Universidad Nacional Experimental Politcnica

Antonio Jos de Sucre

Vice Rectorado Lus Caballero Mejas

Maestra en Ingeniera Mecnica

Asignatura: Mtodos Aproximados en Ingeniera

Profesor: Ing. Pablo Rodrguez, PhD.



















Caracas, Agosto de 2004
ii




CONTENIDO




Pgina

Agradecimiento

v
Seccin I Revisin Breve de algunos tpicos matemticos

1
Seccin II Solucin numrica de polinomios y funciones
transcendentales

7
Seccin III Interpolacin y aproximacin. Polinomio
Interpolante de Lagrange

28
Seccin IV Mnimos cuadrados, Aproximacin polinmica

33
Seccin V Mtodo de eliminacin de Gauss-Jordan para
resolver ecuaciones simultneas lineales
43


Seccin VI


Seccin VII

Seccin VIII
Mtodos iterativos aplicados a sistemas de
ecuaciones lineales

Integracin Numrica

Diferenciacin Numrica
51


56

84
iii

Seccin IX


Seccin X


Anexo A

Anexo B


Anexo C

Anexo D


Anexo E


Anexo F


Anexo G

Anexo H


Anexo I


Solucin Numrica de Ecuaciones Diferenciales
Parciales Mediante Diferencias Finitas

Uso de Aproximaciones Mediante Elementos
Finitos en Anlisis Numricos

Algoritmo Tridiagonal

Solucin de Problemas Mediante los Mtodos
Explcito e Implcito

Algoritmo de una Matriz Triangular

Solucin de una Ecuacin Diferencial Mediante el
Mtodo de Elementos Finitos

Error Absoluto. Error Relativo. Cifras
Significativas y Nmero de Decimales Correctos

Diferencias Divididas, Polinomio Interpolante de
Newton

Programas Computacionales

Principales Instrucciones en Basic Usadas para
Resolver Problemas de Anlisis Numrico

Tareas


95


129


138

145


153

160



175

180


202

216


226

iv
Referencias

Trabajos






Complementarios

Simulacin del Proceso de Forja en Caliente de
Codos sin Costura.

Mtodo de Elemento Finito.

Solucin Implcita simple para la Ecuacin de
Conduccin del Calor.

Ecuacin de un Elemento para Una Barra
Calentada.

Modelado en Elementos Finitos del Viaducto 1
Caracas La Guaira.

Solucin de una Ecuacin Diferencial mediante el
Mtodo de Elementos Finitos aplicando
Funciones de Peso a los Residuos con el Mtodo
Especial de Galerkin.

Mtodo de Elemento Finito para la Simulacin de
las temperaturas nodales en un tabique para
fuegos.

Distribucin de Temperatura en una Barra Larga
y Delgada (Mtodo Explcito).

Simulacin Numrica de Procesos.


238

240






v





AGRADECIMIENTO



El manual original fue preparado gracias a la colaboracin de las
siguientes personas: Luca Rojas quien particip en la redaccin, el Ingeniero
Emilio Santana elabor los programas computacionales, el Tcnico Justino
Rojas hizo la totalidad de los dibujos, y la Seora Carmen Rosa Guerra
mecanografi el texto.

La elaboracin de la nueva versin de este manual fue posible gracias
al trabajo de los Estudiantes la Asignatura Mtodos Aproximados en
Ingeniera de la Maestra en Ingeniera Mecnica de la UNEXPO, Vice
Rectorado Luis Caballero Mejas durante el primer perodo del ao 2.004,
los cuales se mencionan a continuacin: Ing. Varosky Cediel, Ing. Daniele
Spinosa, Ing. Hctor Urbina, Ing. Gilberto Durn, Ing. Edson Ballen, Ing.
Jess Gonzlez, Ing. Nancy Chacn, Ing. Javier Liste, Ing. Jos Baldes, Ing.
Eduardo Mendoza, Ing. Ronald Galea e Ing. Jos Sosa; todos bajo la
coordinacin del Profesor de la asignatura PhD. Pablo Rodrguez.






vi
















I REVISIN BREVE DE ALGUNOS TOPICOS MATEMATICOS














vii











1.1 INTRODUCCION.




El objetivo de esta seccin es revisar los conceptos usados con mayor
frecuencia en el texto. Ellos son los siguientes: la pendiente de una funcin,
el teorema del valor medio para derivadas, el teorema de Rolle, la formula de
Taylor con residuo y el teorema fundamental de lgebra.










viii

f(b)
f(x)
f(a)
1.1.1. Pendiente de una Funcin

x

Fig. 1-1 Funcin de pendiente constante


Fig. 1-2 Funcin de pendiente nula









Fig. 1-3 Funcin de pendiente variable

f(b)
f(x)
f(a)
f(b)
f(x)
f(a)
=

=
a b
a f b f
dx
df ) ( ) (

Pendiente
constante

(1-1)
a b
x
y
=

=
a b
a f b f
dx
df ) ( ) (

Pendiente igual
a cero

(1-2)
Sea f(x) continua en [a,b] y diferenciable en (a,b)
f(x)
b

a

) (
) ( ) (
`
0
0
f
a b
a f b f
dx
df
X
=

=
=
f(x)
f(x)
a b

x
Tangente en el punto X =
ix
1.1.2. Teorema del valor medio para derivadas (o valor intermedio)

Si f(x) es continua sobre el intervalo cerrado y finito
| | b a,
y
diferenciable para
b x a < <
, entonces existe por lo menos un valor de
= x


donde:
( )
( ) ( )
a b
a f b f
f

= '
(1-4)









Fig. 1-4 Funcin de pendiente nula en el punto
= x



Usando el teorema del valor medio para derivadas:

) ( '
) ( ) (
f
a b
a f b f
=

(1-5)

Si
), ( ) ( b f a f =
entonces:

0
0 ) ( ) (
0 ) ( ' =

= =
a b a b
a f b f
f

Tangente a f(x) en el punto = x
f(b)
f(x)
f(a)
x

1.1.3. Teorema de Rolle.

Sea f(x) continua sobre el intervalo
b x a s s
y diferenciable sobre el intervalo
. b a < <
Entonces,
Si
), ( ) ( b f a f =
existe por lo menos un valor de
= x
de tal manera que
b a < <
y
0 ) ( ' = f
(1-6)

Observe que puede existir varios valores
,
1
,
2

donde

0 ) ( ' ) ( ' ) ( '
2 1
= = =
n
f f f
(1-7)

1.1.4. Frmula de Taylor con residuo.

Sea una funcin
) (x f
que posea
) 1 ( + n
derivadas continuas en el intervalo
| | b a,
y sea c un punto cualquiera en dicho intervalo. Entonces podemos
escribir:
) (
!
) )( (
! 2
) )( ( ' '
) )( ( ' ) ( ) (
1
) ( 2
x R
n
c x c f c x c f
c x c f c f x f
n
n n
+
+

+ +

+ + =
(1-8)
donde:
ds s f s x
n
x R
n
n
c
n
n
=
+
+
}
) ( ) (
!
1
) (
) 1 (
1

(1-9)
Un ejemplo del desarrollo de la frmula de Taylor es:
X
e x f = ) (

(1-10)


xi
Usando (1-8) se obtiene:
)! 1 ( ! ! 2
1
1 2
+
+ + + + + =
+
n
e x
n
x x
x e
n n
X

para algn valor de

entre 0 y x.

