Guía de estudio para el examen extraordinario de

Métodos Numéricos

Índice
1 Los métodos numéricos, usos y desarrollo en paralelo con la tecnología
de computadoras 2
2 Espacio vectorial de las funciones continuas, polinomios de interpo-
lación y diferencias nitas 2
3 Métodos de resolución de una ecuación algebraica no lineal de una
variable 5
4 Sistemas de ecuaciones algebraicas 9
5 Integración 12
6 Ecuaciones diferenciales ordinarias 14
7 Ecuaciones diferenciales parciales 16

1
1 Los métodos numéricos, usos y desarrollo en
paralelo con la tecnología de computadoras
1.1 Serie de Taylor.
Desarrolle la serie truncada de Taylor de tercer orden para f (x) = ln(x) con
origen en x0 = 1. Calcule el error relativo en x1 = 1.5.
Solución:
(x − 1)2 (x − 1)3
s(x) = (x − 1) − +
2 3
f (1.5) = 0.4054

s(1.5) = 0.4166

Error = |0.4054-0.4166|
0.4054 = 0.0276

2 Espacio vectorial de las funciones continuas,

polinomios de interpolación y diferencias ni-
tas
2.1 Interpolación. Obtenga el polinomio de interpolación de Lagrange para los
siguientes datos:
x 1 4 8 13 18
f (x) 1.1 1.5 12.8 15.3 15.5
interpolar para x = 3.

Solución:

(x − 4)(x − 8)(x − 13)(x − 18)

f (x) = (1.1)+
(1 − 4)(1 − 8)(1 − 13)(1 − 18)
(x − 1)(x − 8)(x − 13)(x − 18)
(1.5)+
(4 − 1)(4 − 8)(4 − 13)(4 − 18)
(x − 1)(x − 4)(x − 13)(x − 18)
(12.8)+
(8 − 1)(8 − 4)(8 − 13)(8 − 18)
(x − 1)(x − 4)(x − 8)(x − 18)
(15.3)+
(13 − 1)(13 − 4)(13 − 8)(13 − 18)
(x − 1)(x − 4)(x − 8)(x − 13)
(15.5)
(18 − 1)(18 − 4)(18 − 8)(18 − 13)

f (x) = 0.004043x4 − 0.1587x3 + 1.942x2 − 6.589x + 5.901

f (3) = −0.3424369747899192

2
 2.2 Polinomios de Lagrange. La densidad del carbonato de potasio en solución
acuosa varía con la temperatura y la concentración, en la siguiente tabla se muestra
el cambio de densidad en función de la temperatura cuando la concentración es de
20 %.

T(◦ C) 0 40 80 100
ρ(T) 1.1977 1.1801 1.1570 1.1451

Calcule el polinomio de Lagrange de grado 3 que aproxima a ρ(T) y con este

calcule la densidad a una temperatura de 50◦ C.
Solución:
Se tiene que
(40 − x)(80 − x)(100 − x)
L0 (x) =
320000
(x − 100)(x − 80)(x)
L1 (x) =
96000
(x − 100)(x − 40)x
L2 (x) =
64000
x(x − 40)(x − 80)
L3 (x) =
120000
El polinomio de Lagrange es:

P3 (x) = L0 (x)f (x0 ) + L1 (x)f (x1 ) + L2 (x)f (x2 ) + L3 (x)f (x3 )

P3 (x) = 1.42708 × 10−8 x3 − 3.43125 × 10−6 x2 − 0.000325583x + 1.1977

3
 2.3 Diferencias divididas. Los valores de una función se encuentran tabulados
en la siguiente tabla

xi f (xi )
25 20.14
75 24.95
150 31.89
200 36.44
con estos datos construya la tabla de diferencias divididas, utilice la tabla para
realizar una aproximación polinomial de Newton (con un polinomio del grado más
alto posible) y calcule f (50).

Solución:
La tabla de diferencias divididas es

xi f (xi ) 1er orden 2do orden 3er orden 4◦ orden

25 20.14 9.62×10−2
-2.9333333×10−5
75 24.95 9.253333×10−2
9.75238095×10−8 0.0
150 31.89 9.10×10−2
-1.22666667×10 −5
200 36.44 3.64400×10
con lo cual se obtiene el siguiente polinomio

p(x) = 0.0962x + 9.75238095238039 × 10−8 (x − 150.0)(x − 75.0)(x − 25.0)

−2.933333 × 10−5 (x − 75.0)(x − 25.0) + 17.735.

