiar un determinado fenómeno físico, se registran los cambios producidos en él en la
siguiente tabla. Aproxima el valor de la derivada a ; , '1.3/ utilizando la formula de derivación
numérica por diferencia centrada de orden w'9) /
x 1 1.1 1.2 1.3 1.4 1.5 1.6

;(() 2.5 2.436851 2.372895 2.308785 2.245066 2.182179 2.120472
Solución
*;'(6 - 29/ - 8;'(6 - 9/ * 8;'(6 * 9/ - ;'(6 * 29/
; , '(/ 1
129
*;'1.5/ - 8;'1.4/ * 8;'1.2/ - ;'1.1/
; , '(/ 1
12'0.1/
*2.182179 - 8'2.245066/ * 8'2.372895/ - ;'2.436851/
; , '(/ 1
1.2
*2.182179 - 17.960528 * 18.98316 - 2.436851 *0.76796
; , '(/ 1 1 1 *@.
ªª

1.2 1.2
El valor exacto de ;'1.3/ 1 *0.639962
¿À * ¿g *0.639962 * '*0.639967/ 5 10Q
Å 1 û û1û û1 1 7.813 10Q ,
¿À *0.639962 0.639962
% 1 |Å 100%| 1 |1.813 10Q 100%| 1 @. @@@«%
Ejemplo 9. 9.
siguiente tabla, con 9 1 0.1, aplicando la formula de la segunda diferencia finita central, o
diferencia finita centrada de orden w'9) /.
*;'(6, / - 8;'(6R / * 8;'(6QR / - ;'(6Q, /
;-'(6 / 1
129
*;'5.2/ - 8;'5.1/ * 8;'4.9/ - ;'4.8/
;-'(6 / 1
12'0.1/
*1.64866 - 13.03392 * 12.71376 - 1.56862 0.24012
;-'(6 / 1 1 1 @. i@@©
1.2 1.2
¿À * ¿g 0.2 * 0.2001
Å 1 û û1û û 1 5 10Q) , % 1 |5 10Q) 100%| 1 @. @Ì%
¿À 0.2
Ejemplo 9.10.
Si ;'(/ 1 ?~{ (, calcular la aproximación de ; , '6/, usando las fórmulas de las diferencias
centradas de orden w'9) / con 9 1 0.1
Solución
*;'(6 - 29/ - 8;'(6 - 9/ * 8;'(6 * 9/ - ;'(6 * 29/
; , '(/ 1
129
*;'6.2/ - 8;'6.1/ * 8;'5.9/ - ;'5.8/

; , '6/ 1
12'0.1/
*0.996542 - 8'0.983264/ * 8'0.927478/ - 0.885520
; , '6/ 1
1.2
*0.996542 - 7.866112 * 7.419824 - 0.885520 0.335266
; , '6/ 1 1 1 @. iª ««
1.2 1.2
El valor exacto de ;'(/ 1 ?~{ (, para ;'6/ 1 0.2794154982
¿À * ¿g 0.279415 * 0.279388 2.7 10Q7

Å 1 û û1û û1G G 1 9.663 10Q7 ,
¿À 0.279415 0.279415
% 1 |Å 100%| 1 9.663 10Q7 100% 1 @. @@ª
Comentarios
A primera vista parecería ser que estas formulas de diferencias centrales acercan bastante los
resultados obtenidos al valor verdadero de la derivada de la función buscada, ya que con las
diferencias centradas de orden w'9, / el error producido en el ejemplo es de 0.166%, error
que podría considerarse normal o por lo menos aceptable; sin embargo en error producido
con la formula de diferencias centradas de orden w'9) / es aun menor, tan solo de 0.0096%,
arrojando una precisión mucho mayor.
Entre todas las formulas de diferencias finitas, la que arroja mayor precisión es la fórmula de
diferencias centradas de orden w'9) /, por lo menos para hallar la primera derivada de una
función ;'(/.
Por lo tanto, a modo de conclusión general respecto a estas formulas de diferencias finitas, se
debe tener muy en cuenta que cuando se desea precisión, estas formulas no son las
recomendadas y se tomaran simplemente a modo didáctico.
Fórmulas de los tres puntos

Las formulas de los tres puntos corresponden a los métodos de tres puntos que obtienen las
derivadas diferenciando un polinomio interpolante de Lagrange para una función ;'(/.
La siguientes corresponden a las fórmulas de los tres puntos
1 9, ; ,,, '\R /
; , '(/ 1 y;'(6 - 9/ * ;'(6 * 9/z * , \ U y(6 * 9, (6 - 9z
29 3!
, '(/
;'(6 - 9/ * ;'(6 * 9/ 9, ; ,,, '\R /
; 1 * 'ª. «/
29 6
1 ; F '\, /9,
; , '(6 / 1 y*3;'(6 / - 4;'(6 - 9/ * ;'(6 - 29/z - , \ U y(6 , (6 - 29z
29 3
*3;'(6 / - 4;'(6 - 9/ * ;'(6 - 29/ ; F '\, /9,

; , '(6 / 1 - 'ª. ª/
29 3
Las ecuaciones '9.8/ y '9.9/, 'primera y segunda fórmula de los tres puntos, respectivamente/
son las llamadas fórmulas de los tres puntos de derivación numérica, aun cuando la formula
'9.8/ solamente utiliza dos puntos y no aparece en ella el punto central (6 . El error presentado
en la ecuación '9.8/ es aproximadamente la mitad que en la ecuación '9.9/, esta situación se
debe a que en la ecuación '9.8/ se usan datos que están a ambos lados de (6 , mientras que en
la ecuación '9.9./ se considera solo un lado y se desconoce el valor del otro lado que está fuera
del intervalo.
La ventaja que presenta la ecuación '9.8/ es su simplicidad, ya que ; solamente se evalúa en
dos puntos, mientras que la ecuación '9.9/ necesita tres puntos.
Ejemplo 9.11.
9.11.
Aproximar el valor de la función ; , '3/ si ;'(/ 1 T( {tT (, utilizando la fórmula '9.8/ de los
tres puntos, con 9 1 0.1
Solución:
;'( + 9/ * ;'( * 9/
Se parte de la fórmula: ; , '(/ 1
29
;'3 - 0.1/ * ;'3 * 0.1/ ;'3.1/ * ;'2.9/ ln 3.1 {tT3.1 * ln 2.9 {tT2.9
; , '3/ 1 1 1
2'0.1/ 0.2 0.2
1.131402 0.041581 * 1.064712 0.239249 0.047044 * 0.254731
; , '3/ 1 1
0.2 0.2
0.207687
; , (3) 1 1 *©. @ «j
0.2
Estimación de error:
El valor verdadero de la derivada de la función ;(() 1 T( {tT ( es ; , (3) 1 *©. @j@Ì«
1 |¿À * ¿g | 1 |*1.040578 – (*1.038437)| 1 2.141 10QF 1 0.002141

¿À * ¿g 0.002141
Å 1 û û 1 û ûû û 1 2.0575 10QF 1 0.0020575
¿À ¿À *1.040578
% 1 Å 100% 1 0.0020575 100% 1 @. i%
Comentarios
Comentarios:
mentarios:
La aproximación lograda es bastante buena, pues el error porcentual es solamente del 0.2%, y
este valor es aceptable para cualquier cálculo promedio. Además, debe tenerse siempre en
cuenta el tipo de cálculo que se realiza y la precisión que se requiera para estimar el error.
Ejemplo 9.12.
Aproximar el valor de la función ; , (3) si ;(() 1 T( {tT (, utilizando la fórmula (9.9) de los
tres puntos, con 9 1 0.1
Solución:
La solución inicia con la formula de los tres puntos (9.9)
1
; , ((6 ) 1 y*3;((6 ) - 4;((6 - 9) * ;((6 - 29)z
29
1 1
; , '3/ 1 y*3;'3/ - 4;'3 - 0.1/ * ;'3 - 2 0.1/z 1 y*3;'3/ - 4;'3.1/ * ;'3.2/z
0.2 0.2
1
; , '3/ 1 y*3'T3 {tT3/ - 4'T3.1 {tT3.1/ * 'T3.2 {tT3.2/z
0.2
1
; , '3/ 1 y*3'1.09861 0.14112/ - 4'1.13140 0.04158/ * '1.16315 '*0.05837/z
0.2
1
; , '3/ 1 y*3'0.155036/ - 4'0.0470436/ * '*0.067893/z
0.2
1 1
; , '3/ 1 y*0.465108 - 0.1881744 - 0.067893z 1 y*0.2090406z 1 *©. @jÌi@
0.2 0.2
El valor verdadero de la derivada de la función ;'(/ 1 T( {tT ( es ; , '3/ 1 *1.040578
1 |¿À * ¿g | 1 |*1.040578 – '*1.045203/| 1 4.625 10QF 1 0.004625

¿À * ¿g 0.004625
Å 1 û û 1 û ûû û 1 4.4446 10QF 1 0.0044446
¿À ¿À *1.040578
% 1 Å 100% 1 0.0044446 100% 1 @. jj%
Comentarios
Comentarios:
mentarios:
En este caso, con la aplicación de la formula '9.9) de los tres puntos la aproximación lograda
es de menor precisión que la de '9.8), aun así, sigue siendo bastante buena la aproximación
lograda, pues el error porcentual es de 0.44%.
Comparando los dos ejercicios resueltos se nota claramente que la ecuación '9.8/ presenta
menor error, aproximadamente la mitad de error producido por '9.9), lo que se había ya
indicado al definir las dos fórmulas de los tres puntos.
Importante:
Importante: Recodar siempre que el error puede ser pequeño o grande dependiendo siempre
de la precisión que se desee al evaluar una determinada función.
Ejemplo 9.13.
Aproximar el valor de la función ; , '3/ si ;'(/ 1 T( vw (, utilizando la fórmula de los tres
puntos, con 9 1 0.1
Solución:
La solución inicia con la formula de los tres puntos
1
; , '(6 / 1 y;'(6 - 9/ * ;'(6 * 9/z
29
;'( + 9/ * ;'( * 9/
Se parte de la fó rmula: ; , '(/ 1
29
1 1
; , '3/ 1 y;'3 - 0.1/ * ;'3 * 0.1/z 1 y;'3.1/ * ;'2.9/z
2 0.1 0.2
1
; , '3/ 1 y'T3.1 vw 3.1/ * 'ln 2.9 vw 2.9/z
0.2
1
; , '3/ 1 y'1.131402 '*0.0416166// * '1.0647107 '*0.2464053/z
0.2
1
; , '3/ 1 y*0.0470851 - 0.2623504z 1 5y0.2152653z 1 1.0763265
0.2
; , '3/ 1 1.0763265
El valor verdadero de la derivada de la función ;'(/ 1 T( vw ( es ; , '3/ 1 1.0734200453
1 |¿À * ¿g | 1 |1.07342 * 1.0763265/| 1 2.9 10QF 1 0.0029