1.1.5. Teorema fundamental del lgebra.

Sea
) (x p
un polinomio de grado
. 1 > n
Es decir:
n
n
x a x a x a a x p + + + + =
2
2 1 0
) (
(1-11)

donde los coeficientes
,
0
a
,
1
a
n
n
x a a , ,
2

pueden ser nmeros reales o
complejos y
. 0 =
n
a
En este caso
) (x p
tiene por lo menos una raz. Esto
equivale a la expresin:
0 ) ( = p
(1-12)

donde
) (
es un nmero complejo.
Por definicin:

0
lim
A
=
x
dx
df
0
lim
) ( ) (
A
=
A
A +
x
x
x f x x f
x
f
A
A








xii










II.- SOLUCIN NUMRICA DE POLINOMIOS Y FUNCIONES
TRANSCENDENTALES.



2. 1. Introduccin.
2. 2. Problemas y soluciones.
2. 3. Criterios a consolidar para terminar un proceso de iteracin.












xiii
2.1 Introduccin.

Generalmente, el ingeniero se ve en la necesidad de resolver funciones
transcendentales como por ejemplo:

0 2 ) ( = =
X
xe x f
(2-
1)

o, polinomios como por ejemplo:

0 5 4 2 ) (
2
2
= + = x x x P
(2-2)

Es de hacer notar que la ecuacin (2-1) es implcita en x y la ecuacin (2-2)
es explcita en x.

Entre los mtodos usados para resolver estas ecuaciones se puede
mencionar los siguientes: tanteo, biseccin, falsa posicin, grfico y Newton-
Raphson. De cada uno de ellos presentamos ejemplos y en algunos casos
los fundamentos tericos. El lector que desee profundizar la teora puede
consultar las referencias (1), (2) y (3).

2.2. Problemas y soluciones.

2.2.1. Problemas usando el mtodo de tanteo.

Problema n1:
Use el mtodo de tanteo para encontrar la raz positiva ms pequea de
1 ) (
3
= x x x f


xiv
con dos cifras significativas.
Solucin.

Tabla 2-1.

x

3
x

1 ) (
3
= x x x f

0 0 -1
1 1 -1
1,2 1,728 -0,472
1,3 2,197 -0,103
1,4 2,744 +0,344
1,5 3,475 +0,975

La raz positiva ms pequea est entre
3 , 1 = x
y
4 , 1 = x
(ver figura n. 2.1).

2.2.2. Problemas usando el mtodo de biseccin.
Problema n1:
Encontrar la raz positiva ms pequea de
1 ) (
3
= x x x f
usando el
mtodo de biseccin. Repita el proceso durante 5 etapas.
Solucin:
Primera condicin del mtodo de biseccin:
Si
) (x f
es continua y si
) (
0
a f , 0 ) (
0
< b f
entonces
) (x f
debe anularse
en el intervalo
| |
0 0
, b a






xv










0,5 1,5











m
3= 1,31875

m
4= 1,3125


a
0
b
0


1,3 1,35 1,4











Fig. 2-1 Mtodo de tanteo, solucin grfica (problema n1)
Fig. 2-2 Mtodo de biseccin, representacin grfica del proceso
iterativo (problema 1)

Raiz positiva ms pequea
x
f(x) = x
3
-x-1


f(x)

2

1

0

-1

-2

x
f(x)
m
4
m
0=
b
1
m
1=1,325
xvi

Segunda condicin del mtodo de biseccin:

Por definicin:

2
) (
n n
n
b a
m
+
=

0 ) ( ) ( s
n n
m f a f Si

Se debe continuar los clculos con:

n n
a a =
+1
y

n n
m b =
+1


En otros casos usar

n n
m a =
+1
y

n n
b b =
+1


en el problema se encontr que:

103 , 0 ) 3 , 1 ( ) (
0
= = f a f

344 , 0 ) 4 , 1 ( ) (
0
+ = = f b f

Por lo tanto:
) (
0
a f 0 ) (
0
< b f

xvii
Suponiendo que
) (x f
es continua para
0 0
b x a s s
y como se sabe que
) (
0
a f 0 ) (
0
< b f
se puede aplicar la primera condicin. Es decir,
) (x f
debe anularse en el intervalo
| |
0 0
, b a
.

El procedimiento es el siguiente:

1 etapa

2
n n
n
b a
m
+
=
por lo tanto
2
0 0
0
b a
m
+
=



35 , 1
2
4 , 1 3 , 1
=
+
=
n
m
;
1104 , 0 ) 35 , 1 ( ) (
0
= = f m f


) (
0
a f 0 ) 1104 , 0 )( 103 , 0 ( ) (
0
< = m f
; por lo tanto use

3 , 1
0 1
= = a a
y
35 , 1
0 1
= = m b


2 etapa


325 , 1
2
35 , 1 3 , 1
2
1 1
1
=
+
=
+
=
b a
m
;
0012 , 0 ) (
1
= m f


) (
1
a f ) 3 , 1 ( ) (
1
f m f = 0 ) 0012 , 0 )( 103 , 0 ( ) 1325 , 0 ( < = f


use
3 , 1
1 2
= = a a
y
325 , 1
1 2
= = m b


xviii

3 etapa


3125 , 1
2
325 , 1 3 , 1
2
2 2
2
=
+
=
+
=
b a
m
;
0515 , 0 ) (
2
= m f



) (
2
a f ) 3 , 1 ( ) (
2
f m f = 0 ) 0515 , 0 )( 103 , 0 ( ) 3125 , 0 ( > = f


use
3125 , 1
2 3
= = m a
y
325 , 1
2 3
= = b b



31875 , 1
3
= m


4 etapa


) (
3
a f

) 3125 , 1 ( ) (
3
f m f =
) 0515 , 0 ( ) 31875 , 1 ( = f 0 ) 253 . 0 ( >


use
31875 , 1
3 4
= = m a
y
325 , 1
3 4
= = b b



5 etapa

321875 , 1
4
= m


que es el valor de la raz al final de la quinta etapa,
(ver figura n2-2)





xix
Problema n.2:
Use un mtodo de tanteo para obtener la raz positiva ms pequea de