4
 Que simplicado es

p(x) = 9.75238095 × 10−8 x3 − 5.3714285 × 10−5 x2 + 0.100779x + 17.6525714

y f (50) ≈ p(50) = 22.5694

3 Métodos de resolución de una ecuación alge-

braica no lineal de una variable
3.1 Ecuaciones no lineales Aplique el método de Newton-Raphson para encontrar
la raíz de la función f (x) = 2−x − 0.1 usando el valor inicial x0 = 3. ¾Cuál es el
valor de x3 en la tercera iteración?

Solución:
Tomando como valor inicial x0 = 3 y derivada f ′ (x) = −2−x log(2), se obtienen
las siguientes iteraciónes:

it x f (x) f ′ (x)
0 5.59685 0.120662 -0.0143221
1 14.0218 0.10006 -4.16724e-05
2 2415.14 0.1 0
x3 = 2415.14

3.2 Ecuaciones no lineales. Métodos cerrados. Aplique el método de Bisec-

ción para encontrar la primera raíz positiva de la siguiente función:
f (x) = x tan(x) + x

Tomando como valores iniciales x0 = 2 y x1 = 2.5 calcular las tres primeras

iteraciónes. Solución:
Obtenemos la siguiente tabla de iteraciónes:
it x0 x x1 f (x0 ) f (x) f (x1 )
0 2 2.25 2.5 -2.37008 -0.536912 0.632444
1 2.25 2.375 2.5 -0.536912 0.0876875 0.632444
2 2.25 2.3125 2.375 -0.536912 -0.211461 0.0876875
3.3 Método de posición falsa Determinar una de las raíces reales de la función
f (x) = 5x3 − 5x2 + 6x − 2 ubicada en el intervalo [−1, 2] utilizando el método de
posición falsa. Realice tres iteraciónes del método.

Solución:

5
 Evaluamos la función en algunos puntos para seleccionar xI y xD , vemos que:

f (0) = −2
f (1) = 4
f (−1) = −18
f (2) = 30

por lo que usamos xI = 0 y xD = 1. Empleando la ecuación

(xD − xI )f (xD )
xM = xD − ,
f (xD ) − f (xI )
obtenemos las siguientes iteraciónes

iteración xI xD xM f (xM )
0 0.0 1.0 0.333333 -0.370370
1 0.333333 1.0 0.389831 -0.124648
2 0.389831 1.0 0.408270 -0.043541
3 0.408270 1.0 0.414642 -0.015346

3.4 Método de punto jo. Calcule cuatro iteraciónes del método de punto jo
para resolver la ecuación f (x) = e−3x − 5x + 2, utilice el valor inicial de x0 = −0.8,
indique cual es el grado de precisión de la solución en la cuarta iteración.

Solución:
Primero elegimos g(x) como sigue:

exp(−3x) + 2
g(x) =
5

con lo que se obtiene:

iteración 0 xi = -0.8 g(xi ) = 2.604635276128321 f (xi ) = 17.023176380641605

iteración 1 xi = 2.604635276128321 g(xi ) = 0.40008081534146706

f (xi ) = -11.02277230393427

iteración 2 xi = 0.40008081534146706 g(xi ) = 0.460224239484869

f (xi ) = 0.30071712071700984

iteración 3 xi = 0.460224239484869 g(xi ) = 0.4502818736875038

f (xi ) = -0.049711828986826134

iteración 4 xi = 0.4502818736875038 g(xi ) = 0.451804226856646

6
 f (xi ) = 0.007611765845710883

iteración 5 xi = 0.451804226856646 g(xi ) =0.4515681733154412

f (xi ) = -0.0011802677060241962

3.5 Método de Wegstein. Aproxime una raíz de la función f (x) = e−x − x

utilizando el método de Wegstein, calcule cuatro iteraciónes del método empleando
un valor inicial de x0 = 0, indique el grado de precisión alcanzado.

Solución. En el método de Wegestein las dos primeras iteraciónes son iguales

que en el punto jo, a partir de ahí usamos que

xi+1 = qi g(xi ) + (1 − qi )xi

donde

g(xi ) − g(xi−1 )
ωi =
xi − xi−1
1
qi =
1 − ωi
elegimos g(x) como

g(x) = exp(−x)
Las dos primeras iteraciónes son:

iteración 0 xi = 0.0 g(xi ) = 1.0 f (xi ) =1.0

iteración: 1 xi = 1.0 g(xi ) = 0.36787944117144233

f (xi ) = -0.6321205588285577

Después obtenemos:

iteración: 2 xi = 0.6126998367802821 g(xi ) = 0.5418858889071111

f (xi ) = -0.07081394787317097

iteración: 3 xi = 0.5638383891610742 g(xi ) = 0.5690207436684126

f (xi ) = 0.005182354507338394

iteración: 4 xi = 0.5671703584197446 g(xi ) = 0.5671279391773145

f (xi ) = -0.00004.2419242430091764e-05

El grado de precisión para la cuarta iteración es de ~10−2

7
 3.6 Método de la secante. Use el método de la secante para determinar una
raíz de la siguiente función

f (x) = −2x6 − 1.5x4 + 10x + 2

Utilice los siguientes valores x0 = 1.0 y x1 = 1.0.