¿À * ¿g 0.0029
Å 1 û û 1 û ûû û 1 2.7 10QF 1 0.0027
¿À ¿À 1.07342
% 1 Å 100% 1 0.0027 100% 1 0.27%
Ejemplo
Ejemplo 9.14.
Aproximar el valor de la función ; , '5.7/ si ;'(/ 1 2( ?~{ (, utilizando la fórmula de los tres
puntos '9.9/, con 9 1 0.1
Solución
*3;'(6 / - 4;'(6 - 9/ * ;'(6 - 29/ ; F '\, /9,
; , '(6 / 1 -
29 3
( 5.7 5.8 5.9

;'(/ 1 2( cos ( 9.515726 10.272026 10.944245
*3;'5.7/ - 4;'5.8/ * ;'5.9/ *3'9.515726/ - 4'10.272026/ * '10.944245/

; , '5.7/ 1 1
2'0.1/ 2'0.1/
, *28.547178 - 41.088104 * 10.944245 1.596681
; , '5.7/ 1 1 1 . ª« j@Ì
0.2 0.2
El valor verdadero de la derivada de la función ;'(/ 1 2( ?~{ ( es ; , '5.7/ 1 7.947241
¿À * ¿g 7.947241 * 7.983405
Å 1 û û 1 û ûû û 1 4.55 10QF 1 0.00455
¿À ¿À 7.947241
% 1 Å 100% 1 0.00455 100% 1 @. jÌ%

Fórmula de los cinco puntos

Las formulas de los cinco puntos se pueden obtener de manera similar a la de las formulas de
los tres puntos. También es posible emplear la extrapolación para lograr derivadas de menor
dificultad para estas formulas.
Las siguientes corresponden a las fórmulas de los cinco puntos
1
; , '(6 / 1 y*25;'(6 / - 48;'(6 - 9/ * 36;'(6 - 29/ - 16;'(6 - 39/ * 3;'(6 - 49/z
129
; '7/ '\6 /9)
- ,
5
1
; , '(6 / 1 y*3;'(6 * 9/ * 10;'(6 / - 18;'(6 - 9/ * 6;'(6 - 29/ - ;'(6 - 39/z
129
; '7/ '\R /9)
* ,
5
1 ; '7/ '\, /9)
; , '(6 / 1 y;'(6 * 29/ * 8;'(6 * 9/ - 8;'(6 - 9/ * ;'(6 - 29/z - ,
129 30
1
; , '(6 / 1 y4;'(6 * 39/ - 6;'(6 - 29/ * 8;'(6 * 9/ - 34;'(6 / - 3;'(6 - 9/ - 34;'(6 /z
129
; '7/ '\F /9)
- ,
30
1
; , '(6 / 1 y;'(6 * 49/ * 3;'(6 * 39/ - 4;'(6 * 29/ * 36;'(6 * 9/ - 25;'(6 /z
129
; '7/ '\) /9)
- ,
5
Entre las distintas fórmulas de cinco puntos, las más utilizadas son:
1
; , '(6 ) 1 y*25;'(6 / - 48;'(6 - 9/ * 36;'(6 - 29/ - 16;'(6 - 39/ * 3;'(6 - 49/z
129
; '7/ '\6 /9)
- ,
5
1 ; '7/ '\, /9)
; , '(6 / 1 y;'(6 * 29/ * 8;'(6 * 9/ - 8;'(6 - 9/ * ;'(6 - 29/z - ,
129 30
Ejemplo
Ejemplo 9.15.
Aproximar el valor de la función ; , '3/ si ;'(/ 1 T( {tT (, utilizando la fórmula de los cinco
puntos, con 9 1 0.1
Solución:
Se inicia el cálculo de la solución partiendo de la formula de los cinco puntos
1
; , '(6 ) 1 y;'(6 * 29/ * 8;'(6 * 9/ - 8;'(6 - 9/ * ;'(6 - 29/z
129
1
; , '3/ 1 y;'3 * 0.2/ * 8;'3 * 0.1/ - 8;'3 - 0.1/ * ;'3 - 0.2/z
12 0.1
1
; , '3/ 1 y;'2.8/ * 8;'2.9/ - 8;'3.1/ * ;'3.2/z
1.2
1
; , '3/ 1 y'T2.8 {tT2.8/ * 8'T2.91 {tT2.9/ - 8'T3.1 {tT3.1/ * 'T3.2 {tT3.2/z
1.2
1
; , '3/ 1 y1.029619 '0.334988/ * 8'1.06471 0.239249/ - 8'1.1314 0.04158/
1.2
* '1.16315 '*0.058374/z
1
; , '3/ 1 y'0.34491/ * 8'0.25473/ - 8'0.047044/ * '*0.0678977/z
1.2
1
; , '3/ 1 y'0.34491/ * 2.03784 - 0.376352 - 0.0678977z
1.2
1
; , '3/ 1 y1.24868z 1 *1.0405669
1.2
El valor verdadero de la derivada de la función ;'(/ 1 T( {tT ( es ; , '3/ 1 *1.040578
1 |¿À * ¿g | 1 |*1.040578 – '*1.0405669/| 1 1.111 10Q) 1 0.0001111

¿À * ¿g 0.0001111
Å 1 û û 1 û ûû û 1 1.06768 10Q) 1 0.000106768
¿À ¿À *1.040578
% 1 Å 100% 1 0.000106768 100% 1 0.0106%
Ejemplo 9.16
9.16.
16.
Aproximar a ;-'4.2/ la función ;'(/ = ln ( vw (, utilizando la fórmula de los cinco puntos, con
9 1 0.1
Solución
;'(6 * 29/ * 8;'(6 * 9/ - 8;'(6 - 9/ * ;'(6 - 29/ ; '7/ '\, /9)

; , '(6 / 1 - ,
129 30
( 4.0 4.1 4.2 4.3 4.4 4.5
;'(/ 1 T( vw( 1.605081 2.008577 2.551264 3.334172 4.587527 6.974906
;'4.0/ * 8;'4.1/ - 8;'4.3/ * ;'4.4/
; , '4.2/ 1
12'0.1/
1.605081 * 8'2.008577/ - 8'3.334172/ * '4.587527/
; , '4.2/ 1
1.2
1.605081 * 16.068616 - 26.673376 * 4.587527 7.622314
; , '4.2/ 1 1 1 6.351928
1.2 1.2
El valor verdadero de la derivada de la función ;'(/ 1 T( vw( es ; , '4.2/ 1 6.393951
¿À * ¿g 6.393951 * 6.351928
Å 1 û û 1 û ûû û 1 6.5723 10QF 1 0.0065723
¿À ¿À 6.393951
% 1 Å 100% 1 0.0065723 100% 1 0.657%
Comentarios
Comentarios:
mentarios:
La aproximación lograda con la formula de los cinco puntos es excelente, puede notarse en
este ejercicio que el error porcentual es de apenas 0.01%, y que la aproximación lograda
puede considerarse un valor totalmente valido, demostrando que este método es el mejor que
cualquiera de lo empleado anteriormente.
Errores de truncamiento y de redondeo.

Debido a la naturaleza discreta del computador los resultados numéricos no son exactos y que
el error de redondeo está siempre presente en los cálculos. Por ello, cuando se calculan
derivadas numéricamente el error en la solución es la suma del error de truncamiento, que
proviene de la formula de aproximación, y el de redondeo, que es debido al computador.
El error de truncamiento puede reducirse disminuyendo el valor de 9 en las formulas, sin

Ambos errores pueden ser importantes e interesa minimizarlos.
embargo, al disminuir 9 se va restando valores de ;'(/ cada vez más próximos y esto se
consigue con el valor de 9 más pequeño posible, sino con un valor que sin producir un gran
traduce en una mayor influencia del error de redondeo. Por ello, la mejor precisión no se
error de redondeo disminuya lo suficiente el error de truncamiento.
Derivadas de orden superior

El mismo procedimiento que se ha seguido al deducir fórmulas para calcular numéricamente
las derivadas primeras puede usarse para construir derivadas de orden superior, partiendo
del desarrollo de Taylor. Como ejemplo se presentan las siguientes expresiones:
9, ,, 9F 9)
;'( + 9/ 1 ;'(/ + 9; , '(/ + ; '(/ - ; ,,, '(/ - ; À 'R /
2! 3! 4!
9, ,, 9F 9)
;'( * 9/ 1 ;'(/ * 9; , '(/ - ; '(/ * ; ,,, '(/ - ; À ', /
2! 3! 4!
Sumando las ecuaciones anteriores y despejando se tiene que:
,, '(/
;'( - 9/ * 2;'(/´;'( * 9/ 9, À
; 1 * ; '/
9, 12
Procediendo de la misma forma es posible encontrar aproximaciones que usen diferentes

puntos y aproximaciones para derivadas de orden superior.
Si bien existen muchas variantes de cada método de integración numérica, aquí se presentan
tantas variantes de formulas, pero más bien a modo ilustrativo, para dimensionar mejor el
alcance del cálculo numéricos, pues algunas de las formulas presentadas no serán utilizadas,
por lo tanto, es mejor pecar por abundancia de formulas y no por deficiencia de las mismas.
A continuación se presentar algunas formulas de derivación numérica de orden superior.
Fórmulas de diferencias finitas hacia adelante

Recordar que: (R 1 (6 + 9, (, 1 (6 + 29; (F 1 (6 + 39; (P 1 (6 + T9
También que: ;6 1 ;'(6 /; ;R 1 ;'(R /; ;, 1 ;'(, /; ;P 1 ;'(P /