2 ) ( =
X
xe x f


Con una cifra significativa
Solucin:
Tabla n.2-2

x

X
e

X
xe

2 ) ( =
X
xe x f

0 1 0 -2
0,5 1,6487 0,8243 -1,1756
0,8 2,2255 1,7804 -0,2196
0,9 2,4596 2,2136 +0,2136

(ver figura n. 2-3)

La raz ms pequea est entre 0,8 y 0,9.

2.2.3. Problemas usando el mtodo de la falsa posicin.

Problema n. 1:
Obtenga la raz positiva ms pequea de
2 ) ( =
X
xe x f
usando el mtodo
de falsa posicin. Repita el proceso hasta lograr un raz con cuatro cifras
significativas.

xx
Solucin:
Primera condicin del mtodo de falsa posicin:
Si
) (x f
es continua y si
) (
0
a f 0 ) (
0
< b f
, el valor de
) (x f
debe anularse en el
intervalo
| |
0 0
, b a
.















2 ) ( =
x
e x x f


x F(x)
0,5 -1,18
0,6 -0,91
0,7 -0,59
0,8 -0,22
0,9 0,21
1 0,72
-1,2
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
f
(
x
)

Fig. n2-3 Solucin grfica al (problema n2)
.5 .6 .7 .8 .9 1 X
xxi
Segunda condicin del mtodo de falsa posicin:

Por definicin:

) ( ) (
) ( ) (
n n
n n n n
n
a f b f
a f b b f a
W

=


Tercera condicin de falsa posicin:

Si
) (
n
a f

0 ) ( s
n
W f


Se debe continuar los clculos con

n n
a a =
+1
y

n n
W b =
+1


En cualquier otro caso usar:

n n
W a =
+1
y

n n
b b =
+1


En el problema 2 se obtuvo:

9 , 0
0
= b
;
2136 , 0 ) 9 , 0 ( ) (
0
= = f b f


8 , 0
0
= a
;
2196 , 0 ) 8 , 0 ( ) (
0
= = f a f

xxii
Por lo tanto
0 ) ( ) (
0 0
< b f a f

Como
2
X
xe
es una funcin contnua en el intervalo
9 , 0 8 , 0 s s x
y,
) (
0
a f
0 ) (
0
< b f
se puede usar el mtodo de falsa posicin.

) ( ) (
) ( ) (
n n
n n n n
n
a f b f
a f b b f a
W

=


2196 , 0 2136 , 0
) 2196 , 0 )( 9 . 0 ( ) 2136 , 0 )( 8 , 0 (
) ( ) (
) ( ) (
0 0
0 0 0 0
0
+

=

=
a f b f
a f b b f a
W


1etapa:

851 , 0
0
= W

00697 , 0 ) 851 , 0 ( = f


0 ) 00697 , 0 )( 2196 , 0 ( ) ( ) (
0 0
> = W f a f


Tomar
851 , 0
0 1
= =W a


9 , 0
0 1
= = b b


) ( ) (
) ( ) (
1 1
1 1 1 1
1
a f b f
a f b b f a
W

=


00697 , 0 2136 , 0
) 00697 , 0 )( 9 , 0 ( ) 2136 , 0 )( 851 , 0 (
1
+

= W


8526 , 0
1
= W


que es el valor de raz positiva ms pequea y con 4 cifras significativas ( ver
figura n2-4)
xxiii

2.2.4. Significado fsico del mtodo de falsa posicin.-
(ver figura n2.5)

La pendiente de la recta que va del punto (1) a punto (2) es:

Pendiente (1) a (2)
|
|
.
|

\
|

=
|
|
.
|

\
|

=
n n
n
n n
n n
W b
b f
a b
a f b f ) ( ( ) (


Por lo tanto, despejando
:
n
W



) ( ) (
) ( ) ( ) ( ) (
n n
n n n n n n n n
n
a f b f
b f a b f b a f b b f b
W

+
=


) ( ) (
) ( ) (
n n
n n n n
n
a f b f
a f b b f a
W

=
(2.3)













xxiv









































Fig. 2-4 Representacin grfica del mtodo de falsa posicin
(problema 1)
Fig. 2-5 Representacin grfica del mtodo de falsa posicin

a
1
= W
0
= 0,851
0,9 x
b
0
= b
1
= 0,09
f(x) = x.e
x
- 2
0,8
a
0 =
0,8


f(x)

0,3
0,2
0,1
0
-0,1
-0,2
-0,3
f(x)
f(bn)
f(bn)
bn
Wn
Aproximacin de f(x)
1
x
f(x)
an
xxv

Pendiente (1) a (2)
|
|
.
|

\
|

=
|
|
.
|

\
|

=
n n
n
n n
n n
w b
b f
a b
a f b f ( ) ( ) (


Por lo tanto, despejando w
n
:

) ( ) (
) ( ) ( ) ( ) (
n n
n n n n n n n n
n
a f b f
b f a b f b a f b b f b
w

+
=


) ( ) (
) ( ) (
n n
n n n n
n
a f b f
a f b b f a
w

=


2.2.5. Mtodo de Newton-Raphson.

2.2.5.1 Bases Tericas.

Sea
0 0
b X a s s


Si f(x) tiene una serie de Taylor alrededor del punto X
0
, entonces podemos
escribir que:

(2-4)

donde:
0 0 0
b x a s s


Por lo tanto para
1
x x =

Donde:
0 1 0
b x a s s

( ) .. ..........
2
1
) ( ) ( ) (
0
0
2
2
2
0 0 0
+ + + =
=

X X
X X
dx
f d
x x
dx
df
x x x f x f
xxvi

( ) .. ..........
2
1
) ( ) ( ) (
0
0
2
2
2
0 1 0 1 0 1
+ + + =
=

X X
X X
dx
f d
x x
dx
df
x x x f x f
(2-
5)

Si x
1
es una raiz de f(x), entonces:
0 ) (
1
= x f
(2-6)

Si
( )
2
0 1
x x
es muy pequea, podemos despreciar los trminos de la
ecuacin (2-5) que sean iguales y mayores al segundo orden.