Solución:
Hacemos uso de la siguiente ecuación iterativa
(xi − xi−1 )f (xi )
xi+1 = xi −
f (xi ) − f (xi−1 )
iteración 0 xi 0.000000 f(xi) = 2.000000

iteración 1 x2 = -0.307692 f(xi) = -1.092065

iteración 2 x3 = -0.158810 f(xi) = 0.410910

iteración 3 x4 = -0.217676 f(xi) = -0.180337

iteración 4 x5 =-0.192378 f(xi) = 0.074064

iteración 5 x6 -0.202859 f(xi) = -0.031270

iteración 6 x7 -0.198450 f(xi) = 0.013050

iteración 7 x8 -0.200293 f(xi) = -0.005472

iteración 8 x9 -0.199521 f(xi) = 0.002290

iteración 9 x10 -0.199844 f(xi) = -0.000959

iteración 10 x11 -0.199709 f(xi) = 0.000402

iteración 11 x12 -0.199765 f(xi) = -0.000168

iteración 12 x13 -0.199741 f(xi) = 0.000070

iteración 13 x14 -0.199751 f(xi) = -0.000029

iteración 14 x15 -0.199747 f(xi) = 0.000012

iteración 15 x16 -0.199749 f(xi) = -0.000005

iteración 16 x17 -0.199748 f(xi) = 0.000002

8
 iteración 17 x18 -0.199749 f(xi) = -0.000001

iteración 18 x19 -0.199748 f(xi) = 0.000000

4 Sistemas de ecuaciones algebraicas

4.1 Sistemas de ecuaciones lineales. Dado el siguiente sistema, cuál es el valor
de x<3> de la tercera iteración usando el método de Jacobi con los valores iniciales
x<0> = {x<0>
1 = 0, x<0>
2 = 0}

2x1 + 5x2 = 19
4x1 − 3x2 = −1

Solución:
1
x1<k+1> = (19 − 5x<k>
2 )
2
1
x<k+1>
2 = (1 + 4x<k>
1 )
3

x<1> = {x1 = 9.500000, x2 = 0.333333}

x<2> = {x1 = 8.666667, x2 = 13.000000}
x<3> = {x1 = −23.000000, x2 = 11.888889}

4.2 Método de Jacobi.Calcule el vector solución x(3) en el desarrollo del

Método de Jacobi para el siguiente sistema de ecuaciones lineales

3x1 − x2 + x3 = 1
3x1 + 6x2 + 2x3 = 0
3x1 + 3x2 + 7x3 = 4
utilice el vector x(0) = (0, 0, 0) como primera aproximación.

Solución:

despejar
 k+1 las variables
 1 xi de su krespectiva ecuación
k 
x1 a11 (b1 − a12 x2 − a13 x3 )
1
 xk+1  = 
2 a22 (b2 − a21 xk1 − a23 xk3 ) 
1
xk+1
3 a33 (b3 − a31 xk1 − a32 xk3 )

1 0
x11 − (1)x03 )
   
3 (1 − (−1)x2
1 0
 x12  =  a22 (0 − (3)x1 − (2)x03 ) 
1
x13 0
a33 (4 − 3x1 − 7x03 )

9
 de modo que:
iter: 0 vec. sol: [0. 0. 0.]

iter: 1 vec. sol: [0.33333333 0. 0.58428571]

iter: 2 vec. sol: [ 0.13857143 -0.36142857 0.44142857]

iter: 3 vec. sol: [ 0.06571429 -0.21642857 0.67979592]

iter: 4 vec. sol: [ 0.03459184 -0.25945578 0.64887755]

iter: 5 vec. sol: [ 0.03055556 -0.23358844 0.68065598]

iter: 6 vec. sol: [ 0.0285852 -0.2421631 0.67129981]

iter: 7 vec. sol: [ 0.0288457 -0.2380592 0.6758191]

iter: 8 vec. sol: [ 0.02870723 -0.23969588 0.67394864]

iter: 9 vec. sol: [ 0.02878516 -0.23900316 0.67470942]

iter: 10 vec. sol: [ 0.02876247 -0.23929572 0.67437915]

4.3 Gauss-Jordan. Resuelva el siguiente sistema de ecuaciones lineales con el

método de Gauss-Jordan (reordenar la matriz de ser necesario).