Primera diferencia
;'(6, / * 2;'(6R / - ;'(6 / ;'(6 / * 2;'(R / - ;'(, /
; ,, '(6 / 1 1
9, 9,
;'(6F / * 3;'(6, / - 3;'(6R / * ;'(6 /
;---'(6 / 1
9F
;'(6) / * 4;'(6F / - 6;'(6, / * 4;'(6R / - ;'(6 /
; À '(6 / 1
9)
Segunda diferencia
*;'(6F / + 4;'(6, / * 5;'(6R / - 2;'(6 /

;--'(6 / 1
9,
*3;'(6) / - 14;'(6F / * 24;'(6, / - 18;'(6R / * 5;'(6 /
;---'(6 / 1
29F
*2;'(67 / - 11;'(6) / * 24;'(6F / - 26;'(6, / * 14;'(6R /3;'(6 /

; À '(6 / 1
9)
Ejemplo 9.17.
Sea la función ln (, calcular la segunda derivada por métodos numéricos en el punto ( 1 5, en
base a la siguiente tabla, con 9 1 0.1, aplicando la formula de la primera diferencia finita hacia
adelante.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'(/ 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de ; ,, '5/ 1 *@. @j
Calculo de la segunda derivada
;'(6, / * 2;'(6R / - ;'(6 / ;'5.2/ * 2;'5.1/ - ;'5/
; ,, '(6 / 1 1
9, '0.1/,
1.64866 * 2'1.62924/ - 1.60944 3.8 10Q)
; ,, '(6 / 1 1 1 *@. @ «
0.01 0.01
¿À * ¿g *0.04 * '*0.038/
Å 1 û û1û û 1 0.05, % 1 |Å 100%| 1 '0.05/ 100% 1 5%
¿À *0.04
Ejemplo 9.18.
base a la siguiente tabla, con 9 1 0.1, aplicando la formula de la segunda diferencia finita hacia
adelante.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'(/ 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de : ; ,, '5/ 1 *@. @j
Segunda derivada
*;'(6F / + 4;'(6, / * 5;'(6R / - 2;'(6 /
;--'(6 / 1
9,
*;'5.3/ - 4;'5.2/ * 5;'5.1/ - 2;'5/
;--'(6 / 1
'0.1/,
*1.6677 - 4'1.64866/ * 5'1.62924/ - 2'1.60944/
;--'(6 / 1
0.01
*1.6677 - 6.59464 * 8.1462 - 3.21888 *3.8 10Q)
; ,,'u6 / 1 1 1 *@. @ «
0.01 0.01
¿À * ¿g *0.04 * '*0.038/
Å 1 û û1û û 1 0.05, % 1 |0.05 100%| 1 Ì%
¿À *0.04
Comentarios
Comentarios:
mentarios:
La aproximación lograda en los dos casos anteriores presenta errores muy elevados,
prácticamente intolerables en un cálculo de este tipo.
Estos errores elevados presentados son debidos a la inestabilidad de los métodos empleados.
Los resultados obtenidos por este método son engañosos, por la inestabilidad que presentan
debido a la simplicidad de su forma y a los parámetros reducidos considerados para el cálculo.
Si el resultado procurado necesita de cierta exactitud respecto del valor real, este método no
es recomendable, ya que casi aleatoriamente puede presentar buena precisión en algunos
casos, mientras que en otros producir errores muy grandes.
Fórmulas de diferencias finitas hacia atrás

Primera diferencia
;'(6 / * 2;'(6QR / - ;'(6Q, /
;--'(6 / 1
9,
;'(6 / * 3;'(6QR / - 3;'(6Q, / * ;'(6QF /
;---'(6 / 1
9F
;'(6 / * 4;'(6QR / - 6;'(6Q, / * 4;'(6QF / - ;'(6Q) /

; À '(6 / 1
9)
Segunda diferencia
2;'(6 / * 5;'(6QR / - 4;'(6Q, / * ;'(6QF /
;--'(6 / 1
9,
5;'(6 / * 18;'(6QR / - 24;'(6Q, / * 14;'(6QF / - 3;'(6Q) /
;---'(6 / 1
29F
3;'(6 / * 14;'(6QR / - 26;'(6Q, / * 24;'(6QF / - 11;'(6Q) / * 2;'(6Q7 /
; À '(6 / 1
9)
Ejemplo 9.19.
base a la siguiente tabla, con 9 1 0.1, aplicando la formula de la primera diferencia finita hacia
atrás.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de ; ,, '5/ 1 *0.04
Diferencias finitas
finitas hacia atrás 'primera diferencia/
Segunda derivada
;'(6 / * 2;'(6QR / + ;'(6Q, / ;'5/ * 2;'4.9/ + ;'4.8/
;--'(6 / 1 1
9, '0.1/,
1.60944 * 2'1.58922/ - 1.56862 *3.8 10Q)
;--'(6 / 1 1 1 *0.038
0.01 0.01
û 1 0.05, % 1 |Å 100%| 1 '0.05/ 100% 1 Ì%

¿À * ¿g *0.04 * '*0.038/
Å 1 û û1û
¿À *0.04
Ejemplo 9.20.
base a la siguiente tabla, con 9 1 0.1, aplicando la formula de la segunda diferencia finita hacia
atrás.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'() 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de ; ,, '5/ 1 *0.04
2;'(6 / * 5;'(6QR / - 4;'(6Q, / * ;'(6QF / 2;'5/ * 5;'4.9/ - 4;'4.8/ * ;'4.7/
;--'(6 / 1 1
9, '0.1/,
,,'u6 /
2'1.60944/ * 5'1.58922/ - 4'1.56862/ * 1.54756 *3 10Q)
; 1 1 1 *@. @
0.01 0.001
¿À * ¿g *0.04 * '*0.03/
Å 1 û û1û û 1 0.25, % 1 |0.25 100%| 1 iÌ%
¿À *0.04
Comentarios:
mentarios:
Comentarios
La aproximación presentada por este método de diferencias hacia atrás presenta resultados
muy parecidos al método de diferencias hacia adelante; sin embargo para la segunda derivada
se nota que el error producido es del 25%, totalmente intolerable en un cálculo donde
normalmente se pretende precisión y exactitud.
Los resultados obtenidos por este método son igualmente engañosos, debido también a la
inestabilidad del método.
Fórmulas de diferencias finitas centrales
Primera diferencia
;'(6R / * 2;'(6 / - ;'(6QR /
;--'(6 / 1
9,
;'(6, / * 2;'(6R / - 2;'(6QR / * ;'(6Q, /
;---'(6 / 1
29F
;'(6, / * 4;'(6R / - 6;'(6 / * 4;'(6QR / - ;'(6Q, /
; À '(6 / 1
9)
Segunda diferencia
*;'(6, / + 16;'(6R / * 30;'(6 / - 16;'(6QR / * ;'(6Q, /

;--'(6 / 1
129,
*;'(6F / + 8;'(6, / * 12;'(6R / - 12;'(6QR / * 8;'(6Q, / - ;'(6QF /
;---'(6 / 1
89F
*;'(6F / - 12;'(6, / * 39;'(6R / - 56;'(6 / * 39;'(6QR / - 12;'(6Q, / * ;'(6QF /
; ) '(6 / 1
69)
Ejemplo 9. 21.
base a la siguiente tabla, con 9 1 0.1, aplicando la formula de la primera diferencia finita
central.
( 4.7 4.8 4.9 5.0 5.1 5.2 5.3

;'(/ 1.54756 1.56862 1.58922 1.60944 1.62924 1.64866 1.6677
Solución:
Para ;'(/ 1 T (. El valor verdadero de ; ,, '5/ 1 *@. @j
;'(6R / * 2;'(6 / - ;'(6QR / ;'5.1/ * 2;'5/ - ;'4.9/

;--'(6 / 1 1
9, '0.1/,
1.62924 * 2'1.60944/ - 1.58922 1.62924 * 3.21888 - 1.58922
; ,,'u6 / 1 1 1 *@. @ji
0.01 0.01
¿À * ¿g *0.04 * '*0.042/
Å 1 û û1û û 1 0.05, % 1 |Å 100%| 1 '0.05/ 100% 1 Ì%
¿À *0.04
Ejemplo 9. 22.
22.
base a la siguiente tabla, con 9 1 0.1, aplicando la formula de la segunda diferencia finita
central.
*;'(6, / - 16;'(6R / * 30;'(6 / - 16;'(6QR / * ;'(6Q, /
k/ ;--'(6 / 1
129,
*;'5.2/ - 16;'5.1/ * 30;'5/ - 16;'4.9/ * ;'4.8/

;--'(6 / 1
12 '0.1/,
*1.64866 - 16'1.62924/ * 30'1.60944/ - 16'1.58922/ * '1.56862/
;--'(6 / 1
0.12
*1.64866 - 26.06784 * 48.2772 - 25.42752 * 1.56862 8.8 10Q)
;--'(6 / 1 1 1 0.0073
0.12 0.12
¿À * ¿g *0.04 * 0.0073
Å 1 û û1û û 1 1.1825, % 1 |Å 100%| 1 ©©«. iÌ%
¿À *0.04
b) Se buscará de nuevo la derivada segunda, pero con un valor de h menor que el anterior,
reduciendo dicha amplitud o peso de h a la mitad, o sea: de 9 = 0.1 a 9 = 0.05
( 4.85 4.90 4.95 5.00 5.05 5.10 5.15

;'(/ 1.578979 1.589235 1.599388 1.60944 1.619388 1.62924 1.638997
*;'(6, / - 16;'(6R / * 30;'(6 / - 16;'(6QR / * ;'(6Q, /