Usando (2-5) y (2-6) y esta ltima posicin, nos queda que:

( ) ), ( ' ) ( 0
0 0 1 0
x f x x x f + =


donde
0
) ( '
0
X X
dx
df
x f
=
=
(2-7)

La ecuacin (2-7) tambin puede escribirse de la siguiente manera:

) ( '
) (
0
0
0 1
x f
x f
x x =
(2-8)

Si resulta que x
1
no es una raz sino una aproximacin, podemos continuar el
proceso iterativo con

) ( '
) (
1
1 2
n
x f
x f
x x =
(2-10)

Esta frmula se conoce con el nombre de Newton-Raphson.
xxvii

2.2.5.2. Problema n1:

Obtenga la mayor raz de:
|
.
|

\
|

+
=
1
1
) ( ) (
x
x
x Sen x f


Usando:
a) Un mtodo grfico.
b) El mtodo de Newton-Raphon con siete cifras significativas.

Solucin:
A. Mtodo grfico cuando x es una raz f(x)= 0; por lo tanto:
|
.
|

\
|

+
=
1
1
) (
x
x
x Sen

Para valores de
1 > x

1
1
1
> |
.
|

\
|

+
x
x
para x= 1 existe una indeterminacin.
El mayor valor del Sen(x) es 1.Por lo tanto para valores de
1 > x
no existe
raz posible.
Existe un nmero infinito de raices negativas. Por lo tanto, el mtodo grfico
muestra que la mayor raz de f(x)= 0, es aproximadamente:
4 , 0 ~ x

(ver figura n2-6)
Este valor se usa en la parte B) para obtener mayo nmero de cifras
significativas.



xxviii

B. Mtodo de Newton-Raphson.

|
.
|

\
|

+
= =
1
1
) ( ) (
x
x
x Sen x f


( )
2
1
2
) ( ) ( '
) (

+ = =
x
x Cos x f
dx
x df
































|
.
|

\
|

+
1
1
x
x

|
.
|

\
|

+
1
1
x
x

para x>1
(valores positivos)
para x<1
Las races son todas negativas
sen (x)
r
2
r
1
r
3
Fig. 2-6.- Solucin grfica del problema N 1

xxix





















Usando la ecuacin (2-10):

) ( '
) (
1
n
n
n n
x f
x f
x x =
+


( )
(

+
(
(

|
|
.
|

\
|

=
+
2
1
1
2
) (
1
1
) (
n
n
n
n
n
n n
x
x Cos
x
x
x Sen
x x


Por lo tanto, para n= 0

X
X1 = 1.015
-800
-500
500
1000
f(x)
f(x)
f(x1) = 1000
f(x0) = -800
X0 = 1.01
Fig. 2-7.- Demostracin de que el criterio absoluto de la raz no siempre es
suficiente.
xxx
( )
(

+
(
(

|
|
.
|

\
|

=
2
0
0
0
0
0
0 1
1
2
) (
1
1
) (
x
x Cos
x
x
x Sen
x x


Tabla 2-3

n x
n
f(x
n)
f(x
n)
f(x
n
)/f(x
n
)
0 -0,4000 0,039153 1,94147 0,0201070
1 -0,4201 0,000500 1,90478 0,0002625


0201 , 0 4 , 0 ) ( ' ) (
0 0 0 1
= = x f x f x x

4201 , 0
1
= x

0002625 , 0 4201 , 0 ) ( ' ) (
1 1 1 2
= = x f x f x x

4203625 , 0
2
= x


2.3. Criterios a considerar para terminar el proceso de iteracin.
Existen varios criterios que se complementan con la experiencia.

2.3.1. Criterio de error absoluto de la raz.

Considera que la iteracin termina cuando:
XTOL x x
n n
s
1


donde XTOL es un valor prefijado.

Este criterio puede cumplirse y, an as, f(x
n
) ser un valor muy grande.
xxxi
Esto se puede apreciar en la figura n2-7

Para este caso:
XTOL x x < = = 005 , 0 01 , 1 015 , 1
0 1


Sin embargo:
FTOL x f >> =1000 ) (
1


Es decir, para este caso se cumple la condicin:
,
1
XTOL x x
n n
s


Pero la condicin
FTOL x f
n
>> ) (
es contraria a lo deseado.

2.3.2. Criterio de error absoluto de la funcin.
Supone que la iteracin termina cuando:
FTOL x f
n
s ) (

En la figura n2-8 se observa que se cumple que:
FTOL x f s ) (
2

pero:
, 02 , 0 1 2
0 1
>> = x x
lo que es contrario a lo deseado.

X
X1 = 1.0
f(x)
f(1) = 0.002 f(2) = -0.001
X0 = 2.0
Fig. 2-8.- Demostracin de que el criterio absoluto de la funcin no es
suficiente en todos los casos.
xxxii
2.3.3. Criterio de error relativo.
Segn este criterio se puede usar un error un error relativo definido de la siguiente forma:

FTOL
FTAM
x f
n
s
(

( ) ) (
1 n n n
x XTOL x x s



donde:
FTAM= magnitud de f(x) en alguna proximidad de la raz establecida.

2.3.4. Caso especial.

) ( ) (
) ( ) (
n n
n n n n
n
a f b f
a f b b f a
W

=
(2-3)
(ver figura N2-9)
En este caso especial:
| |
=
0
valor
W

Por lo tanto, un criterio general es terminar la iteracin si se presenta el caso
de dividir por cero.

Experiencia en programacin permite tomar precauciones adicionales como
son las siguientes:

a) Tiempo mximo de computacin en parte o totalidad del programa.
b) Nmero mximo de pginas que se deben imprimir.
c) Imprimir resultado parciales para su anlisis.
d) Fijar nmero mximo de iteraciones.




xxxiii











III.- INTERPOLACION Y APROXIMACIN. POLINOMIO
INTERPOLANTE DE LAGRANGE




3.1. Fundamentos tericos.
3.2. Problemas y soluciones.










3.1. Fundamentos tericos.
xxxiv

Vamos a suponer que nos dan x
0
,x
1
,..x
n
puntos distintos (n+1) en el eje real
en algn intervalo
| |, ,b a I =
de tal manera que se conocen los valores de
f(x
0
), f(x
1
),.. f(x
n
).