10x1 − x2 + 2x3 = 6
−x1 + 11x2 − x3 + 3x4 = 25

2x1 − x2 + 10x3 − x4 = −11

3x2 − x3 + 8x4 = 15

Solución:
La matriz asociada es
 
−10 −1 2 0 6
 −1 11 −1 3 25 
 
 2 −1 10 −1 −11 
0 −3 −1 8 15

10
matriz después de la transformación k = 0
 
−10 −1 2 0 6
 0
 11.1 −1.2 3 24.4 

 0 −1.2 10.4 −1 −9.8 
0 −3 −1 8 12

matriz después de la transformación k = 1

 
−10 0 1.891892 0.27027 8.198198
 0
 11.1 −1.2 3 24.4 

 0 0 10.27027 −0.675676 −7.162162 
0 0 −1.324324 8.810811 21.594595

matriz después de la transformación k = 2

 
−10 0 0 0 − 394737 9.517544
 0 11.1 0 2.921053 23.563158 
 
 0 0 10.27027 −0.675676 −7.162162 
0 0 0 8.723684 20.671053

matriz después de la transformación k = 3

 
−10 0 0 0 8.582202
 0 11.1 0 0 16.641629 
 
 0 0 10.27027 0 −5.561127 
0 0 0 8.723684 20.671053

normalizando la diagonal se obtiene

 
1 0 0 0 −0.85822
 0 1 0 0 1.499246 
 
 0 0 1 0 −0.541478 
0 0 0 1 2.369532

11
 por lo que la solución es x1 = −0.85822, x2 = 1.499246, x3 = −0.541478,
x4 = 2.369532

4.4 Método de SOR. Utilice el método de SOR para resolver el siguiente sis-
tema de ecuaciones lineales

10x1 + 2x2 − x3 = 27
−3x1 + 6x2 + 2x3 = −61.5
x1 + x2 + 5x3 = −21.5

utilice el vector x(0) = (0, 0, 0), y un valor de ω = 0.9

solución:
Para calcular la solución se usa que

xk+1 (1 − ω)xk1 + ω a111 (b1 − a12 xk2 − a13 xk3 )

   
1
 xk+1  =  (1 − ω)xk2 + ω 1 (b2 − a21 xk1 − a23 xk3 ) 
2 a22
1
xk+1
3 (1 − ω)x k
3 + ω k
a33 (b3 − a31 x1 − a32 x2 )
k

y la solución queda como:

iter: 0 vec. sol: [0. 0. 0.]

iter: 1 vec. sol: ( 2.43 -8.1315 -2.84373)

iter: 10 vec. sol: ( 3.76935007 -7.15789486 -3.622291 )

5 Integración
5.1 Integrales. Regla de Newton-Cotes. Obtener la siguiente integral usando la
regla compuesta de Simpson 1
3 con n = 10.
ˆ 1
2
ex dx
0

Solución:
1−0
h= = 0.1
10
0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
1.0 1.01 1.04 1.09 1.17 1.28 1.43 1.63 1.89 2.24 2.71

12
 0.1
int = (1.0+
3
4(1.01 + 1.09 + 1.28 + 1.63 + 2.24)+
2(1.04 + 1.17 + 1.43 + 1.89)+
2.71) = 1.46
5.2 Integrales. Cuadratura. Obtener la siguiente integral usando la cuadratura
Gaussiana con n = 3. ˆ 3
ex sin(x)
dx
0 1 + x2
w1 = 0.55555555 z1 = −0.77456669
w2 = 0.88888888 z2 = 0
w3 = 0.55555555 z3 = 0.77456669
Solución:
 
3−0 0+3 3−0
int = [0.5555f + (−0.7745) +
2 2 2
 
0+3 3−0
0.8888f + (0) +
2 2
 
0+3 3−0
0.5555f + (0.7745) ]
2 2

int = 1.5[0.5555f (0.3381) +

0.8888f (1.5) +
0.5555f (2.6618)] = 2.8631
5.3 Método de Gauss-Legendre de 4 puntos. Aproxime el valor del siguiente
integral utilizando la cuadratura de Gauss-Legendre de 4 puntos
ˆ 1.5
x2 ln xdx.
1
Si consideramos que el valor exacto de esta integral es 0.192259 calcule el error
porcentual cometido en la aproximación.