;--'(6 / =
129,
*;'5.1/ - 16;'5.05/ * 30;'5.00/ - 16;'4.95/ * ;'4.90/
;--'(6 / =
12'0.05/,
*1.62924 - 16'1.619388/ * 30'1.60944/ - 16'1.599388/ * ;'1.589235/
;--'(6 / =
0.03
*1.62924 - 25.9102 * 48.2832 - 25.5902 * 1.589235
;--'(6 / = =
0.03
*1.275 10QF
;--'(6 / = = *0.0425
0.03
¿À * ¿g *0.04 * '*0.0425/
Å = û û=û û = 0.0625, % = |Å 100%| = 6. iÌ%
¿À *0.04
Comentarios
Comentarios
La primera diferencia de estas diferencias finitas centrales presenta resultados parecidos a los
anteriores, sin embargo, la segunda derivada de la segunda diferencia de diferencias centrales
presenta un error mucho mayor que el 100% '118,25%/, razón por la cual ni siquiera necesita
ser estudiado, no es que la fórmula empleada sea errónea, sino que la inestabilidad que
produce este grupo de formulas no presenta garantías de buen resultados en el cálculo de
diferencias, agregándose a esto la amplitud de h, que en este caso particular parece ser muy
elevado, que en vez de converger hacia el resultado exacto, diverge; sin embargo, al reducir el
valor de h a la mitad, el resultado obtenido se acerca bastante al valor verdadero, pues el error
porcentual producido es solamente del 6,25%, pero aun así, sigue siendo un error muy
grande.
Por lo tanto, a modo de conclusión general respecto a estas formulas de diferencias finitas,
cuando se desea precisión, estas formulas de diferencias finitas no son las recomendadas y se
tomaran simplemente a modo didáctico.
Resumen de fórmulas de derivación numérica
Fórmulas para calcular derivadas primeras
;'(6 + 9/ * ;'(6 * 9/
; , '(6 / Ô - w'9, /
29
*;'(6 + 29/ - 8;'(6 - 9/ * 8;'(6 * 9/ - ;'(6 * 29/

; , '(/ Ô - w'9) /
129
*3;'(6 / - 4;'(R / * ;'(, /

; , '(6 / Ô
29
1
; , '(6 / Ô y*25;'(6 / - 48;'(R / * 36;'(, / - 16;'(F / * 3;'() /z
129
1
; , '(6 / Ô y;'(Q, / * 8;'(QR / - 8;'(R / * ;'(, /z
129
Formulas para calcular derivadas segundas
;'(6 / * 2;'(R / - ;'(, /

; ,, '(6 / Ô - w'9/
9,
;'(R / * 2;'(6 / - ;'(QR /

; ,, '(6 / Ô - w'9, /
9,
*;'(F / + 4;'(, / * 5;'(R / - 2;'(6 /

; ,, '(6 / Ô - w'9, /
9,
*;'(, / + 16;'(R / * 30;'(6 / - 16;'(QR / * ;'(Q, /

; ,, '(6 / Ô - w'9) /
129,
Formulas para calcular derivadas terceras

terceras
;'(F / * 3;'(, / - 3;'(R / * ;'(6 /

; ,,, '(6 / Ô - w'9/
9F
;'(, / * 2;'(R / - 2;'(QR / * ;'(Q, /

; ,,, '(6 / Ô - w'9, /
29F
*;'(F / + 8;'(, / * 12;'(R / - 12;'(QR / * 8;'(Q, / - ;'(QF /

; ,,, '(6 / Ô - w'9) /
89F
Formulas para
para calcular derivadas cuartas
;'() / * 4;'(F / - 6;'(, / * 4;'(R / - ;'(6 /

; À '(6 / Ô - w'9/
9)
;'(, / * 4;'(R / - 6;'(6 / * 4;'(QR / - ;'(Q, /

; À '(6 / Ô - w'9, /
9)
*;'(F / + 12;'(, / * 39;'(R / - 56;'(6 / * 39;'(QR / - 12;'(Q, / * ;'(QF /

- w'9 /
4
; À '(6 / Ô
69)
*3;'(6) / - 14;'(6F / * 24;'(6, / - 18;'(6R / * 5;'(6 /

;---'(6 / Ô
29F
*2;'(67 / - 11;'(6) / * 24;'(6F / - 26;'(6, / * 14;'(6R /3;'(6 /

; À '(6 / Ô
9)
Ejercicio 9.1.
Sea la función T ( vw (, calcular la derivada por métodos numéricos en el punto ( 1 1.2, con
9 1 0.1, aplicando la formula de la primera diferencia finita hacia adelante.
Solución: 3.5320140921
Ejercicio 9.2.
Sea la función t u ?~{ (, calcular la derivada por métodos numéricos en el punto ( 1 0.5, con
9 1 0.1, aplicando la formula de la primera diferencia finita hacia adelante.
Solución: 0.6564499534
Ejercicio 9.3.
Sea la función t u , {tT (, calcular la derivada por métodos numéricos en el punto ( 1 1, con
9 1 0.1, aplicando la formula de la primera diferencia finita hacia atras.
Solución: 6.0434045143
Solución:
Ejercicio 9.4.
Completar el siguiente cuadro con las aproximaciones correspondientes, usar la formula de
los tres puntos.
( -0.4 -0.2 0.0 0.2

;'(/ 1.670320046 1.8187307531 2.0 1.8187307531
; , '(/
Solución: 0.670320046; 0.8187307531; 1; 1.2214027582
Ejercicio 9.5.
Completar el siguiente cuadro con las aproximaciones correspondientes, usar la formula que
mejor se ajuste al problema.
( -2 -1 0 1 2 3
;'(/ -4 -3 -2 -1 0 1
; , '(/
Solución: 1; 1 ; 1 ; 1; ;1; 1
Ejercicio 9.6.
Sea ;'(/ 1 ( F t u , + ?~{ (, para 9 1 0.2. Aproximar ; , '0.65/ y ; ,, '0.65/ usando la regla de
los tres puntos.
Solución: ; , '(/ 111.7287680713; ; ,, '(/ 158.5641254214
Ejercicio
Ejercicio 9.7.
Sea ;'(/ 1 2( , {tT (, para 9 1 0.2. Aproximar ; , '1/ y ; ,, '1/ usando la regla de los tres
puntos.
Solución: ; , '(/ 1 4.446488551; ; ,, '(/ 1 6.0053604166
Ejercicio 9.8.
Sea ;'(/ 1 3u cos (. Aproximar ;-'0.8/ usando los datos presentados en la tabla.
( 0.0 0.2 0.4 0.6 0.8 1.0

;'(/ 1 1.22089926 1.429344427 1.59552399 1.67782630 1.62090692
Solución: 0.1157259406
Ejercicio 9.9.
Sea ;'(/ 1 t u T 2(. Aproximar ;-'0.7/, usar 9 1 0.1 para resolver el problema.
Solución: 2.3214516387
Ejercicio 9.10.
Sea ;'(/ 1 2( t u {tT (. Aproximar ; , '(/ : ; ,, '(/ , usar 9 1 0.05 para resolver el
problema.
Solución: ; , '(/ 1 3.8182062862; ; ,, '(/ 1 11.8430905524
Ejercicio 9.11.
Sea la función 3 ( , t u , calcular la primera y la segunda derivada por métodos numéricos en el
punto ( 1 0.2, con 9 1 0.05, aplicando la formula de diferencias centrales.
Solución: ; , '(/ 1 1.6122516408; ; ,, '(/ 1 10.4063514995
Ejercicio 9.12.
Sea la función 3 ( , t u , calcular la primera y la segunda derivada por métodos numéricos en el
punto ( 1 0.5, con 9 1 0.1, aplicando las formulas de los tres puntos y luego de los cinco
puntos. Elaborar una conclusión comparativa entre los dos métodos.
Solución: ; , '(/ 1 6.1827047651; ; ,, '(/ 1 21.0211962014
Ejercicio 9.13.
Sea la función t u {tT (, calcular la derivada por métodos numéricos en el punto ( 1 1.3, con
9 1 0.1, aplicando las formulas de los tres puntos y los cinco puntos para hallar la primera y
segunda derivada.
Solución: ; , '(/ 1 4.5171133993; ; ,, '(/ 1 1.9630651209
Ejercicio 9.14.
Sea la función ;'(/ 1 t u , ( F , calcular la derivada por métodos numéricos en el punto ( 1 0.7,
con 9 1 0.05, aplicando la formula de las formulas de diferencias centrales para hallar la
primera y segunda derivada.
Solución: ; , '(/ 1 3.1833430922; ; ,, '(/ 1 15.7914841604
Ejercicio 9.15.
Sea ;'(/ 1 ( , t u , - vw (, para 9 1 0.1. Aproximar ; , '0.5/ y ; ,, '0.5/ usando la formula de
los cinco puntos.
Solución: ; , '(/ 1 2.9034781813 ; ,, '(/ 1 7.5178097431
Ejercicio 9.16.
Sea ;'(/ 1 3( , {tT (, para 9 1 0.1. Aproximar ; , '0.8/ y ; ,, '0.8/ usando la formula de
diferencias centradas.
Solución: ; , '(/ 1 4.7809861183; ; ,, '(/ 1 9.6151972606

Ejercicio 9.17.
7
Sea la función ;'(/ 1 . Usar el cuadro de abajo y una formula de derivación numérica
√u 7 F
más apropiada para aproximar ; , '1.2/ : ;--'1.2/.
( 1 1.1 1.2 1.3 1.4 1.5 1.6

;'(/ 2.5 2.43585 2.372895 2.308785 2.245066 2.182179 2.120472
Solución: ; , (() 1 *0.6087168249; ; ,, (() 1 0.1508082224
Ejercicio
Ejercicio 9.18.
Sea la función ;(() 1 2( cos ( . Usar el cuadro de abajo y una formula de derivación numérica
más apropiada para aproximar ; , (5.7) : ;--(5.7).
( 5.4 5.5 5.6 5.7 5.8 5.9 6.0

;(() 6.854683 7.795368 8.686348 9.51573 10.27203 10.94425 11.52204
Solución: ; , (() 1 7.9472407553; ; ,, (() 1 *7.3129835768
Ejercicio 9.19.
7u
Sea ;(() 1 (u 7 R). Aproximar ; , (0.5) : ; ,, (0.5) , usar 9 1 0.1 para resolver el
problema, aplicando formula de derivación numérica.
Solución: ; , (() 1 2.4; ; ,, (() 1 *7.04
Ejercicio 9.20.
R
Sea ;(() 1 . Aproximar ; , (*2) : ; ,, (*2) , usar 9 1 0.2 para resolver el problema.
5
Solución: ; , (() 1 *7.3890560989; ; ,, (() 1 7.3890560989.
Ejercicio 9.21.
Sea la función ;(() 1 (√( * 2 . Usar el cuadro de abajo y una formula de derivación numérica
más apropiada para aproximar ; , (2.6) : ;--(2.6).
Solución: ; , (() 1 *1.5061601902; ; ,, (() 1 4.8412291828