Queremos construir un polinomio P
n
(x) de la forma siguiente:

) ( 1 ) ( .......... ) ( 1 ) ( ) ( 1 ) ( ) (
1 1 0 0
x x f x x f x x f x P
n n n
+ + + =
(3-1)

=
=
n
k
k k
x x f
0
) ( 1 ) (
(3-2)

Este es el polinomio interpolante de Lagrange. La curva representada por el
polinomio P
n
(x) pasa por los (n+1) puntos distintos. Es decir:

); ( ) (
0 0 0
x f x P =

.., ),........ ( ) (
1 1 1
x f x P =

) ( ) (
n n n
x f x P =
(3-3)

para que la ecuacin (3-3) se pueda cumplir es necesario que se cunpla lo
siguiente:

; 1 ) ( 1
0 0
= x

; 0 ) ( 1
0 1
= x

; 0 ) ( 1
0 0
= x

; 0 ) ( 1
1 0
= x

; 1 ) ( 1
1 1
= x

; 0 ) ( 1
1
= x
n
(3-4)
; 0 ) ( 1
0
=
n
x

; 0 ) ( 1
1
=
n
x

; 1 ) ( 1 =
n n
x

Observando la ecuacin (3-4) podemos concluir que:
= ) ( 1
i k
x
1 si
k i =

0 si
k i =

xxxv
Los valores de
) ( 1 x
k
pueden obtenerse directamente de la siguiente
ecuacin:

=
|
|
.
|

\
|

=
n
i
i k
i
k
x x
x x
x
0
) ( 1

n k ,....., 1 , 0 =
(3-6)

k i =

) (x i
k
es de grado
n s



3.2. Problemas y soluciones.

Problema No. 1
Si n= 3
Cuales son los valores de
), ( 1
0
x

), ( 1
1
x

), ( 1
2
x

) ( 1
3
x
usando ecuacin
(3-6)?

Solucin:

( ) ( ) ( )
( ) ( ) ( )
3 0 2 0 1 0
3 2 1
0
) ( 1
x x x x x x
x x x x x x
x


=
(3-7-A)

( ) ( ) ( )
( ) ( ) ( )
3 1 2 1 0 1
3 2 0
1
) ( 1
x x x x x x
x x x x x x
x


=
(3-7-B)

( ) ( ) ( )
( ) ( ) ( )
3 2 1 2 0 2
3 1 0
2
) ( 1
x x x x x x
x x x x x x
x


=
(3-7-C)

( ) ( ) ( )
( ) ( ) ( )
2 3 1 3 0 3
2 1 0
3
) ( 1
x x x x x x
x x x x x x
x


=
(3-7-D)
xxxvi
Problema n2
Sea x
0
= 2, x
1
=3, x
2
= 6 y x
3
= 7. Suponga n= 3.
Obtenga
), ( 1
0
x

), ( 1
1
x

), ( 1
2
x

) ( 1
3
x
.

( ) ( ) ( )
20
7 6 3
) ( 1
0

=
x x x
x


( ) ( ) ( )
12
7 6 2
) ( 1
1

=
x x x
x


( ) ( ) ( )
12
7 3 2
) ( 1
2

=
x x x
x


( ) ( ) ( )
20
6 3 2
) ( 1
3

=
x x x
x



Problema n3

k x
k
f(x
k
)
0 0 -5
1 1 1
2 3 25

Use la tabla n3-1 para encontrar el polinomio interpolante de Lagrange de
segundo grado, que pasa por los puntos dados en dicha tabla.

( ) ( )
( ) ( ) 3
3 4
3 0 1 0
3 1
) ( 1
2
0
+
=


=
x x x x
x

xxxvii
( ) ( )
( ) ( ) 2
3
3 1 0 1
3 0
) ( 1
2
1
x x x x
x
+
=


=


( ) ( )
( ) ( ) 6 1 3 0 3
1 0
) ( 1
2
2
x x x x
x

=


=


Por lo tanto, usando (3-2) podemos escribir lo siguiente:

) ( 1 ) ( ) ( 1 ) ( ) ( 1 ) ( ) (
2 2 1 0 0 2
x x f x x f x x f x P
x
+ + =


) ( 1 25 ) ( 1 1 ) ( 1 5 ) (
2 1 0 2
x x x x P + + =


5 4 2 ) (
2
2
+ = x x x P

















xxxviii













IV.- MINIMOS CUADRADOS APROXIMACIN POLINMICA.




4.1. Introduccin.
4.2. Bases tericas del mtodo.
4.2.1 Problema.
4.2.2 Mnimos cuadrados generalizados.








xxxix
4.1. Introduccin.

En la seccin anterior se construy un polinomio P(x) que pasa exactamente
por (n+1) puntos crticos distintos. A este polinomio se le llama polinomio
interpolante de Lagrange. En esta seccin se desea obtener una ecuacin de
una curva que no pasa por todos los puntos (n+1) dados, sino cerca de ellos.

La idea principal consiste en buscar una aproximacin a las funciones y(x) de
manera que minimice los cuadrados de los errores (positivos y negativos)
(Ver figura n4-1)

4.2. Bases tericas del mtodo.
Estas se discuten mediante la resolucin de un problema sencillo.

4.2.1. Problema.
Un ingeniero mide en el campo varios valores de presin(y) en funcin de
tiempo (x). El desea saber cual es la mejor lnea que puede dibujar usando
estas mediciones. Ellas son las siguientes:

X 0 1 2 3 4 5 6
y 2 3 5 5 9 8 10

Solucin:

Antes de resolver el problema es deseable hacer un grfico de los puntos
medidos (ver figura n4-2).
A primera vista parece razonable usar una aproximacin:


xl






























Fig. 4-1.- Lagrange y minimos cuadrados.
x
f(x)
Curva obtenida mediante el mtodo
de los mnimos cuadrados
Polinomio interpolante de Lagrange
Fig. 4-2.- Lnea recta usando una aproximacin grfica a puntos
experimentales.
x
f(x)
Y
0
= k
0
+ k
1
*x
0 1 2 3 4 5
2
4
6
8
xli

x k k Y + =
1 0
(4-1)
Al representar los puntos medidos es necesario recordar que las mediciones
de campo contienen cierta cantidad de error. Este error puede ser originado
por el equipo usado para la medicin, asi como por otros factores (lectura
incorrecta).
La diferencia entre un valor de y
i
medido y su correspondiente aproximacin
Y
i
es entonces: (Y
i
y
i
).