Solución:
ˆ b ˆ 1
f (x)dx = f (x̄)dx̄ ≈ co f (z0 ) + c1 f (z1 ) + c2 f (z2 ) + c3 f (z3 )
a −1

aplicando el cambio de variable

13
 ˆ 1.5 ˆ 1
x2 ln xdx = 0.25 (1.25 − 0.25x̄)2 ln(1.25 − 0.25x̄)2 )dx̄
1 −1

Usando los siguientes valores para las ci y los zi

c0 = 0.3478548 z0 = −0.861136312
c1 = 0.6521452 z1 = −0.339981044
c2 = 0.6521452 z2 = 0.339981044
c3 = 0.3478548 z3 = 0.861136312

´1
0.25 −1
(1.25 − 0.25x̄)2 ln(1.25 − 0.25x̄)2 )dx̄ ≈ 0.25[0.3478548f (1.25 − 0.25(−0.861136312))+
+ 0.6521452f (f (1.25 − 0.25(−0.339981044))
+ +0.6521452(f (1.25 − 0.25(0.339981044))
+ +0.3478548f (1.25 − 0.25(0.861136312))]
≈ 0.1938115

|0.192259 − 0.1938115|(100)
Error% = = 0.8%
0.192259

6 Ecuaciones diferenciales ordinarias

6.1 Ecuaciones diferenciales ordinarias.Resolver la siguiente ecuación diferencial
usando el método de Euler modicado con δ = 0.2.
dC
= −2C
dt
C0 (t0 = 0) = 1.5
Cn (tn = 0.4) = ?

Solución:
C1 ∗ = 1.5 + 0.2f (1.5, 0) = 0.899
 
f (1.5, 0) + f (0.899, 0.2)
C1 = 1.5 + 0.2 = 1.02
2
C2 ∗ = 1.02 + 0.2f (1.02, 0.2) = 0.612
 
f (1.02, 0.2) + f (0.612, 0.4)
C2 = 1.02 + 0.2 = 0.6936
2

6.2 Runge-Kutta de cuarto orden. Usar el método de Runge-Kutta de cuarto

orden para aproximar una solución para el siguiente sistema, considere h = 0.25, de
su solución hasta x = 1.

14
 dy
dx = x+1−y

y(0) = 1
Solución:
Usando que
xn+1 = xn + h

yn+1 = yn + 61 (k1 + 2k2 + 2k3 + k4 ), donde

k1 = hf (xn , yn )
k1
k2 = hf (xn + h2 , yn + 2 )

k2
k3 = hf (xn + h2 , yn + 2 )

k4 = hf (xn + h, yn + k3 )

Se obtiene que
n=0

x0 = 0 y0 = 1

n=1
k1 = 0

k2 = 0.03125

k3 = 0.02734

k4 = 0.05566

x1 = 0.25 y1 = 1.0288

n=2
k1 = 0.5529

k2 = 0.07963

k3 = 0.07659

k4 =0.09864
x2 = 0.5 y2 = 1.10654

15
 n=3
k1 =0.098364

k2 = 0.117318

k3 = 0.114949

k4 = 0.122126

x3 = 0.75 y3 = 1.22238

n=4
k1 = 0.1319

k2 = 0.14666

k3 = 0.14482

k4 = 0.15819

x4 = 1.0 y4 = 1.36789

7 Ecuaciones diferenciales parciales

7.1 Ecuaciones diferenciales parciales elipticas. Considera una placa cuadra-
da con dimensiones 1 × 1 metros, donde la temperatura en la placa T (x, y) está
gobernada por la ecuación de Laplace bidimensional:
∂2T ∂2T
+ =0
∂x2 ∂y 2

Con las siguientes condiciones de contorno de Dirichlet:

ˆ T (x, 0) = 20o C para 0 ≤ x ≤ 1

ˆ T (x, 1) = 100o C para 0 ≤ x ≤ 1

ˆ T (0, y) = 0o C para 0 ≤ y ≤ 1

ˆ T (1, y) = 50o C para 0 ≤ y ≤ 1

Plantea el sistema de ecuaciones utilizando diferencias nitas para aproximar la

solución en la región (x, 0 ≤ x ≤ 1) y (y, 0 ≤ y ≤ 1), utilizando un tamaño de
malla de h = 0.25. Solución: Si llamamos P1 , P 2, . . . , P9 a los nodos formados en

16
la malla, se obtiene el siguiente sistema de 9 × 9

−4P1 + P2 + P4 = −20
P1 − 4P2 + P3 + P5 = −20
P2 − 4P3 + P6 = −70
P1 − 4P4 + P5 + P7 = 0
P2 + P4 − 4P5 + P6 + P8 = 0
P3 + P5 − 4P6 + P9 = −50
P4 − 4P7 + P8 = −100
P5 + P7 − 4P8 + P9 = −100
P6 + P8 − 4P9 = −150

17