Gráficas
ráficas de los ejercicios de fijación
Las siguientes figuras ilustran las soluciones de los ejercicios de fijación, en cuanto a las
representaciones gráficas de las funciones, sus derivadas primeras y segundas.
Estas graficas se presentan a modo aclaratorio, pues, al “mirar” la gráfica de la función se tiene
una idea más clara del ejercicio analizado.
Ejercicio 9.1. Ejercicio 9.2. Ejercicio 9.3.

y y y
3.5 6
2
3
1.5 5
2.5
1 4
2
1.5 0.5 3
x
1 2
-1 -0.5 0.5 1 1.5 2
0.5 -0.5 1
x
x
-0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 -1
-0.5 -1 -0.5 0.5 1 1.5
-1.5 -1
Ejercicio 9.4. Ejercicio 9.5. Ejercicio

Ejercicio 9.6.
y y y
4 3
3 3 2.5
2 2
2 1.5
1
x
1
-2 -1 1 2 3 4 5
1
-1 0.5
x
x -2
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4
-1.5 -1 -0.5 0.5 1 1.5
-3 -0.5
-4
-1 -1
-5
-1.5

y y y
2.5 2.5 6
2 2
4
1.5 1.5
1 2
1
0.5 x
0.5
x
-1 -0.5 0.5 1 1.5 2 2.5
x
-0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
-0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 -2
-0.5
-0.5
-1 -4
-1

y y y
12 12
10 10 20
8 8
15
6
6
4 10
4
2
2
x 5
x
-0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
-0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
x
-0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4


y y y
8
16 8
14
6
6
12
4 10
4
8
2
6
2
x 4
-1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4 x
2
-0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1
x
-2
-1.5 -1 -0.5 0.5 1 1.5 2

y y y
12
2 10
10
1.5
8 5
1
6 0.5
1 2 3 4 5 6 7
4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
-5
-0.5
2
x
-1
-10
-1 -0.5 0.5 1 1.5 2 2.5 3
-1.5
-2 -15

y y y
8
8
6
6 6
4
4 4
2
2 2
x x
x
-0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 -4 -3 -2 -1 1 2 3 4
-1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-2 -2
-2
-4 -4
-4
-6
-6
-6
-8
-8
CÁPITULO 10 SOLUCIÓN NUMÉRICA DE E.D.O. 273
CAPÍTULO 10
SOLUCIÓN NUMÉ
NUMÉRICA
DE ECUACIONES DIFERENCIALES ORDINARIAS
Introducción
En esta unidad, se hará un breve estudio de los métodos numéricos básicos que se usan para
aproximar soluciones de algunas ecuaciones diferenciales.
Una ecuación diferencial ordinaria es aquella que involucra una variable independiente, una
variable dependiente y la derivada ó derivadas de esta variable dependiente.
En una ecuación diferencial, la incógnita es la variable dependiente y se espera encontrarla
como función de la variable independiente, de tal forma que si se sustituye dicha variable
dependiente, así como las derivadas que aparecen en la ecuación diferencial, la igualdad que
resulta será verdadera.
ejemplo, la ecuación: : , 1 :, cuya solución general es: : 1 ? t u , donde c es una constante

Existen una infinidad de funciones que resuelven una misma ecuación diferencial. Por
Las ecuaciones deferenciales del primer orden son del tipo :- 1 ;'(, :/, donde : 1 ;'(, :/
arbitraria que puede ser cualquier número real.
es una función de dos variables.

Cuando se precisa que la curva solución pase por un punto específico, entonces se dice que se
trata de una ecuación diferencial con condición inicial dada.
La importancia de los métodos numéricos en las ecuaciones diferenciales, radica en la
solución de ecuaciones diferenciales que no pueden resolverse por los métodos tradicionales,
de ahí la aplicación práctica de los métodos de aproximación.
Existen varios métodos de aproximación numérica de ecuaciones diferenciales:
El método de Euler.
El método de Euler mejorado.
Método de Taylor
El método de Runge-Kutta de orden 4.
El método de Adams – Bashforth.
El método de Adams – Moulton
En todos estos métodos se busca aproximar el valor :'(R / donde (R es un valor cercano a (6 ,
El método de Milne – Simpson, entre otros.
que corresponde a la condición inicial dada.

Entre las aplicaciones más simples de las ecuaciones diferenciales ordinarias se pueden citar
los métodos para hallar explícitamente las soluciones de problemas de primer orden de valor
inicial, en la práctica pocos de los problemas que se originan del estudio de fenómenos físicos
o de ingeniería se pueden resolver exactamente.
Condiciones iniciales
La ecuación diferencial de primer orden con condiciones iniciales dado por:
0:
v 1 2: 10.1
0v
0: 20v
Separando variables se tiene: 1
: v
Integrando miembro a miembro: ln : 1 2 T v - ?R 1 2 ln v - ln ?
Simpliicando lo anterior: ln : 1 ln ?v ,
La solucion de '10.1/ está dada por: :'v/ 1 ?v , 10.2
La ecuación '10.2/ se satisface para cualquier constante ? escogido arbitrariamente.

En la práctica, estas formulas explicitas, al ser traducidas como modelo matemático, resulta
una ecuación diferencial que involucra la razón de cambio de una función desconocida.
La figura '10.1/ muestra la grafica de la ecuación diferencial para algunos valores de ?.
y
?\0
8
2
x
-5 -4 -3 -2 -1 1 2 3 4 5
-2
-4
-6 ?]0
-8
Fig. 10.1.
Las siguientes definiciones se ajustan a las ecuaciones diferenciales ordinarias de primer

orden con condiciones iniciales.
Definición 10.1.
Un problema de primer orden con condiciones iniciales está definida como:
: , 1 ;'v, :/ :'v6 / 1 :6
Definición 10.2.
Sea : , 'v/ 1 ;'v, :/ :'v6 / 1 :6 un p`roblema de primer grado con condiciones iniciales, una
solución del problema es una función w'v/ derivable en yv6 , vR z tal que:
w, 'v/ 1 ;'v, w/ w'v6 / 1 :6 ?~T v U yv6 , vR z.
Definición 10.3.
10.3.
Una función ;: A > A se dice Lipschitz continua con constante ; tT (, escribiéndose
; U ö| '(/ si para toda : en una vecindad de ( se cumple que:
|;'(/ * ;':/| n ;|( * :|
Definición 10.4.
10.4.
Una función ;: , > A,, una función ì 1 } g n v n L, ? n : n 0~, se dice ; es Lipschitz
,D
continua con constante ; en : U ì, si se cumple que:

|;'v, :/ * ;'v, :R /| n ;|: * :R |
Muchas ecuaciones diferenciales parciales y problemas variacionales son definidos en un

dominio de Lipschitz.
Un dominio de Lipschitz (o dominio con frontera de Lipschitz) es un dominio en el Espacio
Euclidiano cuya frontera es "suficientemente regular" en el sentido que esta puede ser
considerada como si fuera la gráfica de una función continua de Lipschitz. El término fue dado
por el matemático Alemán Rudolf Lipschitz.
Convergencia
Definición 10.5. 'Condición de Lpschitz/

Lpschitz/
La función w: yK, Lz > A verifica una condición de Lipschitz si existe una constante ; no
negativa tal que |w'(/ * w':/| n ;|( * :|, para todo '(, :/ U yK, Lz
Definición 10.6. 'Aplicación contractiva/

La función w: yK, Lz > A es contractiva en yK, Lz si verifica una condición de Lipschitz con
constante 0 n ; ] 1, si existe una constante ; no negativa tal que:
|w'(/ * w':/| n ;|( * :|, para todo '(, :/ U yK, Lz
Lema: 10.1.
10.1.
Si ( m *1 : T m 0, entonces 0 n '1 - (/P n t Pu
Demostración:
Demostración:
Por el teorema de Taylor para t u , alrededor de ( 1 0, con T 1 1,
; ,, '?/ ,
Se tiene que: tu 1 1 - ( - (
2!
Como: ; ,, '?/ 1 t 0 ,
(, 0
Se tiene que: tu 1 1 + ( + t ,
2!
(, 0
0n1+( n1+(+ t
2!
Además:
De modo que: 0 n 1 + ( n tu
Como: Tm0
por ultimo: 0 n '1 + (/P n t Pu
Sean à, Ö U A , ^K _ZÉ6 una sucesión tal que K6 m * y además suponiendo que:
À
Lema 10.2.
KR n t 'R/ K - Ö 1 0, 1, 2, 3, … , [
Ö Ö
Tv~T?t{: KR n t 'R/ aK6 - c *
à à
Este lema se presenta sin demostración. 30
Método de Euler
Este método no es el más exacto, pero sí el más sencillo, además este método se torna en base
para el desarrollo de otros métodos de integración numérica.
El método de Euler está basado en el significado geométrico de la derivada de una función en
un punto dado.
Supongamos que tuviéramos la curva solución de la ecuación diferencial y trazamos la recta
tangente a la curva en el punto dado por la condición inicial.
El método de Euler se define por la siguiente ecuación:
àR Ô à - 9;'v , à /, à 1 :'v / 1 1,2,3, … , T
Otra forma muy utilizada de la formula de Euler es la siguiente:
:PR Ô :P - 9;'(P , :P /,
Esta fórmula de Euler se usa para aproximar el valor de :'(R / aplicando sucesivamente
desde (6 hasta (R en pasos de longitud 9.
Ejemplo 10.1.
Dada la siguiente ecuación diferencial con la condición inicial:
: , 1 2(:; :'0/ 1 1
Aproximar :'0.5/
Solución
Esta ecuación puede resolverse por métodos tradicionales de ecuaciones diferenciales,
aplicando el método de separación de variables.
Solución Analítica.
Analítica.
0:
1 2(:
0(
0:
1 2( 0(
:
0:
& 1 & 2( 0(
0(
ln|:| 1 ( , - ?
30
Demostración en Velázquez Zapateiro, Jorge (2007). Análisis Numérico. (pág. 244) Notas de clase. Edición
Uninorte. Barranquilla. Colombia.
Sustituyendo la condición inicial: ( 1 0 > :11

ln 1 1 0, - ?
01?
ln : 1 ( ,
Por lo tanto, la curva solución real está dada:
t _ D 1 t u
7
y 1 tu
7
y'0.5/ 1 t '6.7/ 1 1.284025