El criterio de los mnimos cuadrados requiere que la suma de los cuadrados
de las desviaciones (Y
i
y
i
) sea lo ms pequea posible. Por lo tanto
podemos minimizar la suma:

( )

=
=
7
1
2
i
i i
y Y S (4-
2)

Los valores de Y
i
y
i
son los llamados residuos o desviaciones.

Usando (4-1) y (4-2) podemos escribir:

( )

=
+ =
7
1
2
1 0
i
i i
y x k k S (4-3)

Observe que en este caso x
i
e y
i
son valores fijos; por lo tanto se desea
encontrar los valores de k
0
y k
i
que hagan de la S la suma mnima. Por esta
razn, S es funcin de k
0
y de k
i
:

( )
1 0
, k k S S =


xlii
Una manera de obtener el valor mnimo de S consiste en derivar
parcialmente con respecto a k
0
y k
i
e igualar a cero las derivadas parciales.
Entonces:

0
0
=
c
c
k
S
y
0
1
=
c
c
k
S
(4-4)

Si la ecuacin (4-4) se cumple, es mnimo cuadrado.

Usando (4-1), (4-2) y (4-4) obtenemos:

( ) 0
2
0
7
1
0 0
= +
c
c
=
c
c

=
i i i
i
y x k k
k k
S


( ) 0 2
2
0
7
1
= + =

=
i i i
i
y x k k
(4-
5)

( ) 0
2
0
7
1
1 1
= +
c
c
=
c
c

=
i i i
i
y x k k
k k
S


( ) 0 2
2
0
7
1
= + =

=
i i i i
i
y x k k x
(4-6)
De las ecuaciones (4-5) y (4-6) se obtiene:


= =
+ =
7
1
0
7
1
7
i
i i
i
i
x k k y
(4-7)

(4-8)

= = =
+ =
7
1
2
1
7
1
0
7
1 i
i
i
i i
i
i
x k x k y x
xliii


Entonces, para poder obtener la mejor aproximacin basada en los mnimos
cuadrados es necesario satisfacer las ecuaciones (4-7) y (4-8).
Vamos a tabular
i i
y x

7
1
y

7
1
2
i
x



Tabla 4-1

Valores de
i i
y x

7
1
y

7
1
2
i
x


i x
i
y
i
x
i
y
i

2
i
x

1 0 2 0 0
2 1 3 3 1
3 2 5 10 4
4 3 5 15 9
5 4 9 36 16
6 5 8 40 25
7 6 10 60 36
Totales

21
7
1
=
i
x

42
7
1
=
i
y

164
7
1
=
i i
y x

91
7
1
2
=
i
x



Usando las ecuaciones (4-7) y (4-8) los valores obtenidos en la tabla n4-1
construimos las siguientes ecuaciones normales*:

1 0
21 7 42 k k + =
(4-9)
xliv
1 0
91 21 164 k k + =
(4-10)
La solucin de este sistema de dos ecuaciones algebraicas y simultneas es:
929639 , 1
0
= k
(4-11)
356787 , 1
1
= k
(4-12)

*Ecuaciones normales es el nombre que se da a las ecuaciones que
relacionan los coeficientes k
0
, k
1
,.......k
n
Por lo tanto, sustituyendo (4-11 y (4-12) (4-1) nos queda que:

x Y + = 356787 , 1 929639 , 1
(4-13)
que es la ecuacin de la lnea recta buscada.
Una manera de verificar los resultados consiste en comprobar la ecuacin
(4-5). Es decir:
( ) 0
7
1
=

= i
i i
y Y
(4-14)

Tabla n4-2
Valores de
( )

=

7
1 i
i i
y Y

x
i
y
i
Y
i
Y
i
-y
i
0 2 1,929639 0,070361
1 3 3,286426 -0,286426
2 5 4,643213 0,356787
3 5 6,000000 -1,000000
4 9 7,356787 1,643213
5 8 8,713574 -0,713574
6 10 10,070361 -0,070361
xlv

( )

=
7
1
000000 , 0
i i
y Y


Esto verifica la aproximacin obtenida.
Se puede comprobar
( ) 140722 , 4
7
1
=

= i
i i
y Y


4.2.2. Mnimos cuadrados generalizados.

Es posible que la lnea recta que se construy en la seccin 4.2.1. no sea la
representacin adecuada de los puntos medidos en el campo. En este caso
se puede suponer que un polinomio de grado m puede ser un entero
cualquiera es mejor representacin. El procedimiento es similar al de la lnea
recta:

( ) ( )
2
1
2
2 1 1 0
2
1
......

= =
+ + + + = =
n
i
i
m
i m i
n
i
i i
y x k x k x k k y Y S
(4-15)

donde n= nmero de datos

m
i m i i i
x k x k x k k Y + + + + = .........
2
2 1 0
(4-16)

Se desea que S sea un mnimo, observe que:

( )
m
k k k k S S ,....... , ,
2 1 0
=
(4-17)

es decir, que S es funcin de (m+1) variables.

xlvi
Para minimizar a S hay que derivar parcialmente esta funcin e igualar a cero
cada una de las derivadas parciales:



( ) 0 ........ 2
1
2
2 1 0
0
= + + + + =
c
c

=
n
i
i
m
i m i i
y x k x k x k k
k
S
(4-18)

( ) 0 ........ 2
1
2
2 1 0
1
= + + + + =
c
c

=
n
i
i
m
i m i i i
y x k x k x k k x
k
S
(4-19)
.
.
.
( ) 0 ........ 2
1
2
2 1 0
= + + + + =
c
c

=
n
i
i
m
i m i i
m
i
m
y x k x k x k k x
k
S
(4-20)


Desarrollando las sumatorias dadas en las ecuaciones (4-18) a (4-20) se
obtiene un sistema lineal de ecuaciones:

0 .....
2
2 1 0
= + + + +
i
m
i m i i
y x k x k x k n k


0 .....
1 3
2
2
1 0
= + + + +

+
i i
m
i m i i i
y x x k x k x k x k


0 .....
2 2 4
2
3
1
2
0
= + + + +

+
i i
m
i m i i i
y x x k x k x k x k


0 .....
2
2
1
1 0
= + + + +

+ + +
i
m
i
m m
i m
m
i
m
i
m
i
y x x k x k x k x k


xlvii

donde representa la sumatoria desde
1 = i
hasta
. n i =




Este sistema lineal de ecuaciones puede escribirse de la siguiente manera:

(
(
(
(
(
(
(
(
(

+ +
+
+
m
i
m
i
m
i
m
i
m
i i i
m
i i i i
m
i i i
x x x x
x x x x
x x x x
x x x n
2 2 1
2 4
1
3 2
1 3 2
2
. . .
. . . . . . .
. . . . . . .
. . . . . . .
. . .
. . .
. . .
(
(
(
(
(
(
(
(
(

m
k
k
k
k
.
.
.
2
1
0
(
(
(
(
(
(
(
(
(

i
m
i
i i
i i
i
y x
y x
y x
y
.
.
.
2
(4-21)



A K B

El sistema matricial (4-21) puede escribirse de la siguiente manera:

| | | | | | B K A =
(4-22)

Este sistema matricial se puede resolver usando entre otros, el mtodo de
eliminacin de Gauss-Jordan y los mtodos iterativos que se discuten en las
secciones (v) y (VI) respectivamente.




xlviii

















V.- MTODO DE ELIMINACIN DE GAUSS-JORDAN PARA RESOLVER
LAS ECUACIONES SIMULTNEAS LINEALES.