Luego, el valor real que se pide es:
7
Solución Numérica
La distancia entre (6 1 0 : (R 1 0.5 es bastante espaciada, para obtener una mejor
valor de 9 1 0.1
aproximación esta distancia debe ser fraccionada, se divide en cinco partes y se obtiene un
9 1 0.1; ;'(, :/ 1 2(:

Con esta premisa se obtendrá la aproximación deseada en cinco pasos.
Sean los datos: (6 1 0; :6 1 1;
Sustituyendo estos datos en la formula de Euler, se tiene, en un primer paso:
(6 1 0, :6 1 1
;'(6 , :6 / 1 2(: > ;'0, 1/ 1 2 · 0 · 1 1 0
:R 1 :6 - 9;'(6 , :6 / 1 1 - 0.1y0z 1 1
Aplicando la formula de Euler en un segundo paso:

(R 1 (6 - 9 1 0.1
;'(R , :R / 1 2(: > ;'0.1, 1/ 1 2 · '0.1/ · 1 1 0,2
:, 1 :R - 9;'(R , :R / 1 1 - 0.1y0.2z 1 1.02
Aplicando la formula de Euler en un tercer paso:

(, 1 (R - 9 1 0.2
;'(, , :, / 1 2(: > ;'0.2; 1.02/ 1 2 · '0.2/ · '1.02/ 1 0,408
:, 1 :R - 9;'(R , :R / 1 1.02 - 0.1y0.408z 1 1.0608
Aplicando la formula de Euler en un cuarto paso:

(F 1 (, - 9 1 0.3
;'(F , :F / 1 2(: > ;'0.3; 1.0608/ 1 2 · '0.3/ · '1.0608/ 1 0,63648
:F 1 :, - 9;'(, , :, / 1 1.0608 - 0.1y0.63648z 1 1.124448
Aplicando la formula de Euler en un quinto y último paso:

() 1 (F - 9 1 0.4
;'() , :) / 1 2(: > ;'0.4; 1.124448/ 1 2 · '0.4/ · '1.124448/ 1 0,8995584
:) 1 :F - 9;'(F , :F / 1 1.124448 - 0.1y0,8995584z 1 1.2144038
T (P :P
Resumiendo las operaciones anteriores, se tiene la siguiente tabla:
0 0
1 0.1
1
2 0.2
1
3 0.3
1.02
4 0.4
1.0608
5 0.5
1.12445
1.2144
: , 1 2(: bajo condición inicial :'0/ 1 1, aproximando a :'0.5/

Se concluye que por el método de Euler en cinco pasos, las ecuación diferencial
:'0.5/ Ô 1.2144
1 |¿À * ¿g | 1 |1.284025 * 1.2144| 1 0.069625

Calculo de error
¿À * ¿g 0.069625
Å 1 û û 1 û ûû û 1 0.054224
¿À ¿À 1.284025
% 1 Å 100% 1 0.054224 100% 1 5.4%
Aplicar el método de Euler para aproximar :'1.3/, dada la ecuación diferencial.

Ejemplo 10.2.
: , 1 ( , - 0.5 : , ; :'1/ 1 2
Se divide en tres pasos para conseguir mejor aproximación. Así, se tiene el valor de 9 1 0.1
Solución
Aplicamos el método de Euler con los siguientes datos, se tiene:
(6 1 1; :6 1 2; 9 1 0.1; ;'(, :/ 1 ( , - 0.5 : ,
Sustituyendo estos datos en la formula de Euler, se tiene:
(6 1 1; :6 1 2
;'(6 , :6 / 1 ( , - 0.5 : , > ;'1; 2/ 1 1, - '0.5/2, 1 3
:R 1 :6 + 9;'(6 , :6 / 1 2 - 0.1y3z 1 2.3
(R 1 (6 + 9 1 1.1
Aplicando la formula de Euler en un segundo paso:
;'(R , :R / 1 ( , - 0.5 : , > ;'1.1; 2.3/ 1 '1.1/, - '0.5/'2.3/, 1 3.855

:, 1 :R + 9;'(R , :R / 1 2.3 - 0.1y3.855z 1 2.6855
(, 1 (R + 9 1 1.2
Aplicando la formula de Euler en un tercer paso:
;'(, , :, / 1 ( , - 0.5 : , > ;'1.2; 2.6855/ 1 '1.2/, - '0.5/'2.6855/, 1 5.045955

:F 1 :, + 9;'(, , :, / 1 2.6855 - 0.1y5.045955z 1 3.1901
El resumen de los tres pasos se presenta en la siguiente tabla:
T (P :P
0 1 2
1 1.1 2.3
2 1.2 2.6855
3 1.3 3.1901
diferencial : , 1 ( , - 0.5 : , , con condición inicial :'1/ 1 2, aproximando a :'1.3/

Se concluye que por el método de Euler, en este caso, en solo tres pasos, las ecuación
:'1.3/ Ô 3.1901
Método de Euler mejorado

La idea básica es la misma que el método anterior, pero mejora la aproximación, tomando
un promedio entre ciertas pendientes.
La formula de este método es la siguiente:
;'(P , :P / - ;G(PR , : PR I
2
:PR 1 :P - 9 J K
Donde: : PR 1 :P - 9;'(P , :P /
Aplicar el método de Euler mejorado, para aproximar :'0.5/ si:

Ejemplo 10.3.
: , 1 2(:; :'0/ 1 1
Solución
Se aplica el valor de 9 1 0.1, encontrando la aproximación después de cinco iteraciones. A
diferencia del método de Euler, en cada iteración se requiere de dos cálculos en vez de uno
solo: el de : P primero y posteriormente el de :P .
Se parte de los siguientes datos iniciales:
(6 1 0; :6 1 1; 9 1 0.1; ;'(, :/ 1 2(:
En la primera iteración se tiene:
(R 1 (6 - 9 1 0 - 0.1 1 0.1
: R 1 :6 - 9 · ;'(6 , :6 / 1 1 - 0.1y2'0/'1/z 1 1
;'(6 , :6 / 1 2(: > ;'0, 1/ 1 2 · '0/ · '1/ 1 0
;G(R , : R I 1 2(: > ;'0.1, ; 1/ 1 2 · '0.1/ · '1/ 1 0.2
;'(6 , :6 / - ;G(R , : R I 0 - 0.2

K 1 1 - 0.1 ¶ L 1 1.01
2 2
:R 1 :6 - 9 J
Haciendo una comparación con el problema (10.1.), se nota que el valor de : R coincide con el
valor de :R del primer método de Euler, y es el único valor que va a coincidir, pues para
calcular : , se usará :R y no : R .
En la segunda iteración se tiene:

(, 1 (R - 9 1 0.1 - 0.1 1 0.2
;'(R , :R / 1 2(: > ;'0.1; 1.01/ 1 2 · '0.1/ · '1.01/ 1 0.202
: , 1 :1 - 9 · ;G(1 , :1 I 1 1.01 - 0.1y0.202z 1 1.0302
;G(, , : , I 1 2(: > ;'0.2; 1.0302/ 1 2 · '0.2/ · '1.0302/ 1 0.41208
;'(R , :R / - ;G(, , : , I 0.202 - 0.41208

:, 1 :R - 9 J K 1 1.01 - 0.1 ¶ L 1 1.040704
2 2
En la tercera iteración se tiene:

(F 1 (, - 9 1 0.2 - 0.1 1 0.3
;'(, , :, / 1 2(: > ;'0.2; 1.040704/ 1 2 · '0.2/ · '1.040704/ 1 0.416282
: F 1 :2 - 9 · ;G(2 , :2 I 1 1.040704 - 0.1y0.416282z 1 1.0823322
;G(F , : F I 1 2(: > ;'0.3; 1.0823322/ 1 2 · '0.3/ · '1.0823322/ 1 0.64939932
;'(, , :, / - ;G(F , : F I
K1
2
:F 1 :, - 9 J
0.416282 - 0.64939932
:F 1 1.040704 - 0.1 ¶ L 1 1.093988
2
En la cuarta iteración se tiene:

() 1 (F - 9 1 0.3 - 0.1 1 0.4
;'(F , :F / 1 2(: > ;'0.3; 1.093988/ 1 2 · '0.3/ · '1.093988/ 1 0.6563928
: ) 1 :3 - 9 · ;G(3 , :3 I 1 1.093988 - 0.1y0.6563928 z 1 1.1596273
;G() , : ) I 1 2(: > ;'0.4; 1.1596273/ 1 2 · '0.4/ · '1.1596273/ 1 0.927702
;'(F , :F / - ;G() , : ) I
K1
2
:) 1 :F - 9 J
0.6563928 - 0.927702
:) 1 1.093988 - 0.1 ¶ L 1 1.17319274
2
Por último, en la quinta iteración se tiene:

(7 1 () - 9 1 0.4 - 0.1 1 0.5
;'() , :) / 1 2(: > ;'0.4; 1.17319274/ 1 2 · '0.4/ · '1.17319274/ 1 0.9385542
: 7 1 :4 - 9 · ;G(4 , :4 I 1 1.17319274 - 0.1y0.9385542 z 1 1.2670482
;G(7 , : 7 I 1 2(: > ;'0.5; 1.2670482/ 1 2 · '0.5/ · '1.2670482/ 1 1.2670482
;'() , :) / - ;G(7 , : 7 I
2
:7 1 :) - 9 J K
0.9385542 - 1.2670482
:7 1 1.17319274 - 0.1 ¶ L 1 1.28347286
2
Se resumen los resultados obtenidos en la siguiente tabla:
n (P :P
0 0 1
1 0.1 1.01
2 0.2 1.040704
3 0.3 1.093988
4 0.4 1.173192
5 0.5 1.28347286
Se concluye que la aproximación obtenida con el método de Euler mejorado es:

:'0.5/ 1 1.28347286
Con fines de comparación, se calcula el error producido por este método de Euler mejorado, El
valor verdadero de la función analizada es :'0.5/ 1 1.284025, según dato del ejemplo (10.1)
Calculo de error
1 |¿À * ¿g | 1 |1.284025 * 1.28347286 | 1 0.000552 1 '5.52/ · 10Q)
¿À * ¿g 0.000552
Å 1 û û 1 û ûû û 1 0.00043 1 '4.3/ · 10Q)
¿À ¿À 1.284025
% 1 Å 100% 1 0.00043 100% 1 0.043%

Se verifica, que con este método de Euler mejorado, se ha obtenido una mejor aproximación,
reduciendo el error relativo verdadero de un 5.4% hasta un 0.043%.
Ejemplo 10.4.
Aplicar el método de Euler mejorado para aproximar :'1.3/ si se tiene:
: , 1 ( * : - 5; coT :'1/ 1 2
Solución
;'(, :/ 1 ( * : - 5
Se parte de los siguientes datos
(6 1 1; :6 1 2; 9 1 0.1;
En la primera iteración se tiene:
(R 1 (6 - 9 1 1 - 0.1 1 1.1
;'(6 , :6 / 1 ( * : - 5 > ;'1; 2/ 1 1 * 2 - 5 1 4
: 1 1 :6 - 9 · ;'(6 , :6 / 1 2 - 0.1y4z 1 2.4
;G(R , : R I 1 ( * : - 5 > ;'0.1; 2.4/ 1 1.1 * 2.4 - 5 1 3.7
;'(6 , :6 / - ;G(R , : R I 4 - 3.7

K 1 2 - 0.1 ¶ L 1 2.385
2 2
:R 1 :6 - 9 J
Las siguientes iteraciones son simplemente repeticiones de esta primera iteración, razón por
la cual se omite en este problema, pues el ejemplo anterior describe claramente el proceso
realizado en la resolución del ejemplo.
La siguiente tabla arroja el resumen de de los datos obtenidos en este ejemplo:
n (P :P
0 1 2
1 1.1 2.385
2 1.2 2.742925
3 1.3 3.07635
Se concluye que la aproximación buscada es: :'1.3/ Ô 3.07635
Método de Runge – Kutta

Este método sigue una dirección diferente en comparación a los métodos de Euler. El método
de Runge – Kutta está basado en una aplicación de los polinomios de Taylor.
1
Las siguientes fórmulas expresan el método de Runge – Kutta:
:PR 1 :P - y[R - 2[, - 2[F - [) z

6
'10.5/
Donde: [R 1 9 · ;'(P , :P /
[, 1 9 · ; p(P - 9; :P - [R q
1 1
2 2
[F 1 9 · ; p(P - 9; :P - [, q
1 1
2 2
[) 1 9 · ;'(P - 9; :P - [F /
la ecuación diferencial: : , 1 ;'(, :/;

Estas formulas se conocen como las reglas o fórmulas de Runge-Kutta de orden cuatro para
:'(6 / 1 :6
Ejemplo 10.5
Usar el método de Runge-Kutta para aproximar :'0.5/ dada la siguiente ecuación
diferencial: : , 1 2(:; :'0/ 1 1
Solución
Este ejercicio es el mismo del ejemplo (10.1), su uso se debe a la facilidad de comparación que
;'(, :/ 1 2(:
se logra entre los distintos métodos estudiados.
Sean los datos iniciales: (6 1 0; :6 1 1; 9 1 0.1;
Para hallar el valor de :R Se calculan los valores de los distintos [R , [, , [F y [)
[R 1 9 · ;'(6 , :6 / 1 0.1y2 · 0 · 1z 1 0
1
[, 1 9 · ; p(6 - 9; :6 - [R q 1 '0.1/ · ;'0.05; 1.5/ 1 '0.1/ · y'2 · '0.05/'1.5/z 1 0.015
1
2 2
[F 1 9 · ; p(6 - 9; :6 - [, q 1 '0.1/ · ;'0.05; 1.0075/ 1 '0.1/ · y'2 · '0.05/'1.0075/z

1 1
2 2
[F 1 0.010075
[) 1 9 · ;'(6 - 9; :6 - [F / 1 '0.1/ · ;'0.1; 1.010075/ 1 '0.1/ · y'2 · '0.1/'1.010075/z

[) 1 0.0202015
1
Ahora se aplica la formula de Runge _ Kutta
:R 1 :6 - y[R - 2[, - 2[F - [) z

6
1
:R 1 1 - y0 - 2'0.015/ - 2'0.010075/ - 0.0202015z 1 1 - 0.01172525 1 1.01172525
6
Una vez encontrado el valor de :R , se realiza el mismo procedimiento para hallar el valor de
Por razones prácticas, se redondean algunas cifras.
:, , se procede a la siguiente iteración.

Sean los datos para esta iteración:
(R 1 0.1; :R 1 1.0117; 9 1 0.1; ;'(, :/ 1 2(:
Para hallar el valor de :, Se calculan los valores de los distintos [R , [, , [F y [)
[R 1 9 · ;'(R , :R / 1 0.1y2 · '0.1/ · '1.0117/z 1 0.020234
[, 1 9 · ; p(R - 9; :R - [R q 1 '0.1/ · ;'0.15; 1.022/ 1 '0.1/ · y'2 · '0.15/'1.022/z

1 1
2 2
[, 1 0.03066
[F 1 9 · ; p(R - 9; :R - [, q 1 '0.1/ · ;'0.15; 1.027/ 1 '0.1/ · y'2 · '0.15/'1.027/z

1 1
2 2
[F 1 0.0308
[) 1 9 · ;'(R - 9; :R - [F / 1 '0.1/ · ;'0.2; 1.0425/ 1 '0.1/ · y'2 · '0.2/'1.0425/z
[) 1 0.0417
Ahora se aplica la formula de Runge _ Kutta para hallar el valor de :,

1
:, 1 :R - y[R - 2[, - 2[F - [) z
6
1
:, 1 1.0117 - y0.020234 - 2'0.03066/ - 2'0.0308/ - 0.0417z
6
:, 1 1.0117 - 0.03081 1 1.042509
Hasta aquí se lograron obtener los valores de:
:R 1 1.01172525; :, 1 1.042509
Este mismo proceso debe seguirse hasta obtener el valor de :7 .
Resumiendo los cálculos posteriores, se tiene la siguiente tabla de resultados:
n (P :P
0 0 1
1 0.1 1.011725
2 0.2 1.042509
3 0.3 1.09417
4 0.4 1.17351
5 0.5 1.28403
:'0.5/ Ô 1.28403
De esta tabla se concluye que el valor obtenido con el método de Runge-Kutta es:
1 |¿À * ¿g | 1 |1.284025 * 1.28403 | 1 0.000005 1 '5/ · 10Q

Calculo de error
¿À * ¿g 0.000005
Å 1 û û 1 û ûû û 1 0.00000389 1 '3.89/ · 10Q
¿À ¿À 1.284025
% 1 Å 100% 1 0.0000039 100% 1 0.00039%

Con este resultado se demuestra que el error se redujo muchísimo, obteniéndose cuatro cifras
decimales correctas.
Entre los métodos estudiados hasta ahora, el de Runge - Kutta es la que presenta mayor
aproximación, pero en contrapartida, es el método más trabajoso.
Ejemplo 10.6.
Usando el método de Runge-Kutta, aproximar :'2.2/ dada la ecuación diferencial:
: , 1 ( - :; :'2/ 1 4
Solución
En este ejercicio se realizaran cálculos un poco más directos, y por lo tanto, no muy detallados
como el los ejemplos anteriores.
Tomando 9 1 1, es posible llegar al resultado buscado en dos pasos. Se inicia el calculo con los
siguientes datos del problema:
(6 1 2; :6 1 4; 9 1 0.1; ;'(, :/ 1 ( - :; (R 1 (6 - 9 1 2.1
Para hallar el valor de :R Se calculan los valores de los distintos [R , [, , [F y [)
[R 1 9 · ;'(6 , :6 / 1 0.1y2 - 4z 1 0.6
1 1
[, 1 9 · ; p(6 - 9; :6 - [R q 1 '0.1/ · '2.05 - 4.3/ 1 0.635
2 2
1 1
[F 1 9 · ; p(6 - 9; :6 - [, q 1 '0.1/ · '2.05 - 4.3175/ 1 0.63675
2 2
[) 1 9 · ;'(6 - 9; :6 - [F / 1 '0.1/ · '2.1 - 4.63675/ 1 0.673675
Ahora se aplica la formula de Runge _ Kutta

1
:R 1 :6 - y[R - 2[, - 2[F - [) z
6
1
:R 1 1 - y0.6 - 2'0.635/ - 2'0.63675/ - 0.673675z 1 4 - 0.636195833 1 4.6362
6
Se procede a la segunda iteración:
Sean los datos para esta iteración:
(R 1 2.1; :R 1 4.6362; 9 1 0.1; ;'(, :/ 1 ( - :; (, 1 (R - 9 1 2.2
Para hallar el valor de :, Se calculan los valores de los distintos [R , [, , [F y [)
[R 1 9 · ;'(R , :R / 1 0.1y2.1 - 4.6362z 1 0.67362

[, 1 9 · ; p(R - 9; :R - [R q 1 '0.1/ · '2.15 - 4.97301/ 1 0.7123

1 1
2 2
[F 1 9 · ; p(R - 9; :R - [, q 1 '0.1/ · '2.15 - 4.99235/ 1 0.71424

1 1
2 2
[) 1 9 · ;'(R - 9; :R - [F / 1 '0.1/ · '2.2 - 5.35044/ 1 0.75504
Ahora se aplica la formula de Runge _ Kutta para hallar el valor de :,

1
:, 1 :R - y[R - 2[, - 2[F - [) z
6
1
:, 1 4.6362 - y0.67362 - 2'0.7123/ - 2'0.71424/ - 0.75504z
6
:, 1 4.6362 - 0.713623 1 5.34982333
Se concluye que el valor buscado es :'2.2/ 1 5.34982333
Dada la ecuación diferencial: : , 1 Ý( , - : , ; bajo condiciones inciales :'2/ 1 0.5

Ejercicio 10.1.
Usar el método de Euler para aproximar :'2.3/ tomando 9 1 0.1 en cada paso del proceso
iterativo.
Solución: :'2.3/ Ô 1.16647
Dada la ecuación diferencial: : , 1 ln'( - :/ ; bajo condiciones inciales :'1/ 1 1.5