5.1. Introduccin.
5.2. Problema.





xlix




5.1. Introduccin.

Los mtodos para resolver un sistema lineal como el que se presenta en
ecuaciones (4-21) y (4-22) pueden dividirse en dos tipos:

A. El mtodo directo y,
B. El mtodo iterativo.

El mtodo directo permite obtener una solucin exacta; sin embargo, tiene la
desventaja de que los clculos en algunos casos, puede tomar mucho tiempo
de computacin.

El mtodo iterativo, como su nombre lo indica, permite obtener soluciones
aproximadas y, en algunos casos, necesita menos tiempo computacional que
el mtodo directo.

Uno de los mtodos fundamentales para obtener soluciones directas en el
mtodo de eliminacin de Gauss-Jordan . Con el fin de examinar este
mtodo se selecciona un sistemas de tres ecuaciones simultneas lineales
con tres incgnitas.


5.2. Problema.

Sea el siguiente sistema de tres ecuaciones:
3 7 6 3
3 2 1
= + x x x

l
3 5 9
3 1
= x x
(5-1)
4 6 8 5
3 2 1
= + x x x


este sistemas lineal de ecuaciones puede escribirse as:
(
(
(

6 8 5
5 0 9
7 6 3
(
(
(

3
2
1
x
x
x
(
(
(

=
4
3
3
(5-2)

La ecuacin (5-2) es similar a la ecuacin (4-21) de la seccin anterior.
Es decir:

| | | | | | B X A =


donde:

| |
| |
| |
(
(
(

(
(
(

(
(
(

4
3
3
6 8 5
5 0 9
7 6 3
3
2
1
B
X
X
X
X
A
(5-3)


Es posible unir
| | A
con
| | B
en una matriz ampliada de la forma siguiente:


li

(
(
(
(

4 6 8 5
3 5 0 9
3 7 6 3
matriz ampliada (5-4)

El mtodo de Gauss-Jordan se usa para llevar la matriz ampliada a la forma
siguiente:

(
(
(

3 33
2 22
1 11
0 0
0 0
0 0
C a
C a
C a
(5-5)


y la solucin buscada es:
11 1 1
a c x =

22 2 2
a c x =
(5-6)

33 3 3
a c x =


Este procedimiento es directo y puede programarse para un computador
digital.

El ejemplo numrico se resuelve y simultneamente se generaliza el mtodo
de Gauss-Jordan mediante un ejemplo alfanumrico.

General Ejemplo
(
(
(

34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a

(
(
(

4 6 8 5
3 5 0 9
3 7 6 3


lii
Filas Columnas

Donde k es el nmero de la fila.

Con el fin de eliminar los coeficientes es necesario seleccionar una fila
pivote. Por ejemplo, para K= 1 se elimina a
21
(en el ejemplo numrico es el
nmero 9).

La nueva fila es:

Segunda fila primera fila
a
11
(a
21
a
22
a
23
a
24
) a
21
(a
11
a
12
a
13
a
14
)

Observe que:

a
11
a
21
- a
21
a
11
= 0, por lo tanto:

General Ejemplo
(
(
(

34 33 32 31
24 23 22
14 13 12 11
' ' ' 0
a a a a
a a a
a a a a

(
(
(

4 6 8 5
18 78 54 0
3 7 6 3


La nueva segunda fila es el ejemplo numrico se obtiene de la siguiente
manera:

3(9 0 -5 3) - 9(3 -6 7 3) =
(27 0 -15 9) - (27 -54 63 27) =
(0 54 -78 -18)

Observe que la resta se efecta entre los trminos correspondientes.
liii

Este ejemplo fue tomado de la referencia (7), de la pgina 156. Mostramos el
ejemplo y el mtodo general.

MTODO DE ELIMINACIN DE GAUSS -JORDAN


General Ejemplo
Matriz dada
(
(
(

34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a

(
(
(

4 6 8 5
3 5 0 9
3 7 6 3


Paso 1:
k =1
Lnea pivote= 1, elemento pivote= a
11

I = 2 1 A) nueva lnea 2 =
J = 1, 2, 3, 4
( )( ) ( )( ) { } 1 2
21 11
lnea a lnea a



(
(
(

34 33 32 31
24 23 22
14 13 12 11
' ' ' 0
a a a a
a a a
a a a a

(
(
(

4 6 8 5
18 78 54 0
3 7 6 3



I = 3 1 B) nueva lnea 3 =
J = 1, 2, 3, 4
( )( ) ( )( ) { } 1 3
31 11
lnea a lnea a



liv
(
(
(

34 33 32
24 23 22
14 13 12 11
' ' ' 0
' ' ' 0
a a a
a a a
a a a a

(
(
(

27 17 6 0
18 78 54 0
3 7 6 3



Paso 2:

k =2
Lnea pivote= 2, elemento pivote= a
22

2 A) nueva lnea 1 =
( )( ) ( )( ) { } 2 1
12 22
lnea a lnea a



i =1
j = 1, 2, 3, 4
(
(
(

34 33 32
24 23 22
14 13 11
' ' ' 0
' ' ' 0
' ' 0 '
a a a
a a a
a a a

(
(
(

27 17 6 0
18 78 54 0
54 90 0 162



2 B) nueva lnea 3 =

( )( ) ( )( ) { } 2 ' 3 '
32 22
lnea a lnea a

I = 3
J = 1, 2, 3, 4

(
(
(

34 33
24 23 22
14 13 11
' ' ' ' 0 0
' ' ' 0
' ' 0 '
a a
a a a
a a a

(
(
(

1350 450 0 0
18 78 54 0
54 90 0 162

lv






Paso 3:

k =3
Lnea pivote= 3, elemento pivote= a
33

3 A) nueva lnea 1 =
( )( ) ( )( ) { } 3 ' 1 ' '
13 33
lnea a lnea a


i =1
j = 1, 2, 3, 4
(
(
(

34 33
24 23 22
14 11
' ' ' ' 0 0
' ' ' 0
' ' 0 0 ' '
a a
a a a
a a

(
(
(

1350 450 0 0
18 78 54 0
145800 0 0 72900


3 B) nueva lnea 2 =
( )( ) ( )( ) { } 3 ' 2 ' '
23 33
lnea a lnea a

I = 2
J = 1, 2, 3, 4

(
(
(

34 33
24 22
14 11
' ' ' ' 0 0
' ' 0 ' 0
' ' 0 0 '
a a
a a
a a

(
(
(

1350 450 0 0
97200 0 24300 0
145800 0 0 72900


Solucin:
lvi

' '
14 1
' '
11
a x a =

2
1
= x

' '
24 2
' '
22
a x a =

4
1
= x

' '
34 3
' '
33
a x a =

3
1
= x















VI.- METODOS ITERATIVOS APLICADOS A SISTEMAS DE ECUACIONES
LINEALES




6.1. Introduccin.
6.2. Mtodo iterativo de Gauss-Seidel.
6.3. Problemas.


lvii






6.1. Introduccin.

Los mtodos directos son de utilidad cuando el nmero de ecuaciones es del
orden de (40) menor*. En las pginas 38 a 43 se discuti el mtodo directo
de Gauss-Jordan que es uno de los mtodos directos ms usados.

Los mtodos iterativos son ms apropiados que los directos, cuando el
nmero de ecuaciones lineales es mayor de cuarenta. Dos de los mtodos
iterativos son ms apropiados que los directos, cuando el nmero de
ecuaciones lineales es mayor de cuarenta. Dos de los mtodos iterativos de
uso ms frecuente son el Jacobi y el de Gauss-Seidel. La seleccin del
mtodo directo o indirecto tambin depende de las veces que se deben
resolver las ecuaciones.


6.2. Mtodo iterativo de Gauss-Seidel.

Sea el sistema de ecuaciones lineales:
1 1 3 13 2 12 11
....... c x a x a x a x a
n n i
= + + + +

2 2 3 23 2 22 21
....... c x a x a x a x a
n n i
= + + + +

.
.
n n n n n n i n
c x a a x a x a x a = + + + + .......
3 3 2 2 1

lviii
Despejando x
1
de la primera ecuacin, x
2
de la segunda ecuacin, etc, nos
queda:

*Hay muchas variantes de este criterio, por ejemplo, en la solucin de
problemas de yacimiento mediante simulacin numrica se utiliza el mtodo
de Gauss-Jordan hasta con 29 incognitas.

11
1 1 3 13 2 12
1
.....
a
c x a x a x a
x
n n
+ + +
=


22
2 2 3 23 1 21
2
.....
a
c x a x a x a
x
n n
+ + +
=
(6-2)
.
.
.
nn
n n nn n n
n
a
c x a x a x a
x
+ + +
=
.....
2 2 1 1


El proceso se indica suponiendo un conjunto de valores para las incgnitas
x
1
, x
2
,.....x
n
, procedindose a calcular un nuevo conjunto de valores para las
incgnitas. En cada paso se toma el ltimo valor calculado para cada
variable. El proceso se contina hasta lograr satisfacer algn criterio de
convergencia. Por ejemplo, uno de esos criterios es:

1. La suma de los valores absolutos de las desviaciones relativas de dos
conjuntos sucesivos de valores de las incgnitas debe ser menor o
igual a la desviacin permitida:

;
1
1 , ,
c s

=

n
n
k n k n
x x

: c
(desviacin permitida)
lix
donde k: nmero de pasos.
n: nmero de ecuaciones.

2. Si no se logra convergencia, los clculos se efectan hasta un valor
prefijado de iteraciones. Tambin se pueden usar criterios adicionales:
nmero de pginas, tiempo, etc. (Ver por ejemplo seccin 2.3).
6.3. Problema n1

Con el fin de familiarizarse con el mtodo se resuelve el siguiente problema.
Se pide:
Obtener la solucin aproximada del siguiente sistema de ecuaciones usando
el mtodo de Gauss-Seidel.

5 3
2 1
= + x x

5 2
2 1
= + x x


Suponga un error e= 0,9 (desviacin permitida)

Solucin:
3
5
3
2
1
+ =
x
x
y
2
5
2
1
2
+ =
x
x

El proceso se inicia suponiendo
. 0
2 1
= = x x
Los resultados son tabulados en
la tabla n6-1.

Tabla n6-1
Resultados del problema n1

Paso k x
1
x
2
( )

2
1
1 , ,
n
k n k n
x x

lx
1 0 0 -
2 5/3 5/3 10/3
3 10/9 35 1/185/18
Para k= 3 15/18<e donde e=0,9


Por lo tanto, satisface el criterio de convergencia. La solucin exacta es:
1
1
= x
y
2
2
= x


La iteracin de Gauss-Seidel no siempre converge. As, Conte y Boor anotan
(3) en la pgina 179 de su libro que dicha iteracin converge si la matriz de
coeficiente
| | A
es diagonalmente dominante por filas 0, si A es positiva
simtrica y definida. Por definicin una matriz dominante es:

=
=
>
n
i j
i
ij ii
a a
1

donde:
n= nmero de filas.
Observe que a
ii
son los trminos diagonales. Por ejemplo, en el siguiente
sistema de ecuaciones:
12 10
3 2 1
= + + x x x

12 10
3 2 1
= + + x x x

12 10
3 2 1
= + + x x x


se tiene que:

en la primera fila
1 1 10 + >

en la segunda fila
1 1 10 + >

lxi
en la tercera fila
1 1 10 + >


La matriz es diagonalmente dominante y se puede usar Gauss-Seidel.












VII.- INTEGRACIN NUMRICA.




7.1 Mtodos de integracin numrica.
7.1.1 Integracin numrica usando cuadraturas gaussianas.
7.1.2 Integracin numrica: Regla de Newton-Cotes
7.1.2.1 Regla de trapecio.
7.1.2.2 Regla de trapecio compuesta.
7.1.2.3 Regla simple de Simpson.
7.1.2.4 Regla compuesta de Simpson.
7.1.2.5 Comentarios adicionales.