Ejercicio 10.2
10.2.
iterativo.
Solución: :'1.3/ Ô 1.79679
Ejercicio 10.3
10.3.
Dada la ecuación diferencial:
: , 1 2( - : * 3; bajo condiciones inciales :'2/ 1 1
Usar el método de Euler mejorado para aproximar :'2.3/ tomando 9 1 0.1 en cada paso del
proceso iterativo.
Solución: :'2.3/ Ô 1.79693

Ejercicio 10.4
10.4.
1
:, 1 ; con: :'3/ 1 2.5

(, -:
proceso iterativo.
Solución: :'3.3/ Ô 2.52417
Ejercicio 10.5
10.5.
1
: , 1 ln ( - ; con: :'4/ 1 5
:
Usar el método de Runge – Kutta para aproximar :'4.3/ tomando 9 1 0.1 en cada paso del
proceso iterativo.
Solución: :'4.3/ Ô 5.48415
Ejercicio 10.6
10.6.
: , 1 √( - Ý:; con: :'3/ 1 10
proceso iterativo.
Solución: :'3.3/ Ô 11.5158
Ejercicio 10.7
10.7.
2(: - '1 - ( , /: , 1 0; con: :'0/ 1 1

iterativo.
Solución: :'0.6/ Ô 0.7352941176
Ejercicio 10.8
10.8.
2(: - '1 - ( , /: , 1 0; con: :'0/ 1 1

proceso iterativo.
Solución: :'0.6/ Ô 0.7352941176

Ejercicio 10.9
10.9.
2(: - '1 - ( , /: , 1 0; con: :'0/ 1 1

proceso iterativo.
Solución: :'0.6/ Ô 0.7352941176
Ejercicio 10.10
10.10.
10.
(: - '2 * ( , /: , 1 0; con: :'0/ 1 1

iterativo.
Solución: :'0.4/ Ô 0.92

288
BIBLIOGRAFÍA CONSULTADA
Alemán Flores, Miguel. Álvarez León, Luis. Sánchez Pérez, Javier. Análisis Numérico.
Departamento de Informática y sistemas. Universidad de Las Palmas. Campus de Tafira.
Las Palmas. España.
Bernis Carro, Francisco; Malet, Antonio; Molinas, Cesar. (1983). Matemáticas, Curso de
orientación universitaria. Editorial Noguer, S.A.Madrid. España.
Burden, Richard L.; Faires, J. Douglas. (1985). Análisis Numérico. Grupo Editorial
Iberoamericana S.A. de C.V. México.
Franco, Neide. Calculo numérico. (493 páginas).
Galdós, L. (2004).Matemáticas Galdós. Editorial Cultural S.A. Madrid. España
Gerald, Curtis F. Whetley, Patrick O. (2000). Análisis numérico con aplicaciones. Sexta
Edición. Pearson Educación. México.
Negrón Marrero, Pablo V. Notas de Análisis Numérico. Universidad de Puerto Rico.

Departamento de Matemáticas.
Oteyza de Oteyza, Elena. Lam Osnaya, Emma.. Hernández Garciadiego, Carlos. Carrillo
Hoyo, Ángel Manuel. (1998)Temas Selectos de Matemáticas. Prentice Hall. México.
Vargas S, María Leonor. (2000). Introducción al Calculo Numérico. Departamento de

Ingeniería matemática. Facultad de Ciencias Físicas y matemáticas. Universidad de Chile.
Velázquez Zapateiro, Jorge. Obeso Fernández, Virgilio. (2007). Análisis Numérico (Notas
de clase). Ediciones Uninorte. Barranquilla. Colombia.
Sitios de Internet
docentes.uacj.mx/gtapia/AN/ -
es.wikipedia.org/wiki/
es.wikipedia.org/wiki/Análisis numérico –
http://mailweb.udlap.mx/~ccastane/Analisis_Numerico_html/Unidad7_html/Sub7_2/Su
b7-2.html (12 de 12) [10/01/2003 19:41:39]
matematicas.udea.edu.co/
www.monografias.com/
Programas informáticos
Graph 4.3. (Freeware)
Derive 5. (Evaluación
289

Metodos Numericos Itesco

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 Itesco

Uploaded by

Copyright:

Available Formats

CÁLCULO NUMÉRICO

ROBERTO RIVEROS ESCURRA, Lic. Matemáticas

La elaboración de este libro de Calculo Numérico, surgió de la necesidad de contar con

a) Cada contenido cuenta con los teoremas que sustentan matemáticamente y

b) Cada contenido cuenta con definiciones matemáticas que orientan el proceso de

c) Cada tema presentado cuenta con ejemplos desarrollados didácticamente,

d) Al final de cada capítulo se presentan abundantes ejercicios de fijación, con las

Lic., Roberto Riveros E.

1 Materia particular que enseña un catedrático

Algunos conceptos fundamentales

Función algebraica explicita

Función por intervalo

-0.5 0.5 1 1.5 2 2.5

-0.5 0.5 1 1.5 2 2.5

-0.5 0.5 1 1.5 2 2.5

La ordenada se obtiene sustituyendo el valor numérico de ( obtenido previamente, en la

3 9 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3

-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2

-1 -0.5 0.5 1 1.5 2 2.5 3

*1 *3 -1 -0.5 0.5 1 1.5 2 2.5 3

-1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5

;'(/ 1 t u - vw (, ;'(/ 1 5u , ;'(/ 1 ln ( * 2

π/2 π 3π/2 2π 5π/2 3π

π/2 π 3π/2 2π 5π/2 3π

2 0,11111 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

Función exponencial de base e

-2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

Algunas de las propiedades de la función logarítmica:

h) La operación logaritmación (extracción de logaritmos, o tomar logaritmos) es siempre

0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5

División sintética. Regla de Ruffini

Paso 3: se baja el primer coeficiente '3/

Comprobando: ( ) * ( * 2 1 '( - 1/'( F * ( , - ( * 2/ 1 ( ) * ( * 2

Raíces enteras de polinomios enteros

'( * 7/, * 4 1 '( * 9/'( * 5/ '( * 7/, * 4 1 '( * 9/'( * 5/

La expresión (x – 7)2 – 4 = (x – 9) (x – 5) es una identidad, puesto que se convierte en una

Al sustituir ( 1 3 en la ecuación 2( * 3 1 √( - 6, éste se verifica, o sea, hace la proposición

Raíces racionales de polinomios enteros

Si el polinomio tiene la forma M'(/ 1 KP ( P - KPQR ( PQR - S - KF ( F - K, ( , - KR ( - K6 ,

Ecuaciones de primer grado

Aplicando: ;'K/  ;'L/ ] 0

Matemáticas. Editorial Noger S.A. Madrid, España. Pág. 468.

Forma sencilla de evaluar polinomios:

Polinomios que no tienen raíces racionales

Cotas para las raíces de polinomios

Evaluando la ecuación en M'*(/ se tiene: M'(/ 1 6( ) - 11( F - 10( , - 11( - 4, donde se

Entonces '2 * / es raíz del polinomio.

La figura 1.22 representa gráficamente la ecuación: M'(/ 1 ( ) * ( F * 11( , - 31( * 20

Graficar la función y halla la raíz 4

De: ;'(/ 1 ( , * 2( * 1; K 1 1, L 1 *2, ? 1 *1

El vértice está en '1, *2/

El codominio de la función es y*2, ∞y, pues la

grafica abre hacia arriba y la ordenada del vértice -2

-0.5 0.5 1 1.5 2

El codominio de la función es: '*∞, -∞/ 1

El valor de ( esta dado por: *( F - 3 1 0 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

El dominio, el codominio y grafica. -2 -1.5 -1 -0.5 0.5 1 1.5 2

De la funcion ;'(/ 1 √4 * 2(. Halla:

El codominio de la función es: y0, ∞/

La gráfica corta al eje : en 2 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5

La única raíz de la función es ( 1 2

De la funcion ;'(/ 1 √9 * ( , . Halla: 3

El dominio, el codominio, las raices y grafica. 2

1 3 -1 -0.5 0.5 1 1.5 2 2.5 3

Aplicando: ;'K/ ;'L/ ] 0

Entonces '2 * / es raíz del polinomio.

De: ;'(/ 1 ( , * 2( * 1; K 1 1, L 1 2, ? 1 1

¯°±²³´óµ: dominio 1 '∞, ∞/ codominio 1 y9.25, ∞/ raices 1 1, 0.5

¯°±²³´óµ: dominio 1 '∞, ∞/ codominio 1 '∞, ∞/ raiz 1 1,71

¯°±²³´óµ: dominio: '∞, ∞/ codominio 1 y3.32, ∞/

¯°±²³´óµ: dominio: y2.8284, 2.8284z codominio 1 y0, 4z raices 1 2.828 y 2.828

'2( F - 7( , - 4( * 3/ '( * 3/ ¯°±²³´óµ: 2( , * ( - 1

'( * 81/ '( - 3/

'( F - 2( * 56/ '( * 9/ ·¸¹´º²° 1 691

'( - 9( * 12( - 31/ '( - 7/

'( ) - ( F * 2( , * 2(/ '( - 2/ ·¸¹´º²° 1 4

'( - 8( , - 2( - 15/ '( - 8/

M'(/ 1 ( 7 6( ) * 7( F - 5( , - 6( - 8, K 1 *4 ¯°±²³´óµ: '( - 4/ { es factor

M'(/ 1 2( 7 - 4( ) 3( F - 5( , - 7( * 10, K12 ¯°±²³´óµ: '( * 2/ { es factor

M'(/ 1 7( * 23( * 5( 7 - 4( ) - 6( F * 23 ¯°±²³´óµ: 1 raiz '*/

M'(/ 1 3( * 5( 7 * 11( ) - 28( F - 16( , * 32( * 16 ¯°±²³´óµ: 3 raices'-/ y 3 raices '*/

M'(/ 1 ( 7 - 6( ) * 6( F * 64( , * 27( - 90 ¯°±²³´óµ: \ 4 : ] *7

M'(/ 1 ( 7 - 9( ) - 21( F - 21( , - 20( - 12 ¯°±²³´óµ: \ 1 : ] *9

M'(/ 1 2( 7 - 25( ) * 22( F * 113( , - 56( - 52 ¯°±²³´óµ: \ 3 : ] *14

¯°±²³´óµ: '2 - /, '2 * /; √20, *√20